> **来源：[研报客](https://pc.yanbaoke.cn)** # 车载SoC报告：智能驾驶算力跃迁加速兑现，国产化生态驱动车规芯片结构性放量 2026年01月23日 # 【投资要点】 $\spadesuit$ 算力集中加速落地，车载SoC从功能芯片升级为整车核心算力底座。随着E/E架构由分布式向域控与中央计算平台演进，端到端自动驾驶模型显著抬升算力门槛，L4场景中Thor-X单片算力达1000TOPS并形成2000TOPS系统级方案，推动高集成、高复用SoC在智驾与舱驾融合中的价值权重持续提升。 智能汽车与端侧AI共振放量，SoC需求进入高确定性成长通道。全球智能设备SoC市场规模由2020年的419亿美元增长至2024年的657亿美元，AI SoC同期CAGR达 $31.3\%$ ，叠加智能汽车销量2020-2024年CAGR达 $12.4\%$ ，制程向7nm以下加速演进，车载SoC在算力、集成度与国产替代三重驱动下迎来量价齐升周期。 $\spadesuit$ 异构算力协同进阶，多域融合推动车载SoC价值中枢化。CPU+GPU+NPU+DSP+ISP的异构集成成为主流，一芯承载感知、决策与交互，多接口与高带宽存储协同降低系统延迟与功耗，在舵驾融合、一芯多屏与行泊一体趋势下扩大SoC芯片市场。 $\spadesuit$ 产业协同与应用落地共振，车载SoC需求有望进入结构性放量周期。车企自研、联合开发与战略投资并行推进，前视一体机与集中式座舱加速普及，一芯多屏方案已实现量产，多模态交互与L2级智驾规模化持续落地。 $\spadesuit$ 国产SoC量产在即：性能迭代与商业确定性增强。国产AI智驾SoC平台能力快速兑现，产业落地路径更趋清晰。地平线依托征程6系列切入高速与城区NOA核心市场，2025年获得超20家OEM平台化定点，体现“芯片+算法+系统”平台闭环的可复制性与商业确定性；黑芝麻智能的武当与华山系列持续获得一汽与东风等车企定点，叠加大陆集团合作与开源生态发展，量产节奏与生态粘性显著增强，展现国产车载SoC在高阶智能驾驶领域的技术与商业竞争力。这两家公司共同提升国产车载SoC自主供给能力，为智能驾驶渗透提供成本优势与安全冗余。同时，边缘AI需求扩张带动SoC生态多元落地，全志科技2024年收入22.88亿元，同比增长 $36.8\%$ ，归母净利1.67亿元实现同比修复；其产品结构覆盖车载、工业与消费终端，V系列视觉SoC持续渗透AR/VR与车载视觉场景，芯片算法方案一体化优势强化平台壁垒。整体看国产SoC在技术、生态与落地节奏上均呈现稳健向好趋势。 挖掘价值投资成长 # 强于大市（维持） # 东方财富证券研究所 证券分析师：王佩麟 证书编号：S1160524100001 联系人：赵阳 联系人：刁睿稼 相对指数表现 # 相关研究 《封测涨价 $30\%$ ，国产算力产业链持续看好》 2026.01.21 《中芯、华虹和晶合密集并购和投资，持续关注端侧AI》 2026.01.15 《长鑫科技即将上市，持续关注端侧AI》 2026.01.07 《领益智造收购立敏达，持续关注端侧AI》 2025.12.31 《国产scaleX万卡超集群亮相，持续关注端侧AI》 2025.12.26 # 【配置建议】 $\spadesuit$ 建议关注国产车载SoC芯片产业链在智能化与国产替代趋势加速下的投资机会，建议关注黑芝麻智能、地平线机器人和全志科技等标的。黑芝麻智能在华山与武当系列量产推进下绑定多家主机厂平台，助力高阶智驾扩张；地平线机器人依托征程6系列切入高速与城区NOA核心赛道，平台化商业模型验证度持续增强；全志科技凭借视觉与多模态SoC积累叠加车载生态扩张，有望实现业绩增长。 # 【风险提示】 $\spadesuit$ 盈利能力风险：若上游原材料价格出现远超预期的上涨，将冲击相关企业成本结构。一旦原材料价格显著提升，将对终端盈利带来压力，叠加车载SoC芯片持续提升算力规模与制程要求，其成本敏感性或进一步放大，使企业盈利波动风险加剧。 $\spadesuit$ 客户集中度与定点不确定性风险：若核心客户车型销量不及预期、平台策略调整或定点项目出现推迟甚至取消，将对相关SoC芯片厂商出货规模与收入确认节奏产生扰动，进而放大经营业绩波动风险。 $\spadesuit$ 供应链及产能匹配风险：车载SoC芯片对制程节点、晶圆代工、先进封装及车规级测试环节要求较高，对供应链稳定性依赖显著。若未来先进制程产能出现阶段性紧张，或车规级产线良率、交付节奏不及预期，将可能制约SoC芯片厂商放量能力，并对新品导入和规模化出货形成掣肘。 $\spadesuit$ 国产替代节奏不及预期风险：车载SoC芯片国产化推进除技术性能外，还需通过长期可靠性验证及主机厂体系认证。认证周期长、准入门槛高，可能导致国产芯片量产上车节奏滞后，拖累国产替代进程。 # 正文目录 1.智能化周期共振车载SoC产业升级，供给体系成熟拉动算力需求持续扩张 1.1. 端到端模型推高算力门槛，车载SoC进入高集成加速期 5 1.2.智能汽车放量增长，汽车电子与SoC需求同步扩容 9 1.3.主舱驾一体加速成型，一芯多屏推动车载交互升级 12 1.3.1. 传统巨头：多域融合持续深化，车载SoC平台化能力全面强化……12 1.3.2. 消费电子跨界强者：舱驾融合路径清晰，高算力智驾SoC平台化...15 2. 车载SoC架构革新叠加合作模式深化，多域融合与国产化共同驱动产业升级 19 2.1. 异构架构深化车载SoC性能边界，多模块协同驱动多域融合落地……19 2.2. 多路径车企合作体系成形，车载SoC产业链结构走向深度绑定与共创模式 20 2.3.舱驾一体加速演进，一芯多屏重塑座舱交互范式 22 3.国产SoC量产在即：性能迭代与商业确定性增强 25 3.1. 地平线机器人：AI芯片叠加算法协同，智能驾驶平台化量产打开成长空间 25 3.2.黑芝麻智能：车载计算芯片量产落地提速，平台化合作与开源生态同步推进 26 3.3.全志科技：VR&AR一站式方案与高增业绩驱动发展 28 4.投资建议 30 5.风险提示 31 # 图表目录 图表1：汽车电气架构，由分部到集中发展 5 图表2：智能驾驶等级分类 6 图表3：智驾三大层级 6 图表4：SoC芯片在智能汽车里的应用 7 图表5：智能驾驶SoC芯片结构图 7 图表6：智能驾驶SoC芯片结构图 7 图表7：比亚迪“天神之眼”硬件图 8 图表8：比亚迪搭载“天神之眼”匹配车型 8 图表9：无人驾驶多元化应用场景 9 图表 10: 文远知行 Robotaxi 在全球 4 个国家 9 个城市落地 图表 11：全球智能设备 SoC 市场规模 2020-2029E(十亿美元) 10 图表 12：全球智能设备 AI SoC 市场规模 2020-2029E(十亿美元)......10 图表 13:全球智能座舱及信息娱乐 AI SoC 市场规模 2020-2029E(十亿美元) 图表 14：2022-2024 年中国智能汽车座舱 SoC 出货量趋势(按厂商) .....11 图表 15: 2022-2024 年中国智能汽车座舱 SoC 不同纳米制程出货量占比...11 图表 16：瑞萨推出面向 ADAS、车载信息娱乐系统和网关应用的第五代多域 SoC 图表 17: 瑞萨电子适合每个细分市场的 R-Car 平台. 13 图表 18: 单芯片 LiP 77GHz RFCMOS 汽车雷达 SoC 图表 19: 88MW32X 802.11n Wi-Fi®微控制器 SoC 图表 20：德州仪器 DRA821U-Q1 SoC 芯片结构图 图表 21: 德州仪器 DRA829 SoC 芯片结构图 ..... 14 图表 22: 高通车载芯片-座舱 ..... 15 图表 23：高通车载芯片-智能驾驶 ..... 15 图表 24：AMD 第二代 Versal AI Edge 满足 ADAS 和 AD 图表 25: AMD 第二代 Versal AI Edge 结构示意图 16 图表 26：英伟达智能驾驶 SoC 芯片 AGX Thor 开发者套件 16 图表 27：英伟达智能驾驶 SoC 芯片 AGX Orin 开发者套件 16 图表 28: 三星 Exynos Auto V920 效果图 图表 29: 三星 Exynos Auto V920 架构图 ..... 17 图表 30: 英特尔第二代 AI 增强 SDV SoC 18 图表 31: 搭载英特尔独立显卡的舱驾融合平台 ..... 