計算平臺在自動駕駛中主要負責解決兩個主要問題：

1）處理輸入的信號（雷達、激光雷達、攝像頭等）；

2）做出決策判斷、給出控制信號：該加速還是剎車？該左轉(zhuǎn)還是右轉(zhuǎn)？。

英偉達 CEO 黃仁勛認為自動駕駛本質(zhì)是 AI 計算問題，根據(jù)國內(nèi)領先的自動駕駛芯片設計公司地平線的觀點，要實現(xiàn)L3級的自動駕駛起碼需要 20 個 teraflops（每秒萬億次浮點運算）以上的的計算力級別，L4級、L5級計算力的要求將繼續(xù)指數(shù)級上升。

綜合考慮算力、功耗、成本等因素，我們認為自動駕駛芯片演進路線為CPU→GPU→FPGA（現(xiàn)場可編程門陣列）→ASIC（專用集成電路）。

隨著汽車傳感器越來越多，我們認為控制器架構(gòu)演進路線為 ECU（電子控制單元）→DCU（域控制器）→MDC（多域控制器）。

關于算力、CPU、GPU、FPGA、ASIC、ECU、DCU、MDC 等詳細分析請持續(xù)關注本公眾號（史晨星）。

11． 執(zhí)行層：橫向 ＋ 縱向

執(zhí)行層是自動駕駛的手腳，分為橫向、縱向兩大部分；

縱向控制：油門加減速、剎車；

橫向控制：方向盤轉(zhuǎn)向。

縱向控制主要包括驅(qū)動與制動控制，通過對電機、發(fā)動機、傳動和制動系統(tǒng)的控制實現(xiàn)傳統(tǒng)系統(tǒng)電子化升級，進入線控時代。

制動系統(tǒng)發(fā)展趨勢為真空液壓制動（HPB）→電子液壓制動（EHB）→線控機械制動（EMB）。

橫向控制主要是轉(zhuǎn)向控制，目標是控制汽車自動保持期望的行車路線，并在不同的車速、載荷、風阻、路況下有很好的乘坐舒適性和穩(wěn)定性。

轉(zhuǎn)向系統(tǒng)發(fā)展趨勢為機械液壓助力轉(zhuǎn)向系統(tǒng)（HPS）→電子液壓助力轉(zhuǎn)向系統(tǒng)（EHPS）→電動助力轉(zhuǎn)向系統(tǒng)（EPS）。

關于線控油門、線控制動（HPB／EHB／EMB）、線控轉(zhuǎn)向（HPS／EHPS／EPS）等詳細分析請持續(xù)關注本公眾號（史晨星）。

12． 專利

2018 年全球自動駕駛技術(shù)發(fā)明專利排行榜中，Ford 以 1225 件專利位列第一，Samsung 排名第二，中國兩家企業(yè)百度和華為分別排名第 6 和第 8。

最后發(fā)起一個投票，自動駕駛研發(fā)兩大路線中，大家更傾向于哪一條呢？

自動駕駛?cè)�面分析系列第二篇，上篇�?strong>市場分析，下篇是產(chǎn)業(yè)分析，敬請關注本公眾號（史晨星）。