在汽車工業(yè)當下的變局里，自動駕駛無疑是影響產業(yè)發(fā)展的一大變量。

算法、攝像頭、激光雷達、芯片、通訊設備等軟硬件逐漸成為智能汽車標配的今天，無數(shù)入局自動駕駛賽道的初創(chuàng)企業(yè)被賦予了帶領中國汽車產業(yè)彎道超車的使命。而在產業(yè)玩家的數(shù)量、供應鏈的復雜度都呈指數(shù)級增長的同時，技術路線的演進與商業(yè)模式的可行性同樣也有無數(shù)可能。

到底自動駕駛將通往何方？中國的自動駕駛企業(yè)又將面臨什么樣的機遇與挑戰(zhàn)？帶著這些問題，我們撰寫了這份報告。

01產業(yè)概況

一、定義

自動駕駛，從功能或操作層面而言，是指汽車在轉向、油門、制動等具有關鍵安全性的控制功能方面可以自動完成控制動作，而無需駕駛員直接操作的行駛狀態(tài)。

當下，由國際自動機工程師學會（SAE International）制定的自動駕駛分級標準，為業(yè)界廣泛接受，主要適用于開放場景的機動車輛。

SAE自動駕駛分級標準

中國于2021年出臺了《汽車駕駛自動化分級》國家標準，適用于 M 類、N 類汽車，其它類型車輛可參照執(zhí)行。

自動駕駛等級劃分

可以看到，L1-L2級別為輔助駕駛，L3-L5級別為自動駕駛。

目前乘用車量產車型已實現(xiàn)的自動駕駛功能主要集中在L2級別，如市面上常見的NOA、NGP等等，個別車企推進L2+、L2++級別，但仍未實現(xiàn)L3級別的躍進。而在Robotaxi和礦區(qū)、港口等商用場景，自動駕駛公司選擇從L4級別開始發(fā)力。

自動駕駛等級功能

二、自動駕駛發(fā)展歷程

1） 1980-2009：科研探索，學術積累

20 世紀 70 年代，科技發(fā)達國家開始率先進行無人駕駛汽車的研究。代表性的事件和團體有：1984 年，美國國防高級研究計劃署（DARPA）與陸軍合作，發(fā)起自主地面車輛（ALV）計劃。并于2004 年—2007 年共舉辦了 3 屆 DARPA 無人駕駛挑戰(zhàn)賽。

1986年，美國卡內基·梅隆大學研制了全球第一輛計算機駕駛的汽車NavLab 1 及之后的NavLab系列智能車輛。

1998年開始，意大利帕爾瑪大學 VisLab 實驗室一直致力于 ARGO 試驗車長距離道路試驗。

在中國，1992 年，國防科技大學成功研制出中國第一輛真正意義上的無人駕駛汽車。

國家自然科學基金委員會2009年起每年舉辦一屆“智能車未來挑戰(zhàn)賽”，研發(fā)具有自然環(huán)境感知與智能行為決策能力的無人駕駛汽車，并通過真實道路環(huán)境下的自主行駛來檢驗研究成果。

2）2009-2016: 自動駕駛技術商用探索

2009年1月，谷歌的自動駕駛項目Project Chauffeur在GoogleX實驗室啟動。

2013 年開始，奧迪、福特、沃爾沃、日產、寶馬等眾多汽車制造廠商相繼在無人駕駛汽車領域進行了布局。

2014 年 10 月借助 Mobileye，特斯拉發(fā)布Autopilot 1.0 。

在商用車方面，2015年，戴姆勒開始無人駕駛卡車路試；2016年，沃爾沃推出首輛無人駕駛礦用卡車。之后，韓國的現(xiàn)代、日本的豐田和五十鈴、日野、三菱扶桑以及UD等重卡品牌也開始在本國境內推進無人駕駛卡車路試。

在中國，2011年國防科技大學與一汽合作研發(fā)的紅旗HQ3無人駕駛車完成了從長沙至武漢286公里的高速全程無人駕駛實驗，標志著我國無人車在復雜環(huán)境識別、智能行為決策和控制等方面實現(xiàn)了新的技術突破。

2013年，百度開始啟動無人駕駛項目，其中百度地圖在城市數(shù)據(jù)、路徑規(guī)劃技術等方面的能力構成了技術上的支撐。

2013年華為與車企進行合作逐步邁入車聯(lián)網供應商序列。

商用車方面，2015 年 8 月，宇通大型客車從鄭開大道城鐵賈魯河站出發(fā)，在完全開放的道路環(huán)境下完成國內首次大型客車高速公路自動駕駛試驗。

3） 2016-2019：自動駕駛企業(yè)數(shù)量暴漲，互聯(lián)網巨頭下場，初創(chuàng)廠商涌入

2016年，在德國，Uber與戴姆勒汽車集團開始就自動駕駛展開相關合作；在美國，Cruise被通用汽車以10億美元的價格收購。

同年，特斯拉開始組建硬件工程團隊，開始了完全無人駕駛芯片 FSD 的研發(fā)；谷歌汽車更名為Waymo，開始獨立運營，并很快通過近300次的收購，完善了各種技術和硬件能力，迅速成為行業(yè)內的領軍企業(yè)。

在中國，2016年，滴滴組建自動駕駛公司；小馬智行與AutoX也于同一年成立。

2017年百度將自動駕駛事業(yè)部、智能汽車事業(yè)部、車聯(lián)網業(yè)務三大部門合并，成立了智能駕駛事業(yè)群組，2017年4月，百度正式發(fā)布了Apollo計劃。

專注Robotaxi和商用車應用場景的景馳、Roadstar、文遠知行、元戎啟行、輕舟智航等也相繼入局，自動駕駛風口開啟。

4） 2019-2022：Robotaxi批量落地商用，自動駕駛商業(yè)化路徑呈多元化發(fā)展

2020年10月，美國自動駕駛領頭羊Waymo官宣，旗下的自動駕駛出租車服務Waymo One在鳳凰城提供完全無人出租車服務。

同一時間在中國，百度官宣旗下的自動駕駛出租車服務Apollo Go，在北京自動駕駛測試區(qū)域范圍內，免費向公眾提供自動駕駛出租車服務。

自動駕駛企業(yè)路測

考慮到Robotaxi商業(yè)落地速度不及預期，自動駕駛企業(yè)紛紛將目光投向自動駕駛技術在商用車端的應用，在城市開放場景、高速場景和封閉場景的應用先后落地。

三、自動駕駛產業(yè)涵蓋范圍

以產業(yè)鏈構成而言，自動駕駛產業(yè)鏈可分為硬件與軟件兩大部分，主要包括車載攝像頭、激光雷達、芯片、通信設備和高精度地圖、高精度定位、操作系統(tǒng)、ADAS等，涉及感知層、傳輸層、決策層等不同層面。其中硬件部分多來自tier 1供應商，軟件部分尤其是ADAS和操作系統(tǒng)逐漸出現(xiàn)整機廠自研，加強技術護城河的趨勢。

以自動駕駛算法的實現(xiàn)層面而言，自下而上可大致劃分為硬件平臺、系統(tǒng)軟件（硬件抽象層+OS內核+中間件）、功能軟件（庫組件+中間件）和應用算法軟件等四個部分。

其中底層硬件平臺以AI芯片和MCU為主；系統(tǒng)軟件的操作系統(tǒng)內核，是狹義上的操作系統(tǒng)，主要是黑莓的QNX系統(tǒng)或者是Linux系統(tǒng)，中間件組件包括AUTOSAR AP和AUTOSAR CP，以及第三方的公司提供的中間件，比如百度的Cyber RT；功能軟件層主要為傳感器、云控、聯(lián)網等算法模塊；在自動駕駛軟件最上層的是自動駕駛最核心的應用算法軟件，包括感知、融合、規(guī)控、定位、地圖等等。

