智能驾驶：路线、变革、机会.pdf

请务必阅读正文之后的信息披露和重要声明 行 业 研 究 行 业 深 度 研 究 报 告 证券研究报告 industryId 汽车 investSuggestion 推荐 ( investS uggesti onChan ge 维持 ） 重点公司 重点公司 评级 德赛西威 审慎增持 伯特利 审慎增持 均胜电子 审慎增持 保隆科技 审慎增持 长城汽车 审慎增持 来源：兴业证券经济与金融研究院 relatedReport 相关报告 蔚来首发纯电轿车 ET7，重点 关注行业变革趋势 2021-01-10 一 文 看 懂 禾 赛 科 技 2021-01-10 蔚来发布首款轿车及固态电 池技术，特斯拉或将推出 16 万 元新车 2021-01-10 emailAuthor 分析师： 戴畅 S0190517070005 赵季新 S0190519110002 董晓彬 S0190520080001 assAuthor 研究助理： 刘洁 投资要点 summary 智能驾驶大时代，汽车变革新未来。汽车软 硬 件以及内部架构、行业竞争 格局、产业链价值分配也 将发生深远变化 。在此变革浪潮 下 ， 我们认为 智 能驾驶将相继历经辅助 驾驶渗透率提升、自动驾驶方案成熟、自动驾驶生 态完善三个阶段，并分别带来硬件、软件系统和商业化运营三波机会。 空间与节奏 ： 2025 年 智能 驾驶 感知、决策、执行、座舱 领域 市场空间 约 四千亿， 2030 年 近 万亿， 年复合增长率 达 22%。 政策、需求、供给三管 齐下， 汽车智能化成为必然趋势， 2020 年 L2 级别新车渗透率约 15%， L3 迎来量产元年， 国汽智联首席科学家提出 2025/2030 年 L2、 L3 新车占比 50%/70%， 2030 年 L4 级别新车占比 20%的发展目标。 我们预计智能驾驶 感知、决策、执行、座舱领域 市场空间五年 后约 四 千亿、十年 后 近 万亿， 年复合增速达 22%。 技术 路线： 发展路径 上 传统厂商自下而上， 互联网科技公司 自上而下；技 术 方案上 激光雷达方案 较大概率替代纯视觉方案 。 路径选择上：互联网科 技公司利 用其在软件算法方面的优势，主攻无人驾驶领域；传统 OEM 和 Tier1 从辅助驾驶层级先行进入市场。技术路线上： 当前辅助驾驶 以 单目 视觉方案为主，自动驾驶级别提升 需要高精度高分辨率的激光雷达支持， 激光雷达成本下降使激光雷达方案商业化落地指日可待。 产业变革 ： 全面重塑汽车功能、架构、价值、格局。 1） 汽车功能 ： 智能 驾驶功能实现产品升级 和 价值提升 。 2） 汽车架构 ： 软硬件多层 次 升级 ： 感知端 ： 硬件预埋， 雷达 （ 超声波 /毫米波 /激光） 、摄像头 、传感器（温 度 /压力 /位移）大幅 放量装车 ； 决策端 ： 电子电气架构 从分布到集中， 引入 AI 芯 片、域控制器、多域控制器、软件算法 ， 且集成化将使得决策 系统集成商 出现 ； 执行端 ： 线控制动、线控转向解耦人与车的机械连接， 电控执行加速渗透，线控 执行不断发展； 网联端 ： 终极自动驾驶需要 车、 路、云的连接和多环节协同 ，车载信息服务、 T-BOX、 V2X 模块、道路智 能化基础设施、智能化交通控制系统都将逐渐完善 。 智能座舱： 包含硬 件、人机交互、软件集成，先行于自动驾驶上车，信息娱乐显示屏、液晶 仪表、 HUD、流媒体后视镜、人机交互、域控制器、软件系统等具有较大 市场机会。 3）汽车价值链向后端服务转移 ： 软硬件的 OTA 升级以及 智能 驾驶系统和服务升级， 商业模式从“制造”转变为“制造 +服务”； 4）行 业竞争加剧， 合纵连横 增 多 ： 产品技术更新迭代加快 ， 软件和科技能力要 求提升 ，跨领域结盟 合作成为新趋势。 投资机会： 辅助驾驶渗透率提升、自动驾驶方案成熟、自动驾驶生态完善 三个阶段将分别带来硬件、软件系统和商业化运营领域的 三波机会 。 