场景先行高级别自动驾驶商业化加速落地

1、目录TOC o 1-2 h z u HYPERLINK l _TOC_250014 高级别自动驾驶的内涵与商业化落地 4 HYPERLINK l _TOC_250013 实现自动驾驶的三大关键系统 7 HYPERLINK l _TOC_250012 我国自动驾驶迎来发展新阶段 9 HYPERLINK l _TOC_250011 核心问题，对高级别自动驾驶产业的趋势判断 11 HYPERLINK l _TOC_250010 趋势一：飞轮驱动，渐进式与一步到位式路线并行 12 HYPERLINK l _TOC_250009 趋势二：纯视觉识别存在缺陷，激光雷达成为刚需 13 HYPERLINK l

2、 _TOC_250008 趋势三：车载硬件成本居高，但呈现快速下降趋势 14 HYPERLINK l _TOC_250007 趋势四：MCU 供不应求，车载芯片厂商地位上升 16 HYPERLINK l _TOC_250006 趋势五：车路协同降本增效，中国市场领先全球 17 HYPERLINK l _TOC_250005 场景先行，高级别自动驾驶商业化落地分析 18 HYPERLINK l _TOC_250004 场景一：干线物流，Robotruck 颠覆长途货运 19 HYPERLINK l _TOC_250003 场景二：城市道路，Robotaxi 重塑未来出行 22 HYPERLINK

3、 l _TOC_250002 场景三：AVP 自主泊车，渐进式落地城市场景 24 HYPERLINK l _TOC_250001 场景四：无人末端配送，实现最后一公里闭环 26 HYPERLINK l _TOC_250000 场景五：矿区自动驾驶，刚需迫切模式成熟 27图表图表 1: 自动驾驶商业化落地时间表 4图表 2: 高级别自动驾驶商业化落地的效益逻辑 4图表 3: 高级别自动驾驶落地场景难度 5图表 4：高级别自动驾驶商业化落地场景 5图表 5：高级别自动驾驶商业化落地场景潜在市场规模 6图表 6: 中国高级别自动驾驶产业链图谱 6图表 7: 智能汽车产业链 7图表 8: 自动驾驶三大

4、关键系统 8图表 9: 自动驾驶分级标准 8图表 10: 自动驾驶本质上是解放人类 9图表 11: 国家层面自动驾驶相关顶层设计 9图表 12: 智能网联汽车技术路线图 2.0 9图表 13：2020-2025E 中国乘用车/商用车出货量 10图表 14：2020-2025E 中国自动驾驶渗透率 10图表 15：2019 年新兴技术成熟度曲线 11图表 16：2013-2021 年中国自动驾驶投融资情况 11图表 17: 智能汽车的下个十年路径与趋势 12图表 18：L4 高级别自动驾驶实现的三种路径 13图表 19: 自动驾驶数据-算法闭环飞轮 13图表 20：不同环境监测传感器特性对比 1

5、4图表 21: 主要汽车传感器在各级 SAE 中的应用 15图表 22: 当前自动驾驶感知层硬件成本测算 15图表 23：激光雷达价格趋势 15图表 24: 汽车芯片分类架构 16图表 25: 自动驾驶车载芯片厂商的产业链地位 16图表 26: 自动驾驶芯片的对比和要求 16图表 27：V2X 车路云协同技术 17图表 28：消费者愿意为自动驾驶支付的平均溢价 17图表 29: 高级别自动驾驶落地场景难度 18图表 30: 我国 16-59 周岁人口数量和比重连续 7 年下降 19图表 31: 城际货运行业规模测算 19图表 32：自动驾驶和人工驾驶货车的油耗与人力成本对比测算 20图表 33

6、：长途货车自动驾驶系统投资回收期测算 20图表 34：2021 年 L3 级自动驾驶卡车 TCO 成本结构 20图表 35：中国高级别自动驾驶卡车公司情况一览 21图表 36: 自动驾驶和人工驾驶出租车出行服务成本曲线 22图表 37：2030 和 2040 年中国自动驾驶乘用车市场规模预测 22图表 38: 自动驾驶车辆占乘用车总路程比例测算 23图表 39：中国 Robotaxi 规模化运营落地一览 23图表 40: 2014-2020 中国汽车保有量和城市情况 24图表 41: 主要城市车位车辆比及使用率情况 24图表 42: 自动驾驶泊车场景应用分类 24图表 43: 国内外 AVP

7、厂商合作与落地进度一览 25图表 44: 中国泊车系统市场规模增长预测 25图表 45: 2014-2020 年中国即时物流行业订单量与行业规模变化 26图表 46: 中国无人末端配送初创企业产品落地情况 26图表 47: 无人驾驶矿区场景市场规模测算 27图表 48: 无人驾驶矿区场景市场规模测算 28图表 49: 高级别自动驾驶产业链上市公司估值表 28高级别自动驾驶的内涵与商业化落地自动驾驶汽车（Autonomous Vehicles，AV）指通过搭载先进传感器等装置，运用人工智能等新技术，具有自动驾驶功能的新一代汽车，又称为智能网联汽车、无人驾驶汽车。本篇报告中，我们提出对高级别自动驾

8、驶产业的五大趋势判断，重点分析五类细分场景的商业可行性、主要玩家与落地前景。我们认为，L3 级高速公路有条件自动驾驶、L4 级自主代客泊车、矿区自动驾驶和无人末端配送将在 2025 年前量产落地，L4 级无人Robotruck/Robotaxi有望在 2025-2030 年开始商业化落地。图表 1: 自动驾驶商业化落地时间表倒车辅助L4高速公路 Robotru完全自动城市道路Robotaxi量产落地时间20302025-20302021-20252020ACC自适应巡航控制LAL1辅助自驾驶资料来源：图表 2: 高级别自动驾驶商业化落地的效益逻辑高级别自动驾驶商业落地的效益逻辑规模效益替代效用

