自动驾驶CV芯片之战，三股势力的原力觉醒

几天前，彭博社援引知情人士的话称，英飞凌科技股份公司去年就收购意法半导体公司进行了早期谈判。如果收购成功，英飞凌将成为欧洲半导体巨头。然而，法国政府反对这一合并。英飞凌是一家欧洲芯片制造商，成立于1999年，在汽车半导体领域拥有丰富的经验。在其2018年的业务报告中，自动驾驶业务已占公司总业务的42%。2017年，其自动驾驶半导体业务的市场份额排名为恩智浦、英飞凌、瑞萨、TI、st微电子、博世、安森美、罗马集团、东芝和ADI。那么，为什么你认为自己是这个行业的第二名，却购买了第五名呢？除了半导体领域可以通过保持垄断地位来继续保持竞争力之外，还有其他原因吗？英飞凌在自动驾驶领域的业务已经远远超过其他IPC、PMM和CCS业务。在自动驾驶领域，其主要业务是雷达、微处理器、数据传输和电源管理，目前还没有基于机器视觉的ADAS芯片。Stmicroelectronics也是芯片领域的巨头，在汽车领域拥有著名的STM系列微处理器、逻辑IC和信息娱乐处理单元。在自动驾驶时代，EyeQ系列ADAS芯片是与Mobileye联合开发生产的。英飞凌与st微电子有许多重叠的业务，但在自动驾驶领域，它缺乏的是ADAS视觉处理芯片的能力。是因为英飞凌这次打算收购stmicroelectronics来弥补视觉处理芯片的不足吗？视觉处理芯片是自动驾驶芯片阵列的重要组成部分。由于可以与雷达等传感器互补，基于深度学习的视觉识别处理在道路、交通标志、障碍物和行人的识别中越来越重要。因此，各大制造商也在争先恐后地占领高地。NVIDIA和Mobileye是市场领导者，占据了很大份额。他们两人都是汽车芯片领域的新生。其他传统汽车芯片制造商正在迎头赶上。在即将到来的ADAS普及浪潮中，视觉ADAS解决方案以其低廉的价格、成熟的技术和完善的产业链，将不可避免地成为代工的首选。那么，解决方案提供商必须选择哪些ADAS主处理芯片呢？OEM呢？

Mobileye和stmicroelectronics推出的EyeQ系列视觉处理芯片在自动驾驶CV领域广为人知，其中EyeQ4于2016年发布，并在其官方网站上展示。eyeq4是目前市场上最先进的专用视觉计算SoC。除了能够应对雷达和激光雷达数据外，它还可以支持8个摄像头传感器，每秒处理2.5万亿次操作，功耗仅为3-5瓦。EyeQ4拥有一组1GHZ的工业四核MIPS处理器和几个专用矢量微码处理器（VMP），用于处理与ADAS相关的图像处理任务。EyeQ系列芯片由Mobileye和ST stmicroelectronics联合生产。意法半导体2017年年报中也提到，双方将继续合作开发将于2020年推出的EyeQ5。英伟达于2016年推出了Drive PX 2（自动巡航和自动驾驶，相当于前者采用X2+Pascal架构的独立GPU）。Autohauffer配备了两个SoC（片上系统）Tegra Parker（Cpu核心为4 Denver和8 Cortex A57）和两个独立的Pascal GPU（单精度计算能力达到8TFlops），支持12台200万像素相机每秒60帧的相机数据。这种可扩展的架构可以从运行10瓦被动冷却的移动处理器配置为使用两个移动处理器和两个单独的GPU每秒可实现24万亿次深度学习的操作。多个Drive PX 2平台的并行使用可以实现完全的自动驾驶。2016年，NVIDIA发布了Xavier，这是一款完整的片上系统（SoC）。它集成了一种名为Volta的新GPU架构、一种定制的8核CPU架构和一种新的计算机视觉加速器，并采用16nm FinFET处理技术制造。该处理器提供20 TOPS（万亿次/秒）的高性能，而功耗仅为20瓦。Xavier作为自动驾驶汽车的大脑，旨在满足严格的汽车标准……

