
数据和算法要求提升,自动驾驶芯片算力持续提升(或从低于100tps到远期1000tps)。一方面大模型及大型自动驾驶数据处理提出大算力需求;另一方面,高规格摄像头等传感器上车提供更多需要处理的数据,增加算力消耗,比如传统的L1-L2级自动驾驶,配备120-200万像素摄像头,只需要对车道检测等简单功能提供算力,而800万的高像素及L2+高阶自动驾驶上车要求自动驾驶系统处理城区复杂路况、多交互场景的路口变道等情况,神经网络算法要求提升,域控制器算力需求进一步提升。根据36氪研究院整理数据,L2级及以下智能驾驶算力需求通常为10-100TOPS,而L3级算力需求为100TOPS以上,到L4级算力需求跃升至1000TOPS以上。
以华为为代表的自动驾驶芯片占比持续提升。根据佐思汽车研究数据,2024年9月,乘用车自动驾驶域控制器渗透率为16.6%,同比+8.7pct,环比+1.1pct,其中mobileye、TI、地平线、英伟达、特斯拉FSD、华为芯片占比分别为16.6%、1.7%、12.6%、29.7%、19.9%、12.8%,同比分别变动分别变动+5、-2.5、-3、-2.8、-10、+10.6pct,环比分别变动+1.9、+1、-1、-0.5、-2.6、+0.1pct。2024年1-9月,乘用车自动驾驶域控制器渗透率为14.8%,同比+7.0pct,其中mobileye、TI、地平线、英伟达、特斯拉FSD、华为芯片占比分别为18.5%、1.7%、12.4%、26.5%、20.2%、13.7%、7%,同比分别变动-2.1、0、+0.3、+3.4、-16.4、+12pct。