2024年Mobileye公司研究：辅助驾驶芯片龙头，高阶智驾因机以发

汽车电动化和智能化浪潮下，行业迎来供 应链变革和价值链重构

电动化势不可挡，智能化方兴未艾

电动化：可持续发展背景下，全球汽车工业大势所趋

根据国际能源署（IEA）发布的报告，2023 年全球与能源相关的二氧化碳排 放量达到创纪录的 374 亿吨，但由于太阳能、风能和电动汽车等技术的发 展，增量低于 2022 年的 4.9 亿吨。在延缓气候变化、通过环境保护以实现 可持续发展等需求的共同推动下，全球已有超过 130 个国家/地区提出了实 现“碳中和”的气候目标。降低交通领域的碳排放是达成全球减碳目标的关 键措施之一，因此许多国家都制定了明确的新能源车发展规划。 汽车电动化是全球的大势所趋，虽然在短期内，外部环境的扰动或将对此进 程产生一定影响、造成渗透率上升路径的波动。但考虑到汽车电动化作为一 个长期的全球性议题，我们认为新能源车的长期发展方向并不会因为短期 扰动而转移。目前全球主要汽车市场的新能源车渗透率也呈总体上行趋势。 IEA 预测，2024 年全球电动汽车市场将在 2023 年创纪录的高基数上保持增 长，预计全年销量将达 1,700 万辆，渗透率达到 20%以上。同时，尽管需求 仍主要集中在中国和欧美市场，但越南和泰国等一些新兴市场的增长也有 所加快。随着更适应本地化需求的新能源车型陆续推出，新兴市场的新能源 车交付量有望做出增量贡献。

而在汽车电动化的实现路径上，正如我们在 2021 年的报告《新能源汽车与 智能手机行业及供应链梳理比较：四大派系的初局混战》中所判断的，新能 源汽车行业发展的初期与智能手机有许多类似的地方。与智能手 机对功能机的替换类似，新能源汽车也将对传统能源汽车的需求进行替换。 参考智能手机替代功能机的路径，我们认为，尽管全球汽车产销水平的增速 处于较为平稳的状态，但在行业新能源车渗透率逐步上升的过程中，市场规 模仍有较大的增长空间。

智能化：用户心智构建逐渐完善，技术持续进步奠定智驾功能的普及基础

在新能源汽车发展的上半场中，电动化作为核心驱动力，带动新能源车渗透 率的大幅提升。到如今，新能源车的渗透率不断走高，市场竞争渐显激烈之 势；而智能化则已经拉开了新能源汽车发展下半场的序幕。 智能化目前最具象的体现，就是智能驾驶和智能座舱相关的功能。这也是对 于消费者具有最切身影响的两大方面，符合消费者对于更先进的智能驾驶 体验、更智能的座舱环境以及更个性化的驾驶乐趣的追求。智能化功能的布 局也成为车企新一轮竞争的重要筹码。汽车智能化正迅速成为消费者购车 的核心考量，特别是智能驾驶技术、智能座舱等功能。随着技术的不断进步， 智能化水平已成为新能源汽车竞争的新焦点。

从智能驾驶的维度，新能源汽车保有量的激增为相关技术水平大幅提升并 实现商业化应用提供了土壤。目前，智能辅助驾驶和自动驾驶技术正在高速 发展，从基本的车辆控制辅助到高阶智驾辅助，从简单的功能到向高度集成、 智能化的复杂系统的转变，其功能也在不断升级和完善。此外，随着 AI 大 模型的快速发展和端到端技术路线的落地，智驾发展也迎来了新的可能。 需求端，消费者购车偏好正在重塑。随着大量智能电动车进入市场，在行业 头部玩家带领下，汽车产业生态圈对智能驾驶技术的宣传强化以及消费者 对驾驶辅助系统的使用和熟悉将促进智能驾驶市场日趋成熟，导向消费者 购车偏好的重塑。以中国市场为典型代表，用户大体对智能驾驶持积极态度； 整体消费者群体也对智能驾驶展现出更开放的态度。根据麦肯锡 2024 年 3 月发布的《中国汽车消费者洞察》报告，54%的汽车消费者将智能化水平作 为购车时的关键考量因素，排名仅次于用车成本。其中，“更先进的自动驾 驶功能”是智能化中最受关注的部分，占比达到 65%。 用户心智的突破又反向促进了智能驾驶功能的普及和行业智能化水平的提 升，实现良性循环。智能化在购车决策中的重要性日益凸显，也促使众多汽 车制造商加快了智能化技术的研发和工程投入，间接加速了技术研发进度。

智能驾驶相关解决方案，蕴含着更高的价值潜力和更大的成长空间

在新能源汽车发展的上半场中，电动化作为核心驱动力带动了竞争格局的 重塑；而今，新能源汽车发展的下半场，智能化的序幕已然拉开。智能驾驶 作为汽车智能化的主力支柱之一，正处于高速增长的阶段。 一般来说，智能驾驶是一个相对宽泛的概念，指搭载先进的传感器等智能装 置，运用现代传感技术、信息与通信技术、人工智能等技术，具备复杂的环 境感知、规划决策和控制执行等功能，并最终可以部分或完全替代人类驾驶 员驾驶的系统。按照汽车控制权和安全责任分配的不同，智能驾驶又可划分 为不同的等级。目前较为权威的分级标准，是国际自动机工程学会（SAE International）制定的自动驾驶分级标准。该标准将汽车驾驶自动化分为 L0- L5 六个等级，级别越高，车辆自动化程度越高。中国工信部于 2021 年发布 《汽车驾驶自动化分级》国家推荐标准，与 SAE 的划分基本一致。 虽然等级划分标准中多用“驾驶自动化”进行描述，但是考虑到“智能驾驶” 概念更强调智能化的过程，车企宣传口径上也倾向于使用“智能驾驶”称呼 从辅助驾驶到有条件自动驾驶的一系列功能；而用“自动驾驶”指代 L4/L5 级高度自动化的场景，所以本文将使用“智能驾驶”泛指涉及驾驶自动化的 类各功能，即采用一种广义的智能驾驶概念，以免造成混淆。

“智能驾驶解决方案”是指利用硬件、软件和算法相结合的方式，处理车辆 周围环境的实时数据并基于自动计算作出决策，使车辆能够在各种交通场 景中实现不同程度安全和舒适的行车或泊车功能的方案。 发展至今，L0-L2 级智驾解决方案已成为全球范围内的主流智能驾驶解决方 案。随着主机厂在智能驾驶领域布局的扩大，全球智能驾驶解决方案市场也 迎来大幅增长。根据灼识咨询（CIC），全球智能驾驶解决方案市场规模由 2019 年的人民币 1,071 亿元增至 2023 年的 2,687 亿元，复合增长率为 25.9% ；预计 2028 年将增至人民币 5,609 亿元，复合增长率为 15.9%。

行业层面，L2 级及以上的智能辅助驾驶装车率提升显著。根据乘联会联合 科瑞咨询发布的数据，2024 年上半年，中国新能源乘用车 L2 级及以上的 ADAS（Advanced Driver-Assistance System，高级辅助驾驶系统）功能装车率 达到 66.4%，同比大幅提升 15.8 个百分点。而高工智能汽车数据显示，2024 年上半年，中国市场前装标配 ADAS 功能的乘用车共交付 613.85 万辆，同比 增长 16%，前装搭载率 63.42%。其中，高阶 NOA（Navigate On Autopilot， 领航辅助驾驶）细分市场前装搭载率超过 6%，上半年仍保持高增长态势。 随着技术的进步，智能驾驶也在持续推进降本，包括规模扩大带来的硬件制 造成本下降等，都有望推动渗透率进一步提升。以高阶智驾的典型代表 NOA 功能为例，目前仍以自主中高端车型配套为主。但同时，部分车企智驾版车 型的销售占比也在逐渐爬升。以中国造车新势力为代表的新能源车企，也在 加速实现高阶智驾主销价格段的向下渗透，使得搭载 NOA 功能的车型下探 到 15 万元左右的价格区间。例如小鹏 MONA 系列首款车型 M03，入门款定 价人民币 11.98 万元，将智驾功能下沉到 15 万元以下，力行“技术平权”。

车企层面，作为能够明显体现产品竞争力和核心技术优势的高阶辅助驾驶 功能，已经开始成为车企竞相加码投入的方向乃至营销宣传的重点。多家机 构将 2023 年定义为城市 NOA 元年，而今车企继续积极推进城市 NOA 功能， 进展更新较快。另外，面向量产的端到端智能驾驶解决方案和车型也在加速 研发中，有望极大地提升智能驾驶的效率和安全性。 特斯拉：目前仍被公认为行业智能驾驶的标杆。全自动辅助驾驶 FSD（Full Self-Driving）V12 的全面推出，完全采用端到端神经网络，标志着端到 端自动驾驶技术在量产车型上的应用已成为现实，再次在技术路线和功 能层面实现对行业的引领。小鹏：XNGP 城区智驾已完成 100%无图化，智驾可用范围里程翻倍。 2024 年 7 月，XNGP 城区智驾月度活跃用户渗透率达 84%；今年 5 月， 小鹏发布国内首个量产上车的端到端大模型，开始正式推送端到端智驾。 华为：ADS 2.0 无图智驾功能实现“全国都能开、有路就能开、越开越好 开”，无图智驾功能在问界 M9 率先上车。华为今年 4 月发布 ADS 3.0， 引入端到端架构，强化了安全性能，提升智能驾驶的效率。

