（報告出品方/作者：國泰君安，王彥龍）

1。 汽車“四化”按下加速鍵，場景和算力演進驅動汽車系統資料通訊變革

1.1. 汽車系統通訊架構在繼承中發展，車內通訊+車外連線鑄就智慧化和網聯化底座

1.1.1. 智慧網聯汽車推動產業跨界融合，智慧強調內化功能性，網聯強調外在系統性

汽車的新四化“智慧”“網聯”“電動”“共享”兼具產業拉動和實際社會效益。

汽車、通訊、電子、交通、安全等多行業在汽車四化變革下深度 協同，傳統汽車是機電一體化產品，而智慧汽車是機電資訊一體化產品， 需要汽車、交通設施、資訊通訊基礎設施（包括車內通訊體系、4G/5G、 地圖與定位、資料平臺）等多個產業跨界融合。同時，智慧化發展帶來 的環保、節能以及交通效率的提升，也對未來出行的載體產生深刻影響。

汽車內部感知/互聯互通需求、外在網聯的 IP 化發展，車內車外形成數 據資產。車內感測器/控制器/執行器之間、車輛和車外的終端裝置、以及 透過 T-Box（Telematics Box）和外界的資訊傳遞，合併形成智慧網聯汽 車的資料資產。在安全合規的前提下，資料流轉成為產生價值的方式。 例如，車內感測感知外界狀態，傳遞給車控元件進行智慧駕駛；移動終 端和車內座艙域互聯互通打造第三生活空間；T-Box 和無線基站通訊， 一方面和網際網路形成組網，另一方面將必要資料傳輸至 TSP（遠端服務 提供商）或者車廠和監管平臺。資料在整個汽車通訊的流轉中，不僅在 車內形成智慧化應用，對於外部資料資產的積累和自動駕駛最佳化也起到 重要作用。

1.1.2. 自動駕駛場景不斷延伸，資料量爆炸引領算力系統變革

高等級自動駕駛的落地目前針對 ToB 場景，乘用車自動駕駛快速滲透。

自動駕駛的商業化應用，以 L3 為節點分為兩條路徑：L3 及以下的輔助 駕駛，以 Tier1 為主導面向主機廠提供系統整合方案，在傳統車廠和新 勢力廠商已有規模落地；L4-L5 的自動駕駛，以網際網路公司、晶片公司為主導，在封閉或者開放路況下實現商業運營，現階段高等級自動駕駛 主要是一些限定和低速場景，比如 RoboTaxi、幹線物流、無人駕駛配送 等，乘用車領域的自動代客泊車等。

資料量膨脹從計算和通訊層面帶來變革。

自動駕駛的快速發展也帶來了 對於資料史無前例的增長，車身智慧+網聯需求（高畫質地圖實時下載、定 位管理）導致資料量急速膨脹。根據英特爾推算，全自動駕駛時代，每 輛汽車每天產生的資料量高達 4000G，對於晶片算力要求顯著提高。目 前 Tier1、Tier2 以及整車廠商都開始加快佈局自動駕駛晶片。

1.2. 汽車電子電氣（EE）架構具有分佈-集中的趨勢

汽車 EE 架構可以理解為汽車的血管、骨骼和神經。

汽車的 EE 架構是 在功能需求、法規和設計要求等特定約束下，透過對功能、效能、成本 和裝配等各方面進行分析，將動力總成、傳動系統、資訊娛樂系統等信 息轉化為實際的電源分配的物理佈局、訊號網路、資料網路、診斷、電 源管理等電子電氣解決方案。由傳統分散式，到當前的域集中，在燃油 車和新能源領域均非新生產物，在面對未來演進的願景時，也有公司提 出中央集中式的 EE 架構。

EE 架構分散式-域集中-中央集中是長期趨勢：“線束革命”、功能融 合和麵向服務三大原動力推動 EE 架構的逐步集中。

傳統汽車線束龐雜，新增功能考慮繁多，過多複雜線束和過多 ECU （電子控制單元）的安裝會嚴重影響產線的高度自動化。車內網路 實現一套統一的體系架構，是對未來新增功能、系統設計和升級均 友好的方案。

