汽车电子SoC 芯片

往期回顾

车载操作系统（一）：软件定义汽车

车载操作系统（二）：车控操作系统

车载操作系统（三）：智能座舱操作系统

车载操作系统（四）：国内外车载OS布局

车载操作系统（五）：AUTOSAR规范

车载操作系统（六）：域控制器

车载操作系统（七）：虚拟化（Hypervisor）

随着E/E架构从分布式向集中式演进，欧博原有的硬件配置格局被打破，ECU数量被大幅精简，并新增域控制器，将相似功能的ECU交由对应的域控制器进行统一管理及调度，以形成域集中式架构，域控制器成为主要的计算和调度单元。

随着未来自动驾驶的到来，车辆各种数据汇聚、融合处理，E/E架构会更为集中，比如摄像头、毫米波雷达、激光雷达乃至GPS和轮速传感器的数据，都在同一个计算中心内进行处理，形成中央计算平台架构。

根据博世的划分方法，整车分为动力总成域、底盘域、车身域、智能座舱域和自动驾驶域五大功能域。其中：

动力总成域、底盘域、车身域是针对汽车传统功能的集成，因此主要为控制指令与通信的计算需求；

智能座舱域集成了全液晶仪表盘、抬头显示仪、中控屏幕及后座娱乐系统等功能，通过融合及处理“语音、视觉”等感知数据，赋予车辆智能互动、实时监控等能力，但由于其在运行过程中需要实现汽车应用的多任务并发，因此芯片算力的支撑相对重要；

自动驾驶域作为智能化趋势下产生的新兴域，负责车辆在自动驾驶过程中大量传感器融合数据的处理任务，而车辆对于安全性、实时性的要求极高，因此需要实现算力与算法的“极致化”。

动力总成域、底盘域、车身域作为汽车原有能力的“集成域”，或将会存在原有供应商之间的利益蚕食，以及难以整合的风险。从目前所提出的动力总成域解决方案可以看到，基本都是由个别龙头供应商牵头，亦或是整车厂自研而成，例如，特斯拉的集成化三电系统、华为的多合一电驱动系统DriveOne、长城欧拉自研的三合一电驱桥等。

智能座舱域与自动驾驶域作为智能化的“新兴域”，其供应链体系相较于传统能力整合下的“集成域”而言，更为完整且丰富。同时，其相关技术的可借鉴性、功能的可拓展性效应更强，也更为重要。因此，我们认为，智能座舱域、自动驾驶域或将成为供应商之间长期竞争的焦点。

目前，智能座舱域、自动驾驶域控制器的供应仍以Tier1为主。其中，智能座舱域中主要采用伟世通、大陆、博世、安波福、德赛西威等厂商产品；自动驾驶域中则使用伟世通、大陆、博世的居多，广东惠州的德赛西威作为后来居上者，其自动驾驶域控制器-IPU03搭载于小鹏P7也已实现配套量产，理想汽车也宣布将在2022年量产的全尺寸SUV上搭载德赛西威的自动驾驶域控制器。

市场规模方面，未来3-5年，智能座舱域控制器的市场增速和规模将明显大于自动驾驶域控制器，原因是：

智能座舱量产难度较小、成本相对可控；

全球范围内汽车5G网络的应用将是智能座舱的重大推力，按各整车厂和Tier1的量产进度，座舱域控制器出货量将在2021年迎来爆发。

自动驾驶域控制器受法规和技术成熟度的影响，预计3-5年内乘用车L3/L4级自动驾驶难以大规模落地，欧博娱乐现阶段各整车厂、Tier1和芯片厂商力推L2+自动驾驶汽车量产落地，预计2025年前后将是L3/L4级自动驾驶汽车量产的高峰期，但仍可能以toB车辆为主导，预计到2025年全球乘用车自动驾驶域控制器年出货量将达500万套左右。

在集中式E/E架构下，新增的域控制器被集成了更多的功能，主控芯片若要与其职能相匹配，则算力必须随之提升。在此趋势下，汽车芯片将从MCU（Micro Controller Unit，微控制器）向SoC（System on a Chip，系统级芯片）异构芯片开始转移。

