1 ADAS/AD概述

智能化是實現汽車作為人們第三生活空間這一目標的重要技術路徑，當前汽車智能化主要有兩大發展方向：駕駛自動化和座艙智能化。自動駕駛（ADAS/AD）的使命是將人的腳（縱向控制）、手（橫向控制）、眼（感知）和腦（決策）等從駕駛任務中解放出來。人的精力被釋放出來后，進一步促進了人在汽車內辦公、休閑和娛樂的需求，這些需求推動了汽車座艙的數字化、信息化以及新興的人機交互模式等技術的蓬勃發展，這也就是“智能座艙（Intelligent Cockpit）”技術。

目前自動駕駛技術在全球范圍內已經進入快速發展期。隨著搭載L1/L2級別ADAS功能的汽車進入大規模量產，L1/L2級別ADAS功能的市場滲透率將快速提升。而L3/L4級別自動駕駛系統仍處于小規模原型測試階段。當今的自動駕駛行業，中國市場絕對是主力。今年中國L2的搭載量預計突破80萬，中國品牌占據絕大部分份額。

ADAS功能市場滲透率的快速提升來自幾個方面的驅動力：

1. ADAS相關的軟硬件技術越來越成熟和穩定，成本也越來越低。比如：毫米波雷達跟五年前相比下降了超過50%。

2. 一些基本的ADAS功能（比如：自動緊急剎車AEB）被納入到了各國的汽車評測體系（比如：C-NCAP）中，這在客觀上極大的推動了這些ADAS功能的普及。

3. 中低端車競爭加劇，ADAS功能可以有效地提升品牌的科技感和駕車體驗，造成主流合資品牌和自主品牌的重點車型甚至超過了一些國際上的高端品牌。

未來中國市場ADAS功能的滲透率還將持續快速提高，中低端汽車所配置的ADAS功能將逐步增多。根據艾瑞咨詢研究報告顯示，預計2025年ADAS功能在乘用車市場可以達到65%左右的滲透率。L3級別的高速自動領航HWP功能和L4級別的AVP自動泊車功能，目前車型滲透率較低，未來提升空間較大。

圖3-1 ADAS功能市場滲透率預測

1.1 ADAS/AD功能匯總

目前行業內的ADAS系統實現了很多輔助駕駛的功能，總體上這些功能按照用途可以分為這么幾類：主動安全功能、舒適性輔助駕駛功能、泊車輔助功能和監督/無監督自動駕駛功能等。

通常，L0-L2級自動駕駛，習慣用ADAS表征；L2+級自動駕駛，用ADAS/AD表征，以示過渡；L3-L4級自動駕駛，用AD表征。

1.2 ADAS/AD系統架構

智能駕駛系統本質上就是要解決三個問題：1）我在哪？2）我去哪？3）我該如何去？基于這樣一個系統模型，典型的智能駕駛系統或者自動駕駛系統通常由三部分組成：

1. 環境感知：感知系統依靠各種傳感器（包括：攝像頭、毫米波雷達、超聲波雷達、激光雷達、高精地圖/IMU/GPS等）來獲取汽車所處環境信息和周邊車輛、行人、交通信號燈和路標等信息，為汽車的綜合決策提供數據支撐，解決“我在哪”的核心問題。

2. 決策規劃：通過環境感知的結果進行數據融合，結合高精地圖數據確定合適的工作模型，決定相應的軌跡規劃方案，以達到替代人類作出駕駛決策的目的，將智能汽車以擬人化的方式融入整個交通流當中，解決“我去哪”的核心問題。

3. 控制執行：也就是對一個具體的最小決策規劃結果的實際執行，從而達到規劃的目的。具體在車上，通常體現為通過各種控制理論和算法來控制車輛的驅動、制動和轉向系統，從而實現車輛的橫向及縱向控制，使汽車精準地按照決策規劃實現有效的避讓、減速、車距保持、轉向等動作，解決“我該如何去”的核心問題。

圖3-2 典型自動駕駛系統的系統模型

2 ADAS/AD感知系統

自動駕駛的感知系統其實包括：環境感知、車輛自身狀態感知以及車輛定位等幾大模塊。傳感器是車輛感知系統收集環境信息、車輛自身狀態信息和位置信息等的重要手段。自動駕駛車輛所配備的傳感器可以分為三類：

車輛自身狀態感知傳感器（簡稱：自感知傳感器）：自感知使用本體感應傳感器來測量車輛的當前狀態，包括：車輛的速度、加速度、橫擺和轉向角等。本體感應西西里通常使用預先安裝的測量單元來獲取信息，比如：里程表、慣性測量單元（IMU）、陀螺儀（Gyroscopes）和來自控制器局域網（CAN）總線的信息。

定位傳感器（Localization）：定位傳感器使用GPS等外部傳感器（Exteroceptive Sensor）或慣性測量單元讀數的航位推算進行定位，可以確定車輛的全球和本地位置。車輛高精度定位通常會基于多個傳感器信息的組合來進行，比如：GPS、IMU、里程表和攝像頭等。對多個傳感器的數據融合可以最大限度減少單個傳感器的局限性和缺點，提高定位的精度和可靠性。

環境感知傳感器（Surrounding-sensing）：環境感知傳感器主要有攝像頭、超聲波雷達、毫米波雷達和激光雷達等四種。

環境感知系統依靠這些環境感知傳感器來采集車輛所處環境信息數據，并對其進行一些列的計算和處理，從而對周圍環境進行精確建模，其輸出結果是一個環境模型。所謂環境模型是指車輛外部物理世界的數字表示，它包括道路、要避開的物體（比如：其它車輛、易受傷害的道路使用者等）以及可駕駛的“自由空間（Freespace）“的表示。

不同傳感器特點各異

不同的傳感器由于其工作原理不同，因此具有不同的特性。主機廠為了保證ADAS感知系統的冗余和魯棒性，通常會采取多種傳感器融合的配置方案。下表總結了ADAS系統中常見的各類傳感器的特點：

