《经纬恒润研究报告：汽车电子领军企业_面向L4级以下自动驾驶场景.docx》由会员分享，可在线阅读，更多相关《经纬恒润研究报告：汽车电子领军企业_面向L4级以下自动驾驶场景.docx（38页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、经纬恒润研究报告：汽车电子领军企业_面向L4级以下自动驾驶场景1. 国内汽车电子综合供应商，20 年积淀铸成 3 大核心产品线1.1. 从技术服务商到汽车电子综合供应商，20 年积淀铸成公司 3 大产品线历经 20 年积淀，公司已从软件技术服务商成长为智驾产品软硬件综合供应商。公司于 2003 年 9 月成立，创业之初主要以汽车及航天动力控制系统领域的基础软件开发工具代理业务为 主。同时，公司基于对其代理软件的熟悉度，逐步开始将相关开发工具应用于实践，为主机 厂提供完整的研发服务及解决方案服务业务，并在 2004 年成功承接东风汽车发动机仿真测 试项目。此后的数十年间，又陆续为一汽、东风、上汽
2、搭建了整车 E/E 系统仿真功能测试实 验室（2004-2010）、吉利新平台车型全栈研发及测试服务（2016-2018）等。2006 年，公 司成立汽车电子产品部门，开始迈向车身控制领域的硬件研发，开拓汽车电子产品业务。2009 年，公司成为国内第一家加入 AUTOSAR 组织的基础软件供应商，为公司奠定了在车控领域 的软件实力基础，同年公司收入规模突破 1 亿元。2015 年，公司基于在车身电子领域的软 硬件技术积累，进一步升级汽车电子产品，迈向自动驾驶领域，相关 ADAS 产品成功量产至 上汽荣威、一汽红旗等车型。2018 年，公司开始探索 L4 级自动驾驶业务，整合仿真测试、 高算力智
3、驾控制器等软硬件技术，并于2021年成功为日照港提供全套港口MaaS解决方案。 由此，标志着公司高阶智驾业务整体解决方案业务成功实现商业化落地，同年公司收入规模 突破 30 亿元，净利润达到 1.46 亿元的历史最高水平。目前，公司核心业务包括研发服务及解决方案服务、车身电子产品、智能驾驶电子产品、智 能网联电子产品，以上四大业务合计收入规模占总收入 90%以上（2020 年数据，下同）。其 中，智能驾驶电子产品是公司未来收入规模增长的核心驱动力。我们预计 2021 年该业务收 入已超过 6 亿元，主要受商用车新政策驱动（根据交通部营运货车安全技术条件，2020 年 9 月起，18 吨以上载货
4、车需要强制安装车道偏离预警和前向碰撞预警系统；2021 年 5 月 起，12 吨以上载货车需要强制安装自动紧急刹车系统），公司配套商用车的 ADAS 控制器产 品出货量大幅提升。因此综合来看，2018-2021E 该业务收入规模 CAGR 超过 67.5%。除此 之外，公司还拥有底盘控制电子产品（占比 1.7%）、新能源和动力系统电子产品（占比 1.6%）、高端装备电子产品（占比 1.5%）、汽车电子产品开发服务（占比 3.3%）等。下文我们将针 对车身电子、智能驾驶电子、智能网联电子三大核心硬件产品进一步分析。1.1.1. 车身控制器：已凭借规模优势构筑强护城河，长期有望受益于车身域融合趋势
5、公司车身电子产品品类繁多，涵盖防夹控制器、座椅控制器、商用车车门控制系统、自适应 前照灯系统控制器等数十种，配套客户包括一汽、上汽、长城、广汽等主机厂以及英纳法等 外资 Tier1。其中，主力出货产品包括防夹控制器、BCM 车身控制器、车身域控制器、车门 域控制器、电动后背门控制器。根据公司招股说明书数据统计，2021H1 车身电子产品平均 价格为 123.6 元；2018-2021H1 总销量分别约为 643 万套、618 万套、658 万套、427 万套， 其中防夹控制器占比最高，销量分别约为 277 万套、251 万套、248 万套、176 万套。目前，公司车身控制器业务已凭借多年来所积
