汽車智能化報(bào)告：從芯片到軟件車載計(jì)算平臺(tái)產(chǎn)業(yè)鏈全面拆解

1、行業(yè)研究Page 3內(nèi)容目錄決策篇：. 6車載計(jì)算平臺(tái)由硬件平臺(tái)+系統(tǒng)軟件+功能軟件構(gòu)成. 6EEA 架構(gòu)逐漸走向域集中，DCU 應(yīng)運(yùn)而生 . 6單車智能化逐步提升，對(duì)計(jì)算平臺(tái)的需求持續(xù)增加 . 9硬件平臺(tái)之一：芯片 . 11計(jì)算芯片是算力時(shí)代下智能網(wǎng)聯(lián)汽車的核心 .11傳統(tǒng) MCU：MCU 需求穩(wěn)步增長(zhǎng)，海外寡頭長(zhǎng)期壟斷. 12智能座艙 SoC：高通在中高端數(shù)字座艙呈現(xiàn)壟斷局面 . 14自動(dòng)駕駛 SoC：CPU+XPU 是當(dāng)前主流，英偉達(dá)當(dāng)前領(lǐng)先 . 15評(píng)估芯片性能，算力、能耗、效率缺一不可 . 19硬件平臺(tái)之二：域控制器. 21面向高階自動(dòng)駕駛，異構(gòu)多核硬件架構(gòu)成為趨勢(shì). 21高性能 S

2、oC 主芯片占整體域控制器的主要成本. 22OEM 自研、系統(tǒng)集成商、軟件平臺(tái)商三方勢(shì)力各顯身手 . 22系統(tǒng)軟件之一：操作系統(tǒng). 25操作系統(tǒng)標(biāo)準(zhǔn)與分類：車控 OS 與座艙 OS . 25QNX、Linux、VxWorks 是主要的底層內(nèi)核. 26QNX+Linux 或 QNX+Android 是當(dāng)前的主流趨勢(shì). 27系統(tǒng)軟件之二：硬件抽象層與中間件層 . 29硬件抽象層之一 BSP：主板硬件與操作系統(tǒng)之間的橋梁 . 29硬件抽象層之二 Hypervisor：虛擬化平臺(tái)，跨平臺(tái)應(yīng)用的重要途徑 . 29中間件層：助力軟硬件解耦分離，提升應(yīng)用層開(kāi)發(fā)效率 . 32功能軟件、工具鏈及應(yīng)用軟件： .

3、34功能軟件：自動(dòng)駕駛的核心共性功能模塊. 34工具鏈：提升平臺(tái)軟硬件研發(fā)效率的重要途徑. 35應(yīng)用軟件：OEM 品牌智能化產(chǎn)品力的直接體現(xiàn). 35相關(guān)公司：中科創(chuàng)達(dá)、德賽西威、光庭信息、東軟集團(tuán)、四維圖新、經(jīng)緯恒潤(rùn) . 38中科創(chuàng)達(dá)（300496.SZ）：全球領(lǐng)先的智能平臺(tái)技術(shù)服務(wù)提供商 . 38德賽西威（002920.SZ）：汽車電子 Tier 1 龍頭，ADAS 先發(fā)優(yōu)勢(shì)顯著. 39光庭信息（301221.SZ）：領(lǐng)先的智能汽車軟件解決方案提供商 . 40東軟集團(tuán)（600718.SH）：智能汽車?yán)顺睘槔吓栖浖堫^注入活力 . 41四維圖新（002405.SZ）：地圖為基、芯片鑄魂，打造汽

4、車智能領(lǐng)導(dǎo)者. 41經(jīng)緯恒潤(rùn)（A21257.SH）：領(lǐng)先的綜合電子系統(tǒng)科技服務(wù)龍頭 . 42國(guó)信證券投資評(píng)級(jí). 45分析師承諾 . 45風(fēng)險(xiǎn)提示. 45證券投資咨詢業(yè)務(wù)的說(shuō)明. 45請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧圖表目錄圖 1：汽車智能化產(chǎn)業(yè)地圖之車載計(jì)算平臺(tái). 6圖 2：分布式架構(gòu)下車輛 ECU 通過(guò) CAN 總線連接 . 7圖 3：大量 ECU 分布在車輛全身各處. 7圖 4：汽車電子電氣架構(gòu)的發(fā)展路徑. 7圖 5：域集中式的 EEA 架構(gòu) . 7圖 6：基于功能域劃分的大眾 MEB 架構(gòu). 8圖 7：特斯拉 Model 3 的基于區(qū)域劃分的域控制器 . 9圖 8：功能

5、域與空間域劃分方式的優(yōu)劣勢(shì). 9圖 9：L2-5 級(jí)各類傳感器的搭配方案. 10圖 10：不同等級(jí)自動(dòng)駕駛對(duì)算力的需求 . 11圖 11：汽車半導(dǎo)體分類結(jié)構(gòu) . 11圖 12：MCU 芯片典型構(gòu)架. 12圖 13：SoC 芯片典型構(gòu)架. 12圖 14：2019-2026E 全球車規(guī)級(jí) SoC 市場(chǎng)規(guī)模（億美元）. 12圖 15：MCU 工作原理. 13圖 16：不同類型汽車所需的 MCU 數(shù)量（顆/車）. 13圖 17：2020-2026E 全球 MCU 市場(chǎng)規(guī)模（億美元）. 14圖 18：2020-2026E 中國(guó) MCU 市場(chǎng)規(guī)模（億元） . 14圖 19：2020 年全球車規(guī)級(jí) MCU

6、市場(chǎng)格局. 14圖 20：GPU 和 CPU 的架構(gòu)示意圖 . 16圖 21：英偉達(dá) Xavier 芯片架構(gòu). 17圖 22：特斯拉 FSD 芯片架構(gòu) . 17圖 14：Mobileye Eye Q5 電路系統(tǒng)塊圖. 17圖 15：地平線征程 2 芯片架構(gòu) . 17圖 23：Waymo 的 CPU+FPGA 架構(gòu)示意圖. 18圖 24：卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算原理. 20圖 25：地平線定義的芯片 AI 效能三要素 . 20圖 26：特斯拉 HW 3.0 實(shí)物圖 . 22圖 27：域控制器的競(jìng)爭(zhēng)格局 . 23圖 28：AUTOSAR 制定者及合作廠商（截至 2022.1）. 25圖 29：CP AU

7、TOSAR 和 AP AUTOSAR . 26圖 29：2021 年全球智能座艙操作系統(tǒng)競(jìng)爭(zhēng)格局. 27圖 30：全球車載操作系統(tǒng)市場(chǎng)格局變化 . 27圖 31：不同類型的定制車機(jī)系統(tǒng). 28圖 32：BSP 在軟件系統(tǒng)中的位置. 29圖 33：Hypervisor（虛擬機(jī)）的工作原理. 30圖 34：基于 QNX Hypervisor 虛擬技術(shù)運(yùn)行的多操作系統(tǒng)架構(gòu). 31圖 35：中間件層的位置與作用 . 32圖 36：RTE 實(shí)現(xiàn)基礎(chǔ)軟件與應(yīng)用軟件的分離 . 32圖 37：集成 DDS 的 AUTOSAR 平臺(tái). 33圖 38：功能軟件基本架構(gòu). 34圖 39：智能駕駛?cè)箢愋屯ㄓ媚Ｐ?.

