1.SoC 是系统级芯片
SoC 芯片（Systemon Chip）为系统级芯片，是一种高度集成的半导体产品，将一个完整电子系统所需 的所有组件集成到一个单一芯片上。通常包括处理器核心、存储器、数字信号处理器、通信模块以及电 源管理单元等。这种集成化设计突破了传统多芯片分立架构的限制，形成一个完整的片上系统，可独立 运行操作系统并执行复杂任务。
2.MCU 与 SoC
传统 MCU 则被称为“单片机”，是一种集成了处理器核心（通常为微型处理器）、内存（如闪存和 RAM）以及输入/输出（I/O）接口的单片集成电路。相比 MCU，SoC 芯片内部集成更多异构处理单元， 结构设计更复杂，处理和计算能力更强。其高性能、低功耗、小尺寸和高可靠性的特点使其适用于多任 务处理以及计算任务更复杂的应用场景，如高级驾驶辅助系统、自动驾驶、车载信息娱乐系统等。
从通俗角度理解，SOC 的设计理念为“All in one”,是系统集成的超级平台，具有多核异构计算、大容 量存储支持、复杂功能模块的特征；而 MCU 的设计理念则是“精简至上”，是单一任务执行专家，具有 单一核心 CPU、只有基础存储单元和必要外设接口的特点。通常 MCU 用于执行实时性强的任务，且直 接控制硬件；而 SOC 则运行完整操作系统，处理图像识别、语音交互、自动驾驶等复杂算法。
以自动驾驶为例，MCU 负责执行车辆的实时控制和高可靠性任务，如发动机控制、转向控制、制动控 制等，同时管理车内通信；而 SOC 则用于支持并行计算和复杂算法，处理多传感器感知数据，进行运 动控制等。同时由于复杂性高，常常需要额外机制来保证安全性。因此智驾域控制器中也常有负责安全 冗余的 MCU 存在。
3.SOC 芯片基本构成
从内部结构看，MCU 内部集成有处理器、存储器、输入/输出接口和其他外设；SoC 芯片为系统级芯片， 相比 MCU，内部集成更多的异构处理单元，结构设计更为复杂，处理和计算能力也更强。从硬件结构 看，车载 SoC 芯片内部通常也是处理器、存储器、外设 I/O 等几个部分，但较 MCU 更加复杂。
4.SOC 芯片性能指标
从实际应用角度看，SoC 芯片的性能评价主要包括：CPU 算力、GPU 算力、制造工艺、存储带宽、 AI 算力、能耗效率、热管理能力、连接性和接口支持、安全性、可扩展性、生态系统和支持等多个方 面。 算力方面：CPU 算力决定系统的流畅程度，影响多任务处理能力和应用运行的效率。如果 CPU 算力不 足，舱内系统切换应用时可能会存在卡顿感，通常使用 DMIPS 来评估整数运算性能；在座舱中，GPU 算力决定图形处理能力，包括多个显示屏的支持、分辨率和 3D 图形性能，而在自动驾驶层面 GPU 也被 用于增强深度学习等自动驾驶算法，在感知、决策规划以及测试优化中发挥重要作用，使用 GFLOPS 来 评估浮点运算性能；AI 算力主要用于车载系统中的智能功能，如自动泊车、语音识别等。不同 SOC 芯 片 AI 核心方案有所不同。如英伟达 ORIN 系列，AI 算力主要通过 GPU 提供，同时搭载 ASIC 架构的 Deep Learning Accelerator（DLA）和 Programmable Vision Accelerator（PVA）两个专用模块；特斯 拉 FSD 以及华为智驾的昇腾芯片 NPU（Neural Processing Unit）均为 ASIC 架构，地平线则开发了自 身基于 ASIC 架构的 BPU（Brain Processing Unit）；Waymo 采用 CPU+FPGA 方案；通常而言 GPU 和 FPGA 具有较好的通用性，ASIC 专用性较高但效率同样较高车载计算平台 SOC 一般采用上述多种计 算单元，叠加 MCU 形成异构设计。通常使用 TOPS（Tera Operations PerSecond）来评估 AI 处理能力。
