智能終端下一站：無人駕駛汽車（下）

作者：鄭連聲,張冬明,王洪磊

來源：渤海證券研究所

3、受益路徑分析

3.1感測器將迎來爆發

作為智能汽車的核心部件之一，感器具有檢測與傳輸周圍環境實時數據的重要作用，是人工智慧與深度學習得以發揮作用的重要前提。同時，隨著汽車智能化程度的不斷提升，汽車對攝像頭與感測器的需求也將不斷加速提升。

目前感測器主要分為超聲波感測器、紅外線感測器、激光掃描儀、毫米波雷達以及立體視覺攝像頭，各自優劣勢如下表：

我國感測器市場保持較快增長：產量上，2014 年車載感測器達到9515 萬隻， 2010-14 年的年複合增速達到22.29%。市場規模上，根據統計局數據顯示，2014 年我國車載感測器市場達到128.3 億元，2011-14 年複合增速6.81%。

隨著智能汽車及無人駕駛的普及，車載感測器應用需求將快速上升，單位汽車感測器用量將持續上升。據此邏輯我們測算，2020 年我國車載感測器市場將達到243.19 億元，年複合增速11.25%，保持較快增長。

綜上分析，考慮到各種感測器的成本、優劣與技術發展前景， 我們預計，激光雷達、毫米波雷達以及立體視覺攝像頭三大感測器符合未來技術發展前景，是在無人駕駛商業化中最有可能受益的感測器類型，目前來看，「毫米波雷達+立體視覺攝像頭」的方案性價比相對更高，將有望率先快速推廣。

3.2 ADAS：通往無人駕駛的必經之路

一方面，人們生活水平的不斷改善將推動汽車消費升級加快，從初期的代步功能向其他如通信娛樂等多樣化服務功能延伸，對汽車的功能需求越來越多。另一方面，隨著受教育程度普遍較高的80-90 年輕一代成為國內汽車消費主力，他們對高科技產品的接受度明顯要高於上一代，這從智能手機、平板電腦持續熱銷可見一斑。我們認為，智能汽車作為下一個超級智能移動終端，在普及路徑上將與手機類似（老式大哥大-諾基亞塞班手機-高價蘋果手機Iphone1-目前各大品牌智能大屏手機充斥市場，價格逐步理性），從老式手動擋-自動擋-車載電子產品普及- 輔助駕駛系統普及-半自動駕駛-全自動無人駕駛。

考慮到技術及交通法規的限制，汽車智能化發展趨勢將從高級駕駛輔助系統（ADAS）普及開始，伴隨著技術持續進步從而最終達到無人駕駛。因此，根據技術條件和產業化發展階段，目前智能汽車處於第一階段向第二階段的發展期。我們認為，在高端車上應用比較成熟的高級駕駛輔助系統（ADAS）將因消費升級而向中低端車型不斷滲透，進入快速發展期。

何為ADAS?

ADAS（高級駕駛輔助系統），是指利用安裝於車上的各式各樣的感測器，在第一時間收集車內外的環境數據，進行靜、動態物體的辨識、偵測與追蹤等技術上的處理，從而能夠讓駕駛者在最快的時間察覺可能發生的危險，以引起注意和提高安全性的主動安全技術。

ADAS的兩個關鍵部件是感測器和處理器。隨著關鍵部件性能不斷升高、成本不斷降低，ADAS 的應用正在從豪華高檔汽車向中低檔汽車滲透，包括自適應巡航控制、盲點監測、車道偏離警告、夜視、車道保持輔助和碰撞警告系統在內的功能已開始快速普及，未來前景廣闊。

由於整車及零部件廠在人工智慧領域缺乏優勢，目前他們主要靠配套高級駕駛輔助系統（ADAS）來推動汽車智能化。目前常見ADAS功能包括盲點偵測BSD、自動泊車AP、前碰撞預警FCW、主動緊急制動AEB、全景倒車影像系統SVC、車道偏移報警LDW、自適應巡航ACC、車道保持系統LKS等。作用上，ADAS具備節能減排、緩解擁堵、降低交通事故發生率、提升駕駛體驗感等功用，有利於提升終端需求。根據德勤分析顯示，目前我國ADAS市場處於從導入期進入成長期的快速發展階段，未來發展空間巨大。

市場規模測算：根據《中國製造2025》重點領域技術路線圖所提目標「到2020 年實現駕駛輔助（DA）智能化裝備率達到40%」。我們測算，到2020 年我國ADAS 市場規模超千億，年複合增速超70%，市場空間大。

