2018科技出行研究报告：智能网联与新能源变革汽车出行.pdf

2018科技出行研究报告智能网联与新能源变革汽车出行亿欧智库 iyiou/intelligenceCopyrights reserved to EO Intelligence, April 2018目录CONTENTS科技出行发展概况多方参与的科技出行生态科技改变汽车出行研究项目回顾1.2.3.4.2.1 科技出行背景介绍2.2 科技 出行概念界定3.1 参与 主体对产品的打造3.2 配套设施的完善4.1 科技对出行供给端的变革4.2 科技 对 出行需求端的变革4.3 科技出行发展建议Research ReviewPart.1研究项目回顾3EO IntelligencePart.1研究项目 回顾项目研究背景4随着汽车电子 、 网络 、 信息技术的快速发展 ， 智能网联汽车 、 新能源汽车已成为汽车技术发展的大势 ，新一代技术的发展将引领未来汽车新一轮发展 。 富有 科技功能与 时尚感的汽车 已成为大势 。对于 用户来说 ， 汽车 已经不只是单纯满足人们出行需求的交通工具 ， 它正在 被赋予更多的含义 。 以汽车科技改变 出行的体系正在 被 重构 ， 未来即将来到 。汽车自上个世纪末诞生以来 ， 已经走过了风风雨雨的一百多年 。这一百年 ， 汽车科技也随着时间的推移 不断发展 ， 经过不断改进 、创新 ， 并得益于石油 、 钢铁 、 铝 、 化工 、 塑料 、 机械设备 、 电力 、道路网 、 电子技术与金融多行业的支持 ， 现在已经不断走向成熟 。如今 ， 汽车产业已经是世界上 规模较大 的产业之一 ， 已经成为美国 、 日本 、 德国 、 法国等发达国家国民经济的支柱产业 。 同样 ，在中国 ， 汽车 产业的发展 也 较为迅速 ， 我国汽车市场 已经 成为世界上最大的市场 。EO IntelligencePart.1研究项目 回顾近百年来 ， 汽车产业一直处于国家经济发展的重要位置 ， 而随着经济的发展 ， 各国汽车产业不断走向成熟 。 在汽车领域 ， 新一代的技术革命正在到来 ， 以电动化 、 智能化 、 网联化 、 共享化为发展趋势的理念正在改变着人们的出行方式 ， 并且未来将持续发生 ， 由此 ， 新的出行业态将不断产生 ， 出行方式将会变得更加多样化 ， 汽车产业链也将会重构 。为了进一步了解科技对汽车出行市场的影响 ， 洞察未来汽车出行生态变化 ， 亿欧智库将围绕科技改变汽车出行这一核心逻辑 ， 深入分析以乘用车为主的汽车科技的发展 ， 通过分析各参与主体对汽车产品的打造 ， 分析未来人们的出行需求 ， 分析科技对汽车出行的影响 ， 发现规律 ， 为行业参与者们提出发展建议 ， 最终推动行业发展 。项目研究目的504030102核心概念 ： 汽车科技改变出行发展环境 ： 从政策 、 资本 、 基础设施建设等维度分析汽车科技正在或即将对汽车出行市场产生的影响参与主体 ： 科技出行主要参与方研究梳理与企业盘点发展趋势 ： 分析汽车科技改变未来出行Development of Tech-transportationPart.2科技出行发展概况6EO Intelligence2.1科技出行研究背景介绍Background of Tech-transportationPart.2科技出行发展 概况7EO IntelligencePart.2科技出行发展概况2.1科技出行研究背景介绍随着科技力量的发展 ， 出行行业将迎来新一轮变革 。 历史上有三次技术革命 ， 从三次技术革命的发展与人类交通出行的变革来看 ， 科技是交通出行变革的主要驱动力 ， 每次技术革命都伴随着交通工具的革新 、 新业态的出现以及出行特征的变化 。 在当前及未来形势下 ， 第三次 技术革命将继续影响出行 行业 。在 电动 化 、 共享化 、 智能化 、 网联化 的推动下 ， 汽车产业正在发生变革与升级 ， 未来出行产业也将迎来新的发展机遇 。