功率半导体-大算力-智能汽车-互联网分析

功率半导体-大算力-智能汽车-互联网分析

参考文献链接

https://mp.weixin.qq.com/s/dw0Btk126Ime6BF3zDVvJQ

https://mp.weixin.qq.com/s/ToahiU5hKWKlSQ_I91J9ZA

https://mp.weixin.qq.com/s/Q9pzX4NRyoSP07EeZWRz2A

https://mp.weixin.qq.com/s/uoEX8JlGF6iIyHOaCuIrcg

https://mp.weixin.qq.com/s/sTjBM1D_FWW-6aWtBs1EFw

车规功率半导体

2022年上半年中国新能源乘用车占比世界新能源车份额59%，位居全球第一。工业和信息化部数据显示，我国新能源汽车产量已连续7年位居世界第一。中国已经成为全球最大的新能源汽车市场，中国汽车工业协会预测，2022年国内新能源汽车销量将达到550万辆。

今年7月，新能源汽车产销量分别达到61.7万辆和59.3万辆，同比增长均为1.2倍，2022年前7个月，新能源汽车产销分别达到327.9万辆和319.4万辆，中国市场新能源汽车的渗透率达到21.6%。

在新能源汽车的供应链上电池、电机、电控、功率半导体、视频传感器、激光雷达、控制器、执行器件等硬件正在成为新的重要组成部分。对半导体产品需求指数级的增长与产能扩建速度之间的矛盾导致多家整车企业曾因为芯片缺货不得不停产、减配。

供应链的稳定和智能化技术的加持是头部新能源车品牌销量持续上升的重要因素。在国与国之间科技竞争日趋白热化之际，实现汽车半导体自主可控迫在眉睫。车规功率半导体作为新能源汽车的重要组件，无论整车企业还是功率半导体企业都在瞄准这一赛场。

潜力巨大的车规功率半导体市场

由于新能源汽车电池动力模块都需要功率半导体，混合动力汽车的功率器件占比增至40%，纯电动汽车的功率器件占比增至55%。按照纯电动汽车半导体单车价值750美元计算，功率半导体单车价值量约为455美元，相比传统汽车新能源车队功率半导体需求提升接近9倍。在众多被新能源汽车带动的半导体产品中，汽车功率器件市场成为受益最大的赛道之一。

 

 

 新能源汽车动力总成的简化示意图，来源：Amoker

根据英飞凌给出的数据，插混合纯电车型中，电动机成为了主要的动力输出来源，功率半导体的平均价值量上升到330美元，整体单车半导体含量也上升至834美元。因此在汽车的电动化进程中，功率半导体的用量和价值量增长十分显著。其中最具代表性的两类功率器件为IGBT和MOSFET。

IGBT作为一种耐高压、高频的电力电子开关器件，在汽车上的应用主要以高压电能变换为主，最核心的应用为主驱逆变。其余应用也包括车载OBC及电池管理/车载空调/转向助力等高压辅助系统，此外也应用于各类直流和交流充电桩．

MOSFET则广泛应用于汽车上的低压用电器，如电动座椅调节、雨刷器等所用的直流电机、LED照明、电池电路保护等应用。车规IGBT模块承受电压高、过电流大，在汽车电动化进程中价值量提升最为明显；MOSFET应用更为广泛，高端车型用量可达400个，随着汽车高端化和智能化趋势，车载用电器将日益增多。

据Omida预测，2019年中国功率半导体市场规模达到177亿美金，占比全球市场比例高达38%，2024年市场规模有望达到206亿美金。

车厂进入功率半导体赛道

在新能源汽车的竞争中，汽车企业如何在成本控制和供应链能力上取得领先是关键之一。要发展新能源汽车，就绕不开功率半导体。为此，近年来大批新能源汽车企业纷纷扎进这一领域。

车厂进入造功率半导体主要有两种类型，一种是类似比亚迪半导体，依靠自有整车平台进行生产，目前比亚迪半导体已经实现了累计逾百万辆的IGBT模块装车量。但由于功率半导体器件进入有一定门槛，更多的车厂选择通过合资的方式实现快速量产。

上汽集团与英飞凌公司合资设立上汽英飞凌，上汽英飞凌已经大批量生产车规级IGBT，并广泛应用于国内众多新能源汽车。东风汽车与中国中车联合成立的智新半导体，智新半导体于2021年7月正式将IGBT生产线投入量产，该产线以第六代IGBT技术为基础，首批下线的IGBT模块将搭载于东风风神、岚图等自主品牌车型上。据悉，智新半导体建成的一期年产能为30万只，二期建成后，年产能将达120万只。与此同时，智新半导体碳化硅模块也已进入研发阶段。

2021年5月吉利汽车旗下威睿电动汽车与芯聚能半导体，2022年4月该公司宣布“芯聚能碳化硅主驱模块”成功登陆“smart精灵#1”量产纯电动车，成为内地第一批由第三方提供的、进入量产乘用车的碳化硅主驱模块，也标志着芯聚能半导体碳化硅模块和使用碳化硅模块的控制器均已进入量产状态。

2022年8月理想汽车与国内半导体领先企业湖南三安半导体共同出资组建的苏州斯科半导体公司打造，预计2022年内竣工后进入设备安装和调试阶段，2023年上半年启动样品试制，2024年正式投产后预计产能将逐步提升并最终达到240万只碳化硅半桥功率模块的年生产能力。

传统功率器件大厂志在千里

除了造车新势力，国内传统功率半导体大厂也选择在汽车功率半导体赛道上深耕，如斯达半导、中车时代、士兰微等，这几家企业都已经正处于快速市场化阶段。

 

 

 斯达半导整体进展相对较快，该公司的产品在一些中小功率的电子电控上已经有批量应用，但在超过100kW的中大功率电子电控产品上应用比较少。据斯达半导发布的2021年财报显示，斯达半导生产的应用于主电机控制器的车规级IGBT模块持续放量，合计配套超过60万辆新能源汽车，其中A级及以上车型配套超过15万辆，同时公司在车用空调，充电桩，电子助力转向等新能源汽车半导体器件份额进一步提高。