18 图表 32: MCU 内部基本构成 ..... 19 图表 33: SoC 内部基本构成 ..... 19 图表 34：车载 SoC 产业链 ..... 20 图表 35: 车载 SoC 产业链相关公司 ..... 20 图表 36：车载 SoC 芯片架构示意图 ..... 21 图表37：EDA产业链 21 图表38：EDA工具图例 21 图表 39: 多功能前视一体机系统框图 ..... 22 图表 40: CVflow 卷积神经网络计算示例. 23 图表41：由“单芯单屏”到“一芯多屏” 23 图表 42: SmartCore 一芯多屏智能座舱方案 ..... 23 图表 43: 智能座舱人机交互发展图 ..... 24 图表 44：智能座舱人机交互效果示意图 ..... 24 图表 45：地平线机器人 2025H1 年分业务收入(亿元) ..... 25 图表 46：地平线机器人历年营收及归母净利润 25 图表 47: 地平线机器人车载智能计算方案 ..... 26 图表48：地平线机器人辅助驾驶解决方案 26 图表49：地平线机器人征程6系列 26 图表 50: 2020-2025H1 黑芝麻智能营收与归母净利润 27 图表51：黑芝麻智能1H25营收构成（亿元） 27 图表52：天元OS跨域中间件正式全栈开源发布 27 图表 53：2020-2025Q1-Q3 全志科技营收与归母净利润 28 图表54：全志科技2024年营收构成（亿元） 28 图表55：全志科技产品系列 29 图表 56：全志科技 A733 处理器通过谷歌最新 Android 15 GMS 认证……29 图表57：全志科技V821系列 29 # 1. 智能化周期共振车载 SoC 产业升级，供给体系成熟拉动算力需求持续扩张 # 1.1. 端到端模型推高算力门槛，车载SoC进入高集成加速期 E/E架构演进：匹配智能化功能的硬件集成逻辑。从博世的E/E架构路径看，其从分布式（单一功能对应独立ECU）逐步向域集中、跨域集中、车载中央集中、车云融合升级，核心是通过硬件的“集成化收敛”，适配软件规模的持续扩大：分布式阶段硬件分散，而随着架构向域/中央集中推进，功能逐步整合至域控制器、中央计算平台，这一过程中，原本分散的算力载体（ECU）被少数核心计算单元替代，而SoC正是这类核心单元的核心硬件组件，其角色从“单一功能支撑”转向“多场景功能的统一算力载体”。 架构升级直接驱动SoC的复用性提升。在架构演进中，“域独立 $\rightarrow$ 域重叠 $\rightarrow$ 域无关”的功能整合逻辑，要求硬件具备跨场景支撑能力：从域集中阶段的“域控制器（单SoC承载域内多功能）”，到中央集中阶段的“中央计算平台（单SoC承载跨域功能）”，SoC需承接更多功能的算力需求，天然实现硬件层面的“复用”；而后续车云融合架构下，车载SoC还需对接云端算力任务，进一步强化了其作为核心算力载体的复用价值，这与“软件定义汽车”下硬件需长期适配软件迭代的需求形成契合。 图表 1: 汽车电气架构,由分部到集中发展 资料来源：高工智能汽车,芯语,博世等,东方财富证券研究所 # 驾驶自动化技术主要划分为高级辅助驾驶(ADAS)与高阶自动驾驶(AD) 两大类别。ADAS旨在辅助驾驶员完成部分驾驶任务，通过车道偏离警示、车道居中、自适应巡航控制及自动紧急制动等功能提升行车安全性与驾驶便利性，但驾驶员仍需保持持续关注。从技术实现看，高级辅助驾驶对系统复杂度要求相对较低，通常依赖由摄像头及或雷达构成的基础传感器组合，其计算处理能力与软件复杂度亦相对有限。根据灼识咨询资料，高级辅助驾驶一般对应2级及以下功能等级，在现阶段已成为主流车型的核心配置方向。 从系统架构看，智能驾驶通过分层设计构建完整功能闭环。智能驾驶系统通常划分为感知层、决策层与执行层三大功能层级，其中感知层主要负责对外 部环境信息的采集与预处理，通过多源传感器获取道路、目标物及动态要素等基础数据，为后续计算提供输入基础。 从技术中枢看，决策层承担智能驾驶系统的核心计算与逻辑判断职能。作为系统的中枢单元，决策层基于感知层输出的数据，完成任务规划、行为决策与动作规划等全流程逻辑闭环，其运行效率与稳定性高度依赖车载SoC芯片的算力水平与实时处理能力，是智能驾驶功能体验与安全冗余的重要支撑。 从落地执行看，执行层保障决策结果向车辆控制的高精度转化。执行层主要负责将决策层生成的控制指令转化为可执行动作，精准作用于转向、制动及动力系统等关键部件，确保车辆按照既定决策稳定运行，从而实现智能驾驶功能在实际行驶场景中的可靠落地。 图表2：智能驾驶等级分类 资料来源：地平线机器人-W招股说明书，灼识咨询研究，东方财富证券研究所 图表3：智驾三大层级 资料来源：亿欧智库《2022中国智能驾驶功能量产应用研究报告》，东方财富证券研究所 整车电子电气架构的持续演进，正在加速计算平台的集中化趋势，而SoC芯片作为集成化计算能力的核心载体，或将直接受益于这一产业升级方向。当前整车电子电气架构下，智能座舱、车联网、车载信息娱乐系统等功能模块已分别对应专用SoC芯片（如AC8015/8025、AC8257、AC8215等系列），同时仍存在音频放大器、车规MCU、TPMS传感器等分立器件。 随着电子电气架构向域控制器、中央计算平台升级，原本分散的功能将逐步向集成化计算单元收敛——智能座舱、网联、娱乐系统等功能的专用SoC，正是“计算平台集中化”的前期载体；而后续架构整合中，更高集成度的SoC将承接更多分立器件的功能，其在整车电子系统中的价值权重有望持续提升。 多屏交互与舱驾融合趋势下，对车载SoC算力与系统能力要求显著抬升。多屏多接口、舱驾融合以及大模型端侧部署持续演进，对车载SoC芯片提出更高性能、更强并行与更高可靠性的综合要求。随着舱驾融合加速推进，SoC芯片正向多屏驱动、虚拟化支持与跨域资源调度方向升级。智能座舱芯片源于汽车E/E架构演进，是域控制架构中的关键组成部分，负责对座舱域进行统一控制，逐步成为整车智能化体系中与车载SoC深度耦合的核心算力节点。 座舱域中枢化演进，驱动多系统深度协同。座舱芯片相当于智能座舱的大脑，集中处理并控制座舱内各类设备信号，其外部硬件体系涵盖连接子系统、音频子系统、摄像头子系统、显示子系统、存储子系统及功能安全子系统等。传统座舱向智能化升级的核心在于“智能”能力叠加，通过融合人工智能、自动驾驶与AR等技术，实现中控、液晶仪表、HUD及后座娱乐等多屏一体化与高一致性交互体验，对底层SoC的算力规模、接口能力与系统稳定性提出系统性要求。 高算力SoC取代传统方案，异构集成成为主流路径。2015年以前，座舱系统主要以MCU或低算力SoC为核心控制方案，难以支撑复杂人机交互与多 屏显示需求；随着功能持续叠加，高算力智能座舱SoC逐步成为主流选择。当前座舱SoC通常集成CPU、GPU、AI处理单元、DSP与ISP等多类高性能多核处理单元，通过异构协同提供强大的数据处理与图形渲染能力，其中CPU负责通用计算与控制，GPU承担图形渲染，AI单元支撑视觉处理与智能扩展，DSP用于高效数字信号处理，ISP专注图像信号优化。同时，在算力持续提升的背景下，座舱SoC还需兼顾信息安全与数据安全，普遍采用混合关键性设计，在同一芯片内并行运行安全与非安全工作负载，保障车内个人数据与关键信息的可靠防护。 图表 4: SoC 芯片在智能汽车里的应用 资料来源：中国汽车工程协会，合肥杰发科技有限公司，东方财富证券研究所 图表 5: 智能驾驶 SoC 芯片结构图 资料来源：电子工程世界，汽车开发圈，东方财富证券研究所 端到端自动驾驶模型推高算力门槛，车载SoC架构加速升级。从LiVi-Set自动驾驶策略学习框架可以看出，端到端系统DNN+LSTM需要同时处理LiDAR点云、视频帧等多模态数据，并结合驾驶行为监督信号完成策略学习，其运算流程显著提升了整体算力需求。这类端到端大模型不仅要求对高密度传感器数据进行实时处理，还需支撑深度神经网络与时序模型的并行推理，从而倒逼自动驾驶硬件体系中SoC芯片在数量与先进程度上的同步提升，一方面通过增加芯片部署分摊算力压力，另一方面通过采用更先进制程与高算力NPU架构的车载SoC芯片，以更高能效承载端到端大模型的持续计算负荷，推动自动驾驶计算平台向集中化与高性能方向演进。 图表 6: 智能驾驶 SoC 芯片结构图 资料来源：Researchgate, Jingkang Wang 等《LiDAR-Video Driving dataset: a benchmark for policies learning in autonomous driving》, 东方财富证券研究所 算力分层逐步下沉，车载SoC成为智能驾驶普及的核心驱动力。