对自动驾驶芯片产业逻辑的探讨

（以下内容从国泰君安《对自动驾驶芯片产业逻辑的探讨》研报附件原文摘录）
　　This browser does not support music or audio playback. Please play it in Weixin or another browser. 张三的歌 音乐： 蔡琴 - 惠威试音天碟Ⅱ 行业培训系列 今天主要谈三部分内容：1）从SoC视角研究智能驾驶赛道具有内在的产业逻辑；2）智能座舱芯片；3）驾驶域芯片。 1. 从SoC视角研究智能驾驶赛道内在的产业逻辑 汽车芯片的生命周期更长且对与安全要求性较高。从技术要求的角度来看，一方面相比于消费类芯片，车载芯片整体的生命周期更长，要维持十年以上。而且相对于消费类芯片，车载芯片的使用场景决定了它对于功能安全有更高的要求，所以整体对技术上的要求较高。 车载芯片的研发周期较长，回收成本时间漫长。从研发周期的角度来看，整体的车载芯片从研发到流片到验证再到量产上车，是一个非常漫长的过程。而且后续需要经过过车规的一个环节，至少还需要两年以上的时间。根据海思之前的数据，乐观来看，一个汽车半导体公司要实现回报需要8年左右的时间。 车载芯片的出货量较小，回收成本难度大。整体的SOC芯片要想实现回报，需要相对较大的出货量。在车载领域，整体车相对于消费电子来讲出货量较小，每年约2000万到3000万。而且，不同车型具有配置高低的差别，不可能说有一款芯片包打天下。在这种背景下，单纯设计一款用于车载场景的SOC往往是比较难以回收成本的。以上三个特点决定了就决定了车载芯片厂商的稀缺性会一直存在。 从商业模式上来看，芯片厂商在商业模式上处于更优的地位，所以他们会选择方案商进行合作。我们可以把整体车载公司按商业模式来分成三个层级，分别是人力外包公司、产品方案公司和IP公司。最低级的是人力外包公司，它的门槛相对来较低，利润率也较低。人力外包公司为客户提供具备基础技能的人力，到客户那边去驻点，帮助客户解决问题。它们的可替代性比较强，且人力在不同的项目上很难做复用，基本上无法享受项目复用带来的额外收益。 第二个层级是产品方案公司，在一个行业发展的初期，某些IP厂商会选择一些方案商来提供增值服务。随着案子做得越来越多，这些方案商会比其他公司更懂某一类型的IP，对于客户来讲，这些方案商的可替代性会明显变低。随着行业knowhow形式的形成，这些方案商逐渐形成了内部的资源开发池，会自己具备一些客制化的能力，在一定程度上实现复用。相对于人力外包公司来讲，这类方案商会有一个更高的利润率。 第三个层级就是IP公司，IP公司其实是商业模式最好，也是利润率最高的公司。这类公司的收入主要分为三部分：开发授权费、技术支持费、版税费。 在这三类费用里，开发授权费和版税费这两部分基本上没有可变成本，也就是说，随着项目数量的增加，这两类对应的成本会快速的下降。虽然技术支持费用随着项目数量的增多以及开发池的形成，会有一定的成本摊薄，但是它的摊薄效果远不如其他两类费用，所以对于芯片厂商来说，大部分客户是由方案商对客户来进行技术支持。 磨合程度决定了方案商和芯片厂商之间会存在一定程度的绑定关系。因为实际上方案商的核心壁垒是通过对于IP厂商的长时间磨合，包括大量的工程案例，实现了对于这些IP的强knowhow。IP厂商的IP迭代是有延续性的，这在客观上造成如果后续某一家主机厂选择了某一家IP厂商，那么之前跟这家IP厂商长期合作的方案商，在跟友商竞争的过程中会有明显的优势。这种优势其实并不仅仅在于双方的关系，而在于多年的行业knowhow积累下来，使得它能够提供的方案会比友商更好。