自動駕駛晶元行業深度解析：CPU的現在與ASIC的未來！

今年的自動駕駛行業，可謂是充滿了大新聞。如果要逐一總結大事件，那估計都能出本書了。 但是芯天下還是試著在這個有限的篇幅里把自動駕駛領域做一個深度解析。

說起今年自動駕駛領域最大的新聞，芯天下覺得當屬英特爾斥資 150 多億美元收購 Mobileye。這樣的手筆既說明晶元業的巨大價值，也說明晶元公司做自動駕駛的決心。

英偉達以及英特爾都已經在今年相繼公布了了自己在自動駕駛領域的產品。今年，英偉達公布了其 Drive PX 旗下的最新產品 Xavier 以及未來的下一代產品 Pegasus，並基於 Xavier 分別聯合博世以及采埃孚推出了車載 AI 超級電腦。

根據以往互聯網時代經驗，晶元永遠都是產業鏈最上游的存在，是行業先導指標。核心晶元往往決定一個計算時代的基礎架構！

如今，半導體市場格局已成三足鼎立之勢，ASSP（專用應用標準產品，比如CPU、GPU）、ASIC（專用晶元，比如現在很多的礦機晶元）和FPGA三分天下。

GPU：是單指令、多數據處理，採用數量眾多的計算單元和超長的流水線，如名字一樣，圖形處理器，GPU善於處理圖像領域的運算加速。但GPU無法單獨工作，必須由CPU進行控制調用才能工作。CPU可單獨作用，處理複雜的邏輯運算和不同的數據類型，但當需要大量的處理類型統一的數據時，則可調用GPU進行並行計算。

FPGA：和GPU相反，FPGA適用於多指令，單數據流的分析，因此常用於預測階段，如雲端。FPGA是用硬體實現軟體演算法，因此在實現複雜演算法方面有一定的難度，缺點是價格比較高。將FPGA和GPU對比發現，一是缺少內存和控制所帶來的存儲和讀取部分，速度更快。二是因為缺少讀取的作用，所以功耗低，劣勢是運算量並不是很大。結合CPU和GPU各自的優勢，有一種解決方案就是異構，如GPU+FPGA。

ASIC晶元：是專用定製晶元，為實現特定要求而定製的晶元。除了不能擴展以外，在功耗、可靠性、體積方面都有優勢，尤其在高性能、低功耗的移動端。谷歌的TPU、寒武紀的GPU，地平線的BPU都屬於ASIC晶元。谷歌的TPU比CPU和GPU的方案快30-80倍，與CPU和GPU相比，TPU把控制縮小了，因此減少了晶元的面積，降低了功耗。

與消費電子有所不同的是，汽車所使用的計算晶元在功耗、穩定性及安全性等方面都有著更高的需求。GPU 和 CPU 這種通用計算晶元是否能夠針對車載應用做出優化便成為了未來的一大挑戰。

而ASIC專用晶元可以根據特定的演算法實現計算能力和計算效率的專用定製化，隨著各類應用場景在自動駕駛不同領域的滲透，即時性應用場景在深度學習上所需要的推理能力越來越強，在雲端進行軟體升級並進行計算已無法滿足特定場景的即時性要求（5G時代的來臨或許有可能解決這一數據傳輸速率的瓶頸），因此，各類應用場景將推動AI專用晶元的研發。

綜上所述，未來在自動駕駛車進入量產階段後，GPU、CPU將會更廣泛應用於一些較為通用的場景，大規模AI晶元的需求量將使ASIC前期的成本顯著降低，車企選擇ASIC架構的AI晶元或將成為趨勢。

因此，芯天下國內AI初創企業應緊跟自動駕駛對於AI晶元的需求，針對中國智能駕駛應用場景，採用軟硬體一體的結合方案，使演算法在硬體上得到最優化，從而在與整車廠的合作中，能夠針對特定需求定製晶元，擴大自身優勢，在AI晶元領域佔據一席之地。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！