隨著算力晶片的能力提升，傳統的單一功能可能逐步被算力更強的 ECU 功能實體融合。EE 架構和算力資源相互促進，形成“集中” 的“算力平臺”。

快速更新迭代的業務需求，可以借鑑 IP 網路的快速開發方式，所謂 面向服務在車端簡單理解即消費電子化/網際網路化，可以在上層網路 上進行快速開發，需要一套相對穩定的底層架構作為支撐。傳統汽 車軟體是嵌入式系統，深度繫結硬體，需要獨立的執行和冗餘硬體 資源，升級困難；快速迭代需要硬體統一、模組解耦，可整體管理 升級。

2。 車內：EE 架構適度集中是未來中長期走向，汽車控制器迎來大時代

2.1. 概述：ECU 間透過多種匯流排互聯互通構成整車通訊體系，車內資料通訊量明顯抬升

車內通訊的實質是 ECU 功能實體透過匯流排交換資訊。ECU 獨立負責， 或者 ECU 間共同配合完成特定功能。

單個 ECU 將更新的引數、週期性 資料、事件觸發性資料上傳匯流排，對端功能 ECU 從匯流排取對應資料，完 成通訊過程。

汽車特定功能的實現（尤指與控制相關）均依賴於 ECU 及其互聯互通形 成的整車通訊體系。下面以兩個常用功能——盲區監測（BSD）、自動緊 急制動（AEB）為例，更直觀、具體地講述功能實現過程：

【側方車輛報警功能】感測器（角毫米波雷達或超聲波雷達等）檢測到 側後方有目標，且判斷目標車的車速可能對車輛有影響時，控制器傳送 訊號給車身控制器，車身控制器利用高低電壓驅動指示燈來提醒駕駛員。

【自動駕駛中的跟停功能】當自動駕駛的相關感測器檢測到前方車輛減 速並停止時，ECU 接收來自感知系統的資料，做出決策並進行處理，如 計算制動安全車間距（DBR）和碰撞發生時間（TTC），自動駕駛控制器會發 出減速指令給 ESP（底盤控制器），ESP 根據傳送的負扭矩訊號，對車輛 進行減速並最終停止。

總體來講，輸入-傳輸-決策-處理是一套系統流程，感知（感測器）→融 合（控制器）→決策（控制器）→執行（控制器向其他執行單元傳送執行指令，例如顯示、操作等），各個控制器之間相互協同配合，完成整體 的通訊和執行流程。

按照目前主流的域集中方式，域內透過匯流排傳輸訊號，域間透過閘道器定址進行匯流排資料交換。

車輛一般可分為動力域、底盤域、車身域、資訊 娛樂域和 ADAS 域，每個域內透過區域性集中的 DCU（域控制器）管控各 個 ECU 實體。匯流排要優先保證負載和資訊的傳遞效率，跨域傳輸是有明 確而必要的需求。不同的域之間如果需要通訊，往往透過閘道器進行資料 交換。閘道器實質上是一個路由表，完成不同匯流排間的資訊溝通。總線上 傳輸的資訊，可以被連線的 ECU 讀取，從而完成在通路上的數傳。匯流排 根據承載資訊量的多少，其頻寬有不同的需求。

為冗餘和通訊便捷性考慮，域間或設有對應匯流排，域內可透過高階 ECU 完成轉接。

在區域性集中的架構下，域內就可完成大多數通訊，理論上域 間通訊都能透過閘道器完成，域之間可以不設匯流排，域間匯流排往往是有冗 餘需求。而域內通訊在提前協同的情況下，有些具備網路功能的高階 ECU，可以轉發/橋接低階 ECU 的通訊。

