隨著汽車智能化的快速發展，各大車企也開始重視芯片研發，為自動駕駛技術的發展帶來機遇。 當今市場上的大多數電動汽車已經具備一定程度的自動駕駛能力。 不過，雖然大部分汽車還處于自動駕駛的L1-L2級別，但仍屬于駕駛輔助階段，很難做到真正的L3-L4級別的高級駕駛。 自動駕駛服務已經進入商業化試點階段，離L3-L4級自動駕駛大規模商業化的終點越來越近。
高通入局，
自動駕駛芯片有望加速變革
在過去，由于自動駕駛軟件及算法開發難度及測試難度較大，同時相關政策法規不完善，因此自動駕駛的整體的市場成熟度不高。而在整車智能化轉型時代，智能座艙能集成更多的信息和功能，給用戶帶來更直觀、更個性化的體驗，因此成為整車智能化的先行者。自2020年開始，各國相繼出臺了自動駕駛相關的政策或者高級別自動駕駛運營許可：
1、美國：2020 年 2 月，美國國家公路交通安全管理局（NHTSA）批準自動駕駛汽車初創企業NURO 生產投放無人電動送貨車。
2、日本：2021 年 3 月，日本政府批準本田 L3 級別自動駕駛 Legend 在日本本土上市。
3、德國：2021 年 12 月，德國奔馳 L3 級自動駕駛汽車 EV EQS 獲得了德國聯邦汽車運輸管理局的許可，可以在部分路段替代人類駕駛員控制車輛狀態。
4、中國：2021 年 9 月，市場監管總局（標準委）正式出臺了《汽車駕駛自動化分級》國家推薦標準（GB/T 40429-2021）。根據該國標，從 3 級自動駕駛開始，目標和事件探測和響應的對象從駕駛員變為了系統，動態駕駛任務后援也從駕駛員變為了動態駕駛任務后援用戶。這意味著，在有條件自動駕駛情況下，已允許駕駛員脫手，只需要在必要時接管駕駛。該國標已于今年 3 月 1 日正式實施，將對促進自動駕駛產業的發展以及后續相關法規的制定起到積極作用。今年 4 月，小馬智行獲得中國[敏感詞]張面向自動駕駛公司的出租車運營許可。6 月 14 日，工信部副部長辛國斌表示，工信部將出臺自動駕駛、信息安全等標準，適時開展準入試點。
各大廠商積極布局，未來自動駕駛行業空間巨大。目前，L3 及以上級別的自動駕駛有望在封閉、半封閉和低速場景下率先應用，自主泊車作為自動駕駛的低速復雜場景，將為自動駕駛技術演進提供低速域的數據訓練和積累。盡管自動駕駛高速場景的商業化落地還有一定距離，但特斯拉、谷歌、英偉達、高通等廠商依舊把目光放在了高級別的自動駕駛上，為的就是在行業拐點來臨之前占得先機。根據 IHS 的預測，自動駕駛汽車將在 2025 年前后開始一輪爆發式增長。到 2035 年，道路行駛車輛將有一半實現自動駕駛，屆時自動駕駛整車及相關設備、應用的收入規?？傆媽⒊^五千億美元。根據 CIC 預測，預計到 2025 年我國自動駕駛市場空間接近 4000 億元，2020-2025 年 CAGR 接近 107%，遠快于全球市場增速。
在汽車 E/E 架構由分布式架構向集中式架構方向發展的過程中，自動駕駛芯片作為計算的載體逐漸成為智能汽車時代的核心。在“軟件定義汽車”趨勢下，芯片、操作系統、算法、數據共同組成了智能駕駛汽車的計算生態閉環，其中芯片是智能駕駛汽車生態發展的核心。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，域控制器逐漸集成前期的傳感器、數據融合、路徑規劃、決策等運算處理器功能。隨著自動駕駛級別的提升以及功能應用的豐富，汽車對芯片算力的需求也越來越大。