从目前功能实现来看，各家车企主要朝无图化、全场景化以及低成本化的方 向来实现高级智能辅助驾驶。相较于高速 NOA，城市应用场景的智能驾驶 需要面对更加复杂的路况环境，对感知方案的要求更高，传统的高精地图受 限于更新频率低、采集成本高，无法满足城市智驾处理复杂路况的及时响应 需求，导致许多车企开始转向不依赖于高精地图的无图 NOA 方案。 城市智驾无图 NOA 功能开拓方面，海外目前以特斯拉一枝独秀，而国内则 以小鹏和华为系的鸿蒙智行较为领先。在 IDC 的城区领航辅助驾 驶测评中，少数领先品牌的车型能够基本实现端到端的自动驾驶任务，完成 具有较高难度的无保护左转、车辆密集情况下的右转、掉头等任务。但也还 有很大部分车企、车型的城区领航辅助驾驶功能存在较多不可用区域，面对 复杂场景无法完成任务或预留足够时间提醒接管，易出现急刹、突然要求接 管等操作，存在很大的优化空间。

从全球范围来看，中国车企率先开始大力投入智能驾驶的技术研发，一定程 度上率先导入；海外目前看来只有特斯拉“势单力孤”，但各大车厂也并未 放弃此方向，在充分意识到市场对智驾功能的关注度与日俱增的情况下，结 合自身在过去几年因为车型研发进度落后、零部件量产进度不及预期、本地 消费者的支付意愿等综合考虑，已经开始选择加码高级别自动驾驶技术的 投入，加速新车型推出。同时，全球多个国家的自动驾驶相关法规正在逐步 落地，完善对于车辆驾驶场景、驾驶员行为、事故责任划分等的详细规定， 为车企从自动驾驶试点上路到未来量产落地奠定了合规基础。 总体而言，我们对于新能源汽车行业整体朝智能化方向发展的趋势表示乐 观。随着相关技术的不断成熟和法规的完善，以及 AI 大模型的发展，我们 认为以智能驾驶为代表的智能化功能具有更加广阔的应用前景和增长空间。

供应链变革：由链式结构逐步走向网状融合

汽车供应链纵深复杂，单链结构下牛鞭效应愈发突显

汽车供应链，即汽车制造企业与其供应商之间的物料、信息与资金流动的过 程，涵盖了整个汽车生产过程中所涉及的原材料采购、零部件供应、生产制 造、物流配送等环节，各个环节之间的协同配合复杂程度极高。 为了降低汽车供应的复杂度，传统汽车供应链呈“金字塔式”的分层/分级 结构，整零间形成精细化分工。在燃油车时代，单台整车约含 3 万个零部 件，涵盖不同材料、不同功能的机械零部件和电子零部件，全球供应商数量 多达上万乃至几万家。零部件具有通用属性强、工艺成熟等特点，产品迭代 周期长，整车研发和生产时间较为充裕。因此，出于降本增效的考量，主机 厂只会掌握关键部件，比如发动机、变速箱和底盘的生产，以及核心零部件 的设计开发，并完成最终的装配环节；余下环节则通过向一级供应商（Tier 1）提出需求并相互紧密配合，完成大部分供应链零部件的采购。

各汽车模块内又形成单链式的垂直化供应结构。一级供应商按照主机厂的 需求，完成汽车模块的设计制造，同时向二级供应商（Tier 2）采购部分零 部件。而二级供应商主要对一级供应商负责，与主机厂的直接交流相对较少。 在二级供应商的上游，从三级（Tier 3）再到 N 级供应商（Tier N）的关系也 以此类推。从整车企业的角度，其与一级供应商联系最为紧密，对二级供应 商可能有所了解，但对三级及以后的供应商则知之甚少。 参考经济学中的“牛鞭效应（Bullwhip Effect）”，供应链上存在一种需求变异 放大现象，即供应链上的各级供应商，只根据来自其相邻的下级销售商的需 求信息进行供应决策时，需求信息的不真实性会沿着供应链逆流而上，从消 费市场到制造商、一级供应商、二级供应商等，产生逐级放大的现象。

由于需求预测的不准确性、原材料短缺、价格变动和库存责任失衡等多方面 的博弈，叠加汽车行业供应链的惯性和时滞性，牛鞭效应在供应链长而复杂 的汽车行业较为普遍，且供应商受到的冲击普遍大于主机厂。 并且，在外部宏观环境不确定性加剧、汽车产业变革加速和产业链复杂程度 提升的三重叠加之下，原有的牛鞭效应由于信息不对称，在低效率、高成本 的供应链中产生了二次甚至多次异动，加剧了单一节点失效所带来的供应 链中断风险，对下游车企的供应链安全造成很大风险。 以汽车产业的“芯片荒”为例，导致行业缺芯的重要原因之一，就是信息与 沟通需要通过各级传导，疫情也放大了汽车行业的恐慌和焦虑，造成了信息 失真，进而导致企业的调整需要延长 2-3 个月，使得在芯片供应维度上卡位 Tier 2 的 Mobileye 受到来自行业库存波动的巨大影响。

产业变革驱动供应链变革，零整关系向网状融合不断演进

在汽车电动化和智能化的浪潮之下，产业的内涵和外延不断丰富，将来自电 子、电气、智能系统、互联网等领域的新业态引入到了汽车行业。2021 年 我们就曾在报告中判断，在智能电动车的供应链中，不同环节的要求也不同： 对于传统的常规部件：如车身、外饰、内饰等，电动车与燃油车的差别 不大，供应环节与原来的变化不大。 对于三电系统组成的动力环节：对整个供应链在增加电力驱动系统的寿 命、安全性等提出了更高要求，甚至也会需要在汽车机械结构生命周期 提供可升级的灵活性，实现性能的提升。 对于智能化的需求：供应链环节会更加贴近智能手机主芯片的升级节奏。 对单车芯片价值量、AI 算力、软件优化迭代速度都会有较高要求。 电动化方面，发展初期各家车企、各色新能源车型的销量规模较小，且汽车 动力传动系统的改变带来了零部件定制属性强、通用性低的特征，彼时新能 源车企和供应链无法实现“以价换量”的商业闭环，寻求传统 Tier 1 巨头定 制开发意味着超高成本。随着行业渗透率的提升，新能源车在规模逐渐扩大 的同时，车型迭代周期也在不断压缩，例如电池技术仍然在快速迭代中，上 游供应商又需要面临开发周期缩短的新挑战。

智能化方面，汽车不再只是运输能力的机械结构，而更近似于在人工智能基 础上实现自动驾驶等各项功能的电子产物。在“AI+软件定义硬件”的大背 景下，传统的交钥匙模式已经无法满足部分智驾前沿车企对于智能化功能 “小步快跑、持续迭代”的开发需求。同时，由于智能化驾乘体验正在成为 衡量汽车核心能力越来越重要的因素，也有越来越多车企也开始主动穿透 原有的供应链环节，就系统成本控制、新技术导入等方面问题，直接与各级 供应商进行深度探讨。 以 AI 芯片为例，作为与智能驾驶和智能座舱的性能高度相关的增量部件， 与之相关的需求日益复杂。从近几年的发展趋势来看，原本处于 Tier 2 位置 的算法企业和芯片企业，开始逐步从二级子供应商的定位跃升。 在上述背景下，汽车产业长期发展积累的信息不通、响应迟缓、运营复杂和 成本上升等问题也始终以模糊的状态存在，并未完全解决。故此，汽车产业 的供应链结构开始由圈层分明的链式结构，向多主体参与、专业分工更加融 合的网状结构方向演进，总体呈收敛态势。 网状融合的结构中，各级供应商依然存在，但相互边界变得更加模糊，与 OEM（Original Equipment Manufacturer，原始设备制造商）的关系也发生了 质的变化：整车企业主动参与 Tier 2 乃至更上游供应商的直接沟通，甚至深 入供应链的最上游开展合作，以缩短信息传导路径，而以智能驾驶为代表的 新兴供应商话语权也得以提升。而对于 Mobileye 这样曾经标准的 Tier 2 厂 商，其定位也随着供应链的变革向混合态进化，开始以 Tier 1 身份与主机厂 直接接触、合作，成为智驾系统方案的供应商。

价值链重塑：汽车产业价值链向上下游延伸，智能 化增量零部件更为受益

价值转移：电动化、智能化相关增量零部件成为新的价值高地

智能电动车与传统燃油车的关键零部件存在较大差异。汽车动力能源从燃 油到电力的改变，推动了汽车动力性能来源的变革，即从燃油车的发动机、 变速器、底盘三大件为核心的动力系统，到电动车的电池、电机、电控（也 称“三电”）的新三大件的转变。因此，传统燃油车中作为辅助系统的电子 部件，逐步成为新能源电动车的核心部件。与燃油车相比，电动 车动力传动系统的改变，也降低了动力总成系统零部件的复杂度，并减少了 整车零部件的数量。电动车动力系统中的电池，占三电系统成本的比重最高。 伴随汽车电子/电气架构的升级、高级辅助驾驶功能普及化以及自动驾驶技 术持续产业化，三电系统和智能化的增量部件正在占领新的价值高地。根据 中国汽车报的测算，2025 年新能源动力系统成本在 BOM（Bills of Material， 物料清单）中的占比约为 40%-50%，相较燃油车显著提升；智能座舱、智能 驾驶系统则将随智能化和自动驾驶技术落地逐步实现价值提升，预计 2030 年成本占比约为整车 BOM 的 20%-30%。 换言之，电动化催生的电池动力提升和电子电气架构升级，为汽车智能化奠 定了基础。一方面，更少的零部件总量和供应商数量使得产业链的价值划分 得以重构；另一方面，新兴技术与传统汽车产业的融合，催生了诸多增量赛 道，价值向芯片、智驾系统等汽车电子相关部件中转移。

