2，基于FPGA

FPGA就是現(xiàn)場(chǎng)可編程邏輯門陣列。它其實(shí)就是一個(gè)高能低耗的可編程芯片。用戶可以自定義芯片內(nèi)部的電路連接來(lái)實(shí)現(xiàn)特定功能。而且時(shí)可擦寫，所以用戶可以根據(jù)不同時(shí)期的產(chǎn)品需求進(jìn)行重復(fù)的擦了寫，寫了擦。

這個(gè)其實(shí)已經(jīng)存在很久了，長(zhǎng)期在通訊，醫(yī)療，工控和安防等占有一席之地。

相比GPU而言，它的主要優(yōu)勢(shì)在于硬件配置靈活，能耗低，性能高以及可編程等，比較適合感知計(jì)算。目前出現(xiàn)針對(duì)FPGA的編程軟件平臺(tái)，進(jìn)一步降低了準(zhǔn)入門檻，使得FPGA在感知領(lǐng)域應(yīng)用非常廣。

就拿前幾年上市的奧迪A8來(lái)說(shuō)，它里面搭載了zFAS平臺(tái)，其中由Altera提供的的Cyclone V SoC就是基于FPGA技術(shù)打造的視覺解決方案�？梢哉f(shuō)是最早的在車上的應(yīng)用吧（如果不對(duì)請(qǐng)及時(shí)提出哈）。

這里面的巨頭就不得不提收購(gòu)深鑒科技的FPGA巨頭：賽靈思了。

作為FPGA的發(fā)明者，賽靈思發(fā)展至今取得了不少傲人的成就，是全球首個(gè)無(wú)線晶圓發(fā)明者，現(xiàn)在全球擁有4300多項(xiàng)專利。

賽靈思的嵌入視覺解決方案主要包括計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)。

而在實(shí)際應(yīng)用中，ADAS在嵌入視覺方面一般有低時(shí)延、低功耗和低成本三大要求�！昂芏喙こ處熆赡軙�(huì)立馬想到看上去完美符合這三項(xiàng)要求的ASIC。但我想提醒一下，人工智能的發(fā)展速度非常快，每天都會(huì)產(chǎn)生大量新的神經(jīng)網(wǎng)絡(luò)，這就意味著ASIC得具有高度靈活性才能跟上快速的上市進(jìn)程。賽靈思的SOC通過(guò)片內(nèi)緩存數(shù)據(jù)的方式，搭載上大量的線上內(nèi)存，最終有效降低了系統(tǒng)時(shí)延。

3，基于DSP

DSP也稱為數(shù)字信號(hào)處理器，是一種特別適合進(jìn)行數(shù)字信號(hào)處理運(yùn)算的微處理器。它在數(shù)學(xué)運(yùn)算以及數(shù)據(jù)移動(dòng)方面有著優(yōu)異的性能。

這個(gè)相對(duì)來(lái)說(shuō)美國(guó)德州儀器（TI），是這個(gè)解決方案的領(lǐng)導(dǎo)者。

它推出了TDA2x汽車系統(tǒng)芯片SoC，在低功耗封裝中將高能，視覺分析，圖形以及通用處理內(nèi)核進(jìn)行結(jié)合，實(shí)現(xiàn)包括遷至相機(jī)，環(huán)視等在內(nèi)的ADAS應(yīng)用。

而且授權(quán)的CEVA公司發(fā)布的圖像和視覺處理產(chǎn)品CEVA－XM4可以支持實(shí)時(shí)三維深度圖生成和擁宇三維點(diǎn)云數(shù)據(jù)處理。功耗只有現(xiàn)GPU的10％左右。

典型的混合式CPU／GPU的處理架構(gòu)方案相比，建基于DSP架構(gòu)的CNN引擎，能提供高達(dá)近三倍的性能。而且，DSP引擎除了所需電源比GPU小30倍之外，所需的內(nèi)存帶寬，也只有約GPU的五分之一。CNN算法，屬于乘法和加法密集型（Multiply－accumulate， MAC），因此本質(zhì)上十分適合運(yùn)用DSP。也就是說(shuō)，若要在嵌入式系統(tǒng)中實(shí)現(xiàn)CNN，DSP不僅能夠取代GPU和CPU，而且成本和功耗更低。

