50-100T大算力SoC将扎堆量产(驾驶芯片智能黑芝麻方案)

乘用车新车分自动驾驶等级（L0-L3）搭载量趋势预测

来源：佐思汽研《2024年自动驾驶SoC研究报告》

2023年，支持L2+NOA（L2.5&L2.9，含硬件预埋）的新车总销量在212万辆左右，从智驾SoC芯片搭载来看，目前主要为特斯拉FSD、英伟达ORIN-X/ORIN-N/Xavier、地平线J5/J3、华为MDC 昇腾610 、TI TDA4VM/ TI TDA4VH、黑芝麻智能华山A1000等。

2023年中国L2.5（含硬件预埋）高阶智驾SoC市场份额（按车型搭载数量）

来源：佐思汽研《2024年自动驾驶SoC研究报告》，佐思汽研数据库

50-100T大算力自动驾驶SoC，将快速导入10-20万价格段乘用车市场

在中国，10-20万价格段乘用车，仍然是主力销量区间，现阶段这一价格区间L2+ NOA（L2.5&L2.9，含硬件预埋）渗透率仍处于很低的水平，主要受限于成本因素。

中国乘用车L2.5自动驾驶（含硬件预埋）价格段分布（2023年全年）

来源：佐思汽研《2024年自动驾驶SoC研究报告》，佐思汽研数据

10-20万价格段乘用车，现阶段仍然以配置入门级L2自动驾驶为主流，但L2.5级自动驾驶也正在快速上量。

来源：佐思汽研《2024年自动驾驶SoC研究报告》，佐思汽研数据

高通自动驾驶SoC——SA8650/SA8620

高通的SA8650正是瞄准了10-20万价格段乘用车市场，以高通一贯的产品思维，高性价比、丰富的生态是其主要的产品方向。

SA8650 CPU算力为230kDMIPs，与Orin顶配相当，Orin有多个版本，只有顶配的Orin-X CPU算力是230kDMIPs。
推测SA8650是4个Cortex-X3大核心加4个A55小核心，国内芯片受限于成本，在CPU方面都比较节约，最多是8个A55，算力一般是26kDMIPs。
CPU远比AI更消耗成本，同时CPU对先进制程的需求是必须的，X3这种级别必须对应4纳米，Orin使用了12个A78AE，全部是大核心，才与SA8650旗鼓相当。

X3比X1有本质提升，X1比A77有本质提升，X2提升不多，且功耗高。
X3是ARM目前最强的架构，X4对应的是3纳米，X5可能对应2纳米，3纳米或2纳米提升不多，但成本增加不少。

SA8650有100TOPS的AI算力，高于主要竞品英伟达ORIN-N，同时图形输出能力很强，最高支持4个屏幕。
SA8650可以对应12个摄像头，即8个800万像素，4个400万像素。
SA8650功耗大概25-40瓦，超过25瓦就最好采用水冷设计，目前SA8650的设计方案都是水冷。

高通从第四代起就不单独提供芯片，都以模组形式销售，模组包含一颗SoC，4颗电源管理，2-4颗LPDDR DRAM。

50-100T大算力自动驾驶SoC芯片部分竞品对比

来源：佐思汽研《2024年自动驾驶SoC研究报告》

高通第一代Ride（SA8540P）响应者不多，第二代Ride（SA8650P、SA8620P）得到了不少欧美车企的认同，包括宝马、奔驰、奥迪、保时捷、Stellantis，也得到了不少主流Tier1的认可，包括法雷奥、德国大陆汽车、博世和Veoneer。

国内Tier1中，德赛西威、均胜电子、映驰科技、豪末智行、百度都已经基于SA8650开发了近1年时间；航盛电子、纵目科技、车联天下、博泰、福瑞泰克正在导入，已有大量主机厂对SA8650感兴趣。

部分Tier1供应商基于高通SA8650/SA8620自动驾驶方案

来源：佐思汽研《2024年自动驾驶SoC研究报告》

大疆成行平台进阶版

基于高通骁龙Ride（SA8650P），不依赖高精地图和激光雷达，实现了城区道路点对点和快速路段的领航辅助驾驶、跨层记忆泊车

「成行平台」7V+100TOPS（搭载高通SA8650P）方案实现城市领航等高阶智驾功能，与大疆车载在双目立体视觉、全向鱼眼感知、高性能优化等技术的积累是分不开的，而且在100TOPS的域控制器上，还部署了大疆车载在双目OCC、道路拓扑模型、预测规划模型、端到端模型优化等技术上的最新成果。

基于7V传感器构型，可拓展为10V构型，进一步增强城区个别场景(如超宽超远路口)的应对能力。

大疆成行平台7V纯视觉方案对此（高通SA8650P和TI TDA4VH）

来源：佐思汽研《2024年自动驾驶SoC研究报告》

Momenta与高通签约

Momenta已经在上汽、比亚迪、广汽、通用等车企陆续拿到高阶智驾定点并开启交付，主要基于英伟达ORIN方案。

2024年4月22日，高通与Momenta正式官宣，基于SA8620P（36TOPS）和SA8650P（100TOPS）的可扩展、高能效架构，布局高速领航辅助（HNP）到城市领航辅助（UNP）等多种场景。

