近日，新汽車行業動作頻頻。特斯拉市值在短短一年內已經超越了其他傳統汽車巨頭市值，而中國的新汽車三杰也遇到了市場的追捧。在半導體行業內，Nvidia、高通、蘋果等巨頭也都在積極布局智能汽車行業，而本文將為大家分析智能汽車行業給半導體芯片帶來的新市場和機會。

　　智能汽車或將重復當年智能手機的故事

　　智能汽車行業在四年前開始變得熱門，而隨著以特斯拉為代表的新一代汽車公司的產品開始真正量產并進入主流應用，下一代汽車的肖像開始變得明晰。

　　與當年猜測下一代汽車將會以自動駕駛為推動力不同的是，目前看來下一代汽車的真正推動力將是智能化，而自動駕駛將會只是智能化的一個組成模塊。所謂汽車智能化，其過程與之前的手機智能化類似——在手機智能化的過程中，技術過程是引入了標準化硬件平臺和操作系統，并且在操作系統中允許開發者實現各種App來提升用戶的體驗，從而大大拓展了原來功能機以打電話發短信為主的單調用戶體驗。

　　我們認為，智能汽車也有可能會走類似的路徑。通過底層硬件平臺接口和操作系統統一化，智能汽車將會給用戶提供全新的用戶體驗，而這種用戶體驗可能通過軟件來升級。上周，汽車媒體《Automotive News Europe》對Nvidia CEO黃建勛進行了一次專訪，在專訪中黃建勛認為，未來的智能汽車將會擁有可以用軟件升級的用戶體驗，從而帶來全新的基于增值服務的商業模式，這也進一步印證了我們的觀點。

　　正如同當年手機智能化給半導體行業帶來了新的市場類似，智能汽車也將會給半導體行業帶來全新的市場和機會。

　　智能汽車多媒體化需要的芯片

　　如果問當初智能手機給用戶第一個印象深刻的改變是什么，我相信大多數用戶會回答觸摸屏，因為用戶交互界面往往是能快速抓住用戶的心的關鍵要素。我們認為，這一點在智能汽車同樣成立，因此我們首先看好的機會就是智能汽車和用戶交互方面的芯片市場。

　　目前，汽車的用戶交互界面仍然不夠優化，要么就是完全停留在老式的按鈕式設計配合儀表盤，要么就是照搬智能手機的觸摸屏。我們認為，智能汽車將會在用戶輸入界面和用戶輸出界面上都有革新，而這些革新就是半導體公司的機會。

　　首先，從用戶輸入方面，智能汽車需要能給用戶提供無干擾式輸入方式，即用戶可以在駕駛汽車時手不離開方向盤就完成和智能汽車的交互。目前，該領域的主流技術路徑是使用聲控技術，即基于類似亞馬遜Alexa或者百度小度這類語音識別技術，從用戶的語音輸入中提取相關的信息并完成相應地命令。顯然，這需要在汽車里安裝麥克風，更關鍵的是為了實現更好的用戶體驗和識別精度可能會需要多個麥克風來組成麥克風陣列。這是由于在汽車駕駛過程中往往環境噪音較大，為了能讓語音識別系統能將用戶的語音和環境噪音區分開，一個使用的方法就是使用多個麥克風組成麥克風陣列，并且使用波束成形技術來改善信噪比。此外，考慮汽車對于穩定性和極限噪聲的容忍度，一輛智能汽車很可能會需要安裝多顆能滿足車規標準并且動態范圍很大的麥克風來實現語音輸入交互系統。因此，智能汽車市場對于麥克風芯片公司，無論是傳統公司如Knowles或者新興公司如Vesper都是一個新機會。此外，對于用戶語音，智能汽車需要能在很短的延遲內就完成語音識別和相關操作，因此需要一塊強而有力的計算芯片來完成處理，這一方面的機會我們將在本文的后面詳細分析。

　　而在用戶輸出方面，目前最有希望的技術路徑是使用HUD技術將儀表盤和其他信息投影到前擋風玻璃上，用一種類似AR的方式來實現浸入式的駕駛體驗，從而用戶的視線無需離開路面就能夠同時接收到智能汽車提供的信息。

　　在HUD方面，其核心增長市場在于投影相關的芯片。目前，已經有不少半導體公司在努力打入相關的市場。例如，TI的DLP（Digital Light Processing，數字光處理）芯片在HUD領域有不小的潛力。DLP使用的技術是微型反射鏡陣列，通過數字信號去控制反射鏡陣列中鏡面的特性，從而實現精確的光路控制和投影效果，然而其主要缺陷在于成本較高。除了DLP反射鏡陣列之外，另一個較為著名的技術路徑是激光掃描技術，該技術使用激光一次投影一個像素點，并通過MEMS實現像素點的快速掃描，從而完成圖像投影。在HUD投影領域，相關的芯片技術革新速度較快，未來幾年內可望會看到這些不同的技術之間的發展和競爭，目前仍難言哪一種技術會成為最主流，但是該市場的前景是毋庸置疑的。