算力需求升級驅動車載芯片市場規模增長。2020 年，汽車領域芯片需求量已占全球芯片市場11.4%，持續上漲的算力需求將驅動車載計算芯片市場規模增長，車載計算芯片市場將迎來高速發展期。根據億歐智庫，2021 年中國車載計算芯片市場規模將達 15.1 億美元，2025 年市場規模將迅速增長至 89.8 億美元。
對于車企而言，算力和功耗是其選擇車載芯片/計算平臺的兩大主要因素：
1、算力：對于高級別的智能駕駛系統而言，傳感器數量的增加及分辨率的提升帶來海量數據處理需求，算法模型的復雜程度亦大幅提升。隨著汽車 E/E 架構逐步集中化，智能汽車的計算能力將主要由少數的幾個域控制器或是中央計算平臺來實現，這也對單顆車載芯片算力提出了更高的要求。根據億歐智庫，自動駕駛等級每增加一級，所需要的芯片算力就會呈現十倍以上的上升，其中 L4 級別需要的 AI 算力接近 400TOPS，L5 需要的算力達到了 4000+TOPS。
“硬件預埋，軟件升級”成為車企主流策略，智能化頭部車企在新一代車型中預置大算力芯片。汽車產品具備較長的生命周期，一般為 5-10 年，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。相較而言軟件迭代更快，因此智能駕駛軟件迭代周期與硬件更換周期存在錯位。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均將智能駕駛算力提升至 500-1000Tops 級別。
2、功耗：為支持并兼容 L3 及以上智能駕駛系統數量與類型繁多的傳感器與執行器需求，車載計算平臺多采用異構芯片硬件方案，以滿足系統接口與算力需求。相較傳統 ECU，車載計算平臺的復雜度呈數倍提升，面臨功耗、散熱、電磁、質量等多重挑戰，存在著物理上限。因此，盡管當前行業普遍以“TOPS” 為單位來評估自動駕駛芯片的理論峰值算力，各大芯片廠商也不斷刷新算力峰值，但在實際場景下的算力有效利用率卻不高，自動駕駛芯片理論峰值算力并不一定能在實際運行中完全釋放，主要是受到了功耗、環境等因素的限制。
芯片的[敏感詞]算力高低固然重要，但對于主機廠開發量產車型而言，芯片選擇需兼顧算力、功耗、成本、易用性、同構性等多重因素。因此，如何在有限算力下幫助客戶算法軟件[敏感詞]效地運行是衡量芯片廠商競爭力的核心標準。
從發展趨勢來看，自動駕駛 SoC 芯片將向“CPU+XPU”的異構式架構發展，長期來看CPU+ASIC 方案將是未來主流。SoC 是系統級別的芯片，相比 MCU 在架構上增加了音頻處理DSP、圖像處理 GPU、神經網絡處理器 NPU 等計算單元，常用于 ADAS、座艙 IVI、域控制等功能較復雜的領域。隨著智能汽車的發展，汽車芯片結構形式也由 MCU 進化至 SoC。目前市面上主流的自動駕駛芯片 SoC 架構方案分為三種：（1）CPU+GPU+ASIC，（2）CPU+ASIC，（3）CPU+FPGA。長期來看，定制批量生產的低功耗、低成本的專用自動駕駛 AI 芯片（ASIC）將逐漸取代高功耗的 GPU，CPU+ASIC 方案將是未來主流架構。
消費電子芯片巨頭入局，積極挖掘智能汽車市場機遇。隨著滲透率趨于飽和，智能手機市場進入瓶頸期，過去智能手機芯片市場帶來的高增速與高利潤難以持續，因此消費電子芯片巨頭亟需尋找新的市場機會點以拓展利潤空間。自2014年，高通、英偉達兩大消費電子芯片巨頭率先布局智能汽車計算芯片，以奪得市場先機。芯片是一個依賴高研發投入，通過大規模生產以實現規模效應，攤平成本的產業，因此在市場初期掌握更多競爭優勢的廠商在實現量產上車后將通過規模效應獲得成本優勢。由于消費電子芯片巨頭具備充足的資金優勢，可通過并購優秀的初創公司，持續提升 AI 計算芯片優勢，快速補全汽車領域芯片能力與資源，以搶占市場獲得規模優勢。
