（报告出品方/作者：东方证券，浦俊懿、谢忱、陈超）
一、国内自动驾驶芯片厂商有望逐步突围
1.1 自动驾驶行业快速发展，国内芯片厂商抓住机遇入局
在汽车 E/E 架构由分布式架构向集中式架构方向发展的过程中，自动驾驶芯片作为计算的载体逐 渐成为智能汽车时代的核心。在“软件定义汽车”趋势下，芯片、操作系统、算法、数据共同组 成了智能驾驶汽车的计算生态闭环，其中芯片是智能驾驶汽车生态发展的核心。以特斯拉为代表 的汽车电子电气架构改革先锋率先采用中央集中式架构，即用一个电脑控制整车，域控制器逐渐 集成前期的传感器、数据融合、路径规划、决策等运算处理器功能。随着自动驾驶级别的提升以 及功能应用的丰富，汽车对芯片算力的需求也越来越大。
自动驾驶芯片是自动驾驶系统决策层的重要组成部分，是自动驾驶实现的硬件支撑。自动驾驶系 统包括感知层、决策层和执行层，决策层是自动驾驶的“中央大脑”，由芯片、计算平台和软件 构成。高级别自动驾驶的实现需要决策层在硬件和软件上双重提升，而硬件层面上自动驾驶主控 芯片则是成为了自动驾驶产业发展的先决条件。
从发展趋势来看，自动驾驶 SoC 芯片将向“CPU+XPU”的异构式架构发展，长期来看 CPU+ASIC 方案将是未来主流。SoC 是系统级别的芯片，相比 MCU 在架构上增加了音频处理 DSP、图像处理 GPU、神经网络处理器 NPU 等计算单元，常用于 ADAS、座舱 IVI、域控制等功 能较复杂的领域。随着智能汽车的发展，汽车芯片结构形式也由 MCU 进化至 SoC。目前市面上 主流的自动驾驶芯片 SoC 架构方案分为三种：（1）CPU+GPU+ASIC，（2）CPU+ASIC，（3） CPU+FPGA。长期来看，定制批量生产的低功耗、低成本的专用自动驾驶 AI 芯片（ASIC）将逐 渐取代高功耗的 GPU，CPU+ASIC 方案将是未来主流架构。
算力不是唯一标准，车企在选择自动驾驶芯片时需要对多项关键性指标进行综合性评估。随着汽 车 E/E 架构逐步集中化，智能汽车的计算能力将主要由少数的几个域控制器或是中央计算平台来 实现，这也对单颗车载芯片算力提出了更高的要求，进而推动着自动驾驶芯片不断实现最大算力 的突破。芯片的绝对算力高低固然重要，但在目前自动驾驶级别还未到 L3 的背景下，主机厂在开 发量产车型的过程中不会一味追求高算力的芯片或平台，而是需要综合考虑自动驾驶芯片的算力 和算效、适配性、软件开发难度、车规级安全认证等级、灵活性和全面性以及能效比等指标，最 终根据车型的价位选择最具性价比的芯片。
目前，英伟达、Mobileye、高通在自动驾驶 SoC 领域处于领跑的位置，三者各自的优势不同。 由于消费电子芯片巨头具有深厚的芯片技术储备以及良好的产业生态，雄厚的资金也可支撑起对 先进制程和高算力芯片的高昂研发投入，因此以英伟达、Mobileye（背靠英特尔）、高通为代表 的厂商目前在车载计算芯片方面已经走在了市场前列，相关产品也已在中高端车型以及新势力车 型中有广泛应用。根据我们之前发布的《智能汽车深度系列之三：高通入局，自动驾驶产业加速 变革》，英伟达、Mobileye 以及高通在自动驾驶芯片领域的优势不尽相同：英伟达是大算力芯片 的王者，自 2015 年进入自动驾驶领域以来一直引领着车载芯片的算力变革；Mobileye 是辅助驾 驶领域（L2 级及以下的自动驾驶）的龙头，可以说是过去二十年间的汽车 ADAS 技术的主要奠基 者和引领者；高通是座舱芯片的龙头，近年来开始从座舱域向驾驶域切入，快速拿下多个头部客 户的定点。
我国自动驾驶芯片产业仍处在发展初期，本土厂商抓住机遇切入蓝海市场。在过去，自动驾驶芯 片主要以实现单一功能为主（支持低级别的辅助驾驶），例如控制底盘、发动机、刹车灯等。 2017 年特斯拉 Model3 开始量产，标志着自动驾驶芯片从追求单一功能向承担“大脑”功能转变， 其需要接收不同传感器的数据进行判断和决策，同时需要与 5G、车联网和高精度地图协作，自动 驾驶芯片行业进入“拼算力”的时代。在当时市场上可供选择的自动驾驶芯片产品较少，国内以 华为、地平线、黑芝麻、芯驰科技为代表的新兴芯片科技公司凭借着 AI 算法优势切入这一蓝海市 场。此外，芯片国产化是智能汽车关键部件供应链自主可控的关键一环，近年来国际关系的日益复杂与不稳定使得“缺芯少核”的痛点持续暴露，这也让主机厂意识到芯片供应链韧性的重要性， 汽车芯片也迎来国产替代的窗口期。因此，新兴的芯片科技公司也乘国产化之势迅速崛起，目前 主要以“芯片+算法参考+工具链”的产品服务模式积极探索自身的产业定位，逐步构建汽车产业 生态圈。
具体而言，我们认为我国自动驾驶芯片企业近年来实现快速发展有如下几点原因：
（1）高级别自动驾驶尚未落地，本土厂商加速算力追赶
对于高级别的智能驾驶系统而言，传感器数量的增加及分辨率的提升带来海量数据处理需求，算 法模型的复杂程度亦大幅提升。随着汽车 E/E 架构逐步集中化，智能汽车的计算能力将主要由少 数的几个域控制器或是中央计算平台来实现，这也对单颗车载芯片算力提出了更高的要求。根据 亿欧智库，自动驾驶等级每增加一级，所需要的芯片算力就会呈现十倍以上的上升，其中 L4 级别 需要的 AI 算力接近 400TOPS，L5 需要的算力达到了 4000+TOPS。即使目前 L3 级别及以上的 自动驾驶还未落地，国内以蔚来、智已、威马、小鹏为代表的主机厂对于新一代的旗舰车型采取 了“硬件预埋，软件升级”的策略，通过预置大算力芯片，为后续软件与算法升级优化提供足够 发展空间。但对于绝大多数量产车型（中端、低端车型）而言，一味地追求大算力芯片无疑会带 来过高的成本，此时主机厂会更加青睐中高算力的自动驾驶芯片，这也给正在起步发展的本土厂 商提供了一片“沃土”。
2018 年后，国内厂商在算力层面上逐步形成追赶： 1> 华为：2018 年，华为推出了第一款面向边缘计算和自动驾驶的昇腾 310 芯片（12nm， 16TOPS）。2019 年，华为发布昇腾 910 芯片（7nm，512TOPS，主要面向 AI 训练）。 2020 年，华为发布昇腾 610 芯片（7nm，200TOPS），在算力层面上已处于第一梯队的位 置。 2> 地平线：2019 年，地平线发布中国首款车规级 AI 芯片征程 2（4TOPS），并于 2020 年实现 前装量产。在 2020 年与 2021 年，地平线又分别发布了征程 3（5TOPS）与征程 5（最高可 达 128TOPS），并计划在 2023 年推出征程 6，而征程 6 也有望较前代产品进一步实现算力 的跃升。 3> 黑芝麻：2019 年，黑芝麻发布华山一号 A500 芯片（28nm，5-10TOPS）；2020 年，发布 华山二号 A1000（16nm，58TOPS）；2021 年，发布华山二号 A1000Pro（16nm，最高 196TOPS）。目前，黑芝麻下一代产品 A2000 也在积极开发当中。
