一、边缘AI芯片行业概述

2022年11月底，Open AI推出了人工智能聊天机器人程序ChatGPT，一经推出后就迅速成为史上用户增长速度最快的消费级应用，仅5天注册用户数就超过100万，两个月后这一数据已经突破1亿。AI产生的数据量将指数级增长，根据Gartner数据，预计到2030年用于训练AI的数据将是真实产生数据的3倍。以ChatGPT为代表的AIGC也将催生人工智能（AI）芯片需求量的爆发式增长，算力及信息传输速率成为关键技术。

AI 芯片根据部署位置和应用场景可分为云端、边缘端两大类。其中云端可以分为云端训练和云端推理芯片。随着人工智能在智能家居、自动驾驶、智慧安防等IoT领域的蓬勃发展，边缘端的低延迟、高带宽、隐私性等需求日益增长，云端的推理乃至训练算力将逐渐向边缘端迁移。

边缘AI芯片通常要求更为多样化，要求保证具体应用场景的高能效、低延迟、低成本等要求，复杂的需求场景导致边缘AI芯片的种类丰富多样。同时，部分边缘AI芯片在靠近数据源头的网络服务器和网关，融合网络、计算、存储、应用等核心能力，就近为终端设备提供安全高效的边缘AI服务，减轻云端AI的带宽压力。

云端、边缘端两种场景对于芯片的运算能力和功耗等特性有着不同要求，其中云端芯片倾向于更高的计算能力和高性能优势；边缘端芯片的主要任务则是推理，算力和功耗特性需求较低。
 
图表1：云端、边缘端AI芯片特性要求对比

应用场景	芯片特点	典型计算能力	典型功耗	典型应用领域
云端	高性能、高计算密度、兼有推理和训练任务、单价高、硬件产品形态少	>30TOPS	>50瓦	云计算数据中心、企业私有云等
边缘端	低功耗、高能效、推理任务为主、成本敏感、硬件形态众多	<30 TOPS	<15瓦	各类消费级电子、物联网产品、智能家居、可穿戴智能设备、自动驾驶等众多应用领域

边缘端主要实现图像和视频的采集、初步处理以及前端交互。终端设备主要用于数据采集，分为非智能终端和智能化终端。非智能终端主要实现数据的采集，数据由边缘端完成汇聚和初步的处理分析；智能化终端本身具备数据初步处理和交互反馈的功能，根据需求对数据进行初步处理，与云端交互协同。此外，边缘端还作为作为数据处理边缘节点，完成数据汇聚、处理分析等功能，满足低延时场景业务处理时效要求和云端数据深度分析的初步处理要求。

云端产品及服务主要实现对视频和图像数据的深度处理、多维大数据分析和用户需求功能的实现，该等产品和服务既可以单独实现对用户的交付，也可以“端云协同”解决方案的形式整体交付客户。

 图表2：云端、边缘端人工智能应用结构图
 
随着物联网应用的发展，云端的部分推理乃至训练算力将迁移至边缘端，支撑本地业务的实时智能化处理与执行。边缘端对 AI 芯片的需求更为多样、更强调低功耗低成本、技术要求相对较低。得益于人工智能等多种因素的推动，边缘计算将逐渐在公共安防、智能家居、智能交通等诸多领域应用。随着边缘计算兴起，端云一体化的算力布局方案渐成主流，不仅可以实现对算法结构的优化，还从本质上赋能各边缘端应用，提供更好更完整的解决方案。

当前人工智能芯片行业的下游应用场景主要聚集在个人及工作设备、智慧家居、智慧城市、汽车等领域。

图表3：人工智能芯片产业链结构图
 

二、全球边缘AI芯片行业市场

（一）全球边缘AI芯片市场规模

在物联网时代海量数据的背景下，受限于低延时、安全性等方面的要求，云计算不能满足对数据安全性和系统及时性要求高的用户需求，这些需求推动大量数据存储、处理向边缘端转移。边缘计算则指靠近物或数据源头一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供服务的计算模式。边缘计算能够更有效地管理来自物联网设备的大量数据，具备更低延迟、更快处理速度和更好的扩展性。边缘AI是在靠近用户和数据的网络边缘进行AI计算，而不是集中在云计算设施或私人数据中心。