從車載計算芯片的競爭格局來看，英偉達、Mobileye、高通等廠商具備較為明顯的優勢。傳統汽車芯片市場長期由 TI、恩智浦、瑞薩等傳統芯片廠商所占據，而汽車智能化發展帶來的車載計算芯片藍海市場吸引多方入場，形成消費電子芯片巨頭、新興芯片科技公司、傳統汽車芯片廠商、主機廠自研/合資芯片廠商四大陣營，汽車芯片市場格局正逐漸被重塑：
（1）在自動駕駛計算芯片領域：英偉達以及背靠英特爾的 Mobileye 處于[敏感詞]梯隊，高通、華為海思、地平線處于第二梯隊，展現出了強勁的上升趨勢。
（2）在智能座艙芯片領域：高通在產品力與高端市場占有率上具備[敏感詞]領先優勢，英特爾、瑞薩、三星等廠商緊隨其后，中低端車型市場上則以恩智浦、TI 為主。
（3）在中國市場：以華為海思、地平線、芯馳科技等為代表的國產化新興芯片科技公司也展現出了較強競爭力。
英偉達、Mobileye、高通在自動駕駛 SoC 領域各有優勢：
1、英偉達：L3 級別及以上的自動駕駛對算力提出了更高的要求，英偉達則是大算力芯片的王者，自 2015 年進入自動駕駛領域以來一直引領著車載芯片的算力變革。
2015 年，英偉達推出基于 Tegra X1 SoC 的 DRIVE PX，正式進軍自動駕駛領域；2016 年，推出 DRIVE PX2 自動駕駛平臺，上車特斯拉 ModelS 與 ModelX；2018 年，發布自動駕駛 SoC 芯片 DRIVE Xavier，單芯片算力達 30TOPS，2021 年已上車小鵬 P7、P5、智己 L7 等多款車型；2019 年，發布自動駕駛系統級芯片 DRIVE Orin，單芯片算力達 254TOPS，今年已實現量產上車，蔚來、小鵬、威馬等[敏感詞]車型均搭載 Orin；2021 年 4 月，發布業內[敏感詞] 1000TOPS 算力的系統級芯片 DRIVE Altan，相比上一代 Orin SoC 算力提升接近 4 倍，比如今大多數 L4 級自動駕駛車輛整車的算力還要強，預計于 2025 年量產上車；在今年 3 月的 GTC 大會上，英偉達推出了基于 Atlan 芯片的新一代自動駕駛平臺 DRIVE Hyperion 9，并計劃于 2026 年量產。
英偉達自 1999 年提出 GPU 的概念以來一直不斷迭代相關技術，而自動駕駛正是需要大面積的圖像處理，因此英偉達也在當下以“CPU+GPU+ASIC”SoC 方案為主流的時代領跑行業。英偉達通過 Xavier 和 Orin 兩代 SoC 建立起了良好的客戶基礎，而對大算力芯片/平臺的布局也使英偉達建立起了代差優勢，目前在 L3 級別及以上的自動駕駛方面優勢明顯。
2、Mobileye：L2 級及以下的自動駕駛所需處理的數據量小且算法簡單，Mobileye 則是輔助駕駛領域的龍頭，可以說是過去二十年間的汽車 ADAS 技術的主要奠基者和引領者。
Mobileye于 1999 年成立，成立以來公司以視覺感知技術為基礎，推出了算法+EyeQ 系列芯片組成的一系列解決方案，可以幫助車企實現從 L0 級的碰撞預警，到 L1 級的 AEB 緊急制動、ACC自適應巡航，再到 L2 級的 ICC 集成式巡航等各種功能。
盡管在 L3/L4 市場被英偉達和高通壓制，但 Mobileye 在 L2 市場占有率依舊在 75%以上，具備[敏感詞]優勢。2021 年，MobileyeEyeQ 芯片出貨量高達 2810 萬，截至 2021 年底 EyeQ 系列芯片累計出貨量破億。但是，隨著自動駕駛逐步向高級別演進，Mobileye 的產品及方案逐漸失去優勢，這其中包括兩大原因：