（2）国产自动驾驶芯片在能效比控制方面做得较好
为支持并兼容 L3 及以上智能驾驶系统数量与类型繁多的传感器与执行器需求，车载计算平台多采 用异构芯片硬件方案，以满足系统接口与算力需求。相较传统 ECU，车载计算平台的复杂度呈数 倍提升，面临功耗、散热、电磁、质量等多重挑战，存在着物理上限。因此，尽管当前行业普遍 以“TOPS” 为单位来评估自动驾驶芯片的理论峰值算力，各大芯片厂商也不断刷新算力峰值， 但在实际场景下的算力有效利用率却不高，自动驾驶芯片理论峰值算力并不一定能在实际运行中 完全释放。
以英伟达已量产的 Xavier 和 Orin 为例：Xavier 的算力达 30TOPS，功耗为 30W，能效比为 1TOPS/W；Orin 的算力达 254TOPS，功耗为 65w，能效比为 3.9TOPS/W。而地平线的征程 5 则利用自主研发的可编程 AI 加速引擎 BPU 以及贝叶斯计算架构实现了 4.3TOPS/W 的能效比，高 于英伟达、特斯拉、Mobileye 等其他厂商的竞品。华为的昇腾 310 芯片的能效比达 2TOPS/W， 也基本与特斯拉 FSD、Mobileye 的 EyeQ5 处于同一水平。可见国内自动驾驶芯片公司在产品能 效比控制方面做得较好，这也成为了其在量产装车中的优势。
（3）缺芯促进汽车芯片国产化替代
全球缺芯的主要原因为新冠疫情冲击导致供需错配。在供给侧，受疫情影响，2020 年部分芯片厂 商关闭工厂或降低产能。芯片厂多以终端订单来制定产能，具有超过半年的供货周期，由于 2020 年上半年市场对汽车行业的悲观预期，大部分芯片厂主动降低产能。当时全球 70%以上的汽车芯 片（MCU）生产来自台积电，台积电汽车芯片代工收入仅为 3%-5%，主要是由于汽车芯片代工 利润低，没有扩产动力，导致产能吃紧。在需求端，随着疫情逐步恢复平稳，车市需求大幅回暖， 但此时消费电子市场也迎来了较大幅度的回弹，这也对汽车芯片的供应形成一定程度的挤压，最 终导致供需错配。
疫情后主机厂开始推进韧性更高、国产化程度更高的新型芯片供应生态建设。我国汽车芯片市场 需求大但由于缺少自主可控的芯片产业链，导致绝大部分市场被国际芯片厂商占据，这也导致我 国主机厂在全球汽车芯片产能分配中缺少话语权。缺芯危机提升主机厂对芯片供应韧性的关注， 希望与本土芯片厂商建立更加直接、紧密的协作关系，以提升自身供应链的稳定可控程度以及话 语权。
（4）本土化服务能力优势
国内芯片厂商在与主机厂的合作中可以建立更多的前端沟通。芯片从设计到量产上车通常需要 3.5-5.5 年时间，而智能驾驶与智能座舱的软件算法在持续升级迭代中，且芯片上车后需尽量满足 汽车产品 5-10 年生命周期内的 OTA 升级迭代需求，这对芯片产品定义与设计的前瞻性提出了重 点挑战。因此汽车芯片在产业合作中需要与主机厂建立更多前端沟通，综合多家主机厂信息，挖 掘市场真实需求，提高产品定义与设计前瞻性，充分挖掘产品生命周期价值。本土芯片厂商将更 好地与主机厂进行沟通，了解国内市场的真实需求后定义出来的产品方能更好地量产上车。
国内芯片厂商能更好地为主机厂提供软硬件支持服务。随着合作量产上车的主机厂数量增加，芯 片厂商需提升芯片产品在软硬件层面的兼容性与适配性，但面对主机厂的差异化需求，服务与执 行能力也成为了芯片厂商的关键竞争力，而国内芯片厂商能较好地为车企提供软硬件支持。以英 伟达为例，英伟达提供的方案虽然有较高的开放性，但难以适用于国内所有的车企，这是由于部 分车企不具备较高的算法研发能力，且需要时间学习适应英伟达的软件环境。此外，英伟达作为 非本土企业，难以及时为中国车企提供定制化的软硬件支持服务，或和国内车企深度合作开发自动驾驶平台。而地平线拥有专门的软件和算法团队协助车厂开发，并向车厂提供算法和软件能力， 采取联合开发、共同投入的方式为本土客户提供了良好的服务。
1.2 美国限芯引发国内对车载芯片供应链安全的担忧，软件算 法和生态是本土自动驾驶芯片厂商破局的关键
美国限制英伟达、AMD 高端 GPU 芯片出口，国产替代正当时。8 月 31 日，英伟达发布公告称美 国政府于 8 月 26 日通知对其未来出口到中国大陆、中国香港和俄罗斯的 A100 和 H100 两代高端 GPU 实施许可证要求，这将直接影响到我国人工智能、云计算以及高级别自动驾驶的发展。此外， 另一家芯片巨头AMD也收到相关通知，要求停止向中国出售MI250芯片。尽管用于终端的Xavier、 Orin 等车载芯片目前还并未受限，但此次对高端 GPU 的出口限制以及之前对我国先进的 EDA 工 具以及半导体设备的出口限制也引发了国内市场对未来车载芯片供应链安全的担忧。在此背景下， 国内车企更应采取“两条腿走路”的策略，并行使用国内和国外的芯片，在进口芯片出现“断供” 的时候有替代方案，从而避免“卡脖子”事件在汽车领域上演。
政策和整车企业对车规级芯片“国产化”关注度显著提升，将共同推进我国自动驾驶芯片行业的 发展。近年来，我国政府陆续发布相关政策以推动车规级芯片技术发展，并加强芯片供应链建设， 持续扶持中国汽车芯片产业发展，为自动驾驶芯片的发展提供利好。此外，以上汽、长安、比亚 迪为代表的国内头部车企也提出需要提高车规级芯片国产化率的建议，积极推动国内车厂应用国 产芯片。
地平线、黑芝麻等本土厂商通过多轮融资扩大产业合作，加速产品迭代。9 月 26 日，地平线宣布 获得奇瑞汽车战略投资并完成交割，双方在目前车载智能交互领域的合作基础上，正式开启面向 高阶辅助驾驶领域的全新合作。此次获得奇瑞汽车的战略投资与合作升级，也意味着地平线的发 展理念、产品技术与市场前景获得又一主流产业资本的认可。自成立以来，地平线已获得上汽集 团、广汽资本、长城汽车、东风资产、比亚迪、一汽集团等众多车企资本，以及 Intel、SK Hynix、 宁德时代、立讯精密等多家产业链上下游企业的战略投资，这也有力地支撑了地平线的研发和产 品迭代。8 月 8 日，黑芝麻智能宣布完成由武岳峰科创领投的 C+轮融资，至此黑芝麻智能完成 C 轮和 C+轮全部融资，募资总规模超 5 亿美元，这也帮助黑芝麻全面提速旗下自动驾驶芯片的量产 应用。