自動駕駛組成部分示例

從自動駕駛汽車功能的實現(xiàn)角度來劃分，則需要汽車制造商、零部件供應商、車載計算平臺開發(fā)商、出行服務商供應商等多方主體參與。上游包括感知、傳輸、決策和執(zhí)行層；中游為平臺層，包括整合的智能駕艙平臺、自動駕駛解決方案及傳統(tǒng)的車聯(lián)網TSP平臺；下游主要為整車廠及第三方服務商。

上游中，感知層由車載攝像頭、雷達系統(tǒng)、高精度地圖、高精度定位、導航系統(tǒng)、路側設備等組成；傳輸層基于通信設備和服務為自動駕駛提供信號傳輸，主要包括通信設備和通信服務；決策層包括計算平臺、芯片、操作系統(tǒng)、算法等；執(zhí)行層是對決策命令進行執(zhí)行，包含線控、電子驅動/轉向/制動、系統(tǒng)集成及其他汽車零部件廠商。

自動駕駛產業(yè)鏈，數(shù)據(jù)來源：漢能研究

四、細分應用場景現(xiàn)狀

自動駕駛的應用場景以終端載體而言，可分為乘用車和商用車兩大類，而商用車又有高速干線、末端物流、礦山、港口、環(huán)衛(wèi)等細分市場的區(qū)分。其中Robotaxi作為自動駕駛商業(yè)化的熱門場景，受限于駕駛責任的界定和法律法規(guī)的有待完善，距離商業(yè)化仍有較遠距離。而礦山和港口憑借終端企業(yè)客戶的付費能力，也成為自動駕駛公司的爭奪熱點。

02產業(yè)宏觀環(huán)境分析

一、經濟環(huán)境

• 人均GDP上升

根據(jù)中國統(tǒng)計年鑒，2011年中國人均GDP為3.6萬元，2021年人均GDP已增長至8.1萬元。

• 人均汽車保有量連年上升

我國人均汽車保有量連年上升。根據(jù)公安部交通管理局數(shù)據(jù)顯示，2021年中國汽車保有量達3.02億輛，同比增長7.47%。

2015-2020年度中國汽車保有量

汽車乘聯(lián)會數(shù)據(jù)顯示，2021年我國汽車產銷分別完成2608.2萬輛和2627.5萬輛，同比分別增長3.4%和3.8%，結束了連續(xù)三年下降趨勢。

2021年，商用車產銷467.4萬輛和479.3萬輛，截止到2021年12月，我國商用車保有量也從2015年的2274萬輛躍升至3800萬輛。

其中，新能源汽車作為自動駕駛的主要載體，市場滲透率提升明顯。2021年，我國新能源汽車銷售完成352.1萬輛，同比增長1.6倍，連續(xù)7年位居全球第一。根據(jù)乘聯(lián)會數(shù)據(jù)顯示，2022年3月新能源車國內零售滲透率達到了28.2%。終端載體數(shù)量的快速上漲，為自動駕駛方案落地奠定基礎。

• 硬件成本下降

近年來，攝像頭、毫米波雷達、超聲波雷達技術在汽車上應用越來越成熟，價格也不斷走低，目前業(yè)界對自動駕駛成本大幅度降低持樂觀態(tài)度。其中，車載攝像頭的單價持續(xù)走低，目前約為150元左右，預計未來降幅相對較低；毫米波雷達的市場供應單價約為500元，未來還有一定的降幅空間；激光雷達價格一直處于高位，過去主要用于測繪、工業(yè)生產領域，近年來隨著固態(tài)激光雷達等新的技術路線替代傳統(tǒng)機械式雷達，工藝成本顯著下降，加上未來自動駕駛技術發(fā)展帶動供貨量上升，將有較大降幅空間。

a、激光雷達

激光雷達價格走勢

2019年，Luminar發(fā)布了價格不到1,000美元的LiDAR解決方案。Velodyne公司則計劃到2024年將平均售價從2017年的17,900美元降至600美元。2020年，華為宣布其將量產的激光雷達單價在200美元以下。

b、芯片價格

當前L1-L3級自動駕駛算力芯片單車價值分別為50美元、150美元、500美元，L4/L5級自動駕駛算力芯片單車價值約為1,500美元，隨著技術逐漸成熟，至2030年有望下降到41美元、111美元、315美元、931美元。

• 人力成本上升

根據(jù)國家統(tǒng)計局數(shù)字，2009至2019的十年間人力成本上升近3倍。而第七次人口普查結果更凸顯了勞動年齡人口下降，生育率走低，老齡化進程加深且提速等趨勢。

二、政策環(huán)境

• 國家鼓勵發(fā)展智能網聯(lián)汽車

2019年9月，中共中央、國務院印發(fā)《交通強國建設綱要》，提出“加強智能網聯(lián)汽車（智能汽車、自動駕駛、車路協(xié)同）研發(fā)，形成自主可控完整的產業(yè)鏈”。2020年11月，國務院辦公廳印發(fā)《新能源汽車產業(yè)發(fā)展規(guī)劃（2021-2035）》，也提出“2025年高度自動駕駛汽車實現(xiàn)限定區(qū)域和特定場景商業(yè)化應用”和“2035年高度自動駕駛汽車實現(xiàn)規(guī)模化應用”的目標。

• 自動駕駛相關法規(guī)穩(wěn)步推進

目前我國的立法性文件集中于發(fā)展規(guī)劃、自動駕駛分級標準、道路測試和市場準入以及數(shù)據(jù)和網絡安全四方面，并且在道路測試上從中央和地方兩層面出發(fā)表明對自動駕駛技術發(fā)展的支持。另外我國以地方為首先切入點，在北京、深圳設立先行區(qū)并在廣州、上海和雄安新區(qū)等地區(qū)開展道路測試。真正做到宏觀調控與地方試點相結合，逐漸穩(wěn)步推進自動駕駛的立法和實踐發(fā)展。 

a、各地自動駕駛牌照發(fā)放加快

截至2021年11月，全國已有38個省/市出臺管理細則，先后建設了70個測試示范區(qū)，開放了5200多公里測試道路，發(fā)放1000余張測試牌照。

其中，以北京經濟技術開發(fā)區(qū)全域為核心的北京市高級別自動駕駛示范區(qū)，是全球首個網聯(lián)云控高級別自動駕駛示范區(qū)。2021年成立至今，目前已累計開放1,000公里自動駕駛測試道路，測試里程超過300萬公里，開通5G基站5.64萬個(截止至2022年1月數(shù)據(jù))。

b、Robotaxi經營許可在部分城市落地

4月28日，北京發(fā)放無人化載人示范應用通知書，允許自動駕駛車輛“方向盤后無人”，相當于可以去掉主駕安全員，百度蘿卜快跑、小馬智行獲得牌照。

4月24日，小馬智行獲得廣州市南沙區(qū)2022年出租車運力指標，這是國內首個頒發(fā)給自動駕駛企業(yè)出租車牌照。

c、事故責任主體規(guī)定不夠明晰，責任分擔規(guī)則尚未確定

2021年3月24日公安部發(fā)布的《道路交通安全法（修訂建議稿）》中將自動駕駛汽車分為“具有自動駕駛功能且具備人工直接操模式的汽車”和“具有自動駕駛功能但不具備人工直接操作模式的汽車”兩種，前者對應《汽車駕駛自動化分級》中L3及其以下級別的汽車，后者對應L4及其以上級別的汽車。

《修訂建議稿》規(guī)定明確了駕駛人、自動駕駛系統(tǒng)開發(fā)單位的事故責任，然而其他主體例如平臺研發(fā)者、監(jiān)管者等主體是否承擔責任尚有待討論，若其承擔責任又應當適用何種責任認定規(guī)則同樣未予以明確。另外該條規(guī)定對于不具備人工直接操作模式的汽車的責任主體卻缺乏規(guī)定，僅規(guī)定由國務院有關部門另行規(guī)定。由此可見目前我國對于自動駕駛的法律規(guī)定過于粗糙并且依然留有“真空地帶”。

