来源：佐思汽车研究
传统汽车厂家的思维模式与现今的互联网思维模式完备不同，传统车厂对新事物新技能要经由长期验证才会认同。汽车行业理应如此，由于这牵扯到人命，不能拿活人做实验。相对付创新和革命，我们最须要的是更加安全，这就注定汽车半导体进步的速率很慢。
上图是汽车电子发展不同阶段的构造图。第一阶段叫分散式构造(Distributed)，紧张包括两级设置，第一级在传感器部分，紧张是ADC和DSP；第二级在掌握器部分，紧张是MCU。这些电子零部件通过CAN、LIN、Flexray、Most、以太等总线贯串衔接起来。
第二阶段叫局部集中式构造(Partially Centralized)，范例如领悟型ECU和视觉ECU。末了则是中心集权式构造(Centralized)，恐怕要到无人驾驶时期才会涌现。
传感器数据处理紧张是图形处理和雷达旗子暗记处理。图形处理无需多说，大家想必已经比较熟习了，当然目前能通过ISO26262标准的就那几家。雷达就须要多说几句，目前77GHz的FCMW型雷达在数字旗子暗记处理中须要利用FFT，也便是快速傅里叶变换，这须要大量的运算资源。利用单精度浮点处理实现一个4096点FFT，采样点越多，偏差就越小，但运算量会大幅度增加。它在每个时钟周期输入输出四个复数采样。每个FFT内核运行速率超过80 GFLOP，这一样平常须要FPGA才能比较好的实现。
一样平常车载雷达的采样点在512-2048旁边，但军用的可以达到8192，必须配备FPGA。由于大部分人不熟习FPGA，因此雷达的利用受到了限定，近期NXP推出的Qorivva 57A7和德州仪器的DRA75X都可以大大简化雷达的设计，其内部用浮点DSP加速器来替代FPGA。海内比较喜好Qorivva 57A7，价格更低一点。
不过如果追求特殊高的精度，FPGA还是更胜一筹。顺便说一点，FFT也是轻微做了妥协的做法，如果追求最高精度，该用DFT，但打算量太大了，没人利用。
由于传感器须要利用带宽比较高的总线系统，因此一样平常是打算能力比较强的32位MCU。在汽车MCU领域，瑞萨上风非常明显。NXP在合并飞思卡尔后，MCU的市场份额与瑞萨非常靠近，有些机构则认为两者是平分秋色。MCU可以看做一个微型打算机，其核心架构（指令集）紧张有四大类型，分别是ARM、PowerPC、SuperH、MIPS。
PowerPC来自上个世纪的摩托罗拉、苹果和IBM共同开拓的成果，SuperH则来自日立。MIPS没有构建其完全的生态系统，在汽车领域比较少见。只管飞思卡尔（NXP）和瑞萨还故意法半导体都引入了ARM，但紧张是在对安全性哀求不高的领域和32位MCU领域，NXP和瑞萨仍旧保有了自己独占的指令集体系，并没有完备倒向ARM。在汽车领域保持一定的独立性非常有必要。
瑞萨在制程方面拥有比较明显的上风，速率上风明显，瑞萨从90纳米后一贯领先除ARM外的体系，在2010年就推出40纳米工艺MCU，瑞萨与台积公司自90纳米技能世代开始便密切互助开拓内建Flash的MCU产品。为了使未来的环保汽车与自动驾驶车更具节能效益且更可靠，双方在互助40纳米MCU平台与生产四年之后，扩大互助至28纳米MCU的开拓，核心技能是瑞萨具备高可靠性及高速上风的金属氧化氮氧化硅(MONOS)eFlash技能。
飞思卡尔则在发动机领域上风非常突出，不过主流的MPC5554制程还是130纳米，乃至还有些180纳米工艺的MCU在汽车发动机领域发挥余热，汽车领域更在乎可靠性。不过NXP显得后劲不敷，对ARM依赖过高，NXP目前最前辈的PowerPC架构的MCU是MPC5604E，还是2010年的产品，采取55纳米工艺。而最新的BLUEBOX则利用LS2088A，内嵌式处理器是由8个64位ARM Cortex-A72，彷佛有完备倒向ARM的迹象。
