01
1.1 设计/代工/车规认证为SOC芯片核心壁垒
大算力SOC芯片的设计和制造具有很高的门槛,要综合性能、功耗、成本、车规安全多方面因素。
(1)异构、多核SOC设计和优化能力直接决定了大算力芯片的性能、可靠性和安全性等。这里面有两大技术难题,一方面要了解客户需求,即深入了解AI算法,尤其背后使用的神经网络。因此需要前瞻性了解新的AI算法,否则等芯片研发出来后发现算法与硬件架构兼容性差将会使芯片效率大大降低。自动驾驶是高阶的人工智能,与人脸、语音识别以及大数据分析等领域相比,对安全性和实时性要求更高,且由于驾驶是要和人类共同参与的,因此需要更高的认知与推理能力。另外要足够了解供给,即SOC芯片内部比如CPU、ISP、DSP等核心可以通过IP授权的形式获得,只有对各种IP深刻理解才能设计出好用的芯片。
(2)性能/功率比为评价AI芯片的关键指标,并且作为创业公司要有足够资金进行先进制程流片。各家新一代SOC中每瓦的峰值处理能力在逐步提高:英伟达的Drive Orin能够达到3.6TOPS/watt的性能,较其老一代Xavier的1.1TOPS/watt有显著改进。Mobileye 的 EyeQ4也可以从0.83TOPS/watt上升到1.6TOPS/watt,并且在即将推出的Ultra版本中可能会超过1.76TOPS/watt。特斯拉已经在2019年的HW3.0中实现了2.0TOPS/watt, 并预计在下一代HW4.0平台中会有更实质性的改进。持续提高 AI 芯片性 能的方法有:a.持续优化SOC架构。如引入更强大的ASIC芯片——神经网络加速器(NNAs)、NPU或DLAs;b.采用更先进的芯片制造技术可以有 效降低整体功耗。根据IBS的估计,开发一块芯片的成本,包括IP许可、EDA(电子设计自动化)软件、研发、tape out(最终设计过程)、包装和测试 费用,对于16nm技术节点,总计流片费用为1.06亿美元;对于7nm技术节点,总计流片费用为2.98亿美元;而对于5nm技术节点,流片费用为5.42亿美元。因此是否有足够的资金进行先进制程流片以及能否拿到 先进制程的产能也是最终能否大规模量产的关键因素。
(3) 功能安全流程、车规可靠性认证、ASPICE软件认证等一系列严苛车规认 证需要逐一攻破。从芯片功能定义到流片/封装测试完成,大约需要2年时间,如果早期车规芯片不涉及功能安全,那么这个过程可以加速。但从 芯片测试完成→量产,大约需要1年半~2年时间,这个环节时间必不可少,因为涉及AECQ100,ISO 26262等功能安全认证,还有夏季冬季认证,一级软件认证等。
1.2 国产SOC厂商在设计芯片之初需要兼顾多重因素
1.2.1 IP:各大自动驾驶SOC芯片厂商将自研“XPU”IP作为竞争重点
各大自动驾驶SOC芯片厂商将自研“XPU”IP作为竞争重点。SOC芯片多为异构设计,包含GPU、CPU、加速核、NPU、DPU、ISP等不同的计算单元,一般来说芯片不能简单评估算力,还需兼顾芯片带宽、外设、内存,以及能效比、成本等。同时,在芯片设计中,异构IP的配置非常重要,自动驾驶SOC芯片商均不 断加强核心IP研发以保持关键竞争力:
特斯拉:经历了早期使用黑盒方案的Mobileye EyeQ3,到较为开放的Nvidia Drive平台,再到如今NPU芯片自研。特斯拉将芯片、算法紧耦合,尽管目前特斯拉芯片算力不是最高,但其软硬一体的融合度效率高于其他OEM方案。
黑芝麻:黑芝麻智能先后打造NeuralIQ ISP图像信号处理器和DyanmAI NN引擎两大核心IP。前者让车“看得更清楚”,后者让车“拥有了更强的处理能力及更高的效率”。
· NeuralIQ ISP图像信号处理器旨在让汽车“看得清”。通常而言,手机拍照多为静态拍摄,可以通过运用传统的多帧降噪技术,在暗光环境中拍出纯净的照片。但由于汽车行驶时处于高速运动状态,所以车规级图像处理技术更困难。黑芝麻智能通过自研ISP处理系统,让摄像头在超低光和大逆光场景下清晰成像,感知到的信息在后端计算中更均一化。
· 深度神经网络算法平台DynamAI NN引擎旨在让汽车“看得懂”。通过NeuralIQ ISP图像信号处理器处理后的图片,将传递到深度神经网络算法平台DyanmAI NN引擎上。先将收集的新数据信息与计算平台存储的数据进行对比,再进行推理和决策,预测出周围环境可能会发生的变化,从而保证汽车“看得懂”。其后,通过与其他车、云、路互联协同,扩大有效感知范围, 让汽车“看得远”