ch符合ISO 26262，即道路车辆的功能安全法规。NVIDIA和mobileye无疑是ADAS视觉处理领域最具影响力的。前者代表算力，后者代表量产体验，但市场可能暂时不会选择。原因也很简单。前者虽然算力高，但价格和功耗都不低，在ADAS领域综合性价比没有优势。当消费市场还处于教育阶段时，高价的智能驾驶配置不会有好的结局。而Mobileye则相对封闭，拥有从芯片到解决方案的成熟完整链条，价格也不低。对于以代工和Tier1为主的汽车市场来说，供应链中需要有足够的选择，因此Mobileye不会是唯一的选择，代工和Tier1很高兴看到更多的选择出现。此时，传统汽车电子芯片领域的玩家出现了。第二代视觉处理器系列S32V234由既得利益方恩智浦推出，旨在支持图像处理的计算密集型应用，并提供ISP、强大的3D GPU、双APEX-2视觉加速器和安全性，以及对SafeAssure的支持?. 有64位Arm?Cortex?-A53四核在1GHz下运行，M4核在133 MHz下运行。S32V234具有两个MIPI CSI2接口，四个通道用于相机输入（支持1080像素@30 fps），并支持2x1或1x2百万像素@30 fp和4x2百万像素图像输入。S32V234有一个由S32 Design Studio IDE for Vision支持的完整支持平台，包括编译器、调试器、Vision SDK、Linux BSP和图形工具，MATLAB的NXP Visual Toolbox是附属于S32V24处理器的集成开发环境。S32V234适用于ADAS、NCAP前瞻性摄像头、异物检测和识别、环视、机器学习和传感器融合应用。S32V234专为汽车可靠性、功能安全和安全措施而设计，以支持汽车和工业自动化。它可以支持一些自动驾驶应用，如前视摄像头、智能后视摄像头和环视。符合ISO26262和ASIL相关标准。2017年4月11日，瑞萨（Renesas）2017宣布推出适用于NCAP前置摄像头的R-Car V3M SoC，该SoC配备双核800MHz ARM CA53（ARMv8）和单ARM CR7（ARMv7）。串口可输入四路视频，单路视频传输速度可达1.5Gbps。V3M的硬件加速器使CNN能够在超低功耗水平下运行，可以在自动驾驶应用中实现越来越多的道路检测或物体分类等功能。V3M SoC和支持软件和工具，包括瑞萨开源E工作室的IDE集成开发环境。2018年2月28日，全新的R-Car V3H片上系统（SoC）发布。它的计算机视觉性能是其前身R-Car V3M SoC的五倍。它使用双图像信号处理器（ISP）、四个1.0-GHz Cortex-A53 MP内核和一个双锁步800 MHz Cortex-R7内核。与此同时，CNN的专用IP加速了深度学习。SoC将用于大规模生产的L3级和L4级自动驾驶汽车。V3H SoC样品将于第四季度推出，量产计划将于2019年第三季度开始。瑞萨V3M和V3H使用不同的加速器来实现一流的性能计算机视觉异构平台：多功能流水线引擎（IMP）和计算机视觉引擎（CVE），并辅以DMA来控制内存传输。此外，两个SoC都集成了卷积神经网络（CNN）的IP。这使得R-Car V3M和V3H适用于计算机视觉算法，如对象检测和分类、深度神经网络和卷积神经网络。此外，对于上述硬件加速器，V3H具有用于密集光流、密集立体视差和对象分类的专用IP。德州仪器（TI）推出了用于ADAS前瞻性视觉识别的TDAx SOC系列芯片，包括TDA3x、TDA2x和TDA2Px。这些处理器都包含双核Arm Cortex-A15MPU和双核Arm Cortex M4和C66x DSP。TDA系列芯片分为不同型号，可支持1-3个摄像头，像素在1.3-2.5MP之间，存储带宽在4.0-10.7 GB/s之间。。该芯片可以达到从ASIL-B到ASIL-D的安全级别。德州仪器为Arm、DSP和EVE协处理器提供了一套完整的开发工具，包括C语言编译器、可以简化编程和调度的DSP汇编优化器以及调试……

