佐思汽研發(fā)布了《2023年自動駕駛SoC研究報告》，報告覆蓋了主流車企自動駕駛SoC和系統(tǒng)部署策略、9家海外自動駕駛SoC廠商研究、10家國內自動駕駛SoC廠商研究，并重點探討了以下問題：

主機廠自動駕駛SoC和系統(tǒng)部署策略和展望；

自動駕駛SoC在行泊一體的應用和配置策略；

自動駕駛SoC在艙駕一體的應用趨勢；

自動駕駛SoC主推的“交鑰匙”解決方案；

自動駕駛SoC產品選型和成本分析；

主機廠自主造芯（自動駕駛SoC）可行嗎？

Chiplet在自動駕駛SoC的應用；

存算一體在自動駕駛SoC的應用。

行泊一體市場，單SoC、多SoC方案各有目標客戶定位

現(xiàn)階段，在入門級 L2（智能前視一體）上，Mobileye 仍然占據著主導地位，短期看TI TDA4L（5TOPS）等新品在入門級 L2對Mobileye 發(fā)起沖擊。L2+行車及行泊一體方面，目前大多則采用多SoC方案，比如特斯拉搭載的“雙FSD”、榮威RX5搭載的“三顆地平線J3”、博越L和領克09搭載的“地平線J3+TDA4”、蔚來ET7、智己L7、小鵬G9/P7i等搭載的“雙ORIN”等方案。 按照各主機廠和Tier1的量產部署計劃，對于輕量級（高性價比）行泊一體來說，融合行車域和泊車域，嵌入式系統(tǒng)設計更為復雜，對算法模型、芯片算力調用（分時復用）、SoC芯片算力效率、SoC芯片及域控物料成本都提出更高的要求。

高性價比單SoC方案：面向10-20萬級別乘用車，將在2023年迎來量產部署高峰，單SoC行泊一體方案主要采用地平線J3/J5、TI TDA4VM/ TDA4VH / TDA4VM-Q1 Plus 、黑芝麻智能A1000/A1000L等芯片產品。具備成本優(yōu)勢，可進一步降低整個域控制器的BOM成本。以黑芝麻智能為例，黑芝麻智能基于A1000 SoC單芯片行泊一體方案，目前已經能夠實現(xiàn)支持10V（攝像頭）NOA功能，域控制器BOM成本（Bill of Material，成本中的原材料部分）控制在3000元人民幣以內，支持50-100T物理算力。

部分輕量級行泊一體單SoC方案

來源：《2023年自動駕駛SoC研究報告》

高性價比多SoC方案：面向15-25萬元級別乘用車，與單SoC有所交叉，包括雙TDA4、地平線J2/J3+TDA4、雙地平線J3、雙EQ5H、雙地平線J3+NXP S32G、三地平線J3等方案。多SoC方案在安全冗余上具備優(yōu)勢，同時可以預留OTA升級空間。

對于高階版行泊一體，需要接入更多路、更高分辨率的攝像頭，以及 4D 毫米波雷達、激光雷達，BEV+Transformer神經網絡模型更大更復雜，甚至還可能需要支持本地算法訓練，因此對算力需求足夠高，CPU 算力至少要達到 150KDMIPS，AI 算力至少 100TOPS。 高階版行泊一體主要由于面向高端新能源車型，價格區(qū)間至少在25萬元以上，價格敏感度不高但對AI芯片功耗和效率要求更高，尤其高算力芯片對新能源汽車續(xù)航有一定影響，使得芯片廠商不斷推出更先進制程、更高能效比的芯片產品。

高階單SoC方案：單地平線J5、單黑芝麻智能A1000/A1000 pro方案受到市場青睞，可支持1-2L+11V+5R、支持 BEV等領先智能駕駛算法模型的應用部署。下一階段，單高通驍龍 Ride 、單安霸CV3-AD 、單顆ORIN也可能被部分主機廠采用為主力方案。

高階多SoC方案：雙英偉達Orin-X、雙FSD仍然是中高端新能源車的主力方案，覆蓋了特斯拉全系、理想L9、小鵬 G9、小鵬P7i、智己L7、路特斯等大部分中高端新能源車型，蔚來ET7/ET5甚至采用4顆Orin-X，2顆用于日常的駕駛計算，其他兩顆用于算法訓練和備份冗余。

自動駕駛正面臨著大算力、低功耗的矛盾，存算一體 AI 芯片或將成為終極解決方案

ChatGPT的火爆預示了自動駕駛的發(fā)展方向：大模型和高算力。Transformer這類神經網絡大模型，模型運算量平均每兩年會翻750倍；視頻、自然語言處理和語音模型，模型運算量平均每兩年翻15倍?？梢灶A見，摩爾定律將面臨失效，同時 "存儲墻”和"功耗墻” 將成為AI芯片發(fā)展的關鍵制約因素。

來源：CSDN—AI算力的阿喀琉斯之踵“內存墻”

目前，大部分傳統(tǒng)的計算架構是馮諾依曼架構，優(yōu)點是非常靈活，但面對AI遇到的問題是出現(xiàn)算力瓶頸，同時存在大型數據搬運，所以帶來很大的功耗消耗。 存算一體技術有望解決大算力與低功耗的矛盾。存算一體，是指在存儲器中對數據進行運算，從而避免數據搬運產生的"存儲墻”和"功耗墻”, 極大提高數據的并行度和能量效率。