而为了ACC、AEB功能，比较前辈的设计会利用传感器领悟。
首先要说领悟的三个层次，分别是传感器数据级（Data）、传感器特色级（Feature）、决策级（Decision）。一样平常情形下都是数据级领悟，紧张是原始数据（可不是最原始的数据，是从传感器ECU输出的数据）领悟，一样平常采取加权均匀或卡尔曼滤波器算法实现领悟。特色级领悟则把形状、深度、速率等数据领悟，常日采取霍夫变换算法。决策级则比拟多个决策，算法一样平常是贝叶斯算法。
上图是Matlab的仿真模型，数据级领悟常日都因此图像传感器为核心，用卡尔曼滤波器对雷达丈量的间隔信息进行滤波后，得到坐标系下前方车辆与摄像头之间各个坐标轴上的间隔估计, 通过坐标映射对它们在二维图像上进行实时描述。这便是传感器视觉化。
由于目前领悟多是雷达与摄像头领悟，所须要的带宽，一样平常的ASIC都能够知足。但是要领悟激光雷达，则最好用FPGA，FPGA做传感器Hub是最得当不过的。同时传感器领悟目前运用较少，得当的ASIC并不好找，FPGA成为主流选择。
随着ADAS繁芜度进一步增加，特殊是传感器数量越来越多，这将导致原有的电子架构变得不太得当。域掌握器开始涌现。
每一大区域有一个域传感器卖力，如下图。
现行架构的缺陷是软件繁芜程度越来越高，ECU数量越来越多，这不仅导致ADAS带来高本钱，也导致研发本钱大增。再次是大幅度增加功率花费，对电动车来说尤其无法接管。其次是电气架构繁芜程度大增，线束，连接器等数量大增，本钱自然大增。末了还有安全隐患，每一个ECU都有可能成为被攻击的入口，须要统一的网络安全设置。采取Domain掌握器大幅度简化ECU架构，减少ECU数量，降落功耗，提高处理器和内存利用效率，同时整车厂家可以只关注底层软件和操作系统，软件供应商则只关注运用层软件。
域掌握器最好要Autosar和以太网总线（未来将是TSN总线）来合营。下图为域掌握器软件构造。
说到芯片，不能不提晶圆代工厂，也便是Foundry。除了CPU和内存外，险些所有的数字IC都是Foundry代工的，汽车类数字IC也不例外。对付数字IC来说，制程越前辈就意味着功耗越低，效率越高，以是人们不断地追求更前辈的制程，对付仿照和稠浊旗子暗记IC，则没这个必要。
进入ADAS时期，汽车内的运算量大增，数字IC的利用量也大增。而无人驾驶时期，这个数量还要暴增，深度学习芯片对前辈制程的依赖更加严重，同样的设计，10纳米制程就比16纳米制程要好上不少，这就让Foundry厂的地位日益突出。不要以为代工的利润就微薄。为苹果代工处理器的台积电的净利率险些是苹果的两倍。
环球10大Foundry收入排名
台积电有多强？28纳米市场霸占率高达95%，14/16纳米市场霸占率85%，大部分机构估量未来的10/7纳米市场，台积电市场霸占率将超过90%。无论你是苹果、华为、高通、英伟达、Xilinx、MTK、谷歌、抑或任何一家深度学习芯片设计公司，都必须在台积电面前俯首。就连英特尔收购的Altera，目前90%的订单也是由台积电完成而非英特尔代工。台积电刻意坚持略微紧张的产能，如果你的订单量太小，对不起，要么给你的价格远高于大客户，要么只能排队等着。你可能设计了一款非常好的芯片，但可能迟迟无法出货或者价格毫无竞争力。
联发科的Helio X30已经确认采取台积电的10纳米工艺，将在2017年1季度出货，这是环球首款采取10纳米的手机CPU，也是联发科在制程领域第一次超越高通，也是对台积电10纳米工艺的完美背书。同时苹果在2017年的10纳米工艺处理器A11，也将由台积电独家代工，台积电不仅在前辈制程领域领先三星，同时在封装领域采取InFO技能，同样也是力压三星。
半导体家当没有捷径，砸钱弗成，一步一步逐步来才行，想投契取巧，弯道超车，结果只会是亏损破产。
来源：佐思汽车研究