斯达半导基于第六代TrenchFieldStop技术的650V/750V车规级IGBT模块新增多个双电控混动以及纯电动车型的主电机控制器平台定点，1200V车规级IGBT模块新增多个800V系统纯电动车型的主电机控制器项目定点。同时基于第七代微沟槽TrenchFieldStop技术的新一代车规650V/750V/1200VIGBT芯片研发成功，预计2022年开始批量供货。

中车时代建有6英寸双极器件、8英寸IGBT和6英寸碳化硅的产业化基地，现有4英寸碳化硅芯片线年10000片/年的能力。中车时代主要以新能源车低压IGBT为主，现已获得广汽、东风等车厂的批量订单。此前理想汽车由于英飞凌IGBT产品供应不上，中车时代的IGBT凭借在成本和交期方面的优势，成功在2021年5月进入理想汽车供应链。

4月12日，中车时代半导体拟投资4.62亿元进行碳化硅芯片生产线技术能力提升建设项目，项目建设工期24个月。项目建成达产后现有4英寸碳化硅芯片线将会提升到6英寸，产量将提升至25000片/年。

士兰微基于公司自主研发的V代IGBT芯片的电动汽车主电机驱动模块，已在国内多家客户通过测试，并已在部分客户批量供货。目前公司正在加快汽车级和工业级功率模块产能的建设，预计今后公司PIM模块的营业收入将快速成长。据士兰微相关负责人表示，该公司的IGBT模块B1、B3已进入批量供货阶段，

华润微功率器件事业群加快6英寸IGBT产品升级以及8英寸IGBT技术平台开发和产品系列化研发，IGBT模块积极拓展汽车电子领域等中高端市场的头部客户以国际汽车大厂审核为契机，积极推进汽车电子体系建设，参照车业项目流程，进行产品立项研发及AEC-Q101体系考核，完善车规级产品体系与供应能力。ICVIEWS了解到，华润微预计将在今年年底推出车规级功率器件。

捷捷微电此前表示，汽车电子将成为公司未来重点拓展的市场之一。目前，捷捷微电在与中科院联合攻坚以搭建800V～1200V车规级碳化硅MOSFET，搭建650V及以上车规级IGBT平台。8月16日，捷捷微电功率半导体“车规级”封测产业化项目已开工，正在进行厂房等基础设施和配套的建设，建设期在2年左右。

共同吹起汽车功率半导体国产化的号角　

造车新势力新造车品牌需求量相对较小，对半导体大厂的议价权相对较弱，出于成本控制和供应链保障的原因，造车新势力在功率半导体产品上已经向国内的厂商打开了大门。

目前，零跑汽车导入了士兰微的产品。士兰微的IGBT模块B1采用IGBT4芯片，适用30-60kW的电动汽车，即A00级车，被零跑T03大量采用。

小鹏汽车导入了中车时代的产品。而在此之前，小鹏汽车和理想汽车类似，同时还评估了包括斯达半导、比亚迪半导体等在内的多家本土半导体企业的IGBT供应能力。

无论是造车新势力下场，还是传统功率半导体大厂发力车规赛道，可以确定的是，国产车与国内半导体厂商的合作与沟通正在变得更加密切。这对于国产汽车和国产半导体厂商都是件好事。

算力提升1000倍

说到算力提升，大家可能想到的就是通过工艺进步、Chiplet封装以及架构优化来提升性能，以及通过“东数西算”扩建数据中心的方式来扩大计算节点的规模。

但仅仅考虑这些，还远远不够。要想实现算力1000倍甚至更多倍的提升，势必需要宏观整体全方位的协同优化和创新。

具体办法，本文详细分析。

---

1 算力综述

1.1 对算力的追求，永无止境

几个典型案例：

• 2012-2018年共6年时间里，人们对于AI算力的需求增长了超过30万倍；
• 要想实现L4/L5级别的自动驾驶算力，需要将目前两位数TOPS的算力提升到四位数TOPS，需要算力提升100倍；
• Intel SVP拉加·库德里表示，要想实现元宇宙级别的用户体验，需要当前的算力要再提升1000倍。

软件和硬件，是一对永恒的矛盾：硬件永远无法满足软件对性能的需要。

目前，算力要想进一步提升，遇到非常大的挑战：一方面，基于CPU的性能已经到达瓶颈，摩尔定律失效；另一方面，通过AI-DSA等加速方式提供的算力灵活性、易用性都很差，导致算力的利用率很低，芯片的落地规模很小。

换个视角看，因为硬件的约束，限制了软件的迅猛发展。假设硬件可以立竿见影、快速的提供相比目前千倍万倍的算力，上层应用场景一定会繁花似锦，我们可以大踏步的走进元宇宙等数字新时代。

对算力的追求，永无止境！

1.2 跟算力相关的因素

在今年二月份的时候，公众号发布了《预见·第四代算力革命》四篇系列文章，详细地拆解了算力的组成因素，以及介绍了新一代的计算架构。在文章中，我们列出了如下的公式：

实际总算力 = （单个处理器的）性能 x 处理器的数量 x 利用率

这样，跟算力相关的需要优化的因素就可以简单总结为三个层次：

• 第一个层次，单芯片性能。单芯片性能的提升，简单地来说，主要有三个办法：工艺进步、Chiplet封装以及架构/微架构创新。
• 第二个层次，芯片的落地规模，即数量。要想芯片大规模落地，首先要考虑的不是简单的建设数据中心，买更多的服务器，而是要考虑芯片是否能够支持大规模落地。例如，受AI算法快速多变和算法众多的原因，目前AI芯片的落地存在困境。
• 第三个层次，整体算力的利用率。如果算力资源不能连成一片，一盘散沙，那就没有意义。要想提升算力利用率，考虑的重心不是单芯片的资源利用率，而是宏观资源利用率。宏观资源利用率，就是把所有的计算资源连成一个大的计算资源池，然后可以非常灵活的资源切分、组合、分配和回收。挑战在于，如何把种类繁多的异质的计算资源汇集到一个资源池。

