- 1 - 敬请参阅最后一页特别声明 市场数据 (人民币） 市场优化平均市盈率 18.90 国金计算机指数 5796 沪深 300 指数 5570 上证指数 3607 深证成指 15629 中小板综指 13554 相关报告 1.春季躁动，计算机板块买什么？ -计算机 行业点评， 2020.12.15 2.优选赛道，聚焦龙头 -计算机行业 2021 年投资策略， 2020.12.7 3.板块迎来配置窗口 -计算机行业周观 点， 2020.10.11 4.重视龙头与低估值改善标的 -计算机行业 周观点， 2020.9.13 5.数字货币时代加速来临 -计算机行业周观 点， 2020.8.30 翟炜 分析师 SAC 执业编号： S1130520020005 zhaiwei 邵广雨 联系人 shaoguangyu 自动驾驶驶向何方？ 行业观点 产业链与市场空间： 当前 我国 自动驾驶正处于 L2 向 L3 级别转化的阶段 ，预 计 2025 年 L2.5 级别自动驾驶车辆渗透率为 50%， 2030 年 L2.5 和 L4 级别 自动驾驶汽车渗透率分别将达 70%和 18%。 从 产业链 上看， 仅上游（感知 层、传输层、决策层、执行层）和中游平台层，到 2025 年 新 增市场空间达 3088 亿元， 2030 年可达 7020 亿元， 10 年复合增速为 27%。 发展路径 与核心参与方 ： 技术路径上看，欧美等国鉴于其道路的规范化优势 和自动驾驶技术的成熟度，其自动驾驶技术路径以单车智能为主 ；中国则在 追赶单车智能技术基础上，凭借体制、政策、环境、 5G 技术等优势重点发 展车路协同，将车路协议与单车智能结合，有望实现换道超车。从行业发展 来看，自动驾驶参与方主要有传统车企、互联网巨头和造车新势力等三类玩 家 。在路径选择上， 传统车企 在加速技 术追赶的同时考虑量产和安全，采用 渐进式发展路径从 L1 逐步过渡到 L2 及以上，当前主要处于 L2.5 阶段；互 联网厂商与造车新势力则凭借其在软件、算法和算力等方面的优势选择跳过 L1/L2 等低级阶段，直接以 L4/L5 自动驾驶为目标跨越式发展，当前部分 L4 级已率先在特定场景的商用车领域落地，乘用车领域正在加速追赶。此外， Tie1 和 OEM 等厂商也同步从辅助驾驶层级进入自动驾驶市场。 核心推动力 ： 我们认为当前推动自动驾驶产业向前发展的主要驱动力在于四 个方面： 1）产业政策不断加码 ： 2020 年 11 月，国汽智联发布 最新的我国 智能网联汽车技术路线图，明确提出 到 2025/2030 年我国 L2/L3 级 渗透率为 50%/70%； 2） 5G 技术加速 助力 C-V2X 发展： 车联网是 5G 应用的典型场 景，当前我国 5G 基站建成超 70 万个，全球占比超 70%， 5G 低延时、高可 靠等特性可加快车联网和自动驾驶的研发进度，同时 C-V2X 技术标准路线 已成为未来自动驾驶发展的通信路线标准，我国在 C-V2X 上拥有较强的先 发优势； 3） BATH 等 互联网巨头纷纷入局，加快推动自动驾驶技术发展和 商业化应用落地； 4）特斯拉的倒逼：当前特斯拉市值已超 8 千亿美元成为 名副其实 的车企巨头，其 OTA 技术、智能计算平台以及软件定义汽车的商 业模式， 带来的汽车领域的革命犹如当年的苹果手机对传统手机行业的颠 覆，特斯拉的鲶鱼效应将加快推进自动驾驶产业 不断向前。 计算机领域细分赛道机会 ： 从市场规模来看，我们测算到 25/30 年，自动驾 驶决策层（自动驾驶 AI 芯片、高精地图）达 1138 亿元 /2236 亿元、感知层 （激光雷达）达 125 亿元 /845 亿元、平台层（智能座舱）为 810 亿元 /1866 亿元；从增速来看，智能座舱增速最快（ 10 年复合增速达 32%）。 建议重 点从产业链上下游筛选各环节技术壁垒高、拥有定价 权以及拥有产业协同效 应的细分领域 ，推荐上游感知层的激光雷达，决策层的操作系统、自动驾驶 加速芯片和高精度地图，中游平台层的智能座舱等 。 投资建议 推荐组合 ： 中科创达、德赛西威、四维图新、华阳集团 。 风险提示 自动驾驶政策推进不及预期 ； 技术瓶颈难以打破；产业链上中下游协同遇 阻；中美贸易摩擦等 。 