2019年自动驾驶行业分析报告

1、内容目录 HYPERLINK l _TOC_250022 一、总论：自动驾驶与电动化、共享化改变汽车产业格局和出行方式5 HYPERLINK l _TOC_250021 意义：与汽车电动化、共享化的趋势结合5 HYPERLINK l _TOC_250020 分级：L1 人类驾驶逐级步入 L5 车辆自动驾驶6 HYPERLINK l _TOC_250019 实现：通过决策层、感知层、执行层8 HYPERLINK l _TOC_250018 相关公司9 HYPERLINK l _TOC_250017 二、自动驾驶解决方案：整车厂和科技巨头蓄势待发10 HYPERLINK l _TOC_250016

2、 OEM 厂商：投入巨大、成果显著10 HYPERLINK l _TOC_250015 系统厂商：Waymo小联盟 Vs. 百度 Apollo 大联盟10 HYPERLINK l _TOC_250014 量产车型自动驾驶方案：特斯拉 Autopilot Vs. 奥迪 A8 AI.14 HYPERLINK l _TOC_250013 三、芯片：自动驾驶的大脑16 HYPERLINK l _TOC_250012 进入门槛高、性能要求高、成本高16 HYPERLINK l _TOC_250011 现状：平台化方案搭配标准化芯片16 HYPERLINK l _TOC_250010 趋势：自动驾驶专用的

3、定制化、集成度高的芯片16 HYPERLINK l _TOC_250009 相关公司17 HYPERLINK l _TOC_250008 四、传感器：环境信息和车内信息的采集与处理20 HYPERLINK l _TOC_250007 激光雷达：实时建立周边环境的三维模型20 HYPERLINK l _TOC_250006 毫米波雷达：全天候工作、难以成像22 HYPERLINK l _TOC_250005 摄像头：分辨率高、功能齐全、雷达的补充设备25 HYPERLINK l _TOC_250004 五、车联网：自动驾驶的延伸28 HYPERLINK l _TOC_250003 趋势：向用户体

4、验化发展28 HYPERLINK l _TOC_250002 车载信息终端 CID：车联网与汽车的界面与入口33 HYPERLINK l _TOC_250001 高精地图：汽车进入高等级自动驾驶的必要手段37六、重点推荐：索菱股份 002766.SZ39 HYPERLINK l _TOC_250000 七、风险提示41图表目录图表 1：美国年轻人首次申领驾照人数比例持续下降5图表 2：美国二手车卖家卖车后的选择5图表 3：我国出行方式里程比6图表 4：全球自动驾驶市场规模（亿美元）错误!未定义书签。图表 5：美国汽车工程师协会 SAE 自动驾驶分级7图表 6：L1 人类驾驶逐级步入L5 车辆自

5、动驾驶8图表 7：自动驾驶实现层级8图表 8：自动驾驶相关公司9图表 9：OEM 厂商进展情况10图表 10：系统厂商进展情况10图表 11： Waymo 发展历程10图表 12：2017 年加州 DMV 报告披露路测成绩11图表 13：Waymo与克莱斯勒合作车辆及其硬件系统11图表 14：Apollo 发展历程12图表 15：百度 Apollo 平台技术框架12图表 16：百度 Apollo 计划成员单位13图表 17：百度 Apollo 计划成员单位13图表 18：百度 Apollo 计划成员单位（按产业链分/部分）13图表 19：特斯拉 Autopilot 功能15图表 20：奥迪 A

6、8 自动驾驶传感器系统15图表 21：特斯拉 Autopilot Vs. 奥迪 A8 AI15图表 22：自动驾驶芯片主要产品性能16图表 23：未来专用计算平台将成为主流17图表 24：Mobileye EyeQ 系列18图表 25：NVIDIA DRIVE Pegasus AI计算平台19图表 26：地平线“征程”自动驾驶芯片19图表 27：各类传感器特点20图表 28：激光雷达原理20图表 29：激光雷达效果20图表 30：激光雷达优缺点20图表 31：Velodyne 产品信息21图表 32：Velodyne新 128 线激光雷达21图表 33：Quanergy 激光雷达芯片22图表

7、34：Quanergy 激光雷达生产线22图表 35：国内主要激光雷达产品信息22图表 36：FMCW 调制毫米波雷达原理23图表 37：毫米波雷达类别23图表 38：毫米波雷达优缺点23图表 39：行易道毫米波雷达参数24图表 40：承泰科技毫米波雷达应用24图表 41：苏州豪米波产品基本信息24图表 42：纳雷科技产品基本信息25图表 43：摄像头优缺点25图表 44：车载摄像头产业链25图表 45：2017 年 CMOS 全球市场占比26图表 46：舜宇光学车载镜头出货量26图表 47：舜宇光学车载镜头出货量增长率26图表 48：舜宇光学 2018 年出货量26图表 49：欧菲科技智能汽

8、车业务收入27图表 50：车联网的应用28图表 51：车联网供应链架构29图表 52：车联网发展趋势29图表 53：我国车联网市场规模（亿美元）30图表 54：三旗通信车联网产品30图表 55：三旗通信合作伙伴30图表 56：英卡科技服务结构图31图表 57：JKC系列无线数据记录仪31图表 58：inBOX01 卫星定位汽车行驶记录仪31图表 59：Y car plus 系统32图表 60：Y car-link 系统32图表 61：四维图新“趣驾”系统32图表 62：CID 在车联网构架上是核心环节33图表 63：奔驰 2018 年新一代车载信息终端系统33图表 64：CID 系统的盈利模式