用于源代码执行可见性的接口。ADI公司推出的ADSP-BF60x系列芯片专为ADAS视觉处理而设计，可包括LDW、FCW、TSR、HBA和PD五大功能，系统整体成本降低30%。BF60x基于双核Blackfin，单核工作频率最高可达500 MHz。它采用模拟器件/英特尔微信号架构（MSA）。每个核心包含两个16位乘法器、两个40位累加器、两个40bit ALU、四个视频ALU和一个40bit移位器。计算单元处理来自寄存器堆的8位、16位或32位数据。管道视觉处理器（PVP）提供硬件来处理信号和图像算法，以便在高级汽车辅助驾驶（ADAS）或其他视频处理应用中对视频帧进行预处理和协同处理。其中，BF608的PVP可以支持VGA，每帧640 x 480像素，每秒30帧。BF609可以支持高清，每帧1280 x 960像素，每秒30帧。ADSP-BF60x在105°C的环境温度下的功耗小于1.3 W，是同类产品中功耗最低的。以上是传统汽车芯片领域的玩家。他们都有传统视觉处理领域的解决方案。当自动驾驶浪潮席卷而来时，他们并没有急于效仿。但在原有芯片基础上，进行了功能适配，以满足ADAS的需求。这些芯片解决方案基本能够覆盖汽车前瞻性的预警功能要求，在价格、功耗和量产体验方面具有优势。因此，在未来ADAS功能的普及过程中，他们可能才是真正的租房者。这些制造商在推出满足更高级别自动驾驶算力要求的视觉处理芯片的时机上更为保守。很少谈论L4和L5的自动驾驶，但更多关注L3以下的需求。芯片性能也满足了百万像素级别的图像和视频处理需求。主频以Arm?Cortex?-A53为主，约1GHz，辅以完整的开发工具，方便用户上手。传统制造商在自动驾驶浪潮中的集体低调甚至沉默，源于他们对市场和代工需求的熟悉。没有人比他们更清楚气候正在变冷变暖。觊觎蛋糕的高通公司推出的面向汽车的处理器820配备了定制的64位Kryo四核处理器高通?Adreno? 530 GPU和高通?Hexagon? 680 DSP，可支持多达8个摄像头传感器的同时输入。凭借多个异构计算引擎，Zeroth? 机器智能平台使枭龙820车载处理器能够提供设备认知技术和神经网络处理能力。820定位为车载处理器，因此它包含了汽车通信、信息娱乐、显示、感知等诸多功能。由于它在消费市场拥有大量出货量，一经推出就受到了许多主机厂的青睐。Xilinx推出的Zynq-7000/Zynq UltraScale+MPSoC可用于前视摄像头的数据处理，ARM A9或A53可用于目标分类和车辆网络连接，PL可用于传感器连接、图像/数据预处理和软件算法的硬件加速。（xa）ZYNQ-7000SOC非常适合高级驾驶辅助系统（ADAS）的高计算要求。它采用28nm技术，使用ARM双核Cortex-A9 MPCore，频率超过667MHz，可以在可编程逻辑（PL）中实现额外的硬件加速器。Xazynq ultrascale+MP SOC系列已完全通过ISO26262 ASIL-C认证，符合AEC-Q100测试规范。几天前，彭博社援引知情人士的话称，英飞凌科技股份公司去年就收购意法半导体公司进行了早期谈判。如果收购成功，英飞凌将成为欧洲半导体巨头。然而，法国政府反对这一合并。英飞凌是一家欧洲芯片制造商，成立于1999年，在汽车半导体领域拥有丰富的经验。在其2018年的业务报告中，自动驾驶业务已占公司总业务的42%。2017年，其自动驾驶半导体业务的市场份额排名为恩智浦、英飞凌、瑞萨、TI、st微电子、博世、安森美、罗马集团、东芝和ADI。那么，为什么你认为自己是这个行业的第二名，却购买了第五名呢？还有其他原因吗……

