场景一       汽车芯片是什么东西？一辆汽车需要多少芯片
 

相信最近很多想买车的小伙伴都遇到了延迟交车的问题，之所以4S店推出新车交付时间主要是因为目前全球面临汽车芯片短缺的问题，而不了解汽车芯片的人可能并不清楚这究竟是什么意思，那么下面就来看看到底汽车芯片是什么东西？

 

“芯片”代表的是半导体原件产品，也就是我们常说的集成电路，如果说手机芯片是这款手机的“大脑”的话，那么汽车芯片也就相当于是汽车的大脑。其中汽车芯片主要可以分为“功能芯片”、“功率半导体”、“传感器”这三大类，下面就来分点介绍这三类芯片。

1、功能芯片（MCU）

 

MCU也称为“微控制单元”，汽车里面的电子控制系统、信息娱乐系统、动力总成系统、车辆运动系统等各种系统功能想要正常运行的话，均需要用到这类型的功能芯片才能得以实现，其中目前最流行的“自动驾驶系统”也离不开功能芯片。

2、功率半导体

 

功率半导体主要运用在汽车动力控制系统、照明系统、燃油喷射、底盘安全等系统当中，其中传统燃油车一般将它运用在启动与发电、安全等领域；新能源汽车则需要大量功率半导体来实现车辆频繁的电压变换需求，此外电动车的许多零部件中也少不了功率半导体的加持。

3、传感器

 

汽车传感器是汽车计算机系统的输入装置，它的作用是把汽车运行中各种工况信息，如车速、各种介质的温度、发动机运转工况等，转化成电信号输给计算机，以便汽车处于最佳工作状态。例如氧传感器、胎压传感器、水温传感器、电子油门踏板位置传感器等等。

 

所以综上所述，汽车芯片对于一辆车来说是非常重要的，在功能芯片、功率半导体、传感器这三大类型中传感器可以说是市场份额最小的，但假设没有传感器汽车甚至连油门都踩不动，现在相信大家都理解了汽车为什么缺芯片就造不出来了。

一辆汽车需要多少芯片？

以往制造一辆传统汽车一般需要用到500-600颗左右的芯片，但是随着汽车行业的不断发展，如今的汽车逐渐由机械式转向电子式的方向发展，车子做得越来越智能，那么所需的芯片数量自然就更多了，据了解2021年平均每辆车所需芯片数量已经达到了1000颗以上了。

 

除了传统汽车以外，新能源汽车才是芯片“大户”，这种车需要大量的DC-AC逆变器、变压器、换流器等部件，而这些对IGBT、MOSFET、 二极管等半导体器件的需求量也有大幅增加，所以一款好一点的新能源汽车所需要的芯片可能达到2000颗左右，需求量十分惊人。


场景二
 

智能驾驶涉及人机交互、视觉处理、智能决策等，核心是 AI 算法和芯片。伴随汽车电子化提速，汽车半导体加速成长，2017 年全球市场规模 288 亿美元（+26%），远高于整车销量增速（+3%），其中占比最高的为功能芯片 MCU（66 亿美元，占比 23%），随后还包括功率半导体（21%）、传感器（13%）等。

汽车半导体按种类可分为功能芯片 MCU（Microcontroller Unit）、功率半导体（IGBT、MOSFET 等）、传感器及其他。根据Strategy Analytics，在传统燃油汽车中，MCU 价值量占比最高，为23%；在纯电动车中，MCU 占比仅次于功率半导体，为11%。DIGITIMES预测，功能芯片MCU市场规模有望从2017年66亿美元稳步提升至2020年72亿美元。

▲ 全球汽车销量（万辆）

▲ 全球汽车半导体市场规模（亿美元）

▲ 燃油汽车半导体按种类分类

▲ 纯电动汽车半导体按种类分类

▲ 汽车功能芯片市场规模（亿美元）

传统汽车的功能芯片仅适用于发动机控制、电池管理等局部功能无法满足高数据量的智能驾驶相关运算。

近年来，伴随智能驾驶渗透率提升，全球芯片巨头纷纷进军汽车产业，推出具备AI计算能力的主控芯片。主控芯片市场规模有望快速成长，IHS预测2020年可达40亿美元。

▲ 汽车芯片：主控芯片&功能芯片

▲ 汽车主控芯片市场规模（亿美元）

主控芯片巨头具有较强的AI计算优势，功能芯片厂商具有丰富的汽车产业链经验，两大阵营之间兼并收购及联盟合作频发。

截至目前，英伟达已与全球370+整车厂、一级供应商达成合作；英特尔收购Mobileye切入汽车产业；高通曾意图收购恩智浦等。

▲ 汽车芯片市场格局

主控芯片：算力持续增长

智能驾驶涉及人机交互、视觉处理、智能决策等，AI算法和芯片是核心。据恩智浦统计，目前一辆高端汽车已经搭载超过1亿行代码，远超飞机、手机、互联网软件等，未来伴随自动驾驶的渗透率及级别提升，汽车搭载的代码行数将呈现指数级增长。

