自动驾驶与IC

1.需求
云和边缘计算的数据中心，以及自动驾驶等超级终端领域，都是典型的复杂计算场景，这类场景的计算
平台都是典型的大算 力芯片。大芯片的发展趋势已经越来越明显的从GPU、DSA的分离趋势走向DPU、超级
终端的再融合，未来会进一步融合成超 异构计算宏系统芯片。BOSCH给出了汽车电气架构演进示意图。从
模块级的ECU到集中相关功能的域控制器，再到完全集中的车载计算机。每个阶段 还分了两个子阶段，例如
完全集中的车载计算机还包括了本地计算和云端协同两种方式。

自动驾驶与新能源快速发展带动车用存储需求增加。存储芯片可分为闪存和内存，闪存包括 NAND
FLASH 和 NOR FLASH，内存主要为 DRAM。 从应用形态上看，NAND Flash 的具体产品包括 USB（U
盘）、闪存卡、 SSD（固态硬盘），以及（eMMC、eMCP、UFS）等嵌入式存储。存储芯片在智能汽车和
电动汽车中应用广泛，智能座舱、车联网、自动驾驶、信 息娱乐、仪表盘、黑匣子、动力传动等系统功能的
实现需要都需要存储技 术提供参数。自动驾驶对于汽车存储芯片的算力和存储能力提出更高要求； 新能源汽
车需要提高充电速度和保证续航能力，也要求存储芯片技术不断升级。

而且随着自动驾驶级别的提升，对汽车芯片算力和存储能力的需求不断攀升。相关数据显示，目前一辆
高端汽车的自动驾驶系统代码超 1 亿行，自动驾驶软件计算量达到每秒 10 万亿次操作的量级，远超飞机、
手 机、互联网软件等。随着未来自动驾驶渗透率与级别的提升，汽车系统代 码行数将会呈现指数级增长，需
要高带宽的 DRAM 进行读写，DRAM 会从 DDR32/4GB 向 LPDDR48GB 靠拢。汽车自动化过程中，用于收
集车辆运行和周边情况数据的各种传感器会逐步增多，时刻需要收集车辆外部环境数据，势必产生大量的数
据处理和存储需求。除了汽车行驶本身产生数据， 汽车与汽车之间的实时信息分享、互动通信、数据交换
等，也将产生巨大的存储需求。

下面总结如下：

1. 传感器技术：自动驾驶汽车需要大量的传感器来感知周围环境，包括雷达、激光雷达、摄像头和
超声波传感器。这些传感器产生的数据需要进行高效的处理和分析，因此需要高性能的信号处理
IC和图像处理器。

2. 数据处理能力：自动驾驶汽车的核心任务之一是实时的环境感知和决策制定。这需要强大的计算
能力，以便处理海量的传感器数据并执行复杂的算法。因此，需要高性能的中央处理单元
（CPU）、图形处理单元（GPU）和加速器等IC。

3. 通信和连接性：自动驾驶汽车需要高度可靠的通信和连接性，以便与其他车辆、基础设施和云端
服务进行实时通信。这包括车对车（V2V）和车对基础设施（V2I）通信，需要先进的通信模块和
协议支持。

4. 安全和可靠性：自动驾驶汽车必须保证高度的安全性和可靠性，因为它们承载了人们的生命和财
产。因此，需要专门设计的安全IC，用于监控和确保车辆的安全操作。

5. 电源管理：自动驾驶汽车需要高效的电源管理系统，以确保电池寿命和电能的有效利用。这需要
高度集成的电源管理IC和智能充电技术。

6. 机器学习和人工智能：自动驾驶汽车使用机器学习和人工智能来改善环境感知和决策制定。因
此，需要专用的加速器和处理器来支持这些任务。

7. 车辆网络安全：自动驾驶汽车面临网络攻击的风险，因此需要强大的网络安全IC来保护车辆的通
信和数据。
 而当前，我国大陆地区汽车用芯片发展相对滞后，进口率高达 90%。由我国自主研发的汽车芯片多用于
车身电子等简单系统，而类似汽车先进传感器、 车载网络、三电系统、底盘电控、ADAS（高级驾驶辅助系
统）、自动驾驶等关键系统芯片，基本上全部为国外垄断。

2.供给
从供给端看，DRAM 行业高度集中，呈寡头垄断格局；ISSI 位居车用 DRAM 全球第二位。IC Insights
数据显示，2018-2020 年期间，在 DRAM 市场中，三星、海力士和美光垄断了全球约 95%的市场份额。具
体到车用 DRAM 领域，美光占据 45%的份额，位居全球第一；北京矽成的经营主体 ISSI 借其在汽车领域超
过 20 年耕耘和丰富多样的车规产品占据 15%的份 额，位居全球第二。各主流存储厂商加快车用存储芯片研
发。虽然当前车用存储市场规模较小， 但由于其高毛利、价格不易受景气周期影响，叠加汽车电动化与智能
化带 来的广阔的市场增量，各主流存储厂商加快车用存储器的研发。

以下汇总了一些主流的IC厂商对智能驾驶需求的供给端情况：

1. 英特尔（Intel）：英特尔是一家全球领先的半导体公司，通过其Mobileye子公司提供自动驾驶解
决方案。Mobileye专注于视觉感知技术和驾驶辅助系统，为自动驾驶汽车提供了重要的传感器和
处理器。

2. 英伟达（NVIDIA）：英伟达是一家知名的图形处理器制造商，提供了用于自动驾驶汽车的高性能
计算平台。他们的GPU被广泛用于处理自动驾驶汽车的大规模数据和深度学习任务。

3. 德州仪器（Texas Instruments）：德州仪器提供了广泛的模拟和数字集成电路，用于自动驾驶
汽车的传感器接口、电源管理和通信。

4. 恩智浦（NXP Semiconductors）：恩智浦专注于汽车半导体，提供了用于自动驾驶汽车的射
频、传感器、控制器和嵌入式解决方案。

5. 飞思卡尔（Freescale）：飞思卡尔是恩智浦的一部分，专注于汽车电子组件，包括用于自动驾
驶汽车的传感器和控制器。

6. 博世（Bosch）：博世是一家全球知名的汽车零部件制造商，提供了自动驾驶汽车所需的各种传
感器、控制器和系统解决方案。

当前的芯片算力，似乎仍不能够满足对自动驾驶的数据处理需求。举个例子，在自动驾驶领域中，英伟
达是性能怪兽，并不断自我迭代。2022年量产的英伟达Orin芯片，算力高达254TOPS，合作的企业包括文远
知行、元戎启行、Lucid等，定位于L3及以上的智能驾驶，2024年比亚迪也将应用Orin芯片，据悉将在比亚
迪新一代王朝和海洋系列的部分车型中搭载。2021年，英伟达曾发布Atlan芯片，目标算力将达到
1000TOPS，计划2025年量产，而Atlan还未上市，英伟达又在2022年发布了新一代的Thor，这颗SoC芯片
内部拥有770亿个晶体管，可实现2000 TOPS的AI算力，计划2025年投入生产。而这对于实现最高级别的自
动驾驶需求仍有一段距离。

3.未来展望
 尽管困难重重，我仍相信未来自动驾驶技术在IC以及其他工业技术的进步加持下会稳步发展，继续深刻
地改变我们的交通方式和生活方式。相关的IC技术将持续演进，以满足日益复杂的需求，并为实现更安全、
更高效和更智能的交通系统做出贡献。这一领域的创新和发展将持续引领未来科技的前沿。

(本文部分资源来源于互联网)

许祥 236382

2023年10月11日