來源：Planet

在汽車領域，高等級自動駕駛汽車某種意義上將成為行走的超算中心，車端算力正不斷拔高到1000TOPS以上。云端計算電力充足，并可以通過冷卻系統(tǒng)制冷，但是在汽車端是通過電池供電有限，同時面臨著液冷散熱、成本方面等問題。 存算一體 AI 芯片，將為車企提供一個全新的技術路徑選擇。

在自動駕駛 SoC 領域，后摩智能是國內首家存算一體自動駕駛 AI 芯片廠商，其在2022年成功點亮了業(yè)內第一款存算一體大算力AI芯片，并跑通智能駕駛算法模型。這款驗證樣片采用22nm工藝制程，算力達20TOPS，可擴展至200TOPS，尤其是計算單元能效比高達20TOPS/W。據悉，后摩智能量產級存算一體智駕芯片即將推出，詳細的產品性能將在報告中分享。

后摩智能“存算一體智駕芯片”差異化創(chuàng)新

來源：后摩智能

未來，芯片將像動力電池一樣，成為大型主機廠重要投資方向

主機廠造芯這個問題爭議極大，業(yè)內普遍認為，一方面主機廠無法與專業(yè)IC設計公司比拼開發(fā)速度、效率、產品性能等，另一方面單顆芯片至少應有百萬量級的出貨量才能不斷攤薄開發(fā)成本，以具備性價比。 但實際上芯片對于智能網聯(lián)新能源汽車，無論是性能、成本、還是供應鏈安全，都已占據了絕對的主導地位，傳統(tǒng)燃油車芯片需求量一般在700-800顆/輛，新能源車芯片需求量在1500-2000顆/輛，高級別自動駕駛新能源車芯片需求量可高達3000顆/輛，且部分高價值芯片成本高昂、面臨缺貨甚至斷貨風險。 從大型主機廠的角度，顯然不想被某家芯片廠商綁定，甚至主機廠早已開始下場自主造芯。從吉利汽車來看， 吉利已實現(xiàn)7nm座艙SoC量產裝車，IGBT也已實現(xiàn)成功流片，億咖通和芯擎科技合作研發(fā)的自動駕駛SoC芯片AD1000預計最快到2024年3月流片。

部分主機廠SoC和自動駕駛系統(tǒng)部署策略

來源：《2023年自動駕駛SoC研究報告》

我們判斷，芯片將像動力電池一樣，成為大型主機廠加強底層基礎能力建設的重要投資方向。2022年，三星宣布將為谷歌自動駕駛部門Waymo制造芯片；通用Cruise也宣布將自主開發(fā)自動駕駛芯片；大眾汽車則宣布將與中國自動駕駛SoC廠商地平線成立合資公司。 在2022中國電動汽車百人會論壇上，地平線在“芯片+算法+工具鏈+開發(fā)平臺”的商業(yè)模式基礎上，增加開放其高性能自動駕駛處理器架構BPU IP授權，以此來滿足自研能力強的部分車企的需求，從而增加車企的差異化競爭力和研發(fā)創(chuàng)新的速度。 作為IP供應商支撐車企自研計算方案，BPU IP授權模式已確認一家合作伙伴，還有一家車企正在推進中。

來源：地平線

造芯的技術門檻并不算特別高，主要門檻是擁有足夠資本實力和訂單量，現(xiàn)在芯片行業(yè)就是外購IP搭積木的方式來搭芯片，包括CPU、GPU、NPU、存儲、NoC或總線、ISP、視頻編解碼等。未來隨著Chiplet生態(tài)圈、工藝水平不斷完善，自研自動駕駛SoC芯片門檻會更低，無需買IP，直接買die（IP芯片化）然后再封裝即可，大幅度降低門檻。 以特斯拉HW 3.0芯片為例，其架構設計基于三星Exynos-IP，CPU、GPU、ISP設計采用ARM IP，片上互聯(lián)（NOC）采用 Arteris IP，特斯拉僅自研 NNA AI加速器IP，最終由三星代工。 針對HW 4.0芯片，特斯拉進一步與博通合作開發(fā)，為了提高AI算力，最簡單有效的辦法就是堆砌MAC單元和 SRAM存儲器， 對于AI操作來說，主要瓶頸是存儲。而缺陷在于，SRAM存儲器占用了大量的芯片面積，面積與芯片的成本成正比，同時SRAM難以通過先進制程工藝來增加密度和減少面積。 因此，特斯拉第一代FSD HW 3.0裸芯片面積為260平方毫米，第二代FSD HW 4.0裸芯片面積預計為300平方毫米，總成本預計至少增加40-50%，按照我們的估算，HW3.0芯片成本已降至90-100美元，而HW 4.0成本應在150-200美元，但即使如此，特斯拉自研芯片的性價比也要遠遠高于外購。

特斯拉HW 3.0芯片NNA架構

來源：特斯拉

長期來看，主機廠自主“造芯”勢在必行。

審核編輯 ：李倩