“智能汽车生态群"加微信Time-machine-（备注公司+姓名）
1
智能座舱芯片：车载娱乐加速渗透，国产替代格局向好
智能座舱芯片须具备强大的车载娱乐和智能交互功能。智能座舱是相对传统汽车座舱的概念，一般认为，智能座舱应包含三大功能：
（1）多彩中控屏。智能座舱芯片向“一芯多屏”、“一芯多系统”的方向发展，不仅对 SoC 芯片的音视频解码、图像处理能力有较高要求，还需要芯片从硬件层面能较好的支持 Hypervisor 或 Hardware Partition。
（2）智能交互。除了传统的智能语音交互，手势交互、DMS、OMS、HUD 等新的交互方式不断涌现，在增强客户体验的同时索取大量算力，对 SoC 芯片的音视频编码能力、AI 模块有更高的要求。
（3）OTA。智能座舱通过持续升级，带来最新颖的功能，这要求 SoC 芯片搭载稳定的 5G/4G 模块以及 Wifi、蓝牙、GPS 模块。
“AP+CP”打造强大智能座舱芯片方案。SoC 芯片作为主处理器可以满足影音娱乐的需求，AI 模块负责语音交互功能的实现。但随着手势交互，尤其是 DMS、OMS 功能的出现，带来了大量 AI 运算需求，系统需处理座舱内 1-N 颗摄像头的图像信息。即使是高端智能座舱芯片高通 8155，若没有协处理器，AI 模块占用率也居高不下，带来卡顿、死机风险。因此还需要一颗 AI 专用协处理器，保证算力充足。作为独立的智能终端，在“AP+CP”加持下，汽车座舱将兼具移动办公、移动家居、娱乐休闲、数字消费、公共服务等功能，空调、氛围灯、香氛、车窗等设施开关不再分立，消费者仅需要通过统一的 HMI 界面即可从容控制车内所有系统。
传统车厂商不甘落后，智能座舱加速渗透。相比自动驾驶技术，智能座舱的技术难度较低，且容易被消费者直观感知，因此成为车厂率先发力的主战场。智能座舱作为汽车智能化进程中较为成熟的部分，已经在高端车型上率先普及，往中低端市场逐步渗透。根据亿欧智库，2021 年新发布（未大量交付）的车型中，配备智能座舱功能新车占比约 50.6%。根据 OICA 数据，2021 年全球汽车销量 8268 万台，根据罗兰贝格预计，2030 年全球智能座舱在乘用车的渗透率最终将达到 87%左右。根据产业链调研，单颗智能座舱芯片目前在 100-1500 元不等，且存在中端车型使用高端芯片的情况，以此测算整个智能座舱市场空间 2025 年达到 205 亿元，2030 年将超过 373 亿元。
消费电子巨头入局，高通市场份额领先。燃油车时代，NXP、瑞萨、Ti 为中控芯片的主要厂商，产品因可靠稳定而被广泛采用。面对新能源汽车时代，智能座舱更高的影音及智能交互需求，传统厂商迭代慢、性能弱，产品略显乏力。2017年高通发力智能座舱市场后，发布了 820A、高通 8155 等多款产品，目前高通 8155已经成为了主流车企的首选，如同手机厂商争取高通芯片首发，车企开始争取高通 8155 首发权，并将其作为重要的宣传卖点。作为消费电子巨头，高通在智能座舱领域具有较强优势：
（1）性能突出。CPU、GPU 算力强，有专用 AI 模块；
（2）生态完善。消费领域经验丰富；
（3）品牌优势；
（4）服务能力。高通从通信领域起家，相对传统欧美厂商具备较强的服务能力。
（5）成本优势。手机厂商的智能座舱芯片与对应的手机芯片本质相同，区别在于车规认证及相应调整，手机芯片销售前期分摊了研发成本，大量出货具备规模效应。
华为、三星、MTK 同样积极布局智能座舱。华为的麒麟 710A、990A 芯片覆盖中高端，在鸿蒙系统加持下，可以与手机、电脑、家居形成协同，具有强大的生态优势；三星以优质服务形成差异化，绑定奥迪大客户，发力高端市场。
