（报告出品方/作者：国信证券，熊莉、于威业）

巨头厂商底层技术突破，为汽车智能化带来质变

无论是造车新势力，还是传统车厂都在深度布局汽车智能化，座舱域、 驾驶域的发展速度尤为惊人。目前智能座舱的新车型普及度持续攀升， 智能驾驶的落地速度也有所加快。在汽车新四化浪潮下，车厂、芯片厂 商、Tier1、OS 以及其他软硬件供应商积极投入研发，产品迭代速度显 著加快。尤其巨头厂商在底层技术的突破，为市场带来质变。

硬件控制器集中化，SDV 已成为未来行业发展趋势

随着软硬件和新技术的共同发展，ECU 开发瓶颈问题日益突出，汽车行 业由最初的“机械定义汽车”逐步转变为“软件定义汽车”。硬件控制器 集中化，SDV 已成为未来行业发展趋势。在软件定义汽车时代，产品价 值链被重塑，传统汽车核心竞争要素将会被硬件、软件和服务所取代， 供应链生态也将变革，汽车行业的重点将从依靠硬件驱动的产品逐步进 行转移，当下的新产品应当是由“硬件+软件”同步驱动的产品。

中国汽车智能化发展速度领先，A 股有望成为核心投资市场之一

汽车新四化的发展，OTA 市场增速迅猛，中国智能座舱作为首个核心应 用市场潜力巨大，预计 2025 年规模破千亿，市场政策双驱动，ADAS 获 井喷发展。据中国产业调研网估计，2025 年全球 ADAS 市场规模将达 275 亿欧元， 年均复合增长率高达 17%。

终端软件解决方案提供商的盈利模式也有望发生转变

大部分传统汽车厂商缺少软件基因，在软件定义汽车领域需要寻求外部 供应商的合作，且需求范围逐步扩大。供应商多以项目开发的形式开展 业务，目前正逐步增加 Royalty 收费（按销售量和单价的一定比例分成）、 升级服务费等盈利模式，市场量、价空间逐步打开，空间巨大。

智能座舱：“硬+软”全面升级进入爆发期，产品成熟商业化加速

智能座舱硬件升级，“智能化+集中化”架构重新定义软硬件形态

人车交互式体验核心，多屏融合智能驾驶舱代表未来

传统汽车驾驶仓的生态系统以碎片化为主，分布式电子控制单元之间信息无法 有效交互，导致人与车之间存在交互障碍。随着汽车电子化程度提高，电子控 制单元整合是汽车电子设计的发展趋势，多屏融合的智能座舱将集成中控大屏+ 液晶仪表盘+抬头显示器（HUD）+流动后视镜，并搭载高级辅助驾驶（ADAS）、 无人驾驶技术和人工智能 AI 等新时代科技，带来更为智能化和安全化的交互体 验。

智能座舱全产业链分为三大环节：1）Tier0.5 级供应商也可称为产业的下游， 主要以各大车企和传统 Tier1 供应商构成，如德赛西威、均胜电子、伟世通等， 云计算和车联网的普及使华为、BAT 等互联网科技类供应商也分布于产业下游； 2）Tier1 为座舱提供中控屏、仪表盘、流媒体后视镜、后排液晶显示器等硬件， 同时配合开发信息娱乐解决方案、驾驶显示解决方案和 HUD 为智能座舱的电子 化技术升级；3）传统的 Tier2 主要供应 PCB、显示面板、功率器件等电子产品， 未来产业将集中升级操作系统相关软硬件，如增加应用软件、中间件软件、自 主定制操作个性化系统、可达成“一芯多屏”的高效能低成本芯片。

新一代智能座舱将液晶仪表盘和中控大屏结合，共同对用户体验产生影响，满 足消费者对科技感和舒适性的需求。智能座舱是新能源和未来无人驾驶汽车标 配。攻克新能源汽车核心技术是中国迈入汽车强国的必由之路，新能源汽车带动 ADAS 前装信息渗透率快速提升，加速市场对车用信息云端交互的需求，推 动智能座舱解决方案的未来发展。在传统机械仪表盘内，新能源汽车电量显示、 续航里程等新能源汽车关键信息，以及 ADAS 车型轨道偏移等信息均无法显示， 全液晶显示屏必定是大势所趋。

传统汽车座舱的前方普遍以机械或半液晶仪表盘，中间以液晶显示器为主。特 斯拉在车内配置了一块 17 英寸巨屏引领了智能汽车的大屏潮流，随后各大车厂 的高端车型逐渐将超大屏作为标配，比如，奔驰新 E 系采用双 12.3 英寸高清显 示屏通过悬浮效果为驾驶舱带来先锋科技感，左侧显示器显示数字仪表盘内容， 而右侧显示器为驾驶员呈现车内信息娱乐（IVI），融合汽车操作系统和车载信 息娱乐系统，从而升级人机交互体验；在宝马 i4 Concept 的发布中，宝马将所 有操作集成在面积非常大的中控中，几乎放弃所有的物理按键，未来宝马的车 型座舱内饰都将朝着这个方向设计，一体式悬浮大屏也将成为宝马下一代内饰 的核心元素。

集中取代分布。未来智能座舱所代表的多屏融合体验都将依赖于高计算能力的 超级芯片。多个分布式的电子单元使每个系统如同“孤岛”一般，难以支持多 屏幕融合、多模块互动等复杂座舱功能，“一芯多屏”替代多单元组件的技术将 融合每座“孤岛”成为一块“新大陆”。伴随着智能驾驶渗透率提升，全球芯片 巨头纷纷布局推出具备人工智能计算能力的主控芯片，取代传统分布式的功能 芯片，IHS 预测在 2020 年汽车主控芯片市场规模可达到 40 万亿美元。

“一块芯片、多屏互交”将成为智能座舱未来趋势，单一芯片可以降低系统复 杂度以提高安全性能，并降低成本预算。通过融合云侧终端和 V2X 场景，底层 芯片和车载系统根据各个电子控制单元（ECU）反馈的数据进行计算，了解汽车行驶状态以及各项参数指标，调配车辆至最佳行驶状态。以液晶显示器为例， 传统机械仪表盘难以承受大量行车数据，液晶仪表盘通过升级芯片并引入云端 数据，构建智能座舱交互平台和界面，未来将升级裸眼 3D 仪表盘。

座舱域目前高通一枝独秀。目前，高通已经赢得全球领先的 20+家汽车制造商 的信息影音和数字座舱项目。目前高通通过骁龙 820A 和 602A 汽车平台，在数 字座舱领域为汽车提供高水平的计算性能。其中，骁龙 820A 数字座舱平台支 持计算机视觉与机器学习，能够提供丰富的图形与多媒体功能，加上广泛的可 视化和操作系统选项组合及神经处理引擎，帮助汽车厂商打造差异化特性，提 供卓越用户体验。目前，包括奔驰、奥迪、保时捷、捷豹路虎、本田、吉利、 长城、广汽、比亚迪、领克、小鹏、理想智造、威马汽车在内的国内外领先汽 车制造商均已推出或宣布推出搭载骁龙汽车数字座舱平台的车型。2020 年多款 上市新车型都搭载了骁龙 820A，包括全新领克 05、奥迪 A4L、小鹏 P7 及 2020 款小鹏

高通今年量产的 SA8155P 芯片更是在主频、算力、制程方面全面领先竞争对 手，龙头地位稳固。高通此前在智能移动终端、通信等芯片领域展现出龙头研 发实力，目前在座舱域 DCU 方面也全面领先竞争对手。自主品牌、合资品牌、 外资品牌车厂纷纷围绕 SA8155P 搭建研发平台，车型落地在即。

智能仪表盘驱动人机交互

以集合娱乐信息系统和车载信息系统的中控作为人机交互的核心驱动，液晶仪 表盘将成为人车交互的入口和界面。中控系统主要由操作系统（OS）、软件服 务和 ADAS 系统主导的软件所组成。L4 自动驾驶是未来智能汽车的必然趋势， 更多围绕乘客的角度去进行 HMI 设计，随着 5G 和车联网技术的发展，智能、 便利、人性化体验，正在重新定义未来汽车人机交互新模式。3D 仪表盘、 AR-HUD 和媒体后视镜都将为驾驶员提供更便捷和更安全的驾驶信息显示。但 特斯拉的 Model3 摒弃了传统的液晶仪表盘，全采用 15 寸的中控大屏显示。中 控屏中的 UI 交互设计：屏幕左侧显示车辆行驶数据，包括时速、挡位、剩余电 量等内容；右侧以导航功能为背景的多媒体操作系统。

通过仪表盘内的车载摄像头，系统可以实时监控驾驶员的双眼视线使得 3D 效 果实时根据驾驶员的目光调整，实时随动。目前海内外头部车厂已逐渐为高端 车型配备车载摄像头，大多装置在仪表盘或内后视镜中，生物识别观察驾驶员 的动态，不仅可以个性化定制驾驶员专属模式，还可以确保驾驶员在行车中保 持高度精神集中状态以提高安全指数。相比现在主流开发的动作识别和手势识 别，奔驰更加直观的方式结合摄像头监控显然比固定模式的手势操作更实用。 如喜欢倒车回头看的人，仪表摄像头会在回头的时候自动降下后遮阳帘，若想 拉开遮阳帘也不用去找按钮，直接在遮阳帘下方的区域凭空向后拨动，遮阳帘 会自动打开。

HUD 逐渐成为智能汽车标配

平视显示器（HUD）运用光学投影技术将车载信息投屏到与视线平行的前方挡 风玻璃上，为了帮助驾驶员减轻认知负荷，无需转移视线即可轻松获取行车信 息，提高其态势感知能力的应用。另一方面，融合汽车传感器和高级驾驶员辅 助系统（ADAS）功能在一起时，能使驾驶员更轻松地检测到威胁或警告，从 而更快地采取行动。

HUD 现已在部分成型上有所应用，比如，宝马 5 系、奥迪 A6、奔驰 E 系等， 未来 AR-HUD 有望成为智能汽车的必然配置。奔驰 S 级拥有面积最大的顶尖 AR-HUD，率先支持 AR 实景导航，给驾驶员提供方向。随着光学、AR、图像 识别等技术不断突破，通过特殊设计的光学系统将图像信息精确地结合于实际 交通路况中，包含技术有投射、前挡特种玻璃、高精地图、图像渲染和智能驾

软件定义汽车趋势明朗，使用软件解决硬件控制场景

软件定义汽车拥有 7 层 IT 架构，智能座舱成为软件定义汽车率先落地场景，此 外特斯拉、小鹏等汽车厂商开始使用 OTA 解决性能和故障问题，未来应用场景 将不断拓展。

车企开发自主车载系统方式以标准的定制化操作为主，ROM 和超级 APP 方式 为辅。车载系统的构建从下至上为：硬件、虚拟机、系统内核、标准系统服务 层、汽车服务和车辆控制、应用程序框架（含中间层）、应用程序和云服务。智 能座舱是结合软件和硬件多多元配合下的产品，一个完美的智能座舱需要拥有 驾驶辅助、座舱域控制器、沉浸式声学体验、显示屏技术和座舱检测系统等新 技术，同时搭配内饰、座椅等传统硬件。

车企对车载 OS 布局会根据战略格局以及自身实力划分为 3 种形式：1）定制化 自主开发专属 OS；2）ROM 方式基于已有系统做上层 UI；3）直接采用现成的 车载 OS 并搭建自身的应用软件。头部车厂大多倾向从整车硬件到车载 OS 都 自己开发，形成自身独有的完整生态链。

车载 OS 是传统车产实现数字转型的关键，汽车将演变为移动智能终端。目前 主流的底层车载操作系统共有四种：QNX、Linux、Android 以及 WinCE，其中 WinCE 基本上已经退出市场。从主流车企选择的系统开发方式来看，海外高端 车厂、零部件供应商（如奔驰、宝马等）和国内车企新势力（如小鹏、蔚来等） 都选择自建技术团队，即在底层操作系统基础之上进行定制化开发，形成独有 的车载系统。

QNX 为车载 OS 领域龙头，全球 100%的 OEM 商和前八家 Tier1 都是 QNX 的 客户，在车载信息娱乐系统或车联网系统占据超过 60%的市场份额，如宝马 ConnectDrive、奥迪 MMI 都用 QNX 技术。车载 OS 行业巨头 QNX 也推出基 于软件的智能座舱解决方案，凭借实时性交互等优势，集成多个电子控制单元 （ECU）到单一芯片系统（SoC）使系统运行的软件可以打破临界线，甚至横 跨不同的操作系统，从而推动安全认证的要求。使用 QNX 平台的智能座舱不仅 享有可靠安全的车载信息系统和娱乐信息系统，还可以通过同一 ECU 访问 Android 系统的最新应用程序，如谷歌地图和音乐软件。

虚拟机和中间层软件分别辅助车载系统

虚拟机辅助软硬件的一体化聚合是未来趋势。Hypervisor（虚拟机）是运行在 物理服务器和操作系统之间的中间软件层，可用于同步支持 Android、Linux、 QNX 多系统。根据 ISO26262 标准规定，仪表盘的关键数据和代码与娱乐信息 系统属于不同等级，主流市场中，QNX 或 Linux 系统用来驱动仪表系统，信息 娱乐系统则以Android为主，目前技术只能将两个系统分开装置在各自芯片中。 然而，虚拟机可以同时运作符合车规安全标准的 QNX 与 Linux，因此虚拟机管 理的概念被引入智能座舱操作系统。随着液晶仪表以及其他安全功能的普及， 供应商不需要装载多个硬件来实现不同的功能需求，只需要在车载主芯片上进 行虚拟化的软件配置，形成多个虚拟机，在每个虚拟机上运行相应的软件即可

中间件层位于平台（操作系统）和应用软件层之间的软件，用于连接各个分布 式系统和应用软件。中间件层可以使开发人员避开复杂的底层操作系统，直接 在简单而统一的开发环境下接入应用软件，不仅缩短开发周期，还减少系统的 维护、运营和管理的工作量。

