1,、芯片是軟件定義汽車生態(tài)發(fā)展的基石

　　在智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)大變革背景下,，軟件定義汽車?yán)砟钜殉蔀楣沧R。傳統(tǒng)汽車采用 的分布式 E/E 架構(gòu)因計(jì)算能力不足、通訊帶寬不足,、不便于軟件升級等瓶頸,，不能滿足 現(xiàn)階段汽車發(fā)展的需求,，E/E 架構(gòu)升級已成為智能網(wǎng)聯(lián)汽車發(fā)展的關(guān)鍵,。

　　汽車 E/E 架構(gòu)升級主要體現(xiàn)在：1）硬件架構(gòu)升級。由分布式 ECU 向域控制/中央 集中架構(gòu)方向發(fā)展,。好處在于：提升算力利用率,，減少算力設(shè)計(jì)總需求；數(shù)據(jù)統(tǒng)一交互,， 實(shí)現(xiàn)整車功能協(xié)同,；縮短線束，降低故障率,，減輕質(zhì)量,。2）軟件架構(gòu)升級。通過 AutoSAR 等軟件架構(gòu)提供標(biāo)準(zhǔn)的接口定義,，模塊化設(shè)計(jì),，促使軟硬件解耦分層,，實(shí)現(xiàn)軟硬件設(shè)計(jì) 分離,；Classic AutoSAR 架構(gòu)逐步向 Classic AutoSAR 和 Adaptive AutoSAR 混合式架構(gòu)方 向發(fā)展。好處在于：可實(shí)現(xiàn)軟件/固件 OTA 升級,、軟件架構(gòu)的軟實(shí)時,、操作系統(tǒng)可移植；采集數(shù)據(jù)信息多功能應(yīng)用,，有效減少硬件需求量,，真正實(shí)現(xiàn)軟件定義汽車,。3）通信架構(gòu) 升級。車載網(wǎng)絡(luò)骨干由 LIN/CAN 總線向以太網(wǎng)方向發(fā)展,。好處在于：滿足高速傳輸,、 高通量、低延遲等性能需求,，同時也可減少安裝,、測試成本。

　　從博世對 E/E 架構(gòu)定義來看,，硬件架構(gòu)的升級路徑表現(xiàn)為分布式（模塊化→集成 化）,、域集中（域控制集中→跨域融合）、中央集中式（車載電腦→車-云計(jì)算）,。即為分 布式 ECU（每個功能對應(yīng)一個 ECU）逐漸模塊化,、集成向域控制器（一般按照動力域、 底盤域,、車身域,、信息娛樂域和 ADAS 域等），然后部分域開始跨域融合發(fā)展（如底盤 和動力域功能安全,、信息安全相似）,，并發(fā)展整合為中央計(jì)算平臺（即一個電腦），最后 向云計(jì)算和車端計(jì)算（中央計(jì)算平臺）發(fā)展,。其中車端計(jì)算主要用于車內(nèi)部的實(shí)時處理,， 而云計(jì)算作為車端計(jì)算的補(bǔ)充，為智能汽車提供非實(shí)時性（如座艙部分場景可允許微秒 級別的延遲）的數(shù)據(jù)交互和運(yùn)算處理,。

　　硬件架構(gòu)升級驅(qū)動芯片算力需求呈現(xiàn)指數(shù)級提升趨勢,。傳統(tǒng)汽車功能簡單，與外界 交互較少,，常為分布式 ECU,，主要為控制指令運(yùn)算（約為百萬條指令每秒）、無 AI 運(yùn)算 能力,、存儲較?。恢悄芫W(wǎng)聯(lián)汽車,，不僅需要與人交互,，也需要大量與外界環(huán)境甚至云數(shù) 據(jù)中心交互，未來將面臨海量的非結(jié)構(gòu)化數(shù)據(jù)需要處理,，車端中央計(jì)算平臺將需要 500+ 百萬條指令/秒的控制指令運(yùn)算能力,、300+TOPS（即為 300*1012 次每秒）的 AI 算力。

　　智能網(wǎng)聯(lián)汽車四大核心技術(shù)：芯片、操作系統(tǒng),、算法,、數(shù)據(jù)共同形成生態(tài)閉環(huán)，芯 片是智能網(wǎng)聯(lián)汽車生態(tài)發(fā)展的基石,。類比手機(jī)產(chǎn)業(yè)鏈,，我們認(rèn)為芯片/操作系統(tǒng)或成為寡 頭壟斷格局，而從當(dāng)下行業(yè)發(fā)展看,，芯片或格局相對較為穩(wěn)定,，且處在產(chǎn)業(yè)核心位置。

　　2. 汽車處理芯片由 MCU 向 AI 芯片方向發(fā)展

　　半導(dǎo)體可分為模擬芯片,、數(shù)字芯片,、OSD 三大類。模擬電路是指處理模擬信號的電 子電路,。模擬信號具有連續(xù)性,，信號傳播的信息包含在幅度、頻率,、相位的變化上,，常 應(yīng)用于放大信號，信號源兩方面,。數(shù)字電路是指處理數(shù)字信號的電子電路,。數(shù)字信號以 二進(jìn)制邏輯代數(shù)為基礎(chǔ)，實(shí)現(xiàn)簡單,，系統(tǒng)可靠,，具有算數(shù)運(yùn)算和邏輯運(yùn)算的功能。OSD 包括光電器件,、傳感器,、分立器件三個細(xì)分類型。

　　2.1. 汽車數(shù)據(jù)處理芯片運(yùn)算由控制指令向 AI 運(yùn)算方向發(fā)展

　　現(xiàn)階段,，汽車芯片市場上對汽車數(shù)據(jù)處理芯片分類有按三類：1）智能運(yùn)算為主的 AI 芯片,；2）算力較強(qiáng)的主 CPU；3）算力較弱的 MCU（仍可視為 CPU）,。也有按兩類：1）智能運(yùn)算為主的 AI 芯片,；2）CPU 運(yùn)算為主的 MCU。為了便于理解,，主 CPU 和 MCU 的主要玩家都是同一類,，而且 CPU 與 MCU 本質(zhì)均為控制指令運(yùn)算，因此我們采用第二 種分類方法,。

　　汽車芯片由以控制指令運(yùn)算為主的 MCU 向智能運(yùn)算為主的 AI 芯片方向發(fā)展,。1） 控制指令運(yùn)算可執(zhí)行如等待指令、停機(jī)指令,、空操作指令,、中斷指令等，其運(yùn)算單位為 DMIPS：即 Dhrystone MIPS 測試下,，計(jì)算能力為百萬條指令/秒,，一般通用芯片常用其 表示，如傳統(tǒng)汽車電子的 MCU 等,，代表廠商如英飛凌,、瑞薩、恩智浦等,。2）AI 矩陣 運(yùn)算常指對矩陣運(yùn)算做加速的能力,，對應(yīng)用于圖像、視頻等非結(jié)構(gòu)化數(shù)據(jù)的運(yùn)算處理的 情況下,，單位功耗將更低,，計(jì)算速度更快，其運(yùn)算單位為 TOPS,、Tflops,，均指每秒運(yùn)算 1012 次。TOPS：指數(shù)據(jù)類型為整數(shù)型,，常用于自動駕駛等領(lǐng)域,，代表產(chǎn)品如華為昇騰系 列芯片、地平線征程系列芯片,、寒武紀(jì)的 MLU 系列芯片等,。Tflops：指數(shù)據(jù)類型為單精度浮點(diǎn)數(shù)，較整數(shù)型數(shù)據(jù)精度更高,，通用 AI 芯片常用它表示,，常用于如核實(shí)驗(yàn)室運(yùn)算、 分子動力學(xué)運(yùn)算等,，代表產(chǎn)品如英偉達(dá)的 GPU 芯片,。

　　在智能網(wǎng)聯(lián)汽車領(lǐng)域，Int8 數(shù)據(jù)類型精度即可滿足現(xiàn)階段 AI 運(yùn)算要求,。Int 8 和 FP32 分為定點(diǎn)數(shù)和浮點(diǎn)數(shù),，小數(shù)點(diǎn)的位置是固定的，則為定點(diǎn)數(shù),，小數(shù)點(diǎn)的位置是浮動 的,，則為浮點(diǎn)數(shù)。Int8 代表 8 個字節(jié),，此外,，還有 int4，int16 等字節(jié)數(shù)越高，計(jì)算精度 會提升,，但占用存儲增多,，會降低計(jì)算速度，所以為保證滿足數(shù)據(jù)精度和運(yùn)算速度,，常 用 Int8 數(shù)據(jù)類型,，單位為 TOPS（即 1012次/秒）。

