自动驾驶芯片：中央计算、大模型与领航辅助引领新一轮创新

产业策略自动驾驶系列｜2023.5.28

中信证券研究部

连一席
产业策略
首席分析师
S1010523020002

沈思越产业策略分析师S1010523030001

核心观点

自动驾驶芯片作为智驾系统的底层基石，正伴随汽车智能化趋势的加速迎来行业爆发期。我们认为，中短期来看，随着今年价格战的打响，不同价位车型的智能化方案或有所分化，进而产生对芯片算力和架构的不同需求：1）小算力芯片伴随 L1-L2 功能的快速增长进入规模放量阶段，量产交付能力、安全稳定性和性价比是关键，地平线和 TI 领先地位较为稳固，但仍有新玩家持续入场；2）中算力芯片因高速领航功能放量迎来发展机遇，在需求推动下，场内现有玩家正陆续推出相应产品，展开激烈竞争； 3 ）大算力芯片在“BEV+Transformer”以及“舱驾一体”两大技术趋势下正走向更新架构，格局尚未收敛，英伟达和高通走在变革前列，地平线量产进度领跑国内市场，华为 MDC 或涅槃归来，架构变化下辉羲智能等国产厂商亦有突围机会。

长期来看，我们认为，智能化渗透率将决定需求，中央计算、大模型等新范式将决定技术路线，量产经验、工具链、性价比将决定规模与竞争格局。自动驾驶芯片将是全产业链格局最为稳固、集中度最高的环节，我们判断，全球市场4-5 家、国内市场 3-4 家寡头或有望占据行业 80%-90%以上的市场份额。

小算力芯片（<30TOPS）：伴随 L1-L2 功能的快速增长已进入规模放量阶段，当前地平线和 TI领先地位较为稳固。我们认为，10 万-20 万元的低端车型在降本压力下倾向于追求高性价比智驾方案，中短期内仍将以传统的 L2 功能为主，部分车型或可提供基本的高速领航功能，算力需求在 5-30TOPS。由于小算力芯片的技术壁垒和架构难度较中高算力更低，因此我们认为，芯片厂商的量产交付能力、安全稳定性和性价比将成为车企关注的重点。地平线抓住时间窗口进行国产替代逐渐抢夺 Mobileye 市场，在本土化和先发优势的加持下领先地位已相对稳固；TI 在架构完整度、功能安全性以及成本方面亦有优势，二者领先地位目前较为稳固，但仍有新玩家持续入场。

！中算力芯片（30-100TOPS）：因高速领航功能放量迎来发展机遇，场内现有玩家陆续推出相应产品，皆有突围可能。我们认为，处于 20 万-30 万元价格带的车型，一方面面临特斯拉 Model 3/Y 的直接竞争，成本压力尤为明显，另一方面也需一定的智能化程度以打造差异化特征。因此，车企逐渐回归理性，不再一味参与大算力芯片军备竞赛，但同时又希望实现较优的高速领航功能，算力需求或在 30-80TOPS。此前，中算力芯片市场相对空白，以英伟达 Xavier 为主，但随着高速领航功能的放量，需求开始有所上升。目前来看，英伟达 Xavier和 Orin NX/Nano、TI TDA4VH 以及黑芝麻 A1000 已瞄准该市场开始出击，但同时也不排除地平线等其他厂商未来推出相应产品以完善产品矩阵的可能。因此整体而言，我们认为，中算力芯片市场的较量才刚刚开始。与小算力和大算力相比，中算力市场或对芯片厂商的综合能力有更高要求，场内现有玩家皆有突围可能。

大算力芯片（>100TOPS）：“BEV+Transformer”以及“舱驾一体”两大技术趋势驱动下走向更新架构，格局尚未收敛。我们认为，30 万元以上的高端车型将由用户价值驱动，持续发力城区领航，算力需求超 200TOPS。目前，大算力芯片正面临两大技术趋势：1）中短期看，城区领航对自动驾驶感知算法提出更高要求，“BEV + Transformer”已开始引领自动驾驶感知范式；2）长期看，伴随跨域融合+中央计算式架构，支持“智能驾驶+智能座舱”的舱驾一体多域计算控制架构或成为终局需求。自动驾驶芯片在上述两大趋势的驱动下开始走向更高算力和更新架构。我们认为，大算力芯片市场格局尚未收敛，目前英伟

每日免费获取报告

1、每日微信群内分享7+最新重磅报告；

2、每日分享当日华尔街日报、金融时报；

3、每周分享经济学人

4、行研报告均为公开版，权利归原作者所有，起点财经仅分发做内部学习。

扫一扫二维码
关注公号
回复：研究报告
加入“起点财经” 微信群。。

达和高通走在变革前列，地平线量产进度领跑国内市场，华为 MDC 或涅槃归来，架构变化下辉羲智能等国产厂商亦有突围机会。

！投资建议：我们认为，中短期内，汽车智能化和领航辅助功能的发展呈现两大趋势。一方面，中低端车型在成本压力下倾向于追求更高性价比的智驾方案，利好成本控制能力强的算法玩家和具备量产经验的芯片供应商，地平线（未上市）目前持续领先。另一方面，高端车型追求打造标杆性的智能化标签，或将持续发力城区领航，利好大算力芯片。其中，英伟达（NVDA.US）和高通（QCOM.US）引领技术变革，地平线（未上市）、黑芝麻（未上市）有望开启国产替代，辉羲智能（未上市）等新玩家在架构变化下亦有机会。此外，自动驾驶芯片加速上车，与芯片厂商深度合作的域控玩家和合作伙伴也有望受益。我们看好地平线继续巩固市场地位，建议关注地平线的合作伙伴：福瑞泰克（未上市）、宏景智驾（未上市）、觉非科技（未上市）、天准科技（688003.SH）、英恒科技（01760.HK）、映驰科技（未上市）、科博达（603786.SH）等；以及英伟达的深度域控合作伙伴德赛西威（002920.SZ）。

风险因素：自动驾驶渗透率不及预期；中美贸易摩擦加剧，中国芯片厂商的 ARM方案授权和台积电代工受限；中国芯片厂商针对舱驾一体等新趋势的技术进步不及预期；全球宏观经济复苏放缓等。

复盘：英伟达通用型 GPU先声夺人，地平线把握时间窗口进行国产替代. . 5
背景：汽车 EE 架构向集中化演进，催化智驾 SoC 芯片需求.. . 5
格局：行业格局未定，英伟达引领中高端市场，地平线异军突起. . 7
展望：小算力芯片需求保持强劲，大算力芯片走向更新架构 .. .. 10
中短期车企智能化策略因产品定价出现分化，算力需求有所不同. .. 10
小算力芯片：量产交付、安全稳定和性价比是关键，地平线和 TI 领先地位较为稳固 ....12
中算力芯片：高速领航带来发展机遇，各玩家皆有突围可能. .. 23
大算力芯片：BEV/Transformer+舱驾一体驱动芯片走向大算力&新架构. .. 26
市场空间：中国自动驾驶芯片市场 2030 年有望超 700 亿元. .. 45
风险因素 .... 47
投资建议 ... .48

插图目录

图 1：汽车电子电气架构变革. 6
图 2：车企新一代电子电气架构梳理. .. 6
图 3：2022 年 1-9 月中国市场乘用车前装标配智能驾驶域控制器芯片搭载上险量排名（万
颗）... .. 8
图 4：行业主流自动驾驶芯片产品与对应计算平台参数比较 . 8
图 5：主流自动驾驶芯片厂商产品推出时间节点及性能. ... 9
图 6：主流自动驾驶芯片平均售价与对应车型价格区间. . 11
图 7：自动驾驶能力提升催化芯片算力需求.. .. 12
图 8：领航辅助是智能辅助驾驶的发展趋势. .12
图 9：国内小算力芯片市场主要玩家（地平线、Mobileye、TI、芯驰科技、寒武纪行歌）
SWOT 分析.. ... 13
图 10：地平线征程系列芯片路线图.. .. 15
图 11：地平线 X3 架构图（X3 与 J3 属于同代芯片，架构相似，分别面向人工智能物联网
和自动驾驶两个领域） .. 15
图 12：地平线天工开物 AI 工具链.. .. 16
图 13：地平线艾迪 AI 软件开发平台. . 16
图 14：2022 年地平线在各价格带车型市占率测算. .. 16
图 15：TDA4VM 架构图 . .. 17
图 16：单地平线 J3+外挂 MCU（英飞凌 TC397）架构框图. . 18
图 17：基于 TI TDA4 的域控制器方案梳理. . 18
图 18：部分 OEMs 自动驾驶车载芯片更迭情况 . . 19
图 19：Mobileye EyeQ 系列芯片迭代史. .. 19
图 20：EyeQ 系列交付量与同比增速（万颗） . 20
图 21：Mobileye 历年营收与同比增速（亿美元） .20
图 22：黑芝麻自研车规级图像处理核心 ISP – NeurallQ ISP . .. 20
图 23：黑芝麻自研车规级神经网络加速器 NPU–DynamAI NN 引擎.. ... 20
图 24：爱芯元智主要芯片产品核心参数... ... 21
图 25：芯驰科技 V9 芯片架构图... ... 22
图 26：寒武纪行歌 AI 开发工具链 . ... 23
图 27：国内中算力芯片市场主要玩家（英伟达、黑芝麻）SWOT 分析.. ... 24
图 28：英伟达 Xavier NX 架构图. ... 24
图 29：英伟达 30-100 TOPS 算力芯片产品矩阵. .... 25
图 30：黑芝麻 A1000 SoC 系统架构图 . ... 25
图 31：基于 TDA4VH/TDA4VM Plus 的 10V5R 行泊一体方案 . ... 26
图 32：各车企城区领航功能发布情况.. ......... ... 27
图 33：城区场景难点及领航策略示意图.... .... 27
图 34：摄像头图像信息和激光雷达点云数据向 BEV 3D 空间融合转化流程图. ..... 28
图 35：Tesla 基于 Transformer 的 BEV Layer 实现方案.. ... 29
图 36：英伟达 Grace Hopper 超级芯片架构图. .... 30
图 37：特斯拉 FSD SoC 架构图. ..... 30
图 38：模型参数规模持续扩大带动更大容量内存需求. .... 31
图 39：舱驾一体化演进趋势. .... 33
图 40：特斯拉在单个中央计算平台（CCM）中集成了智驾和座舱模块，但部署在不同 PCB
板上..... ... 33
图 41：主流芯片架构与算力参数对比.. .... 34
图 42：大算力芯片市场主流玩家（英伟达、高通、地平线、黑芝麻、辉羲智能、华为）
SWOT 分析 .......... ..... 35
图 43：英伟达 Thor SoC 架构加入 Transformer Engine . .... 37
图 44：英伟达 Thor SoC 支持多域并行..... ..... 37
图 45：英伟达提供全栈自动驾驶开发平台 Nvidia Drive ...........................................
图 46：英伟达构建庞大的开发者生态.. ... 37
图 47：高通 Snapdragon Ride 产品迭代趋势. ........................................... .... 38
图 48：高通 Snapdragon Ride 架构图.. .... 39
图 49：高通 Cloud AI 100 架构图 . ................................ .... 39
图 50：高通 Snapdragon Ride Flex SoC 支持舱驾一体 ................................................. 39
图 51：地平线 J5 架构图 . ..... 40
图 52：地平线 J5 计算效率表现突出 . .... 41
图 53：地平线 BPU 纳什架构 . ..................................... .... 41
图 54：地平线征程 5芯片生态合作圈 ..................................................... ..... 42
图 55：黑芝麻武当跨域计算平台 C1200 特性 ................................................................ 43
图 56：武当系列 C1200 原型机... .... 43
图 57：辉羲智能首款 R1 芯片概况.. ......................................................... ..... 44
图 58：辉羲智能创始团队背景.. ..... 44
图 59：华为 MDC 计算平台产品矩阵 . .... 45
图 60：华为 MDC 整体架构图. .............................. ..... 45
图 61：2022 – 2030E中国自动驾驶芯片市场规模测算. ..... 47
图 62：自动驾驶芯片主要域控和硬件合作伙伴以及产品进展 . .... 49

复盘：英伟达通用型 GPU 先声夺人，地平线把握时间窗口进行国产替代

背景：汽车 EE架构向集中化演进，催化智驾 SoC芯片需求

汽车电子电气（E/E）架构从分布走向集中，自动驾驶芯片以 SoC为主流。伴随着汽车智能化、网联化、电气化的深入，低效的传统分布式架构已无法满足升级需求，汽车电子电气架构逐渐从分布走向集中，以减少车辆线束，提高内部信息流转效率。传统分布式架构下，汽车各功能模块相互独立，仅需 MCU 芯片即可满足所需算力。而当电子电气架构向集中式演进，算力亦趋向于集中，仅依靠传统 MCU 已难以满足计算需求，也因此催化了 SoC 芯片的发展。当前，自动驾驶芯片以 CPU、GPU 以及 NPU 等 AI 加速器组成的SoC 芯片为主流，并作为算力平台集成在域控制器中，从而加速智能汽车走向跨域融合。

各大主机厂基于下一代电子电气架构的车型将于 2023 年起逐步推出。特斯拉在 EE架构变革中是引领者，在定义 Model Y 车型时直接跳过“域集中式 EE 架构”，直接进化至“中央+区域 EEA”的“准中央计算式”。2022 款 Model Y为中央计算模块 CCM+左车身控制模块+右车身控制模块设计，其中 CCM（Central Computing Module）模块整合ADAS（Advanced driver-assistance system）域和座舱娱乐域。当前国内各大传统主机厂与新势力均加速布局，总体看在硬件上采用中央计算+区域控制架构方案，软件上采用 SOA（Service-oriented architecture）软件架构的设计理念。

我们总结各电子电气架构的特点如下：

 分布式：各模块功能划分明确，软硬件强耦合，各模块可独立开发，但无法共用单个 SoC，且无法做到冗余，分布式架构需要大量线束支持内部通信，加剧线束成本。此外，各子模块更新需要各供应商提供，迭代效率相对低下。

 跨域集中式：将分散的 ECU 集中至底盘、动力、座舱、智驾域中，从而减少内部通信所需的线束成本，未来将逐步简化为智驾域、座舱域、车控域。此外软硬件可逐步解耦，具备一定后期 OTA灵活性。

 中央计算式：进一步简化架构，显著降低线束成本，引入 SOA化设计开放软件平台，实现软硬件解耦，各功能域共用一个中央计算平台。未来车载计算平台也有望与云计算相结合，实现车-云一体化。同时，中央集中式架构也将真正实现“舱驾一体”，这也对车载 SoC 芯片提出更高性能、安全等级与集成度的要求。

图 1：汽车电子电气架构变革
过去：分布式ECU架构

资料来源：高通官网，中信证券研究部

未来：中央计算式架构

图 2：车企新一代电子电气架构梳理

公司	EE架构类型	EE架构名称	架构硬件组成	量产车型	计划推出时间
特斯拉	准中央集中式		中央计算平台 (三个域控制器) +三个区域控制	Model 3、 Model Y	2019年
大众	跨域集中式	MEB平台（E1.1)	车辆控制域、智能驾驶域（开发中）、智能座舱域+区域控制	ID4	2023年推出PPE 平台 (E1.2)
小鹏	准中央集中式	X.EEA3.0	中央计算平台 (三个域控制器) +区域控制	G9	2022年
理想	准中央集中式	LEEA3.0	中央计算平台 (三个域控制器) +区域控制	800V纯电平台	2023年
长城	准中央集中式	GEEP4.0	中央计算平台 (三个域控制器) +三个区域控制	全新电动、混动平台	2022年
上汽零束	准中央集中式	银河全栈3.0技术	中央计算平台 +四个区域控制	智己、飞凡	2024年
广汽星灵	准中央集中式	星灵架构	中央计算平台 (三个域控制器) +四个区域控制	广汽埃安新车型	2023年

资料来源：各公司官网（含计划），中信证券研究部

格局：行业格局未定，英伟达引领中高端市场，地平线异军突起

自动驾驶芯片历经 10 年发展演变，国内格局发生较大变化。我们对其发展历史及格局变化进行复盘，从 2014 年至今可分为两大阶段：

2014-2018 年：玩家以 Mobileye、英伟达和传统 MCU 厂商为主，自动驾驶功能尚处早期，行业内入局者较少。该阶段汽车仍以分布式 E/E 架构为主，自动驾驶功能等级处于 L0-L2，用智能前视一体机即可实现智驾需求，对芯片算力需求不高。Mobileye 长期深耕视觉 ADAS，自研“视觉算法+芯片”的软硬一体方案，凭借 EyeQ3/Q4 迎合市场需求，在该阶段占据了 L1-L2 视觉 ADAS 芯片市场，营收增速迅猛。同时，传统 MCU 厂商例如瑞萨、TI等厂商搭载于博世方案，也占据大量市场份额。英伟达以通用 GPU架构为基础，于2016年推出Tegra ParkerSoC，搭载于特斯拉 HW 2.0 平台，正式将 GPU 路线的自动驾驶 SoC 推向市场，但该阶段的智驾 SoC 技术迭代仍较慢。