三、社會環(huán)境

• 中國社會對自動駕駛接受程度普遍高于美國

根據(jù)環(huán)球時報發(fā)布的“2021中國消費者自動駕駛信心指數(shù)調查”顯示，中國消費者的信心指數(shù)為50分，美國消費者則為36分，中國消費者的信心指數(shù)高出美國消費者39%。這也就意味著，中國消費者對自動駕駛的接受度更高，對自動駕駛的信心更強。

汽車供應商大陸集團近日公布的一項對不同國家自動駕駛汽車接受度的調查顯示，89%的中國調查對象表示支持自動駕駛技術，德國和美國調查對象分別為53%和50%。

在“自動駕駛汽車讓我感到害怕”的調查中，62%的德國調查對象和77%的美國調查對象表示認可，但僅有28%的中國調查對象表示認可。而在“自動駕駛汽車能夠實現(xiàn)可靠運行”的調查中，有超過60%的中國調查對象認為自動駕駛汽車能夠實現(xiàn)可靠運行，有超過70%的美國調查對象認為自動駕駛汽車無法可靠運行。

• 自動駕駛事故數(shù)量低于傳統(tǒng)汽車事故

弗吉尼亞理工大學交通運輸研究院研究顯示，對比傳統(tǒng)汽車每行駛一百萬英里約發(fā)生4.2起事故，Waymo自動駕駛汽車每百萬英里約發(fā)生3.2起事故，而6年間無人車車隊報告的這17起事故，卻幾乎都是人類駕駛的車輛碰撞谷歌無人車而造成的，都屬于被動事故。

從2019年以來，全球已經有上百家自動駕駛公司在世界各地的道路測試自動駕駛汽車，其中已知發(fā)生交通事故的公司僅有Waymo和Uber。

四、科技環(huán)境

• 芯片異構技術的發(fā)展帶來算力提升

隨著當下智能化汽車的發(fā)展，傳統(tǒng)的單一類型的微處理器（CPU、GPU、FPGA、ASIC）受限于算力難以滿足更高階自動駕駛需求。芯片廠通過重塑芯片架構，推出SoC芯片來滿足智能汽車趨勢下的高算力標準。

• 電子電氣架構演進提升整車控制能力

電子電氣架構往域控方向演進，提升計算能力和整車控制能力。在今天軟件定義汽車和汽車電氣智能化的發(fā)展趨勢下，汽車“域控制器”（Domain Control Unit，DCU）通過將功能相似、分離的ECU功能集成、整合至一個比ECU性能更強的處理器硬件平臺上，實現(xiàn)區(qū)域算力的提升和信息流的快速整合。

• 自動駕駛數(shù)據(jù)快速積累

自動駕駛算法訓練的關鍵在于積累大量具備豐富場景信息的駕駛數(shù)據(jù)。L4級汽車的最低路測里程數(shù)要求為10億公里，達千億公里級別才能確保具備充足數(shù)據(jù)進行AI訓練及仿真測試，從而確保行駛安全，相當于100萬輛車以每天10個小時的頻率不間斷行駛1年。

自動駕駛各等級路測里程數(shù)最低要求

據(jù)官方公開數(shù)據(jù)，截至2020年4月，特斯拉累計上路行駛里程已達48億公里；Waymo的路測里程于2018年10月就已達到了1000萬英里(約1609萬公里）。2021年，百度宣布L4級自動駕駛累積測試里程數(shù)突破1000萬公里。

五、總結

綜上可以看到，宏觀環(huán)境層面整體利好自動駕駛產業(yè)的未來發(fā)展。在政策層面，產業(yè)政策積極引導，相關監(jiān)管也在穩(wěn)步放開，雖然尚未形成具體的L3駕駛責任分擔規(guī)則，但可以看到相關框架正在搭建中。在經濟層面，硬件成本下降、人力成本上升等多重因素推動自動駕駛產業(yè)發(fā)展，人均GDP的上漲也為消費升級，迎接智能汽車奠定經濟基礎。在社會層面，大眾對于自動駕駛的接受度普遍較高。在科技層面，芯片、電子電氣架構等技術的快速發(fā)展和自動駕駛路測數(shù)據(jù)的快速積累，共同推動自動駕駛功能和算法的躍進。

03產業(yè)態(tài)勢梳理

一、下游應用場景

• 私家乘用車

根據(jù)高工智能汽車數(shù)據(jù)，2021年，我國前裝ADAS標配新車上險量為807.89萬輛，滲透率30.78%，同比增 長29.51%。2022年1月國內市場新車（乘用車/不含進出口）前裝標配搭載L2級輔助駕駛系統(tǒng)上險量為48.45萬輛，同比增長63.21%，前裝搭載率為22.13%，同比增加近10個百分點，顯示行業(yè)正處在高速發(fā)展期。

根據(jù)天風證券測算，前裝L1-L3級智能駕駛行業(yè)規(guī)模有望從2021年的302億元增長至2025年的合計862億元， CAGR可達 30%。

主要玩家：廣汽、上汽、蔚小理等車企；百度Apollo、華為等互聯(lián)網公司；電裝、博世、采埃孚等傳統(tǒng)tier 1廠商；經緯恒潤、知行科技、福瑞泰克、毫末智行、智駕科技等自動駕駛初創(chuàng)企業(yè)。

• Robotaxi

Robotaxi賽道是市場空間最大的自動駕駛場景之一，2020年我國網約車日訂單已經突破2,100萬單。麥肯錫預測在2031年中國Robotaxi市場規(guī)模有望達到2.8萬億。

主要玩家可分為三類：特斯拉、通用、福特、上汽、廣汽、吉利、小鵬等車企；Waymo、百度Apollo、滴滴等互聯(lián)網公司；小馬智行、Momenta、文遠知行、元戎啟行等自動駕駛初創(chuàng)企業(yè)。

其中，車企的參與方式又可分為兩種，一種是車企借助出行平臺與自動駕駛公司進行三方合作的玩家，具體有上汽享道出行 （與 Momenta 合作） 、 廣汽如祺出行 （與文遠知行合作） 以及 吉利旗下曹操出行 （與元戎啟行合作）。另一種是車企自主掌握自動駕駛技術親身下場，類似特斯拉和小鵬。

• Robobus

在當前的城市交通場景下，軌道交通+微循環(huán)的交通運輸系統(tǒng)成為許多城市推行的公共交通出行方案。其中，微循環(huán)系統(tǒng)主要是由城市干道網絡以外的支路或等外道路組成的區(qū)域道路網絡。長途出行靠軌道交通，地鐵站與社區(qū)、園區(qū)、商區(qū)等區(qū)域的最后3公里短途出行則是Robobus的主場。

根據(jù)36氪研究院統(tǒng)計數(shù)據(jù)顯示，2030年中國Robobus市場規(guī)模將達到千億級規(guī)模。

主要玩家：金龍客車、宇通客車等車企；百度Apollo等互聯(lián)網公司；輕舟智航、蘑菇車聯(lián)、希迪智駕等自動駕駛公司。

• 高速干線

在公路物流運輸成本中，司機及燃油成本超過50%，占比極高。僅按照司機替代邏輯進行測算，我國目前干線無人駕駛的市場規(guī)模已經達到近萬億。

主要玩家可分為四類：一汽解放、中國重汽等重卡車企；百度等互聯(lián)網公司；圖森未來、智加科技、嬴徹科技、主線科技、行猩、千掛等自動駕駛初創(chuàng)企業(yè)；京東物流、安能、德邦等物流運營商。

