第三章：主流ADAS芯片厂商概览
做ADAS域控制器选型，说白了就是一场「赌注」。赌的是芯片的算力够不够用，赌的是生态成熟度，更赌的是未来3-5年会不会被淘汰。我这些年经手过好几个量产项目，从最初的Mobileye一家独大，到现在百花齐放，感触挺深的。
今天咱们就把市面上主流的几家芯片厂商拉出来遛遛。NVIDIA、Qualcomm、Mobileye、TI、地平线、黑芝麻——这六家基本覆盖了从L2到L4的全部需求。嗯，咱们一个一个说。
3.1 NVIDIA：Orin与Thor
NVIDIA在ADAS圈子里，地位有点像手机界的苹果——不是最早入场的，但一出手就是王炸。
Orin这颗芯片，我印象太深了。2022年刚量产那会儿，几乎所有做高阶智驾的Tier1都在抢。单颗254 TOPS的算力，放在今天依然能打。它内部集成了12个ARM Cortex-A78AE核心，外加Ampere架构的GPU。说白了，这就是一块「带轮子的显卡」。
核心参数速览：
- 制程：7nm（三星）
- 算力：254 TOPS（INT8）
- 功耗：45W-65W（可配置）
- 典型方案：2颗Orin做L4，1颗做L2+
我个人习惯把Orin分成两个场景看：
- 单Orin方案：适合L2+，比如高速NOA、记忆泊车。我去年帮客户做过一个单Orin的方案，跑通BEV+Transformer，帧率能到30fps，够用。
- 双Orin方案：L4起步。蔚来ET7、理想L9用的都是这套。冗余设计，算力翻倍，但功耗也翻倍——散热是个大问题。
Thor是Orin的下一代，2025年量产。单颗算力直接干到2000 TOPS。你想想看，这相当于8颗Orin绑在一起。我听说有些车企已经在预研Thor做舱驾一体了，把座舱芯片和智驾芯片合二为一。
避坑指南：
我曾经在一个项目里踩过Orin的坑——它的GPU虽然强，但CPU相对弱。如果你要做大量规则引擎、决策规划，CPU容易成为瓶颈。建议提前做好CPU负载评估，别光盯着TOPS看。
3.2 Qualcomm：Snapdragon Ride
高通做ADAS芯片，其实是「降维打击」。它在手机SoC领域积累的功耗控制和AI加速经验，直接搬到了车上。
Snapdragon Ride平台，我最早接触是在2021年。当时高通给我寄了块开发板，第一感觉就是——这玩意儿真省电。同样是100 TOPS级别的算力，高通的功耗比Orin低30%左右。
| 芯片型号 | 算力 | 功耗 | 典型应用 |
|---|---|---|---|
| SA8540P | 60 TOPS | 25W | L2级ADAS |
| SA8650P | 100 TOPS | 35W | L2+高速NOA |
| SA8775P | 200 TOPS | 65W | L3/L4城区智驾 |
高通的优势在哪？生态。它的Snapdragon Ride SDK做得相当成熟，支持TensorFlow、ONNX、PyTorch直接部署。我团队有个小伙子，从手机端转过来做ADAS，上手高通的工具链只花了两周。
但高通也有短板——车规级经验。相比NVIDIA和Mobileye，高通在汽车领域的积累还是浅了点。我记得有个项目，高通的ISP在低光照下表现不如预期，后来我们不得不加了一颗外挂ISP芯片。
3.3 Mobileye：EyeQ系列
Mobileye，ADAS界的「老炮儿」。从EyeQ3到EyeQ6，我几乎每一代都用过。
EyeQ系列最大的特点是——封闭但稳定。Mobileye提供的是「黑盒方案」，你把摄像头接上去，它直接输出车道线、车辆、行人等感知结果。对于传统Tier1来说，这简直是福音，不用自己搞算法。
但问题也在这里。我2019年做的一个项目，想用EyeQ4做自定义目标检测，结果发现Mobileye的SDK根本不开放底层。你想改个网络结构？没门。你想调个参数？得签NDA。
EyeQ系列演进：
- EyeQ4：2.5 TOPS，L2级，2018年量产。现在看算力严重不足。
- EyeQ5：24 TOPS，L2+，2021年量产。支持多传感器融合。
- EyeQ6：36 TOPS（Lite）/ 67 TOPS（High），2023年量产。终于支持BEV了。
