汽车自动驾驶产业链深度报告：芯片及软件专题

核心观点:

巨头厂商底层技术突破，为汽车智能化带来质变

无论是造车新势力，还是传统车厂都在深度布局汽车智能化，座舱域、 驾驶域的发展速度尤为惊人。目前智能座舱的新车型普及度持续攀升， 智能驾驶的落地速度也有所加快。在汽车新四化浪潮下，车厂、芯片厂 商、Tier1、OS 以及其他软硬件供应商积极投入研发，产品迭代速度显 著加快。尤其巨头厂商在底层技术的突破，为市场带来质变。

硬件控制器集中化，SDV 已成为未来行业发展趋势

随着软硬件和新技术的共同发展，ECU 开发瓶颈问题日益突出，汽车行 业由最初的“机械定义汽车”逐步转变为“软件定义汽车”。硬件控制器 集中化，SDV 已成为未来行业发展趋势。在软件定义汽车时代，产品价 值链被重塑，传统汽车核心竞争要素将会被硬件、软件和服务所取代， 供应链生态也将变革，汽车行业的重点将从依靠硬件驱动的产品逐步进 行转移，当下的新产品应当是由“硬件+软件”同步驱动的产品。

中国汽车智能化发展速度领先，A 股有望成为核心投资市场之一

汽车新四化的发展，OTA 市场增速迅猛，中国智能座舱作为首个核心应 用市场潜力巨大，预计 2025 年规模破千亿，市场政策双驱动，ADAS 获 井喷发展。据中国产业调研网估计，2025 年全球 ADAS 市场规模将达 275 亿欧元，2015~2025 年均复合增长率高达 17%。

终端软件解决方案提供商的盈利模式也有望发生转变

大部分传统汽车厂商缺少软件基因，在软件定义汽车领域需要寻求外部 供应商的合作，且需求范围逐步扩大。供应商多以项目开发的形式开展 业务，目前正逐步增加 Royalty 收费（按销售量和单价的一定比例分成）、 升级服务费等盈利模式，市场量、价空间逐步打开，空间巨大。

智能座舱：“硬+软”全面升级进入爆发期，产品成熟商业化加速

智能座舱硬件升级，“智能化+集中化”架构重新定义软硬件形态

人车交互式体验核心，多屏融合智能驾驶舱代表未来

传统汽车驾驶仓的生态系统以碎片化为主，分布式电子控制单元之间信息无法 有效交互，导致人与车之间存在交互障碍。随着汽车电子化程度提高，电子控 制单元整合是汽车电子设计的发展趋势，多屏融合的智能座舱将集成中控大屏+ 液晶仪表盘+抬头显示器（HUD）+流动后视镜，并搭载高级辅助驾驶（ADAS）、 无人驾驶技术和人工智能 AI 等新时代科技，带来更为智能化和安全化的交互体 验。

智能座舱全产业链分为三大环节：1）Tier0.5 级供应商也可称为产业的下游， 主要以各大车企和传统 Tier1 供应商构成，如德赛西威、均胜电子、伟世通等， 云计算和车联网的普及使华为、BAT 等互联网科技类供应商也分布于产业下游；2）Tier1 为座舱提供中控屏、仪表盘、流媒体后视镜、后排液晶显示器等硬件， 同时配合开发信息娱乐解决方案、驾驶显示解决方案和 HUD 为智能座舱的电子 化技术升级；3）传统的 Tier2 主要供应 PCB、显示面板、功率器件等电子产品， 未来产业将集中升级操作系统相关软硬件，如增加应用软件、中间件软件、自 主定制操作个性化系统、可达成“一芯多屏”的高效能低成本芯片。

显示面板大屏化

新一代智能座舱将液晶仪表盘和中控大屏结合，共同对用户体验产生影响，满 足消费者对科技感和舒适性的需求。智能座舱是新能源和未来无人驾驶汽车标 配。攻克新能源汽车核心技术是中国迈入汽车强国的必由之路，新能源汽车带动 ADAS 前装信息渗透率快速提升，加速市场对车用信息云端交互的需求，推 动智能座舱解决方案的未来发展。在传统机械仪表盘内，新能源汽车电量显示、 续航里程等新能源汽车关键信息，以及 ADAS 车型轨道偏移等信息均无法显示， 全液晶显示屏必定是大势所趋。

传统汽车座舱的前方普遍以机械或半液晶仪表盘，中间以液晶显示器为主。特 斯拉在车内配置了一块 17 英寸巨屏引领了智能汽车的大屏潮流，随后各大车厂 的高端车型逐渐将超大屏作为标配，比如，奔驰新 E 系采用双 12.3 英寸高清显 示屏通过悬浮效果为驾驶舱带来先锋科技感，左侧显示器显示数字仪表盘内容， 而右侧显示器为驾驶员呈现车内信息娱乐（IVI），融合汽车操作系统和车载信 息娱乐系统，从而升级人机交互体验；在宝马 i4 Concept 的发布中，宝马将所 有操作集成在面积非常大的中控中，几乎放弃所有的物理按键，未来宝马的车 型座舱内饰都将朝着这个方向设计，一体式悬浮大屏也将成为宝马下一代内饰 的核心元素。

一芯多屏替代多组件

集中取代分布。未来智能座舱所代表的多屏融合体验都将依赖于高计算能力的 超级芯片。多个分布式的电子单元使每个系统如同“孤岛”一般，难以支持多 屏幕融合、多模块互动等复杂座舱功能，“一芯多屏”替代多单元组件的技术将 融合每座“孤岛”成为一块“新大陆”。伴随着智能驾驶渗透率提升，全球芯片 巨头纷纷布局推出具备人工智能计算能力的主控芯片，取代传统分布式的功能 芯片，IHS 预测在 2020 年汽车主控芯片市场规模可达到 40 万亿美元。

“一块芯片、多屏互交”将成为智能座舱未来趋势，单一芯片可以降低系统复 杂度以提高安全性能，并降低成本预算。通过融合云侧终端和 V2X 场景，底层 芯片和车载系统根据各个电子控制单元（ECU）反馈的数据进行计算，了解汽车行驶状态以及各项参数指标，调配车辆至最佳行驶状态。以液晶显示器为例， 传统机械仪表盘难以承受大量行车数据，液晶仪表盘通过升级芯片并引入云端 数据，构建智能座舱交互平台和界面，未来将升级裸眼 3D 仪表盘。

座舱域目前高通一枝独秀。目前，高通已经赢得全球领先的 20+家汽车制造商 的信息影音和数字座舱项目。目前高通通过骁龙 820A 和 602A 汽车平台，在数 字座舱领域为汽车提供高水平的计算性能。其中，骁龙 820A 数字座舱平台支 持计算机视觉与机器学习，能够提供丰富的图形与多媒体功能，加上广泛的可 视化和操作系统选项组合及神经处理引擎，帮助汽车厂商打造差异化特性，提 供卓越用户体验。目前，包括奔驰、奥迪、保时捷、捷豹路虎、本田、吉利、 长城、广汽、比亚迪、领克、小鹏、理想智造、威马汽车在内的国内外领先汽 车制造商均已推出或宣布推出搭载骁龙汽车数字座舱平台的车型。2020 年多款 上市新车型都搭载了骁龙 820A，包括全新领克 05、奥迪 A4L、小鹏 P7 及 2020 款小鹏 G3 部分车型等。

高通今年量产的 SA8155P 芯片更是在主频、算力、制程方面全面领先竞争对 手，龙头地位稳固。高通此前在智能移动终端、通信等芯片领域展现出龙头研 发实力，目前在座舱域 DCU 方面也全面领先竞争对手。自主品牌、合资品牌、 外资品牌车厂纷纷围绕 SA8155P 搭建研发平台，车型落地在即。

智能仪表盘驱动人机交互

以集合娱乐信息系统和车载信息系统的中控作为人机交互的核心驱动，液晶仪 表盘将成为人车交互的入口和界面。中控系统主要由操作系统（OS）、软件服 务和 ADAS 系统主导的软件所组成。L4 自动驾驶是未来智能汽车的必然趋势， 更多围绕乘客的角度去进行 HMI 设计，随着 5G 和车联网技术的发展，智能、 便利、人性化体验，正在重新定义未来汽车人机交互新模式。3D 仪表盘、 AR-HUD 和媒体后视镜都将为驾驶员提供更便捷和更安全的驾驶信息显示。但 特斯拉的 Model3 摒弃了传统的液晶仪表盘，全采用 15 寸的中控大屏显示。中 控屏中的 UI 交互设计：屏幕左侧显示车辆行驶数据，包括时速、挡位、剩余电 量等内容；右侧以导航功能为背景的多媒体操作系统。

