汽車自動駕駛芯片的案例
三星聯手奧迪，推出首款8納米自動駕駛汽車芯片
為爭取市場先機，在2017年，韓國三星就已經宣布將提供德國汽車大廠奧迪(Audi)Exynos系列的自動駕駛汽車芯片，并將自動駕駛汽車芯片規劃為Exynos Auto獨立品牌。1月3日，三星正式聯合奧迪發表旗下的首款自動駕駛汽車芯片Exynos Auto V9。
根據三星所公布的資料顯示，三星的首款自動駕駛汽車芯片Exynos Auto V9是專為汽車信息系統所設計，允許在多個屏幕上顯示相關的行車信息，使得駕駛獲得更安全、更愉快的駕駛體驗。Exynos Auto V9芯片本身以三星自身的8納米制程所生產，內建8個ARM最新的Cortex-A76 CPU核心，最高主頻2.1GHz。
另外，三星還表示，自動駕駛汽車芯片Exynos Auto V9整合了ARM Mali G76 GPU、高級Hi-Fi4聲道的音頻處理芯片，和專門處理人工智能運算的獨立NPU單元。此外，這顆SoC還在其中了一顆獨立的安全芯片，支援汽車安全完整性等級（ASIL）-B的標準。
Exynos Auto V9具備3個Mali G76 GPU圖形芯片核心，最高可支持多達6個顯示屏幕，以及連結12個攝影鏡頭，可以無縫處理多個系統信息。這對于未來汽車駕駛安全輔助系統(ADAS)的應用，將給予最佳的體驗效果。
三星透露，自動駕駛汽車芯片Exynos Auto V9將首先用于奧迪旗下汽車當中，未來也不排出提供給其他的汽車制造商來使用，預計搭載Exynos Auto V9芯片的奧迪汽車將于2021年首次亮相。
來源：科技新報
展開 需求暴漲的汽車自動駕駛芯片
該國標已于今年 3 月 1 日正式實施，將對促進自動駕駛產業的發展以及后續相關法規的制定起到積極作用。今年 4 月，小馬智行獲得中國第一張面向自動駕駛公司的出租車運營許可。6 月 14 日，工信部副部長辛國斌表示，工信部將出臺自動駕駛、信息安全等標準，適時開展準入試點。
各大廠商積極布局，未來自動駕駛行業空間巨大。目前，L3 及以上級別的自動駕駛有望在封閉、半封閉和低速場景下率先應用，自主泊車作為自動駕駛的低速復雜場景，將為自動駕駛技術演進提供低速域的數據訓練和積累。盡管自動駕駛高速場景的商業化落地還有一定距離，但特斯拉、谷歌、英偉達、高通等廠商依舊把目光放在了高級別的自動駕駛上，為的就是在行業拐點來臨之前占得先機。根據 IHS 的預測，自動駕駛汽車將在 2025 年前后開始一輪爆發式增長。到 2035 年，道路行駛車輛將有一半實現自動駕駛，屆時自動駕駛整車及相關設備、應用的收入規模總計將超過五千億美元。根據 CIC 預測，預計到 2025 年我國自動駕駛市場空間接近 4000 億元，2020-2025 年 CAGR 接近 107%，遠快于全球市場增速。
在汽車 E/E 架構由分布式架構向集中式架構方向發展的過程中，自動駕駛芯片作為計算的載體逐漸成為智能汽車時代的核心。在“軟件定義汽車”趨勢下，芯片、操作系統、算法、數據共同組成了智能駕駛汽車的計算生態閉環，其中芯片是智能駕駛汽車生態發展的核心。以特斯拉為代表的汽車電子電氣架構改革先鋒率先采用中央集中式架構，即用一個電腦控制整車，域控制器逐漸集成前期的傳感器、數據融合、路徑規劃、決策等運算處理器功能。隨著自動駕駛級別的提升以及功能應用的豐富，汽車對芯片算力的需求也越來越大。
算力需求升級驅動車載芯片市場規模增長。
展開 汽車芯片：自動駕駛浪潮之巔
汽車芯片：自動駕駛浪潮之巔
日產自動駕駛汽車將部署NASA技術 讓人類遠程駕駛自動駕駛汽車
蓋世汽車訊 據外媒報道，日本汽車制造商日產（Nissan）將部署美國國家航空航天局（NASA）研發的技術，利用人類的幫助，遠程駕駛其自動駕駛汽車，該公司承認，真正的L5自動駕駛汽車可能是無法實現的。
日產表示其“人機回圈”（human-in-the-loop）系統受NASA的火星漫游者（Mars Rover）項目的啟發，由日產首席技術主管與在航天局工作了13年的老員工Maarten Sierhuis合作研發，該系統解決了自動駕駛汽車面臨的最大問題之一，即汽車如何對道路狀況的突然變化做出反應。
