2019年我國汽車 AI 芯片市場規模為9億美元,同比增長33.2%,2020年增長66.7%達到15億美元,隨著汽車 EE 架構加速升級,域控制器/中央計算平臺被廣泛使用,到 2025 年 AI芯片市場規模達 91 億美元,CAGR 為 47.05%,到 2030年將達 177億美元,2019-2030年11年複合增速 31.1%。對公報價6000元1498052617
2020-2026年汽車AI芯片產業競爭狀況與需求預測研究報告
2020-2030年我國汽車 AI 芯片市場規模及增速預測
正文目錄
1、車載AI 芯片概述
1.1、車載計算主要挑戰
1.2、車載AI芯片作用
1.3、車載AI芯片應用場景
1.4、車載AI芯片部署
1.5、車載AI芯片壁壘
1.6、車載AI芯片是發展基石
2、汽車處理芯片由MCU 向 AI 芯片方向發展
2.1、汽車數據處理芯片運算由控制指令向AI 運算方向發展
2.2、ARM內核提供芯片控制指令運算能力
2.3、AI處理器提供芯片智能運算能力
2.3.1、雲端AI 處理器
2.3.2、邊緣端AI 處理器
2.3.3、終端AI 處理器
2.4、車規級芯片條件苛刻
3、MCU引領汽車由機械化時代走向電氣化時代
3.1、MCU承擔汽車執行ECU 的運算大腦
3.2、2018-2030年我國汽車MCU 市場規模
3.3、汽車MCU 行業加快整合集中度提升
3.4、全球汽車MCU產業趨勢
3.4.1、技術發展趨勢分析
3.4.2、產品發展趨勢分析
3.4.3、產品應用趨勢分析
4、軟件定義汽車時代來臨,域控制AI 芯片是重要一環
4.1、車載AI芯片是智能汽車時代實現域控制的核心
4.2、車載AI芯片發展狀況
4.3、2020-2030年我國汽車AI 芯片市場規模
4.4、集成更多AI 單元是智能芯片技術路徑發展的大趨勢
4.5、汽車主控SoC系統級芯片需求逐年增長
5、汽車AI芯片產業格局
5.1、域控制器AI 芯片競爭格局
5.5、本土AI芯片廠商競爭力
6、汽車AI芯片核心公司
6.1、特斯拉AI芯片狀況
6.2、NVIDIAAI芯片狀況
6.3、MobileyeAI 芯片狀況
6.4、華為AI芯片狀況
6.5、地平線AI芯片狀況
6.6、寒武紀AI芯片狀況
6.7、域控制器AI 芯片潛在進入者
7、投資趨勢
7.1、投資機遇
7.2、發展策略
7.3、產品趨勢
7.4、模式趨勢
7.5、投資風險
圖表目錄
圖表 1:汽車智能化趨勢下計算平臺和芯片成為核心
圖表 2:車載芯片應用場景分類
圖表 3:AI 芯片按照部署位置和功能分類,目前主要廠商
圖表 4:車規級芯片是終端芯片中要求最高
圖表 5:車規級AI 芯片是皇冠上的明珠,開發週期長、難度大、長跑道的創新
圖表 6:博世 E/E 架構升級進程
圖表 7:由控制指令運算為主的分佈式 ECU 向 AI 運算的中央計算平臺發展
圖表 8:汽車半導體分類
圖表 9:MCU 芯片結構
圖表 10:SOC 芯片結構
圖表 11:SOC 較 MCU 芯片功能更復雜
圖表 12:ARM Cortex 處理器家族分為 A/R/M 三大系列
圖表 13:智能芯片分為雲邊端三大類
圖表 14:人工智能算法的概念分類
圖表 15:汽車芯片標準遠高於消費級
圖表 16:功能安全標準對故障等級要求苛刻
圖表 17:汽車MCU 工作過程
圖表 18:BOSCH 的 ECU 實物圖
圖表 19:不同位數 MCU 的應用類型
圖表 20:發動機管理系統 ECU 功能應用逐漸複雜化
圖表 21:傳統汽車 MCU 單車價值
圖表 22:純電動汽車 MCU 單車價值
圖表 23:2018-2030 年我國汽車 MCU 市場規模測算
圖表 24:全球通用 MCU(汽車、工業、消費電子等)競爭格局
圖表 25:全球主要汽車 MCU 公司概況
圖表 26:2017 年全球汽車 MCU 市場份額
圖表 27:2019年全球汽車MCU 廠商市場份額
圖表 28:MCU 改進路徑及方式
圖表 29:自動駕駛信息傳遞環節
圖表 30:電子電氣(EEA)架構技術戰略圖
圖表 31:特斯拉AutoPilot 從HW1.0到HW 3.0智能化功能和主控芯片進化史
圖表 32:2019 年中國購車消費者對汽車智能化的配置需求
圖表 33:2019 年消費者對汽車網聯化需求的關注度
圖表 34:汽車電子電氣架構從分佈式電子電氣架構向域集中、中央計算平臺架構發展
圖表 35:智能汽車電子電氣架構設計面臨四大挑戰
