2022年汽車電動智能化發展及單車硅含量提升確定性趨勢研究報告（79頁）.pdf

《2022年汽車電動智能化發展及單車硅含量提升確定性趨勢研究報告（79頁）.pdf》由會員分享，可在線閱讀，更多相關《2022年汽車電動智能化發展及單車硅含量提升確定性趨勢研究報告（79頁）.pdf（79頁珍藏版）》請在三個皮匠報告上搜索。

1、2022 年深度行業分析研究報告 正文正文目錄目錄 1、 汽車變革的起源：特斯拉軟件定義汽車 . 11 2、 汽車電動化和智能化，單車硅含量提升是確定性趨勢 . 12 2.1、 主控芯片：智能化下汽車算力逐步提升，核心廠商群雄逐鹿. 14 2.1.1 車企算力預置，ADAS芯片持續向高算力攀升 . 14 2.1.2 多方玩家角逐藍海市場，百花齊放勝負未分 . 16 2.1.3 “一芯多屏”趨勢確定，智能座艙SoC大有可為 . 18 2.1.4 消費類芯片廠商積極入局，本土廠商迎良好機遇 . 21 2.2、 MCU:汽車智能化趨勢強化，單車用量顯著提升 . 22 2.2.1 汽車為MCU最大應用

2、領域，電動化智能化驅動更多增量 . 23 2.2.2 域控制器的發展趨勢下車載MCU重在高端升級替代 . 25 2.2.3 海外廠商壟斷車規MCU市場，本土公司突圍替代空間巨大 . 26 2.3、 功率半導體:汽車電動化，電力核心芯片蓬勃發展 . 27 2.3.1 電能轉換核心組件，新能源車驅動規模擴張 . 28 2.3.2 電動化推動車載功率含量提升，800V平臺SIC應用可期 . 31 2.3.3 車規功率芯片海外廠商占據主導，本土公司快速崛起 . 34 2.4、 模擬芯片：長坡厚雪優質賽道，車載應用受益高增 . 36 2.4.1 不可或缺的關鍵組件，車載模擬為增速最快細分方向 . 36

3、2.4.2 行業競爭格局分散，國內廠商逐步建立競爭力 . 38 2.5、 車載存儲：汽車成為智能終端，大數據承載帶來存儲芯片不斷升級 . 39 2.5.1 后移動時代，車載存儲成為新興增長點 . 39 2.5.2 算力增長是車載存儲提升的核心驅動力 . 41 2.5.3 海外巨頭壟斷大容量存儲芯片市場，本土廠商在利基型市場快速崛起 . 43 2.6、 車載光學：自動駕駛蓬勃發展，汽車之眼快速成長 . 44 2.6.1 智能駕駛依賴光學采集，車載鏡頭及傳感器加速滲透 . 44 2.6.2 ADAS重要組成部分，車載鏡頭及傳感器量價齊升 . 50 2.6.3 車載鏡頭和CIS本土公司已進入全球前列

4、，激光雷達產業初期百家爭鳴 . 56 2.7、 車載顯示：智能座艙成為主流，車載顯示增量顯著 . 59 2.7.1 智能座艙成為整車差異化關鍵，車載顯示屏應用多元化 . 60 2.7.2 大屏化多屏化趨勢驅動車載顯示屏快速成長 . 62 2.7.3 大陸占據最大市場，本土公司大放異彩 . 66 2.8、 車載PCB：汽車電路增加，PCB需求大幅增長 . 67 2.8.1 車載PCB應用領域廣泛，市場長期擴容趨勢不改 . 67 2.8.2 電動化智能化刺激車載PCB需求，PCB用量大幅增加 . 68 2.8.3 市場高度分散，本土企業加碼布局 . 69 2.9、 車載線束：汽車智能化疊加高壓平臺

5、，汽車線束需求升級. 70 2.9.1 汽車電路存在的載體，高壓線束市場成為增長點 . 71 2.9.2 海外巨頭壟斷汽車線束市場，本土公司有望逐步滲透 . 73 2.10、 車用被動元器件：汽車電子時代，被動元器件打開增量空間 . 75 2.10.1 汽車電動化率快速提升，被動元件在汽車領域市場空間廣闊 . 75 2.10.2 日、韓、臺系廠商占據領先地位，大陸廠商擁抱國產替代機遇 . 77 圖表圖表目錄目錄 圖表1：開放式汽車軟件架構示意圖 . 11 圖表2：智能汽車軟件賦予汽車開發的創新生態 . 11 圖表3：軟件定義汽車整體框架 . 12 圖表4：汽車智能化、網聯化、電動化對半導體需求

