1.1 智能驾驶的定义分级与功能
智能驾驶是指利用计算机系统实现车辆的部分或完全自动化驾驶的技术。国际 自动机工程师学会（SAE）将智能驾驶分为 5 级。其中，L1-L2 级别系统可接 管少部分的、不连续的车辆控制任务，属于高级辅助驾驶（Advanced Driving Assistance System，简称“ADAS”） 范围。而 L3-L5 级别系统是指可以在 激活后的一定情况下执行连续性驾驶任务，属于自动驾驶（Autonomous Driving，简称“AD”）范围。
从各级别智能驾驶对应的具体功能来看， L0 级别以预警功能为主。L1-L2 级 别主要聚焦辅助驾驶功能，作为转向自动驾驶的过渡产品，以主动安全功能为 主，需要驾驶员随时准备接管。L4 级别除 AVP（自助代客泊车）外暂无更多明 确的单一产品形态。 智能驾驶技术可分为三个核心流程：环境感知、决策规划、执行控制。 1）环境感知：通过各种传感器如摄像头、毫米波雷达、超声波雷达、激光雷达 等获取车辆周边信息，并通过数据处理、数据融合技术，为车辆的驾驶控制行 为提供决策的依据。 2）决策规划：依据获取的信息预测道路状况、进行决策判断，决定相应的轨迹 规划。决策算法优化所需要的大量有效数据，需要覆盖各种罕见的场景。 3）控制执行：与决策层相连接，各个执行系统根据决策层规划的轨迹进行行驶， 在过程中实现变速、转向、变道、超车等操作。
1.2 汽车智能化趋势推动 EEA 由分布式向集中式转型
汽车智能化主要包括了智能座舱、智能驾驶两个领域，智能座舱主要在交互环 节实现对双手的解放，而智能驾驶实现的是对注意力的解放。 汽车的电子电气架构（Electrical/Electronic Architecture，简称 EEA）是将汽 车的所有电子和电气部件设计为一体的整车电子电气解决方案，集合了汽车的 电子电器系统、ECU、各类传感器、线束、连接器的设计、电子电气分配系统 等。
1.2.1 传统分布式 EEA 无法满足汽车智能化需求
ECU 是传统分布式 EEA 中的关键控制器件，通常负责控制单一/少量功能单元。 ECU 一般由微控制器（Microcontroller Unit，MCU）、电源芯片、通信芯片、 输入处理电路、输出处理电路等构成。而各个 ECU 又通过 CAN（Controller Area Network，控制器域网络）或 LIN（Local Interconnect Network，局部 互联网络）总线连接在一起，通过工程师预设好的通信协议交换信息。以智能 驾驶为例，AEB（自动紧急制动）、ACC（自适应巡航）的算法整合在雷达中， LKA（车道保持辅助系统）整合在摄像头中。伴随整车电子电气功能的不断升 级，ECU 的数量不断增加，一些高端车型的 ECU 数量已超过 100 个，比如奥 迪 A8 装配的 ECU 数量在 2010 年就已经超过 100 个。
伴随汽车智能化、网联化趋势，除了 ECU 数量过度增长外，分布式 EEA 还面 临以下劣势： 1）线束增多，增加车重且提高了单车成本。由于 ECU 之间是通过 CAN 和 LIN 总线连接，随着 ECU 数量的增加，总线线束的长度和重量也会相应增加。 2007 年上市的奥迪 Q7 和保时捷卡宴的总线长度已经突破 6km，总重量超过 70kg，基本是位列发动机之后的全车第二重部件； 2）信息的融合度不够。在分布式架构中，不同控制器之间无法共享计算结果， 而在 L3+级别的智能驾驶中，由于驾驶员的参与度越来越低，要求决策层能够 整合多种传感器的信息，计算汽车周围环境的完整模型； 3）不利于应对 OTA 升级需求。在汽车智能化时代，汽车需要持续进行 OTA （Over-the-Air，即空中下载技术，指通过网络自动下载升级包、自动升级）， 而不是以汽车售出为终点。在分布式架构之下，由于 ECU 分散且数量众多，且 车内 ECU 来自不同的供应商，开发人员难以实现统一化编程和软件升级，因此 未来将难以做到众多 ECU 之间的快速协同升级； 4）不同控制器之间无法进行算力资源的有效调配，算力利用效率较低。由于 各类 ECU 芯片仅在运行期间执行工作，而闲置状态下的算力不能得到充分利用， 往往会造成算力浪费的情况。
1.2.2 集中式 EEA 成为汽车智能化升级的更优选择
集中式 EEA 将分散的 ECU 集成为运算能力更强的域控制器（DCU），域内大 部分功能将由域控制器控制实现。以 2018 年推出的奥迪 A8 为例，将所有的 驾驶辅助 ADAS 系统中相互分离的 ECU，如自动泊车、车道保持、自适应巡 航功能等均融合进入自动驾驶域控制器 zFAS，由四块芯片构成，分别是 Mobileye 的 EyeQ3（外界图像感知）、英特尔的 Cyclone V（传感器数据融 合）、英飞凌的 Aurix TC297T（主控通信处理）、英伟达的 Tegra K1（全景 图像融合），四块芯片各有侧重，由德尔福提供硬件集成，TTTech 提供软件 开发。zFAS 实现自动驾驶域集成，其余底盘+安全、动力、车身、娱乐四大域 仍然采用分布式架构。
2016 年博世推出了域控制器（Domain Control Unit，简称 DCU）和集中式 EEA。博世将汽车电子电气架构的演进分为分布式架构、（跨）域集中电子电 气架构、车辆集中电子电气架构三大阶段。具体又可分为六个阶段：模块化 （每个功能由一个独立的 ECU 实现）、集成化（ECU 可以集成多个功能、 ECU 数量减少）、集中化（把能够集成的功能进一步集中至域控制器）、域融 合（跨域控制器同时控制多个域）、车辆融合（汽车搭载的中央计算器控制全 车）、车辆云计算（将汽车的部分功能转移至云实现）。
与分布式架构相比，集中式架构具有计算集中化、软硬件解耦、平台标准化、 功能定制化的特点。1）算力趋向于集中，众多的 ECU 集中到几个强大的算力 平台，为软件运行提供了算力基础；2）打通底层软件和代码，打破信息孤岛， 建立以操作系统为核心的软件生态，持续迭代软件，为 OTA 发展提速；3）域 控制器和时间敏感以太网的组合可以实现数据的高速处理和传输，为软件应用 的发展创造了条件；4）集中 ECU 并减少线束，为汽车节能减重，分布式 EEA 汽车线束可达 5km，而使用集中式 EEA 的特斯拉 Model 3 只有 1.5km 的线束。 目前的域集中式架构分为两种： 一种是以博世、大众等为代表的以功能为导向的功能域。博世根据汽车的电子 部件功能，将整车分为动力域（安全）、底盘域（车辆运动）、车身域（车身 电子）、自动驾驶域（辅助驾驶）和智能座舱域（信息娱乐），每个区域采用 相应的域控制器，并通过 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，这是最经典的五域集中式 EEA。在五域集中式 EEA 的基础上，对主处理器需求比较类似的多个不同功能域可以进一步融合成 一个功能域。有的厂家将原本的动力域、底盘域和车身域融合为整车控制域， 从而形成了三域集中式 EEA，如大众的 MEB 平台由 3 个车辆应用服务器（In-Car Application Server，简称 ICAS）组成，包括车辆控制服务器 ICAS1、智 能驾驶服务器 ICAS2 和信息娱乐服务器 ICAS3。
另一种是以特斯拉、安波福等为代表的以车辆特定物理区域为边界进行划分的 空间域。空间域按照车辆特定物理区域为边界进行划分，比如将整车分为车辆 前区域控制器、左区域控制器、右区域控制器等。相较于功能域，空间域架构 的集中程度更高，对厂商的自身开发能力也有更高的要求。 特斯拉是空间域的典型代表，2017 年其推出的 Model 3 采用的 EE 架构只有四 部分，包括 CCM（中央计算模块）、BCM FH（前车身控制模块）、BCM LH （左车身控制模块）、BCM RH（右车身控制模块），这标志着其进入中央架 构阶段。CCM 整合了驾驶辅助系统（ADAS）、信息娱乐系统（IVI）两大域， 以及外部连接和车内通信系统域功能；左车身控制模块和右车身控制模块分别 负责剩下的车身与便利系统、底盘与安全系统和部分动力系统的功能。 传统车企向集中式 EEA 转型节奏偏慢。目前来看，大部分新势力造车已经将集 中式架构作为电动汽车的同步开发配置；传统燃油车也在逐渐向集中式架构转 型，速度较慢。目前大部分传统燃油车车型依然采用 ECU 架构，发展成熟的燃 油车集中式架构主要是由大的 OEM 开发完成。而在集中式架构中，目前仍然 以功能域为主。