技术变革与出行演变的逻辑8出行市场特征依靠畜力 为主个体出行向快速 、大容量发展 机动化出行兴起安全 、 快速 、 高效 、 经济出行市场特征马车出租 马车出租 、 蒸汽火车 私人汽车 、 火车 业态多样 ， 共享业态出现出行业态马匹 汽船 、 蒸汽机车 、火车 、 自行车 内燃机汽车 、 电气化火车 汽车 、 飞机 、 地铁 、 高铁代表性出行方式驯养技能 蒸汽机的发明与 应用 电力技术 、 电动机 、 发电机 信息 、 新材料 、新能源技术发展技术基础技术革命以前 第一次技术革命 第二次 技术革命 第三次 技术革命亿欧智库 ： 信息参考于中国汽车百人会报告EO IntelligencePart.2科技出行发展概况2.1科技出行研究背景 介绍智能网联汽车技术发展进程 全球92016年 ， 联合国欧洲经济委员会宣布 ， 关于自动驾驶汽车的修正案正式生效1939年 ， 美国通用汽车首次展出无人驾驶概念车1970年前 ， 一些车企尝试使用射频和磁钉的方式引导车辆实现自动驾驶1987年 ， 戴姆勒集团在欧洲启动尤里卡 普罗米修斯计划2009年 ， 谷歌推出无人驾驶汽车计划1980年开始 ， 美国国防部先进研究项目局资助自动驾驶陆地车辆军事化应用研发1995年 ， 美国卡耐基梅隆大学研制出的无人驾驶汽车在州际公路上完成测试2015年 ， 福特获得美国加州的自动驾驶车辆测试许可2017年至今 ， 自主式和网联式加速融合 ， 更高级别驾驶辅助技术逐渐成熟从第一台概念车发展到现在 ， 智能网联汽车已经拥有八十多年的发展历史 ， 走过了概念 、 研发 、 测试阶段 ， 技术不断向前发展 。从 2009年开始 ， 谷歌推出无人驾驶汽车计划 ， 无人驾驶变为一项系统化的研究工作 ， 发展层次得以提高 ， 越来越多的企业投身于此 。截至目前 ， 智能网联汽车的商业化步伐正在加速推进 ， 多家企业已经制定了详尽的落地计划 。EO IntelligencePart.2科技出行发展概况2.1科技出行研究背景介绍智能网联汽车技术发展进程 中国101992年 ， 国防科技大学研制出国内第一款自动驾驶汽车CITAVT-I型2001年开始 ， 国防科技大学与一汽合作研发自动驾驶汽车2011年 ， 一汽红旗HQ3无人驾驶车完成从长沙至武汉 286公里的路测2013年 ， 中国汽车工程学会 联合汽车 整车企业 、 科研院所 、通信运营商 、 软硬件厂商 等成立 “ 车联盟产业技术创新战略联盟 ”2015年 ， 智能网联汽车被列为 中国制造 2025发展重点2015年 ， 百度无人驾驶汽车完成北京开放高速路的自动驾驶测试2016年 ， 长安汽车完成 2000公里超级无人驾驶测试2017年 ， 工业与信息化部 、 国家标准化管理委员会正式发布 国家车联网产业体系建设指南 （ 智能网联汽车 ）（ 2017年 ） 征求意见稿意见的通知2018年 ， 上汽 集团 、 蔚来汽车拿到上海市第一批智能网联汽车开放道路测试号牌自 上世纪 90年代开始 ， 我国国内高校及车厂就已经展开了对自动驾驶技术的研发工作 。 随着技术发展 ， 国内 众多汽车企业 、 电子信息企业 ， 以及从事通信和互联网行业的企业发展智能网联汽车的积极性在持续高涨 。 我国 智能网联汽车 测试评价体系已经基本构建 。 目前 ，我国 已经在关键技术的研发和自主产品的市场化 ， 以及产业链的布局和测试示范等方面取得了 积极突破 。EO IntelligencePart.2科技出行发展概况2.1科技出行研究背景介绍世界各国对智能网联汽车的政策支持11美国将发展智能网联汽车作为发展智能交通系统的重点工作内容 ， 2016年发布了 美国自动驾驶汽车政策指南 中国制造 2025 将 “ 节能与新能源汽车 ” 作为重点发展领域 ； 2016年 ， 新一代人工智能发展规划 明确要大力发展人工智能新兴产业 ， 包括智能运载 工具2015年 ， 英国交通部宣布 ， 允许无人驾驶汽车在英国实际道路进行测试 ， 英国成为欧盟第一个批准无人驾驶汽车道路测试的国家政府积极发挥跨部门协同作用 ， 推动智能网联汽车项目实施 。 计划 2020年在限定地区解禁无人 驾驶汽车 ， 到 2025年在国内形成完全自动驾驶汽车市场目标2017年 ， 韩国发布的 韩国汽车管理法 中允许在城市道路上测试自动驾驶汽车德国出台法律 ， 允许自动驾驶车辆在德国进行路测 ， 在车辆控制方向盘和制动的情况下 ， 驾驶员可双手脱离方向盘 ， 眼睛也可不专注在道路情况上2013年以来 ， 全球很多国家陆续将发展智能网联汽车上升为国家战略 ， 并不断出台政策措施支持智能网联汽车产业的发展 ， 主要包括产业指导 、 产业规范 、 信息安全 、 配套支持等方向 。 从一定程度上 ， 政策的支持推动了智能网联汽车产业的深化发展 ， 推动着智能网联汽车技术的进步 ， 引导着企业朝规范有序的方向发展 。