中 泰 证 券 研 究 所 专 业 领 先 深 度 诚 信 证 券 研 究 报 告 2021. 6 . 8 汽车智能化的商业化路径、产业演进及投资机会探讨 智能驾驶专题（一） 苏晨 S0740519050003 陈传红 S0740519120001 2 主要结论 1、 三 大 商业化路径之争 ： （ 1）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； （ 2）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； （ 3）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： （ 1）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； （ 2）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 CONTENTS 目录 CCONTENT S 专 业 领 先 深 度 诚 信 中 泰 证 券 研 究 所 1 智能驾驶：拨开云雾，迭代速度决定一切 目 录 CONTENTS 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 1 2 3 5 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， ROBOTAXI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。 （ 1） 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。 （ 2）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 （ 1） 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； （ 2）高端乘用车： 2020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 2、运营车数量对比：头部公司之间有两个数量级的差异 （ 1）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。 （ 2）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。 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 3 年内（ 2 0 2 1 - 2 0 2 3 ），实现 3 0 个城市落 地，车队规模达到 3 0 0 0 辆，服务 3 0 0 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 R o b o t a x i 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 A u t o X 100 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 R o b o T a x i 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 W a y m o 600 辆级别 凤凰城 ( 3 5 0 辆） 在美超过 10 个州 多赛道运行，如 R o b o T r u c k 、货物递送等 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 2020 2021E 2022E 2023E 2024E 2025E 百度 3990670 3990670 69402960 104104440 138805920 173507400 小马智行 1082229 1442972 3607429 7214858 10822288 18037146 文远知行 1136112 1704168 2840280 5680560 8520840 11361120 滴滴 NA 1041044 3470148 3470148 69402960 173507400 A u t o X 43200 1440000 1872000 2433600 3163680 4112784 W a y m o 8979672 12677184 16902912 21128640 31692960 42257280 小鹏 540000000 3780000000 1260000000 2520000000 3780000000 5418000000 特斯拉 108000000000 151200000000 264600000000 415800000000 604800000000 907200000000 9 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 3、盈亏平衡点对比： ROBOTAXI门槛低，但时间晚 （ 1）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。 （ 2）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 项目 有安全员 无安全员 日运营里程 （ km ） 90 90 运营天数 300 300 每公里付费 （ 元 ） 3 3 运营车队数量 （ 辆 ） 48000 48000 单车制造成本 （ 万 ） 4 2 . 5 4 2 . 5 单车年折旧 （ 万 ） 6 . 0 7 6 . 0 7 安全员成本 （ 万 ） 4 . 8 0 0 . 0 0 电费 （ 万 ） 0 . 2 7 0 . 2 7 运营 + 研发费用 （ 万 ） 1 . 6 7 1 . 6 7 盈利 （ 万 ） - 2 2 5 9 8 9 4411 458385 384858 222116 205987 194158 179054 173191 170483 159936 110002 0 50000 100000 150000 200000 250000 300000 350000 400000 450000 500000 Tes la 大众 集 团 通 用 集 团 现 代- 起 亚 汽 车 集 团 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 PSA 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 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021Q1 汽车销售收入 1,953,627 2,429,238 4,405,526 6,299,818 12,707,203 14,525,146 17,771,218 5,915,484 开发收入 35,080 17,321 9,578 3,447 能源收入 125,833 729,391 1,067,395 1,068,056 1,301,065 324,622 服务及其他收 入 198,089 324,632 654,194 954,699 1,552,90 2 1,504,64 2 586,817 营业收入 128,691 259,752 1,227,608 1,957,074 2,627,327 4,855,992 7,683,403 14,729,297 17,146,104 20,576,925 6,826,924 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 - 1,002,28 1 -936,904 -972,863 -437,649 销售、行政及 一般费用 -65,594 -94,516 -174,109 -369,380 -598,861 -993,510 - 1,618,19 5 - 1,945,36 8 - 1,845,90 3 - 2,052,08 1 -693,929 营业支出 -197,270 -266,725 -315,542 -653,729 -1,065,036 - 1,572,33 8 - 2,518,65 5 - 3,040,46 2 - 2,886,75 2 - 3,024,94 4 - 1,065,20 8 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） 650 2909 22442 24076 50658 76285 103181 245024 367820 499500 表：特斯拉收入与支出数据 （单位：万元） 2018 2019 2020 2021Q1 营业收入 6 495 1,203 620 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% 0.93% 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。 11 ROBOTAXI：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领军者为百度、小马智行、文远知行等公司。 （ 1）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 。 （ 2）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 DMV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 。 （ 3）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。 （ 4） 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 。 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)cpuc.c a.gov/avcpilotdata/ 单车每月运营里程 (公里） 截至 2020自动驾驶累计测试里程（公里） 当前估值（ 2021.5） 累计融资（ 2021.5) 战略领投方 每一千英里接管数（ 2020加州自动驾驶报告） 国内牌照数量（截至 2020年） 百度 apollo 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 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。 