智能汽車國產(chǎn)芯片能否打破技術(shù)壁壘

過去十年，手機(jī)領(lǐng)域的蓬勃發(fā)展是半導(dǎo)體產(chǎn)業(yè)快速增長的主要推動(dòng)力；未來十年，高級別自動(dòng)駕駛、智能座艙、車載以太網(wǎng)絡(luò)以及車載信息系統(tǒng)等都會催生新的半導(dǎo)體需求，其中汽車 SOC、功率半導(dǎo)體、汽車傳感器、存儲、多功能MCU、車載以太網(wǎng)、支持 OTA 升級的先進(jìn)通信系統(tǒng)等為細(xì)分領(lǐng)域高景氣賽道。
ADAS/AD、座艙智能化驅(qū)動(dòng)汽車 SOC 市場量價(jià)提升。
（1）自動(dòng)駕駛 SOC：“硬件預(yù)埋+OTA 升級”是驅(qū)動(dòng)自動(dòng)駕駛 SOC 增長的核心因素，測算中國自動(dòng)駕駛芯片市場規(guī)模將在 2025 年達(dá)到 138 億元，到 2030 年達(dá)到 289 億元，CAGR 為 25.1%。

（2）座艙 SOC：車內(nèi)智能化感知、交互、場景應(yīng)用升級，是驅(qū)動(dòng)座艙芯片由“單芯單屏”向“一芯多屏”的核心因素。測算 2025 年國內(nèi)座艙 SOC 市場規(guī)模將達(dá)到 112 億元，CAGR 為24.5%。

01

汽車電動(dòng)化、智能化引領(lǐng)SoC產(chǎn)業(yè)新趨勢
手機(jī)領(lǐng)域的蓬勃發(fā)展是過去十年半導(dǎo)體產(chǎn)業(yè)快速增長的主要推動(dòng)力，汽車電子化和智能化有望成為半導(dǎo)體行業(yè)新增長級，產(chǎn)業(yè)變革下一定會催生新的科技廠商和行業(yè)主導(dǎo)者。未來汽車會和手機(jī)、電腦一樣，成為整個(gè)半導(dǎo)體行業(yè)的主要增長推動(dòng)力，主要系更高級的自動(dòng)駕駛、智能座艙、車載以太網(wǎng)絡(luò)以及車載信息系統(tǒng)等都會催生新的半導(dǎo)體需求。地平線預(yù)測 2030 年全球汽車領(lǐng)域芯片市場規(guī)模約為1000 億美金，相比 2017 年全球汽車芯片 375 億美金市場同比增長 190%。
新能源汽車搭載芯片數(shù)量約為傳統(tǒng)燃油車的 1.5 倍，預(yù)計(jì) 2028 年單車半導(dǎo)體含量相比 2021 年翻一番。自動(dòng)駕駛級別越高對傳感器芯片數(shù)量要求越多，L3 級別自動(dòng)駕駛平均搭載 8 個(gè)傳感器芯片，而 L5 級別自動(dòng)駕駛所需傳感器芯片數(shù)量提升至 20 個(gè)。同樣車輛所需處理與儲存的信息量也與自動(dòng)駕駛技術(shù)成熟度正相關(guān)，進(jìn)一步提升了控制類芯片和儲存類芯片的搭載量。據(jù)統(tǒng)計(jì)至 2022 年，新能源汽車車均芯片搭載量約 1459 個(gè)，而傳統(tǒng)燃油車搭載芯片數(shù)量為 934 個(gè)。Strategy Analytics 預(yù)計(jì)每輛車的平均硅含量將從 2021 年 530 美元/車翻一番，到 2028 年超過 1000美元，而高端制造汽車的硅含量可能超過 3000 美元。

▲2012-2022 年中國每輛汽車搭載芯片數(shù)量（單位：個(gè)）

▲汽車半導(dǎo)體市場規(guī)模及單車半導(dǎo)體價(jià)值趨勢（右軸單位：美元）
汽車芯片主要有如下幾個(gè)應(yīng)用領(lǐng)域：
主控芯片用來生成汽車主要控制信號的計(jì)算和生成功能。主控芯片通過接受各類傳感器搜集到的信號，進(jìn)行計(jì)算相對的處理措施，并將驅(qū)動(dòng)信號發(fā)送給對應(yīng)的控制模塊。因此主控芯片相當(dāng)于汽車的“大腦”。
功率芯片是新能源汽車價(jià)值量提升最多的部分，需求端主要為 IGBT、MOSFET 及多個(gè) IGBT 集成的 IPM 模塊等產(chǎn)品，核心用于大電流和大電壓的環(huán)境。
CMOS 芯片是將光子轉(zhuǎn)換為電子進(jìn)行數(shù)字處理，把圖像信號轉(zhuǎn)換為數(shù)字信號的芯片，包括微透鏡、光電二極管、處理芯片以及 IO 接口，是攝像頭的關(guān)鍵部件。隨著自動(dòng)駕駛等級提升，預(yù)計(jì) L3 以上的輔助駕駛需要約 18 顆攝像頭，主要用在倒車后視，環(huán)視，前視，轉(zhuǎn)彎盲區(qū)等領(lǐng)域。
射頻接收器是無線通訊的重要器件，射頻芯片是指能夠?qū)⑸漕l信號與數(shù)字信號進(jìn)行轉(zhuǎn)換的芯片，它包括功率放大器 PA、濾波器、低噪聲放大器 LNA、天線開關(guān)、雙工器、調(diào)諧器等。未來，射頻芯片將像汽車的耳朵一樣將助力 C-V2X 技術(shù)發(fā)展，將“人-車-路-云”等交通參與要素有機(jī)聯(lián)系在一起，彌補(bǔ)了單車智能的不足，推動(dòng)協(xié)同式應(yīng)用服務(wù)發(fā)展。
超聲波/毫米波/激光雷達(dá)是感知車身傳感器，智能汽車通過傳感器獲得大量數(shù)據(jù)，L5 級別的汽車會攜帶傳感器將達(dá)到 20 個(gè)以上。車載雷達(dá)主要包括超聲波雷達(dá)、毫米波雷達(dá)和激光雷達(dá)三種。其中，中國超聲波雷達(dá)已發(fā)展的相對成熟，技術(shù)壁壘不高；毫米波雷達(dá)技術(shù)壁壘較高，且是智能汽車的重要傳感器，目前處于快速發(fā)展的階段；激光雷達(dá)技術(shù)壁壘高，是高級別自動(dòng)駕駛的重要傳感器，但目前成本昂貴、過車規(guī)難、落地難。
存儲芯片是智能汽車的“記憶“，自動(dòng)駕駛技術(shù)升級帶來車規(guī)存儲的帶寬持續(xù)高增長是長期趨勢，未來汽車存儲將由 GB 級走向 TB 級別。
汽車面板呈多屏化趨勢。汽車智能化、電動(dòng)化提速將帶動(dòng)車均面板數(shù)量，車載面板也開始走向標(biāo)準(zhǔn)化。從需求上看，顯示屏在汽車上的應(yīng)用越來越廣，需求數(shù)量強(qiáng)勁成長。車載顯示主要包括中控顯示屏、儀表顯示屏、擋風(fēng)玻璃復(fù)合抬頭顯示屏、虛擬電子后視鏡顯示屏、后座娛樂顯示屏等。隨著車聯(lián)網(wǎng)、新能源車、無人駕駛等因素的推動(dòng)，人們對具備導(dǎo)航、車輛狀況、多媒體影音等功能的車載面板的需求將持續(xù)擴(kuò)大。

▲芯片在汽車上的主要應(yīng)用
傳統(tǒng)功能汽車采用分布式電子電氣架構(gòu)，離散化的 ECU 軟硬件緊耦合且各 ECU 之間獨(dú)立性較強(qiáng)，硬件資源無法共享且形成數(shù)據(jù)孤島，對用戶新需求反饋的整體周期長達(dá) 20 個(gè)月以上，難以形成持續(xù)快速迭代的軟件開發(fā)模式。因此，軟件定義汽車開發(fā)模式驅(qū)動(dòng)整車電子電氣架構(gòu)由分布式向中央集中式演進(jìn)，其核心是車載計(jì)算的集中化發(fā)展，高集成化的域控制器、車載中央計(jì)算平臺是關(guān)鍵。

