（報告出品方/作者：中信證券，楊澤原、丁奇）

1 自動駕駛域控制器：駕駛域大腦，汽車智慧化核心

自動駕駛域控制器：駕駛功能域的核心計算單元

自動駕駛域控制器的主要功能：DCU 作為功能控制中樞，承擔著駕駛相關的車身區 域的“大腦”的角色。域控制器向上透過智慧化介面獲得感測器、診斷資料與狀態資料，向 下透過執行器介面傳遞相關執行指令，起到該功能域計算大腦的核心角色。除了主 DCU 外，該功能域中還會有部分子 ECU 來執行驅動和特殊邏輯策略的工作。除了駕駛域外， 座艙、動力安全、底盤、車身也逐步開始形成以域控制器為核心的計算中心的架構。

在傳統的分散式架構下，主要靠 ECU 和感測器數量的增加來實現功能增加與算力提 升。ECU 是分佈於汽車車身各處的小型計算單元，用於處理該部分汽車結構的計算資訊。 ECU 的核心是中央處理器 CPU，此外也包括 MPU、MCU，周邊包括儲存器，輸入輸出 介面等結構。

車內 ECU 複雜程度提高，集中化成為必要趨勢：伴隨汽車電子化的發展，車內 ECU數量不斷增多，構成汽車的分散式電子電氣架構。傳統豪車如賓士、寶馬、奧迪等品牌的 E/E 架構中，ECU 的數量達到 100 個左右，最高的達到 150 個。大量的 ECU 透過 CAN 匯流排（1-2M/s）來進行資訊互動。隨著車內智慧化水平提升，車載螢幕大屏化、高畫質化， ADAS 輔助功能在車內的不斷滲透，導致單車需要承載、傳輸的資訊量呈爆發式增長，帶 動 ECU、線束等投入快速增多。

在傳統的 ECU 架構下，智慧化升級需要依靠硬體數量的疊加，且過渡依賴於 TIER1 廠商的定義能力。比如，在整車熱管理控制當中，座艙的溫控依賴於駕駛艙空調控制器， 電池包溫度管理被整合在 BMS 控制器中，電機及電驅的熱管理由 VCU 來實現。不同模組 之間相互獨立，完全由 TIER1 負責底層控制邏輯，整車之間難以實現有效的一體化設計與 控制。

這些問題使得傳統的 ECU 架構無法滿足新的汽車智慧化需求，催生了域控制架構的 出現，ECU 按照功能和空間關係開始出現融合。2017 年，德國博世公佈其在整車電子電 氣架構方面的戰略圖，將整車電子電氣架構的發展分為三大類，分別是模組化和整合化架 構方案（分散式）、集中式域融合架構方案和車載電腦雲計算架構方案。目前市面上大多 數車型的架構方案都使用模組化和整合化架構方案。

ECU 的減負，並非單純的硬體物理層整合，這個過程需要將上百個 ECU 模組逐一進 行軟硬體剝離，然後將軟體注入集中式的計算單元，逐步催生出各個功能區間的大腦，即 域控制器。傳統 ECU 模組開始軟硬體分離，硬體被逐步取消，軟體被集中到一起，透過 單個計算平臺來實現對多個功能的控制。此後，隨著進一步演進，將會以整車大腦的形式 佈局。

SOA 軟體定義汽車模式下，基於域控的汽車 E/E 架構，整合分散的車輛硬體，透過 硬體之間的資訊互聯互通和資源共享，以及 OTA 可升級的軟體能力進行整車功能的定義。 當前車企最典型的功能域分為動力總成，底盤控制，車身控制，ADAS 與座艙域五個域構 成，座艙域與車身域有進一步整合的趨勢。

在這五個域當中，由於動力域、底盤域本身由傳統功能整合而來，且開發難度較大， 涉及的功能單元與供應商較多，短時間內難以實現統一；而駕駛域與座艙域本身屬於新出 現的功能域，供應鏈體系完整多元，主機廠掌控的可能性較大，且對於人機互動的直觀體 驗更明顯；重要性與可行性使得主機廠商將駕駛域與座艙域視為域控化的焦點。根據 ICVTank 的預測，其市場規模在未來五年將實現 70%-80%的 CAGR。

自動駕駛域的域控化進度是全車各個功能域中最快的。駕駛域需要承載包括感知環境， 資料處理，路徑規劃與雲進行同步通訊等諸多功能；此外，不斷增加的感測器數量，進一 步需要更高效能和整合化的計算單元，從而來維持對關鍵安全資訊的無延時處理，使得自 動駕駛域控制器成為汽車各個功能域中發展最快速的一個。

