最近火了的自動駕駛全球產業鏈全景圖

目前自動駕駛已經發展的很快，除了特斯拉和奧迪以外，很多豪車都引進了自動駕駛技術。下面來盤點一下自動駕駛產業鏈：

首先看一下自動駕駛的等級標準：

1、英特爾：Mobileye + Altera + Movidius

英特爾在自動駕駛領域主要是通過併購來完成布局：2015年6月167.5億美元收購FPGA巨頭Altera；2016年9月收購計算機視覺處理晶元公司Movidius；2017年3月153億美元收購以色列自動駕駛汽車技術公司Mobileye。

通過上述收購，英特爾在自動駕駛處理器上的布局已較完善，包括Mobileye的EyeQ系列晶元(ASIC)、Altera的FPGA晶元、Movidius的視覺處理單元VPU，以及英特爾的CPU處理器，可以形成自動駕駛的整體硬體解決方案。

EyeQ1：Mobileye的EyeQ系列晶元最初是和意法半導體公司共同開發，第一代晶元EyeQ1從2004年開始研發，2008年上市；

EyeQ2：EyeQ2則於2010年上市。最初的兩代產品僅提供L1輔助駕駛功能，EyeQ1的算力約0.0044Tops，EyeQ2則約0.026Tops，功耗均為2.5w。

EyeQ3：2014年量產的EyeQ3基於其自主ASIC架構自行開發，使用了4顆MIPS核心處理器、4顆VMP晶元，每秒浮點運算為0.256萬億次，功耗為2.5w，可以支持L2高級輔助駕駛計算需求。

EyeQ4：第四代EyeQ4晶元在2015年發布，2018年量產上市，採用28nm工藝。EyeQ4使用了5顆核心處理器(4顆MIPSi-class核心和1顆MIPSm-class核心)、6顆VMP晶元、2顆MPC核心和2顆PMA核心，可以同時處理8部攝像頭產生的圖像數據，每秒浮點運算可達2.5萬億次，功耗為3w，最高可實現L3級半自動駕駛功能。

EyeQ5：Mobileye的下一代EyeQ5計劃於2018年出工程樣品，2020年實現量產，將採用7nmFinFET工藝。該產品對標Nvidia的DriveXavier晶元，定位於L4/L5全面自動駕駛計算需求。單顆晶元的浮點運算能力為12Tops，TDP是5W。EyeQ5系統採用了雙路CPU，使用了8顆核心處理器、18核視覺處理器，浮點運算能力為24Tops，TDP是10W。

據說，Mobileye的晶元價格也超過1千美金。

2、英偉達：Drive PX系列晶元

Drive PX：Nvidia自動駕駛晶元始於2015年初推出的Drive PX系列。在2015年1月CES上英偉達發布了第一代Drive PX。Drive PX搭載TegraX1處理器和10GB內存，能夠同時處理12個200萬像素攝像頭每秒60幀的拍攝圖像，單浮點計算能力為2Tops，深度學習計算能力為2.3Tops，可支持L2高級輔助駕駛計算需求。

Drive PX2：2016年1月的CES上英偉達又發布了新一代產品Drive PX2。Drive PX2基於16nm FinFET工藝製造，TDP達250W，採用水冷散熱設計，支持12路攝像頭輸入、激光定位、雷達和超聲波感測器。其中，CPU部分由兩顆NVIDIATegra2處理器構成，每顆CPU包含8個A57核心和4個Denver核心；GPU部分採用兩顆基於NVIDIA Pascal架構設計的GPU。單精度計算能力達到8TFlops，深度學習計算能力達到每秒24萬億次，在單精度運算速度上是Drive PX的4倍,深度學習速度是Drive PX的10倍，可以滿足L3自動駕駛的運算要求。

Drive Xavier：Drive Xavier是英偉達最新一代自動駕駛處理器，最早在2016年歐洲GTC大會上提出，2018年1月的CES上正式發布。同時發布的還有全球首款針對無人駕駛計程車打造的車載計算機DrivePX Pegasus。在配置方面，Xavier基於一個特別定製的8核CPU、一個全新的512核Volta GPU、一個全新深度學習加速器、全新計算機視覺加速器、以及全新8K HDR視頻處理器而打造。每秒可運行30萬億次計算，功耗僅為30w，能效比上一代架構高出15倍，可以滿足L3/L4自動駕駛的計算需求。該產品預計2018年一季度向提供樣品。