整车厂商差异化需求高、智能座舱 SoC 难一家独大，国产替代机会多。尽管高通在智能座舱领域攻城掠地，体量不断攀升，但我们认为最终不会形成某一家芯片厂商独大的格局：
（1）车企数量多。手机终端厂商少，而车企经过多年竞争淘汰，数量仍很多，差异化需求大；
（2）系统多样化选择。除苹果外，手机操作系统仅有安卓，而车机有安卓、Linux、QNX 等多个系统选择，很难有一颗或一类芯片完美支持多个系统。
多样化需求下，国产厂商有更多的生存空间和发展机会。
国产 AIoT 领域 SoC 厂商具备研发基础、政策优势，竞相切入智能座舱赛道。国内 Soc 设计厂商如全志科技、晶晨、瑞芯微等，产品被广泛用于消费电子、AIOT领域，在超高清视频编解码、智能视频分析、高精度信号处理、高效 SoC 系统架构、数模混合设计、无线互联、语音识别、图像识别等多个技术领域积累了丰富的经验，相关的技术和算法已经较为成熟，具备设计智能座舱芯片的能力。国家政策上，因中美贸易摩擦后带来的供应链安全问题，车企催生了本地化供应需求；汽车领域有大量国内品牌，会倾向于更多使用国产芯片。
芯片厂商技术支持的重要性提高，优质服务一定程度弥补产品差距。考虑到芯片价值量的大幅上行及在未来自动驾驶场景中的重要支撑性地位，整车厂商开始有动机使 SoC 芯片定制化，来实现更有针对性的进行硬件层级的优化，再辅以先进的算法来获得更好的计算性能、功耗比及更低的单车成本。新的架构将打破汽车半导体的固有供应链，整车厂将直接与 SoC 芯片厂商对接，以满足自身的定制化需要。
矛盾点在于车厂缺少整体方案设计的软硬件能力，因此芯片原厂的技术服务重要性凸显。英伟达、Mobileye 等欧美巨头专注于自身产品研发，客户支持较弱，而国产芯片厂商在产品设计交付、及时响应、软硬件支持上有天然优势，能提供优质服务，在这一过程中，国产 soc 厂商将获得新的认证机会、实现弯道超车
2 自动驾驶芯片：市场潜力巨大，国内厂商蓄势待发
算力基础决定自动驾驶高度。
自动驾驶芯片须具备强大的 AI 运算能力。目前自动驾驶功能的实现可分为 3个层面：
（1）感知层。以摄像头、毫米波雷达、激光雷达为主的各类传感器、高精地图、GPS 负责收集环境信息。
（2）决策层。通过特定算法和高算力平台对环境信息进行处理，得出行动指令。
（3）执行层。动力系统、转向系统执行决策层下达的指令，完成复杂驾驶场景的应对。
自动驾驶芯片的算力需求主要在决策层面。据Counterpoint 测算，根据汽车类型（乘用车、商用车、Robotaxi）的不同，2025年自动驾驶汽车每小时可产生 1-5TB 数据，摄像头生成的数据可能介于 70GB/小时和 300GB/小时之间，具体取决于其分辨率、色深、帧率和压缩级别。多帧图像处理极其考验芯片的并行计算能力。随着自动驾驶等级的提高，对算力的要求呈几何增长。
CPU+XPU 解决 AI 运算短板。CPU 通常为 SoC 芯片上的控制中心，逻辑和数字运算能力强，缓存较大，可以高效、低延时地处理复杂的逻辑运算任务，其优点在于调度、管理、协调能力强。但 CPU 的计算单元较少，无法满足大量并行的简单运算任务。因此，自动驾驶 SoC 芯片上通常需要集成除 CPU 之外的一个或多个 XPU 来完成 AI 运算，XPU 可选择 GPU/FPGA/ASIC（NPU）等。
GPU、FPGA、ASIC 各有所长，ASIC 为未来芯片解决方案。
（1）GPU 适合数据密集型应用进行计算和处理，尤其擅长处理 CNN/DNN 等和顺序无关的图形类机器学习算法，作为一种通用芯片，GPU 可适用于多种 AI 算法，具备强大的生态优势，在 AI 领域外也有广泛的用途。但是，当 GPU 芯片上车后，由于其通用性的设计，以及系统、算法差异，理论性能往往有一定程度的损耗。
