车和电的交集产生于是哪一年？
真实答案比你想象的要早不少。
1. 车轮上的声音（1900年代-1960年代）
早在1901 年，马可尼公司就在一辆蒸汽机车上安装了移动无线电报站，用于军事通信。
而后来的第一次世界大战期间，英国陆军在货车上部署了移动无线电设备。
然而，这些早期系统与后来出现在乘用车中的消费电子产品相去甚远。
1919 年，一位著名的早期实验者是阿尔弗雷德·格雷布 (Alfred Grebe)，他在使用真空管接收器在他的汽车上建造并操作了一台无线电话。
20 世纪 20 年代公共广播电台的激增点燃了业余爱好者的想象力，他们开始将笨重的家用收音机改装用于汽车。
这些早期的汽车收音机依赖真空管技术，是一种奢侈品。真空管是那个时代主要的电子元件，体积大、易碎、耗电且昂贵。
它们需要大量电力，通常是灯丝的低电压和工作所需的更高电压，通常由笨重的独立电池或连接到汽车电气系统的发电机提供。
音频输出也相对较低，难以对抗发动机和道路噪音。
尽管面临这些挑战，车载音响的魅力刺激了发展。
1922 年，雪佛兰提供了一款西屋收音机作为 200 美元的选装件——这在当时是一笔不小的数目。
20 世纪 30 年代开始，电池制造商的 Philco 收购了汽车收音机公司 (ARC)，并于 1930 年成为“Transitone”品牌汽车收音机的大规模生产商。
同年，高尔文制造公司 (Galvin Manufacturing Corp.) 推出了其 Model 5T71 汽车收音机，并将其命名为“Motorola”——“motor”和当时流行的后缀“ola”的合成词。
该产品的成功如此巨大，以至于该公司最终更名为摩托罗拉。
随着时间的推移，真空管被改造以适应汽车的严酷环境；
Sylvania 于 1939 年开发了带有锁定插座的“Locktal”管，以更好地抵抗振动，并且设计了新的真空管以使用 12 伏汽车电池工作。
早期的汽车收音机通常是TRF（调谐射频）类型，需要多个旋钮进行调谐，但 20 世纪 30 年代超外差电路的出现将调谐简化为单个旋钮。
对于汽车音响乃至所有电子产品而言，真正的游戏规则改变者是 1947 年贝尔实验室发明的晶体管。
晶体管为真空管提供了一种革命性的替代方案：它们体积更小、重量更轻、更耐用、功耗更低，并且可以以更低的成本制造。
很快，这项技术就被用在了车上。
作为其 1956 年克莱斯勒和帝国系列汽车的 150 美元选装件。
克莱斯勒与Philco合作，推出了世界上第一台全晶体管汽车收音机 Mopar Model 914HR，这款收音机提供“即时开启”操作，消除了真空管所需的预热时间，并且更能抵抗驾驶固有的冲击和振动。
那个时代，收音机则是汽车最时髦的选装部件了。
虽然在 1946 年，只有 40% 的汽车装有收音机，但到 20 世纪 70 年代，这一数字已飙升至 90%。
然而，这项新技术却引起了大众的担心。
你可能好奇，一个收音机怎么会让人担心。
1934 年的一项民意调查显示，56% 的受访者认为它们是“危险的分心”。
反对者认为，调谐收音机或听音乐会分散对道路的注意力，甚至可能使驾驶员昏昏欲睡。
而支持者则强调了接收天气警报或在长途驾驶中保持警惕等好处。
而汽车的每一代的技术进步，都伴随着这样的担心。
从导航系统到现代触摸屏，再到自动驾驶，层出不穷的技术，层出不穷的担忧。
收音机有了，汽车音响也要安排上。
在 20 世纪 50 年代，年轻的驾驶者更喜欢使用响亮的收音机来彰显自己的个性。
表 1：早期汽车收音机技术的关键里程碑
2. 车轮上的大脑(1960 年代 - 1980 年代)
20 世纪 60 年代末和 70 年代，人们对空气污染和燃料消耗的担忧日益加剧。
当晶体管使车载娱乐无处不在时，另一场更根本的革命正在酝酿：将电子技术应用于控制汽车的核心——发动机。
这一转变主要不是由消费者对功能的需求驱动，而是由紧迫的法规和性能要求驱动。
各国政府，特别是美国通过 1970 年的《清洁空气法》，开始实施日益严格的排放标准。
与此同时，诸如 1973 年石油危机之类的事件凸显了提高燃油经济性的必要性。
传统的机械发动机控制系统，主要是化油器和机械分配器，难以满足这些新的、精确的要求。
这种监管压力成为强大的推动力，迫使汽车行业采用更复杂的电子控制。
朝着这个方向迈出的第一个重要步骤是电子燃油喷射 (EFI) 系统的开发，该系统由早期形式的电子控制单元 (ECU) 管理。
其中最广为人知的先驱之一是博世 D-Jetronic 系统，该系统于 1968 年首次出现在大众 Type III 上。
这种模拟电子系统通过控制燃油喷射的持续时间来调节空燃比，比化油器更精确。它标志着“发动机计算机”在大规模生产车辆中的到来。
通用汽车紧随其后，于 1978 年左右推出了其首个电子控制系统，其德科电子 (Delco Electronics) 部门在开发这些早期 ECU 方面发挥了关键作用。
英特尔于 1971 年发明的单芯片微处理器（英特尔 4004）紧随其后的是微控制器 (MCU) 的发展。
MCU 本质上是单芯片上的小型计算机，集成了处理器内核、存储器（用于程序存储的 ROM，用于临时数据的 RAM）和可编程输入/输出外设，使其非常适合在恶劣的汽车环境中执行专用控制任务。
