内容简介
本书以“智能驾驶芯片”为核心主题，从底层算力支撑到产业生态演进，系统梳理了智能驾驶技术背后的芯片基础、架构设计、研发流程、制造工艺及未来趋势。在微观层面，书中深入解析了智能驾驶芯片的技术结构、设计方法与工艺挑战，涵盖感知、决策、执行各环节所需的算力支持与芯片实现方式；在宏观层面，则从芯片视角切入，展现了“智能驾驶”这场技术革命的算力底座和产业生态演化路径，揭示从通用芯片到车规级芯片，再到AI芯片的演进逻辑。
本书面向广泛的专业读者群体，适合从事芯片设计、智能驾驶系统开发、车载电子研发等工作的工程师与技术人员，也适合汽车电子、计算机、自动化、集成电路等相关专业的高校师生阅读与参考。同时，对于关注智能驾驶芯片演进趋势、希望深入理解汽车“软硬结合”发展逻辑的科研人员、企业管理者及行业分析人士，也具有重要的参考价值。本书将帮助读者构建面向未来智能汽车的芯片技术框架与产业认知体系。
目录
前?言
第1章
智能驾驶从科幻到现实的进化之旅
1.1 智能驾驶如何从实验室走向公路 / 002
1.1.1 第一阶段：基础驾驶辅助（L0、L1）—倒车雷达与定速巡航 / 006
1.1.2 第二阶段：高级驾驶辅助系统（L2） —自动制动与车道保持 / 007
1.1.3 第三阶段：智能驾驶进入城市道路（L3）—有条件智能驾驶 / 008
1.1.4 第四阶段：无人驾驶测试与商业化（L4）—智能驾驶出租车试运营 / 009
1.1.5 第五阶段：完全无人驾驶（L5）—从测试区走向全球道路 / 010
1.2 智能驾驶汽车如何“看”世界 / 010
1.2.1 感知层：智能驾驶的“眼睛”和“耳朵” / 011
1.2.2 决策层：智能驾驶的“大脑” / 013
1.2.3 执行层：智能驾驶的“手”和“脚” / 014
1.2.4 智能网联技术 / 015
第2章
大规模集成电路芯片的进化之旅
2.1 摩尔定律：半导体行业的“魔法趋势” / 022
2.2 集成电路芯片的发展历史：从硅片革命到智能时代 / 025
2.2.1 萌芽与诞生（20世纪40—50年代）：从真空电子管到集成电路 / 025
2.2.2 集成电路的早期发展与商业化（20世纪60年代）：从小规模集成到计算机应用 / 027
2.2.3 微处理器革命（20世纪70年代）：从计算器到个人计算机 / 028
2.2.4 超大规模集成与个人计算机时代（20世纪80—90年代）：从微米到亚微米工艺 / 029
2.2.5 纳米时代与芯片多元化（21世纪初—21世纪10年代）：从CPU到SoC / 030
2.2.6 后摩尔时代与未来趋势（21世纪20年代至今）：超越硅基极限 / 032
2.3 集成电路芯片的分类 / 034
2.3.1 基于信号类型的集成电路分类：数字电路、模拟电路、射频/微波电路 / 034
2.3.2 基于功能区别的芯片分类：存储芯片、计算芯片、控制芯片与
通信芯片 / 040
2.3.3 基于灵活性的计算芯片架构分类：CPU、FPGA、CGRA与ASIC / 045
2.4 如何评价一颗芯片的好坏 / 048
2.5 通用芯片到领域专用芯片的
进化 / 050
2.5.1 芯片的应用场景 / 050
2.5.2 通用芯片到领域专用芯片的
进化过程 / 051
第3章
智能驾驶芯片的架构
3.1 车规级芯片与车载计算平台 / 054
3.1.1 车规级芯片的行业规范 / 054
3.1.2 车载计算平台的设计与架构 / 056
3.1.3 边缘计算和车载计算平台 / 061
3.2 车载计算平台的算力核心：AI芯片的力量 / 066
3.2.1 为什么算力对智能驾驶如此重要 / 066
3.2.2 AI芯片的工作原理与应用 / 071
3.2.3 AI芯片如何赋能智能驾驶 / 078
3.2.4 芯片与算法的系统设计与优化 / 082
3.3 智能驾驶的不同阶段与芯片需求 / 085
3.3.1 从辅助驾驶到全自动驾驶：逐步进化的
算力需求 / 086
3.3.2 芯片如何满足不同级别自动驾驶的需求 / 090
3.3.3 实例分析：特斯拉、华为等公司使用的
芯片技术 / 094
第4章
如何设计智能驾驶芯片—流程和方法
