半导体周报1124-智能驾驶

半导体周报-1124

一、行业新闻及动态

1、半导体设计：

《科创板日报》4日讯，三星电子计划于本月第四周开始在“NRD-K”项目引进设备，预计将加速下一代存储器的开发，特别是1d DRAM和V11、V12 NAND。NRD-K项目是三星电子建设的下一代半导体研发综合体，尖端半导体工艺的研究、生产和分销均在此进行。

 

财联社11月7日电，美国麻省理工学院团队利用超薄半导体材料，成功研制出一种全新的纳米级3D晶体管。这是迄今已知最小的3D晶体管，其性能和功能可比肩甚至超越现有硅基晶体管，将为高性能节能电子产品的研制开辟新途径。相关论文发表于5日出版的《自然·电子学》杂志。

 

财联社11月10日电，据武汉经开区发布消息，11月9日，湖北省车规级芯片产业技术创新联合体2024年度大会在武汉经开区举行。会上，由东风汽车牵头组建的湖北省车规级芯片产业技术创新联合体发布高性能车规级MCU芯片——DF30 ，填补国内空白。DF30芯片是业界首款基于自主开源RISC-V多核架构、国内40nm车规工艺开发，全流程国内闭环，功能安全等级达到ASIL-D的高端车规MCU芯片，已通过295项严格测试。DF30芯片适配国产自主AutoSAR汽车软件操作系统，可广泛应用于动力控制、车身底盘、电子信息、驾驶辅助等领域。

 

2、       半导体制造及封测：

《科创板日报》4日讯，苹果或将导入先进封装SoIC(System-on-Integrated-Chips)技术，预计2025年下半年推出的M5 AI芯片将采取3nm制程和SoIC先进封装，预估台积电今年底SoIC产能达5000片，明年将呈倍增长。

 

《科创板日报》6日讯，SK海力士近期与ASICLAND签订311亿韩元（约2256万美元）规模的CXL（Compute Express Link）高速互联存储器控制器设计合约，期限至2026年6月30日。ASICLAND致力于协助客户使用适合台积电代工制程的半导体IP进行设计，并支持最终产品量产。考虑研发所需时间，预计CXL 3.0或3.1芯片将通过台积电5纳米制程量产。

 

3、       其他：

《科创板日报》6日讯，美国半导体行业协会 (SIA) 最新数据显示，2024年第三季度全球半导体销售额达1660亿美元，同比增长23.2%，环比增长10.7%，环比增长速度创下2016年以来最高水平。其中，9月全球半导体销售额为553亿美元，较8月总额531亿美元增长4.1%。

 

《科创板日报》6日讯，业内人士透露，三星电子最近在半导体部门（DS）实施大规模成本削减和产线调整，并正在考虑出售其西安芯片厂旧设备及产线。与多家公司的讨论已经开始，预计出售过程将于2025年正式开始，销售的设备大部分是100层3D NAND设备。

2.       本周话题——智能驾驶

智能驾驶简称智驾，是信息化时代中机器通过多方面行为辅助人类进行驾驶以及部分情况下代替人类进行驾驶汽车的技术。

智能驾驶有别于自动驾驶。自动驾驶指代智能系统通过机器学习后掌握行驶技术并代替人类进行驾驶汽车的系统技术，分为单车智能和车路协同两种路线。单车智能下自动驾驶主要包括感知、决策与控制三个部分，车辆通过硬件设备对周边环境、状态的感知将信息交由软件系统分析决策，并控制车辆。车路协同可以做到人、车、路、云多个终端的数据协同，通过路测的数据和信息同步，能够有效帮助单车智能覆盖更多“盲区”，解决自动驾驶发展的瓶颈难题，促进自动驾驶进一步成熟。

而智能驾驶的范围更加广泛。智能驾驶通常指包括 ADAS（高级驾驶辅助系统）和自动驾驶两大部分的机器辅助人类进行驾驶的全部技术总和，涵盖了从基础到精深的多方面技术和效果层次。

按照美国汽车工程师学会（SAE），智能驾驶按照自动化水平分为 L0 至 L5 六个级别。其中 L3 级别为自动驾驶的分水岭，L3 级别以下为辅助驾驶，L3 及以上级别为自动驾驶。L3 级别的最大区别在于由人负责监控环境变为系统负责监控环境，而这导致了事故后的责任归属的改变。因此，L3 级别是智能驾驶发展的瓶颈。NOA 是 L2+级辅助驾驶的典型功能，是 L2 向 L3 发展的过渡。目前，NOA 主要包括高速 NOA 和城市 NOA 两种应用场景。高速 NOA：系统利用安装在车辆上的传感、通估、决策及执行等装置，在商速商架、环路、城市快速路等封闭或半封闭场景下实现智能驾驶，实现功能包括自主上下匝道、主动变道、主动超车等。城区 NOA：系统利用安装在车辆上的传感、通信、决策及执行等装置，在城市开放路况下实现智能驾驶，可以实现无保护左转、无保护掉头、识别交通信号灯、主动变道、主动超车等功能，能够自主处理各类城市路况，能够处理日常交通场景中的车与车、车与人、车与其他交通参与要素交互。

