本白皮书将介绍基于FPGA的解决方案在以下三种应用中的优势：视频流；使用视频编辑软件来创作视频内容；人工智能（AI）和深度学习–图像识别是该应用的主要部分，其需要高性能的计算资源。

在AI+IoT时代中，越来越多的机器视觉应用需要智能终端对信息做出精准且快速的采集与处理。而图像传感器就像是机器的“眼睛”，赋予了机器感知时间的能力。CPU和GPU的处理能力远超人脑和人眼，现在很多图像的处理通过AI的CPU、GPU来实现，能够精准抓拍到物体在高速运动时不变形的图像非常关键。

Cadence公司资深产品工程总监刘淼发表了题为“后摩尔时代的EDA挑战与机遇”的主题演讲，表达了中国半导体虽然前路布满荆棘，但终将克服重重障碍，乘长风破万里浪，挂上云帆横渡沧海，到达理想彼岸的豪情壮志。

关于“华为造车”的话题，EDN已经讨论过很多次，也发表了不少关于其动向以及技术详解的文章，近日，有业内人士对华为的357条汽车专利进行了认真分析，华为的汽车专利主打自动驾驶与电动汽车，他认为自动驾驶只是“开胃菜”，涉及了驱动系统、散热系统等多项环节的电动车专利才是硬核。

由于人工智能极其复杂，加上夸张的宣传，导致一些厂家因为AI难以实现而将其摆在次要位置，而不是将AI视为实现自动驾驶这个真正目标的首要工具。经过最初的发展，角逐者们现在终于认识到人工智能已经开始引领这场竞争……

十年前，英伟达开发了一种通用图形处理单元（GPU）开发环境，以支持在GPU中加速神经网络和矢量方程。从那时起，边缘应用中实现推理的深度神经网络（DNN，一种用于神经网络的更高级的分层特征方法）开发竞赛迅速展开。

汽车业的发展主要由电气化和自动驾驶两大趋势所推动。由于欧盟设定了二氧化碳减排目标，除了汽车电气化，OEM别无选择。同时，为了提高汽车安全性并实现全自动驾驶的最终目标，OEM使用了越来越多的传感器，并不断提升计算性能来处理传感器产生的所有数据。

汽车的另一个发展趋势是使用的传感器越来越多。在CASE趋势下，传感器主要应用在两个方面：电气化和ADAS功能，后者包含自主、定位和车联万物（V2X）。

可以自主学习的智能汽车

诸多证据表明，ADAS（高级驾驶辅助系统）可以让车辆更加安全，而很多消费者都表示希望看到这些系统发展实现完全的自动化。然而，无论是当今的半自动驾驶车辆还是完全自动驾驶第5级车辆，它们所采用的ADAS系统都给人一种犹抱琵琶半遮面的感觉。 本文将从支持这些系统所需的底层技术出发，阐述ADAS系统在这一演进过程中能满足我们的哪些期待，以及半导体行业如何应对这一趋势。

根据Yole Développement的数据，汽车照明可能是自动驾驶发展的关键节点，在集成本地摄像头、雷达和LiDAR等传感器时将发挥关键作用。本文列出了用于汽车照明的10种创新LED和LED驱动器。

据外媒报道，法国豪华汽车品牌DS Automobiles最初是作为雪铁龙的子品牌创立的，不过在2015年被剥离成为独立的实体，其全新的二代DS 4取代了2010款首次推出的雪铁龙车型。每一款DS

2019年，特斯拉推出了HW 3.0自动驾驶芯片，2020年8月，曾有报道称特斯拉与台积电合作开发 HW 4.0 自动驾驶芯片，采用 7nm 工艺；最近，又有媒体曝光特斯拉与三星合作开发5nm芯片，这次是用于HW 5.0吗？

汽车制造商总是将一些花哨的东西吹嘘为高级驾驶辅助系统(ADAS)的安全功能，希望驾驶员使用这些功能。但是，过分依赖自动驾驶会导致不安全的行为，而驾驶员监控系统(DMS)恰好处于这种危机四伏的人机关系之间。迫在眉睫的问题是，DMS是否可以调解这种陷入困境的关系。

今日，百度宣布正式组建一家智能汽车公司，开始以整车制造商的身份进军汽车行业，至此，国内BAT三巨头全部已进入汽车制造领域。未来，如果百度能充分利用在人工智能、互联网科技基因