在合作模式上，自動駕駛科技公司和主機廠各具優(yōu)勢，成為推動干線物流自動駕駛生態(tài)的主動力。頭部自動駕駛科技公司定位明確專攻物流場景，研發(fā)能力強勁，掌握核心技術，與物流商、主機廠等形成合作關系，代表公司例如圖森未來、智加科技、嬴徹科技等；重卡企業(yè)具有明顯的資源和生產優(yōu)勢，但通常要借助自動駕駛企業(yè)完成在干線物流自動駕駛的布局。

• 城配物流

城配場景主要針對城市內、城郊之間、鄉(xiāng)鎮(zhèn)內、村鎮(zhèn)之間的較短距離的運輸，運輸半徑通常在 50 公里以內。根據(jù)2020年我國輕型貨車保有量和城鎮(zhèn)私營單位交通運輸業(yè)人員的平均薪酬，中信證券預測城配物流的自動駕駛的市場規(guī)模預計為1.2萬億元。

主要玩家有三類：一汽、萬向車企；中國郵政EMS、德邦快遞等大型物流公司；文遠知行旗下牧月科技、飛步科技等自動駕駛方案供應商。

• 末端物流

目前末端物流最主要的場景是快遞和即時配送，后者包括外賣、生鮮宅配、商超零售、醫(yī)藥配送等。目前我國快遞末端配送成本平均1.2元/件，以2021年快遞業(yè)務單量預計955億件計算，快遞末端配送市場規(guī)模超過1,100億元；即時物流配送單價約7-9元/件，以2021年即時配送訂單預計300億單計算，即時配送市場規(guī)模將超過2,000億元。

主要玩家有三類：金龍客車等商用車企；京東、阿里巴巴、美團、順豐等物流運營商；新石器、白犀牛、一清創(chuàng)新、行深智能等自動駕駛方案供應商。

• 礦山

無人駕駛在礦區(qū)的落地以改造舊有設備為先，后期則可以疊加全礦數(shù)字化服務及運輸代運營服務等。以礦區(qū)內近100萬的設備量進行測算，礦內設備改造市場潛在市場規(guī)模超過千億；以主要礦種每年近300億方的運輸量進行測算，運營服務市場潛在市場規(guī)模近3,000億。

目前礦山無人駕駛主要聚焦于露天礦運輸，國外主要是用大型礦卡，國內采用寬體自卸車。礦企付費能力極強，使用意愿也非常高，近幾年落地迅猛等。

主要玩家有三類：徐工集團等礦卡制造企業(yè)；中煤集團，大唐集團，江銅集團，中國黃金集團等采礦企業(yè)；中科慧拓、踏歌智行、易控智駕、路凱智行等自動駕駛方案商。

• 港口

我國擁有港口近100座，其中大型港口十余座，港內用于集裝箱運載的集卡在20,000臺左右。預測到2023年國內港口碼頭自動駕駛集卡車銷量將超5,000輛，市場規(guī)模約為50億元，2026年市場規(guī)模將超過100億。

主要玩家：三一海工、振華重工等港口集卡制造企業(yè)；主線科技、西井科技、斯年智駕、飛步科技、暢行智能等自動駕駛方案商。

• 環(huán)衛(wèi)

2,020 年中國環(huán)衛(wèi)服務市場整體規(guī)模近 2,000 億，其中道路清掃保潔服務規(guī)模為近1,300億，按2025年無人駕駛滲透率達到30%進行預測，2025年無人駕駛在環(huán)衛(wèi)場景的市場規(guī)模將達到400億。

主要玩家：百度Apollo等互聯(lián)網公司；智行者、仙途智能、于萬智駕、高仙機器人、酷哇機器人、希迪智駕、深蘭科技等自動駕駛初創(chuàng)企業(yè)；盈峰環(huán)境（中聯(lián)環(huán)境）、北京環(huán)衛(wèi)、龍馬環(huán)衛(wèi)等傳統(tǒng)環(huán)衛(wèi)公司；北京環(huán)衛(wèi)旗下的京環(huán)裝備、宇通重工業(yè)等環(huán)衛(wèi)設備公司。

二、中游ADAS不同技術路線

自動駕駛的感知層從技術上又可以分為純視覺和多傳感器融合兩種方式。

• 純視覺

攝像頭主導的純視覺解決方案：由攝像頭主導，配合毫米波雷達等低成本傳感器構成純視覺計算，典型代表為特斯拉。其自建芯片和算法團隊，認為通過視覺系統(tǒng)優(yōu)化自身AI算法就可以達到較高的智能駕駛水平。代表企業(yè)特斯拉推出基于純視覺方案的FSD Beta，徹底放棄毫米波雷達，以及百度發(fā)表L4級別純視覺方案Apollo lite。

主要玩家：特斯拉、百度Apollo Lite

• 多傳感器融合

激光雷達主導的強感知方案：該方案由激光雷達主導，配合攝像頭、毫米波雷達等傳感器組成，典型代表企業(yè)為Waymo、Uber等科技和出行公司。對于特斯拉之外無法通過AI彌補硬件缺陷的汽車廠商而言，采用更多類型傳感器是更好的選擇。

主要玩家：通用、廣汽、上汽、蔚小理等車企；電裝、博世、采埃孚等傳統(tǒng)tier 1廠商；Waymo、Uber、滴滴、百度Apollo、華為等互聯(lián)網公司；Minieye、Momenta、經緯恒潤、知行科技、福瑞泰克、毫末智行、智駕科技等自動駕駛初創(chuàng)企業(yè)。

三、上游產業(yè)

自動駕駛產業(yè)鏈可分為硬件與軟件兩大部分，主要包括車載攝像頭、激光雷達、芯片、通信設備和高精度地圖、高精度定位、操作系統(tǒng)、ADAS等，涉及感知層、傳輸層、決策層等不同層面。其中硬件部分多來自tier 1供應商，軟件部分尤其是ADAS和操作系統(tǒng)逐漸出現(xiàn)整機廠自研，加強技術護城河的趨勢。

• 軟件

a、OS

狹義上的OS特指可直接搭載在硬件上的OS內核；而廣義OS從下至上包括從BSP、操作系統(tǒng)內核、中間件及庫組件等硬件和上層應用之間的所有程序。

自動駕駛OS內核的格局較為穩(wěn)定，主要玩家為QNX、Linux。因打造全新OS需要花費大量的人力、物力，當前，Waymo、百度、特斯拉、Mobileye等公司的自研自動駕駛OS，都是指在上述現(xiàn)成內核的基礎之上自研中間件和應用軟件。

b、算法

算法是ADAS（Advanced Driving Assistance System）高級駕駛輔助系統(tǒng)的組成部分。作為自動駕駛解決方案中的的軟件和算法部分的集成，ADAS通過對傳感器收集的數(shù)據(jù)流建立相應的模型，制定出適合的控制策略。

由于真實路況的復雜程度，以及不同人對于不同路況的不同解決對策，ADAS功能的實現(xiàn)需由感知、決策、規(guī)劃等多種算法進行技術支撐，覆蓋多數(shù)罕見路況的海量數(shù)據(jù)和完善高效的人工智能技術。

國外代表廠商有福特、奧迪等車企和Waymo、通用Cruise等初創(chuàng)公司；國內代表廠商包括蔚小理、零跑等車企，百度、華為、滴滴等互聯(lián)網企業(yè)，Momenta、小馬智行、文遠知行、元戎啟行、禾多等初創(chuàng)企業(yè)。

c、高精地圖

目前，高精度地圖的生產與更新出現(xiàn)了三種技術模式：

1）基于“激光雷達+人工智能處理”模式。該模式穩(wěn)定性高，但是采集設備成本高，是各大圖商采用的主流模式。

2）“眾包采集+AI識別提取”模式。該模式成本低，但是精度和穩(wěn)定性待提升，是主流圖商更新和初創(chuàng)圖商采用的主流模式。

3）“車輛動態(tài)上傳+動態(tài)地圖自動下發(fā)更新”模式。該模式是最為理想的高精度地圖生產與更新模式，尚處于論證階段，需要隨著智能網聯(lián)汽車產業(yè)的發(fā)展不斷完善。

