羅蘭貝格：汽車電子革命系列白皮書第一期四大核心技術趨勢（17頁）.pdf

1、汽車電子革命系列白皮書 第一期 四大核心技術趨勢 12.2020 上海 / 中國 羅蘭貝格 洞見 1 當前， 百年汽車產業與出行行業正經歷著前所未有的變 革。 一方面， 汽車作為交通工具行使A點到B點的移動功 能， 但其安全、 交通效率等問題仍未完全解決； 另一方面， 車內空間和時間幾乎沒有得到利用， 而消費者對于汽車的 認知卻在持續變化由于未來的車主絕大多數都是智能 手機的用戶， 他們對車的場景化訴求也會受到消費電子領 域產品使用體驗的深刻影響。 因此， 未來的汽車不但需要 解決安全和移動效率等問題， 更需要提供更高的社會效率 和更大的社會價值。 面對根本需求的改變， 絕大部分車企似乎都在有

2、條不紊地 前進。 但特斯拉的迅速崛起無疑給行業打了一針強心劑， 其領先的底層架構、 出色的軟件迭代、 持續優化的自動駕 駛以及最具說服力的銷量的快速提升， 加速了整個行業的 轉型與變革速度。 無獨有偶， 這一輪汽車革命恰逢全球政經與貿易環境迅速 變化的窗口期， 加之疫情的影響， 給原本就尚未完全清晰 的技術路線蒙上了一層厚厚的紗布。 誰都不可否認數字化 和數據給汽車產業帶來的價值增量， 但在日漸復雜的大環 境下誰也無法確定贏家是誰。 羅蘭貝格對整個汽車行業革命已持續關注多年， 一路見證 了技術、 價值鏈和企業的變革。 與此同時， 羅蘭貝格持續與 行業參與者深度交流合作， 總結出我們對于汽車行業

3、變革 的獨立判斷與思考。 該系列白皮書將分若干期陸續發布， 本篇作為開篇， 主要聚焦新四化對產業的價值貢獻、 電子 電氣革命的核心技術趨勢以及全球貿易大背景下的技術 產業趨勢。 前言 封面圖片： Gorodenkoff Productions OU 2 目錄 03 07 15 1/ 新四化(M.A.D.E)對汽車電子的影響 2/ E/E革命的四大核心技術趨勢 3/ 總結與啟示： 技術發展與全球化不確定性共存 3 近年來， 汽車新四化 （羅蘭貝格稱之為 “M.A.D.E” ， 即M-Mobility 移動出行， A-Autonomous driving自動駕駛， D-Digitalization

4、數 字化， E-Electrification電氣化） 的發展在全球和中國層面均已 形成了鮮明的差異化發展特征， 并在各自的技術和商業賽道 中以不同的速度 “奔跑” 。 相對于電氣化這一涉及到整個汽車 產業乃至能源結構變革的趨勢， 自動駕駛與數字化/智能網聯 在相輔相成發展的同時也在短期內體現出了不同的商業價 值。 而共享出行目前依然處于一個資本、 需求、 政策共同主導 的發展階段， 技術創新 （尤其是數字化、 定制化和自動駕駛） 帶 來的行業變革有望在 “下半場” 開啟； 長期來看， 出行服務是終 局的體現， 也是終端消費者的第一觸點， 而自動駕駛、 數字化 和電氣化則成為關鍵使能技術。 0

5、1 這些關鍵使能技術將帶來整車電子電氣相關價值的大幅提 升。 我們預測， 汽車電子電氣相關的BOM （物料清單） 價值 （不 第一部分 新四化(M.A.D.E)對汽車電子的影響 含電池與電機） ， 將從2019年的3,145美元 （豪華品牌 L1級別 ADAS汽油車） 提升至2025年的7,030美元 （豪華品牌L3級 別自動駕駛純電車） 。 02 其中， 大部分的價值增長來自電氣化盡管其會為傳統燃 油車動力電子相關的BOM帶來大約400美元的成本節降， 但 電池管理系統與電驅動相關硬軟件 （例如逆變器、 動力總成域 控制器DCU、 各類傳感器） 也帶來了超過2,600美元的BOM價 值提升。

6、 同時， 電驅動系統的價值也將伴隨越來越多的高電壓 電子器件而有所提升， 例如OBC （車載充電） 、 逆變器等， 這些 高功率器件的需求也將帶來半導體及其原材料的創新。 03 自動駕駛對整車電子電氣價值的影響短期上主要體現在傳感 器、 車載計算平臺與軟件等方面。 由于激光雷達仍處于商業化 進程中， 因此我們在測算中重點關注L3級別的以攝像頭為主 資料來源： 羅蘭貝格； 圖片： Waymo 01 / 用于移動出行的車輛將具備高度自動化、 數字化、 電氣化的特征， 配備適配移動出行需求 的高新性能 無人駕駛出租車電子電氣架構的前瞻科技 移動出行是一個由新型用戶場 景和商業模式構成的生態系統 汽車

