资源描述
敬请参阅最后一页特别声明 1 行业观点 特斯拉 HW4.0 硬件曝光，我们认为新一代硬件升级将持续利好计算芯片、存储芯片、光学模组、以太网接口、GPS 模组、通信模组和域控制器。具体体现在：1）FSD 芯片性能小幅提升，内核数量从 12 个提升到 20 个，TRIP 内核数量从 2 个增加到 3 个。HW4.0 背板的 CPU 和 GPU 保持不变，仍然基于 AMD 架构，HW4.0 整体提升了算力并降低功耗；2）内存容量、规格和价值量大幅度提升，容量上从 8 颗 2GB 升级到 16 颗 2GB，规格上从 LPDDR4 升级到 GDDR6，以往因算力需求不高以及 GDDR 功耗过高等因素，导致车厂普遍使用 LPDDR 系列芯片，特斯拉开创了在车载领域使用 GDDR 的先河，预估价值量从上一代的 20 美元提升到约 200-250 美元；3）HW4.0 的摄像头接口由 9 个增至 12 个，前视摄像头采用像素更高的 IMX490，对连接器的数据传输能力和可靠性提出更高要求；4）新增以太网连接器是单对线车载以太网接口，目的是接入 4D 毫米波雷达，相较于传统毫米波雷达，连接器由 CAN 接口升级为百兆以太网接口，最高传输速率有百倍提升；5）GPS 模块连接器新增 L5 频率，由双频升级为三频，以提升定位精度；6）HW4.0 采用 LTE-A 车规级无线通信模组 AG525R-GL，但蓝牙与 WiFi 还是 LG INNOTEK 的 ATC5CPC001，未来有进一步集成的空间。投资逻辑 自动驾驶和新能源应是未来 15 年最大的科技变革。从人驾到类似智能服务器装四轮驱动的自驾的转变将对硬件产业链形成巨大的提升，大幅提高激光雷达,摄像头,毫米波雷达,CV2X等感知层芯片,GPU/CPU/FPGA/AI芯片等决策层芯片，以及高速以太网接口等执行层芯片的需求。我们认为从传统燃油车转向新能源汽车，接着是 SAE L3-5 级自动驾驶的占比提升，加上电动车及自动驾驶的技术演进（耗能降低，电池密度提升，电源转换系统重量降低，摄像头，传感器，激光雷达数量提升，及人工智能芯片运算能力提升但要求耗能持续降低），这些技术演进将逐步拉升每台新能源车的半导体价值，这两大驱动力对全球汽车半导体公司及产业未来二十年将产生重大影响。我们看好自动驾驶的发展对硬件产业链形成巨大加持，下列板块有望持续受益：1）算力芯片：AI 拉动 GPU/FPGA/ASIC 量价齐升；2）存储芯片：看好 2023 年存储板块止跌反弹；3）高速连接器：智能化驱动量价齐升，国产化有望快速提升；4）车载摄像头：智能化驱动成长，转型 Tier1 打开长期空间。5）车载雷达：短期内看好 4D 毫米波雷达弥补纯视觉短板，长期看好多传感器视觉融合趋势。成本约束下的智能驾驶功能深化是确定趋势。特斯拉智能驾驶系统迭代聚焦算力提升与芯片自研，提升智能驾驶功能、降低量产成本。在特斯拉的引领下，同时伴随国内新能源车渗透率从 22 年的 25%向 35%演进，23 年新车型大幅增加竞争加剧的大背景下，降成本将成为 2023 年汽车产业链的主旋律之一。国内车企通过模组制式升级与定位精度提升等多元技术路线深化智驾功能，补充算力算法不足。未来多功能集成与通信制式升级带来模组价值量提升，卫惯组合伴随北斗系统完善有望迎来市场扩容机会，智驾域控与新型传感器成本下降加速搭载率提升。投 资 建 议与 估值 我们认为随着特斯拉新一代硬件的升级，将有力推动自动驾驶向前发展，利好底层计算芯片、存储芯片、光学模组、以太网接口、高速连接器、GPS 模组、通信模组和域控制器。建议重点关注：英伟达、AMD、裕太微、北京君正、经纬恒润、移远通信、美格智能、华测导航、电连技术、韦尔股份。风险提示 海外市场陷入衰退；新能源车和自动驾驶渗透率提升不如预期；各下游市场需求不如预期；美国加大对华制裁力度。