利润分布重构：上游核心技术的利润占比提升

在电动智能车的科技浪潮中，汽车产业的价值链正在经历深层重塑。新能源 汽车将传统汽车产业价值链向上下游大幅延伸。上游产业链延伸至动力电 池技术和智能科技产业，下游产业链则延伸至终端消费者市场的零售、用户 生命周期服务、电池回收等。价值链的演变带动产业的利润结构随之调整。 上游技术研发的利润将向动力电池和智能科技转移，特别是自动驾驶智 能软硬件将贡献更大价值，以软硬件为核心的全栈式服务将成为汽车价 值溢出的核心部分，拓展为重要的利润池。  中下游传统的生产制造环节价值降低，利润将从整车生产制造与销售向 终端市场的用户服务转移，覆盖用户全生命周期的衍生创新服务将成为 弥补整车制造、新车销售、传统售后利润下滑的最重要的利润池。 Mobileye 作为智驾芯片和一体化智驾方案的供应商，将受益于未来汽车价 值链上游智能科技环节价值拓展的发展趋势。

汽车芯片：电动化、智能化驱动车载半导 体量价齐升

汽车芯片行业概览

随着全球新一轮科技革命和产业变革的蓬勃发展，汽车正在与能源、交通、 信息通信等众多领域加速融合，电动化、智能化等均为行业主流趋势。而芯 片也作为半导体技术的代表被融入到汽车系统中，带动汽车芯片的需求量 和价值量提升，引领产业的焕新成长。为了方便后续理解，我们将在下文中 就汽车芯片这个子行业的一些基础内容，进行梳理与概述。

定义与分类

汽车芯片，也称汽车半导体，指汽车上使用的集成电路，是一种将多种电子 元件集成在一块硅板上以实现特定功能的电路模块，主要用于车体汽车电 子控制装置和车载汽车电子控制装置。 根据功能划分，汽车芯片主要可以分为四类：主控芯片、功率芯片、传感器 芯片和其他芯片。其中，主控芯片包括计算芯片和控制芯片，属 于集成电路，主要用于信息处理、计算分析及决策；功率芯片属于分立器件， 主要对电能进行转换，对电路进行控制；传感器芯片主要负责感应汽车运行 工况，并将信息转换为电信号。 作为汽车电子系统的核心组件，汽车芯片被广泛应用于现代汽车的各个方 面，负责控制和管理车辆的各种功能。从引擎控制到车载娱乐系统，从安全 系统到自动驾驶技术，其重要性不言而喻。目前，汽车芯片更是成为新能源 车智能化产业发展的核心，使用范围涵盖车身、仪表/信息娱乐系统、底盘 /安全、动力总成和 ADAS 及自动驾驶系统五大板块。

规格划分与标准

将整体芯片行业按照应用领域和场景进行划分，大致可以分为消费级、工 业级、车规级和军工级。而应用场景的不同，会直接导致芯片在设计、制 造、认证、量产等环节的目标设定和实现手段上存在区别。而不同芯片对 于可靠性和稳定性的要求，大致也可以按照上述的顺序依次递增。 换言之，相比于消费级和工业级芯片，车规级芯片具有工作环境更恶劣、容 错率更低、使用寿命要求更长、供货生命周期更久等特点，必须能够承受日 常使用严酷和极端的温度、湿度、机械振动、冲击及车辆的复杂电气和电磁 环境。例如，车规级芯片需要适应-40℃到 150℃的温度范围，一般的设计寿 命为 15 年或 20 万公里。

测试验证

前文所述的严苛规格条件，共同决定了汽车芯片需要进行一系列复杂严格 的测试认证流程，确保其达到车规级的相关要求后，才可以进一步投入量产 环节。所以在某种意义上，汽车芯片也可以被定义为“质量标准达到车规级， 可应用于汽车控制的芯片”，这也是其区别于消费级和工业级芯片的难点和 技术门槛所在。芯片车规认证标准通常包括以下三个维度的管控：

质量管理标准 IATF 16949：汽车设计、开发和生产质量管理体系的标准 规范。在内容上涵盖产品安全、风险管理和应急计划、嵌入式软件要求、 变更和质保管理和二级供应商管理。对于车载芯片产品，从芯片设计到 流片，再到规模化生产都需要遵循这套管理体系。

可靠性标准 AEC-Q100：车规级元器件通用的可靠性测试标准，也是汽 车行业零部件供应商生产的重要参考指南。车规级芯片需通过 AEC-Q 测 试，不同的半导体器件对应不同的测试类型，且所处的汽车部件不同也 需通过不同等级的测试。 自首次发布以来，AEC-Q100 经过多次修订，2023 年 8 月 J 版测试认证 标准文件发布。这也是目前芯片公司开展 AEC-Q100 测试认证所沿用的 最新标准要求，其中包括 7 大项测试内容：加速环境应力测试、加速寿 命测试、封装检验测试、晶圆可靠度验证、电气特性验证、缺陷筛选测 试和腔体封装完整性测试。

功能安全标准 ISO 26262：一项专门针对汽车电子系统的功能安全性制 定的国际标准。该标准涵盖了芯片的全生命周期的功能安全要求，包括 项目需求规划、设计、晶圆制造，最后到封装测试的全过程。旨在降低 芯片在使用中发生故障的风险，以确保这些安全关键型设备符合在汽车 中使用的要求。

由于汽车半导体产品进入车企供应链需要经过包括上述三个标准在内的一 系列测试认证，认证周期长，存在较高壁垒。同时车企考虑到产品稳定性和 测试验证成本，在同一车型的产品生命周期中，一般不会随意更新供应商。

工艺制程

相较于消费电子产品，车规级芯片出于对安全性及稳定性的更高需求，主要 使用成熟制程。需要注意的是，虽然目前汽车芯片仍以成熟制程居多，但考 虑到智能化背景下，汽车搭载的功能愈加丰富，信息数据体量规模与日俱增， 对主控芯片的计算性能提出更高要求；叠加车企对降本增效真实需求的持 续增强，芯片厂商也在不断追求更低制程以实现性能提升与成本降低。

MCU（Microcontroller Unit，微控制单元）、CIS（CMOS Image Sensor，CMOS 图像传感器）、显示驱动 IC、MEMS（Micro Electro Mechanical Systems， 微机电系统）传感器等产品，对制程工艺的需求并不高，一般基于成熟 制程（28nm 以上）；

智能座舱、智能驾驶等场景所需要的 AI 芯片、主控 SoC（System on Chip， 单片系统）、GPU（Graphics Processing Unit，图形处理器）则在持续追求 先进制程（28nm 以下），以实现计算性能和成本的突破。

行业格局

从地域市场的角度来看，以欧美、日韩为代表的发达国家行业巨头，仍占据 着车规级芯片的技术制高点。全球前十大汽车芯片设计商中，4 家位于美国， 4 家位于欧洲，2 家位于日本。96%的汽车芯片 EDA（Electronic Design Automation，电子设计自动化）相关知识产权由美国公司掌控，95%的汽车 芯片核心 IP（Intellectual Property，知识产权）被美国和欧洲企业掌控。 而中国的汽车芯片厂商在大部分领域实现了从 0 到 1 的突破，开始在部分 细分领域崭露头角，但产业基础羸弱、产品类别少、芯片性能较差的问题仍 未完全解决，整体国产化率不足 10%。在销售端，中国汽车半导体市场销售 额逐年走高，现已跻身最大的单一国家半导体市场，也是全球第二大的汽车 半导体产品消费地区。IDC 数据显示，2023 年中国以 137 亿美元的收入规 模，占据全球汽车半导体 20.3%的市场份额。

从具体玩家的角度来看，汽车芯片各细分市场的集中度普遍较高，全球的汽 车芯片巨头也在各自的细分赛道展现出强势地位。按照 Semiconductor Intelligence 的统计测算，2023 年全球汽车半导体市场 Top 5 的厂商，占据 了超过 50%的市场份额。其中，英飞凌凭借其在整个汽车芯片市场以及功率 半导体领域中的领导地位，以 13.7%的市场份额领先；紧随其后的是恩智浦 （NXP）和意法半导体（ST），份额分别为 11.2%和 10.6%；德州仪器（TI） 和瑞萨电子则分别占据了 8.9%和 7.0%的份额。全球车用芯片约 80%以上的 供应量掌握在这些国际 IDM（Integrated Device Manufacturer，整合元件制造 厂商）手中。 另外，随着市场对大算力计算芯片的需求日益增长，高通、英伟达等逐渐在 计算芯片市场占据主导地位。而博世、大陆等燃油车传感器巨头和安森美、 豪威、泰科电子等新兴传感器头部厂商，则共同主导着汽车传感器芯片市场。