8、 34圖 40：2020 年國(guó)內(nèi)高精度地圖市場(chǎng)份額 . 37圖 41：2020-2025E 國(guó)內(nèi)高精度地圖市場(chǎng)規(guī)模（億美元）. 37圖 42：2020 年國(guó)內(nèi)車載語(yǔ)音市場(chǎng)份額 . 38圖 43：中科創(chuàng)達(dá)發(fā)布基于高通 SA8295 的座艙解決方案. 39圖 44：中科創(chuàng)達(dá)的 E-cockpit 智能座艙解決方案. 39圖 45：德賽西威產(chǎn)品布局. 40圖 46：德賽西威域控制器產(chǎn)品矩陣 . 40圖 47：光庭信息汽車業(yè)務(wù)布局情況 . 40圖 48：光庭信息的智能座艙產(chǎn)品布局. 40圖 49：東軟大汽車整體業(yè)務(wù)布局. 41圖 50：東軟睿馳面向 SDV 的產(chǎn)品與解決方案. 41圖 51：四維圖新整

9、體戰(zhàn)略布局 . 42圖 52：杰發(fā)科技智能座艙 SoC 芯片 AC8015. 42圖 53：經(jīng)緯恒潤(rùn)業(yè)務(wù)布局. 43請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧圖 54：經(jīng)緯恒潤(rùn)的主要國(guó)內(nèi)外客戶 . 43表 1：五大功能域控制器功能介紹 . 8表 2：自動(dòng)駕駛分級(jí) L0-L5 . 10表 3：各級(jí)別自動(dòng)駕駛對(duì)傳感器數(shù)量的需求量 . 10表 4：不同位數(shù) MCU 常見(jiàn)應(yīng)用場(chǎng)景. 13表 5：目前主流智能座艙 SoC 芯片全梳理. 15表 6：CPU、GPU、FPGA、ASIC 之間的區(qū)別. 16表 7：目前主流自動(dòng)駕駛 SoC 芯片全梳理. 18表 8：特斯拉 HW 3.0 FSD 主控芯

10、片成本拆解 . 22表 9：全球主要智能座艙域控制器廠商梳理. 23表 10：全球主要自動(dòng)駕駛域控制器廠商梳理. 24表 11：常見(jiàn) OS 內(nèi)核對(duì)比. 27表 12：各家 OEM 所采用的車機(jī) OS 以及底層內(nèi)核 . 28表 13：主要 Hypervisor 介紹. 31表 14：中國(guó)供應(yīng)商 AUTOSAR 業(yè)務(wù)進(jìn)展. 33表 15：車載計(jì)算平臺(tái)全棧式工具鏈 . 35表 16：自動(dòng)駕駛算法的主要分類及作用 . 36表 17：高精度地圖與傳統(tǒng)地圖的比較. 36表 18：高精度地圖是 L3 及以上自動(dòng)駕駛的必備 . 37表 19：全球車載語(yǔ)音市場(chǎng)的主要玩家. 38請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全

11、球視野 本土智慧決策篇：車載計(jì)算平臺(tái)由硬件平臺(tái)+系統(tǒng)軟件+功能軟件構(gòu)成智能駕駛產(chǎn)業(yè)主要可以分為感知層、決策層與執(zhí)行層，本篇是汽車智能化系列專題的第二篇，主要圍繞著汽車智能化的決策層展開(kāi)。本篇報(bào)告針對(duì)車載計(jì)算平臺(tái)全產(chǎn)業(yè)鏈的每個(gè)細(xì)分環(huán)節(jié)，從其概念、技術(shù)路徑、發(fā)展趨勢(shì)、競(jìng)爭(zhēng)格局等內(nèi)容展開(kāi)。車載計(jì)算平臺(tái)是智能網(wǎng)聯(lián)汽車的“大腦”，從硬件到軟件主要包括：（1）異構(gòu)硬件平臺(tái)：CPU 計(jì)算單元、AI 單元（GPU、ASIC、FPGA）、MCU控制單元、存儲(chǔ)、ISP 等其他硬件組成的自動(dòng)駕駛域控制器；（2）系統(tǒng)軟件：硬件抽象層（Hypervisor、BSP）、操作系統(tǒng)內(nèi)核（QNX/Linux/Andriod/V

12、xworks）、中間件組件等；（3）功能軟件：自動(dòng)駕駛通用框架（感知、決策、執(zhí)行）、功能軟件通用框架（數(shù)據(jù)抽象/數(shù)據(jù)流框架/基礎(chǔ)服務(wù)）；（4）其他：工具鏈（開(kāi)發(fā)、仿真、調(diào)試、測(cè)試等）、以及安全體系（功能安全、信息安全等）。圖 1：汽車智能化產(chǎn)業(yè)地圖之車載計(jì)算平臺(tái)資料來(lái)源：億歐智庫(kù)，國(guó)信證券經(jīng)濟(jì)研究所整理EEA 架構(gòu)逐漸走向域集中，DCU 應(yīng)運(yùn)而生單車 ECU 數(shù)量激增，無(wú)法滿足汽車智能化的需求。1980 年代開(kāi)始，以機(jī)械為主宰的汽車行業(yè)內(nèi)掀起一場(chǎng)電子電氣化革命，電子控制單元（Electronic ControlUnit，ECU）占領(lǐng)了整個(gè)汽車，此時(shí)的汽車電子電氣架構(gòu)都是分布式的，各個(gè)ECU 都

13、通過(guò) CAN（Controller Area Network，控制器域網(wǎng)絡(luò)）或 LIN（Local請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧Interconnect Network，局部互聯(lián)網(wǎng)絡(luò)）總線連接在一起，通過(guò)工程師預(yù)設(shè)好的通信協(xié)議交換信息。在傳統(tǒng)的 EEA 架構(gòu)下，ECU 是系統(tǒng)的核心，智能功能的升級(jí)依賴于 ECU 數(shù)量的累加。原有智能化升級(jí)方式面臨研發(fā)和生產(chǎn)成本劇增、安全性降低、算力不足等問(wèn)題，傳統(tǒng)分布式架構(gòu)亟需升級(jí)，傳統(tǒng) EEA 架構(gòu)主要面臨以下問(wèn)題：（1）控制器數(shù)量過(guò)多：各級(jí)別汽車 ECU 數(shù)量都在逐年遞增，每臺(tái)汽車搭載的 ECU 平均 25個(gè)，一些高端車型通常會(huì)超過(guò) 1

14、00 個(gè)；（2）線束布置過(guò)于復(fù)雜：ECU 數(shù)量越多，總線數(shù)量必將更長(zhǎng)，2000 年奔馳 S 級(jí)轎車的電子系統(tǒng)已經(jīng)擁有 80 個(gè) ECU，1,900 條總長(zhǎng)達(dá) 4km 的通信總線。2007 年奧迪 Q7 和保時(shí)捷卡宴的總線長(zhǎng)度突破 6km，重量超過(guò) 70kg，基本成為位列發(fā)動(dòng)機(jī)之后的全車第二重部件；（3）“跨域”信號(hào)傳輸需求增加：智能駕駛需要大量的“跨域”信號(hào)傳輸，環(huán)境傳感器（雷達(dá)，視頻和激光雷達(dá)）產(chǎn)生了大量數(shù)據(jù)傳輸?shù)男枨?，這也對(duì)傳統(tǒng)分散式 ECU 基礎(chǔ)架構(gòu)提出了挑戰(zhàn)。圖 2：分布式架構(gòu)下車輛 ECU 通過(guò) CAN 總線連接圖 3：大量 ECU 分布在車輛全身各處資料來(lái)源：博世，國(guó)信證券經(jīng)濟(jì)研究