4.1 芯片设计流程 / 100
4.1.1 需求分析和规格制定 / 100
4.1.2 架构设计 / 102
4.1.3 逻辑设计与综合 / 103
4.1.4 物理设计 / 107
4.1.5 验证与测试 / 110
4.1.6 制造与封装 / 110
4.2 车规级芯片独有的设计流程 / 111
4.2.1 IP设计 / 111
4.2.2 可靠性设计 / 114
4.2.3 烦琐的验证环节 / 117
4.3 车规级芯片的封装 / 118
4.4 车规级芯片测试 / 120
第5章
智能驾驶芯片的制造
5.1 芯片制造工艺引言 / 122
5.2 车规级芯片的制造工艺与挑战 / 123
5.2.1 一颗车规级芯片究竟是怎样诞生的 / 123
5.2.2 车规级芯片面临的挑战 / 129
5.3 从晶圆厂到整车厂的供应链生态 / 135
第6章
智能驾驶芯片的产业布局
6.1 主要芯片厂商技术布局 / 138
6.1.1 硬件系统设计 / 138
6.1.2 软件平台开发 / 143
6.1.3 科研积累与专利储备 / 145
6.1.4 芯片制造相关技术 / 147
6.2 合作与竞争：传统车企与科技公司
的智能驾驶争夺战 / 148
6.2.1 合作共赢仍是产业链主旋律 / 148
6.2.2 潜在竞争在何处 / 150
6.3 案例分析：领先企业的芯片战略 / 151
6.3.1 英伟达：“您的下一辆车可能成为您的个人首台超级计算机” / 153
6.3.2 高通：“骁龙”飞跃舱驾一体鸿沟 / 155
6.3.3 Mobileye：从基础辅助到高阶智驾 / 157
6.3.4 华为：打造产业链通力合作的智能汽车品牌 / 159
6.3.5 地平线：万物互联赋能智能驾驶 / 164
6.3.6 主机厂的入局 / 166
第7章
智能驾驶芯片的技术难题与应对策略
7.1 数据存储与处理：车载芯片如何不卡顿 / 175
7.1.1 车载芯片的存储难题：受限的存储容量与“存储墙”问题 / 176
7.1.2 存储难题的破局之法：云存储与分布式存储的
共同助力 / 178
7.1.3 数据处理与通信的优化：降低延时并提升吞吐量 / 180
7.2 功耗与散热：如何让车载芯片“冷静”工作 / 182
7.2.1 高算力与高带宽带来的功耗与散热挑战 / 182
7.2.2 芯片架构升级：实现更高的能效比 / 183
7.2.3 散热“黑科技”：给芯片装上液冷“空调系统” / 184
7.2.4 算法优化：让AI计算更高效的节能之道 / 185
7.2.5 电力管家：智能分配每一度电 / 186
7.3 安全性与可靠性：如何让车载芯片
“不犯错” / 187
7.3.1 多层级的安全性挑战与潜在解法 / 187
7.3.2 难以避免的可靠性挑战与缓解之策 / 189
第8章
未来智能驾驶芯片会变成什么样
8.1 智能驾驶芯片结构会如何进化 / 192
8.1.1 从分布式ECU架构向集中式域控制器架构演进 / 193
8.1.2 日渐显著的舱驾一体趋势 / 195
8.1.3 新材料和新技术如何改变芯片 / 199
8.2 开源和软硬件协同：未来的芯片生态 / 201
8.2.1 开源硬件：开源指令集架构的崛起 / 201
8.2.2 车载芯片设计中的软硬件协同优化 / 202
8.2.3 开发阶段的软硬件协同设计验证 / 203
第9章
AI大模型与车载芯片的“共生进化”
9.1 当“大象”想挤进“火柴盒”—车载大模型的现实困境 / 205
9.2 车载芯片与大模型的“双向奔赴” / 207
9.2.1 硬件端的算力突围：从“大力出奇迹”到“四两拨千斤” / 208
9.2.2 “轻量化”AI：如何在车载芯片算力受限的情况下运行大模型 / 214
9.3 车-路-云联动的“群体智能” / 219
9.3.1 边缘计算：为什么说“车载微型云”是必然选择 / 220
9.3.2 5G+V2X赋能自动驾驶：低延迟网络构建车路协同新范式 / 221
结束语 / 225
附录 常用缩写词 / 227
参考文献 / 233
试读
前言/序言