行业专题研究报告 敬请参阅最后一页特别声明 2 内容目录 一、自动驾驶的前世与今生.4 1.1 自动驾驶浪潮越演越烈.4 1.2 自动驾驶政策先行，商用化处于初级阶段.6 1.3 自动驾驶的发展对硬件产业链形成巨大成长加持.7 二、从特斯拉自动驾驶迭代看电子发展方向.9 2.1 计算芯片：AI 拉动 GPU/FPGA/ASIC 量价齐升.10 2.2 存储芯片：看好 2023 年存储板块止跌反弹.12 2.3 高速连接器：智能化驱动量价齐升，国产化有望快速提升.14 2.4 车载摄像头：智能化驱动成长，转型 Tier1 打开长期空间.15 2.5 车载雷达：短期 4D 毫米波雷达弥补纯视觉短板，长期看好多传感器融合趋势.18 三、从特斯拉硬件迭代，看低成本智能化发展方向.20 3.1 模组通信制式升级趋势确定，关注未来进一步集成空间.20 3.2 融合定位方案是国内车企实现高阶自动驾驶的必由之路.22 3.3 智驾域控在传感器与处理器等环节具备成本下降空间.23 四、风险提示.24 图表目录 图表 1：自动驾驶分感知层、决策层和执行层.4 图表 2：自动驾驶等级划分.4 图表 3：2023 年中国 ADAS 渗透率有望达 60%.5 图表 4：行业内主机厂在自动驾驶上呈现不同的布局思路.5 图表 5：自动驾驶产业图谱.6 图表 6：各国自动驾驶政策加速落地.7 图表 7：全球电动车及 L3-L5 自驾车销量的占比变化.8 图表 8：2030 年全球半导体细分赛道增长预测.8 图表 9：每车半导体价值及车用半导体占全球份额变化.8 图表 10：人驾燃油车 vs 自驾电动车每车半导体价值比较.9 图表 11：特斯拉 HW1.0到 HW4.0 硬件持续升级.10 图表 12：特斯拉自动驾驶总里程数接近 9000 万英里.10 图表 13：CPU、GPU、FPGA、ASIC 特点对比.10 图表 14：2030 年全球 GPU 市场规模有望达 4774 亿美元.11 图表 15：英伟达主导独立 GPU 市场.11 图表 16：中美 TOP500 超算对比.11 YWAZxOsPmPrQrPsRqNpQqRbRdN9PtRoOsQmPkPrRnOeRpPvM8OrQsPNZnOnNMYmOvM行业专题研究报告 敬请参阅最后一页特别声明 3 图表 17：国内外主流 GPU 对比.11 图表 18：国内 GPU 产业链情况.11 图表 19：2030 年全球 FPGA 市场规模有望达 221 亿美元.12 图表 20：HW4.0 在内存规格、容量和价值量上大幅提升.13 图表 21：内存规格对比.13 图表 22：2027 年存储芯片市场规模 2630 亿美元.13 图表 23：半导体行业增速与资本开支增速呈强相关.14 图表 24：存储市场增速与厂商资本开支增速呈强相关性.14 图表 25：历史上当美光宣布削减资本开支时股价往往见底.14 图表 26：中国高速连接器市场快速成长.14 图表 27：2019 年全球汽车连接器行业竞争格局.15 图表 28：中国高速连接器市场快速成长.16 图表 29：2020 年车载摄像头镜头市场格局.17 图表 30：2020 年车载感知类摄像头镜头市场格局.17 图表 31：车载摄像头模组市场格局.18 图表 32：自动驾驶所需传感器示意图.18 图表 33：4D 毫米波雷达与 3D 毫米波雷达成像对比.19 图表 34：国内外厂商在 4D 成像雷达上的布局.19 图表 35：2021-2027E 全球自动驾驶雷达市场规模 CAGR 有望达 14%.20 图表 36：车规级无线通信模组产品线.21 图表 37：主要模组厂商推出模组集成多种功能.21 图表 38：2021 国内车载模组市场份额.21 图表 39：主流自动驾驶乘用车的高精定位方案及其主要供应商.22 图表 40：我国卫星导航与位置服务业产值及增速.23 图表 41：高精定位市场规模与增速.23 图表 42：部分厂商自动驾驶域控制器已配套量产或定点.23 图表 43：TI 级联雷达系统.24 图表 44：4D 毫米波雷达搭配车型.24 行业专题研究报告 敬请参阅最后一页特别声明 4 一、自 动驾 驶的 前 世与 今生 1.1 自动驾驶浪潮越演越烈 自动驾驶汽车指主要依靠人工智能、视觉计算、雷达和全球定位及车路协同等技术，使汽车具有环境感知、路径规划和自主控制的能力，从而可让计算机自动操作的机动车辆。美国、德国等国家均将自动驾驶汽车视为未来汽车产业发展的主流趋势，各方面投入持续加大。自动驾驶系统可以分为感知层、决策层、执行层，分别代替人的眼睛、大脑、手脚。有别于传统人工驾驶车辆，自动驾驶车辆最大特点是 AI 技术的主导，其驾驶过程是机器不断收集驾驶信息并进行信息分析和自我学习从而达到自动驾驶的系统工程。感知层负责感知、采集和处理车内信息和环境信息，主要包括智能硬件（传感器、RFID 及车载视觉系统等）、导航（GPS、北斗以及惯性导航系统）、路侧设备等。