快速了解ADAS各芯片厂商的主要产品线和状态
在过去的两年多时间，笔者有拜访数百家企业，最近一直花时间在做针对性地梳理和总结。在现在的电子信息领域，跨界融合的节奏越来越快，产业链各环节的衔接也是前所未有的紧密，所以现在看一个领域或一个项目，需要从整个产业链条各环节去综合考虑，包括云管端，包括硬件、软件、算法、数据，且各产业链条上各家企业，随时做前向或后向的整合，竞合关系随时转换。随着新硬件时代的来临，对产业的研究提出了更高的要求，思考的纬度需要变得更宽，要理清里面错综复杂的关系以及未来的发展趋势，工作量数倍于从前。而对产业链各个环节标杆企业的研究是必备的功课，只有了解这些大企业的策略和动向，才能发现其中可能存在的创业/投资机会。所以最近有意识的对大企业做一点研究，如之前的音频、视觉、iot平台等，以及本篇的主要针对adas的芯片厂商，理解各家的主要产品线和状态。
adas（高级辅助驾驶系统），是指利用安装于车上各式各样的传感器，在第一时间收集车内的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险。通常包括导航与实时交通系统tmc，电子警察系统isa 、自适应巡航acc 、车道偏移报警系统ldws、车道保持系统，碰撞避免或预碰撞系统、夜视系统、自适应灯光控制、行人保护系统、自动泊车系统、交通标志识别、盲点探测，驾驶员疲劳探测、下坡控制系统和电动汽车报警系统等。
目前来看汽车的创新绝大部分来自于汽车电子的创新，而从汽车电子系统来讲，正在由分散式架构（众多的ecu控制），逐渐向集中式乃至中央控制系统（超级处理器）演进，这一趋势落实到adas上也是同样规律。这一趋势的变化，包括减少ecu，降低功耗，提高处理器和内存利用效率，降低软件的开发难度和提高安全，使汽车半导体厂商在整个汽车产业中扮演越来越重要的角色。同时，对adas处理器芯片来说，目前呈现出如智能家居类似的产品形态，单品爆款，以及多功能的组合，即类似于mobileye的视觉处理adas芯片单品，以及多传感器的融合，使adas处理芯片成为平台的趋势。目前来看这两种形态都有市场，单功能会使adas在中低端车甚至后装市场，更大范围的普及，当然性价比是前提。而多传感器的融合会提升自动驾驶的等级向level4甚至level5方向走，目前像google、百度等无人车都在做多传感器的融合，只是目前为止还没有专门的level4/5adas asic芯片而已。
从芯片设计来说，现在adas处理器芯片的主要挑战在如下几个方面：
1）车规级的标准，最好过iso26262，达到asil-b甚至asil-d级别
2）高计算量以及高带宽，特别是多传感器融合的芯片，需要更高的芯片频率，以及异构设计，以达到快速的数据处理速度，同时传输的吞吐率上也有较高要求。
3） 随着人工智能在adas上的应用，针对芯片的设计会考虑增加硬件的深度学习设计，如何在软硬件上做取舍，以及人工智能计算模型与原有软硬件架构以及整个系统设计上做匹配，目前来看还在早期探索阶段。
下面主要介绍各家主要adas处理器芯片厂商的产品，希望从他们的产品中一窥现在adas处理器芯片领域的现状，以及未来的发展趋势。
高通/nxp 由于高通已经收购nxp，所以在这里一起介绍。高通自己主要通过自己的移动处理器芯片（改成车规级），开始逐步切入adas，当然刚开始做环视等，最近有和纵目合作，在ces上推出首个基于骁龙820a平台并运用深度学习的最新adas产品原型，该产品运行了820a神经网络处理引擎（snpe），能实现对车辆、行人、自行车等多类物体识别，以及对像素级别可行驶区域的实时语义分割，当然离商用应该还有一定距离。总的来说，高通骁龙产品策略应该还是以车载娱乐信息系统为主，逐步向更专业的adas拓展。
同时，nxp以及之前nxp收购的飞思卡尔，在汽车电子和adas芯片领域都有完整的产品线布局。
