智能汽车：算力现状、趋势及解决方案

传统功能汽车采用分布式电子电气架构，离散化的ECU软硬件紧耦合且各ECU之间独立性较强，硬件资源无法共享且形成数据孤岛，对用户新需求反馈的整体周期长达20个月以上，难以形成持续快速迭代的软件开发模式。

因此，软件定义汽车开发模式驱动整车电子电气架构由分布式向中央集中式演进，其核心是车载计算的集中化发展，高集成化的域控制器、车载中央计算平台是关键。

智能座舱是实现千人千面汽车驾乘体验的重心所在，新势力车企与领先自主品牌车企率先发力，“大屏化”、“多屏化”、“多模态交互”、“一芯多屏”成为座舱发展的热门趋势，伴随着传感器规模的增长与交互模式的复杂化，智能座舱对芯片的算力需求亦水涨船高。

座舱高算力需求驱动下，以高通第3代汽车数字座舱平台为代表的高性能处理器成为领先车企旗舰车型的主流选择，骁龙系列芯片加速上车。

在感知、交互、场景应用持续升级的背景下，座舱芯片需支撑大规模传感器数据处理、持续攀升的AI算法数量与海量应用软件服务，座舱数据量与处理需求将超过手机，算力需求飞速增长。作为操作系统级车联网解决方案供应商，梧桐车联认为座舱计算平台大算力发展已成必然趋势。大算力的座舱SoC芯片将减少组件数量，降低架构复杂程度，智能座舱计算平台将持续向集成式解决方案演进。

伴随着ADAS辅助驾驶功能在新车市场上渗透率的不断提升，新势力与领先自主品牌车企在智能驾驶领域的厮杀日益激烈，智能驾驶传感器配置走向“内卷”，以蔚来、小鹏、极狐为代表的车型更是率先宣布激光雷达量产上车。当前智能驾驶芯片市场呈现Mobileye与英伟达二分天下之势，以地平线、海思为代表的本土化芯片厂商凭借AI计算与大算力优势在自主品牌车企市场中占据一席之地，率先实现国产芯片量产上车。

为保证车辆在全生命周期内的持续软件升级能力，主机厂在智能驾驶上采取“硬件预置，软件升级”的策略，通过预置大算力芯片，为后续软件与算法升级优化提供足够发展空间。以蔚来、智己、威马、小鹏为代表的主机厂在新一代车型中均将智能驾驶算力提升至500~1000Tops级别。

对于L3级别及以上的智能驾驶系统而言，传感器数量的增加及分辨率的提升带来海量数据处理需求，算法模型的复杂程度亦大幅提升，驱动算力需求迅速增长。软硬件解耦的智能驾驶芯片是实现算法持续迭代升级的基础，以英伟达为代表的开放算法生态的芯片更受主机厂青睐。

以高通、英伟达为代表的国际芯片巨头在大算力芯片上具备绝对领先优势。以地平线、海思、黑芝麻智能、芯驰科技为代表的本土自主芯片厂商上发力追赶，在产品力上跻身领先梯队。芯片的绝对算力高低固然重要，但对于主机厂开发量产车型而言，芯片选择需兼顾算力、成本、功耗、易用性、同构性等多重因素。因此，如何在有限算力下帮助客户算法软件最高效地运行是衡量芯片厂商竞争力的核心标准。

大算力芯片的上车应用离不开车载计算平台的支撑。为支持并兼容L3及以上智能驾驶系统数量与类型繁多的传感器与执行器需求，车载计算平台多采用异构芯片硬件方案，以满足系统接口与算力需求。异构芯片硬件方案包括采用单板卡集成多种架构芯片的方案，以及采用同时集成多个架构单元的SoC芯片的方案。车载计算平台可通过提高单芯片算力、复制堆叠计算单元等方式实现算力的弹性拓展。

由于车载计算芯片仍在不断发展中，车载计算平台的异构芯片形态将长期存在。相较传统ECU，车载计算平台的复杂度呈数倍提升，面临功耗、散热、电磁、质量等多重挑战。此外，由于能效比、工艺制程以及芯片堆叠带来的功耗、散热与成本挑战，车载计算平台算力存在物理上限。

超星未来核心产品包括：NOVA-Box 自动驾驶计算平台、NOVA-X 自动模型优化工具链、NOVA-3D点云算法优化加速与部署工具、NOVA-IP面向自动驾驶域的定制加速IP库、NOVA-Drive高可靠性中间件、NOVA-Auto自动驾驶框架、NOVA-AI自动驾驶核心算法模型等。

超星未来已与赛灵思、德赛西威、英恒科技、宇通客车、陕汽商用车、普渡机器人、奇瑞、文远知行等一线汽车供应商、主机厂、机器人和自动驾驶公司建立战略合作关系。

根据信息处理的抽象程度，多传感器信息融合可分为数据级、特征级、决策级三种解决方案。通过传感器芯片化与多传感器信息特征融合解决方案的结合，在传感器端完成原始数据的特征提取，在车载计算平台完成特征数据融合、识别判断和决策，可有效缓解车载计算平台计算负载。

随着车规级芯片制程的逐步突破，受限于车端物理环境，芯片制程将到达极限，摩尔定律下单芯片算力增长难以持续，车端算力终将到达物理上限。为满足智能座舱与智能驾驶的持续深化发展，智能汽车算力供给模式将走向“云-网-边-端”融合计算，实现算力供给的弹性拓展。

通过云端、通信网端、边端、车端的连接融合，可建立一个充满计算和通信能力的环境，形成智能汽车算力服务网络。新的计算架构下，5G+V2X提供更高效的通信管道，云端、边端、车端之间可实现近实时的数据交互。智能汽车与边缘计算节点实现协同感知和计算任务协同，具备低时延、本地数据脱敏处理等优势，车载计算平台聚焦现场级计算需求，云计算则聚焦非实时的大体量数据分析与算法训练。