1.傳感器及控制單元繁雜

車輛中的傳感器與各種電子電氣系統(tǒng)的信息傳輸與控制都由汽車電子控制器(ECU)完成，ECU在制動系統(tǒng)、變速系統(tǒng)、懸架系統(tǒng)、安全系統(tǒng)、驅(qū)動系統(tǒng)，以及自動駕駛、輔助駕駛、智能座艙等都有廣泛應(yīng)用，據(jù)北京研精畢智統(tǒng)計2019年中國汽車單車ECU數(shù)量大約為20-30個，目前的智化較高的車型，主要ECU數(shù)量可能超過100個。

2.環(huán)境感知融合帶來實時數(shù)據(jù)處理挑戰(zhàn)

智能汽車需要處理傳感器(攝像頭、激光雷達(dá)、雷達(dá)和超聲波)捕獲的海量數(shù)據(jù)，它必須提供實時反饋，例如交通狀況、事件、天氣狀況、路標(biāo)、交通信號等。需要每秒數(shù)萬億次計算操作(TOPS)來同時處理多個具有挑戰(zhàn)性的任務(wù)(例如，對象提取、檢測、分割、跟蹤等)根據(jù)北京研精畢智的測算，智能汽車每小時各種傳感器累計產(chǎn)生的數(shù)據(jù)量大約為1.4TB-19TB。

3.算法模型還不能應(yīng)對長尾場景

超過95%的車禍?zhǔn)怯捎诟鞣N人為錯誤造成的，但是對于完全自動駕駛技術(shù)量產(chǎn)而言，在倫理、法律要求下，Al技術(shù)不成熟導(dǎo)致車禍?zhǔn)遣荒芙邮艿摹Ｊ褂酶冗M的AI模型算法，采用更為完備的訓(xùn)練標(biāo)注數(shù)據(jù)，雖然可以提高自動駕駛的安全性和準(zhǔn)確性，然而，極端情況仍然是需要人類駕駛者來干預(yù)，至少目前為止還沒有算法可以解決所有的極端場景。

4.AI算法演進周期快于智能芯片設(shè)計周期

當(dāng)前，AI算法演進周期跟智能芯片設(shè)計周期之間的矛盾非常突出。AI算法演進速度非?？?，在過去10年時間里，差不多每年都有會新的深度學(xué)習(xí)算法模型出現(xiàn)。據(jù)統(tǒng)計，大概每14個月，新的模型就能將計算效率提升一倍，但典型的車載芯片開發(fā)周期需要三年。算法優(yōu)化會對計算平臺架構(gòu)帶來巨大的挑戰(zhàn)，計算平臺架構(gòu)必須根據(jù)算法的特點進行特定優(yōu)化，才能保持足夠的計算效率和性能。

5.缺乏大算力低功耗的車載智能芯片方案

不斷迭代的算法和模型，都對AI基礎(chǔ)硬件計算平臺提出更為刻的計算要求。當(dāng)下，多數(shù)自動駕駛技術(shù)都在基于GPU(圖形處理片)進行AI(深度神經(jīng)網(wǎng)絡(luò)計算)但GPU不像定制芯片(ASIC)那樣高能效比或具有成本效益。最大的問題之一是功耗，要使L3以上的工作完美無缺，我們需要1000瓦以上的功耗來處理來自多個攝像頭、雷達(dá)、激光雷達(dá)等的實時海量數(shù)據(jù)。巨大的能耗需求，對電動汽車的電量存儲發(fā)起巨大挑戰(zhàn)。