15、所整理資料來(lái)源：高通，國(guó)信證券經(jīng)濟(jì)研究所整理為適應(yīng)智能化需求，催生出以 DCU 為主的域集中架構(gòu)。為了控制總線長(zhǎng)度、降低 ECU 數(shù)量，從而降低電子部件重量、降低整車制造成本，將分散的控制器按照功能域劃分、集成為運(yùn)算能力更強(qiáng)的域控制器（Domain Control Unit，DCU）的想法應(yīng)運(yùn)而生。博世用三類 EEA 架構(gòu)共六個(gè)階段來(lái)展示架構(gòu)演進(jìn)方向：分布式（模塊化、集成化）、域集中式（集中化、域融合）、集中式（車載電腦、車-云計(jì)算）。圖 4：汽車電子電氣架構(gòu)的發(fā)展路徑圖 5：域集中式的 EEA 架構(gòu)資料來(lái)源：ETAS，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：博世，國(guó)信證券經(jīng)濟(jì)研究所整理請(qǐng)務(wù)必閱讀正文

16、之后的免責(zé)條款部分全球視野 本土智慧功能域與空間域是當(dāng)前域控制器發(fā)展的兩條路徑。域控制器根據(jù)劃分方式，主要可以分為以五大功能域劃分和以車輛特定物理區(qū)域劃分兩種，相較于純粹以功能為導(dǎo)向的域控制器，空間域劃分的集中化程度更高，對(duì) OEM 廠商自身開(kāi)發(fā)能力要求也會(huì)更高：（1）基于功能劃分的域控制器：典型代表博世、大陸等傳統(tǒng) Tier 1博世、大陸等傳統(tǒng) Tier 1 將汽車 EEA 架構(gòu)按功能劃分為動(dòng)力域（安全）、底盤域（車輛運(yùn)動(dòng)）、信息娛樂(lè)域（座艙域）、自動(dòng)駕駛域（輔助駕駛）和車身域（車身電子）五大區(qū)域。每個(gè)區(qū)域?qū)?yīng)推出相應(yīng)的域控制器，最后再通過(guò)CAN/LIN 等通訊方式連接至主干線甚至托管至云端

17、，從而實(shí)現(xiàn)整車信息數(shù)據(jù)的交互。表 1：五大功能域控制器功能介紹圖 6：基于功能域劃分的大眾 MEB 架構(gòu)功能域域控制器功能介紹動(dòng)力域負(fù)責(zé)動(dòng)力總成的優(yōu)化與控制，同時(shí)兼具電氣智能故障診斷、智能節(jié)電、總線通信等功能（安全）負(fù)責(zé)具體的汽車行駛控制，需要對(duì)包括助力轉(zhuǎn)向系統(tǒng)（EPS）、車身穩(wěn)定系統(tǒng)（ESC）、電動(dòng)剎車助力器、安全氣囊控制系統(tǒng)等在內(nèi)的系統(tǒng)進(jìn)行統(tǒng)一的控制汽車座艙電子系統(tǒng)功能，可融合傳統(tǒng)的車載信息系統(tǒng)（儀表）和車載娛樂(lè)系統(tǒng)（IVI）等功能，同時(shí)集成駕駛員監(jiān)控系統(tǒng)、360 環(huán)視系統(tǒng)、AR HUD、行車記錄儀和空調(diào)控制器等功能底盤域（車輛運(yùn)動(dòng)）信息娛樂(lè)域（座艙域）具備多傳感器融合、定位、路徑規(guī)劃、決

18、策控制、無(wú)線通訊、高速通訊的能力，通常需要外接多個(gè)攝像頭、毫米波雷達(dá)、激光雷達(dá)等設(shè)備，完成的功能包含圖像識(shí)別、數(shù)據(jù)處理等自動(dòng)駕駛域（輔助駕駛）負(fù)責(zé)傳統(tǒng)車身功能的整體控制，無(wú)鑰匙進(jìn)入和啟動(dòng)（PEPS）、車窗控制、天窗控制、空調(diào)模塊、座椅模塊等。由于車身域控制器涉及安全等級(jí)較低，有望率先實(shí)現(xiàn)與智能座艙域的融合車身域（車身電子）資料來(lái)源：蓋世汽車，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：大眾，國(guó)信證券經(jīng)濟(jì)研究所整理（2）基于空間劃分的域控制器：典型代表特斯拉基于空間劃分的域控制器是以車輛特定物理區(qū)域?yàn)檫吔鐏?lái)進(jìn)行功能劃分，相較于純粹以功能為導(dǎo)向的域控制器，其集中化程度更高。特斯拉則是其中的典型代表，2012

19、年 Model S 還是以典型的功能域劃分為主，2017 年推出 Model 3則直接進(jìn)入準(zhǔn)中央架構(gòu)階段，特斯拉的 EE 架構(gòu)只有三大部分，包括 CCM（中央計(jì)算模塊）、BCM LH（左車身控制模塊）、BCM RH（右車身控制模塊）。中央計(jì)算模塊直接整合了駕駛輔助系統(tǒng)（ADAS）和信息娛樂(lè)系統(tǒng)（IVI）兩大域，以及外部連接和車內(nèi)通信系統(tǒng)域功能；左車身控制模塊和右車身控制模塊分別負(fù)責(zé)剩下的車身與便利系統(tǒng)、底盤與安全系統(tǒng)和部分動(dòng)力系統(tǒng)的功能。特斯拉的準(zhǔn)中央 E/E 架構(gòu)已帶來(lái)了線束革命，Model S/Model X 整車線束的長(zhǎng)度是 3 公里，Model 3 整車線束的長(zhǎng)度縮短到了 1.5 公里

20、，Model Y 進(jìn)一步縮短到1 公里左右，特斯拉最終的計(jì)劃是將線束長(zhǎng)度縮短至 100 米。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧圖 7：特斯拉 Model 3 的基于區(qū)域劃分的域控制器資料來(lái)源：特斯拉，國(guó)信證券經(jīng)濟(jì)研究所整理以功能域劃分的域集中式會(huì)是大部分主機(jī)廠當(dāng)下的主要選擇。采用功能域還是空間域，核心還是取決于 OEM 自身的實(shí)力和與供應(yīng)商體系的博弈，OEM 未來(lái)會(huì)加大垂直整合程度，將核心軟硬件盡可能掌握在自己手中，形成技術(shù)壁壘。但是目前來(lái)看，以大部分主機(jī)廠和 Tier 1 自身的戰(zhàn)略布局，預(yù)計(jì)大部分主機(jī)廠仍會(huì)使用混合域的 EEA 架構(gòu)，即部分功能域集中化，形成“分布式 ECU

21、+域控制器”的過(guò)渡方案，最后形成“Super controlle（r 中央超級(jí)計(jì)算機(jī)）+ Zonal controlunit（區(qū)控制器）”的架構(gòu)，這一演進(jìn)過(guò)程可能長(zhǎng)達(dá) 5-10 年。圖 8：功能域與空間域劃分方式的優(yōu)劣勢(shì)資料來(lái)源：LEAN IN，國(guó)信證券經(jīng)濟(jì)研究所整理單車智能化逐步提升，對(duì)計(jì)算平臺(tái)的需求持續(xù)增加當(dāng)前自動(dòng)駕駛正處在 L2 向 L3 級(jí)別跨越發(fā)展的關(guān)鍵階段。其中，L2 級(jí)的 ADAS是實(shí)現(xiàn)高等級(jí)自動(dòng)駕駛的基礎(chǔ)，從全球各車企自動(dòng)駕駛量產(chǎn)時(shí)間表來(lái)看，L3 級(jí)別自動(dòng)駕駛即將迎來(lái)大規(guī)模地商業(yè)化落地。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧表 2：自動(dòng)駕駛分級(jí) L0-L5美國(guó)國(guó)家公