根据Gartner预测， 2026年全球边缘AI芯片市场规模达到688亿美元，2022-2026年CAGR将达到16.9%。

图表4：全球边缘AI芯片市场规模（亿美元）

资料来源：Gartner
 

（二）全球边缘AI芯片市场产品功能结构

根据ABI Research数据，2023年，全球边缘AI芯片出货预计达13.12亿颗，其中语音处理1.93亿颗，机器视觉9.01亿颗，传感器数据分析1.40亿颗，其他种类0.78亿颗。预计到2023年，全球边缘AI芯片出货预计达22.86亿颗，其中语音处理芯片、机器视觉芯片、传感器数据分析芯片出货量CAGR分别达9%、12%、8%。

图表5：全球不同功能边缘AI芯片出货量（十亿颗）
 
资料来源：ABI Research

（三）全球边缘AI芯片竞争格局

全球边缘AI芯片市场主要参与者还是以Intel、Apple、Qualcomm、Tesla、NVIDIA MTK、Samsung等高算力SoC芯片厂商为主，市场份额较为集中，根据ABI Research数据，2021年，前七位公司市场份额达到76.1%。
 
图表6：2021年全球边缘AI芯片市场竞争格局
 
资料来源：ABI Research

三、中国边缘AI芯片行业市场

（一）中国边缘AI芯片市场规模

根据统计，2022年中国边缘AI芯片市场规模约为49.9亿美元，预计到2025年，中国边缘AI芯片市场规模将增长到110.3亿美元，较2022年增长121%。
 
图表7：全球及中国边缘AI芯片市场规模（亿美元）
 
资料来源：Gartner

（二）中国AI芯片市场产品功能结构

  根据统计，2022年中国AI芯片市场中，按照出货量计算，机器视觉是占比最大领域，占比达到39%。位列二、三位的分别为语音处理、传感器数据分析，占比分别为30%和26%。预计2022-2028年，机器视觉、语音处理、传感器数据分析三个主要领域出货量CAGR将达21%、27%和24%。
 
图表8：2021-2028年中国AI芯片出货量市场产品功能结构（百万颗）

资料来源：ABI Research

四、视觉识别芯片

（一）视觉识别的特点、应用场景

计算机视觉技术赋予计算机人类双眼所拥有的分割、分类、识别、跟踪、判别等功能，通过构造多层的神经网络，识别不同层级的图像特征并在顶层做出判断和分类。

当前，视觉人工智能的多数研究都集中在深度学习、检测和分类面部/手部/姿势、3D 传感技术等方面。随着识别准确度的提升空间趋小，研究重心将逐渐转向技术协同、融合与应用。

图表9：人脸识别发展路径

在海量数据爆发式增长的背景下，一方面视频数据的快速增长加重了原有网络带宽的压力，进而影响了云端算力的调度。另一方面，数据量的指数增长也大幅提高了云端峰值并行运算的需求，增加了部署成本。提升端侧和边缘侧的算力和智能化水平，实现算力分布前置，平衡云侧和端侧算力分布，实现整体效率最大化成为行业趋势。

机器在人工智能技术的应用下，“视觉”、“听觉”、“触觉”等感知能力不断增强。例如计算机视觉领域 ImageNet、WebVision等图像识别挑战赛获奖结果表明计算机对于图像的识别能力已经超过人类水平，意味着计算机能够一定程度上替代人类视觉的工作，更高效地完成任务。

（二）视觉识别AI芯片分类

如果按照识别识别对象的空间维度，视觉识别AI芯片可以分为3D视觉识别和2D视觉识别。

2D成像技术仅能呈现色彩、纹理等信息，而3D视觉感知技术可以获取更多精准的三维信息，从而能够测量物体空间形貌、几何尺寸、位置、表面角度等特征，通过算法复原三维立体成像。从2D到3D，应用领域得以拓展。在生物识别领域，主要应用场景包括智能门锁/门禁、人脸支付等，可实现更加安全而精准的刷脸解锁和支付；在AIoT领域应用场景则更加多元化，可实现2D传感器无法实现的三维重建、避障导航等功能，应用在3D空间扫描设备、机器人等领域。此外，3D视觉识别在工业、自动驾驶等领域也有广泛的应用。