通过仪表盘内的车载摄像头，系统可以实时监控驾驶员的双眼视线使得 3D 效 果实时根据驾驶员的目光调整，实时随动。目前海内外头部车厂已逐渐为高端 车型配备车载摄像头，大多装置在仪表盘或内后视镜中，生物识别观察驾驶员 的动态，不仅可以个性化定制驾驶员专属模式，还可以确保驾驶员在行车中保 持高度精神集中状态以提高安全指数。相比现在主流开发的动作识别和手势识 别，奔驰更加直观的方式结合摄像头监控显然比固定模式的手势操作更实用。如喜欢倒车回头看的人，仪表摄像头会在回头的时候自动降下后遮阳帘，若想 拉开遮阳帘也不用去找按钮，直接在遮阳帘下方的区域凭空向后拨动，遮阳帘 会自动打开。

HUD 逐渐成为智能汽车标配

平视显示器（HUD）运用光学投影技术将车载信息投屏到与视线平行的前方挡 风玻璃上，为了帮助驾驶员减轻认知负荷，无需转移视线即可轻松获取行车信 息，提高其态势感知能力的应用。另一方面，融合汽车传感器和高级驾驶员辅 助系统（ADAS）功能在一起时，能使驾驶员更轻松地检测到威胁或警告，从 而更快地采取行动。

HUD 现已在部分成型上有所应用，比如，宝马 5 系、奥迪 A6、奔驰 E 系等， 未来 AR-HUD 有望成为智能汽车的必然配置。奔驰 S 级拥有面积最大的顶尖 AR-HUD，率先支持 AR 实景导航，给驾驶员提供方向。随着光学、AR、图像 识别等技术不断突破，通过特殊设计的光学系统将图像信息精确地结合于实际 交通路况中，包含技术有投射、前挡特种玻璃、高精地图、图像渲染和智能驾 驶信息等。

软件定义汽车趋势明朗，使用软件解决硬件控制场景

软件定义汽车拥有 7 层 IT 架构，智能座舱成为软件定义汽车率先落地场景，此 外特斯拉、小鹏等汽车厂商开始使用 OTA 解决性能和故障问题，未来应用场景 将不断拓展。

车载开发以定制化为主

车企开发自主车载系统方式以标准的定制化操作为主，ROM 和超级 APP 方式 为辅。车载系统的构建从下至上为：硬件、虚拟机、系统内核、标准系统服务 层、汽车服务和车辆控制、应用程序框架（含中间层）、应用程序和云服务。智 能座舱是结合软件和硬件多多元配合下的产品，一个完美的智能座舱需要拥有 驾驶辅助、座舱域控制器、沉浸式声学体验、显示屏技术和座舱检测系统等新 技术，同时搭配内饰、座椅等传统硬件。

车企对车载 OS 布局会根据战略格局以及自身实力划分为 3 种形式：1）定制化 自主开发专属 OS；2）ROM 方式基于已有系统做上层 UI；3）直接采用现成的 车载 OS 并搭建自身的应用软件。头部车厂大多倾向从整车硬件到车载 OS 都 自己开发，形成自身独有的完整生态链。

车载 OS 是传统车产实现数字转型的关键，汽车将演变为移动智能终端。目前 主流的底层车载操作系统共有四种：QNX、Linux、Android 以及 WinCE，其中 WinCE 基本上已经退出市场。从主流车企选择的系统开发方式来看，海外高端 车厂、零部件供应商（如奔驰、宝马等）和国内车企新势力（如小鹏、蔚来等） 都选择自建技术团队，即在底层操作系统基础之上进行定制化开发，形成独有 的车载系统。

QNX 为车载 OS 领域龙头，全球 100%的 OEM 商和前八家 Tier1 都是 QNX 的 客户，在车载信息娱乐系统或车联网系统占据超过 60%的市场份额，如宝马 ConnectDrive、奥迪 MMI 都用 QNX 技术。车载 OS 行业巨头 QNX 也推出基 于软件的智能座舱解决方案，凭借实时性交互等优势，集成多个电子控制单元 （ECU）到单一芯片系统（SoC）使系统运行的软件可以打破临界线，甚至横 跨不同的操作系统，从而推动安全认证的要求。使用 QNX 平台的智能座舱不仅 享有可靠安全的车载信息系统和娱乐信息系统，还可以通过同一 ECU 访问 Android 系统的最新应用程序，如谷歌地图和音乐软件。

虚拟机和中间层软件分别辅助车载系统

虚拟机辅助软硬件的一体化聚合是未来趋势。Hypervisor（虚拟机）是运行在 物理服务器和操作系统之间的中间软件层，可用于同步支持 Android、Linux、 QNX 多系统。根据 ISO26262 标准规定，仪表盘的关键数据和代码与娱乐信息 系统属于不同等级，主流市场中，QNX 或 Linux 系统用来驱动仪表系统，信息 娱乐系统则以Android为主，目前技术只能将两个系统分开装置在各自芯片中。然而，虚拟机可以同时运作符合车规安全标准的 QNX 与 Linux，因此虚拟机管 理的概念被引入智能座舱操作系统。随着液晶仪表以及其他安全功能的普及， 供应商不需要装载多个硬件来实现不同的功能需求，只需要在车载主芯片上进 行虚拟化的软件配置，形成多个虚拟机，在每个虚拟机上运行相应的软件即可 满足需求。行业领先虚拟机有：QNX Hypervisor、ACRN、PikeOS 和哈曼 Device Virtualization，用于服务底层操作系统。

中间件层位于平台（操作系统）和应用软件层之间的软件，用于连接各个分布 式系统和应用软件。中间件层可以使开发人员避开复杂的底层操作系统，直接 在简单而统一的开发环境下接入应用软件，不仅缩短开发周期，还减少系统的 维护、运营和管理的工作量。

智能网联汽车和 5G+AIoT 实现“人-车-路-云”高度协同

无线通信将广泛运用在智能座舱，连接以算法、芯片、操作系统和以 ADAS 执 行、智能中控、语音交互为主的执行层，为 OEMs 厂商开发测试终端产品打造 自主、可控、完整的产业链。中国通信学会发布研究报告《车联网知识产权白 皮书》中数据显示，截至 2019 年 9 月，全球车联网领域专利申请累计 114587 件，美国位居榜首，占 30%，中国 25%紧随其后。万物互联的基础就是数据在 云端可实时传输，外界的信息进行多模交互，为车路协同智能化发展提供更多 的应用场景。

传统车厂的信息技术及开发架构不足以支持如此庞大的数据量提供计算、储存 和网络支持，因此车厂趋向于深度合作 BAT 等互联网巨头，共同构建车联网生 态推出各自特色的云平台系统，如上汽与阿里联合打造的斑马网络、腾讯与长 安汽车的梧桐车辆、博泰的“擎 Mobile 随身车联网”。

打通底层到云端的各个技术、生态环境，将具备自动驾驶功能的智能网联汽车 和 5G-V2X 全云场景的逐步实现规模化商业应用，促进未来“人-车-路-云”的 高度协同。在软硬件一体化的实施过程中，车辆智能网联中最重要的设备为云 端数据平台的建设，搭载先进的车载传感器、控制器，连接车内各个 ECU 获取的数据，实现车与车、车与人、车与城市建筑、车与基础设施等通信数据交换 共享。

根据 IDC 全球智能网联汽车预测报告显示，可以连接第三方服务平台的车辆以 及配备嵌入式移动网络的全球智能汽车出货量在 2019 年已达 5110 万辆，同比 增长 45.4%，预测 2023 年将增至 7,630 万台。云计算的优点在于降低成本的 同时还可以运用合理的资源分配方式处理数量庞大的数据，并且满足更加弹性 和个性化的业务模式更新迭代快（OTA）的需求。

