中央控制器作為自動駕駛核心部件，作為自動駕駛的“大腦”端，通常需要外接多個攝像頭、毫米波雷達(dá)、激光雷達(dá)，以及IMU等設(shè)備，完成的功能包含圖像識別、數(shù)據(jù)處理等。

域控制器作為一個智能硬件，為了完成復(fù)雜的AI計算和智能控制，硬件層面需要承擔(dān)環(huán)境感知和深度學(xué)習(xí)等超大算力需求的AI處理芯片、負(fù)責(zé)控制決策和邏輯運算的CPU、以及負(fù)責(zé)功能安全和車輛控制的MCU；軟件層面包括操作系統(tǒng)、中間件以及應(yīng)用層AI算法等。

硬件層面的三部分芯片或者叫三顆重要芯片：

第一部分通常是GPU或TPU，承擔(dān)大規(guī)模浮點數(shù)并行計算需求，主要用于環(huán)境感知和信息融合，包括攝像頭、激光雷達(dá)等傳感器信息的識別、融合、分類等，如Xavier的GPU單元、昇騰310。

第二部分大多為ARM架構(gòu)，類似于CPU，主要負(fù)責(zé)邏輯運算和決策控制，處理高精度浮點數(shù)串行計算。

第三部分主要負(fù)責(zé)可靠性和車輛控制，也就是功能安全和冗余監(jiān)控作用，不要求很高的算力，但是可靠性必須要有保障，ISO26262等級要求達(dá)到ASIL-D，目前用的較多的就是Infineon的TC297或者TC397。

軟件層面應(yīng)用層AI算法一般由造車企業(yè)或主機廠自行研發(fā)，這是體現(xiàn)車輛性能和差性的所在；中間件一般由域控制器開發(fā)商提供，類似于ROS，主要包含一些接口驅(qū)動和對于操作系統(tǒng)的優(yōu)化部署。

操作系統(tǒng)方面，華為采用自研鴻蒙系統(tǒng)，并且MDC平臺支持兼容Adaptive AUTOSAR；QNX是目前車規(guī)級的最佳也是唯一選擇，但是面臨高昂的費用；Linux和Autoware 由于開源反而獲取了最多的用戶，尤其是Linux，借助其強大的工程師基礎(chǔ)和生態(tài)，加之ROS的多年應(yīng)用基礎(chǔ)，基于Linux內(nèi)核的操作系統(tǒng)目前很受歡迎。

關(guān)于自動駕駛AI芯片選型

目前市面上可供選擇的AI芯片并不多，尤其是達(dá)到量產(chǎn)狀態(tài)的，只有特斯拉、NVIDIA、Mobileye了。除了特斯拉自研自用不對外，其他品牌目前都可以通過合作開發(fā)方式拿到測試樣件。

以NVIDIA Xavier為例，相對而言，由于NVIDIA Xavier推出較早，并且生態(tài)布局相對完善，對于開發(fā)者來說可以快速構(gòu)建系統(tǒng)和開發(fā)AI應(yīng)用，因此基于Xavier模組進(jìn)行域控制器設(shè)計的企業(yè)不在少數(shù)。

XavierSoC最高算力可達(dá)30TOPs，內(nèi)有Valta TensorCore GPU，八核ARM64 CPU，雙NVDLA 深度學(xué)習(xí)加速器，圖像處理器，視覺處理器和視頻處理器等六種不同的處理器，使其能夠同時、且實時地處理數(shù)十種算法，用于傳感器數(shù)據(jù)處理、環(huán)境感知、定位和繪圖以及路徑規(guī)劃。

芯片內(nèi)部結(jié)構(gòu)如下圖所示：

NVIDIA 提供的Xavier為核心模組，其接口如下圖所示：

對于自動駕駛控制器芯片選型而言，主要考慮如下一些技術(shù)要求參數(shù)信息來進(jìn)行方案設(shè)計——芯片的關(guān)鍵指標(biāo)：

