2023年域控制器行业研究：智驾功能高速渗透，域控迎来增量空间

L2 智驾快速渗透，城市 NOA 快速推进，L3 落地可期

L2 级智能驾驶功能渗透率快速提升

2021 年 8 月，工信部提出《汽车驾驶自动化分级》推荐性国家标准。《标准》按“是否存在设计运 行范围限制”等六要素对驾驶自动化等级进行划分。其中 L2 级自动驾驶关键配置有 ACC 自适应巡 航、AEB 主动刹车、LKA 车道保持等，实现一定程度上的车辆主动控制。L3 级自动化系统应该具 备在其设计运行条件下持续地执行全部动态驾驶任务的能力。由于 L2 至 L3 的跨度过大，经历时间 较长，业内为区分不同系统的智能化程度，额外划分出 L2+级别，主要包括 NOA 等功能，可实现高 主动的辅助驾驶功能，但仍需驾驶员监督。

从功能上看，智能驾驶功能经历从单车道向多车道再向 NOA 发展的过程。早期辅助驾驶功能集中 在单车道里，以车辆前后的控制为主，重点实现跟车不碰撞、驾驶不偏移等效果，主要功能包括 ACC （自适应巡航）、LCC（车道居中控制）、TJA（交通拥堵辅助）、CCS（定速巡航）、AH（自动 驻车）等。随着技术的不断推进，辅助驾驶逐渐开始涉及多车道场景，由系统可以控制车辆进行变 道，主要功能包括 ALC（智能辅助变道）、TJA-ML（多车道交通拥堵辅助）、HWA-ML（多车道 高速驾驶辅助）。近年各企业向点对点控制推进，在选定目的地即可交由辅助驾驶功能进行控制， 主要为高速 NOA 及城市 NOA 功能。

智能驾驶功能渗透率仍处于较低位置，提升空间较大。随着技术逐步走向成熟、产品价格逐渐下降 及用户智能化体验需求的不断提升，智能驾驶功能正逐渐从豪华车向中低端车型发展，渗透率快速 提升。据高工智能汽车数据显示，2023 年 1-6 月中国市场（不含进出口）乘用车前装标配 L2（含 L2+）辅助驾驶功能车型销售 324.4 万辆，同比增长 37.7%，增速维持较高水平。前装标配搭载率为 34.9%，同比提升约 8pct。其中，新能源汽车前装标配搭载 L2（含 L2+）交付新车 147.1 万辆，同比 增长 75.6%，前装标配搭载率为 50.4%，同比提升约 10pct。智驾功能性能和搭载率的提升将带动智 驾域控制器的增长。拥有智能驾驶功能的车型中以域控架构为主，域控制器作为车端处理感知信息、 进行决策规划的重要零部件，用量有望随着智驾功能渗透率的提升而增长。

NOA 功能逐步落地，成为智能化重要发力方向。自动辅助导航驾驶（NOA，Navigate on Autopilot） 主要分为高速 NOA 和城市 NOA 两类，在基础 L2 辅助驾驶功能的基础上，通过与地图导航等功能 结合，实现点到点的辅助驾驶功能。据高工智能汽车数据，2023 年 1~7 月前装标配 NOA 车型交付 量 26.3 万辆，同比增长 120.4%。 高速 NOA 为当前主机厂智驾推进目标之一。高速 NOA 场景相对简单，路况、标志和标记的图像相 对标准，相比城市 NOA 场景更为简单，推出进度相对更早。早期高速 NOA 融合高精地图，在部分 高速公路或高架等封闭路段行驶时，可以让车辆实现自动变道、自动进入和驶出匝道口的技术功能。 但上下匝道需要高精地图和高精定位模块，成本较高。随着车企成本压力增加，高速 NOA 或将向简 化版方案发展，即舍弃上下匝道功能，仅在目标匝道前进行接管提醒，避免错过匝道等问题发生。 城市 NOA 加速落地，覆盖主要行车使用场景，为用户提供从高速到城市的全场景可持续的自动驾驶 功能。早期城市 NOA 功能普遍使用高精地图，提供更精确的定位服务，但高精地图采集成本高、覆 盖率较低、更新慢，难以满足城市 NOA 快速大规模的上车需求。随着车端算力及传感器功能迭代升 级，单车感知水平不断提升，大部分厂商通过“轻地图”+单车感知方案，即仅在匝道口等导航地图 难以精确处理的部分做数据强化，实现 NOA 功能。

城市 NOA 功能快速铺开，应用城市逐渐普及。随着大量车企向 BEV+Transformer 的视觉感知路线 转换，逐步降低对地图的依赖，城市 NOA 功能具备了泛化推广的能力。根据相关公司规划，华为拓 展速度领先，预计在 2023 年年底前实现全国覆盖；其余企业覆盖城市也迅速扩张，小鹏宣布到 2023 年底扩增至 50 城，2024 年扩增至 200 城，力争做到城区领航辅助驾驶「全国都能用」；理想计 划在 2023 年底推送至 100 个城市。蔚来另辟蹊径，按通勤道路开通，计划 2023 年 Q4 开通城区 领航路线里程 6 万公里；2024 年 Q2 开通 40 万公里。

智驾政策持续推进，智能化需求快速增长

自动驾驶标准逐步落地，L3 合规加速推进。2022 年 8 月，深圳市正式施行《深圳经济特区智能网 联汽车管理条例》，对智能网联汽车定义、测试及示范应用条件、权责归属等问题进行了详细定义， 是全国首个对 L3 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。 2022 年 11 月，工信部发布《关于开展智能网联汽车准入和上路通行试点工作的通知（征求意见稿）》, 对智能汽车生产企业和产品以及试点上路通行做出了详细要求。 2023 年 7 月，工信部、国家标准委联合发布《国家车联网产业标准体系建设指南(智能网联汽车)(2023 版)》，提出第一阶段到 2025 年，系统形成能够支撑组合驾驶辅助和自动驾驶通用功能的智能网联 汽车标准体系；到 2030 年，全面形成能够支撑实现单车智能和网联赋能协同发展的智能网联汽车标 准体系。 随着国内自动驾驶标准体系和管理政策逐步细化落实，国内相关产业有望快速发展。

汽车消费升级趋势持续，智能化需求不断增加。据乘联会数据显示，2023 年前三季度 30 万元以上 车型销量占比大幅提升，10 万元以下车型销量减少。据高工智能汽车数据显示，23H1 标配搭载 L2 （含 L2+）交付新车均价为 26.6 万元，相比 2022 年末提升 1.5 万元。智能驾驶功能在高端车型的渗 透率逐渐提升。随着消费者消费能力的提高以及消费观念的转变，消费者不再将汽车局限于简单的 出行工具，而是将其作为追求生活品质的载体之一，越来越重视汽车的用户体验及享受度的提升， 更加追求汽车的娱乐性、互动性、舒适性及安全性等功能，从而使得消费者对智能汽车的关注度日 益提高，加快汽车智能化发展的进程，使得智能汽车渗透率稳步提升，同时对汽车各类功能的丰富 度提出了更高的要求。

政策、需求和供给三方面推动，汽车智能化水平快速提升。随着新一代消费者比例逐步增加，智能 座舱、智能驾驶等个性化功能的需求越来越凸显。且越来越多的厂商开始重视用户体验，从车身设 计、智能化服务、自动驾驶功能等多角度提升用户驾乘感受。同时，车辆本身也已经从代步交通工 具向智能移动空间转变，车辆数字化转型已成行业共识。随着用户智能化体验需求的不断提升、政 策的持续推进、行业的高度重视，汽车智能网联技术发展迅速。 NOA 功能预计有望快速渗透。目前 NOA 处于高速发展阶段，随着软件算法逐步升级技术逐渐成熟、 感知方案向重视觉感知路线转换成本降低，NOA 功能具有向低价格带车型拓展、应用场景不断丰富 等特点。根据高工智能汽车研究院监测数据显示，从当前搭载 NOA 功能车辆价位来看，标配 NOA 领航功能的车型大部分集中在 30 万以上价格区间，而小鹏 P5、吉利博越 L、宝骏云朵灵犀版等 20 万以下的车型也开始逐渐实现 NOA 的搭载。我们预计 NOA 未来将逐渐成为中高端车型标配，同时 扩大搭载范围，下探到 10~15 万左右的车型。我们预计明年 10 万以上车型将可以选配高速 NOA； 20 万以上车型将会标配高速 NOA，选配城市 NOA；30 万以上车型将会实现城市 NOA 普及。

