報告綜述：

域控制器解決汽車軟硬體升級桎梏，開啟智慧駕駛新時代

傳統汽車 E/E 架構採用分散式，功能系統的核心是 ECU，智慧功能的升級依賴 於 ECU 和感測器數量的累加。隨著單車智慧化升級的加速，原有智慧化升級的 方式面臨著研發和生產成本劇增、安全性降低、算力不足等問題。面對種種智慧 化升級的桎梏，特斯拉 Model 3 的推出引領了汽車 E/E 架構集中化的趨勢，將原 本相互孤立的 ECU 相互融合，域控制器也由此應運而生。在以域控制器為功能 中心的集中化 E/E 架構下，晶片算力和軟體演算法的提升將成為汽車智慧化升級的 核心。域控制器架構下，汽車智慧化升級的研發邊際成本將顯著降低，並且智慧 化升級的邊際成本將逐步遞減，從而推動汽車智慧駕駛的加速滲透。

硬體先行、軟體賦能，域控制器開啟汽車軟硬體軍備競賽

域控制器作為未來汽車運算決策的中心，其功能的實現依賴於主控晶片、軟體操 作系統及中介軟體、應用演算法等多層次軟硬體的有機結合。分別來看，主控晶片目 前多采用異構多核的 SoC 晶片，競爭的焦點主要在於 AI 單元的有效算力、算力 能耗比、成本等。軟體作業系統及中介軟體主要負責對硬體資源進行合理調配，以 保證各項智慧化功能的有序進行。其中，軟體作業系統競爭格局較為穩定，多以 QNX 和 Linux 及相關衍生版本為主。應用演算法則是基於作業系統之上獨立開發 的軟體程式，是各汽車品牌差異化競爭的焦點之一。為實現智慧汽車的持續進化， 整車廠往往會選擇“硬體超配、後續軟體迭代升級”的方式。因此，域控制器作 為未來智慧汽車的“大腦”，以主控晶片為代表的高效能硬體將率先量產上車， 而作業系統及應用軟體等則會隨著演算法模型不斷迭代持續更新，逐步釋放預埋硬 件的利用率，從而實現軟體定義汽車。

域控制器產業鏈之下，Tier1、科技公司等多方勢力各抒己長參與其中

根據產業鏈生態，域控制器產業鏈可分為兩大陣營。一類是以華為昇騰、特斯拉 FSD 晶片為硬體基礎的全棧式解決方案供應商。憑藉自身的技術優勢實現了從 底層硬體到軟體架構的全覆蓋，具備軟硬體一體化的效能優勢。另一類則是開放 式的供應鏈生態，由 AI 晶片公司、軟體供應商、Tier1 系統整合商和整車廠組 成。其中底層的 AI 晶片公司是域控制器的基礎，軟體供應商和演算法提供商（部 分為整車廠自研）賦能，Tier1 進行系統整合，最終由整車廠落地驗證。目前典 型的第一陣營包括“特斯拉”、“華為+長安”、“Mobileye+蔚來”等，開放式陣營 包括“小鵬+德賽西威+英偉達”、“理想+德賽西威+英偉達”、“高通+長城”等。 在汽車智慧化加速滲透的背景下，域控制器作為智慧化的核心零部件將最為受 益，看好在域控制器中卡位核心環節的相關公司。

1、 域控制器解決軟硬體升級桎梏，開啟智慧駕駛新時代

1.1、 傳統汽車採用分散式架構，功能升級僅依賴於 ECU 數量的累加

傳統汽車 E/E 架構採用分散式，功能系統的核心是 ECU，智慧功能的升級依賴於 ECU 數量的累加。ECU 誕生於上世紀 70 年代，初始定義為 Engine Control Unit（發 動機控制單元），用於特指電噴發動機的電子控制系統。而隨著積體電路技術以及汽 車電子行業的快速發展，ECU 的含義逐漸廣義化為 Electronic Control Unit（電子控 制單元）。從用途上看，ECU 即為汽車專用的微控制器，可在大量感測器、匯流排資料 流以及執行器等零部件的配合下實現對汽車狀態的操控。從結構上看，ECU 的核心 是中央處理器 CPU（包括微控制器 MCU 或微處理器 MPU），連線在 CPU 周邊的還 包括儲存器（DDR、FLASH）、輸入/輸出介面（I/O）、數模轉換器（A/D）等。在傳 統的分散式架構之下，汽車智慧功能的升級依賴於 ECU 和感測器數量的增加。

隨著單車智慧化升級的加速，原有智慧化升級的方式面臨著研發和生產成本劇增、 安全性降低、算力不足等問題，傳統分散式架構亟需升級。根據頭豹產業研究院數 據統計，2019 年中國汽車 ECU 單車平均裝載量已達到 25 個，商用車平均 ECU 裝載 量為 35 個，個別高階車如奧迪 A8L，其裝配的 ECU 數量早在 2013 年就已超過 100 個。同時，由於 ECU 數量的激增，對汽車線束長度、傳輸速度等方面都有這更高的 要求，這都將為汽車的研發、生產、安全等多方面帶來挑戰。具體來看，（1）研發成 本方面：在汽車功能的開發過程中，每個零件都有其對應的供應商，整車廠需要與這 些供應商分別溝通協作，甚至合作研發。因此，當單車智慧化功能激增時，將使得整 個汽車開發週期大幅增長，伴之而來的亦是人力、物力成本的劇增。（2）生產成本方 面：由於汽車內部的裝配空間有限，當 ECU 數量達到 100 多個以上、線束長度達到 5km 時，已很難實現自動化生產，相反將更多的依賴於人工。此外，在汽車智慧化時 代，汽車的生產已不再是以出廠銷售為終點，同時需要連續的整車 OTA 升級。因此 若是分散式的架構之下，難以做到眾多 ECU 之間的快速協同升級。（3）安全性問題： 更加智慧化功能的實現不僅僅需要單個 ECU 算力的大幅提升，同時亦要求各個 ECU 之間可以進行高效的資訊資料交換，並留予適當的算力冗餘，以便應對各類突發情 況，保障駕駛安全。而分散式架構下，各個 ECU 之間多透過 LIN/CAN 等匯流排相連， 傳輸速度本身有限，難以滿足智慧汽車內部資訊高效流轉的需求。

