點(diǎn)擊下方，查看近期熱門行業(yè)研究報(bào)告

在全球智能化浪潮奔涌向前的當(dāng)下，自動(dòng)駕駛行業(yè)正迎來爆發(fā)式增長，智駕芯片作為智能駕駛的 “核心引擎”，其技術(shù)演進(jìn)與市場格局重塑，深刻影響著行業(yè)發(fā)展走向。從滲透率數(shù)據(jù)看，中國 L2 + 及以上高階智駕滲透率從 2022 年 7.2% 躍升至 2024 年 18.7% ，城市 NOA 預(yù)埋裝載率超 83%，法規(guī)突破與技術(shù)降本雙輪驅(qū)動(dòng)，讓智駕從 “功能驗(yàn)證” 加速邁向 “規(guī)?；涞亍?階段，智駕芯片的競爭大幕也隨之全面拉開。

英偉達(dá)憑借 Orin、Thor 系列芯片，以算力霸權(quán)與全棧閉環(huán)技術(shù)，穩(wěn)固高端市場統(tǒng)治力；地平線則以 “軟硬協(xié)同 + 開放平臺(tái)” 策略，在 15 - 25 萬元中低端市場實(shí)現(xiàn)統(tǒng)治，憑借性價(jià)比驅(qū)動(dòng)市場平權(quán)。不同陣營在技術(shù)路徑、成本控制、生態(tài)構(gòu)建上各展所長，分層競爭格局初顯。當(dāng)算力比拼、成本博弈與場景分化深度交織，智駕芯片行業(yè)正進(jìn)入 L3 級(jí)量產(chǎn)元年關(guān)鍵期，這場關(guān)乎智能駕駛未來的芯片競速賽，將如何重塑產(chǎn)業(yè)生態(tài)，推動(dòng)行業(yè)邁向新高度？本報(bào)告將深度剖析。

一、高階智駕快速滲透，域控與SOC 成為兵家必爭之地

1.1. 行業(yè)現(xiàn)狀：L2+向更高階智駕邁進(jìn)，滲透率爆發(fā)

依據(jù)我國《汽車駕駛自動(dòng)化分級(jí)標(biāo)準(zhǔn)》，汽車智能駕駛劃分為 L0 至 L5 六個(gè)級(jí)別。其中，L0 - L2 屬于輔助駕駛范疇，需人工全程監(jiān)管；L3 - L5 逐步實(shí)現(xiàn)系統(tǒng)主導(dǎo)控制；L5 則是完全無人駕駛。當(dāng)下，真正的自動(dòng)駕駛車輛尚處于示范運(yùn)營向小規(guī)模試點(diǎn)過渡階段。2025 年 4 月 1 日，《北京市自動(dòng)駕駛汽車條例》正式施行，成為國內(nèi)首部明確支持 L3 級(jí)自動(dòng)駕駛私家車合法上路的地方性法規(guī)。條例規(guī)定，L3 級(jí)車輛可在五環(huán)內(nèi)主干道、機(jī)場高速等場景開展試點(diǎn)，責(zé)任主體首次明確轉(zhuǎn)至車企，法規(guī)逐步落地，有望刺激 L3 自動(dòng)駕駛加速落地。

降本增效是行業(yè)核心驅(qū)動(dòng)力。伴隨國產(chǎn)智能產(chǎn)業(yè)鏈逐步拓展，行業(yè)規(guī)模降本持續(xù)推進(jìn)。經(jīng)行業(yè)大致測算，在 10V（攝像頭）NOA 功能場景下，域控制器 BOM 成本可控制在 3000 元人民幣以內(nèi)，可支持 50 - 100T 物理算力；此外，到 2024 年，具備 100TOPS 算力的整套 NOA（涵蓋域控制器及芯片 + 高精地圖和定位模塊 + 系統(tǒng)集成開發(fā) + 測試驗(yàn)證，以視覺 BEV 算法為主導(dǎo)、不含激光雷達(dá) ），成本預(yù)計(jì)能從當(dāng)前 1.5 萬元大幅降至數(shù)千元級(jí)別。

高階智駕滲透率，持續(xù)攀升態(tài)勢(shì)：2022 - 2024 年，高速 NOA 與城市 NOA 功能的滲透率逐年上揚(yáng)，反映出市場對(duì)高階智駕功能的需求持續(xù)增長。據(jù)相關(guān)統(tǒng)計(jì)，2022 年國內(nèi)乘用車新車中，L2.5 級(jí)別以上（涵蓋城市 NOA 與高速 NOA 功能 ）的滲透率達(dá) 7.2% ；步入 2023 年及 2024 年上半年，高階智駕市場加速發(fā)展，數(shù)據(jù)顯示，高速 NOA 及以上功能車型滲透率從 2022 年的 7.2% 提升至 2023 年的 11.4% ，并在 2024 年 10 月進(jìn)一步升至 18.7%。

城市 NOA：預(yù)埋潛能與標(biāo)配增長的雙線推進(jìn)：（1）2023 年起，城市 NOA 成為車企戰(zhàn)略布局關(guān)鍵方向。在裝載率維度，全域 NOA 呈現(xiàn)出預(yù)埋裝載率與標(biāo)配裝載率差異化發(fā)展軌跡 。（2）先看預(yù)埋裝載率，增長勢(shì)頭強(qiáng)勁，在 2023 年 12 月 - 2024 年 1 月期間，首次超越高速 NOA 預(yù)埋裝載率，截至 2024 年 9 月，城市 NOA 預(yù)埋裝載率攀升至 83% ，體現(xiàn)車企對(duì)未來城市智能駕駛市場的布局與前瞻預(yù)判。這意味著大量新車雖當(dāng)前未激活城市 NOA 全部功能，但已具備硬件基礎(chǔ)，可隨時(shí)通過軟件升級(jí)解鎖，為后續(xù)功能普及做鋪墊。

