（报告出品方/作者：申万宏源研究，屠亦婷、戴文杰）

1 变革：当下是汽车智能化变革大时代

1.1 复盘：汽车产品的变革本质上是追求“人的解放”

智能驾驶与智能座舱/车联网，本是两条完全独立的技术路线，经过了近百年的技术发 展后，终于在 21 世纪初叶融合到了一起，共同成就了一台智能汽车。当下正是智能网联汽 车发展的关键窗口期已经成为了行业共识，智能网联汽车的发展至未来，硬件会逐步趋同， 汽车也会由软件来定义，数据也会成为主要的驱动力。智能汽车领域具有很大的机遇！

1.1.1 智能驾驶：自动驾驶技术持续迭代，智能化变革大幕已开

20 世纪：视觉设备取代无线电设施，公路智能化转向车辆智能化。早期的无人车辆主 要通过无线电技术实现，早在 1910 年代便出现了利用电子回路和光感性硒光电管的自动 引导小车，1920 年代出现了无线电控制汽车。1930 年代世界博览会上，通用汽车公司 提出了“电子化高速公路”的自动驾驶畅想方案，此后一直在公众观念里流行，并于 1958 年第一次在改造后的高速公路上实现了前后车距保持以及自动转向功能。1970 年代受制于 成本因素，电子化高速公路逐渐被汽车厂商放弃，转向使用视觉设备进行无人驾驶尝试， 为车辆装配传感器、计算系统和控制系统等，赋予车辆“视觉”、智能和自动化的能力， 使车辆能够在结构化道路上实现自动驾驶，无人驾驶技术的发展方向从最初的公路智能化 转向车辆智能化，由此翻开了无人驾驶的新篇章。1980、90 年代，军方、大学和汽车公 司开始在无人驾驶技术上展开合作研究，其中典型的有自动驾驶汽车 ALVINN、 NavLab5 项目、无人驾驶原型车 ARGO 等。

21 世纪：技术竞赛推动智能化变革，自动驾驶技术迭代出新。21 世纪以来，在 DARPA 挑战赛的推动下，全球 ICT 公司和硅谷创业公司加入到智能汽车的研发中，传统汽车产业 “智能化”的变革由此展开。2007 年 DARPA 城市挑战赛第一名车辆——Boss，集成了 一种商用线控驱动系统，通过计算机控制，借助电动马达实现自动转向、刹车和换挡。Boss 配备了包括激光雷达、摄像头和雷达等在内十几个传感器，同时配备了由感知子系统、运 动规划子系统、路径规划、行为规划系统组成的软件系统，已经形成了当今自动驾驶汽车 的雏形。2018 年谷歌 Waymo 自动驾驶打车服务产品 Waymo One 上线，正式开始商 业化自动驾驶出行服务。2019 年，Tesla 发布搭载自研自动驾驶芯片的自动驾驶计算平台， 自动驾驶技术不断发展。

中国智能驾驶发展：20 世纪 80 年代起步，L2+及 L3 级已量产落地，特定场景可实现 L4 级。20 世纪 80 年代，中国无人驾驶的技术研发正式启动。八五期间研制成功中国第一 辆能够自主行驶的测试样车——ATB-1 无人车，行驶速度可达 21 公里/小时。目前我国自 动驾驶汽车量产正处在 L2 到 L2+阶段，L3 级别产品也开始出现，并且深圳、上海等城市 也逐步放开了对 L3 上路的法规要求，同时部分企业在矿山、港口、泊车等特定场景下可以 实现 L4 级。随着通信技术、算法、算力、传感器的进步和基础设施建设、监管法规的逐步 完善，中国自动驾驶市场的渗透率将不断提升，推动更高级别的自动驾驶汽车进入市场。

1.1.2 汽车定位转向“第三生活空间”，智能座舱将成核心载体

自动驾驶、智能座舱共同发力，促使传统汽车完成智能化革新，改变原本单一交通工 具定位。智能化时代带来了娱乐方式和用户体验的升级，使汽车由单纯的交通工具向生活 伙伴转变，进一步解放生产力。未来是数据驱动的时代，信息处理能力也将成为汽车的核 心能力。智能汽车将持续改变用户原有的用车习惯，增强使用者的驾驶体验和内容体验。 L3 级及以上自动驾驶的逐步导入，逐渐解放驾驶员双手；车载声学、天幕、氛围灯、HUD、 智能座椅、大屏多屏等智能座舱配置持续增配，使车辆由单纯驾驶空间向户外办公/会议空 间、个人休闲娱乐空间、会客社交空间拓展，打造家庭、公司之外的第三空间。

智能座舱正从被动执行向主动服务进化，未来将演变为“第三生活空间”的核心载体。 纵观汽车座舱的发展历史，汽车座舱的发展趋势可划分为 3 个阶段（被动执行、主动服务、 生活空间），5 个大类（机械时代、电子座舱、智能助理、人机共驾、第三生活空间）。而 不同阶段之间的演进，意味着对全新硬件的需求变化，以及对商业模式的变革与颠覆。

机械时代：汽车座舱设计仅围绕汽车作为单一出行工具展开。这一阶段座舱产品主要 包括机械式仪表盘及简单的音频播放设备，功能结构单一，仅提供车速、发动机转速、水 温、油耗等基本信息，且基本为物理按键形式，需要车主低头操作，驾驶途中易形成安全 隐患。 电子座舱：车载电子产品逐渐增多，人机交互系统亟待整合，由此催生电子座舱域。 互联网和电子产业的繁荣，使交互体验蔓延至汽车座舱，中控屏、HUD、液晶仪表盘等产 品应运而生。传统座舱域的每个系统犹如孤岛一般分散，无法支撑多屏联动等复杂功能， 电子座舱域由此产生，2018 年伟世通和安波福先后向市场推出两款电子座舱域控制器方案。

智能助理：多模态交互技术逐步落地，“车对人”主动交互降低车主交互负担。计算 机视觉、语音交互等技术的发展，融合视觉、语音等多种模态的多模交互技术在座舱内逐 渐落地。大量的传感器在车上得到部署，更好地实现对人的感知和理解，做到“车对人” 的主动交互，降低车主驾驶过程中“人对车”的交互负担，提升交互体验。 人机共驾：可通过座舱域控制器直接调用自动驾驶服务。随着座舱域、动力域和底盘 域相互融合，座舱域控制器可以参与到动力域和底盘域的控制，由此可以直接调用自动驾 驶的驾驶服务，对车辆进行驾驶控制，形成人机共驾。 第三生活空间：汽车应用场景更加丰富，智能座舱是实现“第三生活空间”的核心载 体。与其他空间不同，汽车的优势在于可移动属性，在拥挤的城市里，移动空间极具价值。 2020 年 CES 上，汽车作为“移动智能空间”的理念大行其道，汽车制造商与零部件厂商 都基于此提出对未来产品的设想，将汽车定义为未来“第三生活空间“，而智能座舱则是 实现“第三生活空间”的核心载体。

