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。