20 世纪 70 年代末和 80 年代初，领先的半导体公司与汽车巨头建立了重要的合作伙伴关系，以开发和实施这些 MCU。
英特尔 (Intel): 在 1976 年进入汽车市场后，英特尔与福特紧密合作。这一合作最终促成了 福特电子发动机控制 IV (EEC-IV) 系统，该系统于 1983 年车型中引入。其核心是定制设计的 英特尔 8061 16 位微控制器，这是英特尔商用 8096 系列的衍生产品。福特的 EEC-IV 被誉为当时“世界上最先进的汽车计算机”，福特也成为英特尔 8061 芯片及相关存储设备的大量消费者。
摩托罗拉 (Motorola): 1976 年，摩托罗拉与通用汽车合作，为通用汽车的 计算机指令控制 (CCC) 系统开发定制微型计算机。到 1981 年，所有通用汽车都配备了基于 摩托罗拉 6802 8 位微处理器的电子控制模块 (ECM)，由德科电子制造。22 后来，摩托罗拉广受欢迎的 MC68HC11 8 位 MCU 及其 16 位后续产品在通用汽车和克莱斯勒的发动机和变速箱控制器中得到广泛应用。
德州仪器 (TI): TI 于 1974 年推出了 TMS1000 系列，被公认为首款大批量商用微控制器。TMS1000 专为包括汽车在内的嵌入式应用而设计，为各种控制功能提供了低成本解决方案，促进了 MCU 的更广泛采用。
东芝 (Toshiba): 日本电子公司也积极参与其中，东芝的 TLCS-12 PMOS 微处理器被用于 1975 年投入量产的早期福特 EEC 系统中。
这些早期的汽车 MCU 主要接管了关键的发动机功能：精确控制燃油喷射和点火正时，管理空燃比，以及控制怠速。
这种电子监控使发动机运行更高效，产生更少排放，并提供更稳定的性能。这些 MCU 在严苛的引擎盖下环境（经受极端温度、振动和电气噪声）中取得的成功至关重要。
它建立了汽车行业对半导体技术可靠性的信心，证明了这些硅芯片可以胜任关键任务功能。这种经过验证的稳健性是电子技术能够被委以更关键的安全系统之前的必要先决条件。
除了发动机控制，电子设备开始巧妙地增强舒适性、便利性和安全性：
巡航控制 (Cruise Control): 虽然早期的机械式“速度计”已经存在（例如，拉尔夫·蒂特 (Ralph Teetor) 1958 年的克莱斯勒帝国 (Chrysler Imperial) 系统 27），但丹尼尔·亚伦·威斯纳 (Daniel Aaron Wisner) 于 1968 年发明了第一个真正的电子巡航控制系统。这项技术后来在 20 世纪 80 年代末由摩托罗拉使用其 MC14460 CMOS 芯片商业化，该芯片可以更准确地保持车速。
防抱死制动系统 (ABS): 在紧急制动期间防止车轮抱死以保持转向控制的概念早有机械实现（例如，1966 年的 Jensen FF 28）。克莱斯勒于 1971 年将该技术应用于汽车。29 然而，博世的电子 ABS 于 1978 年作为梅赛德斯-奔驰 W116 的选装件提供，标志着这一重要安全功能的复杂电子控制的到来。28 这些系统使用轮速传感器和电子控制器来调节制动压力。
其他早期电子设备： 诸如动力转向（最早出现在 1951 年的克莱斯勒汽车上 29）、电动车窗和自动变速器（通用汽车 1940 年的液压 Hydra-Matic 30）等功能最初是液压或机电式的。然而，它们的控制机制将逐渐整合更多的电子元件，为未来更集成的系统铺平道路。
在此期间，汽车制造商和半导体公司之间的合作努力是基础性的。定制 MCU 通常是共同开发的，以满足特定的汽车需求，建立了一种深度战略合作伙伴关系模式，这种模式至今仍在定义着这个行业，尤其是在汽车集成越来越复杂的 AI 和 ADAS 技术的情况下。
表 2：早期发动机管理中汽车控制单元 (ECU/MCU) 的演变
3. 数字汽车初具雏形 (1990 年代 - 2000 年代初)
20 世纪 90 年代和 21 世纪初标志着汽车电子技术进入了一个重要的成熟阶段。在发动机控制单元奠定的基础上，半导体芯片开始渗透到汽车的几乎每一个方面，增强了安全性、便利性，并引入了最初的连接性和先进信息系统。
这个时代见证了“数字汽车”真正开始成形，芯片使日益互联的系统成为可能。
电子控制单元在功率和复杂性方面持续增长，集成了来自更多传感器的输入，以便更精确地管理发动机和其他新兴的车辆子系统。
一个关键的发展是车载诊断 (OBD) 的标准化。OBD-II 标准从 1996 年起成为在美国销售的所有汽车的强制性标准，它提供了一个通用接口，用于访问车辆诊断信息和排放数据这要求 MCU 不仅要控制功能，还要监控、存储和报告诊断故障代码，从而增加了软件复杂性和处理要求的新层面。
在此期间，电子技术在安全系统中的作用急剧扩大：
安全气囊 (Airbags): 虽然构想更早（沃尔特·林德勒 (Walter Linderer) 1951 年的专利 ），但安全气囊在 20 世纪 90 年代得到广泛采用，从可选配件转变为标准安全设备。克莱斯勒被认为在 1988 年推出了首款量产驾驶员侧安全气囊。这些关键的安全设备依赖 MCU 来解释来自加速度传感器的信息，并在发生碰撞时，在几毫秒内触发安全气囊展开。博世、恩智浦、英飞凌、意法半导体和德州仪器等主要半导体公司成为这些救生电子系统的重要供应商。
