我国自动驾驶芯片企业实现快速发展的原因有哪些？

我认为我国自动驾驶芯片企业近年来实现快速发展有如下几点原因：

1.高级别自动驾驶尚未落地，本土厂商加速算力追赶

对于高级别的智能驾驶系统而言，传感器数量的增加及分辨率的提升带来海量数据处理需求，算 法模型的复杂程度亦大幅提升。随着汽车 E/E 架构逐步集中化，智能汽车的计算能力将主要由少 数的几个域控制器或是中央计算平台来实现，这也对单颗车载芯片算力提出了更高的要求。根据 亿欧智库，自动驾驶等级每增加一级，所需要的芯片算力就会呈现十倍以上的上升，其中 L4 级别 需要的 AI 算力接近 400TOPS，L5 需要的算力达到了 4000+TOPS。即使目前 L3 级别及以上的 自动驾驶还未落地，国内以蔚来、智已、威马、小鹏为代表的主机厂对于新一代的旗舰车型采取 了“硬件预埋，软件升级”的策略，通过预置大算力芯片，为后续软件与算法升级优化提供足够 发展空间。但对于绝大多数量产车型（中端、低端车型）而言，一味地追求大算力芯片无疑会带 来过高的成本，此时主机厂会更加青睐中高算力的自动驾驶芯片，这也给正在起步发展的本土厂 商提供了一片“沃土”。

2018 年后，国内厂商在算力层面上逐步形成追赶： 1> 华为：2018 年，华为推出了第一款面向边缘计算和自动驾驶的昇腾 310 芯片（12nm， 16TOPS）。2019 年，华为发布昇腾 910 芯片（7nm，512TOPS，主要面向 AI 训练）。 2020 年，华为发布昇腾 610 芯片（7nm，200TOPS），在算力层面上已处于第一梯队的位 置。 2> 地平线：2019 年，地平线发布中国首款车规级 AI 芯片征程 2（4TOPS），并于 2020 年实现 前装量产。在 2020 年与 2021 年，地平线又分别发布了征程 3（5TOPS）与征程 5（最高可 达 128TOPS），并计划在 2023 年推出征程 6，而征程 6 也有望较前代产品进一步实现算力 的跃升。 3> 黑芝麻：2019 年，黑芝麻发布华山一号 A500 芯片（28nm，5-10TOPS）；2020 年，发布 华山二号 A1000（16nm，58TOPS）；2021 年，发布华山二号 A1000Pro（16nm，最高 196TOPS）。目前，黑芝麻下一代产品 A2000 也在积极开发当中。

2.国产自动驾驶芯片在能效比控制方面做得较好

为支持并兼容 L3 及以上智能驾驶系统数量与类型繁多的传感器与执行器需求，车载计算平台多采 用异构芯片硬件方案，以满足系统接口与算力需求。相较传统 ECU，车载计算平台的复杂度呈数 倍提升，面临功耗、散热、电磁、质量等多重挑战，存在着物理上限。因此，尽管当前行业普遍 以“TOPS” 为单位来评估自动驾驶芯片的理论峰值算力，各大芯片厂商也不断刷新算力峰值， 但在实际场景下的算力有效利用率却不高，自动驾驶芯片理论峰值算力并不一定能在实际运行中 完全释放。

以英伟达已量产的 Xavier 和 Orin 为例：Xavier 的算力达 30TOPS，功耗为 30W，能效比为 1TOPS/W；Orin 的算力达 254TOPS，功耗为 65w，能效比为 3.9TOPS/W。而地平线的征程 5 则利用自主研发的可编程 AI 加速引擎 BPU 以及贝叶斯计算架构实现了 4.3TOPS/W 的能效比，高 于英伟达、特斯拉、Mobileye 等其他厂商的竞品。华为的昇腾 310 芯片的能效比达 2TOPS/W， 也基本与特斯拉 FSD、Mobileye 的 EyeQ5 处于同一水平。可见国内自动驾驶芯片公司在产品能 效比控制方面做得较好，这也成为了其在量产装车中的优势。

3.缺芯促进汽车芯片国产化替代

全球缺芯的主要原因为新冠疫情冲击导致供需错配。在供给侧，受疫情影响，2020 年部分芯片厂 商关闭工厂或降低产能。芯片厂多以终端订单来制定产能，具有超过半年的供货周期，由于 2020 年上半年市场对汽车行业的悲观预期，大部分芯片厂主动降低产能。当时全球 70%以上的汽车芯 片（MCU）生产来自台积电，台积电汽车芯片代工收入仅为 3%-5%，主要是由于汽车芯片代工 利润低，没有扩产动力，导致产能吃紧。在需求端，随着疫情逐步恢复平稳，车市需求大幅回暖， 但此时消费电子市场也迎来了较大幅度的回弹，这也对汽车芯片的供应形成一定程度的挤压，最 终导致供需错配。

疫情后主机厂开始推进韧性更高、国产化程度更高的新型芯片供应生态建设。我国汽车芯片市场 需求大但由于缺少自主可控的芯片产业链，导致绝大部分市场被国际芯片厂商占据，这也导致我 国主机厂在全球汽车芯片产能分配中缺少话语权。缺芯危机提升主机厂对芯片供应韧性的关注， 希望与本土芯片厂商建立更加直接、紧密的协作关系，以提升自身供应链的稳定可控程度以及话 语权。

4.本土化服务能力优势

国内芯片厂商在与主机厂的合作中可以建立更多的前端沟通。芯片从设计到量产上车通常需要 3.5-5.5 年时间，而智能驾驶与智能座舱的软件算法在持续升级迭代中，且芯片上车后需尽量满足 汽车产品 5-10 年生命周期内的 OTA 升级迭代需求，这对芯片产品定义与设计的前瞻性提出了重 点挑战。因此汽车芯片在产业合作中需要与主机厂建立更多前端沟通，综合多家主机厂信息，挖 掘市场真实需求，提高产品定义与设计前瞻性，充分挖掘产品生命周期价值。本土芯片厂商将更 好地与主机厂进行沟通，了解国内市场的真实需求后定义出来的产品方能更好地量产上车。

国内芯片厂商能更好地为主机厂提供软硬件支持服务。随着合作量产上车的主机厂数量增加，芯 片厂商需提升芯片产品在软硬件层面的兼容性与适配性，但面对主机厂的差异化需求，服务与执 行能力也成为了芯片厂商的关键竞争力，而国内芯片厂商能较好地为车企提供软硬件支持。以英 伟达为例，英伟达提供的方案虽然有较高的开放性，但难以适用于国内所有的车企，这是由于部 分车企不具备较高的算法研发能力，且需要时间学习适应英伟达的软件环境。此外，英伟达作为 非本土企业，难以及时为中国车企提供定制化的软硬件支持服务，或和国内车企深度合作开发自动驾驶平台。而地平线拥有专门的软件和算法团队协助车厂开发，并向车厂提供算法和软件能力， 采取联合开发、共同投入的方式为本土客户提供了良好的服务。