ADAS/AD 域控制器方面，目前市場上在用的針對 L1 級輔助駕駛的大多數仍是使用單 獨的 ECU 控制，即 AVM 計算單元等獨立的計算單元構成。而 ADAS ECU 主要面向 L2 級自動輔助駕駛中 LDW/LKA 與 AEB 的融合處理，到了 L2+、L3、L4 級自動駕駛階段， 自動駕駛域控制器的需求就會開始爆發。以域控制器為底層演算法平臺下，L2 級別自動駕駛 演算法將會在乘用車上快速實現落地，當前落地最快的功能包括了 ACC、AEB、LDW、BSD、 APS 等。基於 L3+的高算力域控制器，主機廠與演算法公司將會進一步迭代包括城市級輔助 巡航在內的高級別自動駕駛功能。

下一步，特斯拉重新劃分了“域”的概念，打破了功能與功能之間的壁壘劃分和傳統 整車架構設計的思維，搭載車載電腦，直接跨入車載電腦和區域導向架構。特斯拉直接按 車身設計空間來進行區域域控的劃分，依賴於特斯拉強有力的整車設計與供應鏈垂直一體 化整合的能力。

對於大部分主機廠而言，採用功能域進行劃分將會是長期的主流發展路徑。因為這與 市場上大部分的 OEM 與 TIER 1 的設計採取同一路徑，使得供應鏈採購更加方便。成熟的 第三方 TIER1 的產品可以幫助 TIER1 企業快速建立一個功能域的底層硬體能力。預計大部分主機廠仍會使用混合域的 EEA 架構，即部分功能域集中化，形成“分散式 ECU+域控 制器“的過渡方案，最後形成"super controller（中央超級計算機）+ zonal control unit（區 控制器）"的架構，這一 EEA 演進過程可能長達 5-10 年。

域控制器核心組成：高效能 SoC 驅動，搭載自動駕駛軟體作業系統底座

1）底層晶片：異構分佈 SoC 作為計算核心，AI 單元決定算力差距

硬體結構上，智慧駕駛域控制器承載了車輛線控平臺與多數量、多型別的外圍感測器， 內部以大量多平行計算作為主要特點，向外則需要對接大量不同型別的感測器介面。大批 量、多型別的資料流入特徵，使得自動駕駛域控制器的底層晶片應當是異構多核晶片。

核心計算晶片一般會採用一顆或多顆高效能的 SoC。當前主流廠商使用的均是多核異 構的 SoC，即傳統的 CPU+AI 計算單元的解決方案。SoC 透過在單塊晶片上整合多個微 處理器、模擬 IP 核、數字 IP 核和儲存器等部件來實現相關功能，包括 CPU、AI 計算、 DSP、ISP、Codec、NPU（ASIC）、Modem 等模組，其中最核心的是計算單元與 AI 單 元。

計算單元 CPU：多核 CPU 的計算單元具有主頻高，計算能力強等優勢，透過系 統核心管理軟體和硬體資源、完成任務排程。CPU 執行了大部分自動駕駛相關 的核心演算法，根據 AI 單元整合完成的多感測器融合資料，完成路徑規劃、決策 控制等功能。當前主流 SoC 選擇的多是 ARM 架構的多核 CPU。

AI 單元：AI 單元的算力是決定異構晶片硬體框架算力的主要部分，當前主流的 AI 晶片有 GPU、FPGA、ASIC 等方式。透過系統核心進行加速引擎和軟硬體資 源的分配、排程。AI 單元主要完成多感測器融合資料的分析和處理，輸出用於 規劃、決策和控制的周圍環境資訊。

MCU 控制單元：此外，在形成相關指令後，還需要控制單元 MCU 向車上的底盤 域等發出控制指令，完成車輛橫縱向的控制任務。

根據 AI 晶片選擇的差異，選擇 GPU/ASIC/FPGA 等不同型別的晶片，會使得 SoC 的 整體設計產生較大的差異。大體而言可以分為兩類，分別是採用 CPU+GPU+ASIC 的流派， 以英偉達、高通、特斯拉等海外科技龍頭為主；以及採用了 CPU+ASIC 模式的流派，代 錶廠商包括了 Mobileye、華為以及地平線等。

此外，CPU 的選擇也會使晶片在表現上有較大差異。當前主流的廠商在 SoC 的 CPU 中都會選擇更適合移動場景的 ARM CPU，而較為特殊的是 Mobileye 選用的是 MIPS 的 CPU，這是一種 RISC 指令集架構下的 CPU，在安全性和功耗比上佔據優勢，缺點在於缺 乏生態支援，本身開發難度很大，不利於生態合作伙伴協同開發。