自动驾驶划分等级

资料来源：国泰君安证券

模块合成式驾驶方法：包含感知、规划决策，执行控制三大模块，通过分别调试每个模块的参数来适应各种各样的驾驶场景。

感知模块主要负责车周信息感知和目标检测。感知模块输入各类传感器的数据，输出车道线，行人，车辆等的位置和轨迹等信息。主流的感知方式包含激光雷达和摄像头视觉两种。决策模块主要负责预测车周物体的运动，评估障碍物下一时刻可能的动作，输出物体运动轨迹的预测。规划模块主要负责计算车辆下一时刻的运动路径，规划与决策在开发环节往往结合在一起，基于感知模块输出的车周信息在神经网络训练融合，输出行动路线。控制模块主要负责精准控制车辆按规划轨迹行驶。控制模块根据决策规划输出的路线，生成具体的加速、转向和制动指令，控制驱动系统，转向系统，制动系统和悬架系统。端到端智能驾驶方法：端到端智能驾驶方法本质上是使用一个独立系统进行驾驶，通过训练一个深度神经网络从感官输入（如摄像头采集的道路信息）直接映射到驾驶动作。

 

驱动因素：

需求端：智能汽车的认知逐步扩大

消费者对智能驾驶认知不足。目前，智能驾驶的体验者数量相对较小，排斥这一技术的消费者则相对较多。尽管智能汽车体验者主要给予正向评价，但智驾汽车的普及仍面临着技术认知和接受度的瓶颈。有一部分消费者对自动驾驶技术存在疑虑，对其安全性和可靠性产生担忧，因此表现出对自动驾驶汽车的排斥态度。

华为崛起成为智能汽车的引领者。在这一局面中，华为的崛起成为一次重要的“教育”机会。作为消费者端认知度最高的品牌之一，华为的涉足使得更多消费者开始关注智能汽车，并逐渐理解其技术和应用价值。华为在智能汽车领域的投入和表现成为引领智能汽车认知普及的重要驱动力，为未来消费者对智能化的需求奠定基础。

预计明年供给端改善，迎来第二波认知提升浪潮。随着供给端不断改善和技术进步，明年有望迎来更大范围的智能汽车认知提升浪潮。供给端的技术改进将为消费者提供更为出色的智能驾驶体验，降低技术上的担忧和排斥情绪，使更多的消费者认知到智能汽车的实际益处，进而提高其接受度。

政策端：政策持续催化

政策持续催化，“智能网联汽车”再次写入政府工作报告。2020 年以来，我国在新能源汽车、自动驾驶领域的政策力度不断强化，2023 年 11 月，四部委联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，对具备量产条件的 L3、L4 智能汽车，开展准入试点，这将加速 L3 级以上的智驾商业化进程。12 月，交通运输部印发《自动驾驶汽车运输安全服务指南（试行）》，规范了 L3+级别的自动驾驶在运输服务领域的应用，意味着交通运输行业正式“接纳”自动驾驶汽车。在 2024 年《政府工作报告》中，把智能网联汽车产业列入发展新质生产力的重点；多位代表也纷纷献言献策，建议加快完善自动驾驶领域的立法空白，加速高级别自动驾驶汽车上路。

政策法规两个趋势：事故定责+数据安全。事故责任方面，参考海外有望进一步降低消费者事故成本，明确简化智驾提供商的定责方法。参考海外经验，在定责流程中呈现出更为保护消费者的立场和趋势，明确特定条件下，智驾提供商应该更多或者无条件承担责任。

供给端：供给端井喷，新车型崛起引领智能化浪潮

供给端呈现井喷态势，推动智能驾驶技术的迅猛发展。科技公司和车企的不断合作、数据和算法的不断进步使智能驾驶系统在成本和效率上取得显著突破，从基础 L2 功能到高速 NOA，再到通勤 NOA 和城区 NOA 逐渐落地，供给端呈现出不断升级的趋势。

新势力车企蔚来、小鹏、理想等集中涌现。这些车企以软件科技创新为核心，在智能驾驶上侧重感知、定位、规划等核心算法研发，同时注重与用户的互动，通过用户数据和反馈不断优化智能驾驶能力。