2019-2022 年：行业发展提速，英伟达引领高算力市场，地平线抓住时间窗口进行国产替代。2019 年，特斯拉第一代自研 FSD 芯片成功，车企开始重视打造软硬结合的自动驾驶能力，自动驾驶芯片行业亦进入快速发展期。

在低算力（30TOPS 以下）市场，地平线抓住时间窗口进行国产替代，逐渐抢夺Mobileye 的市场份额。2019 年，地平线抢先发布 J2 芯片（4 TOPS），并于 2020年实现量产，搭载于长安主力车型 UNI-T。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。地平线于当年实现了 J3 芯片（5 TOPS）的量产，自此在自动驾驶领域积累了先发优势，并凭借更开放的生态逐步侵蚀 Mobileye 在国内的市场份额。据高工智能汽车（微信公众号，除非特别说明，下同）数据，2022 年 1-9 月，地平线在中国市场乘用车前装标配智能驾驶域控制器芯片的出货量已跃居第二，仅次于特斯拉，Mobileye 则跌至第三。除地平线和 Mobileye 外，TI、赛灵思、瑞萨等芯片厂商的 SoC 亦占有一席之地。

在中高算力（30TOPS 及以上）市场，英伟达基于领先的 GPU 架构先声夺人，地平线则有望将国产替代的脚步带向中高端市场。英伟达 2020 年针对 L2 市场发布 Xavier 芯片（30TOPS），搭载于小鹏 P7/P5 等车型；2022 年又推出大算力Orin 芯片（256 TOPS），再次引领行业占据主流中高端车型市场，是此前所有瞄准 L2+高阶辅助驾驶车型的选择。而地平线于 2022 年推出 J5芯片（128 TOPS）并上车理想，希望以更高的性价比和更优的本土化服务与英伟达展开同台竞技。此外，高通、黑芝麻、辉羲智能等一众玩家也将于今明两年正式加入中高算力芯片的角逐赛。

图 3：2022年 1-9月中国市场乘用车前装标配智能驾驶域控制器芯片搭载上险量排名（万颗）

资料来源：高工智能汽车，中信证券研究部

图 4：行业主流自动驾驶芯片产品与对应计算平台参数比较

芯片

地平线

黑芝麻

英伟达

A1000

A1000 L

A1000 Pro

C1200

Xavier

Orin Nano

Orin NX

Orin x

Thor

AI算力 (TOPS)

128

数百

106

20/40

70/100

254

2000

功耗（w）

2.5

10-15

10-25

制程

28nm

16nm

预计7nm

16nm

7nm

12nm

预计8nm

7nm

预计4nm

量产时间

2020

2021

2022

2023E

2024E

2023E

2024E

2020

2023E

2022

2024E

芯片

高通晓龙Ride Flex

特斯拉 FSD 1.0

FSD 2.0

EyeQ4H

Mobileye EyeQ5H

EyeQ

TI TDA4VM

TDA4VH/

辉羲智能 R1

芯驰科技 V9P

寒武纪行歌 SD5223

爱芯元智 AX630A

AX620A

AI算力 (TOPS)

600+

预计 200+

2.5

Ultra 176

TDA4VP 32/24

260+

3.6

功耗（W)

<100

5-20

~5w

~3w

~1w

制程

预计4nm

14nm

7nm

28nm

7mm

5nm

16nm

预计7nm

16nm

量产时间

2024E

2019

2023

2018

2021

2024E

2020

2023E

2024E

2023E

2022

计算平台	地平线		黑芝麻 FAD	特斯拉 FSD HW 3.0	英伟达		高通骁龙Ride	华为
计算平台	Matrix 2	Matrix 5	黑芝麻 FAD	特斯拉 FSD HW 3.0	DRIVE AGX Orin	DRIVE PX Pegasus	高通骁龙Ride	MDC 610	MDC 810
算力 (TOPS)	40	512	16-280	144	2000	320	360	200+	400+
功耗（W)	20	~100	5-60W	100	750	460	65	/
算力功耗比 (TOPS/W)	2	~5	~4.5	1.44	2.67	0.7	~5	/	/
计算处理器	4征程2	4征程5	单A1000L 4 A1000	2 FSD+1 GPU	2 Orin + 2 GPU	2 Xavier + 2 GPU	SA8540P + SA9000P AI加速器	昇腾610	昇腾610
量产时间	/	/	/	2019	/	/	2023E	2022	2022

资料来源：各公司官网，中信证券研究部；注：图中量产时间为首款车型的量产时间，包含公司规划时间和制程；华为不披露单 SoC性能参数，以 MDC计算平台为主

图 5：主流自动驾驶芯片厂商产品推出时间节点及性能

资料来源：各公司官网，中信证券研究部

注：黑芝麻 A1000系列已于 2022年量产并送样 Tier 1与车企，但实际量产上车时间在 2023/2024年；爱芯元智 AX630A已在边缘计算领域落地，但尚未正式量产上车；尚未上车芯片的量产上车时间为各公司规划

▍ 展望：小算力芯片需求保持强劲，大算力芯片走向更新架构

中短期车企智能化策略因产品定价出现分化，算力需求有所不同

我们认为，中短期来看，随着今年车企价格战的打响，前几年一味堆料堆硬件的趋势将告一段落，务实和高性价比将是决赛圈存活的关键。也因此，车企智能化策略或因产品定价出现分化：

1) 10-20 万元车型：追求高性价比智驾方案，算力需求在 5-30TOPS。特斯拉降价导致国内车企成本压力倍增，加速行业洗牌。我们认为，成本压力下，10-20 万元的低端车型倾向于追求高性价比智驾方案，中短期内仍将以传统的 L2 功能为主，部分车型或可提供基本的高速领航功能，算力需求在 5-30TOPS。传统 L2功能仅需 10TOPS 左右即可满足需求。而高速领航作为 L2+的代表功能，算力配置亦在下探。例如 2021 款理想 ONE 和上汽第三代荣威 RX5 智驾版仅分别搭载了 2 颗和 3 颗地平线征程 3 芯片，即 10 和 15TOPS 的算力。因此，高速领航功能已开始渗透至吉利博越 L、上汽荣威 RX5等 20 万元以下的车型。尽管在安全冗余性和体验流畅度上或有所欠缺，但也可满足功能的基本需求。但业内普遍认为，高速领航若想要“好用”，即提供更高的冗余性和更平滑流畅的驾驶体验，仍需更高算力的支持，30-60TOPS 的中算力芯片或更为合适。

2) 20-30 万元车型：高速领航渐成标配，降本压力下车企对硬件配置趋于理性，判断算力需求在 30-80TOPS。处于该价格带的车型，一方面面临特斯拉 Model 3/Y的直接竞争，成本压力尤为明显；另一方面也需一定的智能化程度以打造差异化特征。我们认为，高速领航有望逐渐成为此价格带车型标配，且相较于低端车型，可以以相对更高的硬件配置提供更优的驾乘体验，但车企在降本压力下也将趋于理性，不再一味堆砌硬件和算力，因此预计算力配置将普遍上升至 30-80TOPS，中算力芯片有望成为主流选择。

3) 30 万元以上车型：追求更佳的智能化体验，芯片走向大算力&新架构。我们认为，30 万元以上的高端车型受价格战影响相对较小，主机厂追求打造标杆性的智能化标签，或将持续发力城区领航，当前算力配置普遍超 200TOPS。为了实现效果更佳、体验更优的领航功能，“BEV+ Transformer”开始引领自动驾驶感知范式；长期看，“舱驾一体”也有望成为智能汽车 E/E 架构演变的终局。在上述两大技术趋势的驱动下，自动驾驶芯片开始走向大算力&新架构。

图 6：主流自动驾驶芯片平均售价与对应车型价格区间

公司	芯片计算平台	算力 (TOPS)	平均售价（美元）	车型（搭载颗数）	车型价格区间（元）	规划量产上车时间
英伟达	Xavier	30	~150	小鹏P5/P7E&P版（1）	18W-25W	2020
	Xavier	30	~150	智己L7（1）（四驱版可后期升级Orin）	33W-40W	2020
	Orin X	254	~400	理想L9 Max/L8 Max (2）	40-50W	2022
				蔚来ET5/ET7（4） 2023款蔚来ES8、EC7（4)	33W-54W 49W-60W
				小鹏G9 Max/上市纪念版（2）	35W-47W
				小鹏P7i(Max2颗、Pro版单颗）	25W-35W
				飞凡R7（旗舰版2颗、Pro版单颗）	22W-29W
				智己LS7（1）	31W-46W
Mobileye	Thor	2000	~1100 （预估）	极氪下一代智能电动车型	不详	2024E
	EyeQ4H	2.5	~50	2023款以前蔚来ES8/EC6	53W-64W	2018
				小鹏G3i（1）	15W-18W
				长城WEY摩卡智享版/性能版（1）	30W-32W
				飞凡R7霸屏版（1）	20W-22W
	EyeQ5H	24		~100	极氟001/009 （2）	30W-60W 2021
TI	EyeQ UItra	176	不详	宝马ix (2）不详	75W-100W 2024E
			~70	吉利博越L	13W-17W
	TDA4VM	8		哪吒S（除激光雷达版外，搭载2颗）	18W-34W
	TDA4VH	32	~150	不详
高通	TDA4VM Plus	24	不详	不详		2023E
高通	晓龙Ride平台	360	~150	长城WEY摩卡DHT-PHEV激光雷达版宝马2025年后车型	>30W	2023E
地平线	骁龙Ride Flex	600+	不详	不详	不详	2024E
	J2	4	20-30	奇瑞大蚂蚁（1）	18W	2020
		4		长安 UNI-K/UNI-V (2)	11-18W
		东风岚图FREE（1）			31W-33W
				江淮思皓爱跑
				理想One（2）	15W-18W 35W
	J3	5	~50			2021
					哪吒U-I	15W 10W
					上汽荣威RX5（3）
比亚迪汉					21W-30W
黑芝麻		J5	128	~200	理想L7/L8Pro 领克08 (2)	32W-36W 不详	2022
	A1000	58	~100	江汽思皓旗下多款车型	不详	2023E
				东风汽车（S新能源平台）	不详
	A1000L	16	不详	一汽红旗E001、E202	不详	2024E
	A1000 Pro	108	不详	不详		2023E
华为				广汽埃安LX Plus 80D Max版	42W	2022/
	MDC 610	200+	不详	哪吒S715激光雷达版	32W	2023E
				长城机甲龙（2）	49W	2022
				北汽极狐阿尔法S Hi版	40W-43W
				长安阿维塔11	32W-41W
辉羲智能	R1	260+	不详不详	不详
						2024E

资料来源：各公司官网，佐思汽车研究，中信证券研究部；注：括号内数字标注为搭载的芯片颗数，芯片价格为大致区间

图 7：自动驾驶能力提升催化芯片算力需求

资料来源：中信证券研究部绘制（含预测）；注：传感器配置为主流车型大致配置区间

图 8：领航辅助是智能辅助驾驶的发展趋势

AEB（Automatic Emergency Braking）= 自动紧急制动系统；ACC（Adaptive Cruise Control）= 自适应巡航控制;

LKA（Lane Keeping Assist）=车道保持辅助系统；ALC（Auto Lane Change）= 自动变道辅助;

ICA（Integrated Cruise Assist）=集成式巡航辅助系统= ACC+LKA（6Okm/h以上）;

TJA（Traffic Jam Assist）=交通拥堵辅助=ACC+LKA（60km/h以下）；

HWA（Highway Assit）=高速公路辅助；领航辅助=NOA（Navigate on Autopilot）= 点对点的领航驾驶

资料来源：盖世汽车研究院，中信证券研究部

小算力芯片：量产交付、安全稳定和性价比是关键，地平线和 TI 领先地位较为稳固

中短期来看，小算力芯片有望伴随 L1-L2 功能的快速增长进入规模放量阶段。我们认为，车企将更倾向于量产经验丰富、交付能力强、安全稳定性高且性价比突出的芯片厂商，地平线和 TI当前领先地位较为稳固，但仍有新玩家持续入场。

过往辅助驾驶以基础 L0-L2 功能为主，智能前视一体机即可实现，以 Mobileye、博世、大陆、赛灵思的方案为主。而伴随轻量级行泊一体以及基础高速领航功能渗透率的提升，我们认为，集成 SoC 芯片的小算力域控平台将成为主流。由于小算力芯片的技术壁垒和架构难度较中高算力更低，因此我们认为，芯片厂商的量产交付能力、安全稳定性和性价比将成为车企关注的重点。地平线凭借先发优势、生态圈建立和本土化服务有望持续走在国内小算力芯片市场的前列；TI 主推的 TDA4VM 在功能完整度和车规可靠性上有较大优势，且实现了小算力芯片中少有的单 SoC 行泊一体方案，有望持续保持高竞争力。Mobileye由于黑盒方案难以满足行泊一体等开发需求，未来或仍将主要针对 L1-L2 需求，将成熟的感知算法内嵌至芯片中打包出售，对自研能力较弱的车企更为友好。此外，以芯驰科技、寒武纪以及爱芯元智为代表的厂商，此前在其它应用场景积累了较为丰富的量产交付经验，未来亦有机会切入智驾芯片市场，对地平线和 TI 形成竞争压力。

图 9：国内小算力芯片市场主要玩家（地平线、Mobileye、TI、芯驰科技、寒武纪行歌）SWOT分析

芯片厂商	优势Strength	劣势Weakness	机会Opportunity	威胁Threat
地平线 J2 4T J3 5T	J2、J3出货量走在国内前列，量产进程领先－自研BPU架构，与算法深度适配, 实现高效的AI计算效率本土化服务能力强，提供类英伟达的开发工具链，打造与主机厂 +Tier1的开放生态圈	J2、J3算力以及感知算法开放性弱于TDA4 芯片架构中CPU算力较弱且缺少GPU，难以实现单芯片行泊一体	随着算法逐步固化，ASIC的计算效率优势或将凸显在国产替代逻辑下，更多国内车企或倾向于地平线	面临Mobileye、TI等厂商竞争
TI TDA4VM 8T	架构高集成度可有效提升开发效率核灵活性 -能够做到单SoC行泊一体方案具备长期车企、Tier1合作基础，－在中国的本土化服务能芯片车规可靠性高	TDA4最高20W功耗，发热严重，需要域控厂商具备丰富的工程经验力或弱于地平线	德赛西威、福瑞泰克、百度均基于TDA4开发并量产行泊一体方案，未来更多Tier 1有望研发基于TDA4的域控方案	面临地平线、 Mobileye等厂商竞争国产替代逻辑下，国内车厂对公司产品性能或性价比要求更高
Mobileye EyeQ4H 2.5T	视觉算法输出精度行业领先，经过长期量产车规可靠性考验 “视觉算法+芯片”的智能前视一体机方案高性价比且高效	EyeQ4H芯片算力以及－从EyeQ5开始逐步开放生态竞品芯片“黑盒”方案不符合趋势	开放性弱于地平线、TI。在低价格带车型中，软硬件一体化方案具备开发简便与高性价比优势，仍将在中短期维持较高渗透率	面临地平线、TI等厂商竞争国产替代逻辑下，国内车厂对公司产品性能或性价比要求更高
黑芝麻 A1000L 16T	A1000L功能完整性突出，能够实－A1000L尚未真正量产，现单SoC行泊一体方案 -自研图像感知ISP和神经网络加速器NPU，提升运算效率	相较于地平线、TI商业化较慢，实际表现仍待验证	2023年获得一汽红旗 FEEA3.0架构平台定点，打造行泊一体与控制器；双方基于A1000L研发的E001和 E202最快2024年量产落地	面临地平线、TI等厂商竞争
爱芯元智 AX630A 8T AX620A 3.6T	成功研发并量产了两代四颗端侧、边缘侧AI视觉感知芯片，在智慧城市、智慧交通、智慧制造等领域具有丰富的量产交付经验，工具链完善	尚未有车端量产交付经验，车规能力有待验证	2022年8月参与ADAS解决方案商MAXIEYE的C1轮战略融资，双方后续或有上车合作获腾讯、美团、联想等互联网巨头投资加持	地平线、TI、 Mobileye已具备丰富的智驾芯片车企合作和量产交付经验
芯驰科技 V9P 20T	公司智能座舱、中央网关和MCU 芯片出货量总计超百万，丰富量产经验有望加速V9P落地座舱芯片对标高通，与车企构建完善软硬件生态，有助于开拓智驾市场 V9P具备高性能、高集成，单芯片支持行泊一体	－V9P尚未正式量产上车. 实际表现有待验证公司产品覆盖域控、座舱、智驾和网关芯片，能否合理化分配资源是关键	－与上汽深度合作已绑定德赛西威、东软睿驰等Tier1	－地平线、TI、 Mobileye已具备丰富的智驾芯片车企合作和量产交付经验
寒武纪行歌 SD5223 16T/6T	丰富的云端AI芯片开发&量产经验，- 能够提供云边端一体的统一生态架构，以及较完善的开发工具链，有助于车端芯片加速量产	智驾芯片尚未正式量产上车，相较于头部玩家商业化进程较慢，实际表现有待验证	：与一汽签订战略合作协议战略投资人包括蔚来、上汽、宁德时代等头部公司	地平线、TI、 Mobileye已具备丰富的智驾芯片车企合作和量产交付经验

