2019年中国无人驾驶行业研究报告.pdf

1 报告编码19RI0796 头豹研究院 | 汽车应用行业深度研究 400-072-5588 2019 年 中国无人驾驶行业研究报告 报告摘要 TMT 团队 根据国际自动机工程师学会（SAE International）制 定的 SAE J3016 全球汽车业界评定自动驾驶汽车等 级通用标准，自动驾驶可根据车载电脑系统在驾驶 操控中代替人工驾驶的程度分为 6 个级别。无人驾 驶对应该标准的 L4 和 L5 级别，是自动驾驶的一种 表现形式。无人驾驶车辆系统对车辆具有完全的控 制能力，不需要驾驶员对车辆实施控制。由于无人 驾驶技术发展尚未成熟，行业内至今未实现无人驾 驶产品的商用及量产。从各大汽车厂商和互联网科 技巨头公布的计划看， 到 2025 年， 无人驾驶有望实 现特定场景下的真正商业化。 热点一：限定的场景应用率先爆发 热点二：企业争霸赛中，互联网企业拥有场景优势 热点三：汽车产业内在升级需求，推动智能驾驶加速落地 无人驾驶产业链中游市场主体主要分为两大阵营，包括 互联网科技企业以及整车厂商，涉及阿里巴巴、腾讯、 百度、华为等科技巨头和一汽、上汽、长城、长安等车 企巨头。互联网企业拥有更多科技人才储备以及先进技 术研发经验，在解决无人驾驶智能化问题上拥有天生优 势。无人驾驶产业下游应用领域更是众多互联网企业熟 悉且占优的领域，如共享出行、网约车行业、电商物流、 外卖 O2O 等， 众多应用场景为自研发无人驾驶提供强劲 的动力以及充分的商业化机会。 综合安全风险、政策风险等因素，无人驾驶技术的商业 化会遵循从低速过渡到高速，封闭过渡到开放的发展路 线，对无人驾驶技术要求相对较低的农业、工业、物流 等领域的特定场景有望在短期内全面实现无人驾驶技术 的落地。快递配送将是另外一个较快投入无人驾驶汽车 的领域。人口老龄化问题加剧，难以满足快递行业对年 轻劳动力的大量需求，无人驾驶技术在快递行业的应用 将缓解劳动力供给不足带来的难题。 传统汽车产业已进入发展成熟期，需要挖掘新的行业增 长点以换取行业发展新动力。无人驾驶汽车对驾驶用户 而言，吸引力充足，是替换旧车的最佳选择。未来无人 驾驶汽车必将成为汽车产业重要的经济增长点。传统汽 车产业链各参与方纷纷提前布局无人驾驶。 卢佩珊 邮箱：csleadleo 分析师 行业走势图 相关热点报告 汽车应用系列深度研究 高精地图： 为自动驾驶保驾护 航 汽车应用深度研究整合 通信网络生态资源， 华为领衔 自动驾驶网络建设， 头豹研究 院携手探索， 发布 2019 年中 国智慧通信自动驾驶网络行 业概览 汽车应用系列深度研究 新基建助推自动驾驶加速发 展， 域控制器作为研发落地关 键备受投资关注 2 报告编码19RI0397 目录 1 方法论 . 5 1.1 方法论 . 5 1.2 名词解释 . 6 2 中国无人驾驶行业市场综述 . 7 2.1 无人驾驶定义及分类 . 7 2.2 无人驾驶相关技术 . 8 2.3 无人驾驶市场规模 . 9 2.4 无人驾驶产业链分析 . 10 2.4.1 产业链上游 . 10 2.4.2 产业链中游 . 13 2.4.3 产业链下游 . 14 3 中国无人驾驶行业驱动因素 . 16 3.1 技术进步使无人驾驶成为可能 . 16 3.2 资本助力产业链各参与方扩张 . 17 3.3 汽车产业内在升级要求 . 17 4 中国无人驾驶行业制约因素 . 19 4.1 法律法规尚未完善 . 