一、课程导论与芯片选型：为什么是车规芯片？
各位同学，欢迎来到《语义分割网络在车规芯片上的部署与优化实战》的第一课。
说实话，每次开新课我都在想，第一讲到底该讲什么？后来我决定，先聊聊「为什么」——为什么我们要死磕车规芯片？为什么不是用个 Jetson Nano 或者 RK3588 就完事了？
嗯，这个问题，我在项目里被问过不下二十次。
1.1 为什么非得是车规芯片？
先讲个我自己的经历。几年前我参与过一个 L2 级辅助驾驶项目，团队图省事，用了工业级芯片做原型验证。结果呢？夏天路试，车内温度 70 度，芯片直接降频，语义分割的帧率从 30fps 掉到 8fps。差点没把测试工程师吓出心脏病。
车规芯片和消费级、工业级芯片最大的区别，说白了就三点：
- 温度范围：车规要求 -40°C 到 125°C，工业级一般是 -20°C 到 85°C。你想想看，夏天暴晒后的车内，中控台表面温度轻松破 80°C。
- 可靠性：车规芯片的失效率要求是 10 FIT（Failures In Time，每 10 亿小时失效次数），工业级是 100-1000 FIT。差了一个数量级。
- 功能安全：ISO 26262 ASIL-B/D 等级。这意味着芯片内部要有冗余、自检、故障上报机制。消费级芯片？死机了重启就行。车规芯片死机？那可能是人命关天。
核心结论：做车载视觉感知，芯片选型的第一原则不是算力，而是「车规认证」。没有 AEC-Q100 和 ISO 26262 认证的芯片，量产阶段根本过不了车厂的门禁。
1.2 主流车规 AI 芯片对比
目前市面上主流的车规 AI 芯片，我接触过的有三家：TI TDA4、NVIDIA Orin、地平线征程系列。咱们一个一个说。
TI TDA4VM
TI 的 TDA4 系列，我最早是在 2020 年的一个 Tier 1 项目里用的。说实话，刚拿到手的时候有点懵——这芯片的算力标称才 8 TOPS，跟 Orin 的 254 TOPS 比简直是玩具。但用起来才发现，人家玩的是「异构计算」。
- 核心架构：双核 A72 + 双核 R5F + C7x DSP + MMA 矩阵加速器
- 算力：8 TOPS (INT8)
- 典型功耗：20W
- 车规等级：ASIL-B/D
- 适合场景：L2/L2+ 级 ADAS，环视拼接，自动泊车
我个人习惯把 TDA4 叫做「嵌入式老黄牛」。它不追求极致算力，但每个计算单元都各司其职。比如 C7x DSP 做信号处理，MMA 做矩阵乘法，R5F 做实时控制。我在项目里用 TDA4 跑过一个轻量级语义分割网络（类似 STDC），帧率能做到 30fps，功耗才 12W。
小技巧：TDA4 的 C7x DSP 对卷积操作有硬件加速，但只支持 INT8 量化。所以部署前一定要做 PTQ 或 QAT 量化，否则性能会打折扣。
NVIDIA Orin
Orin 系列，嗯，这个大家应该不陌生。254 TOPS 的算力，在车规芯片里属于「性能怪兽」。我去年参与的一个 L3 级项目，用的就是 Orin。
- 核心架构：12 核 Cortex-A78AE + Ampere GPU + DLA 深度学习加速器
- 算力：254 TOPS (INT8)
- 典型功耗：15W - 60W（可配置）
- 车规等级：ASIL-D
- 适合场景：L3/L4 级自动驾驶，多传感器融合，高精度语义分割
Orin 的优势很明显——生态成熟。CUDA、TensorRT、DeepStream，一套组合拳下来，部署效率极高。但缺点也有：贵。一片 Orin 的价格能买三片 TDA4。而且功耗高，散热设计要花不少心思。
避坑指南：我曾经在 Orin 上部署过一个 50MB 的语义分割模型，直接跑 TensorRT FP16 推理，帧率 60fps。但一上实车，发现散热风扇的噪音太大，被客户投诉了。后来不得不降频到 30W 模式，帧率掉到 40fps。所以选 Orin 之前，先算好热功耗预算。
地平线征程 5
地平线的征程系列，是国内车规 AI 芯片里我比较看好的。征程 5 的算力是 128 TOPS，刚好卡在 TDA4 和 Orin 之间。
- 核心架构：8 核 Cortex-A55 + BPU 贝叶斯架构
- 算力：128 TOPS (INT8)
- 典型功耗：30W
- 车规等级：ASIL-B
- 适合场景：L2+/L3 级 ADAS，行泊一体，舱驾融合
地平线的 BPU 架构很有意思，它专门针对卷积神经网络做了优化。我在征程 5 上跑过一个 UNet 变体，量化后精度损失不到 0.5%，帧率 45fps。而且地平线的工具链（OE 包）对 ONNX 模型的支持很好，几乎能做到「一键部署」。
不过要注意，征程 5 的 ASIL 等级是 B，不是 D。如果项目要求 ASIL-D 的功能安全等级，那还是得选 Orin 或 TDA4。
1.3 选型策略：到底怎么选？
说了这么多，你可能会问：「那我到底该选哪个？」
我的建议是，别只看算力。我给你一个选型决策树：
- 先看功能安全等级：如果要求 ASIL-D，Orin 或 TDA4；ASIL-B 的话，征程 5 也够用。
- 再看算力需求：轻量级语义分割（如 STDC、ENet），8 TOPS 的 TDA4 就够了；高精度模型（如 DeepLabV3+），至少需要 Orin 或征程 5。
- 然后看功耗预算：20W 以内，TDA4；20-40W，征程 5；40W 以上，Orin。
- 最后看生态：团队熟悉 CUDA 的，无脑选 Orin；做嵌入式出身、喜欢裸机开发的，TDA4 更顺手；想要国产化替代、工具链友好的，地平线是首选。
我的个人经验：如果项目是 L2 级量产，预算有限，我建议用 TDA4。如果是 L3 级预研，追求性能上限，Orin 更合适。如果是国内车厂项目，有国产化率要求，那地平线征程系列是绕不开的选择。
1.4 本章小结
好了，第一讲的内容就到这里。我们聊了车规芯片为什么重要，对比了三款主流芯片的优劣，也给出了选型策略。
下一讲，我们会深入语义分割网络本身——从模型结构到量化部署，一步步带你走通整个流程。
记住一句话：芯片选型是地基，地基没打好，后面全是坑。
咱们下节课见。