软件定义汽车AI芯片黄金赛道.pdf

证券研究报告行业研究 汽车 汽车行业深度 报告 1 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Main 软件定义汽车 ， AI 芯片 黄金赛道 增持 （维持） 投资要点 软件定义汽车时代 ， 车规级 AI 芯片黄金赛道 汽车由分布式架构向域控制 /中央集中式架构方向发展的过程中， AI 芯 片 作为 计算的载体 逐渐成为智能 汽车 时代的核心。 集成更多 AI 单元是 智能芯片技术发展大趋势， AI 芯片通过添加神经网络单元实现 AI 运算 的更高效。 经 我们 测算，我国汽车 AI 芯片市场规模由 2019 年的 9 亿美 元提升到 2025 年的 92 亿美元， 复合增速 45.0%;到 2030 年将达 181 亿 美元， 十年复合增速 28.8%。 特斯拉 FSD 引领产业发展， AI 芯片 格局逐渐清晰 特斯拉 FSD 自研自用，引领产业发展，属于独立一级。全球 GPU 领域 AI 龙头英伟达具备最完善的软件工具链和应用生态，背靠英特尔的 Mobileye 客户资源丰富且已量产验证，同属于第一阵列。高通从智能座 舱域切向自动驾驶域，快速打通汽车智能化两大关键环节；华为 AI 芯 片云边端领域全覆盖，技术实力雄厚，面向 L2+及以上市场。 华为和高 通均在 通信领域 具备技术积累，结合 智能 驾驶布局有望迅速完善汽车智 能化生态。地平线对标 Mobileye，有望实现国产化替代 。 汽车 AI 芯片赛道长坡厚雪，孕育独角兽地平线 地平线战略聚焦于车规级智能驾驶 AI 芯片 +AIoT 边缘 AI 芯片的研发 和产业落地，对外主要提供解决方案类产品（芯片 +软件算法）。 公司主 要优势： 1）作为中立第三方，芯片和算法可分开销售或一体式解决方 案，受客户信任； 2）国产芯片，国内优选； 3）技术团队实力雄厚。 公 司核心技术骨干来自百度等科技巨头 。 4）产业资源丰富。 成立以来累 积 10 轮融资，也 吸引 比亚迪、长城汽车 、 舜宇光学、星宇股份等 多家 汽车产业链上下游企业投资 。 Mobileye 背靠英特尔， 是 ADAS 市场 AI 芯片龙头 截至 2020 年底， Mobileye 累计售出约 7330 万枚芯片，从 ADAS 到 L2+ 方案的市场占有率约为 70%。 EYE Q 系列芯片出货量由 2014 年的 270 万片提升至 2020 年的 1930 万片， CAGR 为 38.8%。 同时， Mobileye 营 收持续快速增长 ， 2014-2020 年 总营收 CAGR 为 37.4%。 高通是智能座舱芯片王者，四大方向全面布局汽车智能化 座舱的功能属性类似于手机， 高通 凭借在手机领域的优势，在汽车座舱 领域竞争力优势继续保持领先。此外，高通依托丰富的座舱芯片客户， 继续深耕汽车智能化领域 ，主要包括四个方面 ： 智能座舱、 ADAS/自动 驾驶、车联网和车对云平台。 行业观点 ： 我们看好“ 5G/AI 技术进步 +特斯拉催化”带来的新一轮自动驾驶行情。 区别于 2015-2016 年，这轮行情三大不同点： 1）软件取代硬件定义汽 车， E/E 架构升级成为关键已是行业共识； 2）用户版 L3 级 ADAS 功能 渗透率快速提升从而带来单车价值量上升； 3） AI 芯片作为未来汽车产 业链基石，发展先行。 我们看好汽车 AI 芯片板 块，全球主要的自动驾 驶芯片厂商包括 Mobileye、英伟达、高通、华为、地平线、黑芝麻等。 风险提示： 智能 驾驶行业发展 不及预期 ， 法律法规限制智能 驾驶发展 ， 中美贸易摩擦加剧的风险 Table_PicQuote 行业走势 Table_Report 相关研究 1、软件定义汽车 ，激光雷达开 启量产元年 2021-03-18 2、汽车行业深度：软件定义汽 车， 全栈自研国产龙头华为 2020-11-24 3、汽车行业深度：软件定义汽 车， 应用层功能是试金石 2020- 09-23 4、汽车行业深度：软件定义汽 车， 操作系统 是 汽车之魂 2020- 08-08 5、 汽车行业深度：软件定义汽 车， AI 芯片是生态之源 2020- 06-23 6、汽车行业深度：软件定义汽 车， E/E 架构是关键 2020-05- 31 7、汽车行业深度：软件定义汽 车， ADAS 正加速 2020-05-18 8、汽车行业深度：软件定义汽 车， 智能座舱先行 2020-04-20 Table_Author 2021 年 04 月 11 日 证券分析师 黄细里 执业证号： S0600520010001 021-60199793 -12% 0% 12% 24% 37% 49% 61% 73% 2020-04 2020-08 2020-12 2021-04 汽车 沪深 300 2 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 内容目录 1. 