智能电动汽车行业报告：千亿车载半导体市场（42页）

行业报告下载 2021年11月24日 06:08 管理员

行业“缺芯”事件以及智能化升级的趋势下，进口替代趋势将加速，国内千亿车载半导体市场未来可期。份额（27%➡40%）：2019年国内汽车半导体占据全球半导体市场份额的27%（国内/国外分别为30/80亿美元），预计2030 年将提升至40%（国内/国外分别为110/170亿美元），增速（国内/外CAGR分别为13.8%/7.8%）：2019-2030年国内外汽车半导体复合增速分别为13.8%、7.8%，国内汽车半导体增速显著高于国外。按照半导体在智能汽车上具体的应用领域划分：计算及控制芯片：此类芯片以微控制器和逻辑IC为主，主要用作计算分析和决策，可分为主控芯片和辅助芯片。存储芯片：主要用于数据存储功能，具体包含DRAM（动态存储器）、SRAM（静态存储器）、FLASH（闪存芯片）等。传感芯片：主要用于探测、感受外界的信号、物理条件或化学组成，并将探知的信息转变为电信号或其他所需形式传递给其他设备。具体包含CIS、MEMS、电流传感器、磁传感器、陀螺仪、VCSEL芯片和SPAD芯片（用于激光雷达）。

通信芯片：主要用于发送、接收以及传输通信信号，包括基带芯片、射频芯片、信道芯片、电力线载波通信芯片等。能源供给芯片：主要用于保证和调节能源传输，以分立器件为主。具体包括电源管理芯片、晶体管（IGBT、MOSFET等）等。传统用于中央计算的CPU已无法满足智能汽车的算力需求，集合AI加速器的系统级芯片（SoC）应运而生。仅依靠CPU的算力与功能早已无法满足汽车智能化所需，将CPU与GPU、FPGA、ASIC等通用/专用芯片异构融合的 SoC方案被推至台前，成为各大AI芯片厂商算力军备竞赛的主赛道。 SoC中各处理器芯片各司其职，其中： CPU负责逻辑运算和任务调度； GPU作为通用加速器，可承担CNN等神经网络计算与机器学习任务，将在较长时间内承担主要计算工作； FPGA作为硬件加速器，具备可编程的优点，在RNN/LSTM/ 强化学习等顺序类机器学习中表现优异，在部分成熟算法领域发挥着突出作用； ASIC可实现性能和功耗最优，作为全定制的方案将在自动驾驶算法中凸显其价值。