半年前，要找車規5nm芯片只有恩智浦（NXP）曾宣布下一代汽車芯片選用臺積電5nm制程，預計2021年秋交付首批樣片;今天卻已不只一個，2018年7月高通收購NXP失敗，現在也挺進了5nm車規芯片，產品有望最快在2023年底量產上市;特斯拉也在備戰“芯片升級”，與三星電子合作為全自動駕駛開發5nm芯片。

剛剛，IT行業5nm芯片被曝集體翻車余音未了，車規5nm芯片又甚囂塵上了。汽車芯片真的進入了5nm時代？我們來分析一下，這炙手可熱的車規5nm芯片究竟貨色如何？

5nm集體“發燒”為哪般？

和手機、電腦等設備相比，汽車運行環境的惡劣程度不是一點半點，尤其是熱環境。現實是，別說車規，就是消費設備用的5nm也還存在問題。因為10年前困擾臺積電和三星的問題又回來了。

5nm是目前EUV（極紫外線）光刻機能實現的最先進芯片制程，也是手機廠商的重要賣點，2020年下半年，蘋果A14、麒麟9000、驍龍888等5nm制程芯片相繼面世。不過，公開信息顯示，上述芯片無一幸免被曝實際功耗不低，發熱未減：“一度達80℃”、“發熱降頻”、“變身火龍”、“高燒不退”。一時間，5nm芯片集體翻車成為熱議。

廠商一直在追隨甚至想超越摩爾定律，遇到的最大問題是芯片內部的晶體管漏電。進入深亞微米制造制程時代之前，動態功耗一直是芯片設計的焦點，而在深亞微米制程，動態功耗在總功耗中的比例越來越小，靜態功耗比例則越來越大;進入納米時代，漏電流功耗對整個功耗的影響變得非常顯著。在90nm制程電路中，靜態功耗可以占到總功耗40%以上。

為什么呢？原來集成電路每一代制造制程的進步都是由縮短CMOS晶體管的溝道長度實現的。不斷縮短溝道長度使電源電壓、閾值電壓、柵極氧化層厚度等制程參數隨之按比例縮小，而短溝道效應（SCE）、柵極隧穿電流、結反偏隧穿電流等漏電流機制越來越顯著，引起芯片漏電流功耗的上升。另外，溝道長度越短，漏電流功耗增加越快。

在5nm制程之前，因為采用了當時創新的FinFET（鰭式場效應晶體管）來替代傳統平面式晶體管，臺積電、三星和英特爾都成功抑制了漏電流功耗。

智能坐艙vs．自動駕駛

2015年開始，高通切入智能座艙和自動駕駛市場，近年來憑借其SoC芯片的強大算力，其14nm驍龍820A座艙SoC已經拿下不少客戶，甚至成了2020年不少中高端車型的標配。

2019 CES展上，高通發布基于臺積電第一代7nm制程的第一款車規級數字座艙SoC驍龍SA8155，入局車載市場。其強大之處在于優秀的運算能力和協同匹配能力，高通將其定義為“一機多屏多系統”的終極解決方案。今年伊始曝光諜照的長城WEY全新車型將是首款搭載8155的量產車型。

那么，智能座艙和自動駕駛能否相提并論呢？答案是否定的，前者與后者高度相關，但不可等同。智能座艙主要包括高清顯示、儀表、主動安全報警（駕駛員監控）、實時導航、在線信息娛樂、緊急救援、車聯網以及人機交互系統（語音識別、手勢識別）等。其主要作用在于通過改變人機交互方式，提升駕駛者和乘員體驗，有助于將產品屬性升級為服務屬性。毫無疑問，人工智能（AI）將賦能人車交互的智能化升級。智能座艙在半導體技術的支持下還是比較容易一步步實現。

自動駕駛呢？應該沒有馬斯克說的那么容易在不久的將來就能實現。因為它涉及的問題實在是太多了。就說芯片的算力吧，不可與智能座艙同日耳語。據稱，高通8155芯片CPU處理器和GPU圖形處理器算力是同級產品的3-5倍。而CES 2020上發布基于5nm制程Snapdragon Ride自動駕駛平臺核心SoC基礎算力為10TOPS，其中單顆SoC支持NCAP標準下的L1/L2級自動駕駛，多顆SoC組合可以實現L4級自動駕駛，最大算力可達700TOPS以上。

2020年11月，華為智能駕駛專家電話會議紀要中關于芯片的討論就很能說明問題：“自動駕駛未來需要大算力芯片，市場一是自動駕駛，二是智能座艙。智能座艙里也會有很多人工智能應用，比如語音識別，以前用科大訊飛的方案是在云端做，體驗感很差。現在用智能座艙芯片，像高通或華為基本上都有七八個T算力，地平線也一樣，其征程二也有大概6個T算力（實際上是4TOPS）。大算力計算芯片一定是一個大趨勢，也是一個門檻……自動駕駛有三個核心要素，第一是數據，第二是場景，第三是算力。特斯拉已經遠超國內的自己在那里吹牛逼的公司了。”