9、驾驶主体运行环境自动驾驶系统运行的路况环境是否简单，作业流程是否标准效用成本？驾驶员是否长时间疲劳驾驶，对人的能动性要求是否灵活资料来源：我们认为，高级别自动驾驶最大的优势和风险均来自系统对于人类驾驶员的替代。高级别自动驾驶商业化落地，本质上是考虑自动驾驶系统对人类驾驶员的替代效用是否大于成本。风险在于，当前自动驾驶的软硬件成本高昂，识别技术和算法尚未完善，而真正成熟落地必须解决商业化量产问题；优势在于，自动驾驶汽车能够持续作业、控制驾驶水平稳定性、减少安全暴露风险。因此，从运行环境的角度讲，越简单的路况环境和越标准的作业流程，就越能够批量落地自动驾驶系统，带来成本规模效益；从驾驶主体的角度讲

10、，越能代替人类驾驶员疲劳驾驶、高危作业的场景，越有替代价值。图表 3: 高级别自动驾驶落地场景难度高级别自动驾驶落地场景难度封闭开放环AVP泊车末端配送港口矿区高速高低资料来源：图表 4：高级别自动驾驶商业化落地场景资料来源：高级别自动驾驶市场落地场景广泛，规模可达万亿元。应用场景主要可分为 2C（乘用车）、 2B（商用车）和 2G（政府国企）等。按潜在规模测算，我们预计中国高速城际物流市场达3.3 万亿元，自动驾驶出行服务市场近 1.7 万亿元，矿区无人驾驶市场近 6,700 亿元，无人末端配送市场达 1,700 亿元，自主代客泊车市场规模约 800 亿元。图表 5：高级别自动驾驶商业化落地

11、场景潜在市场规模高级别自动驾驶落地场景潜在市场规模（十亿元）高速高速干线物流3,300自动驾驶出行服务矿区自动驾驶1,690670AVP自主泊车80“最后一公里”即时物流 170低速场景复杂度驾驶速度封闭固定开放流动资料来源：麦肯锡，蔚来资本，图表 6: 中国高级别自动驾驶产业链图谱百度（BIDU.O）五大落地场景矿区自动驾驶无人 末端配送AVP自主代客泊车高速干线物流Robotruck无人驾驶出租车Robotaxi文远知行（未上市）小马智行（未上市）元戎启行（未上市） AutoX（未上市） 驭势科技（未上市）滴滴出行（未上市）曹操出行（未上市）百度（BIDU.O） 图森未来（TSP.O）嬴彻

12、科技（未上市）智加科技（未上市）主线科技（未上市）禾多科技（未上市）百度（BIDU.O）驭势科技（未上市）纵目科技（未上市）禾多科技（未上市） Momenta（未上市）百度（BIDU.O）京东（JD.O）美团（3690.HK）新石器（未上市）白犀牛（未上市）智行者（未上市）行深智能（未上市）驭势科技（未上市）慧拓智能（未上市）踏歌智行（未上市）易控智驾（未上市）希迪智驾（未上市）伯镭科技（未上市）中国高级别自动驾驶产业链图谱五类相关厂商解决方案商乘用车厂商高级别自动驾驶商用车厂商造车新势力蔚来汽车（NIO.N）小鹏汽车（XPEV.N）理想汽车（LI.O）恒大汽车（0708.HK）威马汽车（未上

13、市）智己汽车（未上市）领克汽车（未上市）东风汽车（600006.SH）上汽集团（600104.SH）一汽集团（000800.SZ）金龙汽车（600686.SH）陕汽重工（未上市） 中国重汽（000951.SZ）北方股份（600262.SH）同力重工（未上市）吉利汽车（0175.HK） 比亚迪（002594.SZ） 长城汽车（601633.SH）一汽集团（000800.SZ）北汽集团（1958.HK） 上汽集团（600104.SH）广汽集团（601238.SH）东风汽车（600006.SH）长安汽车（000625.SZ）奇瑞汽车（未上市）百度（BIDU.O） Momenta（未上市）地平线（未上

14、市）华为（未上市）中国移动（0941.HK） 中国电信（0728.HK） 中国联通（600050.SH）5G + V2X资料来源：图表 7: 智能汽车产业链资料来源：实现自动驾驶的三大关键系统通常以 L3 级别为界，将 L0-L2 级视为自动驾驶辅助系统（ADAS），将 L3 级及以上视为高级别自动驾驶。类似于人类，自动驾驶系统的工作系统可分为感知层、决策层、执行层，这是实现自动驾驶的三大关键系统。感知层：通过传感器探测周围环境，将各类环境信息转换为电信号。车载传感器包括摄像头、激光雷达（LiDAR）、毫米波雷达、超声波雷达等，路侧辅助系统包括高精度地图、全球导航卫星系统（GNSS）、惯性导航

15、系统（INS）、车用无线通信技术（V2X）等。决策层：依托车载计算单元，利用算法分析环境数据，并发出操作指令。车载计算芯片由 CPU 向 GPU/TPU 转变，并结合云计算和 AI 算法。决策过程包括基于高精地图的路由寻径（Route Planning）、基于路况环境的行为决策（Behavior Decision）和基于约束条件的动作规划（Motion Planning）。执行层：根据指令，通过各种执行器完成相应的汽车操控。控制系统由传统汽车离散式的电子控制单元（ECU）向集中式的域控制器（DCU）和多域控制器（MDC）转变。依据决策结果对车辆执行指令，反馈控制（Feedback Contro