nxp已经发布blubox平台，为oem厂商提供设计、制造、销售level 4级（sae）无人驾驶汽车的解决方案计算平台。下图是nxp的adas系统框图，该系统对多路视频、77g雷达的数据进行融合处理，然后传送给云端和车身系统。我们看到nxp是能够提供全套reference方案的公司，在这一块的产品线很全，虽然现在没有做更多的芯片集成，而是提供相对分散的芯片及解决方案。我们这里重点介绍一下中央处理器s32v234和mpc5775k，mpc5775k是对雷达数据进行处理，而s32v234是对多传感器处理过的数据进行融合分析，通过can总线，把结果传给车身系统。
s32v234是nxp的s32v系列产品中2015年推出的adas处理器，支持cpu（4颗arm v8架构a53和m4）、gpu（gc3000）和图像识别处理（cognivue apex2 processors）的异构计算，5w的低功耗设计。通过cognivue apex2 processors能同时支持四路汽车摄像头（前、后、左、右），抽取图像并分类，同时gpu能实时3d建模，计算量达到50gflops。所以按照此硬件架构可完成360度环视，完成自动泊车等功能。同时，该芯片预留了支持毫米波雷达、激光雷达、超声波的接口，便于实现多传感器的融合，该芯片支持iso 26262 asil b标准。
qorivvampc567xk系列基于power architecture® 的32位mcu，mpc577xk是专门的雷达信息处理芯片，该系列增加了芯片的存储器，提升了运行速度和性能，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。从整个雷达系统来看，结合77g雷达收发器芯片组、qorivva mpc567xk mcu、fpga, adc, dac, sram, 支持长、中、短距离应用。这里需要重点关注的是信号处理工具集（signal processing toolbox）设计，包括了fft、dma、copy、scheduler。目前77ghz的fcmw型雷达在数字信号处理中需要使用fft，即快速傅里叶变换，一般车载雷达的采样点在512-2048左右，从芯片架构图我们看到专门的fft电路。
除了s32v系列，被收购的飞思卡尔有一款著名的i.mx系列芯片也可以作为中央处理器。i.mx特别是i.mx6在汽车上，特别是车载信息系统上有大量的应用。众多的汽车厂商使用i.mx。
英特尔/mobileye/altera
通过一系列的收购，英特尔在adas处理器上的布局已经完善，包括mobileye的adas视觉处理，利用altera的fpga处理，以及英特尔自身的至强等型号的处理器，可以形成自动驾驶整个硬件超级中央控制的解决方案。
其中特别要指出的是mobileye的eyeq系列，已经被多家汽车制造商使用，包括奥迪、宝马、菲亚特、福特、通用、本田、日产、标致、雪铁龙、雷诺、沃尔沃和特斯拉等在内。最近的eyeq4展示的性能已经达到2.5万亿次每秒的性能，其运行功率可低至3w。从硬件架构来看，该芯片包括了一组工作在1ghz的工业级四核mips处理器，以支持创新性的多线程技术能更好的进行数据的控制和管理。多个专用的向量微码处理器（vmp），用来应对adas相关的图像处理任务（如：缩放和预处理、翘曲、跟踪、车道标记检测、道路几何检测、滤波和直方图等）。一颗军工级mips warrior cpu位于次级传输管理中心，用于处理片内片外的通用数据。
由于目前融合多是雷达与摄像头融合，所需要的带宽，一般的asic都能够满足。但是要融合激光雷达，则最好用fpga，fpga做传感器hub是最合适不过的。同时传感器融合目前应用较少，合适的asic并不好找，fpga成为主流选择。同时，对一些精度要求较高的雷达，如使用单精度浮点处理实现一个4096点fft，采样点越多，误差就越小，但运算量会大幅度增加。它在每个时钟周期输入输出四个复数采样。每个fft内核运行速度超过80 gflop，这一般需要fpga才能比较好的实现。一般车载雷达的采样点在512-2048左右，但军用的可以达到8192，必须配备fpga。如下图在audizfas的实物中，采用了altera的cyclonev socfpga，作为sensor fusion，同时负责毫米波雷达与激光雷达数据处理。
英飞凌（infineon）