芯片：SA8620P（36TOPS）、SA8650P（100TOPS）感知配置：7V3R/7V1R功能：HNP高速高架领航辅助（高速NOA），MNP记忆领航辅助（城区通勤NOA） 、LPNP记忆泊车领航辅助、PNP泊车领航辅助目标客户：方案面向10-20万元的主流乘用车，油电平权，入门即标配高速NOA，无需额外支付选配费用。
Momenta的高通平台，已知落地会在丰田、通用两家主机厂量产落地。

黑芝麻智能自动驾驶SoC——华山®A1000系列

2024年7月17日，东风奕派eπ007智驾功能重磅升级，针对智驾车型实现高速NOA领航辅助驾驶、LAPA超视距记忆泊车等高阶智驾功能，以及若干项实用功能和体验优化。

东风奕派eπ007高配车型搭载黑芝麻智能华山®A1000车规级高性能自动驾驶芯片，全面支持L2+高阶智能辅助驾驶。
东风奕派eπ007在OTA升级后应付日常智驾需求更是游刃有余，在华山A1000芯片的助力下，eπ007搭载行泊一体高算力智驾系统，高速NOA实现全程路径规划，在城市快速路、高速公路上能够自动完成跟车、自主变道、上下匝道等。

黑芝麻智能单颗A1000芯片可支持完整的行车和泊车功能，为车企提供高性能和高性价比的行泊一体自动驾驶解决方案。
目前，华山A1000芯片已处于全面量产状态，获得国内多家头部车企采用，包括一汽集团、东风集团、吉利集团、江汽集团等，量产车型包括领克08、合创V09、领克07、东风奕派eπ007、东风奕派eπ008等。

来源：黑芝麻智能

单芯片驾舱跨域融合，正在成为市场焦点方向

随着电子电气架构向中央集中式发展，智驾域和座舱域融合成为趋势。

英伟达、高通、芯驰科技、黑芝麻智能等企业率先发布舱驾一体芯片；百度、知行科技、博世、采埃孚、德赛西威、航盛电子、零束科技等也陆续发布单芯片舱驾融合域控产品及系统解决方案；预计2024-2025年，单芯片驾舱跨域融合方案将批量上车。

中科创达总裁耿增强认为，在域融合中，业界最期待的是智驾和座舱的融合，但这种融合并非只有这一种形式，还有另外一种方向是把整个Cluster和自动驾驶这样对安全要求高的域全都融合在一起，但把IVI单独放在外面，让IVI变成消费电子化，这也是一种选择，这两种路径或将会并存。

目前业内已推出了高通8775、黑芝麻智能C1296、芯驰X9CC、英伟达Thor等面向跨域融合的SoC芯片产品，Tier1正基于这些芯片开发系统解决方案。

大陆集团基于高通8775芯片实现软件定义汽车架构。
其采用SoC+MCU架构，SoC采用高通8775，MCU采用的NXP S32G，基于大陆CAEdge软件框架打造软件系统，实现车云一体舱驾融合方案。

来源：大陆集团

百度也正在开发基于一颗SoC同时实现包括AEB、LCC等基础智驾功能和座舱能力，这套驾舱一体计算平台被命名为Apollo Robo-Cabin，采用舱驾分区隔离设计，在硬件、通信链路和资源调度上进行隔离，保证业务、通信和运行的独立。

未来，这套芯软一体方案的最终目标，是在智能驾驶功能上实现城市通勤+自主泊车2.0、以及智舱的能力。

在舱驾融合的智驾模式上，百度Apollo自己打造的OS SOA架构基础上，提供了整个原子化的AI能力的开放架构，实现多模态融合，打造人机协同的智能驾驶和智能座舱整车智能体验。
百度Apollo智驾已布局 AVP全场景泊车产品，ANP2行泊一体高速领航产品，以及ANP3三域融通的城市自动驾驶领航产品等。

来源：百度

2024年北京车展上，黑芝麻智能展出了武当C1200家族量产型号芯片C1236和C1296。
C1236单芯片集成NOA域控的传感器接入、算法加速、线速数据转发、4K显示等。
黑芝麻智能和一汽红旗共同发布了基于C1200家族的单芯片智能车控项目。
新合作方案即基于C1200家族，将覆盖智能驾驶、整车数据交换及控制功能。

黑芝麻智能官宣与均联智及（NESINEXT）基于C1296芯片合作打造的CoreFusion舱驾一体软件开放平台。

来源：黑芝麻智能

车企自研SoC是否会成为主流？

车企加强SoC自研的背景

车企自研SoC的挑战

对于主机厂而言，“芯片+操作系统” 一定是需要配套研发的，以最大化的发挥 “芯片+操作系统” 的性能优势。

2023年9月，蔚来发布的智能电动汽车整车全域操作系统天枢SkyOS，是蔚来整车底层操作系统。
根据蔚来规划，天枢 SkyOS 全功能量产将在 NT3 平台车型上实现，并搭载自研智驾SoC神玑NX9031 。

