2016無人駕駛產業報告

◆ 無人駕駛是智能汽車發展的最高形態

　　◆ 互聯網企業掀造車熱潮，整車格局有望被打破

　　◆ 深度學習演算法和雲服務加速無人駕駛技術提升

　　◆ 高精度地圖可降低無人駕駛汽車對硬體的依賴

　　◆ 通信服務完善汽車知識結構，豐富汽車生活

　　根據美國NHTSA公布的劃分標準，智能汽車可以分為4個級別（不包含L0的完全無自動駕駛功能）。

　　L0（不具備自動駕駛）：完全不具備自動駕駛功能，僅具備普通預警類功能。

　　L1（特定功能自動駕駛）：1個或多個功能能夠實現自動化，且各項功能之間能夠獨立工作。

　　L2（組合功能自動駕駛）：組合功能實現自動化，且能夠實現功能協同、融合。

　　L3（受控的自動駕駛）：限定環境下可以實現無人駕駛，判斷是否恢復駕駛者自主操作模式。

　　L4（完全無人駕駛）：在任意環境下實現完全無人駕駛。

　　完全無人駕駛是汽車自動化、智能化程度最高的級別。但目前仍處於路測階段，距離商用還有較長一段時間

　　(2) 目前無人駕駛的發展已經形成以ADAS和人工智慧切入的兩條發展路徑。

　　路徑一：以傳統車廠為代表，如上汽集團、長安汽車等。

　　通過不斷完善和發展ADAS功能和技術，逐步提高汽車的自動化、智能化程度來不斷向完全無人駕駛發展。？發展的根本目的是緩解司機駕駛壓力，改善司機的駕駛體驗。？主機廠具備豐富的整車製造經驗，完善的配套服務體系。？核心技術是ADAS的各項自動控制系統，在汽車的行駛決策過程中，更多的是由人對周邊的狀況做出判斷，並採取執行措施，機器決策僅起到輔助作用。

　　路徑二：以互聯網企業為代表，如百度、谷歌等。

　　通過提高移動式機器人深度學習能力和自主決策能力來完成無人駕駛汽車的各項任務。？發展的根本目的是以計算機來控制汽車，徹底取代人工駕駛。？互聯網企業擁有先進的互聯網技術，成熟的演算法和雲服務平台，能夠通過人工智慧技術不斷提高機器的「駕駛經驗」，從而對行駛路況進行準確的判斷，降低人為因素干擾帶來的事故率。？核心技術是人工智慧技術，在汽車的行駛決策過程中，完全由機器對周邊狀況進行決策並控制執行，人工智慧完全控制汽車的所有駕駛決策。

　　⑶中國無人駕駛市場仍處於探索期

　　Analysys易觀分析認為，我國無人駕駛汽車已經過多年的摸索，目前仍處於探索期。緊隨2011年一汽無人駕駛車路事件之後，各參與方紛紛在無人駕駛領域展開布局，加大技術研發投入，試圖在無人駕駛市場搶先佔據一席之地。預計將在2020年以後市場將會進入啟動期。

　　探索期內已經展開的一系列重要事件：

　　1992年：國防科技大學成功研製出中國第一輛真正意義上的無人駕駛汽車，標誌著中國無人駕駛行業正式起步並進入探索期，無人駕駛的技術研發正式啟動。

　　2005年：上海交通大學成功研製首輛城市無人駕駛汽車。

　　2011年：一汽紅旗HQ3無人駕駛車進行了從長沙至武漢286公里的路測。

　　2014年：百度和寶馬簽署戰略協議，雙方將在無人駕駛領域展開合作，此後各汽車廠商和互聯網公司加大研發投入，無人駕駛的技術將快速發展。

　　2015年12月：百度無人駕駛汽車完成北京開放高速路的自動駕駛測試。

　　2016年4月：長安汽車成功完成2000公里超級無人駕駛測試，從重慶途徑西安、鄭州，最終抵達北京。

　　2016年6月：工信部批准的國內首個「國家智能網聯汽車（上海）試點示範區」封閉測試區正式開園運營。

　　2、無人駕駛產業生態圖譜分析

　　⑴中國無人駕駛產業生態圖譜

　　無人駕駛是在傳統汽車產業的基礎上融入了智能化、自動化、電動化以及互聯網化等技術的綜合性產業。

　　從產業圖譜角度來看，無人駕駛產業包含硬體和軟體兩大部分：硬體分為整車和智能零部件兩部分；軟體分為技術和內容兩部分。

　　深度學習演算法、雲服務、車聯網、系統平台、人機交互等是人工智慧的核心技術，也是實現無人駕駛的核心技術。地圖導航系統是無人駕駛發展的前提，能夠增加無人駕駛汽車對外部地理位置信息的完整度。娛樂通信生活服務內容則能夠大大豐富無人駕駛的汽車生活，滿足消費者娛樂、社交、辦公等的需求。

