汽车电子控制技术的主要发展趋势（汽车域控制器行业研究报告）

（报告出品方/作者：开源证券，任浪、刘强），下面我们就来聊聊关于汽车电子控制技术的主要发展趋势?接下来我们就一起去了解一下吧!

汽车电子控制技术的主要发展趋势

（报告出品方/作者：开源证券，任浪、刘强）

报告综述：

域控制器解决汽车软硬件升级桎梏，开启智能驾驶新时代

传统汽车 E/E 架构采用分布式，功能系统的核心是 ECU，智能功能的升级依赖 于 ECU 和传感器数量的累加。随着单车智能化升级的加速，原有智能化升级的 方式面临着研发和生产成本剧增、安全性降低、算力不足等问题。面对种种智能 化升级的桎梏，特斯拉 Model 3 的推出引领了汽车 E/E 架构集中化的趋势，将原 本相互孤立的 ECU 相互融合，域控制器也由此应运而生。在以域控制器为功能 中心的集中化 E/E 架构下，芯片算力和软件算法的提升将成为汽车智能化升级的 核心。域控制器架构下，汽车智能化升级的研发边际成本将显著降低，并且智能 化升级的边际成本将逐步递减，从而推动汽车智能驾驶的加速渗透。

硬件先行、软件赋能，域控制器开启汽车软硬件军备竞赛

域控制器作为未来汽车运算决策的中心，其功能的实现依赖于主控芯片、软件操 作系统及中间件、应用算法等多层次软硬件的有机结合。分别来看，主控芯片目 前多采用异构多核的 SoC 芯片，竞争的焦点主要在于 AI 单元的有效算力、算力 能耗比、成本等。软件操作系统及中间件主要负责对硬件资源进行合理调配，以 保证各项智能化功能的有序进行。其中，软件操作系统竞争格局较为稳定，多以 QNX 和 Linux 及相关衍生版本为主。应用算法则是基于操作系统之上独立开发 的软件程序，是各汽车品牌差异化竞争的焦点之一。为实现智能汽车的持续进化， 整车厂往往会选择“硬件超配、后续软件迭代升级”的方式。因此，域控制器作 为未来智能汽车的“大脑”，以主控芯片为代表的高性能硬件将率先量产上车， 而操作系统及应用软件等则会随着算法模型不断迭代持续更新，逐步释放预埋硬 件的利用率，从而实现软件定义汽车。

域控制器产业链之下，Tier1、科技公司等多方势力各抒己长参与其中

根据产业链生态，域控制器产业链可分为两大阵营。一类是以华为昇腾、特斯拉 FSD 芯片为硬件基础的全栈式解决方案供应商。凭借自身的技术优势实现了从 底层硬件到软件架构的全覆盖，具备软硬件一体化的性能优势。另一类则是开放 式的供应链生态，由 AI 芯片公司、软件供应商、Tier1 系统集成商和整车厂组 成。其中底层的 AI 芯片公司是域控制器的基础，软件供应商和算法提供商（部 分为整车厂自研）赋能，Tier1 进行系统集成，最终由整车厂落地验证。目前典 型的第一阵营包括“特斯拉”、“华为 长安”、“Mobileye 蔚来”等，开放式阵营 包括“小鹏 德赛西威 英伟达”、“理想 德赛西威 英伟达”、“高通 长城”等。 在汽车智能化加速渗透的背景下，域控制器作为智能化的核心零部件将最为受 益，看好在域控制器中卡位核心环节的相关公司。

1、 域控制器解决软硬件升级桎梏，开启智能驾驶新时代

1.1、 传统汽车采用分布式架构，功能升级仅依赖于 ECU 数量的累加

传统汽车 E/E 架构采用分布式，功能系统的核心是 ECU，智能功能的升级依赖于 ECU 数量的累加。ECU 诞生于上世纪 70 年代，初始定义为 Engine Control Unit（发 动机控制单元），用于特指电喷发动机的电子控制系统。而随着集成电路技术以及汽 车电子行业的快速发展，ECU 的含义逐渐广义化为 Electronic Control Unit（电子控 制单元）。从用途上看，ECU 即为汽车专用的微控制器，可在大量传感器、总线数据 流以及执行器等零部件的配合下实现对汽车状态的操控。从结构上看，ECU 的核心 是中央处理器 CPU（包括微控制器 MCU 或微处理器 MPU），连接在 CPU 周边的还 包括存储器（DDR、FLASH）、输入/输出接口（I/O）、数模转换器（A/D）等。在传 统的分布式架构之下，汽车智能功能的升级依赖于 ECU 和传感器数量的增加。

随着单车智能化升级的加速，原有智能化升级的方式面临着研发和生产成本剧增、 安全性降低、算力不足等问题，传统分布式架构亟需升级。根据头豹产业研究院数 据统计，2019 年中国汽车 ECU 单车平均装载量已达到 25 个，商用车平均 ECU 装载 量为 35 个，个别高端车如奥迪 A8L，其装配的 ECU 数量早在 2013 年就已超过 100 个。同时，由于 ECU 数量的激增，对汽车线束长度、传输速度等方面都有这更高的 要求，这都将为汽车的研发、生产、安全等多方面带来挑战。具体来看，（1）研发成 本方面：在汽车功能的开发过程中，每个零件都有其对应的供应商，整车厂需要与这 些供应商分别沟通协作，甚至合作研发。因此，当单车智能化功能激增时，将使得整 个汽车开发周期大幅增长，伴之而来的亦是人力、物力成本的剧增。（2）生产成本方 面：由于汽车内部的装配空间有限，当 ECU 数量达到 100 多个以上、线束长度达到 5km 时，已很难实现自动化生产，相反将更多的依赖于人工。此外，在汽车智能化时 代，汽车的生产已不再是以出厂销售为终点，同时需要连续的整车 OTA 升级。因此 若是分布式的架构之下，难以做到众多 ECU 之间的快速协同升级。（3）安全性问题： 更加智能化功能的实现不仅仅需要单个 ECU 算力的大幅提升，同时亦要求各个 ECU 之间可以进行高效的信息数据交换，并留予适当的算力冗余，以便应对各类突发情 况，保障驾驶安全。而分布式架构下，各个 ECU 之间多通过 LIN/CAN 等总线相连， 传输速度本身有限，难以满足智能汽车内部信息高效流转的需求。

