（报告出品方/作者：兴业证券，戴畅、董晓彬）
1、汽车芯片：智能驾驶推动 AI 芯片放量
1.1、汽车芯片是什么？
汽车芯片即车规级芯片，标准要高于工业级和民用级芯片，仅次于军工级芯片。芯片大概有以下四种级别，分别是军工级、汽车级、工业级和民用/商业级。不同 等级的芯片的标准不一，考虑到安全性、工作环境等一系列因素的影响，汽车级 芯片的制作要求远高于工业级芯片和民用级芯片，因此汽车级芯片的价格也明显 处于高位。CU 的 3%。
按功能分，汽车芯片可分为控制类（MCU 和 AI 芯片）、功率类、模拟芯片、传 感器和其他（如存储器）。按英飞凌的数据，从燃油车到电动车，单车半导体价值 量将从 457 美元提升至 834 美元，车用半导体市场持续扩大，但是车规芯片市场 基本被国际巨头所垄断。传统汽车的控制芯片主要为 MCU，其制程普遍在 40nm 以下，不同 MCU 来自不同供应商，通常为代工模式，台积电占所有汽车 MCU 晶 圆代工约 70％的市场份额，智能汽车时代引入 AI 芯片；
功率类芯片包括 MOSFET 和 IGBT，制程在 90nm 以上，生产模式以 IDM（厂商自行设计、制造、封装、测 试）为主，部分产品逐步开始国产替代；模拟芯片主要包括电源管理芯片和信号 链芯片，电源管理壁垒相对较低，国内布局广泛，信号链芯片国内也有部分企业 布局；传感器芯片可以分为车辆感知（动力、底盘、车身、电子电器系统）和环 境感知（车载摄像头、超声波雷达、毫米波雷达、激光雷达），智能化带来传感类 芯片的高速增长。
行业集中度相对较高，MCU 芯片现阶段市场空间最大，AI 芯片未来市场空间增 速最快。目前各种类车规级芯片前五大厂商市占率之和均大于 60%，车规级芯片 市场集中度相对较高。MCU 芯片、功率类芯片厂商中前五大均为海外企业，车规级芯片市场份额基本被国际巨头垄断。
芯片生产工序主要涉及芯片设计、晶圆加工、封装和测试。芯片企业经营主要分 为 IDM、Fabless 两种模式，IDM 即芯片设计、生产、封装、检测自己完成；Fabless厂商则专注于芯片的设计研发和销售，将晶圆制造、封装测试等外包给代工厂完 成，代工厂也被称为 Foundry。目前，只有英特尔、三星、德州仪器等少数企业 采用 IDM 模式，大部分芯片企业都只从事芯片设计，例如华为、联发科、高通， 台积电是全球最大的晶圆代工厂商。
1.2、汽车芯片的发展趋势
（1）产品趋势：汽车架构从分布到集中，汽车芯片从 MCU 到 AI 芯片
汽车电子电气架构正从分布式走向集中式，产生算力更高的域控制器芯片需求。 在早期，汽车电子是以分布式 ECU 架构为主流，每个单独的模块都拥有自己的 ECU，此时芯片的计算能力相对较弱。随着汽车电子化程度的提高，复杂的功能 推动传统的分布式架构向中心化架构发展，对芯片算力的要求也随之提高。博世 的电子电气架构演进图表明，汽车的电子电气架构将经历三大阶段、六小阶段的 发展。三大阶段分别是分布式结构、区域中心化结构、整车中心化结构，六小阶 段分别是模块化阶段、模块整合阶段、区域中心化阶段、区域整合阶段、整车整 合阶段和车载云计算阶段。整车电子电气从分布式走向中心化成为一种趋势，当 汽车电子电气架构形成域的概念后，将产生算力更高的域控制器芯片的需求。
传统汽车中的控制芯片为 MCU，主要有 8 位，16 位和 32 位三种型号。电子控制 单元 ECU 是现代汽车电子的核心元件之一，泛指汽车上所有的电子控制系统，根 据管理功能的不同可分为 EMS（发动机控制器）、TCU（变速箱控制器）、VCU（整 车控制器）等，而 MCU 是在 ECU 当中负责数据处理和运算的芯片，是把 CPU、内存 （RAM+ROM）、多种 I/O 接口等整合到单一芯片上形成的芯片级计算机。 当前汽车级 MCU 主要有 8 位，16 位和 32 位三种型号。三种型号的 MCU 在汽车 的应用场景上有所不同，随着位数的增加，MCU 的运算能力逐渐增强，适用的场 景也更加高端。
对芯片算力要求的提高推动 MCU 朝高位数方向发展。在传统的燃油汽车当中主 要采用的是功能芯片 MCU，可以满足汽车对于发动机控制、制动力控制、转向控 制等一系列简单功能的实现。随着汽车电子电器的发展，32 位 MCU 开始扮演车 用电子系统中的主控处理中心角色，即将分散各处的低阶电子控制单元（ECU） 集中管理。
MCU 难以满足智能驾驶的需求，AI 芯片进入汽车市场。车规级 AI 芯片是未来 智能化汽车的“大脑”。不同于以 CPU 运算为主的 MCU，AI 芯片一般是集成了 CPU、图像处理 GPU、音频处理 DSP、深度学习加速单元 NPU+内存+各种 I/O 接 口的 SOC 芯片。
