根据中国智能网联汽车产业创新联盟数据显示,2020 年L2 级别自动驾驶新车渗透率已近15%。当前正处于L2向L3级别转化的阶段,预计2025年L2.5级别自动驾驶车辆渗透率达到50%。

 

从产业链上看,2025年智能驾驶感知、决策、执行、座舱领域市场空间约4000亿,年复合增长率超过20%。政策、需求、供给三管齐下,汽车智能化成为必然趋势,汽车软硬件以及内部架构、行业竞争格局、产业链价值分配也将发生深远变化。

 

 

在此节点,与非网推出本期专题,来探索ADAS与自动驾驶的发展之路,以及产业链中各环节企业的动态和布局。本文采访了多家行业知名厂商和专家,主要围绕“感知、决策、执行”自动驾驶核心环节以及其中可能面临的挑战与机遇等问题展开。

 

感知端

感知层是由各类传感器组成,自动驾驶的实现需要毫米波雷达超声波雷达摄像头激光雷达等传感器产品的保障,自动驾驶渗透率的提升拉动传感产品需求持续提升。

 

高级别自动驾驶中对于传感端产品的数量和精度都有更高的要求。随着L2渗透率越过15%逐渐普及、L2.5/L3密集发布、L4/L5进入开放路段测试,传感端产品的需求将随着自动驾驶渗透率的提升而持续攀升。 

 

车用毫米波雷达主要指24GHz和77GHz毫米波雷达。24GHz主要面向50-70m的中短距探测,主要用于BSD、车道偏离预警(LDW)、PA等功能;77GHz主要面向150-250米的中长距探测,用于AEB、自适应巡航(ACC)、FCW等主动安全领域。

 

毫米波雷达对烟雾灰尘穿透能力强,受天气影响小,可以全天候工作,主要用于测量与目标车辆的距离、方位角和相对速度。典型的智能驾驶一般需要配置5个毫米波雷达,包括4个24GHz中距离毫米波雷达和1个77GHz长距离毫米波雷达,其中中距离雷达位于汽车的四角;长距离雷达位于车辆的前方。 

 

毫米波雷达主要由大陆、博世、海拉等传统零部件巨头所垄断。77GHz雷达的开发难度更高,博世、大陆、电装等公司已经实现了量产搭载,且均具备整车集成搭载能力。 国内企业,华域汽车、保隆科技、德赛西威等均在布局24GHz和77GHz毫米波雷达。目前因为产品成熟度、客户集成能力等原因,本土企业的雷达产品并没有大规模上量。 

 

  • 超声波雷达

常见的超声波雷达有UPA和APA两种,主要用于泊车辅助等短距离场景。UPA的探测距离一般在15~250cm,主要用于测量汽车前后方的障碍物;APA的探测距离一般在30~500cm,不仅可以用于测量汽车左右侧的障碍物,还可以判断停车库位是否存在。超声波雷达价格便宜,但是容易受环境干扰,对于细小的物体感测性能不佳。

 

目前,在自动驾驶的感知层面,行业主要是围绕“视觉方案”和“激光雷达”两种路线在讨论和布局。

 

视觉方案:单目摄像头+深度学习——识别的准确性和深度学习的可靠性是迈向自动驾驶的瓶颈;双目识别+传统算法——一致性和成本是迈向商业化的挑战。

 

摄像头系统是ADAS核心传感器,在采集图像后,由摄像头内的感光组件电路及控制组件对图像进行处理并转化为电脑能处理的数字信号,从而实现感知车辆周边的路况情况。其最大优势在于识别内容丰富,且摄像头硬件成本相对低廉。目前应用于自动驾驶的路况判断方案,多以单目摄像头方案为主。

 

单目摄像头领域,Mobileye占据主导地位,占据全球市场超过70%的份额,与 Tier1 配合为 OEM 定义产品,掌握视觉传感器算法,并向下游客户提供车载摄像头模组,EyeQ 芯片以及软件算法在内的整套方案。

 