19 3 报告编码19RI0397 4.2 高端产业人才稀缺 . 19 4.3 整车生产成本高昂 . 20 5 中国无人驾驶行业相关政策法规 . 21 6 中国无人驾驶行业发展趋势 . 23 6.1 硬件端多传感器融合 . 23 6.2 限定的场景应用率先爆发 . 24 7 中国无人驾驶行业竞争格局 . 26 7.1 竞争概况 . 26 7.2 典型代表企业分析 . 27 7.2.1 北京智行者科技有限公司 . 27 7.2.2 北京初速度科技有限公司（Momenta） . 28 7.2.3 威马汽车科技集团有限公司 . 30 4 报告编码19RI0397 图表目录 图 2-1 自动驾驶汽车等级标准 . 7 图 2-2 无人驾驶产业链 . 10 图 5-1 中国无人驾驶行业相关政策 . 23 5 报告编码19RI0397 1 方法论 1.1 方法论 头豹研究院布局中国市场， 深入研究 10 大行业， 54 个垂直行业的市场变化， 已经积累 了近 50 万行业研究样本，完成近 10,000 多个独立的研究咨询项目。 研究院依托中国活跃的经济环境，从自动驾驶、车联网、人工智能等领域着手，研 究内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张，到企业 走向上市及上市后的成熟期， 研究院的各行业研究员探索和评估行业中多变的产业 模式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。 研究院融合传统与新型的研究方法， 采用自主研发的算法， 结合行业交叉的大数据， 以多元化的调研方法， 挖掘定量数据背后的逻辑， 分析定性内容背后的观点， 客观 和真实地阐述行业的现状， 前瞻性地预测行业未来的发展趋势， 在研究院的每一份 研究报告中，完整地呈现行业的过去，现在和未来。 研究院秉承匠心研究， 砥砺前行的宗旨， 从战略的角度分析行业， 从执行的层面阅 读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。 头豹研究院本次研究于 2019 年 06 月完成。 6 报告编码19RI0397 1.2 名词解释 SLAM（Simultaneous Localization And Mapping） ：即时定位与地图构建。 Tier1 供应商：汽车主要零部件直接供应商。 车规级：车用规定级别。 V2V（Vehicle to Vehicle） ：不同车辆间的信息互通。 V2I（Vehicle to Infrastructure） ：车辆与路障、道路、交通灯等设施之间的通信。 V2P（Vehicle to Pedestrian） ：车辆与行人或非机动车之间的交互。 点云数据：特定坐标系下的点的数据集。 7 报告编码19RI0397 2 中国无人驾驶行业市场综述 2.1 无人驾驶定义及分类 智能汽车定义覆盖范围广，根据中国制造 2025 ，智能汽车是搭载先进的车载传感 器、控制器、执行器等装置，融合现代通信与网络技术，实现车内网、车外网、车际网的无 缝链接，具备信息共享、复杂环境感知、智能化决策、自动化协同等控制功能，可实现“高 效、安全、舒适、节能”行驶的新一代汽车。 自动驾驶汽车属于智能汽车范畴， 是一种通过计算机实现自动驾驶的智能汽车。 根据国 际自动机工程师学会（SAE International）制定的 SAE J3016 全球汽车业界评定自动驾驶 汽车等级通用标准， 自动驾驶可根据车载电脑系统在驾驶操控中代替人工驾驶的程度分为 6 个级别。