2020我國軟件定義汽車域控制器處理AI芯片行業市場產業研究報告（45頁）.docx

《2020我國軟件定義汽車域控制器處理AI芯片行業市場產業研究報告（45頁）.docx》由會員分享，可在線閱讀，更多相關《2020我國軟件定義汽車域控制器處理AI芯片行業市場產業研究報告（45頁）.docx（45頁珍藏版）》請在三個皮匠報告上搜索。

1、2020 年深度行業分析研究報告內容目錄1. 芯片是軟件定義汽車生態發展的基石52. 汽車處理芯片由 MCU 向 AI 芯片方向發展72.1. 汽車數據處理芯片運算由控制指令向 AI 運算方向發展72.2. ARM 內核提供芯片控制指令運算能力92.3. AI 處理器提供芯片智能運算能力102.4. 車規級芯片條件苛刻113. MCU 引領汽車由機械化時代走向電氣化時代133.1. MCU 承擔汽車執行 ECU 的運算大腦133.2. 預計 2025 年我國汽車 MCU 市場達 32.9 億美元，CAGR 7.7%143.3. 汽車 MCU 行業加快整合集中度提升164. 軟件定義汽車時代來臨

2、，域控制 AI 芯片是重要一環184.1. AI 芯片是智能汽車時代實現域控制的核心184.2. 預計 2025 年我國汽車 AI 芯片市場超 91 億美元，CAGR46.2%194.3. 集成更多 AI 單元是智能芯片技術路徑發展的大趨勢205. 域控制器 AI 芯片呈現三強多極競爭格局235.1. 特斯拉：自研 FSD 芯片，引領產業發展255.2. NVIDIA：全球通用 AI 芯片龍頭，構建生態王國275.3. Mobileye：背靠英特爾，全球自動駕駛 AI 芯片龍頭325.4. 華為：依托芯片，欲打造最強生態體系365.5. 地平線：對標 Mobileye，AI 芯片率先搭載 UN

3、I-T 座艙域395.6. 寒武紀：源于中科院，面向云邊端全領域425.7. 域控制器 AI 芯片潛在進入者44圖表目錄圖 1：博世 E/E 架構升級進程5圖 2：由控制指令運算為主的分布式 ECU 向 AI 運算的中央計算平臺發展6圖 3：汽車半導體分類7圖 4：MCU 芯片結構8圖 5：SOC 芯片結構8圖 6：ARM Cortex 處理器家族分為 A/R/M 三大系列10圖 7：智能芯片分為云邊端三大類11圖 8：人工智能算法的概念分類11圖 9：MCU 的工作過程13圖 10：BOSCH 的 ECU 實物圖13圖 11：不同位數 MCU 的應用類型13圖 12：發動機管理系統 ECU

4、功能應用逐漸復雜化14圖 13：2018 年傳統汽車 MCU 單車價值 78 美元15圖 14：2018 年純電動汽車 MCU 單車價值 77 美元15圖 15：全球通用 MCU（汽車、工業、消費電子等）競爭格局16圖 16：2017 年全球汽車 MCU 市場份額17圖 17：自動駕駛信息傳遞環節18圖 18：CPU 結構20圖 19：GPU 結構20圖 20：FPGA 結構21圖 21：N-SOC 結構(華為達芬奇架構）21圖 22：Autopilot 硬件 1.025圖 23：Autopilot 硬件 2.025圖 24：Autopilot 硬件 2.526圖 25：Autopilot 硬

5、件 3.026圖 26：特斯拉 FSD 芯片結構27圖 27：NVIDIA 在 GPU 市場是 AI 芯片龍頭28圖 28：英偉達的 K1 芯片嵌入奧迪 A8 的 zFAS 系統中29圖 29：NVIDIA PX2 系列產品30圖 30：NVIDIA 系列產品30圖 31：Mobileye 是全球自動駕駛芯片龍頭33圖 32：2014-2019 年 EyeQ 芯片出貨量 CAGR 45%33圖 33：2014-2019 年 Mobileye 收入 CAGR 43.7%33圖 34：EyeQ3 芯片35圖 35：EyeQ4 芯片35圖 36：EyeQ5 芯片35圖 37：華為 MDC 計算平臺3