云端数据可以真正的为自动驾驶提供有效解决方案，随着 V2X 通讯的发展和 5G 技术的推进，汽车行业将在未来致力于 ADAS 芯片和车载娱乐信息芯片的 相互融合发展。C-V2X 无线技术可以快速收集更多信息以及降低延时，从而最 大程度的保证行车安全，并且协作驾驶过程中能够降低能源损耗，提升自动驾 驶/半自动驾驶的效率。根据《智能汽车创新发展战略》，我国将重点支持 LTE-V2X/5G-V2X 的发展，基础建设快速发展为智能网联汽车渗透带来红利。其中地平线已推出了基于征程处理器和 Matrix 自动驾驶计算平台的多层次解决 方案以及针对现阶段汽车市场亟需的辅助驾驶推出的 ADAS、DMS、AR-HUD 技术方案。另一方面，高精地图软件的加入也将会很大程度的加强自动驾驶辅 助系统，将汽车的舒适、安全和智能提升到一个全新的境界。

语音交互系统

未来智能语音交互将成为最主流的人车交互场景。日益丰富的生物识别技术助 力智能语音交互系统，依托于 AI 技术的不断发展以及大数据的推广应用，为驾驶舱带来更高效、人性化、情感化、个人定制化的行车氛围。为了打造智能音 乐座舱，基于驾驶员音乐沉浸式氛围，小鹏配备 18 个丹拿 Dynaudio 顶级 Confidence 系列音响系统，以及 20 个声道，可通过智能动态音效技术，根据 音乐风格、声场位置进行智能调节音效。配备具有独立声源的主驾音乐枕头， 并加设了主动降噪、私密通话等功能，更好的实现声源定位从而达到语音交互 的提升。

地平线语音交互技术利用理想 ONE 车内的四个高灵敏度麦克风，及地平线的声 源定位、盲源分离和降噪算法，进而对不同位置乘客的语音指令的精准区分和 识别。主流车厂逐渐与第三方应用软件合作，打造符合多场景需求的完整座舱 生态体验，并通过手机端的连接实现远程车辆操控、远程车辆信息查看、NFC 高安全系数数字钥匙、物联网多端交互模式

全球智能座舱市场快速增长，中国市场增速抢眼

2015 年后，随着人工智能技术的兴起，大批风险资本开始关注人工智能在交通出行方向的应用。在自动驾驶技术快速发展的同时，消费者在汽车中有了更大 的自由度，所以提高整个乘坐品质和行驶体验的智能座舱产品逐步走进大众的 视野，相关市场也得到较快发展。

全球智能座舱行业市场保持快速增长，中国市场增速抢眼。根据 ICVTank 公布 的数据显示，2019 年全球智能座舱行业市场规模达 364 亿美元，同比增长 10.3%，随着人们乘车体验要求的提高，智能座舱将加速普及，全球智能座舱 行业市场规模将保持快速增长，预计到 2022 年，全球智能座舱行业市场规模 有望达 461 亿美元，年均复合增长率达 8%。

中国作为全球汽车行业发展潜力最大的市场，2019 年中国智能座舱行业市场规 模达 441.1 亿元，随着中国市场消费升级，智能座舱加速应用，中国智能座舱 行业的市场规模将保持高速增长，预计到 2025 年市场规模将达到 1030 亿元， 年均复合增速达 13%，高于全球增速。

硬件设备渗透率将不断提高。智能座舱的硬件主要分为 4 大部分：中控大屏(包 括车载信息娱乐系统)、流媒体中央后视镜、抬头显示系统 HUD、全液晶仪表。中控屏是智能座舱的主要硬件之一，目前汽车中控屏在新车中的渗透率已经达 到 80%，是智能座舱硬件设备中渗透率最高的设备，预计到 2025 年其渗透率 将达到 100%。流媒体中央后视镜、抬头显示系统的渗透率分别为 7%和 10%， 预计到 2025 年两者的渗透率均会提升至 30%;全液晶仪表目前渗透率为 30%， 预计到 2025 年其渗透率将提升至 70%。

语音控制将逐渐成为标配。2019 年国内汽车智能语音市场规模为 14.8 亿元， 其新车渗透率到 2019 年底已达到 53%，目前科大讯飞以市占率 55%占据国内 第一，其 2019 年汽车智能语音出货量 600 万套，收入 3.7 亿元。未来，语音 控制渗透率有望逐步提升，预计 2020 年语音控制新车渗透率将达到 60%，语音控制将逐渐成为智能座舱的标配。

中科创达先发优势突出，布局智能座舱软件全生态，应用于主流车厂

公司已正式发布智能驾驶舱解决方案 4.0 版本，7 年产业沉淀，打造全球领先 的智能驾驶舱软件解决方案。2013 年公司前瞻性布局新一代智能网联汽车业务， 先发优势突出。经过 7 年的努力和沉淀，以“软件+全栈”作为核心优势，基于 关键技术集成于一个芯片内，建立底层智能操作系统软件技术，并通过融合产 业生态链各区域的全球领先公司，升级研发操作系统和智能座舱。内生外延并 举打造了基于多操作系统（Android、 Linux、QNX、T-KERNEL 等）、多平台 （高通，TI，NXP，瑞萨，英特尔等）面向智能驾驶舱的中控娱乐信息系统、 数字仪表、高级辅助驾驶等软件平台解决方案，核心产品和技术包括 UI/UE 工 具、Kanzi 人机交互引擎、车内互联方案、Kanzi Connect、FOTA、自动化测 试、嵌入式人工智能引擎和智能视觉等，从而帮助 Tier1、OEM 客户在早期开 发和验证应用以及 UI/UE，提升多方协同开发的效率，缩短研发周期。近年来， 国内外知名车企纷纷与公司签订长期合作协议，公司产品覆盖大部分主流车厂。

软件正在赋能智能汽车产业。全球软件技术领导者中科创达，将自身定位为“赋 能者“，与全球产业链中下游的领导厂家合作，多维度进行集中整合，打造全 新一代网联化、自动化、共享化、人性化的智能座舱，多年的技术积累和前瞻 战略布局让公司获得了更大的发展空间。简单化的操作体验让信息交互更为自 然简介，自动根据场景更新信息，生物识别和手势操作的配备也融合了更大的 浮动空间，一定程度上可以提高容错率，避免误操作。

高通赋能操作平台开发

平台可帮助汽车制造商高度分化和定制车内体验的所有层。第三代高通 QualcommSnapdragon处理器配备领先的计算技术，包括多核高通 AI 引擎、 高通光谱图像信号处理器（ISP）、第四代高通 Kryo CPU、第六代高通促视觉子系统等。智能座舱解决方案融合高通骁龙 SA8155P 核心板（Auto SoM）和 QNX 虚拟机于一身，可同时输出 8 个摄像头传感器的讯息，并使用智能后视摄 像头、流媒体后视镜和停车辅助功能为驾驶员提供重要的信息提示，目前已广 泛运用在奥迪、吉利、路虎、大众、丰田、比亚迪等头部车厂。另一方面，汽车开发套件（Auto Kit）中的 ADP Cool 产品可针对客户需求开发，定制并优化 专属汽车场景，加速软件的开发迭代。

中科创达智能座舱解决方案可根据厂商需求搭载 Android 或 Linux 平台：1） Android 平台支持将 Android O，P 等信息娱乐系统搭建在高通 SA8155P， S820A，瑞萨 R-Car 等平台，系统可优化 8-10 秒的快速启动、2 秒的快速倒车 影像，根据芯片性能和应用可以同时支持 2-4 个并行应用于可交互操作的分屏 和浮屏，信息集成度大幅增加；2) Linux 平台基于 ST Accordo5，集成系统芯 片和多个微控制单元（SoC+MCU）在单芯片内，提供高安全、低成本的解决 方案，可以同时搭载 CarPlay 和 CarLife，并扩展支持 Android Auto，全新升级 智能座舱系统技术。

集成型多系统平台

平台基于 QNX 虚拟机将硬件虚拟化，复杂的功能集结在一个芯片上，从而提 高经济效益、降低开发风险。智能座舱平台集结智能仪表盘系统、平视显示器 系统、车载娱乐系统、车载信息系统、安全驾驶系统、空调与座椅调节系统、 物联网等功能，连接各个控制域单元打造一体化平台，实现信息有效交互，达 到高效的多屏互通模式。其他公司若整合这些系统功能一体需要将多个控制驱 动电子元件（驱动芯片、控制芯片、功能性电子元件等）使用物理方式进行连 接，而中科创达的“一芯多屏“方案仅需 4 层（底层系统+虚拟机+功能系统+ 交互界面）即可，大幅度降低开发成本和开发风险。

车厂可以根据自身需求灵活安装并扩展软硬件解决方案，通过优化 Android、 Linux、QNX、Grennhill 等系统技术架构，升级并完善操作系统性能。高集成 度、信息交互及时的多屏互动模式可大幅改善触控反馈缺乏和交互效率低的传 统车载架构。