從標(biāo)配裝載率看，起步雖慢但后勁充足，2022 年以微弱起點(diǎn)開局，歷經(jīng)波折后，2023 年 1 月起穩(wěn)步推進(jìn)，2024 年接近雙位數(shù)。城市路況存在極端復(fù)雜性，如密集的行人和非機(jī)動(dòng)車流、頻繁的紅綠燈切換，軟件算法可對(duì)城市多元場景實(shí)現(xiàn)更精準(zhǔn)分類識(shí)別，硬件冗余設(shè)計(jì)保障復(fù)雜工況下穩(wěn)定運(yùn)行。

智駕芯片市場格局：頭部分化與梯隊(duì)競爭：英偉達(dá)智駕芯片份額遙遙領(lǐng)先，華為、特斯拉位居第二梯隊(duì)。高速 NOA 及以上智駕功能的落地，主要依托英偉達(dá)、華為、地平線等廠商。其中，英偉達(dá)的貢獻(xiàn)主要來自理想、蔚來、小鵬、小米等新勢(shì)力品牌；華為的銷量則主要源自問界，其次是采用 HI 模式的阿維塔，整體表現(xiàn)存在差異 。地平線 J5 生態(tài)覆蓋范圍相對(duì)小，主要貢獻(xiàn)源于理想 Pro 版 。TDA4VH 基于大礁方案，應(yīng)用于寶駿、iCAR 等品牌，大礁智駕功能能力較強(qiáng)，但價(jià)值滲透度低 。Mobileye 生態(tài)圈局限于吉利體系，高通則依托多款智駕芯片拓展生態(tài)圈。

英偉達(dá)高算力智駕芯片在市場份額上領(lǐng)先。從車型銷量與生態(tài)芯片出貨量維度，看國內(nèi) L2 及以上智駕市場芯片廠商市占率，以英偉達(dá)、Mobileye 為代表的國外芯片廠商仍占據(jù)較高份額，其次是瑞薩以及自產(chǎn)自銷的特斯拉芯片。國內(nèi)芯片廠商整體市占率低，表現(xiàn)較好的有華為、地平線，其次為愛芯元智、黑芝麻等品牌的產(chǎn)品。當(dāng)前，出貨量較高的多以前視一體機(jī)、輕量行泊一體域控為載體的低算力芯片為主，伴隨高速 NOA 普及，未來英偉達(dá) OrinN、地平線 J6E/M、高通 8650 等高算力芯片出貨量有望提升。

二、智駕域控與SoC：中低端國產(chǎn)快速突破，放量元年來臨

2.1. 域控制器競爭激烈，國產(chǎn)玩家加速入場

域控制器：智能電動(dòng)汽車 EE 架構(gòu)革新關(guān)鍵：域控制器（Domain controller Unit，簡稱 DCU ），誕生于域集中式 EE 架構(gòu)體系，通過集成特定功能域內(nèi)的多傳感器融合、執(zhí)行器及控制算法，形成具備特定功能的控制單元，是智能電動(dòng)汽車 EE 架構(gòu)革新的核心組成。它在顯著提升汽車智能化水平的同時(shí)，降低了線束的復(fù)雜性與成本。從結(jié)構(gòu)層面分析，域控制器主要由硬件（含主控芯片、元器件等 ）和軟件（涵蓋底層操作系統(tǒng)、中間件及上層應(yīng)用軟件 ）構(gòu)成，其功能實(shí)現(xiàn)依賴于主控芯片、軟件操作系統(tǒng)、中間件、應(yīng)用算法軟件等多層次軟硬件的有機(jī)協(xié)同。

高算力芯片為域控制器筑牢底層支撐，中國自主創(chuàng)新能力穩(wěn)步提升。主控芯片作為域控制器的核心部件，性能與計(jì)算能力直接關(guān)乎域控制器性能，進(jìn)而影響汽車智能化水平與程度。億歐智庫指出

域控制器是智能電動(dòng)汽車智能化、電氣化變革的關(guān)鍵一環(huán)。域控制器供應(yīng)商依據(jù)下游 OEM 對(duì)域控制的開發(fā)需求與采購條件，提供相應(yīng)域控制器或服務(wù)；上游芯片廠商則為域控制器供應(yīng)商供應(yīng) SoC、MCU 等芯片，開展采購與授權(quán)開發(fā)，還提供軟硬件結(jié)合的產(chǎn)品解決方案，收取授權(quán)費(fèi)、開發(fā)費(fèi)及硬件銷售費(fèi)等。域控制器基于統(tǒng)一硬件與軟件平臺(tái)，已展現(xiàn)高度集成化特質(zhì)，通過集成芯片、以太網(wǎng)交換機(jī)、存儲(chǔ)器、二極管制式 PCB 板等重要部件功能，協(xié)同數(shù)據(jù)傳輸處理與系統(tǒng)管理，實(shí)現(xiàn)對(duì)智能駕駛、智能座艙、車輛動(dòng)力、車身、底盤等領(lǐng)域的精準(zhǔn)控制。

域控制器市場競爭激烈，“主機(jī)廠聯(lián)合 Tier1” 與 “主機(jī)廠自研” 將成主流模式。在高度集成化商業(yè)模式演進(jìn)中，域控制器市場呈現(xiàn)多種模式并存格局。上游芯片供應(yīng)商、下游 OEM 及傳統(tǒng) Tier1 不斷拓展業(yè)務(wù)邊界，衍生出 Tier1.5、Tier0.5 為 OEM 提供域控制器的模式。從中長期趨勢(shì)看，伴隨（跨）域集中發(fā)展，“主機(jī)廠聯(lián)合 Tier1” 合作開發(fā)與 “主機(jī)廠自研” 域控制器模式將成為主流：一方面，集中式 EE 架構(gòu)下，整車無需多個(gè)域控開發(fā)定點(diǎn)，由單一開發(fā)者統(tǒng)籌域控軟硬件架構(gòu)設(shè)計(jì)、中間件適配開發(fā)等；另一方面，域集中場景下，軟件能力重要性遠(yuǎn)超硬件，具備更強(qiáng)軟件能力的主體，將主導(dǎo)域控開發(fā)話語權(quán)。