来源：蔚来

神玑NX9031推测应当为以自动驾驶为主的跨域融合芯片，采用5nm工艺，为节省成本，预计与特斯拉FSD一样，找三星代工，台积电代工过于高昂。

蔚来汽车神玑NX9031与下一代高阶智驾 SoC 竞品对标

来源：佐思汽研《2024年自动驾驶SoC研究报告》

《2024年自动驾驶SoC研究报告》

目录

页数：430页

01

自动驾驶SoC乘用车市场研究和数据分析

1.1 自动驾驶SoC市场份额

1.1.1 中国乘用车L1-L4级自动驾驶系统（含硬件预埋）装配率预测

1.1.2 中国自动驾驶SoC 市场规模统计和预测，2023-2027E

1.1.3 全球自动驾驶SoC 市场规模统计和预测，2023-2027E

1.1.4 全球自动驾驶SoC厂商营收统计，2021-2023年

1.1.5 中国L2（入门级）自动驾驶SoC市场份额（2023年和2024年1-4月）

1.1.6 中国L2.5（高速NOA）自动驾驶SoC市场份额（2023年和2024年1-4月）

1.1.7 中国L2.9（城区+高速NOA）自动驾驶SoC市场份额（2023年和2024年1-4月）

1.2 乘用车分价位段自动驾驶系统市场研究（2024年1-4月）

1.2.1 中国乘用车L2.9自动驾驶（含硬件预埋）价格段分布（2024.1-2024.4）

1.2.2 中国乘用车L2.5自动驾驶（含硬件预埋）价格段分布（2024.1-2024.4）

1.2.3 中国乘用车L2自动驾驶价格段分布（2024.1-2024.4）

1.3 乘用车分价位段自动驾驶系统市场研究（2023年全年）

1.3.1 中国乘用车L2.9自动驾驶（含硬件预埋）价格段分布（2023年全年）

1.3.2 中国乘用车L2.5自动驾驶（含硬件预埋）价格段分布（2023年全年）

1.3.3 中国乘用车L2自动驾驶价格段分布（2023年全年）

1.4 乘用车分价位段智驾SoC芯片厂商份额

1.4.1 中国乘用车自动驾驶SOC芯片厂商份额（0-10万级别）

1.4.2 中国乘用车自动驾驶SOC芯片厂商份额（10-15万级别）

1.4.3 中国乘用车自动驾驶SOC芯片厂商份额（15-20万级别）

1.4.4 中国乘用车自动驾驶SOC芯片厂商份额（20-25万级别）

1.4.5 中国乘用车自动驾驶SOC芯片厂商份额（25-30万级别）

1.4.6 中国乘用车自动驾驶SOC芯片厂商份额（30-35万级别）

1.4.7 中国乘用车自动驾驶SOC芯片厂商份额（35-40万级别）

1.4.8 中国乘用车自动驾驶SOC芯片厂商份额（40-50万级别）

1.4.9 中国乘用车自动驾驶SOC芯片厂商份额（50万以上）

1.5 舱驾一体SoC平台

1.5.1 舱驾一体SoC芯片关键竞品

1.6 200T及以上超高算力智驾SoC平台

1.6.1 200T及以上超高算力自动驾驶SoC芯片关键竞品

1.6.2 200T及以上超高算力自动驾驶SoC芯片关键竞品

1.7 80-200T大算力智驾SoC平台

1.7.1 80-200T大算力自动驾驶SoC芯片关键竞品

1.7.2 80-200T大算力自动驾驶SoC芯片关键竞品

1.8 20-80T中等算力智驾SoC平台

1.8.1 20-80T中算力自动驾驶SoC芯片关键竞品

1.8.2 20-80T中算力自动驾驶SoC芯片关键竞品

1.9 20T及以下低算力智驾SoC平台

1.9.1 20T及以下低算力自动驾驶SoC芯片关键竞品

02

OEM主机厂自动驾驶SoC方案部署及自研策略

2.1 主机厂自动驾驶SoC部署方案

2.1.1 吉利汽车体系（吉利、极氪、路特斯）智驾方案和SoC选型策略（含在研项目）

2.1.2 比亚迪体系（比亚迪、腾势、仰望）智驾方案和SoC选型策略（含在研项目）

2.1.3 上汽体系（上汽、智己、飞凡）智驾方案和SoC选型策略（含在研项目）

2.1.4 长城汽车、长安汽车体系（阿维塔、深蓝、长安）智驾方案和SoC选型策略（含在研项目）

2.1.5 广汽、一汽、东风（东风、岚图）智驾方案和SoC选型策略（含在研项目）

2.1.6 特斯拉、理想、蔚来智驾方案和SoC选型策略（含在研项目）

2.1.7 小鹏、哪吒、问界、极越智驾方案和SoC选型策略（含在研项目）

2.1.8 阿维塔、极狐、极石、合创、零跑、奇瑞星纪元、江淮智驾方案和SoC选型策略（含在研项目）

2.1.9 大众（中国）、上汽通用智驾方案和SoC选型策略（含在研项目）

2.1.10 丰田（中国）、奔驰（中国）智驾方案和SoC选型策略（含在研项目）

2.2 OEM主机厂自研自动驾驶SoC的背景

2.2.1 OEM主机厂加强SoC自研的逻辑

2.2.2 主机厂自研SoC，主要瞄准高阶ADAS应用

2.2.3 OEM主机厂“造芯”可行的战略选择

2.2.4 地平线提出开放BPU IP授权业务模式，加强与整车厂合作开发芯片

2.2.5 高性能车规芯片架构所需的关键技术

2.2.6 自动驾驶SoC需经历漫长的量产过程

2.2.7 车规级芯片需满足的汽车供应链标准体系规范

2.3 特斯拉自研SoC

2.3.1 特斯拉FSD HW5.0 推测（1）

2.3.2 特斯拉FSD HW5.0 推测（2）

2.3.3 特斯拉FSD HW1.0—HW4.0系统参数演进

2.3.4 特斯拉HW 4.0第二代FSD SoC：典型特征分析

..........................................................

