近日，新汽车行业动作频频。特斯拉市值在短短一年内已经超越了其他传统汽车巨头市值，而中国的新汽车三杰也遇到了市场的追捧。在半导体行业内，Nvidia、高通、苹果等巨头也都在积极布局智能汽车行业，而本文将为大家分析智能汽车行业给半导体芯片带来的新市场和机会。
智能汽车或将重复当年智能手机的故事
智能汽车行业在四年前开始变得热门，而随着以特斯拉为代表的新一代汽车公司的产品开始真正量产并进入主流应用，下一代汽车的肖像开始变得明晰。
与当年猜测下一代汽车将会以自动驾驶为推动力不同的是，目前看来下一代汽车的真正推动力将是智能化，而自动驾驶将会只是智能化的一个组成模块。所谓汽车智能化，其过程与之前的手机智能化类似——在手机智能化的过程中，技术过程是引入了标准化硬件平台和操作系统，并且在操作系统中允许开发者实现各种App来提升用户的体验，从而大大拓展了原来功能机以打电话发短信为主的单调用户体验。
我们认为，智能汽车也有可能会走类似的路径。通过底层硬件平台接口和操作系统统一化，智能汽车将会给用户提供全新的用户体验，而这种用户体验可能通过软件来升级。上周，汽车媒体《Automotive News Europe》对Nvidia CEO黄建勋进行了一次专访，在专访中黄建勋认为，未来的智能汽车将会拥有可以用软件升级的用户体验，从而带来全新的基于增值服务的商业模式，这也进一步印证了我们的观点。
正如同当年手机智能化给半导体行业带来了新的市场类似，智能汽车也将会给半导体行业带来全新的市场和机会。
智能汽车多媒体化需要的芯片
如果问当初智能手机给用户第一个印象深刻的改变是什么，我相信大多数用户会回答触摸屏，因为用户交互界面往往是能快速抓住用户的心的关键要素。我们认为，这一点在智能汽车同样成立，因此我们首先看好的机会就是智能汽车和用户交互方面的芯片市场。
目前，汽车的用户交互界面仍然不够优化，要么就是完全停留在老式的按钮式设计配合仪表盘，要么就是照搬智能手机的触摸屏。我们认为，智能汽车将会在用户输入界面和用户输出界面上都有革新，而这些革新就是半导体公司的机会。
首先，从用户输入方面，智能汽车需要能给用户提供无干扰式输入方式，即用户可以在驾驶汽车时手不离开方向盘就完成和智能汽车的交互。目前，该领域的主流技术路径是使用声控技术，即基于类似亚马逊Alexa或者百度小度这类语音识别技术，从用户的语音输入中提取相关的信息并完成相应地命令。显然，这需要在汽车里安装麦克风，更关键的是为了实现更好的用户体验和识别精度可能会需要多个麦克风来组成麦克风阵列。这是由于在汽车驾驶过程中往往环境噪音较大，为了能让语音识别系统能将用户的语音和环境噪音区分开，一个使用的方法就是使用多个麦克风组成麦克风阵列，并且使用波束成形技术来改善信噪比。此外，考虑汽车对于稳定性和极限噪声的容忍度，一辆智能汽车很可能会需要安装多颗能满足车规标准并且动态范围很大的麦克风来实现语音输入交互系统。因此，智能汽车市场对于麦克风芯片公司，无论是传统公司如Knowles或者新兴公司如Vesper都是一个新机会。此外，对于用户语音，智能汽车需要能在很短的延迟内就完成语音识别和相关操作，因此需要一块强而有力的计算芯片来完成处理，这一方面的机会我们将在本文的后面详细分析。
而在用户输出方面，目前最有希望的技术路径是使用HUD技术将仪表盘和其他信息投影到前挡风玻璃上，用一种类似AR的方式来实现浸入式的驾驶体验，从而用户的视线无需离开路面就能够同时接收到智能汽车提供的信息。
在HUD方面，其核心增长市场在于投影相关的芯片。目前，已经有不少半导体公司在努力打入相关的市场。例如，TI的DLP（Digital Light Processing，数字光处理）芯片在HUD领域有不小的潜力。DLP使用的技术是微型反射镜阵列，通过数字信号去控制反射镜阵列中镜面的特性，从而实现精确的光路控制和投影效果，然而其主要缺陷在于成本较高。除了DLP反射镜阵列之外，另一个较为著名的技术路径是激光扫描技术，该技术使用激光一次投影一个像素点，并通过MEMS实现像素点的快速扫描，从而完成图像投影。在HUD投影领域，相关的芯片技术革新速度较快，未来几年内可望会看到这些不同的技术之间的发展和竞争，目前仍难言哪一种技术会成为最主流，但是该市场的前景是毋庸置疑的。
传感器为智能汽车核心体验赋能