從已公佈的 2022 年及此後的落地計劃來看，搭載低級別自動駕駛晶片的域控制器料 將進入百花齊放的階段，但與此同時，搭載高級別自動駕駛域控制器的廠商數量仍然十分 有限，目前能夠看到成熟落地案例的第三方 TIER1 廠商僅有華為、德賽西威兩家域控制器 廠商，其他均為主機廠自研+外部白牌代工廠，或主機廠內部 TIER1 廠商生產的模式。（報告來源：未來智庫）

2）整體硬體配置：域控制器中主晶片佔成本主體

在英偉達 ORIN 的域控制器量產之前，市場上當前最成熟、產量最大的域控制器是特 斯拉的 AP3.0。特斯拉自研 SoC，透過乙太網匯流排的形式承擔了海量資料輸入與乙太網交 換的功能。由於產品的具體硬體配置已經較為透明。我們可以透過拆分其 BOM 成本，理 解高階自動駕駛域控制器大致的成本分佈。

我們估計 AP3.0 板上芯片價格在 5000 元人民幣左右，加上高速通訊乙太網聯結器接 外掛與 PCB 等成本，整塊板子成本約 7500-8500 元人民幣。由於當前主流廠商選用的芯 片組已經實現 SoC 化，CPU 與 GPU 合二為一，省去了昂貴的 PCIe 交換機成本。其中， 主晶片 SoC FSD 佔所有晶片成本約 61%，佔整體硬體 BOM 成本的 20%。

值得注意的是，由於域控制器是軟硬體一體化的嵌入式裝置，單純考慮硬體成本時會 忽略軟體部分的成本，低估域控制器廠商的成本；此外，由於特斯拉的 FSD SoC 為自研 （三星代工），成本佔比會低於其他第三方自動駕駛域控制器廠商的主晶片。此外，特斯 拉是純視覺演算法，沒有使用感測器融合，一般的自動駕駛域控制器還需要配置快速傅立葉 變換功能的晶片如 DSP，進一步拉高了成本。

綜合計算下，高級別的自動駕駛域控制器的主晶片佔到整體成本的 30%左右，低級別 的自動駕駛域控制器由於對於交換、接序列、記憶體等晶片的配置需求更低，相對的主晶片 的成本佔比更高，佔到整體的 40%以上。

3) 軟體：底層與應用層解耦，控制器廠商掌控底層軟體開發

汽車 E/E 架構長期處於軟硬體耦合的狀態，這對於汽車統一的軟體部署，OTA 升級， 算力集中等產生較大阻礙。隨著域控化的推進，軟體層也逐漸實現底層軟體與應用層軟體 解耦，域控制器廠商一般為車企提供硬體與底層的作業系統與中介軟體，上層應用層車企有 較多的選擇空間。

AUTOSAR 是基於整體汽車電子開發的功能標準，發起於 2003 年，發起人包括了 BMW、DAIMLER、GM、TOYOTA、福特等主機廠和博世、大陸等 TIER1 廠商；標準設 立的初衷是避免業內重複開發功能相同相近的軟體模組。透過使用獨立於系統的標準軟體 平臺，可縮短產品上市時間，減少開發工作，並可從同一組元件中開發出更多產品，提高 產品質量。

2018 年，為滿足汽車從傳統 E/E 架構向域控化轉型的需求，AUTOSAR 聯盟在原有 的 Classic AUTOSAR 基礎上，進一步推出了 Adaptive AUTOSAR 平臺，滿足車企對於高 度靈活、高效能且支援 HPC、動態通訊等特性的新軟體架構平臺的需求。當前 Classic AUTOSAR 目前已廣泛應用於傳統嵌入式 ECU 中，如發動機控制器、電機控制器、整車 控制器、BMS 控制器等，而 Adaptive AUTOSAR 未來會更多的應用於如 ADAS、自動駕 駛等需求高計算能力、高頻寬通訊、分散式部署的下一代汽車應用領域中。

Non-AUTOSAR（資訊娛樂）的控制器：佔用較大的硬體資源、不具有實時性、運 行非車規級的作業系統上（比如 Linux、Android）。

CP AUTOSAR 開發出來的控制器：實時性強、消耗資源少、軟體資源固定。

Adaptive AUTOSAR 是一種異構的軟體平臺，可以成為連線 Classic AUTOSAR 和 非實時 OS 的橋樑。它的特點是軟實時（毫秒級別），滿足功能安全要求（ASIL-B 以上）、 更適合於多核的高資源消耗環境、支援動態部署。

基於 AUTOSAR 架構下，底層軟體與應用軟體實現了相互解耦，使得兩者的開發商可 以有所區分，並不強制繫結。透過 RTE 連線底層軟體和應用層軟體，RTE 使得兩者相互 獨立解耦。

