01
1.1 設計/代工/車規認證為SOC芯片核心壁壘
大算力SOC芯片的設計和制造具有很高的門檻,要綜合性能、功耗、成本、車規安全多方面因素。
(1)異構、多核SOC設計和優化能力直接決定了大算力芯片的性能、可靠性和安全性等。這里面有兩大技術難題,一方面要了解客戶需求,即深入了解AI算法,尤其背后使用的神經網絡。因此需要前瞻性了解新的AI算法,否則等芯片研發出來后發現算法與硬件架構兼容性差將會使芯片效率大大降低。自動駕駛是高階的人工智能,與人臉、語音識別以及大數據分析等領域相比,對安全性和實時性要求更高,且由于駕駛是要和人類共同參與的,因此需要更高的認知與推理能力。另外要足夠了解供給,即SOC芯片內部比如CPU、ISP、DSP等核心可以通過IP授權的形式獲得,只有對各種IP深刻理解才能設計出好用的芯片。
(2)性能/功率比為評價AI芯片的關鍵指標,并且作為創業公司要有足夠資金進行先進制程流片。各家新一代SOC中每瓦的峰值處理能力在逐步提高:英偉達的Drive Orin能夠達到3.6TOPS/watt的性能,較其老一代Xavier的1.1TOPS/watt有顯著改進。Mobileye 的 EyeQ4也可以從0.83TOPS/watt上升到1.6TOPS/watt,并且在即將推出的Ultra版本中可能會超過1.76TOPS/watt。特斯拉已經在2019年的HW3.0中實現了2.0TOPS/watt, 并預計在下一代HW4.0平臺中會有更實質性的改進。持續提高 AI 芯片性 能的方法有:a.持續優化SOC架構。如引入更強大的ASIC芯片——神經網絡加速器(NNAs)、NPU或DLAs;b.采用更先進的芯片制造技術可以有 效降低整體功耗。根據IBS的估計,開發一塊芯片的成本,包括IP許可、EDA(電子設計自動化)軟件、研發、tape out(最終設計過程)、包裝和測試 費用,對于16nm技術節點,總計流片費用為1.06億美元;對于7nm技術節點,總計流片費用為2.98億美元;而對于5nm技術節點,流片費用為5.42億美元。因此是否有足夠的資金進行先進制程流片以及能否拿到 先進制程的產能也是最終能否大規模量產的關鍵因素。
(3) 功能安全流程、車規可靠性認證、ASPICE軟件認證等一系列嚴苛車規認 證需要逐一攻破。從芯片功能定義到流片/封裝測試完成,大約需要2年時間,如果早期車規芯片不涉及功能安全,那么這個過程可以加速。但從 芯片測試完成→量產,大約需要1年半~2年時間,這個環節時間必不可少,因為涉及AECQ100,ISO 26262等功能安全認證,還有夏季冬季認證,一級軟件認證等。
1.2 國產SOC廠商在設計芯片之初需要兼顧多重因素
1.2.1 IP:各大自動駕駛SOC芯片廠商將自研“XPU”IP作為競爭重點
各大自動駕駛SOC芯片廠商將自研“XPU”IP作為競爭重點。SOC芯片多為異構設計,包含GPU、CPU、加速核、NPU、DPU、ISP等不同的計算單元,一般來說芯片不能簡單評估算力,還需兼顧芯片帶寬、外設、內存,以及能效比、成本等。同時,在芯片設計中,異構IP的配置非常重要,自動駕駛SOC芯片商均不 斷加強核心IP研發以保持關鍵競爭力:
特斯拉:經歷了早期使用黑盒方案的Mobileye EyeQ3,到較為開放的Nvidia Drive平臺,再到如今NPU芯片自研。特斯拉將芯片、算法緊耦合,盡管目前特斯拉芯片算力不是最高,但其軟硬一體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圖像信號處理器和DyanmAI NN引擎兩大核心IP。前者讓車“看得更清楚”,后者讓車“擁有了更強的處理能力及更高的效率”。
· NeuralIQ ISP圖像信號處理器旨在讓汽車“看得清”。通常而言,手機拍照多為靜態拍攝,可以通過運用傳統的多幀降噪技術,在暗光環境中拍出純凈的照片。但由于汽車行駛時處于高速運動狀態,所以車規級圖像處理技術更困難。黑芝麻智能通過自研ISP處理系統,讓攝像頭在超低光和大逆光場景下清晰成像,感知到的信息在后端計算中更均一化。
· 深度神經網絡算法平臺DynamAI NN引擎旨在讓汽車“看得懂”。通過NeuralIQ ISP圖像信號處理器處理后的圖片,將傳遞到深度神經網絡算法平臺DyanmAI NN引擎上。先將收集的新數據信息與計算平臺存儲的數據進行對比,再進行推理和決策,預測出周圍環境可能會發生的變化,從而保證汽車“看得懂”。其后,通過與其他車、云、路互聯協同,擴大有效感知范圍, 讓汽車“看得遠”
