自动驾驶硬件平台是多种技术、多个模块的集成，主要包括
传感器平台、计算平台和控制平台
。
硬件传感器接收到的各种环境信息数据会被导入到计算平台，由不同芯片进行运算，所以，计算平台的设计直接影响自动驾驶系统的实时性和鲁棒性。
计算芯片在自动驾驶系统中充当了大脑的角色
，自动驾驶芯片的发展某种程度上直接代表了自动驾驶的进程。
那么，
自动驾驶芯片发展现状如何？
未来趋势怎样？
主流技术掌握在谁的手中？
本文将为你一一解答。
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。
ECU
➜
GPU
近年来，随着汽车辅助驾驶功能渗透率越来越高，传统CPU算力不足，越来越难以满足处理视频、图片等非结构化数据的需求。所以，
GPU依靠同时处理大量简单计算任务的特性，在辅助驾驶领域成功取代CPU成为了主流方案。
但ADAS作为自动驾驶的过渡阶段，是需要不断进化的，在此过程中会有越来越多的传感器加入进来，当激光雷达点云数据以及大量传感器加入到系统后，需要接受、分析、处理的数据也只会越来越多并且更加复杂。
➜
GPU+FPGA
在此情况下，适用于单一指令并行计算的GPU显然已经不能满足需求，所以需要适用于多指令，单数据流的FPGA的加入，结合两者优势，形成GPU+FPGA的解决方案。
这也是目前大多数自动驾驶计算芯片采用的解决方案。
➜
ASIC
不过，更多专业人士认为，
定制化的ASIC专用芯片才是自动驾驶领域的未来趋势。
FPGA客户可根据需求编程，改变用途，但量产成本较高，适用于应用场景较多的企业、军事等用户。
定制化的ASIC是已经制作完成并且只搭载一种算法和形成一种用途，所以具有
更高的处理速度和更低的能耗
，虽然首次“开模”成本高，但量产成本低。
适用于场景单一的消费电子市场
，如移动终端、自动驾驶、挖矿等。
ASIC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。
因为目前自动驾驶算法仍处在发展阶段，需要快速更迭和进化，因此大多自动驾驶芯片使用GPU+FPGA的解决方案。但随着自动驾驶芯片的定制化需求提升，待未来自动驾驶算法稳定后，
定制化的ASIC专用芯片将成为行业主流
。
目前出货量最大的驾驶辅助芯片厂商
因特尔（Mobileye）、英伟达
形成“双雄争霸”局面，Xilinx则在FPGA的路线上进军，Google、地平线、寒武纪向专用领域AI芯片发力，而国内的四维图新、全志科技、森国科等也在积极研发ADAS及自动驾驶芯片。
▶英特尔的方案是ASIC+FPGA，核心优势是Mobileye的
EyeQ系列芯片
。
Mobileye的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。
▶英伟达的方案以GPU 为主。
采用CPU+GPU异构设计，芯片算力强大且具备很强的灵活性；但缺点是功耗高，应用在汽车(尤其是电动汽车)上的时候面临散热、续航等问题。
▼
自动驾驶已经成为不可逆转的趋势，新一轮的电子革命也已经开始，而参与这次革命的既有一路见证半导体变迁的老牌公司，也有乘着风口强势入局的后起之秀。
不论是ADAS处理芯片还是自动驾驶芯片，总而言之，未来可期！