底層軟體主要分為幾個抽象層：服務層，ECU 抽象層，微控制器抽象層和複雜驅動。 這樣做的目的是，一方面實現底層軟體的解耦，模組化；另一方面透過複雜驅動來實現特 殊化的需求，保持一定的靈活性，以此來滿足一套程式碼可適用多個專案，加快研發程序， 降低研發成本。再根據底層軟體功能，合理地拆分到不同抽象層，這樣每個抽象層都有不 同的功能模組。

DCU 廠商主要負責硬體和底層軟體。軟體方面包括最底層的多作業系統虛擬化，以 及各型別的中介軟體，多融合感測器演算法、標準化軟體架構 AUTOSAR、系統安全 ASIL 升 級、車內乙太網應用、整車 OTA 升級等。上層的應用演算法一般由主機廠自行掌握。透過 軟體層的分工，域控制器廠商為 OEM 提供了便於開發的軟硬體底座，OEM 廠商則可以掌 握更接近消費者感知的上層演算法，雙方實現合理化分工。

具體到自動駕駛域控制器上，域控制器廠商透過與主機廠合作分工，雙方區分各自的 軟體提供範圍。在行業發展早期，域控制器廠商會控制包括平臺軟體、功能軟體等中介軟體 在內的大部分底層軟體應用，由主機廠提供上層應用演算法。部分技術更領先的廠商如華為 則會提供包括應用層在內的全套解決方案。隨著行業分工細化，部分頭部主機廠的演算法能 力逐步提升，主機廠會開始要求自己掌握應用層以及中介軟體，此後向下一直延伸至平臺操 作系統軟體上，以實現與自身車機操控更好的耦合效果，OEM 只需要白牌代工廠為其生 產線路板即可。

底層的晶片廠則多為第三方廠商：晶片層面的自研，特斯拉是當前僅有的掌握了自動 駕駛晶片的主機廠，其他主機廠是否有這樣的技術能力或訴求需要時間的觀察。因此對於 大部分主機廠來說，自研域控制器是能夠掌握的底層硬體全棧自研的最主要環節。

上層的應用層不一定由域控制器廠商提供：駕駛域上層的應用演算法較為複雜，包括場 景演算法（涵蓋資料感知、決策規劃、控制執行等）、資料地圖、人機互動（HMI）等，其中 場景演算法最為複雜，典型的包括資料感知、決策規劃、控制執行等。其中感知類演算法包括 SLAM 演算法（涵蓋視覺處理、鐳射雷達、多感測器融合等）、自動駕駛感知演算法，是主機 廠當前重點自研的方向。決策類演算法包括自動駕駛規劃演算法、自動駕駛決策演算法，執行類演算法主要為自動駕駛控制演算法，目前該領域涉足的產業參與方繁多，也被認為是 AI 領域最 複雜的場景之一，從整車廠、傳統 Tier1，到初創類公司、科技巨頭以及獨立的軟體供應 商等在該領域都積極發力。但對於域控制器廠商來說，這些上層演算法並不一定由他們來提 供，透過底層與上層演算法解耦，域控制器廠商只需要研發底層軟體。

核心 Know-How：從深度定製化為主機廠服務，到逐步全棧標準化

自動駕駛域控制器重要程度越來越高，主要原因是全車算力向駕駛域集中。駕駛域算 力追加的主要驅動因素為感測器傳入訊號的複雜程度逐步提升，使底層 SoC 需要同步提升 自身的計算能力、傳輸頻寬、儲存能力。如 L2 級別側視攝像頭的加入導致需要預處理的 影片資料成倍的增加，L3+級別鐳射雷達的加入又不斷地生成千萬級的待處理點雲資訊， 使得自動駕駛域控制器成為車上算力需求最高的計算中心。由於安全性要求，自動駕駛域 還需要佈設冗餘，使得駕駛域未來有逐步整合座艙域、車身域等功能域的趨勢。以駕駛域 控制器為主導的全車計算平臺 CCU 可能會在未來三到五年內實現。

智慧汽車計算架構持續演進，展望 2025 年前後，預計屆時晶片廠商的主力晶片型號 已經開始向 CCU 中央計算平臺演進，智慧駕駛域與座艙域的整合趨勢已經十分明顯。芯 片廠商透過 DPU、BPU 等 ASIC 能力，提升資訊的晶片間傳輸效率，使得板間通訊效率 遠遠超過跨域通訊效率。以整合座艙域與駕駛域從而實現車內中央計算機的趨勢已經逐漸 明朗。

要完成瞬時處理、反饋、決策規劃、執行的效果，對中央處理器的算力要求非常高。 在自動駕駛中，最耗費算力的當屬視覺處理，佔到全部算力需求的一半以上，且自動駕駛 級別每升高一級，對計算力的需求至少增加十倍。L2 級別需要 2 個 TOPS 的算力，L3 需 要 24 個 TOPS 的算力，L4 為 300+TOPS，L5 為 4000+TOPS。