1.2、 域控制器誕生解決功能升級桎梏，推動智慧駕駛大時代加速到來

面對分散式架構對汽車智慧化升級的桎梏，特斯拉引領了汽車 E/E 架構由分散式向 域控制器/中央計算升級的歷史性變革。2017 年，特斯拉在量產的 Model3 車型中首 次落地了區域集中式的 E/E 架構（由一箇中央計算模組、三個區域控制器構成）。由 此不僅實現了不同 ECU 之間的協同控制、統一升級，同時還可以節省算力、降低布 線成本。同時，E/E 架構的集中化亦將有效降低智慧化功能升級的邊際成本，從而推 動智慧化升級的加速。特斯拉的顛覆性創新和成功亦為海內外傳統整車廠及造車新 勢力帶來了極大的示範效應，加速汽車智慧化時代的到來。2018 年豐田提出將在未 來 L3 級量產車型中採用的“Central & Zone 架構”（按物理空間將整車對稱分為多個 區域）。2019 年華為提出“CC 架構”（智慧座艙+整車控制+智慧駕駛）。2020 年，安波福釋出智慧汽車“SVA 架構”（中央計算群+四個分割槽）。此外，還有大眾、寶馬等均 提出了全新的 E/E 架構（分別為 E3 架構和 EEA 分層架構）。可以看到，無論是 Tier1、 整車廠等傳統玩家還是造車新勢力、科技公司等產業鏈新生力量，在對 E/E 架構設 計都開始由分散式向集中方向升級。E/E 架構集中化的本質是對汽車中孤立 ECU 的 整合和融合，域控制器也由此應運而生。同時，在以域控制器為功能中心的集中化 E/E 架構下，晶片算力和軟體演算法的提升將成為汽車智慧化升級的核心。根據博世等 Tier1 所提出的六個 E/E 架構發展階段來看，目前新興的集中化 E/E 架構大致集中於 以汽車功能劃分“域集中/融合”階段和以汽車物理空間劃分的“車電腦和分割槽 ECU”階 段。車電腦和分割槽 ECU 的 E/E 架構在集中化程度要高於功能域集中/融合，而長期看 未來都會向車雲計算的階段發展。

1.2.1、 基於功能劃分 E/E 架構下的域控制器

（以博世、大陸等 Tier1 為代表） 博世、大陸等傳統 Tier1 將汽車 E/E 架構按功能劃分為動力域（安全）、底盤域（車 輛運動）、資訊娛樂域（座艙域）、自動駕駛域（輔助駕駛）和車身域（車身電子）五 大區域，每個區域對應推出相應的域控制器，最後再透過 CAN/LIN 等通訊方式連線 至主幹線甚至託管至雲端，從而實現整車資訊資料的互動。

◼ 動力域控制器：主要負責動力總成的最佳化與控制，在新能源車中主要是指電驅 和電控系統的整合化。其中，電驅系統的整合以三合一技術路線為主流，也即將 電機、電控（逆變器）與減速器整合為電驅橋。電控系統的整合則傾向多合一模 塊，通常將變壓器、車載充電機、加熱器等進行整合，甚至會將整車控制器（VCU） 等包含在內。2020 年 1 月，合眾汽車團隊研發的 PDCS 動力域控制器搭載於哪 吒汽車並通過了搭載車輛測試，正式進入了量產應用階段。2020 年 9 月華人運 通釋出的首款智慧汽車高合 HiPhi X，亦搭載有由聯合電子合作研製的動力域控 制器。

◼ 底盤域控制器：主要負責具體的汽車行駛控制，主要包括助力轉向系統（EPS）、 車身穩定系統（ESC）、電動剎車助力器、安全氣囊控制系統以及空氣懸架、車 速感測器等等。與動力域類似，底盤域內所涉及的控制系統大多都具備較高的安 全等級要求，需要符合 ASIL-D 安全等級（ASIL 系列中最高安全等級）。因此底 盤域亦具備著較高的行業門檻，目前多數底盤域控制器仍處於實驗室階段。

◼ 車身域控制器：主要負責車身功能的整體控制，本身技術門檻較低且單車價值 量不高，其本質是在傳統車身控制器（BCM）的基礎上，集成了無鑰匙啟動系 統（PEPS）、紋波防夾、空調控制系統等功能而成。此外，由於涉及安全等級較 低，隨著汽車 E/E 架構的進一步集中化，有望率先實現與智慧座艙域的融合。

◼ 自動駕駛域控制器：承擔了自動駕駛所需要的資料處理運算及判斷能力，包括 對毫米波雷達、攝像頭、鐳射雷達、GPS、慣性導航等裝置的資料處理工作。同 時，自動駕駛域控制器亦負責車輛在自動駕駛狀態下底層核心資料、聯網資料的 安全保障工作，是推動自動駕駛邁向 L3 及以上更高等級的核心部件。此外，由 於自動駕駛域控制器需要更強的 AI 算力以及演算法的支援，因而參與研製的廠商 眾多。除傳統汽車產業鏈內的整車廠及供應商以外，還包括有英偉達、高通、地 平線、黑芝麻等海內外 AI 晶片龍頭廠商，以及阿里、谷歌、QNX、華為等自動 駕駛作業系統供應商。目前來看，除特斯拉 Model3、小鵬 P7 等少數車型以外， 絕大多數已量產的自動駕駛域控制器尚未達到 L3 級自動駕駛級別。根據 ICVTank 資料統計，2020 年全球 ADAS 相關控制器市場規模將達到 155.9 億美 元，其中大部分均為 L3 級以下輔助駕駛控制器（ECU），而預計到 2025 年全球 自動駕駛域控制器市場規模有望達到 19.8 億美元。

◼ 座艙域控制器：主要負責汽車座艙電子系統功能，彙集了整合液晶儀表、中控多 媒體及副駕駛資訊娛樂的一體化系統。其發展過程經歷了由傳統的“機械物理按 鍵”到“中控液晶顯示屏”，再到“中控+儀表盤一體化設計”的程序。同時，由於其 涉及安全等級較低、成本相對可控，發展速度將顯著快於自動駕駛域控制器。根 據 ICVTank 資料統計，2020 年全球智慧座艙域控制器有望達到 80 萬套，預計 2025 年全球智慧座艙域控制器出貨量將達到 1300 萬套。

