《焉知汽車：2024車載SoC芯片產業分析報告（65頁）.pdf》由會員分享，可在線閱讀，更多相關《焉知汽車：2024車載SoC芯片產業分析報告（65頁）.pdf（65頁珍藏版）》請在三個皮匠報告上搜索。

1、第 1 頁車載 SoC 芯片產業分析報告第 2 頁車載 SoC 芯片產業分析報告前言隨著汽車智能化水平的提升，整車EE架構已經由以前的分布式ECU架構升級到集中式域控制器架構，并繼續向中央集成式架構方向演進。在分布式ECU架構階段，MCU是計算和控制的核心；在集中式域控制器架構階段，傳統MCU芯片已經無法滿足大量異構數據的吞吐能力和更快的數據處理能力的需求，因此，數據傳輸效率更高、算力更大的SoC 芯片便成為域控制器主控芯片的必然選擇。目前，車載 SoC 芯片主要面向兩大應用領域：智能駕駛和智能座艙。雖然現階段座艙 SoC 芯片和智駕 SoC 芯片尚處在獨立發展階段，但隨著整車架構向更集中的跨

2、域融合架構演進，以及車企在架構設計和軟件開發能力上的不斷提升，智能座艙和智能駕駛的融合也將逐漸由上層應用融合過渡到下層的硬件融合。與此同時，車載 SoC 芯片也必然會隨著兩者融合的變化而進行迭代升級，屆時，艙駕一體 SoC 甚至是中央計算 SoC 將逐漸成為市場的主流產品形態。在此背景下，焉知汽車推出車載 SoC 產業分析報告，從車載 SoC 芯片基本介紹、車載 SoC芯片產業鏈分析、車載 SoC 芯片應用趨勢分析、車載 SoC 芯片行業競爭格局、國內外車載 SoC 芯片重點企業及產品布局等方面入手，綜合分析車載 SoC 芯片的產業鏈發展現狀及未來應用趨勢，為行業研究和企業發展提供參考。由于時

3、間倉促，報告中難免會有疏漏和不足之處，敬請各位專家、同行、讀者批評指正。第 3 頁車載 SoC 芯片產業分析報告目錄1.車載 SoC 芯片基本介紹.61.1 車載 SoC 芯片定義.61）基礎定義.62）硬件構成.71.2 車載 SoC 芯片性能要求.81）重要參數指標.82）車規級要求.91.3 應用場景.101）智能座艙.102）智能駕駛.112.車載 SoC 芯片產業鏈分析.122.1 產業鏈結構圖.122.2 上游產業分析.122.2.1 芯片 IP.122.2.2 EDA 工具.142.2.3 半導體原材料.162.2.4 半導體設備.172.3 中游產業分析.182.3.1 芯片設

4、計.182.3.2 晶圓制造.212.3.3 芯片封測.222.4 下游產業分析.23第 4 頁車載 SoC 芯片產業分析報告2.4.1 車企 SoC 芯片布局.232.4.2 車企 SoC 芯片自研.243.車載 SoC 芯片應用趨勢分析.253.1 智駕 SoC 芯片應用趨勢.253.1.1 基于中小算力 SoC 芯片的前視一體機市場需求前景依然可觀.253.1.2輕量級行泊一體域控-全時運行單 SoC 芯片方案將成為主流.263.1.3BEV+Transformer+OCC 驅動智駕 SoC 芯片向新架構方向演進.283.2 座艙 SoC 芯片應用趨勢.303.2.1 艙內顯示：一芯多屏

5、.303.2.2 艙內交互：多模態交互.323.2.3 艙駕融合：艙駕一體.333.3 車載 SoC 芯片選型.351）芯片平臺的延續性.352）芯片的適配性.353）芯片的平臺化設計.364）芯片的軟件生態.375）芯片廠商的本土化服務.374.車載 SoC 芯片行業競爭格局.384.1 智能駕駛 SoC 芯片.384.1.1 市場需求.384.1.2 市場格局.404.2 智能座艙 SoC 芯片.414.2.1 市場需求.41第 5 頁車載 SoC 芯片產業分析報告4.2.2 競爭格局.435.國內外重點企業及產品布局.445.1 國外芯片廠商.445.1.1 英偉達.445.12 德州儀

6、器.465.1.3 Mobileye.475.1.4 安霸半導體.495.1.5 高通.525.2 國內芯片廠商.545.2.1 地平線.545.2.2 黑芝麻.565.2.3 芯馳科技.575.2.4 杰發科技.595.2.5 芯擎科技.615.2.6 愛芯元智.635.2.7 聯發科.62免責聲明.64特別鳴謝.64第 6 頁車載 SoC 芯片產業分析報告車載 SoC 芯片產業分析報告1.車載 SoC 芯片基本介紹1.1 車載 SoC 芯片定義隨著汽車智能化水平的提升，整車EE架構已經由以前的分布式ECU架構升級到集中式域控制器架構，并繼續向中央集成式架構方向演進。在分布式ECU架構階段，

7、MCU是計算和控制的核心；在集中式域控制器架構階段，傳統MCU芯片已經無法滿足大量異構數據的吞吐能力和更快的數據處理能力的需求，因此，數據傳輸效率更高、算力更大的SoC 芯片便成為域控制器主控芯片的必然選擇。1）基礎定義車規級計算芯片按集成規?？梢苑譃镸CU和SoC兩類。其中，MCU也被稱之為“單片機芯片”，內部集成有處理器、存儲器、輸入/輸出接口和其他外設，常應用于控制任務簡單、實時性較高的嵌入式系統。車載MCU常跑的操作系統有AUTOSAR CP和FreeRTOS，通常不支持運行高復雜度的操作系統。SoC芯片為系統級芯片，相比MCU，內部集成更多的異構處理單元，結構設計更為復雜，處理和計算

8、能力也更強，適用于多任務處理以及計算任務更復雜的應用場景。車載SoC可以跑更復雜的操作系統，包括QNX、Linux、Andriod和AUTOSAR AP等。MCU 與 SoC 內部結構對比示意圖第 7 頁車載 SoC 芯片產業分析報告2）硬件構成車載 SoC 芯片內部通常包括以下幾大模塊：處理器、存儲器、外設 I/O 等。A.處理器 車載 SoC 芯片內部的處理器通常包括以下幾種單元模塊：通用邏輯運算單元：通?；?CPU 來實現，主要負責一些邏輯運算任務，用于管理軟硬件資源，完成任務調度和外部資源訪問等，實現系統層面的功能邏輯、診斷邏輯以及影子模式數據挖掘功能等。一些典型的應用包括：基于優化

9、的決策規劃算法、車輛控制算法等。AI 加速單元：通常是基于 NPU 這類的神經網絡處理器來實現，承擔大規模浮點數并行計算需求；作為神經網絡算法的加速器，主要負責處理 AI 方面的計算需求。圖像/視頻處理單元：通?；贒SP、ISP、GPU等處理器來實現。ISP作為視覺處理芯片，其主要功能是對攝像頭輸出的圖像信號做調校,包括 AE（自動曝光）、AF（自動對焦）、AWB（自動白平衡）、圖像去噪等；DSP是一種具有特殊結構的微處理器，相比于通用CPU，它更適用于計算密集度高的處理工作，典型的應用包括：傳統的CV圖像處理、一些自定義算子的加速處理等；GPU具有較強的浮點運算能力，主要用于圖像的 3D渲

10、染和拼接等應用。硬件安全模塊HSM：用于為應用程序提供加解密服務，管理敏感信息和資產，保護加密密鑰等。Satety MCU：主要用于實時監控 SoC 內部各硬件模塊的狀態和通信，以及在其出現問題后能夠及時報錯，進而確保整個系統的功能安全性。A.內部存儲器：包括易失性存儲器和非易失性存儲器兩大類。易失性存儲器：存儲器在斷電的情況下（比如，系統正常關閉或意外關閉時），數據會丟失，即無法繼續保留存儲數據。它主要用于臨時存儲正在處理的程序和數據，車載 SoC 內部常用的存儲器類型包括 SRAM 和 DRAM（DDR，LPDDR 等）等。非易失性存儲器：在斷電情況下，依然能夠保存存儲數據。它主要是用來存

11、放固定數據、固件程序等一般不需要經常改動的數據。車載 SoC 內部常用的存儲器類型包括 NAND Flash（eMMC、UFS 等）和 Nor Flash 等。B.外設 I/O：包括通用數據接口、攝像頭信號接口、音頻接口和顯示器接口等。通用的數據接口：PCIe、LVDS、USB、SATA、CAN/CAN-FD、以太網等攝像頭信號接口：MIPI-CSI-2、GMSL、FPD Link等音頻接口：I2S、TDM、SPDIP等顯示器接口：DP、HDMI等第 8 頁車載 SoC 芯片產業分析報告1.2 車載 SoC 芯片性能要求1）重要參數指標衡量車載 SoC 芯片的性能，需要從 AI 算力、CPU

12、算力、GPU 算力、存儲帶寬、功耗、制造工藝等多個維度進行綜合考量。a.AI 算力:通常是指 MAC 指令（乘積累加）的運算能力。MAC 指令操作本身與數據類型強相關，在不同數據精度條件下，測出的 AI 算力會存在比較大的差別。企業平時宣稱的算力一般是指該芯片運算能力的理論峰值，單位用 TOPS 來表示，一般默認是以 Int8 作為算力量化標準。但我們也不能只看表面的理論算力數值。在特定使用場景下，大家更關心的是芯片真正的有效算力是多少，即芯片的“算力利用率”。以智能駕駛應用為例，SoC 芯片的實際算力利用率會因為圖片分辨率、網絡結構差異等原因而有所不同。b.存儲帶寬：數據在處理過程中需要不斷

13、地從存儲器單元“讀”數據到處理器單元中，處理完之后再將結果“寫”回存儲器單元。數據在存儲器與處理器之間的頻繁遷移將帶來嚴重的傳輸功耗問題。有業內人士提出，AI 運算 90%的功耗和延遲都是由于數據搬運產生的。芯片的存儲帶寬由兩方面決定，一是存儲器本身，二是芯片的內存通道數。存儲帶寬的大小決定數據搬運速度的快慢和搬運次數的多少。因此，存儲系統帶寬的大小在一定程度上也決定了芯片真實算力的大小。芯片型號內存類型內存位寬（bit）內存總帶寬（GB/s）特斯拉第一代 FSDLPDDR412834第二代 FSDGDD R6256（推測）448（推測）英偉達XavierLPDDR4x256137OrinLP

14、DDR5256204.8地平線J5LPDDR4x64高通SA8155PLPDDR4x25668SA8295PLPDDR4x256137常見芯片存儲帶寬信息梳理（信息來源：佐思汽車研究、公開資料整理）c.功耗:包括動態功耗和靜態功耗。動態功耗是因為信號值改變帶來的功耗損失，由兩部分組成：開關功耗和內部功耗。靜態功耗是設備還在上電狀態但是沒有信號值改變時消耗的功率。芯片的功耗與硬件架構、布局布線、工藝制程、算力大小等因素都有關系。其它條件相同的情況下，采用的工藝制程越先進，芯片的功耗就越低；同理，算力越大的芯片，功耗也會越大。功耗過大意味著會產生更大的散熱，可能必需安裝水冷系統，從而增加整體 BO

15、M 成本。第 9 頁車載 SoC 芯片產業分析報告2）車規級要求按照日常生活中的應用場景進行劃分，芯片大致可分為消費級、工業級、車規級三大類。應用場景不同，芯片在設計、生產、認證等環節的目標設定和實現手段上都會存在區別。相比于消費級和工業級，車規級芯片的工作環境更惡劣、出錯容忍率更低、使用壽命要求更長、供貨生命周期更久等等。不同應用領域芯片的基本性能要求對比（信息來源：公開資料整理）整體來看，車規級芯片具有高可靠性、高安全性和高穩定性的特點。車載芯片需要經過一系列嚴格的測試認證，確保其達到車規級的相關要求，方可投入到量產。芯片車規認證標準通常包括以下三個維度的管控：質量管理體系認證 IATF1

16、6949、可靠性標準 AEC-Q100 和功能安全標準 ISO 26262。IATF16949 是汽車設計、開發和生產質量管理體系的標準規范。在內容上涵蓋：產品安全、風險管理和應急計劃、嵌入式軟件要求、變更和質保管理和二級供應商管理。對于車載芯片產品，從芯片設計到流片，再到規?；a都需要遵循這套管理體系。AEC-Q100 是車規級元器件通用的可靠性測試標準，也是汽車行業零部件供應商生產的重要參考指南。2023 年 8 月，AEC 發布了 AEC-Q100 的 J 版測試認證標準文件，也是目前芯片公司開展 AEC-Q100 測試認證所沿用的最新標準要求。它包括了 7 大項測試內容：加速環境應力

17、測試、加速壽命測試、封裝檢驗測試、晶圓可靠度驗證、電氣特性驗證、缺陷篩選測試和腔體封裝完整性測試。ISO 26262 是一項專門針對汽車電子系統的功能安全性制定的國際標準。該標準涵蓋了芯片的全生命周期的功能安全要求，包括項目需求規劃、設計、晶圓制造，最后到封裝測試的全過程。旨在降低芯片在使用中發生故障的風險，以確保這些安全關鍵型設備符合在汽車中使用的要求。第 10 頁車載 SoC 芯片產業分析報告1.3 應用場景目前，車載 SoC 芯片主要面向兩大應用領域：智能駕駛和智能座艙。雖然現階段座艙 SoC 芯片和智駕 SoC 芯片尚處在獨立發展階段，但隨著整車架構向更集中的跨域融合架構演進，以及車企

18、在架構設計和軟件開發能力上的不斷提升，智能座艙和智能駕駛的融合也將逐漸由上層應用融合過渡到下層的硬件融合。與此同時，車載 SoC 芯片也必然會隨著兩者融合的變化而進行迭代升級，屆時，艙駕一體 SoC 甚至是中央計算 SoC 將逐漸成為市場的主流產品形態。1）智能座艙智能座艙是指在傳統電子座艙的基礎上進行了升級，使得乘坐體驗和交互體驗更加智能化。通常，智能座艙可以實現：車載信息娛樂系統全液晶儀表系統+抬頭顯示系統（HUD）+流媒體后視鏡（CMS）+車聯網系統+車內乘員監控系統（DMS/OMS）等一系列復雜功能。這些功能的實現不僅需要車載計算芯片具備強大的 CPU 算力來提高任務處理能力，也需要更

19、強的 GPU 算力來處理視頻、圖片等非結構化數據，還需要較大的 AI 算力來滿足越來越智能化的人機交互體驗需求。智能座艙功能實現（圖片來源：公開網絡）然而，傳統的 MCU 芯片已經難以滿足智能座艙在各類型算力上的需求，智能座艙控制器所使用的主控芯片已經開始從 MCU 向具有更高集成度、更高算力的 SoC 芯片轉變。座艙 SoC 芯片的性能決定了座艙域控制器的數據處理能力、圖像渲染能力，從而決定了座艙內屏顯數量、分辨率、運行流暢度，艙內交互體驗，以及能夠整合多少 ADAS 功能。當前，智能座艙的應用場景趨勢如下：艙內顯示：在電子座艙時代，座艙內是小尺寸中控顯示屏和物理指針式的儀表盤，現在座艙的中