人机交互界面

公司和 Rightware 前期已通过 Kanzi 引擎进军头部汽车厂商，结合公司多年在 软件 IP 的优势，进一步升级操作系统（OS）和交互界面（HMI），推出了基于 Kanzi 和 Kanzi Connect 一体化智能驾驶解决方案，赋能智能汽车行业的智能 化、网联化，完成真正的软件定义汽车。

Kanzi 引擎为车厂产品部门、设计师、软硬件供应商提供统一的开发运行平台，使UI 和平台能并行开发，提升 10 倍 HMI 开发效率，缩短近 50%的开发时间。具谷歌报道，全球有超过半成的汽车制造商在采用 Android 系统架构作为信息 娱乐系统。作为最有效的基于 Android 底层架构开发的智能座舱，汽车制造商、 Tier1供应商和设计工作室均可通过Kanzi HMI提供的集成平台作为生产设计的 基础，实现快速自适应开发，不仅可作为基于开源平台硬件或典型车载系统的 制作原型，还兼备创造前瞻性概念车操作系统的能力。

除了已被广泛使用的智能仪表盘 Kanzi Hybrid，中科创达还全新升级四个核心Kanzi 插件——Kanzi UI、Kanzi Connect、Kanzi Maps、Kanzi Particles，打 造颠覆传统、定义更深层次的人机交互界面 Kanzi Reference HMI。另一方面， Kanzi 智能仪表盘采用 OLED 屏幕，当汽车遭遇碰撞时，车内屏幕极易破损并 形成尖锐物，极大可能对乘车人员造成二次伤害，柔软的 OLED 屏幕一定范围 解决了安全问题。

Kanzi 对比市面上所有运用 Android 的车载系统而言是独一无二的，人机交互 界面主要产品有：1）Kanzi UI 将 2D 和 3D 无缝合成，并最大程度优化用户界 面的实用性和美观性；2）Kanzi Connect 简化了车载系统中各个应用程序和系 统之间内容、数据共享；3）通过 Kanzi Maps 将多个后端、流动地图数据直接 导入，定制可视化高精地图；4)Kanzi Particles 使设计师可以无需编码复杂的 着色器，直接创建独特的视觉效果和模拟形态，所有的最新技术都将为 OEMs 集成构建多模交互、高定制化的超级车载系统。

Kanzi UI 助力奔驰、奥迪打造智能豪华座舱的 HMI 设计开发。奔驰 S 级斩获 多个量产车型的第一：世界第一款搭载 ARHUD；世界第一款搭载裸眼 3D 仪表 盘；世界第一款使用 OLED 中控屏。奔驰新一代 S 级轿车智能座舱集结了 MBUX 人机交互系统、裸眼 3D 数字仪表盘、大尺寸 OLED 中控显示屏、ARHUD、智 能感应助力等智能科技。基于 Rightware 软件技术和 NVIDIA Tegra 移动处理器 的技术支持，公司创造出世界上第一个具有实时 3D 图像更新的用户自编辑液 晶仪表盘，第三代奥迪 TT 也采用由 Rightware 旗下产品 Kanzi 提供的用户界 面解决方案，并在芬兰的年度汽车评选中拔得头筹。

WardsAuto 针对 23 个针对用户体验功能全新设计的车型进行评估，评选出“10 个最佳用户体验车型（10 Best UX）”，分别在 2018 年有 2 款获奖车型、2019 年有 4 款获奖车型均使用 Kanzi 引擎，奖项评判标准主要对“驾驶员辅助系统、 互联性、智能液晶显示、语音交互设备、直观控制系统、信息娱乐系统”进行 评价。作为中科创达战略收购的交互界面开发供应商 Rightware，已受到超过 50 个汽车品牌的信赖，预计 2024 年将为超过 4,000 万辆汽车提供最优质的人 机交互体验。

人工智能技术

智能驾驶舱 2.5 解决方案全新升级生物识别板块打造多模交互场景：1）智能座 舱可通过驾驶者人脸识别（FaceID）切换至定制化主题界面和专属 3D 动效， 给用户带独特的驾驶体验；2）融合手势、语音识别等方式塑造丰富的人机多模 交互，为用户带来便利、快捷的全新操作体验；3）实时驾驶员状态监测可以随 时跟进、识别影响行驶安全的行为状态，如闭眼、低头、打哈欠等，通过语音 报警降低危险系数。2020 年 6 月，公司与滴滴合作研发 DMS、ADAS 等只能 安全驾驶方案，将安全智能驾驶产品充分融入在驾驶场景中，为车厂提供了更 为安全、稳定的智能安全驾驶方案。

云端数据互联带动用户安全升级

中科创达得益于在技术层面的前瞻性和提前布局，已经将 V2X 技术成功引入不 同的汽车制造商车型，与传统汽车工业融合创新。随着 5G 通信、计算架构与 人工智能的推进，全新一代智能座舱配备可持续云端升级（OTA）的嵌入式设 备，基于 LTE/5G/云端不断升级、优化汽车的软件系统。

持续自动更新的嵌入式自动驾驶装备可以大幅降低车祸率。根据美国 IHS 最新 研究，大部分交通事故来源于驾驶员酒精药物、判断失误、视线盲区、疲劳驾 驶等因素，自动驾驶和智能识别能至少降低三分之一的交通事故。汽车厂商通 过在车辆上安装嵌入式设备并持续 OTA 汽车系统，基于 HTML 或云端持续升级 全车软件系统，受益于无线通信网络（5G+V2X）新技术提供支持服务应用于 多个车内场景，Level3 级别自动驾驶将逐渐落地各大车厂，为驾驶员带来更加 智能、安全、便捷的出行体验。

另一方面，中科创达智能座舱运用四个插件改善行车安全环境：1）车载全景环 视（Surround View）基于 MM Solution 环视算法，独特设计的裸眼 3D 通过传 感器、Kanzi UI、自动拼接调整等技术将机顶盖从视觉上透明化，估算地面平 整并自适应拼接，为驾驶员最大限度营造 360 度全景自由视角；2）受益于全 新升级生物识别模块，全新 DMS 安全驾驶方案基于人工智能、大数据的支持、 高精度识别系统能快速反馈并适应复杂的驾驶环境；3）Kanzi Safety 插件能提 供一个独立基于 ISO 26262 ASIL A 级别认证标准的图像传输机制，确保即使 3D 图像渲染失败，与驾驶安全密切相关的 UI 元素能够正确导入，Kanzi Hybrid （仪表盘）能精准显示数据或提示渲染故障，保证行车绝对安全；4）MARVS 电子后视镜可以根据用户需求灵活定制专属方案，如芯片选型推荐、图像算法、 图像处理等，提供高清、高帧率、宽动态、全天候的摄像头图像实施解决方案。

软件定义汽车领域壁垒高，竞争格局清晰

由于需要对芯片和基础软件具有深刻的理解和充足的人才储备，故而软件定义 汽车行业的壁垒较高，市场参与者较少。中科创达在软件定义汽车领域（虚拟 机、OS、中间件等基础软件及优化）主要竞争对手包括 Luxoft、GlobalLogic、 KPIT、Mobica，以及 Tier 1 软件服务商 ADIT(博世和电装)、Elektrobit(大陆)、 Opensynergy(松下)等。

Tier1 在智能座舱的布局

传统 Tier1 厂商正在积极布局智能座舱系列产品。以博世为例，在今年 10 月北 京车展上，博世展示了其最新座舱域控制器、全球首款量产车上的曲面仪表显 示屏、3D 显示、车辆 OTA 远程升级、数字钥匙等前沿科技。其中座舱域控制 器搭载高通 8155P 芯片，集成多模块的操作系统，能够同时支持仪表、中控、 副驾娱乐、HUD、空调、后排等多块显示屏，并且整合了驾驶员和乘员监控 （DOMS）、360 环视（AVM）、及人脸识别（Face ID）、多麦克风输入、主动 降噪等功能。