4，基于ASIC

ASIC就是專用集成電路，是為某種特定需求而定制的芯片。一旦設(shè)定制造完成，內(nèi)部電路以及算法就無(wú)法改變。它的優(yōu)勢(shì)在于體積小，功耗低，性能以及效率高，大規(guī)模出貨的話，成本非常低。

它和FPSG最明顯的區(qū)別就是，F(xiàn)PSG就像樂(lè)高，可以在開發(fā)過(guò)程中各種變更，但是量產(chǎn)后成本也降不下來(lái)。ASIC類似開模生產(chǎn)，投入高，量產(chǎn)后成本低。所以一般前期開發(fā)階段多用FPSG，量產(chǎn)多用ASIC。

這里比較知名的應(yīng)用ASIC技術(shù)開發(fā)芯片的廠商就是Mobileye了，已經(jīng)被英特爾收購(gòu)了，而同樣也是被英特爾收購(gòu)的Nerbana也是屬于ASIC芯片供應(yīng)商。

總結(jié)

盡管現(xiàn)階段采用GPU架構(gòu)、GPU＋FPGA異構(gòu)化、ASIC架構(gòu)的車企并行存在，但綜合來(lái)看，車企更傾向于選擇ASIC專用型芯片，以自身更好的軟件算法同時(shí)滿足高性能和低功耗的要求。

專屬AI芯片的研發(fā)只有少數(shù)科技巨頭如谷歌、英特爾參與其中。國(guó)內(nèi)如地平線是面向中國(guó)智能駕駛場(chǎng)景所研發(fā)的專用芯片，相比Mobileye，其芯片方案要更適合于中國(guó)場(chǎng)景，這是國(guó)內(nèi)企業(yè)在AI芯片領(lǐng)域的突破，也是具有創(chuàng)新性的中國(guó)方案。

此外，國(guó)內(nèi)寒武紀(jì)、西井科技等也在AI專用芯片領(lǐng)域有所布局。

通用芯片GPU、CPU、FPGA在某些特定場(chǎng)景下會(huì)造成功能浪費(fèi)，面積和功耗的冗余。ASIC專用芯片可以根據(jù)特定的算法實(shí)現(xiàn)計(jì)算能力和計(jì)算效率的專用定制化，隨著各類應(yīng)用場(chǎng)景在自動(dòng)駕駛不同領(lǐng)域的滲透，即時(shí)性應(yīng)用場(chǎng)景在深度學(xué)習(xí)上所需要的推理能力越來(lái)越強(qiáng)，在云端進(jìn)行軟件升級(jí)并進(jìn)行計(jì)算已無(wú)法滿足特定場(chǎng)景的即時(shí)性要求（5G時(shí)代的來(lái)臨或許有可能解決這一數(shù)據(jù)傳輸速率的瓶頸），因此，各類應(yīng)用場(chǎng)景將推動(dòng)AI專用芯片的研發(fā)。

綜上所述，各芯片架構(gòu)并存的現(xiàn)象還將會(huì)延續(xù)一段時(shí)間，在自動(dòng)駕駛車進(jìn)入量產(chǎn)階段后，GPU、CPU將會(huì)更廣泛應(yīng)用于一些較為通用的場(chǎng)景，大規(guī)模AI芯片的需求量將使ASIC前期的成本顯著降低，車企選擇ASIC架構(gòu)的AI芯片或?qū)⒊蔀橼厔?shì)。因此，國(guó)內(nèi)AI初創(chuàng)企業(yè)應(yīng)緊跟自動(dòng)駕駛對(duì)于AI芯片的需求，針對(duì)中國(guó)智能駕駛應(yīng)用場(chǎng)景，采用軟硬件一體的結(jié)合方案，使算法在硬件上得到最優(yōu)化，從而在與整車廠的合作中，能夠針對(duì)特定需求定制芯片，擴(kuò)大自身優(yōu)勢(shì)，在AI芯片領(lǐng)域占據(jù)一席之地。