1、正文目錄TOC o 1-2 h z u HYPERLINK l _TOC_250014 一、主控芯片是智能化的核心 4 HYPERLINK l _TOC_250013 自動駕駛主控芯片：英偉達領跑，地平線追趕 4 HYPERLINK l _TOC_250012 智能座艙主控芯片：高通暫時一家獨大 11 HYPERLINK l _TOC_250011 二、功能芯片需求量大幅提升 12 HYPERLINK l _TOC_250010 功率半導體：電動車的心臟 12 HYPERLINK l _TOC_250009 MCU：數量增加，功能聚焦 13 HYPERLINK l _TOC_250008 2.

2、4 傳感器：ADAS 傳感器快速爆發 16 HYPERLINK l _TOC_250007 三、主機廠加大布局汽車半導體 18 HYPERLINK l _TOC_250006 特斯拉：芯片從采購到自研，感知器件或嘗試激光雷達 18 HYPERLINK l _TOC_250005 比亞迪：自研自制 MCU 和 IGBT 19 HYPERLINK l _TOC_250004 大眾汽車：力求掌握芯片技術和專利 20 HYPERLINK l _TOC_250003 吉利汽車：SEA 架構核心技術逐步自研 20 HYPERLINK l _TOC_250002 上汽集團：合作共建 IGBT 芯片能力 21

3、 HYPERLINK l _TOC_250001 四、投資建議 22 HYPERLINK l _TOC_250000 五、風險提示 23 圖表目錄圖表 1汽車半導體主要部件 4圖表 2智能駕駛感知系統迭代方向 5圖表 3智能駕駛決策系統算力單位： tops 5圖表 4自動駕駛主要主控芯片 5圖表 5英偉達自動駕駛芯片主要進程 6圖表 6英偉達自動駕駛芯片主要進程 7圖表 7英偉達 Orin 芯片 7圖表 8英偉達 Atlan 芯片 7圖表 9Mobileye 的 EyeQ 系列芯片出貨量及增速單位：萬顆 8圖表 10Mobileye 主要歷史 8圖表 11地平線征程系列芯片 9圖表 12地平線

4、 Matrix 智能駕駛解決方案 10圖表 13黑芝麻 A1000Pro 芯片 10圖表 14零跑 C11 座艙 11圖表 15電動汽車中 IGBT 的應用 12圖表 16IGBT 的全球市場格局 13圖表 17汽車部分 ECU 展示 13圖表 18ECU 的主要結構 14圖表 19MCU 的主要結構 14圖表 20國內 2019 年 MCU 市場份額 15圖表 21MCU 主要應用 15圖表 222019 年全球 MCU 競爭格局 15圖表 232019 年國內 MCU 競爭格局 15圖表 24車規級 MCU 壁壘較高 16圖表 25車輛類傳感器主要分類 16圖表 26華為 4D 毫米波雷達

5、 17圖表 27特斯拉自動駕駛計算平臺演進 18圖表 28特斯拉 FSD 19圖表 29比亞迪 MCU 歷程 20圖表 30吉利汽車芯片產品路線圖 21圖表 31上汽英飛凌主要產品 22汽車從最初的機械產品逐漸轉變為電子產品，自動駕駛對車輛的感知精度、控制精度和響應速度提出了更高的要求，這就需要更多的傳感器（激光雷達、攝像頭、毫米波雷達等）、更強大的處理器（自動駕駛主控芯片）、更精確的執行機構（線控系統）；智能座艙滿足了人機交互的需求，需要底層強有力的軟硬件支持（主控芯片、操作系統、中間件等）；三電系統控制要求較高，新增了功率控制器件 IGBT。從更長期看，汽車成為移動儲能設備和數字空間，具有

6、更大的想象空間。為了實現這些功能，汽車的電子部件逐步增多。因此，本篇報告著力梳理汽車行業新的變化對汽車半導體的影響，本篇報告只研究主要的硬件，包括主控芯片、功率芯片、MCU 和傳感器，其他如通信芯片和分立器件等不在本篇報告的研究范圍。圖表1 汽車半導體主要部件資料來源:一、 主控芯片是智能化的核心自動駕駛芯片和智能座艙芯片是汽車智能化最核心的芯片，需具備強大的算力和低功耗，以滿足大量數據的計算的同時，降低功耗以實現電動車較好的續航里程。外資巨頭如高通、英偉達正占據巨大的份額，而國內優秀的企業也在快速成長，如華為、地平線等。自動駕駛主控芯片：英偉達領跑，地平線追趕隨著自動駕駛級別的提升，傳感器的