传统车企也加大了研发投入，力求在智能化竞争中扮演重要角色。大型互联网企业如华为、百度等通过与传统车企的合作，共同研发智能驾驶算法，降低智能汽车制造门槛，推动整个汽车行业向智能化转型。在市场竞争激烈的情况下，传统车企、新势力和科技公司之间的深度协作将成为常态，为我国汽车产业带来新的优势和机遇。

国内科技企业布局智能驾驶

资料来源：东北证券

 

行业现状：

行车：基础 L2 级渐成标配，NOA 高速端快速渗透，城市端加强投入，车路协同实现技术补足

（1）技术路线单车智能与“车路云”协同并行发展，我国持续推进智能网联汽车标准体系建设当前我国自动驾驶正处于 L2 级+向 L3 级过度的关键期，技术路线有单车智能与“车路云”协同并行发展，由于目前单车智能自动驾驶在安全性和处理突发事故等方面存在技术突破困难，因此我国主要是“车路云”一体化战略。特别是单车智能的发展进入瓶颈期之后，以车路协同为代表的基础设施建设，就成为从外部推动自动驾驶最终落地的一个重要助力。

（2）我国智能驾驶渗透率快速提速：2023 年，乘用车 L2 级（自动驾驶）渗透率达到 47.3%，2024 年 1 至 5 月突破 50%，部分功能接近 L3级智能驾驶水平。

我国 NOA（领航辅助驾驶）的发展始于 2019 年，特斯拉向中国用户推送了 NOA 功能，随后蔚小理等新势力也纷纷入局，推出高速 NOA 功能，目前高速 NOA 功能已进入 0-1 快速渗透阶段。国内城市NOA 技术（导航辅助驾驶）近年来蓬勃发展，成为智能驾驶领域的热点。根据盖世汽车研究院预测，预计到 2025 年，国内搭载城市 NOA 功能的车辆数量将超过 300 万辆。这一市场趋势被认为是智能驾驶技术发展的重要里程碑，提升了车辆的智能化水平，为车企提供了新的竞争优势和数据训练方式。国内城市 NOA 技术正处于快速发展阶段，多家车企积极投入，推动该技术的普及和应用。

L3 自动驾驶开始试点，L3 级自动驾驶技术迎来发展热潮。根据工业和信息化部于 2024 年 6 月 4 日发布的消息，比亚迪、广汽集团、蔚来、上汽、一汽等九家汽车生产企业获批进入智能网联汽车准入和上路通行试点，成为全国首批开展 L3 自动驾驶上路通行试点的车企。这些企业涵盖了乘用车、客车以及货车三大类，显示出试点的广泛性和多样性。此次试点的实施将分为五个阶段，包括试点申报、产品准入试点、上路通行试点、试点暂停与退出、评估调整。这意味着，尽管这些企业已经通过了初步遴选，但实际的自动驾驶功能是否能够量产和上路通行还需要经过进一步的测试和评估。九家企业的入围不仅展示了中国在智能驾驶领域的快速发展，也为未来自动驾驶技术的规模化应用奠定了基础。随着试点工作的推进，L3 级自动驾驶技术有望在未来几年内实现更广泛的应用和发展。

泊车：头部车企基本实现自动泊车、智能召唤和遥控泊车功能上车

智能泊车可划分为自动泊车、遥控泊车、记忆泊车和代客泊车，各功能渗透率稳步提升。按照实现难度和自动化水平，智能泊车功能可划分为自动泊车（APA）、遥控泊车（RPA）、记忆泊车（HPA）和代客泊车（AVP）。

泊车功能划分

资料来源：中金公司

“行泊一体”与“舱泊一体”为行业发展方向。高工智能汽车研究院预测，随着行泊一体逐步取代和升级传统的分布式行车+泊车系统配置，预计 2025 年泊车标配市场规模有机会冲刺 900 万辆。而在市场预期明确的背景下，供应商也在持续受益。尤其是城区 NOA 推进仍受制于诸多因素，泊车场景的相对受控，反而更易拓展。此外随着域控集成度的进一步提升，舱泊一体也成为行业的关注焦点。过去需要单独一套独立控制器的泊车功能，正在迎来集成红利窗口期，在一定程度上也降低了车企标配自动泊车的成本压力。尤其是在座舱高算力平台的加持下，功能集成从主驾驶员延伸至座舱内的全员（副驾和后排乘员），同时还能支持「舱泊一体」的跨域功能。

 