三个层次，从微观、中观再到宏观，逐次为大家解开算力提升的方方面面。接下来，我们详细拆解。

2 第一层：提升单芯片的性能

2.1 方法一：工艺进步

要想单芯片持续不断的性能提升，工艺封装是主要的推动力量。工艺持续进步、3D堆叠等技术，在芯片上可以容纳更多的晶体管，也意味着芯片的规模可以越来越大。目前的挑战在于，随着工艺进入5纳米以内，工艺进步对芯片的性能提升变得越来越缓慢。

未来，量子工艺，可能会替代现在的CMOS工艺。有了量子门级电路的强力支撑，显著地提升了芯片的性能，而上层的芯片架构和软件生态，跟现有工艺是兼容的，仍然可以持续繁荣发展。

2.2 方法二：通过Chiplet，立竿见影地大规模提升单芯片设计规模

Chiplet，中文通常称为小芯片，意思就是说通过把不同功能的裸芯片DIE，通过某种介质封装在一起，从而形成多DIE的单芯片。

 

 

 UCIe是一个开放的行业互连标准，可以实现小芯片之间的封装级互连，具有高带宽、低延迟、经济节能的优点。UCIe能够满足几乎所有计算领域，包括云端、边缘端、企业、5G、汽车、高性能计算和移动设备等，对算力、内存、存储和互联不断增长的需求。UCIe 具有封装集成不同Die的能力，这些Die可以来自不同的晶圆厂、采用不同的设计和封装方式。

Chiplet的价值非常巨大，有了Chiplet标准UCIe之后，整个产业链的企业可以一起行动起来，快速地把应用Chiplet技术的相关芯片产品落地，这会使得平均单芯片设计规模会显著激增。也意味着在宏观背景下，单芯片可以支持显著增加的设计规模，也即显著增加的性能。

2.3 方法三：通过超异构计算，指数级的提升芯片性能

Chiplet技术可以显著的、数量级的提升芯片的设计规模。但如果我们不在架构上进行大范围的创新，而是小修小补，那么就会暴殄天物。

 

 

 Chiplet的利用方式，如上图所示，大体上可以分为三种：

• 方案1：设计规模不变，优化单DIE面积和良率等，可以百分比的提升性能。
• 方案2：单DIE设计规模不变，多DIE集成。这样，随着面积的增加，性能可以线性增长。
• 方案3：多DIE集成设计规模倍增，并且重构系统。如下图所示，通过超异构的方式，构建更加优化的系统，这样可以做到随着面积的增加，指数级的增加性能。

 

 图 通过超异构重构并优化（宏）系统

3 第二层：提升芯片的落地规模（数量）

要想提升芯片的落地规模，并不是直接复制这么简单。这里涉及很多复杂的先决问题，需要解决。一个典型反面案例就是目前的AI芯片困境：由于AI-DSA的灵活性跟AI算法所需要的灵活性不匹配，导致现在AI芯片的落地就存在很多困境，从而限制了其落地的规模。

3.1 芯片要足够通用，以此来覆盖更多的用户、更多的场景和更长期的场景迭代

芯片需要足够的通用，才可能覆盖更多的客户、更多的场景，以及每一个场景的长期迭代。

但在CPU性能达到瓶颈之后，很多人逐渐“忘记”了这个这些原则。很多人觉得，需要针对场景的特点深度“定制”，在芯片设计的时候，把更多的业务逻辑变成硬件，把传统软件完成的工作通过硬件加速实现，从而提升性能。

然而，实践证明，这种方式是走不通的。还是以AI芯片为例：

• AI场景算法极其众多，一般的互联网公司，内部经常使用的AI算法可能会多达上千种；并且，AI算法还变化很快，算法迭代通常上是2个月一个小迭代，6个月一个大迭代。
• 然而，芯片的迭代周期没有这么快，芯片通常2年一个迭代，并且还要考虑大约5年的生命周期。硬件7年的迭代+生命周期和软件2个月的迭代周期，差距悬殊。
• 强行把软件的业务逻辑直接下沉到硬件，可能会碰到这样的尴尬：只能适配某个用户的某个更细分场景的某个短时期内的应用，从而导致芯片的价值和落地规模受到极大的约束。

当CPU到达性能瓶颈之后，新的挑战是：如何在硬件加速时代，实现足够高的通用性。

这里，我们给出“完全可编程”处理器的概念：

• 所有功能由用户通过软件定义。授人以鱼不如授人以渔，既然提供的是平台化解决方案。不同的用户，根据自己的需求组合功能，实现功能和场景差异。
• 所有业务逻辑由用户通过编程实现。用户自己的软件已经存在，业务逻辑也是经过长期打磨，对业务逻辑修改一定是慎之又慎。用户期望的是不修改业务逻辑情况下，通过硬件实现业务处理的加速。
• 用户没有平台依赖。软件热迁移需要一致性接口硬件，上层业务逻辑也需要一致性的硬件功能支持。这些都需要，站在用户视角，不同芯片厂家提供的是接口和架构完全一致标准化的产品。

如果在CPU处理器上实现上述“完全可编程”的支持，非常简单，但意义不大，因为没有提升性能。“完全可编程”是在超异构的多种异质处理引擎混合计算下，实现算力的数量级提升，同时仍能保持足够的“完全可编程”能力。