5419 5889 6359 6829 7299 7769 8239 20 02 03 20 05 03 20 08 03 20 11 03 国金行业 沪深 300 2021年 01月 24 日 创新技术与企业服务研究中心 计算机 行业研究 买入 （ 维持评级 ） ) 行业深度研究 证券研究报告 行业深度研究 - 2 - 敬请参阅最后一页特别声明 内容目录 一、自动驾驶全产业链增量空间超 7000 亿元 .7 1.1 感知层：自动驾驶汽车的眼睛和耳朵，增量空间达 1900 亿元 .9 1.2 传输层：自动驾驶提供信号传输，增量空间超 600 亿 .14 1.3 决策层：自动驾驶汽车大脑，增量空间超 2200 亿元 .16 1.4 执行层：自动驾驶的四肢，增量空间达 388 亿元 .24 1.5 中游平台层：完成自动驾驶功能的居中调度，增量空间为 1866 亿元 .27 1.6 整车厂与第三方服务 .31 二、自动驾驶技术路径探究 .33 2.1 单车智能 VS 车路协同：各有千秋，未来趋于协同 .33 2.2 中国无人驾驶路径以单车智能结合车路协同 .36 2.3 渐进式 VS 跨越式：传统车企渐进式，互联网与造车新势力跨越式发展 39 三、多重因素促进自动驾驶产业发展 .43 3.1 产业政策驱动 .43 3.2 从 LTE-V2X到 5G-V2X，车联网进入落地期 .44 3.3 BATH等互联网巨头加持 .48 3.4 特斯拉的倒逼 .51 四、计算机相关细分赛道：智能座舱、车载操作系 统、高精度地图 .53 4.1 智能座舱与智能驾驶：前装市场是关键 .53 4.2 操作系统：中科创达为汽车操作系统领域龙头 .57 4.3 高精地图：四维图新有望获得高精地图数据运营权 .59 五、投资建议 .62 5.1 投资策略 .62 5.2 核心推荐标的 .64 六、风险提示 .64 图表目录 图表 1：自动驾驶发展历史 .7 图表 2： SAE 版自动驾驶分类 .8 图表 3： 中国版自动驾驶分类 .8 图表 4：全球自动驾驶发展阶段 .8 图表 5：预计 2035 年后可实现完全无人驾 驶 .8 图表 6：自动驾驶产业链梳理 .9 图表 7：自动驾驶传感器市场空间测算 .9 图表 8：各类 车载摄像头功能介绍 .10 图表 9： 车载前置摄像头方案对比 .10 图表 10：各类 传感器功能对比 . 11 行业深度研究 - 3 - 敬请参阅最后一页特别声明 图表 11：自动驾驶传感器两种路径对比 . 11 图表 12：不同 RFID 产品对比 .12 图表 13： RFID 技术的应用 .12 图表 14：基于摄像头的车载视觉系统 .12 图表 15： GPS 示意图 .13 图表 16：北斗卫星轨迹 .13 图表 17：几种惯性导航系统 .13 图表 18： RSU示意图 .14 图表 19： RSU配套元件 .14 图表 20：基于 MEC 的车联网方案 .14 图表 21：自动驾驶传输层市场空间测算 .15 图表 22： 华为 Balong765 .15 图表 23：通信元器件主要厂商 .15 图表 24： T-Box通信示意图 .16 图表 25： C-V2X与 DSRC 技术对比 .16 图表 26：自动驾驶决策层增量空间测算 .17 图表 27：车载底层 OS 分类及特点 .17 图表 28： 2019 年全球智能座舱 操作系统竞争格局 .17 图表 29：各厂商上层应用系统及其底层 OS 情况 .18 图表 30：汽车芯片分类 .19 图表 31：全球汽车芯片市场规模统计及增长情况 .19 图表 32： 2019 全球汽车芯片行业竞争格局 .19 图表 33：典型智能座舱芯 片对比 .19 图表 34： GPU、 FPGA、 ASIC 性能比较 .20 图表 35：高级芯片赛道主流芯片性能比较 .20 图表 36：自动驾驶 决策层系统规划过程 .21 图表 37：决策层运动规划算法 比较 .21 图表 38：高精度地图与普通导航地图的区别 .22 图表 39：高精度地图协助自动驾驶路径 .22 图表 40：不同级别智能驾驶对高精地图要求 .22 图表 41： 高精度地图是自 动驾驶协同智能的基础设施 .23 图表 42： 面向未来的无人驾驶地图平台 .23 图表 43： 2020-2025 中国高精度地图市场规模（亿元） .23 图表 44： 2019 年 中国高精度地图市场厂商份额 .23 图表 45：四维图新、高德、百度等高精度地图产品对比 .23 图表 46：自动驾 驶执行层新增市场空间测算 .25 图表 47：电子油门组成 .25 图表 48：线控驱动系统构成 .25 图表 49： EHB 工作原理 .26 行业深度研究 - 4 - 敬请参阅最后一页特别声明 图表 50： EMB 系统工作框图 .26 图表 51：电子转向系统示意图 .26 图表 52： EPS 系统示意图 .26 图表 53：自动驾驶产业链平台层新增市场空间测算 .27 图表 54：车载信息系 统演变示意图 .28 图表 55： TSP 在车联网产业链中的位置 .28 图表 56：主流车厂均主导 TSP 产品 .28 图表 57：整车主导 TSP 商业模式 .29 图表 58：第三方主导 TSP 商业模式 .29 图表 59：智能座舱产品构成图 .29 图表 60： 智能座舱产业链构成 .30 图表 61： 智能座舱产业流程 .30 图表 62：智能座舱产业链变化 .30 图表 63：不同车企加快布局智能座舱情 况 .31 图表 64： 车联网产业结构中整车厂与第三方服务环节 .31 图表 65： 新兴与传统整车厂商无人驾驶规划（部分） .32 图表 66： 第三方服务商无人驾驶规划（部分） .33 图表 67： 单车智能技术框 架 .33 图表 68：车路协同联网体系示意图 .34 图表 69：车路协同系统关键技术 .34 图表 70： 智能车载终端产业图谱 .35 图表 71： 智能路侧市场部分相关企业布局情况 .35 图表 72：车路协同通信技 术平台布局情况 .35 图表 73： 云控平台服务能力 .35 图表 74：我国车路协同落地项目（部分） .36 图表 75：单车智能与车路系统的优劣势对比 .36 图表 76：国家级智能网联 汽车示范区 .37 图表 77：车路协同相关政策 .37 图表 78： 5G 技术传输速率高、网络容量大、延时短 .38 图表 79： 2020 年车路协同布局新进展 .39 图表 80： 2019Gartner 新兴技术成熟度曲线 .39 图表 81： 2020Gartner 新兴技术成熟度曲线 .39 图表 82：自动驾驶发展路径 .39 图表 83： 各车企 L3 量产车型（含计划） .40 图表 84： 2020 年自动驾驶竞争力排行 .41 图表 85： 造车新势力合作车企及落地情况 .41 图表 86：自动驾驶商用车全局图 .42 图表 87： 自动驾驶卡车应用场景 .42 图表 88： 各企业 Robotaxi 进度 .43 行业深度研究 - 5 - 敬请参阅最后一页特别声明 图表 89：我国智能网联汽车发展总体目标 .44 图表 90： 5G 标准推进路线图 .45 图表 91： 通信技术发展历程 .45 图表 92：中国 5G 基站建设数量预测 .45 图表 93： 5G 时代十大应用场景 .45 图表 94： C-V2X技术演进过程 .46 图表 95：车联网不同发展阶段 .46 图表 96： 高级自动驾驶（ L4 及以上） V2X六大要素 .46 图表 97： “车路云 ”一体化协同示意图 .46 图表 98：车联网及自动驾驶领域技术特性及应用成熟度情况 .47 图表 99： 全球车联网领域技术专利分布 .47 图表 100： 全球 C-V2X领域技术专利分布 .47 图表 101：中国 5G-V2X推进案例（不完全统计） .47 图表 102：中国实现与普及无人驾驶服务路线图 .48 图表 103：小度车载 2020 架构 .49 图表 104：百度车联网生态合作伙伴 .49 图表 105：百度 Apollo 发展路线图 .49 图表 106：百度 Apollo 生态合作伙伴 .49 图表 107：阿里 2038 超级联盟 .50 图表 108：阿里自动驾驶技术架构 .50 图表 109：腾讯 “四横两纵一中台 ”业务矩阵 .50 图表 110：腾讯自动驾驶开发平台 .50 图表 111： 华为智能汽车解决方案 .51 图表 112： 华为 5G 汽车生态圈 .51 图表 113：汽车软件 OTA 成绩单 .52 图表 114：特斯拉硬件进化过程 .52 图表 115：特斯拉 ADAS 对抗测评 .52 图表 116： Tesla Premium Connectivity .53 图表 117：智能座舱是汽车智能化发展重要组成 .53 图表 118：国内主要 智能座舱供应商前装市场配套情况 .54 图表 119：德赛西威三大业务群 .54 