1.2.2 芯片性能:“FPS/W”是综合评价芯片能力的指标
芯片算得快比算力大更有用。我们可以拿人和动物的神经元举例,比如大象有2570亿个神经元,人脑只有860亿个神经元,但其智商上限却仅相当于人类四五岁的孩童。同样作为自动驾驶大脑的芯片,也绝不能只看硬件的堆砌,架构设计、 算法的运行方式都会影响芯片的最终实际效能。
FPS(每秒识别准确率)更能够反应AI芯片的真实计算性能,并且该指标已经开始被头部自动驾驶厂商使用。马斯克在2019年提到,FSD芯片算力是英伟达DrivePX2算力3倍;在进行自动驾驶任务时,其FPS却为后者的21倍。而地平线J5与英伟达Orin对比,虽然128TOPS的算力只有英伟达的一半,但是在进行自动驾驶任务时,其FPS却做到了更胜一筹。更高的FPS可以做到更快速的感知, 更低的延迟,这意味着更高的安全性和更快的使用效率。
我们认为真正去评估一家AI处理芯片设计的好与坏,最合理的指标是“FPS/Watt& FPS/$,即为了达成AI处理目标所付出的功耗和芯片处理的成本”。具体拆解为三个部分:
· 理论峰值计算效能(TOPS/Watt & TOPS/$):公司可以通过改进工艺制程和芯片架构设计两方面提升该指标,其本质是一个硬件架构决定的指标。
· 芯片有效利用率(Utilization):该数值由软件架构决定。人工智能芯片如果把硬件架构锁定,把算法也锁定,那软件架构可以通过编译器不断去编译、拆解、重组、部署让芯片效能越来越好。
· 单位有效算力(FPS /TOPS):即算法处理速度,该数值由算法架构决定。算法摩尔定律为通过算法不断的更新和演进,解决一个AI任务达到的相同准确率所要求的计算次数在持续下降,即从语音识别,文本自然语言处理,计算机视觉各个领域总结发现每9-14个月(每个领域可能略有不同)所完成的AI任务所需要的计算次数复杂度会降低一半。
地平线表示,在芯片流片之前应该关注如何让算法和软件更好的指导硬件架构, 因为算法是一个客观的大趋势,需要所有公司提前去学习、预判。所以在芯片定义阶段的时候,应该关注“FPS/Watt & FPS/$”如何被“理论峰值计算效能”和“芯片有效利用率”定义。在芯片流片出来之后,由硬件架构确定的“理论峰值计算效能”已经确定了,而“单位有效算力”又是客观规律,此时各家自动驾驶AI芯片公司核心要思考怎么去优化“芯片有效利用率”。
1.2.3 生态&工具链:开放的生态和完整的工具链是满足主机厂需求的关键
Mobileye 是过去20年汽车ADAS技术的主要奠基者和引领者。截止到2021年底,Mobileye销售2810万枚EYEQ芯片(内含算法解决方案),在L2+方案的市场占有率约为70%。Mobileye致力于用单目视觉来解决三维立体环境中的测距问题,自创立公司以来,Mobileye获得了视觉辅助驾驶领域的多项第一并提供了包括行人检测、车道保持和自适应巡航等辅助驾驶技术。
Mobileye提供的“算法+芯片”封闭式解决方案,目前已经不能满足自动驾驶公司和车企们的需求。在过去20年里,Mobileye以视觉感知技术为基础,推出了算法+EyeQ系列芯片组成的一系列解决方案,可以帮助车企实现从L0级的碰撞预警,到L1级的AEB紧急制动、ACC自适应巡航,再到L2级的自车道保持、自动刹车辅助和自动驻车等各种功能。但随着谷歌、苹果、百度、华为、滴滴、特斯拉等科技巨头,还有一众自动驾驶创业公司开始用深度学习算法开发新一代的L4自动驾驶技术,量产车搭载的L2系统也越来越向着L4自动驾驶的技术架构看齐。于是特斯拉用的FSD芯片取代了Mobileye,理想从EyeQ4换装了地平线征程3。2022年以及以后将上市的新款车型中,尤其是智能电动汽车,几乎清一色的选择了英伟达、高通和华为这种科技巨头的自动驾驶芯片。目前全球已知使用Mobileye最新一代EyeQ5芯片的车型,只有极氪001和宝马iX两款;并且宝马曾作为Mobileye最大的客户宣布未来其他车型自动驾驶SOC方案会选择高通。
地平线扛起开放生态大旗,抢占Mobileye市场份额。地平线把目前芯片厂商按照开放程度列出了一张表,开放度从低到高排序依次是Mobileye、英伟达、地平线Together OS、BPU授权这四种模式。地平线可以根据下游客户需求灵活选择后三种模式,以其开放的生态逐步扩大自己在自动驾驶领域的影响力:
· 开放度最低的Mobileye被喻为黑盒模式,指的是Mobileye独立开发完BPU、 SOC、操作系统OS、自动驾驶软硬件系统之后,才会交付给车企,这也意味着车企无法加入自动驾驶技术的开发中,得到是完整的芯片+感知算法的软硬件打包方案。这种封闭的一体化解决方案在ADAS时代非常奏效,尤其是对于刚起步的造车新势力车企来说,选择EyeQ系列芯片无疑是最稳妥、省心的。随着ADS时代到来,车企对于定制化算法、系统快速更迭的需求越来越大,此时动辄等待半年、花费上千万的定制化节奏已经让这种解决方案过时。
· 英伟达模式,即只提供芯片和开发工具链,随后由客户完全主导开发。地平线在该模式下提供BPU和SOC级别征程芯片以及操作系统OS,帮助车企完 成自动驾驶软硬件系统开发。
· Together OS模式,即在“英伟达模式”的基础上进一步把 DSP 底软等开源给 合作伙伴,意在将操作系统 OS 和自动驾驶软硬加系统一齐交给车企,让合 作伙伴底层软件(操作系统)可以搭得更快,实现更快的迭代速度,这也是目前地平线最主流的合作模式。
· 芯片合作模式,即让客户基于BPU架构自行设计专用芯片。这种模式下生态开放度最高,代表厂商如地平线,可以为下游客户提供BPU IP,这意味着地平线将开放BPU的软件包和芯片参考设计给部分车企,支持车企自研芯片。
除开放的生态外,算法工具链的成熟度从“能用→好用”也是下游OEM选择SOC厂商的关键因素。开放的生态是国内厂商追赶英伟达的第一步,但关键是要构建 好用的软件体系、工具链、以及能支撑持续演进迭代的用户生态。工具链在自动 驾驶软件生态中扮演重要地位,其成熟程度决定了整个系统开发的效率。头部SOC 芯片厂商通过与下游众多客户合作,逐步打磨、完善工具链,强化自身壁垒:
· 地平线提供整车智能开发平台,不仅包含AI芯片,还包括了软件栈、天工开物AI工具链和艾迪AI开发平台。地平线提供端上的开发工具、以及在云端的训练,包括数据管理以及仿真平台等工具,与天工开物形成完整的开发平台,加速面向智能驾驶、智能交互、车内娱乐应用等各种各样的解决方案开发。
· 华为坚持“不造车,聚焦ICT技术,帮助车企造好车”的战略,在芯片、云、 软硬件、工具链和高精地图等多方面发力。华为智能驾驶计算平台MDC集成了华为自研的CPU、AI芯片和其他控制芯片,并通过底层的软硬件一体化调优,使整体性能方面达到业界领先水平。此外,华为MDC也有完整的测试平台和工具链,为MDC的开发提供了全栈解决方案。
1.2.4 服务能力:芯片开始和主机厂进行紧密合作,服务能力成为比拼关键
2021 年以来,新冠疫情、俄乌冲突、美国高端AI芯片限令等因素导致汽车芯片缺芯,一方面带给国产汽车芯片供应商机遇,另外一方面也让主机厂开始重视汽车芯片在产业链中的地位。在过去产业链分工中,汽车芯片作为传统Tier2厂商不直接和OEM对接;但受缺芯影响以及在各大车企为了加快智能化转型,汽车芯片厂商开始直接和OEM合作进行配套研发,汽车芯片在产业链中话语权提升。
在这种新产业链模式下为芯片厂商提供前所未有的机遇,即可以跳过Tier1直接服务OEM,因此服务的态度与质量成为不同芯片供应商的竞争关键。服务态度指的是Tier-1在与车企达成合作后,会以怎样的方式去执行合作,比如是否会派遣一支工程团队驻场、是否有及时响应速度、是否能够提供差异化/定制化服务、 是否有能力/有资源/去做售后等。
国产芯片供应商“保姆式”服务带给OEM良好的使用体验,也是下游客户选择 国产芯片供应商的核心原因之一。比如地平线在与理想合作期间,不仅提供算力5 TOPS的征程3芯片,甚至还派驻了一支队伍提供保姆式服务,工程完结后还有 售后服务。周到的服务、及时的响应能力,是理想持续选择和地平线合作的重要原因。
技术分工的变化将带来产业格局的转变,智能汽车芯片或许能将汽车产业原本碎片化、具有高度壁垒的产业环节进行了重新洗牌,推动汽车供应链走向通用化、标准化。原本处于TIER2环节的汽车芯片厂商,通过强化软硬件协同开发能力,实现芯片、系统软件、功能软件的全面整合,打造车载智能计算平台,兼容产业 链上下游的多元需求,在智能网联时代将跃居产业核心地位。
02
汽车SOC蓝海吸引多方入场 多因素驱动国产化浪潮