国产大算力自动驾驶芯片加速上车。9 月 30 日，理想发布 L8 和 L7 两款车型，理想 L8 Pro 也成 为了地平线征程 5 首个量产的车型，而理想 L8 Pro 标配的理想 AD Pro 是全球首个搭载地平线征 程 5 芯片的智能驾驶系统。实际上地平线和理想在去年 5 月时就达成了深度合作——2020 款理想 ONE 升级为 2021 款时，理想将 Mobileye EyeQ4 芯片更换为征程 3，今年的第二次合作也进一 步反映出理想对于地平线自动驾驶芯片的认可。除理想以外，今年以来征程 5 已获得比亚迪、上 汽、一汽红旗、自游家汽车等多项定点，2023 年也将是征程 5 的量产大年。同样，黑芝麻华山二 号 A1000 经过两年的软硬件打磨验证之后，在今年成为了国内首款完成全部量产认证的大算力自 动驾驶芯片，江淮集团旗下思皓品牌的多款量产车型将搭载 A1000 芯片，后续有望拿下更多定点。 可见，近年来国内车企正加大与本土芯片厂商的合作，这也为国产自动驾驶芯片的迭代和发展提 供了一片沃土。
英伟达、高通等国际巨头推出的芯片在设计上会更偏通用性，国内本土厂商以“更聚焦”的算法 实现整体性能的追赶。在过去，英伟达、高通都是电子消费品市场芯片供应的霸主，有着完整的 开发工具链和良好的上下游合作关系，因此技术迭代上非常快。但如果想要保持这样的竞争优势， 芯片在设计上会偏通用型，应用领域更广，并非是针对自动驾驶专门开发。此外，以前芯片的性 能靠的是硬件，英伟达的硬件实力是最强的，因此可以做出远超同行的大算力芯片，其他竞争对 手难以追赶。但 2015 年后，AI 技术开始广泛应用，自动驾驶芯片也进入了 AI 芯片时代，此时衡 量芯片的好坏就不能光看算力了，还要看芯片本身有没有针对某个特定领域的算法，也即“特异 性算法”。这也给了其他芯片厂商在特定领域追赶的机会：即使在算力层面上拼不过，也可以在 自动驾驶这个细分领域的特异性算法上做更好的优化，这样就可以在整体性能上实现赶超。由于 芯片从设计到搭载应用，会有 3 年以上的周期，这也就意味着企业需要有深刻行业认识、长远的 战略眼光，提前预判技术发展对芯片设计的需求。国产芯片厂商正是凭借对自动驾驶领域更深刻 的认识，在产品设计取向上及产品推出节奏上，做到了精准卡位，创造了突围的良机。
国内自动驾驶芯片厂商具有商业模式/解决方案开放性优势，这也是开始与车企建立合作的关键： 1> 封闭的生态不利于自动驾驶算法的快速迭代。以 Mobileye 为例，Mobileye 过去以黑盒交付为 主，封闭性太强：Mobileye 给车企提供的自动驾驶解决方案是芯片加感知算法的打包方案， EyeQ 芯片内部写好了 Mobileye 的感知算法，工作时 EyeQ 会直接输出对外部车道线和车辆 等目标的感知结果，然后车企的算法基于这些结果做出驾驶决策。这样做的好处是可以满足 寻求智能化转型的主机厂快速量产的需求，但从长期来看，这样做算力升级较为保守、迭代 速度慢，并且难以满足主机厂的定制化的需求，最终导致车厂定制差异化产品的能力不足， 这对于高速发展和变化的自动驾驶行业来说是不能被市场接受的。尽管从 EyeQ5 开始 Mobileye 已经开始尝试与合作伙伴实现开源协作，但和开放生态的英伟达和高通来比还是有 较大差距。因此，Mobileye 在过去 5-10 年丢失了部分重要客户。
2> 国内芯片厂商提供较为开放的生态，以满足客户的定制化需求和提升软件算法自研能力的需 求。与英伟达类似，地平线具有较高的开放性，提供开放性的软硬件平台，包括硬件平台和 工具链软件、仿真软件等工具，便于车企进行自动驾驶数据采集和算法训练。此外，黑芝麻 同样提供全开放的生态，华为采取的是半封闭半开放的合作模式。对于需要快速转型、对自动驾驶升级迭代速度要求较高的 OEM 厂商、造车新势力而言，由于需要芯片和算法分离来 进行二次开发，开放式的方案显然是更优的选择。同时，开放式的合作也能帮助车厂逐步提 升软件算法自研能力，更加有利于车企的长期发展。
为了帮助客户降低算法的开发门槛，国内芯片厂商开始参与软件层面的模块开发，为下游客户提 供更多的软件开发架构、参考设计或者工具包等服务。作为一家拥有成熟量产经验的 AI 芯片公司， 地平线构建了以“芯片+工具链”为核心的高效开放技术平台，包含硬件参考设计、工具链、 AIDI 开发平台、基础中间件和丰富的参考算法等。通过开放易用的 AI 开发工具与基础设施，生态 伙伴能够基于地平线芯片在短时间内完成从硬件到软件、从感知到规控的全栈自动驾驶功能开发。 例如在地平线的助力下，鉴智机器人仅用了不到 2 个月的时间，就迅速实现了整个系统各项感知 指标的量产级要求，大幅降低了平台的开发和迁移成本。同样，黑芝麻智能也为客户提供了山海 人工智能开发平台和瀚海自动驾驶中间件平台，助力客户快速打造差异化的自动驾驶方案。
软硬件生态合作伙伴是国内芯片厂商实现更健康、更持续的商业模式的关键。在 2020-2021 年间， 地平线为了让征程 2 和征程 3 芯片大规模量产落地，为主机厂匹配了大量的开发、适配人员，例 如为了让征程 3 上车理想 ONE，地平线派遣了几百人的团队协助理想进行开发。这种做法也使得 地平线两款芯片上车时间大大缩短：征程 2 芯片从 2019 年 8 月发布，到 2020 年 3 月长安 UNI-T 量产上车，时间仅 8 个月；而征程 3 上车理想 ONE 也仅用了 8 个多月。同时，为了拓展自己的生 态，地平线在这两年间也招募了大量的人员用于打造芯片相关的配套软件，比如 AI 开放平台、计 算平台和辅助驾驶系统，通过与客户的合作不断地完善芯片生态。尽管模式较重，成本较高，但 这也取得了不错的效果：截至 2021 年底，地平线征程系列芯片的出货量已经超过了 100 万片， 地平线也是初步建立起了自己的生态。然而，由于芯片厂商人员成本高，在征程 5 已拿下众多定 点的背景下再无休止地匹配规模庞大的技术支持人员显然是不可取的，地平线也开始考虑将公司 模式变得更轻，将过去项目驱动型的公司真正地变为技术驱动型、产品驱动型的公司。因此，地 平线开始提出 IP 授权战略（将 BPU IP 开放给主机厂），同时开始寻求软硬件的合作伙伴，把主 机厂个性化的需求转移到合作伙伴上，从而实现更健康和持续的商业模式：硬件方面，地平线于 6 月 29 日宣布征程 5 三家硬件 IDH 合作伙伴，分别是映驰科技、金脉以及天准科技；在软件方 面，地平线于 4 月 18 日宣布与国内领先的汽车软件及解决方案供应商中科创达成立合资公司，合 资公司将为主机厂及 Tier1 提供智能驾驶软件平台和算法服务。
