智能駕駛芯片賽道正處於快速增長期。

分層來看，域控方面，高工智能汽車研究院監測數據顯示，2022年中國市場（不含進出口）乘用車前裝標配搭載智能駕駛行車（含行泊一體）域控制器（含主動安全控制器，用於融合控制）114.70萬台，同比增長81.26%。

智能前視一體機方面，高工智能汽車研究院監測數據顯示，2022年中國市場（不含進出口）乘用車前裝標配搭載智能前視一體機820.79萬台，同比增長24.67%。

本文以高工智能汽車研究院監測數據爲基礎，結合對部分業內人士的調研，對智能駕駛芯片的發展現狀進行系統性梳理，並對行業發展的一些關鍵性問題，進行探討。數據分析部分，此次主要圍繞域控芯片展开。

問題1：單月智駕域控車型（存在多SOC方案）交付數據，呈現什么趨勢？

高工智能汽車研究院監測數據顯示，除4月外，2022年單月智駕域控搭載交付，均明顯高於2021年，全年呈大幅震蕩上行趨勢。

進一步來看，2022年4月低於上一年的原因，主要受當時上海疫情影響，特斯拉（國內工廠位於上海）2022年4月交付上險量爲0.17萬輛，2021年4月爲1.20萬輛。若剔除該項因素影響，2022年4月數據將高於2021年4月。

另外，不同月份搭載交付數據大幅震蕩的原因，主要亦來自於特斯拉的影響，其2022年的單月交付數據，往往在不足1萬台，到6-7萬台之間大幅搖擺，若剔除特斯拉的數據，單月數據間連續性較好，呈小幅震蕩上漲態勢。

問題2：智駕域控車型，價格區間分布

高工智能汽車研究院監測數據顯示，30-35萬元價格帶的車型，是智駕域控搭載的主力。具體來看，2022年搭載智駕域控的車型均價爲32.29萬元，作爲對比，2021年爲33.19萬元，價格略爲下探。

問題3：不同價格區間車型，芯片分布

高工智能汽車研究院監測數據顯示，45萬元以上車型（主要爲蔚來、理想車型放量，極狐、高合、放量較少），搭載交付的基本爲英偉達的Orin芯片；

25-45萬元車型，特斯拉佔比重最大，小鵬、理想、蔚來，則選擇英偉達/地平线的方案，極氪選擇Mobileye的方案，長城旗下的坦克採取的TI+Mobileye的方案，其他車型放量較少；

25萬元以下車型，零跑採用股東大華股份的自研芯片（凌芯）方案，長城採用Mobileye的方案，小鵬P5採用英偉達的方案，其他車型放量較少。

問題4：不同價格區間車型，域控算力分布

問題5：智駕芯片賽道所處階段

當前處於收斂“前夜”，至於“夜晚”有多長，尚未可知。

具體來看：由於智駕芯片的硬件，需要適配上層軟件算法，軟硬需要有強適配性，硬件的真實算力才能更好地發揮出來。因此，談智駕芯片處於什么樣的發展階段，某種程度上其實在談智能駕駛處於什么樣的階段。

那智能駕駛處於什么樣的階段？

這個問題需要分層來看，其一，基礎的L0-L2市場日益成熟，市場規模在快速擴大。

其二，NOA等高階智駕方面，高速NOA在逐步逼近“好用”的狀態，但城市NOA仍處探索期，corner case問題待解，在不斷攻堅、嘗試向上迭代演進的路上，自動駕駛算法類型包括車道线、佔用網絡、transformer、BEV等，目前仍在演進。

在高工智能汽車的近期調研中，多數業內人士的共識是，城市NOA需要相對較長的周期，才能打磨到令公衆滿意的“理想”狀態，L3需要相對較長的周期才能跨過（從L3過渡到L4則會很快）。

另，這裏還有一個問題，即跨過L3究竟需要多少算力，傳感器要堆到什么樣的程度，是否要用高精地圖、激光雷達、4D毫米波雷達等，這些仍待探索。

因而，或可以這樣來說，基礎L0-L2正處於快速增長期，這部分的底層芯片處於規模放量階段；城市NOA的攻堅仍待時日，這部分的底層芯片發展，仍處於收斂“前夜”。

但進一步來說，由於L0-L2勢必要向上演進，得低階智駕頂多算是擠入牌桌，得高階智駕才能贏得牌局。

因而整體上看，智駕芯片仍處於收斂“前夜”。

問題6：市場競爭態勢

分層來看，其一，基礎的L0-L2市場。

基礎L0-L2，用智能前視一體機即可實現，這裏面的主要格局爲：mobileye的方案，其在這一領域長期深耕，其用攝像頭做主傳感器，自研“視覺算法+芯片”的軟硬一體方案，頗受市場青睞，近年來營收增速迅猛；