资料来源：各公司官网，中信证券研究部

地平线：J2/J3 率先卡位小算力芯片市场，具有先发优势，有望持续受益于国产替代浪潮，走在国内小算力芯片市场的前列。

抓住国产替代时间窗口，具有先发优势，本土化服务能力领先。地平线 J2/J3 芯片分别具备 4/5 TOPS算力，在推出时瞄准 Mobileye 所在的 ADAS市场，且相比于 Mobileye EyeQ4 具备更高算力与开放性，因此凭借芯片产品力、较完善的工具链以及本土化服务能力，在供应链安全可控背景下，迅速受到众多有软件算法自研需求的本土车企青睐。据高工智能汽车数据，2022 年 1-11 月，地平线芯片在国内市场的出货量已位列第二，超越 Mobileye，仅次于特斯拉。

自研 NPU 架构，深度适配软件算法，实现高效的 AI 计算。针对 10 万-20 万元价格带车型，主机厂追求高性价比方案，芯片需要平衡好性能、功耗与成本三者关系。地平线 J3 基于自研 BPU 2.0 架构，CPU+ASIC 路线相较于英伟达为代表的 GPU 方案，能够用仅 2.5W 的功耗，实现 5 TOPS 的算力，且公司主打软硬协同开发，芯片的实际算力的利用率相对较高。BPU（Brain Processing Unit）是地平线自研的创新性嵌入式人工智能处理器架构，即 ASIC，也是地平线征程系列 AI 的核心竞争力，可将算法集成在智能计算平台上，提供设备端上完整开放的软硬结合智能解决方案。

打造相对完善易用的工具链，并积极构建产业生态圈。地平线推出全链路 AI 开发平台——Horizon OpenExplorer 天工开物与艾迪 AI 开发平台，兼顾高效与开放两大原则，便于车企基于地平线的硬件平台开发软件与算法。其中，天工开物AI 工具链基于地平线自研的 BPU 处理器架构，能够整合各异的计算需求，提供与芯片架构结合的编译优化工具集，以保障计算资源的充分利用，提供对模型训练、优化编译到应用部署的 AI 开发全流程支持，并支持 MXNet、TensorFlow、Pytorch 等社区框架。同时，地平线还推出了 TogetherOS 车载操作系统，并开放授权 BPU 技术架构 IP，允许车企开发部分芯片，打造开放的生态。

地平线市场份额测算：根据地平线披露的量产车型合作，我们测算地平线 2022年在 10-20 万/20-30 万/30 万元以上车型（具备 L2 及以上智驾功能）的总市占率分别约为 10%/15%/1%。但需要指出的是，当前大部分 L2 车型仍以瑞萨、Mobileye 以及博世等传统低算力系统为主。如若只考虑搭载 L2+ NOA功能的车型，根据高工智能汽车数据，地平线 2022 年的市占率达到 49.05%，位列行业第一。展望未来，地平线于 2023 年上海车展密集宣布与比亚迪、大陆集团、采埃孚等新的合作。我们认为，地平线在 10-20 万元车型的领先地位较为稳固，未来市占率将迅速提升，有望达到 30%-50%水平；而在中高端车型市场，地平线也有望凭借大算力芯片先发优势与本土化适配能力，与英伟达等头部厂商竞争，稳固提升市占率。

但也须注意的是，地平线 J2/J3 由于 CPU 算力较弱且缺乏 GPU，难以独立实现行泊一体方案，而对比 TI 的 TDA4VM 已成功实现单 SoC 的轻量级行泊一体方案，未来或将是小算力芯片领域地平线的最大竞品之一。

图 10：地平线征程系列芯片路线图

资料来源：地平线公司官网

图 11：地平线 X3架构图（X3与 J3属于同代芯片，架构相似，分别面向人工智能物联网和自动驾驶两个领域）

资料来源：地平线公司官网

图 12：地平线天工开物 AI工具链

资料来源：地平线公司官网

图 13：地平线艾迪 AI软件开发平台

资料来源：地平线公司官网

图 14：2022年地平线在各价格带车型市占率测算

价格区间区间销量与L2及以上渗透率		车型	搭载 2022年销量芯片（千辆）		单车搭载颗数	芯片出货量（千颗）	单芯片价格（美元）	芯片收入（万美元）
		车型	搭载 2022年销量芯片（千辆）		单车搭载颗数	芯片出货量（千颗）	单芯片价格（美元）	芯片收入（万美元）
10-20万	总销量（辆）：~1100万 L2及以上渗透率：~30%	奇瑞大蚂蚁长安 UNI-K	J2	0.3K 29.7K	1 2	~0.3k ~60k	~30	~1
		长安 UNI-V	J2	108.8K	2	~220k	~30	~840
		江淮思皓爱跑	J2	3.7k	1（推测）	~4k	~30	~12
		哪吒U-I	J3	51.0k	1（推测）	~50k	~50	~250
		上汽荣威RX5	J3	80.6k	3	~240k	~50	~1200
	吉利博越L	J3	31.7k	1	~32k	~50	~160
	合计：			~300k		~600k		~2500
			市占率：~10%		（300/ (11000*0.3））
20-30万	总销量（辆）：~350万	理想One	J3	78.8k	2	~160k	~50	~800
	L2及以上渗透率：~60%	比亚迪汉EV	J3	274.0k	1	~270k	~50	~1400
	合计：			~350k		~430k		~2200
	市占率：~10% 6（350/ （3500*0.6））
30万以上	总销量（辆）：~370万	理想L8 Pro	J5	~8k	1	~8k	~200	~360
	L2及以上渗透率：~70%	理想L7 Pro	J5	~10k	1	~10k
		东风岚图FREE	J2	~12k	1	~12k	~30	~36
	合计：			~30k		~30k		~400
	市占率：~1%（30/（3700*0.7））

资料来源：地平线官方微信公众号，中汽协数据，中信证券研究部测算（渗透率）、假设（单车搭载颗数）

TI：TDA4VM 在架构完整度和功能安全性方面占优，有望成为 10-20 万车型轻量级行泊一体方案的主流选择之一。

TDA4VM 算力高于 J3 和 EyeQ4，可实现单 SoC 轻量级行泊一体方案。TI 于2020 年推出核心产品 TDA4VM，算力 8 TOPS，高于地平线 J3（5 TOPS）和Mobileye EyeQ4（2.5 TOPS），且供货稳定。当前，大疆、MAXIEYE、Nullmax、禾多科技、纵目科技等玩家都在基于 TDA4 开发行泊一体方案。

架构完整且集成度高，利于车企和方案商进行二次开发。TDA4 采用多核异构架构，集成了 ARM CPU、数字信号处理器（DSP）、深度学习加速器（DLA）、MCU等单元，由对应的核或者加速器处理如逻辑算力和 AI 算力等不同任务。TI 的 AI算力来自于自研矩阵乘法加速器 MMA（可类比地平线的 BPU），能够提供较灵活的矩阵乘法运算，通用性介于 GPU 和 ASIC 之间，因此拥有更强的可扩展性与并行处理能力。值得一提的是，TDA4 是业内为数不多内置 ASIL-D 级 MCU 的智驾 SoC。由于大多智驾 SoC 还无法满足高功能安全等级的要求，因此常见做法是在智驾域控主板上外挂一颗独立的 MCU 芯片，比如英飞凌 TC297/397 等，以提供状态监控、整车底盘控制、执行最小安全风险策略等。为了简化系统设计、缩短通讯延时、节省硬件成本，部分芯片厂商开始在 SoC 内部内置 MCU 核心（功能安全岛 Safety Island）。TI 的 TDA4 系列就是内置 MCU 的典型代表，其 MCU为 ASIL-D 级 Arm Cortex-R5F，进行了单独电压和时钟设计，采用专用内存和接口确保其与 SoC 其余部分隔离，因此车企无须再外接 MCU 进行开发。尽管内置MCU 已成趋势，但与成熟稳定的传统外挂 MCU 相比，内置安全岛的功能安全性、实时性和可靠性在实际应用中仍有一定差距。因此，域控厂商在使用地平线 J3、黑芝麻 A1000 等芯片时，多数情况下仍会选择外挂一个 MCU 提供安全冗余，例如宏景智驾为 2021 款理想 One 提供的域控制器就是“双 J3+MCU”的方案。

但 TI的相对劣势在于，由于集成了 GPU、MMA、DSP等众多处理单元，TDA4VM在高负载下功耗可高至 20W，对 Tier 1与主机厂在散热等方面的工程化能力提出了较高的要求。此外，相比于纯 ASIC 路线，TI在特定算法上的运算效率或不及地平线。

图 15：TDA4VM 架构图

资料来源：TI 官网，中信证券研究部

图 16：单地平线 J3+外挂 MCU（英飞凌 TC397）架构框图

资料来源：映驰科技官网

图 17：基于 TI TDA4的域控制器方案梳理

域控芯片方案	解决方案厂商/车企/域控厂商
1* TDA4	德赛西威、东软睿驰、知行科技、MAXIEYE、Nullmax
2* TDA4	经纬恒润、知行科技、大疆、易航智能、百度、MAXIEYE、创时智驾
1TDA4 + 1 J2	纵目科技
1TDA4 + 1 J3	纵目科技、福瑞泰克
1TDA4 + 1 J5	福瑞泰克
1* TDA4 + 1* EyeQ4	毫末智行、知行科技

资料来源：各公司官网，中信证券研究部

Mobileye：传统视觉 ADAS 龙头，因黑盒模式和迭代较慢，市场份额正在被地平线等其他玩家快速侵蚀。但其“视觉算法+芯片”的智能前视一体机方案具备高性价比，未来或将主要针对 L1-L2 需求，对自研能力较弱的车企更为友好。

因黑盒模式和迭代较慢，市场份额正在被快速侵蚀。Mobileye 是昔日 ADAS 领域的主要奠基者和引领者，提供算法+EyeQ 系列芯片组成的一体化软硬件解决方案。在 Mobileye 方案的帮助下，车企可高效且高性价比地适配 L1-L2 级基础辅助驾驶功能。但随着汽车智能化程度的提升，车企开始希望对自身的智能化方案有更高的话语权和主动权，而 Mobileye 的全栈黑盒模式已无法满足大多数车企的自研需求。此外，区别于主流 CPU 架构（ARM、X86），Mobileye 的 EyeQ4芯片采用多 MIPS处理器，导致其通用性和可开发性较差，难以形成良好的软件生态。因此近年来，Mobileye 智能一体机方案吸引力开始下降。

面对危机积极寻变，逐步开放生态，但竞争格局远较此前激烈。2021 年，Mobileye推出 EyeQ5 芯片，首次提供单芯片（silicon-only）版本，开放 SDK、OpenCL环境和 TensorFlow，从而允许客户部署自研算法，但目前 EyeQ5 芯片也仅收获极氪一家定点。自动驾驶芯片的竞争环境日益激烈，海内外众多车企正在将平台从 Mobileye EyeQ 系列迁移至英伟达、地平线、华为、高通等其它玩家。我们认为，Mobileye“视觉算法+芯片”的智能前视一体机方案仍具备高性价优势，对自研能力较弱的车企更为友好。但随着汽车智能化能力逐步提升，后续能否跟进主机厂快速迭代的需求并进一步开放生态，将是 Mobileye 不掉队的关键。

图 18：部分 OEMs自动驾驶车载芯片更迭情况

原有车型				新车型
	车型/系统	芯片	上市时间	车型/系统	芯片	上市时间
蔚来	NT 1.0平台	Mobileye EyeQ4	2018	NT 2.0平台	英伟达Orin	2022
小鹏	G3	Mobileye EyeQ4	2018	G9	英伟达Orin	2022
理想	2020款理想ONE	Mobileye EyeQ4	2020	L7、L8、L9 2020款后理想ONE	英伟达Orin、地平线征程5	2022
长城	WEY摩卡	Mobileye EyeQ4	2021	机甲龙	地平线征程3 华为MDC610	2021 2022
特斯拉	2014款Model S	Mobileye EyeQ3	2014	全系车型	自研FSD芯片	2019年起
宝马	1系、X1系、ix等	Mobileye EyeQ系列	2022年及以前	“新世代”平台	高通Snapdragon Ride	2025年起
通用	Super Cruise	Mobileye EyeQ3	2017年至今	Ultra Cruise	高通Snapdragon Ride	2023年起

资料来源：各公司官网，中信证券研究部

图 19：Mobileye EyeQ 系列芯片迭代史

资料来源：Mobileye 官网

图 20：EyeQ系列交付量与同比增速（万颗）

资料来源：公司财报，中信证券研究部

图 21：Mobileye历年营收与同比增速（亿美元）

资料来源：公司财报，中信证券研究部

黑芝麻：基于 A1000L 打造行泊一体方案，获一汽红旗下一代 FEEA3.0 架构车型定点，但相关车型规划 2024 年 SOP，时间点上相较地平线和 TI 不占优。公司早在 2020 年就推出了 A1000L 芯片，搭载 8 核 ARM Cortex A55 CPU、ARMGPU、3 核高性能 DSP、CV 加速引擎，以及自研 DynamAI NN 引擎，AI 算力达 16 TOPS，具备业内领先的功能完整性与计算性能。基于 A1000L 芯片打造的Drive Sensing 解决方案可实现单 SoC 芯片的行泊一体方案，支持 L2+高速领航NOA、泊车 HPA/AVP、3D 360 环视全景、多路 DVR 等功能。2023 年 5 月，公司宣布 A1000L 获得一汽红旗下一代 FEEA3.0 电子架构平台项目量产智驾芯片定点。一汽红旗将基于 A1000L 打造非分时复用的行泊一体自动驾驶域控平台，该平台将应用于一汽红旗 80%左右的车型，其中一汽红旗 E001 和 E202 两款车型最快将于 2024 年量产落地。

核心竞争力来自两大自研 IP：图像信号处理 ISP以及神经网络加速器 NPU。ISP负责“看得清”，可处理摄像头采集的每一帧原始图像数据；NPU 负责“看得懂”，通过集成图像分类、空间分割、特定目标分析等多个功能到单个神经网络，可实现结构化剪裁，从而帮助黑芝麻芯片提升神经网络运算能力并降低功耗。

图 22：黑芝麻自研车规级图像处理核心 ISP – NeurallQ ISP

资料来源：黑芝麻官网

图 23：黑芝麻自研车规级神经网络加速器 NPU–DynamAINN引擎

资料来源：黑芝麻官网

爱芯元智：在智慧城市领域积累了丰富的交付经验和完善的工具链，有望借此切入小算力智驾芯片市场。爱芯元智成立于 2019 年，截至目前已成功推出了两代四颗端侧、边缘侧 AI 视觉感知芯片，并实现大规模量产供货。目前爱芯元智的主要下游为智慧城市业务，例如智慧物联领先方案商大华股份就是爱芯元智的重要客户之一，爱芯元智自主研发的芯片 AX630A 和 AX620A 已作为主控 SoC 应用于大华股份多个产品线，并获评大华股份 2021 年战略供应商。基于自有 ISP与 NPU的联合架构设计，爱芯元智可大幅提升传统 ISP中多个关键模块的性能，实现高能效比和高算力利用率。目前，公司也开始进军智能驾驶领域，2022 年 8月参与投资 ADAS 解决方案商 MAXIEYE，后续二者或有上车合作。我们认为，爱芯元智在智慧城市领域积累的量产经验和搭建的工具链可赋能智驾业务，尤其是在小算力芯片市场，车企将更看重供应商的交付能力以及产品的易开发性。2019 至 2022 年，爱芯元智完成了近 20 亿元的融资，投资方包括美团、美团龙珠资本、腾讯投资、联想之星等互联网巨头，以及启明创投、GGV 纪源资本、耀途资本等知名机构。