车内所采用的传感器包括激光雷达、摄像头、毫米波雷达、超声波雷达等，并基于高精地图、GNSS 卫星定位、IMU 惯性导航等进行路测辅助。决策层依据感知层获取的信息进行决策判断，制定相应控制策略，替代人类做出驾驶决策。决策层主要包含操作系统、芯片、计算平台和算法等，被视为自动驾驶的中央大脑。决策算法需要覆盖多数罕见路况的海量数据以及完善高效的人工智能技术。硬件主要是各类计算芯片、自动驾驶域、域控制器等。执行层是指系统在做出决策后，替代人类对车辆进行控制。车辆的各个操控系统都需要能够通过总线与决策系统相链接，并能够按照决策系统发出的总线指令精确地控制加速程度，制动程度以及转向幅度等驾驶动作。其中，执行层主要包含动力总成（发动机或电机）、制动以及各类电子电气系统。图表1：自动驾驶分感知层、决策层和执行层 来源：CSDN，Apollo 开发者社区，国金证券研究所 关于自动驾驶的分级标准目前有两种，即 NHTSA（美国高速公路安全管理局）和 SAE（国际自动机工程师学会）。目前行业主流采用 SAE 的分级标准：根据无人驾驶发展程度、自动化程度，将智能网联汽车的无人驾驶等级由低到高划分为 6 个层级。一般以 L3 级别为界，将 L3 级及以上视为“高级别自动驾驶”，L3 以下被称为辅助驾驶。L0-L2 级被视为自动驾驶辅助系统（ADAS），由 L2 级跃升到 L3 级后，动态驾驶任务的接管者主体发生改变，由驾驶员转变为车辆系统。L2 级的 ADAS（高级驾驶辅助系统）是实现高等级自动驾驶的基础，目前全球自动驾驶处于 L2 向 L3 级别转化的过程。图表2：自动驾驶等级划分 来源：太平洋汽车网，国金证券研究所 当前 L1/L2 级自动驾驶车辆渗透率已达 50%以上。目前市面上的自动驾驶功能的汽车仍NHTSA SAE 驾驶操作 周边监控0 0 无自动化 由人类驾驶者全权驾驶汽车 人类驾驶员 无1 1 驾驶支援车辆对于方向盘和加减速中的一项操作提供驾驶，人类驾驶员负责其余的驾驶动作。人类驾驶员和车辆2 2 部分自动化车辆对于方向盘和加减速中的多项操作提供驾驶，人类驾驶员负责其余的驾驶动作。3 3 有条件自动化由车辆完成绝大部分驾驶操作，人类驾驶员需保持注意力集中以备不时之需。4 高度自动化由车辆完成所有驾驶操作，人类驾驶员无需保持注意力，但限定道路和环境条件。5 完全自动化 由车辆完成所有的驾驶操作，人类驾驶员无需保持注意力。所有场景自动驾驶分级名称 定义描述动态驾驶任务应急接管 应用场景4有限场景车辆车辆车辆人类驾驶员人类驾驶员行业专题研究报告 敬请参阅最后一页特别声明 5 是以 L1/L2 辅助驾驶功能为主，包括拥堵时自动辅助驾驶、自动危险预判刹车、高速/封闭路巡航、自动泊车，但驾驶的主体责任仍然在驾驶员。目前，L1、L2及 L3 智能驾驶技术将仍是中国自动驾驶技术的主流。预计能够实现 L4 级别功能的车型将于 2024/2025年正式上市，首批 L5 级自动驾驶汽车将于 2025-2030 年间上市。根据中商产业研究院的数据，2021 年中国 L0 自动驾驶汽车渗透率超过 50%，L1为 25%、L2 为 20%。随着自动驾驶技术的发展，预计到 2023 年，中国 ADAS（L1+L2）智能驾驶技术的渗透率预计将达到约 60%。图表3：2023年中国ADAS渗透率有望达 60%来源：中商产业研究院，国金证券研究所 在自动驾驶的浪潮下，行业内各家主机厂积极布局，呈现出不同思路。1）国际巨头通常采取稳扎稳打、缓步推进的策略，从 L1/2 低级别辅助驾驶逐步切入 L4 高级别驾驶，同时通过投资或持股业内创业公司孵化内部团队；2）国际与国内新势力车企将自动驾驶视为核心竟争优势，通过自研芯片、算法等将自动驾驶的核心能力牢牢掌握在自己手中；3）国内较小型主机厂多采用拿来主义，由于研发能力相对较弱通常与大厂联合,以确保在自动驾驶不落人后(如赛力斯与华为合作)。4）国内传统强势主机厂呈现多方向探索，对芯片与算法公司进行财务投资,或在探索自研路径的同时采购供应商方案。也有传统强势主机厂与巨头联合，采用合资或者战略合作的方式共同孵化独立品牌，如吉利与百度合作推出的“集度 JiDu；5）出行平台公司在无人驾驶运营场景发力,如滴滴押注无人驾驶出租车场景,落地自动驾驶方案。图表4：行业内主机厂在自动驾驶上呈现不同的布局思路 来源：科尔尼，国金证券研究所 产业链长，“感知-决策-执行”构成产业链上通路，中游为整车厂+解决方案提供商双架构，下游场景丰富多元。