第一阶段， 辅助驾驶 渗透率和自动驾驶级别齐升， 传感器、芯片、域控制 器、线控执行等硬件率先上车，智能座舱先行于自动驾驶发展 ，硬件供应 商先行迎来盈利机会， 推荐 德赛西威、 均胜电子、 伯特利、 保隆科技、华 域汽车、 中科创达 （计算 机组覆盖） ；关注 Mobileye、禾赛科技、 华阳集 团、 科大讯飞（计算机组覆盖） 、 地平线 、英伟达 、 高通、 经纬恒润、 华 为、百度 、阿里巴巴、腾讯 ； 第二阶段， 自动驾驶 软件系统方案逐渐成熟，全栈自研型整车厂和软件系 统供应商都有可能脱颖而出，同时 自动驾驶在干线和低速封闭场景率先商 业化应用 ；关注 特斯拉、 Mobileye、 华为、百度 、 Google； 第三阶段， 自动驾驶 生态 成熟， 基础设施 /数据中心 /计算平台完善，政策 法规健全 ， Robotaxi 大面积商业化应用 ，面向个人消费者的完全自动驾驶 整车开始加速替代辅助驾驶汽车， 推荐 长 城汽车、吉利汽车 （海外组覆盖） 、 比亚迪 ；关注 特斯拉、 Google、 蔚来、小鹏、理想、 百度、滴滴 。 风险提示 ： 智能驾驶政策不及预期、行业发展不及预期、中美贸易摩擦 title 智能驾驶：路线、变革、机会 createTime1 2021 年 01 月 14 日 请务必阅读正文之后的信息披露和重要声明 - 2 - 行业深度研究报告 目 录 1、政策升级供需共振，智能驾驶扬帆起航 . - 9 - 1.1、政策端：短期政策引导，智能驾驶平台承载多领域前沿科技 . - 9 - 1.2、需求端：互联网一代对车型智能化要求更高 . - 11 - 1.3、供给端：智能化成为产品差异化的核心亮点 . - 12 - 2、节奏： 20 年 L3 元年， 25 年规模化应用 . - 14 - 2.1、现状： 2020 年 L2 级别新车渗透率近 15%， L3 开始量产 . - 14 - 2.2、规划： 2025 年实现智能驾驶规模化应用 . - 16 - 3、路线：视觉方案 VS 激光雷达；传统玩家 VS 新兴巨头 . - 16 - 3.1、技术路线：激光雷达 VS 视觉方案 . - 16 - 3.2、发展路径：高科技公司 自上而下， OEM、 Tier1 自下而上 . - 21 - 4、变革：全面重塑汽车功能、架构、价值、格局 . - 23 - 4.1、汽车功能重构：新增各级别的智能驾驶功能 . - 23 - 4.2、汽车架构重构：感知、决策、执行、网联、智能座舱升级 . - 24 - 4.3、汽车价值链重构 :软件和服务成为核心竞争力，硬件向电子化升级 . - 40 - 4.4、汽车格局重构：软件定义汽车，互联网科技公司入局 . - 41 - 5、机会：从硬件到系统再到生态 . - 48 - 5.1、第一阶段：辅助驾驶阶段的软硬件升级带来的机会 . - 48 - 5.2、第二阶段：自动驾驶系统 方案脱颖而出 . - 51 - 5.3、第三阶段：自动驾驶生态成熟， Robotaxi 全面运营，全自动驾驶汽车逐渐 替代辅助驾驶汽车 . - 55 - 6、投资建议 . - 56 - 6.1、核心观点 . - 56 - 6.2、推荐公司 . - 57 - 附录一：华为、百度、阿里智能网联汽车领域布局 . - 63 - 1、华为：核心软硬件齐布局，目标智能网联时代 Tier 1 . - 63 - 2、百度：业务覆盖智能交通、自动驾驶、车联网 . - 67 - 3、阿里：斑马网络 +达摩院，打造智能汽车操作系统和整体解决方案 . - 71 - 图 1、 2019 年中国人口结构图 . - 11 - 图 2、 2019 年消费者对智能化配置需求 . - 11 - 图 3、辅助驾驶功能解放驾驶员双手 . - 12 - 图 4、辅助驾驶功能减轻驾驶员疲劳 . - 12 - 图 5、特斯拉 Model3 座舱 . - 13 - 图 6、比亚迪汉 DiLink 3.0 智能网联系统 . - 13 - 图 7、北汽 ARCFOX 座舱 . - 13 - 图 8、小鹏 P7 车内娱乐系统 . - 13 - 图 9、吉利星瑞 HUD . - 14 - 图 10、长城 H HUD . - 14 - 图 11、 2020 年 110 月我国智能网联乘用车（ L2 级）销量超过万辆车企销量情况 （单位：万辆） . - 15 - 图 12、 2020 年 110 月我国智能网联乘用车（ L2 级）销量超过 2 万辆的车型销量 情况（单位：万辆） . - 15 - 图 13、单目测距中远处较大行人和近处较小行人像素大小一致 . - 17 - 图 14、双目测距原理和计算公式 . - 18 - 图 15、双目典型工作流程图 . - 18 - 图 16、双目摄像头生成的图像 . - 18 - 请务必阅读正文之后的信息披露和重要声明 - 3 - 