（报告出品方/作者：东方证券，浦俊懿、谢忱、陈超）

一、国内自动驾驶芯片厂商有望逐步突围

1.1自动驾驶行业快速发展，国内芯片厂商抓住机遇入局

在汽车E/E架构由分布式架构向集中式架构方向发展的过程中，自动驾驶芯片作为计算的载体逐渐成为智能汽车时代的核心。在“软件定义汽车”趋势下，芯片、操作系统、算法、数据共同组成了智能驾驶汽车的计算生态闭环，其中芯片是智能驾驶汽车生态发展的核心。以特斯拉为代表的汽车电子电气架构改革先锋率先采用中央集中式架构，即用一个电脑控制整车，域控制器逐渐集成前期的传感器、数据融合、路径规划、决策等运算处理器功能。随着自动驾驶级别的提升以及功能应用的丰富，汽车对芯片算力的需求也越来越大。

自动驾驶芯片是自动驾驶系统决策层的重要组成部分，是自动驾驶实现的硬件支撑。自动驾驶系统包括感知层、决策层和执行层，决策层是自动驾驶的“中央大脑”，由芯片、计算平台和软件构成。高级别自动驾驶的实现需要决策层在硬件和软件上双重提升，而硬件层面上自动驾驶主控芯片则是成为了自动驾驶产业发展的先决条件。

从发展趋势来看，自动驾驶SoC芯片将向“CPU+XPU”的异构式架构发展，长期来看CPU+ASIC方案将是未来主流。SoC是系统级别的芯片，相比MCU在架构上增加了音频处理DSP、图像处理GPU、神经网络处理器NPU等计算单元，常用于ADAS、座舱IVI、域控制等功能较复杂的领域。随着智能汽车的发展，汽车芯片结构形式也由MCU进化至SoC。目前市面上主流的自动驾驶芯片SoC架构方案分为三种：（1）CPU+GPU+ASIC，（2）CPU+ASIC，（3）CPU+FPGA。长期来看，定制批量生产的低功耗、低成本的专用自动驾驶AI芯片（ASIC）将逐渐取代高功耗的GPU，CPU+ASIC方案将是未来主流架构。

算力不是唯一标准，车企在选择自动驾驶芯片时需要对多项关键性指标进行综合性评估。随着汽车E/E架构逐步集中化，智能汽车的计算能力将主要由少数的几个域控制器或是中央计算平台来实现，这也对单颗车载芯片算力提出了更高的要求，进而推动着自动驾驶芯片不断实现最大算力的突破。芯片的绝对算力高低固然重要，但在目前自动驾驶级别还未到L3的背景下，主机厂在开发量产车型的过程中不会一味追求高算力的芯片或平台，而是需要综合考虑自动驾驶芯片的算力和算效、适配性、软件开发难度、车规级安全认证等级、灵活性和全面性以及能效比等指标，最终根据车型的价位选择最具性价比的芯片。

目前，英伟达、Mobileye、高通在自动驾驶SoC领域处于领跑的位置，三者各自的优势不同。由于消费电子芯片巨头具有深厚的芯片技术储备以及良好的产业生态，雄厚的资金也可支撑起对先进制程和高算力芯片的高昂研发投入，因此以英伟达、Mobileye（背靠英特尔）、高通为代表的厂商目前在车载计算芯片方面已经走在了市场前列，相关产品也已在中高端车型以及新势力车型中有广泛应用。根据我们之前发布的《智能汽车深度系列之三：高通入局，自动驾驶产业加速变革》，英伟达、Mobileye以及高通在自动驾驶芯片领域的优势不尽相同：英伟达是大算力芯片的王者，自年进入自动驾驶领域以来一直引领着车载芯片的算力变革；Mobileye是辅助驾驶领域（L2级及以下的自动驾驶）的龙头，可以说是过去二十年间的汽车ADAS技术的主要奠基者和引领者；高通是座舱芯片的龙头，近年来开始从座舱域向驾驶域切入，快速拿下多个头部客户的定点。

我国自动驾驶芯片产业仍处在发展初期，本土厂商抓住机遇切入蓝海市场。在过去，自动驾驶芯片主要以实现单一功能为主（支持低级别的辅助驾驶），例如控制底盘、发动机、刹车灯等。年特斯拉Model3开始量产，标志着自动驾驶芯片从追求单一功能向承担“大脑”功能转变，其需要接收不同传感器的数据进行判断和决策，同时需要与5G、车联网和高精度地图协作，自动驾驶芯片行业进入“拼算力”的时代。在当时市场上可供选择的自动驾驶芯片产品较少，国内以华为、地平线、黑芝麻、芯驰科技为代表的新兴芯片科技公司凭借着AI算法优势切入这一蓝海市场。此外，芯片国产化是智能汽车关键部件供应链自主可控的关键一环，近年来国际关系的日益复杂与不稳定使得“缺芯少核”的痛点持续暴露，这也让主机厂意识到芯片供应链韧性的重要性，汽车芯片也迎来国产替代的窗口期。因此，新兴的芯片科技公司也乘国产化之势迅速崛起，目前主要以“芯片+算法参考+工具链”的产品服务模式积极探索自身的产业定位，逐步构建汽车产业生态圈。