EO IntelligencePart.2科技出行发展概况2.1科技出行研究背景介绍全球智能网联汽车发展情况121 1 361734748501020304050607080902010 2011 2012 2013 2014 2015 2016 2017亿欧智库 ： 2010-2017年全球智能网联汽车领域投融资事件 （ 件 ）从时间维度看 ， 智能网联汽车领域的投融资事件数量呈现出逐年增长的趋势 ；从 2014年开始 ， 增长幅度明显提高 ， 2016年增幅最大 。2017年仅统计了 1-11月的投融资情况 ， 一共为 85件 ， 超过了 2016年全年的数量 ；由此可以看出 ， 智能网联汽车领域的资本环境正在不断改善 ， 越来越多的企业正在获得资本的青睐 。 另外 ， 资本的数额也在随着规模的扩大实现较大幅度的增长 。亿欧智库 ： 左一数据来源于中国汽车百人会报告 ， 左二数据参考于前瞻产业研究院7492505101520252014 2015 2016 2017亿欧智库 ： 2014-2017全球 无 人驾驶路测许可发放 情况 （ 件 ）EO IntelligencePart.2科技出行发展概况2.1科技出行研究背景介绍全球新能源汽车 市场的发展130.14 0.17 0.22 0.45 0.75 1.68 6.72 18.74 40.07 75.80 142.92 235.18 305.31 0.050.0100.0150.0200.0250.0300.0350.02005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017亿欧智库 ： 2005-2017年全球新能源汽车保有量增长情况 （ 万辆 ）自 2005年至 2017年 ， 全球新能源汽车的发展呈现出快速增长的发展趋势 ， 到 2017年 ， 全球新能源乘用车保有量达到 305.31万辆 ，同比增长 55%；全球新能源乘用车市场在 2005年 -2010年增长缓慢 ， 总保有量不超过 2万辆 ， 2011年 -2017年 ， 总保有量从 2010年的 1.68万辆增长至2017年的 305.31万辆 。1.28 1.767.4833.1150.777.7010203040506070802012 2013 2014 2015 2016 2017亿欧智库 ： 2012-2017年中国新能源汽车销量 （ 万辆 ）发展新能源汽车是全世界汽车业的共同目标 。 不同国家对发展新能源汽车的愿 景不同 ， 中国发展新能源汽车的愿景是 “ 从汽车大国走向汽车强国 ” 。随着新能源汽车政策的颁布 ， 我国新能源汽车得到了发展 ， 从2012年至 2017年 ， 我国新能源汽车从 1.28万辆增长至 77.7万辆 ，亿欧智库 ： 数据参考于中国汽车工业协会EO IntelligencePart.2科技出行发展概况2.1科技出行研究背景介绍世界各国对新能源 汽车的政策支持14美国 ： 在使用端补贴较为广泛 ， 其中购车 、 公用充电装置的刺激政策有效刺激了新能源汽车的销售 ， 如 2009年启动 “ 下一代电动汽车 ” 计划 ， 为动力电池及电池材料制造商提供 15亿美元资助 ； 另外 ， 其联邦层面提升燃油税等等 。早在上世纪 90年代 ， 日本 、 欧洲等国就先后出台了一系列法律 、 规划 、 政策文件 ， 加强了对电动汽车关键技术和研发的支持 ， 这些政策直接刺激了本国新能源汽车的发展 ， 推动了新能源汽车技术的发展 。到 21世纪 ， 各国对在政策支持上呈现出了不同的特点 ， 美国主要以刺激激励类措施为主 ， 日本与欧洲在企业研发技术支持方面投入比例较大 ， 中国的政策以补贴为主 。日本 ： 在日本政府 新一代汽车战略 2010 引导下 ， 日本经济产业省和国土交通省等相关部门制定了一系列政策 ， 推动新一代汽车的普及 。 在生产 、 购置 、 使用 、 基础设施等不同环节推进新能源汽车的发展 。欧洲 ： 欧洲在补贴政策上主要以减少二氧化碳排放量为基础 ， 2008年 ， 欧盟出台欧洲经济复兴计划 ，其中包括绿色汽车倡议 ； 2014年 ， 欧盟曾经启动地平线 2020计划 ， 其中对安全 、 清洁 、 能源领域的研究与创新活动资助 59.31亿欧元中国 ： 中国的补贴政策主要以购置类和使用类补贴为主导 。 