　　智能硬體是實現無人駕駛的基礎。通過智能感知設備對周邊環境進行信息採集，由植入深度學習演算法的晶元處理器進行決策分析，並通過控制執行設備對晶元處理器做出的決策進行執行。人機交互設備屬於汽車內部的信息採集設備，通過交互設備接收消費者的指令，並提供導航和車內娛樂等服務。

　　⑵智能零配件提供方關鍵成功要素

　　Analysys易觀分析認為，智能零配件提供方的關鍵成功要素為：

　　感知層面：擴大感知範圍，提高信息採集精確度

　　決策層面：加大研發投入力度，掌握核心晶元技術

　　執行層面：加快響應速度，提高運行穩定性

　　⑶無人駕駛汽車智能零配件圖示

　　一輛完全無人駕駛汽車通常需要配置的主要智能零配件包括：激光雷達、超聲波感測器、測距感測器、GPS定位裝置、前視攝像頭、毫米波雷達以及（內置）計算機系統（擔任系統平台）等。

　　⑷智能零配件是實現無人駕駛的硬體基礎

　　汽車高級輔助駕駛系統通常包括導航與實時交通系統TMC，電子警察系統ISA 、車聯網、自適應巡航ACC、車道偏移報警系統LDWS、車道保持系統、碰撞避免或預碰撞系統、夜視系統、自適應燈光控制、行人保護系統、自動泊車系統、交通標誌識別、盲點探測 ，駕駛員疲勞探測、下坡控制系統和電動汽車報警系統。

