从 L1~L5 自动驾驶芯片发生了哪些变化？

2018年，汽车行业“缺芯”潮来得猝不及防，而后波及所有电子元器件品类，自此汽车电子“一芯难求”成为街头巷尾热议的话题。今天，我们看到经过几年的上游扩产，叠加近期汽车终端市场的不景气因素，缺芯现象得到明显缓解，仅剩下少部分主控芯片依旧维持长交付周期的状态。

汽车电动化、智能化下的增量市场相当可观

回顾过去，真的只是电子供应链市场周期性波动带来的“缺芯”问题吗？回答是否定的，究其最深层的原因，还是汽车电动化、智能化趋势下电子电气架构变革带来的增量市场上升速度太快，导致车规级芯片市场供不应求，从而产生“缺芯+涨价”的应激反应。

图片来源：包材网

汽车芯片主要分为功能芯片、功率器件和传感器三大类。在传统燃油车中，平均芯片搭载量约为500-600颗/辆，而随着前面提到的汽车电动化、智能化的演进，平均芯片搭载量已提升至1000颗/辆，在新能源车中更是超过了2000颗/辆，未来随着电车智能化的升级，还有望提升至3000颗/辆，甚至更多。

L2/L2+是短期内的行业共识

作为汽车智能化的核心，近年来自动驾驶技术的发展非常迅速。当前，部分汽车厂商已经推出了具备L2级别自动驾驶功能的车型，比如特斯拉 Model S、广汽新能源 Aion S、小鹏 G3、蔚来ES8、一汽大众探岳、长安CS75、WEY VV6、吉利缤瑞等。

那么，到底什么是L2级别自动驾驶呢？事实上，市面上有两套自动驾驶分级标准，分别是2014年国际汽车工程师学会（SAE）首发的《SAE J3016推荐实践：道路机动车辆驾驶自动化系统相关术语的分类和定义》，简称《SAE驾驶自动化分级》；以及 2021 年我国国家市场监督管理总局出台的《汽车驾驶自动化分级》国家标准（标准号：GB/T 40429-2021）。两者的区别在于国家市场监督管理总局、国家标准化管理委员会将L1至L2级别统称为辅助驾驶，L3至L5级别统则称为自动驾驶。下面，我们以国际标准为例来具体介绍一下。

在《SAE 驾驶自动化分级》标准中，自动驾驶被分为L0级~L5级：

●  L0级：无自动化，纯人工驾驶；

●  L1级：驾驶支持，以人工操控为主，系统提供适时辅助，常配有制动防抱死系统、车身电子稳定系统等；

●  L2级：部分自动化，虽然自动驾驶系统能够完成某些驾驶任务，但驾驶者仍需专心于路况，当系统出现差错时需要人为进行纠正，常配有自适应巡航系统、主动车道保持系统、自动刹车辅助系统和自动泊车系统等；

●  L3级：有条件自动化，某些特定场景下的自动驾驶，车辆自动驾驶系统的优先级高于驾驶员，但是驾驶员可以通过紧急按钮随时取得车辆的控制权，如交通拥堵路段的自动跟车行驶、远程倒车入库等，以在公用路面上完成L3级别的自动驾驶车辆奥迪A8为例，其搭载了24个感应器和41种驾驶辅助系统软件；

●  L4级：高度自动化，在规定的道路和环境中，车辆自动驾驶系统能够自主完成所有的驾驶操作，具备完全处理紧急情况的能力，驾驶员可以做自己想做的事情，如果出了事，责任将全部归属厂商，方向盘、油门、刹车等装置也或被取消；

●  L5级：完全自动化，在所有道路和条件下，自动驾驶系统都能够完成驾驶任务，应对任何工况，驾驶员全程无需干预，此时也不再有驾驶舱的概念，汽车更像是一个智能机器人。

事实上，在2022年之前，全球汽车产业链上的企业对目标场景并没有那么清晰，所以总希望通过算力抬升来实现硬件冗余。而今天当自动驾驶往高阶发展，从L2开始逼近L3，甚至再往上走，技术和产品批量落地面临的最大挑战是需求侧的承受能力，这正在倒逼车厂进行新一轮的成本管控下的系统优化。通过实践证明，这两年L2、L2+级别的自动驾驶将成为车厂标配，这一趋势已形成行业共识。