单目摄像头方案可实现车道偏离警告 (LDW)、基于雷达视觉融合的车辆探测、前部碰撞警告 (FCW)、车距监测 (HMW)、行人探测、智能前灯控制 (IHC)、交通标志识别 (TSR)、仅视觉自适应巡航控制 (ACC) 等功能,成本低于其他视觉方案。但是其存在探测长度和宽度无法同时保障和测距不准的问题。

 

激光雷达方案:激光雷达具有高精度、高分辨率、建立周边3D模型的优势,工作原理是将激光线束竖向排列形成一个面,通过调整角度发射激光束、传感器接收记录,做到对周围环境的三维感知。竖向排列线束越多,扫描密度越大,精度就越高,价格也越贵。

 

激光雷达按照有无机械旋转部件可以分为机械激光雷达和固态激光雷达:机械式通过机械旋转部件直接驱动激光线束,拥有360°视场,测量精度更大,探测距离更远,但是结构复杂、体积大、适配性交叉,量产成本很高;固态激光雷达不具备机械旋转部件,通过电子部件控制激光发射角度,结构简单、成本更低,但扫描角度有限、测量精度较机械式低,引入较多环境光噪声。

 

激光雷达主要应用于L3级别以上的自动驾驶,分为16线、64线和128线。相比之下,线越多,探测距离越远,质量越轻,分辨率也越来越高,适用的驾驶级别也越高。 

 

Velodyne的64线机械式激光雷达价格高达7万美元以上,而华为发布的96线激光雷达,未来计划将成本降至200美元。固态激光雷达赛道还有大疆、禾赛、Velodyne、Luminar、ouster、Quanergy、ibeo等,法雷奥第三代Scala也从机械转向固态。从商业化考虑,因机械式高昂的成本,预计固态大概率会率先上车。

 

综合来看,纯视觉方案瓶颈在于极高要求的算法;激光雷达路线商业化瓶颈在于价格。辅助驾驶时代,以单目摄像头为主,激光雷达逐渐渗透;未来,进入商业化,成本是必须突破的环节,高等级自动驾驶激光雷达方案胜出具有更大概率。

 

资本方面,对于不同种类雷达的投资热度主要跟相关领域的成熟度有关。“超声波雷达、毫米波雷达相对来说成熟度较高,已经有头部企业形成较为稳定的市场格局,所以资本关注度相对较低;双目摄像头、激光雷达甚至一些非可见光感测等新兴领域,还处于突破阶段,所以资本更愿意投资于未来有成长预期的赛道,相关领域关注度较高。”创道投资合伙人步日欣向笔者表示。

 

决策端

随着自动驾驶等级的提高,要求更高的算力和更多传感器件,ECU的增长迎来爆发,而传统的汽车分布式电子电气架构,各个ECU都是通过CAN和LIN总线连接在一起。这种分布式的ECU架构如果无限制扩张,将在成本端和技术端都面临巨大挑战。

 

成本端:算力冗余浪费。ECU的算力不能协同,并相互冗余,产生浪费;线束成本提升。这种分布式的架构需要大量的内部通信,客观上导致线束成本大幅增加,同时装配难度也加大。

 

技术端:多传感器融合算法需要域控制器的统一处理、分布式ECU无法统一维护升级、分布式ECU无法统一维护升级、保障汽车安全的需求、平台化、标准化的需求。

 

总结来说,随着车载传感器数量越来越多,传感器与ECU一一对应使得车辆线路复杂性也急剧增加,同时分布式ECU架构在自动驾驶功能实现上面临诸多技术瓶颈。如何在愈发复杂的线路中,保证数据处理以及网络安全的最优化成为难题,汽车电子电气架构(EEA)由分布式向集中式升级已成为了必然。此时,DCU(域控制器)和MDC(多域控制器)应运而生,以更强大的中心化架构逐步替代分布式架构。

 