行业深度研究报告 图 17、特斯拉视觉主导方案 . - 19 - 图 18、自适应巡航功能 . - 23 - 图 19、自动紧急制动 . - 23 - 图 20、盲区监测功能（ BSD） . - 24 - 图 21、高速自动驾驶功能（ HWP） . - 24 - 图 22、辅助驾驶阶段各类型传感器数量和覆盖范围 . - 25 - 图 23、博世电子电气架构演进图 . - 28 - 图 24、汽车芯片的分类 . - 29 - 图 25、蔚来汽车 OTA 技术升级进 展 . - 33 - 图 26、线控转向系统结构 . - 34 - 图 27、线控制动原理图 . - 34 - 图 28、车辆网产业全景图 . - 36 - 图 29、智能座舱产品演变 . - 37 - 图 30、汽车核心要素的转变 . - 40 - 图 31、未来汽车软件和电子电气件 的单车价值量变化（单位：美元） . - 40 - 图 32、智能座舱各细分领域市场规模预测（单位：亿元） . - 49 - 图 33、智能座舱内的硬件 . - 49 - 图 34、吉利亿咖通智能座舱相关产品 . - 51 - 图 35、吉利亿咖通自动驾驶相关产品 . - 51 - 图 36、长城自动驾驶全栈自研技术 . - 51 - 图 37、博世自动 驾驶技术架构 . - 52 - 图 38、大陆中央计算平台 . - 52 - 图 39、矿区无人驾驶车辆 . - 54 - 图 40、港口无人集卡 . - 54 - 图 41、自动驾驶卡车 . - 54 - 图 42、阿里智能物流车 . - 54 - 图 43、华为传感器产品 . - 64 - 图 44、华为 96 线激光雷达 . - 64 - 图 45、华为激光雷达重点解决场景 . - 64 - 图 46、 昇 腾 910 芯片算力业界领先 . - 65 - 图 47、华为鸿蒙 OS 历程及路标 . - 65 - 图 48、华为 Hi Car 应用生态 . - 65 - 图 49、华为 Hicar . - 66 - 图 50、 AR-HUD . - 66 - 图 51、华为车联网解决方案 . - 66 - 图 52、华为云自动驾驶云服务 Octopus . - 66 - 图 53、百度 ACE 交通引擎总体架构 . - 68 - 图 54、百度智能座舱 . - 68 - 图 55、百度车载小程序 . - 68 - 图 56、百度流媒体后视镜 . - 69 - 图 57、百度 AR-HUD 解决方案 . - 69 - 图 58、百度自动驾驶传感器方案 . - 69 - 图 59、百度自主泊车方案 . - 69 - 图 60、百度 Apollo GO 好评度 . - 70 - 图 61、百度 Alpha GO 车系、服务和场景 . - 70 - 图 62、 V2X 车路协 同技术 . - 70 - 图 63、阿里操作系统与生态 . - 72 - 图 64、阿里 AR-HUD . - 72 - 图 65、斑马全方位合作伙伴 . - 72 - 请务必阅读正文之后的信息披露和重要声明 - 4 - 行业深度研究报告 表 1、智能驾驶增量产品市场空间以及增速测算 . - 7 - 表 2、智能驾驶子领域参与公司 . - 8 - 表 3、 2020 年以前国家对智能网联的规划与政策 . - 9 - 表 4、 2020 年我国政府对智能网联汽车的规划与政策 . - 10 - 表 5、国内各地方智能驾驶相关进展 . - 11 - 表 6、 2019 年国内辅助驾驶功能配置率情况（以询单量计 ） . - 12 - 表 7、各大车企明星车型智能驾驶功能配置情况 . - 13 - 表 8、自动驾驶分级标准 . - 14 - 表 9、各大车企智能驾驶车型 进展和发展规划 . - 15 - 表 10、智能网联汽车发展总体目标 . - 16 - 表 11、各类传感器优劣势 . - 16 - 表 12、全球视觉 ADAS 供应关系 . - 19 - 表 13、激光雷达、摄像头各项性能对比 . - 20 - 表 14、复杂场景下激光雷达具有优势 . - 21 - 表 15、自动 驾驶主要参与者 . - 22 - 表 16、 Robotaxi 和整车厂的合作 . - 22 - 表 17、自动驾驶公司研发投入高 . - 22 - 表 18、各 级别自动驾驶对应功能 . - 23 - 表 19、泊车辅助一代（ APA 自动泊车）与四代（ AVP 