圖表 36:中國自動駕駛發展演進示意圖
圖表 37:中國ADAS 和自動駕駛功能滲透率將快速提升
圖表 38:能駕駛對算力需求增長迅速,每增加一級自動駕駛等級算力需求增長一個數量級
圖表 39:車載半導體成為半導體行業增速最快的細分領域
圖表 40:2020-2030 年我國汽車 AI 芯片市場規模測算
圖表 41:2020-2030年我國汽車 AI 芯片市場規模及增速預測
圖表 42:終端推理芯片快速增長,到2022年AI芯片市場份額達到62.6%
圖表 43:CPU 結構
圖表 44:GPU 結構
圖表 45:FPGA 結構
圖表 46:N-SOC 結構(華為達芬奇架構)
圖表 47:AI芯片的主要技術路徑
圖表 48:全球車載主控芯片中,異構SoC系統級芯片需求逐年增長,將佔據市場核心地位
圖表 49:汽車主控芯片國內外主要廠商
圖表 50:汽車主要 AI 芯片產品對比
圖表 51:FSD 芯片內部簡單架構圖
圖表 52:FSD芯片神經網絡處理單元
圖表 53:Mobileye EyeQ4~5 系列芯片
圖表 54:英偉達面向自動駕駛芯片產品
圖表 55:英偉達Drive 計算平臺搭載了新一代Orin 和Ampere 芯片,可支持L2~L5 的自動駕駛需求
圖表 56:全球主流車載AI 芯片公司量產產品對比
圖表 57:英偉達、Mobileye、地平線對比
圖表 58:Autopilot硬件1.0
圖表 59:Autopilot 硬件2.0
圖表 60:Autopilot 硬件2.5
圖表 61:Autopilot 硬件 3.0
圖表 62:特斯拉自動駕駛系統方案
圖表 63:特斯拉 FSD 芯片結構
圖表 64:目前AutoPilot AI 軟件堆棧結構
圖表 65:預計2020 年年底特斯拉將擁有超過51 億英里的駕駛數據可用於自動駕駛的訓練
圖表 66:NVIDIA 在 GPU 市場是 AI 芯片龍頭
圖表 67:NVIDIA 自動駕駛系列產品
圖表 68:英偉達的 K1 芯片嵌入奧迪 A8 的 z FAS 系統中
圖表 69:NVIDIA PX2 系列產品
圖表 70:NVIDIA 系列產品
圖表 71:NVIDIA 全球車企合作情況
圖表 72:NVIDIA 全球共與六家一級供應商展開合作
圖表 73:2013-2020年英偉達分業務板塊收入(單位:百萬美元)
圖表 74:Mobileye 是全球自動駕駛芯片龍頭
圖表 75:2014-2019年 Eye Q芯片出貨量
圖表 76:2014-2019 年 Mobileye 收入
圖表 77:Mobileye Eye Q 系列芯片
圖表 78:Eye Q3 芯片
圖表 79:Eye Q4 芯片
圖表 80:Eye Q5 芯片
圖表 81:華為 MDC 計算平臺
圖表 82:達芬奇架構(單核)
圖表 83:MDC300 計算平臺
圖表 84:華為“八爪魚”自動駕駛雲服務
圖表 85:地平線發展歷史
圖表 86:地平線融資
圖表 87:地平線征程算法
圖表 88:MAPS 聚焦“快”和“準”兩個關鍵評測維度,用最優幀率精度所圍面積直接體現 AI 芯片的最強能力
圖表 89:高性能計算架構BPU2.0
圖表 90:地平線新一代計算平臺Matrix2.0
圖表 91:地平線AI 芯片核心能力:算法+芯片聯合優化且兼顧靈活,高效架構服務經典和未來算法設計
圖表 92:地平線算法優化目標
圖表 93:地平線“天工開物”AI開發平臺:更快、更省、更高效
圖表 94:地平線“天工開物”AI 平臺構成
圖表 95:深層次、多維度的開放賦能,與諸多戰略伙伴共創智能汽車未來
圖表 96:地平線征程系列芯片Roadmap
圖表 97:地平線征程系列芯片
圖表 98:地平線芯片的 BPU 架構
圖表 99:地平線的征程二代 SOC 芯片
圖表 100:地平線的 Matrix1.0 計算平臺
圖表 101:地平線計算平臺系列產品
圖表 102:2020 年征程二代芯片首次量產搭載在長安 UNI-T 上
圖表 103:寒武紀雲端/邊緣/終端系列產品
圖表 104:寒武紀 MLU290 雲端 AI 芯片
圖表 105:寒武紀基於 MLU290 的 AI 加速卡
圖表 106:寒武紀 MLU220 邊緣端 AI 芯片
圖表 107:寒武紀基於 MLU220 的 AI 加速卡
圖表 108:邊緣端芯片產品公司(均 N-SOC 芯片)
圖表 109:雲端芯片產品公司(除英偉達 GPU 外,其餘均 N-SOC 芯片)