产业调研：黑芝麻眼中的车载SoC芯片市场

产业调研系列

前言：近期我们有幸邀请到黑芝麻智能科技首席市场营销官杨宇欣先生做交流，探讨了对于车载SoC芯片市场未来发展的一些想法，主要内容整理如下：

1. 黑芝麻创业历程

黑芝麻是国产自动驾驶芯片独角兽。黑芝麻2016年成立，主要专注在自动驾驶的计算平台，核心是芯片。公司能够提供从芯片到算法到完整的解决方案。在自动驾驶方面，公司理念为自动驾驶的发展不仅仅面向汽车行业，自动驾驶的发展可以上升到整个智慧交通发展的重要环节。所以公司同时有面向车端的智能驾驶解决方案和面向路端的边缘计算的感知计算平台的解决方案，其自动驾驶平台的目标是能够打造聪明的车和智慧的路。公司是纯设计公司，没有自己的晶圆厂，目前代工来自台积电。暂时没有使用国内的晶圆厂，主要原因在于国内现在的主要的车规产线工艺还是成熟工艺，比如65nm、55 nm、40 nm等，而公司对于制程较高，目前是16nm，下一代预计是7 nm。

核心团队具备丰富经验，技术实力顶尖。公司核心团队在国内相关领域的创业公司里比较有特色。团队主要来自于两个部分，一部分是汽车行业，公司拥有20年以上的汽车行业从业经验的团队；另一部分来自芯片行业，公司芯片团队在芯片行业也超过20年，核心的芯片设计团队平均有超过15年的工作经验。公司的核心团队教育背景基本来自于清华大学，工作背景也来自于全球最顶尖的芯片或汽车行业的公司，包括像高通、ARM、安霸、英伟达、特斯拉、博世、福特等等。

公司将自身定位为Tier2，赋能Tier1、主机厂。公司现在很重要的策略是打造一个全开放体系，因为纯黑盒方案在L2及以上的自动驾驶中是很难被主机厂接受的，车厂希望在未来的智能化、新能源化浪潮中，尤其是在智能化方面自己可以完全掌控供应链，所以车厂都开始自建软件体系、算法团队，希望芯片公司在提供芯片能力的同时提供一套开放体系，能够让他们实现差异化。黑芝麻一方面在行业积累很深，另一方面也一直致力于打造一套完全开放、软硬件完全解耦的技术体系。目前公司基本上与国内所有车企有交流，大部分在展开合作，部分项目已经在量产路上；同时，公司和国内主流Tier1展开了紧密合作。公司希望用芯片技术去赋能行业，所以其软硬件全解耦，软件模块可以根据客户需求进行替换，以方便Tier1和主机厂进行定制化，从而获得差异性。

A1000系列芯片是公司目前的主打产品。公司现在的核心产品是华山系列的自动驾驶计算芯片，目前已经推出了2代4款芯片，在市场上主推的是2020年6月份发布的A1000系列的芯片。该系列芯片一共有三款，A1000L、A1000和A1000Pro，对应覆盖的算力16T以上、50T以上和100T以上，公司的芯片算力是按照int8精度来计算的，公司更倾向于用更加精确的物理算力计算方法来标注算力。在自动驾驶领域，int8精度的算力会是最主要的算力衡量标准之一。

公司的核心技术壁垒来自核心的自研IP。公司芯片里目前有两个核心IP是自研的，一个是图像处理ISP的IP，解决看得清的问题；一个是神经网络加速器的IP，解决看得懂的问题。全球最领先的自动驾驶芯片公司或者技术公司，只要是自研芯片，这两个核心IP基本都是自研的，如特斯拉、英伟达、高通、mobileye、华为等，这两个核心IP非常关键。

（1）ISP的IP：虽然特斯拉提出可能ISP未来不一定需要，可以用神经网络去处理传感器获取的原始数据。但根据我们的调研显示，传统ISP非常重要。ISP的作用在于随着自动驾驶的等级提升，传感器数量增加、像素增加，带来了需要处理的大量数据，这些数据的质量会直接决定后续认知的结果。ISP很重要的作用是把图像传感器采集进来的数据尽量处理清楚，如果图像质量很差，即使算力再高，算法再复杂，也得不到准确的感知结果。汽车是工作环境最复杂的，它需要全天候在不同光线条件下都能正常工作，而且要处理的是视频动态数据而不是静态数据，所以对于ISP的性能要求非常高。

（2）NPU的IP：随着自动驾驶等级提升，算力要求越来越高，如何提供高效、低功耗的大算力 IP，IP的设计非常重要。在2017年、2018年公司开始研发NPU的IP的时候就提出了两个方向：第一，异构架构的NPU IP，同时具备一维、二维、三维网络的加速引擎，来处理不同规模的模型，处理一些简单的语音、文字就用小的引擎，图像数据需要大规模的神经网络的来加速，就用三维网络。第二，公司从2017、2018年开始大量引入transformer模型。