IDF報告顯示，百度、四維圖新、易圖通、高德四家老牌圖商2020年合計占到中國高精地圖78.9%的市場份額。

具有導航電子地圖制作（甲級）測繪資質的共有20余家企業(yè)，四維圖新、高德、靈圖、百度萬方、凱立德、易圖通、騰訊大地通途、武漢光庭、滴圖科技、武漢中海庭、貴州寬凳、北京初速度、江蘇晶眾、江蘇智途（被小鵬收購）、華為、順豐、京東、億咖通等。

2021年底，自然資源部開始推進導航電子地圖制作甲級測繪資質復審工作，目前已有15家企業(yè)通過復審。

導航電子地圖制作甲級測繪資質企業(yè)

d、高精定位

高精度定位可以按照不同的定位技術分為三類：

第一類，基于信號的定位，如GNSS（全球導航衛(wèi)星系統(tǒng)）定位，是指通過觀測GNSS衛(wèi)星獲得坐標系內絕對定位坐標的測量技術。

第二類，依靠IMU（慣性測量單元）等進行航跡推算，根據(jù)上一時刻的位置和方位推斷現(xiàn)在的位置和方位。

第三類，環(huán)境特征匹配，基于激光雷達的定位，用觀測到的特征與數(shù)據(jù)庫及存儲的特征進行匹配，得到車的位置和姿態(tài)。

出于系統(tǒng)安全性和單一定位方式局限性考慮，往往采用組合定位實現(xiàn)高精度定位，衛(wèi)慣組合定位（GNSS+IMU）則是現(xiàn)階段應用較廣泛的高精度定位方案。

高精度定位方面的國內知名廠商有華測導航、北云科技、導遠電子、星網宇達、千尋位置、六分科技等，國外知名廠商有 Ublox、意法半導體、霍尼韋爾等。 

• 硬件

對乘用車和商用車而言，因為車身尺寸、重量等硬件因素以及應用場景的不同，其對車載攝像頭、激光雷達等傳感器的要求存在一定差異。而從硬件供應端來看，目前市場上多數(shù)廠商的產品矩陣都涵蓋了商用車和乘用車。

a、芯片

智能化帶來的運算及數(shù)據(jù)處理需求是推動算力發(fā)展的原始動力。隨著當下智能化汽車的發(fā)展，傳統(tǒng)的單一類型的微處理器（CPU、GPU、FPGA、ASIC）受限于算力難以滿足更高階自動駕駛需求。根據(jù)公開資料顯示，當前智能化汽車算力需求在500,000DMIPS左右，相當于4-5枚左右Intel Core i7-3770K芯片算力（106,913 DMIPS/枚）。

因勢利導，芯片廠通過重塑芯片架構，推出SoC芯片來滿足智能汽車趨勢下的高算力標準。目前的代表廠商有傳統(tǒng)巨頭高通、英偉達等，博世、Mobileye等快速崛起，華為、黑芝麻、地平線等廠商實力逐步增強，成為國產算力芯片的代表廠商。

b、攝像頭

攝像頭是自動駕駛汽車中重要的傳感器之一，在自動駕駛過程中的首要任務就是道路識別，主要是圖像特征法和模型匹配法來進行識別。行駛過程中需要進行障礙物檢測和路標路牌識別等，此時車輛上的信息采集便可以運用單目視覺或者多目視覺。

海外 Tier 1 在車載鏡頭模組封裝領域具備先發(fā)優(yōu)勢，根據(jù) ICVTank 數(shù)據(jù)， 2020年市場前五大廠商為麥格納、松下、法雷奧、博世及采埃孚。

國內方面，包括?？低?、德賽西威、舜宇光學、聯(lián)創(chuàng)電子等數(shù)十家國內企業(yè)，已在不同種類的車載攝像頭方面有著多種布局。

車載鏡頭市場目前呈現(xiàn)一超多強態(tài)勢，舜宇光學2020 年市占率 32%，二線廠商主要為日韓企業(yè)，包括日本的麥克賽爾、富士膠片、電產三協(xié)和韓國世高光等。在ADAS 感知攝像鏡頭市場， 舜宇光學更是占據(jù)領導地位，2020 年全球市占率超 50%。

c、激光雷達

激光雷達通過發(fā)射、接收、處理激光信號進行目標探測和識別。激光雷達的工作原理是向指定區(qū)域發(fā)射探測信號(激光束)，經過目標物反射后，將收集到的反射回來信號與發(fā)射信號進行處理比較，即可獲得待測區(qū)域環(huán)境和目標物體的有關空間信息，如目標距離、方位角、尺寸、移動速度等參數(shù)，從而實現(xiàn)對特定區(qū)域的環(huán)境和目標進行探測、跟蹤和識別。

按照測距原理的不同，激光雷達可以劃分為飛行時間測距法、基于相干探測的 FMCW 測距法、以及三角測距法等。其中 ToF 與 FMCW 可實現(xiàn)室外陽光下較遠的測距，是目前市場車載中長距激光雷達的主流方案。

根據(jù)半導體咨詢機構Yole公布的數(shù)據(jù)顯示，代表性廠商以tier1廠商為主，法雷奧、電裝、大陸、博世等合計占據(jù)約45%左右的市場份額；而國內廠商以速騰聚創(chuàng)、覽沃科技（大疆）、禾賽科技、圖達通、華為等主要代表。

d、通信設備（T-BOX）

Telematics-BOX，車聯(lián)網系統(tǒng)中的智能車載終端，給車機提供外網連接功能、定位功能、實現(xiàn)整車CAN網絡的遠程診斷控制功能，是V2X車聯(lián)網技術的必要組成部分。 

根據(jù)國金證券數(shù)據(jù)顯示，2020 年國內 T-Box 市場規(guī)模達到 100 億元左右，裝配率約為 52%，預計到 2025 年達到 80%以上。根據(jù) strategy analyst 數(shù)據(jù)顯示，預計 2027 年全球汽車網關滲透率將達到 100%，市場規(guī)模達到 27 億美元。 

根據(jù)高工智能汽車研究院統(tǒng)計的數(shù)據(jù)顯示，2020年國內T-BOX的主要供應商仍以tier 1廠商為主，包括傳統(tǒng)巨頭LG、法雷奧、電裝、哈曼、大陸等，國內代表廠商以聯(lián)友科技、德賽西威、億咖通、慧翰微電子、高德旗下的暢星等為代表。

04產業(yè)創(chuàng)投機會與商業(yè)機會

據(jù)天眼查數(shù)據(jù)顯示，自動駕駛賽道自2016年開始進入爆發(fā)期。

根據(jù)公開資料的不完全統(tǒng)計，2021年全球超過1億美元以上的大額融資事件達到46次，中美囊括了44次，并且?guī)缀醢鼣埲蜃詣玉{駛累計融資金額TOP 20企業(yè)。從金額來看，中美已連續(xù)三年占據(jù)90%以上的資金份額。

中美自動駕駛賽道融資情況

中美自動駕駛項目融資輪次

一、中國創(chuàng)投市場融資情況概述及拆解

中國自動駕駛資本市場在經歷了2018年和2019年的資本寒冬后，于2020年開始回暖，并在2021年迎來新一波投融資熱潮。

根據(jù)鯨準數(shù)據(jù)庫，2021年-2022上半年，中國市場共發(fā)生575起自動駕駛企業(yè)融資事件，融資金額接近1500億元。其中，2021年錄的422起自動駕駛企業(yè)融資事件，2022年上半年錄的153起。