随着端到端大模型在自动驾驶领域的加速落地，比亚迪积极推进车载SoC芯片的上 车布局。比亚迪“天神之眼”系统是其智能驾驶普及战略的重要组成部分，通过精准的分级布局，将智能驾驶技术引入不同价位车型，提升整体产品线的安全性能。 该系统核心架构包括BAS3.0感知主干网、璇玑架构(融合车端与云端AI)，并接入DeepSeekR1大模型，以提升决策效率。比亚迪目前在芯片端与英伟达、地平线等供应商展开合作，利用其智能驾驶计算平台，并计划逐步引入自研芯片，进一步优化成本结构，减少对外部供应链的依赖。同时，公司依托440万辆L2级智能驾驶车辆的海量道路数据，通过影子模式不断优化算法，提升系统感知、预测和控制能力。自研芯片的引入不仅能够控制成本，还能通过规模化生产和纯视觉方案，将智能驾驶成本进一步降低至10万元以下市场，推动SoC技术的普及和普惠。 图表7：比亚迪“天神之眼”硬件图 资料来源：汽车之家，选车侦探，东方财富证券研究所 图表 8：比亚迪搭载“天神之眼”匹配车型 资料来源：电动邦，东方财富证券研究所 无人驾驶多场景渗透加速，高算力车载SoC成为核心基础设施。随着无人驾驶在工程机械挖掘机、城市维护扫地车、物流无人驾驶货车等多行业场景持续落地，各类无人驾驶设备对算力提出了更高要求，不仅需要实时完成环境感知与路径规划，还需在复杂工况下快速做出稳定决策响应。这一趋势直接推动了车载SoC芯片在无人驾驶领域的广泛应用，其高度集成的算力架构能够同时承载感知与决策等多模块计算需求，与多行业无人驾驶设备的高算力诉求高度匹配，逐步成为无人驾驶规模化落地过程中不可或缺的核心硬件支撑。 L4技术路线升级叠加算力跃迁，Thor-X方案确立行业标杆。文远知行率先在L4赛道实现Thor-X量产普及，核心在于英伟达目前最强量产自动驾驶芯片Thor-X单片算力达1000TOPS，文知远行HPC3.0采用双芯片方案使系统真实算力达到2000TOPS，成为全球算力最强的Robotaxi方案之一，同时也是L4赛道全球首个量产的英伟达Thor方案。算力需求显著提升的背后，是L4阵营正从模块化定制路线转向大模型、VLA、世界模型与规则算法并行融合的综合技术体系，模型规模与多模态复杂度持续扩大，使得2000TOPS级别算力成为支撑端到端与多传感器协同运行的关键基础。 架构优化与成本效率并重，先进SoC平台释放L4规模化潜力。除算力数值外，文远选择Thor-X作为Robotaxi底层算力核心，还在于其对VLM、VLA等多模态大模型的优化支持，Blackwell架构在FP16精度与MoE模式上具备更优适配能力，有效提升超大规模模型训练与推理效率。相较多OrinX堆叠方案，Thor-X在同等算力下显著减少芯片数量，简化片间通信并降低系统复杂度， 使域控系统在性能提升的同时具备更优成本结构，避免多芯片方案在采购成本与能耗上的不可行性。 图表 9: 无人驾驶多元化应用场景 资料来源：硕远咨询，前瞻产业研究院，东方财富证券研究所 图表10：文远知行Robotaxi在全球4个国家9个城市落地 资料来源：腾讯网，智能车参考，东方财富证券研究所 # 1.2.智能汽车放量增长，汽车电子与SoC需求同步扩容 全球智能设备SoC市场规模持续扩张，长期增长动能充沛。以收入计，全球智能设备SoC市场由2020年的419亿美元增长至2024年的657亿美元，2020年至2024年的复合年增长率达到 $11.9\%$ 。在智能化需求持续释放与应用场景不断拓展的推动下，市场规模有望进一步抬升，预计至2029年将增长至1,314亿美元，2024年至2029年的复合年增长率达到 $14.9\%$ ，体现出SoC作为智能设备核心算力与控制中枢的长期成长确定性。 AI算法迭代加速端侧落地，边缘计算需求显著提升。以大模型为代表的AI算法持续演进，推动AI模型在各类设备中的快速应用，生成式AI的推出进一步加快AI推理模型向端侧迁移进程，促使模型向轻量化、高效化和定制化方向发展。随着搭载AI算力的智能设备数量快速增长，在低功耗端侧设备上进行边缘AI计算的需求明显增加，这一趋势在智能终端及车载场景中尤为突出，对车载SoC芯片在算力集成、功耗控制与实时决策能力方面提出更高要求。 AI SoC高速增长，成为端侧智能化落地的关键基础设施。通过集成NPU并结合算法与芯片的协同优化，AI SoC能够有效释放边缘侧实时推理与决策能力，是AI在设备端加速渗透的重要基础。以收入计，全球智能设备AI SoC市场由2020年的107亿美元增长至2024年的318亿美元，2020年至2024年的复合年增长率达到 $31.3\%$ 。在AI应用持续下沉的驱动下，市场规模预计2029年将进一步增长至1,090亿美元，2024年至2029年的复合年增长率达到 $27.9\%$ ，展现出显著高于整体SoC市场的成长弹性与景气度。 图表11：全球智能设备SoC市场规模2020-2029E（十亿美元） 资料来源：地平线机器人-W招股说明书，沙利文研究，东方财富证券研究所 图表12：全球智能设备AISoC市场规模2020-2029E（十亿美元） 资料来源：地平线机器人-W招股说明书，沙利文研究，东方财富证券研究所 智能汽车放量增长，汽车电子与SoC需求同步扩容。汽车电动化、网联化、智能化趋势持续深化，推动全球汽车电子市场进入加速增长通道。全球智能汽车销量由2020年的4120万台增长至2024年的6570万台，2020年至2024年复合年增长率达到 $12.4\%$ ，并预计将于2029年进一步提升至9580万台，2024年至2029年复合年增长率为 $7.8\%$ 。随着智能汽车对算力密度与数据处理能力要求不断提高，车载SoC在计算、图像与视频处理等方面的重要性显著提升，为智能设备SoC市场打开了新的成长空间。 SoC深度赋能智能座舱与信息娱乐系统，成为车内智能体验核心载体。在汽车应用场景中，SoC已广泛部署于高级驾驶辅助系统、智能座舱及信息娱乐系统、通信与连接、车身控制以及动力总成与传动等关键环节。在智能座舱层面，SoC推动座舱由单一显示功能向综合智能交互中枢升级，使其成为用户与车辆智能系统之间的核心连接点，通过多屏交互、多模态输入与AI识别，实现座椅、空调及环境设置的自动调节，并支持驾驶员监控等安全功能，显著提升舒适性、个性化体验与安全水平。在信息娱乐系统中，SoC通过集成高性能CPU、GPU、多媒体加速器与NPU模块，支持高清4K/8K视频解码、3D图形渲染、多屏显示与语音助手功能，进而实现多媒体处理、高性能计算、自然语言交互及实时数据处理与边缘计算能力的全面提升。 通信与连接能力升级，推动车载SoC向高度集成与智能化演进。无缝通信与可靠连接正成为智能汽车SoC演进的核心驱动力，汽车对实时数据交换的依赖持续增强，以支撑ADAS安全决策、V2X协同驾驶及车载信息娱乐点播等应用场景。在此背景下，SoC的设计逻辑与性能需求持续重塑，超低时延通信、多协议兼容与高带宽数据处理能力的重要性不断提升。展望未来，智能汽车SoC不仅承担本地计算任务，还将作为高速通信枢纽，支持从传感器到云端平台的数据同步，实现车与车、车与基础设施的高效交互，并在多设备之间提供连续的信息娱乐体验。相关趋势推动SoC向通信模块更高集成、AI驱动网络优化能力更强以及电源管理效率更高的方向持续演进，以满足安全、智能与持续互联出行需求的不断增长。 图表 13：全球智能座舱及信息娱乐 AI SoC 市场规模 2020-2029E(十亿美元) 资料来源：地平线机器人-W招股说明书，沙利文研究，东方财富证券研究所 国产替代进程加快，智能座舱SoC市场格局持续优化。中国智能汽车座舱SoC市场中，高通、瑞萨、AMD等厂商仍占据主要市场份额，但国产化进程正显著提速，产业结构呈现积极变化。根据佐思汽研统计，2024年智能座舱SoC国产化率已超 $10\%$ ，以芯驰科技、华为海思、芯擎科技等为代表的国产厂商加速崛起。伴随整车智能化水平持续提升，车载SoC芯片作为智能座舱算力与系统集成的核心，其国产化进展正逐步夯实本土供应链安全与产业自主可控基础。 产品换代周期启动，AI座舱SoC引领制程与算力升级。智能汽车座舱SoC芯片已进入新一轮产品换代周期，面向AI的座舱SoC有望在未来2-3年成为市场主流。技术演进方向上，主流芯片制程正由7nm向4nm及以下节点加速迈进，2024年7nm及以下制程芯片占比已达到 $36\%$ ，预计2030年将突破 $65\%$ 。