半導體、5G、高精度地圖賦能自動駕駛

半導體助力自動駕駛

汽車計算晶片：軟硬體協同能力重於硬體引數

不止是 AI，汽車計算晶片以 SoC 形式為主。汽車的電子電氣架構是一個龐大且複雜的系統，其中計算晶片肩負 ADAS/自動駕駛、智慧座艙、動力/底盤、車身控制、資訊通訊等多個域的計算任務。AI 需要用到的神經網路加速單元，主要為 ADAS/自動駕駛域服務。除了 AI 加速器，汽車計算晶片還需要驅動車機的顯示（GPU）、處理動力/底盤、車身控制、資訊通訊等其他域的控制訊號（CPU）等。因此，汽車計算晶片往往以 SoC 形式為主，且是一個集合了 AI 加速器、CPU、GPU、ISP、DSP 等多個計算單元的異構計算系統。

軟硬體協同能力重於硬體引數。汽車計算晶片中的專用型的 AI 加速器硬體設計相對較為簡單，當落到實用層面時，離不開軟硬體的良好協同。目前，盲目堆砌硬體引數的狂熱時期已經過去，汽車計算晶片能否實現良好的軟硬體協同、真正賦能自動駕駛汽車，才是最關鍵的評價指標。我們認為，由需求決定演算法，再由演算法定義硬體，可能是汽車計算晶片的合理設計思路。

汽車計算晶片市場進入商用能力競爭新階段。隨著高等級自動駕駛的泡沫逐漸擠破，汽車計算晶片市場也進入商用能力競爭階段。與此同時，華為的加入，以及特斯拉自研晶片也給英偉達、地平線等原來的玩家帶來更大的壓力。在商用能力競爭階段，除了硬體效能，配套的軟體、客戶服務等能力的重要性突顯。

競爭格局未定，新玩家從高能效、軟硬結合方向挑戰英偉達

新玩家從高能效、軟硬結合方向挑戰英偉達。汽車計算晶片因其廣闊的市場前景，吸引了來自多個行業的玩家加入競爭，包括汽車行業的特斯拉、ICT 行業的華為、以及創業公司地平線機器人等。我們認為，汽車計算晶片的高能效和靈活性難以兼得，而英偉達選擇了高靈活性，其 Xavier SoC 產品客戶面較廣，則勢必在效能和能效方面有所妥協。我們觀察到，汽車計算晶片的新玩家主要從兩個方向挑戰英偉達：

高能效：華為擁有較強的晶片研發能力以及工程能力，其選擇了高能效的方向挑戰英偉達。

軟硬結合：1）特斯拉作為第一個自研自動駕駛晶片的車企，可以根據自身演算法需求，高度定製化晶片；2）地平線充分發揮公司的演算法特長，軟硬結合開發出深度適配自動駕駛演算法的計算晶片，並提供完善靈活的定製部署工具。

各企業基於自身優勢設計晶片架構。特斯拉作為純視覺自動駕駛的領頭羊，其自動駕駛方案主要基於深度神經網路，因此 FSD 中 NPU 的面積佔比最大，處理神經網路演算法的計算單元面積佔比高達 70%。英偉達的 Xavier SoC 中，GPU 的面積要大於深度學習加速器和視覺加速器。Mobileye 的自動駕駛解決方案中，CV 演算法的應用多於深度學習，因此在其給出的 EyeQ5 設計架構圖中，計算機視覺加速器是最主要的部分。

網聯化為自動駕駛提供技術支撐

5G 對於自動駕駛的意義

全路況的自動駕駛是汽車電子技術發展的終極目標。為了達到這個目標，智慧化和網聯化成為汽車電子技術的兩大發展維度。其中智慧化是汽車一直以來發展的方向，隨著半導體、演算法等技術發展而不斷髮展；網聯化則強調車聯網概念，推動了汽車同環境的資訊互動，特別在 4G、4G V2X、5G、AI 技術的賦能下，資訊的實時性和豐富性將大大提升。

現有的自動駕駛解決方案主要透過將 LiDAR、毫米波雷達、攝像頭等資訊融合處理，實現AI 自動控制駕駛。然而現有自動駕駛解決方案所收集的資料均為無遮擋資料，且存在方向性等侷限。相比之下 V2X 有以下優勢：

1）可以透過一套系統提供 360°全方位的周邊汽車資訊，同時獲得汽車方位之外的其他狀態資訊（如轉向、速度等），可以同其他感測器資訊融合增強演算法的魯棒性。

2）可以提供非視距資訊，在轉彎等盲區場景可以提供非冗餘的寶貴資料。

3）可以提供非實時資訊。V2X 可以將道路資訊傳送至道路周邊基礎設施作為快取，周邊汽車經過時可以獲得快取資訊。

4）汽車終端單價低，適合面向商用車、乘用車、摩托車等所有車型推廣。因此 V2X 在自動駕駛方面有著其他感測器不能替代的特點。

5G 相較於 4G 將實現速率、連線數、時延等各方面指標的大幅提升。在系統性能方面，

5G 技術將實現 10~20Gbps 的峰值速率，100Mbps~1Gbps 的使用者體驗速率，每平方公里

100 萬的連線數密度，1ms 的空口時延，500km/h 的移動性支援，每平方米 10Mbps 的流量密度等關鍵能力指標，相對 4G 提升 3 到 5 倍的頻譜效率、百倍的能效。