16、l）满足车辆动态姿态限制的方向盘转角和前向速度 r，以及车灯、鸣笛、雨刮等指示操作。图表 8: 自动驾驶三大关键系统资料来源：CSDN，图表 9: 自动驾驶分级标准自动驾驶分级名称定义描述动态驾驶任务应急事件接管者设计运行域车辆运动目标事件NHTSASAE持续控制监测响应00无自动化由人类驾驶员全权操作汽车，但行驶过程中可以得到警告和保护系统的辅助驾驶员驾驶员驾驶员无11驾驶支援系统对方向盘和加减速中至少一项操作提供驾驶支援，其他的驾驶动作都由人类驾驶员进行操作驾驶员和系统有限场景22部分自动化系统对方向盘和加减速中的多项操作提供驾驶支援，其他的驾驶动作都由人类驾驶员进行操作33有条件自动化由

17、无人驾驶系统完成所有的驾驶操作。根据系统请求，人类驾驶员提供适当的应答44高度自动化由无人驾驶系统完成所有的驾驶操作。对于系统请求，人类驾驶者不一定需要对所有的系统请求作出应答。系统在限定道路和环境条件下运行系统系统系统5完全自动化由无人驾驶系统完成所有的驾驶操作。系统在所有的道路和环境条件下运行所有场景资料来源：NHTSA，SAE，从简单到复杂、从限定到开放，汽车的内涵与外延已经逐步从一种“交通工具”变为“轮式机器人”。为什么说 L3 是低级别和高级别自动驾驶的分水岭？因为从 L0-L2 级实现的是对肢体动作的指令替代，更多的是“物”的属性，而 L3 级及以上自动驾驶系统则具备了自主信息处理

18、能力，更加具备“人”的属性。有朝一日，变形金刚系列电影中的汽车机器人或将成为现实。图表 10: 自动驾驶本质上是解放人类L4L5低级别自动驾驶高级别自动驾驶L0L1L2无自动化解放双脚解放双手L3解放双眼解放大脑 人工智能资料来源：德勤，我国自动驾驶迎来发展新阶段我国自动驾驶迎来发展新阶段。2020 年 2 月，国家发改委、工信部等 11 个部委联合印发智能汽车创新发展战略，明确提出建设中国标准智能汽车和实现智能汽车强国的战略目标，包括构建协同开放的技术创新体系、跨界融合的产业生态体系、先进完备的基础设施体系、系统完善的法规标准体系、科学规范的产品监管体系、全面高效的网络安全体系等六大重点任务

19、。2020 年 11 月，国务院办公厅印发新能源汽车产业发展规划（2021-2035年），提出高级别自动驾驶商业化落地目标：到 2025 年，高级自动驾驶汽车实现限定区域和特定场景商业化应用；力争到 2035 年，高级自动驾驶汽车能够实现规模化应用。图表 11: 国家层面自动驾驶相关顶层设计资料来源：国务院，中国政府网，图表 12: 智能网联汽车技术路线图 2.0资料来源：清华大学，国家智能网联汽车创新中心，中国高级别自动驾驶市场空间潜力巨大。根据中汽协及 Yole 的数据，2020 年中国乘用车销量 2,018 万辆，商用车销量 509 万辆。我们预计 2021E-2025E 中国乘用车出货

20、量有望逐年达到 2,361/2,432/2,505/2,580/2,657 万辆，2021E-2025E 中国商用车出货量有望逐年达到458/474/490/507/525 万辆。我们认为，随着自动驾驶技术的成熟以及新时代下整机厂将自动驾驶作为汽车卖点之一，L3+自动驾驶汽车的比例预计将快速提高。我们预计，中国 2021E-2025E L3 自动驾驶渗透率有望分别达到 2.3%/4.0%/6.3%/9.1%/11.2% ， 中国 2022E-2025E L4/L5 自动驾驶渗透率有望分别达到 0.3%/0.5%/1.3%/2.2%。图表 13：2020-2025E 中国乘用车/商用车出货量20

21、20-2025E中国乘用车/商用车出货量（万辆）2,5802,6572,3612,4322,5052,0185094584744905075253,0002,5002,0001,5001,000500-20202021E2022E2023E2024E2025E中国乘用车出货量中国商用车出货量资料来源：中汽协，Yole，图表 14：2020-2025E 中国自动驾驶渗透率12.0%10.0%8.0%6.0%4.0%2.0%0.0%2020-2025E中国自动驾驶渗透率9.1%6.3%4.0%1.4%2.3%2.2%0.3%0.5%1.3%11.2%20202021E2022E2023E2024E

22、2025E中国L3自动驾驶渗透率中国L4/L5自动驾驶渗透率资料来源：智研咨询，核心问题，对高级别自动驾驶产业的趋势判断潜龙勿用，阳在下也，每一次科技革命的浪潮都不是一蹴而就，高级别自动驾驶技术同样经历了从期望过度膨胀到跌落，再重新爬升的过程。2018 年以前，直接面向 L4 的初创公司获得了市场热捧，但其商业化落地受到了明显的成本瓶颈和法规限制，高德纳咨询公司（Gartner）发布的新兴技术成熟度曲线显示，高级别自动驾驶（Autonomous Driving L4）在 2019 年进入了泡沫化低谷期，距离完全成熟落地可能仍需要超过 10 年的时间。图表 15：2019 年新兴技术成熟度曲线资

23、料来源：Gartner，一级市场投融资是对产业的直观反映。投融资数据显示，在经历了 2016-2018 年的疯狂后，产业内和投资者意识到高级别自动驾驶落地远没有此前想象的容易，因此在 2019 年进入了资本寒冬。然而，进入 2021 年以来，仅仅 3 个月时间中国自动驾驶赛道披露的投融资额已经超过 2019 年全年。要理解 2021 年和 2018 年的本质区别，关键是要厘清高级别自动驾驶的趋势变化，并看到商业化落地场景的全新局面。图表 16：2013-2021 年中国自动驾驶投融资情况2013-2021年中国自动驾驶投融资情况（亿元）900.078534.9626043436.3225.62