域控制器的出现体现了智能驾驶对整车功能的重新定义与整合,将减小整车企业软件算法开发难度,方便功能扩展。域控制器因为有强大的硬件计算能力与丰富的软件接口支持,使得更多核心功能模块集中于域控制器内,系统功能集成度大大提高。同时,通过域控制器的整合,分散的车辆硬件之间可以实现信息互联互通和资源共享,软件可升级,硬件和传感器可以更换和进行功能扩展。

 

以博世经典的五域分类拆分整车为动力域、底盘域、座舱域、自动驾驶域和车身域,不同域之间的通信,需要由更高传输性能的以太网作为主干网络承担信息交换任务。五域较为完备的集成了L3车型的功能,逐渐开始在L3级别车型上进行应用。

 

 

  • 动力域

动力域控制器是一种智能化的动力总成管理单元,借助CAN、FLEXRAY实现变速器管理、引擎管理、电池监控、交流发电机调节。主要用于动力总成的优化与控制,同时兼具电气智能故障诊断、智能节电、总线通信等功能。

 

  • 底盘域

底盘域是与汽车行驶相关,由传动系统、行驶系统、转向系统和制动系统共同构成。随着汽车智能化发展,智能汽车的感知识别、决策规划、控制执行三个核心系统中,与汽车零部件行业最贴近的是控制执行端,也就是驱动控制、转向控制、制动控制等,需要对传统汽车的底盘进行线控改造以适用于自动驾驶。

 

  • 座舱域

传统座舱域是由几个分散子系统或单独模块组成,这种架构无法支持多屏联动、多屏驾驶等复杂电子座舱功能,随着智能驾驶系统对人机交互的需求,催生出座舱域控制器这种域集中式的计算平台。智能座舱的构成主要包括全液晶仪表、大屏中控系统、车载信息娱乐系统、抬头显示系统、流媒体后视镜等,座舱域控制器作为统筹协调控制器用于实现“一芯多屏”的架构。

 

座舱域控制器通过以太网、MOST、CAN,实现抬头显示、仪表盘、导航等部件的融合,不仅具有传统座舱电子部件,还进一步整合智能驾驶ADAS 系统和车联网V2X 系统,从而进一步优化智能驾驶、车载互联、信息娱乐等功能。相对于动力与底盘域控制器,座舱域控制器安全要求较低,同时,因其承载着用户交互的功能,整车企业对其功能掌控意愿较高,均希望将其作为产品差异化的抓手。

 

  • 自动驾驶域

自动驾驶的域控制器,要具备多传感器融合、定位、路径规划、决策控制、无线通讯、高速通讯的能力。通常需要外接多个摄像头、毫米波雷达、激光雷达,以及IMU等设备,完成的功能包含图像识别、数据处理等。

 

算法实现上,自动驾驶汽车通过激光雷达、毫米波雷达、摄像头、GPS、惯导等车载传感器来感知周围环境,通过传感器数据处理及多传感器信息融合,以及适当的工作模型制定相应的策略,进行决策与规划。在规划好路径之后,控制车辆沿着期望的轨迹行驶。域控制器的输入为各项传感器的数据,所进行的算法处理涵盖了感知、决策、控制三个层面,最终将输出传送至执行机构,进行车辆的横纵向控制。

 

  • 车身域

随着整车发展,车身控制器越来越多,为了降低控制器成本,降低整车重量,集成化需要把所有的功能器件,从车头的部分、车中间的部分和车尾部的部分如后刹车灯、后位置灯、尾门锁、甚至双撑杆统一连接到一个总的控制器里面。车身域控制器从分散化的功能组合,逐渐过渡到集成所有车身电子的基础驱动、钥匙功能、车灯、车门、车窗等的大控制器。车身域控制器能够集成传统BCM、PEPS、纹波防夹等功能。

 

随着汽车电子电气架构逐渐向域集中方向发展,未来3-5年将是新一代EE架构的落地期,行业公司纷纷加速积累和布局。

 

但是,在ECU向DCU的转型过程中,产业链厂商会面临种种挑战,上游原厂作为核心芯片供应商,如何看待其中挑战?