自动驾驶也是博世正大力布局的方向。在该领域，博世采取的是循序渐进的发 展策略，逐步推进自动驾驶量产。目前，在 L2 自动驾驶层面，博世在全球已经 有 60 多个项目进入量产，包括 TJA 交通拥堵辅助、APA 自动泊车辅助等，下 一步即将投入量产的是 RPA 遥控泊车辅助和高速公路辅助系统。而支撑博世在 自动驾驶领域取得上述突破的，是其完整的自动驾驶产品线布局。比如在感知 层，博世已经构建了全面的传感器产品组合，包括超等波雷达、摄像头、毫米 波雷达、激光雷达等。其中博世的毫米波雷达已经发展到了第五代，摄像头发 展到了第三代，首款适用于车规的长距离激光雷达也已进入量产开发阶段。通 过将激光雷达与摄像头、毫米波雷达等形成互补，为驾驶者提供可靠的路况信 息，博世正助力汽车行业加速实现 L3-5 级自动驾驶。在决策层，博世推出了域 控制器 DASy，该产品作为集中式整车架构的核心组件，具有高带宽、强算力、 大存储容量以及高安全性等特性。DASy 可以收集并融合来自雷达、摄像头、 激光雷达等传感器的数据，帮助车辆生成周围 360 度的高精度环境模型，并制 定合适的驾驶策略。至于执行层，诸如制动系统、转向系统等，亦是博世的强 项。在该领域，目前博世最成熟的产品是 iBooster+EPS 组合，这两种系统都 具有直接的机械推进装置，并且可以在整个减速范围内独立制动车辆，形成制 动冗余，从而保证车辆在任何情况下都能安全制动。

自动驾驶域：应用逐步落地，商业化进程值得期待

自动驾驶域整体架构如下：

芯片：英伟达领先，高通持续迭代，国产厂商积极布局

自动驾驶芯片介绍

在传统芯片行业，常用算力、功耗和面积三大指标来衡量性能。由于自动驾驶 功能对算力极高的追求，峰值算力成为衡量自动驾驶芯片的最主要指标。

目前一般认为，L2 需要的计算力100TOPS，而 L5 需要的计算力目前还未有明确定义（有预 测需要至少 1000TOPS），每增加一级自动驾驶等级，算力需求则相应增长一个 数量级。根据英特尔推算，在全自动驾驶时代，每辆汽车每天产生的数据量将 高达 4000GB。

特斯拉核心壁垒：自研自动驾驶芯片+神经网络算法+计算平台

特斯拉在汽车智能化领域最大的壁垒来自于其掌握核心数据、AI 算法、以及主 控芯片自研。2014 年～2016 年，特斯拉自动驾驶域曾搭载 Mobileye EyeQ3 芯 片；2016 年～2019 年，特斯拉将 Mobileye EyeQ3 更替为 Nvidia Parker SOC 和 Nvidia Pascal GPU，搭载 DRIVE PX 2 AI 计算平台。由于英伟达的高能耗， 2017 年起，马斯克决定开始自研主控芯片，尤其是主控芯片中的神经网络算法 和 AI 处理单元全部由特斯拉自己完成；2019 年 4 月，特斯拉正式在 Autopilot HW3.0 平台上搭载了自研的 FSD 主控芯片。

新势力自动驾驶芯片应用情况

目前自动驾驶芯片的产品主要包括 Nvidia 系列、Mobileye 系列以及特斯拉自研 FSD 芯片，具体主流车型搭载芯片参考下表。

英伟达：GPU 技术领先，驾驶域实力强劲

在车辆驾驶环境下，正属于多量、简单、即时任务的处理，意味着需要即时处 理的数据量巨大，而 GPU 最适合处理这些数据集。GPU 有多个（或达数千个） 被称为流处理器的单元处理数据，虽然这些单元的处理速度比 CPU 更慢，但所 有这些处理器可以并行运行，即它们可以同时处理很多相对简单但具有大量数 据的任务。CPU 可以轻松处理一个数据量大、时间长而且比较复杂的任务，而 GPU 处理这类任务时就会吃力；而当有较多简单的任务时，GPU 优势凸显。

英伟达在其自动驾驶套件中使用的芯片使用了基于神经网络的 AI 深度学习技 术。英伟达的图灵 GPU 引入专门针对深度学习的特殊功能单元——Tensor Core，它能够让 GPU 对不同的数据类型可以进行混合计算，既同时实现 fp 浮 点计算（测量 AI 训练峰值算力）和 int 整数运算（测量 AI 推理峰值算力），如 下图所示，目前仅有英伟达的驾驶域 DCU 支持该类混合计算。以前一个代码如 果用了整数, 对应的单精度性能就没有了，也就是说只能在单精度性能（浮点 计算）和整数性能（整数计算）中进行选择。混合精度训练实现了所有这些好 处，同时确保与全精度训练相比，不会损失特定于任务的精度。（FP32 是目前深度学习训练和推理中使用最多的高精度格式，主要用于图像处理；在低精度 场景中，INT8 比较经常用来作为推理计算的数据格式。TFLOPS：浮点运算能 力单位；TOPS：整数运算力单位。）目前在 L2+层级英伟达独占鳌头，但在 L2 层级仍是 Mobileye 的 EyeQ 系列的主战场。

高通：座舱域芯片龙头，驾驶域产品持续迭代

前文讲述了高通在座舱域的芯片性能全面领先竞争对手，高通在自己的芯片中 也引入硬件化的 AI 计算单元，即在原来 Hexgon DSP 中增加 Tensor 核心， 其实和 NVIDIA 在 GPU 当中增加 Tensor Core 的作法的目的相当类似，在 不舍弃原本计算单元的过往兼容能力，以及可编程能力的前提下，增加更有效 率的硬件计算单元，使整体计算能力提升，同时也满足未来 AI 应用需求，但 同时又要兼顾低功耗持续计算的特性。

高通驾驶域产品也将持续迭代，2021 年有望发布新产品。，高通骁龙 SA8155P 本身在座舱域实现高市占率，算力和制程优势突出。高通的图像处理器技术来 源收购 AMD 部分“向量绘图(vectorgraphics)与 3D 绘图技术和知识产权(IP)”， 当时正是 AMD 困难时期。高通在 2021 年有望依托以上技术优势进行自动驾驶 芯片的发布。

国内自动驾驶芯片研发厂商部署——华为，地平线

国内座舱域和自动驾驶域控制器芯片的自主品牌代表性企业主要包括华为和地 平线。

华为：不造车，但目标将 ICT 技术带入每一辆车

除华为的强项无线通信连接能力以外，目前华为在智能汽车的布局主要集中在 智能驾驶、智能座舱、智能动力三个方面。目前华为已经在控制器上取得较多 进展，华为的做法是提出代表计算和通信的 CC 架构，以及基于 CC 架构衍生 出三大平台智能驾驶平台（MDC）、智能座舱平台（CDC）和整车控制平台（VDC）、 联结和云服务。华为的 MDC、CDC、VDC 可以理解为三大域控制器。根据 36 氪，华为消费者 BG 正在与智能汽车解决方案 BU 进行整合，总负责人是华 为消费者业务 CEO 余承东。华为目前拥有从智能驾驶、智能座舱、智能电动 mPower 整体解决方案，到智能网联、智能车云服务、商用车&专用车解决方 案、ADS 智能驾驶全栈解决方案等一系列解决方案。

1）智能汽车解决方案品牌：HI（Huawei Intelligent Automotive Solution）。包 括 1 个全新的计算与通信架构和 5 大智能系统，智能驾驶，智能座舱、智能电 动、智能网联和智能车云，以及激光雷达、AR-HUD 等全套的智能化部件。同 时，HI 品牌还从算力和操作系统层面规划了智能驾驶、智能座舱、智能车控三 大计算平台，以及 AOS 智能驾驶操作系统、HOS 智能座舱操作系统和 VOS 智 能车控操作系统三大操作系统。

2）智能座舱：包含三大平台:Harmony 车机 OS 软件平台、Harmony 车域生态 平台以及智能硬件平台。硬件具有车机模组、8 英寸超低反显示屏、座舱麦克 风陈列模组、智能座舱高清摄像头等。

3）智能驾驶解决方案：

计算平台：华为于 2018 年发布 MDC（ ）作为自动驾驶 计算平台，已经与 50 多位包括主机厂研究院、传感器、执行器、应用算法、运 营商等合作伙伴们，在各个层面达成了广泛而深入的合作关系。

自动驾驶系统：华为高阶自动驾驶系统 ADS 获德国莱茵 TV ASIL D 认证（该 标准是全球电子零部件供应商进入汽车行业的准入门槛之一，目前，已通过 ISO 26262 功能安全认证的自动驾驶芯片仅有 Mobieye 的 EyeQ 系列，英伟达的 Xavier 及华为的昇腾 310，特斯拉自研的 FSD 芯片通过 AECQ100 认证，而不 是 ISO 26262），有望于 2022 年 Q1 登上量产车。