　　汽車芯片結(jié)構(gòu)形式由 MCU 向 SOC 異構(gòu)芯片方向發(fā)展,。汽車數(shù)據(jù)處理芯片按應(yīng)用 可分為 MCU（微控制器）,、SoC（System on Chip 系統(tǒng)級芯片）。MCU 結(jié)構(gòu)簡單,，可視 為簡化版本的 CPU,，其將 CPU 的頻率和規(guī)格適當(dāng)縮減，并將內(nèi)存,、計(jì)數(shù)器,、IO 接口、 I/D 轉(zhuǎn)換等結(jié)構(gòu)都整合到單一芯片,，形成芯片級的計(jì)算機(jī),，主要用于汽車執(zhí)行端 ECU 中 進(jìn)行控制指令運(yùn)算。

　　SoC 是一顆系統(tǒng)級芯片,，常由 CPU+GPU+DSP+NPU+各種外設(shè)接 口,、存儲類型等電子元件組成，現(xiàn)階段主要應(yīng)用于座艙 IVI,、域控制等較復(fù)雜的領(lǐng)域,。SOC 較 MCU 集成程度更高，常集成 AI 處理單元,，功能更復(fù)雜,。SOC 芯片：1） 硬件集成規(guī)模更為龐大，提升資源利用效率,。常額外集成音頻處理 DSP/圖像處理 GPU/ 深度學(xué)習(xí)加速單元 NPU 等,，單顆芯片上集成更多的配套電路，減小了面積,，提升資源 利用率,，片上互聯(lián)利于集成電路之間的高速互通互聯(lián)。2）芯片上軟件配套更大,，提升處 理效率,。SOC 芯片上有豐富的軟件配套（工具鏈、編譯器等）,，提升了處理效率,。3）可 支持多任務(wù)的復(fù)雜系統(tǒng),。但并非所有的 SOC 芯片均為 AI 芯片，需集成一定規(guī)模的時 間網(wǎng)絡(luò)單元才是 AI 芯片,，如華為昇騰芯片,、地平線征程芯片、寒武紀(jì) MLU 芯片,、特斯 拉 FSD 均為此類芯片。

　　2.2. ARM 內(nèi)核提供芯片控制指令運(yùn)算能力

　　CPU 架構(gòu)可分為 X86 為代表的復(fù)雜指令集架構(gòu),，和 ARM 為代表的精簡指令集架 構(gòu),。汽車 CPU 架構(gòu)主要為 ARM 架構(gòu)，在 MCU 和 SOC 中擔(dān)任控制指令運(yùn)算,。CPU 架 構(gòu)可分為 CISC（復(fù)雜指令集）架構(gòu)和 RISC（精簡指令集）架構(gòu),。1）復(fù)雜指令集指令可 變格式，包括 8,、16,、32、64 位,，其特點(diǎn)是單指令功能強(qiáng)大且復(fù)雜,，指令執(zhí)行周期長， 可以直接操作內(nèi)存,，常見的復(fù)雜指令集如 X86,，代表企業(yè) intel、AMD,。2）精簡指令集 的特點(diǎn)是單指令功能簡單,、執(zhí)行速度快，編譯效率高,，不能直接操作內(nèi)存,，常見的精簡 指令集有 ARM、MIPS,、OpenRISC 以及 RSIC-V 等,，代表企業(yè)：ARM。ARM 處理器內(nèi) 核廣泛用于嵌入式系統(tǒng),，具有執(zhí)行效率高,，低成本等優(yōu)點(diǎn)。

　　ARM Cortex 系列主要分為 A,、R,、M 三類。1）Cortex-A 系列：常集成于 SOC 中,， 面向性能密集型系統(tǒng)的應(yīng)用處理器內(nèi)核,，帶寬多為 64/32 位,，主頻可達(dá) GHz 級別 （1GHz=103MHz），當(dāng)主頻達(dá)到 1GHz 時,，其單核控制指令算力為幾千 DMIPS（DMIPS 即為百萬條指令每秒）,，多用于汽車座艙娛樂信息系統(tǒng)或 ADAS 領(lǐng)域；2）Cortex-M 系 列：常集成于 MCU 中,，主要面向各類嵌入式應(yīng)用的微控制器內(nèi)核,，主頻為幾十-幾百 MHz 級別，其單核控制指令算力為幾十至幾百 DMIPS,，多用于汽車執(zhí)行端控制領(lǐng)域,；3）Cortex-R 系列面向?qū)崟r應(yīng)用的高性能內(nèi)核，介于 A 與 M 之間,。

　　2.3. AI 處理器提供芯片智能運(yùn)算能力

　　AI 處理器可分為云端處理器,、邊緣端處理器、終端處理器,。1）云端 AI 處理器,， 支持 Int8 定點(diǎn)運(yùn)算或 FP16、FP32 浮點(diǎn)運(yùn)算,，支持深度學(xué)習(xí)推理/訓(xùn)練要求,，主要應(yīng)用 于政府、企業(yè)數(shù)據(jù)中心的服務(wù)器中,，如服務(wù)金融業(yè),、航空航天、氣象預(yù)報(bào),、宇宙演化模 擬以及抗震分析等領(lǐng)域計(jì)算,。此外在未來 5G 應(yīng)用，更多的汽車數(shù)據(jù)會傳送到車企數(shù)據(jù) 中心用來訓(xùn)練模型,，實(shí)現(xiàn)軟件,、算法的優(yōu)化。2）邊緣端 AI 處理器,，Int8 定點(diǎn)運(yùn)算,，支 持深度學(xué)習(xí)推理要求，主要應(yīng)用于工控機(jī),、安防攝像頭,、機(jī)器人、汽車車端等領(lǐng)域,，由 于所搭載設(shè)備的電力資源有限,，能效比高（算力/功耗，值越高越經(jīng)濟(jì)）,、接口豐富等是 關(guān)鍵,。3）終端 AI 處理器主要支持深度學(xué)習(xí)推理功能,，主要應(yīng)用于手機(jī)等移動終端，如 華為麒麟系列芯片,。未來云邊端三類處理器并非競爭關(guān)系,，而是未來會進(jìn)一步協(xié)同發(fā)展， 云端訓(xùn)練模型實(shí)現(xiàn)算法軟件的優(yōu)化,，并提供給邊緣/終端進(jìn)行本地化 AI 運(yùn)算,。

　　車端 AI 處理器現(xiàn)階段主要負(fù)責(zé)深度學(xué)習(xí)的推理任務(wù)。智能算法范圍由大至小依次 為：人工智能,、機(jī)器學(xué)習(xí),、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò),。應(yīng)用場景越少,，對應(yīng)需要的實(shí)現(xiàn)的算 法越少,，就越適用于專用芯片,，可通過精簡處理器軟硬件模塊，使處理器計(jì)算效率,、能 效比更高,。

　　2.4. 車規(guī)級芯片條件苛刻

　　車規(guī)級芯片標(biāo)準(zhǔn)遠(yuǎn)高于消費(fèi)級，認(rèn)證流程長,。1）工作環(huán)境更為惡劣：相比于消費(fèi) 芯片及一般工業(yè)芯片,，汽車芯片的工作環(huán)境溫度范圍寬（-40 至 155 攝氏度）、高振動,、 多粉塵,、多電磁干擾。2）可靠性安全性要求高：一般的汽車設(shè)計(jì)壽命都在 15 年或 20 萬 公里左右,，遠(yuǎn)大于消費(fèi)電子產(chǎn)品壽命要求,。在相同的可靠性要求下，系統(tǒng)組成的部件和 環(huán)節(jié)越多,，對組成的部件的可靠性要求就越高,。3）車規(guī)級芯片認(rèn)證流程長。一款芯片一 般需要 2 年左右時間完成車規(guī)級認(rèn)證,，進(jìn)入車企供應(yīng)鏈后一般擁有 5-10 年的供貨周期,。