1)Core：內(nèi)核通常是空間中心。一方面便于自動駕駛控制器和外圍傳感器、執(zhí)行器通訊，同時也用外圍來保護(hù)它。core強調(diào)運行態(tài)，通常出現(xiàn)的core-down，是指cpu計算上出現(xiàn)問題了，core強調(diào)的是自動駕駛控制器整體對外功能中的核心功能。

2)DMIPS：主要用于測整數(shù)計算能力。包含每秒鐘能夠執(zhí)行的指令集數(shù)量，以及其這些指令集在實現(xiàn)我的測試程序的時候，每秒鐘能夠?qū)崿F(xiàn)的工作數(shù)量，這個能力由cpu的架構(gòu)，內(nèi)存memory的訪問速度等硬件特性來決定。它是一個測量CPU運行相應(yīng)測試程序時表現(xiàn)出來的相對性能高低的一個單位（很多自動駕駛芯片評估場合，人們習(xí)慣用MIPS作為這個性能指標(biāo)的單位）。

3)Memory：存儲器管理單元的主要功能包括：虛擬地址到物理地址映射、存儲器訪問權(quán)限控制、高速緩存支持等；

4)DataFlash：DataFlash是美國ATMEL公司推出的大容量串行Flash存儲器產(chǎn)品，采用Nor技術(shù)制造，可用于存儲數(shù)據(jù)和程序代碼。與并行Flash存儲器相比，所需引腳少，體積小，易于擴(kuò)展，與單片機或控制器連接簡單，工作可靠，所以類似DataFlash的串行Flash控制器越來越多的用在自動駕駛控制器產(chǎn)品和測控系統(tǒng)評估中。

5)ISP：ISP作為視覺處理芯片核心，其主要功能包括 AE（自動曝光）、AF（自動對焦）、AWB（自動白平衡）、去除圖像噪聲、LSC(Lens Shading Correction)、BPC(Bad PixelCorrection)，最后把 Raw Data 保存起來，傳給 videocodec 或 CV 等。通過 ISP 可以得到更好的圖像效果，因此在自動駕駛汽車上對ISP的要求很高，比如開始集成雙通道甚至三通道的 ISP。一般來說 ISP 是集成在 AP 里面（對很多 AP 芯片廠商來說，這是差異化競爭的關(guān)鍵部分），但是隨著需求的變化也出現(xiàn)了獨立的 ISP，主要原因是可以更靈活的配置，同時彌補及配合 AP 芯片內(nèi) ISP 功能的不足。

6)算力：自動駕駛的實現(xiàn)，需要依賴環(huán)境感知傳感器對道路環(huán)境的信息進(jìn)行采集，將采集到的數(shù)據(jù)傳送到汽車中央處理器進(jìn)行處理，用來識別障礙物、可行道路等，依據(jù)識別結(jié)果，規(guī)劃路徑、制定車速，自動控制汽車行駛。整個過程需要在一瞬間完成，延時必須要控制在毫秒甚至微秒級別，才能保證自動駕駛的行駛安全。要完成瞬時處理、反饋、決策規(guī)劃、執(zhí)行的效果，對中央處理器的算力要求非常高。

在自動駕駛中，最耗費算力的當(dāng)屬視覺處理，占到全部算力需求的一半以上，且自動駕駛級別每升高一級，對計算力的需求至少增加十倍。L2級別需要2個TOPS的算力，L3需要24個TOPS的算力，L4為320TOPS，L5為4000+TOPS。

光有算力還不夠，考慮汽車應(yīng)用的復(fù)雜性，汽車處理器還需要同時考慮算力利用率、是否通過車規(guī)和安全標(biāo)準(zhǔn)等。算力理論值取決于運算精度、MAC的數(shù)量和運行頻率。

理論算力是根據(jù)Net卷積層的乘法運算累加得出，卷積層中的每次乘加（MAC）算成兩個OPS，卷積運算量占DL NET的90%以上，其它輔助運算或其它層的運算忽略不計，SSD所有卷積層乘法運算總數(shù)是40G MACs，所以理論算力是80GOPS。

