汽车智能化的商业化路径、产业演进及投资机会探讨_第1页
汽车智能化的商业化路径、产业演进及投资机会探讨_第2页
汽车智能化的商业化路径、产业演进及投资机会探讨_第3页
汽车智能化的商业化路径、产业演进及投资机会探讨_第4页
汽车智能化的商业化路径、产业演进及投资机会探讨_第5页
已阅读5页,还剩77页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、主要结论1、三大商业化路径之争:应用场景之争:核心看迭代速度,ROBOTAXI场景目前的迭代速度慢于消费市场;技术路线之争:更多是成本考量,纯视觉的成本集中在云端,多感知融合成本集中在车端。纯视觉有综合成本优势,多感知融合有可靠性优势。纯视觉对算法、传感器精度要求更高;算法是否自研:自研算法迭代比第三方算法快。自研算法能够获得车辆完整的、高质量的数据,可通过SHADOW模式进行迭代, 第三方算法不具备SHADOW能力。2、智能化将经历车端和云端竞争两个阶段:第一阶段:车端竞争,主要围绕架构、传感器、算法和算力等,核心看产品定义;第二阶段:云端竞争,核心看车队保有量和云端算力,云端竞争阶段,由于

2、算法和生态应用都是边际效应递增,行业头部化趋势会加速。3、供应链:爆发有先后,先感知后云端,先赋能后专业化。我们认为,感知是行业率先爆发的子领域,包括感知算法、传感器。当 进入云端竞争阶段,生态应用和V2X等细分领域会爆发。4、智能化时代,整车的生意“变好”,市场集中度提高。传统车时代,汽车是高度差异化的周期消费品,整车厂盈利周期波动性大、市场集中度低、产品护城河不高。在智能车时代,由于云端应用和算法边际收益递增的特点,整车集中度有望大幅度提升。5、供应链:(1)硬件:高像素摄像头、MEMS激光雷达、低功耗高算力芯片将爆发;(2)算法:软硬件解耦趋势明显,车辆控制端 中的悬挂有望成为下一个解耦

3、部件。风险提示:新能源汽车补贴政策不及预期;新能源汽车销量不及预期;行业扩产加速导致价格低于预期的风险;行业测算偏差风险;研究报告使用的公开资料可能存在信息滞后或更新不及时的风险2目CCONTCONTENTS中 泰 证 S 券研 领 先 深 度 诚ENT究 所1录智能驾驶:拨开云雾,迭代速度决定一切目 录C O N T E N T S竞争格局:商业路径之争,迭代速度定成败产业演进:车端到云端,市场终将寡头化供应链:爆发有先后,感知、集成到应用1235落地场景之争:ROBOTAXI和消费市场场景是汽车智能化最先需要考虑的因素之一。目前行业分为两种路线:ROBOTAXI和高端乘用车市场,ROBOT

4、AXI目标是直接替代司机,技术路线比较激进;消费市场是ADAS渐进性路线,即渐进式的从L2迭代L4以上。ROBOTAXI:谷歌、百度、小马智行等,主要来自于互联网行业,无汽车生产资质。消费市场:特斯拉、ME、华为等。图:渐进式乘用车路线代表企业图:ROBOTAXI路线代表企业资料来源:公开信息整理,中泰证券研究所6产品迭代速度:渐进式消费市场占优资料来源:Wind,中泰证券研究所场景决定数据量,数据量决定迭代速度。1、市场空间对比:总量旗鼓相当,渐进式路线落地速度快ROBOTAXI:通过替代司机节约成本,全球出租&网约车需求巨大。但是替代司机从技术上看比较困难。落地时 间较晚;高端乘用车:20

5、20年,国内价格20万以上乘用车年销量约630万,30万以上销量约277万,市场份额分别为30、13。我们假设全球市场价格20万以上销量份额20 ,30万以上为8,则全球价格20万以上、30万以上汽车年销量为1800万、720万。定位做ROBOTAXI场景的公司,由于正式投入运营需要替代司机(不带安全员),实际落地场景有限且较慢。7产品迭代速度:渐进式消费市场占优资料来源:汽车之心,盖世汽车,百度官网,waymo,中泰证券研究所公司车队数量规模运营车队规模部署地点未来规划百度500辆级别长沙(45辆)、沧州(30 辆)、北京(40辆)27个测试城市覆盖、全面开放三个 城市:长沙、沧州、北京在

6、3 年内(2021 - 2023),实现 30 个城市落 地,车队规模达到 3000 辆,服务 300 万乘客。小马智行100辆级别加州(10辆级别)、广州、 北京未披露广州、北京将进一步扩大Robotaxi在北京的服务规模,全面 向北京公众扩大开放,下一步计划在上海全面启 动文远知行100辆级别广州(40辆)广州计划在未来三到四年内推出全无人驾驶出租服务滴滴100辆级别上海(规划30辆)上海将在更多城市开放路测AutoX100辆级别上海(规划100辆)上海将在深圳坪山区建设中国首个全无人驾驶运营中 心,开展L5级别全无人驾驶RoboTaxi车队示范应 用,推广无人驾驶科普和市场教育,探索商业

