在我國汽車 “新四化”主流發(fā)展趨勢,、半導(dǎo)體行業(yè)整體供應(yīng)趨勢以及復(fù)雜國際關(guān)系背景下,發(fā)展國產(chǎn)汽車芯片的重要性和緊迫性日益凸顯,。我國政府主管部門出臺了一系列相關(guān)政策,也涌現(xiàn)出了一批國產(chǎn)汽車芯片 設(shè)計公司,比如地平線、黑芝麻,、紫光國微,產(chǎn)品涉及了自動駕駛 Al,、 MCU,、功率器件、安全芯片等多個方向,。

汽車芯片的產(chǎn)業(yè)鏈中,，上游一般為基礎(chǔ)半導(dǎo)體材料(硅片、光刻膠,、CMP拋光液等),、制造設(shè)備和晶圓制造流程(芯片設(shè)計、晶圓代工和封裝檢測);中游一般指汽車芯片制造環(huán)節(jié),，包括智能駕駛芯片制造(GPU芯片,、FPGA芯片、ASIC芯片),，輔助駕駛系統(tǒng)芯片制造(ADAS芯片),、車身控制芯片制造(MCU芯片)等;下游包含了汽車車載系統(tǒng)制造、車用儀表制造以及整車制造環(huán)節(jié),。

汽車半導(dǎo)體是汽車的核心部件,，持續(xù)的政策紅利推動行業(yè)快速發(fā)展。半導(dǎo)體廣泛分布于汽車的各個控制及電源管理系統(tǒng),，是整車機(jī)構(gòu)部件的“大腦”,，協(xié)調(diào)汽車的正常駕駛功能。為了促進(jìn)汽車半導(dǎo)體產(chǎn)業(yè)的快速發(fā)展,，彌補(bǔ)國內(nèi)相關(guān)產(chǎn)業(yè)的不足,，國家持續(xù)密集發(fā)布了一系列關(guān)于汽車半導(dǎo)體的政策法規(guī)，支持汽車半導(dǎo)體行業(yè)不斷完善產(chǎn)業(yè)鏈和持續(xù)實現(xiàn)技術(shù)突破,，為產(chǎn)業(yè)的健康發(fā)展保駕護(hù)航,。

汽車半導(dǎo)體按照在車身上的不同應(yīng)用領(lǐng)域可以分為計算及控制芯片、存儲芯片,、傳感器芯片,、通信芯,、功率芯片等。車內(nèi)負(fù)責(zé)計算和控制的芯片主要分為功能芯片 (MCU) 和主控芯片 (SOC),由于在車中發(fā)揮著重要作用,是當(dāng)下行業(yè)的重點(diǎn)關(guān)注方向,目前在整個汽車半導(dǎo)體中的市場占比約為 30%,。MCU指的是芯片級芯片.一般只包含CPU 一個處理單元(例:MCU=CPU+ 存儲+接口單元),而OC 指的是系統(tǒng)級芯片,一般包含多個處理單元(例:SOC=CPU+GPU+DSP+NPU+ 存儲+接口單元),。在商業(yè)模式方面,汽車芯片廠家在傳統(tǒng)商業(yè)合作模式中一般面向 Tier1,提供基本的芯片硬件和驅(qū)動,不會直接面向主機(jī)廠,而在 SOA、新能源汽車,、5G 等技術(shù)的蓬勃發(fā)展加持之下,傳統(tǒng)的汽車電子商業(yè)生態(tài)平衡正在被打破,產(chǎn)業(yè)鏈上掌握關(guān)鍵資源和核心技術(shù)的環(huán)節(jié)正在重塑全新的商業(yè)模式,。

功率半導(dǎo)體，在傳統(tǒng)汽車中主要應(yīng)用在啟動與發(fā)電,、安全等領(lǐng)域,，例如動力控制系統(tǒng)、照明系統(tǒng),、燃油噴射,、底盤安全等系統(tǒng)中;它負(fù)責(zé)功率轉(zhuǎn)換，用于電源和接口,、控制電路開斷,、電壓升降、交流和直流電轉(zhuǎn)換等,。功率半導(dǎo)體的成本,，新能源汽車遠(yuǎn)高于傳統(tǒng)燃油車。新能源汽車中為了提高效率,，一般采用高電壓電路進(jìn)行電機(jī)驅(qū)動,，但也需要兼顧儀表盤、電動車窗等低壓用電需求,，因此需要頻繁進(jìn)行電壓變化,。傳統(tǒng)燃油車半導(dǎo)體功率成本約是60美元，電動車采用的功率器件達(dá)350美元,，特斯拉的功率器件更是高達(dá)650美元,。

隨著汽車往智能化的發(fā)展,特別是智能座艙和自動駕駛概念的興起,對汽車的算力提出了更高的要求,傳統(tǒng)的功能芯片已無法滿足算力需求,主控芯片應(yīng)運(yùn)而生。隨著自動駕駛等創(chuàng)新應(yīng)用基于海量數(shù)據(jù)分析發(fā)展而來,自動駕駛所需要的環(huán)境感知,、物體識別等應(yīng)用要求極快的計算響應(yīng),通常利用深度神經(jīng)網(wǎng)絡(luò)算法,。在保證性能快效率高的同時,功耗不能過高,不能對自動駕駛汽車的續(xù)航里程造成較大影響,對計算芯片的效率提出更高要求,計算芯片體系架構(gòu)不斷發(fā)展,由通用計算向?qū)Ｓ糜嬎阊由臁．?dāng)前主流的自動駕駛計算芯片在處理深度學(xué)習(xí) A 算法方面主要有可分為 GPU,、 ASIC,、FPGA、DSP 等幾類,選擇最佳解決方案通常與多種因素有關(guān),例如應(yīng)用場景,、芯片規(guī)格(包括硬件接口,、功耗等)、設(shè)計約束、軟件工具鏈以及上市時間節(jié)奏等,。

智能汽車時代,Al 計算芯片就是數(shù)字發(fā)動機(jī),提供智能汽車最重要的硬件基石則是算力,。當(dāng)前算力不足已經(jīng)成為智能汽車發(fā)展的核心瓶頸,算力的持續(xù)提升是汽車智能化進(jìn)步的標(biāo)志,每增加一級自動駕等級,算力需求十倍上升,自動駕駛每往上走一級。所需要的芯片算力就要翻一個數(shù)量等級,。

汽車芯片,，充滿想象。位于兩大巨型工業(yè)行業(yè)的結(jié)合點(diǎn),，汽車電子芯片毫無疑問地?fù)碛袕V闊市場發(fā)展空間以及創(chuàng)新機(jī)遇,。但這個領(lǐng)域的專業(yè)性要求較高，因此對任何一個汽車芯片的發(fā)展方向,，我們依然任重道遠(yuǎn)，需要細(xì)致深入探索,。