特斯拉自研FSD芯片，引领汽车芯片产业发展

特斯拉自研FSD 方案属于另一极。主要优势：由于其自研自用，根据需求研发专用芯片，减少不必要的软硬件模块。1）缩短研发周期，减少研发设计工作量；2）提升能效比；3）用户数据驱动研发优化。主要劣势：1）生态较为封闭，仅内部开发和使用，无法建立完善的生态体系。2）若使用量有限，芯片研发需要投入大量资金，软硬件开发的成本难以通过小规模使用均摊成本。

Autopilot 1.0 系统因Mobileye EyeQ3 算力低、算法和芯片捆绑销售限制创新被弃用。2014 年特斯拉发布Autopilot 1.0，视觉芯片采用Mobileye EyeQ3，数据融合芯片采用英伟达Tegra3。搭载1 个前置摄像头、1 个后置倒车摄像头(不参与辅助驾驶)、1 个前置雷达、12 个超声波传感器。特斯拉弃用主要原因在于：EyeQ3算力仅0.256TOPS，而且视觉感知算法和芯片捆绑销售，影响产品创新。

Autopilot 2.0 系统因NVIDIA PX2 方案能效比差，成本较高被弃用。2.0系统较上一代提升40 倍性能，系统由1.0 系统的雷达引导为主，转变为以摄像头为主，雷达作为辅助。硬件方案采用NVIDIA 的1 颗Tegra Parker 芯片和1 颗Pascal 架构芯片方案；支持8 个摄像头、12 个超声波雷达和1 个前置毫米波雷达。2.5 系统仍是NIVIDIA 方案的延续。特斯拉弃用NVIDIA 方案主要原因在于：NVIDIAPX2 方案GPU 芯片仍有较多的软硬件资源浪费，能效比（算力/功耗）较差，成本较高。

特斯拉Autopilot 3.0 系统自研FSD+算法。3.0 系统采用了自研的FSD 芯片方案，2 颗FSD 芯片实现冗余设计，共2*72TOPS/72W，针对自身应用算法和场景专门设计FSD，可减少不必要的软硬件模块，实现资源的最大化利用。Autopilot 3.0 实际应用性能相比2.5 版本提升21 倍，功耗仅高25%，其成本却只有2.5 版本的80%。两颗芯片将运算结果互相比对，若结果正确则执行操作，若错误则返回重算，而且若某颗芯片出现故障，自动驾驶系统仍不受影响。

Autopilot 硬件 3.0

来源：CSDN

特斯拉自动驾驶系统方案

来源：特斯拉

FSD 芯片是一颗CPU+GPU+ISP+2*NPU 的异构芯片。芯片异构化是总体发展方向，让专用处理单元运算对应的操作。1)CPU 是1 个12 核心ARM A72 架构的64 位处理器，运行频率为2.2GHz；2）GPU 能够提供0.6TFLOPS 计算能力，运行频率为1GHz；3）2 颗NPU（神经网络单元）运行在2.2GHz 频率下能提供2*36TOPS 的处理能力。为了提升神经网络处理器的内存存取速度以提升计算能力，每颗FSD 芯片内部还集成了32MB 高速缓存。

FSD 芯片针对自身需求专门开发，是特斯拉芯片性能高和功耗优的重大法宝。发布Autopilot 3.0 时，特斯拉宣称FSD 芯片算力为72TOPS，系统整体算力2*72TOPS，而NVIDIA Xavier 芯片仅为21TOPS。尽管之后NVIDIA 公布Xavier 理论计算能力为30TOPS，但依然不及FSD 芯片。而NVIDIA DRIVE AGX Pegasus 计算平台，基于2*Xavier和2*TensorCoreGPU，算力达到320TOPS，功耗为320W，高于Autopilot 3.0 系统的72W。主要系FSD 芯片作为特斯拉专用芯片，较GPU 的通用芯片可减少不必要的软硬件模块，实现资源的最大化利用。

特斯拉FSD 芯片结构

来源：特斯拉