目前以Mobileye、博世、大陸、德爾福為代表的國際主流廠商已經在深入開發ADAS 產品，佔據市場主要份額。我們認為，為了提升汽車安全性能，未來眾多國家將會先後效仿歐美日強制要求安裝部分甚至全部ADAS 功能。因此，各國的強制要求將成為ADAS 真正迎來快速發展的重要催化劑。

3.3高精度地圖、人工智慧是互聯網廠商的兩大法寶

無人駕駛系統是一個集定位技術、環境感知、路線規劃與決策執行等功能於一體的綜合系統。在這個系統中運用到了大數據技術、感測器技術、雷達技術、GPS定位技術、無線通訊技術、圖像識別技術、人工智慧技術和自動控制技術等。

以無人駕駛領域的領先者谷歌為例，谷歌無人駕駛汽車通過在車子四周安裝各種感測器等設備，持續不斷地收集車輛本身以及四周的各種數據，通過車內的計算系統進行分析和運算，來控制車子行駛。

高精度地圖

谷歌做無人駕駛汽車的核心要素之一就是高精度地圖，其經過多年積累，其地圖已經涵蓋了較為完善的道路交通、街景及實時動態交通信息等方面的數據。Google利用其積累的數據輔助無人駕駛系統，為其判斷、決策與執行進行地圖數據層面的支撐，並通過地圖導航，提供最優的行車路徑。

傳統導航地圖精度較低，普遍在1m-10m，無法識別車輛所在的車道線、道路傾斜度、曲率等方面的位置信息。傳統導航地圖顯然不能滿足無人駕駛汽車所要求的定位精度，因此高精度地圖的應用就顯得十分必要。

與普通地圖不同的是，高精度地圖除精度更高以外，還具有以下幾個顯著特點：1）地圖上的信息更為全面；2）地圖數據實時更新。

首先，高精度地圖的信息將更為全面，除車道線、建築物、路面上的交通情況外，還包含事故預警、路段限速標誌以及路面施工、車道佔用等數據信息。

其次，高精度地圖數據將不再是階段性更新，而是實時更新。高精度地圖可以和車內感測器採集的數據進行協同，將感測器讀取到的有用信息在高精度地圖上編譯出來，如某條路段臨時封閉、某條路段因交通事故短暫擁堵、某條路段限速標誌變化等。在車內感測器採集到這些數據後，將此類數據上傳到雲端，通過實時比對和驗證後在雲端進行地圖數據更新，進而再通過雲端下發到所有其他車輛。實時更新性是高精度地圖的顯著優勢，這就可以使地圖更好地輔助無人駕駛系統進行判斷和決策。

此外，高精度地圖也會包含一些其他的功能。以HERE發布的HD Live為例，HD Live會對駕駛員的駕駛行為進行分析，分析的依據是車輛感測器給予的數據，包括本身的行駛速度，駕駛員的行為習慣等等。因為感測器同樣能夠判斷分析出其他車輛的行駛速度等，所以如果發現其他車輛行駛速度過快時，也可以進行提醒。

人工智慧與深度學習

相較於相對簡單的硬體集成，無人駕駛系統的核心更多體現在判斷、決策與執行層。信息流採集後如何提取有效信息、判斷信息對駕駛過程的影響並依託數據進行決策與執行，這一切均離不開「演算法」。

由於傳統車是機械時代的產物，車廠更多地將重心放在在機械部件、汽車電子部件中去，而對演算法領域的投入相對較少。而互聯網廠商如谷歌、百度等以搜索引擎起家，以「演算法」起家，在語義識別與分析、大規模檢索等技術領域積累較深，因此其向無人駕駛汽車領域進軍是其人工智慧成果的自然延伸。因此，與傳統車廠在機械部件、車身空氣動力學、發動機及變速箱技術、底盤調校等領域優勢突出不同，互聯網廠商相較於傳統車廠在無人駕駛領域的核心演算法方面優勢明顯。

人工智慧在無人駕駛領域的應用所解決的核心問題就是使無人駕駛系統具有自主學習能力，能通過學習來不斷提升判斷、決策與執行能力，進而不斷優化駕駛行為。深度學習演算法是人工智慧領域的核心演算法之一，其主要機理是通過深層神經網路演算法來模擬人的大腦過程，希望借鑒人腦的多層抽象機制來實現對現實對象或數據的機器化語言表達。深度學習是通過大量的簡單神經元組成，每層的神經元接收更低層神經元的輸入，通過輸入與輸出的非線性關係將低層特徵組合成更高層的抽象表示，直至完成輸出。

在無人駕駛領域，我們需要無人駕駛系統隨著時間的推移不斷進化，即通過這個系統不斷收集信息，通過認為矯正、自主矯正等方式使得在特定路況下的駕駛行為不斷優化，並通過時間推移實現全路段的最優的無人駕駛。