6、7圖 38：達芬奇架構（單核）38圖 39：MDC300 計算平臺38圖 40：華為“八爪魚”自動駕駛云服務39圖 41：地平線芯片的 BPU 架構40圖 42：地平線的征程二代 SOC 芯片40圖 43：地平線的 Matrix1.0 計算平臺41圖 44：2020 年征程二代芯片首次量產搭載在長安 UNI-T 上42圖 45：寒武紀 MLU290 云端 AI 芯片43圖 46：寒武紀基于 MLU290 的 AI 加速卡43圖 47：寒武紀 MLU220 邊緣端 AI 芯片44圖 48：寒武紀基于 MLU220 的 AI 加速卡44表 1：SOC 較 MCU 芯片功能更復雜9表 2：汽車芯片標

7、準遠高于消費級11表 3：功能安全標準對故障等級要求苛刻12表 4：2030 年我國汽車 MCU 市場規模達 47.6 億美元15表 5：全球主要汽車 MCU 公司概況17表 6：2030 年我國汽車 AI 芯片市場規模達 177 億美元，十年 GAGR 28.1%19表 7：AI 芯片的主要技術路徑21表 8：汽車主要 AI 芯片對比23表 9：特斯拉自動駕駛系統方案26表 10：NVIDIA 自動駕駛系列產品29表 11：NVIDIA 全球車企合作情況31表 12：NVIDIA 全球共與六家一級供應商展開合作32表 13：Mobileye EyeQ 系列芯片34表 14：地平線征程系列芯片

8、39表 15：地平線計算平臺系列產品41表 16：寒武紀云端/邊緣/終端系列產品42表 17：邊緣端芯片產品公司（均 N-SOC 芯片）44表 18：云端芯片產品公司（除英偉達 GPU 外，其余均 N-SOC 芯片）451.芯片是軟件定義汽車生態發展的基石在智能網聯汽車產業大變革背景下，軟件定義汽車理念已成為共識。傳統汽車采用 的分布式 E/E 架構因計算能力不足、通訊帶寬不足、不便于軟件升級等瓶頸，不能滿足 現階段汽車發展的需求，E/E 架構升級已成為智能網聯汽車發展的關鍵。汽車 E/E 架構升級主要體現在：1）硬件架構升級。由分布式 ECU 向域控制/中央 集中架構方向發展。好處在于：提升

9、算力利用率，減少算力設計總需求；數據統一交互， 實現整車功能協同；縮短線束，降低故障率，減輕質量。2）軟件架構升級。通過 AutoSAR 等軟件架構提供標準的接口定義，模塊化設計，促使軟硬件解耦分層，實現軟硬件設計 分離；Classic AutoSAR 架構逐步向 Classic AutoSAR 和 Adaptive AutoSAR 混合式架構方向發展。好處在于：可實現軟件/固件 OTA 升級、軟件架構的軟實時、操作系統可移植； 采集數據信息多功能應用，有效減少硬件需求量，真正實現軟件定義汽車。3）通信架構 升級。車載網絡骨干由 LIN/CAN 總線向以太網方向發展。好處在于：滿足高速傳輸、

10、高通量、低延遲等性能需求，同時也可減少安裝、測試成本。從博世對 E/E 架構定義來看，硬件架構的升級路徑表現為分布式（模塊化集成 化）、域集中（域控制集中跨域融合）、中央集中式（車載電腦車-云計算）。即為分 布式 ECU（每個功能對應一個 ECU）逐漸模塊化、集成向域控制器（一般按照動力域、 底盤域、車身域、信息娛樂域和 ADAS 域等），然后部分域開始跨域融合發展（如底盤 和動力域功能安全、信息安全相似），并發展整合為中央計算平臺（即一個電腦），最后 向云計算和車端計算（中央計算平臺）發展。其中車端計算主要用于車內部的實時處理，而云計算作為車端計算的補充，為智能汽車提供非實時性（如座艙部分場