无人驾驶对应该标准的 L4 和 L5 级别，是自动驾驶的一种表现形式。无人驾驶车 辆系统对车辆具有完全的控制能力，不需要驾驶员对车辆实施控制。 图 2-1 自动驾驶汽车等级标准 来源：国际自动机工程师学会，头豹研究院编辑整理 8 报告编码19RI0397 2.2 无人驾驶相关技术 无人驾驶系统由多个子系统紧密协同形成， 核心技术涉及环境感知技术、 精准定位技术、 路径规划技术、控制与执行以及高精地图技术等。 （1） 环境感知技术 环境感知技术是利用传感器对车身所在路面、 周围的动态和静态对象进行 3D 重构的技 术， 主要分为以摄像机为主导的多传感器融合方案和以激光雷达为主导， 其他传感器为辅助 的技术方案。激光雷达具有识别精准且快速的优点，但由于造价昂贵，不易量产，目前普遍 被使用在测试车型中。 以摄像机为主导的多传感器融合方案成本较低， 可应用于量产的无人 驾驶汽车中，但对摄像头识别能力要求高。 （2） 精准定位技术 无人驾驶汽车的基础是精准导航， 汽车内置的导航模块需要获取车辆与外界环境的相对 位置关系以及车辆的绝对位置， 为无人驾驶汽车的路径规划和任务规划作支撑。 精准定位可 依靠惯性导航系统、轮速编码器推算航迹、卫星导航系统和 SLAM 自主导航系统。惯性导 航系统和轮速编码器依靠车辆内置传感器获取的数据推算车辆位置。SLAM 即时定位与地 图构建，可以在移动过程中根据车辆实际位置建造增量式地图，实现车辆自主定位和导航。 （3） 路径规划技术 无人驾驶汽车的行为决策与路径规划指系统依据环境感知和导航系统输出的信息， 通过 一些特定的约束条件如无碰撞、安全到达终点等，规划出给定起止点间多条可选安全路径， 并从中选取一条最优的路径作为车辆的行驶轨迹。 路径规划技术可分为全局路径规划和局部路径规划。 全局路径规划是系统在已知地图的 情况下， 利用已知局部信息如障碍物位置和道路边界， 确定可行和最优的路径。 局部路径规 划是系统在全局路径规划生成的可行驶区域指导下， 依据传感器感知到的局部环境信息来决 9 报告编码19RI0397 定车辆在前方路段所要行驶的轨迹。 （4） 控制与执行 无人驾驶汽车的控制包括对车辆的纵向控制和横向控制。 纵向控制即车辆的驱动与制动 控制， 系统通过对油门和制动的协调， 实现车速以及前后车距的控制。 横向控制指系统控制 汽车的转向以自动保持期望的行车路线。 （5） 高精地图 高精地图拥有精确的车辆位置信息和丰富的道路元素数据信息， 起到构建类似于人脑对 于空间的整体记忆与认知的功能，可帮助无人驾驶汽车预知路面复杂信息，如坡度、曲率、 航向等，更好地规避潜在的风险。相比服务于 GPS 导航系统的传统地图，高精地图需要达 到厘米级的精度才能保证无人驾驶汽车行驶的安全性。 2.3 无人驾驶市场规模 由于无人驾驶技术发展尚未成熟， 行业内至今未实现无人驾驶产品的商用及量产。 从各 大汽车厂商和互联网科技巨头公布的计划看， 到 2025 年， 无人驾驶有望实现特定场景下的 真正商业化。 目前， 各大自动驾驶技术研发企业与传统汽车制造厂商均在努力加速无人驾驶 汽车的商业化进程，如长城汽车计划在 2020 年推出高速全自动驾驶车辆；北汽集团计划 2021 年规模化量产无人驾驶汽车；宝马计划 2021 年推出完全自动驾驶汽车。 