未来随着国产自动驾驶芯片上车逐步提速，汽车软件厂商将有望迎来巨大的机遇。随着自动驾驶 产业的不断发展，驾驶域与座舱域的功能在大算力平台的支撑下不断融合，EE 架构逐步集中化， 汽车软件架构也朝着 SOA 不断演进。在新型的架构下，软件厂商所参加的开发环节增加，软件开 发难度也大幅提升，虚拟机、中间件、整车 OS 等内容的开发为软件厂商带来了新的需求。此外， 由于国内车企更换使用国产芯片平台时会面临着硬件平台/ISP 调试、操作系统适配、算法迁移等 诸多问题，这些工作将更多地是本土芯片厂商的软件合作伙伴来完成。因此，我们认为，具有软 硬件全栈能力的汽车软件厂商有望持续深化与本土芯片厂商的合作，未来将获得更大的市场机遇， 主要厂商包括：
1> 中科创达：在技术层面上，公司具备提供从底层系统软件、中间件再到上层应用的全栈式解 决方案能力，可以帮助车厂解决芯片平台迁移的诸多问题。在生态上，公司坚持“技术+生 态”的平台发展战略，长期与海内外的车企、Tier1、芯片厂商保持着紧密的合作关系，因此 在不同的操作系统、芯片平台、中间件等方面拥有深刻的积累。公司也积极与国内头部的自 动驾驶芯片厂商建立合作：2022 年 4 月 18 日，宣布与地平线成立合资公司；2020 年 1 月 6日，与黑芝麻智能签署战略合作协议；在2021华为智能汽车解决方案生态论坛上，公司被评 为“华为智能汽车解决方案优秀合作伙伴”。
2> 东软睿驰（东软集团）：东软睿驰成立于 2015 年 10 月，是东软集团的原子公司，业务主要 涵盖汽车基础软件平台、新能源汽车 EV 动力系统、高级辅助驾驶系统和自动驾驶等领域， 具备领先的汽车软硬件能力。2021 年 4 月 19 日，东软睿驰与地平线达成战略合作；2021 年 7 月 29 日，东软睿驰推出新一代自动驾驶中央计算平台，该平台采用 4 颗征程 5 芯片，基于 开放的 SOA 架构以及东软睿驰自研的基础软件 NeuSAR 打造，实现了中国自动驾驶产业自 主化芯片、算法、软件、硬件在研发和量产应用链条方面的全面打通，促进我国汽车产业的 自主安全可控和全面快速发展。
3> 光庭信息：公司是国内领先的汽车软件及解决方案提供商，具备面向智能网联汽车的全域全 栈软件开发能力。公司的产品和技术服务已涵盖了构成智能网联汽车核心的智能座舱、智能 电控和智能驾驶三大领域，相关技术覆盖底层 OS、驱动开发、中间件与应用开发等，形成 了智能网联汽车全域全栈的开发能力。2022 年 6 月 30 日，地平线创始人余凯博士一行到访 光庭信息，双方就智能驾驶领域技术趋势进行了深入探讨，未来双方还将持续探索多样的合 作模式。
二、国内主要自动驾驶芯片厂商盘点
2.1 地平线：国内车规级 AI 芯片前装量产的先行者
2.1.1 公司是目前国内唯一实现车规级 AI 芯片大规模前装量产的企业
地平线是行业领先的高效能智能驾驶计算方案提供商。地平线成立于 2015 年 7 月，创始人为前 百度深度学习研究院常务副院长余凯，同年 9月公司启动第一代智能计算架构 BPU的研发；2016 年 3 月，公司发布第一代 BPU 架构（高斯架构）；2017 年，公司发布中国首款边缘 AI 芯片—— 面向智能驾驶的征程和面向 AIoT 的旭日；2019 年，公司发布中国首款车规级 AI 芯片——征程 2； 2020 年，公司先后发布自动驾驶计算平台 Matrix2、新一代边缘 AI 芯片旭日 3、新一代车规级 AI 芯片征程 3，同时实现了征程 2 的前装量产，成立以来仅用 5 年时间即实现了车规级 AI 芯片的量 产落地；2021 年 7 月，公司发布第三代车规级 AI 芯片征程 5，最高算力可达 128TOPS，标志着 我国大算力自动驾驶芯片实现了从 0 到 1 的突破。
征程 5 的推出标志着地平线实现 L2-L4 全场景自动驾驶布局。2021 年 7 月，地平线发布业界第一 款集成自动驾驶和智能交互于一体的全场景整车智能中央计算芯片——征程 5，该芯片兼具高性 能与大算力，单颗芯片 AI 算力最高可达 128TOPS，支持 16 路摄像头感知计算，能够支持自动驾 驶所需要的多传感器融合、预测和规划控制等需求。随着征程 5 的推出，加上之前的征程 2 与征 程 3，地平线成为国内第一家覆盖 L2-L4 的全场景整车智能芯片方案提供商。2023 年，地平线计 划发布下一代车规级 AI 芯片——征程 6，单芯片算力将超过 Orin，预计超过 1000TOPS，采用 7nm 工艺，整体性能较征程 5 又有大幅提升。
地平线是目前国内唯一是实现车规级 AI 芯片大规模前装量产的企业。地平线征程 2 于 2019 年 8 月发布后，于 2020 年 3 月首次上车长安 UNI-T，开启了我国车规级 AI 芯片的前装量产元年；征 程 3 于 2020 年 9 月发布，于 2021 年 5 月首次上车理想 ONE；征程 5 于 2021 年 7 月发布，于 2022年9月首次上车理想L8 Pro，至此地平线三款车规级AI芯片均实现了前装量产上车。目前， 地平线已与 20 多家车企签下超过 70 款车型的前装量产定点项目，地平线征程系列芯片累计出货 量已突破 150 万片。
2.1.2 公司自研 BPU 实现软件定义芯片，软硬协同提升芯片效能
地平线自研 AI 加速器 BPU，利用“CPU+ASIC”架构带来更高的效能和成长性。长期以来，英 伟达、英特尔等传统芯片巨头在CPU、GPU上存在着很强的优势，并将其当做重要的发展方向。 而地平线认为目前光靠 CPU、GPU 等通用处理器难以高效地满足高级别自动驾驶的计算需求， 而通过软硬联合设计、协同优化计算架构对于提升芯片真实效能有重要作用。因此，地平线选择 的路径是通过软硬结合，面向应用场景驱动软件创新，继而从软件创新驱动新的芯片架构，以场 景为中心自主研发了可编程 AI 加速引擎 BPU。BPU 的全称为 Brain Processing Unit，属于 ASIC， 是一款典型的异构多指令、多数据的系统，相比 CPU 更高效；此外，该架构在设计之初就考虑了 算法演进趋势，保证 AI 芯片能够快速适应最新主流算法，同时预留足够的开放可编程性。目前， 地平线已推出三代四种 BPU 架构：高斯架构、伯努利 1.0 架构（征程 2 采用）、伯努利 2.0 架构 （征程 2 采用）、贝叶斯架构（征程 5 采用），下一代车规级 AI 芯片征程 6 将采用第四代 BPU 架构（纳什架构）。