（1）在算力競爭中 Mobileye 落于下風。在 CES 2022，Mobileye 發布 EyeQ6H、EyeQ6L、EyeQ Ultra 三款芯片產品，算力分別為 34、5、176TOPS。在過去，Mobileye 的一代至五代EyeQ 芯片中，算力[敏感詞]的也是 24TOPS（EyeQ5），即使 Mobileye 在今年發布的 EyeQUltra 已經相較過去大幅提高了算力，但距離英偉達、高通還有較大的距離；
（2）Mobileye在過去以黑盒交付為主，封閉性太強。Mobileye 給車企提供的自動駕駛解決方案是芯片加感知算法的打包方案，EyeQ 芯片內部寫好了 Mobileye 的感知算法，工作時 EyeQ 會直接輸出對外部車道線和車輛等目標的感知結果，然后車企的算法基于這些結果做出駕駛決策。這樣做的好處是可以滿足尋求智能化轉型的主機廠快速量產的需求，但從長期來看，這樣做算力升級較為保守、迭代速度慢，并且難以滿足主機廠的定制化的需求，這對于高速發展和變化的自動駕駛行業來說是不能被市場接受的。盡管從 EyeQ5 開始 Mobileye 已經開始嘗試與合作伙伴實現開源協作，但和開放生態的英偉達和高通來比還是有較大差距。因此，Mobileye在過去 5-10 年丟失了部分重要客戶。
3、高通：瞄準中高端自動駕駛市場，智能座艙領域王者向駕駛域進軍。
高通 2020 年推出的自動駕駛芯片平臺 Snapdragon Ride 算力覆蓋 10-700TOPS，支持 L1-L5 全場景的自動駕駛，盡管從算力層面上不及英偉達 Atlan 芯片，但也已大幅領先 EyeQ 等其余自動駕駛 SoC。
其次，Ride 是高性能、低功耗的自動駕駛解決方案，例如 Ride 平臺為 L4/L5 級別駕駛所需的700 TOPS 算力，同時平臺上多個 SoC、加速器軟硬件解決方案共同消耗的[敏感詞]功率也只有130 瓦，效率達到 5.4TOPS/W，性能效率高，而且支持被動或風冷的散熱設計，而不需要液冷裝置，這樣不僅極具經濟效益，也具備更高的可靠性。
由于現在 L3 自動駕駛正逐步落地，距離 L4-L5 級別還有一定距離，對算力的要求沒有那么苛刻，因此高通憑借著 Ride 平臺得以順利地切入市場，也拿下了長城、通用、寶馬、大眾等重要客戶的定點。另一方面，由于高通在座艙領域是[敏感詞]龍頭，到目前已經打造了龐大的汽車生態，通過與主機廠在座艙域建立的合作關系，高通可以更便利地推廣自己的駕駛域產品。同時在兩域融合的趨勢下，車廠若選擇和座艙產品相同的供應商將會有更低的學習成本和維護成本，這也有利于高通拓展自己在駕駛域的產品。
汽車電子電氣架構持續演進，
軟件廠商獲得新機遇
汽車電子電氣架構逐漸集中化，多域融合是大趨勢。隨著汽車不斷向智能化、網聯化方向發展，以單片機為核心的傳統分布式電子電氣架構已經很難滿足未來智能汽車產品的開發需求。因此，汽車電子電氣架構從傳統分布式架構正在朝向域架構、中央計算架構轉變，而集中化的 EE 架構也是實現軟件定義汽車重要的硬件基礎。從車內數個域控制器并存再到高性能計算機 HPC 的演進過程中，多個域控制器的融合、駕駛域與座艙域的融合成為了必要的趨勢，最終具備強大的中央化算力的中央計算平臺將統籌汽車智能座艙和自動駕駛的功能實現。
集中化的 E/E 架構對汽車軟件架構也提出了新的需求。隨著汽車 EE 架構逐步趨于集中化，域控制器或中央計算平臺以分層式或面向服務的架構部署，ECU 數量大幅減少，汽車底層硬件平臺需要提供更為強大的算力支持，軟件也不再是基于某一固定硬件開發，而是要具備可移植、可迭代和可拓展等特性。因此在軟件架構層面上，汽車軟件架構也逐步由面向信號的架構（Signal Oriented Architecture）向面向服務的軟件架構（Service-Oriented Architecture，SOA）升級，以更好實現軟硬件解耦與軟件快速迭代。