3.2 芯片要很好的灵活性，适配复杂宏系统的各种变化

越是简单的系统，变化越少，对灵活性的要求越低；越是复杂的系统，变化越大，对灵活性的要求越高。

在云网边端万物互联的大背景下，系统具有如下一些变化：

• 随着应用系统规模的扩大，系统在逐渐解构，传统的巨服务在逐渐的变成一组微服务的系统，甚至客户端，也分解成瘦客户端和一组“微服务”的组合；
• 以服务器为例，物理的计算资源按照一定的粒度切分，然后组合出各种虚拟的计算资源组合，如虚拟机、容器等，形成多用户的多个不同系统共存；这些虚拟的计算资源组合，再跟更多的虚拟计算资源组合形成软件层次的集群协同。
• 更多用户的更多集群系统共存于一个数据中心；还有跨数据中心的系统共存和协同；甚至，还有跨云网边端的系统共存和协同。

系统越来越复杂，并且不同用户不同系统混合部署于同一个物理的数据中心服务器上。系统对虚拟化、弹性扩展、可编程能力等灵活性能力的要求，远高于单机系统。因此，要考虑单芯片如何大规模落地，就需要在灵活性方面重点关注：

• 一方面需要提升单芯片的扩展性、可编程性、灵活性、易用性等能力；
• 另一方面，需要提供基于芯片平台的整体解决方案给到用户，并且能够提供很好的宏观系统灵活性能力的支撑。

3.3 之后，才是大规模复制

当我们的单芯片，可以支持更大规模落地，可以支撑宏系统的各种复杂的能力要求，给驾驭宏观系统的软件工程师提供强大的基础支撑。之后，才是通过大规模的算力建设来提升宏观算力。

目前，超大规模数据中心越来越多，从传统数百台服务器的机房，升级到数千台服务器的数据中心，再到数万台甚至数十万台的超大规模数据中心。都是通过数量的增加，来不断提升宏观总算力。

集中式的云数据中心还无法满足所有场景的需求，数量众多的边缘数据中心也越来越多，进一步加大了在网的服务器数量，进一步增加了宏观总算力。

 

 

 2022年初，国家发改委、中央网信办、工业和信息化部、国家能源局联合印发通知，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群。至此，全国一体化大数据中心体系完成总体布局设计，“东数西算”工程正式全面启动。

“东数西算”，进一步通过规模化建设，提升我们国家的宏观总算力。

4 第三层：提升算力资源的利用率

算力资源的利用率，对算力的规模和成本影响非常巨大。麦肯锡的一份研究报告显示，全球服务器的平均每日利用率通常最高仅为6%；据Gartner统计，全球数据中⼼利用率不足12%。以上数据都表明，数据中心的服务器成本及资源消耗存在巨大的“浪费”。如果可以把算力资源的综合利用率从6%提升到90%，也就意味着可以立竿见影的增加15倍的宏观算力，同时意味着单位算力成本下降到1/15。

4.1 最基本的，提升单芯片的计算资源利用率

在CPU为主流计算处理器的时候。通过操作系统，可以实现把一个个应用封装成进程/线程，然后再经过调度，可以实现对计算资源的分时复用（单核情况下）。在多核情况下，就会通过多核调度器，实现对多个计算资源的综合调度。

更进一步的，（站在单机系统视角）通过计算机虚拟化和容器虚拟化技术，进一步提升资源的利用率。

4.2 资源池化，把孤岛连成一片，进一步提升资源利用率

如何提高宏观算力的利用率？本质的就一句话：把众多单个芯片的性能，汇集成一个大的算力资源池。反过来，如果独立的各个芯片的性能，无法汇集成巨大的算力资源池，形成一个个孤岛，单个芯片性能再高也没有意义，一盘散沙，利用率也很难提升。

从这个意义上说，我们不仅需要关注如何提升单个芯片的资源利用率，还更应关注的是如何把无数多个计算资源汇集成庞大的资源池，可以非常灵活的资源切分、组合、分配和回收，从而提升宏观算力利用率。

要把一个个个体的资源连接成巨大的资源池，需要：

• 硬件本身，需要支持（硬件）虚拟化，如Intel的VT-x/VT-d技术，包括IO设备，需要支持基于SR-IOV等技术的完全硬件虚拟化，加速器本身也需要支持虚拟化的逻辑处理通道。
• 在此之上，通过虚拟化技术，提升单个处理芯片的计算等资源的利用率，以及通过虚拟化技术中的软件迁移功能，使得上层的业务软件可以方便地选择（整个资源池中）不同的物理资源运行。这样才能实现资源的单硬件资源的切分和多硬件众多资源的池化。

移动、电信等运营商积极倡导“算力网络”技术，旨在通过网络把宏观所有的算力资源汇集成池，可以非常方便的为用户提供最合适的算力组合，也可以最大限度的提升宏观资源利用率。

4.3 挑战在于，如何把异质的计算引擎池化

最理想情况是：CPU性能够用，处理器依然是清一色的CPU处理器；所有CSP的所有的云和边缘数据中心服务器，以及各类智能终端设备，都是一种架构，比如X86。这样，我们就可以非常简单地通过虚拟化技术和云和边缘的分布式“操作系统”把处理器资源连接成一个巨大的唯一的算力资源池。

可惜的是，CPU的性能瓶颈，我们不得不通过各种硬件加速的方式，千方百计地来提升性能。这样，超异构就会逐渐地成为计算架构的主流。超异构计算难以驾驭，数量众多的处理器类型，会使得计算资源进一步碎片化，与计算资源池化背道而驰。

 

 

 进一步分析，如上图所示，我们可以知道，各类处理引擎均存在各自不同的优势和劣势：

• 越左边的处理引擎，覆盖的场景越多，子类型越少，性能越低。例如CPU可以做到绝对的通用，可以适用于几乎任意场景，因此只有一种子类型，但其性能最差。
• 越右边的处理引擎，覆盖的场景越少，子类型就需要的越多（例如有100个厂家，一个子类只能覆盖一个场景，那么就需要有100个子类型，才能覆盖所有场景），但性能却会越来越好。

 

 

 领域/场景越来越碎片化，构建生态越来越困难，需要从硬件定义软件，逐步转向软件定义硬件。超异构计算处理引擎的类型和数量越来越多，（不同厂家）处理引擎架构越来越多，芯片平台的数量越来越多，所处的位置（云网边端）也越来越多，需要构建高效的、标准的、开放的生态体系。