2.4 蔚来汽车自研SoC

2.4.1 蔚来汽车自研智驾SoC背景：天枢SkyOS+智驾SoC NX9031

2.4.2 蔚来汽车自研智驾SoC背景：掌握Adam超算平台自研know-how

2.4.3 蔚来汽车智驾SoC“神玑NX9031”：开发背景

2.4.4 蔚来汽车智驾SoC“神玑NX9031”：性能参数

2.4.5 蔚来汽车神玑NX9031与下一代高阶智驾 SoC 竞品对标

2.5 小鹏汽车自研SoC

2.5.1 小鹏汽车自研智驾SoC背景：与大众合作CEA，或加速SoC自研步伐

2.5.2 小鹏汽车自研智驾SoC背景：加深E2E自动驾驶的技术壁垒

2.5.3 小鹏汽车智驾SoC：开发背景和性能推算

2.6 理想汽车自研SoC

2.6.1 理想汽车智驾SoC：开发背景

2.7 Momenta自研SoC

2.7.1 Momenta（新芯航途）智驾SoC：开发背景

2.8 零跑凌芯自研SoC

2.8.1 零跑凌芯 01 自动驾驶芯片：技术架构和特点

2.8.2 零跑凌芯 01 自动驾驶芯片：技术参数

03

国内外智驾SoC厂商产品选型和Tier1支持方案

3.1 英伟达ORIN/Thor系列及Tier1系统方案

3.1.1 英伟达智驾 SoC 产品组合

3.1.2 英伟达ORIN主要支持Tier1及量产方案（1）

3.1.3 英伟达ORIN主要支持Tier1及量产方案（2）

3.2 高通8650/8620/8775系列及Tier1系统方案

3.2.1 高通智驾 SoC 产品组合

3.2.2 高通SA8650P/SA8620P/SA8775P主要支持Tier1及量产方案（1）

3.2.3 高通SA8650P/SA8620P/SA8775P主要支持Tier1及量产方案（2）

3.2.4 高通SA8650P/SA8620P/SA8775P主要支持Tier1及量产方案（3）

3.2.5 高通Ride智驾SoC系统解决方案（1）：中科创达整车操作系统“滴水OS”

3.2.6 高通Ride智驾SoC系统解决方案（1）：畅行智驾RazorDCX Pantanal-SA8650

3.2.7 高通Ride智驾SoC系统解决方案（1）：中科创达畅行智驾RazorDCX Congo-SA8620

3.2.8 高通Ride智驾SoC系统解决方案（2） ：大疆成行平台7V“进阶版”

..........................................................

3.2.16 高通Flex舱驾融合SoC系统解决方案：畅行智驾单SoC舱驾融合域控RazorDCX Tarkine

3.3 Mobileye EyeQ5/EyeQ6系列及Tier1系统方案

3.3.1 Mobileye 智驾SoC产品组合

3.3.2 Mobileye EyeQ系列主要支持Tier1及量产方案（1）

3.3.3 Mobileye EyeQ系列主要支持Tier1及量产方案（2）

3.4 TI TDA4VL/TDA4VM/TDA4VH系列及Tier1系统方案

3.4.1 TI 智驾SoC产品组合

3.4.2 TI TDA4VM主要支持Tier1及量产方案（1）

3.4.3 TI TDA4VM主要支持Tier1及量产方案（2）

3.4.4 TI TDA4VH/TI TDA4VM-Plus主要支持Tier1及量产方案

3.4.5 TI 智驾SoC方案功能特性

3.4.6 TI TDA4VH方案系统架构（1）

........................................................