自动驾驶对于芯片算力的要求有着质的飞跃，现阶段 L2 级别自 动驾驶计算量已达 10TOPS, L3 级别需要 60TOPS，L4 级别算力将超过 100TOPS。 目前，市场上主流的 32 位 MCU 的工作频率最高只达到 350MHZ，64 位 MCU 拥 有更高的算力，但也无法满足自动驾驶汽车数亿行代码的运算需求，这就需要算 力远高于 MCU 的 AI 芯片来满足智能驾驶的算力需求。车规级 AI 芯片拥有 TOPS 级别（1TOPS=1 万亿次计算每秒）的运算能力，可以为自动驾驶提供保障，例如 英伟达 Xiavier/Orin/Atlan 芯片分别可以达到 30/200/1000TOPS 的算力。
AI 芯片主要分为 GPU、FPGA、ASIC，当前主流的 AI 芯片是 GPU，未来可能 被 ASIC 替代。三类 AI 芯片之间的区别在于适用范围不同。GPU 属于通用型芯 片，ASIC 则属于专用型芯片，而 FPGA 则是介于两者之间的半定制化芯片。三种 AI 芯片各有优劣，但是由于当前用量有限，ASIC 难以形成规模，而 FPGA 的量 产成本高，相比于 GPU 而言开发门槛又高，因此目前二者在 AI 芯片市场的占比 均不高，GPU 由于运算速率快，且通用性强，开发难度又相对较低，因此在目前 及未来一段时间都将占据主流地位。
但是随着 AI 芯片市场规模的扩大，预计在未 来某个时间点，高性能、功耗低，量产成本又低的 ASIC 将对功耗高、成本高的 GPU 形成替代，成为主流的 AI 芯片。而 FPGA 由于功能可修改这一优势，在算 法不断更新、迭代的环境下将有很强的竞争优势，在需求量较小的专用领域将保 持住一定的市场份额。
AI 芯片的算力远高于 MCU 的原因在于二者的逻辑架构中，ALU 的比重不同。 通过对比 AI 芯片和 MCU 的逻辑架构，我们可以解释为什么 AI 芯片的算力远高 于 MCU。由于 AI 芯片主要分为三类，因此我们可以选取当前市场上处于主流地 位，同时性能又相对普通的 GPU 来作对比；由于 MCU 是在 CPU 的基础上整合内存、计数器等其他模块组成的芯片级计算机，它的算力与 CPU 处于同一量级， 甚至略低于 CPU（MCU 中的 CPU 是经过适当缩减频率和规格后才整合其他模块 的），因此我们可以用 CPU 代替 MCU 来作对比。
通过对比 GPU 和 CPU 的逻辑 架构，我们可以发现二者的 ALU（算术逻辑单元）的比重有很明显的区别。在 CPU 当中，ALU 的占比仅 5%，而在 GPU 当中，ALU 的占比却有 40%，而这便 是 GPU 的算力远高于 CPU 的主要原因，同样也是 AI 芯片的算力远高于 MCU 的 主要原因。
AI 芯片加速上车，今年上市新车型开始使用 AI 芯片。各大车企今年上市的新车 型开启了 AI 芯片上车的时代，其中英伟达、高通、Mobileye 的市场占有率较高： Mobileye 在智能驾驶领域起步早，高通、英伟达则分别在智能座舱、自动驾驶领 域处于领先位置。同时，自主 AI 芯片厂商同样具有较强竞争力，以地平线和华为 为代表：极狐阿尔法 S 和赛力斯 SF5 搭载华为 AI 芯片和计算平台，岚图 FREE 和智己 L7 搭载地平线征程系列芯片。
（2）政策趋势： 汽车缺芯问题引发思考，扶持国产芯片上升到国家战略层面 21 年缺芯问题全球化，多家车企减产或停产。自 2020 年年末大众因为大陆和博 世的 ESP 芯片短缺停产开始，“缺芯片”问题陆续影响全球车企，大众、沃尔沃、 通用、福特、丰田、本田、日产等跨国车企陆续因半导体供应紧张而暂停部分工 厂的生产计划，其中涉及到多款热销车型。国内的一汽、长城、蔚来等也受到缺 芯片影响而减产或推迟新车型的上市计划。
车规芯片相对消费芯片具有更高的要求，国内参与者甚少，缺芯背景下缺乏自主 可控供应链引起关注和重视。芯片设计业者，进入车用芯片供应链最基本的就是 取得 AEC-Q100/101/200 认证，这是由北美汽车产业所推的针对集成电路应力测 试认证的失效机理认证测试，其中 AEC-Q100 针对 IC 类产品、101 针对离散器件、 200 针对被动零件。除此之外，车规级芯片的生产流程需要符合零失效的供应链 品质管理标准 ISO/TS 16949 规范要求，模块的质量测试需要符合 ISO16750 标准 中“道路车辆-环境条件以及电气电子设备测试标准”的相关规定。
对于消费型产品 的功能设计，国内芯片设计业者已驾轻就熟，但鉴于车规级芯片的更高要求和更 大难度，以及需要投入的研发成本，目前国内企业涉及该领域的非常少。当前汽 车缺芯背景下，国内企业受制于上游的国外厂商，缺乏国产替代产品，缺乏自主 可控供应链问题引起关注和重视。
