证券研究报告·行业研究· 汽车 汽车 行业 深度 报告 1 / 47 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Main 软件定义汽车， AI 芯片是 生态之源 增持 （ 维持 ） 投资要点 软件定义汽车背景下，芯片是 汽车核心技术 生态循环的基石 。 在智能网联汽车产业大变革下，软件定义汽车理念已成为共识。传统汽车采用的分布式 E/E架构因计算能力不足、通讯带宽不足、不便于软件升级等瓶颈，不能满足现阶段汽车发展的需求， E/E 架构升级已成为智能网联汽车发展的关键。 E/E 架构升级包括硬件、软件、通信架构三大升级， 硬件架构升级表现为分布式 ECU 向域控制器 /中央计算平台方向发展。 芯片 +操作系统 +应用算法 +数据 构建核心 技术闭环，汽车芯片 是软件定义汽车生态循环发展的基石。 MCU 引领汽车由机械化走向电气化时代 ， AI 芯片引领走向智能时代 。 汽车在机械化向电气化时代过渡时， MCU 是传统汽车 执行 ECU 的计算大脑。随着功能增加 +处理数据复杂 化， 驱动 MCU 单车价值稳步提升。经我们测算， MCU 单车价值由 2019年 78美元提升到 2025 年的 149 美元， 我国 汽车 MCU市场规模 由 2019年的 21.1亿美元提升到 2025年的32.9 亿美元， CAGR 7.7%。 随着 智能汽车芯片需要处理图片、视频等海量非结构化数据，面向控制指令运算的 MCU 不能满足需求 ，汽车芯片逐步走向 域控制集成 化、异构化、 智能 化， AI 芯片成为智能时代的核心。 经我们测算， AI芯片 单车价值由 2019 年 的 100美元提升到 2025 年的 1000+美元，我国汽车 AI芯片 市场规模由 2019 年的 9 亿美元提升到2025年的 91 亿美元， CAGR 46.2%。 特斯拉 FSD 引领产业发展，域控制 AI 芯片呈现 三 强多级竞争格局。 特斯拉 FSD芯片自研自用 ， 减少非必要的软硬件模块，缩短研发周期，提高能效比，大量用户数据优化算法， 引领产业发展，属于独立一级 。三强 处于第一方阵 ： 1） NVIDIA 全球 GPU 领域 AI 龙头 ， 拥有强大的生态， 占据 L3 级及以上市场 ， 作为大厂 对外提供 开发平台 /芯片产品 ，是合资品牌的优选 ； 2） Mobileye 背靠英特尔的汽车 AI芯片龙头 ，生态封闭，占据 L3 以下市场，对外提供算法 +芯片解决方案，黑盒模式或影响长期发展 ； 3） 华为 技术强劲 ，依托多项技术欲打造最强 生态体系 ， 对应 L2+级以上市场， 模式与 NVIDIA 类似对外提供 开发平台 ，是 自主 品牌的优选 。 多级： 地平线 类 Mobileye 模式提供解决方案 、 寒武纪 云边端全领域覆盖 、传统汽车电子厂商及其他潜在进入者 均有入局机会。 投资建议 我们看好“ 5G/AI技术进步 +特斯拉催化”带来的新一轮自动驾驶行情。区别于 2015-2016 年，这轮行情三大不同点： 1）软件取代硬件定义汽车， E/E架构升级成为关键已是行业共识 ； 2）用户版 L3 级 ADAS功能渗透率快速提升从而带来单车价值量上升 ； 3） AI芯片作为未来汽车产业链基石，发展先行，三强多级格局初步形成。 这轮自动驾驶行情我们基于芯片出发，核心推荐 2 条产业链： 1） 全球域控制 AI 芯片龙头英伟达加速向中国进军，通过深度绑定英伟达带来 ASP 提升的【德赛西威】（域控制器） ； 2）基于通信 /手机产业链优势加速向汽车渗透的华为汽车产业链， 新增受益 【华阳集团】（智能座舱 +自动驾驶） ，推荐 【中国汽研】（车路协同 +智能网联平台），【中科创达】（中间件 ，通信组覆盖 ） 、关注 【四维图新】（地图）。另外，建议关注自主 AI 芯片【寒武纪 +地平线】，关注底盘电子【伯特利 +科博达】。 