3.5 瑞萨R-CAR V4/V3系列及Tier1系统方案

3.5.1 瑞萨电子智驾SoC产品组合

3.6 地平线J3/J5/J6系列及Tier1系统方案

3.6.1 地平线智驾SoC

3.6.2 征程 J6 roadmap

3.6.3 地平线征程 J6 产品定位、客户和合作伙伴

3.6.4 地平线J6主要支持Tier1及量产方案

3.6.5 地平线征程 J5/J3“性价比”和“高性能”行泊一体产品方案组合

3.6.6 地平线J5主要支持Tier1及量产方案（1）

3.6.7 地平线J5主要支持Tier1及量产方案（2）

3.6.8 地平线J3方案系统典型架构

3.6.9 地平线J3+TI TDA4VM方案系统典型架构

3.6.10 三颗地平线J3方案系统典型架构

3.6.11 三颗地平线J3方案系统典型架构

3.7 黑芝麻智能A1000/A2000/C1000系列及Tier1系统方案

3.7.1 黑芝麻智能智驾SoC产品组合

3.7.2 黑芝麻智能下一代主推产品华山A2000和武当跨域 SoC

3.7.3 黑芝麻智能Drive-BEST软硬件参考方案

3.7.4 黑芝麻智能A1000系列主要支持Tier1及量产方案

3.7.5 亿咖通天穹pro智驾平台

3.7.6 亿咖通第一代汽车大脑

3.7.7 黑芝麻智能C1000系列主要支持Tier1及量产方案

3.8 华为MDC610/MDC810及Tier1系统方案

3.8.1 华为智驾SoC

3.9 芯驰科技V9/X9系列及Tier1系统方案

3.9.1 芯驰科技智驾SoC

3.9.2 芯驰科技的舱驾一体SoC芯片——X9系列

3.9.3 X9CC：面向中央计算而设计的多核异构计算平台

3.9.4 基于X9系列的E/E架构和智驾解决方案

3.9.5 基于X9系列的E/E架构和智驾解决方案

3.10 芯擎科技AD1000/SE1000及Tier1系统方案

3.10.1 亿咖通AD1000产品和性能总结

3.10.2 芯擎AD1000性能参数

3.10.3 芯擎AD1000多片级联实现算力拓展

3.10.4 基于“龍鹰一号”SE1000 的舱驾一体解决方案

3.10.5 基于“龍鹰一号” SE1000 的舱泊一体解决方案

3.10.6 “龍鹰一号” SE1000 智驾方案

04

海外智驾SoC厂商及SoC芯片设计

4.1 高通

4.1.1 高通Ride 8650/8620

4.1.1.1 高通Ride智驾SoC特点解析：SA8650按模组出售

4.1.2 高通Flex 8775

4.1.2.1 高通Flex舱驾融合SoC特点解析（1）

4.1.2.2 高通Flex舱驾融合SoC特点解析（2）

4.1.2.3 高通Flex舱驾融合SoC特点解析（3）

4.1.3 高通Snapdragon Ride软件栈

4.1.3.1 高通Snapdragon Ride视觉软件栈（1）

4.1.3.2 高通Snapdragon Ride视觉软件栈（2）

4.1.3.3 高通Snapdragon Ride软件开发模式：支持SDV的长期开发愿景

4.2 英伟达

4.2.1 英伟达智驾SoC产品策略和组合

4.2.1.1 英伟达自动驾驶SoC产品组合（1）

4.2.1.2 英伟达自动驾驶SoC产品组合（2）

4.2.1.3 英伟达自动驾驶SoC产品组合（3）

4.2.1.4 英伟达自动驾驶SoC产品组合（4）

4.2.2 英伟达Thor

4.2.2.1 英伟达下一代中央计算SoC Thor

......................................................

