汽车自动驾驶域控制器产业研究：汽车智能化计算中枢_

（报告出品方/作者：中信证券，杨泽原、丁奇）

1 自动驾驶域控制器：驾驶域大脑，汽车智能化核心

自动驾驶域控制器：驾驶功能域的核心计算单元

自动驾驶域控制器的主要功能：DCU 作为功能控制中枢，承担着驾驶相关的车身区域的“大脑”的角色。域控制器向上通过智能化接口获得传感器、诊断数据与状态数据，向下通过执行器接口传递相关执行指令，起到该功能域计算大脑的核心角色。除了主 DCU 外，该功能域中还会有部分子 ECU 来执行驱动和特殊逻辑策略的工作。除了驾驶域外，座舱、动力安全、底盘、车身也逐步开始形成以域控制器为核心的计算中心的架构。

在传统的分布式架构下，主要靠 ECU 和传感器数量的增加来实现功能增加与算力提升。ECU 是分布于汽车车身各处的小型计算单元，用于处理该部分汽车结构的计算信息。 ECU 的核心是中央处理器 CPU，此外也包括 MPU、MCU，周边包括存储器，输入输出接口等结构。

车内 ECU 复杂程度提高，集中化成为必要趋势：伴随汽车电子化的发展，车内 ECU数量不断增多，构成汽车的分布式电子电气架构。传统豪车如奔驰、宝马、奥迪等品牌的 E/E 架构中，ECU 的数量达到 100 个左右，最高的达到 150 个。大量的 ECU 通过 CAN 总线（1-2M/s）来进行信息交互。随着车内智能化水平提升，车载屏幕大屏化、高清化， ADAS 辅助功能在车内的不断渗透，导致单车需要承载、传输的信息量呈爆发式增长，带动 ECU、线束等投入快速增多。

在传统的 ECU 架构下，智能化升级需要依靠硬件数量的叠加，且过渡依赖于 TIER1 厂商的定义能力。比如，在整车热管理控制当中，座舱的温控依赖于驾驶舱空调控制器，电池包温度管理被集成在 BMS 控制器中，电机及电驱的热管理由 VCU 来实现。不同模块之间相互独立，完全由 TIER1 负责底层控制逻辑，整车之间难以实现有效的一体化设计与控制。

这些问题使得传统的 ECU 架构无法满足新的汽车智能化需求，催生了域控制架构的出现，ECU 按照功能和空间关系开始出现融合。2017 年，德国博世公布其在整车电子电气架构方面的战略图，将整车电子电气架构的发展分为三大类，分别是模块化和集成化架构方案（分布式）、集中式域融合架构方案和车载电脑云计算架构方案。目前市面上大多数车型的架构方案都使用模块化和集成化架构方案。

ECU 的减负，并非单纯的硬件物理层集成，这个过程需要将上百个 ECU 模块逐一进行软硬件剥离，然后将软件注入集中式的计算单元，逐步催生出各个功能区间的大脑，即域控制器。传统 ECU 模块开始软硬件分离，硬件被逐步取消，软件被集中到一起，通过单个计算平台来实现对多个功能的控制。此后，随着进一步演进，将会以整车大脑的形式布局。

SOA 软件定义汽车模式下，基于域控的汽车 E/E 架构，整合分散的车辆硬件，通过硬件之间的信息互联互通和资源共享，以及 OTA 可升级的软件能力进行整车功能的定义。当前车企最典型的功能域分为动力总成，底盘控制，车身控制，ADAS 与座舱域五个域构成，座舱域与车身域有进一步整合的趋势。

在这五个域当中，由于动力域、底盘域本身由传统功能集成而来，且开发难度较大，涉及的功能单元与供应商较多，短时间内难以实现统一；而驾驶域与座舱域本身属于新出现的功能域，供应链体系完整多元，主机厂掌控的可能性较大，且对于人机交互的直观体验更明显；重要性与可行性使得主机厂商将驾驶域与座舱域视为域控化的焦点。根据 ICVTank 的预测，其市场规模在未来五年将实现 70%-80%的 CAGR。

自动驾驶域的域控化进度是全车各个功能域中最快的。驾驶域需要承载包括感知环境，数据处理，路径规划与云进行同步通信等诸多功能；此外，不断增加的传感器数量，进一步需要更高性能和集成化的计算单元，从而来维持对关键安全信息的无延时处理，使得自动驾驶域控制器成为汽车各个功能域中发展最快速的一个。