在 V2X 方面，5G 技術主要在大規模連線、超低時延和增強移動寬頻三個方面對 4G 技術進行全面升級，因此 5G 相比 4G，在 C-V2X 方面對車聯網的賦能主要體現在：

低時延，交通執行過程中路權分配等資訊具有高併發性和高時效性，需要在極端時間內對資料採集、彙總、處理和反饋。5G 網路將提供空口 1ms 低時延網路，可以提高制動距離約 0。2-0。5 米，更適合自動駕駛場景應用。

超高移動寬頻，車聯網推動汽車和更多的接入終端交換資料，資料的傳輸量較大，因此需要高穩定性的大頻寬行動網路支援資料傳輸。

5G C-V2X 可以提供 V2N、V2P、V2I 和 V2V 的連線服務。其中：

V2P——汽車可以透過 PC5 直連線口和行人形成直連通訊，感知行人的位置，避免交通事故。同時也可以實現遠端控車，遠端定位等功能。圍繞 V2P 場景的服務將主要由車廠前裝實現，提升汽車的安全性和舒適性。

V2I——汽車可以透過 PC5 直連線口和 Uu 介面同周邊基礎設施（如紅綠燈、道閘、路燈等）實現通訊。這類通訊可以提升城市的交通效率。如紅綠燈可以和周邊車輛互動資訊，進行車速引導最佳化車輛等待時間，提高十字路口通行的效率；還可以通知周邊車輛現有路段的擁塞、事故等資訊，避免事故規模擴大。道閘可以準確開關，實現汽車的無感同行等。圍繞 V2I 場景的資訊和服務受到多方關注，將有可能主要由基礎設施提供方，如交通管理局等方面提供；城市管理部門、運營商、APP 廠商也是潛在的參與方。

V2V——汽車可以透過 PC5 直連線口同周邊汽車通訊，也可透過 Uu 介面同遠距離汽車通訊。這類通訊可以保證汽車安全性，降低交通事故發生的風險。還可以進行遠端精準定位。圍繞 V2V 場景的資訊和服務將主要由車廠前裝實現，提升汽車安全性。

5G V2X 的市場規模

中國在全球 4G 建設方面領先，由於 4G 的廣泛覆蓋，我們認為 4G/5G C-V2X 將會長期共存。

商用車市場：由於涉及特定場景，在某些場景（如計程車、公交車、物流卡車、礦卡、港口車輛等）中由於商業模式相對清晰，規模較小，屆時在這些特定場景中的 4G C-V2X 或 5G C-V2X 將有可能迅速落地，滲透率也可能瞬間提升，支撐自動駕駛落地。我們假設每年 500 萬輛商用車，其中有 50%的商用車適合自動駕駛場景（滲透率 50%），每輛車硬體價格 1，000 元，每月流量 60GB，1GB 流量 3 元單價估計，新增硬體市場規模為 50 億元/年，新增流量市場規模為 54 億元/年。

乘用車市場：我們假設 2，500 萬輛乘用車銷售量，4G/5G 車聯網終端產品價格在 1，000 元，車聯網終端的前裝覆蓋率達到 100%，全部前裝，60G/月流量、3 元/GB 計算，則每年新增的汽車端車聯網硬體市場規模約為 250 億元，每年新增運營商車聯網流量市場規模約為 540 億元。

4G 時代乘用車市場是 V2X 的主要市場，商用車市場由於功能簡單不是車聯網的主要市場。

隨著車聯網從 V2N 向 V2X 演進，硬體和流量的市場規模快速提升。比較之下，流量的增長更為快速。

隨著自動駕駛技術的成熟，乘用車和商用車均需要車聯網技術支撐。我們認為特定場景下，乘用車 C-V2X 有望更快速發展。

高精度地圖構建自動駕駛基礎設施

為何高精度地圖是實現自動駕駛的必要條件？

高精度地圖面向機器。不同於傳統地圖，高精度地圖由服務人轉向服務車輛/機器，因此高精度地圖也包含更豐富的多層次資料。具體而言，高精度地圖的資料分為三層：

拓撲結構層：類似於傳統地圖，在地圖上將地點抽象成點，把道路抽象為線。利用路徑規劃來表示點與線之間的關係。

車道層：收集如車道弧度、車道寬度、車道位置、車道型別（實現、虛線、雙黃線等）的相關資訊。

標誌物層：收集如交通標誌、車道限高、障礙物、護欄等相關資訊。

高精度地圖為自動駕駛核心依託之一。高精度地圖能夠提供傳統地圖沒有的精細化資訊，幫助汽車獲得先驗資料和超出感測器探測方位的遠距離道路資訊預判，配合高精度定位進行自身的精確定位，並降低感測器及處理系統成本。因此，對於 L3 及以上級別的自動駕駛，高精度地圖成為不可或缺的基礎設施。

高精度地圖如何生產？高精度地圖的生產過程可以分為採集、自動融合識別、編譯、人工驗證釋出等環節。其中採集環節較為簡單快捷，具有門檻的環節在於編譯和保證生產出來的地圖質量達到車規級。在編譯環節中，圖商需要投入較多人力進行地圖繪製、校正、POI 資訊更新等工作。如高德的昌平資料生產基地中有約 1，000 名內業員工，負責實地採集的外業員工僅 500 人。