2009年 ， 国务院 出台 汽车产业调整和振兴规划 ； 2012年国务院发布 节能与新能源汽车产业发展规划 ； 2018年 2月 ， 财政部发布了关于调整完善新能源汽车推广应用财政补贴政策的 通知等等 。EO Intelligence2.2科技出行概念界定Definition of Tech-transportationPart.2科技出行发展 概况15EO IntelligencePart.2科技出行发展 概况2.2科技出行概念界定概念解读 ： 相关概念区分阐释16亿欧智库研究发现 ， 目前市场上对出行的概念较多 ， 并且区分较混乱 ， 其中 未来出行 、 绿色出行 、 智能出行 、 新出行和移动出行 5个词较为常用 ， 并且在使用中也常被混用 ， 造成理解与交流障碍 。 亿欧智库根据权威机构和政府文件的解析及对出行市场的深入理解 ， 对几个重要概念进行了阐释 。未来出行集新能源动力 、 智能互联 、 自动驾驶于一体的未来出行模式 。绿色出行相对于机动车出行来说 ,节能 、 高效 ,对环境污染较少 ,有益于人们身体健康的出行方式 。智能出行通过智能化的交通工具满足出行需求 。 智能出行工具的驱动能源一般包括纯电动 、 混合动力和燃料电池等 ,相对于汽油能源来说对环境污染较小 。新出行区别于传统的新兴的出行方式 ， 例如网约车 、共享汽车 、 共享单车 /电单车 、 智慧停车等 。移动出行云计算 、 大数据 、 LBS定位系统等新技术 , 是移动出行方式发展的技术支撑 , 弹性合理的匹配供需 ， 解决乘客 、 司机和汽车所有者之间的信息不对称 。EO IntelligencePart.2科技出行发展 概况2.2科技出行概念界定科技出行 ： 以新能源 、 智能网联等汽车科技为载体 的出行 形态172018年 ， 多个新兴车企的首款产品面世并逐步开始落地 ， 这代表着智能网联汽车正在从设计研发 、 生产走向大众消费市场 。 亿欧智库认为 ， 建立在移动互联网 、 地理位置服务 （ LBS）、 大数据等技术基础上的移动出行 ， 以电动车为驱动的具备初级智能化汽车等概念 ， 只是出行形态的随着互联网的进阶而形成的阶段性现象 ， 解决的是信息不对称以及满足用户局部需求 ， 其并不能准确概括出行形态的场景丰富性以及进化能力 。基于此 ， 亿欧智库发现 ， 以新能源动力 、 高阶智能网联等科技为推动力量的乘用车产品 ， 将引领当下的大众化用户出行需求 ， 提高出行效率 、 节约成本 、 满足用户全新体验并且可持续发展 ， 亿欧智库创造性地提出了 “ 科技出行 ” 这一概念 ， 期望通过对科技出行的研究 ， 剖析多个变量与商业体之间的关系以及产业发展逻辑 ， 为大家呈现全新的视域研究成果 。亿欧智库研究认为 ， “ 科技出行 ” 是指以新能源 、 智能网联等汽车科技为载体的大众化出行形态 。新一代乘用车出行工具 新能源动力 多元化出行场景 商业模式可持续发展标题文本预设科技出行特点Ecosystem of Tech-transportationPart.3多方参与的科技出行生态18EO Intelligence3.1参与主体对产品的打造3.1.1 智能网联汽车供应商Part.3多方参与的科技出行生态19EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造2016年 ， 清华大学汽车工程系的教授李克强带头起草了 中国智能网联汽车技术路线图 ， 其将智能网联汽车技术分为车辆设施关键技术 、 信息交互技术 、 基础支撑技术 。智能网联汽车集中运用了汽车工程 、 人工智能 、 计算机 、 微电子 、 自动控制 、 通信与平台等技术 ， 是一个集环境感知 、 规划决策 、 控制执行 、 信息交互等于一体的高新技术综合体 。智能网联汽车技术架构20智能网联汽车技术环境感知技术 智能决策技术 基础支撑技术车辆设施关 键技术基础支撑技术信息交互技术 信息安全技术V2X通信技术云平台与大数据技术高精度地图 高精度定位 标准法规与测 试评价 安全 ： 大幅降低交通事故和交通事故死亡人数 效率 ： 显著提升交通效率 节能减排 ： 有效降低交通能源消耗和污染排放 舒适和便捷 ： 提高驾驶舒适性 ， 解放驾驶员 人性化 ： 使老年人 、残疾人等都拥有驾车出行的权利EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造智能网联汽车 技术供应商21供应侧技术 主要包含高级辅助驾驶系统 、 人机交互界面 、 信息支持和提供智能网联技术 、 计算机和云服务的辅助服务 。 