　　汽車標(biāo)準(zhǔn)需認(rèn)證可靠性標(biāo)準(zhǔn) AEC-Q 系列、質(zhì)量管理標(biāo)準(zhǔn) ISO/TS16949 其中之一,， 此外需要通過功能安全標(biāo)準(zhǔn) ISO 26262 ASIL B（D）,。ISO 26262 在 2011 年 11 月 15 日正 式發(fā)布，主要包括四個等級,，分別為 ASIL A/B/C/D,。ISO 26262 安全是汽車電子元件穩(wěn) 定性優(yōu)劣的評判依據(jù)之一,，通過該等級代表其產(chǎn)品穩(wěn)定性合格，耐用,，但不代表其算力,、 能效比高。此外,，還需要通過零失效的供應(yīng)鏈質(zhì)量管理標(biāo)準(zhǔn) TS16949/ISO 9000 國際認(rèn)證 體系下的汽車行業(yè)分支的標(biāo)準(zhǔn)認(rèn)證,；另一個是 AEC-Q 認(rèn)證，由克萊斯勒,、通用,、福特制定的汽車電子元件安全性檢測標(biāo)準(zhǔn)。

　　3. MCU 引領(lǐng)汽車由機(jī)械化時代走向電氣化時代

　　3.1. MCU 承擔(dān)汽車執(zhí)行 ECU 的運(yùn)算大腦

　　汽車發(fā)展初期,，控制功能較少,，一般新增一個功能便新增一個 ECU（Electronic Control Unit，即電子控制單元）,，即為典型的分布式電子電氣架構(gòu),。因此，一般汽車中 包括多個 ECU,，每個 ECU 管理不同的功能,，而 MCU 芯片嵌入在 ECU 中作為運(yùn)算大 腦。MCU 的工作過程：傳感器輸入信號,，輸入處理器對信號進(jìn)行模數(shù)轉(zhuǎn)換,、放大等處 理后，傳遞給 MCU 進(jìn)行運(yùn)算處理,，然后輸出處理器對信號進(jìn)行功率放大,、數(shù)模轉(zhuǎn)換等， 使其驅(qū)動如電池閥,、電動機(jī),、開關(guān)等被控元件工作。MCU 主要有 8 位,、16 位,、32 位， 位數(shù)越多越復(fù)雜,，處理能力越強(qiáng),，可實(shí)現(xiàn)的功能越多。

　　MCU 單車價值量提升的核心邏輯在于：1）芯片用量提升,，應(yīng)用領(lǐng)域由傳統(tǒng)底盤延伸至整車,。隨著汽車電子化發(fā)展，ECU 逐漸占領(lǐng)整個汽車,，從防抱死制動系統(tǒng),、四輪驅(qū) 動系統(tǒng),、電控自動變速器、主動懸架系統(tǒng),，到現(xiàn)在逐漸延伸到了車身各類安全,、網(wǎng)絡(luò)、 娛樂控制系統(tǒng)等領(lǐng)域,。2）芯片集成復(fù)雜化,，單價提升。以發(fā)動機(jī)管理系統(tǒng) ECU（MCU 為其核心芯片）為例,，汽車電子發(fā)展的初期,，ECU 最早僅應(yīng)用于發(fā)動機(jī)的控制，如汽車 發(fā)動機(jī)的排氣管（氧傳感器）,、氣缸（爆震傳感器）,、水溫傳感器等核心部件才會放置傳 感器，數(shù)量少,。之后隨著國三至國五標(biāo)準(zhǔn)的提升,，在油耗控制、信號輸出控制等方面需 要芯片處理的能力增強(qiáng),，推動 MCU 芯片集成度提升,，產(chǎn)品升級帶來價值提升,。

　　3.2. 預(yù)計(jì) 2025 年我國汽車 MCU 市場達(dá) 32.9 億美元,，CAGR 7.7%

　　2025 年我國汽車 MCU 市場規(guī)模達(dá) 32.9 億美元，未來 6 年 CAGR 為 7.7%,。經(jīng)測 算,，2019 年我國汽車 MCU 市場規(guī)模為 21.1 億美元，同比-2.7%,，隨著汽車智能化加速,， 更多的功能將會被整車搭載，大量執(zhí)行元件需要被 MCU 所控制,，到 2025 年 MCU 市場 規(guī)模達(dá) 32.9 億美元,，CAGR 為 7.7%，到 2030 年將達(dá) 47.6 億美元,。

　　3.3. 汽車 MCU 行業(yè)加快整合集中度提升

　　全球 MCU 通用市場并購加速,。我們重點(diǎn)參考 MCU 通用領(lǐng)域（汽車、工業(yè),、消費(fèi) 電子等）市場,，MCU 廠商為爭奪市場份額，近年來發(fā)生了數(shù)起大規(guī)模并購,。NXP 在 2015 年以 118 億美元收購飛思卡爾,，完成了在汽車電子領(lǐng)域的布局,，排名也一舉從第六上升 至第一；Cypress 在 2015 年以 40 億美元收購 spansion,；Microchip 在 2016 年完成對 Atmel 的收購,，成為全球第二大 MCU 廠商。我們判斷,，汽車 MCU 市場也將隨通用市場的加 快整合,，實(shí)現(xiàn)集中度的提升。

　　歐美日前五大汽車 MCU 供應(yīng)商占據(jù)全球 82.7%市場份額,，頭部集中效應(yīng)顯著,。根 據(jù) Stratety Analytics 分析數(shù)據(jù)，全球汽車 MCU 市場前 5 占 82.7%的市場份額,，前五大 MCU 供應(yīng)商分別為日本瑞薩電子,，歐洲：NXP、英飛凌,，美國：德州儀器,、微芯科技。

　　全球前八大廠商也同樣占據(jù)我國汽車 MCU 93%的市場份額,。仍由歐美日傳統(tǒng)汽車電子廠商占據(jù)絕大部分市場份額,，我們重點(diǎn)參考 IHS 數(shù)據(jù)分析，目前中國 MCU 市場,， 前八大 MCU 廠商的市場占有率達(dá)到 93%,。國產(chǎn)化率不足 5%，替代空間大,。國內(nèi)企業(yè) 技術(shù)較為薄弱,，企業(yè)規(guī)模與前八大廠商差距較大，現(xiàn)階段主要為工業(yè)控制,、儀器儀表,、 消費(fèi)電子、物聯(lián)網(wǎng)等通用領(lǐng)域供貨,。隨著國內(nèi)企業(yè)技術(shù)逐漸成熟,，國內(nèi)廠商憑借價格和 服務(wù)優(yōu)勢，正逐步搶奪低端 MCU 市場,，進(jìn)口替代趨勢逐漸明顯,。但由于車規(guī)級標(biāo)準(zhǔn)較 高，技術(shù)和市場發(fā)展均晚于一般工業(yè)和消費(fèi)級芯片,。

　　4. 軟件定義汽車時代來臨,，域控制 AI 芯片是重要一環(huán)

　　4.1. AI 芯片是智能汽車時代實(shí)現(xiàn)域控制的核心

　　汽車由分布式架構(gòu)向域控制/中央集中式架構(gòu)方向發(fā)展。傳統(tǒng)分布式硬件架構(gòu)面臨 智能汽車時代多維感知需求和海量非結(jié)構(gòu)化數(shù)據(jù)處理的需求，一般每新增一個應(yīng)用功能,， 便新增對應(yīng)的感知傳感器,、決策、執(zhí)行層,。隨著智能網(wǎng)聯(lián)汽車時代的到來,，以特斯拉為 代表的汽車電子電氣架構(gòu)改革先鋒率先采用中央集中式架構(gòu)，即用一個電腦控制整車,。全球范圍內(nèi)各大主機(jī)廠均已認(rèn)識到軟件定義汽車的大趨勢,，紛紛升級自身的電子電氣架 構(gòu)，雖不同主機(jī)廠采用幾個電腦控制整車的方案不同,，但架構(gòu)域控制/集中化方向相同,。域控制器逐漸集成前期的傳感器處理器、數(shù)據(jù)融合,、路徑規(guī)劃,、決策等諸多運(yùn)算處理器 功能，因此對域控制器芯片算力需求大幅提升,。

