1. 全球半导体市场概览
根据世界半导体市场统计(WSTS)及美国半导体行业协会(SIA)的资料，2024年全球半导体销售额达到6,276亿美元，比2023年增长19.1%。于2024年，前十大市场参与者约占全球半导体市场份额的67%，包括NVIDIA、三星、英特尔、SK海力士、高通、博通、美光、AMD、Apple及联发科技。
从功能的角度来看，半导体行业的SoC可被分类为训练芯片和推理芯片。训练芯片主要部署在云环境中，以支持大规模模型训练。相比之下，推理芯片可以跨终端设备、边缘节点和云部署，从而在3C电子、汽车、数据中心和远程服务器中实现广泛的应用。半导体产业的上游主要包括原材料供应商和制造设备提供商。原材料包括晶圆和光阻剂，而设备包括光刻、刻蚀及沉积工具。中游包括芯片设计和晶圆制造，延伸到封装和测试工艺。下游具有在3C电子、医疗保健、通信、物联网、汽车及工业领域广泛应用的特点。本公司主要从事中游业务，战略重点是芯片设计。
人工智能「AI」已成为推动全球经济及社会进步的核心引擎。到2030年，预计其对全球GDP增长的贡献将超过15%。
2. 边缘及端侧AI的崛起
近年来，AI大模型（例如大语言模型「LLM」、视觉语言模型「VLM」及视觉语言动作模型「VLA」取得突破性进展，为AI的未来发展提供了强大动力。该等模型通过支持AI生成内容、图像识别、内容推荐、销售预测及金融风险管理等重要功能，迅速渗透到多个应用场景，从而拓展了AI应用范围。因此，AI不再是辅助工具，而是智能设备的「神经系统」，为终端用户提供触手可及的尖端技术。
过往，AI大模型因其巨大的计算及存储需求而面临极高的部署门槛，只能依赖配备专业硬件和高带宽的昂贵云基础设施。自2024年以来，随着端侧及边缘计算能力的提升、轻量化AI模型的普及以及开源LLM的发展，AI部署模式发生了革命性的转变。该等技术进步显著降低了部署和带宽成本，使AI大模型能够在边缘及终端设备本地化运行。因此，这一转变克服了过往AI大模型部署过程中所面临的成本、网络依赖和地域限制等挑战，赋能更广泛的智能设备，加速了AI的普及。
3. AI芯片—AI计算的核心推动因素
为处理日益复杂的运算，蓬勃发展的AI市场对更高算力的需求日益迫切，从而使AI芯片成为未来技术进步的关键推动因素。该等AI芯片专为处理各种AI工作负载而设计，是AI发展的支柱。通过优化并行处理架构及功效设计，该等芯片提升了大规模并行计算的效率。
训练和推理是AI芯片的两大主要计算任务。在投入实际应用之前，训练需处理海量数据并优化参数以构建模型。因此，在AI SoC行业发展初期，训练是主要焦点。然而，随着AI模型（尤其是LLM）在性能和实用性方面的提升，AI芯片需求已扩大，行业目前更侧重于实际应用，而AI推理芯片的重要性与日俱增。
AI推理芯片可部署于云端、边缘及端侧场景，每种场景对芯片设计拥有不同的定制化需求：云端AI推理芯片通常用于数据中心，负责处理大规模、高密度及高并发的集中式推理任务。因此，该等芯片优先考虑高算力、广泛适用性、灵活性及可扩展性。边缘AI推理芯片部署于靠近数据源的边缘服务器、网关或基站，执行实时本地推理，需要在高性能与功效之间保持谨慎平衡，以确保低延迟、数据安全及运行稳定性。端侧AI推理芯片直接应用于终端设备，例如智能手机等消费电子产品、智能汽车及智能家电等。因此，该等芯片需经过严格优化，在小型化、超低功耗及有效推理性能之间实现平衡，以支持在不同环境下的稳定长期使用。
4. AI推理芯片市场概览
4.1 AI推理芯片市场规模
