導(dǎo)讀:汽車芯片正從MCU芯片,進化至SoC芯片。自動駕駛SoC,自動駕駛競賽的制高點。
一、汽車半導(dǎo)體的概念,什么是汽車芯片?
汽車半導(dǎo)體概念寬廣,在汽車電動化、智能化、網(wǎng)聯(lián)化、共享化等各領(lǐng)域發(fā)揮重要作用,其按照功能分為汽車芯片、功率器件、傳感器等。
其中芯片又稱為集成電路,集成度很高;人們常說的汽車芯片是指汽車里的計算芯片,按集成規(guī)模可分為MCU芯片和SoC芯片。而功率器件集成度較低,屬于分立器件,主要包括電動車逆變器和變換器中的IGBT、MOSFET等。傳感器則包括智能車上的雷達、攝像頭等。
汽車SoC芯片:Mobileye(英特爾)、英偉達、高通、華為、地平線、黑芝麻等;
汽車MCU芯片:恩智浦、英飛凌、瑞薩、意法半導(dǎo)體、德州儀器、博世、安森美、微芯等;
汽車功率器件:英飛凌、安森美、意法半導(dǎo)體、CREE、比亞迪、中車時代電氣等。
二、汽車芯片正從MCU芯片,進化至SoC芯片
MCU芯片是指微控制單元,又稱單片機,一般只包含CPU這一個處理器單元;MCU=CPU+存儲+接口單元;而SoC是系統(tǒng)級芯片,一般包含多個處理器單元;如SoC可為CPU+GPU+DSP+NPU+存儲+接口單元。
隨著全球汽車消費升級,汽車電子化趨勢處于快速增長,全球汽車搭載的電子控制單元ECU數(shù)量持續(xù)增加,一般都是MCU芯片。汽車電子化需求及汽車MCU行業(yè)格局,導(dǎo)致汽車MCU芯片短中期出現(xiàn)了短缺。
汽車智能化趨勢:一是智能座艙,二是自動駕駛,對汽車的智能架構(gòu)和算法算力,帶來了數(shù)量級的提升需要,推動汽車芯片快速轉(zhuǎn)向搭載算力更強的SoC芯片。
隨著汽車電子化加速滲透,汽車電控需求快速上升,因此汽車MCU芯片仍處于供不應(yīng)求格局,在疫情影響大背景下,這一問題顯得更為突出。
由于全球汽車MCU芯片,處于恩智浦、英飛凌、瑞薩等為代表的群雄割據(jù)競爭格局。而芯片與車廠的深度綁定,導(dǎo)致個性化定制和外部代工,加劇了供應(yīng)鏈的擴產(chǎn)難度。比如:瑞薩與豐田、英飛凌與德系等。
目前處于成熟制程的MCU芯片短缺,由多種原因造成:
①新冠疫情+日本地震+德州暴風(fēng)雪+中國臺灣缺水。
②全球70%以上的汽車MCU生產(chǎn)來自于臺積電,而臺積電的汽車芯片代工收入2020年占比僅為3%,MCU處于20~45nm的成熟制程(高端自動駕駛SoC芯片需要更先進的7nm制成),代工利潤低,沒有擴產(chǎn)動力,導(dǎo)致MCU產(chǎn)能吃緊。
③上游設(shè)備商亦因利潤較低而較少生產(chǎn)成熟制成的生產(chǎn)設(shè)備,生產(chǎn)設(shè)備難補充。
④疫情期間消費電子銷售爆發(fā)導(dǎo)致的產(chǎn)能擠壓。
三、汽車智能化,智能座艙帶動SoC芯片先行
汽車中智能座艙和自動駕駛是SoC芯片的兩大應(yīng)用方向。
與自動駕駛芯片相比,智能座艙芯片相對容易打造。即便芯片完全失靈,也不會威脅司機和乘客的生命安全,過車規(guī)難度較低。在智能汽車芯片”戰(zhàn)爭”中,智能座艙芯片是“前哨戰(zhàn)”,自動駕駛芯片才是“戰(zhàn)事中的制高點”。
未來智能座艙所代表的“車載信息娛樂系統(tǒng)+流媒體后視鏡+抬頭顯示系統(tǒng)+全液晶儀表+車聯(lián)網(wǎng)系統(tǒng)+車內(nèi)乘員監(jiān)控系統(tǒng)”等融合體驗,都將依賴于智能座艙SoC芯片。
智能座艙芯片的市場主要競爭者有消費電子領(lǐng)域的高通、英特爾、聯(lián)發(fā)科等,主要面向高端市場;此外還有NXP、德州儀器、瑞薩電子等傳統(tǒng)汽車芯片廠商,其產(chǎn)品主要面向中低端市場。
目前國內(nèi)大部分車型搭載座艙域控制器芯片以德州儀器的Jacinto6和NXP的i.mx6 等上一代產(chǎn)品為主。國內(nèi)新入局的競爭者主要有華為(與比亞迪合作開發(fā)麒麟芯片上車)、地平線(長安UNI-T、理想ONE的智能座艙基于征程2芯片)。