英飞凌（Infineon）：德国半导体制造商，前身是西门子集团的半导体部 门，于 1999 年独立、2000 年上市。通过持续的技术创新、战略收购、 强大的供应体系以及与汽车 OEM 的紧密合作，英飞凌不断提升其在电 力电子和先进控制系统领域的市场地位，在功率半导体拔得市场头筹。 2023 年，英飞凌的汽车 MCU 销售额同比增长近 44%，助推公司在该细 分领域以 29%的份额，首次问鼎全球第一。公司 AURIX 系列和 TRAVEO 系列 MCU 推动了汽车行业向自动驾驶、网联和电动汽车的转型，是助 力公司领跑全球汽车 MCU 市场的重要贡献者。除了 MCU 以外，英飞凌 的汽车业务涵盖 40 多种不同的应用，公司计算其在每辆汽车中的总价 值超过 800 欧元。

恩智浦（NXP）：荷兰半导体设计商和制造商，前身为飞利浦公司的半导 体事业部，于 2006 年拆分。产品从 MCU 到传感器均有覆盖，在车联网 （V2X）通信和安全技术方面有深厚的历史积累，且不断进行创新迭代， 与主机厂和 Tier 1 开展紧密合作，为市场提供综合全面的产品解决方案， 以保持自身在该领域保持领先地位，成为市场上的重要玩家。恩智浦在战略上更偏向于从系统上解决问题，当前在向 MPU（Micro Processor Unit，微处理器）、域控制器以及车载处理器逐步演进，并且保 持产品高度一致性架构，与周边器件形成完整系统，以支持客户自定义 开发，优化系统性能和成本。

意法半导体（ST）：瑞士芯片制造商，是业内半导体产品线最广的厂商之 一，从分立二极管与晶体管到复杂的 SoC 器件均有部署。意法的汽车芯 片业务主要来自新能源车的功率半导体需求，凭借其在 MEMS 和功率半 导体方面的专业知识，为汽车行业提供创新的解决方案。

德州仪器（TI）：美国芯片公司，致力于设计、制造、测试和销售模拟芯 片和嵌入式解决方案，用于工业、汽车、消费电子、通信等市场，汽车 业务占比是前五大厂商中最低的（34%）。汽车业务方面，公司将汽车分 为信息娱乐系统与仪表组，混合动力、电动和动力总成系统，车身电子 装置与照明，和 ADAS 四个部分，拥有超过 2,500 个汽车产品。

瑞萨电子（Renesas）：日本汽车芯片制造商，提供基于 MCU 和 SoC 的 各种半导体解决方案，涵盖传动系统、底盘、车身以及互联、信息娱乐 系统、ADAS/自动驾驶、电动汽车和网关/域控等，以保障功能安全及可 靠性。在 2023 年英飞凌于汽车 MCU 细分领域登顶前，瑞萨曾在此赛道 多年保持全球最高份额。公司市场份额表现部分受到日元汇率的影响。

市场规模及行业增长情况

从半导体行业整体来看，全球对人工智能和高性能计算（HPC）处理器和加 速器的需求正在经历爆发式增长；而传统行业在经历了 2023 年的低迷之后， 正在趋于稳定。综上，IDC 预计 2024 年全球半导体市场的复苏势头强劲， 市场规模将达 6,302 亿美元，同比恢复增长，增速达到 20%。 从行业垂直细分领域来看，随着新能源汽车和智能网联汽车的快速发展，汽 车电子化和智能化程度日益提高，对车规级芯片的需求呈现快速增长态势， 使得汽车成为拉动半导体行业增长的重要应用领域之一。 从市场规模的维度，2023 年全球汽车半导体市场规模约 674 亿美元。 IDC 预计到 2027 年全球汽车半导体市场规模将超过 880 亿美元，半导 体企业在汽车产业链中的关注度和重要性进一步提升。 从出货数量的维度，IC Insights 数据显示，在 2021 年全球汽车芯片出货 量同比增长 30%、达到 524 亿颗后，2022/23 年依然保持着超过 10%的 增速（图表 41）；预计到 2030 年全球汽车芯片需求量将超 1,000 亿颗。 虽然汽车市场整体的增长已趋于平稳，但随着汽车电动化和智能化的进程 不断推进，对各类芯片的需求正在日益增加，其中包括对更高使用率及更佳 性能的需求也随之不断增长，带来单车芯片用量和单芯片价值量的双击向 上，带动整车芯片价值总量的明显提升，为汽车半导体行业带来新的增长机 遇。随着单车半导体价值的不断增长，半导体企业在汽车产业链中的关注度 和重要性也将进一步提升。

汽车电动化提升单车芯片用量

与传统燃油车相比，新能源车以电池、电机、电控取代燃油车的油箱、发动 机、变速箱，通过逆变器将直流电转换成交流电，进而驱动电机。其动力的 产生和传输过程中，需要频繁地实现供电电压和交直流的转换，对电子元器 件的功率管理、功率转换的要求更高。同时，由于续航里程的要求，新能源 车对电能管理的需求也更加精细。因此，新能源车的功率半导体用量相较燃 油车大幅增加，其中以 IGBT、SiC 受益程度较大。 从单车角度而言，中国汽车工业协会统计，传统燃油车所需芯片数量为 600- 700 颗；新能源车和具备辅助驾驶功能的汽车，该需求则将提升至 1,600 颗 /辆；而更高级的自动驾驶汽车，芯片需求量将有望超过 3,000 颗/辆。SIA 统 计结果则显示，现代汽车或拥有 8,000 个甚至更多的半导体芯片和 100 多个 电子控制单元。叠加新能源车销量的自然增长，汽车芯片总量成长空间广阔。 另外，据德勤统计，至 2025 年，受益于新能源汽车电池管理及电动动力总 成对电子元器件的需求，汽车电子元器件 BOM 价值将显著提升。

汽车智能化推高算力需求，带动芯片价值量攀升

在汽车智能化升级的浪潮下，车载智能化应用和系统对于汽车感知器件、运 算能力、数据量的需求日益扩大，对于感知层和决策层的相关芯片需求大幅 提升，为各类传感器芯片和计算芯片带来广阔的成长空间。 在芯片用量上，以智能化中重要的应用自动驾驶为例，其级别越高，所需的 传感器数量越多，传感器芯片用量也随之水涨船高。根据德勤统计，L3 级 别自动驾驶平均搭载 8 个传感器芯片，而 L5 级别自动驾驶所需传感器芯片 数量则提升至 20 个。参考亿欧智库的测算，2025 年智能电动车平均单车芯 片搭载量将达到 2,072 颗，与传统燃油车逐渐拉开距离。

在芯片价值量上，车辆所需处理与储存的信息量也与自动驾驶技术成熟度 正相关，而半导体价值量又与车辆系统的处理能力正相关。如智能传感器， L2 级别的单车半导体价值量约 160-180 美元；升级至 L2+级，则是 280-350 美元/车；再到 L4/5 级，价值量则会进一步提升至 1,150-1,250 美元/车以上。 新能源汽车的智能驾驶会是 AI 落地的重要应用领域之一，也是落地速度最 快的应用领域之一。我们相信新能源汽车已经是、也将会是 AI 落地应用中 的非常重要的一部分。伴随智能化技术的进一步发展，自动驾驶阶段演变推 进，单辆车的算力有望数倍于单部手机的算力。中国造车新势力基本有意愿 借助自身软法研发投入，来保障当前阶段智驾能力的领先优势，因此对于云 端 AI 训练算力以及智能车端侧算力都有巨大的要求。新能源车对半导体价 值量的贡献在短中长期都有望保持较高的成长动能。

落地场景丰富，智能驾驶+智能座舱双轮驱动车载 主控芯片的需求增长

正如我们在前文中所论述的，汽车芯片行业有望迎来单车芯片用量和单芯 片价值量的双击向上的行业成长新机遇，而其中非常重要的拉动因素之一， 就是汽车智能化程度加深而推高的对于车载主控芯片的需求。 随着汽车智能化的演进，整车电子电气架构经历了从分布式 ECU（Electronic Control Unit，电子控制单元）架构、到集中式域控制器架构，并继续向中央 集成式架构的方向演进。在此过程中，主控芯片作为智能电动车 的“大脑”发挥着重要作用。 具体来看，在分布式 ECU 架构的发展阶段，MCU 是计算和控制的核心。而 在集中式域控制器架构和后续阶段，随着 ADAS 的落地和 L3 及以上级别自 动驾驶的成熟，传统中央计算 CPU（Central Processing Unit，中央处理器） 渐渐无法满足大量异构数据的吞吐能力和更快的数据处理能力的需求。彼 时，将 CPU 与 GPU、FPGA（Field Programmable Gate Arrays，现场可编程逻 辑门阵列）、ASIC（Application-Specific Integrated Circuit，专用集成电路）等 通用/专用芯片异构融合、集合 AI 加速器的系统级芯片 SoC 应运而生，并凭 借计算能力提升、数据传输效率提高、芯片用量减少、软件升级更灵活等多 项优势，成为了域控制器主控芯片的必然选择，也成为主控芯片的主流趋势。

汽车域控功能集成度、算力需求、软硬件复杂度等需求的指数级增长，对车 载计算芯片的算力和性能提出了更高要求，驱动了车规级 SoC 市场扩张。 根据 Frost & Sullivan 测算，2023 年全球车规级 SoC 市场规模已达到人民币 579 亿元，到 2028 年将成长到 2,053 亿元，复合增长率 29%。而 中国作为重要的汽车半导体消费市场，2023 年车规级 SoC 市场规模为人民 币 267 亿元，到 2028 年将成长到 1,020 亿元，占全球市场份额的 50%。 智能驾驶和智能座舱由于对运算能力的需求较高，是车载 SoC 当前和未来 主要面向的两大热门落地场景。另外，车载主控芯片被广泛应用于智能电动 车的多个领域，覆盖了车身域、座舱域、底盘域、动力域和智驾域五大板块， 是汽车智能化增量零部件的核心组成。