6、淀的规模优势及基础软件优势构筑了稳定的护 城河。公司是国内最早一批布局车身控制器的内资 Tier1，相较于国内其他供应商已展现出 相当的规模优势和品质优势，是国内为数不多的可与外资 Tier1 直面竞争的车身电子供应商， 相关产品已成功配套于福特集团、通用汽车、戴姆勒等全球头部主机厂。同时，由于车身控 制器近些年正由原本分散的控制器模块融合为 BCM 车身控制系统，所对应的软件代码量亦 呈现指数级增长，因此需引入更多的第三方商业软件及 AUTOSAR 等规范体系软件。而公司 作为国内第一家加入 AUTOSAR 组织的基础软件供应商，其多年来所积淀的基础软件开发能 力将持续赋能车身电子领域，进一
7、步巩固自身护城河。此外，BCM 模块亦有望进一步升级 为车身域控制器，单车价值量将大幅提升。目前，常规的车身控制模块单车价值量约 150300 元左右，其中除了负责中央控制的 MCU 外，已包含了可实现远程无钥门禁 (RKE)和被动无钥门禁 (PKE) 的收发器和接收器，驱动雨刮、门锁、座椅加热等功能的电机驱动器，针对 于 LED 车灯的驱动芯片等。而随着汽车功能的不断增加，BCM 中输入/输出处理器和通道数 量也会不断增加，这时开发车身控制模块软件的复杂性也呈指数级增加，并且还面临着功耗、 信息安全等问题。因而在 E/E 架构由分布式走向域集中的过程中，众多主机厂亦将车身控制 系统域融合为车
8、身域控制器，在原有的 BCM 模块基础上进一步集成了胎压监测、PEPS、以 太网关等功能，同时也使得该产品单车价值量实现数倍增长。特斯拉在 Model 3 中已率先将 整车车身根据物理区域划分为前、左、右三大车身域控制器。其中，左右车身控制模块把部 分基础功能按区域进行对称划分，两者分别负责各自区域内的内外部灯光、门锁、车窗、驻 车卡钳等。而相对于左车身控制器，右车身控制模块还具有两个独有的功能热管理（左车 控制器仅负责鼓风机等）和自动泊车辅助系统（APA）。前车身控制模块则主要负责为整车中 各个控制器进行电源分配、车前大灯、雨刮器等传统 BCM 的功能。在此高度集中的设计下， 特斯拉三个车身
9、控制器已相当于传统汽车中的车身控制器、4 个车门控制器、2 个座椅控制 器、方向盘位臵记忆控制器、空调控制器、电池传感器等众多 ECU 的融合。根据高工智能汽车研究院数据统计，2021 年度中国市场（不含进出口）乘用车新车搭载 BCM 集成域控制器（处于过渡阶段的产品）上险量为 84.23 万辆（按单车统计口径，部分车型搭载多个域控制器），前装渗透率为仅 4.13%，处于替代升级的早期阶段。面对车身电子产品 换代升级的新趋势，国内以经纬恒润、东软睿驰、诺博科技等为代表内资厂商已相继发布车 身域控产品，有望打破传统车身电子由外资供应商垄断的格局。经纬恒润已于 2020 年推出 BDCU 车身域控
10、制器，能够兼容传统 BCM 功能，同时集成空调算法、门控逻辑、胎压监控、 以太网通讯接口等，且已成功配套量产至一汽集团、华人运通等主机厂。东软睿驰于 2021 年推出基于 NXP S32G 汽车网络处理芯片（全球首个同时集成传统 MCU 与具备 ASIL D 功 能安全 MPU 的芯片）打造整车通用域控制器，并以此为基础可根据主机厂需求灵活应用于 车身域控制（集成网关、车窗控制、灯光控制等功能模块）、底盘域控制（:集成智能控制悬 挂、电子驻车单元等系统功能模块）等多个领域。1.1.2. 智驾控制器：产品已完成 L4 以下全等级覆盖，将充分受益于 ADAS 渗透率提升趋势整体来看，公司智驾控制器
11、产品主要包含 ADAS 控制器、ADCU 域控制器、HPC 车载计算 平台及各类传感器，功能覆盖 L4 级以下全部自动驾驶等级。分不同功能等级来看：（1）在 L2 级以下领域：公司同时具备面向行车及泊车领域的控制器。其中，基于 Mobileye 芯片的“单目一体化”前向视觉系统（也即公司行车 ADAS 控制器）是公司目前智驾业务中 的主力出货产品，可解决 L2 级及以下的行车智能化功能，例如交通拥堵辅助、车道保持辅 助、自适应巡航控制等，已成功量产配套吉利汽车、一汽红旗等多家主机厂。此外，根据主 机厂对可具体功能需求的不同，可增配多个摄像头、毫米波雷达以及超声波雷达，形成 1V、 1V1R、1
