SoC和MCU在发展趋势上是什么关系？

导语

Introduction

MCU属通用型，而SoC偏重更具体的应用领域。

作者丨王小西

责编丨曹佳东

编辑丨朱锦斌

这篇，主要科普科普MCU和SoC的关系。

从2021年初开始的“缺芯”，到目前为止还没有完全缓解。而一辆传统汽车上少则有40多种芯片，多则达到150多种。此外，一辆江南网页版登录入口官网下载 上要超过300颗芯片。

那么，“缺芯”缺什么？恐怕很多人说不上来。

实际上，汽车上缺的主要是ECU，而从更基础、更微观的层面来说，缺的是MCU（Micro Control Unit，微控制单元），也就是所谓的单片机。

简单来说，MCU就是在CPU（这个就不用解释了吧？）的基础上，增加了存储器RAM和ROM、计数器／定时器及I／O接口，将它们集成在一块，形成“芯片级别的芯片”。所以说，MCU是传统汽车最为常用的芯片。

而随着计算需求越来越专业化，将CPU、GPU、DSP、NPU等不同类型的芯片，外加上接口、储存等电子元件，就组成了俗称“片上系统”的SoC（System on Chip），形成“系统级别的芯片”。最典型的例子就是特斯拉的FSD，一颗CPU＋GPU＋2×NPU的多核SoC芯片。

所以，SoC是MCU集成度更高的结果，功能更加复杂，资源利用效率更高。但是，我们要知道的是，SoC和MCU在发展趋势上是什么关系？未来SoC是不是会完全替代MCU呢？

MCU“开挂”

IC Insights最新的《麦克林报告》指出，2022年全球MCU的市场销售额将增长10％，市场规模有望达到215亿美元，再创历史新高。其中，今年汽车MCU的增长将超过其他大多数终端市场。

就像指数资本的调研指出的，从资本市场来看，MCU此前市场空间总计不过100亿人民币，但现在，仅一级市场Top6的MCU企业最新估值总和已超300亿人民币，玩家中更不乏大量切入MCU业务的上市公司。

此外，工业级MCU对无线连接、环境感知、精准控制、电源管理、人机交互等功能不断提出新需求，同时，物联网（IOT）也带来更多的MCU增量需求。换句话说，是全面开花的局面。

按照指数资本董事总经理王逸非的观点，2022年是第二轮产业周期的起始年，“资本的故事主线”是高度智能化、电气化的下一代汽车，以及全新电子电气架构下的增量功能、增量技术、增量市场。

其核心驱动因素有两个：第一，电气化底盘的普及将为下一代智能汽车奠定架构基础；第二，各大车厂基于全新一代电子电气架构推出的平台，将在2022年底～2024年有产品分批上市。

此外，2025年后市场在售车型很可能将全面铺开。这两大产业链增量红利均为万亿元的量级。如此让人眼红的蛋糕，其中，小小的MCU将起到很关键的作用。

赛迪顾问集成电路中心高级咨询顾问池宪念也很含蓄地向媒体表示，智能电动时代的趋势下，汽车电子电气架构重构，所需的MCU数量和单价均会提升，MCU需求也会随之发生变化。

同样，根据IC Insights的预测，2021～2026年期间，MCU的平均售价将不断上升，复合年增长率（CAGR）将达到3．5％。此外，这期间MCU总出货量将以3．0％的复合年增长率增长，预计到2026年MCU总出货量将达到358亿片。

当然，也不是所有的MCU都能享受这个红利。未来五年，32位MCU的销售预计将以9．4％的复合年增长率增长，到2026年将达到200亿美元。同时，4／8位MCU的销售额，以及现在正当时的16位MCU的销售额，都将失去增长的动力。

为什么呢？前面说了，车身架构集成拉高了车厂对MCU的需求，所以，8／16位中低端MCU不再有投资机会（比亚迪对此有何感想呢？），投资的重心基本都在32位MCU，以及还在研发阶段的64位MCU。

与MCU蓬勃发展同时的，是SoC芯片同样在日新月异地快速崛起。不过，大多数的文章没有说明的是，SoC芯片虽然是MCU的晋级版本，但是为什么SoC芯片大发展的同时，MCU芯片同样在上量？

这里面其实就涉及到“域控制器”的问题。

从MCU到SoC

因为，目前汽车的电子电气架构正在从大量ECU的分布式，向域控制器、中央计算单元的集中式架构转变，而从分布式转移到集中式，是一个革命性的变化。

换句话说，这也是车企拿回控制权的一场“内卷”。并且，受益于由分布走向集中的趋势，域控制器市场得以快速增长。

据盖世汽车研究院预测，2025年，自动驾驶域控制器出货量将超过400万台套，智能座舱域控制器出货量将超过500万台套，复合增长率预计在50％以上。

而域控制器目前大致可以分为底盘、动力、车身、座舱、自动驾驶（ADAS）五大域，或者整合成车控VDC、智能座舱CDC、智能驾驶ADC三大域。而负责自动驾驶的域控制器是核心，其本质是一块SoC级别的芯片。

不同于以CPU为主的MCU芯片，SoC芯片集成了CPU、AI芯片（GPU／FPGA／ASIC等结构，芯片算力的主要来源）、深度学习加速单元（NPU）等多个模块。