1.2 为什么要选择汽车智能化的赛道

1.2.1 国家战略支持+法规不断完善，智能汽车市场空间愈发明晰

国家政策频出，支持智能汽车发展。为减少碳排放和环境污染，提高国内能源安全， 振兴汽车产业，国家已经出台多项政策促进智能网联汽车的发展。2015 年工信部发布的《中 国制造 2025》首次在政策层面涉及智能网联汽车，并制定了明确的发展路线。自此以后， 国家颁布了一系列政策与措施来支持智能汽车发展，覆盖生产规范、信息安全、功能模块 等多方面。2020 年发布的《智能汽车创新发展战略》明确提出了到 2025 年 L3-L4 级别自 动驾驶汽车的规模化应用目标。 法规不断完善，为智能汽车商业化落地提供法律支撑。在中国市场，部分车型在技术 层面已经达到 L3 级水平，但出于法规及责任归属的考虑，仍以 L2+级辅助驾驶宣传。2022 年 6 月，深圳市发布《深圳经济特区智能网联汽车管理条例》，是全国首个对 L3 及以上自 动驾驶权责、定义等重要议题进行详细划分的法案，为全国其他地方的 L3 级自动驾驶准入 政策，提供了标准和模板，将推动国内高级别自动驾驶的落地，市场空间更加明晰。

1.2.2 消费端：关注度不断提升，消费市场具有广阔发展空间

消费市场对汽车定位正发生改变，终端消费者不再只将汽车视为运载工具，汽车成为 了提高生活品质的载体和空间。行业需要进一步提高汽车舒适性和驾驶质量，为消费者提 供更愉悦的用车体验。而智能化的本质就是为了安全舒适，解放人的自由。消费者对驾驶 安全性和舒适性的日益重视，使得智能驾驶和智能座舱关注度不断提升，在消费市场具有 广阔的发展空间。

1.2.3 企业端：车企+科技公司共同发力，中国汽车产业有望弯道超车

车企、科技公司加码布局智能汽车赛道。近几年新势力、传统车企纷纷加码智能化布 局，部分智能电动车型已经实现量产，华为、百度、小米等科技互联网公司亦加速入局智 能电动汽车赛道，车企和科技公司共同发力，促进汽车智能化升级。 电动化加速渗透背景下，智能化成为车企比拼的核心要素之一，自主品牌有望借智能 化东风迎来弯道超车良机。在传统燃油车领域，海外车企凭借百年的技术积累和产品迭代， 形成较强的产品力和品牌力，市场格局的相对稳固，自主品牌难以在短时间内实现追赶、 超越。而新能源汽车、智能汽车尚处于技术研发阶段，仍有很大的技术演变空间，众多车 企为塑造产品品牌力、打造产品差异化，持续开启智能化竞赛。吉利、长城、长安、比亚 迪等头部自主品牌以及蔚小理等造车新势力，在 21-22 年期间新品层出不穷，产品价格已 经不再局限在 10 万元以内区间，在 10-30 万这一传统合资品牌强势领域站稳脚跟，并继 续上攻高端市场，2022 年 6 月新能源汽车领域自主品牌市占率已经提升至 61.1%左右。同 时，特斯拉、头部自主、造车新势力等部分新能源车型，已经率先实现 L2.5 及 L2.9 级自动 驾驶落地。自主品牌若抓住智能化东风，持续提升制造力和电动智能化水平，有望迎来弯 道超车良机，中国汽车产业将实现新的跨越式发展。

1.2.4 汽车电动化超预期发展，带动汽车智能化加速落地

汽车智能化在新能源汽车上的应用领先于传统汽车，新能源汽车渗透率提升超预期。 近年来消费者对于新能源汽车接受度逐步提高，叠加多项政策激励，中国新能源市场低中 高端的真实需求全面觉醒；同时强势自主品牌以及造车新势力经过多年技术积累，优质供 给不断推出。根据中汽协数据，2022 年 1-6 月我国新能源乘用车销量渗透率达到 23.9%， 较 2021 年全年 15.5%的渗透率水平提升 8.5 个百分点，其中 2022 年 6 月渗透率达到了 25.6%。根据上险数据，新能源销量中插混和增程式超预期，插混和增程式渗透率由 21 年的 2.6%提升至 22 年 1-7 月的 5.4%，22 年 7 月达到 6.0%，随着比亚迪、理想、岚图、 赛力斯等优质车型的推出，该市场将处于一个高速增长的阶段。我国新能源汽车消费已从 政策驱动转向消费驱动，我们预计整体渗透率水平有望持续提升，预计 2022 年全年新能 源车渗透率将达到 27%，2025 年渗透率达 47%。

政策指引给出自动驾驶渗透率目标，目前 L2 级（含 L2+）渗透率正快速提升。据中国 汽车工程学会发布的《节能与新能源汽车技术路线图 2.0》，要求到 2025 年我国 PA、CA 级（即 L2+L3）渗透率达到 50%，HA 级（L4）自动驾驶开始进入市场；到 2030 年 PA+CA 级（即 L2+L3）渗透率进一步提升至 70%，HA 级（L4）渗透率达到 20%。当下 L2 级（含 L2+）渗透率快速提升，22Q2 渗透率已接近 30%。根据高工智能汽车的数据，2022 年 1-6 月中国市场（不含进出口）乘用车搭载前向 ADAS（L0-L2）上险量为 416.69 万辆， 搭载率为 46.84%， L2 级（含 L2+）搭载率为 26.64%，22Q2 期间 L2 级（含 L2+）搭 载率达到 29.2%的新高，而 2020 年渗透率仅为 12.0%，同时 22Q2 期间 L0+L1 渗透率 约为 20.5%。

电动化加速渗透带动智能化加速，自动驾驶渗透率有望先于政策指引达到。我们预计 智能汽车在未来 3-5 年时间内继续保持高速增长态势，尤其是新能源汽车更积极采用 L2 及 以上的智能驾驶，以及更倾向应用智能座舱新功能，而传统燃油车也将随着全新电子电器 架构的升级，呈现出智能化水平稳步提高的趋势。我们预计自动驾驶渗透率有望先于政策 指引达到，2025 年 L2 级别达到 55%，L3 达到 15%。我们预计未来 2-3 年间，L2（含 L2+）依旧是主流，L2 级别渗透率在 2025 年达到 55%，预计 2023 年至 2024 年 L3 进入 量产的关键窗口期，2025 年 L3 渗透率达到 15%，搭载量将突破 400 万辆规模。

1.2.5 智能化带动单车硬件成本增加，贡献汽车行业产值新增量

纵观整个智能汽车的发展史，我们更进一步深信中国智造的崛起，我们预计汽车电子 将会承载较大产业链增量价值，中国企业在智能汽车领域具有较多突破机会的子领域。 传统车时代：在中国市场，以均价 15 万的传统车为例，其整车制造部分年产值约 1.8 万亿元，研发服务/销售服务/金融服务/后市场分别为 1500/1000/1400/400 亿元。合计中 国传统车年均总产值 2.23 万亿元。 智能电动车时代：智能化/电动化带来单车硬件成本增加分别约为 0.9/4.3 万元，单车 增幅超过 50%。综合考虑传统车被对冲的传统动力部分的产值，中国智能电动车产业年均 总产值约为 3.2 万亿，增加产值近 1 万亿，增幅为 43%，智能化是重要的增量部分。

