2019年我国汽车 AI 芯片市场规模为9亿美元，同比增长33.2%，2020年增长66.7%达到15亿美元，随着汽车 EE 架构加速升级，域控制器/中央计算平台被广泛使用，到 2025 年 AI芯片市场规模达 91 亿美元，CAGR 为 47.05%，到 2030年将达 177亿美元，2019-2030年11年复合增速 31.1%。对公报价6000元1498052617
2020-2026年汽车AI芯片产业竞争状况与需求预测研究报告
2020-2030年我国汽车 AI 芯片市场规模及增速预测
正文目录
1、车载AI 芯片概述
1.1、车载计算主要挑战
1.2、车载AI芯片作用
1.3、车载AI芯片应用场景
1.4、车载AI芯片部署
1.5、车载AI芯片壁垒
1.6、车载AI芯片是发展基石
2、汽车处理芯片由MCU 向 AI 芯片方向发展
2.1、汽车数据处理芯片运算由控制指令向AI 运算方向发展
2.2、ARM内核提供芯片控制指令运算能力
2.3、AI处理器提供芯片智能运算能力
2.3.1、云端AI 处理器
2.3.2、边缘端AI 处理器
2.3.3、终端AI 处理器
2.4、车规级芯片条件苛刻
3、MCU引领汽车由机械化时代走向电气化时代
3.1、MCU承担汽车执行ECU 的运算大脑
3.2、2018-2030年我国汽车MCU 市场规模
3.3、汽车MCU 行业加快整合集中度提升
3.4、全球汽车MCU产业趋势
3.4.1、技术发展趋势分析
3.4.2、产品发展趋势分析
3.4.3、产品应用趋势分析
4、软件定义汽车时代来临，域控制AI 芯片是重要一环
4.1、车载AI芯片是智能汽车时代实现域控制的核心
4.2、车载AI芯片发展状况
4.3、2020-2030年我国汽车AI 芯片市场规模
4.4、集成更多AI 单元是智能芯片技术路径发展的大趋势
4.5、汽车主控SoC系统级芯片需求逐年增长
5、汽车AI芯片产业格局
5.1、域控制器AI 芯片竞争格局
5.5、本土AI芯片厂商竞争力
6、汽车AI芯片核心公司
6.1、特斯拉AI芯片状况
6.2、NVIDIAAI芯片状况
6.3、MobileyeAI 芯片状况
6.4、华为AI芯片状况
6.5、地平线AI芯片状况
6.6、寒武纪AI芯片状况
6.7、域控制器AI 芯片潜在进入者
7、投资趋势
7.1、投资机遇
7.2、发展策略
7.3、产品趋势
7.4、模式趋势
7.5、投资风险
图表目录
图表 1：汽车智能化趋势下计算平台和芯片成为核心
图表 2：车载芯片应用场景分类
图表 3：AI 芯片按照部署位置和功能分类，目前主要厂商
图表 4：车规级芯片是终端芯片中要求最高
图表 5：车规级AI 芯片是皇冠上的明珠，开发周期长、难度大、长跑道的创新
图表 6：博世 E/E 架构升级进程
图表 7：由控制指令运算为主的分布式 ECU 向 AI 运算的中央计算平台发展
图表 8：汽车半导体分类
图表 9：MCU 芯片结构
图表 10：SOC 芯片结构
图表 11：SOC 较 MCU 芯片功能更复杂
图表 12：ARM Cortex 处理器家族分为 A/R/M 三大系列
图表 13：智能芯片分为云边端三大类
图表 14：人工智能算法的概念分类
图表 15：汽车芯片标准远高于消费级
图表 16：功能安全标准对故障等级要求苛刻
图表 17：汽车MCU 工作过程
图表 18：BOSCH 的 ECU 实物图
图表 19：不同位数 MCU 的应用类型
图表 20：发动机管理系统 ECU 功能应用逐渐复杂化
图表 21：传统汽车 MCU 单车价值
图表 22：纯电动汽车 MCU 单车价值
图表 23：2018-2030 年我国汽车 MCU 市场规模测算
图表 24：全球通用 MCU（汽车、工业、消费电子等）竞争格局
图表 25：全球主要汽车 MCU 公司概况
图表 26：2017 年全球汽车 MCU 市场份额
图表 27：2019年全球汽车MCU 厂商市场份额
图表 28：MCU 改进路径及方式
图表 29：自动驾驶信息传递环节
图表 30：电子电气(EEA)架构技术战略图
图表 31：特斯拉AutoPilot 从HW1.0到HW 3.0智能化功能和主控芯片进化史
图表 32：2019 年中国购车消费者对汽车智能化的配置需求
图表 33：2019 年消费者对汽车网联化需求的关注度
图表 34：汽车电子电气架构从分布式电子电气架构向域集中、中央计算平台架构发展
图表 35：智能汽车电子电气架构设计面临四大挑战