做自动驾驶芯片面临多方面挑战，公司已成功进入量产轨道。

（1）从0到1迭代，需要摸索试错。芯片在车里面以前没有，而且从芯片的架构来讲，以前也没有过类似功能的芯片，所以公司进入的是一个无人区。芯片的架构是全新的，做的应用也是非常新的。在公司和车厂合作的过程中，车厂没用过这种芯片，车厂用过小的MCU但没用过这么大规模的 SOC芯片。所以芯片怎么来应用，上面的软件算法怎么部署，行泊一体的域控制器怎么来做，其实都是从0到1，所以周期也比较长。公司花了约一年时间，然后客户进行芯片测试，并在2021年开始陆续拿到车厂定点。预计最快在2022H2就有应用A1000芯片的车开始量产上市。

（2）车载芯片从开始设计到最终上车的周期较长。根据黑芝麻的估算，芯片从产品定义到芯片研发，大概需要4-5年时间。从芯片开始设计，大概需要42个月。其中芯片设计大概需要2年时间，之后，通过各种车规认证大概需要1年左右，客户定点之后整个车的研发周期大概快的话12-18个月，慢的话要24个月。

（3）对于功能安全要求较高，自动驾驶芯片认证周期较长。大算力芯片从出来给客户拿到样片到最终量产需要2-3年的时间。现在的车都是新能源车或者智能车，电子部分、软件部分占比越来越多，研发迭代周期已经快于原来以机械为主的平台的研发，但这种快也无非是从4-5年迭代一代平台变成了2-3年迭代一代平台，仍然是漫长的过程。特别是自动驾驶芯片涉及到车身控制，所以对整个的认证要求更高。比如MCU可以分为两类，一类是车身MCU，座椅、空调、雨刷等等，不涉及到车身控制，对安全等级要求相对较低；另一类是涉及到车身控制的MCU，安全等级要求非常高。自动驾驶芯片涉及到车身的控制，所以对安全等级要求很高。公司近两年基本上把芯片能够拿到的所有认证，包括团队认证、产品认证、流程认证、软件的认证都拿到了。所以公司在2022年芯片完全进入量产状态，开始准备交货。2022年预计会有更多的跟车厂合作的发布。

（4）过车规需要付出额外成本。第一，团队要过车规的培训，带来培训的成本，然后拿证。第二，所选用的IP都必须是过了车规的IP，有的IP可能车规和消费不分，不是关键IP，但有些IP是要过车规的，所以要去买车规的IP，普遍车规IP比普通IP大概贵50%，甚至更多；第三，要花更多的钱买支持车规芯片设计的EDA工具。第四，流片必须选车规的产线，封测也是车规标准的封测。每个环节都有相应成本的叠加，相对于做消费级芯片，做车规芯片在设计难度、技术门槛、研发周期上的成本都要高出不少。

从迭代速度来看，公司基本上每年推出一个新产品。公司核心产品的迭代基本上按照国内车企的迭代速度要求，基本上一年会出一个新产品。2020年是公司推出A1000、A1000L，2021年是A1000Pro，2023年还有A2000，算力不断提升。同时 A2000也将是公司第一代面向中央计算的产品，其功能、性能预计会有较大幅度提升。

兼具单颗、2颗、4颗方案，单车价值超一百美金。从芯片的使用来讲，每台车现在用得最多的方案是1-2颗，但公司也有4颗的方案。其核心不是搭载几颗芯片，而是客户需要多少算力。目前公司的高算力芯片还没有出来，所以客户在有高算力需求的时候，需要叠加更多的芯片，但是未来算力提升之后，可能相应芯片的数量会减少，但是芯片的单价也会提升。从价格上来看，公司的芯片基本上是在整个一辆车大概用几百美金，单颗、2颗或4颗的方案价格在超过一百美金。

预计公司下一步有望拓展更多产品线，进一步提升单车价值。传统燃油车每辆车有约500颗芯片，智能新能源车至少1000-2000颗芯片，而且不是原来传统的500颗芯片的简单数量叠加，会出现很多新类型的芯片，会让公司有更多的机会不断去拓展产品线。预计公司未来会通过不断拓展产品线来提升单车价值量。

2. 我国领跑全球自动驾驶市场

自动驾驶芯片并不能算是完全的国产替代市场。

（1）进口替代更多的是基于红海市场已经成熟的产品线和供应链。但是没有中国的供应商，通过创业公司或者国外回来的团队开发能跟这些成熟产品对标的产品来替代现有的市场的产品。特别是在缺芯的大环境之下，这是有市场机会的，而且这个方向更能被称之为进口替代，因为这个替代是面向成熟市场、红海市场。