主要因素：

1、安全性：在低等级自动驾驶方面，车辆辅助驾驶系统的功能仍然存在特定场景下应对能力不足和失效的风险，以自动紧急刹车为例，在夜间、下雨天、打伞等特殊天气或高精度定位（如隧道、城市桥梁等）方面，也较容易出现系统失效的现象。并且，车辆对静止交通设施和静止交通参与者的准确识别和实时干预控制也存在一定困难。

2、运行设计范围（ODD）：自动驾驶 ODD 是指自动驾驶系统设计时确定的适用于其功能运行的外部环境条件，例如：道路条件（高速公路、无信号灯十字路口、山区道路等）、环境条件（天气和日照状况等）、其它（地图信息、收费站、水洼、低垂的植物、道路结冰、遗撒的物体、特种机械和违反交通规则的人类行为）。限制ODD 是保证车辆安全的重要手段，但不利于自动驾驶的连续运行，其本质原因是自动驾驶存在感知长尾、混行交通博弈、极端场景等一系列问题难以克服，无法在所有场景下保证成功应对。在日常的驾驶环境中，已能实现单车自动驾驶，但受车端传感器物理特性、车端算力等限制，车辆在恶劣天气、遗撒物体、鬼探头等长尾场景中的感知能力，仍然需要持续提升。在这些场景中，路端可以发挥其稳定性和全局性等优势，提供高性能交通信号数据、全量感知数据、为单车智能自动驾驶系统提供支持，减少因为感知不足带来的 ODD 限制。除感知外，单车智能自动驾驶车辆还需要面对混行交通博弈等挑战，从交通全局的角度看，依靠个体智能无法取得最优的效果，因此需要车与路的统一协调管理，才能更好地权衡自动驾驶车辆的安全与效率。

3、经济性：自动驾驶要实现规模商业化落地，形成一个健康的商业闭环，就必须降低成本。如今，激光雷达、芯片的价格正在不断降低，这是整个产业链共同努力的结果，特别是国产企业在这方面做出的积极贡献。为了进一步降低成本，还需要持续加强软硬件一体化自主研发，并在设计制造、生产管理和质量管控工艺上投入更多精力打磨优化，量产规模越大，规模效应就越明显，成本就压得更低。高阶自动驾驶要实现商业化落地，需找到安全性、ODD 限制和经济性的平衡点，从本质上提升自动驾驶的能力。在一定的自动驾驶能力条件下，安全、ODD 和经济性这三个方面存在矛盾关系。例如，为提高自动驾驶安全性，必须通过限制 ODD 并针对性调优逼近系统上限，才能实现小规模商业化落地；或使用较昂贵的设备来提升单车智能自动驾驶的安全性，但这样会损失自动驾驶的经济性。自动驾驶要实现规模商业化落地，需要进一步探索找到安全性、ODD 限制和经济性的平衡点，从本质上提升自动驾驶的能力水平。

产业链：

智能驾驶产业上游主要由传感器、芯片、算法、高精地图、智能驾驶解决方案等产业组成，其中随着国产芯片产业的崛起，涌现出了一批专注于智能驾驶解决方案的科创企业，例如德赛西威、智加科技等；中游分主要为主机厂，又为传统车企与新势力车企，主机厂通过自主研发或合作研发方式不断开发智能驾驶产品并制定研发计划；下游则为由智能驾驶技术升级和运营而衍生出的服务市场，主要企业有京东物流、高德打车、德邦快递等，无人配送车、无人网约车运营等将在运输环节为企业降本增效。

智能驾驶产业链

资料来源：华泰证券

1、传感器

智能驾驶技术依赖于多种传感器来实现车辆的安全和有效操作。传感器主要包括感知类传感器、定位类传感器，能够收集周围的信息，包括其他车辆的位置和速度、行人、道路标志、交通灯状态和道路边界等，这些信息经过处理后，为系统提供了准确的环境模型和动态变化的数据，使得车辆能够“看到”并“理解”其所处的环境。在自动驾驶系统中，传感器大致可以分为两类：感知类和定位类。感知类传感器的主要任务是收集车辆周围环境的信息，它们相当于车辆的“眼睛”和“耳朵”，帮助车辆“看到”和“听到”周围的世界，包括摄像头、超声波雷达、毫米波雷达、激光雷达（LiDAR）等。目前主流的感知方式包含激光雷达和摄像头两种。

定位类传感器是一类用于测量和确定物体位置、方向或运动状态的传感器。这些传感器通常能够提供有关物体在三维空间中的坐标、方位、速度和加速度等信息，包括 GPS、IMU 等。

（1）感知类传感器

传感器是自动驾驶感知层的核心硬件，主要利用车载摄像头、激光雷达、超声波雷达、毫米波雷达等对车辆周边的环境进行实时感知。各自有独特的工作原理和作用，通过它们的数据融合，可以显著提高环境感知的准确性和可靠性。