自动代客泊车）对比 . - 24 - 表 20、各级别自动驾驶所需传感器数量 . - 25 - 表 21、各类型传感器价格 . - 25 - 表 22、摄像头可实现 ADAS 功能 . - 26 - 表 23、感知端各个部件竞争格局 . - 26 - 表 24、激光雷达上市公司基本信息 . - 27 - 表 25、主流车企电子电气架构升级路径 . - 28 - 表 26、典型座舱域控制器厂商及其方案和客户 . - 28 - 表 27、典型自动驾驶域控制器厂商及其客户 . - 29 - 表 28、三种 AI 芯片的对比 . - 30 - 表 29、汽车芯片领域主要竞争厂商 . - 30 - 表 30、 OEM、 Tier 1 AI 芯片供应商 . - 31 - 表 31、整车厂软件平台开发策略 . - 32 - 表 32、车企车载操作系统和底层系统 . - 32 - 表 33、特斯拉软件收入情况 . - 33 - 表 34、电控制动、电控转向价格和渗透率预期 . - 34 - 表 35、电控制动、电控转向、线控制动、线控转向主要供应商 . - 35 - 表 36、车联网关键技术发展路线 . - 35 - 表 37、车联网相关产品及供应商 . - 36 - 表 38、智能座舱构成 . - 37 - 表 39、当前座舱的主要组成 . - 37 - 表 40、主流车企智能座舱配置 . - 38 - 表 41、智能网联增量产品带来的机会汇总 . - 39 - 表 42、重点汽车零部件的升级变化 . - 41 - 表 43、整车厂成立独立软件业务部门 . - 42 - 表 44、主流车企纷纷与产业链上下游深度合作 . - 43 - 表 45、车企产品进展和发展规划 . - 43 - 表 46、车企产品进展和发展规划 . - 44 - 表 47、 Tier 1 零部件厂商产品进展和发展规划 . - 45 - 表 48、互联网公司 2030 年 L2、 L3 级 新车销量占比 达 70%、 L4 级达 20%、 C-V2X 基本普及， 2025 年前后 实现智能驾驶的规模化应用。 表 10、智能网联汽车 发展总体目标 2025 年 2030 年 2035 年 中国方案智能网联汽车产 业体系更加完善 ， 与智能 交通 、 智慧城市产业生态 深度融合 ， 打造共享和谐 、 绿色环保 、 互联高效 、 智能安全的智能社会 ， 支 撑我国实现汽车强国 、 步 入汽车社会 ， 各类网联式 高度自动驾驶车辆广泛运 行于中国广大地区 总体目标 确立中国方案智能网联汽车发展 战略 ， 形成跨部门协同管理机制 PA 、 CA 级智能网联汽车销量占 当年汽车总销量的比例超过 50% ， HA 级智能网联汽车开始进 入市场 ， C -V 2 X 终端新车装配率 达 50% 网联协同感知技术在高速公路 、 城市道路节点和封闭区域成熟应 用 ， 具备网联协同决策功能的车 辆进入市场 。 HA 级智能网联汽 车实现限定区域和特定场景商 业化应用 中国方案智能网联汽车成为国 际汽车发展体系重要组成部分 PA 、 CA 级智能网联汽车销量 占当年汽车总销量的比例超过 70% ， HA 级车辆占比达 20% ， C -V 2 X 终端新车装配基本普及 具备车路云一体化协同决策与 控制功能的车辆进入市场 ， HA 级智能网联汽车在高速公路 广泛应用 ， 在部分城市道路 规模化应用 资料来源：智能网联汽车研究中心、兴业证券经济与金融研究院整理 3、 路线： 视觉方案 VS 激光雷达；传统玩家 VS 新兴巨头 3.1、 技 术路线： 激光雷达 VS 视觉方案 当前 自动驾驶技术路线分为视觉主导和激光雷达主导， 前者 当前成本 占优 、后者 能实现的高阶智能驾驶潜能大 。自动驾驶环境感知的技术路线主要有两 种， 一种 是 摄像头主导、配合毫米波雷达等低成本传感器的视觉主导 方案 ，以特斯拉为典 型代表； 另一种以激光雷达为主导， 配合摄像头、毫米波雷达等传感端元器件， 典型代表如 Waymo 等自动驾驶厂商 。 纯视觉方案成本更低，商业化 可行性 更高； 激光雷达方案 当前成本较高，但是在信息获取上更加精准 。 