车规芯片已上升到国家战略层面，芯片“国产化”成为新浪潮。2020 年 2 月 24 日，国家发改委等 11 部委联合发布《智能汽车创新发展战略》，明确提出突破智 能计算平台以及车规级芯片等关键技术。2020 年 8 月 5 日，国务院印发《新时期 促进集成电路产业和软件产业高质量发展的若干政策》，在研发政策上鼓励高端芯 片研发。缺芯问题发生后，芯片国产化引起广泛关注。2021 年 3 月 3 日两会期间，陈虹提出了提高车规级芯片国产化率，建议制定车规级芯片“两步走”的顶层设 计路线，目的是为了实现车规级芯片企业从外部到内部的动力转换。
“两步走”中 的第一步由主机厂和系统供应商共同推动，扶持重点芯片企业，帮助芯片企业首 先解决技术门槛较低的车规级芯片国产化问题，提升其车规级国产化体系能力; 第二步主要由芯片供应商推动，形成芯片供应商内生动力机制，解决技术门槛高 的车规级芯片国产化问题。随着支持车规芯片国产化的政策陆续推出，芯片“国 产化”必然会成为新浪潮。
2、市场空间：主要增量来自 AI 芯片，十年 CAGR 达 30%
2.1、乘用车市场将保持低速增长，汽车智能化推动芯片市场增长
未来全球无人驾驶行业市场前景广阔，汽车智能化发展将推动汽车芯片的发展。随着汽车智能化发展，无人驾驶汽车的市场前景越来越明朗，无人驾驶汽车的投 入使用将带动无人驾驶系统行业的发展，到 2035 年，全 球无人驾驶系统的市场规模将达到 6000 亿元，而中国的市场规模则接近 1500 亿 元。汽车芯片作为无人驾驶系统的核心元件之一，受益于智能驾驶行业的发展， 未来将有不错的发展前景。
2.2、汽车 MCU：市场空间十年翻倍
通过对单车 MCU 装载量以及售价进行预测，我们可以预测未来全球以及中国的 车载 MCU 的市场空间。
1. 单车 MCU 数量预测。
估算 2020 年平均单车 MCU 数量为 50 片。2007 年一部中端汽车采用的 MCU 数 量大约是 40-50 片，高端车型可达到 80-100 片，平均每辆汽车的 MCU 数量约为 30 个。现阶段一辆普通汽车的 ECU 多达七八十个，我们估算 2020 年平均单车采 用 MCU 数量为 50 片。
汽车电子继续在中低端车型渗透，2025 年随着 L4 开始渗透将成为 MCU 数量由 增到减的转折点。一方面，随着汽车电子化程度的提高，单车装载的 ECU 数量会 随之增加，从 2006 年到 2016 年，平均每辆汽车的 ECU 数 量从 28 个增加到 38 个，未来随着汽车智能化发展，汽车电子化程度会进一步提 高，单车装载的 ECU/MCU 的数量也会进一步增加；
另一方面，汽车电子电气架 构（E/E 架构）的集成化发展会导致 ECU 数量的减少，同时 E/E 架构的发展过程 中诞生的集成化的域控制器对芯片算力的要求更高，AI 芯片会对部分 MCU 进行 替代，现今特斯拉的自动驾驶系统 Autopilot 3.0 搭载的便是自研的 AI 芯片（FSD 芯片），而其他车企的自动驾驶/智能座舱域控制器中也开始搭载英伟达/高通的 AI芯片，E/E 架构的集成化以及 AI 芯片对 MCU 的替代会导致 ECU/MCU 数量的减 少。
目前汽车处于分布式电子电器架构模块化阶段，逐步向分布式电子电气架构 集成化阶段过渡。模块化的架构在当前 L2 阶段还可以被接受，但到了 L4 级别， 模块化封闭的架构设计缺陷将被放大。L4 预计将在 2025 年之后开始逐步上量， 我们预测：在 2025 年之前，市场平均单车 MCU 数量将随着汽车电子化程度提高、 中低端车型汽车电子加速渗透而提升，L2-L3 级车加速渗透，并逐步从分布式模 块化向分布式集成化阶段过渡。
2025 年之后，L4 开始渗透，L2-L4 车型电子电器 架构预计均从分布式模块化转变为分布式集成化，并逐步向域集中电子电气架构 过渡，由此带来市场平均单车 MCU 数量的减少，与此同时，中低端车汽车电子 的渗透已接近尾声，渗透率增速将逐步放缓。2025 年平均单车采用的 MCU 数量 预计随着中低端车型电子化升级提升到 55 片；自 2025 年起，随着 L4/L5 级别的 自动驾驶汽车开始渗透，L2/L3加速切向分布式集成化架构，平均单车采用的MCU 数量开始逐年下降，预计到 2030 年下降到 50 片。
2. 车载 MCU 单价预测
2025 年后分布式模块化架构向集成化转换将加速车载 MCU 单价的提升。2018 年车载 MCU 年平均售价为 2.02 美元，2019 年上半年上涨到 2.07 美元，汽车芯片价格逐年提升。2020 年下半年开始的缺芯问 题更是导致部分车载 MCU 产品的价格上调了 20%-30%。2025 年开始，随着电子电 气架构从分布式模块化向分布式集成化转换，32 位 MCU 的占比将逐渐增加，预 计 2025 年以后车载 MCU 的平均单价将加速提升。我们预测 2020/2021 由于缺芯 问题车载 MCU 的平均单价分别增长 15%/25%，2022 年回归正常区间，并由于 32 位占比提升平均单价将以 5%的年复合增长率增长。