2 进化：汽车架构走向域集中，软件转向面向服务

智能网联和自动驾驶新机遇下，国内自主零部件有弯道超车的机遇。相较于传统汽车， 智能汽车的价值产业链更长，赛道细分板块更多，市场空间发掘潜力更大。智能汽车将依 托于全新的电气架构、动力总成以及全面的软件能力而持续进化。智能电动车要求产业链 不仅有新的硬件技术，更需要在软件、算法、系统层面做出创新，智能电动车按照功能领 域可分为智能驾驶、智能座舱、电气化三大领域，智能化主要分为智能驾驶和智能座舱领 域，并且智能化与电动化相辅相成。配套零部件和软件解决方案供应商受益于智能化浪潮，迎来新的产业链机会，其产品需求将进一步得到释放和增长。伴随着下游自主车企崛起， 中游自主供应链也将实现加速成长。 汽车电子电器架构向域集中式演进与软件架构向 SOA 演变是汽车实现智能化升级所 必由的路径，也是当下汽车智能化发展中最关键的、最主流的两大趋势。目前来看，各大 整车厂和国内外 Tier1 厂商都在顺应两大趋势积极布局业务以推进汽车智能化发展，但距 离实现完全的域集中式架构与 SOA 架构的技术成熟落地尚需一段时间，因此我们重点关注 当下在向域集中式与 SOA 演变过程中正在落地的技术产品及催生出的技术趋势。

2.1 电子电器架构：从分布式架构向集中式架构演变

在智能化趋势下，汽车传统电子电器（E/E）架构已无法胜任。传统汽车电子电气架构 （E/E 架构）以分布式为主，车辆各功能受不同且单一的电子控制单元（ECU）控制。随着 汽车功能的不断增加，分布式架构存在以下几个问题：①ECU 的数量剧增，增加系统复杂 度。高端车型里的 ECU 平均达到 50-70 个，个别车型 ECU 数量超过 100，使得车辆的电 子系统复杂度超出极限；②ECU 之间算力隔离，整体效率低。单个 ECU 仅对汽车局部功能进行控制，各控制模块间算力隔离，运算资源复用性低；③软硬件强耦合。基础硬件与嵌 入式软件呈现强耦合关系，底层软件与上层应用“高度捆绑”；④无法实现更高级的功能。 车企在工程实践中也意识到，智能化的要求下，在没有统一的集成环境下某些功能是无法 实现的，例如采用的传统 E/E 架构不能实现整车 OTA，在智能化网联化功能软件出现 BUG 时，只能通过召回的方式才能最终解决难题，极大地影响了客户体验。⑤由于 ECU 数量的 激增，对汽车线束长度、传输速度等方面都有更高的要求，而传统 ECU 也面临算力束缚、 通讯效率较低、成本不受控等缺陷，为汽车的研发、生产、安全等多方面带来挑战。

在智能化的趋势下，汽车 E/E 架构的升级路径将体现为：分布式（模块化→集成化）、 域集中（域控制集中→跨域融合）、中央集中式（车载电脑→汽车→云计算）。为了解决 分布式架构的痛点，企业构想出一个中央电脑可以实现所有的功能，上下连接采集端和执 行端，即所谓的“中央集中式”架构，甚至可以做到车云协同的方式。但是落地阶段受限 于原有的供应链体系、系统定义矛盾、原有的软件生态固化等问题，目前只能做到域集中 的架构。即首先分布式 ECU（每个功能对应一个 ECU）演变成为域控制式（博世提出的五 域架构包括动力域、底盘域、车身域、座舱域和 ADAS 域），域控制的核心是域控制器（DCU， Domain Control Unit），然后部分域开始跨域融合发展，最后整合发展成为中央计算平 台（车载电脑）。

目前看主流的 OEM 的电子电器架构的升级路径，主要分为三类： ①特斯拉为代表的激进派倾向一步到位，直接开发中央计算平台，并自主研发 OS 和 自动驾驶 FSD 芯片。特斯拉早期的 Model S 和 Model X 的架构也是根据功能划分出域控 制器，整体的架构介于分布式和域集中式之间，包括驾驶域、动力域、底盘域、座舱域、 车身域等控制器。2018 年推出了 Model 3 进一步推出车载中央处理计算平台，将整车架 构分为 3 块，分别是中央计算模块（CCM），左车身控制模块（BCM LH）右车身控制模 块（BCM RH），其中 CCM 负责信息娱乐系统、驾驶辅助系统和车内通信连接等需要大 算力的系统功能，BCM LH 负责车身便利性系统，包括转向，助力，以及制动等，BCM RH 负责底盘安全系统、动力系统、热管理等，整个架构已在向最终的中央集中式架构靠近。

②以大众为代表的激进派采用跨域集中方案，在五域集中式架构基础上进一步融合， 把原本的动力域、底盘域和车身域融合为整车控制域，从而形成了三域集中式的架构，做 到整车控制域控制器（VDC，Vehicle Domain Controller）、智能驾驶域控制器（ADC， ADAS\AD Domain Controller）、智能座舱域控制器（CDC，Cockpit Domain Controller）。 动力域、底盘域及车身域对软件的实时性、功能安全等级及可靠性要求极高，同时底盘域 和动力域由于涉及供应商较多，集成难度大，因此在三大领域有多年的研发和经验积累的 车企才具备采取由分布式转向跨域集成方案的能力，准入门槛高，因此只有大众等较少的 强外资企业直接采取跨域式集中方案。

③其它车企大多是按照博世的五域架构路线进行稳步推进，按照功能分为座舱域、 ADAS 域、动力域、底盘域及车身域，其中域控制器又可以分为性能域和集成域两类：座 舱域和辅助驾驶/自动驾驶（ADAS）域属于性能域控制器，是由中控系统升级而来，需要 较大的数据处理能力来处理大量的数据。动力域、底盘域和车身域属于集成型域控制器， 该部分对算力要求较低，主要涉及的还是控制指令计算和通讯资源，通过将大量 ECU 的集 成减少通信接口、进一步提升算力利用率、减少算力设计总需求、同时数据能够更好的融 合，统一交互，实现整车功能协同。 目前，分布式的整车架构仍然是主流，总体看国内和全球都处于分布式向域控式转化 的趋势中。

DCU 成为 ECU 发展的下一阶段，带动 ECU/DCU 总体市场规模持续增长，其中自动 驾驶产品增速最快。座舱域、辅助驾驶/自动驾驶域需要处理大量非结构化数据，AI 算力不 可或缺，适合使用 DCU；动力域、底盘域等安全级别、实时性要求较高，算力要求较低， 集成 DCU 会带来新增不必要成本；现阶段车身域大量 ECU 已被集成在车身控制器（BCM） 中，进一步集成不会带来相应收益。所以虽然 ECU 市场增速将放缓，但其市场空间绝对值 仍然巨大，ECU 集成为 DCU 的趋势非常明显，中长期 DCU 市场必将高速增长，带来明确 性机会。根据麦肯锡数据，预计 2020 年、2025 年和 2030 年全球车用控制器（ECU+DCU） 市场规模分别约为 920、1290 和 1560 亿美元，其中 DCU 市场份额快速提升，由 2020 年 2%分别提升至 2025 年的 20%和 2030 年的 44%。目前自动驾驶处于 L2 向 L3 升级的 关口，未来 L4 也会落地，其控制器单价有望从千元级提升至万元级别，自动驾驶域控制器市场将在量价齐升下快速增长，根据中国电子信息产业发展研究院与汽车电子产业联盟编 写的《2030 中国汽车电子产业发展前景分析》预测，全球车用控制器中自动驾驶类产品（自 动驾驶+高级自动驾驶辅助系统）增速最快，占比由2020年的21%提升至2025年的30%， 到 2030 年将进一步提升至 38%。

