2022年汽车芯片行业产业细分及市场现状研究 计算芯片是算力时代下智能网联汽车的核心
- 来源:国信证券
- 发布时间:2022/07/12
- 浏览次数:424
- 举报
1.计算芯片是算力时代下智能网联汽车的核心
计算芯片可分为MCU芯片与SoC芯片。随着汽车EE架构的不断革新,汽车半导体高速发展,按功能不同,汽车半导体可分为汽车芯片和功率半导体,而在汽车芯片中,最重要的是计算芯片,按集成规模不同,可分为MCU芯片与SoC芯片。MCU(MicroControlUnit)微控制器,是将计算机的CPU、RAM、ROM、定时计数器和多种I/O接口集成在一片芯片上,形成芯片级的芯片;而SoC(SystemonChip)指的是片上系统,与MCU不同的是,SoC是系统级的芯片,它既像MCU那样有内置RAM、ROM,同时又可以运行操作系统。
智能化趋势驱动汽车芯片从MCU向SoC过渡。自动驾驶对汽车底层硬件提出了更高的要求,实现单一功能的单一芯片只能提供简单的逻辑计算,无法提供强大的算力支持,新的EE架构推动汽车芯片从单一芯片级芯片MCU向系统级芯片SoC过渡。
SoC市场高速发展,预计2026年市场规模达到120亿美元。汽车智能化落地加速了车规级SoC的需求,也带动了其发展,相较于车载MCU的平稳增长,SoC市场呈现高速增长的趋势,根据GlobalMarketInsights的数据,预计全球车规级SoC市场将从2019年的10亿美元达到2026年的160亿美元,CAGR达到35%,远超同期汽车半导体整体增速。
2.传统MCU:MCU需求稳步增长,海外寡头长期垄断
MCU是ECU的运算大脑。ECU(ElectronicControlUnit,电子控制单元)是汽车EE架构的基本单位,每个ECU负责不同的功能。MCU芯片嵌入在ECU中作为运算大脑。当传感器输入信号,输入处理器对信号进行模数转换、放大等处理后,传递给MCU进行运算处理,然后输出处理器对信号进行功率放大、数模转换等,使其驱动如电池阀、电动机、开关等被控元件工作。
MCU根据不同场景需求,有8位、16位和32位。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。
MCU市场稳步发展,预计2026年全球规模达88亿美元。在市场规模上,全球MCU市场呈现稳步发展的趋势,根据ICInsights估计,预计全球MCU市场规模从2020年的65亿美元达到2026年的88亿美元,CAGR达到5.17%,略低于同期汽车半导体增速。同时我国MCU发展与世界齐头并进,预计2026年市场规模达到56亿元,CAGR达到5.33%,与世界同期基本持平。
3.智能座舱SoC:高通在中高端数字座舱呈现垄断局面
一芯多屏不断普及,高通在中高端数字座舱呈现垄断地位。伴随着数字座舱渗透率不断提升,车内数量不断增加,屏幕尺寸不断增大,智能座舱快速普及,一芯多屏逐渐成为主流,也带动智能座舱SoC芯片的快速放量。SoC应用在智能汽车上主要有智能座舱以及自动驾驶两方面,相比于自动驾驶SoC,座舱域SoC由于要求相对较低,成为SoC落地智能汽车的先行者。高通、恩智浦、德州仪器、英特尔、联发科等各家不断更新其座舱SoC产品,在中高端数字座舱域,目前高通呈现垄断地位。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,高通骁龙820A和8155两代平台成为众多车型数字座舱平台的主流选择,高通也将推出的第四代座舱SoCSA8295,在算力、I/O能力等方面表现出色,不断稳固其在中高端数字座舱的稳固地位。
4.自动驾驶SoC:CPU+XPU是当前主流,英伟达当前领先