作为汽车电子、功率半导体以及智能卡芯片的全球市场领袖，英飞凌一直以来为汽车等工业应用提供半导体和系统解决方案。英飞凌在24/77/79g雷达、激光雷达等传感器器件及处理芯片方面都具有领先的技术。除此之外，在车身控制、安全气囊、eps、tpms等等各方面都有自己的解决方案。
英伟达（nvidia）
随着人工智能和无人驾驶技术的兴起，由于nvidia的gpu极强的并行计算能力，特别适合做深度学习。一般认为相对于mobileye只专注于视觉处理，nvidia的方案重点在于融合不同传感器，据传特斯拉已经放弃mobileye，而采用nvidia。
nvidia推出的drive px2被黄仁勋称为“为汽车设计的超级电脑”，它将成为汽车的标准配备，可以用来感知汽车所处位置、辨识汽车周遭的物体，并且即时计算最安全的路径。“tegra x1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，并通过环境视觉计算技术和强大的深层神经网络，主动识别道路上的各种车辆，甚至还能检测前方车辆是否在开门。driver px2还搭载了其他合作伙伴的芯片，包括avago的pex8724(24-lane，6-port，第三代pcie gen交换机）用于两块parker之间的互联。还有一片英特尔收购的altera提供的fpga，用于执行实时操作系统。fpga的型号为cyclone v 5scxc6，是altera的顶级产品，逻辑运算为110k，注册器达166036。最后还有一款英飞凌的aurix tc 297 mcu做安全控制，据说可以让px2达到asil c级水平。 还有博通的bcm89811低功耗物理层收发器（phy），使用broadr-reach车载以太网技术，在单对非屏蔽双绞线上的传输速率可达100mbps。所以nvidia实际上推出了板级的adas系统。
富士通（fujitsu）
富士通的adas技术主要涉及透过摄像头和传感器的结合，实现图像识别辅助和接近目标检测，应用的领域主要有360度3d立体全景辅助、可视停车辅助、驾驶盲区监控、安全开车门以及车行驶方向周围的障碍物和行人的识别。包括基于mb86r11“emerald-l”2d/3d图像soc的全景视频系统支持前后左右四个摄像头进行汽车周边环境的实时全景视频监测。从公开资料显示，富士通似乎更热衷于虚拟仪表盘及车载信息娱乐系统的构建，但这一块是最容易被国内芯片公司模仿并超越的。
东芝（toshiba）
最新的消息是，东芝将把业务拆分成四项，分别为社会基础设施业务、火力发电等能源业务、存储器以外的半导体和存储业务、信息通信技术（ict）解决方案业务。所以未来东芝有很大的不确定性，但是从adas处理器来说，东芝有图像识别处理器visiconti系列产品，目前第二代产品（visconti2）已经量产，2015年11月开始，通过日本电装公司的产品，搭载于丰田普锐斯量产车大批量投放市场，每月全球出货3万台以上。
visiconti采用多核异构的专用处理器，visconti2可实时处理，并行实现4项功能，如车道保持、前车检测、行人辨识、交通标志辨识。visconti4图像识别处理器可轻松对车辆和行人加以辨识，对交通信号、障碍物、行车线等信息加以识别，从而实现各种高级的驾驶员辅助应用，如入车道偏离警告、前方/后方防撞警告、前方/后方行人防撞警告、交通标识识别等，能同时处理并实现8项功能。
刺客信条再添佳作，什么样的显示器才能够驾驭
让双摄像头成为手机行业的主流配置，还有核心问题需解决
雷柏MT550三模无线光学鼠标评测 提高办公效率的极佳助手
被长安欧尚X7“高级脸”吸引 重庆车展实地体验精品SUV
适用于5G的合适硬件
快速了解ADAS各芯片厂商的主要产品线和状态
中国宣布成立3000亿元新基金，美中贸易紧张关系再升高
Adobe联手阿迪达斯，未来将在阿迪达斯零售店增加AR体验
2023年1月份国内折叠屏手机市场相关报告分析
英伟达最新推出JetsonTX2嵌入式平台
小米澎湃OS正式版完成封包，将逐步接替MIUI
惠普发布全新喷墨打印一体机，满足家用多元打印需求
