芝能科技出品
随着智能驾驶技术的迅猛发展，越来越多的汽车企业开始着手自主研发SoC（System on Chip）芯片，以实现更深层次的智能化和自主化。
车企选择尝试做SoC，主要一个原因是特斯拉做了。分析中国汽车企业进入这个领域，背后有着诸多原因与挑战。
汽车企业希望通过布局汽车芯片，掌握更多研发主导权，并提高软件与芯片的结合效率，以提升产品技术优势。关键的目标之一是实现芯片知识积累。自研SoC芯片并不能从根本上解决芯片供应链问题。在芯片代工厂产能有限的情况下，如果车企的芯片需求量较小，就难以与其他芯片设计公司争夺产能。● 一方面，通用的芯片无法充分发挥出汽车企业独特算法的优势，因此需要定制化的芯片来匹配自研的算法。
● 由于车企对大算力芯片的采购量较小，与芯片供应商的议事权有限，定制化需求难以被充分满足。
● 自主研发芯片需要深入了解软硬件之间的相互作用，以获得更好的兼容性和匹配度，从而更好地发挥智能驾驶功能。汽车企业不仅需要建立起芯片自研团队，积累芯片知识，还需要招募专业人才，以增加与芯片供应商的谈判筹码。
自主研发SoC芯片也为汽车企业带来了诸多机遇。一些新兴车企寄希望于以自研芯片给资本市场带来更大的想象空间，从而提升企业的估值。当然现在来看，由于二级市场对于车企做不做芯片并没有特别的感觉，这点开始变得不重要了。自主研发芯片也能够增加在芯片供应链领域的资本合作，进一步提升企业的竞争优势。芝能点评：环境在变，现在考核的是结果，能不能有低成本和结果好的产品，而不是考虑自研的时代（不需要车企每家去自研）。如果车企想要自研智能驾驶芯片，这个团队需要所需的能力和整个流程，最关键的还是需要扩大自己的客户群体。自研芯片的流程包括确定产品、定义芯片、流片与封测、车规可靠性认证、功能安全认证、量产等环节，耗时3-4年，认证环节耗时1年多。否则车企自己的团队做的芯片，做开发的团队也不敢用！车企在自研芯片时需要对各种核心IP（如CPU、ISP、DSP等）有深刻理解，以选择合适的IP进行芯片设计。还需要深入了解AI算法、获取并理解IP的能力，配置异构IP，使算法与硬件架构兼容，提高芯片使用效率。这个阶段，开发应用的需要和车企开发工程师进行交流，持续优化SoC架构的能力，可以引入更强大的ASIC芯片，如神经网络加速器（NNA）、NPU或DLA。然而，这会增加整个芯片的设计复杂性，需要重新评估整个系统的架构，确保各个组件协同工作。自研SoC芯片需要考虑先进制程的选择，7nm流片费用一下子1亿美元下去了，足够的资金支持给自己用，还不一定做得成，自研SoC芯片的出货量及流片成功率是未知的因素。所以从哲库开始，车企自己来干并不现实了！由于大模型的发展，我们看到了智能驾驶领域也要全程倒入大模型会带来更好的结果，而英伟达最强自动驾驶芯片“DRIVE Thor”开发新一代车载域控制器平台，可能是将来最好的载体。这款芯片单颗算力高达2000TOPS，是Orin芯片的8倍，特斯拉FSD芯片的14倍。如果把这颗最强的芯片，应用于自动驾驶、泊车、驾乘人员监控、数字仪表盘、车载信息娱乐系统等功能，形成高效且能效更高的车载计算解决方案。对于汽车企业来说，竞争优势是很大的，每秒2000万亿次浮点运算性能，能够在单个计算平台上实现全车的智能驾驶和座舱功能，提高整体系统效率并降低运行能耗。对于车企来说，做个AISC芯片投入几十亿，还不如老老实实用Thor把体验做好。随着芯片开发难度越来越大，中国自主研发SoC芯片面临诸多挑战，尤其在智能驾驶和座舱芯片领域，继续自研的经济价值不大。
