但是，伴随着自动驾驶、新能源汽车的崛起，汽车芯片相较于以往发生了较大的改变，尤其是处理器之类的芯片。因此，MCU（微控制单元）类以及跟计算能力相关的芯片要求随之发生了变化。核心在于自动驾驶其实本质上相当于为汽车设置了一个虚拟驾驶员。这个虚拟驾驶员需要大量的信息和进行处理。这些信息包括来自车路协同系统的信息、自车环境的识别信息等，处理则像3D建模、可行驶区域计算、路径规划算法、安全性评估等。其都是与自动驾驶直接相关的需要模块，对于芯片的算力要求比较高。于是，像在PC和移动端芯片领域全球知名的英特尔、英伟达、高通、AMD等，原本在汽车市场几乎没有市场的企业在自动驾驶改变兴起之后迎来了新的、广阔的市场。

这个市场究竟有多大呢？

截止2017年底，我国新能源汽车累计销量达180万辆，占比超过了全球累计销量的50%。业内统计机构预测，预计到2019年，全球自动驾驶汽车市场价值将超过540亿美元。英特尔则联合知名市场调查机构Strategy Analytics对外发布了一份无人驾驶汽车市场规模报告，报告显示预计到2035年全球自动驾驶汽车规模将达到8000亿美元。

前面已经提到传统汽车电子芯片与自动驾驶芯片的不同。那么，实际上我们到底需要什么的智能汽车芯片呢？

新能源汽车企业小鹏汽车AI产品部计算机视觉首席研究员郭彦东博士告诉镁客网：首先在前装方案中，车载芯片一定要符合车规级别，比智能手机采用的芯片在温度等方面要求高。另外，车载芯片由于承担着安全相关功能，因此，对于芯片的可靠性、稳定性、运算能力要求也极高。特别是运算能力，来自Intel/Nervana的Naveen Rao提出了Computational Capacity的概念，它同时考虑了：1）Memory Bandwidth（m）；2）Precision（量化的比特数 b）；3）Utilized OPs（每秒有效的操作 o）。此外，Roofline model也常常被用来评估设计效率。现在比较新的英伟达的Xavier SOC，理论值已经达到了30TOPS。

郭彦东还指出：作为车企而言，价格与生态对我们选择芯片也非常重要。芯片方案的成熟度，配合周边包括摄像头方案、开发社区等都是车企考虑的因素。

来自清智科技的潘智慧从供应链和材料获取难度、量产条件、品控等方面给出了他的答案。他认为：传统汽车芯片获得比较容易，虽然其中有些芯片很重要，但并不是急需的。而与算力相关的CPU、GPU、AI芯片等对于传统的汽车电子工业稍微有所欠缺，只能依赖英特尔、英伟达等工业级芯片巨头去努力研发。尝试将其原有的芯片架构按照车规的要求去做提升，达到汽车规范级别芯片。