.

汽车自动驾驶产业链深度研究报告自动驾驶驶

(报告出品方/作者:国金证券,翟炜)

报告综述

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,预计年L2.5级别自动驾驶车辆渗透率为50%,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,到年新增市场空间达亿元,年可达亿元,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: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/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)达亿元/亿元、感知层(激光雷达)达亿元/亿元、平台层(智能座舱)为亿元/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。

一、自动驾驶全产业链增量空间超亿元

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。

1.1感知层:自动驾驶汽车的眼睛和耳朵,增量空间达亿元

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《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,预计到年传感器市场规模将达亿元,到年将达亿元,10年复合增速约30%。

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。

2)RFID又称无线射频识别,是自动驾驶的耳朵。

3)车载视觉系统是感知层硬件的整合,借助机器视觉技术进行图像增强和数据处理。车载视觉系统主要应用于视觉增强的驾驶辅助。

1.2传输层:自动驾驶提供信号传输,增量空间超亿

传输层是基于通信技术将感知层获得的环境信息转换成信号传导到决策层,类似人体的传输神经。传输层主要包含通信设备和通信服务,其中通信设备以元器件、信息交互终端等为主,通信服务主要为DSRC和C-V2X两种服务自动驾驶的无线通信技术。

传输层的增量来自于V2X带来的通信芯片、通信模组以及信息交互终端OBU、RSU和T-BOX等。我们认为自动驾驶带来的不仅仅是单车的网联化,还需必备路的智能化,即车路协同。因此,预计传输端将带来通信芯片、模组等通信元器件以及车路信息交互终端的爆发。我们预测自动驾驶传输层的价值空间到年达到亿元,年达到亿元,10年复合增速为18.79%。

1.3决策层:自动驾驶汽车大脑,增量空间超亿元

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。

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,到年自动驾驶决策层可见的增量空间将达亿元,年将达亿元,10年复合增速达23.44%。

1)操作系统:为自动驾驶提供底层支撑。

2)芯片:为自动驾驶提供算力支撑。

3)算法是决策层的核心竞争力。

4)高精度地图将成为自动驾驶、车路协同的基础设施。

1.4执行层:自动驾驶的四肢,增量空间达亿元

执行控制好比“驾驶员的手脚”,是自动驾驶真正落地的基础。执行层是无人驾驶系统的最底层,其核心任务是通过驱动、制动及转向控制系统,相互配合,使汽车能够按照决策部分规划的轨迹稳定行驶,并且同时能够实现避让、保持车距、超车等动作。随自动驾驶的发展,执行层由驾驶员施加人力、通过真空和液压等推动的方式逐渐被电子化、电动化系统所替代,电信号替代机械力的线控技术在自动驾驶时代全面渗透。

自动驾驶执行层带来新的增量市场主要源自于域控制器和线控执行等功能设备。我们测算,到年自动驾驶执行层可见增量市场规模将达亿元,年将达亿元,10年复合增速超30%。

电子驱动:发展成熟,相比传统驱动优势明显。

电子制动:执行层最关键部分。

电子转向:电动助力EPS占据主流。

1.5中游平台层:完成自动驾驶功能的居中调度,增量空间为亿元

平台层以TSP车联网平台厂商为主,包括智能座舱、智能驾驶整体解决方案等。

自动驾驶平台层带来增量空间主要以智能座舱为主,主流智能座舱包含全液晶仪表盘、汽车中控屏、HUD和流媒体后视镜等四大模块。我们测算,到年智能座舱市场空间为亿元,年达到亿元,10年复合增速近30%。

TSP车联网平台提供车载信息服务,通过在汽车上安装车载信息设备,利用通信网络为驾驶员和乘客提供多样化信息服务,包括行车导航、路况信息、行车安全预警、免提通话、天气服务、紧急救援、车辆性能检测等。

TSP在车联网产业链中居于核心地位。上接汽车、车载设备制造商、网络运营商,下接内容提供商,TSP的服务集合了位置服务、GIS服务和通信服务,如导航、娱乐、咨询、安防、SNS、远程保养等。其核心价值主要体现在:向下游直面用户,是直接为用户提供服务价值的主体;向上游扮演资源整合角色,涉及车载设备提供商、网络服务提供商、信息服务内容提供商等,整合多方信息及资源为用户提供车载信息服务。

TSP是产业链中潜在利润空间最大的环节。作为产业链的核心位置,TSP拥有整个链上最核心的大数据资源,且其数据具有积累性,据此可以演化为多种商业模式,是车联网产业链潜在利润空间最大的环节。TSP盈利模式为:面对车主,TSP依托于线上服务赚取服务费用,赚取B2C中的利润;在客户数量以及交互数据达到一定体量后,可以与广告商、保险公司、物流公司、租车公司等开展一系列商业模式的探索,拓展B2B业务。