24、3184.2176.4 240.3 2 0.7 88.2 800.0700.0600.0500.0400.0300.0200.0100.0-811.090758070605040302010201320142015201620172018201920202020年1-2月0披露融资金额（亿元）投融资事件数（右轴）资料来源：企查查，我们认为，智能汽车产业将在下一个十年中将呈现电动化、智能化、网联化和共享化的趋势。整车品牌、整车制造、零部件、软件服务等有望孕育平台型汽车企业，市场份额更加走向集中化。主要玩家将具备自动驾驶能力、硬件整合能力、跨平台软件和服务变现能力，以及无人车运营能力。本土品牌厂商

25、有望崛起，通过软件及服务体现差异性，并从硬件向软件及服务转型，带来车企利润率及客户粘性的提升。图表 17: 智能汽车的下个十年路径与趋势资料来源：我们判断，当前高级别自动驾驶呈现出以下几方面的关键趋势：1）飞轮驱动，渐进式与一步到位式路线并行；2）纯视觉识别存在缺陷，激光雷达成为刚需；3）车载硬件成本居高，但呈现快速下降趋势；4）MCU 供不应求，车载芯片厂商地位上升；5）车路协同降本增效，中国市场领先全球。趋势一：飞轮驱动，渐进式与一步到位式路线并行自动驾驶的终局是高级别自动驾驶，即 L3+完全无人驾驶。高级别自动驾驶商业化落地最终一定是规模化、可盈利的，只有这样才能对人力成本有效替代。人类

26、驾驶员平均水平约为每 1 亿公里出现一次致命事故，因此高级别自动驾驶至少要做到同数量级或高一个数量级，才能产生规模量产的指数化效益。借鉴 Momenta 的算法，实现规模化 L4 的总成本可分为研发成本和数据成本，即：实现规模化 L4 的总成本 C = 研发成本 + 数据成本= 问题个数 N单问题研发成本 R + 测试总里程 M单公里数据成本 D客观上预计长尾问题个数 N 达到百万量级，需要的测试总里程 M 达到千亿公里，因此，降低单问题研发成本 R 和单公里数据成本 D 成为降低总成本 C 的必然选项。目前行业内开展自建车队的方式，其 R 与 D 均十分高昂，需要完全自购自动驾驶车辆和相关软

27、硬件，是一种重资产的运营模式，给自动驾驶科技公司的现金流带来较大压力。图表 18：L4 高级别自动驾驶实现的三种路径路径1：循序演化至L4路径2：ADAS与L4并行路径3：一步到位做L4类型：大部分主机厂原因：主机厂具备整车生产的技术和基因，仍然需要持续销售整车来盈利，重点考虑安全性和前装量产成本典型代表：本田，一汽，特斯拉类型：部分主机厂和科技公司 原因：认为L4是汽车产业的最终阶段，但小步快跑落地，通过 ADAS和L3级的落地盈利推动L4级的研发典型代表：奥迪，吉利，华为类型：大部分科技公司原因：没有整车销售的压力，专注于系统、芯片、方案的开发，不具备量产的整车基因，多采用后装车辆路测试运

28、营典型代表：百度，Waymo资料来源：车百智库，不论采用哪种路径，实现高级别自动驾驶的都是最终目标，不同的企业具备不同的基因和资金，实则体现了对于自身而言最高效最现实的选择。我们认为，量产落地与算法优化并不矛盾，二者能够相互驱动，即通过真实的落地场景，将 L3 及自动驾驶系统搭载在客户车辆上，在为客户解决问题的同时积累海量真实问题数据，形成“量产-数据积累-算法优化-市场接受度提升-增加量产”的飞轮效应。同时，可以借助客户的真实驾驶需求，规避给每个自动驾驶测试车辆配备 1-2 位安全员的人力成本。这也是自动驾驶厂商近两年积极推动量产落地的重要原因之一。图表 19: 自动驾驶数据-算法闭环飞轮数

29、据回流回收处理安全存储数据采集车端筛选覆盖长尾数据分析异构计算灵活高效数据标注算法辅助自动标注闭环自动化测试验证分级评测快速反馈资料来源：Momenta，模型训练数据驱动自动迭代趋势二：纯视觉识别存在缺陷，激光雷达成为刚需早在 2014 年，特斯拉发布自动驾驶辅助系统 Autopilot，属于 ADAS 级别。2019 年，特斯拉 CEO 埃隆马斯克（Elon Musk）宣布推出自动驾驶芯片 FSD（Full Self-Driving），认为采用纯视觉识别方案可解决高级别自动驾驶问题。Autopilot 可实现自适应巡航和自动转向，FSD作为选装套件可实现高速和识别信号灯，都只满足 SAE 定

30、义的 L2 级别辅助自动驾驶。我们认为，纯视觉识别算法具有先天缺陷：自动忽略静止物体。特斯拉坚持采用纯视觉识别技术，带来可观商业化效用的同时，也频频发生自动驾驶安全事故。由于视觉图像含有大量冗余信息，芯片算力无法解析（或者不经济），因此特斯拉选择赋予运动的物体更高的算法权重，因此在 Autopilot 模式下频频撞上停在路边的静止车辆。我们认为，单纯依赖视觉方案存在以下隐患：1）光照依赖：光照不良时（强光/逆光/夜晚/恶劣天气），作用大幅受限；2）须 2D 转 3D：获取 2D 信息，需经算法处理转换为 3D 信息，精确度和时效性不及能直接从外界获取位置信息的激光雷达；3）算力及成本：光学方案