1.3 域集中式 EEA 下，SoC 成为智能驾驶核心部件
智能驾驶的系统集成芯片（System on a Chip，简称“SoC”）是一个将实现 智驾功能的电子系统集成到单一芯片的集成电路，负责处理智能驾驶系统中的 复杂计算任务，如传感器数据融合、环境感知、决策规划、车辆控制等，同时确保数据的安全性和处理的实时性。智驾 SoC 以其高算力、高异构性和高集成 度，支撑多任务并发及海量数据的处理和各种场景的硬件加速需求，在智能驾 驶硬件系统中扮演了“智驾大脑”的重要角色。
智驾 SoC 由处理器、存储器以及外设 I/O 三大功能模块组成。处理器模块集成 了通用逻辑运算单元（CPU）、AI 加速单元（NPU/BPU/TPU 等）、微控制器 单元（MCU）以及图像视频处理单元（DSP/ISP 等），负责执行复杂的逻辑运 算、AI 算法处理、实时控制以及图像视频数据处理任务；存储器模块则包含多 种类型的内存和闪存，用于实现大数据量的存储和高速数据访问；外设 I/O 模 块的丰富接口确保了车载 SoC 芯片与外部设备之间的高效数据传输和互联互通。
“CPU+XPU”是当前自动驾驶 SoC 芯片设计的主流趋势。“XPU”是指 GPU、 TPU 以及一切为 AI 工作负载而设计的算力芯片的统称，其通常支撑 AI 训练、 推理中最繁重的工作任务，主要包括 GPU、FPGA、ASIC 等。GPU 适用于单指 令、多数据处理，采用数量众多的计算单元和超长的流水线，主要处理图像领 域的运算加速；FPGA 适用于多指令、单数据流分析，最大特点是可以配置它 的可编程架构来实现研发人员需要的数字功能组合，常用于预测阶段，如云端； ASIC 则属于定制化芯片，在批量生产时具有体积小、功耗低、可靠性高、成本 低等优点。目前主流技术路线分为三种：CPU+GPU+ASIC、CPU+ASIC 以及 CPU+FPGA。
1.4 智能驾驶 SoC 具体搭载场景：前视一体机/域控制器
智能驾驶 SoC 嵌入前视一体机或域控制器。基础的 L2 级别功能一般由搭载低 算力 SoC 的前视一体机实现。若车辆需要实现 L2+及以上自动驾驶功能，需要 搭载中高算力 SoC 的域控制器。 前视一体机是一种提供视觉感知和决策控制的智驾集成设备，用于实现 L2 及 以下的 ADAS 功能（如 ACC/AEB/LKA 等），一般搭载 10 TOPS 以下的低算力 SoC。前视一体机通过摄像头获取前方的图像，然后利用图像处理算法对图像 进行预处理（如去噪、增强等），后通过特征提取和识别算法，识别出道路标 志、交通信号、障碍物等重要信息，并对其进行定位和跟踪。获得环境信息后， 前视一体机结合车辆自身的状态信息（如速度、加速度等）以及其他传感器的 数据（如雷达、激光雷达等），计算出合适的驾驶策略（如加速、减速、转向 等），以实现驾驶辅助功能。
前视一体机由摄像头、SoC、 MCU、存储模块、供电模块及接口模块组成。 1）摄像头：主要由镜头、图像传感器和数字信号处理芯片组成，负责接受图像 并将其处理为数字信号； 2）SoC：核心运算组件，负责分析图像，提供前方路况的实时感知数据； 3）MCU：对 SoC 输出的感知数据做进一步的逻辑处理（决策规划、数据融合、 敏感信息脱敏等）； 4）存储模块：包括内存和闪存等存储介质，用于存储操作系统、应用程序、地 图数据、行驶记录等关键信息； 5）供电模块：为前视一体机的各个部件提供持续、稳定的电力供应； 6）接口模块：包括 CAN、Ethernet 等车载通信接口，实现前视一体机与其他 车辆系统（如发动机控制单元、刹车系统、转向系统等）以及外部传感器（如 雷达等）的数据交换。
由 于 前 视 一 体 机 难 以 满 足 智 能 驾 驶 多 传 感 器 融 合 的 计 算 需 求 ， 域 控 制 器 （Domain Controller）成为中高算力 SoC 的主流方案，旨在实现 L2+及以上 的智驾功能（如高速 NOA、城区 NOA 等）。域控制器是集中式 EEA 中实现智 能驾驶功能的核心计算和控制单元。相较于仅处理前方视觉信息的前视一体机， 域控制器不再与摄像头集成化，能够接收、处理和融合来自多种外置传感器的数据，且往往搭载算力更大的 SoC，内置复杂的深度学习 AI 算法以实现中高阶 智能驾驶操作。
域控制器结构相对复杂，主要包括 SoC、Safety MCU、存储芯片等。1）SoC： 主要用来进行摄像头图像处理、运行深度学习算法、输出识别结果、进行传感 器融合和轨迹预测等功能。2）Safety MCU：主要处理功能安全要求较高的数 据，进行逻辑运算，包括处理雷达等对外接口数据、车辆规控、通信等。3）存 储模块：对数据进行存储，包括 eMMC、Nor Flash、Memory 芯片等。4）其 他：电阻电容等无源器件、散热组件、密封性金属外壳、PCB 板、接口、网关、 电源管理芯片等。
2.1 国内智驾解决方案市场规模五年内有望破千亿，政策 助力 L3 级别智驾渗透率迎来拐点
智能汽车销量有望维持增长，智驾渗透率持续提升。根据地平线机器人招股书 引用的数据，2023 年全球/中国智能汽车销量 3,950 万/1,240 万辆。预计 2026 年/2030 年全球智能汽车销量达到 5,590 万/8,150 万辆；中国智能汽车销量将 分别达到 2,040 万/2,980 万辆。2023 年全球/中国市场智能驾驶（ADAS+AD） 渗透率分别达 65.6%/57.1%，预计到 2030 年，全球/中国市场智能驾驶 （ADAS+AD）渗透率分别达 96.7%/99.7%。
中国智驾解决方案有望成长为千亿级市场，高阶智驾将占据主要份额。根据地 平 线 机 器 人 招 股 书 引 用 灼 识 咨 询 的 数 据 ， 2023 年 全 球/ 中 国 智 能 驾 驶 （ADAS+AD）解决方案市场规模分别为 619 亿/245 亿元人民币，有望在 2030 年突破 10,000 亿 元 /4,000 亿元人民币， CAGR （ 2023-2030 ）分别为 49.2%/49.4%。预计到 2030 年，全球/中国市场高阶智驾（AD）均将占据主要 份额，占比分别为 98.1%/99.1%。
L3 及以上级别自动驾驶渗透率仍然较低。根据具体智驾功能来看，地平线机器 人招股说明书中 ADAS/AD 分别对应 L2/L2+级别自动驾驶。根据 Yole 对小型车 （lightvehicle）的统计，目前 L3 的渗透率仍然较低。我们认为除因技术并不 完全成熟外，主要是由于其人机切换机制不明确、以及法律责任认定的相关法 律尚未落地。根据 SAE 的定义，L3 是指由车辆完成绝大部分驾驶操作，人类 驾驶员需保持注意力以备不时之需，这意味着人类驾驶员和智能驾驶系统需要 频繁交接车辆的控制权，这进一步提高了相关技术实现的难度。另一方面则是 相关责任的认定并不完善，因为 L0-L2 仍然由人类驾驶员负责驾驶任务，因此 也自然由人类驾驶员承担交通事故的责任，L4 及以上则由车辆承担相关责任， 而 L3 对于车辆和人类驾驶员还没有清晰的责任划分，因此带来了相应的监管 困难。
2025 年国内智驾规范类政策陆续出台，为高阶智驾普及扫清法律障碍，L3 级 别智驾有望加速渗透。自 2020 年来起工信部、交通运输部等多个国家政府部 门发布了一系列智驾规范类政策，完善智驾监管模式与相关标准规定。根据工 信部发布的《中国智能网联汽车发展路线图 2.0》，预计到 2025 年，L2+和 L3 级自动驾驶功能的渗透率将达到 50%以上，2030 年进一步增至 70%以上。L3 规模化发展的主要限制因素是事故权责不清晰。武汉市和北京市落地的自动驾 驶相关条例，明确了发生事故时，车辆所有人在特定条件下可以追究软件开发 以及车辆制造方的相关责任。我们认为，随着更多城市出台 L3 相关法律法规， 明确权责划分，L3 级别智驾有望加速渗透。 全球多国出台政策推动汽车智能/自动驾驶发展。欧盟强制新汽车配备 AEB 系 统，发布《自动驾驶之路》、《车辆通用安全法规》；美国交通部发布《自动 驾驶汽车 4.0》、《综合计划》；日本启动 4 级自动驾驶研发项目，颁布《道 路交通法》修正案；韩国公布《未来汽车产业发展战略》及出行创新路线图。 根据地平线机器人招股说明书引用的预测数据，2030 年日本、韩国、欧洲 ADAS+AD 渗透率均超过 95%。