部分控制器可透過網路管理機制喚醒，其核心目的是蓄電池省電和提升 電子器件壽命。

整車有上電、休眠等不同狀態，控制器根據狀態不同， 並不需要實時線上，所以透過網路管理機制給出對應訊號，即使車輛未 上電，在喚醒狀態下的控制器具備網路通訊能力。

2.1.1. ADAS 域資料爆炸明顯

在自動駕駛時代，ADAS 域感測器增量明顯，資料通訊需求急速上升。

單顆鐳射雷達資料量在數十 Mbps，隨著線束和解析度的提升，預計激 光雷達的資料量仍將攀升。

鐳射雷達是鐳射技術與傳統的雷達技術結合， 利用鐳射束，經過發射、掃描、探測、訊號處理、建立被測環境的 3D 圖 譜，並獲得距離、方位、高度、速度、姿態、形狀等資訊。鐳射雷達目 前在測距、光束管理和訊號處理等方面都有不同的技術路線和產業化路徑，我們認為從基本原理出發，不拘泥於具體的技術形式，未來鐳射雷 達需傳輸、分析的資料量將維持增長趨勢：

首先明確，鐳射雷達最終獲得有價值的點雲資訊描述目標輪廓的三 維座標（或極座標）、目標距離和鐳射反射強度（X，Y，Z，L，P），暫不 考慮鐳射雷達點雲可獲取其他維度資訊；除鐳射強度（8bit）外每個 信元採用 2Byte=16bit 表 示 ，每個點 雲 信 息 可 取 數 據 量 為 16*4+8=72bit

鐳射雷達的精度和探測距離、角解析度、線束等直接相關。橫向維度下，當探測距離越長，角解析度越高，則需要的點 雲數越多；而縱向維度即所謂線束，橫縱向整體形成點 雲圖；我們以 96 線、橫掃點 1000、10Hz 掃描頻率為例，其資料量 為 72*96*1000*10=69Mbps。

在鐳射雷達的資料傳輸中，往往需要雷達內參將（X，Y，Z）座標和數 據點在矩陣中的位置直接關聯起來，所以其實並不需要傳輸每個點 雲的座標資訊，和影象中 pixel 是 RGB 值類似，點雲中 pixel 是距 離值。我們在上述原因下，合理認為資料通訊可以壓縮到一半的速35Mbps，而在計算處理時，仍需考慮（X，Y，Z）座標值。

結合自動駕駛的需求和算力的擴充套件，合理預估未來：

1）由於鐳射雷 達成本和體積的下降，在算力可匹配下，線束持續升高（類比縱向 畫素數升高）；

2）探測距離越遠，而要求精度不變，則橫掃點數更 多（類比橫向畫素數升高）；

3）時延要求越高，其每秒傳遞點雲次 數越多。和影象類似，點雲本質是資訊的解析，此外還可能透過算 法開發處理速率等資訊，其訊號處理能力持續增強；考慮壓縮演算法 和其他冗餘資料處理，以及對於演算法的適配性，我們認為在達到一 定限度後資料會保持穩定，目前仍處於資料的成長期。

攝像頭、毫米波雷達的資料邏輯和鐳射雷達類似，其本質均為成像後傳 輸到計算平臺進行分析驗證。

攝像頭資料如果用於 ADAS 功能，需要利 用原始資料進行標註和識別，資料量一般在 Gbps 級別；而毫米波雷達 本質上是毫米波頻段的發射和回波的 MIMO 接收，其資料量在 Mbps別。Analytics 預測，從 2017 年到 2020 年，頻寬需求提高大約 25 倍， 更高的幀率和解析度只會給汽車頻寬帶來更大的壓力。資料介面必須在 這種汽車環境中執行良好，以支援高速、高可靠性和低延遲等要求。美信推出了全新下一代 GMSL（Gigabit Multimedia Serial Link）技 術，用來支援未來 ADAS 和資訊娛樂系統要求的寬頻、互聯複雜度和數 據完整性的要求，其適配資料速率可達 3Gbps 以上。考慮自動駕駛的進展，其需要的外部感測器豐富度進一步提升，單個感測器的精度要求越 發提升，其綜合資料量仍將保持較快膨脹。