3D视觉AI芯片和传感器一样，对于整个感知模组的性能、功耗、可靠性起着至关重要的作用。其接收传感器感知到的信息，经过深度引擎计算（支持结构光、ToF、双目等技术）生成点云信息，由本地NPU算力单元根据模型完成本地判断，或上传云端完成判断，进而将信息传递给控制单元，不同应用场景的操作。3D视觉AI芯片通常包括3D深度引擎、CPU、NPU等单元。

3D视觉感知技术主要包括：结构光、iToF、dToF、双目、Lidar、工业三维测量等。不同感知技术在测量距离、分辨率、测量精度、适用场景等方面有比较大的差异。

图表10：主要3D视觉感知方案技术对比

3D视觉感知主要技术	最佳测量距离	分辨率	测量精度	弱光环境表现	强光环境表现	主要适用场景
结构光	<5m	高	近距：高 中远距：低	良好	弱	手机前置、刷脸支付、刷脸门锁、服务机器人、安防监控、屏下3D结构光等
iToF	<3.5m	中	近距：中 中距：高	良好（红外线）	中	手机前置、后置、扫地机器人、AR/VR、门禁等
dToF	<5m	低	近距：低 远距：高	良好（红外线）	中	手机后置、平板后置、扫地机器人等
双目	<15m	高	低	弱	良好	汽车侧面、室外机器人、智能安防等
Lidar	<200m	低	近距：低 远距：高			汽车自动驾驶、汽车ADAS、低速物流、车自动驾驶等
工业三维测量	20mm-30m	极高	极高			高精度工业测量，材料、结构监测

 
图表11：3D视觉主要技术指标

指标类型	指标要求
深度分辨率	体现了3D 视觉传感器每一帧 3D 图 像中包含的深度数据点数，理论上深度分辨率越高，在视场角相同的前提下，传感器可以 提供测量细节越优
深度帧率	体现了3D 视觉传感器每一秒输出的 3D 图像帧数。理论上深度帧率越高，对动态场景的支持越好
视场角	体现了3D 视觉传感器可以覆盖场景范围，视场角越大，看到的范围越大，大视场角需要 更高深度分辨率支持
测量范围	指3D视觉传感器最佳工作距离，其 中包括最小距离和最大距离。一般来说，测量范围由光学系统的景深与算法等因素共同决定
精度	精度越高，3D 数据越准确
功耗	决定 3D 视觉传感器在不同硬件平台的整合难度，功耗越低传感器可以适配领域越广。在使用电池设备中，其他参数固定的前提下，功耗越小，传感器性能越优异
AI算法	智能门锁的要求、银联的标准

（三）3D视觉AI芯片行业规模

随着2D成像逐步向3D视觉感知升级，3D视觉感知市场处于规模快速增长的爆发前期。根据 Yole的统计，2020 年全球3D成像和传感市场规模约68亿美元，预计到2026年将增长至近149亿美元，CAGR为14.0%。

下游应用市场全面扩增，智能手机、汽车应用的增长较快。细分来看，3D传感下游最大应用为消费电子，预计到2026年将占整个3D成像和传感市场的46%，市场规模达到近68亿美元，2020-2026年CAGR约为15%。汽车为增速最快的下游应用，预计到2026年将占整个3D成像和传感市场的21%，市场规模达到31亿美元，2020-2026年CAGR约为26%。

图表12：全球3D成像和感知市场规模（亿美元）

资料来源：Yole

集微咨询（JW Insights）统计，2022年全球3D视觉AI芯片行业规模约为18.2亿美元，同比增长17.4%，预计到2025年将达27亿美元，2019-2025年CAGR达到19.4%。