全球多国出台政策推动汽车智能/自动驾驶发展。欧盟强制新汽车配备 AEB 系 统，发布《自动驾驶之路》、《车辆通用安全法规》；美国交通部发布《自动 驾驶汽车 4.0》、《综合计划》；日本启动 4 级自动驾驶研发项目，颁布《道 路交通法》修正案；韩国公布《未来汽车产业发展战略》及出行创新路线图。 根据地平线机器人招股说明书引用的预测数据，2030 年日本、韩国、欧洲 ADAS+AD 渗透率均超过 95%。
2.2SoC 市场格局：高阶市场英伟达占据主要份额，中低 阶市场地平线份额有望持续扩大
高阶市场：英伟达市场份额领跑，地平线持续追赶。根据佐思汽车研究对 2024 年 1-8 月中国乘用车 L2+及以上芯片供应商市场份额的统计，英伟达、特斯拉、 华为、地平线、Mobileye 依次位列前五。英伟达位列第一，芯片装机量达 49.9 万颗，市占率为 31.3%。地平线装机量达 23.3 万颗，市占率 14.7%。 低阶市场：地平线份额稳居第一，份额增速较高。根据高工智能汽车对 2024 全年中国市场自主品牌乘用车前视一体机方案（对应 L2 级别芯片）供应商市 场份额的统计，地平线、Mobileye、瑞萨位列前三，市场份额分别为 43.58%、 25.23%、21.38%，合计份额超 90%。地平线市场份额增速较高，同比提升近 20 个百分点。在入门级 ADAS 领域，博世新一代全球一体机平台 MPC4 将采用 地平线征程 6B，有望持续推动地平线扩大市场份额。
2.3SoC 处于自动驾驶产业链上游，各层级供应商“跨界” 导致供应链层级模糊
自动驾驶产业链的上游是硬件和软件供应商，中游是解决方案提供商和整车厂 （OEM），下游是终端用户。根据 Frost&Sullivan 对自动驾驶产业链的划分， SoC 位于产业链上游。上游供应商根据提供的产品类型可以分为：摄像头供应 商、毫米波/激光/超声波雷达供应商、芯片（SoC）供应商、DCU/MCU 供应商、 软件和算法供应商等等；中游主要由自动驾驶解决方案提供商、Tier 1 供应商 和汽车制造商（OEM）组成；下游涉及包括私人汽车用户、共享出行公司、物 流公司终端产品用户。
目前 SoC 供应商主要采用无晶圆厂模式（Fabless 模式）。半导体企业的经营 模式一般可分为垂直整合模式（IDM 模式）、晶圆代工模式（Foundry 模式） 和无晶圆厂模式（Fabless 模式）。目前，SoC 供应商主要采用 Fabless 模式， 组建团队专注于芯片设计和研发，而将制造过程外包给专业的晶圆代工厂。英 伟达的 Orin-X 芯片和地平线的征程系列芯片均采用了无晶圆厂模式，将制造过 程外包给晶圆代工厂台积电。这种模式使得 SoC 供应商能够充分利用台积电等 代工厂的先进制造工艺和生产设施，确保芯片的质量，同时降低自身的制造成 本和风险。
智驾 SoC 的重要性持续提升，传统汽车产业链的边界逐渐模糊。传统汽车产业 链各环节分工明确。随着 SoC 逐渐成为智能驾驶域控制器的核心部件，在产业 链中的优先级提升。出于降本、提升沟通效率、更好的管控芯片等多重需求， 整车厂跨过“传统 Tier1”与芯片厂直接沟通。另一方面，部分 Tier2 供应商向 Tier1 靠拢，开始涉足系统方案的供应，Tier1 和 Tier2 之间的产业链边界也开 始模糊。如 Mobileye 曾定位 Tier2，售卖“EyeQ 芯片+感知算法”打包的黑盒方 案 ；后自研 4D 毫米波雷达和 FMCW 激光雷达 ，并推出 MobileyeSupervision 首发搭载于极氪 001，标志着 Mobileye 成为辅助驾驶 系统方案提供商，在产业链中开始扮演 Tier1 的角色。
2.3.1 产业链边界模糊现象之一：OEM 整车厂布局 SoC 方式多样， 自研与合作多种模式并行
产业链边界模糊现象之一：整车厂布局 SoC 方式多样，自研与合作多种模式并 行。目前主流车企纷纷布局车载 SoC 芯片赛道，布局方式大致可以分为以下四 种：自研、合资、战略投资和战略合作。 1） 自研模式：主机厂采取 Fabless 模式，自行组建团队做芯片设计研发。以 特斯拉为例，特斯拉 2016 年便开启智驾芯片自研，2019 年实现 FSD 芯片 量产应用；蔚来、小鹏、理想等也相继布局智驾芯片自研。 2） 合资模式：主机厂与芯片公司成立合资公司，进行优势互补。如：吉利汽 车 关 联 公 司 亿 咖 通 和 安 谋 科 技 联 合 成 立 芯 擎 科 技、北 汽 产 投 公 司 与 Imagination 合资成立北京核芯达科技有限公司、长安与地平线合资成立 长线智能。 3） 战略合作：主机厂通过与芯片厂商深度战略合作。主机厂提需求和架构， 芯片厂商完成设计和开发。如：零跑与大华联合开发智能驾驶芯片凌芯 01。 4） 战略投资：主机厂参股芯片公司，达成战略合作，形成更紧密的协作模式。 典型案例有上汽集团投资地平线、黑芝麻、芯驰等国内芯片公司；长城汽 车投资地平线。
智驾 SoC 作为车规级芯片，产业化周期长，供应体系阈值较高。和消费电子产 品不同，汽车作为交通工具，对于芯片具有更高要求。1）生命周期长：汽车设 计寿命普遍都在 15 年或 20 万公里左右，远大于消费电子产品寿命长度要求。 2）运行环境恶劣：发动机舱内温度区间为 -40°C~150°C、车辆行进时会遇到 较多振动与冲击、车内环境湿度大、粉尘大、侵蚀大，远超消费芯片所需。3） 安全性要求高：汽车芯片宕机可能引发严重安全事故。为满足安全性要求，采 用独立的安全岛设计，在关键模块、计算模块、总线、内存等都有 ECC、CRC 的数据校验，包括整个生产过程都采用车规级芯片的工艺，以确保车规级芯片 的功能安全。4）长效性：汽车开发周期较长，新车型从研发到上市验证需要至 少两年的时间，意味着汽车芯片设计必须具有 3 ~ 5 年的前瞻性。并且满足汽 车生命周期内的 OTA（远程升级）需求。综上原因，车规级芯片从设计、认证、 测试，到量产上车需要约 3-5 年的时间，芯片厂需要付出较大的技术成本，生 产成本和时间成本。
研 发 投 入 VS 出货规模— —车 企 自 研 智 驾 SoC 的盈亏平衡难题。根 据 Semiengingeering 统计：7nm 芯片的研发成本为 2.98 亿美元，5nm 芯片的 研发成本高达 5.4 亿美元。并且从流片到量产 3-5 年的时间内，可能会经过多 次迭代，将会进一步推高研发成本。我们认为，能够成功自研 SoC 并且为自身 带来商业效益的车企仍是少数，多数车企仍会对英伟达、地平线等第三方 SoC 厂商产生较强的需求。
2.3.2 产业链边界模糊现象之二：OEM、Tier 2 业务范围扩展至域 控制器
目前域控制器生产主要有三类玩家： 1）OEM 整车厂：比如特斯拉、蔚来。由于域控制器是集中式 EE 架构中的核 心部件，因此部分 OEM 厂商希望自研域控制器甚至主控芯片以掌握底层硬件 自主权。短期来看，能实现域控制器自研的整车厂仍在少数。 2）软件供应商：这类企业擅长于应用算法的开发和芯片的适配，他们基于软件 切入域控制器市场。比如，TTTech 与上汽集团旗下的核心汽车电子零部件企 业联创汽车电子合资成立了创时智驾，为上汽成员企业配套自动驾驶域控制器 产品，将基于英伟达 Orin 推出 iECU 3.0 域控制器，算力达 500 TOPS。 3）Tier 1：Tier 1 可以选择与整车厂合作，负责域控制器的中间层以及硬件生 产，而整车厂则负责自动驾驶软件部分；Tier 1 也可以选择和芯片厂商合作， 完成方案整合后研发域控制器，并向整车厂销售，相比上一种模式，这种模式 下域控制器的定制化程度更低。
3.1 城市 NOA 加速渗透，高阶智驾下探下沉市场
城市 NOA 功能实现难度较大，25-30 万价格的车辆渗透率最高。NOA（领航辅 助驾驶，Navigate on Autopilot）是一种结合了导航的辅助驾驶功能，能够使 汽车在特定道路上独立行驶，并完成变道、超车、转弯掉头等复杂操作。根据 应用场景，NOA 分为高速 NOA 和城市 NOA。城市道路复杂程度远超高速道路， 行人闯红灯、其他车辆的极限加塞、公交等大型车辆切入、电动车随意变道等， 都增加了道路交通的不确定性，因此城市 NOA 功能的实现，对于智能汽车的环 境感知能力和数据处理能力都提出了更高要求。根据佐思汽车研究的统计， 2024 年 1-10 月，城市 NOA 在 20-25 万、25-30 万、大于 50 万价格区间的车 辆渗透率出现较明显的增长，其中 25-30 万价格区间的车辆渗透率最高，达 47.9%。