下一代产品将进一步向4nm、3nm演进，相较当前广泛应用的7nm、5nm制程芯片，4nm在晶体管密度、性能表现与功耗控制方面均实现显著提升，更有利于支撑AI座舱在多应用场景下高吞吐量、长时间运行的AI计算任务，也为车载SoC芯片在智能座舱领域的性能释放与体验升级提供坚实基础。 图表14：2022-2024年中国智能汽车座舱SoC出货量趋势（按厂商） 资料来源：佐思汽研《2025年智能汽车座舱SoC芯片研究报告》，东方财富证券研究所 图表15：2022-2024年中国智能汽车座舱SoC不同纳米制程出货量占比 资料来源：佐思汽研《2025年智能汽车座舱SoC芯片研究报告》，东方财富证券研究所 # 1.3.主舱驾一体加速成型，一芯多屏推动车载交互升级 目前，市场逐渐分为几个流派——传统汽车电子巨头、消费电子跨界强者、国产芯片新势力。随着舱泊驾逐渐集成，一些车企也开始进入这一赛道。 # 1.3.1. 传统巨头：多域融合持续深化，车载SoC平台化能力全面强化 多域融合趋势明确，车载SoC平台化能力持续强化。全球半导体解决方案供应商瑞萨电子（TSE：6723）于2024年推出全新一代汽车多域融合系统级芯片SoC—R-CarX5系列，单个芯片即可同时覆盖ADAS、IVI及网关等多个车载功能域，体现出车载SoC在算力整合与系统集中化方向上的持续演进。作为R-CarX5系列的首款产品，R-CarX5H采用先进的3nm车规级工艺，在高集成度与高性能基础上，推动OEM及一级供应商向集中式ECU架构转型，从而简化开发流程并构建面向未来的系统解决方案。 安全与扩展能力并重，单芯片多域融合优势突出。得益于独特的硬件隔离技术，R-Car X5H成为业界率先在单一车载SoC芯片上实现多车载功能域高度集成与安全处理的解决方案之一，同时还支持通过Chiplet技术灵活扩展AI与图形处理性能。作为第五代（Gen5）R-Car产品家族中性能最强的成员，该芯片正面应对软件定义汽车（SDV)开发复杂度持续提升的挑战，在计算性能、功耗、成本以及软硬件集成之间实现系统级平衡，并在架构层面确保整车安全。 异构算力深度融合，推动智能驾驶与座舱体验升级。通过在单个SoC中紧密整合应用处理、实时处理、GPU与AI计算、大型显示及传感器连接能力，R-CarX5H将自动驾驶、IVI与车载网关等关键应用提升至新的性能层级。该系列SoC实现高达400TOPS的AI算力并具备业界领先的TOPS/W能效表现，同时支持高达4TFLOPS的GPU处理能力，在满足多域并行运行需求的同时，为下一代智能汽车提供充足的算力冗余。 先进制程加持，高能效特性凸显系统级价值。R-Car X5H集成32个用于应用处理的Arm®Cortex®-A720AE CPU内核，CPU算力超过1,000K DMIPS，并配备6个ArmCortex-R52双锁步CPU内核，提供超过60K DMIPS性能，在无需外部MCU的情况下即可支持ASIL D功能。该系列SoC采用台积电最先进的工艺节点之一制造，在实现更高CPU性能的同时，相较5nm工艺节点设计的产品功耗降低 $30\% - 35\%$ ，不仅减少对额外散热方案的依赖、显著降低系统成本，也有助于延长车辆行驶里程，进一步凸显高端车载SoC在整车平台中的核心价值。 图表 16：瑞萨推出面向 ADAS、车载信息娱乐系统和网关应用的第五代多域 SoC 资料来源：瑞萨电子官网，东方财富证券研究所 图表 17：瑞萨电子适合每个细分市场的 R-Car 平台 资料来源：瑞萨电子官网，东方财富证券研究所 车规级雷达SoC持续升级，推动感知系统向高集成与高性能演进。恩智浦基于先进RFCMOS工艺技术，提供高集成度的汽车雷达收发器系统，覆盖从小型紧凑型雷达传感器到高分辨率成像雷达感测等多类应用形态，其中高性能单芯片发射器封装（Loader-in-Package）的SAF85xxLRFCMOS汽车雷达SoC工作于76至81GHz频段，完整覆盖汽车雷达频段，并针对快速啁啾调制与高输出功率进行优化，可支持从入门级NCAP到高性能前置雷达传感器，适用于短程、中程及远程雷达应用。该器件在实现紧凑化设计的同时符合ISO26262标准并达到ASILB安全等级，与车载SoC芯片在智能驾驶域内的协同演进趋势高度契合。 低功耗无线SoC方案完善，拓展车载与智能终端连接边界。88MW320/322Wi-Fi®微控制器片上系统SoC是一款高度集成的低功耗芯片，基于Arm®Cortex®M4F CPU与802.11b/g/nWi-Fi®构建，形成具备完整功能的微控制器平台，面向家庭、企业及工业自动化等多类智能设备与智能配件应用场景，在实现超低系统成本与低功耗运行的同时支持电池供电设备与安全运行需求。该类SoC通过启用更为丰富的功能配置，帮助制造商打造创新型产品与服务，其系统级集成思路亦与车载SoC芯片在多场景连接与功能融合方向上的发展逻辑保持一致。 图表 18：单芯片 LiP 77GHz RFCMOS 汽车雷达 SoC 图表 19: 88MW32X 802.11n Wi-Fi®微控制器 SoC 资料来源：恩智浦官网，东方财富证券研究所 资料来源：恩智浦官网，东方财富证券研究所 # 车载网络SoC向低时延与确定性通信演进，支撑整车电子架构协同运行。 德州仪器汽车网络片上系统SoC系列面向未来车辆架构设计，旨在实现各子系统之间的无缝通信与极快响应时间，从而保障整车在复杂工况下的和谐运行。该系列SoC通过CAN、LIN以及以太网等多种接口形态，为车辆各区域提供低延迟且具备确定性的通信能力，在连接性与系统灵活性方面表现突出，同时具备最高ASILD等级的安全认证并符合ISO26262要求，可在车载SoC芯片体系中为驾驶辅助与整车控制提供安全可靠的网络基础。 高集成网关SoC降低系统复杂度，强化功能安全与高速互联能力。JacintoDRA821x处理器基于Armv864位架构，针对具备云连接能力的车载网关系统进行优化，其SoC设计通过集成系统MCU、功能安全与信息安全特性以及支持高速通信的以太网交换机，有效降低系统级成本与复杂度。该器件内置的诊断与功能安全机制满足ASIL-D和SIL-3认证要求，PCIe控制器与支持TSN的千兆位以太网交换机为实时控制和低延迟通信提供支撑，多达四个通用Arm®Cortex®-R5F子系统负责时序关键型任务处理，从而释放Arm®Cortex®-A72核心以专注于高级应用与云端相关负载，并通过eMCU域设计进一步提升ASIL-D和SIL-3等级下的功能安全水平，体现出高端车载SoC芯片在集中式网关中的平台化价值。 网络与控制一体化SoC提升系统性价比，满足多场景应用需求。汽车网络SoCDRA829处理器同样基于Arm®v864位架构，通过更高程度的系统集成降低汽车及工业应用中的整体系统成本，其集成式诊断与功能安全特性可满足ASIL-B/C或SIL-2认证要求，片上MCU岛设计使系统无需外部MCU即可完成控制功能。该器件集成千兆位以太网交换机与PCIe集线器，可支持高数据带宽的网络应用场景，最多四个ArmCortex-R5F子系统承担底层时序关键型处理任务，从而避免对ArmCortex-A72应用处理的干扰，双核ArmCortex-A72集群配置有助于实现多操作系统并行运行并显著降低对软件管理程序的需求，在车载SoC芯片向高集成与高可靠方向演进过程中具备较强的工程与成本优势。 图表 20：德州仪器 DRA821U-Q1 SoC 芯片结构图 资料来源：德州仪器官网，东方财富证券研究所 图表 21：德州仪器 DRA829 SoC 芯片结构图 资料来源：德州仪器官网，东方财富证券研究所 # 1.3.2. 消费电子跨界强者：舱驾融合路径清晰，高算力智驾SoC平台化 平台化产品矩阵逐步成熟，车载SoC算力与集成度持续提升。高通围绕智能座舱、智能驾驶及舱驾一体构建起完整的汽车芯片体系，形成从入门级到旗舰级的全覆盖布局。在智能座舱领域，Snapdragon Cockpit系列由SA8155、SA8295P等产品向第五代Cockpit Elite演进，4nm工艺与自研Oryon CPU架构显著提升CPU与AI性能，AI算力达到360TOPS，CPU性能提升至660kDMIPS，并通过Hexagon NPU与Adreno GPU的协同增强，实现多达16个4K显示、实时光线追踪及沉浸式3D体验，体现出高端车载SoC芯片在多屏交互、AI座舱与个性化体验方面的核心价值。 舱驾融合与自动驾驶并行推进，软件定义汽车路径清晰。