智驾芯片群雄并起，竞争格局还未完全固化

整体市场仍处于高速发展阶段，规模成长空间广阔

自动驾驶和高阶智能辅助驾驶领域所应用的 SoC 芯片（本文中也称智驾芯 片、自动驾驶芯片等），是让车辆能够实现智能驾驶辅助及自动驾驶功能的 计算单元，是 AI 芯片的一部分。 正如我们在报告第一章所述，随着搭载 ADAS 功能的乘用车销量不断增长， 智驾芯片市场得以迅速扩张。随着智能驾驶功能的进一步普及，基础智驾功 能将继续向更低价格段渗透，而 SoC 芯片作为核心部件，有望在 2028 年达 到 925 亿元的全球市场规模，复合增长率 27.5%。届时放眼全球， 中国市场将依然扮演着重要推动力的角色，预计将在 2028 年达到近 500 亿 元规模，复合增长率 28.6%。 随着自动驾驶相关技术的不断进步，车规级 AI SoC 芯片价值量的走高。得 益于 AI 芯片的飞速发展，神经网络控制和深度学习方法等算法已逐步在车 辆控制中得到应用。根据麦肯锡测算，至 2025 年，L1 级自动驾驶单车 AI SoC 芯片价值量为 69 美元，L2 级为 190 美元，L3 级为 685.9 美元，L4/L5 级 为 1,487.9 美元。同时，当前 L3 及以上级别的自动驾驶仍处于探索阶段，全 球各地仍在进行法规层面的探索和各类试点活动。但随着技术的商业化应 用落地，作为车载 AI SoC 芯片出货载体的智能驾驶汽车销量将自然增长。 上述效应将双轮驱动智驾芯片市场的规模扩张。麦肯锡预计 2030 年全球车 载 AI SoC 芯片的市场规模将达 303.4 亿美元，其中，中国市场规模为 104.6 亿美元，占全球市场的份额仍然可观。

行业内群雄并起，玩家仍在探寻各自的生存空间

按照地域划分，中国市场的确是目前全球智驾芯片，特别是 AI SoC 芯片， 最主力的地区市场，对于观察整体市场具有重要的参考价值。 从收入规模来看，中国占据全球市场“半壁江山”，并在同比增速上呈 引领态势。根据 Frost & Sullivan 数据，2023 年全球 ADAS SoC 芯片的市 场规模已达到人民币 275 亿元，同比增长 42%。其中，中国市场规模 141 亿元，同比增长 54%，占全球市场的 51.3%。 从出货量来看，2023 年全球 L2 及以上等级的智驾 SoC 出货量超过 6,000 万颗，其中 Mobileye 和瑞萨占据了超过 80%的市场份额，但主要集中在 前视一体机等基础智驾功能，一定程度上可以视为传统 L2 级 ADAS 领域 商业模式的延续。进一步细化来看，2023 年 50 TOPS（Tera Operations Per Second，是处理器运算能力单位）以上算力智驾 SoC 全球出货量约 160 万颗，中国出货量则约 150 万颗，占比九成左右。

正如前文所述，不同市场定位和售价区间的车型，对于功能配置的价格敏感 度存在较大差异，支付能力一定程度上也会具象地表达为对智能驾驶方案 主控芯片的需求层级不同。按照需求层级划分，不同级别的智驾方案对智控 SoC 的 AI 算力需求不同。根据 AI 算力的大小，智驾芯片大致可分为三类：

小算力（2.5-20 TOPS）：通常借助前视一体机或分布式的行车/泊车控制 器方案，以实现 L0-L2 级别的基础行车 ADAS 和泊车功能为主，但也有 部分车型或可提供高速 NOA 功能。多见应用于入门级和经济型车型， 搭载车型售价区间一般为 10-15 万元，需求特点是追求高性价比。

中算力（20-100 TOPS）：支持实现的产品形态主要为轻量级行泊车一体 域控制器方案；在功能实现上，以实现“好用”的高速 NOA、城市记忆 NOA和记忆泊车等功能为宣传卖点，部分车型或可提供城市NOA功能。 所搭载车型售价区间一般为 15-25 万元。中算力 SoC 的出现是芯片快速 迭代升级导致的结果，即市场中可供选择的上百 TOPS 的算力芯片相继 涌现，原有的“大算力”芯片自然而然地退行至“中算力”的市场定位。

大算力（＞100 TOPS）：主要产品形态为高阶行泊车一体域控制器方案， 甚至是舱驾一体方案；在功能实现上，以实现“好用”的城市 NOA、AVP （Automated Valet Parking，自主代客泊车）等 L2+级别的功能为宣传卖 点，所搭载车型售价区间一般在 25 万元以上，目前主要是以造车新势 力为首的中国车企在积极采用。 因为在通往高阶智能驾驶和自动驾驶的发展过程中，需要更先进的整车 电子电气架构（中央计算+区域控制）和新的算法作为支撑，而这些又 都以更大 AI 算力的 SoC 为基石。也正因如此，部分车型会为了最终实 现 L3 及更高级别的自动驾驶功能，采取考虑硬件预埋的策略。

我们也梳理了目前市场上主流的大、中、小算力智驾 SoC 芯片的信息和一些 基本参数。结合出货量的份额分布情况来看，在中国乘用车整体市场智驾域 控芯片出货量结构中，从 2023 年到 2024 年上半年，除特斯拉 FSD 芯片作 为预埋件与自身汽车销量强相关以外，大算力产品中的英伟达 Orin-X 和华 为海思的昇腾 610，份额表现提升均较为明显，分别提升 2.4 和 8.6 个百分 点，与当前车企在硬件层面进行“军备竞赛”的趋势相吻合。 中小算力的份额表现则相对稳定，其中 Mobileye 的小算力产品在 10-20 万 元价格段的乘用车中表现依然较为强势，EyeQ5H 也是今年上半年整体智驾 域控芯片市场出货量排名第四的产品，且份额较 2023 年有微幅提升。

按玩家属性划分，不同类型的公司所处的强势领域不同，技术长板、商业模 式和产品策略也各有千秋。具体来看，我们将智驾芯片市场的主要参与者分 为四类，分别为传统汽车芯片厂商、通用型 AI 芯片厂商、专业型智驾芯片 厂商和全栈自研主机厂。

传统汽车芯片厂商：包括瑞萨、德州仪器和恩智浦等传统汽车芯片龙头 厂商，这类厂商对车规级产品的理解深刻，但 AI 能力偏弱，对智能驾驶 相关的新技术储备也有限，所以目前产品主要占据低端市场，交付形式 多为软硬件捆绑销售的前视一体机方案。

通用型 AI 芯片厂商：多为国际巨头，如英伟达、高通、华为海思等。这 类厂商技术实力雄厚，在 AI 芯片领域具备先发优势，但同时有些消费 电子的技术、生态也不能简单实现复制迁移。这类 AI 芯片厂商中，目前 以英伟达一马当先，旗下 Orin 芯片在中国智驾芯片市场占据了超过 35% 的份额，高通则凭借在手机领域多年的深刻理解，在舱驾融合领域发力。

专业型智驾芯片厂商：深耕产业新赛道，产品性能通常高于传统芯片厂。 由于起步较晚，当前产品成熟度还有待迭代后的进一步提升，例如中国 的地平线和黑芝麻智能就是较为典型的代表。

主机厂全栈自研：有助于提升产品的差异化，以特斯拉的 FSD 芯片为典 型代表，蔚来和小鹏也先后发布了自研的神玑和图灵芯片，将用于各自 的后续车型。但芯片的全栈自研对于技术实力、资金储备、销量规模等 的门槛较高，并不是主流的选择方向，如零跑与大华股份联合研发的智 驾芯片凌芯 01，在新车型的智驾版上已不再搭载。

库存周期：整车库存增速见顶，零部件整 体仍待进一步消化

库存周期，属于基钦周期的一个子类。基钦周期是经济周期中一系列较短的 周期，因此也被称为短波周期。经济需求是主导库存变化的关键因素，库存 周期的本质是微观企业行为对宏观经济需求的响应。一个完整的库存周期， 大致可以划分为以下四个阶段。从繁荣到衰退，再由萧条回到复苏，四个阶 段周而复始，包罗具有明显顺周期性的库存波动，库存周期由此形成。 主动补库存：需求端景气度明显提升，企业营收继续改善，逐渐形成需 求持续向好的预期，主动扩产以满足未来的需求，同时主动增加库存， 使得产能持续扩大，最终体现为销量处于高位同时库存增速提升。 被动补库存：需求端见顶回落，产能扩张超过需求增长，企业营收增速 下滑。但从企业意识到需求减少，到真正实施减少产量的决策之间存在 时滞，产能放缓幅度小于需求收缩幅度，导致库存水平仍在持续上升。  主动去库存：需求端面临下行压力，市场的短期供给能力超过了短期需 求，企业营收开始下滑，并在预期需求进一步走向疲弱的情况下主动减 产并削减库存，导致库存增速开始回落。  被动去库存：需求端开始复苏，需求回暖带动企业营收回升，但企业或 未形成对未来需求持续增长的预期，生产扩张速度尚未跟上需求的回升， 企业难以迅速增产，导致库存水平仍在回落。