20、控屏和儀表盤基本都是全液晶數字化大屏，甚至，有的高端座艙還增加有 AR-HUD、流媒體顯示屏、后排娛樂屏等，總之，車內顯示屏幕呈現多屏化、大屏化和高清化。第 11 頁車載 SoC 芯片產業分析報告艙內交互：艙內的交互方式變得多樣化，傳統電子座艙基本是通過物理按鍵進行交互，現在艙內物理實體按鍵越來越少，觸控式按鍵、語音交互、手勢控制等多模態的交互方式成為主流。艙駕融合：座艙和智駕原來基本是相互獨立的兩個部分，現在座艙和智駕之間的融合越來越多，正逐步由“艙泊一體”向“艙駕一體”演進。2）智能駕駛智能駕駛按功能體系應用，通?？煞譃樾熊嚭筒窜噧纱箢悜脠鼍?。在行車場景下，最開始是采用前視一體機或毫米波

21、雷達模塊來實現 L1 等級的基礎 ADAS 功能，比如，a.前視一體機：實現車道偏離預警 LKW、車道居中保持 LKA、交通標識識別 TSR 等功能；b.前置毫米波雷達：實現前向碰撞預警 FCW、自適應巡航控制 ACC、車輛自動緊急制動 AEB 等功能；c.角毫米波雷達：實現盲區檢測BSD、變道輔助LCA以及前/后方橫向來車碰撞預警FCTA/RCTA等功能。在上述行車場景應用中，控制芯片一般是放置在傳感器內部。再往后發展，隨著車載 SoC 芯片集成的異構資源日漸豐富，以及核心處理器 CPU/GPU/NPU 算力的大幅提升，傳感器中的控制芯片逐漸被剝離出來，集成到獨立的控制器中去完成任務。并且，

22、出現了一些 SoC 芯片能夠獨立完成行車和泊車的傳感器數據處理、數據融合等軟件算法，即所謂的單 SoC 行泊一體方案。泊車場景最開始是采用超聲波雷達，也稱為“倒車防撞雷達”，用于泊車時的防撞提醒。后來，泊車場景中引入攝像頭，用于實現倒車影像功能。再往后發展，倒車后視升級到 360全景環視，通過拼接算法對 4 顆環視攝像頭分別輸出局部圖像進行拼接，最后將拼接好的鳥瞰圖傳輸到中控屏上進行顯示。泊車場景中，泊車算法的集成形式主要有以下幾種：不帶 APA，只有 AVM 功能，泊車算法集成到車機。帶 APA 和 AVM 功能，泊車算法集成到獨立的泊車控制器。帶 APA 和 AVM 功能，并且配置有座艙域

23、控制器，則泊車算法集成到座艙域控制器。除了帶 APA 和 AVM 功能外，還帶有 HPA 以及 AVP 等功能安全要求比較高的泊車功能，則泊車算法集成到智能駕駛域控制器。第一種和第三種形式是直接集成到座艙了，這里便不再展開來講。第二種形式正在逐漸消失，在國內剛開始流行的時候，主機廠的主流方案是基于 TDA2 等小算力 SoC 芯片來完成。對于第四種形式，智駕域控制器的芯片方案通常為：n*SoC+MCU 的形式。第 12 頁車載 SoC 芯片產業分析報告2.車載 SoC 芯片產業鏈分析2.1 產業鏈結構圖車載 SoC 芯片的整個產業鏈可梳理為：上游：IP 核授權和 EDA 軟件等設計工具廠商、半

24、導體材料以及設備廠商中游：芯片設計、晶圓制造以及封裝測試廠商下游：Tier1 和主機廠車載 SOC 芯片產業鏈結構示意圖2.2 上游產業分析芯片設計企業的上游主要包括：IP 核授權和 EDA 軟件等設計工具廠商，這些設計工具廠商能夠賦能芯片設計廠商，助力其加快芯片的開發周期和上市時間；晶圓制造和封測企業的上游主要包括：EDA 軟件、半導體材料以及半導體設備廠商。2.2.1 芯片 IP1）什么是芯片 IP芯片 IP 是由專門的公司針對特定功能需求而開發的、標準的芯片功能模塊，特點是經過驗證的、成熟可靠的、可重復使用的標準化產品。它的作用在于能夠幫助芯片設計公司提升設計效率，縮短開發周期，同時還能

25、降低設計風險、設計成本和開發難度。第 13 頁車載 SoC 芯片產業分析報告一款 SoC 芯片的內部通常都是由不同的功能模塊構成。高重復度使用的功能模塊就會被設計成標準的“積木”模塊-芯片 IP。這樣，芯片設計公司在做 SoC 芯片設計的時候，對于一些高度標準化的功能模塊，可以通過 IP 授權的方式，直接購買一些現成的、合適的“積木”模塊進行組合設計。2）芯片 IP 的分類在做車載 SoC 芯片設計的時候，芯片設計公司會根據不同的系統規格和應用場景，采用不同類型的 IP 進行組合設計。通常情況下，汽車芯片 IP 可劃分為處理器 IP、存儲 IP、接口 IP 和安全 IP：處理器 IP：CPU、

26、GPU、DSP、ISP、NPU 等 IP。存儲 IP：包括片外存儲 DRAM（外存-動態隨機存儲器）和片上存儲 SRAM（內存-靜態隨機存儲器）兩類。比如，DRAM 包括 DDR、LPDDR、GDDR 等。接口 IP：包括高速外設接口（例如 PCIE，HBI 等接口）、面向特定應用需求的總線接口（例如MIPI、HDMI、以太網等接口）。安全 IP：包括硬件信任根（Hardware Root of Trust）、安全引導和訪問控制（Secure boot&access control）、V2X 安全身份認證（Secure identification&authentication）等。車載 SO

27、C 芯片架構示意圖3）芯片 IP 市場現狀當前全球核心 IP 主要由 ARM、Synopsys，Cadence 提供，行業集中度較高?，F階段，我國車載 SoC 芯片在設計研發過程中所用的 IP 也大都從國外購買。主要原因在于國內 IP 廠商發展較晚，IP資源池不夠豐富且缺乏生態體系。第 14 頁車載 SoC 芯片產業分析報告采用國際頭部企業的芯片 IP 的好處在于產品成熟，可靠性好。但問題在于這些 IP 的授權費用較高。并且，從長遠來看，這種模式也會對我國國產芯片的自主和安全產生潛在的風險，因此推進關鍵IP 的國產化是一條必須要走，并且迫在眉睫的路。IP 授權類型定義特點軟核授權僅經過了 RT

28、L 級設計優化和功能驗證，通常是以 HDL 文本形式交付給客戶。優點是源代碼靈活、在功能一級可以重新配置，可以靈活選擇目標制造工藝、可移植性強等。缺點是物理實現性能不穩定、不全面，存在設計風險，且 IP 軟核的產權保護難度較大。硬核授權最終完成布局布線的掩模級電路，即GDSII 版圖文件；直接交付數字電路的門極電路版圖，并且也會提供抽象模擬測試以及相關的測試程序。優點是邏輯功能確定，制造工藝確定且固化，獲得硬核授權后基本可以直接測試和投產，并且知識產權保護方便。缺點是制造工藝固化，難以轉移到新的工藝或者集成到新的結構中去，不可以重新配置，復用困難；用于某特定應用，使用范圍較窄。固核授權完成 I

29、P 軟核所有設計+門級電路綜合+時序仿真等設計環節；以門級電路網表的形式交付給客戶。固核的靈活性和成功率介于 IP 軟核和 IP 硬核之間，是一種折中的類型；但 IP 的安全可靠性相對較好。芯片 IP 類型及特點（信息來源：公開資料整理）2.2.2 EDA 工具1）EDA 定義與分類EDA（Electronic Design Automation），即電子設計自動化，是指以計算機為工具，設計者通過設計軟件來完成集成電路的功能設計、綜合、驗證、物理設計（包括布局、布線、版圖、設計規則檢查等）等流程的設計方式。EDA 工具的應用貫穿芯片設計、制造、封裝和測試的全部環節。按照使用對象和場景的不同，可

30、將 EDA 工具分為模擬設計類、數字設計類、晶圓制造類、封裝類和系統類五大類別。EDA 類別用途數字設計類用于數字芯片設計環節，又可細分為前端設計和后端設計：前端設計主要包括功能和指標定義、架構設計、RTL 編輯、功能仿真、邏輯綜合、靜態時序仿真(STA)、形式驗證等。后端設計主要包括可測試設計 DFT、布局規劃 floor plan、時鐘樹綜合 CTS、布局布線、Signoff、ECO、版圖驗證、后仿真等。模擬設計類用于模擬芯片設計環節，包括電路設計、電路仿真、版圖設計、物理驗證、寄生參數提取、射頻設計解決方案等。晶圓制造類晶圓廠在工藝平臺開發和晶圓生產階段應用的工具，協助晶圓廠完成半導體器

31、件和制造工藝的設計，主要包括工藝與器件仿真工具(TCAD)、器件建模工具、工藝設計套件工具(PDK)、計算光刻工具、掩膜版校準工具、光掩模校準和良率分析工具等。封裝類主要包括封裝設計、SI/PI 分析以及封裝仿真等。系統類主要針對 PCB 和系統的設計，包括 PCB 設計工具、平板顯示設計工具、系統仿真及原型驗證工具、SI/PI仿真、EMC/EMI 仿真、CPLD/FPGA 設計工具等。EDA 工具的分類(信息來源：華大九天，概倫電子，公開資料整理)第 15 頁車載 SoC 芯片產業分析報告2）EDA 工具市場現狀目前 Synopsys、Cadence、Siemens 三家企業在全球 EDA

32、工具市場占據壟斷地位。據集微數據咨詢數據顯示，在 2022 年，這三家公司占據全球 EDA 市場近八成的份額。從國內市場來看，排在第一位的是 Cadence，市場占比 29%；其次是 Synopsys，占比為 28%；第三位是 Siemens，占比為 16%。三家國際巨頭共占國內市場 70%以上的份額，頭部優勢明顯。國產 EDA 廠商華大九天在國內市場排名第四位，市占率約為 7%。雖然 EDA 國產化進展不錯，但受制于海外 EDA 頭部企業的深厚技術、經驗積累等優勢，國產 EDA 廠商依舊面臨技術、人才、用戶協同等不同方面的挑戰。2022 年中國 EDA 行業市場格局(信息來源：集微咨詢)國外

33、三巨頭的優勢在于能提供完整的 EDA 工具，覆蓋從前端設計、后端設計、仿真/驗證直到流片的整套產品，形成了設計閉環。國內眾多的 EDA 公司仍然以點工具產品為主，但同時也在點工具基礎上往全鏈條工具方向拓展。目前，國內 EDA 公司布局驗證工具者較多，設計全工具鏈企業較少。與國際 EDA 巨頭相比，國內 EDA 廠商在產品系統性、技術先進性等方面仍存在一定差距。因此，國內 EDA 企業需要堅持自主創新，持續提升自身在某單點細分領域的優勢，進而不斷由點及面地拓展產品線，循序漸進，不斷拉近與頭部企業的差距。第 16 頁車載 SoC 芯片產業分析報告2.2.3 半導體原材料按照原材料的使用場景，半導體

34、原材料可以分為晶圓制造材料和封裝材料。其中晶圓制造材料包括硅片、光掩模版、光刻膠、電子特氣、濺射靶材、CMP 拋光材料等；封裝材料包括封裝基板、鍵合絲、芯片粘結材料、包封材料等。原材料主要用途晶圓制造硅片芯片制造的基礎性原材料，全球大約 90%以上的半導體芯片都是用硅片作為基底功能材料生產。光掩膜版光刻工藝所使用的圖形母版，由不透明的遮光薄膜在透明基板上形成掩膜圖形，并通過曝光將圖形轉印到產品基板上。掩膜版是芯片制造過程中的圖形“底片”，是芯片制造的核心模具，用于芯片的批量生產，是下游生產流程銜接的關鍵部分，是芯片精度和質量的決定因素之一。光刻膠光刻膠又稱光致抗蝕劑，是一種對光敏感的混合液體，

35、受到光照后特性會發生改變。在光刻工藝中，利用光化學反應將光信息在光刻系統中經過衍射和過濾后轉化為化學能，從而將微細圖形從掩模版轉移到待處理的基板。電子特氣在芯片的制程過程中會使用到一些化學氣體，是芯片制造過程中的第二大耗材，被比喻成芯片制造的“血液“。它的使用貫穿芯片制造的成膜、清洗、沉積、刻蝕、摻雜、離子注入等多個工藝流程。濺射靶材靶材是一塊圓形的金屬餅，是濺射機臺關鍵組件之一。在濺射過程中，高速的氬離子會撞擊靶材，將靶材上的原子或分子“濺射”出來，濺射出的原子或分子在真空中遷移到晶圓基底上，并在其表面沉積，形成一層薄膜。因此，靶材是晶圓需要沉積的薄膜材料的來源。CMP 拋光材料CMP 又稱

36、為化學機械拋光，目的是使被拋光的晶圓表面達到高度平坦化、低表面粗糙度和低缺陷的要求。CMP 拋光工藝中主要常用的兩種材料是拋光液和拋光墊。封裝材料封裝基板又稱 IC 載板，是一類用于承載芯片、連接芯片與 PCB 母板的線路板。按 IC 載板與 PCB 的連接方式不同可分為 CSP、BGA、PGA（Pin Grid Array，針形陣列封裝）及 LGA（Land Grid Array，閘形陣列封裝）等不同形式，其中 BGA/CSP 為當前主流封裝形式。鍵合絲在芯片封裝過程中用于連接芯片與封裝基板的關鍵組件，它的材質通常是金屬線，一般使用鋁線或金線。芯片粘結材料采用粘結技術實現芯片與底座或封裝基板

37、連接的材料，在物理化學性能上要滿足機械強度高、化學性能穩定、導電導熱、低固化溫度和可操作性強的要求。包封材料起包封、保護作用的外殼材料，主要功能為保護芯片不受外界環境（水汽、溫度、污染等）的影響，并實現導熱、絕緣、耐濕、耐壓、支撐等復合功能。半導體原材料（信息來源：公開資料整理）第 17 頁車載 SoC 芯片產業分析報告2.2.4 半導體設備參考芯片生產制造的整個流程，半導體設備可以對應劃分為制造設備（前道設備）和封測設備（后道設備）兩類。其中，前道設備主要使用于晶圓制造環節，包括光刻機、刻蝕機、離子注入機、薄膜沉積設備、CMP 設備、清洗設備等；后道設備主要用于封裝和測試環節，包括在封裝環節

38、使用的減薄機、劃片機、貼片機、引線鍵合機等設備，以及在測試環節使用的測試機、探針臺、分選機等設備。設備主要用途晶圓制造光刻機基本工作原理是利用光學原理將圖案投射到硅片上。在制造芯片時，需要使用光刻機將電路圖案“鍍”在芯片表面上，以便進行后續的加工工藝?？涛g機在芯片制造的過程中，刻蝕機通常會與掩膜對位進行刻蝕，通過化學或者物理的方法，去掉氧化層或沉積層以形成芯片所需要的電路圖案，為后續的離子注入等步驟做好準備。離子注入機通過離子注入機的加速和引導，將要摻雜的離子以離子束形式入射到材料中去，離子束與材料中的原子或分子發生一系列理化反應，從而引起材料表面成分、結構和性能發生變化。薄膜沉積設備作用是在

