自動駕駛汽車的確需要專門搭建相應的計算平台，這也是電腦系統硬件和軟件設計、開發的基礎。
硬件的基礎是CPU，軟件基礎是作業系統。當傳感器接受到資訊後，數據被匯入計算平台，由芯片進行運算處理。以上的過程對於安全性和即時性都有要求。
現階段被行業普遍套用的自動駕駛汽車計算平台有四種。
GPU計算平台
GPU的多核心、高記憶體頻寬，在並列運算、浮點運算上的效能是CPU的數十倍甚至上百倍。
憑借其計算能力以及對深度學習套用的支持，GPU現在是自動駕駛技術開發的主流平台了。
說到GPU計算平台，就得說下輝達。
其為自動巡航開發的NVIDIA DRIVE PX2平台是開放式的AI汽車計算平台，能夠讓車企和一級供應商迅速進行自動駕駛技術的研發和生產。
輝達還提供一套DriveWorks的用於自動駕駛軟件開發的套件（SDK），可以提供用於構建目標檢測，地圖定位、路徑規劃等計算密集型演算法的基礎。
借助上述的平台和套件，汽車ADAS系統可以清晰分辨出各大種類的汽車、摩托車、單車、行人。
而且整個NVIDIA DRIVE PX2硬件設施高度整合化，巴掌大小，消耗功率僅10W左右，使用深度神經網絡來處理多個網絡攝影機和傳感器的數據,並采用傳感器融合技術得到完整、準確的環境數據。
輝達開發此平台，盡可能讓汽車自身擁有人工智能和態勢感知平台，讓汽車能自行規避周圍的危險。
現在采用輝達平台方案的有寶馬，特斯拉，沃爾沃等眾多廠商。
FPGA計算平台
采用可編程邏輯單元陣列，是一種高效能、低功耗的可編程芯片。
透過燒錄FPGA配置檔來自訂芯片內部的電路連線，且燒錄是可擦寫，可以根據產品需求進行不同的功能配置。
Xilinx在1984年創造出FPGA以來，在通訊、醫療、安防上面都有著極為廣泛的套用。
對比CPU和GPU，FPGA的優勢在於硬件配置靈活、能耗低、效能高及可編程等，十分適合感知類的計算。
以最先搭載L3級別的2017款奧迪A8為例，ADAS的核心zFAS搭載了四個核心原件。
Mobileye的EyeQ3，負責交通訊號辨識，行人檢測，碰撞報警，光線探測和車道線辨識。
輝達的K1負責駕駛員狀態檢測，360度全景。
英特爾（Altera）的Cyclone V負責目標辨識融合，地圖融合，自動泊車，預剎車，激光雷達傳感器數據處理。
英飛淩的Aurix TC297T負責監測系統執行狀態。
其中的Cyclone V Soc，就是Altera 提供的FPGA方案，提高傳感器融合，高效完成對各類目標的檢測。
DSP計算平台
數碼訊號處理是將事物的運動變化轉變為一串數碼，並用計算的方法從中提取有用的資訊。
數碼訊號處理器（Digital Signal Processor）,則是一種特別適合進行數碼訊號處理運算的微處理器。
在設計方案中，DSP的數據和地址總線分開，允許取出和執行指令完全重疊。在執行上一條指令的時候，同時可取出下一條指令進行譯碼，大幅提升了微處理器的執行速度。
強大的數據處理能力和高執行速度，使得它十分適合自動駕駛套用中的計算。
美國德州儀器公司(TI）是世界上最大的DSP廠商，也是DSP解決自動駕駛計算方案的宣導者。
他推出的TDA2X汽車系統級芯片，低功耗、高效能，能滿足高級駕駛員輔助系統(ADAS)設計要求。其系統級芯片(SoC)采用多相可升級的架構,包括固定和浮點 TMS320C66x數碼訊號處理器(DSP)產生核 ,Vision AcceleraTIonPac, ARMCortex-A15 MPCore™和雙Cortex-M4處理器.
