近日，百度與吉利合資公司集度汽車在北京舉辦了一場媒體溝通會，宣布首款純電動車將於2022年4月在北京車展上亮相，不出意外的話，這款車型將是第一款支持L4級駕駛自動化系統的車型。
這款車的釋出也將意味著，全自動駕駛的時代已經到來。
駕駛自動化 （driving automation）是指車輛以自動的方式持續地執行部份或全部動態駕駛任務的行為。
駕駛自動化系統 （driving automation system）是指由實作駕駛自動化的硬件和軟件所共同組成的系統。
根據工信部釋出的【汽車駕駛自動化分級】可知，達到L4、L5級別才能稱之為全自動駕駛。目前，市面上除了奧迪新款A8可達到L3級別之外，其它所有車型均處在L2級別。
以L3級別為界，低階別自動駕駛環境監測主體和決策責任方仍保留於駕駛員，而 L4、L5高級別自動駕駛的環境檢測主體和決策責任方則會轉移至系統 ，這點很關鍵，即由系統進行環境監控，再將所感知到的資訊進行處理決策，再根據決策執行相應的操作，如轉向、制動等。
隨著駕駛自動化等級的提高，感知層與決策層系統承擔的職能會逐級遞增，系統構成難度及所需元件也會逐級增加。
你可能會問：
莫急莫急，且聽小編一一道來
決策層，自動駕駛系統的大腦
駕駛自動化系統從L3級別升級到L5級別，需要實作感知、決策、執行的同步前進演化，其中決策層主要由芯片、計算平台和軟件構成，可視為自動駕駛的中央大腦，負責駕駛自動化系統的所有決策和指令的下達。
在進行決策規劃時，決策層會從感知層中獲取道路拓撲結構資訊、即時交通資訊、障礙物資訊和主車自身的狀態資訊等內容。結合上述資訊，決策規劃系統會對當前環境做出分析，然後對執行層下達指令，模擬大腦決策。
因此，有人形容開發自動駕駛技術實際上就是造一個「人工老司機」的過程，而決策層就是老司機的大腦。
老司機上路憑經驗，駕駛自動化系統則靠決策層的「軟件+硬件」雙重提升，軟件在演算法，硬件主要就是汽車芯片了。
智能汽車裏的軟件可以分為套用演算法軟件、中介軟體、系統軟件和工具軟件。其中，套用軟件包括資訊娛樂系統的人機互動、界面設計、ADAS軟件、車身控制軟件等，而高級別自動駕駛套用軟件背後需要靠基於人工智能或深度學習的演算法軟件來提供支撐。
智能汽車硬件的升級需要滿足 乙太網路普及 、 控制器集中 以及 算力提升 三個方面：
- 乙太網路取代CAN/LIN：具有寬頻寬、低延時、低電磁幹擾的乙太網路將成為未來車內通訊網絡的新骨幹。
- 控制器架構走向集中化：未來分布式E/E架構將經由(跨)域集中式最終邁向中央集中式，並透過一個高效能的中央控制器實作車雲端運算；
- 控制器集中和決策層算力的提升對汽車芯片提出要求，傳統MCU芯片將無法滿足智能化要求，屆時，SoC芯片將發揮重要作用。
從MCU到SoC，汽車芯片的自然前進演化
汽車芯片 ，指的是汽車裏的計算芯片，按整合規模可分為MCU芯片和SoC芯片。MCU芯片通常只包含一個CPU處理器單元、儲存和介面單元；而SoC是系統級芯片，一般包含多個處理器單元，如CPU、GPU、DSP或NPU等，以及儲存和介面單元。
隨著汽車趨於智能化，汽車搭載的ECU（電子控制單元）數量持續增加，智能座艙和自動駕駛對汽車的智能架構和演算法算力，帶來了數量級的提升需要，以MCU為主的汽車芯片很快將無法滿足這些需求，自然就會轉向搭載算力更強的SoC芯片。
依托於SoC芯片， 智能座艙將實作「車載資訊娛樂系統＋串流媒體後視鏡＋擡頭顯示系統＋全液晶儀表＋車聯網系統＋車內乘員監控系統」等融合體驗 。與自動駕駛芯片相比，智能座艙芯片相對容易打造，並且即便芯片完全失靈，也不會威脅司機和乘客的生命安全，比較容易透過車規級要求。
但是，在智能汽車芯片「戰爭」中，智能座艙芯片只是「前哨戰」，自動駕駛芯片才是「戰事中的制高點」。