自动驾驶软件计算量已经达到10个TOPS（Tera Operations Per Second，万亿次操作每秒）量级。传统汽车MCU的算力难以满足自动驾驶汽车的计算要求，GPU、FPGA、ASIC等AI芯片进入汽车市场。

▲ 汽车已经搭载超过1亿行代码

▲ 汽车搭载的代码行数指数级增长

▲ 典型汽车MCU的算力

▲ 英伟达GPU SoC的算力

全球无人驾驶领导者包括谷歌、百度、特斯拉、奥迪等，从这些厂商的自动驾驶主控模块的SoC芯片架构或可一窥汽车芯片发展方向。

 

谷歌 Waymo：采用英特尔CPU+Altera FPGA方案，英飞凌MCU作为通信接口。谷歌Waymo的计算平台采用英特尔Xeon12核以上CPU，搭配Altera的Arria系列FPGA，并采用英飞凌的Aurix系列MCU作为CAN或FlexRay网络的通信接口 。

▲ 谷歌Waymo的计算平台架构

百度 Apollo：恩智浦/英飞凌/瑞萨MCU+赛灵思 FPGA/英伟达GPU。百度无人驾驶样车采用 IPC（工控机）方案，但工控机的体积和功耗难以满足量产化要求，因而百度也推出了适合于量产的域控制器嵌入式方案。将各个传感器的原始数据接入到Sensor Box中，在Sensor Box中完成数据的融合，再将融合后的数据传输到计算平台上进行自动驾驶算法处理。

百度自动驾驶专用计算平台ACU（Apollo Computing Unit）定义了三个系列产品：MLOC（高精定位，MCU）、MLOP（高精定位+环境感知，MCU+FPGA）、MLOP2（高精定位+环境感知+决策规划，MCU+GPU）。

▲ 百度Apollo的工控机计算平台架构

▲ 百度Apollo的域控制器计算平台架构

特斯拉：从Mobileye ASIC到英伟达GPU。2014 年特斯拉发布Autopilot 1.0，搭载1个前置摄像头、1个后置倒车摄像头（不参与辅助驾驶）、1个前置雷达、12个超声波传感器，视觉芯片采用MobileyeEyeQ3，主控芯片采用NVIDIA Tegra 3。

2016年底特斯拉发布Autopilot 2.0，搭载3个前置摄像头（不同视角广角、长焦、中等）、4个侧边摄像头（左前、右前、左后、右后）、1个后置摄像头、1个前置雷达（增强版）、12个超声波传感器（传感距离增加一倍），主控芯片采用NVIDIADrive PX 2，处理速度为Autopilot 1.0的40倍。

▲ Mobileye EyeQ3芯片架构

▲ 英伟达Drive PX2芯片架构

奥迪：Mobileye ASIC英伟达GPU+Altera FPGA+英飞凌MCU的多芯片集成方案。全新奥迪A8公开了自己的zFAS控制器方案。zFAS共有四块高性能的处理器：1)Mobileye的EyeQ3负责视觉信息处理，包括交通标志识别、行人识别、碰撞提醒、车道线检测等；2)英伟达的Tegra K1 SoC负责360°环视影像；3)Altera的Cyclone5 FPGA负责传感器融合、地图融合、辅助泊车等；4)英飞凌的Aurix系列MCU用于交通拥堵控制、辅助驾驶等。

▲ 奥迪A8的计算平台架构

在汽车主控芯片领域，GPU仍将保持通用汽车主控芯片的主流地位，FPGA作为有效补充，ASIC将成终极方向。

当前人工智能及智能驾驶算法尚未定型，GPU作为通用加速器，预计仍将在相当长一段时间内保持其汽车主控芯片的主流地位；FPGA作为硬件加速器，料将成为GPU的有效补充；将来如果全部或部分智能驾驶算法得以固化，ASIC将成为最优性价比的终极选择。

▲ 汽车主控芯片趋势图

1、英伟达：GPU垄断优势，从智能座舱到自动驾驶

英伟达收入净利润快速增长，汽车为长期动力。英伟达是GPU领域龙头，常年保持超70%市占率。英伟达2018财年（对应2017自然年）收入97.1亿美元，同比+40.6%；净利润30.5亿美元，同比+82.9%。

▲ 全球独显GPU市场份额(2009-2017)

▲ 英伟达营业收入（百万美元）

▲ 英伟达净利润（百万美元）

英伟达数字座舱计算机Drive CX：利用先进3D导航、高分辨率数字仪表组、自然语音处理及图像处理实现驾驶辅助功能。Drive CX的内核是基于Maxwell架构的Tegra X1 SoC，此外还有选配置为Tegra K1 SoC。