除了更高的靈活性，汽車軟件架構還需要兼顧座艙域與駕駛域的需求，在多域融合的趨勢下，既能滿足駕駛域對功能安全的要求又能滿足座艙域對功能豐富度的需求。
相較過去，汽車軟件的復雜度有明顯提升。根據我們之前發布的報告《智能汽車深度系列之一：汽車軟件的星辰大?！?，目前汽車軟件在智能汽車軟硬件架構中自下而上可分為系統軟件、功能軟件、應用軟件三類：
（1）系統軟件：由硬件抽象層、OS 內核（狹義上的操作系統）和中間件組件構成，是廣義操作系統的核心部分；
（2）功能軟件：主要為自動駕駛的核心共性功能模塊，包括自動駕駛通用框架、AI 和視覺模塊、傳感器模塊等庫組件以及相關中間件。系統軟件與功能軟件構成了廣義上的操作系統；
（3）應用軟件：主要包括場景算法和應用，是智能座艙（HMI、應用軟件等）以及自動駕駛（感知融合、決策規劃、控制執行等）形成差異化的核心。
在新型的架構下，軟件廠商所參加的開發環節增加，軟件開發難度也大幅提升，對汽車軟件有深刻 Know-How 積累以及具備全棧能力（底層開發能力-中間件-上層應用）的廠商有望受益。具體來看：
1.座艙域與駕駛域的融合需要 Hypervisor 技術的支持
在汽車電子電氣系統中，不同的 ECU 提供不同的服務，同時對底層操作系統的要求也不同。根據 ISO 26262 標準，汽車儀表系統與娛樂信息系統屬于不同的安全等級，具有不同的處理優先級。汽車儀表系統與動力系統密切相關，要求具有高實時性、高可靠性和強安全性，以 QNX操作系統為主；而信息娛樂系統主要為車內人機交互提供控制平臺，追求多樣化的應用與服務，主要以Linux 和 Android 為主。
在 EE 架構趨于集中化后，虛擬化（Hypervisor）技術的出現讓“多系統”成為現實。在電子電氣系統架構從分布式向域集中式演進的大背景下，各種功能模塊都集中到少數幾個計算能力強大的域控制器中。此時，不同安全等級的應用需要共用相同的計算平臺，傳統的物理安全隔離被打破。
虛擬化（Hypervisor）技術可以模擬出一個具有完整硬件系統功能、運行在一個完全隔離環境中的計算機系統，此時供應商不再需要設計多個硬件來實現不同的功能需求，而只需要在車載主芯片上進行虛擬化的軟件配置，形成多個虛擬機，在每個虛擬機上運行相應的軟件即可滿足需求。Hypervisor 提供了在同一硬件平臺上承載異構操作系統的靈活性，同時實現了良好的高可靠性和故障控制機制，以保證關鍵任務、硬實時應用程序和一般用途、不受信任的應用程序之間的安全隔離，實現了車載計算單元整合與算力共享。
軟件定義汽車時代下，中間件的作用愈發重要。隨著 EE 架構逐漸趨于集中化，汽車軟件系統出現了多種操作系統并存的局面，這也導致系統的復雜性和開發成本的劇增。為了提高軟件的管理性、移植性、裁剪性和質量，需要定義一套架構（Architecture）、方法學（Methodology）和應用接口（Application Interface），從而實現標準的接口、高質量的無縫集成、高效的開發以及通過新的模型來管理復雜的系統，這就是我們所說的“中間件”。
汽車行業中有眾多的整車廠和供應商，每家 OEM 會有不同的供應商以及車型，每個供應商也不止向一家 OEM 供貨，中間件的存在盡可能地讓相同產品在不同車型可重復利用或是讓不同供應商的產品相互兼容，這樣就能大幅減少開發成本。因此，可以說中間件在汽車軟硬件解耦的趨勢中發揮了關鍵的作用。