智能网联汽车和 5G+AIoT 实现“人-车-路-云”高度协同

无线通信将广泛运用在智能座舱，连接以算法、芯片、操作系统和以 ADAS 执 行、智能中控、语音交互为主的执行层，为 OEMs 厂商开发测试终端产品打造 自主、可控、完整的产业链。中国通信学会发布研究报告《车联网知识产权白 皮书》中数据显示，截至 2019 年 9 月，全球车联网领域专利申请累计 114587 件，美国位居榜首，占 30%，中国 25%紧随其后。万物互联的基础就是数据在 云端可实时传输，外界的信息进行多模交互，为车路协同智能化发展提供更多 的应用场景。

传统车厂的信息技术及开发架构不足以支持如此庞大的数据量提供计算、储存 和网络支持，因此车厂趋向于深度合作 BAT 等互联网巨头，共同构建车联网生 态推出各自特色的云平台系统，如上汽与阿里联合打造的斑马网络、腾讯与长 安汽车的梧桐车辆、博泰的“擎 Mobile 随身车联网”。

打通底层到云端的各个技术、生态环境，将具备自动驾驶功能的智能网联汽车 和 5G-V2X 全云场景的逐步实现规模化商业应用，促进未来“人-车-路-云”的 高度协同。在软硬件一体化的实施过程中，车辆智能网联中最重要的设备为云 端数据平台的建设，搭载先进的车载传感器、控制器，连接车内各个 ECU 获取的数据，实现车与车、车与人、车与城市建筑、车与基础设施等通信数据交换 共享。

根据 IDC 全球智能网联汽车预测报告显示，可以连接第三方服务平台的车辆以 及配备嵌入式移动网络的全球智能汽车出货量在 2019 年已达 5110 万辆，同比 增长 45.4%，预测 2023 年将增至 7,630 万台。云计算的优点在于降低成本的 同时还可以运用合理的资源分配方式处理数量庞大的数据，并且满足更加弹性 和个性化的业务模式更新迭代快（OTA）的需求。

云端数据可以真正的为自动驾驶提供有效解决方案，随着 V2X 通讯的发展和 5G 技术的推进，汽车行业将在未来致力于 ADAS 芯片和车载娱乐信息芯片的 相互融合发展。C-V2X 无线技术可以快速收集更多信息以及降低延时，从而最 大程度的保证行车安全，并且协作驾驶过程中能够降低能源损耗，提升自动驾 驶/半自动驾驶的效率。根据《智能汽车创新发展战略》，我国将重点支持 LTE-V2X/5G-V2X 的发展，基础建设快速发展为智能网联汽车渗透带来红利。 其中地平线已推出了基于征程处理器和 Matrix 自动驾驶计算平台的多层次解决 方案以及针对现阶段汽车市场亟需的辅助驾驶推出的 ADAS、DMS、AR-HUD 技术方案。另一方面，高精地图软件的加入也将会很大程度的加强自动驾驶辅 助系统，将汽车的舒适、安全和智能提升到一个全新的境界。

未来智能语音交互将成为最主流的人车交互场景。日益丰富的生物识别技术助 力智能语音交互系统，依托于 AI 技术的不断发展以及大数据的推广应用，为驾驶舱带来更高效、人性化、情感化、个人定制化的行车氛围。为了打造智能音 乐座舱，基于驾驶员音乐沉浸式氛围，小鹏配备 18 个丹拿 Dynaudio 顶级 Confidence 系列音响系统，以及 20 个声道，可通过智能动态音效技术，根据 音乐风格、声场位置进行智能调节音效。配备具有独立声源的主驾音乐枕头， 并加设了主动降噪、私密通话等功能，更好的实现声源定位从而达到语音交互 的提升。

地平线语音交互技术利用理想 ONE 车内的四个高灵敏度麦克风，及地平线的声 源定位、盲源分离和降噪算法，进而对不同位置乘客的语音指令的精准区分和 识别。主流车厂逐渐与第三方应用软件合作，打造符合多场景需求的完整座舱 生态体验，并通过手机端的连接实现远程车辆操控、远程车辆信息查看、NFC 高安全系数数字钥匙、物联网多端交互模式

全球智能座舱市场快速增长，中国市场增速抢眼

2015 年后，随着人工智能技术的兴起，大批风险资本开始关注人工智能在交通出行方向的应用。在自动驾驶技术快速发展的同时，消费者在汽车中有了更大 的自由度，所以提高整个乘坐品质和行驶体验的智能座舱产品逐步走进大众的 视野，相关市场也得到较快发展。

全球智能座舱行业市场保持快速增长，中国市场增速抢眼。根据 ICVTank 公布 的数据显示，2019 年全球智能座舱行业市场规模达 364 亿美元，同比增长 10.3%，随着人们乘车体验要求的提高，智能座舱将加速普及，全球智能座舱 行业市场规模将保持快速增长，预计到 2022 年，全球智能座舱行业市场规模 有望达 461 亿美元，年均复合增长率达 8%。

中国作为全球汽车行业发展潜力最大的市场，2019 年中国智能座舱行业市场规 模达 441.1 亿元，随着中国市场消费升级，智能座舱加速应用，中国智能座舱 行业的市场规模将保持高速增长，预计到 2025 年市场规模将达到 1030 亿元， 年均复合增速达 13%，高于全球增速。

硬件设备渗透率将不断提高。智能座舱的硬件主要分为 4 大部分：中控大屏(包 括车载信息娱乐系统)、流媒体中央后视镜、抬头显示系统 HUD、全液晶仪表。 中控屏是智能座舱的主要硬件之一，目前汽车中控屏在新车中的渗透率已经达 到 80%，是智能座舱硬件设备中渗透率最高的设备，预计到 2025 年其渗透率 将达到 100%。流媒体中央后视镜、抬头显示系统的渗透率分别为 7%和 10%， 预计到 2025 年两者的渗透率均会提升至 30%;全液晶仪表目前渗透率为 30%， 预计到 2025 年其渗透率将提升至 70%。

语音控制将逐渐成为标配。2019 年国内汽车智能语音市场规模为 14.8 亿元， 其新车渗透率到 2019 年底已达到 53%，目前科大讯飞以市占率 55%占据国内 第一，其 2019 年汽车智能语音出货量 600 万套，收入 3.7 亿元。未来，语音 控制渗透率有望逐步提升，预计 2020 年语音控制新车渗透率将达到 60%，语音控制将逐渐成为智能座舱的标配。

中科创达先发优势突出，布局智能座舱软件全生态，应用于主流车厂

公司已正式发布智能驾驶舱解决方案 4.0 版本，7 年产业沉淀，打造全球领先 的智能驾驶舱软件解决方案。2013 年公司前瞻性布局新一代智能网联汽车业务， 先发优势突出。经过 7 年的努力和沉淀，以“软件+全栈”作为核心优势，基于 关键技术集成于一个芯片内，建立底层智能操作系统软件技术，并通过融合产 业生态链各区域的全球领先公司，升级研发操作系统和智能座舱。内生外延并 举打造了基于多操作系统（Android、 Linux、QNX、T-KERNEL 等）、多平台 （高通，TI，NXP，瑞萨，英特尔等）面向智能驾驶舱的中控娱乐信息系统、 数字仪表、高级辅助驾驶等软件平台解决方案，核心产品和技术包括 UI/UE 工 具、Kanzi 人机交互引擎、车内互联方案、Kanzi Connect、FOTA、自动化测 试、嵌入式人工智能引擎和智能视觉等，从而帮助 Tier1、OEM 客户在早期开 发和验证应用以及 UI/UE，提升多方协同开发的效率，缩短研发周期。近年来， 国内外知名车企纷纷与公司签订长期合作协议，公司产品覆盖大部分主流车厂。

软件正在赋能智能汽车产业。全球软件技术领导者中科创达，将自身定位为“赋 能者“，与全球产业链中下游的领导厂家合作，多维度进行集中整合，打造全 新一代网联化、自动化、共享化、人性化的智能座舱，多年的技术积累和前瞻 战略布局让公司获得了更大的发展空间。简单化的操作体验让信息交互更为自 然简介，自动根据场景更新信息，生物识别和手势操作的配备也融合了更大的 浮动空间，一定程度上可以提高容错率，避免误操作。

平台可帮助汽车制造商高度分化和定制车内体验的所有层。第三代高通 QualcommSnapdragon处理器配备领先的计算技术，包括多核高通 AI 引擎、 高通光谱图像信号处理器（ISP）、第四代高通 Kryo CPU、第六代高通促视觉子系统等。智能座舱解决方案融合高通骁龙 SA8155P 核心板（Auto SoM）和 QNX 虚拟机于一身，可同时输出 8 个摄像头传感器的讯息，并使用智能后视摄 像头、流媒体后视镜和停车辅助功能为驾驶员提供重要的信息提示，目前已广 泛运用在奥迪、吉利、路虎、大众、丰田、比亚迪等头部车厂。另一方面，汽车开发套件（Auto Kit）中的 ADP Cool 产品可针对客户需求开发，定制并优化 专属汽车场景，加速软件的开发迭代。

中科创达智能座舱解决方案可根据厂商需求搭载 Android 或 Linux 平台：1） Android 平台支持将 Android O，P 等信息娱乐系统搭建在高通 SA8155P， S820A，瑞萨 R-Car 等平台，系统可优化 8-10 秒的快速启动、2 秒的快速倒车 影像，根据芯片性能和应用可以同时支持 2-4 个并行应用于可交互操作的分屏 和浮屏，信息集成度大幅增加；2) Linux 平台基于 ST Accordo5，集成系统芯 片和多个微控制单元（SoC+MCU）在单芯片内，提供高安全、低成本的解决 方案，可以同时搭载 CarPlay 和 CarLife，并扩展支持 Android Auto，全新升级 智能座舱系统技术。

平台基于 QNX 虚拟机将硬件虚拟化，复杂的功能集结在一个芯片上，从而提 高经济效益、降低开发风险。智能座舱平台集结智能仪表盘系统、平视显示器 系统、车载娱乐系统、车载信息系统、安全驾驶系统、空调与座椅调节系统、 物联网等功能，连接各个控制域单元打造一体化平台，实现信息有效交互，达 到高效的多屏互通模式。其他公司若整合这些系统功能一体需要将多个控制驱 动电子元件（驱动芯片、控制芯片、功能性电子元件等）使用物理方式进行连 接，而中科创达的“一芯多屏“方案仅需 4 层（底层系统+虚拟机+功能系统+ 交互界面）即可，大幅度降低开发成本和开发风险。

车厂可以根据自身需求灵活安装并扩展软硬件解决方案，通过优化 Android、 Linux、QNX、Grennhill 等系统技术架构，升级并完善操作系统性能。高集成 度、信息交互及时的多屏互动模式可大幅改善触控反馈缺乏和交互效率低的传 统车载架构。

公司和 Rightware 前期已通过 Kanzi 引擎进军头部汽车厂商，结合公司多年在 软件 IP 的优势，进一步升级操作系统（OS）和交互界面（HMI），推出了基于 Kanzi 和 Kanzi Connect 一体化智能驾驶解决方案，赋能智能汽车行业的智能 化、网联化，完成真正的软件定义汽车。

Kanzi 引擎为车厂产品部门、设计师、软硬件供应商提供统一的开发运行平台，使UI 和平台能并行开发，提升 10 倍 HMI 开发效率，缩短近 50%的开发时间。具谷歌报道，全球有超过半成的汽车制造商在采用 Android 系统架构作为信息 娱乐系统。作为最有效的基于 Android 底层架构开发的智能座舱，汽车制造商、 Tier1供应商和设计工作室均可通过Kanzi HMI提供的集成平台作为生产设计的 基础，实现快速自适应开发，不仅可作为基于开源平台硬件或典型车载系统的 制作原型，还兼备创造前瞻性概念车操作系统的能力。

屏幕，当汽车遭遇碰撞时，车内屏幕极易破损并 形成尖锐物，极大可能对乘车人员造成二次伤害，柔软的 OLED 屏幕一定范围 解决了安全问题。

Kanzi 对比市面上所有运用 Android 的车载系统而言是独一无二的，人机交互 界面主要产品有：1）Kanzi UI 将 2D 和 3D 无缝合成，并最大程度优化用户界 面的实用性和美观性；2）Kanzi Connect 简化了车载系统中各个应用程序和系 统之间内容、数据共享；3）通过 Kanzi Maps 将多个后端、流动地图数据直接 导入，定制可视化高精地图；4)Kanzi Particles 使设计师可以无需编码复杂的 着色器，直接创建独特的视觉效果和模拟形态，所有的最新技术都将为 OEMs 集成构建多模交互、高定制化的超级车载系统。

Kanzi UI 助力奔驰、奥迪打造智能豪华座舱的 HMI 设计开发。奔驰 S 级斩获 多个量产车型的第一：世界第一款搭载 ARHUD；世界第一款搭载裸眼 3D 仪表 盘；世界第一款使用 OLED 中控屏。奔驰新一代 S 级轿车智能座舱集结了 MBUX 人机交互系统、裸眼 3D 数字仪表盘、大尺寸 OLED 中控显示屏、ARHUD、智 能感应助力等智能科技。基于 Rightware 软件技术和 NVIDIA Tegra 移动处理器 的技术支持，公司创造出世界上第一个具有实时 3D 图像更新的用户自编辑液 晶仪表盘，第三代奥迪 TT 也采用由 Rightware 旗下产品 Kanzi 提供的用户界 面解决方案，并在芬兰的年度汽车评选中拔得头筹。

WardsAuto 针对 23 个针对用户体验功能全新设计的车型进行评估，评选出“10 个最佳用户体验车型（10 Best UX）”，分别在 2018 年有 2 款获奖车型、2019 年有 4 款获奖车型均使用 Kanzi 引擎，奖项评判标准主要对“驾驶员辅助系统、 互联性、智能液晶显示、语音交互设备、直观控制系统、信息娱乐系统”进行 评价。作为中科创达战略收购的交互界面开发供应商 Rightware，已受到超过 50 个汽车品牌的信赖，预计 2024 年将为超过 4,000 万辆汽车提供最优质的人 机交互体验。