其中，

真實值和理論值差異極大，考慮其它運算層，硬件實際利用率要高一些。決定算力真實值最主要因素是內(nèi)存（ SRAM和DRAM)帶寬，還有實際運行頻率（即供電電壓或溫度），還有算法的batch尺寸。

7)功耗：在最高性能模式下，如果自動駕駛控制器的芯片功耗級別較高，即便其自身性能強勁，但也會引發(fā)某些未可預(yù)知的隱患，如發(fā)熱量成倍增加，耗電率成倍增加，這些結(jié)果尤其對于新能源車型來說也毫無疑問是顆“核彈”。因此，我們在前期自動駕駛芯片設(shè)計中需要充分考慮其功耗指標(biāo)。

8)3D GPU：GPU是基于大的吞吐量設(shè)計，用來處理大規(guī)模的并行計算。GPU的控制單元可以把多個的訪問合并成少的訪問。GPU將更多的晶體管用于執(zhí)行單元，而非像CPU那樣用作復(fù)雜的數(shù)據(jù)cache和指令控制。由于GPU具有超強的浮點計算能力，可用于在智能汽車前端的圖像或視頻處理領(lǐng)域的應(yīng)用，也越來越多地應(yīng)用在中央控制器高性能計算的主流設(shè)計中。

9)豐富的IO接口資源

自動駕駛的主控處理器需要豐富的接口來連接各種各樣的傳感器設(shè)備。目前業(yè)界常見的自動駕駛傳感器主要有：攝像頭、激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)、組合導(dǎo)航、IMU以及V2X模塊等。

對攝像頭的接口類型主要有：MIPI CSI-2、LVDS、FPD Link等。

激光雷達(dá)一般是通過普通的Ethernet接口來連接。

毫米波雷達(dá)都是通過CAN總線來傳輸數(shù)據(jù)

超聲波雷達(dá)基本都是通過LIN總線

組合導(dǎo)航與慣導(dǎo)IMU常見接口是RS232

V2X模塊一般也是采用Ethernet接口來傳輸數(shù)據(jù)

除了上述傳感器所需IO接口外，常見的其它高速接口與低速接口也都是需要的，比如：PCIe、USB、I2C、SPI、RS232等等。

10)PCIe：作為CPU的局部總線，最大的特點在于數(shù)據(jù)傳輸吞吐量大和延遲低。

11)SaftyGoal：功能安全目標(biāo)是整個自動駕駛中央控制器的核心設(shè)計需求，由于其影響對整個自動駕駛功能設(shè)計中的單點失效分析結(jié)果，因此，在前期硬件設(shè)計中就需要充分考慮其是否能夠完全滿足系統(tǒng)對于硬件的功能安全設(shè)計需求。

12)OTA：遠(yuǎn)程升級為用戶修復(fù)軟件故障，大幅度縮短中間步驟的時間，使軟件快速到達(dá)用戶，同時可以為車輛增加新功能，拓寬 “服務(wù)”和“運營”的范疇。因此，中央控制器芯片是否支持OTA對于減少汽車制造產(chǎn)商和用戶的成本，包括汽車制造產(chǎn)商的召回成本，用戶的時間成本，增加用戶的新鮮感，增加車輛的附加價值顯得不可或缺。

13)封裝類型：控制器封裝尺寸的大小、引腳定義等影響整體駕駛控制器對安裝形式的影響，同時影響對外圍部件的連接情況分布。另外，接口是否防水，如果能防水，則控制器的安裝環(huán)境可以相對更加自由。不過，目前的域控接口都是不防水的。

