兩年前，佐思產(chǎn)研撰寫了《2016年 ADAS與自動駕駛產(chǎn)業(yè)鏈報告》，細分為三份報告，合計約500頁。隨著汽車行業(yè)的發(fā)展，自動駕駛產(chǎn)業(yè)的壯大，今年我們更新這份報告時，不得不大幅擴充為七份報告，合計約1200頁。

這七份產(chǎn)業(yè)鏈報告是：

《2018 ADAS與自動駕駛產(chǎn)業(yè)鏈研究——計算平臺與系統(tǒng)架構(gòu)篇》

《2018 ADAS與自動駕駛產(chǎn)業(yè)鏈研究——主機廠與系統(tǒng)集成商篇》

《2018 ADAS與自動駕駛產(chǎn)業(yè)鏈研究——汽車視覺產(chǎn)業(yè)篇》

《2018 ADAS與自動駕駛產(chǎn)業(yè)鏈研究——汽車雷達產(chǎn)業(yè)篇》

《2018 ADAS與自動駕駛產(chǎn)業(yè)鏈研究——低速自動駕駛產(chǎn)業(yè)篇》

《2018 ADAS與自動駕駛產(chǎn)業(yè)鏈研究——商用車自動駕駛產(chǎn)業(yè)篇》

《2018 ADAS與自動駕駛產(chǎn)業(yè)鏈研究——自動駕駛初創(chuàng)企業(yè)篇》

《2018 ADAS與自動駕駛產(chǎn)業(yè)鏈研究——計算平臺與系統(tǒng)架構(gòu)篇》共158頁，包括七部分內(nèi)容：

ADAS與自動駕駛簡介

ADAS與自動駕駛市場預(yù)測

國內(nèi)車廠ADAS與自動駕駛策略，包括吉利、通用、上汽、東風、長城、廣汽、長安、蔚來、小鵬、拜騰等廠家

ADAS與自動駕駛軟件架構(gòu)，包括Autosar經(jīng)典與自適應(yīng)、ROS 2.0與QNX

ADAS與自動駕駛硬件架構(gòu)，包括車載以太網(wǎng)、TSN、以太交換與網(wǎng)關(guān)、域控制器

ADAS和自動駕駛安全認證，包括ISO26262、AEC-Q100

處理器廠家研究，包括NXP、瑞薩、德州儀器、Mobileye、英偉達、安霸、英飛凌和ARM等

根據(jù)佐思產(chǎn)研的研究，2017年中國ADAS與自動駕駛市場規(guī)模約為59億元，到2021年預(yù)計能達到426億元，年均增長率約為67%。

最先起步的細分市場是汽車視覺、毫米波雷達、ADAS系統(tǒng)，其中毫米波雷達市場的規(guī)模和增速均讓人驚訝。緊接著是低速自動駕駛，而激光雷達、商用車自動駕駛、乘用車自動駕駛的市場放大將相對滯后。

汽車進入ADAS與自動駕駛時代后，產(chǎn)品迭代速度急速增加，而汽車市場遠不及消費類電子市場廣闊，但設(shè)計難度、設(shè)計與生產(chǎn)成本都高于消費類電子市場，加上產(chǎn)品迭代速度大增，產(chǎn)品生命周期縮短，汽車ADAS與自動駕駛處理器風險大大增加，必須有足夠的財力和人力來支持開發(fā)汽車ADAS與自動駕駛處理器，全球范圍內(nèi)僅有NXP和瑞薩等極少數(shù)幾家企業(yè)能開發(fā)全系列ADAS與自動駕駛處理器。

安全認證方面，自動駕駛芯片都至少要求ASIL B級水準。目前能達到ASIL B級安全認證的自動駕駛處理器只有瑞薩R-CAR H3等。GPU是通用型設(shè)計，而非汽車專用設(shè)計，從設(shè)計出發(fā)點就很難達到ISO26262認證的安全等級。ASIL的認證周期長達2-4年。

雙目的可靠性、準確度、功能性遠在單目之上，但是由于雙目必須使用FPGA，造價高。成本限制雙目只能用在豪華車領(lǐng)域，隨著瑞薩和NXP硬核雙目處理器的出現(xiàn)，雙目將大量出現(xiàn)在ADAS與自動駕駛領(lǐng)域，從豪華車走向中檔車。

隨著傳輸數(shù)據(jù)的暴增，車載以太網(wǎng)將成為未來汽車的標準配置，而自動駕駛則離不開以太網(wǎng)關(guān)或以太交換機。

Autosar將成為ADAS與自動駕駛領(lǐng)域的標準配置。

典型無人駕駛框架

CNN/DNN圖形類機器學習，數(shù)據(jù)和順序無關(guān)，GPU是最合適的，特別是在性價比方面，英偉達的GPU可用于汽車之外的多個領(lǐng)域，出貨量遠比汽車專用的ASIC要高，性價比優(yōu)勢十分明顯。TPU以降低運算精度來提升速度，并降低功耗，功耗只有GPU的10%。

RNN/LSTM/強化學習有關(guān)順序類的機器學習，F(xiàn)PGA具備明顯優(yōu)勢，尤其是功耗方面，同樣性能下FPGA不到GPU的1/5。但FPGA缺乏性價比，高性能的FPGA成本很高。FPGA也可以處理圖形類機器學習，可以降低精度來提升性能。

ASIC性能與功耗比最好，但開發(fā)周期長，開發(fā)成本最高，靈活性最差，如果出貨量低的話（如果采用7納米工藝，最低也要每年1.2億的出貨量），要么單價很高，要么廠家虧損。大部分深度學習圖形類機器學習ASIC都近似TPU。

車載領(lǐng)域，功耗、性價比都是關(guān)鍵因素，圖形類機器學習，GPU是毫無疑問的贏家。但隨著算法的不斷改進，對運算精度要求越來越低，F(xiàn)PGA的低功耗使得在圖形類機器學習領(lǐng)域也有一席之地。順序類機器學習，F(xiàn)PGA具備壓倒性優(yōu)勢。

自動駕駛可以分為兩種類型，一種是Waymo為代表，已經(jīng)解決了環(huán)境感知領(lǐng)域內(nèi)的大部分問題，精力主要放在行為決策上，計算架構(gòu)是CPU+FPGA，一般都是英特爾至強12核以上CPU加Altera或Xilinx的FPGA。另一種以Mobileye為代表，還未解決環(huán)境感知的全部問題，精力主要在環(huán)境感知上，計算架構(gòu)是CPU+GPU/ASIC。

展望未來，短期內(nèi)CPU+GPU會是主流，但長期來看CPU+FPGA/ASIC可能會是主流，主要是算法的改進和傳感器特別是激光雷達性能的提升，對圖形類運算精度可以持續(xù)降低，這對FPGA很有利，而GPU的功耗很難下降。FPGA更容易達到車規(guī)級要求。

芯片代工領(lǐng)域，臺積電拿下所有的7納米訂單，包括獨家供應(yīng)蘋果的A12，這也是臺積電首次超越英特爾成為半導(dǎo)體制造工藝最先進的廠家，像人工智能自動駕駛類強調(diào)運算能力的數(shù)字類邏輯芯片，先進工藝是必須采用的。