基于以上这几点，我们今天从芯片视角来探讨智能驾驶这个赛道。 2. 智能座舱芯片：高通一骑绝尘 整体汽车的E/E架构发展在前三个阶段基本上是分布式，但是每个ECU控制着车辆的不同功能，随着功能越来越复杂，越来越庞大的ECU对整车的协同会带来一些难度，包括整体的软件迭代也会更加难以实现。所以，整体E/E架构的发展趋势是从分布式向集中式的一个升级。这个集中化的升级反映在座舱上就是智能座舱的形成过程，也就是在同一个SOC上通过虚拟化去支持丰富的应用，包括操作系统。相对于多芯多屏来说，一芯多屏在性能上，包括经济性、安全性等都会有非常明显的一个优势。 传统电子厂商包括瑞萨、恩智浦、德州仪器、意法半导体等，消费电子厂商包括高通、英特尔、联发科、三星等。 高通在汽车领域已有近20年投入，目前已覆盖数字座舱、车载网联以及C-V2X、ADAS与自动驾驶和云侧终端管理等四大领域。高通成立于1985年；2002年高通进入车载领域，与通用汽车联合推出了车联网联的解决方案；2017年，高通第一次披露了研发自动驾驶汽车芯片的计划，并在当年9月推了V2X的芯片；2019年1月，高通发布了全新的自动驾驶的平台ride，能够支持L1到L5级别的一个自动驾驶，预计在2023年实现量产。 在座舱领域，高通的迭代是较为清楚的。2014年1月，高通发布了第一代汽车数字座舱平台，骁龙602A，2016年1月，高通推出了第二代汽车数字座舱平台，骁龙820A，到2019年1月，高通推出了行业内第一个由AI助力的可扩展的数字座舱平台8155。 高通是座舱芯片的绝对霸主。截至2020年底，全球25家顶级的汽车制造商已经有20家选择高通骁龙汽车数字平台，搭载8155平台的车型2021年陆续量产，到明年高通可能能占据70%-80%的份额，是一个一骑绝尘的状态。而英伟达在座舱领域只有奔驰、奥迪、韩国现代等少量客户。 高通预计汽车业务目标市场规模5年翻5倍，汽车业务营收10年CAGR23.49%。我们认为高通在座舱域的领先地位会继续延续下去，因为在去年的四季度，当时百度、集度和高通三方联合举行了一个发布会，宣布集度汽车预计在2023年会搭载高通8295平台量产上市。投资者对于座舱的算力需求预判是非常乐观的，而且对于高通也是非常认可的。2021年11月，高通预计未来目标市场规模将从现在的30亿美元提升至2026年的150亿美元，CAGR达到36%，其中智能网联、智能座舱和自动驾驶将是增长的主要趋势。5年后的营收规模将达到35亿美元，10年后将达80亿美元，CAGR为23.49%。 3. 自动驾驶芯片：群雄逐鹿，英伟达领跑 由于自动驾驶需要在不同的天气、不同的光照条件下对周围的环境进行实时感知，需要识别、跟踪各种动态的或者静态的物体并对其可能的行为进行预判，随着自动驾驶等级的提升，相应的感知需求也在成倍增加。 传感器的数量增加意味着需要处理的数据量也在快速增长。L4自动驾驶的典型像素数据高达112MP，约为L2自动驾驶的16倍；需要处理的数据量为40.8亿字节/秒，约为L2自动驾驶的30倍。 自动驾驶芯片选择的关键指标包含算法效率、芯片适配性、开发便捷性、车规级认证、解决方案能力、能效比等。 目前自动驾驶芯片玩家主要分为三类：第一类是提高算力、开放性、通用性且是有极强软件生态的英伟达、高通和软件生态稍弱的华为和赛灵思等消费电子巨头；第二类是瑞萨、NXP、英飞凌、TI德州仪器、意法半导体等传统汽车半导体厂商；第三类是软硬件耦合的Mobileye、特斯拉、地平线、黑芝麻等人工智能新企业。 GPU与ASIC路线各有特点。 