行泊一體域控的算力分布及演進(jìn)策略已漸趨清晰，主要涵蓋幾大方案類型：

• 入門級(jí) L2/L2+：當(dāng)前，眾多車型已實(shí)現(xiàn) L2 級(jí)輔助駕駛功能，多采用智能前視一體機(jī)，如 1RIV3R1V 等方案，量產(chǎn)成本低，平臺(tái)算力一般低于 5 TOPS 。L2 級(jí)主要搭載地平線 J2/3、安霸 CV 系列、Mobileye EyeQ3/4 及升級(jí)版 EyeQ6L、TI TDA4VL、瑞薩 R-CARV3H 等中低算力芯片。

• L2++：2023 年，輕量級(jí)行泊一體與高速 NOA 成為各大主機(jī)廠重點(diǎn)量產(chǎn)的功能方向，多采用 5R5V 或 5R6V 配置方案，搭配高精定位與高精地圖模塊，可實(shí)現(xiàn)端到端高速領(lǐng)航自動(dòng)駕駛、自主泊車、記憶泊車等功能。這類系統(tǒng)多采用 1 - 3 顆高性價(jià)比 SoC，域控平臺(tái)算力多處于 5 - 20TOPS 區(qū)間；同時(shí)，為進(jìn)一步降本，單芯片行泊一體域控正成為發(fā)展趨勢(shì)。

• L2++Pro 升級(jí)版：伴隨芯片成本下降，輕量級(jí)行泊一體域控算力逐步升級(jí)至 30 - 70 TOPS，可適配 6V、7V、9V、10V、11V 感知方案，以支撐更強(qiáng)大的視覺算法。芯片層面，演進(jìn)路線已顯現(xiàn)，像 TI TDA4VH、黑芝麻 A1000、瑞薩 R-Car V4H、EyeQ6H 等新品，均規(guī)劃在 2023 - 2024 年 SOP 量產(chǎn)裝車。

• L2+++：聚焦高性能行泊一體與城區(qū) NOA，已無限趨近 L3 級(jí)別，基于 BEV 感知算法，在城區(qū)自動(dòng)駕駛場景可實(shí)現(xiàn) “去高精度地圖”，可搭載 1 - 3 顆激光雷達(dá)或 4D 成像雷達(dá)，計(jì)算平臺(tái)算力多在 100TOPS 以上。芯片層面，芯片廠商在大算力芯片架構(gòu)設(shè)計(jì)上，主動(dòng)契合 BEV 感知算法，還將 BEV 算法框架交付客戶。

• L3/L4：當(dāng)前主要應(yīng)用于 Robotaxi，預(yù)計(jì) 2023 年中國 L3 級(jí)自動(dòng)駕駛標(biāo)準(zhǔn)有望出臺(tái)，但從標(biāo)準(zhǔn)草案、定稿發(fā)布，到系統(tǒng)研發(fā)、SOP 量產(chǎn)部署，仍需經(jīng)歷漫長周期。

域控制器：德賽西威引領(lǐng)行業(yè)。在智駕域控供應(yīng)商排名中，德賽西威以 864873 套裝機(jī)量、26.7% 市場份額，穩(wěn)居市場首位，彰顯強(qiáng)大競爭力與顯著優(yōu)勢(shì)。和碩 / 華為緊隨其后，憑借 661829 套裝機(jī)量、20.5% 市場份額，成為市場重要參與者。廣達(dá)技術(shù)以 508722 套裝機(jī)量、15.7% 市場份額位列第三，展現(xiàn)智駕域控市場強(qiáng)大影響力。

智駕域控芯片：英偉達(dá) / 特斯拉斷崖領(lǐng)先。智駕域控芯片作為智能駕駛核心組件，為系統(tǒng)提供運(yùn)算處理能力，性能關(guān)乎智能駕駛功能實(shí)現(xiàn)。從市場份額看，該領(lǐng)域呈現(xiàn)顯著頭部效應(yīng)。英偉達(dá) Drive Orin - X 以 2100220 顆裝機(jī)量，占 39.8% 份額，穩(wěn)居首位；特斯拉 FSD 憑 1323658 顆裝機(jī)量，獲 25.1% 份額。特斯拉憑借自動(dòng)駕駛領(lǐng)域深厚技術(shù)積累與廣泛市場應(yīng)用，使其自研芯片展現(xiàn)強(qiáng)大競爭力。

2.2. 智駕soc：市場滲透率快速提升，后來者的機(jī)會(huì)窗口逐步關(guān)閉

2025 年智駕發(fā)展趨勢(shì)：滲透率提升與研發(fā)模式演變。2025 年，中國新能源汽車滲透率持續(xù)提升，同時(shí)燃油車也逐步搭載智駕功能，L2 以上智駕滲透率再度增長，尤其是自主品牌高速 NOA 及以上車型銷量將大幅攀升，推動(dòng)國產(chǎn)中高端芯片需求不斷走高。在此背景下，2025 年國產(chǎn)智駕芯片在中低端領(lǐng)域可實(shí)現(xiàn)自主可控，但依賴技術(shù)創(chuàng)新與國際合作的高端先進(jìn)制程芯片，仍需持續(xù)攻堅(jiān)。在受美國制裁影響下，雖可通過 Chiplet 等技術(shù)手段緩解制程短板，但在單芯片更高算力設(shè)計(jì)上，也需尋求突破，且先進(jìn)設(shè)備、產(chǎn)線等層面需加大投入。