02

汽車SoC智能車功能核心元件
目前MCU是汽車芯片中占比第一的細(xì)分品類。IC Insights 發(fā)布的數(shù)據(jù)顯示，2021年全球汽車芯片從細(xì)分產(chǎn)品占比來看，前三分別微處理器、模擬芯片和傳感器，所占比重分別為 30%、29%和17%。MCU 芯片全稱為微控制單元，又稱為單片微型計(jì)算機(jī)或者單片機(jī)。
它是一個(gè)是把中央處理器的頻率與規(guī)格做適當(dāng)縮減，并將內(nèi)存、計(jì)數(shù)器、USB、A/D 轉(zhuǎn)換、UART、PLC、DMA 等周邊接口，甚至 LCD 驅(qū)動(dòng)電路都整合在單一芯片上形成芯片級的計(jì)算機(jī)。通常MCU只能完成較少的任務(wù)，例如開啟智能雨刷，或是下車后自動(dòng)落鎖等等。因此在豪車中可能擁有數(shù)百個(gè)MCU 來實(shí)現(xiàn)各種智能化功能。
▲2021 年汽車芯片構(gòu)成
人工智能時(shí)代誕生系統(tǒng)級芯片（SOC）。在人工智能時(shí)代計(jì)算架構(gòu)從單一芯片模式向融合異構(gòu)多芯片模式發(fā)展，將 CPU 與 GPU、FPGA、ASIC 等通用/專用芯片異構(gòu)融合、集合 AI 加速器的系統(tǒng)級芯片（SOC）應(yīng)運(yùn)而生。
廣義而言汽車領(lǐng)域算力稍強(qiáng)（2K DMIPS 以上）的 MCU 都可算是 SOC，Arteris 預(yù)測未來單車 SOC 數(shù)量為 23 個(gè)，而大算力 SOC 在車載端主要面向兩個(gè)領(lǐng)域，分別是智能座艙和智能駕駛。
汽車領(lǐng)域正在復(fù)刻手機(jī)領(lǐng)域從“功能手機(jī)→智能手機(jī)”的演變過程，SOC 在智能汽車時(shí)代扮演重要角色，其中實(shí)現(xiàn)人工智能算力的“xPU”至關(guān)重要：
PC 領(lǐng)域：主要注重通用計(jì)算，因此芯片架構(gòu)為“邏輯計(jì)算 CPU+GPU”；
手機(jī)時(shí)代：最重要的應(yīng)用是支付、玩游戲和拍照。因此芯片架構(gòu)增加了 ISP，手機(jī) SOC 芯片構(gòu)成為“CPU+GPU+ISP（圖像處理）”。
智能汽車時(shí)代：芯片架構(gòu)更加復(fù)雜化，座艙大屏很注重圖形處理因此需要GPU、攝像頭作為實(shí)現(xiàn)自動(dòng)駕駛的主傳感器因此需要 ISP、另外還需要類似大腦功能實(shí)現(xiàn)自動(dòng)駕駛的神經(jīng)網(wǎng)絡(luò) NPU。因此汽車 SOC 芯片構(gòu)成為“CPU+GPU+ISP+NPU”。
CPU 負(fù)責(zé)邏輯運(yùn)算和任務(wù)調(diào)度；GPU 作為通用加速器，可承擔(dān) CNN 等神經(jīng)網(wǎng)絡(luò)計(jì)算與機(jī)器學(xué)習(xí)任務(wù)，將在較長時(shí)間內(nèi)承擔(dān)主要計(jì)算工作；FPGA 作為硬件加速器，具備可編程的優(yōu)點(diǎn)，在 RNN/LSTM/強(qiáng)化學(xué)習(xí)等順序類機(jī)器學(xué)習(xí)中表現(xiàn)優(yōu)異，在部分成熟算法領(lǐng)域發(fā)揮著突出作用；而 ASIC 可以兼顧性能和功耗，作為全定制的方案將在自動(dòng)駕駛算法成熟后成為最終選擇。
▲CPU、GPU、FPGA 和 ASIC（NPU、TPU）比較
從芯片工藝制程來看，不同汽車芯片對工藝要求存在較大差異。MCU 主要是依靠成熟制程，全球 70% MCU 生產(chǎn)來自臺積電；而座艙、自動(dòng)駕駛 SOC 及 AI 芯片等主控芯片持續(xù)追求 7nm 及以下先進(jìn)制程。
▲重點(diǎn)芯片產(chǎn)品晶圓尺寸和制程對比
汽車 MCU 緊隨汽車電子電氣架構(gòu)發(fā)展，SOC 芯片會集成部分低端 MCU 功能，因此未來 MCU 單車使用量將會下降，分布式向域控制發(fā)展使用量將從當(dāng)前從 30-40 顆，逐步提升至 70-80 顆，但未來隨著集中式架構(gòu)落地，算力向整車計(jì)算平臺集中，汽車 MCU 的使用量又將逐步降低至 50-60 顆左右。
SOC芯片并不能替代所有MCU，一方面不是所有 MCU 都有必要接入 SOC 芯片，比如“讓轉(zhuǎn)向燈閃耀的控制方式”如果不用 MCU 方案，全部接入 SOC 芯片會形成一個(gè)星形網(wǎng)絡(luò)，不僅導(dǎo)線數(shù)量會增加，管理難度也會劇增。另外一方面也需要一部分 MCU 作為 SOC 芯片安全冗余的備選方案。
拆分自動(dòng)駕駛 SOC 結(jié)構(gòu)，包括 CPU、GPU 和其他類型的定制芯片(如 NPU、深度學(xué)習(xí)加速器(DLAs)和計(jì)算機(jī)視覺處理器(CVP))。除此之外，一個(gè)典型的自動(dòng)駕駛SOC 結(jié)構(gòu)還包括以下部分：
至少一個(gè)微處理器(MPU)或數(shù)字信號處理器(DSP)，但也可以有多個(gè)處理器內(nèi)核;存儲器可以是 RAM、ROM、EEPROM 和閃存中的一種或多種;
用于提供時(shí)間脈沖信號的振蕩器和鎖相環(huán)電路;
由計(jì)數(shù)器和計(jì)時(shí)器、電源電路組成的外設(shè);
不同標(biāo)準(zhǔn)的連線接口，如 USB、火線、以太網(wǎng)、通用異步收發(fā)和序列周邊接口等;電壓調(diào)理電路及穩(wěn)壓器。
拆分座艙 SOC 架構(gòu)，我們發(fā)現(xiàn)在多塊高分辨率屏幕和流暢的系統(tǒng)背后，不僅僅比拼的是車機(jī)芯片的算力、視頻處理能力，更加看重 AI 能力等性能指標(biāo)。比如高通8155 芯片是高通第三代驍龍汽車數(shù)字座艙旗艦級平臺，是一款異構(gòu)架構(gòu)的芯片，包含 CPU、GPU、DSP、ISP 以及 AI 引擎等：
在 CPU 部分，8155 芯片采用 1+3+4 的 8 核心設(shè)計(jì)，核心為高通 Kryo485。其中大核主頻為 2.96GHz，三個(gè)高性能核心主頻為 2.42GHz，四個(gè)低功耗小核主頻為 1.8GHz。
而 GPU 部分，8155 芯片與驍龍 855 都采用 Adreno640。同時(shí)，8155 芯片所采用的 Hexagon690DSP、Spectra380ISP，相比高通驍龍 855 和 855+，名稱上也是一模一樣。
此外與自動(dòng)駕駛芯片不同的是，8155 芯片并沒有獨(dú)立的 NPU 內(nèi)核，AI 計(jì)算主要通過 DSP、CPU 和 GPU 組成的 AI 引擎完成。其中，Hexagon690 擁有7TOPS 的 AI 算力，加上 CPU、GPU 的 AI 算力之和為 8TOPS。

