2022年全球智能驾驶芯片市场竞争格局及重点公司研究报告（28页）.pdf

1、2022 年深度行业分析研究报告 目录目录3、英伟达：中高端车型的首选方案4、其他中外竞争对手：创业公司+传统汽车芯片公司41、自动驾驶芯片：人工智能领域的重要落地场景2、特斯拉：软硬件一体化的代表 自动驾驶实现方法：环境感知：摄像头、超声波雷达、毫米波雷达、激光雷达、多传感器融合、高精地图与定位；决策规划：AI芯片、软件算法、计算平台（域控制器）、操作系统；控制执行：线控转向制动； 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。 决策软件（算法）作为自动驾驶的“大脑”，是自动驾驶的核

2、心竞争力：主要包括视觉算法、雷达算法等传感器数据处理和融合，以及路径规划、行为决策与动作规划等部分。 自动驾驶算法中大量运用了深度学习等AI领域的算法，因此对于自动驾驶来说，车端需要能够进行推理的AI芯片，云端需要能够进行大量数据训练的服务器芯片。自动驾驶：高阶人工智能图：自动驾驶的实现方法图：感知层使用的人工智能算法5资料来源：云脑智库，知乎，东吴证券研究所图：算法说明芯片：通用芯片 VS 专门芯片6资料来源：Semiengineering，东吴证券研究所最早出现的芯片可被认为是CPU，用来负责处理通用的任务。GPU可认为是针对图像领域的ASIC（Application-specific i

3、ntegrated circuit，特定场景芯片）。GPU是图形处理单元，在PC（个人电脑）早期，图形数据较为简单，主要都是由CPU来进行图形处理。随着图形显示规模的增加，CPU已经很难分出更多精力来处理图形信息，而且CPU的架构决定了其处理图形信息的效率是偏低的，因此逐渐发展出了专门处理图形信息的GPU。随着AI以及云计算的兴起，市场上开始出现专用程度更高的TPU、NPU等ASIC，但尚未形成完全确定的市场格局。此类芯片包括FPGA（Field-programmable gate array，可编程逻辑阵列）和针对某一类AI计算的ASIC（Application-specific integ

4、rated circuit，特定场景芯片），包括谷歌推出的TPU（张量计算单元）、特斯拉推出的NPU（神经网络计算单元）和地平线推出的BPU，虽然在某些特定计算上效率更高，但目前这些芯片的使用场景比较单一，市场规模还较小。表：不同类型芯片特点总结芯片种类CPUGPUFPGAASIC（TPU、NPU）芯片架构计算单元和高速存储单元占用的晶体管数量相当，适合串行计算晶体管大部分构建计算单元，运算复杂度低，适合大规模并行计算可编程的逻辑阵列，初始尝试成本很低。可以重新配置芯片一部分，而其余部分依然工作，对于尚未完全确定架构的情况很适合。晶体管根据算法定制，不会有冗余，功耗低、计算性能高、计算效率高擅

5、长领域没有特定领域图像处理以及与深度学习类似的人工智能领域的并行计算等用于雷达、手机基站、军事通信等（设计需要经常升级）市场需求量大的专用领域（十万片以上的成本可能会优于FPGA）优点通用性强擅长处理图像等矩阵数据，并行运算能力强可以根据算法进行不断调整优化体积小、功耗低、计算性能高、计算效率高、芯片出货量越大成本越低缺点针对特定领域效率很低价格贵、功耗高成熟度较差，效率一般不够高算法固定、开发周期长、上市速度慢、一次性成本高、风险大专用性越来越强，特定领域效率越来越高图：牧本浪潮makimoto wave对通用和专用芯片的预测7数据来源：Jon Peddie Research，东吴证券研究所

6、芯片行业特点：寡头格局，竞争壁垒高在充分的市场竞争条件下，消费级芯片是一个非常典型的寡头市场。在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。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