许己范芯片摘录（智能驾驶芯片迎来快速扩张的阶段）

　　本文来源新能源芯世相
　　英伟达：中高端车型的首选方案；拥有自动驾驶软硬件解决方案的供应商。
　　拿智能手机行业做对比，如果把特拉斯看作汽车界的苹果，那么英伟达可类比为汽车界的高通安卓。英伟达将人工智能领域的优势拓展到智能驾驶领域并拥有近十年的探索经验。GPU的并行架构适合人工智能领域的计算需求，英伟达敏锐的抓住这个特点，成为人工智能芯片及软件工具链的主要供货商。在进行人工智能领域探索时，英伟达开始涉足智能驾驶及机器人业务，并在该领域拥有近十年的开发经验。
　　平台化芯片完善的工具链是英伟达芯片的主要特征。虽然拥有容易上手的开发工具，但较高学习门槛和自研智能驾驶算法的花销可能会阻挡中小客户的使用。
　　硬件优势在于GPU架构兼顾效率与通用性：效率高于CPU，通用性强于ASIC；设计壁垒高，垄断性强；用户基数保证规模效应：与其他业务平摊研发成本，版本迭代快，持续保证性能优势；端到端的解决方案：车端到云端训练基于同样架构。
　　软件（工具链）优势开放平台模式：客户可进行算法自研；软件工具链丰富：开发了全套软件工具链（公司软件工程师占比超过70），不仅通过软件开发推动硬件的优化设计，还给用户提供丰富的示例与教程，帮助用户快速上手使用。
　　英伟达从帕斯卡到安培架构都以高拓展性为核心目标：1。支持尽可能多种类的神经网络结构以保证算法的正确率和泛化能力；2。支持能够识别广大数字范围的浮点运算，以保证较大的数据吞吐量；3。支持阵列式结构以能够连接更多的处理单元，以进一步加大可计算的数据规模。
　　落地到硬件技术上，Tensorcore和Cudacore并行，以及从INT1到FP64的数据精度范围等一系列革新技术，都以支持上述目标为目的。
　　硬件架构：拓展嵌入式移动芯片到汽车领域
　　英伟达专注提供高性能服务，借助嵌入式移动芯片，拓展汽车市场。在智能手机兴起的2008年时，英伟达试图进入移动芯片市场。为此，公司开发了Tegra系列芯片，采用了ARM的CPU架构，并集成了自家的GPU芯片，组成了一套SOC系统。
　　早期的Tegra芯片注重功耗及效率的表现，主要用在微软的一款MP3和Kin手机、小米3手机上，但后由于基带问题逐渐退出手机市场；后期则更专注于提供高性能，其典型产品是任天堂的Switch，英伟达的TegraX1给任天堂Switch带来了极高的画面体验。由于自动驾驶中对于画面的实时处理要求很高，因此后续的Xavier以及Orin系列也开发了相应的车规级芯片。从移动芯片的发展轨迹来看，英伟达的CUDA核心数量也快速增长，RAM的容量和带宽也迅速提高，移动芯片的性能始终保持竞争优势。
　　计算平台：可采用多种搭配，灵活度高
　　产品自由度高，客户可根据需求选择合适的芯片平台方案。在Tegra系列芯片的基础上，英伟达集成了一些特殊功能的GPU以及辅助芯片，推出了英伟达Drive系列车载AI芯片平台。
　　早期的车载AI芯片平台与单个移动芯片差别不大，但随着车载系统的要求不断多样化，英伟达Drive系统也增加了很多选择。例如DrivePXXavier仅配备了一块Xavier芯片，其算力为30TOPS，功耗仅为30W，适合用在L2级的量产车型中，例如小鹏P7就采用了此款车载芯片平台；对于L4级车辆的车载AI芯片平台，仅仅一个Xavier芯片算力不够，因此采用了两个Xavier芯片加上两个图灵架构的GPU，使算力达到了320TOPS，其功耗也增加到了500W；蔚来希望打造自己的计算平台，因此从英伟达这里选购的是独立的Orin芯片。不同的客户可以依照不同的使用场景选择适合的产品，这较大地增加了英伟达车载AI芯片的使用场景。
