近日，2022中国南沙国际集成电路产业论坛在广州市南沙区召开，并举办了汽车芯片论坛，探讨汽车智能化、自动化的未来发展趋势。

本次论坛参会者从芯片、EDA、碳化硅器件与模块、自动驾驶系统等角度，就行业需要什么样的芯片以及如何提高自动驾驶的智能化提出建议。

汽车市场逐渐取代消费市场成为第一增长动力，自动驾驶向更高层次发展需要中央计算单元、传感器和芯片的共同发展。以下为36氪总结的演讲嘉宾精彩演讲：

宜兴智能科技CEO刘辉

自动驾驶1.0阶段，整个应用基于L1和轻量级L2，自动驾驶芯片主要做简单的前向感知和AI推理工作。车厂希望在不花费太多资源的情况下，快速将这些功能应用到汽车上。对芯片厂商的要求是提供集成软件算法的整体解决方案。

现在我们处于自动驾驶起步阶段2.0，大家比较务实，会把L4的功能拆解成小功能模块，比如自动换道、自动超车、上下车等高速行驶坡道等功能点多、算法复杂、数据丰富，已成为汽车制造商的要求。希望芯片的底层平台能够开放，让汽车厂商可以开发自己的数据和算法。

乘用车自动驾驶芯片，在计算能力有限、成本有限的情况下，必须有尽可能多的应用场景。实现路径是提高计算效率。有三个维度。首先，识别软件中频繁出现的算子，对算子进行硬化，提高硬件利用率；还有近内存计算；第三，对不同模型和算子的计算泛化支持。

自动驾驶有很多计算单元。根据计算的性质，协调不同类型结构的计算单元，完成整体协调。我们认为异质化是自动驾驶芯片的发展趋势和方向。

我们来说说智能驾驶领域的融合。智能驾驶和座舱是两种不同的情况。要将这两个领域整合在一起，我们需要在运营层面使用虚拟化技术。虚拟化是有代价的。比如硬件部分额外增加了 10% 的 CPU 开销，商业级的虚拟化也会涉及到更多的许可和许可成本。

其实，如果不从机舱和机舱外两个空间属性来判断融合，而是从安全和娱乐的角度来看这件事，会让方案更加合理。例如，自动驾驶芯片非常重视人机交互处理能力。我们将与安全相关的人机交互（例如仪表板和前向 AI HUD）与智能驾驶领域相集成楼宇自控扩展模块，而不会引入额外的硬件开销和业务成本。

西门子EDA全球高级副总裁兼亚太区总​​裁彭启煌

随着自动驾驶向L2、L3、L4甚至L5发展，对汽车芯片的传输功能和AI功能提出了巨大的要求，带来了巨大的挑战。

为了满足L3、L4、L5的安全要求，短程、中程和远程传感器的数量需要大量增加。大量数据不可能传输到域控制器进行分析和响应，传感器还需要具备一定的AI水平和快速处理能力。

但是由此产生的数据爆炸仍然是一个问题。未来设计汽车将面临与设计芯片类似的挑战。目前车内有20多个ECU，包括刹车系统，都有自己的ECU。未来会简化为少量的域控制器，这样可以降低成本。

此外，这些数据需要快速传输和处理。现在可以接受ECU的毫秒级延迟，未来L3、L4级别，会达到皮秒级延迟。如今，汽车消耗瓦特级的功耗。未来，高速运行将需要微瓦级的功耗。

董事长王伯钊

目前汽车电子电气架构的主流仍然是分布式架构。许多单个ECU或MCU用于完成计算。这种计算比较分散。目前可以看到，从2021年开始，很多车厂都实现了新架构。

电气架构将向整车集中式架构发展。同一个中央计算平台，即未来的超级计算机，将从四个方向控制管理。未来涉及云计算的概念。

随着汽车电动化的进步，FPGA芯片基本可以作为主控芯片的协处理器，替代功能芯片。如果能做到高密度大功率芯片，甚至可以成为主机芯片。

FPGA在汽车市场的应用包括五个方面：自动驾驶领域、智能座舱、动力领域和底盘领域、车身领域。机箱域对安全性要求高，访问场景受限。车身领域的智能车灯需要一个Endo接口，而FPGA的IO接口很多，比较适合。

未来智能座舱将演变为域控制器管理。一些增量硬件成本很高。智能座舱FPGA的典型应用就是所谓的“多屏异显”。

另外，我国还是采用单车智能，单视觉是通过摄像头应用的。雷达方面，通过激光雷达和毫米波雷达完成数据采集。本应用中 FPGA 的目的是对采集到的数据和图像进行并行化后的预处理。预处理后成为计算加速的主芯片。

CEO周晓阳

有多种形式的碳化硅封装。分立器件通常具有封装中的芯片；新聚能源正在做的是集成模型，属于系统集成，结构复杂，功能和可扩展性高。简单易用;也有特斯拉在用的单元式模块，封装可以比较大，但是在应用中对tier1、提出了很多挑战。

目前电动汽车对碳化硅的需求是电机的主要驱动力。该模块提供了多少功率和电流。此外，还有快速充电器、车载充电器，以及现在特别流行的800V平台主电机控制器。

赵斌副总裁

由于汽车智能化、网联化的需求，每辆车的需求已经从原来的200、300芯片，到未来1000多甚至2000芯片，整个需求的增长汽车芯片很大。

目前汽车中70%以上的车载IC为模拟IC，其余30%为存储、计算和控制IC。对于模拟IC，IDM有自己的设计、制造、封装和测试，可以做很好的设计和支持，具有优势。

莫鲁毅副总裁

中国的道路很复杂，北京的车流量很大；广州人车混杂、下雨天的场景很多；上海道路结构传统，道路狭窄场景多；深圳有很多地下隧道。不同的场景对自动驾驶技术提出了诸多挑战。

自动驾驶和人类司机一样，需要用眼睛看世界，了解周围的事物；它需要手脚来控制车辆，转动方向盘，踩刹车和油门，甚至打开转向灯；最重要的是，它需要一个大脑，能够承载复杂的各种运算和计算，最终将车辆变成智能汽车，真正的自动驾驶汽车，具备虚拟老司机的能力。

整个自动驾驶系统涉及许多不同的软硬件模块。眼睛需要使用大量传感器，感知识别需要深度学习算法；手脚场需要线控支撑，需要大量的决策规划。大脑是我们的核心中央计算单元，需要借助底层基础设施和运行平台中的中央计算单元来承担无人驾驶系统的各种复杂运算。