1）摄像头：摄像头在环境感知中的作用是提供视觉信息，如识别交通标志、信号灯、行道线等。通过图像处理和计算机视觉技术，可以实现对环境中物体的分类和识别。摄像头通过捕捉光线形成图像，这些图像能够提供丰富的颜色和纹理信息，帮助系统理解环境特征。根据摄像头安装位置及其视野不同，一般分为前视、后视、环视、侧视以及内视摄像头。

2）激光雷达：激光雷达（LiDAR）主要用于提供高精度的距离测量和三维空间信息，能够精确识别和定位道路上的车辆、行人、障碍物等，特别是在复杂的交通环境中。激光雷达通过发射激光束并测量其返回的反射信号来获取物体的距离和位置，然后将这些数据转换为离散的三维坐标点，形成点云数据。点云数据通常以直角坐标系表示，每个点都对应着空间中的一个位置，并包含有关该位置的附加信息，如反射强度、法向量等。通过对点云数据进行处理和分析，可以实现对周围环境的感知和理解，包括识别障碍物、建筑物、道路标记等目标，从而支持自动驾驶、机器人导航、地图构建等应用。这些点云数据合在一起可以构建出环境的三维模型。

激光雷达具有分辨率高、精度高、三维感知、数据密度高、不受光照影响的优势，适用于处理近处高精度的建模，劣势在于其成本高昂、有盲区、物体识别能力较差。由于激光波长比毫米波短 3 个数量级，因此分辨率精度比毫米波强很多，可以清楚地识别周围的车辆、行人与障碍物。

激光雷达可以提供非常精确的距离测量，通常能够达到亚厘米级别的精度，并提供精确的三维环境地图，包括障碍物的高度、形状和位置等信息。与摄像头不同，激光雷达不受光照条件的影响，因为它是通过测量激光的反射来工作的。这使得它在夜间或恶劣天气条件下也能够正常工作。激光雷达能够以高频率采集数据，产生高密度的点云，从而提供更加详细和准确的环境信息。

激光雷达会因为发射角度和方向存在一定的视野盲区，因此通常需要和其他传感器配合使用。激光雷达的工作原理导致其在某些情况下会有盲区，比如在高速移动时可能会因为激光束的角度限制而无法完整地探测到障碍物。激光雷达主要提供距离信息，对于物体的识别能力相对有限，通常需要与其他传感器如摄像头配合使用才能实现更准确的目标识别和分类。

3）超声波雷达：超声波雷达主要用于近距离物体检测和测距，主要用于停车辅助、低速碰撞避免等场景。它对于小物体和近距离障碍物特别有效。超声波雷达通过超声波发射装置向外发出超声波，并通过接收器接收到发送过来超声波时的时间差来测算距离。目前，常用探头的工作频率有 40kHz,48kHz 和 58kHz 三种。一般来说，频率越高，灵敏度越高，但水平与垂直方向的探测角度就越小，故一般采用 40kHz 的探头。超声波雷达防水、防尘即使有少量的泥沙遮挡也不影响。探测范围在 0.1-3 米之间，而且精度较高，因此非常适合应用于泊车。

常见的超声波雷达有两种，UPA 和 APA。UPA 通常安装在汽车前后保险杠上作为倒车雷达，其探测距离一般在 15~250cm 之间，主要用于测量汽车前后方的障碍物。APA 通常安装在汽车侧面，用于测量侧方障碍物距离，探测距离一般在 30~500cm 之间。APA 的探测范围更远，因此相比于 UPA 成本更高，功率也更大。

4）毫米波雷达：毫米波雷达主要用于测量物体的距离和相对速度，主要用于自适应巡航控制（ACC）和碰撞预警系统。毫米波雷达是一种利用毫米波进行探测的雷达系统，其工作原理主要基于雷达的发射、接收和信号处理过程。毫米波雷达系统首先通过天线发射一束毫米波信号。这些毫米波信号具有很高的频率，通常在30GHz 到 300GHz 之间，波长很短，约为 1 毫米到 10 毫米。

发射的毫米波信号在空间中传播，遇到目标物体时会一部分被反射回来，在这个过程中，出现多普勒效应，即当物体与车载传感器相对运动的时，反射波的频率会发生变化。当物体靠近车辆的时候，频率会增高；物体远离车辆的时候，频率会降低。通过测量反射波的频率差，可以得到目标物的速度。因此，接收天线接收被目标反射回来的毫米波信号，包括了目标物体的距离、速度、角度等信息。接收到的毫米波信号经过信号处理单元进行处理。这个处理过程包括了对信号的放大、滤波、时域分析和频域分析等步骤。通过对接收到的信号进行处理，可以提取出目标物体的距离、速度和方向等信息。总的来说，毫米波雷达通过发射和接收毫米波信号，并对接收到的信号进行处理和分析，可以实现对目标物体的距离、速度和方向等信息的检测和识别。这种工作原理使得毫米波雷达在自动驾驶、车辆防撞、安全监测等领域有着广泛的应用。

