纯干货，汽车芯片究竟缺的是什么？自动驾驶域控制器才是关键

这是今年最后一篇文章，为读者分享汽车芯片的有关知识，特别关注自动驾驶域控制器，包括硬件和软件，全文共计2516个字，提前祝愿大家牛年大吉。

芯片在汽车的三大功能

一辆传统汽车上少则有40多种芯片，多则达到150多种。

按照功能划分，汽车芯片大致可以分为三类：第一类负责算力和处理，比如用于自动驾驶感知和融合的AI芯片，用于发动机/底盘/车身控制的传统MCU；第二类负责功率转换，如IGBT等功率器件；第三类是传感类芯片，用于自动驾驶各种雷达，以及气囊、胎压检测等等。

之前闹得沸沸扬扬的大众汽车芯片短缺事件中，主要缺的是应用于车身稳定ESP系统的MCU和用于发动机控制的MCU，主要由于8英寸的晶圆短缺造成的，而这两类芯片是传统汽车最基础也是必不可少的。

芯片四大分类

从另外一个角度，按照应用类型，芯片又可以分为四大类：

CPU（CentralProcessingUnit），中央处理器，也称为微处理器MPU(MicroprocessorUnit)，是一块集成度很高的芯片。

CPU主要由控制器、运算器和寄存器三个部分构成，寄存器用于寄存指令，控制器负责从寄存器中提取指令，并进行译码，译码后交给运算器进行计算和执行，最终计算结果再写回寄存器，CPU遵循冯诺依曼构架，按照串行顺序执行，擅长于处理逻辑控制。

如果对CPU进行优化和调整，发展出了GPU、DSP两类常用的芯片。

GPU（GraphicsProcessingUnit），也称为图像处理器，是一种由大量运算单元组成的并行计算构架，相比于CPU而言，GPU能同时处理多重并行的计算任务，十分有利于处理图像。

DSP（DigitalSignalProcesser），称为数字信号处理器，它和CPU和GPU有很多相似的地方，最大的区别在于采用了哈佛结构，而非冯诺依曼结构，使得DSP能即时快速处理数字信号，不强调人机交互，不需要通信接口。

如果将CPU再往上发展一个级别，可以得到MCU。

MCU（MicroControlUnit），微控制器，也称为单片机。在CPU的基础上，增加了存储器RAM和ROM、计数器/定时器及I/O接口，将它们集成在一块硅片，构成了小而完善的微型计算机系统，形成“芯片级别的芯片”，这是传统汽车最为常用的芯片。

CPU、GPU、DSP都是通用的芯片，随着计算需求越来越专业化，如果需要满足某一专门的需求，可以采用定制的方式，设计和制造出专用集成电路ASIC（ApplicationSpecificIntegratedCircuit）。

ASIC是针对特定算法定制的芯片，可以实现更高效率和更低的能耗，但是一旦算法改变，芯片就无法使用，而且生产成本也很高。

在ASIC中，现场可编程逻辑阵列FPGA（FieldProgrammableGateArray），是比较流行的设计方式之一。

FPGA的基本原理是在芯片内集成大量的数字电路基本门电路及存储器，用户可以通过添加配置文件来定义这些门电路与存储器之间的连线，这种添加不是一次性的，可重复编写定义，重复配置。

FPGA本质上是一种半定制电路，它既解决了定制电路的灵活性差的问题，又克服了通用芯片算力不足、能耗过大。但其本身半定制方式，决定了FPGA的算力还有提升空间，即进一步发展成为完全定制化的人工智能芯片。