3. 2025 年/2030 年全球汽车 MCU 市场空间将达到 96/122 亿美元
基于对乘用车未来增速的预测，再结合对单车 MCU 装载量以及车载 MCU 单价的 预测，我们预测全球车载 MCU 的市场规模将在 2025 年达到 96 亿美元，到 2030 年达到 122 亿美元，年复合增长率预计可达 6.74%；同时，我们预测中国车载 MCU 的市场规模将在 2025 年达到 38 亿美元左右，到 2030 年达到 53 亿美元以上，年 复合增长率预计可达 8.82%。
2.3、汽车级 AI 芯片：市场空间 10 年近 15 倍
通过对各等级自动驾驶汽车的渗透率以及 AI 芯片的单车价值量的预测，我们可 以预测未来全球以及中国的车载 AI 芯片的市场空间。
1. 各等级自动驾驶汽车的渗透率预测。
2020 年 11 月 11 日，由北京市人民政府、工业和信息化部、公安部、交通运输部、 中国科学技术协会共同主办的 2020 世界智能网联汽车大会在北京开幕，国汽智联 首席科学家李克强教授在会上发布《智能网联汽车技术路线图 2.0》，提出了中国 智能网联汽车产业在发展期(2020-2025)、推广期 (2025-2030)和成熟期(2031-2015) 的发展目标: 2025 年 L2、L3 级新车销量占比达 50%、C-V2X 达 50%；2030 年 L2、L3 级新车销量占比达 70%、L4 级达 20%、 C-V2X 基本普及，2025 年 前后实现智能驾驶的规模化应用。基于以上信息，我们对未来中国市场各等级自 动驾驶汽车的渗透率进行预测。
2. 各等级自动驾驶汽车的 AI 芯片单车价值量预测。以当前各等级自动驾驶汽车的单车价值量的测算值为基准，我们预测未来五年随 着汽车智能化集成化程度的提升、对 AI 芯片的要求和性能随之提升，AI 芯片的 单车价值量会 5%的年复合增长率增长。随后，由于 L3 级别的自动驾驶汽车已经 初具规模，一定程度上分摊成本，L4 级别的自动驾驶汽车也开始进入市场，成本 低、性能好的 ASIC 逐渐进入市场，对 GPU 形成替代，此时 AI 芯片的价格下降， 预测相应的单车价值量会以每年 5%的速度下降。
3. 2025 年/2030 年全球汽车 AI 芯片市场空间将达到 113/236 亿美元
2025 年前单车价值量和自动驾驶渗透率共同加速汽车 AI 芯片市场增长，2025 年 后自动驾驶持续渗透使车载 AI 芯片市场继续保持增长。基于对乘用车未来增速 的预测，再结合对各等级自动驾驶汽车的渗透率以及相应的 AI 芯片单车价值量的 预测，我们预测全球汽车级 AI 芯片的市场规模将在 2025 年达到 113 亿美元，到 2030 年达到 236 亿美元，年复合增长率预计可达 30.79%；同时，我们预测中国汽 车级 AI 芯片的市场规模将在 2025 年达到 68 亿美元，到 2030 年达到 124 亿美元 以上，年复合增长率预计可达 28.14%。
3、竞争格局：MCU 格局稳定，AI 芯片国产厂商加速追赶
传统汽车控制类芯片 MCU 格局稳定，智能驾驶的发展使车载 AI 芯片迎来多元 化的竞争格局。在过去的几十年里，在汽车电子芯片领域，主流供应商以欧美和 日本厂商为主，外来者鲜少打破此格局。但是随着汽车行业智能化的发展，芯片 和软件在汽车中占比将逐步提升，在此趋势下，在传统的车载 MCU 厂商如 ST、 NXP、英飞凌、瑞萨发力研究自动驾驶方案的同时，消费级芯片厂商及人工智能 公司也进入车规级领域，比如英特尔，英伟达，高通等。除此之外，一些国内的 科技公司开始自主研发芯片产品，如华为、百度、地平线等。
3.1、MCU 竞争格局稳定，CR5 约 90%
MCU 主要厂商产品及技术成熟，大多委托代工厂进行晶圆制造。传统车规控制 芯片 MCU，行业重要玩家以国外厂商为主，包括瑞萨电子、恩智浦、英飞凌、德 州仪器、微芯电子、意法半导体等。从产品和技术方面而言，前五大 MCU 厂商 的产品系列丰富、种类多样，具备从基础功能到高性能的覆盖面，同时随着技术 进步也在不断出新。MCU 市场发展至今，制造技术和产品相对成熟，各家产品也 各有特点，如日本瑞萨电子的 RH850 系列采用瑞萨 40 纳米工艺制造为业界首创， 且其还提供具有强大成本效益的功能和特性。
恩智浦基于高性能混合信号的专业 性，产品支持多种 loT 景观、提供极高集成度且广泛的软硬件支持。而英飞凌在 开发产品时侧重于能源效率、移动性和安全性，且其于 2019 年收购赛普拉斯，强 强联合。在产品制造方面，各大厂都选择了代工厂进行晶圆委托制造，但当前芯 片行业环境紧张的情况下，许多代工厂也面临延迟交货的问题，从而造成了一定 的经营风险。