11、景可允許微秒 級別的延遲）的數據交互和運算處理。圖 1：博世 E/E 架構升級進程數據來源：博世，繪制硬件架構升級驅動芯片算力需求呈現指數級提升趨勢。傳統汽車功能簡單，與外界交互較少，常為分布式 ECU，主要為控制指令運算（約為百萬條指令每秒）、無 AI 運算 能力、存儲較??；智能網聯汽車，不僅需要與人交互，也需要大量與外界環境甚至云數 據中心交互，未來將面臨海量的非結構化數據需要處理，車端中央計算平臺將需要 500+ 百萬條指令/秒的控制指令運算能力、300+TOPS（即為 300*1012 次每秒）的 AI 算力。圖 2：由控制指令運算為主的分布式 ECU 向 AI 運算的中央計算平臺發展

12、數據來源：博世，佐思車研，智能網聯汽車四大核心技術：芯片、操作系統、算法、數據共同形成生態閉環，芯片是智能網聯汽車生態發展的基石。類比手機產業鏈，我們認為芯片/操作系統或成為寡 頭壟斷格局，而從當下行業發展看，芯片或格局相對較為穩定，且處在產業核心位置。2.汽車處理芯片由 MCU 向 AI 芯片方向發展半導體可分為模擬芯片、數字芯片、OSD 三大類。模擬電路是指處理模擬信號的電 子電路。模擬信號具有連續性，信號傳播的信息包含在幅度、頻率、相位的變化上，常 應用于放大信號，信號源兩方面。數字電路是指處理數字信號的電子電路。數字信號以 二進制邏輯代數為基礎，實現簡單，系統可靠，具有算數運算和邏輯運

13、算的功能。OSD 包括光電器件、傳感器、分立器件三個細分類型。圖 3：汽車半導體分類數據來源：繪制2.1. 汽車數據處理芯片運算由控制指令向 AI 運算方向發展現階段，汽車芯片市場上對汽車數據處理芯片分類有按三類：1）智能運算為主的 AI 芯片；2）算力較強的主 CPU；3）算力較弱的 MCU（仍可視為 CPU）。也有按兩類： 1）智能運算為主的 AI 芯片；2）CPU 運算為主的 MCU。為了便于理解，主 CPU 和 MCU 的主要玩家都是同一類，而且 CPU 與 MCU 本質均為控制指令運算，因此我們采用第二 種分類方法。汽車芯片由以控制指令運算為主的 MCU 向智能運算為主的 AI 芯片

14、方向發展。1） 控制指令運算可執行如等待指令、停機指令、空操作指令、中斷指令等，其運算單位為DMIPS：即 Dhrystone MIPS 測試下，計算能力為百萬條指令/秒，一般通用芯片常用其 表示，如傳統汽車電子的 MCU 等，代表廠商如英飛凌、瑞薩、恩智浦等。2）AI 矩陣 運算常指對矩陣運算做加速的能力，對應用于圖像、視頻等非結構化數據的運算處理的 情況下，單位功耗將更低，計算速度更快，其運算單位為 TOPS、Tflops，均指每秒運算 1012 次。TOPS：指數據類型為整數型，常用于自動駕駛等領域，代表產品如華為昇騰系 列芯片、地平線征程系列芯片、寒武紀的 MLU 系列芯片等。Tflo

15、ps：指數據類型為單精度浮點數，較整數型數據精度更高，通用 AI 芯片常用它表示，常用于如核實驗室運算、 分子動力學運算等，代表產品如英偉達的 GPU 芯片。在智能網聯汽車領域，Int8 數據類型精度即可滿足現階段 AI 運算要求。Int 8 和 FP32 分為定點數和浮點數，小數點的位置是固定的，則為定點數，小數點的位置是浮動 的，則為浮點數。Int8 代表 8 個字節，此外，還有 int4，int16 等字節數越高，計算精度 會提升，但占用存儲增多，會降低計算速度，所以為保證滿足數據精度和運算速度，常 用 Int8 數據類型，單位為 TOPS（即 1012 次/秒）。汽車芯片結構形式由 M