表 11、各类传感器优劣势 优势 劣势 毫米波雷达 探测距离远 、 精度高 ， 不受天气状况影响 ， 成本低 无法识别指示牌行人等 摄像头 有图像识别功能 ， 可通过算法实现各项功能 ， 成本低 受强光影响较大 ， 无法测距 激光雷达 提供三维尺度感知信息 ， 获取精准信息 成本高 ， 受天气影响 超声波雷达 成本低 探测距离短 资料来源：搜狐汽车，兴业证券经济与金融 研究院整理 请务必阅读正文之后的信息披露和重要声明 - 17 - 行业深度研究报告 3.1.1 视觉 方案 ： 单目 /三目基于视觉识别 +深度学习，识别的准确性和深度学习的 可靠性是迈向自动驾驶的瓶颈，双目只检测不识别 +传统算法，一致性和成本是 迈向商业化的瓶颈，辅助驾驶时代单目是主流 单目摄像头是当前辅助驾驶的主要方案， Mobileye 占据绝对主导地位，其存在探 测长度和宽度无法同时保障和测距不准的问题 。 目前应用于自动驾驶的路况判断 方案 ，多 以单目摄像头方案为主。 单目 可 实现车道偏离警告 (LDW)、基于雷达视 觉融合的车辆探测、前部碰撞警告 (FCW)、车距监测 (HMW)、行人探测、 智能 前灯控制 (IHC)、交通标志识别 (TSR)、仅视觉自适应巡航控制 (ACC) 等功能， 并且成本低于其他视觉方案， Mobileye 是业内单目摄像头解决方案的绝对领导者， 占据全球市场超过 70%的份额。 但单目摄像头 方案存在 以下 短板 1） 探测长度和宽度无法同时保障： 摄像头的视角越宽，所能探测到精准距离的长 度越短，视角越窄，探测到的距离越长。这类似于人眼看世界，看的越远的时候， 所能覆盖的范围就窄，看的近的时候，则覆盖的范围就广 。 但车载摄像头是定焦 的，无法像人眼一样变焦。导致了探测长度和宽度无法同时保障。 2） 距离信息的获取必须基于目标的识别 ： 要提供目标距离信息， 单目摄像头方案 首先要对目标进行框图边界分割，分割与识别一体，不识别无法准确分割。分割 识别后是估算距离，单目估算距离主要根据像素大小，对于远距离的较大物体和 近距离的较小物体像素大小非常接近，测量距离并不准确 。 图 13、单目测距 中远处较大行人和近处较小行人像素大小一致 资料来源： 搜狐汽车 、兴业证券经济与金融研究院整理 双目摄像头测距更准确，但对于两个摄像头一致性的要求极高，立体匹配和配准 效果难度较大，使得辅助驾驶时代单目仍是主流。 双目 相较于单目 测量距离非估 算 ，测距 准确度 高；且 可以在不识别目标的情况获得 距离 数据 ，没有识 别率的限 制，对所有障碍物直接测量；虽然 双目系统成本比单目系统要高，但尚处于可接 受范围内 ，与激光雷达等方案相比成本低 ；且双目系统 无需维护样本数据库，因 为对于双目没有样本的概念。 但双目同样存在一些问题： 1） 两个镜头理论上要一 请务必阅读正文之后的信息披露和重要声明 - 18 - 行业深度研究报告 模一样，一旦存在差异，会使得测量的准确性大打折扣 ，这对于摄像头的成本和 良率都是很大的挑战； 2） 最关键的环节在立体匹配 ， 需要对每一个像素点都做立 体匹配， 计算量大 但算法简单， 适合用 FPGA 来完成 ，门槛较高； 3） 另一个难点 在于双目的配准效果 ， 通过双目摄像头的图像配准可以计算生成表示距离的二维 图像 ，不 同饱和度颜色代表不同距离，从暖色调至冷色调为距离由近及远 ， 色调 （距离） 要 平滑过渡，没 有跳变 ， 在计算过程中，需要对噪点与空洞做很好的抑 制。 双目系统在豪华车上应用较多， 全球 目 前 主要的双目系统供应商有德国大陆， 博世，韩国 LG， 日本日立和日本电装。 双目摄像头 对 成本、工艺、可靠性、精 准度的要求使得 其成本 较高， 较难在价格敏感度高的 车型上 推广 ，单目低成本的 方案搭配其他传感器可以满足 L1、 L2 和部分 L3 场景下的功能，所以在辅助驾 驶时代单目仍是主流。 图 14、双目测距原理和计算公式 图 15、 双目典型工作流程图 资料来源： 搜狐汽车 ，兴业证券经济与金融研究院整理 图 16、 双目 摄像头生成的图像 资料来源： 车云，兴业 证券经济与金融研究院整理 三目视觉 为解决测距问题而设计， 但存在后台融合无合理规则和解决方案进行数 据筛选的问题 。 三目 初始被设计的 目的是为了解决汽车前向测距的问题 ，但是 三 个不同的摄像头 精准度不同， 检测障碍物的精准性都会有一定的误差 ，对于 不同 摄像头获取到 的 同一场景的数据，需要在后台进行融合，但由于硬件的差异性本 身存在，导致后台目前对于这种误差并没有合理的规则和解决方案去进行 选择 。 这种无法决策的局面，还 会同其它的传感器 例 如激光雷达、毫米波雷达 所探测的 结果产生矛盾，因此最终难以做出正确合理的决策 。 