电子稳定控制系统 (ESC): 一项突破性的安全创新，ESC 由梅赛德斯-奔驰和博世共同开发，于 1995 年首次出现在梅赛德斯-奔驰 S 级轿车上。28 ESC 系统使用传感器网络（监测轮速、转向角、偏航率、横向加速度）和一个 ECU 来检测和减轻侧滑，通过选择性地对单个车轮施加制动，并在必要时降低发动机功率。ESC 在防止失控事故方面非常有效，最终在许多地区成为强制性配置。
牵引力控制系统 (TCS): 由宝马、梅赛德斯-奔驰和丰田等汽车制造商于 1987 年引入 28，TCS 使用 MCU 来管理发动机输出和/或施加制动，以防止加速时车轮打滑，从而增强车辆的稳定性和控制性，尤其是在湿滑路面上。
与此同时，车载体验正因娱乐系统的进步和导航系统的出现而发生转变。
除了基本的 AM/FM 收音机，盒式磁带播放器在 20 世纪 60-80 年代变得普遍，并在 90 年代让位于车载 CD 播放器，后者提供了卓越的音质和音乐选择控制。
除了这些之外，数字导航的概念已经被踢了出来，这一时刻也是数字导航的黎明时刻。
通往复杂车载导航的道路是渐进的：
诸如机械式 Iter Avto（20 世纪 30 年代）之类的概念性先驱显示了早期对路线引导的渴望。
本田 Electro Gyro-Cator（1981 年，日本）是一项重要的早期尝试，它是一种惯性导航系统，使用氦气陀螺仪和在屏幕上滚动的半透明地图。该系统需要电子处理来解释陀螺仪的数据并将其与地图显示同步。
Etak Navigator（1985 年，美国）是一款后装的数字导航，代表了向存储在盒式磁带上的数字地图的飞跃。它使用航位推算法（根据先前确定的位置、速度和航向计算位置），并配有一个单色屏幕，随着汽车的移动而更新。这需要处理地图数据检索以及与车辆运动传感器的集成。
丰田基于 CD-ROM 的导航系统（1987 年，仅限日本市场的丰田皇冠 Royal Saloon G）是第一个使用 CD-ROM 存储地图的系统，并且还配备了彩色显示屏，仍然依赖航位推算法。 CD-ROM 的使用为详细地图提供了更大的存储容量。
一个关键时刻出现在 1990 年，马自达 Eunos Cosmo（仅限日本市场）成为第一款配备内置全球定位系统 (GPS) 用于导航的量产汽车。这需要专用的 GPS 接收器芯片和当时相当大的处理能力来解释卫星信号、执行三边测量计算并在数字地图上显示车辆的实时位置。
通用汽车紧随其后推出了其 GuideStar 系统（最初称为 ONIS），该系统于 1992 年首次出现在 Avis 租赁汽车上，然后作为 1995 年奥兹莫比尔 88 的原厂选装件。该系统也使用GPS，并将地图数据存储在卡带上。
尽管初始成本高昂（Electro Gyro-Cator 的价格几乎是汽车价格的 25% ），导航技术的快速迭代表明了强烈的消费者兴趣。
这种对先进车内技术的需求刺激了处理能力、图形功能和显示技术的进一步研发，所有这些都严重依赖半导体技术的进步。
虽然专用的信息娱乐 SoC 后来才会蓬勃发展，但在此期间，像飞利浦（后来的恩智浦）这样的公司推出了专门的汽车音响数字信号处理器 (DSP)，例如 1995 年的 Dirana 39，日本电子公司也为新兴的车载娱乐市场生产各种 IC。
20 世纪 90 年代末也见证了汽车互联的诞生，从根本上改变了汽车、乘员与外部世界之间的关系。
通用汽车的 OnStar 系统于 1996 年与摩托罗拉汽车公司合作推出，是一项里程碑式的创新。它提供安全（自动碰撞通知、紧急呼叫 - eCall）和安保（被盗车辆援助）服务。
最初，它使用模拟蜂窝语音通信，但很快集成了 GPS 数据以向呼叫中心提供精确的位置信息。该系统需要蜂窝调制解调器芯片（可能来自摩托罗拉）和 GPS 接收器芯片。OnStar 是一个开创性的时刻，它将汽车确立为一个潜在的服务平台，并为基于订阅的商业模式和远程车辆交互打开了大门。
OnStar有个中文响亮的名字，安吉星。
梅赛德斯-奔驰于 1999 年推出了其 TeleAid 系统，提供类似的功能，如紧急呼叫和路边援助。
远程诊断功能大约在 2001 年开始出现，允许车辆无线传输健康状况和诊断信息。
舒适和便利功能也变得越来越复杂，由越来越多的 MCU 和专用 IC 管理。
自动气候控制系统、带记忆功能的电动车窗和门锁、“智能钥匙”（梅赛德斯-奔驰于 1998 年首创，用于无钥匙进入和点火 ）以及可变间歇式雨刮器都依赖这些嵌入式芯片进行操作。
事实上，早在 1971 年，像仙童半导体和 RCA 实验室这样的公司就已经设想使用 MOS 大规模集成 (LSI) 芯片来实现各种此类功能，包括自动前照灯调光器、电子燃油泵和雨刮器控制。
20 世纪 90 年代标志着一个转折点。芯片不再局限于孤立的功能，而是开始支持互联系统，并将外部数据和服务引入车辆，为 21 世纪更复杂、更集成的汽车电子架构奠定了关键基础。
表 3：主要 ADAS 功能引入及赋能传感器/芯片时间表（初始阶段和早期数字时代）
