自動駕駛產(chǎn)業(yè)鏈中，供給端的主機廠、零部件供應(yīng)商、互聯(lián)網(wǎng)公司三者均有強烈意愿參與到智能駕駛產(chǎn)業(yè)鏈，目前產(chǎn)業(yè)對待汽車智能化主要是兩種思路：自下而上推廣智能駕駛即“汽車電子派”和自上而下推廣智能駕駛即“網(wǎng)聯(lián)派”兩種思路;從智能化的推進節(jié)奏看投資機會，應(yīng)該分為三個階段：第一階段2019-2020年，第二階段2021-2025年，第三階段2025年后;具體來看，當前投資的落地點在于傳感層、計算層、執(zhí)行層、芯片層、電動化這幾個層面。

核心觀點

1、供給端看，主機廠、零部件供應(yīng)商、互聯(lián)網(wǎng)公司三者均有強烈意愿參與到智能駕駛產(chǎn)業(yè)鏈，目前產(chǎn)業(yè)對待汽車智能化主要是兩種思路：

一種是自下而上推廣智能駕駛，即“汽車電子派”。通過提供ADAS產(chǎn)品推進自動駕駛級別從L0 發(fā)展至L2，提高價值量并提升智能化水平，在普及率達到一定程度后，逐步尋求更高級智能駕駛機會。

另一種是自上而下推廣智能駕駛，即“網(wǎng)聯(lián)派”。以互聯(lián)網(wǎng)公司為代表，積極開發(fā)的算法，對零部件公司提供的硬件和整車廠提供的平臺進行整合，把無人駕駛的最終實現(xiàn)作為研究出發(fā)點和落地點。

2、從智能化的推進節(jié)奏看投資機會，應(yīng)該分為三個階段。

第一階段2019-2020年，中短期關(guān)注智能化自下而上的機會，標的集中在基礎(chǔ)硬件的提供商。當前ADAS 產(chǎn)品安裝比例和價值量確定性提升，對應(yīng)的產(chǎn)品需求能夠保持快速的增長，同時對應(yīng)標的在下一輪無人駕駛階段也會具有較大規(guī)模而形成護城河。

第二階段2021-2025年，開始看自上而下的投資機會，時點上來看我們認為此階段是ADAS強制普及的節(jié)點，孕育了更高層次的智能駕駛的機會，華為、阿里、騰訊、百度等都在積極布局第二階段。

第三階段2025年后，自動駕駛開始在大量場景中實現(xiàn)，基礎(chǔ)建設(shè)落地，單車價值量顯著提升，智能駕駛實現(xiàn)一年萬億市場的投資機會。

3、具體來看，當前投資的落地點在于幾個層面。傳感層的機會在于高精度、高準確度的傳感器最終落地，單個車型的傳感器價值量不斷提升。計算層在于基于國內(nèi)迅速迭代的算法技術(shù)的智能座艙落地，提升車輛駕駛體驗。執(zhí)行層受益于國內(nèi)的制造基礎(chǔ)，ADAS 和新能源的應(yīng)用加速了執(zhí)行層落地，催化劑在于政策帶來爆發(fā)性機會。網(wǎng)絡(luò)層、通信層方面，云、管、端的三層架構(gòu)已經(jīng)逐步明確，運營商、設(shè)備商和主機廠是投資機會。芯片層在于開發(fā)更為適用于智能駕駛的芯片，包括圖像識別、高速計算和數(shù)據(jù)傳輸?shù)雀鱾€方面的應(yīng)用。最后則是電動化這一層，新能源車更加有利于智能設(shè)備的安裝和推廣。

報告內(nèi)容

一、智能駕馭進入實質(zhì)落地期，政策及規(guī)劃催生萬億行業(yè)

1、政策推動及車企規(guī)劃

汽車智能化不同于新能源化，本質(zhì)上是人們對汽車的更高品質(zhì)的追求。汽車發(fā)展的歷史本質(zhì)上就是對汽車動力性、舒適性、安全性追求的歷史，智能化明確地帶來舒適性和安全性的提升，因而需求是自發(fā)產(chǎn)生的。汽車行業(yè)自發(fā)需求的力量是巨大的，尤其是當前汽車動力性和空間差距已經(jīng)逐步減少的背景下，購買者考察談?wù)摳嗟氖强萍寂渲眉粗悄芑??？梢灶A(yù)見未來ADAS 會成為人們口中津津樂道的“自動變速器”、“缸內(nèi)直噴”而成為標配。