API如何简化敏捷区块链 API是区块链制胜保障
半桥LLC电路中MOS管空载电压尖峰的改善
碧桂园进军机器人产业的决心非常大 计划五年内在机器人领域投入800亿
储能连接器的可靠性怎么理解
[OpenHarmony轻量系统]润和HiHopePegasus 3861实现UDP广播温湿度
新手工程师必看泰克数字示波器使用方法
码垛机在饲料肥料行业中的应用优势是什么
电磁兼容“十项注意”
adas（高级辅助驾驶系统），是指利用安装于车上各式各样的传感器，在第一时间收集车内的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险。通常包括导航与实时交通系统tmc，电子警察系统isa 、自适应巡航acc 、车道偏移报警系统ldws、车道保持系统，碰撞避免或预碰撞系统、夜视系统、自适应灯光控制、行人保护系统、自动泊车系统、交通标志识别、盲点探测，驾驶员疲劳探测、下坡控制系统和电动汽车报警系统等。
目前来看汽车的创新绝大部分来自于汽车电子的创新，而从汽车电子系统来讲，正在由分散式架构（众多的ecu控制），逐渐向集中式乃至中央控制系统（超级处理器）演进，这一趋势落实到adas上也是同样规律。这一趋势的变化，包括减少ecu，降低功耗，提高处理器和内存利用效率，降低软件的开发难度和提高安全，使汽车半导体厂商在整个汽车产业中扮演越来越重要的角色。同时，对adas处理器芯片来说，目前呈现出如智能家居类似的产品形态，单品爆款，以及多功能的组合，即类似于mobileye的视觉处理adas芯片单品，以及多传感器的融合，使adas处理芯片成为平台的趋势。目前来看这两种形态都有市场，单功能会使adas在中低端车甚至后装市场，更大范围的普及，当然性价比是前提。而多传感器的融合会提升自动驾驶的等级向level4甚至level5方向走，目前像google、百度等无人车都在做多传感器的融合，只是目前为止还没有专门的level4/5adas asic芯片而已。
从芯片设计来说，现在adas处理器芯片的主要挑战在如下几个方面：
1）车规级的标准，最好过iso26262，达到asil-b甚至asil-d级别
2）高计算量以及高带宽，特别是多传感器融合的芯片，需要更高的芯片频率，以及异构设计，以达到快速的数据处理速度，同时传输的吞吐率上也有较高要求。
3） 随着人工智能在adas上的应用，针对芯片的设计会考虑增加硬件的深度学习设计，如何在软硬件上做取舍，以及人工智能计算模型与原有软硬件架构以及整个系统设计上做匹配，目前来看还在早期探索阶段。
下面主要介绍各家主要adas处理器芯片厂商的产品，希望从他们的产品中一窥现在adas处理器芯片领域的现状，以及未来的发展趋势。
高通/nxp 由于高通已经收购nxp，所以在这里一起介绍。高通自己主要通过自己的移动处理器芯片（改成车规级），开始逐步切入adas，当然刚开始做环视等，最近有和纵目合作，在ces上推出首个基于骁龙820a平台并运用深度学习的最新adas产品原型，该产品运行了820a神经网络处理引擎（snpe），能实现对车辆、行人、自行车等多类物体识别，以及对像素级别可行驶区域的实时语义分割，当然离商用应该还有一定距离。总的来说，高通骁龙产品策略应该还是以车载娱乐信息系统为主，逐步向更专业的adas拓展。
同时，nxp以及之前nxp收购的飞思卡尔，在汽车电子和adas芯片领域都有完整的产品线布局。
nxp已经发布blubox平台，为oem厂商提供设计、制造、销售level 4级（sae）无人驾驶汽车的解决方案计算平台。下图是nxp的adas系统框图，该系统对多路视频、77g雷达的数据进行融合处理，然后传送给云端和车身系统。我们看到nxp是能够提供全套reference方案的公司，在这一块的产品线很全，虽然现在没有做更多的芯片集成，而是提供相对分散的芯片及解决方案。我们这里重点介绍一下中央处理器s32v234和mpc5775k，mpc5775k是对雷达数据进行处理，而s32v234是对多传感器处理过的数据进行融合分析，通过can总线，把结果传给车身系统。