汽车智能化时代来临，车规级 AI 芯片黄金赛道 . 5 1.1. AI 芯片是智能汽车时代关键变量 . 5 1.2. 我们预计 2025 年我国汽车 AI 芯片市场超 92 亿美元，未来 5 年 CAGR 45.0% . 6 1.3. 集成更多 AI 单元是智能芯片技术路径发展的大趋势 . 7 1.4. 车规级芯片条件苛刻 . 9 1.5. 汽车 AI 芯片市场格局清晰，行业寡头垄断 . 10 2. 汽车 AI 芯片赛道长坡厚雪，孕育中国独角兽地平线 . 13 2.1. 地平线发展历程 . 13 2.2. 技术团队实力雄厚，股东 资源丰富 . 13 2.3. 汽车 +物联网双管齐下，产品化快速落地 . 15 2.3.1. 车规级 AI 芯片 “征程 ”系列 . 16 2.3.2. AIoT 边缘 AI 芯片 “旭日 ”系列 . 21 2.4. “AI 芯片 +算法 ”面向多场景的解决方案 . 21 3. 智能座舱切入智能驾驶，芯片巨头高通扬帆再起航 . 25 3.1. 智能座舱芯片王者，第四代数字座舱持续占领高端市场 . 26 3.2. ADAS/自动驾驶后来居上， Snapdragon Ride 平台布局全面 . 28 3.3. 率先发布 4G/5G 骁龙汽车平台，持续推进 C-V2X 落地 . 29 3.4. 推出车对云平台，拓展汽车后端服务增量 . 31 4. 背 靠英特尔， Mobileye 是全球 ADAS 市场龙头 . 31 4.1. Mobileye 是 ADAS 市场领头羊 . 31 4.2. EyeQ 系列芯片是 Mobileye 产品核心 . 33 4.3. REM 高精地图成为 Mobileye 贯通自动驾驶的桥梁 . 35 4.4. 自研激光雷达，完善自动驾驶产业链布局 . 36 4.5. 收购 Moovit，拓展出行服务野望 . 37 5. 行业观点 . 38 6. 风险提示 . 38 3 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 图表目录 图 1：汽车架构由分布式向中央集中式架构方向发展 . 5 图 2： L2-L4 级别自动驾驶每秒产生数据量 . 6 图 3： L2-L4 级别智能 驾驶 AI 芯片算力需求 . 6 图 4： CPU 结构 . 7 图 5： GPU 结构 . 7 图 6： FPGA 结构 . 8 图 7： N-SOC 结构 (华为达芬奇架构） . 8 图 8：主流厂商车载计算平台性 能参数对比 . 12 图 9：地平线发展历程 . 13 图 10： 地平线核心技术团队 . 14 图 11：地平线主要产品及应用领域 . 15 图 12：地平线芯片的 BPU 架构 . 17 图 13：地平线的征程二代 SOC 芯片 . 17 图 14： 2020 年征程二代芯片首次量产搭载在长安 UNI-T 上 . 17 图 15：地平线在北京车展发布征程 3，并与广汽研究院、广汽资本宣布战略合作 . 18 图 16：地平线 Matrix1.0 计算平台 . 19 图 17：地平线 Matrix2.0 计算平台 . 19 图 18： 地平线 “天工开物 ”AI 开发平台 . 20 图 19：单目前视解决方案 . 22 图 20：地平线与 Tier 厂商福瑞泰克达成 战略合作 . 22 图 21：基于征程 2 的 ADAS 解决方案搭载于奇瑞蚂蚁 . 22 图 22：地平线与上汽签署合作协议 . 22 图 23：奥迪在复杂路况下 (隧道、山岭 )进行自动驾驶演示 . 23 图 24： DMS 车载驾驶员监控系统 . 24 图 25：理想 ONE 多音区检测 . 24 图 26： SK 电讯众包高精地图更新 . 24 图 27：高通在汽车领域布局 . 25 图 28： 2015-2020 年高通年度营业收入较为稳定 . 