2.1.2. 資訊娛樂域資料成長潛力巨大

智慧座艙作為“第三生活空間”，主要資料增量來自潛在外聯資料和車內 算力提升。

智慧座艙作為資訊娛樂域最主要的陣地，透過大屏+算力的方 式給乘用人提供與外界聯通的資料資源。傳統座艙系統以簡單硬體為主， 儀表、T-BOX、音響、電動座椅等車身電子共同組成了傳統汽車座艙的 硬體系統，在智慧汽車時代，相關零部件和功能得到了極大的豐富，例 如 AR-HUD、實體語音助手、大算力的中控屏晶片、液晶儀表屏等配置， 進一步豐富了視聽滿足感。

資訊娛樂融合部分 ADAS 功能，互動與體驗 HMI 也日趨個性化。

據蓋 世汽車研究院預測，未來座艙域控制器和安全域（ADAS/AD）控制器將 協同工作，實時地將 GPS 和攝像頭等的實時環境資訊展示給使用者，為多 樣化的自動駕駛場景應用提供互動保障。未來汽車使用場景將更加豐富， 自動駕駛帶來的人員解放，需要座艙功能從互動、環境、控制、空間、 資料五大維度進行智慧化，感知能力的增強也意味著需要以實用方式處 理和顯示的資訊量也在不斷增加，這就需要強大而靈活的硬體解決方案， 並配以高效能圖形功能和豐富介面。以高通智慧座艙晶片為例，主要平 臺包括 8155、820A、602A；高通憑藉其通訊優勢，從車載資訊娛樂向自 動駕駛進軍，最新主控晶片 Snapdragon Ride，算力達到數百 TOPS，可 支援從 L1/L2 級別主動安全 ADAS、到 L2+級別“便利性”ADAS 和 L4/L5 級別完全自動駕駛的資料計算需求。

2.1.3. 動力/底盤/車身域增量有限

動力/底盤/車身域資料型別有所變化，但是並不構成相對增量。

對於動 力底盤，新能源汽車和傳統燃油車相比，最大的變化是電機和電驅動取 代發動機和變速箱，所以其監測的資料內容有所變化，但是從資料量上 來講變化較少。車身域由於車機的電動化智慧化發展，會引入諸如電動 調向控制器等新 ECU 實體，但是大多數控制器都是傳統燃油車所具備 的，所以其資料增量空間有限，也能大多複用原有的匯流排和介面。

2.1.4. 不同匯流排型別適配不同業務，高速乙太網骨幹成為未來趨勢

匯流排的演進歷史是需求的變化史。早期車機主要傳輸重要的控制資料， 隨著汽車功能的累加，點對點之間 ECU 通訊互聯需要的資料量逐步增 大，例如鐳射雷達、影片以及資訊娛樂域與外界網路的互動，均需要更 高速率的匯流排和介面，以適應未來系統進一步的效能提升。乙太網傳輸 可以高效地解決車內高速傳輸問題，乙太網 PHY 晶片和交換晶片構成 乙太網汽車通訊系統。PHY 晶片實質是乙太網交換晶片的一個子集，完 成層一的訊號傳輸，在透過乙太網匯流排單點連線時廣泛使用；乙太網交 換晶片多適用於集中交換節點，汽車內部的集中處理單元會有相關介面。 長期看，高速乙太網絡提供車內資料流轉的基本骨幹，和行動通訊的基 礎架構類比，從最早開始電交換，到全 IP 通訊，再到全網路光通訊，我 們認為車內通訊隨著資料通訊量的提升，其演進邏輯類似，將逐步從分 散的多匯流排架構演進為以乙太網為主幹網路、多種高效率匯流排並存的狀 態。

2.2. 綜合考慮算力演進和功能安全，完全中央集中較難實現

車輛系統在引入新功能時，需要遵循功能安全流程指引，其開發流程複雜。

功能安全是車輛全部安全系統的重要部分，主要是把一些極端的失 效工況考慮進來，在設計上做風險的對應防護。當任一隨機故障、系統 故障發生，都不至於導致安全系統失效，從而引起人員傷害、財產損失 等嚴重後果。功能安全主要是一種主動安全，需要在軟硬體的設計階段 進行完善的考慮，任一新功能的疊加均有可能對基礎架構帶來影響。