自动驾驶功能的实现需要汽车制造商、零部件供应商、车载计算平台开发商、出行服务供应商等多方主体参与，因此产业链较长。其中上游包括感知层、决策层和执行层，涉及传感器、软件算法、芯片设计制造、高精地图、通信模组、域控制器等0%10%20%30%40%50%60%70%2021 2022 2023E 2024E 2025EL0 L1 L2行业专题研究报告 敬请参阅最后一页特别声明 6 众多玩家。中游为整车厂和平台层，整车厂包括传统的车企以及所谓的造车新势力，,前者以燃油车为主，如大众、吉利等，后者主打新能源汽车，如特斯拉；方案供应商则主要包括汽车行业传统的 Tier1 及一些高科技公司，典型的公司包括蘑菇车联、百度 Apollo。下游主要为整车厂和第三方服务,在 L4 级自动驾驶模式下，用户需求派生出多个不同的应用场景，涵盖用户包括 G 端、B 端、C 端不同用户及不同使用场景。与此同时业务模式也变得更加多元，自动驾驶公司的角色可能不仅仅是供应商，也可能作为运营商推动自动驾驶技术在城市开放场景、高速场景和封闭场景的商用车端相关应用落地，提供丰富多元的场景化服务。图表5：自动驾驶产业图谱 来源：36 氪研究院，国金证券研究所 1.2 自动驾驶政策先行，商用化处于初级阶段 自动驾驶相关法律法规加速拟定和逐步完善。自动驾驶商业化落地的社会环境条件已得到各国政府重视，相关立法工作正在加快。自 2012 年 Google 获得美国加利福尼亚州首个自动驾驶汽车测试牌照以来，发达国家均在积极推动自动驾驶汽车新政策的制定和引导。美国率先引领自动驾驶政策落地，早在 2013 年就已出台自动驾驶测试的相关标准，NHTSA新规表示目前并不禁止部署自动驾驶汽车,甚至无需配备手动驾驶控制系统。中国已有北京、广州、深圳、重庆、武汉、长沙等 10 多个城市允许自动驾驶汽车在特定区的特定时段从事出租汽车、城市公共汽（电）车等商业化试运营，且应用规模不断扩大。自动驾驶仍处于商业化落地的初级阶段。当前，L2 级别自动驾驶汽车已经商业化落地，行业专题研究报告 敬请参阅最后一页特别声明 7 但市场渗透率和应用规模仍然较小，L3、L4 及以上等级自动驾驶仍停留在试验和区域性示范的有限运行场景中。2022 年 7 月，深圳率先破冰发布深圳经济特区智能网联汽车管理条例，成为全国首个对 L3 级及以上自动驾驶权责、定义等重要议题进行详细划分的官方管理文件。技术安全问题依然是影响自动驾驶规模商业化落地的关键原因，由于受到技术、法规等制约，L3 级自动驾驶汽车目前仍未能大规模量产落地，仅搭载在小批量车型之上，或者部分 L3 级别功能在 L2+的车上体现。各国急需突破与技术、产业发展不相适应的政策瓶颈，明确 L3-L5 更高级别自动驾驶的技术方案和落地路径，以激发自动驾驶领域创新能力。图表6：各国自动驾驶政策加速落地 来源：国金证券研究所整理 1.3 自动驾驶的发展对硬件产业链形成巨大成长加持 自动驾驶和新能源应是未来 15 年最大的科技变革。从人驾到类似智能服务器装四轮驱动的自驾的转变将对硬件产业链形成巨大的提升，大幅提高激光雷达,摄像头,毫米波雷达,CV2X 等感知层芯片,GPU/CPU/FPGA/AI 芯片等决策层芯片，以及高速以太网接口等执行层芯片的需求。人驾到自驾，自动驾驶的发展重点在于持续降本以及视觉和 AI 芯片技术的进步：如同我们在报告2022-2023 年投资策略应用篇，汰弱留强中提到，很多产业专家说未来的自驾车就像装了四个轮子的智能手机，以自驾技术的难度及半导体配置而言，我们不同意这说法，我们认为自驾车像是装了四个轮子的智能 AI 服务器（如果透过远端控制软件来协作，自驾车队更像装了四个轮子的智能集群系统），成本的持续下降使得自动驾驶的大规模推广更易于实现。目前自动驾驶感知技术存在两种路径：1）传统车企和造车新势力使用摄像头、激光雷达、毫米波雷达的硬件方案，但激光雷达的价格仍在2 万元以上，大幅提高单车价格。2）特斯拉采用纯视觉路线，不使用激光雷达但通过 3 颗前置摄像头（60，150，250 公尺视觉距离），1颗后置摄像头（50公尺视觉距离），4颗前后侧边摄像头（80-100公尺视觉距离），12 颗环绕车身的超声波雷达（感测距离 8 公尺）推出的 L3 等级 FSD 自驾驶解决方案，整体自动驾驶成本应该不超过 5000 元。所以我们之前在 2022 年度策略报告中估计 2035 年全球超过 30%的汽车销量将具备 L3-L5 的自动驾驶功能，未来 15 年的复合增长率达到 30-35%。