自动驾驶全球产业链全景图

文章来源:北京物联网智能技术应用协会 发布时间:2021-06-23
分享到
目前自动驾驶已经发展的很快,除了特斯拉和奥迪以外,很多豪车都引进了自动驾驶技术。
图片
下面来盘点一下自动驾驶产业链:

图片

首先看一下自动驾驶的等级标准:

图片

图片

1、英特尔:Mobileye + Altera + Movidius

英特尔在自动驾驶领域主要是通过并购来完成布局:2015年6月167.5亿美元收购FPGA 巨头Altera;2016年9月收购计算机视觉处理芯片公司Movidius;2017年3月153亿美元收购以色列自动驾驶汽车技术公司Mobileye。

通过上述收购,英特尔在自动驾驶处理器上的布局已较完善,包括Mobileye的EyeQ系列芯片(ASIC)、Altera的FPGA芯片、Movidius的视觉处理单元VPU,以及英特尔的CPU处理器,可以形成自动驾驶的整体硬件解决方案。

图片

EyeQ1:Mobileye的EyeQ系列芯片最初是和意法半导体公司共同开发,第一代芯片EyeQ1从2004年开始研发,2008年上市;

EyeQ2:EyeQ2则于2010年上市。最初的两代产品仅提供L1辅助驾驶功能,EyeQ1的算力约0.0044Tops,EyeQ2则约0.026Tops,功耗均为2.5w。

EyeQ3:2014年量产的EyeQ3基于其自主ASIC架构自行开发,使用了4颗MIPS核心处理器、4颗VMP芯片,每秒浮点运算为0.256万亿次,功耗为2.5w,可以支持L2高级辅助驾驶计算需求。

EyeQ4:第四代EyeQ4芯片在2015年发布,2018年量产上市,采用28nm工艺。EyeQ4使用了5颗核心处理器(4颗MIPSi-class核心和1颗MIPSm-class核心)、6颗VMP芯片、2颗MPC核心和2颗PMA核心,可以同时处理8部摄像头产生的图像数据,每秒浮点运算可达2.5万亿次,功耗为3w,最高可实现L3级半自动驾驶功能。

EyeQ5:Mobileye的下一代EyeQ5计划于2018年出工程样品,2020年实现量产,将采用7nmFinFET工艺。该产品对标Nvidia的DriveXavier芯片,定位于L4/L5全面自动驾驶计算需求。单颗芯片的浮点运算能力为12Tops,TDP是5W。EyeQ5系统采用了双路CPU,使用了8颗核心处理器、18核视觉处理器,浮点运算能力为24Tops,TDP是10W。

据说,Mobileye的芯片价格也超过1千美金。

2、英伟达:Drive PX系列芯片

图片


Drive PX: Nvidia自动驾驶芯片始于2015年初推出的Drive PX系列。在2015年1月CES上英伟达发布了第一代Drive PX。Drive PX搭载TegraX1处理器和10GB内存,能够同时处理12个200万像素摄像头每秒60帧的拍摄图像,单浮点计算能力为2Tops,深度学习计算能力为2.3Tops,可支持L2高级辅助驾驶计算需求。
Drive PX2: 2016年1月的CES上英伟达又发布了新一代产品Drive PX2。Drive PX2基于16nm FinFET工艺制造,TDP达250W,采用水冷散热设计,支持12路摄像头输入、激光定位、雷达和超声波传感器。其中,CPU部分由两颗NVIDIATegra2处理器构成,每颗CPU包含8个A57核心和4个Denver核心;GPU部分采用两颗基于NVIDIA Pascal架构设计的GPU。单精度计算能力达到8TFlops,深度学习计算能力达到每秒24万亿次,在单精度运算速度上是Drive PX的4倍,深度学习速度是Drive PX的10倍,可以满足L3自动驾驶的运算要求。
Drive Xavier: Drive Xavier是英伟达最新一代自动驾驶处理器,最早在2016年欧洲GTC大会上提出,2018年1月的CES上正式发布。同时发布的还有全球首款针对无人驾驶出租车打造的车载计算机DrivePX Pegasus。在配置方面,Xavier基于一个特别定制的8 核CPU、一个全新的512核Volta GPU、一个全新深度学习加速器、全新计算机视觉加速器、以及全新8K HDR 视频处理器而打造。每秒可运行30万亿次计算,功耗仅为30w,能效比上一代架构高出15倍,可以满足L3/L4自动驾驶的计算需求。该产品预计2018年一季度向提供样品。
Drive PX Pegasus: Drive PX Pegasus是针对L5级全自动驾驶出租车的AI 处理器,搭载了两个Xavier SoC处理器。SoC上集成的CPU 也从8核变成了16核,同时增加了2块独立GPU。计算速度达到320Tops,相当于PX Xavier的10倍,算力能够支持L5完全自动驾驶系统,但其功耗也达到了500w。预计首批样品将于2018年年中交付客户。
据说,英伟达DrivePX2的价格超过1万美金。

