汽车自动驾驶产业链深度报告：芯片及软件专题

（报告出品方/作者：国信证券，熊莉、于威业）

核心观点

巨头厂商底层技术突破，为智能化带给质变

无论是造新势力，还是传统厂都在深度布局智能化，座舱域、驾驶员域的发展速度尤为难以置信。目前智能座舱的新型普及度持续上升，智能驾驶的落地速度也有所减缓。在新的四化浪潮下，厂、芯片厂商、Tier1、OS以及其他软硬件供应商积极投入研发，产品迭代速度明显加快。尤其巨头厂商在底层技术的突破，为市场带来质变。

硬件控制器集中化，SDV已成为未来行业发展趋势

随着软硬件和新技术的共同发展，ECU研发瓶颈问题日益突出，行业由最初的“机械定义”逐步改变为“软件定义”。硬件控制器集中化，SDV已成为未来行业发展趋势。在软件定义时代，产品价值链被重塑，传统核心竞争要素将会被硬件、软件和服务所代替，供应链生态也将变革，行业的重点将从依赖硬件驱动的产品逐步进行转移，当下的新产品应该是由“硬件+软件”同步驱动的产品。

中国智能化发展速度领先，A股未来将会沦为核心投资市场一

新的四化的发展，OTA市场增速迅猛，中国智能座舱作为首个核心应用市场潜力巨大，预计2025年规模破千亿，市场政策双驱动，ADAS获得井喷发展。据中国产业调研网估算，2025年全球ADAS市场规模将约275亿欧元，2015~2025年均填充增长率高达17%。

终端软件解决方案提供商的盈利模式也未来将会再次发生转变

大部分传统厂商缺少软件基因，在软件定义领域需要谋求外部供应商的合作，且市场需求范围逐步不断扩大。供应商多以项目研发的形式开展业务，目前正逐步减少Royalty收费（按销售量和单价的一定比例分成）、升级服务费等盈利模式，市场量、价空间逐步打开，空间极大。

智能座舱：“硬+硬”全面升级转入愈演愈烈期，产品成熟期商业化加快

智能座舱硬件升级，“智能化+集中化”架构重新定义软硬件形态

人交互式体验核心，多屏融合智能驾驶舱代表未来

传统驾驶员仓的生态系统以碎片化居多，分布式电子掌控单元间信息无法有效交互，造成人与间不存在交互障碍。随着电子化程度提高，电子控制单元整合是电子设计的发展趋势，多屏融合的智能座舱将构建中控大屏+液晶仪表盘+浮现显示器（HUD）+流动后视镜，并搭载高级辅助驾驶员（ADAS）、无人驾驶技术和人工智能AI等新时代科技，带给更为智能化和安全化的交互体验。

智能座舱仅有产业链分成三大环节：1）Tier0.5级供应商也可称作产业的下游，主要以各大企和传统Tier1供应商构成，如德赛西威、均胜电子、伟世通等，云计算和联网的普及使华为、BAT等互联网科技类供应商也产于于产业下游；2）Tier1为座舱获取中控屏、仪表盘、流媒体后视镜、后排液晶显示器等硬件，同时因应开发信息娱乐解决方案、驾驶显示解决方案和HUD为智能座舱的电子化技术升级；3）传统的Tier2主要供应PCB、显示面板、功率器件等电子产品，未来产业将集中升级操作系统涉及软硬件，如减少应用软件、中间件软件、自律定制操作者个性化系统、可达成协议“一芯多屏”的高效能低成本芯片。

显示面板大屏化

新一代智能座舱将液晶仪表盘和中控大屏融合，共同对用户体验产生影响，满足消费者对科技感和舒适性的市场需求。智能座舱是新能源和未来无人驾驶标配。攻下新能源核心技术是中国踏入强国的必由路，新能源造就ADAS前装信息渗透率快速提升，加快市场对用信息云端交互的需求，推展智能座舱解决方案的未来发展。在传统机械仪表盘内，新能源电量表明、续航里程等新能源关键信息，以及ADAS型轨道偏移等信息均无法显示，仅有液晶显示屏必定是大势所趋。

传统座舱的前方普遍以机械或半液晶仪表盘，中间以液晶显示器为主。特斯拉在内配置了一块17英寸巨屏引领了智能的大屏潮流，随后各大厂的高端型逐渐将超大屏作为标配，比如，奔驰新的E系采用双12.3英寸高清显示屏通过漂浮效果为驾驶舱带来先锋科技感觉，左侧显示器显示数字仪表盘内容，而右侧显示器为驾驶员呈现内信息娱乐（IVI），融合操作系统和载信息娱乐系统，从而升级人机交互体验；在宝马i4Concept的发布中，宝马将所有操作集成在面积非常大的中控中，几乎放弃所有的物理按键，未来宝马的型座舱内饰都将朝着这个方向设计，一体式悬浮大屏也将成为宝马下一代内饰的核心元素。

一芯多屏替代多组件

集中代替分布。未来智能座舱所代表的多屏融合体验都将依赖于高计算能力的超级芯片。多个分布式的电子单元使每个系统如同“孤岛”一般，难以反对多屏幕融合、多模块互动等简单座舱功能，“一芯多屏”替代多单元组件的技术将融合每座“孤岛”成为一块“新大陆”。伴随着智能驾驶渗透率提升，全球芯片巨头纷纷布局推出具备人工智能计算能力的主控芯片，取代传统分布式的功能芯片，IHS预测在2020年主控芯片市场规模可达到40万亿美元。

“一块芯片、多屏互交”将成为智能座舱未来趋势，单一芯片可以降低系统复杂度以提升安全性能，并降低成本支出。通过融合云侧终端和V2X场景，底层芯片和载有系统根据各个电子控制单元（ECU）反馈的数据进行计算，了解行驶状态以及各项参数指标，调配辆至最佳行经状态。以液晶显示器为事例，传统机械仪表盘难以承受大量行数据，液晶仪表盘通过升级芯片并引进云端数据，构建智能座舱交互平台和界面，未来将升级肉眼3D仪表盘。

座舱域目前高通一枝独秀。目前，高通已经夺得全球领先的20+制造商的信息影音和数字座舱项目。目前高通通过骁龙820A和602A平台，在数字座舱领域为提供高水平的计算出来性能。其中，骁龙820A数字座舱平台支持计算机视觉与机器学习，需要获取非常丰富的图形与多媒体功能，再加广泛的可视化和操作系统选项组合及神经处理引擎，协助厂商打造出差异化特性，获取卓越用户体验。目前，包括奔驰、奥迪、保时捷、捷豹路虎、本田、吉利、长城、甚广、比亚迪、领克、小鹏、理想智造、威马在内的国内外领先制造商均已发售或宣告发售搭载骁龙数字座舱平台的型。2020年多款上市新型都配备了骁龙820A，还包括全新领克05、奥迪A4L、小鹏P7及2020款小鹏G3部分型等。

高通今年量产的SA8155P芯片更是在主频、算力、制程方面全面领先竞争对手，龙头地位巩固。高通此前在智能移动终端、通信等芯片领域展现龙头研发实力，目前在座舱域DCU方面也全面领先竞争对手。自律品牌、合资品牌、外资品牌厂纷纷围绕SA8155P搭建研发平台，型落地在即。

