读懂汽车芯片MCU、IGBT、MOSFET的全布局

中国书画艺术网 2019-07-04

序 言

智能驾驶涉及人机交互、视觉处理、智能决策等,核心是 AI 算法和芯片。伴随汽车电子化提速,汽车半导体加速成长,2017 年全球市场规模 288 亿美元(+26%),远高于整车销量增速(+3%),其中占比最高的为功能芯片 MCU(66 亿美元,占比 23%),随后还包括功率半导体(21%)、传感器(13%)等。

看点:详解汽车主控+功能芯片,并详细阐述汽车芯片产业格局。


本期的智能内参,我们推荐中信证券的报告《 从“汽车电子”到“无人驾驶” 》,详解汽车主控+功能芯片,并详细阐述汽车芯片产业格局。

以下为智能内参整理呈现的干货:

汽车半导体按种类可分为功能芯片 MCU(Microcontroller Unit)、功率半导体(IGBT、MOSFET 等)、传感器及其他。根据Strategy Analytics,在传统燃油汽车中,MCU 价值量占比最高,为 23%;在纯电动车中,MCU 占比仅次于功率半导体,为 11%。DIGITIMES 预测,功能芯片 MCU 市场规模有望从2017 年 66 亿美元稳步提升至 2020 年 72 亿美元。

▲全球汽车销量(万辆)

▲全球汽车半导体市场规模(亿美元)

▲燃油汽车半导体按种类分类

▲纯电动汽车半导体按种类分类

▲汽车功能芯片市场规模(亿美元)

传统汽车的功能芯片仅适用于发动机控制、电池管理等局部功能无法满足高数据量的智能驾驶相关运算。近年来,伴随智能驾驶渗透率提升,全球芯片巨头纷纷进军汽车产业,推出具备 AI 计算能力的主控芯片。主控芯片市场规模有望快速成长,IHS预测 2020 年可达 40 亿美元。

▲汽车芯片:主控芯片&功能芯片

▲汽车主控芯片市场规模(亿美元)

主控芯片巨头具有较强的 AI 计算优势,功能芯片厂商具有丰富的汽车产业链经验,两大阵营之间兼并收购及联盟合作频发。截至目前,英伟达已与全球 370+整车厂、一级供应商达成合作;英特尔收购 Mobileye 切入汽车产业;高通曾意图收购恩智浦等。

▲汽车芯片市场格局

1

主控芯片:算力持续增长

智能驾驶涉及人机交互、视觉处理、智能决策等,AI 算法和芯片是核心。据恩智浦统计,目前一辆高端汽车已经搭载超过 1 亿行代码,远超飞机、手机、互联网软件等,未来伴随自动驾驶的渗透率及级别提升,汽车搭载的代码行数将呈现指数级增长。自动驾驶软件计算量已经达到 10 个 TOPS(Tera Operations Per Second,万亿次操作每秒)量级。传统汽车 MCU 的算力难以满足自动驾驶汽车的计算要求,GPU、FPGA、ASIC 等 AI 芯片进入汽车市场。

▲汽车已经搭载超过 1 亿行代码

▲汽车搭载的代码行数指数级增长

▲典型汽车 MCU 的算力

▲英伟达 GPU SoC 的算力

全球无人驾驶领导者包括谷歌、百度、特斯拉、奥迪等,从这些厂商的自动驾驶主控模块的 SoC 芯片架构或可一窥汽车芯片发展方向。

谷歌 Waymo :采用英特尔 CPU+Altera FPGA 方案,英飞凌 MCU 作为通信接口。谷歌 Waymo 的计算平台采用英特尔 Xeon 12 核以上 CPU,搭配 Altera 的 Arria
系列 FPGA,并采用英飞凌的 Aurix 系列 MCU 作为 CAN 或 FlexRay 网络的通信接口 。

▲谷歌 Waymo 的计算平台架构

百度 Apollo:恩智浦/英飞凌/瑞萨 MCU+赛灵思 FPGA/英伟达 GPU。百度无人驾驶样车采用 IPC(Industrial Personal Computer,工控机)方案,但工控机的体积和功耗难以满足量产化要求,因而百度也推出了适合于量产的域控制器嵌入式方案。将各个传感器的原始数据接入到 Sensor Box 中,在 Sensor Box 中完成数据的融合,再将融合后的数据传输到计算平台上进行自动驾驶算法处理。百度自动驾驶专用计算平台 ACU(Apollo Computing Unit)定义了三个系列产品:MLOC(高精定位,MCU)、MLOP(高精定位+环境感知,MCU+FPGA)、MLOP2(高精定位+环境感知+决策规划,MCU+GPU)。

