（報告出品方/作者：國信證券，熊莉、於威業）
核心觀點
巨頭廠商底層技術突破，為汽車智能化帶來質變
無論是造車新勢力，還是傳統車廠都在深度布局汽車智能化，座艙域、 駕駛域的發展速度尤為驚人。目前智能座艙的新車型普及度持續攀升， 智能駕駛的落地速度也有所加快。在汽車新四化浪潮下，車廠、晶片廠 商、Tier1、OS 以及其他軟硬體供應商積極投入研發，產品迭代速度顯 著加快。尤其巨頭廠商在底層技術的突破，為市場帶來質變。
硬體控制器集中化，SDV 已成為未來行業發展趨勢
隨著軟硬體和新技術的共同發展，ECU 開發瓶頸問題日益突出，汽車行 業由最初的「機械定義汽車」逐步轉變為「軟體定義汽車」。硬體控制器 集中化，SDV 已成為未來行業發展趨勢。在軟體定義汽車時代，產品價 值鏈被重塑，傳統汽車核心競爭要素將會被硬體、軟體和服務所取代， 供應鏈生態也將變革，汽車行業的重點將從依靠硬體驅動的產品逐步進 行轉移，當下的新產品應當是由「硬體+軟體」同步驅動的產品。
中國汽車智能化發展速度領先，A 股有望成為核心投資市場之一
汽車新四化的發展，OTA 市場增速迅猛，中國智能座艙作為首個核心應 用市場潛力巨大，預計 2025 年規模破千億，市場政策雙驅動，ADAS 獲 井噴發展。據中國產業調研網估計，2025 年全球 ADAS 市場規模將達 275 億歐元，2015~2025 年均複合增長率高達 17%。
終端軟體解決方案提供商的盈利模式也有望發生轉變
大部分傳統汽車廠商缺少軟體基因，在軟體定義汽車領域需要尋求外部 供應商的合作，且需求範圍逐步擴大。供應商多以項目開發的形式開展 業務，目前正逐步增加 Royalty 收費（按銷售量和單價的一定比例分成）、 升級服務費等盈利模式，市場量、價空間逐步打開，空間巨大。
智能座艙：「硬+軟」全面升級進入爆發期，產品成熟商業化加速
智能座艙硬體升級，「智能化+集中化」架構重新定義軟硬體形態
人車交互式體驗核心，多屏融合智能駕駛艙代表未來
傳統汽車駕駛倉的生態系統以碎片化為主，分布式電子控制單元之間信息無法 有效交互，導致人與車之間存在交互障礙。隨著汽車電子化程度提高，電子控 制單元整合是汽車電子設計的發展趨勢，多屏融合的智能座艙將集成中控大屏+ 液晶儀錶盤+抬頭顯示器（HUD）+流動後視鏡，並搭載高級輔助駕駛（ADAS）、 無人駕駛技術和人工智慧 AI 等新時代科技，帶來更為智能化和安全化的交互體 驗。
智能座艙全產業鏈分為三大環節：1）Tier0.5 級供應商也可稱為產業的下遊， 主要以各大車企和傳統 Tier1 供應商構成，如德賽西威、均勝電子、偉世通等， 雲計算和車聯網的普及使華為、BAT 等網際網路科技類供應商也分布於產業下遊； 2）Tier1 為座艙提供中控屏、儀錶盤、流媒體後視鏡、後排液晶顯示器等硬體， 同時配合開發信息娛樂解決方案、駕駛顯示解決方案和 HUD 為智能座艙的電子 化技術升級；3）傳統的 Tier2 主要供應 PCB、顯示面板、功率器件等電子產品， 未來產業將集中升級作業系統相關軟硬體，如增加應用軟體、中間件軟體、自 主定製操作個性化系統、可達成「一芯多屏」的高效能低成本晶片。
顯示面板大屏化
新一代智能座艙將液晶儀錶盤和中控大屏結合，共同對用戶體驗產生影響，滿 足消費者對科技感和舒適性的需求。智能座艙是新能源和未來無人駕駛汽車標 配。攻克新能源汽車核心技術是中國邁入汽車強國的必由之路，新能源汽車帶動 ADAS 前裝信息滲透率快速提升，加速市場對車用信息雲端交互的需求，推 動智能座艙解決方案的未來發展。在傳統機械儀錶盤內，新能源汽車電量顯示、 續航裡程等新能源汽車關鍵信息，以及 ADAS 車型軌道偏移等信息均無法顯示， 全液晶顯示屏必定是大勢所趨。
傳統汽車座艙的前方普遍以機械或半液晶儀錶盤，中間以液晶顯示器為主。特 斯拉在車內配置了一塊 17 英寸巨屏引領了智能汽車的大屏潮流，隨後各大車廠 的高端車型逐漸將超大屏作為標配，比如，奔馳新 E 系採用雙 12.3 英寸高清顯 示屏通過懸浮效果為駕駛艙帶來先鋒科技感，左側顯示器顯示數字儀錶盤內容， 而右側顯示器為駕駛員呈現車內信息娛樂（IVI），融合汽車作業系統和車載信 息娛樂系統，從而升級人機互動體驗；在寶馬 i4 Concept 的發布中，寶馬將所 有操作集成在面積非常大的中控中，幾乎放棄所有的物理按鍵，未來寶馬的車 型座艙內飾都將朝著這個方向設計，一體式懸浮大屏也將成為寶馬下一代內飾 的核心元素。
一芯多屏替代多組件
集中取代分布。未來智能座艙所代表的多屏融合體驗都將依賴於高計算能力的 超級晶片。多個分布式的電子單元使每個系統如同「孤島」一般，難以支持多 屏幕融合、多模塊互動等複雜座艙功能，「一芯多屏」替代多單元組件的技術將 融合每座「孤島」成為一塊「新大陸」。伴隨著智能駕駛滲透率提升，全球晶片 巨頭紛紛布局推出具備人工智慧計算能力的主控晶片，取代傳統分布式的功能 晶片，IHS 預測在 2020 年汽車主控晶片市場規模可達到 40 萬億美元。
「一塊晶片、多屏互交」將成為智能座艙未來趨勢，單一晶片可以降低系統復 雜度以提高安全性能，並降低成本預算。通過融合雲側終端和 V2X 場景，底層 晶片和車載系統根據各個電子控制單元（ECU）反饋的數據進行計算，了解汽車行駛狀態以及各項參數指標，調配車輛至最佳行駛狀態。以液晶顯示器為例， 傳統機械儀錶盤難以承受大量行車數據，液晶儀錶盤通過升級晶片並引入雲端 數據，構建智能座艙交互平臺和界面，未來將升級裸眼 3D 儀錶盤。
座艙域目前高通一枝獨秀。目前，高通已經贏得全球領先的 20+家汽車製造商 的信息影音和數字座艙項目。目前高通通過驍龍 820A 和 602A 汽車平臺，在數 字座艙領域為汽車提供高水平的計算性能。其中，驍龍 820A 數字座艙平臺支 持計算機視覺與機器學習，能夠提供豐富的圖形與多媒體功能，加上廣泛的可 視化和作業系統選項組合及神經處理引擎，幫助汽車廠商打造差異化特性，提 供卓越用戶體驗。目前，包括奔馳、奧迪、保時捷、捷豹路虎、本田、吉利、 長城、廣汽、比亞迪、領克、小鵬、理想智造、威馬汽車在內的國內外領先汽 車製造商均已推出或宣布推出搭載驍龍汽車數字座艙平臺的車型。2020 年多款 上市新車型都搭載了驍龍 820A，包括全新領克 05、奧迪 A4L、小鵬 P7 及 2020 款小鵬 G3 部分車型等。
高通今年量產的 SA8155P 晶片更是在主頻、算力、製程方面全面領先競爭對 手，龍頭地位穩固。高通此前在智能移動終端、通信等晶片領域展現出龍頭研 發實力，目前在座艙域 DCU 方面也全面領先競爭對手。自主品牌、合資品牌、 外資品牌車廠紛紛圍繞 SA8155P 搭建研發平臺，車型落地在即。
智能儀錶盤驅動人機互動
以集合娛樂信息系統和車載信息系統的中控作為人機互動的核心驅動，液晶儀 錶盤將成為人車交互的入口和界面。中控系統主要由作業系統（OS）、軟體服 務和 ADAS 系統主導的軟體所組成。L4 自動駕駛是未來智能汽車的必然趨勢， 更多圍繞乘客的角度去進行 HMI 設計，隨著 5G 和車聯網技術的發展，智能、 便利、人性化體驗，正在重新定義未來汽車人機互動新模式。3D 儀錶盤、 AR-HUD 和媒體後視鏡都將為駕駛員提供更便捷和更安全的駕駛信息顯示。但 特斯拉的 Model3 摒棄了傳統的液晶儀錶盤，全採用 15 寸的中控大屏顯示。中 控屏中的 UI 互動設計：屏幕左側顯示車輛行駛數據，包括時速、擋位、剩餘電 量等內容；右側以導航功能為背景的多媒體作業系統。
