（报告出品方/作者：兴业证券，戴畅、赵季新、董晓彬、刘洁）
报告综述
智能驾驶大时代，汽车变革新未来。汽车软硬件以及内部架构、行业竞争格局、产业链价值分配也将发生深远变化。在此变革浪潮下，我们认为智能驾驶将相继历经辅助驾驶渗透率提升、自动驾驶方案成熟、自动驾驶生态完善三个阶段，并分别带来硬件、软件系统和商业化运营三波机会。
空间与节奏：年智能驾驶感知、决策、执行、座舱领域市场空间约四千亿，年近万亿，年复合增长率达22%。政策、需求、供给三管齐下，汽车智能化成为必然趋势，年L2级别新车渗透率约15%，L3迎来量产元年，国汽智联首席科学家提出/年L2、L3新车占比50%/70%，年L4级别新车占比20%的发展目标。我们预计智能驾驶感知、决策、执行、座舱领域市场空间五年后约四千亿、十年后近万亿，年复合增速达22%。
技术路线：发展路径上传统厂商自下而上，互联网科技公司自上而下；技术方案上激光雷达方案较大概率替代纯视觉方案。路径选择上：互联网科技公司利用其在软件算法方面的优势，主攻无人驾驶领域；传统OEM和Tier1从辅助驾驶层级先行进入市场。技术路线上：当前辅助驾驶以单目视觉方案为主，自动驾驶级别提升需要高精度高分辨率的激光雷达支持，激光雷达成本下降使激光雷达方案商业化落地指日可待。
产业变革：全面重塑汽车功能、架构、价值、格局。
1）汽车功能：智能驾驶功能实现产品升级和价值提升。
2）汽车架构：软硬件多层次升级：①感知端：硬件预埋，雷达（超声波/毫米波/激光）、摄像头、传感器（温度/压力/位移）大幅放量装车；②决策端：电子电气架构从分布到集中，引入AI芯片、域控制器、多域控制器、软件算法，且集成化将使得决策系统集成商出现；③执行端：线控制动、线控转向解耦人与车的机械连接，电控执行加速渗透，线控执行不断发展；④网联端：终极自动驾驶需要车、路、云的连接和多环节协同，车载信息服务、T-BOX、V2X模块、道路智能化基础设施、智能化交通控制系统都将逐渐完善。⑤智能座舱：包含硬件、人机交互、软件集成，先行于自动驾驶上车，信息娱乐显示屏、液晶仪表、HUD、流媒体后视镜、人机交互、域控制器、软件系统等具有较大市场机会。
3）汽车价值链向后端服务转移：软硬件的OTA升级以及智能驾驶系统和服务升级，商业模式从“制造”转变为“制造+服务”；4）行业竞争加剧，合纵连横增多：产品技术更新迭代加快，软件和科技能力要求提升，跨领域结盟合作成为新趋势。
1、政策升级供需共振，智能驾驶扬帆起航
1.1、政策端：短期政策引导，智能驾驶平台承载多领域前沿科技
年国家政策更加细化和具象，地方政府加速推动特定场景落地，智能网联由探索期进入成长期。国家部委对于智能网联汽车的规划始于年底，后续对于通用规范、安全、车联网、道路测试、通讯协议等标准进行征求意见和修订。年是各部委首次联合出台智能网联政策，明确了各时间节点的规划和任务，强调了与5G、车联网、云计算等领域协同以及特定场景先行先试的部署。年地方政府加速推进智能驾驶试运营的落地，标志着智能网联汽车已经从探索期进入了成长期。
20年顶层设计落地：智能汽车相关体系年基本形成，-年全面建成。年初11部委联合推出《智能汽车创新发展战略》，明确智能网联汽车中长期发展规划，将智能汽车的发展上升到国家发展战略：到年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。到年，中国标准智能汽车体系全面建成。国家将出台促进道路交通自动驾驶发展的政策，利用多种资金渠道，支持智能汽车基础共性关键技术研发和产业化、智能交通及智慧城市基础设施重大工程建设等。地方政府积极搭建试验平台，推动智能网联汽车落地。各地方政府相继出台智能网联汽车产业扶持政策和规划细则：设立自动驾驶示范区，在半封闭特定场景进行智能驾驶应用示范，北京、上海、长沙等部分城市已经试点开放自动驾驶出租车服务；打造智能驾驶产业生态，培育5G通信、人工智能、互联网等协同产业；鼓励产学研合作；部分地方政府还明确了产业重大突破项目的奖补政策。