ides事实上，半导体领域可以通过保持垄断地位来继续保持竞争力？英飞凌在自动驾驶领域的业务已经远远超过其他IPC、PMM和CCS业务。在自动驾驶领域，其主要业务是雷达、微处理器、数据传输和电源管理，目前还没有基于机器视觉的ADAS芯片。Stmicroelectronics也是芯片领域的巨头，在汽车领域拥有著名的STM系列微处理器、逻辑IC和信息娱乐处理单元。在自动驾驶时代，EyeQ系列ADAS芯片是与Mobileye联合开发生产的。英飞凌与st微电子有许多重叠的业务，但在自动驾驶领域，它缺乏的是ADAS视觉处理芯片的能力。是因为英飞凌这次打算收购stmicroelectronics来弥补视觉处理芯片的不足吗？视觉处理芯片是自动驾驶芯片阵列的重要组成部分。由于可以与雷达等传感器互补，基于深度学习的视觉识别处理在道路、交通标志、障碍物和行人的识别中越来越重要。因此，各大制造商也在争先恐后地占领高地。NVIDIA和Mobileye是市场领导者，占据了很大份额。他们两人都是汽车芯片领域的新生。其他传统汽车芯片制造商正在迎头赶上。在即将到来的ADAS普及浪潮中，视觉ADAS解决方案以其低廉的价格、成熟的技术和完善的产业链，将不可避免地成为代工的首选。那么，解决方案提供商必须选择哪些ADAS主处理芯片呢？OEM呢？

Mobileye和stmicroelectronics推出的EyeQ系列视觉处理芯片在自动驾驶CV领域广为人知，其中EyeQ4于2016年发布，并在其官方网站上展示。eyeq4是目前市场上最先进的专用视觉计算SoC。除了能够应对雷达和激光雷达数据外，它还可以支持8个摄像头传感器，每秒处理2.5万亿次操作，功耗仅为3-5瓦。EyeQ4拥有一组1GHZ的工业四核MIPS处理器和几个专用矢量微码处理器（VMP），用于处理与ADAS相关的图像处理任务。EyeQ系列芯片由Mobileye和ST stmicroelectronics联合生产。意法半导体2017年年报中也提到，双方将继续合作开发将于2020年推出的EyeQ5。英伟达于2016年推出了Drive PX 2（自动巡航和自动驾驶，相当于前者采用X2+Pascal架构的独立GPU）。Autohauffer配备了两个SoC（片上系统）Tegra Parker（Cpu核心为4 Denver和8 Cortex A57）和两个独立的Pascal GPU（单精度计算能力达到8TFlops），支持12台200万像素相机每秒60帧的相机数据。这种可扩展的架构可以从运行10瓦被动冷却的移动处理器配置为使用两个移动处理器和两个单独的GPU每秒可实现24万亿次深度学习的操作。多个Drive PX 2平台的并行使用可以实现完全的自动驾驶。2016年，NVIDIA发布了Xavier，这是一款完整的片上系统（SoC）。它集成了一种名为Volta的新GPU架构、一种定制的8核CPU架构和一种新的计算机视觉加速器，并采用16nm FinFET处理技术制造。该处理器提供20 TOPS（万亿次/秒）的高性能，而功耗仅为20瓦。Xavier作为自动驾驶汽车的大脑，旨在满足ISO 26262等严格的汽车标准，即道路车辆的功能安全法规。NVIDIA和mobileye无疑是ADAS视觉处理领域最具影响力的。前者代表算力，后者代表量产体验，但市场可能暂时不会选择。原因也很简单。前者虽然算力高，但价格和功耗都不低，在ADAS领域综合性价比没有优势。当消费市场还处于教育阶段时，高价的智能驾驶配置不会有好的结局。而Mobileye则相对封闭，拥有从芯片到解决方案的成熟完整链条，价格也不低。对于以OEM和Tier1为主的汽车市场，需要有充足的……