主機廠未來將會以 OTA 的方式實現自動駕駛演算法的持續升級，所以當前對自動駕駛 晶片算力的部署都是超額部署。以德賽西威的 IPU 系列自動駕駛域控制器平臺為例，L2 級別的 IPU02 平臺使用的是 TI TDA4 SoC 平臺，算力 8TOPS；L3 級別的 IPU03 平臺， 使用的是英偉達的 Xavier 平臺，提供算力在 30TOPS。預計 2022 年後，隨著新一代更具價效比的自動駕駛晶片平臺問世，XAVIER 將會逐步退出市場，取而代之的包括英偉達的 ORIN、高通的 SNAPDRAGON RIDE、華為的 MDC 與地平線的 J5 等晶片平臺，普遍單 片提供的算力在 100TOPS 以上，當前市場主流配置的 L3+級別域控制器的算力在 400-500TOPS 左右。德賽西威將在 2022 年出貨的 IPU04 平臺預計將以兩片 ORIN 晶片 製程的 500TOPS 版本為主。車企普遍認為該級別的算力能夠滿足當前及此後一段時間主 流的高級別自動駕駛算力需求。

低級別與高級別自動駕駛域控制器需要處理的資料量級差異極大，主要原因即是感測 器數量與產生資料量級快速提升。域控制器的市場定位屬於行業中游：向上，需要快速響 應適配不斷迭代的感測器與自動駕駛 SoC；向下，需要滿足車企基於自身硬體配置下，對 於演算法的差異需求，提供深度定製化的服務。

當前低級別自動駕駛領域域控制器廠商向解決方案提供商演進。演算法以及實現的ODD 功能已經通用化，各方提供的方案差異不大，對於感測器的搭配也已經較為固定。因此實 質上已經並不存在對低速自動駕駛域控制器廠商的需求，因為以上兩者都已經不是核心痛 點，即上游成熟，不需要快速迭代；下游主機廠注重交付落地，不存在過多的深度定製化 服務。因此，在低速自動駕駛領域，TIER1 提供的都是完整的 ADAS 解決方案，包含了域 控制器、上層演算法甚至感測器在內的“交鑰匙”方案。

主機廠當前的核心訴求是快速迭代出具備消費者感知度的特色功能。由於國內與全球 基本均採用漸進式的發展路線，自動駕駛將會以 ODD 功能模組的方式逐步上車。如 360 環視、APA 輔助泊車、AVP 自主破車、ACC 自適應巡航、NOA 領航輔助駕駛等，從 L1 到 L2.9 級別的，最能滿足消費者痛點的 ADAS 功能的迭代上車，成為車企用來吸引消費 者的核心賣點。

因此在行業早期，OEM 走定製化開發/部分自主研發/全自研等方式，比較 多元，主要是根據自身的技術水平，選擇更合適的快速實現功能落地的方案。TIER1 應當 選擇更靈活的合作模式與主機廠進行合作，與開發能力更強的 OEM 廠商可以選擇合作開 發的模式，定製化設計域控制器，並透過自身的能力或者合作演算法廠商的能力，來實現上 層特定應用功能的開發；如果 OEM 更關注落地能力，TIER1 亦可提供從軟體到硬體到系統的標定，以及驗證服務的一整套交鑰匙的工程能力，從而顯著降低主機廠的開發週期與 開發成本。

對於高級別自動駕駛域控制器解決方案而言，無論是感測器、晶片或是車企的演算法功 能需求，當前市場都沒有一套成熟的標準，存在非常大的差異，因此域控制器廠商前期需 要在落地方面，與車企進行深度合作開發，以實現車企的需求。

上游核心零部件市場競爭格局的變化成為投資域控制器市場的關鍵抓手。作為上下游 的關鍵銜接者，域控制器廠商需要在以下幾個方面做到最好：1）與晶片巨頭實現良好合 作關係，快速適配。由於晶片硬體平臺上開始積累越來越多的軟體生態系統，選擇一個芯 片廠商意味著要長期基於其環境進行快速開發、迭代，因此與晶片廠的合作考驗自身開發 能力，與晶片廠商的長期合作同樣也將成為域控制器廠商的關鍵壁壘之一；2）快速匹配 主機廠需求、爭取在客戶需求爆發前快速落地。域控制器需要透過提前市場研發獲取超額 收益，最早幫助車企實現成熟落地方案的企業，能夠最優先獲得訂單，併成為市場價格的 主導者。