城市 NOA 加速规模化上车，自主品牌渗透率高于外资品牌。根据高工智能汽 车研究院统计，2024 年中国市场（不含进出口）乘用车前装标配高速 NOA 交 付 197.47 万辆，同比增长 162.31%，其中同时标配城市 NOA 占比已经接近 40%。根据佐思汽研统计，截至 2024 年 10 月，自主品牌城市 NOA 渗透率达 9.1%，超过外资品牌的 7.0%。在自主品牌中，城市 NOA 普遍为车企自研，如 小鹏、华为系、理想、蔚来等，占据销量 TOP16 车型中的 15 款。除此之外， 2024 年第三方供应商高阶智驾方案交付达到 19.30 万辆，其中 Momenta 以 72.96%的绝对领先优势排名首位。
24 年城市 NOA 迈入 15-25 万元区间，25 年比亚迪推动“智驾平权”，有望推 动高阶智驾下沉至 10 万元级车型。在 15-20 万元区间，2024 年多款搭载城市 NOA 功能的车型如小鹏 Mona M03/ P7+、广汽埃安 V/RT 及深蓝 L07 等相继面 市，推动城市 NOA 在该价格区间渗透率提升。此外，比亚迪在 2025 年 2 月 10 日推出“全民智驾”战略，将高阶智驾下沉至 10 万元级车型，将搭载“天 神之眼 C”智驾系统，力争计划未来 2-3 年实现 60%以上车型搭载高速 NOA 及以上智驾技术，预计城市 NOA 功能在低于 15 万价格区间内渗透率将迅速提 升。
3.2 两个“端到端”：端到端新技术聚焦 VLA 与世界模 型，“车位到车位”智驾功能成为竞争焦点
3.2.1 第一个端到端：技术架构的端到端
端到端大模型是智驾实现过程中一种用于简化人工编写规则代码的深度学习模 型，可以直接处理来自摄像头、雷达等传感器的原始数据，并输出感知数据或 驾驶决策指令。根据在感知层/决策规划层的应用方式，端到端可以分为：感知 层端到端、两段式端到端、一段式端到端。三种方案对人工编写规则代码的依 赖程度依次降低。一段式需要大量数据支持，具备泛化性高、硬件成本小等优 势，是智能驾驶的终极实现方案。 2024 年端到端已实现量产上车，国内头部智驾主机厂以两段式为主。2024 年， 端到端大模型成功量产的自研车企有特斯拉、理想、小鹏、华为鸿蒙智行等， 第三方智驾供应商代表有 Momenta 和华为 Hi 模式。量产车型以两段式端到端 为主，提供一段式上车方案的仅有特斯拉、理想和 Momenta。预计一段式端 到端规模化落地时间将晚于模块化端到端 1-2 年时间。 世界模型是结合了生成式人工智能的一段式端到端方案，目前尚处预研阶段。 世界模型，也称生成式一体化端到端，采用生成式人工智能预测自车和周围环 境在过去场景中的时序演变方式，模拟真实世界的交通场景动态，以实现感知 决策一体化。目前华为、蔚来、理想、小鹏等车企均在世界模型有所布局。
多模态模型与端到端的融合成为新方向，代表性方案为理想的“端到端+VLM” 双系统和元戎启行的 VLA 架构。VLM（Vision Language Models，视觉语言模 型）是一种能够处理和理解图像和文本数据的多模态模型。VLA (Vision Language Action Model，视觉语言动作模型) 在 VLM 的基础上增加了动作控制能力，即从感知输入直接映射到机器人或自动驾驶系统的控制动作。2024 年 10 月，理想双系统 DriveVLM 全量推送，其中 VLM 部署一颗 Orin X 上，用来 指导另一颗 Orin X 上的端到端模型。2024 年 9 月，元戎启行基于 Thor 芯片研 发了 VLA 模型。2025 年 1 月 22 日，元戎启行宣布已与某头部车企达成 VLA 量产合作。我们预计 2025 年，基于“端到端+VLM”和“VLA“的技术路线有 望被更多方案商/车企采用。
3.2.2 第二个端到端：产品体验——“车位到车位”的端到端
智驾产品体验经过了从“开城”到“全国都能开”，最后到“车位到车位”， 实现了产品体验上的端到端，用户智能驾驶的可用范围和时段持续增长。“车 位到车位”是指车辆的自动行驶功能可以从起始停车位直接行驶到目标停车位， 而不需要驾驶员干预。系统利用安装在车辆上的传感器通信、决策及执行等装 置，贯通行泊场景，实现从起点车位到终点车位全过程、点到点的高阶智能行 驶，在行驶全过程中实现自动驶出车位、过闸机、路径规划障碍物避让、自动 泊车等多种复杂功能。智驾产品体验经过了从“开城”到“全国都能开”，最 后到“车位到车位”，实现了产品体验上的端到端，用户智能驾驶的可用范围 和时段持续增长。 2025 年“车位到车位”智驾功能将成为各车企竞争焦点，提升全场景连贯性要 求。2024 年底以来，华为、理想、小鹏、极氪、小米和长城等车厂相继内测并 推送了“车位到车位”智驾功能，包括自主泊车、园区通行、自动过闸机等， 标志着智能驾驶技术从“全国都能开”的广泛覆盖，向“从 A 点开到 B 点”的 精准使用价值转变，要求智驾系统在全场景下的连贯性与完整性。
4.1“智驾平权”的背景下，高算力、高性价比成为 OEM 的重要考量因素
自动驾驶对 SoC 算力的需求持续提升，“智驾平权”令 OEM 对 SoC 性价比提 出更高要求。从 L0 到 L3 及以上级别，芯片算力需求呈现出明显的递进关系。 L0-L2 级别智能驾驶通常采用 2.5 - 20 TOPS 小算力 SoC 芯片；L2+级别功能的 实现需 20 - 80 TOPS 中算力芯片，可实现高速 NOA、城市记忆 NOA 和记忆 泊车等功能，部分可提供城市 NOA 功能。L3 及以上级别自动驾驶通常需要 100+TOPS 算力的 SoC 芯片来支撑。在比亚迪“智驾平权”的推动下，2025 年中高阶智驾将下沉至 10 万元级别车型，OEM 对智驾 SoC 价格敏感度进一步 提升。
“端到端+VLM”、世界模型、VLA 等前沿大模型对硬件算力提出了极高要求， 推动算力竞争加剧。随着 L3 级及以上自动驾驶功能的逐步落地，端到端模型 的大规模上车，多模态数据的处理和决策难度提高，对芯片算力的需求显著提 升。高算力芯片领域，英伟达、地平线的产品已形成先发优势。英伟达 Orin 芯 片以及下一代 Thor 芯片算力处于市场领先地位。地平线的征程系列芯片最新 旗舰版征程 6P 芯片将算力提升到 560TOPS，为车企提供了更具性价比的解决 方案。黑芝麻、瑞萨等 SoC 供应商也陆续推出算力超过 200TOPS 的高算力芯 片。 中高阶智驾下沉，车企对于高性价比的中算力芯片需求增加。长安汽车发布 “北斗天枢 2.0”智能化战略将高阶智驾下探到 10 万元车型，后有比亚迪发布 “天神之眼”C 智驾系统，最低下沉至 7 万级车型，“全民智驾”时代拉开序 幕。比亚迪天神之眼 C 主要面向 20 万元以下价位车型，可支持自适应巡航、 智能跟车、车道保持、自动变道、避开/绕行部分障碍物等功能，依靠约 80- 100TOPS 的中等算力芯片即可实现。英伟达 Orin N、地平线 J6E/M 等中等算力芯片，一方面能保证下沉智驾方案的功能实现，另一方面以相较于旗舰级芯 片较低的价格，满足 OEM 控制成本的需求。
4.2SoC 厂商 Roadmap 连续性增强客户粘性