26 图 29： 2019-2024 年高通汽车业务收入 CAGR 20.1% . 26 图 30： Snapdragon Ride 平台支持 L1-L5 级别智能驾驶 . 29 图 31： Snapdragon Ride 软件平台 . 29 图 32： 9150 C-V2X 芯片架构 . 30 图 33：高通骁龙汽车 4G/5G 平台部分合作企业 . 31 图 34： Mobileye 为市场主流 L2+车型提供解决方案 . 32 图 35： 2014-2020 年 EyeQ 芯片出货量 CAGR 38.8% . 32 图 36： 2014-2020 年 Mobileye 收入 CAGR 37.4% . 32 图 37： EyeQ3 芯片架构 . 34 图 38： EyeQ4 芯片架构 . 34 图 39：基于 EyeQ5 芯片打造的 SuperVision 系统 . 34 图 40： Mobileye Q5 将搭载于吉利极氪 001 车型 . 34 图 41： Mobileye 高精地图数据采集进度 . 35 图 42： Mobileye REM 高精地图在中国合作落地情况 . 36 4 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 图 43： Mobileye 总裁兼首席执行官 Amnon Shashua 在 2021CES 上推出激光雷达技术 . 36 图 44： Mobileye 激光雷达技术要求 . 37 图 45： Mobileye 出行即服务堆栈 . 38 表 1： 2030 年我国汽车 AI 芯片市场规模达 181 亿美元，十年 GAGR28.8% . 6 表 2： AI 芯片的主要技术路径 . 9 表 3： 汽车芯片标准远高于消费级 . 10 表 4：功能安全标准对故障等级要求苛刻 . 10 表 5： 汽车智能驾驶 AI 芯片对比 . 11 表 6： 地平线历史融资情况 . 14 表 7： 地平线征程系列芯片 . 16 表 8： 地平线计算平台系列产品 . 19 表 9： 地平线与部分车企合作情况 . 20 表 10： 地平线旭日系列芯片 . 21 表 11：高通与部分车企合作情况 . 26 表 12： 智能座舱域芯片玩家对比情况 . 27 表 13： 第 4 代高通骁龙汽车数字座舱平台功能亮点 . 28 表 14： 高通车对云服务七大优势特点 . 31 表 15： Mobileye EyeQ 系列芯片 . 33 5 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 1. 汽车智能化 时代来临 ， 车规级 AI 芯片 黄金赛道 1.1. AI 芯片是智能汽车时代关键 变量 汽车 由 分布式架构 向域控制 /中央集中式架构方向发展 。 传统 分布式硬件架构面临 智能汽车时代多维感知需求和海量非结构化数据处理的需求，一般每新增一个应用功能， 便新增对应的感知传感器、决策、执行层。随着智能网联汽车时代的到来，以特斯拉为 代表的汽车电子电气架构改革先锋率先采用中央集中式架构，即用一个电脑控制整车。 全球范围内各大主机厂均已认识到软件定义汽车的大趋势，纷纷升级自身的电子电气架 构，虽不同主机厂采用几个电脑控制整车的方案不同，但架构域控制 /集中化方向相同。 图 1： 汽车架构由分布式向中央集中式架构方向发展 数据来源： 地平线 产品发布会 ， 东吴证券研究所 智能驾驶处理数据量指数级提升， AI 芯片成为智能汽车时代的运算核心。 分布式 架构 一般可实现 低级别辅助驾驶， 由于需要处理的传感器信息相对较少， 采用 MCU 芯 片即可满足运算要求 。随着高级别智能驾驶的到来，更智能的汽车需要处理更大量的图 片、视频等非结构化数据，仅依靠传统 MCU 芯片不能满足运算需求，而 AI 芯片则可以 实现算得快、准、巧。我们重点参考地平线的数据， L3 级别自动驾驶产生的数据量是 2.3GB/s，对算力要求在 129TOPS 以上； L4 级别自动驾驶数据量达到 8GB/s，对算力要 求达到 448TOPS 以上。如果考虑功能安全的冗余备份，算力需求还要翻倍。 由于智能 驾驶对算力的 需 求，汽车业界已经将峰值算力当作衡量 AI 芯片的主要指 标，并掀起算力军备竞赛。 蔚来新款旗舰车型 ET7 搭载算力 超过 1016TOPS。上汽智己 新发布车型搭载算力 也达到 5001000TOPS。 