自动驾驶芯片研究：除了堆算力，核心IP、软件栈、AI训练平台等愈发重要
资料来源：《2022年ADAS/AD自动驾驶芯片行业研究报告》
除了堆算力，自研核心IP是各大SoC厂商的竞争重点
GPU方面：英伟达在GPU以及由GPU衍生出来的在图像处理方面具有巨大优势；
DPU方面：英伟达70亿美元收购了以色列芯片公司Mellanox，并推出了Bluefield DPU芯片，已演进至第三代。DPU是一个可编程的电子部件，具有中央处理单元(CPU)的通用性及可编程性，专用于处理网络数据包、存储请求或分析请求上高效运行；
CPU方面，英伟达发起了对IP厂商ARM的收购，也是英伟达“三芯”战略的延伸，但最终未能如愿。不过英伟达依然推出了基于ARM架构的Grace芯片，面向数据中心大规模AI和高性能计算，英伟达下一代Atlan SoC同样也应用了ARM架构。
英伟达Bluefield DPU芯片演进路线
资料来源：网络
黑芝麻A1000自动驾驶SoC
资料来源：网络
跨域融合和中央计算平台芯片将引领整车EEA架构演进
自动驾驶SoC厂商的跨域融合/中央计算布局
资料来源：《2022年ADAS/AD自动驾驶芯片行业研究报告》
SoC厂商加速布局自动驾驶AI数据训练
特斯拉推出了Dojo 超算训练平台：采用特斯拉自研7nm AI训练芯片D1，依托庞大客户群来收集自动驾驶数据，从而实现对深度学习系统的模型训练。当前特斯拉Autopilot 主要使用2D图像+标注的方式进行训练和算法迭代，通过Dojo 超算平台，可以使得Autopilot可以以3D图像+时间戳（4D Autopilot系统）的方式进行训练，4D Autopilot系统将具备可预测性，标记道路物体的3D移动轨迹，以加强自动驾驶功能的可靠性；
英伟达推出了自动驾驶模拟平台：Drive Sim Omniverse Replicator，这是一种生成具有正确标注的合成数据的引擎,用于训练 AI 网络，同时英伟达还具备现阶段最强大的训练用处理器英伟达A100；
Mobileye的REM的地图数据已覆盖全球，在中国，Mobileye已经与中国的紫光集团成立一家合资公司来解决在中国的地图数据采集的合规问题。同时，英特尔收购了Moovit，以增强REM的实力和数据差异化，并将传统的高清地图数据从路端延伸到用户端，从辅助自动驾驶的感知冗余到提升路径规划的效率。英特尔推出了自研的顶级AI芯片Ponte Vecchio，Ponte Vecchio的技术也将扩展到Mobileye的EyeQ6上(预计2023年上市)，在AI和服务器领域，英特尔将凭借CO-EMIB技术挑战英伟达的地位。
地平线为解决自动驾驶的长尾问题，搭建了完善的数据闭环平台，以此来迭代算法，提升系统能力。地平线推出了“艾迪”数据闭环训练平台；
华为推出了“华为八爪鱼”自动驾驶开放平台，围绕自动驾驶开发最关键的四大要素——硬件、数据、算法和高精地图，构建一套以数据为核心，驱动自动驾驶闭环迭代的开放平台。同时华为昇腾910 也是全球顶级的AI训练芯片，直接对标英伟达A100，并推出了AI训练集群Atlas 900。
部分自动驾驶SoC芯片商数据训练产品
资料来源：《2022年ADAS/AD自动驾驶芯片行业研究报告》
全球领先的自动驾驶AI训练芯片包括：英特尔Ponte Vecchio、英伟达A100、特斯拉D1、华为昇腾910、Google TPU（v1、v2、v3）、Cerebras Wafer-Scale Engine、Graphcore IPU等。
部分自动驾驶AI训练芯片产品对比
资料来源：《2022年ADAS/AD自动驾驶芯片行业研究报告》
《2022年ADAS/AD自动驾驶芯片行业研究报告》目录
本报告共370页
01
自动驾驶芯片行业概述
1.1 ADAS/AD SoC芯片介绍
1.1.1 智能汽车车载计算平台总体架构
1.1.2 整车电子电气架构演进，推动自动驾驶计算平台发展
1.1.3 汽车SoC计算芯片构成
1.1.4 汽车SoC计算芯片：AI加速芯片
1.1.5 SoC芯片厂商的异构设计思路（1）