图片

3、高通&恩智浦NXP

作为移动通信领域的绝对龙头,高通一直希望通过自己的移动处理器芯片(改成车规级)切入汽车电子领域。在2016年初CES上,高通就发布了整合LTE数据机和机器智能的Snapdragon 820车用系列产品。这个系列产品包含了高通的Zeroth机器智能平台,旨在协助汽车制造商使用神经网络为ADAS和车载资讯娱乐系统创建基于深度学习的解决方案。但目前车厂设计订单还限于资讯娱乐功能;国内ADAS 厂商纵目科技在2017年CES上推出了首个基于820A平台并运用深度学习的ADAS产品原型,12月正式发布。据悉,目前这款产品已经进入量产前的验证阶段,预计将于2019年量产。

作为汽车电子龙头厂商,恩智浦在自动驾驶方向的积累相比高通则深厚很多。2016年5月恩智浦发布了BlueBox平台,该平台集成S32V234汽车视觉和传感器融合处理器、S2084A嵌入式计算处理器和S32R27雷达微控制器,能够为汽车制造商提供L4级自动驾驶计算解决方案。

其中,S32V234是NXP的S32V系列产品中2015年推出的ADAS处理芯片,在BlueBox平台上负责视觉数据处理、多传感器融合数据处理以及机器学习。这款芯片拥有CPU(4颗ARM CortexA53和1颗M4)、3D GPU(GC3000)和视觉加速单元(2颗APEX-2vision accelerator),能同时支持4路摄像头,GPU能实时3D建模,计算能力为50GFLOPs。同时,S32V234芯片预留了支持毫米波雷达、激光雷达、超声波的接口,可实现多传感器数据融合,最高可支持ISO26262 ASIL-C标准。

恩智浦还有一款专门的雷达信息处理芯片MPC577XK。这是一款面向ADAS应用的Qorivva32位MCU,基于Power架构,能够支持自适应巡航控制、智能大灯控制、车道偏离警告和盲点探测等应用。

4、瑞萨Renesas

与恩智浦类似,瑞萨在2017年4月也发布了一个ADAS及自动驾驶平台Renesas Autonomy,主打开放策略,目的在于吸引更多一级供应商以扩大生态系统。同时发布的还有R-CarV3M SoC,该芯片配有2颗ARM CortexA53、双CortexR7锁步内核和1个集成ISP,可满足符合ASIL-C级别功能安全的硬件要求,能够在智能摄像头、全景环视系统和雷达等多项ADAS应用中进行扩展。据介绍,R-CarV3M SoC的样品于2017年12月开始供货,计划于2019年6月开始量产。

从瑞萨的芯片系列来看,R-Car系列是其在自动驾驶方向的主要产品线:

第一代产品(R-CarH1/M1A/E1)在2011-12年期间推出,可支持初级的巡航功能;