请务必阅读正文之后的信息披露和重要声明 - 19 - 行业深度研究报告 表 12、全球视觉 ADAS 供应关系 车厂 供应商 低端方方案 高端方案 丰田 电装 （ T N A G 平台 ）、 大陆汽车 （ 早期平台 ） 单目 F P G A 双目 丰田 K e i h i n （ 雅阁 ）、 博世 （ 思域 ）、 V a l e o （ F i t ） 单目 m ob i l e y e F P G A 日产 Z F T R W 、 松下 单目 m ob i l e y e 单目 m ob i l e y e 通用 M A G N A 、 Z F T R W 、 大陆汽车 （ 新君君威 ） 单目 m ob i l e y e 单目 m ob i l e y e 福特 M A G N A 、 Z F T R W 单目 m ob i l e y e 单目 m ob i l e y e F C A M A G N A 、 博世 单目 m ob i l e y e 博世 F P G A 铃木 日立 单目 双目 大众 博世 、 大陆汽车 、 V a l e o 单目 m ob i l e y e 博世 F P G A 奥迪 K os t a l、 V a l e o 单目 m ob i l e y e 单目 m ob i l e y e 宝马 A pt i v 、 Z F T R W 、 博世 （ X 3) 单目 m ob i l e y e 、 单目 F P G A 三目 m ob i l e y e （ 2020 前为双目 ， 大陆汽车供应 ） 奔驰 V e on e e r 、 大陆汽车 单目 F P G A 双目 （ 大陆汽车 ） 现代 M a n do 单目 m ob i l e y e 单目 m ob i l e y e 蔚来 W i s t r on 单目 m ob i l e y e 三目 m ob i l e y e 资料来源：佐思汽研，兴业证券经济与金融研究院整理 图 17、特斯拉视觉主导方案 资料来源：特斯拉官网，兴业证券经济与金融研究院整理 3.1.2 激光雷达方案： 分为机械式和固态激光雷达， 预计 固态会率先大规模上车 激光雷达分为机械式和固态，拥有对周围环境高精度的感知能力。 激光雷达的工 作原理是将激光线束竖向排列形成一个面，通过调整角度发射激光束、传感器接 收记录，做到对 周围环境的三维感知。竖向排列线束越多，扫描密度越大，精度 就越高，价格也越贵。激光雷达分为机械式和固态：机械式通过机械旋转部件直 接驱动激光线束，拥有 360视场，测量精度更大，探测距离更远，但是结构复 杂、体积大、适配性交叉，量产成本很高；固态激光雷达不具备机械旋转部件， 通过电子部件控制激光发射角度，结构简单、成本更低，但扫描角度有限、测量 精度较机械式低，引入较多环境光噪声。 Velodyne 的 64 线机械式激光雷达价格高 达 7 万美元以 上， 而 华为也发布了 96 线激光雷达 ，其智能汽车 BU 总裁王军表示 请务必阅读正文之后的信息披露和重要声明 - 20 - 行业深度研究报告 未来计划将激光雷达成本 降至 200 美元 。 固态激光雷达赛道还有大疆 、禾赛、 Velodyne、 Luminar、 ouster、 Quanergy、 ibeo 等 ，法雷奥第三代 Scala 也从机械转 向固态。 我们预计 两种激光雷达 中 固态 式 会率先 商业化量产 上车 。 Waymo 等自动驾驶公司 的测试车使用的都是机械式激光雷达， 主要是 自动驾驶公司对高阶段自动驾驶的 掌握必须依赖高精度传感器，性能是第一位 。而从商业化考虑， 因 机械式高昂的 成本， 预计 固态大概率会率先上车，目前明确公布未来量产车型上搭载激光雷达 的车企有 小鹏、沃尔沃、本田、长安、极狐、蔚来、宝马等。 3.1.3 方案比较 ：激光雷达安全性高，成本问题正在解决， 相视觉方案 未来 有更 大 胜出 概率 激光雷达路线商业化瓶颈在于价格；纯视觉方案瓶颈在于极高要求的算法。 未来 进入无需人类接手的自动驾驶场景，必须保障 100%的安 全性。 而 进入商业化，成 本 是必须突破的 环节 。 1、 激光雷达具有高精度、高分辨率、 3D 感知 的优势， 激光雷达主导 方案同时配 合摄像头，两类传感器优势互补，精确度更高，因此针对 L4/L5 的自动驾驶公司 都采用该方案。