傳感器類別	優點	缺點	探測范圍	功能
攝像頭	對物體集合特征、表面紋理等信息進行識別，通過算法實現對障礙物的探測。技術成熟、成本低	受光照強度變化影響大，容易收到惡劣天氣干擾	最遠可超過500米	障礙物識別、車道線識別、輔助定位、道路信息讀取、地圖構建等
毫米波雷達	對煙霧、灰塵等穿透力強，抗干擾能力較強、對相對速度、距離和角速度的測量準確度高	測量范圍相對激光雷達更窄，難以識別大小和形狀	15-250米	障礙物探測
超聲波雷達	技術成熟、成本低、受天氣干擾小，抗干擾能力強	測量精度差、范圍小、距離近	小于10米	障礙物探測
激光雷達	精度高、探測范圍較廣、克構建測量周圍環境3D模型	容易收到雨雪、大霧等天氣影響，技術程度低，成本高	小于300米	障礙物探測識別、輔助定位、地圖構建
衛星+慣導	通過對衛星三角定位和慣性導航進行結合實現車輛精確定位	容易受到城市建筑、隧道等障礙物的干擾使得車輛精度大打折扣	高精度定位保持窄10米內	車輛導航、定位

2.1 ADAS系統傳感器布局方案

主流的ADAS系統從L0級別發展到目前的L2+級別，技術方案已經發生了巨大的變化，從早起的分布式智能傳感器方案演變到現在基于ADAS域控制器的ADAS域集中式方案。相應的傳感器布局也有了很大的變化。

下面是常見的一些ADAS傳感器布局中的術語簡稱：

FCM：Front Camera Module，前視攝像頭總成，有單目（Mono）、雙目（Stereo）、雙焦（Bi-Focals）和三焦（Tri-Focals）4種形態。

FCR：Front Central Radar，前雷達模塊，有MRR (中距，Mid-Range Radar) 和 LRR (長距,Long-Range Radar) 2種形態。一般1R1V方案（后續會詳細解釋該方案）中常選擇MRR作為前雷達模塊，5R1V方案中，常選擇LRR作為前雷達。

SRRs：Side-Rear Radars，側后雷達模塊（左、右，一般左master右slave），有SRR (短距Short-Range Radar) 和MRR (中距Mid-Range Radar) 2種形態；SRR常為24G毫米波，MRR常為77-79G毫米波。這里SRR縮寫就有兩個含義，可能是指側后雷達模塊，也可能是指短距離毫米波雷達，因此加s區分側后雷達模塊（SRRs）。

USS：Ultra Sonic Sensor，超聲波雷達傳感器。

早期的L0-L2級別的ADAS系統是由幾個互相獨立的子系統組成的，每個子系統實現相應獨立的ADAS功能，因此也稱為分布式的ADAS系統方案。

圖3-3 早期的L0-L2級別的ADAS系統實現方案

前向ADAS系統：一般由單FCR，或者單FCM組成；當前主流配置是FCR+FCM組成的1R1V方案，能夠支持到TJA/ICA的L2 ADAS（單車道駕駛輔助）。后續伴隨視覺檢測能力的提高，在L0-L2級ADAS/AD定位的車型上，有向單FCM發展趨勢，因為車道線等橫向控制所需感知信息，只有視覺能提供；省掉雷達能降低系統成本。

側后ADAS系統。一般由側后方兩個SRRs組成，實現大部分側后向ADAS功能。

自動泊車系統。即泊車控制器+12顆超聲波傳感器（USS）組成的APA（自動泊車輔助）系統；實現功能主要是APA和FAPA等。

全景環視系統。即由全景環視控制器（實際現在該控制器目前已很少見，該零部件實體已經被吸收合并到其他控制器節點上了；主要由車機、泊車控制器或者域控制器所取代）+ 四個魚眼攝像頭組成。實現AVM功能（Around View Monitoring，環視監控）。

其中，前兩個系統常稱之為行車ADAS系統（Driving ADAS System），有時候這種行車ADAS方案也常被稱作3R1V方案，3 Radar 1 Vision方案；后兩個常稱之為泊車ADAS系統（Parking ADAS System）。

到L2+級別的ADAS系統，集成度更高、性能更強大的ADAS域控制器整合了原來分散的ADAS子系統，原本分散系統所獨占的傳感器數據可以被多個ADAS功能所復用。

L2+級別的ADAS系統主要有兩大類：1）多雷達域集中式方案，主要是5雷達方案，常見的有5R1V、5R2V、5R5V等方案；2）多視覺的域集中式方案，是指基于多雷達方案的繼續演進，形成多視覺感知+雷達冗余感知的系統，比如5R12V方案。

下圖是L2+級別ADAS/AD系統最大化的傳感器架構方案——5R-12V-12USS方案。這個傳感器布局架構的上限就是“堅決不上激光雷達”。只要上了激光雷達（一般是前向激光雷達），就到了L3級AD系統的傳感器架構；

圖3-4 L2+級別ADAS系統的終極傳感器布局架構

前視主攝像頭（Main Camera, x1）：主攝像頭在L0-L2階段對應FCM總成，即單目前視方案；在L2+域控方案中，作為dummy Camera,采用LVDS與域控制器連接。常見的HFOV（水平視場角，Horizontal Field Of View）主要有30° - 50° - 60° - 100° - 120°等核心設計值，一般較為圓整化。實際工程實現值，會根據具體光學鏡頭的不同，有48°/52°（設計值50°）、28°（設計值30°）等規格。攝像頭色彩矩陣（Patten）通常為RCCB或RCCC，有向RYYCy發展的趨勢。RYYCy沒有Clear，色彩信息未丟失，可以保證色彩還原性能。檢測距離150-170米。

前視窄角攝像頭（Narrow Camera, x1）：30°左右的前視攝像頭，用來觀察紅綠燈/車輛/行人等關鍵目標。一般與前視主攝像頭會采用相同的圖像傳感器（比如同為1.3MP，或同為2MP，甚至同為8MP的Image sensor），縮小FOV后，像素密度變大，檢測距離相對Main Camera更遠；Patten常為RCCB或RCCC。檢測距離250米。