39、芯片表面形成薄膜層，以實現不同器件之間的互連和功能實現。薄膜沉積最常用的方法有：物理氣相沉積（PVD）和化學氣相沉積（CVD）。其它其它設備包括清洗設備、電鍍設備、CMP 設備、量測設備等。封裝測試封裝減薄機減小芯片封裝體積，改善芯片熱擴散效率、電氣性能、機械性能等作用。劃片機將大晶圓分割成若干個具有標準高度和大小的芯片。貼片機將芯片從已經切割好的晶圓（Wafer）上抓取下來，并安置在基板對應的 Die flag 上。引線鍵合機使用金屬絲，利用熱壓焊、超聲波焊、熱超聲波焊等工藝完成芯片與電路、封裝基板之間的連接。塑封機用塑封材料把芯片封裝起來，對芯片進行保護。切筋成型設備將已完成封裝的產品成型

40、為滿足設計要求的形狀與尺寸，并從框架或基板上切筋、成型、分離成單個具有設定功能的成品。測試測試機是檢測芯片功能和性能的專用設備，其使用貫穿于設計驗證、CP（晶圓檢測）和 FT（成品檢測）。探針臺負責晶圓輸送與定位，使晶粒依次與探針接觸完成測試。分選機用于晶圓搬運的設備，負責晶圓的中轉和分選，確保生產流程的連續性和高效性。芯片制造過程中所使用主要設備（信息來源：公開資料整理）第 18 頁車載 SoC 芯片產業分析報告2.3 中游產業分析車載 SoC 芯片中游產業包括芯片設計、芯片制造和封裝測試三個主要環節。其中，有部分企業進行了垂直整合，涉及到了所有的環節。也有些企業只是參與其中一個環節。根據所

41、包含環節的不同，這些半導體企業的經營模式一般可分為垂直整合模式（IDM 模式）、晶圓代工模式（Foundry 模式）和無晶圓廠模式（Fabless 模式）。IDM（垂直整合模式）Fabless（無晶圓廠模式）Foundry（晶圓代工模式）基礎定義涵蓋芯片設計、晶圓制造、封裝測試以及后續的產品銷售等環節。僅負責芯片設計及銷售，晶圓制造和封裝測試業務外包。專門負責晶圓制造，為芯片設計公司提供外包服務。特點優勢自身集設計、制造、封測等多個環節域一身，便于有效地進行整合資源，將效率最大化。輕資產模式，無需投入巨額資金建立和維護生產線，因此企業運行費用低，且轉型相對靈活，適合初創企業。無需承擔產品設計和

42、銷售風險劣勢重資產模式，管理成本和運營費用較高，資本回報率偏低。對晶圓代工企業依賴性較強，并且利潤率受到上下游的擠壓。投資規模較大，維持生產線正常運作費用較高。代表企業英特爾、三星、TI 等高通、英偉達、Mobileye、地平線、黑芝麻、芯馳等臺積電、中芯國際等半導體行業三種經營模式特點對比（信息來源：公開資料整理）2.3.1 芯片設計車載 SoC 芯片設計通常包含以下幾個流程：需求定義、系統級設計、前端設計和后端設計四大階段。1）需求定義芯片產品部門結合應用場景、競品分析、客戶需求等多方面調研結果，進行市場需求分析，并輸出 MRD（市場需求文檔），完成芯片的功能需求定義。第 19 頁車載 S

43、oC 芯片產業分析報告2）系統級設計市場需求明確后，架構師團隊會將市場需求轉化為芯片的規格指標，即輸出 PRD（產品規格文檔），詳細描述這款芯片的功能、性能、尺寸、封裝、應用等內容，進而完成芯片的產品定義。同時，架構師團隊和算法團隊會協同進行建模仿真，并輸出芯片設計方案和芯片原型方案，然后移交設計團隊。系統設計需要從功能、性能、成本、功耗、安全等角度出發進行全方位考量，確保芯片最終能實現各方面的平衡。3）前端設計在前端設計階段，設計團隊的工程師根據系統設計階段確定的方案，針對各模塊開展具體的電路設計，使用專門的硬件描述語言（Verilog 或 VHDL），對具體的數字電路實現進行 RTL（Re

44、gisterTransfer Level）級別的代碼描述。前端設計包括 HDL 編碼、仿真驗證、邏輯綜合、靜態時序分析、形式驗證等環節。前端設計簡單說明HDL 編碼設計團隊根據 PRD，將實際的硬件電路功能通過 HDL 語言描述出來，形成 RTL 代碼。仿真驗證檢驗編碼設計的正確性，設計和仿真驗證是反復迭代的過程，直到驗證結果顯示完全符合規格標準。邏輯綜合又稱為門級設計，把設計實現的 HDL 代碼翻譯成門級網表（Netlist）。從這個階段開始，芯片設計開始具有物理特征。靜態時序分析（STA）屬于驗證范疇，通過套用特定的時序模型，針對特定電路分析其是否違反設計者給定的時序限制。形式驗證它是從功

45、能上對綜合后的網表進行驗證。常用的就是等價性檢查方法，目的是為了保證在邏輯綜合過程中沒有改變原先 HDL 描述的電路功能。前端設計涉及到的幾個主要階段（信息來源：公開資料整理）第 20 頁車載 SoC 芯片產業分析報告4）后端設計后端工程師拿到網表和約束文件后，先對電路進行布局（Floor plan）和繞線(Place and Route)，完成物理實現后，再對布線的物理版圖進行功能和時序上的各種驗證。驗證不滿足要求則需要重復之前的步驟，最終生成用于芯片生產的 GDS II(Geometry Data Standard)版圖。后端設計包括 DFT（Design for Test 可測性設計）、

46、單元布局規劃、時鐘樹綜合、布線、寄生參數提取、物理版圖驗證等流程。后端設計簡單說明可測性設計（DFT）常見方法是在設計中插入掃描鏈，將非掃描單元（如寄存器）變為掃描單元。DFT 工具可以快速檢測并定位出失效故障，從而提高芯片制造質量。布局規劃（FloorPlan）布局規劃就是放置芯片的宏單元模塊，在總體上確定各種功能電路的擺放位置，如 IP 模塊，RAM，I/O 引腳等等。布局規劃將直接影響芯片最終的面積。時鐘樹綜合（CTS）包括時鐘樹的布線、優化以及緩沖器的插入。用于綜合和優化時鐘分配網絡，以確保時鐘信號在整個芯片上的穩定和一致傳播。目標是最小化時鐘延遲、時鐘偏移和時鐘抖動，以滿足時序要求。

47、布線即普通信號布線，包括各種標準單元（基本邏輯門電路）之間的走線。在滿足工藝規則和布線層數限制、線寬、線間距限制和各線網可靠絕緣的電性能約束的條件下，根據電路的連接關系將各單元和I/O Pad 用互連線連接起來。寄生參數提?。‥xtrat RC）將物理版圖的電阻、電容以及電感等寄生參數信息進行提取，然后交給時序收斂工具進行檢查。寄生參數提取通常有兩類方法：精確計算方法和快速模型方法。物理版圖驗證對完成布線的物理版圖進行功能和時序上的驗證，包括 LVS 驗證、設計規則檢查（DRC）和電氣規則檢查（ERC）等驗證項目。后端設計涉及到的幾個主要階段（信息來源：公開資料整理）第 21 頁車載 SoC

48、芯片產業分析報告2.3.2 晶圓制造晶圓制造是把掩膜版上的電路圖，通過多次重復運用光刻、刻蝕、離子注入、薄膜沉積、CMP（化學機械研磨）等工藝，最終將芯片設計公司設計好的電路圖移植到晶圓上并實現預定的芯片功能。芯片制造又分為晶圓生產和晶圓加工兩個環節。其中，晶圓生產是指將硅或其他半導體材料制成晶圓片（Wafer）的過程。晶圓加工是指在晶圓片上構建集成電路的過程。芯片制造主要流程（信息來源：公開資料整理）晶圓制造主要流程簡單說明晶圓生產硅提純把原始的石英砂通過高溫熔煉和化學反應提純，得到純度極高的多晶硅。單晶硅錠生長多晶硅高溫后成型，使用直拉法（CZ 法，主流方式，使用籽晶旋轉拉晶）或區熔法（F

49、Z 法，早期工藝之一，懸浮熔接籽晶），將多晶硅熔融并在籽晶引誘下拉晶，形成圓形單晶硅晶棒，即是硅錠。晶棒切割晶棒從單晶爐出來后首先要截斷頭尾，然后再進行控制直徑的滾磨，最后使用金剛石鋸將其切成均勻厚度的薄片，即硅片或晶圓片。晶圓拋光切割后的硅片需要進行倒角、研磨以及 CMP 等工藝處理，保證硅片表面的光潔度，避免影響電路的精密度。外延生長在拋光后的硅片表面外延生長一層不同電阻率的單晶薄膜。晶圓加工光 刻通過光刻機發射紫外線，將掩模版（Mask）電路圖案“印刷”到涂有光刻膠的晶圓片上。光刻可分為涂覆光刻膠、曝光和顯影三個步驟?？涛g在晶圓上完成電路圖的光刻后，用刻蝕工藝去除多余的氧化膜且只留下半導

50、體電路圖。摻雜將特定量的雜質通過薄膜開口引入晶圓表層，從而在晶圓上形成 PN 結。通常有兩種工藝方法：熱擴散和離子注入。薄膜沉積在晶圓表面交替堆疊多層薄金屬（導電）膜和介電（絕緣）膜，之后再通過重復刻蝕工藝去除多余部分并形成三維結構。在晶圓上表面加入所需分子或原子單位薄膜的一系列過程叫做沉積。沉積技術包括化學氣相沉積(CVD)、原子層沉積(ALD)和物理氣相沉積(PVD)。金屬布線經過反復進行光刻、刻蝕、摻雜和沉積等工藝后，在晶圓上構建出大量的晶體管等元器件電路，還需要按照電路設計圖進行金屬布線連接，才能保證整個電路的正常運行。金屬布線工藝主要使用鋁和銅這兩種物質。CMP通過化學腐蝕與機械研磨

51、的協同配合作用，實現晶圓表面多余材料的高效去除與全局納米級平坦化。WAT 測試在晶圓制造完成之后、送去封測廠之前，對晶圓的電學特性是否合格進行的測試。第 22 頁車載 SoC 芯片產業分析報告2.3.3 芯片封測在晶圓制造完成且通過晶圓代工廠的 WAT（Wafer Acceptance Test，晶圓可接受測試）測試后則被送往封測廠。封測廠首先對晶圓進行 CP 測試（Chip Probing-針測，或稱晶圓中測），CP 測試完成后進入封裝環節。封裝完成后的產品還需要進行終測-FT 測試（Final Test-成品測試），通過 FT 測試的產品才能對外出貨。測試類型應用階段實施者用途說明WAT

52、測試晶圓制造完成后晶圓代工廠測試對象是晶圓的劃片槽（Scribe Line）和測試鍵（Test Key）。屬于晶圓層面的管芯或結構測試。目的是通過電性參數來監控各步工藝是否正常和穩定。CP 測試進入封測廠后，在進行封裝前封測廠測試對象是針對整個晶圓片上的每一個 Die（晶粒），目的是在封裝之前找出由于工藝原因導致的晶圓上的殘次晶粒，通常包括電壓、電流、時序和功能的驗證。CP 測試主要用到的設備有測試機和探針機。FT 測試封裝完成后封測廠器件層面的電路測試和功能測試。測試對象是針對封裝好的芯片。目的是把把壞的芯片挑選出來，檢驗封裝的良率。FT 測試主要用到的設備有測試機和分選機。三類重要測試（信

53、息來源：公開資料整理）芯片封裝環節是指將晶圓上的晶粒（Die-裸片）切割下來，并將其固定在封裝基板上，同時將晶粒與封裝基板上的電路連接起來，實現電路連通。然后再通過注塑成型工藝，在上面加一層保護殼，通過封裝最后起到保護、支撐、連接、散熱等作用。封裝環節的基本工藝流程包括：晶圓減薄、晶圓切割、芯片貼裝、固化、芯片互連、注塑成型、去飛邊毛刺、上焊錫、切筋成型、打碼等。但因封裝技術不同，工藝流程會存在差異。在芯片封裝測試中，封裝環節價值占比約為 80%-85%，測試環節價值占比約為 15%-20%。做封裝業務的企業一般同時擁有測試業務，其中，封裝業務是核心業務，測試業務屬于補充和輔助業務。隨著芯片設

54、計行業的迅速發展，產生了大量的測試業務需求，原來的封測一體化企業沒有精力去覆蓋到所有的需求，因此便催生了一些獨立的第三方芯片測試公司。根據 Frost&Sullivan 數據，中國大陸封測市場預計在 2025 年達將達到 3551.90 億元的市場規模，占全球封測市場比重約為 75.6%，其中，先進封裝業務在中國大陸封測市場比重將達到 32.0%。近些年，高通、聯發科等知名芯片設計公司逐步將封裝測試訂單轉向中國大陸企業，全球晶圓制造龍頭企業也陸續在大陸建廠擴產，與此同時，國內芯片設計企業的規模也在逐步擴大。在此背景下，國內封裝測試企業進入發展“快車道”。第 23 頁車載 SoC 芯片產業分析報

55、告2.4 下游產業分析Tier1 和車企屬于芯片設計公司的下游客戶。在以往的產業鏈模式中，整個供應鏈是線性的，芯片設計公司作為 Tier2，與 Tier1 之間的接觸和合作比較密切，與車企之間很少接觸?，F在很多車企卻會主動找頭部芯片公司進行交流和合作，共同調研用戶需求，定制開發適合自身需求的芯片。這種合作模式既有利于提升車企自身的產品競爭力，也有利于保證芯片供應的穩定性。2.4.1 車企 SoC 芯片布局目前主流車企紛紛布局車載 SoC 芯片賽道，不過，布局方式并不完全相同，甚至有的車企會同時兼顧使用多種模式。布局方式大致可以分為以下四種：自研、合資、戰略投資和戰略合作。第 1 種模式：自研模

56、式-車企采取 Fabless 模式，組建團隊做芯片設計研發。第 2 種模式：合資模式-主機廠與芯片公司成立合資公司，進行優勢互補。第 3 種模式：戰略合作-主機廠通過與芯片廠商深度戰略合作。主機廠提需求和架構，芯片廠商完成設計和開發。第 4 種模式：戰略投資-主機廠參股芯片公司，達成戰略合作，形成更緊密的協作模式。車企布局方式車載 SoC 芯片相關的布局情況新勢力車企特斯拉自研2016 年，特斯拉開始自研智駕芯片-FSD 芯片，并于 2019 年開始量產應用。蔚來自研據悉，2020 下半年，蔚來組建自研芯片團隊，主要從事智駕、座艙、傳感器等類型芯片的研發設計。在 2023 NIO DAY 上，

57、蔚來汽車發布首顆自研智能駕駛芯片神璣 NX9031，采用 5nm工藝制程，計劃搭載在蔚來 ET9。小鵬自研2020 年，小鵬開始在中美兩地布局智駕芯片自研。據相關媒體透露，小鵬的智駕芯片已于 2023年底回片，并由日本索喜公司配合做相關的芯片設計服務和流片服務。理想自研相比蔚來和小鵬，理想自研 SoC 芯片布局稍微，目前主要專注于智駕芯片 NPU 架構設計。零跑戰略合作零跑與大華聯合開發智能駕駛芯片凌芯 01，零跑提供了該芯片的架構和功能需求，大華負責具體的芯片設計和開發。傳統車企吉利合資2018 年，吉利汽車關聯公司億咖通和安謀科技聯合成立芯片公司-芯擎科技。芯擎的產品方向包括智能座艙、自動

