当前，各大车厂正在全力备战高级自动驾驶的量产，被称为自动驾驶智慧之“眼”的环境感知基础部件传感器，也进入了新一轮的技术迭代与创新升级的关键时期。
业内一致认为，上一代的传感器配置已经不足以支撑l3级以上高级别自动驾驶的量产；单一传感器已经无法满足高阶自动驾驶应对复杂场景与安全冗余的需求，多传感器融合成为必然趋势。
此外，除了搭载先进传感器等装置，运用人工智能等新技术是《智能汽车创新发展战略》定义智能汽车的两个重要标签之一。自动驾驶算法和ai模型的迭代周期非常短，芯片的迭代完全无法跟上整个节奏。
汽车需要一套复杂的车辆传感器及相应的处理系统让自动驾驶给予更高的安全感。
为此，全球各大车企、自动驾驶公司都在为高级自动驾驶系统疯狂做“加法”。从今年全新推出的新车也可以看到，在自动驾驶感知技术上，技术路线不一，除了已经量产上车的摄像头和毫米波雷达之外，激光雷达、4d毫米波雷达等新一代传感器俨然已经成为各大车企全新车型的主流甚至标准配置。
众多新能源车企和传统车企相继宣布在2021年推出装载激光雷达或者4d毫米波雷达的量产型汽车。
与此同时，包括大陆集团、博世在内的各大感知硬件供应商以及一批初创企业纷纷发力下一代新型传感器，比如超高分辨率800万像素感知摄像头、下一代高精度雷达（4d毫米波成像雷达）、纯固态激光雷达等。
激光雷达和4d毫米波雷达面临前所未有发展风口。在2021年度（第十二届）高工智能汽车开发者大会上，赛灵思大中华区汽车电子系统架构师及商务经理毛广辉发表演讲表示：“激光雷达市场增长迅速，会逐渐成为高级别自动驾驶标配。毫米波雷达市场容量巨大，4d毫米波雷达的需求逐渐明确，将会在大多数高端应用场景替代2d雷达。”
毫无疑问，无论是多传感器的融合处理，还是新一代激光雷达和4d毫米波雷达的创新和大规模商业化量产，都对以芯片为核心的计算平台的计算能力、可靠性、海量数据处理能力， 以及使用机器学习提升机器视觉等等技术，提出了更高的要求，其中包括：
1. 高算力需求：相比传统摄像头和雷达，激光雷达需要处理更加庞大和复杂的数据， 甚至需要同时强大的并行处理能力。
2. 灵活应变需求：例如激光雷达，其有激光发射器、激光接收器、测距方式、扫描方式四大组成部分，不同组合存在不同的可能性，理论上有上百种不同的激光雷达方案。新型传感器需要满足应对变化和未来演进的能力。
3. 低时延需求：无论是激光雷达还是4d成像雷达，都需要对大量的点云进行处理，这不仅要求计算平台具备高性能、大吞吐量的特征，还对时延响应速度有很大的要求。
4. 人工智能算法需求：传感器内的处理运算不仅利用传统行驶的算法（计算机视觉），还利用基于ai的算法作为配合，tier1和车厂往往需要更大算力且能够进行高效处理的计算平台。
5. 低成本需求：由于技术的复杂性，激光雷达相比其对应的摄像头和雷达昂贵得多。
由于激光雷达技术较新，目前还没有明确的 assp/asic 器件架构，而且高端的adas和自动驾驶也还没有采用通用的芯片平台。此外， 激光雷达采用计算能力和计算效率等都直接根据特定算法进行定制的asic芯片，或者硬件固定的cpu 和gpu，短期内来看并不太现实。
“在深度学习算法暂未稳定、ai 芯片本身还需要不断迭代改进的情况下，高性能、自适应的fpga 处理器平台，无疑是当今主流处理器中实现自动驾驶计算的最佳选择。” 赛灵思大中华区汽车业务发展经理花盛向《高工智能汽车》如是说。
硬件可编程的灵活应变的赛灵思 fpga 平台，能够灵活适应任何雷达传感器配置，使之成为应对高阶传感器不断变化和演进发展设计的理想选择。
赛灵思异构计算平台涵括了强大的 dsp 性能和灵活的 i/o 配置和可编程逻辑资源，能够充分满足众多雷达制造商的高算力需求。
过去几十年，因为大多数雷达制造商采用的都是相似的通用芯片方案，无法实现真正的产品方案差异化。
但赛灵思9479威尼斯的解决方案最特别的地方在于可编程逻辑块，具备异构单芯片soc平台强大的集成价值、强大的三维fft数据信号处理（dsp）性能、灵活的输入输出（i/o）配置等优势，非常适合各类不断变化发展的设计，完美匹配了众多雷达厂商的定制化个性化需求。
毛广辉介绍说，可编程、灵活配置和并行计算能力，使得赛灵思fpga9479威尼斯的解决方案可以满足不同技术路线的4d毫米波及激光雷达应用，包括机械式、固态、混合固态等，同时还可以满足激光雷达不同的点云密度、激光线束的处理。
