被世人所广泛熟知的半导体，现在在哪些方面有巨大的应用？

被世人熟悉的半导体目前在电子照明，移动通信，航空航天等领域都有着非常广泛巨大的应用。

科学家把自然界中的物质，划分为三个部分。一部分是导电性能比较好的导体，另一部分是不能导电的绝缘体。介于导体和绝缘体之间的，就是半导体。半导体会随着温度和光线的变化而呈现出不同的功能，目前已经被广泛应用在各行各业当中。

比如目前很多汽车上的防撞雷达就是通过半导体的毫米波段来进行工作。现在社会发展，汽车的需求量越来越大，几乎是家家户户都必备的出行工具，人们为了自身安全考虑，基本都会配备防撞雷达，因此这是一个十分巨大的半导体市场。

还有手机和笔记本电脑方面的飞速发展，都需要用半导体来储存数据，进行无线连接。现在的人都离不开手机，随处可见低头族，刷微博、看抖音、日常追剧，这些都离不开半导体发挥的巨大作用，这部分市场应用也很可观。

半导体的应用中，最广泛的就是二极管，也就是人们常说的LED。它的优点是体积小，耗电少，寿命长，而且非常环保。生活中的方方面面都离不开它，手机背光，家里的台灯，路上的路灯，商家的招牌，城市的灯光秀，追星女孩的灯牌......可以说二极管在生活中无处不在。

目前正在引起新一代的能源技术发展，新型半导体的成本会更加低廉，性能会更加卓越。让人期待的是即将到来的5g时代，数据传输会越来越快捷，资讯的发展速度也会随着增加。这些更是需要大量的半导体作为数据处理的支撑，可以预见的是，半导体市场非常有潜力。

在电气化和智能化的推动下， 汽车 成为了半导体向前发展的新领域。 汽车 半导体作为一个新兴领域，也被众多企业所垂涎，因而，在近几年中发生在 汽车 半导体行业的并购越来越频繁，甚至还出现了几宗超百亿美元的超级收购。这些并购当中，不仅涉及了传统的 汽车 半导体厂商，还包括了一些计算芯片领域的巨头企业。在众多厂商纷纷开始布局 汽车 半导体的局势之下，是否也意味着 汽车 半导体领域的竞争进入到了加速阶段？

汽车 半导体领域的头把交椅发生变化

众所周知，2015年当中发生了很多并购案，其中，NXP收购飞思卡尔是当年半导体领域中的一大重大变化，而这也促使 汽车 半导体领域发生了变化。

根据市场研究机构IHS Technology在2014年发布的数据显示，在没有发生该笔并购之前，2013年全球 汽车 半导体供应商排名中，前十名供应商的名次与2012年完全相同，当时位居榜首的是瑞萨，紧随其后的是英飞凌和意法半导体。

（2013年全球 汽车 半导体供应商排名）

由于NXP收购飞思卡尔后，这两者的合并销售额得到了大幅度的提高，从而，NXP于2015年跃居 汽车 芯片市场龙头宝座。瑞萨则下滑到了第三的位置，有报告指出，瑞萨 科技 的下滑是由于受到美元对日圆汇率眨值而持续受挫。

在NXP蝉联 汽车 半导体榜首数年之后，伴随着英飞凌收购赛普拉斯的方案的敲定，这种格局再次发生了变化——在 汽车 半导体方面，英飞凌将以13.4%的市场份额超越其竞争对手恩智浦，成为最大的 汽车 半导体供应商。而在 汽车 微控制器领域，英飞凌也将跻身前三。

我们都是知道，无论是飞思卡尔还是赛普拉斯，他们在 汽车 半导体领域中的地位都不算低，但他们却都走向了被收购的结局。而收购他们的也都同样是在 汽车 半导体领域中享有盛名的企业，这种发生在细分领域巨头之间的并购，是否也意味着这个细分领域市场将要爆发？

在哪些方面展开竞速

根据 汽车 市场情况来看，在低碳经济的理念指引下，全球 汽车 产业正朝着能源多元化、智能化、绿色化三大方向不断催生出新的变革。在此驱动下， 汽车 半导体在 汽车 当中将扮演着越来越重要的角色。