16、CU 向 SOC 異構芯片方向發展。汽車數據處理芯片按應用 可分為 MCU（微控制器）、SoC（System on Chip 系統級芯片）。MCU 結構簡單，可視 為簡化版本的 CPU，其將 CPU 的頻率和規格適當縮減，并將內存、計數器、IO 接口、 I/D 轉換等結構都整合到單一芯片，形成芯片級的計算機，主要用于汽車執行端 ECU 中 進行控制指令運算。SoC 是一顆系統級芯片，常由 CPU+GPU+DSP+NPU+各種外設接 口、存儲類型等電子元件組成，現階段主要應用于座艙 IVI、域控制等較復雜的領域。SOC 較 MCU 集成程度更高，常集成 AI 處理單元，功能更復雜。SOC 芯片：

17、1） 硬件集成規模更為龐大，提升資源利用效率。常額外集成音頻處理 DSP/圖像處理 GPU/ 深度學習加速單元 NPU 等，單顆芯片上集成更多的配套電路，減小了面積，提升資源 利用率，片上互聯利于集成電路之間的高速互通互聯。2）芯片上軟件配套更大，提升處 理效率。SOC 芯片上有豐富的軟件配套（工具鏈、編譯器等），提升了處理效率。3）可 支持多任務的復雜系統。但并非所有的 SOC 芯片均為 AI 芯片，需集成一定規模的時 間網絡單元才是 AI 芯片，如華為昇騰芯片、地平線征程芯片、寒武紀 MLU 芯片、特斯拉 FSD 均為此類芯片。圖 4：MCU 芯片結構圖 5：SOC 芯片結構 數據來源：繪

18、制數據來源：繪制表 1：SOC 較 MCU 芯片功能更復雜MCUSOC定義芯片級芯片，常用于執行端系統級芯片，常用于 ADAS、座艙 IVI、域控制等CPU+存儲（RAM、ROM)+較復雜的外設+音頻處理 DSP/圖典型組成CPU+存儲（RAM,ROM)+接口（IO Pin)像處理 GPU/神經網絡處理器 NPU 等帶寬多為 8bit、16bit、32bit多為 32bit,64bit主頻MHz 級別MHz-GHzRAM(主存）MB 級別MB-GB額外存儲KB-MB（Flash，EEPROM)MB-TB(SSD，Flash，HDD)單片成本價格便宜（0.1-15 美元/個）較貴（座艙 IVI:

19、10 美元左右，ADAS 域芯片超 100 美元）瑞薩、意法半導體、愛特梅爾、英飛凌、美英特爾、英偉達、特斯拉（FSD）、華為、地平線、寒武常見廠商國微芯等紀、全志科技（座艙）等復雜度低高運行系統較簡單，一般不支持運行多任務的復雜系統支持運行多任務的復雜系統（如 Linux 等）數據來源：維基百科，整理2.2. ARM 內核提供芯片控制指令運算能力CPU 架構可分為 X86 為代表的復雜指令集架構，和 ARM 為代表的精簡指令集架 構。汽車 CPU 架構主要為 ARM 架構，在 MCU 和 SOC 中擔任控制指令運算。CPU 架 構可分為 CISC（復雜指令集）架構和 RISC（精簡指令集）架

20、構。1）復雜指令集指令可變格式，包括 8、16、32、64 位，其特點是單指令功能強大且復雜，指令執行周期長， 可以直接操作內存，常見的復雜指令集如 X86，代表企業 intel、AMD。2）精簡指令集 的特點是單指令功能簡單、執行速度快，編譯效率高，不能直接操作內存，常見的精簡 指令集有 ARM、MIPS、OpenRISC 以及 RSIC-V 等,代表企業：ARM。ARM 處理器內 核廣泛用于嵌入式系統，具有執行效率高，低成本等優點。ARM Cortex 系列主要分為 A、R、M 三類。1）Cortex-A 系列：常集成于 SOC 中， 面向性能密集型系統的應用處理器內核，帶寬多為 64/3

21、2 位，主頻可達 GHz 級別（1GHz=103MHz），當主頻達到 1GHz 時，其單核控制指令算力為幾千 DMIPS（DMIPS 即為百萬條指令每秒），多用于汽車座艙娛樂信息系統或 ADAS 領域；2）Cortex-M 系 列：常集成于 MCU 中，主要面向各類嵌入式應用的微控制器內核，主頻為幾十-幾百MHz 級別，其單核控制指令算力為幾十至幾百 DMIPS，多用于汽車執行端控制領域；3）Cortex-R 系列面向實時應用的高性能內核，介于 A 與 M 之間。圖 6：ARM Cortex 處理器家族分為 A/R/M 三大系列數據來源：CNSD，繪制2.3. AI 處理器提供芯片智能運算能力