智能驾驶域控制器为整车计算中心，芯片决定核心性能

软件端，BEV+Transformer 带来域控算力提升和结构变化

特斯拉坚定拥抱重视觉感知方案。2018 年，特斯拉视觉感知路线通过 2D 图像+ CNN 卷积神经网络 路线实现智能驾驶功能，对于图像的标注主要依靠人工标注，于 2019 年采用一部分自动标注来提升 标注效率。该阶段聚焦在 2D 图像处理，将图像处理完后拼接成 single trip，实现时间的多帧融合。 该方式对图像的处理属于规则算法，通过 IPM 将 2D 图像坐标进行计算，转换到 3D 空间中。但 2D 图像处理在处理三维世界中的感知问题仍会有较大问题，如路面不平、车辆颠簸等问题都会影响到 转换的准确度。2020 年特斯拉转向 BEV 方案，并将 CNN 神经网络转向 Transformer。先在 BEV 空 间层中初始化特征，再通过多层 Transformer 和 2D 图像特征进行交互融合，得到 BEV 特征，避免 了视觉融合时导致的误差问题。BEV 方案 2020 年重点关注路网的感知，2021 年拓展到整个空间， 进行数据重建。

国内厂商向重视觉路线转变。国内厂商早期以融合路线为主，通过高精地图+毫米波雷达+激光雷达 的多传感器方案进行感知，对于静态障碍物（如路网、井盖等）的感知主要依赖高精地图和激光雷 达，视觉主要用于动态障碍物（如车辆等）的识别。目前为了节省成本、增强自动驾驶功能泛用性， 头部企业向 BEV+Transformer 的重视觉方案转型。

BEV+Transformer 的广泛认可导致智驾域控结构发生变化。智驾方案早期摄像头以前视为主，四周 主要靠毫米波雷达实现环视覆盖，较为广泛的方案为 5R（Radar）1V（Video）、3R1V、1R1V、2R1V、 5R3V，支持的摄像头数量较少。同时路网信息主要依靠高精地图提供，视觉传感器以动态障碍物识 别为主，静态障碍物主要依靠激光雷达实现感知。但是 BEV 架构下，需要至少 6~8 个摄像头实现车 身周边感知（前后左右各一个，四角各一个），摄像头接口需求增加。同时由于取消高精地图，部 分定位模块可以减少或简化。由于大模型搭载，低算力芯片性能难以支持端侧部署，对芯片算力有 了更高的要求。 域控芯片需要调整以适应 Transformer 模型。早期 AI 芯片主要会考虑对 CNN、Pooling 等的优化。 但是 Transformer 的神经网络与原先差别较大，需要不同的算子进行支持。如果芯片不支持 Transformer 算子，会导致在 GPU 上训练时候用 Transformer 训练，但是部署在车端时候需要进行算 子转化，带来一定的困难，导致最终在端侧并不是 BEV+ Transformer，而且近似 CNN 的替代算法。 目前头部芯片厂商如地平线、英伟达等已经实现对 Transformer 算子的支持，后续部分厂商需要将 BEV+ Transformer 下放到端侧。

硬件端，智驾功能升级，算法算力要求更甚

感知方面，感知重心向视觉传感器转移。智驾系统向 BEV+Transformer 转型后，低成本的视觉 传感器更为重要，为保证数据获取的精确度和完整度，摄像头的像素和数量也不断增加，800 万像素摄像头使用量逐渐提升，摄像头数量也向单车 10 个以上发展。毫米波雷达和激光雷达 短期内仍难以替代。由于国内使用 Nerf 进行多帧重建仍有待提升，故需要激光雷达或 4D 毫米 波雷达获取路网数据，进行车道线识别。此外，由于纯视觉系统对于暗光环境和非标准物体等 场景的识别准确问题仍无法完全解决，通常需要 4D 毫米波雷达进行静态障碍物识别。我们预 计摄像头和 4D 毫米波需求有望增长。

相比基础的 L2 功能，NOA 功能对精度的要求更高，需要更精确的感知，对计算量的要求也更高。 虽然 BEV 感知在低算力（如 8Tops）芯片上可以运行，但是一方面感知精度相比于中高算力芯片要 低。另一方面算法方案上的选择也会有一些差别。高算力平台大都基于 Transformer 的 carrier-based 方案；在低算力平台，更多是类似 BEV Depth、BEV Det 这种 2D 转 3D 的方式去实现。而且对于无 图或轻图的 NOA 功能，由于缺少已知的地图信息，域控需要处理更多的感知数据，对域控制器的算 力要求更高。 随着智驾功能的发展，高算力芯片仍为头部主机厂中高端车型首选方案。智能驾驶域控硬件的核心 是其芯片的运算能力。随着各个厂商向重视觉感知的大模型技术路线转型，高级别智驾对车端算力 的要求越来越高，需要性能更强的芯片支撑。相比城市 NOA，L3 级智能驾驶对算力的需求更甚， 当前已量产芯片较难满足 L3 级智驾需求，芯片向更高算力发展的进程仍在持续。车企也需采用足够 强力的芯片进行算力 预埋，以支撑日后有效升级。针对未来 L3 级智能驾驶，主机厂需要进行冗 余设计，以保证系统安全。较为简单的设计是放置两个域控制器/增设备份芯片，智驾芯片需求量后 续有望提升。

电子电气架构变化，域控/跨域融合是趋势

整车 E/E 架构快速演进。E/E 架构的四个阶段分别是分布式架构阶段、域集中架构阶段、准中央计 算架构阶段及中央计算架构阶段。主机厂正加快推进电子电气架构的演进，域集中架构阶段包括大 众 E3 架构、长城 GEEP3.0 架构等。中央计算平台+区域控制器的准中央计算架构阶段包括特斯拉 Model3、长城 GEEP 4.0 架构等。汽车 E/E 架构最终演进的方向是中央计算架构阶段，将功能逻辑均 集中到 1 个中央控制器，如长城计划于 2024 年推出中央计算架构 GEEP 5.0，将实现全车只有一个 大脑，完全形成智能机器人，长安也计划于 2025 年完成中央域架构的开发。

分布式 ECU 架构各系统独立，系统复杂协同性差。分布式架构 ECU 为核心，多个 ECU 通过 CAN 和 LIN 总线连接在一起，进行数据采集与交换，并通过执行器来操控汽车。在传统的分布式电子电 气架构中，每个控制系统都采用单独的 ECU，彼此之间均保持相对独立性，功能增加需要 ECU 和 传感器数量的叠加。随着汽车智能化的发展趋势，功能越来越丰富和多样，导致单车的 ECU 数量激 增，安装成本也随之提高。同时不同 ECU 来自不同的供应商，每个产品的语言和编程风格各异，因 此功能的增加会导致大量的、不兼容的、风格各异的产品模块存在，难以进行统一的维护和升级， 协同困难巨大，无法满足汽车智能化革新的趋势和需求。

DCU 成为新的电子电气架构的核心。DCU（域控制器）将功能相似且分离的 ECU 功能集成整合起 来，解决了分布式 E/E 架构存在的诸多问题。根据博世汽车电子部件功能分类，将整车划分为动力 域、底盘域、座舱域、自动驾驶域、车身域五个域，每个域的系统架构由域控制器为主导搭建，利 用处理能力和算力更强的中央计算机相对集中地控制每个域，以取代分布式电子电气架构。