2024年，全球AI推理芯片市场规模总额达人民币6,067亿元，其中云端推理、边缘推理及端侧推理芯片分别占人民币2,275亿元、人民币877亿元及人民币2,916亿元。2024年，中国AI推理芯片的市场规模达人民币1,608亿元，其中云端、边缘及端侧分部的市场规模分别为人民币482亿元、人民币322亿元及人民币804亿元。随着AI推理任务从以云端为中心转向云端、边缘和终端设备兼具的更为分散的模式，边缘和端侧AI推理需求激增，进而加速了全球及中国边缘和端侧AI芯片的普及。
4.2 AI推理芯片市场的关键驱动因素及趋势
AI智能设备的增长：DeepSeek等开源模型支持低成本、高性能的端侧AI，通过语音、触控、手势和面部表情等方式，在终端和边缘设备上实现流畅的多模态交互。这种能力的提升降低了部署成本，促使更多企业采用AI应用，进而推动了对边缘和端侧AI推理芯片的需求。根据灼识谘询的资料，全球AI智能设备渗透率由2020年的不足1%增至2024年的9.4%，预计到2030年将超过44%，推升了对边缘和端侧AI推理计算的需求，使边缘和端侧AI推理芯片成为该智能转型的关键推动因素。
数据量激增及低延迟需求：在工业控制、交通监控、辅助驾驶、机器人交互及安全回应等高实时应用场景中，设备对数据处理的回应速度要求达到毫秒级。传统的云端架构受限于网络带宽、通信延迟及计算资源调度，难以维持稳定的即时回应和持续推理。通过在靠近数据源的边缘节点部署AI推理芯片，可实现快速本地处理、即时事件识别和多设备协同回应，有效支持高频次、低误差率的任务执行。随着设备智能化程度日益提高，边缘推理芯片已成为满足高实时计算场景需求的关键基础设施，其部署范围正在迅速扩大。
数据合规推动本地化处理：随着数字化加速，数据已从技术副产品演变为核心战略资产。对此，世界各国政府出台了日益严格的数据合规政策。企业目前在处理敏感资料（尤其是在跨境数据传输、个人数据处理及自动化决策等领域）时面临更大的监管压力。对于医疗保健、金融及政府等数据敏感度高的行业，本地化推理已成为平衡营运效率与监管合规的切实解决方案。在此背景下，边缘和端侧AI推理芯片已成为本地化智能计算的重要基础设施，在实时响应、闭环数据处理和安全等方面的优势极大推动了其满足日益变化的合规要求。
4.3 感知与计算—AI推理芯片的核心能力
边缘和端侧AI推理芯片的价值源于两大相互依存的支柱：环境感知与计算效率。两项能力必须协同运作，以满足现代智能系统的实时处理需求。
AI推理芯片中的感知系统可捕获并处理来自外部环境的实时输入数据，将视觉图像、音讯流及传感器信号转换为标准化数字格式。在该等输入数据中，视觉信号为主要数据源，约占环境感知输入数据的80%。视觉数据处理的核心是图像信号处理器(ISP)。AI ISP通过先进的降噪、动态范围优化及多光谱色彩校准处理原始传感器数据，提升图像质量，增强原始信号的有效信息密度，确保后续推理准确性。此外，与传统架构相比，其本地化预处理能力消除了云端数据流量，同时降低了系统功耗，显著提升了边缘和端侧感知系统的实时响应能力。
然而，若缺乏并行计算能力，感知数据的价值将十分有限。现代AI芯片必须在万亿次计算性能与毫瓦级功耗预算之间取得平衡，而传统的通用处理器（如CPU和GPU）在此方面表现不足，其固有的能效低下和推理延迟过长导致系统性制约。相比之下，在AI推理芯片中集成NPU可形成优化架构：加速计算、支持实时端侧推理，同时降低内存占用和散热需求，最终延长AI设备的运行寿命。
该等技术进步推动了AI推理芯片在各类场景中的实际应用，包括配备摄像头的视觉中心设备、智能汽车和边缘计算基础设施等，该等应用均有一个共同需求，即具备实时感知环境的能力及高效计算能力。
5. 端侧AI推理芯片市场概览
5.1 端侧AI推理芯片概览