GPU的优点：GPU软硬件体系一致，面向所有不同的场景，其软硬件体系相同。在新市场出现时，厂商倾向于用GPU验证，因为不需要改硬件和软件，只需要写算法来做验证。 GPU的缺点：第一，面积偏大，功耗偏高，成本偏高。第二，算力的利用效率偏低，因为它要支持所有模型，意味着它没法对某一个模型做足够多的优化。 ASIC芯片的优势：它是专用芯片，在于在特定的场景下，它用软硬件强耦相相对强耦的合的方式能跑出来更高的算力。 ASIC芯片的劣势：既然软硬件相对强耦合，那么留给主机厂腾挪的空间相对来讲就比较小。这时车厂如果将来想要做软件的升级（OTA），就需要反过来来找这些厂商，很麻烦。 英伟达从图形处理器起家，借助人工智能行业发展的东风崛起。英伟达成立于1993年，于1996年第一季度，英伟达停止销售NV1，并终止研发NV2，开始将重心转向图形处理器RIVA128；1999年，推出历史上首款GPU；2004-2007年，投入大量资源研发使GPU通用化的CUDA技术；2008年，推出了Tegra移动处理器，其功耗比普通PC笔记本电脑低30倍，并提供优异的性能；2012年，深度神经网络技术在通用GPU的支持下实现重大突破。2021年，英伟达在GTC大会上宣布将推出自己的首款CPU。 伴随着GPU架构演进，英伟达逐步进军智能汽车领域。英伟达2015年推出NVIDIA Drive系列，其中DRIVE CX面向座舱，DRIVE PX面向自动驾驶。此后以一年一代产品的节奏，迭代出了DRIVE PX、DRIVE PX2、DRIVE PX Xavier、DRIVE PX Pegasus、DRIVE AGX Orin自动驾驶平台。 英伟达目前是自动驾驶芯片的领先者，在未来几年内其优势地位有望继续保持。英伟达的优势在于：1）英伟达是全球现在唯一有能力提供桌面端、云端和车端三端一体的统一开发环境的公司。而且英伟达走的是GPU的路线，这种通用型的路线开发环节是比较容易的，而且不太需要去跟硬件去做额外的调配。而英伟达的对手其实主要是ASIC方案居多，也就是这种专用芯片为主，整体的开发环境不够成熟，对于开发者不是特别友好。2）先发优势。英伟达进入自动驾驶市场比较早，进度上领先其他的所有的竞争对手。在2021年4月，英伟达就发布了它的最新一代的SOC芯片hartline，单片能达到1000t的算力，英伟达整体从时间上来讲，领先主要对手两年左右。目前，只有英伟达的芯片在大算力芯片上是最成熟的，这也是现在大量车厂都会选择英伟达的原因。此外，对于车厂来说，一旦选择了一家平台，后续的迁移成本是比较高的。 2020年，高通推出Snapdragon Ride自动驾驶平台，进军自动驾驶。2021年11月，高通宣布已经宣布和宝马在自动驾驶域达成合作，宝马的下一代的ADAS包括自动驾驶系统会采用高通的Ride平台，预计在2025年量产。 我们认为，在驾驶域虽然高通的Ride平台还没有正式上车，最终它也会是牌桌上的玩家之一。其优势在于：1）性价比的优势。因为在成本上，高通在消费级和座舱芯片上都处于领导地位，整体的消费级芯片以及座舱芯片向自动驾驶芯片的迁移能够帮助高通去节约掉一定的成本，比如高通的第一代Ride平台，其实就是由座舱芯片改过来的。2）高通在座舱域的绝对领导地位有助于其自动驾驶方案的一个推广。因为座舱域的渗透比驾驶域的渗透更快，高通目前在座舱域是绝对的霸主地位，它与很多的车厂形成了合作关系。对于车厂来说，座舱域和驾驶域选同一家供应商是更为有利的，因此，高通可以以座舱方案为切入，再向车厂推广自己的自动驾驶方案。 Mobileye从单目视觉系统出发，逐渐成为ADAS霸主。