二

汽車智能化下的半導(dǎo)體賦能：

“感知－決策－控制執(zhí)行”

汽車電動化對“輪子”進行了重構(gòu)，而汽車智能化更加凸顯了“計算機”的特征。通過“感知－決策－控制執(zhí)行”的路徑，賦予汽車智能化的表現(xiàn)特征。通過多種傳感器對周圍環(huán)境進行數(shù)據(jù)采集，而后再通過電子控制器進行決策操作。

來源：長橋海豚投研

2．1 計算控制芯片－“決策大腦”

計算控制芯片是整個汽車智能化的決策大腦，就像是計算機里的主控芯片CPU。自動駕駛的深入及攝像頭等傳感器的增多，汽車將處理越來越多的數(shù)據(jù)，那么對計算控制芯片的算力要求也更高。

計算控制芯片的發(fā)展同樣也隨著汽車電子電氣化（E／E）架構(gòu)的演變而變化。根據(jù)博世對電子電氣架構(gòu)的未來趨勢來看，E／E架構(gòu)正度過模塊化階段，向集成化轉(zhuǎn)變。而同樣的計算控制芯片也將從分散式的MCU主導(dǎo)轉(zhuǎn)向集成式的SoC芯片方向。

分布式E／E架構(gòu)：MCU為主。專用傳感器及專用ECU，算法、算力不協(xié)同；

域集中式E／E架構(gòu)：CPU＋MCU。將分散的ECU集中到域控制器中，更容易OTA升級；

整車集中式E／E架構(gòu)及車云計算：GPU＋CPU＋MCU＋NPU。中央計算平臺作為最高決策，其余區(qū)控制器充當網(wǎng)關(guān)角色。

來源：德勤，博世，長橋海豚投研

目前汽車的計算控制芯片市場仍以微處理器（MCU）為主，其主要作用在雨刷、車窗、座椅、車身控制、動力控制等多個分布式節(jié)點方面。而微處理器（MCU）其實是個小型的“主控芯片”，主要部件中有包括CPU、存儲器等，主要適用于較小型的場景中，通過對傳感器信號的處理以實現(xiàn)執(zhí)行控制的功能。

來源：比亞迪半導(dǎo)體，長橋海豚投研

隨著汽車自動駕駛等智能化的發(fā)展，E／E架構(gòu)從分布式邁向集中式。目前特斯拉已經(jīng)率先使用集中式E／E結(jié)構(gòu)，而其他主流廠商主要使用域集中式。在邁向集中式E／E結(jié)構(gòu)時，原本的MCU已經(jīng)不能滿足中央控制需求，此時中央計算平臺需要功能更強大的主控SoC芯片（相比于MCU集合了更多的芯片模塊）。

而在智能化階段中，主控SoC芯片有望成為計算控制芯片市場的主要增長來源。根據(jù)IHS及搜狐汽車研究院的預(yù)測，整個計算決策芯片市場到2025年有望成長至160億美元以上，復(fù)合增速約10％左右，而其中車用SoC芯片市場到2025年將成長至80億美元以上，復(fù)合增速將達15％左右。

來源：IHS，搜狐汽車研究院，長橋海豚投研

2．2 傳感器－“感知之眼”

傳感器給汽車提供了“感知之眼”，主要多方面對周圍環(huán)境進行數(shù)據(jù)采集，給計算控制芯片提供決策依據(jù)。汽車智能化的過程中，主要增加了攝像頭傳感器、超聲波傳感器、毫米波傳感器和激光雷達等智能傳感器，這些傳感器也構(gòu)成了自動駕駛的核心。

來源：普華永道，長橋海豚投研

超聲波雷達主要用在泊車輔助預(yù)警以及汽車盲區(qū)碰撞預(yù)警功能。超聲波雷達成本低，短距離測量中具有優(yōu)勢，探測范圍在10米以內(nèi)，而且精度較高，在泊車方面具有明顯優(yōu)勢；

攝像頭和毫米波雷達是ADAS系統(tǒng)中重要傳感器。攝像頭用以提供視覺，而毫米波雷達用以測距，在L1／L2自動駕駛中發(fā)揮重要作用；

激光雷達是L3－L5 階段中最為關(guān)鍵的傳感器，主要是由于其具有高精度、實時3D環(huán)境建模的特點。而激光雷達在之前主要用在航空航天、測繪等領(lǐng)域。

來源：長橋海豚投研整理

隨著自動駕駛級別的提升，汽車對智能傳感器的需求呈現(xiàn)明顯增長。在L3級別以下的場景下，智能傳感器的增加主要在攝像頭模塊和雷達模塊方面。而在L3階段以后的場景中，對3D環(huán)境建模等的需求，需要激光雷達模塊的加入，進一步帶來單車價值量的提升。根據(jù)英飛凌的報告，L2級別的自動駕駛智能傳感器的價值量在160美元左右，而當達到L4／L5級別時單車價值量將提升至915美元，單車價值量提升5倍以上。

來源：英飛凌，長橋海豚投研整理