部分组成，但是由于集成电路占了器件市场80%以上的份额，因此通常将半导体和集成电路等价；当然，半导体还包括电阻电容以及二极管等元器件。
集成电路按照产品种类主要分为微处理器，存储器，逻辑器件，模拟器件四大类。在日常工作学习中，这些通常我们都统称为芯片。 从制作流程上来讲，一个集成电路从设计到流 片出来后就成了芯片，再对其进行封装，方便应用在各个行业中
芯片，又称微电路、微芯片、集成电路， 是指内含集成电路的硅片，体积很小，常 常是计算机或其他电子设备的一部分。 芯片是半导体元件产品的统称，是集成电 路的载体，由晶圆分割而成。
半导体，指常温下导电性能介于导 体与绝缘体之间的材料。如二极管 就是采用半导体制作的器件。半导 体是指一种导电性可受控制，范围 可从绝缘体至导体之间的材料。
集成电路是一种微型电子器件或部件，是由半 导体材料制成的一个超大规模电路的一个集合， 让电容，晶体管，电阻等器件工作在硅片（或 者其他介质）上。它在电路中用字母“IC” （integrated circuit）表示。
芯片的种类：芯片种类划分角度多种多样，可依据材料、 集成电路亚新体育、芯片功能、芯片设计方式等角度 的不同进行分类。
1、根据晶体管工作方式划分——数字芯片和模拟芯片 ◢ 数字芯片主要用于处理各种数字信号，用半导体来控制电 压高低用以代表1和0，并以此进行逻辑计算。 ◢ 模拟芯片主要用于模拟信号处理领域，比如处理声，光， 无线、按照芯片的功能划分——处理器芯片、记忆和存储芯片、 特定功能芯片 ◢ 处理器也就是所谓的CPU，是一个电子设备的心脏，承担 最重要的数据计算和处理功能，CPU主要存在于电脑，手机， 平板，电视，机顶盒等电子产品。 ◢ 记忆和储存芯片负责数据的保存和管理，常见的DRAM， NAND等等。 ◢ 特定功能芯片则是为了某些功能而开发的芯片，比如WiFI 芯片，Bluetooth芯片和电源管理芯片等等。
汽车芯片的产业链中，上游一般为基础半导体材料(硅片、光刻胶、CMP抛光液等)、制造设备和晶圆制造流程(芯片 设计、晶圆代工和封装检测)；中游一般指汽车芯片制造环节，包括智能驾驶芯片制造(GPU芯片、FPGA芯片、ASIC 芯片)，辅助驾驶系统芯片制造(ADAS芯片)、车身控制芯片制造(MCU芯片)等；下游包含了汽车车载系统制造、车用 仪表制造以及整车制造环节。
MCU（Microcontroller Unit）即微控制器电路板，也被称为单片机，是将计算机所包含的CPU、存储器、I/O 端口、串 行口、定时器、中断系统、特殊功能寄存器等集成在一颗芯片上，将其应用在不同产品里，从而实现对产品的运算 和控制。车载MCU是汽车电子控制单元（ECU）的核心部件，负责各种信息的运算处理，主要用于车身控制、驾 驶控制、信息娱乐和驾驶辅助系统。 汽车电子化程度的加速驱动MCU市场需求的增长，汽车端成为全球MCU最大的应用市场。通常汽车中一个ECU负 责一个单独的功能，配备一颗MCU，也会出现一个ECU配备两颗MCU的情况，而与传统燃油车相比，新能源车丰 富功能提高，对MUC性能、功耗、数量的需求都有所提升。
车载MCU分类及应用 车载MCU可分为8位、16位及32位。车载MCU位数越多对应结构越复杂，处理能力越强，可实现的功能越多。 从不同位数MCU规模占比来看，32位MCU凭借优异的性能及逐步降低的成本占据主导地位，销售额占比已经 从2010年的38.11%提升2021年的65.83%，未来随着汽车电子电控功能的日趋复杂，叠加电子电气架构集中 化的趋势，车载MCU中32位占比有望进一步提高，从而带动行业整体ASP提升。
和中央集中式架构下的中央计算机需要SOC芯片。汽车电子功能依赖于车载芯片实现，随着ADAS的落地和L3及以上级别自动驾驶的成熟，传统中央计算CPU无法 满足智能汽车的算力需求，将CPU与GPU、FPGA、ASIC等通用/专用芯片异构融合、集合AI加速器的系统级芯片 （SoC）应运而生，主要分为智能座舱及自动驾驶芯片。 根据IHS数据，预计2025年全球汽车SoC市场规模将达到82亿美元，并且L3级别以上自动驾驶预计2025年之后开 始大规模进入市场，配套高算力、高性能SoC芯片将会带来极高附加值，有望带动主控芯片市场快速扩容。>