 

安森美半导体智能感知部大中华区总监郗蕴侠表示,挑战包括硬件方面需满足多传感器之间的协同要求,接口芯片需要满足多传感器带宽需求,核心处理芯片能力需提供不同等级自动驾驶的算力和接口要求,以及功能安全和网络安全的实现。最重要需提供平台化的器件系列产品以适应产品的升级。以摄像头为例,需提供具有平台化的图像传感器系列产品,尽可能兼容视觉和感知的功能,使器件在不同应用中复用率达到最高。软件方面的挑战包括需使用标准化软件架构 (AUTOSAR)、多融合传感器算法、系统功能安全ASIL实现、整车OTA升级等等。业务模式也发生改变,终端车厂更多直接参与关键车用芯片的选型及整个DCU的设计,车用芯片供应商产业链升级为二级甚至一级供应商,直接和整车厂对接技术和产品的需求,增加与整车厂的配合度。

 

恩智浦认为,整车电子电气架构从分布式转换成域控制器架构,是目前中国汽车市场快速发生的变化。但是,目前对各个域控制器的具体功能,业界并未形成相对统一的功能定义。这对具体ECU的处理器方案选型和系统功能匹配提出了比较大的挑战。另一方面,由于域控制器架构需要更高的主干网通信带宽,看到新一代的车用网络主架构,快速从CAN更新到以百千兆以太网为主干网的高速网络技术。

 

转型之余,软件系统正成为未来汽车倚重的核心,在汽车格局重构,软件定义汽车的趋势下,对原有产业链带来冲击。

 

对此,恩智浦向笔者说道,随着整车架构的演进,以及软件系统在汽车重要性占比越来越大,也相应带来了车厂,供应商和芯片厂的产业链的价值重构。新电子电气架构里软件占比相对以前有了极大提升,例如自动驾驶技术,整车控制单元,整车FOTA升级和车云交互技术,以及未来的中央计算单元等等,都带来了大量的软件的价值。过去一两年内,无论是国外还是国内,OEM车厂都成立了自己的软件中心,来自主掌握核心软件的开发和维护。相对应的,也新诞生了很多独立软件供应商,可以帮助车厂来完成底层或者中间层的软件。

 

从芯片厂的角度来讲,在推出相关芯片的时候,要跟上下游的生态伙伴搭建相应的软件供应链,围绕产品所需要的各层软件,有相应的第三方伙伴来提供产品来帮助最终客户开发完整的产品。

 

安森美半导体智能感知部大中华区总监郗蕴侠认为,软件定义硬件的模式,是为适应快速迭代、用户体验的持续提升。这对原有的产业链带来巨大冲击,已经不再是Tier1提供系统的每个部分,包括感知,控制器,算法等整体打包给车企。车企为了降低成本和增加可控性,将系统拆分给不同Tier1/Tier2,在每个系统环节让更多更专业的玩家进入,目标实现适应性更强的硬件平台利于软件升级和最优的软硬件结合的系统。尤其互联网公司和软件算法公司,ODM/EMS公司,纷纷进入到汽车行业并和传统车企合作,共同打造新的自动驾驶生态系统。

 

作为芯片供应商最重要的就是和软件算法提供商合作,更早了解其应用算法的需求,在硬件设计方面满足实现其软件和算法。另外则需提供具有平台化的硬件系列产品,以适应软件的升级。新的产业链下,需要汽车芯片供应商加强与车企和其他系统部件供应商的合作,为不同的算法供应商提供接口,允许软硬解耦开发。

 

“现在,产业链关系上,汽车供应链正在发生颠覆性的变革,过去式等级森严的金字塔关系,现在都在转向拼图式的合作关系,因为当前的创新拼的是速度,已经不允许某个公司单打独斗,要以更快的速度进行创新,就必须要协同。在未来,主机厂跟有软件能力的芯片公司形成直接战略合作,是智能汽车时代新的合作范式。

 