由于智能设备部署快速扩展，感知数据呈指数级增长，由此大幅提升了对前端处理与实时本地计算的需求。传统云端架构受限于延迟和算力瓶颈，愈发难以满足当前的应用需求。因此，AI驱动设备必须在高精度感知和高效计算两方面取得进展。
在此背景下，端侧AI推理芯片的重要性日益凸显。通过融合AI模型与智能设备感知技术，这类芯片构建了由感知、计算、执行组成的实时闭环系统，并利用文本、图像、视频和音频等实体数据直接在设备上完成AI驱动的分析决策，大幅降低了对云端资源的依赖。
端侧AI推理芯片应用场景广泛，涵盖个人设备、智能汽车和信息系统等领域。自2024年至2030年，这些细分市场预计将在全球市场实现54.4%、48.9%及19.7%的出货量年复合增长率，而中国市场的对应细分市场则有望以更高增速发展，分别达到59.9%、55.3%及22.5%。
与此同时，视觉相比其他输入能够提供更丰富的环境信息，适应多样化的环境，还能与听觉、激光等其他输入融合实现更全面的感知能力。因此，视觉推理芯片是端侧AI推理芯片的重要品类。除高效神经网络加速器外，视觉推理芯片还支持多模态处理，可统一、高效地完成图像接收、译码、压缩、存储及智能分析等任务。
5.2 视觉端侧AI推理芯片概览
AI推理芯片处理的主要输入类型包括视觉、音频、文本、温度、压力、光照强度等。其中视觉输入最为常见，被广泛应用于可视门铃、智能投影仪等人机交互应用场景。
相较于其他数据类型，处理视觉输入对AI推理芯片提出了更大的技术挑战。视觉数据具有海量性和结构复杂性特征，要求芯片在严格的功耗与尺寸限制下实现高性能计算以满足实时分析需求。此外，芯片需支持目标检测、图像分割等复杂算法，这对并行计算能力、内存带宽和低延迟运行提出了更高要求。此外，视觉应用通常需要更高的安全性与可靠性标准，因为芯片必须在复杂环境中保持稳定运行。这些因素共同导致了视觉AI推理芯片相关的较高技术壁垒。
在实际应用中，为适应不同输入类型，某些终端设备配备了多款专用的AI推理芯片，均设计用于处理特定的数据模式。例如，个人智能设备可能包含用于视觉及音频处理的单独芯片，而智能汽车则整合处理视觉、音频、雷达、激光雷达、位置、生物信号及其他输入的芯片组合，以实现多模态感知。
相比之下，由于视觉端侧产品仅被设计用于处理单一视觉输入类型，因此其有别于该等多模态系统。这一不同的着重点使其被归类为一个单独的细分市场。
视觉端侧设备通常包括公共安防摄像头、行车记录仪、智能锁、机器视觉检测设备等。
视觉端侧AI推理芯片通常按性能分为低端与中高端两类。低端芯片算力普遍低于1TOPS（处理器运算能力单位），中高端芯片则超过这一阈值。随着视觉应用对高分辨率、智能化、低延迟处理需求的持续提升，市场正快速向中高端芯片倾斜，这类芯片正成为增速最快的产品细分领域。
2024年全球中高端芯片出货量达34.8百万颗，约占总量的26.0%；预计到2030年将增至99.9百万颗，份额扩大至41.3%。相应地，全球中高端视觉端侧AI推理芯片市场规模预期将由2024年的人民币24亿元增至2030年的人民币50亿元，年复合增长率为13.1%。
5.3 视觉端侧AI推理芯片的应用场景
全球视觉端侧AI推理芯片出货量预计将由2024年的133.7百万颗大幅增至2030年的239.5百万颗，年复合增长率为10.2%。到2030年，中国视觉端侧AI推理芯片出货量预计将达到105.4百万颗。这类芯片已在家居、城市、工业等多元领域及其他应用方面实现广泛应用。