31、下，成熟算法要求海量数据作为训练基础以及更高芯片算力保障，相应成本水涨船高。而 L3 级以上高级别无人驾驶系统首先要满足安全性的要求，因此业界共识必须采用摄像头视觉识别与毫米波雷达、激光雷达共同协作的方案。尤其是激光雷达强大的抗恶劣条件能力和三维建模能力，使其成为高级别自动驾驶量产落地的必备刚需。图表 20：不同环境监测传感器特性对比成本优势抗强光抗暗光抗恶劣天气作用范围物体探测交通信号识别识别分类三维建模 接近探测速度探测车道探测成本优势抗强光抗暗光 抗恶劣天气作用范围物体探测交通信号识别识别分类三维建模接近探测速度探测车道探测成本优势抗强光抗暗光抗恶劣天气作用范围物体探测交通信号识别识别分

32、类三维建模 接近探测速度探测车道探测摄像头毫米波雷达激光雷达资料来源：OFweek，趋势三：车载硬件成本居高，但呈现快速下降趋势企业在量产成本与安全性之间进行权衡，这是自动驾驶商业化落地的矛盾所在。参照 Velodyne、华为等公司披露的方案，我们认为高级别自动驾驶主流的技术方案为：L3 自动驾驶乘用车/商用车搭配 1-3 颗前向激光雷达，L4/L5 自动驾驶乘用车/商用车搭配 4 颗激光雷达。L4 自动驾驶的硬件设备还包括感知层的 8-11 台摄像头，12 台超声波雷达，5-8 台毫米波雷达，和 GNSS/IMU 定位系统等。我们简单测算 L2-L4 级自动驾驶感知层的硬件成本，L2 级的

33、3600 元左右跃升至目前 L3 级的 22,000 元左右，L4 级则高达 32,600 元。守得云开见月明，自动驾驶硬件成本有望快速下降。我们在激光雷达 2：车载激光雷达推动 L3+自动驾驶，有望成为千亿元赛道中指出，激光雷达价格下降将促进出货量提升，进一步带来规模效应促其成本下降。结合草根调研，我们预计当前可量产激光雷达的平均价格约为$1,000，到 2023 年激光雷达单价有望下降至$500 左右，远期 L3 成熟、L4/L5 导入千万台量产时单台激光雷达成本将降至$100 以内。参考计算机发展过程中著名的“摩尔定律”：计算机的性能每隔 18 个月翻一倍，即每过一年半时间，价格降为二分

34、之一，硬件的降价趋势将为自动驾驶提供成本可行性与商业利润空间。图表 21: 主要汽车传感器在各级 SAE 中的应用L0L1L2L3L4L5当前成本超声波雷达-48121212100激光雷达-12410000-LRR*1LRR*1LRR*1LRR*1LRR*2 LRR800 SRR*2 SRR*2 SRR*4 SRR*6 SRR*6SRR300毫米波雷达摄像头-14888350（/环境监测车身感知2流量传感器10陀螺仪10100加速计5压力传感器感知层：传感器执行层：执行器1.5决策层：ECU资料来源：Yole Development，车云网，慧聪网，图表 22: 当前自动驾驶感知层硬件成本测算

35、资料来源：图表 23：激光雷达价格趋势机械式混合固态纯固态路测L3导入L3增长L3成熟，L4/L5导入百台/年十万台/年百万台/年千万台/年$75,000$20,000$1,000$500$100$502017-20182018-20202020-2023E2023E-资料来源：Livox 官网，趋势四：MCU 供不应求，车载芯片厂商地位上升2020 年年底以来，全球范围内半导体供给短缺，汽车行业发生“芯片荒”。目前短缺的主要是用于电子稳定控制器（ESP）和电子控制单元（ECU）中的微控制器（MCU，Microcontroller Unit）。ESP 属于汽车主动安全系统架构，ECU 用于控制

36、单元包括传统的底盘控制和自动驾驶车载芯片，因此 MCU 是汽车控制安全的核心部件。据 IHSMarkit 预测，2020-2026 年汽车芯片收入将从 380 亿美元增长到 676 亿美元，复合年均增长率达到 7。图表 24: 汽车芯片分类架构汽车芯片算力芯片功率转换芯片传感器芯片处理器芯片（中控、自动驾驶芯片）控制器芯片（发动机、底盘控制）电源和接口如EV用绝缘栅双极晶体管功率芯片摄像头、激光雷达等环境传感器气囊、胎压等车身传感器资料来源：IHS Markit，除了新冠疫情、德州暴风雪、日本瑞萨工厂火灾等短期不利因素外，我们认为，形成当前汽车芯片短缺的长期原因有三方面：1）汽车芯片厂商深度依

37、附于整车厂，比如瑞萨与丰田联盟、英飞凌与德系车企联盟，三大 MCU 巨头通过这种形式获得了近七成的市占率；2） MCU 产能过于集中：全球汽车 MCU 产品供应主要由瑞萨、NXP、英飞凌、德州仪器等 7 家半导体公司掌控，由于 MCU 芯片主要采用 200mm 晶圆工艺制程，芯片公司选择将其外包台积电代工了全球 70%以上的车载 MCU；3）整车厂对车载芯片要求严苛，短期内需求远超供给：车载芯片对于安全性要求，必须满足专门的 AEC-Q100 一系列认证，因此用于消费电子的芯片生产线无法直接用于汽车芯片生产。图表 25: 自动驾驶车载芯片厂商的产业链地位整车厂OEM控制器硬件应用软件传感器中间