过去在汽车产业 ， 供应侧技术由传统供应商提供 ， 但随着新技术的发展 ， 传统车企及供应商正在加强转型能力 ， 将智能网联汽车作为重要的战略市场进行布局 ， 在 ADAS、 信息娱乐系统 、 车联网等方面均有重要技术成果推出 ， 并逐步得到产业化应用 。在智能网联汽车的利好下 ， 新型的供应商关系也开始出现 ， 以其独特的专业技术切入汽车市场 ， 争夺市场份额 。随着交互体验和自动驾驶的关系加深 ， 供应商们正在谋求与车企共同开发的合作关系 ， “ 甲方与乙方 ” 的界限不断模糊 。431 芯片供应商传感器供应商图商 /数据服务商2Tier1供应商EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造传感器供应主要包括计算机视觉解决方案和 激光雷达等解决 方案22信息感知 是指车辆利用自身搭载的传感器 ， 探测和监控车辆驾乘人员 、 车辆自身运营情况及周围环境 （ 包括道路 、 交通设施 、 其他车辆 、 行人等交通参与者 ） 等与驾驶相关的信息 。传感器研发生产商 能够为整车厂商 提供环境感知解决方案 ， 自动驾驶车辆能够对周围车辆 、 行人 、 车道线等环境信息 获得信息 ， 为规控系统计算最优行驶策略提供依据 。 目前普遍应用于自动驾驶的传感器主要有以下几种 ： 图像传感器 、 激光雷达 、 传统机械式激光雷达 、固态激光雷达 、 毫米波雷达 、 超声波雷达 、 生物传感器 。传感器类型主要应用于汽车视觉系统中 ， 如倒车影像 、 前视 、 俯视 、 全景泊车影像 、 车镜取代 、 行车记录仪 、 正向碰撞 、 车道碰撞警告 、交通信号识别 、 行人检测 、 自适应导航 、 盲点检测及夜视等 。它是自动驾驶上应用最广泛的传感器 ， 其通过向目标物体发射激光束和接收从目标对象上反射回来的激光束来测算目标位置 、 速度 ， 感知周围环境 ， 并形成高精度 3D环境地图 。 其探测范围广 ， 精度较高 ， 但受极端天气影响较大 ， 且价格又十分昂贵 。是目前的主流传感器 ， 具有穿透雾 、 烟 、 灰尘的能力强 ， 可全天候工作 ， 体积小巧紧凑 ， 识别精度 高 ， 能帮助看到与周围车辆 之间的距离 ， 频率主要包括 77GHz和 24GHz两 种 。主要用于 泊车测距 、 辅助刹车等 ， 帮助驾驶员扫除视野死角和视线模糊的缺陷 ， 提高驾驶安全性 测距 的方法 简单 。激光雷达毫米波雷达超声波雷达它是 指通过人类生物特征进行身份认证的一种技术 ， 包括 指纹识别 、 虹膜识别 、 视网膜识别 、 面部识别 、 DNA识别 等 。生物传感器图像传感器EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造从以下图表可以看出 ， 自动驾驶传感器在性能上各有优势但又存在着缺陷 ， 难以相互替代 ， 所以 ， 未来自动驾驶的实现需要多种传感器相互配合共同构成汽车感知系统 。 简单来说 ， 传感器 融合就是将多个传感器获取的数据 、 信息集中在一起综合分析以便更加准确可靠地描述外界环境 ， 从而提高系统决策的正确性 。 值得注意的是 ， 他们之间也可能存在冗余和矛盾 ， 这就需要控制中心综合多个传感器的信息进行融合 。传感器正在走向不断融合的发展阶段23传感器 激光雷达（前向） 激光雷达（全向） 毫米波雷达 单目摄像头 双目摄像头 超声波精度 优 优 良 一般 优 一般分辨率 优 优 良 一般 优 一般灵敏度 优 优 优 良 优 一般动态范围 优 良 优 一般 良 一般传感器视角 良 优 一般 良 良 一般误报率 良 良 优 良 良 良黑暗适应性 优 优 优 一般 一般 良天气适应性 良 良 优 一般 一般 良硬件成本 高 高 适中 低 适中 低亿欧智库 ： 不同传感器类型优劣势对比 注 ： 优 良 一般EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造在典型方案中要求配备毫米波雷达传感器 6个 （ 超长距前窄角 1个 ， 中距前窄角 1个 ， 后 /侧面广角 4个 ）、 红外夜视传感器 1个 （ 长距前窄角 ）、 图像摄像头 6个 （ 长距前窄角 1个 ， 短距广角后方 1个 、 侧面 4个 ）、 以及超声波传感器 4个 （ 前 /后侧短距广角 ） 。