總體來看，以上所分的五大功能域中，目前的競爭焦點主要集中於智慧座艙域和自 動駕駛域。我們認為主要原因如下：（1）從供應體系上看，在汽車整體 E/E 架構集中 化的程序中，由中控系統升級而來的智慧座艙域與新興的自動駕駛域的供應體系較 為完整。相反，其他各個域是對傳統功能系統的進一步整合，因而更容易產生供應商 之間的利益衝突。以動力域為例，電機、電池模組以及電機控制器等零部件此前均由 不同廠商供應、整車廠負責協調各方進行整合裝配，因而在集中化的趨勢中各個供 應商之間會存在利益相互蠶食的衝突。因此，可以看到目前所提出的動力域解決方 案都是由極個別龍頭供應商牽頭或是整車廠自研而成，如特斯拉的整合化三電系統、 華為的多合一電驅動系統 Drive ONE（整合電機、MCU、PDU、OBC、DCDC、減速 器、BCU 七大部件）等、長城尤拉自研的三合一電驅橋等。（2）從技術角度來看，動力域不但涉及的安全等級要求會更高，同時還需要考慮各部件配合過程中整體的 NVH 水平、是否存在相互間的電磁干擾（EMC）以及如何控制和提升整套系統的冷 卻和效率等多方面因素，因而整體開發難度較大。與動力域類似，底盤包括支撐動力 系統的內部框架，以及除發動機以外的所有驅動部件。在自動駕駛向更高級別的發 展程序中，駕駛員將逐步減少對車輛的操控時間，因而對底盤域中感測器和控制器 都具有更加精確的時序要求和更為嚴格的最大延時要求。因此，動力域及底盤域在 當下的行業發展初期都具備較高的技術壁壘，並非現階段多數廠商的競爭焦點。此 外，由於車身域技術門檻和安全要求等級較低，未來則有望率先融入智慧座艙域共 同研製開發。

1.2.2、 基於區域劃分的集中化 E/E 架構（以特斯拉、豐田、安波福為代表）

以區域進行劃分的域控制器是以車輛特定物理區域為邊界來進行功能劃分，相較於 純粹以功能為導向的域控制器，其集中化程度更高。例如車輛前區域控制器、左區 域控制器、右區域控制器等。典型的按區域劃分 E/E 架構的廠商為特斯拉，Model3 的三個區域控制器則分別為前車身控制模組、左車身控制模組和右車身控制模組。 其中，左右車身控制模組把部分基礎功能按區域進行對稱劃分，兩者分別負責各自 區域內的內外部燈光、門鎖、車窗、駐車卡鉗等。而相對於左車身控制器，右車身控 制模組還具有兩個獨有的功能—熱管理和自動泊車輔助系統。前車身控制模組則主 要負責為整車中各個控制器進行電源分配，可以在實時監測各個 ECU 用電情況，及 時切斷部分處於靜態但功耗高的ECU 供電。此外，前車身控制模組還包括車前大燈、 雨刮器等傳統 BCM 的功能。除此之外，豐田的 Central & Zone 架構、安波福的 SVA 架構均採用類似的區域劃分解決方案。

2、 硬體先行、軟體賦能，域控制器開啟汽車軟硬體軍備競賽

域控制器作為未來汽車運算決策的中心，其功能的實現依賴於主控晶片、軟體操作 系統和中介軟體、應用演算法等多層次軟硬體的有機結合。分別來看：（1）域控制器的主 控晶片目前多采用異構多核的 SoC 晶片，由 AI 單元、計算單元和控制單元三部分異 構而成，每個單元完成各自功能。其中，AI 單元專注於進行人工智慧模型的運算， 是自動駕駛域中最核心的單元。目前海內外領先的車載 AI 晶片廠商包括英偉達、 Mobileye、高通、地平線等。（2）軟體作業系統方面，廣義而言包含系統核心、基礎 軟體以及中介軟體等，主要負責對硬體資源合理調配，以保證各項智慧化功能有序進 行的。其中系統核心競爭格局穩定，主要以 QNX、Linux 及其衍生版本為主。中間 件則多由 Vector、ETAS、德賽西威等第三方廠商或整車廠進行開發。（3）應用演算法 則是基於作業系統之上獨立開發的軟體程式，亦是各個品牌汽車差異化競爭的焦點。 此外，為實現智慧汽車的持續進化，整車廠往往會選擇“硬體超配、後續軟體迭代升 級”的方式。因此，域控制器作為未來智慧汽車的“大腦”，以主控晶片為代表的高 效能硬體將率先量產上車（例如，小鵬汽車現有自動駕駛能力處於 L2.5 級別，但已 在 P7 車型上預埋 Xavier 晶片、14 個攝像頭等的方式，為後續 L3 級的自動駕駛留下 了升級空間。），而作業系統及應用軟體等則會隨著演算法模型不斷迭代持續更新，逐 步釋放預埋硬體的利用率，從而實現軟體定義汽車。

2.1、 晶片為基：主控晶片邁向異構多核 SoC，AI 晶片加速域控制器落地

2.1.1、 主控晶片向“CPU+XPU”異構升級，車載 SoC 晶片將為競爭焦點

主控晶片是域控制器中的核心部件，其結構形式正由 MCU 向異構式 SoC 晶片方向 升級。域控制器實際是此前多個 ECU 的融合，其目的在於讓一個高度整合的主控芯 片實現對多個智慧化功能的控制。最早 ECU 中的主控晶片為 CPU，其設計的目的主 要是用於邏輯控制（是與非、加或減），因此其構造中大量的空間用於佈置控制單元 與儲存單元，計算單元的佔比很少，這就導致在面向汽車智慧化功能所需要的大規 模運算時，CPU 的算力難以滿足。相比之下，以影象運算為目的開發的 GPU 擁有更 多的計算單元，體現出更強的算力優勢。GPU 與 CPU 並非替代品，而是屬於共生關 系，只是由於內部結構的不同導致其擅長的應用領域有所不同。最初的 GPU 主要應 用場景是影片遊戲領域，伴隨著人工智慧技術在視覺領域的應用，基於視覺的自動 駕駛方案逐漸變為可能，這就需要在汽車中原有主控晶片（CPU）的基礎上加裝擅長 視覺演算法的 GPU 晶片，從而形成“CPU+GPU”的解決方案。同時，由於汽車晶片的計 算單元在設計時需考慮算力、功耗體積等問題，因此出於硬體資源的最最佳化，往往將 CPU 和 GPU 集合成為異構多核的 SoC 晶片。