03

自動(dòng)駕駛傳感器配置內(nèi)卷 硬件預(yù)埋成為車企主流策略
2015 年以前輔助駕駛功能主要為 L1/L0 級，L1 級可實(shí)現(xiàn)加減速或轉(zhuǎn)向控制，駕駛員持續(xù)進(jìn)行車輛橫向和縱向的操作，代表功能為 LKA、AEB 等；
2016 年進(jìn)入 L2 級時(shí)代，可同時(shí)實(shí)現(xiàn)車速和轉(zhuǎn)向自動(dòng)化。駕駛必須始終保持掌控駕駛，在特定場景下系統(tǒng)進(jìn)行橫向和縱向操作，代表功能為 ACC、LKA、APA 等，部分 ECU 開始集成式發(fā)展，但仍未有域的劃分，目前 L2 及以下整體單車配套價(jià)值在 1.5 萬元左右。
到 2020 年將正式進(jìn)入 L3 級導(dǎo)入期，為有條件自動(dòng)駕駛，可解放雙手。駕駛員不必一直監(jiān)控系統(tǒng)，但必須時(shí)刻保持警惕并在必要時(shí)進(jìn)行干預(yù)，整車大約分為 5~6 個(gè)域，控制器算力指數(shù)級提升，以太網(wǎng)開始出現(xiàn)，L3 及以下整體單車配套價(jià)值約為 2.5 萬元。但是由于目前 L3 級別自動(dòng)駕駛技術(shù)仍不完善、法規(guī)問題、責(zé)任認(rèn)定、加之成本過高，短期內(nèi)能夠?qū)崿F(xiàn)大規(guī)模量產(chǎn)的仍然以 L2級別的 ADAS 為主。
未來，L2+輔助駕駛系統(tǒng)將快速普及并長期存在，另外在一些低速、封閉場景下比如礦山，港口中 L4 自動(dòng)駕駛開始落地，而基于法律法規(guī)以及技術(shù)成熟度等問題，高速、開放場景下的 robotaxi/robotruck 落地需要較長時(shí)間，黑芝麻智能單記章指出，從 L2 真正突破到 L3 級是一個(gè)漫長的過程，未來很長一段時(shí)間內(nèi)智能網(wǎng)聯(lián)汽車仍將處于人機(jī)共駕的狀態(tài)，這其中涉及到軟件、硬件、數(shù)據(jù)等技術(shù)的緊密配合和升級。尤其是大算力車規(guī)級芯片，將是高階自動(dòng)駕駛突破的核心關(guān)鍵。
目前市面上主流的自動(dòng)駕駛芯片SOC 架構(gòu)方案分為三種：CPU+GPU+ASIC，CPU+ASIC 及 CPU+FPGA。從發(fā)展趨勢來看，定制批量生產(chǎn)的低功耗、低成本的專用自動(dòng)駕駛 AI 芯片（ASIC）將逐漸取代高功耗的 GPU。
英偉達(dá) Xaiver 芯片主要有四個(gè)模塊，其中 GPU 占的面積最大，其次是 CPU，輔以兩個(gè) ASIC。特斯拉 FSD 芯片架構(gòu)主要有三個(gè)模塊，即 GPU、CPU 和NPU，其中 NPU 是架構(gòu)重點(diǎn)。
MobileyeEQ5 的 CVP 是針對 Mobileye 自有的視覺算法設(shè)計(jì)的 ASIC，以此有效降低功耗。地平線自主研發(fā)了基于靈活 BPU 架構(gòu)的 ASIC 芯片。
谷歌 Waymo 采用“CPU+FPGA”方案，其計(jì)算平臺采用英特爾 Xeon 的 12 核以上的 CPU，搭配 Alter 的 Arria 系列的 FPGA。其 I/O Board 采用英飛凌的Aurix 系列的 MCU 作為 CAN/Flex Ray 網(wǎng)絡(luò)通信接口。在自動(dòng)駕駛算法固化后，F(xiàn)PGA 可能被 ASIC 替代。
ISP（Image Signal Processing）指圖像信號處理器，主要作用是對前端圖像傳感器輸出的信號做后期處理。簡單來說 ISP 是攝像頭的 Photo Shop，目的是提升圖像質(zhì)量。在傳統(tǒng)的自動(dòng)駕駛方案中，ISP 和攝像頭是一對一的對應(yīng)關(guān)系，也就是說只要有一顆攝像頭，就要有一顆ISP。
在車載端，SOC 內(nèi)部集成 ISP 意味著無需再為每個(gè)攝像頭傳感器提供 ISP，從而大幅降低感知硬件的成本。而在攝像頭端，取消 ISP 既可以解決高像素?cái)z像頭會帶來嚴(yán)重的散熱問題，也可以幫助車載攝像頭如何進(jìn)一步縮小電路板尺寸和降低功耗。
英偉達(dá)的 Xavier 和黑芝麻智能 A1000 芯片中均集成了 ISP。根據(jù)英偉達(dá)官網(wǎng)，英偉達(dá) Xavier 內(nèi)置的 ISP 每秒可處理是 15 億像素，黑芝麻智能也將 ISP 集成在了 A1000 芯片中，每秒可以處理 12 億像素。
車載計(jì)算平臺的算力上限決定車輛生命周期內(nèi)可承載的軟件服務(wù)升級上限，整車廠將通過向 C 端收取軟件授權(quán)和 OTA 更新服務(wù)費(fèi)以完成商業(yè)模式閉環(huán)。當(dāng)前面向量產(chǎn)乘用車的智能駕駛系統(tǒng)整體處于 L3 及以下級別，但智能駕駛技術(shù)仍在持續(xù)迭代升級中，為保證車輛在全生命周期內(nèi)的持續(xù)軟件升級能力，主機(jī)廠在智能駕駛上采取“硬件預(yù)置，軟件升級”的策略，通過預(yù)置大算力芯片，為后續(xù)軟件與算法升級優(yōu)化提供足夠發(fā)展空間。
高級別自動(dòng)駕駛對攝像頭像素要求提高，預(yù)計(jì)未來 800 萬像素相機(jī)會取代 1-200 萬像素相機(jī)的主流解決方案。假設(shè)一輛智能汽車配備 12 個(gè) 800 萬像素的攝像頭，每秒 60 幀(FPS)，隱含的數(shù)據(jù)輸入速率可能達(dá)到 5.76 億像素/秒。
疊加激光雷達(dá)的點(diǎn)云算法，預(yù)計(jì)智能汽車的計(jì)算能力將從目前支持 L2+/3 級自動(dòng)駕駛的神經(jīng)網(wǎng)絡(luò)處理器(NPU)的 100 多個(gè) TOPS(每秒萬億次操作，計(jì)算能力的衡量標(biāo)準(zhǔn))和支持 2+/3 級自動(dòng)駕駛的 CPU 的 80K DMIPS(每秒 Dhrystone 百萬指令，也是計(jì)算機(jī)性能的衡量標(biāo)準(zhǔn))，分別提高到 2030 年的 1000 多個(gè) TOPS 和 500KDMIPS。
伴隨著 ADAS 輔助駕駛功能在新車市場上滲透率的不斷提升，新勢力與領(lǐng)先自主品牌車企在智能駕駛領(lǐng)域的廝殺日益激烈，智能駕駛傳感器配置走向“內(nèi)卷”，以蔚來、小鵬、極狐為代表的車型更是率先宣布激光雷達(dá)量產(chǎn)上車，疊加高級別自動(dòng)駕駛對攝像頭像素要求提高，對應(yīng)自動(dòng)駕駛芯片算力也持續(xù)提升。
