2016年車聯網及自動駕駛行業研究報告（二）

導語

無人駕駛是互聯網科技巨頭切入汽車產業的最佳途徑。 汽車一直以來都是一個相對緩慢和封閉的產業，但由於市場廣闊、利潤豐厚從而吸引了眾多參與者。 互聯網科技巨頭依託自身在軟體、數據、資源上的優勢，直接由無人駕駛這個空白領域切入汽車產業，弱化造車環節的劣勢。

PS：打開微信，搜索微信公眾號「行業研究報告」或者「report88」關注我們，點擊「行業研究報告」微信公眾號下方菜單欄，有你想要的！

來源：行業研究報告（ID：report88）

3、 自動駕駛： ADAS 和完全無人駕駛，「改良」 vs.「 革命」的不同商業化道路3.1 自動駕駛市場空間廣闊，領域內創新活躍分工專業3.1.1 各國自動駕駛分級大同小異，國內 ADAS 演算法公司集中在 L2 階段

自動駕駛技術應用已經進入由 Level 2（CA） 過渡到 Level 3（HA） 的關鍵階段。 美國高速公路交通安全管理局（NHTSA）和中國汽車工業協會（CAAM）將自動駕駛分為 5 級， 美國汽車工程師協會（SAE）將自動駕駛分為了 6 級，幾種劃分無太大差別。 L2 到 L3（CA到 HA）是自動駕駛技術發展最為關鍵的階段，其關鍵點在於特定條件下是否需要由人類駕駛員關注行車環境來干預駕駛，因此需要感測器、高精度地圖、人機交互、智能演算法、大數據等技術支撐。

來源：NHTSA

自動駕駛的最終實現需要多種技術在不同階段進行輔助。 前 3 個階段以輔助駕駛技術為核心，目前 L0、 L1 階段技術較為成熟， L2 階段技術正在大量測試和驗證中；而進入到 L3 階段會是一個轉折點，需要更多的地圖和環境信息來完成從出發點到目的地的全程自動駕駛，因此車聯網和地圖技術將發揮核心作用，而 L4 階段則需要海量的行車適用場景來支撐任意環境下的完全自動駕駛；而大數據及深度學習等基礎理論和技術是驅動自動駕駛技術向前發展的保證。

? L0 階段： 此階段以感知和處理技術為主，首先需要使系統探測到道路上的各類信息，以超聲波、毫米波和激光雷達為主的雷達型感測器和以攝像頭為主的視覺感測器構成了現有的探測設備；其次需要對應的演算法來處理探測到的各類信息形成對當前路況的判斷；最後還需要有匹配的晶元技術來承載系統和演算法，及時準確做出響應。

? L1 階段： 這個階段的技術需求更多地集中在如何將 L0 階段得到的路況行駛信息轉化為車輛控制的依據，同時更為關鍵是對車輛的行駛做出及時準確的控制，例如根據車速和位臵關係執行加速還是剎車，根據車道線信息控制車輛行駛方向等，因此需要控制演算法和控制晶元來支撐。

? L2 階段： L1 階段是單一影響因素下的單一動作執行，而 L2 階段則需要融合多種路況行駛因素，做出組合控制操作，例如前車行駛緩慢而後方無車干擾時要做出變道超車的動作，因此在本階段需要在演算法上突破多種信息融合的處理、判斷和控制。

? L3 階段： 這是真正實現由智能系統代替人類進行駕駛的最關鍵階段，此階段人類只負責處理緊急狀況，而其餘情況全部由智能駕駛系統負責路徑選擇、交通信息感知識別以及根據人類指令行駛，因此需要高精度地圖提供 10~20cm 精度級別的道路信息，也需要車聯網 V2X 技術來提供交通信號、附近車輛行駛信息和人類指令信息等，從而才能使車輛無障礙應對複雜的路況，到達指定目的地。

? L4 階段： 此階段在基礎技術上與 L3 階段並無太大差異，核心問題是需要使自動駕駛系統能夠適用於所有的路況、駕駛場景和地理位臵，否則自動駕駛的應用將受到極大限制，因此數據和場景的積累將是一個長期完善的過程。政策導向提升滲透率，本土公司有望依靠本地化演算法優勢搶佔市場。（1） 根據多家國內外研究機構預測，國內 ADAS 市場規模在 2020 年可以達到約 220 億人民幣。（2）政策方面，中國新版 C-NCAP 已確定將 AEB 納入評價， 2017 年中公示， 2018 年中生效，車企對 ADAS系統的採購在今明兩年就可能起量，歐盟Euro-NCAP對C-NCAP也是一個重要參考，其ADAS評分項逐漸豐富。（3）在競爭優勢方面，國內企業更熟悉中國交通、路況和駕駛習慣，在演算法方面的本地化能夠給車主帶來更好的使用體驗，進而增強產品競爭力。