自動駕駛,推動“架構(gòu)變革+算力提升”,帶來SoC芯片爆發(fā)增長
傳統(tǒng)汽車分布式E/E架構(gòu)下ECU(Electronic Control Unit)控制單一功能,用MCU芯片即可滿足要求。隨著汽車電子化自動化程度提升,車載傳感器的數(shù)量持續(xù)增加,傳統(tǒng)的分布式架構(gòu)出現(xiàn)瓶頸:
1)ECU算法只能處理指定傳感器的數(shù)據(jù),算力不能共享;
2)分布式架構(gòu)新增傳感器和ECU的同時,需要在車體內(nèi)部署大量通信總線,增加裝配難度和車身重量;
3)車內(nèi)ECU來自于不同的供應(yīng)商,開發(fā)人員無法實現(xiàn)統(tǒng)一化編程和軟件升級,無法實現(xiàn)整車OTA。
汽車域集中架構(gòu)下的域控制器(DCU)和中央集中式架構(gòu)下的中央計算機需要SoC芯片。隨著智能網(wǎng)聯(lián)汽車時代的到來,以特斯拉為代表的汽車電子電氣架構(gòu)改革先鋒率先采用中央集中式架構(gòu),即用一個電腦控制整車,并可以很好地實現(xiàn)整車OTA軟件升級。全球范圍內(nèi)各大主機廠均已認識到汽車控制集中化的大趨勢,雖不同主機廠對控制域的劃分方案不同,但架構(gòu)向域控制/集中式控制的方向相同。域控制器集成前期的諸多ECU的運算處理器功能,因此相比ECU其對芯片算力的需求大幅提升,計算芯片相應(yīng)需要用到算力更高的SoC芯片。
四、自動駕駛SoC:自動駕駛競賽的制高點
處理器芯片是MCU/SOC芯片的計算核心:分為CPU、GPU、DSP、ASIC、FPGA等多種。一般MCU芯片中只有CPU,SoC芯片則中除CPU之外還會有其他種類的處理器芯片。
CPU、GPU、DSP都屬于通用處理器芯片:
CPU是中央處理器,擅長處理邏輯控制。對CPU進行優(yōu)化調(diào)整,發(fā)展出善于處理圖像信號的GPU和善于處理數(shù)字信號的DSP。
ASIC是專用處理器芯片,F(xiàn)PGA是“半專用”處理器芯片。EyeQ(Mobileye)、BPU(地平線)、NPU(寒武紀等)等專門用來做AI算法的芯片(又稱AI芯片)則屬于專用芯片(ASIC)的范疇。FPGA是指的現(xiàn)場可編程門陣列,是”半專用”芯片,這種特殊的處理器具備硬件可編程的能力。
自動駕駛SoC芯片:“CPU+XPU”架構(gòu),XPU有多種選擇
自動駕駛芯片是指可實現(xiàn)高級別自動駕駛的SoC芯片,通常具有”CPU+XPU”的多核架構(gòu)。L3+級的車端中央計算平臺需要達到500+TOPS算力,只具備CPU處理器的芯片不能滿足需求。自動駕駛SoC芯片上通常需要集成除CPU之外的一個或多個XPU來做AI運算。用來做AI運算的XPU可選擇GPU/FPGA/ASIC等。
GPU、FPGA、ASIC在自動駕駛AI運算領(lǐng)域各有所長:CPU通常為SoC芯片上的控制中心,其優(yōu)點在于調(diào)度、管理、協(xié)調(diào)能力強,但CPU計算能力相對有限。而對于AI計算而言,人們通常用GPU/FPGA/ASIC來做加強:
1)、GPU適合數(shù)據(jù)密集型應(yīng)用進行計算和處理,尤其擅長處理CNN/DNN等和順序無關(guān)的圖形類機器學(xué)習(xí)算法。
2)、FPGA則對于RNN/LSTM/強化學(xué)習(xí)等有關(guān)順序類的機器學(xué)習(xí)算法具備明顯優(yōu)勢。
3)、ASIC是面向特定用戶的算法需求設(shè)計的專用芯片,因“量身定制”而具有體積更小、重量更輕、功耗更低、性能提高、保密性增強、成本降低等優(yōu)點。
目前市場上主流的自動駕駛SoC芯片處理器架構(gòu)方案(或稱技術(shù)路線)有以下三種:
①英偉達、特斯拉為代表的科技公司,所用售賣的自動駕駛SoC芯片采用CPU+GPU+ASIC方案。
②Mobileye、地平線等新興科技公司,致力于研發(fā)售賣自動駕駛專用AI芯片,采用CPU+ASIC方案。
③Waymo、百度為代表的互聯(lián)網(wǎng)公司采用CPU+FPGA(+GPU)方案做自動駕駛算法研發(fā)。
方案①:英偉達和特斯拉的“CPU+GPU+ASIC”方案
英偉達Xavier以GPU為計算核心:主要有4個模塊: CPU,GPU,Deep Learning Accelerator(DLA)和Programmable Vision Accelerator(PVA)。占據(jù)最大面積的是GPU,接下來是CPU,最后輔以兩個ASIC:一個是用于inference的DLA,還有一個是加速傳統(tǒng)CV的PVA。
特斯拉FSD以NPU(一種ASIC)為計算核心:有三個主要模塊:CPU,GPU和Neural Processing Unit(NPU)。其中最重要也是面積最大的就是特斯拉自研的NPU(屬于ASIC),主要用來運行深度神經(jīng)網(wǎng)絡(luò)。GPU主要是用來運行deep neural network的 post processing部分。
方案②:Mobieye EyeQ5的“CPU+ASIC”架構(gòu)
EyeQ5主要有4個模塊:CPU,Computer Vision Processors(CVP), Deep Learning Accelerator(DLA)和 Multithreaded Accelerator(MA)。其中CVP是針對很多傳統(tǒng)計算機視覺算法設(shè)計的ASIC。從公司成立開始Mobileye就是以自己的CV算法而聞名,同時因為用專有的ASIC來運行這些算法而達到較低功耗而聞名。
地平線自主設(shè)計研發(fā)了AI專用的ASIC芯片:Brain Processing Unit(BPU),可提供設(shè)備端上軟硬結(jié)合的嵌入式人工智能解決方案。基于BPU的征程2芯片可提供超過 4TOPS的等效算力,典型功耗僅2瓦,能夠高效靈活地實現(xiàn)多類 AI 任務(wù)處理,對多類目標進行實時檢測和精準識別。征程2充分體現(xiàn)了BPU架構(gòu)強大的靈活性,全方位賦能汽車智能化。
谷歌Waymo采用”CPU+FPGA”方案:Waymo的計算平臺采用英特爾Xeon12核以上CPU,搭配Altera的Arria系列FPGA,并采用英飛凌的Aurix系列MCU作為CAN/FlexRay網(wǎng)絡(luò)的通信接口。
其中Arria系列FPGA在未來自動駕駛算法固化后有可能被專用ASIC替代。
“CPU+ASIC”方案將成為未來商業(yè)化主流
業(yè)內(nèi)認為在自動駕駛算法尚未成熟固定之前,CPU+GPU+ASIC的架構(gòu)仍然會是主流。在自動駕駛算法完全成熟之后,定制批量生產(chǎn)的低功耗低成本的專用自動駕駛AI芯片(ASIC)將逐漸取代高功耗的GPU,CPU+ASIC架構(gòu)將成為主流。
GPU本為支撐大型電腦游戲的圖像處理而設(shè)計,適合用于機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練。但GPU缺點是功耗大、計算能耗比低。計算能耗比方面,ASIC>FPGA>GPU> CPU。專用AI芯片(ASIC)針對AI算法采取特殊設(shè)計,具有體積更小、功耗更低、可靠性更高、性能更高的優(yōu)點。缺點是一次研發(fā)費高、周期長。
FPGA適合做算法的開發(fā)測試,不具備量產(chǎn)成本優(yōu)勢。FPGA開發(fā)的人工智能處理器具有高性能、低能耗、可硬件編程的特點,但FPGA在大規(guī)模量產(chǎn)方面不具備成本優(yōu)勢。故前采用CPU+FPGA方案的主要為百度、Waymo等專注于自動駕駛算法軟件開發(fā)的公司。
參考文獻:中金公司分析報告
文章來源于阿寶1990 ,作者阿寶1990