　　傳感器為智能汽車核心體驗賦能

　　如果說用戶交互系統是智能汽車的門戶的話，那么輔助駕駛乃至智能駕駛就是智能汽車的核心體驗了。在這個領域，我們認為自動駕駛離大規模普及還有一段距離，但是各種等級的輔助駕駛（例如半自動變道、定距巡航等等）已經在大規模鋪開，而且預計在未來幾年會穩步升級。無論是自動駕駛還是輔助駕駛，背后都需要一套全新的傳感器系統。

　　這套智能駕駛需要的傳感器系統會包括攝像頭、毫米波雷達乃至于LiDAR等多種傳感器，而在未來幾年內有最大市場增量的我們認為是高精度毫米波雷達芯片。目前，傳統毫米波雷達芯片已經廣泛使用在盲點監測、倒車等領域，因此毫米波雷達從技術上說已經為主流認可。而傳統毫米波雷達主要是點檢測和測距，而下一代高精度毫米波雷達需要實現的則是能夠掃描一塊區域并實現測距（而不是集中在一個點的測距上），并作為攝像頭的重要補充。技術上，這需要毫米波雷達能完成波束成形并且將波束在測距區域內實現掃描，這就將雷達系統的復雜度提高了一個數量級。對于毫米波雷達芯片來說，下一代高精度毫米波雷達需要講多個毫米波收發機以及相關的數字信號處理模塊集成在芯片上實現一個小型SoC，需要的工作量也比傳統毫米波雷達要高不少。

　　目前，高精度毫米波雷達芯片市場還處于上升期，不少芯片公司在這個領域都有布局，而如加特蘭等中國公司也在這個市場上有一席之地。高精度毫米波雷達市場較大，產品有一定門檻但是又并非高不可及，因此我們預期在未來幾年內隨著市場的熱度上升會有更多國內外新公司進入這個領域。

　　計算平臺的芯片機會

　　智能車和傳統汽車最關鍵的技術區別或許就是有一個強力的中央處理系統可以運行一個通用操作系統并實現用戶體驗可升級化，而前面所述的多媒體、傳感器等系統都將與這個中央處理系統有機地結合在一起。例如，多媒體系統中的用戶輸入需要中央處理系統能提供足夠的算力支持以完成神經網絡計算，多媒體系統中的HUD需要中央處理系統完成渲染算法以把需要顯示的信息轉換成待投射的畫面，而中央處理系統則根據傳感器系統的輸入來做sensor fusion（傳感器融合）并隨時采取相應行動，例如方向盤矯正、加減速等。

　　我們認為未來智能汽車中央處理系統芯片將會是一個復雜的SoC，已完成多路輸入輸出的處理。首先，它需要一個很強的處理器核來運行操作系統以及一些核心的駕駛邏輯。在處理器核之外，還需要大量的計算能力來完成輔助駕駛、用戶交互等功能（我們認為這兩類功能未來都會大量使用神經網絡來完成，而神經網絡計算需要大量算力）。除此之外，針對一些特定的功能（例如渲染），還會再SoC上放置專用的模塊來完成高效處理。

　　在智能汽車中央處理器領域，與智能手機類似我們預計會有開放和封閉兩個生態。開放生態基本上是由某個廠商牽頭，并形成一個標準化軟硬件聯盟，在同一標準下可以有多種軟硬件解決方案和平臺，類似智能手機里的安卓生態；而封閉型生態則是從操作系統到硬件全部都掌握在一個廠商手里，類似蘋果iOS生態。

　　目前，高通、Nvidia等芯片公司已經在積極布局智能汽車中央處理芯片，我們認為他們產品最可能針對的是開放生態，因為對于芯片公司來說，開放生態能產生的出貨量往往遠大于封閉生態。例如，高通的驍龍系列汽車平臺使用驍龍SoC提供處理能力，較為適合本代智能汽車對于處理能力的需求，相信未來隨著智能汽車中各類模組（如HUD等）的逐漸主流會加入更多專用的處理模塊；而Nvidia則較為激進地從算力端入手，用GPU為智能汽車（尤其是輔助和自動駕駛）提供強大的算力，從而可望為下一代智能汽車提供賦能。兩者一個著手于滿足目前客戶需求，另一個則更具有前瞻性，而我們預期在未來的某個時間節點兩者將會收斂到一個較為接近的方案，或者成為同一系統中的互補部分。

　　而在封閉生態方面，下一代智能汽車公司最了解自己的痛點在哪里，因此可以結合汽車產品和操作系統做有針對性的芯片設計，從而為自己產品的核心特性賦能。例如，特斯拉已經在智能汽車的中央處理芯片上做了很大的投資，目標產品是一款高算力用以支持自動駕駛的芯片，因為該領域是特斯拉雄心勃勃，投入巨大的賭注。而蘋果我們預期也會為汽車產品設計自己的芯片。我們認為，相比十年前的智能手機市場，目前的智能汽車市場有可能會有更多封閉生態，主要原因是半導體行業代工行業進一步成熟，門檻進一步降低，因此智能汽車公司將有更多的可能自研芯片，從而實現對于核心差異點的賦能。

　　智能汽車中央處理器的設計將會很大程度決定智能汽車的具體特性和能力，甚至智能汽車的形態和商業模式，預計將會在未來幾年內有許多重要的巨頭入場，而我們將持續保持密切關注。