当下的智能驾驶还是以辅助驾驶 ADAS 为主，国际 Tier1 大厂在国内的 ADAS 领域份 额优势明显，本土供应商突围下，国际大厂份额开始下降。2022 年上半年 L2 级别（含 L2+） ADAS 搭载量超过 L0+L1 级别，达到了 237 万辆，L0+L1 级别 ADAS 装载量为 180 万辆。 无论是 L0+L1 级别的 ADAS 还是 L2 级别的 ADAS，国际大厂都占据绝大多数的份额，其 中L0+L1级别中TOP5供应商均为国际大厂，份额为83.06%，经纬恒润第6份额为5.59%， L2 级 ADAS 的 TOP7 供应商均为国际大厂，但得益于本土供应商如经纬恒润、德赛西威、 福瑞泰克、智驾科技、毫末智行的突围，TOP7 供应商份额小幅下降 4.43pct 至 86.40%。

座舱域与智驾域控制器是当下市场焦点，主机厂与传统 Tier1 是域控制器市场的主要 参与者，其中国内 Tier1 厂商发展迅猛，共同推动智驾域与座舱域装载量的快速提升。① 主机厂主要包括特斯拉、国内造车新势力及长城等传统品牌车企，其中特斯拉引领发展， 整个架构已在向最终的中央集中式架构靠近；国内新势力品牌出于提升品牌影响力的考虑 和产品快速迭代的需要，大多坚持全域自研，打造差异化优势；国内传统车企中长城较强， 立足于旗下毫末智行实现域控制器高度自研；而实力稍弱的主机厂则选择部分自研或外采 解决方案。②国际 Tier1 主要包括电装、博世、安波福、伟世通、大陆等，凭借技术积累 在域控领域较为领先。③国内 Tier1 发展迅猛，主要包括华为、经纬恒润、德赛西威、东 软睿驰、博泰车联网等，其中华为自研能力最强、技术优势最大，在自动驾驶、智能座舱、 车身、三电系统、传感器等多领域都有自研产品落地，并能够实现以自身为主导与车企进 行整车合作；德赛西威量产规模最大、具备先发优势，产品已配套理想、小鹏、奇瑞等多 款车型。国内其余域控制器 Tier1 亦有域控产品落地或即将实现量产，也具备一定竞争力。 智驾域和座舱域控制器的装载量也在快速提升，2022年上半年国内装载量分别达到了37.1 万台和 64.4 万台，同比增速分别为 62%和 42%。

国内域控制器 Tier1 由垂直供应转向与主机厂进行更深度合作，追求快速、低成本、 高质量的推出产品，发展机遇较多。在此过程中，主机厂基于自身实力与资源选择是否自 研，并从域控的产品结构上与 Tier1 进行深层次合作，有望缩短产品落地周期、提高利润 率的同时提供给 Tier1 更多参与机会，实现双赢。从整体趋势来看，主机厂更加注重上层 软件和算法的自研，供应商做好硬件、底层软件、中间件；在域控架构不断变化升级与不 同主机厂对域控制器存在差异化需求下，主机厂倾向于自身主导域控功能与算法，国内 Tier1 供应商具备与主机厂距离近、合作响应速度快等本土优势，有望在域控制器领域实现 突围。 自动驾驶域控制器市场竞争激烈，特斯拉、博世等海外厂商在产品和技术上暂时领先， 以华为、德赛西威、经纬恒润为首的国内厂商亦具备一定竞争力。①国内华为自研能力最 强，技术领先，建立了 MDC 车载计算平台，实现从芯片到智能驾驶平台全面自研，其中 最新自研智驾平台 MDC810 算力达 400+Tops，已搭载在极狐阿尔法 S HI 版车型上，华 为有望凭借强大自研能力持续与更多整车厂合作。②德赛西威凭借与英伟达的深度合作占 据 L2 及 L2.5 级别的优势地位，产品已搭载在小鹏 P7 和理想 L9 等车型上，获得多个主机 厂定点，有望持续受益于英伟达高算力 AI 芯片的优势，持续扩展高阶自动驾驶产品的市场 份额。③经纬恒润目前凭借 Mobileye 成熟的 L2 方案，在 L2 级别市场占据较大份额，并 在自动驾驶领域进行多产品线布局，经验丰富。目前经纬恒润积极与 TI、英伟达、黑芝麻 合作，向 L3 级别拓展，并且在多种感知硬件产品、底层软件、中间件、操作系统、规控算 法、部分执行器均有布局，具备提供算法+硬件的解决方案能力，同时初步在港口场景实现 L4 级别落地，发展潜力巨大。④东软睿驰、创时智驾、知行科技等国内其余 Tier1 均在自 动驾驶域控制器上积极布局，短期内有望实现产品落地和车型配套。

2.2 软件架构：从面向功能向面向服务的 SOA 演变

2.2.1 SOA 降低了软件开发难度、提高了效率

SOA 带来软件新机遇，软件定义汽车成发展趋势。集中式的 E/E 架构是软件定义汽车 得以实现的硬件基础，SOA 是软件定义汽车实现的软件基础。随着主机厂开发车型周期越 来越短，面临的开发需求更频繁，车上功能增多，主机厂需要更快速的响应时间以满足市 场需求，与此对应的是传统分布式 E/E 架构下，汽车采用的是“面向信号”的软件架构， ECU 之间通过 LIN/CAN 等总线进行点对点通信。为了真正实现软件定义汽车，从技术角 度看，汽车软件架构正由“面向信号”的传统架构迈向“面向服务”的 SOA 架构 （Service-Oriented Architecture）。SOA 架构核心将每个控制器的底层功能以“服务”的形式进行封装，一个服务即是一个独立可执行的软件组件，并对其赋予特定的 IP 地址和 标准化接口以便随时调用，最终通过这些底层功能的自由组合实现某项复杂智能化的功能。 因此需要 SOA 架构具有接口标准化、相互独立、松耦合三大特点： ①各个“服务”间具有界定清晰的功能范围，并且留予标准化的访问接口； ②每个服务之间相互独立且唯一，均属于汽车软件架构中的基础软件，因此若想升级 或新增某项功能只需通过标准化的接口进行调用即可； ③具备松耦合的特性，独立于车型、硬件平台、操作系统以及编程语言。可以将传统 中间件编程从业务逻辑分离，允许开发人员集中精力编写上层的应用算法，而不必将大量 的时间花费在底层的技术实现上。