（2）FPGA 通过冗余晶体管和连线实现逻辑可编辑。本质上是无指令、无需共享内存，计算效率比 CPU、GPU 高，对于 RNN/LSTM/强化学习等有关顺序类的机器学习算法具备明显优势。FPGA 是用硬件实现软件算法，因此在实现复杂算法方面有一定的难度。
（3）ASIC 是面向特定用户的算法需求设计的专用芯片，因“量身定制”而具有体积更小、重量更轻、功耗更低、性能提高、保密性增强、成本降低等优点，弊端在于算法修改后，需要重新设计芯片。NPU 作为 ASIC 的一种，在电路层模拟神经元，通过突触权重实现存储和计算一体化。一条指令即可完成 GPU 上百条指令的功能，提高运行效率。NPU 目前已经被多家厂商广泛采用，若未来自动驾驶算法实现统一，ASIC/NPU 有望成为最高效的自动驾驶芯片解决方案。
汽车供电能力有限，自动驾驶 AI 运算须具备高能效比。传统 AI 运算在算力不足时，往往通过不断叠加芯片获取高算力，但与此同时，耗电量也成倍上升。据雷锋网新智驾了解，当前自动驾驶测试车搭载的芯片一般能耗高达 2500w，每小时消耗 2.5 度电，按目前新能源汽车行驶里程同比例折算，自动驾驶功能每开启1 小时，对应减少约 15-25 公里续航里程。因此，自动驾驶芯片对能效比提出了更高的要求。现阶段，主流产品的能效比已经由最初 0.8TOPS/W（EyeQ4）、1TOPS/W（Xavier），进化到了 4.44TOPS/W（英伟达 Orin）、4.8TOPS/W（地平线征程 5），未来主流产品功耗至少在 3TOPS/W 以上。
自动驾驶芯片市场潜力巨大，车厂差异化需求催生芯片厂商多元化商业模式
ADAS/自动驾驶芯片市场空间巨大。当前，自动驾驶最早期的一批玩家主要是在算法层面进行开发和改进，尤其聚焦以深度学习核心的人工智能技术发展。我们合理假设到 2025 年全球 L1、L2 级自动驾驶功能渗透率将达到 89%，L3 级以上自动驾驶功能市场渗透率将达到 9%。ADAS 渗透率的提升，有望进一步带动ADAS 芯片出货量的增加。我们测算出 2020 年全球 ADAS/自动驾驶芯片组市场规模约为 17 亿美元，预计到 2025 年将达到 103 亿美元，对应增速为 43.4%。
车厂自动驾驶需求差异化，催生芯片厂商多元化商业模式。蔚小理等造车新势力希望通过自动驾驶实现弯道超车；苹果、小米、百度等科技巨头希望通过造车及自动驾驶拓展增量业务、强化生态壁垒；通用、大众等传统车厂不甘落后，依托自动驾驶稳固行业龙头地位。面对竞争激烈的市场，整车厂商出于各自的行业判断，选择了差异化自动驾驶路线，同时催生了芯片厂商多元化商业模式。
（1）芯片厂商提供 turn key 方案。车厂出于自身战略规划、研发周期过长、当地政策法规限制、自身实力等原因，决定由芯片厂商负责自动驾驶主体，自己专注造车。主要厂商包括：
（a）英伟达。在 2022 财年 4 季度财务电话会议称，正在帮助捷豹和路虎开发自动驾驶系统，并分享自动驾驶软件销售收入，负责芯片设计、中间件、算法、OTA 方案；
（b）Mobileye。Mobileye 的自动驾驶方案被业界称为“黑箱”，倡导软件和硬件高效结合，ASIC 方案将算法直接封装在芯片上，车厂对内部算法无干预能力；
（c）华为。华为提供从智能驾驶、智能座舱甚至电气架构的全套解决方案，可以帮助车厂大幅缩短研发周期，提高研发效率。
（2）芯片厂商提供硬件和开发工具，灵活提供算法支持。出于供应链安全、或产品差异化考量，部分车厂，如蔚小理、上汽，选择将算法掌握在自己手中，保留随时替换芯片供应商的能力，提供该类服务的芯片供应商为：
（a）英伟达。尽管英伟达有全栈式解决方案，但同样支持只提供硬件和开发工具，由车厂独立完成软件和算法工作；