Drive PX Pegasus：Drive PX Pegasus是針對L5級全自動駕駛計程車的AI處理器，搭載了兩個Xavier SoC處理器。SoC上集成的CPU也從8核變成了16核，同時增加了2塊獨立GPU。計算速度達到320Tops，相當於PX Xavier的10倍，算力能夠支持L5完全自動駕駛系統，但其功耗也達到了500w。預計首批樣品將於2018年年中交付客戶。

據說，英偉達DrivePX2的價格超過1萬美金。

3、高通&恩智浦NXP

作為移動通信領域的絕對龍頭，高通一直希望通過自己的移動處理器晶元(改成車規級)切入汽車電子領域。在2016年初CES上，高通就發布了整合LTE數據機和機器智能的Snapdragon 820車用系列產品。這個系列產品包含了高通的Zeroth機器智能平台，旨在協助汽車製造商使用神經網路為ADAS和車載資訊娛樂系統創建基於深度學習的解決方案。但目前車廠設計訂單還限於資訊娛樂功能；國內ADAS廠商縱目科技在2017年CES上推出了首個基於820A平台並運用深度學習的ADAS產品原型，12月正式發布。據悉，目前這款產品已經進入量產前的驗證階段，預計將於2019年量產。

作為汽車電子龍頭廠商，恩智浦在自動駕駛方向的積累相比高通則深厚很多。2016年5月恩智浦發布了BlueBox平台，該平台集成S32V234汽車視覺和感測器融合處理器、S2084A嵌入式計算處理器和S32R27雷達微控制器，能夠為汽車製造商提供L4級自動駕駛計算解決方案。其中，S32V234是NXP的S32V系列產品中2015年推出的ADAS處理晶元，在BlueBox平台上負責視覺數據處理、多感測器融合數據處理以及機器學習。這款晶元擁有CPU(4顆ARM CortexA53和1顆M4)、3D GPU(GC3000)和視覺加速單元(2顆APEX-2vision accelerator)，能同時支持4路攝像頭，GPU能實時3D建模，計算能力為50GFLOPs。同時，S32V234晶元預留了支持毫米波雷達、激光雷達、超聲波的介面，可實現多感測器數據融合，最高可支持ISO26262 ASIL-C標準。

恩智浦還有一款專門的雷達信息處理晶元MPC577XK。這是一款面向ADAS應用的Qorivva32位MCU，基於Power架構，能夠支持自適應巡航控制、智能大燈控制、車道偏離警告和盲點探測等應用。

4、瑞薩Renesas

與恩智浦類似，瑞薩在2017年4月也發布了一個ADAS及自動駕駛平台Renesas Autonomy，主打開放策略，目的在於吸引更多一級供應商以擴大生態系統。同時發布的還有R-CarV3M SoC，該晶元配有2顆ARM CortexA53、雙CortexR7鎖步內核和1個集成ISP，可滿足符合ASIL-C級別功能安全的硬體要求，能夠在智能攝像頭、全景環視系統和雷達等多項ADAS應用中進行擴展。據介紹，R-CarV3M SoC的樣品於2017年12月開始供貨，計劃於2019年6月開始量產。

從瑞薩的晶元系列來看，R-Car系列是其在自動駕駛方向的主要產品線：

除了R-Car系列產品外，跟恩智浦一樣，瑞薩也有針對雷達感測器的專業處理器晶元如RH850/V1R-M系列，該產品採用40nm內嵌eFlash技術，優化的DSP能快速的進行FFT的處理。

5、德州儀器TI

TI在ADAS處理晶元上的產品線主要是TDAx系列，目前有TDA2x、TDA3x、TDA2Eco等三款晶元。

TDA2x：TDA2x於2013年10月發布，主要面向中到中高級市場，配置了2顆ARM Cortex-A15內核與4顆Cortex-M4內核、2顆TI定浮點C66xDSP內核、4顆EVE視覺加速器核心，以及雙核3DGPU。TDA2x主要是前置攝像頭信息處理，包括車道報警、防撞檢測、自適應巡航以及自動泊車系統等，也可以出來多感測器融合數據。

TDA3x：TDA3x於2014年10月發布，主要面向中到中低級市場。其縮減了包括雙核A15及SGX544GPU，保留C66xDSP及EVE視覺加速器核心。從功能上看，TDA3x主要應用在後置攝像頭、2D或2.5D環視等。

TDA2Eco：TDA2Eco是2015年發布的另一款面向中低級市場的ADAS處理器，相比於TDA2x，TDA2Eco去掉了EVE加速器，保留了一顆Cortex-A15、4顆Cortex-M4、DSP、GPU等內核。TDA2Eco支持高清3D全景環視，由於TDA3x主要應用於2D或2.5D環視，所以TDA2Eco填補了中低級市場對於高清3D全景環視應用的需求。