根据德勤分析给出的数据来看，半导体成本（即电子系统零部件的成本）已经从2013年的每车312美元增加到了如今约400美元。 汽车 半导体供应商正获益于微控制单元、传感器、存储器等各类半导体设备需求的大幅上涨。到2022年，半导体成本预计将达到每车近600美元。

每量车所带来的600美元成本则来自于多种 汽车 半导体器件，包括MCU、功率半导体（IGBT、MOSFET等）、传感器及其他。这也是各大 汽车 半导体企业所抢夺的市场。就车用微控制器而言，它在传统燃油车和新能源 汽车 中均能发挥用处，而在NXP和英飞凌完成收购后，他们在车用微控制器方面的实力都有所提升。这也为他们追逐当下 汽车 市场利润提供了支持。

此外，新能源也是 汽车 发展过程中不可忽略的大方向。由传统内燃 汽车 向新能源 汽车 的转变意味着 汽车 要像电气化、电子化方向发展，而电气电子模块中最核心的就是半导体芯片。

根据中商产业研究院的报道显示，电气化和智能化为 汽车 半导体带来的影响主要包括以下三个方面：首先是摄像头雷达等感知层器件的搭载量上升，推动了CIS、激光器、MEMS等半导体器件的市场；其次，自动驾驶从L2向L4升级，带动了用于决策的 ASIC、GPU等计算芯片的用量增加；第三，动力传动系统从燃油引擎向混合动力及纯电动的升级大幅推高功率半导体用量的增加。

以上三个方面为 汽车 半导体领域带来了新的发展契机，也同样带来了新的竞争者。新的竞争者主要出现在车载计算芯片的应用上，计算领域芯片巨头英伟达、英特尔等，纷纷开始投入到自动驾驶领域，其中英特尔更是斥资153亿美元收购视觉ADAS主导厂商Mobileye，以布局 汽车 领域的发展。

除此之外，车载雷达也是 汽车 半导体企业在近些年来着力发展的市场之一，尤其是在车用毫米波市场上，多家企业已经推出了相关产品并展开了竞速，尤其是在77GHz毫米波雷达上竞速已经铺开了，参与其中的半导体企业包括NXP、英飞凌、TI等。

同时，在 汽车 感知层方面中所涉及的CIS领域也有了新的玩家参与。众所周知，安森美是 汽车 CIS领域的龙头，其市场占有率超过50%。而伴随着三星宣布其CIS发展后，它就成为了 汽车 CMOS图像传感器领域中的搅局者，ISOCELL Auto就是三星为强化其CMOS图像传感器在 汽车 领域的应用所推出的品牌。

第三代半导体器件的发展也推动着 汽车 半导体产业向前发展，尤其是在车用功率器件领域，第三代半导体将发挥着巨大的作用。对此，也有很多 汽车 半导体厂商在该领域中进行拓展。英飞凌、罗姆等企业在碳化硅领域中拥有着不错的成绩，同时，意法半导体在今年以来，也增加了其在氮化镓领域的布局，它从合作和收购两方面入手（意法半导体在今年3月收购了氮化镓创新企业Exagan的多数股权），力图未来在 汽车 电子方面取得成绩。

此外，车联网的大趋势也为 汽车 半导体提供了发展的动力，但就市场形势来看，车联网还处于发展阶段，其技术发展路线并没有统一。目前，车联网 V2X通信技术有 DSRC与LTE-V两大路线。NXP主推 DSRC 技术，高通则主推 LTEV 和 5G 标准。

从这些企业在 汽车 半导体领域中的布局，我们不难看出， 汽车 半导体市场的竞争正在加速。

主要营收市场发生变化

汽车 半导体需要依靠 汽车 来发挥它的作用，而 汽车 却不像消费类产品，大部分终端用户不会在短期进行更换，因此， 汽车 市场的需求量可能会极大地影响 汽车 半导体的发展。

根据Strategy Analytics的《2016年 汽车 半导体厂商市场份额》显示，在该年中， 汽车 半导体厂商的主要收益来源国首次由日本变为中国，这也意味着全球 汽车 电子产业结构转换。同时，根据前瞻研究院的报告显示，中国 汽车 产销量已经连续十年蝉联全球第一，属于全球 汽车 产销大国。