通過儀錶盤內的車載攝像頭，系統可以實時監控駕駛員的雙眼視線使得 3D 效 果實時根據駕駛員的目光調整，實時隨動。目前海內外頭部車廠已逐漸為高端 車型配備車載攝像頭，大多裝置在儀錶盤或內後視鏡中，生物識別觀察駕駛員 的動態，不僅可以個性化定製駕駛員專屬模式，還可以確保駕駛員在行車中保 持高度精神集中狀態以提高安全指數。相比現在主流開發的動作識別和手勢識 別，奔馳更加直觀的方式結合攝像頭監控顯然比固定模式的手勢操作更實用。 如喜歡倒車回頭看的人，儀表攝像頭會在回頭的時候自動降下後遮陽簾，若想 拉開遮陽簾也不用去找按鈕，直接在遮陽簾下方的區域憑空向後撥動，遮陽簾 會自動打開。
HUD 逐漸成為智能汽車標配
平視顯示器（HUD）運用光學投影技術將車載信息投屏到與視線平行的前方擋 風玻璃上，為了幫助駕駛員減輕認知負荷，無需轉移視線即可輕鬆獲取行車信 息，提高其態勢感知能力的應用。另一方面，融合汽車傳感器和高級駕駛員輔 助系統（ADAS）功能在一起時，能使駕駛員更輕鬆地檢測到威脅或警告，從 而更快地採取行動。
HUD 現已在部分成型上有所應用，比如，寶馬 5 系、奧迪 A6、奔馳 E 系等， 未來 AR-HUD 有望成為智能汽車的必然配置。奔馳 S 級擁有面積最大的頂尖 AR-HUD，率先支持 AR 實景導航，給駕駛員提供方向。隨著光學、AR、圖像 識別等技術不斷突破，通過特殊設計的光學系統將圖像信息精確地結合於實際 交通路況中，包含技術有投射、前擋特種玻璃、高精地圖、圖像渲染和智能駕 駛信息等。
軟體定義汽車趨勢明朗，使用軟體解決硬體控制場景
軟體定義汽車擁有 7 層 IT 架構，智能座艙成為軟體定義汽車率先落地場景，此 外特斯拉、小鵬等汽車廠商開始使用 OTA 解決性能和故障問題，未來應用場景 將不斷拓展。
車載開發以定製化為主
車企開發自主車載系統方式以標準的定製化操作為主，ROM 和超級 APP 方式 為輔。車載系統的構建從下至上為：硬體、虛擬機、系統內核、標準系統服務 層、汽車服務和車輛控制、應用程式框架（含中間層）、應用程式和雲服務。智 能座艙是結合軟體和硬體多多元配合下的產品，一個完美的智能座艙需要擁有 駕駛輔助、座艙域控制器、沉浸式聲學體驗、顯示屏技術和座艙檢測系統等新 技術，同時搭配內飾、座椅等傳統硬體。
車企對車載 OS 布局會根據戰略格局以及自身實力劃分為 3 種形式：1）定製化 自主開發專屬 OS；2）ROM 方式基於已有系統做上層 UI；3）直接採用現成的 車載 OS 並搭建自身的應用軟體。頭部車廠大多傾向從整車硬體到車載 OS 都 自己開發，形成自身獨有的完整生態鏈。
車載 OS 是傳統車產實現數字轉型的關鍵，汽車將演變為移動智能終端。目前 主流的底層車載作業系統共有四種：QNX、Linux、Android 以及 WinCE，其中 WinCE 基本上已經退出市場。從主流車企選擇的系統開發方式來看，海外高端 車廠、零部件供應商（如奔馳、寶馬等）和國內車企新勢力（如小鵬、蔚來等） 都選擇自建技術團隊，即在底層作業系統基礎之上進行定製化開發，形成獨有 的車載系統。
QNX 為車載 OS 領域龍頭，全球 100%的 OEM 商和前八家 Tier1 都是 QNX 的 客戶，在車載信息娛樂系統或車聯網系統佔據超過 60%的市場份額，如寶馬 ConnectDrive、奧迪 MMI 都用 QNX 技術。車載 OS 行業巨頭 QNX 也推出基 於軟體的智能座艙解決方案，憑藉實時性交互等優勢，集成多個電子控制單元 （ECU）到單一晶片系統（SoC）使系統運行的軟體可以打破臨界線，甚至橫 跨不同的作業系統，從而推動安全認證的要求。使用 QNX 平臺的智能座艙不僅 享有可靠安全的車載信息系統和娛樂信息系統，還可以通過同一 ECU 訪問 Android 系統的最新應用程式，如谷歌地圖和音樂軟體。
虛擬機和中間層軟體分別輔助車載系統
虛擬機輔助軟硬體的一體化聚合是未來趨勢。Hypervisor（虛擬機）是運行在 物理伺服器和作業系統之間的中間軟體層，可用於同步支持 Android、Linux、 QNX 多系統。根據 ISO26262 標準規定，儀錶盤的關鍵數據和代碼與娛樂信息 系統屬於不同等級，主流市場中，QNX 或 Linux 系統用來驅動儀表系統，信息 娛樂系統則以Android為主，目前技術只能將兩個系統分開裝置在各自晶片中。 然而，虛擬機可以同時運作符合車規安全標準的 QNX 與 Linux，因此虛擬機管 理的概念被引入智能座艙作業系統。隨著液晶儀表以及其他安全功能的普及， 供應商不需要裝載多個硬體來實現不同的功能需求，只需要在車載主晶片上進 行虛擬化的軟體配置，形成多個虛擬機，在每個虛擬機上運行相應的軟體即可 滿足需求。行業領先虛擬機有：QNX Hypervisor、ACRN、PikeOS 和哈曼 Device Virtualization，用於服務底層作業系統。
中間件層位於平臺（作業系統）和應用軟體層之間的軟體，用於連接各個分布 式系統和應用軟體。中間件層可以使開發人員避開複雜的底層作業系統，直接 在簡單而統一的開發環境下接入應用軟體，不僅縮短開發周期，還減少系統的 維護、運營和管理的工作量。
智能網聯汽車和 5G+AIoT 實現「人-車-路-雲」高度協同
無線通信將廣泛運用在智能座艙，連接以算法、晶片、作業系統和以 ADAS 執 行、智能中控、語音交互為主的執行層，為 OEMs 廠商開發測試終端產品打造 自主、可控、完整的產業鏈。中國通信學會發布研究報告《車聯網智慧財產權白 皮書》中數據顯示，截至 2019 年 9 月，全球車聯網領域專利申請累計 114587 件，美國位居榜首，佔 30%，中國 25%緊隨其後。萬物互聯的基礎就是數據在 雲端可實時傳輸，外界的信息進行多模交互，為車路協同智能化發展提供更多 的應用場景。
傳統車廠的信息技術及開發架構不足以支持如此龐大的數據量提供計算、儲存 和網絡支持，因此車廠趨向於深度合作 BAT 等網際網路巨頭，共同構建車聯網生 態推出各自特色的雲平臺系統，如上汽與阿里聯合打造的斑馬網絡、騰訊與長 安汽車的梧桐車輛、博泰的「擎 Mobile 隨身車聯網」。
打通底層到雲端的各個技術、生態環境，將具備自動駕駛功能的智能網聯汽車 和 5G-V2X 全雲場景的逐步實現規模化商業應用，促進未來「人-車-路-雲」的 高度協同。在軟硬體一體化的實施過程中，車輛智能網聯中最重要的設備為雲 端數據平臺的建設，搭載先進的車載傳感器、控制器，連接車內各個 ECU 獲取的數據，實現車與車、車與人、車與城市建築、車與基礎設施等通信數據交換 共享。
根據 IDC 全球智能網聯汽車預測報告顯示，可以連接第三方服務平臺的車輛以 及配備嵌入式行動網路的全球智能汽車出貨量在 2019 年已達 5110 萬輛，同比 增長 45.4%，預測 2023 年將增至 7,630 萬臺。雲計算的優點在於降低成本的 同時還可以運用合理的資源分配方式處理數量龐大的數據，並且滿足更加彈性 和個性化的業務模式更新迭代快（OTA）的需求。
雲端數據可以真正的為自動駕駛提供有效解決方案，隨著 V2X 通訊的發展和 5G 技術的推進，汽車行業將在未來致力於 ADAS 晶片和車載娛樂信息晶片的 相互融合發展。C-V2X 無線技術可以快速收集更多信息以及降低延時，從而最 大程度的保證行車安全，並且協作駕駛過程中能夠降低能源損耗，提升自動駕 駛/半自動駕駛的效率。根據《智能汽車創新發展戰略》，我國將重點支持 LTE-V2X/5G-V2X 的發展，基礎建設快速發展為智能網聯汽車滲透帶來紅利。 其中地平線已推出了基於徵程處理器和 Matrix 自動駕駛計算平臺的多層次解決 方案以及針對現階段汽車市場亟需的輔助駕駛推出的 ADAS、DMS、AR-HUD 技術方案。另一方面，高精地圖軟體的加入也將會很大程度的加強自動駕駛輔 助系統，將汽車的舒適、安全和智能提升到一個全新的境界。
