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）