我个人建议：如果你做的是传统L2、L2+项目，追求稳定性和低开发成本，Mobileye依然是最优解。但如果你想做差异化、自研算法，那还是绕道吧。
3.4 TI：TDA4
TI的TDA4，在ADAS圈子里属于「扫地僧」级别的存在。不声不响，但很多量产车型都在用。
TDA4VM这颗芯片，我最早是在2020年的一个泊车项目里用的。8 TOPS的算力，看着不起眼，但它的实时性做得极好。为什么？因为它内部集成了两个C7x DSP和多个MMA加速器，专门处理传统视觉算法。
TI的强项在于：
- 低功耗：TDA4VM典型功耗只有15W，被动散热就能搞定。
- 实时性：硬实时处理，延迟控制在10ms以内。
- 成本：单颗芯片成本不到50美元，比Orin便宜太多。
但TDA4的短板也很明显——AI算力不足。8 TOPS跑个轻量级CNN还行，想跑BEV+Transformer？别想了。我有个朋友硬要在TDA4上跑大模型，结果帧率只有5fps，根本没法用。
注意：
TDA4适合做「感知+规控」一体化的低阶方案，比如APA、RPA、L2级ACC/LKA。如果你要做高阶智驾，建议用TDA4做规控，外挂一颗AI芯片做感知。
3.5 地平线：征程系列
地平线，国内ADAS芯片的「扛把子」。征程系列从J2到J6，我一路看着它成长起来的。
征程5是我用得最多的一颗。128 TOPS的算力，单颗就能跑BEV。我记得2022年帮一家车企做方案选型，对比了Orin和J5，最后选了J5——原因很简单：工具链好用。
地平线的「天工开物」工具链，确实做得不错。支持Pytorch模型一键部署，量化工具也很成熟。我团队有个算法工程师，从NVIDIA切到地平线，只花了一周就上手了。
但地平线也有需要改进的地方：
- 生态：相比NVIDIA，第三方库和社区支持还是弱一些。
- 车规级：J5的车规级认证（ISO 26262 ASIL-D）是2023年才拿到的，比TI和NVIDIA晚。
征程6是2024年发布的，算力直接干到560 TOPS。我听说已经有车企在预研J6做L4了。嗯，值得期待。
3.6 黑芝麻：华山系列
黑芝麻智能，国内另一家ADAS芯片新势力。华山系列从A1000到A2000，定位很清晰——高性价比的国产替代。
华山A1000，58 TOPS算力，16nm制程。我去年在一个L2+项目里用过，跑高速NOA没问题。它的优势在于：
- 双核NPU：可以同时跑两个模型，比如一个做检测，一个做分割。
- 成本：比同级别的Orin NX便宜30%以上。
华山A2000，2024年发布，算力256 TOPS，7nm制程。直接对标Orin。我还没实际用过，但从公开资料看，它的ISP和视频编解码能力很强，适合做行泊一体。
我的建议：
如果你做的是国产化率要求高的项目，或者预算有限，黑芝麻是个不错的选择。但要注意，它的工具链和社区生态还在完善中，遇到问题可能得自己啃。
3.7 选型总结
说了这么多，最后给个总结性的对比表：
| 厂商 | 代表芯片 | 算力 | 功耗 | 适合场景 | 推荐指数 |
|---|---|---|---|---|---|
| NVIDIA | Orin / Thor | 254 / 2000 TOPS | 45-65W / 100W+ | L3/L4高阶智驾 | ⭐⭐⭐⭐⭐ |
| Qualcomm | Snapdragon Ride | 60-200 TOPS | 25-65W | L2+到L3 | ⭐⭐⭐⭐ |
| Mobileye | EyeQ5 / EyeQ6 | 24-67 TOPS | 10-30W | L2/L2+传统方案 | ⭐⭐⭐⭐ |
| TI | TDA4VM | 8 TOPS | 15W | 泊车、L2级ADAS | ⭐⭐⭐ |
| 地平线 | 征程5 / 征程6 | 128 / 560 TOPS | 30-60W | L2+到L4 | ⭐⭐⭐⭐⭐ |
| 黑芝麻 | 华山A1000 / A2000 | 58 / 256 TOPS | 25-50W | L2+行泊一体 | ⭐⭐⭐⭐ |
最后说一句：没有最好的芯片，只有最合适的方案。选型的时候，别光看TOPS，还要看工具链、生态、成本、功耗、车规级认证。我见过太多项目，因为选错了芯片，后期改方案改到崩溃。
嗯，这一章就到这儿。下一章咱们聊聊具体的算力评估方法——怎么算你的算法到底需要多少TOPS。