7、與這一生態系統的互動是 通過具備自動駕駛、智能網聯 和電氣化功能車輛的技術所實 現的 僅靠移動出行功能本身而驅動 的電子元件需求相對有限 立體照相機 遠程雷達 電氣動力總成 超聲傳 感器 信息娛樂系統 紅外目標探測 激光雷達傳感器 系統 高精地圖、互聯 和導航功能 4 資料來源： 羅蘭貝格汽車電子元件模型 1） 不包括鋰離子電池和電機 資料來源： 羅蘭貝格汽車電子元件模型 1） 不包括鋰離子電池和驅動電機 03 / 電氣化技術概述 2019-2025 02 / M.A.D.E趨勢對汽車電子相關BOM的影響趨勢1) 2019-2025; 美元/車 3,145 7,030 925 725 2,23

8、5 2019 燃油車燃油車 L1 2025 純電動純電動 L3 +3,885 電動動力總成電動動力總成: 電機控制電機控制1) 電動動力總電動動力總 成成:電池管理電池管理1) 電池管理系統、 電池接線盒、DC- DC轉換器、電池 充電器 逆變器、動力總成域控 制器、傳感器（如電壓、 溫度、阻抗） 內燃機動力總成內燃機動力總成: 發動機控制、輔助、傳動發動機控制、輔助、傳動 電子控制ECU（發動機控制、變速箱、離合器、 冷卻、燃油、全輪驅動）、點火線圈、傳感器 （溫度、轉速、排氣系統、燃油系統） 關鍵動力總成技術領域、系統關鍵動力總成技術領域、系統 和子系統和子系統 相關電子元件相關電子元件B

9、OM1)的變化的變化 以豪華車型為例以豪華車型為例美元美元 640 2,875 770 1,860 電池管理20192019 燃油車燃油車 ICE動力系統 傳動系統 輔助 電動動力總成20252025 純電動純電動車車 -395 +2,235 5 要傳感器的方案。 我們觀察到， 盡管不同車企在L4/5級別自動 駕駛上的技術方案和投資規劃尚未確定， L1-3級別所需要的 高性能計算平臺及基礎軟件已經成為未來的重點研發與采購 需求， 且車企 （如特斯拉） 未來可能采用硬件、 軟件、 車型分別 獨立研發的理念， 因此需要超前設計提供算力冗余的HPC （ 高性能計算） 平臺來應對短期的L1-3級別相應

10、方案， 尤其是在 傳感器融合所需的算力方面， 并同時為中長期的L4/5方案做 預留。 我們預測， L3級別相關傳感器、 HPC以及搭載的軟件算 法能夠帶來至少850美元的BOM價值提升。 04 在智能化與互聯互通方面， 智能座艙成為短期內車企實現產 品差異化且投資回報可觀的方案。 汽車產品的迭代方式已經 從百年前的不作迭代 （單產品生命周期） 發展至如今的平臺化 迭代 （單平臺生命周期） 。 而隨著消費者需求的不斷升級， 對車 載場景、 功能和服務的需求將大幅增加 （尤其是從消費電子領 域轉移至出行領域） ， 對產品迭代提出了新的訴求。 同時， 在全 球汽車市場進入下行通道與存量競爭時代的大背

11、景下， 對座 艙智能化需求的滿足將會成為車企競相爭奪的下一個差異化 重點。 05 值得一提的是， 這個差異化并不意味著無法盈利， 跨界技術已 資料來源： 羅蘭貝格汽車電子電氣零部件模型 1） ADAS或AI駕駛平臺利用碰撞監測中使用的數字傳感器 （如激光雷達、 雷達、 攝像頭等） 收集數據進行決策 04 / 相關電子元件BOM1)的變化以豪華車型為例 美元 經為汽車做好了 “鋪墊” ， 如高端手機芯片可通過技術改進或 外掛MCU （微控制單元） 的方案同時解決安全和算力問題， 而 OTA （在線升級） 技術盡可能地將底層硬件的生命周期拉長以 降低研發與升級成本。 我們認為， 電子電氣架構改變帶

12、來的硬件與軟件的價值提升 （510美元） 將明顯高于純IVI （車載信息娛樂） 系統和 Connectivity （互聯互通） 系統 （230美元） 。 其中， 座艙域控制 器及基礎軟件 （如OS） 將成為未來五年的價值高地。 06 更加重要的是， 日益復雜的智能化迫使車企改變電子電氣架 構與整體研發模式。 電氣化與自動駕駛的發展瓶頸仍在核心 部件、 算法與政策， 而智能化則決定了短期的產品、 服務以及 品牌價值的差異化打造， 從而直接影響車企的盈利性與價值 鏈定位。 如果車企不關注軟件與數據， 則會喪失軟件與數據本 身的利潤， 以及基于軟件和數據的服務帶來的可持續利潤 （10倍于傳統硬件的凈