7、化 运营模式Waymo600辆级别凤凰城(350辆)在美超过10个州多赛道运行,如Robo Truck、货物递送等2、运营车数量对比:头部公司之间有两个数量级的差异目前全球头部的ROBOTAXI车队数量约600台,未来三年内可能达到3000台,落地速度较慢、车队数量少。特斯拉目前保有量近100万台,预计21年底将达到200万台左右。相比ROBOTAXI,车队数量相差1000倍。表:全球主要ROBOTAXI企业运营车队规模及规划统计8产品迭代速度:渐进式消费市场占优资料来源:汽车之心,盖世汽车,百度官网,waymo,中泰证券研究所3、数据量对比:存在数量级差异目前全球头部的ROBOTAXI车队数

8、量约600台,未来三年内可能达到3000台,落地速度较慢、车队数量少。年度运营里程预计在1亿公里级别;25年全球头部的消费市场龙头特斯拉年里程预计达千亿级别。表:全球自动驾驶企业年里程数对比20202021E2022E2023E2024E2025E百度3990670399067069402960104104440138805920173507400小马智行10822291442972360742972148581082228818037146文远知行1136112170416828402805680560852084011361120滴滴NA10410443470148347014869402

9、960173507400AutoX4320014400001872000243360031636804112784Waymo89796721267718416902912211286403169296042257280小鹏54000000037800000001260000000252000000037800000005418000000特斯拉1080000000001512000000002646000000004158000000006048000000009072000000009盈利模型比较:ROBOTAXI盈亏平衡点较低,但可能较晚资料来源:汽车之心,盖世汽车,中泰证券研究所项目有安

10、全员无安全员日运营里程(km)9090运营天数300300每公里付费(元)33运营车队数量(辆)4800048000单车制造成本(万)42.542.5单车年折旧(万)6.076.07安全员成本(万)4.800.00电费(万)0.270.27运营+研发费用(万)1.671.67盈利(万)-2259894411458385384858222116205987194158179054173191170483159936110002500000450000400000350000300000250000200000150000100000500000Tesla大 众 集 团通 用 集 团-现 代起 团

11、 亚汽 车 集-雷 诺日 产 联 盟比 亚 迪 汽 车宝 马 集 团戴 勒 姆 集 团吉 利 控 股 集 团PSA3、盈亏平衡点对比:ROBOTAXI门槛低,但时间晚根据我们测算,ROBOTAXI的盈亏平衡点约48000台,消费市场的盈亏平衡点在20万年销量左右。ROBOTAXI盈亏平衡点显著低于消费市场。目前,ROBOTAXI的实际运营数量和消费市场头部公司销量看,ROBOTAXI盈亏平衡点出现较晚,因为离不开安全 员和实际运营数量难以达标。表:ROBOTAXI的盈亏平衡点测算图:2020年全球电动车销量前十车企(单位:台)10两种路径的头部企业对比:图森未来与特斯拉201120122013

12、20142015201620172018201920202021Q1汽车销售收入1,953,6272,429,2384,405,5266,299,81812,707,20314,525,14617,771,2185,915,484开发收入35,08017,3219,5783,447能源收入125,833729,3911,067,3951,068,0561,301,065324,622服务及其他收入198,089324,632654,194954,6991,552,9021,504,642586,817营业收入128,691259,7521,227,6081,957,0742,627,3274,

13、855,9927,683,40314,729,29717,146,10420,576,9256,826,924汽车销售收入占比0.00%0.00%0.00%99.82%92.46%90.72%81.99%86.27%84.71%86.36%86.65%服务及其他收入0.00%0.00%0.00%0.00%7.54%6.69%8.51%6.48%9.06%7.31%8.60%研发费用-131,677-172,209-141,433-284,350-466,176-578,829-900,460-1,002,281-936,904-972,863-437,649销售、行政及 一般费用-65,594

14、-94,516-174,109-369,380-598,861-993,510-1,618,195-1,945,368-1,845,903-2,052,081-693,929营业支出-197,270-266,725-315,542-653,729-1,065,036-1,572,338-2,518,655-3,040,462-2,886,752-3,024,944-1,065,208研发费用占营 业支出比例67%65%45%43%44%37%36%33%32%32%41%销售、行政及 一般费用占营 业支出比例33%35%55%57%56%63%64%64%64%68%65%历年销量(单位:辆)

15、650290922442240765065876285103181245024367820499500表:特斯拉收入与支出数据(单位:万元)2018201920202021Q1营业收入64951,203620营业成本-1,113-3,454-1,476研发费用-22,153-44,382-86,129-27,228销售费用-745-568-857-446管理费用-一 般及行政费用-8,356-15,321-24,338-10,004营业支出-31,254-61,384-114,778-39,153研发费用占营业支出70.88%72.30%75.04%69.54%销售费用占营业支出2.38%0.

16、93%0.75%1.14%管理费用-一 般及行政费用占营业支出26.74%24.96%21.20%25.55%车队数量50+70路测里程450万公里+仿真模拟里程2.4亿公里+在手订单5700辆资料来源:Wind,图森未来招股书,中泰证券研究所表:图森未来财务情况及运营情况(单位:万元)从收入端上看,特斯拉成长性远高于图森未来,图森未来截止到1Q2021,车队数量只有70台;从成本端看,图森研发投入等低于特斯拉,ROBOTAXI投入成本要优于消费市场模式。从支出端上看:研发费用:特斯拉初创时期与图森未来目前研发费用占营业支出比例相近大致处于65%- 75%区间里。销售&管理费用:特斯拉初创时期