9、33图表 65：CID 系统总附加值拆解33图表 66：全球从事 CID 系统主要企业34图表 67：国外主要汽车企业所用的 CID 系统34图表 68：国内从事 CID 系统主要企业34图表 69：国内主要汽车企业所用的 CID 系统34图表 70：CID 前装和后装市场规模测算（亿元）35图表 71：公司 CID 系统分类及主营产品35图表 72：驾驶员控制系统36图表 73：智能车联电子系统36图表 74：华阳集团产品36图表 75：车载信息娱乐系统37图表 76：显示模组与系统37图表 77：高精地图与普通导航电子地图的区别37图表 78：高精地图与普通导航电子地图的区别38图表 79

10、：高精地图头部厂商情况38一、总论：自动驾驶与电动化、共享化改变汽车产业格局和出行方式意义：与汽车电动化、共享化的趋势结合自动驾驶与汽车电动化、共享化的趋势结合 。相比与传统的汽车行业，电动车在系统控制与执行层面更适合自动驾驶，而自动驾驶与车联网的结合、汽车共享化的趋势，能够有效的预防交通事故、同时减少拥堵、提高道路 的通行效率，使其容纳不断上升的通流量。未来的出行方式以及汽车本身 都将会有很大的变化，由此带来巨大的新兴市场。美国年轻人首次申领驾照人数比例持续下降 ，自 2010 年起，美国青年群体（1619 岁）驾照持有人数几乎以每年 3%递减；1644 岁各年龄层的驾照持有率均出现了下降，

11、以 17 岁为例，2000-2014 年持有驾照的人数比例下降近 2%；反映出了即使是美国这样车轮子上的国家，年轻人不再那么迫切的去考驾照，共享出行已经可以满足出行需求。图表 1：美国年轻人首次申领驾照人数比例持续下降50,0008%40,0006%30,0004%20,00010,0002%00%17岁有驾照人数2016 年美国市场售出 4100 万辆二手车（历史最大值），其中 9%，即近370 万人将成为“无车一族”，不再选择买新车而是选择使用Uber、Lyft以及公共交通解决通勤，也反映出美国市场对于共享出行方式的认可。图表 2：美国二手车卖家卖车后的选择选择Uber、Lyft等叫车软件

12、, 9%其他或不确定, 14%买了另一辆车或还有一辆车, 77% 我国市场接受度更高。 我国市场对于汽车电动化、共享化以及自动化的接受度更高，产业投入更大，预计 2030 年自动驾驶的汽车会占据整体出行里程的 40%以上，由此带来的千亿美元规模的新兴市场有待开发。图表 3：我国出行方式里程比分级： L1 人类驾驶逐级步入 L5 车辆自动驾驶自动驾驶定义： 即让汽车自己拥有环境感知、路径规划并自主实现车辆控制的技术，也就是用电子技术控制汽车进行的仿人驾驶或是自动驾驶。根 据人与车辆控制的程度不同，美国汽车工程师协会 SAE 界定了五级自动驾驶方案。目前在 ADAS 基础上，L2 到 L3 级别的

13、自动驾驶将逐渐成为新车型的标配， 产生大量新增需求，这是目前主要的投资机会；L4 到 L5 的完全自动驾驶也在逐渐成熟中，一旦商业化将影响产业的未来。图表 4：美国汽车工程师协会SAE 自动驾驶分级L0 代表没有自动驾驶介入的传统人类驾驶。L1 级能够对方向盘和加减速中的单项操作给与支持。 比如已经广泛应用的自适应巡航（ ACC）功能，即能够通过雷达探测与前车的实时距离自动控制加减速，从而保持与前车的安全距离。L2 级能够同时对方向盘和加减速中的多项操作给与支持。 如果汽车除了具备上面 L1 级描述中的自适应巡航外，同时还具备车道保持（LKA） 功能，或者自动变道功能，那则属于 L2 级自动驾

14、驶。L3 级之前环境的观察者都是人，进入 L3 则意味着道路环境的观察和驾驶操作都由系统来完成，人只需要对所有的系统请求进行应答。系统已经完全能够识别出直线、弯道、红绿灯、限速路牌，路上行走奔 跑的人猫狗等等各种环境变量。环境观察和驾驶操作都由系统来完成， 人只需要对所有的系统请求进行应答。比如突然下雨了，检测到地面 湿滑是否需要减速；比如检测到前方车辆行驶过慢是否需要超车；检 测到前方有人在车道较近处走动是否需要鸣笛提醒等等，这些请求系 统会反馈给驾驶员，由人来做决定。L4 级驾驶操作和环境观察仍然都由系统完成，人只需要在某些复杂情况进行应答。 比如只需要在某些复杂地形或者天气恶劣的情况时，

15、才需要人对系统请求做出决策，而其他情况下系统能独自应付自动驾驶。L5 级就是完全的自动驾驶状态，车上没有方向盘，没有刹车，没有油门，完全不需要人的介入。图表 5：L1 人类驾驶逐级步入L5 车辆自动驾驶实现：通过决策层、感知层、执行层自动驾驶系统通常可分为决策层、感知层、执行层，以及高精地图和车联网的支持。图表 6：自动驾驶实现层级感知层：环境信息和车内信息的采集与处理。 这方面涉及到道路边界检测、车辆检测、行人检测等技术，即传感器技术，所用到的传感器一般都会有激光雷达、摄像头、毫米波雷达、超声波雷达、速度和加速度传感器等等。由于各个传感器在设计的时候有各自的局限性，单个传感器满足不了各种 工