最终，超异构计算，需要开源开放架构和生态（尽可能减少各种类型架构的数量，让架构的数量逐渐收敛）；更需要能够实现跨同类型不同架构以及不同类型架构处理器（引擎）的应用开发框架，如Intel oneAPI。

不同类型的计算资源最终需要汇集成单个资源池，因此，从不同的程度上来说，计算需要：

• 跨同领域不同架构的处理引擎子类，例如AI程序可以在不同的AI处理器上运行，软件程序在x86、ARM或RSIC-v上均可运行；
• 跨不同类型的处理引擎，例如应用可以在CPU、GPU、FPGA或DSA运行；
• 跨不同厂家芯片平台，例如整个软件解决方案，可以在Intel平台运行，也可以在NVIDIA平台运行，也可以在其他各家芯片平台运行；
• 跨云网边端，微服务可以自适应的在云、网、边、端任何位置运行，并且可以自适应的最优化的利用运行平台的各种加速计算资源。

只有通过这样一些办法，把各类不同架构、不同类型、不同厂家、不同位置、不同的设备的资源连成唯一的一个巨大的计算资源池，才能真正避免算力资源孤岛，才能真正实现算力资源利用率的最大化。

并且，超异构计算时代，不仅仅需要CPU（以及内存）支持硬件虚拟化，还需要其他的I/O设备、其他各类加速处理器（引擎）都需要支持硬件虚拟化。可以把资源通过时间或空间的切分和复用，实现资源的虚拟化，然后进一步通过虚拟化、算力网络等技术，来提高资源的利用率。

最后，简单聊一下开源开放。在单CPU处理器类型的时代，开源开放的RISC-v是我们的一个选项（还有x86和ARM可以选）。但到了超异构计算时代，开源开放就不是选项，而是唯一的出路。

挺过寒冬

今年二季度百度实现营业收入296.47亿元，高于彭博一致预期的294.11亿元。同期实现归属百度的净利润36.37亿元，超市场预期的22.28亿元，上年同期则净亏损5.83亿元。

在财报发布后的电话会上，针对下半年指引，百度管理层强调宏观环境的不确定性，以及AI云和智能驾驶将保持高投入，战略转型态度坚决。受业绩超预期影响，当日百度美股盘前一度拉升涨近5%，但开盘后随开始下跌，最终单日收跌逾6%。

 

 

 百度管理层的定调表达出了对下半年业绩的不甚乐观，虽然随着疫情影响的弱化，短期业绩会有一定的修复，但向上的弹性则相对有限。然而透过本季度财报，技术派长期思维下驱动的战略转型才是改变百度长期预期的关键。研发投入方面，百度核心研发费用率已连续7个季度超过20%，高于谷歌、亚马逊等可比公司。在拥抱人工智能的企业战略下，通过持续提升研发强度，百度意在打造出第二、三增长曲线，即百度云业务和自动驾驶业务，来实现战略转型。目前，百度云业务不仅能够贡献收入，而且还表现出了不俗的成长性，根据电话会披露的数据，今年二季度智能云业务实现营业收入42亿元，同比增长31%、环比增长10%，云业务收入在百度核心的占比已提升至18%。作为百度规划的第三增长曲线，自动驾驶业务虽然目前可以忽略其短期业绩，但在报告期内实现了一些重要的里程碑，典型如百度萝卜快跑订单量已突破100万单，在自动驾驶出行服务商中稳居全球第一。那么，百度的云业务能否成为公司新的增长动能？自动驾驶业务商业化进展如何？公司能否持续维持高强度研发投入？

 财报综述

百度集团在今年第二季度単季实现营业收入296.47亿人民币，同比下滑5.43%，环比增长4.35%。受互联网监管、宏观经济、疫情反复等因素影响，百度在今年Q2的收入出现了同比下降，然而在疫情影响最严重的Q2，同期收入还能做到环比增长，超市场预期。

 

 

 收入结构方面，百度的财报披露了两个口径的业务结构，根据利润表的原始口径，百度的收入由在线营销服务和其他这两部分构成；按业务分部划分后的业务结构，则包括了百度核心与爱奇艺两个分部。其中，百度核心包含在线营销服务、智能云服务等具体业务，爱奇艺则主要包含在线广告服务、会员服务、内容分销等业务。

关于这两个口径之间的换算关系，原始口径中的在线营销服务主要包含百度核心中的在线营销服务和爱奇艺的在线广告服务，而原始口径中的其他则包括了百度核心中的智能云服务，爱奇艺的会员服务、内容分销，再分别加上百度核心与爱奇艺的剩余其他业务。根据财务数据，原始口径下的网络营销服务一直是百度收入的支柱，主要是网络广告收入。但从趋势上来看，其他业务在近年来的成长性明显超越了传统的网络营销服务业务，非广告业务收入占比因此在逐年提高。而在分部口径下，百度核心中虽然广告业务收入仍然是大头，但是云业务已经强势崛起，成为了百度业绩增长的新动能。2021年，智能云服务实现收入150.7亿元，同比增长64%，约占同期总收入的12%。2022Q2，百度核心中以云业务为主的非广告收入为61亿元，云业务中在工业、政务等领域的应用对宏观环境非常敏感，然而在二季度即便有疫情的影响，主要在云业务及其他AI驱动业务的驱动下，非广告收入依然实现了22%的同比增长。所以，以百度目前的业务收入结构，和不同业务所呈现出的成长性差异，也证明了百度守住移动生态基本盘的同时，着力发展人工智能、云业务等高科技产业的战略转型正在起效。目前，云业务已经可以贡献收入，智能驾驶虽然贡献的收入较少，其更强的成长性与巨大的市场潜力则为百度拔高了预期。

 

 