38、件等操作系统芯片整车厂OEM车载计算平台传感器控制器其他硬件Tier1Tier2传统汽车芯片供应链新汽车芯片供应链资料来源：随着自动驾驶对高算力需求不断提升和向 SoC 芯片的进化，车载芯片厂商的产业链地位有望从传统 Tier2 转变为提供车载计算单元的 Tier1。出于安全考虑，决策层需要配置 2 台车载计算平台（ADU）以提供冗余算力。目前每台车载计算单元 ADU 的售价在 4-5 万元左右，我们预计随着未来量产，单台 ADU 成本有望降至万元以下。车辆驾驶的安全要求芯片具有较高的可靠性，IC 厂商需要通过由汽车电子协会（AEC）制定的集成电路资格认证 AEC-Q100，包括 7 大类别共

39、 41 项测试，以及专门针对车用安全性标准 ISO-26262 中的汽车安全完整性等级 ASIL 认证，整个完整周期需要 3-5 年的时间，产生先发优势认证壁垒。图表 26: 自动驾驶芯片的对比和要求消费电子芯片传统汽车芯片自动驾驶芯片可靠性中高极高：AEC-Q100, ISO26262-ASIL工艺领先性高低中：16nm/10nm/7nm芯片复杂性高低高：CPU/GPU/TPU设计周期短长中：3-5 年代表公司NVIDIA, AMD, MTKRenesas, NXP, TIMobileye资料来源：蔚来资本，趋势五：车路协同降本增效，中国市场领先全球智慧交通和 V2X 车路云协同技术有望带来

40、路侧红利，分担大量的路况感知和数据运算。通过路侧辅助系统，降低车载自动驾驶系统的投入成本。据百度 Apollo 测算，V2X 车路云协同技术每年可为一座大城市节省 1500 亿元，避免 94%人为造成的交通事故；所有路况数据传输到云端，通过计算分析，将信息反馈到各方面的交通参与者，可解决 54%单车智能遇到的问题。通过在信号灯、路灯等路侧设施上安装路侧计算单元（RSCU），5G 传输低延时信号，实时分担车载计算。同时，交通管控平台可帮助自动驾驶车辆规避视觉盲区，提前获知几百米内的路况，做出最优路径规划。图表 27：V2X 车路云协同技术车辆运行信息车载系统路侧系统交通管控信息路侧计算单元RSC

41、U车辆信息V2X车路云协同交通管控信息路侧监控信息5G通信基站 自动驾驶终端 交通管控平台 智能路侧基站 路侧信息资料来源：百度 Apollo，华为，我们判断，中国高级别自动驾驶市场将领先全球。根据麦肯锡的调研结果，中国的消费者比北美和欧洲的消费者对自动驾驶有更加强烈的兴趣，中国消费者愿意为自动驾驶车辆支付更高的溢价，折合超 3 万元人民币。从经济学的角度讲，当一项产品/功能带来的消费者效用大于生产者的成本时，就具有了市场需求基础，自动驾驶系统生产商的目标即把增加的自动驾驶系统成本应控制在消费者接受的溢价之内。我们认为，出行习惯和油耗成本决定了中国等发展中国家在城市化过程中，新城市人倾向于选择

42、公共交通和共享出行方式。因此，自下而上形成了对自动驾驶的积极性，考虑到人口基数效应，我们预计，中国的自动驾驶市场前景将比欧美更加广阔。图表 28：消费者愿意为自动驾驶支付的平均溢价资料来源：McKinsey Future Mobility Survey，场景先行，高级别自动驾驶商业化落地分析高级别自动驾驶将如何落地？我们对落地场景难度判断的逻辑为：从封闭到开放，从低速到高速，从简单到复杂。我们从以下两个维度分析：第一个维度是环境复杂度。信息论之父香农（Shannon）提出信息熵概念，环境复杂度实则是信息熵，即不确定性事件发生的可能性，因此，开放道路的信息熵要高于封闭道路，城市道路的信息熵要高于

43、高速公路。车辆智能化的过程是一个不断增加数据输入的过程，安全性对于感知层冗余的要求使得相应的信息熵不断增加，因此需要算法对其进行有序化熵减，通过逻辑判断输出为简单可执行的电子/机械命令。第二个维度是运行冗余度。冗余度是自动驾驶车辆系统的安全边际，车辆位置空间变化及路径矢量 s = v0t+0.5at2，因此初始速度、系统加速度和反应时间共同决定了车辆调整空间位置所需路径。初始速度即该场景下的正常行驶速度，加速度主要受动力系统和环境路况的影响，反应时间受到感知速率、决策效率和执行速度的影响5G 和传感器提升感知速率，AI 算法提升决策效率，域控制器提升执行速度。图表 29: 高级别自动驾驶落地场

44、景难度高级别自动驾驶落地场景难度封闭开放高环境复杂度AVP泊车末端配送港口矿区高速干线城市道路低运行冗余度资料来源：我们对自动驾驶商业化落地持乐观态度。我们认为，L3 级高速公路有条件自动驾驶、L4 级自主代客泊车、矿区自动驾驶和无人末端配送将在 2025 年前落地，L4 级无人 Robotruck/ Robotaxi 有望在 2025-2030 年开始商业化落地。场景一：干线物流，Robotruck 颠覆长途货运货运行业供需矛盾将推动高速干线物流场景快速落地。需求方面，公路运输一直是我国货运体系的主要方式，国家统计局数据显示，2011-2019 年中国货运总量持续增长，2020 年受新冠疫情

45、影响有所下降。2020 年全国公路货运量 342.64 亿吨，占货运总量的比重高达 73.93%。我们测算，2020 年全国公路运输总费用约为 6.1 万亿元中，城际货运占比过半，潜在市场规模超 3.3 万亿元。供给方面，长途货运的运输效率不高、有效里程偏低、货车司机不足。交通运输部数据显示，截至 2018 年底，我国营运货车 1355.82 万辆，连续五年下降。我国单货车年运输量在2500 吨至 3000 吨，实载率仅为六成，较发达国家低 15%至 20%；日有效行驶里程 330 公里，较发达国家低 470 至 670 公里。截至 2019 年 5 月，我国货车司机 1800 万，已经连续五