4.2.2.6 英伟达Thor架构设计：Blackwell架构

4.2.2.7 英伟达Thor系列产品参数

4.2.2.8 英伟达Thor支持NVLink多片级联

4.2.3 英伟达ORIN

4.2.3.1 英伟达ORIN SoC系统架构：框架图

4.2.3.2 英伟达ORIN SoC系统架构：功能设计

4.2.3.3 英伟达ORIN SoC系统架构：CPU

4.2.3.4 英伟达ORIN SoC系统架构：GPU

4.2.3.5 英伟达ORIN SoC系统架构：深度学习加速器DLA

4.2.3.6 英伟达ORIN SoC系统架构：可编程视觉加速器PVA

4.2.3.7 英伟达ORIN SoC系统架构：接口

4.2.3.8 以Orin为核心的智能驾驶域控制器的框架图

4.2.4 英伟达自动驾驶配套软件和算法库

4.2.4.1 英伟达软件解决方案

4.2.4.2 英伟达算法库

4.2.5 英伟达DRIVE Hyperion和DRIVE Autopilot“交钥匙”方案

4.2.5.1 英伟达Hyperion技术路线图

4.2.5.2 Hyperion 9 在2024年推出，2026年装车

4.2.5.3 英伟达Drive Hyperion 8

4.2.5.4 英伟达Drive Hyperion 8.1：面向L2+的开发平台架构（1）

4.2.5.5 英伟达Drive Hyperion 8.1：面向L2+的开发平台架构（2）

4.2.5.6 英伟达Drive Hyperion 8.1：面向L2+的开发平台架构（3）

4.2.5.7 英伟达Drive Hyperion 8.1：面向L3/L4的开发平台架构

4.2.5.8 英伟达DRIVE AutoPilot

4.3 Mobileye

4.3.1 Mobileye智驾SoC产品策略和组合

4.3.1.1 Mobileye 从消费者出发重定义ODD

4.3.1.2 Mobileye 定义消费者的脱眼ODD

4.3.1.3 Mobileye 基于消费者重定义ODD的芯片、传感器和域控路线图

4.3.1.4 Mobileye EyeQ 系列产品线：典型技术参数

4.3.1.5 Mobileye 自动驾驶SoC产品组合（1）

4.3.1.6 Mobileye 自动驾驶SoC产品组合（2）

4.3.1.7 Mobileye 自动驾驶SoC产品组合（3）

4.3.2 Mobileye EyeQ Ultra

4.3.2.1 Mobileye EyeQ 系列产品：EyeQ Ultra、EyeQ6L、EyeQ6H

4.3.2.2 Mobileye EyeQ 系列产品：EyeQ® Ultra™系统集成芯片

4.3.2.3 Mobileye EyeQ 系列产品：EyeQ® Ultra™系统架构

4.3.2.4 基于EyeQ® Ultra™的智驾解决方案——SuperVision ™

4.3.3 Mobileye EyeQ6系列

4.3.3.1 Mobileye EyeQ 系列产品：EyeQ® 6L/6H系统集成芯片

4.3.3.2 Mobileye EyeQ 系列产品：EyeQ6H芯片架构图

4.3.3.3 Mobileye EyeQ 系列产品：EyeQ6L芯片架构图

4.3.3.4 Mobileye EyeQ 系列产品：EyeQ™ 6L系统集成芯片2024年量产落地

4.3.3.5 Mobileye EyeQ 系列产品：EyeQ6采用英特尔 Atom 内核

4.3.4 Mobileye EyeQ5系列

4.3.5 Mobileye 工具和软件产品

4.3.6 Mobileye SuperVision和 Mobileye Drive “交钥匙” 方案

4.3.6.1 Mobileye 产品组合：L2-L4级自动驾驶解决方案

4.3.6.2 Mobileye 产品组合：两套面向L4级方案

4.3.6.3 Mobileye 主推的智驾方案（1）

4.3.6.4 Mobileye 主推的智驾方案（2）

4.3.6.5 Mobileye 主推的智驾方案（3）

4.3.6.6 Mobileye 主推的智驾方案（4）

4.4 TI

4.4.1 TI Jacinto 7平台智驾SoC产品策略和组合

4.4.1.1 TI Jacinto 7汽车处理器平台：平台概况

..........................................................

4.4.1.7 TI 自动驾驶SoC芯片产品组合

4.4.2 TI TDA4系列：TI TDA4VL、TI TDA4VM、TI TDA4VH

4.4.2.1 TI TDA4x SoC 包括若干家族产品

4.4.2.2 TI TDA4x SoC 应用领域

4.4.2.3 TI TDA4x SoC 设计参考（评估模块）

4.4.2.4 TI TDA4AH SoC

4.4.2.5 TI TDA4VM SoC

4.4.2.6 TI TDA4VM SoC 深度学习的矩阵乘法加速器（MMA）

4.4.3 TI 自动驾驶软件和算法产品

4.5 瑞萨电子

4.5.1 瑞萨电子智驾SoC产品策略和组合

4.5.1.1 瑞萨汽车芯片业务策略（1）

4.5.1.2 瑞萨汽车芯片业务策略（2）

4.5.1.3 瑞萨自动驾驶SoC芯片产品组合（1）

4.5.1.4 瑞萨自动驾驶SoC芯片产品组合（2）

4.5.2 瑞萨电子R-CAR 系列

4.5.2.1 瑞萨自动驾驶SoC：R-Car产品系列图

4.5.2.2 瑞萨自动驾驶SoC：R-Car V3U SoC

4.5.2.3 瑞萨自动驾驶SoC：R-Car V3U SoC关键特性

4.5.2.4 瑞萨自动驾驶SoC：R-Car V3U SoC内部框架

..........................................................

4.5.2.14 瑞萨自动驾驶SoC：R-Car V3M SoC产品框图

4.5.3 瑞萨自动驾驶软件和算法产品

4.5.3.1 瑞萨自动驾驶“交钥匙”方案：EagleCAM开发者平台

4.5.3.2 瑞萨自动驾驶软件产品：R-Car软件开发套件（SDK）

4.6 安霸

4.6.1 安霸智驾SoC产品策略和组合

4.6.1.1 安霸公司介绍

4.6.1.2 安霸全球业务布局

4.6.1.3 安霸技术和产品策略（1）

4.6.1.4 安霸技术和产品策略（2）

4.6.1.5 安霸技术和产品策略（3）

4.6.1.6 安霸技术和产品策略（4）

............................................

4.6.1.14 安霸汽车软件合作伙伴

4.6.1.15 安霸自动驾驶SoC产品组合（1）

4.6.1.16 安霸自动驾驶SoC产品组合（2）

4.6.2 安霸CV3系列

4.6.2.1 安霸自动驾驶SoC：CV3

4.6.2.2 安霸自动驾驶SoC：CV3 融合4D成像雷达软件算法

..........................................................

4.6.2.9 安霸自动驾驶SoC：CV3-AD685 AI 芯片，可以为客户带来什么？

4.6.2.10 安霸自动驾驶SoC：CV3-AD685 AI 芯片，合作Tier1客户

4.6.3 安霸CV2系列

4.6.3.1 安霸自动驾驶SoC：CV2x系列，AI视觉自动驾驶芯片

4.6.3.2 安霸自动驾驶SoC：CV2x系列，CV22AQ

4.6.3.3 安霸自动驾驶SoC：CV2x系列，CV22FS 和 CV2FS

4.6.3.4 安霸自动驾驶SoC：CV2x系列合作案例

05

中国本土智驾SoC厂商及SoC芯片设计

5.1 地平线

5.1.1 地平线智驾SoC产品策略和组合

5.1.1.1 地平线商业模式：定位于Tier2，可提供四种合作模式

5.1.1.2 地平线商业模式：BPU IP授权模式

5.1.1.3 地平线商业模式：与大众CARIAD成立合资公司

5.1.1.4 地平线客户体系：追求“多、快、好、省”