智能驾驶舱 2.5 解决方案全新升级生物识别板块打造多模交互场景：1）智能座 舱可通过驾驶者人脸识别（FaceID）切换至定制化主题界面和专属 3D 动效， 给用户带独特的驾驶体验；2）融合手势、语音识别等方式塑造丰富的人机多模 交互，为用户带来便利、快捷的全新操作体验；3）实时驾驶员状态监测可以随 时跟进、识别影响行驶安全的行为状态，如闭眼、低头、打哈欠等，通过语音 报警降低危险系数。2020 年 6 月，公司与滴滴合作研发 DMS、ADAS 等只能 安全驾驶方案，将安全智能驾驶产品充分融入在驾驶场景中，为车厂提供了更 为安全、稳定的智能安全驾驶方案。

云端数据互联带动用户安全升级

中科创达得益于在技术层面的前瞻性和提前布局，已经将 V2X 技术成功引入不 同的汽车制造商车型，与传统汽车工业融合创新。随着 5G 通信、计算架构与 人工智能的推进，全新一代智能座舱配备可持续云端升级（OTA）的嵌入式设 备，基于 LTE/5G/云端不断升级、优化汽车的软件系统。

持续自动更新的嵌入式自动驾驶装备可以大幅降低车祸率。根据美国 IHS 最新 研究，大部分交通事故来源于驾驶员酒精药物、判断失误、视线盲区、疲劳驾 驶等因素，自动驾驶和智能识别能至少降低三分之一的交通事故。汽车厂商通 过在车辆上安装嵌入式设备并持续 OTA 汽车系统，基于 HTML 或云端持续升级 全车软件系统，受益于无线通信网络（5G+V2X）新技术提供支持服务应用于 多个车内场景，Level3 级别自动驾驶将逐渐落地各大车厂，为驾驶员带来更加 智能、安全、便捷的出行体验。

另一方面，中科创达智能座舱运用四个插件改善行车安全环境：1）车载全景环 视（Surround View）基于 MM Solution 环视算法，独特设计的裸眼 3D 通过传 感器、Kanzi UI、自动拼接调整等技术将机顶盖从视觉上透明化，估算地面平 整并自适应拼接，为驾驶员最大限度营造 360 度全景自由视角；2）受益于全 新升级生物识别模块，全新 DMS 安全驾驶方案基于人工智能、大数据的支持、 高精度识别系统能快速反馈并适应复杂的驾驶环境；3）Kanzi Safety 插件能提 供一个独立基于 ISO 26262 ASIL A 级别认证标准的图像传输机制，确保即使 3D 图像渲染失败，与驾驶安全密切相关的 UI 元素能够正确导入，Kanzi Hybrid （仪表盘）能精准显示数据或提示渲染故障，保证行车绝对安全；4）MARVS 电子后视镜可以根据用户需求灵活定制专属方案，如芯片选型推荐、图像算法、 图像处理等，提供高清、高帧率、宽动态、全天候的摄像头图像实施解决方案。

软件定义汽车领域壁垒高，竞争格局清晰

由于需要对芯片和基础软件具有深刻的理解和充足的人才储备，故而软件定义 汽车行业的壁垒较高，市场参与者较少。中科创达在软件定义汽车领域（虚拟 机、OS、中间件等基础软件及优化）主要竞争对手包括 Luxoft、GlobalLogic、 KPIT、Mobica，以及 Tier 1 软件服务商 ADIT(博世和电装)、Elektrobit(大陆)、

Tier1 在智能座舱的布局

传统 Tier1 厂商正在积极布局智能座舱系列产品。以博世为例，在今年 10 月北 京车展上，博世展示了其最新座舱域控制器、全球首款量产车上的曲面仪表显 示屏、3D 显示、车辆 OTA 远程升级、数字钥匙等前沿科技。其中座舱域控制 器搭载高通 8155P 芯片，集成多模块的操作系统，能够同时支持仪表、中控、 副驾娱乐、HUD、空调、后排等多块显示屏，并且整合了驾驶员和乘员监控 （DOMS）、360 环视（AVM）、及人脸识别（Face ID）、多麦克风输入、主动 降噪等功能。

自动驾驶也是博世正大力布局的方向。在该领域，博世采取的是循序渐进的发 展策略，逐步推进自动驾驶量产。目前，在 L2 自动驾驶层面，博世在全球已经 有 60 多个项目进入量产，包括 TJA 交通拥堵辅助、APA 自动泊车辅助等，下 一步即将投入量产的是 RPA 遥控泊车辅助和高速公路辅助系统。而支撑博世在 自动驾驶领域取得上述突破的，是其完整的自动驾驶产品线布局。比如在感知 层，博世已经构建了全面的传感器产品组合，包括超等波雷达、摄像头、毫米 波雷达、激光雷达等。其中博世的毫米波雷达已经发展到了第五代，摄像头发 展到了第三代，首款适用于车规的长距离激光雷达也已进入量产开发阶段。通 过将激光雷达与摄像头、毫米波雷达等形成互补，为驾驶者提供可靠的路况信 息，博世正助力汽车行业加速实现 L3-5 级自动驾驶。在决策层，博世推出了域 控制器 DASy，该产品作为集中式整车架构的核心组件，具有高带宽、强算力、 大存储容量以及高安全性等特性。DASy 可以收集并融合来自雷达、摄像头、 激光雷达等传感器的数据，帮助车辆生成周围 360 度的高精度环境模型，并制 定合适的驾驶策略。至于执行层，诸如制动系统、转向系统等，亦是博世的强 项。在该领域，目前博世最成熟的产品是 iBooster+EPS 组合，这两种系统都 具有直接的机械推进装置，并且可以在整个减速范围内独立制动车辆，形成制 动冗余，从而保证车辆在任何情况下都能安全制动。

自动驾驶域：应用逐步落地，商业化进程值得期待

自动驾驶域整体架构如下：

芯片：英伟达领先，高通持续迭代，国产厂商积极布局

在传统芯片行业，常用算力、功耗和面积三大指标来衡量性能。由于自动驾驶 功能对算力极高的追求，峰值算力成为衡量自动驾驶芯片的最主要指标。

目前一般认为，L2 需要的计算力100TOPS，而 L5 需要的计算力目前还未有明确定义（有预 测需要至少 1000TOPS），每增加一级自动驾驶等级，算力需求则相应增长一个 数量级。根据英特尔推算，在全自动驾驶时代，每辆汽车每天产生的数据量将 高达 4000GB。

特斯拉核心壁垒：自研自动驾驶芯片+神经网络算法+计算平台

计算平台。由于英伟达的高能耗， 2017 年起，马斯克决定开始自研主控芯片，尤其是主控芯片中的神经网络算法 和 AI 处理单元全部由特斯拉自己完成；2019 年 4 月，特斯拉正式在 Autopilot HW3.0 平台上搭载了自研的 FSD 主控芯片。

新势力自动驾驶芯片应用情况

目前自动驾驶芯片的产品主要包括 Nvidia 系列、Mobileye 系列以及特斯拉自研 FSD 芯片，具体主流车型搭载芯片参考下表。

英伟达：GPU 技术领先，驾驶域实力强劲

在车辆驾驶环境下，正属于多量、简单、即时任务的处理，意味着需要即时处 理的数据量巨大，而 GPU 最适合处理这些数据集。GPU 有多个（或达数千个） 被称为流处理器的单元处理数据，虽然这些单元的处理速度比 CPU 更慢，但所 有这些处理器可以并行运行，即它们可以同时处理很多相对简单但具有大量数 据的任务。CPU 可以轻松处理一个数据量大、时间长而且比较复杂的任务，而 GPU 处理这类任务时就会吃力；而当有较多简单的任务时，GPU 优势凸显。

英伟达在其自动驾驶套件中使用的芯片使用了基于神经网络的 AI 深度学习技 术。英伟达的图灵 GPU 引入专门针对深度学习的特殊功能单元——Tensor Core，它能够让 GPU 对不同的数据类型可以进行混合计算，既同时实现 fp 浮 点计算（测量 AI 训练峰值算力）和 int 整数运算（测量 AI 推理峰值算力），如 下图所示，目前仅有英伟达的驾驶域 DCU 支持该类混合计算。以前一个代码如 果用了整数, 对应的单精度性能就没有了，也就是说只能在单精度性能（浮点 计算）和整数性能（整数计算）中进行选择。混合精度训练实现了所有这些好 处，同时确保与全精度训练相比，不会损失特定于任务的精度。（FP32 是目前深度学习训练和推理中使用最多的高精度格式，主要用于图像处理；在低精度 场景中，INT8 比较经常用来作为推理计算的数据格式。TFLOPS：浮点运算能 力单位；TOPS：整数运算力单位。）目前在 L2+层级英伟达独占鳌头，但在 L2 层级仍是 Mobileye 的 EyeQ 系列的主战场。

高通：座舱域芯片龙头，驾驶域产品持续迭代

前文讲述了高通在座舱域的芯片性能全面领先竞争对手，高通在自己的芯片中 也引入硬件化的 AI 计算单元，即在原来 Hexgon DSP 中增加 Tensor 核心， 其实和 NVIDIA 在 GPU 当中增加 Tensor Core 的作法的目的相当类似，在 不舍弃原本计算单元的过往兼容能力，以及可编程能力的前提下，增加更有效 率的硬件计算单元，使整体计算能力提升，同时也满足未来 AI 应用需求，但 同时又要兼顾低功耗持续计算的特性。

高通驾驶域产品也将持续迭代，2021 年有望发布新产品。，高通骁龙 SA8155P 本身在座舱域实现高市占率，算力和制程优势突出。高通的图像处理器技术来 源收购 AMD 部分“向量绘图(vectorgraphics)与 3D 绘图技术和知识产权(IP)”， 当时正是 AMD 困难时期。高通在 2021 年有望依托以上技术优势进行自动驾驶 芯片的发布。

国内自动驾驶芯片研发厂商部署——华为，地平线

国内座舱域和自动驾驶域控制器芯片的自主品牌代表性企业主要包括华为和地 平线。

华为：不造车，但目标将 ICT 技术带入每一辆车

除华为的强项无线通信连接能力以外，目前华为在智能汽车的布局主要集中在 智能驾驶、智能座舱、智能动力三个方面。目前华为已经在控制器上取得较多 进展，华为的做法是提出代表计算和通信的 CC 架构，以及基于 CC 架构衍生 出三大平台智能驾驶平台（MDC）、智能座舱平台（CDC）和整车控制平台（VDC）、 联结和云服务。华为的 MDC、CDC、VDC 可以理解为三大域控制器。根据 36 氪，华为消费者 BG 正在与智能汽车解决方案 BU 进行整合，总负责人是华 为消费者业务 CEO 余承东。华为目前拥有从智能驾驶、智能座舱、智能电动 mPower 整体解决方案，到智能网联、智能车云服务、商用车&专用车解决方 案、ADS 智能驾驶全栈解决方案等一系列解决方案。

1）智能汽车解决方案品牌：HI（Huawei Intelligent Automotive Solution）。包 括 1 个全新的计算与通信架构和 5 大智能系统，智能驾驶，智能座舱、智能电 动、智能网联和智能车云，以及激光雷达、AR-HUD 等全套的智能化部件。同 时，HI 品牌还从算力和操作系统层面规划了智能驾驶、智能座舱、智能车控三 大计算平台，以及 AOS 智能驾驶操作系统、HOS 智能座舱操作系统和 VOS 智 能车控操作系统三大操作系统。

2）智能座舱：包含三大平台:Harmony 车机 OS 软件平台、Harmony 车域生态 平台以及智能硬件平台。硬件具有车机模组、8 英寸超低反显示屏、座舱麦克 风陈列模组、智能座舱高清摄像头等。

3）智能驾驶解决方案：

计算平台：华为于 2018 年发布 MDC（ ）作为自动驾驶 计算平台，已经与 50 多位包括主机厂研究院、传感器、执行器、应用算法、运 营商等合作伙伴们，在各个层面达成了广泛而深入的合作关系。

自动驾驶系统：华为高阶自动驾驶系统 ADS 获德国莱茵 TV ASIL D 认证（该 标准是全球电子零部件供应商进入汽车行业的准入门槛之一，目前，已通过 ISO 26262 功能安全认证的自动驾驶芯片仅有 Mobieye 的 EyeQ 系列，英伟达的 Xavier 及华为的昇腾 310，特斯拉自研的 FSD 芯片通过 AECQ100 认证，而不 是 ISO 26262），有望于 2022 年 Q1 登上量产车。

传感器：毫米波雷达、激光雷达、智能摄像头等产品加速落地。

4）智能动力：华为智能电动 mPower 整体解决方案中,具有车载充电系统、三 合一及多合一电驱动系统、BMS(电池管理系统)、充电模块等。

华为目前最新的自动驾驶平台旗舰产品是 MDC600，能够满足 L4 级别自动驾 驶对域控制器的性能需求；而针对 L3 级别有条件自动驾驶，华为推出了 MDC300。

MDC 自动驾驶平台的系统架构是可伸缩的，通过对 CPU 内核数，人工智能加速内核搭载数量以及 IO 接口数量的增减，可满足高、中、低端乘用车从驾驶辅 助到高端智能驾驶的不同使用场景。

Orin 芯片，单芯 片算力达到 200TOPS，功耗为 45W，功耗算力比为 4.4TOPS/W。相比起来， 昇腾 310 的能耗比已赶上国际主流水平。目前昇腾 310 采用的是台积电 12nm 工艺制造，随着未来生产工艺提升至 7nm 甚至 5nm，其能耗比还有进一步提升 的空间。