图表13：全球3D视觉AI芯片市场规模（亿美元）
 
资料来源：集微咨询（JW Insights）

（四）3D视觉AI芯片应用代表领域

1、生物识别

在生物识别领域，主要应用场景包括智能门锁/门禁、人脸支付等，可实现更加安全而精准的刷脸解锁和支付。

近年来，伴随着传感、通信、计算等技术的不断进步，以及家居智能化的不断升级，智能门锁应用渗透率大幅提升。相比于传统门锁，智能门锁具有在安全性、智能化、便捷性等方面优势明显，已应用于家庭、公寓、办公等多种场景。

目前，我国智能门锁的渗透率依旧较低，仅10%左右，相较于日韩以及欧美国家仍存在较大差距。根据统计，2022年中国智能门锁销量约为1760万套，同比增长3.8%。预计到2024年将增长到2020万套，2019-2024年CAGR约为7.61%。

图表14：中国智能门锁销量（万套）
 资料来源：奥维云网

在3D人脸识别智能锁领域，各大头部品牌凯迪仕、德施曼等角逐的同时，也催生了3D人脸识别方案商的竞争。奥比中光、的卢深视、商汤、旷视科技、阜时科技、深岚视觉、艾芯智能等都是参与者。但是，奥比中光、商汤、艾芯智能以较高的市场份额分别成为了3D结构光、双目立体视觉、ToF三大技术流派最具代表性的厂商。据了解，2021年在主流人脸识别方案领域，奥比中光、商汤、阜时科技市场份额达65%。
 
图表15：中国人脸识别、指掌静脉智能门锁渗透率（万套）
 资料来源：奥维云网，集微咨询（JW Insights）

未来，成本、性能、功耗等依然是衡量人脸识别模组的关键要素，按照智能门锁搭载的操作系统来看，大致可以分为两类：一类是基于安卓/Linux操作系统的产品，通常搭载SoC，成本相对较高，功耗也较大。另一类是基于MCU+算力芯片的结构，相对而言，成本更低、功耗更低。

2、AIoT

3D视觉感知技术在AIoT领域的应用包括服务机器人、3D空间扫描、体感健身、安防行为识别等。

服务机器人：目前已实现商业化规模应用的服务机器人包括扫地机器人、自动配送机器人、引导陪伴机器人等，其中3D 视觉传感器可帮助服务机器人高效完成人脸识别、距离感知、避障、导航等功能。根据 IDC数据，2017年全球商务用机器人市场规模为 213.2 亿美元，预计2022年全可达538.0亿美元，近五年CAGR预计为20.3%。

3D空间扫描：由3D视觉传感器阵列组成的3D房屋扫描设备可实现对房屋内部结构和物品高精度、高速度的三维重建，可应用于VR看房场景。相较于传统线上看房，VR 看房可帮助终端用户更直观地感受到房间的立体感。根据贝壳数据，2019年贝壳的VR看房吸引了约4.2亿次线上观看，截至2020年6月30日的前三个月中，每天平均可促成约159000个VR家庭展示。

体感健身等：目前3D视觉感知技术在该领域的应用主要包括3D体态仪、智能体测设备等，针对健身人群，搭载3D视觉传感器的健身镜能准确捕捉人体动作，实现远程体感健身。在体育运动评比领域，3D视觉感知能通过对快速移动人体和物体的识别、定位等功能，实现自动发球、识别跟踪、判断评分等。

3、工业领域

工业3D视觉应用场景主要集中在尺寸与缺陷检测、智能制造、自主导航，可落地产品包括机械手臂、扫描仪、移动机器人等。

工业3D视觉应用场景包括检测、测量等识别类场景或工艺类（如焊接、涂胶、打磨等）场景，近两年工业3D视觉已实现了从单场景（如质检）发展到赋能全产线生产。

五、语音感知芯片

（一）语音感知AI芯片的分类、特点

语音感知整体包括语音识别（ASR）和自然语言处理（NLP）两种类型。语音识别（ASR），是将语音信号转化成文字文本并输出。但机器并不能理解语义，只是两种信号的转化。自然语言处理（NLP），则是通过某种算法让计算机理解所输入的内容，这个过程中，输入的可能不是语音信号，也可能是键盘或其他形式输入的。