汽車系統安全性要求一定冗餘度，需評估集中功能實體的風險。

車內計 算架構走向逐步集中，傳統分散式 ECU 控制器功能一定程度被更高算 力的 ECU 控制器所取代。但是每一個既有功能和新增功能，依然需要考 慮功能安全要求，設定冗餘度機制。完全集中化的平臺雖然有利於計算 和儲存資源的高效利用，但即使集中平臺內部考慮了一定軟硬體冗餘， 從完備性上來說，高度集中對功能安全的設計影響較大，在考慮安全情 況下，重要功能仍有必要做額外的備份。

從成本角度考慮，全部中央集中並非最優選項。

在汽車電子架構的演化 過程中，由於分部門的研發體系，往往在新加功能時做增量，形成縱向 的累加；全部集中不僅對研發效率有較大影響，同時在理論線束上也並 不是最優方案，物理分散式理論上比純集中會減少線束複雜度，從而對 研發和實施角度均節省了成本。

國內外大廠由於極高的嚴謹性要求，理念上不會快速掉頭，EE 架構會迅速向完全中央集中。

EE 架構的變革並不是在電動化時代才有，ECU 的逐步集中在燃油車上已有部署（差別主要在燃油機和變速箱）。我們行 業調研發現，車主機大廠普遍對於整體中央集中抱有疑慮，同時既有的 研發流程、管理體系、部門設定很難支撐快速的電氣中央集中化變革。

考慮到燃油車既有存量和未來增量以及電子電氣架構一定的複用性，電 動化進度也並不會導致完全集中化；新興造車勢力對於自動駕駛傾向於 採用整合 AI SOC 進行計算和判斷，但是執行層面依然需要多個 ECU助執行。以特斯拉 Model 3 為例，其所謂自研“中央-區 EEA”架構：中 央計算機是自動駕駛及娛樂控制模組（Autopilot & Infotainment Control Module），由兩塊 FSD 晶片承擔大量的資料計算，主要服務於自動駕駛 功能；兩個區控制器分別是右車身控制器（BCM RH）和左車身控制器 （BCM LH），主要服務於熱管理、扭矩控制、燈光等功能，其本質上仍 然是區域集中。

2.3. EE 架構的適度集中是未來中長期走向，汽車控制器將有 較長的景氣期

2.3.1. EE 架構的適度集中，決定了控制器單元依然是重要功能實體， 控制器個數並不因被合併而顯著下降。

汽車控制器可以認為是 ECU。

ECU 的概念近期被泛化，無論是 DCU（域 控制器），還是 HPC（高效能計算機），乃至所謂 VCC（車載中央計算 機），實質是表徵 ECU 的算力和整合規模。而 ECU 迴歸本質是電子控 制單元器件，控制器在一定程度上，可以等同於 ECU，包括前端的雷達 等感測裝置也是 ECU。控制器更強調整體性，並不一定注重在“控制”， 往往一個模組完成特定的功能（感測、控制、執行），並且具有完善的芯 片、外圍電路和封裝。

汽車控制器的組成邏輯大體類似，包括主控制器、AD 轉換、輸入輸出 IO、儲存器等幾大部分，

從裝配角度主要包括主控板（含 CPU 或 MCU）、 動力源、整流/天線罩、散熱；主要涉及動力底盤控制、自動駕駛 ADAS、 車身/車載電器控制、車載資訊娛樂這四大功能域。

每個功能域包括多種控制系統。

控制器細分領域構成，值得注意的是，由於廠家的設定不同，有些控制器可能分屬不同的域：

從解決功能問題和安全性角度考慮，控制器個數並不因被合併而顯著下 降。

短期不會向中央集中式快速轉型，域集中趨勢下，部分 ECU 功能被 更高層 ECU 級吸收，但是控制器本身數量並非單邊下降：

部分判斷功能被高層控制器吸收，算力被集中後考慮功能安全和冗 餘，並不一定除去舊有裝置，並且原有功能 ECU 可能並不只是具備 一種功能，適當降低算力成為可能選項；