智能仪表盘驱动人机交互

以子集娱乐信息系统和载有信息系统的中控作为人机交互的核心驱动，液晶仪表盘将沦为人交互的入口和界面。中控系统主要由操作系统（OS）、软件服务和ADAS系统主导的软件所构成。L4自动驾驶是未来智能的必然趋势，更多围绕乘客的角度去进行HMI设计，随着5G和联网技术的发展，智能、便捷、人性化体验，正在重新定义未来嵌入式新模式。3D仪表盘、AR-HUD和媒体后视镜都将为驾驶员提供更便利和更安全的驾驶信息表明。但特斯拉的Model3摒弃了传统的液晶仪表盘，全使用15寸的中控大屏表明。中控屏中的UI交互设计：屏幕左侧显示辆行经数据，还包括时速、挡位、剩下电量等内容；右侧以导航功能为背景的多媒体操作系统。

通过仪表盘内的载摄像头，系统可以实时监控驾驶员的双眼视线使得3D效果实时根据驾驶员的目光调整，实时随动。目前海内外头部厂已逐渐为高端型配有载摄像头，大多装置在仪表盘或内后视镜中，生物识别仔细观察驾驶员的动态，不仅可以个性化定制驾驶员专属模式，还可以保证驾驶员在行中维持高度精神集中状态以提升安全指数。相比现在主流开发的动作识别和手势辨识，飞驰更加直观的方式融合摄像头监控显然比相同模式的手势操作者更实用。如喜欢推倒回头看的人，仪表摄像头不会在走的时候自动下起后遮阳帘，若想拉开遮阳帘也不必去找按钮，必要在遮阳帘下方的区域凭空向后张开，遮阳帘会自动关上。

HUD逐渐成为智能标配

平视显示器（HUD）运用光学投影技术将载有信息投屏到与视线平行的前方挡风玻璃上，为了帮助驾驶员减低理解负荷，需要转移视线即可轻松获取行信息，提高其态势感官能力的应用于。另一方面，融合传感器和高级驾驶员辅助系统（ADAS）功能在一起时，能使驾驶员更精彩地检测到威胁或警告，从而更快地采取行动。

HUD现已在部分成型上有所应用，比如，宝马5系、奥迪A6、飞驰E系由等，未来AR-HUD未来将会成为智能的必然配备。飞驰S级拥有面积最大的顶尖AR-HUD，率先反对AR实景导航，给驾驶员提供方向。随着光学、AR、图像识别等技术不断突破，通过类似设计的光学系统将图像信息精确地结合于实际交通路况中，包括技术有投射、前挡特种玻璃、低精地图、图像图形和智能驾驶信息等。

软件定义趋势明朗，用于软件解决问题硬件控制场景

软件定义拥有7层IT架构，智能座舱成为软件定义率先落地场景，此外特斯拉、小鹏等厂商开始用于OTA解决问题性能和故障问题，未来应用场景将不断拓展。

载研发以自定义化为主

企研发自律载有系统方式以标准的自定义化操作者居多，ROM和超级APP方式为辅。载有系统的构建从下至上为：硬件、虚拟机、系统内核、标准系统服务层、服务和辆掌控、应用程序框架（含中间层）、应用程序和云服务。智能座舱是融合软件和硬件多多元配合下的产品，一个极致的智能座舱需要拥有驾驶员辅助、座舱域控制器、沉浸式声学体验、显示屏技术和座舱检测系统等新技术，同时搭配内饰、座椅等传统硬件。

企对载OS布局会根据战略格局以及自身实力划分为3种形式：1）自定义化自律研发专属OS；2）ROM方式基于有数系统做到上层UI；3）直接采用现成的载OS并搭起自身的应用软件。头部厂大多倾向从整硬件到载有OS都自己研发，形成自身独有的原始生态链。

载OS是传统产构建数字转型的关键，将演进为移动智能终端。目前主流的底层载有操作系统共计四种：QNX、Linux、Android以及WinCE，其中WinCE基本上已经退出市场。从主流企选择的系统开发方式来看，海外高端厂、零部件供应商（如奔驰、宝马等）和国内企新势力（如小鹏、蔚来等）都自由选择自辟技术团队，即在底层操作系统基础上进行定制化研发，形成独特的载系统。

QNX为载OS领域龙头，全球100%的OEM商和前八Tier1都是QNX的客户，在载信息娱乐系统或联网系统占据多达60%的市场份额，如宝马ConnectDrive、奥迪MMI都用QNX技术。载OS行业巨头QNX也发售基于软件的智能座舱解决方案，凭借实时性交互等优势，集成多个电子控制单元（ECU）到单一芯片系统（SoC）使系统运营的软件可以超越临界线，甚至横跨不同的操作系统，从而推展安全证书的拒绝。用于QNX平台的智能座舱不仅拥有可信安全的载信息系统和娱乐信息系统，还可以通过同一ECU采访Android系统的最新应用程序，如谷歌地图和音乐软件。

虚拟机和中间层软件分别辅助载有系统

虚拟机辅助软硬件的一体化单体是未来趋势。Hypervisor（虚拟机）是运行在物理服务器和操作系统间的中间软件层，可用于同步反对Android、Linux、QNX多系统。根据ISO26262标准规定，仪表盘的关键数据和代码与娱乐信息系统归属于有所不同等级，主流市场中，QNX或Linux系统用来驱动仪表系统，信息娱乐系统则以Android居多，目前技术只能将两个系统分离装置在各自芯片中。然而，虚拟机可以同时运作符合规安全标准的QNX与Linux，因此虚拟机管理的概念被引入智能座舱操作系统。随着液晶仪表以及其他安全功能的普及，供应商不必须装载多个硬件来构建有所不同的功能市场需求，只需要在载主芯片上展开虚拟化的软件配备，形成多个虚拟机，在每个虚拟机上运行相应的软件即可符合市场需求。行业领先虚拟机有：QNXHypervisor、ACRN、PikeOS和哈曼DeviceVirtualization，用于服务底层操作系统。

中间件层位于平台（操作系统）和应用软件层间的软件，用于连接各个分布式系统和应用软件。中间件层可以使开发人员避免简单的底层操作系统，必要在非常简单而统一的开发环境下接入应用软件，不仅缩短开发周期，还减少系统的维护、运营和管理的工作量。

智能网联和5G+AIoT实现“人--路-云”高度协同

无线通信将广泛运用在智能座舱，连接以算法、芯片、操作系统和以ADAS继续执行、智能中控、语音交互为主的执行层，为OEMs厂商开发测试终端产品打造出自律、高效率、原始的产业链。中国通信学会公布研究报告《联网知识产权白皮书》中数据表明，截至2019年9月，全球联网领域专利申请累计114587件，美国位居榜首，占到30%，中国25%紧随其后。万物互联的基础就是数据在云端可实时传输，外界的信息展开多模交互，为路协同智能化发展提供更多的应用场景。

传统厂的信息技术及研发架构不足以支持如此可观的数据量获取计算、储存和网络支持，因此厂趋向于深度合作BAT等互联网巨头，共同建构联网生态推出各自特色的云平台系统，如上与阿里联合打造出的斑马网络、腾讯与长安的梧桐辆、博泰的“倚Mobile随身联网”。