17、与图 森未来目前占比相近,但随着特斯拉慢慢走向成熟, 销售&管理费用替代研发费用占据了营业支出的大头。11ROBOTAXI:依靠算法迭代优势,特斯拉等有机会重构整个产业从消费市场切入Robotaxi,重构整个产业:由于在消费市场获得最大规模数据,特斯拉自动驾驶算法全球领先。特斯拉 在2020年全年业绩报告电话会中指出随着特斯拉全自动驾驶(FSD)技术的改进,特斯拉所卖出的汽车将会变成Robotaxi, 从而使特斯拉汽车的使用率从每周的12小时增加至每周60小时。特斯拉可以从这些变成为Robotaxi的车辆中收取额外的费 用(公司希望以每英里约1美元的服务价格,以每英里0.18美元的成本运营)进

18、而增加更多的公司收入,而特斯拉汽车的 消费者也可以自己所拥有的汽车出租来享受额外的收入。关注100万台Robotaxi落地:马斯克曾在2020年表示将在2020年底部署100万辆Robotaxi,但该计划因为还在等待政府监管部门的审核,蒙上了一些不确定性。ME22年计划切入ROBOTAXI。图:特斯拉Robotaxi汽车资料来源:Roadshow,中泰证券研究所推出了一套完整 的完全自动驾驶 软件第一步推出自动驾驶出 租车软件(Tesla Network)第二步去掉人类司机, 实现完全无人驾 驶第三步图:特斯拉Robotaxi实施方案12全球Robotaxi运营公司梳理国内Robotaxi领军

19、者为百度、小马智行、文远知行等公司。百度:目前拥有500辆级别的测试车队、115辆运营车辆以及超过700万公里的自动驾驶测试里程。公司拥有2021- 2023年规划实现 30 个城市落地Robotaxi,车队规模达到 3000 辆以及服务 300 万乘客的宏伟目标。MPI (Miles Per intervention)作为自动驾驶核心衡量指标之一,可以反应出综合平均了全年里程和接管数,被行业广泛认为是比试驾体 验更客观、量化和准确的衡量办法,百度在2019年加州自动驾驶报告中MPI指标位列第一。小马智行:目前拥有100辆级别的测试车队、超过100万公里的自动驾驶测试里程。公司在2020加州D

20、MV公布的自动驾 驶报告中MPI指标排名第四。公司目前估值53亿美元。文远知行:目前拥有100辆级别的测试车队、超过450万公里的自动驾驶测试里程,以及在广州部署40辆运营车辆, 公司2019年加州DMV公布的MPI指标中排名第十二,但在2020加州DMV公布的MPI指标中排名第六,可谓进步明显。海外Robotaxi领军者为Waymo、Cruise等公司。Waymo:目前拥有600辆级别的测试车队、其仅在凤凰城就拥有350辆运营车辆、超过2000万英里的累计路测里程、2019年加州DMV公布的MPI指标中排名第二,以及2020加州DMV公布的MPI指标中排名第一,公司目前估值达到300亿美元。

21、Cruise目前拥有200-300辆级别的测试车队、在旧金山拥有130辆运营车辆、 2019年加州DMV公布的MPI指标中排名第三, 以及2020加州DMV公布的MPI指标中排名第二,且公司拥有通用、本田、微软、软银等巨型跨国公司的融资加入,目前估值 也达到300亿美元。资料来源:各公司官网,公开数据,汽车之心,盖世汽车,加州2020自动驾驶报告,中泰证券研究所13全球Robotaxi运营公司梳理全球Robotaxi运营公司梳理公司测试车队数量规模运营车队规模部署地点未来规划运营里程公里(加州DMV2019.11.1-2020.1.31)https:/www.cpuc.c单车每月运营里程(公里

22、)测试里程(公里)截至2020自动驾驶累计 当前估值(2021.5)累计融资(2021.5)战略领投方驾驶报告)每一千英里接管数(2020加州自动 国内牌照数量(截至2020年)百度apollo500辆级别(30辆)、北京(40辆)/avcpilotdata/27个测试城市覆盖、全 在 3 年内(2021 - 2023),实现 30 个长沙(45辆)、沧州 面开放三个城市:长沙、城市落地,车队规模达到 3000 辆,服务沧州、北京300 万乘客。NAna700万公里NANA百度0.055(2019)199小马智行100辆级别加州(10辆级别)、广 州、北京未披露广州、北京将进一步扩大

23、Robotaxi在北京的服务规模,全面向北京公众扩大开放,下一步计划在 上海全面启动90185.72公里(加州10辆,统计周期2019.11.1-2020.1.31)3006.190667112.5万公里53亿美元超过11亿美元文莱主权财富基金文莱 投资局、加拿大安大略 省教师退休基金会旗下 的科创投资平台0.09330文远知行100辆级别广州(40辆)广州2023年把全无人驾驶推向正式运营41140公里(40辆,统计周期2019年12.1-1.31)(2020年国庆期间)滴滴100辆级别上海(规划30辆)上海将在更多城市开放路测NANA1028.5(2020年年初)、3705.3450万公里

24、(2021.4)33亿美元NA宇通集团0.15420(2019)40万公里(2019.9), 最新数据未披露约60亿美元超8亿美元IDG资本领投,CPE、 aulson、中俄投资基金、国泰君安国际、建银国际等投资机构跟投3亿美 元、软银愿景基金2期领0.192AutoX100辆级别上海(规划100辆)上海将在深圳坪山区建设中国首个全无人驾驶 运营中心,开展L5级别全无人驾驶 RoboTaxi车队示范应用,推广无人驾驶科 普和市场教育,探索商业化运营模式989公里(3辆,统计周期2019.11.1-2020.1.31)109.8888889总数未披露,65174(2020年加州测试里程)NA投超