（2）第一批自动驾驶发展是在2015年左右。那时AI兴起，AI技术和AI团队都在各个的行业中找落地场景，在汽车行业大家找到的就是无人驾驶。彼时市场比较激进，大家都去做L4、L5无人驾驶，真正想替代司机，但几年下来遇到了技术的成熟速度、政策法规、伦理道德等各类问题，真正的无人驾驶还需要相当长的时间。

（3）整个市场在2018年、2019年进入波谷，很多创业公司被收购或破产。整个市场回暖是2020H2，特斯拉发布了FSD，这标志着特斯拉从电动车向完全的智能电动车特别是在自动驾驶领域更加成熟，对传统车厂或者汽车行业的影响是大家都开始专注在L2、L3级别，在政策法规允许范围之内从提高驾驶体验同时降低事故率的角度入手，这也是现在所有车厂在专注的领域。而且新能源汽车的电子电气架构也从原来的分布式架构向域控制架构演进，未来可能会走向中央计算架构。几个因素叠加，L2-L3级别自动驾驶又成为现在所有车厂关注的主流。

（4）2022年和2023年是全球特别是国内是域控架构量产和L2+、L3级别自动驾驶量产的重要两年。基本上旗舰车型都会采用新的电子电气架构。

（5）目前，国内企业更多的是要和全球赛跑，这不单单是车企的赛跑，而是整个产业链的赛跑。所以这一领域并不是国产替代，因为市场还没有完整或者成熟的产业链，还没有成为红海。公司是要去和全球巨头去竞争技术，竞争速度，竞争服务。

中国车企和汽车上游产业链正迎来巨大的时代机遇。中国智能新能源车的发展是快于全球，这是中国10年前定的战略——换道超车。在传统燃料车时代，我国在品牌、渠道、技术、人才方面与国外有差距，但在新能源车赛道中，我国已建成了全世界最完整的新能源车产业链。从2021年数据中能发现，虽然现在整体自主品牌在国内市场中的占有率约为40%-50%，但是在新能源车领域占据了80%以上的市场。

不同的研发理念也导致中国车企在智能新能源车领域领先于国外车企。不难发现，中国车企做新能源车，首先默认它是智能车，但是在外资车企体系中，新能源车是新能源车，智能车是智能车。他们认为新能源车把内燃机换成电池和电机，智能化则是另外一个故事，二者没有什么联系。

领先全球需要更快的技术迭代和产品更新。这需要上游供应链体系的支撑，目前也面临一些新挑战。原来我国的传统车企都是全球一体化供应链体系，但现在：一方面，从保供的角度，车企希望能建立本土的供应链体系；另一方面，需要离客户非常近、技术迭代非常快的本土供应商来支撑国内车企发展。所以现在所有的车企都在建立一个面向国内供应商的供应链体系，这是国内供应链的巨大机遇。以前作为创业公司基本上很难敲开车厂的门，因为汽车行业相对保守，不太愿意随便改变。而现在，很多车企愿意和黑芝麻等本土厂商合作，测试其芯片，共同开发产品，并最终走向量产。随着未来中国的一些车企做全球化战略走出国门，把车卖到全世界。中国的智能新能源车的对外销售是一种体验的传递，慢慢去改变全球的汽车用户体验体系。

3. 影响竞争格局的关键点：GPU与ASIC路线各有所长，智驾SoC替换成本高昂

3.1. GPU与ASIC路线各有特点，ASIC符合商业逻辑

GPU与ASIC路线各有特点。

（1）GPU的好处在于其软硬件体系一致，面向所有不同的场景它的软硬件体系都是一样的，所以在很多新的市场出现的时候，大家都愿意拿GPU去验证，因为不需要改硬件，也不需要改软件，只需要写算法来做验证，所以大家发现很多新的场景包括自动驾驶出现的时候，大家都采用GPU来做验证。但是他的短板在于：第一，面积偏大，功耗偏高，成本偏高；第二，算力的利用效率偏低，因为它要支持所有模型，意味着它没法对某一个模型做足够多的优化，因为做足够多的优化就会潜在有可能有模型不支持，这是做广和做专的相悖的点。

（2）面向很多大量的长尾应用，GPU是最好的选择，因为市场容量不够大，不值得专门做ASIC，只要用GPU做就可以。但是面对相对大的赛道，虽然刚开始的时候大家拿GPU来验证，但是这个市场容量如果足够大，在算技术账的同时要算经济账。

（3）自动驾驶市场至少有每年上亿片的出货量，从这个角度来讲，客户后续会考虑整体的性能、功耗、面积。所以，黑芝麻的ASIC方案只做推理，有限开放，但基本能够支持自动驾驶所用的算法需要支持的模型。在这一前提下，公司用更小的面积，更低的功耗，更小的成本来实现这个功能。随着技术越来越成熟，从商业的角度来讲，ASIC会具有其独特优势。