ADAS/AD 域控制器方面，目前市场上在用的针对 L1 级辅助驾驶的大多数仍是使用单独的 ECU 控制，即 AVM 计算单元等独立的计算单元构成。而 ADAS ECU 主要面向 L2 级自动辅助驾驶中 LDW/LKA 与 AEB 的融合处理，到了 L2+、L3、L4 级自动驾驶阶段，自动驾驶域控制器的需求就会开始爆发。以域控制器为底层算法平台下，L2 级别自动驾驶算法将会在乘用车上快速实现落地，当前落地最快的功能包括了 ACC、AEB、LDW、BSD、 APS 等。基于 L3+的高算力域控制器，主机厂与算法公司将会进一步迭代包括城市级辅助巡航在内的高级别自动驾驶功能。

下一步，特斯拉重新划分了“域”的概念，打破了功能与功能之间的壁垒划分和传统整车架构设计的思维，搭载车载电脑，直接跨入车载电脑和区域导向架构。特斯拉直接按车身设计空间来进行区域域控的划分，依赖于特斯拉强有力的整车设计与供应链垂直一体化整合的能力。

对于大部分主机厂而言，采用功能域进行划分将会是长期的主流发展路径。因为这与市场上大部分的 OEM 与 TIER 1 的设计采取同一路径，使得供应链采购更加方便。成熟的第三方 TIER1 的产品可以帮助 TIER1 企业快速建立一个功能域的底层硬件能力。预计大部分主机厂仍会使用混合域的 EEA 架构，即部分功能域集中化，形成“分布式 ECU+域控制器“的过渡方案，最后形成"super controller（中央超级计算机）+ zonal control unit（区控制器）"的架构，这一 EEA 演进过程可能长达 5-10 年。

域控制器核心组成：高性能 SoC 驱动，搭载自动驾驶软件操作系统底座

1）底层芯片：异构分布 SoC 作为计算核心，AI 单元决定算力差距

硬件结构上，智能驾驶域控制器承载了车辆线控平台与多数量、多类型的外围传感器，内部以大量多并行计算作为主要特点，向外则需要对接大量不同类型的传感器接口。大批量、多类型的数据流入特征，使得自动驾驶域控制器的底层芯片应当是异构多核芯片。

核心计算芯片一般会采用一颗或多颗高性能的 SoC。当前主流厂商使用的均是多核异构的 SoC，即传统的 CPU+AI 计算单元的解决方案。SoC 通过在单块芯片上集成多个微处理器、模拟 IP 核、数字 IP 核和存储器等部件来实现相关功能，包括 CPU、AI 计算、 DSP、ISP、Codec、NPU（ASIC）、Modem 等模块，其中最核心的是计算单元与 AI 单元。

计算单元 CPU：多核 CPU 的计算单元具有主频高，计算能力强等优势，通过系统内核管理软件和硬件资源、完成任务调度。CPU 执行了大部分自动驾驶相关的核心算法，根据 AI 单元整合完成的多传感器融合数据，完成路径规划、决策控制等功能。当前主流 SoC 选择的多是 ARM 架构的多核 CPU。

AI 单元：AI 单元的算力是决定异构芯片硬件框架算力的主要部分，当前主流的 AI 芯片有 GPU、FPGA、ASIC 等方式。通过系统内核进行加速引擎和软硬件资源的分配、调度。AI 单元主要完成多传感器融合数据的分析和处理，输出用于规划、决策和控制的周围环境信息。

MCU 控制单元：此外，在形成相关指令后，还需要控制单元 MCU 向车上的底盘域等发出控制指令，完成车辆横纵向的控制任务。

根据 AI 芯片选择的差异，选择 GPU/ASIC/FPGA 等不同类型的芯片，会使得 SoC 的整体设计产生较大的差异。大体而言可以分为两类，分别是采用 CPU+GPU+ASIC 的流派，以英伟达、高通、特斯拉等海外科技龙头为主；以及采用了 CPU+ASIC 模式的流派，代表厂商包括了 Mobileye、华为以及地平线等。

此外，CPU 的选择也会使芯片在表现上有较大差异。当前主流的厂商在 SoC 的 CPU 中都会选择更适合移动场景的 ARM CPU，而较为特殊的是 Mobileye 选用的是 MIPS 的 CPU，这是一种 RISC 指令集架构下的 CPU，在安全性和功耗比上占据优势，缺点在于缺乏生态支持，本身开发难度很大，不利于生态合作伙伴协同开发。