語音交互系統
未來智能語音交互將成為最主流的人車交互場景。日益豐富的生物識別技術助 力智能語音交互系統，依託於 AI 技術的不斷發展以及大數據的推廣應用，為駕駛艙帶來更高效、人性化、情感化、個人定製化的行車氛圍。為了打造智能音 樂座艙，基於駕駛員音樂沉浸式氛圍，小鵬配備 18 個丹拿 Dynaudio 頂級 Confidence 系列音響系統，以及 20 個聲道，可通過智能動態音效技術，根據 音樂風格、聲場位置進行智能調節音效。配備具有獨立聲源的主駕音樂枕頭， 並加設了主動降噪、私密通話等功能，更好的實現聲源定位從而達到語音交互 的提升。
地平線語音交互技術利用理想 ONE 車內的四個高靈敏度麥克風，及地平線的聲 源定位、盲源分離和降噪算法，進而對不同位置乘客的語音指令的精準區分和 識別。主流車廠逐漸與第三方應用軟體合作，打造符合多場景需求的完整座艙 生態體驗，並通過手機端的連接實現遠程車輛操控、遠程車輛信息查看、NFC 高安全係數數字鑰匙、物聯網多端交互模式
全球智能座艙市場快速增長，中國市場增速搶眼
2015 年後，隨著人工智慧技術的興起，大批風險資本開始關注人工智慧在交通出行方向的應用。在自動駕駛技術快速發展的同時，消費者在汽車中有了更大 的自由度，所以提高整個乘坐品質和行駛體驗的智能座艙產品逐步走進大眾的 視野，相關市場也得到較快發展。
全球智能座艙行業市場保持快速增長，中國市場增速搶眼。根據 ICVTank 公布 的數據顯示，2019 年全球智能座艙行業市場規模達 364 億美元，同比增長 10.3%，隨著人們乘車體驗要求的提高，智能座艙將加速普及，全球智能座艙 行業市場規模將保持快速增長，預計到 2022 年，全球智能座艙行業市場規模 有望達 461 億美元，年均複合增長率達 8%。
中國作為全球汽車行業發展潛力最大的市場，2019 年中國智能座艙行業市場規 模達 441.1 億元，隨著中國市場消費升級，智能座艙加速應用，中國智能座艙 行業的市場規模將保持高速增長，預計到 2025 年市場規模將達到 1030 億元， 年均複合增速達 13%，高於全球增速。
硬體設備滲透率將不斷提高。智能座艙的硬體主要分為 4 大部分：中控大屏(包 括車載信息娛樂系統)、流媒體中央後視鏡、抬頭顯示系統 HUD、全液晶儀表。 中控屏是智能座艙的主要硬體之一，目前汽車中控屏在新車中的滲透率已經達 到 80%，是智能座艙硬體設備中滲透率最高的設備，預計到 2025 年其滲透率 將達到 100%。流媒體中央後視鏡、抬頭顯示系統的滲透率分別為 7%和 10%， 預計到 2025 年兩者的滲透率均會提升至 30%;全液晶儀表目前滲透率為 30%， 預計到 2025 年其滲透率將提升至 70%。
語音控制將逐漸成為標配。2019 年國內汽車智能語音市場規模為 14.8 億元， 其新車滲透率到 2019 年底已達到 53%，目前科大訊飛以市佔率 55%佔據國內 第一，其 2019 年汽車智能語音出貨量 600 萬套，收入 3.7 億元。未來，語音 控制滲透率有望逐步提升，預計 2020 年語音控制新車滲透率將達到 60%，語音控制將逐漸成為智能座艙的標配。
中科創達先發優勢突出，布局智能座艙軟體全生態，應用於主流車廠
公司已正式發布智能駕駛艙解決方案 4.0 版本，7 年產業沉澱，打造全球領先 的智能駕駛艙軟體解決方案。2013 年公司前瞻性布局新一代智能網聯汽車業務， 先發優勢突出。經過 7 年的努力和沉澱，以「軟體+全棧」作為核心優勢，基於 關鍵技術集成於一個晶片內，建立底層智能作業系統軟體技術，並通過融合產 業生態鏈各區域的全球領先公司，升級研發作業系統和智能座艙。內生外延並 舉打造了基於多作業系統（Android、 Linux、QNX、T-KERNEL 等）、多平臺 （高通，TI，NXP，瑞薩，英特爾等）面向智能駕駛艙的中控娛樂信息系統、 數字儀表、高級輔助駕駛等軟體平臺解決方案，核心產品和技術包括 UI/UE 工 具、Kanzi 人機互動引擎、車內互聯方案、Kanzi Connect、FOTA、自動化測 試、嵌入式人工智慧引擎和智能視覺等，從而幫助 Tier1、OEM 客戶在早期開 發和驗證應用以及 UI/UE，提升多方協同開發的效率，縮短研發周期。近年來， 國內外知名車企紛紛與公司籤訂長期合作協議，公司產品覆蓋大部分主流車廠。
軟體正在賦能智能汽車產業。全球軟體技術領導者中科創達，將自身定位為「賦 能者「，與全球產業鏈中下遊的領導廠家合作，多維度進行集中整合，打造全 新一代網聯化、自動化、共享化、人性化的智能座艙，多年的技術積累和前瞻 戰略布局讓公司獲得了更大的發展空間。簡單化的操作體驗讓信息交互更為自 然簡介，自動根據場景更新信息，生物識別和手勢操作的配備也融合了更大的 浮動空間，一定程度上可以提高容錯率，避免誤操作。
高通賦能操作平臺開發
平臺可幫助汽車製造商高度分化和定製車內體驗的所有層。第三代高通 QualcommSnapdragon處理器配備領先的計算技術，包括多核高通 AI 引擎、 高通光譜圖像信號處理器（ISP）、第四代高通 Kryo CPU、第六代高通促視覺子系統等。智能座艙解決方案融合高通驍龍 SA8155P 核心板（Auto SoM）和 QNX 虛擬機於一身，可同時輸出 8 個攝像頭傳感器的訊息，並使用智能後視攝 像頭、流媒體後視鏡和停車輔助功能為駕駛員提供重要的信息提示，目前已廣 泛運用在奧迪、吉利、路虎、大眾、豐田、比亞迪等頭部車廠。另一方面，汽車開發套件（Auto Kit）中的 ADP Cool 產品可針對客戶需求開發，定製並優化 專屬汽車場景，加速軟體的開發迭代。
中科創達智能座艙解決方案可根據廠商需求搭載 Android 或 Linux 平臺：1） Android 平臺支持將 Android O，P 等信息娛樂系統搭建在高通 SA8155P， S820A，瑞薩 R-Car 等平臺，系統可優化 8-10 秒的快速啟動、2 秒的快速倒車 影像，根據晶片性能和應用可以同時支持 2-4 個並行應用於可交互操作的分屏 和浮屏，信息集成度大幅增加；2) Linux 平臺基於 ST Accordo5，集成系統芯 片和多個微控制單元（SoC+MCU）在單晶片內，提供高安全、低成本的解決 方案，可以同時搭載 CarPlay 和 CarLife，並擴展支持 Android Auto，全新升級 智能座艙系統技術。
集成型多系統平臺
平臺基於 QNX 虛擬機將硬體虛擬化，複雜的功能集結在一個晶片上，從而提 高經濟效益、降低開發風險。智能座艙平臺集結智能儀錶盤系統、平視顯示器 系統、車載娛樂系統、車載信息系統、安全駕駛系統、空調與座椅調節系統、 物聯網等功能，連接各個控制域單元打造一體化平臺，實現信息有效交互，達 到高效的多屏互通模式。其他公司若整合這些系統功能一體需要將多個控制驅 動電子元件（驅動晶片、控制晶片、功能性電子元件等）使用物理方式進行連 接，而中科創達的「一芯多屏「方案僅需 4 層（底層系統+虛擬機+功能系統+ 交互界面）即可，大幅度降低開發成本和開發風險。
車廠可以根據自身需求靈活安裝並擴展軟硬體解決方案，通過優化 Android、 Linux、QNX、Grennhill 等系統技術架構，升級並完善作業系統性能。高集成 度、信息交互及時的多屏互動模式可大幅改善觸控反饋缺乏和交互效率低的傳 統車載架構。
人機互動界面