22、路安全管理局（NHTSA）、美國(guó)汽車工程師協(xié)會(huì)（SAE）自動(dòng)駕駛分級(jí)標(biāo)準(zhǔn)NHTSASAEL0L1L2L3L4分級(jí)L0L1L2L3L4L5名稱（SAE）無(wú)自動(dòng)化駕駛支持部分自動(dòng)化有條件自動(dòng)化高度自動(dòng)化完全自動(dòng)化通過(guò)駕駛環(huán)境對(duì)方向盤和加速減速中的多項(xiàng)操作提供支持，其余由人類操作由人類駕駛者全 權(quán) 駕 駛 汽車，在行駛過(guò)程中可以得到警告通過(guò)駕駛環(huán)境對(duì)方向盤和加速減速中的一項(xiàng)操作提供支持，其余由人類操作由無(wú)人駕駛系統(tǒng)完成所有的駕駛操作，根據(jù)系統(tǒng)要求，人類提供適當(dāng)?shù)膽?yīng)答由無(wú)人駕駛系統(tǒng)完成所有的駕駛操作，根據(jù)系統(tǒng)要求，人類不一定提供所有的應(yīng)答。限定道路和環(huán)境條件由無(wú)人駕駛系統(tǒng)完成所有的駕駛操作，可能的情況

23、下，人類接管，不限定道路和環(huán)境條件SAE 定義人類駕駛者/系駕駛操作人類駕駛者系統(tǒng)統(tǒng)主體周邊監(jiān)控支援人類駕駛者系統(tǒng)人類駕駛者系統(tǒng)系統(tǒng)作用域無(wú)全域資料來(lái)源：NHTSA，SAE、國(guó)信證券經(jīng)濟(jì)研究所整理隨著自動(dòng)駕駛級(jí)別的提升，單車傳感器的數(shù)量呈倍級(jí)增加。預(yù)計(jì)自動(dòng)駕駛 Level1-2 級(jí)需要 10-20 個(gè)傳感器，Level 3 級(jí)需要 20-30 個(gè)傳感器，Level 4-5 級(jí)需要40-50 個(gè)傳感器。Level 1-2 級(jí)別：通常具有 1 個(gè)前置遠(yuǎn)程雷達(dá)和 1 個(gè)攝像頭，用于自適應(yīng)巡航控制，緊急制動(dòng)輔助和車道偏離警告/輔助。2 個(gè)向后的中程雷達(dá)可實(shí)現(xiàn)盲點(diǎn)檢測(cè)，外加 4 個(gè)攝像頭和 12 個(gè)超聲

24、波雷達(dá)則可實(shí)現(xiàn) 360 度視角的泊車輔助功能。預(yù)計(jì) Level 1-2 的總傳感器數(shù)量約為 10-20 個(gè)左右。Level 3 級(jí)別：在 Level 1-2 配置的基礎(chǔ)上，外加 1 個(gè)遠(yuǎn)程激光雷達(dá)，由于主動(dòng)距離測(cè)量，激光雷達(dá)還具有高分辨率，廣角和高精度的特點(diǎn)，這對(duì)于檢測(cè)和分類對(duì)象或跟蹤地標(biāo)以進(jìn)行定位將是必需的。對(duì)于高速公路領(lǐng)航系統(tǒng)（Highway pilot）應(yīng)用，通常會(huì)額外增加 1 顆后向的遠(yuǎn)程激光雷達(dá)。預(yù)計(jì)會(huì)使用 6-8 個(gè)攝像頭，8-12 個(gè)超聲波雷達(dá)和 4-8 個(gè)毫米波雷達(dá)，以及 1 個(gè)激光雷達(dá)，因此，預(yù)計(jì) Level 3 的傳感器總數(shù)量會(huì)在 20-30 個(gè)左右。Level 4-5 級(jí)

25、別：通常需要多種傳感器進(jìn)行 360視角的交叉驗(yàn)證，以消除每種傳感器的弱點(diǎn)。預(yù)計(jì)會(huì)使用 8-15 個(gè)攝像頭，8-12 個(gè)超聲波雷達(dá)和 6-12 個(gè)毫米波雷達(dá)，以及 1-3 個(gè)激光雷達(dá)，因此，預(yù)計(jì)用于 Level 4 至 5 的傳感器總數(shù)量會(huì)在 30-40 個(gè)左右。圖 9：L2-5 級(jí)各類傳感器的搭配方案表 3：各級(jí)別自動(dòng)駕駛對(duì)傳感器數(shù)量的需求量L0L1L2L3L4L5攝像頭0-44-84-66-88-108-1212-158-12超聲波雷達(dá)8-128-12毫米波雷達(dá)激光雷達(dá)1-303-504-80-16-121-36-121-3資料來(lái)源：麥肯錫，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：億歐智庫(kù)，國(guó)信證券

26、經(jīng)濟(jì)研究所整理隨著自動(dòng)駕駛等級(jí)的提高，所需的算力高速提升。汽車自動(dòng)駕駛的智能化水平全球視野 本土智慧請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分取決于算法是否強(qiáng)大，從 L1 到 L5，自動(dòng)駕駛每提升一個(gè)等級(jí)，算力要求也同樣提升一個(gè)等級(jí)：L3 之前，自動(dòng)駕駛所需算力較低；L3 需要的 AI 算力達(dá)到20TOPS；L3 之后，算力要求數(shù)十倍增長(zhǎng)，L4 接近 400TOPS，L5 算力要求更為嚴(yán)苛，達(dá)到 4000+TOPS。每增加一級(jí)自動(dòng)駕駛等級(jí)，算力需求則相應(yīng)增長(zhǎng)一個(gè)數(shù)量級(jí)。根據(jù)英特爾推算，在全自動(dòng)駕駛時(shí)代，每輛汽車每天產(chǎn)生的數(shù)據(jù)量將高達(dá) 4000GB。圖 10：不同等級(jí)自動(dòng)駕駛對(duì)算力的需求450040004

27、0003500300025002000150010004005000220L30L1L2L4L5資料來(lái)源：億歐智庫(kù)，國(guó)信證券經(jīng)濟(jì)研究所整理硬件平臺(tái)之一：芯片計(jì)算芯片是算力時(shí)代下智能網(wǎng)聯(lián)汽車的核心計(jì)算芯片可分為 MCU 芯片與 SoC 芯片。隨著汽車 EE 架構(gòu)的不斷革新，汽車半導(dǎo)體高速發(fā)展，按功能不同，汽車半導(dǎo)體可分為汽車芯片和功率半導(dǎo)體，而在汽車芯片中，最重要的是計(jì)算芯片，按集成規(guī)模不同，可分為 MCU 芯片與SoC 芯片。MCU（Micro Control Unit）微控制器，是將計(jì)算機(jī)的 CPU、RAM、ROM、定時(shí)計(jì)數(shù)器和多種 I/O 接口集成在一片芯片上，形成芯片級(jí)的芯片；而 SoC

28、（System on Chip）指的是片上系統(tǒng)，與 MCU 不同的是，SoC 是系統(tǒng)級(jí)的芯片，它既像 MCU 那樣有內(nèi)置 RAM、ROM，同時(shí)又可以運(yùn)行操作系統(tǒng)。圖 11：汽車半導(dǎo)體分類結(jié)構(gòu)資料來(lái)源：CSDN，國(guó)信證券經(jīng)濟(jì)研究所整理請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧智能化趨勢(shì)驅(qū)動(dòng)汽車芯片從 MCU 向 SoC 過(guò)渡。自動(dòng)駕駛對(duì)汽車底層硬件提出了更高的要求，實(shí)現(xiàn)單一功能的單一芯片只能提供簡(jiǎn)單的邏輯計(jì)算，無(wú)法提供強(qiáng)大的算力支持，新的 EE 架構(gòu)推動(dòng)汽車芯片從單一芯片級(jí)芯片 MCU 向系統(tǒng)級(jí)芯片 SoC 過(guò)渡。圖 12：MCU 芯片典型構(gòu)架圖 13：SoC 芯片典型構(gòu)架資料來(lái)源：地平