DRIVE CX的主要功能包括：1)自然语言处理，通过语音识别完成地址查询、呼叫联系人等功能；2)3D导航和信息娱乐，为众多应用程序提供高分辨率、高帧率的图形显示；3)全数字仪表组，通过仪表组或抬头显示HUD提供丰富的图形显示；4)环绕视觉，利用复杂的运动恢复结构技术和先进的拼接技术，改善鱼眼镜头的图像渲染、减少重影现象，并可在高精细模型中渲染出一辆虚拟汽车，实现逼真的环绕视觉效果；5)对接Android Auto，拥有Android智能手机或iPhone的驾驶员可以轻松访问自己的移动设备，与地图、搜索和音乐等应用进行互动。

▲ 英伟达数字座舱计算机Drive CX

英伟达自动驾驶汽车平台Drive PX：将深度学习、传感器融合和环绕视觉相结合，力求改变驾驶体验。Drive PX的主要功能包括：1)传感器融合，可以融合来自12个摄像头、激光雷达、毫米波雷达和超声波传感器的数据；2)计算机视觉和深度神经网络，适用于运行DNN（Deep Neural Network，深度神经网络）模型，可实现智能检测和跟踪；3)端到端高清制图，可快速创建并不断更新高清地图；4)软件开发工具包DriveWorks，包含了可供参考的应用程序、工具和库模块。

▲ 英伟达自动驾驶汽车开发平台Drive PX

2、英特尔：积极兼并收购，进军自动驾驶专用芯片

英特尔传统业务增长乏力，进军汽车领域创造业绩新增长点。英特尔曾经是世界上最大的半导体芯片制造商。

据PassMark统计，2017Q1英特尔占据全球CPU行业的市场份额为80%。近年随着智能手机的兴起与个人电脑市场的景气降低，芯片主业收入增速明显下降，公司营业收入被三星电子超越。公司曾尝试生产了手机处理器但最后表现失利，并不得不解散了负责该业务的部门。

近年来，英特尔通过大量收购积极布局无人驾驶、物联网、人工智能、VR等新兴领域，创造业绩的新增长点，力图实现从传统芯片制造商向多元解决方案提供商转型。

▲ 全球CPU市场份额（2004-2017）

▲ 英特尔营业收入（百万美元）

▲ 英特尔净利润（百万美元）

▲ 英特尔按业务类别拆分营业收入（百万美元）

▲ 英特尔近三年收购动向

英特尔收购Mobileye：全球视觉ADAS领导者。Mobileye是全球视觉ADAS市场领导者之一，掌握ADAS市场80%份额，拥有丰富的视觉ADAS产品。Mobileye的专有软件算法和EyeQ芯片能对视觉信息进行详细分析并预测与其他车辆、行人、自行车或其他障碍物的可能碰撞，还能够检测道路标记、交通标志和交通信号灯。

截至2017年底，Mobileye的产品已经被用于27个整车厂的313款车型，当年出货量870万颗。2017年3月英特尔以153亿美元收购Mobileye，打造英特尔车队。车队将包括各种汽车品牌和车型，以展示其多功能性和适应性。L4级车辆将被部署在美国、以色列和欧洲进行测试。

▲ Mobileye EyeQ5将助力汽车实现L4-L5级无人驾驶

 

 

▲ 英特尔的“车到云”系统方案

英特尔收购Altera：自动驾驶FPGA芯片已经量产。目前全球FPGA市场主要被Xilinx和Altera瓜分，合计占有近90%的市场份额，合计专利达到6000多项。

Altera的FPGA产品共有四大系列，分别是顶配的Stratix系列（近万美元）、成本与性能平衡的Arria系列（2000~5000美元）、廉价的Cyclone系列（10~20美元）、以及MAX系列CPLD。英特尔2015年宣布完成对Altera的收购，帮助高速增长的数据中心与IoT业务。

▲ 2016年FPGA市场份额分布

3、高通：凭借通信优势，从信息娱乐到车联网

高通传统业务收入下滑，积极进行新兴产业布局。高通为全球智能手机SoC龙头。

在汽车领域，高通提供的解决方案包括：1)车载资讯系统，为汽车优化制定的蜂窝网解决方案；2)驾驶数据平台，智能收集和分析来自不同汽车传感器的数据，使汽车实现精准定位，监控和学习驾驶模式，感知周围环境，已经准确与外界共享此平台的信息；3)资讯娱乐，提供3D导航、在线媒体播放和驻车辅助支持，以及语音、人脸和终端识别等功能；4)电动汽车无线充电，推出Qualcomm Halo WEVC无线充电解决方案。

▲ 全球智能手机SoC市场份额（2016-2017）

▲ 高通营业收入（百万美元）

▲ 高通净利润（百万美元）

▲ 高通的新兴产业布局

高通推出车载信息娱乐系统解决方案。骁龙汽车平台信息娱乐系统现分为极简（Select）、高端（High）和顶级（Premium）方案。

极简方案可以支持3个显示屏，包括信息娱乐系统、仪表和抬头显示（HUD）；高端层级可以支持多达4个显示屏，副驾驶或后座娱乐可以拥有单独的屏幕，同时还支持顶级音频、低时延无线传输高清视频、环视处理，深度学习与计算机视觉处理可分辨附近的障碍物和行人；顶级方案可以支持多达6个显示屏，包括仪表、信息娱乐系统、HUD、副驾驶、后座（两个不同的屏幕）。