公司和 Rightware 前期已通過 Kanzi 引擎進軍頭部汽車廠商，結合公司多年在 軟體 IP 的優勢，進一步升級作業系統（OS）和交互界面（HMI），推出了基於 Kanzi 和 Kanzi Connect 一體化智能駕駛解決方案，賦能智能汽車行業的智能 化、網聯化，完成真正的軟體定義汽車。
Kanzi 引擎為車廠產品部門、設計師、軟硬體供應商提供統一的開發運行平臺，使UI 和平臺能並行開發，提升 10 倍 HMI 開發效率，縮短近 50%的開發時間。具谷歌報導，全球有超過半成的汽車製造商在採用 Android 系統架構作為信息 娛樂系統。作為最有效的基於 Android 底層架構開發的智能座艙，汽車製造商、 Tier1供應商和設計工作室均可通過Kanzi HMI提供的集成平臺作為生產設計的 基礎，實現快速自適應開發，不僅可作為基於開源平臺硬體或典型車載系統的 製作原型，還兼備創造前瞻性概念車作業系統的能力。
除了已被廣泛使用的智能儀錶盤 Kanzi Hybrid，中科創達還全新升級四個核心Kanzi 插件——Kanzi UI、Kanzi Connect、Kanzi Maps、Kanzi Particles，打 造顛覆傳統、定義更深層次的人機互動界面 Kanzi Reference HMI。另一方面， Kanzi 智能儀錶盤採用 OLED 屏幕，當汽車遭遇碰撞時，車內屏幕極易破損並 形成尖銳物，極大可能對乘車人員造成二次傷害，柔軟的 OLED 屏幕一定範圍 解決了安全問題。
Kanzi 對比市面上所有運用 Android 的車載系統而言是獨一無二的，人機互動 界面主要產品有：1）Kanzi UI 將 2D 和 3D 無縫合成，並最大程度優化用戶界 面的實用性和美觀性；2）Kanzi Connect 簡化了車載系統中各個應用程式和系 統之間內容、數據共享；3）通過 Kanzi Maps 將多個後端、流動地圖數據直接 導入，定製可視化高精地圖；4)Kanzi Particles 使設計師可以無需編碼複雜的 著色器，直接創建獨特的視覺效果和模擬形態，所有的最新技術都將為 OEMs 集成構建多模交互、高定製化的超級車載系統。
Kanzi UI 助力奔馳、奧迪打造智能豪華座艙的 HMI 設計開發。奔馳 S 級斬獲 多個量產車型的第一：世界第一款搭載 ARHUD；世界第一款搭載裸眼 3D 儀表 盤；世界第一款使用 OLED 中控屏。奔馳新一代 S 級轎車智能座艙集結了 MBUX 人機互動系統、裸眼 3D 數字儀錶盤、大尺寸 OLED 中控顯示屏、ARHUD、智 能感應助力等智能科技。基於 Rightware 軟體技術和 NVIDIA Tegra 移動處理器 的技術支持，公司創造出世界上第一個具有實時 3D 圖像更新的用戶自編輯液 晶儀錶盤，第三代奧迪 TT 也採用由 Rightware 旗下產品 Kanzi 提供的用戶界 面解決方案，並在芬蘭的年度汽車評選中拔得頭籌。
WardsAuto 針對 23 個針對用戶體驗功能全新設計的車型進行評估，評選出「10 個最佳用戶體驗車型（10 Best UX）」，分別在 2018 年有 2 款獲獎車型、2019 年有 4 款獲獎車型均使用 Kanzi 引擎，獎項評判標準主要對「駕駛員輔助系統、 互聯性、智能液晶顯示、語音交互設備、直觀控制系統、信息娛樂系統」進行 評價。作為中科創達戰略收購的交互界面開發供應商 Rightware，已受到超過 50 個汽車品牌的信賴，預計 2024 年將為超過 4,000 萬輛汽車提供最優質的人 機交互體驗。
人工智慧技術
智能駕駛艙 2.5 解決方案全新升級生物識別板塊打造多模交互場景：1）智能座 艙可通過駕駛者人臉識別（FaceID）切換至定製化主題界面和專屬 3D 動效， 給用戶帶獨特的駕駛體驗；2）融合手勢、語音識別等方式塑造豐富的人機多模 交互，為用戶帶來便利、快捷的全新操作體驗；3）實時駕駛員狀態監測可以隨 時跟進、識別影響行駛安全的行為狀態，如閉眼、低頭、打哈欠等，通過語音 報警降低危險係數。2020 年 6 月，公司與滴滴合作研發 DMS、ADAS 等只能 安全駕駛方案，將安全智能駕駛產品充分融入在駕駛場景中，為車廠提供了更 為安全、穩定的智能安全駕駛方案。
雲端數據互聯帶動用戶安全升級
中科創達得益於在技術層面的前瞻性和提前布局，已經將 V2X 技術成功引入不 同的汽車製造商車型，與傳統汽車工業融合創新。隨著 5G 通信、計算架構與 人工智慧的推進，全新一代智能座艙配備可持續雲端升級（OTA）的嵌入式設 備，基於 LTE/5G/雲端不斷升級、優化汽車的軟體系統。
持續自動更新的嵌入式自動駕駛裝備可以大幅降低車禍率。根據美國 IHS 最新 研究，大部分交通事故來源於駕駛員酒精藥物、判斷失誤、視線盲區、疲勞駕 駛等因素，自動駕駛和智能識別能至少降低三分之一的交通事故。汽車廠商通 過在車輛上安裝嵌入式設備並持續 OTA 汽車系統，基於 HTML 或雲端持續升級 全車軟體系統，受益於無線通信網絡（5G+V2X）新技術提供支持服務應用於 多個車內場景，Level3 級別自動駕駛將逐漸落地各大車廠，為駕駛員帶來更加 智能、安全、便捷的出行體驗。
另一方面，中科創達智能座艙運用四個插件改善行車安全環境：1）車載全景環 視（Surround View）基於 MM Solution 環視算法，獨特設計的裸眼 3D 通過傳 感器、Kanzi UI、自動拼接調整等技術將機頂蓋從視覺上透明化，估算地面平 整並自適應拼接，為駕駛員最大限度營造 360 度全景自由視角；2）受益於全 新升級生物識別模塊，全新 DMS 安全駕駛方案基於人工智慧、大數據的支持、 高精度識別系統能快速反饋並適應複雜的駕駛環境；3）Kanzi Safety 插件能提 供一個獨立基於 ISO 26262 ASIL A 級別認證標準的圖像傳輸機制，確保即使 3D 圖像渲染失敗，與駕駛安全密切相關的 UI 元素能夠正確導入，Kanzi Hybrid （儀錶盤）能精準顯示數據或提示渲染故障，保證行車絕對安全；4）MARVS 電子後視鏡可以根據用戶需求靈活定製專屬方案，如晶片選型推薦、圖像算法、 圖像處理等，提供高清、高幀率、寬動態、全天候的攝像頭圖像實施解決方案。
軟體定義汽車領域壁壘高，競爭格局清晰
由於需要對晶片和基礎軟體具有深刻的理解和充足的人才儲備，故而軟體定義 汽車行業的壁壘較高，市場參與者較少。中科創達在軟體定義汽車領域（虛擬 機、OS、中間件等基礎軟體及優化）主要競爭對手包括 Luxoft、GlobalLogic、 KPIT、Mobica，以及 Tier 1 軟體服務商 ADIT(博世和電裝)、Elektrobit(大陸)、 Opensynergy(松下)等。
Tier1 在智能座艙的布局
傳統 Tier1 廠商正在積極布局智能座艙系列產品。以博世為例，在今年 10 月北 京車展上，博世展示了其最新座艙域控制器、全球首款量產車上的曲面儀表顯 示屏、3D 顯示、車輛 OTA 遠程升級、數字鑰匙等前沿科技。其中座艙域控制 器搭載高通 8155P 晶片，集成多模塊的作業系統，能夠同時支持儀表、中控、 副駕娛樂、HUD、空調、後排等多塊顯示屏，並且整合了駕駛員和乘員監控 （DOMS）、360 環視（AVM）、及人臉識別（Face ID）、多麥克風輸入、主動 降噪等功能。