13、利潤） 。 對這部分高利潤和用戶經營權 的喪失會增加成為代工廠的概率， 即只能依靠制造和銷售整 車硬件獲取低利潤。 675 1,600 75 375 475 20192019 L1L1 HPC20252025 L3L3 底盤 剎車系統 轉向 懸架 ADAS 傳感器 +925 6 資料來源： 羅蘭貝格汽車電子元件模型 資料來源： 羅蘭貝格 06 / 相關電子元件BOM的變化以豪華車型為例 美元 05 / 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 （2020-2030, %） 24% 59% 90% 90% 100% 0% 10% 20% 30% 40% 50% 60% 70% 8

14、0% 20252020202120222027202320242026202820292030 20% 55% 87% 60% 80% 0% 10% 20% 30% 40% 50% 70% 90% 100% 20262022202120202024202320252027202820292030 中國全球 1,830 2,555 90 140 510 20192019人體 安全 舒適度 電子電氣架構智能網聯信息娛樂系統20252025 -15 +725 7 面對上述M.A.D.E的影響和趨勢， 全球范圍內的車企已經采 取行動， 并且大部分傳統玩家的決策與革新都是漸進的， 在大 力投資新技術的同

15、時也需要兼顧傳統技術的持續改進。 顯然， 從架構入手來解決技術問題是最具長遠眼光的， 但也面臨著 能力、 資金、 時間等風險。 與此同時， 諸如新冠疫情的 “黑天鵝” 事件的持續發酵也減緩 了車企投資新技術和組織轉型的步伐， 以保證短期的財務流 動性。 然而， 步伐雖然有所減緩卻并沒有停止， 畢竟車企所追 求的全新目標是Version 1.0， 而非SOP，“先做出來” 總比無休 止的推延更有意義。 無論疫情對未來的影響如何， 汽車電子電 氣革命帶來的影響都將持續存在。 羅蘭貝格從全球和中國大量的項目經驗與研討研究中網羅來 自車企、 全球領先Tier-1供應商、 軟件供應商、 半導體企業等的

16、一線聲音， 并思考總結出了以下核心趨勢。 總體而言， 技術革 新將帶來價值鏈、 競合關系及商業模式的重塑。 本期白皮書將 首先聚焦四大核心技術趨勢EEA （電子電氣架構） 進化、 第二部分 E/E （電子電氣） 革命的四大核心技術趨勢 軟件革命、 計算芯片分化和功率半導體材料演變。 趨勢一： 重新定義電子電氣架構 “下一步” 是規?；?2015年， 博世 （Bosch） 提出了眾所周知的電子電氣架構技術 路線圖， 并描繪了未來電子架構的主要特征及可能的實現時 間點。 對于這一路線圖本身無需再做過多介紹， 但其中的兩 個重要標志性節點依然值得強調， 即DCU或HPC的出現， 以 及統一的基礎軟件

17、平臺的出現， 標志著EEA的本質進化。 盡 管由于車企的解決方案各不相同， 其對EEA進化的階段定義 可能有所不同， 但我們認為EEA的發展整體會經歷三大階 段分布式架構 （distributed） 、 基于域的集中式架構(DCU- based centralized)和基于域融合的帶狀架構(DCU fusion- based zonal) 。 07 EEA （電子電氣架構） 的三大階段 目前， EEA的發展現在正處于由階段一向階段二轉型的過程 07 / 電子電氣架構路線圖 資料來源： Elektrobit； 羅蘭貝格 中央網關DCUECU 特性特性 技術技術 中央集中中央集中/帶狀化帶狀化

18、未來（長期） 域集中域集中 下一代 (2021-2025) 分布式分布式 已實現 分布式控制 多節點 通過中央網關進行互 通 80-100 ECUs 多個 CAN, LIN, 以太網, Flexray, MOST 虛擬化功能由高性能計算機集群執行 基于帶狀結構的傳感器/執行器 ECU （獨立于域、可擴展） 由高級網關處理高復雜度路由 高性能計算機集群 多個傳感器/執行器ECUs 每個區域一個CAN總線 1個以太網主干 單一軟件平臺，完整的硬件抽象層 專用域 DCUs功能集成 由高級網關處理DCU之間的路由 4-5個高性能DCUs 多個傳感器/執行器ECUs 每個區域一個CAN總線 1個以太網主

19、干 獨立軟件平臺，有限的硬件抽象層 8 08 / 特斯拉 Model 3電子電氣架構示意 資料來源： 案頭研究， 專家訪談； 羅蘭貝格 1) CID: Central Information Display 關鍵產品 中， 其顯著特征是： 第一， DCU的出現使ECU （電子控制單元） 標準化且數量大幅減少， 并直接帶來 “降本” 和 “增效” 。 例如， 若用一個集成中控、 儀表、 360環視及其他影音娛樂功能的 DCU替代多個來自不同供應商的傳統ECU方案， 最大可為車 企帶來將近38%的BOM成本節降 （尚未考慮成本年降） 。 第 二， 智能傳感器/執行器數量增加。 傳統功能導向的ECU