自動(dòng)駕駛數(shù)據(jù)集對于訓(xùn)練深度學(xué)習(xí)模型和提升算法可靠性至關(guān)重要，SOC 廠商不但推出了自研的 AI 訓(xùn)練芯片，還有云端超算平臺。特斯拉推出了 AI 訓(xùn)練芯片 D1和“Dojo”超算平臺，將用于特斯拉自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。不僅如此，訓(xùn)練算法模型產(chǎn)品也愈發(fā)重要，包括 2D 標(biāo)注、3D 點(diǎn)云標(biāo)注、2D/3D 融合標(biāo)注、語義分割、目標(biāo)跟蹤等，如英偉達(dá) Drive Sim 自動(dòng)駕駛模擬平臺、地平線“艾迪”數(shù)據(jù)閉環(huán)訓(xùn)練平臺等。
特斯拉推出了 Dojo 超算訓(xùn)練平臺：采用特斯拉自研 7nm AI 訓(xùn)練芯片 D1，依托龐大客戶群來收集自動(dòng)駕駛數(shù)據(jù)，從而實(shí)現(xiàn)對深度學(xué)習(xí)系統(tǒng)的模型訓(xùn)練。從官方公開信息來看，特斯拉 Dojo AI 系統(tǒng)采用分布式架構(gòu)，每個(gè) Dojo 節(jié)點(diǎn)都有自己的 CPU、內(nèi)存和通信接口。而每個(gè)節(jié)點(diǎn)都有 1.25MB 的 SRAM（靜態(tài)隨機(jī)存取存儲器），然后每個(gè)節(jié)點(diǎn)都連接到一個(gè) 2D 網(wǎng)格。
當(dāng)前特斯拉Autopilot 主要使用 2D 圖像+標(biāo)注的方式進(jìn)行訓(xùn)練和算法迭代，通過 Dojo 超算平臺，可以使得 Autopilot 可以以 3D 圖像+時(shí)間戳（4DAutopilot 系統(tǒng)）的方式進(jìn)行訓(xùn)練，4DAutopilot 系統(tǒng)將具備可預(yù)測性，標(biāo)記道路物體的 3D 移動(dòng)軌跡，以加強(qiáng)自動(dòng)駕駛功能的可靠性；
英偉達(dá)推出了自動(dòng)駕駛模擬平臺：DRIVE Sim 是一種基于 Omniverse 構(gòu)建的仿真工具，它可以利用平臺的許多功能。DRIVE Sim 生成的數(shù)據(jù)用于訓(xùn)練構(gòu)成自動(dòng)駕駛汽車感知系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)。DRIVE Sim 的傳感器功能包括路徑追蹤攝像頭、雷達(dá)和激光雷達(dá)模型，可捕獲現(xiàn)實(shí)世界的效果，如動(dòng)態(tài)模糊、LED 閃爍、滾動(dòng)快門和多普勒效應(yīng)。
地平線艾迪平臺：艾迪 AI 開發(fā)工具平臺是一個(gè)高效的軟件 2.0 訓(xùn)練、測試、管理的工具平臺，包括半/全自動(dòng)的標(biāo)注工具，自動(dòng)化模型訓(xùn)練，長尾場景管理、軟件自動(dòng)集成、自動(dòng)化回歸測試，最后這整套模型通過 OTA 升級部署到芯片上。
華為八爪魚自動(dòng)駕駛開放平臺：“八爪魚”是一個(gè)按需獲取的全棧云平臺，服務(wù)覆蓋自動(dòng)駕駛數(shù)據(jù)、模型、訓(xùn)練、仿真、標(biāo)注等全生命周期業(yè)務(wù)，向車企及開發(fā)者，提供了包括數(shù)據(jù)服務(wù)、訓(xùn)練服務(wù)、仿真服務(wù)在內(nèi)的 3 大服務(wù)。
（1）數(shù)據(jù)服務(wù)：處理車載硬件平臺上輸出的傳感器數(shù)據(jù)，回放雷達(dá)、攝像頭等不同格式的數(shù)據(jù)；支持 PB 級海量存儲、交互式大數(shù)據(jù)查詢和海量數(shù)據(jù)治理。
（2）訓(xùn)練服務(wù)：管理和訓(xùn)練自動(dòng)駕駛模型，不斷在新的數(shù)據(jù)集和測試集上提升模型的準(zhǔn)確度，持續(xù)提升自動(dòng)駕駛安全系數(shù)。平臺提供軟硬件加速，能大幅縮短訓(xùn)練時(shí)間，提升訓(xùn)練效率。
（3）仿真服務(wù)：提供仿真、場景庫管理、場景片段、評測系統(tǒng)等應(yīng)用工具，確保自動(dòng)駕駛模型合規(guī)、安全、可度量、質(zhì)量達(dá)標(biāo)，快速集成到版本中。全球領(lǐng)先的自動(dòng)駕駛 AI 訓(xùn)練芯片包括：英特爾 Ponte Vecchio、英偉達(dá) A100、特斯拉 D1 等。
OTA 技術(shù)最早應(yīng)用在 PC 機(jī)上，后來廣泛應(yīng)用在移動(dòng)手機(jī)行業(yè)，近幾年才開始在汽車行業(yè)里廣泛應(yīng)用。OTA 是空中下載技術(shù)，即通過網(wǎng)絡(luò)從遠(yuǎn)程服務(wù)器下載新的軟件更新包對自身系統(tǒng)進(jìn)行升級，包含固件升級和應(yīng)用升級，從而滿足終端廠商的應(yīng)用管理需求和運(yùn)營商對入網(wǎng)終端的管理要求。
通過 OTA 技術(shù)，車企可以進(jìn)行車輛的遠(yuǎn)程診斷、大數(shù)據(jù)等應(yīng)用，快速修復(fù)系統(tǒng)故障，并增加新的功能等，可以讓汽車即便在已經(jīng)離廠并且服役中的狀態(tài)下，能透過互聯(lián)網(wǎng)從遠(yuǎn)程進(jìn)行系統(tǒng)升級，以達(dá)到“功能更新、亦或是漏洞補(bǔ)救”的目的。
截止到 2021年6月，ADAS 算法中巡航類相關(guān)的升級內(nèi)容最多，為 42 項(xiàng)，其升級主要包括 ACC/ATC、主動(dòng)循環(huán)、車速輔助等；其次為預(yù)警功能新增或優(yōu)化，包括碰撞預(yù)警、車門開門預(yù)警以及車道偏離預(yù)警等，共有 23 項(xiàng)，另外泊車系統(tǒng)優(yōu)化或新增也有 23 項(xiàng)，目標(biāo)檢測與識別相關(guān)的有 17 項(xiàng)，主要包括對路面物體或動(dòng)物識別優(yōu)化、交通標(biāo)志識別等，另外，環(huán)視系統(tǒng)優(yōu)化升級和車道保持系統(tǒng)升級優(yōu)化分別升級了 14 項(xiàng)和 12 項(xiàng)。
OTA 升級改變整個(gè)汽車行業(yè)的商業(yè)模式，OEM 可以向 C 端客戶發(fā)送“算法更新包”從而實(shí)現(xiàn)汽車全生命周期收費(fèi)，而不是傳統(tǒng)汽車時(shí)代的“一錘子買賣”。過去傳統(tǒng)汽車行業(yè)長期以來依賴新車制造和銷售獲取利潤，現(xiàn)在智能汽車時(shí)代可以通過 OTA 按照“軟件升級×汽車保有量”收費(fèi)。
▲部分 OEM 升級和收費(fèi)情況
隨著汽車電動(dòng)化、智能化的推進(jìn)以及自動(dòng)駕駛滲透率的提升，自動(dòng)駕駛芯片行業(yè)將維持較高速的增長。預(yù)計(jì)中國自動(dòng)駕駛芯片的市場規(guī)模將在 2025 年達(dá)到 138 億元，到 2030 年達(dá)到 289 億元，十年復(fù)合增長率預(yù)計(jì)可達(dá) 25.1%。