29、線，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：地平線，國(guó)信證券經(jīng)濟(jì)研究所整理SoC 市場(chǎng)高速發(fā)展，預(yù)計(jì) 2026 年市場(chǎng)規(guī)模達(dá)到 120 億美元。汽車智能化落地加速了車規(guī)級(jí) SoC 的需求，也帶動(dòng)了其發(fā)展，相較于車載 MCU 的平穩(wěn)增長(zhǎng)，SoC 市場(chǎng)呈現(xiàn)高速增長(zhǎng)的趨勢(shì)，根據(jù) Global Market Insights 的數(shù)據(jù)，預(yù)計(jì)全球車規(guī)級(jí) SoC 市場(chǎng)將從 2019 年的 10 億美元達(dá)到 2026 年的 160 億美元，CAGR達(dá)到 35%，遠(yuǎn)超同期汽車半導(dǎo)體整體增速。圖 14：2019-2026E 全球車規(guī)級(jí) SoC 市場(chǎng)規(guī)模（億美元）140120120100806040201002019202

30、6E資料來(lái)源：Global Market Insights，國(guó)信證券經(jīng)濟(jì)研究所整理傳統(tǒng) MCU：MCU 需求穩(wěn)步增長(zhǎng)，海外寡頭長(zhǎng)期壟斷MCU 是 ECU 的運(yùn)算大腦。ECU（Electronic Control Unit，電子控制單元）是汽車 EE架構(gòu)的基本單位，每個(gè) ECU負(fù)責(zé)不同的功能。MCU 芯片嵌入在 ECU 中作為運(yùn)算大腦。當(dāng)傳感器輸入信號(hào)，輸入處理器對(duì)信號(hào)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(duì)信號(hào)進(jìn)行功率放大、數(shù)模轉(zhuǎn)換等，使其驅(qū)動(dòng)如電池閥、電動(dòng)機(jī)、開(kāi)關(guān)等被控元件工作。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧圖 15：MCU 工作原理資料

31、來(lái)源：CSDN，國(guó)信證券經(jīng)濟(jì)研究所整理MCU 根據(jù)不同場(chǎng)景需求，有 8 位、16 位和 32 位。8 位 MCU 主要應(yīng)用于車體各子系統(tǒng)中較低端的控制功能，包括車窗、座椅、空調(diào)、風(fēng)扇、雨刷和車門控制等。16 位 MCU 主要應(yīng)用為動(dòng)力傳動(dòng)系統(tǒng)，如引擎控制、齒輪與離合器控制和電子式渦輪系統(tǒng)等，也適合用于底盤機(jī)構(gòu)上，如懸吊系統(tǒng)、電子動(dòng)力方向盤、電子剎車等。32 位 MCU 主要應(yīng)用包括儀表板控制、車身控制以及部分新興的智能性和實(shí)時(shí)性的安全功能。在目前市場(chǎng)的主流 MCU 當(dāng)中，8 位和 32 位是最大的兩個(gè)陣營(yíng)。表 4：不同位數(shù) MCU 常見(jiàn)應(yīng)用場(chǎng)景位數(shù)應(yīng)用場(chǎng)景8 位提供低端控制功能：風(fēng)扇控制、空調(diào)

32、控制、雨刷、天窗、車窗升降、低端儀表盤、集線盒、座椅控制、門控模塊提供中端控制功能：用于動(dòng)力系統(tǒng)，如引擎控制、齒輪與離合器控制和電子式渦輪系統(tǒng)等；用于底盤，如懸吊系統(tǒng)、電子式動(dòng)力方向盤、扭力分散控制和電子泵、電子剎車等16 位32 位提供高端控制功能：在實(shí)現(xiàn) L1 和 L2 的自動(dòng)駕駛中扮演重要角色資料來(lái)源：中汽中心，國(guó)信證券經(jīng)濟(jì)研究所整理汽車智能化不斷滲透，單車 MCU 需求增加。隨著汽車 EE 架構(gòu)的演變，單車MCU 需求量不斷增加。自動(dòng)駕駛浪潮帶動(dòng) MCU 需求，根據(jù) IHS 統(tǒng)計(jì)，與傳統(tǒng)燃油車單車相比，智能駕駛汽車所需 MCU 數(shù)量是其 4 倍以上，且高位數(shù) MCU由于其高算力將扮演重

33、要角色。圖 16：不同類型汽車所需的 MCU 數(shù)量（顆/車）35030030025020015015010070500普通傳統(tǒng)燃油車豪華傳統(tǒng)燃油車智能汽車資料來(lái)源：IHS Markit，國(guó)信證券經(jīng)濟(jì)研究所整理請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧MCU 市場(chǎng)穩(wěn)步發(fā)展，預(yù)計(jì) 2026 年全球規(guī)模達(dá) 88 億美元。在市場(chǎng)規(guī)模上，全球 MCU 市場(chǎng)呈現(xiàn)穩(wěn)步發(fā)展的趨勢(shì)，根據(jù) IC Insights 估計(jì)，預(yù)計(jì)全球 MCU 市場(chǎng)規(guī)模從 2020 年的 65 億美元達(dá)到 2026 年的 88 億美元，CAGR 達(dá)到 5.17%，略低于同期汽車半導(dǎo)體增速。同時(shí)我國(guó) MCU 發(fā)展與世界齊頭并進(jìn)，預(yù)

34、計(jì) 2026年市場(chǎng)規(guī)模達(dá)到 56 億元，CAGR 達(dá)到 5.33%，與世界同期基本持平。圖 17：2020-2026E 全球 MCU 市場(chǎng)規(guī)模（億美元）圖 18：2020-2026E 中國(guó) MCU 市場(chǎng)規(guī)模（億元）10090807060504030201006050403020100568%7%6%5%4%5488517.0% 4846436.3%41655.9%5.0%4.9%4.3%3.7%3%2%1%0%20202026E20202021E2022E2023E2024E2025E2026E資料來(lái)源：IC Insights，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：前瞻產(chǎn)業(yè)研究院，國(guó)信證券經(jīng)濟(jì)研究所

35、整理瑞薩、恩智浦、英飛凌等海外廠商占據(jù)主要市場(chǎng)份額，國(guó)產(chǎn)廠商滲透率較低。目前全球 MCU 市場(chǎng)呈現(xiàn)寡頭競(jìng)爭(zhēng)局面，市占率靠前的瑞薩、恩智浦、英飛凌等廠商均是國(guó)際廠商，CR7 占比達(dá)到 98%，由于車規(guī)級(jí) MCU 研發(fā)周期較長(zhǎng)，認(rèn)證要求較高，目前國(guó)內(nèi)廠商滲透率較低，僅有幾家企業(yè)能夠?qū)崿F(xiàn)中低端產(chǎn)品的量產(chǎn)。圖 19：2020 年全球車規(guī)級(jí) MCU 市場(chǎng)格局2%5%7%30%瑞薩電子7%恩智浦英飛凌賽普拉斯德州儀器微芯科技意法半導(dǎo)體其他9%14%26%資料來(lái)源：IHS Markit，國(guó)信證券經(jīng)濟(jì)研究所整理智能座艙 SoC：高通在中高端數(shù)字座艙呈現(xiàn)壟斷局面一芯多屏不斷普及，高通在中高端數(shù)字座艙呈現(xiàn)壟斷地位