国家 时间 政策 主要内容2022年4月北京市智能网联汽车政策先行区乘用车无人化道路测试与示范应用管理实施细则在国内首开乘用车无人化运营试点，百度、小马智行成为首批获得先行区无人化示范应用道路测试通知书的企业。2022年6月广州市南沙区智能网联汽车混行试点区及特殊运营场景混行试点总体方案南沙区成为广州市首个智能网联汽车混行试点区，符合条件自动驾驶车辆，可在南沙区规定区域范围内开展示范运营。2022年7月深圳经济特区智能网联汽车管理条例国内首部关于智能网联汽车管理的法规，解决各自动驾驶企业的上路权，明确了事故责权划分。2013年 关于自动驾驶汽车的初步政策制定了自动驾驶测试相关标准，提出了对各州自动驾驶汽车立法的建议，用于支持自动驾驶技术的发展和推广。2022年1月自动驾驶乘员保护安全标准规则更新了联邦机动车安全标准中的乘员保护标准，以适用于配备ADAS而不具备传统人工驾驶控制功能的车辆。2022年3月 关于自动驾驶汽车的规定自动驾驶汽车制造商无需再为了满足碰撞标准,为全自动驾驶汽车配备手动驾驶控制系统。美国量产无人驾驶汽车从此可以没有方向盘、刹车踏板等控制部件。英国 2022年初 英国自动与电动汽车法案具有自动车道保持系统（ALKS）技术的汽车将成为第一批符合AEV法案相关要求的自动驾驶汽车，同时英国计划在2025年之前建立自动驾驶法规及配套细则。日本 2022年10月 道路交通法法案与2023年4月开始施行，列入在特定条件下实现完全自动化驾驶的“Level 4”运行许可制度。韩国 2022年9月第三期汽车政策基本规划案（20222026年）提出到2027年实现自动驾驶汽车的商业落地，到2030年普及450万辆电动汽车、氢燃料电池汽车的目标德国 2022年5月 自动驾驶法 自2022年开始，德国将允许L4级别自动驾驶汽车在公共道路上的指定区域行驶美国中国行业专题研究报告 敬请参阅最后一页特别声明 8 图表7：全球电动车及 L3-L5 自驾车销量的占比变化 来源：BCG，国金证券研究所 我们认为从传统燃油车转向新能源汽车，接着是 SAE L3-5 级自动驾驶的占比提升，加上电动车及自动驾驶的技术演进（耗能降低，电池密度提升，电源转换系统重量降低，摄像头，传感器，激光雷达数量提升，及人工智能芯片运算能力提升但要求耗能持续降低），这些技术演进将逐步拉升每台新能源车的半导体价值，这两大驱动力对全球车用半导体公司及产业未来二十年将产生重大影响,我们于 2022 年度策略报告中估计全球车用半导体市场于 2020-2035 年复合成长率应有机会超过 20%（主要系增加 AI/GPU,FPGA,ASIC，激光雷达,摄像头，以太网,MCU，碳化硅，电源管理芯片的价值及数量）,远超过全球半导体市场在同时间 5-6%的 CAGR,汽车半导体在全球半导体市场中的份额在 2035 年有望达到30%(从 2021 年不到 10 个点),每车半导体价值从 2020 年的 268 美元，暴增 10 倍到 2035年的 2758 美元。图表8：2030年全球半导体细分赛道增长预测 图表9：每车半导体价值及车用半导体占全球份额变化 来源：Mckinsey&Company，国金证券研究所 来源：TrendForce，国金证券研究所 0%10%20%30%40%50%60%70%80%-20 40 60 80 100 120 1402015201620172018201920202021E2022E2023E2024E2025E2026E2027E2028E2029E2030E2031E2032E2033E2034E2035E全球电动车销量(mn)全球 L3-5 自驾车销量(mn)全球新能源电动车占比(%)全球 L3-5 自动驾驶车占比(%)0%5%10%15%20%25%30%35%-500 1,000 1,500 2,000 2,500 3,000201820192020E2021E2022E2023E2024E2025E2026E2027E2028E2029E2030E2031E2032E2033E2034E2035E每车半导体价值(US$)車用半导体佔全球份額(%)行业专题研究报告 敬请参阅最后一页特别声明 9 图表10：人驾燃油车 vs自驾电动车每车半导体价值比较 来源：国金证券研究所整理 二、从 特斯 拉自 动 驾驶 迭代看 电子发展 方向 特斯拉坚持纯计算机视觉方案，逐渐完成了从合作到全栈自研的转变。