來源：GosReport、Euro—NCAP

整車自動駕駛由車企和互聯網科技巨頭方沿不同路徑逐漸實現。（1）傳統車企在自動駕駛汽車上佔據優勢地位，但普遍行動較為保守，主要依靠對技術的整合能力提升汽車產品的競爭力和差異化；（2）互聯網及科技巨頭直接由 Level 3 階段切入整車製造領域，依靠高精度地圖、軟體演算法、人工智慧、大數據技術等核心優勢提前卡位，吸引合作夥伴加入，共同搶佔未來自動駕駛汽車的巨大市場。

來源：中金公司

垂直 ADAS 技術由科技公司主導，通過聯合車企或自營 C 端產品逐步發展。（1）車企供應商例如 Bosch、 Aisin、 Delphi、 Continental、 Nvidia 等通常會專註於晶元、雷達、攝像頭、紅外、地圖等垂直技術和應用的研究及生產，最終由車企整合，產品能夠應用到 L0 到 L5的各個層次；（2）消費類科技公司如騰訊、出門問問整合了基礎技術推出直接面向消費者的後裝產品，但由於不能接入汽車控制系統（CAN 匯流排）只能做到部分 L0 功能；（3）Mobileye經過十多年的技術和數據積累，在 B 端和 C 都有相應的解決方案和產品，是目前 ADAS 技術的領導者。

來源：中金公司

來源：互聯網

單目攝像頭以性價比優勢逐漸成為主流。 單目攝像頭方案即使用 1 個攝像頭進行圖像的捕捉和測距；雙目攝像頭方案使用 2 個攝像頭模仿人眼的方式進行交叉測距。（1） 從技術上來看雙目攝像頭具備更精確的距離探測能力和物體識別能力，且沒有樣本庫概念不需要比對和維護，但缺點是需要較大的計算能力支撐，目前成熟方案需要使用伺服器來支持；（2）單目攝像頭通過樣本比對的判斷方式需要不斷更新樣本庫，且對非標物體的識別率較低，但其對於計算能力的要求並不像雙目方案那樣高，目前的晶元技術即可實現，因此可落地性較高，是目前 ADAS 採用的主流方案；（3）目前僅有賓士、斯巴魯、博世和國內的中科慧眼等廠商使用和研發雙目攝像頭方案。

來源：EETimes、汽車電子運用網

3.1.2 自動駕駛演算法及方案整合是產業鏈關鍵，但國內企業研發相對落後自動駕駛演算法及方案整合是產業鏈兩大核心環節。 我們將自動駕駛產業鏈分為四個主要層次，即車企、控制和方案整合供應商、決策演算法供應商、感知類供應商。（1） 演算法供應商如 Mobileye 等具備豐富的自動駕駛場景積累和穩定的處理技術，通常會與晶元廠商合作推出自動駕駛晶元解決方案，成為自動駕駛的「大腦」； （2） 控制和方案整合供應商主要是Tier 1 供應商，由於 ADAS 控制需要通過 ESP 執行，因此 ADAS 方案和 ESP 方案會採用同一供應商， 例如 Bosch、 Aisin、 Delphi、 Continental 等具備豐富的方案整合能力，將演算法、晶元、雷達、 攝像頭、地圖等垂直技術結合到一起，產品能夠應用到 L0 到 L5 的各個層次。其他環節參與者如下：

? 車企： 作為方案最終決定者，一般會將需求提給 Tier 1 供應商，並支付研發費用，由Tier 1 供應商提供完整方案；

? 感知類供應商： （1） 攝像頭供應商： 負責提供用於識別道路狀況的攝像頭硬體方案，與自動駕駛演算法和晶元進行整合； （2） 雷達供應商： 提供配合攝像頭自動駕駛方案的其他雷達感測器，如紅外、毫米波、激光雷達等不同技術規格的感測器系統； （3） 地圖&定位供應商： 提供滿足 L3 級別自動駕駛的高精度地圖和高精度定位系統， 在惡劣天氣和超視距情況下起到輔助和雙保險作用，同時也減輕感測器成本壓力。