6 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 图 2： L2-L4 级别自动驾驶每秒产生数据量 图 3： L2-L4 级别智能驾驶 AI 芯片算力需求 数据来源：地平线 产品发布会 ，东吴证券研究所 数据来源： 地平线 产品发布会 ，东吴证券研究所 1.2. 我们预计 2025 年 我 国 汽车 AI 芯片市场超 92 亿美元， 未来 5 年 CAGR 45.0% 假设： 1） 汽车市场容量预测。 2020 年汽车产量约 2500 万辆， 2021 年 我们 预计达 到 2700 万辆， 假设我国汽车产量 2022-2025 年复合增速为 2%。 2）各级别自动驾驶渗透率 预测 。 L3、 L4 级 分别 于 2020 年 、 2023 年规模量产， 每 年 并以 3-4%渗透率提升。根据 工信部发布的汽车中长期发展规划指出，我国 2020 年自动驾驶渗透率达 50%， 2025 年渗透率达 80%。 L3 级于 2020 年开始量产并规模投 放市场，渗透率快速提升，随着 L4 级车于 2023 年开始量产， 低级别渗透率陆续到达渗 透率峰值后又缓慢下降 。 3）各级别自动驾驶 AI 芯片单车价值预测。 2020 年 L1-L3 级 AI 芯片 单车 价值 分别 为 50 美元 、 150 美元 、 500 美元， 随着技术逐渐成熟， 2030 年下降到 41 美元、 111 美 元、 315 美元 。 我们预计到 2023 年 L4 级高级自动驾驶出现， AI 芯片单车价值约为 1500 美元，到 2030 年下降到 931 美元。 2025 年 我国 AI 芯片市场超 92 亿美元，未来 5 年复合增速达 45% 。 经 我们 测算， 2020 年我国汽车 AI 芯片 市场规模为 14 亿美元，随着汽车 EE 架构加速升级 ， 域控制器 /中央计算平台被广泛使用 ，到 2025 年 AI 芯片 市场规模达 92 亿美元， CAGR 为 45.0%， 到 2030 年将达 181 亿美元，十年复合增速 28.8%。 表 1： 2030 年我国汽车 AI 芯片市场规模达 181 亿美元，十年 GAGR28.8% 2020E 2021E 2022E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E 渗透率 L1/L0 25% 28% 28% 25% 20% 16% 13% 10% 8% 6% 4% L2 23% 27% 30% 29% 27% 24% 22% 20% 18% 16% 14% L3 2% 7% 13% 19% 23% 26% 28% 26% 24% 22% 20% L4/L5 3% 9% 14% 19% 27% 35% 43% 51% 合计 50% 62% 71% 76% 79% 80% 82% 83% 85% 87% 89% 7 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 ASP （美元） L1/L0 50 49 48 47 46 45 44 43 43 42 41 L2 150 146 141 137 133 129 125 121 118 114 111 L3 500 475 451 429 407 387 371 357 342 329 315 L4/L5 1500 1350 1242 1143 1086 1031 980 931 市场规 模（亿美 元） L1/L0 3 4 4 3 3 2 2 1 1 1 1 L2 9 11 12 11 10 9 8 7 7 6 5 L3 3 9 16 23 27 30 31 28 26 23 21 L4/L5 13 35 51 65 90 113 134 155 AI 芯片 /亿美元 14 23 32 50 75 92 107 127 146 164 181 YOY 53.3% 63.4% 35.3% 58.6% 49.2% 22.5% 15.6% 19.3% 15.1% 12.2% 10.0% 域控制器 /亿美元 29 47 64 101 150 184 213 254 293 328 361 数据来源： 中国汽车工业协会，东吴证券研究所预测 1.3. 集成更多 AI 单元是智能芯片技术路径发展的大趋势 CPU，又称中央处理器， 擅长逻辑控制和通用类型数据运算 ，具有不可替代性 。 