目前华为与北汽、长安等合作伙伴深度合作，2021 年新车型或有望逐步推出。

鸿蒙 OS 正式发布，涉及智能汽车的座舱、驾驶及控制系统。在 8 月 14 日的 2020 中国汽车论坛上，华为公布了三大鸿蒙车载 OS 系统，同时还宣布已经有 大量合作伙伴基于鸿蒙 OS 进行开发。三大鸿蒙 OS 分别是——鸿蒙座舱操作 系统 HOS、智能驾驶操作系统 AOS 和智能车控操作系统 VOS，分别涉及智能 汽车的座舱、驾驶及控制系统。

地平线：生态合作广泛，DCU 芯片创业公司独角兽

2020 年 9 月，在 2020 北京国际车展上，地平线发布地平线新一代高效能车载 AI 芯片征程 3，并展示了一系列智能驾驶落地成果，为汽车智能化定义“芯引 擎”。

此次发布征程 3，是地平线进一步加速车载 AI 芯片迭代，推动汽车智能化发展 和量产落地的深入实践，是对“芯引擎”的全新升级。征程 3 采用 16 纳米工艺， 基于地平线自主研发的 BPU2.0 架构，AI 算力达到 5 TOPS，典型功耗仅为 2.5W， 具有高性能、低功耗、拓展性强、安全可靠的特点，支持高级别辅助驾驶、智 能座舱、自动泊车辅助、高级别自动驾驶及众包高精地图定位等多种应用场景。

征程 3 能耗比超越多款行业主流芯片，而且具有出色的图像接入和处理能力， 不仅支持基于深度学习的图像检测、分类、像素级分割等功能，也支持对 H.264 和 H.265 视频格式的高效编码。而且灵活开放，客户可使用地平线算法样例、 AI 芯片工具链，以及进行应用开发所需的全套工具，快速实现产品级应用落地。

未来，地平线将推出更强大的征程 5，面向高等级自动驾驶场景，单芯片达到 96 TOPS 的 AI 算力，支持 16 路摄像头，组成的自动驾驶计算平台具备 192-384 TOPS 算力，可支持 L3-L4 级自动驾驶。

基于自研 AI 芯片打造的地平线“天工开物”AI 开发平台，由模型仓库、AI 芯 片工具链及 AI 应用开发中间件三大功能模块构成，包含面向实际场景进行 AI 算法和应用开发的全套工具，最大限度地方便客户进行个性化的应用开发，并 可依据合作伙伴的不同需求提供不同层次的产品交付和服务，全面支持客户快 速构建场景应用。地平线数据闭环系统赋能合作伙伴实现从数据采集标注、模 型训练优化、仿真评测，到模型 OTA 部署，端到端的数据迭代闭环，打造具备 覆盖整车整个生命周期的持续进化能力。

经与行业伙伴通力合作，地平线依托车规级 AI 芯片、开放易用的工具链、算法 模型样例、专业化服务和开发者社区五大支柱，现已围绕环境综合感知和车内 人机交互两大方向，实现完整的智能驾驶产品布局。今年，长安汽车与地平线 基于该芯片联合开发了智能座舱 NPU 计算平台，并搭载在其今年推出的全新车 型 UNI-T 上，征程 2 业已成为首个上车量产的国产 AI 芯片。日前，纯电 SUV 奇瑞蚂蚁上市，新车也搭载了地平线征程 2 车规级 AI 芯片，实现了 L2+级自动 驾驶。截止目前，地平线在智能驾驶领域已同奥迪、一汽红旗、上汽集团、广 汽集团、长安汽车、比亚迪、理想汽车、长城汽车等车厂达成深度合作，初步 建成覆盖智能驾驶和智能座舱的智能汽车芯生态。

自动驾驶系统：商业化落地加速，产业生态逐步成熟

特斯拉的 Autopilot 是一个典型的决策控制器，主要的功能是接受前向雷达和前 向摄像头的数据信息，然后进行计算决策。从 2014 年推出第一个版本开始， 特斯拉的自动驾驶系统 Autopilot 经过了 4 次大的硬件版本更新，从最初 1.0 版 本完全基于第三方供应商 Mobileye 提供芯片+算法，到 2.0、2.5 版本逐步过 渡到自研算法+英伟达的芯片，最后在 2019 年 4 月份特斯拉成功推出自研芯片， 实现了自动驾驶芯片+神经网络算法的垂直整合。

从实际效果来看，Autopilot 采用自研芯片后，系统性能得到了显著提升，从 2.5 版本只能同时处理每秒 110 帧图像进化到 3.0 版本能够同时处理每秒 2,300 帧的图像，性能提高了 21 倍;与此同时，芯片成本也较之前下降了 20%。

在 2020 年 7 月 1 日进行提价后，特斯拉 Autopilot 全自动驾驶套件目前的价格为 8000 美元，马斯克表示，随着软件获得监管部门的认可，FSD 将具备接近 完全自动驾驶的能力，届时 FSD 的价格将继续上涨。截至 2019 年，特斯拉通 过出售“全自动驾驶”套件获得的收入已经超过了 10 亿美元。 特斯拉的 Autopilot 可以实现车辆的自动辅助转向（Autosteer）、自动辅助加速 和自动辅助制动，升级之后更是增加了自动变换车道、进出闸道、自动泊车 （Autopark）以及在交通路口根据信号灯停走（Traffic-Aware Cruise Control） 的功能。

特斯拉的全自动驾驶包提价反应了公司对于全自动驾驶的持续改善，定期更新 改善车辆的能力，更好地利用内置摄像头和无人驾驶计算机。马斯克更是表示， 全自动驾驶包的价值最终应该超过十万美元，很大一部分价值预计将来自于未 来无人驾驶出租车的上线，车主最终可以把自己的车作为出租车使用并分享其 中的收入。

目前主流的自动驾驶技术路径主要分两种：

一、以特斯拉为代表的视觉算法为主导的流派，通过摄像头、毫米波雷达捕捉 周边环境信息，再通过算法为主，进行分析抉择。这一类方案所需的硬件成熟 度较高，成本低，但毫米波雷达探测角度较小，远距离探测能力也不足，需要 优异的算法来弥补缺点。

二、以 Waymo、部分车企为代表的激光雷达主导的流派，在摄像头、毫米波 雷达的基础上增加了激光雷达，可以进行远距离、全方位的探测，分辨率较强， 但硬件成本较高，且激光雷达同样也存在一些问题：比如，在恶劣天气的条件 下表现一般，缺乏对环境的颜色和纹理信息的辨别，并且在大范围安装激光雷达后，激光雷达有无法判断是否为自己发出的脉冲光的串扰风险，这会直接导 致激光雷达判断不出物体的形状。

马斯克曾表示：“一旦你能解决摄像头的视觉问题，就能解决自动驾驶的问题； 如果你不解决视觉问题，自动驾驶的问题自然无解。这就是为什么我们如此关 注视觉神经网络，它对道路状况非常有效。只要有摄像头，你绝对可以实现成 为超人的梦想。比如，只需要照相机，就可以比人类做得好十倍。” 特斯拉采 取以视觉为主的技术路径的最明显原因是其成本低廉。将一个激光雷达装置安 装在汽车上的成本大约是 1 万美元。谷歌和它的 Waymo 项目已经能够通过 引入量产略微减少数量。然而，成本仍然相当可观。特斯拉高度关注成本，并 确保汽车价格实惠。在已经很昂贵的汽车上增加激光雷达的价格是相当重要的。 对于特斯拉，在算法领先于同行玩家的同时，如何使用性价比最高的零件创造 更大的效益，是特斯拉的目标。这也就注定了，在马斯克眼中，价格高昂的激 光雷达，只能是其他企业对于视觉感知存在的问题和缺陷的遮羞布。

目前在自动驾驶行业业务盈利模式还没有成熟的阶段，行业充斥着大量不确定 性，一个新技术的出现与应用，是就此沉默还是改变行业，只能交给时间来决 定。

芯片 ASIC、FPGA、GPU、CPU 之争，生态合作伙伴成为重中之重

CPU、GPU、DSP 等传统芯片目前仍是智能汽车主流芯片

CPU 与 GPU 都是我们常见的通用型芯片，它们在各自领域都可以高效地完成 任务，但当同样应用于通用基础计算领域时，设计架构的差异直接导致了两种 芯片性能的差异。

CPU 适用于处理数量适中的复杂运算。CPU 作为通用处理器，除了满足计算 要求，为了更好的响应人机交互的应用，它要能处理复杂的条件和分支，以及 任务之间的同步协调，所以芯片上需要很多空间来进行分支预测与优化(control)， 保存各种状态(cache)以降低任务切换时的延时。这也使得它更适合逻辑控制、 串行运算与通用类型数据运算。

GPU 适用于处理数量庞大的相对简单的运算。GPU 拥有一个由数以千计的更 小、更高效的 ALU 核心组成的大规模并行计算架构，大部分晶体管主要用于构 建控制电路和 Cache，而控制电路也相对简单，且对 Cache 的需求小，只有小 部分晶体管来完成实际的运算工作。所以大部分晶体管可以组成各类专用电路、 多条流水线，使得 GPU 的计算速度有了突破性的飞跃，拥有了更强大的处理浮 点运算的能力。这决定了其更擅长处理多重任务，尤其是没有技术含量的重复 性工作，比如图形计算。由于深度学习通常需要大量的训练，训练算法并不复 杂，但数据非常量大，而 GPU 的多内核、并行处理的优势，使得其相比 CPU 更适合深度学习运算。

算力指标上有所差异。比较常见的 CPU 算力指标是整数运算，而 GPU 比较常 见的算力指标是浮点运算。例如英伟达的图灵 GPU 引入专门针对深度学习的特 殊功能单元——Tensor Core，它能够让 GPU 对不同的数据类型可以进行混合 计算，既同时实现 fp 浮点计算（测量 AI 训练峰值算力）和 int 整数运算（测量 AI 推理峰值算力）。TFLOPS：浮点运算能力单位；TOPS：整数运算力单位。

以前一个代码如果用了整数, 对应的单精度性能就没有了，也就是说只能在单 精度性能（浮点计算）和整数性能（整数计算）中进行选择。混合精度训练实现了所有这些好处，同时确保与全精度训练相比，不会损失特定于任务的精度。 FP32 是目前深度学习训练和推理中使用最多的高精度格式，主要用于图像处理； 在低精度场景中，INT8 比较经常用来作为推理计算的数据格式。

从应用方面，例如压缩算法、排序算法、以及其他主要应用，都是依赖 CPU 整 数运算性能；而视频编码解码、数字图像处理（光影等）、3D 游戏等，依赖 GPU 去解决浮点运算。

DSP 芯片即指能够实现数字信号处理技术的芯片，DSP 芯片的内部采用程序和 数据分开的哈佛结构，具有专门的硬件乘法器，广泛采用流水线操作，提供特 殊的 DSP 指令，可以用来快速的实现各种数字信号处理算法。优势是程序和数 据空间分开，可以同时访问指令和数据、可编程性、可嵌入性，DSP 适用于系 统较低取样速率、低数据率、多条件操作、处理复杂的多算法任务。缺点而言 相对来讲功能比较少、不能处理太高速的信号，因此会集成在 FPGA 中。DSP 对于流媒体（语音等）的处理能力远远的优于通用 CPU。

FPGA、ASIC 应运而生，创业公司纷纷布局

FPGA、ASIC 设计方式应运而生。从 IC 设计上，虽然频率很重要，但是芯片 的主要瓶颈还在带宽和存储部件上。因为程序的大量数据，都是与存储部件进 行交互。芯片架构冗余会导致瓶颈问题更加突出，故而针对应用场景定制化或 者半定制化的芯片设计模式应用而生——ASIC、FPGA。

FPGA（Field－ProgrammableGateArray），即现场可编程门阵列，它是在 PAL、 GAL、CPLD 等可编程器件的基础上进一步发展的产物。它是作为专用集成电 路（ASIC）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又 克服了原有可编程器件门电路数有限的缺点。

ASIC 具有高性能、低功耗的优势，但它们包含的任何算法——除了那些在软件 内部处理器内核执行的——其余都是“冻结的”。所以这个时候我们就需要现场 可编程门阵列（FPGA）了。早期的 FPGA 器件的架构相对简单——只是一系 列通过可编程互连的可编程模块。

FPGA 最可以配置它的可编程架构来实现任意我们需要的数字功能组合。另外， 我们可以以大规模并行的方式实施算法，这意味着我们可以非常迅速和有效地 执行大数据的处理。

ASIC 被认为是一种为专门目的而设计的集成电路。是指应特定用户要求和特定 电子系统的需要而设计、制造的集成电路。ASIC 的特点是面向特定用户的需求， ASIC 在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、 性能提高、保密性增强、成本降低等优点。

完整的 FPGA 设计流程包括功能描述、电路设计与输入、功能仿真、综合优化、 综合后仿真、实现与布局布线、时序仿真、板级仿真与验证、调试与加载配置。

ASIC 的设计流程（数字芯片）包括：功能描述、模块划分、模块编码输入、模 块级仿真验证、系统集成和系统仿真验证、综合、STA（静态时序分析）、形式 验证。

FPGA 和 ASIC 产品的使用要根据产品的定位和设计需要来选用，ASIC 产品适 用于设计规模特别大，如 CPU、GPU、DSP 或多层交换芯片等，或者是应用 于技术非常成熟且利润率非常低的产品，如家用电器和其它消费类电器，亦或 是大量应用的通用器件如 RAM、PHY 等。而 FPGA 产品适用于设计规模适中， 产品要求快速占领市场，或产品需要灵活变动的特性设计等方面的产品，如 PDH、2.5G 以下 SDH 设备和大部分的接口转换芯片等。

由于汽车行业销量数目庞大，未来智能驾驶芯片出货量或有望达到亿级，在大 规模出货的预期下，未来 IC 设计模式有望向 ASIC 转变，FPGA 或可能只是过 渡阶段。 对于行业巨头而言，由于 FPGA、ASIC 新的芯片设计，需要对原有的架构进 行较大改动，目前都处于研发阶段，仅有部分“CPU+GPU+FPGA”模式有所 落地。这给了创业公司较大机会，放眼国内，地平线、黑芝麻、华为等厂商积 极布局，有望打破海外厂商垄断格局，未来芯片格局未稳。