2017年CES展上，参展的玛莎拉蒂硬件上搭载定制的骁龙汽车解决方案，包括骁龙汽车级处理器、Gobi3G/4G LTE无线调制解调器、Wi-Fi和蓝牙模块等。另一辆参展车克莱斯勒Portal，安装了松下车载娱乐概念系统，此系统将以最新版本的安卓汽车以及高通公司骁龙芯片为工作基础 。

▲ 骁龙602A汽车处理器

高通推出车联网芯片组，支持LTE及DSRC车联网骁。骁龙X5 LTE支持LTE车联网，速度可达4类，下行速率为150Mbps，上行速度为50Mbps。骁龙 X12 LTE支持速度高10类，支持下行速率高达60 MHz 3x CA（450Mbps）到网络上行链路中的 40MHz 2x CA（100Mbps）。

骁龙X16 LTE调制解调器支持高达1Gbps的峰值下载速度，有助于满足下一代智能网联汽车的连接需求和使用案例，包括高清地图更新、实时交通和路况信息的连接导航、软件升级、Wi-Fi热点和多媒体流。

此外，高通于2017年9月推出了基于第三代合作伙伴计划（3GPP）版本14规范的全球首款蜂窝车到车（C-V2X）商用解决方案，高通9150 C-V2X 芯片组。该芯片组包括运行智能交通系统（ITS）V2X 堆栈的应用处理器以及硬件安全模块（HSM），预计在2018年下半年上市，最早于 2019 年实现量产并向车厂供货。C-V2X同时支持 DSRC和LTE通信，为车辆提供周围环境信息、非视距（NLOS）场景下的信息。

功能芯片：技术较成熟，格局稳中有变

功能芯片市场较为成熟、格局较为稳定。据Strategy Analytics统计，2016年全球车载MCU安装量超25亿，平均每辆汽车安装25~30个 MCU。2016年全球汽车MCU市场TOP5分别为恩智浦（14%）、英飞凌（11%）、瑞萨电子（10%）、意法半导体（8%）、德州仪器（7%）。

相比于消费芯片及一般工业芯片，汽车芯片的工作环境更为恶劣：温度范围可宽至-40~155℃、高振动、多粉尘、电磁干扰等。由于涉及人身安全问题，汽车芯片对于可靠性及安全性的要求也更高，一般设计寿命为15年或20万公里。“车规级”芯片需要经过严苛 的认证流程，包括可靠性标准 AEC-Q100、质量管理标准ISO/TS 16949、功能安全标准ISO26262等。

一款芯片一般需要2~3年时间完成车规认证并进入整车厂供应链；而一旦进入之后，一般也能拥有长达5-10年的供货周期。高安全与高可靠性标准、长供货周期、与中下游零部件厂商和整车厂长久的合作关系是目前汽车芯片格局稳定的主要原因。

▲ 汽车级芯片 vs 消费类、工业级芯片

▲ 全球主要汽车MCU公司概况

▲ 典型汽车MCU的算力

▲ 2016年全球汽车MCU市场份额

功能芯片市场格局亦存变数：1)传统功能芯片厂商在保持原有份额的基础上，积极拓展主控芯片，如恩智浦Bluebox、英飞凌Aurix、瑞萨R-Car等；2)功能芯片厂商之间通过兼并收购整合优势，如恩智浦收购飞思卡尔、英飞凌意图收购意法半导体等；3)半导体巨头亦希望通过收购功能芯片厂商获取车载技术及渠道经验，如英特尔收购Mobileye，高通曾意图收购恩智浦等。

恩智浦：提供完整汽车半导体解决方案，Bluebox 平台支持L4级自动驾驶。

汽车电子布局：恩智浦汽车半导体产品覆盖MCU和MPU、车载网络、媒体和音频处理、智能电源驱动器、能源与电源管理、传感器、系统基础芯片、驾驶员辅助收发器、汽车安全等。

自动驾驶平台：恩智浦BlueBox是一款自动驾驶开发平台，集成了S32V234汽车视觉和传感器融合处理器、S2084A嵌入式计算处理器、S32R27雷达微控制器。BlueBox可完成多传感器融合（毫米波雷达、视觉、激光雷达、车联网），支撑 L4级自动驾驶，功耗小于40W，算力达90,000 DMIPS(Dhrystone Million Instructions executed Per Second，百万条指令每秒)。

视觉芯片：S32V234视觉处理器，拥有CPU(4颗ARM CortexA53和1颗M4)、3D GPU(Vivante GC3000)和视觉加速单元(2颗APEX-2vision accelerator)，支持4路摄像头。可用于前视摄像头、后视摄像头、环视系统、传感器融合系统等，能实时3D建模，计算能力为50GFLOPs。同时，S32V234芯片预留了支持毫米波雷达、激光雷达、超声波的接口，可实现多传感器数据融合，最高可支持ISO26262ASIL-C标准。