1.1.6 SoC芯片厂商的异构设计思路（2）
1.1.7 SoC芯片厂商的异构设计思路（3）
1.1.8 SoC芯片厂商的异构设计思路（4）
1.1.9 SoC 主芯片算力需求持续提升
1.1.10 高性能 SoC 主芯片BOM 成本拆解：以XXX主控芯片为例
1.1.11 特斯拉HW3.0 控制器总体成本下降20%
1.1.12 高性能 SoC 主芯片成本估算
1.2 ADAS/AD SoC芯片厂商和产品对比
1.2.1 全球ADAS/AD SoC芯片商产品性能参数对比（1）
1.2.2 全球ADAS/AD SoC芯片商产品性能参数对比（2）
1.2.3 全球ADAS/AD SoC芯片商产品性能参数对比（3）
1.2.4 全球ADAS/AD SoC芯片商产品性能参数对比（4）
1.2.5 全球ADAS/AD SoC芯片商产品性能参数对比（5）
1.2.6 全球ADAS/AD SoC芯片商产品性能参数对比（6）
1.2.7 全球ADAS/AD SoC芯片商产品性能参数对比（7）
1.2.8 全球ADAS/AD SoC芯片商产品性能参数对比（8）
1.3 车规级ADAS/AD SoC芯片的要求
1.3.1 车规级芯片需满足的基本条件
1.3.2 车规级芯片准入门槛和行业壁垒分析
1.3.3 车规级芯片评价要素：性能、功耗和价格
1.3.4 车规级芯片需满足的汽车供应链标准体系规范（1）
1.3.5 车规级芯片需满足的汽车供应链标准体系规范（2）
02
自动驾驶芯片发展趋势
2.1 趋势一：SoC芯片争夺ISP
2.1.1 ISP图像处理器的价值和意义
2.1.2 ARM在汽车ISP图像处理器领域的布局
2.1.3 高通Snapdragon Ride平台
2.1.4 ISP和CNN神经网络合并为统一的NNA
2.1.5 特斯拉去ISP：利用纯视觉技术实现自动驾驶的整体架构
2.1.6 自动驾驶SoC厂商的布局：集成ISP的典型方案（1）
2.1.7 自动驾驶SoC厂商的布局：集成ISP的典型方案（2）
2.1.8 自动驾驶SoC厂商的布局：集成ISP的典型方案（3）
2.1.9 自动驾驶SoC厂商的布局：集成ISP的典型方案（3）
2.1.10 软件厂商的布局：将计算机成像技术引入汽车ISP
2.1.11 CMOS厂商的布局：ISP二合一车规级CMOS图像传感器
2.2 趋势二：SoC跨域融合计算
2.2.1 自动驾驶SoC厂商：跨域融合计算布局（1）
2.2.2 自动驾驶SoC厂商：跨域融合计算布局（2）
2.2.3 映驰科技跨域融合高性能计算软件平台
2.3 趋势三：SoC厂商加速布局自动驾驶AI数据训练
2.3.1 自动驾驶SoC厂商：数据闭环训练平台布局（1）
2.3.2 自动驾驶SoC厂商：数据闭环训练平台布局（2）
2.3.3 自动驾驶 AI 训练芯片对比
2.4 趋势四：SoC厂商加速转型Tier 0.5
2.4.1 原处于Tier2的汽车芯片厂商已跃居核心供应商地位
2.4.2 SoC芯片厂商进一步转型为Tier0.5
2.4.3 Mobileye 自研4D成像雷达系统
2.4.4 Mobileye 提供芯片/视觉/雷达在内的自动驾驶套装
2.4.5 高通收购Veoneer
03
全球自动驾驶芯片厂商研究
3.1 英伟达
3.1.1 NVIDIA 产品概况
3.1.1.1 英伟达2021年各业务经营情况（1）
3.1.1.2 英伟达2021年各业务经营情况（2）
3.1.1.3 英伟达战略架构：GPU+CPU+DPU
3.1.1.4 英伟达 GPU 架构：Ampere（安培）
3.1.1.5 英伟达 GPU 架构：技术演进
3.1.1.6 英伟达 DPU 架构：Bluefield技术演进
3.1.1.7 英伟达自动驾驶芯片战略方向
3.1.1.8 英伟达自动驾驶 SoC 产品线
3.1.1.9 英伟达自动驾驶计算平台产品线（1）
3.1.1.10 英伟达自动驾驶计算平台产品线（2）
3.1.1.11 英伟达历代自动驾驶芯片性能参数对比
3.1.2 NVIDIA Atlan SoC 芯片