城市 NOA 以自研為主，研發(fā)效率漸降。2023 - 2024 年，主機(jī)廠將 “高階智駕視為同質(zhì)化競爭中實(shí)現(xiàn)差異化的關(guān)鍵”，紛紛構(gòu)建自研高階智駕支持方案，如組建團(tuán)隊(duì)，布局車載算力、云端算力、算法、數(shù)據(jù)、基礎(chǔ)軟件等。不過，除長期堅(jiān)持自研的新勢(shì)力車企外，多數(shù)車企在自研高階智駕賽道仍需發(fā)力。當(dāng)前格局是高速 NOA 中，供應(yīng)商方案車型銷量占優(yōu)；城市 NOA 里，主機(jī)廠自研占比高。但當(dāng)傳統(tǒng)品牌意識(shí)到 “自研難度大、周期長”，采用 “自研 + 合作開發(fā)” 融合模式會(huì)更高效。展望未來，高速 NOA 有望加快自研上車節(jié)奏，城市 NOA 或更多以供應(yīng)商方案為主。

四類競爭者：OEM 自研難成主流。自動(dòng)駕駛 SoC 市場中，創(chuàng)業(yè)公司生態(tài)更具活力。傳統(tǒng)芯片公司 AI 能力較弱，消費(fèi)電子芯片公司生態(tài)難以直接復(fù)制，使新創(chuàng)公司與巨頭基本處于同一起跑線。預(yù)計(jì)經(jīng)歷兩輪產(chǎn)品迭代后，這些創(chuàng)業(yè)公司會(huì)逐步走向穩(wěn)定。而主機(jī)廠自研芯片門檻頗高，預(yù)計(jì)不會(huì)成為市場主流模式。

智駕 SOC 算力：隨量產(chǎn)時(shí)間線性增長。智駕 SOC 算力隨量產(chǎn)推進(jìn)呈線性增長趨勢(shì)。2021 - 22 年推出的主流產(chǎn)品，NPU 算力處于 50 - 100TOPS 區(qū)間。2020 年，Xavier 芯片算力為 30 TOPS；2022 年發(fā)布的 Orin 算力達(dá) 254 TOPS；同年秋季 GTC 大會(huì)發(fā)布的新自動(dòng)駕駛芯片 Thor，算力為 2000TOPS，取代此前算力 1000TOPS 的 Alan。2022 年量產(chǎn)的英偉達(dá) Orin - X 含 170 億只晶體管，地平線 2024 年下半年量產(chǎn)的 J6P 有 370 億只晶體管，性能近乎翻倍，NPU 算力 560TOPS ；蔚來汽車 2025 年將量產(chǎn)的 NX9031，晶體管超 500 億只。

EE 架構(gòu)正朝著中央計(jì)算架構(gòu)方向演進(jìn)。繼特斯拉發(fā)布首款準(zhǔn)中央計(jì)算架構(gòu)后，各大主機(jī)廠紛紛推出適配自身的準(zhǔn)中央計(jì)算架構(gòu)。當(dāng)下，高性能 SoC、多功能 MCU、高速互連（如以太網(wǎng)）、車云對(duì)（V2C）服務(wù)等技術(shù)持續(xù)發(fā)展。伴隨傳感器分辨率與像素快速提升，數(shù)據(jù)處理需求激增，對(duì)更大內(nèi)存容量、更復(fù)雜軟件解決方案的需求愈發(fā)迫切。同時(shí)，大模型上車進(jìn)程加快，也要求匹配更高計(jì)算能力。2022 年，主流量產(chǎn) SOC 計(jì)算能力處于 100TOPS 級(jí)別，預(yù)計(jì) 2025 年將達(dá) 500TOPS ，部分旗艦級(jí)艙駕融合芯片算力已突破 2000TOPS。

車載 SoC 制程迭代加速。臺(tái)積電在晶圓代工制程領(lǐng)域持續(xù)引領(lǐng)，2022 年末，基于 FinFET 結(jié)構(gòu)的 3nm 技術(shù)實(shí)現(xiàn)規(guī)模量產(chǎn)，且同步推進(jìn)領(lǐng)先業(yè)界的 2nm 技術(shù)研發(fā)，預(yù)計(jì) 2025 年 2nm 技術(shù)可規(guī)模量產(chǎn)。除布局先進(jìn)邏輯技術(shù)外，臺(tái)積電也在擴(kuò)充特色工藝產(chǎn)能，其特色工藝平臺(tái)涵蓋 MEMS、圖像傳感器、嵌入式非易失性存儲(chǔ)器（eNVM）、射頻 RF、模擬（Analog）、高電壓及 BCD 功率 IC 等，產(chǎn)線覆蓋廣泛。由于摩爾定律逼近物理極限，IC 制造成本攀升，成熟制程尺寸縮小難度加大，特色工藝憑借非硅成本低、工藝相對(duì)成熟、產(chǎn)品研發(fā)投入少、產(chǎn)品種類豐富等優(yōu)勢(shì)，成為企業(yè)平衡成本、性能與功耗的優(yōu)先選擇。

第三方智駕技術(shù)迭代加速，強(qiáng)者恒強(qiáng)格局漸顯。據(jù)佐思數(shù)據(jù)，2023 年至 2024 年 1 - 10 月，Momenta 在城市 NOA 累計(jì)量產(chǎn)車銷量中位居第一，搭載其方案實(shí)現(xiàn)城市 NOA 的乘用車銷量達(dá) 11.4 萬輛，同期以 60.1% 市占率登頂中國城市 NOA 第三方智駕供應(yīng)商市場；華為 HI 模式表現(xiàn)亮眼，占據(jù) 30% 市場份額 。需注意，上述數(shù)據(jù)統(tǒng)計(jì)口徑與車企公布銷量數(shù)據(jù)存在差異，若以實(shí)際車輛上險(xiǎn)數(shù)（如搭載元戎啟行方案實(shí)現(xiàn)城市 NOA 的上險(xiǎn)數(shù)為 3383 輛 ）或車企車型銷量（2024 年前 10 月搭載元戎啟行方案銷量約 1.3 萬輛 ）看，結(jié)果有所不同。當(dāng)前，城市 NOA 廠商持續(xù)技術(shù)迭代，第三方智駕供應(yīng)商市場競爭格局加速收斂，廠商間技術(shù)差距逐步拉大。預(yù)計(jì)未來兩年，高階智駕市場將進(jìn)入加速重組與行業(yè)整合階段，出清趨勢(shì)顯著，“強(qiáng)者恒強(qiáng)” 市場態(tài)勢(shì)將愈發(fā)凸顯。