46、年持续下降，总体缺口率为 16.5%，部分地区达到 20%以上。图表 30: 我国 16-59 周岁人口数量和比重连续 7 年下降资料来源：国家统计局，图表 31: 城际货运行业规模测算运输52%公路运输 74%城际货运 54%城际货运仓储管理 47%其他46%其他26%社会物流总费用运输总费用公路运输总费用城际货运市场14.9万亿元7.8万亿元6.1万亿元3.3万亿元资料来源：国家发改委，嬴彻科技，我们认为，自动驾驶货车（Robotruck）商业模式清晰，有望超预期落地。Robotruck 在长途物流运输时，可以将 2 名司机减少为 1 名，在短途运输时可以减少单个司机的工作量，为司机个人和

47、货运企业带来显著的成本效益。同时，人类驾驶员存在个体差异和行为波动，而 Robotruck 可以通过算法控制最优的油耗性能和安全距离。燃油成本占卡车 TCO 成本的三到四成，车企实验数据表明，自动驾驶系统可以控制油耗下降 5%-10%，若采用货运车队行驶，还可进一步减少风阻，降低长途油耗。图表 32：自动驾驶和人工驾驶货车的油耗与人力成本对比测算分类安全时效性油耗成本人力成本假设人工驾驶货车安全、时效、油耗受制于司机能力和责任心，差异大波动大30-35 万元/年/车长途重卡需 2 个司机轮流驾驶，人工成本 30 万元/年/车一个司机一年工资 15 万元自动驾驶货车算法保证安全和时效 性，油耗控

48、制处于最佳状态控制油耗下降 5-10%，节省 1.5-3 万元/年/车L3 级省去 1 个司机，剩余 1个司机工资 18 万元；L4 级省去 2 个司机草根调研结果：尽管自动驾驶劳动强度降低，但需要提升工资来激励一个人驾驶，工资+20%资料来源：电动汽车百人会，嬴彻科技，图表 33：长途货车自动驾驶系统投资回收期测算长途货车自动驾驶系统（L3）长途货车自动驾驶系统（L4）分类成本变化分类成本变化系统购置成本+20 万元系统购置成本+20 万元油费-1.5 万元/年油费-3 万元/年人力成本-12 万元/年人力成本-30 万元/年投资回收期第二年回本投资回收期第一年回本资料来源：我们对自动驾驶货

49、车的投资回收期和成本效益做了简单测算，由于长途货车配备 2 名及以上驾驶员，因此无需等待 L4 级技术完全成熟，L3 级即可带来缩减单名驾驶员的成本优化。 1）投资回收期：燃料费用和人力成本是卡车整个 TCO 中最大的两部分开销，按油费节省1.5-3 万元，人工费用节省 12 万元计算，L3 级自动驾驶的投资回收期仅为 2 年。2）毛利率：按 3 年摊销自动驾驶系统成本，即每年 7 万元左右，燃油费节省 1.5 万元/年，人力成本节省 12 万元/年，假设单车每年创收 100 万元，则能够带来 6%以上的毛利率净增，这对于国内毛利率仅在 10%左右竞争激烈的长途货运行业而言具有较大的吸引力。3

50、）OTA 升级：从 L3 级自动驾驶系统升级到 L4 级自动驾驶系统，无需重新购买硬件系统，只需进行 OTA 在线升级，长期成本可控。图表 34：2021 年 L3 级自动驾驶卡车 TCO 成本结构普通卡车TCO结构L3自动驾驶卡车TCO结构111322%6%28%36%2%8%17%11426%7%33%2%卡车成本燃料成本轮胎成本路桥费用保险费用维护费用利息费用其他费用人力成本自动驾驶成本资料来源：蔚来资本，目前中国的自动驾驶货车玩家主要有图森未来、嬴彻科技、智加科技、主线科技等，均已开展了自动驾驶卡车道路测试，并和整车厂、Tier1、芯片商等开展密切合作，获得物流背景公司的重要投资。嬴彻

51、科技和智加科技采取了 L3 级落地渐进到 L4 的策略，预计 2021 年实现 L3 级量产，并给出了 L4 级 Robotruck 在 2023-2024 年左右实现量产落地的目标。2021年 3 月 23 日，图森未来正式向美国证券交易委员会（SEC）提交 IPO 招股书。图表 35：中国高级别自动驾驶卡车公司情况一览资料来源：车百智库，公司官网及新闻，场景二：城市道路，Robotaxi 重塑未来出行自动驾驶出租车（Robotaxi）是由自动驾驶系统控制的共享出行方式。只有完全无人化才能称之为真正的 Robotaxi，以实现人工成本降低的效果，然而，L4 级的技术难点在于完全无人化下，自动

52、驾驶系统对城市道路中海量 Corner Case 的有效识别和反应。想要实现对长尾状况的覆盖，必须增加硬件层面的感知能力，也必须提升软件层面的数据处理能力，以应对快速变化的复杂城市路况。此外，V2X 车路云协同技术有望帮助 Robotaxi 实现城市出行路径规划和安全驾驶。我们预计出租车公司采用自动驾驶系统的总成本将持续降低，到 2025 年将降至 8,000 美元左右（包括传感器、车载计算平台、软件等），Robotaxi 在 2025 年前后迎来成本拐点。麦肯锡（McKinsey）未来出行研究中心预计，中国 2030 年自动驾驶将占到乘客总里程（PKMT）的约 13%；到 2040 年，自动