据国际电子商情，预计全球智能座舱市场在2022年将达到438亿美元。随着智能座舱从电子座舱逐步演化为第三 生活空间，“一芯多屏”的座舱方案成为未来趋势。 顺应智能座舱多传感器融合、多模交互及多场景化模式发展的演进趋势，作为处理中枢的座舱SoC需要不断发展 突破。因此，座舱SoC的算力将不断提升，据IHS Markit，预计2024年座舱NPU算力需求将是2021年的十倍， CPU算力需求是2022年的3.5倍。同时，芯片本身也将朝小型化、集成化、高性能化的方向发展。
自动驾驶芯片一方面需要满足更高的安全等级，另一方面随着自动驾驶等级的提升，对自动驾驶芯片运算能力的要 求也不断提升。只具备CPU处理器的芯片难以满足算力需要，自动驾驶芯片会往集成CPU+XPU的异构式SoC方向发 展，XPU包括GPU/FPGA/ASIC等。 GPU、FPGA、ASIC各有所长（ASIC是专用处理芯片，FPGA是半专用处理芯片），GPU适合数据密集型应用进行计算和处理，FPGA通过冗余晶体管和连线实现逻辑可编辑，而ASIC是面向特定用户的算法需求设计的专用芯片。 NPU作为ASIC的一种，在电路层模拟神经元，通过突触权重实现存储和计算一体化。一条指令即可完成GPU上百条 指令的功能，提高运行效率。NPU目前已经被多家厂商广泛采用，若未来自动驾驶算法实现统一，ASIC/NPU有望 成为最高效的自动驾驶芯片解决方案。
IGBT是当前新能源车中应用最广的功率器件 当前MOSFET、IGBT已广泛应用于车上，SiC基MOS同样得到小规模应用。其中，IGBT适宜中高压领域，是 当前新能源车中应用最广的功率器件，预计到2025年全球新能源汽车IGBT规模接近40亿美元，中国达22亿 美元。 而SiC MOSFET高压下性能优越，未来随着SiC成本下降以及800v高压平台架构的应用，SiC MOSFET有望迎 来规模上车。根据Yole数据，预计到2025年新能源车将贡献15.53亿美元的SiC功率市场，年复合增长率达 38%
按功能划分，模拟芯片分为电源管理芯片和信号链芯片。电源管理芯片是所有电子产品和设备的电能供应中枢和纽带。 信号链则是拥有对模拟信号进行收发、转换、放大、过滤等处理能力的集成电路亚新体育。 模拟芯片在新能源汽车充电桩、电池管理、车载充电、动力系统等方面均有所应用，预计车载模拟芯片将成为模拟芯 片所有下游应用领域中增速最快的方向。根据IC Insights数据，2022年市场规模将达到137.75亿美元，占总体规模 的16.6%，同比增速达到17%。
汽车模拟IC在工作温度、开发验证 周期、AEC-Q100认证等方面明显要 求更为严格，市场进入门槛较高。 国内公司与海外龙头在车规模拟芯片领域的市场份额和技术差距较 大。20-22年国内新能源车快速增长 的市场红利国内厂商受限于车规产 品认证进度并未享受到。 目前国内各模拟芯片公司开始在车 规模拟芯片发力，尤其是隔离驱动、电源链（LDO、LED驱动、马达驱动）、磁传感器等领域，大部分产品23年将通过车规认证，看好后 续国产替代机遇。
汽车智能传感器主要包括车载摄像头、激光雷达、毫米波雷达、红外传感器、超声波传感器、MEMS、CIS等。车载摄像头是目前自 动驾驶中应用最广泛的传感器。 随着ADAS系统渗透率提升和自动驾驶技术的突破，车载摄像头市场将在未来保持快速增长态势。预计到2025年全球 车载摄像头市场将达1762.6亿元，其中中国市场237.2亿元。 而CIS作为车载摄像头的核心部件，将受益于汽车智能化下ADAS渗透率提升快速增长。据ICV Tank数据，2021年全 球车载CIS总收入38.1亿美元，预计2026年有望达90.7亿美元，CAGR为18.94%。