图 24：爱芯元智主要芯片产品核心参数

CPU:	Quad A53 AX630A	CPU:	Quad A7	AX620A
NPU:	32Tops@int4， 8Tops@int8	NPU:	14.4Tops@int4, 3.6Tops@int8
ISP:	4K@60fps	ISP:	4K@30fps
编解码格式：	H.264, H.265 04130640:1C:83:26	编解码格式：	H.264, H.265
视频编码：	4K@60fps	视频编码：	4K@30fps
视频解码:	4K@120fps	视频解码：	1080p@60fps H.264 only
Ethernet:	支持双路RGMII/RMII接口模式的以太网	Ethernet:	支持1路RGMII/ RMII接口模式的以太网
视频输出:	支持HDMI v2.0,支持4K@60fps	视频输出:	支持双路4Lane MIPI DSI，最大支持单路
			4K@30fps

资料来源：爱芯元智官网

芯驰科技：座舱芯片对标高通，丰富的量产经验与车企合作生态有望助力智驾芯片适配上车，但内部资源在不同产品线间的合理化分配是关键。芯驰科技成立于2018 年，作为国内少有的“全场景、平台化”的芯片和技术解决方案供应商，产品包括域控芯片 E3、座舱芯片 X9、智驾芯片 V9 和网关芯片 G9。公司当前除智驾芯片外，其余三款芯片已实现大规模量产。尤其是在智能座舱芯片领域，公司 X9系列座舱芯片能够在性能上对标高通，截至 2022 年年初已获得超 50 个定点，目前已上车上汽第三代荣威 RX5、奇瑞全新产品系列 OMODA 旗下首款车型欧萌达和德国戴姆勒等。我们认为，芯驰在座舱芯片积累的量产交付经验与产业链生态建设有望助力其智驾芯片的渗透，但座舱芯片和智驾芯片在产品架构和软件算法上仍有较大不同，即使是高通目前在智驾领域的进展也并不如人意，且作为初创公司，能否在不同产品间合理分配有限的资源目前来看仍待验证。

芯驰智驾芯片 V9P 针对行泊一体 ADAS 域控制器设计，CPU 算力达 70KDMIPS，

GPU 达 200GFLOPS，同时与 ARM 中国联合定制“周易”X1 NPU，使得整体AI 算力达到 20 TOPS，高于地平线 J3 和 TI TDA4VM，因此单颗 V9P 即可实现主流 L2+ ADAS的各项功能和辅助泊车、记忆等功能，并能集成行车记录仪和高清 360 度环视。同时，V9P内置了独立 MCU 安全岛，无需外置 MCU 即可实现单 SoC 行泊一体方案，具备一定成本优势。当前公司已与东软睿驰、德赛西威、纵目科技等 Tier 1绑定，同时与上汽展开深度合作。芯驰科技自成立以来，累计融资超 20 亿元，投资方包括红杉中国、经纬中国、华登国际、联想创投、上汽金石、国开装备基金等知名机构以及宁德时代等产业资本。

图 25：芯驰科技 V9芯片架构图

资料来源：芯驰科技官网

寒武纪行歌：母公司寒武纪丰富的 AI 芯片技术积累有望迁移至车端，云边端一体化统一生态架构，有助于构建车端推理-云端训练闭环。寒武纪行歌成立于2021年，作为寒武纪控股的子公司，行歌专注于自动驾驶芯片研发，目前在研数款智驾芯片，覆盖 L2-L4：1）已接近量产的 SD5223 针对 L2+行泊一体方案，具备高能效比，相较于 TDA4VM 算力提升一倍（16 TOPS）。2）基于 SD5223，寒武纪推出低算力低功耗的 SD5223C，算力 6TOPS，支持 8M 前视一体机和自动泊车功能，或有望渗透传统 Mobileye 占据的前视一体机市场。3）公司也表示未来将推出面向 L4 市场的 SD5226，规划算力超 400 TOPS，300K+ DMIPS，采用 7nm 制程，并支持车端训练，亦有望进军中高算力芯片市场，但也须留意公司芯片代工或受地缘政治因素影响，从而影响实际量产时间。寒武纪行歌自成立以来，已与经纬恒润、一汽等签订了自动驾驶合作协议，并累计获得了上汽、蔚来、宁德时代、博世创投等重磅产业资本加持，待产品技术打磨成熟，芯片有望快速实现量产。

除硬件外，车云一体化架构与较完善的工具链也是一大优势。智能驾驶作为一套复杂的系统性任务，除了车端需要进行计算外，还需要在云端处理复杂的训练推理任务，未来路端或也需要提供实时协助。寒武纪行歌拥有车云统一的处理器架构、指令集和平台级基础软件，支持高效地数据闭环和 AI 调优，在云端处理车端的海量数据，通过训练生成先进的自动驾驶模型，经过 OTA 推送到车端，在车端将推理场景的 corner case 数据回传到云端，在云端进行 AI 模型重新训练，并将新模型更新至车端，从而形成车-云闭环生态，有效加速算法模型迭代。同时，较为完善的软件工具链体系，也将是行歌实现后发制人的关键，母公司寒武纪打造了 MagicMind 推理加速引擎，能够与行歌的 AI 工具链一同赋能车企提升开发效率。

图 26：寒武纪行歌 AI开发工具链

资料来源：寒武纪行歌官网

中算力芯片：高速领航带来发展机遇，各玩家皆有突围可能

中算力芯片（30-100TOPS）市场此前相对空白，以英伟达 Xavier 为主。但随着车企趋于理性，中端车型不再一味参与大算力芯片军备竞赛，但同时又希望实现较优的高速领航功能，中算力芯片需求有所上升。目前来看，英伟达 Xavier 和 Orin NX/Nano、TI TDA4VH以及黑芝麻 A1000 已瞄准该市场开始出击，但同时也不排除地平线等其他厂商未来推出对应产品以完善产品矩阵的可能性。因此整体而言，我们认为，中算力芯片市场的较量才刚刚开始。与小算力和大算力相比，中算力市场或对芯片厂商的综合能力有更高要求，场内现有玩家皆有突围可能。

图 27：国内中算力芯片市场主要玩家（英伟达、黑芝麻）SWOT分析

芯片厂商	优势Strength	劣势Weakness	机会Opportunity	威胁Threat
英伟达 Xavier 30T	-Xavier和Orin X打造量产标杆，	芯片单价和车企研发费用较高	－向更高制程演进，从而降低	车载计算平台算力与功耗的平衡是无人驾
Orin NX 70/100T	有利于低配版的Orin NX渗透车企客户－提供行业最完整的软硬件一体	GPU方案芯片功耗较高本土化服务能力相	功耗，提升运算效率－积极与本土tier 1绑定，打造生态合作圈	驶硬件端的一大瓶颈长期看，GPU路线成本较高且计算效率不
Orin Nano 20/40T	化闭环解决方案，并开放生态 A1000瞄准50-100TOPS市场	对较弱	当前30-100TOPS芯片市场入局者较少，窗口期打开	及ASIC 面临英伟达等厂商先
黑芝麻 A1000 58T	空缺，有望迅速满足市场需求－自研图像感知ISP和神经网络加速器NPU，提升运算效率	－芯片仍未正式量产上车，市场表现有待验证	－2023年A1000即将实现吉利领克、江汽、东风等品牌车型量产	发优势 -ARM方案授权可能会受限
TI TDA4VH 32T TDA4VM Plus	TDA4VM已有丰富量产案例，客户切换成本低，有望迅速实现市场渗透	TDA4系列功耗较高，需要域控厂商在散热等方面具备丰富工程经验	- 德赛西威、福瑞泰克、百度计划基于TDA4VH等新产品开发行泊一体方案，预计将内车厂对公司产品性	面临黑芝麻、英伟达等厂商竞争国产替代逻辑下，国

资料来源：各公司官网，中信证券研究部

英伟达：Xavier和 Orin NX 有望占据中算力市场较大份额。2020 年，英伟达针对 L2 市场发布 Xavier 芯片（30 TOPS），搭载于小鹏 P7/P5 等车型；2022 年又推出大算力 Orin 芯片（256 TOPS），再次引领行业占据主流中高端车型市场，是此前所有瞄准 L2+高阶辅助驾驶车型的选择。但随着行业回归理性，Orin 对于大部分 20 万-30 万元的中端车型配置或过高，英伟达也因此通过硬件陆续推出Orin NX（70/100 TOPS）和 Orin Nano（20/40 TOPS），完善自身产品矩阵。鉴于 Orin X 当前已成功上车众多车型，经过量产可靠性验证，我们认为，较低配的Orin NX 和 Nano 系列也有望共享同一套英伟达开发工具链与生态，以切入主流车企的中端车型市场。

图 28：英伟达 Xavier NX 架构图

资料来源：英伟达官网，中信证券研究部

图 29：英伟达 30-100 TOPS 算力芯片产品矩阵

资料来源：英伟达官网，中信证券研究部；注：以上为开发者套件，或与单 SoC的参数略有差异

黑芝麻：A1000 芯片算力 58TOPS，精准填补 50-100TOPS 芯片市场空缺，我们预计 2023 年上车江淮思皓与领克 08。GPU 方面，A1000 自带 GPU，能够针对泊车场景进行环视算法拼接，从而支持单芯片的行泊一体方案，对比地平线 J5需外挂负责 3D 渲染的 GPU。CPU 方面，A1000 搭载八核 ARM Cortex A55，具备多级缓存，能够适应大量数据的预处理工作。CV 加速方面，A1000 包含 5核 DSP芯片，其中 4核可以供客户进行调用，因此释放给客户的 CPU 资源也更为充裕，对比 J5 只含双核 DSP。由于很多算法设计需要大量用到 CPU 性能调度，因此 A1000 或更利于客户灵活开发部署算法。得益于较高的功能完整性，A1000 打造的行泊一体等方案性价比较高。公司 2023 年 4 月宣布将推出 BOM成本 3000 元以内的行泊一体域控方案，支持 10V配置和 50-100TOPS物理算力。

图 30：黑芝麻 A1000 SoC 系统架构图

资料来源：黑芝麻官网

TI：TDA4 系列向中算力进军以完善产品矩阵，已与主流 Tier 1 达成合作。此前行业众多 Tier 1 已基于 TDA4VM 顺利开发面向 L2 场景的域控，TDA4VM 也已成为单 SoC 轻量级行泊一体方案的主流选择之一。TDA4VM 由于算力相对有限（8 TOPS），因此实现的为“分时复用”的行泊一体方案，传感器配置为 5V5R或 6V5R，而基于单 TDA4VH（32 TOPS）或 TDA4VM Plus（24 TOPS）可实现非分时复用行泊一体方案，支持例如 10V5R 的更高阶传感器方案，以帮助 TI进一步渗透 L2+市场。我们认为，得益于 TDA4VM 在小算力市场的成功，TI 不仅积累了丰富的量产经验，车企也可使用同一套工具链以实现更低的迁移和开发成本，因此 TI 在中算力市场亦有一定优势。当前德赛西威、福瑞泰克、百度等厂商已宣布将基于 TI 中算力 SoC 开发域控，其中福瑞泰克 ADC30 域控基于 2颗 TDA4VH 和 3 颗地平线 J5，公司预计 2023 年量产。

图 31：基于 TDA4VH/TDA4VM Plus 的 10V5R 行泊一体方案

资料来源：TI官网

大算力芯片：BEV/Transformer+舱驾一体驱动芯片走向大算力&新架构

在“BEV + Transformer”以及“舱驾一体”两大技术趋势的驱动下，自动驾驶芯片开始走向大算力&新架构。目前来看，英伟达和高通走在变革前列，地平线量产进度领跑国内市场，华为 MDC 或涅槃归来，架构变化下辉羲智能等国产厂商亦有突围机会。

趋势 1：城区领航年内开始上车，“BEV+ Transformer”引领自动驾驶感知范式。在此趋势下，算法复杂度、数据规模以及模型参数均呈指数级提升，由此对车载自动驾驶芯片的 AI 算力、数据吞吐量与架构创新也提出了更高的要求。

小鹏、华为领衔，城区领航年内开始落地。目前，城区领航尚处发展早期，小鹏和华为的方案已于 2022 年 9 月开始落地，并在逐步拓宽开放区域。小鹏城市 NGP（NavigationGuided Pilot）功能自 2022 年 9 月率先于广州进行试点，2022 年 10 月于广州全量推送；2023 年 3 月 17 日，小鹏宣布城市 NGP 功能向深圳地区开放，后又拓展至上海。北汽极狐和长安阿维塔均选择 HI（Huawei Inside）模式，依靠华为 ADS 高阶自动驾驶全栈解决方案打造城区 NCA 功能，分别命名为α-Pilot 高阶智能驾驶辅助及 AVATRANS 智能领航系统。极狐城区 NCA 已开通深圳、上海及广州三地，覆盖车型为极狐阿尔法 S 全新 HI版。阿维塔也于2023年3月 9日宣布在上海及深圳开启城区NCA（Navigation Cruise Assis）试驾体验，覆盖车型为阿维塔 11，广州、重庆两地也即将开放体验。除此之外，根据各公司公告，理想、集度、长城等车企也计划在 2023 年推出各自的城区领航功能。

图 32：各车企城区领航功能发布情况

车企	推出时间	功能	当前覆盖区域	车型	算法	备注
小鹏	2022年9月	城市NGP	广州、深圳、上海	G9、P7、P5 (激光雷达车型)	全栈自研	2022年9月率先于广州进行试点，后拓展至深圳和上海
极狐	2022年9月	城区NCA	深圳、上海、广州	阿尔法S HI高阶版	华为	2022年9月率先在深圳交付，后拓展至上海和广州，重庆也即将解锁
长安	2023年3月	城区NCA	上海、深圳、广州、重庆	阿维塔11	华为	2023年3月开始陆续在深圳、上海、广州、重庆开启城区NCA试驾体验
蔚来	不详	NOP+			全栈自研
理想	2023E	城市NOA		L7/L8/L9 Max	全栈自研	2023年4月发布理想ADMax3.0，标配高速/城区NOA，计划2Q23陆续推送给内测用户，目标年底覆盖百城
集度	2023E	ANP3.0		ROBO-01	百度Apollo	百度于2023年4月发布Apollo City Driving Max，城市、高速、泊车三域融通，计划2023年量产
智己	不详	城市NOA		L7/LS7	Momenta	智己预计城市NOA将于2023年内开启公测
长城	2023E	城市NOH		摩卡/蓝山DHT-PHEV 激光雷达版	毫末智行	毫末预计城市NOH将于3Q23量产上车，已在北京和保定进行大规模泛化测试，计划2024年落地百城

资料来源：各公司官网（含预测），汽车之家，易车，中国汽车报，中信证券研究部

城区领航被视为 L4 级自动驾驶功能在乘用车上的极致演绎，实现难度和壁垒远高于高速领航，当前算力需求普遍超 200TOPS。尽管在系统训练层面，自动驾驶 95%的底层架构和基础问题已经解决，但最后 5%的长尾问题，也就是 corner cases 的存在，是制约无人驾驶实现的最大瓶颈之一。与场景较为规则、工况较为单一的高速领航相比，城区领航路口多、变道多、拥堵多，corner cases 的数量和复杂程度大幅提升，不仅涉及异型车、行人、路障等多类别主体，且存在加塞、“鬼探头”、前车急停等非规律行车现象。据小鹏在 2022 年 1024 科技日上的介绍，城市 NGP 的代码量是高速 NGP 的 6 倍，感知模型的数据是高速 NGP的 4 倍，预测/规划/控制相关的代码是高速 NGP的 88 倍。

图 33：城区场景难点及领航策略示意图

功能	场景示意图	难点	策略
智能识别信号灯		－红绿灯出现故障时难以处理－易受车外天气环境影响等	－红绿灯样式、安装、闪烁频率不统一－根据交通灯规则，实现红灯停、绿灯行，黄灯判断时机减速通过－根据箭头朝向，判断直行/左右转
智能左右转		－视线受遮挡，感知无法超视距－决策难以融入人类意图理解－反应时间短等	－根据人类经验路线判断－避让行车轨迹中行人及非机动车 -与行车轨迹中机动车博弈通行
智能变道		－车流密度大－变道时机难把握等	－根据导航路线和通行效率自动变道－在安全变道空间下执行，避让后方快速来车－安全情况下通过加减速压缩变道空间
智能避障		－障碍物体积小，难以识别－感知距离有限－受天气环境影响，易误识别等	－根据碰撞风险安全减速－保证安全情况下，执行绕行－绕行受其他障碍物干扰，执行减速