經行業調研，我們發現新能源車型的 ECU 數量相比較同等級燃油 車並未下降，大多數在 100-150 個 ECU/整車，而傳統車型由於資訊 化水平不足，僅高階車型可能超過 100 個 ECU，大多數在 70-100 個 左右，中低端車在 50 個以下。例如，新能源汽車熱管理系統的部件 需求進一步增加，形成新的電子膨脹閥、帶電磁閥的膨脹閥和電池 冷卻器等新的需求。

2.3.2. 汽車控制器市場規模短期即有萬億量級，長期隨著電動化程序具備長期成長性

我們評估汽車控制器的市場規模：

1） 首先主要從新能源車和燃油車兩方面考量，其兩者由於使用的軟硬體體系發生變化而有所不同，在中低等級車型中，控制器數量在新 能源車上相比較燃油車使用較多，而高階車控制器個數在兩種型別 車相近；

2） 每種型別中商用車和乘用車由於 ADAS 的水平不同、資訊娛樂域的 需求不同，其使用的汽車控制器型別和數量不盡相同，商用車數量 較少，尤其是燃油商用車近期幾乎沒有相關控制器；

3） 隨著 L0-L4 自動駕駛的演進，以及滲透率的逐步提升，我們合理假 設隨著智慧駕駛、電動化的程序，而逐步提升一個車身平均所具備 的控制器數量；

4） 不考慮後裝情況，在計算控制器均價時，我們經過草根調研對典型 乘用車共發掘了近 30ADAS 域控制器、10 餘種資訊娛樂域控制 器、30 餘種動力底盤域控制器和 30 餘種車身域控制器；即使在每個 域內，控制器規模、議價能力、經銷商導致其價格差異較大，而且出 廠價、車廠供應價、4S 店價格等不同銷售環節價格也有明顯差異（如 果按照零整比可高達數倍差異）。我們在調研範圍內取其大致均價； 短期看，域集中控制器（往往包含高算力 SoC）由於其複雜度和性 能提升，價格有較大幅度上漲；長期看，電子控制器價格小幅下降；

5） 由於低端車型和中高階車型控制器數量不同，我們分別評估；根據 上汽通用披露的中高階車型佔比 55。7%（2020 年）、長安福特中高階 車型佔比一半以上（2021 年）；市場認知傳統車市場是“紡錘型”結 構，中間價位車多而低端/高階車較少，但新能源汽車則相反，是一 個“啞鈴型”市場，車型多集中在高階和低端領域，中間價位少。我 們假設其低端和中高階車型佔比分別為 50%；

6） 從控制器價格層面，我們認為隨著時間推移和量產進度加快，硬體 本體成本下降是必然趨勢，但是在系統上，軟體配合控制器硬體上 車是每個車企的特定需求，從系統佈置、環境適配、模擬調教等方面 均需要投入，所以並不能單一看硬體成本的降低，整體成本會是較 為緩慢的下降趨勢。

國內汽車控制器市場規模短期即有萬億量級，乘用車 ADAS 域、資訊娛 樂域控制器貢獻相對增量。

經過我們測算，ADAS 域、資訊娛樂域相關 控制器件（ECU 電子控制實體）單體價值量相對較高，即使考慮量產降 價，隨著電動化程序和燃油車自動駕駛層級的提升，其總體空間在 2025 年有望達到 8000 億元。相比較而言，動力底盤和車載車身域相關控制器 其相對增量較為不明顯，主要增長來源於汽車生產總量的穩步提升。