融資輪次方面，其中，種子輪至A輪項目211個，A+輪至C輪項目162個，C+輪至Pre-IPO項目33個，戰(zhàn)略投資與并購項目195個，上市及以后項目23個。

根據(jù)公開數(shù)據(jù)顯示，2021年，整車、自動駕駛解決方案、零部件、Robotaxi成為我國自動駕駛行業(yè)熱門賽道。其中，零部件領域融資金額占比達到38%，有44家自動駕駛零部件企業(yè)獲得融資，累計金額達到了41.3億美元。

從具體細分領域來看，國內零部件企業(yè)融資事件主要集中在芯片和激光雷達這兩項自動駕駛關鍵零部件上，二者占比之和達到了94%。

這一趨勢也延續(xù)到2022年。從2022年國內第一季度投融資事件數(shù)量及金額來看，增量零部件領域融資事件數(shù)量占比已超過56%，融資金額占比已超過43%。

2022年以來中國自動駕駛賽道的融資事件

二、美國創(chuàng)投市場融資情況及拆解

根據(jù)鯨準數(shù)據(jù)庫，2021年到2022年上半年，美國共發(fā)生233起自動駕駛企業(yè)融資事件，融資總金額超過4000億元。其中，2021年錄的177起，2022年上半年度錄的56起。

在單次融資金額方面，Cruise以13.5億美元的融資拔得2022上半年度頭籌，是繼通用汽車21億美元收購軟銀持有的Cruise股份后，代替軟銀完成2018年承諾的追加投資。

融資輪次方面，其中，種子輪至A輪項目74個，A+輪至C輪項目39個，C+輪至Pre-IPO項目12個，戰(zhàn)略投資與并購項目90個，上市及以后項目18個。

在賽道方面，根據(jù)公開數(shù)據(jù)，美國市場主要集中在場景落地及商業(yè)應用領域，其中被投企業(yè)為服務各場景的機器人制造商的融資事件共49起，相較之下被投企業(yè)為自動駕駛技術研發(fā)商的融資事件僅23起。

2022年以來美國自動駕駛賽道的融資事件

三、2022年中美自動駕駛創(chuàng)投市場對比

對比2021-2022中美自動駕駛企業(yè)的融資情況可以發(fā)現(xiàn)，中國自動駕駛投融資市場活躍度更高。中國自動駕駛領域投融資總金額僅為美國的37.5%，但融資事件數(shù)量是美國的2.5倍，反映出中國自動駕駛企業(yè)數(shù)量較多且創(chuàng)新活力更強。

美國自動駕駛投融資呈現(xiàn)出頻次低、金額高、頭部集中的特點。其中，Cruise在2021年共融資3次，金額達到97.5億美元，成為2021全球自動駕駛“融資王”。同時，Cruise、Waymo、Nuro三家企業(yè)在2021年共融資128.5億美元，占據(jù)美國總融資額的92%以上。

而在中國自動駕駛市場，中小企業(yè)仍然充滿機遇。2021年，地平線、Momenta和文遠知行三家企業(yè)累計融資金額為47.9億美元，占據(jù)國內整體份額的41%，尚未形成頭部壟斷格局。未來，預計行業(yè)集中度將快速提升，最終將迎來新一輪玩家整合。

同樣可以看到的是，中美在投資重點上各有不同。相比美國重視場景落地及商業(yè)應用，中國市場的資本更看重零部件領域的布局，凸顯出資本市場對中國智能汽車產業(yè)鏈創(chuàng)新能力和發(fā)展?jié)摿Φ念A期看好。

四、2022年中國自動駕駛的創(chuàng)業(yè)、投資、創(chuàng)新機會

a、終端需求主導投資風向。在以B端客戶為導向的自動駕駛產業(yè)，企業(yè)客戶的痛點決定了資金的流向。

乘用車市場上，在車企尋求產品差異化和建立技術壁壘的需求主導下，芯片、雷達等核心零部件及軟件算法等可構成自動駕駛方案核心競爭力的賽道預計仍是資本市場的主要熱點。

在商用車端，受場景落地及商業(yè)應用的需求驅動，服務礦區(qū)、港口和干線物流等智慧物流、及環(huán)衛(wèi)和無人小巴等智慧交通領域的自動駕駛企業(yè)同樣受到關注。

b、投資熱點之下，還需關注到的是細分市場的市場規(guī)模、玩家集中度及準入門檻對創(chuàng)業(yè)機會形成的限制。

我們通過整理公開數(shù)據(jù)，從市場規(guī)模、市場集中度、行業(yè)門檻兩個維度對自動駕駛產業(yè)鏈上的創(chuàng)業(yè)機會進行評估。

其中，市場規(guī)模方面，我們以細分領域的市場規(guī)模最大值為標準參照物，其他領域的值以相對百分比的形式取值。滿分為100分。

分散程度方面，我們以細分領域的CR5為衡量標準，取值在0-100%之間。

進入門檻方面，我們通過對細分領域的技術壁壘及起步資金投入進行評估，容易度由低到高，取值在0-5之間。

經過梳理，我們可以歸結出以下創(chuàng)業(yè)機會：

可以看到，激光雷達、操作系統(tǒng)、車聯(lián)網（車載通信模組、T-BOX）具有較大的創(chuàng)業(yè)空間。

05產業(yè)風向展望

一、技術路徑展望

• 車路協(xié)同 VS 單車智能

自動駕駛當前存在兩大主流的實現(xiàn)路徑：一是基于單車感知和高效算法決策的單車智能模式，二是基于道路基站和車輛進行通信、通過云端調控的車路協(xié)同模式。

當前，產業(yè)內形成了以美國為代表的“單車智能”路線和以中國為代表的“車路協(xié)同”路線。

美國在人工智能領域全球領先，人才儲備充足，基礎科研實力強，人工智能企業(yè)數(shù)量位居全球首位。另外，美國擁有發(fā)達的集成電路技術，在高端芯片設計領域一直保持領先態(tài)勢，為單車智能所需的高性能車載芯片發(fā)展打下了良好基礎。

相比之下，中國在網聯(lián)化建設方面成果顯著。以華為為代表的通信企業(yè)在5G技術方面世界領先，且5G基站鋪設速度快、覆蓋廣。工信部預計2020年底中國5G基站數(shù)量將超過60萬個。同時，中國政府大力推行5G網絡、物聯(lián)網、衛(wèi)星互聯(lián)網、數(shù)據(jù)中心、智能交通基礎設施等新型基礎設施建設，由我國主導設立的C-V2X已成為世界智能駕駛發(fā)展的主流。從道路情況來看，中國高速公路總里程世界第一，公路總里程和公路網密度快速增加，且收費公路里程遠高于美國，這些基礎設施建設方面的特殊性將有力推動車路協(xié)同的發(fā)展。

單車智能和車路協(xié)同的本質是技術和成本在車側和路測的平衡。

從目前表現(xiàn)來看，單車智能存在較多弱點：多傳感器融合對芯片性能提出了較高要求，同時導致單車成本較高，難以進入私家車領域；無人駕駛依靠AI，但AI黑箱效應難以克服；自動駕駛110億英里的道路檢測難以實現(xiàn)；全自動駕駛有高達百萬的Corner Cases需要解決，光靠軟件設計很難在短期內覆蓋到所有極端情況，難以保障行駛安全。

相比之下，車路協(xié)同是單車智能的延伸和拓展。在單車智能的基礎上，車路協(xié)同形成單車傳感器的性能延伸，緩解計算平臺算力壓力，對于高級別自動駕駛不可或缺。車路協(xié)同的應用能夠加速汽車產業(yè)化落地。