中国不仅是目前全球大的 汽车 市场，也是全球 汽车 制造中心之一。据德勤预计，轻型 汽车 产量在全球范围内的占比将达到近29%，而这些趋势均使亚太地区倍受半导体厂商的青睐。

对于传统 汽车 半导体巨头来说，他们比较熟悉车规的标准，凭借其多年的经验，他们在 汽车 半导体市场中占有着有利的位置。此外，对于类似英伟达和英特尔等通过利用计算芯片打入 汽车 市场的半导体企业来说，由于这类芯片也是 汽车 的新应用，因此，产品性能或许才是重要的。而凭借他们在半导体产业中多年的积累，他们则在技术实力上占据着优势（他们还可以通过积累的资本，以收购的方式来提升他们的实力）。

国产 汽车 芯片新势力

面对国际 汽车 半导体厂商的强劲实力，本土 汽车 半导体企业的发展之路并不平坦，他们不仅要面临着技术和法律壁垒，还要接受国内 汽车 电子产业上下游互动机制尚不完善的挑战。在这种情况下，我国本土仍有一些 汽车 半导体企业在该领域中默默耕耘，试图打破这种困局。这其中不仅包含本土半导体厂商向 汽车 领域进行拓展，还有一些Tire 1企业参与到了 汽车 半导体的研发中来。

就本土半导体企业而言，近期，我们发现有很多企业开始倾向 汽车 领域的发展，且他们所针对的应用也十分多样化，涉及了车控类芯片、CIS、车联网、毫米波雷达等多种领域。

具体来看，四图维新旗下的杰发 科技 就是在这期间成长起来的专注于 汽车 半导体等领域的企业，其车控类 汽车 电子芯片的表现尤为亮眼；大唐恩智浦则致力于于新能源 汽车 及传统 汽车 的电源管理和驱动，在 汽车 半导体领域大展拳脚；AI独角兽企业地平线也开展了 汽车 相关的业务，其地平线征程二代芯片已被一些整车厂商所采用；在车用毫米波雷达领域，也出现了一些初创企业致力于此，包括加特兰、隼眼 科技 、安智杰等企业；同时，还有一些半导体企业增加了 汽车 领域的投资，包括华为投资了车载以太网芯片研发商裕太车通。

此外，国内Tire 1也顺着 汽车 智能化和电气化的发展方向，开始与半导体厂商进行合作，或者自行研发相关的半导体器件。这当中包括，吉利集团控股的亿咖通 科技 与Arm中国合资建立了湖北芯擎 科技 ，规划建设车规级芯片及通讯模组的研发、测试及生产基地。此外，在车用IGBT方面取得了一定成绩的比亚迪也于今年宣布，其半导体业务已完成了拆分，并正式更名为比亚迪半导体有限公司。据悉，引入战略投资者完成后，该公司还将继续深耕于车用IGBT领域。

结语

汽车 半导体已经成为了半导体产业当中最具发展前景的领域之一。同时在电气化和智能化趋势的推动下，传统车厂也开始寻求能够助力其向这个方向发展的半导体供应链，这为半导体产业带来了新的发展机会，由此，也引起了半导体企业在 汽车 领域展开竞速。

同时，伴随着近些年来人工智能等技术的提升，与 汽车 相关的AI芯片也开始渗入到 汽车 中来，因此，也催生了一些专注于计算芯片和感知层芯片的企业能够有机会参与到 汽车 半导体芯片的竞争中来。

汽车 半导体的竞争不仅引起了半导体巨头的注意，在新应用中还吸引了一些初创企业参与其中。因此，我们也看到并购、收购股权这样的事发生在 汽车 半导体领域中。而这都加剧了 汽车 半导体行业的竞争。

★从财报看2019年的国产集成电路

★AI芯片的一些科普

★Arm芯片三十五年

中国半导体｜苹果｜封测｜蓝牙｜设备｜晶圆｜英伟达｜射频｜台积电

激光雷达发射器先发射激光，经过物体（ O b j e c t ObjectObject ）反射后被 C M O S CMOSCMOS （一种图像传感器，即图中 I m a g e r ImagerImager ）捕捉，设捕捉点为 x 2 x_2x