前視廣角攝像頭（Wide Camera, x1）：HFOV約140°，類似特斯拉的三焦視攝像頭中的廣角攝像頭。在上了8MP攝像頭后，Main Camera的FOV都能達到120°了，Wide Camera可能就不需要了。

側前(左右兩顆)攝像頭（Corner Camera, x2）：HFOV約70°-80°，后續會升級到約100°；類似特斯拉的B柱攝像頭，向側前方看，主要關注近距離車輛cut-in和自車變道需求。Patten常為RCCB或RCCC。

側后(左右兩顆)攝像頭（Wing Camera，x2）：HFOV約80°-90°，后續可能會統一到100°。Patten常為RCCB或RCCC；關注側邊和側后方目標，滿足變道需求。

后視攝像頭（Rear Camera）：同前向Main Camera，用于后方目標檢測。

以上這些攝像頭，也常稱為Driving Cameras（行車攝像頭，多用于行車功能）。

前向魚眼攝像頭（Front Fisheye Camera）：魚眼環視攝像頭之一，用于全景環視功能的Display（給人看的，顯示功能，HMI），以及融合泊車功能的視覺Detection（給“車”看的，視覺感知，目標檢測）；常用色彩矩陣為RGGB，因為有色彩還原需求。若使用8MP攝像頭，并使用像素合并技術降低到2MP使用，則可以選擇RYYCy。

左側魚眼攝像頭（Left Fisheye Camera）：同上。

右側魚眼攝像頭（Right Fisheye Camera）：同上。

后向魚眼攝像頭（Rear Fisheye Camera）：同上。

以上這四顆魚眼攝像頭，也常稱為Parking Cameras（泊車攝像頭，多用于泊車功能）；當然L2+階段各個傳感器不斷融合，目前Driving Camera和Parking Camera的界限已經漸漸模糊了。泊車功能也常用前視攝像頭做記憶泊車（MPA，Memory Park Assist）；行車功能也常用側邊魚眼攝像頭檢測車道線做safety stop。

除以上視覺傳感器，還有很多主動型傳感器：

前向毫米波雷達（Front Central Radar）：一般為LRR（Long-Range Radar），負責前方目標檢測，具備良好的測距測速性能，也不容易被遮擋；

側前角雷達（Side-Front Radar, SFR x2）和側后角雷達（Side-Rear Radar, SRR x2）: 車輛四角，一般由SRR（Short-Range Radar）或MRR（Middle-Range Radar）充當。可以提供雙模檢測模式，Long Range Mode和Short Range Mode；長距離模式FOV小，檢測距離遠；短距離模式FOV大，檢測距離近。在域控制器方案中，雷達不分Master和Slave。在分布式方案中，一般左側雷達為Master，右側雷達為Slave。

超聲波傳感器（Ultra Sonic Sensor, USS）：12顆，側邊4個長距離，前后8個短距的。

除了上訴環境感知傳感器之外，L2+及以上ADAS/AD系統還需要GNSS定位、IMU（一般信號來源于安全氣囊控制器或者ESP系統）、高精地圖等不同感知數據源。

3 ADAS/AD域控芯片及方案

（一）L0-L2級別的ADAS方案

正如前所述，早期大多數L0-L2級別的ADAS系統都是基于分布式控制器架構，整個ADAS系統由4-5個ADAS子系統組成，每個子系統通常是個一體機整體方案（可以被看作是一個smart sensor），子系統獨占所配置的傳感器，通常相互之間是獨立的。

以智能前視攝像頭模塊（Intelligent Front Camera Module，FCM）為例，整個子系統ECU主板上包含2顆芯片：一顆是安全核（Safety Core）；另一個顆是性能核（Performance Core）。安全核一般由英飛凌TC297/397之類的MCU充當，承載控制任務，因此需要較高的功能安全等級需求；性能核通常是具有更高性能算力的多核異構MPU，會承載大量的計算任務。

下面是一個對L0-L2級別方案的總結：

L0級別方案：實現各種ADAS報警功能，比如：FCW、LDW、BSW、LCA等。分布式架構，通常由FCM、FCR、SRRs、AVS、APA等幾大硬件模塊組成。

L1級別方案：完成各種ADAS單縱向核單橫向控制功能，比如：ACC、AEB、LKA等。也是分布式架構，硬件模塊組成與L0級別方案大致相同。

L2級別方案：完成ADAS縱向+橫向組合控制功能。比如：基于FCM+FCR融合系統，融合前向視覺感知和前雷達目標感知信息，實現TJA/ICA等功能；或者基于AVS+APA的融合系統，實現自動泊車功能。

（二）L2+以上級別的ADAS方案

分布式架構的ADAS系統存在兩個致命缺點：1）各個子系統互相獨立，無法做多傳感器之間的深度融合。2）各子系統獨占所配置的傳感器，因此無法實現跨多個不同子系統傳感器的復雜功能。

當整車EE架構演進到域集中式EEA之后，ADAS域控制器中配置了集成度更高、算力性能更高的計算處理器平臺，進而可以支撐更復雜的傳感器數據融合算法，以實現更高級級別的ADAS功能，比如：HWP、AVP等。

集中式ADAS域控制器方案從最早的四芯片方案，過渡到三芯片方案，再到當前業界主流的兩芯片方案，如下圖3-5所示：

圖3-5 ADAS域控制器方案演進歷史

下圖3-6是一個典型的車載ADAS域功能結構示意圖，無論硬件方案如何變化，各方案所需實現的功能結構都是類似的。

圖3-6 典型的車載ADAS域功能結構示意圖

3.1 Mobileye EyeQ系列芯片方案

Mobileye成立于1999年，是以色列提供基于視覺算法分析和數據處理來提供ADAS/AD解決方案的全球領先者。其EyeQ系列芯片產品截止2021年底已經總計出貨接近一億片。盡管在L3/L4領域被英偉達和高通壓制，但是在主流的L2級別ADAS市場，仍然是霸主，其市場占有率高達75%。2021年出貨量高達2810萬片。