2018 年1 月，國家發(fā)改委公布《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》(征求意見稿)，計劃到2020 年智能汽車新車占比達到50%，中高級別智能汽車實現(xiàn)市場化應(yīng)用。在這一計劃公布后，國內(nèi)智能駕駛試驗場地、車聯(lián)網(wǎng)及智能駕駛企業(yè)雨后春筍般迅速成長。

當前的政策屬于溫和培育階段，政策在智能化中起到摸著石頭過河的作用。2016-2018 年國家出臺了多部針對智能駕駛的指導(dǎo)意見和技術(shù)標準，規(guī)范相關(guān)標準體系為技術(shù)創(chuàng)新和管理鋪平了道路，而技術(shù)標準會參考各環(huán)節(jié)龍頭企業(yè)的指標，建議關(guān)注智能駕駛各環(huán)節(jié)的龍頭企業(yè)。表2 羅列了各車企的推廣進度，可見2021 年前基本都計劃有L4 級別的量產(chǎn)車上路。

對于國內(nèi)廠商，智能化產(chǎn)品觸手可得。由于國內(nèi)的電動化進程加速，智能駕駛技術(shù)在網(wǎng)絡(luò)層、通信層有比較多的機會，主機廠敢于去嘗試。汽車電子在國內(nèi)廠商的推進加速，目前L1、L2 級別的配置國內(nèi)已經(jīng)下降到10 萬級別的車型，可見國內(nèi)廠商推廣的決心。

2、智能駕駛的投資機會

從智能化的推進節(jié)奏角度看投資機會，我們認為應(yīng)該分三個階段。

第一階段2019-2020 年，中短期更應(yīng)關(guān)注智能化自下而上的機會，標的集中在基礎(chǔ)硬件的提供商。當前ADAS 產(chǎn)品安裝比例和價值量確定性提升，對應(yīng)的產(chǎn)品需求能夠保持快速的增長，同時對應(yīng)標的在下一輪無人駕駛階段也會具有較大先機。

第二階段2021-2025 年，開始看自上而下的投資機會，時點上來看我們認為此階段是ADAS 強制普及的節(jié)點。短期無人駕駛受制于政策、倫理、技術(shù)等問題無法實現(xiàn)盈利能力，而彼時無人駕駛已有了低端智能化作為硬件和軟件支撐，政府個人的接受度提升，打破常規(guī)限制才是高等級智能化成為駕駛安全的最終落腳點的時間契機。當前來看已經(jīng)逐步進入這一階段，華為、中國移動、阿里、騰訊、百度等都在積極布局第二階段。

第三階段2025 年后，自動駕駛開始在特定場景中實現(xiàn)，基礎(chǔ)建設(shè)落地，單車價值量提升，智能駕駛實現(xiàn)萬億市場的投資機會。

具體來看，自動駕駛的產(chǎn)業(yè)鏈是極為豐富的，我們把產(chǎn)業(yè)鏈分成三個部分，基礎(chǔ)硬件、基礎(chǔ)軟件和應(yīng)用集成三個方面。當前國內(nèi)投資的落地點在于以下幾個層面。傳感層機會在于高精度、高準確度的傳感器最終落地，單個車型的傳感器價值量不斷提升。計算層在于基于國內(nèi)迅速迭代的算法技術(shù)的智能座艙逐步落地，顯著提升車輛的駕駛體驗。執(zhí)行層也是一個比較確定的落地點，一來國內(nèi)有相關(guān)的制造基礎(chǔ)，二來ADAS 和新能源的大量推廣確保了業(yè)績穩(wěn)健增長，催化劑在于政策最終落地會帶來爆發(fā)性機會。網(wǎng)絡(luò)層、通信層方面，云、管、端的三層架構(gòu)已經(jīng)逐步明確，運營商、設(shè)備商和主機廠是投資機會。芯片層在于開發(fā)更為適用于智能駕駛的芯片，包括圖像識別、高速計算和數(shù)據(jù)傳輸?shù)雀鱾€方面的應(yīng)用。最后則是電動化這一層，新能源車更加有利于智能設(shè)備的安裝和推廣。