　　非結(jié)構(gòu)化數(shù)據(jù)導(dǎo)致傳統(tǒng) MCU 不能滿足需求,，AI 作為協(xié)處理器逐漸成為智能時代 的核心。隨著芯片需要處理傳感器傳來的大量汽車內(nèi)外部環(huán)境信息,，而且也要處理大量 圖片,、視頻等非結(jié)構(gòu)化數(shù)據(jù)，面向控制指令運(yùn)算的 MCU 不能滿足需求,。AI 處理器作為 智能時代的協(xié)處理器,，成為智能汽車時代的核心。一般待處理數(shù)據(jù)信息會先傳遞給 CPU（等同于 MCU）,，CPU 發(fā)現(xiàn)有大規(guī)模的非結(jié)構(gòu)化數(shù)據(jù),，自身無法處理,，便將其傳輸給 AI 處理器運(yùn)算,，而 CPU 便暫停運(yùn)算，等待 AI 處理器運(yùn)算結(jié)束后,，再進(jìn)行下一步操作,， 所以 AI 處理器是人工智能時代的協(xié)處理器，是現(xiàn)階段智能汽車時代運(yùn)算的核心,。

　　4.2. 預(yù)計(jì) 2025 年我國汽車 AI 芯片市場超 91 億美元,，CAGR46.2%

　　假設(shè)：1）汽車市場容量預(yù)測。如前文 MCU 測算假設(shè)一致,，我國汽車產(chǎn)量 2019-2025 年復(fù)合增速為 2%,。

　　2）各級別自動駕駛滲透率預(yù)測。L3、L4 級分別于 2020 年,、2023 年規(guī)模量產(chǎn),，每 年并以 3-4%滲透率提升。根據(jù)工信部發(fā)布的《汽車中長期發(fā)展規(guī)劃》指出,，我國 2020 年自動駕駛滲透率達(dá) 50%,，2025 年滲透率達(dá) 80%。L3 級于 2020 年開始量產(chǎn)并規(guī)模投 放市場,，滲透率快速提升,，隨著 L4 級車于 2023 年開始量產(chǎn)，低級別滲透率陸續(xù)到達(dá)滲 透率峰值后又緩慢下降,。

　　3）各級別自動駕駛 AI 芯片單車價值預(yù)測,。2020 年 L1-L3 級 AI 芯片單車價值分別 為 50 美元、150 美元,、500 美元,，隨著技術(shù)逐漸成熟，2030 年下降到 41 美元,、111 美 元,、315 美元。我們預(yù)計(jì)到 2023 年 L4 級高級自動駕駛出現(xiàn),，AI 芯片單車價值約為 1500 美元,，到 2030 年下降到 931 美元。

　　2025 年我國 AI 芯片市場超 91 億美元,，未來 6 年復(fù)合增速達(dá) 46.4%,。經(jīng)測算，2020 年我國汽車 AI 芯片市場規(guī)模為 15 億美元,，同比增長 59.4%,，隨著汽車 EE 架構(gòu)加速升 級，域控制器/中央計(jì)算平臺被廣泛使用,，到 2025 年 AI 芯片市場規(guī)模達(dá) 91 億美元,， CAGR 為 45.9%，到 2030 年將達(dá) 177 億美元,，十年復(fù)合增速 28.1%,。

　　4.3. 集成更多 AI 單元是智能芯片技術(shù)路徑發(fā)展的大趨勢

　　CPU，又稱中央處理器,，擅長邏輯控制和通用類型數(shù)據(jù)運(yùn)算,，具有不可替代性。CPU 有很強(qiáng)的通用性,，可處理不同的數(shù)據(jù)類型,，主要負(fù)責(zé)順序控制,、操作控制、時間控制,、 數(shù)據(jù)加工等操作,，因此在任何一個電腦或嵌入式的計(jì)算中都有 CPU 或其裁剪版本。CPU 由控制器（Control）,，寄存器（Cache,、DRAM）和邏輯單元（ALU）構(gòu)成，其中控制器 和寄存器占比較大,，而處理數(shù)據(jù)的邏輯單元占比較小,，因此對于專用領(lǐng)域數(shù)據(jù)處理能力 較弱。代表廠商即為 X86 處理器的英特爾和嵌入式處理器的 ARM,。

　　GPU,，又稱圖形處理器，俗稱顯卡,，擅長大規(guī)模并行計(jì)算,。GPU 擁有計(jì)算單元數(shù)量 眾多和超長的流水線，處理的數(shù)據(jù)類型通常為高度統(tǒng)一的,、相互無依賴,，省去了大量 CPU 的不必要控制指令計(jì)算模塊，并行計(jì)算能力較 CPU 強(qiáng),。隨著人工智能的發(fā)展,，GPU 不 斷被應(yīng)用于數(shù)值模擬、機(jī)器學(xué)習(xí),、視覺處理,、語音識別等領(lǐng)域，廠商代表即為英偉達(dá),。

　　FPGA 全稱是 Field Programmable Gate Array：又稱可編程邏輯門陣列,，算力較 高，適合小規(guī)模定制化開發(fā)測試,。用戶可通過燒入配置文件來定義其內(nèi)部結(jié)構(gòu)的連線,， 從而達(dá)到定制電路的目的。FPGA 的芯片量產(chǎn)成本較高,，能效比較差,，不如 ASIC 專用 芯片。適用于科研,、企業(yè)開發(fā)階段，一旦方案確定,，其成本優(yōu)勢就不再突出,。代表廠商：賽靈思、阿爾特拉（被英特爾收購）、深鑒科技,。

　　ASIC 全稱是 Application-Specific Integrated Circuit：是一種為專門目的而設(shè)計(jì)的 集成電路,，具有算力最高，能效比優(yōu)等特點(diǎn),。ASIC 面向特定用戶的需求,，適合較為單 一的大規(guī)模應(yīng)用場景，運(yùn)行速度在同等條件下比 FPGA 快,。但在架構(gòu)層面對特定智能算再適用,，需要跟新?lián)Q代。面對現(xiàn)階段,，AI 算法日新月異,，每年都有大量的算法被開發(fā)出 來，對于自動駕駛領(lǐng)域適用性不強(qiáng),。所以現(xiàn)階段并沒有真正意義上的 ASIC 芯片,。

　　N-SOC，（即添加神經(jīng)網(wǎng)絡(luò)單元的系統(tǒng)級芯片）是指在芯片中集成更多的神經(jīng)網(wǎng)絡(luò) 單元,，以實(shí)現(xiàn)快速的 CNN（卷積神經(jīng)網(wǎng)絡(luò)）運(yùn)算,。N-SOC 是現(xiàn)階段市場的新名詞，主 要系隨著 AI 芯片的發(fā)展,，傳統(tǒng)定義方法并不完全適用,，N-SOC 區(qū)別于 ASIC 的智能算 法被硬化，但其并不是一顆完全通用芯片,，僅支持少量的算法,。典型的代表企業(yè)：英特 爾旗下的 Mobileye、華為（達(dá)芬奇架構(gòu) Ascend 系列）,、寒武紀(jì)（MLU 系列）,、百度（昆 侖云）、阿里平頭哥,、Google（TPU）等,。

　　由通用向?qū)Ｓ门判蛞来危篊PU、GPU,、FPGA,、ASIC；數(shù)據(jù)處理成本經(jīng)濟(jì)性（由優(yōu) 至差）：ASIC,、FPGA,、GPU、CPU,。1）CPU 最通用,，算力差,，能效比最差，但除了運(yùn) 算,，還包括控制指令,，不可被替代,；2）GPU 為較為通用的芯片,，算力高，架構(gòu)較為開 放,，可允許主機(jī)廠基于底層硬件架構(gòu)開發(fā)自己的專門算法,，但能效比較差,；3）FPGA， 算力一般,，可根據(jù)客戶需求用配置文件更改芯片結(jié)構(gòu)的連線,，實(shí)現(xiàn)定制電路，適用于實(shí) 驗(yàn)室科研,、前期開發(fā)等小批量應(yīng)用,；4）ASIC 為專用芯片，算力高,、能效比優(yōu),，節(jié)約不 必要開發(fā)資源，規(guī)模量產(chǎn)成本最低,，但支持算法不夠靈活,。

