边缘AI（Edge AI）：在靠近数据产生的设备（如车端、摄像头端）上直接运行AI推理，而不是将数据上传云端处理。在自动驾驶中，感知、推理、决策必须在车端完成，以满足低延迟和安全要求。
边缘AI行业在自动进驾驶应用中常用到以下术语：
一、芯片类
1.全阶智驾芯片：覆盖从基础到高阶全场景的智能驾驶芯片。
2.城区NOA芯片：专用于城市NOA场景的芯片。
3.舱驾融合芯片：将智能座舱与智能驾驶计算功能融合在一颗芯片上。
4.中央计算芯片：负责全车感知融合与决策的核心芯片，是自动驾驶的大脑。
5.感知端预处理芯片：部署在传感器端，完成初步AI推理（如目标检测、场景理解），减轻中央处理器负担。
6.ASIC（专用集成电路）：为特定任务定制的芯片。
7.SoC（系统级芯片）：将CPU、GPU、NPU等多个计算单元集成在一颗芯片上。
8.NPU（神经网络处理单元）：专门用于加速神经网络推理的硬件单元。
9.BPU（脑处理单元）：地平线自研的AI加速架构。
10.芯粒（Chiplet）：将多个小芯片模块封装在一起的设计方式。
11.算力（TOPS）：Tera Operations Per Second，每秒万亿次操作，衡量AI芯片算力的单位。
12.流片：芯片设计完成后首次制造出实物芯片。
13.代工：芯片制造外包。
二、模型类
1.VLA（视觉-语言-动作模型）：一种将视觉、语言和动作联合建模的大模型。
2.异构模型：同时支持多种神经网络结构（如稀疏卷积、密集Transformer）的芯片设计能力。
3.Transformer引擎：专为Transformer模型优化的硬件加速单元。
4.端到端神经网络：一种直接从传感器输入到控制输出的AI模型架构，取代传统模块化架构，对算力消耗远高于规则驱动方案。
5.INT8 TOPS：以8位整数精度计算的算力。
6.稀疏卷积：一种只对非零元素进行计算的卷积操作，可降低算力消耗。
7.能效（TOPS/W）：每瓦功耗所能提供的算力。
三、感知与传感器类
1.多模态传感器：融合Radar、Computer Vision、LiDAR、Ultrasound等多种传感器。
2.感知融合：将多传感器数据融合进行环境感知，中央计算芯片负责全车感知融合与决策。
四、功能与指标类
1.NOA（领航辅助驾驶）：Navigate on Autopilot，指车辆在导航引导下实现自动变道、超车、进出匝道等功能的辅助驾驶系统。
2.城市NOA：适用于城市道路场景的领航辅助驾驶。
3.L2级组合驾驶辅助：系统在特定条件下能同时控制车辆的横向（如转向、车道保持）和纵向（如加减速、跟车）运动，但驾驶员仍需时刻关注路况，并为驾驶全过程负责。
4.L3/L4级自动驾驶：L3为有条件自动驾驶，L4为高度自动驾驶。
5.fail-safe设计：故障安全设计，要求系统在无网络连接等故障情况下仍能保持安全运行，这是边缘AI必须上车而非依赖云端的基本要求。
五、安全与合规类
1.ASIL-D / ASIL-B：汽车安全完整性等级（Automotive Safety Integrity Level），ASIL-D为最高等级。
2.AEC-Q100：汽车电子委员会制定的集成电路应力测试认证标准。
3.功能安全认证：芯片需通过的安全认证，是进入量产周期的准入门槛。
4.冗余架构设计：通过备份系统确保关键功能在部分失效时仍能工作，是强制国标要求的合规能力。
5.GB44721---2026：中国首部L3/L4级自动驾驶强制性国家标准《智能网联汽车自动驾驶系统安全要求》，拟于2027年7月实施。
说明：1.文章参考公开报道并借助AI工具进行整理和分析，如有不妥之处欢迎指正。2.部分市场数据基于行业估算、发布以及官方报道，具体精确数据请以权威机构为准。3.欢迎长期追踪边缘AI的朋友一起探讨。