4. ADAS 和互联汽车的兴起 (2000 年代中期 - 2010 年代)
从 2000 年代中期到 2010 年代，先进驾驶辅助系统 (ADAS) 和互联汽车技术的复杂性和采用率呈爆炸式增长。
这个时代的特点是集成到车辆中的传感器数量和类型迅速增加，相应地，解释这些数据所需的处理能力也急剧飙升，并且出现了专为这些要求苛刻的汽车应用而设计的强大片上系统 (SoC)。
汽车真正开始以前所未有的方式“看”、“思考”和“连接”。
ADAS 功能曾是豪华车的专属配置，但在消费者对安全性和便利性的需求以及监管鼓励的推动下，开始成为主流。
自适应巡航控制 (ACC) 取得了显著进展。
20 世纪 90 年代末和 21 世纪初的早期系统，使用激光雷达（三菱、丰田）、雷达（梅赛德斯“Distronic”、捷豹、宝马）或摄像头（斯巴鲁），从简单的距离警告发展到全方位的速度控制，包括油门、降档，最终还包括了完整的制动能力。
梅赛德斯的“Distronic Plus”（2005 年）和丰田的“全速域跟踪功能”（2006 年）使 ACC 能够在走走停停的交通状况下工作，这极大地提升了便利性。
传感器技术也得到了发展，雷达（最初是 24GHz，后来为了提高精度和范围越来越多地采用 77GHz）因其全天候能力而日益突出，通常辅以摄像头进行物体识别。
车道偏离预警 (LDW) 系统，如果驾驶员无意中偏离车道，系统会发出警报（由 Iteris 于 2000 年为梅赛德斯 Actros 卡车首创 ），并辅以 车道保持辅助 (LKA) 系统。LKA 主动提供转向扭矩，帮助车辆保持在车道中央，这严重依赖前置摄像头和复杂的图像处理芯片来检测车道标记。
自动紧急制动 (AEB) 取得了关键进展。本田于 2003 年在日本 Inspire 上推出的碰撞缓解制动系统 (CMBS) 是早期的量产 AEB 系统，能够警告驾驶员并施加制动。沃尔沃于 2008 年推出的“City Safety”专注于低速碰撞避免。这些系统通常使用前视雷达、摄像头，有时还使用激光雷达的组合来检测与其他车辆或行人的潜在碰撞，如果驾驶员未能及时响应，则自动施加制动。
其他 ADAS 功能，如盲点监测 (BSD)、后方交叉路口警报 (RCTA) 以及各种形式的泊车辅助（使用超声波传感器、摄像头和雷达），变得越来越普遍，显著增强了驾驶员的感知能力并减少了低速事故。
传感器爆炸与传感器融合的黎明：ADAS 功能的激增导致了车辆内部的“传感器爆炸”。每个系统都增强了汽车的感知能力：
摄像头： 汽车摄像头从基本的 VGA 分辨率迅速发展到数百万像素传感器。关键的进步包括高动态范围 (HDR) 成像，以应对具有挑战性的照明条件（例如，驶出隧道、夜间驾驶时遇到明亮的前照灯），以及 LED 闪烁抑制 (LFM)，以正确解读来自现代 LED 交通灯和车辆灯光的信号。像安森美（收购了 Aptina，前身为美光成像部门）这样的公司处于这些创新的前沿，开发出具有 120dB HDR 和 LFM 功能的传感器。
雷达： 汽车行业越来越多地采用 77GHz雷达系统，取代了较早的 24GHz 技术，因为其带宽更宽，可以提供更好的分辨率、范围和速度测量精度。雷达已成为 ACC、AEB 和 BSD 不可或缺的组成部分。
激光雷达 (LiDAR - 光探测和测距): 虽然成本更高，但 LiDAR 因其能够创建车辆周围环境的精确 3D 点云，提供出色的物体检测和分类能力，尤其是在复杂的城市环境中，开始被认真考虑并应用于一些高端 ADAS 系统中。
海量且多样的传感器数据催生了传感器融合——将来自多种传感器类型的数据智能地结合起来（例如，将雷达的距离/速度精度与摄像头的物体分类能力相融合），从而比任何单一传感器都能更全面、准确、稳健地理解驾驶环境。
这个过程计算量大，需要复杂的算法。
对稳健的传感器融合以及处理复杂 ADAS 算法的需求，推动了从许多独立的MCU向更集中、更强大的 ADAS SoC 的转变。
这种整合对于更紧密的集成、相关安全功能之间更快的通信以及优化车辆内部的成本和物理空间至关重要。为了满足这些处理需求，半导体公司开发了功能强大、专业的 SoC，也就是专用 ADAS SoC 的出现：
Mobileye: 凭借其 EyeQ SoC 的后续几代产品（EyeQ2 和 EyeQ3 在这个时代非常突出），继续在基于视觉的 ADAS 领域占据主导地位。这些芯片在实现前向碰撞预警、车道偏离预警和 AEB 等功能方面发挥了重要作用，通常仅使用一个前向摄像头（单目视觉）。
德州仪器 (TI): 推出了其 TDAx 系列 ADAS SoC，例如 2014 年发布的 TDA2x，作为其更广泛的 Jacinto™ 汽车平台的一部分。57 这些 SoC 采用异构架构，结合了 Arm® Cortex®-A CPU 内核、C66x 数字信号处理器 (DSP) 和 TI 专有的视觉加速包 (EVE - 嵌入式视觉引擎)，以高效处理前置摄像头系统、环视、泊车辅助以及雷达/视觉融合应用的任务。58
恩智浦半导体 (NXP Semiconductors) (于 2015 年收购飞思卡尔): 仍然是一支主要力量，不断发展其汽车处理器产品组合。S32 汽车平台，包括 S32V (视觉) 处理器，旨在为 ADAS 和自动驾驶提供可扩展的解决方案，集成了图像处理功能和功能安全特性。
