佐思汽研發布了《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。可以預見，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，大部分傳統的計算架構是馮諾依曼架構，優點是非常靈活，但面對AI遇到的問題是出現算力瓶頸，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，業內普遍認為，一方面主機廠無法與專業IC設計公司比拼開發速度、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成本，以具備性價比。 但實際上芯片對于智能網聯新能源汽車，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7nm座艙SoC量產裝車，IGBT也已實現成功流片，億咖通和芯擎科技合作研發的自動駕駛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+開發平臺”的商業模式基礎上，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創新的速度。 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，現在芯片行業就是外購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（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，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