6、旺盛 . 12 圖表5：車規級半導體市場規模情況（單位：億美元） . 12 圖表6：半導體在汽車各個部分均有應用 . 13 圖表7：M.A.D.E趨勢對汽車電子相關BOM的影響趨勢（單位：美元/車） . 13 圖表8：汽車主控SoC市場規模情況（單位：億美元） . 14 圖表9：ADAS分級標準 . 15 圖表10：2020-2025年中國ADAS各個級別滲透率情況 . 15 圖表11：自動駕駛三大模塊 . 15 圖表12：自動駕駛SoC三種主流架構 . 16 圖表13：新勢力車企將算力提升至5001000Tops級別 . 16 圖表14：自動駕駛芯片算力持續提升 . 16 圖表15：輔助/自

7、動駕駛芯片市場競爭格局 . 17 圖表16：各廠商輔助/自動駕駛主控芯片梳理 . 17 圖表17：汽車座艙發展歷程 . 18 圖表18：智能座艙打造“第三生活空間” . 18 圖表19：智能座艙技術系統框架 . 18 圖表20：使用多核SoC芯片模組的智能座艙方案在新車銷量中的滲透率（全球） . 19 圖表21：使用多核SoC芯片模組的智能座艙方案在新車銷量中的滲透率（中國） . 19 圖表22：智能座艙芯片算力需求持續提升 . 19 圖表23：智能座艙芯片迭代周期加速 . 20 圖表24：競爭智能座艙市場的傳統汽車芯片廠商和消費芯片廠商. 21 圖表25：瑞芯微智能座艙SoC路線圖 . 22

8、 圖表26：新能源車大量應用MCU . 22 圖表27：2020年全球MCU產品結構占比 . 23 圖表28：2019年全球MCU下游應用結構 . 23 圖表29：不同位數MCU在汽車電子領域的應用場景 . 23 圖表30：車載MCU應用實例 . 24 圖表31：車用MCU工作原理圖 . 24 圖表32：BMS系統中需要使用MCU . 24 圖表33：智能汽車ECU架構 . 24 圖表34：2015-2024年全球及中國MCU市場規模 . 25 圖表35：2020-2025年全球汽車MCU市場規模及預測 . 25 圖表36：博世汽車電子電氣架構發展趨勢 . 25 圖表37：域控制器符合智能化發

9、展趨勢 . 26 圖表38：2020年全球汽車MCU市場份額情況 . 27 圖表39：國產車規級MCU廠商 . 27 圖表40：功率半導體分類 . 28 圖表41：功率半導體器件主要應用領域 . 28 圖表42：全球功率半導體器件市場規模(單位：十億美元) . 28 圖表43：全球功率半導體應用市場占比 . 28 圖表44：2021-2025年全球新能源汽車市場銷量預測 . 29 圖表45：2021-2025年中國新能源汽車市場銷量預測 . 29 圖表46：MOSFET結構分類 . 29 圖表47：全球車規MOSFET市場規模（單位：十億美元） . 29 圖表48：IGBT在新能源汽車中應用廣

10、泛 . 30 圖表49：國內車規IGBT市場規模（單位：億元） . 30 圖表50：SiC在高壓、高頻應用場景具備顯著優勢 . 30 圖表51：車規SiC MOSFET市場規模（單位：百萬美元） . 30 圖表52：新能源汽車功率半導體價值量是傳統汽車的5.5倍 . 31 圖表53：不同新能源車型所用功率器件及功率范圍 . 31 圖表54：電動車中主要部件所使用的功率器件產品 . 32 圖表55：IGBT為電機控制器中核心部件 . 32 圖表56：不同動力形式新能源車IGBT使用量 . 32 圖表57：各大車企800v高壓平臺車型布局 . 33 圖表58：SiC主要在車載電源和電機控制器領域應

11、用 . 33 圖表59：預計SiC于2022年在主驅得到規模應用 . 33 圖表60：SiC MOSFET在成本等方面存在劣勢 . 34 圖表61：Si MOS/IGBT/SiC MOS將在汽車市場長期共存 . 34 圖表62：全球汽車功率半導體市場份額情況 . 34 圖表63：國產車規級功率半導體廠商 . 35 圖表64：模擬芯片分類 . 36 圖表65：車載模擬芯片應用實例 . 37 圖表66：車載模擬成為專用模擬芯片增速最快的細分方向 . 38 圖表67：2022年專用模擬芯片下游應用領域占比 . 38 圖表68：2020年全球模擬芯片市場競爭格局 . 38 圖表69：存儲芯片分類 .

12、39 圖表70：2020年全球存儲芯片細分產品占比 . 39 圖表71：全球存儲芯片市場規模（單位：十億美元） . 40 圖表72：中國存儲芯片市場規模（單位：億元） . 40 圖表73：存儲芯片在汽車中的應用場景分布 . 40 圖表74：全球汽車存儲芯片市場規模（單位：億美元） . 41 圖表75：全球汽車存儲芯片細分結構（單位：億美元） . 41 圖表76：車載系統的存儲需求 . 41 圖表77：現代汽車存儲功能 . 41 圖表78：自動駕駛演進以及算力需求變化 . 42 圖表79：自動駕駛等級提升將拉動車載存儲帶寬及容量需求 . 42 圖表80：ADAS各等級智能駕駛技術對車載存儲的需求