瑞萨电子 (Renesas Electronics): 推进其 R-Car 系列 SoC。例如，R-Car H2 出现在 2015 年推出的 ADAS 入门套件中，为开发基于视觉的 ADAS 应用提供了一个强大的平台。它包括 Arm Cortex-A15 和 A7 CPU 内核、一个 Imagination Technologies PowerVR GPU 以及瑞萨的 IMP-X4 视觉处理内核，能够支持多达四个摄像头输入，用于 360° 环视和物体识别等应用。
英飞凌科技 (Infineon Technologies): 专注于安全关键应用，推出了其 AURIX™ 系列微控制器（例如 TC2xx 系列和早期的 TC3xx）。这些 MCU 通常具有多个带锁步内核的 TriCore™ CPU，旨在满足高级别的汽车安全完整性等级 (ASIL D)，并用于雷达系统、传感器融合 ECU 和其他 ADAS 域控制器。
这个时期，互联汽车日趋成熟，车辆互联也取得了重大进展：
嵌入式 SIM 卡变得更加普遍，宝马是 2004 年的早期采用者，允许车辆拥有自己专用的互联网连接，用于实时交通信息和远程功能等服务。
智能手机集成变得无缝。虽然早期的应用程序允许一些远程控制（例如，克莱斯勒 2008 年的 Uconnect 网络热点，梅赛德斯-奔驰 2009 年的 mbrace ），但随着 Apple CarPlay（2014 年 3 月发布）和 Android Auto（2014 年 6 月发布）的推出，游戏规则发生了改变。
这些平台允许驾驶员通过车辆的信息娱乐显示屏和控件安全地访问和控制关键的智能手机应用程序（导航、音乐、消息）。这是一个关键时刻，因为外部科技巨头开始严重影响车内用户体验，迫使汽车制造商设计能够支持这些主流移动生态系统的信息娱乐平台并选择相应的芯片。
4G LTE 连接开始集成到车辆中，奥迪和通用汽车是 2014 年首批提供内置 4G LTE Wi-Fi 热点的公司之一。这为信息娱乐服务和车载信息系统提供了更快、更可靠的互联网接入。
很快先进的信息娱乐 SoC也出现了：
对更丰富的图形、多个高分辨率显示器（用于仪表盘和中央信息娱乐屏幕）、无缝智能手机集成以及互联服务的需求，推动了功能日益强大的信息娱乐 SoC 的发展。这通常导致车辆内部采用双架构方法：用于 ADAS 的高度专业化、注重安全的 SoC，以及用于用户体验驱动的信息娱乐领域的独立、强大的 SoC。
英伟达 (Nvidia) 凭借其 Tegra 系列移动处理器取得了重大进展，这些处理器被用于众多汽车制造商的信息娱乐系统和数字仪表盘中，包括特斯拉（在其早期车型，在自研 FSD 芯片之前）、奥迪和宝马，因其图形性能而备受青睐。
高通 (Qualcomm) 将其占主导地位的骁龙移动处理器技术应用于汽车市场。像骁龙 602A 这样的芯片专为信息娱乐系统设计，可驱动多个显示器、导航和语音识别。
德州仪器 (Texas Instruments) 继续通过其 Jacinto 平台服务于这个市场，其 DRA 系列 SoC 满足信息娱乐和数字仪表盘应用的需求，通常与其 TDA ADAS 处理器共享架构元素以实现开发协同效应。
英特尔 (Intel) 也在信息娱乐领域展开竞争，凭借其在汽车 ECU 领域的悠久历史，为车载体验提供处理器。
这个时代为随后的人工智能驱动的自动驾驶能力奠定了关键基础，建立了定义现代汽车的核心传感器技术、处理架构和连接框架。
表 3（续）：关键 ADAS 功能、赋能传感器和 SoC 赋能器（2000 年代中期 - 2010 年代）
5. 高性能计算与自动驾驶的未来 (2010 年代末至今)
2010 年代末开启了一个时代，人工智能时代。
追求完全自动驾驶 (AD) 能力成为汽车和科技行业的核心焦点。
这一雄心壮志要求车载计算能力实现巨大飞跃，推动了高度专业化的人工智能 (AI) 芯片和高性能计算机 (HPC) 的发展，这些计算机旨在处理车辆独立感知、决策和行动所需的巨大数据流和复杂算法。
从驾驶员辅助（L1-2 级 ADAS）到有条件或完全驾驶员替代（L3-5 级自动驾驶）的转变，复杂性呈指数级增长。
通过各种传感器（多个高分辨率摄像头、先进雷达，以及越来越多的激光雷达）实现稳健、实时、360 度的环境感知，将这些数据融合成一个连贯的世界模型，参考高清地图，规划安全轨迹，并在不可预测的环境中做出即时的、关乎生命的关键决策，这些都是艰巨的挑战。
传统的 MCU 甚至早期的 ADAS SoC 都不足以胜任这些任务。
这导致了车辆中高性能计算机 (HPC) 的兴起。
这些不是单个芯片，而是强大的、集中的计算平台，通常被描述为车轮上的服务器，它们整合了多个要求苛刻的领域的处理，特别是 ADAS/AD、高级信息娱乐和车辆连接。
HPC 通常具有多个强大的 CPU 内核、高吞吐量 GPU（图形处理单元，最初为游戏和专业图形设计，但被重新用于并行 AI 计算），以及越来越多专为深度学习工作负载设计的专用 AI 加速器或神经处理单元 (NPU)。