然而，車路協(xié)同的實現(xiàn)離不開公路的智能化改造和基礎設施投資。據(jù)天風證券和中銀國際證券測算，高速公路的單公里智能化改造成本是100萬左右，包含了RSU、邊緣計算、攝像頭等設備，考慮到中國的高速公路里程14.96萬公里，一級公路11.17萬公里，高速公路和一級公路的智能化改造市場規(guī)模約為2,613億元。由于二級公路和更低等級的公路路況較為復雜，有更多機動車與非機動車和行人混行的情況，需在十字路口、事故易發(fā)路段等關鍵場景鋪設更多路側設備，不同路況的單公里智能化改造投資差異較大，難以進行估算。

在36氪的調研過程中，我們發(fā)現(xiàn)2022年車路協(xié)同在中國市場極有可能加速落地。6月在財政部的支持穩(wěn)住經濟大盤工作專題新聞發(fā)布會上，新基建、新能源項目被納入專項債券重點支持范圍。同時財政部表示，要確保今年的新增專項債券6月底前基本發(fā)行完畢，力爭8月底前基本使用完畢。1-5月，各地已累計發(fā)行新增專項債券2.03萬億元。按照2022年的3.56萬億的專項債額度，目前仍有過萬億的專項債額度，而與新基建相關的智能城市、智慧交通項目很有可能成為重點扶持項目。

• 漸進式 VS 一步到位式

從技術實現(xiàn)路徑來說，目前存在漸進式和一步到位式兩大路徑。其中漸進式以傳統(tǒng)車企和造車新勢力為代表，實現(xiàn)從L0到L5的自動駕駛逐級進階，目前正處于L3自動駕駛初步導入階段，下一階段主要拓展城市區(qū)域同時提升功能連續(xù)性?？缭绞揭钥萍季揞^為代表的，如谷歌Waymo、百度Apollo等，寄期一步到位實現(xiàn)自動駕駛，核心在于場景落地及行之有效的商業(yè)模式。

兩種技術路線的背后是不同商業(yè)模式之爭。以傳統(tǒng)的車企為代表主導的漸進式路線，目的在于平衡性能提升與成本，避免在自動駕駛汽車成為市場主流之時，淪為科技互聯(lián)網企業(yè)的造車代工廠。此外也有專家認為，自動駕駛逐級提升同時帶來的數(shù)據(jù)積累更有利于算法的泛化性訓練，在深度學習方面形成技術支撐。

一步到位式路線的代表性公司選擇的商業(yè)模式則是通過提供服務和技術授權來產生收入。一方面，他們并不認為“人機共駕”是實現(xiàn)自動駕駛的必經之路，另一方面，通過提供服務和技術授權的方式盈利，可以避免企業(yè)走上擁有汽車的重資產之路，這與互聯(lián)網公司的基因相吻合。

漸進式路線除特斯拉相對領先外，自主車企差距尚不明顯。目前國內領先車企大多選用“軟件自研+硬件預埋”方案，希望通過后續(xù)OTA升級迭代軟件算法，拓展自動駕駛設計運行區(qū)域（ODD）。

相比之下，選擇了一步到位式路線的科技巨頭及初創(chuàng)公司們則紛紛開始尋求在特定場景的商業(yè)化。以Waymo和百度Apollo為代表的科技巨頭公司從場景最為復雜的Robotaxi切入，通過布局車隊來獲取路測數(shù)據(jù)，目前Waymo道路測試已超2,000萬英里，百度Apollo谷內測試里程超700萬公里；初創(chuàng)公司已在港口、礦山等結構化場景實現(xiàn)L4自動駕駛的落地。

• 多傳感器融合 VS 純視覺

在感知層面，同樣有不同的技術主張。

多傳感器融合技術路線是指，利用攝像頭、激光雷達、毫米波雷達等各種傳感器進行多層次、多空間的信息互補和優(yōu)化組合處理，最終產生對觀測環(huán)境的一致性解釋。

純視覺技術路線把更多精力放在研發(fā)強大的視覺算法及專用AI芯片的能力來處理自動駕駛可能遇到的所有情況。

以特斯拉為代表的純視覺方案背后是遠超市場上大部分公司的強大硬件研發(fā)能力和巨大數(shù)據(jù)源。而對于絕大多數(shù)主機廠而言，這些基礎能力鴻溝是難以跨越的。尤其在短期內，純視覺方案基于深度學習的算法尚未達到全路況覆蓋情況下、安全性仍存疑，多傳感器融合方案安全性更高。

不同傳感器之間的功能互補。攝像頭的作用主要是識別物體顏色，但會受陰雨天氣的影響；毫米波雷達能夠彌補攝像頭受陰雨天影響的弊端，能夠識別距離比較遠的障礙物，比如行人、路障等，但是不能夠識別障礙物的具體形狀；激光雷達可以彌補毫米波雷達不能識別障礙物具體形狀的缺點。

而在這之中，憑借著在目標輪廓測量、角度測量、光照穩(wěn)定性和通用障礙物檢出等方面所具有的極佳性能，激光雷達正在成為L4級及以上自動駕駛的核心配置。但考慮到激光雷達的造價高昂，部分廠商仍選擇研發(fā)性能更高的毫米波雷達，以期取代低端的激光雷達。如華為的4D高精成像毫米波雷達，預計量產后成本為激光雷達的1/10。

另一方面，特斯拉在AI DAY的技術演講中展示了BEVFormer之后，引領了一波關于BEV感知的研究浪潮。在nuScenes 3D object detection task上，目前前6名方案都是2022年3月進行的提交。國產廠商中，地平線和毫末智行均公開展示過其感知方案使用BEV范式。

在36氪的調研過程中，有部分車企的相關負責人表示，通過2D數(shù)據(jù)和BEV數(shù)據(jù)集的效果對比驗證，證實了純視覺方案的可行性。

• 高性價比 VS 高性能

目前在各家車企的自動駕駛方案上呈現(xiàn)出硬件配置越級的趨勢。在當前算法仍未突破L2級別的情況下，不少車企紛紛將硬件配置提升至L3、L4級別。

一方面，高級別自動駕駛的實現(xiàn)需要冗余設計。即使一套系統(tǒng)出了問題，另一套系統(tǒng)也可以及時補上，確保安全。因此我們看到車企在傳感器數(shù)量和芯片算力等硬件配置上不斷提升。

另一方面，在當前算法普遍未取得突破的情況下，大部分車企選擇“硬件預埋、配置冗余”的方案，以期之后通過OTA方式實現(xiàn)自動駕駛軟硬件的快速迭代。

不過，冗余結構的設計雖然帶來更好的安全性，無疑也額外增加了倍數(shù)成本。在36氪的調研過程中，也有專家表示，對于直接目標設計是L3或者是L4級的車，冗余是需要的。但對于定位為L2，或者是L2++的車型，駕駛行為本身的主體是駕駛員，冗余設計只是在增加成本。

• 封閉場景 VS 城市開放場景

相比乘用車，商用車端的自動駕駛落地需要應對更多種類的工況場景。在橫跨不同場景時，商用車需要應對的技術難點也不盡相同。

一方面，礦區(qū)、港口這樣的特殊場景，意味著自動駕駛企業(yè)需要考慮到更多超出認知的Conner case。比如在礦區(qū)實際生產作業(yè)時，需要以車隊編組調度作業(yè)，同時運輸車隊需要連接挖掘、裝卸等其他作業(yè)流程，對平臺調度能力及車輛決策能力提出更高要求，通常，一個大的工作面有6、7個編組交叉作業(yè)，這樣有的路口可能有幾十輛車交匯，長期看，調度算法對提高生產經營效率的價值要超過無人駕駛單車智能算法；

而在港口區(qū)內沒有交通燈控制，每個路口都沒有保護，考驗自動駕駛集卡的感知能力和行為預測能力。自動駕駛集卡僅承擔港口作業(yè)中的水平運輸環(huán)節(jié)，和橋吊、場橋的配合十分重要，要求定位誤差要維持在厘米級范圍內。對于車身長、慣性大的港口集卡，需要進行適應調整；