13、 . 43 圖表81：2020年全球汽車存儲市場份額情況 . 43 圖表82：汽車存儲芯片參與廠商 . 44 圖表83：自動駕駛傳感器的增加將持續推動半導體含量的增加 . 45 圖表84：智能駕駛運用不同類型傳感器 . 45 圖表85：ADAS系統零部件平均成本（單位：美元） . 45 圖表86：車載攝像頭組成結構 . 46 圖表87：攝像頭在汽車中的應用 . 46 圖表88：車載攝像頭主要分類及其功能 . 46 圖表89：2022-2026年全球前裝市場車載攝像頭出貨量 . 47 圖表90：全球車載攝像頭市場規模及預測 . 47 圖表91：2022-2026年全球車載CIS出貨量 . 47

14、圖表92：全球車載CIS市場規模及預測 . 47 圖表93：24GHz與77GHz毫米波雷達性能對比 . 48 圖表94：全球車用毫米波雷達市場（單位：億美元） . 48 圖表95：2015-2025年中國毫米波雷達市場規模 . 48 圖表96：激光雷達分類 . 49 圖表97：汽車應用將成為激光雷達主要推動力 . 49 圖表98：不同車型LiDAR市場規模情況（單位：億美元） . 49 圖表99：2021-2026年中國車載激光雷達市場規模預測 . 50 圖表100：自動駕駛發展路徑 . 51 圖表101：2020年ADAS系統各功能滲透率 . 51 圖表102：2021年全球ADAS系統部

15、分應用車型 . 51 圖表103：汽車智能化程度與傳感器數量成正比 . 52 圖表104：特斯拉運用純視覺方案實現自動駕駛 . 53 圖表105：攝像頭在ADAS中的作用 . 53 圖表106：2021-2026年全球前裝市場各類車載攝像頭滲透率及預測. 53 圖表107：部分車型車載攝像頭搭載數量及分布 . 54 圖表108：800萬像素攝像頭已運用在高級自動駕駛系統中 . 54 圖表109：全球車載毫米波雷達市場需求量預測 . 55 圖表110：中國乘用車ADAS對毫米波雷達安裝量預測 . 55 圖表111：全球部分激光雷達廠商產品價格 . 56 圖表112：全球各區車載攝像頭銷售規模占比

16、 . 56 圖表113：2020年全球車載攝像頭鏡頭市場格局 . 57 圖表114：2020全球車載感知類攝像頭鏡頭市場格局 . 57 圖表115：舜宇光學、聯創電子、宇瞳光學車載鏡頭業務對比 . 57 圖表116：2021年全球車載CIS市場競爭格局 . 58 圖表117：2019年1月中國乘用車SRR供應商市場格局 . 58 圖表118：2019年1月中國乘用車LRR供應商市場格局 . 58 圖表119：部分中國毫米波雷達廠商產品統計 . 59 圖表120：2021Q3全球車載激光雷達市場格局 . 59 圖表121：2021年廣州車展激光雷達定點情況 . 59 圖表122：未來汽車駕駛艙將

17、包括多個顯示器和用戶界面 . 60 圖表123：智能座艙發展三個階段 . 61 圖表124：車載顯示應用多元化 . 61 圖表125：2019年中國智能座艙市場構成 . 61 圖表126：按顯示技術分類的車載顯示器市場出貨量 . 62 圖表127：全球車載顯示屏市場規模預測（單位：億美元） . 62 圖表128：智能座艙與傳統座艙對比 . 63 圖表129：全球智能座艙行業市場規模（單位：億美元） . 63 圖表130：多屏交互已成為主流趨勢 . 63 圖表131：2019-2030年車載顯示屏數量趨勢（不含儀表、后視鏡、HUD） . 64 圖表132：2019-2030年車載顯示屏分辨率趨勢

18、 . 64 圖表133：全球車載顯示細分市場規模 . 64 圖表134：智能座艙硬件設備滲透率變化 . 64 圖表135：2020年各價位新車中控屏滲透率 . 65 圖表136：2020年新車中控屏尺寸占比 . 65 圖表圖表137137：20212021年部分上市車型儀表顯示方案年部分上市車型儀表顯示方案 . 65 圖表138：國內乘用車HUD安裝量及滲透率情況 . 66 圖表139：主要品牌2021款車型HUD裝配情況 . 66 圖表140：亞太地區對車載顯示屏的需求不斷增長 . 66 圖表141：2020年車載顯示屏供應商市場份額 . 66 圖表142：PCB在汽車中應用廣泛 . 67

19、圖表143：2020-2028年全球汽車PCB市場規模及預測 . 68 圖表144：2018、2020汽車PCB市場技術分布 . 68 圖表145：電動汽車PCB市場規模占比超過燃油汽車 . 69 圖表146：新能源汽車電控系統PCB使用情況 . 69 圖表147：2020年各區域汽車PCB市場占有率 . 69 圖表148：亞太地區PCB市場預計將保持高速增長 . 69 圖表149：新能源汽車電控系統PCB使用情況 . 70 圖表150：車載PCB大陸核心公司業務對比 . 70 圖表151：汽車線束分布在汽車的各個部位 . 71 圖表152：CAN總線應用實例 . 71 圖表153：汽車線纜分