1.2、需求端：互联网一代对车型智能化要求更高
伴随互联网成长起来的95后开始成为购车主力，其对智能化、个性化要求提升。年，95后开始迈入25岁，成为乘用车市场新生力量。95后是伴随互联网成长起来的一代，其对于智能化、个性化、更新换代的需求远超过80后，因此，在他们的购车选择中，智能驾驶功能、座舱个性化设置和OTA功能升级是非常重要的因素，为了适应新一代消费群体，满足他们对于汽车的需求，各大车企新车型也向智能化和个性化演变。
辅助驾驶带来的良好用户体验催生更高级别和更丰富的功能需求，带来广阔的市场空间。现阶段商业化落地的主要是L1-L2级别的辅助驾驶，为用户提供例如自适应巡航（ACC）、车道保持辅助（LKA）和自动紧急制动（AEB）等辅助驾驶功能，不仅提升了驾驶安全性、同时也一定程度上分担了驾驶员的工作，提供了良好的用户体验。用户更高级别和更丰富的功能需求会推动智能驾驶持续创新和发展。
1.3、供给端：智能化成为产品差异化的核心亮点
各大车企频繁推出配备智能驾驶功能的明星车型，智能化成为新的区分度和差异化重心。在传统汽车时代，主机厂产品差异化的着重点包括品牌、内外内饰、动力系统等。在电动智能时代，内外饰、品牌塑造以及动力系统的额外差异化依然存在，但是给消费者带来的边际变化不如智能化。国内传统车企和造车新势力均推出带有智能驾驶功能的优质车型，包含并线辅助、车道偏离预警、车道保持辅助、道路交通表示识别、主动刹车、前后驻车雷达、驾驶辅助影像、自动泊车、自适应巡航等辅助驾驶功能，配备HUD、车联网、OTA升级、人机交互等智能座舱体验，从而与传统合资产品形成明显差异化。
年辅助驾驶功能在新车中的配置率在20%左右，以L1功能为主。根据中国产业信息网信息，年10-15万区间新车型已搭载L1级别辅助驾驶功能，15-20万新车型搭载L2级别辅助驾驶功能。年新车中，辅助驾驶功能的配置以L1级别为主，燃油车/纯电/混动的配置率（以询单量计）在17%/9%/29%左右。
2、节奏：20年L3元年，25年规模化应用
2.1、现状：年L2级别新车渗透率近15%，L3开始量产
自动驾驶按照自动化程度可分为L0-L5几个等级。自动驾驶公认的两个分级制度分别由美国国家交通安全管理局（NHTSA）和美国汽车工程师学会（SAE）制定，按照自动化程度分别将智能驾驶分为5/6个等级，由于SAE的分级更为详细，所以现在大家公认的是SAE自动驾驶分级标准。
年L2级别自动驾驶新车渗透率已近15%。根据中国智能网联汽车产业创新联盟和佐思汽车研究的数据，年1-10月智能网联乘用车（L2级）总销量.6万辆，占乘用车销售总量的14.6%，共计个车型具备L2级功能。年1-10月销售L2级汽车过万的车企共计26家，过2万的车型共有28个。
各品牌具备L3功能的自动驾驶车型相继亮相或量产，迎来L3车型量产元年。年以来各个车企加速L3及以上功能车型的研发和落地：具备L3功能的长安UNI-T、广汽AionLX、上汽MARVEL-R、小鹏P7、固定场景L4功能的长城炮等相继上市。各车企也将更高级别自动驾驶规划提上日程，明确了L3-L5功能车型实现或量产时间，基本在年前达到完全自动驾驶功能。
2.2、规划：年实现智能驾驶规模化应用
中国智能网联汽车发展目标：年L2、L3级渗透率达50%、C-V2X渗透率50%。11月11日，由北京市人民政府、工业和信息化部、公安部、交通运输部、中国科学技术协会共同主办的世界智能网联汽车大会在北京开幕，国汽智联首席科学家在会上发布《智能网联汽车技术路线图2.0》，提出了中国智能网联汽车产业在发展期(-)、推广期(-)和成熟期(-)的发展目标:年L2、L3级新车销量占比达50%、C-V2X达50%;年L2、L3级新车销量占比达70%、L4级达20%、C-V2X基本普及，年前后实现智能驾驶的规模化应用。