1.2.2 芯片性能:“FPS/W”是綜合評價芯片能力的指標
芯片算得快比算力大更有用。我們可以拿人和動物的神經元舉例,比如大象有2570億個神經元,人腦只有860億個神經元,但其智商上限卻僅相當于人類四五歲的孩童。同樣作為自動駕駛大腦的芯片,也絕不能只看硬件的堆砌,架構設計、 算法的運行方式都會影響芯片的最終實際效能。
FPS(每秒識別準確率)更能夠反應AI芯片的真實計算性能,并且該指標已經開始被頭部自動駕駛廠商使用。馬斯克在2019年提到,FSD芯片算力是英偉達DrivePX2算力3倍;在進行自動駕駛任務時,其FPS卻為后者的21倍。而地平線J5與英偉達Orin對比,雖然128TOPS的算力只有英偉達的一半,但是在進行自動駕駛任務時,其FPS卻做到了更勝一籌。更高的FPS可以做到更快速的感知, 更低的延遲,這意味著更高的安全性和更快的使用效率。
我們認為真正去評估一家AI處理芯片設計的好與壞,最合理的指標是“FPS/Watt& FPS/$,即為了達成AI處理目標所付出的功耗和芯片處理的成本”。具體拆解為三個部分:
· 理論峰值計算效能(TOPS/Watt & TOPS/$):公司可以通過改進工藝制程和芯片架構設計兩方面提升該指標,其本質是一個硬件架構決定的指標。
· 芯片有效利用率(Utilization):該數值由軟件架構決定。人工智能芯片如果把硬件架構鎖定,把算法也鎖定,那軟件架構可以通過編譯器不斷去編譯、拆解、重組、部署讓芯片效能越來越好。
· 單位有效算力(FPS /TOPS):即算法處理速度,該數值由算法架構決定。算法摩爾定律為通過算法不斷的更新和演進,解決一個AI任務達到的相同準確率所要求的計算次數在持續下降,即從語音識別,文本自然語言處理,計算機視覺各個領域總結發現每9-14個月(每個領域可能略有不同)所完成的AI任務所需要的計算次數復雜度會降低一半。
地平線表示,在芯片流片之前應該關注如何讓算法和軟件更好的指導硬件架構, 因為算法是一個客觀的大趨勢,需要所有公司提前去學習、預判。所以在芯片定義階段的時候,應該關注“FPS/Watt & FPS/$”如何被“理論峰值計算效能”和“芯片有效利用率”定義。在芯片流片出來之后,由硬件架構確定的“理論峰值計算效能”已經確定了,而“單位有效算力”又是客觀規律,此時各家自動駕駛AI芯片公司核心要思考怎么去優化“芯片有效利用率”。
1.2.3 生態&工具鏈:開放的生態和完整的工具鏈是滿足主機廠需求的關鍵
Mobileye 是過去20年汽車ADAS技術的主要奠基者和引領者。截止到2021年底,Mobileye銷售2810萬枚EYEQ芯片(內含算法解決方案),在L2+方案的市場占有率約為70%。Mobileye致力于用單目視覺來解決三維立體環境中的測距問題,自創立公司以來,Mobileye獲得了視覺輔助駕駛領域的多項第一并提供了包括行人檢測、車道保持和自適應巡航等輔助駕駛技術。
Mobileye提供的“算法+芯片”封閉式解決方案,目前已經不能滿足自動駕駛公司和車企們的需求。在過去20年里,Mobileye以視覺感知技術為基礎,推出了算法+EyeQ系列芯片組成的一系列解決方案,可以幫助車企實現從L0級的碰撞預警,到L1級的AEB緊急制動、ACC自適應巡航,再到L2級的自車道保持、自動剎車輔助和自動駐車等各種功能。但隨著谷歌、蘋果、百度、華為、滴滴、特斯拉等科技巨頭,還有一眾自動駕駛創業公司開始用深度學習算法開發新一代的L4自動駕駛技術,量產車搭載的L2系統也越來越向著L4自動駕駛的技術架構看齊。于是特斯拉用的FSD芯片取代了Mobileye,理想從EyeQ4換裝了地平線征程3。2022年以及以后將上市的新款車型中,尤其是智能電動汽車,幾乎清一色的選擇了英偉達、高通和華為這種科技巨頭的自動駕駛芯片。目前全球已知使用Mobileye最新一代EyeQ5芯片的車型,只有極氪001和寶馬iX兩款;并且寶馬曾作為Mobileye最大的客戶宣布未來其他車型自動駕駛SOC方案會選擇高通。