不過，“CPU+GPU”也並非最優的解決方案，因為 GPU 雖然具備較強的計算能力，但 成本高、功耗大，由此又逐步引入了定製化的 FPGA 晶片和 ASIC 晶片。其中，FPGA 是半定製型晶片，相對於 GPU 有明顯的效能和能耗優勢，產品技術也已較為成熟。 ASIC 是定製型晶片，可以更加有針對性的進行硬體層次的最佳化，從而獲得更優的性 能、能耗比。同時，由於需要定製化的研發，ASIC 晶片的設計研發週期較長、資金 需求較大，因此在技術路線尚不明確的背景下大規模流片的價效比不高，但對於最 終使用晶片的客戶而言，二次開發的成本及時間都會大大減少。總體來看，單一型別 的微處理器，無論是 CPU、GPU、FPGA 還是 ASIC，都無法滿足更高階的智慧駕 駛需求，域控制器中的主控晶片會走向整合“CPU+XPU”的異構式 SoC（XPU 包括 GPU/FPGA/ASIC 等）。根據 HIS 資料統計，2020 年全球車載 SoC 晶片市場規模將 達到 40.12 億美元，並在 2020-2025 年間 CAGR 有望達到 15.4%。

2.1.2、 AI 晶片開啟域控制器算力競賽，國內新興晶片廠商快速跟進

隨著人工智慧演算法模型在智慧駕駛領域的應用，AI 計算單元逐步被整合至主控晶片 內，並由此開啟車載主控晶片的算力競賽。異構 SoC 晶片的應用一定程度加速了域控制器的落地，奧迪在 2017 年釋出新款 A8 時投產了全球首個 L3 級域控制器 zFAS。 該域控制器的計算平臺共搭載四枚晶片異構式 SoC 晶片，最終由德爾福集合而成。 具體包括：Mobileye 提供的視覺處理晶片 EyeQ3（ASIC），英偉達提供的 Tegra K1 芯 片（GPU+CPU），英特爾提供的 Cyclone V 晶片（FPGA），英飛凌提供的 Aurix TC297T 晶片（MCU）。zFAS 的量產開創了全球自動駕駛域控制器的先河，但僅憑 SoC 晶片 的疊加仍難以支撐自動駕駛中人工智慧演算法模型（卷積神經網路等）所需要的算力。 根據 OpenAI 資料統計，在過去 7 年間隨著 AI 模型由 Alexnet 發展至 AlphaGoZero 時，其算力需求提升了 30 萬倍。因此，具備更強人工智慧模型運算能力的 AI 晶片 逐步被引入汽車領域，並開啟了行業內多家晶片廠商的算力競賽。廣義上而言，所有 面向人工智慧領域的運算晶片都可以稱之為 AI 晶片。正如 GPU 作為專用影象處理 器與 CPU 協同工作一樣，AI 晶片也將會作為 CPU 的 AI 運算協處理器集成於異構 式 SoC 中，專門處理 AI 應用所需要的並行矩陣運算需求，而 CPU 作為核心邏輯處 理器，統一進行任務排程。此外，由於人工智慧對於運算效率的要求較高，AI 晶片 的主要型別為 GPU、FPGA 和 ASIC。

AI 晶片需求迸發推動車載晶片競爭格局重塑，國內新興 AI 晶片廠商迎來重大發展機遇。傳統的汽車產業鏈中的車載晶片市場份額高度集中，根據 ICVTank 資料統計， 2019 年全球汽車半導體市場 CR8 仍高達 68%，多年來一直被恩智浦、德州儀器、英 飛凌等巨頭壟斷。不過，以上龍頭廠商多聚焦於 MCU 等晶片領域，隨著汽車智慧時 代的加速到來，車載晶片中的邏輯晶片和儲存晶片需求佔比大幅增加。根據 ICVTank 資料統計，未來車載邏輯晶片及儲存晶片的市場份額佔比將從 2019 年的 12%（50 億 美元）和 8%（36 億美元），增長至 2025 年的 15%（102 億美元）和 12%（83 億美 元）。其中，車載 AI 晶片需求的迸發吸引英偉達、英特爾、高通、華為等傳統消費級 晶片巨頭紛紛進軍汽車產業。同時，車載晶片需求結構的變化亦為國內新興晶片廠 商帶來了快速切入汽車產業鏈的機遇。例如，國內 AI 晶片新勢力地平線，已憑藉其 “征程”AI 晶片與海內外多家車廠建立合作，成功切入汽車產業鏈，為長安汽車、上 汽集團、奧迪等多家整車廠提供“AI 晶片+演算法 IP+開發平臺”的完整解決方案。成立 於 2016 年的黑芝麻智慧科技 2019 年成功的釋出了國內首款車規級智慧駕駛晶片華 山一號 A500，目前已與博世、中國一汽等多家 Tier1 或整車廠建立合作。