04

智能座艙感知、交互、場景應(yīng)用升級
智能化逐漸成為消費(fèi)者買車時(shí)更為關(guān)心的指標(biāo)之一。汽車座艙的智能化發(fā)展由三部分推動(dòng)，分別為車內(nèi)/外環(huán)境感知，視覺、聽覺等多模態(tài)人機(jī)交互方案以及統(tǒng)籌感知計(jì)算的車聯(lián)網(wǎng)。汽車座艙智能化發(fā)展是通過配備智能化和網(wǎng)聯(lián)化的車載產(chǎn)品來實(shí)現(xiàn)與人、路、車的智能交互，是人車關(guān)系從工具向伙伴演進(jìn)的重要紐帶和關(guān)鍵節(jié)點(diǎn)。

汽車座艙正成為具有擬人化交互能力的駕駛伙伴。目前智能座艙系統(tǒng)主要包括內(nèi)飾、電子兩大系統(tǒng)，像車內(nèi)的座椅、空調(diào)、燈光、儀表盤、中控屏、車聯(lián)網(wǎng)、語音識別、手勢識別等。智能座艙目前處于智能助理的初級階段，在硬件方面，座艙內(nèi)部的實(shí)體按鍵被簡化，大屏化、多屏化趨勢顯著；在軟件方面，語音交互技術(shù)被廣泛應(yīng)用，人臉識別技術(shù)和手勢識別技術(shù)也被嘗試，座艙所實(shí)現(xiàn)的功能趨于多樣化。