3。 車外：汽車聯網資料量迸發，車外通訊產業鏈條迎來新增量

3.1. 汽車資料構建新通訊鏈條，資料沉澱帶來潛在價值

車外資料通訊量明顯提升。

電動智慧時代，資料感知（攝像頭、雷達等）、 自動駕駛演算法開發、資料記錄、網聯（4G，5G，V2X）、影音娛樂產品、 高精地圖等，提供了豐富的資料來源，海量資料的傳輸、管理和儲存成 為新的問題。據希捷資訊，在一個汽車保有量 200 萬輛的城市，一天產 生的資料高達 1609TB，預計到 2030 年，預計智慧汽車將會產生 4-40TB/ 車/時的資料，資料的使用方須考慮傳輸和儲存的成本。

汽車資料通訊鏈條發生變化。

現有機制下車輛的 T-Box 往往透過運營商 SIM 卡完成和網路的基礎連線，而在智慧駕駛時代，資料的傳輸鏈條發 生變化：

車身產生的資料，主要包括三電、底盤和 ADAS 相關資料透過公網 連線傳至主機廠，並按照安全法規提交國家監管平臺；

主機車廠和自動駕駛廠商合作（或自研），透過資料沉澱和模型反饋 進一步完善自動駕駛體驗；更新後的軟體系統可以透過 OTA 下發；

資訊娛樂域的資料請求和下發、高精地圖的下發更新 OTA，理論上 都需要經過主機廠驗證，佔用一定的車企端資料機房的伺服器資源。

行車資料在邊緣節點和核心節點均有可能存在，且在資料不斷積累 的情況下，結合交通情況有可能提升整體交通效率，整體資料流轉 不再是原來的單點對車廠/TSP，而形成資料資源積累、反饋、安全 共管的整體機制。

3.2. T-Box 是汽車對外通訊核心，高融合度汽車通訊單元迎來長期發展

T-Box 承載了車對外通訊的絕大多數流量需求。

T-Box 並不是車對外通 信的唯一通路，例如汽車鑰匙、車聯 wifi 等，但 T-Box 承載了絕大多數 的外界通訊職責，是事實上的車內車外通訊的閘道器。遠端車輛管理、車 輛資料管理、緊急電話、車輛診斷、OTA 等產生的資料流量均需要透過 T-Box 完成對外互聯。隨著智慧網聯化程序加速，高精度地圖、資訊娛 樂服務等大流量資料也將透過 T-Box 進行通訊。

T-Box 由最初的車輛遠端管理工具，逐步演化成智慧駕駛時代的融合通 信平臺。

T-Box 可稱為一個獨立的功能域，主要提供行駛安全/合規、提 高交通效率、提供出行資訊服務等功能。簡述 T-Box 發展歷程：

最早是基礎車輛服務、遠端通訊需求；

GBT32960 系列國標規定電動車必須採集整車資料上報後臺，主要 分為電池、驅動電機、告警類和其他狀態資料；第二個強制標準是 採集國五國六排放資料，這是 T-Box 普遍裝機的法規要求；

附屬功能的增加：一是支援網路流量的接入，二是支援遠端網路控 制，三是支援整車遠端診斷，四是需要做 OTA 升級；

近年功能需求：一是資訊保安，由於聯網特性需要預防被外部入侵；二是使用者隱私安全，需要做資料使用者認證。

當前 T-Box 除了有傳統通訊模組（4G、5G）外，也在逐步融合 V2X（車 聯網）、高精度定位等功能。當然，如果不將高精度定位硬體整合在 TBox 中，則會和外部定位系統有一路連線，實現雙頻 GNSS、RTK 差分 等高精度定位。從安全層面，車聯網的功能安全問題尚未被完全解決， 安全訊息的加解密、CA（Certificate Authentication）驗證等功能，未來 TBox 模組極有可能整合部分安全相關功能。目前 T-Box 的發展有兩種趨 勢：

1） 成為高融合度的 T-Box 作為統一硬體平臺，持續利用算力提供通訊、 安全、定位等功能，成為智慧駕駛時代發展高級別器件；

2） 成為法規件：由於聯網系統目前在自動駕駛中整車功能安全問題無 法解決（高級別車規級認證要求），有可能將 T-Box 功能弱化為一個 整合通訊安全、合規要求的法規件，而將其他可靠性部分交由例如 VCU 執行。