日產的該消息在日產未來峰會（Nissan Future summit）上發布，該消息與汽車行業原先設想的真正的自動駕駛截然不同，真正的汽車駕駛是未來有一天，汽車可以在沒有人類互動的情況下，在每天道路上行駛，處理每一種可能出現的情況。
現在有越來越多的人表示，真正的無人干預的自動駕駛可能永遠不會成為現實，而日產現在可承認該觀點。現在，日產的目標主要還是自動駕駛汽車，但是此類汽車仍有人工控制室相連，如果遇到封閉道路、私人地方或是將乘客送至機場等汽車無法處理的情況時，控制室可向車輛發出指令。
然后，人工控制室可接入汽車的外部攝像頭，幫助汽車擺脫棘手的局面。日產將其技術稱為SAM（無縫自動駕駛移動出行），最早的版本旨在實現無人駕駛機器人出租車以及自動駕駛快遞服務。
來源：無人駕駛
展開 
自動駕駛行業觀察 | 自動駕駛汽車如何「看到」紅綠燈？
紅綠燈識別是實現城區自動駕駛能力最為關鍵的一環，現實世界的紅綠燈的位置、朝向并無規律可言，想在圖像中找到隨機懸掛在路口的紅綠燈卻并不是一件容易的事情。那么紅綠燈識別究竟有哪些難點，我們又有哪些技術方案能夠實現紅綠燈檢測呢？
紅綠燈識別的技術難點
1、小物體檢測
紅綠燈檢測屬于小物體檢測問題，在一副圖像上所占的像素比極小，并且不同于車輛，行人的檢測，紅綠燈所能提取的特征有限，基本上是顏色特征，這個對設計神經網絡的特征提取提出極大的挑戰。還需從其它角度考慮，如紅綠燈的位置始終在高處，紅綠燈的時序信息等去判斷。
另外對于相機的選型也有要求，選擇FOV（field Of View，視野）小的，聚焦功能好，所檢測的距離遠，但視野范圍小；選擇FOV大的，視野范圍大，但檢測距離近，所以可能會配合兩個甚至多個不同FOV大小的相機來檢測紅綠燈，這又會涉及到多個相機融合的難點問題。
2、紅綠燈實時變化
雖然跟交通標志牌類似，都屬于靜態物體檢測，但紅綠燈的狀態是實時發生變化的，這提升了檢測的難度。此外，在不同光照條件下，紅燈和黃燈的相似度很接近，甚至人眼都難以區分，只能根據燈的位置信息來區分。
另外，不同地區的紅綠燈設計方式，展現形式不一樣，如天津地區的條形展現形式，這就對紅綠燈的數據采集提出更多的挑戰，要覆蓋更多場景，增加了采集成本，同時對檢測網絡提出了更高的要求，具備更強的泛化性。
展開 為什么車廠紛紛自研自動駕駛芯片？
來源 | 汽車ECU開發
知圈 | 進“激光雷達社群”請加微信13636581676，備注激光
2016年，特斯拉招募AMD的芯片架構師和高管團隊，開啟了特斯拉自研自動駕駛芯片之路，到2019年4月，特斯拉所有的新車型都用的是自研的FSD芯片。
2017年11月，領跑汽車與浙江芯昇電子（原浙江大華技術芯片部門）聯合研發自動駕駛芯片，名為凌芯01，在2020年10月正式發布該芯片，并搭載于C11車型上。
2020年4月，豐田與電裝成立合資公司MIRISE Technologies開發自動駕駛芯片。
2020年10月，吉利旗下億咖通與ARM成立自動駕駛芯片設計公司芯擎科技。
關于蔚來也有傳言要自研自動駕駛芯片，小鵬則已確認涉足芯片自研，并且有望在今年年底或明年年初初流片。
最近大眾劇團首席執行官HerbertDiess在接受采訪時表示，大眾計劃自主設計和開發高性能芯片以及所需的軟件。
從固有的認知來看，芯片設計通常是一件大投入、長周期、高風險的事。我們來看看華為和小米的芯片研發歷程就一目了然。
1991年，華為成立集成電路設計中心，致力于設計生產ASIC；
2004年，華為決定自己做手機芯片，于是將集成電路設計中心改制為海思半導體有限公司；
2009年，海思推出首款移動處理器K3V1，主要面向中低端市場；
2012年，海思推出首款四核處理K3V2，這款芯片采用了1.5GHz主頻四核Cortex-A9架構，集成GC4000的GPU，并且使用了40nm的工藝制程。
展開 自動駕駛汽車真的比人駕駛汽車更安全嗎?