德州仪器近年营收与净利润稳居高位。2015 年至 2020 年，在重要财务指标方面， 德州仪器无论是在营业收入还是在净利润方面都显著高于其他几家厂商，2020 年 营收高达 144.61 亿美元、净利润达 55.95 亿美元。近几年，从营业收入而言，恩 智浦表现较为稳定，瑞萨则在 2016 年波动后趋于稳定，德州仪器稳定居于高位， 而英飞凌、意法半导体、微芯都大致呈增长趋势，其中英飞凌、意法半导体均在 2020 年突破百亿美元营收。
在营收结构方面瑞萨 电子汽车业务占比 48%、恩智浦汽车业务营收占比为 44%、英飞凌汽车业务占比 45%、德州仪器汽车业务占比 21%、微芯科技汽车业务营收占比 55%、意法半导体汽车业务占比 32%。从归母净利润角度而言，变动大于营收变动，恩智浦净利润在 2019 至 2020 年大幅下跌至 2020 年的 0.52 亿美元，瑞萨电子和意法半导体 的净利润则在 2019年下跌后出现回升，英飞凌净利润在近年先升后降至 2020 年 的 4.32 亿美元，而德州仪器和微芯科技近年趋势则稳中带增。其中，德州仪器盈 利数据表现突出但车规MCU市占率并非最高或与其汽车业务营收占比不高相关， 相比其他前五大厂商，德州仪器 2020年汽车业务营收占比仅为 20%。
欧美日传统厂商占据车规级 MCU 市场大多数份额，国内厂商近年不断发展。纵 观 2020 年车规级 MCU 市场占有率，瑞萨电子（30%）、恩智浦（26%）、英飞凌 （14%）、赛普拉斯（9%）（被英飞凌收购）、德州仪器（7%），微芯科技（7%） 和意法半导体（5%）抢占 98%的市场，剩下的其他厂商共占 2%。从毛利率角度 而言，前六家厂商 2016 年至 2020 年毛利率较为稳定，其中德州仪器表现突出、 稳居高位。
由于车规级 MCU 研发周期长，认证要求远高于消费和工业级 MCU， 中国仅几家企业能够实现中低端品类的量产，国产渗透率很低，车规级 MCU 芯 片市场大部分份额由欧美日等传统厂商瓜分。中国实现量产车规级 MCU 的主要 企业包括上海芯旺微电子、杰发科技、赛腾微电子和比亚迪半导体。在 2018 年底， 四维图新的子公司杰发科技自主研发并量产了国内首颗车规级 MCU 芯片 AC781x，而 2020 年比亚迪半导体的车规级 MCU 已批量装载在比亚迪全系列车型上，累计装车超 500 万颗，可见国产 MCU 产品也在不断发展、未来可期。
综合多项指标，传统汽车控制芯片 MCU 外资长期垄断，格局稳定。作为全球车 规级 MCU 行业的前六大厂商，瑞萨电子、恩智浦、英飞凌、德州仪器、微芯科 技和意法半导体在各个方面都展示出强劲的实力，在该行业有着难以超越的优势 和地位。
随着智能驾驶这一概念的兴起，自动驾驶对于芯片算力的要求有着质的飞跃，现 阶段 L2 级别自动驾驶计算量已达 10TOPS, L3 级别需要 60TOPS，L4 级别算力 将超过 100TOPS，MCU 芯片无法满足自动驾驶汽车数亿行代码的运算需求，AI 芯片开始上车，为自动驾驶的发展提供保障。 AI 芯片的发展目前经历两个阶段：
3.2、AI 芯片第一阶段：低级别辅助驾驶发展，Mobileye 占统治地位
辅助驾驶阶段 Mobileye 和赛灵思占据行业龙头位置，收购赛灵思后 Mobileye辅助驾驶市占率超 70%。L1~L2 级自动驾驶技术兴起之后，自动驾驶芯片市场长期 被 Mobileye 和赛灵思两个玩家所掌控，截至 2020 年，前者的年出货量接近 2000 万片，后者则超过 700 万片。2020 年 10 月，AMD 宣布收购赛灵思，截止 2017 年 mobileye 称，已有 25 家汽车制造商的 2700 万辆汽车使用了其驾驶辅助系统， 市场份额超过 70%。
Mobileye 擅长视觉技术，赛灵思擅长感知计算，强强联合优势互补。Mobileye 以 计算机视觉技术见长，致力于自动驾驶的视觉方案，主打功能强大、低功耗 EyeQ 系列芯片。赛灵思推出 Zynq UltraScale+ MPSoC 的多个产品系列，处理和计 算毫米波雷达感知到的数据。将摄像头和雷达的感知能力结合起来使用，可以实 现 L2 级自动驾驶技术。L2 级自动驾驶普遍使用 Mobileye 提供的视觉感知方案（摄 像头和 EyeQ 芯片）+毫米波雷达（内载赛灵思的计算芯片）硬件架构，因此这个 市场一直都是 Mobileye 和赛灵思的天下。
Mobileye 制造模式由 Fabless 向 IDM 转型，后续或实现芯片自给自足。目前， EyeQ 系列芯片主要由意法半导体及台积电代工，芯片产量在产能紧缺时将受代工 厂限制。英特尔执行长 Pat Gelsinger 于 2021 年 3 月 24 日宣布英特尔将投入 200 亿美元在美国设厂，并以 IDM2.0 的形式，重返晶圆代工业务。英特尔美国制造 基地已拥有四座正常运营的工厂，具备所有支持新工厂的基础设施，这将加快建 设速度，新的晶圆厂将在 2024 年为英特尔内部业务和外部客户提供晶圆代工服 务。Mobileye 将在后续完成 IDM 转型，实现芯片自给自足。