3.1.2.1 英伟达Atlan SoC
3.1.2.2 英伟达Atlan SoC CPU
3.1.2.3 英伟达Atlan SoC DPU
3.1.2.4 英伟达Atlan SoC 功能安全隔离岛
3.1.3 英伟达 ORIN SoC 芯片
3.1.3.1 英伟达ORIN SoC
3.1.3.2 英伟达ORIN SoC：系统框架图
3.1.3.3 英伟达ORIN SoC：采用可拓展兼容架构
3.1.3.4 英伟达ORIN SoC：三类典型产品
3.1.4 英伟达Xavier SoC芯片
3.1.4.1 英伟达Xavier SoC：性能参数
3.1.4.2 英伟达Xavier SoC：系统架构图
3.1.5 NVIDIA 自动驾驶计算平台
3.1.5.1 英伟达全新一代自动驾驶汽车平台：Drive Hyperion 8
3.1.5.2 英伟达Drive Hyperion 8.1：面向L2+的开发平台架构（1）
3.1.5.3 英伟达Drive Hyperion 8.1：面向L2+的开发平台架构（2）
3.1.5.4 英伟达Drive Hyperion 8.1：面向L2+的开发平台架构（3）
3.1.5.5 英伟达Drive Hyperion 8.1：面向L2+的开发平台架构（4）
............................
3.1.5.11 英伟达自动驾驶计算平台：DRIVE AutoPilot（面向L2+）
3.1.6 NVIDIA自动驾驶配套软件
3.1.6.1 英伟达自动驾驶全栈工具链
3.1.6.2 英伟达自动驾驶软件堆栈 (1)
3.1.6.3 英伟达自动驾驶软件堆栈 (2)
3.1.6.4 英伟达自动驾驶软件堆栈：各功能项介绍（1）
3.1.6.5 英伟达自动驾驶软件堆栈：各功能项介绍（2）
3.1.6.6 英伟达自动驾驶软件堆栈：各功能项介绍（3）
3.1.6.7 英伟达 NVIDIA DRIVE AP2X 软件方案
3.1.6.8 英伟达自动驾驶模拟平台
3.1.6.9 英伟达人工智能辅助驾驶平台
3.1.6.10 英伟达车载 AI 助手
3.1.7 英伟达自动驾驶芯片客户
3.1.7.1 英伟达核心客户群
3.1.7.2 英伟达自动驾驶芯片生态
3.2 Intel/Mobileye
3.2.1 英特尔自动驾驶部门简介
3.2.2 英特尔成为全球首家面向OEM整车厂的全链条芯片厂商
3.2.3 英特尔转型IDM2.0模式
3.2.4 英特尔计划2022年开始为汽车行业代工芯片
3.2.5 Mobileye整体解决方案
3.2.6 Mobileye芯片出货量
3.2.7 Intel/Mobileye ADAS/AD芯片产品组合（1）
3.2.8 Intel/Mobileye ADAS/AD芯片产品组合（2）
3.2.9 Intel/Mobileye ADAS/AD芯片产品组合（3）
3.2.10 Mobileye的自动驾驶策略
3.2.11 Mobileye EyeQ 系列产品线：典型技术参数
3.2.12 Mobileye 推出第七代产品
3.2.13 EyeQ® Ultra™系统架构
3.2.14 Mobileye 推出EyeQ® 6L/6H系统集成芯片
3.2.15 EyeQ6H芯片架构图
3.2.16 EyeQ6L芯片架构图
3.2.17 Mobileye EyeQ5 芯片：系统框架图
3.2.18 Mobileye EyeQ5 芯片：功能模块图
3.2.19 Mobileye EyeQ5 芯片：开放式平台
3.2.20 Mobileye EyeQ4 芯片
3.2.21 Mobileye EyeQ4 芯片功能项目和参数
3.2.22 Mobileye L2+级SuperVision系统解决方案
3.2.23 Mobileye L2+级SuperVision计算平台架构方案
3.2.24 Mobileye L2+级SuperVision系统框架图
3.2.25 Mobileye L4级Mobileye Drive
3.2.26 Mobileye L4级Mobileye Drive的系统设计架构