▲百度 Apollo 的工控机计算平台架构

▲ 百度 Apollo 的域控制器计算平台架构

特斯拉:从 Mobileye ASIC 到英伟达 GPU。2014 年特斯拉发布 Autopilot 1.0,搭载 1 个前置摄像头、1 个后置倒车摄像头(不参与辅助驾驶)、1 个前置雷达、12个超声波传感器,视觉芯片采用 MobileyeEyeQ3,主控芯片采用 NVIDIA Tegra 3。2016 年底特斯拉发布 Autopilot 2.0,搭载 3 个前置摄像头(不同视角广角、长焦、中等)、4 个侧边摄像头(左前、右前、左后、右后)、1 个后置摄像头、1 个前置雷达(增强版)、12 个超声波传感器(传感距离增加一倍),主控芯片采用NVIDIADrive PX 2,处理速度为 Autopilot 1.0 的 40 倍。

▲Mobileye EyeQ3 芯片架构

▲英伟达 Drive PX2 芯片架构

奥迪:Mobileye ASIC+英伟达 GPU+Altera FPGA+英飞凌 MCU 的多芯片集成方案。全新奥迪 A8 公开了自己的 zFAS 控制器方案。zFAS 共有四块高性能的处理器:1)Mobileye 的 EyeQ3 负责视觉信息处理,包括交通标志识别、行人识别、碰撞提醒、车道线检测等;2)英伟达的 Tegra K1 SoC 负责 360°环视影像;3)Altera 的Cyclone 5 FPGA 负责传感器融合、地图融合、辅助泊车等;4)英飞凌的 Aurix 系列 MCU 用于交通拥堵控制、辅助驾驶等。

▲奥迪 A8 的计算平台架构

在汽车主控芯片领域,GPU 仍将保持通用汽车主控芯片的主流地位,FPGA作为有效补充,ASIC 将成终极方向。当前人工智能及智能驾驶算法尚未定型,GPU 作为通用加速器,预计仍将在相当长一段时间内保持其汽车主控芯片的主流地位;FPGA 作为硬件加速器,料将成为 GPU 的有效补充;将来如果全部或部分智能驾驶算法得以固化,ASIC 将成为最优性价比的终极选择。

▲汽车主控芯片趋势图

1、英伟达:GPU 垄断优势,从智能座舱到自动驾驶

英伟达收入净利润快速增长,汽车为长期动力。英伟达是 GPU 领域龙头,常年保持超70%市占率。英伟达 2018 财年(对应 2017 自然年)收入 97.1 亿美元,同比+40.6%;净利润 30.5 亿美元,同比+82.9%。

▲全球独显 GPU 市场份额(2009-2017)

▲英伟达营业收入(百万美元)

▲英伟达净利润(百万美元)

英伟达数字座舱计算机 Drive CX:利用先进 3D 导航、高分辨率数字仪表组、自然语音处理及图像处理实现驾驶辅助功能。Drive CX 的内核是基于 Maxwell 架构的 Tegra X1 SoC,此外还有选配置为 Tegra K1 SoC。DRIVE CX 的主要功能包括:1)自然语言处理,通过语音识别完成地址查询、呼叫联系人等功能;2)3D 导航和信息娱乐,为众多应用程序提供高分辨率、高帧率的图形显示;3)全数字仪表组,通过仪表组或抬头显示 HUD 提供丰富的图形显示;4)环绕视觉,利用复杂的运动恢复结构(SFM)技术和先进的拼接技术,改善鱼眼镜头的图像渲染、减少重影现象,并可在高精细模型中渲染出一辆虚拟汽车,实现逼真的环绕视觉效果;5)对接 Android Auto,拥有 Android 智能手机或 iPhone 的驾驶员可以轻松访问自己的移动设备,与地图、搜索和音乐等应用进行互动。

▲英伟达数字座舱计算机 Drive CX

英伟达自动驾驶汽车平台 Drive PX:将深度学习、传感器融合和环绕视觉相结合,力求改变驾驶体验。Drive PX 的主要功能包括:1)传感器融合,可以融合来自 12 个摄像头、激光雷达、毫米波雷达和超声波传感器的数据;2)计算机视觉和深度神经网络,适用于运行 DNN(Deep Neural Network,深度神经网络)模型,可实现智能检测和跟踪;3)端到端高清制图,可快速创建并不断更新高清地图;4)软件开发工具包 DriveWorks,包含了可供参考的应用程序、工具和库模块。

▲英伟达自动驾驶汽车开发平台 Drive PX

2、英特尔:积极兼并收购,进军自动驾驶专用芯片

英特尔传统业务增长乏力,进军汽车领域创造业绩新增长点。英特尔曾经是世界上最大的半导体芯片制造商。据 PassMark 统计,2017Q1 英特尔占据全球 CPU 行业的市场份额为 80%。近年随着智能手机的兴起与个人电脑市场的景气降低,芯片主业收入增速明显下降,