如果说用户交互系统是智能汽车的门户的话，那么辅助驾驶乃至智能驾驶就是智能汽车的核心体验了。在这个领域，我们认为自动驾驶离大规模普及还有一段距离，但是各种等级的辅助驾驶（例如半自动变道、定距巡航等等）已经在大规模铺开，而且预计在未来几年会稳步升级。无论是自动驾驶还是辅助驾驶，背后都需要一套全新的传感器系统。
这套智能驾驶需要的传感器系统会包括摄像头、毫米波雷达乃至于LiDAR等多种传感器，而在未来几年内有最大市场增量的我们认为是高精度毫米波雷达芯片。目前，传统毫米波雷达芯片已经广泛使用在盲点监测、倒车等领域，因此毫米波雷达从技术上说已经为主流认可。而传统毫米波雷达主要是点检测和测距，而下一代高精度毫米波雷达需要实现的则是能够扫描一块区域并实现测距（而不是集中在一个点的测距上），并作为摄像头的重要补充。技术上，这需要毫米波雷达能完成波束成形并且将波束在测距区域内实现扫描，这就将雷达系统的复杂度提高了一个数量级。对于毫米波雷达芯片来说，下一代高精度毫米波雷达需要讲多个毫米波收发机以及相关的数字信号处理模块集成在芯片上实现一个小型SoC，需要的工作量也比传统毫米波雷达要高不少。
目前，高精度毫米波雷达芯片市场还处于上升期，不少芯片公司在这个领域都有布局，而如加特兰等中国公司也在这个市场上有一席之地。高精度毫米波雷达市场较大，产品有一定门槛但是又并非高不可及，因此我们预期在未来几年内随着市场的热度上升会有更多国内外新公司进入这个领域。
计算平台的芯片机会
智能车和传统汽车最关键的技术区别或许就是有一个强力的中央处理系统可以运行一个通用操作系统并实现用户体验可升级化，而前面所述的多媒体、传感器等系统都将与这个中央处理系统有机地结合在一起。例如，多媒体系统中的用户输入需要中央处理系统能提供足够的算力支持以完成神经网络计算，多媒体系统中的HUD需要中央处理系统完成渲染算法以把需要显示的信息转换成待投射的画面，而中央处理系统则根据传感器系统的输入来做sensor fusion（传感器融合）并随时采取相应行动，例如方向盘矫正、加减速等。
我们认为未来智能汽车中央处理系统芯片将会是一个复杂的SoC，已完成多路输入输出的处理。首先，它需要一个很强的处理器核来运行操作系统以及一些核心的驾驶逻辑。在处理器核之外，还需要大量的计算能力来完成辅助驾驶、用户交互等功能（我们认为这两类功能未来都会大量使用神经网络来完成，而神经网络计算需要大量算力）。除此之外，针对一些特定的功能（例如渲染），还会再SoC上放置专用的模块来完成高效处理。
在智能汽车中央处理器领域，与智能手机类似我们预计会有开放和封闭两个生态。开放生态基本上是由某个厂商牵头，并形成一个标准化软硬件联盟，在同一标准下可以有多种软硬件解决方案和平台，类似智能手机里的安卓生态；而封闭型生态则是从操作系统到硬件全部都掌握在一个厂商手里，类似苹果iOS生态。
目前，高通、Nvidia等芯片公司已经在积极布局智能汽车中央处理芯片，我们认为他们产品最可能针对的是开放生态，因为对于芯片公司来说，开放生态能产生的出货量往往远大于封闭生态。例如，高通的骁龙系列汽车平台使用骁龙SoC提供处理能力，较为适合本代智能汽车对于处理能力的需求，相信未来随着智能汽车中各类模组（如HUD等）的逐渐主流会加入更多专用的处理模块；而Nvidia则较为激进地从算力端入手，用GPU为智能汽车（尤其是辅助和自动驾驶）提供强大的算力，从而可望为下一代智能汽车提供赋能。两者一个着手于满足目前客户需求，另一个则更具有前瞻性，而我们预期在未来的某个时间节点两者将会收敛到一个较为接近的方案，或者成为同一系统中的互补部分。
而在封闭生态方面，下一代智能汽车公司最了解自己的痛点在哪里，因此可以结合汽车产品和操作系统做有针对性的芯片设计，从而为自己产品的核心特性赋能。例如，特斯拉已经在智能汽车的中央处理芯片上做了很大的投资，目标产品是一款高算力用以支持自动驾驶的芯片，因为该领域是特斯拉雄心勃勃，投入巨大的赌注。而苹果我们预期也会为汽车产品设计自己的芯片。我们认为，相比十年前的智能手机市场，目前的智能汽车市场有可能会有更多封闭生态，主要原因是半导体行业代工行业进一步成熟，门槛进一步降低，因此智能汽车公司将有更多的可能自研芯片，从而实现对于核心差异点的赋能。
智能汽车中央处理器的设计将会很大程度决定智能汽车的具体特性和能力，甚至智能汽车的形态和商业模式，预计将会在未来几年内有许多重要的巨头入场，而我们将持续保持密切关注。