以一臺車的自動駕駛產(chǎn)品價值量在10000 元(L3 水平)進行測算，全世界一年銷量一億臺車，即自動駕駛產(chǎn)品在L3 階段(有條件的自動駕駛階段)即可實現(xiàn)萬億級別的市場容量，預(yù)計這一階段的全面普及會在2025 年前實現(xiàn)，隨后行業(yè)進入L4高度自動駕駛階段。

二、智能加速，感知先行

感知層:激光雷達仍需等待性價比加速提升，毫米波雷達產(chǎn)業(yè)化競爭開始。

視覺傳感器可靠性低，多傳感器融合仍是最佳方案。傳感器是智能駕駛認知、決策和執(zhí)行環(huán)節(jié)的基礎(chǔ)，我們認為至2020 年車載傳感器市場空間可達200 億/年。從可靠性出發(fā)，激光雷達、毫米波雷達及攝像頭的組合使用是最佳解決方案。毫米波雷達量產(chǎn)在即，24Ghz 頻段已較成熟，77Ghz 逐漸開始落地。激光雷達性價比仍需進一步提升，降維、固態(tài)、規(guī)?；钱斚录す饫走_成本降低的主要途徑，但就目前而言，低成本激光雷達解決方案目前不僅僅集中于硅谷，國內(nèi)廠商通過研發(fā)迭代已經(jīng)切入其中。

智能駕駛傳感器同一般車載傳感器相比其對性能、精度都有更高要求，因而價格也更為昂貴，在一百元至幾十萬元不等。主要包括攝像頭、毫米波雷達、激光雷達。通常位于車輛的前后保險杠、側(cè)視鏡、駕駛倉內(nèi)部或者擋風(fēng)玻璃上。

1、攝像頭: 國內(nèi)占據(jù)優(yōu)勢，增長來自量價提升

攝像頭傳感器通過視覺算法，攝像頭可對車道、路邊、障礙物、行人進行有效識別，不足在于識別范圍受限、穩(wěn)定性差。但單一視覺方案易受到光照、極端天氣影響，且測距精度有限，因而當下主要采用“攝像頭+多傳感器共同探測”的解決方案。

攝像頭是應(yīng)用最廣泛的智能駕駛車載傳感器，核心優(yōu)勢在于物體識別。攝像頭傳感器一般由攝像頭、CMOS 相機和圖像處理電路板組成，是當前使用最廣泛的傳感器。攝像頭可描繪物體的外觀和形狀、讀取標志，同時獲取足夠多的道路環(huán)境細節(jié)，建立完整環(huán)境模型，幫助車輛進行環(huán)境認知。

攝像頭市場國內(nèi)廠商異軍突起，歐菲光、舜宇光學(xué)、晶方科技加速布局。當前攝像頭傳感器造價成本在30-50 美元量級，供應(yīng)商國內(nèi)外平分秋色。國外廠商以日立、博世、大陸、奧托立夫為主，國內(nèi)亦不乏優(yōu)秀的全球供應(yīng)商，歐菲光、舜宇光學(xué)、晶方科技加速車載攝像頭布局。其中歐菲光投資2 億元設(shè)立子公司布局車載攝像頭產(chǎn)業(yè)鏈，其研發(fā)的車載攝像頭傳感器已實現(xiàn)量產(chǎn);舜宇光學(xué)車載攝像頭出貨量居全球第一位，市占率高達30%左右;晶方科技主要提供CMOS 圖像傳感芯片。

2、毫米波雷達:國內(nèi)技術(shù)已經(jīng)取得突破，緊跟國內(nèi)龍頭公司

毫米波雷達具備全天候全時段特性，目前精度停留在分米級。毫米波是指30-300GHz 頻域(波長為1-10mm)的電磁波，波長介于厘米波和光波之間。毫米波穿透霧、煙、灰塵的能力強，在惡劣天氣下仍有較好的表現(xiàn)，具有全天候全時段的特點。主要應(yīng)用于自適應(yīng)巡航(ACC)、緊急剎車輔助(AEB)、盲點檢測(BSD)、行人檢測(PD) 等。

