自动驾驶SoC研究：行泊一体带动产业提速，存算一体、Chiplet带来技术变革

佐思汽研发布了《2023年自动驾驶SoC研究报告》，报告覆盖了主流车企自动驾驶SoC和系统部署策略、9家海外自动驾驶SoC厂商研究、10家国内自动驾驶SoC厂商研究，并重点探讨了以下问题：

主机厂自动驾驶SoC和系统部署策略和展望；

自动驾驶SoC在行泊一体的应用和配置策略；

自动驾驶SoC在舱驾一体的应用趋势；

自动驾驶SoC主推的“交钥匙”解决方案；

自动驾驶SoC产品选型和成本分析；

主机厂自主造芯（自动驾驶SoC）可行吗？

Chiplet在自动驾驶SoC的应用；

存算一体在自动驾驶SoC的应用。

行泊一体市场，单SoC、多SoC方案各有目标客户定位

现阶段，在入门级 L2（智能前视一体）上，Mobileye 仍然占据着主导地位，短期看TI TDA4L（5TOPS）等新品在入门级 L2对Mobileye 发起冲击。L2+行车及行泊一体方面，目前大多则采用多SoC方案，比如特斯拉搭载的“双FSD”、荣威RX5搭载的“三颗地平线J3”、博越L和领克09搭载的“地平线J3+TDA4”、蔚来ET7、智己L7、小鹏G9/P7i等搭载的“双ORIN”等方案。   按照各主机厂和Tier1的量产部署计划，对于轻量级（高性价比）行泊一体来说，融合行车域和泊车域，嵌入式系统设计更为复杂，对算法模型、芯片算力调用（分时复用）、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。

高性价比单SoC方案：面向10-20万级别乘用车，将在2023年迎来量产部署高峰，单SoC行泊一体方案主要采用地平线J3/J5、TI TDA4VM/ TDA4VH / TDA4VM-Q1 Plus 、黑芝麻智能A1000/A1000L等芯片产品。具备成本优势，可进一步降低整个域控制器的BOM成本。以黑芝麻智能为例，黑芝麻智能基于A1000 SoC单芯片行泊一体方案，目前已经能够实现支持10V（摄像头）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元人民币以内，支持50-100T物理算力。

部分轻量级行泊一体单SoC方案

来源：《2023年自动驾驶SoC研究报告》

高性价比多SoC方案：面向15-25万元级别乘用车，与单SoC有所交叉，包括双TDA4、地平线J2/J3+TDA4、双地平线J3、双EQ5H、双地平线J3+NXP S32G、三地平线J3等方案。多SoC方案在安全冗余上具备优势，同时可以预留OTA升级空间。

对于高阶版行泊一体，需要接入更多路、更高分辨率的摄像头，以及 4D 毫米波雷达、激光雷达，BEV+Transformer神经网络模型更大更复杂，甚至还可能需要支持本地算法训练，因此对算力需求足够高，CPU 算力至少要达到 150KDMIPS，AI 算力至少 100TOPS。   高阶版行泊一体主要由于面向高端新能源车型，价格区间至少在25万元以上，价格敏感度不高但对AI芯片功耗和效率要求更高，尤其高算力芯片对新能源汽车续航有一定影响，使得芯片厂商不断推出更先进制程、更高能效比的芯片产品。

高阶单SoC方案：单地平线J5、单黑芝麻智能A1000/A1000 pro方案受到市场青睐，可支持1-2L+11V+5R、支持 BEV等领先智能驾驶算法模型的应用部署。下一阶段，单高通骁龙 Ride 、单安霸CV3-AD 、单颗ORIN也可能被部分主机厂采用为主力方案。

高阶多SoC方案：双英伟达Orin-X、双FSD仍然是中高端新能源车的主力方案，覆盖了特斯拉全系、理想L9、小鹏 G9、小鹏P7i、智己L7、路特斯等大部分中高端新能源车型，蔚来ET7/ET5甚至采用4颗Orin-X，2颗用于日常的驾驶计算，其他两颗用于算法训练和备份冗余。

自动驾驶正面临着大算力、低功耗的矛盾，存算一体 AI 芯片或将成为终极解决方案

ChatGPT的火爆预示了自动驾驶的发展方向：大模型和高算力。Transformer这类神经网络大模型，模型运算量平均每两年会翻750倍；视频、自然语言处理和语音模型，模型运算量平均每两年翻15倍。可以预见，摩尔定律将面临失效，同时 "存储墙”和"功耗墙” 将成为AI芯片发展的关键制约因素。  

来源：CSDN—AI算力的阿喀琉斯之踵“内存墙”