16、况下的精确感知，想要车辆在各种环境下平稳运行，就需要运用到多传 感器融合技术，该技术也是环境感知这一大类技术的关键技术所在，目前 国内这方面和国外的主要差距也集中在多传感器融合方面。决策层：依据获取的信息来进行决策判断，确定适当工作模型 ,制定相应控制策略，替代人类做出驾驶决策。 这部分的功能类似于给车辆下达相应的任务，例如在车道保持、车道偏离预警、车距保持，障碍物警告等系统中， 需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态，先进 的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。由 于人类驾驶过程中所面临的路况与场景多种多样，且不同人对不同情况所 做出的驾驶策略应对

17、也有所不同。因此驾驶决策算法的优化需要非常完善 高效的人工智能模型以及大量的有效数据。这些数据需要尽可能的覆盖到 各种罕见的路况，而这也是驾驶决策发展的最大瓶颈所在。执行层：指系统在做出决策后，替代人类对车辆进行控制，反馈到底层模 块执行任务。 车辆的各个操控系统都需要能够通过总线与决策系统相链接， 并能够按照决策系统发出的总线指令精确地控制加速程度，制动程度以及 转向幅度等驾驶动作。高精地图以及车联网的支持 ，系统能够确定位置并规划一条可通行的路径， 实现智能车辆的自主导航；更进一步，车联网的应用一方面能够是出行更 加方便智能，另一方面又能够扩展汽车交通工具的属性，成为未来个人的 移动平台。

18、相关公司图表 7：自动驾驶相关公司20172018E2019E20172018E2019E索菱股份002766.SZ13.850.340.540.72422619CID、自动驾驶系统兴民智通002355.SZ9.780.120.130.16827460CID、自动驾驶系统德赛西威002920.SZ34.051.371.241.44252824CID、人机交互均胜电子600699.SH27.330.421.341.75652016人机交互系统华阳集团002906.SZ19.550.680.750.89292622数字仪表东软集团600718.SH14.580.860.460.58173225自动

19、驾驶系统路畅科技002813.SZ32.210.200.460.691617047自动驾驶系统巨星科技002444.SZ11.180.150.750.84731513激光雷达中海达300177.SZ11.740.150.210.26775645激光雷达华域汽车600741.SH24.872.082.462.52121010毫米波雷达舜宇光学2382.HK152.302.673.734.71574132车载摄像头欧菲科技002456.SZ19.640.380.841.23522316车载摄像头四维图新002405.SZ25.180.220.330.441157658高精度地图亚太股份002284

20、.SZ7.210.110.140.19665238自动驾驶制动系统耐世特1316.HK12.120.140.150.18878169自动驾驶转向系统金龙汽车600686.SH15.080.750.710.97202116整车公司名称代码收盘价EPSPE业务二、自动驾驶解决方案：整车厂和科技巨头蓄势待发图表 8：OEM 厂商进展情况OEM 厂商：投入巨大、成果显著传统整车厂如奥迪、特斯拉、通用、 Uber、丰田、福特等公司均有自己的自动驾驶研发团队，在自动驾驶领域投入巨大，成果显著，如奥迪 A8 L3 级自动驾驶系统已经量产上市。系统奥迪元收购 Cruise Automation ，5 亿美元入

21、股 LyftUber直接 L42016 年首先将自动驾驶车投入招车服务，6.8 亿美金收购 OTTO43 辆沃尔沃 XC90丰田ADAS和 L4 并行L3 已实现，L4 车型正在测试，2020 年实现完全无人驾驶能力福特直接 L410 亿美金收购 Argo，战略投资 Velodyne、Civil Maps，拥有庞大自动驾驶测试车队， 2021 年自动驾驶汽车上路，用于共享出行，2017 年 90 辆2025 年销售私人客户特斯拉通用路径ADAS和 L4 并行自ADAS至 L4ADAS和 L4 并行进展L3 级 A8 量产上市采取摄像头+毫米波雷达方案，目前车型具备 L2 能力，有 10 万辆能

22、够传回驾驶数据，有大量驾驶里程。马斯克最近宣布，覆盖各类驾驶场景的完全自动驾驶将在 2019 年年末到来2018 将生产数千辆自动驾驶汽车，用于 Lyft 出租车服务；10 亿美测试车队350 辆雪佛兰 Bolt图表 9：系统厂商进展情况系统厂商： Waymo小联盟 Vs. 百度 Apollo 大联盟能够提供自动驾驶解决方案的系统厂商，目前以谷歌的Waymo 和百度的Apollo 为代表，系统Waymo（谷歌）Apollo（百度）路 径 直接 L4L4 为主，支持 ADAS进展2009 年即起步，2016 年组建 Waymo，2017 年与克莱斯勒合作的无人驾驶车 Pacifica 上市，预计

23、 2018 年投入运营。已积累 500 万英里，每 1000 英里需人工干预 0.2 次，遥遥领先竞争对手2015 年成立自动驾驶事业部，2017 年自动驾驶事业群组，李彦宏宣布 2018 年小规模生产自动驾驶小巴车，2021 年大规模量产自动驾驶汽车测试车队豆荚车、普锐斯、克莱斯勒，180 辆约 30 辆Roadstar.aiL4 测试2018 年 3 月进行深圳实地路测；此前进行了硅谷雨夜的路测。结果显示均较好。Waymo谷歌母公司 Alphabet 旗下独立的专注自动驾驶系统开发的子公司。谷歌自2009 年起启动自动驾驶项目，2016 年成立独立实体 Waymo。图表 10： Waymo