综合考虑自动驾驶传感器行业现状 ， 其还处于 技术研发阶段 ， 每种传感器的发展存在着具体差异和缺陷 。 另外 ， 其作为汽车电子控制系统中的关键部分 ， 世界各国对其理论研究 、 新材料应用和新产品开发都非常重视 。自动驾驶传感器将朝多方向发展24亿欧智库 ： 某自动驾驶车型的传感器及其他部件配备方案微型化 ： 由于目前传感器装置体积较大 ， 影响了车辆的美观程度 。集成化： 多个相同传感器配置在同一平面 上，减少结构的复杂性。智能化 ： 未来传感器将变得更加智能 ， 能够对信息进行检测 、 处理 。多功能化 ： 一个传感器能够同时测量几个参数 ， 具有多种 功能 。自动驾驶传感器发展方向EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造智能网联汽车传感器供应商图谱25传感器毫米波雷达供应商 视觉感知供应商激光雷达供应商EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造Mobileye由 AmnonShashua和 ZivAviram于 1999年在以色列创立 ， 专注于开发提高驾驶安全的视觉系统 ,但其产品于 2007年进入市场 ， 2013年 ， Mobileye的产品销量达到 100万台 。 Mobileye在智能驾驶视觉识别前装领域占有绝对性的市场份额 ， 处于行业领先地位 。从 2007年研发出的第一代 EyeQ产品开始 ， Mobileye不断升级芯片技术 ， 优化视觉算法 ， 目前其 EyeQ3产品的运算速度已经是第一代产品的 48倍 。案例分析2601 02 03 04 04051999年 ， AmnonShashua和 ZivAviram在以色列共同创立 Mobileye。2004年 ， 推出第一代EyeQ芯片2006年 ， 与加拿大 MagnaElectronics达成合作 ， 进军 ADAS2014年，纽交所 IPO，市值80亿美元2017年 ， 被英特尔以 153亿美元收购63122202276182239820501001502002503003504002013 2014 2015 2016亿欧智库 ： Mobileye业务增长情况 （ 万台 ）前装市场 后装市场亿欧智库 ： 左一信息来自 Mobileye， 左二数据来自于东吴证券EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造目前全球 2500万辆以上汽车使用了 Mobileye的 ADAS解决 方案 。 从表格中可以看到 ， Mobileye的产品迭代实现了运算速度的提升 ， 和信息处理能力的改善 。 其关于自动驾驶视觉系统的解决方案不断完善 ， 发展成多种传感器配合的解决方案 ， 未来还将不断实现传感器融合 ， 提升产品的性能 。 在下一步规划中 ， Mobileye未来几年内计划在以下几个方面对现有 ADAS系统做出改进 ， 包括对行人 、 车道标识线 、 车辆 、 交通灯 、 交通标识 、 车道等的实时识别能力 。Mobileye的产品迭代27产品 新增功能 性能提升 传感器数量EyeQ1 支持车道偏离预警、前向碰撞预警、 交通标志识别 / 1个摄像头EyeQ2 远光灯智能控制、行人碰撞预警，并可部分对主动安全系统进行控制 运算速度是上一代的 6倍 1个摄像头EyeQ3各功能全面增强，实现对各主动安全控制系统的全面控制，实现半自动驾驶运算速度是上一代的 8倍，检测分辨率进一步提高，具备同时处理 3颗摄像头的图像信息的能力1个摄像头EyeQ4 原有功能增强，能耗降低 采用 soC芯片， 4个 CPU， 6个 VMP，大幅提升视觉处理和数据解读的性能 8个摄像头或雷达等传感器融 合EyeQ5 全面支持无人驾驶采用 10纳米 FinFET新晶体构架芯片，装备 8枚多线程 CUP， 18个下一代视觉处理器，运算速度是上一代的 6倍20个摄像头或毫米波雷达、激光雷达等传感器融合代表性合作企业亿欧智库 ： Mobileye的产品迭代亿欧智库：产品信息来自 Mobileye及公开查询EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造摄像头和激光雷达存在的缺陷使两种方案仍无法完美适用于自动驾驶。 