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)