自动驾驶芯片行业报告：GPU和ASIC的未来（26页）

行业报告下载 2018年08月28日 06:21 管理员

车载芯片的发展趋势（CPU-GPU-FPGA-ASIC）。过去汽车电子芯片以与传感器一一对应的电子控制单元（ECU）为主，主要分布与发动机等核心部件上。随着汽车智能化的发展，汽车传感器越来越多，传统的分布式架构逐渐落后，由中心化架构DCU、MDC逐步替代。随着人工智能发展，汽车智能化形成趋势，目前辅助驾驶功能渗透率越来越高，这些功能的实现需借助于摄像头、雷达等新增的传感器数据，其中视频（多帧图像）的处理需要大量并行计算，传统CPU算力不足，这方面性能强大的GPU替代了CPU。再加上辅助驾驶算法需要的训练过程， GPU+FPGA成为目前主流的解决方案。 . 着眼未来，自动驾驶也将逐步完善，届时又会加入激光雷达的点云（三维位置数据）数据以及更多的摄像头和雷达传感器，GPU也难以胜任，ASIC性能、能耗和大规模量产成本均显著优于GPU和FPGA，定制化的ASIC芯片可在相对低水平的能耗下，将车载信息的数据处理速度提升更快，随着自动驾驶的定制化需求提升，ASIC专用芯片将成为主流。本文以如上顺序梳理车载芯片发展历程，探讨未来发展方向。自动驾驶芯片行业报告：GPU和ASIC的未来（26页）

分布式架构向多域控制器发展。汽车电子发展的初期阶段，ECU主要是用于控制发动机工作，只有汽车发动机的排气管（氧传感器）、气缸（爆震传感器）、水温传感器等核心部件才会放置传感器，由于传感器数量较少，为保证传感器-ECU-控制器回路的稳定性， ECU与传感器一一对应的分布式架构是汽车电子的典型模式。

车载芯片的现在—以GPU为核心的智能辅助驾驶芯片。人工智能的发展也带动了汽车智能化发展，过去的以CPU为核心的处理器越来越难以满足处理视频、图片等非结构化数据的需求，同时处理器也需要整合雷达、视频等多路数据，这些都对车载处理器的并行计算效率提出更高要求，而GPU同时处理大量简单计算任务的特性在自动驾驶领域取代CPU成为了主流方案。

文件下载

资源名称：自动驾驶芯片行业报告：GPU和ASIC的未来（26页）

下载地址

标签：电子行业报告智能制造行业报告 TMT行业报告汽车行业报告