（b）高通。凭借在消费电子、通信领域的技术实力和品牌优势，高通在向智能座舱的拓展过程中市场份额节节攀升，已经成为了主流车企首选。高通 2020 年发布高通 Ride，进入自动驾驶领域，有望复制智能座舱领域的成功；
（c）英飞凌、德州仪器、恩智浦、意法半导体、瑞萨等传统汽车芯片供应商。传统汽车芯片供应商在燃油车时代因产品稳定可靠而被广泛采用，随着智能汽车时代到来，对自动驾驶芯片算力、服务支持能力要求大幅提高，但凭借多年行业经验，传统芯片厂商仍旧不断向市场推出新品；
（d）地平线、安霸、黑芝麻、芯驰科技等国内自动驾驶芯片“新势力”。凭借对市场需求的快速反应、优质的客户服务，国内芯片厂商不断通过车规认证，与越来越多的主机厂达成合作。
（3）自主研发芯片及算法：特斯拉 FSD。作为世界新能源汽车的领军者，特斯拉早在 2014 年便开始了自动驾驶布局，先后经历了 Mobileye 方案、英伟达Xavier 方案，最后在 2019 年推出了自己的具有 144TOPS 算力的 FSD 芯片，相比英伟达的通用型 GPU，FSD 完全为特斯拉的自动驾驶方案而设计，在实际使用中可以得到更高的效率。根据 Gartner 数据，2025 年 Top10 汽车 OEM 厂商中有一半将会设计自研芯片，这将成为车企提高市场反应速度、打造竞争壁垒、缩短研发周期的重要手段。
英伟达、高通优势凸显，国内厂商华为等加大投入。
极致算力、生态丰富，英伟达领跑自动驾驶芯片。英伟达是 GPU 的发明者，在专业图形处理领域和人工智能领域，都有不可撼动的行业地位。2015 年，英伟达进入车载 SoC 领域，为自动驾驶提供算力，目前已经推出了 5 代产品。其中，第 5 代产品 Atlan 的 CPU 使用了 ARM 针对服务器领域的 Zeus 架构，新增了DPU 部分，凭借 CPU、DPU 和强大的存储，单片 Atlan 能够提供 1000TOPS 算力，是前代的 4 倍。在算法开发层面，Atlan 与科技兼容上一代芯片组编写的软件堆栈（如 Orin 或 Xavier），这意味着车厂不需要重新设计软件，就能利用新 SoC的性能提升。此外，基于 ampere 架构的第 4 代 Orin 处理器，已经被小鹏、蔚来、上汽等多家厂商使用，在未来几年，将成为自动驾驶领域的宠儿。Orin、Atlan 作为通用 SoC，除了车载领域，在数据中心、人工智能也有广泛的用途，因此可以大幅分摊研发成本，如果竞争对手想仅凭借汽车市场超越英伟达的算力，将具有较高的成本压力。
凭借先进制程，高通推出 Ride 平台发力自动驾驶。高通 2020 年初发布了基于 5nm 制程的自动驾驶平台 Snapdragon Ride，该平台包括安全系统级芯片SoC（ADAS 应用处理器）、安全加速器（自动驾驶专用加速器）和自动驾驶软件栈，可根据厂商的不同要求，提供 10-700TOPS 的算力，支持 L1~L5 级别自动驾驶，安全等级为 ASIL-D 级；软件层面，Snapdragon Ride 提供开放的可编程架构，支持汽车制造商和一级供应商根据其对于摄像头感知、传感器融合、驾驶策略、自动泊车和驾驶员监测等方面的不同需求，对该平台进行定制。高通宣布，将于 2022 年 CES 上发布基于 4nm 的 Snapdragon Ride 视觉系统。凭借行业最先进的制程优势以及高通在座舱领域的优质客户，高通有望复制其在智能座舱的成功。