第二代产品(R-CarH2/M2/E2)相比第一代性能基本翻倍,可支持360°环视等ADAS功能;

第三代产品(R-CarH3/M3)在2015年以后陆续推出,符合ASIL-B级安全要求;同时期推出的还有R-CarV3M、R-CarV2H等ASSP处理器,这类产品基本可支持L2等级的自动驾驶应用需求。

除了R-Car系列产品外,跟恩智浦一样,瑞萨也有针对雷达传感器的专业处理器芯片如RH850/V1R-M系列,该产品采用40nm内嵌eFlash技术,优化的DSP能快速的进行FFT的处理。

5、德州仪器TI

TI在ADAS处理芯片上的产品线主要是TDAx系列,目前有TDA2x、TDA3x、TDA2Eco等三款芯片。

TDA2x:TDA2x于2013年10月发布,主要面向中到中高级市场,配置了2颗ARM Cortex-A15内核与4颗Cortex-M4 内核、2颗TI定浮点 C66xDSP内核、4颗EVE视觉加速器核心,以及双核3DGPU。TDA2x主要是前置摄像头信息处理,包括车道报警、防撞检测、自适应巡航以及自动泊车系统等,也可以出来多传感器融合数据。

TDA3x:TDA3x于2014年10月发布,主要面向中到中低级市场。其缩减了包括双核A15及SGX544GPU,保留C66xDSP及EVE视觉加速器核心。从功能上看,TDA3x主要应用在后置摄像头、2D或2.5D环视等。

TDA2Eco:TDA2Eco是2015年发布的另一款面向中低级市场的ADAS处理器,相比于TDA2x,TDA2Eco去掉了EVE加速器,保留了一颗Cortex-A15、4颗Cortex-M4、DSP、GPU等内核。TDA2Eco支持高清3D全景环视,由于TDA3x主要应用于2D或2.5D环视,所以TDA2Eco填补了中低级市场对于高清3D全景环视应用的需求。

6、ADI

相对于以上几家芯片公司,ADI在ADAS芯片上的策略主打性价比。针对高、中、低档汽车,ADI针对性的推出一项或几项ADAS技术进行实现,降低成本。

在视觉ADAS上ADI的Blackfin系列处理器被广泛的采用,其中低端系统基于BF592,实现LDW功能;中端系统基于BF53x/ BF54x/ BF561,实现LDW/ HBLB/ TSR等功能;高端系统基于BF60x,采用了流水线视觉处理器(PVP),实现了LDW/ HBLB/ TSR/ FCW/ PD等功能。集成的视觉预处理器能够显著减轻处理器的负担,从而降低对处理器的性能要求。

7、英飞凌Infineon

英飞凌在2015年针对ADAS市场推出过芯片组Real 33D,可实现司机疲劳检测等功能。而在奥迪新A8使用的zFAS自动驾驶计算单元中,也使用了英飞凌提供的Aurix芯片,A8最关键的TrafficJam Pilot,是由这块芯片最终实现的。

8、东芝(Toshiba)

2017年7月东芝宣布与日本电装共同推出基于视频的主动安全系统。该系统配备了东芝最新的Visconti 4自动驾驶专用芯片,Visconti 4内置8个多媒体处理核,能够同时执行8种应用,专门为自动驾驶视频应用做了优化,识别速度从100毫秒缩短到50毫秒,只用Visconti 4 就可以构建出车道偏离警告、前后方防撞警告、前后方行人防撞警告、交通标识与信号识别等功能。电装在2015年就开始将Visconti 2应用在辅助驾驶上,除了核数翻倍,Visconti 4在行人识别算法上也比前一代改善很多,采用增强型CoHOG识别算法的Visconti4,极大提升了在阴暗场景下对行人和骑自行车者的识别能力。

图片

9、Xilinx(赛灵思)