资料来源：CSDN（user ID：Mister Zhu），蘑菇车联@哔哩哔哩，特斯拉 autopilot 说明书，毫末智行 AI Day，中信证券研究部

城区领航对自动驾驶感知算法提出了更高的要求，“BEV + Transformer”范式粉墨登场。大模型是当前 AI 领域最为火热的前沿趋势之一，可赋能自动驾驶领域的感知、标注、仿真训练等多个核心环节。在感知层，以特斯拉为首，“BEV+Transformer”范式已开始在自动驾驶领域得到广泛使用，可有效提升感知精确度，利于后续规划控制算法的实施，促进端到端自动驾驶框架的发展。

BEV全称 Bird’s Eye View，即鸟瞰图，该算法旨在将多传感器收集的图像信息投射至统一 3D 空间，再输入至单一大模型进行整体推理。相较于传统的摄像头图像，BEV 提供了一个更贴近实际物理世界的统一空间，为后续的多传感器融合以及规划控制模块开发提供了更大的便利和更多的可能。具体来说，BEV感知的优势在于：1）统一了多模态数据处理维度，将多个摄像头或雷达数据转换至 3D 视角，再做目标检测与分割等任务，从而降低感知误差，并为下游预测和规划控制模块提供更丰富的输出；2）实现时序信息融合，BEV下的 3D视角相较于 2D 信息可有效减少尺度和遮挡问题，甚至可通过先验知识“脑补”被遮挡的物体，有效提高自动驾驶安全性；3）感知和预测可在统一 3D 空间中实施，通过神经网络直接完成端到端优化，可有效降低传统感知任务中感知与预测串行的误差累积。

Transformer 的注意力（Attention）机制可帮助实现 2D 图像数据至 3D BEV 空间的转化。Transformer 是 Google Brian 团队在 2017 年提出的神经网络模型，起初用于机器翻译，随着技术的发展开始进军图像视觉领域，目前已成功涉足分类、检测和分割三大图像问题。据汽车之心微信公众号介绍，传统 CNN 模型的原理是通过卷积层构造广义过滤器，从而对图像中的元素进行不断地筛选压缩，因此其感受域一定程度上取决于过滤器的大小和卷积层的数量。随着训练数据量的增长，CNN 模型的收益会呈现过饱和趋势。而 Transformer 的网络结构在嫁接2D 图像和 3D 空间时借鉴了人脑的注意力（Attention）机制，在处理大量信息时能够只选择关键信息处理，以提升神经网络的效率，因此 Transformer 的饱和区间很大，更适宜于大规模数据训练的需求。在自动驾驶领域，Transformer 相比于传统 CNN，具备更强的序列建模能力和全局信息感知能力，目前已广泛用于视觉 2D 图像数据至 3D 空间的转化。

图 34：摄像头图像信息和激光雷达点云数据向 BEV 3D空间融合转化流程图

资料来源：《Bevfusion: Multi-task multi-sensor fusion with unified bird’s-eyeview representation（Zhijian Liu, Haotian Tang，Alexander Amini 等著）》

图 35：Tesla 基于 Transformer 的 BEV Layer 实现方案

资料来源：Tesla AI Day 2021

在“BEV+ Transformer”趋势下，算法复杂度、数据规模以及模型参数均呈指数级提升，推动自动驾驶芯片向着大算力、新架构以及存算一体等方向演进。

1）大算力：向数百 TOPS 算力演进。传统 L1/L2 辅助驾驶所需处理的数据量小且算法模型相对简单，因此以 Mobileye 为代表的单目视觉+芯片算法强耦合的一体机方案即可满足需求。但领航功能作为高阶辅助驾驶的代表，需要“更强算力+软硬件解耦的芯片+域控制器”来满足海量数据处理与后续持续 OTA 迭代的需求。高速领航开始向 20 万元以下车型渗透，15-30TOPS 可满足基本需求，但若想要“好用”或需要 30-80TOPS。城区领航的场景复杂程度和技术实现难度更高，目前普遍需要搭载激光雷达，芯片以英伟达 Orin、华为 MDC 和地平线 J5 为主，算力配置普遍超 200TOPS。而在应用“BEV + Transformer”技术后，多传感器前融合以及 2D 至 3D 空间的转化需要 AI 芯片具备更强的推理能力，因此也需要比以往更大的算力支撑，包括更高的 AI 算力、CPU 算力和 GPU 算力。

2）新架构：加强并行计算能力和浮点运算能力。相较于 CNN/RNN，Transformer具有更强的并行计算能力，可加入时间序列矢量，其数据流特征有显著差别，浮点矢量矩阵乘法累加运算更适合采用 BF16 精度。Transformer 允许数据以并行的形式进行计算，且保留了数据的全局视角，而 CNN/RNN 的数据流只能以串行方式计算，不具备数据的全局记忆能力。传统 AI 推理专用芯片大多针对 CNN/RNN，并行计算表现不佳，且普遍针对 INT8 精度，几乎不考虑浮点运算。因此想要更好适配 Transformer 算法，就需要将 AI 推理芯片从硬件层面进行完整的架构革新，加入专门针对 Transformer 的加速器，或使用更强的 CPU 算力来对数据整形，这对芯片架构、ASIC 研发能力以及成本控制都提出了更高的要求。

以特斯拉、地平线为代表的厂商均“重 ASIC（即 AI 推理专用芯片），轻 GPU”。特斯拉引领 BEV+Transformer 路线，以专用 NPU（神经网络处理器）承担 AI 运算，在 NPU 设计之初便进行了针对性优化。而地平线等后来者或需要在下一代芯片中对 AI 推理芯片架构进行针对性优化。

英伟达基于领先的 GPU 架构先声夺人，GPU 具备极高研发壁垒且通用性强，擅长 AI 模型训练&推理所需的大规模并行计算与浮点运算。GPU 架构中拥有更多的ALU 用于数据并行处理（GPU 架构中约 80%为 ALU，CPU 仅不到 20%），因此并行处理能力强、存储带宽大，天生适合 Transformer 模型所需的浮点运算以及高带宽需求。为了进一步提升运算效率，英伟达 2022 年推出全新的 Hopper 架构，并发布了首款基于 Hopper 架构的 GPU – Nvidia H100，并在其中加入了Transformer 推理引擎，支持 FP8 和 FP16 混合精度运算。据资深芯片专家陈巍博士在《GPGPU 芯片设计：原理与实践》系列中介绍，与上一代 A100 相比，新的 Transformer 引擎与 Hopper FP8 张量核心相结合，在大型 NLP 模型上可提供高达 9倍的 AI训练速度和 30 倍的 AI 推理速度。

3）存算一体：SoC 芯片需配置高带宽存储器（HBM）或 SRAM，并加速向存算一体靠拢，解决大算力下的数据吞吐量瓶颈。模型越大，内存对 AI加速器就越重要，以频繁地读取权重矩阵或训练好的模型参数。据佐思汽研介绍，Transformer 中的权重模型超过 1GB，对比传统 CNN 的权重模型通常不超过 20MB。模型参数越大，就需要更高的带宽，一次性读出更多参数。存算一体可分为近存计算（PNM）、存内处理（PIM）以及存内计算（CIM），存内计算则接近存算一体。当前 PNM已广泛用于高性能芯片，即采用 HBM 堆叠，2.5D 封装，从而与 CPU 集成，而PIM 和 CIM 仍处在发展中。以特斯拉 FSD SoC 为例，其采用总带宽为 68GB/s的 8 颗 LPDDR4 内存，而集成在 NPU 中的 SRAM 可达到 32MB L3 缓存，带宽达 2TB/s，远超市面上同类芯片。而据汽车之心微信公众号，特斯拉在最新 HW 4.0上的二代 FSD SoC 上使用了 16 颗 GDDR6，在内存用料上继续引领行业。

图 36：英伟达 Grace Hopper 超级芯片架构图

资料来源：英伟达官网

图 37：特斯拉 FSD SoC 架构图

资料来源：wikichip

图 38：模型参数规模持续扩大带动更大容量内存需求

资料来源：Intel 官网

趋势 2：长期来看，伴随跨域融合+中央计算式趋势，支持“智能驾驶+智能座舱”的舱驾一体多域计算控制架构或成为终局需求，我们预计 2025 年后开始初步量产上车。

舱驾一体可有效降低开发成本和通讯延时、优化算力利用率和功能体验，推动智能汽车应用迈上新的台阶。高工智能汽车统计，2022 年 1-10 月中国乘用车前装同时标配“L2级辅助驾驶+智能座舱+车联网+OTA”的搭载率达 18.01%；且预测至 2025 年同时标配“智能驾驶+智能座舱”的交付车辆有望突破 350 万辆。我们总结舱驾一体的主要优势在于：

降低成本：物料方面，相比于多 SoC 方案，单芯片集成度更高、使用物料更少，且共用一套散热系统带来散热成本下降。开发方面，当前智能化的实现仍需要车企在不同的芯片组合之间进行挑选，由此带来硬件及软件开发的多平台成本消耗，而使用单 SoC 可以节约此类额外的开发成本和多供应商的隐性采购管理成本，部分底层软件的共用也可降低不同平台车型的上车速度和软件开发成本。

降低通讯延时，优化功能体验：使用单颗 SoC 可使舱和驾之间数据传输从板间通讯变为片内通讯并共享内存，从而降低通讯延时，实现更流畅的舱驾功能。例如英伟达 Thor SoC 支持所有显示器、传感器集成至单一 SoC，极大简化了汽车制造的复杂程序，并有助于传感器数据更及时充分地复用，实现更流畅的汽车智能化功能。

优化算力利用率：当前芯片还未做到完全的算力动态分配，但未来会从静态配置的算力迭代至动态分布的算力。例如，下一代舱驾一体芯片可在需要时将大部分算力用于智驾，当车停止智驾功能用于座舱娱乐时，可以将算力腾出给到智驾域，因此单颗芯片的算力将得到更为高效的利用。

应用层面创新空间更大：随着 L2+/L3 智驾功能逐步落地，驾驶员有望真正解放双手，座舱娱乐与智能驾驶功能的联系将更为紧密。当前座舱域和智驾域相互独立时，可互通的信息较少，难以及时获取对方数据信息，但舱驾融合以后，有助于工程师在整体维度进行功能开发，相互调度各自服务或资源，从而融合出更有创新性的应用。

但“舱驾一体”距离真正实现仍有一定距离，软硬件技术和工程化皆面临挑战。一方面，座舱和智驾面向的应用场景、功能定义、性能边界不一样，如若融合在一起，芯片选型、外围电路设计、算力需求重点以及安全等级要求都不同，因此成本和性能的平衡难度较大。另一方面，当前绝大部分厂商受限于软硬件技术、对整体架构的理解和供应链等因素，在技术上难以实现单 SoC 集成座舱和智驾功能。因此当前，更多厂商仍采用“多颗SoC+多域控制器”方案。部分厂商已在单个域控制器中将座舱和智驾 SoC 部署在不同主板或同一个主板。例如特斯拉是“中央计算+区域控制”理念的最早实践者，基于全系统架构自研，能够理清座舱、智驾和整车控制等系统之间的关联，并在前期充分预留接口。早在 2019年量产的 Model 3车型中，中央计算单元 CCM就融合了影音娱乐模块（座舱）、驾驶辅助系统模块（智驾）以及车内外通信模块，共用一套液冷系统。但这三个模块仍分别部署在不同的 PCB 板上，各自独立运行操作系统，因此并不算严格意义的舱驾一体核中央集中式架构。想要实现真正的舱驾一体，即单 SoC 部署在单 PCB板，仍需要软硬件技术与工程化能力的不断提升。

我们认为，待 EE架构进化到中央集成计算架构阶段，且业内逐渐完成底层软硬件铺设，舱驾一体或有望在 2025 年后开始上车，同时推动自动驾驶 SoC芯片走向以下趋势：

1）大算力：向上千 TOPS演进，包括 CPU 算力、GPU 算力与 AI 算力。CPU 主要负责逻辑运算和决策控制，需要同时负责智驾域和座舱域系统调度、数据处理与指令运算，随着舱驾一体化下数据处理量增大，CPU 需要更大的算力支撑。GPU擅长图像渲染、图形处理以及大规模并行 AI 计算，随着自动驾驶等级不断提升、座舱娱乐趋向大屏多屏化以及人机交互功能逐步强化的背景下，GPU 算力需求也将不断提升。此外，当前自动驾驶 SoC 普遍会在 CPU 和 GPU 基础上搭载 AI 加速器，例如神经网络处理器 NPU。根据公司公告，英伟达 Thor 和高通 SnapdragonRide Flex SoX 均规划 2025 年左右量产，面向舱驾一体化场景，算力达 2000TOPS。

2）先进制程：可能采用 Chiplet技术。要实现舱驾一体需要高算力支撑（通常超 1000TOPS），并需要将功耗控制在合理范围，自动驾驶芯片需要向更先进制程方向发展，从而在相同面积晶圆下放置更多计算单元，提供额外的算力。当前车载 AI芯片已下探到 5nm，但掌握先进工艺的企业较少，中国本土厂商还面临台积电产能限制问题。例如地平线 J5 就仍采用 16nm，一方面是使用了功耗/算力比更优的ASIC，另一方面或也做了国产代工的两手准备。在此背景下，Chiplet 技术有望成为智驾芯片实现性能跨越的重要路径，满足算力、效率与功耗不断提升的需求。Chiplet 又叫小芯片/芯粒，通过将多个小芯片与特殊封装技术相结合，构成更大的IC。相比于直接生产单 SoC，使用小芯片生产有助于提升晶圆面积利用率，且小芯片可以重复利用，从而降低产品总设计和验证成本。此外，采用 Chiplet 技术后，各大厂商可以专注于自己的芯粒和 IP，省去多余的 IP费用。小芯粒的流片良率也普遍更高。但需要注意的是，Chiplet 技术仍面临产业链成熟问题和座舱和智驾融合的工程化难题，当前仍处在发展过程中。而对于中国公司，Chiplet 技术中的小芯片仍大量采购自海外巨头，因此国产替代的逻辑相对有限。

3）新架构：分域隔离。座舱和智驾域功能集成在单 SoC 时，由于两个域需求不同，在做硬件资源分配时，既要定义应用的优先级，又要确保各自有足够的资源，这对底层的芯片架构提出了更高要求。同时，智驾与座舱域安全等级不同，所跑的操作系统也不同，需要做好安全隔离，确保不同应用的功能安全和信息安全，当前座舱娱乐模块需要达到 ASIL A，仪表模块需要达到 ASIL B，而行车模块需要达到 ASILD，这对芯片底层的加速器资源如何进行有效隔离也是比较大的挑战，同时舱驾融合需要在操作系统层面做虚拟化技术，也会带来额外硬件开销，但也确保了各域之间功能与信息安全性。

图 39：舱驾一体化演进趋势

资料来源：各公司官网，中信证券研究部

图 40：特斯拉在单个中央计算平台（CCM）中集成了智驾和座舱模块，但部署在不同 PCB板上

资料来源：Wikimedia Commons，中信证券研究部

当前各主流玩家均积极推出下一代架构芯片，针对 BEV+Transformer 新技术范式与舱驾一体化趋势进行布局。我们认为，大算力芯片市场当前尚未收敛，新架构刺激芯片迭代。目前来看，英伟达和高通走在变革前列，地平线量产进度领跑国内市场，华为 MDC或涅槃归来，架构变化下辉羲智能等国产厂商亦有突围机会。