三、全生態(tài)布局智駕Soc，英偉達(dá)地平線有望突破

產(chǎn)品層面：算力能效的差異化博弈。英偉達(dá)憑借 Orin 系列（254 TOPS）與新一代 Thor 系列（最高 2000 TOPS）的絕對(duì)算力優(yōu)勢(shì)，主導(dǎo)高階智駕市場。先進(jìn)制程雖支撐端到端大模型等復(fù)雜模型部署，但也帶來高功耗與成本問題 —— 單 Orin 芯片成本超 400 美元，Thor 方案整車成本增加約 8000 元 。地平線則以征程 5（128TOPS ）、征程 6 系列（J6P 達(dá) 560TOPS ），通過 “軟硬協(xié)同優(yōu)化” 實(shí)現(xiàn)能效反超：征程 5 同模型幀率（1531FPS ）較 Orin 高 53% ，J6M 域控方案成本較類似 Orin - N 低約 1000 元，且成熟度設(shè)計(jì)降低工程復(fù)雜度，不過在 7nm 以下制程突破上，仍受算力天花板限制。

生態(tài)成熟度：閉環(huán)壁壘與本地化破局。英偉達(dá)以 CUDA + DriveOS 工具鏈閉環(huán)構(gòu)建技術(shù)護(hù)城河，Drive Sim 生態(tài)平臺(tái)日均處理百萬幀數(shù)據(jù)，支持實(shí)時(shí)訓(xùn)練與多算子調(diào)用，但開發(fā)門檻高（熟練工程師適配需 2 周以上 ）、授權(quán)費(fèi)用昂貴（年費(fèi)超 20 萬美元 ）。地平線則走 “保姆式” 本地化生態(tài)路線破局：天工開物工具鏈量化校準(zhǔn)速度較英偉達(dá)快 50%（5 - 10 分鐘 / 模型 ），艾迪平臺(tái)（ADI ）實(shí)現(xiàn) 3 天開發(fā)接入，深度參與客戶量產(chǎn)調(diào)試（如助力長安、理想工程落地 ），大幅壓縮車企開發(fā)周期與成本；但算子庫豐富度（200 + ）弱于英偉達(dá)（1000 + ），限制 Transformer 等復(fù)雜模型靈活部署。

下游客戶：高端綁定與中端滲透。英偉達(dá)深度綁定高端車型生態(tài)，特斯拉、蔚來、小鵬全系，以及比亞迪仰望 / 騰勢(shì)等旗艦車型，均采用 Orin/Thor 方案支撐城市 NOA 功能 。地平線則憑借性價(jià)比與開放合作，在中端市場快速滲透：征程 3/5 芯片覆蓋理想 ONE、比亞迪王朝 / 海洋系列（天神之眼 C 方案 ）、長城哈佛 / 歐拉等 15 - 25 萬元車型，還通過大眾合資公司 “酷睿程”，切入燃油車基礎(chǔ) ADAS 市場。

3.1. 英偉達(dá)VS 地平線(一)：工具鏈開發(fā)，CUDA 生態(tài)完善兼容性強(qiáng)

工具鏈：SoC 開發(fā)的核心支點(diǎn)。工具鏈?zhǔn)?SoC 開發(fā)的核心要素，決定芯片易用性、性能利用率與準(zhǔn)確度，從事工具鏈開發(fā)的人員數(shù)量，往往多于硬件開發(fā)團(tuán)隊(duì)。在汽車領(lǐng)域，工具鏈重要性更突出 —— 因汽車領(lǐng)域算力、存儲(chǔ)資源有限，默認(rèn)采用整數(shù) 8 位精度，區(qū)別于 AI 端側(cè)常用的浮點(diǎn) 8 位或 16 位精度，形成獨(dú)特技術(shù)整頓方向。地平線的工具鏈 “天工開物 OpenExplorer（簡稱 OE ）”，在汽車 AI 芯片開發(fā)中，權(quán)重占比近 50% 。受 CUDA 深度滲透 AI 領(lǐng)域影響，當(dāng)前英偉達(dá)工具鏈仍居行業(yè)最強(qiáng)；地平線、華為能在 AI 芯片競爭中突圍，工具鏈發(fā)揮了關(guān)鍵作用。

英偉達(dá)工具鏈：三維疊加的生態(tài)閉環(huán)。英偉達(dá)智駕工具鏈構(gòu)建 “云端訓(xùn)練 - 車端部署 - 仿真驗(yàn)證” 全流程生態(tài)，以 “硬件算力 × 工具鏈效率 × 生態(tài)規(guī)?！?三維疊加為核心，涵蓋三大層級(jí)：云端開發(fā)平臺(tái)（NGC + AI Workbench ），提供預(yù)訓(xùn)練模型（如 ResNet、BEVFormer ）、TAO AI 自適應(yīng)平臺(tái)、NeMo 多模態(tài)框架；車端推理引擎（TensorRT + DriveOS ），TensorRT 支持 FP16/INT8 量化，將模型推理延遲降至 5ms（較原生 PyTorch 加速 8 倍 ）；數(shù)學(xué)驗(yàn)證環(huán)節(jié)（INM 重生 + DriveSim ），借助 Omniverse 日均處理 100 萬幀仿真數(shù)據(jù)，實(shí)現(xiàn)高保真場景重建（精度誤差 < 0.1m ）。