車用毫米波雷達頻段在22-29GHz 和77-81GHz 范圍，分窄帶(NB)、超寬帶(UWB) 兩種形式。全球汽車毫米波雷達主要供應(yīng)商包括博世、大陸、海拉、富士通、電裝、天合、德爾福、奧托立夫和法雷奧等傳統(tǒng)優(yōu)勢企業(yè)。在細分領(lǐng)域中，不同廠商各自稱王: 德國海拉是24GHz 雷達領(lǐng)域的巨頭;博世憑借具有250m 最長探測范圍的LRR4 在77GHz 領(lǐng)域位居第一;在日本市場，富士通份額排名第一，電裝位居其后。毫米波雷達價格大概在120-150 美元，國內(nèi)價格在1000 元左右。

國內(nèi)廠商加速毫米波雷達市場布局，量產(chǎn)在即。受益于智能駕駛概念推廣，毫米波雷達正逐漸成為汽車電子領(lǐng)域新的增長點，國內(nèi)越來越多的汽車一級供應(yīng)商和一些軍工及安防背景的公司開始準備毫米波雷達的系統(tǒng)研發(fā)工作。目前24GHz 毫米波雷達是國內(nèi)主流，其研發(fā)成本、周期及難度比77GHz 低。77GHz 雷達由于國外對我國技術(shù)封鎖、元器件依賴進口等原因，研發(fā)推廣仍然有壓力。

79GHz將成為未來發(fā)展趨勢。當前國外毫米波雷達公司在積極研發(fā)下一代79GHz 雷達，其探測精確度是當前77GHz 雷達的2-4 倍。日本77GHz帶寬限制為0.5GHz，而79GHz 帶寬可達4GHz，發(fā)展空間巨大。并且79GHz雷達能夠探測行人和自行車，其最優(yōu)探測范圍為70m，將成為中距雷達中的主流，未來可能會擠占24GHz 的市場份額。

3、激光雷達:三維分辨力，降成本仍是主要目標

具備三維分辨能力的“機械之眼”，應(yīng)用漸趨主流，痛點在于降成本推進。激光雷達通過發(fā)射激光光束測量視場中物體輪廓與相對距離信息，形成點云并繪制出3D 環(huán)境地圖，激光雷達的精度為厘米級，是真正具備空間三維分辨能力的“機械之眼”。

激光雷達技術(shù)壁壘高，全球極少數(shù)廠家有量產(chǎn)實力，未來契機在于外延并購以及研發(fā)層尋求突破。當前已研制出可用于無人駕駛技術(shù)激光雷達產(chǎn)品的公司主要有美國老牌激光巨頭Velodyne，硅谷新銳Quanergy 和德國品牌Ibeo，國內(nèi)的北科天繪也推出了首款導(dǎo)航型LiDAR。

1)激光雷達工作原理:激光雷達通過發(fā)射激光光束測量視場中物體輪廓與相對距離信息，形成點云并繪制出3D 環(huán)境地圖，激光雷達的精度為厘米級，是真正具備空間三維分辨能力的“機械之眼”。激光束可能包含1 線、4 線、8 線、16 線、32 線或64 線，多個激光束在豎直方向沿不同角度發(fā)出，經(jīng)水平方向掃描實現(xiàn)對目標區(qū)域三維輪廓探測。多個測量通道(線)相當于多個傾角的掃描平面，因此垂直視場內(nèi)激光線束越多其豎直方向的角分辨率就越高，激光點云密度就越大，測量精度越精準。

2)激光雷達評價參數(shù):激光雷達測評參數(shù)主要包括探測范圍和角分辨率。測評一個激光雷達主要對比其探測范圍，包括有效距離，水平視角識別范圍、縱向視角識別范圍。一般來說角分辨率越小準確性越高，車載激光雷達水平方向上，角分辨率一般能達到0.1 度，縱向一般是0.5 度左右(每個接收器覆蓋縱向0.5 度)。