來源：中金公司

ADAS 市場主要為國外零部件供應商掌控，國內研發相對落後。 博世、大陸集團、德爾福等國際汽車零部件巨頭掌控方案整合市場， Mobileye 佔據演算法市場絕大部分市場份額，晶元和感測器也都由國外傳統供應商把持。 國內企業在 ADAS 的整條產業鏈上都處於相對弱勢地位。

來源：中國產業信息網

3.2 ADAS 在前後裝市場存在截然不同發展方向和商業機會3.2.1 ADAS 前後裝市場將出現兩極分化的產業格局前裝市場中與安全相關的自動駕駛技術滲透率將加快。（1）中國新版 C-NCAP 已確定將 AEB納入評價， 2017 年中公示， 2018 年中生效，車企對 ADAS 系統的採購在今明兩年就可能起量；（2） 歐盟 Euro-NCAP 的 ADAS 評分項（ACC/LDW/LKA/AEB） 逐漸豐富；（3）澳大利亞和日本也出台相關規定要求車輛配臵 AEB；（4）美國眾多車企聯合簽署 2022 年前標配AEB 的協議。

來源：ResearchInChina

前裝市場對供應商要求苛刻， 易形成多寡頭格局。（1） 周期長： 車企在某個型號里加入駕駛輔助系統所需要的周期非常長，從初步溝通、到評估、到整合開發、到加入生產線、到正式的生產線升級到批量生產每個都需要 1~2 年，總計要 6 年以上的時間。而且每個型號一旦投產，生產周期都有 5 年之久；（2） 技術要求高：由於自動駕駛屬於安全類功能，要符合車規要求，因此車企在選型上非常嚴苛，多選擇成熟且有大量成功案例的產品，成本則不是優先考慮的因素；（3）供應鏈封閉：由於周期和技術的要求，造成自動駕駛的供應鏈較為封閉，各個環節都傾向與更加保守的選擇，因此給新入者造成了極大地門檻；（4）可持續收益帶動強者愈強： 自動駕駛方案提供商一旦進入前裝產業鏈，將獲得持續穩定的高毛利收入，進而有能力投入更多的研發資源使產品迭代進入正循環，優勢逐漸擴大。

? Mobileye 厚積薄發在產品精度和功能上處於領先。 Mobileye 成立於 1999 年，總部位於以色列，其前裝產品通過 Tier 1 供應商整合被沃爾沃、通用、寶馬、現代、雷諾等各大車企所使用，後裝產品通過攝像頭實現 FCW、 PCW、 LDW 等功能，銷售給企業車隊和個人消費者。公司雖然早在 1999 年就成立了，但在 2007 年搭載 Mobileye 產品的車型才上市。從研發到正式商用，用了八年的時間。 正是長期的技術積澱，幫助Mobileye 在精度、識別率、響應速度等關鍵指標上持續領先競爭對手。

? Mobileye 依靠的兩大優勢： Mobileye 之所以能夠在技術上領先對手，除了時間積累外還專註在兩個核心領域，即「演算法硬體整合」與「大數據積累利用」。（1） Mobileye和意法半導體合作生產視覺處理晶元，將自身演算法與意法硬體優勢進行結合，目前雙方已經宣布合作研發 EyeQ5 （Mobileye 第五代晶元）定位於 L3 和 L4 階段。（2）Mobileye將過去產品發售後的驗證資料都留存到資料庫，里程數超越 700 萬公里，同時 OEM夥伴的數據也源源不斷地收集到資料庫中，通過大數據和深度學習技術，使得產品精度越來越高。

來源：wind、Mobileye

ADAS 後裝市場產品以被動提醒為主，形態趨於多元化。（1） 起步門檻低：自動駕駛產品的入門技術難度要求不高，但做到前裝要求則非常困難，因此市場中眾多參與者選擇從後裝切入；（2） CAN 匯流排接入限制：由於車企並不向後裝產品開放 CAN 匯流排，造成後裝產品只能做到被動報警提示，而無法實現主動控制，造成產品競爭力和用戶吸引力下降；（3）功能性融合是後裝趨勢：由於被動報警提示功能單一，用戶單獨購買意願較低，因此防碰撞、車道線提示等功能多和行車記錄儀、後視鏡產品、後裝車載信息系統進行整合。ADAS 後裝市場將以商業模式為核心， 從渠道和行業突破，複製後裝導航的發展軌跡。 後裝廠商在技術差異化不大的背景下主要依靠商業模式和渠道來尋求突破。 依託 4S 店渠道面向乘用車用戶、拓展商用車隊安全駕駛方面合作、探索 UBI 車險數據應用等商業模式都是後裝廠商的選擇。 而市場逐漸成熟以及前裝滲透率升高後， ADAS 後裝市場有可能重複後裝導航市場的發展軌跡， 在需求量日益萎縮， 惡性競爭加劇， 利潤空間逐漸低的環境下，出現小廠商退出，大廠商艱難維持的局面。