目前全球及中國智能座艙配置新車滲透率分別為 49.7%與 53.3%，當(dāng)前中國汽車智能座艙普及度已經(jīng)過半，預(yù)計(jì)未來中國智能座艙產(chǎn)品滲透率的增長將領(lǐng)先全球市場。目前中國智能座艙主要裝備于中高端車型，低端車型裝備率較低。

▲中國智能座艙裝配率
與傳統(tǒng)多芯多屏方案相比，大算力單芯片解決方案極大降低系統(tǒng)成本，并能提供多屏互動(dòng)的智能互聯(lián)體驗(yàn)，“一芯多屏”成為發(fā)展趨勢，芯片本身也朝小型化，集成化、高性能方向發(fā)展。座艙 SOC 芯片技術(shù)壁壘高，市場集中度高，在國產(chǎn)替代趨勢下，國產(chǎn)座艙 SOC 廠商有望迎來發(fā)展機(jī)會。
▲智能座艙硬件領(lǐng)域核心細(xì)分市場競爭格局概覽
汽車 E/E 架構(gòu)將沿著“分布式”→“域集中式”→“中央計(jì)算式”的方向演進(jìn)。與汽車 E/E 架構(gòu)同步，座艙芯片方案也將相應(yīng)地經(jīng)歷“單芯單屏”→“單芯多屏”→“融合發(fā)展”三大階段的演進(jìn)：
（1）分布式架構(gòu)下不同座艙電子設(shè)備由不同控制器控制，表現(xiàn)為“單芯單屏”，但隨著座艙功能的提升，“單芯單屏”形態(tài)的弊端逐漸顯現(xiàn)：1）跨芯片信號傳輸存在延遲；2）成本壓力開始上升。
（2）集中域式方案即用一個(gè)系統(tǒng)級的主控芯片 SOC 來實(shí)現(xiàn)座艙內(nèi)所有部件的控制，不僅在軟件層面上實(shí)現(xiàn)了軟硬分離，也在硬件方面實(shí)現(xiàn)了集中化，座艙智能化由“被動(dòng)智能”邁向“主動(dòng)智能”。隨著座艙智能化提升，多屏人機(jī)交互，語音等 AI 功能需求多樣化個(gè)性化，以及 OEM 不斷更新的 OTA 需求，對底層硬件要求提升，在座艙內(nèi)“單芯多屏”的 SOC 方案開始進(jìn)入大眾視野。
目前座艙 SOC 以 CPU 為核心，CPU算力從過去的數(shù) K DMIPS 提升到如今的 100 多 K DMIPS 僅用了不到 7 年的時(shí)間。座艙主控 SOC 不僅需要處理來自儀表、座艙屏、AR-HUD 等多屏場景需求，還需要執(zhí)行語音識別、車輛控制等操作，因此座艙系統(tǒng)的響應(yīng)速度、啟動(dòng)時(shí)間、連接速度等用戶體驗(yàn)指標(biāo)直接決定著汽車品牌的競爭力，智能汽車對座艙 SOC 的性能、算力需求持續(xù)攀升。
目前高通驍龍 SA8155P 的 CPU 算力約 105K DMIPS，SA8195P 的 CPU 算力約 150K DMIPS，高通第四代座艙 SOC 芯片 SA8295 甚至達(dá)到 200K DMIPS 以上。國內(nèi)廠商，華為麒麟 990 的 CPU 算力超過 75K DMIPS，芯馳科技最新推出的座艙芯片 X9U 的 CPU 算力達(dá)到 100K DMIPS，瑞芯微最新推出的智能座艙芯片 RK3588MCPU 算力也達(dá)到 100K DMIPS。
其中三星已量產(chǎn)的 ExynosAutoV910 具備約 1.9TOPS 的 AI 算力，三星規(guī)劃 2025 年前后投放量產(chǎn)的 ExynosAutoV920 座艙芯片的NPU 算力將達(dá)到約30TOPS；高通已量產(chǎn)的 SA8155P 芯片AI 算力約8TOPS，其第四代座艙 SOC 集成的 NPU 算力高達(dá) 30TOPS，是目前已發(fā)布的 AI 算力最高的座艙 SOC 產(chǎn)品，計(jì)劃 2023 年投產(chǎn)。國產(chǎn)座艙 SOC 方面，芯馳科技的座艙產(chǎn)品從中級產(chǎn)品到至尊級產(chǎn)品均嵌入 AI 算力，其 X9U 產(chǎn)品 AI 算力達(dá) 1.2TOPS；瑞芯微最新發(fā)布的座艙 SOCRK3588M 其 AI 算力達(dá)到 6TOPS；吉利旗下芯擎科技的龍鷹一號 AI 算力達(dá)到約 8TOPS。
從架構(gòu)演進(jìn)情況來看，過去座艙 SOC 芯片并沒有單獨(dú)的 NPU 單元，但隨著 AI算力需求提升座艙 SOC 內(nèi)開始出現(xiàn)獨(dú)立 NPU 單元。比如 8155 芯片并沒有獨(dú)立的 NPU 內(nèi)核，AI 計(jì)算主要通過 DSP、CPU 和 GPU 組成的 AI 引擎完成。其中，Hexagon690 擁有 7TOPS 的 AI 算力，加上 CPU、GPU 的 AI 算力之和為 8TOPS。高通 8295 芯片算力達(dá)到 30TOPS，其 AI 算力是高通 8155 的 7.5 倍，為兩個(gè)六角張量 DSP。
“軟件定義汽車”的核心本質(zhì)是算法和應(yīng)用的開發(fā)同計(jì)算平臺的解耦，軟件不再是基于某一固定硬件開發(fā)，而是具備可移植、可迭代和可拓展的特性。隨著人工智能的框架和工具鏈越來越成熟，算法的精準(zhǔn)度、成熟度更多依賴于數(shù)據(jù)量和標(biāo)注的質(zhì)量，后期算法的迭代速度越來越快，但是硬件迭代速度沒有那么快。因此軟件定義汽車，更多是利用算法或者軟件快速迭代的特點(diǎn)，銷售之后通過 OTA 擴(kuò)展汽車的功能、性能，提升駕駛的體驗(yàn)：
在芯片平臺的硬件基礎(chǔ)上，裝載 Hypervisor、Linux 等內(nèi)核系統(tǒng)，管理軟硬件資源、完成任務(wù)調(diào)度。

在 AUTOSAR 框架下開發(fā)拓展各項(xiàng)功能軟件，調(diào)用處理傳感器、執(zhí)行器數(shù)據(jù)，執(zhí)行自動(dòng)駕駛算法，實(shí)現(xiàn)感知融合、決策規(guī)劃、控制執(zhí)行、HMI 等各項(xiàng)應(yīng)用功能。

在基于 SOA 軟件服務(wù)架構(gòu)基礎(chǔ)上，將車輛底層進(jìn)行軟硬解耦和復(fù)用，實(shí)現(xiàn)軟件功能快速迭代，通過與車主的個(gè)性化OTA 交互，打造個(gè)性化和差異化的座艙產(chǎn)品體驗(yàn)。另外為了應(yīng)對座艙軟件需求迭代多變的特性，在 SOA 服務(wù)架構(gòu)的設(shè)計(jì)中，還需強(qiáng)調(diào)重用性和擴(kuò)展性。目前智能座艙軟件平臺如大陸 EB、中科創(chuàng)達(dá)、東軟睿馳、華為、誠邁科技、斑馬智行等多家科技公司有所布局。