地平線扛起開放生態大旗,搶占Mobileye市場份額。地平線把目前芯片廠商按照開放程度列出了一張表,開放度從低到高排序依次是Mobileye、英偉達、地平線Together OS、BPU授權這四種模式。地平線可以根據下游客戶需求靈活選擇后三種模式,以其開放的生態逐步擴大自己在自動駕駛領域的影響力:
· 開放度最低的Mobileye被喻為黑盒模式,指的是Mobileye獨立開發完BPU、 SOC、操作系統OS、自動駕駛軟硬件系統之后,才會交付給車企,這也意味著車企無法加入自動駕駛技術的開發中,得到是完整的芯片+感知算法的軟硬件打包方案。這種封閉的一體化解決方案在ADAS時代非常奏效,尤其是對于剛起步的造車新勢力車企來說,選擇EyeQ系列芯片無疑是最穩妥、省心的。隨著ADS時代到來,車企對于定制化算法、系統快速更迭的需求越來越大,此時動輒等待半年、花費上千萬的定制化節奏已經讓這種解決方案過時。
· 英偉達模式,即只提供芯片和開發工具鏈,隨后由客戶完全主導開發。地平線在該模式下提供BPU和SOC級別征程芯片以及操作系統OS,幫助車企完 成自動駕駛軟硬件系統開發。
· Together OS模式,即在“英偉達模式”的基礎上進一步把 DSP 底軟等開源給 合作伙伴,意在將操作系統 OS 和自動駕駛軟硬加系統一齊交給車企,讓合 作伙伴底層軟件(操作系統)可以搭得更快,實現更快的迭代速度,這也是目前地平線最主流的合作模式。
· 芯片合作模式,即讓客戶基于BPU架構自行設計專用芯片。這種模式下生態開放度最高,代表廠商如地平線,可以為下游客戶提供BPU IP,這意味著地平線將開放BPU的軟件包和芯片參考設計給部分車企,支持車企自研芯片。
除開放的生態外,算法工具鏈的成熟度從“能用→好用”也是下游OEM選擇SOC廠商的關鍵因素。開放的生態是國內廠商追趕英偉達的第一步,但關鍵是要構建 好用的軟件體系、工具鏈、以及能支撐持續演進迭代的用戶生態。工具鏈在自動 駕駛軟件生態中扮演重要地位,其成熟程度決定了整個系統開發的效率。頭部SOC 芯片廠商通過與下游眾多客戶合作,逐步打磨、完善工具鏈,強化自身壁壘:
· 地平線提供整車智能開發平臺,不僅包含AI芯片,還包括了軟件棧、天工開物AI工具鏈和艾迪AI開發平臺。地平線提供端上的開發工具、以及在云端的訓練,包括數據管理以及仿真平臺等工具,與天工開物形成完整的開發平臺,加速面向智能駕駛、智能交互、車內娛樂應用等各種各樣的解決方案開發。
· 華為堅持“不造車,聚焦ICT技術,幫助車企造好車”的戰略,在芯片、云、 軟硬件、工具鏈和高精地圖等多方面發力。華為智能駕駛計算平臺MDC集成了華為自研的CPU、AI芯片和其他控制芯片,并通過底層的軟硬件一體化調優,使整體性能方面達到業界領先水平。此外,華為MDC也有完整的測試平臺和工具鏈,為MDC的開發提供了全棧解決方案。
1.2.4 服務能力:芯片開始和主機廠進行緊密合作,服務能力成為比拼關鍵
2021 年以來,新冠疫情、俄烏沖突、美國高端AI芯片限令等因素導致汽車芯片缺芯,一方面帶給國產汽車芯片供應商機遇,另外一方面也讓主機廠開始重視汽車芯片在產業鏈中的地位。在過去產業鏈分工中,汽車芯片作為傳統Tier2廠商不直接和OEM對接;但受缺芯影響以及在各大車企為了加快智能化轉型,汽車芯片廠商開始直接和OEM合作進行配套研發,汽車芯片在產業鏈中話語權提升。
在這種新產業鏈模式下為芯片廠商提供前所未有的機遇,即可以跳過Tier1直接服務OEM,因此服務的態度與質量成為不同芯片供應商的競爭關鍵。服務態度指的是Tier-1在與車企達成合作后,會以怎樣的方式去執行合作,比如是否會派遣一支工程團隊駐場、是否有及時響應速度、是否能夠提供差異化/定制化服務、 是否有能力/有資源/去做售后等。
國產芯片供應商“保姆式”服務帶給OEM良好的使用體驗,也是下游客戶選擇 國產芯片供應商的核心原因之一。比如地平線在與理想合作期間,不僅提供算力5 TOPS的征程3芯片,甚至還派駐了一支隊伍提供保姆式服務,工程完結后還有 售后服務。周到的服務、及時的響應能力,是理想持續選擇和地平線合作的重要原因。
技術分工的變化將帶來產業格局的轉變,智能汽車芯片或許能將汽車產業原本碎片化、具有高度壁壘的產業環節進行了重新洗牌,推動汽車供應鏈走向通用化、標準化。原本處于TIER2環節的汽車芯片廠商,通過強化軟硬件協同開發能力,實現芯片、系統軟件、功能軟件的全面整合,打造車載智能計算平臺,兼容產業 鏈上下游的多元需求,在智能網聯時代將躍居產業核心地位。
02