7、數量、種類和性能均有大幅提升，尤其是 L4 和 L5，對芯片的算力和功耗的要求極高，如L4 級自動駕駛的算力要求約為 300TOPS，而 L5 則需要 4000TOPS 左右。智能駕駛傳感器L2 級別L3 級別L4 級別像素數（ MP）7.238112數據量（ 億字節/秒）1.3813.840.8傳感器5 攝像頭，5 個毫米波13 個攝像頭，9個毫米波，1 個激光雷達14 個攝像頭，9個毫米波，5 個激光雷達圖表2 智能駕駛感知系統迭代方向圖表3 智能駕駛決策系統算力單位：tops400012303004,5004,0003,5003,0002,5002,0001,5001,0005000資料

8、來源:汽車之家，易車網，資料來源:汽車之家，易車網，在智能化快速發展之前，沒有專門的自動駕駛芯片，相關的功能由 ABS、ESP 的 ECU 負責，或者由整車 VCU 進行決策。目前第三方自動駕駛芯片主要以英偉達、mobileye 為主，國內華為和地平線已嶄露頭角。在芯片種類方面，主要包括通用芯片（如 CPU、DSP 和 GPU等）和專用芯片（如FPGA 和ASIC等）。其中，通用芯片可進行多項不同類型的計算，適用于不同的算法或需要持續改進的自動駕駛算法，因此在目前階段應用較為廣泛；而GPU 與 CPU相比，具有更多的計算單元，更加適合于做簡單的重復計算，因此做圖像處理時更具有優勢。專用芯片中，

9、FPGA 屬于半定制化芯片，在邏輯計算中更具有優勢，同時具有低功耗的特點。未來的趨勢有以下幾點：1）中短期看，GPU+FPGA 的方案更具有優勢，長期看，如果自動駕駛算法已經比較固化，ASIC 芯片將具有更大的應用；2）算法和芯片的高度融合與匹配：針對主機廠特定的算法，選取最優的芯片種類；3）低功耗、高算力、高效率。圖表4 自動駕駛主要主控芯片應用車型及使用芯片數量廠商單價單顆功耗（ W）單顆算力（ TOPS）芯片英偉達Xavier30 301299 美元（2018 年）小鵬 P7（1 顆）智己 L7 視覺版（1-2 顆）蔚來 ET7（4 顆）理想 X01（數量未知）智己 L7 激光雷達版（2

10、-4 顆）上汽 RES33（2-5 顆）蔚來 ES8/ES6/EC6（1 顆）廣汽 AionV/LX（1 顆）MobileyeEyeQ42.53/哪吒 U（1 顆）理想 ONE（1 顆）WEY 摩卡（1 顆）MobileyeEyeQ5H2510/寶馬 iX（2 顆）英偉達Orin20045/極氪 001（2 顆）地平線征程 242/長安 UniT/K（數量未知）嵐圖 Free（數量未知）奇瑞大螞蟻（數量未知）地平線征程 352.5/理想 ONE2021 款高通驍龍 Ride30-70065/WEY 摩卡（數量未知）華為昇騰 310168/極狐阿爾法（16 顆）特斯拉FSD7236/Model3

11、/Y（2 顆）資料來源:搜狐汽車，英偉達是汽車自動駕駛芯片領域的龍頭，也是全球 GPU 龍頭公司，英偉達從 2009 年與奧迪合作開始，在汽車智能座艙和自動駕駛領域具有強大的實力。圖表5 英偉達自動駕駛芯片主要進程公告時間事件1993 年公司成立；1998 年與臺積電簽署戰略合作協議；1999 年發明了全球首款 GPUGeForce256；IPO 上市；2008 年推出 Tegra 移動處理器；2009 年英偉達 GPU（Tegra）為奧迪全球車型的導航和娛樂系統提供服務；2014 年全球已有 20 多個品牌車企使用了 NVIDIA 的處理器，包括特斯拉；2015 年推出 NVIDIA DRI

12、VE，支持高級駕駛輔助系統；推出 NVIDIA DRIVE PX2，可實現強大的車載人工智能；2016 年2017 年2019 年新款特斯拉 ModelS 和 ModelX 采用了 TegraK1 主處理器；推出自動駕駛芯片 Xavier，并計劃于 2018 年開始交付； 推出了為 L4/L5 的 AI 計算機Pegasus；發布兩款軟件平臺：DRIVE IX 和 DRIVE AR；NVIDIA DRIVE Xavier 將搭載在百度 Apollo2.0 和采埃孚 ProAI；與大眾合作，利用 DRIVE IX 平臺，為大眾 ID 系列服務；建立自動駕駛統一構架 DRIVE，發布 Orin 計