24、 发展历程时间2009 年2010 年2012 年2013 年2013 年2015 年2016 年2017 年2018 年开发进展启动自动驾驶汽车项目，成立自动驾驶汽车团队，大范围采集街景数据，构建地图数据库经由纽约时报，正式对外公布正在研发全自动驾驶汽车（SAE Level 4 及以上）获得加州机动车管理局（DMV）颁布的自动驾驶汽车路测许可正式开始复杂情况下的城市道路实测设计 Firefly（萤火虫）原型车并进行系列改装公司重组为 Alphabet，开始和汽车制造商 FIAT 合作，不再亲自制造汽车本身成立专注研究并商业化自动驾驶技术的独立实体公司 Waymo拿到美国高速公路安全管理局（N

25、HTSA）的认定文件，开启真人乘车试验在亚利桑那州拿到美国首个商业自动驾驶打车服务执照2017 年加州 DMV（california department of motor vehicles）自动驾驶报告披露的数据显示，Waymo 的车队规模、路测里程和人工干预周期上均保持领先，特别是人工干预周期，达到 5596 英里/次，第二名的 GM 为 1254 英里。通过报告可以看到，车队规模大，路测里程越长，干预周期越长。 因此自动驾驶系统研发也是一个需要较大财力、时间投入的工程。图表 11：2017 年加州DMV 报告披露路测成绩4000006000350000300000250000200000

26、150000100000500000路测里程（英里）干预周期（英里/次）500040003000200010000根据 Waymo安全报告披露，公司与克莱斯勒合作的车型中，一辆车装有 5个激光雷达，分别为前部 3 个，顶部 1 个和尾部 1 个；毫米波雷达 4 个，前后部各 2 个；摄像头 1 个，位于顶部；其他补充传感器 1 个，位于顶部。由于是测试车辆，安装传感器数量较多，成本也较高。图表 12：Waymo与克莱斯勒合作车辆及其硬件系统从发展历程看 Waymo 在战略上出现过反复，2013 年推出等豆荚车表明公司等努力方向是自己造车，但 2015 年与克莱斯勒合作并宣告不再制造汽车，表明它

27、对自己进行重新定位，着重做系统研发。当然，与克莱斯勒而 不是自身研发自动驾驶的通用、特斯拉等公司合作，应该是出于整车厂的 合作意向、开放程度等。总体看 Waymo 是综合实力最强的自动驾驶公司，路测车队规模、路测里程都位于前列，并且路测成绩较好，平均 5596 英里才需要一次人工干预。百度 Apollo2017 年 4 月发布 Apollo 计划，加速自动驾驶进程。预计 2018 年与金龙客车合作量产小巴“阿波龙”。在国内自动驾驶系统研发上保持领先。图表 13：Apollo 发展历程Apollo 平台是一套完整的软硬件和服务系统，包括车辆平台、硬件平台、软件平台、云端数据服务等四大部分。旨在向

28、汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。图表 14：百度Apollo 平台技术框架百度 Apollo 计划以“开放”和“联盟”为特色，自计划宣布以来已有近百家整车厂、Tier1、Tier2、科研机构、运营商等成为盟友，也包括北京、上海、重庆、福建平潭等地方政府。图表 15：百度Apollo 计划成员单位北京汽车福田汽车Bosh索菱股份TomTom汽车制造商传统供应商跨行业供应商北汽新能源江淮汽车Continental德赛西威Intel一汽解放猎豹汽车NXP紫光展锐先锋车 和 家 长安汽车长城汽车东

29、风汽车金龙客车奇瑞汽车蔚来汽车力帆Delphi 联电ZFRenesas富迪科技航盛电子路畅科技博泰Microsoft NVIDIA VIRESBlack BerryFord威马汽车ESD远峰科技华阳集团Daimier君马汽车Infincon中科创达北斗星通Hyundai比亚迪NovAtel远特科技同行者安森美飞歌音像中兴通讯图表 16：百度Apollo 计划成员单位自动驾驶初创公司科研机构地方政府运营商Autonomous StuffMomenta北航保定Grab地平线机器人Neousys北理工重庆两江新区神州优车禾赛科技PlusAI清华上海汽车城首汽租车速腾聚创新石器龙码上海交大芜湖一嗨租车

30、VelodynePOLYSYNC同济北京亦庄盼达用车智行者科技知行科技中国汽研中科慧眼车联天下怡力电子UdacityCSDNOpen Robotics图表 17：百度Apollo 计划成员单位（按产业链分/部分）产业链部分主要成员单位毫米波雷达Bosch ，Continental，Delphi激光雷达Velodyne，速腾聚创，禾塞科技计算平台NVIDIA，Intel，NXP，Infineon ，Renesas ，地平线机器人摄像头ZF，中科慧眼自动驾驶汽车北京汽车，奇瑞汽车，金龙客车，智行者科技等Waymo小联盟 Vs. 百度 Apollo 大联盟通过上述分析我们看到， Waymo 走的是“

31、小联盟”战略，与少数整车厂（克莱斯勒、捷豹、本田等）和传感器厂商进行深度合作。它具有先发优 势，积累较多路测里程和较大车队规模，路测成绩也较好。而百度走的是 “大联盟”的战略，依托 Apollo 平台，尽可能地扩大“朋友圈”。但除数据共享外尚未看到成熟的合作模式。虽然 Waymo 和 Apollo 是两种不尽相同的发展路线，但我们认为只是发展路程的不同，条条大路通罗马。Waymo 首先研发自身的自动驾驶系统，包括软件和硬件，并与少数几家整车厂进行深度合作，例如克莱斯勒的数十 辆测试车， 2 万台捷豹 I-Pace 投入未来的自动驾驶打车服务，以及与本田签约进入物流和递送市场，走的是“少而精”的