53、驾驶占乘用车总路程比例将达到约 66%。到 2030 年，自动驾驶乘用车将达到约 800 万辆，自动驾驶汽车总销售额将达到约 1.5 万亿元（2,300 亿美元），基于自动驾驶的出行服务订单金额将达到约 1.69 万亿元（2,600 亿美元）；到 2040 年，自动驾驶乘用车将达到约 1350 万辆，自动驾驶汽车总销售额将达到约 3600 亿美元，基于自动驾驶的出行服务订单金额将达到约 9400 亿美元。我们判断，一旦自动驾驶成本降至盈亏平衡点以下，在市场规模和出行服务收入驱动下，自动驾驶出行市场抵达拐点，出租车企业将会加速配备自动驾驶系统。图表 36: 自动驾驶和人工驾驶出租车出行服务成本曲

54、线企业运行出租车服务成本(美分/公里)自动驾驶成本降低司机人力成本增加60504030201002019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030人工驾驶出租车自动驾驶出租车资料来源：McKinsey，图表 37：2030 和 2040 年中国自动驾驶乘用车市场规模预测资料来源：McKinsey，图表 38: 自动驾驶车辆占乘用车总路程比例测算资料来源：McKinsey，国内的自动驾驶路测起步较晚，但进展较快，Robotaxi 落地进程和乘坐体验不断超出市场预期。2017 年 12 月，北京市自动驾驶车辆道路测试管理实施细则（

55、试行）首次规范推动自动驾驶真实道路测试。2018 年 3 月，上海成为国内首个发放自动驾驶道路测试牌照的城市，截至 2020 年底，已有北京、上海、广州、长沙、天津、重庆、肇庆、杭州、深圳、沧州等 27 个城市发布了自动驾驶相关道路测试政策，国内累计发放 409 张自动驾驶道路测试牌照。2020 年前后，百度 Apollo、AutoX、小马智行、文远知行、元戎启行、滴滴出行、曹操出行、驭势科技等陆续均开放了面向公众的试乘服务。图表 39：中国 Robotaxi 规模化运营落地一览企业运营范围规模呼叫入口测试车型落地情况百度Apollo长沙、沧州、北京约 200 辆百度地图、 Dutaxi、Ap

56、ollo官网一汽红旗 E-HS32020 年 8 月，面向社会公众开展自动驾驶载人测试。截至 2020 年 12 月底，共计15,006 人次通过手机呼叫百度自动驾驶车辆AutoX上海嘉定约 100 辆高德地图APP、大众出行林肯 MKZ，CFA 克莱斯勒大捷龙，长城 SUV2020 年 8 月，AutoX 正式面向上海用户推出RoboTaxi 服务小马智行Pony.ai广州、北京超过 100 辆Pony Pilot林肯 MKZ，广汽Aion LX，丰田 Lexus RX2018 年 12 月，在广州率先试点城区公开道路 Robotaxi 常态化运营，已完成 8 万多次打车订单，上海的测试工作

57、即将落地文远知行Weride广州黄埔区、开发区超过 100 辆WeRide GoAPP、高德地图东风日产轩逸纯电，林肯 MKZ2019 年 11 月，在广州市试运行 Robotaxi，运行一年内，安全完成 147,128 次出行，服务用户数超 60,000元戎启行DeepRoute武汉经开区2020 年下半年达到 10 辆曹操出行 APP吉利几何 A2021 年推出面向公众的试乘服务滴滴出行Didi上海嘉定2020 年达 100辆滴滴出行 APP沃尔沃XC60，林肯 MKZ2020 年 6 月在上海开放试乘体验，首周报名人数接近 4 万人曹操出行Caocao杭州2020 年底达到10 辆曹操出

58、行 APP吉利几何 A2021 年推出面向公众的试乘服务驭势科技UISEE广州、北京房山区、武汉经开区42 辆手机 APP东风风神 E702021 年 2 月开放，经过 5 个月的路测和调试，累计自动驾驶里程超过 10 万公里资料来源：盖世汽车，公司官网及新闻，场景三：AVP 自主泊车，渐进式落地城市场景随着中国城市化的进程和居民收入的提升，截至 2020 年末，全国汽车保有量达 28,087 万辆，其中私人汽车保有量 24,393 万辆；汽车保有量超过 100 万辆的城市达到 70 个，其中北京、成都、重庆、苏州、上海、郑州均超过 400 万辆。但与发达国家及我国香港地区相比，大陆主要城市的

59、车辆车位比有较大差距，平均每 2 辆车只有 1 个停车位；另一方面，已有的城市停车位使用率仅有 50%左右，进一步加剧了泊车耗时和难度。图表 40: 2014-2020 中国汽车保有量和城市情况图表 41: 主要城市车位车辆比及使用率情况 资料来源：国家统计局，公安部，资料来源：ETCP 智慧停车研究院，自动驾驶在泊车场景呈现渐进衍化的趋势。据车百智库，L2 级的自动泊车辅助系统（APA）已经广泛应用于量产车型，在高端车型的渗透率超过 80%，仅 2019 年有近 50 款车型搭配 APA 功能。高级别自动驾驶技术方面，L3 级的远程遥感泊车辅助系统（RPA）和 L4 级的自主代客泊车（AVP

60、）日趋成熟。我们认为，AVP 有望率先实现高级别自动驾驶在城市场景的商业化落地。泊车从停车场入口到停车位之间，具有低速、区域确定、封闭场景等特点，能帮助驾驶员降低大量寻找、拥堵、倒车的时间和难度。图表 42: 自动驾驶泊车场景应用分类资料来源：CSDN，纵目科技，图表 43: 国内外 AVP 厂商合作与落地进度一览时间厂商落地进度2018.04小鹏汽车、德赛西威发布 G3 全场景自动泊车技术，开展自动驾驶战略合作，包括AVP 系2018.09阿里巴巴、博世阿里云宣布与博世合作，在中国推出 AVP 解决方案2018.09上汽、欧菲科技搭载欧菲科技AVP 技术的上汽荣威 Marve2018.11百