许多造车新势力不得不延迟交付，甚至推迟新品发布。
汽车产业正经历从“机械定义汽车”到“智能定义汽车”的时代，而电动车无论是车载芯片的数量还是质量，都要显著高于燃油车。随着新能源车渗透率大幅度提升，智能驾驶渐行渐近，而汽车AI智能芯片正是其中的“核心支点”。
这场缺芯潮，让车载AI智能芯片的重要性愈发凸显。
1、黄金赛道
1939年，纽约世界博览会上，通用汽车公司（GM）用“Futurama”的模拟城市第一次向世人展示了自动驾驶的梦想。
直到2015年前后，汽车行业才看到了实现自动驾驶的希望，并开始探索自动驾驶技术的落地和产业化。如今，行业层面已形成共识：芯片和汽车的大融合，是智能驾驶的前提。
从最早的ECU“行车电脑”，到如今各式各样的汽车芯片，汽车电子产业的发展突飞猛进。
时至今日，汽车上搭载的芯片可以大致分为三类：AI芯片、控制类MCU和IGBT功率器件。这其中，AI芯片是一辆汽车从“传统汽车”进化为“智能汽车”的关键，它负责着自动驾驶感知、人机交互的计算和处理。
和智能手机的升级换代一样，智能驾驶等级的逐步提升，对汽车芯片算力提出更高的要求。
传统的MCU难以满足智能驾驶的需求，AI芯片才能“挑起大梁”。现阶段L2级别自动驾驶计算量为10TOPS（1TOPS代表处理器每秒可进行一万亿次操作），L3级别需要60TOPS，更高级的L4算力将跃升至100TOPS，是L2级别的整整十倍。
相比MCU，AI芯片完全是“降维打击”，后者的算力得到了跃进式的提升，更能满足智能驾驶的算力需求。比如，英伟达祭出的Xiavier/Orin/Atlan芯片算力可以达到惊人的30/200/1000TOPS，堪称“性能怪兽”。
【找小本创业信息，就上创业网】
据研究机构预测，汽车MCU的市场空间未来十年翻倍，而汽车AI芯片在未来十年将拥有15倍的增长空间，年复合增长率高达近30%。
预计到2025年，中国汽车AI芯片的市场蛋糕将达到68亿美元，2030年为124亿美元，年复合增长率预计可达28.14%。
全球市场的增速更快，预计到2030年，全球汽车AI芯片市场将以31%的年复合增速飙升至236亿美元。
与此同时，政策面也有明确的时间表。此前颁布的《新能源汽车产业规划》中就提出，高度自动驾驶汽车先于2025年在限定区域和特定场景实现商业化；2035年，就要实现规模化应用。
技术迭代，叠加政策面的大力支持，汽车AI芯片成为新能源车下一个“黄金赛道”。
但令人担忧的是，即便智能驾驶已经提到了国家政策层面，更是我国汽车产业转型升级的关键。但和消费电子领域的芯片一样，我国在汽车芯片赛场上的“参与感”很低，严重依赖进口。
真实的数据更为残酷：2019年，我国自主汽车芯片规模仅占全球的4.5%，汽车芯片对外依赖度高达90%。
就连非常基础的胎压监测芯片，直至去年才由四维图新（002405.SZ）旗下的杰发科技实现自主研发量产。
这背后，必须要弄清楚汽车芯片和消费级芯片的区别。
汽车芯片的标准高于民用芯片，仅次于军用芯片。由于使用场景更为复杂，汽车芯片必须耐高温、耐低温、防尘防水防颠，且生命周期要远远高于数码产品，可靠性和耐用性要远高于消费级芯片。
而且，汽车芯片要具备一定的技术性能，最重要的要满足车规级的要求，即行业有相关的标准ISO26262、AEC-Q100。
虽然总体而言，汽车芯片技术指标弱于手机芯片，制程工艺上，手机芯片已经向5nm进发，而汽车芯片目前普遍在7nm-180nm之间，但未来车载AI芯片的技术要求将进一步提升；另外，车规芯片的使用要求更加严苛，因此在汽车芯片领域，我国一直处于落后状态，国产化仍然道阻且长。
2、欧美垄断
目前汽车芯片基本被海外巨头“卡脖子”，缺芯潮又更加凸显了这种窘境。
知彼知己，百战不殆。先来看看国外巨头的市场格局和发展策略。
在L1-L2低级别辅助驾驶领域，英特尔Mobileye和赛灵思占据领先地位，Mobileye的市占率超70%。2020年，Mobileye年出货量接近2000万片，赛灵思则超过700万片。
Mobileye擅长视觉技术，赛灵思擅长感知计算。汽车厂商L2级自动驾驶普遍使用Mobileye的视觉方案+赛灵思的毫米波雷达芯片，这一市场基本被Mobileye和赛灵思“垄断”。
2017年3月，英特尔以153亿美元现金收购了Mobileye；去年10月，AMD宣布计划以350亿美元收购赛灵思，这笔收购有望在今年底完成。因此，未来在低级别驾驶辅助芯片领域，英特尔和AMD将有望成为两大巨头。
在高级别（L2+级以上）领域，英伟达和高通开始加入战团，并且采取不同的策略。
高通主攻智能驾驶舱领域，由于在消费电子领域的积累，高通可以将其技术优势进行平移，目前市面主流的智能驾驶舱车机芯片基本都出自于高通。
2014年，高通携602A芯片杀入车载市场，目前装车最多的要数高通骁龙820A，骁龙820是2016年高通推出的旗舰手机芯片，820A则是在此基础上进行车规级的改良。从手机到汽车，高通期望赢者通吃。