Mobileye一直采用“傳感器+芯片+算法”綁定的軟硬件一體化的ADAS解決方案模式。這種“黑盒”商業模式的優點是開發周期短，客戶可以快速出產品，比較受轉型較晚或者軟件/算法能力較弱的傳統主機廠或者Tier 1廠商歡迎。但是缺點是導致客戶開發靈活度下降，不能滿足客戶差異化定制產品的需求。越來越多的主機廠希望采用更開放的平臺，把“芯片和算法剝離開，采用可編程的芯片，從而通過OTA來實現持續的算法迭代升級”。這也是軟件定義汽車的思路。

下面是其EyeQ4/5/6三代產品的基本情況：

系列	量產時間	CPU	功耗	算力(INT8)	制程工藝	ADAS等級	功能安全
EyeQ Ultra	2025	RISC-V		176TOPS	5nm	L4
EyeQ6	2023/2024	MIPS I6500-F		48TOPS	7nm	L3/L4	ASIL-D
EyeQ5	2020	MIPS I6500	10W	24TOPS	7nm	L2+/L3	ASIL-D
EyeQ4	2018	MIPS M5150	3W	2.5TOPS	28nm	L2/L2+

（一）EyeQ4芯片平臺

EyeQ4新品配置了4個MIPS CPU核、6個矢量微碼處理器（VMP）以及兩個可編程宏陣列（PMA）。每個CPU核擁有4個硬件線程。總計2.5TOPS的算力，可以實現以每秒36幀的處理速度處理8路攝像頭的視頻信息。總體性能相比EyeQ3提升8倍之多，此外，EyeQ4還引入“路網采集管理（REM）”系統，它利用縱包數據的方法將路標、車道線等進行壓縮，最終聚合成路書，從而為自動駕駛汽車提供更精確的定位。

下圖是EyeQ4新品的功能模塊圖。

圖3-7 EyeQ4芯片功能模塊圖

（二）EyeQ5芯片平臺

EyeQ5主要有4個模塊：CPU核、計算機視覺處理器（CVP）、深度學習加速器（DLA）和多線程加速器（Multithreaded Accelerator，MA）。其中，CPU和CVP是大頭。

EyeQ5選擇了Imagination的MIPS I6500作為CPU內核，每個MIPS I6500內核都擁有2個硬件線程。總共配置8個CPU內核，可提供高達52000 DMIPS算力。

EyeQ5總共配置18個CVP內核。CVP是Mobileye針對很多傳統計算機視覺算法設計的新一代視覺處理器。Mobileye從公司成立時起就以自己的CV算法而聞名，也因為用專用的ASIC來運行這些CV算法而達到極低的功耗而聞名。

EyeQ5采用了7nm的制程工藝，總計可提供高達24TOPS的算力，并且只有10W左右的TDP功耗，因此有著極為出色的能效比。EyeQ5最多支持20個外部傳感器，包括：攝像頭、雷達或者激光雷達等。出色的計算性能使得我們在EyeQ5上進行深度的傳感器融合，以實現更復雜的L2+/L3級別ADAS功能。

下圖是EyeQ5的芯片功能模塊圖：

圖3-8 EyeQ5 Block Diagram

（三）EyeQ6芯片平臺

EyeQ6H與Mobileye之前的芯片最大的不同就是加入了兩個小算力規模的GPU，一個是ARM Mali GPU，算力為64GFLOPS，預計用于ADAS的AR圖像疊加輸出。另一個是Imagination的BXS 1024 MC-2，算力為1000GFLOPS，預計用于OpenCL加速引擎。

CPU仍然是EyeQ5的MIPS I6500-F架構，不同之處在每個CPU內核的線程數從2個增加到4個，總共是8核32線程。

EyeQ6H可以用比EyeQ5多25%的功耗，提供比3倍于EyeQ5的算力性能。

圖3-9 EyeQ6 ADAS域控處理器

Mobileye芯片平臺最大優點是產品成本低，開發周期很短，開發費用極低，絕大部分功能都經過驗證，沒有風險。而缺點是系統非常封閉，難以搞特色功能，迭代困難，出了問題，較難改進或提升。對于傳統車廠而言，Mobileye基本是唯一選擇，對于總想與眾不同的新興造車廠家來說就有點無法適應。然而新興造車企業畢竟還是極少數。Mobileye霸主地位至少五年內穩如泰山。

3.2 TI Jacinto 7芯片平臺

2020年初的CES大會上，TI發布了其最新的Jacinto 7架構的系列車載芯片。上一代的Jacinto 6架構主要聚焦在車載Infotainment（信息娛樂）的功能，例如更炫的UI（用戶界面）、更多的顯示屏等。隨著新一代Jacinto 7架構芯片的發布，可以看出TI已經基本放棄智能座艙和IVI市場，而重點轉向ADAS域控和汽車網關域方向。

Jacinto 7系列芯片包含兩顆車規級芯片：（1）用于高級輔助駕駛（ADAS）系統的TDA4VM芯片；（2）用于網關系統的DRA829V處理器。這兩款處理器都包含了用于加速數據密集型計算任務的專用加速器（如計算機視覺和深度學習等），而且它們也都集成了支持ISO26262功能安全的MCU核，使得我們可以用一顆芯片來同時承載ASIL-D高級別功能安全的控制任務和傳感器數據處理這樣的計算密集型任務。

3.2.1 TDA4VM ADAS芯片

基于Jacinto 7架構的TDA4VM處理器專為L2+或以上級別的集中式ADAS域控制器平臺而設計的，它集成了各種加速器、深度學習處理器和片上內存，具有強大的數據分析和處理能力，是一個全功能、可編程的高集成度ADAS域控處理器平臺。

