2，基于FPGA

FPGA就是現(xiàn)場可編程邏輯門陣列。它其實就是一個高能低耗的可編程芯片。用戶可以自定義芯片內部的電路連接來實現(xiàn)特定功能。而且時可擦寫，所以用戶可以根據(jù)不同時期的產(chǎn)品需求進行重復的擦了寫，寫了擦。

這個其實已經(jīng)存在很久了，長期在通訊，醫(yī)療，工控和安防等占有一席之地。

相比GPU而言，它的主要優(yōu)勢在于硬件配置靈活，能耗低，性能高以及可編程等，比較適合感知計算。目前出現(xiàn)針對FPGA的編程軟件平臺，進一步降低了準入門檻，使得FPGA在感知領域應用非常廣。

就拿前幾年上市的奧迪A8來說，它里面搭載了zFAS平臺，其中由Altera提供的的Cyclone V SoC就是基于FPGA技術打造的視覺解決方案�？梢哉f是最早的在車上的應用吧（如果不對請及時提出哈）。

這里面的巨頭就不得不提收購深鑒科技的FPGA巨頭：賽靈思了。

作為FPGA的發(fā)明者，賽靈思發(fā)展至今取得了不少傲人的成就，是全球首個無線晶圓發(fā)明者，現(xiàn)在全球擁有4300多項專利。

賽靈思的嵌入視覺解決方案主要包括計算機視覺和機器學習。

而在實際應用中，ADAS在嵌入視覺方面一般有低時延、低功耗和低成本三大要求。“很多工程師可能會立馬想到看上去完美符合這三項要求的ASIC。但我想提醒一下，人工智能的發(fā)展速度非�？�，每天都會產(chǎn)生大量新的神經(jīng)網(wǎng)絡，這就意味著ASIC得具有高度靈活性才能跟上快速的上市進程。賽靈思的SOC通過片內緩存數(shù)據(jù)的方式，搭載上大量的線上內存，最終有效降低了系統(tǒng)時延。

3，基于DSP

DSP也稱為數(shù)字信號處理器，是一種特別適合進行數(shù)字信號處理運算的微處理器。它在數(shù)學運算以及數(shù)據(jù)移動方面有著優(yōu)異的性能。

這個相對來說美國德州儀器（TI），是這個解決方案的領導者。

它推出了TDA2x汽車系統(tǒng)芯片SoC，在低功耗封裝中將高能，視覺分析，圖形以及通用處理內核進行結合，實現(xiàn)包括遷至相機，環(huán)視等在內的ADAS應用。

而且授權的CEVA公司發(fā)布的圖像和視覺處理產(chǎn)品CEVA－XM4可以支持實時三維深度圖生成和擁宇三維點云數(shù)據(jù)處理。功耗只有現(xiàn)GPU的10％左右。

典型的混合式CPU／GPU的處理架構方案相比，建基于DSP架構的CNN引擎，能提供高達近三倍的性能。而且，DSP引擎除了所需電源比GPU小30倍之外，所需的內存帶寬，也只有約GPU的五分之一。CNN算法，屬于乘法和加法密集型（Multiply－accumulate， MAC），因此本質上十分適合運用DSP。也就是說，若要在嵌入式系統(tǒng)中實現(xiàn)CNN，DSP不僅能夠取代GPU和CPU，而且成本和功耗更低。

4，基于ASIC

ASIC就是專用集成電路，是為某種特定需求而定制的芯片。一旦設定制造完成，內部電路以及算法就無法改變。它的優(yōu)勢在于體積小，功耗低，性能以及效率高，大規(guī)模出貨的話，成本非常低。

它和FPSG最明顯的區(qū)別就是，F(xiàn)PSG就像樂高，可以在開發(fā)過程中各種變更，但是量產(chǎn)后成本也降不下來。ASIC類似開模生產(chǎn)，投入高，量產(chǎn)后成本低。所以一般前期開發(fā)階段多用FPSG，量產(chǎn)多用ASIC。

這里比較知名的應用ASIC技術開發(fā)芯片的廠商就是Mobileye了，已經(jīng)被英特爾收購了，而同樣也是被英特爾收購的Nerbana也是屬于ASIC芯片供應商。

總結

盡管現(xiàn)階段采用GPU架構、GPU＋FPGA異構化、ASIC架構的車企并行存在，但綜合來看，車企更傾向于選擇ASIC專用型芯片，以自身更好的軟件算法同時滿足高性能和低功耗的要求。

專屬AI芯片的研發(fā)只有少數(shù)科技巨頭如谷歌、英特爾參與其中。國內如地平線是面向中國智能駕駛場景所研發(fā)的專用芯片，相比Mobileye，其芯片方案要更適合于中國場景，這是國內企業(yè)在AI芯片領域的突破，也是具有創(chuàng)新性的中國方案。

此外，國內寒武紀、西井科技等也在AI專用芯片領域有所布局。

通用芯片GPU、CPU、FPGA在某些特定場景下會造成功能浪費，面積和功耗的冗余。ASIC專用芯片可以根據(jù)特定的算法實現(xiàn)計算能力和計算效率的專用定制化，隨著各類應用場景在自動駕駛不同領域的滲透，即時性應用場景在深度學習上所需要的推理能力越來越強，在云端進行軟件升級并進行計算已無法滿足特定場景的即時性要求（5G時代的來臨或許有可能解決這一數(shù)據(jù)傳輸速率的瓶頸），因此，各類應用場景將推動AI專用芯片的研發(fā)。

綜上所述，各芯片架構并存的現(xiàn)象還將會延續(xù)一段時間，在自動駕駛車進入量產(chǎn)階段后，GPU、CPU將會更廣泛應用于一些較為通用的場景，大規(guī)模AI芯片的需求量將使ASIC前期的成本顯著降低，車企選擇ASIC架構的AI芯片或將成為趨勢。因此，國內AI初創(chuàng)企業(yè)應緊跟自動駕駛對于AI芯片的需求，針對中國智能駕駛應用場景，采用軟硬件一體的結合方案，使算法在硬件上得到最優(yōu)化，從而在與整車廠的合作中，能夠針對特定需求定制芯片，擴大自身優(yōu)勢，在AI芯片領域占據(jù)一席之地。