客户在供应链中的选择，因此Mobileye将不是唯一的选择，OEM和Tier1很高兴看到更多的选择出现。此时，传统汽车电子芯片领域的玩家出现了。第二代视觉处理器系列S32V234由既得利益方恩智浦推出，旨在支持图像处理的计算密集型应用，并提供ISP、强大的3D GPU、双APEX-2视觉加速器和安全性，以及对SafeAssure的支持?. 有64位Arm?Cortex?-A53四核在1GHz下运行，M4核在133 MHz下运行。S32V234具有两个MIPI CSI2接口，四个通道用于相机输入（支持1080像素@30 fps），并支持2x1或1x2百万像素@30 fp和4x2百万像素图像输入。S32V234有一个由S32 Design Studio IDE for Vision支持的完整支持平台，包括编译器、调试器、Vision SDK、Linux BSP和图形工具，MATLAB的NXP Visual Toolbox是附属于S32V24处理器的集成开发环境。S32V234适用于ADAS、NCAP前瞻性摄像头、异物检测和识别、环视、机器学习和传感器融合应用。S32V234专为汽车可靠性、功能安全和安全措施而设计，以支持汽车和工业自动化。它可以支持一些自动驾驶应用，如前视摄像头、智能后视摄像头和环视。符合ISO26262和ASIL相关标准。2017年4月11日，瑞萨（Renesas）2017宣布推出适用于NCAP前置摄像头的R-Car V3M SoC，该SoC配备双核800MHz ARM CA53（ARMv8）和单ARM CR7（ARMv7）。串口可输入四路视频，单路视频传输速度可达1.5Gbps。V3M的硬件加速器使CNN能够在超低功耗水平下运行，可以在自动驾驶应用中实现越来越多的道路检测或物体分类等功能。V3M SoC和支持软件和工具，包括瑞萨开源E工作室的IDE集成开发环境。2018年2月28日，全新的R-Car V3H片上系统（SoC）发布。它的计算机视觉性能是其前身R-Car V3M SoC的五倍。它使用双图像信号处理器（ISP）、四个1.0-GHz Cortex-A53 MP内核和一个双锁步800 MHz Cortex-R7内核。与此同时，CNN的专用IP加速了深度学习。SoC将用于大规模生产的L3级和L4级自动驾驶汽车。V3H SoC样品将于第四季度推出，量产计划将于2019年第三季度开始。瑞萨V3M和V3H使用不同的加速器来实现一流的性能计算机视觉异构平台：多功能流水线引擎（IMP）和计算机视觉引擎（CVE），并辅以DMA来控制内存传输。此外，两个SoC都集成了卷积神经网络（CNN）的IP。这使得R-Car V3M和V3H适用于计算机视觉算法，如对象检测和分类、深度神经网络和卷积神经网络。此外，对于上述硬件加速器，V3H具有用于密集光流、密集立体视差和对象分类的专用IP。德州仪器（TI）推出了用于ADAS前瞻性视觉识别的TDAx SOC系列芯片，包括TDA3x、TDA2x和TDA2Px。这些处理器都包含双核Arm Cortex-A15MPU和双核Arm Cortex M4和C66x DSP。TDA系列芯片分为不同型号，可支持1-3个摄像头，像素在1.3-2.5MP之间，存储带宽在4.0-10.7 GB/s之间。。该芯片可以达到从ASIL-B到ASIL-D的安全级别。德州仪器为Arm、DSP和EVE协处理器提供了一套完整的开发工具，包括C语言编译器、可以简化编程和调度的DSP汇编优化器，以及用于源代码执行可见性的调试接口。ADI公司推出的ADSP-BF60x系列芯片专为ADAS视觉处理而设计，可包括LDW、FCW、TSR、HBA和PD五大功能，系统整体成本降低30%。BF60x基于双核Blackfin，单核工作频率最高可达500 MHz。它采用模拟器件/英特尔微信号架构（MSA）。每个核心包含两个16位乘法器、两个40位累加器、两个40bit ALU、四个视频ALU和一个40bit移位器。计算单元处理来自寄存器堆的8位、16位或32位数据。管道视觉处理器（PVP）提供硬件来处理信号和图像算法，从而对高级汽车辅助驾驶（ADAS）或其他视频中的视频帧进行预处理和协同处理……