2.2、 軟體賦能：引入嵌入式智慧車載系統，軟體定義汽車時代加速到來

伴隨著域控制器的誕生，汽車軟體亦將從簡易的裸機程式向更為複雜的嵌入式操作 系統升級。自上世紀 80 年代以來，隨著微處理器在汽車領域的廣泛應用，以“微處理 器+裸機程式”的解決方案已完全取代了早期汽車中使用的機械或液壓元件。在這一 階段，汽車軟體工程師透過直接在 ECU 上寫入程式碼來實現對硬體資源的呼叫，其優點在於功能穩定安全、反應靈敏，且不會出現宕機等狀況，但缺點在於功能單一且升 級過程複雜。然而，隨著域控制器的誕生，亟需嵌入式作業系統的引入來實現對主控 晶片、感測器等硬體資源的合理調配，從而保證多項智慧化功能的協調進行。廣義的 車載作業系統從結構上看與其他終端的作業系統基本一致，以 AGL 作業系統（Linux 組織專門為汽車領域而研發的開源系統）為例，主要包含系統核心、中介軟體、應用算 法軟體以及汽車領域特有的安全層四部分。其中系統核心的開發難度最大，出於性 價比的考慮，目前少有廠商自行研製，因而其行業格局較為穩定，以 QNX 和 Linux 及相關衍生版本為主。部分軟體研發實力較強的公司（特斯拉、華為、阿里等）會基 於開源的 Linux 核心進行定製化改造，形成具備差異化競爭力的系統核心。中介軟體是 基礎軟體中的一大類，是對底層軟體模組的封裝和介面標準化，處於作業系統核心 和應用層之間，起到了承上啟下的作用，是實現軟硬體解耦的重要組成部分。大多數 整車廠商會從這一層開始進行軟體架構定製化研發。應用演算法則是基於作業系統之 上獨立開發的軟體程式，亦是各汽車品牌差異化競爭的焦點之一。

進一步來看，根據安全等級要求的不同，汽車嵌入式操作性系統大致可分為實時操 作系統和非實時作業系統。分別來看：（1）所謂實時作業系統，是指系統接收到輸入 訊號後，能夠在短時間內處理完畢並予以反饋，並且其處理任務的（最遲）完成時間 是確定可知的。實時作業系統具備較高的安全性與可靠性，因此往往應用於車控領 域，包含傳統的車輛動力、底盤、車身以及新興的自動駕駛等。此前在車控領域的操 作系統已經歷了兩輪標準化工作：OSEK/VDX 和 AUTOSAR。OSEK/VDX 主要對操 作系統和網路管理進行標準化；AUTOSAR 從軟體架構、開發方法、開發工具三方面 進行標準化。目前，已有多家企業擁有成熟的車控作業系統產品和解決方案，包括德 國的 Vector、ETAS，加拿大的 QNX，美國的 Mentor Graphics 等，而在智慧化趨勢 下又新興出特斯拉 Version、大眾 VW.OS、華為 AOS/VOS 等多種實時作業系統。（2） 非實時作業系統則廣泛應用於座艙娛樂等領域，更加註重相容性與開發生態。此類作業系統多以 Linux 核心改造或移植移動端的作業系統而來，包括 Linux 衍生的 AGL、 微軟的 Windows Automotive、谷歌的 Android Auto、阿里 AliOS 等等。同時，許多新 興作業系統提供平臺式解決方案，也即在一個軟體架構之下根據所應用領域的不同 使用不同的系統核心，典型的是華為的鴻蒙作業系統即包括座艙作業系統 HOS、智 能駕駛作業系統 AOS、智慧車控作業系統 VOS 三種。可以看到，眾多網際網路或科技 廠商正透過強大的軟體研發能力進入汽車產業鏈，成為軟體 Tier1，也由此催生了龐 大的汽車軟體市場。根據 McKinsey 資料統計，2020 年全球汽車軟體開發（包括操作 系統核心、中介軟體、應用軟體等）市場規模將達到 200 億美元，時至 2030 年該市場 規模將達到 500 億美元，2020-2030 年其複合增長率將達到 9%，軟體定義汽車時代 正加速到來。

3、 域控制器供應鏈之下，多方勢力各抒己長參與其中

域控制器供應鏈將形成兩大陣營，即以華為、特斯拉為代表的全棧式供應商，以及 以英偉達、高通、地平線等為代表的開放式供應體系。其中，全棧式解決方案供應商 憑藉自身的技術優勢實現了從底層硬體到軟體架構的全覆蓋，具備軟硬體一體化的 效能優勢。而開放式的供應鏈生態，主要由 AI 晶片公司、軟體供應商、Tier1 系統集 成商和整車廠組成。其中底層的 AI 晶片公司是域控制器的基礎，軟體供應商和演算法 提供商（部分為整車廠自研）賦能，Tier1 進行系統整合，最終由整車廠落地驗證。 目前典型的第一陣營包括“特斯拉”、“華為+長安”、“Mobileye+蔚來”等，開放式陣 營包括“小鵬+德賽西威+英偉達”、“理想+德賽西威+英偉達”、“高通+長城”等。在 汽車智慧化加速滲透的背景下，域控制器作為智慧化的核心零部件將最為受益，看 好在域控制器中卡位核心環節的相關公司。

3.1、 全棧式解決方案供應商，軟硬體兼顧自成體系

3.1.1、 華為：昇騰 AI 晶片+MDC

計算平臺+鴻蒙 OS 以昇騰系列 AI 晶片為基礎，構建華為 MDC 中央智慧計算平臺。目前，華為針對智 能駕駛領域已經成功研製出了車規級 AI 晶片昇騰 310 和昇騰 910。其中，昇騰 310 單片算力為 16TOPS，而其功耗僅為 8W，功耗比與特斯拉 FSD 晶片相當，主要應用 於邊緣計算等低功耗領域；昇騰 910 單片算力達到 512TOPS，同時作為一款高整合度 SoC 晶片，除了基於達芬奇架構的 AI 核外，還集成了多個 CPU、DVPP 和任務調 度器，因而具有自我管理能力，可以充分發揮其高算力的優勢。而基於昇騰系列芯 片，華為推出了 MDC300 和 MDC600 智慧計算平臺。其中，MDC300 的 AI 單元由 四顆華為昇騰 310 晶片組成，計算單元搭載華為的鯤鵬晶片，控制單元則搭載是英 飛凌 TC397 晶片，整體算力達到 64TOPS，滿足 L3 級自動駕駛；MDC600 是基於 8 顆昇騰 310 晶片，同時還整合了 CPU 和相應的 ISP 模組，整體算力可達 352TOPS， 適用於 L4 級別自動駕駛。除此之外，華為即將釋出 MDC 210 和 MDC 610 智慧駕駛 計算平臺。MDC 210 可提供 48TOPS 算力，主要面向 L2+級自動駕駛，MDC 610 可 提供 160TOPS 算力，面向 L3-L4 級別自動駕駛。綜合來看，MDC 集成了華為自研 的 Host CPU 晶片、AI 晶片、ISP 晶片與 SSD 控制晶片，並透過底層的軟硬體一體 化調優，在時間同步、感測器資料精確處理、多節點實時通訊、最小化底噪、低功耗 管理、快速安全啟動等方面領先業界。相比當前業界其他自動駕駛計算平臺，華為 MDC 具有高效能、高安全＆可靠、高能效、低時延的技術優勢。