毫米波雷达具有全天候性、长距离探测能力、高精度和穿透性强等优势，尤其在自动驾驶、车辆防撞等领域有着广泛的应用。毫米波雷达作为主动感知设备不受光照条件的限制，可以在白天、黑夜以及恶劣天气条件下（如雨雪、雾霾等）正常工作，因此具有全天候性，相比于红外传感器和超声波传感器，毫米波雷达具有更远的探测距离，通常可以探测数百米甚至几公里之外的目标，这对于远距离目标探测和追踪具有明显优势。毫米波雷达具有较高的测量精度，能够提供较准确的目标位置和速度信息，尤其在对小目标的探测方面表现优异。与光学传感器（如摄像头）相比，毫米波雷达不受光照强度、方向和波长等因素的影响，因此在复杂光照条件下具有稳定的性能。毫米波信号在大气和某些物质（如雨雪、雾霾等）中的穿透性较好，因此毫米波雷达可以检测被遮挡的目标，对于目标检测和定位具有一定的优势。

（2）定位类传感器：定位类传感器是一类用于测量和确定物体位置、方向或运动状态的传感器。这些传感器通常能够提供有关物体在三维空间中的坐标、方位、速度和加速度等信息。自动驾驶要实现高精度定位，需要通过GNSS 提供绝对位置，IMU 提供相对位置，而高精地图可以用于环境感知，能够与激光雷达、摄像头等感知设备输出结果形成冗余，提高识别的准确度。

（3）传感器搭载方案：在自动驾驶技术路径主要分为“纯视觉方案”和“融合感知方案”，主要围绕自动驾驶车辆如何感知环境这一核心问题展开。这两个派别分别强调了摄像头（视觉系统）和雷达技术（主要是激光雷达，也包括毫米波雷达）在自动驾驶车辆的感知系统中的作用和重要性。

以特斯拉为代表的视觉派不搭载激光雷达，认为摄像头捕捉的图像和视频能够提供与人类视觉类似的丰富环境信息，包括颜色、纹理、形状等，这对于理解复杂的交通场景至关重要。通过高级的图像处理和计算机视觉技术，车辆可以识别交通标志、信号灯、行人、其他车辆以及各种道路条件。纯视觉方案的支持者认为，随着深度学习和人工智能技术的进步，摄像头系统足以提供必要的信息来实现高级别的自动驾驶功能，而且成本相对较低，有利于大规模商业化。

2、算力端

（1）SoC 芯片：高阶智驾诞生系统级 SoC 芯片，取代分散化 MCU 芯片。SoC 芯片相较于只集成一个 CPU 处理器单元的 MCU 芯片，它创新性地集成了 CPU、GPU、DSP、NPU 等多个处理器，以及 ASIC、存储、接口单元等组件，大幅提升了计算能力以及数据处理和传输的效率。自动驾驶 SoC 芯片通常被集成到一个摄像头模块或一个自动驾驶域控制器中，用于决策层，负责来自感知层传感器的数据处理及融合，然后代替驾驶员做出驾驶决策。

（2）智驾域控：智驾域控渗透率快速提升，25-35 万是智驾域控主要增量市场。随着智能驾驶技术的加速落地，智驾域控在汽车行业应用越来越广泛。2024 年一季度，国内乘用车前装市场累计标配智驾域控 49.2 万套，同比增长 59.11%，渗透率同比提升 1.6pct 至 10.3%。分价格区间来看，2024 年 1-2 月 25-35 万价格区间是智驾域控的主要增量市场，但随着智能驾驶价格持续下探，25 万以下车型搭载智驾域控的渗透率有望快速提升。

3、执行层：智驾加速落地推动线控底盘快速增长。受益于智能驾驶水平的提升，当下时间点线控底盘处于技术升级和渗透率提升的快速成长阶段。2023 年，中国乘用车市场智能底盘规模达 391.9 亿元，预计 2024 年智能底盘市场规模同比增长 36%达 533 亿元。预计在 2027 年将突破千亿元，2030 年超过 1800 亿元。线控底盘中主要包括底盘域控制器、线控制动、线控转向、线控油门和空气悬架等组件。从渗透率和技术成熟度两个维度来看，线控油门和线控换挡相对成熟，空气悬架技术相对成熟但渗透率较低，线控制动、线控转向技术成熟度和渗透率处于相对较低水平。从空间来看，主动悬架市场空间最大，预计 2030 年市场规模大 823.5 亿元，占智能底盘的 45.7%，2024-2030 年均复合增速为 28.3%。