fpga 平台具备低时延、高吞吐量、高度自适应性等特征，可以直接完成无批次的推理，并且还能够保持较高的计算效率。此外，其可软件升级的方式修改芯片并实现算法的快速迭代，这对于自动驾驶领域的创新升级和快速量产尤为重要。
以4d成像雷达为例，在点云密度增加的情况下，4d成像雷达如何增加检测的成功概率，减少回声的噪音，并实现远处信号反射较弱物体的检测，还需要解决多信号的干扰问题。4d雷达需要大规模的并行处理流水处理，而这刚好可以在可编程逻辑结构中得以实现。
毛广辉表示，赛灵思fpga器件擅长处理各种传感器的复杂数据，其本身就内置了数据存储处理单元，在提供大规模数据并行处理的同时，提供独立接收通道（不限通道数量及接口种类）进行优化处理，可以有效优化复杂的前后处理，并且有效区分有用点云和无用点。
从成本上来看，赛灵思fpga 平台方案的单芯片强大集成能力，使得单颗芯片就可以满足之前需要多芯片才能实现的性能，也避免多芯片方案潜在的兼容、协作等额外成本。此外，其硬件可编程的架构优势，也使得其可以助力开发者避免芯片升级换代或者功能更新可能引起的各种不可预料的成本攀升。
除此之外，目前包括车厂、激光雷达厂商对于信息安全都有要求，赛灵思器件具备hsm的信息安全保障，不仅可以更新传感器软件，还支持硬件无线更新（ota）。
《高工智能汽车》认为，高阶自动驾驶系统对于计算平台的高效、灵活且可拓展等智能处理能力需求急剧增加，使得以fpga为核心的极具灵活应变能力和扩展能力的赛灵思异构并行自适应计算平台，在赋能自动驾驶领域具备巨大的潜力。
赛灵思在自动驾驶不同领域的应用案例也提供了有力的佐证。
比如，在adas及自动驾驶域控制器领域，宏景智驾基于赛灵思车规级xa zynq® ultrascale ™ mpsoc平台推出了多核异构架构的高级自动驾驶域控制器——gemini adcu。
该方案支持最高12路摄像头、6路激光雷达系统及多路毫米波雷达的接入和数据处理，不仅可以实时处理多路多目标的ai感知，还支持功能的持续迭代和传感器分辨率的持续提升，是市面上少有能够支持l2-l4级自动驾驶的通用型域控制器平台9479威尼斯的解决方案。
根据宏景智驾ceo刘飞龙介绍，赛灵思车规级处理器平台具备优异的可编程能力、出色的计算性能和丰富的i/o接口，可以收集多个传感器的不同结构数据，并且将它们都转化为统一的格式输出。
《高工智能汽车》了解到，除了宏景智驾之外，包括采埃孚、大陆集团等tier1巨头以及小马智行、魔视智能等自动驾驶公司也纷纷选用了赛灵思的产品。
以采埃孚为例，其使用赛灵思 zynq ultrascale mpsoc 平台来处理实时数据聚合、预处理和分配，并为采埃孚全新的人工智能（ai）汽车控制单元zf proai gen3提供低延时、高功效的ai计算加速。
与其他系统大多采用固定的软硬件组合架构不同，proai平台最大的竞争优势就是硬件模块化和开放式的软件架构，适用于l2-l5级自动驾驶。
而采埃孚之所以选择赛灵思超强适应性的智能平台，就是因为它可以为zf proai平台提供高效的处理能力、可扩展性和灵活性，能够助力采埃孚根据每个客户的独特需求进行定制化服务。
《高工智能汽车》了解到，面向汽车市场，赛灵思可以提供从28nm工艺的fpga、zynq soc，16nm的zynq ultrascale mpsoc 7ev 和11 eg，以及7nm工艺的versal acap，可以应用于智能网联汽车的舱内体验（dms、3d环视等）、adas（icms、前端摄像头、自动泊车、域控制器）以及高级自动驾驶（中央计算、下一代前端摄像头）等各个领域。
根据赛灵思公开的数据显示，赛灵思的激光雷达产品已经用于baraja、北醒光子、blickfeld、禾赛科技、innovusion、opsys、ours、ouster、phantom intelligence、pointcloud、北科天绘、一径科技、速腾等国内外大多数激光雷达厂商当中，占有该市场90%以上的市场份额。
截止目前，赛灵思在汽车电子领域的累计出货量已经达到2.05亿片，而在adas领域的出货量也已经达到8000万片。仅去年一年，赛灵思在汽车行业的出货量就接近2000万片器件。
俨然，从下一代传感器到自动驾驶的融合计算，作为全球为数不多可以覆盖自动驾驶感知、决策等各个层级的自适应芯片及计算平台厂商，赛灵思正在谱写高阶自动驾驶的新篇章。