例如，基于传统成像技术的摄像头受光照影响较大，影响成像品质；激光雷达成本居高不下 、 受环境影响 较大。另外， AI视觉 前端处理 产业链也 存在短 板：镜头 和 CMOS技术 得不到突破； AI芯片 市场竞争加剧，很快会实现同质化和 标准化。为解决 复杂临时光线问题 ，眼擎科技通过 全新的成像架构、超大规模的计算能力、和全新的成像算法，提出了在复杂光线下的全天候视觉成像问题的 方案， 是首家 推出面向 AI视觉成像引擎的芯片公司，目前致力于开发超越人眼能力 的视觉 传感器。眼擎科技 专注 AI视觉成像引擎的芯片供应商28传统摄像头很难 应对复杂的光线环境镜 头 成像 引擎光CMOS传感器 AI（ GPU）光 电 图 像 结 果视觉成像引擎开 发 工具 套件成像引擎一体化 模 组成像引擎ASIC芯片IP 授 权(IC FPGA)深度定制解决方案eyemore全系列视觉成像解决方案AI 视觉前端组成通过产品系列方案满足 AI机器开发不同阶段的需求，形成新的 AI视觉成像开发 生态EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造eyemore成像引擎的 作用 能够大幅提升 AI视觉算法图像识别的准确率和响应速度，通过提供成像开发套件、成像模组、成像算法 IP以及深度定制成像方案等一系列全套的成像技术方案及服务 。目前，眼擎科技推出了针对自动驾驶场景的 120dB成像端到端解决方案。眼擎科技认为，随着 AI算法的识别能力逐渐稳定，图像识别率将主要由图像源的信噪比决定，成像引擎对信噪比的提升起关键作用。目前为了解决 AI视觉的处理问题，需要多个芯片在各个环节协同处理，未来不同的芯片又将被重新整合在一起。2018年，眼擎科技将推出自动驾驶、人脸识别、机器人、深度相机、工业检测等各种 AI应用成像引擎参考设计 方案。眼擎 科技针对自动驾驶应用推出 120dB端到端成像解决方案未来格局 ： 成像引擎芯片将成为视觉产业的核心部件GPU ISPAP(CPU) eyemore成像引擎ARMCPUAI（GPU）AP(CPU) AI(GPU) IE成像 引擎分 合车规级120dBCMOSSensoreyemoreDX120AI（ i.MX6NVidia ）120dB8位 JPEGUSB/光纤/同轴 /网口 .120dB RAW自动 驾驶 120dB端到端成像解决方案 ： eyemore DX120eyemore DX120采用车规级 CMOS传感器前端模组 ， 支持丰富的图像输出接口选择 。 它可以在标准的 8位 JPEG图像格式中 ， 以 25fps的帧率实现高达 120dB的动态范围 ， 实现地库 、 夜间道路 、 隧道等各种复杂光线环境的高信噪比视觉图像输出 。29EO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造主流 手机市场已经趋于饱和，各大巨头纷纷抢夺下一代 终端 自动 驾驶汽车。根据以往互联网时代经验， 芯片处于 产业链最上游，核心 芯片决定着一 个计算时代的基础 架构。 对于自动驾驶技术来说，芯片可以分为软件和硬件两部分。在硬件方面，芯片主要担任数据处理任务，即处理雷达、摄像头产生的大量数据。目前，以深度学习为代表的人工智能新计算需求， 主要以采用 GPU、 FPGA、 ASIC等为主，但 CPU依旧发挥着不可替代的作用。将芯片运用于自动驾驶计算平台的技术思路有三种： 以图形处理器（ GPU）为主导实现通用化；以多核处理器异构化，将 GPU+FPGA处理器内核集成于 CPU上；针对深度学习框架推出的专用型芯片 TPU。自动驾驶芯片主要以 GPU、 FPGA、 ASIC为主30GPU主要擅长做类似图像处理的并行计算 ， GPU提供大量的计算单元和大量的高速内存 ， 可以同时对很多像素进行并行处理FPGA的算法是定制的，没有 CPU和 GPU的取指令和指令译码过程，数据流直接根据定制的算法进行固定操作，计算单元在每个时钟周期上可以执行，计算效率高于 CPU和 GPU。缺点是进行编程要使用硬件描述语言，而掌握硬件描述语言的人才太少ASIC是专用芯片 ， 其 计算 能力和计算 效率可以 根据算法 需要定制 。 ASIC 与通用芯片相比 ， 体积 小 、 功耗低 、 计算性能高 、 计算效率 高 。 