3.2.27 Mobileye路网信息管理（REM）
3.2.28 Mobileye地图数据采集方案
3.2.29 Mobileye与极氪、福特、大众等大客户实现深度合作
3.2.30 Mobileye EyeQ 产品线与英特尔体系整合
3.2.31 Mobileye Eye6 采用英特尔 Atom 内核
3.2.32 Mobileye自研4D成像雷达
3.2.33 Mobileye 4D成像雷达系统设计和性能指标
3.2.34 Mobileye 软件定义的成像雷达点云
3.2.35 Mobileye自动驾驶解决方案的核心客户
3.2.36 Mobileye在L4级移动出行的布局
3.3 TI
3.3.1 德州仪器介绍
3.3.2 德州仪器斥资300亿美元新建4座半导体工厂
3.3.3 TI推出的ADAS系统相关的产品包括三类
3.3.4 TI ADAS/AD芯片产品组合（1）
3.3.5 TI ADAS/AD芯片产品组合（2）
3.3.6 TI 发布下一代汽车处理器平台
3.3.7 TI 下一代汽车处理器平台Jacinto 7系统架构
3.3.8 德州仪器Jacinto™ 7 平台ADAS芯片TDAx
3.3.9 IT TDA4VM SoC：技术特点（1）
3.3.10 IT TDA4VM SoC：技术特点（2）
3.3.11 IT TDA4VM SoC：技术架构
3.3.12 IT TDA4VM SoC：应用领域
3.3.13 IT TDA4VM SoC应用案例 (1)
3.3.14 IT TDA4VM SoC应用案例 (2)
3.3.15 IT TDA4VM SoC应用案例 (3)
3.3.16 IT TDA4VM SoC应用案例 (4)
3.3.17 IT TDA4VM SoC应用案例 (5)
3.3.18 TI 汽车毫米波雷达芯片
3.3.19 TI 第二代毫米波雷达单芯片
3.3.20 TI 4D成像雷达芯片
3.4 NXP
3.4.1 NXP 2021年经营业绩
3.4.2 恩智浦ADAS/AD芯片产品组合（1）
3.4.3 恩智浦ADAS/AD芯片产品组合（2）
3.4.4 NXP S32x 系列芯片产品线
3.4.5 NXP S32 ADAS芯片产品
3.4.6 NXP S32 ADAS芯片产品技术路线
3.4.7 NXP S32V2/ S32V3 ADAS芯片产品架构特点
3.4.8 基于S32 V234的ADAS系统框图
3.4.9 NXP S32V3双目视觉芯片
3.4.10 NXP自动驾驶车规级AI工具软件开发包
3.4.11 NXP自动驾驶计算平台Bluebox（1）
3.4.12 NXP自动驾驶计算平台Bluebox（2）
3.4.13 NXP自动驾驶计算平台Bluebox（3）
3.4.14 NXP 4D成像毫米波雷达芯片组S32R45
3.4.15 NXP 4D成像毫米波雷达芯片组S32R41
3.4.16 NXP ADAS/AD芯片合作伙伴和案例
3.5 瑞萨电子
3.5.1 瑞萨经营情况
3.5.2 瑞萨汽车芯片业务
3.5.3 瑞萨通过收购Dialog进一步扩产了车载产品线
3.5.4 瑞萨将助力车厂/Tier1未来EE架构搭建集成平台
3.5.5 瑞萨汽车芯片产品：产能扩张计划
3.5.6 瑞萨汽车芯片产品：R-Car产品系列图
3.5.7 瑞萨ADAS/AD芯片产品组合（1）
3.5.8 瑞萨ADAS/AD芯片产品组合（2）
3.5.9 瑞萨R-Car V3U SoC
3.5.10 瑞萨R-Car V3U SoC内部框架（1）
3.5.11 瑞萨R-Car V3U SoC内部框架（2）
3.5.12 瑞萨R-Car V3U SoC（1）
3.5.13 瑞萨R-Car V3U SoC（2）
3.5.14 瑞萨R-Car V3U SoC（3）
3.5.15 瑞萨R-Car V3U SoC（4）
3.5.16 瑞萨R-Car V3U SoC（5）
3.5.17 瑞萨R-Car V3H SoC（6）
...............................