根据中国汽车工程学会发布的节能与新能源汽车技术路线图 ，中国到 2020 年将实 现辅助驾驶或部分自动驾驶汽车在汽车市场的占有率达 50；到 2025 年，高度自动驾驶 汽车的市场占有率约为 15；到 2030 年，完全自动驾驶汽车的市场占有率将为 10。预 计到 2035 年，全球无人驾驶汽车销量达 1,100 万辆，其中北美市场约占 28%，中国市场 约占 23%，欧洲市场约占 19%。 10 报告编码19RI0397 2.4 无人驾驶产业链分析 无人驾驶产业链上游由智能感知、 决策与执行系统供应商以及对无人驾驶系统起全面支 持作用的高精地图与 V2X 网络设施与服务供应商组成。中游市场主体主要包括互联网科技 企业、传统汽车厂商和新兴汽车厂商，下游市场主体为各类型的消费者。 图 2-2 中国无人驾驶产业链 来源：头豹研究院编辑整理 2.4.1 产业链上游 无人驾驶产业链上游市场主体为感知系统供应商、 决策系统供应商、 控制与执行系统供 应商以及为无人驾驶汽车服务的地图定位与网络服务商。 （1） 感知层 无人驾驶汽车环境感知解决方案主要有以摄像头为主的计算机视觉方案和激光雷达方 案。 虽然摄像头硬件技术已相对成熟， 但所需的算法识别准确率仍待提高； 激光雷达的点云 数据处理算法实现较易， 但硬件成本较高， 因此这两种方案尚不能单一地成为无人驾驶汽车 最优的感知方案。 以摄像头为主的计算机视觉方案 摄像头比其他车用传感器价格低， 有识别车道线、 车辆等物体的基础能力， 但高度依赖 11 报告编码19RI0397 光线， 在隧道或夜晚等光线弱的场景无法准确感知路况， 仍需其他传感器协助感知。 以摄像 头为主的计算机视觉感知方案已大规模应用于自动驾驶 L1 和 L2 级别，即辅助驾驶市场， 主要方案供应商有中科慧眼、 天隼图像、 格灵深瞳和智眸科技等， 但目前的视觉方案开发与 应用仍集中在辅助驾驶环节， 与无人驾驶所需的计算机视觉技术要求相差甚远。 在无人驾驶 计算机视觉研发领域， 传统整车厂商以及 Tier1 供应商具备较强的资金和技术积累优势， 能 迅速布局开展无人驾驶计算机视觉技术研发。 主打计算机视觉算法的创业企业缺少汽车产业 链条， 仅靠算法难以形成无人驾驶领域的商业闭环， 需要与汽车产业链相关企业合作实现算 法落地。 激光雷达方案 激光雷达通过发射和接受激光束计算激光遇到障碍物的折返时间， 分析得出目标与设备 的相对距离，测量得到障碍物的轮廓。激光雷达具有障碍物检测、动态障碍物识别跟踪、路 况检测、 实时定位和环境建模的功能， 比以摄像机为主的计算机视觉方案测量精度高， 三维 成像能力好。但激光雷达方案成本高、量产难，由于激光雷达的技术门槛高，应用领域较窄 （汽车、资源勘测） ，激光雷达的产品供应商相对较少，行业尚未推出针对车规级的成熟量 产的无人驾驶激光雷达方案。 以速腾聚创、 禾赛科技、 北科天绘为代表的创业企业希望以低 线束、低成本、量产化的激光雷达产品打通市场。 以摄像头为主的计算机视觉方案以及激光雷达方案均无法单独成为无人驾驶汽车的最 优感知方案， 而多传感器融合感知方案成为无人驾驶产业目前达成的共识， 多传感器融合方 案能够保证周边环境信息获取充分且有冗余， 更利于无人驾驶汽车的行驶安全。 不同传感器 技术（定位传感器、雷达传感器、听觉传感器、视觉传感器以及姿态传感器）将在博弈平衡 中向前发展， 一旦某类传感器的性价比占优， 将更容易获得整车厂商和 Tier1 供应商的青睐， 有望占领更大市场份额， 进而抑制其他类型传感器在无人驾驶领域的应用， 形成此消彼长的 12 报告编码19RI0397 态势。 （2） 定位与网络 高精地图 高精地图是高精度、精细化定义的地图，比传统导航地图更多维，数据更新更及时。高 精地图能发挥感知汽车周边环境的功能， 是无人驾驶汽车发展的前提。 高精度地图能够提供 更前瞻的信息指示， 帮助汽车进行定位， 使驾驶系统感知到更大范围的交通态势， 保证自动 驾驶的安全； 地图对于道路信息的记录能帮助汽车进行自主路径规划； 地图记录学习车主的 驾驶行为和轨迹，了解车主行车习惯，能为自动驾驶汽车提供决策支持。 当前高精地图领域的主要参与者有： 传统导航电子地图厂商， 如四维图新、 高德和百 度； 整车厂商， 如奔驰、 宝马和奥迪等； 自动驾驶领域创业公司， 如宽凳科技和 Momenta 等。 由于高精地图有资质限制， 整车厂商通常选择与传统导航电子地图厂商合作或入股投资 拥有导航电子地图制作甲级测绘资质的企业， 以间接获得布局高精地图领域的资格。 而自动 驾驶领域创业公司则通过自取资质以获得发展机遇， 但导航电子地图制作甲级测绘资质标准 要求较高，目前只有宽凳科技和 Momenta（北京初速度科技有限公司）两家初创企业受批 获得导航电子地图制作甲级测绘资质。 在导航电子地图测绘资质尚未完全放开的前提下， 传 统导航电子地图厂商拥有较大的竞争优势， 是主要的受益者。 第二、 三类企业布局高精地图 领域受限较大。 车联网（V2X） 车联网意指车与一切互联（V2X） ，包括其他车辆、行人、道路设施等，使汽车拥有更 大范围的感知能力以发现潜在风险， 及时优化路径规划。 车与云平台互联还能及时更新车载 系统， 为车主提供及时的信息娱乐服务。 目前， 整车厂商已经具备了较低等级的网联化技术， 实现了汽车与后台的互联，汽车可自动及时地更新车载系统以及将用户操作数据上传后台。 13 报告编码19RI0397 但更高级别的网联协同感知、 V2X 的信息互联等涉及基础设施改建、 车载网络升级 （车载以 太网代替 CAN 总线结构）和通信技术标准的出台，发展进程缓慢，技术仍处于研发阶段。 （3） 决策层 算法 算法成为创业企业进入无人驾驶领域的主要入口。 算法企业将不同算法封装成覆盖不同 环节的系统模块（如环境感知、中央决策等） ，用以嵌入无人驾驶汽车，与其他传感器硬件 配套，组成可量产、可通用的无人驾驶解决方案。但算法企业缺少汽车产业链条，必须与整 车厂商、Tier1 供应商等合作，以获得将算法嵌入汽车系统模块的机会以及更多的场景数据 来优化算法。 为突破商业限制， 部分算法企业正探索更多元的发展模式， 如图森未来尝试运 营无人卡车业务； 智行者科技积极开展无人驾驶物流车、 无人驾驶观光车以及无人驾驶机场 接驳车等商业项目。 人工智能芯片 无人驾驶汽车需要实时处理来自传感器、 摄像头、 激光雷达等车辆自主运行需要的部件 的大量数据， 因此对芯片算力要求很高。 为避免计算延时导致安全事故， 无人驾驶车载端需 要具备相应的算力要求，车载端的人工智能芯片必不可少。目前，无人驾驶领域主要使用 GPU、FPGA 和 ASIC 芯片作为加速处理芯片，GPU+FPGA 的解决方案较为主流，但随着 自动驾驶汽车的普及，芯片成本成为厂商量产需要重要考虑的因素，ASIC 作为量产成本最 低的人工智能芯片有望成为主流。 2.4.2 产业链中游 无人驾驶产业链中游市场主体主要分为两大阵营，包括互联网科技企业以及整车厂商， 涉及阿里巴巴、腾讯、百度、华为等科技巨头和一汽、上汽、长城、长安等车企巨头。