传感器：毫米波雷达、激光雷达、智能摄像头等产品加速落地。

4）智能动力：华为智能电动 mPower 整体解决方案中,具有车载充电系统、三 合一及多合一电驱动系统、BMS(电池管理系统)、充电模块等。

华为目前最新的自动驾驶平台旗舰产品是 MDC600，能够满足 L4 级别自动驾 驶对域控制器的性能需求；而针对 L3 级别有条件自动驾驶，华为推出了 MDC300。

MDC 自动驾驶平台的系统架构是可伸缩的，通过对 CPU 内核数，人工智能加速内核搭载数量以及 IO 接口数量的增减，可满足高、中、低端乘用车从驾驶辅 助到高端智能驾驶的不同使用场景。

MDC 平台使用的芯片内核是昇腾 310，昇腾 910 有望于 2021 年推出。昇腾 310 单芯片算力为 16TOPS，功耗为 8W，能耗比为 2TOPS/W；特斯拉 Autopilot 3.0 处理单元上的 FSD 芯片单芯片算力为 72TOPS，功耗约为 36W，能耗比为 2TOPS/W；英伟达最新 DRIVE AGX Orin 平台，其上搭载的 Orin 芯片，单芯 片算力达到 200TOPS，功耗为 45W，功耗算力比为 4.4TOPS/W。相比起来， 昇腾 310 的能耗比已赶上国际主流水平。目前昇腾 310 采用的是台积电 12nm 工艺制造，随着未来生产工艺提升至 7nm 甚至 5nm，其能耗比还有进一步提升 的空间。

目前华为与北汽、长安等合作伙伴深度合作，2021 年新车型或有望逐步推出。

鸿蒙 OS 正式发布，涉及智能汽车的座舱、驾驶及控制系统。在 8 月 14 日的 2020 中国汽车论坛上，华为公布了三大鸿蒙车载 OS 系统，同时还宣布已经有 大量合作伙伴基于鸿蒙 OS 进行开发。三大鸿蒙 OS 分别是——鸿蒙座舱操作 系统 HOS、智能驾驶操作系统 AOS 和智能车控操作系统 VOS，分别涉及智能 汽车的座舱、驾驶及控制系统。

地平线：生态合作广泛，DCU 芯片创业公司独角兽

2020 年 9 月，在 2020 北京国际车展上，地平线发布地平线新一代高效能车载 AI 芯片征程 3，并展示了一系列智能驾驶落地成果，为汽车智能化定义“芯引 擎”。

此次发布征程 3，是地平线进一步加速车载 AI 芯片迭代，推动汽车智能化发展 和量产落地的深入实践，是对“芯引擎”的全新升级。征程 3 采用 16 纳米工艺， 基于地平线自主研发的 BPU2.0 架构，AI 算力达到 5 TOPS，典型功耗仅为 2.5W， 具有高性能、低功耗、拓展性强、安全可靠的特点，支持高级别辅助驾驶、智 能座舱、自动泊车辅助、高级别自动驾驶及众包高精地图定位等多种应用场景。

征程 3 能耗比超越多款行业主流芯片，而且具有出色的图像接入和处理能力， 不仅支持基于深度学习的图像检测、分类、像素级分割等功能，也支持对 H.264 和 H.265 视频格式的高效编码。而且灵活开放，客户可使用地平线算法样例、 AI 芯片工具链，以及进行应用开发所需的全套工具，快速实现产品级应用落地。

未来，地平线将推出更强大的征程 5，面向高等级自动驾驶场景，单芯片达到 96 TOPS 的 AI 算力，支持 16 路摄像头，组成的自动驾驶计算平台具备 192-384 TOPS 算力，可支持 L3-L4 级自动驾驶。

基于自研 AI 芯片打造的地平线“天工开物”AI 开发平台，由模型仓库、AI 芯 片工具链及 AI 应用开发中间件三大功能模块构成，包含面向实际场景进行 AI 算法和应用开发的全套工具，最大限度地方便客户进行个性化的应用开发，并 可依据合作伙伴的不同需求提供不同层次的产品交付和服务，全面支持客户快 速构建场景应用。地平线数据闭环系统赋能合作伙伴实现从数据采集标注、模 型训练优化、仿真评测，到模型 OTA 部署，端到端的数据迭代闭环，打造具备 覆盖整车整个生命周期的持续进化能力。

经与行业伙伴通力合作，地平线依托车规级 AI 芯片、开放易用的工具链、算法 模型样例、专业化服务和开发者社区五大支柱，现已围绕环境综合感知和车内 人机交互两大方向，实现完整的智能驾驶产品布局。今年，长安汽车与地平线 基于该芯片联合开发了智能座舱 NPU 计算平台，并搭载在其今年推出的全新车 型 UNI-T 上，征程 2 业已成为首个上车量产的国产 AI 芯片。日前，纯电 SUV 奇瑞蚂蚁上市，新车也搭载了地平线征程 2 车规级 AI 芯片，实现了 L2+级自动 驾驶。截止目前，地平线在智能驾驶领域已同奥迪、一汽红旗、上汽集团、广 汽集团、长安汽车、比亚迪、理想汽车、长城汽车等车厂达成深度合作，初步 建成覆盖智能驾驶和智能座舱的智能汽车芯生态。

自动驾驶系统：商业化落地加速，产业生态逐步成熟

特斯拉 Autopilot 系统解析

特斯拉的 Autopilot 是一个典型的决策控制器，主要的功能是接受前向雷达和前 向摄像头的数据信息，然后进行计算决策。从 2014 年推出第一个版本开始， 特斯拉的自动驾驶系统 Autopilot 经过了 4 次大的硬件版本更新，从最初 1.0 版 本完全基于第三方供应商 Mobileye 提供芯片+算法，到 2.0、2.5 版本逐步过 渡到自研算法+英伟达的芯片，最后在 2019 年 4 月份特斯拉成功推出自研芯片， 实现了自动驾驶芯片+神经网络算法的垂直整合。

从实际效果来看，Autopilot 采用自研芯片后，系统性能得到了显著提升，从 2.5 版本只能同时处理每秒 110 帧图像进化到 3.0 版本能够同时处理每秒 2,300 帧的图像，性能提高了 21 倍;与此同时，芯片成本也较之前下降了 20%。

在 2020 年 7 月 1 日进行提价后，特斯拉 Autopilot 全自动驾驶套件目前的价格为 8000 美元，马斯克表示，随着软件获得监管部门的认可，FSD 将具备接近 完全自动驾驶的能力，届时 FSD 的价格将继续上涨。截至 2019 年，特斯拉通 过出售“全自动驾驶”套件获得的收入已经超过了 10 亿美元。特斯拉的 Autopilot 可以实现车辆的自动辅助转向（Autosteer）、自动辅助加速 和自动辅助制动，升级之后更是增加了自动变换车道、进出闸道、自动泊车 （Autopark）以及在交通路口根据信号灯停走（Traffic-Aware Cruise Control） 的功能。

特斯拉的全自动驾驶包提价反应了公司对于全自动驾驶的持续改善，定期更新 改善车辆的能力，更好地利用内置摄像头和无人驾驶计算机。马斯克更是表示， 全自动驾驶包的价值最终应该超过十万美元，很大一部分价值预计将来自于未 来无人驾驶出租车的上线，车主最终可以把自己的车作为出租车使用并分享其 中的收入。

目前主流的自动驾驶技术路径主要分两种：

一、以特斯拉为代表的视觉算法为主导的流派，通过摄像头、毫米波雷达捕捉 周边环境信息，再通过算法为主，进行分析抉择。这一类方案所需的硬件成熟 度较高，成本低，但毫米波雷达探测角度较小，远距离探测能力也不足，需要 优异的算法来弥补缺点。

二、以 Waymo、部分车企为代表的激光雷达主导的流派，在摄像头、毫米波 雷达的基础上增加了激光雷达，可以进行远距离、全方位的探测，分辨率较强， 但硬件成本较高，且激光雷达同样也存在一些问题：比如，在恶劣天气的条件 下表现一般，缺乏对环境的颜色和纹理信息的辨别，并且在大范围安装激光雷达后，激光雷达有无法判断是否为自己发出的脉冲光的串扰风险，这会直接导 致激光雷达判断不出物体的形状。