智能驾驶方向上，Snapdragon Ride 系列从 8650/8620 的大规模上车应用，进一步升级至 AI 算力 720TOPS、18 核 CPU 的 Snapdragon Ride Elite，面向 L2+ 至 L3 自动驾驶场景实现更高算力密度与系统集成度，同时支持多达 40 个传感器及雷达、激光雷达与 ISP 处理能力。Snapdragon Ride Flex SoC (SA8775P) 以单颗 SoC 实现座舱与智驾融合，通过硬件隔离、ASIL-D 安全岛及多操作系统并行运行，显著降低系统复杂度。在 SDV 架构下，高通将硬件性能提升与软件灵活性深度结合，强化车载 SoC 芯片的可升级性、开发效率与成本控制能力，为智能汽车产业提供了具备示范意义的整体解决方案。 图表 22：高通车载芯片-座舱 资料来源：芯能智芯，OFweek电子工程网，东方财富证券研究所 图表 23：高通车载芯片-智能驾驶 资料来源：芯能智芯，OFweek电子工程网，东方财富证券研究所 算力效率显著提升，车载SoC级集中计算能力持续强化。AMD第二代Versal AI Edge系列自适应SoC通过优化后的AI引擎实现更高能效表现，其性能功耗比较上一代产品最高提升可达3倍，可充分满足ADAS与AD系统对中央计算平台的需求。该系列SoC依托异构架构设计，以单芯片方案覆盖自动驾驶系统感知、认知、规划与执行的完整流程，在功能集成度与算力效率层面展现出车载SoC芯片向高性能集中式架构演进的积极趋势。 异构协同与安全架构完善，覆盖多级自动驾驶应用需求。Versal AI Edge Series Gen2 支持视觉、雷达 /LiDAR 等多类型传感器输入，上述输入均可通过可编程 I/O 模块实现接入，并直接传输至可编程逻辑 PL 实现低延迟的专属处理，同时器件内置 ISP 与 ASIL 级 GPU 等硬化加速器，用于传感器融合与图形渲染，PL 则为感知与推理前的创新算法提供高度灵活的实现空间。行为规划由应用处理器完成，可支持 ASILB 拆分模式或 ASILD 锁定模式，决策结果经冗余校验后由 ASILD 级实时处理域下发执行指令，使该系列 SoC 在多功能性与可扩展性方面既可满足 L2 与 L2+ 系统需求，也可适配对冗余与安全要求更高的 L3 与 L4 系统。 图表 24：AMD 第二代 Versal AI Edge 满足 ADAS 和 AD 资料来源：AMD官网，东方财富证券研究所 图表 25：AMD 第二代 Versal AI Edge 结构示意图 图表26：英伟达智能驾驶SoC芯片AGXThor开发者套件 图表27：英伟达智能驾驶SoC芯片AGXOrin开发者套件 资料来源：AMD官网，东方财富证券研究所 平台化车载SoC持续演进，高算力辅助驾驶生态逐步成熟。英伟达车载SoC芯片主要包括Orin与Thor两大系列，其中DRIVEAGXOrin芯片基于高度可扩展的NVIDIA DRIVE平台构建，支持开发者以一次开发投入覆盖整个车队并灵活扩展辅助驾驶解决方案，其算力最高可达254INT8TOPS，可支持多个并发AI推理流水线，并基于量产级车规级芯片实现安全可靠的架构设计。该平台通过完整的开发者套件简化软件开发，并支持多系统互联以进一步提升性能，同时提供丰富的汽车I/O资源，包括16个GMSL摄像头接口、2x10GbE、10x1GbE、6x100MbE以及1个DisplayPort，并通过DRIVE SDK与NVIDIA DriveOS及NvMedia、NvStreams、CUDA、cuDNN和TensorRT等工具链，强化车载SoC芯片在辅助驾驶与智能座舱融合场景中的通用性与可扩展性。 新一代旗舰SoC量产落地，集中式计算能力显著跃升。2022年9月英伟达发布新一代SoC芯片Thor，单颗算力最高可达2000TOPS，约为Orin的近8倍，并在CES2025上宣布Thor正式进入量产阶段，算力进一步提升至5000TOPS，官方指出其可同时覆盖L4/L5级自动驾驶所需的复杂计算以及车载娱乐与智能座舱等多类应用场景。Thor芯片依托NVIDIA DRIVE平台，支持一次开发投入贯穿整个车队，在算力规格上可实现2000FP4或1000 INT8 TOPS，并提供16xGMSL2、2xGMSL3、3x100/1000/10G-T1、1个4K@60HzDisplayPort及6个GMSL3接口，同时通过DRIVE SDK与完整软件栈支持多并发AI推理与系统扩展。 资料来源：英伟达官网，东方财富证券研究所 资料来源：英伟达官网，东方财富证券研究所 算力与图形能力同步提升，智能座舱车载SoC体验显著升级。三星Exynos Auto V920面向新一代车载信息娱乐与智能驾驶场景打造，依托强劲的计算能力夯实车载SoC芯片底座，其集成10核心Arm Cortex-A78AE CPU，由2个四核集群与1个双核集群构成，在效率充分释放的同时实现CPU性能提升1.7倍，为未来车型提供更流畅、更沉浸的座舱交互体验。图形层面，Exynos Auto V920搭载基于AMD RDNA™2架构的Xclipse GPU，可支持多达6个高分辨率显示器多屏异显，丰富的图形渲染能力显著提升车内娱乐与交互界面的表现力，进一步强化高性能车载SoC在智能座舱中的核心价值。 AI与感知能力全面增强，安全与舒适性协同演进。Exynos Auto V920内置双核神经网络处理器NPU，AI性能提升至23.1TOPS，约为上一代产品的2.7倍，在AI技术加持下可实现对周围环境与驾驶员行为的实时监测，提升行车安全水平。该芯片支持多达12个摄像头并发接入，配合升级后的ISP实现片上4重曝光合并并支持最高144dB HDR，即便在复杂光照或明暗快速切换场景下仍可输出清晰画面。同时，嵌入式DSP集成3个HiFi5核心，带来沉浸式音频体验与清晰语音通话表现，使Exynos Auto V920在感知、交互与娱乐等多维度能力上形成协同。 图表 28: 三星 Exynos Auto V920 效果图 资料来源：三星官网，东方财富证券研究所 图表 29: 三星 Exynos Auto V920 架构图 资料来源：三星官网，东方财富证券研究所 多节点芯粒架构落地，车载SoC定制化同步优化。英特尔第二代AI增强SDV SoC率先在汽车行业采用多节点芯粒架构，使汽车厂商可按需定制计算、图形与AI功能，从而在降低开发成本的同时缩短上市时间。通过为不同功能模块匹配性能更优且更契合需求的芯片方案，该架构在保持车载SoC芯片整体一致性的同时实现性能与能效的精细化配置，相较上一代产品，生成式与多模态AI性能最高提升10倍，图形性能最高提升3倍，可显著增强HMI体验，并支持12个摄像头通道以提升摄像头输入与图像处理能力。这种灵活且面向未来的设计有助于汽车厂商打造差异化产品，在为驾驶员与乘客提供下一代体验的同时进一步降低功耗与系统成本。 生态协同持续深化，舱驾融合平台化路径清晰。英特尔通过与多家企业建立合作关系，持续推进汽车智能化进程，其中与黑芝麻智能联合发布的舱驾融合平台整合英特尔AI增强SDVSoc以及黑芝麻智能华山A2000和武当C1200家族芯片，形成远超单芯片方案的综合算力能力，可充分满足汽车厂商从L2+到L4的驾驶需求及对增强交互式座舱体验的要求。该平台采用开放、灵活且高度可扩展的平台化设计，实现一次设计适配不同车型，从而简化开发流程并提升开发效率。 图表 30：英特尔第二代 AI 增强 SDV SoC 资料来源：新浪科技，快科技，东方财富证券研究所 图表 31: 搭载英特尔独立显卡的舱驾融合平台 资料来源：新浪科技，快科技，东方财富证券研究所 # 2. 车载SoC架构革新叠加合作模式深化，多域融合与国产化共同驱动产业升级 # 2.1. 异构架构深化车载SoC性能边界，多模块协同驱动多域融合落地 车载SoC芯片整体由处理器、内部存储器以及外设I/O三大核心模块构成，它们在架构上相互耦合，共同支撑芯片在智能座舱、自动驾驶、车载娱乐等复杂场景下的实时计算能力与系统稳定性，为车载SoC在高可靠需求下实现多域融合奠定基础。 在处理器部分，车载SoC内部一般融合多种不同计算单元。通用逻辑运算单元通常基于CPU构建，承担系统层逻辑运算与软硬件资源管理职能，包括任务调度、外设访问、系统级诊断逻辑以及影子模式数据挖掘等功能。AI加速单元通常由NPU构成，负责执行大规模浮点并行计算，用作神经网络算法加速器，对AI计算需求进行处理。