工业场景：视觉端侧AI推理芯片已成为工业应用的关键技术，例如品质检测、安全监管及仓储管理。在过去，工业检测依赖人工目检，存在效率低下、易出错的缺陷。相比之下，视觉AI推理芯片可实现自动化质检与预防性维护，提升制造的自动化及安全水平。随着智能制造继续快速发展，工业领域对视觉推理芯片的需求激增。
城市场景：城市场景已成为视觉端侧AI推理芯片的核心部署阵地，重点应用于智能交通管理、智能视频传感、环境检测及能源管理等方面。这类芯片通过突破常规系统的核心缺陷，正推动城市基础设施的AI转型。例如，尽管到2022年全球城市检测摄像头安装量超10亿个，但这些传统系统存在图像分辨率低、处理效率差等痛点。市场对高清智能检测解决方案的需求日益增长，为具备实时端侧处理能力的视觉AI推理芯片创造了巨大市场机遇。
家居场景：视觉端侧AI推理芯片在家居环境的部署主要支持室内外安防摄像头、智能门锁及远程视频检测系统等应用。这类芯片通过实现智能识别、行为分析、异常活动检测等功能提升设备智能水平，同时优化图像质量，支持微光成像及高清视频传输，全面提升功能性与使用者体验。家居行业有望成为视觉端侧AI推理芯片增速最快的应用领域。
其他场景：其他应用领域涵盖零售、农业、教育及医疗。
5.4 视觉端侧AI推理芯片的主要驱动因素与发展趋势
智能转型：传统影像系统依赖人工审查录像的低效方式因而常遗漏关键信息，已无法满足现代家居、城市及工业场景的实时、精确及智能要求。为实现实时人脸识别、行为分析、异常检测等功能，高性能、高能效的AI芯片成为关键，推动视觉终端计算芯片加速普及。
数据处理需求日益增加：4K摄像头、Hi-Fi麦克风及多通道传感器等要求高分辨率、多模态感知的设备普及，使前端系统实时译码、分析与推理数据的压力剧增。这提升了对集成NPU、ISP及DSP的异构芯片架构的需求，这类架构可为图像增强、语义理解、语音交互等复杂AI任务提供算力支撑。
政策支持：为满足日益增长的边缘智能与自给自足的终端计算需求，国家和地方各级政府相继出台支持政策。中国《关于推进移动物联网「万物互联」发展的通知》明确鼓励芯片及模块技术创新与产业化，《新基建规划》、《「十四五」智能制造发展规划》等其他举措更强化了支持端侧AI推理芯片大规模部署的政策体系。
5.5 全球视觉端侧AI推理芯片市场竞争格局
爱芯元智在全球视觉端侧AI推理芯片市场处于领先地位，2024年以9,124千颗的出货量排名前五，市场份额为6.8%。值得注意的是，爱芯元智在中高端芯片细分市场以24.1%的份额高居榜首。随着市场需求日益向中高端芯片倾斜，我们更有能力在未来巩固当前的领先地位。
6. 智能汽车AI芯片市场概览
全球智能新车出货量预计将从2024年的4,480万辆增长至2030年的8,210万辆，而同期中国智能汽车出货量预计将从1,490万辆增长至2,980万辆。
智能汽车由智能汽车AI芯片赋能。在该等芯片市场中，智能驾驶芯片属最大分部。虽然智能驾驶AI芯片主要面向高级驾驶辅助系统「ADAS」功能，涵盖感知、决策和车辆控制等任务，但整个智能汽车AI芯片市场还包括其他专用应用场景，例如电子后视镜系统「CMS」、驾驶员监控系统「DMS」及乘客监控系统「OMS」和舱驾一体化解决方案。
6.1 智能驾驶概览
智能驾驶指新一代汽车能实时感知车辆动态、外部环境及驾驶员和乘客状态，通过整合多维数据作出自主决策，并协调执行驾驶指令与舱内服务的技术体系。这一过程可实现低时延响应与本地化智能，为实时决策提供关键支持。
根据SAE分类，智能驾驶可分为L0至L5共六个等级。L1-L2级自动化解决方案可在动态驾驶任务中持续承担不同程度的横向与纵向车辆控制。L3-L4及以上等级自动化解决方案能在特定情况下持续执行完整动态驾驶任务。