6、ADI

相對於以上幾家晶元公司，ADI在ADAS晶元上的策略主打性價比。針對高、中、低檔汽車，ADI針對性的推出一項或幾項ADAS技術進行實現，降低成本。

在視覺ADAS上ADI的Blackfin系列處理器被廣泛的採用，其中低端系統基於BF592，實現LDW功能；中端系統基於BF53x/ BF54x/ BF561，實現LDW/ HBLB/ TSR等功能；高端系統基於BF60x，採用了流水線視覺處理器(PVP)，實現了LDW/ HBLB/ TSR/ FCW/ PD等功能。集成的視覺預處理器能夠顯著減輕處理器的負擔，從而降低對處理器的性能要求。

7、英飛凌Infineon

英飛凌在2015年針對ADAS市場推出過晶元組Real 33D，可實現司機疲勞檢測等功能。而在奧迪新A8使用的zFAS自動駕駛計算單元中，也使用了英飛凌提供的Aurix晶元，A8最關鍵的TrafficJam Pilot，是由這塊晶元最終實現的。

8、東芝(Toshiba)

2017年7月東芝宣布與日本電裝共同推出基於視頻的主動安全系統。該系統配備了東芝最新的Visconti 4自動駕駛專用晶元，Visconti 4內置8個多媒體處理核，能夠同時執行8種應用，專門為自動駕駛視頻應用做了優化，識別速度從100毫秒縮短到50毫秒，只用Visconti 4 就可以構建出車道偏離警告、前後方防撞警告、前後方行人防撞警告、交通標識與信號識別等功能。電裝在2015年就開始將Visconti 2應用在輔助駕駛上，除了核數翻倍，Visconti 4在行人識別演算法上也比前一代改善很多，採用增強型CoHOG識別演算法的Visconti4，極大提升了在陰暗場景下對行人和騎自行車者的識別能力。

9、Xilinx（賽靈思）

在汽車ADAS上，Xilinx最被廣泛應用的產品是Zynq?-7000 All Programmable SoC。該系統 （SoC）平台可幫助系統廠商加快在環繞視覺、3D環繞視覺、後視攝像頭、動態校準、行人檢測、 後視車道偏離警告和盲區檢測等ADAS應用的開發時間。Zynq採用單一晶元即可完成ADAS解決方案 的開發。

Xilinx（賽靈思）也與西門子業務部Mentor合作，推出了DRS360自動駕駛平台。

10、意法半導體（ST）

意法半導體在2017年還推出了業界首款集成專用全隔離硬體安全模塊（HSM）的車載微處理器Telemaco3P。發展車聯網的一大障礙即信息安全，對於汽車這樣高速移動的龐然大物，如果被黑客入侵或干擾通信，後果可能是災難性的。所以無論是移動影音娛樂、基於地理信息的救援服務，還是最近火爆的軟體空中更新（OTA），這些功能普及的基礎在於汽車能否及時有效安全地傳遞信息。HSM對接收到的外部信息進行檢查與安全認證，未經安全認證的信息與外部設備均不能與被保護模塊通信，Telemaco3P對外發出的信息也經HSM加密，採用專用硬體模塊來對進行安全管理，將極大提升車載通信安全。

另外，ST與Mobileye合作開發的機器視覺晶元EyeQ5裝備了8枚多線程CPU內核，搭載18枚Mobileye的下 一代視覺處理器。

11、地平線機器人（Horizon Robotics）

地平線的自動駕駛AI晶元「征程」在去年12月20日正式發布。在參數上，征程能夠以1.5W的功耗，實現1Tflops的算力，每秒處理30幀4K視頻，對圖像中超過200個物體進行識別，能夠實現FCW/ LDW/ JACC等高級別輔助駕駛功能，滿足L2的計算需求。對比英偉達的DrivePX2，其採用16nm FinFET工藝，單精度計算能力為8TFlops，深度學習計算能力為24TFlops，官方TDP是250w；從性能功耗比來看，征程還是有明顯優勢的。同時，由於ASIC不是GPU類的通用計算，內部直接封裝了演算法，數據交換隻是底層I/O，因此其計算的時延也會比GPU更低。不過地平線採用ASIC的路線也是犧牲了晶元的可編程性以獲得更高的性能，是否能獲得足夠訂單量來降低晶元成本值得關注。