中科創(chuàng)達(dá)發(fā)布智能座艙平臺 TurboX Auto 4.5，是基于 SOA 架構(gòu)，實(shí)現(xiàn)場景和服務(wù)的解耦，可快速完成場景服務(wù)的開發(fā)變更及升級迭代。
東軟睿馳搭建起通用的標(biāo)準(zhǔn)化的軟件架構(gòu)和軟件平臺，可快速適配不同市場主流 SOC 的硬件平臺，實(shí)現(xiàn)高、中、低端多平臺的智能座艙量產(chǎn)落地，以滿足不同車廠不同車型的定位和需求。
目前座艙屏幕數(shù)量一般還都是一、兩塊，稍微多的一些車型會使用上三四塊，但隨著車輛屏幕數(shù)的增加，車內(nèi)電子元器件（音響、監(jiān)測等）的增加，單顆芯片對于這些信息量的處理可能會變得吃力起來，此時(shí)有兩種方式處理：
（1）使用算力更高的芯片。但是這種方式會導(dǎo)致采購和開發(fā)成本的提升，比如集度采用高通8295，所對應(yīng)的芯片價(jià)值量也會更高；
（2）采用多 SOC 模式，對芯片進(jìn)行分工。雖然一芯多屏是可以實(shí)現(xiàn)的，但大量數(shù)據(jù)堆積在一起，需要配合較為復(fù)雜的算法。比如目前的理想 ONE 就是采用了這種多顆智能座艙芯片的方式，理想 ONE 搭載了一顆驍龍 820A 芯片+一顆德州儀器的 Jacinto6 芯片。其中驍龍 820A 芯片負(fù)責(zé)驅(qū)動(dòng) 16.2 英寸的中央大屏和 12.3 英寸的副駕駛娛樂屏使用的 Android Automotive的底層系統(tǒng)，Jacinto6 芯片負(fù)責(zé)驅(qū)動(dòng)液晶儀表盤和輔助駕駛顯示服務(wù)使用的 Linux系統(tǒng)。

▲中國智能座艙搭載異構(gòu) SOC 市場規(guī)模測算

05

高技術(shù)壁壘
差異化服務(wù)切入自主品牌
大算力 SOC 芯片的設(shè)計(jì)和制造具有很高的門檻，要綜合性能、功耗、成本、車規(guī)安全多方面因素。
▲汽車 AI 芯片的核心設(shè)計(jì)指標(biāo)
（1） 異構(gòu)、多核 SOC 設(shè)計(jì)和優(yōu)化能力直接決定了大算力芯片的性能、可靠性和安全性等。這里面有兩大技術(shù)難題，一方面要了解客戶需求，即深入了解 AI 算法，尤其背后使用的神經(jīng)網(wǎng)絡(luò)。因此需要前瞻性了解新的 AI 算法，否則等芯片研發(fā)出來后發(fā)現(xiàn)算法與硬件架構(gòu)兼容性差將會使芯片效率大大降低。
自動(dòng)駕駛是高階的人工智能，與人臉、語音識別以及大數(shù)據(jù)分析等領(lǐng)域相比，對安全性和實(shí)時(shí)性要求更高，且由于駕駛是要和人類共同參與的，因此需要更高的認(rèn)知與推理能力。另外要足夠了解供給，即 SOC芯片內(nèi)部比如 CPU、ISP、DSP 等核心可以通過 IP 授權(quán)的形式獲得，只有對各種 IP 深刻理解才能設(shè)計(jì)出好用的芯片。
（2） 性能/功率比為評價(jià) AI 芯片的關(guān)鍵指標(biāo)，并且作為創(chuàng)業(yè)公司要有足夠資金進(jìn)行先進(jìn)制程流片。各家新一代 SOC 中每瓦的峰值處理能力在逐步提高：英偉達(dá)的 Drive Orin 能夠達(dá)到 3.6TOPS/watt 的性能，較其老一代 Xavier的 1.1TOPS/watt 有顯著改進(jìn)。Mobileye 的 EyeQ4 也可以從 0.83TOPS/watt上升到 1.6TOPS/watt，并且在即將推出的 Ultra 版本中可能會超過1.76TOPS/watt。特斯拉已經(jīng)在 2019 年的 HW3.0 中實(shí)現(xiàn)了 2.0TOPS/watt，并預(yù)計(jì)在下一代 HW4.0 平臺中會有更實(shí)質(zhì)性的改進(jìn)。持續(xù)提高 AI 芯片性能的方法有：a.持續(xù)優(yōu)化 SOC 架構(gòu)。
如引入更強(qiáng)大的 ASIC 芯片——神經(jīng)網(wǎng)絡(luò)加速器(NNAs)、NPU 或 DLAs；b.采用更先進(jìn)的芯片制造技術(shù)可以有效降低整體功耗。根據(jù) IBS 的估計(jì)，開發(fā)一塊芯片的成本，包括 IP 許可、EDA(電子設(shè)計(jì)自動(dòng)化)軟件、研發(fā)、tape out(最終設(shè)計(jì)過程)、包裝和測試費(fèi)用，對于 16nm 技術(shù)節(jié)點(diǎn)，總計(jì)流片費(fèi)用為 1.06 億美元；對于 7nm 技術(shù)節(jié)點(diǎn)，總計(jì)流片費(fèi)用為 2.98 億美元；而對于 5nm 技術(shù)節(jié)點(diǎn)，流片費(fèi)用為 5.42 億美元。因此是否有足夠的資金進(jìn)行先進(jìn)制程流片以及能否拿到先進(jìn)制程的產(chǎn)能也是最終能否大規(guī)模量產(chǎn)的關(guān)鍵因素。
（3） 功能安全流程、車規(guī)可靠性認(rèn)證、ASPICE 軟件認(rèn)證等一系列嚴(yán)苛車規(guī)認(rèn)證需要逐一攻破。從芯片功能定義到流片/封裝測試完成，大約需要 2 年時(shí)間，如果早期車規(guī)芯片不涉及功能安全，那么這個(gè)過程可以加速。但從芯片測試完成→量產(chǎn)，大約需要 1 年半~2 年時(shí)間，這個(gè)環(huán)節(jié)時(shí)間必不可少，因?yàn)樯婕?AECQ100，ISO 26262 等功能安全認(rèn)證，還有夏季冬季認(rèn)證，一級軟件認(rèn)證等。
SOC 芯片多為異構(gòu)設(shè)計(jì)，包含 GPU、CPU、加速核、NPU、DPU、ISP 等不同的計(jì)算單元，一般來說芯片不能簡單評估算力，還需兼顧芯片帶寬、外設(shè)、內(nèi)存，以及能效比、成本等。同時(shí)，在芯片設(shè)計(jì)中，異構(gòu) IP 的配置非常重要，自動(dòng)駕駛 SOC 芯片商均不斷加強(qiáng)核心 IP 研發(fā)以保持關(guān)鍵競爭力：
經(jīng)歷了早期使用黑盒方案的 Mobileye EyeQ3，到較為開放的 Nvidia Drive平臺，再到如今 NPU 芯片自研。特斯拉將芯片、算法緊耦合，盡管目前特斯拉芯片算力不是最高，但其軟硬一體的融合度效率高于其他 OEM 方案。
芯片算得快比算力大更有用。我們可以拿人和動(dòng)物的神經(jīng)元舉例，比如大象有2570 億個(gè)神經(jīng)元，人腦只有 860 億個(gè)神經(jīng)元，但其智商上限卻僅相當(dāng)于人類四五歲的孩童。同樣作為自動(dòng)駕駛大腦的芯片，也絕不能只看硬件的堆砌，架構(gòu)設(shè)計(jì)、
算法的運(yùn)行方式都會影響芯片的最終實(shí)際效能。
FPS（每秒識別準(zhǔn)確率）更能夠反應(yīng) AI 芯片的真實(shí)計(jì)算性能，并且該指標(biāo)已經(jīng)開始被頭部自動(dòng)駕駛廠商使用。馬斯克在 2019 年提到，F(xiàn)SD 芯片算力是英偉達(dá)DrivePX2 算力 3 倍；在進(jìn)行自動(dòng)駕駛?cè)蝿?wù)時(shí)，其 FPS 卻為后者的 21 倍。而地平
線 J5 與英偉達(dá) Orin 對比，雖然 128TOPS 的算力只有英偉達(dá)的一半，但是在進(jìn)行自動(dòng)駕駛?cè)蝿?wù)時(shí)，其 FPS 卻做到了更勝一籌。更高的 FPS 可以做到更快速的感知，更低的延遲，這意味著更高的安全性和更快的使用效率。
Mobileye 是過去 20 年汽車 ADAS 技術(shù)的主要奠基者和引領(lǐng)者。截止到 2021 年底，Mobileye 銷售 2810 萬枚 EYEQ 芯片（內(nèi)含算法解決方案），在 L2+方案的市場占有率約為 70%。Mobileye 致力于用單目視覺來解決三維立體環(huán)境中的測距問題，自創(chuàng)立公司以來，Mobileye 獲得了視覺輔助駕駛領(lǐng)域的多項(xiàng)第一并提供了包括行人檢測、車道保持和自適應(yīng)巡航等輔助駕駛技術(shù)。
在過去 20 年里，Mobileye 以視覺感知技術(shù)為基礎(chǔ)，推出了算法+EyeQ 系列芯片組成的一系列解決方案，可以幫助車企實(shí)現(xiàn)從 L0 級的碰撞預(yù)警，到 L1 級的 AEB 緊急制動(dòng)、ACC 自適應(yīng)巡航，再到 L2 級的自車道保持、自動(dòng)剎車輔助和自動(dòng)駐車等各種功能。
但隨著谷歌、蘋果、百度、華為、滴滴、特斯拉等科技巨頭，還有一眾自動(dòng)駕駛創(chuàng)業(yè)公司開始用深度學(xué)習(xí)算法開發(fā)新一代的L4 自動(dòng)駕駛技術(shù)，量產(chǎn)車搭載的 L2 系統(tǒng)也越來越向著 L4 自動(dòng)駕駛的技術(shù)架構(gòu)看齊。于是特斯拉用的 FSD 芯片取代了 Mobileye，理想從 EyeQ4 換裝了地平線征程 3。
2022 年以及以后將上市的新款車型中，尤其是智能電動(dòng)汽車，幾乎清一色的選擇了英偉達(dá)、高通和華為這種科技巨頭的自動(dòng)駕駛芯片。目前全球已知使用 Mobileye 最新一代 EyeQ5 芯片的車型，只有極氪 001 和寶馬 iX 兩款；并且寶馬曾作為 Mobileye 最大的客戶宣布未來其他車型自動(dòng)駕駛 SOC 方案會選擇高通。
地平線把目前芯片廠商按照開放程度列出了一張表，開放度從低到高排序依次是 Mobileye、英偉達(dá)、地平線Together OS、BPU 授權(quán)這四種模式。地平線可以根據(jù)下游客戶需求靈活選擇后三種模式，以其開放的生態(tài)逐步擴(kuò)大自己在自動(dòng)駕駛領(lǐng)域的影響力：
開放的生態(tài)是國內(nèi)廠商追趕英偉達(dá)的第一步，但關(guān)鍵是要構(gòu)建好用的軟件體系、工具鏈、以及能支撐持續(xù)演進(jìn)迭代的用戶生態(tài)。工具鏈在自動(dòng)駕駛軟件生態(tài)中扮演重要地位，其成熟程度決定了整個(gè)系統(tǒng)開發(fā)的效率。頭部SOC芯片廠商通過與下游眾多客戶合作，逐步打磨、完善工具鏈，強(qiáng)化自身壁壘：
地平線提供整車智能開發(fā)平臺，不僅包含 AI 芯片，還包括了軟件棧、天工開物 AI 工具鏈和艾迪 AI 開發(fā)平臺。地平線提供端上的開發(fā)工具、以及在云端的訓(xùn)練，包括數(shù)據(jù)管理以及仿真平臺等工具，與天工開物形成完整的開發(fā)平臺，加速面向智能駕駛、智能交互、車內(nèi)娛樂應(yīng)用等各種各樣的解決方案開發(fā)。
華為智能駕駛計(jì)算平臺 MDC 集成了華為自研的 CPU、AI 芯片和其他控制芯片，并通過底層的軟硬件一體化調(diào)優(yōu)，使整體性能方面達(dá)到業(yè)界領(lǐng)先水平。此外，華為 MDC 也有完整的測試平臺和工具鏈，為 MDC 的開發(fā)提供了全棧解決方案。
2021 年以來，多重因素影響一方面帶給國產(chǎn)汽車芯片供應(yīng)商機(jī)遇，另外一方面也讓主機(jī)廠開始重視汽車芯片在產(chǎn)業(yè)鏈中的地位。在過去產(chǎn)業(yè)鏈分工中，汽車芯片作為傳統(tǒng) Tier2 廠商不直接和 OEM 對接；但受缺芯影響以及在各大車企為了加快智能化轉(zhuǎn)型，汽車芯片廠商開始直接和 OEM 合作進(jìn)行配套研發(fā)，汽車芯片在產(chǎn)業(yè)鏈中話語權(quán)提升。
服務(wù)態(tài)度指的是 Tier-1 在與車企達(dá)成合作后，會以怎樣的方式去執(zhí)行合作，比如是否會派遣一支工程團(tuán)隊(duì)駐場、是否有及時(shí)響應(yīng)速度、是否能夠提供差異化/定制化服務(wù)、是否有能力/有資源/去做售后等。
原本處于 TIER2 環(huán)節(jié)的汽車芯片廠商，通過強(qiáng)化軟硬件協(xié)同開發(fā)能力，實(shí)現(xiàn)芯片、系統(tǒng)軟件、功能軟件的全面整合，打造車載智能計(jì)算平臺，兼容產(chǎn)業(yè)鏈上下游的多元需求，在智能網(wǎng)聯(lián)時(shí)代將躍居產(chǎn)業(yè)核心地位。

