摘要：早期汽車電子以ECU為主，隨著汽車向智能化方向發(fā)展，車身傳感器不斷增加，傳統(tǒng)的分布式架構(gòu)難以滿足需求，由中心化架構(gòu)DCU、MDC逐步替代。此外，由于車載芯片需要同時(shí)處理大量數(shù)據(jù)，形成了以GPU為核心的智能輔助駕駛車載芯片。

隨著自動駕駛汽車逐步發(fā)展，目前輔助駕駛功能滲透率越來越高。自動駕駛需要利用攝像頭、雷達(dá)等新增的傳感器數(shù)據(jù)，其中很多需要大量并行計(jì)算，而傳統(tǒng)CPU算力不足，因此性能優(yōu)異的GPU逐漸取代了CPU。另外加上輔助駕駛算法需要的訓(xùn)練過程，GPU+FPGA成為目前主流的解決方案。

早期汽車電子以ECU為主

ECU是電子控制單元，是汽車專用的微機(jī)控制器。早期的汽車電子芯片以電子控制單元(ECU)為主，主要分布于發(fā)動機(jī)等汽車核心部件上。

汽車電子發(fā)展的早期，ECU主要被用于控制發(fā)動機(jī)工作，只有汽車發(fā)動機(jī)的氣缸(爆震傳感器)、排氣管(氧傳感器)、水溫傳感器等核心部件才會放置傳感器，為保證傳感器-ECU-控制器回路的穩(wěn)定性，ECU與傳感器一一對應(yīng)的分布式架構(gòu)是汽車電子的典型模式。

隨著車輛的電子化程度逐漸提高，ECU占領(lǐng)了整個汽車，從防抱死制動系統(tǒng)、電控自動變速器、4輪驅(qū)動系統(tǒng)、主動懸架系統(tǒng)以及安全氣囊系統(tǒng)，到現(xiàn)在逐漸延伸到了車身各類安全、網(wǎng)絡(luò)、娛樂、傳感控制系統(tǒng)等。

汽車ECU架構(gòu)示例

隨著汽車電子化的快速發(fā)展，車載傳感器數(shù)量不斷豐富，傳感器與ECU一一對應(yīng)的方式，使得線路復(fù)雜性增加且車輛整體性下降。此時(shí)分布式架構(gòu)逐漸被DCU(域控制器)、MDC(多域控制器)等中心化架構(gòu)所取代。

域控制器概念的提出是為了解決信息安全，以及ECU瓶頸的問題。根據(jù)汽車電子部件功能的不同，將整車劃分為車輛安全、車身電子、動力總成、智能駕駛等幾個域，利用處理能力更強(qiáng)的多核CPU/GPU芯片相對集中的去控制每個域，以取代目前分布式汽車電子電氣架構(gòu)。而進(jìn)入自動駕駛時(shí)代，控制器需要接受、分析并處理的信號大而雜，原本一個功能對應(yīng)一個ECU的分布式計(jì)算架構(gòu)已經(jīng)無法滿足需求。因此，自動駕駛車輛的各種數(shù)據(jù)聚集、融合處理，從而為自動駕駛的路徑規(guī)劃和駕駛決策提供支持的多域控制器將會是發(fā)展的趨勢。

汽車DCU與ECU架構(gòu)示例

汽車MDC架構(gòu)示例

當(dāng)下發(fā)展以GPU為核心的智能輔助駕駛車載芯片

目前人工智能快速發(fā)展，促使汽車加快向智能化方向發(fā)展，無人駕駛汽車成為熱門，這就需要車載芯片具有更強(qiáng)大的數(shù)據(jù)處理能力。以往以CPU為核心的車載芯片在面對圖片、視頻等非結(jié)構(gòu)化數(shù)據(jù)時(shí)難以處理，此外車載芯片還需要對多路傳感數(shù)據(jù)進(jìn)行整合，這就要求其擁有更高的并行計(jì)算效率。由于GPU具有同時(shí)處理大量數(shù)據(jù)的特性，在自動駕駛領(lǐng)域逐漸取代CPU，成為了當(dāng)前的主流方案。

對比來看，CPU的運(yùn)算核心數(shù)量一般不超過10個，GPU的運(yùn)算核心數(shù)量則可達(dá)上百個(流處理器);CPU每個運(yùn)算核心都具有足夠的緩存和豐富的數(shù)字及邏輯運(yùn)算單元，并輔助很多復(fù)雜的計(jì)算分支;GPU的每個運(yùn)算核心擁有的緩存相對較小，數(shù)字邏輯運(yùn)算單元也相對少且簡單。此外，CPU和GPU最大的不同在于設(shè)計(jì)結(jié)構(gòu)以及由不同結(jié)構(gòu)帶來的不同功能。CPU的邏輯控制功能強(qiáng)，緩存大，能夠開展復(fù)雜的邏輯運(yùn)算，而且延時(shí)低，處理復(fù)雜的運(yùn)算任務(wù)時(shí)非常高效。而GPU邏輯控制功能相對較弱且緩存較小，每單個運(yùn)算單元可以進(jìn)行的邏輯運(yùn)算較為簡單，但由于能夠并列大量的計(jì)算單元，因此GPU具備同時(shí)開展大量簡單的運(yùn)算任務(wù)的能力。

CPU結(jié)構(gòu)

GPU結(jié)構(gòu)

表1 CPU與GPU功能對比

（數(shù)據(jù)來源：五度易鏈行研中心）

與消費(fèi)電子產(chǎn)品的芯片相比，車載芯片對性能和壽命要求都比較高，主要體現(xiàn)在耗電每瓦提供的性能、生態(tài)系統(tǒng)的構(gòu)建以及滿足車規(guī)級壽命(至少1萬小時(shí)穩(wěn)定)使用要求等方面。目前無論是尚未商業(yè)化生產(chǎn)的自動駕駛智能芯片還是已經(jīng)量產(chǎn)使用的輔助駕駛芯片，由于自動駕駛算法還在不斷更新迭代，對云端“訓(xùn)練”方面提出高要求，既要大規(guī)模的并行計(jì)算，又要大數(shù)據(jù)的多線程計(jì)算，因此以GPU+FPGA解決方案為核心;在終端的“推理”部分，核心需求是大量并行計(jì)算，所以GPU是核心。綜合來看，GPU在目前階段占據(jù)自動駕駛芯片市場的主導(dǎo)地位。

結(jié)語

隨著人工智能的發(fā)展以及自動駕駛汽車的需求不斷增長，車載芯片技術(shù)將不斷發(fā)展。目前主流的解決方案也將不斷更新迭代，在未來可能出現(xiàn)更加優(yōu)秀的系統(tǒng)解決方案，促進(jìn)汽車向智能化方向進(jìn)一步發(fā)展。