2.2.2 SOA 架构的各层基础软件助力软件定义汽车的实现

操作系统跟随硬件架构的跨域融合趋势数量在减少，按功能分类可分为车控操作系统、 自动驾驶操作系统与智能座舱操作系统。跨域融合方案下，域操作系统正在逐渐形成，传 统操作系统正由独立的多个操作系统向少数/一个操作系统发展。智能汽车操作系统从功能 实现角度来看，大致可分为车控操作系统、自动驾驶操作系统与智能座舱操作系统，其中 车控操作系统主要用于实现车身底盘控制、动力系统控制，自动驾驶操作系统主要用于实 现自动驾驶功能，智能座舱操作系统主要用于实现车载娱乐信息系统功能以及实现 HMI 相 应功能。 操作系统是软件定义汽车发展基石。智能汽车SOA软件架构从上而下分别为应用软件、 功能软件、中间件、底层操作系统（狭义操作系统）、车载芯片软件（BSP）、虚拟机 （Hypervisor）与芯片，其中功能软件、中间件、底层操作系统、车载芯片软件与虚拟机组成广义操作系统，统称为系统层软件，是管理和控制智能汽车硬件与软件资源的底层， 提供运行环境、运行机制、通信机制和安全机制等。

底层操作系统是操作系统的内核，提供了最基础的功能。底层操作系统对内负责协调 进程和管理软硬件资源，对外提供接口实现交互，从根本上决定了系统的性能和稳定性， 是系统软件层的核心。由于开发难度大且安全性要求最高，市场竞争格局主要以 QNX、 Linux、Android 为主。

中间件是介于底层操作系统与上层应用程序之间的软件模块，目前自动驾驶与智能座 舱的中间件正处于百花齐放的时期。中间件可以简单地理解成中间层软件，它和底层软件 紧密结合，构成平台软件，由此联结上层应用层算法和下层硬件（如芯片、传感器等）。 通过平台软件，可以实践“软件定义汽车”软硬件解耦的系统论。应用层可以在任何芯片、 任何域控上进行快速移植和部署，硬件也不需要关注对应的接口匹配。目前市场上主流的 中间件方案为 AUTOSAR，是汽车行业内应用相对成熟的中间件。AUTOSAR 中对各功能 模块进行了封装，并对模块与模块之间的接口进行标准化，从而实现汽车软硬件解耦。 Classic AUTOSAR（AUTOSAR CP）方案应用于分布式架构下的 MCU 上，拥有更高的功 能安全与实时性，适用于动力、制动等传统 ECU；为支持高级自动驾驶需求，AUTOSAR 联盟推出 Adaptive AUTOSAR（AUTOSAR AP），同时基于机器人软件中间件打造的 ROS(2.0)中间件方案也可以用于高级自动驾驶。同时随着传感器的数量增加，数据来源增 多，多元异构数据在芯片之间、各任务进程之间的高效、稳定传递需要引入通信中间件。 SOME/IP 与 DDS 是面向服务的通信协议，都可以共存于 AUTOSAR AP 中，其中 SOME/IP 相对闭源，DDS 可以用于开源商用，但大多数 DDS 商业版是非车规的，主机厂 需要进行二次开发。自动驾驶与智能座舱领域的中间件目前正处于百花齐放时期，自动驾 驶中间件有 AUTOSAR AP、DDS、ROS(2.0)三种主流方案，主机厂可基于此进行二次开 发，而智能座舱目前还没有形成严格行业标准与主流方案。百花齐放的行业状态也为本土中间件企业带来了发展机遇，本土企业可以根据客户的需求进行定制化开发，满足大多数 主机厂目前的“自研”需求，同时定价也更加灵活，具有快速响应优势和本土沟通的优势。

虚拟化技术实现多操作系统共享一套硬件资源。整车分布式架构向集中式架构的演变， 以及大算力芯片的应用，产生软件安全隔离的需求。其中引入虚拟机的概念，可以将物理 服务器的 CPU、内存、I/O 等硬件资源被虚拟化并接受 Hypervisor 的调度，使得多个操作 系统在 Hypervisor 的协调下可以共享同一套硬件资源，同时每个操作系统又可以保存彼 此的独立性。以智能座舱为例，一个座舱 SoC 芯片可以完成对多个座舱电子设备信号的处 理和控制，虚拟机管理的概念被引入智能座舱操作系统，在单个 Soc 芯片上允许符合车规 级安全标准的 QNX、Linux、安卓系统共同运行。目前常见的 Hypervisor 包括 QNX Hypervisor、英特尔的 ACRN、Mobica 的 XEN、大陆 L4RE 等，其中 QNX Hypervisor 是唯一通过 ASIL D 的安全合规水平以及预认证水平的管理程序，应用到量产车型。

广义操作系统通过对底层操作系统进行不同程度的改造，形成三类操作系统。智能汽 车 SOA 软件架构中的功能软件、中间件、底层操作系统、车载芯片软件与虚拟机组成广义 操作系统。广义操作系统按照对底层操作系统的改造程度可分为基础操作系统、定制型操 作系统与 ROM 型操作系统： ①基础型操作系统包括系统内核、底层驱动等，提供操作系统最基本的功能，负责管 理系统的进程、内存、设备驱动程序、文件和网络系统，决定着系统的性能和稳定性；目前底层操作系统为开源框架，暂不受版权和知识产权的影响，一般不属于企业考虑开发的 技术范围。 ②定制版操作系统则是在基础型操作系统之上进行深度定制化开发，如修改内核、硬 件驱动、运行时环境、应用程序框架等，属于自主研发的独立操作系统。 ③ROM 型操作系统是基于 Linux 或安卓等基础型操作系统进行有限的定制化开发， 不涉及系统内核更改，一般只修改更新操作系统自带的应用程序等。大部分的主机厂一般 都选择开发 ROM 型操作系统，国外主机厂多选用 Linux 作为底层操作系统，国内主机厂 则偏好 Android 应用生态。

底层操作系统应用上，智能座舱以 QNX、Linux、Android 为主，智能驾驶以 Linux 为主。在智能座舱领域，得益于 Linux 与 Android 开源特性，其广泛应用于车载信息娱乐 系统，QNX 由于其稳定性与安全性更多的应用于车载仪表盘。自动驾驶相比于智能座舱需 要引入大量的车外的传感器，如毫米波雷达、激光雷达、摄像头等，因此涉及大量数据的 处理，对底层 OS 的开放性要求更高，QNX 开放程度不够，而 Linux 的开放性较高，因此 Linux 受到广泛应用。

3 趋势：拥抱智能化，催生十大行业趋势

自动驾驶的基本过程分为三部分:感知、决策、控制。其实现路径是通过感知系统融合 各个传感器的数据，借助不同的算法和支撑软件对感知层输出信息决策得出驾驶方案，最 终由控制系统完成对车辆的控制行为。 感知指对于环境的场景理解能力，是实现自动驾驶的首要条件。感知系统通过融合各 个传感器的数据，实现对车辆运动环境以及驾驶员状态行为的感知与检测，进而形成全面 可靠的感知数据供决策与控制系统使用。 决策指对感知层输出信息认知理解后根据驾驶需求进行任务决策，选择合适路径达到 目标，是实现自动驾驶最关键的一步。决策系统根据感知系统收集的信息合理决策当前车 辆行为，通过规划出实现任务的最优路径，决策出车辆行驶轨迹，并发送给控制层。 执行指对决策和规划落实的切实行为，是实现自动驾驶的行为体现。执行系统执行驾 驶指令、控制车辆状态，借助车辆的驱动和制动控制及对方向盘与轮胎的控制实现纵向和 横向自动控制，按给定目标和约束自动控制车运行，进而达到自动驾驶的目的。