CPU 有 很强的通用性 ，可 处理不同的数据类型， 主要负责 顺序控制、操作控制、时间控制、 数据加工 等操作，因此在任何一个电脑或嵌入式的计算中都有 CPU 或其裁剪版本。 CPU 由控制器（ Control），寄存器（ Cache、 DRAM）和逻辑单元（ ALU）构成 ，其中控制器 和寄存器占比较大，而处理数据的逻辑单元占比较小 ， 因此对于专用领域数据处理 能力 较弱。 代表厂商即为 X86 处理器的英特尔和嵌入式处理器的 ARM。 GPU，又称图形处理器，俗称显卡， 擅长大规模并行计算。 GPU 拥有 计算单元数量 众多和超长的流水线， 处理的 数据类型通常为高度统一的、相互无依赖， 省去了大量 CPU 的不必要控制 指令计算模块， 并行计算能力较 CPU 强。 随着人工智能的发展， GPU 不 断被应用于 数值模拟、机器学习 、视觉处理、语音识别 等 领域，厂商代表即为英伟达。 图 4： CPU 结构 图 5： GPU 结构 数据来源： CSDN， 东吴证券研究所 数据来源： CSDN， 东吴证券研究所 8 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 FPGA 全称是 Field Programmable Gate Array： 又称 可编程逻辑门阵列，算力较 高，适合小规模 定制化 开发测试 。 用户可通过烧入配置文件来定义其内部结构的连线， 从而达到定制电路的目的 。 FPGA 的芯片 量 产成本较高，能 效比 较差，不如 ASIC 专用 芯片 。 适用于科研、企业开发阶段，一旦方案确定，其成本优势就不再突出。 代表 厂商 ： 赛灵思、阿尔特拉 （被英特尔收购） 、深鉴科技。 ASIC 全称是 Application-Specific Integrated Circuit： 是一种为专门目的而设计的 集成电路 ， 具有算力 最 高，能 效 比 优 等 特 点 。 ASIC 面向特定用户的需求 ， 适合较为单 一的大规模应用场景， 运行速度在同等条件下比 FPGA 快 。但 在架构层面 对特定智能算 法作硬化支持，指令集简单或指令完全固化 ，若场景一旦发生变化，该类 AI 芯片便不 再适用，需要跟新换代。面对现阶段， AI 算法日新月异，每年都有大量的算法被开发出 来，对于自动驾驶领域适用性不强。所以现阶段并没有真正意义上的 ASIC 芯片。 N-SOC，（即添加神经网络单元的系统级芯片）是指在芯片中集成更多的神经网络 单元，以实现快速的 CNN（卷积神经网络）运算。 N-SOC 是现阶段市场的新名词，主 要系随着 AI 芯片的发展，传统定义方法并不完全适用， N-SOC 区别于 ASIC 的智能算 法被硬化 ，但其并不是一颗完全通用芯片，仅支持少量的算法 。 典型的代表企业： 英特 尔旗下的 Mobileye、华为 （ 达芬奇架构 Ascend 系列） 、寒武纪 （ MLU 系列 ） 、百度 （ 昆 仑云 ） 、阿里平头哥 、 Google（ TPU） 等。 图 6： FPGA 结构 图 7： N-SOC 结构 (华为达芬奇架构） 数据来源： CSDN，东吴证券研究所 数据来源：华为 产品发布会 ，东吴证券研究所 由通用向专用排序依次： CPU、 GPU、 FPGA、 ASIC；数据处理成本经济性（由优 至差）： ASIC、 FPGA、 GPU、 CPU。 1） CPU 最 通用，算力差，能 效比最 差，但除了运 算，还包括控制指令，不可被替代； 2） GPU 为 较为 通用 的 芯片，算力 高 ， 架构较为开 放，可允许主机厂基于底层硬件架构开发自己的专门 算法 ，但 能 效比较差 ； 3） FPGA， 算力一般，可根据客户需求 用配置文件更改芯片结构的连线，实现定制电路，适用于实 验室科研、前期开发等小批量应用 ； 4） ASIC 为专用 芯片，算力高、能 效比 优，节约不 必要开发资源， 规模 量产成本最低 ， 但支持算法不够灵活 。 9 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 表 2： AI 芯片的主要技术路径 CPU GPU FPGA ASIC 定义 中央处理器 图像处理器 现 场可编程逻辑门阵列 专用处理器 架构区别 70%晶体管用来构建 Cache,还有部分控制单 元，计算单元少，适合运 算复杂，逻辑复杂，但量 少的场景，具有不可替代 性 晶体管大部分构建计算单 元，运算复杂度低，适合 大规模并行计算。