首页 行业报告下载文章正文

汽车数据处理芯片行业报告:MCU、AI芯片、域控制 AI 芯片(48页)

行业报告下载 2020年07月16日 07:08 管理员

CPU 架构可分为 X86 为代表的复杂指令集架构,和 ARM 为代表的精简指令集架 构。汽车 CPU 架构主要为 ARM 架构,在 MCU 和 SOC 中担任控制指令运算。CPU 架 构可分为 CISC(复杂指令集)架构和 RISC(精简指令集)架构。1)复杂指令集指令可 变格式,包括 8、16、32、64 位,其特点是单指令功能强大且复杂,指令执行周期长, 可以直接操作内存,常见的复杂指令集如 X86,代表企业 intel、AMD。2)精简指令集 的特点是单指令功能简单、执行速度快,编译效率高,不能直接操作内存,常见的精简 指令集有 ARM、MIPS、OpenRISC 以及 RSIC-V 等,代表企业:ARM。ARM 处理器内 核广泛用于嵌入式系统,具有执行效率高,低成本等优点。 ARM Cortex 系列主要分为 A、R、M 三类。1)Cortex-A 系列:常集成于 SOC 中, 面向性能密集型系统的应用处理器内核,带宽多为 64/32 位,主频可达 GHz 级别 (1GHz=103MHz),当主频达到 1GHz 时,其单核控制指令算力为几千 DMIPS(DMIPS 即为百万条指令每秒),多用于汽车座舱娱乐信息系统或 ADAS 领域;2)Cortex-M 系 列:常集成于 MCU 中,主要面向各类嵌入式应用的微控制器内核,主频为几十-几百 MHz 级别,其单核控制指令算力为几十至几百 DMIPS,多用于汽车执行端控制领域; 3)Cortex-R 系列面向实时应用的高性能内核,介于 A 与 M 之间。

AI 处理器可分为云端处理器、边缘端处理器、终端处理器。1)云端 AI 处理器, 支持 Int8 定点运算或 FP16、FP32 浮点运算,支持深度学习推理/训练要求,主要应用 于政府、企业数据中心的服务器中,如服务金融业、航空航天、气象预报、宇宙演化模 拟以及抗震分析等领域计算。此外在未来 5G 应用,更多的汽车数据会传送到车企数据 中心用来训练模型,实现软件、算法的优化。2)边缘端 AI 处理器,Int8 定点运算,支 持深度学习推理要求,主要应用于工控机、安防摄像头、机器人、汽车车端等领域,由 于所搭载设备的电力资源有限,能效比高(算力/功耗,值越高越经济)、接口丰富等是 关键。3)终端 AI 处理器主要支持深度学习推理功能,主要应用于手机等移动终端,如 华为麒麟系列芯片。未来云边端三类处理器并非竞争关系,而是未来会进一步协同发展, 云端训练模型实现算法软件的优化,并提供给边缘/终端进行本地化 AI 运算。 车端 AI 处理器现阶段主要负责深度学习的推理任务。智能算法范围由大至小依次 为:人工智能、机器学习、深度学习、神经网络。应用场景越少,对应需要的实现的算 法越少,就越适用于专用芯片,可通过精简处理器软硬件模块,使处理器计算效率、能 效比更高。

汽车数据处理芯片行业报告:MCU、AI芯片、域控制 AI 芯片(48页)

文件下载
资源名称:汽车数据处理芯片行业报告:MCU、AI芯片、域控制 AI 芯片(48页)


标签: 汽车行业报告 电子行业报告

并购家 关于我们   意见反馈   免责声明 网站地图 京ICP备12009579号-9

分享

复制链接

ipoipocn@163.com

发送邮件
电子邮件为本站唯一联系方式