格局未稳，解决方案生态合作伙伴成为重中之重

芯片厂商格局未稳，产业链合作伙伴有望成为稀缺资源，充分受益于汽车智能 化浪潮。目前汽车产业链的交付模式发生变化，芯片厂商先前更多作为 Tier1的供应商，而当下更多的是直接与汽车厂商发生生意。复杂的需求与高算力芯 片的落地，使得芯片厂商需要对外寻找整体解决方案生态合作伙伴，为车厂共 同提供一整套解决方案。

主板设计与软件生态合作伙伴成为重中之重。单一的芯片，需要下游厂商基于 芯片的规格负责主板的设计和调试，而全套的解决方案，则是芯片厂商根据下 游的要求设计好主板的布局、接口的数目，甚至以模块的形式封装出货，下游 厂商只需负责连接计算模块与车辆的各个传感器即可；此外，在汽车厂商落地， 还需要相关虚拟机、OS、中间件等开发环境，需要中科创达这类软件服务商打

无论是已有的高通、英伟达、Mobileye、NXP、瑞萨等老牌巨头，还是地平线、 黑芝麻、华为等行业新军，在目前阶段除了做好产品，最重要的就是建立解决 方案生态，并积极与车厂展开合作。生态共建，共享汽车智能化果实。

车身域、动力域和底盘域：普及程度较低，MCU 仍是主流方案

域控制器也叫域控制单元，还有直接跨域实现区域控制的多域控制器。域控制 器的概念是由博世和大陆等 Tier1 提出的，旨在解决信息安全和 ECU 开发瓶颈 问题。汽车域控制器是一种高速计算设备，具有强大的硬件算力和各种软件接 口，可以使系统集成度更高，从而集成更多核心功能模块，降低对功能感知和 执行硬件的要求。为了进行数字处理，域控制单元通常需要具有强大算力的内 置核心处理器（CPU），以实现整车各个区域相对应的功能。

相比自动驾驶域和座舱域对芯片算力快速增长要求，车身域控制器仍然以技术 成熟的车规级微控制器 MCU 为主，对安全和可靠性要求苛刻。汽车 MCU 主要 供应商包括众多传统 Tier 1 厂商和半导体巨头，如恩智浦、英飞凌、瑞萨、意 法半导体、TI、博世、安森美和东芝等。

MCU 从 8 位、16 位到 32 位，匹配不同需求场景。8 位 MCU 主要应用于车体 各子系统中较低端的控制功能，包括车窗、座椅、空调、风扇、雨刷和车门控 制等。16 位 MCU 主要应用为动力传动系统，如引擎控制、齿轮与离合器控制 和电子式涡轮系统等，也适合用于底盘机构上，如悬吊系统、电子动力方向盘、 电子刹车等。32 位 MCU 主要应用包括仪表板控制、车身控制、以及部分新兴 的智能性和实时性的安全功能。在目前市场的主流 MCU 当中，8 位和 32 位是 最大的两个阵营。

传统车厂商：汽车智能化浪潮下，已迈出坚实一步

随着汽车进入 5G 时代，智能座舱和自动驾驶在智能汽车上占据越来越重要的 地位，并且已经成为主机厂提供差异化服务的必争之地。据高工智能汽车研究 院根据新车上险量数据统计显示，1-6 月数字化智能座舱功能平均渗透率提升至 33.11%，相比去年（23.95%）提升了接近 10 个百分点。从新车搭载量来看， 今年上半年数字化智能座舱功能平均搭载量增速为

在智能座舱领域，中国是全球数字化发展的先锋市场，为了更好满足中国客户 快速变化、个性多元的数字化需求，传统车厂商也相继为中国客户推出量身定 制的数字化产品。

宝马在今年七月的创新日上，发布了多款车机端数字化产品，包括可以用 iPhone 解锁座驾的全新一代宝马数字钥匙；推出业内首个停车场室内地图功能； 搭载短视频应用“西瓜视频”；以及与腾讯合作，将“腾讯小场景”和“微信车 载版”引入车内。

在今年 10 月的北京车展上，奔驰也在其国产长轴距版 E 级轿车上搭载了裸眼 3D 仪表盘，系统可以实时监控驾驶员的双眼视线使得 3D 效果实时根据驾驶员 的目光进行调整，实时随动。同时，在车的前方，奔驰使用了大面积的 HUD， 而且业内率先支持显示 AR 实景导航，在目前其它家使用中控屏或仪表显示的 基础上更进了一步。后排屏幕也不再只是作为显示屏，而是像前排屏幕一样接 入了车机系统，让你可以触摸划动控制各种功能，并支持直接与前排分享导航、 音乐等信息。

奥迪在其首款纯电动车型 E-Tron 内，采用的是英伟达车机芯片，共三块大屏组 成奥迪虚拟座舱系统。奥迪仪表盘采用的是 12.3 英寸液晶屏，中控触摸屏为 10.1 英寸触控屏，下方是一块尺寸 8.6 英寸的触控屏，整体显示效果比较细 腻。在交互方式上，奥迪 e-tron 语音系统使用的亚马逊 Alexa 语音助手，可 以控制导航、空调，但是不支持多区声源识别也不支持连续对话。在娱乐影音 系统方面，奥迪 e-tron 没有搭载在线音乐软件，只能使用 FM 收音机和蓝牙 音乐。从实际的体验上来看，奥迪 e-tron 上的这套座舱系统从使用的角度上来 讲与主流电动车相差较大。常用的几个功能包括导航、语音、 音乐等做的都不 是很出色，必备的在线音乐功能还没有搭载到车型上来。语音覆盖度相对来说 做的比较简单，语音的识别率、常用功能的操作同样也落后于大部分智能电动 车，还有非常大的提升空间。

无论是在传统车企还是造车新势力，L2 级辅助驾驶技术都已实现了规模应用。 在面向限定条件下的自动驾驶 L3 级以及更高的 L4/L5 级演进中，以及相关法律 监管的空缺，各车厂的汽车智能化之路同样滞后于造车新势力。再次以 BBA 为 例，奥迪在 2017年率先在奥迪 A8推出了 L3级自动驾驶技术的Traffic Jam Pilot （TJP），其核心自动驾驶平台 zFAS 由 4 个核心元件组成， Mobileye EyeQ3 负责交通信号识别、行人检测、碰撞报警、光线探测和车道线识别，NVIDIA Tegra K1 负责驾驶员状态检测和 360 度全景，Altera Cyclone V 负责目标识别融合、 地图融合、自动泊车、预刹车和激光雷达传感器数据处理，Infineon Aurix TC297T 负责监测系统运行状态使整个系统达到 ASIL-D 的标准。但可惜的是， 在2020年初该公司放弃了在其旗舰车型 A8中引入L3级自动驾驶技术的计划。 梅赛德斯-奔驰在 2019 年末表示，在确保自动驾驶系统安全性能至少达到 99.999%之前，不会批准自动驾驶系统的使用，并且将在自动驾驶系统研发中 优先发展卡车自动驾驶技术。根据最新的计划，梅赛德斯-奔驰计划采用 NVIDIA 自动驾驶系统解决方案，该系统将基于 NVIDIA DRIVE AGX Orin 芯片开发，首 批搭载这套方案的梅赛德斯-奔驰汽车将于 2024 年上路。在自动驾驶技术上， 宝马积累了大量突破性关键技术。2016 年宝马集团与英特尔以及 Mobileye 建 立起行业第一个开放式的自动驾驶研发平台，首款支持 L4 自动驾驶的 BMW iNEXT 计划在 2021 年发布。宝马选择了多块芯片组合的分布式计算平台，包 括 2 块英特尔 Denveton

重点企业分析（参见原报告）

中科创达：智能汽车业务爆发式增长，商业模式逐步升级

德赛西威：国内车机龙头，智能驾驶推进有序（汽车团队覆 ）

道通科技：优质汽车诊断龙头，开启数字化、智能化发展新篇章

锐明技术：全球化商用车监控龙头，智能化时代迎量价齐升

（报告观点属于原作者，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库官网】。

智能汽车全栈式供应整装待发，软件定义汽车从根做起

汽车行业万亿级市场，在新四化发展浪潮下正经历颠覆式变革，华为依托其深厚的ICT技术储备切入智能汽车领域，有望后发而先至。2020年10月华为正式发布智能汽车解决方案品牌HI，定位汽车界的Intel，实现Huawei Inside。HI全栈解决方案集芯片、操作系统、感知硬件、决策融合算法、云计算等优势为一体，打造1（CC架构）+4（智能驾驶等四大系统）+N（激光雷达、AR-HUD等全套智能化部件）的汽车技术闭环。其中，CC架构与特斯拉等车企的区别在于其采用分布式网关而非集中式，将所有执行器和传感器接入分布式网关并组成环网，在减少对中央计算平台依赖的同时保证了高速、安全的网络数据传输。华为通过全栈式布局，从根出发来实现软件定义汽车。

芯、网、云融合，国产智能汽车Tier1实至名归

智能驾驶：华为基于过硬的软硬件实力选择ADAS与L4并行的智能驾驶策略，以ADAS为盈利点并兼顾L4级高阶自动驾驶对ADAS的技术反向赋能。针对L2-L4级自动驾驶的计算需求，华为推出MDC系列化产品，在算力、能效比、软硬件耦合度、车规级认证等方面皆处于领先地位。针对激光雷达等核心传感器，华为启用“爬北坡战略”，凭借其在光电领域的规模优势直接生产面向前装量产的中长距多振镜MEMS激光雷达。目前，其第一条车规级激光雷达的Pilot 产线已按照年产10万套推进并将在北汽ARCFOX极狐HBT上搭载。

智能座舱：华为以鸿蒙操作系统为根基，推动“1+8+N”生态向平板、汽车等领域扩展，智能座舱作为汽车生态的后端收费入口，意义重大。硬件方面，麒麟芯片与高通直面竞争，在制程、算力、应用生态等方面皆处于追赶高通的地位。软件方面，华为借助开放式HiCar映射系统及分布式鸿蒙OS有望打破不同智能终端之间的壁垒，为消费者提供全场景的智能出行体验。

智能电动：华为深耕光伏业务多年，将光伏逆变器技术优势与多合一电驱动深度结合，推出业界首款超融合的动力域解决方案，加速汽车电动化发展。

智能车云：聚焦自动驾驶、高精度地图、电池安全、V2X四项难点，提供自动驾驶云服务、高精地图云服务、V2X云服务、车联网云服务（包括三电云服务）四大子服务方案，加速自动驾驶应用场景落地。

受益标的：、、、、炬光科技（拟上市）

（智能座舱电子领跑者，携手华为共推ADAS商用）、（智能操作系统龙头，华为软件业务长期合作商）、炬光科技（激光雷达领军供应商，上市前获华为突击入股）、（全面拥抱华为，尽享全栈解决方案红利）、（国产高精度地图龙头，华为战略合作伙伴）

风险提示：智能汽车业务推进不及预期、中美贸易摩擦风险加剧等。

智能汽车全栈式供应整装待发，软件定义汽车从根做起

1.1、星火燎原，华为入局从车载通信开始

汽车在新四化发展浪潮的推动下正经历颠覆式变革，华为以车载通信模块为星星之火入局此万亿级市场，在智能汽车领域逐渐形成燎原之势，其智能汽车产品已进入落地上车阶段。自2019年5月15日开始，美国对华为的半导体芯片供应不断打压。芯片断供、剥离荣耀等一系列事件后，华为的消费者业务压力提升，华为亟待开辟下一个万亿级市场。汽车行业在电动化、智能化、共享化、网联化的发展浪潮下正经历颠覆式变革，华为依托其深厚的ICT技术储备加速切入智能汽车领域。华为近年来智能汽车业务加速扩张，已经从业务探索期（）、合作研发期（）逐步走向产品落地阶段（2019-至今）。2013年，华为成立车联网业务部并推出车载模块ME909T，开始布局车联网和自动驾驶领域；2014年，华为看准5G低时延对自动驾驶的痛点改善，宣布为新一代自动驾驶汽车设计与高速互联网连接的通信架构；2015年华为相继收获奥迪、奔驰的通信模块订单，并就车载服务与大众达成合作；2016年起，华为凭借5G技术的领先优势，与上汽、广汽、北汽新能源等多家车企在车联网、自动驾驶领域展开合作，不断拓宽技术边界。2019年，华为携车载计算平台MDC、HiCar、云服务Octopus等多款产品以智能汽车增量供应商身份亮相上海车展，随后正式成立智能汽车解决方案事业部，将汽车业务上升至战略地位。至此，华为智能汽车业务由幕后转向台前，进入与整车厂深度合作，加速产品上车阶段。

华为智能汽车全栈解决方案定位汽车界的Intel，实现Huawei Inside，对车企进行HI品牌加持。华为于2020年10月30日正式发布智能汽车解决方案品牌HI，提供全栈式智能解决方案。HI全栈解决方案集芯片、操作系统、感知硬件、决策融合算法、云计算等优势为一体，打造汽车技术闭环。具体可概括为1+4+N，即1个全新的计算与通信架构（CC架构）、4大智能系统（智能驾驶、智能座舱、智能电动和智能车云服务）以及激光雷达、AR-HUD等全套智能化部件。华为对于智能汽车业务的定位不止于Tier1，更要成为汽车界的Intel，实现Huawei Inside，让HI成为汽车行业的要素品牌代表并给予车企品牌加持。华为智能汽车BU总裁王军指出，华为所提供的增量部件将占整车成本的约1/3。与此同时，其预计汽车智能化程度每提升1%，除美国外的全球零部件市场规模有望扩大33亿美元，发展空间广阔。目前，华为针对不同车企的对于汽车智能化的不同规划共提供了三种商业模式：（1）针对整车能力突出而软件基因相对匮乏的车企，提供全套HI解决方案并在车身上印有HI的Logo；（2）针对具备部分软件算法的车企，提供底层智能驾驶、智能座舱、整车控制三大计算平台及对应的AOS、HOS、VOS三大操作系统，方便车企及第三方供应商进行上层应用软件以及自动驾驶决策算法的开发；（3）作为传统Tier1，为车企提供激光雷达、AR-HUD等智能化硬件。据华为官网，华为首批5G汽车生态圈合作车企包括一汽、东风、、上汽、广汽、北汽、、等18家，其中北汽新能源将采用华为的全栈式方案，首款联名车型ARCFOX极狐阿尔法S