目前TSP根据车厂主导的程度大致可以分为三种模式。

模式一:车企设立自己的TSP。

模式二:车厂与第三方供应商合作设立TSP。

模式三:第三方供应商提供独立TSP。

智能座舱是车企智能化、高端化的刚需,也是未来智能网联汽车的主要组成部分之一。它以座舱域控制器(DCU)为核心,推动包含液晶仪表盘、中控屏、流媒体后视镜、抬头显示系统等部件在内的多屏融合,实现语音控制、手势操作等更智能化的交互方式。从汽车整体架构来看,座舱域控制器(DCU)链接传统座舱电子部件,进一步整合智能辅助驾驶ADAS系统和车联网V2X系统,使智能汽车可以进一步优化整合自动驾驶、车载互联、信息娱乐等功能,完整的解决方案帮助智能汽车从代步工具逐渐成为可移动生活空间。

智能座驶舱产业链分为硬件和软件两部分。硬件包括了传统中控和仪表盘,以及新纳入的抬头显示器HUD、后座显示屏等HMI多屏,软件则由于加入了手势语言在内的交互技术,包含底层嵌入式操作系统、软件服务、ADAS系统等应用。软硬件底层技术根据产品的不同需求应用到各个智能化零部件中;不同智能化零部件在座舱内集成形成一套完整解决方案,以整车体现,整车进而销售给车主;与此同时,基础设施参与整个流程,为各环节提供数据传输、运算存储等服务。

智能座舱产业趋向于跨界、融合、集成的网状结构。上游零部件企业寻求后向一体化,下游整车厂寻求前向一体化,独立研发算法和智能硬件,与此同时,新兴互联网公司与传统整车、零部件企业进行深度合作,共同推出智能座舱整体解决方案。对于整车厂而言,其拥有成熟的汽车研发、生产、供应链体系,但相对来讲软件开发实力略有不足,缺乏良好的生态体系。对于新兴互联网公司而言,其具备完善的应用生态、强大的系统开发能力,但缺乏与相关行业经验,对硬件的集成开发的能力相对较弱。对于Tier1供应商而言,其独特优势在于系统定制能力和丰富的车规级硬件开发经验.

算法软件数据将成为价值链重心。互联网和科技公司在产业中占比升高,他们在算法、芯片、网络连接和生态系统搭建上占据优势,而传统主机厂和Tier1则在汽车传统的生产制造环节有丰富经验。未来可能主要为两种跨界模式:一是传统车企和Tier1与互联网巨头合作,比如上汽和阿里。车企将相对封闭的生产数据一定程度开放给互联网企业,用于座舱智能化的升级;二是零部件大厂收购有发展潜力的科技公司,从而掌握核心技术。长期来看,整个汽车价值链的重心将从硬件生产制造逐渐转向系统、算法等软件层面,掌握核心软件能力、数据的互联网公司,及转型及时的主机厂将占据行业主导地位。国内汽车发展虽然落后国外,但互联网行业一直占据主导,拥有流量和生态优势。因此,国内车企、其他供应商借助互联网,有望赶超国外大厂。

从企业类型来看,无论是传统国际品牌,还是造车新势力和国内自主品牌,在智能座舱上都积极布局,近一两年都有产品完整产品落地。从交互方式来看,自然语音识别方式以其符合正常对话逻辑、良好的交互体验得到了众多品牌认可,造车新势力、国内自主品牌以及奔驰、宝马、奥迪都搭载了自然语音识别模块。从操作系统看,大部分企业有自研或自有的、以QNX、Linux和安卓底层构架的配套操作系统。芯片方面,高通和英伟达市场认可度依旧很高。中控屏和仪表盘则呈现了明显的大屏集成偏好,全液晶中控屏和仪表盘快速渗透自主品牌及造车新势力,而HUD主要为选装搭载,渗透率相对较低。

1.6整车厂与第三方服务

经过各层级的技术研发,最终由整车厂进行技术集成与生产组装,完成无人驾驶产品的生产末环。整车厂商为关键技术企业提供应用、实践平台,科技企业直接向整车厂商提供解决方案、部件。生产组装完毕的整车,一部分直接销售到消费者端,一部分成为第三方服务商的服务供应车辆。此类服务商一般为移动出行服务商,提供服务所得的数据反馈将协助整车厂及科技企业调整产品研发。部分整车厂也在向第三方服务商转变,或与之开展深度合作,整个无人驾驶产业链呈现生态化、网状化趋势。