图像与视频处理单元一般依托DSP、ISP、GPU等结构完成任务，其中ISP用于摄像头图像信号调校，可实现AE自动曝光、AF自动对焦、AWB自动白平衡以及图像去噪等功能；DSP具有针对高计算密度任务的优势，适用于传统CV图像处理与自定义算子加速；GPU具备强浮点算力，面向3D渲染与图像拼接等处理需求。在安全机制方面，硬件安全模块HSM负责为应用提供加解密服务、敏感资产管理与密钥保护，而SatetyMCU承担SoC内部模块状态监控及错误上报，确保系统功能安全性。整体来看，多计算单元异构集成已成为车载SoC趋势，与当前智能电动车对高实时性能需求高度匹配。 内部存储器方面，易失性存储器在断电后无法保留数据，主要作为程序与数据运行的缓冲区域，典型包括SRAM与DRAM（DDR、LPDDR等）。非易失性存储器则可在断电后保存数据，核心用于固件与静态数据存放，常见类型包含NAND Flash（eMMC、UFS等）与NorFlash。存储结构的高能效设计对于车载SoC至关重要，尤其在自动驾驶冗余数据与高速缓存需求提升的大背景下，存储系统的带宽与读写安全已直接影响芯片整体性能释放。 图表 32：MCU 内部基本构成 资料来源：焉知汽车《车载SoC芯片产业分析报告》，东方财富证券研究所 图表 33: SoC 内部基本构成 资料来源：焉知汽车《车载SoC芯片产业分析报告》，东方财富证券研究所 外设I/O接口在车载SoC中主要用于数据通信与系统连接拓展。通用数据传输接口包含PCIe、LVDS、USB、SATA、CAN/CAN-FD以及以太网等；摄像头信号接口包括MIPI-CSI-2、GMSL与FPD Link；音频接口如I2S、TDM 与SPDIP；显示接口则覆盖DP与HDMI。多接口设计不仅提升SoC生态兼容性，也推动ADAS与智能座舱数据链路统一化发展，使整车系统架构可在软硬件解耦背景下保持扩展弹性。 # 2.2. 多路径车企合作体系成形，车载SoC产业链结构走向深度绑定与共创模式 车载SoC芯片产业链结构清晰，产业协同价值显著。车载SoC芯片的整个产业链可梳理为三个主要环节：上游、中游与下游，各环节紧密联动，共同支撑智能汽车电子系统快速发展。 上游环节覆盖IP核授权、EDA软件等设计工具厂商，以及半导体材料与设备厂商，为芯片研发提供基础资源与技术条件。作为车载SoC芯片设计的关键前置环节，该部分能力直接影响芯片成本结构与性能发挥。 中游环节主要包括芯片设计、晶圆制造及封装测试厂商，此周期构成从设计逻辑到成品流片落地的核心链条，决定芯片能否满足车规级可靠性要求。对于车载SoC芯片而言，该段工序质量对算力释放与稳定性表现尤为关键。 下游环节集中于Tier1与主机厂，是芯片实际应用落地的终端市场。车载SoC芯片在智能座舱、智能驾驶等系统中需求迅速扩大，使下游厂商成为推动产业规模化与商业价值兑现的关键力量。 图表 34：车载 SoC 产业链 资料来源：焉知汽车《车载SoC芯片产业分析报告》，东方财富证券研究所 图表 35：车载 SoC 产业链相关公司 资料来源：佐思汽研，东方财富证券研究所 芯片IP在设计体系中承担基础模块角色，其价值体现在效率与风险控制上。芯片IP是由专门公司针对特定功能需求开发的标准芯片功能模块，具备经过验证、成熟可靠和可重复使用等特性，其核心作用在于帮助芯片设计企业提升设计效率、缩短开发周期，并在此过程中降低设计风险、设计成本与开发难度。对于车载SoC芯片而言，IP复用机制能够进一步推动产品研发节奏，以适应汽车电子快速迭代的产业特征。 SoC芯片内部结构由大量不同功能模块构成，标准化模块化设计显著提升项目可复制性。一款SoC芯片通常由多类功能模块组合形成，其中高重复度使用的功能模块会被标准化开发为“积木”式芯片IP。通过这种方式，芯片设计公司在开展SoC芯片项目时，可以针对高度标准化的功能模块，通过IP授权形式采购成熟、适配的模块进行组合式设计，从而实现资源最优配置，并提升整体流片成功率。 车载应用对芯片IP组合结构提出差异化需求，使设计路径更具针对性。 在开展车载SoC芯片设计过程中，芯片设计公司会依据不同系统规格与应用场景采用不同类型的IP形成组合式设计逻辑。通常情况下，汽车芯片IP可划分为处理器IP、存储IP、接口IP和安全IP。这类分层结构既能满足车规场景安全性、可靠性与实时性需求，也能为未来算力扩展留下系统空间。 图表 36：车载 SoC 芯片架构示意图 资料来源：焉知汽车《车载 SoC 芯片产业分析报告》,东方财富证券研究所 EDA工具在芯片研发体系中处于底层支撑位置，是提升设计效率与成功率的重要基础。EDA（Electronic Design Automation），即电子设计自动化，指以计算机为工具，由设计者通过专用软件完成集成电路功能设计、综合、验证和物理设计（包括布局、布线、版图及设计规则检查等）的一系列流程，该方法贯穿芯片设计、制造、封装与测试的完整链条。对于车载SoC芯片而言，EDA工具在复杂架构实现、车规级可靠性保障及成本控制方面都具有显著价值，是推动智能汽车电子体系规模化落地的重要技术支撑。 EDA工具按针对对象与使用场景的差异，可划分为模拟设计类、数字设计类、晶圆制造类、封装类和系统类五大类别，各类工具共同构建芯片从逻辑到物理设计的工作闭环。正是这些工具体系的深度参与，使芯片研发路径得以标准化和流程化，从而有效提升整体工程质量与开发效率。 图表 37：EDA 产业链 资料来源：前瞻产业研究院，东方财富证券研究所 图表 38：EDA 工具图例 资料来源：Market Research Intellect, 东方财富证券研究所 当前主流车企已普遍深入布局车载SoC芯片赛道，但推进路径呈现显著差异化，且部分企业会同时采用多种方式并行推动。整体布局模式大致可分为四类：第1种模式为自研模式，即车企采用Fabless方式组建自身芯片设计研发团队，提升技术掌控能力；第2种模式为合资模式，由主机厂与芯片公司成立合资企业实现优势互补；第3种模式为战略合作模式，即主机厂提出需求与 架构，由芯片厂商完成设计开发；第4种模式为战略投资模式，即主机厂通过参股芯片公司建立更紧密协作体系。对车载SoC芯片行业而言，多路径并存的竞争格局将持续推动整体技术发展与生态完善。 # 2.3.舱驾一体加速演进，一芯多屏重塑座舱交互范式 多功能前视一体机加速落地，国产车载SoC赋能L2级智驾规模化应用。英恒多功能前视一体机围绕前视相关高级驾驶辅助场景进行系统化设计，内部集成1路摄像头，并可外部接入多路毫米波雷达，实现前向感知与决策能力的高度整合，面向L2及以下驾驶辅助功能（如ACC/AEB/LKA等）提供一体化解决方案。 在系统层面，该方案采用具有竞争力的国产化硬件路径，搭载地平线J2/J3芯片，在成本与性能之间实现较优平衡；同时具备较为丰富的场景识别能力，可支持自适应巡航、自动紧急制动、车道偏离预警、交通标识识别等多场景应用；并兼顾功能安全需求，支持高达2MP/8MP图像传感器及一流的功耗设计，为车载SoC在前视ADAS场景中的规模化应用奠定基础。 图表 39：多功能前视一体机系统框图 资料来源：英恒官网，东方财富证券研究所 轻量级行泊一体域控加速向全时运行单 SoC 方案集中，架构效率优势逐步显现。与传统缓存系统不同，CVflow 架构通过创新性的片上内存组织方式，将 On-chip Memory 划分为多个不同大小的内存块，即 Partial Buffers（PB），用于存储计算过程中的中间结果，从而显著减少对外部 DRAM 的访问次数。在轻量级行泊一体域控向单 SoC 全时运行方案集中的技术趋势下，该架构在算力效率与系统能效层面具备较强适配性。具体来看，PB 结构相较传统缓存设计更为简洁，有助于节省芯片面积并降低制造成本与功耗；同时，CVflow 为 PB 配置独立 DMA（Direct Memory Access）通道，实现 DRAM 与 PB 之间的大块数据高效传输，避免多次小数据搬运带来的带宽瓶颈，并减少数据在内存与向量处理器（NVP）之间的搬运次数，从而降低访存延迟与系统开销。此外，PB 在 CVflow 内部以环形结构组织，使数据预加载可与计算单元并行进行，硬 件调度器在PB被消耗后自动加载下一数据块，进一步提升整体计算效率；配合CVflow转换工具对PB的自动化管理，开发者无需进行复杂的片上内存优化即可实现高效运行。以卷积神经网络为例，传统架构完成一次完整计算需进行12次DRAM访问，而在CVflow架构下，3到12过程的内存访问被低延迟的PB所取代，仅在输入与输出阶段各进行一次DRAM访问，总计减少10次DRAM访问，在显著降低计算延迟的同时，有效抑制外部DRAM访问带来的功耗开销。 