s32v234是nxp的s32v系列产品中2015年推出的adas处理器，支持cpu（4颗arm v8架构a53和m4）、gpu（gc3000）和图像识别处理（cognivue apex2 processors）的异构计算，5w的低功耗设计。通过cognivue apex2 processors能同时支持四路汽车摄像头（前、后、左、右），抽取图像并分类，同时gpu能实时3d建模，计算量达到50gflops。所以按照此硬件架构可完成360度环视，完成自动泊车等功能。同时，该芯片预留了支持毫米波雷达、激光雷达、超声波的接口，便于实现多传感器的融合，该芯片支持iso 26262 asil b标准。
qorivvampc567xk系列基于power architecture® 的32位mcu，mpc577xk是专门的雷达信息处理芯片，该系列增加了芯片的存储器，提升了运行速度和性能，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。从整个雷达系统来看，结合77g雷达收发器芯片组、qorivva mpc567xk mcu、fpga, adc, dac, sram, 支持长、中、短距离应用。这里需要重点关注的是信号处理工具集（signal processing toolbox）设计，包括了fft、dma、copy、scheduler。目前77ghz的fcmw型雷达在数字信号处理中需要使用fft，即快速傅里叶变换，一般车载雷达的采样点在512-2048左右，从芯片架构图我们看到专门的fft电路。
除了s32v系列，被收购的飞思卡尔有一款著名的i.mx系列芯片也可以作为中央处理器。i.mx特别是i.mx6在汽车上，特别是车载信息系统上有大量的应用。众多的汽车厂商使用i.mx。
英特尔/mobileye/altera
通过一系列的收购，英特尔在adas处理器上的布局已经完善，包括mobileye的adas视觉处理，利用altera的fpga处理，以及英特尔自身的至强等型号的处理器，可以形成自动驾驶整个硬件超级中央控制的解决方案。
其中特别要指出的是mobileye的eyeq系列，已经被多家汽车制造商使用，包括奥迪、宝马、菲亚特、福特、通用、本田、日产、标致、雪铁龙、雷诺、沃尔沃和特斯拉等在内。最近的eyeq4展示的性能已经达到2.5万亿次每秒的性能，其运行功率可低至3w。从硬件架构来看，该芯片包括了一组工作在1ghz的工业级四核mips处理器，以支持创新性的多线程技术能更好的进行数据的控制和管理。多个专用的向量微码处理器（vmp），用来应对adas相关的图像处理任务（如：缩放和预处理、翘曲、跟踪、车道标记检测、道路几何检测、滤波和直方图等）。一颗军工级mips warrior cpu位于次级传输管理中心，用于处理片内片外的通用数据。
由于目前融合多是雷达与摄像头融合，所需要的带宽，一般的asic都能够满足。但是要融合激光雷达，则最好用fpga，fpga做传感器hub是最合适不过的。同时传感器融合目前应用较少，合适的asic并不好找，fpga成为主流选择。同时，对一些精度要求较高的雷达，如使用单精度浮点处理实现一个4096点fft，采样点越多，误差就越小，但运算量会大幅度增加。它在每个时钟周期输入输出四个复数采样。每个fft内核运行速度超过80 gflop，这一般需要fpga才能比较好的实现。一般车载雷达的采样点在512-2048左右，但军用的可以达到8192，必须配备fpga。如下图在audizfas的实物中，采用了altera的cyclonev socfpga，作为sensor fusion，同时负责毫米波雷达与激光雷达数据处理。
英飞凌（infineon）
作为汽车电子、功率半导体以及智能卡芯片的全球市场领袖，英飞凌一直以来为汽车等工业应用提供半导体和系统解决方案。英飞凌在24/77/79g雷达、激光雷达等传感器器件及处理芯片方面都具有领先的技术。除此之外，在车身控制、安全气囊、eps、tpms等等各方面都有自己的解决方案。
英伟达（nvidia）