整车厂商也在积极布局智能网联汽车产业。新兴车企(蔚来、零跑、理想、小鹏、奇点等)具备后发优势,在研发方面普遍优于传统车企,科技嗅觉更灵敏,部分智能网联相关技术已成为产品亮点。传统整车厂商(一汽、广汽、北汽、长安、吉利、奇瑞等)在智能网联领域的发展相对较缓,在软件算法等领域开发能力相对不足,多数选择以收购或战略合作的方式与科技企业共赢。整车企业的布局加速了智能网联产品的适配应用,促进了相关技术的迭代升级,保障了无人驾驶产业乃至智能网联汽车行业持续快速发展。

第三方服务商主要是为未来移动出行进行开发与测试、为公众和商业运输提供移动出行服务的公司等,包括网约车平台、无人驾驶出租车、无人送货车、接驳车等服务商,如Uber、Grab、2getthere、Bestmile、滴滴出行、神州优车、首汽约车等。剥离司机角色,打车和租车或许在未来殊途同归。科技企业在算法上具有优势,然而相对缺乏产业数据,因此深耕产业的出行公司,或将成为下一步无人驾驶的突破点。

二、自动驾驶技术路径探究

2.1单车智能VS车路协同:各有千秋,未来趋于协同

按照技术路径,无人驾驶当前主流有两种实现路径:一是基于单车感知和高效算法决策的单车智能模式,二是基于道路基站和车辆进行通信、通过云端调控的车路协同模式。

单车智能模式痛点无可回避。从目前表现来看,单车智能存在许多弱点:首先是多传感器融合问题,以及随之而来的对芯片性能的要求;无人驾驶依靠AI,但AI黑箱效应难以克服;自动驾驶亿英里的道路检测难以实现;全自动驾驶有几百万极端工况,软件设计难以保证和验证;L3、L4、L5自动驾驶成本极高,单车均价约20万美元,难以进入私家车领域;完全自动驾驶汽车实际行驶安全难以保障。

车路协同是单车智能的延伸和拓展。单车智能是车路协同的基础,如果没有单车智能,智能网联就没有基础平台,更重要的是在路侧没有铺设智能设备、通讯受到干扰、智能路侧设备出现故障时,单车智能保证汽车安全行驶。此外,在车路协同无法覆盖的区域以及极端场景中,还是需要依赖单车智能自动采取行动。而由于单车智能不可忽视的痛点,车路协同形成单车传感器的性能延伸,缓解计算平台算力压力,对于高级别自动驾驶不可或缺,基于场景来看锦上添花,能够加快汽车产业化落地,无论在时间或空间维度实现更全面的覆盖。

车路协同系统的基础技术包括四个部分,可依据构成划分为智能车载单元关键技术、智能路侧关键技术、通信平台关键技术和其他关键技术,其中V2X是车路系统核心的基础技术。

智能车载单元,借助当前主流的LTE-V2X以及新一代5G-V2X信息通信技术,实现车辆之间、车路之间、车与行人、车与云端之间的全面信息交互。从产业结构角度来看,车载终端主要包括通信芯片、通信模组、终端设备、V2X协议及V2X应用软件。整个车载终端的产业结构包括硬件和软件产业参与者。

智能路侧系统,在车路协同体系中,通过部署智能设备,收集路侧信息。其通过智能传感器设备,结合智能车载信息,提供危险驾驶提醒、车辆违章预警、道路异常提醒、道路拥堵分析、交叉路口、协调调度等功能。整个系统的运转流程是:通过架设在道路侧传感器感知到的实时道路信息与车辆共享,使车辆拥有超视野感知能力,提供较全面的路侧环境信息,与车辆进行信息数据共享,同时将车侧信息收集至云端,最终进行应用。按照职能板块划分,智能路侧系统主要包含智能基础设施板块、智能传感器板块、通讯计算板块等:智能基础设施类板块主要包括信号灯控制机、电子指示牌、北斗差分基站等设备要素;智能传感器板块主要包括激光雷达、高清摄像头、毫米波雷达等,可探测车辆状态、道路实时状况等;通讯计算板块则是指其中的通信管道,包括LTE/NR模组,能够支持数据传输等。同时,在路侧单元一些实时信息需要在边缘侧进行数据计算,以解决道路交通中的应急事件。

通信平台,作为车路协同中的连接管道,主要负责提供车与车、车与路间实时传输的信息管道,通过低延时、高可靠、快速接入的网络环境,保障车端与路侧端的信息实时交互。目前,车路协同的底层通信技术较为通用的是DSRC(专用短程通信)和基于蜂窝网通信技术演进的C-V2X。C-V2Ⅹ起步相对较晚,但其基于蜂窝通信技术,可移动性、可靠性强,具有前向兼容性的5G演进路线,未来可支持自动驾驶,中国布局领先。