雷达芯片：S32R27雷达处理器，采用两个e200z7 32位 CPU 和两个32位锁步模式e200z4，能够支持自适应巡航控制、智能大灯控制、车道偏离警告和盲点探测等功能。

▲ 恩智浦营业收入（百万美元）

▲ 恩智浦净利润（百万美元）

▲ 恩智浦Bluebox自动驾驶开发平台

英飞凌：覆盖集成电路与功率半导体，视觉及雷达芯片支持 ADAS 功能。

汽车电子布局：英飞凌汽车半导体产品覆盖车身半导体、汽车安全、底盘总成、动力总成、混合动力汽车和电动车、有源天线等。

自动驾驶平台：英飞凌推出Aurix自动驾驶域控制器，可完成传感器信号融合（雷达、摄像头、超声波和激光雷达）、计算最佳驾驶策略，并触发汽车中的执行器，支持增强型ADAS功能，如交通辅助、自主避障等。

视觉芯片：可实现车道偏离预警、前向碰撞预警、交通标志识别、行人识别等ADAS功能。

雷达芯片：1)77GHz远程雷达系统，采用 SiGe（硅锗）技术保证高频功能和耐用性，可用于避撞系统；2)24GHz近/中程雷达系统，同样采用SiGe（硅锗）技术，可用于盲点监测系统。

车内3D摄像头芯片：英飞凌推出3D图像传感器芯片Real3系列产品，采用飞行时间（ToF）相机测量3D环境，可识别驾驶员行为并将此信息传递给ADAS，还可以提升HMI体验如手势识别等 。

▲ 英飞凌营业收入（百万欧元）

▲ 英飞凌净利润（百万欧元）

▲ 英飞凌Aurix自动驾驶控制器架构图

瑞萨：多品类车载MCU和SoC，R-Car平台支持L4级自动驾驶。

汽车电子布局：瑞萨汽车半导体产品覆盖片上系统（SoC）、电源管理、电池管理、功率器件、通信器件、视频和显示等。

自动驾驶平台：瑞萨推出自动驾驶SoC R-Car，采用ARM CPU和PowerVR GPU，可扩展的硬件平台可覆盖入门级（R-Car E系列）、中级（R-Car M系列）及高级（R-Car H系列），支持多种开源软件（安卓、QNX、Linux、Windows、Genivi等）。此外，还有车外摄像头芯片（R-Car V系列）、车内摄像头芯片（R-Car T系列）、智能座舱芯片（R-Car D系列）、车联网芯片（R-Car W系列）等。

▲ 瑞萨营业收入（亿日元）

▲ 瑞萨净利润（亿日元）

▲ 瑞萨R-Car硬件及软件平台

意法半导体：安全主导的半导体制造商，ADAS产品覆盖视觉、雷达、车联网。

汽车电子布局：意法半导体的汽车半导体产品覆盖高级辅助驾驶系统ADAS、车身舒适系统、底盘和安全系统、新能源汽车、娱乐系统、移动服务、动力系统、通信和网络等。

视觉芯片：可用于前视、后视、侧视、以及车内摄像头的信号处理。此外，意法半导体与Mobileye合作开发EyeQ系列芯片，负责芯片制造技术、专用存储器、高速接口电路和系统封装设计，以及总体安全架构设计。

雷达芯片：1)77GHz远程雷达系统，STRADA770 单芯片收发器，可覆盖76-81GHz，可用于自适应巡航ACC、自动制动AEB、碰撞预警FCW、换道辅助LCA、行人检测PD等功能；2)24GHz短程雷达系统，STRADA431芯片，包含一个发射器和三个接收器，适用于盲区检测BSD、换道辅助LCA、泊车辅助PA、倒车侧方检测RCTA、碰撞缓解制动CMB等。

车联网芯片：基于DSRC的V2X解决方案，意法半导体和以色列V2X厂商Autotalks于2014年开始合作研发V2X芯片组。在2018CES上展出的V2X解决方案整合了意法半导体的Telemaco3车载信息服务平台和Autotalks的CRATON2芯片组。

▲ 意法半导体营业收入（百万美元）

▲ 意法半导体净利润（百万美元）

▲ 意法半导体ADAS系统

德州仪器：提供开放式ADAS SoC解决方案。

汽车电子布局：德州仪器的汽车半导体产品覆盖高级辅助驾驶系统ADAS、信息娱乐系统与仪表组、车身电子装置与照明、HEV/EV和动力系统等。

自动驾驶平台：德州仪器ADAS主要产品是TDAx系列，包括TDA2x、TDA3x、TDA2Eco三款SoC，基于异构硬件和通用软件架构，可提供可扩展的开放式ADA解决方案。TDA2x于2013年10月发布，主要面向中到中高级市场，配置了2颗ARM Cortex-A15内核与4颗Cortex-M4内核、2颗TI定浮点C66xDSP内核、4颗EVE视觉加速器核心，以及ImaginationSGX544GPU，主要应用于前置摄像头信息处理，包括车道报警、防撞检测、自适应巡航以及自动泊车系统等。

