2020年汽车芯片行业深度报告-1

 

 

1、芯片是软件定义汽车生态发展的基石

在智能网联汽车产业大变革背景下，软件定义汽车理念已成为共识。传统汽车采用 的分布式 E/E 架构因计算能力不足、通讯带宽不足、不便于软件升级等瓶颈，不能满足 现阶段汽车发展的需求，E/E 架构升级已成为智能网联汽车发展的关键。

汽车 E/E 架构升级主要体现在：1）硬件架构升级。由分布式 ECU 向域控制/中央 集中架构方向发展。好处在于：提升算力利用率，减少算力设计总需求；数据统一交互， 实现整车功能协同；缩短线束，降低故障率，减轻质量。2）软件架构升级。通过 AutoSAR 等软件架构提供标准的接口定义，模块化设计，促使软硬件解耦分层，实现软硬件设计 分离；Classic AutoSAR 架构逐步向 Classic AutoSAR 和 Adaptive AutoSAR 混合式架构方 向发展。好处在于：可实现软件/固件 OTA 升级、软件架构的软实时、操作系统可移植；采集数据信息多功能应用，有效减少硬件需求量，真正实现软件定义汽车。3）通信架构 升级。车载网络骨干由 LIN/CAN 总线向以太网方向发展。好处在于：满足高速传输、 高通量、低延迟等性能需求，同时也可减少安装、测试成本。

从博世对 E/E 架构定义来看，硬件架构的升级路径表现为分布式（模块化→集成 化）、域集中（域控制集中→跨域融合）、中央集中式（车载电脑→车-云计算）。即为分 布式 ECU（每个功能对应一个 ECU）逐渐模块化、集成向域控制器（一般按照动力域、 底盘域、车身域、信息娱乐域和 ADAS 域等），然后部分域开始跨域融合发展（如底盘 和动力域功能安全、信息安全相似），并发展整合为中央计算平台（即一个电脑），最后 向云计算和车端计算（中央计算平台）发展。其中车端计算主要用于车内部的实时处理， 而云计算作为车端计算的补充，为智能汽车提供非实时性（如座舱部分场景可允许微秒 级别的延迟）的数据交互和运算处理。

 

 

硬件架构升级驱动芯片算力需求呈现指数级提升趋势。传统汽车功能简单，与外界 交互较少，常为分布式 ECU，主要为控制指令运算（约为百万条指令每秒）、无 AI 运算 能力、存储较小；智能网联汽车，不仅需要与人交互，也需要大量与外界环境甚至云数 据中心交互，未来将面临海量的非结构化数据需要处理，车端中央计算平台将需要 500+ 百万条指令/秒的控制指令运算能力、300+TOPS（即为 300*1012 次每秒）的 AI 算力。

 

智能网联汽车四大核心技术：芯片、操作系统、算法、数据共同形成生态闭环，芯 片是智能网联汽车生态发展的基石。类比手机产业链，我们认为芯片/操作系统或成为寡 头垄断格局，而从当下行业发展看，芯片或格局相对较为稳定，且处在产业核心位置。

2. 汽车处理芯片由 MCU 向 AI 芯片方向发展

半导体可分为模拟芯片、数字芯片、OSD 三大类。模拟电路是指处理模拟信号的电 子电路。模拟信号具有连续性，信号传播的信息包含在幅度、频率、相位的变化上，常 应用于放大信号，信号源两方面。数字电路是指处理数字信号的电子电路。数字信号以 二进制逻辑代数为基础，实现简单，系统可靠，具有算数运算和逻辑运算的功能。OSD 包括光电器件、传感器、分立器件三个细分类型。

 

2.1. 汽车数据处理芯片运算由控制指令向 AI 运算方向发展 

现阶段，汽车芯片市场上对汽车数据处理芯片分类有按三类：1）智能运算为主的 AI 芯片；2）算力较强的主 CPU；3）算力较弱的 MCU（仍可视为 CPU）。也有按两类：1）智能运算为主的 AI 芯片；2）CPU 运算为主的 MCU。为了便于理解，主 CPU 和 MCU 的主要玩家都是同一类，而且 CPU 与 MCU 本质均为控制指令运算，因此我们采用第二 种分类方法。

汽车芯片由以控制指令运算为主的 MCU 向智能运算为主的 AI 芯片方向发展。1） 控制指令运算可执行如等待指令、停机指令、空操作指令、中断指令等，其运算单位为 DMIPS：即 Dhrystone MIPS 测试下，计算能力为百万条指令/秒，一般通用芯片常用其 表示，如传统汽车电子的 MCU 等，代表厂商如英飞凌、瑞萨、恩智浦等。2）AI 矩阵 运算常指对矩阵运算做加速的能力，对应用于图像、视频等非结构化数据的运算处理的 情况下，单位功耗将更低，计算速度更快，其运算单位为 TOPS、Tflops，均指每秒运算 1012 次。TOPS：指数据类型为整数型，常用于自动驾驶等领域，代表产品如华为昇腾系 列芯片、地平线征程系列芯片、寒武纪的 MLU 系列芯片等。Tflops：指数据类型为单精度浮点数，较整数型数据精度更高，通用 AI 芯片常用它表示，常用于如核实验室运算、 分子动力学运算等，代表产品如英伟达的 GPU 芯片。