12、V3R、1V5R 等多种方案。整体来看，2018-2021H1 公司该产品销量分别为 6.75 万套、10.18 万套、30.67 万套和 27.23 万套。另一方面，公司亦基于德州仪器 TDA2/TDA4 和英飞凌 TC297 打造泊车控制器（对标德赛西威 IPU02 泊车控制器），可实现自动泊车、代 客泊车（需采用 TDA4 芯片）等功能，已成功量产配套至上汽大通、宝能汽车、美团、小马 智行等客户。（2）在 L3（L2+）级领域：公司基于 Mobileye EyeQ4 与英飞凌 TC397 的芯片组合打造集 行车与泊车功能为一体的 ADCU 域控制器，并成功量产配套一汽红旗 EHS-9，可
13、在新增实 现高速路自动驾驶、交通拥堵自动驾驶等高阶智能化功能。（3）在 L4 级领域：公司基于德州仪器 TDA4 与英飞凌 TC397 的芯片组合打造 HPC 车载计 算平台，能够搭载自研或客户定制的人工智能感知算法、路径规划和控制方案，实现在高速 公路、城市道路、停车场等多场景下安全、精准、稳定的自动驾驶。目前，该产品已获得赢 彻科技、宝能汽车等客户定点。此外，公司已于 2021 年底与国内车载 AI 芯片供应商黑芝麻 科技签署战略合作协议，未来将就自动驾驶（包括域控制器、泊车等）、智能座舱产品以及 相关应用开展全面的技术和商务合作。目前，公司 ADAS 控制器已位居国内商用车和乘用车领域头
14、把交椅。2016 年，公司自主研 发的先进辅助驾驶系统（ADAS）控制器首次量产配套上汽荣威 RX5 车型，打破了国外零部 件公司在该领域的垄断地位，同时也标志着公司智驾控制器开始规模化量产出货。根据佐思 车研数据统计，时至 2020 年，公司乘用车新车前视系统（即公司 ADAS 控制器产品）在中 国乘用车新车前视系统供应商装配量中排名第八位，已达到 3.6%，为前十名供应商中唯一 一家本土企业；在自主品牌乘用车市场中，公司市场份额占比达到 16.7%，位居市场第二； 在商用车领域，自 2020 年 9 月新规开始实施至当年 12 月底（根据交通部营运货车安全技 术条件，2020年9月起，18
15、吨以上载货车需要强制安装车道偏离预警和前向碰撞预警系统； 2021 年 5 月起，12 吨以上载货车需要强制安装自动紧急刹车系统），国内重型牵引车（营运 类）搭载公司 ADAS 产品新车上险量 11.2 万辆，市场份额达 30.44%，居市场首位。展望未来，公司 ADAS 产品可凭借 Mobileye 的强大优势，持续享受 L2 级自动驾驶渗透率 提升所带来的行业红利。由于 Mobileye 为软硬一体的交付模式，其主控芯片中封装有成熟 的感知算法，因此具有相当的性价比优势。尤其对于 L2 级以下的低阶自动驾驶领域，主要 以中低端乘用车及商用车为主，其对自动驾驶配臵的软硬件成本敏感度较高，因此
16、更偏好性 价比较高的 Mobileye 方案。根据高工智能汽车研究院数据统计，2021 年 1-11 月新车标配前 向 ADAS 视觉感知系统中，采用最多的就是 Mobileye 方案，占比达到 36.3%。而多年以来， 公司 ADAS 产品一直基于 Mobileye 芯片打造，对应采购金额占总成本比例超过 10%。因此， 我们认为公司 ADAS 产品可凭借 Mobileye 的强大性价比优势，持续享受 L2 级自动驾驶渗透 率提升所带来的行业红利。1.1.3. 智能网联产品：已完成三代产品迭代，可满足当下 5G 及车载以太网需求公司智能网联电子产品业务围绕汽车网联化技术趋势展开，主要包括远程
17、通讯控制器 （T-BOX）和网关（GW）。其中，T-Box 是由 OBD、MCU、GPRS、GPS 定位模块、蓝牙 模块、2G/3G/4G/5G 通信模块、电源转换电路以及车载传感器等相关电子件组成的车辆信息 与定位信息传输系统，同时通过总线通信的方式使车辆与用户实现信息的互联互通，可为用 户提供行车数据、行驶信息、实时状态检测、远程控制以及安防服务等相关数据信息。公司 T-box 产品经历三次迭代，目前已推出基于 5G 和 V2X 技术的新一代 T-BOX 产品，配套车 型包括一汽解放 J6、一汽红旗 HS5/HS7、广汽埃安 S/V/LX 等，2018-2021H1 该产品销量 分为 5.