硬體固化、應用封閉、升級難度大是長期以來 TIER1 的共同問題。比如自動駕駛的領 跑者 Mobileye。在上層演算法快速迭代的背景下，域控制器廠商需要與上下游一起定義硬體 介面，實現硬體即插即用、可替換升級、不同硬體間互聯互通，並透過 API 介面開放給 應用，交由車企或演算法企業進行定義，從而幫助車企開發出場景化、跨裝置協同的自動駕 駛系統。域控制器將在合作開發的過程中，逐步實現硬體模組化、介面標準化、系統平臺 化。以華為為例，華為以 MDC 為核心，推進智慧駕駛的系統介面與設計標準化：如感測 器的介面標準、線控轉向與制動系統的資料介面標準以及功能軟體平臺設計規範等。

汽車行業的供應鏈經歷了從垂直一體化到專業化分工的過程。對 ADAS/AD 這類新興 技術而言，行業在早期會有技術磨合期，OEM 與 TIER1、甚至 TIER2 之間的界線開始模 糊。隨著特色功能（ODD）不斷增多，自動駕駛技術的個性化空間越來越少，定製化的需 求逐漸再次被成本效率等因素取代，市場重回專業化分工、高效率合作的穩定市場格局當 中。我們認為汽車行業長期的垂直供應鏈形態是市場磨合下，最大化執行效率的最佳選擇。 大部分車企選擇全棧自研自產是規模不經濟的，從長期維度而言，預計獨立的第三方TIER1 廠商仍將是主機廠零部件的核心來源。

2 市場格局：智慧化需求旺盛，關注落地與生態優勢

供應鏈格局重塑：TIER2 對 TIER1 競爭格局產生重要影響

從分析域控制器市場競爭格局可以看到未來汽車智慧化投資的重要特徵：晶片作為最 重要的汽車智慧化的 TIER2 產品，開始對 TIER1 的競爭格局起到決定性的作用。能夠更 好地與 TIER2 合作，滿足主機廠與晶片巨頭兩者的快速、高效落地需求，成為 TIER1 域 控制器廠商的核心競爭力之一。

傳統車載晶片市場份額高度集中，多年以來一直被恩智浦、英飛凌等巨頭壟斷。這使 得 TIER1 可選擇的晶片來源區別不大，繫結晶片廠商的因素不明顯。如 MCU 相對複雜度 低，執行系統較簡單，長期應用於小型嵌入式裝置中，關鍵競爭優勢在於供應鏈整合能力、 高良率下的量產能力與車規級的精密度。

隨著域控制器時代的到來，SoC 需要的晶片複雜度更高，需要支援多工的複雜操作 系統、本身應用於複雜的嵌入式裝置當中。但傳統的汽車半導體廠商多集中於 MCU 晶片 領域，在座艙域、駕駛域所需的高算力 SoC 晶片競爭中，傳統廠商開始讓位於 AI 晶片企 業，市場格局迅速變化。且不同的晶片平臺上的軟體開發區別較大，域控制器企業需要能 夠繫結頭部晶片廠商，是加快研發，實現快速落地的重要保證。此外，2021 年下半年的 汽車晶片供應鏈危機後，與晶片廠商合作，穩定供貨的保供能力也愈發關鍵。因此，我們 在討論域控制器廠商的市場格局時，不可避免地需要與其選擇的晶片平臺進行分析。

車載邏輯 IC 與儲存 IC 在全車半導體價值量中的相對佔比與絕對金額不斷提升。相對 佔比方面，邏輯 IC 與儲存 IC 擠壓傳統微控制器等的價值量佔比；絕對金額方面，ICinsights 預計隨著車載半導體價值量整體快速提升，邏輯 IC 與儲存 IC 的市場規模將於 2019 年的 50 億/36 億美金上升至 2025 年的 102 億/83 億美金。新興廠商如特斯拉、英偉達、高通、 華為、地平線等 AI 晶片廠商入局，開始搶佔邏輯晶片與儲存晶片的市場份額。

競爭格局：高低速晶片平臺將形成差異化競爭格局

從價值量來看，域控化下零部件價值量同樣開始集中化。隨著汽車 E/E 架構從分散式 向域集中式演化，汽車當中的功能元件價值量開始大幅度集中，域控制器的價值量佔功能 域中主體部分；汽車電子供應商數量將逐漸減少，域控制器供應商的地位將愈發重要，吸 引了越來越多的廠商涉足這一領域。

當前涉足域控制器的廠商有以下四類：OEM 廠商自研、全球 TIER1 廠商、本土 TIER1 廠商以及軟體 TIER1 廠商。此外，市場容易忽視另一類廠商，即部分新興晶片 TIER2 廠 商，在與車企的合作早期，出於快速迭代、聯合開發的必要性，主動承擔了 TIER1 域控制 器廠商的角色，但在開發成熟後這些廠商也會尋找長期合作的域控制器廠商實現批量出貨。

