- 1
- 2
- 3
- 4
- 5
自动驾驶系列报告三：车载芯片篇 自动驾驶芯片 GPU的现在和ASIC的未来
资料介绍
自动驾驶系列报告三：车载芯片篇，自动驾驶芯片，GPU的现在和ASIC的未来
自动驾驶芯片：GPU 的现在和 ASIC 的未来 ——自动驾驶系列报告三：车载芯片篇 行业观点 自动驾驶系列报告第三篇，我们将按时间顺序梳理车载芯片的发展历程，探 讨未来发展方向。 ¾ 汽车电子发展初期以分布式 ECU 架构为主流，芯片与传感器一一对 应，随着汽车电子化程度提升，传感器增多、线路复杂度增大，中心化 架构 DCU、MDC 逐步成为了发展趋势； ¾ 随着汽车辅助驾驶功能渗透率越来越高，传统 CPU 算力不足，难以满 足处理视频、图片等非结构化数据的需求，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； ¾ 从 ADAS 向自动驾驶进化的过程中，激光雷达点云数据以大量传感器 加入到系统中，需要接受、分析、处理的信号大量且复杂，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，并且性能、能耗和大规模量产成本均显著优于 GPU 和 FPGA， 随着自动驾驶的定制化需求提升，ASIC 专用芯片将成为主流。 目前出货量最大的驾驶辅助芯片厂商 Mobileye、Nvidia 形成“双雄争霸”局 面，Xilinx 则在 FPGA 的路线上进军，Google、地平线、寒武纪在向专用领 域 AI 芯片发力，国内四维图新、全志科技等也在自动驾驶芯片领域积极布 局。 ¾ Mobileye 的核心优势是 EyeQ 系列芯片，可以处理摄像头、雷达等多 种传感器融合产生的大量数据，在 L1-L3 自动驾驶领域具有极大的话语 权，目前出货量超过了 2700 万颗； ¾ NVIDIA 在 GPU 领域具有绝对的领导地位，芯片算力强大且具备很强 的灵活性，但功耗高、成本高，AI机器学习并不太适合 GPU的应用； ¾ 此外 Google、地平线、寒武纪、四维图新等更聚焦在针对不同场景下 的具体应用，芯片设计也开始增加硬件的深度学习设计，自动驾驶上 AI 的应用已经成为未来的趋势。
部分文件列表
| 文件名 | 大小 |
| 自动驾驶系列报告三：车载芯片篇，自动驾驶芯片，GPU的现在和ASIC的未来-20180723-国金证券.pdf | 2M |
最新上传
- 打赏
- 30日榜单
-
注册1 打赏0.01元 9小时前
-
注册1 打赏0.01元 9小时前
用户：xlhtracy
-
注册1 打赏0.01元 9小时前
用户：xlhtracy
-
注册1 打赏0.01元 9小时前
用户：xlhtracy
-
注册1 打赏0.01元 10小时前
用户：xlhtracy
-
注册1 打赏0.01元 10小时前
用户：xlhtracy
-
注册1 打赏0.01元 10小时前
用户：xlhtracy
-
注册1 打赏0.01元 10小时前
用户：xlhtracy
-
注册1 打赏0.01元 10小时前
用户：xlhtracy
-
注册1 打赏0.05元 12小时前
用户：xlhtracy
-
注册1 打赏0.01元 12小时前
用户：xlhtracy
-
注册1 打赏0.01元 12小时前
-
注册1 打赏0.01元 12小时前
用户：21ic下载
-
注册1 打赏0.01元 12小时前
用户：21ic下载
-
21ic小能手 打赏0.03元 13小时前
用户：21ic下载
-
21ic小能手 打赏0.01元 13小时前
用户：21ic下载
-
21ic小能手 打赏0.01元 13小时前
用户：21ic下载
-
21ic小能手 打赏0.02元 13小时前
-
21ic小能手 打赏0.01元 14小时前
用户：21ic下载
-
注册1 打赏0.02元 23小时前
-
注册1 打赏0.02元 23小时前
全部评论(0)