这种集中化支持向区域或中央计算架构的转变，简化了布线，减少了 ECU 的绝对数量，并实现了更灵活的软件部署。
这些 HPC 的核心以及现代自动驾驶能力背后的驱动力是专用 AI 加速器和 SoC。对大规模并行处理的需求，特别是用于图像识别和物体检测的卷积神经网络 (CNN)，以及用于决策的强化学习等其他机器学习模型，刺激了新一轮的芯片创新。
几个主要参与者已经推出了全面的平台：
- 英伟达 Drive 平台 (Nvidia Drive Platform): 英伟达凭借其在 GPU 技术领域的领先地位，已成为汽车人工智能领域的巨头。其 DRIVE 平台发展迅速：从早期的 Drive PX 系列（使用 Maxwell 和 Pascal GPU）到 DRIVE AGX Xavier（Volta GPU）、DRIVE AGX Pegasus（结合 Xavier SoC 和 Turing GPU 以获得更高性能）、广泛采用的 DRIVE AGX Orin（Ampere GPU 架构，提供高达 254 TOPS – 每秒万亿次运算），以及已宣布的 DRIVE Thor（Blackwell GPU 架构，目标高达 2000 TOPS，并将 CPU、GPU 和 AI 加速集成到单个 SoC 中）。
英伟达的战略重点是为 L2+ 辅助驾驶到 L5 完全自动驾驶系统提供可扩展的硬件和软件（DRIVE OS、DriveWorks、DRIVE AV/IX SDK）平台，并已被包括梅赛德斯-奔驰、捷豹路虎、沃尔沃、丰田和 Rivian 在内的众多汽车制造商采用。这种复杂 AI 芯片的开发标志着一个至关重要的认识：通用 CPU 甚至传统 GPU 本身都无法满足自动驾驶独特而严苛的需求，因此需要这种新型专用芯片。
- 高通骁龙 Ride 平台 (Qualcomm Snapdragon Ride Platform): 高通将其成功的骁龙移动 SoC 架构扩展到汽车领域，推出了骁龙 Ride 平台。76 该平台提供一系列可扩展的 SoC 和 AI 加速器，专为 ADAS 和 AD 应用而设计，强调性能、功率效率和集成连接解决方案（包括 5G）。通用汽车（用于其 Ultra Cruise 系统）、宝马和福特等汽车制造商已采用骁龙 Ride 组件。
- 特斯拉全自动驾驶 (FSD) 芯片 (Tesla Full Self-Driving (FSD) Chip): 特斯拉采用垂直整合的方式，自主设计了 FSD 芯片，其团队由吉姆·凯勒 (Jim Keller) 和皮特·班农 (Pete Bannon) 等芯片架构师领导而闻名。第一代（Autopilot Hardware 3.0）于 2019 年 3 月开始应用于车辆，由三星制造。86 FSD 芯片具有 12 个 Arm Cortex-A72 CPU、一个 Mali G71 GPU 和两个定制设计的神经处理单元 (NPU)，每个芯片可提供约 73.7 TOPS 的算力。特斯拉汽车通常在其 AD 计算机上使用两个 FSD 芯片以实现冗余，总共提供约 147 TOPS 的算力。86 这种内部开发使特斯拉能够根据其自身的 AI 算法和快速的开发周期定制硬件。
- Mobileye EyeQ 系列演进 (Mobileye EyeQ Series Evolution): 英特尔旗下的 Mobileye 公司持续推进其 EyeQ 系列 SoC。EyeQ4 和 EyeQ5 芯片被广泛用于 ADAS。更新的 EyeQ6 系列（包括用于入门级到中端 ADAS 的 EyeQ6 Light 和用于高级 ADAS 及半自动驾驶系统如 Mobileye SuperVision™ 的 EyeQ6 High）以及即将推出的 EyeQ Ultra（专为 L4 自动驾驶设计，宣称拥有 176 TOPS 算力）代表了处理能力和 AI 功能的重大飞跃。56 例如，EyeQ6 与其前代两个 SoC 的组合相比，深度学习性能提升高达 10 倍，并利用独特的 AI 模型（如 XNN）实现高效的工作负载分配。90 Mobileye 的战略强调高效的 AI 处理，并提供可扩展的解决方案，使汽车制造商能够从高级驾驶辅助系统发展到更高级别的自动驾驶（例如，用于“解放双手”系统的 Mobileye Chauffeur™，用于机器人出租车的 Mobileye Drive™），通常使用通用的架构基础。
- 其他主要参与者： 汽车 AI 芯片领域还包括老牌半导体巨头，如瑞萨 (Renesas)（拥有其 R-Car Gen 4 SoC，如 R-Car V4H，以及更新的 R-Car X5H 融合 SoC，配备 AI NPU 和小芯片扩展 ）、英飞凌 (Infineon)（拥有其专注于安全的 AURIX TC3xx 和即将推出的 TC4xx MCU，适用于 ADAS 域控制器和传感器融合 ）、恩智浦 (NXP)（拥有其 S32 汽车平台，包括雷达处理器和视觉处理器 61）、德州仪器 (Texas Instruments)（拥有其用于 ADAS 和自动驾驶的 Jacinto TDA4x 处理器 34），以及汽车系统供应商如博世 (Bosch)，他们也开发自己的专用 IC。像 BOS Semiconductors 这样的新兴公司也正以创新的方法（如基于小芯片的 ADAS SoC）进入这个领域。