随着智能驾驶技术的不断进步，智能驾驶市场有望快速增长。近年来，L1和L2级解决方案已实现量产，并迅速成为新车型的标配功能。与此同时，原始设备制造商(OEM)之间日益激烈的竞争和消费者预期的转变，正加速更高级技术的出现。自动驾驶导航(NOA)等更先进的功能正接近大规模商业化的临界点。这些先进系统使车辆的操作更像人类驾驶员，只需极少的人工干预。通过大幅减少驾驶员的工作负荷，智能驾驶正在重塑驾驶体验，并推动自动驾驶技术在汽车行业的更广泛应用。
6.2 智能驾驶芯片—智能汽车价值链的关键
智能汽车价值链由三个关键环节组成。上游包括负责制造、封装和测试的硬件供应商。中游涵盖智能驾驶芯片和配套软件算法，它们共同构成完整的智能驾驶解决方案。这些解决方案支持智能驾驶功能的开发和部署。下游由OEM组成，他们将这些技术整合至车辆中。
智能驾驶芯片与软件算法共同构成智能汽车的「大脑」，决定其智能水平，影响车辆的反应速度及其智能水平上限。芯片的性能直接影响处理来自摄像头、雷达和其他输入的大量传感器数据以及做出及时、准确的驾驶决策的能力。这确保了车辆在各种驾驶场景下稳定且响应迅速的运行。
随着汽车智能化的进步，车辆即使在复杂的长尾情况下也必须能够可靠地运行。这对智能驾驶芯片提出更高要求，其性能需要不断提升。因此，这些芯片在价值链中的战略重要性将持续提升。
6.3 智能驾驶芯片市场规模
智能驾驶芯片市场有望与智能汽车行业同步增长。随着智能汽车渗透率的提升，作为智能驾驶计算核心的高性能AI芯片的需求也将进入高速增长轨道。这是由于L1/L2功能从中高端车型渗透到大众汽车市场、加速采用AEB、CMS、DMS及OMS等核心功能、芯片架构的不断优化、推理成本的降低及主要市场监管框架的逐步完善，以《通用安全法规》(GSR)和《智能汽车发展路线图》（征求意见稿）为代表。全球和中国智能驾驶芯片市场规模预计将从2024年的人民币196亿元和人民币86亿元分别增长至到2030年的人民币1,146亿元和人民币506亿元，2024年至2030年的年复合增长率分别为34.2%和34.3%。
6.4 中国智能驾驶芯片市场竞争格局
尽管中国智能汽车市场发展迅速，但国内智能驾驶芯片行业仍处于起步阶段，仅有少数企业成功实现量产和市场交付。按2024年售出的智能汽车SoC安装量计，爱芯元智是中国第二大智能驾驶芯片国内供应商。
6.5 超越智能驾驶的智能汽车AI芯片
除实现智能驾驶外，AI驱动的智能汽车芯片还包括可应用于其他场景（例如CMS、DMS及OMS）的芯片。CMS通过摄像头建立视觉感知网络，作为其他传感器的补充，帮助识别交通细节。DMS使用传感器，与AI模型相结合，持续实时评估驾驶员的状态，协助预防因疲劳、分心或异常行为所导致的事故。OMS利用多模态传感器监测车内乘客的实时状态。在多个地区，法规正加速推动强制在汽车生产环节部署CMS、DMS和OMS。中国、欧盟、日本和美国已发布标准，要求在特定类别的汽车中配备乘客监控功能。随着监管压力的增加和安全评估的整合，CMS、DMS和OMS预计将成为未来汽车的标准配置。全球CMS、DMS及OMS所用智能汽车芯片的市场规模预计由2024年的人民币10亿元以上增至2030年的人民币100亿元以上。
7. 边缘AI推理芯片市场概览
7.1 边缘AI推理芯片市场规模
随着全球智能设备数量突破数十亿大关，对实时数据处理的巨大需求正推动计算架构的变革。作为分布式开放平台，边缘计算能够将数据处理和存储功能下沉至网络边缘，从而建立具有低延迟、高能效及强大隐私保护特点的去中心化计算范式。
该转变的核心是边缘AI推理芯片，它们是边缘计算的重要硬件基础。其形态也日趋多样化。其中，边缘计算盒及一体机凭借即插即用的便捷性、强大的能效以及软硬件的无缝集成，正在快速普及。