3、路线：视觉方案VS激光雷达；传统玩家VS新兴巨头
3.1、技术路线：激光雷达VS视觉方案
当前自动驾驶技术路线分为视觉主导和激光雷达主导，前者当前成本占优、后者能实现的高阶智能驾驶潜能大。自动驾驶环境感知的技术路线主要有两种，一种是摄像头主导、配合毫米波雷达等低成本传感器的视觉主导方案，以特斯拉为典型代表；另一种以激光雷达为主导，配合摄像头、毫米波雷达等传感端元器件，典型代表如Waymo等自动驾驶厂商。纯视觉方案成本更低，商业化可行性更高；激光雷达方案当前成本较高，但是在信息获取上更加精准。
3.1.1视觉方案：单目/三目基于视觉识别+深度学习，识别的准确性和深度学习的可靠性是迈向自动驾驶的瓶颈，双目只检测不识别+传统算法，一致性和成本是迈向商业化的瓶颈，辅助驾驶时代单目是主流
单目摄像头是当前辅助驾驶的主要方案，Mobileye占据绝对主导地位，其存在探测长度和宽度无法同时保障和测距不准的问题。目前应用于自动驾驶的路况判断方案，多以单目摄像头方案为主。单目可实现车道偏离警告(LDW)、基于雷达视觉融合的车辆探测、前部碰撞警告(FCW)、车距监测(HMW)、行人探测、智能前灯控制(IHC)、交通标志识别(TSR)、仅视觉自适应巡航控制(ACC)等功能，并且成本低于其他视觉方案，Mobileye是业内单目摄像头解决方案的绝对领导者，占据全球市场超过70%的份额。
但单目摄像头方案存在以下短板
1）探测长度和宽度无法同时保障：摄像头的视角越宽，所能探测到精准距离的长度越短，视角越窄，探测到的距离越长。这类似于人眼看世界，看的越远的时候，所能覆盖的范围就窄，看的近的时候，则覆盖的范围就广。但车载摄像头是定焦的，无法像人眼一样变焦。导致了探测长度和宽度无法同时保障。
2）距离信息的获取必须基于目标的识别：要提供目标距离信息，单目摄像头方案首先要对目标进行框图边界分割，分割与识别一体，不识别无法准确分割。分割识别后是估算距离，单目估算距离主要根据像素大小，对于远距离的较大物体和近距离的较小物体像素大小非常接近，测量距离并不准确。
双目摄像头测距更准确，但对于两个摄像头一致性的要求极高，立体匹配和配准效果难度较大，使得辅助驾驶时代单目仍是主流。双目相较于单目测量距离非估算，测距准确度高；且可以在不识别目标的情况获得距离数据，没有识别率的限制，对所有障碍物直接测量；虽然双目系统成本比单目系统要高，但尚处于可接受范围内，与激光雷达等方案相比成本低；且双目系统无需维护样本数据库，因为对于双目没有样本的概念。但双目同样存在一些问题：1）两个镜头理论上要一模一样，一旦存在差异，会使得测量的准确性大打折扣，这对于摄像头的成本和良率都是很大的挑战；2）最关键的环节在立体匹配，需要对每一个像素点都做立体匹配，计算量大但算法简单，适合用FPGA来完成，门槛较高；3）另一个难点在于双目的配准效果，通过双目摄像头的图像配准可以计算生成表示距离的二维图像，不同饱和度颜色代表不同距离，从暖色调至冷色调为距离由近及远，色调（距离）要平滑过渡，没有跳变，在计算过程中，需要对噪点与空洞做很好的抑制。双目系统在豪华车上应用较多，全球目前主要的双目系统供应商有德国大陆，博世，韩国LG，日本日立和日本电装。双目摄像头对成本、工艺、可靠性、精准度的要求使得其成本较高，较难在价格敏感度高的车型上推广，单目低成本的方案搭配其他传感器可以满足L1、L2和部分L3场景下的功能，所以在辅助驾驶时代单目仍是主流。