打通底层到云端的各个技术、生态环境，将不具备自动驾驶功能的智能网联和5G-V2X全云场景的逐步实现规模化商业应用于，增进未来“人--路-云”的高度协同。在软硬件一体化的实行过程中，辆智能网联中最重要的设备为云端数据平台的建设，配备先进设备的载传感器、控制器，相连内各个ECU获取的数据，实现与、与人、与城市建筑、与基础设施等通信数据交换共享。

根据IDC全球智能网联预测报告显示，可以相连第三方服务平台的辆以及配备嵌入式移动网络的全球智能出货量在2019年已达5110万辆，同比快速增长45.4%，预测2023年将增至7,630万台。云计算的优点在于降低成本的同时还可以运用合理的资源分配方式处理数量可观的数据，并且满足更加弹性和个性化的业务模式更新迭代慢（OTA）的市场需求。

云端数据可以真正的为自动驾驶获取有效解决方案，随着V2X通讯的发展和5G技术的前进，行业将在未来致力于ADAS芯片和载娱乐信息芯片的相互融合发展。C-V2X无线技术可以快速收集更多信息以及减少延时，从而最大程度的保证行安全，并且协作驾驶员过程中需要减少能源损耗，提高自动驾驶/半自动驾驶的效率。根据《智能创意发展战略》，我国将重点反对LTE-V2X/5G-V2X的发展，基础建设快速发展为智能网联渗入带来红利。其中地平线已发售了基于征程处理器和Matrix自动驾驶计算平台的多层次解决方案以及针对现阶段市场亟需的辅助驾驶推出的ADAS、DMS、AR-HUD技术方案。另一方面，高精地图软件的重新加入也将会很大程度的加强自动驾驶辅助系统，将的舒适度、安全和智能提升到一个全新的境界。

语音交互系统

未来智能语音交互将沦为最主流的人交互场景。日益丰富的生物识别技术助力智能语音交互系统，相结合于AI技术的不断发展以及大数据的推广应用，为驾驶舱带给更高效、人性化、情感化、个人定制简化的行氛围。为了打造智能音乐座舱，基于驾驶员音乐沉浸式氛围，小鹏配备18个丹拿Dynaudio顶级Confidence系列音响系统，以及20个声道，可通过智能动态音效技术，根据音乐风格、声场方位进行智能调节音效。配备具有独立声源的主驾音乐枕头，并加设了主动降噪、偷窥通话等功能，更好的实现声源定位从而达到语音交互的提高。

地平线语音交互技术利用理想ONE内的四个高灵敏度麦克风，及地平线的声源定位、盲源分离出来和降噪算法，进而对不同位置乘客的语音指令的精准区分和识别。主流厂逐渐与第三方应用软件合作，打造符合多场景需求的完整座舱生态体验，并通过手机端的连接实现远程辆操控、远程辆信息查阅、NFC低安全系数数字钥匙、物联网多端交互模式

全球智能座舱市场快速增长，中国市场增长速度出色

2015年后，随着人工智能技术的兴起，大批风险资本开始关注人工智能在交通出行方向的应用于。在自动驾驶技术快速发展的同时，消费者在中有了更大的自由度，所以提升整个乘坐品质和行驶体验的智能座舱产品逐步走进大众的视野，涉及市场也获得较快发展。

全球智能座舱行业市场保持快速增长，中国市场增长速度抢眼。根据ICVTank公布的数据表明，2019年全球智能座舱行业市场规模约364亿美元，同比增长10.3%，随着人们乘体验要求的提高，智能座舱将加快普及，全球智能座舱行业市场规模将保持快速增长，预计到2022年，全球智能座舱行业市场规模未来将会达461亿美元，年均填充增长率达8%。

中国作为全球行业发展潜力最大的市场，2019年中国智能座舱行业市场规模约441.1亿元，随着中国市场消费升级，智能座舱加速应用，中国智能座舱行业的市场规模将保持高速快速增长，预计到2025年市场规模将达到1030亿元，年均填充增速达13%，高于全球增长速度。

硬件设备渗透率将不断提高。智能座舱的硬件主要分成4大部分：中控大屏(还包括载有信息娱乐系统)、流媒体中央后视镜、浮现显示系统HUD、全液晶仪表。中控屏是智能座舱的主要硬件一，目前中控屏在新中的渗透率已经超过80%，是智能座舱硬件设备中渗透率最高的设备，预计到2025年其渗透率将超过100%。流媒体中央后视镜、抬头显示系统的渗透率分别为7%和10%，预计到2025年两者的渗透率均不会提升至30%;仅有液晶仪表目前渗透率为30%，预计到2025年其渗透率将提升至70%。

语音掌控将逐渐沦为标配。2019年国内智能语音市场规模为14.8亿元，其新渗透率到2019年底已超过53%，目前科大讯飞以市占率55%占据国内第一，其2019年智能语音出货量600万套，收益3.7亿元。未来，语音控制渗透率有望逐步提升，预计2020年语音控制新的渗透率将达到60%，语音控制将逐渐成为智能座舱的标配。

中科创达先发优势突出，布局智能座舱软件全生态，应用于主流厂

公司已月公布智能驾驶舱解决方案4.0版本，7年产业沉淀，打造出全球领先的智能驾驶舱软件解决方案。2013年公司前瞻性布局新一代智能网联成业务，先发优势突出。经过7年的努力和溶解，以“软件+全栈”作为核心优势，基于关键技术集成于一个芯片内，建立底层智能操作系统软件技术，并通过融合产业生态链各区域的全球领先公司，升级研发操作系统和智能座舱。内生外延并举打造出了基于多操作系统（Android、Linux、QNX、T-KERNEL等）、多平台（高通，TI，NXP，瑞萨，英特尔等）面向智能驾驶舱的中控娱乐信息系统、数字仪表、高级辅助驾驶等软件平台解决方案，核心产品和技术还包括UI/UE工具、Kanzi嵌入式引擎、内网络方案、KanziConnect、FOTA、自动化测试、嵌入式人工智能引擎和智能视觉等，从而帮助Tier1、OEM客户在早期研发和验证应用以及UI/UE，提升多方协同研发的效率，延长研发周期。近年来，国内外知名企纷纷与公司签定长期合作协议，公司产品覆盖面积大部分主流厂。

软件正在赋能智能产业。全球软件技术领导者中科创达，将自身定位为“诗能者“，与全球产业链中下游的领导厂合作，多维度展开集中整合，打造全新一代网联化、自动化、分享化、人性化的智能座舱，多年的技术积累和前瞻战略布局让公司获得了更大的发展空间。简单化的操作者体验让信息交互更为自然简介，自动根据场景更新信息，生物识别和手势操作者的配备也融合了更大的浮动空间，一定程度上可以提高容错亲率，防止误操作。