自動駕駛也是博世正大力布局的方向。在該領域，博世採取的是循序漸進的發 展策略，逐步推進自動駕駛量產。目前，在 L2 自動駕駛層面，博世在全球已經 有 60 多個項目進入量產，包括 TJA 交通擁堵輔助、APA 自動泊車輔助等，下 一步即將投入量產的是 RPA 遙控泊車輔助和高速公路輔助系統。而支撐博世在 自動駕駛領域取得上述突破的，是其完整的自動駕駛產品線布局。比如在感知 層，博世已經構建了全面的傳感器產品組合，包括超等波雷達、攝像頭、毫米 波雷達、雷射雷達等。其中博世的毫米波雷達已經發展到了第五代，攝像頭髮 展到了第三代，首款適用於車規的長距離雷射雷達也已進入量產開發階段。通 過將雷射雷達與攝像頭、毫米波雷達等形成互補，為駕駛者提供可靠的路況信 息，博世正助力汽車行業加速實現 L3-5 級自動駕駛。在決策層，博世推出了域 控制器 DASy，該產品作為集中式整車架構的核心組件，具有高帶寬、強算力、 大存儲容量以及高安全性等特性。DASy 可以收集並融合來自雷達、攝像頭、 雷射雷達等傳感器的數據，幫助車輛生成周圍 360 度的高精度環境模型，並制 定合適的駕駛策略。至於執行層，諸如制動系統、轉向系統等，亦是博世的強 項。在該領域，目前博世最成熟的產品是 iBooster+EPS 組合，這兩種系統都 具有直接的機械推進裝置，並且可以在整個減速範圍內獨立制動車輛，形成制 動冗餘，從而保證車輛在任何情況下都能安全制動。
自動駕駛域：應用逐步落地，商業化進程值得期待
自動駕駛域整體架構如下：
晶片：英偉達領先，高通持續迭代，國產廠商積極布局
自動駕駛晶片介紹
在傳統晶片行業，常用算力、功耗和面積三大指標來衡量性能。由於自動駕駛 功能對算力極高的追求，峰值算力成為衡量自動駕駛晶片的最主要指標。
目前一般認為，L2 需要的計算力100TOPS，而 L5 需要的計算力目前還未有明確定義（有預 測需要至少 1000TOPS），每增加一級自動駕駛等級，算力需求則相應增長一個 數量級。根據英特爾推算，在全自動駕駛時代，每輛汽車每天產生的數據量將 高達 4000GB。
特斯拉核心壁壘：自研自動駕駛晶片+神經網絡算法+計算平臺
特斯拉在汽車智能化領域最大的壁壘來自於其掌握核心數據、AI 算法、以及主 控晶片自研。2014 年～2016 年，特斯拉自動駕駛域曾搭載 Mobileye EyeQ3 芯 片；2016 年～2019 年，特斯拉將 Mobileye EyeQ3 更替為 Nvidia Parker SOC 和 Nvidia Pascal GPU，搭載 DRIVE PX 2 AI 計算平臺。由於英偉達的高能耗， 2017 年起，馬斯克決定開始自研主控晶片，尤其是主控晶片中的神經網絡算法 和 AI 處理單元全部由特斯拉自己完成；2019 年 4 月，特斯拉正式在 Autopilot HW3.0 平臺上搭載了自研的 FSD 主控晶片。
新勢力自動駕駛晶片應用情況
目前自動駕駛晶片的產品主要包括 Nvidia 系列、Mobileye 系列以及特斯拉自研 FSD 晶片，具體主流車型搭載晶片參考下表。
英偉達：GPU 技術領先，駕駛域實力強勁
在車輛駕駛環境下，正屬於多量、簡單、即時任務的處理，意味著需要即時處 理的數據量巨大，而 GPU 最適合處理這些數據集。GPU 有多個（或達數千個） 被稱為流處理器的單元處理數據，雖然這些單元的處理速度比 CPU 更慢，但所 有這些處理器可以並行運行，即它們可以同時處理很多相對簡單但具有大量數 據的任務。CPU 可以輕鬆處理一個數據量大、時間長而且比較複雜的任務，而 GPU 處理這類任務時就會吃力；而當有較多簡單的任務時，GPU 優勢凸顯。
英偉達在其自動駕駛套件中使用的晶片使用了基於神經網絡的 AI 深度學習技 術。英偉達的圖靈 GPU 引入專門針對深度學習的特殊功能單元——Tensor Core，它能夠讓 GPU 對不同的數據類型可以進行混合計算，既同時實現 fp 浮 點計算（測量 AI 訓練峰值算力）和 int 整數運算（測量 AI 推理峰值算力），如 下圖所示，目前僅有英偉達的駕駛域 DCU 支持該類混合計算。以前一個代碼如 果用了整數, 對應的單精度性能就沒有了，也就是說只能在單精度性能（浮點 計算）和整數性能（整數計算）中進行選擇。混合精度訓練實現了所有這些好 處，同時確保與全精度訓練相比，不會損失特定於任務的精度。（FP32 是目前深度學習訓練和推理中使用最多的高精度格式，主要用於圖像處理；在低精度 場景中，INT8 比較經常用來作為推理計算的數據格式。TFLOPS：浮點運算能 力單位；TOPS：整數運算力單位。）目前在 L2+層級英偉達獨佔鰲頭，但在 L2 層級仍是 Mobileye 的 EyeQ 系列的主戰場。
高通：座艙域晶片龍頭，駕駛域產品持續迭代
前文講述了高通在座艙域的晶片性能全面領先競爭對手，高通在自己的晶片中 也引入硬體化的 AI 計算單元，即在原來 Hexgon DSP 中增加 Tensor 核心， 其實和 NVIDIA 在 GPU 當中增加 Tensor Core 的作法的目的相當類似，在 不捨棄原本計算單元的過往兼容能力，以及可編程能力的前提下，增加更有效 率的硬體計算單元，使整體計算能力提升，同時也滿足未來 AI 應用需求，但 同時又要兼顧低功耗持續計算的特性。
高通駕駛域產品也將持續迭代，2021 年有望發布新產品。，高通驍龍 SA8155P 本身在座艙域實現高市佔率，算力和製程優勢突出。高通的圖像處理器技術來 源收購 AMD 部分「向量繪圖(vectorgraphics)與 3D 繪圖技術和智慧財產權(IP)」， 當時正是 AMD 困難時期。高通在 2021 年有望依託以上技術優勢進行自動駕駛 晶片的發布。
國內自動駕駛晶片研發廠商部署——華為，地平線
國內座艙域和自動駕駛域控制器晶片的自主品牌代表性企業主要包括華為和地 平線。
華為：不造車，但目標將 ICT 技術帶入每一輛車
除華為的強項無線通信連接能力以外，目前華為在智能汽車的布局主要集中在 智能駕駛、智能座艙、智能動力三個方面。目前華為已經在控制器上取得較多 進展，華為的做法是提出代表計算和通信的 CC 架構，以及基於 CC 架構衍生 出三大平臺智能駕駛平臺（MDC）、智能座艙平臺（CDC）和整車控制平臺（VDC）、 聯結和雲服務。華為的 MDC、CDC、VDC 可以理解為三大域控制器。根據 36 氪，華為消費者 BG 正在與智能汽車解決方案 BU 進行整合，總負責人是華 為消費者業務 CEO 餘承東。華為目前擁有從智能駕駛、智能座艙、智能電動 mPower 整體解決方案，到智能網聯、智能車雲服務、商用車&專用車解決方 案、ADS 智能駕駛全棧解決方案等一系列解決方案。
1）智能汽車解決方案品牌：HI（Huawei Intelligent Automotive Solution）。包 括 1 個全新的計算與通信架構和 5 大智能系統，智能駕駛，智能座艙、智能電 動、智能網聯和智能車雲，以及雷射雷達、AR-HUD 等全套的智能化部件。同 時，HI 品牌還從算力和作業系統層面規劃了智能駕駛、智能座艙、智能車控三 大計算平臺，以及 AOS 智能駕駛作業系統、HOS 智能座艙作業系統和 VOS 智 能車控作業系統三大作業系統。
2）智能座艙：包含三大平臺:Harmony 車機 OS 軟體平臺、Harmony 車域生態 平臺以及智能硬體平臺。硬體具有車機模組、8 英寸超低反顯示屏、座艙麥克 風陳列模組、智能座艙高清攝像頭等。
3）智能駕駛解決方案：
計算平臺：華為於 2018 年發布 MDC（ ）作為自動駕駛 計算平臺，已經與 50 多位包括主機廠研究院、傳感器、執行器、應用算法、運 營商等合作夥伴們，在各個層面達成了廣泛而深入的合作關係。