三目视觉为解决测距问题而设计，但存在后台融合无合理规则和解决方案进行数据筛选的问题。三目初始被设计的目的是为了解决汽车前向测距的问题，但是三个不同的摄像头精准度不同，检测障碍物的精准性都会有一定的误差，对于不同摄像头获取到的同一场景的数据，需要在后台进行融合，但由于硬件的差异性本身存在，导致后台目前对于这种误差并没有合理的规则和解决方案去进行选择。这种无法决策的局面，还会同其它的传感器例如激光雷达、毫米波雷达所探测的结果产生矛盾，因此最终难以做出正确合理的决策。
3.1.2激光雷达方案：分为机械式和固态激光雷达，预计固态会率先大规模上车
激光雷达分为机械式和固态，拥有对周围环境高精度的感知能力。激光雷达的工作原理是将激光线束竖向排列形成一个面，通过调整角度发射激光束、传感器接收记录，做到对周围环境的三维感知。竖向排列线束越多，扫描密度越大，精度就越高，价格也越贵。激光雷达分为机械式和固态：机械式通过机械旋转部件直接驱动激光线束，拥有°视场，测量精度更大，探测距离更远，但是结构复杂、体积大、适配性交叉，量产成本很高；固态激光雷达不具备机械旋转部件，通过电子部件控制激光发射角度，结构简单、成本更低，但扫描角度有限、测量精度较机械式低，引入较多环境光噪声。Velodyne的64线机械式激光雷达价格高达7万美元以上，而华为也发布了96线激光雷达，其智能汽车BU总裁王军表示未来计划将激光雷达成本降至美元。固态激光雷达赛道还有大疆、禾赛、Velodyne、Luminar、ouster、Quanergy、ibeo等，法雷奥第三代Scala也从机械转向固态。
我们预计两种激光雷达中固态式会率先商业化量产上车。Waymo等自动驾驶公司的测试车使用的都是机械式激光雷达，主要是自动驾驶公司对高阶段自动驾驶的掌握必须依赖高精度传感器，性能是第一位。而从商业化考虑，因机械式高昂的成本，预计固态大概率会率先上车，目前明确公布未来量产车型上搭载激光雷达的车企有小鹏、沃尔沃、本田、长安、极狐、蔚来、宝马等。
3.1.3方案比较：激光雷达安全性高，成本问题正在解决，相视觉方案未来有更大胜出概率
激光雷达路线商业化瓶颈在于价格；纯视觉方案瓶颈在于极高要求的算法。未来进入无需人类接手的自动驾驶场景，必须保障%的安全性。而进入商业化，成本是必须突破的环节。
1、激光雷达具有高精度、高分辨率、3D感知的优势，激光雷达主导方案同时配合摄像头，两类传感器优势互补，精确度更高，因此针对L4/L5的自动驾驶公司都采用该方案。该方案的问题和争议点即当前成本高。
2、以特斯拉为代表的纯视觉方案拥趸，摒弃激光雷达的主要原因是其成本高昂。但是缺失激光雷达后，精度、稳定性、视野方面都有局限，出现的问题是：（1）对于决策端的计算要求非常高，且需要大量的数据积累，对于神经网络进行训练，使它具备判断能力；（2）视觉的缺点在于摄像头是二维的，因此会存在失真，只能依靠大量学习和算法去弥补。因此，总结来说，纯视觉方案对于数据积累和算法训练过于依赖，对于进入复杂少见的道路环境时其安全性受到挑战。
综合比较下，我们认为：辅助驾驶单目为主，激光雷达逐渐渗透；未来无人驾驶激光雷达方案胜出具有更大概率
1）在辅助驾驶时期，单目摄像头方案仍会是主流，激光雷达逐渐渗透。双目需要突破摄像头一致性的问题，三目需要突破测量误差和融合中数据选择的问题，随着激光雷达成本下降，有望开始在辅助驾驶量产车上渗透。
2）进入高级别自动驾驶，激光雷达方案不可或缺，成本进一步降低。固态激光雷达会率先上车，拥有其它传感器无法替代的高精度感知，同时成本已降至可接受程度（华为固态激光雷达成本未来可降至美金）。年11月，单目视觉的绝对领导者Mobileye与Luminar达成协议，在其第一代自动驾驶汽车上使用Luminar的激光雷达；12月在其年自动驾驶系统开发计划中规划将搭载自研的激光雷达传感器，视觉方案绝对领导者Mobileye也已经开始涉足激光雷达领域。