高通赋能操作平台研发

平台可协助制造商高度分化和定制内体验的所有层。第三代高通QualcommSnapdragon处理器配有领先的计算技术，还包括多核高通AI引擎、高通光谱图像信号处理器（ISP）、第四代高通KryoCPU、第六代高通胆视觉子系统等。智能座舱解决方案融合高通骁龙SA8155P核心板（AutoSoM）和QNX虚拟机于一身，可同时输入8个摄像头传感器的讯息，并用于智能后视摄像头、流媒体后视镜和停车辅助功能为驾驶员提供重要的信息提示，目前已普遍运用在奥迪、吉利、路虎、大众、丰田、比亚迪等头部厂。另一方面，研发套件（AutoKit）中的ADPCool产品可针对客户市场需求研发，定制并优化专属场景，加速软件的开发递归。

中科创达智能座舱解决方案可根据厂商需求配备Android或Linux平台：1）Android平台反对将AndroidO，P等信息娱乐系统搭起在高通SA8155P，S820A，瑞萨R-Car等平台，系统可优化8-10秒的快速启动、2秒的快速推倒影像，根据芯片性能和应用可以同时支持2-4个并行应用于可交互操作者的分屏和浮屏，信息集成度大幅减少；2)Linux平台基于STAccordo5，集成系统芯片和多个微控制单元（SoC+MCU）在单芯片内，提供低安全、低成本的解决方案，可以同时配备CarPlay和CarLife，并拓展反对AndroidAuto，全新升级智能座舱系统技术。

集成型多系统平台

平台基于QNX虚拟机将硬件虚拟化，复杂的功能集结在一个芯片上，从而提高经济效益、减少开发风险。智能座舱平台集结智能仪表盘系统、平视显示器系统、载娱乐系统、载有信息系统、安全驾驶员系统、空调与座椅调节系统、物联网等功能，连接各个掌控域单元打造一体化平台，实现信息有效地交互，超过高效的多屏互通模式。其他公司若统合这些系统功能一体需要将多个控制驱动电子元件（驱动芯片、掌控芯片、功能性电子元件等）用于物理方式进行相连，而中科创达的“一芯多屏“方案仅需4层（底层系统+虚拟机+功能系统+交互界面）即可，大幅度降低开发成本和研发风险。

厂可以根据自身需求灵活性安装并拓展软硬件解决方案，通过优化Android、Linux、QNX、Grennhill等系统技术架构，升级并完善操作系统性能。高集成度、信息交互及时的多屏互动模式可大幅改善触控对系统缺少和交互效率较低的传统载有架构。

人机交互界面

公司和Rightware前期已通过Kanzi引擎进军头部厂商，结合公司多年在软件IP的优势，进一步升级操作系统（OS）和交互界面（HMI），发售了基于Kanzi和KanziConnect一体化智能驾驶解决方案，赋能智能行业的智能化、网联化，完成真正的软件定义。

Kanzi引擎为厂产品部门、设计师、软硬件供应商提供统一的研发运营平台，使UI和平台能并行开发，提升10倍HMI研发效率，延长近50%的研发时间。具谷歌报导，全球有多达半成的制造商在采用Android系统架构作为信息娱乐系统。作为最有效地的基于Android底层架构开发的智能座舱，制造商、Tier1供应商和设计工作室均可通过KanziHMI获取的集成平台作为生产设计的基础，构建快速自适应开发，不仅可作为基于开源平台硬件或典型载有系统的制作原型，还兼具创造前瞻性概念操作系统的能力。

除了已被广泛用于的智能仪表盘KanziHybrid，中科创达还全新升级四个核心Kanzi插件――KanziUI、KanziConnect、KanziMaps、KanziParticles，打造政治宣传传统、定义更深层次的嵌入式界面KanziReferenceHMI。另一方面，Kanzi智能仪表盘使用OLED屏幕，当遭遇撞击时，内屏幕不易破损并构成锐利物，极大有可能对乘人员导致二次损害，柔软的OLED屏幕一定范围解决问题了安全问题。

Kanzi对比市面上所有运用Android的载系统而言是独一无二的，人机交互界面主要产品有：1）KanziUI将2D和3D无缝制备，并最大程度优化用户界面的实用性和美观性；2）KanziConnect修改了载系统中各个应用程序和系统间内容、数据共享；3）通过KanziMaps将多个后末端、流动地图数据直接引入，定制可视化低精地图；4)KanziParticles使设计师可以无需编码简单的着色器，直接创立独有的视觉效果和模拟形态，所有的最新技术都将为OEMs集成建构多模交互、低自定义简化的超级载有系统。

KanziUI助力飞驰、奥迪打造智能豪华座舱的HMI设计开发。奔驰S级进帐多个量产型的第一：世界第一款搭载ARHUD；世界第一款配备肉眼3D仪表盘；世界第一款使用OLED中控屏。奔驰新一代S级轿智能座舱集结了MBUX嵌入式系统、裸眼3D数字仪表盘、大尺寸OLED中控显示屏、ARHUD、智能感应助力等智能科技。基于Rightware软件技术和NVIDIATegra移动处理器的技术支持，公司建构降生界上第一个具有实时3D图像更新的用户自编辑液晶仪表盘，第三代奥迪TT也使用由Rightware旗下产品Kanzi提供的用户界面解决方案，并在芬兰的年度票选中忽得头筹。

WardsAuto针对23个针对用户体验功能全新设计的型展开评估，评选出“10个最佳用户体验型（10BestUX）”，分别在2018年有2款获奖型、2019年有4款获奖型均用于Kanzi引擎，奖项评判标准主要对“驾驶员辅助系统、网络性、智能液晶显示、语音交互设备、直观控制系统、信息娱乐系统”展开评价。作为中科创达战略并购的交互界面开发供应商Rightware，已受到超过50个品牌的信赖，预计2024年将为超过4,000万辆获取最优质的嵌入式体验。

人工智能技术

智能驾驶舱2.5解决方案全新升级生物识别板块打造多模交互场景：1）智能座舱可通过驾驶者人脸识别（FaceID）转换至自定义化主题界面和专属3D动效，给用户带上独有的驾驶员体验；2）融合手势、语音识别等方式塑造丰富的人机多模交互，为用户带来便捷、快捷的全新操作体验；3）实时驾驶员状态监测可以随时第一时间、识别影响行驶安全的不道德状态，如失眠、低头、打哈欠等，通过语音报警降低危险系数。2020年6月，公司与滴滴合作研发DMS、ADAS等不能安全驾驶员方案，将安全智能驾驶产品充份带入在驾驶员场景中，为厂获取了更为安全、平稳的智能安全驾驶方案。

云端数据网络带动用户安全升级

中科创达归功于在技术层面的前瞻性和提早布局，已经将V2X技术成功引入有所不同的制造商型，与传统工业融合创新。随着5G通信、计算架构与人工智能的推进，全新一代智能座舱配有可持续云端升级（OTA）的嵌入式设备，基于LTE/5G/云端不断升级、优化的软件系统。

持续自动更新的嵌入式自动驾驶装备可以大幅降低祸率。根据美国IHS最新研究，大部分交通事故来源于驾驶员酒精药物、判断失误、视线盲区、疲惫驾驶等因素，自动驾驶和智能识别能至少减少三分一的交通事故。厂商通过在辆上加装嵌入式设备并持续OTA系统，基于HTML或云端持续升级全软件系统，受益于无线通信网络（5G+V2X）新技术获取支持服务应用于多个内场景，Level3级别自动驾驶将逐渐落地各大厂，为驾驶员带给更加智能、安全、便利的上下班体验。