3.2. 智驾SoC替换成本高昂，2025年或是关键时点

产品分层而非厂商分层。现在Orin大概200T，公司2023年计划推出的A2000也可能拥有接近300T的算力甚至更高。后续基本上各家芯片厂商都会出覆盖中、高、低端不同算力的芯片，不同算力芯片对应不同等级的自动驾驶。

在智能驾驶领域，一些传统的车规芯片厂商慢慢掉队。这些厂商对新技术的敏感度、产品的迭代速度、跟客户的协同等等都是因素。有一些传统车规芯片厂商，下一代芯片算力预计只有约20T-30T，这只是英伟达等玩家2-3年前的算力水平。预计会留下1-2家全球性的自动驾驶芯片公司，中国市场至少能有2-3家公司存在，来给客户不同选择。

黑芝麻有望率先推出对标Orin的芯片，从中国出发走向世界。我国市场中现在基本上所有的车企都会有国外的方案和国内的方案。如果只说眼前的话，现在确实是只有英伟达有200T以上算力的芯片，所以旗舰车型都上了英伟达。同时，只有一个供应商也存在一定风险，特别是这次缺芯的问题，所以其实大家都在等市场上出现下一个能够和Orin对标的产品。黑芝麻作为中国供应商，首先面向中国市场，服务于国内的车企和合资的品牌，未来也有望向全球市场拓展。

主机厂一旦选择某家SoC厂商，后续替换成本较高。主SOC决定了车厂一代智驾平台的硬件架构、软件架构、算法体系。虽然芯片平台可以移植不同的算法，但是这个算法体系一旦移植好跑通之后，要再迁移过来工作量也蛮大的。如果换一个普通MCU或者换一个被动器件相对简单，但主芯片切换成本极高。根据黑芝麻的粗略估算，可能至少要投入上百人的团队、2年以上时间、几千万成本，所以主芯片平台一旦选定，车厂是不必要不会切换的。

延伸来看，2025年对于国内自动驾驶芯片玩家或是关键时点。援引黑芝麻的观点，国内的这些汽车芯片企业，特别是自动驾驶芯片公司，2025年之前如果无法上车会非常被动。因为2025年基本上在自主的供应链体系中，“每个坑都会开始有萝卜了”，比如黑芝麻2022年就开始量产了，可能有新的产品线可能未来2年也会量产，到那个时候再想替换就非常难，所以2025年对所有中国在做车规芯片的玩家都很重要。因为车规芯片和一般芯片不同，消费级芯片是常迭代常新的，永远可以有机会切入市场，而且这个时间窗口会不断出现。但车企不同，车企一旦它的供应链稳定了，就不愿意替换。现在车企没有国产的供应链体系，所以他要建设，愿意跟新公司合作，但一旦国产供应链体系搭建完毕，就难以替换了。

而对于海外的情况，调研结果显示，“生态站队”的表述并不十分确切。因为生态基本上是相通的，芯片公司如果希望其他的软件或者应用厂商用它的芯片或者在芯片上能够适配，都会提供工具链和技术支持。所以虽然这个适配工作逃不掉，但芯片厂商都会把它做得越来越容易，所以生态很难站队。英伟达来讲确实有一些先发优势，但是并没有领先那么多，黑芝麻认为考虑到整个车的迭代周期，其芯片产品比英伟达就晚半代左右。而且这个市场上还是容得下几家供应商的。所谓替换，只要给客户足够多的动力，客户还是会进行替换，比如：第一，产品领先别人一代，可以让客户提前用到最先进的技术；第二，成本足够低，能让客户的利润提升。目前来看并没有觉得谁家有绝对优势，谁也没有在技术上比竞争对手领先到无法跨越的程度。

3.3. 座舱域和驾驶域商业模式不同，软件占比提升是大势所趋

座舱域和驾驶域商业模式不同，软件部分占比提升是大势所趋。比如如果从第三方来讲，座舱软件很多都是提供“平台+定制服务”的商业模式，比如说创达；但是做驾驶很多的是提供算法授权的商业模式。算法授权模式没有定制开发这个事项，但是做整个域控制器又会有一些软硬件放在一起的成本。所以没有一个特别可量化的计算方式来表征座舱域和驾驶域软件价值量孰高孰低，但大的趋势是软件的部分占比会越来越高。

从创达等第三方公司的产业定位来看，一定会有软件Tier1出现，给客户提供定制化的方案，定制化的能力、服务以及一些软件产品和平台，这就是创达的定位。未来智驾是一套体系，做座舱的厂商也会做驾驶，做驾驶的厂商也会做座舱。因为未来大家都要去面向中央计算，中央计算座舱和驾驶在一块，所以只是大家路径不同，先从座舱入进入还是先从驾驶进入。