人工智慧在無人駕駛領域的自我學習始終處於在線狀態，即當一輛車學習到了某種信息和行為後可通過網路共享至其他車輛，這樣就可以使網內的每一輛車均是一個自主學習的「觸點」，共同訓練整個網路達到最優。

以谷歌的無人駕駛汽車為例，其能通過自我學習不斷優化駕駛行為，進而降低「犯錯」概率，提升系統的有效性。

根據加州車輛管理局的定義，當出現以下兩種情況時，即認為無人駕駛系統出現「脫離」：1）自動駕駛模式未能成功激活；2）在自動駕駛模式下需要駕駛員人工干預採取措施。

以自動駕駛模式未能成功激活情況為例，谷歌通過收集數據訓練系統使其無人駕駛系統更加完善。谷歌無人駕駛系統每秒鐘會自檢上千次，當主系統和備用系統出現通信故障時（比如線纜斷裂）、當速度表或GPS等感測器的度數出現異常時、以及當轉向和剎車等關鍵功能出現異常時，均會激活緊急人工控制。根據谷歌的最新報告顯示，在報告涵蓋的範圍內，谷歌的自動駕駛汽車在超過42萬英里的路程中共遇到了272次類似的事件。在對自動系統完善的過程中，數據顯示隨著測試車輛公里數每個月的持續增加，這種「脫離」的情況在慢慢減少。而在每次緊急人工控制發生的間隔中，自動駕駛的里程在穩定的增加。脫離行為的發生率從2014年第4季度的785英里每次下降到2015年第4季度的5318英里每次。由此可見，在此類情況中，系統能通過「自我學習」降低「脫離」發生的概率，進而提升無人駕駛系統的有效性。

從谷歌的數據看，在過去的一年中，谷歌無人駕駛汽車已累計自動行駛42萬英里，隨著系統的自主學習與不斷完善，所有「脫離」事件的間隔里程在不斷增加。

我們認為，人工智慧是互聯網廠商相較於傳統汽車廠商的核心競爭優勢之一，互聯網廠商基於深度學習模型的無人駕駛系統可隨著無人駕駛里程的不斷累積變得更為優化，判斷、決策與執行的駕駛行為更加貼近人類。目前，谷歌無人駕駛汽車每周大約行駛1.6~2.1萬公里，里程的快速累積會不斷訓練谷歌無人駕駛系統，經過不斷訓練後的谷歌無人駕駛系統將變得和人類一樣「聰明」。

4、投資策略與標的介紹

4.1無人駕駛有望在2020年初步實現商用化

政策催化

首先，《中國製造2025》明確提出將智能網聯汽車作為汽車產業重點轉型方向之一，並詳細規划了智能網聯汽車的發展路線圖，為國內開展智能網聯汽車試點相關工作指明了發展方向。

其次，2015年12月，工信部發布《關於印發貫徹落實〈國務院關於積極推進「互聯網＋」行動的指導意見〉行動計劃（2015－2018年）的通知》，首度提及將出台《車聯網發展創新行動計劃（2015-2020年）》，這將成為智能網聯汽車發展的首份重要指導文件。

再次，在工信部等部門的大力推動下，深圳、上海、北京、重慶等城市先後宣布建設智能網聯汽車試驗示範基地，其中上海國際汽車城智能網聯汽車試驗示範基地已經開放了部分場景，2016年測試車輛將開始上路。這些基地的設立將為企業加快研發以提升無人駕駛技術水平提供可能。

另外，聯合國在德國與日本的提議下有望於明年3月出台無人駕駛相關安全法規，後續各國有望陸續根據聯合國安全法規結合各自實際情況出台相應的無人駕駛安全法律法規，從而徹底打破困擾無人駕駛發展的交通安全責任界定難的困境。

綜上分析，我們認為，目前各大車企、互聯網大咖爭相開發智能駕駛技術與產品， 儘管所處階段不同，但無人駕駛技術的不斷發展與完善將倒逼現有交通法律法規的變革以及道路基礎設施的升級，從而最終實現無人駕駛汽車的大爆發。

4.2標的介紹

綜上分析，目前智能汽車發展處於輔助駕駛及半自動駕駛發展的階段，對感測器、ADAS 以及地圖導航形成有效需求。我們認為，隨著智能汽車發展向無人駕駛階段不斷邁進，對高精度感測器、高精導航地圖以及自動控制系統部件的需求將進入爆發期。因此，在政策與市場的不斷催化下，目前我們重點看好感測器、ADAS 及地圖導航領域的投資機會，相應標的如下：

感測器及ADAS 標的

導航地圖標的

推薦閱讀：