该方案的 问题和争议点即 当前 成本高 。 2、 以 特斯拉 为代表的纯视觉方案拥趸，摒弃激光雷达的主要原 因是其成本高昂 。 但是缺失激光雷达后， 精度、稳定性、视野方面都有局限 ，出现的问题是：（ 1） 对于决策端的计算要求非常高，且需要大量的数据积累，对于神经网络进行训练， 使它具备判断能力；（ 2）视觉 的缺点 在于摄像头是二维的，因此会存在失真，只 能依靠大量学习和算法去弥补。因此，总结来说， 纯视觉方案对于数据积累和算 法训练过于依赖，对于进入复杂 少见 的道路环境 时 其 安全性 受到 挑战。 表 13、 激光雷达、摄像头各项性能对比 激光雷达 摄像头 毫米波雷达 回波成像来构显被探测物体 将光学信号转化成数字图像信号 回波成像来构显被探测物体 以光粒子发射为主要方法，发射的 为一条直线 以电磁辐射为主，发射的电磁波是锥 状波束 成像 完整绘制障碍物 3D 图像 必须根据 2D 图像判断 / 生成 3D 图像 颜色识别 无法辨别颜色 可辨别颜色 无法辨别颜色 摆放位置 必须摆放在视野毫无阻挡的地方， 所以常常放在车顶 车身四周 车身四周 成像可视化程度低 成像可视化程度高 成像可视化程度低 障碍物识别准确率高 障碍物识别准确率低 最远距离（米） 200 250 250 黑天也能看得清，影子也可识别 下雾下雨也看得清 但受天气因素影响较大 但被外界光源强度所限制 对计算机要求 很低 很高，需要将 2D 图像转为 3D 硬件成本 成本高 V e l ody n e 64 线 7 万美元，但华为 96 线可降至 200 美元。 成本低 前视 600 元 / 套 价格低 77GH z 700 元， 24GH z 300 元 测绘和识别障碍物 适合自然环境 基本原理 穿透雾、烟、灰尘的能力强，可以在 糟糕的天气中探测 资料来源： 腾讯新闻， 兴业证券经济与金融研究院整理 注：绿色表示此项性能优于对标产品，黄色表示劣于对标 产品 请务必阅读正文之后的信息披露和重要声明 - 21 - 行业深度研究报告 表 14、复杂场景下激光雷达具有优势 毫米波雷达 摄像头 激光雷达 角分辨率不够 对远端的通用障碍物识别不够 可能及时识别 角分辨率不够 需要累计多帧 ， 几百毫秒才可以 确认加塞 可以 2 - 3 帧确认加塞 ， 百毫秒内 做出判断 角分辨率不够 需要累计多帧 ， 需要几百毫秒才 可以确认加塞 可以做出快速判断 一般不识别静止物体 在光线亮度发生突然变换的场景 有致盲情况发生 能够准确识别 需要同时满足大视场和远距测 量能力 多径反射性能不佳 光线强弱变化会影响摄像头的性 能 独特的优势可以得到发挥 资料来源： 华为智能汽车解决方案， 兴业证券经济与金融研究院整理 注：绿色表示此项性能优于对标产品，黄色表示劣于对标产品 综合比较下， 我们认为：辅助驾驶单目为主，激光雷达逐渐渗透； 未来 无人 驾驶 激光雷达 方案胜出具有更大概率 1） 在辅助驾驶时期，单目摄像头方案仍会是主流 ，激光雷达逐渐渗透 。 双目需 要突破摄像头一致性的问题，三目需要突破测量误差和融合中数据选择的问题， 随着 激光雷达 成本下降，有望开始在辅助驾驶量产车上渗透。 2）进入高级别自动驾驶，激光雷达方案不可 或缺 ，成本进一步降低 。 固态激光 雷达会率先上车，拥有其它传感器无法替代的高精度感知，同时成本已降至可接 受程度 （ 华为固态激光雷达成本未来可降至 200 美金 ）。 2020 年 11 月，单目视觉 的绝对领导者 Mobileye 与 Luminar 达成协议， 在其第一代自动驾驶汽车上使用 Luminar 的激光雷达； 12 月在其 2025 年自动驾驶系统开发计划中规划将搭载自研 的激光雷达传感器，视觉方案绝对领导者 Mobileye也已经开始涉足激光雷达领域。 3.2、 发展路径： 高科技公司自上而下 ， OEM、 Tier1 自下而上 智能驾驶的出现使得汽 车市场参与者扩容， 除了 传统玩家 （主机厂、 Tier1）向智 能驾驶领域的升级， 也包括 布局智能驾驶 的科技巨头，如造车新势力、自动驾驶 请务必阅读正文之后的信息披露和重要声明 - 22 - 行业深度研究报告 公司、互联网科技公司 。 