在无 人驾驶技术研发进程中， 互联网科技企业包括无人驾驶领域的初创企业， 多采用直接研发无 14 报告编码19RI0397 人驾驶技术（L4 和 L5）的方案，直接占领技术高点，试图抢占无人驾驶市场先机。整车厂 商包括新兴汽车厂商多采用从研发 L1 级别技术逐步过渡到 L4、L5 级别，即从辅助驾驶渐 进至无人驾驶领域，在维持现有辅助驾驶市场营收的基础上，逐步投产无人驾驶汽车。 互联网企业拥有更多科技人才储备以及先进技术研发经验， 在解决无人驾驶智能化问题 上拥有天生优势。 无人驾驶产业下游应用领域更是众多互联网企业熟悉且占优的领域， 如共 享出行、网约车行业、电商物流、外卖 O2O 等，众多应用场景为自研发无人驾驶提供强劲 的动力以及充分的商业化机会。 传统整车厂商拥有成熟的汽车产业链， 汽车供产销各环节配合紧密且自有资金充裕， 为 无人驾驶汽车的生产、 制造以及销售环节提供天然的保障。 传统整车厂商拥有长期的品牌优 势，产出的无人驾驶汽车更易被消费者接纳。 2.4.3 产业链下游 无人驾驶产业链下游主体为消费者， 涉及个人消费者、 行业应用以及出行服务商等机构 消费者。在个人消费层面，中国消费者目前可购买到的自动驾驶车辆仅可达自动驾驶 L2 级 别， 真正的无人驾驶汽车尚未投入零售端。 在行业应用层面， 无人驾驶汽车厂商对封闭式以 及半封闭式场景的测试与应用已逐步开展， 各厂商逐步开始将无人驾驶车辆投入各行业应用 场景试运行。例如百度 L4 级量产自驾巴士“阿波龙”将会被投放到北京、深圳、武汉等城 市，在机场、工业园区、公园等行驶范围相对固定的场所开始商业化运营。在出行服务商层 面， 无人驾驶汽车与出行服务商合作， 推出共享无人驾驶车辆载客服务， 创造出全新的自助 出行模式。 15 报告编码19RI0397 16 报告编码19RI0397 3 中国无人驾驶行业驱动因素 3.1 技术进步使无人驾驶成为可能 人工智能算法、车联网、数据采集、信息处理、激光雷达和芯片处理器等众多技术的发 展，推动无人驾驶技术的研发。 人工智能算法尤其是深度学习算法的发展，为无人驾驶的实现提供了条件。2005 年的 DARPA 无人驾驶挑战赛中，斯坦福大学团队使用人工智能自我学习的算法将自动驾驶的感 知识别错误率显著提升了 4 个数量级， 战胜了其他基于规则设定算法的参赛团队， 使无人驾 驶汽车技术取得重大突破。 近年来兴起的深度卷积神经网络与深度强化学习， 能通过大量学 习实现对复杂工况的决策， 并能自主在线学习优化， 成为自动驾驶汽车决策与规划处理研究 的热门技术。 传统基于规则设定算法的驾驶决策系统， 依靠人为设计精妙的规则来应对各种 复杂情况， 而人为设定规则具有主观性且不可穷尽， 一旦人为设计的规则有所疏忽， 后果将 不堪设想。 传统的规则设定方法一般假设无人驾驶汽车为驾驶环境中的唯一智能体， 其他车 辆、行人均是障碍物，直接忽视车辆间、车辆与行人间的互动性，系统仅指令无人车避开障 碍物， 忽视了障碍物的可动性对无人车选择避开路径的影响。 而强化学习则从人类的驾驶样 本 （包含了成功样本和失败样本） 中学习相应的策略抉择， 并能将决策泛化到类似的驾驶情 景中， 将无人驾驶拓展成多智能体联动决策的问题， 考虑了互联物体间的决策变动性， 增强 无人驾驶汽车的决策安全性能。 越来越多公司和研究者把强化学习应用到无人驾驶汽车的行 为与决策中，并取得了不错的效果，其中典型代表公司有 Mobileye。 