 费用方面，百度在2022Q2的销售及管理费用支出48亿元，同比下降16%，主要系渠道支出与市场推广的减少。从趋势上看，销售费用率从去年Q3开始持续下降，由此表明互联网巨头们在收入集体承压的情况下，降本增效几乎是必不可少的选择。

研发费用方面，百度在2022Q2研发费用支出63亿元，基本与去年持平。而从长期趋势可以看到，基于百度拥抱人工智能的企业战略，其在近年来加大了研发强度，研发费用率的中枢总体也在向上抬升，已连续7个季度超20%，2022Q2的研发费用率录得21.22%，高于谷歌、亚马逊等可比企业。

 

 

 盈利能力方面，受非核心业务因素的扰动，原始口径下百度的净利润波动较大，较难公允反映百度的综合盈利能力。因此，在剔除股权激励费用、无形资产摊销和减值、长期投资减值、长期投资公允值变动等科目后获得的Non-GAAP财务指标，来衡量其盈利能力则相对合理。

因此，百度在2022Q2实现Non-GAAP经营利润54.93亿元，同比与环比分别为-3%和37%；同期实现Non-GAAP归属百度的净利润55.41亿元，同比与环比分别为3%和43%；同期经调整的EBITDA为70.54亿元，经调整EBITDA利润率录得24%。由Non-GAAP归属百度的净利润在近年来的表现可知，百度通过其核心业务可以实现稳定的盈利。而在趋势上，Non-GAAP归属百度的净利润同比从2021Q4开始边际回升，说明降本增效释放出了更多利润，同时亦受益于大力发展高成长的非广告业务的战略转型。

 

 

 总的来看，百度在今年Q2交出了一份颇具韧性的成绩单。展望下半年，随着疫情影响的弱化，广告业务的收入增长将得到一定程度的修复，百度的基本盘依然稳固。与此同时，云业务也将恢复高增长，而且基于百度智能云的行业地位，预计将呈现出高于行业均值的增长速度。若看向更远的未来，目前正在推进智能驾驶是百度预期中最核心的看点。虽然目前创造的收入可以忽略，但在投资者眼中智能驾驶已然成为了百度能否打开估值上限的关键，技术进步对估值的支撑作用不可忽视。

 财报要点解读

丨智能云：营收略超预期，是公司中期主要增长动力

百度的智能云业务主要应用于与宏观环境强相关的工业及政务领域。2022年上半年，受疫情影响，我国宏观环境面临着比较严峻的考验。因此，对百度智能云业务在二季度的业绩表现，市场并未给出很高的预期。

百度最新的财报数据显示，公司智能云业务二季度的营收同比增长为31%，略高于市场预期。对云服务这块增速快、渗透率低的潜力市场，百度无疑投入了大量的心血，并试图将智能云业务打造成为公司中期的第二增长曲线。目前，百度在智能云业务方面的布局，主要围绕其云计算能力与多年积累的AI能力相结合的“云智一体”战略展开，并重点在差异化较强的AI公有云领域发力。根据亿欧智库统计，2021年，人工智能居于企业希望导入云端的技术与服务首位，下游潜在的需求也成为百度推行“云智一体”的主要动力。在具体的应用场景方面，百度的智能云业务主要覆盖制造业、水务、能源、交通、公共事业等领域。其中，在制造业领域，吉利联合百度智能云共同打造了混合云平台；在公共事业领域，百度在二季度拿到了多个公路项目和城市道路项目，截至第二季度末，以累计合同金额超过千万元人民币订单计算，百度ACE智能交通解决方案已经被51个城市采用，覆盖范围较一年前的20个城市持续提升。实际上，百度面向服务的公共交通领域，本身就具有一定的逆周期性，这也为百度的智能云业务起到了“稳定器”的作用。IDC发布的《2021H2中国AI云服务市场研究报告》显示，2021H2（2021下半年），百度智能云作为中国AI云服务厂商在整体AI软件及应用市场中位列第一。据 IDC 报告显示，2020年全球云计算市场规模已达 3124 亿美元，同比增长 24.12%；2020 年中国云计算市场规模为 194 亿美元，同比增长 50.39%。就AI公有云而言，2021年下半年中国AI公有云服务市场规模仅26.02亿元。行业低基数意味着巨大的成长空间，随着经济的逐渐复苏，百度的智能云业务大概率会重新回到高增长的快车道，并成为公司业绩增长的主要动能。

 丨‍智能驾驶：萝卜快跑运营数据亮眼，仍将长期“烧钱”

百度财报中最令投资者关注的，无疑是萝卜快跑亮眼的运营数据。

去年8月份，百度将旗下自动驾驶出行服务平台升级后，改名为萝卜快跑，并在北京、上海、广州、深圳、重庆、武汉、合肥、成都等十多个城市逐步落地试点，乘客可通过萝卜快跑平台体验百度的无人驾驶服务。根据公司财报披露，萝卜快跑向公众提供了28.7万次乘车服务，同比增长近500%。截至2022年7月20日，萝卜快跑累计订单量达到100万单，成为全球最大自动驾驶出行服务提供商。在今年的百度世界大会上，百度发布了第六代无方向盘无人车Apollo RT6，目标量产成本仅为25万元，使无人车的成本在中国首次进入大众市场电动车的价格范围。车辆成本及人工成本的降低，将推动萝卜快跑加速扩张。同时，大规模运营可以更好地驱动技术进步，大量日常运营数据，识别测试阶段不可见的问题，有助于百度进一步提升其L4级自动驾驶技术。一般而言，当自动驾驶技术提升至L4以上后，在大部分场景已经无需驾驶员。不过，目前萝卜快跑平台旗下车型仍然预防性配备安全员，随着L4技术的不断成熟，百度的自动驾驶出行服务将会真正实现“无人驾驶”，从而节省大量的人工成本，正式走向商业化。作为智能驾驶领域最容易变现的场景之一，萝卜快跑强劲的运营数据，以相关成本可预期的下降，无疑为百度在智能驾驶领域的高强度投入打入了一针强心剂。百度目前在智能驾驶领域底层技术的布局，主要以操作系统、智能驾驶方案、高精度地图为主，同时以股权的形式参股了激光雷达研发商禾赛科技。公司财报数据显示，百度二季度的研发费用为63亿元，与去年基本持平，研发费用率已连续7个季度超20%。