36、。伴隨著數(shù)字座艙滲透率不斷提升，車內(nèi)數(shù)量不斷增加，屏幕尺寸不斷增大，智能座艙快速普及，一芯多屏逐漸成為主流，也帶動(dòng)智能座艙 SoC 芯片的快速放量。SoC 應(yīng)用在智能汽車上主要有智能座艙以及自動(dòng)駕駛兩方面，相比于自動(dòng)駕駛 SoC，座艙域SoC 由于要求相對(duì)較低，成為 SoC 落地智能汽車的先行者。高通、恩智浦、德州儀器、英特爾、聯(lián)發(fā)科等各家不斷更新其座艙 SoC 產(chǎn)品，在中高端數(shù)字座艙域，目前高通呈現(xiàn)壟斷地位。目前，高通已經(jīng)贏得全球領(lǐng)先的 20+家汽車制造請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧商的信息影音和數(shù)字座艙項(xiàng)目，高通驍龍 820A 和 8155 兩代平臺(tái)成為眾多車型數(shù)字座艙

37、平臺(tái)的主流選擇，高通也將推出的第四代座艙 SoC SA8295，在算力、I/O 能力等方面表現(xiàn)出色，不斷穩(wěn)固其在中高端數(shù)字座艙的穩(wěn)固地位。表 5：目前主流智能座艙 SoC 芯片全梳理CPU 算力GPU 算力芯片廠商 產(chǎn)品名稱CPU+GPU Core主頻 GHz制程（nm）量產(chǎn)時(shí)間典型搭載廠商奧迪（DMIPS） （GFLOPS）602A820AKrait+Adreno 3201.5/28nm14nm11nm7nm2014 年2019 年2020 年2020 年極氪、理想、領(lǐng)克、小鵬等Kyro200+Adreno 680Kyro300+Adreno 608Kyro435+Adreno 640Kyr

38、o495+Adreno 8992.145k40k105k3204301142SA6155P(2*2.1+6*1.8)奇瑞捷途高通蔚來(lái)、智己、小鵬、廣汽、威馬等SA8155P(2.4+3*2.1+4*1.8)/SA8195PSA8295P150k200k59k210030005007nm5nm16nm2020 年2023 年2019 年ADIGO3.0集度汽車奔馳 S 級(jí)第六代 Kyro+Adreno 660 2.5英偉達(dá)恩智浦Tegra Parker Arm v8+CUDA2.5長(zhǎng)安、豐田、日產(chǎn)、i.MX 6i.MX 8CPU: Freescale A9Arm A72+GC70001.2/PS

39、A、福特(4*1.2+2*1.6)29k25k12818016nm16nm/福特上汽Arm A72+RogueGE84308XE2.0德州儀器 TDA4VM2021 年大眾、廣汽、路虎、雷克薩斯R-CAR H3Arm A57+GX6650(4*1.7+4*1.2)40k28816nm2019 年瑞薩R-CAR M3Kirin 710AArm A57、A53+GX6250 1.828k/7628nm14nm7nm/Arm A73+Mali G51Arm A76+Mali G76Arm A76+Mali G76(4*2.2+4*1.7)/2022 年比亞迪華為Kirin 980AKirin 990

40、A(2*2.6+2*1.92+4*1.8)(2*2.86+2*2.09+4*1.86)(4*2.3+4*1.6)75k/641/7nm/北汽/Exynos Auto v8 Arm A76+Mali G76Exynos Auto v9 Arm A76+Mali G7663k111k22k139k/3981205133926/14nm8nm2018 年三星2.12021 年奧迪MT2712MT8195MT8666A3920Arm A72、A35+Mali T880(2*1.6+4*1.2)Arm A78、A55+Mali G57 (4*1.6+4*1.2)Arm A73、A53+Mali G72

41、2.27nm/大眾聯(lián)發(fā)科6nm/6nm吉利X86+Intel HD500X86+Intel HD505X86+Intel HD500(0.8、1.6、2.08)43k18014nm合眾汽車特斯拉、長(zhǎng)城、紅旗、寶馬等英特爾A3950(0.8、1.6、2.0)42k48k18721614nm14nm/A3960(0.8、1.9、2.4)寶馬資料來(lái)源：高通、英特爾、英偉達(dá)、華為官網(wǎng)，國(guó)信證券經(jīng)濟(jì)研究所整理自動(dòng)駕駛 SoC：CPU+XPU 是當(dāng)前主流，英偉達(dá)當(dāng)前領(lǐng)先自動(dòng)駕駛芯片是指可實(shí)現(xiàn)高級(jí)別自動(dòng)駕駛的 SoC 芯片。隨著自動(dòng)駕駛汽車智能化水平越來(lái)越高，需要處理的數(shù)據(jù)體量越來(lái)越大，高精地圖、傳感器、激

42、光雷達(dá)等軟硬件設(shè)備對(duì)計(jì)算提出更高要求，因此在 CPU 作為通用處理器之外，增加具備 AI 能力的加速芯片成為主流，常見(jiàn)的 AI 加速芯片包括 GPU、ASIC、FPGA三類。CPU 作為通用處理器，適用于處理數(shù)量適中的復(fù)雜運(yùn)算。CPU 作為通用處理器，除了滿足計(jì)算要求，還能處理復(fù)雜的條件和分支以及任務(wù)之間的同步協(xié)調(diào)。CPU 芯片上需要很多空間來(lái)進(jìn)行分支預(yù)測(cè)與優(yōu)化，保存各種狀態(tài)以降低任務(wù)切換時(shí)的延時(shí)。這也使得它更適合邏輯控制、串行運(yùn)算與通用類型數(shù)據(jù)運(yùn)算。以GPU 與 CPU 進(jìn)行比較為例，與 CPU 相比，GPU 采用了數(shù)量眾多的計(jì)算單元和超長(zhǎng)的流水線，但只有非常簡(jiǎn)單的控制邏輯并省去了 Cach

43、e。而 CPU 不僅被 Cache 占據(jù)了大量空間，而且還有有復(fù)雜的控制邏輯和諸多優(yōu)化電路，相比之下計(jì)算能力只是很小的一部分。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧圖 20：GPU 和 CPU 的架構(gòu)示意圖資料來(lái)源：CSDN，國(guó)信證券經(jīng)濟(jì)研究所整理常見(jiàn)的 AI 加速芯片包括 GPU、ASIC、FPGA 三類：GPU：適用于處理數(shù)量龐大的相對(duì)簡(jiǎn)單的運(yùn)算。GPU 擁有一個(gè)由數(shù)以千計(jì)的更小、更高效的 ALU 核心組成的大規(guī)模并行計(jì)算架構(gòu)，大部分晶體管主要用于構(gòu)建控制電路和 Cache，而控制電路也相對(duì)簡(jiǎn)單，GPU的計(jì)算速度有擁有更強(qiáng)大的處理浮點(diǎn)運(yùn)算的能力，更擅長(zhǎng)處理多重任務(wù)，比如圖形計(jì)算

44、。FPGA：現(xiàn)場(chǎng)可編程門陣列，它是在 PAL、GAL、CPLD 等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)。ASIC：一種為專門目的而設(shè)計(jì)的集成電路。是指應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路。ASIC 的特點(diǎn)是面向特定用戶的需求，在批量生產(chǎn)時(shí)與通用集成電路相比具有體積更小、功耗更低、可靠性提高、性能提高、保密性增強(qiáng)、成本降低等優(yōu)點(diǎn)。表 6：CPU、GPU、FPGA、ASIC 之間的區(qū)別CPUGPUFPGAASIC定義中央處理器圖像處理器現(xiàn)場(chǎng)可編程邏輯門陣列算力中，

