物理AIが自動運転のアップグレードを牽引：3つの効率化要因がAIアクセラレータの需要を押し上げる

エンドツーエンドの自動運転が主流の技術路線となり、自動運転システムにおいてフィジカルAIが生み出す推論ニーズが、自動車用システムオンチップ（SoC）の設計を再構築しつつあります。

エグゼクティブサマリー

エンドツーエンドの自動運転が主流の技術路線となり、自動運転システムにおけるフィジカルAIによって生み出される推論需要が、ひいては自動車用システムオンチップ（SoC）の設計を再構築しつつあります。DIGITIMESは、AI時代における主要な自動車用SoC指標を、基盤となるハードウェア仕様、中間層の効率性能、および上位層のソリューション互換性を軸に整理した3×3マトリックスを、次世代自動車用SoCソリューションの評価フレームワークとして提示しています。DIGITIMESは、AIアクセラレータが次世代自動車用SoCの演算コアとなり、自動運転システムにおけるAI推論の「低遅延」「低システム消費電力」「メモリボトルネックの低減」という要件を満たすものになると考えています。

AIの進化における3つの段階について、世界の業界のコンセンサスが徐々に形成されるにつれ、各段階の基盤となるエンジニアリング、中核となるタスク、および主要な指標にも注目が集まっており、それに応じてハードウェア要件も異なってきます。「エージェント型AI」の段階では、AIシステムは推論だけでなく、タスクスケジューリングやツール呼び出しなどの補助タスクも処理する必要があるため、中央処理装置（CPU）の演算能力に依存しており、これがCPUへの需要を支えています。今後の「フィジカルAI」を見据えると、AIシステムは多様かつ変化する物理環境において、リアルタイムかつ正確な推論を実行する必要があります。DIGITIMESは、ニューラルプロセッシングユニット（NPU）がフィジカルAI開発の主要な演算コアになると考えています。

本レポートでは、フィジカルAIの進化が自動車用SoCの設計にどのような影響を与えているか、またNvidia、Qualcomm、Mobileyeといった主要ベンダーが提供する仕様について解説しています。

目次

イントロダクション

AIコンピューティングアーキテクチャの進化

• 図1：コンピュータコアプロセッサの分類とAIの進化における3つの段階の概要
• 図2：AI開発の各段階におけるCPU、GPU、NPUの役割分担
• 図3：NPUの演算コアの構成式とチップ設計の参照アーキテクチャ

AI推論が自動車用SoCの設計変更を牽引

• 図4：エンドツーエンドの自動運転アーキテクチャ設計と技術の進化
• 図5：FSDチップアーキテクチャと2.0アップグレード仕様
• 図6：FSD NPUチップの設計アーキテクチャとFSDのエネルギー効率

AI世代の自動車用SoCにおける評価指標とソリューション設計

• 図7：AI世代の自動車用SoCにおける主要評価指標一覧と主要ベンダー
• 図8：Nvidia Drive Thorの設計リファレンスアーキテクチャと仕様
• 図9：Qualcomm Snapdragon Ride Eliteの設計リファレンスアーキテクチャおよび仕様
• 図10：Mobileye EyeQ 7Hの設計リファレンスアーキテクチャおよび仕様
• 図11：ヘテロジニアスコンピューティングSoCの設計リファレンスおよび演算ユニットのタスク割り当て

サマリー

• 図12：自動運転技術の変遷が自動車用SoCの設計に与える影響の概要