图表 120：瑞虎 8 PLUS 搭载德赛西威智能座舱域控制器 .55 图表 121：搭载德赛西威 AR 导航方案的仪表盘 .55 图表 122：德赛西威驾驶域控制器 IPU03.55 图表 123：华阳集团业务 布局 .56 图表 124：华阳集团汽车电子产品在驾驶舱内应用场景 .56 图表 125：华阳集团智能座舱 .57 图表 126：中科创达业务图景 .58 图表 127：汽车电子系统在汽车总成本中的占比 .58 行业深度研究 - 6 - 敬请参阅最后一页特别声明 图表 128：中科创达智能汽车解决方案 .59 图表 129：中科创达 2020 定增投向 .59 图表 130：四维图新 “智能大脑 ”业务布局 .60 图表 131： 2014-2020H1 年四维图新收入结构 .60 图表 132：四维图新 ADAS 地图 2.0 .60 图表 133：四维图新 L3 HD Pro .60 图表 134：国汽智联股东 .61 图表 135： 国汽智联运行模式 .62 图表 136： 国汽智联整合学界及产业资源 .62 图表 137：自动驾驶产业链各 环节新增市场空间测算 .63 行业深度研究 - 7 - 敬请参阅最后一页特别声明 一、 自动 驾驶 全产业链增量空间超 7000 亿元 自动 驾驶发展 历史：自 20 年开始，自动驾驶产业将步入黄金发展期 自动 驾驶汽车指主要依靠人工智能、视觉计算、雷达和全球定位及车 路协同等技术，使汽车具有环境感知、路径规划和自主控制的能力， 从而可让计算机自动操作的机动车辆 。美国、德国等国家均将自动驾 驶汽车视为未来汽车产业发展的主流趋势，各方面投入持续加大。 有别于传统人工驾驶车辆， 自动 驾驶车辆最大特点是 AI 技术的主导， 其驾驶过程是机器不断收集驾驶信息并进行信息分析和自我学习从而 达到自动驾驶的系统工程 。伴随 自动 驾驶汽车的发展，每辆汽车将从 过去的封闭转向开放，融入到联网的平台中进行实时的信息交互。 自动 驾驶最早应用于 20 世纪 90 年代的美国军事领域，产业化开始于 21 世纪谷歌 Moonshot 计划中的无人车项目。以英特尔 153 亿美金收 购 无人 驾驶视觉芯片公司 Mobileye 为标志事件，全球进入供应链整合 期。 2020 年开始，主流车厂预计将陆续推出 L3 及以上自动驾驶量产 车辆，自动驾驶产业有望进入黄金发展期。 图表 1： 自动 驾驶发展历史 来源：国金证券研究所 整理 自动驾驶级别：当前 全球自动驾驶处于 L2 向 L3 级别 转变 的 阶段 2016 年， NHTSA 和 SAE 对无人驾驶发展程度率先给出了分级定义标 准，将智能网联汽车的无人驾驶程度由低到高划分为 6 个层级。 2020 年 3 月 9 日，我国工信部公示了汽车驾驶自动化分级推荐性国家 标准报批稿，拟于 2021 年 1 月 1 日开始实施。 中美分类标准对每个具体的驾驶自动化功能分级结果基本一致。根据 “开启自动驾驶功能后，驾驶员是否应该处于驾驶状态”为标准。 SAE 发布的自动驾驶分级标准中， L3 级以上（包括 L3 级）的功能才 能称之为“自动驾驶功能”；中国汽车驾驶自动化分级中，以 L3 为界限，动态驾驶任务的接管者的主体发生改变。因此， L3 及以上级 别才可被称为“高等级自动驾驶”。即 自动驾驶以 L3 为分界线， L3 以上（包括 L3）被称为自动驾驶， L3 以下被称为 辅助驾驶 。 行业深度研究 - 8 - 敬请参阅最后一页特别声明 图表 2： SAE 版自动驾驶分类 图表 3： 中国版自动驾驶分类 来源： SAE，亿欧，国金证券研究所 来源：工信部，国金证券研究所 目前，全球自动驾驶处于 L2 向 L3 级别转化的过程 。 L2 级的 ADAS （高级驾驶辅助系统）是实现高等级自动驾驶的基础，目前全球正处 于汽车自动化程度的第二阶段 ， 即 L2 级 ADAS 阶段。在当前阶段，依 据驾驶环境信息，由一个或多个驾驶辅助系统在特定工况下执行转向 或加速 /减速，同时驾驶员执行所有其余的各类动态驾驶任务。随着技 术的不断进步，作为自动驾驶基础的 ADAS 应用快速发展。 图表 4：全球自动驾驶发展阶段 图表 5：预计 2035 年后可实现完全无人驾驶 来源：前瞻研究院，国金证券研究所 来源：百度 Apollo，国金证券研究所 现阶段高等级自动驾驶主要聚焦于限定区域应用场景 。