自動駕駛系統：華為高階自動駕駛系統 ADS 獲德國萊茵 TV ASIL D 認證（該 標準是全球電子零部件供應商進入汽車行業的準入門檻之一，目前，已通過 ISO 26262 功能安全認證的自動駕駛晶片僅有 Mobieye 的 EyeQ 系列，英偉達的 Xavier 及華為的昇騰 310，特斯拉自研的 FSD 晶片通過 AECQ100 認證，而不 是 ISO 26262），有望於 2022 年 Q1 登上量產車。
傳感器：毫米波雷達、雷射雷達、智能攝像頭等產品加速落地。
4）智能動力：華為智能電動 mPower 整體解決方案中,具有車載充電系統、三 合一及多合一電驅動系統、BMS(電池管理系統)、充電模塊等。
華為目前最新的自動駕駛平臺旗艦產品是 MDC600，能夠滿足 L4 級別自動駕 駛對域控制器的性能需求；而針對 L3 級別有條件自動駕駛，華為推出了 MDC300。
MDC 自動駕駛平臺的系統架構是可伸縮的，通過對 CPU 內核數，人工智慧加速內核搭載數量以及 IO 接口數量的增減，可滿足高、中、低端乘用車從駕駛輔 助到高端智能駕駛的不同使用場景。
MDC 平臺使用的晶片內核是昇騰 310，昇騰 910 有望於 2021 年推出。昇騰 310 單晶片算力為 16TOPS，功耗為 8W，能耗比為 2TOPS/W；特斯拉 Autopilot 3.0 處理單元上的 FSD 晶片單晶片算力為 72TOPS，功耗約為 36W，能耗比為 2TOPS/W；英偉達最新 DRIVE AGX Orin 平臺，其上搭載的 Orin 晶片，單芯 片算力達到 200TOPS，功耗為 45W，功耗算力比為 4.4TOPS/W。相比起來， 昇騰 310 的能耗比已趕上國際主流水平。目前昇騰 310 採用的是臺積電 12nm 工藝製造，隨著未來生產工藝提升至 7nm 甚至 5nm，其能耗比還有進一步提升 的空間。
目前華為與北汽、長安等合作夥伴深度合作，2021 年新車型或有望逐步推出。
鴻蒙 OS 正式發布，涉及智能汽車的座艙、駕駛及控制系統。在 8 月 14 日的 2020 中國汽車論壇上，華為公布了三大鴻蒙車載 OS 系統，同時還宣布已經有 大量合作夥伴基於鴻蒙 OS 進行開發。三大鴻蒙 OS 分別是——鴻蒙座艙操作 系統 HOS、智能駕駛作業系統 AOS 和智能車控作業系統 VOS，分別涉及智能 汽車的座艙、駕駛及控制系統。
地平線：生態合作廣泛，DCU 晶片創業公司獨角獸
2020 年 9 月，在 2020 北京國際車展上，地平線發布地平線新一代高效能車載 AI 晶片徵程 3，並展示了一系列智能駕駛落地成果，為汽車智能化定義「芯引 擎」。
此次發布徵程 3，是地平線進一步加速車載 AI 晶片迭代，推動汽車智能化發展 和量產落地的深入實踐，是對「芯引擎」的全新升級。徵程 3 採用 16 納米工藝， 基於地平線自主研發的 BPU2.0 架構，AI 算力達到 5 TOPS，典型功耗僅為 2.5W， 具有高性能、低功耗、拓展性強、安全可靠的特點，支持高級別輔助駕駛、智 能座艙、自動泊車輔助、高級別自動駕駛及眾包高精地圖定位等多種應用場景。
徵程 3 能耗比超越多款行業主流晶片，而且具有出色的圖像接入和處理能力， 不僅支持基於深度學習的圖像檢測、分類、像素級分割等功能，也支持對 H.264 和 H.265 視頻格式的高效編碼。而且靈活開放，客戶可使用地平線算法樣例、 AI 晶片工具鏈，以及進行應用開發所需的全套工具，快速實現產品級應用落地。
未來，地平線將推出更強大的徵程 5，面向高等級自動駕駛場景，單晶片達到 96 TOPS 的 AI 算力，支持 16 路攝像頭，組成的自動駕駛計算平臺具備 192-384 TOPS 算力，可支持 L3-L4 級自動駕駛。
基於自研 AI 晶片打造的地平線「天工開物」AI 開發平臺，由模型倉庫、AI 芯 片工具鏈及 AI 應用開發中間件三大功能模塊構成，包含面向實際場景進行 AI 算法和應用開發的全套工具，最大限度地方便客戶進行個性化的應用開發，並 可依據合作夥伴的不同需求提供不同層次的產品交付和服務，全面支持客戶快 速構建場景應用。地平線數據閉環系統賦能合作夥伴實現從數據採集標註、模 型訓練優化、仿真評測，到模型 OTA 部署，端到端的數據迭代閉環，打造具備 覆蓋整車整個生命周期的持續進化能力。
經與行業夥伴通力合作，地平線依託車規級 AI 晶片、開放易用的工具鏈、算法 模型樣例、專業化服務和開發者社區五大支柱，現已圍繞環境綜合感知和車內 人機互動兩大方向，實現完整的智能駕駛產品布局。今年，長安汽車與地平線 基於該晶片聯合開發了智能座艙 NPU 計算平臺，並搭載在其今年推出的全新車 型 UNI-T 上，徵程 2 業已成為首個上車量產的國產 AI 晶片。日前，純電 SUV 奇瑞螞蟻上市，新車也搭載了地平線徵程 2 車規級 AI 晶片，實現了 L2+級自動 駕駛。截止目前，地平線在智能駕駛領域已同奧迪、一汽紅旗、上汽集團、廣 汽集團、長安汽車、比亞迪、理想汽車、長城汽車等車廠達成深度合作，初步 建成覆蓋智能駕駛和智能座艙的智能汽車芯生態。
自動駕駛系統：商業化落地加速，產業生態逐步成熟
特斯拉 Autopilot 系統解析
特斯拉的 Autopilot 是一個典型的決策控制器，主要的功能是接受前向雷達和前 向攝像頭的數據信息，然後進行計算決策。從 2014 年推出第一個版本開始， 特斯拉的自動駕駛系統 Autopilot 經過了 4 次大的硬體版本更新，從最初 1.0 版 本完全基於第三方供應商 Mobileye 提供晶片+算法，到 2.0、2.5 版本逐步過 渡到自研算法+英偉達的晶片，最後在 2019 年 4 月份特斯拉成功推出自研晶片， 實現了自動駕駛晶片+神經網絡算法的垂直整合。
從實際效果來看，Autopilot 採用自研晶片後，系統性能得到了顯著提升，從 2.5 版本只能同時處理每秒 110 幀圖像進化到 3.0 版本能夠同時處理每秒 2,300 幀的圖像，性能提高了 21 倍;與此同時，晶片成本也較之前下降了 20%。
在 2020 年 7 月 1 日進行提價後，特斯拉 Autopilot 全自動駕駛套件目前的價格為 8000 美元，馬斯克表示，隨著軟體獲得監管部門的認可，FSD 將具備接近 完全自動駕駛的能力，屆時 FSD 的價格將繼續上漲。截至 2019 年，特斯拉通 過出售「全自動駕駛」套件獲得的收入已經超過了 10 億美元。 特斯拉的 Autopilot 可以實現車輛的自動輔助轉向（Autosteer）、自動輔助加速 和自動輔助制動，升級之後更是增加了自動變換車道、進出閘道、自動泊車 （Autopark）以及在交通路口根據信號燈停走（Traffic-Aware Cruise Control） 的功能。
特斯拉的全自動駕駛包提價反應了公司對於全自動駕駛的持續改善，定期更新 改善車輛的能力，更好地利用內置攝像頭和無人駕駛計算機。馬斯克更是表示， 全自動駕駛包的價值最終應該超過十萬美元，很大一部分價值預計將來自於未 來無人駕駛計程車的上線，車主最終可以把自己的車作為計程車使用並分享其 中的收入。
目前主流的自動駕駛技術路徑主要分兩種：
一、以特斯拉為代表的視覺算法為主導的流派，通過攝像頭、毫米波雷達捕捉 周邊環境信息，再通過算法為主，進行分析抉擇。這一類方案所需的硬體成熟 度較高，成本低，但毫米波雷達探測角度較小，遠距離探測能力也不足，需要 優異的算法來彌補缺點。
二、以 Waymo、部分車企為代表的雷射雷達主導的流派，在攝像頭、毫米波 雷達的基礎上增加了雷射雷達，可以進行遠距離、全方位的探測，解析度較強， 但硬體成本較高，且雷射雷達同樣也存在一些問題：比如，在惡劣天氣的條件 下表現一般，缺乏對環境的顏色和紋理信息的辨別，並且在大範圍安裝雷射雷達後，雷射雷達有無法判斷是否為自己發出的脈衝光的串擾風險，這會直接導 致雷射雷達判斷不出物體的形狀。