32、路线，可以快速获得较多的商业化落地车队。但存在的问题是如果未来跟其他整车厂合作，可能存在新的技术整合问题。百度 Apollo 在开始阶段就整合了多家产业链上下游的企业，如果这个联盟的配合较好，则百度的系统应该可以适配所有联盟内部车企的车辆。但是 这决定了在初始阶段的开发工作为了尽量能通用于多数的下游应用，会持 续较长时间。此外，互联网公司在汽车产业链上没有积累，量产整车互联网竞争优势不 如传统汽车厂商，2015 年以后 Waymo 的“不生产整车”战略也预示了这一点。结合上述分析，Waymo 和 Apollo 或其他自动驾驶系统厂商的商业模式大概率类似 “安卓”系统，自身研发自动驾驶系统（或包

33、括与其配合的硬件），与整车厂合作，以用户行为数据分析产生的价值为主要盈利来源。索菱股份除去国际大厂和科技巨头，在算法领域及汽车电子有积累的团队往往在自动驾驶方面有核心的竞争力。索菱即从 ADAS 模块入手，在深度学习、毫米波雷达、计算机视觉、视觉雷达融合等方面加大研发投入，形成基于单目视觉的前向 ADAS 系统（包括 FCW、PCW、LDW、AEB 等）、车内 ADAS 系统（包括驾驶员注意力辅助系统和人脸识别系统等）、车辆全盲区管理（包括 360 环视系统、A 柱盲区显示及大型车盲区管理等） 、毫米波雷达（包括 24G 毫米波雷达、77G 毫米波雷达），逐步完善从 level0-level5

34、 级自动驾驶产品和解决方案。更进一步，公司投资参股设立的深圳市逸行智能驾驶科技有限公司，由原 东软集团高级副总裁、东软汽车电子解决方案事业本部总经理简国栋带领， 向 L3 级别自动驾驶方案迈进。路畅科技为某车厂开发了景区观光车无人驾驶解决方案，其中配装有 16 线激光雷达的无人车具备自动绕障功能；与某新能源车厂签订了关于 AEB（自动紧急刹车）、 AP（自动泊车）的开发合同，其中 AEB 基于自主研发的短距离激光雷达与智能相机融合实现前方障碍物检测，自主研发控制器及算法； AP 基于 12 个超声波雷达及自主泊车控制器和算法，将集成 360 环视系统。量产车型自动驾驶方案：特斯拉 Autopi

35、lot Vs. 奥迪 A8AI特斯拉的 Autopilot 功能：相当于 L2 级别的自动驾驶，能够根据交通状况调整车速；保持在车道内行驶；自动变换车道而无需驾驶员介入；从一条 高速公路切换至另一条；在接近目的地时驶出高速；在接近停车场时自动 泊车。奥迪 A8：是市场上第一款具备 L3 级别自动驾驶能力的量产车，在某些特定情况下，如在停车和驶离、时速 60 公里以下行驶或交通拥堵时，该系统将接管奥迪 A8 的驾驶操控，而驾驶员则无需持续监控车辆的驾驶与运行。图表 18：特斯拉Autopilot 功能图表 19：奥迪A8 自动驾驶传感器系统图表 20：特斯拉Autopilot Vs. 奥迪 A8

36、 AI自动驾驶级别L2L3特斯拉 Autopilot2.0奥迪 A8 AI发布时间2016 年 10 月发布，2017 年 1 月 OTA推送2015 年 CES 发布，2017 年 9 月德国上市中央控制器nvidia Drive PX2芯片多个 nvidia GPU，SOC超声波雷达 12 个TTTech zFAS Tegra K1 Infineon AurixAltera Cyclon V Mobileye EyeQ3四线激光雷达 1 个超声波雷达 12 个长距离毫米波雷达 1 个传感器毫米波雷达 1 个摄像头 8 个中距离毫米波雷达 4 个广角 360 度摄像头 4 个前向摄像头 1

37、个红外夜视摄像头 1 个高速公路和开放道路应用场景高速公路和行车缓慢的环境主动巡航辅助转向双向高速车道上的行驶速度低于 60 公里/小时拥堵路况系统接管车辆的驾驶操作，基本功能自动变道自动泊车管控车辆的启动、加速、转向及制动三、芯片：自动驾驶的大脑进入门槛高、性能要求高、成本高高级驾驶辅助系统(ADAS)、自动驾驶、车联网(V2V/V2X)与车载娱乐服务 系统等，均需要高效能处理芯片。例如自动驾驶未来包括 4-5 台激光雷达，5 台毫米波雷达，若干个摄像头和红外探测器等传感器，在车辆高速运行时每秒都会产生大量点云（三维位置数据）和视频（多帧图像数据），自动驾驶芯片必须有能力及时处理获取的信息，

38、并利用算法做出合理决策。自动驾驶芯片对性能要求高，但对于部分已商用的产品来说，对成本同样有较高的要求。自动驾驶芯片的成本主要体现在三方面：1、耗电每瓦提供的性能；2、每单位性能的成本；3、生态系统的构建，如用户群、易用性等。自动驾驶芯片领域进入门槛高，主要是 Intel（Mobileye）、Nvidia 两大巨头的“双雄争霸”。此外少数创业公司如地平线机器人、寒武纪等，在具体场景应用上有一定优势。现状：平台化方案搭配标准化芯片芯片方案技术路线上，自动驾驶遵循了一般人工智能对计算平台的升级规律，即开始阶段使用 CPU，而后升级到 GPU。目前各大厂商的技术处于 GPU+FPGA 阶段，由于芯片成