2.1 自动驾驶SOC格局:四大阵营参与SOC芯片竞争,地平线异军突起
从各主流自动驾驶SOC厂商产品发布时间、制程演进、以及峰值算力来看,新发布的SOC芯片的峰值算力越来越高,制程越来越先进。我们统计目前主流自动驾驶SOC芯片厂商,包括Mobileye、特斯拉、英伟达、高通、华为、地平线、黑芝 麻,并将他们发布的各款芯片产品放到二维象限中(横轴为芯片制程和预计发布 时间,纵轴为芯片峰值算力)。我们发现这些主流厂商未来发布SOC芯片逐步向 先 进 制 程 迈 进 ;Mobileye/ 地 平 线 / 黑 芝 麻 单SOC芯 片 峰 值 算 力 基 本 在100~200TOPS左右,而英伟达/高通/华为/特斯拉可以把单SOC峰值算力做到200TOPS以上。
从各主流自动驾驶SOC厂商面向下游应用市场来看,国内厂商目前定位在ADAS/L2+领域。国内ADAS/L2+领域厂商主要是地平线,黑芝麻;国外为NXP、 TI、Mobileye;国内L3领域主要厂商是华为MDC300(华为不卖单颗芯片,故取整个计算平台解决方案作对比)、黑芝麻和地平线;国外为特斯拉、英伟达、高通;面向L4/L5级别自动驾驶,国内为华为MDC600,国外为高通、英伟达和特斯拉。其中高通 Snapdragon Ride Flex 为SOC系列产品家族,包含Mid/High/Premium三 个级别,支持L1~L4/L5;其中最高级 Ride Flex Premium SOC再加上外挂的AI加速器(可能是NPU)组合起来,就可以实现2000TOPS的综合AI算力。
从各主流自动驾驶SOC厂商阵营来看,主要分为“传统汽车芯片厂商”、“提供整 套解决方案厂商”、“通用型、提供平台型硬件+软件工具链厂商”以及“全栈自研厂商”四大阵营:
(1)传统汽车芯片厂商:对于像恩智浦、德州仪器或者瑞萨传统汽车芯片厂商来说,他们的自动驾驶SOC芯片产品主要优势为:1.产品落地经验丰富;2.供应链 管理能力强,但缺点在于人工智能研发经验较少,因此主要面向ADAS等中低端 市场。
(2)提供整套解决方案厂商:主要代表厂商为Mobileye。ADAS时代的霸主,但因其黑箱子解决方案较为局限,以及本土化服务能力较弱,逐步被头部车企抛弃。Mobileye系统最大优点是产品成本低,开发周期很短,开发费用极低,绝大部分功能都经过验证,风险较低。而缺点是系统封闭,车企无法搞差异化功能。迭代困难,出了问题较难改进或提升。对于传统车厂而言,Mobileye基本是唯一选择, 对于总想与众不同的造车新势力来说可能无法适应。然而新兴造车企业毕竟还是极少数,预计Mobileye在ADAS领域霸主地位至少五年内仍会相当稳固。
(3)通用型、提供平台型硬件+软件工具链厂商:主要包括高通、英伟达、华为、地平线及黑芝麻:
· 英伟达:为面向L3级别及以上自动驾驶,中高端车型的首选方案,“平台化 芯片+完善的工具链+领先的人工智能研究经验”是英伟达自动驾驶SOC芯 片的主要优点。
(1)硬件优势在于——GPU架构兼顾效率与通用性:效率高于CPU,通用性强于ASIC;设计壁垒高,垄断性强;用户基数保证规模效应:与其他业务平摊研发成本,版本迭代快,持续保证性能优势。
(2)工具链优势在于——开放平台模式:公司提供全套软件工具链(公司软件工程师占比超过70%)软件工具链丰富,客户可进行算法自研;并且还给用户提供 丰富的示例与教程,帮助用户快速上手使用。
(3)在人工智能领域拥有近十年的探索经验——英伟达将人工智能领域的优势拓展到智能驾驶领域。缺点 在于:由于GPU通用型较强,导致“有效算力”偏低;虽然英伟达提供对应开 发工具,但较高学习门槛和自研智能驾驶算法的花销可能会阻挡中小客户的使用。
· 高通:发布了全新的自动驾驶平台Snapdragon Ride。该平台采用了可扩展且 模块化的高性能异构多核CPU、针对 高能效的AI与计算机视觉引擎,以及GPU。同时包括Snapdragon Ride安全系统级芯片、Snapdragon Ride安全加速器和Snapdragon Ride自动驾驶软件栈。
高通Snapdragon Ride有三大优势:
(1) 可扩展性。L1-L3自动驾驶,Snapdragon Ride能够提供硬件+软件栈的 完整系统级解决方案,可以满足汽车制造商对于不同自动驾驶级别的可扩展 性需求。
