计算平台在自动驾驶中主要负责解决两个主要问题：
1）处理输入的信号（雷达、激光雷达、摄像头等）；
2）做出决策判断、给出控制信号：该加速还是刹车？该左转还是右转？。
英伟达 CEO 黄仁勋认为自动驾驶本质是 AI 计算问题，根据国内领先的自动驾驶芯片设计公司地平线的观点，要实现L3级的自动驾驶起码需要 20 个 teraflops（每秒万亿次浮点运算）以上的的计算力级别，L4级、L5级计算力的要求将继续指数级上升。
综合考虑算力、功耗、成本等因素，我们认为自动驾驶芯片演进路线为CPU→GPU→FPGA（现场可编程门阵列）→ASIC（专用集成电路）。
随着汽车传感器越来越多，我们认为控制器架构演进路线为 ECU（电子控制单元）→DCU（域控制器）→MDC（多域控制器）。
关于算力、CPU、GPU、FPGA、ASIC、ECU、DCU、MDC 等详细分析请持续关注本公众号（史晨星）。
11． 执行层：横向 ＋ 纵向
执行层是自动驾驶的手脚，分为横向、纵向两大部分；
纵向控制：油门加减速、刹车；
横向控制：方向盘转向。
纵向控制主要包括驱动与制动控制，通过对电机、发动机、传动和制动系统的控制实现传统系统电子化升级，进入线控时代。
制动系统发展趋势为真空液压制动（HPB）→电子液压制动（EHB）→线控机械制动（EMB）。
横向控制主要是转向控制，目标是控制汽车自动保持期望的行车路线，并在不同的车速、载荷、风阻、路况下有很好的乘坐舒适性和稳定性。
转向系统发展趋势为机械液压助力转向系统（HPS）→电子液压助力转向系统（EHPS）→电动助力转向系统（EPS）。
关于线控油门、线控制动（HPB／EHB／EMB）、线控转向（HPS／EHPS／EPS）等详细分析请持续关注本公众号（史晨星）。
12． 专利
2018 年全球自动驾驶技术发明专利排行榜中，Ford 以 1225 件专利位列第一，Samsung 排名第二，中国两家企业百度和华为分别排名第 6 和第 8。
最后发起一个投票，自动驾驶研发两大路线中，大家更倾向于哪一条呢？
自动驾驶全面分析系列第二篇，上篇是市场分析，下篇是产业分析，敬请关注本公众号（史晨星）。