20、+傳感 器集成方案中的算力會被剝離并集中到DCU里， 同時傳感器 本身也需具備基礎算力， 以便與DCU溝通， 如通過CAN。 第 三， 軟件開始獨立于硬件， 但并未完全分離。 一些獨立的功能 仍然依靠ECU實現， 但抽象層 （Abstraction Layer） 的出現是未 來實現硬軟件完全分離以及域融合的重要基礎。 第四， 中央網 關與各個域之間可通過以太網通訊。 而第三階段和第二階段的本質不同是： 一， 軟硬件完全分離， 且所有的ECU/DCU共享同一套基礎軟件平臺。 二， 相互獨立 的功能應用搭載在一套高算力的車載計算機上， 且它的算力 遠超階段二的DCU。 三， 基礎軟件平臺+功能獨立

21、+HPC將帶 來規?；?， 即一套架構可以承載任何形式、 數量的功能及服 務。 先驅特斯拉與其追兵 有趣的是， Bosch提出的這一套架構路線中， 并沒有詳細給 出 “如何實現” 的具體方法。 因此， 基于對這套路線的基本共 識， 車企與全球領先供應商根據自身技術規劃、 車型平臺和 內部能力等制定適合自己的方案， 以至于目前幾乎沒有兩家 車企在架構上完全相同， 但特斯拉已經處于階段二向階段三 過渡， 而傳統車企仍處于階段二甚至階段一。 特斯拉Model 3 的EEA已經把自動駕駛 （FSD） 、 影音娛樂 （IVI） 與互聯互通 （Connectivity） 集中在了一起， 看上去就是一個Zon

22、al架構 形態。 但在軟件平臺方面， 特斯拉尚未實現完全統一， 由于 FSD和IVI的安全等級、 功能要求和迭代速度不同， 特斯拉目 前采用兩套基礎軟件， 并用不同的操作系統來支持自動駕駛 芯片和IVI芯片的ARM和x86架構。 08 然而， 并非所有企業都能成為特斯拉， 特斯拉也并不代表一 中央控制模塊中央控制模塊 CCM 左車身控制左車身控制 BCM-LH 右車身控制右車身控制 BCM-RH 以太網 前視攝像頭 車身雷達 中控屏 蜂窩/藍牙/WiFi模塊 右側車身(門/窗/座椅/后視 鏡頭尾燈/EPB) 空調控制 APA傳感器及 功能集成 CAN/LIN 自動駕駛自動駕駛 IVI CID1

23、) 車聯網 BMS 電控 電機 診斷 OCS 乘客分類系統 收音機調諧器 后排座椅 左側車身(門/窗/座椅/后視鏡 頭尾燈/EPB) . ABS Module 車身穩定系統 被動安全 限制控制模塊 DMS/內視攝像頭 側視攝像頭 后視攝像頭 網關Gateway 后臺系統后臺系統 9 切。 傳統車企在統一戰線應對特斯拉帶來的沖擊時， 也形成了 各具特色的EEA。 目前， 行業內沒有統一的架構設置標準， 卻 有相似的劃分原則。 由于采用漸進式改革， 大部分傳統車企 （ 尤其是豪華品牌） 短期內會定義出3-5個域， 包括底盤與動力 總成、 ADAS （高級駕駛輔助系統） 與安全、 影音娛樂、 車身和

24、 互聯互通； 其中， ADAS與IVI會通過以太網與中央網關相連 接， 以保證數據傳輸的低延遲與大流量。 不管是特斯拉還是傳 統車企， 領先者都不會局限于第二階段的DCU架構， 因為它 只能帶來短期的降本與功能創新， 若要實現長期的全球經濟 性， 就必須實現新架構平臺的規?；?， 從軟件入手。 趨勢二： 軟件革命功能獨立， 基礎軟件平臺創造新 機遇 面對高價值的 “不知所措” 作為未來IoT （物聯網） 的終端之一， 汽車將成為 “輪子上的電 腦” 。 以一輛典型的B級豪華品牌車型為例， 未來車載軟件在 整車BOM中的占比將從2019年的2%(L1級別汽油車)增長至 2025年的12%(L3級別

25、純電車)。 如果用傳統ECU架構及附帶 的軟件來應對， 不但會造成冗余， 也無法實現差異化， 因為功 能之間相互關聯不獨立， 用戶感知不到功能的差異性， 同時還 會產生大量臃腫的軟件代碼； 此外， 跨終端應用于服務需求的 增加需要為不同功能設定獨立的生命周期管理與迭代。 顯然， 傳統車企的架構及其背后的研發體系、 流程和觀念已經 無法應對復雜的軟件集成需求， 且車企正在陷入一個 “不斷救 火” 的惡性循環。 軟件能力的缺失與日益復雜的軟件集成， 使 大量技術、 資金與時間投身于查漏補缺， 而不得不忽視或推延 原有的研發重點； 同時， 由于資源限制， 對供應商的選擇與評 估標準也更傾向于 “快交