4、车载软件：中国智能汽车基础软件市场存在巨大潜在经济效益。未来随着汽车制造业规模化应用的普及率提升，基础软件单车成本有望下降，叠加功能复杂度的增加，基础软件单车使用频率或有所提升，未来随着整车销量上涨，预计 2025 年汽车基础软件市场规模将达到 142.5 亿元。

据华经产业研究院的数据，汽车电子软件行业市场的主要竞争者为 Elektrobit、东软集团、中科创达、诚迈科技、四维图新等公司。多数公司绑定大型经销商进行汽车电子软件销售，业务涉及基础软件、自动驾驶、车联网等业务。由于行业涉及领域较广，增量空间较大，未来汽车电子软件行业的销售的软件公司业绩有望迎来高速增长。

汽车软件方面，随着车路云一体化的推进以及自动驾驶技术的提升，汽车软件使用量有望增加，叠加整车销量提升，将带动相关软件公司营收较快增长。相关公司包括中科创达等。

5、车载通信模组：汽车网联化是汽车智能化的基础。根据发改委、工信部、交通部等 11 部委联合印发的《智能汽车创新发展战略》，到 2025 年车用无线通信网络（LTE-V2X 等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）在部分城市、高速公路逐步开展应用。借助 4G/5G 和 C-V2X 通信技术，将“人-车-路-云”交通要素有机地联系在一起，有效满足车路协同自动驾驶需求。同时 T-Box（Telematics Box）可以读取汽车 Can 总线数据，并借助 4G/5G 网络，将数据传到云服务器，随着汽车智能化趋势不断加速以及5G 网络的加持，传统的 T-Box 产品形态向智能化产品方向发展也将成为大势所趋。

通信模组厂商加快产品迭代，助力智能车网时代到来。在 5G+C-V2X 解决方案中，广和通 AN768 系列 5G 模组可快速与 TBOX、ADAS、OBU、RSU、TCAM 等车载 ECU 产品进行适配，其已在国内新能源品牌正式量产交付；美格智能计划推出下一代 5G C-V2X 车规级系列模组产品及解决方案，采用创新型 SoC 架构芯片，模组集成 CPU 芯片，有效支持 5G+C-V2X 功能；2023 年移远通信 G55xQ、AG57xQ、AG56xN 系列等车载 5G 模组迎来放量增长，其车载 5G 模组已被全球 20 多家主流车厂选用，在多个项目实现落地；高新兴 GM860A-C1AX 模组和 GM860A-C1AG 模组能支持 C-V2XPC5，实现低时延信息传输，GT568、GT569 产品是高新兴物联设计的 TBOX，外挂 8G EMMC 用于大数据上传需求，便于优化各个控制器的逻辑和方案，提升整车各方面的表现。

商业模式：

智驾软件收费模式多样化、收费标准差异化。梳理当前主流品牌的智驾收费模式，车型售价中一般只包含基础智驾功能，如 AEB、ESA 等主动安全功能及 APA、RPA 等泊车功能，高速/城市 NOA 功能大多需要额外购买获得，具体来看可拆分为以下几类模式：

1）硬件标配，软件选配：激光雷达等感知硬件全系标配，硬件已充分定价，软件包付费获得。蔚来、阿维塔、问界 M9 采用该形式。

2）硬件选配，软件捆绑销售：新车型通常分为配置激光雷达和未配置激光雷达版本，高配版本则自带软件包（相当于捆绑销售）。小鹏、理想、腾势等车企均采用该形式，其中 Max 与 Pro 版车型差价（硬件价格）为 2-3 万元。

3）软硬件皆标配：采用车企包括零跑、上通五菱等，车企自研或采用纯视觉算法降低成本，软硬件均为标配。

 

针对软件付费，各车企又可分为买断式与订阅式：

1）买断式：用户一次性付清软件包费用，后续 OTA 功能升级一般免费。华为、智己、飞凡、极氪等均采用该形式，未实施权益前买断价格均超 3 万元（约为订阅 5 年价格），权益优惠后价格降至几千元水平。