具体而言，我们认为我国自动驾驶芯片企业近年来实现快速发展有如下几点原因：

（1）高级别自动驾驶尚未落地，本土厂商加速算力追赶

对于高级别的智能驾驶系统而言，传感器数量的增加及分辨率的提升带来海量数据处理需求，算法模型的复杂程度亦大幅提升。随着汽车E/E架构逐步集中化，智能汽车的计算能力将主要由少数的几个域控制器或是中央计算平台来实现，这也对单颗车载芯片算力提出了更高的要求。根据亿欧智库，自动驾驶等级每增加一级，所需要的芯片算力就会呈现十倍以上的上升，其中L4级别需要的AI算力接近TOPS，L5需要的算力达到了0+TOPS。即使目前L3级别及以上的自动驾驶还未落地，国内以蔚来、智已、威马、小鹏为代表的主机厂对于新一代的旗舰车型采取了“硬件预埋，软件升级”的策略，通过预置大算力芯片，为后续软件与算法升级优化提供足够发展空间。但对于绝大多数量产车型（中端、低端车型）而言，一味地追求大算力芯片无疑会带来过高的成本，此时主机厂会更加青睐中高算力的自动驾驶芯片，这也给正在起步发展的本土厂商提供了一片“沃土”。

年后，国内厂商在算力层面上逐步形成追赶：1华为：年，华为推出了第一款面向边缘计算和自动驾驶的昇腾芯片（12nm，16TOPS）。年，华为发布昇腾芯片（7nm，TOPS，主要面向AI训练）。年，华为发布昇腾芯片（7nm，TOPS），在算力层面上已处于第一梯队的位置。2地平线：年，地平线发布中国首款车规级AI芯片征程2（4TOPS），并于年实现前装量产。在年与年，地平线又分别发布了征程3（5TOPS）与征程5（最高可达TOPS），并计划在年推出征程6，而征程6也有望较前代产品进一步实现算力的跃升。3黑芝麻：年，黑芝麻发布华山一号A芯片（28nm，5-10TOPS）；年，发布华山二号A（16nm，58TOPS）；年，发布华山二号APro（16nm，最高TOPS）。目前，黑芝麻下一代产品A0也在积极开发当中。

（2）国产自动驾驶芯片在能效比控制方面做得较好

为支持并兼容L3及以上智能驾驶系统数量与类型繁多的传感器与执行器需求，车载计算平台多采用异构芯片硬件方案，以满足系统接口与算力需求。相较传统ECU，车载计算平台的复杂度呈数倍提升，面临功耗、散热、电磁、质量等多重挑战，存在着物理上限。因此，尽管当前行业普遍以“TOPS”为单位来评估自动驾驶芯片的理论峰值算力，各大芯片厂商也不断刷新算力峰值，但在实际场景下的算力有效利用率却不高，自动驾驶芯片理论峰值算力并不一定能在实际运行中完全释放。

以英伟达已量产的Xavier和Orin为例：Xavier的算力达30TOPS，功耗为30W，能效比为1TOPS/W；Orin的算力达TOPS，功耗为65w，能效比为3.9TOPS/W。而地平线的征程5则利用自主研发的可编程AI加速引擎BPU以及贝叶斯计算架构实现了4.3TOPS/W的能效比，高于英伟达、特斯拉、Mobileye等其他厂商的竞品。华为的昇腾芯片的能效比达2TOPS/W，也基本与特斯拉FSD、Mobileye的EyeQ5处于同一水平。可见国内自动驾驶芯片公司在产品能效比控制方面做得较好，这也成为了其在量产装车中的优势。

（3）缺芯促进汽车芯片国产化替代

全球缺芯的主要原因为新冠疫情冲击导致供需错配。在供给侧，受疫情影响，年部分芯片厂商关闭工厂或降低产能。芯片厂多以终端订单来制定产能，具有超过半年的供货周期，由于年上半年市场对汽车行业的悲观预期，大部分芯片厂主动降低产能。当时全球70%以上的汽车芯片（MCU）生产来自台积电，台积电汽车芯片代工收入仅为3%-5%，主要是由于汽车芯片代工利润低，没有扩产动力，导致产能吃紧。在需求端，随着疫情逐步恢复平稳，车市需求大幅回暖，但此时消费电子市场也迎来了较大幅度的回弹，这也对汽车芯片的供应形成一定程度的挤压，最终导致供需错配。

疫情后主机厂开始推进韧性更高、国产化程度更高的新型芯片供应生态建设。我国汽车芯片市场需求大但由于缺少自主可控的芯片产业链，导致绝大部分市场被国际芯片厂商占据，这也导致我国主机厂在全球汽车芯片产能分配中缺少话语权。缺芯危机提升主机厂对芯片供应韧性的

转载请注明:http://www.aideyishus.com/lkzp/4456.html