马斯克曾表示：“一旦你能解决摄像头的视觉问题，就能解决自动驾驶的问题；如果你不解决视觉问题，自动驾驶的问题自然无解。这就是为什么我们如此关 注视觉神经网络，它对道路状况非常有效。只要有摄像头，你绝对可以实现成 为超人的梦想。比如，只需要照相机，就可以比人类做得好十倍。” 特斯拉采 取以视觉为主的技术路径的最明显原因是其成本低廉。将一个激光雷达装置安 装在汽车上的成本大约是 1 万美元。谷歌和它的 Waymo 项目已经能够通过 引入量产略微减少数量。然而，成本仍然相当可观。特斯拉高度关注成本，并 确保汽车价格实惠。在已经很昂贵的汽车上增加激光雷达的价格是相当重要的。对于特斯拉，在算法领先于同行玩家的同时，如何使用性价比最高的零件创造 更大的效益，是特斯拉的目标。这也就注定了，在马斯克眼中，价格高昂的激 光雷达，只能是其他企业对于视觉感知存在的问题和缺陷的遮羞布。

目前在自动驾驶行业业务盈利模式还没有成熟的阶段，行业充斥着大量不确定 性，一个新技术的出现与应用，是就此沉默还是改变行业，只能交给时间来决 定。

芯片 ASIC、FPGA、GPU、CPU 之争，生态合作伙伴成为重中之重

CPU、GPU、DSP 等传统芯片目前仍是智能汽车主流芯片

CPU 与 GPU 都是我们常见的通用型芯片，它们在各自领域都可以高效地完成 任务，但当同样应用于通用基础计算领域时，设计架构的差异直接导致了两种 芯片性能的差异。

CPU 适用于处理数量适中的复杂运算。CPU 作为通用处理器，除了满足计算 要求，为了更好的响应人机交互的应用，它要能处理复杂的条件和分支，以及 任务之间的同步协调，所以芯片上需要很多空间来进行分支预测与优化(control)， 保存各种状态(cache)以降低任务切换时的延时。这也使得它更适合逻辑控制、 串行运算与通用类型数据运算。

GPU 适用于处理数量庞大的相对简单的运算。GPU 拥有一个由数以千计的更 小、更高效的 ALU 核心组成的大规模并行计算架构，大部分晶体管主要用于构 建控制电路和 Cache，而控制电路也相对简单，且对 Cache 的需求小，只有小 部分晶体管来完成实际的运算工作。所以大部分晶体管可以组成各类专用电路、 多条流水线，使得 GPU 的计算速度有了突破性的飞跃，拥有了更强大的处理浮 点运算的能力。这决定了其更擅长处理多重任务，尤其是没有技术含量的重复 性工作，比如图形计算。由于深度学习通常需要大量的训练，训练算法并不复 杂，但数据非常量大，而 GPU 的多内核、并行处理的优势，使得其相比 CPU 更适合深度学习运算。

算力指标上有所差异。比较常见的 CPU 算力指标是整数运算，而 GPU 比较常 见的算力指标是浮点运算。例如英伟达的图灵 GPU 引入专门针对深度学习的特 殊功能单元——Tensor Core，它能够让 GPU 对不同的数据类型可以进行混合 计算，既同时实现 fp 浮点计算（测量 AI 训练峰值算力）和 int 整数运算（测量 AI 推理峰值算力）。TFLOPS：浮点运算能力单位；TOPS：整数运算力单位。

以前一个代码如果用了整数, 对应的单精度性能就没有了，也就是说只能在单 精度性能（浮点计算）和整数性能（整数计算）中进行选择。混合精度训练实现了所有这些好处，同时确保与全精度训练相比，不会损失特定于任务的精度。FP32 是目前深度学习训练和推理中使用最多的高精度格式，主要用于图像处理；在低精度场景中，INT8 比较经常用来作为推理计算的数据格式。

从应用方面，例如压缩算法、排序算法、以及其他主要应用，都是依赖 CPU 整 数运算性能；而视频编码解码、数字图像处理（光影等）、3D 游戏等，依赖 GPU 去解决浮点运算。

DSP 芯片即指能够实现数字信号处理技术的芯片，DSP 芯片的内部采用程序和 数据分开的哈佛结构，具有专门的硬件乘法器，广泛采用流水线操作，提供特 殊的 DSP 指令，可以用来快速的实现各种数字信号处理算法。优势是程序和数 据空间分开，可以同时访问指令和数据、可编程性、可嵌入性，DSP 适用于系 统较低取样速率、低数据率、多条件操作、处理复杂的多算法任务。缺点而言 相对来讲功能比较少、不能处理太高速的信号，因此会集成在 FPGA 中。DSP 对于流媒体（语音等）的处理能力远远的优于通用 CPU。

FPGA、ASIC 应运而生，创业公司纷纷布局

FPGA、ASIC 设计方式应运而生。从 IC 设计上，虽然频率很重要，但是芯片 的主要瓶颈还在带宽和存储部件上。因为程序的大量数据，都是与存储部件进 行交互。芯片架构冗余会导致瓶颈问题更加突出，故而针对应用场景定制化或 者半定制化的芯片设计模式应用而生——ASIC、FPGA。

FPGA（Field－ProgrammableGateArray），即现场可编程门阵列，它是在 PAL、 GAL、CPLD 等可编程器件的基础上进一步发展的产物。它是作为专用集成电 路（ASIC）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又 克服了原有可编程器件门电路数有限的缺点。

ASIC 具有高性能、低功耗的优势，但它们包含的任何算法——除了那些在软件 内部处理器内核执行的——其余都是“冻结的”。所以这个时候我们就需要现场 可编程门阵列（FPGA）了。早期的 FPGA 器件的架构相对简单——只是一系 列通过可编程互连的可编程模块。

FPGA 最可以配置它的可编程架构来实现任意我们需要的数字功能组合。另外， 我们可以以大规模并行的方式实施算法，这意味着我们可以非常迅速和有效地 执行大数据的处理。

ASIC 被认为是一种为专门目的而设计的集成电路。是指应特定用户要求和特定 电子系统的需要而设计、制造的集成电路。ASIC 的特点是面向特定用户的需求， ASIC 在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、 性能提高、保密性增强、成本降低等优点。

完整的 FPGA 设计流程包括功能描述、电路设计与输入、功能仿真、综合优化、 综合后仿真、实现与布局布线、时序仿真、板级仿真与验证、调试与加载配置。

ASIC 的设计流程（数字芯片）包括：功能描述、模块划分、模块编码输入、模 块级仿真验证、系统集成和系统仿真验证、综合、STA（静态时序分析）、形式 验证。

FPGA 和 ASIC 产品的使用要根据产品的定位和设计需要来选用，ASIC 产品适 用于设计规模特别大，如 CPU、GPU、DSP 或多层交换芯片等，或者是应用 于技术非常成熟且利润率非常低的产品，如家用电器和其它消费类电器，亦或 是大量应用的通用器件如 RAM、PHY 等。而 FPGA 产品适用于设计规模适中， 产品要求快速占领市场，或产品需要灵活变动的特性设计等方面的产品，如 PDH、2.5G 以下 SDH 设备和大部分的接口转换芯片等。

由于汽车行业销量数目庞大，未来智能驾驶芯片出货量或有望达到亿级，在大 规模出货的预期下，未来 IC 设计模式有望向 ASIC 转变，FPGA 或可能只是过 渡阶段。对于行业巨头而言，由于 FPGA、ASIC 新的芯片设计，需要对原有的架构进 行较大改动，目前都处于研发阶段，仅有部分“CPU+GPU+FPGA”模式有所 落地。这给了创业公司较大机会，放眼国内，地平线、黑芝麻、华为等厂商积 极布局，有望打破海外厂商垄断格局，未来芯片格局未稳。

格局未稳，解决方案生态合作伙伴成为重中之重

芯片厂商格局未稳，产业链合作伙伴有望成为稀缺资源，充分受益于汽车智能 化浪潮。目前汽车产业链的交付模式发生变化，芯片厂商先前更多作为 Tier1的供应商，而当下更多的是直接与汽车厂商发生生意。复杂的需求与高算力芯 片的落地，使得芯片厂商需要对外寻找整体解决方案生态合作伙伴，为车厂共 同提供一整套解决方案。