1）由於自動駕駛域控制器的核心計算平臺定位，國內智慧化水平領先的 OEM 廠商 佈局自研自動駕駛域控制器。造車新勢力對研發投入大量人力，部分傳統車廠亦將跟進， 理想/蔚來/小鵬等造車新勢力均佈局超過 2000 名 IT 工程師，致力於自主研發、垂直整合。 如蔚來在 ET7上使用的自動駕駛域控制器即以英偉達的ORIN作為主晶片，自研域控制器， 並使用偉創力作為代工。小鵬計劃自研的 XPU 自動駕駛智慧控制單元實現 4 合 1，將行車和泊車的智慧控制整合，打破之前 4 個域之間的互動壁壘，實現更深度的域融合。

同時，傳統主機廠考慮到自身組織架構較為成熟，內部謀求轉型效率可能較低，因此 選擇外部培育智慧汽車子公司的方式，給出更好的激勵與考核機制來鼓勵面對新領域的創 新創業。如吉利培育的億咖通、長城培育的毫末智行以及上汽投資的創時智駕等。此外， 諸如第三方獨立的演算法公司 Momenta 也獲得來自上汽、豐田、通用等主機廠的投資。

主機廠培養獨立 TIER1 廠商並非沒有先例。國際 TIER1 巨頭電裝即曾經是豐田汽車 的電氣配件部門，但直到電裝獲得正式獨立地位後，才實現了快速增長與技術跨越。我們 認為 TIER1 廠商的獨立性定位對於企業能否健康發展非常重要，客戶對於技術機密性、價 格敏感度的考量使得 TIER1 難以作為單一車企的子公司，向外界提供產品與服務。

2）全球及國內的 TIER1 廠商長期仍將是汽車供應鏈中的中堅力量。雖然當前傳統的 硬體供應商面臨著汽車軟硬體解耦帶來的價值衝擊，但 TIER1 仍具備著長期供應鏈定位下， 快速交付、落地量產的核心優勢，頭部 TIER1 廠商如博世、大陸、採埃孚等均搭建了龐大 的軟體開發團隊，對 Adaptive Autosar 中介軟體展開研發，透過快速研發迭代，在市場中實 現技術領先，相較於主機廠的方案更為快速落地，以應對 OEM 自研的衝擊。

國內自主 TIER1 品牌亦在軟體領域加碼佈局。德賽西威在 IPU03 等產品上，基於英 偉達晶片平臺的底層作業系統與中介軟體的開發能力與經驗，是實現 IPU04 快速落地的關鍵， 德賽西威領先於國內車企率先落地 254 與 508TOPS 的 IPU04 自動駕駛域控制器。從德賽 西威為小鵬提供的 IPU03 域控制器底層軟體架構中可以看到，英偉達的 CUD、DRIVE WORKS 等底層軟體為整體系統做出了重要支撐，而對德賽西威而言，在 IPU03 上與英偉 達的底層軟體實現磨合積累，使其能夠更快速的展開基於 ORIN 的 IPU04 的域控制器研發。（報告來源：未來智庫）

3）軟體開發平臺企業透過直接向 OEM 提供軟體開發服務的模式，對傳統 TIER1 企 業的開發模式發起挑戰。由於軟硬體架構的解耦，專注於自動駕駛軟體平臺開發的新晉廠 商得以進入競爭之中，以軟體開發的形式為主機廠提供域控制器開發的服務，與傳統 Tier1 產生直接競爭關係。

海外市場，域控軟體供應商 TTTech 為包括奧迪 zFAS 在內的全球 25 款車型提供域控 軟體平臺“MotionWise”。在國內，TTTech 與上汽集團合資成立創時智駕，為上汽的智己 汽車 L7 研發基於英偉達 Orin 的自動駕駛域控制器。

國內市場，中科創達、映馳科技、東軟睿馳、未動科技、紐勱科技等也紛紛推出域控 軟體平臺產品，為客戶提供底層軟體能力，包括從汽車作業系統軟體、中介軟體等底層軟體 為上層應用程式提供開發環境。中介軟體開發者角色越來越重要，中介軟體將計算機硬體從軟 件應用程式中抽象出來，同時也作為應用程式間通訊的橋樑。 隨著通訊架構由“面向訊號” 向“面向服務”轉變，域控中介軟體價值將愈發凸顯。

市場空間：隨整套解決方案成本下行，市場空間有望快速拓展

以自動駕駛域控制器為核心，整套自動駕駛解決方案的硬體成本主要分為三層：感測 器負責訊號的採集與邊緣資料處理，集中式的微控制器單元（MCU）負責功能控制與實現， 多感測器融合資料則依賴於集中式的域控制器計算單元。