華為智慧汽車軟體解決方案包括三個作業系統+一個跨域整合軟體框架。（1）鴻蒙座 艙作業系統 HOS：華為針對汽車座艙的使用場景、上層應用軟體和底層硬體對接的 需求，進行了定製化開發，打造了鴻蒙座艙作業系統 HOS。鴻蒙座艙作業系統 HOS 可實現座艙軟硬體解耦，同時對語音互動、視覺識別，音訊最佳化等核心能力開發了基 礎服務。該系統支援與車企聯合定義開放介面，使得其合作伙伴可以快速開發，共同 構建應用生態。（2）智慧駕駛作業系統 AOS：針對智慧駕駛打造的實時操作，目前 已透過 ASIL-D 等安全認證，成為業界首個獲得 Security & Safety 雙高認證的商用 OS 核心。（3）智慧車控作業系統 VOS：該系統原生支援異構多核，模型化工具鏈，兼 容 AUTOSAR。可以使得原來多 ECU 的集中開發變得簡單高效。同時，該系統相比 於現有的車控系統將更加開放，不僅支援華為自己的微處理器晶片，而且會支援世 界範圍內包括恩智浦、英飛凌在內的眾多晶片。（4）華為 Vehicle Stack：是面向服務 （SOA）的跨域整合軟體框架，相當於歐洲傳統車企聯盟所創造的 AUTOSAR。在此軟體架構之下，可以各個作業系統之間互聯互通，使能整車特性快速開發、驗證、部 署，同時還支援豐富的自動化工具鏈，車型開發週期可縮短 6－8 個月。

3.1.2、 特斯拉：FSD AI 晶片+HW 域控制器+Autopilot 作業系統

特斯拉開啟智慧駕駛計算平臺先河，主控晶片由合作開發轉向自研 FSD。早在 2014 年 10 月，特斯拉已經在其 Model S 和 Model X 兩款車型中搭載自動駕駛系統 Autopilot1（智慧駕駛域控制器 HW1.0），這款域控制器是在 Mobileye 的 EyeQ3 晶片 基礎上建立而成，可支援 L2 級自動駕駛。2016 年，特斯拉與 Mobileye 的合作破裂， 主控晶片供應商轉向英偉達，並於同年基於英偉達 DRIVE PX2 晶片推出自動駕駛域 控制器 HW2.0，搭載於 Model S 和 Model X 兩款車型中。但 HW2.0 本質上仍為一個 過渡產品，線路板上存在大片留白，未達到汽車晶片高度整合化的特徵。因此，僅僅 10 個月後特斯拉便推出了 HW2.5 作為進階版本，這款產品算力超 6TOPS，可以服務 於 L2~L3 級自動駕駛。由於 DRIVE PX2 晶片過低的效率和超出掌控的技術核心，特 斯拉與英偉達間三年的合作最終宣告停止。

特斯拉自研的 Autopilot 作業系統是以 Linux 核心為基礎深度定製化改造而成。開源 的 Linux 核心不僅為特斯拉節省了大筆研發費用，同時其高自由度利於特斯拉實現 更多差異化功能。在 2012-2019 年間特斯拉已完成超過 142 次的 OTA 升級（潛在問 題改善 11 次、全新功能匯入 67 次、互動介面邏輯等最佳化 64 次），涉及自適應巡航、 自動緊急剎車系統、360°全景檢視、並道輔助等多項功能，系統版本從 2014 年的 V6.0 已迭代至目前的 V10.0。

3.1.3、 Mobileye：EyeQ 系列晶片是以攝像頭為解決方案的 ADAS 領域絕對龍頭

公司 EyeQ 系列晶片在 camera-based ADAS 市場的市佔率已超過 70%。Mobileye 於 1999 年在以色列成立，主要致力於汽車計算機視覺領域的研究。在公司成立之初的 近十年內，公司一直專注於研發，在這過程中並沒有推出任何的的系統和模型。2008 年，公司推出了其第一款提供 L1 輔助駕駛功能的產品 Eye Q1 晶片，算力為0.0044TOPS。2010 年，推出 Eye Q2 晶片，算力為 0.026TOPS。以上兩款面向 L1 級 輔助駕駛的晶片為公司奠定了在低級別輔助駕駛領域的龍頭地位。2014 年，公司推 出的 EyeQ3 晶片算力為 0.256TOPS、功耗比為 0.1024TOPS/W，可以滿足特斯拉基於 視覺解決方案的 L2 級自動駕駛的技術需求，也由此開啟了 Mobileye 的快速成長期。 2014-2019 年公司 EyeQ 系列晶片出貨量 CAGR 高達 45.2%。同時，依賴於 EyeQ 系 列晶片在視覺處理方面的強悍能力，Mobileye 在 camera-based ADAS 市場的市佔率 已超過 70%。2017 年，公司被英特爾以 153 億美元現金收購。

傳統黑盒子封閉模式拖累公司發展程序，EyeQ5 開放軟體架構爭奪高階自動駕駛領 域。Mobileye 的晶片銷售是黑盒子模式，也即 Mobileye 的專有視覺解決方案採用緊 密耦合的 EyeQ 晶片以及 Mobileye 自家感知軟體。對於剛剛起步或技術能力不足的 車企來說，晶片廠商自帶通用演算法可以極大縮減成本，加速車型成型並實現量產。然 而，Mobileye 成熟的解決方案亦帶來了其軟體架構的封閉性，車企難免成為自動駕 駛研發平臺的附庸，失去對自動駕駛研發的控制權。因此可以看到，當特斯拉、小鵬、 理想等造車新勢力在邁向 L3 級及以上自動駕駛等級時均未再採用 EyeQ 系列晶片。 為此，Mobileye 自 2020 年所釋出的 EyeQ5 開始，提供了開放版 EyeQ5 晶片和封閉 版 EyeQ5 晶片的組合，其中開放版中晶片可執行第三方的程式程式碼，支援車企自行 編譯程式。同時，英特爾目前正傾全力開發支援 EyeQ5 新晶片的工具鏈，為向高階 自動駕駛領域發展奠定基礎。