1.2、 域控制器诞生解决功能升级桎梏，推动智能驾驶大时代加速到来

面对分布式架构对汽车智能化升级的桎梏，特斯拉引领了汽车 E/E 架构由分布式向 域控制器/中央计算升级的历史性变革。2017 年，特斯拉在量产的 Model3 车型中首 次落地了区域集中式的 E/E 架构（由一个中央计算模块、三个区域控制器构成）。由 此不仅实现了不同 ECU 之间的协同控制、统一升级，同时还可以节省算力、降低布 线成本。同时，E/E 架构的集中化亦将有效降低智能化功能升级的边际成本，从而推 动智能化升级的加速。特斯拉的颠覆性创新和成功亦为海内外传统整车厂及造车新 势力带来了极大的示范效应，加速汽车智能化时代的到来。2018 年丰田提出将在未 来 L3 级量产车型中采用的“Central & Zone 架构”（按物理空间将整车对称分为多个 区域）。2019 年华为提出“CC 架构”（智能座舱 整车控制 智能驾驶）。2020 年，安波福发布智能汽车“SVA 架构”（中央计算群 四个分区）。此外，还有大众、宝马等均 提出了全新的 E/E 架构（分别为 E3 架构和 EEA 分层架构）。可以看到，无论是 Tier1、 整车厂等传统玩家还是造车新势力、科技公司等产业链新生力量，在对 E/E 架构设 计都开始由分布式向集中方向升级。E/E 架构集中化的本质是对汽车中孤立 ECU 的 集成和融合，域控制器也由此应运而生。同时，在以域控制器为功能中心的集中化 E/E 架构下，芯片算力和软件算法的提升将成为汽车智能化升级的核心。根据博世等 Tier1 所提出的六个 E/E 架构发展阶段来看，目前新兴的集中化 E/E 架构大致集中于 以汽车功能划分“域集中/融合”阶段和以汽车物理空间划分的“车电脑和分区 ECU”阶 段。车电脑和分区 ECU 的 E/E 架构在集中化程度要高于功能域集中/融合，而长期看 未来都会向车云计算的阶段发展。

1.2.1、 基于功能划分 E/E 架构下的域控制器

（以博世、大陆等 Tier1 为代表） 博世、大陆等传统 Tier1 将汽车 E/E 架构按功能划分为动力域（安全）、底盘域（车 辆运动）、信息娱乐域（座舱域）、自动驾驶域（辅助驾驶）和车身域（车身电子）五 大区域，每个区域对应推出相应的域控制器，最后再通过 CAN/LIN 等通讯方式连接 至主干线甚至托管至云端，从而实现整车信息数据的交互。

◼ 动力域控制器：主要负责动力总成的优化与控制，在新能源车中主要是指电驱 和电控系统的集成化。其中，电驱系统的集成以三合一技术路线为主流，也即将 电机、电控（逆变器）与减速器集成为电驱桥。电控系统的集成则倾向多合一模 块，通常将变压器、车载充电机、加热器等进行集成，甚至会将整车控制器（VCU） 等包含在内。2020 年 1 月，合众汽车团队研发的 PDCS 动力域控制器搭载于哪 吒汽车并通过了搭载车辆测试，正式进入了量产应用阶段。2020 年 9 月华人运 通发布的首款智能汽车高合 HiPhi X，亦搭载有由联合电子合作研制的动力域控 制器。

◼ 底盘域控制器：主要负责具体的汽车行驶控制，主要包括助力转向系统（EPS）、 车身稳定系统（ESC）、电动刹车助力器、安全气囊控制系统以及空气悬架、车 速传感器等等。与动力域类似，底盘域内所涉及的控制系统大多都具备较高的安 全等级要求，需要符合 ASIL-D 安全等级（ASIL 系列中最高安全等级）。因此底 盘域亦具备着较高的行业门槛，目前多数底盘域控制器仍处于实验室阶段。

◼ 车身域控制器：主要负责车身功能的整体控制，本身技术门槛较低且单车价值 量不高，其本质是在传统车身控制器（BCM）的基础上，集成了无钥匙启动系 统（PEPS）、纹波防夹、空调控制系统等功能而成。此外，由于涉及安全等级较 低，随着汽车 E/E 架构的进一步集中化，有望率先实现与智能座舱域的融合。

◼ 自动驾驶域控制器：承担了自动驾驶所需要的数据处理运算及判断能力，包括 对毫米波雷达、摄像头、激光雷达、GPS、惯性导航等设备的数据处理工作。同 时，自动驾驶域控制器亦负责车辆在自动驾驶状态下底层核心数据、联网数据的 安全保障工作，是推动自动驾驶迈向 L3 及以上更高等级的核心部件。此外，由 于自动驾驶域控制器需要更强的 AI 算力以及算法的支持，因而参与研制的厂商 众多。除传统汽车产业链内的整车厂及供应商以外，还包括有英伟达、高通、地 平线、黑芝麻等海内外 AI 芯片龙头厂商，以及阿里、谷歌、QNX、华为等自动 驾驶操作系统供应商。目前来看，除特斯拉 Model3、小鹏 P7 等少数车型以外， 绝大多数已量产的自动驾驶域控制器尚未达到 L3 级自动驾驶级别。根据 ICVTank 数据统计，2020 年全球 ADAS 相关控制器市场规模将达到 155.9 亿美 元，其中大部分均为 L3 级以下辅助驾驶控制器（ECU），而预计到 2025 年全球 自动驾驶域控制器市场规模有望达到 19.8 亿美元。