EyeQ 系列产品覆盖国内外各大传统车企和新势力，于 2019-2021 年密集上市。凭借辅助驾驶领域的高性能、低功耗的技术方案，Mobileye 的产品已在福特、上汽、 宝马、沃尔沃、威马、长城、广汽、一汽等传统老牌车企以及蔚来、理想、小鹏 等造车新势力上上车。
3.3、AI 芯片第二阶段：高级别自动驾驶阶段，高通、英伟达为龙头
L3 功能量产车密集发布，带来更高性能的座舱、自动驾驶芯片需求。今年上海车 展上各大车企密集发布 L2+功能的新车，进入到该阶段，电子电气架构向域集中 式发展，目前主要是智能座舱和自动驾驶域的形成和发展，这需要更高级别的 AI 芯片提供支持。芯片作为预埋硬件，在后续软件优化升级后与之匹配，实现智能 驾驶功能的升级，因此，超越当前自动驾驶级别要求的芯片提前上车成为趋势（现 阶段 L2 级别自动驾驶计算量已达 10TOPS, L3 级别需要 60TOPS，L4 级别算力将 超过 100TOPS）。
智能座舱和自动驾驶平行发展，高通、英伟达分别为座舱、自动驾驶领域龙头。目前，进入智能座舱和自动驾驶领域的厂商有高通、英伟达、Mobileye、地平线、 华为和黑芝麻等，随着新型 AI 芯片的不断推出，已涵盖 L1 至 L5 级全自动驾驶 功能。英伟达是自动驾驶领域的龙头，全新的自动驾 SoC Atlan，单颗算力能够达 到 1000TOPS，相比上一代算力提升接近 4 倍。高通在智能座舱领域占统治地位， 并开发高度可扩展、开放、完全可定制化的 Snapdragon Ride 平台，提供功耗高度 优化的自动驾驶解决方案，长城汽车将在 2022 年推出的高端车型上率先采用具备 强大性能的 Snapdragon Ride 平台。
英伟达、高通技术领先，Mobileye 实力不俗。英伟达新推出的 Atlan 芯片算力可 达 1000TOPS，采用 7nm 工艺的 Orin 芯片可实现每秒 200TOPS 运算性能，比上 一代 Xavier 提升 7 倍，功耗仅为 45W，采用 12nm 工艺的 Xavier 功耗仅为 30W。 高通 Ride SoC 采用先进的 5nm 工艺，搭载第六代高通 Kryo CPU 与第六代 Adreno GPU，算力达 700-760TOPS，功耗也仅有 65W，SA8155 与 SA8195 也采用了 7nm 工艺。Mobileye 全新的 EyeQ5 采用 7nm 工艺，算力达 24TOPS，功耗仅为 10W， 支持 L4-L5 自动驾驶等级，预计 2023 年上市的 EyeQ6 采用 7nm 工艺，AI 算力达 67TOPS 的同时预计功耗仅为 25W。
英特尔：计算机 CPU 巨头收购 Mobileye 进军自动驾驶领域。英特尔在车机芯片 与自动驾驶芯片一起发力，除自动驾驶领域收购 Mobileye 外，车机芯片拥有众多 客户，采用 14nm 工艺的 5 款 A3900 系列芯片与宝马、通用、凯迪拉克、现代起 亚、捷豹路虎、长城、奇瑞、斯巴鲁、红旗、合众汽车等拥有合作。
英伟达：拥有 XAVIER、PEGASUS 系列芯片和 Hyperion 平台，Drive AGX系统可支持 L2+~L5 级自动驾驶。公司将于 2022 年正式投产的 Orin 芯片可实现每 秒 200TOPS 运算性能，比上一代 Xavier 提升 7 倍，功耗仅为 45W，与上一代产 品一致，可提供 L2+高级辅助驾驶功能，升级到双片后算力达到 400TOPS，可提 供 L4 级别自动驾驶方案，未来使用的 GPU 可进一步扩展算力，理论可达 2000TOPS，为实现 L5 预留充足硬件能力。公司于 2021 年新推出的 Atlan 芯片目 标瞄准 L4/L5 自动驾驶，采用 Zeus CPU 架构，算力可达 1000TOPS。
高通：2020 年 CES 大会上发布自动驾驶平台“骁龙 Ride”，正式入局智能汽车领 域。骁龙 Ride SoC 搭载第六代高通 Kryo CPU 与第六代 Adreno GPU，算力达 700-760TOPS，配合加速器和自动驾驶堆栈的独特组合为汽车制造商提供了可扩 展的解决方案，旨在支持自动驾驶系统的三个行业领域：即用于车辆的 L1/L2 主 动安全 ADAS，其中包括自动紧急制动，交通标志识别和车道保持辅助功能；L2 + 便捷 ADAS，适用于在走走停停的交通中以自动公路驾驶，自助停车和城市驾驶 为特色的车辆；以及 L4/L5 全自动驾驶，用于城市自动驾驶，出租车和机器人物 流。