图 41：主流芯片架构与算力参数对比

芯片厂商	SoC芯片	制程	架构类型	CPU核心&算力	GPU核心&算力	芯片AI算力 (TOPS)	内存/缓存带宽	量产上车时间
英伟达	Xavier	12nm （台积电）	CPU+GPU+ASIC	8*Carmel ARM64	1*Volta GPU (1.3 TFLOPS)	30	16GB LPDDR4X (136GB/s)	2020
	Orin X	7nm （三星）	CPU+GPU+ASIC	3 * ARM Cortex-A78 (300k DMIPS)	Ampere (5.3 TFLOPS)	254	32GB LPDDR5 (204GB/s)	2022
	Thor	4nm （台积电）	CPU+GPU+ASIC	ARM V2或波塞冬	Hopper+ Ada Livelace	2000 (FP8)	不详	2024E
Mobileye	EyeQ4H	28nm	CPU+ASIC	4* MIPS M5150	/	2.5	4 * LPDDR4	2018
	EyeQ5H	7nm （台积电）	CPU+ASIC	8* MIPS I6500 (~52k DMIPS)	/	24	LPDDR4	2021
	EyeQ UItra	5nm （台积电）	CPU+GPU+ASIC	12 * RISC-V	(5.3 TFLOPS)	176	LPDDR5x	2024E
特斯拉	FSD 1.0	14nm	CPU+GPU+ASIC	12* ARM Cortex-A72 (~150k KDMIPS)	1* Mali G71 MP12	72	8GB LPDDR4（68 GB/s) ），64MB SRAM	2019
特斯拉	FSD 2.0	7nm (推测)	CPU+GPU+ASIC	20* ARM Cortex-A72 (~280k DMIPS)	不详	200+ (推测)	32GB GDDR6 (~18TB/s)	2023
高通	SA8540P (晓龙865)	7nm （台积电）	CPU+GPU+ASIC	Kryo 585	Adreno 650	15 (推测)	LPDDR5X	2022
	SA9000	7nm	CPU+ASIC	不详	/	350 (推测)	4* LPDDR4x 144 MB SRAM	2022
	Snapdragon Ride Flex	预计4nm	CPU+GPU+ASIC	Kryo CPU	Adreno GPU	2000（外挂AI加速器）	不详	2024E
TI	TDA4VM	16nm	CPU+GPU+ASIC	2*ARM Cortex-A72 (~25k KDMIPS)	PowerVR 3D Rogue 8XE (96 GFLOPS)	8	8GB LPDDR4 (15 GB/s) 8M L3 SRAM	2020
TI	TDA4VH	16nm	CPU+GPU+ASIC	8*ARM Cortex-A72 (~100k KDMIPS)	IMG BXS-64-4, (50 GFLOPS)	32	4*LPDDR4 (68 GB/s) 8M L3 SRAM	2023E
地平线	J3	16nm （台积电）	CPU+ASIC	4 * ARM Cortex-A53	/	5	2GB LPDDR4 (136GB/s) 64MB NOR flash	2021
地平线	J5	16nm （台积电）	CPU+ASIC	8 * ARM Cortex-A55 (30 DMIPS)	/	128	DDR4/LP4/LP4x	2022
黑芝麻	A1000	16nm （台积电）	CPU+GPU+ASIC	8 * ARM Cortex-A55 (30k DMIPS)	不详	58	2 * LPDDR4	2023E
	A1000 L	16nm （台积电）	CPU+GPU+ASIC	8 * ARM Cortex-A55 (30k DMIPS)	不详	16	2 * LPDDR4	2024E
	A1000 pro	16nm （台积电）	CPU+GPU+ASIC	16 * ARM Cortex-A55 (60k DMIPS)	不详	106	4 * LPDDR4	2023E
辉羲智能	R1	7nm (台积电）	CPU+GPU+ASIC	>200K DMIPS	>1 TFLOPS	> 260 (预计)	不详	2024E
寒武纪行歌	SD5223	不详	CPU+ASIC	不详	/	16	LPDDR4X / LPDDR5	2023E
芯驰科技	V9P	16nm	CPU+GPU+ASIC	70K DMIPS	PowerVR 3D (200 GFLOPS)	20	不详	2023E
爱芯元智	AX630A	不详	CPU+ASIC	4*ARM Cortex-A53	/	8	不详	2022
爱芯元智	AX620A	不详	CPU+ASIC	4*ARM Cortex-A7	/	3.6	LPDDR4x	/

资料来源：各公司官网，中信证券研究部注：未量产芯片的量产上车时间为各公司规划

图 42：大算力芯片市场主流玩家（英伟达、高通、地平线、黑芝麻、辉羲智能、华为）SWOT分析

大算力芯片/平台	优势Strength	劣势Wwakness	机会Opportunity	威胁Threat
英伟达 Orin X 254T Thor 2000T	通用GPU路线领导者，擅长大规模并行计算，自研 Transformer引擎，顺应大模型上车趋势提供行业最完整的软硬件一体－车企研发费用成本较高化闭环解决方案，并开放生态 Orin芯片占据中国高端车型自动驾驶市场最大份额	－GPU方案的芯片成本与功耗较高－本土化服务能力相对较弱	Thor算力超2000 TOPS，加入专用AI加速器提升整体运算效率，同时持舱驾一体，能够实现多计算域隔离，计划2024年量产向更高制程演进降低功耗，提升运算效率积极与本土tier1绑定，以加速中国市场渗透	－车载计算平台算力与功耗的平衡是无人驾驶硬件端的一大瓶颈长期看，或面临地平线等ASIC路线的竞争
高通晓龙Ride Flex >600T	－与消费电子端平摊流片成本，芯片具备一定的成本优势－芯片做到性能与功耗较好平衡－国内收获的车企定点较少	智驾方案为座舱芯片及云端训练芯片车规改造而来，实际上车表现尚需佐证－本土化服务能力相对较弱	Snapdragon Ride Flex 实现2000 TOPS算力，对标英伟达，同时支持舱驾一体，在硬件层面实现功能隔离，计划2024年量产向更高制程演进降低功耗，提升运算效率收获宝马等大客户	：在自动驾驶领域起步晚，面临英伟达、地平线等厂商先发优势
地平线 J5 128T J6 >400T	J5为当前唯一量产的国产大算力芯片，切入100-200TOPS 市场整体出货量跃居国内市场第二，整车项目在国内具备先发优势本土化服务能力强，打造与主机厂+Tier1的开放生态圈	：J5不包含GPU，且CPU算力较低，或难以适应更高等级自动驾驶功能的计算需求－J5与算法绑定较深，在开发难度上高于英伟达通用 GPU架构	J6采用新架构，算力或超400 TOPS，超越英伟达Orin，同时有望支持舱驾一体自研BEV+Transformer算法适配硬件，提升计算效率随着算法逐步固化，自研ASIC计算效率优势或将凸显	－国内市场更多大算力芯片进入量产，加剧竞争－ARM方案授权可能受限台积电代工，或会受地缘政治影响
黑芝麻 A1000 Pro 106T	自研图像感知ISP和神经网络加速器NPU，提升运算效率－本土化服务能力强，打造与主机厂+Tier1的开放生态圈	芯片仍未正式量产上车，市场表现有待验证	2023年即将实现吉利、江汽等品牌走量车型的量产推出跨域计算平台“武当”系列 C1200，面向舱驾一体化设计	国内市场竞争日益激烈 ARM方案授权可能受限 -台积电代工，或会受地缘政治影响
华为 MDC 610 >200 T MDC810 >400T	ICT龙头，具备深厚技术积累与研发资金优势具备大模型技术积累与鸿蒙生态，加速软件算法与芯片迭代 MDC 810算力超400TOPS,	Tier1模式或与车企利益冲突，当前出货量较少，能否进一步扩大生态合作圈有待观察整体计算平台打包方案，车企开发自由度方面或不及提供单SoC方案的厂商	智选车生态持续扩大，芯片出货量有望持续受益基于ICT领域技术积累，与鸿蒙生态，有望加速舱驾一体化布局	－ARM方案授权可能受限受地缘政治影响，先进制程受限
辉羲智能 R1>260T	创始团队具备微软亚洲研究院、百度、商汤、上汽、蔚来等产学研背景，拥有芯片&自动驾驶系统研发设计以及量产适配上车的深厚经验积累	－起步较晚，量产上车节奏与芯片实际表现仍待验证	当前行业处于技术范式变革期，仍有望通过芯片架构革新后来居上 R1面向BEV+Transformer新趋势设计，规划算力超260TOPS，并提供NOA量产工具链大算力NPU架构能力领先，自研架构介于ASIC和GPU之间，算法灵活性与通用性较高	面临英伟达、地平线、黑芝麻等厂商先发优势 -ARM方案授权可能受限台积电代工，或会受地缘政治影响

资料来源：各公司官网，中信证券研究部

英伟达：基于 GPU 高技术壁垒，长期引领智驾芯片技术革新。Orin X 是当前唯一量产且算力超 200 TOPS 的大算力芯片，占据了主流中高端车型智驾芯片最大市场份额。2022年9月，英伟达又发布Thor SoC，算力达到2000TFLOPS@FP8，面向中央计算式架构设计，支持云端融合、一芯多用、跨域计算，被认为定义了行业未来 3 年的发展方向，规划 2025 年量产，已宣布极氪为首发车型。

针对 BEV+Transformer：英伟达在 Hopper GPU 架构中加入 Transformer 推理引擎，大幅提升 AI 运算效率。GPU 天生适合 Transformer 模型所需的浮点运算以及高带宽需求，而英伟达又在 Thor 的 Hopper GPU 架构中加入了 Transformer推理引擎，进一步提升其 AI 运算效率。该 Transformer 引擎于 2022 年已被英伟达集成于 H100 训练服务器中，采用英伟达 Hopper Tensor Core 技术，能够应用FP8 和 FP16 混合精度，以大幅加速 Transformer 模型的 AI 计算，采用 FP8 的Tensor Core 运算在吞吐量方面是 16 位运算的两倍。此外，Thor 也旨在统一训练和推理端的精度，Transformer 引擎在用于推理时，无需进行任何数据格式转换，能够以 FP8 输出结果。此前英伟达、英特尔与 ARM 三家联合推出 FP8 格式标准，当前多数自动驾驶模型训练由英伟达芯片完成，若能够做到训练与推理端统一使用 FP8，则效率和准确度将大幅超越 INT8，因此 Thor 有望成为英伟达训练芯片客户的首选推理端 SoC。值得一提的是，英伟达取消了 2021 年 GTC 大会上所发布的 Atlan，我们认为主要原因之一就在于 Atlan 或没有考虑 Transformer 专用引擎且不支持 FP8 格式。

针对舱驾一体：英伟达 Thor SoC 提出“单芯片解决一切”，算力一骑绝尘，架构持续引领行业。Thor 可以借助 NVLink-C2C 技术整合 Grace GPU、Hopper GPU与次世代 GPU（ARM 最新服务器 CPU 架构 V2 或波塞冬平台），实现 2000 TOPS的 FP8 效能，并支持单 SoC 实现座舱与智驾等功能。DRIVE Thor 能够进行多域计算，可以将自动驾驶、车载信息娱乐等功能划分为不同任务区间，同时运行，互不干扰，并能够将所有显示器、传感器计算需求集中至单 SoC。多计算域隔离能力，可支持时间关键型的进程不间断同时运行，在单 SoC 上可以同时运行 Linux、QNX 和 Android，未来主机厂可以借助 Thor 隔离特定任务的能力，告别分布式的电子控制单元，整合全车功能。

工具链&生态层面，英伟达打造行业内最完整的自动驾驶端到端解决方案 NvidiaDrive，持续构建芯片开发生态，有助于商业化拓展。Nvidia Drive 全栈自动驾驶平台涵盖感知、训练、仿真、执行四大环节。主要包括 Drive Orin 芯片、DRIVEAGX Orin 车端集中式 AI 计算平台，DRIVE OS 基础软件平台、Driveworks 软件开发者套件（SDK）、DRIVE AV 自动驾驶软件栈、DRIVE Hyperion 数据采集和开发验证套件、DRIVE Constellation 虚拟仿真平台和 DGX 高性能 AI 训练服务器，客户可通过统一 API 接口的 SDK快速开发应用程序和算法。英伟达的 CUDA通用并行计算架构已积累深厚的开发者基础，CUDA 不仅可以调用 GPU 计算，还可以调用 GPU 硬件加速，从而加速大规模并行计算效率。当前全球使用 CUDA的开发者已达数百万级，通过将 CUDA 开发套件与 GPU 深度绑定，也有助于英伟达构建自动驾驶芯片的护城河。

图 43：英伟达 Thor SoC 架构加入 Transformer Engine

资料来源：英伟达官网

图 44：英伟达 Thor SoC支持多域并行

资料来源：英伟达官网

图 45：英伟达提供全栈自动驾驶开发平台 Nvidia Drive

资料来源：英伟达官网

图 46：英伟达构建庞大的开发者生态

资料来源：英伟达官网

高通：立足智能座舱，有望迅速跻身自动驾驶第一梯队。针对智能座舱市场，高通凭借骁龙 SA8155迅速抢占中高端市场，SA8295 继续代表座舱 SoC 最前沿技术。而针对自动驾驶市场，高通凭借 Snapdragon Ride 自动驾驶平台以及去年发布的 Snapdragon Ride Flex SoC 打响进军高性能自动驾驶芯片的发令枪。

针对 BEV+Transformer：基于消费电子与智能座舱领域积累的芯片开发经验，在 CPU 算力、浮点运算能力以及内存带宽上持续突破，顺应 Transformer 上车趋势。高通 2020 年初推出 Snapdragon Ride 自动驾驶平台，配备 SA8540P SoC和 AI 加速器 SA9000P，提供若干 SoC 和 ASIC 组合的方案，可覆盖 ADAS 到L4 的算力需求（10-700+TOPS）。据佐思汽车研究微信公众号上发表的文章《高通自动驾驶平台 Snapdragon Ride 分析》（周彦武），Snapdragon Ride 中的SA8540 或是骁龙 865 的车规版，而 S9000 或是云端加速芯片 Cloud AI 100 的车规版。骁龙 865 搭载 Adreno 650 GPU，全面提升 16 位/32 位浮点运算能力，并特别加入 Hexagon 698 张量加速器，具备 Transformer 模型下车端的高效 AI 推理能力。而 Cloud AI 100 则特别针对 AI 大模型推理打造，能够提供 400 TOPS的算力，峰值性能是 Snapdragon 855 和 Snapdragon 820 的 3 到 50 倍，与传统的 FPGA 相比推理速度提高约 10 倍，且在 AI 推理的每瓦能效上超越英伟达A100。

针对舱驾一体：高通在智能座舱领域具备深厚 know-how，面向舱驾一体推出Snapdragon Ride Flex，有望在新趋势下成为英伟达的强劲对手。2022 年 9 月英伟达发布 Thor 后，高通迅速发布对标的 Snapdragon Ride Flex SoC，可同时支持座舱和智驾。为了实现最高等级的汽车安全，Flex 在硬件架构层面向特定ADAS 功能实现隔离，并内建 ASIL-D 级安全岛。此外，预集成的软件平台支持多操作系统同时运行，通过隔离的虚拟机和支持 AUTOSAR的OS支持管理程序，满足不同系统的工作负载和安全隔离需求。Snapdragon Ride Flex SoC 单颗配合外挂 AI 加速器，可以达到媲美英伟达 Thor 的 2000 TOPS 算力。目前该芯片已经出样，公司预计将于 2024 年开始量产。我们认为，高通擅长构建集成多功能域的 SoC 芯片，且在智能座舱领域具备深厚 know-how，有望基于 SnapdragonRide Flex 芯片快速打通座舱与智驾域。与英伟达相比，尽管高通在 GPU 与 AI算力上稍逊，但其自研 CPU 在性能功耗比与制程上相对领先。同时，高通也具备一定性价比优势，能够通过共享消费电子产能，摊薄自动驾驶芯片研发与量产成本，有望在新趋势下成为英伟达的强劲对手。

图 47：高通 Snapdragon Ride 产品迭代趋势

资料来源：高通官网

图 48：高通 Snapdragon Ride 架构图

资料来源：高通官网（高通 SA8540 或是骁龙 865 的车规版）

图 49：高通 Cloud AI 100 架构图

资料来源：高通官网（高通 AI 加速器 SA9000 或是 Cloud AI 100 的车规版）

图 50：高通 Snapdragon Ride Flex SoC 支持舱驾一体

资料来源：高通官网

地平线：当前最有望挑战英伟达领导地位的国产芯片厂商。地平线 J5 是目前唯一规模化量产的国产大算力芯片，拥有 128TOPS算力，30W 低功耗，领先同级竞品的 1531 FPS（真实计算性能）以及 60ms超低延迟感知能力。基于规模异构近存计算、高灵活大并发数据桥及脉动张量计算核三大核心技术，J5 能以更少内存、更高 MAC 利用率执行更多任务，将并行计算发挥到极致，提升算力有效利用率。这也利于芯片在不堆叠面积和有限功耗下，发挥最多的实际 AI 性能。J5在 EfficientNet 模型测试中，FPS 指标优于英伟达 Orin 和 Xavier。当前 J5 已经上车理想 L7、L8 Pro 等高端车型，未来有望进一步占据英伟达 Orin 市场份额。