特斯拉于 2013 年启动了 Autopilot（自动辅助驾驶）项目，早期特斯拉意图与谷歌共同开发一套半自动驾驶系统。但谷歌认为半自动驾驶系统并不可靠，之后谷歌转向研发 L4 级以上的全自动驾驶技术，而特斯拉则继续开发第一代 Autopilot。特斯拉在设计之初就采用了硬件先行、软件更新的原则。硬件部分与软件分开迭代，硬件通常随着车辆换代而更新，更新频率为1-2 年一次。而软件则是通过车辆 OTA 进行在线升级，更新频率以月计算。2014 年 10 月特斯拉发布第一代硬件 Hardware 1.0，自动驾驶芯片主要依靠 Mobileye 提供，硬件配置为 1 颗前视摄像头+1 个毫米波雷达+12 个超声波雷达。特斯拉的自动驾驶方案从设计之初就坚持纯视觉方案，因为当时谷歌使用的激光雷达单价高达 5 万美元以上，C 端消费者难以承受如此高的价格。特斯拉坚持在汽车上使用摄像头组成的视觉系统来实现自动驾驶，因此与视觉识别龙头厂商 Mobileye 达成合作，基于 EyeQ3 平台实现 L2 级别的辅助驾驶功能。但早在 2015 年 4 月，特斯拉就组建了基于计算机视觉感知的软件算法小组 Vision，准备自研软件以逐步替代 Mobileye。2016 年 7 月，由于数据权等因素Mobileye 宣布和特斯拉终止合作。2016 年 10 月特斯拉发布第二代硬件 Hardware 2.0，自动驾驶芯片转由英伟达提供，硬件配置大幅度提升，并开始使用自研软件。HW2.0 配置 8 个摄像头+12 个远程超声波雷达+1个前置毫米波雷达，这套配置也保留到了 HW3.0，直到 HW4.0 摄像头数量才再一次得到升级。但由于特斯拉与 Mobileye 合作突然终止，特斯拉自研的 Tesla Vision 性能还达不到HW1.0 的水平，直到大半年后，通过几个版本的更新才使 HW2.0 的使用体验达到前一代的水平。在 HW2.0 研发的同时，特斯拉认为英伟达的芯片以 GPU 架构为主，Mobileye 芯片以 CPU 和 CVP 为主，无法完全满足图像处理和 AI 计算的需求，在性能上仍有较大提升空间，因此开始同步自研 FSD 自动驾驶芯片。2018 年 8 月特斯拉发布第三代硬件 Hardware 3.0，自动驾驶芯片革命性地采用自研的 FSD芯片。HW 3.0 中的 FSD 芯片总算力达 144TOPS，是上一代英伟达硬件的 12 倍。每秒可处理图片 2300 张，而 HW 2.5 的每秒处理能力仅为 110 张，图像处理速度提升了 21 倍。功耗增加了 25%，但芯片成本降低了 20%。同时，HW3.0 通过两个完全独立的 FSD 芯片，以及各自独立的电源系统、内存和闪存保证系统冗余。主板运行时，两套硬件将同时处理相同的数据，保证信息安全和完全冗余。目前特斯拉正处于由 HW3.0 向 HW4.0 过渡更新的阶段。HW4.0在 FSD 芯片、传感器与摄像2020人驾汽油车 2025L5自驾电动车摄像头 2-4单位 8-10单位传感器 6单位 10单位激光雷达 无，每单位50,000美金 4-5单位，每单位1,000美金毫米波雷达 2单位 10单位无线通信 蓝牙，WiFi，4G C-V2X，5G，Space Xs Starlink射频功率放大器IC 1 16 氮化镓 GaN/砷化镓 GaAs/硅 Silicon有线通信 LIN，CAN，FlexRay，MOSFT LIN，CAN，FlexRay，MOSFT，20以太网端芯片人工智能芯片 NXP/Mobileye MCUNvidia Orin X，Mobileye Q6，华为Ascend910，华为海思710A，地平线征程5，高通SA8540，寒武纪Cambricon-1M/MLU100，百度昆仑AI芯片，黑芝麻华山二号人工智能系统 高级驾驶辅助系统Waymo One，Tesla FSD，Drive Hyperion 9，GMCruise，百度Apollo AutoX电力功率器件二极管，低压MOS器件，18xPower MOSFET（US71）250*MOSFET（US455），IGBT绝缘栅双极型晶体管，碳化硅SiC，氮化镓GaN多层陶瓷电容器 2.5k 13k电源管理 20-30单位 100-150单位每车半导体美元价值 300 4,000-5,000行业专题研究报告 敬请参阅最后一页特别声明 10 头、通讯接口、GPU 小板等方面性能得到提升。