图表 40: CVflow 卷积神经网络计算示例 资料来源：安霸，半导体芯科技，东方财富证券研究所 分布式控制的架构成本与协同压力凸显，座舱电子复杂度持续上升。近年来，多数整车厂在座舱方案中为车载娱乐系统、数字液晶仪表及HUD等电子设备分别配置独立控制器，由各控制器单独完成显示界面输出，这一模式在实际应用中逐步暴露出结构性问题。一方面，控制器数量的持续增加显著抬升整车硬件成本，使整车厂面临更为严峻的成本控制压力；另一方面，在座舱信息交互频率不断提升的背景下，多屏联动需求推动控制器之间通信量快速增长，通信延迟随之放大，同时也对整车厂在多供应商体系下实现多屏协同开发提出了更高要求，制约了用户体验的进一步提升。 集中式算力架构逐步落地，一芯多屏推动车载SoC价值释放。随着芯片行业的快速发展，车载芯片算力实现跨越式提升，使依托单颗SoC系统级芯片同时运行多个操作系统并驱动多块显示屏进行融合交互的一芯多屏方案逐渐成为现实。2015年世界通信大会上，伟世通首次推出智能座舱解决方案SmartCore，通过在一颗多核SoC级芯片上并行运行车载娱乐系统、数字仪表及HUD等多个独立系统，重塑了座舱内的信息传输与交互方式，大幅降低多屏协同实现难度。该方案于2018年率先在奔驰车型上实现量产，标志着智能座舱正式迈入一芯多屏阶段。 图表 41: 由 “单芯单屏” 到 “一芯多屏” 图表 42: SmartCore 一芯多屏智能座舱方案 资料来源：焉知汽车《车载 SoC 芯片产业分析报告》,东方财富证券研究所 资料来源：芯语，汽车电子与软件等，东方财富证券研究所 多模态交互加速落地，座舱体验向自然化与智能化演进。智能座舱的舱内交互方式正由传统物理按键逐步拓展至语音、手势及视觉等多模态形态，其中视觉交互覆盖DMS与OMS等功能，语音与感知能力协同提升整体用户体验。在语音交互环节，前端技术主要包括VAD、回声消除与噪声抑制，后端则涵盖语音识别、语义理解及对话管理等能力，当前对NPU算力需求相对有限，更多依赖DSP与CPU完成处理，这一技术分工也为车载SoC芯片在算力资源配置与能效优化方面提供了更高的设计灵活性。 视觉感知能力持续增强，集中式SoC助力交互融合与安全提升。随着DMS、OMS及手势控制功能逐步整合至座舱域控制器，视觉交互在智能座舱中的重要性不断提升，3DTOF摄像头的引入使3D手势识别与驾驶员身份识别Face-ID成为可能，在提升交互准确性的同时强化行车安全。上述多模态能力在单一座舱域内的融合，对集中式计算与数据协同提出更高要求，也进一步凸显高性能车载SoC芯片在支撑多传感器接入、实时处理与安全交互方面的积极价值。 图表 43：智能座舱人机交互发展图 资料来源：芯语，汽车电子与软件等，东方财富证券研究所 图表 44：智能座舱人机交互效果示意图 资料来源：芯语，汽车电子与软件等，东方财富证券研究所 # 3. 国产SoC量产在即：性能迭代与商业确定性增强 # 3.1. 地平线机器人：AI芯片叠加算法协同，智能驾驶平台化量产打开成长空间 地平线机器人成立于2015年，是市场领先的乘用车智能辅助驾驶解决方案供应商。公司整合领先的算法、专用软件与先进的处理硬件，为基础辅助驾驶及全场景辅助驾驶提供核心技术，持续提升驾驶员与乘客的安全性和体验感。依托已大规模部署的前装量产解决方案，地平线已成为智能汽车转型与商业化进程中的关键推动者。公司以“机器人时代的Wintel”为目标，将深度神经网络置于芯片之中，构建具备环境感知、人机交互与决策控制能力的智能“机器人大脑”，推动从万物互联向万物智能演进。同时，地平线拥有业界领先的智能辅助驾驶全栈研发团队，在算法、软件与硬件等方向持续投入，致力于通过务实的智驾技术创新，为汽车产业与终端用户创造长期价值。 公司营业收入整体呈快速扩张态势，近年来持续增长。2024年实现阶段性盈利，随后短期承压，但仍处于规模扩张与盈利模式优化并行阶段。分业务看，2025H1收入主要来自汽车解决方案中产品解决方案及授权与服务，非车解决方案占比较小。随着前装量产项目持续推进，公司中长期盈利修复具备基础。 图表 45：地平线机器人 2025H1 年分业务收入(亿元) 资料来源：Chioce-公司深度资料，东方财富证券研究所 图表 46：地平线机器人历年营收及归母净利润 资料来源：Chioce-公司深度资料，东方财富证券研究所 在产品层面，地平线围绕智能辅助驾驶构建了由计算平台到系统方案的完整产品体系。底层以征程车载智能计算方案为核心，面向辅助驾驶应用打造可拓展、高性能、低功耗的车载计算平台，已迭代至第四代并于2024年发布征程6系列，覆盖从基础辅助驾驶到全场景智能辅助驾驶的量产需求，核心搭载自主研发的BPU智能加速引擎，实现软硬件协同优化。基于该计算平台，公司推出面向基础辅助驾驶量产的Horizon Mono™解决方案，作为率先实现前装量产的本土ADAS方案，已在乘用车市场形成规模化应用。此外进一步向高阶演进，地平线推出HSD（Horizon SuperDrive™）全场景辅助驾驶系统，基于征程6P构建一段式端到端城区辅助驾驶架构，通过端到端模型与强化学习技术，实现从感知输入到轨迹输出的全流程打通，致力于打造安全、可靠且用户“好用、爱用”的高阶智驾体验。 图表 47：地平线机器人车载智能计算方案 资料来源：地平线机器人官网，东方财富证券研究所 图表 48：地平线机器人辅助驾驶解决方案 资料来源：地平线机器人官网，东方财富证券研究所 2025年8月，地平线征程6E正式开启量产交付并实现多车型上车，首批量产车型涵盖埃安霸王龙、名爵MG4、荣威M7DMH及奇瑞等主流品牌，标志着征程6系列全阶量产版图进一步完善。征程6E聚焦高速NOA场景，具备性能与成本平衡优势，可支持高速辅助驾驶与智能泊车等功能，加速高速辅助驾驶向主流市场普及。与征程6M形成协同布局后，地平线在中阶辅助驾驶市场构建起覆盖高速与城区场景的量产解决方案组合。征程6E/M已获得超20家主流OEM平台化定点，覆盖百余款车型。伴随征程家族累计迈入千万级量产里程碑，征程6系列全阶产品矩阵正加速形成规模化增长飞轮。 图表 49：地平线机器人征程 6 系列 资料来源：中国日报中文网，咸宁新闻网，东方财富证券研究所 # 3.2.黑芝麻智能：车载计算芯片量产落地提速，平台化合作与开源生态同步推进 黑芝麻智能科技有限公司成立于2016年，是领先的车规级智能汽车计算芯片及基于芯片的解决方案供应商，并于2024年在香港交易所主板挂牌上市。公司以辅助驾驶计算为核心切入点，先后推出华山系列高算力芯片及武当系列跨域计算芯片，覆盖辅助驾驶、智能座舱、先进成像与互联等关键汽车智能化应用场景。依托自主研发的IP核、算法与支持软件，黑芝麻智能构建了以SoC为核心的全栈式解决方案，服务于L2-L3级ADAS及辅助驾驶感知系统，并逐步向智能交通、智能机器人及消费电子等领域拓展。公司在全球多地设有研发及销售中心，汇聚来自汽车与芯片行业的资深团队，形成“既懂芯片、又懂汽车”的复合型技术优势。 公司营业收入整体保持高速增长态势。分业务看，2025H1收入主要来自辅助驾驶及解决方案。盈利端方面，公司归母净利润长期承压。2024年实现阶段性盈利后，2025年上半年再度出现亏损，反映公司仍处于技术投入与商业化放量并行阶段。 图表 50: 2020-2025H1 黑芝麻智能营收与归母净利润 资料来源：Chioce-公司深度资料，东方财富证券研究所 图表 51：黑芝麻智能 1H25 营收构成 (亿元) 资料来源：Chioce-公司深度资料，东方财富证券研究所 黑芝麻智能科技有限公司围绕智能汽车与机器人场景，构建了以车规级芯片与平台化软件为核心的多层次产品体系。在车载计算芯片方面，公司推出华山系列高性能辅助驾驶芯片，覆盖L2+/L3级及全场景通识辅助驾驶需求；并进一步推出武当系列多域融合与单芯片NOA计算平台，通过软硬协同架构设计，在安全、成本与灵活性之间实现平衡，支持舱驾泊融合及复杂场景应用。在此基础上，公司布局融合感知、认知、决策、控制与安全闭环的全脑智能计算平台，面向全场景机器人商业化部署。同时，黑芝麻智能推出瀚海ADSP辅助驾驶中间件平台，依托华山系列芯片，提供覆盖SoC、MCU与主机端的完整开发工具链与开放接口，支持多场景快速开发与部署，降低客户开发成本，加速辅助驾驶与车路协同方案落地。 2025年以来，黑芝麻智能在车载计算芯片与平台化合作方面持续推进。公司与大陆集团达成合作备忘录，进一步深化在智能汽车领域的协同；华山A1000家族芯片获得一汽平台定点。