OEM 倾向选择具有连续产品线的芯片厂商以降低迁移成本。不同芯片平台会提 供不同的 BSP（BoardSupportPackage，板级支持包），BSP 跟中间件的适 配较困难，这导致如果更换芯片平台，会增加中间件的适配成本。同一 SoC 厂 商进行产品迭代时，由于提供的中间件、算法工具链等平台具有一致性，相较 于切换不同 SoC 供应商适配问题的解决成本更低。因此： 1）从 OEM 角度：OEM 在进行芯片选型的时候，会关注芯片公司整个产品的 迭代周期和产品的设计思路是否符合产品的应用趋势方向，以及是否匹配自身 的产品线需求，从而规避后期损失风险。以英伟达为例，拥有“Parker—— Xavier——Orin——Thor”多年连续迭代、算力持续领先的产品路线，叠加安 全操作系统 NVIDIADRIVEOS、中间件功能 NVIDIADriveWorks 等进一步解决， 被理想、小鹏、小米等新势力广泛部署于量产车型，在中高阶智驾 SoC 市场占 据主要份额。 2）从 SoC 厂商角度：连续的 Roadmap 能让公司通过产品迭代补齐短板。以 地平线为例，“征程 5”芯片的 AI 算力为 128TOPS，但 CPU 算力仅为 26K， 在运行时会面临性能不足、能耗增加等问题。在“征程 6”系列芯片中，征程 6E/M 的 CPU 算力为 100K/137K，相较于上一代有大幅改善。理想汽车副总裁 刘杰在个人微博透露，理想 AD Pro 将从地平线 J5 芯片升级到 J6M 芯片，同 时将会增加激光雷达，彰显理想对 SoC 供应商地平线的信心。
4.3 全产品矩阵覆盖客户多场景需求，降低 Tier 1 开发 难度
全产品矩阵覆盖多场景需求。芯片厂商基于平台化设计理念，打造同一基础框 架，高效衍生出适配不同应用场景的芯片产品，从而全方位满足市场的多样化 需求。以地平线最新一代征程 6 系列芯片为例，其通过“征程 6B/L/E/M/H/P” 的“全家桶”式平台化方案，实现从低-中-高阶的全场景覆盖。“全家桶”式 平台化方案的核心优势在于， 1）同代一致的硬件架构：芯片厂商无需针对不同车型单独开展芯片开发工作， 从而有效避免了重复研发带来的资源浪费。以传统芯片开发模式为例，为不同 车型定制芯片时，需针对每款车型独立进行电路设计、版图规划以及多轮严格 的测试验证等流程，这将耗费大量的人力、物力和时间成本，而平台化方案通 过一次研发、多次应用的模式，研发效率得以提高。 2）软件和工具栈的高效复用：统一的软件和工具链能够在同代产品间快速实现 迁移适配，无需重复开发。这一特性使得芯片厂商在软件层面的前期投入得以 持续积累和增值，大幅缩短了新产品的上市周期。对于 OEM 等下游客户而言， 统一的软件和工具栈显著降低其学习成本和系统升级难度。
Tier1 聚焦单一品牌产品深度优化，全产品矩阵有助于进一步扩大市场份额。 Tier1 通过聚焦开发单一芯片平台，显著降低开发成本与复杂度，高效适配多 主机厂需求。针对多个芯片厂商的产品，开发定制化方案意味着要应对不同芯 片的架构、不同主机厂的技术标准、接口规范以及性能要求，Tier1 研发团队 需同时维护多套不同的开发流程与技术文档，内部沟通成本高昂，开发周期冗 长。转向基于单一芯片平台的解决方案开发后，技术文档实现统一管理，研发 流程得以简化，开发周期缩短。 以博世为例，其 MPC 平台基于单一芯片架构，实现了 ADAS 功能的全栈覆盖， 通过模块化设计与标准化接口，灵活适配大众、丰田等不同车企的差异化需求。 2019 年 8 月，博世与瑞萨合作，将其 V3H 摄像头 SoC 芯片用于博世集成 AI 的 MPC3 单目摄像头。博世新一代多功能摄像头平台 MPC4 有望采用地平线的 征程 6BSoC。我们认为，凭借和博世的合作，地平线的“征程 6 系列”中高阶SoC 市场份额也有望进一步扩大。根据高工智能汽车数据，2024 年地平线在中 国前视一体机计算方案市场份额已达 44%，而瑞萨份额为 21%，预计 2026 年 地平线将凭借博世平台化优势，进一步扩大市场份额。
4.4 多方面生态能力，助力芯片性能锦上添花
我们认为，智驾 SoC 生态竞争力从基础软件生态、软硬协同的能力、方案商生 态三个维度展开： 1）开放式基础软件生态：基础软件生态决定 SoC 开发效率： SoC 芯片的基础 软件生态直接决定了芯片的“可用性”和商业化价值。具备成熟生态的厂商可 通过提供高度优化的 AI 开发套件（如面向自动驾驶场景定制的算子库、编译工 具链及虚拟仿真平台），显著缩短算法开发周期并降低客户边际开发成本。开 发友好性层面，标准化文档体系、开源代码支持及活跃的开发者社区是降低技 术迁移门槛的关键；长期稳定的软件框架与兼容性接口设计，则能确保客户既 有代码资产在芯片迭代中的延续价值。 软硬解耦趋势下，车企、Tier1 对于开放式平台需求提升。尽管黑盒模式降低 了车企跨入智能化的技术门槛，可以在早期帮助需要车企快速量产，但缺点是 不利于车企自主调整、升级算法，也无法自行实现后续软硬件协同开发， Mobileye 曾因“黑盒模式”遭遇了客户的流失。以地平线机器人为例：在迁移 灵活性较低、开发周期较长的模块，如传感器、芯片和中间件等，采用“软硬 结合”的模式，规避中间件面临的技术限制和底层传感器与芯片之间算法移植 的困难；在迁移灵活性较高、开发周期较短的模块，如中间件和应用软件，采 用“软硬解耦”的模式以适应“软件定义汽车”时代上层软件快速迭代的需求。
2）软硬适配的生态协同能力：在芯片设计、工艺的硬件层面的 AI 效能已被充 分发掘的前提下，需要从操作系统、编译器等软件层面挤出 AI 效能的增量空间。 地平线提出用“一秒处理帧图像”（FPS，Frames Per Second）来衡量神经 网络在芯片上的计算效率，提出“芯片的真实计算效能=理论峰值计算效能×有 效利用率×算法效率”。其中“有效利用率”指的是如何充分利用芯片算力。 充分利用芯片算力的关键是要进行“软硬协同优化”，让芯片架构与神经网络 或深度学习的算法进行高度匹配。
以搭载特斯拉自研芯片的 Hardware3.0 和搭载英伟达芯片的 Hardware2.5 为 例 ， 二 者 在 真 实 性 能 上 存 在 的 差 异 主 要 归 因于 软 硬 适 配 性 。 特斯拉在 Hardware3.0 中采用自研 AI 芯片 FSDChip 替代了英伟达的 DrivePX2。 Hardware3.0 的理论算力提升了 3 倍，若以 MAPS 方式评估，其真实 AI 性能 更是提升了 21 倍。具体数据显示，Hardware2.0 每秒仅能处理 110 帧图像， 而 Hardware3.0 则高达 2300 帧。芯片实际性能的大幅提升得益于其在软硬适配方面的深度优化，特斯拉从底层驱动到上层算法均自主掌控，避免了通用中 间层的冗余开销，还能通过动态调度策略按需分配算力，实现了软硬件的高度 适配。
3） 优质方案商生态——SoC 厂商的左膀右臂：方案商扮演"技术翻译器"的关 键角色，基于芯片厂商的 SoC 产品开发智驾解决方案，并帮助 OEM 量产落地。 以英伟达与 Momenta 的战略合作为例，Momenta 基于 Orin 芯片（单颗算力 254TOPS）开发的自动驾驶解决方案已实现 15 家车企前装定点，其开发过程 中反馈的算力分配瓶颈直接推动 Thor 芯片架构优化，通过引入多计算域隔离 技术使并发任务处理效率提升 40%。这种“场景反哺研发”的协作机制，本质 上是构建了从需求端到供给端的技术闭环。
优质方案商+优质 SoC 厂商可以达成“1+1>2”的相互促进的关系： a）芯片厂商聚焦技术纵深：英伟达无需担心芯片后续的方案适配问题从而将研 发资源聚焦于开发新的芯片架构，带来新产品性能持续领跑行业。 b）方案商强化场景穿透：Momenta 基于基于 DRIVE AGX Thor 芯片的算力优 势，旗下一段式智驾大模型能够支持更高分辨率、更长历史的图片及视频输入， 强化场景体验感。Momenta 已与广汽丰田、广汽埃安、东风日产、上汽智己 等达成合作，共同开发开发端到端智驾方案,已搭载或将搭载在其量产车型上。 佐思汽研数据显示，在 2023 年 1 月至 2024 年 10 月期间，Momenta 稳居城 市 NOA 第三方智驾供应商市场第一，市场份额达到 60%。
5.1 英伟达（NVDA.O）：世界领先的 GPU 设计和人工 智能芯片与解决方案提供商
英伟达（NVIDIA）成立于 1993 年，是全球领先的 AI 芯片制造商。公司专注于 GPU 与 AI 芯片设计，主营业务涵盖数据中心、游戏、专业可视化和汽车。其 中数据中心业务是公司营收支柱，FY2025 数据中心收入占比达 88.3%。 汽车业务收入保持较高增速，公司智驾 SOC 产品位列市占率榜首。FY2025 公 司的汽车业务收入同比增长 55%，增长势头强劲。根据高工智能汽车研究院监 测数据显示，2024 年 1-6 月，仅在中国市场（不含进出口），乘用车前装标配 英伟达 Xavier/Orin 智驾芯片上车交付 73.99 万颗，同比增长高达 91.34%。根 据盖世汽车数据，2024 年 1-8 月，英伟达 Drive Orin-X 以 109.3 万颗的装机量 位居智驾域控芯片装机量排行榜榜首，市场份额 37.2%。