26、付” 與 “低價位” ， 進一步導致質量缺 失和大量返工。 09 SOA （服務導向架構） 帶來軟件新機遇 必須將功能獨立出來， 架構需從 “信號導向” (signal oriented) 轉變為 “服務導向” (service oriented architecture,SOA)。 SOA 是一種架構類型或指導思想， 實現端到端的架構(E2E architecture)。 其核心要義有三： 1.用抽象層分離軟件與硬件； 2.用一套基礎軟件平臺承載獨立的功能， 這些功能可以是傳 統Blackbox， 也可以是全新的智能網聯功能， 或存在于云端和 其他終端設備的功能； 3.用功能集(functi

27、on catalog)的方式增加軟件復用率。 10 作為傳統巨頭的先驅， 大眾ID3將搭載其全新的軟件架構 09 / 車企面臨軟件挑戰的關鍵驅動因素 資料來源： 羅蘭貝格 成本成本 質量質量 時間時間 開發過程開發過程專注于機械層 面的硬件和集成 軟件和軟硬件集成職責分配不明確職責分配不明確 開發規劃與軟硬集成節點配合不足節點配合不足 圍繞硬件生產與SOP而設 計的工具和工具和IT系統系統 缺少軟件全生命周期管理體系全生命周期管理體系（如維護/變更管理） 缺少軟件采購標準采購標準及合同框架 軟件采購與授權缺乏充足的IT支持支持 目標目標（包括采購）聚焦單 一材料成本，而軟件作為 硬件的“免費”

28、附屬 與供應商缺乏長期合作缺乏長期合作基礎，供應商對軟件開發投入不足軟件開發投入不足，為整 車產品質量和及時交付帶來主要風險 采購標準過于重視成本過于重視成本控制指標，不能充分保證質量和時間 采購流程采購流程中缺少軟件相 關的經驗和能力 缺少精準評估精準評估軟件開發成本成本的能力 軟件供應商供應商風險評估體系不完整評估體系不完整 整車整車SOP作為企業設計風 控/會計流程和業務模式的 基礎 缺乏用于軟件平臺軟件平臺和可復用模塊的單獨預算單獨預算 缺乏較好處理即時功能需求和軟件授權的業務流程業務流程 10 10 / 基礎硬件標準化和軟件分離 資料來源： 專家訪談； 羅蘭貝格 （End2End E

29、lectronic Architecture， E3架構） ， 其從未來出行 服務和生態系統出發而構建。 可以看到， 特斯拉和大眾已經開 始考慮端到端和規?；?。 而SOA軟件架構是實現這一點的重 要技術支撐。 SOA架構可以實現多功能、 多終端的無縫連接。 車企可以使用 基礎軟件平臺串聯傳統ECU功能、 獨立的智能網聯服務、 云端 的服務、 智慧交通體系內的服務以及其他終端設備， 提高功能 之間的溝通效率并降低成本。 例如， 大眾Open Trunk （后備箱開 啟） 功能可以無縫連接手機APP端、 車架構內的基礎服務平臺、 車端和云端接收用戶發出的指令， 激活基礎軟件平臺上 的 “We De

30、liver” 服務， 并通過車內控制最終開啟后備箱， 同時保 證整套流程的網絡安全與用戶透明度。 11 因此， 這一套包含了抽象軟件層和基礎服務層 （包括OS、 車內 網絡、 診斷等固件） 在內的基礎軟件平臺解決方案將成為車企 需要把握的價值高地， 也將成為供應商的全新產品機遇。 這些 機遇不但包括軟件平臺本身以及端到端應用軟件的提供， 也 包括相關的服務提供， 如云服務、 OTA服務等。 12 軟件的工業化生產 面對車載軟件龐大且仍在增加的軟件代碼量， 汽車行業玩家 開始借鑒ICT （信息通信技術） 行業的 “軟件工廠” 理念， 比如 戴姆勒旗下的全資軟件開發公司MBition正在打造軟件工

31、 廠根據開發項目需求， 通過對軟件組件的標準化、 結構化 運用， 實現快速開發。 正如傳統制造業在上世紀初引入福特式 流水線生產那樣， 軟件開發也正在從 “定制化手工制作” 向 “自 動化產線制造” 轉變。 軟件工廠需為開發者提供可行的軟件框架、 配套的開發指令、 預設的程序模板、 可復用的代碼以及伴隨開發進程可以連續 測試的環境。 在此基礎上， 當軟件工廠收到一項開發需求時， 開發者能夠根據工廠現有能力拆解需求模塊， 并將其分配至 各個 “產品線” ， 每個產品線再根據新需求識別可以復用和需 要新開發的部分， 判斷開發工作所需資源， 最后部署開發、 測 試工具并完成任務。 相比于傳統的 “手

32、工” 開發模式， 軟件工廠 可以提升軟件產品的一致性、 品質和開發效率， 提前識別開發 工作量， 前置風險， 使整個開發和部署流程更可預測， 大大提 升了車企對軟件工作的資源配置和進程管控能力。 專為特定硬件設計的自定義軟件堆棧，在硬 件和軟件之間以及不同的應用程序之間具有 唯一的應用程序接口(API) 一級供應商(Tier 1)控制單功能ECU 的軟硬件 集成 軟件平臺（例如AGL、Autosar）允許跨車輛和汽車線路增加軟 件模塊的再使用和即插即用 價值高地將從商品化硬件轉移到軟件 主機廠集成流程轉向持續集成和部署/DevOps (軟件開發和IT運 維技術互動) 軟件軟件 應用應用 軟件軟