25、5亿美元A轮东风汽车领投。2019 年9月,AutoX获得由东 风领投、阿里巴巴参投的一亿美元A轮融资,12月底又获得了前海兆宏 基金领投的数千万美元 的Pre-B轮融资,此前AutoX的投资者还有上汽 集团、联发科、真格基 金、丹华资本等0.049/Waymo600辆级别凤凰城(350辆)在美超过10个州多赛道运行,如Robo Truck、货物递送等 396162公里(加州75辆,统计周期2019.11.1-2020.1-31)1760.72超过2000万英里(2020.1)约300-400亿美元2020年外部融资30亿美 元谷歌0.033/福特、大众0.095/ARGO AI100辆级别(

26、2019)NA奥斯汀不再建立自动驾驶出租车队(机器人出租迈阿密、华盛顿特区, 车),而将自动驾驶技术应用于货物运输或大型客运,按照里程收费NANANA72.5亿美元2017年福特向Argo AI注资10亿美元,2020年大众向Argo AI注资26亿美元Cruise200-300辆级别旧金山(130辆2019)旧金山打造无人工控制的全电动专用汽车NANA总数未披露,1232079公里(加州2020年测试里 程)300亿美元超过92亿美元微软、通用、本田、软 银等0.035/ZOOXNANA首发双向电动无人车,Zoox成立伊始的目动驾驶汽车旧金山、拉斯维加斯 标就是为Robotaxi(自动驾驶出

27、租车)所 498.272公里(加州11辆,统计需的硬件和软件,力争开发一款全新的自 周期2019.11.1-2020.1-31)45.29745455里(2020加州测试里程)总数未披露,164034公 13亿美元被亚马逊收购亚马逊0.627(2019)/AURORANANA德州丰田和AURORA计划从丰田Sienna开始开放 和测试配备Aurora自动驾驶硬件和软件的 无人驾驶汽车,Aurora核心做的是自动驾 驶技术和大脑NANA总数未披露,19532 收购UBER(ATG)后估值超(2020年加州测试里程)过100亿美元Uber、丰田、Denso/元戎启行100辆(规划)武汉(规划20辆

28、)、杭 州(10辆)杭州、武汉、深圳元戎启行可为车企、Tier1、出行公司、物 流企业等提供多应用场景的、订制化的自 动驾驶解决方案、可与车企、Tier 1共同 研发、生产自动驾驶车辆、为出行公司提 供包括辆调度中心、召车平台在内的自动 驾驶车队部署服务,从而向用户提供任意 点到点的Robo-Taxi(自动驾驶出租车)服 务、为物流企业提供订制的自动驾驶解决 方案,应用于封闭园区、集装箱码头或公 路货运等场景NANA超过100万公里NA近5000万美元的Pre-A轮融资。本轮融资由复星锐正领投,金沙江资本、云启资本、VentechChina、松禾资本等知名机构跟投东风Lyft30辆30辆(拉斯

29、维加斯)拉斯维加斯NANA总数未披露,52370公里(2020年加州测试里程)5.5亿美元5.5亿美元出售给丰田丰田/资料来源:各公司官网,公开数据,汽车之心,盖世汽车,加州2020自动驾驶报告,中泰证券研究所14产品路线之争:纯视觉和激光多感知融合资料来源:ofweek,中泰证券研究所我们认为,纯视觉和激光为代表的多感知融合,并没有太多技术上的分歧,更多是对商业化路径选择的不同。车端:少2-3个激光雷达,传感器成本至少低2-4万;视觉算法识别语义种类和精确度要求提升,芯片算力要求 比激光多感知方案要高,成本提升4000元以上。云端:由于视觉数据量大,算法要求高,需要利用高质量和大规模数据在云

30、端进行仿真和训练,目前成本上看,纯视觉要高。总结:纯视觉车端成本低,云端成本高,用算法弥补传感器的不足,激光多感知方案正好相反,用感知硬件弥补算法 的不足。多感知方案具备安全冗余优势,同时在初期能够在体验上弥补算法的差距。分类部件纯视觉多传感融合车端车端硬件技术方案8颗摄像头+1颗毫米波+12颗超声波2颗激光+13颗摄像头+5颗毫米波+12颗超声波传感器硬件成本320023000芯片144TOPS,10000元30TOPS,6000元算法种类48种20种左右云端算力1 EFLOPS0.1 EFLOPS表:纯视觉和多传感融合方案软硬件方案对比图:多感知与纯视觉成本差异趋势分析(横坐标: 销量,单

31、位为万辆;纵坐标:成本,单位为元)15产品路线之争:纯视觉和激光多感知融合L1/L2级别:据安森美,L1-2等级下ADAS摄像头价值量为40美金。目前激光雷达单价3000美元以上; 77GHz 毫米波雷 达单价约1000元,24GHz 单价约 500 元;超声波雷达单价不超过百元。1)纯视觉:特斯拉采用“8颗摄像头+1颗毫 米波雷达+12个超声波传感器”,预计成本约3200元;2)多感知融合:小鹏P5采用“2个激光雷达+5个毫米波雷达+12 个超声波雷达+13个摄像头”,预计成本4.9万。L3/L4级别:据安森美, L3、L4摄像头有望达到180美金、200美金。由于自动驾驶级别提高,两类方法

