与相关芯片智能化立异竞赛格式四大中心要素驱动轿车

作者：北京华兴万邦办理咨询有限公司翔煜 商瑞。大中

智能
。心素轿车年代的驱动加快到来 ，使车载智能体系面临史无前例的轿车算力需求。跟着越来越多车型引进电子电气架构转向。化立中心 。异相化、关芯智能驾驭的片竞多。传感器。赛格式交融 、大中智能座舱的心素多模态交互以及生成式。AI。驱动驱动的轿车虚拟帮手等立异技能，都要求车用主芯片可以一起担任图形烘托
、化立AI推理和安全核算等多重使命 。异相当下，功用安全、高效高灵敏性的算力 、产品生命周期 ，以及软件生态兼容性这“四大中心要素” 。，已成为衡量智能轿车AI芯片立异力和商场竞争力的中心规范 。

传统轿车核算架构中 ，往往选用
。CPU。与。GPU 。或/和NPU等核算单元组成异构核算形式；跟着。自动驾驭 。算法。从L1向L5快速演进对软件适配性的要求越来越高，以及不断有新的传感器和信息文娱设备参加车内 ，不同的架构开端呈现不同的开展轨道
。一起 ，体系杂乱性快速提高 
、许多的数据转移 、资源调度协同难度提高和软件快速迭代等新应战开端呈现
，使缺少灵敏性的硬件架构成为了在技能 、安全和本钱等多个方面约束轿车智能化开展的瓶颈。

商场急需一种既能灵敏地供给高功用、高效图形与AI加快才能，一起满意功用安全规范、可与广泛的软件生态对接且总本钱更低的车用芯片架构。

功用安全不只关乎安全也是芯片本钱操控要害。

功用安全永远是顾客、主机厂 、。Ti。er-1和芯片供货商首要关怀的问题 ，但它并不是一个智能驾驭技能快速开展进程中才呈现的问题；职业现已形成了完善的ISO26262规范和ASIL 。认证。体系，以及锁步（Lock-Step）和双套硬件成果比照等处理计划
。可是跟着车用芯片中的CPU
、GPU和NPU越来越杂乱并占用更大面积，这些本来为。MCU 。供给的功用安全处理计划的硅本钱和杂乱性都大幅提高，因而商场需求在轿车芯片功用安全处理计划范畴完结立异 。

作为。轿车电子
。范畴的一项立异产品
，Imagination DXS GPU IP专心于智能座舱与自动驾驭场景的深度优化，其规划充分体现了业界近期在功用安全方面的巨大打破
，一起保证了功用的提高、安全性的增强以及芯片本钱的有用操控 。Imagination DXS GPU的峰值功用较前一代产品提高了50% ，算力从单核的0.25。TF 。LOPS扩展至1.5TFLOPS  ，最高可达6TFLOPS和24TOPS ，一起支撑高达192GPixel/s的图形烘托速率 。

在功用安全的完结上
，Imagination DXS GPU选用了针对GPU运算敞开的分布式安全机制（DSM），仅以10%的面积开支就完结了ISO 26262 ASIL-B功用安全认证。DSM使用了
。处理器 。的并行特性，在闲暇周期运转安全测验，既保证了功用不受影响，又保证了安全
，打破了锁步和备份等传统安全规划的局限性。这一立异规划从架构层面阐释了功用安全范畴依然存在着许多立异时机
，可以协助越来越先进的GPU在安全保证、体系杂乱性、本钱操控与下流厂商取得认证等多个方面发明价值。

正是由于Imagination DXS GPU在功用安全性和核算功用等方面完结了开创性的打破 ，在2025年5月于上海举行的 “第十二届轿车电子立异大会暨轿车芯片工业生态 。开展论坛。（AEIF 2025）”上，Imagination DXS GPU IP凭仗其立异的 、先进的GPU技能，荣获“2025 轿车电子・金芯奖-新锐产品”荣誉 。据了解 ，从该公司的D系列GPU IP产品开端 ，包含最新的发布了架构的E系列中的车用GPU IP都将选用这种本钱和杂乱性都具有显着优势的分布式功用安全机制 。现在 ，DXS GPU IP已集成于。瑞萨。R-Car Gen 5系列SoC中 ，助力智能驾驭技能的商业使用，满意从入门级到旗舰车型的全方位需求。

高灵敏性的高效算力是车用处理器的中心功用 。

关于车用芯片规划企业，为了处理越来越杂乱的AI核算和图形烘托，在其核算芯片中选用GPU或许NPU这样的并行处理器成为了必定；但是跟着轿车电子。电气
。架构从域操控转向中心操控，车用中心处理器不只需求更高的算力，并且还需求针对不同的使用可以在架构上灵敏地进行优化 ，也便是需求功用更高 、一起又不会被锁死在NPU或许GPU架构上的灵敏架构，这也成了轿车和其他许多边际AI使用中高功用并行核算的开展方向。

关于这种可以针对使用进行优化和界说的并行核算处理器架构 ，依然是Imagination凭仗其技能前瞻性和才能
，而从头界说了面向轿车和端侧AI的高功用并行核算职业规范。2025年5月，Imagination推出了专为端侧智能场景规划的新一代E系列（E-Series） GPU IP架构，该系列GPU凭仗其高效的并行处理架构 ，在供给杰出图形功用的一起 ，针对。人工智能  。作业负载具有灵敏算力扩展才能。