域控架构高度集成，有明显的成本和设计优势。1）线束数量显著减少，节约安装成本。DCU 通过 集成化的域控化管理，各个功能模块以区域内的域控制器为主导，减少了 ECU 的数量，从而降低了 线束的数量及重量，节省安装成本。2）整合集成度高，便于协同管理。各功能模块 ECU 软件通常 由其硬件供应商开发，导致系统之间相互独立，难以协调。DCU 统一了软件开发和管理，加之数据 交互的接口标准化，降低了开发和制造成本。3）计算能力较高，便于 OTA 升级。模块越少、系统 越统一越容易实现整车 OTA，域控制器更为集中的 EEA 架构将车内各个分散的 ECU 部件的控制功 能集成在一个 DCU 中，仅对 DCU 进行控制功能进行更新升级完成 OTA，同时规避了各 ECU 的不 同传输协议和兼容性风险，减少了每个 ECU 进行安全性确认防篡改的工作量。

智能驾驶域控制器是汽车智能化发展的重要环节

智能驾驶域是 E/E 架构的重要组成部分。智能驾驶域是汽车智能功能的实现基石，智能驾驶域控制 器是智驾系统决策的中心。高级别的自动驾驶需处理来自摄像头、毫米波雷达、激光雷达、惯导等 的多种感知数据，需在短时间内完成整个运算和决策等，是推动 L3 及以上更高等级自动驾驶的核心 部件。

智能驾驶域控制器结构相对复杂，核心在于计算芯片。硬件主要包括：1）计算芯片：主要用来进行 摄像头图像处理、运行深度学习算法、输出识别结果、进行传感器融合和轨迹预测等功能。2）Safety MCU：主要处理功能安全要求较高的数据，进行逻辑运算，包括处理雷达等对外接口数据、车辆规 控、通信等。3）存储芯片：对数据进行存储，包括 eMMC、Nor Flash、Memory 芯片等。4）其他： 电阻电容等无源器件、散热组件、密封性金属外壳、PCB 板、接口、网关、电源管理芯片等。软件 部分主要包括底层操作系统、中间层软件及上层应用软件。域控制器的硬件部分与 ECU 相似，最大 的区别在于域控制器的芯片算力更高、可以软硬解耦等，其多功能模块的实现主要依赖于主控芯片 以及软件部分的高度结合。

预计2025年自动驾驶域控制器市场规模达479.4亿元。我们预计智能驾驶域控制器价格将持续下降， 市场渗透率有望快速增长。1）随着智能驾驶的不断发展，智能驾驶域控制器有望高速渗透。2）目 前各个主机厂降本意愿较强，单芯片行泊一体方案受到各主机厂青睐。低成本方案如(单 TDA 4/ J3 芯片)实现基础 L2 功能的方案预计有较大市场空间。经我们测算，2025 年中国乘用车市场自动驾驶 域控制器市场将达到 479.4 亿元，2021-2025 年复合增速达 109.9%。

计算芯片是智驾域控的核心部件

计算芯片直接决定域控性能。智驾域控制器主要承担汽车计算功能，其负责运算的模块主要是 AI 芯片，故域控产品所使用的 AI 芯片的性能和数量直接决定其计算能力，目前 CPU、GPU、DSP 等 传统设计芯片仍是智驾域控选用芯片的主流，与此同时针对应用场景定制化或半定制化的 FPGA、 ASIC 等方案也在逐步发展。由于域控硬件需要算法的支撑调用，域控厂商与芯片厂商的合作开发、 生态共建同样重要。其好处在于与主流芯片厂合作紧密的域控厂商可以率先拿到先进芯片样品进行 开发，在上下游协同和产品性能上具有先发优势；同时对原有主流芯片的开发经验有代际传承，更 有利于新品开发。

智能驾驶芯片壁垒较高，芯片厂商较为集中。智能驾驶芯片具有较高的技术壁垒，现阶段市场高端 芯片以英伟达、华为为主，中低端芯片厂商较多，主要包括 Mobileye、TI、地平线、黑芝麻智能等。 部分厂商也积极拓展产品矩阵，高通依托早期在座舱芯片积累的优势地位，推出智驾芯片拓展市场； 英伟达推出 Orin-N，算力 70Tops，满足中低算力方案需求。芯片国产替代的趋势也愈加明显，地平 线等国产芯片厂商市占率不断提升。根据高工智能汽车《2022 年度中国市场乘用车标配 L2+NOA 功 能智驾域控制器芯片方案市场份额榜单》，地平线市场份额排名第一，占比达 49.05%，英伟达市场 份额排名第二，占比达 45.89%，二者占比总和高达 95%，德州仪器、Mobileye、华为市场份额分别 位列三、四、五，占比分别为 2.69%、1.97%、0.41%。

英伟达：高算力智能驾驶芯片龙头供应商

英伟达依托积累多年的图形计算处理能力、GPU 计算经验，布局智能驾驶芯片。英伟达是全球最大 的智能计算平台型公司，早期专注 PC 图形计算，后重点布局 AI 领域，并在独立显卡、GPU 等领 域卓有成就。公司 2006 年开发了基于 GPU 的「CUDA」平台，实现使用 GPU 进行通用计算功能。 公司 2015 年进军车载计算 SOC，主要提供计算芯片和相关开发工具。英伟达产品定位偏高端，性 能表现出色，其推出的 Orin 芯片仍是目前已量产的最高性能的智能驾驶芯片。

芯片方面，英伟达于 2016 年发布首款高级智能驾驶芯片 Xavier，并于 2020 年实现量产。使用 CPU （8 核 ARM 64 架构）+GPU（Volta 架构）+ASIC 的混合技术路线，基于台积电 12nm 工艺，最高 算力达 30Tops。Xavier 用于德赛西威 IPU03 域控制器上，搭载于小鹏 P5、P7 等车型。 英伟达 2019 年发布 Orin 芯片，于 2022 年量产，目前仍为已量产的算力最高的智能驾驶芯片。Orin 采用 7nm 工艺，集成 170 亿个晶体管，可提供每秒 254TOPS，内置第二代深度学习加速器 DLA、 第二代视觉加速器 PVA。出色的计算能力使得 Orin 目前仍为高级别智驾方案的首选芯片，蔚来 Adam 超算平台搭载四颗 DRIVE Orin 芯片，最高可实现 1016TOPS 算力，理想 L9、小鹏 G9 等多款车型均 搭载 Orin 芯片。

Thor（雷神）芯片于 2022 年发布，预计 2025 年量产，算力高达 2000TOPS，是 Orin 芯片算力的 8 倍，主要通过 CPU（Grace）、GPU（Ada Lovelace）和处理 Transformer 模型的引擎（Hopper）实 现算力提升。同时 Thor 可以满足汽车多个场景的算力需求，包括智能驾驶、主动安全、智能座舱、 自动泊车、车载操作系统、信息娱乐等，预计可以实现座舱域和智驾域的融合域控制。

软件方面，英伟达提供 DRIVE 工具链和技术支持，助力芯片高效开发。Drive 工具链包含了开发工 具包 Cuda、TensorRT 等各种各样的算法库、全套工具链的车载操作系统 Drive OS；自动驾驶中间 件 Drive Works；包含感知、定位、决策三部分的全套软件栈 Drive AV；主要进行可视化渲染、驾驶 员检测、人机交互等功能的 Drive IX。

地平线：国内智能驾驶芯片领先供应商

地平线由国际著名机器学习专家余凯博士于 2015 年 7 月创建；2017 年 12 月，地平线即推出了首款 智能芯片征程 1 和旭日 1；2019 年 8 月，宣布量产中国首款车规级智能芯片征程 2 并于同年 10 月发 布新一代 AIoT 智能应用加速引擎旭日 2；2020 年 9 月，推出新一代高效能车载智能芯片征程 3 和全 新一代 AIoT 智能芯片旭日 3；2021 年 7 月，推出业界第一款集成自动驾驶和智能交互于一体的全场 景整车智能中央计算芯片征程 5，单芯片算力达 128TOPS。