地平线在车规级AI芯片上能够取得领先优势,也是因为秉承了“算法+芯片”软硬结合的发展思路。硬件方面,自研车规级AI芯片不断迭代升级,“征程5”芯片蓄势待发,欲与特斯拉一较高下;软件方面,基于自研AI芯片打造了地平线“天工开物”AI开发平台,囊括了面向实际场景的AI算法和应用开发的全套工具。”地平线总结了其产品研发路径与当前汽车电子的发展趋势。

 

汽车AI芯片格局与国产困境

科技企业忙着造车,芯片厂商忙着造“车芯”,每个域或子域都有对应的域控制器DCU和各种ECU,所有这些构成了汽车电子电气架构的网络拓扑。当前智能汽车发展的核心瓶颈是算力不足,智能化竞争在提速,首先体现在算力的军备竞赛上,现阶段L2级别自动驾驶计算量已达10TOPS, L3级别需要60TOPS,L4级别算力将超过100TOPS。车规级AI芯片成了行业新宠。

 

AI芯片主要分为GPU、FPGA、ASIC,当前主流的AI芯片是GPU,未来可能被ASIC替代。三类AI芯片之间的区别在于适用范围不同。GPU属于通用型芯片,ASIC则属于专用型芯片,而FPGA则是介于两者之间的半定制化芯片。

 

自ADAS技术,或者L1~L2级自动驾驶技术兴起之后,自动驾驶芯片市场长期被Mobileye和赛灵思两个玩家所掌控,不过从近些年开始,这一现象正在被逐渐改写。随着汽车对计算芯片的算力要求也越来越高,GPU王者英伟达、移动芯片霸主高通先后推出大算力自动驾驶SoC,开始抢夺市场份额。

 

去年10月,AMD宣布350亿美元收购FPGA巨头赛灵思,除了看中赛灵思的FPGA架构之外,汽车业务也是合并后公司的重点业务之一。另一边,飞速发展的特斯拉,陆续甩开Mobileye、英伟达等供应商,直接做了自己的自动驾驶芯片,来提供更高的算力,同样证明着这一变革大势所趋。

 

种种“动作”,可以看做芯片巨头在当前自动驾驶领域的一个缩影。2021年,随着L2级自动驾驶普及度的不断增高,汽车由分布式计算向中央计算的不断进化,各方巨头的自动驾驶芯片之“战”还将不断升级。

 

看回国产芯片市场。过去几十年,我国汽车产业取得了长足进展,但主要还是在集成创新层面,智能汽车时代,只停留在集成阶段是没有未来的,必须在上游的车载芯片方面取得突破,这也是智能化最难的赛道之一。但现实是残酷的,这个市场基本上还是国外公司一统天下,2019年,全球汽车芯片市场总规模大约为475亿美元,其中,中国自主汽车芯片产业规模不到150亿元人民币,不到4.5%,对比我国汽车产量占比全球超过30%,差距巨大。

 

令人欣喜的是,中国车载芯片创新力量正在迅速崛起,以地平线、黑芝麻等本土企业为代表的是自动驾驶AI芯片背负着行业期待。但芯片行业的残酷性在于赢者通吃,如果不能做到行业前两名,基本上就没有未来,甚至第一名和第二名的差距都会非常大,PC和移动设备的历史就是明证。当下智能汽车的奥林匹克赛场,决赛的发令枪已经打响,未来三年非常关键,如果做不到产业的前两名,基本就是出局。

 

“在芯片领域,车载的门槛是很高的,并且车规AI芯片更是全新的领域。如果要进入决赛圈,2020年就必须要做到量产落地,因为车规级芯片研发周期长,研发周期一般长达五年之久,先发优势一旦建立就很难打破,而且后面的竞争烈度会非常强,大家在下一轮芯片算力竞赛中的投入差不多都得是前一代的三倍以上,对后进入者的门槛会越来越高。截至目前,地平线是继 Mobileye、Nvidia 后,第三个实现前装量产的 AI 芯片公司。”地平线向笔者说道。

 