13、算平臺，擴大生態圈至 tier1、地圖供應商、傳感器和軟件公司；2021 年發布無人駕駛芯片Atlan。資料來源:與非網，公司官網，英偉達與全球主要OEM 具有合作，其中合作最為深入的包括大眾、奧迪、豐田、沃爾沃和奔馳等。其中 2018 年奧迪A8 是全球首臺投產的L3 自主駕駛汽車，采用了英偉達的技術。圖表6 英偉達自動駕駛芯片主要進程主要主機廠客戶合作內容超過 10 年的合作歷史；奧迪奧迪 A8 的 zFAS 計算平臺使用了英偉達的Tegra 芯片；在智能座艙、后座娛樂和奧迪 CONNECT 方面，英偉達均提供技術支持；沃爾沃2021 年達成戰略合作，將使用 Orin 芯片2017 年與奔

14、馳達成戰略合作；奔馳2020 年奔馳與寶馬終止共同開發自動駕駛技術，與英偉達共同開發下一代汽車計算平臺；2019 年，與豐田公司持續關系的基礎上，利用 NVIDIA DRIVEA GXXvierAV 計豐田算機，并基于 NVIDIA、日本 TRI-AD 和美國豐田研究院（TRI）團隊之間的密切合作大眾2018 年與大眾達成戰略合作，計劃在 ID 車型上使用英偉達的芯片和計算平臺資料來源:公司官網，英偉達Orin 芯片計劃搭載在蔚來ET7、智己 L7 激光雷達版和理想 X01 車型，目標上市時間為 2022年。此外，沃爾沃和奔馳也與英偉達合作，將使用 Orin 芯片。Orin 芯片是針對L3 及

15、以上的自動駕駛的，相比于目前已廣泛使用的針對 L2 的 Xavier，算力從 30TOPS 提升至 200TOPS，而功耗僅從 30W 左右提高至 45W 左右，達到了汽車安全最高等級ISO26262ASIL-D 標準。此外，英偉達近期發布了無人駕駛芯片 DRIVEATLAN，目標為 L4 和 L5 自動駕駛，具有 1000TOPS的算力，預計最快將于 2023 年開始向客戶提供樣品，有望于 2024 年或 2025 年在量產車輛上應用。 Atlan 芯片可與 Xavier 和 Orin 實現軟件兼容，整車廠可基于現有的芯片進行快速升級，如可以用一個 Atlan 芯片組替代4 個Orin 芯片

16、。圖表7 英偉達Orin 芯片圖表8 英偉達Atlan 芯片資料來源:英偉達官網,資料來源:英偉達官網，Mobileye 是基于圖像算法的自動駕駛技術方案的企業，據“人工智能商機”的數據，截至 2021年 5 月 9 日，Mobileye 的 EyeQ 芯片搭載全球超過 6000 萬輛車輛中，被超過 25 家主機廠、超過 300 個車型使用。圖表9 Mobileye 的EyeQ 系列芯片出貨量及增速 單位：萬顆2,5002,0001,5001,0005000出貨量同比增速70%60%50%40%30%20%10%0%資料來源：公司公開資料，Mobileye 成立至今僅 22 年，2014 年

17、IPO 上市時，市值 53 億美元，創以色列公司在美國IPO 最高紀錄。在 2017 年被 Intel 以 150 億美元收購，創下以色列歷史上最高價。2013 年-2017 年是公司的快速發展期，2017 年之后隨著競爭對手的崛起，Mobileye 的受到了較大的沖擊。圖表10 Mobileye 主要歷史公告時間事件1999 年公司成立，開始開發搭載圖像識別算法的 EyeQ 芯片；2002 年突破單目鏡技術，進行多目鏡、環視應用開發；2004 年推出第一代 EyeQ1 芯片；設立汽車零部件部門；2006 年與 Magna Electronics 達成合作，進軍 ADAS 市場；2007 年升