公司发布基于武当家族芯片的安全智能底座，武当C1296芯片获得东风平台定点，标志着其多域融合计算方案在整车平台层面取得实质性进展。此外，黑芝麻智能作为共建单位参与发布天元OS跨域中间件全栈开源版本，通过软硬件解耦与跨域协同，推动智能汽车软件生态建设与辅助驾驶技术规模化落地。 图表 52：天元 OS 跨域中间件正式全栈开源发布 资料来源：黑芝麻智能官网，东方财富证券研究所 # 3.3.全志科技：VR&AR一站式方案与高增业绩驱动发展 全志科技成立于2007年，是一家专注于智能应用处理器SoC、高性能模拟器件及无线互联芯片设计的集成电路厂商。公司总部位于珠海，并在深圳、西安、上海、成都、横琴、广州及香港等地设有研发中心或分支机构，2015年在深交所创业板上市（300458）。全志科技坚持以客户为中心，持续投入核心技术，在超高清视频编解码、多核CPU/GPU/NPU集成、高集成度与超低功耗设计及全栈平台化方案等方面形成竞争优势，产品广泛应用于工业控制、智慧汽车、智慧家电、机器人、智慧安防及物联网等多个领域。 全志科技营业收入整体呈现波动上行态势，2024年公司实现营业收入22.88亿元，同比增长 $36.8\%$ ，在经历前期调整后实现明显修复；2025年前三季度收入21.61亿元。从结构看，智能终端应用处理器芯片为核心收入来源，2024年收入约19.63亿元，占比较高。盈利端方面，公司归母净利润在2023年探底后快速修复，2024年回升至1.67亿元，同比大幅增长，2025年前三季度进一步提升至2.78亿元，同比增长 $84.1\%$ ，显示在收入放量带动下，盈利弹性持续释放。 图表53：2020-2025Q1-Q3全志科技营收与归母净利润 资料来源：Chioce-公司深度资料，东方财富证券研究所 图表 54：全志科技 2024 年营收构成(亿元) 资料来源：Chioce-公司深度资料，东方财富证券研究所 全志科技围绕端侧与边缘AI应用，构建了覆盖消费、工业及车载场景的完整SoC产品矩阵。公司A、F、H、R、T、TV、V等系列处理器面向不同性能与功耗区间，广泛应用于智能硬件、智慧安防及车载终端等领域，并配套提供智能电源管理芯片（AXP系列）等产品，形成系统级解决方案能力。其中，聚焦视觉与AI场景的V系列是重点布局方向，覆盖IPC、AI眼镜、运动相机、行车记录仪、门铃门锁等应用，形成从轻算力到高性能、从多路扩展到微型封装的产品梯队。以AI眼镜为代表，全志通过“芯片+算法+方案+应用”的全栈式供给，推动端侧AI在视觉感知、编码处理与多模交互场景中的规模化落地，体现其平台化产品矩阵与生态协同优势。 图表 55: 全志科技产品系列 资料来源：全志科技官网，东方财富证券研究所 全志科技持续推进新一代SoC产品落地，在消费与视觉端侧AI方向推出A733等新一代八核AI平板电脑处理器，采用12nm工艺并通过Android 15GMS认证，相关产品已实现量产。面向视觉IoT与智能穿戴等应用，公司新一代高集成、低功耗的V821系列多模态感知SoC已实现全面量产，并拓展至AI眼镜等新兴终端场景。与此同时，全志在工业领域发布T153芯片并系统性阐述“全志工业2.0”战略，围绕工业计算与智能控制持续完善从芯片到系统的软件与生态布局。 图表56：全志科技A733处理器通过谷歌最新Android15GMS认证 资料来源：全志科技微信公众号，东方财富证券研究所 图表 57：全志科技 V821 系列 资料来源：芯语，全志在线等，东方财富证券研究所 # 4.投资建议 建议关注国产车载SoC芯片产业链在智能化与国产替代趋势加速下的投资机会，建议关注黑芝麻智能、地平线机器人和全志科技等标的。黑芝麻智能在华山与武当系列量产推进下绑定多家主机厂平台，助力高阶智驾扩张；地平线机器人依托征程6系列切入高速与城区NOA核心赛道，平台化商业模型验证度持续增强；全志科技凭借视觉与多模态SoC积累叠加车载生态扩张，有望实现业绩增长。 # 5.风险提示 $\spadesuit$ 盈利能力风险：若上游原材料价格出现远超预期的上涨，将冲击相关企业成本结构。一旦原材料价格显著提升，将对终端盈利带来压力，叠加车载SoC芯片持续提升算力规模与制程要求，其成本敏感性或进一步放大，使企业盈利波动风险加剧。 客户集中度与定点不确定性风险：若核心客户车型销量不及预期、平台策略调整或定点项目出现推迟甚至取消，将对相关SoC芯片厂商出货规模与收入确认节奏产生扰动，进而放大经营业绩波动风险。 $\spadesuit$ 供应链及产能匹配风险：车载SoC芯片对制程节点、晶圆代工、先进封装及车规级测试环节要求较高，对供应链稳定性依赖显著。若未来先进制程产能出现阶段性紧张，或车规级产线良率、交付节奏不及预期，将可能制约SoC芯片厂商放量能力，并对新品导入和规模化出货形成掣肘。 $\spadesuit$ 国产替代节奏不及预期风险：车载SoC芯片国产化推进除技术性能外，还需通过长期可靠性验证及主机厂体系认证。认证周期长、准入门槛高，可能导致国产芯片量产上车节奏滞后，拖累国产替代进程。 # 分析师申明 作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解，报告清晰准确地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响。 # 投资评级说明 报告中所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为以报告发布日后的3-12个月内的公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅。其中：A股市场以沪深300指数为基准；新三板市场以三板成指为基准；香港市场以恒生指数为基准；美国市场以标普500指数为基准。 # 股票评级 买入：相对同期相关证券市场代表性指数涨幅 $15\%$ 以上； 增持：相对同期相关证券市场代表性指数涨幅介于 $5\% \sim 15\%$ 之间； 中性：相对同期相关证券市场代表性指数涨跌幅介于 $-5\% \sim 5\%$ 之间； 减持：相对同期相关证券市场代表性指数跌幅介于 $15\% \sim 5\%$ 之间； 卖出：相对同期相关证券市场代表性指数跌幅 $15\%$ 以上。 # 行业评级 强于大市：相对同期相关证券市场代表性指数涨幅 $10\%$ 以上； 中性：相对同期相关证券市场代表性指数涨跌幅介于 $-10\% \sim 10\%$ 之间； 弱于大市：相对同期相关证券市场代表性指数跌幅 $10\%$ 以上。 # 免责声明 东方财富证券股份有限公司（以下简称“本公司”）具有中国证监会核准的证券投资咨询业务资格。 本报告由本公司制作及在中华人民共和国（香港和澳门特别行政区、台湾省除外）发布。 本报告仅供本公司的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。 本报告信息均来源于公开资料或本公司认为可靠的资料，但本公司对该等信息的真实性、准确性和完整性不作任何保证。本报告所载的资料、意见及预测仅反映报告出具日的判断，且预测方法及结果存在一定程度局限性。在不同时期，本公司可发出与本报告所刊载的意见、预测不一致的报告，但本公司没有义务和责任及时更新本报告所涉及的内容并通知客户。 本报告所载的盈利预测、评级、估值等观点，均基于特定的假设和前提条件，不构成所述证券买卖的出价或征价，亦不构成对具体证券在具体价位、具体时点、具体市场表现的投资建议。 在任何情况下，本报告的内容不构成对任何人的投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需求。客户需充分考虑自身特定状况，不应单纯依靠本报告所载的内容而取代个人的独立判断。本公司不对任何人因使用本报告所载任何内容所引致的任何损失负任何责任，投资者需自行承担风险。 在法律允许的情况下，本公司或其关联机构可能会持有报告中提到的公司所发行的证券头寸并进行交易，也可能为这些公司提供或争取提供投资银行、财务顾问等服务。客户应充分考虑可能存在的利益冲突，勿将本报告作为投资决策的唯一参考依据。 本报告版权均归本公司所有，未经本公司事先书面授权，任何机构或个人不得以任何形式复制、发布、传播本报告的全部或部分内容。经授权刊载、转发本报告或者摘要的，应当注明本报告发布人和发布日期，并提示使用本报告的风险。未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。