芯片产品布局广泛，覆盖低算力到高算力多款方案。地平线首款车规级芯片征程 2 于 2019 年 8 月量 产，可提供超过 4TOPS 算力，实现基于征程 2 的单目前视解决方案。征程 3 芯片算力达 5TOPS，是 目前仍在低算力平台上广泛使用的芯片之一。据不完全统计，自 2020 年 9 月发布以来，J3 累计获得 约 10 家主流车企、超过 40 款车型定点合作，先后搭载 2021 款理想 ONE、奇瑞 瑞虎 8 PRO、奇瑞 欧萌达 OMODA 5、第三代荣威 RX、哪吒 U-II、哪吒 GT、博越 L、深蓝 S7、深蓝 SL03 等多款车 型。其中 2021 款理想 ONE 是全球首个搭载征程 3 芯片的量产车型，采用双 J3 方案打造辅助驾驶功 能，并搭载 J2 的 NPU 计算平台实现全车语音交互。2023 年 4 月，地平线携手大陆集团打造基于单 颗征程 3 芯片的 800 万像素智能前视摄像头一体机，可以支持 1V1R（1 个摄像头 1 个雷达）、1V3R （1 个摄像头 3 个雷达）、1VXR（1 个摄像头，多个雷达）等多种形态的产品，实现 NOA 导航辅 助驾驶功能并于深蓝 SL03 实现首发量产。

征程 5 是地平线第三代车规级产品，可提供单芯片 128TOPS 算力，并支持至多 16 路摄像头、毫米 波雷达、激光雷达等多传感器感知、融合、预测与规划需求，支持如 BEV 等领先智能驾驶算法模型 的应用部署。基于单颗征程 5 芯片打造的行泊一体域控方案，能够支持超越同级配置的高性能行泊 一体功能，同时开放上层应用的差异化开发和软件 OTA 升级。目前，理想 L8 首发搭载了征程 5 芯 片，实现了高速 NOA 导航辅助、自动泊车、自动紧急制动等功能，同时征程 L5 也获得了比亚迪、 上汽大众、一汽红旗、长安汽车等车企定点，并搭载于理想 L 系列在售 Pro、Air 所有车型。

软硬件协同布局，感知算法布局深入。地平线早在 2021 年发布新一代征程 5 车载智能芯片之时，就 推出了基于征程 5 的纯视觉 BEV 感知原型方案；2023 年 6 月，在计算机视觉领域顶级会议 CVPR 上提出“感知决策一体化”的自动驾驶通用大模型 UniAD，建立了以全局任务为目标的自动驾驶大模 型架构，将检测、跟踪、建图、轨迹预测、占据栅格预测以及规划，整合到一个基于 Transformer 的端到端网络框架下，并将各项任务通过 token 的形式在特征层面按照感知-预测-决策的流程进行深 度融合，实现了自动驾驶系统算法性能的全面提升。

地平线为合作伙伴提供硬件参考设计及算法、基础中间件、工具链、开发平台等配套产品，助力芯 片的开发应用。天工开物 AI 芯片工具链具有“算法仓库”（包括产品级算法、基础算法和产品参 考算法三类算法资源）、“芯片工具链”（包括量化训练工具和浮点定点转换工具）、“应用开发 中间件”（包括 XStream 和 XProto 两套应用开发框架）三大功能模块，包含模型后量化、量化训练、 编译优化和部署三大核心能力，其主要作用在芯片端，可为开发者提供从模型获得至应用部署的全 流程支持。艾迪 AI 开发平台则主要作用在云端，为 AI 开发者提供数据标注、训练、优化、部署、 管理与性能分析等工具，实现模型算法的优化与迭代；智能驾驶应用开发套件 TogetherROS·Auto 则 服务于智能驾驶专业开发者，集开发、集成、验证三位一体，提供支持量产开发的分层框架与接口 协议，开发者可基于标准化框架与接口进行灵活适配，同时整套接口与协议面向量产全流程，兼顾 各个软件模块，做到了可兼容、易转化，能够快速提升应用集成和验证效率，方便各模块开发者高 效协作。

高通：座舱芯片领军者，智驾领域新拓展

2020 年 1 月，高通发布自驾平台 Snapdragon Ride，其主要面向三大细分方向：L1/L2 级 ADAS，面 向具备 AEB、TSR 和 LKA 等驾驶辅助功能的汽车，提供 30TOPS 算力；L2+级 ADAS，面向具备 HWA、自动泊车 APA 以及 TJA 功能的汽车，提供 60~125TOPS 算力；L4/L5 级自动驾驶，面向在 城市交通环境中的自动驾驶乘用车、出租车和物流车，可提供 700TOPS 算力。 2023 年 1 月高通发布第二代 Ride 升级版 Ride Flex 芯片，包括 Mid、High、Premium 三个级别，主 打舱驾一体，既能用于车内座舱，又可以实现辅助驾驶的可扩展系列 SoC，算力最高可达 2000Tops。 其从设计之初就是一个开放且可编程的平台，能够满足从新车评价规范（004ECAP）到 L2+/L3 级别 驾驶辅助和自动驾驶全方位的需求。同时，面向视觉、中央计算和高性能自动驾驶需求，Ride Flex 还提供可扩展SoC处理器和加速器产品组合，基于Arriver的一站式视觉软件栈，支持从单个摄像头、 800 万像素前置摄像头，一直到多达 11 个摄像头的解决方案，其支持主机厂和 Tier1 利用 Arriver 驾 驶策略解决方案打造自己的驾驶策略、泊车或驾驶员监测软件栈和导航功能。

生态合作方面，宝马集团、长城汽车、通用汽车、大众集团、雷诺集团、Stellantis 集团、阿斯顿·马 丁、吉利汽车、比亚迪汽车、沃尔沃汽车、梅赛德斯-奔驰、极星等整车厂商都与高通达成了合作， 采用 Snapdragon Ride 平台打造 ADAS 和 AD 解决方案，并且国内首个搭载 Snapdragon Ride 的车型 魏牌摩卡 DHT-PHEV 激光雷达版已实现量产上市。不止整车厂，均联智行、毫末智行、畅行智驾、 纵目科技、诺博科技、德赛西威等 Tier 1 厂商也在与高通持续协作，基于 Snapdragon Ride 平台，共 同为下一代汽车开发安全、高效的 ADAS/AD 系统。

Mobileye：老牌智能驾驶芯片供应商

Mobileye 是全球领先的智能驾驶芯片解决方案提供商。2004 年公司发布了第一代芯片 EyeQ1，随后 迅速与宝马、通用等汽车制造商达成合作。经过多年的发展，Mobileye 相继推出了 Eye Q1-Q6 等多 款ADAS芯片，并为OEM厂和Tier 1厂商提供了“芯片+算法”软硬一体化的ADAS视觉解决方案。 Mobileye 智驾方案为“黑盒”方案，提供软硬一体的交钥匙方案，不单独出售芯片或算法。虽然黑 盒方案定制化程度极为有限，但对于开发实力相对薄弱的中小主机厂来说，产品成本低、开发周期 短，且多数功能经过验证，因此 Mobileye 的“黑盒”模式仍具有一定受众。此外，Mobileye 也在一 定程度上逐步提高其编程开放性，2022 年 6 月新推出的 EyeQ Kit 从黑盒走向合作，能够大幅降低车 企的开发成本，加快下游产品的开发周期。