33、件 應用應用 軟件軟件 應用應用 軟件軟件 應用應用 驅動程序和中間件驅動程序和中間件 硬件硬件 / 操作系統操作系統 (OS) 抽象層抽象層 軟件軟件 應用應用 軟件軟件 應用應用 軟件軟件 應用應用 軟件軟件 應用應用 基礎硬件和中間層基礎硬件和中間層 硬件硬件 / 操作系統操作系統 (OS) 抽象層抽象層 集成硬件和軟件架構（簡化）集成硬件和軟件架構（簡化）硬件和軟件分離硬件和軟件分離 11 資料來源： 羅蘭貝格 資料來源： 大眾汽車 12 / E2E軟件平臺及其與供應商的潛在伙伴關系 11 / 大眾 “WeDeliver” 服務解析 服務團隊服務團隊 API 設備端設備端(執行執行)域

34、域(控制控制) API 設備平臺設備平臺服務平臺服務平臺 大眾集團云服務大眾集團云服務 前端前端(服務服務) API API API 在線發起在線發起 訂單訂單 后備箱開啟 發出“后備箱 開啟”指令 生成數字鑰匙 VIN碼識別與 授權 識別車主信息 激活 WeDeliver服 務 通過APP通 知客戶 投遞服務啟動 并登陸 1 3 4 5 67 8 區域區域 經銷商經銷商 2 3云基礎設施服務 亞馬遜 微軟 2 開發和維護車輛硬件抽象層開發和維護車輛硬件抽象層 1 平臺開發/提供和維護 阿里巴巴 谷歌 4平臺服務 (OTA) 5 端到端互聯功能, 如“打開后備 箱”的口令 6車載功能， 在平臺

35、之上運作 后端基礎設施 嵌入式功能 車載系統車載系統 其他物聯網設其他物聯網設 備備/平臺平臺 客戶、第三 方服務商 前端應用前端應用/基礎基礎 設施，設施， 車輛作為物聯網車輛作為物聯網 設備設備云域云域 設備和服務平臺設備和服務平臺車載平臺車載平臺 平臺服務平臺服務平臺服務平臺服務 互聯功能 API API API 2 3 車輛硬件抽象層車輛硬件抽象層 1 4 4 5 5 5 5 6 API API API 軟件即產品軟件即產品(SaaP) 軟件維護軟件維護 12 趨勢三： 計算芯片短期分化與長期融合 E2E架構的另一個重要技術元素就是能夠支持算力的不斷升 級和冗余。 在傳統分布式的電子電

36、氣架構中， 每個ECU的核心 是單一功能的MCU， 傳感器與MCU芯片幾乎一一對應， MCU 雖然集成了計算、 存儲、 I/O接口等功能， 但計算能力有限， 無法 滿足自動駕駛和智能座艙的發展。 我們認為， 未來的計算芯片 將從單一功能的MCU向三個方向發展。 自動駕駛高性能芯片的定制化 由于自動駕駛算法仍具有高度不確定性， 芯片方案需兼顧目前 AI算法的算力要求和靈活性， GPU （圖形處理器） +FPGA （現場 可編程邏輯門陣列） 的組合受到大多數玩家的青睞； 目前， 百度 Apollo、 Audi zFAS均采用 “GPU + FPGA” 并輔以MCU、 CPU （ 中央處理器） 等其

37、他計算單元的組合模式。 當自動駕駛技術路 線相對成熟且進入大規模商用的階段后， 已有GPU也難以勝 任對更多空間信息的整合處理， 需要定制的專用集成電路 ASIC （特定用途集成電路） 。 例如， 特斯拉第三代自動駕駛芯片 Hardware 3.0中采用的自研NPU （神經網絡處理單元） 、 Waymo 可能采用的谷歌自研TPU (張量處理單元) 均屬于為支持人工 智能運算而定制的ASIC范疇。 ASIC芯片可在相對低水平的能 耗下， 提升車載信息的數據處理速度， 雖然研發和首次 “開?！?成本高， 但量產成本低， 是算法成熟后理想的規?；鉀Q方案。 然而， 魚和熊掌不可兼得， 低功耗、 大算

38、力、 可編程靈活性(以應 對算法的快速升級)在短期內是無法完美兼顧的， 這也是部分 車企目前正在為之努力的點。 13 目前， 座艙功能的發展仍然沒有大幅超越現有消費電子類功 能， 預計未來五年內， 高端手機芯片的算力仍可滿足下一代座 艙性能需求。 高通、 三星等跨界玩家與恩智浦半導體公司 （NXP） 等傳統汽車芯片玩家將持續致力于算力的提升和安 全等級的提高。 隨著車內場景的不斷豐富， 軟件/操作系統的優 化對于算力仍有持續的需要。 長期來看， 座艙功能對芯片算力 的需求將超越消費電子， 且安全要求也隨著域融合而提升， 預 計為座艙專門開發芯片將取代消費電子芯片在車內的應用。 多核SoC將成為

