相關主題
商品描述
本書以“智能駕駛芯片”為核心主題，從底層算力支撐到產業生態演進，系統梳理了智能駕駛技術背後的芯片基礎、架構設計、研發流程、制造工藝及未來趨勢。在微觀層面，書中深入解析了智能駕駛芯片的技術結構、設計方法與工藝挑戰，涵蓋感知、決策、執行各環節所需的算力支持與芯片實現方式；在宏觀層面，則從芯片視角切入，展現了“智能駕駛”這場技術革命的算力底座和產業生態演化路徑，揭示從通用芯片到車規級芯片，再到AI芯片的演進邏輯。
本書面向廣泛的專業讀者群體，適合從事芯片設計、智能駕駛系統開發、車載電子研發等工作的工程師與技術人員，也適合汽車電子、計算機、自動化、集成電路等相關專業的高校師生閱讀與參考。同時，對於關註智能駕駛芯片演進趨勢、希望深入理解汽車“軟硬結合”發展邏輯的科研人員、企業管理者及行業分析人士，也具有重要的參考價值。本書將幫助讀者構建面向未來智能汽車的芯片技術框架與產業認知體系。
作者簡介
郭鑫斐，上海交通大學浦江國際學院（原密西根學院）副教授、博士生導師，主要研究方向包括面向邊緣智能的軟硬件協同設計、高可靠性低能耗架構和電路以及數字後端EDA技術等，博士畢業於美國弗吉尼亞大學，碩士畢業於美國佛羅裏達大學，本科畢業於西安電子科技大學。曾擔任美國英偉達芯片設計高級工程師。以第一作者或通訊作者的身份發表會議和期刊論文60余篇，出版專著（或章節）2本，獲得上海市海外領軍人才、福布斯中國青年海歸菁英 100 人、IEEE電路與系統協會的博士前獎學金以及SOCC 2022、LASCAS 2019等5次最佳論文或專題獎等，目前擔任IEEE TVLSI副總主編、Integration編委成員等，擔任MCSoC 2026會議主席，AICAS 2026出版主席，ISICAS 2025程序委員會聯合主席等，現任（或曾任）DAC、ICCAD、CICC等多個國際會議的程序委員會成員等，是IEEE/ACM/CCF高級會員，擔任CCF容錯計算專委和開源發展委員會執行委員，也是IEEE SSCS 青年卓越網絡研討會（WYE）的聯合創始人和聯合主席，主持或參與多項國家自然基金、科技部重點研發計劃項目和企業委托項目等。
目錄大綱
前 言
第1章
智能駕駛從科幻到現實的進化之旅
1.1 智能駕駛如何從實驗室走向公路 / 002
1.1.1 第一階段：基礎駕駛輔助（L0、L1）—倒車雷達與定速巡航 / 006
1.1.2 第二階段：高級駕駛輔助系統（L2） —自動制動與車道保持 / 007
1.1.3 第三階段：智能駕駛進入城市道路（L3）—有條件智能駕駛 / 008
1.1.4 第四階段：無人駕駛測試與商業化（L4）—智能駕駛出租車試運營 / 009
1.1.5 第五階段：完全無人駕駛（L5）—從測試區走向全球道路 / 010
1.2 智能駕駛汽車如何“看”世界 / 010
1.2.1 感知層：智能駕駛的“眼睛”和“耳朵” / 011
1.2.2 決策層：智能駕駛的“大腦” / 013
1.2.3 執行層：智能駕駛的“手”和“腳” / 014
1.2.4 智能網聯技術 / 015
第2章
大規模集成電路芯片的進化之旅
2.1 摩爾定律：半導體行業的“魔法趨勢” / 022
2.2 集成電路芯片的發展歷史：從矽片革命到智能時代 / 025
2.2.1 萌芽與誕生（20世紀40—50年代）：從真空電子管到集成電路 / 025
2.2.2 集成電路的早期發展與商業化（20世紀60年代）：從小規模集成到計算機應用 / 027
2.2.3 微處理器革命（20世紀70年代）：從計算器到個人計算機 / 028
2.2.4 超大規模集成與個人計算機時代（20世紀80—90年代）：從微米到亞微米工藝 / 029
2.2.5 納米時代與芯片多元化（21世紀初—21世紀10年代）：從CPU到SoC / 030
2.2.6 後摩爾時代與未來趨勢（21世紀20年代至今）：超越矽基極限 / 032
2.3 集成電路芯片的分類 / 034
2.3.1 基於信號類型的集成電路分類：數字電路、模擬電路、射頻/微波電路 / 034
2.3.2 基於功能區別的芯片分類：存儲芯片、計算芯片、控制芯片與
通信芯片 / 040
2.3.3 基於靈活性的計算芯片架構分類：CPU、FPGA、CGRA與ASIC / 045
2.4 如何評價一顆芯片的好壞 / 048
2.5 通用芯片到領域專用芯片的
進化 / 050
2.5.1 芯片的應用場景 / 050
2.5.2 通用芯片到領域專用芯片的
進化過程 / 051
第3章
智能駕駛芯片的架構
3.1 車規級芯片與車載計算平臺 / 054
3.1.1 車規級芯片的行業規範 / 054
3.1.2 車載計算平臺的設計與架構 / 056
3.1.3 邊緣計算和車載計算平臺 / 061