自动驾驶芯片是指可实现高级别自动驾驶的SoC芯片。随着自动驾驶汽车智能化水平越来越高,需要处理的数据体量越来越大,高精地图、传感器、激光雷达等软硬件设备对计算提出更高要求,因此在CPU作为通用处理器之外,增加具备AI能力的加速芯片成为主流,常见的AI加速芯片包括GPU、ASIC、FPGA三类。CPU作为通用处理器,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,还能处理复杂的条件和分支以及任务之间的同步协调。CPU芯片上需要很多空间来进行分支预测与优化,保存各种状态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。以GPU与CPU进行比较为例,与CPU相比,GPU采用了数量众多的计算单元和超长的流水线,但只有非常简单的控制逻辑并省去了Cache。而CPU不仅被Cache占据了大量空间,而且还有有复杂的控制逻辑和诸多优化电路,相比之下计算能力只是很小的一部分。
“CPU+XPU”是当前自动驾驶SoC芯片设计的主流趋势。根据XPU选择不同,又可以分为三种技术路线:CPU+GPU+ASIC、CPU+ASIC以及CPU+FPGA三类。(1)“CPU+GPU+ASIC”,主要代表英伟达、特斯拉FSD以及高通Ride。英伟达Xavier和特斯拉FSD采用“CPU+GPU+ASIC”的设计路线,英伟达Xavier以GPU为计算核心,主要有4个模块:CPU、GPU、以及两个ASIC芯片DeepLearningAccelerator(DLA)和ProgrammableVisionAccelerator(PVA);特斯拉FSD芯片以NPU(ASIC)为计算核心,有三个主要模块:CPU、GPU和NeuralProcessingUnit(NPU)。
(2)“CPU+ASIC”,主要代表MobileyeEyeQ5系列和地平线征程系列。MobieyeEyeQ5和地平线征程系列采用“CPU+ASIC”架构,EyeQ5主要有4个模块:CPU、ComputerVisionProcessors(CVP)、DeepLearningAccelerator(DLA)和MultithreadedAccelerator(MA),其中CVP是针对传统计算机视觉算法设计的ASIC;地平线自主设计研发了Al专用的ASIC芯片BrainProcessingUnit(BPU)。
(3)CPU+FPGA,主要代表Waymo。与其余厂商不同,Waymo采用“CPU+FPGA”的架构,其计算平台采用英特尔Xeon12核以上CPU,搭配Altera的Arria系列FPGA。
目前各家发布的最新芯片平台均可以支持L3或L4级的算力需求,英伟达当前处于领先位置。英伟达单颗Orin的算力可以达到254TOPS,而2022年落地的车型中搭载4颗Orin的蔚来ET7和威马M7其巅峰算力将超过1000TOPS,高通骁龙Ride平台的巅峰算力预计在700-760TOPS,Mobileye也推出了面向高阶自动驾驶的EyeQ6Ultra,算力达到176TOPS,当前各家最先进的算力平台均可以支持L3或L4级的算力需求。从相关量产车型来看,英伟达Orin成为当下的主流选择,Mobileye正在逐渐掉队。
5.评价框架:芯片性能,算力、能耗、效率缺一不可
评估芯片的性能,一般采用PPA即Power(功耗),Performance(性能),Aera(面积)三大指标来衡量性能。而智能驾驶领域,峰值算力成为衡量自动驾驶芯片的最主要指标,常见的指标有TOPS、FLOPS、DMIPS三种:
TOPS(TeraOperationPerSecond):每秒完成操作的数量,乘操作算一个OP,加操作算一个OP。TOPS的物理计算单位是积累加运算(MultiplyAccumulate,MAC),1个MAC等于2个OP。TOPS表示每秒进行1万亿次操作。
FLOPS(Floating-PointOperationsPerSecond):每秒可执行的浮点运算次数的字母缩写,它用于衡量计算机浮点运算处理能力。浮点运算,包括了所有涉及小数的运算。MFLOPS(MegaFLOPS)等于每秒1百万次的浮点运算;GFLOPS(GigaFLOPS)等于每秒10亿(=10^9)次的浮点运算;TFLOPS(teraFLOPS)等于每秒1万亿次的浮点运算。
DMIPS(DhrystoneMillionInstructionsPerSecond):是测量处理器运算能力的最常见基准程序之一,常用于处理器的整型运算性能的测量。MIPS:每秒执行百万条指令,用来计算同一秒内系统的处理能力,即每秒执行了多少百万条指令。不同的CPU指令集不同、硬件加速器不同、CPU架构不同,导致不能简单的用核心数和CPU主频来评估性能,Dhrystone作为统一的跑分算法,DMIPS比MIPS的数值更具有意义。