(2)经济性和高能效。与采用X86架构的自动驾驶平台高达700瓦的功率相比,采用ARM架构的Snapdragon Ride平台具有巨大的能效优势。目前来看,高通的整个驾驶芯片的成熟度要比英伟达低。长期看,包括高通、华为、Mobileye 以及国内的其他芯片创业公司,走的是ASIC路线。从利用率、功耗这些关键指标上来讲,高通可能会在三年之后,也就是预计在2024年2025年间会抢走很大一个市场。
(3)智能座舱优势地位:高通8155基本 垄断全球所有高端/旗舰车型市场,因此高通将在座舱领域的汽车合作伙伴横 向拓展到自动驾驶领域路径具备可行性。缺点在于:人工智能经验研发较少。
· 华为:凭借ICT领域优势切入自动驾驶领域,技术上在国内属于第一梯队。华为不单独卖自动驾驶芯片,更多是销售自动驾驶套件(MDC系列)或者解决方案,而这种捆绑销售的商业模式在自动驾驶领域,车企和第三方厂商之 间在合作之余也往往心存芥蒂。华为在自动驾驶SOC领域的优势为:华为有丰富的算法和芯片设计能力;但华为自动驾驶方案大规模上车依然面临着几个风险:
(1)高端芯片无法代工,库存是否足够;(2)与华为合作的车企是 否愿意向华为开放数据;(3)如何赢得合作伙伴的信任。
· 地平线:地平线基本和国内所有自主品牌车型签下合作定点,定点数量NO.1;另外地平线在2022年10月又与大众旗下软件公司CARIAD携手地平线成立合资公司,未来可以继续拿下合资厂订单。
地平线优势:
(1)地平线作为一家创业公司,其自身就带有新势力的基因,所以响应客户需求的速度会更快;
(2)与理想的合作证明,地平线能够给车企提供保姆式合作,派遣工程团队一同研发,工程完结后还有售后服务;
(3)地平线曾在征程5发布会上称, 他们坚决不做封闭方案,同样不会做软件捆绑。地平线会向车企提供感知算法及开发工具链,帮助车企更好地进行研发。
· 黑芝麻智能:黑芝麻智能在和国内车企定点数目上落后于地平线,但其在硬件方面实力优于地平线。作为国内自动驾驶芯片为数不多可选方案,随着A1000pro流片成功,关注其未来和车企合作进展。
· 芯驰:自动驾驶SOC芯片目前没有和乘用车客户有明确合作,但已经在物流车上应用,比如美团等。
· 寒武纪行歌:2021年初成立,将覆盖3款智能驾驶SOC芯片,覆盖L2~L4。其最大优势在于此前具有智能芯片领域的技术积累和产品经验,是行业内少数能为智能驾驶场景提供“云边端车”系列产品的企业。
软硬件全栈自研:主要代表厂商特斯拉。特斯拉颠覆了整个汽车行业,从自动驾驶、智能座舱、域控架构、三电系统,甚至到车辆的制造与装配,发展出了一套全新的方案。从自动驾驶角度来看,特斯拉是目前唯一实现软硬件全自研的公司, 且可能是唯一一个能够实现软硬件都自研的公司。特斯拉自研芯片的好处:
(1) 芯片效率更高:从算法出发设计芯片架构,芯片的能耗比更优;
(2)一体化带来 更快迭代速度:由于自动驾驶是个全新的领域,需要芯片、算法和车辆相互配合, 这些环节特斯拉均在公司内部流转,迭代速度高于合作模式。
复盘为什么地平线可以拿下这么多定点?为什么多家产业资本以及财务投资方选择在2020年前后投资地平线?核心还是地平线在“缺芯”的大背景下推出了合适的产品,凭借长安的背书,后续接连俘获众多OEM青睐。2020年,当时主流SOC厂商主要包括:Mobileye、特斯拉、英伟达、地平线、黑芝麻、芯驰、华为;高通此时还没进来;寒武纪行歌在2021年1月成立,2021年7月开始布局汽车自动驾驶SOC。
大环境时间线:
· 2016年博世提出五域架构。因此2016年起,各大主流车企开始寻求智能化转型,选择合适的SOC芯片供应商是车企迈出智能化第一步。当时能提供自 动驾驶解决方案的供应商只有1999年成立的Mobileye,主打产品EyeQ3。同期,2015年地平线刚成立,且业务不聚焦;英伟达在2016年刚刚发布第一 款自动驾驶XaVier芯片。此时可选的自动驾驶SOC供应商并不多,连特斯拉也选择和Mobileye合作。
· 2016年7月,由于安全事故,特斯拉停止与Mobileye合作,主要原因为:一方面不满于Mobileye配套研发进程缓慢,另一方面不满于Mobileye利用特斯拉车主驾驶数据来改善芯片算法,后续特斯拉选择和英伟达合作。此时关于自动驾驶采集的数据开始得到重视。