虽然当前的820在移动端上已经落伍，但820A依然是车机芯片中的顶级货，主流车型的首选。
时间来到今年6月，第3代高通骁龙汽车数字座舱平台，已经在吉利星越L上首次实现量产。该款车采用了高通8155车载芯片，采用7nm工艺，性能是820A的三倍，功耗却是其1/4。
黄仁勋领导的英伟达则是后发制上，依靠强大的技术实力，英伟达在高级别自动驾驶领域遥遥领先。
今年4月12日，在英伟达发布会上，黄仁勋拿出了全新的自动驾驶SoC Atlan芯片，单颗SoC的算力能够达到1000TOPS，战力爆表，相比上一代Orin芯片算力提升近4倍，比大多数L4级自动驾驶车辆整车的算力还要强。
基于此芯片，英伟达推出了目前世界上算力最强的自动驾驶芯片方案——Drive AGX Robotaxi。
当然，这样的算力无疑是过剩的。此前英伟达推出的Orin及Xavier是当下车企搭载的主流，7nm工艺的Orin芯片可实现200TOPS的运算性能，功耗仅为45W，采用12nm工艺的Xavier，算力为30TOPS，功耗仅为30W。
可见看出，英伟达拥有不断迭代的技术路线，产品序列囊括了Xavier、Orin、Atlan系列芯片，以及Hyperion、Drive AGX系统平台，可支持L2-L5级别的自动驾驶。
特斯拉则是采用自研芯片的“全链路”路线，也是软硬件结合最为成功的车企。自研的FSD芯片已经在Model 3量产，其FSD业务在2020年就进账10亿美元，特斯拉预计FSD未来的收入将会超过卖车。
今年8月，特斯拉发布超级计算机DOJO，算力可达362TOPS，使用7nm工艺，预计2022年量产。
可见，国外科技巨头在汽车AI芯片领域上演着你追我赶的“军备竞赛”，并为下一代技术做着充足的储备。
3、中国追赶
国外巨头已经扎好篱笆，先行出发，并建立起规模、技术、生态等优势。但靠着巨大的新能源车增量市场，中国企业正加速追赶。
首先是通过资本并购，韦尔股份（603501.SH）并购豪威科技，成为车载CIS（图像传感）芯片领头羊，全球范围内仅次于安森美半导体；
其次是依靠自有体系快速成长。典型的案例是比亚迪半导体，依靠比亚迪飙升的新能源车销量，比亚迪半导体快速成长为国内IGBT的领头羊，目前仅次于英飞凌，在国内IGBT市场占有率为19%，位居国内厂商第一名。
当然AI智能芯片的难度要远高于CIS和IGBT，不过，国内企业已经开始构建生态圈，仰仗庞大的新能源车市场，进行合力突围。比如华为+塞力斯、北汽极狐等；地平线+长安汽车等；零跑+阿里平头哥……
由于先进制程的5G芯片受限，而车规级芯片压力较小，华为开始在汽车芯片领域发力，智能汽车业务成为其突破之道。
汽车AI芯片必须和下游汽车厂商通力合作，才能真正实现产业化落地。华为和北汽的合作就十分紧密，11月19日，配置了麒麟990A座舱芯片、鸿蒙OS系统、华为高阶自动驾驶ADS系统的北汽极狐阿尔法S华为HI量产版正式亮相。
类似高通，华为将其在消费电子领域的技术积累迁移至汽车领域。而华为在座舱领域和自动驾驶领域都有布局，分别拿出了麒麟芯片和昇腾芯片。产品应用方面，除了绑定极狐Alpha S华为Hi版和小康塞力斯，联盟战友还包括：上汽、吉利、江淮、一汽红旗、东风汽车等车企。
最后，国内一些企业开始自我研发，蔚来成立了Smart HW项目，新兴企业黑芝麻、地平线等都在死磕自动驾驶芯片。
地平线推出的征程5算力达到96 TOPS，制程工艺提升至7nm，对标英伟达Orin、Mobileye EyeQ5。下一代芯片征程6也已投入研发，有望在2024年实现量产。
目前，多家车企已向征程芯片抛出橄榄枝，长安UNI-T、岚图FREE、奇瑞蚂蚁、上汽智己、传祺GS4 Plus等车型有望采用地平线的芯片。
成立于2016年的黑芝麻，是汽车自动驾驶芯片领域的新兵，但技术迭代飞速。
黑芝麻推出的基于A1000芯片的级联FAD方案，最高算力可以达到280TOPS，直接叫板特斯拉的FSD自动驾驶电脑。
今年4月，黑芝麻又拿出了新一代A1000pro，算力将达到106TOPS，刷新了国内自动驾驶计算芯片的算力记录。
目前，黑芝麻已经和一汽、蔚来、上汽等车企，博世等汽车零部件巨头，滴滴等网约车平台，以及中科创达等软件企业展开合作。其中，黑芝麻和一汽红旗深度绑定，未来有望在红旗的车型上，看到黑芝麻的产品。
重压之下，华为、地平线、黑芝麻等国内企业已经开始奋起直追，一些国产替代方案已经开始在国产车上量产落地。
冰河已经开始破裂，但胜利还远未到来，华为的ADS方案还没有找到第二个合作伙伴，地平线、黑芝麻、零跑等初创企业才开始发力。除了堆叠算力，软硬件的结合，商业模式的打造，还处于摸索阶段。
而芯片和驾驶体验的深度融合，甚至智能驾驶和整个智慧交通的同步发展，都将是AI芯片企业需要深度思考的问题。