这些轻量级解决方案采用低功耗芯片，并通过模型压缩进行优化，可支持工业制造的质量检测、智慧城市的安全预警以及能源系统的设备检测等实时应用。在智能家居领域，边缘计算盒配备多协议通信模块，可充当智能中枢，实时连接和控制家用设备。同时，边缘推理芯片也广泛应用于信息创新场景，包括政府及公共服务、金融、能源电力、电信、教育、医疗以及互联网服务、智能制造、科研实验室等其他领域。
由于这些边缘AI推理芯片仍处于商业化的早期阶段，2024年中国边缘AI推理芯片出货量约为0.8百万颗；且预计到2030年将达到12.1百万颗，2024年至2030年的年复合增长率为56.6%。就收入而言，中国边缘AI推理芯片的市场规模预计将从2024年的人民币626.6百万元增至2030年的人民币57亿元，2024至2030年的年复合增长率为44.4%。下图概述了中国边缘AI推理芯片的出货量及市场规模预测。
7.2 中国边缘AI推理芯片市场竞争格局
中国边缘AI推理芯片市场仍处于早期阶段。然而，对数据安全和本地化处理日益增长的需求预计将推动市场快速扩张。爱芯元智在这一新兴领域位居第三，2024年出货量达10万颗，占12.2%的市场份额。
8. 成本分析本
公司的主要成本是晶圆，其定价受供应链条件及工艺技术的影响。于2020年，与疫情相关的中断导致供应紧缩，令晶圆价格上涨。随着供应链的恢复和工艺技术的进步，传统节点晶圆价格略微下降，自此整体价格趋于稳定。
下图显示了2019年至2024年晶圆价格趋势。价格与2019年的水平挂钩，2019年设定为100。
9. 与集成电路产业及智能驾驶产业有关的政策及法规
9.1 集成电路产业
于2014年6月，国务院颁布《国家集成电路产业发展推进纲要》，指出集成电路产业的发展目标是到2030年，集成电路产业链主要环节达到国际先进水平，一批企业进入国际第一梯队，实现跨越发展。主要任务和发展重点是着力发展集成电路设计业，加速发展集成电路制造业，提升先进封装测试业发展水平及突破集成电路关键装备和材料。
于2017年1月25日，国家发改委发布《战略性新兴产业重点产品和服务指导目录（2016版）》，明确了5大领域8个产业，进一步细化到40个重点方向下174个子方向，近4,000项细分的产品和服务，且目录列有集成电路芯片产品、集成电路芯片设计、芯片设计平台（EDA工具）及集成电路材料。
于2017年11月19日，国务院颁布《国务院关于深化「互联网+先进制造业」发展工业互联网的指导意见》（「指导意见」）。指导意见鼓励国内外企业面向大数据分析、工业数据建模、关键软件系统、芯片等薄弱环节，合作开展技术攻关；要落实相关税收优惠政策，推动软件和集成电路产业企业所得税优惠，鼓励相关企业加快工业互联网发展和应用。
于2020年7月27日，国务院公布《新时期促进集成电路产业和软件产业高质量发展的若干政策》，为进一步优化集成电路产业和软件产业发展环境，深化产业国际合作，提升产业创新能力和发展质量，推出一系列支持性财税、投融资、研究开发、进出口、人才、知识产权、市场应用和国际合作政策。
于2021年3月11日，全国人民代表大会（「全国人大」）颁布《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（「第十四个五年规划和2035年远景目标」），提出培育先进制造业集群，推动集成电路、航空航天、船舶与海洋工程装备、机器人、先进轨道交通装备、先进电力装备、工程机械、高端数控机床、医药及医疗设备等产业创新发展。第十四个五年规划和2035年远景目标聚焦高端芯片、操作系统、人工智能关键算法、传感器等关键领域，加快推进基础理论、基础算法、装备材料等研发突破与迭代应用。此外，第十四个五年规划和2035年远景目标亦指出，需要集中优势资源攻关集成电路产业的关键核心技术，包括集成电路设计工具、重点装备和高纯靶材等关键材料的研发，集成电路先进工艺和绝缘栅双极型晶体管(IGBT)、微机电系统(MEMS)等特色工艺突破，先进存储技术升级、碳化硅等宽禁带半导体发展。