22、AI 處理器可分為云端處理器、邊緣端處理器、終端處理器。1）云端 AI 處理器， 支持 Int8 定點運算或 FP16、FP32 浮點運算，支持深度學習推理/訓練要求，主要應用 于政府、企業數據中心的服務器中，如服務金融業、航空航天、氣象預報、宇宙演化模 擬以及抗震分析等領域計算。此外在未來 5G 應用，更多的汽車數據會傳送到車企數據 中心用來訓練模型，實現軟件、算法的優化。2）邊緣端 AI 處理器，Int8 定點運算，支 持深度學習推理要求，主要應用于工控機、安防攝像頭、機器人、汽車車端等領域，由 于所搭載設備的電力資源有限，能效比高（算力/功耗，值越高越經濟）、接口豐富等是 關鍵。3）終端

23、 AI 處理器主要支持深度學習推理功能，主要應用于手機等移動終端，如 華為麒麟系列芯片。未來云邊端三類處理器并非競爭關系，而是未來會進一步協同發展， 云端訓練模型實現算法軟件的優化，并提供給邊緣/終端進行本地化 AI 運算。車端 AI 處理器現階段主要負責深度學習的推理任務。智能算法范圍由大至小依次 為：人工智能、機器學習、深度學習、神經網絡。應用場景越少，對應需要的實現的算 法越少，就越適用于專用芯片，可通過精簡處理器軟硬件模塊，使處理器計算效率、能 效比更高。圖 7：智能芯片分為云邊端三大類圖 8：人工智能算法的概念分類數據來源：繪制數據來源：繪制2.4. 車規級芯片條件苛刻車規級芯片標準

24、遠高于消費級，認證流程長。1）工作環境更為惡劣：相比于消費 芯片及一般工業芯片，汽車芯片的工作環境溫度范圍寬（-40 至 155 攝氏度）、高振動、 多粉塵、多電磁干擾。2）可靠性安全性要求高：一般的汽車設計壽命都在 15 年或 20 萬 公里左右，遠大于消費電子產品壽命要求。在相同的可靠性要求下，系統組成的部件和 環節越多，對組成的部件的可靠性要求就越高。3）車規級芯片認證流程長。一款芯片一 般需要 2 年左右時間完成車規級認證，進入車企供應鏈后一般擁有 5-10 年的供貨周期。表 2：汽車芯片標準遠高于消費級參數要求消費級工業級汽車級溫度0-40零下 1070零下 40155濕度低根據使用

25、環境而定0-100%驗證JESD47（Chips)JESD47（Chips)AEC-Q100（Chips)ISO16750(Modules)ISO16750(Modules)ISO16750(Modules)出錯率3%90%60%ASIL C97%80%ASIL D99%90%數據來源：ISO26262 標準，3.MCU 引領汽車由機械化時代走向電氣化時代3.1. MCU 承擔汽車執行 ECU 的運算大腦汽車發展初期，控制功能較少，一般新增一個功能便新增一個 ECU（Electronic Control Unit，即電子控制單元），即為典型的分布式電子電氣架構。因此，一般汽車中 包括多個 EC

26、U，每個 ECU 管理不同的功能，而 MCU 芯片嵌入在 ECU 中作為運算大 腦。MCU 的工作過程：傳感器輸入信號，輸入處理器對信號進行模數轉換、放大等處 理后，傳遞給 MCU 進行運算處理，然后輸出處理器對信號進行功率放大、數模轉換等， 使其驅動如電池閥、電動機、開關等被控元件工作。MCU 主要有 8 位、16 位、32 位， 位數越多越復雜，處理能力越強，可實現的功能越多。圖 9：MCU 的工作過程圖 10：BOSCH 的 ECU 實物圖 數據來源：汽車電子，繪制數據來源：博世，圖 11：不同位數 MCU 的應用類型數據來源：汽車電子，整理MCU 單車價值量提升的核心邏輯在于：1）芯片