18、63 万套、21.18 万套、34.24 万套、21.11 万套。公司网关（GW）产品具备平台化特 点，整车厂可以通过该产品提升整车拓扑结构的可扩展性和整车信息安全，目前已配套上汽 通用别克 GL8、奇瑞瑞虎 8、吉利缤越/缤瑞/帝豪/远景/远景 X3/几何 A 等车型，2018-2021H1产品销量为 42.42 万套、64.26 万套、83.66 万套、50.11 万套。T-BOX 渗透率渐入瓶颈期，将为本土供应商核心成长逻辑。T-Box 从 2000 年初的 雏形发展至今，核心通信模组亦从初期的 2G 持续迭代至 5G，已然成为乘用车之中重要且较 为成熟的前装零部件。根据佐思车研数据统计
19、，未来几年 T-BOX 前装渗透率的提升速度将 有所放缓，预计至 2025 年渗透率将达到 85%。同时，由于国内厂商在该领域起步较晚，当 前国内 T-BOX 产品供应商仍主要以 LG 电子、法雷奥、电装等外资 Tier1 为主。公司作为本 土 T-BOX 产品核心供应商，2020 年装配量达到 36.9 万辆，市场占有率达到 3.9%，位居全 部厂商第 10 位，本土厂商第 5 位。因此，未来对于以公司为代表的国内 T-BOX 供应商而言， 装配量提升的逻辑将逐步由享受汽车智能网联化渗透率提升所带来的行业红利转变为国产 替代。而对比海内外厂商当前 T-BOX 产品的核心参数来看，国内厂商在设
20、备启动时间、定 位精度、GNSS 速度精度等方面性能已不输外资供应商，未来有望凭借性价比优势进一步加 速进程。1.2. 从商用车到乘用车，客户结构已覆盖海内外多数主机厂及 Tier1从整体客户结构角度来看，公司现已相继覆盖商用车及乘用车，直接供货的核心客户包括一 汽集团、中国重汽、上汽集团、广汽集团等自主品牌（位居公司前五大客户），2018-2021H1， 公司前五大客户销售金额占当期营业收入的比例分别为 42.6%、50.5%、52.6%和 57.5%。 同时，公司客户结构也已成功拓展至通用汽车、纳威斯达、达夫卡车等外资主机厂，以及英 纳法、安通林、HI-LEX、博格华纳、伊顿工业等国际 T
21、ier1 客户。此外，公司亦获得了中国 商飞、中国中车等高端装备领域客户和日照港等无人运输领域客户。2. 面向高阶自动驾驶领域，ADAS 控制器软硬件实现革命性升级2.1. 控制器硬件从一体机迈向中央计算平台，主控芯片效率成为核心胜负手2.1.1. 分布式 E/E 架构之下：ADAS 硬件以一体机方案为主，且相互独立、功能单一传统汽车采用分布式的 E/E 架构，单车功能的升级仅依赖于 ECU 数量的叠加。ECU 是集成 电路技术应用于汽车领域的重要成果，同时亦是推动汽车电子化的核心元件。与其他工业领 域中的电子控制单元类似，ECU 的主要物理结构为“单片机+外围电路”。其中，单片机是 将中央处
22、理器、存储器、输入/输出接口等集成到一块硅片上构成的微型计算机系统。而外围 电路则包含电容、电阻、电感等，与单片机共同集成于单个电路板之上，并最终被安装于一 个铝质盒内，通过卡扣或者螺钉方便安装于车身钣金上。根据 ECU 实际应用领域的不同， 传统汽车中的 ECU 可分为发动机控制、无极变速器控制、自动变速箱控制、主动安全控制、 汽车仪表控制等几十种分类，单车整体功能体系的丰富度依赖于车身所搭载的 ECU 类型。 同时，在传统汽车的分布式 E/E 架构之下，单个 ECU 仅对应实现某一种功能，且软硬件强 耦合（软件升级难度大），因而单车功能的升级方式也仅依赖于 ECU 数量的增加。具体至自动驾
23、驶领域而言，在传统分布式架构之下整车自动驾驶系统亦由几个相互独立的子 系统构建而成，且每个子系统中的 ECU 独占其所配套的传感器，产品形态通常以“传感器+ 控制器”的一体机方案为主。同时，根据控制模块可实现功能的不同，各个子系统具体可分 为前向 ADAS 系统、侧后 ADAS 系统、自动泊车系统、全景环视系统共四大类，所对应的 可实现部分 L2 级及以下自动驾驶功能。（1） 前向 ADAS 系统：以前视摄像头模块（FCM）或前视雷达模块（FCR）两种方案为 主。其中，前视摄像头模块根据所搭载摄像头数量的不同，又可分为单目、双目、双焦、三焦共四种形态。举例来看，经纬恒润的先进辅助驾驶系统 AD
