汽車AI晶片爭奪戰

2021年，缺芯潮席捲全球，汽車界也不例外。

許多造車新勢力不得不延遲交付，甚至推遲新品發布。

汽車產業正經歷從「機械定義汽車」到「智能定義汽車」的時代，而電動車無論是車載晶片的數量還是質量，都要顯著高於燃油車。隨着新能源車滲透率大幅度提升，智能駕駛漸行漸近，而汽車AI智能晶片正是其中的「核心支點」。

這場缺芯潮，讓車載AI智能晶片的重要性愈發凸顯。

1 黃金賽道

1939年，紐約世界博覽會上，通用汽車公司（GM）用「Futurama」的模擬城市第一次向世人展示了自動駕駛的夢想。

直到2015年前後，汽車行業才看到了實現自動駕駛的希望，並開始探索自動駕駛技術的落地和產業化。如今，行業層面已形成共識：晶片和汽車的大融合，是智能駕駛的前提。

從最早的ECU「行車電腦」，到如今各式各樣的汽車晶片，汽車電子產業的發展突飛猛進。

時至今日，汽車上搭載的晶片可以大致分為三類：AI晶片、控制類MCU和IGBT功率器件。這其中，AI晶片是一輛汽車從「傳統汽車」進化為「智能汽車」的關鍵，它負責着自動駕駛感知、人機交互的計算和處理。

和智能手機的升級換代一樣，智能駕駛等級的逐步提升，對汽車晶片算力提出更高的要求。

傳統的MCU難以滿足智能駕駛的需求，AI晶片才能「挑起大梁」。現階段L2級別自動駕駛計算量為10TOPS（1TOPS代表處理器每秒可進行一萬億次操作），L3級別需要60TOPS，更高級的L4算力將躍升至100TOPS，是L2級別的整整十倍。

相比MCU，AI晶片完全是「降維打擊」，後者的算力得到了躍進式的提升，更能滿足智能駕駛的算力需求。比如，英偉達祭出的Xiavier/Orin/Atlan晶片算力可以達到驚人的30/200/1000TOPS，堪稱「性能怪獸」。

據研究機構預測，汽車MCU的市場空間未來十年翻倍，而汽車AI晶片在未來十年將擁有15倍的增長空間，年複合增長率高達近30%。

預計到2025年，中國汽車AI晶片的市場蛋糕將達到68億美元，2030年為124億美元，年複合增長率預計可達28.14%。

全球市場的增速更快，預計到2030年，全球汽車AI晶片市場將以31%的年複合增速飆升至236億美元。

與此同時，政策面也有明確的時間表。此前頒佈的《新能源汽車產業規劃》中就提出，高度自動駕駛汽車先於2025年在限定區域和特定場景實現商業化；2035年，就要實現規模化應用。

技術迭代，疊加政策面的大力支持，汽車AI晶片成為新能源車下一個「黃金賽道」。

但令人擔憂的是，即便智能駕駛已經提到了國家政策層面，更是我國汽車產業轉型升級的關鍵。但和消費電子領域的晶片一樣，我國在汽車晶片賽場上的「參與感」很低，嚴重依賴進口。

真實的數據更為殘酷：2019年，我國自主汽車晶片規模僅佔全球的4.5 %，汽車晶片對外依賴度高達90%。

就連非常基礎的胎壓監測晶片，直至去年才由四維圖新旗下的傑發科技實現自主研發量產。

這背後，必須要弄清楚汽車晶片和消費級晶片的區別。

汽車晶片的標準高於民用晶片，僅次於軍用晶片。由於使用場景更為複雜，汽車晶片必須耐高温、耐低温、防塵防水防顛，且生命周期要遠遠高於數碼產品，可靠性和耐用性要遠高於消費級晶片。

而且，汽車晶片要具備一定的技術性能，最重要的要滿足車規級的要求，即行業有相關的標準ISO26262、AEC-Q100。

雖然總體而言，汽車晶片技術指標弱於手機晶片，製程工藝上，手機晶片已經向5nm進發，而汽車晶片目前普遍在7nm-180nm之間，但未來車載AI晶片的技術要求將進一步提升；另外，車規晶片的使用要求更加嚴苛，因此在汽車晶片領域，我國一直處於落後狀態，國產化仍然道阻且長。

2 歐美壟斷

目前汽車晶片基本被海外巨頭「卡脖子」，缺芯潮又更加凸顯了這種窘境。

知彼知己，百戰不殆。先來看看國外巨頭的市場格局和發展策略。

在L1-L2低級別輔助駕駛領域，英特爾Mobileye和賽靈思佔據領先地位，Mobileye的市佔率超70%。2020年，Mobileye年出貨量接近2000萬片，賽靈思則超過700萬片。

Mobileye擅長視覺技術，賽靈思擅長感知計算。汽車廠商L2級自動駕駛普遍使用Mobileye的視覺方案+賽靈思的毫米波雷達晶片，這一市場基本被Mobileye和賽靈思「壟斷」。

2017年3月，英特爾以153億美元現金收購了Mobileye；去年10月，AMD宣佈計劃以350億美元收購賽靈思，這筆收購有望在今年底完成。因此，未來在低級別駕駛輔助晶片領域，英特爾和AMD將有望成為兩大巨頭。

在高級別（L2+級以上）領域，英偉達和高通開始加入戰團，並且採取不同的策略。

高通主攻智能駕駛艙領域，由於在消費電子領域的積累，高通可以將其技術優勢進行平移，目前市面主流的智能駕駛艙車機晶片基本都出自於高通。

2014年，高通攜602A晶片殺入車載市場，目前裝車最多的要數高通驍龍820A，驍龍820是2016年高通推出的旗艦手機晶片，820A則是在此基礎上進行車規級的改良。從手機到汽車，高通期望贏者通吃。

