本文将基于现有资料分析当前国内主流的自动驾驶六大车载芯片公司们自动驾驶车载芯片，域控制器平台以及开发验证方案。
希望能给各位投资金融和汽车业内人士对于当前自动驾驶车载芯片技术以及方案进行粗泛的了解。
当前国内主要有以下五家主流自动驾驶芯片供应商活跃且有芯片装机，另外高通为新加入赛道：
- 英伟达Nvidia - 提供全套开发工具链
- mobileye - 一起来共建视觉地图
- 地平线-自主的崛起
- 华为-T1不可能的，我就是T1，主机厂我华为也想干。
- 黑芝麻-我也要分一杯羹
- 高通-我智能座舱行。我智能驾驶也要干
首先关注的是其芯片以及其域控制器平台，目前根据其官方发布资料对其单颗芯片以及域控制器平台算力TOPS进行排名，但这里要声明的是，算力仅供参考，其实谈到芯片还有考虑其能耗和数据传输速度带宽这两项在自动驾驶当中是异常重要，因为自动驾驶要处理大量的视频和雷达数据。另外还有配套的操作系统和应用的高效性。
根据各家官网数据整理，单颗芯片算力根据发布数据英伟达的比较抢眼，其中华为的910芯片强大但仔细看很蹊跷能耗达到310w，而其他芯片功率基本是个位数和几十W，能耗高势必造成扇热难题。另外国产中地平线最近发布的征程5比较抢眼。所以总体来看英伟达胜出。
到了其域控制器平台，同样英伟达和地平线的比较抢眼，地平线的Matrix5 采用四颗地平线5芯片可以支持到512TOPS的算力，英伟达和moblieye 等同样采用多颗芯片组合成其平台。
但当前自动驾驶仅仅绝非算力那么简单，犹如手机电脑时代不仅仅是CPU和内存就代表手机厉害和好用。从商业可行性到开发技术可行性到用户使用感知接受度长长的链条因素需要考虑。
所以接下来我们将分析当前五大主流车载自动驾驶芯片总体方案。
Nvidia-完整的工具链
Nvidia说起英伟达其实很多人了解他可能是电脑时代的GPU-Graphics Processing Unit 图形处理器。巧了，自动驾驶时代正是需要大面积的图像处理，所以顺理成章英伟达优势图像AI处理适配当前自动驾驶。
英伟达目前提供车载芯片硬件，开发虚拟测试套装（软件和硬件），物理样车测试套装。可以说是全栈工具链。
支持采用英伟达的 DRIVE AGX 开发平台为起点，然后在 DRIVE Constellation 上验证软件算法。充分验证后将部署软件，以通过 DRIVE Hyperion 参考架构进行上路测试。采用NVIDIA DGX 进行人工智能DNN 训练，此过程将迭代数次，以提高性能。
英伟达提供开发软件支持，如下图，一般自动驾驶应用需要系统支持，需要中间件去整合融合传感器信息，交互信息等，然后才是自动驾驶应用打包。
英伟达提供NVIDIA DRIVE ® OS是一个基础软件堆栈，由嵌入式实时操作系统 (RTOS)、NVIDIA Hypervisor、 NVIDIA ® CUDA ®库、 NVIDIA TensorRT™和其他模块组成，可让您访问硬件引擎。DRIVE OS 为安全启动、安全服务、防火墙和无线 (OTA) 更新等应用程序提供安全可靠的执行环境。其中RTOS可以是Linux或者QNX是可以任由主机厂或者T1服务商配置. 其中Hypervisor 可以任由开发多系统融合。
NVIDIA DriveWorks SDK提供模块库、开发人员工具和参考应用程序，属于开发中间件，可以帮助系统与程序之间的交互。
NVIDIA DRIVE ® AV和NVIDIA DRIVE ® IX 分别负责自动驾驶和车内人机交互程序的执行。
所以目前英伟达由于芯片强劲，开发验证工具链完善，深受当前汽车业内智能汽车的先锋们欢喜，他们可以直接绕过T1供应商直接合作，也可以和T1一起合作开发，所以合作方式灵活满足要求。
Mobileye-来一起共建视觉地图
Mobileye可以通过其名字猜想移动行业的眼睛，由视觉方面的希伯来大学教授创立开始于提供汽车辅助驾驶摄像头以及芯片，于2017年被芯片巨头英特尔收购，现在掌握着全球约80%的高级驾驶员辅助视觉系统市场，汽车支持AEB,车道保持的前置摄像头以及处理芯片都来自于他们，所以自动驾驶也算早就入门了。
从2008年开始从EyeQ1车载芯片到未来规划的EyeQ6芯片，涵盖了从辅助驾驶到全自动驾驶所有芯片方案。同理通过名字可知，他是一个不折不扣的自动驾驶视觉主导方案的拥护者。
他的整体方案来自于多摄像头视觉人工智能方案，结合其独创的视觉编制地图。所以Mobileye的方案包括了摄像头等传感器套件，其独创的REM高精地图，结合其芯片运算平台，配合其自动驾驶政策层来实现自动驾驶的实现。
所以Mobileye其中有一个非常重要的东西就是其独创的视觉地图，当然在中国谈数据变色，特别是当前滴滴事件，所以Mobileye的采集地图肯定有风险和阻力，目前Mobileye声明其地图只标记交通信息而不记录其他敏感信息，其数据处理采取和国内紫光集团合作，来规避地区法律风险，当然其他国家同样符合当地法律。mobileye宣传在国内由吉利，蔚来，上汽合作进行视觉地图采集，国外由宝马，日产，大众一起合作。