TDA3x于2014年10月发布，主要面向中到中低级市场，其缩减了包括双核A15 及SGX544GPU，主要应用在后置摄像头、2D或2.5D环视等，可支持车道线辅助、自适应巡航控制、交通标志识别、行人与物体检测、前方防碰撞预警和倒车防碰撞预警等多种ADAS算法。

传感器芯片：包括摄像头芯片（前视、后视、侧视、环视）、雷达芯片（远程、短程、多模式）、扫描激光雷达芯片、超声波芯片，以及传感器融合芯片等。

▲ 德州仪器营业收入（百万美元）

▲ 德州仪器净利润（百万美元）

▲ 德州仪器TDAx产品对比

小结

汽车从“功能机”进化为“智能机”，从“汽车电子”到“无人驾驶”。战略看好智能驾驶产业链中汽车芯片为其中的核心元器件。

从全球范围看，布局汽车芯片产业的巨头公司包括：英伟达、英特尔、高通等；潜在的兼并收购标的包括：英飞凌等。国内公司从车载娱乐系统等安全等级要求较低的产品入手，有望逐渐从后装渗透至前装、从国产整车厂渗透至合资车厂

场景三

芯片代表的是半导体原件产品，也就是我们常说的集成电路，如果说手机芯片是这款手机的“大脑”的话，那么汽车芯片也就相当于是汽车的大脑。芯片在汽车领域的用途非常广泛，随着智能化、网联化、电动化的发展，汽车各电子系统中越来越多地应用了大量半导体元器件，如模拟器件、MCU、存储器、功率器件、传感器等。

汽车半导体按种类可分为功能芯片MCU 、功率半导体、传感器及其他。在传统燃油汽车中，MCU价值量占比最高，为23%；在纯电动汽车中，MCU占比仅次于功率半导体，为11%。除了常见的多媒体信息娱乐系统、智能钥匙和自动停车系统外，芯片还广泛应用在汽车引擎和变速箱控制系统、安全气囊、驾驶辅助系统、电动助力转向、ABS、电子稳定控制系统、行人保护、胎压控制、电动车窗、灯光控制、空调系统、座椅调节系统中，堪称汽车的神经。

功能芯片是最常用的汽车芯片种类，它指的主要是处理器和控制器芯片。汽车要想行驶，需要进行各种信息传递和数据处理，这就需要处理器芯片来完成，类似于电脑的CPU；而汽车要想实现各种功能，则需要一个完善的车辆控制系统，车辆控制系统包括动力总成、驾驶辅助系统、娱乐系统、车身电子系统等各个组成部分，每一种功能都要对应一个控制器，而这些控制器的核心便是芯片。

场景四   汽车芯片发展概述


 

在我国汽车 “新四化”主流发展趋势、半导体行业整体供应趋势以及复杂国际关系背景下，发展国产汽车芯片的重要性和紧迫性日益凸显。我国政府主管部门出台了一系列相关政策，也涌现出了一批国产汽车芯片 设计公司，比如地平线、黑芝麻、紫光国微，产品涉及了自动驾驶 Al、 MCU、功率器件、安全芯片等多个方向。

汽车芯片的发展概述

汽车半导体作为当下智能汽车的核心元器件，广泛应用于汽车各个功能模块，主要涵盖车身、仪表/信息娱乐系统、底盘 / 安全、动力总成和驾驶辅助系统五大板块。

汽车半导体按照在车身上的不同应用领域可以分为计算及控制芯片、存储芯片、传感器芯片、通信芯、功率芯片等。

车内负责计算和控制的芯片主要分为功能芯片 （MCU) 和主控芯片 (SOC)，由于在车中发挥着重要作用，是当下行业的重点关注方向，目前在整个汽车半导体中的市场占比约为 30%。

MCU指的是芯片级芯片，一般只包含CPU 一个处理单元（例：MCU=CPU+ 存储＋接口单元)。而OC 指的是系统级芯片，一般包含多个处理单元（例：SOC=CPU+GPU+DSP+NPU+ 存储＋接口单元）。

在商业模式方面，汽车芯片厂家在传统商业合作模式中一般面向 Tier1，提供基本的芯片硬件和驱动，不会直接面向主机厂，而在 SOA、新能源汽车、5G 等技术的蓬勃发展加持之下，传统的汽车电子商业生态平衡正在被打破，产业链上掌握关键资源和核心技术的环节正在重塑全新的商业模式。

功能芯片持续巩固汽车控制性能和安全

随着汽车电子化程度的加速渗透，汽车ECU 的数量也在快速上升，而ECU 中均需要 MCU 芯片。根据相关数据统计，普通燃油车的ECU数量在 70个左右，高端车型的 ECU 数量在150 个左右，而智能汽车的 ECU 数量在 300个左右。

