汽车电子发展初期以分布式ECU架构为主流，芯片与传感器一一对应，后来，中心化架构DCU、MDC逐步成为了发展趋势；随着汽车辅助驾驶功能渗透率越来越高，传统CPU算力不足过去，在自动驾驶领域GPU取代CPU成为了主流方案；随着自动驾驶的定制化需求提升，未来定制化ASIC专用芯片将成为主流。
我们将按时间顺序梳理车载芯片的发展历程，探讨未来发展方向。
汽车电子发展初期以分布式ECU架构为主流，芯片与传感器一一对应，随着汽车电子化程度提升，传感器增多、线路复杂度增大，中心化架构DCU、MDC逐步成为了发展趋势；
随着汽车辅助驾驶功能渗透率越来越高，传统CPU算力不足，越来越难以满足处理视频、图片等非结构化数据的需求，而GPU同时处理大量简单计算任务的特性在自动驾驶领域取代CPU成为了主流方案；
从ADAS向自动驾驶进化的过程中，激光雷达点云数据以及大量传感器加入到系统中，需要接受、分析、处理的信号大量且复杂，定制化的ASIC芯片可在相对低水平的能耗下，将车载信息的数据处理速度提升更快，并且性能、能耗和大规模量产成本均显著优于GPU和FPGA，随着自动驾驶的定制化需求提升，定制化ASIC专用芯片将成为主流。
目前出货量最大的驾驶辅助芯片厂商Mobileye、Nvidia形成“双雄争霸”局面，Xilinx则在FPGA的路线上进军，Google、地平线、寒武纪向专用领域AI芯片发力，国内四维图新、全志科技、森国科（国科微）在自动驾驶芯片领域积极布局。
Mobileye的核心优势是EyeQ系列芯片，可以处理摄像头、雷达等多种传感器融合产生的大量数据，在L1-L3自动驾驶领域具有极大的话语权，目前出货量超过了万颗；
NVIDIA在GPU领域具有绝对的领导地位，芯片算力强大且具备很强的灵活性，但功耗高、成本高，AI机器学习并不太适合GPU的应用；
此外Google、地平线、寒武纪、四维图新等更聚焦在针对不同场景下的具体应用，芯片设计也开始增加硬件的深度学习设计，自动驾驶上AI的应用已经成为未来的趋势。