在高等级自动 驾驶领域，因为前期研发投入大、技术难度高， L3 级及以上自动驾驶 汽车商业化进程缓慢， 产业链合作伙伴抱团共同发展渐成常态 。现阶 段，高等级自动驾驶研发投入及商业化验证主要聚集在智慧园区 /示范 园区、港口、码头、停车场、高速等限定区域应用场景，以及商用车 物流、自动泊车等细分领域，低成本自动驾驶解决方案以及可弥补真 实道路测试验证的自动驾驶仿真测试需求凸显。但随着汽车产业“四 化”转型加速，以及国家频繁发布产业红利政策加速推进围绕智能汽 车等新经济生态的快速发展，自动驾驶载人、载物、高速测试等陆续 开放，关键节点及核心领域具备前沿技术验证及整合服务能力的企业 有望实现突破。 自动 驾驶产业链 ：上游 感知、传输、决策和执行层 ，中游平台层，下游为整 车与服务 自动 驾驶汽车功能的实现需要汽车制造商、零部件供应商、车载 计算 平台开发商、出行服务供应商等多方主体参与，因此， 自动 驾驶汽车 行业深度研究 - 9 - 敬请参阅最后一页特别声明 的产业链较长。具体而言， 上游包括感知层、传输层、决策层和执行 层；中游为平台层，包括整合的智能驾舱平台、自动驾驶解决方案以 及传统的车联网 TSP 平台；下游主要为整车厂和第三方 服务 。 其中，上游 感知 层 包括 车载 摄像头、雷达 系统 、高精度地图、高精度 定位 、导航系统、路侧设备 等； 传输层 基于通信设备和服务为自动驾 驶提供信号传输 ，主要包括通信设备和通信服务； 决策 层 包括计算平 台、芯片、操作系统、算法等；执行层，对决策命令进行执行，包含 线控、电子驱动 /转向 /制动、系统集成及其他汽车零部件厂商 。 四条系 统环环相扣，实现汽车网联化功能。 图表 6： 自动 驾驶产业链梳理 来源：国金证券研究所 整理 1.1 感知层： 自动 驾驶 汽车 的眼睛 和耳朵 ，增量空间达 1900 亿元 感知层用于感知外部环境变化、获取相关信息 。 主要包括 智能 硬件（传感 器、 RFID 及车载视觉系统等）、导航（ GPS、北斗以及惯性导航系统）、 路侧设备 等 。 智能硬件是智能汽车的“眼睛”。 无人驾驶硬件系统包括有 传感器、 RFID、车载视觉系统 等。随着车联网、智能互联成为未来趋势，相关硬件 产品需求量也日益增大。根据赛迪智库 2020 年中国汽车电子产业发展形 势展望，汽车电子、装置在汽车制造成本中所占的比重逐年提高。通过 硬件系统，感知并采集环境信息是无人驾驶的第一步。 我们认为自动驾驶汽车感知层带来的市场增量主要在传感器，当前 行业内 主流 研发和应用 的 自动驾驶汽车 传感器 为车载摄像头、超声波雷达、毫米 波雷达、激光雷达等，不同的组合形成了以视觉主导（摄像头 +毫米波雷达 +视觉芯片 ）和以多传感器融合（ 激光雷达 +毫米波雷达 +摄像头 ） 为主导 两种路径 。 无论何种路径， 均会带动传感器的需求 增长 ，我们测算， 预计 到 2025 年传感器市场规模将达 609 亿元，到 2030 年将达 1901 亿元， 10 年复合增速约 30%。 图表 7：自动驾驶传感器市场空间测算 行业深度研究 - 10 - 敬请参阅最后一页特别声明 来源：国金数据中心，国金证券研究所 预测 假设预测： 1，中国乘用车产量 20-22 分别为 -5%/3%/3.5%， 23-25 年为 5%， 26-30 年为 3%； 2， L2.5 级 别自动驾驶汽车渗透率 25 年为 50%， 30 年为 70%； 3，传感器单价、单车用量参考车 东西、 CSDN 等。 1）传感器：目前主流的自动驾驶传感器以摄像头和雷达为主。 车载摄像头模拟人类的视野，合成汽车周围的环境图像。 按摄像头的 安装位置不同，可分为前视、侧视、后视和内置四 种类型 。 图表 8： 各类 车载摄像头 功能 介绍 功能 摄像头类型 具体功能简介 车道偏离预警（ LDW） 前视 单目 /双目 当前视摄像头检测到车辆即将偏离车道线时，就会发出警报 前向碰撞预警（ FCW） 前视 单目 /双目 当前摄像头检测到与前车距离过近，可能发生追尾时，就会发出警报 车道保持辅助（ LKA） 前视 单目 /双目 当前视摄像头检测到车辆即将偏离车道线时，就会向控制中心发出信息，然后由控制中心发出指令，及时纠正行驶方向 行人碰撞预警（ PCW） 前视 单目 /双目 前摄像头会标记前方道路行人，并在可能发生碰撞时及时发出警报 交通标志识别（ TSR） 前视 单目 /双目 识别前方道路两侧的交通标志 