雖然當前的820在移動端上已經落伍，但820A依然是車機晶片中的頂級貨，主流車型的首選。

時間來到今年6月，第3代高通驍龍汽車數字座艙平台，已經在吉利星越L上首次實現量產。該款車採用了高通8155車載晶片，採用7nm工藝，性能是820A的三倍，功耗卻是其1/4。

黃仁勳領導的英偉達則是後發制上，依靠強大的技術實力，英偉達在高級別自動駕駛領域遙遙領先。

今年4月12日，在英偉達發布會上，黃仁勳拿出了全新的自動駕駛SoC Atlan晶片，單顆SoC的算力能夠達到1000TOPS，戰力爆表，相比上一代Orin晶片算力提升近4倍，比大多數L4級自動駕駛車輛整車的算力還要強。

基於此晶片，英偉達推出了目前世界上算力最強的自動駕駛晶片方案——Drive AGX Robotaxi。

當然，這樣的算力無疑是過剩的。此前英偉達推出的Orin及Xavier是當下車企搭載的主流，7nm工藝的Orin晶片可實現200TOPS的運算性能，功耗僅為45W，採用12nm工藝的Xavier，算力為30TOPS，功耗僅為30W。

可見看出，英偉達擁有不斷迭代的技術路線，產品序列囊括了Xavier、Orin、Atlan系列晶片，以及Hyperion、Drive AGX系統平台，可支持L2-L5級別的自動駕駛。

特斯拉則是採用自研晶片的「全鏈路」路線，也是軟硬件結合最為成功的車企。自研的FSD晶片已經在Model 3量產，其FSD業務在2020年就進賬10億美元，特斯拉預計FSD未來的收入將會超過賣車。

今年8月，特斯拉發布超級計算機DOJO，算力可達362TOPS，使用7nm工藝，預計2022年量產。

可見，國外科技巨頭在汽車AI晶片領域上演着你追我趕的「軍備競賽」，併為下一代技術做着充足的儲備。

3 中國追趕

國外巨頭已經紮好籬笆，先行出發，並建立起規模、技術、生態等優勢。但靠着巨大的新能源車增量市場，中國企業正加速追趕。

首先是通過資本併購，韋爾股份（603501.SH）併購豪威科技，成為車載CIS（圖像傳感）晶片領頭羊，全球範圍內僅次於安森美半導體；

其次是依靠自有體系快速成長。典型的案例是比亞迪半導體，依靠比亞迪飆升的新能源車銷量，比亞迪半導體快速成長為國內IGBT的領頭羊，目前僅次於英飛凌，在國內IGBT市場佔有率為19%，位居國內廠商第一名。

當然AI智能晶片的難度要遠高於CIS和IGBT，不過，國內企業已經開始構建生態圈，仰仗龐大的新能源車市場，進行合力突圍。比如華為+塞力斯、北汽極狐等；地平線+長安汽車等；零跑+阿里平頭哥……

由於先進製程的5G晶片受限，而車規級晶片壓力較小，華為開始在汽車晶片領域發力，智能汽車業務成為其突破之道。

汽車AI晶片必須和下游汽車廠商通力合作，才能真正實現產業化落地。華為和北汽的合作就十分緊密，11月19日，配置了麒麟990A座艙晶片、鴻蒙OS系統、華為高階自動駕駛ADS系統的北汽極狐阿爾法S華為HI量產版正式亮相。

類似高通，華為將其在消費電子領域的技術積累遷移至汽車領域。而華為在座艙領域和自動駕駛領域都有佈局，分別拿出了麒麟晶片和昇騰晶片。產品應用方面，除了綁定極狐Alpha S華為Hi版和小康塞力斯，聯盟戰友還包括：上汽、吉利、江淮、一汽紅旗、東風汽車等車企。

最後，國內一些企業開始自我研發，蔚來成立了Smart HW項目，新興企業黑芝麻、地平線等都在死磕自動駕駛晶片。

地平線推出的征程5算力達到96 TOPS，製程工藝提升至7nm，對標英偉達Orin、Mobileye EyeQ5。下一代晶片征程6也已投入研發，有望在2024年實現量產。

目前，多家車企已向征程晶片拋出橄欖枝，長安UNI-T、嵐圖FREE、奇瑞螞蟻、上汽智己、傳祺GS4 Plus等車型有望採用地平線的晶片。

成立於2016年的黑芝麻，是汽車自動駕駛晶片領域的新兵，但技術迭代飛速。

黑芝麻推出的基於A1000晶片的級聯FAD方案，最高算力可以達到280TOPS，直接叫板特斯拉的FSD自動駕駛電腦。

今年4月，黑芝麻又拿出了新一代A1000pro，算力將達到106TOPS，刷新了國內自動駕駛計算晶片的算力記錄。

目前，黑芝麻已經和一汽、蔚來、上汽等車企，博世等汽車零部件巨頭，滴滴等網約車平台，以及中科創達等軟件企業展開合作。其中，黑芝麻和一汽紅旗深度綁定，未來有望在紅旗的車型上，看到黑芝麻的產品。

重壓之下，華為、地平線、黑芝麻等國內企業已經開始奮起直追，一些國產替代方案已經開始在國產車上量產落地。

冰河已經開始破裂，但勝利還遠未到來，華為的ADS方案還沒有找到第二個合作伙伴，地平線、黑芝麻、零跑等初創企業才開始發力。除了堆疊算力，軟硬件的結合，商業模式的打造，還處於摸索階段。

而晶片和駕駛體驗的深度融合，甚至智能駕駛和整個智慧交通的同步發展，都將是AI晶片企業需要深度思考的問題。