算力vs．真實性能

汽車芯片市場競爭激烈已是不爭的事實，英特爾（Mobileye）、英偉達（NVIDIA）、AMD三大巨頭都已入局，特斯拉更是先發制人開始自研自動駕駛芯片。眼下，為了標榜智能，汽車行業正在經歷一場算力競賽。比如，2019年4月特斯拉算力達到144TOPS，當時已比Mobileye增加了幾十倍;最近，無論智己還是蔚來都宣稱已經在用上千TOPS的芯片。

不同主機廠的算力比較

地平線創始人兼CEO余凱發問：“幾百T、上千T的算力增長可以持續嗎？”他認為：“畢竟有摩爾定律的物理極限在，1000T、2000T到5000T，如果按照現在摩爾定律的功耗標準，超過了10000T，這個車就是一輛燃燒的汽車，所以在技術上沒有可持續性，而且在人工智能角度也不是那么有意義。”

應該說，汽車行業已進入“重新定義汽車”時代，不管是“軟件定義汽車”還是“芯片定義汽車”，說的都有道理，因為軟件必須建立在電子電氣架構核心的計算能力上，芯片硬件是運行軟件的基礎。因此，芯片的算力支撐至關重要，但一味追求算力并無實際意義。

在拼馬力的傳統汽車時代，馬力并不反映用戶可感知到的汽車動力性能，而是破百秒數;在智能汽車時代拼算力，也不能代表用戶可感知到的智能駕駛性能。以特斯拉公布的數據為例，與上一代英偉達芯片比，其算力增加了3倍，但其真實計算性能提升了21倍，為什么？因為其真實計算性能是以每秒“準確識別”了多少幀圖像來衡量的，與FPS（每秒“傳輸”幀數）還是有一些差別。

真實計算性能：每秒準確識別幀數

5nm制程的挑戰

再看5nm制程技術本身的挑戰，不管是IT應用還是更嚴苛的汽車， 7nm之時，FinFET技術已基本走到盡頭，下一步將由環繞柵極晶體管（GAAFET）接替。但由于技術風險和成本壓力，頭部代工廠在5nm時代仍不得不使用FinFET。結果就是芯片漏電流功耗暴增，幾乎抵消了制程進步的紅利。

半導體制程的演變

據透露，英特爾已計劃在5nm（接近臺積電3nm制程）時切換到GAAFET，臺積電則計劃在3nm后再說，三星為了追上臺積電，決定在3nm時就采用GAAFET。不過在GAAFET正式啟用之前，芯片發熱仍然是一個問題。因此，不管是5nm和已規劃的3nm都存在新的可靠性挑戰，尤其是汽車應用。

主機廠自研芯片雷聲大雨點小

主機廠自研芯片的目的無非是不想受制于供應商，同時降低成本，但談何容易？幾十億的投入令大規模量產自動駕駛芯片的廠商不過三家——英偉達、Mobileye（現已被英特爾收購）和特斯拉。除了特斯拉自給自足外，大多造車新勢力都只能選用另兩家的芯片。像蔚來、理想用的是Mobileye EyeQ4，小鵬用的是英偉達Xavier。

到目前為止，全球車企中真正自研芯片的只有特斯拉一家，其他的或許只是發聲而已。就像智能手機產業一樣，真正自研芯片的廠商鳳毛麟角，絕大部分還是走分工協作的道路，因為專業的分工才能帶來效率，這或許就是生態合作的意義吧。

5nm之戰，商用為王

時至今日，2018年起沿用至今的座艙芯片還是英特爾14nm的Apollo Lake架構處理器;無論是英偉達還是Mobileye，最新款自動駕駛芯片的制程都是7nm;而自動駕駛量產之王特斯拉搭載的自動駕駛FSD電腦使用的第一代自研芯片HardWare 3還是基于三星14nm制程制造。當然，三星電子正在加緊5nm車用芯片制程研發，預計有可能在今年四季度開始量產特斯拉的5nm芯片。

從制程成熟度來看，此前高通驍龍888 5G芯片就是三星5nm代工。不過有消息稱，三星曾面臨良品率低的問題，一直在進行改善。三星在芯片設計方面有著行業頂尖實力，同時掌握了先進芯片制造的主動權，但如果三星無法順利提升5nm EUV產能，則上述高通5nm車規產品的量產也可能受到影響。

另外，值得一提的是，三星與特斯拉和高通的關系孰親孰疏也是左右誰先量產的重要因素，或許是現金為王吧。

表面上看，似乎5nm車規芯片將成為芯片廠商和主機廠爭奪智能汽車下一個技術制高點的利器，但歸根結底還要用商用量產的事實說話，另外，說何時量產上車也要眼見為實，在此前，發布的多少和預計量產都有可能只是過眼云煙。

結論是，5nm汽車時代到來就像實現真正自動駕駛的時間，不是說出來的，而是看主機廠和半導體廠商如何共同解決遇到的各種問題，防止承受不起的翻車。

因此，5nm汽車才剛剛起步！

責任編輯：xj