汽车智能驾驶功能持续高速渗透，带来智能驾驶域控制器市场空间快速增长。智驾域控制器是智能驾驶决策环节的重要零部件，主要功能为处理感知 信息、进行规划决策等。其核心部件主要为计算芯片，英伟达、地平线等芯片厂商市场地位突出。随着消费者对智能驾驶功能需求的不断提升，基础L2 功能成本下探，中低算力方案搭载率快速增长；头部厂商智驾水平持续提升， 城市NOA覆盖范围扩大，高算力域控产品需求同样旺盛。BEV+Transformer 的广泛应用也使得智驾域控的算力提升和结构变化。智能驾驶功能渗透率快速提升。智能驾驶功能渗透率仍处于较低位置， 提升空间较大。随着技术快速成熟、产品价格逐渐下降及用户智能化体 验需求的不断提升，智能驾驶功能正逐渐从豪华车向中低端车型发展， 渗透率快速提升。智驾功能的性能和搭载率的提升将带动智驾域控制器 的需求快速增长。智能驾驶域控制器为整车计算中心。智驾域控制器主要包括计算芯片、 Safety MCU、存储芯片及其他无源器件等。其中计算芯片主要用来进行 摄像头图像处理、运行深度学习算法、输出识别结果、进行传感器融合 和轨迹预测等功能，是决定智驾域控性能的核心部件。智能驾驶芯片具有较高的技术壁垒，现阶段市场高端芯片以英伟达、华为为主，中低端 芯片厂商较多，主要包括地平线、Mobileye、TI、黑芝麻智能等。各主要芯片厂商积极拓宽产品矩阵，国产芯片市占率持续提升。与主要芯片厂 商建立稳定的合作开发关系的智驾域控供应商有望受益。芯片开发和生产制造能力仍为核心竞争力。随着BEV+Transformer 的应用，智驾功能对车端算力要求更高，加上城市NOA及后续L3功能的搭载，高算力芯片仍为头部主机厂中高端车型首选方案。智驾域控仍以国内Tier 1 厂商为主，虽然头部主机厂自研域控意愿较强，但受限于相关研 发积累、资金限制及自身销量等问题，自研难度大、成本高，不一定有足够的销量来摊薄前期研发成本。目前L2及以上智驾域控以国内厂商为主，产品布局全面、芯片开发设计实力强、量产制造能力丰富、出货量较大的供应商具备一定竞争优势。L2 级智能驾驶功能渗透率快速提升 2021 年8月，工信部提出《汽车驾驶自动化分级》推荐性国家标准。《标准》按“是否存在设计运 行范围限制”等六要素对驾驶自动化等级进行划分。其中L2级自动驾驶关键配置有ACC自适应巡 航、AEB主动刹车、LKA车道保持等，实现一定程度上的车辆主动控制。L3级自动化系统应该具备在其设计运行条件下持续地执行全部动态驾驶任务的能力。由于L2至L3的跨度过大，经历时间较长，业内为区分不同系统的智能化程度，额外划分出L2+级别，主要包括NOA等功能，可实现高主动的辅助驾驶功能，但仍需驾驶员监督。从功能上看，智能驾驶功能经历从单车道向多车道再向 NOA 发展的过程早期辅助驾驶功能集中 在单车道里，以车辆前后的控制为主，重点实现跟车不碰撞、驾驶不偏移等效果，主要功能包括ACC （自适应巡航）、LCC（车道居中控制）、TJA（交通拥堵辅助）、CCS（定速巡航）、AH（自动 驻车）等。随着技术的不断推进，辅助驾驶逐渐开始涉及多车道场景，由系统可以控制车辆进行变 道，主要功能包括 ALC（智能辅助变道）、TJA-ML（多车道交通拥堵辅助）、HWA-ML（多车道 高速驾驶辅助）。近年各企业向点对点控制推进，在选定目的地即可交由辅助驾驶功能进行控制， 主要为高速NOA及城市NOA功能。随着技术逐步走向成熟、产品价格逐渐下降 及用户智能化体验需求的不断提升，智能驾驶功能正逐渐从豪华车向中低端车型发展，渗透率快速 提升。