从已公布的 2022 年及此后的落地计划来看，搭载低级别自动驾驶芯片的域控制器料将进入百花齐放的阶段，但与此同时，搭载高级别自动驾驶域控制器的厂商数量仍然十分有限，目前能够看到成熟落地案例的第三方 TIER1 厂商仅有华为、德赛西威两家域控制器厂商，其他均为主机厂自研+外部白牌代工厂，或主机厂内部 TIER1 厂商生产的模式。（报告来源：未来智库）

2）整体硬件配置：域控制器中主芯片占成本主体

在英伟达 ORIN 的域控制器量产之前，市场上当前最成熟、产量最大的域控制器是特斯拉的 AP3.0。特斯拉自研 SoC，通过以太网总线的形式承担了海量数据输入与以太网交换的功能。由于产品的具体硬件配置已经较为透明。我们可以通过拆分其 BOM 成本，理解高端自动驾驶域控制器大致的成本分布。

我们估计 AP3.0 板上芯片价格在 5000 元人民币左右，加上高速通信以太网连接器接插件与 PCB 等成本，整块板子成本约 7500-8500 元人民币。由于当前主流厂商选用的芯片组已经实现 SoC 化，CPU 与 GPU 合二为一，省去了昂贵的 PCIe 交换机成本。其中，主芯片 SoC FSD 占所有芯片成本约 61%，占整体硬件 BOM 成本的 20%。

值得注意的是，由于域控制器是软硬件一体化的嵌入式设备，单纯考虑硬件成本时会忽略软件部分的成本，低估域控制器厂商的成本；此外，由于特斯拉的 FSD SoC 为自研（三星代工），成本占比会低于其他第三方自动驾驶域控制器厂商的主芯片。此外，特斯拉是纯视觉算法，没有使用传感器融合，一般的自动驾驶域控制器还需要配置快速傅里叶变换功能的芯片如 DSP，进一步拉高了成本。

综合计算下，高级别的自动驾驶域控制器的主芯片占到整体成本的 30%左右，低级别的自动驾驶域控制器由于对于交换、接串行、内存等芯片的配置需求更低，相对的主芯片的成本占比更高，占到整体的 40%以上。

3) 软件：底层与应用层解耦，控制器厂商掌控底层软件开发

汽车 E/E 架构长期处于软硬件耦合的状态，这对于汽车统一的软件部署，OTA 升级，算力集中等产生较大阻碍。随着域控化的推进，软件层也逐渐实现底层软件与应用层软件解耦，域控制器厂商一般为车企提供硬件与底层的操作系统与中间件，上层应用层车企有较多的选择空间。

AUTOSAR 是基于整体汽车电子开发的功能标准，发起于 2003 年，发起人包括了 BMW、DAIMLER、GM、TOYOTA、福特等主机厂和博世、大陆等 TIER1 厂商；标准设立的初衷是避免业内重复开发功能相同相近的软件模块。通过使用独立于系统的标准软件平台，可缩短产品上市时间，减少开发工作，并可从同一组组件中开发出更多产品，提高产品质量。

2018 年，为满足汽车从传统 E/E 架构向域控化转型的需求，AUTOSAR 联盟在原有的 Classic AUTOSAR 基础上，进一步推出了 Adaptive AUTOSAR 平台，满足车企对于高度灵活、高性能且支持 HPC、动态通讯等特性的新软件架构平台的需求。当前 Classic AUTOSAR 目前已广泛应用于传统嵌入式 ECU 中，如发动机控制器、电机控制器、整车控制器、BMS 控制器等，而 Adaptive AUTOSAR 未来会更多的应用于如 ADAS、自动驾驶等需求高计算能力、高带宽通信、分布式部署的下一代汽车应用领域中。

Non-AUTOSAR（信息娱乐）的控制器：占用较大的硬件资源、不具有实时性、运行非车规级的操作系统上（比如 Linux、Android）。

CP AUTOSAR 开发出来的控制器：实时性强、消耗资源少、软件资源固定。

Adaptive AUTOSAR 是一种异构的软件平台，可以成为连接 Classic AUTOSAR 和非实时 OS 的桥梁。它的特点是软实时（毫秒级别），满足功能安全要求（ASIL-B 以上）、更适合于多核的高资源消耗环境、支持动态部署。

基于 AUTOSAR 架构下，底层软件与应用软件实现了相互解耦，使得两者的开发商可以有所区分，并不强制绑定。通过 RTE 连接底层软件和应用层软件，RTE 使得两者相互独立解耦。