语音识别属于感知，自然语言处理属于感知之上的认知，需结合上下文信息，考虑背景知识、常识性知识对信息进行处理。

自然语言处理（NLP）的领域包括自然语言理解（NLU）、文本分析、搜索引擎、知识图谱、对话管理系统等等，可广泛应用在机器翻译、人机交互、客服等领域。智能语音芯片的定义应该是包括传统语音识别功能和自然语言处理功能。

图表16：语音感知、认知处理过程示意图
 
语音感知AI芯片指能够实现语音信号采集、存储、处理、播放等功能，并通过人工智能算法实现语音识别、自然语言处理等作用的AI芯片。语音感知AI芯片在人机交互中应用非常广泛，已成为仅次于机器视觉之外，边缘AI芯片第二大应用领域。
 
人工智能语音市场产业可以分为声学、语音感知、语言认知三大部分。其中音频采集与信号处理环节是智能语音交互的起点，当前核心技术难点在于回声消除、噪声消除、声源分离、远场和复杂声学环境下语音唤醒和识别准确率等关键技术；语音识别是把语音信号转变为相应的文本或音频的过程，当前核心技术在于声纹技术、口音适应能力、低功耗识别等；语义理解主要是通过自然语言处理等方式使机器理解语言，当前的核心在于口语语义的理解、对话关键信息的抽取等；对话管理是以多轮交互为核心的一系列自然语言认知技术的综合，是人机对话系统中的中枢，当前的核心在于实现多模态、全双工交互等；语音合成即从文本到语音，当前的核心在于使机器能够实现自然声音、高表现力等。人工智能语音行业的大部分公司只专注于产业链的单个或部分环节，少有公司能拥有覆盖产业链各环节的技术、产品与服务。

（二）语音感知AI芯片的市场规模

全球范围来看，2022年全球智能语音产业规模将达351.2亿美元，保持33.1%的高速增长；从我国来看，根据德勤统计数据，2022年我国智能语音市场将达341亿元，同比增长13.4%。

根据ABI Research数据，2022年全球语音感知AI芯片出货量约为1.66亿颗，到2028年预计增长到2.9亿颗，2022-2028年CAGR达到9.7%。

图表17：全球语音感知AI芯片市场规模（百万颗）
 资料来源：ABI Research

（三）语音感知AI芯片应用领域

1、智能家居/家电

随着家居/家电智能化水平的快速提升，智能家居/家电产品的交互方式从遥控器、手机APP逐渐演进到了语音操控，人机交互的方式愈发简单、便捷。一方面智能终端从电视、音箱逐渐到空调、冰箱、开关面板，更加多样化；另一方面，智能家居/家电也在去中心化，使得智能家居/家电不再受限于固定设备端。

智能家居场景主要可通过语音控制家庭灯光开启、调整灯光亮度、启动家庭剧院、控制空调、切换影音频道等。通常可直接与终端进行交互或通过如手机Siri，语音遥控器等中间设备控制智能家居的开关及功能使用。

2、智能汽车

随着汽车智能化水平提升以及语音控制技术的快速发展，具备智能语音互动的汽车渗透率快速提升。相对于其他应用场景，在智能汽车应用场景中，语音助手的意义更大。在驾驶汽车过程中，驾驶员的眼、手都处于忙碌状态，难以分神操作其他电子设备，这时候就需要通过语音来与车机交互，来提升交互体验，确保驾驶安全性。智能汽车中语音交互场景，以车载场景下的人机对话交互为核心，融合智能导航、多媒体娱乐、车身控制、驾驶行为监控、车况监控等智能座舱人机交互需求。

根据 ABI Research数据，2021年全球车载语音AI芯片市场规模约为1200万颗，预计到2028年将增长到3810万颗，2021-2028年CAGR达到17.9%。