◼ 座舱域控制器：主要负责汽车座舱电子系统功能，汇集了集成液晶仪表、中控多 媒体及副驾驶信息娱乐的一体化系统。其发展过程经历了由传统的“机械物理按 键”到“中控液晶显示屏”，再到“中控 仪表盘一体化设计”的进程。同时，由于其 涉及安全等级较低、成本相对可控，发展速度将显著快于自动驾驶域控制器。根 据 ICVTank 数据统计，2020 年全球智能座舱域控制器有望达到 80 万套，预计 2025 年全球智能座舱域控制器出货量将达到 1300 万套。

总体来看，以上所分的五大功能域中，目前的竞争焦点主要集中于智能座舱域和自 动驾驶域。我们认为主要原因如下：（1）从供应体系上看，在汽车整体 E/E 架构集中 化的进程中，由中控系统升级而来的智能座舱域与新兴的自动驾驶域的供应体系较 为完整。相反，其他各个域是对传统功能系统的进一步集成，因而更容易产生供应商 之间的利益冲突。以动力域为例，电机、电池模组以及电机控制器等零部件此前均由 不同厂商供应、整车厂负责协调各方进行整合装配，因而在集中化的趋势中各个供 应商之间会存在利益相互蚕食的冲突。因此，可以看到目前所提出的动力域解决方 案都是由极个别龙头供应商牵头或是整车厂自研而成，如特斯拉的集成化三电系统、 华为的多合一电驱动系统 Drive ONE（集成电机、MCU、PDU、OBC、DCDC、减速 器、BCU 七大部件）等、长城欧拉自研的三合一电驱桥等。（2）从技术角度来看，动力域不但涉及的安全等级要求会更高，同时还需要考虑各部件配合过程中整体的 NVH 水平、是否存在相互间的电磁干扰（EMC）以及如何控制和提升整套系统的冷 却和效率等多方面因素，因而整体开发难度较大。与动力域类似，底盘包括支撑动力 系统的内部框架，以及除发动机以外的所有驱动部件。在自动驾驶向更高级别的发 展进程中，驾驶员将逐步减少对车辆的操控时间，因而对底盘域中传感器和控制器 都具有更加精确的时序要求和更为严格的最大延时要求。因此，动力域及底盘域在 当下的行业发展初期都具备较高的技术壁垒，并非现阶段多数厂商的竞争焦点。此 外，由于车身域技术门槛和安全要求等级较低，未来则有望率先融入智能座舱域共 同研制开发。

1.2.2、 基于区域划分的集中化 E/E 架构（以特斯拉、丰田、安波福为代表）

以区域进行划分的域控制器是以车辆特定物理区域为边界来进行功能划分，相较于 纯粹以功能为导向的域控制器，其集中化程度更高。例如车辆前区域控制器、左区 域控制器、右区域控制器等。典型的按区域划分 E/E 架构的厂商为特斯拉，Model3 的三个区域控制器则分别为前车身控制模块、左车身控制模块和右车身控制模块。 其中，左右车身控制模块把部分基础功能按区域进行对称划分，两者分别负责各自 区域内的内外部灯光、门锁、车窗、驻车卡钳等。而相对于左车身控制器，右车身控 制模块还具有两个独有的功能—热管理和自动泊车辅助系统。前车身控制模块则主 要负责为整车中各个控制器进行电源分配，可以在实时监测各个 ECU 用电情况，及 时切断部分处于静态但功耗高的ECU 供电。此外，前车身控制模块还包括车前大灯、 雨刮器等传统 BCM 的功能。除此之外，丰田的 Central & Zone 架构、安波福的 SVA 架构均采用类似的区域划分解决方案。

2、 硬件先行、软件赋能，域控制器开启汽车软硬件军备竞赛

域控制器作为未来汽车运算决策的中心，其功能的实现依赖于主控芯片、软件操作 系统和中间件、应用算法等多层次软硬件的有机结合。分别来看：（1）域控制器的主 控芯片目前多采用异构多核的 SoC 芯片，由 AI 单元、计算单元和控制单元三部分异 构而成，每个单元完成各自功能。其中，AI 单元专注于进行人工智能模型的运算， 是自动驾驶域中最核心的单元。目前海内外领先的车载 AI 芯片厂商包括英伟达、 Mobileye、高通、地平线等。（2）软件操作系统方面，广义而言包含系统内核、基础 软件以及中间件等，主要负责对硬件资源合理调配，以保证各项智能化功能有序进 行的。其中系统内核竞争格局稳定，主要以 QNX、Linux 及其衍生版本为主。中间 件则多由 Vector、ETAS、德赛西威等第三方厂商或整车厂进行开发。（3）应用算法 则是基于操作系统之上独立开发的软件程序，亦是各个品牌汽车差异化竞争的焦点。 此外，为实现智能汽车的持续进化，整车厂往往会选择“硬件超配、后续软件迭代升 级”的方式。因此，域控制器作为未来智能汽车的“大脑”，以主控芯片为代表的高 性能硬件将率先量产上车（例如，小鹏汽车现有自动驾驶能力处于 L2.5 级别，但已 在 P7 车型上预埋 Xavier 芯片、14 个摄像头等的方式，为后续 L3 级的自动驾驶留下 了升级空间。），而操作系统及应用软件等则会随着算法模型不断迭代持续更新，逐 步释放预埋硬件的利用率，从而实现软件定义汽车。

2.1、 芯片为基：主控芯片迈向异构多核 SoC，AI 芯片加速域控制器落地

2.1.1、 主控芯片向“CPU XPU”异构升级，车载 SoC 芯片将为竞争焦点

主控芯片是域控制器中的核心部件，其结构形式正由 MCU 向异构式 SoC 芯片方向 升级。域控制器实际是此前多个 ECU 的融合，其目的在于让一个高度集成的主控芯 片实现对多个智能化功能的控制。最早 ECU 中的主控芯片为 CPU，其设计的目的主 要是用于逻辑控制（是与非、加或减），因此其构造中大量的空间用于布置控制单元 与存储单元，计算单元的占比很少，这就导致在面向汽车智能化功能所需要的大规 模运算时，CPU 的算力难以满足。相比之下，以图像运算为目的开发的 GPU 拥有更 多的计算单元，体现出更强的算力优势。GPU 与 CPU 并非替代品，而是属于共生关 系，只是由于内部结构的不同导致其擅长的应用领域有所不同。最初的 GPU 主要应 用场景是视频游戏领域，伴随着人工智能技术在视觉领域的应用，基于视觉的自动 驾驶方案逐渐变为可能，这就需要在汽车中原有主控芯片（CPU）的基础上加装擅长 视觉算法的 GPU 芯片，从而形成“CPU GPU”的解决方案。同时，由于汽车芯片的计 算单元在设计时需考虑算力、功耗体积等问题，因此出于硬件资源的最优化，往往将 CPU 和 GPU 集合成为异构多核的 SoC 芯片。