20、類及用途 . 72 圖表154：2021-2026年全球汽車線束市場規模 . 72 圖表155：全球燃油車汽車線束市場規模測算 . 72 圖表156：中國燃油車線束市場規模測算 . 72 圖表157：新能源汽車高壓系統 . 73 圖表158：各類別汽車線束單車價值量對比（單位：元） . 73 圖表159：全球汽車線束主要廠商市占率 . 74 圖表160：中國汽車線束行業競爭格局 . 74 圖表161：汽車整車制造商對應汽車線束主要供應商 . 74 圖表162：車規電阻使用分布圖 . 75 圖表163：不同類型汽車對MLCC需求量估算 . 76 圖表164：2018-2023年中國薄膜電容產業規

21、模預測（單位：億元）. 76 圖表165：全球電感終端應用市場分布（按產值） . 77 圖表166：全球電感終端應用市場分布（按數量） . 77 圖表167：MLCC主要廠商產能統計 . 77 圖表168：全球薄膜電容市場格局 . 78 圖表169：全球電感市場行業集中度持續提升 . 78 1 1、 汽車變革的起源汽車變革的起源：特斯拉特斯拉軟件定義汽車軟件定義汽車 特斯拉軟件定義汽車，特斯拉軟件定義汽車，商業模式革新拉開序幕商業模式革新拉開序幕。軟件定義汽車，即軟件將深度參與到汽車的定義、開發、驗證、銷售、服務等過程中，并不斷改變和優化各個過程，實現體驗持續優化、過程持續優化、價值持續創造。

22、特斯拉可謂實踐軟件定義汽車的先導者，其全車系覆蓋的Autopilot自動輔助駕駛、大型中控屏，自設計之初便將智能化刻于產品基因中，此后的OTA空中升級技術更是使汽車從一個普通的交通工具進化成擁有無限延展可能的智能移動終端。在特斯拉的軟件服務體系中，以FSD自動駕駛選裝包、OTA付費升級包、高級車聯網服務為核心，收費模式除了一次性前裝收費，還另外包含訂閱服務收費，目前特斯拉車主的FSD搭載率已向市場證明了軟件創收的可能性，由新車制造與銷售轉向軟件服務授權與OTA升級，逐步從零部件的升級走向服務性的軟件開發的商業模式革新拉開序幕。 硬件預埋支持軟件迭代，架構轉型倒逼硬件升級。硬件預埋支持軟件迭代，

23、架構轉型倒逼硬件升級。軟件的可開發性注定智能汽車的功能可能面臨無限制的擴張。隨著汽車軟件代碼的數量越來越多，現在已經到了上億行的規模，支持大規模軟件開發要SOA架構實現軟硬件解耦，再通過預埋硬件，實現整車軟件迭代升級和某些付費解鎖功能。SOA映射到硬件層面，其實就是一個跨域融合的E/E架構。傳統E/E架構下，每增加一項功能，都需要增加一個控制器，有很多弊端，如布線困難、成本上升，性能方面看來，封閉式網絡不利于傳感器傳輸數據、芯片間的協同，更難以實現整車OTA升級。而跨域融合的E/E架構能夠滿足智能汽車所需的高計算性能、高通訊帶寬、高功能安全性、高網絡安全性、軟件持續升級能力等多方面的要求，在跨

24、域融合E/E架構下，硬件都有顯著的集中化趨勢。 圖表圖表 1 1：開放式汽車軟件架構示意圖開放式汽車軟件架構示意圖 圖表圖表 2 2：智能汽車軟件賦予汽車開發的創新生態智能汽車軟件賦予汽車開發的創新生態 資料來源：賽迪顧問，華鑫證券研究 資料來源：賽迪顧問，華鑫證券研究 軟件數量激增，帶來硬件井噴式增量。軟件數量激增，帶來硬件井噴式增量。據中國汽車工業協會數據，單車半導體的價值至2020年已增長到475美元，約是2010年的1.6倍，而2030年預計將達到600美元。用以用以支持海量數據處理的支持海量數據處理的AIAI芯片、用以環境感知與識別的傳感器、保證數據傳輸的速率和芯片、用以環境感知與識

25、別的傳感器、保證數據傳輸的速率和可靠性的存儲芯片、用以改變電壓電頻并實現直交流電轉換的功率半導體等將成為汽可靠性的存儲芯片、用以改變電壓電頻并實現直交流電轉換的功率半導體等將成為汽車電子硬件賽道的核心看點。車電子硬件賽道的核心看點。 圖表圖表 3 3：軟件定義汽車整體框架軟件定義汽車整體框架 資料來源：佐思汽車研究院，華鑫證券研究 2 2、 汽車電動化和智能化，單車硅含量提升汽車電動化和智能化，單車硅含量提升是確定性趨勢是確定性趨勢 在汽車電動化、智能化和網聯化三大趨勢驅動之下，當前汽車內半導體含量大幅提升，內置包括控制芯片（CPU/GPU/FPGA等）、存儲芯片（DRAM/NAND/NOR