在汽车ADAS上,Xilinx最被广泛应用的产品是Zynq®-7000 All Programmable SoC。该系统 (SoC)平台可帮助系统厂商加快在环绕视觉、3D环绕视觉、后视摄像头、动态校准、行人检测、 后视车道偏离警告和盲区检测等ADAS应用的开发时间。Zynq采用单一芯片即可完成ADAS解决方案 的开发。

Xilinx(赛灵思)也与西门子业务部Mentor合作,推出了DRS360自动驾驶平台。

10、意法半导体(ST)

意法半导体在2017年还推出了业界首款集成专用全隔离硬件安全模块(HSM)的车载微处理器Telemaco3P。发展车联网的一大障碍即信息安全,对于汽车这样高速移动的庞然大物,如果被黑客入侵或干扰通信,后果可能是灾难性的。

所以无论是移动影音娱乐、基于地理信息的救援服务,还是最近火爆的软件空中更新(OTA),这些功能普及的基础在于汽车能否及时有效安全地传递信息。HSM对接收到的外部信息进行检查与安全认证,未经安全认证的信息与外部设备均不能与被保护模块通信,Telemaco3P对外发出的信息也经HSM加密,采用专用硬件模块来对进行安全管理,将极大提升车载通信安全。

另外,ST与Mobileye合作开发的机器视觉芯片EyeQ5装备了8枚多线程CPU内核,搭载18枚Mobileye的下 一代视觉处理器。

11、地平线机器人(Horizon Robotics)

地平线的自动驾驶AI芯片“征程”在去年12月20日正式发布。在参数上,征程能够以1.5W的功耗,实现1Tflops的算力,每秒处理30帧4K视频,对图像中超过200个物体进行识别,能够实现FCW/ LDW/ JACC等高级别辅助驾驶功能,满足L2的计算需求。对比英伟达的DrivePX2,其采用16nm FinFET工艺,单精度计算能力为8TFlops,深度学习计算能力为24TFlops,官方TDP是250w;从性能功耗比来看,征程还是有明显优势的。同时,由于ASIC不是GPU类的通用计算,内部直接封装了算法,数据交换只是底层I/O,因此其计算的时延也会比GPU更低。不过地平线采用ASIC的路线也是牺牲了芯片的可编程性以获得更高的性能,是否能获得足够订单量来降低芯片成本值得关注。

12、中科寒武纪(Cambricon)

寒武纪在去年11月初的发布会上首次发布了面向智能驾驶领域的1M智能处理器IP产品,据介绍其性能可达到寒武纪1A处理器的10倍以上。据了解,2016年上市的1A处理器在1Ghz频率下理论峰值性能为:FP16半精度浮点计算能力为512GFlops,稀疏神经网络计算能力为2TFlops。

13、四维图新

四维图新在2016年5月收购了联发科旗下的汽车半导体公司杰发科技,后者在2017年6月的CES Asia上展出了首款车规级ADAS芯片。四维图新在去年7月正式发布了该款ADAS芯片,并与蔚来、威马、爱驰亿维等新造车公司达成了合作。公开资料显示,该芯片采用64位Quad A53架构,内置硬件图像加速引擎,支持双路高清视频输出,和四路高清视频输入,能同时支持高级车载影音娱乐系统全部功能和丰富的ADAS功能。功能包括:360°全景泊车系统、车道偏移警示系统LDW、前方碰撞警示系统FCW、行人碰撞警示系统PCW、交通标志识别系统TSR、车辆盲区侦测系统BSD、驾驶员疲劳探测系统DFM和后方碰撞预警系统RCW等。

14、森国科(原深圳市国科微半导体)

