自动驾驶行业专题报告：领航辅助，自动驾驶“奇点”时刻到来？(14)

3） 存算一体：SoC 芯片需配置高带宽存储器（HBM）或 SRAM，并加速向存算一 体靠拢，解决大算力下的数据吞吐量瓶颈。模型越大，内存对 AI 加速器就越重要， 以频繁地读取权重矩阵或训练好的模型参数。据佐思汽研介绍，Transformer 中 的权重模型超过 1GB，对比传统 CNN 的权重模型通常不超过 20MB。模型参数 越大，就需要更高的带宽，一次性读出更多参数。存算一体可分为近存计算（PNM）、 存内处理（PIM）以及存内计算（CIM），存内计算则接近存算一体，当前 PNM 已广泛用于高性能芯片，即采用 HBM 堆叠，2.5D 封装，从而与 CPU 集成，而 PIM 和 CIM 仍处在发展中。以特斯拉 FSD SoC 为例，其采用总带宽为 68GB/s 的 8 颗 LPDDR4 内存，而集成在 NPU 中的 SRAM 可达到 32MB L3 缓存，带宽 达 2TB/s，远超市面上同类芯片。
而据汽车之心微信公众号，特斯拉在最新 HW 4.0 上的二代 FSD SoC 上使用了 16 颗 GDDR6，在内存用料上继续引领行业。

激光雷达：当前仍是中国车企实现城区领航的关键，成本是影响渗透的核心
我们认为，优质的城区领航功能有望大幅强化消费者对汽车智能化的体验和认知，率 先落地这一功能的车企/方案商有望借此形成真正的技术护城河和品牌溢价。而目前来看， 国内大部分车企若想要实现体验较优的城区领航功能，仍需要激光雷达的辅助。因此我们 认为，城区领航的落地有望进一步推动激光雷达上车，并发挥出真正的功效，但激光雷达 自身的降本速度仍是渗透关键。 激光雷达可弥补视觉传感器的固有缺陷，以提供城区领航需要的更高的感知精度和更 佳的冗余效果。“摄像头 超声波雷达 毫米波雷达”的传统配置可用于自适应巡航、车道 保持、自动泊车等主流 L2 场景，也可满足高速领航的基本感知需求。但城区领航所面临 的 corner cases 大幅提升，需要传感器提供更强的感知能力，摄像头和毫米波雷达的固有 缺陷难以支撑其所需要的安全冗余性，例如摄像头难以获取准确的三维立体信息，车载毫 米波雷达易受探测目标对电磁波反射敏感度影响等。