据高工智能汽车数据显示，2023 年 1-6 月中国市场（不含进出口）乘用前装标配 L2（含 L2+）辅助驾驶功能车型销售324.4万辆，同比增长37.7%，增速维持较高水平。前装标配搭载率为 34.9%，同比提升约8pct。其中，新能源汽车前装标配搭载L2（含L2+）交付新车147.1万辆，同比 增长75.6%，前装标配搭载率为50.4%，同比提升约10pct。智驾功能性能和搭载率的提升将带动智 驾域控制器的增长。拥有智能驾驶功能的车型中以域控架构为主，域控制器作为车端处理感知信息、 进行决策规划的重要零部件，用量有望随着智驾功能渗透率的提升而增长。NOA功能逐步落地，成为智能化重要发力方向。自动辅助导航驾驶（NOA，Navigate on Autopilot） 主要分为高速NOA和城市NOA两类，在基础L2辅助驾驶功能的基础上，通过与地图导航等功能结合，实现点到点的辅助驾驶功能。据高工智能汽车数据，2023年1~7月前装标配NOA车型交付量26.3 万辆，同比增长120.4%。高速NOA为当前主机厂智驾推进目标之一。高速NOA场景相对简单，路况、标志和标记的图像相 对标准，相比城市NOA场景更为简单，推出进度相对更早。早期高速NOA融合高精地图，在部分高速公路或高架等封闭路段行驶时，可以让车辆实现自动变道、自动进入和驶出匝道口的技术功能。但上下匝道需要高精地图和高精定位模块，成本较高。随着车企成本压力增加，高速NOA或将向简化版方案发展，即舍弃上下匝道功能，仅在目标匝道前进行接管提醒，避免错过匝道等问题发生。城市NOA加速落地，覆盖主要行车使用场景，为用户提供从高速到城市的全场景可持续的自动驾驶功能。早期城市NOA功能普遍使用高精地图，提供更精确的定位服务，但高精地图采集成本高、覆盖率较低、更新慢，难以满足城市NOA快速大规模的上车需求。随着车端算力及传感器功能迭代升级，单车感知水平不断提升，大部分厂商通过“轻地图”+单车感知方案，即仅在匝道口等导航地图难以精确处理的部分做数据强化，实现NOA功能。随着大量车企向BEV+Transformer 的视觉感知路线转换，逐步降低对地图的依赖，城市NOA功能具备了泛化推广的能力。根据相关公司规划，华为拓展速度领先，预计在2023年年底前实现全国覆盖；其余企业覆盖城市也迅速扩张，小鹏宣布到2023 年底扩增至50 城，2024 年扩增至 200 城，力争做到城区领航辅助驾驶「全国都能用」；理想计划在 2023 年底推送至 100 个城市。蔚来另辟蹊径，按通勤道路开通，计划2023年Q4开通城区领航路线里程 6 万公里；2024年Q2开通40万公里。2022年8月，深圳市正式施行《深圳经济特区智能网 联汽车管理条例》，对智能网联汽车定义、测试及示范应用条件、权责归属等问题进行了详细定义， 是全国首个对L3及以上自动驾驶权责、定义等重要议题进行详细划分的官方管理文件。2022 年11月，工信部发布《关于开展智能网联汽车准入和上路通行试点工作的通知（征求意见稿）》, 对智能汽车生产企业和产品以及试点上路通行做出了详细要求。2023年7月，工信部、国家标准委联合发布《国家车联网产业标准体系建设指南(智能网联汽车)(2023 版)》，提出第一阶段到 2025 年，系统形成能够支撑组合驾驶辅助和自动驾驶通用功能的智能网联汽车标准体系；到2030年，全面形成能够支撑实现单车智能和网联赋能协同发展的智能网联汽车标 准体系。随着国内自动驾驶标准体系和管理政策逐步细化落实，国内相关产业有望快速发展。