图表18：全球车载语音AI芯片市场规模（百万颗）
 资料来源：ABI Research

如今在车联网及智能汽车应用场景中，语音交互更多的是依靠云端算力处理和反馈，而云到端、云到云到端之间存在信息传递的延迟，造成语音交互过程一定程度的滞后，应用用户体验。

当前，基于端侧语音AI芯片算力的离线语音处理是一个重要的发展方向，实现在弱网/无网情况下的本地语音交互。随着端侧语音AI芯片功能、性能、可靠性变得越来越强大，成本下降，端侧语音识别将实现可靠性、隐私保护、低成本和高灵活性等多方面的优势。未来，从长期看，端侧和云端是相互融合、相辅相成的关系。

3、其他领域

消费产品：AI学习机、翻译笔、智能语音键盘、智能麦克风、智能助听器等日常消费产品也通过语音辅助/智能翻译功能让更多人享受到了的语音识别芯片带来的便利。

工业领域：工业听诊器、声学成像仪、工业设备卫士、智能巡检机器人等“工业六感”产品，目前已广泛应用到生产、质检、巡检等多个工业环节，有效提高了生产效率。

金融领域：声纹作为目前除DNA外最可靠的身份认证方式，被应用在各类身份认证环节。此外，智能联络中心AICC、金融客服机器人等AI+金融的应用，也帮助金融机构提升了整体运营效率

六、国内主要代表企业

伴随着AI+IoT的融合发展，边缘端设备的智能化水平快速提升，在这一过程中我国涌现出一批具有代表性的边缘AI龙头公司，这些公司积极布局，奋起直追，有望抓住边缘AI发展的浪潮，实现跨越式发展。

（一）瑞芯微

瑞芯微是国内领先的IoT及AIoT处理器芯片设计企业，在处理器和数模混合芯片设计、多媒体处理、影像算法、人工智能、系统软件开发上具有丰富的经验和技术储备。公司主要提供端侧、边缘侧AI SoC芯片，内含公司自研IP，具有计算效率高、能效高、功耗低等特点，并与端侧、边缘侧数据所需的前后处理综合优化，进一步提高了AI应用整体流程的处理效率。主要产品除各类型处理器芯片外，还包括电源管理芯片、数模混合芯片、光电产品及开发板产品。近年来，瑞芯微大力研发AIoT产品，开拓市场、打造AIOT生态，推广和发展人工智能技术在各个行业的应用，已成为国内领先的AIoT芯片供应商。

（二）全志科技

全志科技是卓越的智能应用处理器SoC、高性能模拟器件和无线互联芯片设计厂商，提供超高清视频编解码、高性能CPU/GPU/AI多核整合等解决方案。公司芯片产品主要服务于端侧智能终端应用。业务体系涵盖智能硬件、智慧家居、消费电子、高清媒体、智能视频、汽车电子、工业控制、互联互通、模拟产品等领域。

（三）晶晨股份

公司主营业务为系统级SoC芯片及周边芯片的研发、设计与销售，目前主要产品有多媒体智能终端SoC芯片、无线连接芯片、汽车电子芯片等，为众多消费类电子领域提供SoC主控芯片和系统级解决方案。公司产品已广泛应用于家庭、汽车、办公、教育、体育健身、工业、商业、农业、娱乐、仓储等领域。公司芯片制程工艺实现了从 28nm到12nm的突破，走在行业前列。基于在多媒体音视频领域的长期积累和技术优势，公司致力于叠加神经网络处理器、专用DSP、数字麦克风、物体识别、人脸识别、手势识别、远场语音识别、超高清图像传感器、动态图像处理、多种超高清输入输出接口、多种数字音频输入输出接口等技术，通过深度机器学习和高速的逻辑推理/系统处理，并结合行业先进制造工艺，形成了多样化应用场景的智能SoC芯片。2023年，公司发布了首颗8K超高清SoC芯片，推出了新一代智能视觉系统芯片，实现了第二代Wi-Fi蓝牙芯片（Wi-Fi 6 2T2R，BT 5.3）预量产。
 