在 2025 CES 大会上，公司创始人兼 CEO 黄仁勋宣布，下一代车用芯片 Thor 已全面投入生产，Thor 顶配版单颗算力最高可达 2000TOPS。极氪汽车已经官 宣，未来新车型将搭载 NVIDIA DRIVE AGX Thor 智驾芯片。丰田将在 NVIDIA DRIVE AGX Orin™ 上构建其下一代车型。目前和公司合作的 OEM 包括比亚迪、 理想汽车、小米、极氪、沃尔沃、Rivian 等。
5.2 地平线机器人-W：25 年受益于比亚迪 “智驾平权”战略
地平线机器人是市场领先的乘用车高级辅助驾驶（ADAS）和高阶智能驾驶 （AD）解决方案供应商。公司成立于 2015 年，聚焦深度神经网络计算方向。 经过近十年的发展，公司已成为配备专有软硬件技术的乘用车高级辅助驾驶和 高阶自动驾驶解决方案的领先供应商，下游客户为行业领先的 OEM 和国产汽 车 Tier1 供应商。根据高工智能汽车统计数据，公司位列 2024 年 1 月-12 月中 国市场自主品牌乘用车智驾计算方案供应商市场份额第一，份额达到 33.97%。
公司主营业务包括汽车解决方案和非车解决方案，授权及服务业务占比逐年提 升。2024 年公司营业收入 23.84 亿元人民币，同比+53.6%。从收入结构来看， 产品解决方案、非车解决方案营收占比逐年下降，授权及服务业务占比逐年提 升。2023 年、2024 年授权及服务业务收入分别为 9.6 亿、16.5 亿人民币，已 成为公司营收主要来源。
J6 系列芯片覆盖从低阶到高阶智驾市场的全场景应用，J6M 助力比亚迪“智驾 平权”。公司于 2024 年 4 月发布 J6 系列芯片，包括 B、L、E、M、H、P，目 前 B、E、M、P 已对外公布具体参数。 1）J6P 面向高阶智驾，算力达 560 TOPS，CPU 处理能力 410K DMIPS。公司 司高阶智驾系统“SuperDrive”基于 J6P，有望于 2025 上半年推出，并有望 于 2025 年量产落地。 2）J6E 和 J6M 面向中端市场，面向高速 NOA 场景、提供普惠城区的性价比解 决方案。J6E/M 分别拥有 80/128 TOPS 的 AI 算力和 100K/137K DMIPS 的 CPU 处理能力。比亚迪于 2025 年 2 月发布“全民智驾”战略，其全系车型将 搭载“天神之眼”高阶智驾技术。J6M 已切入“天神之眼 C”供应链，有望受 益于比亚迪智驾平权战略，出货量维持高速增长。 3）J6B 专注于低阶智驾市场，支持汽车主动安全。已获得包括博世（Bosch）、 电装（Denso）等全球顶级 Tier1 供应商的合作意向。J6B 有望切入博世 MPC 4.0 ADAS 平台，出货量有望于 2026 年起高速增长。
5.3 黑芝麻智能：国产智驾 SoC 新势力， “智能驾驶+跨域计算”齐头并进
黑芝麻智能是国内领先的智驾 SoC 厂商。公司成立于 2016 年，定位 Tier2 芯 片供应商，提供车规级计算 SoC 及基于 SoC 的智能汽车解决方案。公司拥 有自动驾驶芯片华山系列和跨域计算芯片武当系列两款 SoC，为客户提供基于 SoC 的捆绑式解决方案及和基于算法的解决方案。根据弗若斯特沙利文数据， 2023 年按出货量计算，黑芝麻智能是全球第三大车规级高算力 SoC 供应商， 仅次于英伟达和地平线。2024 年 8 月 8 日公司在香港联交所成功上市。
自动驾驶产品及解决方案收入占比不断提升，已成为公司收入主要来源。公司 的主营业务分为自动驾驶产品及解决方案和智能影像解决方案。2024 年公司自 动驾驶产品及解决方案/智能影像解决方案分别收入 4.4 亿/0.36 亿元人民币， 自动驾驶产品及解决方案收入占比 92.3%，相比于 2021 年占比 56.6%提升显 著，已成为公司收入核心来源。 公司发展历程：从智驾 SoC 扩展至跨域 SoC。2018 年公司成功完成全球领先 的大型神经网络 IP 验证，奠定技术基础。2020 年推出华山 A1000，面向 L2 及 L2+级自动驾驶，标志着芯片产品正式进入市场。根据弗若斯特沙利文的资料， 公司于 2020 年开始提供自动驾驶解决方案，是中国同业中最早从有关业务获 得收入的企业之一。2023 年发布武当系列跨域 SoC，为行业内首个集成自动驾 驶、智能座舱、车身控制及其他计算域的产品。2024 年 12 月 30 日，公司推 出华山 A2000 新一代芯片，支持全场景通识智驾。
5.3.1 主营业务：智能驾驶和跨域计算齐头并进，开放式生态降低 车企开发门槛
基于 SoC 的解决方案：“华山”和“武当”两大系列 SoC，分别面向自动驾 驶和跨域计算。公司目前拥有两大车规级芯片系列：华山系列和武当系列。华 山系列定位车规级高性能自动驾驶芯片，而武当系列定位智能汽车跨域计算芯 片。根据公司招股说明书，公司不以独立硬件方式提供 SoC，会将 SoC 与其他 硬件、软件、全面的技术支援及服务集成，包括 MCU、基础软件、中间件、算 法及工具包等，作为捆绑解决方案一同交付给客户。
1）华山系列： 2020 年公司推出专注于自动驾驶的华山 A1000 系列芯片。华山 A1000 算力达 58TOPS，支持 L2+/L3 自动驾驶，具备高性能、低功耗和智能感知能力，广泛 适用于城市领航、代客泊车等自动驾驶场景。A1000L 支持 L2/L2+自动驾驶，算力 16TOPS，功耗 15W，配备丰富传感器接口，提升智能驾驶体验。2021 年 4 月公司推出华山 A1000 Pro，INT8 算力为 106 TOPS，支持高级别自动 驾驶功能，从泊车、城市内部到高速场景的无缝衔接。 2024 年 12 月 30 日，公司推出华山 A2000 系列，包括 A2000 Lite、A2000 和 A2000 Pro 三款产品，分别针对不同等级的自动驾驶需求。A2000 Lite 专注于 城市智驾，A2000 支持全场景通识智驾，而 A2000 Pro 则是为高阶全场景通识 智驾设计。 2025 年 3 月，吉利发布“千里浩瀚”智驾系统，公司“华山 A1000 系列芯片” 搭载于千里浩瀚 H1 标配级系统，为吉利银河品牌提供智能驾驶支持。 2）武当系列： 武当 C1200 是业内首款通过 ISO 26262 ASIL-D 产品认证的车规跨域计算芯片， 将网关、车控、驾驶、座舱四个功能集成到一颗芯片里，平衡成本和性能，并 兼容不同车型，满足多样化客户需求。 武当 C1236 芯片是本土首颗单芯片 NOA 行泊一体芯片平台，单芯片集成 NOA 域控的传感器接入、算法加速、线速数据转发的需求，通过一颗芯片实现以上 功能的极简设计，助力客户实现高性价比的 NOA。 武当 C1296 是行业首款支持多域融合的芯片平台，集成 MPU 实现舱、驾、泊 一体化，并通过 Hypervisor 加速优化 E/E 架构演进。
瀚海平台+山海开发工具链：构建从 SoC 到解决方案的全栈能力。公司通过自 研开发工具链和中间件，构建从芯片到解决方案的全栈能力，服务汽车 OEM 和一级供应商。 1）山海开发工具链：根据弗若斯特沙利文，该工具链是中国首批自主研发的车 规级开发工具链之一。具备高度开放性，支持 Tensorflow、Pytorch、ONNX 主流深度学习框架，并优化算法在 SoC 上的部署效率，具备高精准度特性， 支持 AI 模型的训练后量化以及量化感知训练。山海工具链的开放性、精准度和 灵活性能助力 L3 及以上自动驾驶场景的快速落地。 2）瀚海中间件平台：拥有包括目标 SoC、MCU、PC 的开发工具包，兼容自动 驾驶和 V2X 应用场景的开发，并兼容多种车型和第三方自动驾驶系统。提供灵活的软件与硬件接口，支持多域融合、传感器集成和跨平台适配，降低开发成 本并提升系统升级的可扩展性。能够有效减少客户开发工作量、缩短应用程序 的开发周期，助力客户快速迭代软件功能。