另一方面，各種礦區(qū)不同的工況特點會給技術可靠性和通用性帶來挑戰(zhàn)，例如金屬礦石的電磁特性會影響毫米波雷達的性能，高寒地區(qū)礦區(qū)的溫度會影響電氣電子設備的穩(wěn)定性等，碼頭遍布的金屬集裝箱將對信號有所干擾的情況，還需解決影響衛(wèi)星導航系統(tǒng)定位精度的問題。

此外在高速等半封閉場景，還需要考慮到商用車自身的特性。比如重卡車身較高，車輛視覺盲區(qū)大，需要重點覆蓋的感知范圍更大；而重卡較長的車身導致所需變道時間較長，對感知距離與預判時間要求更高；重卡車頭與車掛之間的柔性連接也讓自動駕駛車身姿態(tài)控制難度增大。同時，由于重卡載重波動在14噸至49噸之間，巨大波動對車身高度、重心有較大影響，對自動駕駛車身控制要求較高；在行駛過程中，車身懸掛抖動明顯，傳感器在線標定比較困難。另外一方面，重卡躲在高速道路行駛，時速高、載重大，在雨天路滑的情況下，安全制動距離需要至少300m，因此對比其他場景的車型，自動駕駛重卡所需的感知距離更長、要求的反應速度更快且控制更加精準。

而在環(huán)衛(wèi)、城配物流等城市開放場景，自動駕駛算法不但要應對多變的城市場景和各種意料之外的人為或是技術因素干擾，在安全性上有更嚴苛要求，還需要匹配各種商用場景的特定任務需求。比如在環(huán)衛(wèi)場景，自動駕駛掃路車對精細貼邊清掃、自主路線規(guī)劃等有比較高的要求，這導致環(huán)衛(wèi)車行駛過程中將面臨大量樹蔭、隧道、高架橋等對衛(wèi)星信號的干擾，同時還會面臨坑洼、邊緣死角等問題。

二、商業(yè)路徑展望

• 新興Tier 1廠商呈多元化態(tài)勢

在汽車產業(yè)巨變的同時，車企的tier 1廠商正在往多元化方向發(fā)展。互聯(lián)網公司、消費電子廠商及自動駕駛初創(chuàng)企業(yè)前赴后繼，挑戰(zhàn)傳統(tǒng)tier 1的行業(yè)地位。比如百度跨界上游軟件賽道，在OS、ADAS、高精地圖等均有布局；華為在提供雷達、芯片、域控制器、T-box等一系列硬件設備之外，ADAS算法被采購量也位居國內廠商前列；Mobileye、地平線等初創(chuàng)企業(yè)則是通過芯片、算法乃至攝像頭實現(xiàn)軟硬件綁定。

總體而言，在軟件定義汽車的新趨勢下，新興tier 1廠商們基于自身的資源稟賦和擴大利潤空間的考慮，紛紛跨界不同細分市場，向傳統(tǒng)tier 1的地位發(fā)起挑戰(zhàn)。

• 產業(yè)鏈上下游玩家融合

在硬件配置同質化、系統(tǒng)軟件底層化的背景下，自動駕駛算法是車企打造差異化自動駕駛體驗、形成軟件盈利模式的關鍵所在。而傳統(tǒng)的輔助駕駛打包方案缺乏差異性，且無法滿足整機廠掌握自動駕駛核心技術的訴求。

另一方面，車企在面對復雜且快速變化的供應鏈時，也希望有所側重地構建自研能力。在36氪的調研過程中，有部分車企的相關負責人表示，在軟硬件解耦的趨勢下，車企應以開放的生態(tài)應對技術的快速迭代和日趨復雜的供應鏈。這意味著車企需要明確區(qū)分哪些產品需要核心自研，哪些可以依賴生態(tài)合作的方式補齊零部件產品鏈。

我們也看到，越來越多的主機廠選擇在感知、規(guī)控算法等軟件領域選擇自研，建造自身的護城河。而在芯片、傳感器等硬件領域，出于研發(fā)成本和技術迭代速度加快的考慮，車企更傾向采購成熟廠商的產品。通過設置模塊化架構，對硬件廠商開放統(tǒng)一接口，在成本支出和產業(yè)話語權之間求得最優(yōu)解。

在此驅動下，許多車企繞過tier 1廠商，通過直接同核心底層零部件企業(yè)建立合作的方式，提高公司的技術壁壘和利潤空間。

比如在AI芯片領域，Mobileye等公司的標準化算法方案被部分車企逐漸舍棄，取而代之的是英偉達和地平線等國產芯片商不斷讓渡研發(fā)份額，將更多的產品設計如自動駕駛軟硬件系統(tǒng)、操作系統(tǒng)乃至SoC等開放給整機廠。

• 殺手級應用探索

類比智能手機的發(fā)展歷程，智能汽車最終市場空間最大的不是硬件本身，而是它所延伸出來的包括社交、游戲、移動互聯(lián)網所帶來的內容爆發(fā)，汽車也應類似。所以硬件當下已經呈現(xiàn)出平價化，甚至是低價化，其目的主要是提升終端的數(shù)量。

未來的布局更多將圍繞在車內智能座艙、自動駕駛等方向，依托OTA升級模式，導入第三方開發(fā)應用。一方面，汽車作為移動休閑娛樂載體，相應的盈利模式、商業(yè)模式也會更多。另一方面，主機廠也意識到自動駕駛功能的開發(fā)不能完全依賴車企自身的研發(fā)人員。其中涉及許多Conner case，超出了車企的自研能力與精力。借鑒智能手機的開發(fā)模式，引導發(fā)展開發(fā)者經濟，成為主機廠的一條可選路徑。

在殺手級應用的探索上，數(shù)字化廠商提供的汽車性能相關應用、針對特殊人群的自動駕駛場景，比如視障人士、老年人等等，手機移動端娛樂休閑應用的平移、甚至是出行及服務場景下汽車作為第二空間可延伸出的其他應用，都是潛在的探索區(qū)域。

開發(fā)者們躍躍欲試的背面，是主機廠顧慮的數(shù)據(jù)安全問題。車端數(shù)據(jù)不僅涉及終端用戶隱私，也關系到行車安全。在36氪的調研過程中，有主機廠的自動駕駛研發(fā)負責人表示，在汽車朝向智能網聯(lián)發(fā)展的同時，網絡安全和信息安全也是主機廠重點關注的部分。這既需要國家出臺相應法規(guī)進行監(jiān)管，也有賴主機廠從技術層面限制對車端數(shù)據(jù)的提取。

• 重資產模式VS輕資產模式

在商用場景中，自動駕駛公司也出現(xiàn)了不同盈利模式的分化，在輕資產模式和重資產模式之間各有偏好。

1) 輕資產模式：自動駕駛科技公司與傳統(tǒng)汽車主機廠和運營商建立第三方合作關系：比如在干線物流場景中，自動駕駛科技公司向物流平臺方提供自動駕駛解決方案和技術服務，傳統(tǒng)主機廠向物流平臺方銷售重卡或者科技企業(yè)直接賦能主機廠，由主機廠向物流平臺銷售無人駕駛重卡；物流平臺方根據(jù)托運人的需求劃分自營和第三方車隊，這兩類車隊也與傳統(tǒng)主機廠、自動駕駛科技公司和物流金融服務商形成合作關系。

2) 重資產模式：自動駕駛科技公司起主導作用：比如在物流或環(huán)衛(wèi)場景中，自動駕駛科技公司購買自動駕駛終端載體如重卡、環(huán)衛(wèi)車等等，將其與自動駕駛解決方案和技術一同售賣給物流平臺、環(huán)衛(wèi)運營商；此外物流運營商和環(huán)衛(wèi)運營商也可以向自動駕駛科技公司租賃自動駕駛車隊，按里程或時間向自動駕駛公司支付租賃費用和自動駕駛技術服務費。