博世的方案，採用賽靈思、瑞薩等第三方芯片，相比視覺而言，毫米波雷達等非視覺傳感器是強項。

值得注意的是，L0-L2後續勢必要向上迭代，當嘗試跨入高速NOA時，基本要從分布式架構過渡至域控架構。

在E/E架構變革中，域控架構、艙駕一體架構、中央集成架構，主機廠對於頂層軟件靈魂的控制需求越來越強，從而爲車型的個性化奠定基礎，mobileye的軟硬一體方案遭遇冷遇。

其二，NOA等高階智駕市場。

實現高速NOA、城市NOA，市場上基本採取域控方案（包括行車域控、行泊一體域控）。借用某芯片廠商管理層的話，在這一領域存在兩條曲线，一條以英偉達爲代表，畫出了算力“天花板”曲线，一條以傳統汽車MCU巨頭爲代表，畫出來“地板”曲线。其他玩家則位居兩者中間。

回溯來看，2019年12月，英偉達發布Orin，單片算力200TOPS（後增至254TOPS）；國內車企在2020年掀起自動駕駛算力軍備競賽，以蔚來爲例，其2021年1月發布ET7搭載4顆Orin，算力達1016TOPS，算力比拼之激烈可見一斑。

從大背景上看，特斯拉的股價在2020年初开始一飛衝天，美股激光雷達公司也在2020年迎上市潮。及至2021-2022年，自動駕駛的寒潮一股股襲來，諸多L4公司或破產，或降級爲車企提供L2+方案，激光雷達上市公司股價斷崖式下跌，市場趨於理性。

因此，當下已量產的域控平台，不同方案間算力差別巨大。

其中，一方面，蔚來ES7、ET7、ET5，算力高達1016TOPS，根據高工智能汽車研究院監測數據，小鵬、理想、智己、阿維塔、極狐、飛凡、埃安、哪吒等車企的最新旗艦車型，也搭載了英偉達或華爲的高算力平台，算力均在200TOPS及以上。

某種程度上來看，這些車型是瞄准跨過/逼近L3而來：一方面，要爲增強版高速NOA提供算力，另一方面，要爲城市NOA、全場景NOA預先置入算力。此外，要做L3，要實現算力的冗余，比如特斯拉2顆FSD芯片中，1顆用於計算，一顆用於冗余系統。

另一方面，低算力智駕域控平台逐漸走向成熟，實現行泊一體的同時，嘗試做基礎L2能力的升級，實現入門級的高速NOA。這部分方案追求極致性價比（消費端是否好用，需進一步探討），講究算法裁剪、算力分時復用，傳感器方案亦追求極致成本，不做類似特斯拉算力只發揮一半的冗余。

具體來看，2022年在市場走紅的輕量級行泊一體方案，算力普遍在5-20TOPS，多採用雙SOC方案（TI的TDA4、地平线的J3被較多使用），部分智能駕駛供應商推出的輕量級行泊一體方案，號稱瞄准15萬元級車型市場。

實際落地上，2022年上市交付的吉利博越L、榮威鯨，均搭載了NOA功能，分別採用J3+TDA4的方案、雙TDA4的方案，算力分別爲13TOPS、16TOPS。根據高工智能汽車研究院監測數據，雖然這兩款車對應NOA功能爲選裝，且在2022年上市後放量並不多，但起碼證明NOA在嘗試往平價車型滲透。

除了TI，地平线顯然抓住了行泊一體的窗口期。在行泊一體窗口期出現之前，憑借芯片產品力、較強的工具鏈能力，供應鏈安全可控的背景下，逐步上車座艙、智駕，提升量產經驗，從而有能力在NOA/行泊一體窗口期享受紅利。

市場的變化，也引發業內人士的感慨。

“花1000TOPS的錢，买50TOPS的功能”，近期調研中，有業內人士這樣調侃蔚來的4顆Orin方案。

在其看來，高階智能始終未解決corner case問題，自動駕駛無法成爲“殺手級應用”，這也是小鵬汽車表現遇挫的根因，其在智能駕駛上的標籤和定位使其投入巨大，但在終端反饋有限，消費者仍呈風險厭惡。