12、中科寒武紀（Cambricon）

寒武紀在去年11月初的發布會上首次發布了面向智能駕駛領域的1M智能處理器IP產品，據介紹其性能可達到寒武紀1A處理器的10倍以上。據了解，2016年上市的1A處理器在1Ghz頻率下理論峰值性能為：FP16半精度浮點計算能力為512GFlops，稀疏神經網路計算能力為2TFlops。

13、四維圖新

四維圖新在2016年5月收購了聯發科旗下的汽車半導體公司傑發科技，後者在2017年6月的CES Asia上展出了首款車規級ADAS晶元。四維圖新在去年7月正式發布了該款ADAS晶元，並與蔚來、威馬、愛馳億維等新造車公司達成了合作。公開資料顯示，該晶元採用64位Quad A53架構，內置硬體圖像加速引擎，支持雙路高清視頻輸出，和四路高清視頻輸入，能同時支持高級車載影音娛樂系統全部功能和豐富的ADAS功能。功能包括：360°全景泊車系統、車道偏移警示系統LDW、前方碰撞警示系統FCW、行人碰撞警示系統PCW、交通標誌識別系統TSR、車輛盲區偵測系統BSD、駕駛員疲勞探測系統DFM和後方碰撞預警系統RCW等。

14、森國科(原深圳市國科微半導體)

森國科(原深圳市國科微半導體)在去年12月也發布了自主研發的高性價比ADAS晶元SGKS6802X，據介紹產品已經正式出貨。SGKS6802X配置了雙核ARM Cortex A7處理器、高速雙核8線程GPU和2D加速GPU；採用40nm工藝，晶元典型功耗1500mW，全系統功耗1800mw(包括DDR)；最大支持4路編碼處理能力，整數運算能力7200MIPS+ 3200MIPS，半精度浮點運算能力25.6GFLOPS，單精度浮點運算能力6.4GFLOPS；可支持LDW、FCW、PCW、TSR、NV、TFAH、ZCD、CTA、BSD、DFM、RCW等ADAS演算法，滿足L2高級輔助駕駛的計算需求。

美光正在開發GDDR6，以達到自動駕駛技術對汽車內存容量及帶寬的要求，美光同時還在開發PCIe介面的非易失性存儲器，以滿足5G通信、高清地圖與車載黑盒子對非易失存儲的需求。

從本質上說激光雷達和毫米波雷達都是利用回波成像來構顯被探測物體的，就相當於人類用雙眼探知而蝙蝠是依靠超聲波探知的區別。但激光雷達會比較容易受到自然光或是熱輻射的影響，在自然光強烈或是輻射區域的時候，激光雷達將會被消弱很多而且激光雷達的造價成本高，對工藝水平要求也比較高。而毫米波雷達而言，雖然抗干擾能力較強，但是距離和精確度確實硬傷，而且在行車環境下，處於多重波段並存的環境下對毫米波的影響是極大的。毫米波對於較遠處的探測能力也是極為有限的。

激光雷達：

毫米波雷達：

自動駕駛技術是未來的趨勢，但是發展的過程中難免或有所犧牲，比如最近自動駕駛車禍事件，所以我們要理性看待，下面盤點一下自動駕駛引發的車禍或者負面的事件：

NO1、Uber自動駕駛車公共道路致路人死亡案件

事件回顧：2018年3月18日晚十點左右，美國亞利桑那州一名女子被Uber自動駕駛汽車撞傷，之後不幸身亡。這是全球首例自動駕駛車輛致行人死亡的事故。事發時，儘管有一名司機坐在方向盤後面，但是這輛車當時正處於自動控制模式。當時警方聲明稱，該車當時正朝北行駛，而該女子正在人行橫道外從西往東走。最新消息：當地警察局長表示，初步調查顯示Uber的無人駕駛汽車並無過錯。

NO2、賓士車巡航失靈事件

事件回顧：2018年3月14日晚8點左右，一輛賓士C級轎車在開啟定速巡航後，車輛失控，無法減速和停車，只能以120公里/時的速度繼續飛馳，車主命懸一線......慶幸的是，在河南、陝西兩省高速交警緊急施救以及賓士售後方面操作下，賓士車在失控近一小時、約一百公里後，終於安全停下。不知此事件的真假我們還不得而知。

NO3、特斯拉Model S 高速公路追尾消防車案件

事件回顧：2018年1月22日，在洛杉磯405高速公路上，一輛特斯拉Model S撞上了一輛停在路邊的消防車，所幸無人員傷亡。司機告訴消防部門，當時汽車處於自動駕駛模式。