T-Box 處理能力逐步增強，其組成價值量有望提升。

T-Box 在除通訊能 力外，還需要處理相關業務的能力，其組成除包括通訊模組、天線等基 礎部件外，還至少包括 MCU 處理器負責電源管理，兩者構成 T-Box 的 最小系統。片上系統主要負責和業務邏輯判斷相關的部分，也包括 V2X 高層協議、安全、傳輸協議等；此外，還可能會有安全 SE（Secure Element） 晶片。對外介面方面，CAN 匯流排收發器完成與車機的互通，大資料量決 定了 T-Box 對車內介面需要適配資料量的變化，千兆乙太網成為汽車智 能化發展的必要選項。我們認為，弱化 T-Box 功能更多為了功能合規， 從整體效用來看，T-Box 由於承擔了對外網聯以及潛在的車聯通訊協議、 定位、安全等多種功能，其部件處理能力均需提升，整體將有對應的價 值增量。

3.3. 汽車智慧化互動導致流量激增，算力和儲存催生雲基礎設施新增量

電動智慧引發急迫的資料管理需求。

隨著車聯網應用快速上車，根據前 述分析，汽車攝像頭、鐳射雷達等各類感測器更多，採集到的資訊量巨 大，很有可能涉及到敏感地點；車機資料記錄軌跡、行為，涉及個人隱 私保護；國家有關部門出臺了一系列標準和規定，對某些資料強制要求 上傳國家監管平臺，並且明確要求汽車資料的出境規範管理。

除上傳國標安全規定資料外，其他傳輸資訊主要包括三電（電機電控電 池）、底盤、車身、ADAS 和 GPS 等資訊，大多數車企均會自定義上傳 資料。

根據草根調研，當前每輛車每天聯網的資料量在大概 20M-80M 之 間，車身底盤資料雖然種類繁多，但是單個數據量較小，往往以 4 個 16 進位制數字位表示，其單個引數大小僅為 2Byte，匯流排資料大概在 1KB/S 左右。

車企由於合規需求，均自建或者採用和國內 IDC 廠商、雲服務廠商合作 的方式構建主機廠雲平臺，資料增量直接影響 IDC 的擴建需求。

未來自 動駕駛每日資料量（微軟 20-40T/天，希捷 4-40T/小時），我們假設每車 每天產生的資料量為 20T，在真正商用階段其中有 20%資料需要和網路 互動，在尚不考慮資訊娛樂域的潛在增量前提下：

根據前述乘用車銷量預計，如果每年 3500 萬輛新增乘用車，則至少 每天新增待傳輸資料量 3500*4=1。4 億 T；

對於典型的 X86 伺服器而言，一般 1U 的裝置是一臺普通的雙路服 務器（兩個 CPU），記憶體 memory 配置一般從 64G 到 1T 不等。用於 計算的節點採用高階系列，用於 cache 的節點採用大記憶體（一般幾 百 G 級別），用於儲存的節點 CPU 可採用中端系列，資料庫的節點 都是高階 CPU 和大記憶體，用於 AI 的節點以 GPU 為主。所以，不同 的業務模型決定了使用相關業務伺服器，我們結合車輛資料的特性 粗估資料量分別有計算、AI、儲存、網路通訊的需求，假設一1U 的伺服器對應綜合處理能力 1G/秒；

針對增量汽車，一臺伺服器每天可提供 1G*24*3600=84。3T，則需求 服務檯數約 1。4 億/84。3=166 萬臺

一個標準 42U 機架以支援 16 臺 1U 伺服器為準，其滿載狀態需要 新增 10。4 萬機架，若以上架率 70%計算，每年需求新增 14。8 萬臺機架。

（本文僅供參考，不代表我們的任何投資建議。如需使用相關資訊，請參閱報告原文。）

精選報告來源：【未來智庫官網】。