存储带宽决定数据从存储器传输到处理器的速度，影响应用加载和数据处理的效率。芯片的存储带宽由 存储器本身和芯片的内存通道数共同决定，AI 运算 90%的功耗和延迟都是由于数据搬运产生。因此存 储带宽也对芯片的真实算力构成影响。
除算力相关要求外，SOC 芯片在工艺和安全层面需要满足车规级要求，同时需要高效率与低能耗。且随 着算力增大对热管理的需求提升，长时间高强度运行的智能系统需要良好的热管理，以避免过热导致性 能下降或系统崩溃。同时芯片内置的安全特性（如加密、认证、隔离等）影响系统的抗攻击能力，尤其 在智能驾驶和车联网环境中尤为重要。
接口、可扩展性和生态系统支持：芯片对各种通信接口（如 CAN、Ethernet、USB、Wi-Fi 等）的支持 能力，影响系统与其他设备的交互；随着功能和需求的变化，车载系统可能需要新增传感器或功能，具 有良好可扩展性的芯片可以降低升级成本；同时芯片制造商提供的开发工具、软件支持、社区和文档等， 影响开发效率和系统稳定性。
SoC 广泛应用于智能驾驶、智能家居、消费电子及工业自动化等领域，下面我们以智能驾驶 SoC 为例展 开论述。
1.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。
2.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。
3.“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。
CPU 作为核心处理器，主要负责逻辑运算、任务调度和系统控制，是芯片的基础运算单元；GPU 作为 通用加速器，凭借大规模并行计算架构，承担 CNN 等神经网络计算与机器学习任务，尤其在处理图像 和浮点运算时效率显著，预计在未来一段时间仍将作为主力计算模块；FPGA 作为可编程硬件加速器， 在动态算法场景中优势突出，其灵活重构特性适配 RNN、LSTM 及强化学习等时序类模型，同时在激 光雷达数据处理、传感器融合等成熟算法领域发挥关键作用；ASIC 作为专用集成电路，通过定制化设 计可深度优化特定算法（如特斯拉 NPU、地平线 BPU），实现性能与功耗的最佳平衡。
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 10TOPS 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。
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、NorFlash、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。
1.随着智能网联汽车的发展，车载芯片的价值量持续提升
车载芯片是指专用于车载电子控制装置的半导体产品，支持在自动驾驶系统、驾驶舱、底盘、动力总成 及车身等方面的广泛应用，按功能种类可划分为计算类芯片、功率半导体、传感器芯片等。车规级计算 芯片可按集成规模分为 MCU 和 SoC。
前面已经提及，随着整车 EE 架构逐渐由分布式向集中式域控制器架构，乃至中央集成式方向演进。传 统 MCU 芯片已经无法满足大量异构数据的吞吐能力和更快的数据处理能力的需求，因此，数据传输效 率更高、算力更大的 SoC 芯片成为汽车芯片设计及应用的主流趋势。 车载 SoC 芯片主要面向智能驾驶域智能座舱两大应用领域。自动驾驶 SoC 通常集成到一个摄像头模块 或一个自动驾驶域控制器中，负责将来自感知层传感器的数据处理及融合，然后代替人类驾驶员作出驾 驶决策。现阶段，座舱 SoC 与智驾 SoC 仍处于独立发展阶段，未来上层应用到底层硬件将逐步实现融 合，舱驾一体 SoC 乃至中央计算 SoC 将逐渐成为主流产品形态。