39、本还处于高位， 现在平台化的方案搭配标准化的芯片是一种开源的解决方案，另一方面， 芯片集成度不高，系统供应商会将自动驾驶系统分为主模块和选装模块， 适配整车柔性较大，给整车厂选择的空间也较大。图表 21：自动驾驶芯片主要产品性能名 称 Drive PX2 征程公司Nvidia地平线机器人浮点运算能力(Tops)1典型功耗（W）1.5视频处理能力支持 12 路摄像头输入、激光定位、雷达和超声波传感器可 处 理 4Lane MIPI ； 实 时 处 理1080p30fps；每帧可同时对 200 目标进行检测与识别；每帧延时小于 30msEyeQ4Mobileye2.53Drive XavierNv

40、idia3030EyeQ5Mobileye24105 颗核心处理器(4 颗 MIPSi-class 核心和 1 颗 MIPSm-class 核心)、6 颗 VMP 芯片、2 颗 MPC 核心和 2 颗 PMA 核心，可以同时处理 8 部摄像头数据，每秒浮点运算可达 2.5 万亿次一个特别定制的 8 核 CPU、一个全新的 512 核 Volta GPU、一个全新深度学习加速器、全新计算机视觉加速器、以及全新 8K HDR 视频处理器装备 8 枚多线程 CPU 内核，搭载 18 枚Mobileye 下一代视觉处理器工艺Level 2201728nmLevel 32018L3/L4201810nm

41、L4/L5202016nm配套方案Level 3上市时间2016趋势：自动驾驶专用的定制化、集成度高的芯片未来随着处理器设计门槛的降低和对自动驾驶算法协同进化要求的提高， 自动驾驶专用的人工智能处理器将成为主流。TPU（Tensor Processor Unit）是谷歌研发的针对深度学习加速的一款机器学习定制的专用芯片（ASIC），专为谷歌的深度学习框架 TensorFlow 而设计。第一代TPU 仅能用于推断（即不可用于训练模型） ，并在著名的AlphaGo 人机大战中提供了巨大的算力支撑。去年 5 月谷歌发布了 TPU 2.0，不仅能进行推断，还能高效支持训练环节的深度网络加速。谷歌I/O

42、2018 开发者大会期间发布了第三代 AI 人工智能/机器学习专用处理器 TPU3.0，TPU 3.0 的计算能力最高可达 100PFlops( 每秒 1000 万亿次浮点计算)，是去年 TPU 2.0 的 8 倍多。BPU（Brain Processing Unit）是地平线研发的未来会直接应用于自己主要产品中的芯片，包括：智能驾驶、智能生活和智能城市。相比于国内外 其他 AI 芯片 start-up 公司，地平线的第一代 BPU 走的相对保守的 TSMC 的 40nm 工艺。图表 22：未来专用计算平台将成为主流相关公司MobileyeMobileye，1999 年成立，2007 年推出首

43、款产品，2014 年 8 月 1 号在纽交所上市。公司主要从事汽车工业的计算机视觉算法和驾驶辅助系统芯片技 术的研究。 Mobileye 的产品覆盖了全球50 个国家，据官方资料显示， Mobileye 在全球有 1000 万的装载量。Mobileye 具有自主研发设计的芯片 EyeQ 系列，由意法半导体公司生产供应。现在已经量产的芯片型号有 EyeQ1 、Eye Q2 、EyeQ3 、EyeQ4 ， EyeQ5 正在开发进行中其中 EyeQ4 芯片在 2018 年量产，可满足 L3 级别自动驾驶要求，采用28nm 制程，计算性能 2.5 TOPS（万亿次/每秒）功耗为 3 瓦。此外，英特尔

44、CEO 在 2017 年纽约车展的演讲中展示了 EyeQ 5 芯片，对标英伟达 Drive PX Xavier SoC，并透露 EyeQ5 的计算性能达到了 24 TOPS，功耗为 10 瓦，芯片节能效率是 Drive Xavier 的 2.4 倍。英特尔自动驾驶系统将采用摄像头为先的方法设计，搭载两块 EyeQ5 系统芯片、一个英特尔凌动 C3xx4 处理器以及 Mobileye 软件，大规模应用于可扩展的L4/L5 自动驾驶汽车，并展示了 Mobileye 100 辆测试车队中的首辆汽车， 该车队将使用英特尔-Mobileye 解决方案。此外宣布在中国与上汽集团、四维图新达成合作。图表 2

45、3：Mobileye EyeQ系列NvidiaNVIDIA 创始人兼 CEO 黄仁勋在 2018CES 上介绍，Drive Xavier 在过去四年中的研发投入高达 20 亿美元，可提供每秒 30 万亿次的计算能力，功耗为 30 瓦，能效比上一代架构高出 15 倍。配备了两个 Xavier 系统级芯片和两个下一代 NVIDIA GPU 的 Pegasus 是全球首款致力于推进 L5 级全自动驾驶出租车的 AI 车载超级计算机，它的外形只有车牌大小，可以实现每秒320 万亿次深度学习计算，能够同时运行多个深度学习网络，功耗为 400w。图表 24：NVIDIA DRIVE Pegasus AI计