底层软件主要分为几个抽象层：服务层，ECU 抽象层，微控制器抽象层和复杂驱动。这样做的目的是，一方面实现底层软件的解耦，模块化；另一方面通过复杂驱动来实现特殊化的需求，保持一定的灵活性，以此来满足一套代码可适用多个项目，加快研发进程，降低研发成本。再根据底层软件功能，合理地拆分到不同抽象层，这样每个抽象层都有不同的功能模块。

DCU 厂商主要负责硬件和底层软件。软件方面包括最底层的多操作系统虚拟化，以及各类型的中间件，多融合传感器算法、标准化软件架构 AUTOSAR、系统安全 ASIL 升级、车内以太网应用、整车 OTA 升级等。上层的应用算法一般由主机厂自行掌握。通过软件层的分工，域控制器厂商为 OEM 提供了便于开发的软硬件底座，OEM 厂商则可以掌握更接近消费者感知的上层算法，双方实现合理化分工。

具体到自动驾驶域控制器上，域控制器厂商通过与主机厂合作分工，双方区分各自的软件提供范围。在行业发展早期，域控制器厂商会控制包括平台软件、功能软件等中间件在内的大部分底层软件应用，由主机厂提供上层应用算法。部分技术更领先的厂商如华为则会提供包括应用层在内的全套解决方案。随着行业分工细化，部分头部主机厂的算法能力逐步提升，主机厂会开始要求自己掌握应用层以及中间件，此后向下一直延伸至平台操作系统软件上，以实现与自身车机操控更好的耦合效果，OEM 只需要白牌代工厂为其生产线路板即可。

底层的芯片厂则多为第三方厂商：芯片层面的自研，特斯拉是当前仅有的掌握了自动驾驶芯片的主机厂，其他主机厂是否有这样的技术能力或诉求需要时间的观察。因此对于大部分主机厂来说，自研域控制器是能够掌握的底层硬件全栈自研的最主要环节。

上层的应用层不一定由域控制器厂商提供：驾驶域上层的应用算法较为复杂，包括场景算法（涵盖数据感知、决策规划、控制执行等）、数据地图、人机交互（HMI）等，其中场景算法最为复杂，典型的包括数据感知、决策规划、控制执行等。其中感知类算法包括 SLAM 算法（涵盖视觉处理、激光雷达、多传感器融合等）、自动驾驶感知算法，是主机厂当前重点自研的方向。决策类算法包括自动驾驶规划算法、自动驾驶决策算法，执行类算法主要为自动驾驶控制算法，目前该领域涉足的产业参与方繁多，也被认为是 AI 领域最复杂的场景之一，从整车厂、传统 Tier1，到初创类公司、科技巨头以及独立的软件供应商等在该领域都积极发力。但对于域控制器厂商来说，这些上层算法并不一定由他们来提供，通过底层与上层算法解耦，域控制器厂商只需要研发底层软件。

核心 Know-How：从深度定制化为主机厂服务，到逐步全栈标准化

自动驾驶域控制器重要程度越来越高，主要原因是全车算力向驾驶域集中。驾驶域算力追加的主要驱动因素为传感器传入信号的复杂程度逐步提升，使底层 SoC 需要同步提升自身的计算能力、传输带宽、存储能力。如 L2 级别侧视摄像头的加入导致需要预处理的视频数据成倍的增加，L3+级别激光雷达的加入又不断地生成千万级的待处理点云信息，使得自动驾驶域控制器成为车上算力需求最高的计算中心。由于安全性要求，自动驾驶域还需要布设冗余，使得驾驶域未来有逐步整合座舱域、车身域等功能域的趋势。以驾驶域控制器为主导的全车计算平台 CCU 可能会在未来三到五年内实现。

智能汽车计算架构持续演进，展望 2025 年前后，预计届时芯片厂商的主力芯片型号已经开始向 CCU 中央计算平台演进，智能驾驶域与座舱域的整合趋势已经十分明显。芯片厂商通过 DPU、BPU 等 ASIC 能力，提升信息的芯片间传输效率，使得板间通信效率远远超过跨域通信效率。以整合座舱域与驾驶域从而实现车内中央计算机的趋势已经逐渐明朗。