26、Flash等）、MCU芯片、CMOS圖像傳感器、V2X射頻芯片、VCSEL芯片、觸控芯片、顯示芯片、LED芯片、MOSFET/IGBT、超聲波/毫米波芯片、PMIC電源管理芯片等等。根據中國汽車工業協會數據顯示，傳統燃油車所需汽車芯片數量為600-700顆，電動車所需的汽車芯片數量將提升至1600顆/輛，而更高級的智能汽車對芯片的需求量將有望提升至3000顆/輛。 圖表圖表 4 4：汽車智能化、網聯化、電動化對半導體需求旺盛汽車智能化、網聯化、電動化對半導體需求旺盛 圖表圖表 5 5：車規級半導體市場規模車規級半導體市場規模情況（單位：億美元）情況（單位：億美元） 資料來源：比亞迪半導體招股說

27、明書，華鑫證券研究 資料來源：比亞迪半導體招股說明書，Omida，華鑫證券研究 0100200300400500600700800900 圖表圖表 6 6：半導體在汽車各個部分均有應用半導體在汽車各個部分均有應用 資料來源：蓋世汽車研究院，華鑫證券研究 汽車三化趨勢下單車半導體含量顯著提升。汽車三化趨勢下單車半導體含量顯著提升。羅蘭貝格定義當下汽車四大發展趨勢為“M.A.D.E”，即Mobility移動出行、Autonomous driving自動駕駛、Digitalization數字化和Electrification電氣化，其中電氣化、數字化和自動駕駛分別對應電動化、智能化和網聯化。根據羅蘭

28、貝格測算，2019年典型的L1級豪華品牌燃油車中汽車電子電氣相關的BOM（物料清單）價值（不含電池與電機）為3145美元，預計到2025年一輛豪華品牌L3級別自動駕駛純電車BOM價值將提升至7030美元，增量達3885美元，其中網聯化、智能化和電動化將分別帶來925美元/725美元/2235美元的提升。 圖表圖表 7 7：M.A.D.EM.A.D.E 趨勢對汽車電子相關趨勢對汽車電子相關 BOMBOM 的影響趨勢的影響趨勢（單位：（單位：美元美元/ /車車） 資料來源：羅蘭貝格，華鑫證券研究 2.12.1、 主控芯片：智能化主控芯片：智能化下下汽車算力逐步提升，核心廠商汽車算力逐步提升，核心廠

29、商群雄逐鹿群雄逐鹿 隨著汽車向智能化發展，特別是智能座艙和自動駕駛概念的興起，對汽車的算力提出了更高的要求，傳統的功能芯片已無法滿足算力需求，主控芯片SoC應運而生。 根據IHS數據，預計2025年全球汽車SoC市場規模將達到82億美元，并且L3級別以上自動駕駛預計2025年之后開始大規模進入市場，配套高算力、高性能SoC芯片將會帶來極高附加值，有望帶動主控芯片市場快速擴容。 圖表圖表 8 8：汽車主控汽車主控 S SoCoC 市場規模情況（單位：億美元）市場規模情況（單位：億美元） 資料來源：IHS，搜狐汽車研究室，華鑫證券研究 2.1.12.1.1 車企算力預置，車企算力預置，A ADAS

30、DAS芯片芯片持續向高算力攀升持續向高算力攀升 高級駕駛輔助系統（Advanced Driving Assistance System，ADAS）是利用安裝在車上的各式各樣傳感器（毫米波雷達、激光雷達、單雙目攝像頭以及衛星導航），在汽車行駛過程中隨時來感應周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，并結合導航地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。按照美國汽車工程師協會公布的自動駕駛分級，L2級及以下定義為高級輔助駕駛技術，L3級及以上定義為自動駕駛技術。當前市場仍為L1-L2的輔助駕駛主導，預計2023年后L3及

31、以上級別開始逐步滲透。 1622293440485866738201020304050607080902016201720182019202020212022202320242025 圖表圖表 9 9：A ADASDAS 分級標準分級標準 圖表圖表 1010：2 2020020- -20252025 年中國年中國 A ADASDAS 各個級別各個級別滲透率滲透率情況情況 資料來源：億歐智庫，華鑫證券研究 資料來源：億歐智庫，華鑫證券研究 傳感器、主控芯片、自動駕駛算法是自動駕駛系統最核心的三部分。傳感器、主控芯片、自動駕駛算法是自動駕駛系統最核心的三部分。自動駕駛系統可分為感知、決策、執行三大