· 2017年12月,马斯克向外界声明特斯拉正在研发自动驾驶芯片,主要原因为英伟达自动驾驶芯片解决方案主要依靠GPU,功耗较大。同月,地平线J1发布。
· 2018年6月,芯驰科技成立。2018年7月,美国政府对从中国进口的半导体加征25%的关税,中美关系恶化,半导体自主可控提上日程。2018年10月, 华为发布两款AI芯片:昇腾910与昇腾310。
· 2019地平线J2发布,2020年地平线发布J3;2019年黑芝麻发布A500,2020年发布华山A1000。黑芝麻的第一代产品与地平线的第二代产品发布时间几乎一致,黑芝麻的第二代产品则与地平线征程3发布时间相近。在芯片这个高壁垒行业,抢先发布的征程2,更快的抢占了市场空白期,为产品优化、市场磨合抢到了先机。而黑芝麻智能则一步慢、步步慢,只能跟随在地平线后面。2020年2月,地平线J2量产上车长安主力车型UNI-T。2020年5月, 芯驰9系列高性能大型域控级别SOC正式发布;芯驰虽然做四款芯片,但是工作重心在座舱SOC,和地平线、黑芝麻本质是错位竞争。
· 2021年汽车行业缺“芯”导致车辆减产,国内车企开始重视国产芯片供应商的培养。在缺“芯”大背景下,智能驾驶SOC作为产业链最重要的环节愈发得到重视。随着Uni-T车型销量一路飞涨,完全带动了地平线的销售和品牌效应。地平线在自动驾驶领域触发了先发优势,所形成的势能导致资源都会向头部汇集。在2021年国内都在喊缺芯的时候,地平线奉上了可以量产的车规芯片 如久旱甘霖,不断有投资方上门,继而顺利完成了C3轮融资,其中包括长城、比亚迪、东风、舜宇光学。在2021年4月,上海车展期间,地平线又持续与Tier1签署战略合作,包括德赛西威、东软睿驰、理想、域驰智能、宏景智驾、大陆汽车、韦尔股份等。同期上海车展期间,高通才推出自动驾驶骁 龙 Ride 平台,切入ADAS市场。2021年7月,寒武纪行歌研发自动驾驶 SOC 芯片。华为虽然发布AI芯片较早,但受缺芯问题等问题影响,MDC没有大规模量产。
· 2022年格局日渐清晰,国外Mobileye开始损失重要客户,IPO上市估值从500亿美金下降到不足200亿美金、特斯拉FSD自供、英伟达和高通在L3级别以上自动驾驶 PK。国内方面,2021年地平线征程系列芯片累计出货100万 片,已经和20多家主机厂合作,2022年10月又拿下大众定点;华为、黑芝 麻尚未大规模量产;寒武纪行歌刚处于起步阶段。
其他主机厂开始通过以自研、合资、投资、合作等方式与汽车芯片厂商直接合作。在汽车智能化时代下,OEM希望与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,主机厂希望通过布局汽车芯片以掌握更多研发主导权,并通过提高软件与芯片结合效率,提高自身产品与技术优势。
自研芯片可充分结合主机厂算法需求特点,充分挖掘芯片能力,但需要一定技术 积累与大量资源投入,难度较大;在软件算法上具备领先优势的新势力车企有更 多自研意愿。除了特斯拉,更多主机厂也已开始了自己的造芯计划:
· 2020年11月,零跑推出了首款自动驾驶芯片凌芯01,这款芯片也是国内首款拥有完全自主知识产权的自动驾驶芯片。凌芯01处理性能接近市场顶尖的Mobileye芯片,整体开放性则更强,既能支撑通用运算,又有特定的AI运算逻辑,具有能耗比更低、安全可靠性更高的优势。
· 2021年初,小鹏汽车已经在中美两地建立团队,同步启动了自研芯片项目,目前小鹏的芯片团队目前已经有近200人,目标是开发对标特斯拉FS的大算力自动驾驶芯片;而蔚来也不甘落后,挖来前赛灵思亚太地区实验室主任 胡成臣,已经组建了近300人的芯片团队,研发包括自动驾驶芯片和激光雷达芯片。
· 其他车企方面,德国大众集团已经在筹备自研芯片,并于2019年筹建了一支5000人团队开始打造操作系统。吉利汽车也要在中央计算平台&芯片、L4自动驾驶软件、ADDIS数据平台和车联网平台&运营构建核心技术实力,已推出E01和E02芯片信息娱乐SOC芯片,计划2021年推出AI语音芯片V01;2022年推出全功能高性能数字座舱SOC芯片SE1000;2023年计划推出256TOPS的自动驾驶SOC芯片AD1000。