24、AS，即为典型的 单目一体机方案，控制器主板上包含两颗芯片，一颗为 Mobileye EyeQ4 负责完成视 觉算法计算（包括图像预处理、样本采集标记、样本训练及分类等）；另一颗为英飞 凌 TC297 负责逻辑控制，同时进行安全冗余。此外，若搭配前视雷达模块，形成 1V1R 的传感器方案，则可支持交通拥堵辅助、智能巡航辅助等行车辅助驾驶功能。同时， 由于多数传统主机厂在面向低阶自动驾驶领域时主要也以解决行车辅助驾驶功能为 主，因此相比较其他子系统，前向 ADAS 系统当前在前装领域的渗透率最高。根据 佐思汽研的统计数据，2020 年中国乘用车新车前视系统（即公司 ADAS 产品）渗透 率为 2
25、6.4%，预计到 2025 年，我国乘用车前视系统装配量将达到 1630.5 万辆，渗 配率将达到 65.0%。（2） 侧后 ADAS 系统：主要由两个侧后向24G 毫米波雷达模块组成，通常辅以前视 ADAS 系统搭配上车，用以实现部分横向辅助驾驶功能，例如变道盲区预警、开门预警、变 道辅助功能等。（3） 泊车辅助系统：主要由泊车控制器及 12 颗超声波雷达共同组成（8 颗安装于车前/ 后、4 颗安装于车两侧）。根据可实现泊车功能等级的不同，泊车辅助系统大致可分 为三个级别：最低级的辅助泊车系统仅实现 APA 功能，也即当汽车在低速巡航时， 将使用超声波雷达感知周围环境，帮助驾驶员找到尺寸合适
26、的空车位，并在驾驶员发 送泊车指令后，将汽车泊入车位。更高一阶的泊车辅助系统则增加了车载蓝牙通讯模 块，可实现 RPA 远程遥控泊车功能。而最高阶的辅助泊车系统可结合前视 ADAS 系 统、全景环视系统实现 AVP 代客泊车功能。典型的辅助泊车系统为德赛西威基于 Jacinto TDA4 打造的 IPU02，低阶版本可实现 APA 功能并融合 AVM（此前被命名 为 IPU01）；高阶版本可实现 AVP 代客泊车功能，并已在吉利星越 L 等车型上规模 化量产。从渗透率角度来看，如前文所述，由于当前行业整体自动驾驶渗透率较低， 尤其在面向中低端车型时，主机厂对自动驾驶硬件成本敏感度较高，往往仅选
27、择解决 行车功能的辅助驾驶系统，因而泊车系统当前成体渗透率仍然较低。根据高工智能汽 车研究院监测数据显示，2021 年中国市场（不含进出口）乘用车新车前装标配搭载 APA 上险量为 243.26 万辆，渗透率仅为 11.93%，远低于前向 ADAS 系统。从竞争 格局角度来看，目前国内 80%以上的市场份额由外资 Tier1 垄断，德赛西威则凭借 IPU02 在内资厂商中排名第一（市占率 6.49%）。（4）全景环视系统：主要由全景环视控制器及 4 颗环视摄像头组成。同时，由于 4 颗环视 摄像头亦可一定程度上弥补传统泊车辅助系统车位线识别能力不足的缺陷，因而目前全景环 视控制器已多与泊车辅助
28、控制器融合。例如，经纬恒润基于“TC297+TDA2”芯片方案的泊 车控制器，即可同时实现自动泊车及全景环视功能。2.1.2. 域集中 E/E 架构之下：ADAS 硬件升级为域控制器，主控芯片性能决定智驾功能等级在汽车智能化升级趋势下，若仍采用传统分布式架构，则单车 ECU 数量将成倍增加，伴之 而来的将是整车线束长度及成本增加、系统性升级难度大、难以自动化生产等问题。因此， 在全球头部主机厂与 Tier1 的引领下，汽车 E/E 架构正由分布式走向域集中，所对应的 ECU 也将多合一融合为域控制器。而当域控制器成为实现整车功能的核心硬件时，单车功能升级 的根本逻辑亦从原本纯粹的累加 ECU
29、数量，转为提升域控制器主控芯片的算力及其所驱动 的算法。换言之，域控制器主控芯片的性能将一定程度决定单车智能化功能的等级。可以看 到，在特斯拉的引领下。目前，域控制器中主控芯片多以“MCU+GPU+DSP/ISP+XPU+外围电路”的多芯片组合的 SoC 为主，其中各类芯片各司其职，涵盖控制、计算、加速三个单元。分别来看：（1）MCU 实际就是将 CPU、RAM、ROM、定时器和输入输出 I/O 引脚集成在一颗芯片之上，其中 CPU 为核心运算单元。同时，由于 CPU 遵循冯诺依曼架构（存储程序并顺序执行），因而在 SoC 主要对应控制单元，主要负责自动驾驶规化、控制及决策算法。（2）GPU
30、从物理结构上与CPU 有本质的不同，ALU 计算单元占比更大，因此更适合并行计算（也即将计算任务分割 成若干子任务，可在同一时间或空间内完成多个子任务运算，从而快速完成该项计算任务； 与之相对应的是 CPU 擅长的串行计算），主要负责完成图像感知、SLAM 构图等算法。（3） XPU 指针对于某特定领域的计算所开发的一类专用芯片（或称为加速器）。当其运用在自动 驾驶领域时，可根据芯片架构设计思路的不同，分为谷歌专门为加速深层神经网络运算能力 而研发的 TPU、寒武纪等公司专门为加速神经网络模型的 NPU、地平线基于自研贝叶斯架 构而研发的 BPU 等。（4）DSP 和 ISP 是在模拟信号变换