3.2、 產業鏈單一環節供應商，各抒己長共建生態鏈

(1) 德賽西威：IPU03 自動駕駛域控制器+智慧座艙域控制器

聯手英偉達為小鵬 P7 打造國內首款 L3 級自動駕駛域控制器。IPU03 具備較高技術 含量和價值量，搭載於 2020 年 4 月釋出上市的小鵬 P7，實現了國內自主品牌零部件 企業真正意義上的域控制器規模化量產。作為德賽西威—小鵬汽車—英偉達三方合 作的產物，IPU03 搭載英偉達 Xavier 晶片，並基於作業系統 QNX Safety OS 操作系 統，算力可達 30TOPS，可以實時處理多感測器所採集得的資料，並計算整理自身駕 駛狀態以及周邊環境的資料資訊。透過該控制器與不同感測器配置的配合，能夠在 多種高低速場景下實現 L3 級有條件自動駕駛或智慧化駕駛輔助功能，包括但不限於 自主變道，城市道路塞車自動跟車、自動泊車 APA 等。此外，德賽西威近日與英偉 達和理想汽車達成合作，宣佈共同開發基於英偉達 Orin 晶片的新一代自動駕駛域控 制器，為理想汽車 2022 年推出的全尺寸增程式智慧 SUV 提供較好的硬體基礎，助 力理想汽車實現輔助駕駛到自動駕駛的全功能覆蓋。

2020 年 9 月，德賽西威首款自主研發的智慧座艙域控制器在瑞虎 8 PLUS 上首次亮 相。該域控制器基於 6 核瑞薩 R-CAR 系列高效能晶片，採用雙系統的軟體架構。其 中 QNX Hypervisor2.0 虛擬機器保障了儀表功能安全，而 Android 9.0 系統可讓使用者受 到豐富的資訊娛樂功能。此外，該款域控制器透過乙太網技術實現了前後排螢幕互 控的功能，同時支援 OTA 軟體迭代升級，前後排卡拉 OK、語音遊戲等功能，為用 戶帶來更加人性化舒適體驗。

(2) 偉世通：攜手賓士推出業界首款座艙域控制器

Smart Core 偉世通於2018年3月與賓士共同推出了業界首款智慧座艙域控制器產品Smart Core。 2020 年在 CES 上，偉世通展出了與騰訊和廣汽合作打造的新一代 Smart Core。作為 全球首款搭載第三代高通驍龍汽車座艙平臺的智慧座艙域控制器，Smart Core 在廣 汽全新純電平臺首款車型 Aion LX 上實現量產。同時，騰訊為 Smart Core 搭載了其 車聯 TAI 汽車智慧系統的核心技術與能力，並注入了其豐富的內容生態，在實現高 效人機互動和車身控制的前提下大幅提升使用者體驗度。此外，Smart Core 將數字儀 表，資訊娛樂和車身控制介面這三個座艙域首次整合到單個域控制器中，大幅減少 控制訊號的等待時間、整車線束長度和系統成本。在安全性方面，Smart Core 部署了硬體安全牆等措施，並要求所下載資料需要先得到汽車經銷商的簽署授權，有效防 止可疑應用程式侵入 Smart Core 的安全部分。

3.2.2、 以地平線、英偉達為代表的 AI 晶片供應商

(1) 英偉達：Drive 系列智慧計算平臺，可滿足 L2~L5 級自動駕駛需求

英偉達是一家建立於 1993 年的專業人工智慧計算公司，並在 1999 年實現了對 AI 芯 片中 GPU 的定義。憑藉強大的 GPU 實力，英偉達迅速實現了對老牌 CPU 晶片企業 英特爾的追趕甚至超越。在 2015 年國際消費類電子產品展覽會上，英偉達首次釋出 用於自動駕駛的 DRIVE PX 智慧計算平臺，搭載 Tegra X1 晶片，該計算平臺可透過 深度學習和計算機視覺實現對環境的感知，藉此實現自動巡航和泊車等 L2 級自動駕 駛功能。2016 年英偉達再次釋出 DRIVE PX 系列二代產品—DRIVE PX2，搭載兩顆 二代 Tegra 晶片，整體算力達到 24TOPS，也是自該款晶片開始英偉達與特斯拉建立 合作。2017 年，英偉達推出 PX2 的升級版本—DRIVE AGX Xavier，首次搭載 Xavier AI 晶片，功耗比提升至 1TOPS/W。目前，相比 Mobileye 的晶片，在 L3 及以上級別 的自動駕駛晶片領域，英偉達已經取得的明顯的領先地位，其 Drive PX2 和 Drive Xavier 已經得到普及。2020 年英偉達再次釋出 DRIVE AGX Orin，旨在打造一個面 向 L5 級自動駕駛的軟體定義汽車平臺，該產品效能可達上一代 Xavier 系統級晶片 的 7 倍，算力最高可達到 200TOPs，計劃於 2022 年在蔚來 ET7 車型中首次量產。

(2) 地平線：征程系列 AI 晶片+Matrix 自動駕駛計算平臺

地平線是一家新興的國內邊緣 AI 晶片企業，針對自動駕駛 AI 晶片，地平線推出了 Journey 2晶片，採用TSMC 28nm HPC+工藝，晶片算力超4TOPS，功耗比超2TOPS/W。 這是國內首款車規級AI晶片，2020年已邁入量產階段並搭載於長安 UNI-T座艙域。 此外，地平線目前正在研發的 Journey 3 晶片，該晶片基於自研的 BPU2.0 架構，目 前已透過 AEC-Q100 認證，算力級別以匹配 L4/L5 級自動駕駛為目標。除此之外， 地平線打造了 Matrix 自動駕駛中央計算平臺。該計算平臺是由征程 2 架構加速的車 規級計算平臺，結合深度學習感知技術，在被動散熱的硬體上實現強大的感知計算 能力，為高級別自動駕駛提供了穩定可靠的高效能感知系統。提供單路和四路輸入 的兩種選擇，可滿足模組化需求。