依托母公司英特尔多线程技术，Mobileye 算力提升明显。在高级别自动驾驶领域，mobileye 没有英伟达和高通受车厂青睐，但市场的主流仍是 L1-2 级别的自动驾驶，2021 年 Mobileye 出货量高达 2810 万颗，仍可谓是市场巨头，在新秀们的围剿下，Mobileye 不断推出芯片。最新产品 Ultra EyeQ 具备 176TOPS 算力，CPU 方面采用 RISC-V 架构，12 核 24 线程，多线程在某些场合下可以实现超越单线程的性能。Mobieye 产品追求高效，即充分利用算力，而不是盲目追求高算力，Ultra EyeQ 在价格上有一定优势，有望发挥性价比抢占市场。Mobileye 最大优点是产品成本低，开发周期很短，开发费用极低，绝大部分功能都经过验证，没有风险；系统封闭、迭代困难的缺点被厂商诟病多年，此前已有松动的迹象。2018年，Mobileye 提供了“开放版 EyeQ5”，允许厂商为传感器融合和驾驶策略编写自己的代码，但距离软硬件完全解耦，仍有一定距离。
自动驾驶解决方案具备国产化需求，国内厂商未来可期。
（1）国内高级自动驾驶进程将领先全球。海外车厂必须满足多项安全规范，才可以进行自动驾驶路测、产品销售，较国内开发难度大、周期长；国内主要用 Linux 系统，相对 QNX 安全性较低，奔驰、丰田使用高安全性 QNX，开发缓慢。出于供应链完全考虑，国内车厂有动机使用国产芯片；
（2）服务优势。考虑到芯片价值量的大幅上行及在未来自动驾驶场景中的重要支撑性地位，整车厂商开始有动机使 SoC 芯片定制化，而车厂缺少整体方案设计的软硬件能力，因此芯片原厂的技术服务重要性凸显。英伟达、Mobileye 等欧美巨头专注于自身产品研发，客户支持较弱，而国产芯片厂商在产品设计交付、及时响应、软硬件支持上有天然优势，能提供优质服务，在这一过程中，国产 soc 厂商将获得新的认证机会、实现弯道超车。
（3）数据安全。出于数据安全性等角度考虑，预计国内的自动驾驶解决方案将由国内厂商主导，非国内厂商的方案可能将面临较为严格的审查。2020 年 9 月，国家科技部、工信部、新能源汽车技术创新中心作为国家共性技术创新平台，牵头 70 余家企事业单位成立“中国汽车芯片产业创新战略联盟”，旨在建立中国汽车芯片产业创新生态，补齐行业短板，实现我国汽车芯片产业的自主安全可控和全面快速发展。
开放生态加优质服务，地平线强大性能更受市场认可。在开启开放生态战略的同时，地平线重磅发布一系列突破性技术产品与解决方案，包括：面向全场景整车智能的中央计算芯片——地平线征程 5、以征程 5 为基础的高性能大算力整车智能计算平台、开源安全实时操作系统 TogetherOS、集成全场景自动驾驶和车内外联动体验于一体的 Horizon Matrix SuperDrive 整车智能解决方案。征程 5 是继征程 2 和征程 3 中国车规级人工智能芯片量产先河之后的第三代车规级产品，兼具大算力和高性能，单颗芯片 AI 算力 128TOPS，支持 16 路摄像头感知计算，其功耗仅为 30W，功耗比达 4.3TOPS/W，高于特斯拉 FSD 的 1TOPS/W。
黑芝麻高能耗比方案具备显著优势。黑芝麻研制的华山二号 A1000 系列单颗芯片算力最高可以达到 70TOPS，功耗小于 8W，单颗芯片能支持 L2+/L3 级自动驾驶系统。FAD 自动驾驶平台就是基于华山二号 A1000 芯片打造，单控制器最多可集成 4 颗华山二号 A1000 芯片，能够实现最大 280TOPS 的算力。拥有强大算力的同时，FAD 自动驾驶平台最高功耗仅几十瓦，能效比达到 6TOPS/W，而特斯拉最新的 HW3.0 自动驾驶电脑效能比仅有 2TOPS/W。
未来，车载芯片验证周期长，车厂导入阶段十分严谨，随着中国智能驾驶继续领跑全球，我们相信，地平线、黑芝麻、华为、芯驰、安霸等国产 SoC 厂商将广泛受益于市场爆发以及车厂差异化需求，市场将呈现百花齐放的局面。