2020 年-2023 年中国自动驾驶主要政策整理据乘联会数据显示，2023年前三季度 30万元以上 车型销量占比大幅提升，10万元以下车型销量减少。据高工智能汽车数据显示，23H1标配搭载L2 （含L2+）交付新车均价为26.6万元，相比2022年末提升1.5万元。智能驾驶功能在高端车型的渗透率逐渐提升。随着消费者消费能力的提高以及消费观念的转变，消费者不再将汽车局限于简单的 出行工具，而是将其作为追求生活品质的载体之一，越来越重视汽车的用户体验及享受度的提升， 更加追求汽车的娱乐性、互动性、舒适性及安全性等功能，从而使得消费者对智能汽车的关注度日 益提高，加快汽车智能化发展的进程，使得智能汽车渗透率稳步提升，同时对汽车各类功能的丰富度提出了更高的要求。政策、需求和供给三方面推动，汽车智能化水平快速提升。随着新一代消费者比例逐步增加，智能 座舱、智能驾驶等个性化功能的需求越来越凸显。且越来越多的厂商开始重视用户体验，从车身设计、智能化服务、自动驾驶功能等多角度提升用户驾乘感受。同时，车辆本身也已经从代步交通工具向智能移动空间转变，车辆数字化转型已成行业共识。随着用户智能化体验需求的不断提升、政策的持续推进、行业的高度重视，汽车智能网联技术发展迅速。 目前NOA处于高速发展阶段，随着软件算法逐步升级技术逐渐成熟、 感知方案向重视觉感知路线转换成本降低，NOA功能具有向低价格带车型拓展、应用场景不断丰富等特点。根据高工智能汽车研究院监测数据显示，从当前搭载NOA功能车辆价位来看，标配NOA 领航功能的车型大部分集中在30万以上价格区间，而小鹏P5、吉利博越L、宝骏云朵灵犀版等20万以下的车型也开始逐渐实现NOA的搭载。我们预计NOA未来将逐渐成为中高端车型标配，同时扩大搭载范围，下探到10~15万左右的车型。我们预计明年10万以上车型将可以选配高速NOA；20万以上车型将会标配高速NOA，选配城市NOA；30万以上车型将会实现城市NOA普及。2018年，特斯拉视觉感知路线通过2D 图像+ CNN卷积神经网络 路线实现智能驾驶功能，对于图像的标注主要依靠人工标注，于2019年采用一部分自动标注来提升标注效率。该阶段聚焦在2D图像处理，将图像处理完后拼接成single trip，实现时间的多帧融合。该方式对图像的处理属于规则算法，通过IPM将2D图像坐标进行计算，转换到3D空间中。但2D图像处理在处理三维世界中的感知问题仍会有较大问题，如路面不平、车辆颠簸等问题都会影响到 转换的准确度。2020年特斯拉转向BEV方案，并将CNN神经网络转向Transformer。先在BEV空 间层中初始化特征，再通过多层Transformer 和 2D 图像特征进行交互融合，得到BEV特征，避免了视觉融合时导致的误差问题。BEV方案2020年重点关注路网的感知，2021年拓展到整个空间， 进行数据重建。国内厂商早期以融合路线为主，通过高精地图+毫米波雷达+激光雷达的多传感器方案进行感知，对于静态障碍物（如路网、井盖等）的感知主要依赖高精地图和激光雷 达，视觉主要用于动态障碍物（如车辆等）的识别。目前为了节省成本、增强自动驾驶功能泛用性， 头部企业向BEV+Transformer 的重视觉方案转型。BEV+Transformer 的广泛认可导致智驾域控结构发生变化。智驾方案早期摄像头以前视为主，四周 主要靠毫米波雷达实现环视覆盖，较为广泛的方案为5R（Radar）1V（Video）、3R1V、1R1V、2R1V、 5R3V，支持的摄像头数量较少。同时路网信息主要依靠高精地图提供，视觉传感器以动态障碍物识别为主，静态障碍物主要依靠激光雷达实现感知。