自动驾驶的实现，需要依赖环境感知传感器对道路环境的信息进行采集，将采集到的数据传送到汽车中央处理器进行处理，用来识别障碍物、可行道路等，依据识别结果，规划路径、制定车速，自动控制汽车行驶。整个过程需要在一瞬间完成，延时必须要控制在毫秒甚至微秒级别，才能保证自动驾驶的行驶安全。要完成瞬时处理、反馈、决策规划、执行的效果，对中央处理器的算力要求非常高。
“自动驾驶所需要的计算力，是过去任何一台计算机都没有达到过的。” NVIDIA的掌门人黄仁勋曾在公开场合不止一次的说过这句话。
“自动驾驶级别每升高一级，对计算力的需求至少增加十倍，”Imagination汽车市场总监Bryce Johnstone表示，“第五级全自动驾驶，可能需要每秒500万亿次（TOPS）以上计算力。”
业内人士表示，在自动驾驶中，最耗费算力的当属视觉处理，占到全部算力需求的一半以上。
自动驾驶从传感器数量来看，L2级自动驾驶通常需要3颗以上雷达，以及至少一颗摄像头；而五级自动驾驶，至少需要10颗雷达、8颗摄像头，以及一颗激光雷达。这还没有计算超声波传感器及车内摄像头。
就摄像头而言，用于感知道路环境的摄像头通常密布车身，数量在5个以上，部分车企设置12个左右，为了识别障碍物，处理器需要对多路摄像头实时拍摄的数据进行解析和数据融合，而单颗1080P的高清摄像头每秒可以产生超过1G的数据，数据量不可谓不大。而为了准确识别图像、视频中的有效信息，业内多采用深度学习神经网络。
而图像处理是GPU的强项，CPU并不占优势，深度学习神经网络尤其是几百上千层的神经网络对高性能计算要求非常高，GPU对处理复杂运算拥有天然的优势：它有出色的并行矩阵计算能力，对于神经网络的训练和分类都可以提供显著的加速效果。
但对于汽车而言，对功耗要求苛刻，因此根据TI的官方报告，通常对效率、功耗、算力要求较高的时候，对运算力的表述更为贴切的是GOPS/W of TOPS/W，即消耗单位瓦数可以完成多少运算量。
NVIDIA 2015年推出了Drive PX系列，第一代Drive PX搭载TegraX1处理器和10GB内存，能够同时处理12个200万像素摄像头每秒60帧的拍摄图像，单浮点计算能力为2Tops，深度学习计算能力为2.3Tops，可支持L2高级辅助驾驶计算需求。
2016年发布的Drive P对于刚接触PG电子的新手，有什么实用的攻略吗？X2，支持12路摄像头输入、激光定位、雷达对于刚接触PG电子的新手，有什么实用的攻略吗？和超声波传感器等，单精度计算能力达到8TFlops，深度学习计算能力达24Tops，可满足L3级自动驾驶需求。
2018年NVIDIA推出Xavier，该芯片内置六种处理器：ISP（图像信号处理器）、VPU（视频处理单元）、PVA（可编程视觉加速器）、DLA（深度学习加速器）、CUDA GPU和CPU，每秒可进行近40万亿次运算，仅深度学习就高达30万亿次。
Xavier则是针对L4的方案，Xavier的运算力达到了1Tops/W这一处理水平比上一代DRIVE PX2参考设计要强大10倍。
NVIDIA声称Xavier是迄今为止发明的最复杂的SOC。它包括大量的专用处理器，用于在视觉系统中必须处理的各种任务，直到，满足无人驾驶的车辆。Xavier是迄今为止最复杂的系统级芯片，拥有超过90亿个晶体管，可以处理海量数据。Xavier的 GMSL（千兆多媒体串行链路）高速IO将其与迄今为止最大阵列的激光雷达、雷达和摄像头传感器连接起来。
Mobileye通过使用专有的计算cores（加速器）实现功耗 - 性能成本目标，这些cores专门针对各种计算机视觉，信号处理和机器学习任务进行了优化，其中包括深度神经网络。
MDC智能驾驶计算平台是基于华为昇腾系列AI芯片，当前华为已经推出了MDC 600和MDC 300两个计算平台，分别对应L4和L3级别自动驾驶。MDC 600其基于8颗昇腾310 AI芯片，同时还整合了CPU和相应的ISP模块。 据介绍，MDC 600的算力高达352TOPS（TOPS：万亿次/秒），整体系统的功耗算力比是1 TOPS/W。虽然MDC 600瞄准的是L4级别自动驾驶，但现阶段市场对于L4级别的自动驾驶需求并不旺盛。因此，华为推出了MDC 300。
昇腾310使用了华为自研的高效灵活CISC指令集，每个AI核心可以在1个周期内完成4096次MAC计算，集成了张量、矢量、标量等多种运算单元，支持多种混合精度计算，支持训练及推理两种场景的数据精度运算。 作为NPU，昇腾310集成了FPGA和ASIC两款芯片的优点，包括ASIC的低功耗以及FPGA的可编程、灵活性高等特点，从而其统一架构可以适配多种场景，功耗范围从几十毫瓦到几百瓦，弹性多核堆叠，可在多种场景下提供最优能耗比。
相较而言，英伟达使用的GPU是通用AI芯片，算力高但功耗也高。具体来说，英伟达的Xavier 算力为30 TOPS，功耗则达30W，能效为1 TOPS/W，相比之下，华为昇腾310算力为16 TOPS，功耗仅为8W，能效为2 TOPS/W。昇腾310芯片后续还会以每两年一次的速度持续迭代优化。 基于此，不管是昇腾310最优的算力和功耗，还是其统一架构可以适配多种场景，这就造就了基于昇腾 310的自动驾驶MDC智能驾驶计算平台优势格外明显。
硬件有MDC，软件有鸿蒙系统，对于华为而言，目前所面临的一大挑战就是生态体系的建设，不管是手机端，亦或是车机端。不过，华为在对外的态度上一直是合作共赢。华为MDC智能驾驶计算平台并不是一个闭环的封闭产品，而是一个开放平台。据介绍，其具备组件服务化、接口标准化、开发工具化的特性，基于此平台，相关企业可快速开发、调测、运行自动驾驶算法与功能。此外，华为MDC智能驾驶计算平台还能够兼容AUTOSAR与ROS，结合配套提供的工具链与HIL仿真平台，车企可灵活快速开发不同级别的智能驾驶应用。
目前，自动驾驶公司可供选择的芯片方案，还有哪些呢？除了NVIDIA、地平线等，NXP、高通、英飞凌等公司，推出的都是ADAS芯片方案或传感器芯片，华为MDC基于昇腾310 ，管理高，功耗低，架构适配性强，且迭代优化快，对于自动驾驶公司而言绝对是不二之选，因此华为MDC在业界必然占有一席之地。返回搜狐，查看更多