公司其成立于1999年，最初专注于研究单目的视觉系统，在2001年逐渐走上了软硬一体的道路。Mobileye的主打芯片——EyeQ第一代于2007年上市，开始给宝马、通用、沃尔沃等这些车企做量产上车。2014年，Mobileye成功推出了它的EyeQ 3，成为ADAS领域的全球领导者。同年，公司在纽交所上市了。2017年被英特尔收购。 Mobileye作为行业的前一代领导者，具有非常多的优势。比如，拥有丰富的量产经验，在全球范围内积累了海量的数据，去打磨自身算法的性能，其算法的精度、稳定性、包括可靠性目前还是处于全球领先的地位。Mobileye主打高性价比、低成本、低功耗的省心方案。其实有很多车厂，哪怕到今天他的开发能力相对来讲还比较弱，但是他们又希望去上辅助驾驶或者自动驾驶的功能，这个时候Mobileye就是一个很好的选择。 近年来，无论在行业内还是资本市场中，对于Mobileye的争议逐渐增加。争议主要来自于几个方面：黑盒的解决方案、商务方面较为强势、服务支持能力较弱。而在市场中，也涌现出了更多强劲的竞争对手。首先，黑盒的解决方案，Mobileye的体系是相对来讲比较封闭的，随着车厂研发能力的不断的提升，他们也越来越希望通过自研实现和其他车厂的一个差异化的竞争，这时Mobileye体系开放性的不足会引来比较多的质疑声音。其次，由于Mobileye在ADAS领域是当之无愧的全球霸主，市场份额极高，所以商务方面比较强势。第三，Mobileye将自身定位成传统车厂的芯片以及算法的提供商。在这种定位下，Mobileye需要严格地遵循功能安全，相应的它的整体的风格也相对于那些科技企业来讲整体服务知识的时效性会相对偏弱。另外，Mobileye之前是全球绝对的霸主，他需要向全球的车厂供货，对于中小型的车厂的一些算法迭代需求很难去做到全部的及时响应。 市场中ADAS还是主流，Mobileye在这个领域的优势依然明显。之前在ADAS领域Mobileye一家独大，随着英伟达、高通等越来越多的强劲竞争对手的出现，Mobileye的地位有所下降。比如，2021年宝马决定选用高通替代Mobileye就是Mobileye日渐势微的缩影。虽然目前针对Mobileye的争议比较多，但是这并不意味着Mobileye的前景一片暗淡。通过爬虫数据可以看出，2021年搭载并线辅助、车道偏离等功能的车型的渗透率普遍在40%以下，ADAS渗透率还有较大提升空间。此外，ADAS的主流地位在传感器的搭载上也得到验证。根据高工智能汽车数据，2021年新车ADAS标配搭载感知组合仍以1VxR为主，而xVxR的占比仍然很低。 根据我们之前产业调研的结论，从中长期看，在未来较长的时间窗口内ADAS仍将是主流。随着自动驾驶等级的上升，对于包括芯片、传感器、执行器等在内的要求会越来越高，这也会带来更高的成本。对于传感器的需求差异带来的成本差异也会导致自动驾驶功能在不同价格带的车型中分层情况的长期存在。在ADAS市场，Mobileye的份额还是非常稳固的。根据产业调研数据，在全球ADAS市场中，Mobileye的市场份额至少50%，而且从他的芯片销量上我们也能看到大幅上升，2021年Mobileye的EyeQ系列芯片销量增长迅猛，同比2020年增速达到了45.6%。 除了行业上的原因之外，Mobileye现在正通过一系列的方式走向开放。Mobileye的EyeQ5芯片不仅推出了软硬件强耦合的封闭版本，还推出了开放的版本。另外，今年1月份，Mobileye在CES上推出了EyeQ Ultra系统集成芯片，同时透露会配合车厂开发。