但是BEV架构下，需要至少6~8个摄像头实现车身周边感知（前后左右各一个，四角各一个），摄像头接口需求增加。同时由于取消高精地图，部分定位模块可以减少或简化。由于大模型搭载，低算力芯片性能难以支持端侧部署，对芯片算力有了更高的要求。域控芯片需要调整以适应Transformer模型。早期AI芯片主要会考虑对 CNN、Pooling 等的优化。但是 Transformer 的神经网络与原先差别较大，需要不同的算子进行支持。如果芯片不支持 Transformer 算子，会导致在GPU上训练时候用Transformer训练，但是部署在车端时候需要进行算 子转化，带来一定的困难，导致最终在端侧并不是BEV+ Transformer，而且近似CNN的替代算法。目前头部芯片厂商如地平线、英伟达等已经实现对 Transformer 算子的支持，后续部分厂商需要将 BEV+ Transformer 下放到端侧。感知方面，感知重心向视觉传感器转移。智驾系统向BEV+Transformer转型后，低成本的视觉传感器更为重要，为保证数据获取的精确度和完整度，摄像头的像素和数量也不断增加，800 万像素摄像头使用量逐渐提升，摄像头数量也向单车 10个以上发展。毫米波雷达和激光雷达短期内仍难以替代。由于国内使用Nerf进行多帧重建仍有待提升，故需要激光雷达或4D毫米波雷达获取路网数据，进行车道线识别。此外，由于纯视觉系统对于暗光环境和非标准物体等场景的识别准确问题仍无法完全解决，通常需要4D毫米波雷达进行静态障碍物识别。我们预计摄像头和4D毫米波需求有望增长。Mobileye 4D 毫米波雷达点云效果近似4线激光雷达相比基础的L2功能，NOA功能对精度的要求更高，需要更精确的感知，对计算量的要求也更高虽然BEV感知在低算力（如8Tops）芯片上可以运行，但是一方面感知精度相比于中高算力芯片要 低。另一方面算法方案上的选择也会有一些差别。高算力平台大都基于Transformer的carrier-based 方案；在低算力平台，更多是类似BEV Depth、BEV Det这种2D转3D的方式去实现。而且对于无 图或轻图的NOA功能，由于缺少已知的地图信息，域控需要处理更多的感知数据，对域控制器的算 力要求更高。随着智驾功能的发展，高算力芯片仍为头部主机厂中高端车型首选方案。智能驾驶域控硬件的核心 是其芯片的运算能力。随着各个厂商向重视觉感知的大模型技术路线转型，高级别智驾对车端算力 的要求越来越高，需要性能更强的芯片支撑。相比城市 NOA，L3 级智能驾驶对算力的需求更甚， 当前已量产芯片较难满足L3级智驾需求，芯片向更高算力发展的进程仍在持续。车企也需采用足够 强力的芯片进行算力 预埋，以支撑日后有效升级。针对未来L3级智能驾驶，主机厂需要进行冗 余设计，以保证系统安全。较为简单的设计是放置两个域控制器/增设备份芯片，智驾芯片需求量后 续有望提升。E/E架构的四个阶段分别是分布式架构阶段、域集中架构阶段、准中央计 算架构阶段及中央计算架构阶段。主机厂正加快推进电子电气架构的演进，域集中架构阶段包括大 众 E3 架构、长城 GEEP3.0 架构等。中央计算平台+区域控制器的准中央计算架构阶段包括特斯拉 Model3、长城GEEP 4.0架构等。汽车E/E架构最终演进的方向是中央计算架构阶段，将功能逻辑均 集中到1个中央控制器，如长城计划于2024年推出中央计算架构GEEP 5.0，将实现全车只有一个 大脑，完全形成智能机器人，长安也计划于2025年完成中央域架构的开发。分布式ECU架构各系统独立，系统复杂协同性差。