31、成数字信号以后进行高速实时处理 的专用芯片，其中 DSP 擅长声音领域加速；ISP 擅长图像领域加速，其主要功能包括 AE（自 动曝光）、AF（自动对焦）、AWB（自动白平衡）、去除图像噪声等，通过 ISP 可以得到更好 的图像效果。我们以英伟达 Orin 为例，进一步说明当前车载主控芯片结构。Orin SoC 集成了 GPU、CPU、 深度学习加速器 DLA、视觉加速器 PVA、视频编解码器、ISP 等，同时引入了车规级的安全 岛 Safety Island 设计。其中，GPU 对应运算单元、CPU 对应控制单元、ACCEL 对应加速 单元。GPU 采用英伟达自研的 Ampere 架构，其中
32、包含 2048 个 CUDA Core 和 64 个 Tensor Core，是提供算力的核心硬件单元。CPU 采用 ARM Cortex-A78 架构，合计包含 12 个 CPU 内核，最大 CPU 频率达到了 2.2GHz。DLA 全称为 Deep Learning Accelerator，顾名思义 即用于加速在自动驾驶领域中常用的卷积神经网络模型（CNN），其设计原理也完全依照于卷积神经网络模型的运算原理，也即对乘和累加运算单元的堆砌，但有效提高了整体运算效 率，释放了 GPU 来运行用户所执行的更复杂的网络和动态任务。PVA 则主要负责对视觉相 关算法加速，尤其针对滤波、扭曲、图形三角
33、生成、特征检测、FFT 等矢量运算，具体应用 主要是立体双目、特征检测器、特征追踪、目标追踪。2.2控制器软件从强耦合迈向 SOA 软件架构软件在智能车全生命周期过程中地位越来越重要，涵盖定义、开发、验证、销售、服务所有 环节，同时当硬件配臵逐渐趋同时，软件算法将成为各主机厂间追求差异化的战略要塞。软 件定义汽车”的概念最早于 2007 年 4 月份的 IEEE 会议论文中被提出，而后于 2016 年被百 度自动驾驶事业部总经理再次提及，随之这一概念开始在产业界广为流传，并已逐步成为产 业界对于智能汽车演进方向的共识。可以看到，在智能汽车的全生命周期中，定义、开发、 验证、销售、服务每个环节中
34、软件的地位均越来越重。当硬件配臵竞赛达到白热化阶段时， 软件层面的竞争则更能体现差异化竞争力。同时，软件的边际开发成本更低，更易满足用户 千人千面的需求，且完善的软件生态亦可为整车厂树立更加牢固的护城河、打造更为差异化 的品牌特征，从而反向推动新车的销量。根据 McKinsey analysis 数据预计，2030 年全球车 载软件市场规模将有望达到 500 亿美元。为实现真正的软件定义汽车，智能汽车软件架构向 SOA 转型升级，提升软件开发效率、降 低边际开发成本、实现软硬件松耦 合。如果说集中化的 E/E 架构是实现软件定义汽车的硬件基础，那 SOA 架构则是实现软件定义汽车的软件基础。在
35、传统的整车功能开发中，开发过程基于总线信号，将每个功能都部 署在具体的 ECU 中，这个 ECU 是软硬一体的黑盒子交付，如果要新增或升级某项功能，除 了要修改与该信号相关的所有 ECU 软件外，还需要对总线的网关配臵、节点的数量等进行 修改。而在 SOA 架构下，本质上是将本质上是将整车的功能分解为多个微服务（例如语音 功能服务、导航功能服务、蓝牙功能服务等），其中每个微服务都可视为一个高内聚、低耦 合、相互独立的软件模块，并且对外提供标准化服务的接口（不依赖于硬件平台）。对于后 期进行功能开发工程师而言，仅需要简单的调用这些标准服务接口并有序的排列组合，即可 便捷的持续开发新应用、并一定程
36、度上实现对软件功能的复用，降低边际开发成本。我们以疲劳驾驶检测和人车共舞两个功能的实现，来举例说明 SOA架构下应用的开发原理。 如前文所述，SOA 软件架构下将整车功能分解为若干微服务模块。而每个服务模块包含三大 要素：（1）所需调用的具体设备或网络；（2）可实现的某类功能；（3）可输出的数值或状态。 例如对于单一的 DMS 服务模块而言，所对应的三大要素就是座舱内视摄像头、检测驾驶员 面部、驾驶员疲劳状态。而当我们要开发一个完整的疲劳检测功能时，则需要将 DMS、导 航、音乐播放等微服务模块通过逻辑组合关系构建为一个疲劳检测功能。类似的，当我们要 推送人车共舞功能时，则需要调用摄像头、音乐