在分布式E/E架构阶段，ECU主要应对简单指令的处理，采用由CPU+存储+外设接口组成的MCU芯片即可满足其对算力的需求。

随着汽车向集中式架构迭代，域控制器的出现，大量ECU被功能性整合，原有分散的硬件可以进行信息互通及资源共享，硬件与传感器之间也可实现功能性的扩展，而域控制器作为汽车运算决策的中心，其功能的实现主要依赖于主控芯片、软件操作系统、中间件、算法等多层次软硬件之间的有机结合。

同时，为了赋予汽车更高级别的智能化功能，域控制器需要处理由传感器传来的环境信息，其中涵盖了海量的非结构化数据，这就导致面向控制指令运算的MCU芯片难以满足复杂的运算。

相比之下，SoC芯片引入了DSP（Digital Signal Processing，数字信号处理）、GPU（Graphics Processing Unit，图形处理单元）、NPU（Neural Processing Unit，神经处理单元），使其不仅拥有控制单元，还集成了大量的计算单元，从而能够支撑多任务并发及海量数据的处理。例如，高通在2021年1月发布的Snapdragon Ride SoC芯片算力高达700TOPS，是MCU芯片算力的指数级倍数。

小知识

TOPS（Tera Operations Per Second，处理器每秒钟可进行多少万亿次运算），1TOPS代表处理器每秒钟可进行一万亿次（10^12）运算。

L2自动驾驶算力：小于10TOPS

L3自动驾驶算力：约30-60TOPS

L4自动驾驶算力：>100TOPS

L5自动驾驶算力：500-1000TOPS

与此对应的还有GOPS（Giga Operations Per Second，处理器每秒钟可进行多少十亿次运算），MOPS（Million Operation Per Second，处理器每秒钟可进行多少百万次运算）算力单位。

在某些情况下，还使用TOPS/W作为衡量处理器运算能力的性能指标，TOPS/W表示在1瓦功耗的情况下，处理器能进行多少万亿次操作。

智能座舱作为人车交互最直接的触点，未来将集成更多如DMS（Driver Monitor System，驾驶员状态监控）、应用娱乐的功能，同时，车载屏幕也将从单屏逐渐扩展到中控屏、流媒体中央后视镜、HUD（Head Up Display，抬头显示/平视显示）等多个屏幕。而为了实现各屏幕间的互联互通，提高交互效率，“一芯多屏”的设计方案有望成为主流，并将倒逼MCU芯片升级为算力更强的SoC芯片，以承载大量图像、音频等非结构化数据的算力需求。同时，从应用娱乐模式所需的算力角度来看，与手机的单窗口单任务相比，汽车的应用多为多任务并发模式，因此其更需要强大的算力来支撑。

智能座舱域控制器芯片市场参与者除了传统汽车芯片厂商之外，消费芯片厂商也纷纷入局，两大阵营之间兼并收购及联盟合作频发。截至目前，NVIDIA已与全球370+整车厂、一级供应商达成合作；Intel以153亿美元收购以色列自动驾驶技术公司Mobileye切入汽车产业；高通曾意图以380亿美元收购NXP，但未能如愿。

其中，传统汽车芯片厂商主要有瑞萨、NXP、德州仪器等，主要面向中低端市场；消费芯片厂商则以高通、NVIDIA、Intel、三星、联发科为主，主要面向中高端市场。根据Strategy Analytics的数据显示，2016年瑞萨与NXP二者的市场份额高达58%，但从CPU和GPU的性能来看，高通的8155芯片对应算力分别为8.5万DMIPS、1142GFLOPS，远远领先于其它厂商2倍以上，更符合“一芯多屏”的算力需求，以实现屏幕间的“无缝联动”。