58、駕駛、中央處理器等多種芯片。北汽合資2020 年北汽集團旗下北汽產投公司與芯片 IP 公司 Imagination 合資成立的北京核芯達科技有限公司，主營業務是車規級 SoC 芯片設計和相關軟件開發，專注于自動駕駛應用處理器和智能座艙語音交互芯片。長安合資長安與地平線合資成立了長線智能，從事 ADAS 業務，雙方各占 45%股份。上汽戰略投資上汽集團投資地平線、黑芝麻、芯馳等國內芯片公司。長城戰略投資2021 年，長城汽車戰略投資地平線。主流車企車載 SoC 芯片領域布局情況梳理（信息來源：公開資料整理）第 24 頁車載 SoC 芯片產業分析報告2.4.2 車企 SoC 芯片自研車載 SoC

59、芯片目前主要應用在智能座艙和智能駕駛兩大領域。其中，自研智能駕駛 SoC 芯片的車企相對比較多，以特斯拉、蔚小理等新勢力為代表。自研智能座艙 SoC 芯片的主機廠還比較少。那么車企自研車載 SoC 芯片的動機是什么呢？滿足定制化/差異化需求：對于打算全棧自研的車企來講，自研芯片便可以自己定義芯片規格需求，甚至可以基于自己的算法架構來設計芯片架構，因此，這有利于更好地實現軟硬件協同，使得硬件和軟件達到一個最佳的適配度，進而幫助車企量身打造一款有別于競爭對手的高“性價比”產品，進而提升整車產品的競爭力。提高對車載 SoC 芯片供應鏈的掌控度：尤其是在經歷過疫情期間的芯片供應鏈風險后，車企對于關鍵核

60、心芯片的供應鏈安全問題更加重視。自研 SoC 芯片在一定程度上能夠幫助車企減少對供應商的依賴，提高芯片供應的穩定性。那么，車企自研 SoC 芯片會面臨的哪些挑戰？車規級芯片設計人才稀缺：自研芯片的前提就是要能夠成功組建一支出色的芯片設計團隊，自研團隊不僅需要具備良好的硬件設計能力，還需較強的軟件開發能力。只有設計出一套“好用”的軟件棧，讓硬件和軟件充分耦合，才能挖掘出芯片的性能潛力。資金投入大：在研發投入方面，據知名半導體技術研究機構相關統計結果顯示，28nm 芯片研發需要 5130 萬美元，16nm 芯片需要 1 億美元，7nm 芯片需要 2.97 億美元，5nm 芯片需要 5.42億美元，

61、3nm 芯片將接近 10 億美元?，F在應用在座艙或智駕的大算力 SoC 芯片至少都是 7nm工藝起步，否則，很難跟市面上主流的 SoC 芯片進行同臺競爭?；貓笾芷陂L：從時間維度來看，自研一款全新的芯片，從研發到量產，需要依次經歷：產品需求定義、系統架構設計、前端設計、后端設計、流片與封測、車規可靠性認證、功能安全認證、量產等環節，至少需要 3-5 年的時間。并且，等到芯片可以量產上車時，它在市場上是否還有競爭力 不管是價格，還是產品性能，都非?？简炐酒瑘F隊的前瞻規劃能力和設計開發能力。成本上難獲得優勢：如果車企自家車型銷量提不上來，芯片出貨量不足，那就既不能均攤芯片研發帶來的巨大成本，也很難從

62、根本上解決芯片供應鏈問題。另外，即使把芯片團隊拆分出來獨立運營，該芯片團隊由于跟股東車企存在“血緣關系”，也較難獲得其它車企客戶的訂單。第 25 頁車載 SoC 芯片產業分析報告3.車載 SoC 芯片應用趨勢分析3.1 智駕 SoC 芯片應用趨勢3.1.1 基于中小算力 SoC 芯片的前視一體機市場需求前景依然可觀據相關統計數據顯示：2022 年，泊車功能中，360 環視在國內乘用車市場的裝配率已經達到30.87%。然而，行泊一體域控制器的裝配率還未達到 10%。從車型價位區間的分布來看，10-15 萬價格區間的車型是 360 環視或 APA 功能交付占比最高的市場區間。對于這樣價位區間的車型

63、，如果在改款換代車型上再加裝一個前視一體機，便可快速增加行車場景下的智駕功能體驗。不少車企把標配前視 ADAS 功能作為中低端車型提升銷量的一個重要宣傳賣點。前視一體機方案通常采用軟硬件捆綁銷售交付的方式，比如 Mobileye，提供 EyeQ4 芯片+底軟+上層感知算法等在內的一體化的“交鑰匙”解決方案。在功能實現上，它主要用于實現L0L1 級別行車場景下的輔助駕駛功能，比如 FCW、AEB、ACC、LKA 等。與前視一體機搭配的解決方案通常有以下幾種：1V、1V1R、1V3R、1V5R 等?，F階段，2MP 前視一體機價位大概在 500600 元左右，8MP 前視一體機價位大概在 800 元

64、左右。對于輕量級的行泊一體域控方案，即便成本控制的再好，單域控硬件成本的價格也在千元級別，再加上外圍感知傳感器，總硬件成本會更高。雖然，當前基于單 J3、單 TDA4VM、單 A1000L/A1000、J3+TDA4VM，以及雙 TDA4VM 等各種方案的輕量級行泊一體域控系統在不斷地落地應用，但短時間內他們在成本上依然不具備優勢。對于一些車企來講，對于中低端車型，通過前視一體機搭配不同數量的毫米波雷達，依然是靈活且高性價比的方案選擇。那么，前視一體機對內部集成的主控芯片有哪些要求呢？前視一體機即攝像頭模組+控制單元 ECU+算法被整合在一起?？刂茊卧?ECU 主板上一般配置 2顆主控芯片，分

65、別被稱之為“安全核”和“性能核”“安全核”一般選用控制類的 MCU 芯片，負責車輛控制任務，對安全性要求高，需要達到 ASIL-D 等級，但對計算性能要求不高；“性能核”一般選用計算類的 SoC 芯片，需要承擔大量計算任務，但對功能安全要求相對沒有那么高。第 26 頁車載 SoC 芯片產業分析報告前視一體機系統框圖（圖片來源：英恒官網）通常，車企或者 Tier1 在選擇“性能核”（SoC 芯片）時會重點考慮的因素：低成本和低功耗。低成本：通常情況下，ADAS 前視一體機的硬件和軟件深度耦合。對于主機廠而言，他們比較關注產品整體的性能和成本。因此其市場定位決定了內部所選用的“性能核”會對成本比較

66、敏感。低功耗：前視一體機的攝像頭模組和主板 ECU 集成在一起，布置在內后視鏡的背面?？紤]到車內的美觀以及安裝位置，一體機的外形尺寸也不能太大。這些因素便決定了它對芯片低功耗的強烈需求。低功耗的特性不僅可以避免其長時間工作過程中由熱量累積所帶來的種種安全隱患，還可以簡化散熱設計，有效降低電源成本，進而節約整個 BOM 成本。3.1.2輕量級行泊一體域控-全時運行單SoC芯片方案將成為主流輕量級行泊一體域控方案主要應用在售價相對較低（1525 萬）的中低端車型，對成本的敏感度較高，比較注重性價比。在功能實現上，它主要用于實現 L1L2 級別的駕駛輔助功能，即基礎行車 ADAS 功能+基礎泊車功能

67、（AVM+APA）。功能應用場景相對簡單，功能安全要求也相對較低。目前，該方案所使用的算法模型比較成熟，傳感器配置也比較固定，一般采用純視覺 7V 方案或者帶毫米波雷達的 5V3R/5R、6V5R 的多傳感器方案。對于域控制器中所選用的主控 SoC 芯片，市場上常見芯片方案有：單 SoC 芯片方案：單 TDA4VM/TDA4VH、單 A1000L/A1000、單 Orin-N、單 CV72AQ 等。多 SoC 芯片方案：雙 TDA4VM、雙 J3、3*J3、J2/J3+TDA4VM 等。第 27 頁車載 SoC 芯片產業分析報告對于多 SoC 芯片方案，每個 SoC 芯片需要適配獨立的 DDR

68、 存儲器、PMIC 電源管理模塊等配套部件，并且 SoC 芯片之間還需要通過以太網或者 PCIE 等方式進行數據交互，這在一定程度上增加了功耗和系統復雜度。并且，后期的維護成本以及整個系統的 BOM 成本也會隨之增加。正因為上述的一些問題，多SoC芯片的域控方案正在逐漸被單SoC芯片方案替代。然而，目前單SoC芯片輕量級行泊一體方案也存在分時復用單SoC和全時運行單SoC的區別。由于某些 SoC 芯片本身的性能局限，比如 CPU 算力或者 AI 算力不足，無法同時調用和處理行車傳感器和泊車傳感器的全部數據，便會采用分時復用的方式。但是，分時復用的方案可能會導致功能體驗不佳，甚至功能無法實現。比

69、如，要實現 HPA 或 AVP 泊車功能，在進入停車場尋找車位的過程中，僅依靠泊車的環視攝像頭和超聲波雷達的感知是不夠的，需要使用行車的前視攝像頭或毫米波雷達來探測遠距離目標或微小物體，進行提前避讓或繞行，以解決緊急避障的問題。同樣，行車下的某些場景也需要利用泊車的傳感器數據進行輔助支持。比如，相鄰車道車輛 Cut in 場景，在沒有側視攝像頭的情況下，需要利用環視攝像頭探測近距離切入車輛，來提高對后車切入預判的準確性。在上述的這些場景下，需要能夠支持行車和泊車傳感器同時工作的全時行泊一體方案。分時復用的方案無法勝任上述工作任務。據業內專業人士測算，如果用單 SoC 芯片去做全時運行的行泊一體

70、方案，并且支持 5V5R 或 6VR的傳感器配置，CPU 的算力大概需要 20KDMIPS 左右，如果帶有硬件加速，CPU 算力需求可相應降低；AI 有效算力大約需要十幾個 TOPS。對于全時運行的行泊一體方案，用單 SoC 芯片替代多 SoC 芯片，所需要的不僅是更大的 CPU算力和 AI 算力。在 SoC 芯片的架構設計方面，還需要：預留足夠多的傳感器接口，支持足夠數量和類型的傳感器接入。配置足夠容量的各類存儲器和內存帶寬，保證數據傳輸和計算效率。預留 PCIE、USB 等用于擴充算力和存儲的一些接口，確保整個域控方案的可擴展性。第 28 頁車載 SoC 芯片產業分析報告3.1.3BEV+

71、Transformer+OCC 驅動智駕 SoC 芯片向新架構方向演進目前，國內車企在智能駕駛算法領域的技術路徑已經逐漸趨于收斂，基于 BEV+Transformer+OCC 去實現城市 NOA 已經成為主流的感知算法框架，下一步基本上會朝著感知、預測、規控、決策等一體化的端到端大模型的方向發展。智駕算法不斷地迭代升級必將驅動智駕SoC 芯片的技術架構不斷地向前演進。但是，新的算法模型與傳統的芯片架構之間存在著一定的“隔閡”，比如，不少業內人士反映，Transformer 網絡在一些智駕 SoC 芯片上很難部署，主要原因在于過去傳統端側的 AI 芯片主要是針對 CNN 網絡去設計開發，通用性比

72、較差，對于 Transformer 等較新的算法模型適應性較弱。Transformer 和 CNN 兩者計算類型完全不同。CNN 屬于計算密集型網絡，整個網絡是非常規整的、一層層的卷積操作，每層里若干通道的卷積核作為權重是可以被輸入特征共享的存儲數據。Transformer 屬于訪存密集型網絡，特點是算法模型里不規則形狀的張量多，需要大量矩陣操作的Transpose/Permute/Reshape 等算子，體現在硬件上就是對片上內存的容量和訪存帶寬的要求會比以 CNN 為目標的加速芯片高很多。那么，適應 Transformer 網絡模型的芯片的新架構具有哪些特點呢？1）具有匹配 Transfo

73、rmer 算法模型的專用引擎傳統 AI 推理專用芯片大多針對 CNN/RNN 網絡設計，普遍針對 INT8 精度，幾乎不考慮浮點運算，并行計算效果不佳。如果將 Transformer 網絡簡單量化為 INT8 精度后，整體的性能會顯著下降，主要是由于普通的激活函數量化策略無法覆蓋全部的取值區間。英偉達在設計 GPU 新架構 Hopper 時，專門增加了 Transformer 引擎，即專門為 Transformer算法做了硬件優化，它集合了新的 Tensor Core、FP8 和 FP16 精度計算，以及 Transformer 神經網絡動態處理能力，旨在加速 AI 計算的效率。Transfo

74、rmer 引擎能夠在訓練神經網絡的每個步驟中動態選擇神經網絡中每一層所需的精度，可以協調動態范圍和準確度，比如，可以根據工作負載在FP8 和 FP16 格式之間進行自動切換，使其在訓練模型時，跑的每一步都只用最低精度需求，但又不損失精度的效果，從而達到芯片最高的效率。下一代車載 AI 芯片 Thor 便是采用這樣的 GPU 架構。第 29 頁車載 SoC 芯片產業分析報告2）針對特定算子進行優化設計一款什么算法模型都支持的芯片也不太現實，即便有，成本一定高，研發周期一定長。那么，怎樣才能讓芯片盡可能多地去支持不同類型的網絡呢？某芯片技術專家指出，Transformer 模型的核心算子是 Sel

75、f-Attention 和 Cross-Attention，中間包含了一些計算類型，比如矩陣乘法、Softmax等。首先，要從原理上支持他們中間的各種計算；其次，芯片以及工具鏈要具備足夠的靈活性，后期便可以通過修改調整工具鏈，使得芯片在計算效率不下降的情況下去支持新的算法。另外，網絡模型的核心計算的地方集中在一些反反復復進行特定計算的操作上。正因為如此，才可以通過設計專門的芯片去提高效率。如果整個網絡都是亂序的，那么，專用處理器就沒法設計，只能做通用處理器了。比如針對 J6 芯片，地平線在硬件上了做了大量的超越函數的優化工作，比如支持Layer-norm&Softmax 算 子 的 硬 件 加

76、 速；支 持Transpose&Reshape 算 子 的 硬 件 加 速。Transformer 模型中有一些非常關鍵的算子，雖然計算量不大，但很復雜。也就是說，計算量可能只占 3%的算子，運行時間可能要占到 10%30%。因此，地平線通過對硬件進行優化，使得 J6 在運行這些超越函數算子的時候，計算效率得到大幅度提升。3）優化內存系統設計，打破“存儲墻”，避免帶寬成為計算瓶頸目前，主流車載 SoC 芯片的架構仍然沿用了傳統的馮諾依曼模型。在馮諾依曼架構中，數據存儲單元與數據處理單元兩者相互分離。數據在處理過程將會在處理器與存儲器之間不斷地進行“搬運”。據相關數據顯示，處理器性能以每 2 年

77、 3.1 倍的速度增長，而內存性能以每 2 年 1.4 倍的速度提升。計算能力與帶寬能力之間的差距將會越拉越大，這就導致芯片的內存容量和數據傳輸速度難以跟上芯片的計算速度。因此，車載 SoC 的性能與效率的發揮將受到嚴重制約，進而出現“存儲墻”問題。以 Transformer 架構為基礎的 AI 大模型導致了模型參數量激增，短短兩年間模型大小擴大了驚人的 410 倍，運算量更是激增了高達 750 倍。雖然現階段基于 Transformer 架構的真正大模型還很難“上車”，但是，相比 CNN 模型，已經上車的 Transformer 模型參數也要更多，算子復雜度更高，需要的運算量更大。因此，Tr