另一方面，中科创达智能座舱运用四个插件提高行安全环境：1）载全景环视（SurroundView）基于MMSolution环视算法，独有设计的裸眼3D通过传感器、KanziUI、自动拼接调整等技术将机顶盖从视觉上透明化，估算地面平坦并自适应拼凑，为驾驶员最大限度营造360度全景自由视角；2）受益于全新升级生物识别模块，全新DMS安全驾驶员方案基于人工智能、大数据的支持、高精度识别系统能快速对系统并适应简单的驾驶员环境；3）KanziSafety插件能获取一个独立基于ISO26262ASILA级别证书标准的图像传输机制，保证即使3D图像图形失败，与驾驶安全密切相关的UI元素能够正确导入，KanziHybrid（仪表盘）能精准表明数据或提示渲染故障，确保行绝对安全；4）MARVS电子后视镜可以根据用户市场需求灵活性自定义专属方案，如芯片选型引荐、图像算法、图像处理等，提供高清、低帧率、宽动态、全天候的摄像头图像实行解决方案。

软件定义领域壁垒低，竞争格局明晰

由于需要对芯片和基础软件具有深刻的解读和充裕的人才储备，故而软件定义行业的壁垒较高，市场参与者较较少。中科创达在软件定义领域（虚拟机、OS、中间件等基础软件及优化）主要竞争对手包括Luxoft、GlobalLogic、KPIT、Mobica，以及Tier1软件服务商ADIT(博世和电装)、Elektrobit(大陆)、Opensynergy(松下)等。

Tier1在智能座舱的布局

传统Tier1厂商正在积极布局智能座舱系列产品。以博世为事例，在今年10月北京展上，博世展出了其最新座舱域控制器、全球首款量产上的曲面仪表显示屏、3D表明、辆OTA远程升级、数字钥匙等前沿科技。其中座舱域控制器搭载高通8155P芯片，集成多模块的操作系统，能够同时反对仪表、中控、副驾娱乐、HUD、空调、后排等多块显示屏，并且统合了驾驶员和乘员监控（DOMS）、360环视（AVM）、及人脸识别（FaceID）、多麦克风输出、主动减震等功能。

自动驾驶也是博世正大力布局的方向。在该领域，博世采行的是循序渐进的发展策略，逐步推进自动驾驶量产。目前，在L2自动驾驶层面，博世在全球已经有60多个项目进入量产，还包括TJA交通拥堵辅助、APA自动泊辅助等，下一步即将投入量产的是RPA遥控泊辅助和高速公路辅助系统。而支撑博世在自动驾驶领域获得上述突破的，是其完整的自动驾驶产品线布局。比如在感知层，博世已经建构了全面的传感器产品组合，包括超等波雷达、摄像头、毫米波雷达、激光雷达等。其中博世的毫米波雷达已经发展到了第五代，摄像头发展到了第三代，首款适用于规的长距离激光雷达也已进入量产开发阶段。通过将激光雷达与摄像头、毫米波雷达等形成有序，为驾驶者提供可信的路况信息，博世正助力行业加速构建L3-5级自动驾驶。在决策层，博世发售了域控制器DASy，该产品作为集中式整架构的核心组件，具备高带宽、强算力、大存储容量以及低安全性等特性。DASy可以收集并融合来自雷达、摄像头、激光雷达等传感器的数据，协助辆分解周围360度的高精度环境模型，并制定合适的驾驶员策略。至于执行层，诸如制动系统、改向系统等，亦是博世的强项。在该领域，目前博世最成熟的产品是iBooster+EPS人组，这两种系统都具备直接的机械推进装置，并且可以在整个滑行范围内独立制动器辆，形成制动校验，从而保证辆在任何情况下都能安全制动。

自动驾驶域：应用于逐步落地，商业化进程值得期待

自动驾驶域整体架构如下：

芯片：英伟达领先，高通持续迭代，国产厂商大力布局

自动驾驶芯片介绍

在传统芯片行业，常用算力、功耗和面积三大指标来衡量性能。由于自动驾驶功能对算力极高的执着，峰值算力成为取决于自动驾驶芯片的最主要指标。

目前一般指出，L2需要的计算力100TOPS，而L5需要的计算力目前还仍未具体定义（有预测必须至少1000TOPS），每增加一级自动驾驶等级，算力市场需求则相应增长一个数量级。根据英特尔推算出，在全自动驾驶时代，每辆每天产生的数据量将高约4000GB。

特斯拉核心壁垒：自研自动驾驶芯片+神经网络算法+计算平台

特斯拉在智能化领域最大的壁垒来自于其掌控核心数据、AI算法、以及主控芯片自研。2014年～2016年，特斯拉自动驾驶域曾搭载MobileyeEyeQ3芯片；2016年～2019年，特斯拉将MobileyeEyeQ3更替为NvidiaParkerSOC和NvidiaPascalGPU，搭载DRIVEPX2AI计算出来平台。由于英伟达的高能耗，2017年起，马斯克决定开始自研主控芯片，尤其是主控芯片中的神经网络算法和AI处理单元全部由特斯拉自己已完成；2019年4月，特斯拉正式在AutopilotHW3.0平台上搭载了自研的FSD主控芯片。

新势力自动驾驶芯片应用于情况

目前自动驾驶芯片的产品主要包括Nvidia系列、Mobileye系列以及特斯拉自研FSD芯片，具体主流型搭载芯片参照下表。

英伟达：GPU技术领先，驾驶域实力强劲

在辆驾驶环境下，正归属于多量、非常简单、即时任务的处理，意味著需要即时处理的数据量巨大，而GPU最合适处理这些数据集。GPU有多个（或达数千个）被称作流处理器的单元处理数据，虽然这些单元的处理速度比CPU更慢，但所有这些处理器可以并行运营，即它们可以同时处置很多相对非常简单但具有大量数据的任务。CPU可以精彩处置一个数据量大、时间宽而且比较复杂的任务，而GPU处理这类任务时就会吃力；而当有较多非常简单的任务时，GPU优势凸显。

英伟达在其自动驾驶套件中使用的芯片使用了基于神经网络的AI深度自学技术。英伟达的图灵GPU引入专门针对深度自学的类似功能单元――TensorCore，它能够让GPU对有所不同的数据类型可以进行混合计算，既同时构建fp浮点计算（测量AI训练峰值算力）和int整数运算（测量AI推理峰值算力），如下图右图，目前仅有英伟达的驾驶员域DCU支持该类混合计算。以前一个代码如果用了整数,对应的单精度性能就没了，也就是说不能在单精度性能（浮点计算）和整数性能（整数计算）中展开选择。混合精度训练构建了所有这些好处，同时保证与全精度训练相比，不会损失特定于任务的精度。（FP32是目前深度学习训练和推理小说中用于最少的高精度格式，主要用于图像处理；在低精度场景中，INT8比较经常用来作为推理小说计算的数据格式。TFLOPS：浮点运算能力单位；TOPS：整数运算力单位。）目前在L2+层级英伟达独占鳌头，但在L2层级仍是Mobileye的EyeQ系列的主战场。