基于算法的解决方案： 公司可提供 1）集成闭环自动驾驶解决方案组合 BEST Drive，包括支持 L1 的 Drive Eye、支持 L2+自动驾驶的 Drive Sensing、支持 L3 域控制的 Drive Brain 及支持下一代中央计算的 Drive Turing；2）自主开发的商用车主动安 全系统 Patronus 通过创新系统设计提供可靠的自适应安全支持，为商用车 OEM 及一级供应商提供性价比的解决方案，Patronus2.0 提供 ADAS、DMS、 BSD 等功能；3）基于华山系列 SoC 的 FAD 测试平台，为试用客户提供灵活 的开发及测试服务；4）V2X 边缘计算解决方案 BEST Road 针对新兴的路侧 自动驾驶解决方案市场；5）基于华山系列芯片开发华山 SOM 核心计算板卡， 安全性能稳定，内置 Linux 操作系统，底层外设驱动程序，支持用户二次开发。 智能影像解决方案：持续开发视觉感知与图像处理技术。 公司为高端消费电子产品制造商及智能电子产品提供商提供影像算法一体化解 决方案。智能影像解决方案通过 AI 赋能，实现全光谱图像增强与优化，提升 影像质量和识别能力。依托机器学习和深度学习，支持单摄像头散景、灯光美 化、面部识别、高动态范围成像 (HDR) 和 3D 景深等功能。同时，凭借车规 级成像能力，该方案可并行处理多摄像头系统的海量视频数据，适用于复杂环 境下的高效图像处理与分析。目前该业务已落地并商用 20 余款影像算法产品， 代表性商用终端包括三星、联想、海信等。
5.3.2 财务分析：营收高速增长，毛利率波动较大
营收增速较高，主要由自动驾驶产品及解决方案收入增长推动。2021-2024 年， 公司营收分别为人民币 0.6 亿、1.7 亿、3.1 亿、4.7 亿元人民币，2024 年营收 同比增长 51.83%。公司主要收入来源为自动驾驶产品及解决方案，2024 年贡 献总营收的 92.3%。细分来看，2021-2024 年自动驾驶产品及解决方案的收入 分别为 0.34 亿、1.42 亿、2.76 亿和 4.38 亿元人民币，2022-2024 年同比增长 315.3%、94.2%、58.5%，成为公司营收增长的重要推动因素。 毛利率波动较大，2024 年毛利率同比大幅提升。2021-2023 年，公司毛利率分 别为 36.1%、29.4%、24.7%。2024 年毛利率升至 41.1%，同比上升 16.4pct， 毛利率波动较大主要系：1）硬件组件较少的基于 SoC 的解决方案出货提升， 带动该业务毛利率提升；2）软件算法授权收入增加，智能影像业务毛利率提升。
销售、行政、研发费用率均呈下降趋势。1）销售费用率：2021-2024 年，公 司销售费用率持续下降，主要系规模效应下销售效率有所提升。2）行政费用率： 2021-2024 年持续下降，我们分析主要系规模效应下公司行政效率提升；2023 年行政费用大幅增加系公司上市相关开支增加。3）研发费用率：2021-2024 年持续下降，考虑到公司研发费用金额持续增长，我们分析研发费用率的下降 主要系规模效应的发挥。 2024 年公司亏损大幅收窄。公司 2024 年上半年短暂扭亏为盈，主要系向投资 者发行的金融工具公允价值变动带来正向收益：2024 年全年公司经调整亏损净 额为 13.04 亿元人民币，相比 2023 年的亏损 12.54 亿略微增长。根据公司财 报及招股说明书，2023 年公允价值变动亏损人民币 31.8 亿元，2024 年公允价 值变动收益人民币 20.5 亿元，主要系投资者持有的附有优先权的股权公允价值 变动带来正向收益。
5.4 佑驾创新：同时具备智能驾驶+智能座 舱业务的方案商
智能驾驶和舱内解决方案供应商：佑驾创新成立于 2014 年 12 月，依托全栈自 研的软硬一体技术，逐步开发不同级别自动化的智能驾驶解决方案。公司业务 涵盖智能驾驶、智能座舱和车路协同。根据公司招股说明书，截至 2024 年 6 月 30 日公司已经与 29 家整车厂就 94 款车型的智能驾驶展开量产，其中包括 排名前十的国内整车厂中的七家。2024 年 12 月 27 日，公司在香港联交所主 板挂牌上市。2025 年 3 月，公司被纳入港股通。根据灼识咨询数据，按 2023 年 L0 级至 L2+级解决方案的收入计算，佑驾创新在中国新兴科技公司中排名第 四，市场份额为 0.6%。
渐进式发展路线，智驾解决方案从 L2 向 L4 扩展。公司于 2016 年推出首代 ADAS 产品 iSafety，对标 Mobileye 后装方案。2018 年深化视觉感知优势，产 品线拓展至前装市场并实现规模量产，产品进入欧美市场。2021 年推出 L2+级 智驾方案 iPilot。2022-2023 年，公司成功落地城市 NOA 量产。公司 L4 级智 驾方案 iRobo 预计于 2025 年交付。
智能驾驶解决方案收入占比较高，智能座舱收入高速增长。公司的主营业务可 以分为智能驾驶解决方案、智能座舱解决方案、车路协同三大板块，2024 年分 别收入 4.84 亿元/1.04 亿元/0.63 亿元，同比增长 25.2%/467.8%/-11.5%。其 中，智能驾驶解决方案收入占比 73.9%，相较于 2023 年有所下降，但仍为公 司营收支柱；智能座舱解决方案收入占比 15.9%，同比提升 12.1pct。
5.4.1 主营业务：同时提供智能驾驶和智能座舱解决方案
智能驾驶解决方案：基于第三方厂商的 SoC 打造一体机和域控制器产品。公司 产品线包括 iSafety、iPilot 和 iRobo 系列前视一体机/域控制器。其中 iSafety 系列（L0～L2 级）旨在提高车辆智能化和安全性；iPilot 系列（L2+级）从 2021 年开始开发，已实现商业化落地，包括高速 NOA、城市 NOA 和记忆泊车 等高阶智驾能力；iRobo 系列聚焦 L4 产品，可在工业园区、港口和机场等特 定区域及操作场景下支持全自动驾驶，预计将在 2025 年第一季度实现交付。 公司和地平线机器人长期合作，基于地平线 J6M 的域控产品已获得新能源车企 定点。公司于 2021 年起和地平线机器人展开合作，基于地平线征程系列芯片 打造的 iPilot 2、iPilot 3 行泊一体方案已实现量产；基于地平线征程 6E 打造 的 iPilot 4 中高阶智驾方案将于 2025 年交付。此次基于地平线 J6M 打造的域 控产品，支持涵盖城市 NOA、高速 NOA、巡航驾驶辅助、主动安全、记忆泊 车等 L2++级别的辅助驾驶功能，将搭载于 30 万元级别的高端车型上，基于 J6M 打造的域控产品项目也将于 2025 年内完成交付。 智能座舱解决方案：基于计算机视觉技术与人工智能算法打造的智能座舱产品， 主要解决方案包括驾驶员监测系统（DMS）解决方案、乘客监测系统（OMS） 解决方案和其他服务。针对司机注册、乘客看护、驾驶员疲劳检测、安全接管、 交互娱乐、健康监测六大应用场景提供“主动式”服务，用户无需给出明确指 令，即可“无感”体验先进的智能座舱技术。
车路协同：通过集成雷达和摄像头、自研算法结构和先进的 V2X 技术等自主设 计传感器设备方案，覆盖公路和路口管理、工业园区和停车场管理两大场景。 通过车路协同的互联互通和信息的交互，让车辆获得超视距感知，推动智能驾 驶规模化应用。
依托全栈自研算法，快速响应市场需求提供定制。公司自研算法覆盖感知、融 合、建图定位及规控四大模块，构建完整智能驾驶算法栈，实现从底层硬件到 高阶应用的深度优化。自研中间件隔离上层软件与计算平台，使解决方案兼容 多种 SoC，提升平台适配性，降低硬件依赖，提高成本效益。其自研算法在低 算力环境下高效运行，例如仅 8TOPS 即可实现行泊一体功能，而行业同类方 案通常需 10TOPS 以上，充分展现算法优化能力。依托自研能力，公司能快速 响应市场需求，灵活定制方案，确保硬件性能最大化。
5.4.2 财务分析：营收高速增长，毛利率趋势持续向好