贝叶斯是地平线推出的第三代 BPU，具有高性能、低能耗、低延迟的特点。由于高级别自动驾驶 任务环节更为复杂，非线性计算量递增，神经网络模型复杂度逐渐增加，这对 AI 芯片提出了极大 的计算挑战。因此，更强的计算效率、高效的内存带宽使用、大规模的高并行计算成为了架构设 计的必要考虑因素。贝叶斯架构通过大规模异构计算技术（针对不同场景的不同计算提供了最佳 计算模式配比）、灵活大并发数据桥（专门设计的高带宽数据传输通路）、脉动张量计算核（在 数据交叉流动中完成计算）三大核心技术将并行计算发挥到极致。除了硬件架构特性，贝叶斯架 构还利用编译器的优化调度提升效能：在编译器中，通过多维数据拆分重组、指令流水和异构并 发调度以及跨层计算融合，在复杂的组合排列中寻找出最优化组合，同时通过软硬协同提升数据 的复用效率，从底层上实现了软硬结合。此外，贝叶斯也实现了灵活的优先调度机制：一方面支 持高度并行计算，同时小批量实施即时的数据处理，并通过时间切片优先调度关键任务，保证驾 驶安全性。
地平线认为 FPS 更能反映 AI 芯片的真实计算性能。TOPS（Tera Operations Per Second），即 每秒钟进行的万亿次计算，通常用来衡量芯片的峰值算力。特斯拉的 HW3.0 将 TOPS 概念引入到 人们的视线当中，逐渐成为了衡量一款 AI 芯片能力的指标性参数。然而，越来越多的自动驾驶公 司开始关注有效算力，也即解决一个 AI 任务能够达到的精度和效率。例如在自动驾驶中，有一个 指标是 FPS（Frame Per Second），也即每秒准确识别图像帧率，更高的 FPS 会带来更快速的 感知、更低的延时，这也意味着更高的安全性和行驶效率。因此，地平线提出了以 FPS 为基准的、 衡量 AI 芯片真实计算性能的公式：真实 AI 效能=理论峰值计算效能 x 有效利用率 xAI 算法效率。 其中，真实 AI 效能由芯片硬件架构决定，有效利用率由软件架构决定（编译器可将算法进行编译、 拆解等动作，提升算法有效利用率），AI 算法效率由软件算法决定。
搭载贝叶斯架构的征程 5 实现了业界领先且可持续成长的真实 AI 计算性能。 1> 成长性：最初征程 5 在 2021 年发布时最强计算性能为 1283FPS，而到了今年地平线宣布征 程 5 的计算性能提升到了 1531FPS，一年后实现了 20%的性能提升，这不是通过改变硬件架 构和算法，而是通过升级软件架构、对编译器进行优化等方式使其最强计算性能得到提升。 地平线联合创始人、CTO 黄畅解释过软件定义芯片的优势：把芯片架构、算法锁定的时候， 软件架构还可以持续的改善，编译器还可以持续地把同样一个算法在同样一个芯片上通过编 译、拆解、重组，部署和运行调度它，从而让性能得以不断提升。
2> 领先的计算性能：尽管征程 5 的峰值算力不及英伟达 Orin（254TOPS），但在有效算力的对 比中，征程 5 占据明显的优势。根据地平线给出的数据，征程 5 在进行典型检测模型下，单 帧百万像素的测试中，其性能接近 Orin 的 3 倍，约为 Xavier 的 9.3 倍；在典型分类模型中， 征程 5 的性能也接近 Orin 的 2 倍，是 Xavier 的 6.2 倍。由此可见，征程 5 在 FPS 这一指标 上相较英伟达两大量产产品具有明显优势。
2.1.3 打造开放的平台和生态助力合作伙伴加速量产
公司打造端到端的整车智能开发平台，赋能合作伙伴加速量产。过去，传统的芯片厂商更多只关 注芯片本身，很少给客户提供用于应用层开发的建模工具及代码。然而，目前整个 AI 行业的发展 还处于早期，不少供应商都面临着自动驾驶系统的研发挑战和开发效率瓶颈等问题，而且每家车 企的软件基础不同，如果全栈自研将是一个很长的链条。对此，地平线开发了一套成熟、开放、 易用的整车智能开发平台，其中一部分是包括算法、应用中间件、基础操作系统及开发套件在内 的 AI 芯片及软件栈，另一部分则是地平线的开发工具及基础设施，其中包括天工开物 AI 工具链 以及艾迪 AI 开发平台。平台能够满足 OEM 与生态伙伴的不同开发需求，还能够帮助其在地平线 的芯片上快速部署自动驾驶应用，并有效地降低开发适配和应用部署的成本。
“天工开物”AI 开发平台基于自研 AI 芯片打造，由模型仓库（Model Zoo）、AI 芯片工具链 （AI Toolchain）及 AI 应用开发中间件（AI Express）三大功能模块构成。平台旨在通过全面降 低开发者门槛、提升开发速度、保证开发质量，赋能产业智慧升级。 1> 模型仓库：开放了三类算法，即产品算法、基础算法和参考算法，可充分响应不同合作伙伴 的需求，大幅节省算法训练和开发的时间与成本。 2> AI 芯片工具链：覆盖了从算法模型训练、优化与转换和部署到芯片运行模型预测的完整 AI 开 发过程，包含模型结构检查器、性能分析器、模型编译器、模型模拟器在内的全套工具。 3> AI 应用开发中间件：开放了 XStream 和 XProto 两套应用开发框架，内置丰富且高度可复用 的算法模块、业务策略模块、应用组件，帮助合作伙伴快速搭建高性能的算法工作流。
地平线艾迪 AI 开发平台则是面向智能汽车 AI 软件产品开发及迭代需求打造的云端 AI 开发平台， 能为智能汽车 AI 开发者提供数据标注、训练、优化、部署、管理与性能分析等能力。整套基础设 施开箱即用，用户无需再从零搭建一套复杂的自动驾驶跨平台系统。比如，在边缘侧有车、芯片， 它们通过加密传输把数据传过来。在云端也有一套完整的基础设施，包括半/全自动的标注工具，自动化模型训练，长尾场景管理、软件自动集成、自动化回归测试，最后这整套模型通过 OTA 升 级部署到芯片上。同时，在端上还有影子模式、量产相关的模型部署、功能安全和信息安全方面 的工作。
地平线开放灵活的域控制器及中央计算平台标准参考设计，助力合作伙伴加速量产进程。Matrix 是经过多轮迭代与量产验证的计算平台系列，而 Matrix 5 是地平线基于征程 5 推出的计算平台， 其中包括三类标准化硬件参考平台，分别是单征程 5（128TOPS）、双征程 5（256TOPS）以及 4 颗征程 5（512TOPS）的硬件方案，全面满足 ADAS、自动驾驶、智能座舱等丰富场景的开发 需求。地平线将 Matrix 5 的参考设计全面开放，合作伙伴借助 Matrix 5 完成功能开发和整车集成 测试则可以极大地缩减研发周期和投入。目前，已有包括大陆集团、东软睿驰、立讯集团、联成 开拓等 10 余家生态伙伴基于 Matrix 5 参考设计推出了大算力域控产品，并率先取得量产定点项 目。三家地平线官宣的合作伙伴（映驰、金脉、天准）也将基于征程 5，针对 Tier1 差异化的设计 需求，提供定制化服务与专业技术支持，加速客户智能驾驶解决方案的量产进程。