整车：库存周期特征明显，仍待回归疫情前水平

汽车制造业作为全球经济的重要支柱之一，亦是工业部门中产业链最长、带 动效应最大的产业之一，涵盖了从汽车制造、销售、维修到零部件供应等各 个环节。行业发展受到宏观经济环境、政策法规、消费者需求等诸多因素的 影响。同时，产业全球化程度较高，受宏观环境因素影响较大，因而疫情后 全球汽车产销比滑落至 2011 年以来的最低值。 根据 Auto Associations 数据，全球汽车销量在 2018 年达到 8,441 万辆的历 史高点后，持续下行；在疫情影响下，2020 年跌至 7,106 万辆；此后的 2021 和 2022 年，因为供应链危机，全球汽车行业恢复迟缓，销量徘徊在 7,300 万辆左右。直到 2023 年，全球汽车销量重回 8,000 万辆，同比增长 12%， 是 2000 年以来的次高增速水平。但值得注意的是，2023 年的销 量高增速更多源于恢复性增长，全球汽车市场还未完全恢复到疫情前水平。 S&P Global Mobility 在其发布的 2024 年全球汽车市场预测中指出，随着汽车 行业从疫情和供应链短缺的影响中持续复苏，2024 年全球新车销量将达到 8,830 万辆；轻型汽车全球产量小幅下滑至 8,940 万辆。 相较于其他消费品，汽车产业具有两个明显特点，因而呈现出较为鲜明的库 存周期特征。一是在汽车生产过程中，“重工业”特征明显，整车厂生产线 规模庞大，资本投入较大，增减产能的周期跨度亦较长；二是销售模式决定 经销商与厂商整体库存偏重，增减库存均需要较长的时间周期。在这两种特 征的作用下，汽车市场的供求缺口修补所需的时间较长，会产生明显的波动， 导致库存的周期性变化特征明显。

零部件：疫情后行业库存水位整体向上平移，目前 还需进一步消化

受到包括电池电芯、芯片在内的核心部件供应不足影响，2020-2022 年全球 汽车产量急剧下滑。2023 年以来，随着零部件供应压力的缓解， 车企产能逐步恢复，生产回归正常化。虽然整车产量增长已从疫情初期的低 谷复苏，但产销水平仍未完全恢复到疫情前的水平，行业总体仍处于持续补 库的周期节点。并且，驱动增长的一大动能来自燃油动力向电池动力的转型。 在报告的第一章中我们已经讨论过，在供应链长而复杂的汽车行业，虽然供 应链的结构变革正在持续进行，但牛鞭效应的影响依然存在。由于供应链间 存在信息传导时滞，库存周期也能够通过正反馈机制和乘数效应放大经济 波动，导致作为上游的零部件行业面临较大幅度的供需波动。同时，除了整 车制造商之外，汽车零部件厂商的下游还包括售后市场，还可能需要面临因 经济衰退的担忧而造成消费者需求减弱的颓势。 我们根据 Bloomberg Intelligence 选取的全球范围内 47 家具有代表性的汽车 零部件供应商的财务数据进行分析，借助营收水平同比变化以判断行业需 求变化，可以看出需求增速在 2021 年达到高点的 12%后开始回落，而库存 同比则是在随后的 2022 年触达 4%并转折开始向下趋势。 从更为细化的季度数据来看，可以看出营收同比已于 4Q23 由正转负，且 1Q24 降幅继续扩大；而库存同比增速仍在零上的 2%附近徘徊。代入前文所 述库存周期视角，同时考虑到零部件作为距离 C 端市场需求更加遥远的上 游，我们认为汽车零部件行业在 2Q24 的节点即将进入主动去库存阶段。

同时，回顾历史数据我们也可以看出，零部件行业库存同比变化的趋势和毛 利率往往呈相反走势。目前来看，虽然季度库存同比在最近 2-3 个季度的下 降幅度较小，甚至有微升的趋势；但行业毛利率已于 4Q22 在 16.5%的水平 触底回升，同样说明行业库存还需进一步消化。 另外，数据显示行业库存周转天数于 4Q19 开始向上平移，当前中位数在 70 天上下徘徊，仍未回到疫情前 55-60 天的水位。这也是下游车企在电动化浪 潮中，客观上订单不确定性增大、主观上存在供应链库存焦虑的侧面印证。 随着疫情后生产逐步回归正常化，我们认为行业库存水位整体会有所回落， 但因库存及供应链信息管理模式的演变，或无法重回疫情前的常态低点。

汽车半导体：库存波动幅度较深，库存同比增速或 在今年内逐季回落

全球半导体行业呈现明显的周期性特点，具体可以分为三重周期的嵌套。第 一重周期是产品周期，主要由技术迭代驱动，同时受到宏观经济周期的影响， 显性体现为下游产品的更迭及所处生命周期的变迁。第二重周期是产能周 期，主要由行业玩家的资本支出驱动，由于晶圆制造产能扩张从规划到落地 通常需求 2-4 年的时间（厂房建设 0.5-1 年、设备搬入 0.5-1 年、产能爬坡 1- 2 年），变化具有滞后性，故而常表现出跃迁特征。第三重周期则是前文所 述的库存周期，反映了供需相对关系的循环变化。 本轮半导体基本面的下行周期自 2021 年 9 月起，持续到 2023 年 5 月，为 期 21 个月，大致符合平均每轮上行/下行周期持续时间约 2 年的周期跨度。 2023 年为本轮半导体行业周期底部，全球半导体月度销售额同比增速已于 2023 年 4 月见底，录得最低点同比下滑 22%后，触底反弹向上。今年 6 月， 全球半导体月度销售额同比增速已回升至 19%。我们也在今年 6 月份的中期展望中预测，今年下半年 AI 大模型需求持续高增长，同时智能 手机、笔记本电脑等消费电子需求持续转暖，将带动半导体周期持续上行。

回看本轮周期，2020 年下半年以来至 2023 年上半年，由于疫情所导致的产 业链上下游企业工厂复产节奏不同，以及部分国家及地区受自然灾害影响 停产，全球芯片的供给侧产能释放受到严重制约，市场涌现“缺芯潮”。与 此同时，相较于芯片行业的整体情况，汽车芯片短缺问题尤为突出。一方面， 汽车作为细分应用领域，占全球半导体市场总销售额的比例不到 15%，占比 不高；且车规级芯片的技术要求又较为严格，全球产能规模本就不大。另一 方面，汽车行业产需错配，而前期 OEM 下调预测并减少零部件订单后，芯 片订单又被疫情激发的消费电子产品需求几乎全部吸收。 随着汽车市场的需求恢复，全球汽车芯片产能逐渐紧张。而且，车规级芯片 对可靠性等的严格要求导致验证周期较长，新建产能无法在短期内释放。直 接结果就是汽车芯片的产品平均交货周期，从 6-9 周拉长至 26 周左右，其 中 MCU 缺货最为严重，交期被拉长至 24-30 周，保供压力空前。 在缺芯问题持续影响整车生产制造的背景下，整车厂和 Tier 1 厂商为了避 免再次陷入同样的困境，在供应焦虑的驱使下大量囤货，将安全库存线提升 至 3-6 个月，经由牛鞭效应影响演变为过量下单、持续累积库存，进一步抬 高需求。最终，汽车半导体市场在经历了连续两年多的强劲增长后，开始出 现颓势。自 2023 年下半年开始，汽车芯片市场的供需逐渐倒转，行业开始 面临库存过剩的挑战，经销商、Tier 1 及整车厂的库存水位高企。供应商开 始面临愈发激烈的竞争，从疯狂涨价转向降价销售。而此时，Mobileye 这类 上游芯片商则开始遭遇拉货动能的持续减弱。

延续本章前半部分采取的分析方式，我们选取了汽车半导体市场 10 家巨头 厂商的财务数据进行观测。具体来看，目前行业营收同比增速已于 1Q23 触 底，从-22%开始逐步向上，2Q24 已恢复到负单位数水平。而库存同比增速 在 4Q23 达到 24%后，在 1H24 进入磨顶状态，或将呈现逐季回落走势。 同时结合我们渠道调研的结果来看，中国和海外的汽车半导体市场反应存 在一定的时间差，海外厂商相对处于较为滞后的位置。从渠道商视角来看， 海外汽车半导体行业整体渠道库存在今年二季度已基本回归健康水位，有 望于三、四季度开始触底上行，部分环节或需等待至明年上半年迎来向上动 能。考虑到芯片厂商相对渠道商而言处于供应链上游位置，如前文所述，需 求变化的传导需要时间，进而带来的库存水位变化同样呈相对滞后的状态。 综合以上，我们认为汽车半导体行业在 2024 年二季度末已处于由被动补库 存向主动去库存转化的阶段。对于像 Mobileye 这样的汽车芯片供应商，从 2023 年下半年以来，明显感受到客户过度备货、终端库存积压导致的拉货 动能疲软。但从 2Q24 开始已经可以看到 EyeQ 芯片出货量的环比回升和同 比降幅收窄。随着下游 Tier 1 厂商库存的进一步消纳，Mobileye 的出货动能 将得到进一步修复。而今年下半年 Mobileye 的出货动能则将更多来自整车 市场下半年季节性影响带动的基盘增长。