风险提示： 自动驾驶行业发展 不及预期 ， 法律法规限制自动驾驶发展 ，中美贸易摩擦加剧的风险 Table_PicQuote 行业走势 Table_Report 相关研究 1、汽车行业深度：软件定义汽车， E/E 架构是关键 2020-05-29 2、汽车行业深度：软件定义汽车， ADAS 正加速 2020-05-17 3、汽车行业深度：软件定义汽车，智能座舱先行 2020-04-20 Table_Author 2020 年 06 月 23 日 证券分析师 黄细里 执业证号： S0600520010001 021-60199793 huangxldwzq -17%-11%-6%0%6%11%17%2019-06 2019-10 2020-02汽车 沪深 3002 / 47 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业深度报告 内容目录 1. 芯片是软件定义汽车生态发展的基石 . 5 2. 汽车处理芯片由 MCU 向 AI 芯片方向发展 . 7 2.1. 汽车数据处理芯片运算由控制指令向 AI运算方向发展 . 7 2.2. ARM 内核提供芯片控制指令运算能力 . 9 2.3. AI处理器提供芯片智能运算能力 . 10 2.4. 车规级芯片条件苛刻 . 11 3. MCU 引领汽车由机械化时代走向电气化时代 . 13 3.1. MCU 承担汽车执行 ECU 的运算大脑 . 13 3.2. 预计 2025 年我国汽车 MCU 市场达 32.9 亿美元， CAGR 7.7% . 14 3.3. 汽车 MCU 行业加快整合集中度提升 . 16 4. 软件定义汽车时代来临，域控制 AI 芯片是重要一环 . 18 4.1. AI芯片是智能汽车时代实现域控制的核心 . 18 4.2. 预计 2025 年我国汽车 AI芯片市场超 91 亿美元， CAGR46.2% . 19 4.3. 集成更多 AI单元是智能芯片技术路径发展的大趋势 . 20 5. 域控制器 AI 芯片呈现三强多极竞争格局 . 23 5.1. 特斯拉：自研 FSD 芯片，引领产业发展 . 25 5.2. NVIDIA：全球通用 AI芯片龙头，构建生态王国 . 27 5.3. Mobileye：背靠英特尔，全球自动驾驶 AI芯片龙头 . 32 5.4. 华为：依托芯片，欲打造最强生态体系 . 36 5.5. 地平线：对 标 Mobileye， AI芯片率先搭载 UNI-T 座舱域 . 39 5.6. 寒武纪：源于中科院，面向云边端全领域 . 42 5.7. 域控制器 AI芯片潜在进入者 . 44 6. 受益标的 . 46 7. 风险提示 . 46 图表目录 图 1：博世 E/E 架构升级进程 . 5 图 2：由控制指令运算为主的分布式 ECU 向 AI运算的中央计算平台发展 . 6 图 3：汽车半导体分类 . 7 图 4： MCU 芯片结构 . 8 图 5： SOC 芯片结构 . 8 图 6： ARM Cortex 处理器家族分为 A/R/M 三大系列 . 10 图 7：智 能芯片分为云边端三大类 . 11 图 8：人工智能算法的概念分类 . 11 图 9： MCU 的工作过程 . 13 图 10： BOSCH 的 ECU 实物图 . 13 图 11：不同位数 MCU 的应用类型 . 13 图 12：发动机管理系统 ECU 功能应用逐渐复杂化 . 14 3 / 47 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业深度报告 图 13： 2018 年传统汽车 MCU 单车价值 78 美元 . 15 图 14： 2018 年纯电动汽车 MCU 单车价值 77 美元 . 15 图 15：全球通用 MCU（汽车、工业、消费电子等）竞争格局 . 16 图 16： 2017 年全球汽车 MCU 市场份额 . 17 图 17：自动驾驶信息传递环节 . 18 图 18： CPU 结构 . 20 图 19： GPU 结构 . 20 图 20： FPGA 结构 . 21 图 21： N-SOC 结构 (华为达芬奇架构） . 21 图 22： Autopilot 硬件 1.0 . 25 图 23： Autopilot 硬件 2.0 . 