27、用量提升，應用領域由傳統底盤延伸至整車。隨著汽車電子化發展，ECU 逐漸占領整個汽車，從防抱死制動系統、四輪驅動系統、電控自動變速器、主動懸架系統，到現在逐漸延伸到了車身各類安全、網絡、 娛樂控制系統等領域。2）芯片集成復雜化，單價提升。以發動機管理系統 ECU（MCU 為其核心芯片）為例，汽車電子發展的初期，ECU 最早僅應用于發動機的控制，如汽車 發動機的排氣管（氧傳感器）、氣缸（爆震傳感器）、水溫傳感器等核心部件才會放置傳 感器，數量少。之后隨著國三至國五標準的提升，在油耗控制、信號輸出控制等方面需 要芯片處理的能力增強，推動 MCU 芯片集成度提升，產品升級帶來價值提升。圖 12：發動

28、機管理系統 ECU 功能應用逐漸復雜化數據來源：凌電變頻，蓋世汽車，繪制3.2. 預計 2025 年我國汽車 MCU 市場達 32.9 億美元，CAGR 7.7%2018 年汽車單車 MCU 價值量約為 78 美元。參考 Stratety Analytics 數據分析，現 階段不論是在燃油車還是純電動車中，單車 MCU 價值量大體相當。2018 年傳統燃油車、 純電動車單車半導體價值量分別為 338 美元、704 美元，MCU 價值量占比分別為 23%、 11%，即 MCU 單車價值量分別為 78 美元、77 美元。主要原因在于現階段電動車發展剛 起步，多為經濟型車，僅新增如電源管理系統等 M

29、CU，但是也減少了如發動機管理系 統等 MCU。隨著電動化、智能化、網聯化進程加快，無論是電控系統還是信息娛樂系 統、網絡系統等也需要更多的 MCU，MCU 單車價值量將持續快速提升。圖 13：2018 年傳統汽車 MCU 單車價值 78 美元圖 14：2018 年純電動汽車 MCU 單車價值 77 美元 7114578441904938777功率半導體MCU傳感器其他功率半導體MCU傳感器其他 數據來源：Stratety Analytics，數據來源：Stratety Analytics，假設：1）汽車市場容量預測。根據中汽協數據，2019 年我國汽車產量為 2572 萬輛，借鑒海外發達國家

30、發展經驗，我們預計 2019-2030 年國內汽車復合增速為 2%。2）數量預測。隨著智能化進程加速，汽車控制功能逐年增多，單車平均 MCU 個數 由 2018 年的 50 個將達到 2030 年的 62 個。分類別來看，2018 年 MCU 8 位、16 位、32 位個數分別為 20、20、10?，F階段，隨著智能化對算力要求增加，相關的技術逐漸成熟， 32 位 MCU 用量將會快速提升，而 8 位 MCU 因體積小、成本低等優勢單車使用數量仍 將保持穩定，而 16 位 MCU 市場將逐漸被 32 位和 8 位 MCU 擠壓，至 2030 年 8 位、16 位、32 位個數分別為 20、14、

31、28。3）單車價值預測。單車 MCU 價值由 2018 年的 78 美元提升至 2030 年的 149 美元。 我們重點參照 NXP 市場數據，MCU 單價：8 位一般為 1 美元以下，16 位為 1-3 美元， 32 位為 3 美元以上。而隨著技術逐漸成熟，16 位與 8 位單價正在逐年下降，32 位隨著 功能更加豐富和復雜化，更多高單價的產品正在被開發出來。預計 8 位、16 位 MCU 均 價由 2018 年的 0.4 美元、1.8 美元分別下降至 2030 年的 0.35 美元、1.52 美元，32 位MCU 均價由 2018 年的 3.4 美元提升至 2030 年的 4.31 美元。

32、2025 年我國汽車 MCU 市場規模達 32.9 億美元，未來 6 年 CAGR 為 7.7%。經測 算，2019 年我國汽車 MCU 市場規模為 21.1 億美元，同比-2.7%，隨著汽車智能化加速， 更多的功能將會被整車搭載，大量執行元件需要被 MCU 所控制，到 2025 年 MCU 市場 規模達 32.9 億美元，CAGR 為 7.7%，到 2030 年將達 47.6 億美元。表 4：2030 年我國汽車 MCU 市場規模達 47.6 億美元201820192020E2021E2022E2023E2024E2025E2030E個數8 位16 位20.020.020.019.520.0