但自動駕駛汽車真的會更安全嗎？
汽車行業面對的最大挑戰主要是邊緣情況引發的意外狀況。事實上有兩個新的汽車安全標準，ISO 26262 和 UL 4600，就試圖解決這些邊緣情況。
然而這些標準不是強制性的，監管機構不要求自動駕駛汽車遵守這些或其他任何自動駕駛行業專屬標準。更糟糕的是，正如我將在下面解釋的那樣，有充分的理由相信某些類型的自動駕駛汽車可能無法處理這些邊緣情況。
自動化水平
首先，我們來定義“自動駕駛”的含義。汽車工程師協會定義了自動駕駛技術的六個級別，如下所示：
L0：人類司機掌控所有駕駛功能
L1：某種程度的駕駛輔助（可以是自適應巡航或路線保持 / 居中）
L2 ：部分自動駕駛（同時具備自適應巡航和路線居中），但司機必須保持控制狀態（手放在方向盤上，雙眼注視路線，或者兩者皆有）
L3：有條件的自動駕駛（特定條件下司機可以雙手離開方向盤做自己的事情，但收到車輛提示時必須介入控制）
L4：高度自動駕駛（在特定場景下，如指定城市街道和 / 或校園道路上，司機不需要介入控制）
L5：完全自動駕駛（不需要人類介入控制）
L3-5 被視為自動駕駛系統（ADS），其中司機無需注意道路。在第 3 級別，司機可以看書或看電影，但如果車輛要求，司機必須能夠在 10-60 秒內接管車輛操控。
展開 【自動駕駛】Waymo自動駕駛汽車公共道路行駛里程已超過1600萬公里
10月11日，據國外媒體報道，谷歌母公司Alphabet旗下自動駕駛部門Waymo的CEO約翰·科拉菲克（John Krafcik）透露，他們的自動駕駛汽車在公共道路上的行駛里程已經超過了1600萬公里。
Waymo自動駕駛汽車公共道路行駛里程已超過1600萬公里
科拉菲克在當地時間周三，在公司官網撰文宣布Waymo自動駕駛汽車在公共道路上的行駛里程已經超過了1000萬英里（約1609萬公里）。
科拉菲克在官網還透露，Waymo自動駕駛汽車在公共道路上的行駛里程達到1000萬英里，是在美國的25座城市達到的，這其中包括加利福利亞州、亞利桑那走和密歇根州等多個個自然環境不同的城市，道路也包括了鳳凰城的高速公路和舊金山密集的城市街道。
對于下一個1000萬英里，科拉菲克也表示將致力于將他們現金的技術轉化成供人們使用的服務。為了更好的服務乘客，讓更多的人從他們的技術中受益，他們需要自動駕駛技術更安全、舒適和方便。
除了在公共道路上進行測試，Waymo也在對自動駕駛汽車進行模擬測試， 而且測試里程遠超公共道路，科拉菲克在官網上就透露，模擬測試的里程在本月將會超過70億英里。在模擬測試中，他們可以道路上出現的各種情況，并且可以使面臨的情況更具挑戰性，通過模擬測試，他們能夠測試各種新技能并對現有技能進行完善，也能模擬各種罕見的情況，驗證他們的軟件。
展開 李德毅：自動駕駛汽車難在“邊緣駕駛”