车联网是无人驾驶的基础， 车联网技术的发展， 使无人驾驶汽车拥有更广范围的感知预 判能力，保障路面行驶的安全性。车联网指车与一切联网，包括车与车（V2V） 、车与路面 基础设施（V2I） 、车与人（V2P） 、车与传感设备的交互。车联网的构建将帮助无人驾驶汽 17 报告编码19RI0397 车实现更好的技术控制。例如，公路正常行驶的两汽车通过联网交换信息（V2V） ，能有效 降低盲点较大的交叉路口的交通事故率或在前车制动同时向后车发出信号， 实现两车联动控 制， 增加行车安全。 通过 V2I 技术， 无人驾驶车辆可提前探知路面交通信号等情况或根据道 路拥堵情况进行合理路径规划等。 车联网技术的成熟与发展， 加快了无人驾驶汽车的落地进 度。 3.2 资本助力产业链各参与方扩张 自动驾驶行业的发展潜力吸引资本与企业纷纷进驻。2014 年以来，自动驾驶领域的初 创公司开始增多，2015 年成立的自动驾驶初创企业多达 10 家。领域内的初创企业不断获 得融资，其中 2016 年发生的投融资事件最多，达 27 起。资本的助力使进入自动驾驶领域 的企业数量不断增长，推动自动驾驶行业扩张。当前，行业内多数初创企业处于 A+轮前融 资阶段（约 80%），且多集聚于自动驾驶产业链上游，数量超 50 家，其中专注研究人工智 能算法的企业约有 20 家。例如易航智能于 2018 年 8 月宣布完成由中金佳成领投，源码资 本、中金甲子跟投的 2.2 亿元 B 轮融资。雷达厂商速腾聚创于 2018 年 10 月获得来自菜鸟 网络、尚欣资本、北汽集团等企业的 3 亿元人民币战略投资。由于初创企业受制于资本、人 才等因素， 多采用一步到位式的研发策略， 直接攻占自动驾驶 L4 和 L5 级别 （即无人驾驶） ， 进入自动驾驶领域的初创企业数目增多， 有利于加速无人驾驶技术的研发进程， 促进无人驾 驶技术早日成熟。 3.3 汽车产业内在升级要求 传统汽车产业扩张遭遇瓶颈，2014 年以来汽车销售利润率逐渐下降，利润总额增长速 度放缓，2017 年以来，汽车销量同比增速持续下滑，销量低速增长的结构性市场状况已制 约汽车产业发展。 传统汽车产业已进入发展成熟期， 需要挖掘新的行业增长点以换取行业发 展新动力。 18 报告编码19RI0397 在工业制造 4.0 和智能制造 2025 的大背景下， 汽车智能化成为传统汽车行业发展的必 然趋势， 而无人驾驶是汽车智能化的终极形态， 将引导整个汽车行业深刻变革。 无人驾驶汽 车不仅能有效地减少交通事故和道路堵塞现象的发生， 还允许驾驶员在驾车过程中进行其他 办公、娱乐等活动，有效利用驾车时间，极大地提升用户驾车体验。无人驾驶汽车对驾驶用 户而言， 吸引力充足， 是替换旧车的最佳选择。 未来无人驾驶汽车必将成为汽车产业重要的 经济增长点。 传统汽车产业链各参与方纷纷提前布局无人驾驶。 传统汽车厂商逐渐加大无人 驾驶研发投入， 如一汽、 上汽、 长城、 北汽、 长安等车企已研发出低速无人驾驶的测试样车， 北汽集团还与盘锦政府达成战略合作，在旅游景区内进行无人车试运行。长安汽车计划于 2025 年实现全自动驾驶；一汽集团计划于 2025 年实现 50%的车型高度自动。各厂商在无 人驾驶领域的投入与研发， 积极地推动了无人驾驶的深化， 有助于加速无人驾驶汽车的落地。 19 报告编码19RI0397 4 中国无人驾驶行业制约因素 4.1 法律法规尚未完善 相关的法律法规缺失， 制约着中国无人驾驶行业的发展。 