　　AI 芯片通過添加神經(jīng)網(wǎng)絡(luò)單元實(shí)現(xiàn) AI 運(yùn)算的更高效。目前市場對未來汽車 AI 芯 片采用通用 GPU,、FPGA,、ASIC 芯片方案仍有較大爭議，我們認(rèn)為汽車數(shù)據(jù)處理芯片不 斷異構(gòu)化,，通過不斷添加神經(jīng)網(wǎng)絡(luò)單元實(shí)現(xiàn) AI 運(yùn)算是未來發(fā)展的主要方向,。除了華為、 地平線,、寒武紀(jì)等 AI 芯片不斷增加神經(jīng)網(wǎng)絡(luò)單元外,，而作為通用 GPU 的代表供應(yīng)商英 偉達(dá)的自動駕駛系列芯片，也通過添加神經(jīng)網(wǎng)絡(luò)單元,，以實(shí)現(xiàn)對 AI 處理越來越高效,。但總體而言 GPU 仍功耗較高，豐富的通用模塊可實(shí)現(xiàn)對各種場景的適用性,，但也帶來 了成本過高,，功耗過高的問題。而新出現(xiàn)的 N-SOC 雖不是 ASIC 固定算法,，具有成本/ 功耗較低等優(yōu)點(diǎn),，但其針對各種場景的適應(yīng)性仍較弱,。在汽車領(lǐng)域,，未來兩者未來性能,、 成本等方面會有相互靠近的趨勢。

　　5. 域控制器 AI 芯片呈現(xiàn)三強(qiáng)多極競爭格局

　　結(jié)論：特斯拉 FSD 芯片自研自用,，引領(lǐng)產(chǎn)業(yè)發(fā)展,，屬于獨(dú)立一級；全球 GPU 領(lǐng)域 AI 龍頭英偉達(dá)和背靠英特爾的汽車 AI 芯片龍頭 Mobileye 屬于第一陣列,；華為技術(shù)強(qiáng) 勁自建生態(tài)體系屬于 1.5 陣列,，有望快速突圍進(jìn)入第一陣列；國內(nèi)智能駕駛 AI 芯片新 銳地平線,、云邊端全領(lǐng)域覆蓋 AI 新興寒武紀(jì)等處于第二陣列,；傳統(tǒng)汽車電子廠商及其 他潛在進(jìn)入者處于第三陣列

　　特斯拉自研 FSD 方案屬于另一極。主要優(yōu)勢：由于其自研自用,，根據(jù)需求研發(fā)專 用芯片,，減少不必要的軟硬件模塊，1）縮短研發(fā)周期,，減少研發(fā)設(shè)計(jì)工作量,；2）提升 能效比；3）用戶數(shù)據(jù)驅(qū)動研發(fā)優(yōu)化,。主要劣勢：1）生態(tài)較為封閉,，僅內(nèi)部開發(fā)和使用， 無法建立完善的生態(tài)體系,。2）若使用量有限,，芯片研發(fā)需要投入大量資金，軟硬件開發(fā) 的成本難以通過大規(guī)模使用均攤成本,。

　　Mobileye 與英偉達(dá)屬于第 1 陣列,。在 L3 級到來以前，兩公司產(chǎn)品幾乎不會處于正 面競爭,，隨著自動駕駛進(jìn)程加速發(fā)展,，競爭會逐漸加劇。短期來看,，Mobileye 面向 L3 級以下市場,，產(chǎn)品更加成熟，會更占優(yōu)勢,。中長期來看,，英偉達(dá)面向 L3 級以上預(yù)研市 場在 AI 領(lǐng)域?qū)嵙ι詈瘢蟀l(fā)有力,，優(yōu)勢會更加突出,。

　　NIVIDA 屬于第 1 陣列,，作為通用 AI 芯片龍頭，占據(jù) L3 級及以上市場,，對外提 供芯片級產(chǎn)品,，而非芯片+算法的解決方案，是合資品牌的優(yōu)選,。主要優(yōu)勢：1）中立第 三方,，最豐富的生態(tài)體系。定位 Tier 2 芯片供應(yīng)商,，提供芯片或開發(fā)平臺,，具備最完善的軟件工具鏈和應(yīng)用生態(tài)；2）算力高（但利用率仍有待提升）,，Xaier 芯片的 30TOPS 高 于 Eye Q4 的 2.5TOPS,，Orin 芯片的 200TOPS 高于 Eye Q5 的 24TOPS；3）支持各類傳 感器數(shù)據(jù)融合,，可提供攝像頭+雷達(dá)等各類傳感器數(shù)據(jù)融合處理,；4）提供云服務(wù)，有望 獲取數(shù)據(jù)實(shí)現(xiàn)優(yōu)化,。主要劣勢：主要系 GPU 通用芯片,，有大量的非必要軟硬件模塊， 1）成本價格較貴,，浪費(fèi)資源,，后續(xù)有望規(guī)模量產(chǎn)后實(shí)現(xiàn)快速下降；2）能效比差,，后續(xù) 產(chǎn)品開發(fā)加入更多的 DLA 深度學(xué)習(xí)加速器模塊,，能效比有望改善。

　　Mobileye 屬于第 1 陣列,，背靠英特爾,，占據(jù) L2 級及以下市場，芯片+算法綁定的 一體式解決方案,。主要優(yōu)勢：1）經(jīng)驗(yàn)豐富&質(zhì)量可靠,，產(chǎn)品已經(jīng)有眾多量產(chǎn)車搭載，質(zhì) 量和適配過關(guān),；2）客戶資源最豐富,，國內(nèi)外絕大多數(shù)主機(jī)廠和 Tier1 級供應(yīng)商均為其客 戶；3）價格較為合理,。主要劣勢：1）算力提升明顯低于其他廠商,，最新 EyeQ5 算力峰 值僅 24TOPS，而市場認(rèn)為 L3 級算力需求 30TOPS 以上，后期芯片僅靠提升 VMP 等手 段,，算力提升或難以為繼,，又或者因?yàn)楦叨榷ㄖ苹槍σ曈X領(lǐng)域，減少不必要的軟硬件 資源,，算力不高但性能仍滿足需求,；2）黑盒子模式限制用戶創(chuàng)新，算法和芯片捆綁銷 售,，或與廠商規(guī)模較小,，為客戶提供定制化服務(wù),，在主機(jī)廠軟件開發(fā)能力較差的初期階 段受廣泛歡迎,，但隨著開發(fā)能力提升，一體銷售的靈活度較差,，客戶難以做出差異性產(chǎn) 品,。根據(jù)規(guī)劃 Eye Q5 或?qū)㈤_放融合算法，但感知算法并未提及,。

　　華為屬于第 1.5 陣列,，憑借強(qiáng)勁的技術(shù)實(shí)力有望快速進(jìn)入第一陣列，主要針對 L2+ 及以上市場,，模式與 NVIDIA 類似,，現(xiàn)階段對外提供平臺類產(chǎn)品（開發(fā)平臺），而非解 決方案,，是國產(chǎn)品牌的優(yōu)選,。主要優(yōu)勢：1）算力高，能效優(yōu),，計(jì)算平臺可提供 64~350TOPS,， 端到端 1TOPS/W（芯片級 2TOPS/W）；2）支持各種傳感器融合處理,；3）華為整體技術(shù) 雄厚,，生態(tài)體系有望迅速完善，依托華為從底層芯片,、操作系統(tǒng),、應(yīng)用算法、5G,、云計(jì) 算服務(wù)等迅速建立豐富生態(tài)體系,；4）提供云服務(wù)，有望獲取數(shù)據(jù)實(shí)現(xiàn)優(yōu)化,。主要劣勢：1）無量產(chǎn)車,，缺乏相關(guān)的經(jīng)驗(yàn)積累，暫時無數(shù)據(jù)優(yōu)化軟件算法，搭載量產(chǎn)車或到 2021 年底左右,；2）現(xiàn)階段生態(tài)體系仍弱于英偉達(dá),，所以目前華為廣交朋友圈，依靠眾多領(lǐng)域 的優(yōu)勢構(gòu)建龐大生態(tài)體系,；3）客戶對其“不造車”尚持懷疑,，或影響合作。

　　地平線屬于強(qiáng)勢第 2 陣列,，模式與 Mobileye 類似,，對外主要提供解決方案類產(chǎn)品 （芯片+算法），未捆綁銷售,，AI 芯片于 2020 年已搭載在長安 UNI-T 座艙域,。自動駕 駛域芯片尚未搭載量產(chǎn)車，現(xiàn)階段主要針對 L2 級及以下市場,，對外提供芯片+算法方 案,。主要優(yōu)勢：1）作為中立第三方，芯片和算法可分開銷售或一體式解決方案,，受客戶 信任,；2）國產(chǎn)芯片，國內(nèi)優(yōu)選,。主要劣勢：1）現(xiàn)階段算力較低,，無豐富生態(tài)，創(chuàng)企等,；2）尚未通過功能安全認(rèn)證,，無自動駕駛芯片量產(chǎn)車。