“未來汽車產業應該怎么做？在我眼里，應該是能實現自主駕駛的輪式機器人產業。要實現這樣的‘自主汽車’，則應該嘗試‘逆向思維’，先解決‘最后一公里’難題。”11月8日，在株洲啟動的聚焦“裝備智能技術”的第281次中國工程科技論壇上，中國工程院院士李德毅說。
作為人工智能專家，李德毅領導了我國最大的智能車聯合團隊，在國內首次完成了北京至天津高速公路的全程自動駕駛，率先實現了世界第一輛無人駕駛公交車鄭州至開封的開放道路無人駕駛。對無人駕駛，他更關注未來汽車產業在裝備智能技術的“加持”下，一種“輪式機器人”的產生，和實現它的路徑。
李德毅認為，人工智能時代，自動駕駛必須像人一樣具學習能力，能應對各種工況。無人駕駛不僅要改進車，更要研究擬人駕駛。讓車子形成“輪式機器人”,或者稱之為“自主駕駛汽車”。它們既具備傳統的對知識的被動學習能力，也具備自主學習、實踐生成經驗、技巧和知識的能力。
特別的，他強調，自動駕駛難在不確定性駕駛，即諸如爆胎、側翻等“邊緣駕駛”上。這些“最后一公里問題”，應當成“最先一公里”問題去解決，讓未來汽車能自主應對駕駛過程中常常遇到的、偶發的各種各樣的不確定性。
這被他稱之為“事故防范學習”。他的研究發現，在側翻等事故當中，駕駛員往往是下意識條件反射，頭腦中一片空白，就打了下方向盤、踩了個剎車，車子也就翻了。實際上，這是不“智能”的表現。人在突發事件情景下，會因為情緒失控導致不理性。不過，這類事故對每一位駕駛員來說，都是小概率事件，因而無法通過事故的“練習”，幫助駕駛員積累處理經驗。但“輪式機器人”，則可以“學”會這種技能。比如，通過事故駕駛員開車，機器人在線記取，事故專家群體分析事故形成正確應對，并把應對方法物化到這類機器人的“駕駛腦”中，就可以在事故發生時，精準理性應對，從而最大限度的減少事故發生率。
展開 自動駕駛，這些芯片很重要！
根據美國汽車工程師協會（SAE）發布的SAEJ3026標準和2021年8月中國出臺的《汽車駕駛自動化分級》國家標準，自動駕駛被分為L0至L5 六個等級，從L0級應急輔助駕駛到L5級完全自動駕駛，如下圖所示：
圖二：SAE發布的自動駕駛等級
2.2
自動駕駛市場
自動駕駛市場的在世界范圍內不同程度的增長是毋庸置疑的事實，而其中，中國市場的火熱程度可謂只增不減。中汽協統計數據顯示，2022年9月我國新能源汽車滲透率已提升至27.1%，增長持續超預期。中國已連續多年成為全球最大的新能源汽車產銷市場，同時也是2021年全球第一大電動汽車出口國。新能源產業競爭力的提升為我國汽車產業提供了彎道超車的機會。
智能化是新能源汽車的核心之一，也是汽車行業未來重要發展方向，而自動駕駛又是智能化最大的特征，幾乎成為目前新能源汽車的標配功能。因此，自動駕駛將是未來多數車企選擇的主賽道，這無疑為自動駕駛技術的升級按下了加速鍵。
圖三：新能源汽車和自動駕駛
順應自動駕駛的迅猛增長大勢，MPS蓄勢待發，從汽車自動駕駛系統的域控制器（DCU）和傳感器兩個核心模塊進行布局，推出多款車規級芯片，為汽車生產商提供完整供電解決方案，助力自動駕駛汽車平穩上路。
3.