14)溫度/電壓：控制器的溫度控制范圍包括其存儲、使用環(huán)境溫度，且后期若實際車輛確認(rèn)前毫米波控制器總成布置區(qū)域存儲、使用環(huán)境溫度高于該值，需要在該基礎(chǔ)上進(jìn)行一定程度的整改上調(diào)范圍，并滿足OEM要求，且供應(yīng)商需要保證不因為硬件設(shè)計缺陷導(dǎo)致召回。特別是算力達(dá)到100以上，功耗在60W以上時，溫度的上升極可能需要主動散熱來確保熱量可以及時的傳遞出去，不影響控制器的正常工作。主動散熱一般包括：風(fēng)扇散熱、水冷散熱。

15)車規(guī)與功能安全

與消費電子產(chǎn)品相比，汽車芯片在安全性和可靠性上有這個最高的要求。

汽車芯片長年工作在“-40℃到125℃”高低溫以及劇烈震動的惡劣環(huán)境下，為了保證汽車電子產(chǎn)品達(dá)到對工作溫度、可靠性與產(chǎn)品壽命的高標(biāo)準(zhǔn)質(zhì)量要求，國際汽車電子協(xié)會（Automotive Electronics Council，AEC）建立了相關(guān)的質(zhì)量認(rèn)證標(biāo)準(zhǔn)，其中AEC-Q100是針對于車載集成電路壓力測試的認(rèn)證標(biāo)準(zhǔn)。AEC-Q100標(biāo)準(zhǔn)經(jīng)過多年發(fā)展，已經(jīng)成為汽車電子產(chǎn)品在可靠性和產(chǎn)品壽命等方面的工業(yè)事實標(biāo)準(zhǔn)。

除了滿足車規(guī)級要求之外，自動駕駛芯片也需要滿足由ISO 26262標(biāo)準(zhǔn)定義的“功能安全（Function Safety，簡稱Fusa）”的認(rèn)證要求。功能安全對芯片上的設(shè)計要求是要盡可能找出并糾正芯片的失效（分為：系統(tǒng)失效和隨機失效）。系統(tǒng)失效本質(zhì)上是產(chǎn)品設(shè)計上的缺陷，因此主要依靠設(shè)計和實現(xiàn)的流程規(guī)范來保證，而隨機失效則更多依賴于芯片設(shè)計上的特殊失效探測機制來保證。

ISO 26262對安全等級做了劃分，常見的是ASIL-B和ASIL-D級別。ASIL-B要求芯片能覆蓋90%的單點失效場景，而ASIL-D則要求能達(dá)到99%。芯片面積越大，晶體管越多，相應(yīng)的失效率越高。

16)芯片系統(tǒng)：如控制器是否支持MCU+MPU的集成控制方式，還是只支持單芯片控制的形式。

17）供應(yīng)鏈保障

較大的市場需求導(dǎo)致半導(dǎo)體供應(yīng)鏈和產(chǎn)能緊缺，包括疫情在內(nèi)的各種“天災(zāi)人禍”不斷擾亂半導(dǎo)體的正常生產(chǎn)節(jié)奏，而需求與產(chǎn)能之間的矛盾在短期內(nèi)難以解決。對

在全球芯片供應(yīng)鏈如此緊張的背景下，對于域控制器供應(yīng)商而言，供應(yīng)鏈的保障也是十分的具有挑戰(zhàn)性。整車廠在選擇域控制器供應(yīng)商的時候，其合作伙伴芯片廠商的供貨能力也是重要的考量指標(biāo)。

2022 年，芯片短缺仍在影響汽車行業(yè)，有些整車廠已經(jīng)開始思考半導(dǎo)體供應(yīng)的新思路，有的甚至繞過Tier1直接找芯片設(shè)計廠商。更深入一點的主機廠已經(jīng)開始參與到芯片設(shè)計的研發(fā)流程中。比如，多家車企已經(jīng)與黑芝麻、地平線這樣的自動駕駛AI芯片廠商建立了戰(zhàn)略合作關(guān)系。更有甚者，直接打入半導(dǎo)體供應(yīng)鏈內(nèi)部，將芯片設(shè)計引入主機廠內(nèi)部，這種模式稱之為“OEM-Foundry-Direct”模式，代表企業(yè)有特斯拉、比亞迪等。

