汽车芯片综述

汽车芯片综述
智能驾驶涉及人机交互、视觉处理、智能决策等，核心是 AI 算法和芯片。伴随汽车电子化提速，汽车半导体加速成长，2017 年全球市场规模 288 亿美元（+26%），远高于整车销量增速（+3%），其中占比最高的为功能芯片 MCU（66 亿美元，占比 23%），随后还包括功率半导体（21%）、传感器（13%）等。
汽车半导体按种类可分为功能芯片 MCU（Microcontroller Unit）、功率半导体（IGBT、MOSFET 等）、传感器及其他。根据Strategy Analytics，在传统燃油汽车中，MCU 价值量占比最高，为23%；在纯电动车中，MCU 占比仅次于功率半导体，为11%。DIGITIMES预测，功能芯片MCU市场规模有望从2017年66亿美元稳步提升至2020年72亿美元。

▲ 全球汽车销量（万辆）

▲ 全球汽车半导体市场规模（亿美元）

▲ 燃油汽车半导体按种类分类

▲ 纯电动汽车半导体按种类分类

▲ 汽车功能芯片市场规模（亿美元）
传统汽车的功能芯片仅适用于发动机控制、电池管理等局部功能无法满足高数据量的智能驾驶相关运算。
近年来，伴随智能驾驶渗透率提升，全球芯片巨头纷纷进军汽车产业，推出具备AI计算能力的主控芯片。主控芯片市场规模有望快速成长，IHS预测2020年可达40亿美元。

▲ 汽车芯片：主控芯片&功能芯片

▲ 汽车主控芯片市场规模（亿美元）
主控芯片巨头具有较强的AI计算优势，功能芯片厂商具有丰富的汽车产业链经验，两大阵营之间兼并收购及联盟合作频发。
截至目前，英伟达已与全球370+整车厂、一级供应商达成合作；英特尔收购Mobileye切入汽车产业；高通曾意图收购恩智浦等。

▲ 汽车芯片市场格局
主控芯片：算力持续增长
智能驾驶涉及人机交互、视觉处理、智能决策等，AI算法和芯片是核心。据恩智浦统计，目前一辆高端汽车已经搭载超过1亿行代码，远超飞机、手机、互联网软件等，未来伴随自动驾驶的渗透率及级别提升，汽车搭载的代码行数将呈现指数级增长。
自动驾驶软件计算量已经达到10个TOPS（Tera Operations Per Second，万亿次操作每秒）量级。传统汽车MCU的算力难以满足自动驾驶汽车的计算要求，GPU、FPGA、ASIC等AI芯片进入汽车市场。

▲ 汽车已经搭载超过1亿行代码

▲ 汽车搭载的代码行数指数级增长

▲ 典型汽车MCU的算力

▲ 英伟达GPU SoC的算力
全球无人驾驶领导者包括谷歌、百度、特斯拉、奥迪等，从这些厂商的自动驾驶主控模块的SoC芯片架构或可一窥汽车芯片发展方向。
谷歌 Waymo：采用英特尔CPU+Altera FPGA方案，英飞凌MCU作为通信接口。谷歌Waymo的计算平台采用英特尔Xeon12核以上CPU，搭配Altera的Arria系列FPGA，并采用英飞凌的Aurix系列MCU作为CAN或FlexRay网络的通信接口 。

▲ 谷歌Waymo的计算平台架构
百度 Apollo：恩智浦/英飞凌/瑞萨MCU+赛灵思 FPGA/英伟达GPU。百度无人驾驶样车采用 IPC（工控机）方案，但工控机的体积和功耗难以满足量产化要求，因而百度也推出了适合于量产的域控制器嵌入式方案。将各个传感器的原始数据接入到Sensor Box中，在Sensor Box中完成数据的融合，再将融合后的数据传输到计算平台上进行自动驾驶算法处理。
百度自动驾驶专用计算平台ACU（Apollo Computing Unit）定义了三个系列产品：MLOC（高精定位，MCU）、MLOP（高精定位+环境感知，MCU+FPGA）、MLOP2（高精定位+环境感知+决策规划，MCU+GPU）。