（四）寒武纪

寒武纪主营业务是应用于各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发、设计和销售，为客户提供丰富的芯片产品与系统软件解决方案。其主要产品包括终端智能处理器 IP、云端智能芯片及加速卡、边缘智能芯片及加速卡以及与上述产品配套的基础系统软件平台。主要竞争对手为国际集成电路设计龙头企业及人工智能芯片初创公司两种，包括全球知名芯片企业英伟达、英特尔等。目前已和国内华为、一汽等合作多个应用场景，同时国际上也展现了强大的竞争力和影响力。

（五）云天励飞

云天励飞以人工智能算法、芯片技术为核心，为客户提供算法软件、芯片等自研产品，同时可根据客户需求，将自身产品、外购定制化/标准化产品、安装施工服务等打包以解决方案的方式交付给客户。作为国内人工智能行业的主要参与者之一,云天励飞是少数AI芯片与算法并行发展的企业之一,拥有算法技术及AI芯片技术两大技术平台,可实现算法芯片化，灵活支撑多类框架助力降低增效，赋能应用场景落地。云天励飞提供的解决方案中融合了公司核心软硬件产品，根据该等产品的部署位置区分，可以分为云端产品、终端和边缘端产品。云飞励天通过对人工智能算法技术特点及行业场景计算需求的深刻理解，搭建了人工智能算法平台、人工智能芯片平台，以及算法分析-指令集定义-芯片架构设计-工具链设计的AI芯片研发设计流程。同时打造了“端云协同”技术路线，加速AI解决方案的推广与落地，AI算法技术业内领先。

（六）地平线

地平线是行业领先的高效能智能驾驶计算方案提供商。作为推动智能驾驶在中国乘用车领域商业化应用的先行者，地平线致力于通过软硬结合的前瞻性技术理念，研发极致效能的硬件计算平台以及开放易用的软件开发工具，为智能汽车产业变革提供核心技术基础设施和开放繁荣的软件开发生态，为用户带来无与伦比的智能驾驶体验。2020年，地平线正式开启中国汽车智能芯片的前装量产元年，实现从0到1的突破，截止2022年底，地平线征程芯片累计出货量已突破200万片，与超过20家车企签下了超过70款车型前装量产项目定点，携手合作伙伴实现从1到N的价值共探。地平线目前已同奥迪、比亚迪、长安汽车、长城汽车、东风汽车等多家Tier1达成深度合作，快速搭建开放共赢的智能汽车芯生态。

（七）黑芝麻

黑芝麻智能科技有限公司成立于2016年，是行业领先的智能汽车计算芯片和平台研发企业，专注于车规级高性能计算芯片与平台技术领域的高科技研发。基于核心IP技术和芯片产品，黑芝麻智能提供完整的智能汽车、车路协同解决方案，支撑智能汽车产业链相关产品方案的快速产业化落地。公司和客户在L2、L3级ADAS和自动驾驶感知系统解决方案上开展了一系列商业合作，算法和图像处理等技术已在智能手机、智能汽车、智能家居等消费电子领域布局和商业落地。黑芝麻智能分别在武汉、硅谷、上海、成都、深圳、重庆、新加坡成立研发及销售中心，目前已有超过1000名员工，核心团队均来自博世、OV、英伟达、安霸、微软、高通、华为、中兴等业内顶尖公司，平均拥有15+年的行业经验。

（八）物奇微电子

物奇微电子是一家半导体芯片公司，旗下产品包括蓝牙、通讯、AI、物联网芯片。致力于提供物联网和人工智能领域高度整合的芯片解决方案，主要面向物联网通讯、安全、智能终端市场。物奇围绕AIOT打造的WQ5007 3D人脸识别芯片，是业内唯一一款同时支持所有主流3D视觉技术方案、并具备高速卷积神经网络计算的边缘侧、低功耗AI算力平台。在3D人脸识别及其他轻量级IOT应用中有极大优势，先后与奥比中光、商汤、阅面、的卢深视、艾芯智能、舜宇、光鉴、炬佑等国内重量级方案商达成合作。