自动驾驶的实现依赖大量的传感器，其产生的海量数据需要强大的计算能力作为支撑，而芯片算力、利用率及能耗比将是决定其是否能实现性能最优化的关键指标。根据国内领先的自动驾驶芯片设计初创公司地平线的观点，实现L3级别至少需要24 TOPS，而在L4级、L5级，其算力的要求将呈指数级上升，达到千T级。同时，车辆在自动驾驶过程中，其延时必须要控制在毫秒甚至微秒级别，才能保证行驶过程的安全，而这一标准的实现，对于芯片的算力要求又提升了一个维度。

目前，除了特斯拉自主研发的FSD芯片，其他整车厂受制于自身研发实力，选择与Mobileye、NVIDIA、高通、NXP、瑞萨等芯片厂商合作。根据各公司官网公开的数据进行比较，NVIDIA（Orin）和高通（8540+9000）芯片的算力优势相对突出。其中，Orin单颗芯片的算力可达200-250 TOPS，是其它芯片算力的数倍，已能够支持L2-L5的自动驾驶；而高通则采取8540+9000组合芯片的方式，其算力合计高达700-760TOPS，也已能够支持L4-L5的自动驾驶。

值得注意的是，除了算力以外，算力利用率和能耗比也是衡量芯片性能的重要指标。其中，从“算力利用率=真实算力/理论算力”的计算拆解来看，当真实算力与理论算力越接近，算力利用率则越高，越能发挥出芯片的最佳性能；根据“能耗比=算力/功耗”计算公式，在高算力模式下，芯片功耗越低，则芯片性能越好。因此，我们根据计算得出NVIDIA（Orin）芯片、瑞萨、黑芝麻、高通、Mobileye（Eye Q5）的能耗比相对较高，芯片性能更为优秀，且更能满足自动驾驶的运算需求。

单芯片的性能强度并不是整车厂考虑的唯一要素，除芯片性能之外，芯片的价格以及其背后厂商在自动驾驶领域的软件生态和工具链的成熟程度也是重要的参考。

在芯片价格方面：NVIDIA Orin芯片的单颗价格约在300-500美元左右；高通采用Snapdragon 8540+9000芯片的组合方式，单颗芯片价值约为110-200美元；瑞萨R-Car V3U和Mobileye Eye Q6的单价区间分别为70-100美元、130-160美元；

在软件生态和工具链方面：NVIDIA展现出了较强的竞争优势，NVIDIA基于丰富的软件生态，通过开放的CUDA、Tensor RT API及各类库进行编程，借助高效的工具链产品和最初的原型，使得整车厂在自动驾驶系统的研发更快地落地。

此外，不同的芯片厂商对于其能否提供整体解决方案以及其方案的开放程度、定制化供给的选择均不相同，这也在一定程度上导致了整车厂倾向于主动选择与自己能力及需求相匹配的芯片厂商。例如，Mobileye虽然能提供整体化方案，但其方案的开放性相对较弱，仅给予整车厂“黑箱式”的输出，因此，自身软件及算法能力相对较弱的厂商会去选择与其进行合作；而NVIDIA、高通等在提供整体化方案时相较于Mobileye则更为“开放”，且允许定制化服务。因此，自身能力相对较强，或对于主动权重视的整车厂则会偏向于选择NVIDIA、高通等厂商；而NXP、TI等由于仅提供其芯片支持，并不提供整体化方案，因此竞争力相对较弱。

在汽车电子电气发展初期，分布式ECU上的芯片与传感器是一一对应的关系，无需太强大的计算和存储能力，而智能座舱和自动驾驶则需要随时处于交互状态，包括与驾乘人员交互、与外界环境交互以及与云端数据中心交互，这些交互涉及海量的数据以及图片、视频等非结构化数据，需要进行大量的数据运算与处理。因此，具备强大计算能力的车规级芯片的需求也与日俱增。

汽车是物联网综合组成体，无论是对功耗、算力、安全、成本的要求，还是对可靠性、稳定性、寿命、工作环境的要求，车规级芯片的标准远远高于消费级芯片，可以说，车规级芯片是芯片行业的珠穆朗玛峰。