您的位置首页  品牌  汽车

汽车新定义 如何重新定义汽车请由芯片先回答

  • 来源:互联网
  • |
  • 2023-02-22
  • |
  • 0 条评论
  • |
  • |
  • T小字 T大字

汽车新定义 如何重新定义汽车请由芯片先回答

  百年汽车工业发展是一段漫长的旅程,从钢铁机械到机电一体化,再到“新四化”,不断演绎着科技发展给汽车带来的全新定义。

  如今的车,既是一辆车,也是一个智能终端,还有可能是一个基础设施。因为汽车正在被赋予越来越多的能力,感知能力、计算能力、连接能力、交互能力...

  功能愈加丰富,控制更加集中,软件自由定义,开发实现解耦,芯片正在推动汽车技术变革,改变着汽车产业生态格局。

  针对汽车芯片的技术与产业发展,搜狐汽车研究室将进行一系列的研究与分析,这是第一篇,重点关注汽车芯片如何在汽车智能化的进程中发挥重要影响。第二篇我们将具体分析全球汽车芯片产业格局,以及我国汽车芯片企业面临的机遇与挑战。

  对于大多数人来说,可能从购买汽车到报废,都没有与车上的芯片打过照面,但它却默默无闻的发挥着关键作用,在百舸争流的汽车智能化浪潮中勇立潮头。

  一般而言,只要是使用微细加工手段制造出来的半导体片子,都可以叫做芯片。IHS将汽车半导体分为模拟IC、逻辑IC、存储IC、分离器件、微控制IC、光学半导体、传感器和执行器七大类。

  据测算平均每辆车搭载半导体约为1600个,这些半导体器件分布于汽车的各个设备与系统,主导他们协同工作的正是汽车芯片,如逻辑计算芯片、存储芯片、微MCU等。

  从应用的角度,汽车上小到胎压监测系统TMPS、摄像头,大到整车、自动驾驶域,都离不开各式各样的芯片。可以说汽车的智能化就是芯片的智能化。

  l 环境感知方面,汽车的感知主要通过摄像头、雷达、毫米波雷达、激光雷达、IMU等传感器来实现,根据不同的功能需求,这些传感器的内部集成着CMOS/CCD感光器件、ToF芯片、ISP、射频芯片、毫米波雷达芯片、激光雷达芯片、定位芯片等多种芯片,将光线、距离、速度、方位等信息处理成实现计算机处理的数字信号。

  l 决策控制方面,MCU负责数据量较小的计算运算和控制工作,随着车上数据的迅猛增长,CPU、GPU、NPU等通用计算芯片或AISC、FPGA等专用芯片接过大规模数据运算的重任,同时高速存储和串口芯片亦必不可少,呈现即成为SoC的趋势。

  l 网络/通信方面,传统的CAN、LIN、MOST总线的传输控制,蓝牙、WIFI、车载以太网的上车,都需要相应的数据传输或信号收发芯片。蜂窝网络和C-V2X车联网通信的普及,给通信芯片、模组带来了巨大的增长空间。

  l 人机交互方面,语音识别、数字仪表、大屏交互、HUD等数字功能的背后是集成AI能力的系统级SoC在大显身手。

  正是如此多芯片的应用,体现在产品上,主动安全、自动驾驶、人机交互、车联通信、车载信息娱乐等功能和应用日益增多,ADAS和智能座舱实现快速发展。

  以ADAS为例,当前我国新车ADAS装配率约为30%,从高端车型向中低端渗透趋势明显,10万元以下车型也已配备ADAS功能。

  根据《汽车产业中长期发展规划》,到2025年,汽车DA(驾驶辅助)、PA(部分自动驾驶)、CA(有条件自动驾驶)系统新车装配率超过80%,其中PA、CA级新车装配率达25%,高度和完全自动驾驶汽车开始进入市场。

  量产背后,众多车企加速更高级别智能汽车的研发与生产,从上汽、广汽、北汽等国内车企和奥迪、奔驰、宝马等国外车企的计划路线级自动驾驶商用落地的关键时期,未来对汽车芯片的需求将快速增长。

