什么能解决智能驾驶的问题-编程学习网

高端芯片能解决智能驾驶的问题吗？以培养掌握人工智能理论与工程技术的专门人才为目标，学习机器学习的理论和方法、深度学习框架、工具与实践平台、自然语言处理技术、语音处理与识别技术、视觉智能处理技术、国际人工智能专业领域最前沿的理论方法，培养人工智能专业技能和素养，构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉。

随着人工智能算法不断完善，智能化应用逐渐落地，汽车电子架构的发展也在朝着更复杂的方向演进，但出乎意料的是，和宣传视频形成鲜明对比的，正是难以支撑复杂操作的车载系统，也正是前阵子芯片短缺的新闻，才让很多人意识到了车载芯片原来这么落后。

相信经过这几个月的“熏陶”，大家都对半导体紧缺的事实有了充分的认识，自2020年12月起，汽车行业缺乏芯片面临停产的问题就开始困扰无数车企，最先放出口风的是奥迪、大众、福特、戴姆勒、丰田、菲亚特克莱斯勒等知名汽车厂商，先是减产、推迟部分产品线，部分工厂甚至出现了停工的状况。甚至有预测称缺芯会导致2021第一季度全球减产100万辆轻型车辆。

和电脑爱好者关注的重点差不多，车载系统芯片的算力很大程度上决定了系统的性能，然而直到去年，大部分量产车使用的还是骁龙820a，没错，它就是2016年旗舰手机芯片骁龙820的车规版，也是工业领域中出现的首个集成了X12 LTE modem的车规级SoC，但制程是14nm。

从整个芯片行业的等级划分来看，分别有军工级、车规级、工业级和消费级，其中车规级芯片对于可靠性、一致性和稳定性要求更高，仅次于军工级，与消费级芯片有很大不同，车规级芯片需要面临更恶劣的环境，要求可靠性更高，车规级芯片的要求更为严格，因此对芯片厂家的汽车芯片生产线要求也更为严格，车规级芯片的生产线可以改造生产其他芯片，但生产其他芯片的生产线无法轻易改造生产车规级芯片，这在一定程度上造成了开发下一代的迟缓。

从分类上来看，汽车芯片大致分为以下几类，一是负责算力的控制芯片，也就是处理器和控制器芯片，如发动机、底盘和车身控制，以及中控、辅助驾驶(ADAS)和自动驾驶系统等;二是负责功率转换的IGBT功率芯片，一般应用于电动车的电源和接口;三是传感器芯片，主要用于各种雷达、气囊、胎压监测。汽车芯片也可以分为主控芯片、功能芯片、功率芯片和传感器芯片。

从架构方面来看，车规级芯片需要有独立的安全岛设计，在关键模块、计算模块、总线、内存等，都有ECC、CRC的数据校对，为车规级芯片提供功能安全。由于要求繁多且规格复杂，一般来说一款车规级芯片需要2-3年的时间完成车规认证并进入整车厂供应链，一旦进入后，一般拥有5-10年的供货周期。这也导致了虽然手机电脑的芯片工艺制程在不断突破，然而车载芯片仍然停留在多年前的工艺水平。

除此之外，车上算力利用的效率也是问题重要的一部分，在汽车液晶仪表盘上，行业的普遍逻辑是两个 GPU 和两个 CPU 锁定在一起，这种设置叫做锁步：它们在执行任务的时候会互相验证计算结果的正确性，这就导致了50%起步的算力损耗。传统汽车行业在软件开发过程中，基于安全因素的考虑非常多，车企希望打造一个不容易出错的系统，这在一定程度上会拖慢进展。

在电控汽车时代，芯片早已成为汽车的大脑。当发动机进入电控时代，通过电脑智能调节气门开闭时机和时长，有意将进气门延迟关闭，排气门提前开启，让进排气更加充分，提升性能;如果缺少芯片，最直观的表现就是油耗和排放控制的缺失。如今进入智能时代，随着ADAS、自动驾驶技术的成熟，需要大量的图像数据、雷达数据处理，汽车厂商对芯片的算力要求也在提高，此前需靠驾驶员判断的东西现在慢慢交给芯片，这样汽车对芯片的使用量就会越来越多，并且对芯片的算力要求也会越来越高。

最生动的解释就是自动驾驶，不管是激光雷达系统还是图像识别系统，由于汽车实时的速度很快，但数据分析的要求不能降低，在车上加装一个芯片是可行的，装一个电脑机箱问题也不大，但总不能把服务器塞进去吧?所以这样海量的数据计算只能放在云端，让云端的服务器集群来计算，然而这就又引申出了另一个问题：数据计算都在云端，大家下载云端的数据就会有延迟，万一延迟高，1s后才收到1s前的数据，车都不知道开哪儿去了，所以这也就是5G发展建设起来后自动驾驶才有望普及的重要原因。