馬斯克曾表示：「一旦你能解決攝像頭的視覺問題，就能解決自動駕駛的問題； 如果你不解決視覺問題，自動駕駛的問題自然無解。這就是為什麼我們如此關 注視覺神經網絡，它對道路狀況非常有效。只要有攝像頭，你絕對可以實現成 為超人的夢想。比如，只需要照相機，就可以比人類做得好十倍。」 特斯拉採 取以視覺為主的技術路徑的最明顯原因是其成本低廉。將一個雷射雷達裝置安 裝在汽車上的成本大約是 1 萬美元。谷歌和它的 Waymo 項目已經能夠通過 引入量產略微減少數量。然而，成本仍然相當可觀。特斯拉高度關注成本，並 確保汽車價格實惠。在已經很昂貴的汽車上增加雷射雷達的價格是相當重要的。 對於特斯拉，在算法領先於同行玩家的同時，如何使用性價比最高的零件創造 更大的效益，是特斯拉的目標。這也就註定了，在馬斯克眼中，價格高昂的激 光雷達，只能是其他企業對於視覺感知存在的問題和缺陷的遮羞布。
目前在自動駕駛行業業務盈利模式還沒有成熟的階段，行業充斥著大量不確定 性，一個新技術的出現與應用，是就此沉默還是改變行業，只能交給時間來決 定。
晶片 ASIC、FPGA、GPU、CPU 之爭，生態合作夥伴成為重中之重
CPU、GPU、DSP 等傳統晶片目前仍是智能汽車主流晶片
CPU 與 GPU 都是我們常見的通用型晶片，它們在各自領域都可以高效地完成 任務，但當同樣應用於通用基礎計算領域時，設計架構的差異直接導致了兩種 晶片性能的差異。
CPU 適用於處理數量適中的複雜運算。CPU 作為通用處理器，除了滿足計算 要求，為了更好的響應人機互動的應用，它要能處理複雜的條件和分支，以及 任務之間的同步協調，所以晶片上需要很多空間來進行分支預測與優化(control)， 保存各種狀態(cache)以降低任務切換時的延時。這也使得它更適合邏輯控制、 串行運算與通用類型數據運算。
GPU 適用於處理數量龐大的相對簡單的運算。GPU 擁有一個由數以千計的更 小、更高效的 ALU 核心組成的大規模並行計算架構，大部分電晶體主要用於構 建控制電路和 Cache，而控制電路也相對簡單，且對 Cache 的需求小，只有小 部分電晶體來完成實際的運算工作。所以大部分電晶體可以組成各類專用電路、 多條流水線，使得 GPU 的計算速度有了突破性的飛躍，擁有了更強大的處理浮 點運算的能力。這決定了其更擅長處理多重任務，尤其是沒有技術含量的重複 性工作，比如圖形計算。由於深度學習通常需要大量的訓練，訓練算法並不復 雜，但數據非常量大，而 GPU 的多內核、並行處理的優勢，使得其相比 CPU 更適合深度學習運算。
算力指標上有所差異。比較常見的 CPU 算力指標是整數運算，而 GPU 比較常 見的算力指標是浮點運算。例如英偉達的圖靈 GPU 引入專門針對深度學習的特 殊功能單元——Tensor Core，它能夠讓 GPU 對不同的數據類型可以進行混合 計算，既同時實現 fp 浮點計算（測量 AI 訓練峰值算力）和 int 整數運算（測量 AI 推理峰值算力）。TFLOPS：浮點運算能力單位；TOPS：整數運算力單位。
以前一個代碼如果用了整數, 對應的單精度性能就沒有了，也就是說只能在單 精度性能（浮點計算）和整數性能（整數計算）中進行選擇。混合精度訓練實現了所有這些好處，同時確保與全精度訓練相比，不會損失特定於任務的精度。 FP32 是目前深度學習訓練和推理中使用最多的高精度格式，主要用於圖像處理； 在低精度場景中，INT8 比較經常用來作為推理計算的數據格式。
從應用方面，例如壓縮算法、排序算法、以及其他主要應用，都是依賴 CPU 整 數運算性能；而視頻編碼解碼、數字圖像處理（光影等）、3D 遊戲等，依賴 GPU 去解決浮點運算。
DSP 晶片即指能夠實現數位訊號處理技術的晶片，DSP 晶片的內部採用程序和 數據分開的哈佛結構，具有專門的硬體乘法器，廣泛採用流水線操作，提供特 殊的 DSP 指令，可以用來快速的實現各種數位訊號處理算法。優勢是程序和數 據空間分開，可以同時訪問指令和數據、可編程性、可嵌入性，DSP 適用於系 統較低取樣速率、低數據率、多條件操作、處理複雜的多算法任務。缺點而言 相對來講功能比較少、不能處理太高速的信號，因此會集成在 FPGA 中。DSP 對於流媒體（語音等）的處理能力遠遠的優於通用 CPU。
FPGA、ASIC 應運而生，創業公司紛紛布局
FPGA、ASIC 設計方式應運而生。從 IC 設計上，雖然頻率很重要，但是晶片 的主要瓶頸還在帶寬和存儲部件上。因為程序的大量數據，都是與存儲部件進 行交互。晶片架構冗餘會導致瓶頸問題更加突出，故而針對應用場景定製化或 者半定製化的晶片設計模式應用而生——ASIC、FPGA。
FPGA（Field－ProgrammableGateArray），即現場可編程門陣列，它是在 PAL、 GAL、CPLD 等可編程器件的基礎上進一步發展的產物。它是作為專用集成電 路（ASIC）領域中的一種半定製電路而出現的，既解決了定製電路的不足，又 克服了原有可編程器件門電路數有限的缺點。
ASIC 具有高性能、低功耗的優勢，但它們包含的任何算法——除了那些在軟體 內部處理器內核執行的——其餘都是「凍結的」。所以這個時候我們就需要現場 可編程門陣列（FPGA）了。早期的 FPGA 器件的架構相對簡單——只是一系 列通過可編程互連的可編程模塊。
FPGA 最可以配置它的可編程架構來實現任意我們需要的數字功能組合。另外， 我們可以以大規模並行的方式實施算法，這意味著我們可以非常迅速和有效地 執行大數據的處理。
ASIC 被認為是一種為專門目的而設計的集成電路。是指應特定用戶要求和特定 電子系統的需要而設計、製造的集成電路。ASIC 的特點是面向特定用戶的需求， ASIC 在批量生產時與通用集成電路相比具有體積更小、功耗更低、可靠性提高、 性能提高、保密性增強、成本降低等優點。
完整的 FPGA 設計流程包括功能描述、電路設計與輸入、功能仿真、綜合優化、 綜合後仿真、實現與布局布線、時序仿真、板級仿真與驗證、調試與加載配置。
ASIC 的設計流程（數字晶片）包括：功能描述、模塊劃分、模塊編碼輸入、模 塊級仿真驗證、系統集成和系統仿真驗證、綜合、STA（靜態時序分析）、形式 驗證。
FPGA 和 ASIC 產品的使用要根據產品的定位和設計需要來選用，ASIC 產品適 用於設計規模特別大，如 CPU、GPU、DSP 或多層交換晶片等，或者是應用 於技術非常成熟且利潤率非常低的產品，如家用電器和其它消費類電器，亦或 是大量應用的通用器件如 RAM、PHY 等。而 FPGA 產品適用於設計規模適中， 產品要求快速佔領市場，或產品需要靈活變動的特性設計等方面的產品，如 PDH、2.5G 以下 SDH 設備和大部分的接口轉換晶片等。
由於汽車行業銷量數目龐大，未來智能駕駛晶片出貨量或有望達到億級，在大 規模出貨的預期下，未來 IC 設計模式有望向 ASIC 轉變，FPGA 或可能只是過 渡階段。 對於行業巨頭而言，由於 FPGA、ASIC 新的晶片設計，需要對原有的架構進 行較大改動，目前都處於研發階段，僅有部分「CPU+GPU+FPGA」模式有所 落地。這給了創業公司較大機會，放眼國內，地平線、黑芝麻、華為等廠商積 極布局，有望打破海外廠商壟斷格局，未來晶片格局未穩。
格局未穩，解決方案生態合作夥伴成為重中之重