自研 BPU 架構(gòu)：軟硬協(xié)同的性能突破。地平線憑借自研 BPU 架構(gòu)（如納什架構(gòu) ），實(shí)現(xiàn)工具鏈與架構(gòu)深度耦合，通過指令集優(yōu)化、算子融合（如卷積 + ReLU 合并 ）及內(nèi)存調(diào)度，最大化計(jì)算效率。征程 6 在 Transformer 推理性能上，較歷代 BPU 提升 27 倍，CNN 任務(wù)提升 246 倍 。能效比表現(xiàn)突出：相同算力任務(wù)下，征程 5 幀率（FCOS 3D 模型 502FPS ）較競品提升 53% ，功耗控制在 30W 內(nèi) 。授權(quán)成本具備優(yōu)勢(shì)：工具鏈年費(fèi)約 5 萬美元（英偉達(dá) DriveOS 約 20 萬美元 ），硬件方案成本也較英偉達(dá)顯著降低。

生態(tài)短板：對(duì)比英偉達(dá)的差距顯現(xiàn)。與英偉達(dá)平臺(tái)相比，地平線工具鏈在成熟度、高階模型支持上存在不足。算子庫豐富度低，僅支持 200 + 算子（英偉達(dá) TensorRT 超 1000 + ），限制復(fù)雜模型部署（如大參數(shù) Transformer 需拆分算子，效率下降 15% ）。真實(shí)場景性能有衰減，征程 6 紙面算力 560TOPS ，但復(fù)雜城市場景因調(diào)度效率，實(shí)際利用率僅 60% - 70%（英偉達(dá) Orin 達(dá) 85% + ） 。編譯依賴性強(qiáng)，模型需在特定 BPU 架構(gòu)重編譯（如 J5 與 J6 工具鏈不兼容 ），跨平臺(tái)遷移成本高。

3.2. 英偉達(dá)VS 地平線(二)：數(shù)據(jù)閉環(huán)/云端仿真：NV 優(yōu)勢(shì)顯著，地平線依托阿里云快速搭建

仿真測試在智駕開發(fā)中的權(quán)重持續(xù)提升。高階智駕需在各類復(fù)雜多元場景中測試，既要求高精度傳感器的感知與還原能力，也依賴強(qiáng)大 3D 場景重建能力及場景覆蓋泛化能力。NVIDIA Omniverse 支撐的 NVIDIA DRIVE Sim 端到端仿真平臺(tái)，運(yùn)用高保真、基于物理屬性的仿真技術(shù)，可生成大量真實(shí)世界數(shù)字孿生場景。目前，雷達(dá)激光雷達(dá)、速騰聚創(chuàng)激光雷達(dá)模型已集成至該平臺(tái)，能模擬激光束在光束控制、自定義掃描模式、分辨率等維度的表現(xiàn)，還可生成合成數(shù)據(jù)集 。車企、自動(dòng)駕駛方案商等用戶，可通過 DRIVE Sim 仿真平臺(tái)直接調(diào)用激光雷達(dá)模型開展研發(fā)與測試。

智駕開發(fā)正從數(shù)據(jù)驅(qū)動(dòng)邁向認(rèn)知驅(qū)動(dòng)。自動(dòng)駕駛領(lǐng)域加速從分任務(wù)、規(guī)則化的 AI 1.0 范式，向以數(shù)據(jù)為核心的 AI 2.0 范式（軟件 2.0、端到端技術(shù)）轉(zhuǎn)型，且逐步探索 AI 3.0（AGI ）路徑。技術(shù)躍遷過程中，數(shù)據(jù)閉環(huán)是突破 AI 1.0 后的關(guān)鍵環(huán)節(jié)，其側(cè)重點(diǎn)隨發(fā)展階段動(dòng)態(tài)調(diào)整。作為閉環(huán)源頭的數(shù)據(jù)采集，方式愈發(fā)多元：專用車輛采集、路側(cè)構(gòu)建采集、低空無人機(jī)場景采集，以及當(dāng)前主流的量產(chǎn)車回傳數(shù)據(jù)采集等，共同構(gòu)建起覆蓋廣、場景全、模型依賴的數(shù)據(jù)源，最終達(dá)成 “海量、完備、精準(zhǔn)” 的數(shù)據(jù)目標(biāo)，助力智駕研發(fā)持續(xù)升級(jí)。

英偉達(dá)訓(xùn)練模型對(duì) L4 端到端的支持能力極強(qiáng)，天花板高。其 Drive Sim 依托 Omniverse 高保真物理引擎，實(shí)現(xiàn)毫米級(jí)仿真精度（誤差 < 0.1m ），每日生成 100 萬幀合成數(shù)據(jù)，覆蓋 99.9% 長尾場景（如極端天氣、事故模擬 ），還支持自定義傳感器與 HIL 硬件在環(huán)測試。反觀地平線艾迪，缺乏原生仿真能力，依賴第三方工具補(bǔ)短板，長尾場景覆蓋率不足同級(jí) 30% ，動(dòng)態(tài)交互模擬能力較弱。

• 開發(fā)效率與成本：Drive Sim 借助預(yù)訓(xùn)練模型，將人工標(biāo)注工作量削減 50% ，全流程效率提升 30% ，結(jié)合 DGX 訓(xùn)練平臺(tái)，把 OTA 驗(yàn)證周期從 3 個(gè)月壓縮至 2 周，但年授權(quán)成本超 20 萬美元 。艾迪依靠平臺(tái)自動(dòng)化標(biāo)注工具，降低 40% 人工成本，減少 20% 模型訓(xùn)練耗時(shí)，年費(fèi)僅 5 萬美元（為 Drive Sim 的 25% ），不過實(shí)車測試環(huán)節(jié)有待優(yōu)化（仿真效率提升 30% ，遠(yuǎn)低于 Drive Sim 的 90% ）。