1.3、集中式CC架构叠加三大智能化平台，软件定义汽车从根做起

1.3.1、集中式CC架构聚焦计算+通信，占据自动驾驶时代车路协同技术制高点

汽车电子化程度提升，EE架构向域控制器、中央计算单元升级，博世、特斯拉等领先企业正加快部署。传统EE架构采用总线+分布式控制架构。但随着汽车电子化程度提升，车内ECU数量达到上百个，且由不同的供应商提供，存在算法无法协同、互相冗余、难以统一维护及OTA升级等痛点。为此，博世、大陆、安波福等Tier1纷纷推出新一代电子电气架构，其主要技术包括网关、域控制器及车载以太网等，实现汽车架构由分布式向域集中升级，最终走向中央计算，达到车云协同的效果。其中，特斯拉的EE架构发展最为领先，已达到车载中央电脑和区域控制器，配合其自研的操作系统可实现整车OTA。据佐思汽研报告，特斯拉的架构相对传统车企领先五年以上，预计大众、奥迪等车企部署的集中式EE架构量产时间将集中在年。

华为CC架构采用分布式网关+域控制器组成环网，安全性较集中网关更高。华为的CC（Computing/Communication）架构聚焦计算、通信两大领域，通过分布式网关组成环网，进行高速的网络数据传输，并在三大平台的计算中心进行数据实时分析及处理，从而实现整车的感知、算力、电源共享。从计算架构来看，华为将汽车划分为智能驾驶、智能座舱、智能车控三大域并推出相关的开放平台及操作系统（自动驾驶操作AOS、鸿蒙智能座舱操作系统HOS和车控操作系统VOS）。从通信架构来看，无论是特斯拉还是其他车企，皆采用集中式网关，即分布式-域集中-中央计算单元的升级路径。其最终将算力集中到唯一的中央计算模块中，对“中央大脑”的性能要求高。而华为的CC架构将所有执行器和传感器接入分布式网关，并组成环网。由于环网数据可以双向流动，因此在单个环网故障的情况下其他三个环网仍然可以保持运作，安全性进一步提升。

我们认为，华为CC架构的升级路径将是云边端一体化，进而占据车路协同制高点。博世等Tier1选择单车智能路线，视车云协同、中央计算的架构为最高阶段，在目前对时延要求不高的座舱领域已经实现，未来自动驾驶也将如此。然而，未来L4及以上的自动驾驶需要对路况进行统一的实时分析，处理并进行复杂的逻辑运算，需要车路协同技术的支持。边缘计算将算力集中至设备节点，大幅缩短数据上传云端、回传的时间，可进一步保证自动驾驶的安全。我们认为未来自动驾驶的发展或将需要云边端一体化的解决方案（即车路协同），华为的CC架构可发挥其在传统通信业务积累的经验，在车路协同时代占据技术制高点。此外，汽车行业的发展长期依靠供应商的技术驱动，整车厂采用多个供应商的策略使得整车技术协同的难度较大。特斯拉之所以在智能汽车时代领先，主要原因在于其供应链的全栈自研，可以实现从底层架构、芯片、操作系统、算法等到自动驾驶、座舱体验、车身控制完整的解决方案。华为亦选择从底层CC架构开始全栈自研，有望快速跟进，后发而先至。

在CC架构之上，华为推出驾驶、座舱、整车控制三大平台，即三大域，每个域通过芯片+操作系统构成统一生态。

MDC智能驾驶平台：包含昇腾芯片+AOS操作系统以及标准化硬件产品、配套工具链等，可支持组件服务化、接口标准化、开发工具化，并兼容Adaptive AUTOSAR。与此同时，MDC平台可进行软硬件解耦，整车厂可在此平台基础上快速开发、调试、运行自动驾驶算法和功能，实现L2+~L4级别自动驾驶的平滑演进。

CDC智能座舱平台：包含麒麟芯片+鸿蒙OS，并分别基于麒麟芯片构建IVI模组，发挥产业链协同的规模效应降低硬件成本，基于鸿蒙OS共享华为“1+8”生态，实现跨终端互联。在此基础上，使用Hicar手机映射方案提升用车体验并开放API接口，为跨终端的软件供应商开发座舱应用提供便利。

VDC整车控制平台（智能电动平台）：包含电驱+MCU+整车控制VOS，将网络能源产业链和技术优势引进智能电动汽车，打造mPower多形态电驱及高效的车载充电产品，为整车厂提供差异化的整车控制。

芯、网、云融合，国产智能汽车Tier1实至名归

2.1、智能驾驶：计算平台软硬件高度耦合，激光雷达直面前装量产 

智能驾驶技术的成熟及商业化落地将对原有汽车产业链的价值分配格局产生颠覆性作用，感知、决策等核心功能的地位愈发凸显。智能驾驶主要划分为感知、决策、执行三部分。其中，感知系统（环境感知+车辆感知，包括摄像头、雷达等传感器，相当于人的眼睛与耳朵）主要有以特斯拉为代表的纯视觉方案以及摄像头+雷达的融合感知方案两类；决策系统（计算平台+软件算法）作为汽车的“大脑”为汽车提供算力支持，并承担来自雷达、摄像头等感知系统的数据处理工作，在短期内快速做出驾驶决策。由于车规级芯片在发热、寿命、网络安全方面的要求相对于消费级有质的飞跃，因此该环节主要被传统ICT巨头如华为、高通、英伟达等所占据。在此基础上，高精度地图、云服务、路侧通信设备等也将配合车端决策系统进行驾驶决策；执行系统（制动、转向、油门、底盘等，相当于人的四肢）在做出决策规划后辅助/替代驾驶员进行车辆控制，是智能驾驶的行动基础。

2.1.1、软硬件高度耦合，MDC平台推进ADAS与L4级自动驾驶双管齐下

华为基于过硬的软硬件实力选择ADAS与L4并行的智能驾驶策略，有望达到短期盈利与长期技术引领并重的效果。当前智能驾驶的主流发展路径主要有三种：（1）循序渐进型：基于盈利性、安全性考量并对供应链升级较为依赖的企业，在技术上选择由L2向L4平滑演进，在产品价格上选择由高端车型向中低端渗透，如上汽、长城、蔚来等；（2）直接切入L4型：在软件算法及电子领域根基深厚的新兴科技公司，其选择直接切入L4级自动驾驶，减少人为干预，为汽车带来颠覆性体验，如Waymo、百度等；（3）ADAS和L4并行型：以ADAS为短期盈利点，并兼顾L4级高阶自动驾驶的自主创新，软硬件技术过硬，如华为、奥迪、宝马等。具体而言，华为之所选择并行策略一方面是因为L4级自动驾驶现阶段在法律法规、技术路线、盈利模式等方面仍有诸多障碍，华为基于ICT领域的技术沉淀定位全栈解决方案供应商，希望成为智能驾驶的技术引领者。另一方面，当前车企搭载ADAS的意愿较L4明显更高，更易落地上车，安全性亦更高。

华为MDC平台可支持L2-L4级自动驾驶的算力需求。美国汽车工程师学会（SAE International）以算力为标准定义了L0~L5共6个级别的职能驾驶。其中，L2需要的计算力100TOPS，L5需要的计算力目前未有明确定义。针对ADAS与L4并行的自动驾驶战略，华为相继推出MDC300、MDC600与MDC 210、MDC610四款不同的计算平台。其中MDC300、MDC600于2018年开发者大会推出，分别支持L2、L4级自动驾驶，算力分别为64TOPS、352TOPS。MDC210、MDC610为前两款的减配版，算力分别为48TOPS、160TOPS，进一步推动MDC产品的系列化，以满足不同客户的多样化需求。

华为自动驾驶平台在算力、能效比、软硬件耦合度、车规级认证等方面皆处于领先地位。（1）算力及能效比：算力与能效比是判断芯片竞争力的基本指标，前者决定自动驾驶可以实现的等级高低，后者决定汽车行驶过程中的散热与稳定性。据搜狐汽车数据，高通Snapdragon Ride平台在算力、能效比方面优势明显，分别达到700TOPS、5.4TOPS/W，华为紧随其后；（2）软硬件耦合度：以特斯拉、Mobileye为代表的软件+算法+芯片一体化解决方案尽管在算力方面没有绝对优势，但在软硬件高度耦合的情况下可最大化发挥其芯片的性能，实现高级别自动驾驶。华为同样采用平台、算法自研模式，可结合驾驶数据实时训练、更新算法，高效发挥芯片的算力；（3）车规级认证：车规级芯片认证标准高、流程长，主要包括可靠性标准AEC-Q系列、质量管理标准ISO/TS16949及功能安全标准ISO26262三项。其中，ISO26262安全是汽车电子元件稳定性优劣的重要评判依据。华为MDC600早在2018年已通过ASIL-D级别标准，领先芯片巨头英伟达（2019年），研发能力进一步得到认可。

2.1.2、“爬北坡”上激光雷达，直接面向前装量产

在自动驾驶产业链中，感知层作为自动驾驶的“眼睛”决定了环境建模的方法和效果，对自动驾驶的能力有直接影响。目前感知方案主要包括视觉方案与视觉+激光雷达方案两种。前者以特斯拉为代表，主要由摄像头+毫米波雷达等低成本传感器组成，可获得高帧率、高分辨率的周围环境信息。纯视觉方案成像质量受环境明暗程度影响较大，在恶劣天气和夜晚情况下感知难度提升明显。特斯拉的成功主要归功于其领先的软件算法——通过已销售车辆的真实场景数据开发可自主学习的“影子模式”实时训练、优化算法以弥补纯视觉方案的不足，对其他软件能力较弱的车企而言复制难度较大。后者以Waymo、华为为代表，采用摄像头+激光雷达+其他传感器的融合方案，利用多谱勒成像技术构建目标清晰的3D图像。通过测量激光信号的时间差和相位差确定距离,并基于此过程中在目标对象表面所采集的大量密集点云数据、反射率、三维坐标等信息构建被测目标的三维模型，还原真实场景，从而达到环境感知的目的。与纯视觉方案相比，激光雷达方案受环境影响较小、可探测距离更远、稳定性更高。据Frost＆Sullivan预测，2025年全球激光雷达市场规模将达135.4亿美元，中国激光雷达市场规模预计达到43.1亿美元，年CAGR为63.1%，其中ADAS、Robotaxi/Robotruck的需求占比较高。

以MEMS为代表的半固态激光雷达方案成本可控制在5000元内，是短期内上车的优中之选。激光雷达由激光发射器、接收器、扫描器、透镜天线和信号处理电路组成，按扫描方式和有无机械转动部件可分为机械式、半固态（MEMS、微振镜）、纯固态（相控阵OPA、Flash）三类。其中，机械式激光雷达利用发射机旋转扫描，将“线”变成“面”达到动态扫描、动态接收信息的目的。目前，按照发射器的数量，机械式激光雷达主要有16线、32线、64线、128线等多类，线束越高，发射器数量越多，相应的成本也更高。据SAE数据，2018年Velodyne所提供的 16线激光雷达单价约为4,000 美元，而较早型号HDL-64 的售价则高达70,000 美元。相比较而言，以MEMS为代表的半固态激光雷达利用微机电系统在硅基芯片上集成微振镜，通过微振镜反射激光器的光线实现扫描，可有效提高量产能力、降低成本。据汽车之心报告，Lunimar、Innoviz、Aeva等厂商都将其成本控制在500美元左右。固态式激光雷达（OPA）采用多个光源组成阵列，通过控制各光源发射的时间差合成角度灵活、精密可控的主光束，在一定角度范围内立体扫描物体。然而固态式激光雷达制造工艺难度大、光学产业链不成熟，短期难以落地。

华为自2016年开始研发激光雷达，启用“爬北坡战略”直接生产面向前装量产的中长距激光雷达。据世界知识产权组织国际局，华为2020年7月公布了一项名为“多线程微振镜激光测量模组和激光雷达”的专利。该方案兼具MEMS微振镜扫描器与机械式激光雷达的特性，采用多个发射和接收组件而非传统MEMS的单独组件。该方案利用MEMS 振镜垂直扫描密度易于控制的优点，使同线数下所含有的激光发射、接收模组数量处于机械激光雷达和 MEMS 激光雷达之间，从而平衡提升功率和控制成本之间的矛盾。如下图所示，100a、100b、100c分别是三个测距模组，每个模组包含激光发射器、分光镜、接收器三个元件。其发射的光束通过反射镜至MEMS 微振镜进行二维扫描摆动，从而实现等效 96 线的扫描效果。相对于传统MEMS方案，华为激光雷达的优势在于有效距离、FOV显著提升。其他厂商对反射率数据披露较少，华为激光雷达则明确标注反射率10%，据佐思汽研，在10%反射率下的有效较传统MEMS方案将大幅提升。此外，多组振镜对功率的提升使得MEMS振镜尺寸有缩小余地，进而提高FOV（华为激光雷达的FOV为12025）。与此同时，由于振镜的尺寸与成本成正比，越小的振镜相对造价也更低。华为曾表示，未来其激光雷达成本有望降低至200美元。同时，据华为智能汽车解决方案官微消息，华为已建立第一条车规级激光雷达的Pilot 产线并按照年产10万套的节奏推进，以适应未来大规模量产需求。目前，华为激光雷达已经在北汽ARCFOX极狐HBT上搭载。