当前全球汽车 MCU 市场被外资厂商高度垄断，恩智浦(14%)、英飞凌(11%）、瑞萨电子 (10%)意法半导体 （8%）、德州仪器 （7%)，CR5 企业的市场集中度达 50%。在全球汽车行业都处于 “缺芯”的影响下，国内车规级MCU 也在加速进行进口替代，目前国内有多家本土厂商在布局车规级 MCU，包括兆易创新、芯旺微、比亚迪等企业。

车规级 MCU 主要分为 8位、16位和 32位，随着汽车各项舒适功能的普及、部件控制愈加精细化，对 MCU 的计算响应要求会更高，因此高宽位功能芯片 MCU 成为未来的发展方向。

主控芯片成为汽车行业竞争制高点

随着汽车往智能化的发展，特别是智能座舱和自动驾驶概念的兴起，对汽车的算力提出了更高的要求，传统的功能芯片已无法满足算力需求，主控芯片应运而生。

汽车主控芯片主要应用于智能座舱和自动驾驶两大场景：

由于智能座舱芯片相比于自动驾驶芯片对安全的要求相对更低，更加容易打造。未来车内〝一芯多屏”技术的发展将依赖于智能座舱 SoC，芯片本身也将朝着小型化、集成化、高性能化的方向发展。

当前座舱芯片的主要参与玩家包括恩智浦、德州仪器、瑞萨电子等传统汽车芯片厂商，主要面向中低端市场，同时消费电子领域的高通、三星等也加入了市场竞争中，主要面向高端市场。全球来看，高通市场优势明显，座舱芯片的迭代速度几乎与手机芯片同时更新。高通在座舱领域布局了多款芯片产品，目前全球已有超过 20 家车企搭载了第三代骁龙数字座舱平台，其最新一代的座舱芯片产品采用了全球首个5nm 制程。国内来看，华为和地平线凭借着麒麟990A 和征程2 芯片也获得了部分国内主机厂的青睐，已分别在极狐阿尔法 S 和长安 UNI-T 车型上进行搭载。

自动驾驶芯片一方面需要满足更高的安全等级，同时随着自动驾驶级别的提升，需要更高的算力支持，对于L4 级别的自动驾驶需要 300TOPS 的算力支持，因此只具备CPU 处理器的芯片不能满足需要，未来自动驾驶芯片会往集成"CPU+XPU”的异构式 SOC (XPU包括 GPU/FPGA/ ASIC 等）方向发展。

相较于消费电子类芯片，汽车芯片在使用寿命、工作环境及规格标准方面有着更高的要求。芯片产品开发周期长、难度大，需通过最严苛的行业资质认证，从产品研发到最终量产上车，是典型的硬科技，长赛道竞争。车载计算芯片领域目前主要由 Mobileye (2017 年被英特尔收购)、英伟达、高通、恩智浦、瑞萨、德州仪器等少数国际科技巨头垄断，其中 Mobileye 在辅助驾驶市场有超过 70%的市场占有率，英伟达则占据了绝大部分高等级自动驾驶的市场，高通占据了智能座舱一半以上的份额，国产芯片公司的整体份额低于 1%。

自动驾驶芯片的主要参与以第三方玩家为主，包括了国外的 Mobileye、英伟达、高通，以及国内的华为、地平线、黑芝麻等，同时国内的零跑和国外的特斯拉两家车企也在自研自动驾驶芯片。

自动驾驶芯片按照不同的供应方式可以分为软硬件一体式 (算法＋芯片绑定） 方案和软硬件分离（算法、芯片分离）的开放式方案。

当前 Mobileye 采用的主要是算法 ＋ 芯片绑定的一体式解决方案，这种方案短期有利于提升市占率，受到算法能力较弱的OEM 欢迎，Mobileye 在 19年全球 ADAS 芯片占有率约为 70%。但是封闭模式会导致客户开发的灵活度下降，部分有一定算法开发能力的头部OEM 会选择更加开放的解决方案来满足差异化的需求。

英伟达、高通、地平线等企业采取了相对开放的商业模式，既可根据客户的需求提供芯片 ＋算法的整体方案，也可允许客户自己写算法。

Mobileye下一代 EyeQ5 芯片也将采用开放的商业模式，据悉 EyeQ5 芯片将提供两个不同的版本，一个封闭版(己率先与麦格纳合作面市)，一个开放版（会在宝马iX新车上率先搭载)，可以支持第三方进行编程操作。

随着汽车E/E 架构从分布式向集中式方向进行发展，中央集中式 E/E 架构是未来最终的发展方向，这时中央计算平台作为最高决策层能够实现对所有功能的控制，现阶段相互独立的座舱芯片和自动驾驶芯片有望合二为一，这将大大简化汽车线束的设计复杂度，并降低成本。

车载SOC计算芯片典型架构

如下图是车载人工智能芯片的典型架构。按照承担的不同计算类型和任务进行分类，计算模块分为两类：CPU 和 NPU。通常来说，CPU做通用的逻辑计算，NPU 适合面向环境感知的 AI计算。