這種多級處理能力使得TDA4VM能夠勝任ADAS域的各種中心處理單元角色。比如：TDA4VM處理器支持接入8MP（800萬像素）高分辨率的攝像頭，更強大的前視攝像頭可以幫助車輛看得更遠，因此可以開發出更強的輔助駕駛增強功能。用戶也可以用TDV4VM處理器同時操作4到6個300萬像素的攝像頭，并還可以將毫米波雷達、超聲波雷達和激光雷達等其它多種傳感器數據處理在一個芯片平臺上進行深度融合（后融合）。還可以將TDA4VM處理器用作自動泊車系統中的中心處理器，實現360度的環視感知能力，從而可以開發出用戶體驗更好的360度全屏泊車系統。

以下框圖的左邊是當前典型的ADAS 系統框圖，主要數據處理部分是由GPU或NPU完成，在這顆應用處理器外，會集成MCU、外部ISP、以太網交換機和PCIe交換機等。右邊是使用TDA4VM后的ADAS系統框圖。TDA4把原來外部需要的上述模塊集成到芯片中，其中包含通用處理部分的CPU、實時MCU、功能安全MCU、C7x DSP、MMA深度學習加速器、VPAC DMPAC視覺加速器、內部的ISP和以太網交換機，以及PCIe交換機等等。顯然使用TDA4VM可以大大簡化ADAS系統的硬件復雜度。

圖3-10 TDA4x域控處理器簡化ADAS系統架構

下圖是TDA4VM處理器的Block Diagram。其芯片中關鍵特性如下：

具有兩個64位 Arm Cortex-A72微處理器子系統,工作頻率高達1.8GHz,22K DMIPS;

每個Cortex-A72核集成了32KB L1 D-Cache和48KB L1 I-Cache。

每個雙核Cortex-A72 Cluster共享一個1MB大小的L2 Cache。

有六個Arm Cortex-R5F MCU,工作頻率高達1.0GHz,12 K DMIPS;

每個核存儲器為64K L2 RAM

隔離安全島中的MCU子系統有兩個Arm Cortex-R5F MCU

通用計算部分有四個Arm Cortex-R5F MCU

兩個C66x浮點DSP,工作頻率高達1.35 GHz, 40 GFLOPS, 160 GOPS;

C7x浮點,矢量DSP,高達1.0 GHz, 80 GFLOPS, 256 GOPS;

深度學習矩陣乘法加速器(MMA),1.0GHz高達8 TOPS (INT8);

視覺處理加速器(VPAC)和圖像信號處理器(ISP)和多個視角輔助加速器;

深度和運動處理加速器(DMPAC);

圖3-11 TI TDA4x處理器功能模塊圖

“C7x”是TI的下一代DSP，它將TI 行業領先的DSP 和EVE 內核整合到單個性能更高的內核中并增加了浮點矢量計算功能，從而實現了對舊代碼的向后兼容性，同時簡化了軟件編程。新型“MMA”深度學習加速器可在業界最低功率包絡內實現高達8TOPS 的性能。專用的ADAS/AV 硬件加速器可提供視覺預處理以及距離和運動處理。

TDA4VM處理器還能很好地滿足整個系統的功耗要求，當勝任這些ADAS域控所需的高性能計算，TDA4VM處理器僅需5到20W的功耗，因此無需主動冷卻。比如：Momenta曾在2020年CES有一個演示，在現場有客戶觸摸TDA4 的芯片外殼，發現芯片外殼上沒有做任何的散熱，可見功耗是非常低的。

TDA4VM處理器內的功能安全設計包括兩部分：1）隔離的功能安全島中集成了兩個支持雙核鎖步模式的Cortex-R5F核，可以實現ASIL-D級別的功能安全；2）其余主處理器部分可以達到ASIL-B功能安全。

隔離的功能安全島中集成了兩個支持雙核鎖步模式的Cortex-R5F核，可以實現ASIL-D級別的功能安全；

功能安全島中的兩個ARM Cortex-R5F核帶有浮點協處理器，支持雙核鎖步運行模式。

512字節的Scratchpad RAM內存

高達1MB、帶有ECC支持的片上SRAM

安全島內專用的電壓與時鐘域（獨立于主處理器）

安全島內專用的內存和接口設計（獨立于主處理器）

主處理器的其余部分可以達到ASIL-B功能安全：

片上內存和互聯都帶有ECC保護

內置自檢機制（Built-in Self-Test，BIST）

3.2.2 DRA829V網關芯片

傳統汽車過去一直在使用低速網絡（比如：CAN/LIN等）進行通信，因此如果要對整車所有電控單元進行軟件升級將會是非常緩慢的（如下圖的左邊部分）。當現代汽車演進到域集中式EEA之后，比如常見的三域EE架構（ADAS域、座艙域、整車控制域），域與域之間的通信就需要非常高速的通信總線（如下圖右邊），因此就需要中央網關跨域通信的網絡協議轉換和包轉發功能。DRA829V處理器就是用于這個場景。

圖3-12 DRA829V作為汽車域和域之間的通信網關

DRA829V處理器是業界第一款集成了片上PCIe交換機的處理器，同時，它還集成了支持8端口千兆支持TSN的以太網交換機，進而能夠實現更快的高性能計算和整車通信。

下圖的左邊是TI理解的整個車身運算平臺的框架，在這個框架應用處理器外需要接上外部的PCIe交換機、以太網交換機，也需要外部的信息安全模塊（eHSM），外部的MCU。而下圖的右邊用DRA829V處理器把上述外部需要集成的IP模塊全部集成進來，因此大大降低了硬件復雜度，提高了可靠性。TI汽車網關處理器最核心的一點是高性能處理器，同時需要功耗非常低。

圖3-13 TI DRV8x系列網關芯片簡化網關系統架構

DRA829V SoC 通過提供計算資源、在車輛計算平臺中高效移動數據以及在整個車輛網絡中進行通信，解決了新型車輛計算架構帶來的難題，可以看到DRA829V 主要是處理數據交換和安全的問題。

與NXP S32G2/S32G3相比，雖然這兩款芯片都是針對汽車中央網關場景，但是設計特點是不同。

圖3-14 NXP S32G中央網關處理器

NXP的S32G是作為一個成熟的網絡處理器設計的，最大的特色是通過網絡卸載引擎來加速3層的協議轉換和包轉發。它完全是作為汽車域集中式EE架構中的中央網關場景量身設計的，可以有效處理各控制器的OTA升級、數據網關的交互，安全信息的傳輸等任務。

