2024年智能驾驶芯片行业专题报告：智驾芯片行业的春天

智能驾驶芯片是什么？

SoC是主流的智能驾驶芯片

汽车芯片是现代汽车处理数据及控制车辆的重要组成部分，支持在自动驾驶系统、驾驶舱、底盘、动力总成及车身等方面的广泛应用。汽 车芯片可以分为计算芯片、存储芯片、传感器芯片、通信芯片及功率芯片。 计算芯片（对各种传感器收集的讯号进行处理并将驱动讯号发送至相应控制模块的芯片）是目前汽车行业的焦点。MCU及SoC是两种典型 的计算芯片。MCU是指一种只包含单个CPU（中央处理器）作为处理器的传统电路设计。SoC指片上系统，即一种集成电路设计，将特定 应用或功能所需的所有必要组件及子系统集成到单个微芯片，包括将CPU、GPU（图形处理器）、ASIC（专用集成电路）及其他组件集 成到单个芯片，而并非像传统的电子设计般将单独组件安装在一个主板上。随着汽车行业向电动化及智能化推进，传统MCU面临无法有效 应对的挑战，如复杂的电子电气架构及海量数据处理。 SoC凭借计算能力提升、数据传输效率提高、芯片使用量减少、软件升级更灵活等多项优势，已成为汽车芯片设计及应用的主流趋势。

SOC将多个功能模块集成在一个单一的芯片

SOC是系统级芯片控制逻辑模块、微处理器/微控制器CPU 内核模块、数字信号处理器DSP模块、嵌入的存储器模块、和外部进行通讯的 接口模块、含有ADC /DAC 的模拟前端模块、电源提供和功耗管理模块的集合。对于一个无线SOC还有射频前端模块、用户定义逻辑(它 可以由FPGA 或ASIC实现)以及微电子机械模块，更重要的是一个SOC芯片内嵌有基本软件(RDOS或COS以及其他应用软件)模块或可载 入的用户软件等。

MCU负责控制和监控各种电子系统

MCU（Micro Controller Unit微控制器单元）是一种集成电路，集成了CPU、内存、输入/输出接口以及各种外围设备。在汽车中，MCU 负责控制和监控各种电子系统，以确保车辆的可靠性和安全性。MCU的主要应用领域包括引擎控制、变速箱控制、制动系统、车身电子、 底盘控制、车载娱乐信息系统等。

智驾SoC芯片的优点与挑战?

SoC芯片优势

减小体积：以印刷电路板组合数个不同功能的集成电路，体积较大；如果整合成一个 SoC 芯片，体积则被缩小。 减少成本：需要封装测试多颗集成电路，成本较高；如果整合成一个 SoC 芯片，只需要封装测试一颗集成电路，成本较低。 低功耗 、高性能：以印刷电路板组合数个不同功能的集成电路，电信号必须在印刷电路板上传送较长的距离才能进行运算，耗电量较 高，运算速度较慢；如果整合成一个 SoC 芯片，电信号在同一个集成电路内传送较短的距离就能进行运算，耗电量较低，运算速度较快。 提升系统功能：将不同功能的集成电路整合成一个 SoC 芯片，体积较小，可以整合更多的“功能单元”，形成功能更强大的芯片。

SoC芯片面临的挑战

由于 SoC 芯片的设计与验证必须与半导体制造技术配合，再加上必须具备完整的混合信号、数字与类比、低频与高频、存储器等相关的 智慧财产权（IP）产业互相配合，因此系统单晶片的设计仍然有许多困难极待克服，系统单晶片的设计瓶颈包括：制造瓶颈：不同功能单元的制程技术不同，要同时制作在硅芯片上非常困难，数字电路的整合比较容易，数字与模拟电路两者要整合在 一起就比较困难。 封装瓶颈：SoC 芯片功能强大，工作频率增加，必定会造成线路的信号产生杂讯互相干扰，必须使用覆晶封装、锡球封装、 晶圆级封 装等技术加以克服。 测试瓶颈：测试机器必须同时具备多种数字与模拟信号的测试功能，因此必须发展多功能单一机型的测试机器，同时测试不同功能的 SoC 芯片。