不过，“CPU GPU”也并非最优的解决方案，因为 GPU 虽然具备较强的计算能力，但 成本高、功耗大，由此又逐步引入了定制化的 FPGA 芯片和 ASIC 芯片。其中，FPGA 是半定制型芯片，相对于 GPU 有明显的性能和能耗优势，产品技术也已较为成熟。 ASIC 是定制型芯片，可以更加有针对性的进行硬件层次的优化，从而获得更优的性 能、能耗比。同时，由于需要定制化的研发，ASIC 芯片的设计研发周期较长、资金 需求较大，因此在技术路线尚不明确的背景下大规模流片的性价比不高，但对于最 终使用芯片的客户而言，二次开发的成本及时间都会大大减少。总体来看，单一类型 的微处理器，无论是 CPU、GPU、FPGA 还是 ASIC，都无法满足更高阶的智能驾 驶需求，域控制器中的主控芯片会走向集成“CPU XPU”的异构式 SoC（XPU 包括 GPU/FPGA/ASIC 等）。根据 HIS 数据统计，2020 年全球车载 SoC 芯片市场规模将 达到 40.12 亿美元，并在 2020-2025 年间 CAGR 有望达到 15.4%。

2.1.2、 AI 芯片开启域控制器算力竞赛，国内新兴芯片厂商快速跟进

随着人工智能算法模型在智能驾驶领域的应用，AI 计算单元逐步被集成至主控芯片 内，并由此开启车载主控芯片的算力竞赛。异构 SoC 芯片的应用一定程度加速了域控制器的落地，奥迪在 2017 年发布新款 A8 时投产了全球首个 L3 级域控制器 zFAS。 该域控制器的计算平台共搭载四枚芯片异构式 SoC 芯片，最终由德尔福集合而成。 具体包括：Mobileye 提供的视觉处理芯片 EyeQ3（ASIC），英伟达提供的 Tegra K1 芯 片（GPU CPU），英特尔提供的 Cyclone V 芯片（FPGA），英飞凌提供的 Aurix TC297T 芯片（MCU）。zFAS 的量产开创了全球自动驾驶域控制器的先河，但仅凭 SoC 芯片 的叠加仍难以支撑自动驾驶中人工智能算法模型（卷积神经网络等）所需要的算力。 根据 OpenAI 数据统计，在过去 7 年间随着 AI 模型由 Alexnet 发展至 AlphaGoZero 时，其算力需求提升了 30 万倍。因此，具备更强人工智能模型运算能力的 AI 芯片 逐步被引入汽车领域，并开启了行业内多家芯片厂商的算力竞赛。广义上而言，所有 面向人工智能领域的运算芯片都可以称之为 AI 芯片。正如 GPU 作为专用图像处理 器与 CPU 协同工作一样，AI 芯片也将会作为 CPU 的 AI 运算协处理器集成于异构 式 SoC 中，专门处理 AI 应用所需要的并行矩阵运算需求，而 CPU 作为核心逻辑处 理器，统一进行任务调度。此外，由于人工智能对于运算效率的要求较高，AI 芯片 的主要类型为 GPU、FPGA 和 ASIC。

AI 芯片需求迸发推动车载芯片竞争格局重塑，国内新兴 AI 芯片厂商迎来重大发展机遇。传统的汽车产业链中的车载芯片市场份额高度集中，根据 ICVTank 数据统计， 2019 年全球汽车半导体市场 CR8 仍高达 68%，多年来一直被恩智浦、德州仪器、英 飞凌等巨头垄断。不过，以上龙头厂商多聚焦于 MCU 等芯片领域，随着汽车智能时 代的加速到来，车载芯片中的逻辑芯片和存储芯片需求占比大幅增加。根据 ICVTank 数据统计，未来车载逻辑芯片及存储芯片的市场份额占比将从 2019 年的 12%（50 亿 美元）和 8%（36 亿美元），增长至 2025 年的 15%（102 亿美元）和 12%（83 亿美 元）。其中，车载 AI 芯片需求的迸发吸引英伟达、英特尔、高通、华为等传统消费级 芯片巨头纷纷进军汽车产业。同时，车载芯片需求结构的变化亦为国内新兴芯片厂 商带来了快速切入汽车产业链的机遇。例如，国内 AI 芯片新势力地平线，已凭借其 “征程”AI 芯片与海内外多家车厂建立合作，成功切入汽车产业链，为长安汽车、上 汽集团、奥迪等多家整车厂提供“AI 芯片 算法 IP 开发平台”的完整解决方案。成立 于 2016 年的黑芝麻智能科技 2019 年成功的发布了国内首款车规级智能驾驶芯片华 山一号 A500，目前已与博世、中国一汽等多家 Tier1 或整车厂建立合作。