(3) 黑芝麻：華山系列 AI 晶片+FAD 域控制器

黑芝麻成立於 2016 年，公司主攻嵌入式影象和計算機視覺領域，為 ADAS 及自動駕 駛提供包括晶片在內的完整的落地方案。2019 年，黑芝麻科技推出了首款 AI 晶片— —華山 A500，該晶片算力為 5-10TOPS，功率效率已達到 4TOPS/W，採用 28nm 工 藝，面向 L2~L2.5 級自動駕駛，已在比亞迪相關車型上實現量產。雖然適配的自動 駕駛等級較低，但 A500 有極大的效率優勢和成本優勢，A500 的成本僅有特斯拉 FSD 的三分之一。此外，黑芝麻科技於 2020 年 6 月再次推出了 A1000 晶片，該晶片效率 達到 6TOPS/W，算力達到 40~70TOPS，採用 16nm 工藝（A1000L 晶片算力為 16TOPS）。

目前，黑芝麻科技正在研發第三代晶片——A2000，這款晶片算力將達到 200TOPS， 追平目前英偉達最新款 AI 晶片 DRIVE Orin 的算力。基於華山二號 A1000 晶片，黑 芝麻還可以根據不同的客戶需求，提供多種定製化解決方案。單顆 A1000L 晶片適用 於 ADAS 輔助駕駛，單顆 A1000 晶片適用於 L2+自動駕駛，雙 A1000 晶片互聯可達 140TOPS 算力，支援 L3 等級自動駕駛，四顆 A1000 晶片則可以支援 L4 甚至更高的 自動駕駛需求。

3.2.3、 以 QNX、阿里、百度為代表的車載軟體系統供應商

(1) QNX：世界首款透過車規級安全認證的作業系統，核心優勢在於高安全性

QNX 是世界上第一款透過 ISO 26262 ASIL 級安全認證的車載作業系統，母公司黑莓 所擁有的 80+項安全認證和數千項安全相關專利將為其安全性持續賦能。同時，為確 保軟體的安全性，QNX 開發生態較為封閉，黑莓是 QNX 的唯一開發者，並陸續打 造出 QNX 基礎軟體平臺、聲學軟體開發平臺、域控制器架構、數字儀表軟體開發平 臺、Heypervisor 平臺、智慧駕駛平臺等多種版本。此外，QNX 採取微核心架構，操 作系統中的多數功能均以許多小型 Task 來執行，這樣的架構使得使用者和開發者可以 關閉不需要的功能而不需要改變作業系統本身。得益於這種執行模式，QNX 系統中 的各項功能與應用能在不影響互相間穩定性的前提下整合運算資源，在高安全性的 同時保障其運算效率。根據黑莓公司資料統計，截至 2020 年 6 月底，全球已有超過 1.75 億輛汽車已搭載 QNX 系統，車用市場佔有率達 75%。德爾福、大陸、電裝等 Tier1 的基礎軟體層都是在 QNX 系統上搭建的，而其合作伙伴既包括小鵬、威馬等 新勢力車企，也包括寶馬、奧迪、保時捷、大眾、福特、通用等傳統 OEM。

(2) AliOS：基於 Linux 核心深度定製的國產車載作業系統

AliOS 是阿里巴巴集團推出的移動作業系統，可應用於智聯網汽車、智慧家居、手機、 Pad 等智慧終端，目標為行業提供一站式 IoT 解決方案，構建 IoT 雲端一體化生態， 使物聯網終端更加智慧。AliOS 於 2014 開始進軍車載方向，基於 Linux 核心而研發， 採用阿里雲虛擬機器技術，目前主要應用於智慧座艙領域。2016 年，AliOS 在榮威 RX5 中實現了汽車作業系統的商用，並率先提出“去 APP 化”的應用模式：AliOS 採用“場 景地圖桌面+無縫連貫服務體驗”的架構和生態，相比較 PC 端中 Windows“桌面+文 件”實現的“人找內容”，移動端中 Android 與 iOS 的“桌面+APP”架構實現的“人找應 用”，AliOS 則實現了“服務找人”的模式。例如，當車主的常規線路發生擁堵時，系 統會給車主傳送一條資訊，推薦最佳導航路線；若車主告知汽車要去電影院看電影， 系統會自動規劃去電影院的路線以及看電影之前的就餐地點、停車場。

(3) 百度：對標移動端 Android，打造開源的自動駕駛軟體開發平臺

2017 年，百度釋出“阿波羅計劃”及 Apollo 1.0，這是一個自動駕駛軟體的開源平臺。 這個平臺結合了許多工具，包括資料、API 和開原始碼，開發者可以免費使用這些工具將自動駕駛產品推向市場。2018 年 7 月，在百度 AI 開發者大會上，百度釋出 Apollo3.0 及小度車載 OS，並首次釋出了車載語義開放平臺。2019 年 12 月，在首屆 百度 Apollo 生態大會上，百度推出了 Apollo 5.5 版本，同時支援點對點城市自動駕 駛，並將自動駕駛平臺擴充套件為自動駕駛、車路協同、智慧車聯三大開源平臺。2020 年， 百度釋出 Apollo 6.0 邁向無人駕駛領域。其中，Apollo 實時作業系統是 Ubuntu Linux 作業系統與 Apollo 核心相結合的成果。ubuntu 是業內頂級 Linux 發行版之一，也是 流行的雲作業系統，原始的 Ubuntu 系統並非實時作業系統，透過加入 Apollo 自主設 計的核心，使其成為一個 RTOS。類似於谷歌在移動領域中推出的 Android 開源專案， 整個 Apollo 平臺旨在車載領域中為第三方提供更為便捷的開發環境。2021 年 1 月 11 日，百度宣佈組建智慧汽車公司，以整車製造商的身份與吉利汽車戰略合作，正式進 軍汽車行業。

4、 受益公司分析（詳見報告原文）

4.1、 德賽西威：小鵬 P7+理想汽車的智慧駕駛核心供應商

4.2、 北京君正：國內車規級儲存晶片供應商

4.3、 中科創達：車載作業系統迎高景氣度週期，5G 落地迎來新契機

4.4、 華陽集團：智慧座艙量價齊升，繫結華為開啟成長空間

5、 風險提示

國內汽車智慧化升級不及預期。

（本文僅供參考，不代表我們的任何投資建議。如需使用相關資訊，請參閱報告原文。）