森国科(原深圳市国科微半导体)在去年12月也发布了自主研发的高性价比ADAS芯片SGKS6802X,据介绍产品已经正式出货。SGKS6802X配置了双核ARM Cortex A7处理器、高速双核8线程GPU和2D加速GPU;采用40nm 工艺,芯片典型功耗1500mW,全系统功耗1800mw(包括DDR);最大支持4路编码处理能力,整数运算能力7200MIPS+ 3200MIPS,半精度浮点运算能力25.6GFLOPS,单精度浮点运算能力6.4GFLOPS;可支持LDW、FCW、PCW、TSR、NV、TFAH、ZCD、CTA、BSD、DFM、RCW等ADAS算法,满足L2高级辅助驾驶的计算需求。

图片

图片

图片

美光正在开发GDDR6,以达到自动驾驶技术对汽车内存容量及带宽的要求,美光同时还在开发PCIe接口的非易失性存储器,以满足5G通信、高清地图与车载黑盒子对非易失存储的需求。

从本质上说激光雷达和毫米波雷达都是利用回波成像来构显被探测物体的,就相当于人类用双眼探知而蝙蝠是依靠超声波探知的区别。但激光雷达会比较容易受到自然光或是热辐射的影响,在自然光强烈或是辐射区域的时候,激光雷达将会被消弱很多而且激光雷达的造价成本高,对工艺水平要求也比较高。

而毫米波雷达而言,虽然抗干扰能力较强,但是距离和精确度确实硬伤,而且在行车环境下,处于多重波段并存的环境下对毫米波的影响是极大的。毫米波对于较远处的探测能力也是极为有限的。

激光雷达:

图片

图片

毫米波雷达:

图片

图片

图片

图片

自动驾驶技术是未来的趋势,但是发展的过程中难免或有所牺牲,比如最近自动驾驶车祸事件,所以我们要理性看待,下面盘点一下自动驾驶引发的车祸或者负面的事件:

NO1、Uber自动驾驶车公共道路致路人死亡案件

图片

事件回顾:2018年3月18日晚十点左右,美国亚利桑那州一名女子被Uber自动驾驶汽车撞伤,之后不幸身亡。这是全球首例自动驾驶车辆致行人死亡的事故。事发时,尽管有一名司机坐在方向盘后面,但是这辆车当时正处于自动控制模式。当时警方声明称,该车当时正朝北行驶,而该女子正在人行横道外从西往东走。最新消息:当地警察局长表示,初步调查显示Uber的无人驾驶汽车并无过错。

NO2、奔驰车巡航失灵事件

图片

事件回顾:2018年3月14日晚8点左右,一辆奔驰C级轿车在开启定速巡航后,车辆失控,无法减速和停车,只能以120公里/时的速度继续飞驰,车主命悬一线......庆幸的是,在河南、陕西两省高速交警紧急施救以及奔驰售后方面操作下,奔驰车在失控近一小时、约一百公里后,终于安全停下。不知此事件的真假我们还不得而知。

NO3、特斯拉Model S 高速公路追尾消防车案件

图片

事件回顾:2018年1月22日,在洛杉矶405高速公路上,一辆特斯拉Model S撞上了一辆停在路边的消防车,所幸无人员伤亡。司机告诉消防部门,当时汽车处于自动驾驶模式。

NO4、特斯拉Model 3腾空入河案件

图片

事件回顾:2018年1月12日,一辆特斯拉Model 3翻入了一条小溪,事故中的司机显然是在拐弯时失去了控制,导致车辆腾空而起,然后跃入溪流之中。

NO5、福特Argo AI自动驾驶车致乘客受伤案件

图片

事件回顾:2018年1月10日,由福特投资的Argo AI公司在美国宾夕法尼亚州匹茨堡发生了一起交通事故,事故最终导致两人受伤。截止目前,当局认定这起事故是人为失误造成的,事故起因是一辆卡车闯红灯。当时车上有四名乘客,所幸只有两名乘客受伤且在送往医院后无大碍。