表 15、自动驾驶主要参与者 研发自动驾驶起 始时间 自动驾驶竞争力排行 （ N avi gan t R e s e ar c h ) 测试车队规模及里程 自动驾驶进展 辅助驾驶进展和车型 W a y m o 2009 年 1 1000 辆级别 ， 超过 2000 万英里 ， 2019 年在加州 145 万英里 测试阶段 ， 与雷诺 - 日产 、 菲亚特 - 克莱斯勒 、 捷豹 路虎 、 沃尔沃技术合作 ， 与戴姆勒客车打造 L4 自动 驾驶卡车 - 百度 2013 年 8 500 辆级别 ， 超过 370 万英里 ， 2019 年在加州 11 万英里 R obo t a x i测试阶段 ； 202 0/ 12 ， 发布 L4 级纯视觉自动 驾驶解决方案 - M obi l e y e 1999 年 5 - 视觉方案绝对龙头 ； 2020 年搭载 L u m i n a r 激光雷达 ， 同时自研激光雷达 视觉系统占据 70% 以上市场 G M C r u i s e 2013 年 2 超过 200 万英里 ， 2019 年在加州 83 万 英里 测试阶段 ， 与沃尔玛试点无人车送货 搭载 S u pe r C r u i s e 的凯迪拉克 C T 6 ， 计 划将该系统扩展至 22 款车 福特 2004 年 3 - 2021 年组建自动驾驶车队提供拼车或者叫车服务 ； 与 V e l ody n e 合作重卡自动驾驶研发 联手 M obi l e y e 开发下一代自动驾驶技 术 ， 2021 年大规模应用 大众 上世纪末 6 - 在华于合肥进行道路测试 L2 级探岳 ， L3 级奥迪 A 8,20 23 年计划推 出 L 4/ L 5 技术 S e dr i c 车型 丰田 1997 年 9 - 截至 201 9/ 10, 自动驾驶专利数量第一 ； 投资 U be r 、 小 马智行 搭载 T oy ot a S a f e t y S e n s e 的 C - H R E V 雷诺尼桑三菱 1999 年 10 - 与 W a y m o 在法国 、 日本开展自动驾驶商业服务 L2 级别英菲尼迪 Q X 50 戴姆勒 - 博世 2017 年 7 奔驰 2019 年 1.4 万英里 合作的 R obo t a x i于 2019 年 12 月开始试点运营 ； 打造自 动代客泊车技术 2021 年的新一代 S 系列支持自动驾驶 安波福 2008 年 4 与 l y f t 合作完成 10 万 + 出行 2022 年向机器人出租车及移动出行业务主体供应自 动驾驶系统及支持技术 L 1 L 3 领域与 20+ 主机厂合作量产 新势力 特斯拉 2013 年 - - 推出完全自动驾驶套件 FSD 具备全自动驾驶套件的 M ode l 3 企业 传统车企 T i e r 1 科技公司 资料来源： Navigant Research、 亿欧网、 汽车之心、 汽车之家、 搜狐汽车 、 兴业证券经济与金融研究院整理 互联网科技巨头 大部分选择跳过 L2 和 L3，直接发展 L4 或 L5。 互联网 科技巨头 之所以选择这条技术路线， 主要因为 软件算法 是其强项， 汽车工程化能力是其短 板， 且 没有传统汽车产品包袱，无 需 从低级别到高级别的渐进过渡 。该路线 的参 与者以百度、 Waymo、 Cruise、 Uber 为代表，采用激光雷达，且需要算法的不断 优化完善，主要挑战则是落地时间长、 且 需要大量资金支持。 表 16、 Robotaxi 和整车厂的合作 表 17、 自动驾驶公司研发投入高 企业 估值 整车厂 合作方式 运营车型 W a y m o 3 00 亿美元 F C A / 捷豹路虎 合作生产 L4 级车辆 菲亚特 P a c if ic a 捷豹 l- P a c e C r u is e - 200 亿美元 通田 本田 控股 投资 7.5 亿美元 雪佛兰 B ol t U be r - 72.5 亿美元 沃尔沃 丰田 合作开发 投资 5 亿美元 沃尔沃 X C 90 A r g o. a i - 40 亿美元 福特 大众 投资 10 亿美元 投资 26 亿美元 福特 F u s ion 百度 - 一汽红旗 合作量产 L4 级车辆 一汽红旗 E - H S 3 文远知行 -6 亿美元 雷诺日产三菱 投资与合作研发 东风日产轩逸 小马智行 - 53 亿美元 丰田 广汽 / 现代 投资 4 亿美元 合作开发 丰田 L e x u x R X 广汽 A ion L X / 现代 K on a A u t oX -5 亿美元 东风 / 上汽 比亚迪 投资 合作开发 菲亚特