随着人工智能和无人驾驶技术的兴起，由于nvidia的gpu极强的并行计算能力，特别适合做深度学习。一般认为相对于mobileye只专注于视觉处理，nvidia的方案重点在于融合不同传感器，据传特斯拉已经放弃mobileye，而采用nvidia。
nvidia推出的drive px2被黄仁勋称为“为汽车设计的超级电脑”，它将成为汽车的标准配备，可以用来感知汽车所处位置、辨识汽车周遭的物体，并且即时计算最安全的路径。“tegra x1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，并通过环境视觉计算技术和强大的深层神经网络，主动识别道路上的各种车辆，甚至还能检测前方车辆是否在开门。driver px2还搭载了其他合作伙伴的芯片，包括avago的pex8724(24-lane，6-port，第三代pcie gen交换机）用于两块parker之间的互联。还有一片英特尔收购的altera提供的fpga，用于执行实时操作系统。fpga的型号为cyclone v 5scxc6，是altera的顶级产品，逻辑运算为110k，注册器达166036。最后还有一款英飞凌的aurix tc 297 mcu做安全控制，据说可以让px2达到asil c级水平。 还有博通的bcm89811低功耗物理层收发器（phy），使用broadr-reach车载以太网技术，在单对非屏蔽双绞线上的传输速率可达100mbps。所以nvidia实际上推出了板级的adas系统。
富士通（fujitsu）
富士通的adas技术主要涉及透过摄像头和传感器的结合，实现图像识别辅助和接近目标检测，应用的领域主要有360度3d立体全景辅助、可视停车辅助、驾驶盲区监控、安全开车门以及车行驶方向周围的障碍物和行人的识别。包括基于mb86r11“emerald-l”2d/3d图像soc的全景视频系统支持前后左右四个摄像头进行汽车周边环境的实时全景视频监测。从公开资料显示，富士通似乎更热衷于虚拟仪表盘及车载信息娱乐系统的构建，但这一块是最容易被国内芯片公司模仿并超越的。
东芝（toshiba）
最新的消息是，东芝将把业务拆分成四项，分别为社会基础设施业务、火力发电等能源业务、存储器以外的半导体和存储业务、信息通信技术（ict）解决方案业务。所以未来东芝有很大的不确定性，但是从adas处理器来说，东芝有图像识别处理器visiconti系列产品，目前第二代产品（visconti2）已经量产，2015年11月开始，通过日本电装公司的产品，搭载于丰田普锐斯量产车大批量投放市场，每月全球出货3万台以上。
visiconti采用多核异构的专用处理器，visconti2可实时处理，并行实现4项功能，如车道保持、前车检测、行人辨识、交通标志辨识。visconti4图像识别处理器可轻松对车辆和行人加以辨识，对交通信号、障碍物、行车线等信息加以识别，从而实现各种高级的驾驶员辅助应用，如入车道偏离警告、前方/后方防撞警告、前方/后方行人防撞警告、交通标识识别等，能同时处理并实现8项功能。
刺客信条再添佳作，什么样的显示器才能够驾驭
让双摄像头成为手机行业的主流配置，还有核心问题需解决
雷柏MT550三模无线光学鼠标评测 提高办公效率的极佳助手
被长安欧尚X7“高级脸”吸引 重庆车展实地体验精品SUV
适用于5G的合适硬件
快速了解ADAS各芯片厂商的主要产品线和状态
中国宣布成立3000亿元新基金，美中贸易紧张关系再升高
Adobe联手阿迪达斯，未来将在阿迪达斯零售店增加AR体验
2023年1月份国内折叠屏手机市场相关报告分析
英伟达最新推出JetsonTX2嵌入式平台
小米澎湃OS正式版完成封包，将逐步接替MIUI
惠普发布全新喷墨打印一体机，满足家用多元打印需求
API如何简化敏捷区块链 API是区块链制胜保障
半桥LLC电路中MOS管空载电压尖峰的改善
碧桂园进军机器人产业的决心非常大 计划五年内在机器人领域投入800亿
储能连接器的可靠性怎么理解
[OpenHarmony轻量系统]润和HiHopePegasus 3861实现UDP广播温湿度
新手工程师必看泰克数字示波器使用方法
码垛机在饲料肥料行业中的应用优势是什么
电磁兼容“十项注意”