晶片廠商格局未穩，產業鏈合作夥伴有望成為稀缺資源，充分受益於汽車智能 化浪潮。目前汽車產業鏈的交付模式發生變化，晶片廠商先前更多作為 Tier1的供應商，而當下更多的是直接與汽車廠商發生生意。複雜的需求與高算力芯 片的落地，使得晶片廠商需要對外尋找整體解決方案生態合作夥伴，為車廠共 同提供一整套解決方案。
主板設計與軟體生態合作夥伴成為重中之重。單一的晶片，需要下遊廠商基於 晶片的規格負責主板的設計和調試，而全套的解決方案，則是晶片廠商根據下 遊的要求設計好主板的布局、接口的數目，甚至以模塊的形式封裝出貨，下遊 廠商只需負責連接計算模塊與車輛的各個傳感器即可；此外，在汽車廠商落地， 還需要相關虛擬機、OS、中間件等開發環境，需要中科創達這類軟體服務商打 通方案。
無論是已有的高通、英偉達、Mobileye、NXP、瑞薩等老牌巨頭，還是地平線、 黑芝麻、華為等行業新軍，在目前階段除了做好產品，最重要的就是建立解決 方案生態，並積極與車廠展開合作。生態共建，共享汽車智能化果實。
車身域、動力域和底盤域：普及程度較低，MCU 仍是主流方案
域控制器也叫域控制單元，還有直接跨域實現區域控制的多域控制器。域控制 器的概念是由博世和大陸等 Tier1 提出的，旨在解決信息安全和 ECU 開發瓶頸 問題。汽車域控制器是一種高速計算設備，具有強大的硬體算力和各種軟體接 口，可以使系統集成度更高，從而集成更多核心功能模塊，降低對功能感知和 執行硬體的要求。為了進行數字處理，域控制單元通常需要具有強大算力的內 置核心處理器（CPU），以實現整車各個區域相對應的功能。
相比自動駕駛域和座艙域對晶片算力快速增長要求，車身域控制器仍然以技術 成熟的車規級微控制器 MCU 為主，對安全和可靠性要求苛刻。汽車 MCU 主要 供應商包括眾多傳統 Tier 1 廠商和半導體巨頭，如恩智浦、英飛凌、瑞薩、意 法半導體、TI、博世、安森美和東芝等。
MCU 從 8 位、16 位到 32 位，匹配不同需求場景。8 位 MCU 主要應用於車體 各子系統中較低端的控制功能，包括車窗、座椅、空調、風扇、雨刷和車門控 制等。16 位 MCU 主要應用為動力傳動系統，如引擎控制、齒輪與離合器控制 和電子式渦輪系統等，也適合用於底盤機構上，如懸吊系統、電子動力方向盤、 電子剎車等。32 位 MCU 主要應用包括儀錶板控制、車身控制、以及部分新興 的智能性和實時性的安全功能。在目前市場的主流 MCU 當中，8 位和 32 位是 最大的兩個陣營。
傳統車廠商：汽車智能化浪潮下，已邁出堅實一步
隨著汽車進入 5G 時代，智能座艙和自動駕駛在智能汽車上佔據越來越重要的 地位，並且已經成為主機廠提供差異化服務的必爭之地。據高工智能汽車研究 院根據新車上險量數據統計顯示，1-6 月數位化智能座艙功能平均滲透率提升至 33.11%，相比去年（23.95%）提升了接近 10 個百分點。從新車搭載量來看， 今年上半年數位化智能座艙功能平均搭載量增速為 45.38%，跑贏車市。2020 年上半年中國智能座艙產品（數字儀表、中控多媒體、GPS 導航、語音、車聯 網、OTA、流媒體後視鏡、HUD）的滲透率分別是 15.61%、69.82%、49.05%、 60.79%、45.05%、20.54%、0.67%、3.39%
在智能座艙領域，中國是全球數位化發展的先鋒市場，為了更好滿足中國客戶 快速變化、個性多元的數位化需求，傳統車廠商也相繼為中國客戶推出量身定 制的數位化產品。
寶馬在今年七月的創新日上，發布了多款車機端數位化產品，包括可以用 iPhone 解鎖座駕的全新一代寶馬數字鑰匙；推出業內首個停車場室內地圖功能； 搭載短視頻應用「西瓜視頻」；以及與騰訊合作，將「騰訊小場景」和「微信車 載版」引入車內。
在今年 10 月的北京車展上，奔馳也在其國產長軸距版 E 級轎車上搭載了裸眼 3D 儀錶盤，系統可以實時監控駕駛員的雙眼視線使得 3D 效果實時根據駕駛員 的目光進行調整，實時隨動。同時，在車的前方，奔馳使用了大面積的 HUD， 而且業內率先支持顯示 AR 實景導航，在目前其它家使用中控屏或儀表顯示的 基礎上更進了一步。後排屏幕也不再只是作為顯示屏，而是像前排屏幕一樣接 入了車機系統，讓你可以觸摸划動控制各種功能，並支持直接與前排分享導航、 音樂等信息。
奧迪在其首款純電動車型 E-Tron 內，採用的是英偉達車機晶片，共三塊大屏組 成奧迪虛擬座艙系統。奧迪儀錶盤採用的是 12.3 英寸液晶屏，中控觸控螢幕為 10.1 英寸觸控屏，下方是一塊尺寸 8.6 英寸的觸控屏，整體顯示效果比較細 膩。在交互方式上，奧迪 e-tron 語音系統使用的亞馬遜 Alexa 語音助手，可 以控制導航、空調，但是不支持多區聲源識別也不支持連續對話。在娛樂影音 系統方面，奧迪 e-tron 沒有搭載在線音樂軟體，只能使用 FM 收音機和藍牙 音樂。從實際的體驗上來看，奧迪 e-tron 上的這套座艙系統從使用的角度上來 講與主流電動車相差較大。常用的幾個功能包括導航、語音、 音樂等做的都不 是很出色，必備的在線音樂功能還沒有搭載到車型上來。語音覆蓋度相對來說 做的比較簡單，語音的識別率、常用功能的操作同樣也落後於大部分智能電動 車，還有非常大的提升空間。
無論是在傳統車企還是造車新勢力，L2 級輔助駕駛技術都已實現了規模應用。 在面向限定條件下的自動駕駛 L3 級以及更高的 L4/L5 級演進中，以及相關法律 監管的空缺，各車廠的汽車智能化之路同樣滯後於造車新勢力。再次以 BBA 為 例，奧迪在 2017年率先在奧迪 A8推出了 L3級自動駕駛技術的Traffic Jam Pilot （TJP），其核心自動駕駛平臺 zFAS 由 4 個核心元件組成， Mobileye EyeQ3 負責交通信號識別、行人檢測、碰撞報警、光線探測和車道線識別，NVIDIA Tegra K1 負責駕駛員狀態檢測和 360 度全景，Altera Cyclone V 負責目標識別融合、 地圖融合、自動泊車、預剎車和雷射雷達傳感器數據處理，Infineon Aurix TC297T 負責監測系統運行狀態使整個系統達到 ASIL-D 的標準。但可惜的是， 在2020年初該公司放棄了在其旗艦車型 A8中引入L3級自動駕駛技術的計劃。 梅賽德斯-奔馳在 2019 年末表示，在確保自動駕駛系統安全性能至少達到 99.999%之前，不會批准自動駕駛系統的使用，並且將在自動駕駛系統研發中 優先發展卡車自動駕駛技術。根據最新的計劃，梅賽德斯-奔馳計劃採用 NVIDIA 自動駕駛系統解決方案，該系統將基於 NVIDIA DRIVE AGX Orin 晶片開發，首 批搭載這套方案的梅賽德斯-奔馳汽車將於 2024 年上路。在自動駕駛技術上， 寶馬積累了大量突破性關鍵技術。2016 年寶馬集團與英特爾以及 Mobileye 建 立起行業第一個開放式的自動駕駛研發平臺，首款支持 L4 自動駕駛的 BMW iNEXT 計劃在 2021 年發布。寶馬選擇了多塊晶片組合的分布式計算平臺，包 括 2 塊英特爾 Denveton 8 核 CPU、2 塊 Mobileye EyeQ5 晶片、2 塊英飛凌 Aurix MCU，以及瑞薩 V3H 和 H3 晶片。
重點企業分析（參見原報告）
中科創達：智能汽車業務爆發式增長，商業模式逐步升級
德賽西威：國內車機龍頭，智能駕駛推進有序（汽車團隊覆 ）
道通科技：優質汽車診斷龍頭，開啟數位化、智能化發展新篇章
銳明技術：全球化商用車監控龍頭，智能化時代迎量價齊升
……
（報告觀點屬於原作者，不代表我們的任何投資建議。如需使用相關信息，請參閱報告原文。）
精選報告來源：【未來智庫官網】。