　　寒武紀(jì)屬于第 2 陣列,，或從車路協(xié)同,、云服務(wù)（數(shù)據(jù)中心）等領(lǐng)域?qū)崿F(xiàn)快速切入。主要優(yōu)勢：1）云邊端三類產(chǎn)品可從各種商業(yè)模式供應(yīng)給智能車產(chǎn)業(yè)領(lǐng)域,，云端產(chǎn)品可 供應(yīng)車企/Tier 1 數(shù)據(jù)中心或提供給云服務(wù)供應(yīng)商,；邊緣端產(chǎn)品供應(yīng)給政府類客戶用于車 路協(xié)同設(shè)備使用；邊緣/終端產(chǎn)品供應(yīng)給主機(jī)廠等,。2）國產(chǎn)芯片,，國內(nèi)優(yōu)選、中立第三方,。主要劣勢：1）與車企合作較少,，無豐富生態(tài)，創(chuàng)企等,；2）尚未通過功能安全認(rèn)證,。

　　5.1. 特斯拉：自研 FSD 芯片，引領(lǐng)產(chǎn)業(yè)發(fā)展

　　總結(jié)：特斯拉自研 FSD 方案屬于另一極。主要優(yōu)勢：由于其自研自用,，根據(jù)需求 研發(fā)專用芯片,，減少不必要的軟硬件模塊。1）縮短研發(fā)周期,，減少研發(fā)設(shè)計(jì)工作量,；2） 提升能效比；3）用戶數(shù)據(jù)驅(qū)動研發(fā)優(yōu)化,。主要劣勢：1）生態(tài)較為封閉,，僅內(nèi)部開發(fā)和 使用，無法建立完善的生態(tài)體系,。2）若使用量有限,，芯片研發(fā)需要投入大量資金，軟硬 件開發(fā)的成本難以通過小規(guī)模使用均攤成本,。

　　Autopilot 1.0 系統(tǒng)因 Mobileye EyeQ3 算力低,、算法和芯片捆綁銷售限制創(chuàng)新被棄 用。2014 年特斯拉發(fā)布 Autopilot 1.0,，視覺芯片采用 Mobileye EyeQ3，數(shù)據(jù)融合芯片采 用英偉達(dá) Tegra 3,。搭載 1 個前置攝像頭,、1 個后置倒車攝像頭（不參與輔助駕駛）、1 個 前置雷達(dá),、12 個超聲波傳感器,。特斯拉棄用主要原因在于：EyeQ3 算力僅 0.256TOPS， 而且視覺感知算法和芯片捆綁銷售,，影響產(chǎn)品創(chuàng)新,。

　　Autopilot 2.0 系統(tǒng)因 NVIDIA PX2 方案能效比差，成本較高被棄用,。2.0 系統(tǒng)較上 一代提升 40 倍性能,，系統(tǒng)由 1.0 系統(tǒng)的雷達(dá)引導(dǎo)為主，轉(zhuǎn)變?yōu)橐詳z像頭為主,，雷達(dá)作為 輔助,。硬件方案采用 NVIDIA 的 1 顆 Tegra Parker 芯片和 1 顆 Pascal 架構(gòu)芯片方案；支 持 8 個攝像頭,、12 個超聲波雷達(dá)和 1 個前置毫米波雷達(dá),。2.5 系統(tǒng)仍是 NIVIDIA 方案的 延續(xù)。特斯拉棄用 NVIDIA 方案主要原因在于：NVIDIA PX2 方案 GPU 芯片仍有較多 的軟硬件資源浪費(fèi),，能效比（算力/功耗）較差,，成本較高。

　　特斯拉 Autopilot 3.0 系統(tǒng)自研 FSD+算法。3.0 系統(tǒng)采用了自研的 FSD 芯片方案,， 2 顆 FSD 芯片實(shí)現(xiàn)冗余設(shè)計(jì),，共 2*72TOPS/72W，針對自身應(yīng)用算法和場景專門設(shè)計(jì) FSD,，可減少不必要的軟硬件模塊,，實(shí)現(xiàn)資源的最大化利用。Autopilot 3.0 實(shí)際應(yīng)用性能 相比 2.5 版本提升 21 倍,，功耗僅高 25%,，其成本卻只有 2.5 版本的 80%。兩顆芯片將運(yùn) 算結(jié)果互相比對,，若結(jié)果正確則執(zhí)行操作,，若錯誤則返回重算，而且若某顆芯片出現(xiàn)故 障,，自動駕駛系統(tǒng)仍不受影響,。

　　FSD 芯片是一顆 CPU+GPU+ISP+2*NPU 的異構(gòu)芯片。芯片異構(gòu)化是總體發(fā)展方 向,，讓專用處理單元運(yùn)算對應(yīng)的操作,。1）CPU 是 1 個 12 核心 ARM A72 架構(gòu)的 64 位處 理器，運(yùn)行頻率為 2.2GHz,；2）GPU 能夠提供 0.6TFLOPS 計(jì)算能力,，運(yùn)行頻率為 1GHz；3）2 顆 NPU（神經(jīng)網(wǎng)絡(luò)單元）運(yùn)行在 2.2GHz 頻率下能提供 2*36TOPS 的處理能力,。為 了提升神經(jīng)網(wǎng)絡(luò)處理器的內(nèi)存存取速度以提升計(jì)算能力,，每顆 FSD 芯片內(nèi)部還集成了 32MB 高速緩存

　　FSD 芯片針對自身需求專門開發(fā)，是特斯拉芯片性能高和功耗優(yōu)的重大法寶,。發(fā)布 Autopilot 3.0 時,，特斯拉宣稱 FSD 芯片算力為 72TOPS，系統(tǒng)整體算力 2*72TOPS,，而 NVIDIA Xavier 芯片僅為 21TOPS,。盡管之后 NVIDIA 公布 Xavier 理論計(jì)算能力為 30TOPS，但依然不及 FSD芯片,。而NVIDIA DRIVE AGX Pegasus計(jì)算平臺,，基于2*Xavier 和 2*TensorCore GPU，算力達(dá)到 320TOPS,，功耗為 320W,，高于 Autopilot 3.0 系統(tǒng)的 72W。主要系 FSD 芯片作為特斯拉專用芯片,，較 GPU 的通用芯片可減少不必要的軟硬 件模塊,，實(shí)現(xiàn)資源的最大化利用,。

　　5.2. NVIDIA：全球通用 AI 芯片龍頭，構(gòu)建生態(tài)王國（略）

　　結(jié)論：NIVIDA 屬于第 1 陣列,，作為通用 AI 芯片龍頭,，占據(jù) L3 級及以上市場，對 外提供芯片級產(chǎn)品,，而非芯片+算法的解決方案,，是合資品牌的優(yōu)選。主要優(yōu)勢：1）中 立第三方,，最豐富的生態(tài)體系,。定位 Tier 2 芯片供應(yīng)商，提供芯片或開發(fā)平臺,，具備最 完善的軟件工具鏈和應(yīng)用生態(tài),；2）算力高（但利用率仍有待提升），Xaier 芯片的 30TOPS 高于 Eye Q4 的 2.5TOPS,，Orin 芯片的 200TOPS 高于 Eye Q5 的 24TOPS,；3）支持各類 傳感器數(shù)據(jù)融合，可提供攝像頭+雷達(dá)等各類傳感器數(shù)據(jù)融合處理,；4）提供云服務(wù),，有 望獲取數(shù)據(jù)實(shí)現(xiàn)優(yōu)化。主要劣勢：主要系 GPU 通用芯片,，有大量的非必要軟硬件模塊,， 1）成本價格較貴，浪費(fèi)資源,，后續(xù)有望規(guī)模量產(chǎn)后實(shí)現(xiàn)快速下降；2）能效比差,，后續(xù) 產(chǎn)品開發(fā)加入更多的 DLA 深度學(xué)習(xí)加速器模塊,，能效比有望改善。