32、模塊。（1）感知：通過攝像頭、雷達等智能傳感器感知周邊環境信息，是智能汽車的“眼睛”和“耳朵”；（2）決策：以中央計算平臺為核心，利用自動駕駛算法+芯片來處理感知信息，完成目標定位、識別、追蹤，實現周邊環境3D建模，并規劃行駛方案，是智能汽車的“大腦”；（3）控制/執行：通過線控底盤來精準控制制動系統、轉向系統等模塊，執行行駛方案。 圖表圖表 1111：自動駕駛三大模塊自動駕駛三大模塊 資料來源：億歐智庫，華鑫證券研究 自動駕駛級別提升需要更高的算力支持，只具備CPU處理器的芯片難以滿足需要，自動駕駛芯片會往集成CPU+XPU的異構式SOC（XPU包括GPU/FPGA/ASIC等）方向發展。目

33、前市場主流的三大架構方案包括：英偉達和特斯拉采用的處理器整合特殊應用芯片和繪圖芯片（CPU+ASIC+GPU）設計架構；英特爾轉投資的Mobileye和地平線采用的CPU+ASIC架構；Alphabet旗下子公司Waymo和百度Apollo則采用的CPU+FPGA架構。 1%3%5%9%18%25%30%34%37%34%40%35%34%32%30%57%42%40%35%31%28%0%20%40%60%80%100%202020212022E 2023E 2024E 2025EL3L2L1L0 圖表圖表 1212：自動駕駛自動駕駛 S SoCoC 三種主流架構三種主流架構 資料來源：元器

34、件技術資訊網，華鑫證券研究 算力先行是車企主流策略算力先行是車企主流策略，自動駕駛芯片算力持續攀升自動駕駛芯片算力持續攀升。對于車企來說，預置算力最大值決定車輛智能化升級上限。當前面向量產乘用車的智能駕駛系統整體仍處于L3及以下級別，但由于汽車產品具備長達510年的生命周期，車載計算平臺的算力上限決定車輛生命周期內可承載的軟件服務升級上限，因此智能駕駛軟件迭代周期與硬件更換周期存在錯位。故為保證車輛在全生命周期內的持續軟件升級能力，主機廠在智能駕駛上采取“硬件預置，軟件升級”的策略，通過預置大算力芯片為后續軟件與算法升級優化提供足夠發展空間，以蔚來、智己、威馬、小鵬為代表的主機廠在新一代車型中

35、均將智能駕駛算力提升至5001000Tops級別。當下當下大算力芯片大算力芯片已已成為汽車智能化發展的關鍵成為汽車智能化發展的關鍵“基礎設施基礎設施”，亦亦成為芯片廠商的角力場。成為芯片廠商的角力場。 圖表圖表 1313：新勢力車企將算力提升至新勢力車企將算力提升至 5001000Tops5001000Tops 級別級別 圖表圖表 1414：自動駕駛芯片算力持續提升自動駕駛芯片算力持續提升 資料來源：億歐智庫，華鑫證券研究 資料來源：億歐智庫，華鑫證券研究 2.1.22.1.2 多方玩家角逐藍海市場，百花齊放勝負未分多方玩家角逐藍海市場，百花齊放勝負未分 除特斯拉自研除特斯拉自研自動駕駛自動駕

36、駛F FSDSD芯片用于自供外，芯片用于自供外，整體整體自動自動/ /輔助駕駛芯片市場呈現輔助駕駛芯片市場呈現消費電消費電子芯片巨頭、新興芯片科技公司、傳統汽車芯片廠商子芯片巨頭、新興芯片科技公司、傳統汽車芯片廠商三大陣營三大陣營。 傳統汽車芯片廠商陣在傳統汽車芯片領域近乎呈壟斷地位，產品線齊全，與Tier1、主機廠有深厚關系積累，滿足車規級要求方面有深厚技術能力儲備，但在AI計算芯片上優 勢不足，產品多用于中低端車型；消費電子芯片巨頭陣營具備深厚的芯片技術儲備，資金雄厚，可支撐起對先進支撐和高算力芯片的高昂研發投入，同時具備良好的軟件生態，車載計算芯片技術領先，在中高端車型與新勢力車型市場中

37、有廣泛應用；新興芯片科技公司陣營在AI算法與計算上有獨到的產品優勢，相比傳統廠商能力更為全棧，可提供“芯片+算法參考+技術支持”的產品服務，但在車規級與大規模量產能力上仍待提升，產品主要應用于自主品牌車型。 目前來看，英偉達及背靠英特爾的Mobileye處于自動/輔助駕駛芯片第一梯隊，華為海思、地平線、高通處于第二梯隊，上升攻勢不容小覷。但但考慮到考慮到目前市場目前市場量產量產車型車型配置配置的的A ADASDAS級別仍級別仍主要主要處于處于L L1 1- -L2L2的的初級階段，我們認為行業格局仍未落定，各家廠商初級階段，我們認為行業格局仍未落定，各家廠商暫暫處處于百花齊放的階段。于百花齊放