25 图 24： Autopilot 硬件 2.5 . 26 图 25： Autopilot 硬件 3.0 . 26 图 26：特斯拉 FSD 芯片结构 . 27 图 27： NVIDIA 在 GPU 市场是 AI芯片龙头 . 28 图 28：英伟达的 K1 芯片嵌入奥迪 A8 的 zFAS 系统中 . 29 图 29： NVIDIA PX2 系列产品 . 30 图 30： NVIDIA 系列产品 . 30 图 31： Mobileye 是全球自动驾驶芯片龙头 . 33 图 32： 2014-2019 年 EyeQ 芯片出货量 CAGR 45% . 33 图 33： 2014-2019 年 Mobileye 收入 CAGR 43.7% . 33 图 34： EyeQ3 芯片 . 35 图 35： EyeQ4 芯片 . 35 图 36： EyeQ5 芯片 . 35 图 37：华为 MDC 计算平台 . 37 图 38：达芬奇架构（单核） . 38 图 39： MDC300 计算平台 . 38 图 40： 华为 “八爪鱼 ”自动驾驶云服务 . 39 图 41：地平线芯片的 BPU 架构 . 40 图 42：地平线的征程二代 SOC 芯片 . 40 图 43：地平线的 Matrix1.0 计算平台 . 41 图 44： 2020 年征程二代芯片首次量产搭载在长安 UNI-T 上 . 42 图 45：寒武纪 MLU290 云端 AI芯片 . 43 图 46：寒武纪基于 MLU290 的 AI加速卡 . 43 图 47：寒武纪 MLU220 边缘端 AI芯片 . 44 图 48：寒武纪基于 MLU220 的 AI加速卡 . 44 表 1： SOC 较 MCU 芯片功能更复杂 . 9 表 2：汽车芯片标准远高于消费级 . 11 表 3：功能安全标准对故障等级要求苛刻 . 12 表 4： 2030 年我国汽车 MCU 市场规模达 47.6 亿美元 . 15 表 5：全球主要汽车 MCU 公司概况 . 17 表 6： 2030 年我国汽车 AI芯片市场规模达 177 亿美元，十年 GAGR 28.1% . 19 4 / 47 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业深度报告 表 7： AI芯片的主要技术路径 . 21 表 8：汽车主要 AI 芯片对比 . 23 表 9：特斯拉自动驾驶系统方案 . 26 表 10： NVIDIA 自动驾驶系列产品 . 29 表 11： NVIDIA 全球车企合作情况 . 31 表 12： NVIDIA 全球共与六家一级供应商展开合作 . 32 表 13： Mobileye EyeQ 系列芯片 . 34 表 14：地平线征程系列芯片 . 39 表 15：地平线计算平台系列产品 . 41 表 16：寒武纪云端 /边缘 /终端系列产 品 . 42 表 17：边缘端芯片产品公司（均 N-SOC 芯片） . 44 表 18：云端芯片产品公司（除英伟达 GPU 外，其余均 N-SOC 芯片） . 45 5 / 47 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业深度报告 1. 芯片是 软件定义汽车生态发展 的 基石 在智能网联汽车产业大变革背景下，软件定义汽车理念已成为共识。传统汽车采用的分布式 E/E 架构因计算能力不足、通讯带宽不足、不便于软件升级等瓶颈，不能满足现阶段汽车发展的需求， E/E 架构升级已成为智能网联汽车发展的关键。 汽车 E/E 架构升级主要体现在： 1）硬件架构升级。 由分布式 ECU 向域控制 /中央集中架构方向发展 。好处在于：提升算力利用率，减少算力设计总需求；数据统一交互，实现整车功能协同；缩短线束，降低故障率，减轻质量。 2）软件架构升级。 通过 AutoSAR等软件架构提供标准的接口定义，模块化设计，促使软硬件解耦分层，实现软硬件设计分离； Classic AutoSAR 架构逐步向 Classic AutoSAR和 Adaptive AutoSAR 混合式架构 方向发展 。