分布式架构ECU为核心，多个ECU通过CAN 和LIN总线连接在一起，进行数据采集与交换，并通过执行器来操控汽车。在传统的分布式电子电 气架构中，每个控制系统都采用单独的 ECU，彼此之间均保持相对独立性，功能增加需要 ECU和 传感器数量的叠加。随着汽车智能化的发展趋势，功能越来越丰富和多样，导致单车的ECU数量激 增，安装成本也随之提高。同时不同ECU来自不同的供应商，每个产品的语言和编程风格各异，因 此功能的增加会导致大量的、不兼容的、风格各异的产品模块存在，难以进行统一的维护和升级， 协同困难巨大，无法满足汽车智能化革新的趋势和需求。DCU（域控制器）将功能相似且分离的ECU功能集成整合起 来，解决了分布式E/E架构存在的诸多问题。根据博世汽车电子部件功能分类，将整车划分为动力 域、底盘域、座舱域、自动驾驶域、车身域五个域，每个域的系统架构由域控制器为主导搭建，利 用处理能力和算力更强的中央计算机相对集中地控制每个域，以取代分布式电子电气架构。
1）线束数量显著减少，节约安装成本。DCU 通过 集成化的域控化管理，各个功能模块以区域内的域控制器为主导，减少了ECU的数量，从而降低了 线束的数量及重量，节省安装成本。2）整合集成度高，便于协同管理。各功能模块ECU软件通常 由其硬件供应商开发，导致系统之间相互独立，难以协调。DCU统一了软件开发和管理，加之数据 交互的接口标准化，降低了开发和制造成本。3）计算能力较高，便于OTA升级。模块越少、系统 越统一越容易实现整车OTA，域控制器更为集中的EEA架构将车内各个分散的ECU部件的控制功 能集成在一个DCU中，仅对DCU进行控制功能进行更新升级完成OTA，同时规避了各ECU的不 同传输协议和兼容性风险，减少了每个ECU进行安全性确认防篡改的工作量。智能驾驶域是E/E架构的重要组成部分。智能驾驶域是汽车智能功能的实现基石，智能驾驶域控制 器是智驾系统决策的中心。高级别的自动驾驶需处理来自摄像头、毫米波雷达、激光雷达、惯导等 的多种感知数据，需在短时间内完成整个运算和决策等，是推动L3及以上更高等级自动驾驶的核心 部件。硬件主要包括：1）计算芯片：主要用来进行 摄像头图像处理、运行深度学习算法、输出识别结果、进行传感器融合和轨迹预测等功能。2）Safety MCU：主要处理功能安全要求较高的数据，进行逻辑运算，包括处理雷达等对外接口数据、车辆规 控、通信等。3）存储芯片：对数据进行存储，包括eMMC、Nor Flash、Memory芯片等。4）其他：电阻电容等无源器件、散热组件、密封性金属外壳、PCB板、接口、网关、电源管理芯片等。软件 部分主要包括底层操作系统、中间层软件及上层应用软件。域控制器的硬件部分与ECU相似，最大 的区别在于域控制器的芯片算力更高、可以软硬解耦等，其多功能模块的实现主要依赖于主控芯片 以及软件部分的高度结合。预计2025年自动驾驶域控制器市场规模达479.4亿元。我们预计智能驾驶域控制器价格将持续下降， 市场渗透率有望快速增长。1）随着智能驾驶的不断发展，智能驾驶域控制器有望高速渗透。2）目 前各个主机厂降本意愿较强，单芯片行泊一体方案受到各主机厂青睐。低成本方案如(单TDA 4/ J3 芯片)实现基础L2功能的方案预计有较大市场空间。经我们测算，2025年中国乘用车市场自动驾驶 域控制器市场将达到479.4亿元，2021-2025年复合增速达109.9%。计算芯片直接决定域控性能。