地平线：拥有国内首款车规芯片，征程五代算力将达 96TOPS。公司拥有的征程 二代芯片不仅实现了中国车规级 AI 芯片量产的零突破，也补齐了国内自动驾驶产 业生态建设的关键环节。公司 2021 年最新推出的征程五代芯片，最高可支持 L4 自动驾驶等级，具备 96TOPS 的 AI 算力，实际性能超过特斯拉 FSD 芯片。
华为：已可支持 L3、L4 级自动驾驶。MDC 600 平台基于 8 颗昇腾 310 AI 芯片， 整合了 CPU 和相应的 ISP 模块，算力高达 352TOPS，功耗算力比为 1TOPS/W， 能够支持 L4 级别自动驾驶。最新推出的麒麟 990A，使用 7nm 工艺，支持 L4 自 动驾驶等级，CPU 搭载 4 核泰山 V120+4 核 Cortex-A55，GPU 搭载 8 核 Mali-G76。
黑芝麻：AI 计算部分基于完全自研的 NPU。目前芯片是 A1000，采用 16nm 工艺， 整体芯片为 ASIL-B 级，可实现 ASIL-D 级安全岛；用于 AI 计算的部分基于黑芝 麻自研的 NPU，算力可以达到 40Tops。今年上海车展，黑芝麻发布新一代 A1000pro，算力将达到 106Tops，预计今年第三季度可以拿到工程样片。
特斯拉：拥有 HW3.0、HW4.0、DOJO 三款自研芯片。2021 年 8 月，特斯拉发 布超级计算机 DOJO，DOJO 算力可达 362TOPS，使用 7nm 工艺，可以实现 1024GFLOPS 的 BF16 算力，在芯片周围的四向都有 4TB/s 的传输带宽。
AI 芯片龙头毛利率均居高位，英伟达营收稳定增长。英伟达 2020 年营收达 166.75 亿美元，归母净利润为 27.96 亿美元，营收与归母净利润增长稳定；高通营收保 持稳定，归母净利波动增长，2020 年营收达 235.31 亿美元，归母净利润为 51.98 亿美元。在汽车业务方面，英伟达 2020 年汽车业务收入 5.36 亿美元，2019 年为 7 亿美元，2020 年前稳步增长。2020 年高通汽车业务收入 6.44 亿美元，2019 年 为 6.4 亿美元，汽车业务收入保持稳定。
从公司整体毛利率来看，高通与英伟达 均居于高位，毛利率均维持在 60%左右，相比之下英伟达毛利率增长更为稳定明 显。从公司整体净利率来看，2019 年前英伟达净利率增长趋势明显，2019 年后在 25%左右平稳增长。高通净利率在 2017 年和 2018 年有较大波动，2019 年净利率 恢复到 18.07%，并呈现平稳增长的态势。
客户合作方面，英伟达和高通是主要参与厂商，拥有众多整车厂/Tier1 客户。英 伟达和高通的客户优质而广泛，覆盖超 370 家整车厂商：传统车企方面，奥迪、 奔驰、现代、奇瑞、沃尔沃、路虎、广汽等众多厂商选择英伟达和高通；造车新 势力方面，英伟达和高通拿下了蔚来、理想、小鹏、零跑、威马、天际等最新车 型的订单，将头部造车新势力一网打尽。Mobileye、高通和英伟达的客户重复度高，但合作领域差异较大，英伟达在自动驾驶领域占据优势，高通的重心为智能 驾驶舱，Mobileye 虽在辅助驾驶阶段占统治地位，但在自动驾驶和智能驾驶舱领 域不再有强竞争力。同时，自主 AI 芯片厂商发展势头迅猛，华为和地平线与多与 造车新势力合作，搭载车型陆续上市。
今年各大车企密集发布 L2+自动驾驶车型，在高级别自动驾驶应用上，英伟达和 高通的市场占有率高。各大车企今年相继进入 L2+量产阶段，开启了 AI 芯片上车 时代，在高级别自动驾驶量产车上，高通、英伟达分别在智能座舱、自动驾驶领 域处于领先位置。同时，自主 AI 芯片厂商同样具有较强竞争力，以地平线和华为 为代表：极狐阿尔法 S 和赛力斯 SF5 搭载华为 AI 芯片和计算平台，岚图 FREE 和智己 L7 搭载地平线征程系列芯片。
汽车 AI 芯片壁垒高，且涉及到量产周期较长，且仅台积电等少数几家代工厂具 备制造封装能力，因此目前率先量产的龙头厂商短中期地位稳固。英伟达和高通 起步较早，其中，英伟达 Tegra K1、Tegra X1、Tegra Parker、Xavier 已实现量产， 并搭载于众多上市车型，Orin 也将在 2022 年实现量产。高通 602A、820A、SA6155、 SA8155、SA8195 已实现量产，搭载的车型众多，Ride 也将在 2022 年实现量产。 车规级 AI 芯片从设计到量产一般需要 4~5 年，由于开发周期长、技术难度大； 另外，英伟达、高通、地平线、华为、黑芝麻、mobileye 等公司采用 FABLESS 模式，主要负责定义、设计及定案，晶圆的制造和芯片封装、测试一般委托给台 积电等少数代工厂商负责；英特尔采用 IDM 模式，不需代工厂进行代工。因此， 率先实现量产的龙头厂商将具有较高的竞争壁垒，高通和英伟达的优势地位短中 期不易被撼动。