2.2、 软件赋能：引入嵌入式智能车载系统，软件定义汽车时代加速到来

伴随着域控制器的诞生，汽车软件亦将从简易的裸机程序向更为复杂的嵌入式操作 系统升级。自上世纪 80 年代以来，随着微处理器在汽车领域的广泛应用，以“微处理 器 裸机程序”的解决方案已完全取代了早期汽车中使用的机械或液压元件。在这一 阶段，汽车软件工程师通过直接在 ECU 上写入代码来实现对硬件资源的调用，其优点在于功能稳定安全、反应灵敏，且不会出现死机等状况，但缺点在于功能单一且升 级过程复杂。然而，随着域控制器的诞生，亟需嵌入式操作系统的引入来实现对主控 芯片、传感器等硬件资源的合理调配，从而保证多项智能化功能的协调进行。广义的 车载操作系统从结构上看与其他终端的操作系统基本一致，以 AGL 操作系统（Linux 组织专门为汽车领域而研发的开源系统）为例，主要包含系统内核、中间件、应用算 法软件以及汽车领域特有的安全层四部分。其中系统内核的开发难度最大，出于性 价比的考虑，目前少有厂商自行研制，因而其行业格局较为稳定，以 QNX 和 Linux 及相关衍生版本为主。部分软件研发实力较强的公司（特斯拉、华为、阿里等）会基 于开源的 Linux 内核进行定制化改造，形成具备差异化竞争力的系统内核。中间件是 基础软件中的一大类，是对底层软件模块的封装和接口标准化，处于操作系统内核 和应用层之间，起到了承上启下的作用，是实现软硬件解耦的重要组成部分。大多数 整车厂商会从这一层开始进行软件架构定制化研发。应用算法则是基于操作系统之 上独立开发的软件程序，亦是各汽车品牌差异化竞争的焦点之一。

进一步来看，根据安全等级要求的不同，汽车嵌入式操作性系统大致可分为实时操 作系统和非实时操作系统。分别来看：（1）所谓实时操作系统，是指系统接收到输入 信号后，能够在短时间内处理完毕并予以反馈，并且其处理任务的（最迟）完成时间 是确定可知的。实时操作系统具备较高的安全性与可靠性，因此往往应用于车控领 域，包含传统的车辆动力、底盘、车身以及新兴的自动驾驶等。此前在车控领域的操 作系统已经历了两轮标准化工作：OSEK/VDX 和 AUTOSAR。OSEK/VDX 主要对操 作系统和网络管理进行标准化；AUTOSAR 从软件架构、开发方法、开发工具三方面 进行标准化。目前，已有多家企业拥有成熟的车控操作系统产品和解决方案，包括德 国的 Vector、ETAS，加拿大的 QNX，美国的 Mentor Graphics 等，而在智能化趋势 下又新兴出特斯拉 Version、大众 VW.OS、华为 AOS/VOS 等多种实时操作系统。（2） 非实时操作系统则广泛应用于座舱娱乐等领域，更加注重兼容性与开发生态。此类操作系统多以 Linux 内核改造或移植移动端的操作系统而来，包括 Linux 衍生的 AGL、 微软的 Windows Automotive、谷歌的 Android Auto、阿里 AliOS 等等。同时，许多新 兴操作系统提供平台式解决方案，也即在一个软件架构之下根据所应用领域的不同 使用不同的系统内核，典型的是华为的鸿蒙操作系统即包括座舱操作系统 HOS、智 能驾驶操作系统 AOS、智能车控操作系统 VOS 三种。可以看到，众多互联网或科技 厂商正通过强大的软件研发能力进入汽车产业链，成为软件 Tier1，也由此催生了庞 大的汽车软件市场。根据 McKinsey 数据统计，2020 年全球汽车软件开发（包括操作 系统内核、中间件、应用软件等）市场规模将达到 200 亿美元，时至 2030 年该市场 规模将达到 500 亿美元，2020-2030 年其复合增长率将达到 9%，软件定义汽车时代 正加速到来。

3、 域控制器供应链之下，多方势力各抒己长参与其中

域控制器供应链将形成两大阵营，即以华为、特斯拉为代表的全栈式供应商，以及 以英伟达、高通、地平线等为代表的开放式供应体系。其中，全栈式解决方案供应商 凭借自身的技术优势实现了从底层硬件到软件架构的全覆盖，具备软硬件一体化的 性能优势。而开放式的供应链生态，主要由 AI 芯片公司、软件供应商、Tier1 系统集 成商和整车厂组成。其中底层的 AI 芯片公司是域控制器的基础，软件供应商和算法 提供商（部分为整车厂自研）赋能，Tier1 进行系统集成，最终由整车厂落地验证。 目前典型的第一阵营包括“特斯拉”、“华为 长安”、“Mobileye 蔚来”等，开放式阵 营包括“小鹏 德赛西威 英伟达”、“理想 德赛西威 英伟达”、“高通 长城”等。在 汽车智能化加速渗透的背景下，域控制器作为智能化的核心零部件将最为受益，看 好在域控制器中卡位核心环节的相关公司。

3.1、 全栈式解决方案供应商，软硬件兼顾自成体系

3.1.1、 华为：昇腾 AI 芯片 MDC

计算平台 鸿蒙 OS 以昇腾系列 AI 芯片为基础，构建华为 MDC 中央智能计算平台。目前，华为针对智 能驾驶领域已经成功研制出了车规级 AI 芯片昇腾 310 和昇腾 910。其中，昇腾 310 单片算力为 16TOPS，而其功耗仅为 8W，功耗比与特斯拉 FSD 芯片相当，主要应用 于边缘计算等低功耗领域；昇腾 910 单片算力达到 512TOPS，同时作为一款高集成度 SoC 芯片，除了基于达芬奇架构的 AI 核外，还集成了多个 CPU、DVPP 和任务调 度器，因而具有自我管理能力，可以充分发挥其高算力的优势。而基于昇腾系列芯 片，华为推出了 MDC300 和 MDC600 智能计算平台。其中，MDC300 的 AI 单元由 四颗华为昇腾 310 芯片组成，计算单元搭载华为的鲲鹏芯片，控制单元则搭载是英 飞凌 TC397 芯片，整体算力达到 64TOPS，满足 L3 级自动驾驶；MDC600 是基于 8 颗昇腾 310 芯片，同时还整合了 CPU 和相应的 ISP 模块，整体算力可达 352TOPS， 适用于 L4 级别自动驾驶。除此之外，华为即将发布 MDC 210 和 MDC 610 智能驾驶 计算平台。MDC 210 可提供 48TOPS 算力，主要面向 L2 级自动驾驶，MDC 610 可 提供 160TOPS 算力，面向 L3-L4 级别自动驾驶。综合来看，MDC 集成了华为自研 的 Host CPU 芯片、AI 芯片、ISP 芯片与 SSD 控制芯片，并通过底层的软硬件一体 化调优，在时间同步、传感器数据精确处理、多节点实时通信、最小化底噪、低功耗 管理、快速安全启动等方面领先业界。相比当前业界其他自动驾驶计算平台，华为 MDC 具有高性能、高安全＆可靠、高能效、低时延的技术优势。

