車載芯片的發展趨勢（CPU-GPU-FPGA-ASIC）。過去汽車電子芯片以與傳感器一一對應的電子控制單元（ECU）為主，主要分布與發動機等核心部件上。隨著汽車智能化的發展，汽車傳感器越來越多，傳統的分布式架構逐漸落后，由中心化架構DCU、MDC逐步替代。隨著人工智能發展，汽車智能化形成趨勢，目前輔助駕駛功能滲透率越來越高，這些功能的實現需借助于攝像頭、雷達等新增的傳感器數據，其中視頻（多幀圖像）的處理需要大量并行計算，傳統CPU算力不足，這方面性能強大的GPU替代了CPU。再加上輔助駕駛算法需要的訓練過程， GPU+FPGA成為目前主流的解決方案。 . 著眼未來，自動駕駛也將逐步完善，屆時又會加入激光雷達的點云（三維位置數據）數據以及更多的攝像頭和雷達傳感器，GPU也難以勝任，ASIC性能、能耗和大規模量產成本均顯著優于GPU和FPGA，定制化的ASIC芯片可在相對低水平的能耗下，將車載信息的數據處理速度提升更快，隨著自動駕駛的定制化需求提升，ASIC專用芯片將成為主流。本文以如上順序梳理車載芯片發展歷程，探討未來發展方向。
分布式架構向多域控制器發展。汽車電子發展的初期階段，ECU主要是用于控制發動機工作，只有汽車發動機的排氣管（氧傳感器）、氣缸（爆震傳感器）、水溫傳感器等核心部件才會放置傳感器，由于傳感器數量較少，為保證傳感器-ECU-控制器回路的穩定性， ECU與傳感器一一對應的分布式架構是汽車電子的典型模式。
車載芯片的現在—以GPU為核心的智能輔助駕駛芯片。人工智能的發展也帶動了汽車智能化發展，過去的以CPU為核心的處理器越來越難以滿足處理視頻、圖片等非結構化數據的需求，同時處理器也需要整合雷達、視頻等多路數據，這些都對車載處理器的并行計算效率提出更高要求，而GPU同時處理大量簡單計算任務的特性在自動駕駛領域取代CPU成為了主流方案。