隨著汽車電子化自動化程度提升，車載傳感器的數量持續增加，傳統的分布式架構的弊端逐漸顯露：
- ECU（電子控制單元）演算法只能處理指定傳感器的數據，算力不能共享；
- 分布式架構新增傳感器和ECU的同時，需要在車體內部署大量通訊總線，增加裝配難度和車身重量；
- 車內ECU來自於不同的供應商，開發人員無法實作統一化編程和軟件升級，無法實作整車OTA。
完美解決這些弊端的方案只有一個，那就是汽車控制集中化。雖然現在不同主機廠對控制域的劃分方案不同，但架構向域控制/集中式控制的方向是相同的。
高級別自動駕駛的域控制器將整合前期諸多ECU的運算處理器功能，對芯片算力的需求將大幅提升，於是乎，算力更強的SoC芯片將是終極解決方案。
總而言之，想要達到高級別自動駕駛的要求，汽車芯片必須完成從MCU到SoC的升級。
SoC芯片，高級別自動駕駛的終極解決方案
實作L3+的駕駛自動化硬件平台必須要達到500+TOPS（Tera Operations Per Second）的算力，只具備一個CPU處理器的MCU芯片顯然不能滿足需求，因此必須采用具有「CPU+XPU」多核架構的SoC芯片。
通常，自動駕駛SoC芯片上會整合一個CPU和一個或多個做AI運算的XPU。用來做AI運算的XPU可選擇GPU/FPGA/ASIC等。其中，ASIC是專用處理器芯片，FPGA是「半專用」處理器芯片。EyeQ(Mobileye)、BPU(地平線) 、NPU(寒武紀等)等專門用來做AI演算法的芯片(又稱AI芯片)則屬於專用芯片(ASIC)的範疇。
目前市場上主流的自動駕駛SoC芯片處理器架構方案(或稱技術路線)有以下三種：
因此，可以大膽預測， 在自動駕駛演算法尚未成熟固定之前，CPU+GPU+ASIC的架構仍然會是主流。
在自動駕駛演算法完全成熟之後，客製批次生產的低功耗低成本的專用自動駕駛AI芯片(ASIC)將逐漸取代高功耗的GPU，CPU+ASIC 架構將成為未來商業化主流。
自動駕駛，國產汽車芯片的機遇
根據中金公司的研究數據顯示，2030年，預計自動駕駛芯片的中國市場規模將達到813億元，全球市場規模為2224億元。其中，中國2030年L2/L3芯片市場規模將達到493億元，L4/L5芯片市場規模為320億元；全球2030年L2/L3芯片市場規模1348億元，L4/L5芯片市場規模876億元。
自動駕駛芯片不僅市場規模大，而且整個市場格局也將發生變化，為新入局者提供發展機會。與傳統汽車MCU市場壟斷局勢不同，高級別自動駕駛SoC芯片市場中聚集了部份傳統汽車芯片廠，如英特爾、輝達、高通、華為這樣的消費電子巨頭也紛紛入局，而主機廠以及地平線、黑芝麻等這樣的初創公司也擁有同等機會。
對於國產芯片企業來說，開放性平台與本土化服務將成為這一領域的核心競爭力。
以地平線為例，公司成立五年，旗下專註智能駕駛的「征程（Journey）」系列AI芯片「征程2」已經在長安 UNI-T 上實作量產前裝，是中國第一款實作汽車前裝量產的AI芯片。在生產過程中，地平線直接與長安對接，為長安提供軟硬件技術支持。
不久前，理想汽車釋出了2021款理想ONE，將 Mobileye 芯片替換為地平線的「征程3」雙芯片，其開放性平台能夠賦予理想汽車在自動駕駛領域更大的自主權。
目前，百度、小米、OPPO、中興、滴滴、貨拉拉等企業紛紛加入造車狂潮，將中國汽車市場進一步擴大，對汽車芯片的需求量也將大振幅增加，2020年至2025年將會是向高級自動駕駛跨越的關鍵5年，而在2023/24年左右，市場上將迎來主流的自動駕駛芯片的量產交付及其搭載車型的銷量爬坡，且各芯片均可以支持L4/L5的算力要求。屆時，主機廠都會找到實踐驗證的最優秀的芯片廠商合作，新的競爭者將很難入場。
未來幾年，汽車芯片市場風起雲湧，誰將成為浪潮之巔？誰又會是轉瞬即逝的泡沫？不妨現在來猜一猜。
