自動駕駛，在我們之前文章高階自動駕駛的“攔路虎”以及路徑和戰略選擇中介紹過他看似很遙遠，也困難重重，但是沒有任何公司和個人會不願意相信他是未來併為此付出和朝著這個方向走，自動駕駛的技術路線在我們之前文章（自動駕駛的三種解決方案）也講的比較明確，有視覺主導方案，有鐳射雷達主導方案，有V2X融合方案，所以技術方案是明確的但當前影響自動駕駛依然有不少阻礙例如我們之前文章當前影響汽車實現全自動駕駛四大阻礙中提到其中相對較大的硬體是AI處理器也就是本文想要討論的自動駕駛車載晶片。
本文將基於現有資料分析當前國內主流的自動駕駛六大車載晶片公司們自動駕駛車載晶片，域控制器平臺以及開發驗證方案。
希望能給各位投資金融和汽車業內人士對於當前自動駕駛車載晶片技術以及方案進行粗泛的瞭解。
當前國內主要有以下五家主流自動駕駛晶片供應商活躍且有晶片裝機，另外高通為新加入賽道：
英偉達Nvidia - 提供全套開發工具鏈
mobileye - 一起來共建視覺地圖
地平線-自主的崛起
華為-T1不可能的，我就是T1，主機廠我華為也想幹。
黑芝麻-我也要分一杯羹
高通-我智慧座艙行。我智慧駕駛也要幹
首先關注的是其晶片以及其域控制器平臺，目前根據其官方釋出資料對其單顆晶片以及域控制器平臺算力TOPS進行排名，但這裡要宣告的是，
算力僅供參考，其實談到晶片還有考慮其能耗和資料傳輸速度頻寬這兩項在自動駕駛當中是異常重要
，因為自動駕駛要處理大量的影片和雷達資料。另外還有配套的作業系統和應用的高效性。
根據各家官網資料整理，
單顆晶片算力根據釋出資料英偉達的比較搶眼
，其中華為的910晶片強大但仔細看很蹊蹺能耗達到310w，而其他晶片功率基本是個位數和幾十W，能耗高勢必造成扇熱難題。另外
國產中地平線最近釋出的征程5比較搶眼
。所以總體來看英偉達勝出。
到了其域控制器平臺，同樣英偉達和地平線的比較搶眼，地平線的Matrix5 採用四顆地平線5晶片可以支援到512TOPS的算力，英偉達和moblieye 等同樣採用多顆晶片組合成其平臺。
但當前自動駕駛僅僅絕非算力那麼簡單，猶如手機電腦時代不僅僅是CPU和記憶體就代表手機厲害和好用。從商業可行性到開發技術可行性到使用者使用感知接受度長長的鏈條因素需要考慮。
所以接下來我們將分析當前五大主流車載自動駕駛晶片總體方案。
Nvidia-完整的工具鏈
Nvidia說起英偉達其實很多人瞭解他可能是電腦時代的GPU-Graphics Processing Unit 圖形處理器。巧了，自動駕駛時代正是需要大面積的影象處理，所以順理成章英偉達優勢影象AI處理適配當前自動駕駛。
英偉達目前提供車載晶片硬體，開發虛擬測試套裝（軟體和硬體），物理樣車測試套裝。可以說是全棧工具鏈。
支援採用英偉達的 DRIVE AGX 開發平臺為起點，然後在 DRIVE Constellation 上驗證軟體演算法。充分驗證後將部署軟體，以透過 DRIVE Hyperion 參考架構進行上路測試。採用NVIDIA DGX 進行人工智慧DNN 訓練，此過程將迭代數次，以提高效能。
英偉達提供開發軟體支援，如下圖，一般自動駕駛應用需要系統支援，需要中介軟體去做核算整合融合感測器資訊，互動資訊等，然後才是自動駕駛應用打包。
英偉達提供NVIDIA DRIVE ® OS是一個基礎軟體堆疊，由嵌入式實時作業系統 （RTOS）、NVIDIA Hypervisor、 NVIDIA ® CUDA ®庫、 NVIDIA TensorRT™和其他模組組成，可讓您訪問硬體引擎。DRIVE OS 為安全啟動、安全服務、防火牆和無線 （OTA） 更新等應用程式提供安全可靠的執行環境。其中RTOS可以是Linux或者QNX（瞭解汽車作業系統點選
汽車作業系統概覽 101
）是可以任由主機廠或者T1服務商配置。 其中Hypervisor 可以任由開發多系統融合。
NVIDIA DriveWorks SDK提供模組庫、開發人員工具和參考應用程式，屬於開發中間件，可以幫助系統與程式之間的互動。
NVIDIA DRIVE ® AV和NVIDIA DRIVE ® IX 分別負責自動駕駛和車內人機互動程式的執行。
所以目前英偉達由於晶片強勁，開發驗證工具鏈完善，深受當前汽車業內智慧汽車的先鋒們歡喜，他們可以直接繞過T1供應商直接合作，也可以和T1一起合作開發，所以合作方式靈活滿足要求。
Mobileye-來一起共建視覺地圖
Mobileye可以透過其名字猜想移動行業的眼睛，由視覺方面的希伯來大學教授創立開始於提供汽車輔助駕駛攝像頭以及晶片，於2017年被晶片巨頭英特爾收購，現在掌握著全球約80%的高階駕駛員輔助視覺系統市場，汽車支援AEB，車道保持的前置攝像頭以及處理晶片都來自於他們，所以自動駕駛也算早就入門了。
從2008年開始從EyeQ1車載晶片到未來規劃的EyeQ6晶片，涵蓋了從輔助駕駛到全自動駕駛所有晶片方案。同理透過名字可知，他是一個不折不扣的自動駕駛視覺主導方案的擁護者。