2）订阅式：用户可选择按月或年进行订阅。蔚来高阶 NOP+订阅价格为 380 元/月；华为智选合作车型亦提供该选择，ADS2.0 订阅价格为 720 元/月。智能驾驶付费从培育期向发展期过渡，降低门槛以获取消费者。2021 年小鹏开启软件付费探索之路，一年后小鹏宣布取消辅助驾驶系统最高达 3.6 万元的额外收费，转为软硬件一体销售的商业模式。同时，诸多车企开展大额限时优惠或购车赠送软件包等方式以获取消费者。车企希望通过降低购买成本以培养消费者习惯，同时强化智驾能力领先的标签、加强消费者认知，并提升在跑车辆规模以获取训练数据、摊薄成本。而消费者付费意愿较低的原因在于智驾适用场景有限、功能体验欠佳、市场教育不足，且软件定价相对较高。2023 年下半年以来，用户硬件付费意愿有所提升，在小鹏 G6、问界 M7 等订单中有所体现，智驾版车型占比普遍提升至 50%以上，但软件付费率仍处于较低水平。

 

德赛西威：

德赛西威成立于 1986 年，为本土老牌汽车电子供应商。公司领跑了汽车智能硬件浪潮：2016 年，公司便成为理想汽车第一个正式对外宣布战略合作的供应商，合作打造了基于高通 820A 的座舱域控制器以及四联屏的方案；2018 年，德赛西威与英伟达就 Xavier 芯片达成合作，成为英伟达全球 5 家、国内唯一的代理商。公司进入小鹏、理想供应链，凭借与新势力厂商的长期关系，以及与智驾芯片龙头英伟达的深度合作，公司形成以智能座舱、自动驾驶为核心应用场景的产品矩阵，并迅速占据国内智驾、座舱两大域控产品市场的龙头地位。2022 年，公司在国内智能座舱、自动驾驶域控制器市场中分别占据19.15%、12.44%的份额，为国内最大的第三方域控制器供应商。 第三代智能座舱推动业绩增长，自动驾驶与网联服务实现新突破。2023 年营收分业务看，1）智能座舱业务继续保持快速增长，实现营业收入 158.02 亿元，同比增长 34.42%，公司紧贴市场需求，推出更多差异化智能座舱方案，第三代高性能智能座舱产成为增长的主要动力，第四代座舱产品已获得新项目定点，并已陆续量产供货。2）自动驾驶业务继续保持高速成长，实现营业收入 44.85 亿元，同比增长74.43%，新项目订单年化销售额突破 80 亿元，自动驾驶域控制器产品已连续多年保持行业领先，产品矩阵更加均衡完善，全面适配各种差异化市场需求。3）网联服务及其他实现营业收入 16.21 亿元，同比增长 167.39%。突破理想汽车等白点客户，并继续获得上汽通用五菱等客户的新项目订单，产品涵盖智能网联生态系统、基础软件平台、网络安全、OTA 等，与智能座舱和自动驾驶深度融合，持续提升用户体验。

 

经纬恒润：

经纬恒润成立于 2003 年，是一家覆盖电子产品、研发服务及解决方案和高级别自动驾驶整体解决方案三大业务的汽车 Tier1 厂商，形成“三位一体”业务布局，在核心技术、应用场景、行业客户群等方面相互支持、协同发展。公司在技术覆盖和战略布局上较为全面，具有覆盖硬件（硬件与机械结构）、底层软件（AutosarCP）、操作系统与中间件（QNX 与 AutosarAP）、核心算法等方面的全栈式解决能力，和包含自动驾驶域、车身和舒适域、动力域、底盘域、智能网联等汽车领域在内的全面业务布局，能够在行业竞争中占据更大优势，为客户提供更优质的服务。 公司推出四种行泊一体域控方案，最高可实现城市 NOA 功能。公司推出了一系列低成本、中低算力的行泊车一体解决方案，根据公司 23 年新品发布会，公司行泊一体域控包括 TDA4VM*2、TDA4VH、EyeQ6L+TDA4VM、EyeQ6H/EyeQ6H*2（Mobileye Supervision）四种芯片方案，最高支持 11V5R(2*前视，4*侧视，4*鱼眼，1*后视，5*毫米波雷达)，可选支持 Lidar/4D Radar，同时支持高精地图和惯导系统，目前已获多家客户定点。此外，公司还布局国产高算力芯片智驾域控产品，计划与辉羲智能共同打造国产高性能 SoC 自动驾驶量产解决方案。

 

 

免责声明：本文章不涉及投资建议，仅供分享观点所用。

参考资料：

中金公司：软件及服务行业探微智驾（一）：拆解智能驾驶技术栈

信达证券：汽车行业 2024 年度策略报告：拥抱行业变革，布局成长赛道

开源证券：汽车行业深度报告：智能汽车系列（十四）~需求为基，自动驾驶踏浪而行