78、ansformer 網絡對于車載 SoC 芯片內部 SRAM 的利用率，以及內部總線突發大帶寬訪問等方面提出了更高的要求。第 30 頁車載 SoC 芯片產業分析報告那么，頭部的芯片企業又是如何應對這些問題的呢？地平線 J6 內部采用全新的存儲系統設計，片上包括 L0M、L1M、L2M，共三級存儲系統，用于數據緩沖和交換。同時，先進的總線架構配合高帶寬的 DDR，可有效緩解內存墻的問題。在 AI 加速器的架構設計上，安霸的 CV3 系列芯片推出了第三代 CVflow 架構。與傳統的緩存系統不同，CVflow 架構采取了一種創新的策略，將片上內存（On-chip Memory）分割成多個不同大小的

79、內存塊，這些內存塊被稱為 Partial Buffers（PB）。這些 PB 的主要用途是存儲計算過程中的中間結果，從而顯著減少對外部 DRAM 的訪問次數。CVflow 卷積神經網絡計算示例（圖片來源：安霸）3.2 座艙 SoC 芯片應用趨勢智能座艙是車企打造差異化亮點、實現千人千面駕乘體驗的重點領域?！耙恍径嗥痢?、“多模態交互”、“艙駕融合”已經成為座艙主流應用發展趨勢。然而，在智能座艙中，主控 SoC 芯片是實現車載中控娛樂系統、液晶儀表系統、AUD 抬頭顯示系統、流媒體顯示系統、空調面板顯示系統、車聯網系統、語音交互、手勢識別、DMS/OMS、AVM 等一些列功能的“基石”。3.2.1

80、 艙內顯示：一芯多屏在傳統座艙解決方案中，中控導航、儀表、HUD 等系統相互獨立，分別由獨立的 ECU 來控制，即單 ECU 驅動單個功能/系統。隨著座艙集成化程度越來越高，原先跟座艙相關的分布式 ECU 整合成為 1 個座艙域控制器。最直觀的表現是“一芯多屏”，即由座艙域控制器中的單個高性能 SoC 芯片來驅動中控導航屏、液晶儀表屏、HUD、空調顯示面板、副駕娛樂屏以及后排娛樂屏等多個屏幕。第 31 頁車載 SoC 芯片產業分析報告由“單芯單屏”到“一芯多屏”“一芯多屏”方案對 SoC 芯片的要求在于：具備足夠多的 DP 或 DSI 接口，能夠同時驅動若干個不同的顯示設備；CPU 能力要求比

81、較強，保障不同設備上多個 APP 同時運行時的流暢度；GPU 的圖形處理能力，視頻的編解碼能力要求高，它們決定了屏幕顯示的清晰度以及動畫效果的流暢度；另外，硬件層面需要能較好的支持 Hypervisor 或硬件隔離，從而更好地支持多系統運行。目前，在同一的硬件平臺上運行多個操作方式，通常有兩種解決方案：Hypervisor 和 硬隔離。采用 Hypervisor 的技術方案，在理論上是可以讓上層的應用靈活調用底層的硬件資源，可以使得硬件資源得到充分的利用。而硬隔離的方式給每個模塊劃分出自己固有的硬件資源，雖然靈活性不足，但優勢在于資源使用環節不會產生“糾紛”，并且各個系統運行的安全性也更有保障

82、?；?Hypervisor 技術在同一計算平臺上運行多操作系統第 32 頁車載 SoC 芯片產業分析報告3.2.2 艙內交互：多模態交互在智能化座艙階段，艙內的感知交互手段更加智能化和多樣化。不再局限于傳統座艙內物理按鍵類的觸覺交互，增加了語音交互、手勢控制以及視覺交互（DMS/OMS）等交互方式，通過融合多模態的信息來增強感知能力，進而保障交互反饋的準確性，以及帶來更人性化的交互體驗。對于駕駛員側，采用 DMS、語音交互以及手勢控制等多種感知交互方式，來監測駕駛員的狀態和降低駕駛員手眼負擔，有助于防止疲勞駕駛，以及在駕駛員疲勞時能夠及時進行危險提醒。對于副駕及后排乘客，主要是通過 OMS、

83、語音交互及手勢控制等感知交互方式，來滿足乘客在座艙內的休閑、娛樂需求。1)語音交互：從技術維度來講，語音交互分為語音前端處理技術和語音后端處理技術。前端處理技術包括 VAD（語音活動檢測）、回聲消除、噪聲抑制、聲源定位、增益控制等；后端處理技術則包括語音識別、語義理解、對話管理、語音合成等。另外，在智能座艙中，語音交互主要應用在車身相關模塊（空調、座椅、車窗）的控制以及中控娛樂相關模塊（影音娛樂、導航、通訊等應用）的控制。語音交互對芯片算力需求的影響（信息來源：公開資料整理）2)視覺交互：目前座艙內基于攝像頭實現的視覺交互功能有：DMS、OMS 和手勢控制等。最開始，DMS/OMS 通常使用獨

84、立的 ECU 控制單元，但是隨著整車 EE 架構的演進以及 AI 芯片集成化發展，座艙域控制器中的主控 SoC 芯片中一般都配置有豐富的異構資源，并且能夠支持多通道的視頻輸入和處理能力。因此，DMS/OMS 功能開始逐漸被整合到智能座艙域控制器中去實現。這樣不但可以節省一定的硬件 BOM 成本，也便于 DMS/OMS 系統與座艙內其它關聯模塊更好地進行信息交互，從而更好地進行功能融合創新。第 33 頁車載 SoC 芯片產業分析報告視覺交互對芯片算力需求的影響（信息來源：公開資料整理）當前，人們對于汽車的“價值理解”也正在從單純的出行工具向“第三生活空間”轉變，而智能座艙是實現此“第三空間”塑造

85、的核心載體。伴隨著 5G、AI 大模型、大數據等技術的發展，座艙內的人機交互方式變得更加的多樣化和智能化。對于主控 SoC 芯片而言，座艙內每增加一種人機交互的方式，對芯片算力和性能的需求都會進一步提升。3.2.3 艙駕融合：艙駕一體在座艙相關功能不斷地被整合的過程中，座艙與 ADAS 功能也開始逐漸融合。最開始是環視攝像頭接入到車機系統來實現 AVM 功能；然后，環視攝像頭和超聲波雷達同時接入到座艙域控制器，由座艙來實現 AVM 以及 APA 等泊車功能的控制，即所謂的“艙泊一體”。智能座艙整合基礎的泊車功能有以下幾點好處：一是，可以降本，至少可以把原來泊車的控制器省掉，節省一定的物料成本；

86、二是，有利于更好地做泊車場景下的人機交互設計；三是，座艙主控SoC 芯片上的算力也能得到最大程度的有效利用。再往后發展，智能座艙將進一步整合 L2 級別的行車 ADAS 功能，甚至是更高階的自動駕駛功能，即所謂的“艙駕一體”。從“艙駕一體”的實現形式上來看，主要有三種：One Box、One Board 和One Chip。特斯拉采用了 One Box 的方案，并在 2019 年實現量產。One Board 和 One Chip 的方案也有相關企業正在規劃，據透露，One Chip 的方案可能將會在 2025 年左右量產。第 34 頁車載 SoC 芯片產業分析報告艙駕一體方案的規劃進展（信息來

87、源：基于公開資料整理）多數業內人士一致認為，One Chip 方案才是真正的“艙駕一體”，能夠幫助企業實現降本增效。整體來看，艙駕一體的主要優勢表現在：系統成本更優：在硬件層面，相比于多 SoC 方案，單 SoC 芯片方案集成度更高，使用物料更少，在一定程度上節省了 BOM 成本；在軟件層面，所有軟件都在統一的軟件架構下，能夠節約開發驗證和功能擴展成本。系統響應更快：相比板間的 Switch 通訊或芯片間的 PCIE 互聯，在芯片內部直接使用內存共享的片內通訊方式，通訊時延會更短，系統響應更快。OTA 升級更容易：艙駕融合后，平臺的集成度更高，軟件合理分層分區，有利于新功能的部署和更新。第 3

88、5 頁車載 SoC 芯片產業分析報告3.3 車載 SoC 芯片選型芯片的選型與感知硬件、軟件算法架構等因素強相關，它決定了選擇芯片時所需要考慮的客觀要素，比如性能，成本等。除此之外，一些“主觀要素”也很重要，它在一定程度上決定了這顆芯片在量產上車后能夠帶來多少“隱性”價值，比如，芯片平臺的延續性、芯片的適配性、芯片的平臺化設計、芯片的軟件生態、芯片廠商的本土化服務等。1）芯片平臺的延續性選擇使用一家芯片廠商的芯片，車企不但會看它的現在，還要看它的未來。如果芯片企業只做一兩代的芯片，而沒有連續的 Roadmap，那就意味著如果車企圍繞該芯片來做域控制器，那么，他們后續產品的迭代和升級會存在很大的

89、不確定性。一款芯片產品從定義到研發再到量產，至少需要 3 年左右的時間。一旦進入車企的供應鏈體系，車企基本會穩定在 34 年的訂單需求。對于車企來講，一旦選定一家芯片廠商，中間再切換芯片廠商，代價會比較大，除非出現重大問題，否則不會輕易去切換。因此，車企在進行芯片選型的時候，還會關注芯片公司整個產品的迭代周期和產品的設計思路 是否符合產品的應用趨勢方向，以及是否匹配自身的產品線需求，這樣才能夠盡量規避后期因切換芯片平臺而導致成本大幅增加的風險。2）芯片的適配性整體來講，車載 SoC 芯片的適配性可以從硬件、軟件以及通訊三個層面去考察。在硬件層面，芯片的適配性包括傳感器的適配，配套外圍電路的適配

90、，例如存儲芯片（如 LPDDR、NOR Flash）、通信芯片（如以太網交換芯片）、音視頻數據接口以及相關處理芯片（如解串行芯片）等等；軟件層面，芯片的適配性包括與底軟、中間件以及上層算法層面的適配；通訊層面，主要是芯片與總線的適配，涉及到 CAN、以太網等總線，即芯片和其它組件之間的通信和數據交換是否匹配?？傊?，芯片的適配性的好壞，最終的判斷依據是芯片與其它系統組件是否能夠很好地協作并達到預設的目標效果。第 36 頁車載 SoC 芯片產業分析報告3）芯片的平臺化設計芯片廠商發展到一定階段，在充分了解主機廠的需求后，為了降本增效以進一步提升產品的核心競爭力，必然會去打造出自己的平臺化方案，用平

91、臺化的方案去適配和兼容客戶的差異化需求。某域控制器 Tier1 硬件平臺專家曾對外透露，他們最開始是用不同的 SoC 和 MCU 芯片去為各家主機廠服務。但經過一兩個項目，他們發現每家主機廠的需求都不一樣，用不同的芯片去匹配，研發成本太高。后來，他們干脆就深入研究一個系列的 SoC 芯片，用他們去靈活匹配不同主機廠的項目，即使個別項目拿不下或者不賺錢，但整體來看，他們收益卻大大增加，成本也趨向最小化，并且在行業內還形成了自己的口碑。這個案例間接說明，是否具備較好的平臺化設計方案，在后期也將是芯片廠商的核心競爭力之一。比如，地平線的最新一代征程 6 系列芯片，便是采用了平臺化的設計 面向從低到高

92、的全階智能駕駛場景，征程 6 基于平臺化設計理念，秉持同代一致、代際兼容、高度集成、系統最優（DTCO，STCO）等理念，使其具備統一的軟硬件技術特性，包括統一硬件架構、統一工具鏈和統一軟件棧。平臺化系列的計算平臺方案，有助于縮短智駕系統開發周期，打造系統成本更優的智能駕駛方案。地平線征程 6 系列芯片平臺化設計（圖片來源：地平線）第 37 頁車載 SoC 芯片產業分析報告4）芯片的軟件生態“軟件生態決定芯片價值大小”，已經成為了芯片行業的共識。因為構建在芯片之上的軟件生態對芯片的“可用性”具有較大的影響。如果一家 AI 芯片企業具備軟件生態優勢，意味著客戶在其芯片上面做開發，周期會更短，成本

93、會更低。AI 開發套件是軟件生態里比較重要的一部分，通常包括算子庫、AI 工具鏈等。一家芯片廠商的算子庫豐富，并且工具鏈好用，這家企業的芯片才有可能“好用”。例如，英偉達是公認的具有強大軟件生態的企業，它的軟件生態包含了軟件開發者、上層應用軟件、豐富的工具和庫等。良好的芯片軟件生態通常具備如下特點：易用性軟件生態要能支撐好合作伙伴和客戶的開發所需，應用文檔要充分完善，參考設計和代碼豐富準確，有相應的社區或者足夠詳細的指導文檔能幫助用戶自行快速上手。最大限度的降低用戶的學習成本和業務的遷徙代價。兼容性需要一個長期穩定的軟件框架和接口，能夠盡可能的做到向下兼容，幫助用戶的存量代碼的價值在后續芯片的

94、升級時也能得到繼承。5）芯片廠商的本土化服務在軟件定義汽車背景下，外加“內卷”嚴重的競爭環境，汽車的研發周期一再壓縮，以前 34年的開發周期，甚至已經被壓縮到 2 年。在較短的開發周期下，車企在芯片上車量產的過程中，必將會遇到很多跟芯片底層相關的問題，無論是硬件設計，還是軟件開發、圖像優化，亦或者是算法移植等方面的問題。此時，芯片公司是否具備足夠大的團隊以及足夠強的工程化能力，去幫助客戶在本地快速地解決問題就顯得尤為重要。芯片廠商需要密切加強與車企之間的合作和交流，增強對下游客戶的服務支持力度，幫助其客戶在相對較短的研發周期內做好高質量的產品交付工作。第 38 頁車載 SoC 芯片產業分析報告

95、4.車載 SoC 芯片行業競爭格局4.1 智能駕駛 SoC 芯片4.1.1 市場需求通常情況下，車企不同的車型平臺有不同的市場定位，市場定位又決定了車型的售價區間，不同售價的車型對功能配置的價格敏感度也存在差異。在智能駕駛功能配置上，不同市場定位車型（不同價位車型）的智能駕駛方案對主控 SoC 芯片也存在不同層級的需求。目前，參考不同級別智駕方案對主控 SoC 芯片在 AI 算力需求上的不同，智駕 SoC 芯片可大致分為三種類型：小算力 SoC 芯片（2.520TOPS）、中算力 SoC 芯片（2080TOPS）和大算力 SoC 芯片（100TOPS）。1）小算力 SoC 芯片小算力 SoC

96、芯片的 AI 算力通常在 2.520TOPS，支持實現的產品形態主要為前視一體機或者分布式的行車或泊車控制器方案，需求特點是追求高性價比；在功能實現上，以基礎的 L0L2 級別的輔助駕駛功能為主，部分車型或可提供高速 NOA 功能，所搭載車型售價區間一般為 10-15 萬元。當前，L2 及以下 ADAS 功能已經進入快速增長階段，其中，前視一體機占 ADAS 市場比重約為75%，仍然是目前 ADAS 市場的主力產品形態。小算力 SoC 芯片在未來依舊具備較廣闊的市場空間。芯片廠商工藝制程AI 算力（TOPS）量產落地情況MobileyeEyeQ428nm2.5主要應用在前視一體機。2018 年