现有的道路交通安全法规无法 适应无人驾驶汽车的行车条件， 需要有针对性的法律法规保证无人驾驶汽车的正常行驶。 根 据道路交通安全法和道路运输条例规定，机动车及其驾驶人需分别符合机动车国家 安全技术标准和国务院公安部门规定的驾驶许可条件， 方可在公共道路上行驶， 而无人驾驶 汽车并不符合此两项法律法规的要求， 不具备道路通行权。 此外， 无人驾驶汽车在行驶时可 能会引发交通事故， 无人驾驶汽车安全事故中对于人和车的法律责任认定存在模糊地带， 现 行的刑事、民事、保险责任认定以及违章处罚等法律法规均未有针对此领域作确切的规定， 无人驾驶事故责任的划分仍需要相关法律法规深入研究和探讨。 与发达国家相比， 中国针对无人汽车行业的立法进程较为缓慢， 仍停留在道路测试阶段。 2018 年 4 月，工信部、公安部和交通运输部联合印发的智能网联汽车道路测试管理规范 （试行） ，对智能网联汽车道路测试申请、审核、管理以及测试主体、测试驾驶人和测试车 辆要求等进行规范，首次从国家政策层面引导与规范无人驾驶。而美国内华达州早在 2011 年就通过 AB511 法案，规定了无人驾驶汽车的道路行驶权；欧洲和日本已在 2015 年后明 确了无人驾驶汽车引发事故的责任认定问题。 相比之下， 中国亟需加快健全无人驾驶领域的 法律法规，促进中国企业紧跟全球无人驾驶的发展步伐，分享发展红利。 4.2 高端产业人才稀缺 无人驾驶产业的高速发展需要大量高层次产业人才， 尖端人才不足难以支撑核心技术的 研发。 无人驾驶是最复杂， 技术最集中的人工智能应用场景， 行业的发展尚需突破诸多技术 壁垒， 如传感器在雨雾天气中的识别精确度， 执行系统对泥泞道路的识别和控制等， 要求无 20 报告编码19RI0397 人驾驶研发团队需同时具备汽车工程和人工智能算法背景的高端人才，兼具技术与工程能 力，以解决研发过程中遇到的多方面难题。 目前， 人工智能领域以及自动驾驶领域的研究学者主要分布在美国和欧洲， 中国的自动 驾驶研发人才主要依赖海外渠道引进。中国在自动驾驶领域对人才的自主培养机制尚为落 后，无法适应自动驾驶行业发展的速度。截至 2018 年底，中国人工智能领域技术型从业者 仅有 5 万多人，远低于美国的 85 万人以及英国的 14 万人。中国缺乏经验丰富的人工智能 领域的顶级人才，具有十年以上经验的人工智能领域专家约 50%分布在美国，中国的占比 不超 25%，中国仍然高度缺乏高层次的人工智能领域资深人才。当前中国人工智能领域人 才需求已远超人才供给，未来人才缺口可超 1,000 万。根据教育部、人力资源和社会保障 部、工信部联合印发的制造业人才发展规划指南预测，中国到 2020 年对节能与新能源 汽车领域的高端人才需求量达 85 万人，而届时的人才缺口将达 68 万人，到 2025 年该领 域的人才供需缺口将超 100 万人。中国高度缺乏人工智能以及汽车工程领域的人才，严重 影响无人驾驶技术的研发。 4.3 整车生产成本高昂 无人驾驶汽车产业化受高成本瓶颈制约。 无人驾驶汽车的生产成本包括雷达、 传感器等 相关硬件设施的购买费用、 相关应用软件的开发费用以及无人驾驶技术的研发费用， 耗资比 传统汽车或普通新能源汽车高。 Google 公司的无人驾驶汽车单辆的硬件成本高达 35 万美元，其中各种传感器的成本 合计为 25 万美元，一个 64 束激光雷达的成本达万美元。L5 级别的无人驾驶汽车的装配 成本可