华为凭借在光电领域的深厚积累，以激光雷达Tier1身份广泛投资光电半导体企业，赋能国内Tier2，推动国产供应链崛起。华为采用多振镜MEMS方案降本的关键在于其在光电领域多年的技术积累已形成领先优势，规模化采购激光发射器和接收器的成本亦比传统激光雷达更低。基于此，华为以激光雷达Tier1身份投资了鑫耀半导体、裕太微电子、纵慧芯光、南京芯视界、炬光科技等多家国内Tier2供应商。其中，鑫耀半导体（目前哈勃投资持股23.91%）主要产品包括砷化镓单晶片、磷化铟单晶片等III-V族半导体衬底片，是垂直腔面发射激光器（VCSEL）、光通信用激光器和探测器的必备原材料。美股已上市激光雷达企业Luminar激光雷达产品采用的1550nm光源即为磷化铟材料；纵慧芯光为华为ToF光源的主供应商，拥有自己的外延产线和封测产线。据eefocus数据，公司外延产线可实现500-1000片/月的产能，对应于产出的VCSEL芯片产能达到 20kk-40kk/月。公司目前已获华为、小米产投等多轮投资。未来，华为将有望凭借自身在制造业积累的产品、质量、成本、渠道等优势赋能国内Tier2加速崛起。

2.2、 智能座舱：“1+8+N”生态战略延伸，后端收费核心入口

华为以鸿蒙操作系统为根基，推动“1+8+N”生态由手机向平板、耳机等领域扩展。智能汽车作为其关键一环，其后端收费入口——智能座舱意义重大。所谓1+8+N战略是指以智能手机为中心，实现其与平板、可穿戴、智慧屏、车机等8大设备的无缝连接，从而打造移动办公、智能家居、运动健康、影音娱乐、智能出行5大应用生态。其中，智能座舱是智能出行的核心应用场景，其可以实现用户数据获取、OTA 升级以及后期的软件收费变现。根据ICVTank公布的数据显示，2019年全球智能座舱行业市场规模达364亿美元，预计到2022年全球智能座舱行业市场规模有望达461亿美元。中国作为全球汽车行业发展潜力最大的市场，2019年中国智能座舱行业市场规模达441.1亿元，随着中国市场消费升级，智能座舱加速应用，预计到2025年中国智能座舱行业的市场规模将达到1030亿元，年CAGR达15%。华为基于芯片+鸿蒙操作系统推出CDC智能座舱平台，并进一步推出AR-HUD、无线充电等座舱电子，加速其在智能座舱领域的商业化进程。

2.2.1、华为携手发力座舱SoC芯片，推动国产车规级芯片加速落地

车规级SoC芯片是智能座舱大屏化、多屏化升级的主流选择，高通凭借消费级芯片的领先技术切入座舱，先发优势、生态建设优势突出。SoC（System-On-Chip，片上系统）将中央处理器CPU、图形处理单元GPU、图像处理单元ISP、数字信号处理器DSP、基带处理单元BBU、存储器ROM/RAM、神经处理单元NPU等集成在一块芯片上，可有效提升电子信息系统的运转效率，缩短开发成本。目前，手机等消费电子领域已普遍采用SoC芯片，智能座舱作为手机的延伸近年来亦逐步采用通过车规级认证的SoC芯片以满足座舱内大屏化、多屏化的交互需求。高通凭借在消费级芯片中的霸主地位切入智能座舱领域，自2016年以来相继发布820A、SA8155P两款智能座舱芯片，主要针对高端车型。据高通在2019年CES的数据，820A平台已获得全球25 家主要汽车厂商中18 家（奥迪、大众、小鹏、理想等）的订单，金额约55亿美元，而高通2020年最新发布的SA8155P则是第一款车规级7nm SoC芯片，其CPU、GPU算力较820A均有明显提升。

麒麟710A上车汉，华为与比亚迪携手共推国产车规级芯片进程。智能座舱安全等级较自动驾驶更低，因此从消费级芯片向座舱芯片迁移门槛也相对较低。华为首款座舱芯片710A的本体即为2018年的麒麟710，预计将与高通820A全面对标。具体来看，在制程方面，高通820A为台积电代工的12nm工艺，而华为则受制于美国制裁选择代工的14nm制程芯片。在CPU与GPU的配置方面，高通采用自家定制的Kryo四核处理器及Adreno 530，而华为则集成了ARM混合架构CPU（A73+A53）以及Mali-G51 GPU。在应用生态方面，由于高通820A上车时间更早以及中立第三方供应商的定位，使得其在卫星定位系统、多媒体娱乐以及嵌入式软件平台的支持上包容性更强，主要体现为苹果CarPlay、谷歌Android Auto、GPS等应用上。总体而言，华为在座舱芯片领域仍然处于追赶高通的地位，整车厂对于华为仍然处于观望态度居多。然而，在国产芯片进口替代的趋势下，国内自主品牌厂商有望逐步与华为进行合作尝试，2021年2月以来，比亚迪作为麒麟芯片的首次对外合作对象，将携手华为一起推进座舱领域的芯片上车进程。国产手机芯片上车尽管可以复制大部分技术，但是在环境温度、生命周期等车规级认证上难度仍然较高。若比亚迪可以实现麒麟710A的生产，则华为将实现从设计、代工到封测等各个环节的国产替代，对于华为入驻智能座舱或将具备里程碑意义。

2.2.2、自研鸿蒙操作系统，占据座舱后端收费核心入口

当前车载操作系统市场呈现出百家争鸣的竞争格局，主要包括基础操作系统、定制型操作系统、ROM型操作系统和手机映射类系统四种。（1）基础操作系统是指包含系统内核、底层驱动、虚拟机等所有底层软硬件的操作系统，其开发难度最高，竞争格局也基本稳定，以QNX、Linux、安卓、鸿蒙OS几家为主。（2）定制型操作系统在基础操作系统之上进行定制化开发（涉及系统内核的修改），对软件的开发技术、软硬件结构规划的要求相对较高，是对通用计算机系统软件开发有一定经验互联网平台、以及对整车结构控制有深刻理解的整车厂的首要选择。Ali OS是基于Linux Kernel 深度开发的驱动万物智能的操作系统。百度的Duer OS以及大众的VW.OS便是基于QNX和安卓系统所做的深度开发。其中，大众还与微软合作，借助其云计算能力将VW.OS与大众汽车云相结合，以实现操作系统的全新升级。（3）ROM型操作系统同样是基于基础操作系统的进一步开发，与定制型的区别在于ROM型不涉及系统内核的修改，对软件开发的要求相对较低。正因如此，国内新兴的造车势力如理想、小鹏、蔚来更倾向于选择ROM型操作系统。（4）手机映射类系统并不算是操作系统，只是将手机上的音乐、社交、语音等功能映射在汽车上应用，如华为的Hicar、苹果的CarPlay以及谷歌的Android Auto等。该类系统主要是头部手机厂商利用其在手机移动终端上的丰富应用软件资源，向汽车终端进行应用延伸的一种表现形式。

短期来看，开放式的HiCar映射系统通过前装、USB外接、车载智慧屏等方式上车，其迁移成本低、操作便捷，被比亚迪、新宝骏等众多车厂所接受。HiCar作为华为进入座舱领域的排头兵，可支持AI语音助手、人脸识别、手机车机互联互通等功能。与竞争对手苹果CarPlay相比，HiCar的优势主要体现在本土化、无线化以及与整车厂的绑定深度方面。具体来看，在本土化方面，HiCar基于华为在手机端丰富的应用生态，可支持高德、腾讯、百度三大地图导航、酷狗、网易云等主流音乐APP以及喜马拉雅、懒人听书等有声类软件共计29款（统计时间2021年2月）。未来，基于HiCar提供的HiCarKit和HiCar SDK开放能力，预计将有更多应用软件上车。在连接方面，HiCar具备蓝牙、后装车载智慧屏、USB等多种连接模式，且在屏幕放缩、联动时无卡顿。而苹果CarPlay目前仍然以有线连接为主，繁琐性明显增加。在车企合作方面，HiCar可通过语音助手小艺直接控制车门、车窗、空调等硬件设备，而CarPlay与国内车企之间的合作仍然停留在软件层面上。目前，HiCar已在比亚迪新宝骏、荣威等品牌的车型上前装搭载，其中比亚迪汉更作为展车在华为线下旗舰店推广。据华为在2020年10月发布会的计划，其已与30多家厂商达成合作，预计2021年将有500万辆新车预装HiCar。

中长期来看，基于分布式架构的鸿蒙OS将打破不同智能终端之间的壁垒，为消费者提供“1+8+N”全场景的智能出行体验。鸿蒙OS是华为智能座舱的核心，其定义了HMS-A的7大核心能力、12个车机子系统以及500多个HOS-C API，从而构建了面向汽车的全场景OS软件平台。从架构来看，鸿蒙OS从下到上可分为内核、基础服务、程序框架及应用四层，并通过分布式软总线技术进行分布式数据管理、能力调度及虚拟外设。分布式架构的优势在于其将内核等底层技术进行封装，使开发者可以聚焦在自身的业务逻辑开发上，最终在跨设备之间实现共享生态。此外，鸿蒙OS采用全新的微内核设计，即内核只提供基础的多进程调度、多进程通信等服务，而内核之外的用户侧则尽可能多地实现系统服务。与座舱内普及的安卓操作系统相比，鸿蒙OS具备三大设计优势。其一，分布式架构可提供更为简介的代码结构，在一定程度上解决了安卓长期被诟病的代码行冗余和遗留问题；其二，微内核的安全性更高、时延更低，与基于Linux宏内核的安卓相比，其执行代码量显著降低；其三，华为配套的方舟编译器及Lite OS IDE应用程序套件简化了原有安卓开发者对应用程序的调整过程，从而简化其他应用程序向鸿蒙OS的迁移成本，提高开发效率。随着鸿蒙OS落地，华为基于1+8+N的全场景生态应用将实现无缝共享，座舱也将成为华为在汽车领域后端收费的核心入口。

2.3、 智能电动：深耕通信网络，多合一电驱动高度融合

华为深耕通信基站业务多年，对电驱动控制模块和通信处理技术见解独特，其推出业界首款超融合的动力域解决方案将有望加速汽车电动化发展。汽车电动化的普及使得行业对电驱动系统的需求快速提升并在性能、效率、尺寸、重量、可靠性等各个环节提出更高要求。华为凭借多年通信基站建设维护及光伏行业的经验积累，在电驱动控制模块、通信处理等领域技术优势明显。其智能电动解决方案集多合一电驱动、车载直流快充模块、VDC硬件、整车控制OS及软件应用、三电云服务为一体，加速汽车电动化发展。具体而言，在电驱动部分，华为推出业界首款超融合的动力域解决方案，集成电机控制器(MCU)、电机、减速器、车载充电机(OBC)、电压变换器(DC/DC)、电源分配单元(PDU)及电池管理系统主控单元(BCU)七大部件，进而实现机械部件和功率部件的深度融合。在此基础上，将智能化与电动化绑定以实现端云协同。在电池部分，华为Hi Charge直流快充在硬件上采用全灌胶、全隔离防护，支持国内版30kW和国外版20kW两个版本。其中，30kW快充模块最高效率达96.4%，20kW最高效率96.55%，具备300-1000V恒功率输出。在软件部分融合AI算法可有效地识别充电桩防尘网堵塞及模块风扇堵转等问题并对充电桩的温度进行智能调节。

2.4、 智能车云：四大云服务方案助力车云互联，加速自动驾驶场景落地

四大云服务方案助力汽车产业云、应用云的互联互通，加速自动驾驶应用场景落地。华为智能车云服务聚焦自动驾驶、高精度地图、电池安全、V2X四项难点，提供自动驾驶云服务（HUAWEI Octopus）、高精地图云服务、V2X云服务、车联网云服务（包含三电云服务）四大子服务方案。其中，自动驾驶云服务所提供的仿真训练可高质量还原自动驾驶场景，推进自动驾驶测试进程，意义重大；高精地图云服务提供高精地图分发、动态地图分发、高精地图数据安全等功能，协助推动车联网位置应用、智能网联产业园区、自动驾驶仿真/运营和自动驾驶服务等四大场景的落地；V2X云服务在提供设备管理、事件管理等基础V2X能力的基础上为无人驾驶车队提供了路径规划、统筹调度能服务，进而实现全域感知和全局策略控制；车联网云服务基于云端AI和大数据深度挖掘智能驾驶、智能座舱等数据价值，实现数据资产的货币化；三电云服务融合电池机理和数据模型达到电池安全预警及寿命精准管理的目的。目前，华为已在无锡、湖南湘江、长沙等地建立智能网联先导区，推进智能车云平台的互联互通。

华为自动驾驶云服务通过构架高仿真场景库加速自动驾驶上路。华为八爪鱼（HUAWEI Octopus）自动驾驶云服务所提供的数据、训练、仿真三大服务贯穿自动驾驶开发、测试及商用优化的全生命周期，形成以数据为驱动的自动驾驶闭环方案。数据服务部分，华为具备自动化数据标注、场景挖掘和困难案例挖掘的能力，通过2D/3D联合标注有效提升目标检测的准确率。训练服务部分，该系统可在挖掘困难案例场景过程中自动生成测试数据集并进行模型的训练和优化，从而实现自动驾驶算法的快速迭代。仿真服务部分，华为通过真实场景转仿真、内置海量仿真场景库、开放兼容第三方场景库等方式为自动驾驶提供覆盖面广、真实度高的仿真测试场景。据兰德智库报告，一套自动驾驶系统需测试100亿+英里（约160+亿公里）才达到量产应用条件，里程要求较高。现阶段，自动驾驶车辆无法大规模上路，实车路侧里程数据有限，云上仿真将是满足里程测试要求的最佳途径。华为大规模的仿真测试将为其自动驾驶方案的推出奠定坚实基础。