45、能效比優(yōu)快專用處理器算力與能效上市速度算力最低，能效比差快，產(chǎn)品成熟算力高，能效比中快，產(chǎn)品成熟算力高，能效比優(yōu)慢，開(kāi)發(fā)周期長(zhǎng)用于數(shù)據(jù)處理時(shí)，單價(jià)成本最高成本高，可復(fù)制，量產(chǎn)規(guī)模生產(chǎn)后成本可有效降低成本用于數(shù)據(jù)處理時(shí)，單價(jià)成本高數(shù)據(jù)處理通用性強(qiáng)較低的試錯(cuò)成本性能最通用（控制指令+運(yùn)算）數(shù)據(jù)處理能力較強(qiáng)，專用AI 算力最強(qiáng)，最專用廣泛應(yīng)用于各種圖形處理、數(shù)值模 適用成本要求較低的場(chǎng)景，如軍事、實(shí) 主要滿足場(chǎng)景單一的消費(fèi)電子擬、機(jī)器學(xué)習(xí)算法領(lǐng)域 驗(yàn)室、科研等 等高算力需求領(lǐng)域適用場(chǎng)景廣泛應(yīng)用于各種領(lǐng)域資料來(lái)源：億歐智庫(kù)、國(guó)信證券經(jīng)濟(jì)研究所整理“CPU+XPU”是當(dāng)前自動(dòng)駕駛 SoC 芯片設(shè)計(jì)的主流

46、趨勢(shì)。根據(jù) XPU 選擇不同，又可以分為三種技術(shù)路線：CPU+GPU+ASIC、CPU+ASIC 以及 CPU+FPGA三類。（1）“CPU+GPU+ASIC”，主要代表英偉達(dá)、特斯拉 FSD 以及高通 Ride。英偉達(dá) Xavier 和特斯拉 FSD 采用“CPU+GPU+ASIC”的設(shè)計(jì)路線，英偉達(dá)Xavier 以 GPU 為計(jì)算核心，主要有 4 個(gè)模塊：CPU、GPU、以及兩個(gè) ASIC芯片 Deep Learning Accelerator（DLA）和 Programmable Vision Accelerator（PVA）；特斯拉 FSD 芯片以 NPU（ASIC）為計(jì)算核心，有三個(gè)

47、主要模塊：請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧CPU、GPU 和 Neural Processing Unit（NPU）。圖 22：特斯拉 FSD 芯片架構(gòu)圖 21：英偉達(dá) Xavier 芯片架構(gòu)資料來(lái)源：英偉達(dá)，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：特斯拉，國(guó)信證券經(jīng)濟(jì)研究所整理（2）“CPU+ASIC”，主要代表 Mobileye EyeQ5 系列和地平線征程系列。Mobieye EyeQ5 和地平線征程系列采用“CPU+ASIC”架構(gòu)，EyeQ5 主要有 4個(gè)模塊：CPU、Computer Vision Processors（CVP）、Deep Learning Accelera

48、tor（DLA）和 Multithreaded Accelerator（MA），其中 CVP 是針對(duì)傳統(tǒng)計(jì)算機(jī)視覺(jué)算法設(shè)計(jì)的 ASIC；地平線自主設(shè)計(jì)研發(fā)了 Al 專用的 ASIC 芯片 BrainProcessing Unit（BPU）。圖 23：Mobileye Eye Q5 電路系統(tǒng)塊圖圖 24：地平線征程 2 芯片架構(gòu)資料來(lái)源：Mobileye，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：地平線，國(guó)信證券經(jīng)濟(jì)研究所整理（3）CPU+FPGA，主要代表 Waymo。與其余廠商不同，Waymo 采用“CPU+FPGA”的架構(gòu)，其計(jì)算平臺(tái)采用英特爾 Xeon12 核以上 CPU，搭配Altera 的 A

49、rria 系列 FPGA。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧圖 25：Waymo 的 CPU+FPGA 架構(gòu)示意圖資料來(lái)源：Waymo，國(guó)信證券經(jīng)濟(jì)研究所整理目前各家發(fā)布的最新芯片平臺(tái)均可以支持 L3 或 L4 級(jí)的算力需求，英偉達(dá)當(dāng)前處于領(lǐng)先位置。英偉達(dá)單顆 Orin 的算力可以達(dá)到 254TOPS，而 2022 年落地的車型中搭載 4 顆 Orin 的蔚來(lái) ET7 和威馬 M7 其巔峰算力將超過(guò) 1000TOPS，高通驍龍 Ride 平臺(tái)的巔峰算力預(yù)計(jì)在 700-760TOPS，Mobileye 也推出了面向高階自動(dòng)駕駛的 EyeQ6 Ultra，算力達(dá)到 176 TOPS

50、，當(dāng)前各家最先進(jìn)的算力平臺(tái)均可以支持 L3 或 L4 級(jí)的算力需求。從相關(guān)量產(chǎn)車型來(lái)看，英偉達(dá) Orin 成為當(dāng)下的主流選擇，Mobileye 正在逐漸掉隊(duì)。表 7：目前主流自動(dòng)駕駛 SoC 芯片全梳理技術(shù)路線廠商SoC 名稱最大算力（TOPS）功耗（W） 算力/功耗 制程（nm）適用等級(jí)量產(chǎn)時(shí)間典型搭載廠商Atlan1000TOPS254TOPS30TOPS-L3-L52025-小鵬、威馬、蔚來(lái)、理想等Orin X65W3.17nm FinFETL3-L52022英偉達(dá)Xavier30W112nm FinFET16nm FinFET7nmL32020201820222019202220202

51、025202420232021小鵬，上汽等CPU+GPU+ASICTegra Parker 1TOPS15W0.1L1-L3L4/L5L2-3L1-L5L2/L3L4/L5L2特斯拉、沃爾沃等FSD 2.0FSD 1.0Ride-特斯拉特斯拉高通144TOPS700TOPS8TOPS176TOPS34TOPS5TOPS24TOPS250W0.614nm FinFET5nm特斯拉130W5.4長(zhǎng)城、通用、寶馬德州儀器 TDA4VMEyeQ6 Ultra5-20W0.4-1.6-百度 Apollo 等-5nm-EyeQ6 HighEyeQ6 LightEyeQ5-7nm-7nmL1/L2L4/L5

52、-10W2.47nm FinFET吉利、極氪、寶馬Mobileye蔚來(lái)、廣汽、廣汽、小鵬、哪吒、威馬EyeQ4EyeQ32.5TOPS0.3TOPS3W0.80.128nm FD-SOI40nm CMOSL2/L3L1/L220182014特斯拉、奧迪、凱迪拉克等2.5WCPU+ASICMDC810MDC610MDC210MDC300F征程 J6400+TOPS-L4/L5L4/L4+L2+20212020202020192024202220212020-200+TOPS-北汽極狐、賽力斯、長(zhǎng)城、長(zhǎng)安、廣汽等華為48TOPS-64TOPS-L2/L3L4/L4+L3/L4L2/L3L1/L2L

53、4/L4+400965-征程 J5202.524.822-長(zhǎng)安、奇瑞、上汽、廣汽、理想等地平線征程J3162820征程 J24CPU+FPGA WaymoArria FPGA 250-Waymo Robotaxi資料來(lái)源：高通、英特爾、英偉達(dá)、華為、特斯拉官網(wǎng)，國(guó)信證券經(jīng)濟(jì)研究所整理請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧評(píng)估芯片性能，算力、能耗、效率缺一不可評(píng)估芯片的性能，一般采用 PPA 即 Power（功耗），Performance（性能），Aera（面積）三大指標(biāo)來(lái)衡量性能。而智能駕駛領(lǐng)域，峰值算力成為衡量自動(dòng)駕駛芯片的最主要指標(biāo)，常見(jiàn)的指標(biāo)有 TOPS、FLOPS、DMIP