2.车载 SOC 芯片选型需综合考虑客观要素及隐性价值
车企在进行车载 SoC 芯片选型时会综合考虑感知硬件、软件算法架构等客观要素（性能、成本）以及相 关隐性价值。
1）平台延续性：车企需评估芯片厂商的长期发展能力，因其研发周期约 3 年且供应链切换成本高，故 关注产品迭代周期与设计前瞻性，确保符合技术趋势和自身需求。 2）适配性：适配行涵盖硬件（传感器、存储芯片如 LPDDR/NORFlash、通信芯片如以太网交换芯 片）、软件（底层至算法层）及通信（CAN/以太网总线协议）的协同性，核心标准是确保系统组件协 作达标。 3）平台化设计：通过统一架构（如地平线征程 6 的 DTCO/STCO 理念）适配多样化需求，标准化 SoC 方案可降低研发成本并提升行业口碑。 4）软件生态：软件生态决定芯片可用性，需 AI 开发套件（算子库/工具链）、易用性（完善文档/社区 支持）及兼容性（稳定接口框架），英伟达 CUDA 生态是标杆。 5）本土化服务：在研发周期逐渐压缩的背景下，依赖本地技术支持团队与快速响应能力，解决硬件设 计、算法移植等实际问题。
3.自动驾驶 SoC 产业链
SoC 芯片产业链上游主要包括 IP 核授权、EDA（电子设计自动化）软件等设计工具厂商、半导体材料 及设备。其中，IP 核授权和 EDA 软件等设计工具厂商为芯片设计厂商赋能，助力其加快芯片的开发周 期和上市时间。半导体材料及设备厂商则为芯片制造提供基础材料和先进设备，确保芯片制造的高效和 高质量。
SoC 芯片中游产业包括芯片设计、芯片制造和封装测试三个主要环节。部分企业进行了垂直整合，涉及 到了所有的环节。部分企业只是参与其中一个环节。根据所包含环节的不同，这些半导体企业的经营模 式一般分为垂直整合模式（IDM 模式）、晶圆代工模式（Foundry 模式）和无晶圆厂模式（Fabless 模 式）。 Tier1 和车企属于芯片设计公司的下游。在以往的产业链模式中，整个供应链是线性的，芯片设计公司 作为 Tier2，与 Tier1 之间的接触和合作比较密切，与车企之间很少接触。然而，现在很多车企会主动找头部芯片公司进行交流和合作，共同调研用户需求，定制开发适合自身需求的芯片。这种合作模式既有 利于提升车企自身的产品竞争力，也有利于保证芯片供应的稳定性。
1.国内自动驾驶加速渗透，预计 2028 年将接近全面普及
弗若斯特沙利文统计数据显示，2023 年全球自动驾驶乘用车市场显著增长，渗透率达 69.8%，我国以 74.7%的渗透率领跑全球。从技术等级看，L1/L2 级占据主导，全球渗透率分别为 38.8%/31.0%，国内 则以 42.1%的 L2 级渗透率展现技术升级优势。随着成本下降和消费者接受度提升，预计到 2028 年全球 自动驾驶乘用车销量将达 6,880 万辆（渗透率 87.9%），国内市场销量预计达 2,720 万辆（渗透率 93.5%）。
2.国内车规级 SoC 高速发展，ADAS SoC 市场增势迅猛，ADS SoC 有望带 来较大增量