汽車SOC藍海吸引多方入場 多因素驅動國產化浪潮
2.1 自動駕駛SOC格局:四大陣營參與SOC芯片競爭,地平線異軍突起
從各主流自動駕駛SOC廠商產品發布時間、制程演進、以及峰值算力來看,新發布的SOC芯片的峰值算力越來越高,制程越來越先進。我們統計目前主流自動駕駛SOC芯片廠商,包括Mobileye、特斯拉、英偉達、高通、華為、地平線、黑芝 麻,并將他們發布的各款芯片產品放到二維象限中(橫軸為芯片制程和預計發布 時間,縱軸為芯片峰值算力)。我們發現這些主流廠商未來發布SOC芯片逐步向 先 進 制 程 邁 進 ;Mobileye/ 地 平 線 / 黑 芝 麻 單SOC芯 片 峰 值 算 力 基 本 在100~200TOPS左右,而英偉達/高通/華為/特斯拉可以把單SOC峰值算力做到200TOPS以上。
從各主流自動駕駛SOC廠商面向下游應用市場來看,國內廠商目前定位在ADAS/L2+領域。國內ADAS/L2+領域廠商主要是地平線,黑芝麻;國外為NXP、 TI、Mobileye;國內L3領域主要廠商是華為MDC300(華為不賣單顆芯片,故取整個計算平臺解決方案作對比)、黑芝麻和地平線;國外為特斯拉、英偉達、高通;面向L4/L5級別自動駕駛,國內為華為MDC600,國外為高通、英偉達和特斯拉。其中高通 Snapdragon Ride Flex 為SOC系列產品家族,包含Mid/High/Premium三 個級別,支持L1~L4/L5;其中最高級 Ride Flex Premium SOC再加上外掛的AI加速器(可能是NPU)組合起來,就可以實現2000TOPS的綜合AI算力。
從各主流自動駕駛SOC廠商陣營來看,主要分為“傳統汽車芯片廠商”、“提供整 套解決方案廠商”、“通用型、提供平臺型硬件+軟件工具鏈廠商”以及“全棧自研廠商”四大陣營:
(1)傳統汽車芯片廠商:對于像恩智浦、德州儀器或者瑞薩傳統汽車芯片廠商來說,他們的自動駕駛SOC芯片產品主要優勢為:1.產品落地經驗豐富;2.供應鏈 管理能力強,但缺點在于人工智能研發經驗較少,因此主要面向ADAS等中低端 市場。
(2)提供整套解決方案廠商:主要代表廠商為Mobileye。ADAS時代的霸主,但因其黑箱子解決方案較為局限,以及本土化服務能力較弱,逐步被頭部車企拋棄。Mobileye系統最大優點是產品成本低,開發周期很短,開發費用極低,絕大部分功能都經過驗證,風險較低。而缺點是系統封閉,車企無法搞差異化功能。迭代困難,出了問題較難改進或提升。對于傳統車廠而言,Mobileye基本是唯一選擇, 對于總想與眾不同的造車新勢力來說可能無法適應。然而新興造車企業畢竟還是極少數,預計Mobileye在ADAS領域霸主地位至少五年內仍會相當穩固。
(3)通用型、提供平臺型硬件+軟件工具鏈廠商:主要包括高通、英偉達、華為、地平線及黑芝麻:
· 英偉達:為面向L3級別及以上自動駕駛,中高端車型的首選方案,“平臺化 芯片+完善的工具鏈+領先的人工智能研究經驗”是英偉達自動駕駛SOC芯 片的主要優點。
(1)硬件優勢在于——GPU架構兼顧效率與通用性:效率高于CPU,通用性強于ASIC;設計壁壘高,壟斷性強;用戶基數保證規模效應:與其他業務平攤研發成本,版本迭代快,持續保證性能優勢。
(2)工具鏈優勢在于——開放平臺模式:公司提供全套軟件工具鏈(公司軟件工程師占比超過70%)軟件工具鏈豐富,客戶可進行算法自研;并且還給用戶提供 豐富的示例與教程,幫助用戶快速上手使用。
(3)在人工智能領域擁有近十年的探索經驗——英偉達將人工智能領域的優勢拓展到智能駕駛領域。缺點 在于:由于GPU通用型較強,導致“有效算力”偏低;雖然英偉達提供對應開 發工具,但較高學習門檻和自研智能駕駛算法的花銷可能會阻擋中小客戶的使用。
· 高通:發布了全新的自動駕駛平臺Snapdragon Ride。該平臺采用了可擴展且 模塊化的高性能異構多核CPU、針對 高能效的AI與計算機視覺引擎,以及GPU。同時包括Snapdragon Ride安全系統級芯片、Snapdragon Ride安全加速器和Snapdragon Ride自動駕駛軟件棧。
高通Snapdragon Ride有三大優勢:
(1) 可擴展性。L1-L3自動駕駛,Snapdragon Ride能夠提供硬件+軟件棧的 完整系統級解決方案,可以滿足汽車制造商對于不同自動駕駛級別的可擴展 性需求。