与整车厂的合作中，地平线开放 BPU IP 授权，打通芯片和整车之间的开发。芯片公司跟主机厂 的合作模式大概分为几种： 1> Mobileye 模式：芯片公司把芯片架构、芯片以及操作系统，还有智能驾驶的软硬件系统，全 部开发完，以黑盒的形式交付给整车厂。 2> 英伟达模式：芯片公司提供芯片架构和 SoC 级别芯片以及操作系统，帮助车企完成自动驾驶 软硬件系统开发。 3> TogetherOS 模式：芯片公司提供芯片架构和 SoC 级别芯片，整车厂的开发不光包括整个自 动驾驶的应用软件，也深入到操作系统的底层，能够更高效地调用操作系统之下的各种资源。 目前，地平线的开放模式包含第二、第三种，基于征程系列芯片和操作系统 TogetherOS，赋能 车企造车。然而，地平线计划将开放践行到底，支持车企自主研发自动驾驶芯片，并提出第四种 “BPU 授权模式”：向整车厂开放最核心的 BPU IP 授权，同时提供软件工具包、芯片参考设计 以及技术支持，助力部分车企开发自研芯片，提升差异化竞争力，加快创新研发速度。这意味着， 整车核心系统的开发，从芯片到操作系统、到整个自动驾驶的软硬件系统，实现了高度协同以及 完全的透明化，这有助于实现芯片最大化效率并降低开发成本。
地平线积极与生态伙伴加大自动驾驶软件方面的合作。（1）4 月 18 日，地平线宣布与中科创达 成立合资公司。合资公司将由中科创达控股，聚焦智能驾驶赛道，并围绕地平线车规级 AI 芯片为 主机厂及一级供应商等企业提供高质量的智能驾驶软件平台和算法服务，共同加速智能驾驶的规 模化量产落地。（2）10 月 13 日，大众汽车集团旗下自动驾驶公司 CARIAD 与地平线正式官宣， 大众 CARIAD 将与地平线成立合资企业并控股。大众汽车集团计划为本次合作投资约 24 亿欧元， 该交易预计在 2023 年上半年完成，其中大众 CARIAD 将持有合资公司 60% 的股权，对于地平线 的持股比例并未披露。新的合资公司将聚焦于研发可扩展的、软硬一体的全栈式高级辅助驾驶和 自动驾驶解决方案。合资公司的成立，意味着大众汽车在中国的三家合资企业（一汽大众、上汽 大众、大众安徽）后续的纯电新车都将会采用地平线的智能驾驶软件及芯片方案。双方合作能使 大众从地平线方面获取更多智能驾驶芯片和软件相关的 Know-How，本土化的运作方式也更加利 于大众汽车在中国市场的产品推广。对于地平线而言，这意味着新增的、巨大的市场机会。
2.2 黑芝麻智能：国产自动驾驶计算芯片的引领者
2.2.1 公司在生态及技术方面持续突破，历经多轮融资步入独角兽行列
黑芝麻智能是行业领先的车规级自动驾驶 AI 计算芯片和平台研发企业。公司成立 2016 年，成立 以来一直专注于大算力计算芯片与平台等技术领域的高科技研发，目前能够提供完整的自动驾驶、 车路协同解决方案，包括基于车规级设计、学习型图像处理、低功耗精准感知的自动驾驶感知计 算芯片和自动驾驶计算平台，支撑自动驾驶产业链相关产品方案的快速产业化落地。
黑芝麻智能核心团队具有优秀的产业背景，目前已实现国内外的多地布局。公司创始人单记章为 资深图像处理专家，曾任全球第一的摄像头芯片公司 OminiVision 的研发副总裁；联合创始人刘 卫红为汽车领域销售及管理专家，曾任全球一流的汽车零部件公司博世的亚太区总裁。目前，公 司已有超过 800 名员工，核心团队均来自博世、OV、英伟达、安霸、微软、高通、华为、中兴等业内顶尖公司，平均拥有 15 年以上的行业经验。目前，黑芝麻智能已实现了国内外多地布局，在 武汉、硅谷、上海、成都、深圳、重庆、新加坡均成立了研发及销售中心。
公司成立以来不断扩大产业合作范围，产品持续实现突破。2018 年 3 月，黑芝麻智能与博世签署 战略合作协议，在智能网联、智能驾驶等领域开展合作；同年 12 月，与比亚迪签署前装环视算法 量产授权协议。2019 年，公司发布第一款华山芯片 A500，11 月与一汽签署 5 年战略合作协议。 2020 年 6 月，公司发布更高算力的华山 A1000 芯片。2021 年，公司与上汽通用五菱、未动科技、 均联智行、禾赛科技等公司开展战略合作；同年 7 月，大算力芯片华山二号 A1000 Pro 流片成功。 2022 年， 黑芝麻智能持续扩大生态布局，与 BlackBerry QNX、Elektrobit、MAXIEYE、江汽集 团等众多生态伙伴达成战略合作。2022 年 2 月， 华山二号 A1000 系列通过 AEC-Q100 认证；5 月，公司发布瀚海自动驾驶中间件平台。
黑芝麻智能历经多轮融资，现已迈入超级独角兽行列。2016 年 7 月，黑芝麻智能完成 A 轮融资， 投资机构包括北极光创投、闻泰科技、中科创达等。2021 年 9 月，黑芝麻智能完成战略轮及 C 轮 融资，投后估值近20亿美元，也标志着黑芝麻智能正式步入超级独角兽行列。2022年8月8日， 全球自动驾驶计算芯片引领者黑芝麻智能宣布，完成由武岳峰科创领投的 C+轮融资，兴业银行集团、广发信德、汉能基金等机构跟投，至此黑芝麻智能完成 C 轮和 C+轮全部融资，募资总规模 超 5 亿美元。通过多轮的融资，黑芝麻智能不断地提升核心技术、芯片产品的研发及商业化能力， 实现了产品及技术的持续突破。
2.2.2 公司已建立起完善的客户赋能体系，华山 A1000 系列芯片上车量产 在即
目前，黑芝麻智能已发布两代四款车规级自动驾驶芯片，预计在 2022 年年内发布下一代自动驾 驶芯片产品 A2000： 1> 华山一号 A500：2019 年 8 月，黑芝麻智能发布华山一号自动驾驶芯片 A500，单个 A500 SoC 可提供 5-10TOPS 的算力，可支持 L2/L2.5 级自动驾驶系统。在能效比方面，A500 能效 比大于 4TOPS/W，高于英伟达 Xavier 的 1TOPS/W 以及 Mobileye EyeQ5 的 2.4TOPS/W。A500 内部的 ISP、视觉处理加速引擎、Ultra DL AI 加速引擎等内核均为黑芝麻智能自主设计， 而像 CPU、部分 DSP 等内核则使用了供应商的 IP。