32、均需要算法+激光雷达配合,因此预计成本相同。资料来源:安森美,中泰证券研究所图:随着自动驾驶级别提高ADAS里搭载的摄像头价值量大幅提升特斯拉小鹏P5蔚来ET7激光雷达02(144线)1(1550nm波长固态激光雷 达,等效300线)毫米波雷达1(77GHz)55超声波雷达121212摄像头81311(800万像素)平台算力144 TOPS30 TOPS1016 TOPS表:车企传感器方案16产品路线之争:纯视觉和激光多感知融合资料来源:Mobileye,百度官网,中泰证券研究所ME和百度等开始提供纯视觉和多感知方案的备选项,选择哪种方案主要看客户偏好。纯视觉:前置多目摄像头可以通过VIDAR

33、算法从2D转化成3D,以获得景深从而测距。多感知:视觉负责识别和语义分割等,激光负责测距等。表:ME纯视觉方案传感器配置方案表:百度的多感知与纯视觉传感器配置方案类型数量激光雷达0毫米波雷达1超声波雷达12摄像头11类型百度纯视觉方案ANP百度纯视觉方案AV百度无人驾驶公交车激光雷达004(40线)毫米波雷达556超声波雷达12120摄像头125717算法自研之争:自研算法比第三方算法迭代快资料来源:焉知自动驾驶,Wind,中泰证券研究所目前,行业存在自研算法和第三方算法两种模式,我们认为,自研算法比第三方算法迭代快,长期看,主机厂基本 自研为主。ME:5000万台车装配,是L2/L3领域的龙

34、头,EYEQ4是算法和芯片高度耦合,EYEQ5开始,ME将开放部分算法,提供工具链。ME的算法迭代方式及特点:需要跟主机厂签协议,且主要从ME传感器获取,无法获知全面的车辆信息;REM模式只能 获取几十KB/公里的数据量;CAN总线数据无法获取,无法使用SHADOW模式。自研算法:L4时代,算法将基本自研为主,自研算法迭代更快。图:14-20年ME产品出货量(单位:万套)250020001500100050002014201520162017201820192020图:ME产品线18Mobileye的技术体系介绍资料来源:Mobileye,中泰证券研究所整理三位一体的战略布局。 1、真正冗余:

35、提供完全端到端自动驾驶功能的摄像头子系统和具有相同功能的雷达和激光雷 达子系统;2、道路信息管理(REM):在云上自动构建可扩展和低成本的自动驾驶高精地图;3、责任敏感安全模型(RSS):帮助自动驾驶汽车做出安全的驾驶决策。全新的雷达和激光雷达技术:被英特尔收购,技术和制造能力增强。Mobileye通过解决方案创新来提供先进雷达功能, 并优化算力和成本效率。其软件定义成像雷达拥有2340条通道,100dB的动态范围和40dBc的旁瓣电平,能够构建足以 实现自动驾驶策略的传感状态。高精度地图:Mobileye已经完成近10亿公里的高精地图绘制,每天绘制的高精地图里程超过800万公里。图:Mobi

36、leye 三位一体战略目 录C O N T E N T S竞争格局:商业路径之争,迭代速度定成败产业演进:车端到云端,市场终将寡头化供应链:爆发有先后,感知、集成到应用13220智能驾驶产业演进的两个阶段:从车端到云端资料来源:Wind,中泰证券研究所我们认为,智能驾驶按照产业演进,分为车端竞争到云端竞争两个阶段。车端竞争阶段(2020-2025):主要围绕电子电气架构、算力、传感器、算法等。这个阶段,由于主机厂的车 队保有量和数据量均不大,对云端要求不高。竞争主要靠汽车产品和品牌的定义,主要面向售价20万+的消费市场。 这个阶段,部分产品转型慢的主机厂会逐步被边缘化。云端竞争阶段(2025年

37、后):主要围绕算力、算法、车云整合、生态能力。由于车队保有量、数据量巨大, 对云端算力需求指数级增长,云端主要进行算法训练、生态应用。这个阶段头部效应会强化,算法会进一步拉开差 距,生态应用等边际收益递增的功能越来越多(社交、V2X、REM等),Robotaxi开始逐步普及。21车端竞争要素:架构、算力、算法、传感器21资料来源:博世,中泰证券研究所电气架构趋势:算力向中央集中,向云端集中,简化底层硬件、解耦软硬件。特斯拉率先实现中央域集成,大众等逐步向域集成演进,国内电气架构迭代相对落后。图:博世电气架构图:博世电气架构22算力:需求快速增长资料来源:腾讯科技,中泰证券研究所自动驾驶的算力需

38、求:L2级别需要算力约2TOPS,L3需要24TOPS,L4为320TOPS,L5为1000+TOPS; 主流车企芯片算力:蔚来:ET7搭载的超算平台ADAM,集成了4颗英伟达 Orin芯片,总算力1016TOPS。2颗芯片为主控芯片,负责自动驾 驶系统运算;1颗为实时冗余备份芯片,保证安全性;1颗为群体智能与个性训练专用芯片,实现算法整体升级和单车 个性化本地训练。特斯拉:Hardware3.0版本集成了2颗FSD芯片,总算力达144TOPS。计划22年推出Hardware4.0,预计算力达到432TOPS。表:主流车企芯片算力品牌车型芯片总算力(TOPS)制程工艺(nm)满足级别蔚来ET7