要完成瞬时处理、反馈、决策规划、执行的效果，对中央处理器的算力要求非常高。在自动驾驶中，最耗费算力的当属视觉处理，占到全部算力需求的一半以上，且自动驾驶级别每升高一级，对计算力的需求至少增加十倍。L2 级别需要 2 个 TOPS 的算力，L3 需要 24 个 TOPS 的算力，L4 为 300+TOPS，L5 为 4000+TOPS。

主机厂未来将会以 OTA 的方式实现自动驾驶算法的持续升级，所以当前对自动驾驶芯片算力的部署都是超额部署。以德赛西威的 IPU 系列自动驾驶域控制器平台为例，L2 级别的 IPU02 平台使用的是 TI TDA4 SoC 平台，算力 8TOPS；L3 级别的 IPU03 平台，使用的是英伟达的 Xavier 平台，提供算力在 30TOPS。预计 2022 年后，随着新一代更具性价比的自动驾驶芯片平台问世，XAVIER 将会逐步退出市场，取而代之的包括英伟达的 ORIN、高通的 SNAPDRAGON RIDE、华为的 MDC 与地平线的 J5 等芯片平台，普遍单片提供的算力在 100TOPS 以上，当前市场主流配置的 L3+级别域控制器的算力在 400-500TOPS 左右。德赛西威将在 2022 年出货的 IPU04 平台预计将以两片 ORIN 芯片制程的 500TOPS 版本为主。车企普遍认为该级别的算力能够满足当前及此后一段时间主流的高级别自动驾驶算力需求。

低级别与高级别自动驾驶域控制器需要处理的数据量级差异极大，主要原因即是传感器数量与产生数据量级快速提升。域控制器的市场定位属于行业中游：向上，需要快速响应适配不断迭代的传感器与自动驾驶 SoC；向下，需要满足车企基于自身硬件配置下，对于算法的差异需求，提供深度定制化的服务。

当前低级别自动驾驶领域域控制器厂商向解决方案提供商演进。算法以及实现的ODD 功能已经通用化，各方提供的方案差异不大，对于传感器的搭配也已经较为固定。因此实质上已经并不存在对低速自动驾驶域控制器厂商的需求，因为以上两者都已经不是核心痛点，即上游成熟，不需要快速迭代；下游主机厂注重交付落地，不存在过多的深度定制化服务。因此，在低速自动驾驶领域，TIER1 提供的都是完整的 ADAS 解决方案，包含了域控制器、上层算法甚至传感器在内的“交钥匙”方案。

主机厂当前的核心诉求是快速迭代出具备消费者感知度的特色功能。由于国内与全球基本均采用渐进式的发展路线，自动驾驶将会以 ODD 功能模块的方式逐步上车。如 360 环视、APA 辅助泊车、AVP 自主破车、ACC 自适应巡航、NOA 领航辅助驾驶等，从 L1 到 L2.9 级别的，最能满足消费者痛点的 ADAS 功能的迭代上车，成为车企用来吸引消费者的核心卖点。

因此在行业早期，OEM 走定制化开发/部分自主研发/全自研等方式，比较多元，主要是根据自身的技术水平，选择更合适的快速实现功能落地的方案。TIER1 应当选择更灵活的合作模式与主机厂进行合作，与开发能力更强的 OEM 厂商可以选择合作开发的模式，定制化设计域控制器，并通过自身的能力或者合作算法厂商的能力，来实现上层特定应用功能的开发；如果 OEM 更关注落地能力，TIER1 亦可提供从软件到硬件到系统的标定，以及验证服务的一整套交钥匙的工程能力，从而显著降低主机厂的开发周期与开发成本。

对于高级别自动驾驶域控制器解决方案而言，无论是传感器、芯片或是车企的算法功能需求，当前市场都没有一套成熟的标准，存在非常大的差异，因此域控制器厂商前期需要在落地方面，与车企进行深度合作开发，以实现车企的需求。

上游核心零部件市场竞争格局的变化成为投资域控制器市场的关键抓手。作为上下游的关键衔接者，域控制器厂商需要在以下几个方面做到最好：1）与芯片巨头实现良好合作关系，快速适配。由于芯片硬件平台上开始积累越来越多的软件生态系统，选择一个芯片厂商意味着要长期基于其环境进行快速开发、迭代，因此与芯片厂的合作考验自身开发能力，与芯片厂商的长期合作同样也将成为域控制器厂商的关键壁垒之一；2）快速匹配主机厂需求、争取在客户需求爆发前快速落地。域控制器需要通过提前市场研发获取超额收益，最早帮助车企实现成熟落地方案的企业，能够最优先获得订单，并成为市场价格的主导者。