盲点监测（ BSD） 侧视 广角 利用侧视摄像头，将后视镜盲区内的影像显示在驾驶舱内 泊车辅助（ PA） 后视 广角 泊车时将车尾影像显示在驾驶舱内，预测并标记倒车轨迹，辅助驾驶员泊车 驾驶员注意力监测（ DM） 内置 广角 安装在车内，用于检测驾驶员是否疲劳、闭眼等 360 环视（ AVM） 前 /侧 /后 广角 利用车辆前后左右的摄像头获取的影像，通过图像拼接技术，输出车辆周边全景图 来源： 电子发烧友， 国金证券研究所 前视摄像头 最为重要，主要布置在车外用于感知车道、行人、路侧等 环境 ， 按照不同功能解决方案可分为 单目、双目 和 多目等。 摄像头在 车内主要应用于倒车影像（后视）和 360 度全景（环视） 。 高端汽车 的各种辅助设备配备的摄像头可以多达 8 个，用于辅助驾驶员泊车或 触发紧急刹车。 图表 9： 不同 车载前置摄像头对比 单目摄像头 双目摄像头 多目摄像头 优势 传感器简单，成本低廉，对计算资源要求低，系统结构相对简单 三维立体认知，没有识别率的限制，精度更高，无需维护样本数据库 信息利用充分，解决摄像头切换焦 距问题及不同距离下识别清晰度问 题，提高精度 劣势 无法对非标准障碍物进行判断，距离并非真正意义上的测量，准确度较低 计算量大，硬件成本更高，立体匹配是典型难题，在线标定更复杂些 对算法要求高，实时性更差，成本 大幅增加，需要解决安装位置空间 问题，结构配置烦琐 典型供应商 Mobileye 博世、大陆、 LG、电装、日立 蔚来、 Mobileye 来源：国金证券研究所 整理 雷达传感器分为超声波雷达、毫米波雷达和激光雷达。 雷达传感器的 基本原理是通过电磁波遇到障碍后的反射信号，实时计算出汽车与障 碍物的距离与接近速度。 超声波雷达 发射回声脉冲识别障碍物，主要 用于泊车测距、辅助刹车等，价格较低应用较广。 毫米波雷达 通过天 行业深度研究 - 11 - 敬请参阅最后一页特别声明 线发射毫米波信号，阅读反射信号识别车身周围环境，有 24GHz（短 距测量）和 77GHz （ 长 距 测 量 ） 。 激 光 雷 达 基于波长在 900nm1500nm 左右的激光探测和扫视空间三维信息，精度最高且抗 干扰能力强，但价格最贵且容易受到极端天气影响。 图表 10：各类 传感器功能对比 原理 功能 优势 劣势 成本 国外 /内代表性厂商 超声波 雷达 超声波测 距 变道辅助，盲区检测，自 动泊车等 。 穿透性强，测距 方法简单，成本 低，短距离测量 优势明显 传播速度慢，无法 跟 上 车距 实时 变 化，方向性较差且 易受天气影响 15-20 美金 博世、法雷奥、日本村田、 尼塞拉、电装、三菱、松下 等 ； 国内同致电子、航盛电 子、深圳豪恩、辉创、上 富、奥迪威等 毫米波 雷达 回波成像 （电磁 波） 自适应巡航控制，前向防 撞报警，盲区检测，辅助 停车，辅助变道，自动紧 急制动阀，自动泊车等 。 天气适应性好 探测距离与精度相对激光雷达较弱 150-300美金 博世、海拉、奥托立夫、德 尔福等 ； 国内华域汽车、智 波科技、森思泰克、卓泰 达、隼眼科技等 激光雷 达 回波成像 （激光） 自适应巡航控制，前向防 撞报警，盲区检测，辅助 停车，自动紧急制动阀， 自动泊车，导航及定位 等 。 精度高、探测距 离远 易受自然光或热辐 射影响，价格昂贵 8000- 80000 美金 Velodyne 、 Iboe 、 Quanergy 、徕卡、 FARO、 Ocular 等；国内速 腾聚创、北醒光子、北科天 绘等 摄像头 图像处理 及模式识 别 自适应巡航控制，前向防 撞报警，盲区检测，辅助 停车，自动紧急制动阀， 自动泊车，变道辅助，驾 驶员状态监控，交通标识 识别，导航及定位等 。 精度高，距离 远，直观方便， 成本较低 受天气影响较大， 算法及算力 要求高 35-50 美金 CMOS ： OV 、 Aptina 、 Sony 、 格 科 微、 思比 科 等； 模组：韩国 MCNEX、同致 科技、舜宇光学等 红外线 传感器 热成像与 红外测距 侧方超车提醒，倒车提醒 等 。 