什么是芯片？一文解读汽车芯片知识

01 前言

那么，到底什么是汽车芯片呢？是什么原因导致汽车芯片短缺？这里简单梳理下。

02 什么是芯片

几个概念

谈论汽车芯片，我们先从芯片开始。提到芯片，离不开半导体、晶体管、集成电路等基本概念：

-半导体，指常温下导电性能介于导体与绝缘体之间的材料。

-晶体管，半导体制成的器件，具有整流、放大、开关、稳压等多种功能。

-集成电路，通过半导体工艺，把一定数量晶体管、电阻、电容等集成具有特定功能的电路。

-芯片，集成了电路的半导体元件统称，通常是由硅半导体制作成硅片，再在其上集成电路而成。

芯片是集成电路载体，两者表达意思上通常可互换。但芯片更强调集成电路实体，集成电路更强调电路本身。

几个参数

芯片制造过程可简述为：先把硅石提纯，熔化提拉为单晶硅圆柱并切片为晶圆；再根据芯片设计电路，通过光刻、刻蚀、掺杂等在晶圆上集成电路；最后，芯片从晶圆上切下来，贴片、封装并测试。

-芯片制程：芯片晶体管栅极宽度的大小。数字越小，晶体管密度越大，芯片性能就越高。逐渐缩小的芯片制程数字，代表着芯片技术进步的方向。

-晶圆尺寸：目前主要有6英寸、8英寸和12英寸。提升晶圆直径是为了提升单晶硅的利用率从而降低成本，但越大的晶圆工艺一致性越差且越大的晶圆工艺设备成本越高。

-芯片大小：越大的硅片遇到杂质的概率越大，所以芯片越大良品率越低。除此之外，大芯片的布线比小芯片更长，所以延时也更明显，驱动电流也大很多，由此导致整体设计更臃肿，性能上还是会吃亏。

芯片加工过程

几个缩写

芯片按功能和实现架构，分为CPU、GPU、DSP、FPGA、ASIC等。按集成度，包括MCU和SoC等：

-CPU，中央处理器：善于处理逻辑控制，调度、管理和协调能力强，计算能力位于其次；

-GPU，图像处理器：善于处理图像信号，设计初衷是为了应对图像处理中需要大规模的并行计算；

-DSP，数字信号处理器：能够实现数字信号处理技术的芯片，可以用来快速的实现各种数字信号处理算法；

-FPGA，现场可编程逻辑阵列：为半定制芯片，具备硬件可编程能力，但开发难度大、价格昂贵；

-ASIC，专业集成电路：为实现特定要求而定制的芯片，具有体积小、功耗低、成本低等优点，但灵活性不够，一次性研发费高、周期长；

-MCU，芯片级芯片，一般只含CPU这一个处理器单元，同时集成有存储、接口单元等；

-SoC，系统级芯片，一般含多个处理器单元，如CPU、GPU、DSP、NPU等，同时集成有存储、接口单元等。

MCU和SoC芯片

03什么是汽车芯片

车规级要求

芯片按应用场景可分为消费芯片、工业芯片、汽车芯片和军工芯片等。汽车是芯片应用场景之一，汽车芯片需要具备车规级。

车规级芯片对加工工艺要求不高，但对质量要求高。需要经过的认证过程，包括质量管理标准ISO/TS 16949、可靠性标准 AEC-Q100、功能安全标准ISO26262等。

汽车内不同用途的芯片要求也不同，美国制定的汽车电子标准把其分为5级。汽车各系统对芯片要求由高到低依次是：动力安全系统 > 车身控制系统 > 行驶控制系统 > 通信系统 > 娱乐系统。