3.2、发展路径：高科技公司自上而下，OEM、Tier1自下而上
智能驾驶的出现使得汽车市场参与者扩容，除了传统玩家（主机厂、Tier1）向智能驾驶领域的升级，也包括布局智能驾驶的科技巨头，如造车新势力、自动驾驶公司、互联网科技公司。
互联网科技巨头大部分选择跳过L2和L3，直接发展L4或L5。互联网科技巨头之所以选择这条技术路线，主要因为软件算法是其强项，汽车工程化能力是其短板，且没有传统汽车产品包袱，无需从低级别到高级别的渐进过渡。该路线的参与者以百度、Waymo、Cruise、Uber为代表，采用激光雷达，且需要算法的不断优化完善，主要挑战则是落地时间长、且需要大量资金支持。
OEM和Tier1技术路径是L2-L3-L4渐进式发展。从OEM和Tier1角度，智能驾驶发展到L4或L5级别至少需要5-10年，时间周期长且投入过程中投入大产出少：OEM和Tier1深耕汽车行业多年，有着丰富的量产经验，利用自身优势、深挖高频使用场景，解决用户痛点，从辅助驾驶层级先行进入市场，不仅对用户具有使用价值、提升驾驶体验，能提高自身产品单车价值量和市占率。
4、变革：全面重塑汽车功能、架构、价值、格局
4.1、汽车功能重构：新增各级别的智能驾驶功能
智能驾驶的L1-L5五个级别对应的功能分别有：
L1：辅助驾驶，主要功能有自适应巡航（ACC）、车道保持辅助（LKA）、车道偏离预警（LDW）、自动紧急制动（AEB）等；
L2：部分自动驾驶，在L1级别自动驾驶的基础上新增了：车道居中辅助（LCC）、自动变道辅助（ALC）、自动泊车辅助（APA）、盲点检测（BSD）、交通标志识别（TSR）、交通拥堵辅助（TJA）和高速公路辅助功能（HWA）。
L3：有条件自动驾驶，车辆完成绝大部分驾驶操作，但人类仍要集中注意力，紧急情况下接管车辆，主要增加了：拥堵自动驾驶（TJP）、高速自动驾驶（HWP）的功能；
L4：高度自动驾驶，车辆已经可以接替驾驶员工作，但若驾驶员想亲自开车，仍可以接管车辆。
L5：完全自动驾驶，在任何天气、任何地域均可以实现完全自动驾驶，“座驾”向“座舱”转变。
4.2、汽车架构重构：感知、决策、执行、网联、智能座舱升级
实现更高级别的自动驾驶，需要感知、决策、执行、网连、智能座舱的升级配合，其中：
感知端：随着自动驾驶等级的提升，对于传感器的数量、精度有更高的要求；
决策端：智能网联化推动电子电气架构从分布到集中，域控制器、多域控制器替代ECU，引入高算力AI芯片；软件服务和OTA升级成为新的盈利模式；
执行端：自动驾驶需要解耦人与车的机械连接，线控制动、线控转向是自动驾驶执行端的核心；
网联端：真正无人驾驶需要车、路、云的互联，需要车载信息服务、终端设备、软件系统、通讯服务、基础设施等多环节的协同合作；
智能座舱：智能座舱先行于自动驾驶发展，在智能座舱硬件、人机交互、域控制器、软件系统方面都将迎来渗透和升级。
4.3、汽车价值链重构:软件和服务成为核心竞争力，硬件向电子化升级
智能网联汽车核心要素将从三大件向软件和服务转变，汽车可选消费品属性增强，个性化的软件和服务将成为未来汽车核心竞争力。传统汽车中，价值最高的核心三大件为发动机、变速箱、底盘；电动车中，价值最高的核心三大件为电池、电机、电控三电系统；进入智能网联时代，软件和服务将成为最核心的要素，自动驾驶软件决定安全性，座舱软件和服务将决定用户对于产品的选择，汽车可选消费品属性不断增强，个性化的软件和服务将成为未来汽车的核心竞争力。
汽车销售不再是一次性消费，全生命周期服务将成为企业新的盈利模式，同时客户黏性增强。传统汽车销售模式中，整车厂将汽车销售给4S店后，后续的维修、保养服务由4S店负责，整车厂不再和用户产生接触。进入智能网联时代，车辆前期匹配高冗余性能硬件，后期通过软件升级、激活更多功能；通过车联网提供在线诊断等车辆管理服务；车内的娱乐信息服务全生命周期；同时，客户数据的采集分析也有利于产品的优化升级和定制化服务的推送。