3.2 車載計算平臺的算力核心：AI芯片的力量 / 066
3.2.1 為什麼算力對智能駕駛如此重要 / 066
3.2.2 AI芯片的工作原理與應用 / 071
3.2.3 AI芯片如何賦能智能駕駛 / 078
3.2.4 芯片與算法的系統設計與優化 / 082
3.3 智能駕駛的不同階段與芯片需求 / 085
3.3.1 從輔助駕駛到全自動駕駛：逐步進化的
算力需求 / 086
3.3.2 芯片如何滿足不同級別自動駕駛的需求 / 090
3.3.3 實例分析：特斯拉、華為等公司使用的
芯片技術 / 094
第4章
如何設計智能駕駛芯片—流程和方法
4.1 芯片設計流程 / 100
4.1.1 需求分析和規格制定 / 100
4.1.2 架構設計 / 102
4.1.3 邏輯設計與綜合 / 103
4.1.4 物理設計 / 107
4.1.5 驗證與測試 / 110
4.1.6 制造與封裝 / 110
4.2 車規級芯片獨有的設計流程 / 111
4.2.1 IP設計 / 111
4.2.2 可靠性設計 / 114
4.2.3 煩瑣的驗證環節 / 117
4.3 車規級芯片的封裝 / 118
4.4 車規級芯片測試 / 120
第5章
智能駕駛芯片的制造
5.1 芯片制造工藝引言 / 122
5.2 車規級芯片的制造工藝與挑戰 / 123
5.2.1 一顆車規級芯片究竟是怎樣誕生的 / 123
5.2.2 車規級芯片面臨的挑戰 / 129
5.3 從晶圓廠到整車廠的供應鏈生態 / 135
第6章
智能駕駛芯片的產業布局
6.1 主要芯片廠商技術布局 / 138
6.1.1 硬件系統設計 / 138
6.1.2 軟件平臺開發 / 143
6.1.3 科研積累與專利儲備 / 145
6.1.4 芯片制造相關技術 / 147
6.2 合作與競爭：傳統車企與科技公司
的智能駕駛爭奪戰 / 148
6.2.1 合作共贏仍是產業鏈主旋律 / 148
6.2.2 潛在競爭在何處 / 150
6.3 案例分析：領先企業的芯片戰略 / 151
6.3.1 英偉達：“您的下一輛車可能成為您的個人首臺超級計算機” / 153
6.3.2 高通：“驍龍”飛躍艙駕一體鴻溝 / 155
6.3.3 Mobileye：從基礎輔助到高階智駕 / 157
6.3.4 華為：打造產業鏈通力合作的智能汽車品牌 / 159
6.3.5 地平線：萬物互聯賦能智能駕駛 / 164
6.3.6 主機廠的入局 / 166
第7章
智能駕駛芯片的技術難題與應對策略
7.1 數據存儲與處理：車載芯片如何不卡頓 / 175
7.1.1 車載芯片的存儲難題：受限的存儲容量與“存儲墻”問題 / 176
7.1.2 存儲難題的破局之法：雲存儲與分布式存儲的
共同助力 / 178
7.1.3 數據處理與通信的優化：降低延時並提升吞吐量 / 180
7.2 功耗與散熱：如何讓車載芯片“冷靜”工作 / 182
7.2.1 高算力與高帶寬帶來的功耗與散熱挑戰 / 182
7.2.2 芯片架構升級：實現更高的能效比 / 183
7.2.3 散熱“黑科技”：給芯片裝上液冷“空調系統” / 184
7.2.4 算法優化：讓AI計算更高效的節能之道 / 185
7.2.5 電力管家：智能分配每一度電 / 186
7.3 安全性與可靠性：如何讓車載芯片
“不犯錯” / 187
7.3.1 多層級的安全性挑戰與潛在解法 / 187
7.3.2 難以避免的可靠性挑戰與緩解之策 / 189
第8章
未來智能駕駛芯片會變成什麼樣
8.1 智能駕駛芯片結構會如何進化 / 192
8.1.1 從分布式ECU架構向集中式域控制器架構演進 / 193
8.1.2 日漸顯著的艙駕一體趨勢 / 195
8.1.3 新材料和新技術如何改變芯片 / 199
8.2 開源和軟硬件協同：未來的芯片生態 / 201
8.2.1 開源硬件：開源指令集架構的崛起 / 201
8.2.2 車載芯片設計中的軟硬件協同優化 / 202
8.2.3 開發階段的軟硬件協同設計驗證 / 203
第9章
AI大模型與車載芯片的“共生進化”
9.1 當“大象”想擠進“火柴盒”—車載大模型的現實困境 / 205
9.2 車載芯片與大模型的“雙向奔赴” / 207
9.2.1 硬件端的算力突圍：從“大力出奇跡”到“四兩撥千斤” / 208
9.2.2 “輕量化”AI：如何在車載芯片算力受限的情況下運行大模型 / 214
9.3 車-路-雲聯動的“群體智能” / 219
9.3.1 邊緣計算：為什麼說“車載微型雲”是必然選擇 / 220
9.3.2 5G+V2X賦能自動駕駛：低延遲網絡構建車路協同新範式 / 221
結束語 / 225
附錄 常用縮寫詞 / 227
參考文獻 / 233