车规级芯片要求

汽车芯片等级

芯片种类

汽车芯片按功能，分为控制类芯片、功率类芯片、传感器芯片和存储芯片等：

-控制类芯片：按集成度分，主要有单片机MCU和系统级芯片SoC；

-功率类芯片：IGBT和MOSFET两种结构为主流，燃油车一般使用低压MOSFET，BEV车IGBT和高压MOSFET占据主流；

-传感器类芯片，分为车辆感知和环境感知两大类传感器芯片；

-存储器芯片，分为内存RAM和闪存Flash，内存断电丢失数据，闪存断电不丢失数据。

汽车芯片在车上应用领域主要有：环境感知、决策控制、网络/通信、人机交互、电力电气等。

汽车芯片应用

发展趋势

传统汽车上，MCU芯片是占比最大的半导体器件。随着汽车发展，有如下几种趋势：

-汽车电子化，ECU数量持续增加，对MCU需求持续上升；

-汽车智能化，推动着环境感知传感器芯片需求增加；

-智能 座舱和 自动驾驶发展，推动转向算力更强的SoC芯片；

-新能源汽车发展，对功率类芯片IGBT和MOSFET需求旺盛。

汽车芯片MCU到SoC发展

04 自动驾驶芯片

发展阶段

自动驾驶发展三个阶段，对应的自动驾驶芯片应用变化：

传感器芯片阶段：博世等Tier1将 毫米波雷达搬到车上，实现ACC、AEB，一般是赛灵思芯片上处理数据。同时，Mobileye选用摄像头，实现AEB、LKA，用其自研EyeQ系列芯片进行计算；各自发展一段时间后，将 雷达和摄像头结合，实现ICA，一般选用摄像头为主传感器；

向域控过渡阶段：特斯拉为代表，基于英伟达的Drive PX芯片研发了域控制器做决策，早期仍选用Mobileye，但额外安装了摄像头来收集道路数据。特斯拉有了足够多的数据后，传感器原始信息开始在 域控制器内部进行处理，然后自行进行融合和决策。

计算集中化阶段：等传感器原始信息全部在域控制器内部进行处理，就不再需要在摄像头或者雷达系统内安装赛灵思的计算芯片，同时传感器的种类和数量也不断增加，自动驾驶计算架构向着集中计算架构转变，特斯拉等车企甚至自研自动驾驶芯片。

主流架构

目前三种主流的自动驾驶SoC芯片架构为：CPU+FPGA、CPU+GPU+ASIC、CPU+ASIC：

-CPU+FPGA：如谷歌Waymo、百度Appllo；

-CPU+GPU+ASIC：如英伟达Xavier=CPU+GPU+ASIC（DLA深度学习+PVA视觉加速器），特斯拉FSD=CPU+GPU+ASIC（NPU深度神经网络）；

-CPU+ASIC：如Mobieye EyeQ5=CPU+ASIC（CVP传统视觉+DLA深度学习+MA多线程加速），地平线征程2=CPU+ASIC（BPU-AI任务处理）；

自动驾驶算法尚未成熟固定前，CPU+GPU+ASIC架构仍为主流；成熟后，定制批量生产的AI芯片（ASIC）将逐渐取代高功耗GPU，CPU+ASIC架构将成为主流。

专业AI芯片（ASIC）针对AI算法采取特殊设计，具有体积更小、功耗更低、可靠性更高、性能更高的优点，缺点是一次研发费高、周期长。

目前自动驾驶芯片主流架构

芯片厂家

汽车芯片市场，跨国公司占据市场主导，我国90%以上汽车芯片依赖进口。目前汽车上使用占比最大的MCU芯片，被恩智浦、德州仪器、瑞萨等垄断，外来者鲜有机会入局。

随着汽车智能化的发展，消费领域芯片巨头纷纷进军汽车芯片领域。目前智能座舱芯片被 高通、英伟达、恩智浦等垄断；英伟达、英特尔在自动驾驶芯片上占得先机，国内芯片厂家华为、地平线、黑芝麻等公司迎来机会。

消费芯片巨头进军汽车芯片

商业模式

传统汽车芯片厂为Tier2，MCU交到Tier1做成ECU、DCU等控制器产品。但随着汽车向车载计算平台发展，具备提供软硬件全栈能力SoC芯片供应商或成为新Tier1。如英伟达对接小鹏、地平线对接长安、Mobileye对接吉利等。

SoC芯片供应商或成为新Tier1

05 结束语

汽车芯片出现短缺，直接原因是，疫情影响外加芯片厂家过度集中导致芯片产能不足的结果；根本原因是，汽车芯片厂家发展速度与汽车电子化、智能化和新能源汽车快速发展对汽车芯片的刚性需求的不匹配。