芯片，是最近的熱門話題，我們要關注的不僅僅是手機芯片，也要關注汽車芯片，更何況智能網聯汽車業需要大量的芯片，其中，最重要的就是自動駕駛計算平臺需要用到的芯片。

北京時間5月21日，總部位于美國加州圣克拉拉市的半導體公司Achronix，在中國深圳舉辦交流會，宣布推出全新的7nm FinFETSpeedster7t系列產品，該產品可以滿足人工智能／機器學習（AI／ML）和高帶寬數據加速應用的需求。

人工智能和機器學習的一大應用就是自動駕駛，領頭羊Waymo采用的是英特爾CPU＋Altera FPGA的方案來解決自動駕駛所需要的數據融合和算法處理，因為PFGA作為硬件加速器，可以作為GPU的有效補充，應用為汽車主控芯片。

據Achronix總裁兼首席執行官RobertBlake介紹，Speedster7t系列基于一種高度優化的全新架構，從而獲得有類似ASIC一樣的性能、可簡化設計的FPGA靈活性和增強功能，會遠高于傳統的FPGA解決方案。

在中國自動駕駛領域，也有部分的公司采用了FPGA的方案，配合CPU或者GPU，搭建自己的解決方案，Achronix新推出的7nm FPGA系列產品Speedster7t，提供了Altera、Xilinx之外的多一種選擇，也給國內FPGA廠商壓力。

1、FPGA在自動駕駛的應用

智能網聯汽車對計算的要求在不斷提高，尤其是自動駕駛技術在面臨多傳感器數據融合處理的問題，傳統的汽車MCU的算力是滿足不了要求了，GPU、FPGA、ASIC等AI芯片就開始進入汽車市場。

正如前面所言，自動駕駛領域的全球領頭羊Waymo，也是采用CPU＋FPGA的方案，其計算平臺采用了英特爾Xeon 12核以上CPU，搭配了Altera的Arria系列FPGA芯片，并且采用英飛凌的Aurix系列MCU作為CAN或FleRay網絡的通信連接。

在中信證券許英博的研究報告認為，在汽車主控芯片領域，GPU 仍將保持通用汽車主控芯片的主流地位， FPGA作為有效補充， ASIC 將成終極方向。

目前，人工智能及智能駕駛算法尚未定型，GPU作為通用加速器，預計仍將在相當長一段時間內保持其汽車主控芯片的主流地位； FPGA 作為硬件加速器， 料將成為 GPU 的有效補充；將來如果全部或部分智能駕駛算法得以固化， ASIC 將成為最優性價比的終極選擇。

下面是GPU、FPGA和ASIC各個芯片的一些特點：

GPU：通用性強、速度快、效率高。適合用在深度學習訓練方面，但是性能功耗比較低；

FPGA：具有低能耗、高性能以及可編程等特性。相對于 CPU 與 GPU 有明顯的性能或者能耗優勢，但對使用者要求高；

ASIC：可以更有針對性地進行硬件層次的優化，從而獲得更好的性能、功耗比。弊端在于ASIC 芯片的設計和制造需要大量的資金、較長的研發周期和工程周期，而且深度學習算法仍在快速發展，若深度學習算法發生大的變化，FPGA 能很快改變架構，適應最新的變化，ASIC 類芯片一旦定制則難于進行修改。

但就現階段而言，FPGA讓自動駕駛開發更具靈活性當前處于自動駕駛發展的“試錯”階段，算法的更新迭代周期非常短，這給FPGA更多的市場機會。根據市場調研公司Semico Research的預測，人工智能應用中FPGA的市場規模，將會在未來4年增長3倍，達到52億美元。