硬件固化、应用封闭、升级难度大是长期以来 TIER1 的共同问题。比如自动驾驶的领跑者 Mobileye。在上层算法快速迭代的背景下，域控制器厂商需要与上下游一起定义硬件接口，实现硬件即插即用、可替换升级、不同硬件间互联互通，并通过 API 接口开放给应用，交由车企或算法企业进行定义，从而帮助车企开发出场景化、跨设备协同的自动驾驶系统。域控制器将在合作开发的过程中，逐步实现硬件模块化、接口标准化、系统平台化。以华为为例，华为以 MDC 为核心，推进智能驾驶的系统接口与设计标准化：如传感器的接口标准、线控转向与制动系统的数据接口标准以及功能软件平台设计规范等。

汽车行业的供应链经历了从垂直一体化到专业化分工的过程。对 ADAS/AD 这类新兴技术而言，行业在早期会有技术磨合期，OEM 与 TIER1、甚至 TIER2 之间的界线开始模糊。随着特色功能（ODD）不断增多，自动驾驶技术的个性化空间越来越少，定制化的需求逐渐再次被成本效率等因素取代，市场重回专业化分工、高效率合作的稳定市场格局当中。我们认为汽车行业长期的垂直供应链形态是市场磨合下，最大化运行效率的最佳选择。大部分车企选择全栈自研自产是规模不经济的，从长期维度而言，预计独立的第三方TIER1 厂商仍将是主机厂零部件的核心来源。

2 市场格局：智能化需求旺盛，关注落地与生态优势

供应链格局重塑：TIER2 对 TIER1 竞争格局产生重要影响

从分析域控制器市场竞争格局可以看到未来汽车智能化投资的重要特征：芯片作为最重要的汽车智能化的 TIER2 产品，开始对 TIER1 的竞争格局起到决定性的作用。能够更好地与 TIER2 合作，满足主机厂与芯片巨头两者的快速、高效落地需求，成为 TIER1 域控制器厂商的核心竞争力之一。

传统车载芯片市场份额高度集中，多年以来一直被恩智浦、英飞凌等巨头垄断。这使得 TIER1 可选择的芯片来源区别不大，绑定芯片厂商的因素不明显。如 MCU 相对复杂度低，运行系统较简单，长期应用于小型嵌入式设备中，关键竞争优势在于供应链整合能力、高良率下的量产能力与车规级的精密度。

随着域控制器时代的到来，SoC 需要的芯片复杂度更高，需要支持多任务的复杂操作系统、本身应用于复杂的嵌入式设备当中。但传统的汽车半导体厂商多集中于 MCU 芯片领域，在座舱域、驾驶域所需的高算力 SoC 芯片竞争中，传统厂商开始让位于 AI 芯片企业，市场格局迅速变化。且不同的芯片平台上的软件开发区别较大，域控制器企业需要能够绑定头部芯片厂商，是加快研发，实现快速落地的重要保证。此外，2021 年下半年的汽车芯片供应链危机后，与芯片厂商合作，稳定供货的保供能力也愈发关键。因此，我们在讨论域控制器厂商的市场格局时，不可避免地需要与其选择的芯片平台进行分析。

车载逻辑 IC 与存储 IC 在全车半导体价值量中的相对占比与绝对金额不断提升。相对占比方面，逻辑 IC 与存储 IC 挤压传统微控制器等的价值量占比；绝对金额方面，ICinsights 预计随着车载半导体价值量整体快速提升，逻辑 IC 与存储 IC 的市场规模将于 2019 年的 50 亿/36 亿美金上升至 2025 年的 102 亿/83 亿美金。新兴厂商如特斯拉、英伟达、高通、华为、地平线等 AI 芯片厂商入局，开始抢占逻辑芯片与存储芯片的市场份额。

竞争格局：高低速芯片平台将形成差异化竞争格局

从价值量来看，域控化下零部件价值量同样开始集中化。随着汽车 E/E 架构从分布式向域集中式演化，汽车当中的功能组件价值量开始大幅度集中，域控制器的价值量占功能域中主体部分；汽车电子供应商数量将逐渐减少，域控制器供应商的地位将愈发重要，吸引了越来越多的厂商涉足这一领域。