高通：座舱域芯片龙头，驾驶员域产品持续迭代

前文讲述了高通在座舱域的芯片性能全面领先竞争对手，高通在自己的芯片中也引入硬件化的AI计算单元，即在原来HexgonDSP中增加Tensor核心，其实和NVIDIA在GPU当中增加TensorCore的作法的目的相当类似，在不抛弃原本计算单元的过往相容能力，以及可编程能力的前提下，减少更有效率的硬件计算单元，使整体计算能力提升，同时也符合未来AI应用于市场需求，但同时又要顾及低功耗持续计算的特性。

高通驾驶域产品也将持续递归，2021年未来将会发布新产品。，高通骁龙SA8155P本身在座舱域构建高市占率，算力和制程优势突出。高通的图像处理器技术来源并购AMD部分“向量绘图(vectorgraphics)与3D绘图技术和知识产权(IP)”，当时正是AMD困难时期。高通在2021年有望相结合以上技术优势展开自动驾驶芯片的公布。

国内自动驾驶芯片研发厂商部署――华为，地平线

国内座舱域和自动驾驶域控制器芯片的自主品牌代表性企业主要包括华为和地平线。

华为：不造，但目标将ICT技术带入每一辆

除华为的强项无线通信连接能力以外，目前华为在智能的布局主要集中在智能驾驶、智能座舱、智能动力三个方面。目前华为已经在控制器上取得较多进展，华为的作法是明确提出代表计算出来和通信的CC架构，以及基于CC架构派生出三大平台智能驾驶平台（MDC）、智能座舱平台（CDC）和整控制平台（VDC）、联结和云服务。华为的MDC、CDC、VDC可以解读为三大域控制器。根据36氪，华为消费者BG正在与智能解决方案BU进行整合，总负责人是华为消费者业务CEO余承东。华为目前享有从智能驾驶、智能座舱、智能电动mPower整体解决方案，到智能网联成、智能云服务、商用&专用解决方案、ADS智能驾驶全栈解决方案等一系列解决方案。

1）智能解决方案品牌：HI（HuaweiIntelligentAutomotiveSolution）。还包括1个全新的计算出来与通信架构和5大智能系统，智能驾驶，智能座舱、智能电动、智能网联成和智能云，以及激光雷达、AR-HUD等全套的智能化部件。同时，HI品牌还从算力和操作系统层面规划了智能驾驶、智能座舱、智能控三大计算出来平台，以及AOS智能驾驶操作系统、HOS智能座舱操作系统和VOS智能触操作系统三大操作系统。

2）智能座舱：包含三大平台:Harmony机OS软件平台、Harmony域生态平台以及智能硬件平台。硬件具备机模组、8英寸超低反显示屏、座舱麦克风陈列模组、智能座舱高清摄像头等。

3）智能驾驶解决方案：

计算平台：华为于2018年发布MDC（）作为自动驾驶计算平台，已经与50多位还包括主机厂研究院、传感器、执行器、应用于算法、运营商等合作伙伴们，在各个层面达成协议了广泛而深入的合作关系。

自动驾驶系统：华为高阶自动驾驶系统ADS获德国莱茵TVASILD认证（该标准是全球电子零部件供应商进入行业的管理制度门槛一，目前，已通过ISO26262功能安全证书的自动驾驶芯片仅有Mobieye的EyeQ系列，英伟达的Xavier及华为的�N腾310，特斯拉自研的FSD芯片通过AECQ100证书，而不是ISO26262），未来将会于2022年Q1登上量产。

传感器：毫米波雷达、激光雷达、智能摄像头等产品加速落地。

4）智能动力：华为智能电动mPower整体解决方案中,具有载有电池系统、三合一及多合一电驱动系统、BMS(电池管理系统)、电池模块等。

华为目前最新的自动驾驶平台旗舰产品是MDC600，能够符合L4级别自动驾驶对域控制器的性能需求；而针对L3级别有条件自动驾驶，华为发售了MDC300。

MDC自动驾驶平台的系统架构是可前端的，通过对CPU内核数，人工智能加快内核搭载数量以及IO模块数量的变动，可符合低、中、低端乘用从驾驶辅助到高端智能驾驶的有所不同使用场景。

MDC平台用于的芯片内核是�N腾310，�N腾910未来将会于2021年推出。�N腾310单芯片算力为16TOPS，功耗为8W，能耗比为2TOPS/W；特斯拉Autopilot3.0处理单元上的FSD芯片单芯片算力为72TOPS，功耗约为36W，能耗比为2TOPS/W；英伟达最新DRIVEAGXOrin平台，其上搭载的Orin芯片，单芯片算力超过200TOPS，功耗为45W，功耗算力比为4.4TOPS/W。比起一起，�N腾310的能耗比已赶上国际主流水平。目前�N腾310使用的是台积电12nm工艺生产，随着未来生产工艺提高至7nm甚至5nm，其能耗比还有进一步提升的空间。

目前华为与北、长安等合作伙伴深度合作，2021年新型或未来将会逐步推出。

鸿蒙OS正式公布，牵涉到智能的座舱、驾驶员及控制系统。在8月14日的2020中国论坛上，华为发布了三大鸿蒙载OS系统，同时还宣布已经有大量合作伙伴基于鸿蒙OS进行研发。三大鸿蒙OS分别是――鸿蒙座舱操作系统HOS、智能驾驶操作系统AOS和智能触操作系统VOS，分别涉及智能的座舱、驾驶及控制系统。

地平线：生态合作广泛，DCU芯片创业公司独角兽

2020年9月，在2020北京国际展上，地平线发布地平线新一代高效能载AI芯片征程3，并展示了一系列智能驾驶落地成果，为智能化定义“芯引擎”。

此次发布征程3，是地平线进一步加快载AI芯片递归，推动智能化发展和量产落地的深入实践中，是对“芯引擎”的全新升级。征程3使用16纳米工艺，基于地平线自律研发的BPU2.0架构，AI算力超过5TOPS，典型功耗仅为2.5W，具备高性能、低功耗、拓展性强劲、安全可靠的特点，反对高级别辅助驾驶、智能座舱、自动泊辅助、高级别自动驾驶及众包高精地图定位等多种应用于场景。

征程3能耗比打破多款行业主流芯片，而且具有出众的图像终端和处理能力，不仅反对基于深度学习的图像检测、分类、像素级拆分等功能，也支持对H.264和H.265视频格式的高效编码。而且灵活性开放，客户可用于地平线算法样例、AI芯片工具链，以及展开应用于开发所需的全套工具，快速构建产品级应用落地。

未来，地平线将发售更强大的征程5，面向高等级自动驾驶场景，单芯片达到96TOPS的AI算力，支持16路摄像头，构成的自动驾驶计算出来平台具备192-384TOPS算力，可支持L3-L4级自动驾驶。

基于自研AI芯片打造出的地平线“天工开物”AI研发平台，由模型仓库、AI芯片工具链及AI应用于开发中间件三大功能模块包含，包含面向实际场景展开AI算法和应用于开发的全套工具，最大限度地方便客户进行个性化的应用于研发，并可依据合作伙伴的不同需求获取有所不同层次的产品交付和服务，全面支持客户快速构建场景应用于。地平线数据闭环系统赋能合作伙伴构建从数据采集标注、模型训练优化、仿真评测，到模型OTA部署，端到端的数据迭代闭环，打造不具备覆盖面积整整个生命周期的持续进化能力。

