缺芯形势下，自动驾驶的需求如何解决？

在2021年11月10日举办的中国汽车工业协会信息发布会上，中汽协公布了本年度10月份汽车工业主要指标的完成情况。受芯片供应紧缺等供给端不确定性的影响，重点汽车企业集团经济效益增幅已连续6个月持续回落。据悉，虽然当前国内车规级芯片供应形势稍好于第三季度，却仍不能完全满足汽车工业生产的需要；中汽协副总工程师许海东表示，“总体来说芯片还是不够，很难达到主机厂需求的水平。”

2021年度乘用车销售趋势（图源：中国汽车流通协会）

因芯片问题受到冲击的不仅是中国市场，海外市场的汽车芯片短缺问题同样严峻。由于芯片短缺导致的未完工汽车堆积，欧洲市场两家主要汽车制造商大众集团和Stellantis集团新车产量分别下降了35%和30%；在美国市场上，通用汽车与福特汽车也均表示面临产销配比持续失衡问题，福特汽车甚至在部分新生产的车型中取消了卫星导航等智能功能。

针对缺“芯”导致的汽车工业生产问题，芯片上游厂商也在积极对车规级芯片供应做出回应。约有80%晶圆都在其内部制造的德州仪器，作为为数不多拥有晶圆厂的供应商之一，仍在扩大对12英寸晶圆厂的覆盖力度。此外，汽车制造商也开始调整供应链策略，加强与芯片厂商的合作以应对未来的供需动荡。特斯拉、大众集团等汽车制造商采用了硬件自研的策略，丰田、吉利等车企也在着手投资或参股第三方芯片公司。

持续缺芯，自动驾驶需求更急迫

在持续芯片短缺的预期下，与福特汽车取消部分车型的卫星导航功能相似，宝马、通用、日产等多家汽车公司都选择了放弃部分高科技功能以适应芯片供应缺口的应对方案。然而对于需要高度智能系统支持的自动驾驶汽车，芯片的重要性更为突出。

与所有人工智能系统的发展需求一致，自动驾驶系统的决策处理也主要依赖于算力、算法、数据采集三方面要素的支持，与之对应的模块分别为AI计算芯片、软件算法、硬件传感器。其中支撑算力部分的AI芯片，对自动驾驶层级发展的速度起着至关重要的影响。

 自动驾驶系统     
（图源：Rosique F, Navarro PJ, Fernández C, Padilla A. A Systematic Review of Perception System and Simulators for Autonomous Vehicles Research. Sensors. 2019; 19(3):648. https://doi.org/10.3390/s19030648）

依据美国汽车工程师学会（SAE）于2014年制定的J3016自动驾驶分级标准，自动化驾驶以动态驾驶任务（Dynamic Driving Task，DDT）为核心，分类为L0至L5共6个等级。L0级为无驾驶自动化，意即人工手动驾驶状态；L1级为最低级别的自动化，具备用于辅助驾驶员的单一自动化系统；L2级为部分自动驾驶，使用ADAS系统；L3级以上则产生进一步的智能跃升，可由系统取代驾驶人员，对于环境中的目标及事件进行探测响应；在L4级的驾驶中，驾驶人员不需要做接管特定驾驶任务的准备；而L5级则意味着实现了完全的自动化驾驶，自动驾驶的运行不再受到设计运行条件的限制。

 自动化驾驶分级（图源：synopsys.com）

自动驾驶等级的升高，也就意味着系统自动化的提升以及驾驶员参与度的降低。自动驾驶从L0-L5的分级，代表了驾驶过程中决策责任的逐步转移，也对其使用的汽车芯片提出了更高的需求。L3级别以上的自动驾驶，即是由系统接管了驾驶员对于环境的监测责任；且随着级别的升高，在L4、L5级别上系统逐渐接管驾驶过程中的决策与执行责任。更高级别自动化驾驶对于系统的决策责任要求加大了信息处理难度需求，对于组件构成和数据计算能力有着更高标准的要求。

驾驶系统所需的汽车芯片，按集成规模可分为 MCU（微控制单元）芯片和SoC（片上系统）芯片，而专业意义上涉及更高级别自动化的芯片是指更为复杂的、可实现更高级别AI运算且能支持运行多任务的SoC芯片。单就芯片而言，处理器芯片分为CPU、GPU、FPGA、ASIC等多种；一般的MCU芯片中只有CPU，而SoC芯片中则除CPU之外还会有其他种类的处理器芯片。L3级别以上自动驾驶汽车需要的算力要求就达到500+TOPS以上，因此需要集成除CPU之外的一个或多个处理器芯片（SoC芯片）来做AI运算。

应对挑战，芯片企业弯道再发力

不同处理器芯片在自动驾驶的AI运算中各有所长：CPU通常为SoC芯片上的逻辑控制中心，其调度管理及协调能力较强，但计算能力相对有限；对CPU优化调整后发展出的GPU善于处理图像信号，适合对密集型数据进行计算，尤其擅长处理和顺序无关的图形类机器学习算法； FPGA属于“半专用”芯片，具备硬件可编程能力，对于顺序类的机器学习算法具备明显优势；ASIC是面向特定用户的算法需求设计的专用芯片，具有体积更小、重量更轻、功耗更低、性能提高、保密性更强等特殊优点。Mobileye、地平线、寒武纪等芯片企业研发的专门用来做AI算法的芯片就属于ASIC的范畴。