 丨移动生态业务：同比下滑但超预期，继续发挥“压舱石”作用

在宏观环境承压的背景下，百度的广告业务也不可避免地会受到影响。

而根据财报披露，2022年二季度百度的营销服务收入达到182.68亿元，尽管同比去年下滑12.29%，但仍超过了资本市场的预期。从同业表现来看，腾讯二季度的网络广告业务同比下降18.37%；广告营销服务商蓝色光标二季度的营业收入则同比下降23.82%。运营数据方面，百度APP 6月的月活跃用戶为6.28亿，同比增加8%，每日登录用户占比达到84%，也较去年同期的76%有所上升。与此同时，移动生态互动量也进一步提升，第二季度，百度App每日搜索查询次数及信息流内容分发量同比实现两位数的增长。在移动互联网时代开启后，百度的在线营销业务从2018年开始便出现颓势，并且已经多年没有增长，这亦是驱动百度将战略重心转向人工智能的重要原因之一。而且，百度仍可以从营销服务业务中攫取大量的优质现金流，进而反哺智能云与智能驾驶业务。今年二季度百度的经营活动净现金流达到77亿元，为公司高强度的研发投入提供了有力支撑。

 小结与展望

百度自创立始至今，发展已有二十余载，作为与腾讯、阿里同时代的国内互联网巨头，百度的发展路径与这二位大为不同。拥有国内最大的搜索引擎平台，百度以此来打造自己的移动生态系统，包括百度、贴吧、百度百科等知名app，最常见的变现方式是信息流广告，广告收入目前依旧是百度的基本盘。

任何企业的发展都离不开先天的禀赋，百度也是如此。搜索引擎做到百度这个程度，流量的而优势无需多言，不仅沉淀了海量的用户，巨量的搜索内容亦在数据积累上形成优势。然而，搜索引擎的用户黏性和使用时长远不及即时通讯类或购物类app，在流量入口上，百度并不占优势。

因此，百度基于自身在大数据上的禀赋，通过押注人工智能，在过去的几年里保持高研发强度，逐步实现了由“广告公司”向“科技公司”的战略转型。因此，在对百度的估值中，更看重智能云、智能驾驶等高科技业务的好预期。

短期来看，百度的广告业务在今年二季度遭遇挑战的情况下，表现依然好于部分国内广告行业龙头，而且下半年的疫后修复相对确定，百度基本盘无虞。然而，以其目前的体量，叠加当下的宏观背景，百度广告业务的业绩弹性则相对有限。

而对于人工智能相关的云业务，短期业绩修复也具备相对的确定性。行业地位方面，根据Canalys数据，2022Q1百度云业务约占国内云市场份额的8.4%，排名第四，龙头地位也让投资者对百度云的短期收入增速更加乐观。云业务本身是重资产，同时具备规模效应，所以未来将会是强者恒强的格局，故而将长期利多百度这样的龙头企业。

对于智能驾驶业务，报告期内的技术进步与实现的里程碑固然值得欣喜，尤其是对L4以上级别自动驾驶技术的探索，表明百度在该领域内的相关技术上已经具备明显优势。但是，自动驾驶目前商业化路径尚不成熟，同时对研发投入有较强依赖，还需要传统业务来持续输血，以保障足够的研发强度来驱动技术进步。

因此，现金流量、货币资金、研发费用等是判断百度智能驾驶、智能云等高科技业务预期的关键财务指标。从目前的情况来看，这些指标或而总体平稳，或而有所改善，因此预计在中期内，百度对高科技业务的研发强度不会有大的变化。

估值方面，百度的基本面相对扎实，战略转型高科技业务后，由此打开了估值的向上空间。然而，百度目前的估值却没有很好的反映战略转型所带来的预期变化，在可比企业中也处于估值洼地。因此，百度存在短期的估值修复机会，其基本面亦具备长期的投资价值。

减持比亚迪

巴菲特与比亚迪王传福14年的“蜜月”，走到了一个小路口。

8月30日，港交所披露的一条信息显示，在8月24日时，巴菲特的伯克希尔哈撒韦公司出售了133万股比亚迪H股的股票，平均售价为277.1港元/股，该公司在比亚迪的持股比例降至19.92%，持股数量降至2.19亿股。

而根据比亚迪的半年报，截至6月30日，伯克希尔哈撒韦持股数量仍为2.25亿股。这意味着在两个月内，伯克希尔哈撒韦实际累计减持了628.1万股。

这一消息传出之后，8月31日开盘，比亚迪H股的跌幅超过11%，跌破234港元，比亚迪A股的跌幅也一度超过8%，每股下跌超过25元。

随后，作者以投资者身份询问比亚迪投资者关系部门，工作人员告诉作者，目前公司没有重大事项未披露，并且根据刚披露的半年报，公司整体形势正在向好的方面发展，经营一切正常，他们也无法评估大股东的减持原因。

“可能是短期市场行为吧。”该工作人员表示。

根据比亚迪财报，截至6月30日，比亚迪的股东人数共有29.43万人，平均持股的流通股数为7688股，如果以这个数据来粗略计算，在这次大跌中，比亚迪近30万股民，人均跌去19万元。

事实上，早在今年7月初，市场上就有巴菲特减持比亚迪的传言，不过，比亚迪予以否认。当时，比亚迪对外称，根据港交所及证监会的相关规则，大股东减持需进行权益申报，但他们查阅港交所权益披露平台，未显示减持信息。