39、英伟达Orin芯片10167L3特斯拉model 3FSD芯片14414L2特斯拉model YFSD芯片14414L2特斯拉model SFSD芯片14414L2小鹏P7英伟达Xavier SoC3012L3小鹏P5英伟达Xavier SoC3012L3蔚来ES8骁龙820A2.514L2蔚来ES6骁龙820A2.514L2蔚来EC6Mobileye EyeQ42.528L2小鹏G3骁龙820A2.514L2.5理想理想ONE骁龙820A2.514L2威马EX5Mobileye EyeQ42.528L223算法与传感器资料来源:腾讯科技,中泰证券研究所算法是影响智能化体验的最关键因素之一。未

40、来算法的差异化主要由:数据量大小,影响云端算法训练;算法的种类和冗余部署,影响智能化的精准度。传感器:(1)摄像头,主要围绕帧率、像素等竞争;(2)激光:主要围绕成本竞争。表:主流算法及其特点方法优点缺点SIFT检测特征丰富,具有优秀的匹配效果计算量大,检测速度慢PCA-SIFT检测速度获得改善不完全仿射不变,检测精度不高SURF检测速度快,精度较高,综合性能好过于依赖主方向的选取准确度ORB检测速度快、检测精度良好不具备尺度不变性VJ第一种能够实时检测的人脸检测算法准确率一般,鲁棒性不足OverFeat最早使用CNN进行特征提取图像滑窗,时间、空间开销大R-CNN定候选区域,CNN提取特征,

41、性能比传统算法显著提对每个候选区域都做特征提取,时间、空间开销大SPP-Net整张图片提取特征,加快速度;SPP层,避免候选区域归一化空间开销大Fast R-CNN同时完成定位和分类,节省空间候选区域选取方法计算复杂Faster R-CNN真正完成端到端训练测试模型复杂,小目标检测不佳,空间量化粗糙R-FCN定位精度更高模型复杂,计算量大Mask R-CNN实例分割准确,检测精度更高实例分割代价昂贵YOLO网络简单,检测速度优异定位准确度低,小目标、多目标检测效果不佳SSD网络简单,检测准确度获得高模型难收敛,小目标检测效果不佳YOLO v2 416允许用户在精度和速度之间调整使用预训练,难迁

42、移DSOD300不需要预训练检测速度一般R-SSD小目标检测效果较好模型计算复杂,检测速度一般24多传感器融合技术资料来源:CNBLOGS,CSDN,中泰证券研究所基本原理:多传感器信息融合技术的基本原理类似于人体大脑在综合处理信息的过程。通过利用多源数据进行合理支配与 分析,将各种传感器进行多层次、多空间的信息互补和优化组合处理,最终形成对观测环境的一次性解释。优势:多传感器融合技术的优势在于利用多个传感器相互协同的功能将基于各个传感器获得的分离观测信息,通过技术(将信息多级别、多方面组合)使得这些分离信息导出更多有用信息,进而提升整个传感器系统的智能化。同步概念:多传感器融合分为硬件同步与

43、软件同步。软件同步又分为时间同步与空间同步。分类:多传感器技术分为前融合算法与后融合算法,前融合技术较后融合技术因技术较为复杂,壁垒强大。要求:软件层面:算法需要足够强大,因为多传感器融合技术要求很高的数据处理与容错性。硬件层面:对传感器数量有要求,需要做到信息获取冗余且充分。图:多传感器技术运作方法25多传感器融合体系架构多传感器融合的体系架构分为:分布式、集中式和混合式分布式:先对各个独立传感器所获得的原始数据进行局部处理,然后再将结果送入信息融合中心进行智能优化组合来获得 结果。集中式:集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理,可以实现实时融合。混合式:混合式多传感器

44、信息融合框架中,部分传感器采用集中式融合方式,剩余的传感器采用分布式融合方式。资料来源:中霍传感,CNBLOGS,中泰证券研究所图:多传感器融合体系架构体系架构分布式集中式混合式信息损失大小中精度底高中通信带宽小大中融合处理容易复杂中等融合控制复杂容易中等可扩充性好差一般计算速度快慢中等可靠性高底高表:多传感器融合体系架构对比26多传感器融合技术前、后融合算法后融合算法:每个传感器独立处理生成的目标数据,且每个传感器都有自己所独立的感知,最后当所有传感器完成目标数 据生成后,再有主处理器进行数据融合。前融合算法的难点在于只通过一个感知算法将所有多维获得的综合数据进行感知。我们可以将前融合技术理

45、解为打造一个超级传感器,它将所有数据在原始层融合在一起,这个传感器既有能力感知雷达的 三维信息又可以感知摄像头等等。图:后融合算法运行模式资料来源:CNBLOGS,中泰证券研究所27云端:超算平台是核心竞争力超算平台是核心竞争力:以特斯拉DOJO为例,算力达到1EFLOPS,用来进行仿真、训练和新应用搭建。云端壁垒、成本高。算力:华为云总算力达0.128-0.512 eflops FP32。建造成本:云计算部署成本=20亿建造成本+0.73亿电费/年。资料来源:各企业官网,公开资料整理,中泰证券研究所表:各企业云计算总算力表:云计算部署成本总算力(eflops)微软0.024阿里0.1华为0.