智能驾驶是信息时代的热门话题之一，也是当前众多人工智能应用领域中的经典场景。它是一个典型的交叉学科，涉及物理、数学、电子、芯片及算法等多个方向，几乎涵盖了工程、科学与理论的所有重要学科。而支撑智能驾驶背后的“智能”核心，正是人工智能算法与模型，而算法的高效运行又离不开强大的算力。支撑这些大算力的，是汽车中部署的大量计算芯片。据不完全统计，一辆智能驾驶车辆目前的算力已达到 100 ~ 200TOPS，随着自动驾驶、新能源驱动等功能的增加，车辆中的芯片数量已达 1000 ~ 1200个，可见芯片在智能汽车中的重要地位。
智能操作往往需要调用大量算法和系统功能，甚至要与云端大模型进行实时交互，因此，一辆 AI 汽车所具备的算力直接决定了其智能化水平。换句话说，算力定义了车辆能够完成哪些智能任务。最简单的例子是，如果一辆无人驾驶汽车失去了算力，重要决策将无法执行，就如同人类失去了思考能力。随着人工智能的快速普及，车载智能化已成为大势所趋，而车车互联、人车互联的实现，也离不开芯片的支撑。
我依然记得小时候看《变形金刚》《第五元素》等影片时，对“人车交互”产生的深刻印象，这些影片将汽车塑造成了富有情感与战斗力的伙伴。当年动画片中呈现的无人驾驶汽车，如今已逐渐走入现实。智能驾驶从科幻作品走进生活，并在人工智能技术的驱动下不断向前发展，催生了大量新兴技术。从读硕士开始，我便涉足芯片设计领域，研究涵盖从材料、电路、架构到系统等多个层面，后来也有幸在工业界接触到前沿的芯片产品设计流程，因此对半导体产业和学术界都较为熟悉。我记得在2010年前后，芯片的主要应用场景还集中于消费电子与通用计算领域，而随着人工智能的发展，计算逐渐从通用转向异构，图形处理器（GPU）神经网络加速器（NPU）等加速芯片成为主流架构。
在传统芯片设计过程中，优化的三要素是功耗、性能和面积（即 PPA）。近年来，在车载芯片快速发展的趋势下，安全性与可靠性也逐渐成为产业界的重要关注方向。从 2012 年起，我开始关注芯片可靠性问题，博士期间的研究课题便是集成电路的抗老化设计与跨层次优化方法。当初在开始这个方向时，我也曾多次问自己：芯片为什么需要可靠性？我们的手机、计算机更替很快，似乎并不需要那么长的使用寿命。每当我向他人介绍自己的研究方向时，常常会被问到“为什么芯片需要用10年？”“为什么不能直接换芯片？”这类问题，起初我也很难给出明确的回答。直到2014年智能驾驶开始兴起，我的研究逐渐步入正轨，也终于看到了芯片可靠性在智能汽车领域的关键价值。我开始花大量时间研究车规级芯片的可靠性要求及其设计挑战，也进行了一些初步探索。如今，车规级芯片已成为芯片可靠性研究中的典型应用场景之一。而当我们回顾芯片优化的发展历程，从PPA到PPAR，再到如今的 PPARS（加入安全性和可靠性），智能驾驶始终是背后的重要驱动场景之一。不仅芯片设计人员日益重视可靠性，芯片设计自动化（EDA） 工具厂商也在不断推出面向汽车芯片的全新工具。
在一次与智能驾驶公司技术人员的交流中，我了解到他们面临着芯片高可靠性方面的巨大挑战，这也促使我重新关注该领域，并间接促成了本书部分内容的成形。我认为面向高算力的智能驾驶芯片的发展尚处于起步阶段，随着专用芯片的广泛应用，定制化芯片将成为行业趋势。面对日益复杂的车载计算任务，如何平衡本地与云端算力？如何开展定制化芯片设计？芯片行业又该如何应对车规级芯片带来的严苛验证挑战？这些问题亟待解决。
近年来，大模型技术如雨后春笋般涌现，并快速迭代，产生了颠覆性的成果， DeepSeek 的出现更是将其发展推至新里程碑。在大模型的驱动下，智能驾驶将迈出更大的一步。大模型“上车”使得智能驾驶有了更丰富的想象空间。对于芯片而言，如何在座舱内支撑大模型的运行，即使只是执行推理任务，也是行业从业人员面临的重大挑战。智能座舱芯片行业迎来了技术革新和市场扩展的关键节点。随着新能源汽车普及、汽车智能化水平提升，以及消费者对车内体验的期望增加，智能座舱芯片市场的规模不断扩大。国内外厂商通过技术创新、产品迭代和市场拓展加速了行业的发展，推动智能座舱从“辅助工具”向“智能生态”演进。然而，智能汽车对计算能力与数据规模的需求远超手机与计算机，当前车载设备的硬件条件难以完全支撑大模型的本地运算。若大模型继续进阶，则意味着更强的芯片、更好的配置以及更高的成本。可以说，如今正是智能驾驶芯片发展的关键时期。