2

​

。现过焦点 O OO 作一条虚线平行于入射光线，交 I m a g e r ImagerImager 于 x 1 x_1x

1

​

，由于 β \betaβ 已知，所以可得到 x 1 x_1x

1

​

的位置。记 x 1 , x 2 x_1,x_2x

1

​

,x

2

​

之间距离为 x xx，易得左右两个三角形相似，所以有：q f = s x \frac{q}{f}=\frac{s}{x}

f

q

​

=

x

s

​

，又有 s i n β = q d sin\beta=\frac{q}{d}sinβ=

d

q

​

，二者联立可得 d = s f x s i n β d=\frac{sf}{xsin\beta}d=

xsinβ

sf

​

.

这样就可得到物体到激光发射器的距离 d dd 了，激光雷达将这样的发射器和接收器组装在一起，经过机械旋转360°即可得到一周障碍物的距离。

TOF测距原理

由三角测距的计算公式不难发现，当距离 d dd 很大时，每变化 δ d \delta dδd 引起的 x xx 变化很小，导致精度下降，这就限制了测量范围。

而TOF（Time of flight）原理克服了测量距离这一难点，并且提高了精度：

TOF原理十分简单，就是利用光速测距。首先激光发射器发射激光脉冲，计时器记录发射时间；脉冲经物体反射后由接收器接受，计时器记录接受时间；时间差乘上光速即得到距离的两倍。

TOF原理看似简单，但是实现起来确有很多难点：

计时问题：由于光速过快，测量时间会变得很短。据网上数据得：1cm的测量距离对应65ps的时间跨度。这需要计时器的精确度很高。

脉冲问题：发射器需要发射高质量的脉冲光，接收器接受脉冲光的时候需要尽量保持信号不失真。

对于同一距离的物体测距时，得到的回波信号可能不一样，如下图的黑白纸，这就需要特殊的处理方式来处理。

但总的来说TOF原理的精度远远超过三角测距，只是由于诸多难点导致成本略高。像大一立项时因为没钱，所以用的三角测距的思岚A1，精度不是很高。而ROBOCON战队里的sick激光雷达就是TOF原理，精度非常高，贵是有道理的~

雷达分类

机械激光雷达

机械激光雷达使用机械部件旋转来改变发射角度，这样导致体积过大，加工困难，且长时间使用电机损耗较大。但由于机械激光雷达是最早开始研发的，所以现在成本较低，大多数无人驾驶公司使用的都是机械激光雷达。

MEMS激光雷达

MEMS全称Micro-Electro-Mechanical System，是将原本激光雷达的机械结构通过微电子技术集成到硅基芯片上。本质上而言MEMS激光雷达是一种混合固态激光雷达，并没有做到完全取消机械结构。

主要原理为：通过MEMS把机械结构集成到体积较小的硅基芯片上，并且内部有可旋转的MEMS微振镜，通过微振镜改变单个发射器的发射角度，从而达到不用旋转外部结构就能扫描的效果。

大致原理如下图：

相控阵激光雷达

两列水波干涉时会出现某处高某处低的情形：

光学相控阵原理类似干涉，通过改变发射阵列中每个单元的相位差，合成特定方向的光束。经过这样的控制，光束便可对不同方向进行扫描。雷达精度可以做到毫米级，且顺应了未来激光雷达固态化、小型化以及低成本化的趋势，但难点在于如何把单位时间内测量的点云数据提高以及投入成本巨大等问题。

动态原理图如下：

FLASH激光雷达

FLASH激光雷达原理非常简单：在短时间内发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。

激光雷达的数据

分成N份

分成M份

N线点云数据

1线点云数据

时间戳

1个点云数据

点云数量M

X方向偏移量

Y方向偏移量

Z方向偏移量

反射强度

激光雷达数据的处理顺序一般为：

数据预处理（坐标转换，去噪声）

聚类（根据点云距离或反射强度）

提取聚类后的特征，根据特征进行分类等后处理工作。

激光雷达数据的处理顺序一般为：

数据预处理（坐标转换，去噪声）

聚类（根据点云距离或反射强度）

提取聚类后的特征，根据特征进行分类等后处理工作。

---