39、未來智能座艙主控芯片的主流。 豐富生態的 中控大屏系統以及 “一芯多屏” 系統則需要多核SoC進行支 持。 我們預計， 多核SoC芯片在座艙內的滲透率將從當前的 20-25%提升至2025年的55-60%， 同時技術解決方案也呈現 多樣化， 如車機主控芯片+MCU兼顧安全的方案以及集成式的 座艙域控制器方案。 14 芯片的長期兼容與融合 遠期來看， 負責不同域的芯片架構將呈現兼容與融合趨勢。 如 前文所述， 短期內自動駕駛高性能芯片和座艙主控芯片分別 演進， 如特斯拉自動駕駛HW3.0和 IVI 二代芯片分別基于ARM 13 / 自動駕駛算力需求 資料來源： 羅蘭貝格 320 L1-L3L4L

40、5 算力需求 (TOPS) 2.5 24 自動駕駛 13 和x86架構。 究其原因， 座艙應用場景和芯片性能要求已相對 明晰， 并且消費電子級芯片可滿足座艙現有場景需求， 消費電 子芯片玩家可以利用規模優勢實現低成本商業化開發； 相反， 自動駕駛技術路線尚不成熟， 其人工智能算法所要求的芯片 性能遠高于目前消費電子芯片的能力， 因而玩家在自身技術 路線選擇下進行高成本、 小規模開發應用。 預計2030年以后， 隨著自動駕駛技術路線的逐漸成熟， 高性能芯片進入標準化、 規?；a階段， 其與座艙主控芯片進一步向中央計算芯片 融合， 從而通過集成進一步提升運算效率并降低成本， 但由于 自動駕駛和座

41、艙安全要求不同， 滿足安全要求將成為融合的 前提。 14 / 座艙域控制芯片發展情景 資料來源： 案頭研究， 專家訪談， 羅蘭貝格分析 1) 目前的座艙域芯片以CPU為核心， 未來自動駕駛所需核心算力還包括GPU, NPU相關算力指標， 此處采用更為通用的GPU算力指標； 相關指標數值 基于主要芯片廠家代表產品、 未來產品規劃、 以及恩智浦和英偉達公開預測資料整理 座艙域、 自動駕駛域融合座艙域獨立發展 趨勢四： 功率半導體動力總成電氣化帶來原材料多 樣化 目前， 電動車應用的IGBT （絕緣柵雙極型晶體管） 一般以硅 （Si） 為主要材料， 而碳化硅 （SiC） 、 氮化鎵 （GaN） 等下

42、一代寬 禁帶半導體材料更能滿足高電壓、 高開關頻率和低損耗要求， 因此更符合未來電動車快速充電和續航提升等要求。 其 中， SiC技術相對成熟， 已應用于特斯拉Model 3； 而GaN在技 術上尚未成熟。 電動車發展是驅動高功率Si和SiC市場發展的 主要因素。 Si作為半導體主流技術， 低成本方案已經成熟， 并 可通過技術提升提高其高功率應用性能。 而SiC-IGBT在規模 化應用道路上仍面臨眾多挑戰， 成為車企、 全球領先供應商和 算力算力1) 安全安全 高低 低 高 (CPU DMIPS/ GPUTOPS) 低于Asil BAsil BAsil D 目前座艙 (20-40k DMIPS

43、) 下一代座艙 (80k DMIPS, 2 TOPS) L3自動駕駛 (150K DMIPS, 24 TOPS) L4/L5自動駕駛 (250k DMIPS, 320TOPS) 今天 座艙域獨立發展 域融合 2x 3-10 x 14 半導體供應商面臨的痛點， 例如： 目前， SiC半導體生產成本是Si半導體的10倍以上， 由于技 術尚未成熟， 價格顯著下降尚需5-10年 SiC全球產能有限 ， 尚不足以支撐電動車行業全面應用， 如 特斯拉Model 3 應用SiC功率半導體已導致產能不足 生產SiC和Si半導體的產線并不能相互替代， 在技術路線尚 不完全明晰的情況下， 半導體供應商缺乏全面投入

44、SiC產線 的動力 目前， 功率半導體行業呈現寡頭壟斷格局， 德國英飛凌、 日 本三菱、 日本富士主導Si技術， 美國科銳 （Wolfspeed） 主導 SiC技術， 中國已在加強半導體投入但產出有限， 因此整個 行業的市場供應基礎十分有限 寬禁帶半導體在軍事上的應用潛力使其受到明顯的政治影 響， 全球貿易環境惡化更會阻礙其技術、 行業經驗和知識產 權的流通， 如美國政府組織了英飛凌對Wolfspeed的收購 由于新技術所需研發和制造成本高昂， 同時高功率Si技術也 存在突破的可能， 綜合技術與成本考量， 預計未來可能形成Si 與SiC方案共存競爭的格局。 15 15 / 領先動力總成電子半導