46、算平台地平线机器人2017 年地平线发布了新一代自动驾驶芯片“征程”和配套软件平台方案“雨果”，同时还发布了“旭日”处理器应用于智能摄像头。“征程”是一款专用 AI 芯片，采用地平线的第一代 BPU 架构，可实时处理 1080p30 视频，每帧中可同时对200 个目标进行检测、跟踪、识别，典型功耗1.5W，每帧延时小于 30ms。地平线的芯片更聚焦在针对不同场景下的具体应用，并与产业伙伴协同共赢共享价值。相比于英伟达的方案，地平线 “征程”芯片在功耗上低一个数量级；在价格上，会呈现出更大的竞争力。图表 25：地平线“征程”自动驾驶芯片寒武纪5 月 3 日，寒武纪科技在 2018 产品发布会上发

47、布了多个 IP 产品采用7nm 工艺的终端芯片 Cambricon 1M、云端智能芯片 MLU100 等。其中寒武纪 1M 芯片是公司第三代 IP 产品，在 TSMC7nm 工艺下 8 位运算的效能比达 5Tops/watt（每瓦 5 万亿次运算）。对于多线和复杂的自动驾驶任务，通过灵活配置 1M 处理器，可以实现资源的最大化利用。相比上一代的 1A，1M 还支持终端的训练，以此避免敏感数据的传输和实现更快的响应。该产品可应用于智能手机、智能音箱、摄像头、自动驾驶等不同领 域。四、传感器：环境信息和车内信息的采集与处理自动驾驶系统目前应用比较主流的环境感知传感器包括激光雷达、毫米波雷达、超声波

48、雷达和摄像头。超声波雷达产品已经很成熟，探测距离近、成本低，目前渗透率已很高。 激光雷达和毫米波雷达拥有很多优良性能，在自动驾驶领域应用潜力巨大。图表 26：各类传感器特点性能成本超声波雷达很低摄像头适中红外线适中激光雷达目前很高毫米波雷达适中探测角度120303015-360 10-70远距离探测弱弱一般强弱夜间环境强弱强强强全天候弱弱弱弱强不良天气环境一般弱弱弱强温度稳定性弱强一般强强车速测量能力一般弱一般弱强路标识别XXXX激光雷达：实时建立周边环境的三维模型激光雷达概述激光雷达（ LiDAR）能释放多束激光，接收物体反射信号，计算目标与自身的距离。应用较多的是利用反射信号的折返时间 计

49、算距离（ Time of Flight），也有连续波调频（ CWFM）方法。与雷达和摄像头相比，激光雷达可以通过多束激光高频发射获取的反射数据形成周边物体的高清3D 的“点云”图像。图表 27：激光雷达原理图表 28：激光雷达效果 虽然目前自动驾驶解决方案尚未有明确的固定搭配，但激光雷达会成为最重要的传感器。而毫米波雷达、摄像头将是重要的补充。激光雷达成本较高的问题是暂时的，随着固态激光雷达技术成熟和产量提升，成本将降低到可承担的范围内。图表 29：激光雷达优缺点形成周边物体高清 3D 图像雨雪、雾霾天气精度下降优点缺点探测距离较长，最远达 300m目前价格较昂贵数据量较小，便于快速决策无法辨

50、认物体质地和颜色图表 30：Velodyne 产品信息相关公司VelodyneVelodyne 在车用激光雷达上处于领先地位，公司 CEO 在采访中表示在车用市场公司市占率高于 80%，谷歌在最早的自动驾驶原型车中使用的 LiDAR 就是该公司开发的。Velodyne 激光雷达产品线丰富，包括16 线束、32 线束、64 线束及 128 线束等产品。ULTRAPUCK32200120 万360/-25+15（2020 年）Puck Hi-Res1610060 万360/10VLP-16机械式16120220 万360/26.93999HDL-32E激光雷达3280-100139 万360/+1

51、0-3040000500-650HDL-64E6480000VLS-128128300300360/40预订1000产品名称技术路线线束数量测量距离 /米生成点数 /秒水平/垂直视角官方售价量产预计售价图表 31：Velodyne 新 128 线激光雷达QuanergyQuanergy 是固态激光雷达的领先厂商，目前已有 M8 和 S3 两款全固态激光雷达。Quanergy 坚持 OPA（光学相控阵）的固态激光雷达技术路线，并且认为 MEMS 存在微振镜这个运动部件，不能算是真正意义上的“固态”。图表 32：Quanergy 激光雷达芯片图表 33：Quanergy 激光雷达生产线其他国内公司

52、在 2018 年 CES 上有 16 家激光雷达公司参与，其中就有 4 家中国公司，它们在技术路线、产品成熟度差距不大。主要产品信息如下：图表 34：国内主要激光雷达产品信息公司产品型号主要性能巨星科技（欧镭激光）Toucan3D-16 线中海达速腾聚创北科天绘北醒光子光珀智能RS-LiDAR- 32R-AngleCE30ULTRA- UBA2成功研制了适用于汽车辅助驾驶领域的 16 线及 32 线激光雷达传感器样品16 线；测距： 20cm150m（目标反射率20%）；320 ，000pts/s；垂直测角：30；水平测角：360；转速:300-1200rpm （5-20Hz）最大测距 120

53、0m ；360大视场； 132水平视场、9 垂直视场；无任何机械旋转部件；刷新率 20Hz70水平视场/40垂直视场；测距 150m；频率 30fps；功耗10-20 瓦毫米波雷达：全天候工作、难以成像毫米波雷达概述毫米波雷达发出和接收的是电磁波，此外与激光雷达相比毫米波雷达会有 很多测量短距离的场景，如侧向警示、倒车警示等，因此主要以 FMCW 调制方法来测距。主要原理是，通过振荡器形成持续变化的信号，而发出信 号和接收信号之间形成频率差，其差值与发射-接收时间差成线性关系，只要通过频率差就能计算车辆与物体距离。图表 35：FMCW 调制毫米波雷达原理图表 36：毫米波雷达类别优缺点上，毫米