根据弗若斯特沙利文数据，2023 年，汽车芯片全球市场规模达 3,550 亿元，受益于电动化与智能化趋 势，预计 2030 年将突破 6,000 亿元。2023 年，国内车规级 SoC 市场规模已达 267 亿元，2019 年2023 年的年复合增长率为 42.0%，超过同期全球复合增速（32.2%），预计 2028 年有望达到 1020 亿 元。其中 ADAS SoC 市场增势迅猛，2023 年全球和中国市场规模分别为 275 亿元和 141 亿元，2019 年2023 年的年复合增长率分别为 55.5%/38.6%。更高阶的 ADS SoC 虽处测试阶段，但技术溢价显著，预 计全球和中国市场 2026 年规模将分别达 81 亿和 39 亿元，2030 年有望增至 454 亿和 257 亿元，中国 或成最大增量市场。
1.高阶智驾向主流市场下沉，助推国产智驾 SOC 需求释放与技术迭代
政策与市场双重驱动下，国产 SoC 加速崛起。政策端，北京、武汉等地高级别自动驾驶法规陆续落地， 为城市 NOA 普及提供法律保障，据中国电动汽车百人会预测，到 2025 年年底乘用车 NOA 渗透率将达 到 20%。市场端，本土厂商也在加快大算力车载芯片布局，地平线新一代智驾芯片征程 6 系列最高算力 达 560TOPS，随着征程 6 全系列陆续量产，其有望成为英伟达 Orin-X 的有力竞争者。智驾 SoC 国产替 代进程加速，以地平线等为代表国内汽车 SoC 芯片厂商与国内车厂的生态合作，将助推我国智能驾驶产 业链实现自主可控。
智驾普及要求高阶智驾硬件成本继续压降，倒逼 SOC 厂商进行工艺升级和供应链整合。具体来看，例 如地平线机器人征程 6 采用车规级 7nm 工艺降低功耗和成本；激光雷达、毫米波雷达、摄像头等传感 器成本大幅下降。根据智驾方案供应商 Momenta 信息，支持无图城市 NOA 的高阶智驾系统遵循每两 年硬件成本减半、软件性能提升 10 倍的摩尔定律。智驾硬件成本持续压降使得 10 万元级车型搭载高阶 智驾成为可能。智驾普及最终将重塑产业生态，推动技术普惠与规模效应并行。
2.舱驾一体技术方向明确，One Chip 方案或为终极形态
汽车电子电气架构正经历从分布式向中央集成式的革命性转变，下一阶段将聚焦跨域融合，"舱驾一体" 成为明确的技术方向：从早期的"舱泊一体"（整合环视摄像头和超声波雷达实现泊车功能），到逐步融 合 L2 级 ADAS 功能，最终迈向高阶自动驾驶集成。行业普遍认为 One Chip 方案（单颗 SoC 集成座舱与智驾功能）是终极形态。One Chip 方案方面，当前具有代表性的多域融合 SoC 包括英伟达 DriveThor，高通 Snapdragon Ride Flex 平台的首款芯片 SA8775 以及下一代 SA8795，黑芝麻智能“武 当”C1200 系列芯片，以及最新推出的瑞萨 R-CarX5 系列等。
舱驾一体带来的核心价值：1）硬件层面通过 SOC 集成减少物料成本，软件层面统一架构可降低开发成 本；2）片内通信时延也将较传统方案有所缩短，使 AR 导航等创新功能成为可能；3）集中式架构支持 无感 OTA 升级，可提升功能迭代效率。值得注意的是，3nm 制程芯片和 Chiplet 等技术的应用，正突 破算力动态分配的技术瓶颈，为舱驾一体提供更优的算力利用率解决方案。舱驾一体不仅是技术集成的 终点，更是重构汽车供应链、重塑产业竞争格局的关键转折。
3.车载芯片开发模式向软硬件协同、开放生态演进，加速产品落地进程
车载芯片的开发流程加速向软硬件协同方向演进，其中开发平台的生态构建成为提升效率的核心。传统 汽车开发采用线性流程，从处理器 IP 交付到芯片开发需约两年实现硬件落地，软件开发随后启动，周 期冗长且难以适应智能化快速迭代需求。
而英伟达的 CUDA 平台和 ARM 的 SOAFEE 架构通过集成开发工具链、预置算法库及标准化接口，实 现了硬件设计与软件开发的并行推进，有效缩短开发周期。当前高通、地平线等企业均采用“芯片+软件 栈+开发平台”一体化模式，例如地平线征程系列芯片配套“天工开物”工具链，支持算法即插即用，显著 降低了主机厂的适配门槛。这种模式不仅加速了车企产品落地，还通过开放生态吸引开发者，形成从芯 片到应用的完整价值链。