车企造芯的好处在于可以更好的将硬件与软件算法结合。对于自动驾驶的算法迭代而言,需要芯片提供足够的通用性,以适应多次算法迭代。车企亲自下场造芯, 其实可以更好地根据自身需求来设计,比如将无关的通用性接口和单元取消,简化设计,同时更好地实现软件适配,提高芯片算力利用率。未来需求量到达一定程度后,成本必然会相比市面上通用的自动驾驶芯片要低,更重要的是为自己的产品提供了差异化的竞争力。
车企造芯的缺点在于如果配套车型销量不大,很难分摊成本。车企造“芯”最难的地方不是在于设计上,而是车企对于自动驾驶芯片的需求量并不会太大,代工 成本可能会较高。因此在除下场造“芯”的其他路径上,车企很可能会选择与其他芯片厂商通过战略合作/成立合资公司/战略投资等方式参与自动驾驶芯片的合作研发。
2.2 智能座舱SOC格局:高通处于领导者地位,国产厂商有望逐步渗透
此前座舱芯片由传统汽车半导体公司主导,换代周期长达5-6年,并且通常情况 下是一颗芯片带一块屏,而且由于屏幕分辨率很低,所以对座舱芯片的算力要求不高。在高通没有进入车规级芯片领域之前,车机芯片的销量冠军是日本瑞萨半 导体。2022年瑞萨彻底没落,旗舰车用芯片“H3”采用的还是16nm制程工艺,搭载的还是手机上7、8年前的ARMCortex-A57+A53架构组合,甚至不少车机芯片还在使用更为老旧的28nm芯片以及A55+A53组合。现在来看,H3性能孱弱、 制程老旧、架构落后。
目前全球座舱SOC供应商格局趋于明朗,分为“传统汽车芯片”和“消费电子芯片 家”两类厂商,其中后者具有天然优势。汽车座舱市场过去由传统的汽车半导体供应商主导,以恩智浦、瑞萨、德州仪器等为代表的“传统汽车芯片”厂商,在传统汽车MCU、ECU芯片业务之外,顺应智能化趋势布局座舱芯片领域;而以高通、三星等为代表的“消费级芯片”厂商,也在切入汽车座舱SOC领域,复用其在消费电子领域深厚的技术积累。
· 传统汽车芯片厂商占有份额仍然较大,主要是由“中低端车型销量占比较大” 的汽车销售结构决定的。恩智浦、瑞萨、德州仪器三家传统汽车智能座舱芯片的主要供应商,在智能化转型中节奏偏慢,除满足车规级安全外,性能不及消费级芯片厂商,在销量占比仍然较大的中低端车型中部署广泛。瑞萨R-CARH3采用16nm制程,而恩智浦i.MX8系列、德州仪器Jacinto7均基于28nm制程设计,CPU算力最高40K DMIPS,逊色于消费级芯片厂商。
· 高通、三星等消费电子厂商凭借性能及迭代优势在中高端芯片市场快速发展, 高通复刻在消费电子芯片的成功,在智能座舱芯片领域也占据了绝对的优势。随着越来越多的智能手机功能被引入汽车座舱中,汽车硬件产品升级周期已 经从每代5-10年缩短到目前的2-3年(这主要得益于造车新势力如特斯拉、 蔚小理车型对软件功能频繁升级),这一趋势有利于高通、联发科、三星等领 先的智能手机SOC企业切入汽车座舱 SOC 市场。步入智能座舱时代,智能 驾舱芯片可以分为低端、中端和高端,目前在高端市场高通一家独大,约占市场80%的市场份额,高通、三星最新款座舱芯片已采用10nm以下制程, 且均计划在下一代芯片平台中采用5nm制程。
我们认为高通成为智能座舱SOC领域王者主要有以下6点原因:
(1)从制程/算力角度,2019年发布的高通8155为全球首款7nm高算力座舱SOC,算力8TOPS,领先同期恩智浦、瑞萨等传统汽车座舱芯片厂商2~3代。 2021年,高通发布骁龙8295,将座舱SOC芯片的制程工艺从7nm带入5nm 时 代,算力30 TOPS,意味着第4代的8295芯片将与手机上最顶级的芯片处于同一 世代。
(2)从研发周期来看,高通座舱SOC架构可以通过智能手机SOC迁移过来, 缩短研发周期的同时可以更快和主机厂进行适配迭代。比如车规芯片620A、820A以及8155,对应的手机芯片就是620、820和855,这也是为什么高通能在短时间内就推出车规级芯片的原因。高通车规芯片更新迭代规律非常明确,最新的技术在手机芯片上经过验证后,再下放至车规芯片上使用,节省了研发周期与适配难度。
(3)从流片费用来看,高通在消费电子领域的出货量平摊了其在汽车座舱领域的研发先进制程的成本。先进制程7nm和5nm芯片的封装和开发成本远高于成熟制程,对于恩智浦或瑞萨这样的传统汽车SOC制造商来说,在没有大量汽车市场芯片需求的情况下,追求先进制程没有经济意义,因此14-28nm节点仍然是他们的旗舰产品解决方案。而高通可以通过手机SOC芯片的规模优势来平摊汽车SOC芯片的开发成本。