3.5.24 瑞萨R-Car V3M SoC（13）
3.5.25 瑞萨开放式交钥匙解决方案
3.5.26 瑞萨软件平台：R-Car软件开发套件（SDK）
3.5.27 瑞萨软件平台：跨平台、可扩展、可复用
3.6 高通
3.6.1 高通2021年经营情况
3.6.2 高通以45亿美元收购Veoneer
3.6.3 高通和Veoneer的合作始于2021年
3.6.4 Veoneer的客户群众多
3.6.5 Veoneer主动安全平台架构
3.6.6 Veoneer L2+ Hands-off 系统
3.6.7 Veoneer ADAS SW软件栈路线图
3.6.8 高通ADAS/AD芯片产品组合
3.6.9 高通Snapdragon Ride SoC芯片
3.6.10 高通Snapdragon Ride SoC芯片：拓扑架构
3.6.11 高通Snapdragon Ride SoC和第四代骁龙座舱芯片
3.6.12 高通Snapdragon Ride™视觉系统：技术特点
3.6.13 高通Snapdragon Ride™视觉系统：计划2024年量产
3.6.14 高通自动驾驶解决方案：Snapdragon Ride平台和Arriver软件栈
3.6.15 高通Snapdragon Ride自动驾驶平台
3.6.16 高通Snapdragon Ride软件平台
3.6.17 高通Snapdragon Ride的三种配置版本
3.6.18 应用案例（1）
3.6.19 应用案例（2）
3.6.20 应用案例（3）
3.6.21 应用案例（4）
3.7 安霸
3.7.1 安霸简介
3.7.2 安霸收购毫米波雷达公司傲酷（Oculii）
3.7.3 安霸自动驾驶芯片产品线和发展策略
3.7.4 安霸计算机视觉芯片架构：CVflow
3.7.5 安霸ADAS/AD芯片产品组合
3.7.6 安霸推出最新AI域控制器芯片
3.7.7 CV3汽车专用SoC架构
3.7.8 CV3 神经网络矢量处理器
3.7.9 安霸未来将推出多颗不同定位的CV3系列芯片
3.7.10 基于 CV3 单芯片搭建的自动驾驶系统
3.7.11 安霸CVflow® 系列芯片 CV5
3.7.12 安霸视觉芯片CV1系列
3.7.13 安霸视觉芯片CV2系列：框架设计图
3.7.14 安霸视觉芯片CV2系列：CV22AQ
3.7.15 安霸视觉芯片CV2系列：CV22FS 和 CV2FS
3.7.16 多家车企基于安霸CV2 SoC打造自动驾驶系统
3.7.17 安霸视觉芯片应用场景和合作伙伴
3.8 英飞凌
3.8.1 英飞凌2021年经营业绩
3.8.2 英飞凌收购赛普拉斯后，成为全球最大车用半导体供应商
3.8.3 收购赛普拉斯后的“新英飞凌”产品组合
3.8.4 英飞凌汽车芯片产品组合
3.8.5 英飞凌在自动驾驶汽车芯片领域的布局
3.8.6 英飞凌毫米波雷达和激光雷达相关产品
3.8.7 英飞凌对自动驾驶的未来布局
3.8.8 英飞凌ADAS/AD芯片产品组合
3.8.9 英飞凌RXS8160PL方案
3.8.10 英飞凌77GHz雷达芯片
3.9 赛灵思
3.9.1 赛灵思汽车业务介绍
3.9.2 AMD完成收购赛灵思
3.9.3 赛灵思 ADAS/AD产品服务领域
3.9.4 赛灵思FPGA器件满足ADAS传感器发展趋势
3.9.5 赛灵思FPGA器件产品路线和布局
3.9.6 赛灵思ADAS/AD芯片产品组合（1）
3.9.7 赛灵思ADAS/AD芯片产品组合（2）
3.9.8 赛灵思面向下一代车规级产品Versal AE Edge系列
3.9.9 Xilinx的Soc+FPGA系列产品
3.9.10 Xilinx 可拓展产品系列
