特斯拉(TSLA.US)/华为路线、英伟达(NVDA.US)路线、寒武纪路线——智能汽车算力“军备竞赛”

本文来自华西证券，作者：宋隐辉、柳珏廷。

摘要：现阶段计算平台产品仍以CPU+域控制器的异构方案为主，AI算力较低且能耗较大，芯片布局仍主要集中在海外头部及国内初创企业。

核心观点

智能汽车算力平台方案解析

基于不同类型处理器的计算平台方案分别有以下三种：

(1) GPU方案功耗较大，制冷条件较高，主要应用厂商包括英伟达(NVDA.US)、特斯拉(TSLA.US)等车企自研;

(2) FPGA&ASIC方案：FPGA方案开发难度大，周期较长，ASIC方案完全定制化，改动难，开发难度更大，投资周期相较更长，投资大，因此保守厂商主要采用FPGA原型实现&ASIC迭代方案，主要厂商包括应英特尔、深鉴科技、寒武纪及地平线;

(3) DSP作为现阶段过渡方案，开发难度低，但性能不及GPU方案，主要应用厂商包括高通、恩智浦、亚德诺、德州仪器等。

目前，MCU、GPU、FPGA等通用新品领域高度垄断，前三大市占率约占七成，而面向ADAS的ASIC技术路线仍未明确，国内主要有深鉴科技、寒武纪、地平线等初创企业。但现阶段计算平台产品仍以CPU+域控制器的异构方案为主，AI算力较低且能耗较大，芯片布局仍主要集中在海外头部及国内初创企业，主要包括(1)以英伟达为代表的通用GPU芯片平台厂商;(2)以特斯拉、华为为代表的造车新势力的自研方案;(3)以寒武纪、地平线为代表的定制化方案。

智能汽车算力平台方案解析

智能化催生主控芯片市场需求：随着汽车向智能化方向发展，汽车算力需求呈指数级激增，计算平台能够实现汽车复杂功能、海量信息的高效传输以及系统安全，L2.5级别以上均开始引入，汽车电子架构集中度逐渐提升，由过去以CAN总线为基础的传统分布式控制架构逐渐演变成主干网加多域控制的集中式电子架构演进。

其负责计算和控制的芯片主要分为主控芯片和功能芯片，目前在整体汽车半导体市场中占比约为30%，预计随着智能驾驶等级提高而快速提升。其中，主控芯片分为车载和车控芯片，内部集成了CPU、GPU、NPU、ISP等一系列运算单元。

汽车计算平台形成以硬件、软件、云端、网络四位一体的完整软硬件系统，来完成汽车驾驶所需的感知、决策和控制任务。其架构主要包括车载硬件处理单元、云端计算平台、软件支持环境和通信网络，其中尤以硬件处理单元为重。

目前大多数智能网联汽车硬件处理平台多数采用CPU+协处理器的异构处理架构，其中CPU负责系统主控与顺序计算，协处理器辅助CPU进行运算密集的加速处理。而硬件处理平台方案主要分为GPU、FPGA/ASIC、DSP三大类型。

GPU方案：满足高算力、多并行需求，英伟达Drive系列平台领跑自动驾驶“军备竞赛”

GPU依托深度学习发展，是目前AI芯片最具竞争力的方案之一，擅长大规模并发计算，是同时能够满足诸如深度神经网络算法所需的高算力需求，提供较好的实时处理能力，并且具备相对完整的配套软件生态，对算法兼容度高，非常适用于深度神经网络、图像计算等场景。

英伟达——GPU领域代表性企业：英伟达作为GPU领域最具代表性的企业，针对自动驾驶计算提出了Drive系列平台，通过产品迭代形成对不同驾驶等级算力的支持，具备高性能、高能效的特性。

FPGA/ASIC方案：满足高性能、定制化需求，以英特尔为代表国外厂商占据市场主导

FPGA/ASIC具备定制化属性，具备片上缓存结构特点，相较于GPU可明显提升计算处理效率，但其开发采用底层硬件HDL编程，实现难度较高，产品迭代更新周期较长。

FPGA&ASIC方案对比：FPGA属于半定制电路，提供丰富的片上逻辑计算单元和存储单元;ASIC是根据用户的定制化需求，对具体功能、应用场景、环境的要求专门设计、制造的基础电路，其实现同样功能所需的电路面积和资源通常较少。其中，FPGA和ASIC相比更接近底层IO，适用于设计规模适中、需要快速占领市场或具有灵活设计特性的产品;ASIC是固定算法最优化设计，其能耗比最高，适用于大设计规模(如CPU、DSP或多层交换芯片等)，或技术成熟、利润率低的产品(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)。

FPGA/ASIC领域代表性企业：美国厂商长期占据技术垄断地位，国内FPGA/ASIC计算平台本土厂商主要有深鉴科技(视频结构化解决方案)、寒武纪科技(Cambricon-1M)、地平线(Matrix计算平台)等。

主流厂商采取较为保守的推动策略：先采用FPGA方案进行产品开发，在获得市场进一步验证和应用后，再逐步通过ASIC方案进行产品升级迭代，不仅提高系统灵活度，还能规避开发风险。以该方案最主流代表英特尔为例，Intel Go系列自动驾驶平台就在加速器率先使用FPGA方案(Altera Arria 10 FPGA方案)，后通过ASIC方案进行产品迭代。(详见下图3)

DSP方案：过渡方案，满足低成本高灵活性需求

DSP专用于实时数字信号处理的微处理器，是一种进入自动驾驶领域的过渡方案具备高灵活性、高通用性、开发成本低的优点，但性能受核数限制不及GPU。

综上，基于不同类型处理器的计算平台方案分别有以上几种。其中，GPU方案功耗较大，制冷条件较高，主要应用厂商包括英伟达、特斯拉等车企自研;FPGA方案开发难度大，周期较长，ASIC方案完全定制化，改动难，开发难度更大，投资周期相较更长，投资大，因此保守厂商主要采用FPGA原型实现&ASIC迭代方案，主要厂商包括应英特尔、深鉴科技、寒武纪及地平线;此外DSP作为现阶段过渡方案，开发难度低，但性能不及GPU方案，主要应用厂商包括高通、恩智浦、亚德诺、德州仪器等。

目前，MCU、GPU、FPGA等通用新品领域高度垄断，前三大市占率约占七成，而面向ADAS的ASIC技术路线仍未明确，国内主要有深鉴科技、寒武纪、地平线等初创企业。但现阶段计算平台产品仍以CPU+域控制器的异构方案为主，AI算力较低且能耗较大，芯片布局仍主要集中在海外头部及国内初创企业，主要包括(1)以英伟达为代表的通用GPU芯片平台厂商;(2)以特斯拉、华为为代表的造车新势力的自研方案;(3)以寒武纪、地平线为代表的定制化方案。

风险提示：全球政治经济形势不确定性影响;智能网联建设不及预期;技术国产替代不及预期;核心元器件及技术受制风险;系统性风险。

(编辑：张金亮)