支持各 种编程框架，较 FPGA 和 ASIC 更通用 可编程逻辑，计算效率 高，更接近底层 IO，通 过冗余晶体管和连线实现 逻辑可编程 晶体管根据算法定制，功 耗低、计算效能高、计算 效率高。为特定需求专门 定制的芯片，编程框架固 定，更换算法需重新设计 计算能力和 效率 算力最低，能效比 差 算力 高 ，能效比中 算力中，能效比 优 算力高，能效比 优 上市速度 快，产品成熟 快，产品成熟 快 上市速度慢，开发周期长 成本 用于数据处理时，单价 成 本 最 高 用于数据处理时，单价 成 本高 较低的试错成本 成本高 ，可复制，量产规 模生产后成本可有效降低 性能 最 通用 （控制指令 +运 算） 数据处理 通用性强 数据处理能力较强，专用 AI 算力最强，最 专用 适用场景 广泛应用于各种领域 广泛应用于各种 图形处 理、 数值模拟、机器学习 算法 领域 适用成本要求较低的场 景，如军事、 实验室、科 研 等 主要满足场景单一的消费 电子 等 高算力需求 领域 数据来源： CSDN， 东吴证券研究所 整理 AI 芯片通过添加神经网络单元实现 AI 运算的更高效 。 目前市场对未来汽车 AI 芯 片采用通用 GPU、 FPGA、 ASIC 芯片方案仍有较大争议，我们认为 汽车数据处理芯片不 断异构化，通过不断添加神经网络单元实现 AI 运算是未来发展的主要方向。除了华为、 地平线、寒武纪等 AI 芯片不断增加神经网络单元外，而作为通用 GPU 的代表供应商英 伟达的自动驾驶系列芯片，也通过添加神经网络单元，以实现对 AI 处理越来越高效。 但总体而言 GPU 仍功耗较高，丰富的通用模块可实现对各种场景的适用性，但也带来 了成本过高，功耗过高的问题。而新出现的 N-SOC 虽不是 ASIC 固定算法，具有成本 / 功耗较低等优点，但其针对各种场景的适应性仍较弱。在汽车领域， 两者未来性能、成 本等方面会有相互靠近的趋势。 1.4. 车规级芯片 条件苛刻 车规级芯片标准远高于消费级 ， 认证流程长。 1）工作环境更为恶劣 ：相比于消费 芯片及一般工业芯片，汽车芯片的工作环境温度范围宽（ -40 至 155 摄 氏度）、高振动、 多粉尘、多电磁干扰。 2）可靠性安全性要求高 ：一般的汽车设计寿命都在 15 年或 20 万 公里左右，远大于消费电子产品寿命要求。在相同的可靠性要求下，系统组成的部件和 环节越多，对组成的部件的可靠性要求就越高。 3）车规级芯片认证流程长 :一款芯片一 10 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 般需要 2 年左右时间完成车规级认证，进入车企供应链后一般拥有 5-10 年的供货周期。 表 3： 汽车芯片标准远高于消费级 参数要求 消费级 工业级 汽车级 温度 0-40 零下 1070 零下 40155 湿度 低 根据使用环境而定 0-100% 验证 JESD47（ Chips) ISO16750(Modules) JESD47（ Chips) ISO16750(Modules) AEC-Q100（ Chips) ISO16750(Modules) 出错率 3% 90% 60% ASIL C 97% 80% ASIL D 99% 90% 数据来源： ISO26262 标准 ，东吴证券研究所 1.5. 汽车 AI 芯片市场格局清晰，行业寡头垄断 截止 2020 年， 根据 Mobileye 数据，其 占据约 70%量产车市场 。随着 L1/L2 级辅助 驾驶逐步演进到 L3 级别智能驾驶，消费电子 /通信领域的 英伟达、华为、高通 以及国内 的初创企业 地平线、黑芝麻等 加速入场抢夺汽车 AI 芯片市场份额。 算力、功耗、生态 等成为各家芯片厂商抢夺市场的核心竞争力。 特斯拉 FSD 芯片自研自用，引领产业发展，属于独立一级。 特斯拉搭载的芯片经 历 Mobileye EyeQ3 与英伟达 DRIVE PX2，后期选择 自研。 主要优势： 由于其 自 研 自用 ， 根据需求研发专用芯片， 减少不必要的软硬件模块， 1）缩短研发周期， 减少研发设计工 作量 ； 2）提升能效比 ； 3）用户数据驱动研发优化。 主要 劣势： 1） 生态较为封闭 ， 仅内 部开发和使用，无法建立完善的生态体系。 