智驾芯片的技术趋势是怎样的？

软硬件结合是智能驾驶的必由之路

智能驾驶分为感知层、决策层、执行层，每一层都涉及软硬件。硬件主要是计算芯片、各种传感器等，软件则是对应的软件算法。智能驾 驶系统的工作过程，就是软硬件高效协同的过程。 高级辅助驾驶和高阶自动驾驶系统高度复杂，因而需要具备高处理能力、高可靠性、低延迟及低能耗的方案，且需要具有高性价比。因此， 高级辅助驾驶和高阶自动驾驶解决方案需要软件及硬件的协同设计，以实现驾驶功能必需的系统级性能及可靠性。 地平线自主研发设计的智能计算架构BPU，遵循软硬结合的技术路径，聚焦先进神经网络架构和智能加速计算的最新技术，并围绕智驾应 用场景进行专项优化，以实现最优的计算密度和处理效率。“地平线征程”统一搭载BPU智能加速单元，能够充分发挥片上系统的高性能、 低延迟、低能耗优势，持续保持跨代际领先的产品竞争力。

软硬结合，前瞻引领——地平线“BPU纳什”

从Bernoulli到Nash，纳什采用超异构计算核心，进一步增强算力的多样性，同步引入AI辅助设计，大幅提升计算架构的可编程性。通过针 对端到端等前沿算法的极致优化，纳什能够实现远超同级的卓越计算性能，以赢得最佳的算法效率。 BPU纳什成功突破摩尔定律限制。通过软硬协同优化，地平线将化繁为简的算法、端云结合的数据、软硬结合的算力，凝聚成为系统化的 技术力量，以极致的计算性能，持续逼近用户体验的上限。 BPU纳什独特设计三级片上存储架构，核间高效协同，极致优化大参数下的带宽瓶颈；具备多脉动立方加速引擎，灵活的引擎间数据流动 实现高能效且低带宽占用；数据变换引擎，灵活支持Transformer细小算子；浮点向量加速单元，具有通用、灵活的特性，满足关键算子精 度需求；紧耦合异构计算单元高效加速不同类型数据处理；核内、核间、片间高效灵活的多向数据流动，实现计算动态调度与灵活调优； 虚拟化技术，透明式提升多任务并行处理能力；数据驱动功耗优化，针对神经网络数据动态范围特性，降低功耗30%。

单SoC行泊一体芯片：未来智能驾驶的“轻”模式

在轻量级行泊一体化域控方案中，单SoC（系统级芯片）方案因其高集成度、经济成本低及易于维护的特性而备受推崇。该方案的核心在 于，整个域控系统的核心运算任务由单一的SoC芯片高效执行，这不仅精简了硬件组件的数量，降低了整体功耗与成本，还极大简化了 系统的设计与调试流程。 多家国内芯片供应商纷纷推出支持单SoC行泊一体的芯片产品，展现出强劲的竞争力。地平线的J3、J5系列以及黑芝麻A1000芯片均集成 了前沿的行泊一体算法。目前，地平线J3、J5芯片已成功应用于轻舟智航、宏景智驾、毫末智行等多家公司的行泊一体方案中，而黑芝 麻智能基于华山二号A1000的单芯片行泊一体方案也获得了东风乘用车的认可。在中国电动汽车百人会上，黑芝麻智能的CMO杨宇欣表 示，虽然目前主流芯片市场仍由海外供应商主导，但在行泊一体特别是单芯片支持方面，中国已经开始领先。他乐观预测，中国的芯片 企业将能够与海外企业平分秋色。

智驾芯片行业市场空间、竞争格局是怎样的?