而DRA829V 更多是車內高速信號的集聯和轉發，這些能力使DRA829V更適合充當域內的高速信號的集聯和轉發節點（注意：這不同于NXP S32G的中央網關角色，可以認為是域主控處理器所需要的網關功能）。當然，DRA829V也可以作為中央網關的角色，但是因為缺乏類似于NXP S32G網關中包轉發引擎，因此這并不是DRA829V的主打功能。

3.3 NVIDIA Xavier/Orin的方案

英偉達是全球最大的智能計算平臺公司。公司早期專注于PC圖形計算，后來利用其適合大規模并行計算的GPU架構，逐步將業務重點拓展到云端的AI加速、HPC高性能計算、AR/VR等領域。除了優秀的硬件平臺架構和性能之外，NVIDIA在軟件和生態上也具有巨大的優勢。基于NVIDIA GPU架構的CUDA軟件開發平臺，是業界事實標準的異構計算框架。NVIDIA在CUDA計算框架的基礎上，開發出了DNN加速庫、編譯器、開發調試工具以及TensorRT推理引擎等。

NVIDIA 2015年正式發布其面向移動端/機器人/自動駕駛等領域的智能處理器Tegra X1，它內置集成了當時NVIDIA最先進的Maxwell架構的GPU核。這顆SoC處理器的發布也在全球開啟了嵌入式領域的AI計算時代。

借助于它在云端積累的CUDA+TensorRT生態優勢，NVIDIA在自動駕駛領域提供“芯片+完全自動駕駛軟件棧”端到端解決方案，包括：Drive AV軟件平臺、Drive IX軟件平臺、Drive Sim等完整的軟件生態。

3.3.1 Xavier自動駕駛計算平臺

NVIDIA在2018年CES上推出了Xavier平臺，作為Driver PX2 的進化版本。NVIDIA稱Xavier 是“世界上最強大的SoC（片上系統）”，Xavier可處理來自車輛雷達、攝像頭、激光雷達和超聲波等傳感器的自主駕駛感知數據，能效比市場上同類產品更高，體積更小。“NVIDIA Jetson AGX Xavier 為邊緣設備的計算密度、能效和 AI 推理能力樹立了新的標桿。”

2020年4月上市的小鵬汽車 P7，成為首款搭載 NVIDIA DRIVE AGX Xavier 自動駕駛平臺的量產車型，小鵬 P7 配備了13 個攝像頭、5 個毫米波雷達、12 個超聲波雷達，集成開放式的 NVIDIA DRIVE OS 操作系統。

Xavier SoC基于臺積電12nm FinFET工藝，集成90億顆晶體管，芯片面積350平方毫米，CPU采用NVIDIA自研8核ARM64架構（代號Carmel）， 集成了Volta架構的GPU（512個CUDA核心），支持FP32/FP16/INT8，20W功耗下單精度浮點性能1.3TFLOPS，Tensor核心性能20TOPs，解鎖到30W后可達30TOPs。

Xavier是一顆高度異構的SoC處理器，集成多達八種不同的處理器核心或者硬件加速單元。使得它能同時、且實時地處理數十種算法，以用于傳感器處理、測距、定位和繪圖、視覺和感知以及路徑規劃等任務負載。

八核CPU：八核 “Carmel” CPU 基于ARMv8 ISA

深度學習加速器(DLA)：5 TOPS (FP16) | 10 TOPS (INT8)

Volta GPU：512 CUDA cores | 20 TOPS (INT8) | 1.3 TFLOPS (FP32)

視覺處理器：1.6 TOPS

立體聲和光流引擎（SOFE）：6 TOPS

圖像信號處理器(ISP)：1.5 Giga Pixels/s

視頻編碼器：1.2 GPix/s

視頻解碼器：1.8 GPix/s

Xavier的主處理器可以達到ASIL-B級別的功能安全等級需求。

下面是Xavier SoC的Block Diagram：

圖3-15 NVIDIA Xavier處理器功能模塊圖

除了強大的計算資源外，Xavier SoC擁有豐富的IO接口資源：

Xavier有兩個版本的片上系統(System On Module)，分別是Jetson AGX Xavier 8GB和Jetson AGX Xavier：

Jetson AGX Xavier 8GB：是一款價格實惠的低功耗版的Jetson AGX Xavier，在軟硬件上與現有的 Jetson AGX Xavier 完全兼容。其整個模塊最高消耗 20W 功率，同時提供高達 20 TOPS 的 AI 性能。

Jetson AGX Xavier：作為世界上第一個專為自主機器人設計的智能計算平臺，Jetson AGX Xavier可以提供很高的計算性能，同時保持較低的功耗。Jetson AGX Xavier平臺可以預設10W、15W和30W三種運行模式，Jetson AGX Xavier Industrial（工業版）則提供兩種可選的功耗模式：20W和40W。

下面是各不同版本的Jetson AGX Xavier片上系統的性能參數對比：

基于Xavier的ADAS DCU方案

Ecotron（ecotron.ai/）是美國一家專注于ADAS DCU（ADCU）的制造商。它于2019年9月發布了EAXVA03型ADAS域控制器，這是一款采用NVIDIA Xavier SoC和Infineon TC297 MCU打造、面向L3/L4級別自動駕駛領域的高性能中央計算平臺。按照設計方案考慮，Xavier智能處理器用于環境感知、圖像融合、路徑規劃等，TC297 MCU用于滿足ISO26262功能安全需求（ASIL-C/D級別）的控制應用場景（也即作為Safety Core），比如安全監控、冗余控制、網關通訊及整車控制。

目前最新的型號已經發展到EAXVA04和EAXVA05。EAXVA04是EAXVA03的升級版，還是一顆Xavier+一顆TC297的方案，而EAXVA05則采用了兩顆Xavier+TC297的方案，因而可以提供更大的算力。下面是EAXVA04 ADAS域控制器的結構圖：