4.算法革新驱动芯片架构升级，Transformer 适配与存储优化突破算力瓶 颈
当前智能驾驶领域正经历算法架构革新，BEV+ Transformer +OCC 组合已成为城市 NOA 的主流感知框 架，并推动智驾 SoC 芯片向端到端大模型方向发展。传统针对 CNN 优化的芯片架构面临严峻挑战， Transformer 作为访存密集型网络，对内存容量和访存带宽的要求比以 CNN 为目标的加速芯片高很多。 为此，行业通过三重技术路径突破瓶颈：1）硬件架构创新，如英伟达 HopperGPU 集成 Transformer 引擎，支持 FP8/FP16 动态精度切换；2）关键算子优化，地平线 J6 针对 Layer-norm& Softmax 等仅 占 3%计算量但耗时 10%～30%的复杂算子进行硬件加速；3）存储系统重构，采用三级缓存 （LOM/L1M/L2M）和 PB 内存块（如安霸 CV3 的 CVflow 架构）来突破冯·诺依曼架构的"存储墙"限制。 这些创新使芯片在应对 Transformer 模型参数量激增以及算力需求释放的挑战时，仍能保持高效运算能 力。
5.算法升级及架构变革持续促进算力需求升级，大算力智驾 SoC 有望加速 上车
智能驾驶 SoC 芯片根据 AI 算力需求可分为三类：小算力、中算力和大算力 SoC 芯片。 小算力芯片（2.5-20TOPS）主要用于高性价比方案，支持前视一体机或分布式行车/泊车控制器，实 现 L0-L2 级辅助驾驶功能，部分支持高速 NOA，搭载于 10-15 万元车型。目前 L2 及以下 ADAS 功能需 求快速增长，小算力芯片市场前景广阔。 中算力芯片（20-80TOPS）适用于轻量级行泊车一体域控制器，可提供高速 NOA、城市记忆 NOA 及 记忆泊车等功能，搭载于 15-20 万元车型。由于大算力方案可能影响中端车型的市场竞争力，中算力芯 片或成为性能与成本平衡的较优选择。 大算力芯片（≥100TOPS）支持高阶行泊车一体域控制器及舱驾一体方案，能实现城市 NOA、AVP 等 L2+功能，搭载于 25 万元以上车型，部分车型通过"硬件预埋"为未来 L3+自动驾驶做准备。
高阶自动驾驶的实现需要 Transformer+BEV+OCC 等算法升级以及中央计算+区域控制等 EE 架构变革， 大算力芯片将成为支撑这些技术的硬件基础。未来，随着高阶智驾法规持续完善，以及智驾普及推动技 术普惠，大算力芯片需求有望加速释放，形成“国产替代主导中算力、多元竞争大算力”的格局。
1.智驾 SoC 竞争格局
当前智驾 SoC 市场已形成三类差异化竞争阵营，分别是专用智驾 SoC 供应商（地平线、黑芝麻智能 等）、通用芯片供应商（英伟达、高通等），以及汽车 OEM 自研商（特斯拉、比亚迪等，以及国内新 势力）。近年来开始出现“去自研化”苗头。除特斯拉外，多数车企开始采用"自研+外购"混合模式。长 期来看，车载芯片市场有望演变为"专用主导、通用补充"的格局，最终可能会形成"芯片厂商专注硬件+ 车企主导算法"的黄金分工模式。
全球智能驾驶 SoC 市场呈现"海外主导、本土追赶"的竞争格局。当前，海外龙头厂商凭借先发优势和 技术积累，在我国自动驾驶芯片市场占据绝对优势地位。英伟达依托 CUDA 生态和 Orin 系列芯片布局 高算力领域，根据盖世汽车数据，2025 年 1-2 月份，其 Orin-X/N 出货量合计占我国智驾域控芯片市场 约 50%的份额。地平线机器人、黑芝麻智能、华为海思等国产厂商通过差异化策略快速崛起，随着自动 驾驶功能渗透、需求增长，叠加国内政策支持，未来国产替代空间广阔。