处理应用程序。其中，BF608的PVP可以支持VGA，每帧640 x 480像素，每秒30帧。BF609可以支持高清，每帧1280 x 960像素，每秒30帧。ADSP-BF60x在105°C的环境温度下的功耗小于1.3 W，是同类产品中功耗最低的。以上是传统汽车芯片领域的玩家。他们都有传统视觉处理领域的解决方案。当自动驾驶浪潮席卷而来时，他们并没有急于效仿。但在原有芯片基础上，进行了功能适配，以满足ADAS的需求。这些芯片解决方案基本能够覆盖汽车前瞻性的预警功能要求，在价格、功耗和量产体验方面具有优势。因此，在未来ADAS功能的普及过程中，他们可能才是真正的租房者。这些制造商在推出满足更高级别自动驾驶算力要求的视觉处理芯片的时机上更为保守。很少谈论L4和L5的自动驾驶，但更多关注L3以下的需求。芯片性能也满足了百万像素级别的图像和视频处理需求。主频以Arm?Cortex?-A53为主，约1GHz，辅以完整的开发工具，方便用户上手。传统制造商在自动驾驶浪潮中的集体低调甚至沉默，源于他们对市场和代工需求的熟悉。没有人比他们更清楚气候正在变冷变暖。觊觎蛋糕的高通公司推出的面向汽车的处理器820配备了定制的64位Kryo四核处理器高通?Adreno? 530 GPU和高通?Hexagon? 680 DSP，可支持多达8个摄像头传感器的同时输入。凭借多个异构计算引擎，Zeroth? 机器智能平台使枭龙820车载处理器能够提供设备认知技术和神经网络处理能力。820定位为车载处理器，因此它包含了汽车通信、信息娱乐、显示、感知等诸多功能。由于它在消费市场拥有大量出货量，一经推出就受到了许多主机厂的青睐。Xilinx推出的Zynq-7000/Zynq UltraScale+MPSoC可用于前视摄像头的数据处理，ARM A9或A53可用于目标分类和车辆网络连接，PL可用于传感器连接、图像/数据预处理和软件算法的硬件加速。（xa）ZYNQ-7000SOC非常适合高级驾驶辅助系统（ADAS）的高计算要求。它采用28nm技术，使用ARM双核Cortex-A9 MPCore，频率超过667MHz，可以在可编程逻辑（PL）中实现额外的硬件加速器。Xazynq ultrascale+MP SOC系列已完全通过ISO26262 ASIL-C认证，符合AEC-Q100测试规范。该产品高度集成了基于64位四核ARM?Cortex的丰富处理系统（PS）和Xilinx可编程逻辑（PL）UltraScale体系结构?-A53和双核Cortex-R5。与Zynq-7000 SoC相比，系统级性能功率比提高了5倍。在2018年的ces展会上，安巴雷拉发布了基于CVflow架构的计算机视觉芯片CV1。CV1可以对分辨率高达4K的视频进行计算机视觉处理，其重要应用领域之一是ADAS。为了制造这种芯片，VisLab和Anba相互合作，结合了他们在深度学习、高清图像处理和低功耗方面的经验。2018年3月28日，安霸宣布了CV2视觉芯片的升级版。CVflow的优点是可以提高每个处理单元的性能。CV2的深度神经网络性能是CV1的20倍。它可以提供深度神经网络和立体视觉处理，瞄准ADAS和自动驾驶汽车市场。两者都是4K立体视觉处理器。与普通CPU和GPU相比，CVflow? 采用了一种根本不同的方法，包括使用高级算法来描述灵活的CV硬件编程引擎。这使得芯片的架构能够以非常低的功耗和无限的灵活性将其性能扩展到每秒数万亿次操作。同时，该公司提供行业标准工具（如Caffe和TensorFlow），以有效地将其CNN网络映射到基于CVflow的芯片上运行?. Altera作为排名第二的FPGA制造商，被英特尔收购。内部……