(1)智能座舱SoC:DMIPS衡量CPU算力的主要单位是DMIPS,基本上SoC高于20,000DMIPS才能流畅地运行智能座舱的主要功能,如AR导航或云导航、360全景、播放流媒体、ARHUD、多操作系统虚拟机等。GPU方面,100GFLOPS的算力就可以支持3个720P的屏幕。一般来说,CPU高于20,000DMIPS,GPU高于100GFLOPS的SoC就是智能座舱SoC芯片。(2)自动驾驶SoC:TOPS峰值算力体现的只是芯片的理论上限,不能代表其全部性能。自动驾驶需要的计算机视觉算法是基于卷积神经网络实现的,而卷积神经网络的本质是累积累加算法(MultiplyAccumulate,MAC),实现此运算操作的硬件电路单元,被称为“乘数累加器”。这种运算的操作,是将乘法的乘积结果b*c和累加器a的值相加,再存入累加器a的操作。TOPS=MAC矩阵行*MAC矩阵列*2*主频,TOPS峰值算力反映的都是GPU理论上的乘积累加矩阵运算算力,而非在实际AI应用场景中的处理能力,具有很大的局限性。以英伟达的芯片为例,Orin、Xavier的利用率基本上是30%左右,而采用ASIC路线,ASIC芯片针对不同的神经网络模型去优化,基本上可以做到60%~80%之间。
地平线提出最真实的AI效能由理论峰值计算效能、有效利用率、AI算法效率组成。地平线在2020全球人工智能和机器人峰会提出了芯片AI性能评估方式MAPS(MeanAccuracy-guaranteedPrecessingSpeed),地平线认为最真实的AI效能实际上由三要素组成,分别为理论峰值计算效能、有效利用率、AI算法效率。(1)理论峰值计算效能,TOPS/W、TOPS/$,即传统理论峰值衡量的方法;(2)芯片有效利用率,把算法部署在芯片上,根据架构特点,动用编译器等系统化解决一个极其复杂的带约束的离散优化问题,而得到一个算法在芯片上运行的实际利用率,这是软硬件计算架构的优化目标;(3)AI算法效率,每消耗一个TOPS算力,能带来多少实际的AI算法的性能,它体现的是AI算法效率的持续提升。
(本文仅供参考,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。)
- 汽车芯片行业122页深度研究报告:电动化乘势而行,智能化浪潮之巅.pdf
- 雅创电子(301099)研究报告:车规半导体分销巨头深耕汽车芯片自研市场.pdf
- 2022年国产汽车芯片行业研究报告.pptx
- 汽车芯片及个股解析
- 汽车半导体行业深度报告:需求爆发叠加国产加速,汽车芯片十年腾飞期开启.pdf
- 汽车芯片行业专题研究:汽车智能芯片需求爆发,国产替代开启.pdf
- 寒武纪研究报告:预期差较大的国产,AI芯片引领者.pdf
- 润欣科技研究报告:IC分销行业龙头,定制业务和Chiplet产品推动增长.pdf
- 汽车行业芯片检测认证体系技术白皮书(2024).pdf
- 淳中科技研究报告:算力检测新星,芯片点亮未来.pdf
- 存储芯片航天专题分析:HBM何以成为AI芯片核心升级点?全面理解AI存储路线图.pdf
- 广州市智能网联汽车道路测试和应用示范运营年度工作报告(2023年).pdf
- 车城融合发展年度报告(2023):智慧城市基础设施与智能网联汽车协同发展年度报告(2023).pdf
- 智能网联汽车远程升级(OTA)发展现状及建议.pdf
- 蘑菇车联研究报告:首创“车路云一体化”系统方案,赋能智能网联汽车规模上路.pdf
- 中德车联网(智能网联汽车)C~V2X与智慧物流融合应用研究报告.pdf
- 相关文档
- 相关文章
- 全部热门
- 本年热门
- 本季热门
- 1 汽车芯片行业专题研究:汽车智能芯片需求爆发,国产替代开启.pdf
- 2 智能汽车芯片专题研究:计算、感知、通信、存储芯片.pdf
- 3 汽车芯片行业深度研究报告:汽车AI芯片黄金赛道分析.pdf
- 4 汽车芯片行业深度报告:软件定义汽车,AI芯片是生态之源.pdf