Mobileye：继续发挥 ADAS 领域先发优势， 逐步迈向高阶自动驾驶

深耕行业 20 余年，在 ADAS 领域技术积累深厚

具备先发优势的 ADAS 芯片供应商，辅助驾驶领域的领头羊 Mobileye 成立于 1999 年，总部位于以色列耶路撒冷。公司创始人 Amnon Shashua 是希伯来大学教授，一直以来致力于用单目视觉来解决三维立体环 境中的测距问题。基于自己的学术研究成果，开发了一套视觉感知系统，利 用摄像头以及嵌入处理器的软件算法，实现对目标车辆的检测。自此， Mobileye 开始了为客户提供基于视觉算法的软件方案的业务。 早在 2004 年，Mobileye 就发布了第 1 代自研芯片 EyeQ1，将其视觉算法固 化到自家芯片上，提供包括行人检测、车道保持和自适应巡航等辅助驾驶技 术，并很快与宝马、通用等汽车巨头达成合作伙伴关系，逐步从算法/软件 供应商，转型为提供“芯片+感知算法”打包方案的服务商。 如今，公司自我定位为将计算机视觉发展和机器学习、数据分析、定位和城 市路网信息管理技术，应用于高级驾驶辅助系统和自动驾驶解决方案的公 司，在单目视觉高级驾驶辅助系统（ADAS）和自动驾驶系统（AV，Autonomous Vehicle）的开发方面走在世界前列，提供 SoC 芯片和计算机视觉算法运行 驾驶辅助功能，如车道偏离警告（LDW，Lane Departure Prevention）、基于 雷达视觉融合的车辆探测、前向碰撞预警（FCW，Forward Collision Warning）、 车距监测（HMW，Headway Monitoring Warning）、行人探测、智能前灯控制 （IHC，Intelligent High Beam Control）、交通标志识别（TSR，Traffic Sign Recognition）、自适应巡航控制（ACC，Adaptive Cruise Control）等。 公司于 2014 年完成了首次公开募股，在纽约证券交易所上市，是以色列历 史上最大的 IPO。2017 年 3 月，Mobileye 被英特尔以 153 亿美元收购，成 为以色列科技公司有史以来最大的一次收购。2022 年 10 月，英特尔将 Mobileye 分拆，于纳斯达克交易所重新上市。

技术底蕴深厚，从基础辅助驾驶稳步走向高阶智驾及自动驾驶

Mobileye 具有强大的研发能力，在行业 20 余年的核心技术积累，在硬件产 品、软件及算法实力以及两相结合的解决方案中均有体现。

硬件方面，公司的 EyeQ 系列 SoC 芯片，使用单目摄像头传感器提供主 动驾驶安全保护，提供各种移动解决方案。EyeQ 系列芯片由 Mobileye 完成设计，并交由台积电进行代工生产。目前有超过 8,050 家汽车制造 商使用 EyeQ 系列 SoC，为用户提供驾驶辅助功能。EyeQ 系列产品谱系 完善，经过数次更新迭代，算力由最初的不足1 TOPS到2025年的EyeQ7H 产品将达到 67 TOPS。

软件及算法方面，四项核心技术在自动驾驶系统的功能层中分布应用。 1）路网信息管理 REM（Road Experience Management），将合规采集的 道路相关信息分类为标签数据点，以低带宽发送至云端、编入 Mobileye Roadbook。Mobileye Roadbook 包含驾驶员在任意特定路段的动态驾驶 记录，以更好地为自动驾驶汽车的决策流程提供信息。 2）责任敏感安全模型 RSS（Responsibility-Sensitive Safety），通过将驾车 常识公式化，数据化人类驾驶过程中具有主观性的常识问题，确保自动 驾驶情形中汽车不会主动导致事故发生。 3）真实冗余（True Redundancy），Mobileye 独特的环境传感解决方案， 包含两个独立的子系统，一个仅采用纯摄像头子系统，另一个仅采用激 光雷达和雷达的结合的子系统。两个子系统互为备份，而非相互补充， 以实现更长的平均故障间隔时间。 4）纯视觉智能速度辅助系统 ISA（Intelligent Speed Assist），首个完全基 于摄像头计算机视觉技术的解决方案，无需借助第三方地图以及其他任 何硬件。超越欧盟新《通用安全法规》的严格标准，可以自动读取路上 的速度标志数字，判定不同交通标志，从而对车辆的行驶速度进行调整。

自动驾驶解决方案方面，Mobileye 基于 EyeQ 芯片，推出由低到高的四 大智驾解决方案，覆盖全场景自动驾驶并不断升级迭代。值得一提的是， Mobileye 从消费者而非工程技术的角度出发，重新定义了自动驾驶的四 个等级，产品组合的规划也基于此等级划分。 具体来看，Mobileye 在 ADAS 领域布有 Base Driver-Assist 和 CloudEnhanced Driver-Assist 两套方案，前者为主机厂提供经济、高效的安全 功能，后者通过 REM 技术，利用来自全球百万级的 Mobileye 车群数据， 在不增加额外硬件装配的前提下实现了 ADAS 性能的跨越式发展。 Mobileye SuperVision 使用了 2 颗 EyeQ5H 来处理 11 颗高清摄像头采集 的数据，搭载了由摄像头组成的纯视觉感知系统，面向 L2+级智驾辅助。 Mobileye Chauffeur 在 SuperVision 的基础上引入前置激光雷达、环绕毫 米波雷达，将通过两个独立的传感子系统实现真实冗余融合器架构，算 力采用 3 颗 EyeQ6H 芯片，目标实现 L3 级自动驾驶。 Mobileye Drive 是一套 L4 级别自动驾驶系统，由 13 个摄像头，3 个长距 激光雷达，6 个短距激光雷达，以及 6 个普通雷达组成了全套传感设备。

作为 L1-L2 时代当之无愧的行业龙头和领先者，Mobileye 具有最完整的自动 驾驶定义和与之对应的产品布局。面对全球市场群雄并起的格局和中国市 场尤为激烈的竞争，Mobileye 在继续按照规划路径推进产品组合落地的同 时，加速了部分产品的迭代，显示出了公司奔赴更高级别自动驾驶的决心。

竞争优势：优质性价比奠定基础，积极寻求“去黑 盒化”商业模式更新

量产规模领先，高性价比方案有助于车企以低成本普及智驾功能

作为 L1-L2 时代 ADAS 领域的龙头，公司当前主要的业务模式，是较为标准 的 Tier 2 定位。具体而言，Mobileye 向 Tier 1 厂商提供智驾解决方案，再由 Tier 1 厂商采购所需的摄像头、雷达、驱动等并最终向车企供货。公司的 Tier 1 客户包括安波福、法雷奥、采埃孚、威伯科、麦格纳等。 正是这样的 Tier 2 定位，使得 Mobileye 在“缺芯潮”以来持续受到来自行 业库存波动的巨大影响。但通过上述相对标准化的专业分工，公司也与全球 50 多家车企建立了合作关系，下游整车厂客户包括奥迪、大众、福特、通 用、本田、现代起亚等。2023 年有超过 300 款搭载了 Mobileye 产品的车型 发布，覆盖欧美日韩各车系品牌，较 2022 年的 233 款同比增长 29%。 基于高度专业化和规模效应，我们认为 Mobileye 的竞争优势之一，是能够 为车企客户提供兼顾性能和性价比的优质方案。一方面，1999 年创立至今， 公司获得了视觉辅助驾驶领域的多项第一，储备了丰富的半导体及汽车工 程专业知识，对于汽车芯片产品和自动驾驶技术都有着深刻的理解。

另一方面，公司现有产品的量产规模领先于行业其他专业型智驾芯片厂商， 规模效应明显。2023 年，公司的 EyeQ 芯片出货量超过 3,700 万颗，同比增 长 11%。考虑到智驾芯片的研发成本极高，需要在较长的研发周期内持续投 入大量的资金：一颗 7nm 的芯片技术研发成本约人民币 20-30 亿元，一颗 5nm 的芯片研发成本约人民币 30-40 亿元。而 Mobileye 每年千万级的 SoC 出货量，使得其能够很好地受益于规模效应，降低单颗芯片的成本。 另外，庞大的交付规模也意味着 Mobileye 的产品具有大量经过长期验证的 上车/上路信息，产品的稳定性、安全性更有保障。迄今为止，全球已有超 过 1.7 亿辆汽车搭载 Mobileye 的技术。除了 EyeQ 系列芯片以外，Mobileye SuperVision 在 2021 年量产上车，在 2023 年实现了 10.2 万套的交付。 正如我们在第二章中对行业发展趋势的判断，考虑到当前的智能驾驶依然 处于人机共驾的混合阶段，通过打通高速、城区、泊车场景为用户提供智能 化的驾驶体验，因此对于许多国际性车企巨头而言，当务之急是将目前支持 基础行车的车型，快速升级至行泊一体，包括高速领航甚至限定城区 NOA 的水平。此类功能场景复杂程度相对较低，算法模型已经比较成熟，传感器 配置也比较固定，因而海外车企会更加青睐 Mobileye 这类具备大规模量产 上路数据、能够快速配套上车的成熟方案。 且这些车企许多都已经和 Mobileye 存在多年的密切合作关系，毋需从零开 始磨合并建立信任。目前，Mobileye L2+级高阶智驾方案 SuperVision，和面 向 L3 级自动驾驶的 Chauffeur，与车企的定点进展良好，预计会在 2026 年 实现更大规模的量产上车。