芯片领域，EyeQ 系列芯片目前已推出多代产品，算力由最初的不足 1TOPS 到 176TOPS，其中 EyeQ Ultra 作为公司的最新产品，计划 2025 年开始量产。Mobileye 于 2016 年发布 EyeQ5 芯片，并与 2021 年开始量产，搭载车型为极氪 001 和宝马 iX。芯片基于台积电 7nm FinFET 工艺，EyeQ5 High 可实 现 15TOPS 算力，EyeQ5 Mid 也可超过 4TOPS。EyeQ5 采用专有的计算内核，针对包括深度神经网 络在内的各种计算机视觉、信号处理和机器学习任务进行了优化。同时，EyeQ5 开始提供完整的软 件开发套件（SDK），允许客户通过在 EyeQ5 上部署算法来区分其解决方案。作为可扩展的纯视觉 感知摄像头的计算基础，EyeQ5 由多个独立的计算机视觉引擎和用于算法冗余的深度网络组成，可 实现端到端的自动驾驶，这也是业内首个支持 120 度 800 万像素摄像头的解决方案。 2022 年 1 月在国际消费电子展（CES 2022）上，Mobileye 连续发布 EyeQ Ultra\EyeQ6 L\EyeQ6 H 三款芯片，并计划于 2024 年、2025 年开始量产 EyeQ6 两款芯片和 EyeQ Ultra。EyeQ Ultra 是专为 端到端自动驾驶而打造的单封装自动驾驶汽车集成芯片超级计算平台，基于 5nm 制程工艺，算力达 176TOPS。EyeQ 6 芯片基于台积电 7nm FinFET 工艺，最高可实现 34TOPS 算力。EyeQ6 Lite 是一 种经过优化的一体式前风挡解决方案，旨在以较低功耗和高效率提供入门级和高级驾驶辅助系统 （ADAS）功能。同时宣布的 EyeQ6 High 将支持高级驾驶辅助系统功能，并具有可扩展到“视线脱 离/解放双手”的控制功能。

芯片开发和生产制造能力仍为核心竞争力

厂商加速布局，智驾域控制器厂商竞争激烈

域控制器设计生产合作模式多样。目前，域控制器设计生产主要包括主机厂委托代工域控制器、Tier1 供应商为主机厂提供域控制器生产、Tier1.5 主攻域控制器基础软件、Tier0.5 全栈参与四种模式。具 体来看： 模式一：主机厂委托代工域控制器。该种模式下域控制器的设计和研发由主机厂负责，而供应商负 责域控制器的硬件制造，即外包域控制器，如特斯拉由广达及和硕进行域控制器代工、蔚来由 Wistron 及伟创力代工。 模式二：Tier1 供应商为主机厂提供域控制器生产。该种模式是目前主流的业务模式，不同类型的企 业根据自身优势进行分工合作，芯片供应商、Tier1 供应商和主机厂深入合作，芯片商提供芯片、开 发软件栈和原型设计包，Tier1 提供域控制器硬件生产、中间层以及芯片方案整合，如德赛西威与英 伟达及小鹏/理想/智己深入合作、极氪与 Mobileye 及知行科技达成合作等。 模式三：Tier1.5 主攻域控制器基础软件。该种模式下 Tier1.5 连接产业链上下进行开发，能够适应 软硬件分离的趋势，向上支持主机厂掌控系统的自主开发权，向下整合芯片、传感器等 Tier2 的资源， 如 TTTech 与上汽旗下联创汽车电子合资成立的创时智驾等企业。 模式四：Tier0.5 全栈参与。该种模式下供应商与主机厂深度绑定，参与主机厂域控制器的研发、生 产、制造等环节。

国内外厂商纷纷布局智能驾驶域控制器领域。现阶段，智能驾驶域控制器参与者主要包括四类： 1.Global Tier1 供应商系统集成能力较强，具有客户群优势。2.本地 Tier1 供应商致力打造全栈解决方 案，与 OEM 深度合作。3.自动驾驶域控制器软件平台厂商以软件切入，实现通用和模块化平台。 4.OEM 厂商期望自研域控制器甚至芯片以掌握底层硬件自主权。

智能驾驶域控制器供应仍以国内 Tier 1 厂商为主

虽然头部主机厂自研域控意愿较强，但受限于相关研发积累、资金限制及自身销量等问题，自研难 度大、成本高，不一定有足够的销量来摊薄前期研发成本，故大多数厂商仍以采购 Tier 1 厂商产品 及方案为主，自身参与到开发中，一方面积累相关技术，另一方面优化软硬件协同效果。国内主流 Tier 1 有华为、德赛西威、经纬恒润等企业，均胜电子、中科创达、大疆、东软睿驰等快步追赶，占 据一定市场份额；国际 Tier 1 大陆集团、博世、采埃孚等均有所涉及，但进入 L2+级自动驾驶以后， 国际 Tier 1 厂商开始逐渐落后于国内 Tier 1 厂商的发展步伐。

华为：智能驾驶全栈解决方案供应商

作为国内 Tier 1 厂商中较少能够提供智能驾驶全栈解决方案的企业，华为智能驾驶产品线非常丰富， 综合实力强。华为 MDC 产品经过数年发展，已覆盖多场景自动驾驶平台需求，其使用同一套软件， 同一个硬件架构，方便进行软件和硬件的迭代升级。目前全系列共有 4 件产品：MDC300F 用于矿区、 港口、园区、高速物流等车辆；MDC210 主要用于中低端车的铺量；MDC610 用于高端车拉升品牌； MDC810 用于 Robotaxi 或高级别的自动驾驶，其采用昇腾 620 芯片，算力高达 400+TOPS。

华为 MDC 平台性能强大，功能安全，提供开放的生态和多种开发工具。华为 MDC810 性能强劲算 力达 400TOPS。具备用户态分布式 OS 内核，调度时延<10us，平台级时延<40ms。其异构计算能力 能针对不同环节提供不同的算力类型和大小，更精准地满足算力需求。此外，华为 MDC 具备面向 L4 的高安全架构，通过了信息安全、功能安全、车规级测试、软件成熟度认证、极端工况测试等多 项检验。同时，华为 MDC 基于标准化和平台化的设计理念，实现软硬件解耦，提供丰富的传感器 接口、全场景覆盖的工具链、100+标准的 API 和开放的 SDK，支持与线控底盘接口对接、支持软件 开发和移植、支持不同级别自动驾驶的功能要求。华为也提供完整的开发工具链，帮助客户和生态 伙伴提升开发效率,完善华为 MDC 生态构建。华为于 2021 华为智能汽车解决方案生态论坛提出，截 至 2021 年底已有 70 余家生态合作伙伴，联合拓展乘用车项目超 6 个，商用车/专用车项目超 11 个。

华为 MDC 提供了 MDC 工具链、MDC Core SDK 和车云协同开放平台等开发者套件，很好地提升 了开发效率。MDC 工具链含有 AI 集成开发环境 Mind Studio、AP 配置工具 MMC、集成开发环境 MDS、标定诊断工具 MCD、可视化调测工具 MViz，覆盖自动驾驶应用的研发、调试、部署、运营 全生命周期。MDC Core SDK 加速开发效率，支持 TensorFlow、caffe 等主流 AI 框架，支持 1000+ 主流算子，开放 100+API 接口。云端提升提供数据、场景、训练、仿真服务，加速车云数据闭环， 有 20 万+场景库和 2000 万+数据集，大幅提升训练和仿真效率。

德赛西威：智驾域控领军企业

德赛西威专注于人、机器和生活方式的整合，前身为 1986 年成立的中欧电子工业有限公司，迄今已 有 30 多年汽车电子产品制造经验，制造工艺覆盖汽车电子产品生产全流程，公司为智能座舱、智能 驾驶以及网联服务提供创新、智能的产品解决方案，与大众集团、马自达集团、吉利汽车、长城汽 车、广汽集团、小鹏汽车、理想 One 等国内外汽车制造商建立了良好的合作关系。 德赛西威智驾产品全面丰富，满足客户多层次产品需求。公司与英伟达深入合作，智能驾驶域控制 器产品经过 IPU01-04 四代迭代已形成丰富产品矩阵，能够满足从高性价比到高性能多层级市场需求。 IPU01 是德赛西威最早量产核心产品，主要用作环视及泊车控制器，出货量已超百万套；轻量级智 能驾驶域控制器 IPU02 已进入上汽、长城、通用以及造车新势力等车企配套体系，适配国内中低价 格带这一最大细分市场，能够在有限成本范围内提供一定的智能驾驶功能；IPU03/04 是高性能方案， 基于英伟达 Xavier 芯片的 IPU03 已在小鹏 P7 上量产，基于 Orin 芯片的高算力平台 IPU04 已通 过 ISO/SAE 21434 体系认证并在理想等客户上实现规模化量产。受益于英伟达芯片的强大算力以及 自身优秀的量产能力和规模化优势，公司持续拓展产品矩阵和客户群体，伴随着国内 L2、L2+级 ADAS 产品渗透率的快速提升，公司智能驾驶域控制器有望迎来爆发式增长。