HW4.0 可能增加高分辨率的 4D 毫米波雷达，支持更多传感器与摄像头接入，新增 2 个侧摄像头（L-FF-Side 和 R-FF-Side 摄像头）和1 个前保险杠摄像头（F-SVC）；将 HW3.0 的独立 GPU 小板整合进主板，使得 GPU 小板集成化更高、模块更轻薄；FSD 芯片内核数量增多，性能更加强悍；显存规格大幅度提升；GPS由双频升级为三频，精度提升，民用定位精度从 5m 提升至 30cm；通讯接口增多等。图表11：特斯拉 HW1.0 到HW4.0 硬件持续升级 来源：汽车之心，国金证券研究所 特斯拉自动驾驶快速发展背后是各类硬件的支撑。截至 2022年 12 月，特斯拉自动驾驶总里程数已接近 9000 万英里，特斯拉已经向美国和加拿大约 40 万客户发布了自动驾驶 FSD Beta。特斯拉自动驾驶技术迭代的背后是硬件的持续升级，大幅提高激光雷达,摄像头,毫米波雷达,CV2X 等感知层芯片,GPU/CPU/FPGA/AI 芯片等决策层芯片，以及高速以太网接口等执行层芯片的需求。图表12：特斯拉自动驾驶总里程数接近9000 万英里 来源：2022 年 Q4特斯拉财报，国金证券研究所 2.1 计算芯片：AI拉动 GPU/FPGA/ASIC 量价齐升 人工智能中主要使用计算芯片有三种，分别是通用型的 GPU，可定制的 FPGA，以及专用的ASIC。CPU 计算指令遵循串行执行，GPU 有大量的核心和高速内存，擅长并行计算。所以CPU 常用于深度学习的推理，GPU 更适合深度学习的训练和推理任务。图表13：CPU、GPU、FPGA、ASIC 特点对比 类别 CPU GPU FPGA ASIC 特点 进行大规模并行计算方面受到限制 擅长于处理逻辑控制，性能高、计算能力强 功耗高 可编程性、灵活功耗和通用性介于 GPU与ASIC之间 定制化设计 性能稳定 优秀的功耗控制 行业专题研究报告 敬请参阅最后一页特别声明 11 提供系统可靠性 通用性好 通用性好 代表公司 英特尔、AMD 英伟达、AMD 赛灵思 寒武纪、地平线、比特大陆、谷歌（TPU）来源：ADLINK，国金证券研究所 根据 VerifiedMarketResearch 的数据，2021 年全球 GPU 市场规模 335 亿元，2028 年全球GPU 市场规模有望达到 4774 亿元，22-30 年 CAGR 达 33.3%。随着未来特斯拉在自动驾驶系统中引入 AI 学习神经网络，将会使 GPU、FPGA、ASIC等 AI 芯片重点受益。目前特斯拉的后端 GPU 集群，共有 14000个 GPU，其中 4000 个用于自动标签，10000 个用于算力训练。英伟达是 GPU 市场的主导者，全球独立显卡市占率高达 80%。其高端 GPU 如 H100，A100和 V100 等占据了 AI 算法训练市场绝大部分的份额。图表14：2030年全球GPU市场规模有望达 4774 亿美元 图表15：英伟达主导独立 GPU 市场 来源：VerifiedMarketResearch，国金证券研究所 来源：JRR，国金证券研究所 目前国内厂商 GPU 市占率不足 1%，美国对华制裁加速 GPU 国产替代。2015 年以来美国对GPU 的制裁不断升级，美国国防部研究员曾提出中美竞争中，利用人工智能更多且更快的一方将获胜。前几年主要是美国将中国超算中心及相关 GPU 芯片企业拉入实体清单，以此达到限制中国AI以及超级计算机的发展，但是限制范围限于超算单一场景。2022年9月，美国针对 AI、HPC 及数据中心研发所用的高端 GPU 发出限制，英伟达的 A100和 H100 以及AMD 的 MI250 芯片暂停向中国客户销售。2022 年 10 月，美国升级禁令限制范围，对高算力芯片的连接速度和每秒运算次数等具体参数做限制，除英伟达和 AMD 外，国内厂商海光信息的部分产品也被加入到限制范围内。美国将制裁限制范围由应用场景扩大到芯片和产品层面，其实也是代表着国内相关 GPU 产品或下游应用发展超过美国政府的预期。我们认为美国持续加大对中国高端芯片的出口限制，高速运算相关的 GPU、CPU 等芯片国产化进程必然加快。