- 5 汽车芯片行业122页深度研究报告:电动化乘势而行,智能化浪潮之巅.pdf
- 6 半导体行业之汽车芯片专题研究:供需紧张格局将持续,国内厂商机会凸显.pdf
- 7 2022年国产汽车芯片行业研究报告.pptx
- 8 汽车芯片行业专题报告:千亿车载半导体市场冉冉升起.pdf
- 9 芯片行业专题报告:ARM行业重点跟踪
- 10 汽车半导体行业深度报告:需求爆发叠加国产加速,汽车芯片十年腾飞期开启.pdf
- 1 存储芯片行业专题:从周期及国产化看存储行业投资机遇.pdf
- 2 芯片专题研究:AI智算时代已至,算力芯片加速升级.pdf
- 3 硅光技术产业深度研究:芯片出光,硅光技术开启高速与高集成度传输时代.pdf
- 4 半导体行业研究:车规级芯片.pdf
- 5 AI芯片行业专题报告:国产AI芯片的创业裂变.pdf
- 6 光芯片行业专题:国产光芯片群雄逐鹿,高速率芯片量产交付有望突破.pdf
- 7 AI 芯片行业专题报告:独立自主的AI系统级计算平台是国产AI芯片构建生态壁垒的关键.pdf
- 8 通信行业以太网交换芯片专题报告:AI爆发叠加国产突破,交换芯片大有可为.pdf
- 9 光芯片行业专题报告:光芯片,速率升级和份额提升驱动产业加速成长.pdf
- 10 电子行业研究报告:人工智能风起云涌,算力芯片需求升温.pdf
- 1 汽车智能驾驶芯片行业专题报告:充分重视OEM自研智驾芯片的长期意义.pdf
- 2 电机驱动芯片行业研究报告:见微知著,国产替代加速渗透.pdf
- 3 半导体材料行业专题报告:芯片功耗提升,散热重要性凸显.pdf
- 4 迈威尔科技研究报告:以太网通信芯片全面布局,受益AI以太网组网趋势.pdf
- 5 存储芯片行业专题研究:AI对存储晶圆产能消耗拉动显著.pdf
- 6 源杰科技研究报告:国内光芯片龙头受益AI算力需求,拓展CW光源布局硅光赛道.pdf
- 7 盛科通信研究报告:国内稀缺交换机芯片领先企业,AI景气+国产化替代双轮驱动加速成长.pdf
- 8 海光信息跟踪报告:CPU和DCU领军企业引领AI芯片国产浪潮.pdf
- 9 存储芯片航天专题分析:HBM何以成为AI芯片核心升级点?全面理解AI存储路线图.pdf
- 10 汽车行业芯片检测认证体系技术白皮书(2024).pdf
- 全部热门
- 本年热门
- 本季热门
- 1 2024年亚德诺分析报告:24Q1预计收入符合指引,汽车芯片需求相对稳健
- 2 2022年汽车芯片行业细分品类分析 IGBT组件数量随新能源汽车的动力性能提升而增加
- 3 2022年汽车芯片行业发展现状及品类分析 汽车座舱技术链技术升级支撑一芯多屏
- 4 汽车电子及第三代半导体行业研究:智能化浪潮下,掘金优质赛道
- 5 华为汽车战略布局专题分析报告
- 6 2022年雅创电子研究报告 中国汽车芯片设计与分销巨头厂商
- 7 2022年汽车芯片行业产业细分及市场现状研究 计算芯片是算力时代下智能网联汽车的核心
- 8 2022年汽车行业市场现状分析 2021Q3汽车芯片供给趋紧
- 9 汽车芯片行业专题研究:汽车智能芯片需求爆发,国产替代开启
- 10 半导体行业之汽车芯片专题研究:供需紧张持续,国内厂商机会凸显
- 最新文档
- 最新精读
- 1 2024年消费建材行业2023年年报与2024年一季报总结:寻找周期底部的蓄势待发
- 2 2024年消费结构和资产配置:海外经济降速期的消费(下)
- 3 2024年姚记科技研究报告:坚持“大娱乐”战略,休闲游戏龙头不断拓展新领域
- 4 2024年医药行业专题报告:终端市场恢复增长,围绕空间和格局优选品种
- 5 2024年应流股份研究报告:铸造能力为基,“两业两机”双翼齐飞,低空经济乘风而起
- 6 2024年中国化工新材料现状及趋势
- 7 2024年仲景食品研究报告:稳健基因孕育长期价值,产品、渠道破圈谱写成长新篇
- 8 2024年氨基酸行业专题报告:助益粮食安全,借力合成生物
- 9 2024年印制电路板行业专题报告:AI有望带动HDI用量大幅增长
- 10 2024年艾罗能源研究报告:光储为基,拓界前行