• 技術(shù)適配性：Drive Sim 深度綁定 CUDA 生態(tài)，適配非英偉達(dá)芯片時(shí)，約 70% 算子需重構(gòu)，遷移代價(jià)高（性能損失 15 - 30% ） 。艾迪支持地平線及第三方芯片跨平臺(tái)部署，開發(fā)靈活性提升 50% ，但僅支持 200 + 算子（Drive Sim 支持 1000 + ），Transformer 等復(fù)雜模型部署效率下降 15% 。

• 商業(yè)落地與場景覆蓋：Drive Sim 壟斷全球多數(shù) L4 測試車隊(duì)（如 Waymo、Zoox ），可支持千億參數(shù)端到端模型驗(yàn)證，單個(gè)項(xiàng)目每年為車企節(jié)省 200 萬美元測試成本 。艾迪聚焦 15 - 25 萬級(jí)中端車型量產(chǎn)市場（如比亞迪、理想 ），因缺乏合成數(shù)據(jù)生成能力，高階智駕落地案例遠(yuǎn)少于 Drive Sim。

四、智駕算法：中低端國產(chǎn)快速突破，放量元年來臨

4.1. 從BEV 到端到端大模型，智駕算法不斷完善

智駕算法演進(jìn)：從感知到?jīng)Q策的迭代。智駕算法演變路徑清晰，自動(dòng)駕駛感知算法歷經(jīng) Perspective View、BEV、BEV + Transformer，逐步發(fā)展至端到端模式。從 2D 感知升級(jí)到多模態(tài) 3D 建模，再到全局優(yōu)化與模塊融合，感知能力持續(xù)進(jìn)階。同時(shí)，語義魯棒性及交通標(biāo)志、信號(hào)燈狀態(tài)等場景語義理解技術(shù)，可識(shí)別復(fù)雜場景（如變道挑戰(zhàn) ）中的潛在問題。感知算法通過融合多傳感器數(shù)據(jù)，大幅提升感知精度與系統(tǒng)魯棒性，在惡劣天氣等復(fù)雜條件下優(yōu)勢(shì)顯著。此外，感知算法具備動(dòng)態(tài)目標(biāo)預(yù)測與行為預(yù)判能力，為行車、泊車等場景筑牢安全根基，助力車輛精準(zhǔn)理解駕駛環(huán)境并實(shí)時(shí)決策。

端到端技術(shù)與感知算法：發(fā)展階段與趨勢(shì)。端到端技術(shù)通過融合感知、預(yù)測、規(guī)劃模塊，直接從傳感器輸入生成駕駛決策，精簡流程、提升效率。其發(fā)展歷經(jīng)四階段：從模塊級(jí) BEV 融合，到整合深度學(xué)習(xí)的決策規(guī)則模型，再到支持模型塊梯度傳導(dǎo)的模塊化端到端架構(gòu)，最終演變?yōu)橥耆说蕉说?“OneModel” 單一模型，精度與泛化能力顯著提升。當(dāng)前國內(nèi)企業(yè)多采用 “兩段式（TwoModel）” 端到端架構(gòu)，憑借模塊化感知、規(guī)劃、控制分工，實(shí)現(xiàn)高階智駕功能，商湯、元戎啟行、小鵬、Momenta、理想、單馭、小沫等為代表企業(yè)；同時(shí)，行業(yè)正向 “一段式（OneModel）” 端到端過渡，以簡化架構(gòu)、提效算法，特斯拉是典型代表。

感知算法朝著更高精度、效率與魯棒性演進(jìn)，發(fā)展趨勢(shì)涵蓋多模態(tài)融合、自監(jiān)督學(xué)習(xí)、決策耦合、輕量化設(shè)計(jì)、高置信度感知、仿真驗(yàn)證、芯片協(xié)同、區(qū)域定制等，聚焦精度、效率、適配性全方位提升。這些創(chuàng)新方向既增強(qiáng)智能駕駛系統(tǒng)綜合性能，也推動(dòng)技術(shù)在復(fù)雜駕駛場景加速落地。

4.2. 英偉達(dá)VS 地平線(三）：智駕算法：助力車企布局端到端為核心驅(qū)動(dòng)力

端到端自動(dòng)駕駛：性能潛力與技術(shù)落地。端到端自動(dòng)駕駛最突出的優(yōu)勢(shì)是性能提升潛力巨大。最早的端到端方案為 UniAD，源自 2022 年底論文，當(dāng)時(shí) L2 距離達(dá) 1.03 米，2023 年底大幅優(yōu)化至 0.55 米，2024 年進(jìn)一步提升到 0.22 米 。地平線是端到端領(lǐng)域最具活力的企業(yè)之一，其技術(shù)發(fā)展路徑映射出端到端路線的整體演進(jìn)。UniAD 推出后，地平線迅速提出理念相近的 VAD，性能遠(yuǎn)超 UniAD 。此后，地平線轉(zhuǎn)向全局端到端，首個(gè)成果是 HE - Driver（參數(shù)量較大 ），近期推出的 Semma 參數(shù)量精簡，是當(dāng)前性能最優(yōu)的端到端方案之一。英偉達(dá)云平臺(tái)則助力車企加速技術(shù)迭代。

英偉達(dá)攜手理想，實(shí)現(xiàn)端到端 + VLM 雙系統(tǒng)落地。不同于傳統(tǒng)自動(dòng)駕駛感知模塊 “全檢出” 待檢測物體，DriveVLM 聚焦識(shí)別當(dāng)前駕駛場景中 “最可能影響自車決策的關(guān)鍵物體”，避免全檢出帶來的算力浪費(fèi)。依托理想汽車積累的海量自動(dòng)駕駛數(shù)據(jù)預(yù)訓(xùn)練，以及開源大模型，VLM 相比傳統(tǒng) 3D 目標(biāo)檢測器，在檢出路面雜物、非常見動(dòng)物等長尾關(guān)鍵物體上表現(xiàn)更優(yōu)。

