2. EyeQ芯片家族与量产选型

在Mobileye的量产交付体系中，芯片选型不是“买最新最强”的简单决策，而是围绕功能定义、传感器配置、算法版本、功耗散热、接口带宽、认证周期与整车电子电气架构共同收敛的结果。EyeQ4、EyeQ5、EyeQ6三代平台在算力、制程、接口能力、AI加速结构和软件栈支持上存在明显代际差异，理解这些差异是后续集成与交付工作的前提。

一、三代平台的核心定位差异

EyeQ4是Mobileye在L2/L2+前视与多摄像头融合方案中大规模量产的成熟平台，采用28nm制程，典型功耗约3W，主要面向单前视、三目及少量环视摄像头的感知任务，支持EyeQ4M等衍生型号。它的优势在于成熟、低功耗、成本可控，软件栈与EyeQ4配套的SuperVision早期形态、L2级ADAS功能高度稳定，适合对成本敏感、功能边界清晰的量产项目。

EyeQ5是面向L2++/L3级高阶辅助驾驶的平台，采用7nm制程，单芯片AI算力约24 TOPS，典型功耗约10W至15W，支持多路高分辨率摄像头输入、更复杂的BEV感知与多任务网络并行。EyeQ5通常以双芯片或“EyeQ5+EyeQ5”组合出现，用于满足更高算力与功能安全冗余需求。它的接口能力显著增强，支持PCIe、千兆以太网、多路MIPI CSI-2，便于与域控制器、激光雷达、毫米波雷达及高精定位模块协同。

EyeQ6系列进一步面向中央计算与高阶自动驾驶，采用更先进制程，算力密度、能效比和AI加速器结构继续提升，EyeQ6L、EyeQ6H等型号分别面向不同算力档位。EyeQ6强调与整车中央计算架构的融合，支持更高带宽的数据通路和更灵活的软件部署方式，适合L3及以上、多传感器冗余、端到端感知与规控协同的量产项目。

二、算力与接口约束的实际含义

算力数字不能直接等同于可部署网络规模。EyeQ4的约2.5 TOPS在运行Mobileye自有感知网络时效率很高，但若试图移植第三方大模型或复杂BEV网络，会迅速遇到算力与内存带宽瓶颈。EyeQ5的24 TOPS虽然显著提升，但在多路800万像素摄像头、BEV+Transformer网络并行时，仍需通过模型量化、算子融合与任务调度来压缩实际占用。EyeQ6的算力提升则更多服务于端到端模型与多模态融合，但同样受限于内存带宽、散热上限与功能安全分区要求。

接口约束往往比算力更早成为选型瓶颈。EyeQ4的MIPI CSI-2通道数和CAN接口数量有限，若项目需要接入5路以上摄像头、激光雷达点云与高精定位数据，EyeQ4通常无法独立承担，需要外挂MCU或切换平台。EyeQ5的PCIe与千兆以太网接口使其能够作为域控制器主芯片，与雷达、激光雷达、IMU及中央网关交换数据。EyeQ6则进一步面向高带宽数据通路，适合中央计算架构下多域数据汇聚。选型时必须先统计传感器数量、分辨率、帧率、数据率与接口类型，再反推算力需求，而不是先选芯片再补传感器。

三、量产选型决策依据与示例

实际选型通常按以下顺序收敛：第一，明确功能等级与ODD，L2与L3对冗余、算力和功能安全的要求完全不同；第二，确定传感器配置与数据带宽，统计摄像头路数、分辨率、帧率及雷达/激光雷达接口；第三，匹配算法版本与算力需求，确认Mobileye软件栈或自研算法在目标芯片上的可部署性；第四，评估功耗、散热与成本，尤其是域控制器形态下的整机热设计；第五，核对认证与交付周期，包括AEC-Q100、ISO 26262 ASIL等级、软件版本冻结与量产爬坡计划。

以下为一个示例性选型决策表，用于说明如何将项目需求映射到平台选择。表中参数为教学示例，实际项目需以Mobileye官方数据手册与项目需求为准。

在量产项目中，选型决策还应与整车电子电气架构演进节奏对齐。若项目处于L2向L2++过渡阶段，EyeQ5双芯片方案可在保留成熟感知能力的同时支撑BEV与多传感器融合；若项目直接面向L3及以上中央计算架构，则EyeQ6系列更具长期演进空间。最终选型不是单一芯片的比较，而是芯片、软件栈、传感器、散热、成本与认证周期的系统匹配结果。