　　智能零配件是ADAS功能的載體，通過多個智能零配件的組合實現ADAS的輔助駕駛功能。

　　ADAS是無人駕駛的基礎模塊，實現無人駕駛需要多套ADAS的協同工作。

　　智能零配件是實現完全無人駕駛的硬體基礎。

　　⑸國內智能零部件提供方現狀

　　⑹整車提供方關鍵成功要素

　　Analysys易觀分析認為，智能零配件提供方的關鍵成功要素為：

　　傳統車廠：提高創新能力，進行商業模式轉型

　　互聯網/科技公司：提高整車生產製造經驗，增加資金來源、降低成本

　　⑺互聯網企業掀起造車熱潮，整車供應格局有望被打破

　　近年來互聯網企業紛紛進入造車領域，未來有望推出自動化、智能化程度更高的整車產品，整車供應市場格局將有可能被打破。

　　隨著互聯網企業產品逐步推向市場，計算機對汽車的控制程度的不斷提高，將促進無人駕駛行業的發展，提高消費者對無人駕駛汽車的認知。

　　出於傳統車廠多年來的壟斷地位以及整車研發製造經驗，仍將在較長時間內保持主導地位。

　　⑻技術提供方關鍵成功要素

　　Analysys易觀分析認為，智能零配件提供方的關鍵成功要素為：

　　深度學習演算法：獲取更全更多的學習樣本、優化演算法模型

　　雲服務平台：增強數據安全性保障、提高非結構化及海量數據的存儲能力和響應速度

　　車聯網技術：需要國家政策支撐，全面構建頂層設計

　　系統平台：提高新事物的響應速度、增強功能性和數據安全、提高啟動速度

　　人機交互技術：獲取更全更多的學習樣本，優化演算法模型

　　⑼深度學習演算法和雲服務加速無人駕駛技術提升

　　深度學習是人工智慧的一門學科，指通過外部信息採集，利用演算法模型模擬神經網路，讓機器不斷自我學習。

　　雲服務平台使得無人駕駛汽車在不同場景下的路測學習所得的知識能夠有效地進行複製和分享，一台無人駕駛汽車所學的知識能快速被其他所有無人車所掌握。

　　深度學習演算法和雲服務技術的結合，能夠大幅推動無人駕駛技術的進步，有效縮短路測時間。

　　同時駕駛經驗數據的豐富和完善能夠有效提高無人駕駛汽車的安全性。

　　⑽V2X的車聯網技術促進無人駕駛技術的不斷完善

　　硬體：GPS、RFID、感測器、攝像頭

　　技術：互聯網技術、計算機技術

　　效果：車輛與更多外界物體相連接，通過各項硬體裝置和技術手段，實現汽車與外界的實時互動，提高行駛安全性，增加便捷性

　　⑾人機交互技術讓人車交流更簡單自然

　　人機交互技術是指將以手勢、聲音、表情等方式傳達出的指令信息轉化為機器語言，以便完成指令任務的一項技術。

　　無人駕駛時代，人們希望通過更為簡單的語音或肢體動作進行信息交流和指令傳達，人機交互技術的不斷發展，將推動「汽車即是服務」理念的快速實現。

　　⑿內容提供方關鍵成功要素

　　（13）高精度地圖是無人駕駛汽車發展的基礎，實時更新的高精度地圖能夠提高信息完備性，有利於精準決策。

　　在特殊氣候條件下，感測器採集周邊實時路況信息的功能可能受到影響，地圖導航精度越高，保障性越強。

　　無人駕駛時代，高精度地圖供應商的地位將得到顯著提升。

　　受法規等限制，高精度地圖是國內無人駕駛受益確定性最高的環節。

　　⒁通信服務完善汽車知識結構，豐富汽車生活

　　無人駕駛時代，汽車將由「軟體+硬體」組成向「軟體+硬體+內容」組成的方向發展，未來內容提供商將會給消費者帶來更加豐富的汽車生活。

　　3、無人駕駛典型企業及發展趨勢分析

　　⑴谷歌無人駕駛汽車及結構圖

　　谷歌無人駕駛汽車主要結構包括硬體（包括整車和智能零配件）和軟體（技術和內容）兩大部分。

　　谷歌無人駕駛汽車的整車主要有兩批，一批是改裝的豐田車，一批是自主研發設計的無剎車方向盤的小車。

　　谷歌無人駕駛汽車智能零部件中以車頂的64束激光雷達最為典型，由於探測範圍廣、精度高成為所有零部件中價格最高的一個配置，售價高達7萬美元。高精度設備的成本高昂成為制約無人駕駛行業發展的一大因素。

　　一方面谷歌在人工智慧方面已經做了較長時間的研發積澱也取得了較為領先的地位，成為推動無人駕駛快速發展的核心動力，另一方面，以google earth為基礎的高精度地圖導航系統和各項娛樂通信生活服務，為無人駕駛汽車提供了大量的學習樣本也豐富了無人駕駛的汽車生活。

　　⑵谷歌無人駕駛研發進程

　　谷歌無人駕駛汽車主要結構包括硬體（包括整車和智能零配件）和軟體（技術和內容）兩大部分。

　　谷歌無人駕駛汽車的整車主要有兩批，一批是改裝的豐田車，一批是自主研發設計的無剎車方向盤的小車。

　　谷歌無人駕駛汽車智能零部件中以車頂的64束激光雷達最為典型，由於探測範圍廣、精度高成為所有零部件中價格最高的一個配置，售價高達7萬美元。高精度設備的成本高昂成為制約無人駕駛行業發展的一大因素。

　　一方面谷歌在人工智慧方面已經做了較長時間的研發積澱也取得了較為領先的地位，成為推動無人駕駛快速發展的核心動力，另一方面，以google earth為基礎的高精度地圖導航系統和各項娛樂通信生活服務，為無人駕駛汽車提供了大量的學習樣本也豐富了無人駕駛的汽車生活。

　　谷歌自主進行車身設計和軟體系統等的研發，在無人駕駛行業取得了一定的成績。

　　但目前谷歌無人駕駛仍然面臨汽車視覺能力有待提高、樣本容量有待擴充、研發投入成本過高以及法律法規不健全等諸多難題，真正實現大規模的發展需要產業鏈各方以及政府層面展開合作，共同努力。

　　⑶中國無人駕駛行業發展趨勢分析

　　無人駕駛商業化進程不斷深入，將大規模取代傳統司機的職位。

　　無人駕駛免受人為因素的影響，有助於降低交通事故發生頻率。

　　無人駕駛對雲服務和大數據等技術提出更高要求，大數據將成為推動企業發展的新能源。

　　無人駕駛行業的發展將促進共享經濟的快速實現。