云控平台,在车路协同产业发展中承担着“指挥者”的角色。云控平台包括云控基础平台和云控应用平台。云控平台能为智能汽车及其用户、管理及服务机构等提供车辆运行、基础设施、交通环境、交通管理等动态基础数据,具有高性能信息共享、高实时性云计算、大数据分析、信息安全等基础服务机制,是支持智能网联汽车实际应用需求的基础支撑平台。在应用层面,云控平台的搭建能够增强智能网联驾驶服务能力,降低交通事故伤亡几率,减少交通拥堵时间,提升交通效率。目前,通过云控基础平台的物理架构,已经基本形成车端-边缘云-区域云-中心云四级支撑体系。

车路协同优势:安全、高效、低成本、落地更快。

车路协同体系亦面临挑战。车路云一体化运行不乏挑战:车辆层面,无论是融合感知还是协同决策,车路联合实现实时有效协同是难题;交通层面,除了要提高自动驾驶汽车性能,还要解决交通拥堵和联合管控,技术上面临着高可靠、低延时的数据交互问题;计算资源开发方面,如何将大数据挖掘、计算等及时有效输送到末端面临挑战等。

2.2中国无人驾驶路径以单车智能结合车路协同

关于是“单车智能”还是“车路协同”,一直存在诸多研究与争论。“单车智能”倾向于车辆自身的自动驾驶能力,能够精准及时地感知、决策、控制,从而实现无人驾驶;“车路协同”则更注重全局优化,通过车车、车路信息交互达到智能协同,为无人驾驶构建一个更完善的生态环境。

单车智能与车路协同各有优劣,理想状态下可形成互补。单车智能在车路网络出现漏洞等极端情况下能够保证车辆的安全行驶,而车路协同能够实现信号源传输、超视距通信、多个检测视角等单车无法做到的场景。理想状态下,单车智能和车路协同能够优劣互补,从而达到最佳无人驾驶状态。

我国基本明确了车路协同与单车智能结合的发展道路。自动驾驶起源于美国,在单车智能领域,我国与美国有较大差距,同时由于我国路况设施复杂,相较而言,将车联网作为发展智能交通、无人驾驶的杠杆着力点,重点发展车路协同,则有望实现换道超车。

车路协同与单车智能结合发展,我国拥有基于国情的天然优势。强大的统筹能力和基建能力使得新技术的研发突破及实施落地具有更高的可行性。无论是聚焦单车的高精尖技术,还是聚焦全局的基础设施协同,我国都有能力从研发到测试到法规健全到落地改造的全过程给予深度扶持。

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

自动驾驶行业格局逐渐稳定。目前自动驾驶、智能互联是汽车行业发展的方向,传统车企和一些互联网巨头都纷纷入局无人驾驶领域。根据Gartner年新兴技术成熟度曲线,L5级自动驾驶属于期望膨胀期,L4级自动驾驶属于幻灭期。商用车L3、L4无人驾驶已经在矿山、港口、物流等流域落地,而乘用车无人驾驶落地项目主要集中在传统车企L2+和L3级量产车型和特定场景自动驾驶方面。目前无人驾驶技术逐步迈向成熟,新入局者减少,年新兴技术成熟度曲线中自动驾驶被移出榜单。

从技术发展路径上看,自动驾驶发展路径主要分为渐进式、跨越式和特定场景式等三种。渐进式以传统车企为主,跨越式以互联网和造车新势力为主,特定场景式则以商用车率先落地。

三、多重因素促进自动驾驶产业发展

3.1产业政策驱动

政府从安全监管、标准制定到战略发展,车联网政策持续出台。年4月,工信部、发改委、科技部联合发布《汽车产业中长期发展规划》指出重点支持传感器、控制芯片、北斗高精度定位、车载终端、操作系统等核心技术研发及产业化。年,工信部制定《车联网智能网联汽车产业发展行动计划》指出到年,车联网用户渗透率达到30%以上,新车驾驶辅助系统(L2)搭载率达到30%以上,联网车载信息服务终端的新车装配率达到60%以上。年,国务院发布《交通强国建设纲要》加强智能网联汽车(智能汽车、自动驾驶、车路协同)研发,形成自主可控完整的产业链。至年2月,11部委联合出台《智能汽车创新发展战略》,意味着车联网产业将在我国迎来高速发展重大机遇。

自动驾驶领域产业政策稳步推进。从年至年,政府发布多项相关政策,


转载请注明:http://www.abachildren.com/jbzs/5077.html