37、微服务等，仅需要参考各类微服务所包含的 要素，并按一定逻辑组合即可实现该功能。进一步来看，若分层拆解 SOA 软件架构，自下而上可分为四大层级，相对应的技术壁垒依 次降低、但价值量依次递增。（1）系统内核、虚拟机：该层级在开发时与整车的产品定义以及所采用的硬件平台均无关， 为所有汽车软件架构中最为基础以及必不可少的部分。其中，系统内核是软件架构中直接且 唯一可对接硬件资源的部分，具备调度硬件的作用。而虚拟机（或称为虚拟化平台）的主要 作用为将有限的硬件资源进行抽象化并按需求再次分配，例如座舱内“一芯多屏”的实现即 依赖于虚拟机将单颗芯片的硬件资源划分为两个区域，以便不同安全功能等级的操作系统运
38、 行（中控往往采用安全功能等级较低的安卓系统、仪表则需采用安全功能等级较高的 QNX 系统等）。目前可自研系统内核的厂商仅有特斯拉、华为、QNX 等；而虚拟机技术则多由内 核供应商或芯片厂商提供。（2）中间件：该层级在开发时需考虑整车的产品定义以及所采用的硬件平台，但与该车型 智能驾驶功能水平无关。中间件泛指一类提供系统软件和应用软件之间连接、便于软件各部 件之间沟通的软件，是实现软硬件解耦、构建 SOA 软件架构的核心环节。通过对底层软件 模块的封装和接口标准化（也即上文所提到的将整车功能分解为若干个微服务），可以将硬 件功能抽象化并将其通过标准化接口提供给上层软件开发者，实现软硬件分离。同
39、时推动跨 平台开发，减少设计的复杂性，从而消除了多次重新开发相同软件的问题。（3）功能软件及算法模块：该层级与整车产品定义、硬件平台、智能驾驶功能水平均有关，但与具体要实现某项智能驾驶功能无关。该层级也可以理解为一类中间件，只不过是特定针 对于自动驾驶领域的一类，例如感知算法、SLAM 建模算法、控制算法等。由于智能驾驶涵 盖多种跨行业技术，单一厂商很难在系统软件之上完成端到端的设计，因此只有实现功能软 件化、模块化、标准化，使得产业链各方力量各抒己长（例如算法公司专注于感知或规控等 算法、Tier1 亦可专注自己擅长的模块），整车厂才能根据功能软件框架进行集成、灵活配臵， 从而推动智能网联产
40、品快速落地。（4）：应用程序：该层级代表着某项具体的智能驾驶功能，与整车产品定义、硬件平台、智 能驾驶水平都息息相关。应用程序涵盖智能座舱、自动驾驶等多个领域，在 SOA 软件架构 下，主机厂软件工程师可快速调用各类基础模块完成新的应用程序开发并通过云端推送至车 主。以上汽零束为例，目前已实现“T+0+1+7”的迭代速度，也即在新的应用场景可于“T+0” 快速上线；新的轻应用可于“T+1”快速上线；新的 APP 则可在“T+7”时快速上线。3. 智驾技术工程化落地能力出众，助力其在 L4 以下具备多重成长性3.1. 中低阶自动驾驶领域：可基于多个芯片平台实现 ADAS 产品智能化升级目前，行业
41、内关于自动驾驶域控制器芯片的选择存在两类主流方案，一类是以英伟达为代表 的通用计算芯片（GPU），也即具备支持多类深度学习模型、开放芯片接口供主机厂定制化 等特点。另一类是以 Mobileye 为代表的专用计算芯片（ASIC），其特点为将算法直接封装至 芯片内，采用“黑盒”交付模式。多年以来，公司 ADAS 产品以 Mobileye 芯片为核心解决 方案，因此我们在讨论公司未来在 L3 级以上自动驾驶领域的成长性时，下文将分为两类情 景假设：（1）若公司仍以 Mobileye 为核心解决方案，在 L3+领域是否具备成长空间？（2） 若公司不再以 Mobileye 为核心解决方案，是否能够平滑的
42、迁移至其他芯片平台。3.1.1. 情景假设一：若仍在 Mobileye 体系内，公司在 L2+/L3 领域是否具备成长空间？若公司未来仍以 Mobileye 芯片为核心解决方案，则其智能驾驶产品未来在 L3 以上的成长性 将一定程度依赖于Mobileye 自身的发展情况，因而此处我们将讨论的问题便转变为Mobileye 在 L3 级以上自动驾驶领域是否存在足够成长性。上文提到，历史以来 Mobileye 采用“黑盒” 交付模式，也即将感知算法直接烧录在芯片中，仅对主机厂输出计算结果（例如测距距离、 道路曲率等）。此类交付方式特点是性价比高、对主机厂或 Tier1 的自研能力要求较低，因而 在自
43、动驾驶渗透率较低的时期倍受主机厂喜爱。可以看到，Mobileye 芯片在 2021 年全球整 体出货量高达到 2810 万片。然而，当下随着主机厂自研能力逐步加强，且自动驾驶逐渐成 为众多车型的重要卖点（意味着主机厂对自动驾驶相关硬件成本的容忍度变高、对自动驾驶 算法的要求更为苛刻），主机厂在 L3 以上领域则更偏好英伟达等芯片的“白盒”交付模式， 从而将核心感知算法掌握在自身手中，进一步实现全栈自研。不过，我们认为未来在 L3 以上领域 Mobileye 依旧将有一席之地。原因如下： （1） Mobileye 已从“黑盒”模式升级为“灰盒”模式，将更多的编译权下放给主机厂 Mobileye