33、19.020.018.520.018.020.017.520.017.020.016.520.014.032 位10.011.513.014.516.017.519.020.528.0合計50.051.052.053.054.055.056.057.062.0單車價值量（美元）78.082.186.691.396.4101.7107.6113.8149.0MCU 市場規模（億美元）21.721.122.724.426.328.330.632.947.6同比-2.7%7.6%7.6%7.6%7.6%7.9%7.8%單價8 位16 位0.401.800.401.760.391.730.391.69

34、0.381.660.381.630.381.610.371.590.351.5232 位3.403.473.543.613.683.753.833.914.31數據來源：NXP，中汽協， 注：1）因集成化或導致芯片單價提升，個數減少，但整體單車價值仍提升；2）此外市場部分觀點把域控制器內部集成的 CPU/MCU 稱之為主芯片，本測算也包含在此 MCU 市場中。3.3. 汽車 MCU 行業加快整合集中度提升全球 MCU 通用市場并購加速。我們重點參考 MCU 通用領域（汽車、工業、消費 電子等）市場，MCU 廠商為爭奪市場份額，近年來發生了數起大規模并購。NXP 在 2015 年以 118 億美

35、元收購飛思卡爾，完成了在汽車電子領域的布局，排名也一舉從第六上升 至第一；Cypress 在 2015 年以 40 億美元收購 spansion；Microchip 在 2016 年完成對 Atmel 的收購，成為全球第二大 MCU 廠商。我們判斷，汽車 MCU 市場也將隨通用市場的加 快整合，實現集中度的提升。圖 15：全球通用 MCU（汽車、工業、消費電子等）競爭格局數據來源：IHS，繪制歐美日前五大汽車 MCU 供應商占據全球 82.7%市場份額，頭部集中效應顯著。根據 Stratety Analytics 分析數據，全球汽車 MCU 市場前 5 占 82.7%的市場份額，前五大 MCU

36、 供應商分別為日本瑞薩電子，歐洲：NXP、英飛凌，美國：德州儀器、微芯科技。全球前八大廠商也同樣占據我國汽車 MCU 93%的市場份額。仍由歐美日傳統汽車電子廠商占據絕大部分市場份額，我們重點參考 IHS 數據分析，目前中國 MCU 市場， 前八大 MCU 廠商的市場占有率達到 93%。國產化率不足 5%，替代空間大。國內企業 技術較為薄弱，企業規模與前八大廠商差距較大，現階段主要為工業控制、儀器儀表、 消費電子、物聯網等通用領域供貨。隨著國內企業技術逐漸成熟，國內廠商憑借價格和 服務優勢，正逐步搶奪低端 MCU 市場，進口替代趨勢逐漸明顯。但由于車規級標準較 高，技術和市場發展均晚于一般工業

37、和消費級芯片。表 5：全球主要汽車 MCU 公司概況公司中文成立時間國家NXP恩智浦2006荷蘭Infineon英飛凌1999德國Renesas瑞薩電子2003日本ST意法半導體1988瑞士TI德州儀器1947美國Atmel安森美1999美國Microchip微芯1989美國Toshiba東芝1875日本主營產品應用領域介紹8、16、32 位智能卡、汽前身為飛利浦集團的半導體部門，于 2006 年MCU車電子獨立8、16、32 位MCU汽車電子、工業控制前身為西門子集團的半導體部門，于 1999 年獨立汽車電子、由日立制作所半導體和三菱電機半導體部門合32 位 MCU通信設備并設立32 位 M

38、CU電機控制、 物聯網由意大利 SGS 半導體公司和法國湯姆遜半導體 公司合并設立8、32 位MCU工業控制、最初為其母公司地球物理業務公司（GSI）的汽車電子晶體管部門摩托羅拉半導體部門拆分為安森美和飛思卡/爾，后者于 2015 年被恩智浦收購8、32 位MCU工業控制、汽車電子/由東京電氣株式會社和芝浦制作所合并而成數據來源：各公司官網，整理圖 16：2017 年全球汽車 MCU 市場份額17.3%31.2%5.8%8.5%9.4%27.8%RenesasNXPTIInfineonMicrochipother數據來源：Stratety Analytics，Infineon，4.軟件定義汽車