NA na 700万公里 NA NA 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 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) 3006.190667 112.5万公里 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 0.093 30 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） 1028.5（ 2020年年初）、 3705.3（ 2020年国庆期间） 450万公里（ 2021.4） 33亿美元 NA 宇通集团 0.154 20（ 2019） 滴滴 100辆级别 上海（规划 30辆） 上海 将在更多城市开放路测 NA NA 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、 Paulson、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 投超 5亿美元 0.192 AutoX 100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 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 / Waymo 600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 / ARGO AI 100辆级别（ 2019） NA 迈阿密、华盛顿特区， 奥斯汀 不再建立自动驾驶出租车队（机器人出租 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 NA NA NA 72.5亿美元 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 福特、大众 0.095 / Cruise 200-300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 NA NA 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 / ZOOX NA NA 旧金山、拉斯维加斯 首发双向电动无人车， Zoox成立伊始的目 标就是为 Robotaxi（自动驾驶出租车）所 需的硬件和软件，力争开发一款全新的自 动驾驶汽车 498.272公里（加州 11辆，统计 周期 2019.11.1-2020.1-31） 45.29745455 总数未披露， 164034公 里（ 2020加州测试里程） 13亿美元被亚马逊收购 亚马逊 0.627（ 2019） / AURORA NA NA 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 NA NA 总数未披露， 19532（ 2020年加州测试里程） 收购 UBER(ATG)后估值超过 100亿美元 Uber、 丰田、 Denso / 元戎启行 100辆（规划） 武汉（规划 20辆）、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 NA NA 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、 Ventech China、松禾资本等知名 机构跟投 东风 Lyft 30辆 30辆（拉斯维加斯） 拉斯维加斯 NA NA 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。 （ 1） 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。 （ 2）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 车端硬件技术方案 8 颗摄像头 +1 颗毫米波 + 1 2 颗超声波 2 颗激光 + 1 3 颗摄像头 +5 颗毫米波 + 1 2 颗超声波 传感器硬件成本 3200 23000 芯片 1 4 4 T O P S ， 10000 元 3 0 T O P S ， 6000 元 算法种类 48 种 20 种左右 云端 算力 1 E FL O P S 0 . 1 E FL O P S 车端 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 0 2（ 144线） 1（ 1550nm波长固态激光雷达，等效 300线） 毫米波雷达 1（ 77GHz） 5 5 超声波雷达 12 12 12 摄像头 8 13 11（ 800万像素） 平台算力 144 TOPS 30 TOPS 1016 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。 （ 1）纯视觉 ： 前置多目摄像头可以通过 VIDAR算法从 2D转化成 3D，以获得景深从而测距。 （ 2）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 A N P 百度纯视觉方案 AVP 百度无人驾驶公交车 激光雷达 0 0 4 （ 40 线 ） 毫米波雷达 5 5 6 超声波雷达 12 12 0 摄像头 12 5 7 17 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 。 （ 1） ME： 5000万台车装配，是 L2/L3领域的龙头， 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。 （ 2） 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） 0 500 1000 1500 2000 2500 2014 2015 2016 2017 2018 2019 2020 图 ： ME产品线 18 Mobileye的技术体系介绍 三位一体的战略布局。 1、真正冗余：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。 资料 来源： Mobileye，中泰证券研究所整理 图： Mobileye 三位一体战略 目 录 CONTENTS 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 1 3 2 20 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。 （ 1）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。 （ 2）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。 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 自动驾驶的算力需求： 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： 1）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。 2）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。 资料来源：腾讯科技，中泰证券研究所 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 英伟达 Orin芯片 1016 7 L3 特斯拉 model 3 FSD芯片 144 14 L2 特斯拉 model Y FSD芯片 144 14 L2 特斯拉 model S FSD芯片 144 14 L2 小鹏 P7 英伟达 Xavier SoC 30 12 L3 小鹏 P5 英伟达 Xavier SoC 30 12 L3 蔚来 ES8 骁龙 820A 2.5 14 L2 蔚来 ES6 骁龙 820A 2.5 14 L2 蔚来 EC6 Mobileye EyeQ4 2.5 28 L2 小鹏 G3 骁龙 820A 2.5 14 L2.5 理想 理想 ONE 骁龙 820A 2.5 14 L2 威马 EX5 Mobileye EyeQ4 2.5 28 L2 23 算法与传感器 算法是影响智能化体验的最关键因素之一。未来算法的差异化主要由： （ 1）数据量大小，影响云端算法训练； （ 2）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。 资料来源：腾讯科技，中泰证券研究所 表：主流算法及其特点 方法 优点 缺点 S I F T 检测特征丰富 ， 具有优秀的匹配效果 计算量大 ， 检测速度慢 P C A - S I F T 检测速度获得改善 不完全仿射不变 ， 检测精度不高 S U R F 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 O R B 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 O v e rF e a t 最早使用 C N N 进行特征提取 图像滑窗 ， 时间 、 空间开销大 R - C N N 确定候选区域 ， C N N 提取特征 ， 性能比传统算法显著提高 对每个候选区域都做特征提取 ， 时间 、 空间开销大 S P P - N e t 整张图片提取特征 ， 加快速度 ； S P P 层 ， 避免候选区 域归一化 空间开销大 F a s t R - C N N 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 F a s t e r R - C N N 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 - F C N 定位精度更高 模型复杂 ， 计算量大 Ma s k R - C N N 实例分割准确 ， 检测精度更高 实例分割代价昂贵 Y O L O 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 Y O L O v 2 4 1 6 允许用户在精度和速度之间调整 使用预训练 ， 难迁移 D S O D 3 0 0 不需要预训练 检测速度一般 R - S S D 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 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 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。 资料来源： CNBLOGS， CSDN,中泰证券研究所 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