夜视效果极佳 探测距离较近，应 用局限较大 600- 2000 美金 奥托立夫、博世等，国内保 千里高德红外等 来源： CSDN，一览众车，国金证券研究所 目前自动驾驶传感器的选择存在两种不同的路径： 一种以摄像头主 导，搭配毫米波雷达 ， 使用先进的计算机视觉算法实现全自动驾驶， 典型代表有 Moblieye、 特斯拉和百度 Apollo Lite；另一种则以激光雷 达为主，同时搭载毫米波雷达、超声波传感器和摄像头，远距离全方 位探测能力强，但成本相对较高，典型代表为谷歌 Waymo、百度 Apollo（除 Apollo Lite）、文远知行等主流自动驾驶厂商。 目前两种路 径尚未分出胜负，但 我们认为随着自动驾驶技术的发展，激光雷达的 价格有望下降，其全方位探测能力和不易受环境影响的优势将逐渐显 现出来，有望成为未来自动驾驶汽车主流的配置 。 图表 11： 自动驾驶传感器两种路径 对比 技术路线 视觉主导 多传感器融合 典型厂商 特斯拉 5G 可降低时延 带宽 高 更高 适用场景 行车安全，交通调度 娱乐 来源：中国信通院，国金证券研究所 1.3 决策层： 自动 驾驶汽车大脑 ，增量空间超 2200 亿元 当前，从技术角度看，随着 ADAS 系统的广泛部署和以及长时间的技术开 发，自动驾驶感知技术已经不是主要瓶颈；传输层自 C-V2X 胜出之后，技 术路线也已基本确定；执行层则是主机厂和 Tier1 厂商擅长的领域。 因 此，我们认为自动驾驶技术实现的真正门槛就在于决策层上 。决策层通过 利用感知层、传输层反映回来的信息，建立相应的模型，制定出适合的控 制策略。由于真实路况的复杂程度，以及不同人对于不同路况的不同解决 对策，决策算法需要覆盖多数罕见路况的海量数据以及完善高效的人工智 能技术。 从功能上看， 决策层主要 包含 操作系统 、芯片、 算法、高精度地 图以及 云平台等 核心构成元素 。 行业深度研究 - 17 - 敬请参阅最后一页特别声明 我们认为 自动驾驶决策层 带来的增量空间主要在于自动驾驶 AI 芯片和对应 的高精度地图，这两者是 L3 及以上级别自动驾驶汽车必备的功能要素。经 我们测算，到 2025 年自动驾驶决策层可见的增量空间将达 1138 亿元， 2030 年将达 2236 亿元， 10 年复合增速达 23.44%。 图表 26： 自动驾驶决策层增量空间测算 来源：国金证券研究所 预测 假设预测： 1，中国乘用车产量 20-22 分别为 -5%/3%/3.5%， 23-25 年为 5%， 26-30 年为 3%； 2， L2.5 级别自 动驾驶汽车渗透率 25 年为 50%， 30 年为 70%； 3， AI 芯片与高精地图参考前瞻研究院、车云网等 。 1） 操作系统 ： 为自动驾驶提供底层支撑 自动驾驶操作系统从功能上可以分为三大类，分别为智能座舱操作系 统、智能驾驶操作系统、智能车控操作系统。 智能座舱操作系统： 智能座舱操作系统主要为车载信息娱乐服务以及 车内人机交互提供控制平台，是汽车实现座舱智能化与多源信息融合 的运行环境，支撑用户应用平台的定制开发。从用户端为语音图像识 别、人机交互、地图导航、信息安全、人 -车 -路 -云数据融合等应用提 供支撑。随着汽车场景逐渐转变为智能移动终端，智能座舱操作系统 需要通过支持更多个性化的应用服务及强大的生态，面向客户进行差 异化竞争。目前，全球智能座舱操作系统的标准还未 统一，在传统智 能座舱操作系统中， QNX 占据了 40%以上的市场份额，但随着智能座 舱信息娱乐应用的逐渐丰富，拥有强大生态基础的开源操作系统 Linux （含 Android）占据第二大市场空间。 图表 27： 车载底层 OS 分类及特点 图表 28： 2019 年全球智能座舱操作系统竞争格局 底层 OS 主要特点 QNX 安全性高，但不开源，开发难度大、成本高、应用生态弱 Android 应用生态强大，开源，但安全性和稳定性较弱 Linux 开源，定制开发灵活，安全性较高，但应用生态不完善 来源： CSDN， 国金证券研究所 来源： AI 车库，国金证券研究所 智能车控操作系统： 智能车控操作系统是实现车辆自动行驶功能、动 力性的运行基础。车控操作系统为车载控制 ECU 的硬件与算法提供了 接口与交互平台，基于 POSIX 标准的操作系统，适用于自动驾驶所需 43% 35% 10% 12% QNX Linux（ 含 Android) WinCE 其他 行业深度研究 - 18 - 敬请参阅最后一页特别声明 要的高性能计算和高带宽通信。车控操作系统技术发展较早，目前标 准化工作已经开展。其中，由宝马、博世 、戴姆勒、通用等大型车企 作为核心成员的汽车开放系统架构组织 AUTOSAR 建立的 Adaptive 平 台，采用了开放式架构和代码开源方式，目前已经成为国际主流的标 准架构。