38、的階段。 圖表圖表 1515：輔助輔助/ /自動自動駕駛芯片市場競爭格局駕駛芯片市場競爭格局 資料來源：億歐智庫，華鑫證券研究 圖表圖表 1616：各廠商輔助各廠商輔助/ /自動駕駛主控芯片梳理自動駕駛主控芯片梳理 企業企業 產品產品 制程制程 算力（算力（T Topsops） 落地時間落地時間 搭載車型搭載車型/ /客戶客戶 特斯拉特斯拉 HW3.0 14nm 144 2019 自供 英偉達英偉達 Orin 7nm 254 2022 蔚來 ET7、小鵬 G9、飛凡 R7 等 Atlan / 1000 2025E 暫未確定 M Mobileyeobileye EyeQ5 7nm 24 2020

39、 極氪 001、寶馬 iX EyeQ6 7nm 2023E 暫未確定 華為華為 MDC610 / 200 2022 沙龍機甲龍、埃安 LX PLUS、阿維塔 11 等 高通高通 Snapdragon Ride 5nm 700 2025 寶馬 地平線地平線 征程 3 16nm 5 2020 奇瑞螞蟻、埃安 Y、2021 款理想ONE 等 征程 5 16nm 128 2022E 暫未確定 黑芝麻黑芝麻 A1000pro 16nm 196 2022E 暫未確定 寒武紀行歌寒武紀行歌 SD5223/SD5226 暫未確定/7nm 16/400 2022E/2023E / 資料來源：36 氪，汽車產經網

40、，集微網，華鑫證券研究整理 2.1.32.1.3 “一芯多屏”趨勢確定，智能座艙“一芯多屏”趨勢確定，智能座艙S SoCoC大有可為大有可為 智能座艙領跑汽車智能化，智能座艙領跑汽車智能化，打造打造“第三生活空間第三生活空間” 。在燃油車時代，車機功能簡單，只有機械式儀表盤及簡單的音頻播放設備，之后開始出現小尺寸中控液晶顯示器+導航功能的電子座艙。從特斯拉開始，大尺寸中控液晶屏成為電動車的標配，并逐漸發展成如今包括駕駛信息顯示系統、車載娛樂信息系統、抬頭顯示系統HUD、人車交互系統、流媒體后視鏡、T-Box等多個子系統的智能座艙。當下智能座艙功能逐漸從分散到集中，控制也從獨立到整合，未來將朝著

41、硬件算法集中化、構架一體化、體驗智能化的方向前進，多功能集成的汽車將成為我們辦公娛樂兩不誤的“第三空間”。根據IHS數據，預計到2030年，全球汽車智能座艙的市場規模將達到681億美元，屆時國內的市場規模也將超過1600億元，成為全球最主要的智能座艙市場。 圖表圖表 1717：汽車汽車座艙座艙發展歷程發展歷程 圖表圖表 1818：智能座艙打造“第三生活空間”智能座艙打造“第三生活空間” 資料來源：億歐智庫，華鑫證券研究 資料來源：eefocus，華鑫證券研究 智能座艙系統的技術框架主要分為五層：硬件層包含傳感器、內存、用于人工智能感知的芯片SoC、應用處理器AP(Application Pro

42、cessor)等基本硬件設備；系統軟件層包含驅動，通信等基本系統軟件；功能軟件層則是完成智能座艙的核心功能的層，主要在AI SoC完成感知，在AP完成上層應用；服務層，也即云服務體系，包含語音識別，場景網關等相關服務；支撐層是支撐軟件的快速開發工具，也可稱為成長平臺。 圖表圖表 1919：智能座艙技術系統框架智能座艙技術系統框架 資料來源：IHS Markit，華鑫證券研究 “一芯多屏一芯多屏”的設計有望成為智能座艙主流控制方案”的設計有望成為智能座艙主流控制方案。隨著電動車電子/電氣架構的不斷演進，由過去的分布式離散域控制架構，逐漸走到集中式一體化控制，即車內所有電子單元（除自動駕駛控制單元

43、外）統一都由一塊芯片來控制，當下“CPU+GPU+XPU”的多核SoC芯片是目前智能座艙芯片廠商的主流技術路線。根據羅蘭貝格數據，預計多核SoC芯片在座艙內的滲透率將從2020年的20%（全球）和24%（中國）提升至2025年的55%（全球）和59%（中國），同時預計至2030年多核SoC智能座艙方案在全球和國內新車中的滲透率將分別達到87%和90%。 圖表圖表 2020：使用多核使用多核 SoCSoC 芯片模組的智能座艙方案在新車銷量芯片模組的智能座艙方案在新車銷量中的滲透率中的滲透率（全球）（全球） 圖表圖表 2121：使用多核使用多核 SoCSoC 芯片模組的智能座艙方案在新車銷芯片模組