华为智能汽车软件解决方案包括三个操作系统 一个跨域集成软件框架。（1）鸿蒙座 舱操作系统 HOS：华为针对汽车座舱的使用场景、上层应用软件和底层硬件对接的 需求，进行了定制化开发，打造了鸿蒙座舱操作系统 HOS。鸿蒙座舱操作系统 HOS 可实现座舱软硬件解耦，同时对语音交互、视觉识别，音频优化等核心能力开发了基 础服务。该系统支持与车企联合定义开放接口，使得其合作伙伴可以快速开发，共同 构建应用生态。（2）智能驾驶操作系统 AOS：针对智能驾驶打造的实时操作，目前 已通过 ASIL-D 等安全认证，成为业界首个获得 Security & Safety 双高认证的商用 OS 内核。（3）智能车控操作系统 VOS：该系统原生支持异构多核，模型化工具链，兼 容 AUTOSAR。可以使得原来多 ECU 的集中开发变得简单高效。同时，该系统相比 于现有的车控系统将更加开放，不仅支持华为自己的微处理器芯片，而且会支持世 界范围内包括恩智浦、英飞凌在内的众多芯片。（4）华为 Vehicle Stack：是面向服务 （SOA）的跨域集成软件框架，相当于欧洲传统车企联盟所创造的 AUTOSAR。在此软件架构之下，可以各个操作系统之间互联互通，使能整车特性快速开发、验证、部 署，同时还支持丰富的自动化工具链，车型开发周期可缩短 6－8 个月。

3.1.2、 特斯拉：FSD AI 芯片 HW 域控制器 Autopilot 操作系统

特斯拉开启智能驾驶计算平台先河，主控芯片由合作开发转向自研 FSD。早在 2014 年 10 月，特斯拉已经在其 Model S 和 Model X 两款车型中搭载自动驾驶系统 Autopilot1（智能驾驶域控制器 HW1.0），这款域控制器是在 Mobileye 的 EyeQ3 芯片 基础上建立而成，可支持 L2 级自动驾驶。2016 年，特斯拉与 Mobileye 的合作破裂， 主控芯片供应商转向英伟达，并于同年基于英伟达 Drive PX2 芯片推出自动驾驶域 控制器 HW2.0，搭载于 Model S 和 Model X 两款车型中。但 HW2.0 本质上仍为一个 过渡产品，线路板上存在大片留白，未达到汽车芯片高度集成化的特征。因此，仅仅 10 个月后特斯拉便推出了 HW2.5 作为进阶版本，这款产品算力超 6TOPS，可以服务 于 L2~L3 级自动驾驶。由于 DRIVE PX2 芯片过低的效率和超出掌控的技术内核，特 斯拉与英伟达间三年的合作最终宣告停止。

特斯拉自研的 Autopilot 操作系统是以 Linux 内核为基础深度定制化改造而成。开源 的 Linux 内核不仅为特斯拉节省了大笔研发费用，同时其高自由度利于特斯拉实现 更多差异化功能。在 2012-2019 年间特斯拉已完成超过 142 次的 OTA 升级（潜在问 题改善 11 次、全新功能导入 67 次、交互界面逻辑等优化 64 次），涉及自适应巡航、 自动紧急刹车系统、360°全景视图、并道辅助等多项功能，系统版本从 2014 年的 V6.0 已迭代至目前的 V10.0。

3.1.3、 Mobileye：EyeQ 系列芯片是以摄像头为解决方案的 ADAS 领域绝对龙头

公司 EyeQ 系列芯片在 camera-based ADAS 市场的市占率已超过 70%。Mobileye 于 1999 年在以色列成立，主要致力于汽车计算机视觉领域的研究。在公司成立之初的 近十年内，公司一直专注于研发，在这过程中并没有推出任何的的系统和模型。2008 年，公司推出了其第一款提供 L1 辅助驾驶功能的产品 Eye Q1 芯片，算力为0.0044TOPS。2010 年，推出 Eye Q2 芯片，算力为 0.026TOPS。以上两款面向 L1 级 辅助驾驶的芯片为公司奠定了在低级别辅助驾驶领域的龙头地位。2014 年，公司推 出的 EyeQ3 芯片算力为 0.256TOPS、功耗比为 0.1024TOPS/W，可以满足特斯拉基于 视觉解决方案的 L2 级自动驾驶的技术需求，也由此开启了 Mobileye 的快速成长期。 2014-2019 年公司 EyeQ 系列芯片出货量 CAGR 高达 45.2%。同时，依赖于 EyeQ 系 列芯片在视觉处理方面的强悍能力，Mobileye 在 camera-based ADAS 市场的市占率 已超过 70%。2017 年，公司被英特尔以 153 亿美元现金收购。

传统黑盒子封闭模式拖累公司发展进程，EyeQ5 开放软件架构争夺高阶自动驾驶领 域。Mobileye 的芯片销售是黑盒子模式，也即 Mobileye 的专有视觉解决方案采用紧 密耦合的 EyeQ 芯片以及 Mobileye 自家感知软件。对于刚刚起步或技术能力不足的 车企来说，芯片厂商自带通用算法可以极大缩减成本，加速车型成型并实现量产。然 而，Mobileye 成熟的解决方案亦带来了其软件架构的封闭性，车企难免成为自动驾 驶研发平台的附庸，失去对自动驾驶研发的控制权。因此可以看到，当特斯拉、小鹏、 理想等造车新势力在迈向 L3 级及以上自动驾驶等级时均未再采用 EyeQ 系列芯片。 为此，Mobileye 自 2020 年所发布的 EyeQ5 开始，提供了开放版 EyeQ5 芯片和封闭 版 EyeQ5 芯片的组合，其中开放版中芯片可执行第三方的程序代码，支持车企自行 编译程序。同时，英特尔目前正倾全力开发支持 EyeQ5 新芯片的工具链，为向高阶 自动驾驶领域发展奠定基础。