不仅实现了降本增效，还保障了车辆的安全性和一致性。 智能驾驶操作系统： 智能驾驶系统由感知层、决策层和执行层三个层 面构成。首先通过各项传感器采集车辆周围的数据，并进行整合；其 次在决策层将整合后的数据进行分类处理，加以分析后发出指令；最 后，车辆各部分电子元件执行指令。其中，智能驾驶操作系统处于决 策层，主要完成对收集上来的数据的分类处理、分析、发出指令 等操 作，需要强大的算法以及芯片性能来支撑。目前正处于 L2、 L3 级别自 动驾驶的上行阶段，各厂商基于 OSEK/VDX、 AUTOSAR 等技术规 范，研发出各自的智能驾驶操作系统产品，并向 Tier1 供应商提供解决 方案。 从架构来看，自动驾驶系统 又可 分为底层操作系统、中间层以及上层 系统。 底层操作系统： 管理汽车整个硬件、软件资源，所有应用和服务都必 须在底层 OS 上运行，给用户和其他软件提供接口和环境。目前，较 为主流的底层汽车操作系统有 QNX、 Linux、 Android，以及鸿蒙、 AliOS 等中国互联网企业研发的操作系统 中间层： 下接底层 OS 厂商，将标准化产品接口对接到中间层平台 上，同时，向上对接应用层开发商及服务商，在将定制化开发工作集 中在业务层面。根据 ICVTank 的预测， 2020 年国内自动驾驶系统中间 件市场规模可达 10 亿元人民币。 上层系统： 由各类车厂、解决方案提供商在底层 OS 基础上为客户定 制的各类个性化操作系统都属于上层应用系统。近年来，互联网巨头 BATH、造车新势力、整车厂均已进行布局。其中，互联网企业依托其 软件方面的经验以及多年积累的应用生态体系，在上层操作系统领域 具有较大优势。互联网企业阿里依托 AliOS 作为底 层架构的斑马智行 系统，互联网企业苹果依托 iOS 的 Carplay，造车新势力特斯拉基于 Linux 的 Version 系统，以及传统车厂宝马基于 QNX 的 iDrive 智能车 载系统，目前都已经在部分车型上实现适配及应用落地。未来也将会 有更多企业入局。 图表 29：各厂商上层应用系统及其底层 OS 情况 类型 公司 平台 底层 OS 公司 平台 底层 OS 互联网企 业 百度 Apollo QNX 腾讯 TAI Android 阿里 斑马智行 AliOS 苹果 Carplay iOS 造车 新势力 特斯拉 Version Linux 蔚来 NOMI Android 比亚迪 DiLink Android 传统 车厂 宝马 iDrive QNX 本田 Honda Connect Android 奥迪 MMI QNX 福特 SYNC QNX 来源： 汽车之家 ， 国金证券研究所 2） 芯片： 为自动驾驶提供算力支撑 芯片是汽车必不可少的核心部分， 按照 不同 功能 可 为三类， 一类是传 统的 IVI 芯片 ， 目前正逐步 升级 为 智能驾舱芯片 ； 第二类是负责自动驾 驶功能的芯片 ，按照算力需求其 演进路线为 CPU GPU FPGA ASIC； 第三类是车身控制 MCU芯片 。此外，还有多种 其他 功能的芯片，如 摄 像头芯片， AMP 芯片 、 功率半导体芯片 、胎压监测芯片 TPMS、 BMS 芯片等 。 行业深度研究 - 19 - 敬请参阅最后一页特别声明 图表 30：汽车芯片分类 来源：国金证券研究所 整理 汽车芯片市场规模快速增长，垄断格局逐步打破。 据 ICVTank 数据显 示， 2019 年全球汽车芯片市场规模达 465 亿美元，同比增长 11%，受 全球新冠疫情的影响，在汽车销量下滑冲击下， 2020 年全球汽车芯片 市场规模将有小幅下滑，预计规模为 460 亿美元。 2019 年，恩智浦占 全球汽车芯片市场 14%，英飞凌次之，占比 11%，目前全球汽车芯片的 市场集中度较高，行业 CR4 为 43%，行业 CR8 达 63%。随着汽车行业加 速进入智能化时代，这一格局将逐步打破，包括以高通、英伟达为代 表的传统汽车半导体厂商、以谷歌、亚马逊、苹果等为代表的互联网 科技公司、以奥迪、宝马、特斯拉为代表的整车企业大举进 军自动驾 驶芯片领域，行业未来将会形成多头竞争的格局。 图表 31：全球汽车芯片市场规模统计及增长情况 图表 32： 2019 全球汽车芯片行业竞争格局 来源： ICVTank，国金证券研究所 来源： ICVTa