2） 若 使用 量有限 ， 芯片研发需要投入大量资 11 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 金， 软硬件开发的成本难以通过大规模使用均摊成本。 全球 GPU 领域 AI 龙头英伟达和背靠英特尔的汽车 AI 芯片龙头 Mobileye 属于第 一阵列 。 NIVIDA 作为通用 AI 芯片龙头，对外提供芯片级产品， 具备最完善的软件工具 链和应用生态 。 Mobileye 背靠 英 特尔，提供 芯片 +算法绑定的一体式解决方案 ，客户资 源最丰富且已实现量产验证，但黑盒捆绑销售模式一定程度上限制了用户创新。 短期来 看， Mobileye 面向 L3 级以下市场，产品 更加成熟 。 中长期来看， 英伟达 面向 L3 级以上 市场 在 AI 领域实力深厚，后发有力，优势会更加突出。 高通与华为属于 1.5 阵列，有望快速突围进入第一阵列 。高通在通信及消费电子领 域优势明显，基于智能手机芯片的成功经验，已成为智能座舱域芯片龙头。在智能驾驶 领域，高通于 2020 年 1 月推出了 Snapdragon Ride 平台，正加速推广应用中。华为 AI 芯片云边端领域全覆盖 ， 技术实力雄 厚。 华为 面向智能驾驶领域， 对应产品 为 昇 腾 310 （面向所有边缘侧）、 昇 腾 610（专用于汽车领域） 、 昇 腾 320 等 。 此外， 2020 年 9 月， 华为 对外 发布新一代车规级 MDC 计算平台 （包含 MDC600、 MDC300、 MDC610、 MDC210） 。 地平线 属于 强势 第 2 阵列 ， 对外 可 提供 解决方案 类产品 （芯片 +算法），也可以单独 供应。 作为中立第三方，芯片和算法可分开销售或一体式解决方案，受客户信任 ，有望 逐步实现国产替代。 表 5： 汽车智能驾驶 AI 芯片对比 特斯拉 英伟达 Mobileye 华为 地平线 高通 芯片名称 FSD Xavier Orin EyeQ5 昇 腾 610 征程 3 代 征程 5/5P 骁龙 Ride 时间 2019 2019 预计 2022量 产 2021 2019 2020 2021（预计） (预计 2022年 /域控制器） 功能安全 / ASIL-D / ASIL-D ASIL-D ASIL B(D) ASIL B(D) / 工艺 14 nm 12nm 7nm 7nm 12nm 16nm / / AI 算力 72TOPS 30TOPS 200TOPS 2*12TOPS 16TOPS 5TOPS 96/128TOPS 300+TOPS 功耗 36W 30W 45W 2*5W 8W 2.5W 20W/35W 40-70w 能效比 2TOPS/W 1TOPS/W 4TOPS/W 2.4TOPS/W 2TOPS/W 2TOPS/W 2TOPS/W / 企业对应市 场 Model SX3 应用 全球六家 Tier 和小 鹏等 理想、小鹏、 蔚来、上汽 智己 广汽、吉利、 宝马等 长安、北汽蓝 谷、奇瑞等 广汽、奇瑞 等 / 长城等 总结 专用性能 高，能耗低 生态丰富 ;GPU 功耗略高 , 擅长高算力的云芯片 黑盒难定制 开发 华为生态，擅 长云、边、端芯 片 生态有待提升 擅长端侧芯 片 数据来源： 各公司官网， 东吴证券研究所 不完全整理 各计算平台的算力均超百 TOPS。 计算平台各厂商 车载计算平台竞争格局来看，英 12 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 伟达 算力相对领先，但算力利用率相对较低；而特斯拉、 Mobileye 等虽然算力并不突出， 但是由于芯片 +算法均采用自研，所以算力利用率相对较高。 图 8： 主流厂商车载计算平台性能参数对比 数据来源： 各芯片公司 官网 ， 东吴证券研究所 整理 13 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 2. 汽车 AI 芯片赛道长坡厚雪，孕育中国独角兽地平线 地平线 ，全称 北京地平线机器人技术研发有限公司 ， 成立于 2015 年 7 月， 是边缘 人工智能芯片的全球 领导者 ，具有领先的人工智能算法和芯片设计能力。 创始人系 前 百 度深度学习研究院院长余凯博士。 2017 年 12 月发布中国首款边缘端人工智能视觉芯片 征程（ Journey）系列和旭日（ Sunrise）系列。征程系列 芯片 主要用于智能驾驶领域，旭 日系列 芯片 主要用于物联网领域。