2.主要车企 SoC 芯片布局
目前主流车企纷纷布局车载 SoC 芯片赛道。各个车企布局方式并不完全相同，甚至有的车企会同时兼顾 使用多种模式。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。 自研模式：目前，以特斯拉、蔚来、小鹏、理想为代表的等新势力车企，主要聚焦智能驾驶领域的 SoC 芯片展开自研，组建团队做芯片设计研发。自研智能座舱 SoC 芯片的车企较少。
合资模式：车企与芯片公司成立合资公司，整合双方资源，加速芯片开发进程，提升产品竞争力。 战略合作：车企与芯片厂商深度战略合作，车企提需求和架构，芯片厂商完成设计和开发。这种模式使 车企能定制符合自身需求的芯片，提升产品竞争力，同时降低研发成本和风险。 战略投资：车企参股芯片公司，达成战略合作，形成更紧密的协作模式。
自动驾驶 SoC 芯片行业壁垒较高，需要企业在研发方面大量投资，市场研发周期较长，一般可达数年。 头部企业凭借技术和产品积累，占据市场主要份额。英伟达、特斯拉、Mobileye 等国外企业进入行业较 早，具有产品优势，占据市场主要份额。 从芯片格局来看，不同价位车型的芯片配置需求有差异，已摆脱英伟达一枝独秀的局面。国产芯片的崛 起尤为显著，目前地平线、黑芝麻智能等产品也在加速国产替代，各价格带均呈现百花齐放的竞争格局。
在智驾 SOC 芯片国产化替代方面，不同算力水平芯片各有其特征：
1.小算力芯片
小算力芯片领域，得益于芯片产品力、较完善的工具链以及本土化服务能力叠加较强的降本能力，在供 应链安全可控背景下，国产小算力迅速受到众多有智驾自研需求的本土车企青睐。如地平线 J2/J3 芯片 分别具备 4/5TOPS 算力，在推出时瞄准 Mobileye 所在的 ADAS 市场，且相比于 MobileyeEyeQ4 具备 更高算力与开放性，同时价格仅为 MobileyeEyeQ4 的一半，市场反应良好。从前视一体机方案来看， 2024 年新势力乘用车标配前视一体机车型中，爱芯元智、地平线两家国产厂商的份额已经超过 50%， 成为该细分市场主流供应商。2024 年全年，国内前视一体机前装标配搭载量达到 1080.68 万套，渗透 率达到 47.15%，未来智驾平权及出海趋势，行业将继续保持增长。
2.中算力芯片
中算力芯片领域，受“智驾平权”推动，20 万以下市场加大高速 NOA 等高阶智驾配备，同时为提升性价 比尽可能避免算力冗余，带动中算力芯片快速发展，国产厂商更是获得较优发展契机。从 2025 年的行 业发展看，基于算法能力匹配、生态以及服务等多方面考量，吉利、长安、比亚迪、奇瑞等多款车型选 择国产厂商地平线 J6E/M 方案，相关公司发展势头迅猛。
3.大算力芯片
大算力芯片领域，由于算法层面小模型在计算能力和数据传输方面的限制，端到端大模型成为城市 NOA 等高阶智驾的计算解决方案。逼近 L3 的高阶方案对芯片的算力等要求持续提升，相应技术变化同样给国产替代创造空间。虽然当前支持城区 NOA 的车型普遍选择英伟达 Orin-X 作为主控芯片，但华为、 地平线、芯擎科技、黑芝麻等也尝试或已经上车。如 AI 算力 560TOPS 的地平线 J6P 已与奇瑞等车企 达成战略合作，并将在 2025 年 9 月推出量产车型。吉利系孵化的芯擎科技则推出 512TOPS 星辰一号对 标双 Orin-X 的芯片，参与全民智驾竞争。该芯片能够以多芯片级联方式，最高实现 2048TOPS 的算力， 完全支持 L2-L4 级算力需求，将在 2025 年量产，2026 年交付。
1.地平线