智驾域控制器主要承担汽车计算功能，其负责运算的模块主要是AI 芯片，故域控产品所使用的AI芯片的性能和数量直接决定其计算能力，目前CPU、GPU、DSP等 传统设计芯片仍是智驾域控选用芯片的主流，与此同时针对应用场景定制化或半定制化的FPGA、 ASIC等方案也在逐步发展。由于域控硬件需要算法的支撑调用，域控厂商与芯片厂商的合作开发、 生态共建同样重要。其好处在于与主流芯片厂合作紧密的域控厂商可以率先拿到先进芯片样品进行 开发，在上下游协同和产品性能上具有先发优势；同时对原有主流芯片的开发经验有代际传承，更 有利于新品开发。智能驾驶芯片壁垒较高，芯片厂商较为集中。智能驾驶芯片具有较高的技术壁垒，现阶段市场高端 芯片以英伟达、华为为主，中低端芯片厂商较多，主要包括Mobileye、TI、地平线、黑芝麻智能等。部分厂商也积极拓展产品矩阵，高通依托早期在座舱芯片积累的优势地位，推出智驾芯片拓展市场；英伟达推出Orin-N，算力70Tops，满足中低算力方案需求。芯片国产替代的趋势也愈加明显，地平 线等国产芯片厂商市占率不断提升。根据高工智能汽车《2022年度中国市场乘用车标配L2+NOA功 能智驾域控制器芯片方案市场份额榜单》，地平线市场份额排名第一，占比达49.05%，英伟达市场 份额排名第二，占比达45.89%，二者占比总和高达95%，德州仪器、Mobileye、华为市场份额分别 位列三、四、五，占比分别为2.69%、1.97%、0.41%。英伟达依托积累多年的图形计算处理能力、GPU计算经验，布局智能驾驶芯片英伟达是全球最大的智能计算平台型公司，早期专注 PC 图形计算，后重点布局AI 领域，并在独立显卡、GPU等领域卓有成就。公司2006 年开发了基于 GPU 的「CUDA」平台，实现使用GPU进行通用计算功能。公司2015年进军车载计算SOC，主要提供计算芯片和相关开发工具。英伟达产品定位偏高端，性能表现出色，其推出的Orin芯片仍是目前已量产的最高性能的智能驾驶芯片。芯片方面，英伟达于2016年发布首款高级智能驾驶芯片Xavier，并于2020年实现量产使用CPU （8核ARM 64架构）+GPU（Volta架构）+ASIC的混合技术路线，基于台积电12nm工艺，最高 算力达30Tops。Xavier 用于德赛西威IPU03域控制器上，搭载于小鹏P5、P7等车型。英伟达2019年发布Orin芯片，于2022年量产，目前仍为已量产的算力最高的智能驾驶芯片。Orin 采用7nm工艺，集成170亿个晶体管，可提供每秒254TOPS，内置第二代深度学习加速器DLA、 第二代视觉加速器PVA。出色的计算能力使得Orin目前仍为高级别智驾方案的首选芯片，蔚来Adam 超算平台搭载四颗DRIVE Orin芯片，最高可实现1016TOPS算力，理想L9、小鹏G9等多款车型均 搭载Orin芯片。Thor（雷神）芯片于2022 年发布，预计2025年量产，算力高达2000TOPS，是Orin芯片算力的8 倍，主要通过CPU（Grace）、GPU（Ada Lovelace）和处理 Transformer 模型的引擎（Hopper）实 现算力提升。同时Thor可以满足汽车多个场景的算力需求，包括智能驾驶、主动安全、智能座舱、 自动泊车、车载操作系统、信息娱乐等，预计可以实现座舱域和智驾域的融合域控制。方面，英伟达提供DRIVE工具链和技术支持，助力芯片高效开发。Drive 工具链包含了开发工 具包Cuda、TensorRT 等各种各样的算法库、全套工具链的车载操作系统Drive OS；自动驾驶中间 件Drive Works；包含感知、定位、决策三部分的全套软件栈Drive AV；主要进行可视化渲染、驾驶 员检测、人机交互等功能的Drive IX。