18、級 LDW 等技術，應用于寶馬、沃爾沃、通用汽車等車型；2008 年推出 EyeQ2 芯片；2012 年EyeQ 系列芯片產量突破百萬顆；在納斯達克 IPO 公開發行；2014 年EyeQ3 搭載在特斯拉 Autopilot1.0；2015 年EyeQ 系列芯片產量突破千萬顆；推出 REM（道路體驗管理數據生成技術），主打 EyeQ3 芯片+深度學習算法；2016 年與特斯拉終止合作；2017 年Intel 以 150 億美元收購 Mobileye；2018 年發布 EyeQ4 芯片，具有 2.5TOPS，采用 28nm 工藝；2020 年發布 EyeQ5 芯片，具有 24TOPS，采用 7n

19、m 工藝。資料來源:與非網，公司官網，Mobileye 的 eyeQ5 是基于圖像處理的最近一代芯片，將首先應用在寶馬 iNEXT 車型上，此外也將應用于極氪 001 上。此前，寶馬與英特爾和mobileye 已成立戰略聯盟。EyeQ5 是 Mobileye 第五代產品，算力是EyeQ4 的 10 倍。Mobileye 過去一直是提供的軟硬一體化解決方案，即將芯片和算法打包在一起，車企無法進行更改和重新編寫算法，優化的算法只能在下一代產品中出現，如果需要更新算法進行 OTA，則會向整車廠收費。這一模式使很多整車廠逐漸放棄與其的合作，因為未來的模式是主機廠希望將芯片和算法解耦，可以在芯片進行算法

20、的開發，在建立了自己的軟件團隊后，進行日常的 OTA 升級，因此對芯片供應商的需求是提供硬件和可調用的算法庫。從 EyeQ5 開始，Mobileye 提供了開放的合作方式，即采用“芯片+算法”和“芯片only”兩種模式。地平線的芯片征程 2 的算力 4TOPS，功耗 2W，已在長安Uni-T 和奇瑞螞蟻等應用，也即將在嵐圖上搭載。此外，公司計劃于 2022 年和 2023 年分別推出征程 5 和征程 6 芯片，單顆芯片的算力將達到 128TOPS 和 400+TOPS。圖表11 地平線征程系列芯片資料來源:Science 科學，地平線作為國內領先的自動駕駛芯片企業，具有獨特的優勢：1）核心團隊

21、具有多年機器學習的算法研發經驗，在此基礎之上進行芯片開發，具有更好的適配效果和更高的效率；2）提前布局 AI芯片，具有先發優勢，已在國內多個車型中量產搭載；3）專注核心主業；4）與外資芯片商相比，地平線在服務和成本上均具有優勢。圖表12 地平線Matrix 智能駕駛解決方案資料來源:地平線，黑芝麻發布了新一代高性能車規級自動駕駛計算芯片華山二號 A1000Pro、山海人工智能開發工具平臺以及面向車路協同的路側感知計算平臺 FADEdge。同時，與東風設計研究院、東風悅享達成戰略合作。圖表13 黑芝麻A1000Pro 芯片資料來源:公司網站，華為智能駕駛平臺MDC810 包括了自研的昇騰 310

22、 芯片，其平臺算力為 400TOPS，已在極狐阿爾法HI 車型上應用。除了昇騰 310，華為自動駕駛芯片還有 AI芯片昇騰 910、CPU 芯片鯤鵬 920，華為 MDC 智能駕駛計算平臺已經簽下了超過 18 家客戶，包括上汽、吉利、江淮、一汽紅旗、東風汽車、蘇州金龍、新石器、山東浩睿智能等。高通自動駕駛芯片“驍龍Ride”將于 2023 年上市，面向ASIL-D 及安全性的 SoC 芯片，可支持從 L1 至 L4 的自動駕駛系統，算力覆蓋范圍為 10TOPS 至 700TOPS。“驍龍 Ride”是開放的可編程架構，并提供針對視覺感知、泊車和駕駛員監測等場景的軟件棧，且可持續擴展其軟件生態。

23、智能座艙主控芯片：高通暫時一家獨大高通是目前智能座艙芯片的主力軍，已與全球主要的整車廠建立了合作，同時與博世、大陸、電裝等tier1 廠商成為合作伙伴。除高通外，華為和英偉達在過去幾年快速崛起，對抗傳統座艙芯片企業，如 NXP、瑞薩、TI 等。高通智能座艙芯片有 8155、820A 和 602A，其中驍龍 8155 芯片是高通第三代座艙芯片，采用 5nm 制程，支持 5G 通訊，算力 360 萬次/秒，與高通 820 芯片相比，具有體積小、帶寬大、功耗低、性能強等特點。在威馬 W6、零跑 C11 和WEY 摩卡車型上搭載，8155 可更好地實現座艙效果，如威馬 W6 的貫穿式雙 12.3 寸聯