TI的Vision AccelerationPac 還可補充TMS320C66x數碼訊號處理器(DSP)的內核，可以讓眾多的ADAS演算法同步執行。同時，TI TDA2X還可以作為融合雷達和攝像傳感器數據的中央處理器，幫助ADAS進行決策。
而另一家知名的DSP公司，美國的CEVA，2015年推出的CEVA-XM4，支持三維深度圖的生成和三維點雲的數據處理，單一CEVA-XM4的內核可以完成典型的「目標檢測與跟蹤」，功耗相當於現在先進CPU簇的10%，面積只有先進CPU簇的5%。
不過，CEVA可能更有名的就是它在通訊業務上的地位，2017年，有12億台通訊器材搭載了CEVA的DSP。（提供IP授權，不生產芯片）
目前為止，全球超過40%的手機使用CEVA的DSP內核，國內眾多手機，包括華為手機使用的也是CEVA授權生產的DSP(數碼訊號處理器）。
ASIC計算平台
專用集成電路，為特定需求專門客製的芯片。一旦設計制造完成，內部的電路和演算法就固定了，無法再改變。
體積小、功耗低、計算效能和計算效率高，因為芯片內部電路、演算法固定，容易量產，批次大所帶來的成本遞減效應明顯。
ASIC和FPGA的區別，類似房產推出的批次精裝修房和毛坯房裝修的區別。
精裝修房前期要規劃合適的裝修方案，確定各大供應商，試樣是否合格，中間可能要多次調整方案，在成本、效果、效率中衡量，需要一個較長周期，才能制作出合適的標準裝修樣版。前期裝修的花費高，確定樣版的周期長，但隨著量的鋪開，成本就會迅速下降。而毛坯房則是給客戶一個基礎，接好基本的水電氣，裝飾好外墻、裝好窗戶，後面的大量細節由客戶去確定如何裝修，相當於個人化的裝修，即便大量裝修毛坯房，由於每戶的毛坯房風格不同，裝修材料不同，裝修成本也很難降下來。
ASIC芯片研發費高，從研發到量產周期長(通常需要2-3年），前期開模投入高，但是效能優越，量產後成本會迅速下降。而FPGA研發速度快，一次性投入少，不需要介入芯片布局布線和工藝問題，可以隨時燒錄新的邏輯功能，但由於無法固定樣版，大量生產後，成本也降不下來。
但FPGA往往是ASIC客製的前哨站，往往FPGA確定某種燒錄效果好，需要大批次生產，就會轉為ASIC的模式。
業內現在比較知名的ASIC自動駕駛芯片的廠商有Mobileye(2017年被Inter收購）.
Mobileye推出的視覺芯片EyeQ5,裝備有4種異構的全編程加速器，分別對電腦視覺、訊號處理和機器學習進行了演算法最佳化，可以達到L4級別自動駕駛的計算需求。
而最先搭載的EyeQ5的車型有可能是寶馬的純電動IX（國內還未上市）。
百度自動駕駛計算平台
百度 在2020年12月22日，宣布Apollo的自動駕駛計算平台ACU和德州儀器（TI）合作，搭載了TI的TDA4處理器，也就是DSP計算平台。
第一，多級處理，支持深度學習和即時影像處理；
第二，功耗和效能效率表現突出，僅用5到20W的功耗和效能效率便可以
執行高效能ADAS操作，無需主動冷卻；
第三，有針對性的整合，帶有通用軟件平台的有針對性的整合SoC能夠降低系統復雜性和開發成本；
第四，能夠在單芯片上接入並處理4到6個三百萬像素網絡攝影機的數據，增強車輛感知能力和環視處理功能。
谷歌Waymo 的計算平台架構，2018年底還是采用的Altera的FPGA。
Altera的FPGA共有四大系列，分別是頂配的Stra ti x系列、成本與效能平衡的Arria系列、廉價的Cyclone系列、帶NVM的MAX系列。
但谷歌Waymo並沒有官宣最近的無人駕駛車輛所搭載的計算平台，業界評測可能混搭了FPGA/GPU/DSP。
2020年，Waymo第五代平台，搭載了29顆網絡攝影機，還有眾多的激光雷達和其他雷達，也許Waymo的計算平台真的需要探索目前算力的極限了。
參考：
自動駕駛技術系列叢書（清華大學出版社）