合作伙伴包括奥迪、博世、长安、比亚迪、上汽、广 汽等国内外的顶级 Tier1， OEM 厂商。 2.1. 地平线发展历程 公司成立于 2015 年，专注于边缘端 AI 芯片。 地平线战略聚焦于车规级智能驾驶 AI 芯片 +AIoT 边缘 AI 芯片 的研发和产业落地， 对外主要提供解决方案类产品 （芯片 + 软件 算法） 。公司已发布 车规级 AI 芯片 ：征程 1.0、征程 2.0、征程 3.0； 自动驾驶 计算 平台： Matrix1.0、 Matrix2.0； AIoT 边缘 AI 芯片 旭日 1、 2、 3； AI 开发平台：天工开物 等多类产品。 2020 年 3 月， 长安 UNI-T 座舱域搭载 车规级 AI 芯片 地 平线征程二 代，实现首次前装量产 。 图 9： 地平线 发展历程 数据来源： 公司 官网 ，东吴证券研究所 绘制 2.2. 技术团队实力雄厚，股东资源丰富 核心技术骨干来自百度等科技巨头 ，团队实力强劲。 地平线创始人 &CEO 余凯 博士， 曾任百度深度学习研究院常务副院长，百度研究院执行院长 ，创建并领导 百度深度学习 研究院 (IDL)、百度自动驾驶团队和百度大脑 PaddlePaddle 等项目 。他也 是曾担任两大著 名机器学习国际会议 ICML 和 NIPS 的领域主席（ Area Chair）为数不多的几位华人学者 2015.7 2015.9 2016.3 2016.3 2016.9 2017.3 20 17 .6 2019.4 地平线成立，率 先提出聚焦边缘 AI 芯片方向 启动第一代人工 智能计算架构 B P U 研发 发布第一代 B P U 架 构 高斯架构 推出自动驾驶软 件系统“雨果” 平台 成立南京研发 中心 成为全球 首个在台 积电流片 的 AI 芯片 公司 成立上海自动驾 驶研发中心 2019.6 2019.8 2020.1 2020.3 2020.9 2020.9 2017.122018.42018.42018.42018.1 12019.1 发布新一代 A I oT 智能应用 加速引擎 旭日 2 自动驾驶感知计 算平台 M at r i x 斩获 美国 C E S 创新奖 联合清华大学张 钹院士领衔的国 内著名 AI 学者团 队和南京市政府， 成立南京人工智 能高等研究院 发布征程 2.0 架构 和基于征程 2.0 的 高级别自动驾驶 计算平台 M at r i x1.0 成为首个赋能 海外 R oboT axi 商业落地的 AI 芯片公司 发布面向智能驾驶的 征程 ( J our ney ) 1.0 处理 器和面向智能摄像头 的旭日 ( S unr i s e) 1.0 处 理器 正式提出 “ A I on H or i zon ， J our ney T og et her ” 战 略 获评麻省理工科 技评论 2019“50 家 最聪明的公 司” ( T R 50) 宣布量产征程 2 在 C E S 2020 上正 式发布基于征程 2.0 的 M at r i x 2 自 动驾驶计算平台 征程 2.0 搭载于长 安 UNI - T 前装量 产，地平线车规 级 AI 中国芯首次 前装量产 宣布推出全新一代 A I oT 边缘 AI 芯片平 台 旭日 3 在 2020 年北京国际 汽车展览会上正式 发布征程 3 ，并推出 升级版的“天工开 物” AI 开发平台 2.0 14 / 39 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业 深度报告 之一 ， 2011 年在斯坦福大学计算机系任兼职教授 。 此外，他被 2017 年福布斯杂志 评选 为 “ 20 位驱动中国人工智能改革的科技领导者” 之一。 除了创始人余凯以外，联合 创始人 &算法副总裁黄畅、地平线通用 AI 首席科学家 &硅谷研究院负责人徐伟、智能驾 驶研发总监余轶南均来自百度 IDL。 图 10： 地平线核心技术团队 数据来源： 地平线 官网 ，东吴证券研究所 绘制 团队规模上，地平线在硅谷、北京、上海、南京等地均设有研发中心和商务运营团 队，截至 2019 年底共有 1400 余人，其中研发人员占比 70%以上。团队成员大多毕业于 国内外著名学府，在人工智能算法和芯片架构研发方面作出多项世界级的成果和产品。 C 轮 9 亿美元融资落定，产业资本加持集中优质资源。 2020 年 12 月以来，地平线 先后获得 3 批