商业模式：从“黑盒”走向灵活开放，以满足车企的差异化需求

正如前文所述，过去 Mobileye 在传统的汽车产业供应链中的定位为较为标 准的 Tier 2，以 CPU + ASIC 的架构方案将视觉感知算法直接封装在自动驾驶 芯片上，提供软硬件结合的打包方案，进行黑盒交付，帮助车企客户有效降 低辅助驾驶功能的上车成本。 但正如我们在第一章中所论述的，当前全球的汽车产业供应链正在由金字 塔式的单链结构向网状融合结构进行变革，各级供应商之间的边界逐渐模 糊。为了加强供应链韧性，部分整车厂也倾向于主动穿透供应链。而 Mobileye 也在不断更新自身在供应链中的定位，一方面仍向 Tier 1 厂商供应智驾 SoC 形成基础 ADAS 方案；另一方面也向前一步，以 Tier 1 身份与主机厂合作， 成为智驾系统方案供应商，例如与极氪在 SuperVision 上的合作。 具体到智能驾驶的相关功能，主机厂对于掌握核心技术、实现产品差异化的 需求也使得行业内对于高端智驾功能“去黑盒化”的呼声日益强烈。随着行 业的发展进程，主机厂逐步认识到智能驾驶，特别是高阶辅助驾驶，已经成 为区分车企产品竞争力和核心技术优势的重要体现之一，车企对辅助驾驶 的要求也愈加多样。“开箱即用”的黑盒方案虽然开发周期短、落地难度低， 但封闭平台缺乏灵活性，下游车企无法进行个性化定制，自主研发的能动性 受到极大限制。

例如特斯拉早期就曾使用过 Mobileye EyeQ3 的方案，后又转向英伟达 Drive 平台，最终走向了芯片自研。在中国市场也有类似情景，智驾能力走在前列 的新势力车企中，蔚来、小鹏、理想都曾在 2022 年以前使用过 EyeQ4 的方 案，最终也选择转头拥抱英伟达 Orin 或自研芯片。虽然我们认为主机厂全 栈自研芯片由于门槛太高，并不会成为主流的选择方向。但是考虑到智能驾 驶软硬件在价值链上游的利润占比进一步加大，部分前沿车企自研能力的 提升和掌握核心技术的诉求，的确会使开放“黑盒”成为大势所趋。 大势所趋之下，Mobileye 开始拥抱更开放的合作模式，以打包方案+开放式 平台的方式，兼容不同的客户需求。2022 年 7 月，Mobileye 发布了面向 EyeQ 系列 SoC 的软件开发工具包（SDK）EyeQ Kit，提供对所有 EyeQ 加速器的访 问。EyeQ Kit 充分利用 EyeQ 6 和 EyeQ Ultra 的高能效架构，支持各种可视化 和驾驶员监控应用程序在 EyeQ Soc 上的开发，让车企既能使用 Mobileye 的 核心技术，又能在平台上部署差异化的代码和人机接口工具，为车企提供打 造品牌差异化的平台。 自此，Mobileye 既可以通过高性价比的打包方案，让车企客户实现基础 ADAS 功能的快速普及，满足大众市场的需求；也可以通过开放式的可编程平台方 案，支持客户进行定制开发、打造独特的产品功能界面和体验。

成长动能：下游库存逐步完成消纳后拉动出货，长 期智驾行业成长空间广阔

短期角度，拉货动能随着下游芯片库存的消化而回升

正如在第三章中所分析得出的结论，我们认为汽车半导体行业已进入去库 存的阶段。ADAS 芯片行业的下游，特别是龙头的 Tier 1 公司，由于过度备 货而积压的终端库存也在逐步消纳，从 2Q24 开始已经可以看到 EyeQ 芯片 出货量环比回升、同比降幅收窄。 随着下游库存的进一步消纳，Mobileye 的出货动能将得到进一步修复，带 动 EyeQ 芯片的交付量回升。公司也表示 Tier 1 客户手中的过剩库存正在消 化，预计 2024 年下半年 EyeQ 芯片的出货量将达到约 1,750 万颗。随着高毛 利的 SoC 逐步恢复正常出货，公司的盈利水平也将呈回归状态。

中期角度，受益于行业渗透率提升和高阶智驾功能进一步普及带来的增长

随着汽车行业的电动化率逐步提升，L2 级及以上级别的自动驾驶渗透率也 在逐步爬升，我们看好智能驾驶行业规模的扩张趋势。在此趋势之下， Mobileye 的市场份额虽然随着行业参与者的增多可能有所下降，但仍将随 着行业本身的快速扩张，实现在营收规模和利润层面的自然增长。 具体来看，我们认为 Mobileye 的布局符合行业向下和向上的两个探索方向， 即向下追寻更优性价比，向上探索更高运行效率。 一方面，我们认为 L2 级及以上的 ADAS 已成为当前中国市场的主导产品， 未来几年高性价比的方案将在全球范围内普及并快速上量。

我们在第二章中主要以中国市场为参照进行讨论，主要是基于中国市场整 体在智能驾驶赛道处于先行状态。随着智驾功能的不断成熟、技术成本的持 续下降，消费者接受度正在快速提升，L2 级及以上的 ADAS 已成为当前中国 市场的主导产品。并且，市场渗透率，尤其是在中低价位段的入门级车型中 的渗透率，预计在未来几年内仍将继续提升。 而对于海外市场，目前 L2 级及以下的 ADAS 功能已进入快速增长阶段，前 视一体机占 ADAS 市场比重约为 75%。智能化的浪潮下，头部国际车企对于 智能驾驶辅助和自动驾驶的规划也在提速，现有巨大体量下的较 低 L2 级及以上的 ADAS 装配率，意味着全球范围内的广阔蓝海市场。而 Mobileye 作为拥有相对较长发展历史、良好财务状况、丰富全球车企合作经 验的供应商，在与国际性车企进行合作、导入产品的过程中，相较于中国的 智驾芯片初创企业，具有天然的优势。 另一方面，我们认为，在向更高级别智能驾驶和自动驾驶的演进过程中，追 求可获得算力下最高的整体运行效率，比盲目追求最高的物理算力更符合 整车厂的理性选择。

不同应用场景中的芯片算力需求本就不同，高阶智能驾驶和自动驾驶，相较 于智能辅助驾驶，应用场景更加丰富、算法更加复杂，对于系统的准确性、 安全性要求更高；高精度传感器的上车，也带来了多样化的算力需求。 目前的现实情况是，不可否认高阶智能驾驶需要高算力芯片的支持，芯片厂 商的旗舰款产品出货也已普遍突破 100 TOPS。市场上似乎也达成了共识， 车企纷纷以自身车型搭载智驾芯片的 AI 算力作为重要的卖点进行营销宣传， 自动驾驶计算平台算力更是突破 1,000 TOPS。也有一些中国车企，特别是新 势力玩家，在推出L2+级车型时，已经规划在后续通过软件OTA升级的方式， 实现 L3/L4 等级的自动驾驶，因而选择预埋高算力芯片作为硬件层面的支撑。 多方因素作用下，行业陷入关于“大算力”的硬件军备竞赛。而 Mobileye 计 划在 2025 年量产的 EyeQ Ultra，算力“仅”176 TOPS，也因此受到一些诟病。 但实际上，从智驾功能实现的角度出发，芯片是为车载计算平台服务，最终 要在量产车型上面向用户。单颗芯片的物理算力是一个关键指标，但并非唯 一标准。功耗、成本、整体运行效率等因素，都在主机厂的考虑范围之内， 硬件也需匹配实际需求。例如，对于一些中端车型，一味追求大算力并不能保证其在市场上的竞争力，反而会使其在性价比上失去优势。对于当下在智 能驾驶领域自特斯拉而始的一系列“热门技术”，包括 BEV+Transformer 的感 知范式、端到端大模型等，在 Mobileye 计划明年量产的 SoC EyeQ6H 和后续 的 EyeQ Ultra 上都将能够支持实现。

更何况，AI 计算除了需要芯片算力，更要依靠软件架构、算法能力等和芯片 算力实现有效匹配，最终落实到软硬件协同，看芯片之上的软件能否最大化 地发挥作用。眼下智驾芯片的算力发展速度其实快于智能驾驶的应用侧更 新，当前计算资源并没有跟特定功能挂钩，因此习惯于笼统地比较峰值算力。 但当所有任务都可以做精细化处理时，当计算资源聚焦于某一个基础功能 时，高频率的检测、复杂的模型都只是保障安全性的手段而非目的。 综上所述，随着人工智能算法和芯片设计能力的提升，以及自动驾驶技术路 线进一步明晰，车企对于芯片算力的追求将从膨胀回归理性，转而追求更高 的运行效率，实现更好的智驾性能，为用户带来更安全舒适的驾驶体验。

长期角度，在 AMaaS 业务的完整布局，或助 Mobileye 开启第二成长曲线

2020 年 5 月，英特尔收购了以色列出行服务公司 Moovit；两年后，Mobileye 从母公司手中收购了 Moovit，以期更好地实现业务整合。Mobileye 推出了 AMaaS 业务（Automotive Mobility-as-a-Service，自动驾驶出行即服务），将自 身在地图和数据方面的优势发挥到智能出行层面和消费者层面。 随着全球各类公司不断入局，Robotaxi 行业的前景得到更多肯定，潜在市场 规模巨大。Mobileye 既有如 Mobileye Drive 般支持 L4 级无人自动驾驶方案 的技术实力，又有如 Moovit 般较大需求端合作，有望形成稳定的竞争优势， 在行业跑通商业模式后率先受益。为了实现这一目标，公司也积极地在全球 多个地区开展无人驾驶车辆的测试或运营。

（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。）