E系列GPU架构集成了神经核（Neural Cores）和爆发式处理器（Bu。rs 。t Processors），支撑算力从2TOPS灵敏扩展至200TOPS（INT8/FP8），满意从根底端侧核算到高阶智驾的多样化算力需求。这样的架构规划使Imagination E系列GPU一起具有了NPU的高功用和GPU的高灵敏性；经过优化指令调度和数据复用机制，端侧核算的均匀功耗功率提高了 35%，在相同算力条件下
，车载体系的功耗下降了20% 。

这种高效且灵敏的AI算力及图形处理功用分配，完美贴合了在包含轿车在内的端侧AI场景中一起存在许多的AI核算与图形处理需求的使用 ，优化了中心核算形式下中心车用芯片一起处理驾驭和座舱需求的功用与能耗。此外，经过晋级硬件级虚拟化技能，E系列GPU IP支撑多达16个虚拟机使命阻隔，完结了AI、图形、UI等多使命的异步并行处理
，保证了智能座舱多体系协同作业和自动驾驭多使命并行处理的车用场景需求 。以“高灵敏性的高效算力”为中心，E-Series GPU不只满意了未来智能轿车车用处理器的算力需求
，并推进了轿车智能化体会的进一步提高 。

更长的产品生命周期：GPU 架构的可。编程。性打破总本钱困局。

跟着智能驾驭和智能座舱技能从旗舰车型向中低端车型的浸透 ，主机厂对芯片本钱的严格操控正在推进职业打破传统开发形式的局限性。依据职业数据，传统车用核算芯片的开发本钱高达2亿-3亿美元，研制周期长达3～5年。在算法需求迭代时，固定功用架构的NPU芯片有必要从头流片，每次迭代的本钱占到初始开发费用的40%～50%。这种“高投入
、长周期、低弹性”的开发形式 ，在主机厂寻求“一款芯片满意多车型10年生命周期”的方针面前 ，显着暴露出本钱上的约束。

因而，相关于从架构到功用都根本固定的根据NPU车用。操控芯片  。，选用GPU IP的车用芯片可以愈加沉着地去面临这样的总本钱压力，由于选用GPU的硬件规划可以经过更高的可编程性来完结跨算法 、跨厂商和跨车型使用，用更大数量的商场使用来摊低昂扬的芯片研制本钱 ，因而根据GPU架构的车用芯片比根据NPU的车用芯片具有更长的产品生命周期和更高的使用灵敏性 。

当然
，假如车用芯片中GPU自身的AI核算与图形处理才能就可以灵敏装备，那么还会带来更高的本钱节约和更长的产品生命周期 。以Imagination在其GPU IP产品中推进的可编程泛化架构以及由此开发的E系列GPU为例 ，其经过软件界说硬件的规划，可将芯片硬件生命周期延伸至10年以上 ：当AI模型晋级时 ，仅需数月软件适配即可完结迭代，较传统NPU迭代计划大幅削减。这种一致核算单元规划可跨轿车、工业等几大场景复用
，硬件规划本钱下降40%，研制投入收回周期明显缩短。

敞开软件生态：一次开发、多场景布置。

软件生态和可适配性正在变成各种高功用核算的重要门槛 ，英伟达
。的CUDA生态使其在AI核算和轿车芯片方面占尽了先机。因而
，其他的轿车和端侧AI芯片厂商要在商场中斩获更多比例，就需求其间心核算单元IP供给商构建愈加敞开的软件生态；跟着许多根据此意图的规范安排不断树立和强大 ，其间的首要玩家正在支撑新一代车用芯片开发商处理软件生态的问题
 。例如，Imagination就构建了一个面向未来的敞开体系，其间心优势在于“一次开发，多场景布置”。其算力可以经过OpenCL、Vulkan等干流A。PI 。直接调用，开发者 。使用oneAPI、Apache TVM等东西链，可以轻松地将作业负载迁移到E系列GPU中的神经核。这种可编程性不只大幅下降了跨渠道开发的本钱，还赋予了设备习惯未来算法革新的灵敏性。面临生成式AI
 、多模态交互等前沿使用的快速迭代，E系列GPU无需硬件迭代
，仅经过软件晋级就能敏捷习惯
，保证产品继续满意新式需求。在自动驾驭范畴 ，Imagination的GPU IP相同遵从“一次开发，多场景布置”的理念。经过集成FP16流水线以及imgBLAS 、imgNN等高效核算库，明显提高了雷达点云数据、视觉SLAM等传感器数据的处理速度  ，有用减轻了CPU和NPU的担负。一起，经过与OpenCL、Vulkan等敞开规范以及CoreAVI安全驱动的兼容
，保证了在杂乱场景下体系的实时响应和安稳运转，使技能才能贯穿智能座舱、自动驾驭等多个场景
，稳固了跨场景布置的技能根底。

结语 。

从Imagination的E系列GPU等产品完结的架构立异来看
，用于智能轿车等端侧使用的AI芯片也在重塑其技能逻辑，更揭开了端侧AI核算革新的前奏。在智能轿车范畴
，功用安全、高效灵敏的算力  、生命周期办理与敞开软件生态这四大要素构建的技能护城河 ，正推进职业从“硬件堆砌”向“智能进化”转型；而在更宽广的端侧 AI场景中
，这种“软件界说硬件”的理念正在协助。消费电子
。、工业 。物联网。、才智城市和智能商业等边际核算等范畴全面拥抱。AI技能。。这种革新的深层含义
，在于打破了“云-边-端”的技能壁垒 。当智能轿车的GPU架构可以经过软件晋级支撑才智城市的交通调度算法
，当工业设备的核算单元可复用至消费电子的AI交互场景，端侧AI正从单一功用模块进化为“可成长的智能体”。可进化的端侧芯片将好像今天的CPU般 ，成为一切智能设备的“数字大脑”。