智能座舱指在汽车移动过程中给驾驶员与乘客提供人、车、环境需求和信息交互的空 间，是自动驾驶的最终展示平台。相比于传统汽车座舱，智能座舱搭配了智能化和网联化 的车载产品，用户可以通过车机 OS 的多模交互驱动座舱内饰和座舱电子的联动，再经由 云端系统处理采集信息，进而实现人、路、车实时智能交互。智能座舱主要由操控系统、 娱乐系统、空调系统、通信系统、座椅系统、交互系统、感知系统等模块组成，包含了座 椅、灯光、空调、音响等座舱内饰与液晶仪表盘、T-box、HUD、流媒体后视镜等座舱电 子，向用户提供了车机互联、语音交互、驾驶员状态监控、生物识别、车路协同、安全预 警等多项智能化功能，实现网联化、智慧化、舒适化、办公化的全新生态体验。

3.1 智能驾驶感知：感知部件丰富升级带动产业发展新格局

趋势一：感知部件升级，激光雷达和 4D 毫米波雷达相继应用上车

自动驾驶催化下，激光雷达逐步应用，毫米波雷达与摄像头升级。传感器是实现自动 驾驶感知的硬件支撑，汽车传统感知器包括摄像头、超声波雷达和毫米波雷达等，在探测 距离和探测精度上能基本满足 L1-L2 级别自动驾驶需求。但自动驾驶级别升高对传感器探 测的距离和精度提出了更高的要求，激光雷达因此落入主机厂视野，成为高级别自动驾驶 所必需的感知器之一，当前激光雷达开始应用上车。传统的毫米波雷达产品已经成熟，现 在 4D 毫米波雷达在传统毫米波雷达软硬件基础上进行了升级，增加了对于物体高度的测 量，能够识别静止的物体，并能够生成物体大致轮廓的点云，并希望未来部分代替低线束 激光雷达，做到感知成本的降低。前视摄像头（一体机）作为 L2 及以下 ADAS 功能的关键 传感器，鱼眼相机作为泊车功能的关键传感器，产品较为成熟，而侧视和后视摄像头逐步 开始搭载，高阶应用的趋势是摄像头模组，算法在控制器中实现。

L3 及以上的高阶自动驾驶需要搭载激光雷达已经成为行业的共识，激光雷达加速上车。 激光雷达在 Robotaxi 已经广泛应用，基本是以机械式为主，而车规级激光雷达也已经积累 了多年，技术趋于成熟，激光雷达已经普遍出现在近期发布的中高端车型上。根据高工智 能汽车的数据，2022 年上半年国内激光雷达交付上车 2.67 万颗，2022 年全年预计超过 10 万颗，预计到 2023 年底规模超过 150 万颗（含定点）。 激光雷达是当下解决智能驾驶场景痛点的有效感知器件，随着成本下降，将会得到更 多的应用。目前智能驾驶中感知器件仍然存在痛点：①摄像头和毫米波雷达感知仍不安全， 对于静止物体、较差光线环境、罕见的 cornercase 不能做到很好的表现；②搭载中短距激 光雷达也仍不够安全，在时速大于 100km/h 的高速场景下，仍然不够安全，车辆的安全制 动需要清晰探测到 100m 之外的小物体，意味着实现 100m 的提前预警，需要 250m 的标准探测距离；③层出不穷的高速抛洒物严重威胁驾乘安全。而激光雷达尤其是长距激光雷 达的应用可以较好的解决以上问题。现在 1550nm 激光光源的激光雷达售价在 1000 美元 左右，预计未来 3~5 年能够实现至少 50%的降本，届时激光雷达将会更多的搭载在车上。

毫米波雷达经历了多年的积累实现了在乘用车上的量产应用，产品应用的载体是 ADAS 功能，其市场年销量在逐渐增加，但传统毫米波雷达有无法识别静止物体的缺陷， 当前国产化方案呈现百花齐放的趋势。毫米波雷达在对信号进行处理时，能够利用运动目 标的多普勒频率和 TOF 原理实现物体速度和距离测量，基于并列接收天线收到同一目标反 射的脉冲波的相位差实现角度测量。毫米波雷达可以输出距离、速度和角度信息，也被称 为 3D 毫米波雷达，对距离和角度信息通过将极坐标系转换为笛卡尔坐标系，可以获得目 标在 x 和 y 方向上离自车的距离，但是缺少了垂直 z 向的信息，对道路中间的井盖、减速 带、悬在半空中的各种标识牌、限高架、静止的车辆等静止物体，由于没有高度信息，通 过 3D 毫米波雷达是无法决策这些障碍物是否影响通行的，这是传统毫米波雷达的缺陷。 当下毫米波雷达发展规律：①价格降低；②体积变小；③脉冲到 FMCW；④芯片高度集成 化；⑤技术创新——4D 成像。现在毫米波雷达已经发展到了第五代，大陆马上要推出第六 代毫米波雷达。L2+系统中，尤其是 NOA 功能，普遍采用了 5 颗毫米波雷达。当下各家的 技术方案存在多样性，重点在于性能指标和工程化落地的能力。

4D 毫米波雷达能够测量目标的高度信息，进行物体的点云成像，是毫米波雷达的下一 代升级。4D 毫米波雷达增加的最显著功能是可以精确探测俯仰角度，从而获取被测目标真 实的高度数据，凭借这一特性，4D 毫米波雷达可以“识别静止物体”。除此之外，4D 毫 米波雷达在分辨率上也获得极大提高，以 Arbe Phoenix 为例，其水平和垂直分辨率分别 为 1°和 2°，1°的水平分辨率比普通 3D 毫米波雷达提升 5~10 倍， 2°的垂直分辨率仅比普 通 16/32 线机械式激光雷达的 1°垂直分辨率小一倍，这让 4D 毫米波雷达在扫描同一物体 时可获扫描的点的数量极大增加，甚至可以有低线束激光雷达的点云扫描效果。第五代毫 米波雷达已经可以逐步实现点云成像，成像的目的是为了对物体进行勾勒轮廓，做出邻近 物体的区分。而在此过程中识别会有识别率的问题，并不是所有物品都可以被识别，当成 像点云越接近物品的真实轮廓，识别率会越高。4D 激光雷达已经可以大致描述物体的周边 轮廓，下一步就是在点云成像基础上，提升目标识别的算法效率。