针对 BEV+Transformer：地平线开发适配 J5 的 Swin-Transformer 结构，可更好发挥 J5的算力优势，显著提升网络性能、减少访存时间。此外，在 3D 感知算法领域，地平线参考算法集成了基于 Transformer的纯视觉 BEV模型、基于雷达点云的 3D 检测模型以及单目 3D 目标检测算法。地平线所提供的 BEV 感知模型集成了目标检测和语义分割多重任务，可开放支持包括 IPM（Inverse PerspectiveMapping）、Transformer 等多种转换方式，基于 Transformer 大模型，开放提供包括 DETR 3D、GKT、PETR在内的多类感知示例。地平线还于 2023 年上海车展发布最新 3.0 BPU 架构纳什，专为大参数量 Transformer、大规模交互式博弈设计，可灵活支持 Transformer 的细小算子。

针对舱驾一体：根据 36氪报道，公司目前正在开发第六代芯片，年底将有新消息发布，算力将是征程 5 的数倍，有望支持舱驾一体。但相比于英伟达和高通在舱驾一体方面的积极布局，地平线相关披露较少。

工具链&生态层面，地平线联合众多 Tier 1 、IDH合作伙伴等软硬件供应商，积极构建产业生态圈，有望将征程系列芯片辐射更多车企客户。在地平线的生态合作圈中，软件商包括轻舟智航、禾多科技、觉非科技等，提供感规控等软件能力；硬件域控方面，包括东软睿驰、大陆、立讯、福瑞泰克、联电、四维、科博达等，上述合作皆有望帮助定位 Tier 2 的地平线打入更多车企产业链。

图 51：地平线 J5 架构图

资料来源：地平线官网

图 52：地平线 J5计算效率表现突出

资料来源：地平线官网

图 53：地平线 BPU纳什架构

资料来源：地平线官方微信公众号

图 54：地平线征程 5芯片生态合作圈

资料来源：地平线官方微信公众号

黑芝麻：在功能完整性与性价比上具备一定优势，相比于部分 ASIC 路线公司产品，或更能够适应 BEV + Transformer 新趋势。黑芝麻主要瞄准中高算力市场，华山系列 A1000、A1000 Pro、A2000 的算力分别为 58、106 和 256TOPS。此前，黑芝麻 A1000 的量产进程有所延迟，目前有望于今年上车江淮思皓与领克08，正式开启商业化之路。

针对 BEV+Transformer：黑芝麻自研 NPU具有较好兼容性，可兼顾 Transformer算法。黑芝麻自研神经网络加速器 NPU 以及图像信号处理 ISP 两大核心 IP，使得 A1000 具备高性能&高能效，能够做到卷积层平均 80%的 MAC 阵列利用率，有助于客户在大模型与复杂算法场景下更高效开发。

针对舱驾一体：面向跨域计算场景，最新推出车规级跨域计算平台“武当”以及首款芯片 C1200 SoC。跨域计算平台“武当”系列能够覆盖座舱、智驾等智能汽车内部多个不同域的需求，具有多域融合的能力。其中，C1200 SoC 瞄准跨域融合的 E/E架构终局，单颗芯片即可满足包括 CMS（电子后视镜）系统、行泊一体、整车计算、信息娱乐系统、智能大灯、舱内感知系统等跨域计算场景。基于黑芝麻自研的 Extreme Speed Data Exchange Infrastructure（ESDE）架构，一方面能够安全地隔离不同功能安全等级要求的算力组合；另一方面，可低时延处理并传输大流量数据，以充分利用算力。黑芝麻预计将于 2023年内提供 C1200样片。

图 55：黑芝麻武当跨域计算平台 C1200 特性

资料来源：黑芝麻官方微信公众号

图 56：武当系列 C1200原型机

资料来源：黑芝麻官方微信公众号

辉羲智能：瞄准 BEV + Transformer 行业新趋势，切入大算力芯片市场，有望抓住软硬件尚未固化的窗口期，实现弯道超车。公司成立于 2022 年，创始团队具备微软亚洲研究院、百度、商汤、上汽、蔚来以及上海交大等产学研背景，拥有芯片&自动驾驶系统研发设计，以及量产适配上车的深厚经验积累。公司于 2023年 2 月完成由顺为资本和小米联合领投的数亿元天使+轮融资。当前产品涵盖车端智能驾驶芯片和计算平台、云端数据智能平台、城区 NOA 和 GPT 模型应用等全栈式解决方案。

芯片层面，公司首款产品 R1 SoC 即针对 BEV+Transformer 以及舱驾一体新趋势进行设计，规划算力超 260TOPS，有望于 2024H1 SOP，具备支持 BEV +Transformer 的最新架构。公司主打“数据闭环定义芯片”，基于自研大算力架构，介于 ASIC 和 GPU 之间，因此算法灵活性与通用性较高，能够在 AI 算力、CPU/GPU 性能、内存带宽以及整体架构上支持大模型算法以及跨域计算等需求。

工具链&生态层面，公司积极构建工具链生态，利于客户加速向国产化平台迁移。辉羲提供完整工具链 RhinoRT，做到 CUDA Like，支持 BEV/Transformer 算法部署，同时支持常见的 AI stack 以及客户的自定义算子，有利于加速现有英伟达产品客户的迁移效率。

图 57：辉羲智能首款 R1芯片概况

资料来源：辉羲智能官网（含规划），中信证券研究部

图 58：辉羲智能创始团队背景

辉羲智能创始团队具备芯片研发与量产上车经验积累
徐宁仪博士创始人&CEO	－清华大学本硕博，主持项目经费超3亿元
	－曾任微软亚洲研究院硬件计算组负责人，主导数据中心定制加速系统，全球首例应用于超大规模数据中心
	－曾任百度智能芯片部主任架构师兼技术委员会主席，参与主导中国首款云端全功能AI芯片昆仑 -曾任商汤芯片公司阵量智能CEO，负责商汤首款NPU、首款云端训练芯片、首款AIISP芯片
章健勇博士联合创始人	-清华大学本硕，亚琛工大硕士，上交大博士 -上汽前瞻方向工作多年，后加入蔚来汽车负责ADAS量产开发，原蔚来汽车自动驾驶系统AVP，负责第一代自动驾驶功能开发（主导EYEQ4功能全球首发量产，率先实现量产NOP领航辅助）以及第二代自动驾驶系统平台工程（9个月实现 Orin从工程样片到车型功能全球首发量产)
贺光辉教授联合创始人	-上海交大教授、博导及微纳电子学系副系主任、清华大学博士，长期研究高能效计算和异构集成技术－主持包括国家重点研发计划、国家自然科学基金、国家科技重大专项等科研任务20余项，学术成果在航天、高铁、新能源等领域得到产业化应用，多次获得国家及省部级荣誉，获2022年北京市技术发明奖 -为新岸线高可靠低延时无线传输芯片设计核心IP，曾获ISSCC顶级会议技术创新奖

资料来源：辉羲智能官网，中信证券研究部

华为：定位 Tier 1，多维度赋能车企造车，自研 MDC 计算平台在架构与算力上表现突出。我们认为，基于 MDC 计算平台、通信技术、大模型积累以及鸿蒙底层生态，华为将持续引领自动驾驶基础软硬件行业，但目前仍主要面向智选车生态合作伙伴，向更广泛车企拓展的能力仍待观察。

MDC平台为自动驾驶提供可扩展且灵活的算力支持。华为 MDC平台基于多颗鲲鹏 CPU 与昇腾 AI 芯片的 SoC 组合，推出 MDC210、MDC300F、MDC610 和MDC810，实现 48 TOPS – 400+ TOPS 的算力，覆盖 L2+至 L4 级别自动驾驶。MDC 平台遵循平台化和标准化原则，能够以一套软件架构，支持不同硬件配置，实现软硬件解耦。同时，MDC 平台充分考虑到感知、决策、规划、控制等不同环节对 CPU和 AI 算力的不同需求，由自研鲲鹏 SoC 提供 CPU 算力，昇腾 SoC 提供 AI 算力。2021 年 4 月，华为宣布 MDC 810 已实现量产，并于 2022 年正式上车北汽极狐阿尔法S Hi版以及长安阿维塔11，MDC 610也于2022年量产上车。

推出 ADS2.0 自动驾驶解决方案，但未来客户或主要为智选车生态合作伙伴。华为于 2023 年上海车展前夕发布 HUAWEI ADS 2.0 解决方案。此前，ADS 1.0 已实现基于 Transformer的 BEV 架构，而 ADS 2.0进一步升级，基于道路拓扑推理网络进一步增强，真正实现“去高精地图”的 NOA 功能。我们认为，由于华为定位 Tier 1的模式或与车企利益构成冲突，因此华为 ADS 解决方案以及 MDC 计算平台的客户或以智选车生态中的传统车企为主，能否扩大量产规模仍待观察。

华为盘古大模型有望应用于车端推理侧。华为于 2023 年 3 月 23日举行的春季旗舰新品发布会上，宣布基于多模态大模型技术，在手机端侧对模型进行小型化处理。盘古大模型由 NLP 大模型、CV 大模型、多模态大模型、科学计算大模型等多个大模型构成。未来，华为大模型技术，有望率先从智能座舱加速渗透车端。

图 59：华为 MDC计算平台产品矩阵

资料来源：华为官网

图 60：华为 MDC整体架构图

资料来源：《华为 MDC 智能驾驶计算平台》

市场空间：中国自动驾驶芯片市场 2030 年有望超 700 亿元

我们认为，中短期来看，随着价格战打响，不同价位车型的智能化方案或有所分化，进而产生对芯片算力和架构的不同需求。而长期来看，智能化渗透率决定需求，中央计算、大模型等新范式决定技术路线，量产经验、工具链、性价比决定规模与竞争格局。自动驾驶芯片将是全产业链格局最为稳固、集中度最高的环节，我们判断，全球市场 4-5 家、国内市场 3-4 家寡头或有望占据行业 80%-90%以上的市场份额。

同时，我们对国内市场 2022-2030E 自动驾驶芯片市场规模进行测算，至 2025 年有望超 100 亿元，至 2030 年有望超 700 亿元。我们测算的核心假设如下：

1）乘用车销量：我们假设 2023 至 2030 年，中国乘用车销量以年平均 1%速度增长。

2）功能渗透率：针对传统 L1/L2 功能，我们预计未来 2-3 年将是功能快速规模放量的阶段，分别将于 2024 和 2026 年达到渗透率的最高点（25%/40%），随后开始逐渐下降，预计至 2030 年分别约 3%和 30%。针对 NOA 功能，我们预计高速NOA 将于 2023 年开始加速落地，而城区 NOA 今年才正式开始上车，且需要 3年左右的时间实现“从有到优”，因此我们假设至 2025 年高速/城区 NOA渗透率将分别达到 15%/1%，至 2030 年渗透率将分别达到 45%/20%。而 L4 距离真正落地仍有较远距离，我们认为 Robotaxi大规模铺开的前提是前装量产车型的推出，而目前运行的车型仍为后装改造车。根据我们进行的产业链调研，头部 L4玩家皆规划在 2025 年前后推出前装量产车型，届时才有可能冲击万台规模，因此我们测算至 2025/2030 年，L4 渗透率将分别约 0.05%/2.0%，对应车队规模超 1 万和50 万台。

需要指出的是，此处的渗透率假设针对的是车型当下所能实现的自动驾驶功能，但部分车型会进行硬件预埋，例如蔚来 ET7 搭载 4 颗 Orin 芯片，但目前仅能实现城区 NOA功能，计划未来通过 OTA逐步升级至城区 NOA。从该角度判断，实际的市场规模将高于我们此处的测算。

3）芯片配置：我们假设，传统 L1/L2 功能单车配备 1/1.5 颗小算力自动驾驶芯片，高速NOA功能（L2+）单车配备1颗中算力自动驾驶芯片，城区NOA功能（L2++/L3）单车配备 2 颗大算力芯片，L4/L5 等全无人自动驾驶单车则需要平均配备 4 颗大算力芯片。

4）芯片单价：L1/L2 等级自动驾驶系统通常配备以 Mobileye EyeQ3、地平线 J2/J3为代表的中低算力芯片，以 J2 约 20-30 美元、J3约 50美元的价格测算，我们假设 L1/L2 所配备的自动驾驶芯片单颗平均为 100/200 元。对于配置高速 NOA 功能的车型，中算力芯片单价参考黑芝麻 A1000 约 100 美元、英伟达 Xaiver 约 150美元，我们假设单颗平均价格为 1000 元。对于配置城区 NOA以及 L4/L5 功能的车型，我们参考英伟达 Orin X 约 400 美元的单价测算，假设单车配备的芯片平均单颗为 2500 元。上述价格皆针对 2022 年进行假设，而伴随量产规模扩大，我们认为芯片单价将呈逐步递减趋势，且在中低算力芯片上表现更为显著。

图 61：2022 – 2030E中国自动驾驶芯片市场规模测算

乘用车自动驾驶		2022A	2023E	2024E	2025E	2026E	2027E	2028E	2029E	2030E
		中国乘用车销量（万辆）	2356	2380	2404	2428	2452	2477	2501	2526	2552
年增长率		10%	1%	1%	1%	1%		1%	1% 1%		1%
	ADAS辅助驾驶
	功能渗透率装载功能的新车数（万辆）	22%	23%	25%	23%	20%	18%	15%	8%		3%
		518	547	601	558	490	446	375		202	77
	自动驾驶芯片需求（片/辆车）	1	1	1	1	1	1		1	1	1
	自动驾驶芯片出货量（万片）	518	547	601	558	490		446	375	202	77
	自动驾驶芯片单价（元）	100	95	90	85	80	75		70	65	60
L2	中国市场规模 (亿元）功能渗透率	5	5	5	5	4	3		3	1	0
	装载功能的新车数（万辆）	22% 518	26%	30%	35%	40%		40%	40%	35%	30%
		1.5	619	721	850	981		991	1000	884	766
	自动驾驶芯片需求（片/辆车) 自动驾驶芯片出货量（万片）	777	1.5	1.5	1.5		1.5	1.5	1.5	1.5	1.5
	自动驾驶芯片单价（元）	200	928 190	1082	1275		1471	1486	1501	1326	1148
	中国市场规模 (亿元）	23	26	180 29	170 33	160 35	150 33		140 32	130 26	120 21

L2+ 高速	功能渗透率	0.8%	4%	8%	高速/城区NOA	15%	20%	25%	30%	40%
	装载功能的新车数（万辆）	19	95	192		364	490	619	750	1010	45%
	自动驾驶芯片需求（片/辆车）	1	1	1	1		1	1	1	1	1148 1
	NOA 自动驾驶芯片出货量（万片）	19	95	192	364		490	619	750	1010	1148
	自动驾驶芯片单价（元）	1000	1000	970	930		890	850	800	750
	中国市场规模 (亿元）	2	10	19	34		44	53	60	76	700
	功能渗透率	0%	0.1%	0.5%	1%	3%		5%	8%	15%	80 20%
L2++ /L3 城区 NOA	装载功能的新车数（万辆)	0	2	12	24	74	124	200			510
	自动驾驶芯片需求（片/辆车)	2	2	2	2	2		2	2	379 2
	自动驾驶芯片出货量（万片）	0	5	24	49	147		248	400	758	2 1021
	自动驾驶芯片单价（元）	2500	2500	2500	2500		2500	2450	2400	2350
	中国市场规模 (亿元）	0	2	12	24	74			192		2300
				无人驾驶				121		356	470

L4/L5	功能渗透率	0.01%	0.02%	0.03%	0.05%	0.08%	0.15%	0.3%		0.8%	2.0%
	装载功能的新车数（万辆）	0.3	0.4	0.7	1.2		2.0	3.7	7.5	20	51
	自动驾驶芯片需求(片/辆车)	4	4	4	4		4	4	4	4	4
	自动驾驶芯片出货量（万片）	1	1	3		5	8	15	30	81	204
	自动驾驶芯片单价（元）	2500	2500	2500		2500	2500	2450	2400	2350	2300
	中国市场规模（亿元）	1	1	3	5		8	15	29	76	188
总计	L1-L4总渗透率	45%	53%	64% 68		74% 100	83% 164	88% 225	93% 315	99% 535	100% 759
总计	中国L1-L4市场规模（亿元）	32	45

资料来源：中汽协、乘联会、中信证券研究部预测

风险因素

自动驾驶渗透率不及预期：若 L2 及以上自动驾驶渗透率提升较慢，将影响高中算力自动驾驶芯片的需求与量产进程；

中美贸易摩擦，中国芯片厂商的 ARM 方案授权和台积电代工受限：当前绝大多数本土自动驾驶芯片中的 CPU 依赖于 ARM 架构，且芯片由台积电负责量产，若美国进一步限制，则会对芯片量产造成较大影响；