综合技术、产品、客户、规模、量产节奏，结合未来汽车电子电气架构和智能化 的发展趋势，我们认为：在汽车 AI 芯片领域，高通和英伟达占据龙头，地平线、 华为具备较强的国产替代实力。AI 芯片的竞争格局上：Mobileye 起步最早，市场 占有率最高；高通、英伟达分别在智能座舱、自动驾驶领域处于领先位置，英伟 达自动驾驶产品 Atlan 算力已经可以达到 1000TOPS。同时，采用 7nm 工艺的 Orin 芯片可实现每秒 200TOPS 运算性能，功耗仅为 45W。高通智能座舱方面的 SA8195 芯片采用 7nm 工艺，支持 L4 自动驾驶等级，自动驾驶方面，高通 Ride SoC 采用 先进的 5nm 工艺，算力达 700-760TOPS，大规模量产上车即将开启；自主品牌近 两年发展迅速，产品更新速度快，与国内整车厂广泛合作，以地平线、华为最为突出。
地平线的征程 5 对标英伟达 Orin、Mobileye EyeQ5，同为 7nm 工艺，具备 高算力、低功耗的技术实力，征程 6 也已投入研发，预计 2023 年发布，2024 年 实现量产；客户合作上，征程系列芯片已搭载或即将搭载于长安 UNI-T、奇瑞蚂蚁、上汽智己、传祺 GS4 Plus、岚图 FREE、思皓 QX、大通 MAXUS MIFA 等多 款车型上。华为的车载 AI 芯片包括座舱领域的麒麟芯片和自动驾驶领域的昇腾芯 片，在工艺、功耗、算力等方面保持领先水平；产品应用方面，除了在极狐 Alpha S 华为 Hi 版和小康塞力斯上应用外，与上汽、吉利、江淮、一汽红旗、东风汽车 等车企也开展了深度合作。
4、投资分析
汽车芯片：MCU 满足基本电气化控制运算，AI 芯片实现智能化复杂运算。汽车 芯片主要可分为控制类（MCU 和 AI 芯片）、功率类、模拟芯片、传感器和其他（如 存储器）。MCU 以控制指令运算为主，算力要求较低，AI 芯片以智能运算为主， 算力较强。传统汽车时代，MCU 可以满足基本电气化控制运算要求，但智能驾 驶时代，电子电气架构集成化升级，MCU 变得少而精，且需要新增 AI 芯片满足 智能化复杂运算要求。2020 年 L2+级自动驾驶汽车密集落地，AI 芯片重要性提升 并进入发展快车道。
市场空间：MCU 芯片 10 年翻倍，AI 芯片 10 年近 15 倍。MCU 芯片方面，预计 单车用量先升（汽车电子在中低端车渗透）后降（电子电气架构集成化），但单个 均价先降（规模化）后升（32 位 MCU 占比提升），2020/2025/2030 年 MCU 全球 市场规模预计 64/96/122 亿美金，10 年翻倍。AI 芯片方面，随着具备高级别智能 驾驶功能车型比例提升，AI 芯片市场空间大幅增长，预计 2020/2025/2030 全球市 场空间 16/113/236 亿美金，2021-2030 年复合增长率 30.79%，10 年近 15 倍。
竞争格局：MCU 前五均为国外公司市占率约 90%，AI 芯片英伟达、Mobileye、 高通领先，国内地平线、华为、黑芝麻等加速拓展。传统车用 MCU 领域，全球 份额前五厂商为瑞萨、恩智浦、英飞凌（含赛普拉斯）、德州仪器、微芯科技， 总份额约90%，国内企业份额较少。AI芯片领域，在低级别辅助驾驶阶段（L1-L2）， 英特尔（Mobileye）全球市场份额超 70%，在高级别（L2+级以上）领域，英伟 达和高通加入竞争，国内地平线，华为等加速追赶。从产品参数和新定点主机厂 客户看，当前英伟达和高通全球领先，地平线、华为等具备较强的国产替代实力。
其中，英伟达、英特尔（Mobileye）、高通以游戏 GPU、计算机 CPU、通信服务 等消费芯片起家，近年拓展至汽车 AI 芯片领域，目前已可支持 L4/L5 级别自动驾 驶，并打造相应自动驾驶计算平台。华为也拥有可支持 L4 级别自动驾驶的高算 力芯片和 MDC 自动驾驶计算平台。地平线拥有国内首款车规级 AI 芯片和自动驾 驶计算平台，可支持到 L4 级自动驾驶。黑芝麻发布新一代 A1000pro，算力将达 到 106Tops；芯驰科技专注汽车智能座舱、智能驾驶、中央网关芯片研发；寒武纪拥有云端 AI 推理智能加速卡和可用于自动驾驶的终端处理器。
5、风险提示
智能网联汽车发展不及预期。智能驾驶、车联网是智能电动时代汽车行业发展趋 势，但智能网联的渗透速度以及升级速度或受到安全、法规等方面影响，智能网 联发展可能不及预期。
中美贸易摩擦。近年华为受特朗普政府对于其使用的芯片和其他组件的贸易限制 所拖累，拜登政府尚未制定对华贸易政策，仍存在中美贸易摩擦风险。
芯片断供风险。目前由于新冠疫情的影响，马来西亚封测工厂受到停工停产的影 响，疫情走势和东南亚疫情控制情况尚不明确，后续芯片封测或其他环节生产稳 定性尚不确定。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库官网】。