追赶与突围是我国芯片产业近年来的主旋律,在这个过程中最重要的是什么?地平线表示,首先,肯定还是芯片设计能力,要经过车规级验证和市场考验。在芯片领域,车规芯片可以说是最难的,堪称是人工智能领域的珠穆朗玛。2020年,地平线车规级AI芯片开始量产上车,自与长安的合作发布后,新找来合作的车企多到忙不过来。而地平线是他们目前唯一能寻求合作的中国车载AI芯片公司。预计到2025年,中国汽车75%到80%将搭载L2-L3级别的自动驾驶功能。

 

纵观产业生态,正逐渐打破传统Tier1和Tier 2边界,供应链上的各个参与者紧紧围绕在主机厂的周围,去提供相应的服务和零部件。从底层去赋能,跟客户实现真正的协同,而不是简单的交付。

 

从L2到L4的芯片之战正在进行,无论是芯片巨头还是初创企业,看好的不仅是当前的市场,更多的是未来L4级自动驾驶的市场,追求高算力以及中央计算的电子电气架构将是自动驾驶芯片公司未来一个时期内的主要目标。

 

未来自动驾驶赛道的竞争主要集中在算力、功耗、能效比、配套软件和算法工具链这几个维度。芯片已经从成熟期向后成熟期逐渐过渡,老牌巨头稳坐桥头的时代已经过去,像地平线这样的新生力量带着技术积累和不一样的技术思路,给芯片、汽车行业注入了更多鲜活的能量。

 

对于汽车芯片未来的发展趋势,地平线认为,当前智能汽车发展的核心瓶颈是算力不足,智能化竞争在提速,首先体现在算力的军备竞赛上。但受摩尔定律的功耗限制,追求纯算力突破并不可持续,算力也并不代表汽车智能芯片“真实性能”,芯片计算效率也同样需要关注。正如对于汽车来说,马力不如百公里加速时间更真实反映整车动力性能,算力并不反映汽车智能芯片实际性能,而每秒准确识别帧率MAPS才是更真实的性能指标。以特斯拉为例,得益于其软件能力, FSD 标称算力只有Nvidia Drive PX2的3倍,但真实性能却是PX2的21倍。因此,算法驱动AI芯片设计的软硬结合趋势下,新一代汽车智能芯片领导者,必须也是世界级AI算法公司。

 

IP厂商如何助力产业前行?

上述AI芯片之外,在从L2/L3级ADAS向L4/L5级全自动驾驶演进的过程中,神经网络加速器也将是至关重要的组成部分。这些ADAS/自动驾驶系统需要处理各种各样的复杂场景,比如从多个摄像头和激光雷达的传感器融合中提取数据,以实现自动泊车、十字路口管理,以及复杂城市环境安全导航等高级功能,能够结合高性能、低延迟和高能效的AI加速器将是实现高级别自动驾驶的关键所在。

 

 

Imagination产品营销高级总监Andrew Grant表示,神经网络在视觉推理方面表现出色。从摄像头和其他传感器处获取图像输入,并识别其中的内容,然后将数据交由其他组件处理,以支持车辆进行决策。能够进行详细视觉分析以及支持卷积神经网络,意味着车用神经网络加速器(NNA)不仅能在车辆行驶时监测外部环境,还可以监测驾驶员,帮助改善ADAS功能。Imagination专为汽车市场设计了NNA内核——IMG Series4神经网络加速器(NNA),该NNA与车用XS GPU内核一起开发,目标是让汽车整车厂能够通过授权来采用完整的GPU和NNA IP产品,为客户提供算力、功耗、带宽和延迟等方面的最佳组合性能,以提供高性能ADAS和自动驾驶功能。

 

不同的AI芯片之间各有优劣,目前AI算法仍然处在一个不断的快速更新迭代的阶段,随着AI 芯片市场规模的扩大和应用场景快速演进,新的解决方案需要去应对在高性能、灵活和上市时间等方面的不同需求。FPGA凭借功能可修改的优势,在算法不断更新、迭代的环境下将有很强的竞争优势,在需求量较小的专用领域将保持住一定的市场份额。 