5.1.1.5 地平线征程系列AI芯片（1）

5.1.1.6 地平线征程系列AI芯片（2）

5.1.1.7 地平线征程系列AI芯片（3）

5.1.1.8 地平线行泊一体解决方案

5.1.1.9 地平线自动驾驶SoC产品组合（1）

5.1.1.10 地平线自动驾驶SoC产品组合（2）

5.1.2 地平线J6系列

5.1.2.1 地平线的核心技术——智能计算架构BPU

5.1.2.2 地平线的核心技术——智能计算架构BPU

5.1.2.3 最新一代BPU纳什架构解析

5.1.2.4 地平线的智驾SoC芯片——征程6系列

5.1.2.5 地平线的智驾SoC芯片——征程6P解析

5.1.2.6 地平线的智驾SoC芯片——征程6P解析

5.1.3 地平线J5

5.1.3.1 地平线J5（1）系统架构

..........................................................

5.1.3.7 地平线J5（7）功能安全认证

5.1.4 地平线J3系列

5.1.4.1 地平线J3

5.1.5 地平线SuperDrive 和 Horizon Matrix 系列“交钥匙”方案

5.1.5.1 基于征程6系列的全场景智能驾驶解决方案——SuperDrive

5.1.5.2 基于征程6系列的全场景智能驾驶解决方案——SuperDrive

5.1.5.3 基于征程5系列的全场景智能驾驶解决方案——Horizon Matrix®

5.1.5.4 地平线Horizon Matrix系列产品演进路线

5.1.5.5 地平线Matrix 5系列智能计算参考平台产品参数

..........................................................

5.1.6 地平线工具链和软件算法

5.1.6.1 地平线软件和工具链：框架

5.1.6.2 地平线软件和工具链：Together OS微内核架构实时车载操作系统（1）

5.1.6.3 地平线软件和工具链：Together OS微内核架构实时车载操作系统（2）

5.1.6.4 地平线软件和工具链：天工开物AI芯片工具链

5.1.6.5 地平线软件和工具链：数据闭环开发平台“艾迪AIDI”

