汽車電子發(fā)展初期以分布式ECU架構(gòu)為主流，芯片與傳感器一一對應(yīng)，后來，中心化架構(gòu)DCU、MDC逐步成為了發(fā)展趨勢；隨著汽車輔助駕駛功能滲透率越來越高，傳統(tǒng)CPU算力不足過去，在自動駕駛領(lǐng)域GPU取代CPU成為了主流方案；隨著自動駕駛的定制化需求提升，未來定制化ASIC專用芯片將成為主流。
    我們將按時間順序梳理車載芯片的發(fā)展歷程，探討未來發(fā)展方向。
    汽車電子發(fā)展初期以分布式ECU架構(gòu)為主流，芯片與傳感器一一對應(yīng)，隨著汽車電子化程度提升，傳感器增多、線路復(fù)雜度增大，中心化架構(gòu)DCU、MDC逐步成為了發(fā)展趨勢；
    隨著汽車輔助駕駛功能滲透率越來越高，傳統(tǒng)CPU算力不足，越來越難以滿足處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)的需求，而GPU同時處理大量簡單計算任務(wù)的特性在自動駕駛領(lǐng)域取代CPU成為了主流方案；
    從ADAS向自動駕駛進(jìn)化的過程中，激光雷達(dá)點云數(shù)據(jù)以及大量傳感器加入到系統(tǒng)中，需要接受、分析、處理的信號大量且復(fù)雜，定制化的ASIC芯片可在相對低水平的能耗下，將車載信息的數(shù)據(jù)處理速度提升更快，并且性能、能耗和大規(guī)模量產(chǎn)成本均顯著優(yōu)于GPU和FPGA，隨著自動駕駛的定制化需求提升，定制化ASIC專用芯片將成為主流。
    目前出貨量最大的駕駛輔助芯片廠商Mobileye、Nvidia形成“雙雄爭霸”局面，Xilinx則在FPGA的路線上進(jìn)軍，Google、地平線、寒武紀(jì)向?qū)Ｓ妙I(lǐng)域AI芯片發(fā)力，國內(nèi)四維圖新、全志科技、森國科（國科微）在自動駕駛芯片領(lǐng)域積極布局。
    Mobileye的核心優(yōu)勢是 EyeQ 系列芯片，可以處理攝像頭、雷達(dá)等多種傳感器融合產(chǎn)生的大量數(shù)據(jù)，在L1-L3自動駕駛領(lǐng)域具有極大的話語權(quán)，目前出貨量超過了2700萬顆；
    NVIDIA在GPU領(lǐng)域具有絕對的領(lǐng)導(dǎo)地位，芯片算力強(qiáng)大且具備很強(qiáng)的靈活性，但功耗高、成本高，AI機(jī)器學(xué)習(xí)并不太適合GPU的應(yīng)用；
    此外Google、地平線、寒武紀(jì)、四維圖新等更聚焦在針對不同場景下的具體應(yīng)用，芯片設(shè)計也開始增加硬件的深度學(xué)習(xí)設(shè)計，自動駕駛上AI的應(yīng)用已經(jīng)成為未來的趨勢。

    基于產(chǎn)業(yè)前景和潛在的巨大市場，給予行業(yè)買入評級，上市公司方面看好四維圖新，建議關(guān)注地平線、寒武紀(jì)。

    車載芯片的發(fā)展趨勢（CPU-GPU-FPGA-ASIC）

    過去—以CPU為核心的ECU
    2.1 ECU的核心CPU
    ECU（Electronic Control Unit）是電子控制單元，其工作過程為CPU接收到各個傳感器的信號后轉(zhuǎn)化為數(shù)據(jù)，并由Program區(qū)域的程序?qū)ata區(qū)域的數(shù)據(jù)圖表調(diào)用來進(jìn)行數(shù)據(jù)處理，從而得出具體驅(qū)動數(shù)據(jù)，并通過CPU針腳傳送到相關(guān)驅(qū)動芯片，驅(qū)動芯片再通過相應(yīng)的周邊電路產(chǎn)生驅(qū)動信號，用來驅(qū)動驅(qū)動器。即傳感器信號——傳感器數(shù)據(jù)——驅(qū)動數(shù)據(jù)——驅(qū)動信號這樣一個完整工作流程。
    2.2 分布式架構(gòu)向多域控制器發(fā)展
    汽車電子發(fā)展的初期階段，ECU主要是用于控制發(fā)動機(jī)工作，只有汽車發(fā)動機(jī)的排氣管（氧傳感器）、氣缸（爆震傳感器）、水溫傳感器等核心部件才會放置傳感器，由于傳感器數(shù)量較少，為保證傳感器-ECU-控制器回路的穩(wěn)定性， ECU與傳感器一一對應(yīng)的分布式架構(gòu)是汽車電子的典型模式。

    隨著汽車電子化的發(fā)展，車載傳感器數(shù)量越來越多，傳感器與ECU一一對應(yīng)使得車輛整體性下降，線路復(fù)雜性也急劇增加，此時DCU（域控制器）和MDC（多域控制器）等更強(qiáng)大的中心化架構(gòu)逐步替代了分布式架構(gòu)。

    現(xiàn)在—以GPU為核心的智能輔助駕駛芯片
    人工智能的發(fā)展也帶動了汽車智能化發(fā)展，過去的以CPU為核心的處理器越來越難以滿足處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)的需求，同時處理器也需要整合雷達(dá)、視頻等多路數(shù)據(jù)，這些都對車載處理器的并行計算效率提出更高要求，而GPU同時處理大量簡單計算任務(wù)的特性在自動駕駛領(lǐng)域取代CPU成為了主流方案。

    3.1 GPU Vs. CPU

    3.2 GPU占據(jù)現(xiàn)階段自動駕駛芯片主導(dǎo)地位

    目前無論是尚未商業(yè)化生產(chǎn)的自動駕駛AI芯片還是已經(jīng)可以量產(chǎn)使用的輔助駕駛芯片，由于自動駕駛算法還在快速更新迭代，對云端“訓(xùn)練”部分提出很高要求，既需要大規(guī)模的并行計算，又需要大數(shù)據(jù)的多線程計算，因此以GPU+FPGA解決方案為核心；在終端的“推理”部分，核心需求是大量并行計算，從而以GPU為核心。