图表 36：中国自动驾驶发展演进示意图
图表 37：中国ADAS 和自动驾驶功能渗透率将快速提升
图表 38：能驾驶对算力需求增长迅速，每增加一级自动驾驶等级算力需求增长一个数量级
图表 39：车载半导体成为半导体行业增速最快的细分领域
图表 40：2020-2030 年我国汽车 AI 芯片市场规模测算
图表 41：2020-2030年我国汽车 AI 芯片市场规模及增速预测
图表 42：终端推理芯片快速增长，到2022年AI芯片市场份额达到62.6%
图表 43：CPU 结构
图表 44：GPU 结构
图表 45：FPGA 结构
图表 46：N-SOC 结构(华为达芬奇架构）
图表 47：AI芯片的主要技术路径
图表 48：全球车载主控芯片中，异构SoC系统级芯片需求逐年增长，将占据市场核心地位
图表 49：汽车主控芯片国内外主要厂商
图表 50：汽车主要 AI 芯片产品对比
图表 51：FSD 芯片内部简单架构图
图表 52：FSD芯片神经网络处理单元
图表 53：Mobileye EyeQ4~5 系列芯片
图表 54：英伟达面向自动驾驶芯片产品
图表 55：英伟达Drive 计算平台搭载了新一代Orin 和Ampere 芯片，可支持L2~L5 的自动驾驶需求
图表 56：全球主流车载AI 芯片公司量产产品对比
图表 57：英伟达、Mobileye、地平线对比
图表 58：Autopilot硬件1.0
图表 59：Autopilot 硬件2.0
图表 60：Autopilot 硬件2.5
图表 61：Autopilot 硬件 3.0
图表 62：特斯拉自动驾驶系统方案
图表 63：特斯拉 FSD 芯片结构
图表 64：目前AutoPilot AI 软件堆栈结构
图表 65：预计2020 年年底特斯拉将拥有超过51 亿英里的驾驶数据可用于自动驾驶的训练
图表 66：NVIDIA 在 GPU 市场是 AI 芯片龙头
图表 67：NVIDIA 自动驾驶系列产品
图表 68：英伟达的 K1 芯片嵌入奥迪 A8 的 z FAS 系统中
图表 69：NVIDIA PX2 系列产品
图表 70：NVIDIA 系列产品
图表 71：NVIDIA 全球车企合作情况
图表 72：NVIDIA 全球共与六家一级供应商展开合作
图表 73：2013-2020年英伟达分业务板块收入（单位：百万美元）
图表 74：Mobileye 是全球自动驾驶芯片龙头
图表 75:2014-2019年 Eye Q芯片出货量
图表 76:2014-2019 年 Mobileye 收入
图表 77:Mobileye Eye Q 系列芯片
图表 78:Eye Q3 芯片
图表 79:Eye Q4 芯片
图表 80:Eye Q5 芯片
图表 81：华为 MDC 计算平台
图表 82：达芬奇架构（单核）
图表 83：MDC300 计算平台
图表 84：华为“八爪鱼”自动驾驶云服务
图表 85：地平线发展历史
图表 86：地平线融资
图表 87：地平线征程算法
图表 88：MAPS 聚焦“快”和“准”两个关键评测维度，用最优帧率精度所围面积直接体现 AI 芯片的最强能力
图表 89：高性能计算架构BPU2.0
图表 90：地平线新一代计算平台Matrix2.0
图表 91：地平线AI 芯片核心能力：算法+芯片联合优化且兼顾灵活，高效架构服务经典和未来算法设计
图表 92：地平线算法优化目标
图表 93：地平线“天工开物”AI开发平台：更快、更省、更高效
图表 94：地平线“天工开物”AI 平台构成
图表 95：深层次、多维度的开放赋能，与诸多战略伙伴共创智能汽车未来
图表 96：地平线征程系列芯片Roadmap
图表 97：地平线征程系列芯片
图表 98：地平线芯片的 BPU 架构
图表 99：地平线的征程二代 SOC 芯片
图表 100：地平线的 Matrix1.0 计算平台
图表 101：地平线计算平台系列产品
图表 102：2020 年征程二代芯片首次量产搭载在长安 UNI-T 上
图表 103：寒武纪云端/边缘/终端系列产品
图表 104：寒武纪 MLU290 云端 AI 芯片
图表 105：寒武纪基于 MLU290 的 AI 加速卡
图表 106：寒武纪 MLU220 边缘端 AI 芯片
图表 107：寒武纪基于 MLU220 的 AI 加速卡
图表 108：边缘端芯片产品公司（均 N-SOC 芯片）
图表 109：云端芯片产品公司（除英伟达 GPU 外，其余均 N-SOC 芯片）