3.2、 产业链单一环节供应商，各抒己长共建生态链

(1) 德赛西威：IPU03 自动驾驶域控制器 智能座舱域控制器

联手英伟达为小鹏 P7 打造国内首款 L3 级自动驾驶域控制器。IPU03 具备较高技术 含量和价值量，搭载于 2020 年 4 月发布上市的小鹏 P7，实现了国内自主品牌零部件 企业真正意义上的域控制器规模化量产。作为德赛西威—小鹏汽车—英伟达三方合 作的产物，IPU03 搭载英伟达 Xavier 芯片，并基于操作系统 QNX Safety OS 操作系 统，算力可达 30TOPS，可以实时处理多传感器所采集得的数据，并计算整理自身驾 驶状态以及周边环境的数据信息。通过该控制器与不同传感器配置的配合，能够在 多种高低速场景下实现 L3 级有条件自动驾驶或智能化驾驶辅助功能，包括但不限于 自主变道，城市道路塞车自动跟车、自动泊车 APA 等。此外，德赛西威近日与英伟 达和理想汽车达成合作，宣布共同开发基于英伟达 Orin 芯片的新一代自动驾驶域控 制器，为理想汽车 2022 年推出的全尺寸增程式智能 SUV 提供较好的硬件基础，助 力理想汽车实现辅助驾驶到自动驾驶的全功能覆盖。

2020 年 9 月，德赛西威首款自主研发的智能座舱域控制器在瑞虎 8 PLUS 上首次亮 相。该域控制器基于 6 核瑞萨 R-CAR 系列高性能芯片，采用双系统的软件架构。其 中 QNX Hypervisor2.0 虚拟机保障了仪表功能安全，而 Android 9.0 系统可让用户受 到丰富的信息娱乐功能。此外，该款域控制器通过以太网技术实现了前后排屏幕互 控的功能，同时支持 OTA 软件迭代升级，前后排卡拉 OK、语音游戏等功能，为用 户带来更加人性化舒适体验。

(2) 伟世通：携手奔驰推出业界首款座舱域控制器

Smart Core 伟世通于2018年3月与奔驰共同推出了业界首款智能座舱域控制器产品Smart Core。 2020 年在 CES 上，伟世通展出了与腾讯和广汽合作打造的新一代 Smart Core。作为 全球首款搭载第三代高通骁龙汽车座舱平台的智能座舱域控制器，Smart Core 在广 汽全新纯电平台首款车型 Aion LX 上实现量产。同时，腾讯为 Smart Core 搭载了其 车联 TAI 汽车智能系统的核心技术与能力，并注入了其丰富的内容生态，在实现高 效人机互动和车身控制的前提下大幅提升用户体验度。此外，Smart Core 将数字仪 表，信息娱乐和车身控制界面这三个座舱域首次整合到单个域控制器中，大幅减少 控制信号的等待时间、整车线束长度和系统成本。在安全性方面，Smart Core 部署了硬件安全墙等措施，并要求所下载数据需要先得到汽车经销商的签署授权，有效防 止可疑应用程序侵入 Smart Core 的安全部分。

3.2.2、 以地平线、英伟达为代表的 AI 芯片供应商

(1) 英伟达：Drive 系列智能计算平台，可满足 L2~L5 级自动驾驶需求

英伟达是一家建立于 1993 年的专业人工智能计算公司，并在 1999 年实现了对 AI 芯 片中 GPU 的定义。凭借强大的 GPU 实力，英伟达迅速实现了对老牌 CPU 芯片企业 英特尔的追赶甚至超越。在 2015 年国际消费类电子产品展览会上，英伟达首次发布 用于自动驾驶的 DRIVE PX 智能计算平台，搭载 Tegra X1 芯片，该计算平台可通过 深度学习和计算机视觉实现对环境的感知，借此实现自动巡航和泊车等 L2 级自动驾 驶功能。2016 年英伟达再次发布 DRIVE PX 系列二代产品—DRIVE PX2，搭载两颗 二代 Tegra 芯片，整体算力达到 24TOPS，也是自该款芯片开始英伟达与特斯拉建立 合作。2017 年，英伟达推出 PX2 的升级版本—DRIVE AGX Xavier，首次搭载 Xavier AI 芯片，功耗比提升至 1TOPS/W。目前，相比 Mobileye 的芯片，在 L3 及以上级别 的自动驾驶芯片领域，英伟达已经取得的明显的领先地位，其 Drive PX2 和 Drive Xavier 已经得到普及。2020 年英伟达再次发布 DRIVE AGX Orin，旨在打造一个面 向 L5 级自动驾驶的软件定义汽车平台，该产品性能可达上一代 Xavier 系统级芯片 的 7 倍，算力最高可达到 200TOPs，计划于 2022 年在蔚来 ET7 车型中首次量产。

(2) 地平线：征程系列 AI 芯片 Matrix 自动驾驶计算平台

地平线是一家新兴的国内边缘 AI 芯片企业，针对自动驾驶 AI 芯片，地平线推出了 Journey 2芯片，采用TSMC 28nm HPC 工艺，芯片算力超4TOPS，功耗比超2TOPS/W。 这是国内首款车规级AI芯片，2020年已迈入量产阶段并搭载于长安 UNI-T座舱域。 此外，地平线目前正在研发的 Journey 3 芯片，该芯片基于自研的 BPU2.0 架构，目 前已通过 AEC-Q100 认证，算力级别以匹配 L4/L5 级自动驾驶为目标。除此之外， 地平线打造了 Matrix 自动驾驶中央计算平台。该计算平台是由征程 2 架构加速的车 规级计算平台，结合深度学习感知技术，在被动散热的硬件上实现强大的感知计算 能力，为高级别自动驾驶提供了稳定可靠的高性能感知系统。提供单路和四路输入 的两种选择，可满足模块化需求。

