自动驾驶意味着决策责任方的转移。我国2020至2025年将会是向高级自动驾驶跨越的关键5年。自动驾驶等级提高意味着对驾驶员参与度的需求降 低，以L3级别为界，低级别自动驾驶环境监测主体和决策责任方仍保留于驾驶员，而L4、L5高级别自动驾驶 的环境检测主体和决策责任方则会转移至系统，即由系统进行环境监控，再将所感知到的信息进行处理决策， 再根据决策执行相应的操作，如转向、制动等。即感知层与决策层系统承担的职能会逐级递增，系统构成难度 及所需组件也需逐级增加。
决策层主要由芯片、计算平台和软件构成，可视为自动驾驶的中央大脑。在进行决策规划时，决策层会从感知层中获取道路拓扑结构信息、实时交通信息、障碍物信息和主车自身的状 态信息等内容。结合上述信息，决策规划系统会对当前环境作出分析，然后对执行层下达指令，模拟大脑决策。
自动驾驶的实现，需要决策层在“软件+硬件”上双重提升，软件在算法，硬件主要就是汽车芯片。
汽车半导体概念宽广，在汽车电动化、智能化、网联化、共享化等各领域发挥重要作用，其按照功能分为汽车 芯片、功率器件、传感器等。
其中芯片又称为集成电路，集成度很高；人们常说的汽车芯片是指汽车里的计算芯片，按集成规模可分为 MCU芯片和SoC芯片。而功率器件集成度较低，属于分立器件，主要包括电动车逆变器和变换器中的IGBT、 MOSFET等。传感器则包括智能车上的雷达、摄像头等。
汽车芯片，正从MCU芯片，进化至SoC芯片。MCU是芯片级芯片，又称单片机，一般只包含CPU这一个处理器单元；MCU=CPU+存储+接口单元；而SoC是系 统级芯片，一般包含多个处理器单元；如SoC可为CPU+GPU+DSP+NPU+存储+接口单元。
随着全球汽车消费升级，汽车电子化趋势处于快速增长，全球汽车搭载的电子控制单元ECU数量持续增加，一般 都是MCU芯片。汽车电子化需求及汽车MCU行业格局，导致汽车MCU芯片短中期出现了短缺。
汽车智能化趋势，一是智能座舱，二是自动驾驶，对汽车的智能架构和算法算力，带来了数量级的提升需要，推 动汽车芯片快速转向搭载算力更强的SoC芯片。
处理器芯片是MCU/SOC芯片的计算核心：分为CPU、GPU、DSP、ASIC、FPGA等多种。一般MCU芯片中 只有CPU，SoC芯片则中除CPU之外还会有其他种类的处理器芯片。
CPU、GPU、DSP都属于通用处理器芯片：①CPU是中央处理器，擅长处理逻辑控制。对CPU进行优化调整， 发展出②善于处理图像信号的GPU和③善于处理数字信号的DSP。
ASIC是专用处理器芯片，FPGA是“半专用”处理器芯片。EyeQ(Mobileye)、BPU(地平线) 、NPU(寒武纪等) 等专门用来做AI算法的芯片(又称AI芯片)则属于专用芯片(ASIC)的范畴。FPGA是指的现场可编程门阵列，是” 半专用”芯片，这种特殊的处理器具备硬件可编程的能力。
自动驾驶芯片是指可实现高级别自动驾驶的SoC芯片，通常具有”CPU+XPU”的多核架构。L3+的车端中央计 算平台需要达到500+TOPS的 算力，只具备CPU处理器的芯片不能满足需求。自动驾驶SoC芯片上通常需要 集成除CPU之外的一个或多个XPU来做AI运算。用来做AI运算的XPU可选择GPU/FPGA/ASIC等。
GPU、FPGA、ASIC在自动驾驶AI运算领域各有所长：CPU通常为SoC芯片上的控制中心，其优点在于调 度、管理、协调能力强，但CPU计算能力相对有限。而对于AI计算而言，人们通常用GPU/FPGA/ASIC来做加 强：1)GPU适合数据密集型应用进行计算和处理，尤其擅长处理CNN/DNN等和顺序无关的图形类机器学习算 法。2)FPGA则对于RNN/LSTM/强化学习等有关顺序类的机器学习算法具备明显优势。3)ASIC是面向特定用 户的算法需求设计的专用芯片，因“量身定制”而具有体积更小、重量更轻、功耗更低、性能提高、保密性增 强、成本降低等优点。
SoC芯片供应商提供软硬件全栈能力或成新Tier1：传统的博世、大陆等Tier1不具备基于SoC芯片的软件能 力，我们认为未来SoC芯片供应商将直接提供的软硬件结合的车载计算开发平台，从而可跳过传统Tier1直 接对接主机厂，从而成为“新Tier1”供应商。例如英伟达直接对接小鹏，为小鹏提供硬件平台的同时也提供 了小鹏用于做自己的自动驾驶算法开发的工具链软件及仿真环境等；类似地有地平线直接对接长安。
未来的芯片厂通过直接向主机厂提供以SoC芯片为核心的车载计算硬件平台及软开发生态环境来绕过传统 Tier1、从而攫取更高的利润并获得更高的行业话语权。例如Mobileye不再甘当Tier2而只向Tier1供应半成品 组件，在与吉利最新的合作方案中，Mobileye首次负责完整的解决方案堆栈，包括硬件和软件、驱动策略 和控制，并计划在系统部署后提供持续的软件更新服务。