44、在 EyeQ5 开始支持第三方编程，也即开放了图像算法接口和训练算法接口。主机厂可自由选择图像算法的同时也可以通过训练算法接口将自身所采集的数据返 还给芯片持续训练，从而持续优化升级自动驾驶算法模型，摆脱原有黑盒模式的刻板 印象。同时，在 2022 年初发布三款全新芯片，将成为其在 L3 以上领域的胜负手， 具体包括： EyeQ6Light：阉割版本的 EyeQ6，采用 7nm 制程、5Tops 算力、3w 功耗、2023 年 量产。主要用以替代先前的系列芯片，解决低阶自动驾驶。 EyeQ6High：EyeQ5H 的进阶版本，7nm 制程、34Tops 算力。根据官方介绍，算力 相比 EyeQ
45、5 多了接近 3 倍，但是能耗只多了 25%。EyeQ Ultra：L4 级自动驾驶核心芯片，对标英伟达下一代自动驾驶芯片。采用 5nm 制程、176Tops 算力、小于 100w 功耗。（2） 丰富的众包地图数据可提升自身运算效率，从而一定程度弥补在峰值算力上的差距 英伟达芯片为通用计算芯片，本质上的运算逻辑与 Mobileye 所采用的专用计算芯片 存在差异，因而单纯的去对比峰值算力并不能说明各自的优劣。正如“马力”不如“百 公里加速”更真实的反映整车动力性能；算力并不能真实反映汽车 AI 芯片性能，因 此以地平线为代表的科技公司曾提出以“每秒准确识别图像帧率 FPS”为真实性能的 指标。
46、Mobileye 虽然峰值算力不足但其效率更高。自动驾驶决策中算力消耗的核心环节在 于“决策”，也即基于感知的信息对周围的交通参与者的行进轨迹进行预测，然后决 策出一条合理且安全的路线，但是一旦涉及到预测，随着预测的未来时间越久，对算 力的需求就会进入指数级增长的过程。因此，Mobileye 为提升运算效率，获得视觉 感知信息后会先进行场景分割，优先计算路面信息，而不是盲目地全局处理。换言之， Mobileye 为提升自身运算效率会优先去计算有可能的未来，而不是一味的运算所有 未来。而之所以可以实现择优计算，本质上依靠的是已有强大的 REM（道路信息管 理平台）的众包地图服务平台。根据 202
47、2 年 CES 公司公布信息，Mobileye 宣布现 有的众包车队在 2021 年期间，一共收集了 40 亿公里的数据，目前每天可以收集 2500 万公里的数据，预计 2022 年可以收集 90 亿公里的数据。（3） 差异化锚定万亿级商用车高阶自动驾驶市场 L4 以上的自动驾驶应用将分为商用车以及消费级自动驾驶车辆。其中，商用车因其 多以固定路线或封闭园区形式，此类厂商更注重的基于自动驾驶功能之上所提供的各 类运输或出行服务，因而更偏好于“硬件+算法+地图”的一体化解决方案。也正因如 此，我们认为，未来在商用车高阶自动驾驶领域，Mobileye 的性价比优势将得以延 续。同时，未来商用车自动
48、驾驶应用场景众多，包含港口、矿区、末端物流、智慧园 区、干线物流等，其市场规模亦会相当庞大。根据蔚来资本测算数据，远期来看国内 高阶自动驾驶商用车市场规模将超过 1.4 万亿元。因此，Mobileye 一直以来十分着重于商用车领域布局。2020 年，斥资 9 亿美元收购 的以色列出行服务运营商 Moovit（业务遍及全球 102 个国家），通过 Moovit 的技术 来扩展 Mobileye 的移动出行服务。同时，与蔚来汽车合作研发 Robotaxi 车辆，搭载 8 颗 EyeQ5 芯片，预计 2022 年在以色列特拉维夫和德国慕尼黑提供 Robotaxi 服务。 此外，在 2022 年初的全
49、球 CES 大会上，美国硅谷创业公司 Udelv 首次发布使用 Mobileye 自动驾驶技术开发的电动货运车，并计划在 2023 年实现商业运营，到 2028 年生产 35000 辆 Udelv 无人驾驶货运车。目前，美国最大的商业车队管理公司 Donlen 已订购了 1000 辆该款搭载 Mobileye 自动驾驶方案的运输车。（4） 英特尔收购 Mobileye 后，可为其提供成熟软件开发套件，补全其软件生态 通常而言，完整的自动驾驶硬件系统不止包含芯片本身，还需要传感器之间的融合算 法，再辅以驾驶策略以及决策能力和高精地图。同时，还有功能安全和故障后继续保 持工作的能力，因此自动驾驶芯片的销售往往需要辅以成熟的开发套件。而在英特尔 收购 Mobileye 后可有效补全其“灰盒”模式下的软件工具链。实际上，在其收购完 成后，英特尔以色列分部的 200 名工程师已全员加入 Mobileye，为 EyeQ5 及以上的 SOC 芯片专门开发工具链和 API，使得主机厂可以自由的将在英伟