摘要：早期汽車(chē)電子以ECU為主，隨著汽車(chē)向智能化方向發(fā)展，車(chē)身傳感器不斷增加，傳統(tǒng)的分布式架構(gòu)難以滿(mǎn)足需求，由中心化架構(gòu)DCU、MDC逐步替代。此外，由于車(chē)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(chē)載芯片。

隨著自動(dòng)駕駛汽車(chē)逐步發(fā)展，目前輔助駕駛功能滲透率越來(lái)越高。自動(dòng)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(guò)程，GPU+FPGA成為目前主流的解決方案。

早期汽車(chē)電子以ECU為主

ECU是電子控制單元，是汽車(chē)專(zhuān)用的微機(jī)控制器。早期的汽車(chē)電子芯片以電子控制單元(ECU)為主，主要分布于發(fā)動(dòng)機(jī)等汽車(chē)核心部件上。

汽車(chē)電子發(fā)展的早期，ECU主要被用于控制發(fā)動(dòng)機(jī)工作，只有汽車(chē)發(fā)動(dòng)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(huì)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(duì)應(yīng)的分布式架構(gòu)是汽車(chē)電子的典型模式。

隨著車(chē)輛的電子化程度逐漸提高，ECU占領(lǐng)了整個(gè)汽車(chē)，從防抱死制動(dòng)系統(tǒng)、電控自動(dòng)變速器、4輪驅(qū)動(dòng)系統(tǒng)、主動(dòng)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(chē)身各類(lèi)安全、網(wǎng)絡(luò)、娛樂(lè)、傳感控制系統(tǒng)等。

汽車(chē)ECU架構(gòu)示例

隨著汽車(chē)電子化的快速發(fā)展，車(chē)載傳感器數(shù)量不斷豐富，傳感器與ECU一一對(duì)應(yīng)的方式，使得線(xiàn)路復(fù)雜性增加且車(chē)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(wèn)題。根據(jù)汽車(chē)電子部件功能的不同，將整車(chē)劃分為車(chē)輛安全、車(chē)身電子、動(dòng)力總成、智能駕駛等幾個(gè)域，利用處理能力更強(qiáng)的多核CPU/GPU芯片相對(duì)集中的去控制每個(gè)域，以取代目前分布式汽車(chē)電子電氣架構(gòu)。而進(jìn)入自動(dòng)駕駛時(shí)代，控制器需要接受、分析并處理的信號(hào)大而雜，原本一個(gè)功能對(duì)應(yīng)一個(gè)ECU的分布式計(jì)算架構(gòu)已經(jīng)無(wú)法滿(mǎn)足需求。因此，自動(dòng)駕駛車(chē)輛的各種數(shù)據(jù)聚集、融合處理，從而為自動(dòng)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(huì)是發(fā)展的趨勢(shì)。

汽車(chē)DCU與ECU架構(gòu)示例

汽車(chē)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(chē)載芯片

目前人工智能快速發(fā)展，促使汽車(chē)加快向智能化方向發(fā)展，無(wú)人駕駛汽車(chē)成為熱門(mén)，這就需要車(chē)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(chē)載芯片在面對(duì)圖片、視頻等非結(jié)構(gòu)化數(shù)據(jù)時(shí)難以處理，此外車(chē)載芯片還需要對(duì)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(dòng)駕駛領(lǐng)域逐漸取代CPU，成為了當(dāng)前的主流方案。

對(duì)比來(lái)看，CPU的運(yùn)算核心數(shù)量一般不超過(guò)10個(gè)，GPU的運(yùn)算核心數(shù)量則可達(dá)上百個(gè)(流處理器);CPU每個(gè)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(gè)運(yùn)算核心擁有的緩存相對(duì)較小，數(shù)字邏輯運(yùn)算單元也相對(duì)少且簡(jiǎn)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(lái)的不同功能。CPU的邏輯控制功能強(qiáng)，緩存大，能夠開(kāi)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(duì)較弱且緩存較小，每單個(gè)運(yùn)算單元可以進(jìn)行的邏輯運(yùn)算較為簡(jiǎn)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(kāi)展大量簡(jiǎn)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(duì)比

（數(shù)據(jù)來(lái)源：五度易鏈行研中心）

與消費(fèi)電子產(chǎn)品的芯片相比，車(chē)載芯片對(duì)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(mǎn)足車(chē)規(guī)級(jí)壽命(至少1萬(wàn)小時(shí)穩(wěn)定)使用要求等方面。目前無(wú)論是尚未商業(yè)化生產(chǎn)的自動(dòng)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(dòng)駕駛算法還在不斷更新迭代，對(duì)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(xiàn)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(lái)看，GPU在目前階段占據(jù)自動(dòng)駕駛芯片市場(chǎng)的主導(dǎo)地位。

結(jié)語(yǔ)

隨著人工智能的發(fā)展以及自動(dòng)駕駛汽車(chē)的需求不斷增長(zhǎng)，車(chē)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(lái)可能出現(xiàn)更加優(yōu)秀的系統(tǒng)解決方案，促進(jìn)汽車(chē)向智能化方向進(jìn)一步發(fā)展。