車企的配置成本需要考慮整套解決方案的價格。我們可以根據行業較為成熟的解決方 案的感測器配置來大體測算整車當中 ADAS 硬體的成本。當前市場上：

1）L2+級別自動駕駛方案：針對 L2+級別的自動駕駛功能實現，包括如 ACC 全速自 適應巡航系統、LCC 車道居中控制、ALC 智慧變道輔助、ATC 自適應彎道巡航、智慧泊 車輔助系統等高階 L2 功能，車企當前一般配置 12 個超聲波雷達、5 個毫米波雷達、4 路 以上的高畫質攝像頭輸入；搭配上 L2 級別的自動駕駛域控制器。該套方案的硬體成本可以 控制在 6000 元左右，可以被配置到最低 13 萬元左右的車型上。這也是國產自主品牌的核 心產品區間。因此，L2 級別自動駕駛技術有望大幅提升國產自主品牌車型中的滲透率，為 國產自主 TIER1 提供廣闊的市場空間。

L2/L2+量產產品本身演算法方案已經較為成熟，對感測器的配置差異不會太大，產品已 經偏向標準化，需要更多考慮成本、落地速度以及算力充足性、可靠性等因素，這個領域 的產品比較容易實現方案、架構上的統一，成本與價效比是最優先考慮的因素。當前市場 上，自主品牌的方案包括 Mobileye 的生態合作伙伴的 ADAS 域控制器、德賽西威的 IPU02 域控制器、福瑞泰克的 DCU Basic、縱目科技的 AVP 方案等，此外海外的傳統 TIER1 廠 商亦均有相關佈局產品。

2）L3+級別自動駕駛方案：從 2021 年年底的廣州車展上來看，國內自主品牌開始向 高階車型邁進，智慧化成為破局的重要抓手。2021 年底自主品牌公佈了超過十款搭載 L3+ 級別自動駕駛解決方案的新車型。2022 年開始，市場將正式迎來 L3+自動駕駛硬體快速落 地的軍備競賽。雖然從法律界定上來講，這些車型仍屬於 L2.9 的車型，事故責任方屬於司 機，但這些車型超前的算力配置與感測器配置，無疑是為高階自動駕駛進行了充分的預埋。

從搭載感測器上看：鐳射雷達成為 L3 以上自動駕駛車型的標配元件。40 萬以上的智 能化車型中，普遍標配了 2-3 個鐳射雷達，最為激進的長城沙龍機甲龍甚至配置了四個激 光雷達（其中一個為後向鐳射雷達）。包括鐳射雷達在內，車上的感測器普遍為 31-33 個， 包括了 5-6 個毫米波雷達，12-13 個超聲波雷達，4 個環視攝像頭以及 7 個以上的 800 萬 攝像頭。其中鐳射雷達、800 萬畫素攝像頭等是升級更新重點，77GHz 毫米波雷達等感測 器配置走向標準化。

從成本上看：綜合考慮感測器與域控制器的成本，當前市場價格下的解決方案硬體成 本應當在五萬元左右。對於四十萬元的車型來說也佔到全車價值量的 10%以上，車企將承 擔較大的成本壓力。隨著整套解決方案成本的下行（動力主要來源於鐳射雷達量產後的零部件、晶片成本下行，域控制器芯片價格下行等），有望裝配到更低價位的車型當中。我 們認為到 2025 年，該套解決方案有望在 25 萬元左右的車型實現落地量產。

高階自動駕駛產品的定製化比例會更高，會存在較長的一段時間。除了向下落地時加 深與主機廠商的深度定製服務外，吸引自動駕駛演算法公司使用平臺產品進行研發同樣是域 控制器廠商擴張生態，完善產品整合技術能力的關鍵因素。車企在選擇供應方的時候，會 同時考慮到晶片、域控制器、演算法公司的綜合研發能力。

從單車 ADAS 相關裝置價值量角度來看：根據麥格納諮詢資料，L1/l2/l3/l4+的單車智 能駕駛產品價值量分別是 500/1200/3400/4500 美金。預計域控制器廠商除了提供 DCU 產 品外，可以透過進一步整合感測器、演算法以及生態合作伙伴其他產品實現價值量上行。

根據對 2025 年中國自動駕駛相關車型產量的預估（包含了乘用車與商用車），以及考 慮到自動駕駛域控制器隨產量提升後的降價幅度，我們預計到 2025 年中國自動駕駛域控 制器規模的市場空間將會達到近 700 億元。

（本文僅供參考，不代表我們的任何投資建議。如需使用相關資訊，請參閱報告原文。）

精選報告來源：【未來智庫】。未來智庫 - 官方網站