44、的智能座艙方案在新車銷量中的滲透率量中的滲透率（中國中國） 資料來源：羅蘭貝格，華鑫證券研究 資料來源：羅蘭貝格，華鑫證券研究 高算力高算力+ +先進制程先進制程+ +快速迭代快速迭代是智能座艙主控芯片是智能座艙主控芯片發展方向。發展方向。智能座艙所代表的“車載信息娛樂系統流媒體后視鏡抬頭顯示系統全液晶儀表車聯網系統車內乘員監控系統”等融合體驗都依賴于芯片計算能力的提升。 圖表圖表 2222：智能座艙芯片算力需求持續提升智能座艙芯片算力需求持續提升 資料來源：IHS Markit，華鑫證券研究 C CPUPU方面，方面，智能座艙芯片的CPU算力僅用七年從數KDMIPS提升到如今的100多KDM

45、IPS。在當前高端智能座艙方案中，高通SA8155P采用8核Kyro435 CPU，算力大約為95KDMIPS。2021年底瑞芯微發布的新一代旗艦芯片RK3588M采用4核A76+4核A55 CPU，算力大約為20%55%87%0%10%20%30%40%50%60%70%80%90%100%2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 203024%59%90%0%10%20%30%40%50%60%70%80%90%100%2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030020

46、4060801001201401602021202220232024CPUk DIMPSNPUTOPS 85KDMIPS。將于2023年首發的高通SA8295P CPU算力預計高達200KDMIPS。 G GPUPU方面，方面，高性能GPU可滿足高端智能座艙系統對車載娛樂的需求，伴隨著CPU算力的提升，GPU算力也得到了大幅躍升。高通SA8155P芯片集成Adreno640 GPU，算力約為1000GFLOPS。瑞芯微RK3588M芯片集成G610MP4，GPU算力約為450GFLOPS。瑞薩H3E芯片集成GX6650，算力約為280GFLOPS。 N NPUPU方面，方面，在智能座艙解決方案

47、中，負責人工智能的NPU將直接影響著智能座艙AI能力的強弱。瑞芯微RK3588M芯片的AI算力約6TOPS，高通SA8155P芯片AI算力約4TOPS，三星已量產的Exynos Auto V910具備約1.9TOPS的AI算力。 制程方面制程方面，8nm的瑞芯微RK3588M、三星Exynos Auto V910及7nm的高通SA8155P已經實現全面量產，未來2-3年7nm和8nm產品將成為市場主力，而5nm芯片將成為各大芯片廠商努力的方向。 迭代周期方面，迭代周期方面，以前新品迭代周期基本在3-5年左右，現在基本縮短至1-2年，座艙芯片的迭代速度加快。 圖表圖表 2323：智能座艙芯片迭代

48、周期智能座艙芯片迭代周期加速加速 資料來源：佐思汽車研究院，華鑫證券研究 2.1.42.1.4 消費類芯片廠商積極入局，本土廠商迎良好機遇消費類芯片廠商積極入局，本土廠商迎良好機遇 智能座艙智能座艙SoC芯片市場參與者除了傳統汽車芯片廠商之外，消費芯片廠商也紛紛入局芯片市場參與者除了傳統汽車芯片廠商之外，消費芯片廠商也紛紛入局，同時同時兩大陣營之間兼并收購及聯盟合作頻發。兩大陣營之間兼并收購及聯盟合作頻發。 傳統汽車芯片龍頭的優勢在于產品線齊全，車規級芯片積累較多，與傳統主機廠合作關系良好等，目前主要應用于中低端車型，包括的企業有：恩智浦、瑞薩、德州儀器等。消費電子領域巨頭向下切入企業的競爭優

49、勢在于其資金雄厚，可以支撐起較先進制程和高算力芯片的研發投入，以及其良好的軟件生態能夠在智能座艙系統中得到最大限度的利用，目前廣泛應用于中高端車型，包括的企業有：高通、英偉達、英特爾、AMD、三星等，其中高通在產品力與高端市場占有率上具備絕對領先優勢。 圖表圖表 2424：競爭競爭智能座艙智能座艙市場市場的傳統汽車芯片廠商和消費芯片廠商的傳統汽車芯片廠商和消費芯片廠商 資料來源：智東西，華鑫證券研究 國產企業迎來國產企業迎來三重三重發展機遇發展機遇： 第一，國內汽車市場繁榮發展，而汽車產品正從單一產品走向服務化，成為繼手機、PC之后的重要消費產品。從用戶上看，國內汽車用戶整體年輕化，作為智能時

50、代的先頭兵，他們更注重汽車座艙的數字化體驗和服務，敢于嘗新。同時這些用戶接受多重觀念影響，更強調個性化體驗。緊貼國內市場發展的國產企業，離用戶更近。緊貼國內市場發展的國產企業，離用戶更近。 第二，國產智能座艙芯片打入到汽車產業最關鍵的一環就是車廠，而目前中國車廠經歷了數十年的發展，已到了從生產型到技術型企業轉型的重要階段。本土企業本土企業智能座艙芯智能座艙芯片可以作為敲門磚，與車廠共同探索智能汽車路線。片可以作為敲門磚，與車廠共同探索智能汽車路線。 第三，數據安全是智能時代的重要課題。對于智能汽車來說，數據安全一方面是保障駕乘人員生命安全的生命線，另一方面也綜合了現實世界的多項數據指標以及個人