車企自研中間件難度較大，由軟件供應商提供中間件方案或與供應商共同開發中間件更具性價比。中間件技術更加偏底層，目的是幫助主機廠降低上層軟件的開發難度，提高開發效率。但終端用戶并不關注自動駕駛的底層技術，他們更多地關注的是應用層，因此主機廠應該把更多的精力聚焦在那些可以向消費者展示競爭力的地方。
此外，隨著中間件越來越成熟，最終有望形成一套被廣泛應用的標準化軟件，對于主機廠而言沒必要投入大量人力、物力去自研中間件，由中間件供應商提供更具性價比。
當然也有主機廠認為，中間件的功能對于實現自動駕駛有重要意義，例如數據通信、資源管理、任務調度等，同時中間件對應用功能的實現也會有影響，因此中間件還是需要存在差異性的，此時部分主機廠會選擇自研中間件。百度、蔚來、小鵬等廠商的自研自動駕駛 OS，都是在基礎內核之上進行中間件和應用軟件自研（ROM 型操作系統）。但對于主機廠而言，對軟件及中間件 Know-How 積累較淺，也沒有太多成功的案例，即使通過大規模地招聘，若沒有軟件公司的思維也難以協調好眾多的軟件人才。對于軟件/中間件供應商而言，他們更加容易與多家主機廠達成合作，從而擴大軟件和中間件應用的范圍和場景，對 Know-how 的積累是顯著優于主機廠的。因此對于主機廠而言，更可行的道路還是跟專業的中間件廠商合作，以此保證自己開發的個性化軟件可以順利地與通用化軟件組合起來，而供應商也可以在提供標準產品的基礎上再為主機廠提供半定制化的服務。
車載操作系統將逐步由座艙 OS 向整車 OS 演進。很多汽車 OS 廠商是從車機 OS 入局的，如蘋果 CarPlay、百度 CarLife、華為 Hicar 等，過去手機芯片、OS 和應用生態均優于汽車，因此將手機功能映射到汽車中控可以滿足車主對娛樂的需求。
隨著汽車芯片以及軟件生態的發展，當前汽車操作系統已步入座艙 OS 階段，未來隨著座艙域與自動駕駛域的融合，座艙 OS 將進一步向整車OS 邁進。在 2020 年初，斑馬智行提出了 AliOS 操作系統演進三部曲戰略，即智能車機操作系統、智能座艙操作系統、智能整車操作系統。如今斑馬智行已經進入到了座艙 OS 階段，下一階段將重點布局智能整車 OS，以“OS+AI+芯片”為智能汽車決策核心，在操作系統層面推進汽車分布式智能向整車智能逐漸邁進。根據佐思汽研預測，2024 年以后將邁向整車 OS 階段，屆時軟件廠商的競爭力在于是否具備座艙域（HMI、APP 開發優化等）與駕駛域（AI、視覺能力等）的全棧能力。
我們認為，在自動駕駛技術與汽車電子電氣架構快速演進的時代，汽車軟件廠商的機遇與挑戰并存。首先，汽車軟件廠商在產業鏈中的地位較原來有所上升，此外也將受益于軟件價值的持續提升，但與此同時，也需要持續豐富自身的產品矩陣并提升硬件能力，以提供軟硬件的全棧解決方案：
1、軟件供應商一躍成為 Tier1 供應商。由于汽車軟件開發難度提升，傳統的汽車零部件供應商研發能力難以滿足需求，此時車廠開始繞過傳統一級供應商，直接與原有的二級供應商（芯片、軟件算法等廠商）合作。在軟件定義汽車時代，軟件重要性不言而喻，整車廠為了掌握主導權并降低高昂的研發成本，往往會選擇直接與具備較強的獨立算法研發能力的軟件供應商合作，因此這些軟件供應商一躍成為了 Tier1 廠商。