不过，根据港交所的披露规则，大股东减持股票时，只有横跨某个整数百分比时，才需要披露。目前，巴克希尔哈撒韦的持股比例跌破20%，这也是被披露的主要原因。

巴菲特投资比亚迪始于2008年9月，当时，他以每股8港元的价格认购了2.25亿比亚迪H股的股票，持股比例达到10%，交易总金额约为18亿港币。

这是巴菲特在2008年金融危机爆发后，在海外进行的首笔重大投资。受此影响，比亚迪的股票一度疯涨10倍，时年仅43岁的王传福，身价骤增至396亿元，登顶“2009福布斯中国富豪榜”。

在中国富豪榜上，王传福是唯一一个造车出身的首富。

当时，巴菲特的老伙计查理·芒格曾向《财富》杂志这样描述王传福：“这个家伙简直就是爱迪生和韦尔奇的混合体，可以像爱迪生那样解决技术问题，同时又可以像韦尔奇那样解决企业管理上的问题。”

2009年的北美车展上，巴菲特前去助兴，因此还发生了一件被广为流传的趣事。

当时，王传福送给巴菲特一辆比亚迪F6DM的车模，而老巴则回敬了一个钱包作为见面礼。有人解读说，老巴是在告诉这个年轻人，好好干，替我把钱包装得满满的。过去14年，巴菲特的这笔投资也增长了33倍。

关于巴菲特的此次减持，比亚迪的相关人士向作者表示，目前还没有回应内容。

今年以来，受疫情、俄乌冲突的影响，汽车产业的原材料价格上涨，多只汽车股下跌幅度较多，如今，吉利、长城的股票距离其峰值的跌幅均超过了一半，而比亚迪则在一度在6月底达到了其历史最高价358.8元。

根据8月29日比亚迪发布的半年报，今年上半年，比亚迪实现营业收入1506.07亿元，同比增长65.71%；归属于上市公司股东的净利润35.95亿元，同比增长206.35%。

中汽协数据显示，今年上半年，我国新能源汽车的销量为260万辆，同比增长 1.2 倍。其中，新能源乘用车销量占乘用车总销量比重达24.0%，中国品牌乘用车中新能源汽车占比达 39.8%。

而比亚迪新能源汽车累计销量超64万辆，同比增长314.9%，占我国新能源汽车总销量的24.6%。

跳槽造车新势力

8月30日，据36氪报道，其从多位知情人士处获悉，前华为消费者BG软件部副总裁、终端OS部部长——谢炎已入职理想汽车，出任系统研发部负责人，负责前瞻技术研发业务。职级位列M11，仅次于理想汽车创始人兼CEO李想的M12。对于上述信息，理想汽车向36氪表示：不予置评。

据了解，谢炎负责的系统研发部主要是一些底层的智能化技术研发，包括理想汽车自研的操作系统、算力平台等，消息人士还透露，理想汽车的算力平台业务还包括了自研智能驾驶芯片项目，而这个自研芯片项目已经有数十人的团队规模，且有明确的量产时间表。据此前晚点AUTO报道，理想曾招揽了一位新的软件研发高管，化名“林云”，那么如今他的身份不言自明，正是来自华为的谢炎。
谢炎本人在汽车圈已成名多年，他在2014年初加入阿里，曾深度参与过阿里巴巴和上汽合作发起的互联网汽车项目，并担任过AliOS总经理和AliOS首席架构师，对互联网汽车项目斑马网络进行深度技术支持。如今上汽集团使用的斑马网络就是基于阿里AliOS打造而来的。2018年10月，作为AliOS首席架构师谢炎在主题为“软件重新定义汽车”的沟通会上表示，“汽车会是下一个移动智能终端，而操作系统则会成为核心部件。其完整性、安全性、以及生态丰富性是决定未来发展的关键。”“未来中国汽车产业对外开放服务的只有两种OS：一种是AliOS，一种是基于安卓等修改的其他OS。”“没有生态的OS就不是真正的OS，WinCE、QNX正逐渐被市场淘汰。未来中国汽车产业对外开放服务的只有两种OS：一种是完全针对汽车驾驶场景从底层开始自主研发的操作系统 AliOS；一种是基于安卓等修改的其他OS。”

 

 

 2019年，谢炎离开了AliOS，并加入华为操作系统鸿蒙业务，出任华为消费者BG-软件部副总裁、终端OS部部长、分布式智慧OS首席架构师，向“鸿蒙之父”、华为终端BG软件部总裁王成录汇报。2022初，随着王成录转战华为关联公司深开鸿，谢炎也出走华为，将造车设为职业生涯的下一站。谢炎之所以选择理想汽车，一个背景或许是，理想汽车的产品副总裁范皓宇正是谢炎在阿里AliOS时期的战友。

关于自研芯片，理想CEO李想从未否认过可能性，其曾多次表示“研发芯片的前提是先理解算法”。显然，自研智能驾驶系统上线一年多的理想汽车，已经在算法领域建立了自己的认知和体系。谢炎的到来显然在积极推动理想汽车的操作系统和自研芯片落地，这表明理想汽车并未搁置在底层技术和芯片上的研发步伐。如今的理想，有了这样一员大将，理想汽车的自研操作系统是否能够成为品牌护城河呢？让我们拭目以待。

2022年8月30日，理想官方宣布，旗下全新车型L9在理想汽车已正式开启全国交付。6月21日理想L9正式发布并于当晚开启预定，新车仅有Max版一款配置，售价为45.98万元。理想汽车今年二季度实现营收87.3亿元，同比增长73.3%，共交付28687辆理想ONE。截至报告期末，公司现金储备达536.5亿元。

 

 

参考文献链接

https://mp.weixin.qq.com/s/dw0Btk126Ime6BF3zDVvJQ

https://mp.weixin.qq.com/s/ToahiU5hKWKlSQ_I91J9ZA

https://mp.weixin.qq.com/s/Q9pzX4NRyoSP07EeZWRz2A

https://mp.weixin.qq.com/s/uoEX8JlGF6iIyHOaCuIrcg

https://mp.weixin.qq.com/s/sTjBM1D_FWW-6aWtBs1EFw