NO6、Cruise自动驾驶车刮蹭摩托车案件

图片

事件回顾:2017年12月7日,一辆 Cruise 自动驾驶汽车正以自动驾驶模式行驶在 Oak 街上,穿过 Oak 街和 Fillmore 街的十字路口后,保持在第三车道上向东行驶。之后,汽车在变道过程中刮蹭了变道中的摩托车。事故造成摩托车司机肩部受伤,目前已经送往医院接受治疗。

NO7、美国首辆无人驾驶巴士与卡车相撞案件

图片

事件回顾:2017年11月8日,美国拉斯维加斯无人驾驶巴士在获准上路的第一天就卷入了一场车祸。这辆无人驾驶巴士在低速行驶的情况下,与一辆人力驾驶的运货卡车相撞,所幸事故中没有人员受伤。据悉,无人驾驶巴士由法国公司Navya制造,可承载15名乘客。

NO8、Uber自动驾驶试验车碰撞致侧翻案件

图片

事件回顾:2017年3月24日,一辆Uber自动驾驶试验车在亚利桑那州坦佩市发生交通事故。在一处十字路口处,由北向南行驶的Uber自动驾驶汽车与一辆东西行驶试图左拐的普通汽车发生了碰撞。Uber自动驾驶汽车发生侧翻,另一部车严重受损,所幸没有人员伤亡。警方表示,这一事故是由人类司机并未让行直行的自动驾驶车辆所致。

NO9、谷歌无人驾驶测试车与货车相撞案件

图片

事件回顾:2016年9月23日,谷歌无人驾驶测试车在美国山景城遭遇了一次严重的交通事故。在事故中,谷歌的无人驾驶测试车遭受了一辆道奇商用货车的严重撞击,致使无人驾驶测试车受到了严重的损坏,不得不借助拖车才离开现场,所幸这场事故并未造成人员伤亡。

NO10、特斯拉 Model S 自动驾驶车致司机死亡案件

图片

事件回顾:2016年5月7日下午三点,司机Joshua Brown驾驶一辆2015款特斯拉 Model S 在佛罗里达州高速公路上与一辆垂直方向开来的挂车发生相撞。调查报告称,在强烈的日照条件下,驾驶员和自动驾驶系统都未能注意到拖挂车的白色车身,因此未能及时启动刹车系统。由于拖挂车正在横穿公路,且车身较高,这一特殊情况导致Model S从挂车底部通过时,其前挡风玻璃与挂车底部发生撞击,导致驾驶员不幸遇难。

NO11、谷歌无人驾驶车与公共汽车相撞案件

图片

事件回顾:2016年2月14日,事故发生在谷歌总部所在地硅谷的芒廷维尤市。当时,谷歌公司一辆“雷克萨斯”牌改装无人驾驶汽车在芒廷维尤市街头测试。在无人驾驶汽车试图绕开道路上的沙袋、向左并入道路中央时,却意外与一辆公共汽车的右侧方相撞,导致无人驾驶汽车左前翼子板、左前轮和驾驶侧传感器受损,所幸双方车辆中没有人员受伤。

NO12、特斯拉自动驾驶车致司机死亡案件

图片

事件回顾:2016年1月20日,京港澳高速河北邯郸段发生一起追尾事故,一辆特斯拉轿车直接撞上一辆正在作业的道路清扫车,特斯拉轿车当场损毁,司机高雅宁不幸身亡。调查结果显示,事发时车辆为匀速行驶状态,高雅宁开启了无人驾驶功能。事故发生时,涉事特斯拉没有刹车和减速的迹象,也没有采取任何躲避措施。交警认定,在这起追尾事故中,驾驶特斯拉的司机高雅宁负主要责任。

NO13、谷歌自动驾驶车追尾致乘客轻伤案件

图片

事件回顾:2015年7月1日,谷歌公司一辆雷克萨斯牌改装样车在公司总部所在地——加利福尼亚州芒廷维尤市街头测试时发生追尾事故,事故中有三人受轻伤。

事物的发展都是有利有弊,我们要理性看待!


收藏
赞一下
0