相信經過這幾個月的“熏陶”，大家都對半導體緊缺的事實有了充分的認識，自2020年12月起，汽車行業缺乏芯片面臨停產的問題就開始困擾無數車企，最先放出口風的是奧迪、大眾、福特、戴姆勒、豐田、菲亞特克萊斯勒等知名汽車廠商，先是減產、推遲部分產品線，部分工廠甚至出現了停工的狀況。甚至有預測稱缺芯會導致2021第一季度全球減產100萬輛輕型車輛。

隨著人工智能算法不斷完善，智能化應用逐漸落地，汽車電子架構的發展也在朝著更復雜的方向演進，但出乎意料的是，和宣傳視頻形成鮮明對比的，正是難以支撐復雜操作的車載系統，也正是前陣子芯片短缺的新聞，才讓很多人意識到了車載芯片原來這么落后。

和電腦愛好者關注的重點差不多，車載系統芯片的算力很大程度上決定了系統的性能，然而直到去年，大部分量產車使用的還是驍龍820a，沒錯，它就是2016年旗艦手機芯片驍龍820的車規版，也是工業領域中出現的首個集成了X12 LTE modem的車規級SoC，但制程是14nm。 

從整個芯片行業的等級劃分來看，分別有軍工級、車規級、工業級和消費級，其中車規級芯片對于可靠性、一致性和穩定性要求更高，僅次于軍工級，與消費級芯片有很大不同，車規級芯片需要面臨更惡劣的環境，要求可靠性更高，車規級芯片的要求更為嚴格，因此對芯片廠家的汽車芯片生產線要求也更為嚴格，車規級芯片的生產線可以改造生產其他芯片，但生產其他芯片的生產線無法輕易改造生產車規級芯片，這在一定程度上造成了開發下一代的遲緩。

從分類上來看，汽車芯片大致分為以下幾類，一是負責算力的控制芯片，也就是處理器和控制器芯片，如發動機、底盤和車身控制，以及中控、輔助駕駛(ADAS)和自動駕駛系統等;二是負責功率轉換的IGBT功率芯片，一般應用于電動車的電源和接口;三是傳感器芯片，主要用于各種雷達、氣囊、胎壓監測。汽車芯片也可以分為主控芯片、功能芯片、功率芯片和傳感器芯片。

從架構方面來看，車規級芯片需要有獨立的安全島設計，在關鍵模塊、計算模塊、總線、內存等，都有ECC、CRC的數據校對，為車規級芯片提供功能安全。由于要求繁多且規格復雜，一般來說一款車規級芯片需要2-3年的時間完成車規認證并進入整車廠供應鏈，一旦進入后，一般擁有5-10年的供貨周期。這也導致了雖然手機電腦的芯片工藝制程在不斷突破，然而車載芯片仍然停留在多年前的工藝水平。

除此之外，車上算力利用的效率也是問題重要的一部分，在汽車液晶儀表盤上，行業的普遍邏輯是兩個 GPU 和兩個 CPU 鎖定在一起，這種設置叫做鎖步：它們在執行任務的時候會互相驗證計算結果的正確性，這就導致了50%起步的算力損耗。傳統汽車行業在軟件開發過程中，基于安全因素的考慮非常多，車企希望打造一個不容易出錯的系統，這在一定程度上會拖慢進展。

在電控汽車時代，芯片早已成為汽車的大腦。當發動機進入電控時代，通過電腦智能調節氣門開閉時機和時長，有意將進氣門延遲關閉，排氣門提前開啟，讓進排氣更加充分，提升性能;如果缺少芯片，最直觀的表現就是油耗和排放控制的缺失。如今進入智能時代，隨著ADAS、自動駕駛技術的成熟，需要大量的圖像數據、雷達數據處理，汽車廠商對芯片的算力要求也在提高，此前需靠駕駛員判斷的東西現在慢慢交給芯片，這樣汽車對芯片的使用量就會越來越多，并且對芯片的算力要求也會越來越高。

最生動的解釋就是自動駕駛，不管是激光雷達系統還是圖像識別系統，由于汽車實時的速度很快，但數據分析的要求不能降低，在車上加裝一個芯片是可行的，裝一個電腦機箱問題也不大，但總不能把服務器塞進去吧?所以這樣海量的數據計算只能放在云端，讓云端的服務器集群來計算，然而這就又引申出了另一個問題：數據計算都在云端，大家下載云端的數據就會有延遲，萬一延遲高，1s后才收到1s前的數據，車都不知道開哪兒去了，所以這也就是5G發展建設起來后自動駕駛才有望普及的重要原因。 

 

就目前的情況來看，老老實實等車規級芯片更新和5G落地，顯然只會拖累智能駕駛的發展進程，一小部分廠商也開始探索使用非車規級芯片甚至智能設備代替中控臺，但都或多或少遇到了麻煩。

當汽車進入電控時代以及向電氣化轉型，汽車與芯片就已經密不可分，下一代智能車，真的能實現智能駕駛，車聯互動等未來技術嗎?這個問題暫時沒有答案，但這次芯片危機的爆發，也意味著行業革新正在進行。