HSD 方案量产在即，高阶智驾市场迎变化。成都车展，搭载地平线 J6P 和 HSD 的星途 ET5 首发亮相， 预计将于 2025 年 11 月正式上市。地平线征程系列芯片已量产突破 1000 万片，公司预计未来 3-5 年 HSD 量产目标达到 1000 万。HSD（Horizon Super Drive）是地平线基于高性能征程 6P（560TOPS） 打造的一段式端到端城区辅助驾驶系统，是继华为之后领先的软硬一体智驾解决方案。公司在慕尼黑设 立欧洲总部，与博世、大陆、大众等国际客户建立深入联系，后续有望带领中国智驾解决方案走向全球。 芯片出货与收入高增，中期量价齐升趋势明确。1H25 公司基础 ADAS/整体 ADAS 解决方案市占率 45.8%/32.4%，处于中国市场份额第一；车载 J 系列芯片出货量 198 万套，同比翻倍；支持 NOA 功能 的（J5/J6）芯片出货 98 万套，同比增 5 倍。1H25 公司新增近 90 款车型定点，超过 15 款搭载中高阶 ADAS 方案的车型量产上市，J6B 已获得两家日本车企定点。随着软件、硬件解决方案的不断迭代与订 单斩获，公司营收有望保持高速增长，加速扭亏。 恒指季检通过，公司是港股稀缺的 AI 类标的。2025 年 3 月，公司被纳入恒生综合指数与恒生科技指数 成分股。5 月，成为港股通可投资标的。8 月 22 日恒生指数发布季检结果于 9 月 8 日生效，此次调整中， 恒生科技指数成分股数量保持 30 只不变。由于个股权重上限 8%重置，被动资金的流入对部分个股产生 积极影响。公司是港股稀缺的 AI 类标的，配置价值与风险偏好均在上行。
2.黑芝麻
完备的产品生态与广泛的产业联盟构筑公司增长基础。长期来看随着主机厂自研成功以及更多第三方企 业入局并发布具备竞争力的芯片产品，黑芝麻智能的智驾 SoC 竞争生态位较为靠后。但同时公司：1） 硬件能力较为突出，具备健全的硬件产品矩阵，同时谋求与 Nullmax 等算法公司建立广泛的产业联盟以 补足公司算法能力缺失，长期看仍具备较强竞争力；2）管理团队具备技术前瞻性，战略布局了跨域计 算芯片及机器人相关业务，长期看其在跨域计算芯片及具身智能领域的前瞻布局或将成长为公司第二增 长极；3）公司积极开拓客户，定点量产车型持续增加，一定程度上缓解了市场焦虑，重点客户突破有 望打开公司长期增长空间。公司截至 25H1 期末现金及现金等价物净额达到 19.7 亿元，相对充裕的现金 储备为其持续进行产品开发和探索新业务场景提供了保障。
3.爱芯元智
爱芯元智半导体股份有限公司成立于 2019 年 5 月，致力于打造世界领先的人工智能感知与边缘计算芯 片，服务终端计算、辅助驾驶、边缘计算等市场。公司核心成员来自旷视科技旗下的安防芯片团队， 2019 年成立以来集中在智慧城市和智慧交通，2023 年正式官宣进入智驾领域。基于自身发展路径公司 深耕 AI 视觉芯片赛道，其自研的爱芯智眸®AI-ISP（图像信号处理）和混合精度 NPU 两大技术目前已 具备核心竞争力。
4.芯擎科技
湖北芯擎科技有限公司于 2018 年在武汉经济技术开发区成立，在武汉、北京、上海、深圳、沈阳和重 庆设有研发和销售分支机构，专注于设计、开发并销售先进的汽车电子芯片，致力于成为世界领先的汽 车电子芯片整体方案提供商。公司最初由吉利系亿咖通科技与安谋(ARM)中国发起设立，成立至今芯擎科技已经完成八轮融资，2025 年 4 月完成 C 轮 1 亿元融资。2021 年公司自主研发的智能座舱芯片“龍鹰 一号”发布；2024 年 3 月公司自动驾驶芯片“星辰一号”正式发布。
（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。）
