代工厂出货强劲、消费电子产品市场减速以及中国复产复工，可能有助于芯片短缺问题比预期更早得到缓解。虽然情况依然不稳定，但根据与汽车制造商、供应商的沟通，以及来自摩根士丹利亚洲半导体团队的数据，全球汽车芯片的长期短缺局面可能正在接近得到解决。
自2020年底开始，缺芯问题就成为汽车行业的最大挑战。期间，众多汽车厂商因缺芯被迫停产或减产。芯片短缺不仅导致汽车行业产出减少，消费者购车成本增加，还影响到车辆的正常交付，甚至还影响了众多开发自动驾驶的科技企业。
目前，汽车行业缺芯危机成为全球供应链乃至疫情中维持世界经济发展的焦点。然而，旷日持久的半导体短缺问题近期似乎在改观。一些分析机构均表示，最近一些公司开始看到情况在改善，5月份的交付周期也基本上与前月持平。这似乎预示做汽车芯片的问题将得到彻底解决呢？
汽车芯片短缺问题将更早得到缓解
全球金融交易巨头海纳国际集团（Susquehanna Financial Group）的研究显示，5月全球芯片平均交付周期（芯片从订购到交付的时间）为27.1周，刷新了纪录高位，但与4月份的27周基本持平。该机构表示，交付周期上次持平或者略有缩短是在2022年1月。
该机构分析师Chris Rolland在周二的研究报告中称：“具体到公司的数据则偏向下行，约60%的芯片公司交付周期缩短。”
Rolland指出，疫情封控措施和俄乌冲突造成的持续干扰并未导致交付周期显著拉长。
对于受缺芯影响最严重的汽车行业，车企集团梅赛德斯-奔驰近日表示，芯片供应正在改善，其全球汽车制造业务基本上在正常运行。大众汽车5月初也曾表示，预计半导体短缺问题将在下半年有所缓和。
此前研究显示，因为受到芯片短缺的影响，全球汽车市场累计减产量约为169.38万辆，其中欧洲地区受打击最为严重，该地区减产量占到全球市场的46%。
摩根士丹利分析师Adam Jonas近日也在一份报告中表示，代工厂出货强劲、消费电子产品市场减速以及中国复产复工，可能有助于芯片短缺问题比预期更早得到缓解。
Jonas写道，虽然情况依然不稳定，但根据与汽车制造商、供应商的沟通，以及来自摩根士丹利亚洲半导体团队的数据，全球汽车芯片的长期短缺局面可能正在接近得到解决。
汽车芯片涨价仍在继续
近日，有消息称，因物流、原材料、能源等成本压力上升，博世计划提高产品价格，目前正在与车企重新进行合同谈判。对此，博世方面并未给予肯定回复。但5月31日，威马汽车创始人、董事长兼CEO沈晖在微博发文称：“博世涨价不是传闻，还有其他Tier1(也在涨价)。这次涨价的都是必不可少的芯片。”
“近期，以芯片为代表的汽车零部件的确有新一轮的涨价趋势。实际上，自2019年下半年开始，芯片相关产品就在不停涨价，基本上每过一个季度，就会有一次价格上调。 ”近日，有芯片行业设计人员表示。
“不过，现在也不完全是芯片供应的问题，疫情导致了其他汽车类零部件也供应不上。” 有自主品牌内部人员表示，目前整个汽车行业的零部件供应都处于不充足的状态。
据沈晖透露，芯片仍是此次汽车零部件涨价潮的“主角”。“我们做了简单估算，智能电动车的芯片成本已经超过电池包。这种语境下，单颗万元的激光雷达很难持续热下去。这也意味着电动车的行业赛道从电池转到了芯片。”沈晖发文说。
图片来源：新浪微博
汽车供应商都已经官方宣布了产品涨价。比如，英飞凌已在今年2月发布通知称由于市场供不应求及上游成本的增加，其无力承担溢出的成本，酝酿涨价。意法半导体同样表示，全球芯片持续短缺，以及经济和地缘政治形势严重影响了行业，短期内没有复苏迹象，原材料、能源和物流成本已经达到了公司无法消化的水平。
智能驾驶推升芯片需求
随着智能汽车自动化程度提高，数据生产量级呈指数级增长。从自动驾驶级别来看，目 前所处的L1、L2级别的定速巡航不需要太多存储设备，只记录车速、发动机参数等。L4级别自动驾驶的算法准确性需要达到甚至超过人类的认知水平，需要人工智能和深度学 习的参与，通过对大量的数据进行训练，不断优化，把所有的经验归纳为代码，才有可能实现不同驾驶场景的准确判断和科学决策，L4级别自动驾驶下一辆车一次路测就会产生约8-60TB的数据，整个研发周期内产生的数据会达到EB级别。L5级别完全不需要人的参与，数据采集、预存、反馈、匹配、科学依据和判断环节需要大量存储容量。
自动驾驶产生的海量数据将对存储的带宽和容量提出更高的要求，汽车存储芯片的价值 量会随之提升。
智能化下占据车辆车载存储数据的最大份额的是各类传感器的数据，传感器数据主要来 自ADAS系统和V2X功能。其中包括：GPS接收器、激光雷达、超声波传感器、毫米波雷达、高清摄像头等。以汽车驾驶辅助系统ADAS为例，由于需要大容量存储和高效运算支撑系统的快速反映，特别是高清的图像传输，对于存储产品的容量、性能、可靠性也提出了越来越高的需求。在自动驾驶研发过程中，这些路测数据会被上传到研发平台，由平台对这些数据进行训练，并在ADAS平台上进行验证和仿真，在此过程中又会产生大量的过程数据，他们都以文件或对象的方式保存，供各个平台频繁读写。
随着自动驾驶等级由L1向L5不断渗透，传感器数量、采集到的数据量显著提升，对存储芯片的数量和容量需求也随之增加。自动驾驶应用中，每颗摄像头、雷达均需要一颗储存芯片与其配套使用，摄像头和雷达会将所感知到的路面信息写入储存芯片中，并通过专有算法对写入的数据进行运算、分析，快速做出紧急避让、制动等操作。以L4级别为例，自动驾驶私家车各个传感器一天数小时行驶中需要产生超过10GB的结构化数据，每2h需要存储2TB场景记录数据，营运车行驶10h将产生20TB数据，目前百度等自动驾驶方案车每天路测所积累的场景数据已经远超20TB。现有的流量成本和带宽很难支持将全部数据上传云端，大量数据需在车内进行存储和计算。
本文内容参考华尔街见闻、每日经济新闻、未来智库报道
您可能感兴趣