2> 华山二号 A1000 与 A1000L：2020 年 6 月，黑芝麻智能发布华山二号 A1000 与 A1000L 两款 产品。华山二号 A1000 芯片采用 8 核 CPU，工艺制程 16nm，可提供 40-70TOPS 的算力 （后提升为 58TOPS（INT8）-116TOPS（INT4）），具有小于 8W 的功耗以及优越的算力 利用率；华山二号 A1000L 芯片采用 6 核 CPU，工艺制程 16nm，可提供 16TOPS 的算力， 功耗小于 5W。基于两款芯片，黑芝麻提供了四种智能驾驶解决方案：（1）单颗 A1000L 适 用于 ADAS 辅助驾驶；（2）单颗 A1000 适用于 L2+自动驾驶；（3）双 A1000 芯片可支持 L3 级别自动驾驶；（4）四颗 A1000 芯片可以支持 L4 及以上的自动驾驶。
3> 华山二号 A1000 Pro：2021 年 4 月，黑芝麻智能发布华山二号 A1000 Pro。A1000 Pro 基于 两大自研核心 IP——车规级图像处理器 NeuralIQ ISP 以及 DynamAI NN 车规级低功耗神经 网络加速引擎打造。得益于 DynamAI NN 大算力架构，A1000 Pro 支持 INT8 稀疏加速，算 力达到 106 TOPS（INT8），最高可达 196 TOPS（INT4）。A1000Pro采用异构多核架构， 16 核 Arm v8 CPU，16nm 工艺制程，典型功耗仅为 25w，支持 16 路高清摄像头输入。
4> 华山三号 A2000：华山三号 A2000 预计在 2022 年发布，该款芯片将采用 7nm 工艺以及国产 自主知识产权核心 IP，单颗算力将超过 250TOPS，满足 ASIL-B 级别的安全认证标准，将能 支持 L4/L5 级自动驾驶。
两大核心自研 IP 成就华山系列芯片的高性能。黑芝麻智能基于两大自主可控核心 IP 构建了核心 竞争优势，包括车规级图像处理 ISP 和车规级深度神经网络加速器 NPU，分别让车辆“看得清” 和“看得懂”。公司自研的车规级图像处理核心 NeurallQ ISP可以支持多达 16路高清相机接入， 在自动驾驶环境较为恶劣的情况下（雨雪、雾天等），依旧能实现高动态曝光、低光降噪、LED 闪烁抑制等高质量车规图像处理要求。而公司自研的车规级低功耗神经网络加速器 DynamAI NN引擎（NPU）能够实现软硬件同步优化，平衡好算力和功耗的问题，具有支持稀疏加速和配备自 动化开发工具等优势，能够高效快速地处理更多图像类数据。
黑芝麻智能通过山海人工智能开发平台和瀚海自动驾驶中间件平台赋能客户，促进产品快速落地： 1> 山海人工智能开发平台：为配合华山系列自动驾驶计算芯片，公司发布了山海人工智能开发 平台。平台支持 TensorFlow、Pytorch、ONNX 等，提供适配芯片架构的 AI 编译器的自动优 化，支持动态异构多核任务分配与客户自定义算子开发。平台还拥有 50 多种 AI 参考模型库 转换用例，以降低客户的算法开发门槛；提供友好易用的工具链开发包及应用支持，助力客 户快速移植模型和部署落地的一体化流程。
2> 瀚海自动驾驶中间件平台：自动驾驶应用中非常重要的一环是高效支撑系统运行的中间件， 公司基于华山系列产品推出瀚海 ADSP（Autonomous Driving Solution Platform），包含 Target（SoC）SDK、X86（Host 主机）SDK、Target（MCU）端 SDK，可以支持车端、路端及各种智能驾驶和车路协同场景开发。平台将智能驾驶系统的核心功能模块和常用基础软 件关联组件封装成外围开放接口，让用户能快速简便地接入并使用华山系列芯片的强大处理 能力，降低开发工作量，助力自动驾驶解决方案的快速落地。
黑芝麻智能已建立起完善的客户赋能体系和生态，年内华山二号 A1000 系列芯片将开始量产上车。 目前，黑芝麻智能的赋能体系包括自研的车规级图像处理 ISP 和车规级深度神经网络加速器 NPU、 华山系列自动驾驶计算芯片、山海人工智能开发平台、瀚海自动驾驶中间件、算法和 Data Best 数据闭环解决方案，通过全栈式自动驾驶解决方案全维度地赋能车厂安全、快速地实现产品落地。 黑芝麻智能持续加大产业合作力度，公司已与一汽、上汽、比亚迪、蔚来、东风、博世、中科创 达等众多车企、Tier1 厂商建立了合作。经过两年的软硬件打磨和验证后，华山二号 A1000 系列 芯片已完成所有车规级认证，已处于量产状态，将于今年年内实现量产上车。
2.3 华为：汽车智能化的“赋能者”
2.3.1 深耕智能汽车业务近十年，全栈式解决方案助车企造“好车”
华为开展智能汽车业务最早可追溯至 2012 年，其发展历程主要分为三个阶段： 1> 产业布局期（2012-2015 年）：2012 年，华为在集团内部设立车联网实验室，开始研究和布 局车联网板块；2013 年，华为推出车载通信模块 ME909T，正式进军车联网行业；2014 年， 华为先后与东风汽车、广汽集团、上汽集团、一汽集团等公司在车联网、智能汽车等开展合 作；2015 年，华为拿到奥迪、奔驰的通信模块订单，买入车联网供应商行列。 2> 技术深耕期（2016-2018 年）：2016 年，华为与奔驰、宝马、奥迪、爱立信、诺基亚、英特 尔、高通联合成立“5G 汽车通信技术联盟”，联盟旨在整合各巨头间的资源，加快无人驾驶 汽车的研发进度；2017 年，华为与广汽、上汽、北汽等车企在车联网、智能汽车方面建立战 略合作；2018 年，华为发布用于自动驾驶的移动数据中心 MDC，同年明确“不造车”战略， 聚焦 ICT 技术，帮助车企造好车。 3> 落地应用期（2019 年至今）：2019 年 4 月，华为首次以汽车增量部件核心供应商的身份参 加上海车展；2019 年 5 月，华为正式成立一级部门——智能汽车解决方案事业部；2019 年 4 月，华为发布 HUAWEI HiCar 解决方案；2020 年 2 月，华为 MDC 智能驾驶计算平台通过 ISO 26262 功能安全认证；2020 年 10 月，华为发布智能汽车解决方案品牌 HI；2021 年，华 为先后发布智选车合作模式下的两款车型：塞力斯 SF5 与问界 M5；2022 年 7 月，华为发布 问界 M7（智选车合作模式）。
目前，华为已构建七大智能汽车解决方案，帮助车企实现智能化转型。华为将积累多年的 ICT 能 力和汽车行业深度融合，帮助车企造好车。目前，华为已构建了智能驾驶、智能座舱、智能网联、 智能车控、智能车载光、智能电动、智能车云七大智能汽车解决方案，上市了 30 多款智能汽车的 零部件，通过 Huawei Inside 和智选模式赋能车企。