当前涉足域控制器的厂商有以下四类：OEM 厂商自研、全球 TIER1 厂商、本土 TIER1 厂商以及软件 TIER1 厂商。此外，市场容易忽视另一类厂商，即部分新兴芯片 TIER2 厂商，在与车企的合作早期，出于快速迭代、联合开发的必要性，主动承担了 TIER1 域控制器厂商的角色，但在开发成熟后这些厂商也会寻找长期合作的域控制器厂商实现批量出货。

1）由于自动驾驶域控制器的核心计算平台定位，国内智能化水平领先的 OEM 厂商布局自研自动驾驶域控制器。造车新势力对研发投入大量人力，部分传统车厂亦将跟进，理想/蔚来/小鹏等造车新势力均布局超过 2000 名 IT 工程师，致力于自主研发、垂直整合。如蔚来在 ET7上使用的自动驾驶域控制器即以英伟达的ORIN作为主芯片，自研域控制器，并使用伟创力作为代工。小鹏计划自研的 XPU 自动驾驶智能控制单元实现 4 合 1，将行车和泊车的智能控制集成，打破之前 4 个域之间的交互壁垒，实现更深度的域融合。

同时，传统主机厂考虑到自身组织架构较为成熟，内部谋求转型效率可能较低，因此选择外部培育智能汽车子公司的方式，给出更好的激励与考核机制来鼓励面对新领域的创新创业。如吉利培育的亿咖通、长城培育的毫末智行以及上汽投资的创时智驾等。此外，诸如第三方独立的算法公司 Momenta 也获得来自上汽、丰田、通用等主机厂的投资。

主机厂培养独立 TIER1 厂商并非没有先例。国际 TIER1 巨头电装即曾经是丰田汽车的电气配件部门，但直到电装获得正式独立地位后，才实现了快速增长与技术跨越。我们认为 TIER1 厂商的独立性定位对于企业能否健康发展非常重要，客户对于技术机密性、价格敏感度的考量使得 TIER1 难以作为单一车企的子公司，向外界提供产品与服务。

2）全球及国内的 TIER1 厂商长期仍将是汽车供应链中的中坚力量。虽然当前传统的硬件供应商面临着汽车软硬件解耦带来的价值冲击，但 TIER1 仍具备着长期供应链定位下，快速交付、落地量产的核心优势，头部 TIER1 厂商如博世、大陆、采埃孚等均搭建了庞大的软件开发团队，对 Adaptive Autosar 中间件展开研发，通过快速研发迭代，在市场中实现技术领先，相较于主机厂的方案更为快速落地，以应对 OEM 自研的冲击。

国内自主 TIER1 品牌亦在软件领域加码布局。德赛西威在 IPU03 等产品上，基于英伟达芯片平台的底层操作系统与中间件的开发能力与经验，是实现 IPU04 快速落地的关键，德赛西威领先于国内车企率先落地 254 与 508TOPS 的 IPU04 自动驾驶域控制器。从德赛西威为小鹏提供的 IPU03 域控制器底层软件架构中可以看到，英伟达的 CUD、DRIVE WORKS 等底层软件为整体系统做出了重要支撑，而对德赛西威而言，在 IPU03 上与英伟达的底层软件实现磨合积累，使其能够更快速的展开基于 ORIN 的 IPU04 的域控制器研发。（报告来源：未来智库）

3）软件开发平台企业通过直接向 OEM 提供软件开发服务的模式，对传统 TIER1 企业的开发模式发起挑战。由于软硬件架构的解耦，专注于自动驾驶软件平台开发的新晋厂商得以进入竞争之中，以软件开发的形式为主机厂提供域控制器开发的服务，与传统 Tier1 产生直接竞争关系。

海外市场，域控软件供应商 TTTech 为包括奥迪 zFAS 在内的全球 25 款车型提供域控软件平台“MotionWise”。在国内，TTTech 与上汽集团合资成立创时智驾，为上汽的智己汽车 L7 研发基于英伟达 Orin 的自动驾驶域控制器。

国内市场，中科创达、映驰科技、东软睿驰、未动科技、纽劢科技等也纷纷推出域控软件平台产品，为客户提供底层软件能力，包括从汽车操作系统软件、中间件等底层软件为上层应用程序提供开发环境。中间件开发者角色越来越重要，中间件将计算机硬件从软件应用程序中抽象出来，同时也作为应用程序间通信的桥梁。随着通信架构由“面向信号” 向“面向服务”转变，域控中间件价值将愈发凸显。