国际著名机器学习专家余凯博士于2015年7月创建；2017年12月，地平线即推出了首款 智能芯片征程1和旭日1；2019年8月，宣布量产中国首款车规级智能芯片征程2并于同年10月发 布新一代AIoT智能应用加速引擎旭日2；2020年9月，推出新一代高效能车载智能芯片征程3和全 新一代AIoT智能芯片旭日3；2021年7月，推出业界第一款集成自动驾驶和智能交互于一体的全场 景整车智能中央计算芯片征程5，单芯片算力达128TOPS。地平线首款车规级芯片征程2于2019年8月量 产，可提供超过4TOPS算力，实现基于征程2的单目前视解决方案。征程3芯片算力达5TOPS，是 目前仍在低算力平台上广泛使用的芯片之一。据不完全统计，自2020年9月发布以来，J3累计获得 约10家主流车企、超过40款车型定点合作，先后搭载2021款理想ONE、奇瑞 瑞虎8 PRO、奇瑞 欧萌达OMODA 5、第三代荣威RX、哪吒U-II、哪吒GT、博越 L、深蓝S7、深蓝SL03等多款车 型。其中2021款理想ONE是全球首个搭载征程3芯片的量产车型，采用双J3方案打造辅助驾驶功 能，并搭载J2的NPU计算平台实现全车语音交互。2023年4月，地平线携手大陆集团打造基于单 颗征程3芯片的800万像素智能前视摄像头一体机，可以支持1V1R（1个摄像头1个雷达）、1V3R （1 个摄像头3个雷达）、1VXR（1个摄像头，多个雷达）等多种形态的产品，实现NOA导航辅 助驾驶功能并于深蓝SL03实现首发量产。征程5是地平线第三代车规级产品，可提供单芯片128TOPS算力，并支持至多16路摄像头、毫米 波雷达、激光雷达等多传感器感知、融合、预测与规划需求，支持如BEV等领先智能驾驶算法模型 的应用部署。基于单颗征程5芯片打造的行泊一体域控方案，能够支持超越同级配置的高性能行泊 一体功能，同时开放上层应用的差异化开发和软件OTA升级。目前，理想L8首发搭载了征程5芯 片，实现了高速NOA导航辅助、自动泊车、自动紧急制动等功能，同时征程L5也获得了比亚迪、 上汽大众、一汽红旗、长安汽车等车企定点，并搭载于理想L系列在售Pro、Air所有车型。软硬件协同布局，感知算法布局深入。地平线早在2021年发布新一代征程5车载智能芯片之时，就 推出了基于征程5的纯视觉BEV感知原型方案；2023年6月，在计算机视觉领域顶级会议CVPR 上提出“感知决策一体化”的自动驾驶通用大模型UniAD，建立了以全局任务为目标的自动驾驶大模 型架构，将检测、跟踪、建图、轨迹预测、占据栅格预测以及规划，整合到一个基于 Transformer 的端到端网络框架下，并将各项任务通过token的形式在特征层面按照感知-预测-决策的流程进行深 度融合，实现了自动驾驶系统算法性能的全面提升。地平线为合作伙伴提供硬件参考设计及算法、基础中间件、工具链、开发平台等配套产品，助力芯片的开发应用天工开物 AI 芯片工具链具有“算法仓库”（包括产品级算法、基础算法和产品参 考算法三类算法资源）、“芯片工具链”（包括量化训练工具和浮点定点转换工具）、“应用开发 中间件”（包括XStream和XProto两套应用开发框架）三大功能模块，包含模型后量化、量化训练、 编译优化和部署三大核心能力，其主要作用在芯片端，可为开发者提供从模型获得至应用部署的全 流程支持。