2、隨著智能汽車功能復雜度的不斷提升，單車軟件授權費價值有望持續提升。智能汽車軟件的商業模式是“IP+解決方案+服務”的模式，Tier1 軟件供應商的收費模式包括：一次性研發費用投入，購買軟件包，比如 ADAS/AD 算法包；單車的軟件授權費用（License），Royalty 收費（按汽車出貨量和單價一定比例分成）；一次性研發費用和單車 License 打包。若不考慮復雜度極高的自動駕駛軟件，目前單車軟件 IP 授權價值量大致在 2-3 千元左右。未來隨著智能汽車功能以及操作系統的復雜度不斷提升，單車軟件授權費價值有望持續攀升，這也為 Tier1 軟件供應商帶來了機遇。
3、軟件供應商需要不斷豐富產品矩陣，并逐步提升硬件能力。隨著 OEM 主機廠自主權和軟件自研能力的不斷加強，OEM 主機廠開始尋求與軟件供應商的直接合作。比如 OEM 廠商將首先尋求將座艙 HMI 交互系統功能收回，UI/UX 設計工具、語音識別模塊、音效模塊、人臉識別模塊等應用軟件則直接向軟件供應商購買軟件授權，從而繞過了傳統 Tier1，實現自主開發。對于軟件供應商來說，能提供越多的軟件 IP 產品組合，就可能獲取更高的單車價值。同時，軟件供應商也正尋求進入傳統 Tier1 把持的硬件設計、制造環節，比如域控制器、TBOX等，以提供多樣化的解決方案。
自動駕駛產業鏈硬件廠商有望受益
高階自動駕駛呼之欲出，單車攝像頭用量逐級提升。在自動駕駛系統中，車載攝像頭是實現眾多預警、識別類功能的基礎，超過 80%的自動駕駛技術都會運用到攝像頭。目前 L2 級別攝像頭搭載量在 5-8 顆，L3 級別能到 8 顆以上，蔚來 ET7、極氪 001、小鵬 P5、極狐 Hi 版車身攝像頭搭載量分別為 11、12、13、13 顆，且像素以 500-800 萬高像素為主，到 L4/L5 階段則有望達到 10顆甚至 15 顆以上，相比 L1 級別 1 顆的用量，車載攝像頭搭載量將顯著提升，車載光學市場正迎來加速放量階段。
技術升級助推 CIS 單價提升，圖像傳感器廠商有望受益。車載攝像頭需要應對多路況環境等， 其核心部件 CIS（CMOS Image Sensor）需要解決包括 HDR、LFM、低照等關鍵技術難題以匹配車載攝像頭高像素、高性能、高穩定性的趨勢，新工藝的升級將推升 CIS 的單位價值。CIS 約占攝像頭總成本 50%，是解決包括 HDR、LFM、低照等關鍵技術的核心部分。據 EEWorld， 1-2MP 汽車 CIS 單價為 3-8 美金，8MP 汽車 CIS 單價為 10 美金以上。隨著汽車單車攝像頭用量提升及像素升級，我們測算 2020 年全球汽車 CIS 市場規模約 10 億美元，2025 年有望達到 50 億美元，長期有望達到 100 億美元以上。國內 CIS 廠商如韋爾股份、思特威持續受益。
車載光學起量帶動 ISP 持續增長。車載攝像頭用量的提升將助推圖像信號處理器 ISP (Image Signal Processor)市場空間的增長，ISP 主要作用是對前端圖像傳感器輸出的信號進行運算處理。據 Yole 預測，視覺處理芯片規模有望從 2018 年的 95 億美元增長到 2024 年的 186 億美元，18-24 年 CAGR 為 14%，其中 2018 年 ISP 占比約 37%。車載攝像頭起量帶動 ISP 市場增長也為國內廠商提供了良好的發展機遇。國內 CMOS 傳感器廠商積極參與 ISP 的開發生產：（1）思特威購買深圳安芯微專利及技術人員，加速和輔助推動公司部分具備 ISP 二合一功能的圖像傳感器的開發進度；（2）韋爾股份子公司豪威科技提供多款內置 ISP 芯片的汽車 CIS 圖像傳感器之余，還提供獨立的 ISP 芯片產品。芯片廠商正加速布局車用 ISP：
（1）國內專注安防領域富瀚微在 2018 年 8月宣布推出百萬像素以上的車規級 ISP 芯片 FH8310，且與國內[敏感詞]車廠 BYD 合作并快速量產；