24、屏和一塊 i-Touch 屏幕的設計；摩卡的座艙實現 5G+V2X、AR-HUD、高精度地圖等功能和配置；零跑 C11 具有 10.25 英寸的儀表盤和副駕駛屏幕及 12.8 英寸的中控屏幕，和人臉ID 啟動車輛和可打斷的語音交互等多項功能。圖表14 零跑 C11 座艙資料來源:公司網站，華為麒麟 990A 芯片已經配備在極狐阿爾法S 上，且支持 5G 網絡連接。麒麟 990A 的 NPU 算力為 3.5TOPs，超過高通 8155 的 3TOPs。除北汽外，比亞迪與華為達成合作，將麒麟 710A應用到比亞迪車型的智能座艙產品中，該芯片對標高通驍龍 820A 芯片。此外華為也推出了 5G車載通

25、信芯片巴龍 5000 和MH5000。英偉達 2018 年與大眾合作，使用 DriveIX 提供人臉識別、語音交互等功能，此外，英偉達為 2020 年新一代奔馳S 級的座艙MBUX提供主控芯片。智能座艙主控芯片為 Tegra 處理器，此外英偉達計劃收購ARM，若收購成功，有望成為智能汽車芯片領域的龍頭。特斯拉在ModelY 的座艙中使用的是英特爾的Atom3950芯片，在新一代ModelS 上用的是AMD的 NAVI23 芯片。二、 功能芯片需求量大幅提升本節主要介紹的功能芯片包括功率半導體、MCU 和傳感器，這些芯片可更好地實現汽車中特定的功能，在電動智能化趨勢下，不僅有新增部件（如 IGB

26、T、激光雷達等），也有數量的提升（如 MCU和毫米波雷達等），這些功能芯片均會為汽車帶來全新的功能和體驗。功率半導體：電動車的心臟功率半導體主要用于控制電路中電流的開閉、流向和大小，對新能源汽車尤為重要。新能源汽車中的功率半導體包括電機逆變器、DC/DC、高壓輔助驅動和OBC 充電器等。圖表15 電動汽車中IGBT 的應用資料來源:比亞迪，功率器件從MOSFET 發展為 IGBT，未來的技術路線為SIC-IGBT。IGBT 是集成了MOSFET 和三極管的器件，具有二者各自的優點，即具備高速開關的特點，同時通過降低通態電壓能夠對電路起到緩沖保護作用，具有損耗小、通態壓降低、輸入阻抗高和驅動功率

27、小等優勢。IGBT 的競爭格局，目前英飛凌在 IGBT 芯片和模組的市占率最高，在 IPM 封裝領域，日本三菱的市占率最高。國內自主企業中，比亞迪具有較強的技術優勢，有望成為行業的龍頭企業。圖表16 IGBT 的全球市場格局資料來源:英飛凌官網，800V 高壓平臺將推動 SiC-IGBT 發展。可縮短充電時間的 800V 平臺的高壓電動車的落地節奏有望加快，在全球市場，2019 年上市的保時捷 taycan 最前使用 800V 高壓平臺。北汽極狐阿爾法 SHI版配備了華為的高壓三電平臺是國內首個實現 800V 高壓的量產車型。此外，比亞迪、廣汽、奇瑞、現代汽車等也將陸續推出 800V 技術。在

28、 800V 技術平臺中，Si-IGBT 器件的導通損耗上升，成本上升但能效下降的潛在問題，而 SiC-IGBT 具有更好的阻抗性能和能耗，未來大規模生產后，成本效益更加明顯。MCU：數量增加，功能聚焦汽車電子控制器ECU（Electronic Control Unit）是汽車各功能得以實現的重要控制器件，應用廣泛，如安全氣囊ECU、車窗 ECU、變速箱 ECU、發動機 ECU、空調 ECU、電動助力轉向（ESP）ECU、防抱死系統（ABS）ECU 等。圖表17 汽車部分ECU 展示資料來源:芯旺微，ECU 的核心部件之一是微控制器（MCU，Micro controller Unit）。MCU