智驾域控制器与英伟达深度合作，带来高硬件性能及先发优势。IPU03/IPU04 依托于英伟达芯片的 高度计算能力，产品性能表现出色。2020 年，德赛西威首款基于 NVIDIA Xavier 芯片的 IPU03 自动 驾驶控制平台量产，能够应对 L2 级别的全速域 ACC 自适应巡航、车道居中、车道偏离预警等功 能；作为德赛西威拳头产品的 IPU04，在算力、性能、端口、成熟度等方面有了跨越式发展，基于 两颗 Orin 芯片，其总算力已达到 508TOPS 并可根据车企需求最高可拓展至 2000TOPS，算力高出 IPU03 的 7 倍以上，满足当前 L2 甚至 L3 级算力需求；具备更丰富的接入端口，最高可接入 16 路 高清摄像头，5 个毫米波雷达，12 路超声波传感器，以及 1-3 个激光雷达。

高端智驾域控领域具有先发优势，合作开发能力较强。1992 年公司已建立智驾研发团队，近年来研 发费用占营收比重持续超过 10%，同时公司与英伟达合作较早，开发的域控硬件和中间件等产品能 够较好匹配底层芯片，充分发挥其效能。德赛在打造域控产品平台化实现快速复用的同时，依靠快 速设计、验证、量产的经验和能力，针对车企不同车型空间结构设计差异、算法差异等进行相应适 配满足车企定制化需求，使公司相对于通用产品供应商竞争优势明显。

大批量量产制造经验带来质量、成本、设计上的护城河。德赛域控产品历经四代迭代已形成丰 富产品矩阵，具有量产经验，IPU03、IPU04 大规模搭载小鹏 P7、理想 L9 等旗舰车型，高搭 载率和车型销量充分证实域控产品的可靠性。同时德赛西威作为目前中国市场主要域控制器供 应商，市占率较大，芯片采购量相比其他主机厂和 Tier 1 更多。大批量采购能带来一定的价格 优惠，在芯片的供应端具有成本优势。同时对于很多共用的芯片和零部件可以大量备货，在部 分客户芯片等零件结构性短缺时候可以串货，缓解客户供应端的压力。此外，德赛西威依托其 市场地位，在与上游供应商合作时有更高的话语权，与部分芯片厂商有定制化产品，弥补通用 芯片上的不足，使其产品更有竞争力。

同步布局传感器和智驾算法，域控产品协同优势明显。公司积极开展智能驾驶领域多维度、多渠道 的协同共创，积极拓宽传感器、智能天线、算法等领域布局，提供平台化域控产品和系统级智能驾 驶解决方案，进一步增强公司产品整体适配度和综合竞争力。传感器方面，已在智能驾驶相关传感 器和 T-Box 方面获得市场领先地位，目前公司高清摄像头、ADAS 摄像头已实现规模化量产，毫米 波角雷达、BSD 雷达均在多个客户量产应用，同时 4D 及国产化雷达方案已完成产业技术布局； 5G+V2XT-BOX+智能天线方案已顺利在上汽通用、红旗等客户上实现规模化量产，并在 2022 年获 取国内头部 OEM 多款车型的出海业务。 自动驾驶算法领域，公司全方位布局 L1 泊车至 L4 高级智能辅助驾驶算法，通过自研+对外投资合 作模式寻求产品快速突破；同时由于和英伟达的长期合作开发，德赛对 Orin 芯片的定制算法理解独 到，可以为下游整车厂提供底软技术支持，使其具备更好的竞争优势。公司通过上述全栈布局形成 智驾域控领域全套解决方案，打造出“智驾域控制器+传感器+软件算法+5G-V2X”产品矩阵，协同优 势明显。

经纬恒润：高性价比智驾方案供应商

智能驾驶研发起步早，具备不同等级解决方案。公司自 2010 年起投入研发智能驾驶产品,经过持续 产品创新，目前已形成 ADAS+ADCU+HPC 的完整平台化产品解决方案系列，能够满足不同等级智 能驾驶功能需求。公司前向 ADAS 系统是公司智能驾驶业务的核心产品，该产品整合了 Mobileye EyeQ4 芯片和 Infineon AURIX ™高算力平台，实现了自适应巡航控制、车道保持辅助等多项功能。 2016 年，公司自主研发的先进辅助驾驶系统（ADAS）量产配套上汽荣威 RX5，实现公司自动驾驶 产品首次量产的同时打破了国外零部件公司在该领域的垄断地位。截至 2021 年 ADAS 产品已配 套或定点的车型超过 100 款，客户主要为一汽集团、上汽集团、中国重汽、吉利汽车等整车厂商。

智能驾驶域控制器（ADCU）是经纬恒润设计研发的集成式高性能计算单元。ADCU 基于 Mobileye EyeQ4 及 Infineon TC-297TA 芯片，能够实现自动驾驶等高级别自动驾驶功能，支持毫米波雷达、 激光雷达、高精地图等信息接入；同时在 ADCU 基础上，经纬恒润将智能驾驶域控制器和自动泊车 域控制器进行融合，面向 L2+级智能驾驶要求，推出了一系列低成本、中低算力的行泊车一体解决 方案，很好地契合了市场需求；并且在 ADCU 硬件基础上，经纬恒润可以提供自主研发的自动驾驶 功能，或集成第三方研发功能，为用户量身定制系统级自动驾驶解决方案。

智能驾驶高性能计算平台持续投入。2023 年 3 月，公司基于 NXP 新一代多核异构 SoC 高性能平台 开发的中央计算平台（CCP）发布，该产品实时控制核采用 Classic AUTOSAR 软件架构，方便多方 软件联合开发和部署、高性能计算核基于商用 Linux + Adaptive AUTOSAR 软件架构，提供整车全量 数据采集、整车 OTA 升级、SOA 服务等功能，支持整车厂用户持续快速迭代应用软件，使得产品 能够提供中央网关、车身及舒适控制、新能源整车动力控制、整车全量数据采集、SOA 车控服务、 边缘计算等功能，满足 ASIL-D 功能安全等级要求。同时支持公司自研或客户定制的人工智能感知 算法、路径规划和控制方案，实现在高速公路、城市道路、停车场等场景下安全、精准、稳定的自 动行驶。该产品目前已配套滴滴、合众汽车、一汽解放等客户。

积极开拓单车智能解决方案，产品协同效应显著。经纬恒润智驾产线具备向上集成完整智能驾驶方 案的软硬件产品基础，是目前国内少数能够提供智驾全栈式解决方案的供应商，其智驾解决方案中 智驾算法、摄像头、毫米波雷达、智能网关控制器、高精定位系统等域控核心配套产品均为自研。 感知端，车载摄像头、毫米波雷达产品种类丰富，车载摄像头搭配先进的 ISP 图像处理算法，能够 在各种复杂光照环境下给予驾乘者高质量视觉体验，同时大幅提升感知算法的识别速率和准确率， 目前已广泛应用于广汽、吉利、红旗、一汽等整车厂的主流车型。最新 LRR610 4D 成像前雷达具备 水平和俯仰高分辨能力（1.25°×1.7°）、超远距离探测能力和丰富的点云信息（单帧点云>10K）。