97、，EyeQ4 首搭載于蔚來 ES8，其它搭載車型包括蔚來 ES6/EC6、小鵬 G3、理想 One、上汽通用 GL8、江鈴福特領睿、寶馬 5系等。TITDA4VM16nm8應用于行泊一體域控方案，搭載車型包括奇瑞星途攬月、吉利博越 L、領克 09EM-P 領航版、嵐圖追光、寶駿 KiWi EV 和悅也、哪吒 S 純電四驅版等。安霸CV22AQ10nm4eTOPS主要應用在前視一體機，搭載車型包括廣汽傳祺 ES9、廣汽昊鉑 GT/HT、廣汽埃安 S MAX、廣汽傳祺新能源 E8、合創 V09 等。地平線J228nm4主要應用在前視一體機，搭載車型包括深藍 SL03 低配版、長安啟源 A05、長安

98、UNI-V 等。J316nm5用于前視一體機或行泊一體域控方案，搭載車型包括深藍SL03高配版、榮威RX5、深藍 S7、2021 款理想 One、哪吒 S 純電四驅版、星紀元 ES、啟辰 VX6 等。黑芝麻A1000L16nm16應用于行泊一體域控方案，預計 2024 年在紅旗 E001 和 E202 兩款車型上落地。小算力智駕 SoC 芯片基礎信息梳理（信息來源：基于公開資料整理）第 39 頁車載 SoC 芯片產業分析報告2）中算力 SoC 芯片中算力 SoC 芯片的 AI 算力通常在 2080TOPS，支持實現的產品形態主要為輕量級行泊車一體域控制器方案；在功能實現上，以實現“好用”的高速

99、 NOA、城市記憶 NOA 和記憶泊車等功能為宣傳賣點，部分車型或可提供城市 NOA 功能，所搭載車型售價區間一般為 15-25 萬元。整體來看，中算力 SoC 芯片市場是芯片快速迭代升級所導致的一個結果。英偉達 Xavier 在最開始的時候可謂是當時智能駕駛市場上的大算力 SoC 芯片，但隨著英偉達下一代芯片 Orin 的出現，以及后續地平線 J5，安霸 CV3-AD 等上百 TOPS 的算力芯片相繼出現以后，對于一些中端車型，一味的追求大算力并不能保證其在市場上的競爭力，反而會讓其在性價比上失去優勢。于是，與 Xavier同級別的芯片便從大算力 SoC 芯片市場“降級”到了中算力 SoC

100、芯片市場。芯片廠商工藝制程AI 算力（TOPS）量產落地情況英偉達Xavier12nm302020 年，Xavier 芯片首搭車型小鵬 P7 量產交付。Orin-N7nm842023 年 9 月，Orin-N 首搭車型騰勢 N7 量產交付；另外，2024 年 3 月，搭載 Orin-N 的小米 SU7Pilot Pro 版也開始量產交付。TITDA4VH10nm32目前量產的車型主要使用大疆的 7V 純視覺智駕方案，包括寶駿云朵靈犀版、寶駿悅也 Plus 和奇瑞 iCAR03 等。MobileyeEyeQ5H7nm24量產搭載車型包括極氪 001/009、寶馬 iX 等。安霸CV72AQ5nm

101、40eTops支持單 SoC 芯片全時行泊一體功能，目前正在和客戶合作開發過程中。黑芝麻A100016nm582023 年 11 月，A1000 芯片首搭車型領克 08 開始量產交付；其它量產車型包括合創 V09、東風 e007 等。中算力智駕 SoC 芯片基礎信息梳理（信息來源：基于公開資料整理）2）大算力 SoC 芯片大算力 SoC 芯片的 AI 算力通常在 100TOPS 以上，支持實現的產品形態主要為高階行泊車一體域控制器方案，甚至是艙駕一體方案；在功能實現上，以實現“好用”的城市 NOA、AVP 等 L2+級別的功能為宣傳賣點，部分車型考慮硬件預埋，用于實現 L3 及更高階的自動駕駛

102、功能，所搭載車型售價區間一般在 25 萬元以上。在通往高階智能駕駛功能的發展過程中，需要新的算法（Transformer+BEV+OCC）和更先進的整車 EE 架構（中央計算+區域控制）去實現，而這都需要更大算力 SoC 芯片作為“基石”來支撐。第 40 頁車載 SoC 芯片產業分析報告芯片廠商工藝制程AI 算力（TOPS）量產落地情況英偉達Orin-X7nm254搭載車型包括蔚來 ET5/ET7、理想 L7/L8/L9 Max 版、小鵬 G6/G9/X9/P7i、智己 LS7、小米 SU7 Pilot Max 版等。Thor4nm2000主打艙駕一體，已經宣布規劃搭載的車企包括極氪、小鵬、理

103、想、比亞迪和廣汽埃安等。高通SA8650P5nm50/100高通 Ride 平臺第二代芯片，目前，博世、大陸、Veoneer、法雷奧、德賽西威、均聯智行等均正在基于此芯片進行設計與研發；預計 2024 年實現量產上車。SA8775P4nm高通 Ride Flex 平臺的第一款產品，主打艙駕一體，預計 2024 年底實現量產上車MobileyeEyeQ Ultra7nm175預計 2025 年實現量產交付安霸CV3-6855nm750eTOPS2023 年推出，主要針對 L3、L4 級乘用車自動駕駛以及 L4 級自動駕駛卡車。CV3-6555nm250eTOPS2024 年 1 月推出，主要針對

104、城市 NOA 場景。CV3-6355nm125eTOPS2024 年 1 月推出，主要針對高速 NOA 場景。華為昇騰 6107nm200華為打造的基于單顆昇騰 610 芯片的 MDC610 平臺和 2 顆昇騰 610 芯片的 MDC810 平臺，搭載車型包括問界 M5/M7/M9、阿維塔 11/12、哪吒S 715 激光雷達版、廣汽埃安 LX Plus、極狐阿爾法 S Hi 版、智界 S7 等。地平線J516nm128已經搭載至理想 L9/L8/L7 Air 和 Pro 版、比亞迪漢 EV 榮耀版等量產上市車型，同時獲得 9 家車企數十款車型的量產定點合作。J6P7nm560計劃于 2024

105、 年第四季度完成首批量產車型交付。黑芝麻A1000Pro16nm106目前正在和客戶合作開發過程中。大算力智駕 SoC 芯片基礎信息梳理（信息來源：基于公開資料整理）4.1.2 市場格局從市場規模來看，根據 ICV 的數據顯示，2022 年全球智能駕駛 SoC 市場規模為 32.95 億美元，中國市場規模達 15.05 億美元，占全球的 45.68%。據測算，2024 年，全球智能駕駛 SoC市場規模有望突破 100 億美元，到 2027 年預計達到 283.06 億美元，年復合增長率高達 43.11%。據蓋世汽車研究院統計數據顯示，2023 年，中國市場乘用車（不含進出口）前裝標配智駕域控制

106、器 183.9 萬套，同比增長約 70%，前裝搭載率約為 8.7%。另外，2023 年中國市場智駕域控芯片裝機量排名中，排名第一位的是特斯拉的 FSD 芯片，出貨量約 120.8 萬顆，占比為 37%；排名第二位的是英偉達的 Orin-X 芯片，出貨量為 109.5 萬顆，占比為 33.5%；排名第三位是地平線的征程 5 芯片，出貨量為 20 萬顆，占比為 6.1%；排名第四位是 Mobileye 的 EyeQ4H 芯片，與 J5 出貨量相當，也是約 20 萬顆，占比為 6.1%；排名第五位的是 Mobileye 的 EyeQ5H 芯片，出貨量為 17.4 萬顆，占比為 5.4%。第 41 頁

107、車載 SoC 芯片產業分析報告2023 年中國市場智駕域控芯片裝機量排名從整個行業格局來看，目前國產智駕 SoC 芯片的市場占比在整體上還處于劣勢地位。2023年，國外芯片解決方案上車占比較大，合計占比超過了 80%。其中，僅特斯拉 FSD 和英偉達 Orin-X，就占據了超過 70%的市場份額。FSD 芯片為特斯拉自研自用，一輛車標配 2 顆 FSD 芯片。英偉達 Orin-X 芯片搭載的車型比較多，涵蓋了蔚來、小鵬、理想、智己、小米等多個主機廠幾十余款車型。在國產智駕 SoC 芯片中，出貨量最大的是征程 5 芯片，2023 年，出貨量達到了 20 萬片，主要搭載于理想 L7/L8 的 Ai

108、r 和 Pro 版本以及 L9 的 Pro 版本；并且，2024 年 2 月，J5 芯片在比亞迪漢 EV 榮耀版上量產上車。但智能駕駛 SoC 市場格局尚未定型，國產芯片廠商具備自身的優勢，仍有趕超的機會。比如，相比國外芯片廠商，國產芯片廠商的本土服務能力更強，能夠快速適應本土車企的需求變化；另外，地緣政治的影響也在一定程度上加快了國產化芯片替代的腳步。4.2 智能座艙 SoC 芯片4.2.1 市場需求當前，智能座艙的配置水平已經成為消費者購車的重要參考指標之一，同樣，智能座艙也是主機廠打造差異化和品牌影響力的重點領域。伴隨著座艙集成的功能越來越多，它所需要的硬件資源及算力需求也會越來越高，高

109、算力和高性能的 SoC 芯片將成為智能座艙的剛需。2023 年，中國市場座艙域控前裝交付量達到 347.6 萬套，搭載率為 16.5%。從座艙主控 SoC芯片裝機量來看，外資芯片品牌依舊主導地位，其中，僅高通一家的市場占比就已經接近 60%。第 42 頁車載 SoC 芯片產業分析報告從芯片廠商類型來看，消費類芯片廠商目前在智能座艙芯片 SoC 市場占據優勢地位。有業內專家指出，消費電子芯片廠商之所以能夠進入座艙領域，是因為從消費電子類 SoC 芯片升級改版為座艙 SoC 芯片的技術壁壘并不高 兩者在技術層面的要求高度相似，車規級的特殊要求主要體現在壽命、適應車載環境等安全層面，然而，消費電子芯

110、片廠商通過這些車規級認證的難度并不是特別大。同時，消費電子芯片廠商在消費端已經具備了足夠強的設計能力，從而能夠幫助他們在汽車領域里，也能夠設計出車規級座艙芯片。并且，相比傳統汽車芯片廠商，高通、AMD、三星等頭部消費電子類芯片廠商在智能座艙 SoC芯片領域所具備的成本優勢和迭代速度優勢，是傳統芯片廠商所不能比擬的。1）成本優勢頭部消費級芯片廠商能夠最大化利用其在消費端的生產和銷售能力，去攤銷整個芯片的設計成本。因此，當其把消費端的芯片轉移到座艙領域來應用，在成本上對傳統芯片廠商是一種降維打擊。座艙的 SoC 芯片一般都會包含 CPU、GPU、NPU、DSP 等等，這些 IP 設計與授權一般都是

111、來自第三方公司，比如 ARM,Imagination 等，對于傳統汽車芯片廠商而言，這些 IP 的授權費非常高。但對于像高通、AMD 這些頭部消費級芯片廠商而言，他們在消費領域建立起來的規模效應，能夠幫助其獲得更優惠的 IP 架構授權費用。2）迭代速度優勢消費級芯片廠商的座艙 SoC 芯片不僅在制程的先進性和算力上具有明顯的優勢，而且芯片的迭代速度也更快。因為他們的芯片迭代可以建立在消費級芯片迭代的基礎上，因此，其座艙 SoC 芯片迭代速度自然要遠遠快于傳統汽車芯片廠商。目前，高通總共對外發布了四代座艙芯片，而這四代芯片都是遵循著“消費級芯片先發，智能座艙芯片后改”的底層邏輯。高通四代座艙平臺

112、的基礎信息（信息來源：公開資料整理）第 43 頁車載 SoC 芯片產業分析報告4.2.2 競爭格局據相關統計數據顯示，2022 年，全球智能座艙 SoC 芯片市場規模為 30.92 億美元。其中，我國新車搭載智能座艙 SoC 芯片的裝配量為 700.5 萬顆，市場規模達 14.86 億美元，約占全球總市場份額的 48%。預計到 2025 年，中國和全球汽車座艙智能配置滲透率將分別達到 78%和59%，同時，全球智能座艙 SoC 芯片的市場規模將突破 50 億美元。當前，座艙域控制器的主控 SoC 芯片的市場格局已經逐漸明朗：中低端市場 傳統汽車芯片廠商是主力，比如瑞薩、TI 和恩智浦等；高端市

113、場 消費電子芯片廠商是主力，比如高通、三星、英特爾和 AMD 等。目前，智能座艙 SoC 芯片市場份額主要集中在幾家海外的芯片企業手中，包括高通、AMD、瑞薩、英特爾、三星等。從中國市場來看，據蓋世汽車研究院數據顯示，在 2023 年，高通座艙 SoC芯片的市占率最高，出貨量達 226 萬顆，占比為 59.2%；AMD 排在第二位，市場占比為 15.1%；瑞薩排在第三位，占比為 8.6%；英特爾排在第四位，占比為 4.6；三星排在第五位，占比為 4.0%；前五家占比超過 90%的市場份額，智能座艙 SoC 芯片市場高度集中。2023 年中國市場座艙 SoC 芯片市場份額占比情況（不包括進口和選

114、配）現階段，雖然我國乘用車智能座艙 SoC 芯片的滲透率和市場規模都比較高。但是，國產座艙 SoC芯片的市占率并不高，不足 10%，主要原因在于國產座艙 SoC 芯片廠商起步較晚。不過，他們現在占據天時（國內新能源汽車行業迅速發展以及出海趨勢）和地利（國產化芯片替代）的優勢，國產座艙 SoC 芯片在未來具有較大的市場增長空間。第 44 頁車載 SoC 芯片產業分析報告5.國內外重點企業及產品布局5.1 國外芯片廠商5.1.1 英偉達1）公司介紹英偉達成立于 1993 年 4 月，早期專注 PC 圖形計算，后來逐步將重點轉移至 AI 領域。1999年英偉達推出首款 GPU，主要用于 3D 圖像渲

115、染加速；2006 年英偉達開發了基于 GPU 的“CUDA”開發平臺，讓 GPU 實現通用計算功能，GPU 的應用逐步從游戲擴展至高性能計算、自動駕駛等多個領域?，F在，英偉達不僅僅是一家芯片公司，更是一家具備全棧解決方案的綜合服務商，可提供芯片、硬件平臺、系統軟件、功能軟件、應用軟件以及仿真測試和訓練平臺的全棧工具鏈。公司發展歷程：1993 年 4 月，Chris Malachowsky，Curtis Priem 和黃仁勛三人聯合創立了英偉達。1999 年，英偉達發布第一代 GPU 架構 GeForce 256，并歷史上首次提出 GPU 概念。2006 年，英偉達發布首個通用 GPU 計算架構

116、 Tesla，該架構支持使用 C 語言進行 GPU編程,可以用于通用數據并行計算。此事件標志著 GPU 開始從專用圖形處理器轉變為通用數據并行處理器。2008 年，英偉達推出 Tegra 移動處理器，可以應用于移動設備和汽車系統。2015 年，英偉達開始進入車載領域，并推出了第一代車載計算平臺：Drive PX。2016 年 1 月，英偉達推出第二代車載計算平臺：Drive PX2。同年 9 月，英偉達發布了專門針對自動駕駛技術的 Xavier SoC 芯片。2019 年，英偉達在 GTC 大會上推出了 DRIVE AGX Orin平臺，內置了 Orin SoC 芯片。2020 年，英偉達 X