FPGA可以提供一种理想的解决方案，以满足系统对灵活IO和高数据速率的要求。FPGA可以从多个传感器（具有不同的接口类型和数据速率）收集数据，并将其转换为统一的格式（如MIPI CSI-2）以输出到计算元件，并进一步将其传输到AD系统。被英特尔并入后，自动驾驶的FPGA解决方案并没有得到大力推广，这可能是因为收购Mobileye后，汽车芯片领域的发展步伐放缓。但FPGA作为一种在行业中广泛应用的技术，未来将在自动驾驶中发挥重要作用。因此，英特尔的FPGA也是一股不可忽视的力量。这些制造商是汽车芯片领域的新来者。赛灵思正在加大投资力度，并关注汽车市场。凭借在原始汽车市场的一些经验，安巴也在努力获得更多的CV市场份额。高通公司在知道自己缺乏经验的情况下，闯入了传统的消费市场，并打算收购恩智浦，以统一河流和湖泊。但煮熟的鸭子已经飞走了，未来的路要靠自己了。自动驾驶视觉处理芯片的竞争才刚刚开始。领导者、传统力量和新来者的步伐各不相同，但市场是一样的，ADAS在我们看来远不受欢迎。谁能掌握真正的话语权，在于占领足够大的市场，而这些故事将在未来5-10年内完成。该产品高度集成了基于64位四核ARM?Cortex的丰富处理系统（PS）和Xilinx可编程逻辑（PL）UltraScale体系结构?-A53和双核Cortex-R5。与Zynq-7000 SoC相比，系统级性能功率比提高了5倍。在2018年的ces展会上，安巴雷拉发布了基于CVflow架构的计算机视觉芯片CV1。CV1可以对分辨率高达4K的视频进行计算机视觉处理，其重要应用领域之一是ADAS。为了制造这种芯片，VisLab和Anba相互合作，结合了他们在深度学习、高清图像处理和低功耗方面的经验。2018年3月28日，安霸宣布了CV2视觉芯片的升级版。CVflow的优点是可以提高每个处理单元的性能。CV2的深度神经网络性能是CV1的20倍。它可以提供深度神经网络和立体视觉处理，瞄准ADAS和自动驾驶汽车市场。两者都是4K立体视觉处理器。与普通CPU和GPU相比，CVflow? 采用了一种根本不同的方法，包括使用高级算法来描述灵活的CV硬件编程引擎。这使得芯片的架构能够以非常低的功耗和无限的灵活性将其性能扩展到每秒数万亿次操作。同时，该公司提供行业标准工具（如Caffe和TensorFlow），以有效地将其CNN网络映射到基于CVflow的芯片上运行?. Altera作为排名第二的FPGA制造商，被英特尔收购。Intel FPGA可以提供理想的解决方案，以满足系统对灵活IO和高数据速率的要求。FPGA可以从多个传感器（具有不同的接口类型和数据速率）收集数据，并将其转换为统一的格式（如MIPI CSI-2）以输出到计算元件，并进一步将其传输到AD系统。被英特尔并入后，自动驾驶的FPGA解决方案并没有得到大力推广，这可能是因为收购Mobileye后，汽车芯片领域的发展步伐放缓。但FPGA作为一种在行业中广泛应用的技术，未来将在自动驾驶中发挥重要作用。因此，英特尔的FPGA也是一股不可忽视的力量。这些制造商是汽车芯片领域的新来者。赛灵思正在加大投资力度，并关注汽车市场。凭借在原始汽车市场的一些经验，安巴也在努力获得更多的CV市场份额。高通公司在知道自己缺乏经验的情况下，闯入了传统的消费市场，并打算收购恩智浦，以统一河流和湖泊。但煮熟的鸭子已经飞走了，未来的路要靠自己了。自动驾驶视觉处理芯片的竞争才刚刚开始。领导者、传统力量和新来者的步伐各不相同，但市场是一样的，ADAS在我们看来远不受欢迎。谁能掌握真正的话语权，在于占领足够大的市场，而这些故事将在未来5-10年内完成。

标签：DS

汽车资讯热门资讯