(2)經濟性和高能效。與采用X86架構的自動駕駛平臺高達700瓦的功率相比,采用ARM架構的Snapdragon Ride平臺具有巨大的能效優勢。目前來看,高通的整個駕駛芯片的成熟度要比英偉達低。長期看,包括高通、華為、Mobileye 以及國內的其他芯片創業公司,走的是ASIC路線。從利用率、功耗這些關鍵指標上來講,高通可能會在三年之后,也就是預計在2024年2025年間會搶走很大一個市場。
(3)智能座艙優勢地位:高通8155基本 壟斷全球所有高端/旗艦車型市場,因此高通將在座艙領域的汽車合作伙伴橫 向拓展到自動駕駛領域路徑具備可行性。缺點在于:人工智能經驗研發較少。
· 華為:憑借ICT領域優勢切入自動駕駛領域,技術上在國內屬于第一梯隊。華為不單獨賣自動駕駛芯片,更多是銷售自動駕駛套件(MDC系列)或者解決方案,而這種捆綁銷售的商業模式在自動駕駛領域,車企和第三方廠商之 間在合作之余也往往心存芥蒂。華為在自動駕駛SOC領域的優勢為:華為有豐富的算法和芯片設計能力;但華為自動駕駛方案大規模上車依然面臨著幾個風險:
(1)高端芯片無法代工,庫存是否足夠;(2)與華為合作的車企是 否愿意向華為開放數據;(3)如何贏得合作伙伴的信任。
· 地平線:地平線基本和國內所有自主品牌車型簽下合作定點,定點數量NO.1;另外地平線在2022年10月又與大眾旗下軟件公司CARIAD攜手地平線成立合資公司,未來可以繼續拿下合資廠訂單。
地平線優勢:
(1)地平線作為一家創業公司,其自身就帶有新勢力的基因,所以響應客戶需求的速度會更快;
(2)與理想的合作證明,地平線能夠給車企提供保姆式合作,派遣工程團隊一同研發,工程完結后還有售后服務;
(3)地平線曾在征程5發布會上稱, 他們堅決不做封閉方案,同樣不會做軟件捆綁。地平線會向車企提供感知算法及開發工具鏈,幫助車企更好地進行研發。
· 黑芝麻智能:黑芝麻智能在和國內車企定點數目上落后于地平線,但其在硬件方面實力優于地平線。作為國內自動駕駛芯片為數不多可選方案,隨著A1000pro流片成功,關注其未來和車企合作進展。
· 芯馳:自動駕駛SOC芯片目前沒有和乘用車客戶有明確合作,但已經在物流車上應用,比如美團等。
· 寒武紀行歌:2021年初成立,將覆蓋3款智能駕駛SOC芯片,覆蓋L2~L4。其最大優勢在于此前具有智能芯片領域的技術積累和產品經驗,是行業內少數能為智能駕駛場景提供“云邊端車”系列產品的企業。
軟硬件全棧自研:主要代表廠商特斯拉。特斯拉顛覆了整個汽車行業,從自動駕駛、智能座艙、域控架構、三電系統,甚至到車輛的制造與裝配,發展出了一套全新的方案。從自動駕駛角度來看,特斯拉是目前唯一實現軟硬件全自研的公司, 且可能是唯一一個能夠實現軟硬件都自研的公司。特斯拉自研芯片的好處:
(1) 芯片效率更高:從算法出發設計芯片架構,芯片的能耗比更優;
(2)一體化帶來 更快迭代速度:由于自動駕駛是個全新的領域,需要芯片、算法和車輛相互配合, 這些環節特斯拉均在公司內部流轉,迭代速度高于合作模式。
復盤為什么地平線可以拿下這么多定點?為什么多家產業資本以及財務投資方選擇在2020年前后投資地平線?核心還是地平線在“缺芯”的大背景下推出了合適的產品,憑借長安的背書,后續接連俘獲眾多OEM青睞。2020年,當時主流SOC廠商主要包括:Mobileye、特斯拉、英偉達、地平線、黑芝麻、芯馳、華為;高通此時還沒進來;寒武紀行歌在2021年1月成立,2021年7月開始布局汽車自動駕駛SOC。
大環境時間線:
· 2016年博世提出五域架構。因此2016年起,各大主流車企開始尋求智能化轉型,選擇合適的SOC芯片供應商是車企邁出智能化第一步。當時能提供自 動駕駛解決方案的供應商只有1999年成立的Mobileye,主打產品EyeQ3。同期,2015年地平線剛成立,且業務不聚焦;英偉達在2016年剛剛發布第一 款自動駕駛XaVier芯片。此時可選的自動駕駛SOC供應商并不多,連特斯拉也選擇和Mobileye合作。
· 2016年7月,由于安全事故,特斯拉停止與Mobileye合作,主要原因為:一方面不滿于Mobileye配套研發進程緩慢,另一方面不滿于Mobileye利用特斯拉車主駕駛數據來改善芯片算法,后續特斯拉選擇和英偉達合作。此時關于自動駕駛采集的數據開始得到重視。