29、又稱單片機，主要部件包括 CPU、存儲器、I/O 端口等，是一種芯片級計算機，可實現終端控制的功能。平均每輛車上搭載超過 70 個 MCU。圖表18 ECU 的主要結構圖表19 MCU 的主要結構 資料來源:uml, 資料來源:uml，MCU 最先由 Intel 提出，歷經了 4 位、8 位、16 位、32 位和 64 位，目前汽車上應用的是 8 位、16位和 32 位，其中以 8 位和 32 位為主，其中 8 位主要應用在簡單和低速處理速度的 ECU 中，而 32位可處理需要大量信息的功能，此外，8 位MCU 具有低成本和低功耗的優點，因此目前市場份額仍較高。16 位與 8 位和 32 位相

30、比，相對優勢較弱，因此份額較低。據 IHS 數據統計，近五年中國 MCU 市場年平均復合增長率(CAGR)為 7.2%，是同期全球 MCU 市場增長率的 4 倍，2019 年中國MCU 市場規模達到 256 億元。據 CSIA 數據，2019 年國內MCU 市場中，8 位 MCU 的市場份額為 40%，32 位的 45%的份額，占據了 MCU 市場的 85%，剩下的 16位和 4 位 MCU 共占 15%的份額。應用領域8 位風扇控制、空調控制、雨刷、天窗、車窗升降、低階儀表板、集線盒、座椅控制、門控模塊等16 位引擎控制、齒輪與離合器控制，和電子式渦輪系統等；底盤機構如懸吊系統、電子式動力方

31、向盤、扭力分散控制， 電子剎車等32 位儀表板控制、車身控制、多媒體信息系統、引擎控制，以及新興的智能性和實時性的安全系統及動力系統，如預碰撞（ Pre-crash）、自適應巡航控制（ACC）、駕駛輔助系統、電子穩定程序等安全功能， 以及復雜的X-by-w ire 等傳動功能圖表20 國內 2019 年 MCU 市場份額圖表21 MCU 主要應用資料來源:CSIA，前瞻產業研究院,資料來源:搜狐、公開資料，MCU 廠商主要是外資，如瑞薩電子、意法半導體、德州儀器、恩智浦、英飛凌等，國內廠商包括士蘭微、兆易創新等。圖表22 2019 年全球MCU 競爭格局圖表23 2019 年國內MCU 競爭格

32、局資料來源:車東西，前瞻產業研究院,資料來源:車東西，與消費級和工業級MCU 相比，車規級MCU 壁壘較高，主要體現在工作的環境溫度、良品率要求和工作壽命要求等方面。而 MCU 本身具有較大的技術壁壘、生產工藝壁壘和成本控制的壁壘，新進入者具有較大的難度。圖表24 車規級MCU 壁壘較高資料來源:比亞迪，汽車配置更加豐富，會增加對 MCU 的需求。如空氣懸架、線控制動和線控轉向等，新增的功能需要MCU 進行計算和執行控制，但隨著域控制器的發展，MCU 承擔的計算功能將有所減弱，將主要用于進行執行相關的控制，因此，MCU 的需求量會有所提升，但壁壘有所降低。2.4 傳感器：ADAS 傳感器快速爆

33、發汽車傳感器可分為車輛狀態傳感器和環境感知類傳感器。車輛狀傳感器是傳統的感知器件，應用在動力（發動機溫度傳感器、進氣傳感器、曲軸位置傳感器等）、底盤（TPMS 傳感器、ESP 加速度傳感器等）和車身（雨量傳感器、溫度傳感器等）中；環境感知類傳感器是自動駕駛中新增的傳感器，主要有激光雷達、毫米波雷達、攝像頭等。圖表25 車輛類傳感器主要分類應用實例單車用量磁傳感器MEMS 傳感器化學類傳感器速度傳感器、位置傳感器、電流傳感器等30 個低壓/中壓壓力傳感器、加速度傳感器、角速度傳感器、陀螺儀、流量傳感器氧傳感器、氮氧化物傳感器50 個/溫度傳感器冷卻液溫度傳感器、EGR 溫度傳感器、蓄電池溫度傳感

34、器等/資料來源:CSIA，前瞻產業研究院，從傳感器的感知原理，車輛狀態傳感器可分為磁傳感器、MEMS 傳感器、化學類傳感器和溫度傳感器，其中磁傳感器和MEMS 傳感器的應用最為廣泛。在新能源汽車中，傳統動力傳動系統的傳感器數量減少，新增的主要為電流和溫度兩大類傳感器。磁傳感器：發動機、變速器中的位移/轉速類傳感器基本不再需要，BEV 新增電流傳感器；MEMS：發動機、變速器中壓力MEMS 不再需要，底盤系統中真空助力泵壓力傳感器 BEV 也不需，而加速度、角速度等慣性傳感器不受影響；化學類：汽油發動機中氧傳感器、爆震傳感器、空氣/燃料流量傳感器等高價值量的化學類傳感器不再需要；溫度：發動機、變