平台工具和方法流程布局全面。为保证 AI 感知算法的可靠落地，公司自研了一整套平台工具和方法 流程，其 AI 算法通过挖掘深度神经网络在数据表达方面的能力，具有实时性好、检测准确、鲁棒性 好等特点，目前已经应用在多个园区自动驾驶示范项目中，同时也在智能化港口项目中得到了充分 的应用和验证；同时公司高精定位模块 LMU 可以实现道路级定位，支持 L2+自动驾驶，能够准确持 续提供前方道路的曲率和坡度信息，支持 DOTA/FOTA 升级，目前已应用于上汽、红旗、长城等客 户车型。通过上述协同布局，公司形成的系统级智能驾驶解决方案技术自主，能够充分发挥协同效 应进一步降本增效，为客户提供更高性价比智驾产品。

中科创达：领先的智驾操作系统供应商

完善产业协同布局，发力智能驾驶赛道。中科创达以智能操作系统为核心，聚焦场景需求，持续布 局智能驾驶领域。在低速智能驾驶领域，中科创达已经构建了从 AVM（全景环视系统）、XPA（智 能泊车）到 AVP（无人代客泊车）的全链路产品、技术与解决方案，实现了智能座舱与低速驾驶的 融合创新。此外，在域控算力平台领域，中科创达子公司畅行智驾基于在操作系统及实时中间件领 域的技术优势，为全球客户提供行业领先的智能驾驶域控产品和开放的智能汽车 HPC 软硬件平台。

公司利用自身技术积累，积极布局智驾相关操作系统和云端平台。目前公司正在开发 ThunderAuto 智能网联汽车操作系统和智能驾驶辅助系统 SmartDrive。该智能驾驶辅助系统包含硬件抽象、软件 开放、端云服务、场景落地等四大平台，客户可以用其开发 ADAS 产品、应用和系统，降低开发复 杂度、周期和成本，有望解决目前 ADAS 系统各自为政、软硬不分离、集成成本高、迭代演进难等 问题。

携手高通、立讯精密，智能驾驶域控制器已取得初步成果。2022 年中科创达自动驾驶子公司畅行智 驾获高通创投、立讯精密投资。2022 年 9 月，基于 Snapdragon Ride SA8540P 芯片，畅行智驾开发 了旗下首款智驾域控 RazorDCX Takla，提供 60TOPS 算力、12 路相机最高像素 8M Pixels 的接入能 力，并预留多路 CAN/CANFD 接口，提供 8 路车规级以太网接口，满足自动驾驶对传感器接入的需 求，具备高性价比优势，实现全时中阶行泊一体，可广泛应用于低速泊车智能驾驶、高速公路智能 驾驶、城区智能驾驶以及封闭园区智能驾驶等诸多场景中。 2023 年 4 月，发布基于 Snapdragon Ride 平台的高阶智驾控制器 RazorDCX Pantanal，采用 4nm SOC， 集成 Snapdragon Ride™视觉软件栈，单芯片算力达 50-100TOPS，可同时支持基础配置 7V5R12USS 与高阶配置 11V5R12USS 接入，并预留多路 CAN/CANFD 接口，提供 8 路车规级以太网接口，满 足不同等级智能驾驶对传感器接入的需求。实现记忆泊车、L2.9 级高速公路自动驾驶及 L3 级城区 自动驾驶，并可拓展至 L4 级无人售货车、矿山、自动清洁车等封闭园区自动驾驶。其具有可拓展性 强、功能安全性高、应用场景广等特点，满足从入门级到旗舰级车型对智驾域控的不同需求。

大疆：低成本 NOA 方案优质供应商

大疆依托视觉技术深厚积累，推出新一代智能驾驶解决方案。2023 年 4 月，大疆车载公布了全新一 代智能驾驶解决方案，该方案以低至 32TOPS 的算力，7V/9V 的纯视觉配置，通过“强视觉在线实时 感知、无高精地图依赖、无激光雷达依赖”实现了包括城区记忆行车（32TOPS）/城区领航驾驶（80TOPS） 在内的 L2+智能驾驶功能。同时，该纯视觉辅助驾驶系统也支持扩展毫米波雷达、超声波雷达、激 光雷达、高精度地图等传感器，增强系统的安全冗余。 该方案基于当前对智能驾驶系统成本约束，结合当前智能车电子电气架构演进水平，以及中国市场 对智能驾驶真实需求，具备算力门槛低，算法扎实、功能丰富、传感器配置简洁高效、可拓展性强 等特点，方案支持扩展算力至 200TOPS，提升了高速领航与城区领航等高阶 L2+功能的舒适体验， 目前，该智驾解决方案目前已处于可用状态，正与合作车企积极推进量产。

均胜电子：智驾域控积极布局，产品覆盖丰富

均胜电子持续发力智能驾驶系统，多渠道布局智驾域控。均胜电子加快研发新一代高算力智能驾驶 域控制器产品，2022 年 8 月，子公司均胜科技获得与国内某知名整车厂关于自驾高算力域控平台的 联合开发，公司基于英伟达 Orin 芯片，为客户提供一款双 Orin 系统架构的高算力域控平台（AD 域 控制器），可以实现 L2++高速公路及城市情景 NOA 功能、AVP 代客泊车功能，并计划于 2024 年 开始量产；2023 年 5 月，旗下子公司均联智行发布全球首批基于高通 Snapdragon Ride 第二代芯片平 台的自动驾驶域控制器 nDrive H，芯片算力高达 200TOPS，基于软硬件深度融合的行泊一体设计， 支持 L2++到 L4 级别自动驾驶全场景功能，实现 HPA、NOP、HWA 等自动驾驶场景。同时其双芯 片结构可提供同级别全冗余平台的最优性价比解决方案，在散热处理上提供行业领先方案，高配版 本采用水冷散热设计，低配版采用风冷设计，较好解决散热问题。

同时，公司与地平线、黑芝麻等国内各芯片厂商建立合作关系。2021 年 8 月，均联智行与黑芝麻智 能签署战略合作协议，双方依托各自优势资源，在自动驾驶计算芯片、前瞻技术联合预研及智能汽 车平台化等业务领域展开深度合作，重点围绕自动驾驶域控制器进行协同开发；2023 年 5 月均联智 行与地平线达成战略合作，地平线将提供以“芯片+参考算法+开发工具”为基础的智能汽车解决方案， 包括车规级芯片、车载计算平台、视觉感知、人机交互等。均联智行基于自身车规级自动驾驶技术 积累，与地平线共同推进高级辅助驾驶（ADAS）、自动驾驶、智能人机交互等领域的产品开发， 加速自动驾驶解决方案的量产；同时公司依托公司智能汽车技术研究院在人工智能的技术储备和前 瞻研发优势，加快研发新一代高算力智能驾驶域控制器等产品，目前在此领域已获批及在批专利逾 50 项，涵盖自动驾驶域控制器结构、路径规划、车辆控制、数据存储等；公司和国内外多家整车厂 商共同推进基于不同芯片平台的智驾域控、驾舱融合域控及中央计算单元等项目的研发，部分项目 已顺利完成 A 样的开发和 POC（验证测试），为公司后续获取客户量产项目的定点提供坚实支撑。

东软睿驰：全链条国产化，“软件定义汽车”可信赖合作伙伴

东软睿驰发力行泊一体域控，实现全链条国产化打通。东软睿驰基于地平线征程 5、芯驰科技 X9U 系列芯片，构建了国内首个全国产自动驾驶域控制器平台，实现国产化芯片、算法、软件、硬件从 研发到量产应用全方面全链条打通。同时，基于该平台打造的高性能行泊一体域控制器 X-Box 4.0 面向 L2++级别自动驾驶，配置地平线征程 5、芯驰科技 X9U 系列芯片，单芯片算力达到 128TOPS， 可提供高速（NOA）、记忆泊车（HPA）、智能巡航（ICA）、遥控泊车（RVM）等 40 余项功能， 支持 8M 摄像头、4D 点云毫米波雷达和激光雷达、DSI3 超声波雷达的接入，能够有效实现对各类 异形和未知障碍物的精准感知和避让。 面向跨域融合时代，基于全国产化大算力单芯片，东软推出多域融合域控制器 X-Center2.0，采用 SOA 设计理念，通过自研软件架构的强大算力支撑，支持以太网接口、多屏输出以及处理多路 CAN 数据的接入和转发等，大幅度减少整车开发复杂度，不断扩展整车智能化性能，实现从“域控”到“中 央计算”的跨越。