45、體原材料比較 資料來源： 專家訪談， 企業網站； 羅蘭貝格 1) 圖中為英飛凌硅IGBT； 2) 圖中為碳化硅晶圓 （中） ， Cree和Rohm的碳化硅模塊 （左側， 下側， 右側） ； 3) 圖中為氮化鎵晶圓 硅硅 (Si) 1)IGBT碳化硅碳化硅2)(SiC)氮化鎵氮化鎵3)(GaN) 當前標準下，成本具備競爭力 容量可以從其他半導體部分重新調 整 更高的開關速度和功率密度，可實 現整體更高的效率/減少損耗 更好的熱穩定性和導電性 實現快速充電和更長的續航 減少包裝尺寸、重量和使用成本 可將開關速度與碳化硅相當 與硅相比，封裝尺寸更小，電子流 動性更高 優勢優勢 劣勢劣勢 耐熱性差；能

46、量損耗強 (當前)不能用于高壓車載系統 (如 800V) 成本顯著提高 更大的制造難度 有限的專家庫 碳化硅制造能力不足 技術尚不成熟 在國防應用中的使用可能會阻止國 際供應商合作 高成本，尚未有工業化制造能力 長期展望長期展望 很可能在低功率混合動力車型 潛 在用途用于低端、低成本電動車 一旦產能增加，規?；慨a推動成 本結構降低，就可能成為大眾市場 解決方案 待定 市場仍然高度不成熟 主要玩家主要玩家 15 對車企來說， 拉長硬件與底層架構的生命周期， 通過軟件功能 的獨立和OTA來滿足不同國家區域和用戶群體的差異化需 求， 顯然是一個投資回報比更高且可避免成為代工廠的模式。 但百年汽車產

47、業如今面臨的這一輪創新迭代與數十年前的演 進路徑大不相同沒有一家車企能夠不借助外力 （尤其是 非汽車行業） 實現架構與軟件創新。 更為復雜的是， 隨著全球 經濟貿易形勢的快速變化、 疫情帶來的更大不確定性以及數 字化/數據等技術的高政治敏感度， 車企或將面臨 “全球化” 的 重大阻礙。 如果未來自由貿易減少、 國際分工顯著本地化、 創新和技術交 流受限， 這將會帶來創新的延緩甚至 “技術戰爭” 。 雖然宏觀經 濟得以在一定時間內恢復， 但研發支出減少加上本土化發展 趨勢的影響， 將嚴重制約商品、 信息和人才的交流。 同時， 資本 積累、 研發合作、 規模擴張和制造等方面的發展都會變得更為 冗長

48、， 因此創新將會放緩。 更嚴重的一種可能是： 長期衰退、 產 第三部分 總結與啟示： 技術發展與全球化不確定性共存 業本土化和政治保護主義將被提上日程， 傳統的規模經濟將 逐步崩潰； 大數據資源、 大規模數據存儲等將成為本地化經濟 的重要驅動力， 技術發展路線圖進展大幅減緩， 對大多數消費 者而言， 前沿技術變得難以負擔。 16 汽車行業的流動性與盈利性本身就會受到宏觀環境的直接影 響， 加上此輪技術革命卻又恰好處于這個高度不確定性的窗 口， 使得情況變得愈加復雜。 例如， 車企若要實現全新架構的 全球規?；?， 就必須統一在此架構之上的芯片和基礎軟件的 標準。 而全球主要區域卻一直在推動半導體

49、產業的本土化， 且 疫情之后這種趨勢或將加劇。 而在短期內， 車企又需要依靠跨 界合作伙伴共同攻克技術， 因此很可能將面臨 “不同區域不同 方案” 、“不同區域不同伙伴” 的選擇。 這將會影響平臺和車型 的全球經濟性。 17 此外， 新技術趨勢下的全球采購格局也將可能發生變化。 由于 16 / 羅蘭貝格后疫情時代的全球技術格局情景分析 資料來源： 羅蘭貝格 深度衰退深度衰退延遲反彈延遲反彈 經濟復蘇經濟復蘇 自由貿易度自由貿易度 本地化本地化 全球化全球化 自由貿易維持現狀發展 產業繼續推進供應鏈和勞動 力的全球化 技術共享不斷深化 自由貿易減少 國際分工顯著本地化 創新和技術交流受限 從2020年開始逐步復蘇 且成功遏制衰退 疫情的持續流行帶來 深度衰退 恢復常態恢復常態新星崛起新星崛起 創新延緩創新延緩技術戰爭技術戰爭 16 目前， 仍未存在已被證明可以全球通用的成功的底層架構方案 （包括電子架構和軟件架構） ， 傳統汽車行業慣用的 “一套技 術方案” + “本地化采購” 的方式可能不再適用。 另一方面， 數字 化使知識產權控制與管理以及數據擁有、