4D 毫米波雷达较激光雷达更具成本优势，我们认为能够部分代替低线束激光雷达，促 进高阶智驾渗透率提升带来行业的规模效应。4D 毫米波雷达无疑是自动驾驶感知部件的新 星，特斯拉在 2022 年注册了相关的专利，同时 Mobileye 的 CEO 在 CES 演讲上也表达 在 2025 年的高阶自动驾驶上，应用 4D 毫米波雷达去代替激光雷达。4D 毫米波雷达相对 激光雷达优点在于：①多普勒效应直接测速，精度高；②环境适应能力能好，穿云透雾以 及穿雨效果更好，也不受光线的影响；③成本更低，4D 毫米波雷达的传感器都是基于硅基 的 c 模式的传感器，成本可以做得更低。4D 毫米波雷达可以在高度方向与激光雷达做到类 似的角分辨率，但是低线束激光雷达在水平方向的角分辨率仍要比现有的 4D 雷达高出 1 个数量级，但是这个指标并不能代表全部的感知能力，在一些方面 4D 毫米波雷达表现并不 差。4D 毫米波雷达优势突出，我们认为成本是最关键的变量，激光雷达和 4D 毫米波雷达 并不都是成熟的感知器件，技术进步会提升他们对物体的分类能力以及面对 Cornercase 的检测能力，4D 毫米波雷达与摄像头的结合使用是一种很好的低成本的中短距感知方案， 结合高线束的远距激光雷达负责远端感知，形成完整的感知方案。我们认为在成本要求高 的项目上，4D 成像毫米波雷达会部分替代低线束的激光雷达。当下正是 L3 级别自动驾驶 渗透率提升的起点，诸如激光雷达和 4D 雷达成本仍然较高，相信如果更多的厂商采用 4D 雷达，将会带来智驾系统成本下降与高阶智驾渗透率提升的良性循环，届时也将会增加激 光雷达的应用，共同促进系统成本的下降。

趋势二：感知硬件预埋成趋势，国产替代加速

安全功能成主机厂寻求差异化竞争新方向，感知硬件预埋已成趋势。感知部件升级趋 势分为以下两点：①新车搭载传感器丰富升级，激光雷达、4D 毫米波雷达、800 万高像素 摄像头等高级别传感器逐渐应用上车。相比于普通毫米波雷达、摄像头、超声波雷达等传 统传感器，新感知部件的搭载上车本质上是为了追求安全冗余而进行的升级，多个传感器 互补缺陷，实现冗余，进而减少整个感知系统的 Cornercase。②新车搭载传感器数量增多， 这是感知器件在军备竞赛的体现，本质上是为了追求安全冗余。主机厂硬件预埋，成为安 全功能新卖点。伴随 L2+级别智能驾驶在新车中纷纷落地，头部新造车企业在目前自动驾 驶上的差异化优势不再突出，激光雷达、4D 毫米波雷达、800 万高像素摄像头等传感器预 埋成为造车新势力及头部自主品牌寻求差异化竞争力的新方向。蔚来 ES7 搭载了 11 个摄 像头+12 个超声波雷达+5 个毫米波雷达+1 个激光雷达，小鹏 G9 搭载了 12 个摄像头+12 个超声波雷达+5 个毫米波雷达+2 个激光雷达，并配备了高精度地图，理想 L9 搭载了 11 个摄像头+12 个超声波雷达+1 个毫米波雷达+1 个激光雷达，蔚小理三者新车型也均并配 备了高精度地图，硬件配置行业领先。长安深蓝 SL03、极氪 001、北汽极狐阿尔法 S 等自 主品牌新车型也搭载了更多的摄像头、毫米波雷达等传感器。相比于比亚迪汉、小鹏 P5 等 传统热销车型，新车搭载传感器总量明显增多，感知硬件投入金额也显著增加，硬件预埋 已成为主机厂主流策略。

感知部件丰富升级下国产替代加速，本土供应商有望追赶海外领先厂商，迎来较好发 展机遇。①车载摄像头镜头领域国产化趋势明显，舜宇光学领跑行业，独占鳌头；摄像头 关键组成部分 CIS（CMOS 图像传感器，Complementary Metal Oxide Semiconductor Image Sensor，互补金属氧化物半导体图像传感器）领域国产替代加速，韦尔股份持续提 升市占率，有望打破外资安森美垄断格局。②国内超声波雷达产品升级迭代加速，上富股 份提供整套基于超声波雷达系统的感知解决方案，持续获得国内车企定点，加速国产替代。 ③海外厂商在毫米波雷达领域领先不多，国内厂商有望凭借 77GHz 毫米波雷达实现赶超， 目前华域汽车和德赛西威均已实现 77GHz 毫米波雷达量产，国产替代速度加快。④车载激 光雷达尚处发展阶段，部分国内厂商已实现产品量产，短期内有望进一步突破。本土激光 雷达厂商速腾聚创实现车规级半固态激光雷达前装量产交付，技术领先国内行业，已抢占 较多市场份额。炬光科技的激光雷达发射模组产品销量迅速提升，与国内外多家激光雷达 供应商达成合作，有望借助激光雷达实现腾飞；⑤四维图新、高德和百度在高精度地图上 布局较早，占据国内绝大部分市场，在自动驾驶催化下陆续与国内外车企达成合作，有望 持续受益于高精度地图。

趋势三：多传感器融合和前端融合是未来趋势

目前视觉感知和多传感器融合方案双线并行，从距离、速度及精度上的探测要求来看， 多传感融合技术更符合高级别自动驾驶需求；从感知算法来看，SLAM 算法为感知方案核 心算法，其中前端融合算法将是未来发展趋势。 当下纯视觉感知和多传感器融合是主机厂主流感知方案选择：①纯视觉感知方案具备 结构简单、成本较低等优势，基本能满足 L1-L2 自动驾驶感知需求，但该方案对算力要求 高，受限于摄像头感知，在探测距离、探测精度上也存在一定缺陷。目前以特斯拉、丰田 为代表的车企聚焦于纯视觉感知方案。②多传感器融合感知方案成本更高，但具备探测精 度高、探测距离远等优势。该方案中不同的传感器实现不同功能，各有优劣，互为补充， 实现冗余，从理论上是安全可靠性最强的感知方案，更贴合高级别自动驾驶需求，但其技 术壁垒高，对算法要求最高。目前蔚来、小鹏等造车新势力更倾向于自研融合感知方案。 从算法端看，SLAM 算法是实现感知方案的核心技术，其中前端融合算法会是未来发展趋 势。 SLAM 指同时定位与建图，即在汽车自身不确定位置的条件下，根据车载传感器的信 息，同步计算自身位置和建构环境地图，并同时利用地图进行自主定位和导航，最终实现 自动驾驶感知部分，因此实现 SLAM 算法是各种自动驾驶感知方案中最核心、最重要的部 分。目前主机厂在 SLAM 算法中主要采取后端融合算法，而前端融合算法在实现感知系统 的准确、平稳和精准等性能上较后端融合算法更胜一筹，但碍于算法要求较高，会是未来 发展趋势。