39、時代來臨，域控制 AI 芯片是重要一環4.1. AI 芯片是智能汽車時代實現域控制的核心汽車由分布式架構向域控制/中央集中式架構方向發展。傳統分布式硬件架構面臨 智能汽車時代多維感知需求和海量非結構化數據處理的需求，一般每新增一個應用功能， 便新增對應的感知傳感器、決策、執行層。隨著智能網聯汽車時代的到來，以特斯拉為 代表的汽車電子電氣架構改革先鋒率先采用中央集中式架構，即用一個電腦控制整車。 全球范圍內各大主機廠均已認識到軟件定義汽車的大趨勢，紛紛升級自身的電子電氣架 構，雖不同主機廠采用幾個電腦控制整車的方案不同，但架構域控制/集中化方向相同。 域控制器逐漸集成前期的傳感器處理器、數據融合

40、、路徑規劃、決策等諸多運算處理器功能，因此對域控制器芯片算力需求大幅提升。非結構化數據導致傳統 MCU 不能滿足需求，AI 作為協處理器逐漸成為智能時代 的核心。隨著芯片需要處理傳感器傳來的大量汽車內外部環境信息，而且也要處理大量 圖片、視頻等非結構化數據，面向控制指令運算的 MCU 不能滿足需求。AI 處理器作為 智能時代的協處理器，成為智能汽車時代的核心。一般待處理數據信息會先傳遞給 CPU(等同于 MCU)，CPU 發現有大規模的非結構化數據，自身無法處理，便將其傳輸給 AI 處理器運算，而 CPU 便暫停運算，等待 AI 處理器運算結束后，再進行下一步操作， 所以 AI 處理器是人工智

41、能時代的協處理器,是現階段智能汽車時代運算的核心。圖 17：自動駕駛信息傳遞環節數據來源：NXP，繪制4.2. 預計 2025 年我國汽車 AI 芯片市場超 91 億美元，CAGR46.2%假設：1）汽車市場容量預測。如前文 MCU 測算假設一致，我國汽車產量 2019-2025年復合增速為 2%。2）各級別自動駕駛滲透率預測。L3、L4 級分別于 2020 年、2023 年規模量產，每 年并以 3-4%滲透率提升。根據工信部發布的汽車中長期發展規劃指出，我國 2020 年自動駕駛滲透率達 50%，2025 年滲透率達 80%。L3 級于 2020 年開始量產并規模投 放市場，滲透率快速提升，

42、隨著 L4 級車于 2023 年開始量產，低級別滲透率陸續到達滲 透率峰值后又緩慢下降。3）各級別自動駕駛 AI 芯片單車價值預測。2020 年 L1-L3 級 AI 芯片單車價值分別 為 50 美元、150 美元、500 美元，隨著技術逐漸成熟，2030 年下降到 41 美元、111 美 元、315 美元。我們預計到 2023 年 L4 級高級自動駕駛出現，AI 芯片單車價值約為 1500 美元，到 2030 年下降到 931 美元。2025 年我國 AI 芯片市場超 91 億美元，未來 6 年復合增速達 46.4%。經測算，2020 年我國汽車 AI 芯片市場規模為 15 億美元，同比增長

43、 59.4%，隨著汽車 EE 架構加速升 級，域控制器/中央計算平臺被廣泛使用，到 2025 年 AI 芯片市場規模達 91 億美元， CAGR 為 45.9%，到 2030 年將達 177 億美元，十年復合增速 28.1%。表 6：2030 年我國汽車 AI 芯片市場規模達 177 億美元，十年 GAGR 28.1%20192020E2021E2022E2023E2024E2025E2026E2027E2028E2029E2030E滲透率L1/L020%25%28%28%25%20%16%13%10%8%6%4%L217%23%27%30%29%27%24%22%20%18%16%14%L32%7%13%19%23%26%28%26%24%22%20%L4/L53%9%14%19%27%35%43%51%合計37%50