在中国国内，比较有名的则是华为的昇腾610系列芯片，以及地平线和黑芝麻智能等SOC的厂商。
这种激烈的竞争和快速的创新导致了自动驾驶技术的“平台化”。半导体公司越来越多地提供全面的硬件和软件堆栈（例如，英伟达 DRIVE Hyperion、高通骁龙 Ride、Mobileye Drive）。
虽然这些平台可以通过提供更完整的解决方案来加速 OEM 的开发，但它们也带来了关于供应商锁定和差异化的战略考量。
而汽车的开发范式则发生了改变。
那就是软件定义汽车，（SDV）在 SDV 中，车辆特性和功能。
从信息娱乐和连接到 ADAS 和动力总成控制。
越来越多地由运行在这些强大的、集中的 SoC 和 HPC 上的软件来定义和控制，而不是硬编码到众多分立的硬件模块中。
这种由强大的 AI 芯片实现的架构转变，使汽车制造商能够在车辆的整个生命周期内部署空中下载 (OTA) 软件更新。
这些更新可以提供新功能、修复错误、增强性能并提高安全性，有效地使汽车能够随着时间的推移而发展和改进。
这改变了传统的汽车商业模式，将价值转向软件和服务，并通过功能订阅或按需升级实现持续的收入流，从根本上改变了汽车所有权的性质，从静态产品转变为不断发展的平台。
汽车行业对这种先进芯片的拥抱证明了其认识到自己现在是尖端半导体创新的主要驱动力，正在推动 AI 处理、功率效率和功能安全方面的界限，其要求通常与传统高科技领域相当甚至更高。
表 4：用于自动驾驶的领先汽车 AI 芯片平台（2010 年代末至今）
6. 硅之路上的挑战：驾驭汽车芯片发展的障碍
芯片进入汽车的旅程虽然具有变革性，但也并非没有重大障碍。
随着汽车半导体变得越来越强大并成为车辆运行不可或缺的一部分，尤其是在 ADAS 和自动驾驶领域。
它们面临着与可靠性、功耗、成本、供应链稳定性和纯粹复杂性相关的独特挑战。
对可靠性的不懈追求：AEC-Q100 及更高标准
汽车环境以恶劣著称。
芯片必须在极端温度范围（有时从 -40°C 到 +150°C，AEC Grade 0 用于动力总成部件）内完美运行，同时承受持续的振动、湿度和来自车辆系统的电气应力。
为了确保部件能够承受这些条件，汽车电子委员会 (AEC)——最初由克莱斯勒、福特和通用汽车组成——制定了 AEC-Q100 标准。这是一项针对集成电路的严格压力测试认证，要求部件通过广泛的加速测试（通常是在多个生产批次中进行 1000-2000 小时测试，且零故障），以保证高质量和高可靠性。95 AEC-Q100 定义了不同的温度等级（0、1、2、3），以匹配车内不同位置的热环境。
与消费电子产品相比，汽车零部件面临着更为严格的要求：预期使用寿命可达 15 年（消费品为 1-3 年），目标是接近零缺陷容忍度，并且必须保证长期供应的可用性。
对于控制关键驾驶功能的 ADAS 和 AI 芯片，遵守功能安全标准（如 ISO 26262）至关重要。这些系统必须达到高级别的汽车安全完整性等级 (ASIL)，通常是 ASIL D，这代表了安全关键应用的最高风险降低水平。
这些极端可靠性要求与 AI 和 ADAS 所需的尖端性能的融合，为汽车芯片制造商创造了一个极具挑战性的设计和认证环境，其压力往往超过其他高科技行业的综合压力。
在平衡 AI 计算和复杂 ADAS 所需的巨大处理能力与严格的功耗限制方面，是一个主要障碍。
这对于电动汽车 (EV) 尤其重要，因为电子设备消耗的每一瓦特都可能影响续航里程。
采用更小节点（例如 7nm、5nm 甚至 3nm）的先进半导体制造工艺允许更低的工作电压（核心逻辑通常为 0.9V 至 1.5V），这有助于降低动态功耗。
然而，如果设计和管理不当，这些微小的晶体管也可能遭受静态泄漏电流增加的困扰。
此外，一些最初为数据中心设计的高性能 AI 芯片，如果用于汽车，可能会消耗过多的功率，并需要复杂且昂贵的冷却解决方案（如液体冷却），这在车辆中并不总是实用或可取的。
因此，高效的低功耗设计技术对于保持在车辆整体功率预算内并有效管理热负荷至关重要。
除此之外，芯片成本不断攀升
开发尖端汽车 SoC，尤其是那些采用最新工艺节点制造的 SoC，涉及巨大的研发支出和制造成本。
这些成本不可避免地会影响芯片的价格。此外，关税等地缘政治因素也会显著抬高成本。
设计与软件复杂性急剧上升。
现代汽车 SoC 是工程学的奇迹，将多种组件集成到单个硅片上，这些组件包括多个 CPU 内核、强大的 GPU、用于 AI 的专用 NPU、用于摄像头数据的图像信号处理器 (ISP)、高速内存接口以及大量 I/O 控制器。
设计如此复杂的芯片是一项艰巨的任务。
除了硬件之外，软件的复杂性同样令人望而生畏。开发、集成和验证运行在这些芯片上的庞大软件堆栈——包括操作系统（通常是多个，如 QNX、Linux、Android Automotive）、虚拟机监控程序、中间件、ADAS/AI 算法和用户应用程序——是一项艰巨的任务。
确保这些复杂软件系统的功能安全 (ISO 26262) 和网络安全，尤其是在 SDV 和自动驾驶的背景下，带来了持续的挑战。