（2）北京君正收購北京矽成后，車載 ISP 研發也在加速進行中。
自動駕駛向高級別進階，激光雷達裝車小[敏感詞]來臨
多傳感器融合大勢所趨，激光雷達必不可少。作為自動駕駛的傳感器之一，激光雷達以激光作為載波，波長比毫米波更短，探測精度高、距離遠。不過受限于技術難度大、成本高，目前還未實現大規模裝車。為了實現無人駕駛功能性與安全性的全面覆蓋，傳感器的融合與冗余將成為未來的主旋律，激光雷達作為探測精度、分辨率更高的關鍵一環，伴隨其工藝的不斷成熟，成本的逐漸下探，其將在 L3 及以上車型實現規?；b車應用。另一方面隨著 Robotaxi／Robotruck 的商業化落地，未來該領域的車隊規模將加速擴大。沙利文研究預計，至2025年新落地車隊規模將突破60 萬輛，給激光雷達的應用帶來廣闊下游空間，二者將共同驅動激光雷達市場迎來繁榮。沙利文研究預計，至 25 年全球激光雷達市場規模為 135 億美元，19-25E CAGR 65%；其中無人駕駛和ADAS 領域市場規模將分別增至 35/46 億美元，19-25E CAGR 為 81%/84%，將占激光雷達總規模的約 6 成。
高功率半導體激光器層面，VCSEL 未來將有望逐漸取代 EEL，國內 VCSEL 廠商有望受益。EEL發光面位于晶圓側面，需要進行切割、翻轉、鍍膜、再切割，且每顆激光器需用分立光學器件進行光束發散角的壓縮和手工裝調，極大依賴工人的手工裝調技術，生產成本高且一致性難以保障。而 VCSEL 發光面與半導體晶圓平行，其所形成的激光器陣列易于與平面化的電路芯片鍵合，無需再進行每個激光器的單獨裝調，具有效率高、光束質量好、精度高、功耗低、小型化、高可靠、調制速率快、可大量生產、制造成本低等優勢，伴隨智能駕駛的發展未來有望逐漸取代 EEL。國內 VCSEL 廠商長光華芯、炬光科技有望深度受益：長光華芯自成立以來始終專注高功率半導體激光芯片的研發生產，建立了國內全制程 6 吋 VCSEL 產線，目前商業化單管芯片輸出功率達到30W，巴條芯片連續輸出功率達到 250W（CW），準連續輸出 1000W（QCW），VCSEL 芯片的[敏感詞]轉換效率 60%以上，產品性能指標與國外先進水平同步。炬光科技生產基于 VCSEL 激光器的激光雷達面光源、線光源及光源光學組件等，截至 20 年 9 月末，公司已與北美、歐洲、亞洲多家知名企業達成合作，包括 Velodyne、Luminar、福特旗下知名無人駕駛公司 Argo AI、德國大陸集團等。
智能座艙算力需求快速上升，國內廠商享本土化優勢。智能座艙是人車交互入口，顯示屏數量的增加以及軟件應用等配套將帶動座艙數據量呈指數級增長。據 IHS Markit，24年智能座艙 NPU算力將達到 136TOPS,近 21 年 10 倍，CPU 算力也將是 21 年的 3 倍之上。伴隨傳統垂直化供應鏈逐漸被打破，座艙 SoC 作為核心硬件之一，未來將得到車企的大力重視。智能座艙芯片供應商晶晨股份等國內公司有望充分享受智能座艙快速增長以及供應鏈本土化機遇。
車載顯示方興未艾，用量、尺寸、技術同步進階升級。車載顯示作為智能座艙終端系統，幫助實現人車交互智能體驗，隨著自動駕駛不斷深入，傳統儀表盤、中控屏等面臨著升級和集成，催生車載顯示[敏感詞]屏化、多屏化、聯屏化趨勢。車載觸控顯示供應商長信科技有望持續受益。
免責聲明：本文轉載自“ittbank”，本文僅代表作者個人觀點，不代表薩科微及行業觀點，只為轉載與分享，支持保護知識產權，轉載請注明原出處及作者，如有侵權請聯系我們刪除。