35、速器中NTC 會轉變為電池管理系統和電機中的NTC，而高溫鉑電阻傳感器不再需要。智能化和自動駕駛對車輛類傳感器的影響不大。環境感知類傳感器近些年發展迅猛，其中毫米波雷達、攝像頭和超聲波雷達均已發展成熟，激光雷達處于大規模應用的前期，2022 年將在量產車型上搭載。毫米波雷達從 24GHz 發展到 77GHz，目前已具有 4D 成像的高性能產品，其優勢包括：實施障礙檢測、遠距離探測、路徑規劃、可形成 4D點云等。2021 年華為發布了 4D成像雷達，具有高分辨率、大視場、和 10X 密度的點云。圖表26 華為 4D 毫米波雷達資料來源:公司公開資料，激光雷達在汽車的應用分為兩個領域：直接面向無人

36、駕駛出租車的領域，主要使用機械式激光雷達，對探測性能要求高，價格敏感性相對較低；另一個是面向乘用車的，從 L3 向 L4 過渡的領域，主要使用固態或半固態激光雷達，對穩定性要求高，價格敏感度較高。我們認為，隨著技術的快速更迭、產品性能的突破、整車廠搭載意愿的提升，激光雷達的成本有望進一步降低，將帶動行業的快速發展。從 2021 年開始，很多車企，如長城、蔚來、小鵬、上汽都發布并將量產帶有固態或半固態激光雷達的車型，我們認為 2021 年是車載激光雷達的元年。目前激光雷達行業處于發展初期，參與者主要分為兩類：第一類是早期生產機械式激光雷達，為robotaxi 供貨，可獲得現金流收入，之后布局固態

37、激光雷達，面向滿足車規級的前裝量產車型，主要企業包括禾賽科技、速騰聚創、Velodyne 等；第二類企業是直接瞄準ADAS 車規級固態和半固態激光雷達，這類企業是研發能力和資金實力較強的新進入者，如華為和大疆等。總體而言，行業在全球范圍充分競爭，由于處于技術迭代初期，同時各個技術路線之間的技術同源性低，目前尚沒有出現具備絕對領先優勢的龍頭企業，國內企業存在較大的機遇。三、 主機廠加大布局汽車半導體特斯拉：芯片從采購到自研，感知器件或嘗試激光雷達特斯拉 2013 年啟動Autopilot 項目，2014 年發布AP HW1.0，使用了 1 顆Mobileye 的芯片和 1 顆英偉達 Tegra

38、芯片、1 個EQ3 攝像頭、1 個博世的毫米波雷達和 12 個中程超聲波雷達。2016 年與 Mobileye 結束合作，開始與英偉達展開合作，基于英偉達Drive PX2 進行開發，搭載了 1 顆 Tegra Parker 芯片，于 2016 年底推出了AP HW2.0，使用了 8 個攝像頭、1 個毫米波雷達和 12 個遠程超聲波雷達。2017 年推出了AP HW2.5，搭載了 2 顆 Tegra Parker 芯片，毫米波雷達供應商從博世變成了大陸。2019 年推出了AP HW3.0，搭載了 2 顆自研的FSD 芯片。目前正在開發的AP HW4.0有望于 2022 年發布。圖表27 特斯拉

39、自動駕駛計算平臺演進特斯拉計算平臺HW 1HW 2HW 2.5HW 3發布日期2014-102016-102017-072019-04處理平臺Mobileye EyeQ3英偉達 Drive PX2英偉達 Drive PX2+特斯拉 FSD芯片規劃特斯拉在前三代產品中積累了對自動駕駛算法和軟件的深度理解遭遇瓶頸，供應商的芯片無法滿足特斯拉對于成本功耗算力平衡目標的要求按需定制，從軟件需求倒推芯片需求，實現差異化競爭資料來源:公司網站，特斯拉是第一家自研自制芯片的整車廠，選擇自研的原因是供應商無法滿足特斯拉對芯片的需求：1）自研可以降低成本，可更好地實現大規模銷售的目標；2）采購外部供應商的芯片具