3)激光雷達應(yīng)用場景:激光束工作頻率高、解析度高、隱蔽性好、抗有源干擾能力強、低空探測性能好，可通過距離多普勒成像技術(shù)獲得目標的清晰圖像。但激光在大雨、濃煙、濃霧等極端天氣里衰減急劇加大，傳播距離大受影響，大氣環(huán)流還會使激光光束發(fā)生畸變、抖動，直接影響激光雷達的測量精度。

降維、固態(tài)、規(guī)模效應(yīng)是當下降低激光雷達成本的主要途徑。激光雷達成本高主要反映在光學(xué)部分和機械旋轉(zhuǎn)部分，激光二極管、光學(xué)二極管檢測器和現(xiàn)場可編程門陣列(FPGA)成本也很高。目前激光雷達價格在5 千-7 萬美元不等，行業(yè)內(nèi)主要從降維、固態(tài)化和規(guī)模效益三方面降低成本。

1)降維:降低成本同時性能受限。Velodyne 的激光雷達按照線束密度進行定價，64 線束報價8 萬美元，32 線束報價4 萬美元，16 線束報價4 千美元。降維會降低激光雷達精確度，無人駕駛要求激光雷達線束下限為16 線，為保證精確度，通過降維來降低成本受到一定的限制，當前國內(nèi)的龍頭激光雷達企業(yè)已經(jīng)把16 線產(chǎn)品壓低到豪華車可接受的范圍，即5 萬人民幣以內(nèi)。

2)固態(tài)化:降低成本的主流技術(shù)方法。通常激光雷達為機械式，通過內(nèi)部的機械部件實現(xiàn)對周圍環(huán)境360°的掃描，此類激光雷達一般安裝在汽車車頂，體積較大且不能與車身很好融合;而固態(tài)激光雷達不存在機械旋轉(zhuǎn)部件，只能探測前方，需要通過安裝多個固態(tài)激光雷達實現(xiàn)車身360°探測，同時，固態(tài)激光雷達體積小，能融入車身，價格相對便宜，多個安裝價格仍低于傳統(tǒng)激光雷達。固態(tài)化成為激光雷達廠商降低成本的研發(fā)新趨勢。

3)規(guī)模效應(yīng):產(chǎn)業(yè)化降成本的主要途徑。盡管降維和固態(tài)化都能在一定程度降低成本，但批量成產(chǎn)帶來的規(guī)模效益仍是實現(xiàn)成本下降最有效的方式。全球傳感器分德、美日兩大陣營，德系廠商“毫米波雷達+攝像頭”路徑居多，其主張精度可以通過算法優(yōu)化、高精度地圖補充實現(xiàn);美、日系更為傾向激光雷達，同時通過同Tire-2 供應(yīng)商合作推進成本下降。德爾福配備福特、路虎，電裝配備大發(fā)，大陸配備本田、馬自達、鈴木、豐田。

低成本雷達解決方案趨待量產(chǎn)，國內(nèi)后發(fā)先至成為降成本主力。國內(nèi)外絕大多數(shù)車載激光雷達廠商仍處于研發(fā)、測試階段，多為創(chuàng)業(yè)公司。國外廠商如Innoviz，LeddarTech，Phantom Intelligence, TriLumina，MIT 團隊等一大批強勁的初創(chuàng)公司加入激光雷達行業(yè)。國內(nèi)激光雷達起步晚，目前擁有激光雷達測量應(yīng)用技術(shù)的國內(nèi)公司有禾賽科技、北科天繪、鐳神智能、思嵐科技、巨星科技、大族激光等，進軍智能駕駛用激光雷達后，大多提出了金額比較低的產(chǎn)品。

4、傳感融合，當下主流與高階自動駕駛

橫向維度:傳感器之間不能完全替代，須滿足性能補充和冗余判斷要求。傳感器各有優(yōu)劣，攝像頭傳感器價格低廉并且應(yīng)用范圍廣，但是在雨雪天氣識別能力差;毫米波雷達在雨雪天氣表現(xiàn)極佳，但測量精度不夠;激光雷達精度較高，由于價格高昂目前很難廣泛應(yīng)用;超聲波雷達適合近距離測距。多傳感器配合使用將成為趨勢，傳感器冗余必不可少。“優(yōu)勢互補”是輔助駕駛階段最優(yōu)的路徑選擇。激光雷達、攝像頭和毫米波雷達的信息融合更有利于特征提取和前景分離過程，實現(xiàn)算法速度提升。汽車對于反向控制的容錯率很低，這就需要至少兩種傳感器信息進行冗余驗證，實現(xiàn)精度提升。