自动驾驶乘用车市场规模及渗透率

2023 年，自动驾驶乘用车全球渗透率达 69.8%，在中国则达74.7%。其中，L1 级、L2 级、L3 至L5 级车辆于2023 年的渗透率在全球分 别达 38.8%、31.0%及0.01%，而在中国分别达32.6%、42.1%及0.01%。随著技术成本不断降低及消费者的接受度越来越高，自动驾驶乘 用车得到广泛地应用。 自动驾驶乘用车的全球销量预计到 2028 年将达68.8 百万辆，渗透率为 87.9%。在中国，汽车OEM和消费者均对自动驾驶乘用车的兴趣日 益浓厚，而中国销量预计到2028年将达27.2百万辆，渗透率为93.5%。L1级、L2级、L3至L5级车辆的渗透率预计到2028年在全球分别达 25.0%、54.3%及8.6%，而预计在中国分别达11.1%、 69.9%及12.5%。

车规级SoC市场规模持续增长

2023年中国车规级SoC市场规模达267亿元，预计2028年达1020亿元。2019年-2023年全球车规级SoC市场规模持续增长，分别为190、 230、312、428、579亿元。同时， 2019年-2023年中国车规级SoC市场规模紧跟全球市场步伐，分别为66、86、126、181、267亿元， 复合增长率为42%。 2023年中国ADAS应用的自动驾驶SoC市场规模达141亿元，预计2028年达496亿元。在ADAS功能进一步普及的推动下，全球ADAS SoC 市场预计到2028年将达人民币925亿元，2023年至2028年的复合年增长率为27.5%。中国ADAS汽车销售市场正处于快速增长阶段， ADAS SoC的市场规模预计到2028年将达人民币496亿元，2023年至2028年的复合年增长率为28.6%。

智能驾驶SOC芯片的发展会使哪个产业链环节、 行业受益？

自动驾驶SoC产业链概况

自动驾驶SoC及解决方案行业价值链主要包括半导体制造商、自动驾驶SoC及解决方案供应商及终端应用。 上游：自动驾驶SoC制造涉及半导体材料及设备、晶圆制造以及封装及测试。先进的半导体制造技术有利于提高芯片性能。 中游：基于SoC的解决方案供应商开发自动驾驶SoC，属自动驾驶解决方案的核心组件。一套完整的基于SoC的解决方案包括SoC硬件以 及全面的技术支持及服务，如芯片、基础软件、中间件、算法及工具包，使车辆具备自动驾驶功能。 下游：自动驾驶解决方案供应商在自动汽车及智能道路部署自动驾驶基于SoC的解决方案。自动驾驶汽车（包括采用自动驾驶SoC解决方 案的NEV及传统ICE）全球销量增加为自动驾驶SoC及解决方案市场增长提供可能性。自动驾驶SoC亦可应用于智能道路，作为实现自动 驾驶的补充技术方法。

SOC发展助力无人驾驶汽车行业发展

展望未来我们认为 L2+辅助驾驶系统将快速普及并长期存在，另外在一些低速、 封闭场景下比如矿山，港口中 L4 自动驾驶开始落地，而基于 法律法规以及技术 成熟度等问题，高速、开放场景下的 robotaxi/robotruck 落地需要较长时间，黑芝麻智能单记章指出，从 L2 真正突破到 L3 级是一个漫长的过程，未来很长一段时间内智能网联汽车仍将处于人机共驾的状态，这其中涉及到软件、硬件、数据 等技术的紧密配合和升 级。尤其是大算力车规级芯片，将是高阶自动驾驶突破的核心关键。 自动驾驶的算力需求会随着自动驾驶等级的提高而增加，上游SOC芯片将明显受益。L2级别需要2个TOPS的算力，L3需要24个TOPS的算力， L4为320TOPS，L5为4000+TOPS。而随着SOC的发展，SOC的算力将逐渐满足自动驾驶等级的算力要求，助力无人驾驶汽车行业发展。

报告节选：

编辑：火腿肠