NO4、特斯拉Model 3騰空入河案件

事件回顧：2018年1月12日，一輛特斯拉Model 3翻入了一條小溪，事故中的司機顯然是在拐彎時失去了控制，導致車輛騰空而起，然後躍入溪流之中。

NO5、福特Argo AI自動駕駛車致乘客受傷案件

事件回顧：2018年1月10日，由福特投資的Argo AI公司在美國賓夕法尼亞州匹茨堡發生了一起交通事故，事故最終導致兩人受傷。截止目前，當局認定這起事故是人為失誤造成的，事故起因是一輛卡車闖紅燈。當時車上有四名乘客，所幸只有兩名乘客受傷且在送往醫院後無大礙。

NO6、Cruise自動駕駛車刮蹭摩托車案件

事件回顧：2017年12月7日，一輛 Cruise 自動駕駛汽車正以自動駕駛模式行駛在 Oak 街上，穿過 Oak 街和 Fillmore 街的十字路口後，保持在第三車道上向東行駛。之後，汽車在變道過程中刮蹭了變道中的摩托車。事故造成摩托車司機肩部受傷，目前已經送往醫院接受治療。

NO7、美國首輛無人駕駛巴士與卡車相撞案件

事件回顧：2017年11月8日，美國拉斯維加斯無人駕駛巴士在獲准上路的第一天就捲入了一場車禍。這輛無人駕駛巴士在低速行駛的情況下，與一輛人力駕駛的運貨卡車相撞，所幸事故中沒有人員受傷。據悉，無人駕駛巴士由法國公司Navya製造，可承載15名乘客。

NO8、Uber自動駕駛試驗車碰撞致側翻案件

事件回顧：2017年3月24日，一輛Uber自動駕駛試驗車在亞利桑那州坦佩市發生交通事故。在一處十字路口處，由北向南行駛的Uber自動駕駛汽車與一輛東西行駛試圖左拐的普通汽車發生了碰撞。Uber自動駕駛汽車發生側翻，另一部車嚴重受損，所幸沒有人員傷亡。警方表示，這一事故是由人類司機並未讓行直行的自動駕駛車輛所致。

NO9、谷歌無人駕駛測試車與貨車相撞案件

事件回顧：2016年9月23日，谷歌無人駕駛測試車在美國山景城遭遇了一次嚴重的交通事故。在事故中，谷歌的無人駕駛測試車遭受了一輛道奇商用貨車的嚴重撞擊，致使無人駕駛測試車受到了嚴重的損壞，不得不藉助拖車才離開現場，所幸這場事故並未造成人員傷亡。

NO10、特斯拉 Model S 自動駕駛車致司機死亡案件

事件回顧：2016年5月7日下午三點，司機Joshua Brown駕駛一輛2015款特斯拉 Model S 在佛羅里達州高速公路上與一輛垂直方向開來的挂車發生相撞。調查報告稱，在強烈的日照條件下，駕駛員和自動駕駛系統都未能注意到拖挂車的白色車身，因此未能及時啟動剎車系統。由於拖挂車正在橫穿公路，且車身較高，這一特殊情況導致Model S從挂車底部通過時，其前擋風玻璃與挂車底部發生撞擊，導致駕駛員不幸遇難。

NO11、谷歌無人駕駛車與公共汽車相撞案件

事件回顧：2016年2月14日，事故發生在谷歌總部所在地矽谷的芒廷維尤市。當時，谷歌公司一輛「雷克薩斯」牌改裝無人駕駛汽車在芒廷維尤市街頭測試。在無人駕駛汽車試圖繞開道路上的沙袋、向左併入道路中央時，卻意外與一輛公共汽車的右側方相撞，導致無人駕駛汽車左前翼子板、左前輪和駕駛側感測器受損，所幸雙方車輛中沒有人員受傷。

NO12、特斯拉自動駕駛車致司機死亡案件

事件回顧：2016年1月20日，京港澳高速河北邯鄲段發生一起追尾事故，一輛特斯拉轎車直接撞上一輛正在作業的道路清掃車，特斯拉轎車當場損毀，司機高雅寧不幸身亡。調查結果顯示，事發時車輛為勻速行駛狀態，高雅寧開啟了無人駕駛功能。事故發生時，涉事特斯拉沒有剎車和減速的跡象，也沒有採取任何躲避措施。交警認定，在這起追尾事故中，駕駛特斯拉的司機高雅寧負主要責任。

NO13、谷歌自動駕駛車追尾致乘客輕傷案件

事件回顧：2015年7月1日，谷歌公司一輛雷克薩斯牌改裝樣車在公司總部所在地——加利福尼亞州芒廷維尤市街頭測試時發生追尾事故，事故中有三人受輕傷。

事物的發展都是有利有弊，我們要理性看待!