于2021年3月，根据财政部、海关总署、国家税务总局发布的《财政部海关总署税务总局关于支持集成电路产业和软件产业发展进口税收政策的通知》，符合该规定所列情形的进口行为免征进口关税，实施期限为2020年7月27日至2030年12月31日。
于2021年12月12日，国务院颁布《「十四五」数字经济发展规划》，「十四五」期间，应加快推动数字产业化，补齐关键技术短板。优化和创新「揭榜挂帅」等组织方式，集中突破高端芯片、操作系统、工业软件、核心算法与框架等领域关键核心技术，加强通用处理器、云计算系统和软件关键技术一体化研发。此外，应提升产业链关键环节竞争力，完善5G、集成电路、新能源汽车、人工智能、工业互联网等重点产业供应链体系。
于2024年3月，第十四届全国人大第二次会议批准了《关于2023年中央和地方预算执行情况与2024年中央和地方预算草案的报告》，指出产业基础再造和制造业高质量发展专项资金安排104亿元，支持加快突破基础产品、核心技术等短板，增强产业链供应链韧性和竞争力。
于2025年3月，第十四届全国人大第三次会议批准了《关于2024年中央和地方预算执行情况与2025年中央和地方预算草案的报告》，指出2025年主要财政政策包括支持现代化产业体系建设，加快推动产业转型升级，大力推进新型工业化，中央财政制造业领域专项资金安排人民币118.78亿元、增长14.5%，推动制造业重点领域高质量发展，提升产业链供应链韧性和安全水平。
9.2 智能驾驶产业
于2020年2月10日，国家发改委、中共中央网络安全和信息化办公室及中华人民共和国科学技术部及其他八个部门颁布《智能汽车创新发展战略》。根据《智能汽车创新发展战略》，中国政府计划于智能汽车技术创新、产业生态、车辆基础设施、法规及网络安全等方面实施智能汽车相关举措。
于2021年7月30日，中华人民共和国工业和信息化部（「工信部」）颁布《关于加强智能网联汽车生产企业及产品准入管理的意见》。上述意见规定，企业应强化数据安全管理能力及加强网络安全保障能力，以及强化管理能力及保证产品生产一致性。另外，企业应加强产品管理：(a)企业应严格履行告知义务。企业生产具有驾驶辅助和自动驾驶功能的汽车产品的，应当明确告知车辆功能及性能限制、驾驶员职责、人机交互设备指示信息、功能激活及退出方法和条件等信息；(b)企业应加强组合驾驶辅助功能产品安全管理；(c)企业应加强自动驾驶功能产品安全管理；(d)企业确保可靠的时空信息服务。
于2023年11月，工信部、中华人民共和国公安部（「公安部」）、中华人民共和国住房和城乡建设部及中华人民共和国交通运输部联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》。根据上述通知，试点工作将引导智能网联汽车生产企业和使用主体加强能力建设，在保障安全的前提下，促进智能网联汽车产品的功能、性能提升和产业生态的迭代优化，推动智能网联汽车产业高质量发展。
【免责声明】本文摘自爱芯元智港股招股书，版权归原作者所有，仅用于知识分享与交流，非商业用途！对文中观点判断均保持中立，若您认为文中来源标注与事实不符，若有涉及版权等请告知，将及时修订删除！查看更多报告请关注微信公众号