46、128-0.512部署成本(亿元)建造成本20电费0.7328云计算VS超算资料来源:新车新技术,中泰证券研究所表:云计算vs超算区别:云计算与超算区别主要集中于三个方面:通用/专用:云计算通用,超算专用;分布/集中:云计算分布,超算集中;成本/性能:云计算成本较低,超算成本高。云计算超算通用/专用通用。面向所有需要信息技术的场景,应用领域和应用层次不断扩张,要支撑构造千变万化的应用。专用。提供国家高科技领域和尖端技术研究需要的运算速度和存储容量。分布/集中以分布式为特色,统筹分散的硬件、软件和数据资源, 通过软件实现资源共享和业务协同集中式。针对计算密集型任务更强调通过并行 计算获得高性能。

47、成本/性能重视成本。采用价格相比便宜的x86硬件搭建,可用性、 可靠性和扩展性主要通过软件实现重视性能。成本较高同时能源消耗较高29华为算法迭代周期短,特斯拉算力超强资料来源:华为,中泰证券研究所华为“八爪鱼”:全栈云平台,服务覆盖数据、模型、训练、仿真、标注等全生命周期业务。1)业内领先的自动标 注能力;2)云和MDC协同难例场景智能筛选(构建数据集时间成本降70 ;上云数据减少90)3)一站式自动驾驶 DevOps能力(规控算法评测周期天级小时级,算法迭代周期周级天级。)特斯拉Dojo:超强算力。目标算力达1EFLOPS FP32,主要用于处理视频数据和训练神经网络模型。从而让汽车实现自

48、动驾驶。百度智能驾驶云:数据采集能力强。国内最大规模、最专业的采集团队+成规模的一体化采集车+多传感器组合+支持车 辆定制化、传感器改装。谷歌智能驾驶云:路测里程长,持续打磨升级。打造自动驾驶仿真测试平台,24小时不间断测试;与英特尔等合作打 造适用于所有路况的L4级及以上自动驾驶计算平台。图:华为智能驾驶云服务八爪鱼Octopus目 录C O N T E N T S竞争格局:商业路径之争,迭代速度定成败产业演进:车端到云端,市场终将寡头化供应链:爆发有先后,感知、集成到应用23131为什么说爆发有先后?资料来源:Wind,中泰证券研究所我们认为,智能驾驶按照产业演进,分为车端竞争到云端竞争两

49、个阶段。车端竞争阶段(2020-2025):主要围绕电子电气架构、算力、传感器、算法等。这个阶段,由于主机厂的车队保有量和数据量均不大,对云端要求不高。此时的投资机会主要围绕传感器和赋能环节(算法、域控制器)。云端竞争阶段(2025年后):主要围绕算力、算法、车云整合、生态能力。由于车队保有量、数据量巨大, 对云端算力需求指数级增长,云端主要进行算法训练、生态应用。这个阶段头部效应会强化,算法会进一步拉开差 距,生态应用等边际收益递增的功能越来越多(社交、V2X、REM等),Robotaxi开始逐步普及。此时的投资机会主 要集中在云端应用。32摄像头:用量增加,性能提升32资料来源:产业研究院

50、,中泰证券研究所对标Tesla,各车企ADAS方案摄像头数量显著增加,探测距离、像素也不断提升。前视:单目-双目-三目。相较于双目摄像头通过两幅图像的视差进行测距,使得结果更加精确,三目摄像头将进一步 提升车载摄像头的精准度。Model 3ET7极氪001小鹏P5ARCFOX极狐 T智己L7前视3431环视444侧视44后视132车内2合计8111513514(含车2M 内)48M(车顶)像素1.2M8M探测距离250m687m8M250m2M180m摄像头类型 安装位置功能概要单摄摄像头前视前撞预警、交通标志识 一般采用视角45 的摄像头,需 别、行人碰撞预警、车 安装在车身的两个位置,双摄

51、摄道偏离预警、自适应巡 像头拥有更好的测距功能,但成 航本较高。双摄摄像头广角摄像头环视警全景泊车、车道偏离预 通过同时在车身四周装配上4个后视后视泊车辅助广角摄像头,来实现全景影像图, 实现道路路线感知。主要用于倒车使用。后视镜摄像头、盲点检 除使用超声波雷达作为盲点检测广角/鱼眼摄 像头广角摄像头盲点广角摄像头内嵌测闭眼提醒外,也可以通过摄像头来实现。 一般安装在车内后视镜位置。表:摄像头分类梳理表:重点车型摄像头方案33摄像头:性能提升ADAS级别提升需要对探测距离范围以及相应速度有进一步的提升,对摄像头性能要求更高。1)分辨率/(像素)提升。2)动态范围扩张。3) 帧率提升。33资料来

52、源: 新车新技术,中泰证券研究所图:监控级别镜头像素要求250200150100500300020406080100120140可视距离像素需求可视距离1/3 CCD图:特斯拉Hardware 3.0相较于2.5算力和可识别帧率大幅提升34摄像头:核心部件价值量变化随探测距离提升,核心部件价值量变化主要是镜头和图像传感器。为实现更远距离探测,将更多采用长焦镜头,技术 壁垒主要是光学设计。像素提升、帧率提升则需要对图像传感器进行升级。34资料来源: 前瞻产业研究院,中泰证券研究所图:车载摄像头价值构成50%25%14%6%5%图像传感器模组封装光学镜头音圈马达红外滤光片图:车载摄像头架构35芯片

53、负荷加大分辨率(像素)提升+摄像头数量增加对带宽需求更大:以YUV420的数据格式为例,摄像头所需带宽=像素X帧率*比特*1.5,随帧率和像素提升,对芯片所需带宽持续增加。数据量加大芯片算力负荷。从造车新势力解决方案来看,随着传感器和摄像头数量增加,芯片的算力预置也越来越高。若14个500万像素的摄像头做深度学习计算,算力至少需要1000Tops。35资料来源: 各公司官网,中泰证券研究所表:分辨率与视频带宽分辨率传输带宽范围QCIF128kbpsCIF384kbps4CIF1.5Mbps720P3.5Mbps1080P8Mbps蔚来ET7NIO Autonomous Driving(2022