因此，从近几年Mobileye一系列的动作来看，它走向开放的一个决心是比较明显的。 特斯拉先后使用Mobileye、英伟达的芯片，于2017年宣布自研芯片。在HWI/AP1时代，特斯拉采用Mobileye EyeQ3芯片，但在2016年7月，Mobileye联合创始人兼CTO在Q2季报会议上宣布EyeQ3芯片将会是Mobileye和特斯拉的最后一次合作，双方最终分道扬镳。从表面上来看，2016年5月的交通事故是导火索，从深层看，特斯拉风格比较激进，而Mobileye整体风格偏保守一些，所以特斯拉不满Mobileye的进程较慢可能也是双方分开的原因之一。 特斯拉第二代系统使用英伟达的DRIVE平台。根据特斯拉的说法，因为英伟达芯片采用的GPU路线功耗相对来讲比较大，双方结束合作。特斯拉的自研芯片开始于2017年，从设计到量产经历了18个月，在2019年4月开始正式在Model 3上应用。同一块板卡上有2颗芯片，每颗芯片算力72TOPS，在行车过程中，两颗芯片同时对相同数据进行分析，并对比分析结果，互为验证，提高自动驾驶安全性。 特斯拉自研芯片的这种模式有助于特斯拉从底层构建起它的核心的技术能力和技术壁垒。因为除了特斯拉之外，基本上所有的车厂都是采用外采的SOC，如果这些厂商要改底层东西的话或者出现bug，需要对方的支持，会比较麻烦，时间就会拖得比较久。而对于特斯拉来说，芯片的底层包括调度都是由自己完成的，这帮助特斯拉从底层构建起一个核心的技术能力以及技术壁垒。 中国自动驾驶芯片产业处于发展初期，国内头部玩家持续追赶国际龙头。未来两年，主流自动驾驶芯片将陆续量产交付；未来五年，市场份额的争夺将更为激烈，国内头部厂商有望突围。 黑芝麻提供基于光控技术、图像处理、计算图像以及人工智能的嵌入式视觉感知芯片计算平台，为ADAS及自动驾驶提供完整的商业落地方案。2019年8月，黑芝麻首发了车规级的自研芯片——华山一号A500，这个芯片当时在算力的峰值、能效比、算力的利用率等比较关键的指标上已经与Mobileye的EyeQ4接近。2020年6月，黑芝麻发布了华山二号A1000自动驾驶计算芯片，是我国第一个可以支持 L2+自动驾驶的国产芯片，也是国内第一款通过了功能安全认证的自动驾驶计算芯片。预计今年公司将会发布华山三号A2000 的芯片，这款芯片将面向L4、L5级别的自动驾驶。 地平线成立于2015年，2017年发布面向智能驾驶的征程1.0处理器以及面向智能摄像头的旭日1.0处理器。2019年8月宣布正式推出车规级的AI芯片，也就是征程2.0，性价比较高。2020年9月，地平线就推出了征程3.0，已经是相对比较强的玩家了。2021年5月，征程3.0 其量产首发。为了能在竞争中获得优势地位，地平线加快了征程6.0的开发，征程6.0的算力将超过512TOPS，并预计在2023年推出。 除此之外，国内其他玩家还包括寒武纪、芯驰科技等等，这里不再一一介绍。 合规声明：本文节选自国君计算机团队行业沙龙纪要，如需纪要全文请后台留言。 - end - 欢迎加入产业交流群！ 欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的产业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。 智能汽车研究框架（560页PPT） 智能座舱 汽车芯片 汽车操作系统 域控制器 特斯拉 中科创达 人工智能及自动驾驶相关报告 1. 如何研究一家AI公司？ 2. 从汽车业务商业模式看中科创达和人力外包公司的不同 3. 中科创达：汽车“四化”下加速成长 4. 