好处在于：可实现软件 /固件 OTA 升级、软件架构的软实时、操作系统可移植；采集数据信息多功能应用，有效减少硬件需求量，真正实现软件定义汽车。 3）通信架构升级。 车载网络骨干由 LIN/CAN 总线向以太网方向发展。好处在于：满足高速传输、高通量、低延迟等性能需求，同时也可减少安装、测试成本。 从博世对 E/E 架构定义来看 ， 硬件架构的升级路径表现为分布式 （ 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 车 -云计算 ）。 即为分布式 ECU（每个功能对应一个 ECU）逐渐模块化、集成向域控制器（一般按照 动力域、底盘域、车身域、信息娱乐域和 ADAS 域 等），然后部分域开始跨域融合发展（如底盘和动力域功能安全、信息安全相似），并发展整合为中央计算平台（即一个电脑），最后向云计算和车端计算（中央计算平台）发展 。 其中车端计算主要用于车内部的实时处理，而云计算作为车端计算的补充，为智能汽车提供非实时性（如座舱部分场景可允许微秒级别的延迟）的数据交互和运算处理。 图 1： 博世 E/E 架构 升级进程 数据来源： 博世， 东吴证券研究所 绘制 6 / 47 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业深度报告 硬件架构升级 驱动 芯片 算力需求呈现指数级提升趋势。 传统汽车功能简单，与外界交互较少，常为分布式 ECU，主要为控制指令运算（约为百万条指令每秒）、无 AI运算能力、存储较小；智能网联汽车，不仅需要与人交互，也需要大量与外 界环境甚至云数据中心交互， 未来 将面临海量的非结构化数据需要处理，车 端中央计算平台将需要 500+百万条指令 /秒的控制指令运算能力、 300+TOPS（即为 300*1012次每秒）的 AI算力。 图 2：由控制指令运算为主的分布式 ECU 向 AI 运算的中央计算平台发展 数据来源：博世，佐思车研， 东 吴证券研究所 智能网联汽车四大核心技术 ： 芯片、操作系统、算法、数据 共同形成 生态 闭环，芯片是智能网联汽车生态发展的基石。类比手机产业链，我们认为芯片 /操作系统 或成为 寡头垄断格局，而从当下行业发展看，芯片或格局相对较为稳定，且处在产业核心位置。 7 / 47 东吴证券研究所 请务必阅读正文之后的免责声明部分 Table_Yemei 行业深度报告 2. 汽车 处理 芯片 由 MCU 向 AI 芯片 方向发展 半导体 可分为模拟芯片、数字芯片 、 OSD 三大类。 模拟 电路 是指 处理模拟信号的电子电路 。 模拟信号具有连续性，信号 传播的信息包含在 幅度、频率、相位 的变化上， 常应用于 放大信号，信号源两方面 。数字电路是指处理数字信号的电子电路。数字信号 以二进制逻辑代数为基础，实现简单，系统可靠，具有算数运算和逻辑运算的功能 。 OSD包括光电器件、传感器 、分立器件三个细分类型。 图 3：汽车半导体分类 数据来源：东吴证券研究所绘制 2.1. 汽车数据处理 芯片 运算 由 控制指令向 AI 运算方向发展 现阶段，汽车芯片市场上对汽车 数据处理 芯片 分类 有按 三类： 1）智能运算为主的AI芯片； 2）算力较强的主 CPU； 3）算力较弱的 MCU（仍可视为 CPU）。也有按两类：1）智能运算为主的 AI芯片； 2） CPU 运算为主的 MCU。 为了便于理解， 主 CPU和 MCU的主要玩家都是同一类，而且 CPU与 MCU 本质均为控制指令运算，因此 我们采用第二种分类方法。 汽车芯片 由以 控制指令运算 为主 的 MCU 向 智能 运算 为主 的 AI 芯片 方向 发展 。 1）控制指令运算 可执行 如 等待指令、停机指令、空操作指令、中断指令等，其运算单位为DMIPS：即 Dhrystone MIPS 测试下，计算能力为百万条指令 /秒，一般通用芯片常用其表示，如传统汽车电子的 MCU 等，代表厂商如英飞凌、瑞萨、恩智浦等。 2） AI 矩阵运算 常指 对矩阵运算做加速 的能力，对应用于图像、视频等非结