3.2.2 大數據、晶元設計能力、成本控制將成為核心競爭能力

大數據是自動駕駛從有到優的重要支撐。 對已有數據的處理規則和演算法已經不是門檻，但自動駕駛需要面對成千上萬種不同的駕駛場景和道路環境，獲取儘可能全面的場景和環境數據成為提升自動駕駛技術可靠性的最重要途徑之一。 此外，快速的地圖數據更新能力也是保障自動駕駛可靠性和實時性的關鍵競爭力。

增強車內計算能力成為自動駕駛應對複雜場景的基礎保障。 自動駕駛汽車在行駛過程中通過感測器、攝像頭、地圖定位系統實時產生大量的環境、道路和車輛數據，需要強大的計算能力保證信息的實時處理和反饋，並控制車輛行駛狀態。因此晶元技術成為這個環節的關鍵點，需要在視頻處理、感測器融合、 實時車輛控制等方面優化演算法並保證計算能力。

晶元公司與演算法公司及車企的合作成為趨勢。 由於產業鏈的緊密相關， 上下游核心公司逐步採取了聯合開發及拓展的方式集中優勢資源，在這個極易形成寡頭壟斷的市場搶佔優勢位臵。近期廠商間合作趨勢逐漸加速， 7 月寶馬、英特爾和 Mobileye 宣布合作開發自動駕駛平台和汽車， 8 月 Mobileye 又攜手 Tier 1 巨頭德爾福研發自動駕駛方案， 9 月英偉達宣布和百度合作研發自動駕駛平台，不僅應用於百度無人車還將面向第三方提供平台方案。

? 英偉達： （1） 公司在 2015 年 3 月推出了第一款面向自動駕駛的晶元方案-Drive PX 系列，並於 2016 年 1 月推出其 2 代產品，可以支持多種雷達和視覺感測器信號的融合處理，沃爾沃將成為首家使用的車企；（2）2016 年 9 月公司與百度宣布合作開發自動駕駛平台， 兩家公司將在 AI 和深度學習技能方面展開合作， 打造一款『從雲到車』的架構平台並向 OEM 廠商提供；（3）百度已經進行了多年的無人車研發和測試，具備豐富的無人駕駛演算法和人工智慧技術積累，而英偉達則能夠提供支撐演算法運行的硬體計算平台，雙方合作不僅能夠推動百度無人車的早日商業化，更能夠將雙方的優勢資源整合，共同為第三方提供自動駕駛解決方案，與英特爾、 Mobileye、特斯拉和谷歌等公司搶佔市場；

來源：英偉達官網

自動駕駛技術所需的部件較多，且多數成本高昂，如何有效降低成本並保證可靠性成為其商業化順利與否的重要因素。 自動駕駛方案的出貨量尚未形成較大規模，因此部分零部件的成本還處於高位，例如激光雷達；但隨著滲透率提升，方案普及，零部件成本還有較大的下行空間，因此方案提供商需要進一步控制好成本因素，推動自動駕駛的普及。

3.3 完全無人駕駛在公共交通、物流貨運等行業應用前景廣闊3.3.1 科技巨頭的無人駕駛汽車探索初具成果

無人駕駛是互聯網科技巨頭切入汽車產業的最佳途徑。 汽車一直以來都是一個相對緩慢和封閉的產業，但由於市場廣闊、利潤豐厚從而吸引了眾多參與者。 互聯網科技巨頭依託自身在軟體、數據、資源上的優勢，直接由無人駕駛這個空白領域切入汽車產業，弱化造車環節的劣勢。

谷歌起步最早，無人駕駛汽車已經完成 180 萬英里路測。 谷歌研發無人駕駛技術已經有 7年的時間，並且已經有近 60 輛無人駕駛汽車上路展開測試，行駛里程達到了 180 萬英里（約合 290 萬公里）。 谷歌採用了 4 個毫米波測距雷達， 1 個前臵單目攝像頭、 1 個 64 線激光雷達和 1 個泊車超聲波雷達來構成整個車輛感測系統。 按照公司此前的預測，谷歌無人駕駛汽車將在 2020 年投入生產。