“大芯片”逐渐成为标配

随着自动驾驶技术的不断演进，不仅车载芯片的数量在逐步增加，在跨域集中式和中央计算式架构中，大芯片正在成为标配，芯片设计的复杂性急剧升高。

2014年~2018年间仍以分布式E/E架构为主，跨域集中式架构刚起步，主流玩家Mobileye、英伟达和瑞萨、TI等传统MCU厂商的上车智驾芯片算力大都在10TOPS以下，如牢牢占据L1~L2级别视觉ADAS芯片市场的Mobileye EyeQ3/Q4的算力仅为0.256TOPS和2.5TOPS。

不过也有特殊的，比如2016年搭载于特斯拉HW2.0平台的英伟Tegra Parker SoC算力就提高到了24TOPS，同时把GPU路线的自动驾驶SoC正式推向市场。

2019年~2023年间跨域集中式架构发展提速，英伟达开始引领高算力市场，相关电子供应链结构同步发生转变，除了英伟达外，特斯拉自研FSD芯片崛起，国产品牌地平线、黑芝麻、芯驰等抓住国产替代窗口开始发力。此时，智驾芯片面向应用场景和汽车终端产品定位出现算力需求分化，行业形成共识，L2/L2+级别自动驾驶在短期内更具商业落地价值，纷纷发力抢占市场。

图片来源：摄图网

值得一提的是，在L2/L2+级别的中高算力自动驾驶市场中，算力需求已经达到了30TOPS~1000TOPS这个范围，比如2020年英伟达发布的针对L2级别市场的Xavier芯片，已上车小鹏P7/P5等车型，算力为30TOPS；2022年地平线发布的J5芯片，已上车理想、比亚迪、蔚来旗下阿尔卑斯、哪吒等车型，算力为128TOPS；同年英伟达又针对L2+级别高阶辅助驾驶车型推出Orin芯片，成为主机厂合作的王者，算力为256TOPS。根据业内人士反馈，Orin芯片的出现给 Mobileye、地平线、高通、黑芝麻智能、寒武纪等自动驾驶芯片企业带来了空前压力。

EDA 助力汽车芯片厂商实现优势

对于这些大芯片设计厂商而言，如何缩减上市时间取得先发优势，在提高算力、安全等级的同时，改善芯片的PPA（功耗、性能和面积），成为共同的追求目标。

传统的EDA工具常使用“经验法则”，需要设计人员根据直觉和经验进行优化，这种建模和仿真技术存在很多局限性，包括：无法从以前的设计中汲取经验，导致生产力受限且设计不够准确；多次迭代导致设计时间增加；HLS 通常需要更多的时间来完成综合；布局和布线取决于设计师的预测/经验，会增加运行时间；就时间和资源而言，制造成本高昂等。与此同时，车规级芯片的质量在很大程度上取决于底层半导体技术和设计规则，因此对EDA又提出了更高的要求。

所以对于一颗车规级大芯片而言，为了确保设计的正确性，必须在生产制造前进行大规模的仿真和验证，而芯片的算力规模越大、集成度越高，仿真验证的过程就会越复杂，设计人员需要更快地实现收敛和验证，来降低成本并提高结果质量。

同时，传统的随机/自动测试模式生成（ATPG）方案在故障覆盖率方面已经不能满足实际需求。因此，将AI和EDA融合是大势所趋。

Cadence作为EDA领域的深耕者和领导者，可以提供汽车智能设计所需的全部EDA工具、设计流程等，帮助工程师加速自动驾驶设计。同时，通过将 AI/ML功能融入现有的EDA工具中，能够从手动到完全自动化不同等级产生更好、更可预测的结果，助力汽车厂商利用多学科分析和优化（MDAO）技术提高整体设计，从而实现更快速、更优质的结果，系统的精确行为建模也提高了产品保真度和安全性。

写在最后
汽车产业的变革还在继续，芯片和电子系统的重要性只会越来越高。不可否认的是，在克服未知挑战的路上缺少不了整个产业链的通力合作，而EDA和IP将是贡献者链路上重要的一环。

来源：荣格-《国际汽车设计及制造》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。