圖3-16 EAXVA04的方案結構圖

下面是EAXVA05 ADAS域控制器雙Xavier+TC297 MCU的方案結構圖：

圖3-17 EAXVA05 ADAS域控制器結構圖

3.3.2 Orin自動駕駛計算平臺

2019年12月英偉達發布了新一代面向自動駕駛和機器人領域Orin芯片和計算平臺。具有ARM Hercules CPU內核和英偉達下一代GPU架構。Orin SoC包含170億晶體管，晶體管的數量幾乎是Xavier SoC的兩倍，具有12個ARM Hercules內核，將集成Nvidia下一代Ampere架構的GPU，提供200 TOPS@INT8性能，接近Xavier SoC的7倍，Orin SOC將在2021年提供樣片，2022年正式面向車廠量產。

2020年5月GTC上，英偉達介紹了即將發布的新一代自動駕駛Drive AGX Orin平臺，它可以搭載兩個Orin SoC和兩塊NVIDIA Ampere GPU，可以實現從入門級ADAS解決方案到L5級自動駕駛出租車（Robotaxi）系統的全方位性能提升，平臺最高可提供2000TOPS算力。未來L4/L5級別的自動駕駛系統將需要更復雜、更強大的自動駕駛軟件框架和算法，借助強勁的計算性能，Orin計算平臺將有助于并發運行多個自動駕駛應用和深度神經網絡模型算法。

作為一顆專為自動駕駛而設計的車載智能計算平臺，Orin可以達到ISO 26262 ASIL-D 等級的功能安全標準。

借助于先進的7nm制程工藝，Orin擁有非常出色的功耗水平。在擁有200TOPS的巨大算力時，TDP僅為50W。

下圖是Orin SoC的Block Diagram：

圖3-18 NVIDIA Orin處理器功能模塊圖

下表是Jetson AGX Orin的片上系統的性能參數：

3.4 高通Snapdragon Ride自動駕駛平臺

2020年12月30日，長城汽車召開智能駕駛戰略升級發布會，正式發布全新的咖啡智駕“331戰略”。會上，長城還與高通達成戰略合作關系，決定在量產車上搭載高通Snapdragon Ride自動駕駛平臺。長城汽車計劃在2022年推出全球首個基于高通Snapdragon Ride平臺的L4級量產車。搭載IBEO的4D全半導體真固態激光雷達，也就是Flash激光雷達，最遠有效距離可達300米。

高通Snapdragon Ride自動駕駛平臺在硬件方面由兩塊芯片構成：1）SA8540主處理器（作為ADAS域應用主處理器，滿足系統級安全需求）；2）SA9000B加速器，提供自動駕駛系統所需的算力。全部達到ASIL-D，可支持L1~L5級別的自動駕駛。單板的AI算力是360TOPS（INT8），整體功耗65瓦，計算能效比約為5.5TOPS/W，通過PCIe交換機可以增加到4套計算平臺，四加速器的AI算力總計達1440TOPS。

ADAS應用處理器：Kryo CPU、Adreno GPU、神經處理器、嵌入式視覺處理器

自動駕駛專用加速器（ASIC）：神經網絡處理器陣列

L1/L2級ADAS：面向具備AEB、TSR和LKA等駕駛輔助功能的汽車。硬件支持：1個ADAS應用處理器，可提供30 TOPS的算力

L2+級ADAS：面向具備HWA（高速輔助）、自動泊車APA以及TJA（低速輔助）功能的汽車。所需硬件支持：2個或多個ADAS應用處理器，期望所需算力要求60~125 TOPS的算力

L4/L5級自動駕駛：面向在城市交通環境中的自動駕駛乘用車、機器人出租車和機器人物流車；所需硬件支持：2個ADAS應用處理器 + 2個自動駕駛加速器（ASIC），可提供700TOPS算力，功耗為130W

到目前為止，高通還未公開其SA8540P和SA9000B兩款芯片的信息，高通單獨為L3/L4自動駕駛開發全新芯片的可能性極小，所以我們可以根據高通的其它相關芯片產品來大致推測一下。高通在2021年上半年正式商業化一款AI 100邊緣計算套件，采用驍龍865做應用處理器，AI 100做加速器，在M.2 edge接口下，算力為70TOPS，在PCIe接口16核心下，算力可達400TOPS。

根據長城的宣傳圖片，8540和9000都是7納米，AI 100和驍龍865也是7納米，PCIe也在長城的宣傳圖片上可以看到。當然為了車規，必須犧牲一點性能，通過降頻來降低功耗，達到車規，因此性能降到了360TOPS。驍龍865是高通7納米芯片中最頂級的，870的頻率更高，最高達3.2GHz，功耗勢必更高，因此8540最有可能是驍龍865的車規版芯片，當然X55的Modem可以去掉。高通只有一款加速器，SA9000B很可能就是AI 100的車規版。

圖3-19 高通Cloud A100 AI加速處理器

高通AI 100的核心走的是DSP路線，單芯片最多有16個AI核心。每個AI核的SRAM是9MB，16個就是144MB，特斯拉FSD是64MB，基本上AI 100是特斯拉的兩倍。高通套件用的是12GB的LPDDR5，特斯拉FSD只能對應LPDDR4。

高通當然不會只提供硬件，而是會提供全套軟硬件解決方案，包括軟件SDK、工具和仿真等。

圖3-20 高通Snapdragon Ride自動駕駛軟件棧架構

高通自動駕駛平臺的合作伙伴，重點是其視覺感知和駕駛策略軟件棧Arriver。實際Arriver就是Veoneer的軟件品牌，泊車方面主要是法雷奧，Park4u是法雷奧泊車系統的名稱。DMS方面主要合作伙伴是Seeing Machines，即凱迪拉克DMS供應商。

總體來看，高通的策略是自己提供端到端的完整軟硬件解決方案，并同時積極布局上下游相應的生態合作伙伴。

4 ADAS/AD芯片的關鍵指標

作為整個汽車的大腦，自動駕駛域控制器通常要連接多個攝像頭、毫米波雷達、激光雷達以及IMU等傳感器設備，并對來自這些傳感器的大量數據進行處理和計算。尤其是攝像頭和激光雷達所產生的數據量非常大，因此需要配置一個核心運算性能越來越強勁的自動駕駛主處理器。