54、S 三種：TOPS（Tera Operation Per Second）：每秒完成操作的數(shù)量，乘操作算一個(gè) OP，加操作算一個(gè) OP。TOPS 的物理計(jì)算單位是積累加運(yùn)算（MultiplyAccumulate, MAC），1 個(gè) MAC 等于 2 個(gè) OP。TOPS 表示每秒進(jìn)行 1 萬(wàn)億次操作。FLOPS（Floating-Point Operations Per Second）：每秒可執(zhí)行的浮點(diǎn)運(yùn)算次數(shù)的字母縮寫，它用于衡量計(jì)算機(jī)浮點(diǎn)運(yùn)算處理能力。浮點(diǎn)運(yùn)算，包括了所有涉及小數(shù)的運(yùn)算。MFLOPS（MegaFLOPS）等于每秒 1 百萬(wàn)次的浮點(diǎn)運(yùn)算；GFLOPS（GigaFLOPS）等于每秒

55、 10 億（=109）次的浮點(diǎn)運(yùn)算；TFLOPS（teraFLOPS）等于每秒 1 萬(wàn)億次的浮點(diǎn)運(yùn)算。DMIPS（Dhrystone Million Instructions Per Second）：是測(cè)量處理器運(yùn)算能力的最常見(jiàn)基準(zhǔn)程序之一，常用于處理器的整型運(yùn)算性能的測(cè)量。MIPS：每秒執(zhí)行百萬(wàn)條指令，用來(lái)計(jì)算同一秒內(nèi)系統(tǒng)的處理能力，即每秒執(zhí)行了多少百萬(wàn)條指令。不同的 CPU 指令集不同、硬件加速器不同、CPU架構(gòu)不同， 導(dǎo)致不能簡(jiǎn)單的用核心數(shù)和 CPU 主頻來(lái)評(píng)估性能，Dhrystone作為統(tǒng)一的跑分算法，DMIPS 比 MIPS 的數(shù)值更具有意義。（1）智能座艙 SoC：DMIPS 衡量

56、 CPU 算力的主要單位是 DMIPS，基本上 SoC 高于 20,000 DMIPS才能流暢地運(yùn)行智能座艙的主要功能，如 AR 導(dǎo)航或云導(dǎo)航、360 全景、播放流媒體、AR- HUD、多操作系統(tǒng)虛擬機(jī)等。GPU 方面，100 GFLOPS 的算力就可以支持 3 個(gè) 720P 的屏幕。一般來(lái)說(shuō)，CPU 高于 20,000 DMIPS，GPU 高于 100 GFLOPS 的 SoC 就是智能座艙 SoC 芯片。（2）自動(dòng)駕駛 SoC：TOPS 峰值算力體現(xiàn)的只是芯片的理論上限，不能代表其全部性能。自動(dòng)駕駛需要的計(jì)算機(jī)視覺(jué)算法是基于卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的，而卷積神經(jīng)網(wǎng)絡(luò)的本質(zhì)是累積累加算法（Multi

57、ply Accumulate，MAC），實(shí)現(xiàn)此運(yùn)算操作的硬件電路單元，被稱為“乘數(shù)累加器”。這種運(yùn)算的操作，是將乘法的乘積結(jié)果 b*c 和累加器 a 的值相加，再存入累加器 a 的操作。TOPS = MAC 矩陣行* MAC 矩陣列* 2 *主頻，TOPS 峰值算力反映的都是 GPU 理論上的乘積累加矩陣運(yùn)算算力，而非在實(shí)際 AI 應(yīng)用場(chǎng)景中的處理能力，具有很大的局限性。以英偉達(dá)的芯片為例 ，Orin、Xavier 的利用率基本上是 30%左右，而采用 ASIC 路線，ASIC 芯片針對(duì)不同的神經(jīng)網(wǎng)絡(luò)模型去優(yōu)化，基本上可以做到 60%80%之間。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智

58、慧圖 26：卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算原理資料來(lái)源：CSDN，國(guó)信證券經(jīng)濟(jì)研究所整理地平線提出最真實(shí)的 AI 效能由理論峰值計(jì)算效能、有效利用率、AI 算法效率組成。地平線在 2020 全球人工智能和機(jī)器人峰會(huì)提出了芯片 AI 性能評(píng)估方式MAPS（Mean Accuracy-guaranteed Precessing Speed），地平線認(rèn)為最真實(shí)的 AI 效能實(shí)際上由三要素組成，分別為理論峰值計(jì)算效能、有效利用率、AI算法效率。（1）理論峰值計(jì)算效能，TOPS/W、TOPS/$，即傳統(tǒng)理論峰值衡量的方法；（2）芯片有效利用率，把算法部署在芯片上，根據(jù)架構(gòu)特點(diǎn)，動(dòng)用編譯器等系統(tǒng)化解決一個(gè)極其復(fù)雜的帶

59、約束的離散優(yōu)化問(wèn)題，而得到一個(gè)算法在芯片上運(yùn)行的實(shí)際利用率，這是軟硬件計(jì)算架構(gòu)的優(yōu)化目標(biāo)；（3）AI 算法效率，每消耗一個(gè) TOPS 算力，能帶來(lái)多少實(shí)際的 AI 算法的性能，它體現(xiàn)的是AI 算法效率的持續(xù)提升。圖 27：地平線定義的芯片 AI 效能三要素資料來(lái)源：地平線，國(guó)信證券經(jīng)濟(jì)研究所整理請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧硬件平臺(tái)之二：域控制器面向高階自動(dòng)駕駛，異構(gòu)多核硬件架構(gòu)成為趨勢(shì)車載計(jì)算平臺(tái)需采用異構(gòu)多核芯片硬件架構(gòu)。自動(dòng)駕駛的域控制器，要具備多傳感器融合、定位、路徑規(guī)劃、決策控制、無(wú)線通訊、高速通訊的能力。通常需要外接多個(gè)攝像頭、毫米波雷達(dá)、激光雷達(dá)，以及 IMU

60、 等設(shè)備，完成的功能包含圖像識(shí)別、數(shù)據(jù)處理等。面向 L3 及以上高階自動(dòng)駕駛，單一芯片無(wú)法滿足諸多接口和算力需求，計(jì)算基礎(chǔ)平臺(tái)需采用異構(gòu)芯片的硬件方案，具有芯片選型靈活、可配置拓展、算力可堆砌等優(yōu)點(diǎn)。計(jì)算平臺(tái)的異構(gòu)分布硬件架構(gòu)主要包括 CPU 計(jì)算單元、AI 單元和控制單元。（1）CPU 計(jì)算單元：由車規(guī)級(jí)多個(gè)多核 CPU 組成，大多為 ARM 架構(gòu)，單核主頻高，計(jì)算能力強(qiáng)，擅長(zhǎng)處理高精度浮點(diǎn)數(shù)串行計(jì)算，通過(guò)內(nèi)核系統(tǒng)管理軟硬件資源、完成任務(wù)調(diào)度，用于執(zhí)行自動(dòng)駕駛相關(guān)大部分核心算法，同時(shí)整合多源數(shù)據(jù)完成路徑規(guī)劃、決策控制等功能。（2）AI 單元：AI 單元是整個(gè)異構(gòu)硬件平臺(tái)中算力的最主要來(lái)源，承