· 2017年12月,馬斯克向外界聲明特斯拉正在研發自動駕駛芯片,主要原因為英偉達自動駕駛芯片解決方案主要依靠GPU,功耗較大。同月,地平線J1發布。
· 2018年6月,芯馳科技成立。2018年7月,美國政府對從中國進口的半導體加征25%的關稅,中美關系惡化,半導體自主可控提上日程。2018年10月, 華為發布兩款AI芯片:昇騰910與昇騰310。
· 2019地平線J2發布,2020年地平線發布J3;2019年黑芝麻發布A500,2020年發布華山A1000。黑芝麻的第一代產品與地平線的第二代產品發布時間幾乎一致,黑芝麻的第二代產品則與地平線征程3發布時間相近。在芯片這個高壁壘行業,搶先發布的征程2,更快的搶占了市場空白期,為產品優化、市場磨合搶到了先機。而黑芝麻智能則一步慢、步步慢,只能跟隨在地平線后面。2020年2月,地平線J2量產上車長安主力車型UNI-T。2020年5月, 芯馳9系列高性能大型域控級別SOC正式發布;芯馳雖然做四款芯片,但是工作重心在座艙SOC,和地平線、黑芝麻本質是錯位競爭。
· 2021年汽車行業缺“芯”導致車輛減產,國內車企開始重視國產芯片供應商的培養。在缺“芯”大背景下,智能駕駛SOC作為產業鏈最重要的環節愈發得到重視。隨著Uni-T車型銷量一路飛漲,完全帶動了地平線的銷售和品牌效應。地平線在自動駕駛領域觸發了先發優勢,所形成的勢能導致資源都會向頭部匯集。在2021年國內都在喊缺芯的時候,地平線奉上了可以量產的車規芯片 如久旱甘霖,不斷有投資方上門,繼而順利完成了C3輪融資,其中包括長城、比亞迪、東風、舜宇光學。在2021年4月,上海車展期間,地平線又持續與Tier1簽署戰略合作,包括德賽西威、東軟睿馳、理想、域馳智能、宏景智駕、大陸汽車、韋爾股份等。同期上海車展期間,高通才推出自動駕駛驍 龍 Ride 平臺,切入ADAS市場。2021年7月,寒武紀行歌研發自動駕駛 SOC 芯片。華為雖然發布AI芯片較早,但受缺芯問題等問題影響,MDC沒有大規模量產。
· 2022年格局日漸清晰,國外Mobileye開始損失重要客戶,IPO上市估值從500億美金下降到不足200億美金、特斯拉FSD自供、英偉達和高通在L3級別以上自動駕駛 PK。國內方面,2021年地平線征程系列芯片累計出貨100萬 片,已經和20多家主機廠合作,2022年10月又拿下大眾定點;華為、黑芝 麻尚未大規模量產;寒武紀行歌剛處于起步階段。
其他主機廠開始通過以自研、合資、投資、合作等方式與汽車芯片廠商直接合作。在汽車智能化時代下,OEM希望與芯片廠商建立更加直接、緊密的協作關系,以 提升自身供應鏈的穩定可控程度,主機廠希望通過布局汽車芯片以掌握更多研發主導權,并通過提高軟件與芯片結合效率,提高自身產品與技術優勢。
自研芯片可充分結合主機廠算法需求特點,充分挖掘芯片能力,但需要一定技術 積累與大量資源投入,難度較大;在軟件算法上具備領先優勢的新勢力車企有更 多自研意愿。除了特斯拉,更多主機廠也已開始了自己的造芯計劃:
· 2020年11月,零跑推出了首款自動駕駛芯片凌芯01,這款芯片也是國內首款擁有完全自主知識產權的自動駕駛芯片。凌芯01處理性能接近市場頂尖的Mobileye芯片,整體開放性則更強,既能支撐通用運算,又有特定的AI運算邏輯,具有能耗比更低、安全可靠性更高的優勢。
· 2021年初,小鵬汽車已經在中美兩地建立團隊,同步啟動了自研芯片項目,目前小鵬的芯片團隊目前已經有近200人,目標是開發對標特斯拉FS的大算力自動駕駛芯片;而蔚來也不甘落后,挖來前賽靈思亞太地區實驗室主任 胡成臣,已經組建了近300人的芯片團隊,研發包括自動駕駛芯片和激光雷達芯片。
· 其他車企方面,德國大眾集團已經在籌備自研芯片,并于2019年籌建了一支5000人團隊開始打造操作系統。吉利汽車也要在中央計算平臺&芯片、L4自動駕駛軟件、ADDIS數據平臺和車聯網平臺&運營構建核心技術實力,已推出E01和E02芯片信息娛樂SOC芯片,計劃2021年推出AI語音芯片V01;2022年推出全功能高性能數字座艙SOC芯片SE1000;2023年計劃推出256TOPS的自動駕駛SOC芯片AD1000。