下面我們總結一下自動駕駛主處理器所應具有的關鍵指標：

（一）CPU核心

在汽車電子領域，通常以DMIPS（Dhrystone MIPS）來測量CPU核心的整數計算能力。

Dhrystone標準的測試方法很簡單，就是單位時間內跑了多少次Dhrystone程序，其指標單位為DMIPS/MHz。MIPS是Million Instructions Per Second的縮寫，每秒處理的百萬級的機器語言指令數。DMIPS中的D是Dhrystone的縮寫，它表示了在Dhrystone標準的測試方法下的MIPS。

除了Dhrystone Benchmark之外，CoreMark是另一套在嵌入式領域常見的CPU核心性能的測試基準。CoreMark是由嵌入式微處理器基準評測協會EEMBC的Shay Gla-On于2009年提出的一項基準測試程序，其主要目標是測試處理器核心性能，這個標準被認為比陳舊的Dhrystone標準更有實際價值。

（二）Memory帶寬

自動駕駛芯片平臺因為要接入大量的傳感器數據，因此內存的壓力非常大。整個系統往往呈現出Memory-Bound系統的特點，因此內存帶寬通常決定了系統性能的理論上限。

比如常見的256-bit LPDDR4@4266，其帶寬為：（256 * 4266）/ （8 * 1000）= 136.5GB/s。256-bit LPDDR5@6400的帶寬為：(256 * 6400) / (8 * 1000) = 204.8 GB/s。

（三）AI算力

自動駕駛系統因為要處理各種各樣的傳感器數據，因此對算力需求很大。其中當屬對來自攝像頭的視覺圖像數據的處理最為消耗算力。

自動駕駛級別每升高一個級，其所需算力至少增加數倍。比如：L2級別需要10+ TOPS的算力，L3需要100 TOPS左右的算力，L4級別可能需要500 TOPS左右的算力，L5級別甚至需要1000+ TOPS以上的算力。

除了理論硬件算力之外，實際的算力利用率也至關重要。不同AI加速器的架構設計通常會導致不同的硬件算力實際利用率，因而相同的神經網絡模型在兩款具有相同硬件理論算力的AI加速器上跑出不同的實測性能。

（四）能效比

能效比是算力與TDP功耗之比，也即每瓦功耗所能貢獻的理論算力值，這是衡量AI加速器設計好壞的一個非常重要指標。比如：NIVIDA Orin芯片的算力為200TOPS，TDP是50W，其能效比約為4TOPS/W。

（五）車規與功能安全

與消費電子產品相比，汽車芯片在安全性和可靠性上有這個最高的要求。

汽車芯片長年工作在“-40℃到125℃”高低溫以及劇烈震動的惡劣環境下，為了保證汽車電子產品達到對工作溫度、可靠性與產品壽命的高標準質量要求，國際汽車電子協會（Automotive Electronics Council，AEC）建立了相關的質量認證標準，其中AEC-Q100是針對于車載集成電路壓力測試的認證標準。AEC-Q100標準經過多年發展，已經成為汽車電子產品在可靠性和產品壽命等方面的工業事實標準。

除了滿足車規級要求之外，自動駕駛芯片也需要滿足由ISO 26262標準定義的“功能安全（Function Safety，簡稱Fusa）”的認證要求。功能安全對芯片上的設計要求是要盡可能找出并糾正芯片的失效（分為：系統失效和隨機失效）。系統失效本質上是產品設計上的缺陷，因此主要依靠設計和實現的流程規范來保證，而隨機失效則更多依賴于芯片設計上的特殊失效探測機制來保證。

ISO 26262對安全等級做了劃分，常見的是ASIL-B和ASIL-D級別。ASIL-B要求芯片能覆蓋90%的單點失效場景，而ASIL-D則要求能達到99%。芯片面積越大，晶體管越多，相應的失效率越高。

（六）視覺接口與處理能力

攝像頭接入目前通常采用MIPI-CSI2接口標準。MIPI CSI（Camera Serial Interface）是由MIPI聯盟下 Camera 工作組指定的接口標準。CSI-2 是 MIPI CSI 第二版，主要由應用層、協議層、物理層組成，最大支持4通道數據傳輸、單線傳輸速度高達1Gb/s。同時接入的攝像頭路數是自動駕駛芯片的一個重要指標。比如：NVIDIA的Xavier/Orin都允許同時接入16路攝像頭。

ISP作為視覺成像處理的核心芯片，也是非常重要的。自動駕駛芯片通常內置集成的ISP模塊。通過MIPI-CSI-2接口所連接的攝像頭Sensor，先把Raw圖像數據送給ISP進行處理，ISP處理過后的RGB/YUV圖像數據再送給其它模塊，比如：CODEC或CV加速器等。為了得到更好的圖像效果，自動駕駛汽車上對ISP的要求非常高。

此外，跟視覺處理相關的重要特性還包括：圖像繪制加速GPU，顯示輸出接口以及視頻編解碼等。

（七）豐富的IO接口資源

自動駕駛的主控處理器需要豐富的接口來連接各種各樣的傳感器設備。目前業界常見的自動駕駛傳感器主要有：攝像頭、激光雷達、毫米波雷達、超聲波雷達、組合導航、IMU以及V2X模塊等。

對攝像頭的接口類型主要有：MIPI CSI-2、LVDS、FPD Link等。

激光雷達一般是通過普通的Ethernet接口來連接。

毫米波雷達都是通過CAN總線來傳輸數據

超聲波雷達基本都是通過LIN總線

組合導航與慣導IMU常見接口是RS232

V2X模塊一般也是采用Ethernet接口來傳輸數據

除了上述傳感器所需IO接口外，常見的其它高速接口與低速接口也都是需要的，比如：PCIe、USB、I2C、SPI、RS232等等。

審核編輯：郭婷