中国芯片厂商针对舱驾一体等新趋势的技术迭代不及预期：舱驾一体主要由英伟达和高通推动，而中国厂商若跟进速度不及预期，则可能会影响下一代大算力芯片竞争力；

Transformer 等更大模型上车趋势下，中国芯片厂商对芯片设计的迭代不及预期：Transformer 等大模型上车趋势加速，若中国芯片厂商的 ASIC 路线无法像英伟达 GPU 路线一样适应大模型，则会影响下一代芯片实际表现；

全球宏观经济复苏放缓：全球经济放缓将影响车企的终端需求，同时自动驾驶创业公司融资或放缓，进而影响芯片产品迭代与量产速度进程。

！投资建议

我们认为，中短期内，汽车智能化和领航辅助功能的发展呈现两大趋势。一方面，中低端车型在成本压力下倾向于追求更高性价比的智驾方案，利好成本控制能力强的算法玩家和具备量产经验的芯片供应商，地平线（未上市）目前持续领先。另一方面，高端车型追求打造标杆性的智能化标签，或将持续发力城区领航，利好大算力芯片。其中，英伟达（NVDA.US）和高通（QCOM.US）引领技术变革，地平线（未上市）、黑芝麻（未上市）有望开启国产替代，辉羲智能（未上市）等新玩家在架构变化下亦有机会。

此外，自动驾驶芯片加速上车，与芯片厂商深度合作的域控玩家和合作伙伴也有望受益。我们预计地平线将继续巩固其市场地位，建议关注地平线的合作伙伴：福瑞泰克（未上市）、宏景智驾（未上市）、觉非科技（未上市）、天准科技（688003.SH）、英恒科技（01760.HK）、映驰科技（未上市）、科博达（603786.SH）等；以及英伟达的深度域控合作伙伴德赛西威（002920.SZ）。

图 62：自动驾驶芯片主要域控和硬件合作伙伴以及产品进展

域控厂商	份额*	芯片厂商	智驾芯片	域控制器&解决方案	量产时间
德赛西威	9.30%	英伟达	Orin/Xavier	分别开发智能驾驶域控制器IPU03、IPU04，已上车蔚小理等众多车型	2021/2022
		高通	SA8155	基于高通Sa8155开发第四代智能座舱域控制器，占据国内主流中高端市场	2021
		TI	TDA4	2021年11月发布基于TDA4的 IPU02，并搭载在吉利星越L、奇瑞等车型	2021
宏景智驾	8.67%	地平线	J3	基于单颗地平线J3，开发具备行泊一体功能的L2+域控制器方案	2023E
宏景智驾	8.67%	地平线	J2/J3	基于地平线J2/J3，开发了面向L2的高性价比SmartCam方案	2021
安波福	6.85%	Mobileye等	EyeQ系列等	基于Mobileye EyeQ系列芯片等，开发基础版/进阶版/高级版域控方案	2017
博世	4.67%	Mobileye	EyeQ系列	基于MobileyeEyeQ系列芯片，开发基于单目摄像头的DASy1.0域控	2019
博世	4.67%	英伟达		基于英伟达GPU+Xeon处理器，开发DASy2.0域控，最高算力达300TOPS	2022E
知行科技	4.33%	Mobileye	EyeQ系列	基于Mobileye EyeQ4打造智能摄像头iFC2.0，基于EyeQ5H打造域控制器 SuperVision，搭载于极氟001/009，后续还将推出基于EyeQ6的产品	2021/
知行科技	4.33%	TI	TDA4	基于德州仪器TDA4打造域控制器iDCMid，搭载于奇瑞	2024E 2022
华锐捷（大华股份）	2.92%			采用自研AI芯片，使用嵌入式多核CPU、多核GPU、多核神经网络处理器自由结合方案，打造L2+级智驾域控制器	2020
毫末智行	2.73%	地平线	J3	2023年宣布将基于地平线J3打造智能驾驶域控制器方案	不详
毫末智行	2.73%	高通	晓龙Ride	基于高通SA8540 +SA9000推出小魔盒3.0域控，上车长城多款车型	2023E
经纬恒润	0.46%	Mobileye	EyeQ系列	基于Mobileye EyeQ系列芯片与配套算法，打包视觉ADAS方案提供给OEM	2017-2020
		黑芝麻	A1000	基于黑芝麻芯片研发自动驾驶域控制器、智能座舱产品以及相关应用	2023E
		TI	TDA4	基于德州仪器的TDA4域控制器已在哪吒汽车等实现量产	2022
福瑞泰克	0.36%	地平线	J3	基于地平线J3开发域控ADC20，通过高性价比传感器方案实现高速NOA，已	2023E
福瑞泰克	0.36%	地平线+TI	TDA4+J5	上车吉利博越L，成功渗透15万级车型基于地平线J5和TI的TDA4双芯片开发域控ADC30
中科创达		高通	SA8540	子公司畅行智驾于2022年获得高通投资，基于高通SA8540智驾芯片开发自动驾驶域控	2023E 2023E
映驰科技		地平线	J3/J5	地平线官方授权硬件IDH合作伙伴之一，基于J3打造智能域控制器DCU3.0解决方案，2022年底开启量产，基于J5的行泊一体方案规划3Q23开始量产	2022/
金脉电子 (英恒科技)		地平线	J3/J5	地平线官方授权硬件IDH合作伙伴之一，基于J3的G-Pilot3智能驾驶系统于	2023E 2022/
天准科技		地平线	J5	2022年底开启交付，同时2022年推出基于J5的MADC2高性能域控制器地平线官方授权硬件IDH合作伙伴之一，基于J5打造TADC系列智驾域控制器	2023E 2023E
科博达		地平线	征程系列	基于地平线征程系列芯片，打造不同等级的域控制器及智能驾驶解决方案

资料来源：各公司官网，界面新闻，高工汽车智能研究院，中信证券研究部（注：份额数据为 2021-2022 年中国市场乘用车行车（含行泊一体）智驾域控制器供应商（不含代工）市场份额数据；量产时间为各公司规划）

产业策略自动驾驶产业研究系列—行业新阶段，激光雷达当前的三个预期差(2023-02-08)海外中资股定期报告—谁将成为新科港股通成员？ (2022-12-31)

分析师声明

主要负责撰写本研究报告全部或部分内容的分析师在此声明：（i）本研究报告所表述的任何观点均精准地反映了上述每位分析师个人对标的证券和发行人的看法；（ii）该分析师所得报酬的任何组成部分无论是在过去、现在及将来均不会直接或间接地与研究报告所表述的具体建议或观点相联系。

一般性声明

本研究报告由中信证券股份有限公司或其附属机构制作。中信证券股份有限公司及其全球的附属机构、分支机构及联营机构（仅就本研究报告免责条款而言，不含 CLSA group of companies），统称为“中信证券”。

本研究报告对于收件人而言属高度机密，只有收件人才能使用。本研究报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。本研究报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。中信证券并不因收件人收到本报告而视其为中信证券的客户。本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断并自行承担投资风险。

本报告所载资料的来源被认为是可靠的，但中信证券不保证其准确性或完整性。中信证券并不对使用本报告或其所包含的内容产生的任何直接或间接损失或与此有关的其他损失承担任何责任。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可跌可升。过往的业绩并不能代表未来的表现。

本报告所载的资料、观点及预测均反映了中信证券在最初发布该报告日期当日分析师的判断，可以在不发出通知的情况下做出更改，亦可因使用不同假设和标准、采用不同观点和分析方法而与中信证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。中信证券并不承担提示本报告的收件人注意该等材料的责任。中信证券通过信息隔离墙控制中信证券内部一个或多个领域的信息向中信证券其他领域、单位、集团及其他附属机构的流动。负责撰写本报告的分析师的薪酬由研究部门管理层和中信证券高级管理层全权决定。分析师的薪酬不是基于中信证券投资银行收入而定，但是，分析师的薪酬可能与投行整体收入有关，其中包括投资银行、销售与交易业务。

若中信证券以外的金融机构发送本报告，则由该金融机构为此发送行为承担全部责任。该机构的客户应联系该机构以交易本报告中提及的证券或要求获悉更详细信息。本报告不构成中信证券向发送本报告金融机构之客户提供的投资建议，中信证券以及中信证券的各个高级职员、董事和员工亦不为（前述金融机构之客户）因使用本报告或报告载明的内容产生的直接或间接损失承担任何责任。

评级说明

投资建议的评级标准		评级	说明
报告中投资建议所涉及的评级分为股票评级和行业评级(另有说明的除外)。评级标准为报告发布日后6到12个月内的相对市场表现，也即：以报告发布日后的6到12个月内的公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A 股市场以沪深 300指数为基准，新三板市场以三板成指(针对协议转让标的)或三板做市指数（针对做市转让标的）为基准；香港市场以摩根士丹利中国指数为基准；美国市场以纳斯达克综合指数或标普 500 指数为基准；韩国市场以科斯达克指数或韩国综合股价指数为基准。	股票评级	买入	相对同期相关证券市场代表性指数涨幅20%以上
		增持	相对同期相关证券市场代表性指数涨幅介于5%～20%之间
		持有	相对同期相关证券市场代表性指数涨幅介于-10%～5%之间
		卖出	相对同期相关证券市场代表性指数跌幅10%以上
	行业评级	强于大市	相对同期相关证券市场代表性指数涨幅10%以上
		中性	相对同期相关证券市场代表性指数涨幅介于-10%～10%之间
		弱于大市	相对同期相关证券市场代表性指数跌幅10%以上

特别声明

在法律许可的情况下，中信证券可能（1）与本研究报告所提到的公司建立或保持顾问、投资银行或证券服务关系，（2）参与或投资本报告所提到的公司的金融交易，及/或持有其证券或其衍生品或进行证券或其衍生品交易，因此，投资者应考虑到中信证券可能存在与本研究报告有潜在利益冲突的风险。本研究报告涉及具体公司的披露信息，请访问 https://research.citicsinfo.com/disclosure。

法律主体声明

本研究报告在中华人民共和国（香港、澳门、台湾除外）由中信证券股份有限公司（受中国证券监督管理委员会监管，经营证券业务许可证编号：Z20374000）分发。本研究报告由下列机构代表中信证券在相应地区分发：在中国香港由 CLSA Limited（于中国香港注册成立的有限公司）分发；在中国台湾由 CL Securities Taiwan Co., Ltd.分发；在澳大利亚由 CLSA Australia Pty Ltd.（商业编号：53 139 992 331/金融服务牌照编号：350159）分发；在美国由 CLSA（CLSA Americas, LLC 除外）分发；在新加坡由 CLSA Singapore Pte Ltd.（公司注册编号：198703750W）分发；在欧洲经济区由 CLSA Europe BV 分发；在英国由 CLSA （UK）分发；在印度由 CLSA India Private Limited 分发（地址：8/F, Dalamal House, Nariman Point, Mumbai400021；电话：+91-22-66505050；传真：+91-22-22840271；公司识别号：U67120MH1994PLC083118）；在印度尼西亚由 PT CLSA Sekuritas Indonesia分发；在日本由 CLSA Securities Japan Co., Ltd.分发；在韩国由 CLSA Securities Korea Ltd.分发；在马来西亚由 CLSA Securities Malaysia Sdn Bhd分发；在菲律宾由 CLSA Philippines Inc.（菲律宾证券交易所及证券投资者保护基金会员）分发；在泰国由 CLSA Securities (Thailand) Limited 分发。

针对不同司法管辖区的声明

中国大陆：根据中国证券监督管理委员会核发的经营证券业务许可，中信证券股份有限公司的经营范围包括证券投资咨询业务。

中国香港：本研究报告由 CLSA Limited分发。本研究报告在香港仅分发给专业投资者（《证券及期货条例》（香港法例第 571 章）及其下颁布的任何规则界定的），不得分发给零售投资者。就分析或报告引起的或与分析或报告有关的任何事宜，CLSA客户应联系 CLSA Limited的罗鼎，电话：+852 26007233。

美国：本研究报告由中信证券制作。本研究报告在美国由 CLSA（CLSA Americas, LLC除外）仅向符合美国《1934年证券交易法》下 15a-6规则界定且 CLSA Americas, LLC 提供服务的“主要美国机构投资者”分发。对身在美国的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所述任何观点的背书。任何从中信证券与 CLSA获得本研究报告的接收者如果希望在美国交易本报告中提及的任何证券应当联系CLSA Americas, LLC（在美国证券交易委员会注册的经纪交易商），以及 CLSA 的附属公司。

新加坡：本研究报告在新加坡由 CLSA Singapore Pte Ltd.，仅向（新加坡《财务顾问规例》界定的）“机构投资者、认可投资者及专业投资者”分发。就分析或报告引起的或与分析或报告有关的任何事宜，新加坡的报告收件人应联系 CLSA Singapore Pte Ltd，地址：80 Raffles Place, #18-01, UOB Plaza1, Singapore 048624，电话：+65 6416 7888。因您作为机构投资者、认可投资者或专业投资者的身份，就 CLSA Singapore Pte Ltd.可能向您提供的任何财务顾问服务，CLSA Singapore Pte Ltd 豁免遵守《财务顾问法》（第 110 章）、《财务顾问规例》以及其下的相关通知和指引（CLSA 业务条款的新加坡附件中证券交易服务 C部分所披露）的某些要求。MCI（P）085/11/2021。

加拿大：本研究报告由中信证券制作。对身在加拿大的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所载任何观点的背书。

英国：本研究报告归属于营销文件，其不是按照旨在提升研究报告独立性的法律要件而撰写，亦不受任何禁止在投资研究报告发布前进行交易的限制。本研究报告在英国由 CLSA （UK）分发，且针对由相应本地监管规定所界定的在投资方面具有专业经验的人士。涉及到的任何投资活动仅针对此类人士。若您不具备投资的专业经验，请勿依赖本研究报告。对于英国分析员编纂的研究资料，其由 CLSA （UK）制作并发布。就英国的金融行业准则，该资料被制作并意图作为实质性研究资料。CLSA （UK）由（英国）金融行为管理局授权并接受其管理。

欧洲经济区：本研究报告由荷兰金融市场管理局授权并管理的 CLSA Europe BV 分发。

澳大利亚：CLSA Australia Pty Ltd (“CAPL”) (商业编号：53 139 992 331/金融服务牌照编号：350159) 受澳大利亚证券与投资委员会监管，且为澳大利亚证券交易所及 CHI-X 的市场参与主体。本研究报告在澳大利亚由 CAPL 仅向“批发客户”发布及分发。本研究报告未考虑收件人的具体投资目标、财务状况或特定需求。未经 CAPL 事先书面同意，本研究报告的收件人不得将其分发给任何第三方。本段所称的“批发客户”适用于《公司法（2001）》第 761G条的规定。CAPL研究覆盖范围包括研究部门管理层不时认为与投资者相关的 ASX All Ordinaries 指数成分股、离岸市场上市证券、未上市发行人及投资产品。CAPL 寻求覆盖各个行业中与其国内及国际投资者相关的公司。

印度：CLSA India Private Limited，成立于 1994 年 11 月，为全球机构投资者、养老基金和企业提供股票经纪服务（印度证券交易委员会注册编号：INZ000001735）、研究服务（印度证券交易委员会注册编号：INH000001113）和商人银行服务（印度证券交易委员会注册编号：INM000010619）。CLSA及其关联方可能持有标的公司的债务。此外，CLSA及其关联方在过去 12 个月内可能已从标的公司收取了非投资银行服务和/或非证券相关服务的报酬。如需了解 CLSA India“关联方”的更多详情，请联系 Compliance-India@clsa.com。

未经中信证券事先书面授权，任何人不得以任何目的复制、发送或销售本报告。

StartYourFinance

起点财经，网罗天下报告

自动驾驶芯片：中央计算、大模型与领航辅助引领新一轮创新

核心观点

每日免费获取报告

目录

插图目录

复盘：英伟达通用型 GPU 先声夺人，地平线把握时间窗口进行国产替代

背景：汽车 EE架构向集中化演进，催化智驾 SoC芯片需求

格局：行业格局未定，英伟达引领中高端市场，地平线异军突起

▍ 展望：小算力芯片需求保持强劲，大算力芯片走向更新架构

小算力芯片：量产交付、安全稳定和性价比是关键，地平线和 TI 领先地位较为稳固

中算力芯片：高速领航带来发展机遇，各玩家皆有突围可能

大算力芯片：BEV/Transformer+舱驾一体驱动芯片走向大算力&新架构

市场空间：中国自动驾驶芯片市场 2030 年有望超 700 亿元

风险因素

！ 投资建议

相关研究

分析师声明

一般性声明

评级说明

特别声明

法律主体声明

针对不同司法管辖区的声明

StartYourFinance

！投资建议

产业策略自动驾驶系列：自动驾驶芯片，中央计算、大模型与领航辅助引领新一轮创新-20230528-中信证券-52页