三谈中科创达：做事情眼光最重要 5. 智能座舱：智能汽车产业大变局中的投资机遇（40页深度） 6. 德赛西威：领先的汽车电子玩家，未来出行变革创领者（深度） 7. 科大讯飞：个性化学习手册改变了什么？（深度） 8. 科大讯飞：你绝对没见过的区域型订单详细拆解（深度） 9. 科大讯飞核心竞争力与增长点分析（50页PPT） 10. 科大讯飞：疫情防控让教育订单商业模式发生怎样的变化？ 11. 从Nuance的沉浮看科大讯飞的核心竞争力 12. 格灵深瞳：技术领先到商业落地，计算机视觉场景为王（深度） 13. 一张图看懂AI公司 14. AI+自动驾驶：模糊的正确胜过精确的错误 15. 从主芯片视角研究智能驾驶内在产业逻辑 16. 虹软科技：“价”的弹性大于“量”的弹性（深度） 17. 虹软科技：单机价值量提升带来最大弹性 18. 虹软科技：量价齐升，逻辑最顺（深度） 19. 虹软科技：业绩怎么了？ 20. 科大讯飞：区域订单统计 21. 对中科创达的一些理解 22. 英伟达汽车芯片业务发展史 23.自动驾驶路测数据中的秘密 24.Mobileye：被篡位的自动驾驶芯片老霸主（深度） 25.中科创达：牵手地平线成立合资公司 26.黑芝麻：国产自动驾驶芯片独角兽，用芯赋能未来出行（深度） 27.经纬恒润：汽车电子隐形冠军（深度） 28.计算机视觉：血腥战场（深度） 29.产业调研：谈谈车载操作系统竞争格局 30.产业调研：黑芝麻眼中的车载SoC芯片市场 31.生死时速：新旧势力汽车主机厂自动驾驶进展详细梳理（深度） 32.地平线：国产自动驾驶芯片龙头发展史（深度） 33.产业调研：从中科创达产品视角看智能座舱发展趋势 34.芯驰科技：汽车芯片全赛道覆盖（深度） 35.为什么汽车芯片这么火？ 36.产业调研：为什么规模化L2是自动驾驶向上突围关键点？ 37.智能汽车芯片研究框架（120页PPT） 38.产业调研：元宇宙中的集度汽车发布会 39.产业调研：为什么规模化L2是自动驾驶向上突围关键点？ 40.重磅！计算机研究员眼中的特斯拉（深度） 41.L3级别自动驾驶落地的正确姿势（深度） 42.软件定义汽车的时代已经到来 43.产业调研：英伟达如何服务智能汽车行业 44.产业调研：杰发科技（四维图新）座舱芯片产品路线图 45.产业调研：芯擎科技（吉利汽车）的座舱芯片之路 46.智能座舱研究框架（100页PPT） 47.产业调研：计算机视角看蔚来新品发布会 48.五谈虹软科技：两大核心业务拐点将至 49.产业调研：不追求科技感的理想L9发布会（附万字纪要） 50.产业调研：矿区无人驾驶的商业化落地实践 51.域控制器：高景气能持续多久（深度） 52.特斯拉智能驾驶研究框架（100页PPT） 53.产业调研：华为问界M7超预期还是低于预期（附发布会纪要） 54.激光雷达：驶向千亿星辰大海（深度） 55.域控制器研究框架（40页PPT） 56.产业调研：极氪进化日有什么新看点？ 57.智能汽车操作系统研究框架（100页PPT） 法律声明 本订阅号发布内容仅代表作者个人看法，并不代表作者所属机构观点。涉及证券投资相关内容应以所属机构正式发布的研究报告内容为准。市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。本订阅号所载内容为原创。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的，需明确注明出处，且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）