智能网联驱动汽车硬件核心价值向自动驾驶传感器、域控制器、AI芯片、智能座舱转变。传统汽车中，发动机、变速箱、底盘为价值量最高的系统部件，电动化、智能化将给汽车硬件的价值重构带来以下变化：
1、自动驾驶新增传感器、域控制器、AI芯片、车载信息娱乐系统等部件：自动驾驶将新增传感端的摄像头、毫米波雷达、激光雷达和决策端的AI芯片，和车载信息娱乐系统的一体化智能中控、AR-HUD等，前者对于自动驾驶的安全性具有决定性意义，后者提供差异化定制化的用户体验感受，具有高价值、高差异化的特点。
2、底盘系统向电控化和轻量化升级：向电子化驱动控制转变，传动系统从手动挡到自动挡到电子档，行驶系统从机械车桥到电驱动桥，制动系统从机械向电控最终到线控系统转变，同时随着电动化趋势向轻量化发展，带来产品的优化升级和价值量提升。
3、动力系统向电动化转变：发动机、变速箱、传统热管理部件将被电池、电机、电控、电动化热管理部件等替代。
4、车身内饰件：车身和结构件变化不大，属于价值量低、竞争激烈的产品，未来主要向轻量化趋势发展；细分领域如车灯（卤素到氙气到LED到激光）、玻璃（传统到镀膜）等存在产品升级带来的价值量提升机会；内饰随着智能化发展，成为智能座舱的一部分，引入更多的交互和智能控制功能，如智能座椅、智能灯光等。
4.4、汽车格局重构：软件定义汽车，互联网科技公司入局
（1）产业链核心或从硬件系统集成向软件系统集成转变
软件定义汽车，未来软件系统集成商可能替代现在Tier1硬件系统集成商的地位。在传统汽车产业链中，博世、大陆、电装等Tier1硬件系统集成商占据着极为重要的位置，其拥有极高的技术壁垒和行业地位。在智能网联汽车时代，汽车的可选消费品属性增强，差异化、个性化的用户体验将作为消费者选择产品的重要因素，且软件算法与自动驾驶的安全性息息相关，软件系统集成商或取代硬件系统集成商的位置，硬件系统集成商、内容供应商、服务供应商成为二级供应商，软件系统技术将成为未来智能网联汽车的核心竞争要素。
（2）关键能力：从工程实力到软件实力转变
软件定义汽车，整车厂对内纷纷加强软件业务部门布局。在传统的汽车工业中，硬件设计、工艺水平、工程管理等工程能力是主机厂的核心竞争力。随着智能网联时代的到来，汽车软件应用在智能座舱、自动驾驶系统、车身控制等各个方面，自动驾驶系统软件背后还需要视觉和图像处理算法、人工智能和深度学习的感知决策执行等核心算法支撑。各大整车厂纷纷成立独立的软件业务部门，持续强化人才投入和与企业合作。
近期主流车企对外纷纷在智能驾驶领域与互联网、芯片、科技公司合作，提高产品竞争力、适应产业结构调整。各主流车企近期不断加大与通讯企业、互联网公司、芯片、科技公司的合作，聚焦通信架构、AI智能和软件平台，建立智能网联时代的核心竞争力。整车厂负责完成所有自动驾驶的程序设计和算法逻辑的设定，并积极寻求在自动驾驶芯片、传感器、执行端、云服务和智能座舱等领域的合作研发。
（3）当前各参与者面临的优劣势分析
传统Tier1、OEM经验丰富，硬件方面领先，造车新势力、科技公司创新性强，软件服务方面领先。智能网联时代主要参与者从原来的传统Tier1、传统OEM扩充到造车新势力和科技公司。传统参与者在造车方面具有多年积累的经验，在汽车的性能和工艺上具有优势，而创新性则逊于造车新势力和科技公司。传统厂商和新入局者都对自己的定位和优劣势有清晰的认识，在保持优势和补齐短板上都有所布局。