06

多方入場多因素驅(qū)動(dòng)國產(chǎn)化浪潮

從各主流自動(dòng)駕駛SOC廠商產(chǎn)品發(fā)布時(shí)間、制程演進(jìn)、以及峰值算力來看，新發(fā)布的SOC芯片的峰值算力越來越高，制程越來越先進(jìn)。我們統(tǒng)計(jì)目前主流自動(dòng)駕駛SOC芯片廠商，包括Mobileye、特斯拉、英偉達(dá)、高通、華為、地平線、黑芝麻，并將他們發(fā)布的各款芯片產(chǎn)品放到二維象限中（橫軸為芯片制程和預(yù)計(jì)發(fā)布時(shí)間，縱軸為芯片峰值算力）。我們發(fā)現(xiàn)這些主流廠商未來發(fā)布SOC芯片逐步向先進(jìn)制程邁進(jìn)；Mobileye/地平線/黑芝麻單SOC芯片峰值算力基本在100~200TOPS左右，而英偉達(dá)/高通/華為/特斯拉可以把單SOC峰值算力做到200TOPS以上。

國內(nèi) ADAS/L2+領(lǐng)域廠商主要是地平線，黑芝麻；國外為 NXP、TI、Mobileye；國內(nèi) L3 領(lǐng)域主要廠商是華為 MDC300（華為不賣單顆芯片，故取整個(gè)計(jì)算平臺解決方案作對比）、黑芝麻和地平線；國外為特斯拉、英偉達(dá)、高通；面向 L4/L5 級別自動(dòng)駕駛，國內(nèi)為華為 MDC600，國外為高通、英偉達(dá)和特斯拉。其中高通 Snapdragon Ride Flex 為 SOC 系列產(chǎn)品家族，包含 Mid/High/Premium 三個(gè)級別，支持 L1~L4/L5；其中最高級 Ride Flex Premium SOC 再加上外掛的 AI 加速器（可能是 NPU）組合起來，就可以實(shí)現(xiàn) 2000TOPS 的綜合 AI 算力。
從各主流自動(dòng)駕駛 SOC 廠商陣營來看，主要分為“傳統(tǒng)汽車芯片廠商”、“提供整套解決方案廠商”、“通用型、提供平臺型硬件+軟件工具鏈廠商”以及“全棧自研廠商”四大陣營：
（1）傳統(tǒng)汽車芯片廠商：對于像恩智浦、德州儀器或者瑞薩傳統(tǒng)汽車芯片廠商來說，他們的自動(dòng)駕駛 SOC 芯片產(chǎn)品主要優(yōu)勢為：1.產(chǎn)品落地經(jīng)驗(yàn)豐富；2.供應(yīng)鏈管理能力強(qiáng)，但缺點(diǎn)在于人工智能研發(fā)經(jīng)驗(yàn)較少，因此主要面向 ADAS 等中低端市場。
（2）提供整套解決方案廠商：主要代表廠商為 Mobileye。ADAS 時(shí)代的霸主，但因其黑箱子解決方案較為局限，以及本土化服務(wù)能力較弱，逐步被頭部車企拋棄。Mobileye 系統(tǒng)最大優(yōu)點(diǎn)是產(chǎn)品成本低，開發(fā)周期很短，開發(fā)費(fèi)用極低，絕大部分功能都經(jīng)過驗(yàn)證，風(fēng)險(xiǎn)較低。而缺點(diǎn)是系統(tǒng)封閉，車企無法搞差異化功能。迭代困難，出了問題較難改進(jìn)或提升。對于傳統(tǒng)車廠而言，Mobileye 基本是唯一選擇，對于總想與眾不同的造車新勢力來說可能無法適應(yīng)。然而新興造車企業(yè)畢竟還是極少數(shù)，預(yù)計(jì) Mobileye 在 ADAS 領(lǐng)域霸主地位至少五年內(nèi)仍會相當(dāng)穩(wěn)固。
（3）通用型、提供平臺型硬件+軟件工具鏈廠商：主要包括高通、英偉達(dá)、華為、地平線及黑芝麻。
（4）全棧自研廠商：特斯拉顛覆了整個(gè)汽車行業(yè)，從自動(dòng)駕駛、智能座艙、域控架構(gòu)、三電系統(tǒng)，甚至到車輛的制造與裝配，發(fā)展出了一套全新的方案。從自動(dòng)駕駛角度來看，特斯拉是目前唯一實(shí)現(xiàn)軟硬件全自研的公司，且可能是唯一一個(gè)能夠?qū)崿F(xiàn)軟硬件都自研的公司。
特斯拉自研芯片的好處：
（1）芯片效率更高：從算法出發(fā)設(shè)計(jì)芯片架構(gòu)，芯片的能耗比更優(yōu)；
（2）一體化帶來更快迭代速度：由于自動(dòng)駕駛是個(gè)全新的領(lǐng)域，需要芯片、算法和車輛相互配合，這些環(huán)節(jié)特斯拉均在公司內(nèi)部流轉(zhuǎn)，迭代速度高于合作模式。
在汽車智能化時(shí)代下，OEM 希望與芯片廠商建立更加直接、緊密的協(xié)作關(guān)系，以提升自身供應(yīng)鏈的穩(wěn)定可控程度，主機(jī)廠希望通過布局汽車芯片以掌握更多研發(fā)主導(dǎo)權(quán)，并通過提高軟件與芯片結(jié)合效率，提高自身產(chǎn)品與技術(shù)優(yōu)勢。
此前座艙芯片由傳統(tǒng)汽車半導(dǎo)體公司主導(dǎo)，換代周期長達(dá) 5-6 年，并且通常情況下是一顆芯片帶一塊屏，而且由于屏幕分辨率很低，所以對座艙芯片的算力要求不高。在高通沒有進(jìn)入車規(guī)級芯片領(lǐng)域之前，車機(jī)芯片的銷量冠軍是日本瑞薩半導(dǎo)體。2022 年瑞薩徹底沒落，旗艦車用芯片“H3”采用的還是 16nm 制程工藝，搭載的還是手機(jī)上 7、8 年前的 ARMCortex-A57+A53 架構(gòu)組合，甚至不少車機(jī)芯片還在使用更為老舊的 28nm 芯片以及 A55+A53 組合。

汽車座艙市場過去由傳統(tǒng)的汽車半導(dǎo)體供應(yīng)商主導(dǎo)，以恩智浦、瑞薩、德州儀器等為代表的“傳統(tǒng)汽車芯片”廠商，在傳統(tǒng)汽車 MCU、ECU 芯片業(yè)務(wù)之外，順應(yīng)智能化趨勢布局座艙芯片領(lǐng)域；而以高通、三星等為代表的“消費(fèi)級芯片”廠商，也在切入汽車座艙 SOC 領(lǐng)域，復(fù)用其在消費(fèi)電子領(lǐng)域深厚的技術(shù)積累。

傳統(tǒng)汽車芯片廠商占有份額仍然較大，主要是由“中低端車型銷量占比較大”的汽車銷售結(jié)構(gòu)決定的。恩智浦、瑞薩、德州儀器三家傳統(tǒng)汽車智能座艙芯片的主要供應(yīng)商，在智能化轉(zhuǎn)型中節(jié)奏偏慢，除滿足車規(guī)級安全外，性能不及消費(fèi)級芯片廠商，在銷量占比仍然較大的中低端車型中部署廣泛。瑞薩 RCARH3 采用 16nm 制程，而恩智浦 i.MX8 系列、德州儀器 Jacinto7 均基于28nm 制程設(shè)計(jì)，CPU 算力最高 40K DMIPS，遜色于消費(fèi)級芯片廠商。

隨著越來越多的智能手機(jī)功能被引入汽車座艙中，汽車硬件產(chǎn)品升級周期已經(jīng)從每代 5-10 年縮短到目前的 2-3 年（這主要得益于造車新勢力如特斯拉、蔚小理車型對軟件功能頻繁升級），這一趨勢有利于高通、聯(lián)發(fā)科、三星等領(lǐng)先的智能手機(jī) SOC 企業(yè)切入汽車座艙 SOC 市場。步入智能座艙時(shí)代，智能駕艙芯片可以分為低端、中端和高端，目前在高端市場高通一家獨(dú)大，約占市場 80%的市場份額，高通、三星最新款座艙芯片已采用 10nm 以下制程，且均計(jì)劃在下一代芯片平臺中采用 5nm 制程。
在過去小尺寸液晶屏的電子座艙時(shí)代，對芯片算力要求不高國產(chǎn)芯片如全志的車機(jī)芯片 T7 曾經(jīng)一度占到前裝車機(jī) 40%以上；步入智能汽車時(shí)代，以地平線發(fā)布征程 2 的高算力芯片為起點(diǎn)計(jì)算至今亦僅兩年有余，相較海外市場至少存在 5 年左右差距。從入局廠商看，國產(chǎn)智能座艙芯片積極跟進(jìn)，并產(chǎn)生了兩種模式：
進(jìn)入 2022 年智能座艙 SOC 的“升級戰(zhàn)”正在愈演愈烈，傳統(tǒng)的座艙市場芯片格局即將被打破，自主品牌車企已經(jīng)逐漸開始接受國產(chǎn)芯片，但目前尚未出現(xiàn)市占率特別高的國產(chǎn)座艙芯片廠商，整體競爭格局尚未定型。
目前僅幾款芯片拿下車企定點(diǎn)，比如芯擎科技旗下首款 7nm 智能座艙芯片——“龍鷹一號”已經(jīng)拿下了多款車型定點(diǎn)，預(yù)計(jì)在今年第四季度實(shí)現(xiàn)量產(chǎn)。2021 年 5 月芯馳科技發(fā)布 16nm 工藝的 X9 智能座艙芯片。2022 年 3 月宣布 X9 芯片已經(jīng)獲得百萬片/年的訂單，客戶覆蓋合資、自主品牌車企和 Tier1。地平線征程 2 已經(jīng)在長安 UNI-K 中落地。瑞芯微最新發(fā)布的座艙 SOCRK3588M 其AI 算力達(dá)到 6TOPS，已獲得眾多合作伙伴的認(rèn)可，將在未來上市的車型中得以廣泛應(yīng)用。

貞光科技深耕汽車電子、工業(yè)及軌道交通領(lǐng)域十余年，為客戶提供車規(guī)MCU、車規(guī)電容、車規(guī)電阻、車規(guī)晶振、車規(guī)電感、車規(guī)連接器等車規(guī)級產(chǎn)品和汽車電子行業(yè)解決方案，成立于2008年的貞光科技是三星、VIKING、紫光芯能、基美、國巨、泰科、3PEAK思瑞浦等國內(nèi)外40余家原廠的授權(quán)代理商。獲取更多方案或產(chǎn)品信息可聯(lián)系我們。

免責(zé)聲明：本文源自網(wǎng)絡(luò)，文中觀點(diǎn)不代表貞光科技立場，如有侵權(quán)請聯(lián)系刪除。