3.9.11 赛灵思 Versal ACAP 系列（1）
3.9.12 赛灵思 Versal ACAP 系列（2）
3.9.13 赛灵思 Zynq UltraScale+ MPSoC 产品特点（1）
3.9.14 赛灵思 Zynq UltraScale+ MPSoC 产品特点（2）
3.9.15 基于FPGA+CPU的自动驾驶系统
3.9.16 赛灵思发布针对AI和机器学习推理的统一软件平台
3.9.17 赛灵思统一软件开发平台（1）
3.9.18 赛灵思统一软件开发平台（2）
3.9.19 赛灵思提出的AD的系统架构解决方案
3.9.20 赛灵思FPGA赋能双目视觉和4D雷达
3.9.21 赛灵思FPGA赋能激光雷达
3.9.22 赛灵思FPGA赋能智能座舱DMS/ICMS
3.9.23 赛灵思FPGA赋能自动驾驶传感器融合
3.9.24 赛灵思FPGA赋能新能源汽车
3.9.25 赛灵思FPGA赋能安全网关
3.10 特斯拉
3.10.1 特斯拉Autopilot系统及处理器演变
3.10.2 特斯拉ADASA/AD计算平台产品组合
3.10.3 特斯拉计划将HW 4.0自动驾驶芯片的生产外包给三星
3.10.4 特斯拉HW1.0-HW3.0技术参数对比
3.10.5 特斯拉自研HW3.0自动驾驶（FSD）芯片
3.10.6 特斯拉HW3.0：芯片架构图
3.10.7 特斯拉HW3.0芯片：FSD双冗余芯片设计
3.10.8 特斯拉HW3.0芯片：CPU处理器
3.10.9 特斯拉HW3.0芯片：NNA处理器
3.10.10 特斯拉HW3.0芯片：ISP处理器
3.10.11 特斯拉HW4.0芯片可能取消ISP处理器
3.10.12 特斯拉Dojo 超算训练平台：特斯拉自研7nm AI训练芯片D1
3.10.13 特斯拉 AI超级计算机“ExaPOD”
04
中国自动驾驶芯片厂商研究
4.1 地平线
4.1.1 地平线商业模式定位为Tier2（1）
4.1.2 地平线商业模式定位为Tier2（2）
4.1.3 地平线ADAS/AD芯片架构路线图
4.1.4 地平线产品序列：芯片、工具链和操作系统
4.1.5 地平线ADAS/AD芯片产品组合（1）
4.1.6 地平线ADAS/AD芯片产品组合（2）
4.1.7 地平线征程2/3/5系列产品技术指标对比
4.1.8 地平线征程5中央计算芯片：核心性能参数
4.1.9 征程 5 获得ISO 26262 ASIL-B功能安全产品认证
4.1.10 地平线征程3芯片：主打L2+辅助驾驶市场
4.1.11 地平线征程2芯片（1）
4.1.12 地平线征程2芯片（2）
4.1.13 地平线自动驾驶计算平台：Matrix
4.1.14 征程 5 和 Matrix 5 参考设计计算平台
4.1.15 地平线全场景智能驾驶解决方案计算平台：Matrix 5
4.1.16 地平线推出Horizon Matrix® FSD全自动驾驶解决方案
4.1.17 地平线推出Horizon Halo™车载智能交互解决方案
4.1.18 地平线推出Horizon Matrix® Mono、Horizon Matrix® Pilot
4.1.19 地平线推出Horizon Matrix Mono 2.0单目前视解决方案
4.1.20 地平线微内核架构实时车载操作系统：Together OS（1）
4.1.21 地平线微内核架构实时车载操作系统：Together OS（2）
4.1.22 地平线完整的开发工具链
4.1.23 地平线“天工开物”AI 开发平台
4.1.24 地平线的数据闭环开发平台
4.1.25 地平线客户体系
4.2 华为
4.2.1 华为CC架构