车企：传统车企和新势力纷纷加速智能网联汽车的研发和落地，布局智能驾驶核心技术。年L2.5级别长安UNI-T、广汽AionLX、上汽MARVEL-R、小鹏P7、固定场景L4长城炮等相继上市。各车企也将更高级别自动驾驶规划提上日程，明确了L3-L5车型实现或量产时间，基本在年前实现完全自动驾驶。
Tier1零部件厂商：国外Tier1零部件厂商在保持原有优势的基础上，继续开拓软件算法领域，国内部分零部件企业具备一定竞争力。博世、大陆、采埃孚、安波福等Tier1零部件巨头在智能网联汽车领域沿袭多年积累的系统性硬件和汽车电子控制技术优势，在感知层、决策层、执行层的核心硬件领域仍保持领先位置，同时大力开发软件、算法，定位智能网联汽车新领域的Tier1系统供应商，实力雄厚。国内部分企业如德赛西威已具备量产77GHz毫米波雷达、域控制器等核心产品的能力，具备一定竞争力。
互联网自动驾驶公司：软件算法方面具有较大优势，逐渐占据高级别自动驾驶领先位置。科技公司凭借在软件、算法、大数据方面的优势，布局自动驾驶领域，并逐渐将商业应用提上日程。以百度为例，其在北京全面开放自动驾驶出租车服务，标志着自动驾驶生活化使用场景全面启动。互联网公司和自动驾驶公司在智能驾驶方面已经做了基本的布局，未来将不仅继续在前端服务发力，优化、迭代自动驾驶平台算法，更要在硬件方面迈向智能时代，更加注重核心自研能力的突破。
芯片、算法公司：智能驾驶依托底层芯片算法支持，芯片算法公司继续在核心技术领域发力。芯片公司持续研发高算力、低功耗的适用于未来高级别自动驾驶的芯片产品和自家的智能驾驶解决方案，与车企紧密合作，从需求端出发不断迭代和完善相应产品，推动商用化产品落地。目前英伟达、高通、Mobileye、华为的芯片产品都已达到支持L4/L5级别自动驾驶的能力，未来主要聚焦高级别自动驾驶的芯片、算法平台产品。
（4）产业链各环节公司合纵连横，大结盟时代开启近年来，车企、Tier1、芯片算法公司、自动驾驶公司等相继结盟，打通技术壁垒，共同推进跟高级别自动驾驶的落地。
车企结盟、合作共赢，抢占智能驾驶先发优势。丰田主导成立Monet，日系车企交叉持股，深入合作；戴姆勒和宝马握手言和，共同研发L3/L4级别的自动驾驶技术；通用、本田再度联手，发布全球首款自动驾驶量款车型CruiseOrigin；大众和福特跨洋合作，基于ArgoAI的自动驾驶系统SDS共同研发自动驾驶车型。智能驾驶不仅对智能化技术提出更高的要求，而且更需要时间和研发成本的庞大支出，车企联盟能够更好地整合资源，合拢资金，突破技术壁垒，使车企之间互享技术资源，共担开发成本与风险，增强规模相应。
自动驾驶公司打通技术流动壁垒，与车企优势互补，共享成果。Waymo首次突破单向联盟，加大自动驾驶技术对车企的开放程度，成为沃尔沃全球独家合作伙伴；Uber与丰田和沃尔沃联盟，共同研发技术，共享研究成果；丰田领投小马智行，东风领投AutoX。车企和头部自动驾驶公司的联盟，进一步补齐技术短板，打通技术壁垒，加强产品全面性。
车企、Tier1/芯片算法公司共同探索产业合作新模式，深化双方绑定关系，生态圈大联盟囊括产业链各环节公司，加速推进智能驾驶进程。在智能驾驶的大潮中，软件系统正成为未来汽车倚重的核心，传统汽车正逐步从分立控制转向集中域控制。整车电子架构的调整，使得车企和Tier1都面临着芯片计算、通信能力和软件系统带来的全新挑战，也势必带来车企和供应商之间的重新洗牌以及传统产业合作模式的变革。奔驰和英伟达共同开发新一代汽车计算平台，宝马和Mobileye组建联盟，现代和安波福联盟，大众在NAV联盟中将英伟达、博世、大陆、Aquantia这些芯片、汽车零部件Tier1、通信领域的龙头囊括，体现了车企在新的时代里希望通过合作掌握核心环节技术的战略布局。而华为、百度打造的生态圈大联盟，更是将产业链各个环节囊括，将使智能驾驶进程进一步加速。