存储芯片，又称半导体存储器，是指利用电能方式存储信息的半导体介质设备，其存储与读取过程体现为电子的存 储或释放。在车载市场中的应用主要包括DRAM（DDR、LPDDR）、和NAND（e.MMC和UFS等）。 在汽车电动化和智能化的趋势推动下，叠加上产业升级带来汽车格局重塑机遇，汽车存储芯片市场将成为一个高成 长的半导体细分赛道，根据IHS的数据，2020年全球汽车存储芯片市场规模约40亿美元，2025年预计达82亿美元。
目前主流智能汽车的自动驾驶技术仍处于1/2级，预计在2030年自动驾驶将会发展至L4和L5等高等级。 中短期来看，在电动化取得实质性进步，和L4/L5获得实质性突破的前夜，ADAS升级和车内体验是汽车存储现阶段 增长核心。 长期来看，自动驾驶技术升级带来车规存储的带宽持续高增长是长期趋势，未来汽车存储将由GB级走向TB级别。以 美光预测的ADAS为例，Level 5与Level 1相比，带宽提高20倍，DRAM容量提高8倍，NAND容量提高125倍，达到 TB级别。
芯片的成本包括硬件成本和设计成本。 ◢ 芯片硬件成本包括晶片成本+掩膜成本+测试成 本+封装成本四部分。 ◢ 此外，ARM阵营的IC设计公司要支付给ARM 设计研发费以如及每一片芯片的版税，而自主CPU 和Intel这样的巨头，则无购买IP的成本。 ◢ 除此之外，芯片的硬件成本还需要考虑到测试 封装可能会产生废片。
芯片的硬件成本公式： 芯片硬件成本=（晶片成本+测试成本+封装成本+掩膜成本+IP购买成本*）/ 最终成品率
晶片成本：从二氧化硅到市场上出售的芯片，要经 过制取工业硅、制取电子硅、再进行切割打磨制取晶圆。 晶圆是制造芯片的原材料，晶片成本可以理解为每一片 芯片所用的材料（硅片）的成本。一般情况下，特别是 产量足够大，而且拥有自主知识产权，以亿为单位量产 来计算的话，晶片成本占比最高。 ◢ 封装成本：即将基片、内核、散热片堆叠在一起， 就形成了大家日常见到的CPU，封装成本就是这个过程 所需要的资金。在产量巨大的一般情况下，封装成本一 般占硬件成本的5%-25%左右。 ◢ 测试成本：测试可以鉴别出每一颗处理器的关键特 性，比如最高频率、功耗、发热量等，并决定处理器的 等级，并依据等级制定不同的售价。如果芯片产量足够 大的话，测试成本可以忽略不计芯片。 ◢ 掩膜成本：即采用不同的制程工艺所需要的成本。 不同工艺的掩膜成本不尽相同。
硬件成本比较好明确，但设计成本就比较复杂。 这当中既包括工程师的工资、EDA等开发工具的费 用、设备费用、场地费用等。 另外，还有一大部分是IP费用——如果是自主CPU 不存在此费用，而如果是ARM阵营IC设计公司，需 要大量外购IP，这些IP价格昂贵。 ◢ 按国际通用的低盈利芯片设计公司的定价策略8： 20定价法，也就是硬件成本为8的情况下，定价为20。 以下是不同产量情况下，自主CPU-Y也采用8：20定 价法的售价对比： ► 在产量为10万片的情况下► ► ► 售价为305美元； ► 在产量为100万片的情况下► ► ► 售价为75美元； ► 在产量为1000万片的情况下► ► ► 售价为52.5美 元。 可以看出，要降低CPU的成本/售价，产量至关重要， 而这也是Intel、苹果能采用相对而昂贵的制程工艺， 又能攫取超额利润的关键
TOPS是Tera Operations Per Second的缩写，1TOPS代表处理器每秒钟可进行一万亿次（10^12）操作。与此对应的还有GOPS（Giga Operations Per Second），MOPS（Million Operation Per Second）算力单位。1GOPS代表处理器每秒钟可进行十亿次（10^9）操作，1MOPS代表处理器每秒钟可进行一百万次（10^6）操作。TOPS同GOPS与MOPS可以换算，都代表每秒钟能处理的次数，单位不同而已。在某些情况下，还使用 TOPS/W 来作为评价处理器运算能力的一个性能指标，TOPS/W 用于度量在1W功耗的情况下，处理器能进行多少万亿次操作。
，值越大说明一个时钟周期执行的指令数越多。目前高通系芯片都换算成DMIPS，如高通8155芯片算力为105K DMIPS。