主板设计与软件生态合作伙伴成为重中之重。单一的芯片，需要下游厂商基于 芯片的规格负责主板的设计和调试，而全套的解决方案，则是芯片厂商根据下 游的要求设计好主板的布局、接口的数目，甚至以模块的形式封装出货，下游 厂商只需负责连接计算模块与车辆的各个传感器即可；此外，在汽车厂商落地， 还需要相关虚拟机、OS、中间件等开发环境，需要中科创达这类软件服务商打 通方案。

无论是已有的高通、英伟达、Mobileye、NXP、瑞萨等老牌巨头，还是地平线、 黑芝麻、华为等行业新军，在目前阶段除了做好产品，最重要的就是建立解决 方案生态，并积极与车厂展开合作。生态共建，共享汽车智能化果实。

车身域、动力域和底盘域：普及程度较低，MCU 仍是主流方案

域控制器也叫域控制单元，还有直接跨域实现区域控制的多域控制器。域控制 器的概念是由博世和大陆等 Tier1 提出的，旨在解决信息安全和 ECU 开发瓶颈 问题。汽车域控制器是一种高速计算设备，具有强大的硬件算力和各种软件接 口，可以使系统集成度更高，从而集成更多核心功能模块，降低对功能感知和 执行硬件的要求。为了进行数字处理，域控制单元通常需要具有强大算力的内 置核心处理器（CPU），以实现整车各个区域相对应的功能。

相比自动驾驶域和座舱域对芯片算力快速增长要求，车身域控制器仍然以技术 成熟的车规级微控制器 MCU 为主，对安全和可靠性要求苛刻。汽车 MCU 主要 供应商包括众多传统 Tier 1 厂商和半导体巨头，如恩智浦、英飞凌、瑞萨、意 法半导体、TI、博世、安森美和东芝等。

MCU 从 8 位、16 位到 32 位，匹配不同需求场景。8 位 MCU 主要应用于车体 各子系统中较低端的控制功能，包括车窗、座椅、空调、风扇、雨刷和车门控 制等。16 位 MCU 主要应用为动力传动系统，如引擎控制、齿轮与离合器控制 和电子式涡轮系统等，也适合用于底盘机构上，如悬吊系统、电子动力方向盘、 电子刹车等。32 位 MCU 主要应用包括仪表板控制、车身控制、以及部分新兴 的智能性和实时性的安全功能。在目前市场的主流 MCU 当中，8 位和 32 位是 最大的两个阵营。

传统车厂商：汽车智能化浪潮下，已迈出坚实一步

随着汽车进入 5G 时代，智能座舱和自动驾驶在智能汽车上占据越来越重要的 地位，并且已经成为主机厂提供差异化服务的必争之地。据高工智能汽车研究 院根据新车上险量数据统计显示，1-6 月数字化智能座舱功能平均渗透率提升至 33.11%，相比去年（23.95%）提升了接近 10 个百分点。从新车搭载量来看， 今年上半年数字化智能座舱功能平均搭载量增速为 45.38%，跑赢车市。2020 年上半年中国智能座舱产品（数字仪表、中控多媒体、GPS 导航、语音、车联 网、OTA、流媒体后视镜、HUD）的渗透率分别是 15.61%、69.82%、49.05%、 60.79%、45.05%、20.54%、0.67%、3.39%

在智能座舱领域，中国是全球数字化发展的先锋市场，为了更好满足中国客户 快速变化、个性多元的数字化需求，传统车厂商也相继为中国客户推出量身定 制的数字化产品。

宝马在今年七月的创新日上，发布了多款车机端数字化产品，包括可以用 iPhone 解锁座驾的全新一代宝马数字钥匙；推出业内首个停车场室内地图功能；搭载短视频应用“西瓜视频”；以及与腾讯合作，将“腾讯小场景”和“微信车 载版”引入车内。

在今年 10 月的北京车展上，奔驰也在其国产长轴距版 E 级轿车上搭载了裸眼 3D 仪表盘，系统可以实时监控驾驶员的双眼视线使得 3D 效果实时根据驾驶员 的目光进行调整，实时随动。同时，在车的前方，奔驰使用了大面积的 HUD， 而且业内率先支持显示 AR 实景导航，在目前其它家使用中控屏或仪表显示的 基础上更进了一步。后排屏幕也不再只是作为显示屏，而是像前排屏幕一样接 入了车机系统，让你可以触摸划动控制各种功能，并支持直接与前排分享导航、 音乐等信息。

奥迪在其首款纯电动车型 E-Tron 内，采用的是英伟达车机芯片，共三块大屏组 成奥迪虚拟座舱系统。奥迪仪表盘采用的是 12.3 英寸液晶屏，中控触摸屏为 10.1 英寸触控屏，下方是一块尺寸 8.6 英寸的触控屏，整体显示效果比较细 腻。在交互方式上，奥迪 e-tron 语音系统使用的亚马逊 Alexa 语音助手，可 以控制导航、空调，但是不支持多区声源识别也不支持连续对话。在娱乐影音 系统方面，奥迪 e-tron 没有搭载在线音乐软件，只能使用 FM 收音机和蓝牙 音乐。从实际的体验上来看，奥迪 e-tron 上的这套座舱系统从使用的角度上来 讲与主流电动车相差较大。常用的几个功能包括导航、语音、 音乐等做的都不 是很出色，必备的在线音乐功能还没有搭载到车型上来。语音覆盖度相对来说 做的比较简单，语音的识别率、常用功能的操作同样也落后于大部分智能电动 车，还有非常大的提升空间。

无论是在传统车企还是造车新势力，L2 级辅助驾驶技术都已实现了规模应用。在面向限定条件下的自动驾驶 L3 级以及更高的 L4/L5 级演进中，以及相关法律 监管的空缺，各车厂的汽车智能化之路同样滞后于造车新势力。再次以 BBA 为 例，奥迪在 2017年率先在奥迪 A8推出了 L3级自动驾驶技术的Traffic Jam Pilot （TJP），其核心自动驾驶平台 zFAS 由 4 个核心元件组成， Mobileye EyeQ3 负责交通信号识别、行人检测、碰撞报警、光线探测和车道线识别，NVIDIA Tegra K1 负责驾驶员状态检测和 360 度全景，Altera Cyclone V 负责目标识别融合、 地图融合、自动泊车、预刹车和激光雷达传感器数据处理，Infineon Aurix TC297T 负责监测系统运行状态使整个系统达到 ASIL-D 的标准。但可惜的是， 在2020年初该公司放弃了在其旗舰车型 A8中引入L3级自动驾驶技术的计划。梅赛德斯-奔驰在 2019 年末表示，在确保自动驾驶系统安全性能至少达到 99.999%之前，不会批准自动驾驶系统的使用，并且将在自动驾驶系统研发中 优先发展卡车自动驾驶技术。根据最新的计划，梅赛德斯-奔驰计划采用 NVIDIA 自动驾驶系统解决方案，该系统将基于 NVIDIA DRIVE AGX Orin 芯片开发，首 批搭载这套方案的梅赛德斯-奔驰汽车将于 2024 年上路。在自动驾驶技术上， 宝马积累了大量突破性关键技术。2016 年宝马集团与英特尔以及 Mobileye 建 立起行业第一个开放式的自动驾驶研发平台，首款支持 L4 自动驾驶的 BMW iNEXT 计划在 2021 年发布。宝马选择了多块芯片组合的分布式计算平台，包 括 2 块英特尔 Denveton 8 核 CPU、2 块 Mobileye EyeQ5 芯片、2 块英飞凌 Aurix MCU，以及瑞萨 V3H 和 H3 芯片。

重点企业分析（参见原报告）

中科创达：智能汽车业务爆发式增长，商业模式逐步升级

德赛西威：国内车机龙头，智能驾驶推进有序（汽车团队覆 ）

道通科技：优质汽车诊断龙头，开启数字化、智能化发展新篇章

锐明技术：全球化商用车监控龙头，智能化时代迎量价齐升

……

（报告观点属于原作者，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

为便于研究人员查找相关行业研究报告，特将2018年以来各期文章汇总。欢迎点击下面红色字体查阅！

文琳编辑

今日导读：点击下面链接可查阅

公众号 ：文琳行业研究

文琳行研报告，为各机构提供专业的信息、数据、研究和咨询服务。欢迎关注【文琳行业研究】

《文琳资讯》每日提供最新信息。欢迎关注

今日导读：点击下面链可查阅

《文琳阅读》每晚经典，欢迎关注！

今日导读：点击下面链接可查阅

公众号 ：文琳阅读

公众号 ：就业与创业