从国产替代方案来看，GPU：景嘉微、海光信息、好利科技、壁仞科技（未上市）等；CPU：海光信息、龙芯中科、中国长城（飞腾信息）图表16：中美 TOP500 超算对比 图表17：国内外主流 GPU 对比 型号 H100SXM H100PCIe Flex170 RX6950XT D1 Chip MLU370-X8 BR100 供应商 英伟达 英伟达 英特尔 AMD 特斯拉 寒武纪 壁仞科技 制程工艺 4nm 5nm 7nm 7nm 7nm 7nm 7nm 最大耗电量 700W 300-350w 150W 335W 400W 250W 550W 显存 80GB 80GB 16GB 16GB 80GB 48GB 64GB 显存带宽 3.35TB/s 2TB/s 576GB/s 576GB/s 2TB/s 614.4GB/s 2.3TB/s FP32 67TFlops 51TFlops 16TFlops 26TFlops 22.6TFlops 24TFlops N/A 晶体管 80B 54.2B 100B 26.8B 50B 29B 77B 发布时间 2022 2022 2022 2022 2022 2022 2022 来源：Bloomberg，国金证券研究所 来源：各公司官网，国金证券研究所 图表18：国内 GPU产业链情况 z 核心技术/具体情况 相关产品 主要应用领域 景嘉微 国内首家实现自主研发本土化 GPU 并产业化的企业。具备支持本土 GPU 和本土操作系统的自主知识产权 GPU。JM5400、JM7201、JM92 系列 军用工业、人工智能、金融、云计算等 0%10%20%30%40%50%60%70%80%90%100%02Q403Q404Q405Q406Q407Q408Q409Q410Q411Q412Q413Q414Q415Q416Q417Q418Q419Q420Q421Q4AMD NVIDIA行业专题研究报告 敬请参阅最后一页特别声明 12 龙芯中科 2020 年公司成立 GPU 突击队，加快 GPU 研发设计。自研统一渲染架构。7A2000 桥片的自主研发 GPU 模块 金融、政务办公、网络安全等 海光信息 海光 DCU 属于 GPGPU（通用图形处理）一种。2021 年，公司深算一号 DCU 产品已实现商业化应用 深算一号 DCU 产品 人工智能训练等 寒武纪 3月发布 AI 训练 GPU 新品，搭载双芯片四芯粒封装的思元370，集成寒武纪 MLU-Link 多芯互联技术。MLU370-X8 人工智能训练等 芯原股份 GPU IP 供应厂商。GPU（含 ISP）市场占有率排名全球前三名，2020 年全球市场占有率约 10.2%Arcturus GC8800、GC8400、GC8200、GC8000、GPU Nano IP 小型物联网 MCU、人工智能等 壁仞科技 已有自主原创 GPU 芯片架构 BR100 GPU 人工智能、云计算、图形渲染等 沐曦 具备自主研发高性能 GPU 芯片架构、兼容国际主流生态的完整软件栈 MXN、MXC、MXG 物理仿真、云游戏、元宇宙等 摩尔线程 具备 3D图形计算和高性能并行计算技术 MTTS60、MTTS2000 物理仿真、人工智能、自动驾驶等领域 芯动科技 一站式高速混合电路 IP及芯片定制解决方案供应商 风华 1号 元宇宙、云游戏、人工智能等 来源：科创板日报，国金证券研究所 在云侧与端侧的不同任务中，FPGA 芯片均已与 GPU及 ASIC 等芯片一起成为人工智能处理芯片的重要选择之一。FPGA 芯片由于其高度灵活性及强大的并行运算能力，与神经网络的运算需求十分契合，因此能够明显提升人工智能算法的计算速度。在面向人工智能领域的计算密集型任务时，和GPU及ASIC芯片相比，FPGA芯片内在并行处理单元达到百万级，做到真正并行运算，其可编程性又可实现灵活搭建数据处理流水线，因此运算速度快，数据访问延迟低，较为适合人工智能的实时决策需求。FPGA 芯片在人工智能领域应用时还具有优势突出的功耗比。因此，FPGA 芯片在矩阵运算、图像处理、机器学习、非对称加密、搜索排序等人工智能领域有着很广阔的应用前景。FPGA 芯片因其现场可编程的灵活性和不断提升的电路性能，可用于工业控制、网络通信、消费电子、数据中心、汽车电子、人工智能等各类领域。根据 VerifiedMarketResearch的数据，2021 年全球 FPGA 芯片市场规模为 71 亿美元，2030 年市场规模预计将达到 221亿美元，22-30 年 CAGR 达 15%。全球 FPGA 市场由四大巨头赛灵思，英特尔，Lattice，Microchip 垄断，
展开阅读全文