在智能网联汽车领域，Int8 数据类型精度即可满足现阶段 AI 运算要求。Int 8 和 FP32 分为定点数和浮点数，小数点的位置是固定的，则为定点数，小数点的位置是浮动 的，则为浮点数。Int8 代表 8 个字节，此外，还有 int4，int16 等字节数越高，计算精度 会提升，但占用存储增多，会降低计算速度，所以为保证满足数据精度和运算速度，常 用 Int8 数据类型，单位为 TOPS（即 1012次/秒）。

汽车芯片结构形式由 MCU 向 SOC 异构芯片方向发展。汽车数据处理芯片按应用 可分为 MCU（微控制器）、SoC（System on Chip 系统级芯片）。MCU 结构简单，可视 为简化版本的 CPU，其将 CPU 的频率和规格适当缩减，并将内存、计数器、IO 接口、 I/D 转换等结构都整合到单一芯片，形成芯片级的计算机，主要用于汽车执行端 ECU 中 进行控制指令运算。

SoC 是一颗系统级芯片，常由 CPU+GPU+DSP+NPU+各种外设接 口、存储类型等电子元件组成，现阶段主要应用于座舱 IVI、域控制等较复杂的领域。SOC 较 MCU 集成程度更高，常集成 AI 处理单元，功能更复杂。SOC 芯片：1） 硬件集成规模更为庞大，提升资源利用效率。常额外集成音频处理 DSP/图像处理 GPU/ 深度学习加速单元 NPU 等，单颗芯片上集成更多的配套电路，减小了面积，提升资源 利用率，片上互联利于集成电路之间的高速互通互联。2）芯片上软件配套更大，提升处 理效率。SOC 芯片上有丰富的软件配套（工具链、编译器等），提升了处理效率。3）可 支持多任务的复杂系统。但并非所有的 SOC 芯片均为 AI 芯片，需集成一定规模的时 间网络单元才是 AI 芯片，如华为昇腾芯片、地平线征程芯片、寒武纪 MLU 芯片、特斯 拉 FSD 均为此类芯片。

2.2. ARM 内核提供芯片控制指令运算能力 

CPU 架构可分为 X86 为代表的复杂指令集架构，和 ARM 为代表的精简指令集架 构。汽车 CPU 架构主要为 ARM 架构，在 MCU 和 SOC 中担任控制指令运算。CPU 架 构可分为 CISC（复杂指令集）架构和 RISC（精简指令集）架构。1）复杂指令集指令可 变格式，包括 8、16、32、64 位，其特点是单指令功能强大且复杂，指令执行周期长， 可以直接操作内存，常见的复杂指令集如 X86，代表企业 intel、AMD。2）精简指令集 的特点是单指令功能简单、执行速度快，编译效率高，不能直接操作内存，常见的精简 指令集有 ARM、MIPS、OpenRISC 以及 RSIC-V 等,代表企业：ARM。ARM 处理器内 核广泛用于嵌入式系统，具有执行效率高，低成本等优点。

ARM Cortex 系列主要分为 A、R、M 三类。1）Cortex-A 系列：常集成于 SOC 中， 面向性能密集型系统的应用处理器内核，带宽多为 64/32 位，主频可达 GHz 级别 （1GHz=103MHz），当主频达到 1GHz 时，其单核控制指令算力为几千 DMIPS（DMIPS 即为百万条指令每秒），多用于汽车座舱娱乐信息系统或 ADAS 领域；2）Cortex-M 系 列：常集成于 MCU 中，主要面向各类嵌入式应用的微控制器内核，主频为几十-几百 MHz 级别，其单核控制指令算力为几十至几百 DMIPS，多用于汽车执行端控制领域；3）Cortex-R 系列面向实时应用的高性能内核，介于 A 与 M 之间。

 

2.3. AI 处理器提供芯片智能运算能力 

AI 处理器可分为云端处理器、边缘端处理器、终端处理器。1）云端 AI 处理器， 支持 Int8 定点运算或 FP16、FP32 浮点运算，支持深度学习推理/训练要求，主要应用 于政府、企业数据中心的服务器中，如服务金融业、航空航天、气象预报、宇宙演化模 拟以及抗震分析等领域计算。此外在未来 5G 应用，更多的汽车数据会传送到车企数据 中心用来训练模型，实现软件、算法的优化。2）边缘端 AI 处理器，Int8 定点运算，支 持深度学习推理要求，主要应用于工控机、安防摄像头、机器人、汽车车端等领域，由 于所搭载设备的电力资源有限，能效比高（算力/功耗，值越高越经济）、接口丰富等是 关键。3）终端 AI 处理器主要支持深度学习推理功能，主要应用于手机等移动终端，如 华为麒麟系列芯片。未来云边端三类处理器并非竞争关系，而是未来会进一步协同发展， 云端训练模型实现算法软件的优化，并提供给边缘/终端进行本地化 AI 运算。

车端 AI 处理器现阶段主要负责深度学习的推理任务。智能算法范围由大至小依次 为：人工智能、机器学习、深度学习、神经网络。应用场景越少，对应需要的实现的算 法越少，就越适用于专用芯片，可通过精简处理器软硬件模块，使处理器计算效率、能 效比更高。

 

2.4. 车规级芯片条件苛刻 

车规级芯片标准远高于消费级，认证流程长。1）工作环境更为恶劣：相比于消费 芯片及一般工业芯片，汽车芯片的工作环境温度范围宽（-40 至 155 摄氏度）、高振动、 多粉尘、多电磁干扰。2）可靠性安全性要求高：一般的汽车设计寿命都在 15 年或 20 万 公里左右，远大于消费电子产品寿命要求。在相同的可靠性要求下，系统组成的部件和 环