4.2.2 华为ADAS/AD芯片产品组合
4.2.3 华为ADAS/AD计算平台产品组合
4.2.4 华为ADAS/AD芯片：昇腾 910/310主控芯片
4.2.5 华为ADAS/AD芯片：昇腾 310/910 采用华为自研达芬奇架构
4.2.6 华为ADAS/AD芯片：昇腾 310 性能参数
4.2.7 华为ADAS/AD芯片：华为昇腾910 性能参数
4.2.8 华为ADAS/AD芯片：昇腾芯片技术规划路线
4.2.9 华为CPU芯片：鲲鹏916/920
4.2.10 华为MDC自动驾驶计算平台：产品线
4.2.11 华为MDC自动驾驶计算平台：MDC810
4.2.12 华为MDC自动驾驶计算平台：MDC 210 和MDC 610
4.2.13 华为MDC自动驾驶计算平台：平台框架（1）
4.2.14 华为MDC自动驾驶计算平台：平台框架（2）
4.2.15 华为MDC自动驾驶计算平台：硬件平台
4.2.16 华为MDC自动驾驶计算平台：软件与工具链（1）
4.2.17 华为MDC自动驾驶计算平台：软件与工具链（2）
4.2.18 华为MDC自动驾驶计算平台：软件与工具链（3）
4.2.19 华为MDC自动驾驶计算平台：软件与工具链（4）
4.2.20 华为MDC自动驾驶计算平台：车规级安全平台
4.2.21 华为MDC自动驾驶计算平台：ISO26262和ASPICE认证
4.2.22 “华为八爪鱼”自动驾驶开放平台架构（1）
4.2.23 “华为八爪鱼”自动驾驶开放平台架构（2）
4.2.24 华为AI计算框架 MindSpore
4.3 黑芝麻智能
4.3.1 黑芝麻智能介绍
4.3.2 黑芝麻芯片产品特点和定位
4.3.3 黑芝麻智能智能感知SoC架构
4.3.4 黑芝麻感知平台解决方案
4.3.5 黑芝麻两大核心竞争优势
4.3.6 黑芝麻高算力车规芯片产品技术路线图
4.3.7 黑芝麻ADAS/AD芯片产品组合（1）
4.3.8 黑芝麻ADAS/AD芯片产品组合（2）
4.3.9 黑芝麻A1000L/ A1000/ A1000 Pro 芯片指标参数
4.3.10 黑芝麻华山二号A1000 Pro芯片
4.3.11 黑芝麻华山二号A1000/A1000L芯片（1）
4.3.12 黑芝麻华山二号A1000/A1000L芯片（2）
4.3.13 黑芝麻FAD自动驾驶计算平台
4.3.14 黑芝麻芯片智能开发工具
4.3.15 黑芝麻车路协同的路侧感知计算平台
4.3.16 黑芝麻为一汽红旗提供智驾大脑
4.4 芯驰科技
4.4.1 芯驰科技公司介绍
4.4.2 芯驰科技全新处理器产品线
4.4.3 芯驰科技自动驾驶芯片路线图
4.4.4 芯驰科技ADAS/AD芯片产品组合（1）
4.4.5 芯驰科技ADAS/AD芯片产品组合（2）
4.4.6 芯驰科技 V9L/V9F/V9T芯片指标参数对比
4.4.7 芯驰科技自动驾驶芯片：V9产品特点
4.4.8 芯驰科技自动驾驶芯片：V9T SoC系统架构图
4.4.9 芯驰科技自动驾驶平台：UniDrive
4.4.10 芯驰科技生态合作伙伴
4.5 大华零跑凌芯
4.5.1 零跑凌芯 01 自动驾驶芯片：技术架构和特点
4.5.2 零跑凌芯 01 自动驾驶芯片：技术参数
更多佐思报告
报告订购及合作咨询联系人:
佐研君：18600021096（同微信）
智能网联汽车产业链全景图（2022年2月版）
「佐思研究月报」
ADAS/智能汽车月报 | 汽车座舱电子月报 | 汽车视觉和汽车雷达月报 | 电池、电机、电控月报 | 车载信息系统月报 | 乘用车ACC数据月报 | 前视数据月报 | HUD月报 | AEB月报 | APA数据月报 | LKS数据月报 | 前雷达数据月报