54、波雷达的优势在全天候工作，即不良天气、夜晚等环境下 可以发挥作 用，而 激光雷 达会受雨 雪雾霾 的影响。 缺点是 目前主 流的24GHz 毫米波雷达较难成像，分辨率不及前两者。79GHz 毫米波雷达可以形成类似激光雷达的“点云”成像，分辨率较高。图表 37：毫米波雷达优缺点效果无法形成点云成像接近激光雷达的效果，产生点云类别24GHz77GHz79GHz测距远(200m 以上)分辨率较低，难以成像优点缺点约几十厘分辨率约 1 米米前后分辨率最少间隔10cm 的两个物体，水平最小分辩距离也为 10cm 左右不良天气下表现良好价格适中角分辨率较低 由于毫米波雷达成本较低，并且在不良天气下表现良好

55、，因此将成为感知设备中重要的一环。但由于其分辨率较低，因此不能作为激光雷达的替代品，而是激光雷达的重要补充设备。相关公司华域汽车2017 年底国内首款自主研发、具有独立知识产权的 24GHz 后向毫米波雷达实现量产，前向、后向毫米波雷达通过冬季极寒工况试验，自 动泊车系统完成车位扫描、路径规划、整车控制、路径跟随算法等开 发。行易道公司国内最早推出 77GHz 雷达，近主流市场的 77GHz 中近程雷达2017 年底量产，77GHz远程雷达（用于重型卡车、大型巴士等，作用距离 200 米）将在 2018 年推出。此外，公司与意法半导体，中科院电子所微波成像国家重点实验室三方成立联合实验室，推动

56、 79GHz 雷达 2019 年前进行产品化。图表 38：行易道毫米波雷达参数型号LRR刷新频率20Hz频段作用距离速度范围方位角度范围应用FCW、ACC、AEB目标数量77GHz3-200 m-7040 m/s-88 degree 32承泰科技承泰科技成立于 2015 年 4 月，并立项研发 77GHz汽车毫米波雷达， 目前公司在研发 77GHz 汽车毫米波雷达上也取得突破，已在内部测试阶段，2017 年 9 月份推出外部测试。图表 39：承泰科技毫米波雷达应用型号CTLRR-100频段77GHz自适应巡航控制系统(ACC)：提供精确的目标测量数据；提供不间 断的目标跟踪数据应用前向碰撞预警

57、(FCW)：提供全天候前方目标信息；提供满足预设距离要求的报警信息自动紧急制动(AEB)：自动识别逼近的危险目标；小于安全距离时自动制动苏州豪米波公司所生产的 24GHz 毫米波雷达系列产品，性能及各项系数达到同行77GHz 产品水平，同时价格优势明显。24GHz 产品技术成熟、量产稳定，目前公司产能达到 1 万套/月。图表 40：苏州豪米波产品基本信息应用主要参数远距离雷达（国外知名厂商ACC,AEB,FCW）豪米波中距离雷达（国外知名厂商BSD）豪米波频率77GHz24GHz24GHz24GHz距离检测范围1-170m1-150m76m1-80m水平视角10+/-1064+/-70角度检测

58、精度0.50.50.50.5距离分辨能力成本2.5m2.5m低 50%-70%3m2.5m低 50%纳雷科技公司采取与 Tier 1 厂商大陆合作的方法进入 77GHz毫米波雷达的竞争。图表 41：纳雷科技产品基本信息发射频率24 GHz77 GHz型号CAR150ARS408功耗12V DC 25 测距范围测距精度6 W0.75-100 m（乘用车）0.2 m6.6 W 0.2-250 m（长距模式）0.40(长距)/0.10(短距)m摄像头：分辨率高、功能齐全、雷达的补充设备摄像头概述摄像头分为单眼摄像头、三焦摄像头（交通标志探测 *1；校准距离视觉摄像头*2）和立体摄像头（可探测深度）。

59、L2 及以前，Mobileye 提供单眼摄像头解决方案， L3 以后，需要多个摄像头配合。摄像头的单车成本约150600 美元。图表 42：摄像头优缺点分辨率高于雷达和 LiDAR天气不佳或夜间性能差优点缺点价格较低测远距物体性能较差能探测物体的质地和颜色测距性能差虽然摄像头分辨率高、功能齐全，但是它录入的是图像信息，数据量较大， 较依赖图像识别，相比激光雷达的点云，对计算机的要求高很多，这也将 提高整体成本。因此摄像头获取的图像信息将主要负责交通标志识别等少 数领域，作为激光雷达和毫米波雷达的补充。图表 43：车载摄像头产业链光学镜片滤光片保护膜晶圆镜头组胶合材料CMOS芯片DSP封装模组信

60、号传输系统集成封装传感器 CMOS 方面，日韩高科技企业垄断，索尼、三星两家市占率之和超过 50%。图像处理器 DSP 方面，主要供应商为德州仪器（ TI）、Mobileye、华为海思等，其中德州仪器（TI）市占率最高。镜头组方面，舜宇光学市占率最高，占车载镜头组国内市场50%以上， 2017 年出货量近 4700 万颗，同比增长 40%以上。图表 44：2017 年 CMOS 全球市场占比图表 45：舜宇光学车载镜头出货量22.30%35.20%7.80%12.10%18.70%5000.0042%41%3.90%索尼三星豪威科技安森美佳能其他4000.003000.002000.00100