但是缺点 也明显 ： 算法固定 ， 一旦算法变化就可能无法使用 。 另外 ，ASIC 上市速度慢 ， 需要大量时间开发 ， 且 一次性成本（ 光刻掩模制作成本 ） 远高于 FPGA， 但是性能高于 FPGA 且量产后平均成本低于 FPGAEO Intelligence英伟达 ： 基于自主 GPU研发自动驾驶芯片 ， 2015年 ， 其推出 Drive PX系列 ， 打造了TegraX1处理器 ， 支持 10GB内存 ， 能够同时处理 12个 200万像素摄像头每秒 60帧的拍摄图像 ， 可支持 L2级高级辅助驾驶计算需求 ； Drive PX2支持 12路摄像头摄入 、 激光定位 、 雷达和超声波传感器 ； Drive Xavier每秒可运行 30万亿次计算 ， 可满足 L3/L4自动驾驶计算需求 ， 预计 2018年一季度提供样品 。Part.3多方参与的科技出行生态3.1参与主体对产品的打造3114.0%10.7%9.6%7.6%6.9%5.9%4.4%2.9%2.6%2.5%32.9%亿欧智库： 2016车用芯片 计算市场份额NXP Semiconductors Infineon Technologies Renesas ElectronicsSTMicroelectronics Texas Instruments Robert BoschON Semiconductor Microchip Technology ToshibaRohm Semiconductor others纵观当下自动驾驶专用芯片计算市场，各大平台不断寻求突破。按照 SAE International的自动驾驶等级标准，目前已商用的自动驾驶芯片基本处于高级驾驶辅助系统阶段，可实现 L1-L2等级的辅助驾驶和半自动驾驶，但面向 L4-L5（超高度自动驾驶及全自动驾驶）的 Ai芯片距规模化尚有一段距离。从现有市场格局来看，国外的芯片市场处于世界领先地位，占据了大部分的市场份额， 中国 芯片的供应则完全掌握在外资 手里。英特尔 ： 主要通过并购完成布局 ， 其目前已经收购了 Mobileye、 Altera、 Movidius三家企业 ， 通过收购 ， 英特尔在自动驾驶处理器上的布局已经完善 ， 包括 Mobileye的EyeQ系列芯片 （ ASIC）、 Altera的 FPGA芯片 、 Movidius的视觉处理单元 VPU， 以及英特尔的 CPU处理器 。NXP： 2016年 5月 ， 恩智浦发布了 BlueBox平台 ， 其中包括 S32V234是 NXP的 S32V系列产品中 2015年推出的 ADAS处理芯片 ， 在平台上负责视觉数据处理 、 多传感器融合数据处理以及机器学习 。 恩智浦还有一款芯片 MPC577型号 ， 其专门处理雷达信息 ， 能够支持自适应巡航控制 、 智能大灯控制 、 车道偏离警告和盲点探测等应用 。自动驾驶芯片市场中国外居主导地位亿欧智库 ： 饼形图数据来自 Semicast ResearchEO IntelligencePart.3多方参与的科技出行生态3.1参与主体对产品的打造高精地图 初创公司因为 测绘队伍难以和大公司相提并论，第三方的众包模式将会崛起。高精地图能够为自动驾驶提供某些先验信息，包括道路曲率、航向、坡度和横坡角。所以高精地图能 帮助车辆 在特定场景下较快速实现自动驾驶 。同 国外高精地图市场相比，我国高精地图处于世界领先水平， 四维图新、高德地图、百度地图 作为国内最大图商，在自动驾驶领域 投入较多，但该领域尚未达到成熟阶段，处于商业化尝试阶段 。高精度地图能够为自动驾驶提供完备的周边环境信息和更精准的定位32地图建模的技术路线重地图模式 ： 通过 GPS定位 ， 用数据采集 车作为 地图绘制源收集深度信息 ， 经过后台处理形成高精地图 。 方案特点是使自动驾驶更依赖地图信息 。轻地图模式 ： 使用车载摄像头绘制某些能够帮助实现车辆导航的特定道路特征 （ 如路边 设施 ）。该方式测绘精度一般 ， 比较依赖传感器 ， 地图处理更新较容易 。高精地图匹配定位 ： 传感器将汽车感知到信息与高精地图进行验证比对 ， 提供了车辆可在高精度水平上确定其位置 、 方向等信息的参照点 。定位技术的发展路线卫星定位： 依赖 GPS或北斗进行卫星定位，然后使用自动驾驶汽车的传感器（摄像头、雷达、惯导）来感知环境变化以改善其定位信息。地图的绝对坐标精度更高为定位和路径规划提供精