來源：谷歌

百度是國內無人駕駛汽車技術的領導者。 百度無人駕駛車項目於 2013 年起步，其技術核心是「百度汽車大腦」，包括高精度地圖、定位、感知、智能決策與控制四大模塊。其中，百度自主採集和製作的高精度地圖記錄完整的三維道路信息，能在厘米級精度實現車輛定位。同時，百度無人駕駛車依託國際領先的交通場景物體識別技術和環境感知技術，實現高精度車輛探測識別、跟蹤、距離和速度估計、路面分割、車道線檢測，為自動駕駛的智能決策提供依據。 2015 年 12 月，百度公司宣布，百度無人駕駛車國內首次實現城市、環路及高速道路混合路況下的全自動駕駛。

來源：互聯網

Uber 聯合沃爾沃， 率先嘗試無人駕駛運營。 Uber 的目標是建立一支無人駕駛汽車組成的運營車隊，探索出行和貨運服務新的商業模式。 Uber 不僅與沃爾沃開展無人駕駛汽車的合作， 此前還與人工智慧重要研究機構卡內基梅隆大學聯合成立了一個高科技實驗室，專門研究地圖、駕駛安全和無人駕駛技術， 並且收購了自動駕駛卡車創業公司 Otto 探索無人駕駛貨運。

來源：互聯網

3.3.2 公共交通和物流貨運將成為無人駕駛汽車的主要應用場景

公共交通是無人駕駛商業化落地的理想領域。 一方面，市內公共交通包括計程車運營的範圍和路線較為固定，有利於提升無人駕駛的可靠性；另一方面，無人駕駛可以有效降低運營的人力成本，產生可觀的經濟價值。兩方面驅使政府和商業機構逐步建立相關政策法規，並投入資源持續研發、確立標準。

無人駕駛技術有望在物流貨運行業獲得突破。 物流貨運行業本質上與計程車運營行業類似，面臨巨大的人資成本投入，同時貨車對道路安全性的威脅一直受大眾詬病，並且受駕駛員工作時間的影響對車的利用並不充分。無人駕駛介入該領域後，不僅能夠有效降低人力成本，提升物流效率，在安全性保障上也更加可靠。

無人駕駛將改善個人出行體驗。 在私家車領域，隨著 ADAS 的推進和完全無人駕駛的研發，駕乘體驗將更加舒適，車內的娛樂、辦公、生活配臵將更加豐富，車內空間將成為除家、辦公場所之外的第三個主要停留場所。 但面向個人消費者的完全無人駕駛還需要進一步的研發和驗證，以確保全路況環境下的可靠性，保證行駛安全。

3.3.3 無人駕駛汽車上路前還需跨過安全、成本、法規等「路障」

安全可靠是無人駕駛汽車上路的首要條件。 雖然部分調研機構和無人駕駛車企都明確表示無人駕駛汽車的事故率要遠遠小於人類駕駛，但從特斯拉近期頻繁曝出的事故和此前谷歌無人車事故來看，目前無人駕駛技術尚未達到全面上路的標準要求， 還需要一段時間的技術完善。 但隨著技術的成熟，無人駕駛的安全優勢將逐步顯現。

製造成本是無人駕駛商業化普及亟待解決的問題。 目前各大機構投入巨資用於無人駕駛汽車的研發， 其的製造成本平均幾百萬元， 如何在進入量產階段之後大幅降低感測器、雷達、演算法晶元等零部件的成本成為擺在眼前最現實的問題。如果無人駕駛汽車的價格達到與傳統汽車價格相近的水平， 則對於無人駕駛的商業化將是一個巨大的推動。法規、標準、倫理將成為技術以外無法繞過的問題。（1） 法規方面， 目前各國對於無人駕駛汽車的相關法規還遠未完善，特別是對於事故責任方面的認定有很大的缺口，車主、製造商、保險公司幾方面的關係還需明確；（2）標準方面， 目前各大車企和無人駕駛主導方還未形成統一的技術標準，在交通法規、地圖和交通基礎設施方面也存在巨大差異，因此無人駕駛汽車還將繼續被限定在一個有限範圍內行駛；（3）倫理方面， 社會各界也對在突發事件下自動駕駛系統應該保護車主還是事故對方的安全問題進行持續爭論。