18）市場定位

選擇什么樣的主控芯片，首先要看該域控制器的市場定位：打算實現(xiàn)什么樣的功能，用于配置在什么價位區(qū)間的車型上。

如果目標(biāo)定位是做輔助駕駛，做一個L1~L2級的產(chǎn)品，而且是走量的，在選擇芯片的時候?qū)Τ杀揪秃苊舾?。這樣的域控產(chǎn)品，選擇中低端芯片即可。

“如果說目標(biāo)定位是打造一款L4級限定場景下的無人駕駛，那么客戶可能更傾向于去打造一款定制化的產(chǎn)品。比如，定位做Robotaxi，打算走運營的一個模式，目的是想要先把算法打磨出來。它的量就不會特別大，那么選擇芯片時，對成本相對就沒那么敏感，但要求性能足夠好，足夠穩(wěn)定?！?/p>

19）芯片的Roadmap

東軟睿馳副總經(jīng)理劉威提到：“從與芯片公司合作的角度來看，會看它是不是一個主流的芯片廠商，有沒有連續(xù)的產(chǎn)品Roadmap。比如，有一些芯片廠商可能開發(fā)出了一款不錯的芯片，但是后續(xù)沒有更新?lián)Q代。那么圍繞該芯片來做域控制器，后續(xù)產(chǎn)品的迭代和升級會存在很大的問題。”

同樣，均勝電子智能駕駛系統(tǒng)設(shè)計負(fù)責(zé)人李茂青也提到了相同的觀點：“在域控制器系統(tǒng)設(shè)計中對于硬件方案的選型上除了關(guān)注芯片本身的功能性能外，還需要充分了解芯片公司的產(chǎn)品Roadmap，是否有靈活的家族化芯片系列，后續(xù)的芯片能不能PIN to PIN地在硬件平臺上升級，繼而可以在提升硬件性能的同時降低開發(fā)成本？”

20）芯片的生態(tài)（工具鏈）

芯片整個軟件的工具鏈或者對一些算法的開發(fā)是不是能滿足客戶的需求。也就是說芯片的生態(tài)怎么樣，是否具備一個良好的生態(tài)系統(tǒng)能夠支撐客戶做可落地化的開發(fā),也是主機廠或Tier1在選擇芯片時候的重要考量因素之一。

英偉達(dá)的芯片生態(tài)在業(yè)界做的是比較領(lǐng)先的，它的生態(tài)包含了開發(fā)者、可用的應(yīng)用軟件、豐富的工具和庫：

可為汽車領(lǐng)域提供豐富的軟件算法人才；

在通用AI領(lǐng)域已訓(xùn)練出大量的算法模型及相關(guān)應(yīng)用軟件；

統(tǒng)一的硬件和底層軟件接口架構(gòu)（CUDA-X），可便捷的移植到汽車領(lǐng)域；

由于大量的用戶使用，合作伙伴為CUDA平臺貢獻(xiàn)了大量的庫和工具。

知行科技硬件研發(fā)總監(jiān)解釋道：“現(xiàn)在很多主機廠都在用英偉達(dá)的Orin芯片，除了它是一個大算力平臺，另外一個重要的原因是它能提供整個軟件的工具鏈，甚至一些底層的代碼以及一些算法的代碼都可以提供；開發(fā)者可以在上面做更多的適配，能夠更好地開發(fā)出一款可以落地的高級自動駕駛計算平臺。選擇芯片，除了芯片本身，更多的是在選擇一種生態(tài)?！?/p>

由如上對于自動駕駛域控制器選型過程中比較重要的幾個因素，我們對市場主流的控制器芯片進(jìn)行了統(tǒng)計分析得出如下分析結(jié)果對比表：

總結(jié)：

最近由于工作需要，整理了一下域控制器的關(guān)鍵參數(shù)，供芯片選型使用。NVIDIA的計算平臺真的時是行業(yè)首屈一指，***們廠商的榜樣！

審核編輯：湯梓紅