主要计算模块包括：

(1) CPU

除进行与 Al 处理相关的计算，车载系统仍有一定的计算需求以保证实现各类系统应用，这一部分的算力由 CPU 子系统提供，CPU 子系统所支持的计算需求包括：传感器融合、前后处理、属性重建、里程计定位匹配、车辆控制、传统算法冗余计算、调度及计算任务、感知信息输出等。

为满足上述智能驾驶场景的计算需求，CPU 子系统通常采用基于 ARM Cortex-A的集群式设计，Cortex-A 系列属于低功耗内核，采取 ARMV8/ ARMV9 指令集，在提升性能的同时又能实现低功耗特性，满足高能效计算场景需求。相对 ARM 上一代处理器，采用了增强计算性能：增强的NEON 技术，可加速多媒体和信号处理算法，如视频编码/ 解码，2D/3D 图形，音频和语音处理，图像处理。双精度浮点SIMD，显著提升了对更加广泛算法的支持效率。在提升性能的同时，仍能保持低能耗的特性，CPU 集群中不同核可划分不同电压域，分组进行电源门控，在满足不同算力场景需求的同时达到低功耗特性。集群设计具备良好的灵活性、可扩展性、安全性、高能效性，能够充分适应 ADAS/ 座舱 / 智能人机交互等复杂场景的计算需求。

(2) NPU

智能网联汽车领域包含高级辅助驾驶、自动驾驶、人机交互、信息娱乐等场景需求，计算的算力需求高，并行度高，需要性能强劲、能效比更高的车载计算芯片作为算力基础设施，完成视觉、语音以及 NLP等计算处理与自学习、自主进化。将深度学习应用于上述典型场景设计专用的车载计算芯片，结合工程技术实现落地，引领产业快速发展。

将先进算法和先进处理器架构设计结合在一起，最终实现功耗、性能 （包含速度和精度）能效比等方面的最优解。NPU 是面向人工智能计算场景的专用处理器，利用深度学习技术的快速演进，通过算法从数据中学习，结合在芯片体系架构上进行创新，结合自动驾驶重直场景的计算特点，专用于执行人工智能并行计算，属于典型的异构多指令多数据的系统，针对存储器架构设计进行了特别优化，能使数据自由传递，进行多种计算，让不同部件同时运转起来，提高 Al运算的效率。NPU 在不牺牲精度前提下提供充足算力保障，具有高性能、低功耗、低成本等特点。

此外，这类芯片需体现一定的场景通用性，处理器内部针对 MAC 单元等计算模块设计了组合、选通等逻辑结构，使其自身灵活可配，可与应用开发工具链实现紧密耦合；支持 MxNet、 Caffe、TensorfowPyTorch 等多种训练框架所得模型的计算，支持传统卷积计算、循环卷积计算、全连接计算等多种深度学习算法的计算，支持不同参数规模的模型计算，同时可通过编译器配置为不同精度的浮点、定点计算，支持异构计算，可与 CPU 协同一起完成异构模型的计算，提升整体性能。NPU 自身的设计特点及其与工具链的紧密耦合决定了其灵活性高、通用性强的特征，可适应不同场景的计算需求。

随着自动驾驶等创新应用基于海量数据分析发展而来，自动驾驶所需要的环境感知、物体识别等应用要求极快的计算响应，通常利用深度神经网络算法。在保证性能快效率高的同时，功耗不能过高，不能对自动驾驶汽车的续航里程造成较大影响，对计算芯片的效率提出更高要求，计算芯片体系架构不断发展，由通用计算向专用计算延伸。当前主流的自动驾驶计算芯片在处理深度学习 A 算法方面主要有可分为 GPU、 ASIC、FPGA、DSP 等几类，选择最佳解决方案通常与多种因素有关，例如应用场景、芯片规格（包括硬件接口、功耗等）、设计约束、软件工具链以及上市时间节奏等。

智能汽车时代，Al 计算芯片就是数字发动机，提供智能汽车最重要的硬件基石则是算力。当前算力不足已经成为智能汽车发展的核心瓶颈，算力的持续提升是汽车智能化进步的标志，每增加一级自动驾等级，算力需求十倍上升，自动驾驶每往上走一级。所需要的芯片算力就要翻一个数量等级。

未来多核 CPU、GPU、DSP 以及 NPU 等在市场、需求驱动下通过集成、组合，向SOC 方向发展。对软硬件进行模块化设计，采用差异化芯片方案，通过异构通用平台，总线以及各种外设控制器等，打通行业上下游，采用安全稳定、可扩展、可定制的系统，解耦软硬件不同生命周期和开发流程，通过标准化实现规模化的自动驾驶。

E/E 构架变革四大趋势：计算集中化、软硬件解耜、平台标准化以及功能定制化，将高性能的硬件预埋作为投资，通过软件更新服务为盈利点，这同时也对车载 Al 计算芯片的提出需求。