市场空间：随整套解决方案成本下行，市场空间有望快速拓展

以自动驾驶域控制器为核心，整套自动驾驶解决方案的硬件成本主要分为三层：传感器负责信号的采集与边缘数据处理，集中式的微控制器单元（MCU）负责功能控制与实现，多传感器融合数据则依赖于集中式的域控制器计算单元。

车企的配置成本需要考虑整套解决方案的价格。我们可以根据行业较为成熟的解决方案的传感器配置来大体测算整车当中 ADAS 硬件的成本。当前市场上：

1）L2+级别自动驾驶方案：针对 L2+级别的自动驾驶功能实现，包括如 ACC 全速自适应巡航系统、LCC 车道居中控制、ALC 智能变道辅助、ATC 自适应弯道巡航、智能泊车辅助系统等高阶 L2 功能，车企当前一般配置 12 个超声波雷达、5 个毫米波雷达、4 路以上的高清摄像头输入；搭配上 L2 级别的自动驾驶域控制器。该套方案的硬件成本可以控制在 6000 元左右，可以被配置到最低 13 万元左右的车型上。这也是国产自主品牌的核心产品区间。因此，L2 级别自动驾驶技术有望大幅提升国产自主品牌车型中的渗透率，为国产自主 TIER1 提供广阔的市场空间。

L2/L2+量产产品本身算法方案已经较为成熟，对传感器的配置差异不会太大，产品已经偏向标准化，需要更多考虑成本、落地速度以及算力充足性、可靠性等因素，这个领域的产品比较容易实现方案、架构上的统一，成本与性价比是最优先考虑的因素。当前市场上，自主品牌的方案包括 Mobileye 的生态合作伙伴的 ADAS 域控制器、德赛西威的 IPU02 域控制器、福瑞泰克的 DCU Basic、纵目科技的 AVP 方案等，此外海外的传统 TIER1 厂商亦均有相关布局产品。

2）L3+级别自动驾驶方案：从 2021 年年底的广州车展上来看，国内自主品牌开始向高端车型迈进，智能化成为破局的重要抓手。2021 年底自主品牌公布了超过十款搭载 L3+ 级别自动驾驶解决方案的新车型。2022 年开始，市场将正式迎来 L3+自动驾驶硬件快速落地的军备竞赛。虽然从法律界定上来讲，这些车型仍属于 L2.9 的车型，事故责任方属于司机，但这些车型超前的算力配置与传感器配置，无疑是为高阶自动驾驶进行了充分的预埋。

从搭载传感器上看：激光雷达成为 L3 以上自动驾驶车型的标配组件。40 万以上的智能化车型中，普遍标配了 2-3 个激光雷达，最为激进的长城沙龙机甲龙甚至配置了四个激光雷达（其中一个为后向激光雷达）。包括激光雷达在内，车上的传感器普遍为 31-33 个，包括了 5-6 个毫米波雷达，12-13 个超声波雷达，4 个环视摄像头以及 7 个以上的 800 万摄像头。其中激光雷达、800 万像素摄像头等是升级更新重点，77GHz 毫米波雷达等传感器配置走向标准化。

从成本上看：综合考虑传感器与域控制器的成本，当前市场价格下的解决方案硬件成本应当在五万元左右。对于四十万元的车型来说也占到全车价值量的 10%以上，车企将承担较大的成本压力。随着整套解决方案成本的下行（动力主要来源于激光雷达量产后的零部件、芯片成本下行，域控制器芯片价格下行等），有望装配到更低价位的车型当中。我们认为到 2025 年，该套解决方案有望在 25 万元左右的车型实现落地量产。

高阶自动驾驶产品的定制化比例会更高，会存在较长的一段时间。除了向下落地时加深与主机厂商的深度定制服务外，吸引自动驾驶算法公司使用平台产品进行研发同样是域控制器厂商扩张生态，完善产品整合技术能力的关键因素。车企在选择供应方的时候，会同时考虑到芯片、域控制器、算法公司的综合研发能力。

从单车 ADAS 相关设备价值量角度来看：根据麦格纳咨询数据，L1/l2/l3/l4+的单车智能驾驶产品价值量分别是 500/1200/3400/4500 美金。预计域控制器厂商除了提供 DCU 产品外，可以通过进一步整合传感器、算法以及生态合作伙伴其他产品实现价值量上行。

根据对 2025 年中国自动驾驶相关车型产量的预估（包含了乘用车与商用车），以及考虑到自动驾驶域控制器随产量提升后的降价幅度，我们预计到 2025 年中国自动驾驶域控制器规模的市场空间将会达到近 700 亿元。