在智能汽车领域华为与汽车行业客户主要有三种合作模式： 1> 标准化的零部件模式：提供智能化零部件，包括鸿蒙操作系统、域控制器、激光雷达、毫米 波雷达、摄像头等； 2> HI（Huawei Inside）模式：即向车企提供华为的软硬件全栈解决方案。具体而言，就是华 为与车企共同定义、联合开发，并在量产车上搭载华为的全栈智能汽车解决方案。也就是说， 华为将通过 HUAWEI Inside 模式为各车企提供车辆智能化的底层解决方案，而车企们则可 以根据华为所提供的底层能力、方案去整合，并根据所面对的不同客户群体去进行调整优化； 3> 智选车模式：华为深度参与产品定义、整车设计，并且助力产品的体验、产品的营销、产品 的渠道、零售营销等方面。此模式的标杆案例即是华为与塞力斯的合作，代表车型包括赛力 斯 SF5，以及问界 M5、问界 M7。
2.3.2 以自研芯片为基打造大算力 MDC 计算平台，支持 L2-L5 自动驾驶
MDC（Mobile Data Center）是华为自研的智能驾驶计算平台，具有强大的性能与多种应用场景。 MDC 平台集成了华为在 ICT 领域 30 多年的研发与生产制造经验，搭载智能驾驶操作系统 AOS、 VOS 及 MDC Core，兼容 AUTOSAR，支持 L2+到 L5 平滑演进，结合配套的完善工具链，客户 或生态合作伙伴可灵活快速的开发出针对不同应用场景的智能驾驶应用。MDC 平台适用于乘用车 （如拥堵跟车、高速巡航、自动代客泊车、RoboTaxi) 、商用车（如港口货运、干线物流）与作 业车（如矿卡、清洁车、无人配送）等多种应用场景。
华为 MDC 系列已推出四款产品，可实现 L2-L5 全场景覆盖： 1> MDC 300F 的算力和接口相对均衡，算力 64TOPS（INT8 稠密算力），目前已在港口、矿山、 园区、物流等商用车场景广泛应用。 2> MDC 210 算力达 48TOPS（INT8 稠密算力），可以支持 L2+自动驾驶，主要面向乘用车。 3> MDC 610 算力可达 200+ TOPS（INT8 稠密算力），支持 L4 场景自动驾驶，主要应用在乘 用车、商用车上。 4> MDC 810 是华为最新一款智能驾驶平台，该平台集成了高性能 SoC（包括 ISP、CPU、AI 等 处理模块）并搭载低时延智能驾驶操作系统，算力达到了 400+TOPS（INT8 稠密算力），可 支持 16 路摄像头，满足 ASIL-D 车规级功能安全要求，可支持 L4-L5 高级别自动驾驶。
华为自研的鲲鹏与昇腾芯片给 MDC 计算平台提供了强大的异构算力。智能驾驶涉及到感知、融 合、定位、决策、规划、控制等多个环节，不同环节所需算力类型不同。比如激光雷达的点云数 据处理需要大量 CPU 算力，摄像头数据则需要 AI 算力才能快速处理，在定位、决策、规划、控 制等强逻辑处理的环节又需要 CPU 算力。智能驾驶需要多样化的异构计算能力，华为 MDC 平台 硬件集成了自研的 CPU 处理器鲲鹏以及 AI 处理器昇腾芯片，形成具有强大异构算力的 SoC 芯片。 例如，华为的 MDC 300F 包含了 1 颗基于 ARM 架构的 CPU 处理器鲲鹏 920s，可提供 150K DMIPS 的 CPU 算力，同时包含了 4 颗基于达芬奇架构的 AI 处理器昇腾 310，共可提供 64TOPS 的 AI 算力。
昇腾（Ascend）是华为自研的全栈、全场景的人工智能芯片，被广泛地应用于华为智能汽车相 关产品： 1> 昇腾 310：2018 年 10 月，华为发布首款全栈、全场景人工智能芯片昇腾 310。该芯片基于 自研的华为达芬奇架构（NPU），采用 12nm 制程，最大功耗仅 8W，AI 算力为 16TOPS （INT8）。该芯片主要被应用于边缘计算以及自动驾驶领域，华为 MDC 210 与 MDC 300F 均有搭载。
2> 昇腾 910：2019 年 8 月，华为正式发布大算力 AI 芯片昇腾 910。该芯片基于达芬奇架构，采 用 7nm 增强 EUV 工艺打造，算力可达 640TOPS（INT8），最大功耗为 310W。除了基于达 芬奇架构的 AI 核外，昇腾 910 还集成了多个 CPU、DVPP 和任务调度器（Task Scheduler）， 因而具有自我管理能力，可以充分发挥其高算力的优势。昇腾 910 主要面向 AI 应用领域，满 足边缘计算、自动驾驶、深度学习、模型训练等领域的需求。
3> 昇腾 610：华为并不单独销售昇腾 610 芯片，而是以全栈解决方案的方式（AI 加速卡、加速 模块、MDC、服务器和一体机等）对外销售。昇腾 610 单芯片算力可达 200TOPS（INT8）， MDC 610 与 MDC 810 均搭载了该芯片。
华为 MDC 已拿下多家车企的定点，合作车型已开启量产交付。华为 MDC 610 与 MDC 810 两大 车规级智能驾驶计算平台凭借着领先的性能已拿下多个定点，包括极狐阿尔法 S 华为 HI 版、长城 沙龙机甲龙、阿维塔 11、广汽 Aion LX Plus、哪吒 S 以及比亚迪和奇瑞高端品牌车型等。今年 7 月，极狐阿尔法 S 华为 HI 版正式开启批量交付，后续在未来几年内还有多款搭载华为 MDC 的车 型迎来量产交付。
华为 MDC 坚持“平台+生态”战略，积极推动产业协作。华为 MDC 平台致力于构建涵盖产业链 上下游的传感器、执行器与应用算法三大类生态合作伙伴，共同推动智能驾驶产业快速成熟与商 用落地。 1> 传感器合作：华为 MDC 平台提供丰富的标准化传感器接口，可以支持摄像头，激光雷达， 毫米波雷达，超声波雷达等传感器的接入，能够覆盖绝大部分智能驾驶场景对传感器的需求； 华为 MDC 平台将与传感器厂家在接口，协议，车规等方面通力合作，推动传感器产业尽快 成熟。 2> 执行器合作：华为 MDC 平台支持与线控底盘接口对接，实现智能驾驶大脑对车辆的安全控 制，华为 MDC 平台将与线控底盘方案厂商共同协作，推动实现更加安全的智能驾驶解决方 案。 3> 软件及工具链合作：华为 MDC 平台的操作系统、平台软件与功能软件中间件均对外提供标 准的开放 API 与 SDK 开发包，结合简单易用的工具链，助力客户或生态合作伙伴研发效率提 升，实现智能驾驶应用的快速开发、调测、部署与运行。
（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】。