展開 CES2022上的三家自動駕駛芯片方案
CES2022年帶來的很多有趣的東西，在這個舞臺主要的亮點是看智能座艙和智能駕駛兩部分內容，而這兩個領域現在已經形成了比較有趣的格局。
●智能座艙
高通為主導供應商，通過這個橋頭堡在往智能駕駛，也就是所說的Digital Chassis進發。
●智能駕駛
Mobileye的核心本質是開發算法和芯片一替換的專有方案，這套在當前的競爭下似乎有些落伍了；而目前在這個領域占據主導權的主要是Nvidia。
在開啟TOPS大戰以后，又把服務器端的計算要求提出來，也就是說給車企提供了類似特斯拉的邊沿計算和云計算協同的發展路徑；同時，Nvidia還在做一些高端的座艙方案。
▲圖1.圍繞國外芯片和解決方案的自動駕駛格局
Part 1
CES 2022年各家的方案
●Mobileye
Intel要拆分Mobileye以后，其實能看出來危機感。這次CES2022 發布的下一代L4自動駕駛SoC，5nm工藝的EyeQ Ultra要在2025年推出，目標是實現L4自動駕駛（Robotaxi和其他固定區域車輛的基礎，在有限的天氣條件下在已知且明確定義的區域內運行）。
Mobileye之前的L4的硬件方案是由6-8個的EyeQ芯片組成，即針對量產市場足夠便宜和演化空間的SoC，拿出來的是EyeQ Ultra，連接多個攝像頭和其他感知傳感器，官方性能數據是176TOPS。從Mobileye來看，基于視覺的自動駕駛是一個相對成熟的技術領域，可以構建ASIC，使用高度專業化的固定功能（有限的靈活性）。
展開 
Ansys攜手IPG Automotive助力汽車制造商加快自動駕駛汽車上市進程
最新達成的雙方合作將IPG Automotive的仿真技術集成于Ansys沉浸式自動駕駛仿真解決方案之內
主要亮點
此次戰略合作伙伴關系將Ansys高保真物理仿真與IPG Automotive一流的駕駛仿真完美結合
Ansys VRXPERIENCE和IPG Automotive的CarMaker將加速自動駕駛汽車的軟件驗證與確認
Ansys和IPG Automotive正通力合作，加速推動高級駕駛輔助系統（ADAS）功能和自動駕駛汽車（AV）的開發、集成與驗證。Ansys? VRXPERIENCE?與IPG Automotive的CarMaker強強聯手，為雙方客戶提供虛擬環境中驗證并確認傳感器設計與性能的能力，加速開發流程與產品市場投放進程。
為滿足嚴苛的安全標準，汽車OEM廠商和供應商必須在數百萬個場景下測試ADAS功能，比如自動緊急制動、自動駕駛汽車及其周邊環境、交通狀況和天氣狀況等復雜交互。真實道路測試意味著要開展數十億英里的安全測試，不僅成本高昂，且極為耗時。只有借助仿真，才有望在我們有生之年將自動駕駛汽車投放市場，OEM廠商憑借Ansys VRXPERIENCE便能夠測試、驗證并在虛擬環境中體驗自動駕駛汽車的性能。
通過CarMaker產品系列，IPG Automotive為虛擬駕駛測試提供了豐富的功能。
展開 【熱】大多數人認為自動駕駛汽車在十年內超越人類駕駛水平，你覺得呢？
AV接納度：日本受訪者對自動駕駛車輛體現出高于全球平均水平的信心；83%的受訪者認為自動駕駛汽車將在十年內超越人類駕駛技術，38%的受訪者認為如今已經實現了這一點。
準備好乘坐： 全球77%的受訪者將在自己有生之年的某個時刻舒適地乘坐自動駕駛汽車。
青年支持者：87%的18歲至24歲受訪群體與88%的25歲至34歲受訪群體表示，他們對自己在有生之年內乘坐自動駕駛汽車的設想感到樂觀。在65歲以上的受訪者中，43%表示他們永遠不會乘坐自動駕駛汽車。
極端分化：97%的中國受訪者非常樂于在自己有生之年乘坐自動駕駛汽車。相比之下，只有57%的英國受訪者表示他們愿意乘坐自動駕駛汽車。
探索焦慮： 在被問及乘坐自動駕駛汽車和飛機最關心的問題時，大多數受訪者表示技術故障是他們最大的顧慮（自動駕駛汽車為59%，自動駕駛飛機為65%）。
對汽車制造商的信任：24%的受訪者認為，豪華汽車企業將提供最安全的自動駕駛體驗，排名其后的分別是有望提供自動駕駛汽車的技術企業（20%）以及非豪華汽車品牌（16%）。