  运营方面,科技公司不断探索芯片、传感器、算法的最佳组合,争先恐后将无人驾驶车辆推上街头,网约车、公交、RoboTaxi出租、物流运输、自动代客泊车等在多地开始先行先试。百度、文远知行、PONY.AI、滴滴等企业已在长沙、广州、上海开展RoboTaxi的商业化试运营;深圳、天津等城市先后落地自动驾驶公交运营,洋山港、天津港实现集装箱无人驾驶运输;博世和戴姆勒合作研发的L4级自动代客泊车系统获准在德国试运行。

  2019年4月,13家国内车企联合华为推出中国车企C-V2X商用路标,在2020年下半年到2021上半年量产支持C-V2X的汽车。2020年7月3日,3GPP 宣布冻结5G R16标准,5G芯片上车应用将进一步提速。

  可以说,芯片的应用为汽车带来了更多的功能和更好的性能,正在逐步满足人们对智能汽车的美好向往。

  由于芯片的类型与构造千差万别,为了聚焦核心领域,我们选择关注那些如同CPU、GPU等在手机、电脑中发挥重要作用的汽车计算/控制芯片。通常行业内把车内负责计算和控制的芯片划分为功能芯片和主控芯片,当前这类芯片在汽车半导体中的市场份额占比约为30%。

  功能芯片指ECU(发动机)、TCU(变速箱)、VCU(整车)等各功能部件中负责具体控制功能的MCU(微处理器),承担着设备内多种数据的处理诊断和运算,通常有8位、16位、32位甚至64位等型号。

  随着汽车线控系统和舒适功能的普及,发动机、变速箱、EPS等设备的控制愈加精细化,电动座椅、智能灯光、远程车控等多元功能愈加集成,控制代码行数增加的同时对MCU计算响应速度的要求更高,促使汽车MCU的应用从8位、16位芯片向32位演进。

  除了功能增加和处理性能提升,MCU处理器对安全和可拓展性的要求越来越高。硬件、软件和开发工具的复用性变得更好,使得一级供应商和主机厂用户能够缩短开发时间,加快新产品上市。当前基于ARM Cortex的MCU方案是行业应用的主流。

  主控芯片指在智能座舱、自动驾驶等关键中承担核心处理运算任务的SoC(系统级芯片),按应用主要可分为车载SoC和车控SoC,内部集成了CPU、GPU、NPU、ISP等一系列运算单元。

  主控芯片在汽车计算中的核心地位和极高的技术水平要求使其成为汽车芯片的“价值皇冠”,受到传统汽车芯片厂商和ICT领域厂商竞相追捧,迎来技术和产业发展的巨大风口。

  CPU负责逻辑运算和任务调度;GPU作为通用加速器,可承担CNN/DNNd等神经网络计算与机器学习任务,将在较长时间内承担主要计算工作;FPGA作为硬件加速器,具备可编程的优点,在RNN/LSTM/强化学习等顺序类机器学习中表现优异,在部分成熟算法领域发挥着突出作用;ASIC可实现性能和功耗最优,作为全定制的方案将在自动驾驶算法成熟后成为最终选择。

  从发展历程来看,行业发展初期,各系统控制单元内的MCU各司其职,通过CAN总线、LIN总线和网关进行通讯交互,即可满足整车上各系统和设备的控制任务。

  随着车身控制、车载信息娱乐需求的提升,车机算力不断增长,座舱功能出现融合贯通,就需要专门的车机系统处理器,即车载SoC。

  ADAS和自动驾驶的发展促使人们将车辆运动控制权部分或全部交给计算机,车控SoC发展起来,进一步形成“MCU+车载SoC+车控SoC”的控制芯片格局。

  自动驾驶发展初期,主要以视觉感知为主,摄像头集成感知计算能力,如Mobileye的EyeQ1、EyeQ2芯片有效支撑基于视觉的ADAS功能开发,满足了众多主机厂对辅助驾驶的应用需求。

  随着传感器数量和种类逐渐增多,感知信息前端处理的计算方案已不符合信息融合需求和成本管控的愿望。于是,将不同功能的计算芯片集成到一块板子上,对各传感器的原始感知信息实行后端融合计算成为必然选择,充分实现了感知资源的共享。

  这种芯片选型灵活、配置可拓展、算力可堆砌的集中式计算受到众多车企和自动驾驶科技公司青睐。例如,率先实现L3级自动驾驶量产的

  没有这些不同功能特性芯片的支撑,自动驾驶就无从谈起。为此,芯片公司专注于在各自领域开发高算力的芯片,以满足海量计算需求,支撑自动驾驶神经网络层级越来越高,算法越来越庞大。