这些先进芯片及其软件的验证和测试也需要日益复杂的自动测试设备 (ATE) 和方法，以确保在它们进入车辆之前达到最高水平的质量、可靠性和性能。
这意味着半导体公司也日益成为软件公司，需要提供强大的软件开发工具包 (SDK)、开发工具，有时甚至是完整的软件平台，以使 OEM 和一级供应商能够有效地利用其先进硬件的功能。
这模糊了硬件和软件供应商之间的传统界限，价值主张。
转向了全面的集成解决方案。
开发这些尖端汽车 AI SoC 所需的巨额成本和专业知识也可能推动半导体行业的进一步整合或促进更多的战略联盟，因为只有少数几家全球参与者拥有在这一最高复杂性和投资水平上竞争的资源。
7. 前路展望：汽车芯片的未来轨迹
半导体技术在汽车中的持续整合丝毫没有放缓的迹象。
几项关键趋势和新兴技术有望塑造汽车芯片的未来，推动车辆向更高水平的智能化、互联化、高效化和自动化发展。
人工智能和机器学习的更深层次整合：
人工智能和机器学习将远远超出当前的 ADAS 和自动驾驶功能。人工智能算法将日益渗透到各种车辆系统中，实现诸如高精度预测性维护（在部件发生故障前预测故障）、深度个性化人机界面 (HMI)（适应个别驾驶员的偏好和习惯）、增强的车内体验（例如，智能助手、自适应环境控制）以及更直观和情境感知的车辆响应等功能。
不断演进的 SoC 架构：集中化、领域专业化和小芯片 (Chiplets)：
强大的中央高性能计算机 (HPC) 或少数几个域控制器管理多个车辆功能（座舱、ADAS/AD、车身电子、动力总成）的趋势预计将继续。
这种整合旨在减少 ECU 的总数，简化线束（减轻重量和成本），改善相关功能之间的通信延迟，并为软件定义汽车提供可扩展的计算能力。
然而，纯粹的集中式模型可能会让位于混合架构，例如区域架构，其中 ECU 根据其在汽车中的物理位置对功能进行分组。
这可以优化布线，提高容错能力，并管理集成不同系统的复杂性。
小芯片 (chiplet) 技术是实现灵活强大 SoC 设计的重要推动力。
与设计单个单片芯片不同，小芯片允许将来自可能不同工艺节点甚至不同供应商的更小、专业化的芯片（例如，用于 CPU 内核、AI 加速、I/O 功能、内存控制器）使用 UCIe (Universal Chiplet Interconnect Express) 等先进互连技术集成到单个封装中。
这种模块化方法为构建满足特定性能和功能要求的各种汽车 SoC 提供了更大的设计灵活性、可能更快的上市时间、更高的良率和成本效益。像 BOS Semiconductors 这样的公司正在积极开发基于小芯片架构的 ADAS SoC。
无处不在的连接性的影响：5G 和 V2X：
5G 蜂窝技术的推广将为新一代互联汽车服务提供所需的高带宽、低延迟和大规模连接性。
这包括自动驾驶汽车的实时高清 (HD) 地图更新、复杂的基于云的导航和信息娱乐服务、更多车辆系统的远程软件更新以及增强的远程操作能力。
车联网 (V2X) 通信将成为未来智能交通系统的基石。
V2X 包括车对车 (V2V)、车对基础设施 (V2I)、车对行人 (V2P)、车对网络 (V2N) 和车对云 (V2C) 通信。
通过使车辆能够与其他车辆和路边基础设施（如交通信号灯或危险警告）直接交换有关其位置、速度和意图的信息，V2X 可以显著增强态势感知能力，实现协作感知（共享传感器数据），并促进协调驾驶操作。
这有可能极大地提高道路安全，优化交通流量，并减少碰撞。
未来的汽车芯片将越来越多地集成专用的 V2X 调制解调器（例如，基于蜂窝技术的 C-V2X）以及处理这些复杂通信协议和应用所需的安全处理能力。
这种“系统之系统”的方法，即车载计算、边缘处理、云连接和 V2X 相互作用，将需要专为在更大的分布式计算环境中无缝集成而设计的芯片。
每辆车的半导体价值和数量预计将继续其陡峭的上升轨迹。这种增长是由所有车辆中电子含量的增加推动的，尤其是电动汽车（需要复杂的电池管理系统、电力电子和电机控制）的快速普及以及 ADAS 和自动驾驶系统的持续发展。
据估计，具有 L4/L5 级自动驾驶能力的车辆将拥有比非自动驾驶汽车多八到十倍的半导体含量。这一趋势凸显了半导体对汽车行业未来的战略和经济重要性。
至关重要的是，随着车辆日益互联、软件定义和自动化，网络安全将从一个重要考虑因素演变为所有汽车芯片绝对关键的设计参数。防止恶意攻击、确保数据完整性和隐私以及保护通信渠道，将需要将强大的硬件级安全功能（如专用安全协处理器、加密加速器和安全区域）作为大多数汽车 SoC 的标准组件进行集成。
半导体芯片在汽车中的发展历程，从真空管收音机最初犹豫的噼啪声，到复杂人工智能片上系统实现自动驾驶黎明的无声、闪电般的计算，是一个不断创新和深刻变革的故事。
在近一个世纪的时间里，这些微小的硅奇迹已经从最初的新奇和娱乐功能，演变成现代汽车几乎所有系统不可或缺的核心。
它们是无形的马力，是无形的智能，从根本上重塑了汽车本身，也重塑了我们与驾驶、出行以及个人交通概念的关系。
END
作者：歪睿老哥
文章来源：歪睿老哥
推荐阅读
更多 IC 设计干货请关注IC 设计专栏。欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。