消费级芯片是一个非常典型的寡头市场,企业获得先发优势后,可以凭借较大的出货量平摊研发费用。而芯片的高技术壁垒导致研发及流片费用在数千万美元以 上,竞争者很难进入。CPU是英特尔和AMD的天下,GPU是英伟达和AMD的天下,手机(移动)芯片是高通和联发科的天下。拥有消费市场是成为搅局者的重要因素。苹果、特斯拉和华为海思都是凭借自身品牌形象,在手机和汽车领域 拥有相当数量的消费群体后,开始进行芯片自研,这保证了芯片研发费用的分摊以及芯片更新迭代的动力。而汽车芯片是一个全新市场,同消费级产品不同的是, 汽车对安全性、稳定性的要求更高,设计成本和流片成本相应也更高,市场的参与者主要是传统芯片行业巨头、创业公司以及车企。
(4)从汽车内部通讯要求来看,未来智能座舱作为“移动第三空间”,随着APP、 汽车生态逐步完善,对汽车高速通信的要求也会越来越高,那么对芯片基带处理能力的要求也会越来越高。手机基带芯片壁垒之高主要系其他厂商难以绕过高通专利,未来随着手机SOC芯片可以逐步下放到汽车座舱SOC中,预计高通在手机基带领域芯片的领先优势可以进一步复制到汽车座舱领域中。
(5)高通芯片适应安卓系统:车机系统大多是运行安卓系统的衍生版本,高通芯片在手机上已经完全适应安卓系统丰富的应用生态,进行移植适配没有技术障碍。
(6)有本土软件供应商提供服务:高通与中科创达、南京诚迈等本土车企汽车软件服务商合作,他们弥补了高通与车企之间的沟通障碍,对于转型电动车的传统车厂和新入局的造车势力有足够的吸引力。
综上,从全球视角来看,高通已经成为高端/旗舰车型的主流选择。智能座舱是实 现千人千面汽车驾乘体验的重心所在,新势力车企与领先自主品牌车企率先发力,“大屏化”、“多屏化”、“多模态交互”、“一芯多屏”成为座舱发展的热门趋势,伴随着传感器规模的增长与交互模式的复杂化,智能座舱对芯片的算力需求亦水涨船高。座舱高算力需求驱动下,以高通第3代汽车数字座舱平台为代表的高性能处 理器成为领先车企旗舰车型的主流选择,骁龙系列芯片加速上车。
我国智能座舱芯片市场仍处于初期发展阶段。从发展时间上看,在过去小尺寸液晶屏的电子座舱时代,对芯片算力要求不高国产芯片如全志的车机芯片T7曾经一度占到前装车机40%以上;步入智能汽车时代,以地平线发布征程2的高算力芯片为起点计算至今亦仅两年有余,相较海外市场至少存在5年左右差距。从入局厂商看,国产智能座舱芯片积极跟进,并产生了两种模式:
· 模式一是联发科、展锐、海思麒麟等基带芯片公司也在走类似高通的道路,从通信模块芯片跨行进入汽车座舱SOC(系统级芯片)领域。其中华为的智能座舱芯片麒麟系列,包括其2020年发布的710A和去年4月发布的麒麟990A,其中990A目前已经用在北极狐阿尔法S以及比亚迪部分车型中。
· 模式二是以芯驰科技等为代表的汽车芯片创业公司的模式类似苹果手机的SOC,异构处理能力很强,通过外挂基带(t-box)实现车内外通讯功能。
本土厂商加速造芯,但国内座舱芯片竞争格局尚未定型,我们认为未来几年那些 提前布局座舱SOC的厂商将开始享受红利。进入2022年智能座舱SOC的“升级战”正在愈演愈烈,传统的座舱市场芯片格局即将被打破,自主品牌车企已经逐渐开始接受国产芯片,但目前尚未出现市占率特别高的国产座舱芯片厂商,整体竞争格局尚未定型。目前仅几款芯片拿下车企定点,比如芯擎科技旗下首款7nm智能座舱芯片——“龙鹰一号”已经拿下了多款车型定点,预计在今年第四季度实现量产。2021年5月芯驰科技发布16nm工艺的X9智能座舱芯片。2022年3月宣布X9芯片已经获得百万片/年的订单,客户覆盖合资、自主品牌车企和Tier1。地 平线征程 2 已经在长安UNI-K中落地。瑞芯微最新发布的座舱SOCRK3588M其AI算力达到6TOPS,已获得众多合作伙伴的认可,将在未来上市的车型中得以广泛应用。
审核编辑 :李倩
-
芯片
+关注
关注
453文章
50277浏览量
421226 -
神经网络
+关注
关注
42文章
4751浏览量
100445 -
soc
+关注
关注
38文章
4110浏览量
217814
原文标题:汽车SoC芯片迎接大时代
文章出处:【微信号:芯世相新能源,微信公众号:芯世相新能源】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论