当然，汽车芯片并不仅仅涉及“芯片设计”的问题，还涉及支持可定制化与可扩展性的生态系统建设，也需要软硬件协同来实现各优化层次间的有效平衡。消费电子芯片的发展经历了多年积淀才达到今天的水平，尽管如此仍存在巨大的优化空间，而智能驾驶芯片所面临的挑战可能更大，其优化前景也更为广阔。此外，它还涉及工具、工具链乃至整个产业生态的协同构建。
在长期从事芯片研究的过程中，我发现芯片行业的从业人员往往对“智能驾驶”仅停留在“高可靠性应用场景”的认知上，缺乏对其关键技术的深入理解。市面上虽有许多关于智能驾驶的书籍和资料，但鲜有从芯片从业人员角度出发，系统介绍该行业的内容。相反，在与自动驾驶从业人员的交流中，我也发现他们对于芯片的认知多数停留在“对算力要求高”，对芯片底层的制造、工艺甚至设计流程知之甚少。因此，这也促成了我写这本书的初衷。当上海交通大学杨明教授提出撰写本书的想法时，与我多年来的思考不谋而合，我也深感责任重大。毕竟我虽然从事芯片研究，但并未亲自设计过智能驾驶芯片。为此，我请教了众多业内专家和朋友，也在网络上进行了大量调研。本书内容仍以概念为主，这是出于本书定位为“科普读物”的考虑，旨在系统性地梳理碎片化知识。即便大语言模型（如 GPT、DeepSeek 等）能快速检索信息，依然需要一本系统性的图书来全面介绍智能驾驶芯片这一重要领域。在软硬件高度融合的今天，不仅人工智能领域亟须软硬件协同实现整体优化，智能驾驶领域亦是如此。造车的人需要理解芯片，做芯片的人也需要理解汽车，本书有望成为一座沟通的桥梁。
本书以智能驾驶芯片的发展与设计为主线，系统梳理了在智能汽车迅速发展的背景下，芯片技术从通用计算向高可靠、高定制化算力平台演进的全过程，揭示了在“智能化”“网联化”“大模型上车”等趋势下，芯片作为汽车智能中枢的关键角色以及其所面临的挑战与变革。本书以芯片技术为出发点，结合智能驾驶的典型场景与需求，从设计、架构、验证、可靠性等多个维度，介绍了高算力芯片的开发理念与关键关注点。尽管书中并未深入讲解每项技术细节，但力求将这些跨领域、跨层次的核心理念清晰表达，使其给读者理解智能驾驶芯片系统性开发带来广泛的参考价值。
这也是一本为软硬件协同时代而编写的交叉融合类读物。读完本书，读者不仅能够系统认识智能驾驶芯片的核心设计挑战，也能从“系统+芯片”的角度重新理解汽车这一复杂系统的底层智能构建逻辑。本书内容涵盖智能驾驶芯片的发展背景、典型架构、算力趋势、可靠性演进、工具生态、软硬件协同路径、芯片定制方法论，以及大模型带来的变革与冲击等。
本书不仅为芯片从业者深入理解汽车行业提供了思路，也为智能驾驶行业人员理解芯片生态提供了桥梁，更为产业链各方提供了交流语言与认知基础，是一部面向新时代智能驾驶芯片技术融合的普及性与系统性兼具的读物。
本书第3章素材由王润曦收集与整理，第4 ~ 6章素材由武馨悦收集与整理，第7 ~ 9章素材由胡凡收集与整理。本书得到了上海交通大学智能网联电动汽车创新中心的大力支持，尤其感谢杨明教授的鼓励，以及唐卫主任在编写过程中的组织与协调工作。本书也得到了上海交通大学密西根学院的支持。同时，也感谢我的实验室—上海交通大学智能电路、架构与系统实验室的同学们的参与和帮助，他们对本书的完成起到了重要作用。
在本书的编写过程中，我们参考了大量文献资料和网络资源，并向多位行业专家请教。在此对所有给予我们技术指导的朋友们表示衷心感谢！特别感谢机械工业出版社王兴宇编辑的指导与支持，在本书初稿完成后，他提出了许多宝贵建议，为本书增色不少。
由于作者水平有限，编写周期紧张，书中难免会出现一些不严谨或者不准确的地方，恳请读者批评指正。如果您对本书的内容和章节安排等有更多的宝贵意见，或者能够对书中存在的不当之处提出批评和修改建议，请联系机工汽车小编（封底扫码加微信好友即可），以便本书再版修订时参考。期望能够得到您的真挚反馈。
谨以此书献给我最亲爱的家人，是他们的陪伴与鼓励让我走到今天。也希望本书能献给芯片行业的朋友们，以及在智能驾驶行业背后所有默默付出的科学和产业工作者！
郭鑫斐
2025年5月
于上海市