 

然而提起FPGA,可能很多人第一时间都会想到FPGA大厂赛灵思和英特尔(Altera),但其实还有其他一些非常有特色的FPGA厂商,比如基于FPGA的硬件加速器件和高性能嵌入式FPGA(eFPGA)半导体IP公司Achronix。

 

除了“传统”FPGA芯片产品之外,Achronix还是目前嵌入式FPGA(eFPGA)的主要IP提供商。与传统FPGA相比,eFPGA的最主要特点是能将可编程逻辑单元与其他ASIC IP整合到同一款SoC中,在缩小芯片面积的同时降低系统功耗。

 

Achronix产品营销高级经理Tom Spencer介绍道,Achronix推出了Speedster7t FPGA芯片和Speedcore eFPGA IP。Speedster7t FPGA器件包含GDDR6、PCI-e Gen 5和400GbE等硬件接口,还搭载了二维片上网络(2D NoC)以及具有最新架构的机器学习处理器(MLP),从而形成了这种新一代器件的独创功能。

 

二维片上网络(2D NoC)

 

而对成本和功耗敏感的汽车市场用户,可以通过购买Speedcore eFPGA IP授权来利用2D NoC、MLP和FPGA逻辑阵列,从而打造自己具有高度可编程性和高性能的专用集成电路或者SoC,在这些自有定制器件中集成了2D NoC和MLP,从而为应用方案带来了超快的推理速度,最大程度地降低了功耗和延迟。

 

行业专家“老石谈芯”表示,Achronix历时15年的发展,从无到有,从小到大,直到今天能和两大FPGA巨头公司一较高下,这其中有着很多值得我们国产FPGA公司借鉴的启示和经验。

  • 首先,技术的发展没有捷径,不要过分迷信“弯道超车”。
  • 第二,拥抱新技术、新方向。
  • 第三,离开“舒适区”,敢于对决的勇气。

 

执行端

执行端:自动驾驶需要解耦人与车的机械连接,线控制动、线控转向是自动驾驶执行端的核心;自动驾驶技术的实现需要执行端向线控技术转变,人与车的机械传递在未来自动驾驶车辆上将被电信号替代。

 

线控技术是自动驾驶执行端的核心技术,线控执行主要包括线控制动和线控转向。执行端参与企业主要以博世等国外Tier1巨头为主,在底盘、动力系统具备着较高的技术积淀,因此在电控制动、电控转向领域一直处于接近垄断的位置。国内伯特利、拿森电子、拓普集团也在努力追赶。线控转向沿袭EPS技术,博世、采埃孚、捷太格特、日本精工、耐世特等国际巨头凭借在电动转向的积累,在线控转向领域领先地位稳固。

 

产业链其他厂商在如何布局?资金如何运转?

自动驾驶汽车的产业链很长,各方企业参与其中。除了上面提到的上游芯片原厂,AI芯片供应商,IP公司之外,行业分销商、封测厂商、投资机构对此也表达了各自的观点。

 

  • 分销商

对于汽车产业的“新四化”的发展趋势,安富利很早就有着前瞻性预判,电动化、智能化、网联化、共享化等领域推出了从汽车连接、数字控制、传感器、算法再到系统整合等诸多解决方案。而安富利自身的角色,也从原来的汽车零部件供应商,一步步增加了对硬件、软件、算法的支持,最终转变为能够针对各种应用场景、实时满足客户需求的汽车解决方案提供商。

 

对于阻碍自动驾驶进一步落地的因素,安富利认为,自动驾驶的发展比大家预想的更难、更贵和更慢。政策标准并不完善、技术和应用缺陷有待填补、商业模式和产品成本控制等因素是阻碍自动驾驶发展的主要原因。

 

即使有很多路障要冲破,但自动驾驶是一个十分确定的未来方向和指标,随着电子元器件市场规模的扩大,加上人工智能的技术突破,将带来整个生态链的提升,带来新的商机。

 