谷歌公司为了加快神经网络运算能力，专门研发出了张量处理器TPU（TensorProcessingUnit），其本质上是一款基于神经网络计算的专用ASIC芯片。

除了TPU以外，还有类似的神经网络处理器，如NPU（NeuralNetworkProcessingUnit）芯片等。

无论是TPU还是NPU，它们都是根据人工智能计算需求定制出来的专用芯片。

如果将CPU、GPU、DSP、NPU等不同类型的芯片，外加上接口、储存等电子元件，可以组成片上系统SOC（SystemonChip），形成“系统级别的芯片”。

SOC较MCU集成程度更高，功能更加复杂，资源利用效率更高。

如下图汇总了不同类型芯片的分类以及集成度：

核心：自动驾驶域控制器

目前汽车的电子电气构架逐步从大量MCU的分布式，向域控制器集中式构架转变，域控制器大致可以分为驾驶、座舱、网关三大模块。

而负责自动驾驶的域控制器是核心，其本质就是一块SOC级别的芯片。

该控制器硬件上连接摄像头、激光雷达等传感器，还有车联网OBU、导航IMU等模块，以及车辆线控单元。主要的作用是负责对传感器感知到的环境信息进行融合、识别和分类处理，结合地图定位对车辆行驶进行路径规划和决策，从而实现对汽车的精确控制和自动驾驶。

该域控制器由硬件、软件、接口三大部分组成。

硬件部分

硬件部分由三大类型芯片组成：

第一部分，主要用于环境感知和信息融合，需要适应深度学习算法超大算力需求，一般采用GPU或是人工智能芯片TPU，处理承担大规模浮点数并行计算，包括了摄像头、激光雷达等识别、融合、分类。

第二部分，主要负责逻辑运算和决策控制，大多为ARM架构，类似于CPU，处理高精度浮点数串行计算。

第三部分，主要负责功能安全、冗余监控、车辆控制，不要求很高的算力，但是必须保证可靠性，满足ISO26262功能安全ASIL-D的要求，一般采用MCU，目前用的较多的是Infineon的TC297或者TC397。

软件部分

常用的软件构架包括了操作系统、中间件及应用层AI算法三个层次。

应用层AI算法一般由车企自行研发，常用的AI基础算法基于深度学习，包括了卷积神经网络CNN、递归神经网络RNN、以及由RNN衍生出的长短时记忆算法LSTM、双向神经网络BRNN等，如下图所示汽车人参考汇总。

中间件一般由域控制器开发商提供，类似于ROS，主要包含一些接口驱动和对于操作系统的优化部署。

操作系统方面，QNX是目前车规级的最佳也是唯一选择，但是成本很高费用，而Linux和Autoware比较开源，特别是基于Linux的内核，借助其强大的基础生态，加之ROS的多年应用，目前很受欢迎。

接口

自动驾驶的域控制器接口比较多，有摄像头、激光雷达、毫米波雷达、超声波雷达传感器，用于定位的IMU，用于车联网的V2X模块，用户底盘线控。

摄像头的接口类型有MIPISI-2、LVDS、GMSL、FPDLink等；激光雷达采用以太网Ethernet接口；毫米波雷达是传统CAN总线传输；超声波雷达采用LIN总线就够了；用于导航定位常见接口为RS232串口；车联网V2X模块采用Ethernet接口传输；线控常用CAN总线。

核心中的核心，人工智能芯片

目前市面上可供选择车规级AI芯片并不多，尤其是达到量产状态的，只有特斯拉、NVIDIA英伟达、英特尔的Mobileye。

国内的初创公司地平线推出了车规级的人工智能芯片，以及配套相应的算法。

而华为的野心更大，其MDC智能驾驶计算平台，包括了硬件上包括了自研的AI芯片，软件上包括了算法和鸿蒙操作系统，打造了自动驾驶域控制器全栈解决方案。

回到题目，当前汽车芯片缺的是什么，短期看缺的是MCU，长期看缺的是以人工智能芯片为硬件、辅以操作系统和算法为内核的自动驾驶域控制器。

以上内容节选自《一本书读懂无人驾驶》，有删减，预计2021中旬出版，祝愿大家HappyNiuYear，2021肯定牛！

本文为汽车人参考第302篇原创文章，如果您觉得文章不错，“推荐和关注”是对我最大的支持。