营业收入增速较高。公司 2021-2024 年营收分别为人民币 1.75 亿、2.79 亿、 4.76 亿、6.54 亿元人民币，2024 年营收同比增长 37.4%。营收高速增长主要 系 1）智能驾驶解决方案定点数量增加；2）iSafety、iPilot 交付数量的增加； 3）智能座舱和车路协同业务加速发展。 毛利率提升趋势良好。2021-2024 年，公司的毛利率分别为 9.7%、12.0%、 14.3%、16.0%，毛利率连续四年提升。毛利率持续提升主要系 1）毛利率较高 的 iPilot 交付量增加，带动智能驾驶解决方案毛利提升；2）车路协同业务受益 于规模效应，毛利率较高。另外，2022-2023 年间，智能座舱业务由原型机交 付转为产品量产，毛利率有所下降，随着量产规模扩大，24 年该业务毛利率同 比上升。 销售、行政、研发费用率总体呈下降趋势。1）销售费用率：2021-2024 年公 司销售费用率持续下降，主要系客户关系稳定，销售团队结构优化，营运效率 有所提升。2）行政费用率：2021-2024 年持续下降，主要系公司行政效率提 升；2024 年行政费用率同比有所上升，主要系上市产生相关费用。我们认为公 司已完成上市，该事件对费用率产生影响将减弱。3）研发费用率：2023 年、 2024 年同比均下降，主要系公司收入增长。
公司仍处于亏损，亏损总额有所扩大：2021-2024 年公司净亏损为 1.40 亿、 2.21 亿、2.07 亿、2.28 亿元人民币，2024 年公司净亏损有所扩大。根据公司 招股说明书，公司仍处于产能爬坡阶段尚未盈利，目标汽车智能化解决方案取 得长期的业务成功和财务回报。
5.5 高通（QCOM.O）：全球领先的半导体通信技术公司， 汽车业务从智能座舱扩展至智能驾驶
高通成立于 1985 年，总部位于在美国加利福尼亚州圣迭戈市，1991 年公司在 美国纳斯达克上市。公司业务范围包括手机、汽车、物联网多行业 SoC 和 QTL 授权业务。公司于 2002 年进入车载领域，与通用汽车合作推出车联网解决方 案，并逐步扩展至智能座舱和相关产品。2021 年，公司推出骁龙 Ride 平台， 正式进军智能驾驶领域。 QCT 业务是公司营收支柱，QCT 汽车业务营收高速增长。FY2024 公司 QCT 业 务收入 331.96 亿美元，同比增长 9%，占总营收 85.2%。QCT 细分业务来看， 手机业务收入 248.63 亿美元，同比增长 10%,占总营收 63.8%；汽车业务收入 29.1 亿美元，同比增长 55%，占总营收 7.5%；IoT 业务收入 54.23 亿美元， 同比下降 9%,占总营收 13.9%。 QTL 业务是公司第二大收入来源。FY2024 公司 QTL 收入 55.72 亿美元，同比 增长 5%，占公司总营收 14.3%。公司积累大量无线通信领域专利，使用其技 术的厂商必须签署专利授权协议。
公司较早进入智能座舱领域，后将汽车业务拓展至智能驾驶。 1）智能座舱：市场份额占据绝对优势，有望在“舱驾融合”趋势中占得先机。 2014 年，公司推出骁龙 602A，是公司首款面向智能座舱的芯片。经过 820A （第二代）、SA8155（第三代）、SA8255（第四代）等多次迭代，公司在座 舱 SoC 领域已稳居第一。根据盖世汽车对国内座舱域控芯片市场的统计，公司 智能座舱芯片 2024 年 1-12 月装机量 482 万颗，占有 70%的市场份额，第二 名超微半导体份额为 9.7%。最新推出的骁龙 CockpitElite 采用 4nm 制程和公 司自研 OryonCPU，AI 算力达到 360 TOPS。2023 年，高通推出面向舱驾融合 应用的首款产品骁龙 Ride Flex SoC-SA8775P，在座舱方面，支持沉浸式 3D 渲染、超高清显示、全景声、空间音效、信息娱乐等功能，在自动驾驶方面， 通过预集成 Snapdragon Ride 视觉软件栈，可实现高度可扩展且安全的自动驾 驶体验。我们预计，基于公司智能座舱 SoC 领域的龙头地位，叠加公司在智能 驾驶 SoC 持续发力，在后续汽车 EEA 架构向中央计算演进的过程中，公司有 望在“舱驾融合”保持领先。 2）智能驾驶：市场份额有望扩大。公司于 2021 年推出第一代智驾 SoCRide8540，该款 SoC 复用大量手机 SoC 设计，与智驾需求匹配度较低，并未走向 量产。2022 年，公司收购在自动驾驶传感器、域控制器、计算机视觉等领域深 耕多年的 Veoneer，进一步完善自身技术链条，得以推出更加灵活、面向不同 等级和传感器及算力配置的智驾系统解决方案。第二代智驾 SoCSA8650 相对 于第一代，更契合智能驾驶需求，拿下众多基于该平台的定点合作。根据佐思 汽车研究，海外车企中已经有本田、通用、宝马、大众和丰田确定采用公司 8650 方案，2025 年初或有采用 SA8650 的车型上市。国内方面，德赛西威、 均胜电子、映驰科技、豪末智行、百度、Momenta、航盛电子、纵目科技、车 联天下、博泰、福瑞泰克也都已经导入 SA8650 平台或已经进行开发。
公司最新推出的骁龙 RideElite 针对 L2+和 L3 场景设计，我们认为公司有望凭 借该款高算力、高能效的 SoC 和灵活可扩展的软硬件方案，持续扩大智驾 SoC 市场份额，建议持续关注。
5.6 Mobileye（MBLY.O）：ADAS 领域开创者，“黑盒 模式+算力升级保守”拖累市场份额
Mobileye 是全球领先的自动驾驶技术公司。公司成立于 1999 年，2004 年发 布 EyeQ1 芯片，支持前向碰撞警告、车道偏离警告和智能远光灯控制等功能。 2007 年 Mobileye 正式上车，宝马、通用和沃尔沃采用了 Mobileye 芯片， 2017 年公司被英特尔以 153 亿美元收购。2024 年，公司 EyeQ 系列芯片出货 量 28.6 百万套，同比下降 24%；营收 16.54 亿美元，同比下降 20%；全年净 亏损 30.9 亿美元。
2017 年，公司 Eye Q 芯片出货量达到 870 万颗，占全球 70%的市场份额。尽 管近年 Mobileye 在中国市场份额持续下降，但仍在国内 ADAS 市场位居前列。 根据高工智能汽车的统计，2024 全年中国市场自主品牌乘用车前视一体机方案 供应商市场中，公司占据约 25%的市场份额，排名第二，落后于地平线机器人。 我们认为 Mobileye 前期能在 ADAS 领域保持领先地位主要有三个原因： 1）布局时间早：Mobileye 于 2007 年即开始上车，领先多数竞争对手多年 （英伟达 2015 年推出 Drive 系列平台、地平线 2015 年成立、高通 2020 年入 局智能驾驶领域），而其主要的竞争对手英伟达早期在智能驾驶领域的布局更 多集中在 L4 级，与 Mobileye 没有过多的竞争重合； 2）黑盒模式：Mobileye 提供的是“传感器+芯片+算法”绑定的一体式解决方 案，可以满足刚起步或技术能力不足的车企想要快速量产的需求，同时一体式 解决方案有利于感知层和决策层的配合、能够提高软硬件适配度，提高算力效 率； 3）图像算法壁垒：Mobileye 的整体方案是以视觉为主导、雷达和激光雷达为 冗余的自动驾驶方案，公司在视觉识别芯片领域有着 20 多年的数据和技术积 累，可以通过算法弥补算力的不足。 黑盒模式、算力升级保守，Mobileye 份额逐渐下降。根据高工智能汽车对于 2023/2024 年中国市场自主品牌乘用车标配前视一体机计算方案市场份额的统 计，Mobileye 从 2023 年的 29.38%（排名第一）降至 2024 年的 25.23%（排 名第二），2024 年份额落后于第一名地平线机器人超过 18 个百分点，我们认 为，其主要原因在于公司“黑盒模式”和 SoC 算力迭代升级较为保守。 1）黑盒模式：“传感器+芯片+算法”绑定的一体式解决方案无法满足企业自 研软件的需求，而部分主机厂研发能力在不断提升、且希望通过自研软件来实 现差异化竞争，相比之下，竞争对手地平线等采用开放式解决方案，提供完善 的工具链降低车企的软件开发难度，黑盒模式的竞争力就会大幅减弱。
2）算力升级较为保守：公司产品搭配基本上以 34TOPS 算力的 EyeQ6H 为核 心，下一代产品（预计 2027-2028 年量产）EyeQ7 算力约 67TOPS，算力均已 远落后于地平线机器人（如 J6M）和黑芝麻（如 A1000 Pro），无法满足当前 智能驾驶对于芯片算力的需求。根据佐思汽车研究，公司高端产品的中国大客 户极氪正在向英伟达平台转移。FY2024 全年，公司 EyeQ 系列芯片 ASP 连续 三个季度下降，我们分析主要系公司产品算力升级导致产品需求下降。
（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。）