  • 封测

研发之外,芯片封装是芯片制造的重要一环,其对于芯片的性能和可靠性至关重要。长电科技作为封测行业领先企业,深知先进封装技术对于汽车产业的重要性。在车联网与5G技术结合的今天,在AI、汽车电子等领域针对不同市场的需求规划系统级封装技术演进路标,形成了具差异化的解决方案。

 

关于汽车电子芯片的封测相比其他领域的难点和挑战,长电科技表示,相比于其他领域, 汽车半导体行业壁垒高、垄断性强;零缺陷要求高;产品认证周期长、可靠性要求高等特性;随着汽车产业的高速发展,我国汽车电子也面临着挑战,主要表现在芯片主要依赖国外进口,且芯片紧缺;半导体元件国产化率低;厂商缺乏完整开发汽车电子产品的经验等。

 

目前汽车电子封装所涉及到的领域主要有微控制器(MCU)芯片、自动驾驶辅助系统 (ADAS) 芯片、车载娱乐芯片、传感器和电源管理芯片等等,使用的主要封装形式为QFN、QFP、SOIC、SOP、SOT等。

 

未来随着汽车技术的进一步升级,芯片封装复杂度也逐渐增大。众多汽车OEM厂商考虑到成本、散热、可靠性、效能等原因,正积极追求一些先进的封装方法,例如倒装封装(Flip Chip),系统级封装(SiP)和扇入型晶圆级封装,以便在这个激烈的市场竞争中实现自身的差异化优势。

 

  • 资本市场

2019年,全球自动驾驶产业融资总额66.4亿美元(约448.9亿人民币),一共发生交易104起,其中公开披露金额的融资事件为70起。

 

2020年全行业融资仍旧火热,这一倾向在2021年更加明显,2021年1月以来,多家自动驾驶头部企业官宣大额融资。其中,自动驾驶汽车制造商Cruise宣布获得微软、通用、本田等20亿美元投资,文远知行宣布完成宇通集团领投3.1亿美元的B轮融资。行业技术进步、二级市场估值引领和主机厂投入持续增加等因素共同促进一级市场迎来新的热潮,全行业有望深度受益。

 

行业融资额的增长,一方面是因为流动性充裕的现状向一级市场扩散;更重要的是随着自动驾驶技术发展和应用落地,行业逐渐获得资本认可。

 

对于行业资本市场的动态,步日欣介绍道,目前看无人驾驶被资本关注的热门领域主要分为两个层面:一个是无人驾驶整车,涌现出了众多无人驾驶汽车公司,包括传统车企、创业公司以及跨领域转型的公司;第二是车规级的核心汽车电子元器件,典型的如激光雷达、双目摄像头、惯导等。在投资热门赛道方面,国内外市场并无太大的区别,这两个领域都属于技术密集的关键环节,正在收到资本追捧。

 

尽管资本市场表现火热,但自动驾驶是一个技术含量较高的行业,涉及到自动化、汽车、新能源、人工智能等综合领域,对团队的综合素质要求较高,既要有汽车整车厂研发和从业经验,有需要掌握人工智能等核心技术。并且该领域不是一个特别新的领域,行业巨头已经布局多年,从大行业来看,已经不适合创业公司介入,窗口已经关闭。如果有创业机会,可能会存在于一些与智能驾驶相关的汽车电子细分领域。

 

以上。

 

欲查看更多“自动驾驶”相关内容,请点击查看 《与非ADAS/自动驾驶主题月》

 

文章参考:

https://mp.weixin.qq.com/s/G--Q2b--oDCehi5su6xMPQ

https://mp.weixin.qq.com/s/JeH-4yXB71y-bn6mZkKNSQ

https://mp.weixin.qq.com/s/Xj2BHiapoener1H4ImNkcA

https://mp.weixin.qq.com/s/PEioEIEeXQ9X8oG0WfT8-g

https://zhuanlan.zhihu.com/p/68379506

以及各家受访企业:地平线、安富利、安森美半导体、恩智浦、Imagination、长电科技、创道投资 步日欣、Achronix.