54、年 一季度起交付)像素摄像头数量芯片算力800万搭载4个NVIDIA11个Drive Orin芯片 1016TOPS小鹏P7XPILOT 3.0像素摄像头数量 芯片算力200万13个英伟达Xavier芯片30TOPS像素130万理想ONE理想ONE标配辅摄像头数量6个Mobileye EyeQ4 视觉助驾驶系统感知处理芯片芯片算力单个芯片2.2TOPS(数量未知)车型系统项目配置芯片特斯拉Model 3Autopilot 3.0搭载2个特斯拉自研芯 片(FSD芯片)像素摄像头数量芯片算力120万8个144TOPS(单个芯片72TOPS)表:造车新势力ADAS解决方案36车载摄像头产业链资料来源

55、: 前瞻产业研究院等,中泰证券研究所摄 像 头镜头COMS模组封装欧菲光、丘钛科技、华域汽车、德赛西威、华阳集团、松下、法雷奥、富士 通、大陆韦尔股份、思特威、 比亚迪半导体、格科 微、安森美、索尼、 三星舜宇光学、联创电 子、Sekonix、 kantatsu、fujifilm34%18%14%12%22%舜宇光学 Sekonix kantatsu fujifilm 其他49.20%19.80%11.30%2.30%2.50%5.80%9.10%索尼三星 豪威 安森美 海力士意法半导体 其他20%11%10%9%9%8%8%25%松下法雷奥富士康 大陆麦格纳索尼MCNEX其他图:摄像头产业链

56、及2018年市占率37激光雷达:核心元件37资料来源: 各公司官网,中泰证券研究所激 光 雷 达 系 统光源扫描部件探测器对人眼安全瞬时脉冲单脉冲下的高能量峰 值窄带宽运动器件少 成本低可靠性高,过车规 扫描视场角大高灵敏度 高增益 低抖动低电子噪声光源(激光器):当前市场上激光雷达产品主要是采用1550nm和905nm两个波长。扫描部件:机械式、固态(MEMS、Flash、OPA)探测器:通常选择灵敏度较高的雪崩管探测器或光电倍增管作为激光雷达的探测器。滨松、Lumentum、光讯科技、ams、昂纳科技、 Manlight、Finsar、Osram、富士通、II Vl、 Coherent、华

57、芯科技知微传感、微奥、Lemoptix、滨松、Microvision、STM、Maradin、Opus、Mirrorcle、创微、水晶光电、VIAVI、Alluxa、|Heptagon、迈得特、福晶科技等滨松、Sensl、Osarm、STM、Sens-Tech、夜视 集团、Excelitas、Aurea、First sensor38固态VS机械机械+MEMS率先落地,Flash具备远期前景。目前在自动驾驶中应用占比较多的是机械式激光雷达,但总体成本较高, MEMS综合性能良好,成本低,目前自动驾驶实际应用处在机械式和MEMS式激光雷达的时代,MEMS、Flash是未来重点方 向。38资料来源:

58、 各公司官网,中泰证券研究所图:各类激光雷达性能图01可靠性432量产难度量产后成本工艺成熟度性能机械式MEMSOPAFLASH图:激光雷达分类39主要激光雷达厂商及产品方案表:激光雷达主要厂商厂商国别产品线主要投资机构16、32、64、128线机械、固态 MEMS百度、福特Velodyne美国Quanergy美国8线固态OPA三星、德州仪器、马斯克、戴姆勒、福尔德4、8线机械采埃孚(Tl)Ibeo德国LeddarTech加拿大8线机械Desjardins、欧司朗、德尔福、麦格纳、马瑞利、IDTLuminar美国固态MEMSARCHina Capital Partners、1517fund、G

59、VA capital、丰田Tetra Vue美国固态Flash面阵三星、富士康、博世Ouster关国16、64线机械Cox Enterprises、Fontinali、Amity VenturesInnoviz以色列固态MEMS三星、软银、福尔德、麦格纳、耀途资本Oxry Vision以色列独创COR相干光激光雷达BVP、Maniv Mobility、Trucks VC、Third Point Ventures速腾聚创中国16、32线机械、固态MEMS东方富海、复星锐正、北汽产投、上汽投资、菜鸟网络禾赛科技中国40线机械、独创ZOLO固态远瞻资本、高达资本、光速中国、百度、真格基金北科天绘中国

60、16、32、128线机械联想之星、云晖资本、白泽资本、StarVC镭神智能中国16、32线机械、固态MEMS招商资本、如山资本、北极光创投、达晨创投北醒光子中国固态Flash面阵IDG、科沃斯机器人、顺为资本、凯辉基金、达泰资本光珀智能中国固态Flash面阵万事利集团、浙江金控、丰实资本、华控创业 华为中国96线中长距激光雷达半固态MEMS大疆Livox中国固态非重复扫描大疆资料来源: 各公司官网,中泰证券研究所3940MEMS方案40资料来源: 汽车之友、自动化博览,中泰证券研究所图:MEMS激光雷达结构MEMS:核心部件是微振镜。相较于机械式雷达,MEMS激光雷达对激光器和探测器的数量需求

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论