為確保消費者安全，自動駕駛汽車需要在各種駕駛條件中進行數十億英里的道路測試，在我們的有生之年，這一任務僅依靠物理測試是無法完成的。仿真可以大幅減少對道路測試的需求，是助力工程師更加迅速地測試數以千計的AV出行場景的唯一方法，能夠最大限度地提高傳感器和感知算法的性能并確保安全。
Navigant Research首席研究分析師Sam Abuelsamid表示： “自20世紀50年代以來，自動駕駛一直是工程師和出行人群的夢想，在過去十年，將該夢想變為現實所需要的硬件和軟件水平逐步接近成熟。要讓自動駕駛成為受人們信任的安全交通工具，消費者需要確信算法可以持續保持高于人類的駕駛可靠性。
展開 多角度解析自動駕駛芯片，避免成為盲人工程師
寫這篇文章，就是想將了解的一些芯片基礎知識分享給讀者，不至于在做算法開發時做盲人工程師。
主要是從以下幾個關鍵點進行自動駕駛芯片的解析：
芯片的四大算力單位（OPS、MACS、FLOPS、DMIPIS）；
兩大典型AI控制器的算力如何計算（FSD和Xavier）；
解釋專用處理器的定義（FSD中的NNU、Xavier中的DLA等）；
解釋為什么Xavier中30 TOPS作為主要量化指標；
對汽車界大明星——英飛凌的TriCore?的計算力進行直觀解釋。
高算力芯片需求的背后：智能汽車E/E架構的發展
智能汽車AI芯片大集錦
前幾年，各大車廠和自動駕駛運營商好像一直將2020年看成是自動駕駛汽車發展的一個分水嶺，一度把L3級自動駕駛汽車落地量產當成2020年的目標。
雖然現實距離理想總是有一段距離，但在2020年，活躍在PPT中的自動駕駛汽車無疑離人們更近了一步。
所以，在今天，解決自動駕駛問題的關鍵是在于單點的技術，單點技術做到極致，并超越人類，這項技術才是可用的。比如對于車道線、對于交通指示牌的識別等，而這其中需要強大的計算能力做支持。硬件和軟件算法向來是軀體和靈魂，密不可分。市場對自動駕駛芯片的算力和性能提出了新的要求。自動駕駛芯片成為新的角逐點。
揭開自動駕駛芯片的神秘面紗，對其功能和計算處理能力掌握可能是每一個汽車人在工作中需要的。
展開 據ANSYS調查，大多數人認為自動駕駛汽車在十年內超越人類駕駛水平...
AV接納度：日本受訪者對自動駕駛車輛體現出高于全球平均水平的信心；83%的受訪者認為自動駕駛汽車將在十年內超越人類駕駛技術，38%的受訪者認為如今已經實現了這一點。
準備好乘坐： 全球77%的受訪者將在自己有生之年的某個時刻舒適地乘坐自動駕駛汽車。
青年支持者：87%的18歲至24歲受訪群體與88%的25歲至34歲受訪群體表示，他們對自己在有生之年內乘坐自動駕駛汽車的設想感到樂觀。在65歲以上的受訪者中，43%表示他們永遠不會乘坐自動駕駛汽車。
極端分化：97%的中國受訪者非常樂于在自己有生之年乘坐自動駕駛汽車。相比之下，只有57%的英國受訪者表示他們愿意乘坐自動駕駛汽車。
探索焦慮： 在被問及乘坐自動駕駛汽車和飛機最關心的問題時，大多數受訪者表示技術故障是他們最大的顧慮（自動駕駛汽車為59%，自動駕駛飛機為65%）。
對汽車制造商的信任：24%的受訪者認為，豪華汽車企業將提供最安全的自動駕駛體驗，排名其后的分別是有望提供自動駕駛汽車的技術企業（20%）以及非豪華汽車品牌（16%）。
為確保消費者安全，自動駕駛汽車需要在各種駕駛條件中進行數十億英里的道路測試，在我們的有生之年，這一任務僅依靠物理測試是無法完成的。仿真可以大幅減少對道路測試的需求，是助力工程師更加迅速地測試數以千計的AV出行場景的唯一方法，能夠最大限度地提高傳感器和感知算法的性能并確保安全。
Navigant Research首席研究分析師Sam Abuelsamid表示： “自20世紀50年代以來，自動駕駛一直是工程師和出行人群的夢想，在過去十年，將該夢想變為現實所需要的硬件和軟件水平逐步接近成熟。要讓自動駕駛成為受人們信任的安全交通工具，消費者需要確信算法可以持續保持高于人類的駕駛可靠性。
展開 