智能驾驶汽车需要产业链共同参与，汽车行业从Tier1垄断系统向大结盟时代转变。智能驾驶技术从研发到量产落地，并不是车企和Tier1能够单独完成的，而是整条产业链共同参与，车企和零部件厂商需要准确自我定位。未来，软件定义汽车势必将出现类似IOS、安卓的大平台，汽车行业将从Tier1垄断系统向大结盟时代转变。
结盟合作模式大势所趋：有利于促进产品更好落地，关键技术和功能更好实现。英特尔无人驾驶事业部总监徐伟杰也曾发表过对自动驾驶带来的结盟模式的看法：整车厂非常清晰汽车对自动驾驶的需求，会定义相关的规范要求，对每个功能的定义有着丰富的经验；Mobileye等芯片算法公司则可以提供最核心的处理器和软件，满足整车厂的需求；而Tier1则清楚如何从系统产品设计角度让这些解决方案更好地成为一个真正的产品，让这个产品可以真正满足车厂要求和功能。因此，大结盟的合作模式可以促使系统产品更好地落地，关键技术和功能要求更好地实现。
汽车架构的颠覆性变革推动产业链各环节相互打通合作。随着智能汽车的发展，传统汽车架构可能被颠覆，博世电子电气架构升级路径表现为分布式（模块化→集成化）、域集中（域控制集中→跨域融合）、中央集中式（车载电脑→车-云计算）。
其中域集中式架构中，将汽车按照功能分为底盘域、动力域、车身域、座舱域和自动驾驶域五域，逐渐过渡到没有域的划分的中央集中式架构中。而特斯拉在Model3中已经采用了集中式电子电气架构，采用自动驾驶及娱乐控制模块、右车身控制器、左车身控制器来控制整车。整车控制从70-80个ECU转变为中央集中式控制，架构的调整将使软件、算法在汽车产业链中占据主导的位置，之前分散的控制模块将逐步融合集中，架构的调整推动产业链各个环节相互打通合作。
5、机会：从硬件到系统再到生态
从辅助驾驶到全自动驾驶，我们认为需要经历三个阶段：
第一阶段：辅助驾驶渗透率和级别齐升，硬件先行升级上车、智能座舱生态建立，自动驾驶硬件和智能座舱迎来量价齐升
该阶段驾驶过程中人还不能脱手，但是传感器、芯片、域控制器、线控执行等硬件会先行上车，为驾驶提供辅助支持；智能座舱的发展会给汽车带来科技感、个性化，不影响自动驾驶的安全性，因此会先行于自动驾驶，包括车机硬件、人机交互、系统软件等；
第二阶段：自动驾驶系统方案逐渐成熟，软件算法系统供应商出现龙头，特定领域开始商业化应用（ToB）
在这一阶段，自动驾驶软件算法领域的参与者在一系列的试验、优化、迭代下，逐渐趋于成熟。算法乃汽车大脑，拥有这方面能力的车企会使用自有的平台，而其他车企会委托供应商提供方案，传统Tier1、互联网科技公司都有可能脱颖而出；另一方面，自动驾驶技术到达这一阶段后，虽然还未能在公共道路大面积应用，但是会在矿区、港口码头、物流、最后一公里等干线和低速封闭场景商业化应用。
第三阶段：自动驾驶生态成熟，规模化商业落地（ToC），Robotaxi全面运营，全自动驾驶汽车逐渐替代辅助驾驶汽车
经过上述两阶段的发展，自动驾驶技术已逐渐成熟，路侧设备全面铺设，后台数据中心和云计算平台实现开放共享，政策法规逐渐建立健全，自动驾驶生态已逐渐成熟，具备全场景商业化运用的条件。全自动驾驶汽车率先以Robotaxi形式大面积商业化应用，并在个人消费端逐渐替代辅助驾驶汽车。
5.1、第一阶段：辅助驾驶阶段的软硬件升级带来的机会
（1）智能座舱
智能座舱硬件市场空间更大，且中国玩家在此领域参与度更高，德赛西威、华阳集团产品成熟、客户优质。根据罗兰贝格的预测，年我国智能座舱市场规模亿元，到年可达亿元，年复合增长率超7%。其中硬件（中控显示屏、液晶仪表盘、抬头显示HUD、交互传感器等）占比70%左右，市场空间巨大，年-年年复合增速近9%，拥有更多的机会。推荐国内产品成熟，客户优质的德赛西威，
转载请注明：http://www.0431gb208.com/sjszyzl/3345.html