縱向維度:對應(yīng)智能駕駛的不同階段，傳感器要求不盡相同。按照SAE 分級可以將智能駕駛五個階段，其中0-2 階段主要是人為操控，需要駕駛員觀察周圍環(huán)境，3-5 階段主要由智能駕駛系統(tǒng)觀測周邊環(huán)境。當前汽車行業(yè)處于1-2 階段，對應(yīng)的輔助駕駛系統(tǒng)已經(jīng)量產(chǎn)，對傳感器的要求精度相對無人駕駛較低，主要通過攝像頭和毫米波雷達實現(xiàn)相應(yīng)功能。從2 進入3 階段對傳感器精度的要求存在一個實質(zhì)的跨越，從而具有高精確度的激光雷達就顯得尤為重要。進入3 階段后傳感器的使用數(shù)量顯著增加，并出現(xiàn)一定程度的冗余。

伴隨終端需求增長，2020 年國內(nèi)傳感器硬件市場空間可達210 億。隨著智能駕駛概念的推廣，智能駕駛功能覆蓋率提高，傳感器的滲透率不斷上升。預(yù)計未來智能駕駛L2 的多數(shù)功能在國產(chǎn)車上實現(xiàn)需要1 個攝像頭、4 個毫米波雷達、4 個超聲波雷達。以整套傳感器為單位推算國內(nèi)傳感器市場空間，預(yù)計2020 年傳感器市場空間超過210 億，復(fù)合增速為35%。

三、智能駕駛大腦，國內(nèi)優(yōu)勢與弱勢并存

控制層處中樞地位，深度學(xué)習(xí)是提升精度的終極方案。傳感層識別外界物體、收集信息后輸入到控制層，控制層利用視覺算法、傳感器融合算法、路徑規(guī)劃算法進行物體識別、軌跡預(yù)測。傳統(tǒng)算法識別精度已接近閾值，難以完全勝任對復(fù)雜的駕駛場景進行信息識別。通過人工智能、深度學(xué)習(xí)可以極大優(yōu)化算法架構(gòu)提升識別能力?；谌斯ぶ悄芗夹g(shù)對行人等難度較大的物體識別率穩(wěn)步突破90%，接近可應(yīng)用水平。國外巨頭已逐步應(yīng)用于產(chǎn)業(yè)化，國內(nèi)的優(yōu)勢在于豐富的算法資源與近年來大量AI 人才往這個方向轉(zhuǎn)移，弱勢在于缺乏汽車實測經(jīng)驗和數(shù)據(jù)。

全球市場推演人工智能，以mobileye 和google 為主。Mobileye 專注于視覺識別和算法提升，為主機廠和一級供應(yīng)商提供視覺識別模塊化產(chǎn)品，同時加快轉(zhuǎn)向傳感融合、深度學(xué)習(xí)和高精度地圖領(lǐng)域;Google 希望以人工智能切入智能駕駛，利用激光雷達獲取高解析度數(shù)據(jù)，依靠AI 匹配原有地圖數(shù)據(jù)，經(jīng)過數(shù)次測試逐步提升可靠性。國內(nèi)算法公司識別精度有限，集中視覺領(lǐng)域。

1、經(jīng)典智能駕駛算法:目標物體識別和路徑規(guī)劃

在人工智能和深度學(xué)習(xí)應(yīng)用之前，經(jīng)典的無人駕駛算法以目標物體識別和路徑規(guī)劃為核心，分為六個步驟: 前處理→前景分離→物體分類→結(jié)果改進→物體追蹤→應(yīng)用層面前五個部分是感知識別算法的核心步驟，最后一個部分則通常指后續(xù)的物體行為預(yù)測、路徑規(guī)劃。