車企造芯的好處在于可以更好的將硬件與軟件算法結合。對于自動駕駛的算法迭代而言,需要芯片提供足夠的通用性,以適應多次算法迭代。車企親自下場造芯, 其實可以更好地根據自身需求來設計,比如將無關的通用性接口和單元取消,簡化設計,同時更好地實現軟件適配,提高芯片算力利用率。未來需求量到達一定程度后,成本必然會相比市面上通用的自動駕駛芯片要低,更重要的是為自己的產品提供了差異化的競爭力。
車企造芯的缺點在于如果配套車型銷量不大,很難分攤成本。車企造“芯”最難的地方不是在于設計上,而是車企對于自動駕駛芯片的需求量并不會太大,代工 成本可能會較高。因此在除下場造“芯”的其他路徑上,車企很可能會選擇與其他芯片廠商通過戰略合作/成立合資公司/戰略投資等方式參與自動駕駛芯片的合作研發。
2.2 智能座艙SOC格局:高通處于領導者地位,國產廠商有望逐步滲透
此前座艙芯片由傳統汽車半導體公司主導,換代周期長達5-6年,并且通常情況 下是一顆芯片帶一塊屏,而且由于屏幕分辨率很低,所以對座艙芯片的算力要求不高。在高通沒有進入車規級芯片領域之前,車機芯片的銷量冠軍是日本瑞薩半 導體。2022年瑞薩徹底沒落,旗艦車用芯片“H3”采用的還是16nm制程工藝,搭載的還是手機上7、8年前的ARMCortex-A57+A53架構組合,甚至不少車機芯片還在使用更為老舊的28nm芯片以及A55+A53組合。現在來看,H3性能孱弱、 制程老舊、架構落后。
目前全球座艙SOC供應商格局趨于明朗,分為“傳統汽車芯片”和“消費電子芯片 家”兩類廠商,其中后者具有天然優勢。汽車座艙市場過去由傳統的汽車半導體供應商主導,以恩智浦、瑞薩、德州儀器等為代表的“傳統汽車芯片”廠商,在傳統汽車MCU、ECU芯片業務之外,順應智能化趨勢布局座艙芯片領域;而以高通、三星等為代表的“消費級芯片”廠商,也在切入汽車座艙SOC領域,復用其在消費電子領域深厚的技術積累。
· 傳統汽車芯片廠商占有份額仍然較大,主要是由“中低端車型銷量占比較大” 的汽車銷售結構決定的。恩智浦、瑞薩、德州儀器三家傳統汽車智能座艙芯片的主要供應商,在智能化轉型中節奏偏慢,除滿足車規級安全外,性能不及消費級芯片廠商,在銷量占比仍然較大的中低端車型中部署廣泛。瑞薩R-CARH3采用16nm制程,而恩智浦i.MX8系列、德州儀器Jacinto7均基于28nm制程設計,CPU算力最高40K DMIPS,遜色于消費級芯片廠商。
· 高通、三星等消費電子廠商憑借性能及迭代優勢在中高端芯片市場快速發展, 高通復刻在消費電子芯片的成功,在智能座艙芯片領域也占據了絕對的優勢。隨著越來越多的智能手機功能被引入汽車座艙中,汽車硬件產品升級周期已 經從每代5-10年縮短到目前的2-3年(這主要得益于造車新勢力如特斯拉、 蔚小理車型對軟件功能頻繁升級),這一趨勢有利于高通、聯發科、三星等領 先的智能手機SOC企業切入汽車座艙 SOC 市場。步入智能座艙時代,智能 駕艙芯片可以分為低端、中端和高端,目前在高端市場高通一家獨大,約占市場80%的市場份額,高通、三星最新款座艙芯片已采用10nm以下制程, 且均計劃在下一代芯片平臺中采用5nm制程。
我們認為高通成為智能座艙SOC領域王者主要有以下6點原因:
(1)從制程/算力角度,2019年發布的高通8155為全球首款7nm高算力座艙SOC,算力8TOPS,領先同期恩智浦、瑞薩等傳統汽車座艙芯片廠商2~3代。 2021年,高通發布驍龍8295,將座艙SOC芯片的制程工藝從7nm帶入5nm 時 代,算力30 TOPS,意味著第4代的8295芯片將與手機上最頂級的芯片處于同一 世代。
(2)從研發周期來看,高通座艙SOC架構可以通過智能手機SOC遷移過來, 縮短研發周期的同時可以更快和主機廠進行適配迭代。比如車規芯片620A、820A以及8155,對應的手機芯片就是620、820和855,這也是為什么高通能在短時間內就推出車規級芯片的原因。高通車規芯片更新迭代規律非常明確,最新的技術在手機芯片上經過驗證后,再下放至車規芯片上使用,節省了研發周期與適配難度。
(3)從流片費用來看,高通在消費電子領域的出貨量平攤了其在汽車座艙領域的研發先進制程的成本。先進制程7nm和5nm芯片的封裝和開發成本遠高于成熟制程,對于恩智浦或瑞薩這樣的傳統汽車SOC制造商來說,在沒有大量汽車市場芯片需求的情況下,追求先進制程沒有經濟意義,因此14-28nm節點仍然是他們的旗艦產品解決方案。而高通可以通過手機SOC芯片的規模優勢來平攤汽車SOC芯片的開發成本。