软、硬件自研能力较强的车企，有望率先降低激光雷达和融合感知方案的成本，突破 SLAM 算法壁垒，最终实现软件硬解耦。以传统的雷达、摄像头等实现环境感知时，不同 传感器的感知算法都有其相对独特性，并且数据融合方法与其适合的智能驾驶决策、规划、 控制算法耦合紧密，传感器及其感知算法的供应商需要花费大量时间和成本适配智能驾驶 系统，难以实现感知部分的软硬件解耦。而多传感器融合感知方案能够通过前端融合算法 实现单一传感器与其传感器感知算法分类，通过滤波方式在前端实现多个传感器的数据融 合，从而助力实现软硬件解耦。目前，国内小鹏、蔚来等势力凭借其较强的软、硬件自研 能力，布局融合感知方案，有望率先突破融合感知方案壁垒与 SLAM 算法壁垒，叠加激光 雷达成本下降，多传感器融合感知方案会是主流趋势，主机厂倾向自身主导感知算法，最 终实现感知层软硬件解耦。

3.2 智能驾驶决策：算力竞赛不止，行业趋向开放合作

趋势四：芯片算力竞赛仍会持续，国产芯片崭露头角

“软件定义汽车”浪潮下前装硬件算力需求增大，高算力芯片成为高级别自动驾驶车 型主流选择。在汽车智能化过程中，高算力需求体现在以下三点：①从自动驾驶芯片来看， 目前多种类摄像头、超声波雷达、毫米波雷达和激光雷达等车载传感器搭载数量提升趋势明显，同时伴随未来自动驾驶级别攀升至 L3 及以上，芯片高算力会是核心需求。②从智能 座舱芯片来看，伴随整车电子电气化架构由分布式向集中式演进，在全液晶仪表、抬头显 示系统、车载娱乐系统和中控屏幕等多屏融合趋势下，“一芯多屏”是未来智能座舱降本 的主流方案，其中芯片的高算力会是方案的核心支撑。③智能化程度加深对芯片算力提出 更高要求，主机厂搭载高算力芯片为后续 OTA 软件升级和创新提供支持。 我们认为面对未来的不确定性，还会需要芯片算力与功能的冗余，芯片算力的军备竞 赛还会持续，尤其是在自动驾驶领域，自动驾驶的感知与执行器件需要为未来考虑。关于 自动驾驶的能力界定其实一直是在不断变化的，还没有最终定论，所以对于智驾芯片的设 计，未来也有可能会面对新的算法，芯片的设计不仅要面对当下车型 SOP 的需求，还要考 虑未来汽车可能需要的算法，因此芯片需要继续保持算力以及其他能力的冗余，芯片的军 备竞赛还会继续，这也适用在智能驾驶的感知与执行器件，需要为未来更考虑一点，当下 的“硬件预埋”也是这个道理。同时未来的自动驾驶也需要更加开放，一家公司不可能独 揽功能与算法的定义，行业需要更加合作，才能促使自动驾驶的落地。

在芯片持续奔向高算力的趋势下，以专业化架构+软硬结合的规则综合考量芯片真实性 能或成为自动驾驶芯片发展的方案之一。FPS 是衡量自动驾驶芯片真实效能的指标，FPS 是指在自动驾驶功能中每秒准确识别图像帧率，依靠 FPS 衡量自动驾驶性能是以芯片处理 信息精确度、传输速度及响应速度作为核心考量，而并非是单单仅考虑算力。当下主机厂 宣传芯片特别是自动驾驶芯片时，往往将算力大小作为主要宣传点，但单纯的芯片算力并 不能完全代表自动驾驶能力，也要考虑对算力调用的效率，所以用 FPS 代替算力作为评价 标准。因此考虑芯片的能耗以及芯片背后的整体支撑方案包括支持路径以及开发验证工具 链，以专业化架构+软硬结合的方式实现芯片的高实用性能或成为未来芯片厂商的主流方案。

人机互动、人机共驾等智能座舱需求转变叠加“一芯多屏”发展趋势对芯片性能要求 大幅提高，高算力座舱芯片应用成必然趋势。与传统座舱相比，用户对座舱更高端、更智 能的需求转变促使智能座舱在人机互动、人机共驾等智能化功能上更丰富，在座舱集成化 程度提高下，座舱芯片的算力是支撑座舱功能智能化的主要支撑。同时 QNX 的狭义汽车 操作系统和 QNX 虚拟化技术让一芯多屏的实现成为了可能，一芯多屏技术能够带来未来 座舱内更好的交互，并且可以减少 AP 处理器及外围电路的数量，量产下具有成本优势，此 外亦能减少子模块通信的开销。在数字座舱内芯片逐步融合成单芯片方案下，屏幕数量的 增多、分辨率的提高、流畅运行的需求对芯片算力提出了更高的要求，高算力座舱芯片的 应用成必然趋势。 高通凭借高算力芯片在智能座舱芯片领域占据龙头地位，国内厂商新秀层出不穷。现 阶段高通座舱域控芯片出货量最多，推出的 SA8155P 智能座舱平台凭借其领先性能及算 力被全球众多领先车企应用，在小鹏 P5、蔚来 ET7、长城摩卡、吉利星越 L 等众多中高端 车型上均已搭载，未来还将推出基于一芯多屏座舱域控方案的四代高通智能座舱平台 SA8295P，其座舱芯片 SA8295 在算力上更胜一筹。国内众多厂商入局追赶高通，华为以 麒麟 710A 切入座舱芯片，最新发布的麒麟 990A 已搭载在极狐阿尔法 S 车型上；芯擎科 技打造的龙鹰一号座舱芯片是中国第一颗 7nm 制程的车规级 SoC 芯片，在算力、工艺和性能上对标国际领先产品；芯驰科技、地平线等其他本土新兴厂商亦初露头角，陆续研发 座舱芯片，积极与国内主机厂展开合作。

3.3 智能驾驶执行：线控技术为代表的自动驾驶执行器逐步应 用

汽车线控技术起源于飞机的电传操纵系统，是将驾驶员的操纵动作经过传感器转变为 电信号，通过电缆直接传输到执行机构的一种系统。当下的汽车线控主要有线控制动系统、 线控转向系统、线控悬架系统、线控换挡系统、线控油门系统、以及线控增压系统等，安 装在车辆不同位置的传感器实时获取驾驶员的操作意图以及车辆行驶过程中的各类参数信 息，信号传至控制器进行分析处理，进而得到合适的控制参数传递给各个执行器实现对车 辆的控制。

汽车线控底盘主要由线控制动、线控转向、线控换挡、线控油门以及线控悬挂五大系 统组成，是实现自动驾驶的关键载体。相比于传统底盘，线控底盘技术更适配于电动车， 线控系统技术优势高度匹配汽车智能化需求。①线控技术适配电动车。线控系统需要汽车 强大电力供应，在电动车上采用线控技术更适合。②相较于燃油车，电动车会率先应用自 动驾驶，线控系统技术优势高度匹配汽车智能化需求。以线控转向为例，线控转向会取消 方向盘与车轮之间的机械连接，用电机推动转向机转动车轮，在安全性、反应速度、方向 盘布局上是自动驾驶的标配。

趋势五：车企布局线控底盘，带动线控渗透率加速提升

自主品牌积极布局线控底盘技术，集成式底盘系统能实现降本成为车企布局的内在驱 动力。伴随汽车智能化升级和软硬件解耦趋势，以