01.智能駕駛功能滲透率快速提升

智能駕駛功能滲透率仍處于較低位置，提升空間較大。隨著技術(shù)快速成熟、產(chǎn)品價(jià)格逐漸下降及用戶智能化體驗(yàn)需求的不斷提升，智能駕駛功能正逐漸從豪華車(chē)向中低端車(chē)型發(fā)展，滲透率快速提升。智駕功能的性能和搭載率的提升將帶動(dòng)智駕域控制器的需求快速增長(zhǎng)。預(yù)計(jì)2025年自動(dòng)駕駛域控制器市場(chǎng)規(guī)模達(dá)479.4億元。

域控制器構(gòu)成：硬件+軟件

02.智能駕駛域控制器為整車(chē)計(jì)算中心

智駕域控制器主要包括計(jì)算芯片、Safety MCU、存儲(chǔ)芯片及其他無(wú)源器件等。其中計(jì)算芯片主要用來(lái)進(jìn)行攝像頭圖像處理、運(yùn)行深度學(xué)習(xí)算法、輸出識(shí)別結(jié)果、進(jìn)行傳感器融合和軌跡預(yù)測(cè)等功能，是決定智駕域控性能的核心部件。智能駕駛芯片具有較高的技術(shù)壁壘，現(xiàn)階段市場(chǎng)高端芯片以英偉達(dá)、華為為主，中低端芯片廠商較多，主要包括地平線、Mobileye、TI、黑芝麻智能等。各主要芯片廠商積極拓寬產(chǎn)品矩陣，國(guó)產(chǎn)芯片市占率持續(xù)提升。與主要芯片廠商建立穩(wěn)定的合作開(kāi)發(fā)關(guān)系的智駕域控供應(yīng)商有望受益。

各級(jí)別智能駕駛算力需求

硬件端，智駕功能升級(jí)，算法算力要求更甚

感知方面，感知重心向視覺(jué)傳感器轉(zhuǎn)移。智駕系統(tǒng)向BEV+Transformer?轉(zhuǎn)型后，低成本的視覺(jué)傳感器更為重要，為保證數(shù)據(jù)獲取的精確度和完整度，攝像頭的像素和數(shù)量也不斷增加，800萬(wàn)像素?cái)z像頭使用量逐漸提升，攝像頭數(shù)量也向單車(chē)?10?個(gè)以上發(fā)展。毫米波雷達(dá)和激光雷達(dá)短期內(nèi)仍難以替代。由于國(guó)內(nèi)使用?Nerf?進(jìn)行多幀重建仍有待提升，故需要激光雷達(dá)或?4D?毫米波雷達(dá)獲取路網(wǎng)數(shù)據(jù)，進(jìn)行車(chē)道線識(shí)別。此外，由于純視覺(jué)系統(tǒng)對(duì)于暗光環(huán)境和非標(biāo)準(zhǔn)物體等場(chǎng)景的識(shí)別準(zhǔn)確問(wèn)題仍無(wú)法完全解決，通常需要?4D?毫米波雷達(dá)進(jìn)行靜態(tài)障礙物識(shí)別。我們預(yù)計(jì)攝像頭和?4D?毫米波需求有望增長(zhǎng)。

Mobileye 4D?毫米波雷達(dá)點(diǎn)云效果近似4?線激光雷達(dá)

03.芯片開(kāi)發(fā)和生產(chǎn)制造能力仍為核心競(jìng)爭(zhēng)力

隨著B(niǎo)EV+Transformer?的應(yīng)用，智駕功能對(duì)車(chē)端算力要求更高，加上城市?NOA?及后續(xù)?L3?功能的搭載，高算力芯片仍為頭部主機(jī)廠中高端車(chē)型首選方案。智駕域控仍以國(guó)

內(nèi)?Tier 1?廠商為主，雖然頭部主機(jī)廠自研域控意愿較強(qiáng)，但受限于相關(guān)研發(fā)積累、資金限制及自身銷(xiāo)量等問(wèn)題，自研難度大、成本高，不一定有足夠的銷(xiāo)量來(lái)攤薄前期研發(fā)成本。目前?L2?及以上智駕域控以國(guó)內(nèi)廠商為主，產(chǎn)品布局全面、芯片開(kāi)發(fā)設(shè)計(jì)實(shí)力強(qiáng)、量產(chǎn)制造能力豐富、出貨量較大的供應(yīng)商具備一定競(jìng)爭(zhēng)優(yōu)勢(shì)。主要供應(yīng)商包括華為、德賽西威、經(jīng)緯恒潤(rùn)等企業(yè)，均勝電子、中科創(chuàng)達(dá)、大疆、東軟睿馳等快步追趕。

BEV+Transformer?的廣泛認(rèn)可導(dǎo)致智駕域控結(jié)構(gòu)發(fā)生變化

智駕方案早期攝像頭以前視為主，四周主要靠毫米波雷達(dá)實(shí)現(xiàn)環(huán)視覆蓋，較為廣泛的方案為?5R（Radar）1V（Video）、3R1V、1R1V、2R1V、5R3V，支持的攝像頭數(shù)量較少。同時(shí)路網(wǎng)信息主要依靠高精地圖提供，視覺(jué)傳感器以動(dòng)態(tài)障礙物識(shí)別為主，靜態(tài)障礙物主要依靠激光雷達(dá)實(shí)現(xiàn)感知。但是?BEV?架構(gòu)下，需要至少?6~8?個(gè)攝像頭實(shí)現(xiàn)車(chē)身周邊感知（前后左右各一個(gè)，四角各一個(gè)），攝像頭接口需求增加。同時(shí)由于取消高精地圖，部分定位模塊可以減少或簡(jiǎn)化。由于大模型搭載，低算力芯片性能難以支持端側(cè)部署，對(duì)芯片算力有了更高的要求。

域控芯片需要調(diào)整以適應(yīng)Transformer?模型

早期?AI?芯片主要會(huì)考慮對(duì)?CNN、Pooling等的優(yōu)化。但是?Transformer?的神經(jīng)網(wǎng)絡(luò)與原先差別較大，需要不同的算子進(jìn)行支持。如果芯片不支持Transformer?算子，會(huì)導(dǎo)致在?GPU?上訓(xùn)練時(shí)候用Transformer?訓(xùn)練，但是部署在車(chē)端時(shí)候需要進(jìn)行算子轉(zhuǎn)化，帶來(lái)一定的困難，導(dǎo)致最終在端側(cè)并不是?BEV+ Transformer，而且近似?CNN?的替代算法。目前頭部芯片廠商如地平線、英偉達(dá)等已經(jīng)實(shí)現(xiàn)對(duì)?Transformer算子的支持，后續(xù)部分廠商需要將BEV+ Transformer?下放到端側(cè)。

審核編輯：黃飛

?