消費級芯片是一個非常典型的寡頭市場,企業獲得先發優勢后,可以憑借較大的出貨量平攤研發費用。而芯片的高技術壁壘導致研發及流片費用在數千萬美元以 上,競爭者很難進入。CPU是英特爾和AMD的天下,GPU是英偉達和AMD的天下,手機(移動)芯片是高通和聯發科的天下。擁有消費市場是成為攪局者的重要因素。蘋果、特斯拉和華為海思都是憑借自身品牌形象,在手機和汽車領域 擁有相當數量的消費群體后,開始進行芯片自研,這保證了芯片研發費用的分攤以及芯片更新迭代的動力。而汽車芯片是一個全新市場,同消費級產品不同的是, 汽車對安全性、穩定性的要求更高,設計成本和流片成本相應也更高,市場的參與者主要是傳統芯片行業巨頭、創業公司以及車企。
(4)從汽車內部通訊要求來看,未來智能座艙作為“移動第三空間”,隨著APP、 汽車生態逐步完善,對汽車高速通信的要求也會越來越高,那么對芯片基帶處理能力的要求也會越來越高。手機基帶芯片壁壘之高主要系其他廠商難以繞過高通專利,未來隨著手機SOC芯片可以逐步下放到汽車座艙SOC中,預計高通在手機基帶領域芯片的領先優勢可以進一步復制到汽車座艙領域中。
(5)高通芯片適應安卓系統:車機系統大多是運行安卓系統的衍生版本,高通芯片在手機上已經完全適應安卓系統豐富的應用生態,進行移植適配沒有技術障礙。
(6)有本土軟件供應商提供服務:高通與中科創達、南京誠邁等本土車企汽車軟件服務商合作,他們彌補了高通與車企之間的溝通障礙,對于轉型電動車的傳統車廠和新入局的造車勢力有足夠的吸引力。
綜上,從全球視角來看,高通已經成為高端/旗艦車型的主流選擇。智能座艙是實 現千人千面汽車駕乘體驗的重心所在,新勢力車企與領先自主品牌車企率先發力,“大屏化”、“多屏化”、“多模態交互”、“一芯多屏”成為座艙發展的熱門趨勢,伴隨著傳感器規模的增長與交互模式的復雜化,智能座艙對芯片的算力需求亦水漲船高。座艙高算力需求驅動下,以高通第3代汽車數字座艙平臺為代表的高性能處 理器成為領先車企旗艦車型的主流選擇,驍龍系列芯片加速上車。
我國智能座艙芯片市場仍處于初期發展階段。從發展時間上看,在過去小尺寸液晶屏的電子座艙時代,對芯片算力要求不高國產芯片如全志的車機芯片T7曾經一度占到前裝車機40%以上;步入智能汽車時代,以地平線發布征程2的高算力芯片為起點計算至今亦僅兩年有余,相較海外市場至少存在5年左右差距。從入局廠商看,國產智能座艙芯片積極跟進,并產生了兩種模式:
· 模式一是聯發科、展銳、海思麒麟等基帶芯片公司也在走類似高通的道路,從通信模塊芯片跨行進入汽車座艙SOC(系統級芯片)領域。其中華為的智能座艙芯片麒麟系列,包括其2020年發布的710A和去年4月發布的麒麟990A,其中990A目前已經用在北極狐阿爾法S以及比亞迪部分車型中。
· 模式二是以芯馳科技等為代表的汽車芯片創業公司的模式類似蘋果手機的SOC,異構處理能力很強,通過外掛基帶(t-box)實現車內外通訊功能。
本土廠商加速造芯,但國內座艙芯片競爭格局尚未定型,我們認為未來幾年那些 提前布局座艙SOC的廠商將開始享受紅利。進入2022年智能座艙SOC的“升級戰”正在愈演愈烈,傳統的座艙市場芯片格局即將被打破,自主品牌車企已經逐漸開始接受國產芯片,但目前尚未出現市占率特別高的國產座艙芯片廠商,整體競爭格局尚未定型。目前僅幾款芯片拿下車企定點,比如芯擎科技旗下首款7nm智能座艙芯片——“龍鷹一號”已經拿下了多款車型定點,預計在今年第四季度實現量產。2021年5月芯馳科技發布16nm工藝的X9智能座艙芯片。2022年3月宣布X9芯片已經獲得百萬片/年的訂單,客戶覆蓋合資、自主品牌車企和Tier1。地 平線征程 2 已經在長安UNI-K中落地。瑞芯微最新發布的座艙SOCRK3588M其AI算力達到6TOPS,已獲得眾多合作伙伴的認可,將在未來上市的車型中得以廣泛應用。
審核編輯 :李倩
-
芯片
+關注
關注
456文章
50936瀏覽量
424682 -
神經網絡
+關注
關注
42文章
4773瀏覽量
100890 -
soc
+關注
關注
38文章
4177瀏覽量
218480
原文標題:汽車SoC芯片迎接大時代
文章出處:【微信號:芯世相新能源,微信公眾號:芯世相新能源】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論