经与行业伙伴通力合作，地平线依托规级AI芯片、对外开放易用的工具链、算法模型样例、专业化服务和开发者社区五大支柱，现已环绕环境综合感官和内嵌入式两大方向，实现原始的智能驾驶产品布局。今年，长安与地平线基于该芯片联合开发了智能座舱NPU计算出来平台，并搭载在其今年发售的全新型UNI-T上，征程2业已成为首个上量产的国产AI芯片。日前，纯电SUV奇瑞蚂蚁上市，新的也配备了地平线征程2规级AI芯片，构建了L2+级自动驾驶。累计目前，地平线在智能驾驶领域已同奥迪、一红旗、上集团、甚广集团、长安、比亚迪、理想、长城等厂达成协议深度合作，初步建成覆盖面积智能驾驶和智能座舱的智能芯生态。

自动驾驶系统：商业化落地加快，产业生态逐步成熟

特斯拉Autopilot系统解析

特斯拉的Autopilot是一个典型的决策控制器，主要的功能是拒绝接受前向雷达和前向摄像头的数据信息，然后进行计算决策。从2014年发售第一个版本开始，特斯拉的自动驾驶系统Autopilot经过了4次大的硬件版本更新，从最初1.0版本几乎基于第三方供应商Mobileye获取芯片+算法，到2.0、2.5版本逐步过渡到自研算法+英伟达的芯片，最后在2019年4月份特斯拉成功发售自研芯片，实现了自动驾驶芯片+神经网络算法的横向整合。

从实际效果来看，Autopilot采用自研芯片后，系统性能获得了显著提升，从2.5版本只能同时处置每秒110帧图像演化到3.0版本需要同时处置每秒2,300帧的图像，性能提升了21倍;与此同时，芯片成本也较前上升了20%。

在2020年7月1日展开提价后，特斯拉Autopilot全自动驾驶套件目前的价格为8000美元，马斯克回应，随着软件取得监管部门的接纳，FSD将不具备相似完全自动驾驶的能力，届时FSD的价格将继续下跌。截至2019年，特斯拉通过出售“仅有自动驾驶”套件获得的收入已经多达了10亿美元。特斯拉的Autopilot可以构建辆的自动辅助改向（Autosteer）、自动辅助加快和自动辅助制动，升级后更是增加了自动变换道、出入闸道、自动泊（Autopark）以及在交通路口根据信号灯停走（Traffic-AwareCruiseControl）的功能。

特斯拉的全自动驾驶包在提价反应了公司对于仅有自动驾驶的持续改善，定期更新改善辆的能力，更好地利用内置摄像头和无人驾驶计算机。马斯克更是回应，全自动驾驶包在的价值最终应该超过十万美元，相当大一部分价值预计将来自于未来无人驾驶出租的上线，主最终可以把自己的作为租赁使用并分享其中的收益。

目前主流的自动驾驶技术路径主要分两种：

一、以特斯拉为代表的视觉算法为主导的流派，通过摄像头、毫米波雷达捕猎周边环境信息，再通过算法居多，进行分析决择。这一类方案所需的硬件成熟度较高，成本低，但毫米波雷达探测角度较小，远距离观测能力也严重不足，需要出色的算法来弥补缺点。

二、以Waymo、部分企为代表的激光雷达主导的流派，在摄像头、毫米波雷达的基础上减少了激光雷达，可以进行远距离、全方位的探测，分辨率较强，但硬件成本较高，且激光雷达同样也存在一些问题：比如，在险恶天气的条件下展现出一般，缺乏对环境的颜色和纹理信息的辨别，并且在大范围安装激光雷达后，激光雷达有无法辨别否为自己收到的脉冲光的串扰风险，这会必要造成激光雷达辨别不出物体的形状。

马斯克曾回应：“一旦你能解决问题摄像头的视觉问题，就能解决自动驾驶的问题；如果你不解决视觉问题，自动驾驶的问题自然无解。这就是为什么我们如此注目视觉神经网络，它对道路状况非常有效地。只要有摄像头，你绝对可以实现沦为超人的梦想。比如，只需要照相机，就可以比人类做得好十倍。”特斯拉采取以视觉为主的技术路径的最显著原因是其成本便宜。将一个激光雷达装置加装在上的成本大约是1万美元。谷歌和它的Waymo项目已经能够通过引进量产略微减少数量。然而，成本仍然相当可观。特斯拉高度注目成本，并保证价格实惠。在已经很便宜的上增加激光雷达的价格是相当最重要的。对于特斯拉，在算法领先于同行玩游戏的同时，如何用于性价比最低的零件建构更大的效益，是特斯拉的目标。这也就注定了，在马斯克眼中，价格高昂的激光雷达，不能是其他企业对于视觉感官不存在的问题和缺失的遮羞布。

目前在自动驾驶行业业务盈利模式还没有成熟期的阶段，行业弥漫着大量不确定性，一个新技术的出现与应用，是就此绝望还是改变行业，只能交给时间来决定。

芯片ASIC、FPGA、GPU、CPU争，生态合作伙伴成为重中重

CPU、GPU、DSP等传统芯片目前仍是智能主流芯片

CPU与GPU都是我们常见的通用型芯片，它们在各自领域都可以高效地完成任务，但当同样应用于通用基础计算领域时，设计架构的差异必要导致了两种芯片性能的差异。

CPU适用于处置数量适中的简单运算。CPU作为通用处理器，除了符合计算出来拒绝，为了更好的响应嵌入式的应用于，它要能处理简单的条件和分支，以及任务间的同步协调，所以芯片上需要很多空间来进行分支预测与优化(control)，保存各种状态(cache)以减少任务转换时的延时。这也使得它更适合逻辑掌控、串行运算与通用类型数据运算。

GPU限于于处理数量可观的相对非常简单的运算。GPU享有一个由数以千计的更小、更高效的ALU核心组成的大规模并行计算架构，大部分晶体管主要用于构建控制电路和Cache，而控制电路也相对简单，且对Cache的需求小，只有小部分晶体管来完成实际的运算工作。所以大部分晶体管可以组成各类专用电路、多条流水线，使得GPU的计算速度有了突破性的进步，享有了更强大的处理浮点运算的能力。这决定了其更擅长处理多重任务，尤其是没有技术含量的重复性工作，比如图形计算。由于深度自学通常需要大量的训练，训练算法并不复杂，但数据非常量大，而GPU的多内核、并行处理的优势，使得其相比CPU更合适深度自学运算。

算力指标上有所差异。比较常见的CPU算力指标是整数运算，而GPU比较常见的算力指标是浮点运算。例如英伟达的图灵GPU引进专门针对深度学习的类似功能单元――TensorCore，它需要让GPU对不同的数据类型可以进行混合计算，既同时构建fp浮点计算（测量AI训练峰值算力）和int整数运算（测量AI推理峰值算力）。TFLOPS：浮点运算能力单位；TOPS：整数运算力单位。