受益标的：、、、、炬光科技（拟上市）

3.1、华阳集团：智能座舱电子领先者，迎智能汽车大时代 

携手华为前瞻布局ADAS，“煜眼”技术迎来规模化量产。公司将多年在数字多媒体领域的自主技术与海思360环视芯片方案相结合，推出360环视系统并通过算法进行适配的合成及处理，增加驾驶员的视野，提高行车安全。公司自2013年开始为客户前装配套360环视系统产品，目前已迭代至广角镜头、200万像素清晰度。与此同时，公司增加了3D 360全景图像显示和前后动态轨迹线，为低速行车、倒车入库提供精准参考提示。据IHS的预计，2025年中国AVM（Around View Monito，全景影像停车辅助系统）的标配量将达到261万套，公司与海思的强强联手有望在AVM市场中快速抢占市场份额。在此基础上，公司旗下子公司华阳数码特推出“煜眼”技术，可提升摄像头感知精度，改善自主泊车系统的稳定性和可靠性。除自动泊车以外，“煜眼”技术可以在双目立体摄像头、前视ADAS摄像头等多个领域得到应用。据公司公告，“煜眼”技术已在新宝骏E300高配版、新一代威马车型中应用。

HUD、无线充电等产品深度绑定大客户，座舱电子进入收获期。公司凭借W-HUD的先发优势已量产供货长城、东风日产启辰星等多款车型，并获得长城F7改款及WEY系列W-HUD等项目定点。在稳固W-HUD产品的同时，公司深度聚焦高单价的TFT及DLP类AR-HUD产品。在DLP AR-HUD领域，公司拥有图像坐标转换、实景融合等自主算法；在TFT- AR-HUD领域，公司搭建了各类参数模型的计算平台进行模拟测试。目前公司已获广汽AR-HUD项目定点，预计AR-HUD产品在2021年底将陆续量产上车。此外，公司的车载无线充电产品散热良好、安全性强、充电功率高，已率先完成OPPO手机快充协议的适配，将通过长城、现代、长安等客户的项目向全球供应。长城作为公司第一大客户，与公司在座舱电子中深度绑定，公司W-HUD、无线充电产品已在哈弗H6、哈弗大狗等多款车上搭载。随着哈弗车型的热卖，公司有望持续受益。

3.2、 中科创达：智能操作系统龙头，迈向智能网联新征程

智能操作系统龙头，NRE+Royalty双线并行，打开智能座舱软件收入天花板。公司凭借在Linux、安卓手机操作系统的长期耕植经验，于2013年率先发力智能座舱业务，为芯片厂商、Tier1及整车厂提供从硬件驱动、系统内核、中间件至上层应用的全栈式解决方案，NRE收入持续提升。在此基础上，公司相继收购Rightware、MM Solution等车载软件平台及方案商，不断积累自有IP，开拓高毛利Royalty收入来源。目前，公司在中控屏、全液晶仪表盘等座舱电子的软件方案已成功落地理想One，广汽传祺GS4、GS8等众多车型。据ICVTank数据，中国智能座舱市场规模将由2018年的396.9亿元增长至2022年的739亿元，CAGR 16.8%。随着智能座舱渗透率的提升及智能网联汽车的量产，公司智能汽车业务有望持续保持高增长。

万物互联时代到来，SoM模块充分受益。公司“核心板+操作系统+核心算法”一体化的SoM核心计算模块已应用到无人机、智能相机、VR、扫地等领域，该模块具备通用性强的特点，稍加改造后能够搭载在不同终端设备上。我们认为，随着5G+AI赋能，物联网技术有望在不同应用场景加速落地，公司SoM模块应用广泛，市场前景广阔；且公司紧靠高通等厂商建立联合实验室，相比同业竞争对手在硬件技术和客户拓展能力方面优势明显，有望充分受益万亿物联网产业的整体发展。

5G落地催生手机更新迭代需求，传统业务迎新一轮发展契机。2019年6月工信部发放5G商用牌照，标志着我国正式进入5G元年。IDC预测数据显示2020年全球5G手机出货量将达到1.235亿部，随着5G手机逐步上市，手机更新迭代需求逐渐释放。5G高带宽、低时延、大连接、低功耗的特点对原有的手机操作系统提出了更高的要求，操作系统二次改造开发需求凸显，我们认为随着5G技术落地，公司传统智能系统软件业务将迎来新一轮的发展契机。

3.3、北汽蓝谷：华为HI解决方案上车，携手共进高端乘用车市场

全面拥抱华为，尽享全栈解决方案红利。2019年，公司与华为签订了《全面业务合作协议》，双方设立了“1873戴维森创新实验室”，将在智能化转型方面展开深入研究与合作，将 ICT 技术与智能网联汽车深度融合，在产品端，2021年4月公司将推出阿尔法 HBT，该车型是北汽蓝谷与华为联合打造的全新高性能智能电动汽车，使用华为HI智能汽车解决方案，在智能驾驶、智能座舱、智能电动、智能车云等方面全球领先并享受华为软硬件一体化的协同优势。在技术端，华为与北汽携手进行IMC平台智能化开发，使IMC平台在交互、智能和升级频率方面得到强化。IMC平台由 42 个核心模块、127 个功能模块组成，是全球新能源汽车行业首个商业搭载 5G 技术的智能电动汽车模块化架构。一方面可以降低成本，快速迭代产品，另一方面，平台化、模块化的技术应用可有效提高生产效率、增加良品率。

定增加码新能源汽车，打造ARCFOX高端品牌形象。2021年2月公司定增项目获证监会批注，拟募集资金55亿元用于ARCFOX品牌高端车型开发及网络建设项目、5G智能网联系统提升项目、换电业务系统开发项目及补充流动资金。在品牌定位上，公司推出ARCFOX高端品牌，打造ARCFOX品牌首款A+级SUV、A+级纯电动溜背式跨界车、A级中高端SUV，与合资品牌及自主高端品牌车型形成直接竞争，抢占细分市场。在渠道建设上，公司拟在北京、上海、广州、深圳建设4家大型直营体验店，4家小型直营体验店，同时在天津、重庆、成都、杭州、镇江、苏州各建设一家小型直营体验店，基本覆盖主要目标市场。据定增预案，截至2022年，公司拟累计为75家经销商的75套魔方店在品牌展示、销售线索导流、粉丝运营等方面提供支持。随着公司自动驾驶技术导入、品牌建设完毕，将有望大幅提升现有车型的市场认可度，增加产品附加值。

3.4、 四维图新：国产高精度地图龙头，云边端协同造就“智能汽车大脑“

高精度地图技术行业领先，与宝马、长城冠华等知名主机厂合作，高级辅助驾驶及自动驾驶版块收入规模有望扩大。公司是国内高精图最重要的地图商之一，已掌握从数据采集、自动化制图、众包更新到自动驾驶完整产品能力的解决方案。多年来，公司深耕于底图数据，为包括特斯拉、蔚来等主机厂，Mobileye等方案商长期提供底图数据服务，建立稳定合作关系。据公司在新智驾的演讲，截至2020年11月，公司已积累了32万公里的高速与城市快速路。据IDC数据，2019年，公司在高精度地图解决方案市场占有率为21.7%，仅次于百度。同年，公司与宝马签订关于高精度地图的合作协议，为宝马2021年至2024年在中国地区量产上市的车型提供L3及以上的高精地图服务。此后，公司陆续又与爱驰汽车、长城冠华等一系列主机厂达成合作，为其提供自动驾驶的软硬件服务以及解决方案，进一步推动公司高精地图在自动驾驶领域的量产化落地。目前，公司与华为签署协议，在包括面向B端的导航电子地图，自动驾驶地图，V2X，智慧城市，平安园区，华为云等方面深入合作。在电动化、智能化、网联化、共享化等“新四化”趋势推动下，我国汽车行业配置自动驾驶功能需求高速增长，对准确、可靠的高精度地图的需求也将与日俱增。作为图商领域头部企业，公司有望在与一系列主机厂的合作中挖掘新的商业模式，实现订单数量与价格的同向增长，扩大自动驾驶版块整体收入规模。

12亿元定增加码汽车芯片研发，赋能三大智能汽车业务齐升。作为国内首家在自动驾驶地图、高精度定位、算法、芯片、大数据等关键节点进行战略卡位的企业，公司于2021年2月完成了40亿元的定增，其中12.40亿元用于布局智能网联汽车芯片研发项目，主力研发智能座舱芯片AC8025、车联网芯片AC8267、视觉处理芯片AC6815等，迎合车载信息娱乐系统逐渐演变成智能驾驶座舱系统、车联网系统、Low DA系统三种产品形态的趋势，有望赋能公司车联网、自动驾驶及导航三大智能汽车业务，全面布局智能网联。根据《IDC全球智能网联汽车预测报告》数据，可以连接三方服务平台的车辆以及配备嵌入式移动网络的全球智能网联汽车出货量，在2019年达到5110万辆，与2018年相比增长了45.4%，预计到2023年，全球智能网联汽车的出货量将增至7,630万台，预计同比增长率为9.3%。在智能网联汽车市场蓬勃发展背景下，公司大力布局各类芯片研发，有望抓住自动驾驶市场发展的机遇，实现经营业绩的快速增长。

3.5、 炬光科技（拟上市）：高功率半导体激光器领军企业，大力进军汽车激光市场

公司是国内实力强劲的高功率半导体激光器生产厂商，正在大力拓展汽车市场，产品布局全面、技术上已率先达到车规级量产标准。公司2017年正式进军车载激光市场，基于独特的微光学设计与制造技术以及多年经验，专注为客户提供高价值增量的发射端解决方案。（1）在产品布局方面，公司针对不同技术路径的激光雷达均有相适配的产品提供，针对机械旋转式激光雷达提供标准微透镜元件，针对半固态激光雷达提供905nmEEL线光斑发射模块以大幅度提高激光雷达信噪比，针对flash路线固态激光雷达提供基于固体激光的超高峰值功率AL01激光发射模块以及基于VCSEL光源的300W面光斑模块等。（2）在技术锻造方面，2017年收购全球微光学技术领导者LIMO公司，当前公司已通过IATF16949质量管理体系认证、德国汽车工业协会VDA6.3过程审核，激光雷达发射模组达到车规级水平。（3）在量产经验方面，公司通过首个车规级量产项目积累了大量经验，2020年用于激光雷达面光源的光束扩散器及高峰值功率固态激光雷达光源模块进入量产阶段，标志着行业内固体激光雷达发射模块的首次规模化量产。（4）在客户关系方面，公司遵循“高起点”战略，与全球诸多头部激光雷达公司Velodyne LiDAR、Luminar、Argo AI等均有合作。其中，高峰值功率固态激光雷达面光源已经实现量产，为德国大陆集团批量供货。

激光雷达是L3时代的核心传感器，公司大力研发VCSEL技术紧扣量产激光雷达核心需求，前瞻布局DMS两轮共驱，将在汽车激光市场大展拳脚。针对激光雷达核心需求，为dToF闪光式短剧激光雷达提供结高峰值功率VCSEL芯片+车规级diffuser；为Flash雷达提供300W峰值功率面光斑产品AX01，大幅度提高激光雷达峰值功率和车规级可靠性。此外，基于欧洲法规，前瞻性推出基于VCSEL光源的DMS方案，预计2023年前将投入量产。随着与头部Tier 1客户深入合作和公司产品技术逐渐成熟全面，炬光科技将反哺国内市场，积极拓展与国内激光雷达初创公司和Tier1企业生态圈。当前公司凭借在汽车细分市场的独特优势，已受到诸多资本关注，其中，据招股书披露，华为控股的哈勃投资于2020年9月以5000万元认购公司增发股份200万股。目前，公司已提交科创板IPO申请，募资10.1亿元，其中1.6亿元直接投资激光雷达发射模组产业化项目，建设激光雷达发射模组生产基地，建成后有望让公司更好受益于汽车激光市场即将迎来的大规模增长。

华为智能汽车业务推进进度不及预期、智能汽车行业景气度下行、中美贸易摩擦风险加剧等。

开源中小盘团队由原新财富中小市值金牌团队组建打造，专注于新兴产业投资机会的挖掘，对中小市值个股、主题、增发并购、新股、科创板等多个领域有深入研究。新财富中小市值研究方向唯一连续八年上榜（），2016年、2017年、2018年获新财富最佳分析师中小市值研究第一名，连续多年获水晶球、金牛奖、第一财经等中小市值研究评选第一名，2016年、2017年和2018年各大评选大满贯冠军。

团队首席分析师，上海交通大学硕士，6年中小盘研究经验，新财富中小市值研究方向唯一连续八年上榜。

开源证券总裁助理兼研究所所长，多年证券研究经验，新财富中小市值研究方向唯一连续八年上榜。

澳大利亚国立大学硕士，负责中小盘TMT方向研究。

复旦大学硕士，负责新股及中小盘消费方向研究。

量化金融硕士，负责定增并购、中小盘消费及智能驾驶方向研究。

上海财经大学金融硕士，负责中小盘教育方向研究。

香港中文大学理学硕士，负责中小市值科技方向研究。

报告发布日期：2021年04月14日

开源证券股份有限公司是经中国证监会批准设立的证券经营机构，具备证券投资咨询业务资格。

本报告仅供开源证券股份有限公司（以下简称“本公司”）的机构或个人客户（以下简称“客户”）使用。本公司不会因接收人收到本报告而视其为客户。本报告是发送给开源证券客户的，属于机密材料，只有开源证券客户才能参考或使用，如接收人并非开源证券客户，请及时退回并删除。

本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他金融工具的邀请或向人做出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为做出投资决策的唯一因素。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。若本报告的接收人非本公司的客户，应在基于本报告做出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。

本报告可能附带其它网站的地址或超级链接，对于可能涉及的开源证券网站以外的地址或超级链接，开源证券不对其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了客户使用方便，链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。

开源证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。开源证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。

本报告的版权归本公司所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。