截至目前，市场上出现大量行泊一体智驾域控产品，除上述案例以外，其余厂家如地平线推出了与 金脉联合开发的自动驾驶域控制器产品 Horizon Matrix® Pilot 3.0；黑芝麻推出智驾解决方案 BEST drive；宏景智驾推出 ADCU 高级别自动驾驶域控；同时国际厂商大陆集团、博世、采埃孚等传统 Tier 1 巨头也在发力智驾域控产品，或通过自研、或通过成立合资公司联合开发以谋求一定的市场地 位。但由于智驾域控产品技术集成度高，投入巨大且产业上下游协同壁垒高，新晋厂商以及传统国 际巨头面临技术成熟度不足、产品工程、转型困难等问题，短期内仍难以形成有效市场竞争力。我 们仍较为看好以德赛西威、华为为代表的国内主流 Tier 1 厂商，其具备技术领先优势、规模化量产 优势、客户覆盖度广优势，并且能够充分发挥上下游协同优势深入参与主机厂产品研发过程，精确 理解用户需求并不断完善自我产品生态，预计在将来仍会保持较大的市场份额。

少数头部主机厂选择自研+代工模式

车企对于坚持智驾域控自研的考虑，无外乎成本、核心技术及供应链稳定、产品亮点和差异化等几 个因素的考量。根据 HiEV 大蒜粒车研所测算，从资金成本考虑，当前智驾域控中硬件占总成本的 比重约为 60-80%，软件占比约为 20-40%，以主营业务为智驾域控的知行科技为例，其雇佣员工 200 人左右，近三年合计研发投入近 2 亿元，从时间成本上考量，小鹏从官宣自研到落地 G9 大致花了 两年时间，因此如果能将硬件乃至整个域控方案掌握在自己手里，将有效降低车企成本提升产品竞 争力；同时如果车企意图将智能化打造为自身标签，自研与车型更为匹配的域控产品将会是更好选 择，自研域控将会提高系统的软硬件协同能力并减少芯片算力耗费，同时车企将拥有完整的开发工 具链，在算法升级、驱动更新上将更为及时。因此，对于有一定实力和愿景的车企而言自研域控无 疑具有很强的吸引力。 自研智驾域控系列产品具有裨益的同时也会带来巨大成本耗费。根据南方日报报道，2023 年上半年 中国市场约 20%的头部企业市场占比超过 90%，在汽车市场竞争愈发激烈的当下，大部分厂商稳定 销量难以保证，相对主流 Tier 1 厂商而言其自研域控成本—收益比较低甚至不能覆盖成本；同时自 研域控的时间成本和缺乏经验带来的技术问题难以短时间内解决；域控的规模量产商用和与之相关 的软件生态形成也很难依靠一家自研而成。虽然理论上自研极具优势，但主机厂前置成本较高并且 难以依靠车型销量制胜，有意愿自研的厂商仍为少数。

对于规模巨大的极少数头部厂商而言，自研优势明显。将域控技术掌握在自己手里不但可以控制整 体成本也可以确保核心技术及产品供应链稳定；其次自研与车型更为匹配的域控，将有助于车企打 造差异化竞争力，定制更多个性化功能，使需求与研发结合更为紧密，从长远来看将会提升车企核 心竞争力。而外购或合作开发对于众多中小厂商或许更为友好，中小厂商自研能力薄弱并且车型销 量不足以覆盖自研成本，但依托成熟的供应链系统，中小厂商可以在有限的预算范围内，快速、低 成本外购相对高性价比的整体解决方案，使产品实现一定的智能驾驶功能并满足中低端自动驾驶需 求。长期来看，我们预计“极少数高端主机厂自研+主流 Tier 1 供应”的产业格局将长期存在，以华 为、德赛西威为代表的研发实力强劲、量产规模大、质量有保障的各 Tier 1 厂商仍将占据供应链核 心地位。

特斯拉：智能驾驶全栈自研领导者

做为智能驾驶全栈自研的先驱者和领导者，特斯拉技术优势明显。特斯拉于 2020 年正式推出其全栈 自研智能驾驶解决方案 FSD，实现了从芯片开发到底层架构到软件开发的整体编辑能力。硬件系统 HW3.0基于特斯拉自研FSD芯片，算力达到144TOPS, 该芯片采用三星14nm工艺，包含12个 CPU、 1 个 GPU、2 个神经处理单元、以及其他硬件加速器，能够实现自动泊车、智能召唤、自动辅助导 航驾驶（NOA）、自动变道、交通信号识别、停车标志识别、城市道路自动辅助等高阶智驾功能； 同时在域控算法端，特斯拉也具有领先优势，其率先应用神经网络系统 HydraNet、BEV+transformer 感知算法、占用网络技术、数据处理融入时序特征、图像特征级融合等方案，提升了智驾系统感知 精确性、复杂环境鲁棒性，至今仍为行业标杆。 根据推特博主“greentheonly”拆解最新 Model Y 和最新首发 Model S/X 情况来看，新一代 HW4.0 已搭载北美地区 Model X/Y 等高端车型。其搭载了第二代 FSD 芯片，采用 4nm 工艺；CPU 核心增 加至 20 个；GPU、TRIP 核心增加至 2 个；具有 3 个 NPU 核心，使用 32 MB 的 SRAM，用于存储 模型权重和激活，预估综合性能将为当前芯片 3 倍左右。传感器方案也有一定改进，在坚持视觉方 案的同时，新增一个 4D 毫米波雷达做为安全冗余，提升感知系统的精准度和安全性。

小鹏：域控自研+代工模式，软硬件更加适配

域控硬件自研设计，有效提升软硬一体化水平。2020 年小鹏发布搭载有自研智驾系统 XPILOT 的 P7，该车型智驾域控为德赛西威研制，基于英伟达 Xavier 芯片的自动驾驶域控制器 IPU03，算力达 到 30TOPS。同时，小鹏也开始启动智驾域控自研并在 G9 上实现量产，形成以“X-EEA 电子电气架 构+XNGP 智能驾驶辅助系统+Xmart OS 车载智能系统”为核心的智能驾驶生态。通过对域控方案自 研设计，软硬件一体化程度有效提升，二者可以更好适配，明确软件开发边界，提升硬件利用率。

自研智驾系统 XNGP 表现出色。 其基于英伟达 Orin 芯片的第二代智驾系统 XNGP 于 23 年 3 月正 式发布。作为“重感知、轻地图”技术路线的代表，完全形态的 XNGP 将具备全场景智能辅助驾驶 能力，在全国各个城市都能无缝连接高速、城市、地下停车场等各种场景，实现端到端的城市 NOA 辅助驾驶体验。其包含的新一代智驾域控基于 2 个英伟达 Orin 芯片，总算力达到 508TOPS，搭配 31 个传感器，能够实现智能导航辅助驾驶、全场景智能辅助驾驶、VPA-L 停车场记忆泊车增强版等 高阶智驾功能；域控感知算法层面，自研 XNet 深度视觉神经网络，凭借超强的环境感知能力，XNet 能够将多个摄像头采集的数据进行多帧时序前融合，输出动态目标物的 4D 信息及静态目标物的 3D 信息，大大提升智能辅助驾驶，尤其是面对城市复杂场景时的感知、预判、决策、执行的能力和效 率，并且借由小鹏“扶摇”超算中心算力，使得动态 XNet 的训练时间由过去的 276 天缩减到 11 小 时，效率提升超过 600 倍。

（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。）