　　5.3. Mobileye：背靠英特爾,，全球自動駕駛 AI 芯片龍頭（略）

　　結(jié)論：Mobileye 屬于第 1 陣列,，背靠英特爾，占據(jù) L2 級及以下市場,，芯片+算法 綁定的一體式解決方案,。主要優(yōu)勢：1）經(jīng)驗(yàn)豐富&質(zhì)量可靠，產(chǎn)品已經(jīng)有眾多量產(chǎn)車搭 載,，質(zhì)量和適配過關(guān),；2）客戶資源最豐富，國內(nèi)外絕大多數(shù)主機(jī)廠和 Tier1 級供應(yīng)商均 為其客戶,；3）價格較為合理,。主要劣勢：1）算力提升明顯低于其他廠商,，最新 EyeQ5 算力峰值僅 24TOPS，而市場認(rèn)為 L3 級算力需求 30TOPS 以上,，后期芯片僅靠提升 VMP 等手段,，算力提升或難以為繼，又或者因?yàn)楦叨榷ㄖ苹槍σ曈X領(lǐng)域,，減少不必要的軟 硬件資源,，算力不高但性能仍滿足需求；2）黑盒子模式限制用戶創(chuàng)新,，算法和芯片捆綁 銷售,，或與廠商規(guī)模較小，為客戶提供定制化服務(wù),，在主機(jī)廠軟件開發(fā)能力較差的初期 階段受廣泛歡迎,，但隨著開發(fā)能力提升，一體銷售的靈活度較差,，客戶難以做出差異性 產(chǎn)品,。根據(jù)規(guī)劃 Eye Q5 或?qū)㈤_放融合算法，但感知算法并未提及,。

　　5.4. 華為：依托芯片,，欲打造最強(qiáng)生態(tài)體系

　　總結(jié)：華為屬于第 1.5 陣列，憑借強(qiáng)勁的技術(shù)實(shí)力有望快速進(jìn)入第一陣列,，主要針 對 L2+及以上市場,，模式與 NVIDIA 類似，現(xiàn)階段對外提供平臺類產(chǎn)品（開發(fā)平臺）,， 而非解決方案,，是國產(chǎn)品牌的優(yōu)選。主要優(yōu)勢：1）算力高,，能效優(yōu),，計(jì)算平臺可提供 64~350TOPS，端到端 1TOPS/W（芯片級 2TOPS/W）,；2）支持各種傳感器融合處理,；3） 華為整體技術(shù)雄厚，生態(tài)體系有望迅速完善,；依托華為從底層芯片,、操作系統(tǒng)、應(yīng)用算 法,、5G,、云計(jì)算服務(wù)等迅速建立豐富生態(tài)體系；4）提供云服務(wù),，有望獲取數(shù)據(jù)實(shí)現(xiàn)優(yōu) 化,。主要劣勢：1）無量產(chǎn)車,，缺乏相關(guān)的經(jīng)驗(yàn)積累，暫時無數(shù)據(jù)優(yōu)化軟件算法,，搭載量 產(chǎn)車或到 2021 年底左右,；2）現(xiàn)階段生態(tài)體系仍弱于英偉達(dá)，所以目前華為廣交朋友圈,， 依靠眾多領(lǐng)域的優(yōu)勢構(gòu)建龐大生態(tài)體系,；3）客戶對其“不造車”尚持懷疑，或影響合作,。

　　華為芯片主要有五大系列,，昇騰芯片是車端 AI 計(jì)算核心。1）麒麟芯片是手機(jī)等移 動終端設(shè)備芯片,，主要包括應(yīng)用于高端領(lǐng)域的 9 系列,，包括麒麟 990、麒麟 980,、麒麟 970 等,。除此之外，麒麟還擁有 6 系,，7 系以及 8 系等面向中低端系列的芯片,；2）鯤鵬 芯片主要面向服務(wù)器領(lǐng)域，鯤鵬 920 芯片完全由華為自主研發(fā),，是全球第一款 7nm 的數(shù) 據(jù)中心 ARM 處理器,，主要適用于華為的泰山服務(wù)器；3）昇騰芯片是 AI 領(lǐng)域的處理器,， 昇騰芯片分為云端和邊緣端兩個系列,，云端（數(shù)據(jù)中心等大算力需求）為昇騰 910，邊 緣端（設(shè)備端等）為昇騰 310,，現(xiàn)階段運(yùn)用車端的主要是昇騰 310,；4）巴龍芯片是基帶 （通信）芯片，如支持 5G 雙模的巴龍 5000,，主要應(yīng)用在麒麟 980 和麒麟 990 上，其中 麒麟 990 還推出了集成巴龍 5000 基帶芯片的版本,；5）凌霄芯片是路由器芯片,，其中 Hi5651 芯片是業(yè)界首款 4 核 1.4GHz 家庭路由處理芯片。

　　基于昇騰 310 AI 芯片的 MDC 計(jì)算平臺是華為車端生態(tài)的堅(jiān)實(shí)根基,。在 2018 年推 出 MDC 計(jì)算平臺以及高階自動駕駛?cè)珬＝鉀Q方案,，包括分別對應(yīng)于 L3、L4 級自動駕 駛的 MDC 300 和 MDC 600 平臺,。MDC 集成了華為自研的 Host CPU 芯片,、AI 芯片,、 ISP 芯片與 SSD 控制芯片，并通過底層的軟硬件一體化調(diào)優(yōu),，在時間同步,、傳感器數(shù)據(jù) 精確處理、多節(jié)點(diǎn)實(shí)時通信,、最小化底噪,、低功耗管理、快速安全啟動等方面業(yè)界領(lǐng)先,。MDC 的核心是昇騰 310 芯片,，主要用于 AI 計(jì)算。昇騰 310 是一顆 N-SOC 芯片,，采用 自研達(dá)芬奇架構(gòu),，算力功耗 16TOPS/8W，12nm 工藝,，其主要應(yīng)用于整個邊緣端市場,， 2019 年底已量產(chǎn)可提供給工業(yè)領(lǐng)域客戶。

　　MDC 300 計(jì)算平臺支持 L3 級自動駕駛,。MDC 300 由華為昇騰 310 芯片,、華為鯤 鵬 CPU 芯片和英飛凌的 TC397 三部分構(gòu)成，算力為 64TOPS,，支持 L3 級自動駕駛需 求,，可接入 11 個攝像頭、6 個毫米波雷達(dá),、12 個超聲波雷達(dá),、6 個激光雷達(dá)。

　　MDC600 計(jì)算平臺支持 L4 及以上自動駕駛,。MDC 600 包括鯤鵬 CPU+8 塊昇騰 310+ISP,，支持 L4，算力為 352TOPS,，支持 L4 及以上自動駕駛,，可接入 16 個攝像頭、 16 個超聲波雷達(dá),、8 個激光雷達(dá),、6 個毫米波雷達(dá)。

　　MDC 是一套開放的車規(guī)級平臺,，優(yōu)勢突出,。1）高能效：整套計(jì)算平臺可實(shí)現(xiàn)端到 端 1TOPS/W 能效（芯片級高達(dá) 2TOPS/W 能效）。2）開放：MDC 具備組件服務(wù)化,、接 口標(biāo)準(zhǔn)化,、開發(fā)工具化的特性,，基于此平臺可快速開發(fā)、調(diào)測,、運(yùn)行自動駕駛算法與功 能,。針對不同級別的自動駕駛算力需求，MDC 可提供一套軟件架構(gòu),，不同硬件配置,， 內(nèi)部支持 ROS 與 Adaptive AutoSAR 軟件架構(gòu)，具備較好的跨域通信能力,。3）高安全：華為的自動駕駛?cè)珬＝鉀Q方案,、MDC 智能駕駛硬件平臺、車載操作系統(tǒng)鴻蒙內(nèi)核近期 均已通過 ASIL-D 功能安全認(rèn)證,。

　　在商業(yè)合作模式方面,，華為不提供芯片級別的解決方案，只提供 MDC 系統(tǒng)級產(chǎn)品,。已合作客戶包括奧迪,，一汽、沃爾沃,、東風(fēng),、蘇州金龍、山東浩睿智能,、新石器等,。

　　車企面對自動駕駛的快速開發(fā)和功能迭代，主要面臨幾大挑戰(zhàn)：1）處理海量數(shù)據(jù),， 成本高,。一輛測試車 1 小時產(chǎn)生 8TB 數(shù)據(jù)，一天按 8 小時,，一個月按 22 天計(jì)算,，單車 將產(chǎn)生約 1.3PB /月的數(shù)據(jù)，而有效數(shù)據(jù)僅為 0.05%,，同時還有 80 萬張/車/天圖片待人工 標(biāo)識,。2）訓(xùn)練及仿真需要優(yōu)異 AI 算法和強(qiáng)大算力。從訓(xùn)練和仿真來看,，單車預(yù)計(jì)需累 積里程 100+億公里,，300GPU/2 天模型訓(xùn)練，仿真測試則每天需處理 100 萬公里,。3）仿 真是自動駕駛持續(xù)提升安全的關(guān)鍵。仿真不可代替實(shí)車,，但是前期開發(fā)實(shí)驗(yàn)過程仿真可 快速實(shí)現(xiàn)和減少大量試錯成本,，不僅需要大量場景支持在線仿真,，同時也需要有以實(shí)車 為主的決策規(guī)劃仿真系統(tǒng)。4）工具分散不能統(tǒng)一管理?，F(xiàn)有工具多為煙囪式孤島,，分 散，不利于大數(shù)據(jù)的統(tǒng)一,、AI 能力的統(tǒng)一構(gòu)建,，及高效運(yùn)營管理。