以前一个代码如果用了整数,对应的单精度性能就没了，也就是说不能在单精度性能（浮点计算出来）和整数性能（整数计算出来）中进行自由选择。混合精度训练实现了所有这些好处，同时确保与全精度训练比起，会损失特定于任务的精度。FP32是目前深度自学训练和推理小说中使用最少的高精度格式，主要用作图像处理；在较低精度场景中，INT8比较经常用来作为推理计算的数据格式。

从应用于方面，例如压缩算法、排序算法、以及其他主要应用于，都是倚赖CPU整数运算性能；而视频编码解码、数字图像处理（光影等）、3D游戏等，倚赖GPU去解决问题浮点运算。

DSP芯片即指能够实现数字信号处理技术的芯片，DSP芯片的内部采用程序和数据分离的哈佛结构，具备专门的硬件乘法器，广泛采用流水线操作者，获取类似的DSP指令，可以用来快速的实现各种数字信号处理算法。优势是程序和数据空间分开，可以同时访问指令和数据、可编程性、可映射性，DSP限于于系统较低采样速率、较低数据率、多条件操作者、处置简单的多算法任务。缺点而言相对来讲功能比较较少、无法处理太高速的信号，因此会构建在FPGA中。DSP对于流媒体（语音等）的处理能力远远的优于标准化CPU。

FPGA、ASIC应运而生，创业公司纷纷布局

FPGA、ASIC设计方式应运而生。从IC设计上，虽然频率很重要，但是芯片的主要瓶颈还在比特率和存储部件上。因为程序的大量数据，都是与存储部件进行交互。芯片架构冗余不会造成瓶颈问题更加突出，故而针对应用场景自定义化或者半定制化的芯片设计模式应用而生――ASIC、FPGA。

FPGA（Field－ProgrammableGateArray），即现场可编程门阵列，它是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。它是作为专用集成电路（ASIC）领域中的一种半自定义电路而经常出现的，既解决问题了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。

ASIC具备高性能、低功耗的优势，但它们包括的任何算法――除了那些在软件内部处理器内核继续执行的――其余都是“失效的”。所以这个时候我们就需要现场可编程门阵列（FPGA）了。早期的FPGA器件的架构相对简单――只是一系列通过可编程互连的可编程模块。

FPGA最可以配置它的可编程架构来实现任意我们必须的数字功能人组。另外，我们可以以大规模并行的方式实行算法，这意味着我们可以非常很快和有效地执行大数据的处理。

ASIC被指出是一种为专门目的而设计的集成电路。是指应特定用户要求和特定电子系统的需要而设计、生产的集成电路。ASIC的特点是面向特定用户的需求，ASIC在批量生产时与标准化集成电路比起具备体积更小、功耗更较低、可靠性提高、性能提升、保密性强化、成本减少等优点。

原始的FPGA设计流程还包括功能叙述、电路设计与输入、功能仿真、综合优化、综合后仿真、实现与布局布线、时序仿真、板级仿真与检验、调试与读取配备。

ASIC的设计流程（数字芯片）还包括：功能叙述、模块区分、模块编码输入、模块级仿真检验、系统集成和系统仿真验证、综合、STA（静态时序分析）、形式验证。

FPGA和ASIC产品的用于要根据产品的定位和设计必须来选用，ASIC产品限于于设计规模特别大，如CPU、GPU、DSP或多层互相交换芯片等，或者是应用于技术非常成熟且利润率非常低的产品，如用电器和其它消费类电器，亦或是大量应用于的标准化器件如RAM、PHY等。而FPGA产品适用于设计规模适中，产品要求快速占领市场，或产品必须灵活变动的特性设计等方面的产品，如PDH、2.5G以下SDH设备和大部分的模块切换芯片等。

由于行业销量数目庞大，未来智能驾驶芯片出货量或未来将会达到亿级，在大规模销售的预期下，未来IC设计模式未来将会向ASIC转变，FPGA或可能只是过渡阶段。对于行业巨头而言，由于FPGA、ASIC新的芯片设计，必须对原先的架构进行较大改动，目前都正处于研发阶段，仅有部分“CPU+GPU+FPGA”模式有所落地。这给了创业公司较大机会，共创国内，地平线、黑芝麻、华为等厂商大力布局，未来将会超越海外厂商独占格局，未来芯片格局未大位。

格局未大位，解决方案生态合作伙伴成为重中重

芯片厂商格局未稳，产业链合作伙伴未来将会成为稀缺资源，充分受益于智能化浪潮。目前产业链的交付给模式发生变化，芯片厂商先前更多作为Tier1的供应商，而当下更多的是直接与厂商再次发生做生意。简单的市场需求与高算力芯片的落地，使得芯片厂商必须对外寻找整体解决方案生态合作伙伴，为厂共同提供一整套解决方案。

主板设计与软件生态合作伙伴成为重中重。单一的芯片，必须下游厂商基于芯片的规格负责主板的设计和调试，而全套的解决方案，则是芯片厂商根据下游的拒绝设计好主板的布局、接口的数目，甚至以模块的形式PCB销售，下游厂商只需负责管理连接计算模块与辆的各个传感器即可；此外，在厂商落地，还需要涉及虚拟机、OS、中间件等研发环境，需要中科创达这类软件服务商切断方案。

无论是已有的高通、英伟达、Mobileye、NXP、瑞萨等老牌巨头，还是地平线、黑芝麻、华为等行业新军，在目前阶段除了作好产品，最重要的就是建立解决方案生态，并积极与厂展开合作。生态共建，共享智能化果实。

身域、动力域和底盘域：普及程度较低，MCU仍是主流方案

域控制器也叫域掌控单元，还有必要跨域实现区域掌控的多域控制器。域控制器的概念是由博世和大陆等Tier1提出的，目的解决信息安全和ECU研发瓶颈问题。域控制器是一种高速计算出来设备，具备强大的硬件算力和各种软件模块，可以使系统集成度更高，从而构建更多核心功能模块，减少对功能感知和继续执行硬件的拒绝。为了进行数字处理，域掌控单元通常必须具有强劲算力的内置核心处理器（CPU），以构建整各个区域相对不应的功能。

比起自动驾驶域和座舱域对芯片算力快速增长要求，身域控制器仍然以技术成熟的规级微控制器MCU为主，对安全和可靠性拒绝苛刻。MCU主要供应商还包括众多传统Tier1厂商和半导体巨头，如恩智浦、英飞凌、瑞萨、意法半导体、TI、博世、安森美和东芝等。

MCU从8位、16位到32位，给定有所不同需求场景。8位MCU主要应用于体各子系统中较低端的控制功能，包括窗、座椅、空调、风扇、雨刷和门控制等。16位MCU主要应用为动力传动系统，如引擎控制、齿轮与离合器控制和电子式涡轮系统等，也合适用作底盘机构上，如悬吊系统系统、电子动力方向盘、电子塔内等。32位MCU主要应用于包括仪表板掌控、身控制、以及部分新兴的智能性和实时性的安全功能。在目前市场的主流MCU当中，8位和32位是仅次于的两个阵营。

传统厂商：智能化浪潮下，已迈出扎实一步
新氧新氧新氧新氧