5.1.6.6 地平线计算架构：从“智能计算1.0”到“智能计算2.0”的迁移

5.2 黑芝麻智能

5.2.1 黑芝麻智能智驾SoC产品策略和组合

5.2.1.1 黑芝麻智能财务和经营情况分析（1）

5.2.1.2 黑芝麻智能财务和经营情况分析（2）

5.2.1.3 黑芝麻智能核心技术

5.2.1.4 黑芝麻智能核心技术特点：智能智能感知SoC架构

5.2.1.5 黑芝麻智能核心技术特点：关键技术布局和突破

5.2.1.6 黑芝麻智能华山系列芯片：技术路线图

5.2.1.7 黑芝麻智能自动驾驶SoC芯片产品组合（1）

5.2.1.8 黑芝麻智能自动驾驶SoC芯片产品组合（2）

5.2.2 黑芝麻智能C1200系列（C1236/C1296）

5.2.2.1 黑芝麻智能的智能汽车跨域计算芯片武当系列C1200家族

5.2.2.2 黑芝麻智能武当系列芯片：C1200智能汽车跨域计算芯片

5.2.2.3 黑芝麻智能武当系列芯片：武当系列C1200芯片核心参数

5.2.2.4 黑芝麻智能武当系列芯片：武当系列C1200应用场景

5.2.2.5 C1236：单芯片支持NOA行泊一体的芯片平台

5.2.2.6 C1296：单芯片支持跨域融合方案的芯片平台

5.2.2.7 基于C1296单芯片支持跨域融合方案的应用场景

5.2.2.8 基于武当系列C1200家族的智驾解决方案（1）

5.2.2.9 基于武当系列C1200家族的智驾解决方案（2）

5.2.3 黑芝麻智能A1000系列

5.2.3.1 黑芝麻智能华山系列芯片：A1000L/ A1000/ A1000 Pro 芯片指标参数

5.2.3.2 黑芝麻智能华山系列芯片：华山二号A1000 Pro

5.2.3.3 黑芝麻智能华山系列芯片：华山二号A1000系统框图

5.2.3.4 黑芝麻智能华山系列芯片：华山二号A1000关键技术参数

5.2.3.5 黑芝麻智能华山系列芯片：华山二号A1000/A1000L关键性能参数

5.2.4 黑芝麻智能自动驾驶软件和算法产品

5.2.4.1 黑芝麻智能“交钥匙”解决方案：Drive Sensing 单SOC芯片高阶行泊一体方案

5.2.4.2 黑芝麻智能“交钥匙”解决方案：端到端全栈感知解决方案

5.2.4.3 黑芝麻智能FAD自动驾驶计算平台

5.2.4.4 黑芝麻智能AI算法开发工具链：开发技术环境拓扑图

5.3 芯驰科技

5.3.1 芯驰科技处理器产品线

5.3.2 芯驰科技处理器产品布局：面向未来的中央计算架构

5.3.3 芯驰科技自动驾驶SoC产品组合（1）

5.3.4 芯驰科技自动驾驶SoC产品组合（2）

5.3.5 芯驰智驾/跨域 SoC 主要支持Tier1及量产方案（1）

5.3.6 芯驰科技X9CC：东软睿驰中央计算单元X-Center 2.0

5.3.7 芯驰科技V9P

5.4 华为

5.4.1 华为的智驾SoC芯片——昇腾系列

5.4.2 华为自动驾驶SoC：昇腾 910/310主控芯片

5.4.3 华为自动驾驶SoC：昇腾 910/310采用华为自研达芬奇架构

5.4.4 华为自动驾驶SoC：昇腾 610和910 架构

5.4.5 华为自动驾驶SoC：昇腾 310 架构

5.4.6 华为自动驾驶SoC：昇腾Max核心内部框架和算法网络

5.4.7 华为智能驾驶计算平台——MDC平台

5.4.8 华为智能驾驶计算平台MDC610解析

5.4.9 华为智能驾驶计算平台MDC610硬件规格

5.4.10 华为智能汽车解决方案品牌——乾崑

5.5 爱芯元智

5.5.1 爱芯元智发展历程

5.5.2 爱芯元智智驾SoC产品线及其工程化平台

5.5.3 爱芯元智智能驾驶芯片及其工程化平台

5.5.4 爱芯元智的两大核心技术——爱芯通元混合精度NPU

5.5.5 爱芯元智的两大核心技术——爱芯智眸AI-ISP

5.5.6 爱芯元智打造未来车载SoC芯片的解决方案

5.5.7 爱芯元智打造未来车载SoC芯片的解决方案

5.6 辉羲智能

5.6.1 辉羲智能公司概况及产品特点

5.6.2 辉羲智能提供智驾解决方案——可扩展的计算引擎

5.7 为旌科技

5.7.1 为旌科技发展历程

5.7.2 为旌科技的视觉芯片-海山系列

5.7.3 为旌科技的智能驾驶芯片-VS919

5.7.4 为旌科技御行系列VS919的智驾解决方案完成集成测试

5.7.5 为旌科技的核心技术——为旌摇光ISP

5.7.6 为旌科技的核心技术——为旌天权NPU

5.7.7 为旌科技核心技术——为旌星图工具链

5.8 百度昆仑芯

5.8.1 百度昆仑芯产品定位：昆仑芯二代和三代AI芯片均可面向自动驾驶系统

5.8.2 百度昆仑芯二代 AI 芯片：7nm工艺，256TOPS

5.8.3 百度昆仑芯二代 AI 芯片在无人驾驶的适配成果

5.8.4 百度昆仑芯产品路线图

5.8.5 百度昆仑芯应用框架：百度 Apollo 文心大模型“感知 2.0”架构

5.8.6 百度昆仑芯应用框架：未来自动驾驶或将与“文心一言”进行整合

06

其他前瞻创新的智驾SoC解决方案

6.1 存算一体在自动驾驶SoC的应用前景

6.1.1 “存算一体”对于自动驾驶的意义（1）

6.1.2 “存算一体”对于自动驾驶的意义（2）

6.1.3 “存算一体”对于自动驾驶的意义（3）

6.1.4 “存算一体”技术概念图：存算一体打破传统的冯诺依曼体系结构

6.1.5 广义存算一体的技术方案：近存计算、存内处理、存内计算

6.1.6 PIM（存内处理）商业化实例（1）

6.1.7 PIM（存内处理）商业化实例（2）

6.1.8 PIM（存内处理）商业化实例（3）

6.1.9 PIM（存内处理）商业化实例（4）

6.1.10 PIM（存内处理）商业化实例（5）

6.1.11 真正的存算一体：存内计算（CIM）

6.1.12 存内计算（CIM）主要面临存储介质的技术路径选择

6.1.13 国内存算一体芯片企业和技术路径选择

6.2 后摩智能

6.2.1 后摩智能发展历程

6.2.2 后摩智能的核心技术——存算一体

6.2.3 后摩智能发布首款存算一体智驾芯片

6.2.4 后摩智能“鸿途”系列产品路线图和量产部署

6.2.5 后摩智能基于鸿途 H30 芯片打造的智能驾驶硬件平台—— 力驭

6.2.6 后摩智能力驭 自动驾驶域控制器规格参数

6.2.7 后摩智能基于鸿途 H30 芯片自主研发了一款软件开发工具链

6.2.8 后摩智能行业解决方案

6.3 Chiplet在自动驾驶SoC的应用前景

6.3.1 Chiplet 的三大驱动力：AI算力的阿喀琉斯之踵“内存墙”（1）

6.3.2 Chiplet 的三大驱动力：AI算力的阿喀琉斯之踵“内存墙”（2）

6.3.3 Chiplet 的三大驱动力：高性能运算芯片成本、良率问题（1）

6.3.4 Chiplet 的三大驱动力：高性能运算芯片成本、良率问题（2）

6.3.5 Chiplet 的三大驱动力：灵活性和IP复用率

6.3.6 Chiplet 的两大核心技术框架（1）

6.3.7 Chiplet 的两大核心技术框架（2）

6.3.8 Chiplet 应用案例（1）

6.3.9 Chiplet 应用案例（2）

6.3.10 Chiplet 应用案例（3）

6.3.11 Chiplet 应用案例（4）

6.3.12 中国 Chiplet 供应链

...........................................

6.4 芯砺智能

6.4.1 芯砺智能：利用芯粒（Chiplet）技术研发车载大算力芯片

6.4.2 芯砺智能核心技术逻辑和发展思路