　　華為“八爪魚”自動駕駛云服務(wù)是基于昇騰 910AI 芯片的數(shù)據(jù)中心云服務(wù),?！鞍俗?魚”自動駕駛云服務(wù)覆蓋自動駕駛數(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。

　　現(xiàn)階段自動駕駛云服務(wù)供應(yīng)商主要為華為,、英偉達(dá)兩家巨頭,。目前數(shù)據(jù)中心云端芯 片供應(yīng)商主要包括華為、英偉達(dá),、寒武紀(jì)等,，而 google、百度等均為自研內(nèi)供,。其他企 業(yè)需要數(shù)據(jù)中心云服務(wù)可通過直接外購云計(jì)算服務(wù)或者自建數(shù)據(jù)中心兩種放式,。

　　5.5. 地平線：對標(biāo) Mobileye，AI 芯片率先搭載 UNI-T 座艙域（略）

　　結(jié)論：地平線屬于強(qiáng)勢第 2 陣列,，模式與 Mobileye 類似,，對外主要提供解決方案 類產(chǎn)品（芯片+算法），未捆綁銷售,，AI 芯片于 2020 年已搭載在長安 UNI-T 座艙域,。自 動駕駛域芯片尚未搭載量產(chǎn)車，現(xiàn)階段主要針對 L2 級及以下市場,，對外提供芯片+算法 方案,。主要優(yōu)勢：1）作為中立第三方，芯片和算法可分開銷售或一體式解決方案,，受客 戶信任,；2）國產(chǎn)芯片，國內(nèi)優(yōu)選,。主要劣勢：1）現(xiàn)階段算力較低,，無豐富生態(tài)，創(chuàng)企 等,；2）尚未通過功能安全認(rèn)證,，無自動駕駛芯片量產(chǎn)車。

　　地平線成立于 2015 年 6 月,，創(chuàng)始人系百度深度學(xué)習(xí)研究院院長余凱博士,，學(xué)術(shù)背 景濃厚，2017 年被英特爾領(lǐng)投,。2017 年 12 月發(fā)布中國首款邊緣端人工智能視覺芯片征 程（Journey）系列和旭日（Sunrise）系列,。征程系列主要用于智能駕駛領(lǐng)域，旭日系列 主要用于物聯(lián)網(wǎng)領(lǐng)域,。合作伙伴包括奧迪,、博世、長安,、比亞迪,、上汽 ,、廣汽等國內(nèi)外 的頂級 Tier1，OEM 廠商,。

　　5.6. 寒武紀(jì)：源于中科院,，面向云邊端全領(lǐng)域（略）

　　結(jié)論：寒武紀(jì)屬于第 2 陣列，或從車路協(xié)同,、云服務(wù)（數(shù)據(jù)中心）等領(lǐng)域?qū)崿F(xiàn)快速 切入。主要優(yōu)勢：1）云邊端三類產(chǎn)品可從各種商業(yè)模式供應(yīng)給智能車產(chǎn)業(yè)領(lǐng)域,，云端 產(chǎn)品可供應(yīng)車企/Tier 1 數(shù)據(jù)中心或提供給云服務(wù)供應(yīng)商,；邊緣端產(chǎn)品供應(yīng)給政府類客戶 用于車路協(xié)同設(shè)備使用；邊緣/終端產(chǎn)品供應(yīng)給主機(jī)廠等,。2）國產(chǎn)芯片,，國內(nèi)優(yōu)選、中 立第三方,。主要劣勢：1）與車企合作較少,，無豐富生態(tài)，創(chuàng)企等,；2）尚未通過功能安 全認(rèn)證,。

　　寒武紀(jì)是智能芯片領(lǐng)域的先行者。寒武紀(jì)創(chuàng)始團(tuán)隊(duì)源于中科院,，并長期致力于在人 工智能與處理器架構(gòu)交叉研究,，DianNao、DaDianNao,、PuDianNao,、ShiDianNao、 DianNaoYu 等系列深度學(xué)習(xí)處理器架構(gòu)或指令集成果在國際學(xué)術(shù)界引起的轟動性效應(yīng),。隨著研究成果趨于成熟,，2016 年寒武紀(jì)公司成立，并著手將其芯片和指令集業(yè)務(wù)向商用 方向轉(zhuǎn)化,，截止目前,，寒武紀(jì)是國際上少數(shù)幾家全面系統(tǒng)掌握了智能芯片及其基礎(chǔ)系統(tǒng) 軟件研發(fā)和產(chǎn)品化核心技術(shù)的企業(yè)之一。

　　寒武紀(jì)產(chǎn)品覆蓋云端,、邊緣端,、終端。寒武紀(jì)已面向云端,、邊緣端,、終端推出了三 個系列不同品類的通用型智能芯片與加速卡產(chǎn)品，以及共用相同自研指令集,、處理器架 構(gòu)和基礎(chǔ)系統(tǒng)軟件平臺,，完成了“云邊端一體化”建設(shè)，可覆蓋人工智能領(lǐng)域高度多樣 化的應(yīng)用場景（如視覺、語音,、自然語言理解,、機(jī)器學(xué)習(xí)等）。

　　5.7. 域控制器 AI 芯片潛在進(jìn)入者

　　AI 芯片具備成為域控制器 AI 芯片的潛質(zhì)：1）需要通過車規(guī)級/功能安全標(biāo)準(zhǔn),；2） 算力至少應(yīng)為 TOPS 量級,；3）能效比（算力/功耗）應(yīng) TOPS/W 量級；4）與主機(jī)廠或 Tier1 供應(yīng)商較長時間的合作適配等幾個特點(diǎn),。

　　邊緣端芯片公司：以下廠商均未涉及汽車領(lǐng)域,，更未通過車規(guī)級。比特大陸產(chǎn)品主 要用于礦機(jī)芯片,，功耗過高,；云天勵飛算力較低。

　　云端 AI 芯片公司：1）百度,、谷歌在自動駕駛領(lǐng)域布局最多,，主要針對 L4 級以上 自動駕駛領(lǐng)域，自研硬件,、算法,、編程框架等。例如百度自研算法,、編程框架 PaddlePadlle,， 其昆侖芯片為云端芯片，目前已搭載于服務(wù)器,，具備開發(fā)自動駕駛域 AI 芯片的技術(shù)能 力,。2）阿里、騰訊通過投資創(chuàng)企或設(shè)立企業(yè)進(jìn)行布局 AI 芯片,，芯片主要對內(nèi)提供數(shù)據(jù) 中心云端芯片,，暫不涉及自動駕駛領(lǐng)域。3）國內(nèi)外云端創(chuàng)企如 Grop,、Graphcore,、依圖 科技等暫時主要針對數(shù)據(jù)中心云端芯片，短期內(nèi)無法布局更多領(lǐng)域,。

　　FPGA 芯片公司：主要為賽靈思（美國）,，深鑒科技（賽靈思收購），阿爾特拉（英 特爾收購）,。整體算力較低,，能效比低于 N-SOC，通用性能低于 GPU,，需要 Tier 1 級供 應(yīng)商定制化芯片結(jié)構(gòu)以及提供一整套的算法應(yīng)用方案,。

　　傳統(tǒng)汽車電子巨頭：瑞薩電子,、NXP、英飛凌,、TI 等均部署自動駕駛領(lǐng)域計(jì)算平臺 產(chǎn)品,。但現(xiàn)階段提供的計(jì)算平臺產(chǎn)品仍屬于 CPU 占主導(dǎo)的范疇，AI 算力較低,，而且能 耗較大,。部分企業(yè)通過并購或投資 AI 芯片創(chuàng)企的方式快速切入汽車 AI 芯片領(lǐng)域。