他的整體方案來自於多攝像頭視覺人工智慧方案，結合其獨創的視覺編制地圖。所以Mobileye的方案包括了攝像頭等感測器套件，其獨創的REM高精地圖，結合其晶片運算平臺，配合其自動駕駛政策層來實現自動駕駛的實現。
所以Mobileye其中有一個非常重要的東西就是其獨創的視覺地圖，當然在中國談資料變色，特別是當前滴滴事件，所以Mobileye的採集地圖肯定有風險和阻力，目前Mobileye宣告其地圖只標記交通訊息而不記錄其他敏感資訊，其資料處理採取和國內紫光集團合作，來規避地區法律風險，當然其他國家同樣符合當地法律。mobileye宣傳在國內由吉利，蔚來，上汽合作進行視覺地圖採集，國外由寶馬，日產，大眾一起合作。
目前我沒有看到Mobileye 有宣傳其工具鏈等資訊，所以Mobileye應該更多的和T1供應商一起合作對主機廠進行支援。
地平線-自主的崛起
地平線是人工智慧和深度學習科學家餘凱博士創立，地平線透過以“演算法+晶片+工具鏈”為基礎技術平臺的晶片，提供智慧駕駛解決方案，賦能物聯網，所以地平線的產品矩陣有
專注於智慧汽車的征程系列晶片以及智慧汽車運算平臺的Matrix
，目前發展到第五代。
有專注於智慧影片識別以及邊緣計算等物聯網場景的旭日系列
。
最近在釋出其征程5晶片同時還提出開源智駕系統together 0S，顯然其實大家在討論汽車需不需要作業系統的時候，地平線已經發現需要但更重要的是生態，沒有生態的系統就如手機時代的塞班和黑莓系統，他們都是現在大家吹的火熱的微核心作業系統但是沒有生態的系統終究是死路，所以地平線發起了生態合作伙伴。
地平線走的路線和英偉達模式很像，提供晶片，平臺，開發工具鏈，甚至開始推薦和發起作業系統，提供一整套邏輯路線清晰的產品和解決方案。
目前地平線的業務模式定位Tier 2供應商。客戶包括一級供應商、整車廠、和出行服務商，為他們提供的方案包括晶片、硬體的參考設計，以及提供工具鏈和演算法。
華為-T2不可能的，我就是T1，主機廠我華為也想幹
從技術角度和解決方案來講，華為提供產品端到端的方案，細節上面不談晶片，不談域控制器，不談開發工具。全包包括資料雲的運營，不開放全部閉環的。
目前華為遇到了嚴重的晶片制裁危機，手機業務由於缺晶片，出貨量銳減，智慧汽車方面應該是有各種擔心所以目前對於華為自動駕駛晶片和域控制器鮮有大量資訊。
黑芝麻-我也要分一杯羹
黑芝麻也是國內企業，由清華大學單記章創立，黑芝麻透過神經網路視覺感知演算法、車規級ADAS/自動駕駛晶片、配套的底層實施系統及參考設計三個領域相結合提 供感知系統解決方案。公司定位Tier 2，並與車企和Tier 1供應商合作，如博世、上汽、一汽和通用汽車。目前，黑芝 麻系列晶片產品包括華山一號 A500、華山二號 A1000 和 A1000L。黑芝麻華山一號 A500 晶片已經開始量產，目前暫時沒有看到量產的車型落地。另外，公司預計有搭載華山二號 A1000 晶片的國產車型於2021年底正式量產。
目前應該定位為晶片T2，沒有釋出完整的開發流以及工具鏈相關資訊。
高通-我智慧座艙行。我智慧駕駛也要幹
高通，手機晶片處理器的霸主，在智慧駕駛座艙領域方面也是如日中天，例如我們之前介紹的小鵬，理想等新勢力都採用其智慧駕駛座艙晶片（瞭解高通如何在智慧駕駛座艙服務可以點選
小鵬的自動駕駛XPILOT以及智慧座艙Xmart OS
），各大手機通訊行業殺入汽車製造業也得益於對高通等晶片以及智慧作業系統的技術和供應鏈的掌握和熟悉。所以高通怎麼可能會不想加入智慧駕駛這塊業務呢！
高通的方案是和維爾寧Veoneer合作（這也就為啥最近高通高價出價欲收購），由維爾寧提供自動駕駛應用軟體相關，高通提供底層軟體和硬體晶片方案。
高通想要維爾寧，然後可以更好的透過整合其感知以及軟體業務，配合高通的晶片以及平臺定位為T2或者直接對接主機廠。
藉助其Snapdragon Ride平臺，配合其覆蓋規劃，定位，感知，中間外掛以及系統等全棧軟體支援從主動安全到輔助駕駛再到未來全自動駕駛業務。
他們推出的Snapdragon Ride 已經面向汽車製造商和一級供應商進行預開發。Qualcomm Technologies 預計支援 Snapdragon Ride 的汽車將於 2023 年投產。
總結
自動駕駛晶片，如果僅僅從算力上來看合判斷是異常魯莽的，更多的是看其支撐整體方案包括支援路徑以及開發驗證工具鏈。所以目前其實可以看到英偉達算是跑贏了現在，從其客戶囊括了當前國內主流新勢力也包括國際巨頭賓士也看得出來。但國內地平線也朝著這個方向走，很不錯。mobileye走出了自己一條路徑。至於其他可能更需要其生態或者結合其他T1進行。
當然從主機廠角度，也想自己弄域控制器，不希望一條鏈掌握在供應商手上，同時為了系統更好的升級和產業化所以未來方向是
自動駕駛硬體軟體的解耦
。