目前我没有看到Mobileye 有宣传其工具链等信息，所以Mobileye应该更多的和T1供应商一起合作对主机厂进行支持。
地平线-自主的崛起
地平线是人工智能和深度学习科学家余凯博士创立，地平线通过以“算法+芯片+工具链”为基础技术平台的芯片，提供智能驾驶解决方案，赋能物联网，所以地平线的产品矩阵有专注于智能汽车的征程系列芯片以及智能汽车运算平台的Matrix，目前发展到第五代。有专注于智能视频识别以及边缘计算等物联网场景的旭日系列。
最近在发布其征程5芯片同时还提出开源智驾系统together 0S，显然其实大家在讨论汽车需不需要操作系统的时候，地平线已经发现需要但更重要的是生态，没有生态的系统就如手机时代的塞班和黑莓系统，他们都是现在大家吹的火热的微内核操作系统但是没有生态的系统终究是死路，所以地平线发起了生态合作伙伴。
地平线走的路线和英伟达模式很像，提供芯片，平台，开发工具链，甚至开始推荐和发起操作系统，提供一整套逻辑路线清晰的产品和解决方案。
目前地平线的业务模式定位Tier 2供应商。客户包括一级供应商、整车厂、和出行服务商，为他们提供的方案包括芯片、硬件的参考设计，以及提供工具链和算法。
华为-T2不可能的，我就是T1，
主机厂我华为也想干
华为是一个很有意思的企业，一个很强大但又被民族情节绑架的企业，其实写他很难写，包括很多资料都是带有极端的意见倾向，有华为自动驾驶绝对是第一的言论也有“特斯拉终于遇到了一个技术实力和忽悠能力都旗鼓相当的对手了”等言论。
从技术角度和解决方案来讲，华为提供产品端到端的方案，细节上面不谈芯片，不谈域控制器，不谈开发工具。全包包括数据云的运营，不开放全部闭环的。
目前华为遇到了严重的芯片制裁危机，手机业务由于缺芯片，出货量锐减，智能汽车方面应该是有各种担心所以目前对于华为自动驾驶芯片和域控制器鲜有大量信息。
华为是一个很有意思的企业，但他可能不熟悉汽车行业，也可能他已经被名族情节绑架了？也可能由于缺芯等所以他的定位一直在摇摆，我是T1供应商，T2我也自己干？我是不是也可以干干主机厂？可以发现是不是天下都是我华为的，我一个人通吃这种方案让所有人心怀忐忑，汽车业务深耕控制领域的博世，大陆等等都提防，主机厂们也不愿意合作怕被华为控制了灵魂。
黑芝麻-我也要分一杯羹
黑芝麻也是国内企业，由清华大学单记章创立，黑芝麻通过神经网络视觉感知算法、车规级ADAS/自动驾驶芯片、配套的底层实施系统及参考设计三个领域相结合提 供感知系统解决方案。公司定位Tier 2，并与车企和Tier 1供应商合作，如博世、上汽、一汽和通用汽车。目前，黑芝 麻系列芯片产品包括华山一号 A500、华山二号 A1000 和 A1000L。黑芝麻华山一号 A500 芯片已经开始量产，目前暂 时没有看到量产的车型落地。另外，公司预计有搭载华山二号 A1000 芯片的国产车型于2021年底正式量产。
目前应该定位为芯片T2，没有发布完整的开发流以及工具链相关信息。
高通-我智能座舱行，我智能驾驶也要干
高通，手机芯片处理器的霸主，在智能驾驶座舱领域方面也是如日中天，例如我们之前介绍的小鹏，理想等新势力都采用其智能驾驶座舱芯片，各大手机通讯行业杀入汽车制造业也得益于对高通等芯片以及智能操作系统的技术和供应链的掌握和熟悉。所以高通怎么可能会不想加入智能驾驶这块业务呢！
高通的方案是和维尔宁Veoneer合作（这也就为啥最近高通高价出价欲收购），由维尔宁提供自动驾驶应用软件相关，高通提供底层软件和硬件芯片方案。
高通想要维尔宁，然后可以更好的通过整合其感知以及软件业务，配合高通的芯片以及平台定位为T2或者直接对接主机厂。
借助其Snapdragon Ride平台，配合其覆盖规划，定位，感知，中间插件以及系统等全栈软件支持从主动安全到辅助驾驶再到未来全自动驾驶业务。
他们推出的Snapdragon Ride 已经面向汽车制造商和一级供应商进行预开发。Qualcomm Technologies 预计支持 Snapdragon Ride 的汽车将于 2023 年投产。
Pirate Jack 总结
自动驾驶芯片，如果仅仅从算力上来看合判断是异常鲁莽的，更多的是看其支撑整体方案包括支持路径以及开发验证工具链。所以目前其实可以看到英伟达算是跑赢了现在，从其客户囊括了当前国内主流新势力也包括国际巨头奔驰也看得出来。但国内地平线也朝着这个方向走，很不错。mobileye走出了自己一条路径。至于其他可能更需要其生态或者结合其他T1进行。
当然从主机厂角度，也想自己弄域控制器，不希望一条链掌握在供应商手上，同时为了系统更好的升级和产业化所以未来方向是自动驾驶硬件软件的解耦。