問題7：當下產業內面臨什么樣的痛點？

其一，10-30TOPS算力區間，除黑芝麻智能的A1000L（16TOPS）、Mobileye的EyeQ5（24TOPS），市場上基本沒有單SOC產品，被指“較長時間內處於市場空白”；

（根據高工智能汽車研究院監測數據，結合近期調研獲取的信息，現行輕量級行泊一體域控，主要包括3種方案：雙SOC方案，主要用TI TDA4、J3，達到10TOPS、13TOPS、16TOPS的效果；單SOC，用黑芝麻A1000L的16TOPS；用TI TDA4或J3做單SOC，算力分時復用）

其二，智駕整體开發、交付成本高。原因包括，芯片廠商、域控、上層算法整體的不收斂，市場均處於非標准化階段，產業分工模糊，效率低下，很多的重復开發調試；

其三，架構缺陷。做行泊一體，泊車部分需要一部分圖像渲染能力，但部分產品沒有GPU；

其四，工具鏈很難用。導致即便芯片本身可以，但tier1、主機廠很難把芯片真正用起來；

整體來看，根據調研獲取的信息，對於其三、其四，由於芯片廠商的創始人，有的爲軟件出身，有的爲硬件出身，既有的能力、經驗、資源，造就了其產品的部分優勢，也造就了產品的缺陷，在前幾代產品中踩坑不可避免，關鍵是要快速彌補上來。

因而，完成商業化閉環，被部分受調研人士認爲，是當前智駕玩家面臨的“最大挑战”。換言之，沒有廠商可以在一开始，就交出一個十全十美的“芯片+工具鏈”，只有先交一個相對優質的答卷，被主機廠用起來，有一定造血能力，接着再快速把芯片、工具鏈迭代好。

問題8：未來智駕芯片產業會如何演進？

其一，10-30TOPS算力區間，會湧現一批優秀的單SOC產品，越來越好用；

其二，50-100TOPS左右的算力區間，會有一定的需求，當下用的5V5R傳感器做輕量級行泊一體方案，支撐高速NOA，或在安全性上並不太足，傳感器的配置再進一步提升，或者說方案上進一步完善，可能才適合更大面積的放量，這也對應更大算力的芯片需求；

其三，艙駕一體、中央集成必然會到來，但重點在到來的節奏。市場趨於理性的情況下，1000TOPS、2000TOPS的產品，在規模放量上或許會推遲。待智駕的技術體系，對於corner case的解決有實質性突破，L4會重新火熱。

問題9：中長期來看，智駕芯片玩家的護城河？

芯片、工具鏈以及用戶生態。

問題10：中間件、感規控算法能力，最終會歸誰來做，芯片廠商、tier1還是車企？

根據調研中獲取的信息，由於要开發適合智駕算法的芯片，必須要對智駕算法有深刻的洞察和理解，算法能力被認爲是芯片廠商的核心能力之一。當下，部分芯片廠商提供中間件，乃至提供感規控算法能力。

那在調研中，芯片玩家基本表示，未把中間件、感規控算法作爲核心能力，僅是一個較爲邊緣的能力（此處指域控中算法，不包括智能前視一體機）。

爲何對智駕算法有深刻洞察，卻不做算法？

調研中，有一個觀點是，底層的芯片是共性、標准化的能力；上層的感規控算法等，有大量的個性化的能力，需要跟不同的主機廠大量深入對接，然後服務。芯片廠商的核心是要把下層共性的能力做好，而非去賺上層個性化服務的錢。

當前局勢來看，感規控算法上，主要是國內tier1和主機廠在“拔河”。

目前，蔚小理在感規控、中間件上介入較深，大量傳統主機廠在當下的量產車型上，基本在用Tier1的成套方案。根據此前對行泊一體供應商的調研，行泊一體供應商基本均布局“感規控算法+中間件+域控硬件集成”，然後根據主機廠的要求靈活提供對應能力。

問題11：智駕芯片的競爭格局上，主要包括哪幾類玩家？產品布局如何？

文章源自互聯網，不作任何商業用途，如有侵權，請聯系刪除。內容僅供閱讀，不構成投資建議，請謹慎對待。投資者據此操作，風險自擔。

本文作者可以追加內容哦 !