117、avier SoC 芯片在小鵬 P7 上首搭量產應用。2022 年 3 月，英偉達在 GTC 大會上宣布，Orin SoC 芯片將在當月正式投產發售。同年 9 月，英偉達在秋季 GTC 大會上發布了算力高達 2000TOPS 的車載 SoC 芯片 Thor，并計劃在2025 年量產上車應用。2023 年 3 月，英偉達在 GTC 大會上宣與臺積電、ASML、Synopsys 三大半導體巨頭合作，將英偉達加速運算技術用于芯片光刻中的計算光刻中，并推出用于計算光刻的軟件庫“cuLitho”。2024 年 3 月，英偉達在 GTC 大會正式推出新一代 GPU 架構 Blackwell，同時，還宣布比

118、亞迪在未來車型平臺中將會采用 Drive Thor 芯片。第 45 頁車載 SoC 芯片產業分析報告2）產品布局自從 2015 年進入車載領域，到現在為止，英偉達先后推出了 Tegra 系列、Paker、Xavier、Orin等多款 SoC 芯片。當前，在智能駕駛大算力 SoC 芯片領域，Orin 芯片的市場占有率在全球處于領先地位。并且，在 2022 年，英偉達還發布了新一代用于艙駕一體，或中央計算的超大算力 Thor 芯片，計劃在 2025 年量產。Xavier 芯片：采用 12nm FinFET 工藝制程，集成 90 億顆晶體管，芯片面積為 350 平方毫米，AI 算力達 30TOPS，

119、功耗為 30W?；?Xavier SoC 芯片，英偉達發布了第 3 代車載計算平臺：Drive AGX Xavier 和 Drive AGX Pegasus。其中，Drive AGX Xavier 平臺集成 2 顆 Xavier 芯片，面向 L2/L3 級自動駕駛場景；Drive AGX Pegasus 平臺集成 2 顆 Xavier 芯片和 2 顆 Turing架構獨立的 GPU，算力達 320TOPS，功耗 500W，面向 L4/L5 自動駕駛場景。Orin 芯片：采用 7nm 工藝制程，集成 170 億顆晶體管，AI 算力可達 254TOPS，功耗為 45W?；?Orin SoC 芯

120、片，英偉達在 2020 年 5 月發布了第 4 代車載計算平臺：Drive AGX Orin。Drive AGX Orin 平臺可搭載 2 顆 Orin 芯片和 2 顆 Ampere 架構的獨立 GPU，最高算力達2000Tops，功耗為 800W，可以實現 ADAS 解決方案和 L5 級的 Robotaxi。Thor 芯片：Thor 采用 4nm 工藝制程，集成 770 億個晶體管，算力達 2000TOPSFP8。在架構方面，Thor 芯片集成 Grace CPU、Ada Lovelace GPU 和 BlueField DPU 等。英偉達智駕 SoC 芯片基本情況梳理（信息來源：公司官網及

121、其它公開資料整理）第 46 頁車載 SoC 芯片產業分析報告5.12 德州儀器1）公司介紹德州儀器（TI）的歷史可以追溯到 1930 年，當時公司名稱為 Geophysical Service Incorporated,簡稱為 GSI，主要業務是專門為地球物理勘探提供反射地震驗測方法。1951 年 12 月，公司更名為：德州儀器（Texas Instruments，簡稱 TI），并于 1954 年正式進軍半導體市場。1950 年代開始，TI 便開始在德州興建半導體制造工廠。目前，TI 在全球具有 15 個制造基地，包括多家晶圓制造廠、封裝測試廠、凸點加工廠以及晶圓測試廠?，F在，公司的主要業務是

122、模擬芯片和嵌入式處理器等，具體產品分類包括放大器、音頻、時鐘和計時、數據轉換器、DLP、接口、MCU 和處理器、電源管理、射頻和微波、傳感器等，合計約 8 萬個產品組合。按照下游應用分類，2023 年，TI 的收入占比構成為：工業占 40%、汽車占 34%、個人電子設備占 15%、通信設備占 5%、企業級系統占 4%、其他占 2%。2）產品布局目前，TI 在 ADAS 領域的產品線主要是 TDA4 系列，包括 TDA4 VL、TDA4 VM 和 TDA4 VH不同的版本配置，以適配不同的市場定位需求。其中 TDA4 VL 主攻前視一體機及入門級泊車控制器市場；TDA4VM 主攻輕量級多芯片 S

123、oC 行泊一體或者單 SoC 分時復用行泊一體市場；TDA4VH 主攻輕量級單 SoC 全時運行行泊一體市場。TDA4 系列芯片基本情況梳理（信息來源：TI 官網產品手冊）第 47 頁車載 SoC 芯片產業分析報告5.1.3Mobileye1）公司介紹1999 年，來自以色列希伯來大學的 Amoon Shashua 教授和 Ziv Aviram 創立了 Mobileye。2004 年，Mobileye 發布了第 1 代自研芯片 EyeQ1，并將其視覺算法固化到自家芯片上。在此之前，Mobileye 的主要業務是為客戶提供基于視覺算法的軟件方案。自此之后，Mobileye 開始逐漸從算法/軟件供

124、應商轉為提供打包解決方案的系統服務商。公司發展歷程：1999 年，Mobileye 成立2004 年，Mobileye 發布第一代芯片 EyeQ12007 年，沃爾沃成為首個搭載 Mobileye 芯片的車企2008 年，Mobileye 發布第二代芯片 EyeQ22012 年，EyeQ 系列芯片累計出貨突破 100 萬片2014 年，EyeQ3 正式量產；借助 EyeQ3 芯片，業內首次實現基于單目配置的 AEB 功能。2017 年 3 月，Mobileye 被英特爾以 153 億美元的價格收購2018 年，EyeQ4 量產上市，首搭車型是蔚來 ES82021 年，EyeQ5 量產上市，首批

125、搭載車型為極氪 001 和寶馬 iX。截止到 12 月，Mobileye EyeQ系列芯片出貨量已突破 1 億片。2022 年，Mobileye 發布了三款芯片產品：EyeQ6L、EyeQ6H、EyeQ Ultra。2023 年，EyeQ 系列芯片已經累計出貨量突破 1.4 億片2）產品布局20032021 年，Mobileye 發布并量產了 5 代芯片：EyeQ1EyeQ5；2022 年，在 CES 展上，Mobileye 又發布了三款最新的芯片 EyeQ6L、EyeQ6H 以及 EyeQ Ultra，分別應用于不同級別的智能駕駛。第 48 頁車載 SoC 芯片產業分析報告EyeQ 系列芯片

126、基本情況梳理（信息來源：企業官網及其它公開資料整理）EyeQ6 系列芯片基本情況梳理（信息來源：企業官網及其它公開資料整理）第 49 頁車載 SoC 芯片產業分析報告5.1.4安霸半導體1）公司介紹安霸半導體（Ambarella）成立于 2004 年，是一家專注于 AI 視覺感知芯片的半導體公司。安霸的 AI 芯片產品支持超高清圖像處理、視頻壓縮、深度神經網絡高效運行，可從高分辨率視頻和雷達信息中提取有價值的數據。安霸在車載領域具有從主流 L2 到大算力域控的全套芯片解決方案，并高效支持大語言模型等前沿應用。車載領域的產品主要包括 ADAS，智能座艙 DMS/OMS，行泊一體域控，電子后視鏡

127、CMS、行車記錄儀、以及高級別無人駕駛等。公司發展歷程：2004 年，安霸在硅谷成立;2007 年，安霸中國在上海成立研發中心;2012 年，安霸在納斯達克上市;2014 年，安霸開始進入汽車前裝市場;2015 年，安霸收購意大利汽車自動駕駛算法公司 VisLab;2017 年，帶有自主研發 AI 引擎的 AI 視覺 SoC 芯片 CV1 上市;2018 年，10nm 工藝制程車規級 CV2 系列芯片上市;2021 年，安霸收購 4D 毫米波雷達算法公司傲酷;2022 年，安霸推出 5nm 大算力車載中央域控芯片 CV3-AD;2023 年，上海車展期間，安霸推出車規 AI 芯片 CV72AQ

128、，同年面向量產的 CV3-AD685 順利點亮并開始提供樣片;2024年，在CES期間，安霸推出兩款CV3-AD系列的智駕域控芯片：CV3AD-635和CV3AD-655;另外，安霸計劃推出新一代前視一體機芯片 CV75AQ。2）產品布局依據制程工藝不同，目前，安霸 CV 系列車規級 AI SoC 芯片可劃分成兩大類：10nm 工藝制程芯片和 5nm 工藝制程芯片。第 50 頁車載 SoC 芯片產業分析報告10nm 車規芯片系列CV2x 系列芯片采用 10nm 工藝制程，符合 AEC-Q100 Grade2 等級要求，主要產品有：CV2FS、CV22FS、CV2AQ、CV22AQ、CV25AQ

129、、CV28AQ，并且都已經在乘用車項目上量產應用。另外，CV2 系列車規芯片所使用的 SDK 軟件相互兼容，支持多種算法開發和優化；同時，該系列芯片提供磐石信息安全綜合解決方案，支持硬件信息安全；其中，CV2FS/CV22FS 達到了芯片級別的 ASIL-C等級，功能安全島 ASIL-D 等級。5nm 車規芯片系列A.CV3-AD 系列2022 年 1 月，安霸發布了大算力域控 AI SoC 芯片 CV3 的旗艦版本 CV3-AD-High。該系列芯片支持硬件 HSM 以及 ASIL-D 等級的功能安全島，整個芯片可以達到 ASIL-B 功能安全等級。2023 年 1 月，安霸在 CES 上宣

130、布推出 CV3 系列的量產版本 CV3-AD685；2024 年 1 月，安霸又陸續發布另外兩款 CV3-AD 系列智駕域控芯片：CV3-AD635 和 CV3-AD655，覆蓋不同性能和成本區間，以滿足客戶的多樣化需求。安霸對 CV3-AD 系列芯片進行了平臺化設計，可提供完整的高階智駕域控系列方案，從“無圖”高速 NOA（CV3-AD635）到“無圖”城區 NOA（CV3-AD655），最后再到“無圖”L3 及更高階的自動駕駛解決方案（CV3-AD685）。CV3 三款不同算力芯片的 DEMO 效果展示（信息來源：安霸）第 51 頁車載 SoC 芯片產業分析報告B.CV72AQ2023 年

131、 4 月，安霸發布了搭載 CVflow3.0 AI 架構的 AI 視覺芯片 CV72AQ，該芯片內置 2 顆ARM Cortex-A76 CPU 內核，CPU 算力達 20KDMIPS，AI 等效算力 40eTOPS。安霸智駕 SoC 芯片基本情況梳理（信息來源：企業官網及其它公開資料整理）第 52 頁車載 SoC 芯片產業分析報告5.1.5 高通1）公司介紹高通成立于 1985 年，早期以提供衛星系統移動通訊解決方案為主。1999 年，高通開始進行業務轉型，將手機業務和無線業務分別出售給了京瓷和愛立信，自身則專注于技術許可（QTL）和半導體芯片（QCT）兩大業務。2002 年開始，高通開始切

132、入到車載領域，它先是向車企提供車載網聯解決方案 基于無線通信技術，聯合通用汽車推出安吉星車載網聯解決方案，致力于為車主提供遠程服務。后來，業務逐漸延伸至智能座艙產品及解決方案，現在高通是一家全球領先的半導體和通信技術公司。2）產品布局在智能座艙應用領域，2014 至 2021 年期間，高通先后推出 4 代智能座艙 SoC 芯片，主要包括602A、820A、SA8155P 和 SA8295P。602A 芯片：2014 年 1 月，高通在 CES 上發布了專門用于汽車娛樂系統的第一代智能座艙芯片驍龍 602A。602A 采用 28nm 工藝制程，基于手機芯片驍龍 600 改版而來，能夠支持 3 屏

133、同顯（1080p60中控屏+720p60儀表+540p60HUD）。820A 芯片：2016 年 1 月，高通在 CES 上發布了第二代智能座艙芯片驍龍 820A。820A 采用14nm 工藝制程，基于手機芯片驍龍 820 改版而來，最多可支持 8 個攝像頭同時輸入，最高支持4K 分辨率以及多個觸屏顯示。SA8155P 芯片：2019 年 1 月，高通在 CES 上發布了第三代智能座艙芯片驍龍 SA8155P。SA8155P 采用 7nm 工藝制程，基于手機芯片驍龍 855 改版而來，最多可支持 8 個攝像頭同時輸入，最高支持 4 塊 2K 屏幕或 3 塊 4K 屏幕同時顯示。SA8295P

134、芯片：2023 年 5 月，高通推出第四代智能座艙芯片驍龍 SA8295P。SA8295P 采用5nm 工藝制程，基于手機芯片驍龍 888 改版而來，CPU 算力 200KDIMPS，GPU 算力3000GFLOPS，AI 算力達 30TOPS，最多可支持 16 路攝像頭同時輸入，最高支持 11 個屏幕同時顯示。第 53 頁車載 SoC 芯片產業分析報告高通座艙 SoC 芯片基本情況梳理（信息來源：企業官網及其它公開資料整理）第 54 頁車載 SoC 芯片產業分析報告5.2 國內芯片廠商5.2.1 地平線1）公司介紹2015 年 7 月，地平線成立，秉持著軟硬結合的理念，聚焦邊緣人工智能芯片方

135、向。其業務布局圍繞著以人工智能芯片為核心，為輔助駕駛（ADAS）和高階自動駕駛（AD）提供包括智能芯片、專用的軟件、算法和開放工具鏈等在內的核心技術和服務。公司發展歷程：2015 年 7 月，地平線成立，并聚焦邊緣 AI 芯片方向。2016 年 3 月，地平線發布了第一代 BPU 架構高斯架構。2017 年 12 月，地平線發布兩款嵌入式人工智能視覺芯片征程 1.0 和旭日 1.0。2019 年 8 月，地平線宣布量產中國首款車規級智能芯片征程 2。2020 年 1 月，地平線在 CES2020 上發布了搭載征程 2 的自動駕駛計算平臺 Matrix2。2020 年 9 月，地平線正式推出車規

136、級芯片征程 3；12 月，征程 2 累計出貨量突破 16 萬片。2021 年 7 月，地平線發布大算力芯片征程 5；12 月，征程系列芯片累計出貨量突破 100 萬片。2022 年 9 月，地平線征程 5 芯片在理想 L8Pro 版上量產應用；11 月，征程系列芯片累計出貨量突破 200 萬片。2023 年 4 月，地平線推出自研的基于軟硬結合的智能駕駛專用計算架構 BPU納什；當月，征程系列芯片累計出貨量突破 300 萬片。2023 年 11 月，地平線在廣州車展期間對外透露，地平已與 30 家自主與合資品牌車企達成前裝量產合作，征程系列芯片前裝量產出貨已達 400 萬片，量產上市車型超過

137、50 款。2024 年 4 月，地平線征程系列芯片前裝量產出貨已達 500 萬片.第 55 頁車載 SoC 芯片產業分析報告2）產品布局目前，地平線已經量產上車的芯片有：征程 2、征程 3 和征程 5。另外，新一代大算力芯片征程6 計劃在 2024 年 4 月對外發布。J2芯片：2019年8月，地平線發布了征程2芯片。征程2采用28nm制程工藝，AI算力達4TOPS，典型功耗為 2W，17*17mm BGA 封裝工藝。J3 芯片：2020 年 9 月，地平線正式推出征程 3 芯片。征程 3 采用 16nm 制程工藝，AI 算力可達 5TOPS，典型功耗為 2.5W，支持對 H.264 和 H.