艾迪AI开发平台则主要作用在云端，为AI开发者提供数据标注、训练、优化、部署、 管理与性能分析等工具，实现模型算法的优化与迭代；智能驾驶应用开发套件TogetherROS·Auto则 服务于智能驾驶专业开发者，集开发、集成、验证三位一体，提供支持量产开发的分层框架与接口 协议，开发者可基于标准化框架与接口进行灵活适配，同时整套接口与协议面向量产全流程，兼顾 各个软件模块，做到了可兼容、易转化，能够快速提升应用集成和验证效率，方便各模块开发者高效协作。2020 年1月，高通发布自驾平台Snapdragon Ride，其主要面向三大细分方向：L1/L2级ADAS，面 向具备AEB、TSR 和 LKA等驾驶辅助功能的汽车，提供30TOPS算力；L2+级ADAS，面向具备 HWA、自动泊车APA以及TJA功能的汽车，提供60~125TOPS算力；L4/L5级自动驾驶，面向在 城市交通环境中的自动驾驶乘用车、出租车和物流车，可提供700TOPS算力。2023 年 1月高通发布第二代Ride升级版Ride Flex芯片，包括Mid、High、Premium三个级别，主 打舱驾一体，既能用于车内座舱，又可以实现辅助驾驶的可扩展系列SoC，算力最高可达2000Tops。其从设计之初就是一个开放且可编程的平台，能够满足从新车评价规范（004ECAP）到 L2+/L3级别 驾驶辅助和自动驾驶全方位的需求。同时，面向视觉、中央计算和高性能自动驾驶需求，Ride Flex 还提供可扩展SoC处理器和加速器产品组合，基于Arriver的一站式视觉软件栈，支持从单个摄像头、 800 万像素前置摄像头，一直到多达11个摄像头的解决方案，其支持主机厂和Tier1利用Arriver驾 驶策略解决方案打造自己的驾驶策略、泊车或驾驶员监测软件栈和导航功能。生态合作方面，宝马集团、长城汽车、通用汽车、大众集团、雷诺集团、Stellantis集团、阿斯顿·马 丁、吉利汽车、比亚迪汽车、沃尔沃汽车、梅赛德斯-奔驰、极星等整车厂商都与高通达成了合作， 采用Snapdragon Ride 平台打造ADAS和AD解决方案，并且国内首个搭载Snapdragon Ride的车型 魏牌摩卡DHT-PHEV激光雷达版已实现量产上市。不止整车厂，均联智行、毫末智行、畅行智驾、 纵目科技、诺博科技、德赛西威等Tier 1厂商也在与高通持续协作，基于Snapdragon Ride平台，共 同为下一代汽车开发安全、高效的ADAS/AD系统。Mobileye 是全球领先的智能驾驶芯片解决方案提供商2004年公司发布了第一代芯片EyeQ1，随后 迅速与宝马、通用等汽车制造商达成合作。经过多年的发展，Mobileye相继推出了Eye Q1-Q6等多 款ADAS芯片，并为OEM厂和Tier 1厂商提供了“芯片+算法”软硬一体化的ADAS视觉解决方案。Mobileye 智驾方案为“黑盒”方案，提供软硬一体的交钥匙方案，不单独出售芯片或算法。虽然黑 盒方案定制化程度极为有限，但对于开发实力相对薄弱的中小主机厂来说，产品成本低、开发周期 短，且多数功能经过验证，因此Mobileye的“黑盒”模式仍具有一定受众。此外，Mobileye也在一 定程度上逐步提高其编程开放性，2022年6月新推出的EyeQ Kit从黑盒走向合作，能够大幅降低车 企的开发成本，加快下游产品的开发周期。
[
1] [
2] [
3]
引用地址：
智能驾驶域控制器综述
上一篇：激光雷达升温记：高阶智能驾驶背后的“热”市场
下一篇：抛弃激光雷达？刚刚，华为重大宣布！完全超越特斯拉！
控制系统计算机辅助设计 — MATLAB语言与应用
BA10358FV-E1
京公网安备 11010802033920号