处理器芯片（图源：Paul Brant. THE IMPORTANCE OF HARDWARE RAISING ALL BOATS. Dell EMC）

由于汽车电子对于相应元件的工作温度、抗冲击性、制造工艺、使用寿命安全性能等方面有更高的要求，使用在自动驾驶领域的车规级芯片具有投入大、研发时间长、回报周期长等特点，相较于消费级芯片具有更高的转换成本。因此，当前在控制芯片领域，外资芯片企业仍然具有先发优势。但在芯片短缺的挑战之下，随着车企与国内芯片企业的合作逐步加强，国内芯片企业仍有望弯道超车。

目前行业内生产自动驾驶芯片的主流企业有Mobileye、高通、特斯拉等海外企业，以及英伟达、华为、地平线、黑芝麻等国内企业。Mobileye一类的企业采取的是硬件芯片绑定软件算法的一体化销售模式，可以快速帮助车企实现自动驾驶功能，但同时也限制了车企在自动驾驶上的研发能力。与之相对的，英伟达、地平线一类的企业选用了具有较高灵活性的芯片开源模式，在提供芯片及解决方案的基础上，进一步为客户提供丰富算法IP、开放工具链等全面赋能服务。

自动驾驶AI 计算芯片厂商对比（图源：招银国际证券）

2015 年成立于北京的人工智能芯片公司地平线，基于创新的人工智能专用计算架构BPU(Brain Processing Unit)，规划了完备的AI芯片自研路线。地平线公司先后于2017年、2019、2020年推出了中国首款边缘AI芯片、中国首款车规级AI芯片及相应系列的升级芯片（车规级AI 芯片征程系列、AIoT 边缘AI 芯片旭日系列），并在今年7月推出了业界首款一体集成自动驾驶和智能交互的智能中央计算芯片（征程5），该芯片的单芯片AI算力可达128 TOPS。随着征程5的推出，地平线公司从众多芯片企业中脱颖而出，成为业界唯一能够提供覆盖从L2到L4全场景整车智能芯片方案的边缘人工智能平台型企业。

芯片协同，硬件传感器与共决策

除芯片和软件外，硬件传感器对于自动驾驶的决策处理同样起着至关重要的作用。如果将芯片视作自动驾驶的决策大脑，那么硬件传感器便是为驾驶决策提供基本支持的感官系统。由于需要为驾驶决策提供相应依据，所配备的硬件传感器必须能够对复杂多变的车辆行驶环境进行灵敏感知；因此自动驾驶系统无法仅依靠单一传感器获取信息，且自动化级别越高的自动驾驶汽车对于多种传感器的协作能力要求更高。

从产业竞争格局来看，硬件传感器行业能见度和确定性较强，产品端具有典型的“先发优势”特征。在当前行业发展中，主流传感器以视角摄像头、毫米波雷达、激光雷达为主。视觉摄像头与毫米波雷达最先量产落地，从L0级逐步向高级辅助驾驶迭代；而激光雷达成本过高，在车载领域更多应用于高级别的自动驾驶，将随着L4级以上自动驾驶技术的发展渐进上升轨道。

自动驾驶的多种传感器（图源：厚势汽车）

随着ADAS功能的发展，视觉摄像头国内市场占有格局逐渐清晰。Mobileye等国际供应商在乘用车领域占据了主导，国内创业公司的产品则主要分布在商用车领域。然而视觉摄像头在目标检测上受环境因素的影响较大，特殊场景下的识别效果欠佳。相较于视觉摄像头，毫米波雷达受环境因素的影响较小，却在检测目标物类型上略处劣势。因此将二者融合的技术方案，方能弥补单一传感器的感知缺陷。

毫米波作为重要的硬件传感器，市场前景非常可观。从国内乘用车市场的占有率来看，77GHz 毫米波雷达主要以大陆、博世、电装、安波福为主；24GHz 毫米波雷达以VNE、大陆、海拉、安波福、法雷奥为主。在乘用车77 GHz和24GHz的毫米波雷达中均占有一席之地的德国大陆集团，也是商用车市场的强势力量。

供应加码，自动驾驶锁定“芯”未来

在芯片短缺的市场行情中，为避免再次出现类似的动荡，汽车制造商正着手进行供应链体系重构。老牌制造商大陆集团，就于今年9月与智能芯片独角兽企业地平线公司进行了强强联合；双方定于上海成立一家专注于提供ADAS和自动驾驶软硬件整体解决方案的合资公司，将地平线的芯片和算法集成到大陆集团的智能摄像头和可扩展自动驾驶高性能计算机系列产品中。处于供应端的制造商意图通过这一举动，把尖端的人工智能技术与其制造工艺优势相结合，打造出更高性价比的产品。 

（图源：radiotubesupply.com）

虽然当前芯片短缺的态势持续冲击着汽车工业市场，但基于目前的供需调整情况，汽车行业高管普遍对后续芯片供应情况持有较为乐观的态度。面对自动驾驶更复杂更急迫的需求，以地平线企业与大陆集团为代表的芯片厂商和制造商们也在加码供应合作。在可预见的未来，叠加了芯片突破的供应链将具备更强的竞争实力，为全球自动驾驶汽车工业的发展提供性能更强的产品与服务，锁定自动驾驶的“芯”未来。