  英伟达DRIVE Orin、特斯拉FSD、华为昇腾等芯片已能在理论上支持L4级自动驾驶。真正单车无人驾驶的实现还有待自动驾驶芯片进一步发展。

  无论是自动驾驶还是智能座舱领域,功能集中已然成为行业发展趋势,在部分量产车型和各车企的规划中我们可以看到,汽车电子电气架构正在逐渐发生演变:ECU模块逐渐集成合并,形成集中化、标准化的DCU,分管各大汽车子系统,DCUs进一步融合,形成集中运算的车载计算平台。

  对于电子电气架构的最终形态,不同车企也有着不同的规划。不论是高度集中式还是分域式控制,除了网络拓扑的优化,企业统一的需求都是配备高算力、低功耗的智能化芯片。计算、传输、通信芯片的发展程度影响着车企对于车型架构的设计。

  华为依托昇腾、麒麟等芯片将整车运算和控制集中成智能座舱、整车控制、智能驾驶三个域,通过分布式网关方案搭建起“计算+通信”的CC架构,旨在赋能车企,帮助车企造好车。

  由于自动驾驶的技术方案和算法尚未定型,应用于自动驾驶的芯片构型也尚未固化,但汽车芯片作为汽车智能计算平台的核心硬件已成为行业共识。

  在芯片平台的硬件基础上,装载Hypervisor、Linux等内核系统,管理软硬件资源、完成任务调度。在AUTOSAR框架下开发拓展各项功能软件,调用处理传感器、执行器数据,执行自动驾驶算法,实现感知融合、决策规划、控制执行、HMI等各项应用功能。

  从英伟达、华为等ICT企业的芯片方案和各车企的应用情况来看,软件不再是基于某一固定硬件开发,而是具备可移植、可迭代和可拓展的特性。

  当软硬件接口协议达成统一的标准,在高算力通用主控芯片的基础上,传感器、执行器等外围硬件和功能软件的开发可实现充分解耦,大大增加了车型开发的灵活性。

  当芯片性能允许,利用OTA技术,软件可以持续迭代,例如特斯拉通过软件定义汽车的功能,已将Autopilot持续迭代到了V10版本,真正实现了软硬件解耦,持续优化车辆性能。

  从促进汽车行业整体升级来看,通用芯片是一大发展趋势,对于不具备芯片开发能力和适配能力的企业来说,大大节省芯片端的成本,车企和自动驾驶公司只需专注于面向用户的功能和算法开发即可。

  技术分工的变化将带来产业格局的转变。通过芯片或许能将汽车产业原本碎片化、具有高度壁垒的产业环节进行了重新洗牌,推动汽车供应链走向通用化、标准化。

  原本处于TIER 2环节的汽车芯片厂商,通过强化软硬件协同开发能力,实现芯片、系统软件、功能软件的全面整合,打造车载智能计算平台,兼容产业链上下游的多元需求,在智能网联时代将跃居产业核心地位。

  车载智能计算平台的基础上ICT企业进一步整合出行服务、移动应用、物联网、云计算等应用生态服务能力,或将改写汽车产业生态格局,如今已经看到华为、腾讯、百度等越来越多的ICT企业融入汽车产业链。

  这种趋势下,短期内整车企业将在零部件供应链获得更大的主动权,灵活比选零部件供应商。但长远来看,缺乏创新能力的整车企业是否会在新的产业格局中丧失话语权,沦为代工厂,将有待时间去验证。

  于是,特斯拉这样的领先企业带头做出改变。英伟达的通用芯片方案已经不能满足其自动驾驶技术进步的需求,基于其对应用场景的深刻理解,自研FSD芯片,实行软硬一体化开发能够使其长期保持行业领先地位。

  汽车智能化的浪潮推动汽车芯片蓬勃发展,芯片的发展定义着汽车智能化形态。未来智能汽车产业的竞争格局如何演变存在诸多不确定性,但可以肯定的是只有掌握芯片等底层核心技术,才能更好的建设上层应用,在激烈的市场竞争中脱颖而出。

免责声明:本站所有信息均搜集自互联网,并不代表本站观点,本站不对其真实合法性负责。如有信息侵犯了您的权益,请告知,本站将立刻处理。联系QQ:1640731186
  • 标签:机械定义汽车
  • 编辑:金泰熙
  • 相关文章
TAGS标签更多>>