CPU兼顾计算和控制，具有很强的计算通用性，但计算性能不足以满足处理视频、图片等非结构化数据的需求。GPU是由大量内核组成的大规模并行计算架构，适用于数据密集型应用中的计算处理和并行计算，GPU的80%以上是运算单元（ALU），因此更擅长大规模并行计算。但是，它的功率很高，推理效率一般。FPGA具有灵活性高的特点，采用通用处理器或ASIC难以实现的低级硬件控制操作技术，使用FPGA即可轻松实现，从而为算法功能的实现和优化留下了更大的空间。但是，它具有高功耗和高批量生产成本，适用于具有许多连接器的企业和军事领域。
从自动驾驶整体发展趋势来看，由于需要处理的传感器信息需要大量冗余，自动驾驶对于终端算力的要求极高，同时对于终端计算的实时性、能效以及可靠性提出更高的要求，综合来看ASIC将成为未来自动驾驶处理器芯片的主流解决方案。
自动驾驶平台和芯片成标配
在自动驾驶时代，汽车架构和主控芯片将出现集中化显著的趋势，其中汽车架构将从分布式E/E架构发展到中央计算架构，主控芯片将从单个CPU转变为包含AI模块的SoC芯片。具体来说，控制器需要接收、分析和处理大量信号且复杂，智能汽车系统需要处理大量的图片、视频等非结构化数据，原有的分布式计算架构对应一个ECU或单个子模块域控制器已经不能适应未来的需求，中央计算架构将成为主要的发展趋势。中央计算架构可以使用计算机控制整车，更方便地升级整车的OTA软件，因此具有高算力和低纬度的自动驾驶SoC芯片