(3) 黑芝麻：华山系列 AI 芯片 FAD 域控制器

黑芝麻成立于 2016 年，公司主攻嵌入式图像和计算机视觉领域，为 ADAS 及自动驾 驶提供包括芯片在内的完整的落地方案。2019 年，黑芝麻科技推出了首款 AI 芯片— —华山 A500，该芯片算力为 5-10TOPS，功率效率已达到 4TOPS/W，采用 28nm 工 艺，面向 L2~L2.5 级自动驾驶，已在比亚迪相关车型上实现量产。虽然适配的自动 驾驶等级较低，但 A500 有极大的效率优势和成本优势，A500 的成本仅有特斯拉 FSD 的三分之一。此外，黑芝麻科技于 2020 年 6 月再次推出了 A1000 芯片，该芯片效率 达到 6TOPS/W，算力达到 40~70TOPS，采用 16nm 工艺（A1000L 芯片算力为 16TOPS）。

目前，黑芝麻科技正在研发第三代芯片——A2000，这款芯片算力将达到 200TOPS， 追平目前英伟达最新款 AI 芯片 DRIVE Orin 的算力。基于华山二号 A1000 芯片，黑 芝麻还可以根据不同的客户需求，提供多种定制化解决方案。单颗 A1000L 芯片适用 于 ADAS 辅助驾驶，单颗 A1000 芯片适用于 L2 自动驾驶，双 A1000 芯片互联可达 140TOPS 算力，支持 L3 等级自动驾驶，四颗 A1000 芯片则可以支持 L4 甚至更高的 自动驾驶需求。

3.2.3、 以 QNX、阿里、百度为代表的车载软件系统供应商

(1) QNX：世界首款通过车规级安全认证的操作系统，核心优势在于高安全性

QNX 是世界上第一款通过 ISO 26262 ASIL 级安全认证的车载操作系统，母公司黑莓 所拥有的 80 项安全认证和数千项安全相关专利将为其安全性持续赋能。同时，为确 保软件的安全性，QNX 开发生态较为封闭，黑莓是 QNX 的唯一开发者，并陆续打 造出 QNX 基础软件平台、声学软件开发平台、域控制器架构、数字仪表软件开发平 台、Heypervisor 平台、智能驾驶平台等多种版本。此外，QNX 采取微核心架构，操 作系统中的多数功能均以许多小型 Task 来执行，这样的架构使得用户和开发者可以 关闭不需要的功能而不需要改变操作系统本身。得益于这种执行模式，QNX 系统中 的各项功能与应用能在不影响互相间稳定性的前提下整合运算资源，在高安全性的 同时保障其运算效率。根据黑莓公司数据统计，截至 2020 年 6 月底，全球已有超过 1.75 亿辆汽车已搭载 QNX 系统，车用市场占有率达 75%。德尔福、大陆、电装等 Tier1 的基础软件层都是在 QNX 系统上搭建的，而其合作伙伴既包括小鹏、威马等 新势力车企，也包括宝马、奥迪、保时捷、大众、福特、通用等传统 OEM。

(2) AliOS：基于 Linux 内核深度定制的国产车载操作系统

AliOS 是阿里巴巴集团推出的移动操作系统，可应用于智联网汽车、智能家居、手机、 Pad 等智能终端，目标为行业提供一站式 IoT 解决方案，构建 IoT 云端一体化生态， 使物联网终端更加智能。AliOS 于 2014 开始进军车载方向，基于 Linux 内核而研发， 采用阿里云虚拟机技术，目前主要应用于智能座舱领域。2016 年，AliOS 在荣威 RX5 中实现了汽车操作系统的商用，并率先提出“去 APP 化”的应用模式：AliOS 采用“场 景地图桌面 无缝连贯服务体验”的架构和生态，相比较 PC 端中 Windows“桌面 文 件”实现的“人找内容”，移动端中 Android 与 iOS 的“桌面 APP”架构实现的“人找应 用”，AliOS 则实现了“服务找人”的模式。例如，当车主的常规线路发生拥堵时，系 统会给车主发送一条信息，推荐最佳导航路线；若车主告知汽车要去电影院看电影， 系统会自动规划去电影院的路线以及看电影之前的就餐地点、停车场。

(3) 百度：对标移动端 Android，打造开源的自动驾驶软件开发平台

2017 年，百度发布“阿波罗计划”及 Apollo 1.0，这是一个自动驾驶软件的开源平台。 这个平台结合了许多工具，包括数据、API 和开源代码，开发者可以免费使用这些工具将自动驾驶产品推向市场。2018 年 7 月，在百度 AI 开发者大会上，百度发布 Apollo3.0 及小度车载 OS，并首次发布了车载语义开放平台。2019 年 12 月，在首届 百度 Apollo 生态大会上，百度推出了 Apollo 5.5 版本，同时支持点对点城市自动驾 驶，并将自动驾驶平台扩展为自动驾驶、车路协同、智能车联三大开源平台。2020 年， 百度发布 Apollo 6.0 迈向无人驾驶领域。其中，Apollo 实时操作系统是 Ubuntu Linux 操作系统与 Apollo 内核相结合的成果。ubuntu 是业内顶级 Linux 发行版之一，也是 流行的云操作系统，原始的 Ubuntu 系统并非实时操作系统，通过加入 Apollo 自主设 计的内核，使其成为一个 RTOS。类似于谷歌在移动领域中推出的 Android 开源项目， 整个 Apollo 平台旨在车载领域中为第三方提供更为便捷的开发环境。2021 年 1 月 11 日，百度宣布组建智能汽车公司，以整车制造商的身份与吉利汽车战略合作，正式进 军汽车行业。

4、 受益公司分析（详见报告原文）

4.1、 德赛西威：小鹏 P7 理想汽车的智能驾驶核心供应商

4.2、 北京君正：国内车规级存储芯片供应商

4.3、 中科创达：车载操作系统迎高景气度周期，5G 落地迎来新契机

4.4、 华阳集团：智能座舱量价齐升，绑定华为打开成长空间

5、 风险提示

国内汽车智能化升级不及预期。

（本文仅供参考，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】。