138、265 視頻格式的高效編碼。J5芯片：2021年7月，地平線推出征程5芯片。征程5采用16nm制程工藝，AI算力可達128TOPS，典型功耗為 30W；外部接口豐富，可支持接入超過 16 路高清視頻輸入；支持 H.265/JPEG 實時編解碼。J6 芯片：征程 6 系列芯片將于 2024 年 4 月正式發布，并于 2024 年第四季度完成首批量產車型交付。征程 6 采用 7nm 制程工藝，AI 算力最高可達 560TOPS，CPU 算力可達 350+KDMIPS。地平線征程系列芯片基本情況梳理（信息來源：企業官網及其它公開資料整理）第 56 頁車載 SoC 芯片產業分析報告5.2.2 黑芝麻1

139、）公司介紹黑芝麻智能成立于 2016 年，定位于車規級計算芯片及基于芯片的解決方案供應商。公司可提供自研的 IP 核、算法以及芯片，為客戶提供全棧式的自動駕駛技術和服務。公司發展歷程：2016 年 7 月，黑芝麻成立2019 年 8 月，黑芝麻發布華山一號 A500，單 SOC 可提供 5-10TOPS 的算力2020 年 6 月，黑芝麻發布華山二號系列芯片：A1000 和 A1000L2021 年 4 月，黑芝麻發布華山二號系列芯片：A1000pro，同年 7 月，流片成功2022 年 9 月，黑芝麻與吉咖智能開展深度合作，并規劃在吉利汽車上搭載 A1000 芯片。同年12 月，宣布與東風集

140、團合作，并在其純電動轎車及 SUV 車型上搭載 A1000 芯片。2023 年 4 月，黑芝麻發布武當系列跨域芯片 C1200；同年 5 月，宣布與一汽集團聯合合作，在紅旗車型上部署華山 A1000L 芯片。2）產品布局目前，黑芝麻系列芯片產品主要包括：華山 A1000 系列和武當 C1200 系列。黑芝麻系列芯片基本情況梳理（信息來源：企業官網及其它公開資料整理）第 57 頁車載 SoC 芯片產業分析報告5.2.3 芯馳科技1）公司介紹2018 年 6 月，芯馳科技成立，致力為未來智慧出行提供高性能、高可靠的車規芯片產品和解決方案。芯片產品覆蓋智能座艙、智能駕駛、中央網關和高性能 MCU 四

141、大領域。在車規認證方面，芯馳先后獲得了德國萊茵 ISO 26262 ASIL D 功能安全流程認證、AEC-Q100Grade 1/Grade 2 可靠性認證、德國萊茵 ISO 26262 ASIL B 功能安全產品認證以及工商總局、國家密碼管理局國密信息安全雙認證，成為四證合一的車規芯片企業。目前，芯馳已完成 4 個系列芯片的流片、最高規格車規認證及大規模量產上車，服務超過 260家客戶，擁有近 200 個定點項目，覆蓋了中國 90%以上車企，以及部分國際主流車企，包括上汽、奇瑞、長安、東風、一汽、理想、日產、本田、大眾等。公司發展歷程：2018 年 6 月，芯馳科技成立2019 年 10

142、月，完成 16nm 車規級芯片流片2020 年 5 月，同時發布艙之芯 X9、駕之芯 V9、網之芯 G9 的首款產品2021 年 12 月，網之芯獲得國密信息安全認證，并且單月量產出貨達 10 萬片2022 年 4 月，控之芯 MCU 正式發布2023 年 4 月，艙之芯 X9 和駕之芯 V9 芯片同時進行全新換代升級，推出智能座艙芯片 X9SP 和智能駕駛芯片 V9P。2024 年 3 月，芯馳發布全新升級的座艙芯片 X9H 2.0G,定點車型最早將于 2024 年底量產上市。2）產品布局在智能座艙應用領域，芯馳科技“艙之芯”X9 系列芯片包括 X9E、X9M、X9H、X9HP、X9U和 X

143、9SP 等。這些芯片采用平臺化的方案設計，集成了 CPU、GPU、AI 加速器、視頻編解碼處理器以及其它加速單元。另外，X9 系列芯片集成豐富的接口和總線協議，比如 PCIe3.0、USB3.0、千兆以太網、CAN-FD，便于以較低成本無縫銜接應用在車載系統上。第 58 頁車載 SoC 芯片產業分析報告芯馳座艙 SoC 芯片基本情況梳理（信息來源：企業官網及其它公開資料整理）X9 系列芯片可以提供不同級別的智能座艙解決方案：入門級座艙解決方案、主流座艙解決方案和旗艦版座艙解決方案。入門級座艙解決方案：基于 X9E/X9M 芯片，芯馳科技的參考設計采用硬隔離的方案，在單芯片上運行 FreeRTO

144、S/QNX/Android 雙操作系統，實現了全虛擬儀表和中控顯示的整合。主流座艙解決方案：基于 X9H/X9HP 芯片，芯馳科技的參考設計針對用戶常見的車載應用場景，在 360環視系統、語音喚醒等典型工作場景，利用芯馳內置的硬件加速單元實現快速啟動、快速喚醒等功能。同時通過 Slim AI Engine 對輕量級的 AI 運算進行優化，支持安卓系統的 AI 加速，可支持人臉識別及手勢互動等應用。旗艦級智能座艙解決方案：基于 X9U、X9SP 等芯片，提供支持高達 6-10 個屏幕的全功能座艙解決方案。通過硬件虛擬化支持技術，可以在單個處理器上運行多個操作系統，同時通過硬件安全管理模塊共享訪問

145、 CPU/GPU 等多種外設，實現高效、安全的系統管理。旗艦級座艙解決方案（圖片來源：企業官網）第 59 頁車載 SoC 芯片產業分析報告5.2.4 杰發科技1）公司介紹杰發科技（AutoChips）成立于 2013 年，專注于汽車電子芯片及相關系統的研發與設計。2017年 3 月，杰發科技被四維圖新收購，并成為其全資子公司，主要負責四維圖新汽車智能化戰略布局中的“智芯”板塊業務，為整體業務架構提供底層硬件支持。目前，杰發科技在合肥、深圳、上海、武漢、北京和荷蘭設立有研發及市場銷售中心。杰發科技自主研發的芯片主要涵蓋智能座艙 SoC、車聯網 SoC、車載信息娛樂系統 SoC、車規級微控制器 M

146、CU、胎壓監測專用傳感器芯片 TPMS、車載音頻功率放大器 AMP 等，并且四大產品線（SoC/MCU/AMP/TPMS）全部通過車規級認證并成功量產。通過車規認證的 4 大產品線：SoC、MCU、AMP、TPMS（圖片來源：企業官網）公司發展歷程：杰發科技發展歷程（信息來源：企業官網）第 60 頁車載 SoC 芯片產業分析報告2）產品布局在智能座艙領域，杰發科技的芯片產品主要包括：AC8015 系列和 AC8025 系列。AC8015 芯片已經在 2021 年開始量產應用，搭載車型多達幾十款。截止到目前，AC8015 芯片出貨量已經突破百萬顆。并且，該芯片支持 1080P 雙高清異顯，最大支

147、持 1920120060Hz 顯示分辨率，具有車載以太網、PCIe、USB3.1 等多種高速通訊接口，符合 AEC-Q100 車規認證。AC8025 采用 16nm 工藝制程，將高度復用 AC8015 的軟件架構，自帶 SDK API 并向前完全兼容。AC8025 內置 NPU，可提供 AI 應用解決方案，基于智能座艙域可擴展融合面部識別（Face ID）、駕駛員監測系統（DMS）、乘客監測系統（OMS）、姿態和手勢識別等應用。目前，AC8025E 和AC8025H 芯片即將進入量產階段。杰發科技座艙 SoC 芯片基礎信息梳理（信息來源：企業官網及其它公開材料整理）第 61 頁車載 SoC 芯

148、片產業分析報告5.2.5 芯擎科技1）公司介紹芯擎科技成立于 2018 年，專注于高性能車規級芯片及解決方案的研發和提供。目前，芯擎科技在武漢、北京、上海、深圳、沈陽和重慶設有研發和銷售分支機構，以“讓每個人都能享受駕駛的樂趣”為發展使命，致力于成為世界領先的汽車電子芯片整體方案提供商。2）產品布局智能座艙：2021 年 12 月，芯擎科技發布了其首顆 7nm 智能座艙芯片“龍鷹一號”，并于 2023年 3 月 30 日宣布正式量產。2023 年 9 月，領克 08 正式上市，為龍鷹一號首款落地車型，其智能座艙全系標配 2 顆龍鷹一號芯片。目前，座艙 SoC 芯片龍鷹一號”已量產應用在領克 0

149、6、領克 07、領克 08 和睿藍 7。截止 2023 年年底，該芯片的出貨量已突破 20 萬片。智能駕駛：2024 年 3 月，芯擎科技發布了其智駕 SoC 芯片AD1000。AD1000 采用 7nm工藝制程,符合AEC-Q100標準，CPU算力達250+KDMIPS,NPU稠密算力高達256 TOPS,通過多芯片協同可實現最高 1024 TOPS 算力。另外，AD1000 集成高性能 VPA 與 ISP，內置 ASIL-D功能安全島，擁有豐富接口，可全面滿足 L2 至 L4 級智能駕駛需求。據了解，芯擎科技的高階智駕芯片-AD1000 將在 2024 年內向市場交付。芯片發布時間工藝制程

150、CPUGPUNPU量產車型龍鷹一號2021127nm4*A76+4*A55100KDMIPS900GFLOPS8領克 06/07/08，睿藍 7AD10002024037nm250+KDMIPS256TOPS（稠密算力）芯擎科技車載 SoC 芯片基礎信息梳理（信息來源：企業官網及其它公開材料整理）第 62 頁車載 SoC 芯片產業分析報告5.2.6愛芯元智1）公司介紹愛芯元智半導體有限公司成立于 2019 年 5 月，公司專注于高性能、低功耗的邊緣側、端側人工智能處理器芯片開發，已在行業大規模出貨。愛芯元速是愛芯元智車載品牌，2023 年 6 月正式對外宣布入局車載行業，定位于 Tier2，目

151、前已實現規?；宪嚵慨a。兩大自研核心技術愛芯智眸 AI-ISP 和愛芯通元混合精度 NPU，為車載前視一體機、行泊一體域控制器、CMS、DMS/OMS 等提供全系列智能駕駛參考解決方案，同時擁有高效易用的工具鏈、豐富的軟件開發平臺、滿足客戶多樣化的需求。愛芯元智自研兩大核心 IP愛芯智眸 AI-ISP 和愛芯通元混合精度 NPU。其中，愛芯智眸AI-ISP 利用像素級的 AI 處理技術，能夠在各種復雜應用場景中，全面提升成像效果，為后期智能處理提供高質量的圖像、視頻素材。愛芯通元混合精度 NPU 采用多線程異構多核設計，實現了算子、網絡微結構、數據流和內存訪問優化，高效支持混合精度算法設計，支

152、持 Transformer 網絡結構，為大模型在邊緣側、端側的應用提供了良好的基礎。2）產品布局在車載領域，愛芯元智根據客戶需求，制定了完善的產品路線圖，覆蓋高中低端市場，以滿足客戶不同場景的產品需求。其中，首款車規級芯片 M55H 已前裝量產上車，主要適用于前視一體機 ADAS 方案以及CMS/DMS；第二款 M76H 芯片，2023 年初已回片，已經通過車規認證，計劃在 2024 年實現規?；慨a應用。該芯片能夠支持 BEV+Transformer，適用于單芯片全時行泊一體方案，且支持實現高速 NOA 功能。芯片工藝制程CPUNPUISP適用方案量產情況M55H12nmQuad A71.0

153、GHz；7.6 KDMIPS第二代愛芯通元 NPU；8TOPSAI-HDR，AI-3DNR，AI-RLTMCMS/DMS前視一體機零跑 C01/零跑 C11M76H12nmOctaA551.6GHz；35KDMIPS第三代愛芯通元 NPU；60TOPS4x8MP30fps；AI-HDR/3DNR/RLTM;動態補償單芯片全時行泊一體&高速 NOA通過車規認證愛芯元智智駕 SoC 芯片基礎信息梳理（數據來源：企業官網）第 63 頁車載 SoC 芯片產業分析報告5.2.7聯發科1）公司介紹聯發科技股份有限公司成立于 1997 年 5 月，總部設于臺灣省新竹，于 2001 年 7 月在臺灣證券交易所

154、掛牌上市，是全球前十的半導體設計公司。公司的主要業務是為移動終端、智能家居、無線連接技術、汽車電子等多個領域提供系統芯片整合解決方案。2016 年,聯發科開始研發車載芯片,并于 2018 年，推出了針對智能座艙的 MT2712 芯片。2023年 4 月，聯發科發布了全新汽車解決方案 Dimensity Auto 天璣汽車平臺，包括 Dimensity Auto 座艙平臺、Dimensity Auto 聯接平臺、Dimensity Auto 駕駛平臺和 Dimensity Auto 關鍵組件四個部分。2）產品布局在智能座艙領域，2018 年，聯發科推出智能座艙 SoC 芯片 MT2712，對標高

155、通 820A 芯片。2019 年，聯發科發布智能座艙 SoC 芯片 MT8666，對標高通 SA8155P 芯片，支持以 VOS 虛擬機的形式實現儀表、中控和副駕的三屏顯示，并且擁有 3 路 4 Lane MIPI CSI，即最大支持 12 顆 100萬像素攝像頭輸入。2022 年，聯發科推出智能座艙 SoC 芯片 8675，對標高通 SA8295 芯片，最多可支持 6 屏異顯和 4 觸摸屏操作。并且，內置 4G/5G 通信模組，可直接在單芯片上實現 T-Box 功能。據相關業內人士透露，目前聯發科正在主推 MT8666 和 MT8675 這兩款座艙 SoC 芯片。聯發科座艙 SoC 芯片基礎

156、信息梳理（信息來源：公開資料）第 64 頁車載 SoC 芯片產業分析報告免責聲明1.免責聲明 本報告中的信息主要來源于公開資料整理和調研訪談，焉知汽車對這些信息的準確性和完整性不作任何保證。如有重大失誤、失實，敬請讀者批評指正。本報告遵循合規、客觀、專業、審慎的制作原則，報告中的內容、觀點及預測僅反映焉知汽車于發布本報告當日的判斷，不保證所包含的內容和意見不發生變化。本報告涉及部分圖表、數據或其它內來源于互聯網或公開資料，版權歸屬原作者、原出處所有。如果您發現報告上有侵犯您的知識產權的作品，請與我們取得聯系，我們會及時處理。任何涉及商業盈利目的均不得使用，否則產生的一切后果將由您自己承擔。本報

157、告中的信息或所表述的意見僅供參考，并不構成對所述企業及行業的投資決策和合作依據。在任何情況下，本報告中的信息或所表述的意見均不構成對任何企業、機構和個人的建議。本公司不對任何人因使用本報告中的任何內容所致的任何損失負任何責任。本報告中所涉及的公司名稱、產品名稱、技術名稱等有可能是商標或者注冊商標的，僅作標識解釋之用。2.特別說明 對【免責聲明】的解釋權、修改權及更新權均歸焉知汽車所有。第 65 頁車載 SoC 芯片產業分析報告特別鳴謝在報告撰寫過程中，為了了解車載 SoC 行業現狀及未來應用趨勢，進行了大量的行業專家訪談。在此感謝參與調研訪談的企業和行業專家們對本報告給予的支持和關注，為報告撰寫輸出了寶貴的專業觀點與建議。在此特別感謝：安霸半導體愛芯元智地平線黑芝麻后摩智能輝羲智能芯馳科技芯擎科技奕行智能注：以上按照參與調研企業拼音首字母進行排序