在汽車“新四化”浪潮下，汽車由傳統(tǒng)的代步工具逐步向具備感知、決策、執(zhí)行能力，長(zhǎng)在輪子上的“智能終端”演進(jìn)；“軟件定義汽車”的商業(yè)模式逐步開始顛覆傳統(tǒng)汽車制造行業(yè)，其產(chǎn)業(yè)鏈價(jià)值也產(chǎn)生了重要的變化，汽車電子和軟件成為智能汽車時(shí)代價(jià)值鏈分配的主要增量。而在這里面汽車芯片作為主導(dǎo)智能化的基石，產(chǎn)生了很大的需求及市場(chǎng)變化。
在過去5年，車載芯片的算力增長(zhǎng)遠(yuǎn)超預(yù)期（圖1），從早一個(gè)時(shí)代的汽車ADAS技術(shù)主要奠基者和引領(lǐng)者M(jìn)obileye代表作之一EyeQ4時(shí)代的2.2TOPS到英偉達(dá)新發(fā)布下一代自動(dòng)駕駛芯片Atlan（預(yù)計(jì)2025年裝車） 1000TOPS算力，短短幾年時(shí)間算力增長(zhǎng)超過400倍。
而驅(qū)動(dòng)算力軍備競(jìng)賽的，正是以特斯拉為首的新勢(shì)力示范下，使得全球車企都看到采用自動(dòng)駕駛架構(gòu)，用數(shù)據(jù)和算法持續(xù)提升，通過智能化能力實(shí)現(xiàn)彎道超車的機(jī)會(huì)。但這種開發(fā)模式，就需要強(qiáng)大的自由算力支持和快速迭代調(diào)整的適應(yīng)能力。
Mobileye作為近20年的自動(dòng)駕駛賽道領(lǐng)跑玩家，在這場(chǎng)競(jìng)賽中，也被包括英偉達(dá)、高通等一眾新勢(shì)力玩家搶占先機(jī)。
圖1：主流自動(dòng)駕駛賽道玩家芯片算力演進(jìn)（圖源：開源證券）
智能汽車算力的提升將給未來汽車形態(tài)帶來無窮的想象空間：
智能座艙
娛樂和元宇宙將是座艙未來的第一需求。我國(guó)市場(chǎng)座艙智能配置水平的新車滲透率約48.8％，到2025年預(yù)計(jì)可超過75％。
智能座艙最終將成為“移動(dòng)智能空間”的第三空間，通過人工智能和沉浸式音視頻帶來革命性的人機(jī)交互體驗(yàn)，并結(jié)合智慧視覺能力實(shí)現(xiàn)實(shí)時(shí)安全提醒和智能AR導(dǎo)航，其核心能力包括智能化服務(wù)（語(yǔ)義理解和視覺感知、空間交互、主動(dòng)感知人的需求）、沉浸式視聽（多屏互動(dòng)，多聲道、沉浸式體驗(yàn)，游戲體驗(yàn)），驅(qū)動(dòng)其進(jìn)入“算力時(shí)代”，進(jìn)一步對(duì)大算力芯片提出四大挑戰(zhàn)（圖2）。
今天的用戶購(gòu)車考量中，座艙智能科技配置水平，成為僅次于安全配置的第二大類關(guān)鍵要素；智能座艙進(jìn)一步向元宇宙演進(jìn)中，會(huì)對(duì)異構(gòu)計(jì)算（CPU/GPU/NPU等）算力的演進(jìn)提出更高的要求，需要芯片廠家能夠快速貼近主機(jī)廠需求、滿足迭代速度。
圖2：智能座艙大算力芯片四大挑戰(zhàn)
自動(dòng)駕駛
行業(yè)內(nèi)自動(dòng)駕駛兩條路線，一是特斯拉為代表的純機(jī)器視覺路線，二是絕大多數(shù)主機(jī)廠認(rèn)可的感知融合路線。
特斯拉機(jī)器視覺路線并不是誰都能玩的路線，高度依賴于樣本的訓(xùn)練，對(duì)數(shù)據(jù)+算法有非常強(qiáng)的依賴（特斯拉為此建立全球領(lǐng)先的超級(jí)計(jì)算機(jī)訓(xùn)練平臺(tái)Dojo），同時(shí)從安全角度來看是單保險(xiǎn)模式；而主流認(rèn)可的方向仍然是感知融合，采用“視覺的圖像數(shù)據(jù)+雷達(dá)的速度和位置信息數(shù)據(jù)”融合感知的方式，方案落地相對(duì)較快，同時(shí)基于攝像頭的純視覺感知+雷達(dá)融合感知實(shí)現(xiàn)冗余設(shè)計(jì)。