目前，大部分传统的计算架构是冯诺依曼架构，优点是非常灵活，但面对AI遇到的问题是出现算力瓶颈，同时存在大型数据搬运，所以带来很大的功耗消耗。   存算一体技术有望解决大算力与低功耗的矛盾。存算一体，是指在存储器中对数据进行运算，从而避免数据搬运产生的"存储墙”和"功耗墙”, 极大提高数据的并行度和能量效率。

来源：Planet

在汽车领域，高等级自动驾驶汽车某种意义上将成为行走的超算中心，车端算力正不断拔高到1000TOPS以上。云端计算电力充足，并可以通过冷却系统制冷，但是在汽车端是通过电池供电有限，同时面临着液冷散热、成本方面等问题。   存算一体 AI 芯片，将为车企提供一个全新的技术路径选择。

在自动驾驶 SoC 领域，后摩智能是国内首家存算一体自动驾驶 AI 芯片厂商，其在2022年成功点亮了业内第一款存算一体大算力AI芯片，并跑通智能驾驶算法模型。这款验证样片采用22nm工艺制程，算力达20TOPS，可扩展至200TOPS，尤其是计算单元能效比高达20TOPS/W。据悉，后摩智能量产级存算一体智驾芯片即将推出，详细的产品性能将在报告中分享。

后摩智能“存算一体智驾芯片”差异化创新

来源：后摩智能

未来，芯片将像动力电池一样，成为大型主机厂重要投资方向

主机厂造芯这个问题争议极大，业内普遍认为，一方面主机厂无法与专业IC设计公司比拼开发速度、效率、产品性能等，另一方面单颗芯片至少应有百万量级的出货量才能不断摊薄开发成本，以具备性价比。   但实际上芯片对于智能网联新能源汽车，无论是性能、成本、还是供应链安全，都已占据了绝对的主导地位，传统燃油车芯片需求量一般在700-800颗/辆，新能源车芯片需求量在1500-2000颗/辆，高级别自动驾驶新能源车芯片需求量可高达3000颗/辆，且部分高价值芯片成本高昂、面临缺货甚至断货风险。   从大型主机厂的角度，显然不想被某家芯片厂商绑定，甚至主机厂早已开始下场自主造芯。从吉利汽车来看， 吉利已实现7nm座舱SoC量产装车，IGBT也已实现成功流片，亿咖通和芯擎科技合作研发的自动驾驶SoC芯片AD1000预计最快到2024年3月流片。

部分主机厂SoC和自动驾驶系统部署策略

来源：《2023年自动驾驶SoC研究报告》

我们判断，芯片将像动力电池一样，成为大型主机厂加强底层基础能力建设的重要投资方向。2022年，三星宣布将为谷歌自动驾驶部门Waymo制造芯片；通用Cruise也宣布将自主开发自动驾驶芯片；大众汽车则宣布将与中国自动驾驶SoC厂商地平线成立合资公司。   在2022中国电动汽车百人会论坛上，地平线在“芯片+算法+工具链+开发平台”的商业模式基础上，增加开放其高性能自动驾驶处理器架构BPU IP授权，以此来满足自研能力强的部分车企的需求，从而增加车企的差异化竞争力和研发创新的速度。   作为IP供应商支撑车企自研计算方案，BPU IP授权模式已确认一家合作伙伴，还有一家车企正在推进中。

来源：地平线

造芯的技术门槛并不算特别高，主要门槛是拥有足够资本实力和订单量，现在芯片行业就是外购IP搭积木的方式来搭芯片，包括CPU、GPU、NPU、存储、NoC或总线、ISP、视频编解码等。未来随着Chiplet生态圈、工艺水平不断完善，自研自动驾驶SoC芯片门槛会更低，无需买IP，直接买die（IP芯片化）然后再封装即可，大幅度降低门槛。  以特斯拉HW 3.0芯片为例，其架构设计基于三星Exynos-IP，CPU、GPU、ISP设计采用ARM IP，片上互联（NOC）采用 Arteris IP，特斯拉仅自研 NNA AI加速器IP，最终由三星代工。   针对HW 4.0芯片，特斯拉进一步与博通合作开发，为了提高AI算力，最简单有效的办法就是堆砌MAC单元和 SRAM存储器， 对于AI操作来说，主要瓶颈是存储。而缺陷在于，SRAM存储器占用了大量的芯片面积，面积与芯片的成本成正比，同时SRAM难以通过先进制程工艺来增加密度和减少面积。   因此，特斯拉第一代FSD HW 3.0裸芯片面积为260平方毫米，第二代FSD HW 4.0裸芯片面积预计为300平方毫米，总成本预计至少增加40-50%，按照我们的估算，HW3.0芯片成本已降至90-100美元，而HW 4.0成本应在150-200美元，但即使如此，特斯拉自研芯片的性价比也要远远高于外购。

特斯拉HW 3.0芯片NNA架构

来源：特斯拉

长期来看，主机厂自主“造芯”势在必行。

审核编辑 ：李倩