40、有一定的局限性，如供應商要滿足不同主機廠的開發要求，不會對單一客戶進行太多了服務；3）特斯拉將自動駕駛算法和芯片全部掌握在自己手里，可以實現更好的軟硬件融合；4）特斯拉對功耗要求較高，當時的芯片難以滿足。這一策略與蘋果公司做法類似，蘋果公司自研的 IOS 操作系統和芯片，使得其具有更好的用戶體驗。我們認為未來研發實力強的整車廠也會選擇自研芯片，以獲得更好的自動駕駛技術。圖表28 特斯拉FSD資料來源: 公司網站，在傳感器方面，特斯拉一直使用的視覺解決方案，沒有選擇激光雷達，一方面是激光雷達成本較高，另一方面激光雷達需要與高精地圖配合，而高精地圖的繪制需要在全球各地實時更新，較為復雜。目前除了特

41、斯拉之外，其他主流整車廠幾乎全部使用了激光雷達的感知方案，而近日有媒體報道特斯拉在ModelY 車型上測試luminar 的激光雷達，未來不排除特斯拉使用激光雷達的可能性，也有可能是用來測試現有視覺方案的可靠性。比亞迪：自研自制 MCU 和 IGBT截至 2021 年 5 月底，比亞迪半導體車規級 MCU 量產裝車突破 1000 萬顆。2007 年，比亞迪半導體進入工業MCU 領域；2018 年推出第一代 8 位車規級MCU 芯片；2019 年推出第一代 32 位車規級 MCU 芯片，并批量搭載在比亞迪全系列車型上。比亞迪半導體MCU 擁有 300 余人研發團隊，掌握 8051/32 位ARM

42、處理器設計與應用、電容傳感器技術、數字/模擬信號處理技術，嚴格遵循 IATF16949標準生產管控流程。MCU 產品現已申請 328 件國內外專利、201 件發明專利。未來，比亞迪半導體預計將推出車規級 8 位超低功耗系列MCU，及高端32 位M4F 內核MCU 等產品。圖表29 比亞迪MCU 歷程資料來源:比亞迪半導體，2018 年，比亞迪發布了IGBT4.0，比亞迪是中國第一家實現車規級 IGBT 大規模量產、也是唯一一家擁有 IGBT 完整產業鏈的車企，通過精細化平面柵設計，在同等工況下，綜合損耗較市場主流的 IGBT 降低了約 20%。截至 2020 年底，以IGBT為主的車規級功率器

43、件累計裝車超過 100 萬輛，單車行駛里程超過 100 萬公里。2021 年，比亞迪已打磨出一款IGBT6.0，并計劃于比亞迪半導體西安研發中心發布。2018 年，比亞迪宣布已經成功研發了 SiC MOSFET（汽車功率半導體包括基于硅或碳化硅等材料打造的 IGBT 或 MOSFET 等），預計到 2023 年，比亞迪將在旗下的電動車中，實現 SiC 基車用功率半導體對硅基IGBT 的全面替代，將整車性能提升 10%。大眾汽車：力求掌握芯片技術和專利大眾集團計劃自主設計和開發高性能芯片及所需的軟件，生產芯片則尋求供應商代工。大眾 2019年籌建 5000 人團隊開始打造操作系統，然而遇到較多的

44、困難，在第八代高爾夫和 ID3 上出現了較多的 bug。我們認為在芯片和操作系統領域，傳統主機廠的優勢并不明顯，短期內很難補足，需要長期大量的投入，同時汽車行業的開發和管理流程也應該及時轉變，以應對軟硬件技術融合的需求。吉利汽車：SEA 架構核心技術逐步自研吉利汽車 2020 年發布 SEA 浩瀚架構，該架構是吉利最新的智能網聯電動平臺，首款車型極氪 001已經上市。在該架構中，吉利計劃逐步掌控核心技術，如在汽車大腦核心方面，公司要在中央計算平臺&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。在芯片領域，吉利的規劃是從座艙芯片入手，再拓展到自動駕駛芯片：2019 年和 2020 年，公司量推出的E01 和E02 芯片是高集成和高性能的信息娛樂 SOC 芯片，計劃 2021 年推出全棧AI語音芯片V01；2022 年計劃推出全功能高性能數字座艙 SOC 芯片 SE1000，可滿足 ISO 26262 ASIL-D 安全標準；2023 年計劃推出 256TOPS 的自動駕駛SOC 芯片AD1000。圖表30 吉利汽車芯片產品路線圖資料來源: 公司網站，上汽集團：合作共建 IGBT 芯片能力2018 年上汽集團與英飛