4.3 投資建議

隨著各家車企陸續(xù)布局端到端技術(shù)，以及未來 L3/L4 級(jí)別自動(dòng)駕駛的大規(guī)模應(yīng)用，我們判斷行業(yè)將經(jīng)歷以下發(fā)展變化：

1. 生態(tài)對(duì)決：英偉達(dá)閉環(huán)優(yōu)勢(shì) vs 地平線開放靈活

英偉達(dá)：CUDA 平臺(tái)構(gòu)建 “全流程工具鏈護(hù)城河”，覆蓋算子開發(fā)、模型部署全環(huán)節(jié)，支持 TensorRT 加速與多框架兼容（PyTorch/TensorFlow 等），并打通仿真（DRIVE Sim）、數(shù)據(jù)標(biāo)注等流程，大幅降低車企開發(fā)門檻 。憑借全球 90% AI 開發(fā)者對(duì) CUDA 架構(gòu)的熟悉度，以及 Orin/Thor 芯片超 1000 + 算子庫，在 Transformer 等復(fù)雜模型部署中延遲優(yōu)化顯著，深度綁定高端智駕生態(tài)。

地平線：以 “軟硬協(xié)同 + 高性價(jià)比” 突圍，通過 BPU 納什架構(gòu)等技術(shù)，讓征程系列以 128TOPS 算力實(shí)現(xiàn) Orin 60% 性能，成本僅 40% 。助力比亞迪秦 L EV 等車型將智駕門檻拉低至 12 萬元，憑借開放平臺(tái)快速滲透中低端市場，依托數(shù)據(jù)閉環(huán)持續(xù)拓展高端邊界。

2. 數(shù)據(jù)仿真：英偉達(dá)精度為王 vs 地平線規(guī)模補(bǔ)位

英偉達(dá)：Omniverse 物理引擎（Drive Sim）實(shí)現(xiàn)毫米級(jí)場景重建（誤差 < 0.1m），日均生成 100 萬幀合成數(shù)據(jù)，覆蓋 99.9% 極端場景（暴雨、事故等），可縮短 90% 實(shí)車測試周期，具備 L4 級(jí)別驗(yàn)證能力 。Waymo、Zoox 等全球 60% L4 測試車隊(duì)，依賴其驗(yàn)證千億參數(shù)端到端模型，筑牢技術(shù)領(lǐng)先壁壘。

地平線：以 “大規(guī)模數(shù)據(jù)” 補(bǔ)位，征程系列累計(jì)出貨超 600 萬套，驗(yàn)證 300 萬輛車，構(gòu)建行業(yè)最大規(guī)模行車數(shù)據(jù)庫之一 。但缺乏原生仿真引擎，依賴 CARLA 等第三方工具，長尾場景覆蓋率不足英偉達(dá) 30%，需強(qiáng)化仿真能力追趕。

3. 算法博弈：英偉達(dá)算力霸權(quán) vs 地平線效能優(yōu)化

英偉達(dá)：從 Orin - X（254TOPS）到 Thor（2000TOPS），以超強(qiáng)算力支撐 “端到端 + VLM 雙系統(tǒng)”，理想 ADMax 已部署 22 億參數(shù) VLM 模型，實(shí)現(xiàn)語義級(jí)決策（如潮汐車道識(shí)別），錨定高端智駕算力需求 。

地平線：聚焦 15 - 30 萬元主流市場，以 “輕地圖 + 強(qiáng)感知” 方案降低算力依賴，如比亞迪 “天神之眼 C” 僅需 128TOPS 即可實(shí)現(xiàn)高速 NOA 全功能覆蓋，通過效能優(yōu)化搶占中端份額 。

基于上述分析，看好英偉達(dá)憑借全棧生態(tài)優(yōu)勢(shì)，延續(xù)并強(qiáng)化高端智駕 SOC 芯片統(tǒng)治力；地平線依托開放平臺(tái)與性價(jià)比，在中低端市場擴(kuò)大份額，伴隨數(shù)據(jù)閉環(huán)完善和車輛覆蓋量提升，有望向高端突破 。

4.4 風(fēng)險(xiǎn)提示

• 技術(shù)落地風(fēng)險(xiǎn)：高階智駕開發(fā)涉及多技術(shù)協(xié)同，若算法優(yōu)化、硬件適配等進(jìn)度滯后，可能導(dǎo)致商業(yè)化落地不及預(yù)期。

• 市場競爭風(fēng)險(xiǎn)：車企價(jià)格戰(zhàn)加劇，或壓縮智駕研發(fā)投入，影響技術(shù)迭代與功能普及，拖累行業(yè)發(fā)展節(jié)奏。

• 政策合規(guī)風(fēng)險(xiǎn)：自動(dòng)駕駛法規(guī)、標(biāo)準(zhǔn)出臺(tái)時(shí)間與內(nèi)容存在不確定性，可能延緩智駕商業(yè)化進(jìn)程。

• 地緣政治風(fēng)險(xiǎn)：海外市場關(guān)稅調(diào)整、技術(shù)管制等，或阻礙國產(chǎn)智駕出海，限制行業(yè)全球化拓展空間。

· 鈦祺智庫·

1、如欲獲取完整版PDF文件，可以關(guān)注鈦祺汽車官網(wǎng)—>智庫，也可以添加鈦祺小助理微信，回復(fù)“報(bào)告名稱：智駕芯片行業(yè)深度：全棧生態(tài)布局，端到端重構(gòu)智駕范式 ”

2、鈦祺智庫目前已收錄2500+篇汽車行業(yè)最新技術(shù)報(bào)告，供行業(yè)朋友查閱、參考。

3、鈦祺智庫持續(xù)更新、收錄行業(yè)深度技術(shù)文章、研究報(bào)告，并不定期上傳行業(yè)專家特約文章，為汽車行業(yè)朋友提供專業(yè)支持。

請(qǐng)注冊(cè)賬號(hào)，免費(fèi)下載報(bào)告：https://doc.taiqiol.com/m/Register.aspx；