隨著激光雷達(dá)成本的進(jìn)一步降低，融合感知路線會(huì)更進(jìn)一步形成勢(shì)頭。多感知能力，要求引入大量傳感器數(shù)據(jù)，對(duì)車載算力提出更高的要求；中高端車型包括理想X01、小鵬G9、北汽極狐阿爾法S等都已經(jīng)搭配超過30+傳感器（包括攝像頭、毫米波雷達(dá)、超聲波雷達(dá)、激光雷達(dá)），攝像頭全面引入800萬像素，激光雷達(dá)普遍上車，整車自動(dòng)駕駛算力已經(jīng)從數(shù)百TOPS到1000 TOPS的演進(jìn)（圖3）。
圖3：典型車型傳感器部署和自動(dòng)駕駛芯片算力（圖源：銀河證券）
同時(shí)特斯拉與Mobileye的分手和自研FSD芯片的崛起，也進(jìn)一步說明深度學(xué)習(xí)是自動(dòng)駕駛的分水嶺；多方入局自動(dòng)駕駛的底層邏輯是確定性的，即依靠AI在行駛過程中進(jìn)行視覺識(shí)別和判斷決策。
自2012年以來，不同網(wǎng)絡(luò)結(jié)構(gòu)的CNN（卷積神經(jīng)網(wǎng)絡(luò)）幾乎統(tǒng)治了圖像識(shí)別領(lǐng)域算法；2017年開始，Transformer 網(wǎng)絡(luò)開始引起廣泛關(guān)注，統(tǒng)治了NLP（自然語(yǔ)言處理領(lǐng)域）領(lǐng)域，并逐步移植到了很多視覺任務(wù)。
2020 年 Vision Transformer （ ViT ）橫空出世，計(jì)算機(jī)視覺領(lǐng)域的頂級(jí)峰會(huì) CVPR 2021上，特斯拉在算法領(lǐng)域引入Transformer模型，典型應(yīng)用包括八個(gè)攝像頭的視頻中用傳統(tǒng)的 ResNet 提取圖像特征，并使用 Transformer 算法將它們?nèi)诤显谝黄稹?/p>
未來是各廠商重點(diǎn)布局算法核心能力的時(shí)期，而算法仍然是一個(gè)快速迭代和變化的時(shí)代；在通往高等級(jí)自動(dòng)駕駛過程中，DNN模型數(shù)量也會(huì)持續(xù)增加到數(shù)十個(gè)。適應(yīng)這樣的變化，需要有穩(wěn)定的通用大算力性能作為基石，使得自動(dòng)駕駛軟件的不斷迭代優(yōu)化能夠享受到硬件算力先行帶來的便利。
更進(jìn)一步，汽車電子電氣架構(gòu)從“分布式架構(gòu)-域控制器-中央計(jì)算平臺(tái)”的演化過程基本成為行業(yè)共識(shí)。
在今天，主力的車型規(guī)劃基本上都是以域控制器架構(gòu)為主，車身域、智駕域、座艙域三個(gè)方面已經(jīng)開始形成基本一致；但同時(shí)，也有越來越多的主機(jī)廠開始進(jìn)入下一階段入中央計(jì)算平臺(tái)+區(qū)控制器的架構(gòu)，這帶來對(duì)車載高性能計(jì)算的新要求。
中央計(jì)算平臺(tái)硬件可能搭載多顆SOC芯片或者專用SOC配套（如純粹的AI加速），算力上CPU高達(dá)250K到500K DMIPS，AI算力高達(dá)600到數(shù)千TOPS的要求。
隨著單芯片進(jìn)入到<5nm的制程，摩爾定律1.0逐步失效，單片算力增長(zhǎng)受限，我們認(rèn)為芯片級(jí)聯(lián)方案將以更低成本的算力堆積來滿足不同場(chǎng)景下智能汽車對(duì)于算力的不斷需求。
伴隨著未來智能座艙走向元宇宙時(shí)代、自動(dòng)駕駛走向L4/L5、汽車電子電氣架構(gòu)走向中央計(jì)算平臺(tái)+區(qū)控制器模式，對(duì)底層基礎(chǔ)的算力、算法都會(huì)產(chǎn)生快速的變化牽引。
回顧過去幾年時(shí)間，傳統(tǒng)的汽車芯片玩家NXP/RENESAS/TI已經(jīng)遭遇被NVDIA/Qualcomm洗牌，2年前還強(qiáng)勢(shì)的Mobileye被各大主機(jī)廠逐步更換，國(guó)內(nèi)新老芯片勢(shì)力開始入局。
持續(xù)的變化代表著這個(gè)時(shí)代還沒有最終的格局性玩家；對(duì)于市場(chǎng)已有芯片供應(yīng)商玩家，如何避免被新的時(shí)代變化所拋棄；對(duì)于新入局的玩家，甩掉老的慣性，也有機(jī)會(huì)抓住未來幾年 “算力質(zhì)變支撐應(yīng)用和算法的持續(xù)迭代”的窗口期，獲得新一輪較量的先機(jī)。