　　软件及系统：易于上手且生态丰富
　　不仅算力领先，英伟达易于上手的软件工具链很大地了方便了芯片使用者的开发过程，从DRIVEOS到DRIVEWORKS、DRIVEAV、DRIVEIX，英伟达软件工具链有着极为丰富的功能：同数据中心基础芯片类似，英伟达十分重视对软件工具链的开发。英伟达不仅花费了大量的研发资金，成立了测试小组专门改装了车辆以提高英伟达的芯片及相关软件工具链的安全性与稳定性，还积极听取客户的意见并对相关要求作出回应。在不断的测试中，软件工具链的可用性也不断提高。
　　安全、可靠且易用的软件工具链不仅可以让软件开发人员快速上手并熟练掌握芯片的调用技巧，还可以保证软件的不会在汽车这个安全性要求极高的领域出现差错，这也是整车厂采用英伟达方案的主要原因之一。英伟达的软件还有一个特点是其软件开放性高。有丰富软件开发能力的客户可以从底层操作系统开始自行研发，而初入此领域的客户可以从较上层的应用软件开始研发，底层使用英伟达搭建的通用系统。英伟达灵活的使用方案适配性强，潜在客户数量较大。
　　借助英伟达平台化芯片和虚拟测试平台，NVIDIA在ADAS、智能驾驶舱、高精度地图与定位等汽车相关领域不断开拓业务。NVIDIADRIVEIX是一款可扩展的开放式驾驶舱软件平台，借助NVIDIADRIVEOrin集中计算架构，利用内部摄像头和多模式交互，满足司机、乘客需求，实现独特的AI用户体验。NVIDIADRIVEMapping可创建全自动、可扩展的高精地图，通过DRIVELocalization实现厘米级精度的车辆定位。英伟达通过收购DeepMap、与知名地图公司HERE等合作来开拓地图领域。
　　客户群体：主要面向自研算法的车企和Tier1厂商
　　决策算法是自动驾驶的核心竞争力，大型车企都会尝试进行算法自研，这是平台化芯片兴起的原因。值得一提的是，造车新势力早期版本的车辆都采用了Mobileye的芯片，但由于无法自研算法，于是都转向了英伟达。小鹏的P7是中国最早的搭载DriveXavier车载芯片的量产车型，于2020年7月问世；由于英伟达车载芯片的良好编程平台基础，小鹏P7得以在短时间内数次OTA升级，向用户推出了高速领航辅助驾驶NGP（NavigationGuidedPilot）以及不依赖停车场改造的自主泊车功能，使车辆用户不断体验到最新的功能，也促进了汽车的销量。
　　在商用车领域，英伟达也收获了新的合作。专注于无人出租车Robotaxi的AutoX公司使用英伟达的车载芯片系统实现了L4级功能，专注于卡车领域的智加科技也宣布，即将交付给亚马逊物流的1000辆自动驾驶卡车也将采用英伟达的车载芯片系统。据英伟达在FY2023Q1的财报电话会议透露，其自动驾驶在手订单达110亿美元。
　　英伟达积极布局汽车领域上下游合作，合作形式包括芯片售卖、提供整体解决方案以及授权等。英伟达芯片的使用成本仍然较高。虽然英伟达拥有完善的开发工具链，但针对汽车做适配和算法开发仍然需要大规模的研发投入，与单片芯片的几百美元的购买成本相比，企业要投入的研发成本以及合作授权费用才是大头，（1）通常需要配备至少200300人的算法开发团队以及300人以上的软件开发维护团队，以较早采用英伟达方案的小鹏为例，小鹏近20192021年的研发费用分别为20亿、17亿以及41亿元，除汽车方面研发外，主要开支均在与英伟达Xavier、Orin芯片适配和算法开发中。（2）英伟达软件支持的授权费用通常在数千万美元左右。