1、 第 頁 目錄TOC o 1-2 h z u HYPERLINK l _TOC_250018 投資概要4 HYPERLINK l _TOC_250017 自動駕駛狂熱期已過，主要無人駕駛企業發展面臨瓶頸8 HYPERLINK l _TOC_250016 Waymo：商業化運營發展緩慢，開源數據集擁抱開放與合作8 HYPERLINK l _TOC_250015 Cruise：無限期推遲舊金山 部署計劃，開源可視化工具9 HYPERLINK l _TOC_250014 特斯拉：Autopilot 硬件算力不斷提升，Semi 重卡生產推遲至2020 年底10 HYPERLINK l _TOC_250

2、013 百度Apollo：全球首個自動駕駛開放平臺12 HYPERLINK l _TOC_250012 傳統車企專注L2 商業化，主要采用投資方式進行L3 以上布局13 HYPERLINK l _TOC_250011 L4 無人駕駛面臨的主要困難15 HYPERLINK l _TOC_250010 相關法律法規已不再是主要制約瓶頸15 HYPERLINK l _TOC_250009 算法與數據：自動駕駛企業開始擁抱開源數據集16 HYPERLINK l _TOC_250008 系統零缺陷是實現自動駕駛的核心挑戰，L3 可能是短期最優動態平衡17 HYPERLINK l _TOC_250007

3、半導體、5G、高精度地圖賦能自動駕駛21 HYPERLINK l _TOC_250006 半導體助力自動駕駛21 HYPERLINK l _TOC_250005 網聯化為自動駕駛提供技術支撐24 HYPERLINK l _TOC_250004 高精度地圖構建自動駕駛基礎設施27 HYPERLINK l _TOC_250003 建議關注公司：華為、地平線、禾賽科技30 HYPERLINK l _TOC_250002 華為30 HYPERLINK l _TOC_250001 地平線31 HYPERLINK l _TOC_250000 禾賽科技31圖表圖表1:Gartner 2017 年新興技術成熟

4、度曲線4圖表2:Gartner 2018 年新興技術成熟度曲線4圖表3: 主要車企自動駕駛規劃時間表5圖表4: 自動駕駛產業圈5圖表5:L4 級自動駕駛落地的難點6圖表6: 智能汽車產業鏈7圖表7: 谷歌“螢火蟲”原型車8圖表8: One 在鳳凰城的限定區域內運營8圖表9:2018 年加州自動駕駛脫離報告MPD 指標9圖表10:2018 年加州自動駕駛脫離報告路測里程指標9圖表11:Cruise 營業利潤9圖表12:Cruise 股權結構（截至2019 年7 月）9圖表13: 數據可視化平臺10圖表14: 特斯拉歷代Autopilot 硬件參數對比11圖表15: 特斯拉FSD 芯片研發量產過程

5、11圖表16: 自動駕駛卡車發展三階段12圖表17: 百度Apollo 計劃自動駕駛開放路線圖12圖表18: 百度Apollo 計劃開放平臺13圖表19: 自動駕駛產業圈14圖表20: 美國31 個州已經就自動駕駛汽車有相關立法與行政令15 HYPERLINK / 請仔細圖表21:L4 級自動駕駛落地的難點 HYPERLINK / 請仔細 HYPERLINK / 請仔細圖表22: 自動駕駛企業公開數據集17 HYPERLINK / 請仔細圖表23: 主要自動駕駛數據集對比17圖表24: 嚴重性、暴露率和可控性定義18圖表25:ASIL 根據嚴重性、暴露率、可控性可以分成5 個等級18圖表26:

6、 面對高嚴重性應用時，功能安全需求往往處于ASIL-C/D 的區域18圖表27: 分散式AAS 電氣架構（左圖，集中式AAS 電氣架構（右圖） 圖表28: 致力于零缺陷管理時，對于簡單應用而言綜合質量成本或伴隨著產品缺陷的降低而下行（左圖；但對于復雜應用可能會出現綜合質量成本高企的情況（右圖）20圖表29: 汽車計算芯片肩負多類計算任務21圖表30:NVIDIAXavier SoC21圖表31: FSDSoC21圖表32:AI 芯片需軟硬結合22圖表33: 汽車計算芯片領域挑戰英偉達的兩個方向22圖表34: 主要自動駕駛計算平臺對比23圖表35: 主要自動駕駛計算平臺內置AI 芯片對比23圖表

7、36: 汽車計算芯片主要模塊對比23圖表37: 汽車向智能化、網聯化發展的趨勢24圖表38: 非視距場景下V2X 的優勢24圖表39:V2X、光達、毫米波、攝像頭解決方案成本對比24圖表40:C-V2X 中的直連接口（PC5）和網絡接口（Uu）25圖表41: 我國C-V2X 的應用探索形式26圖表42: 不同階段車聯網市場規模測算（單位：億元）26圖表43: 高精度地圖的數據元素27圖表44: 導航地圖、ADAS 地圖和高精度地圖的對比27圖表45: 四維圖新的高精度地圖生產過程28圖表46: 前裝車載導航出貨量市場份額，2018Q228圖表47: 前裝車載導航滲透率28圖表48: 導航電子地

8、圖甲級測繪資質企業29圖表49: 華為端到端的汽車數字化解決方案30圖表50: 地平線發展歷程31圖表51: 地平線Matrix 1.7 自動駕駛計算平臺31圖表52: 地平線工具鏈支持模型轉換和部署31圖表53: 禾賽Pandar40 與Velodyne 產品效果對比32圖表54: 禾賽科技融資歷史32 HYPERLINK / 請仔細 HYPERLINK / 請仔細投資概要2017 2021 Level 5 級自動駕駛。Elon Musk 2017 5 月的一次ED la 將在9 年之前實現l 5 6 月的報告20202021 年間實現 Leel 5 2018 9 月的報告L5 規劃或暫停部

9、分自動駕駛研發計劃。Gartner 術 7 8 我們認為 019 年應處于接近最低谷的位置。2017 12 月，Volvo 2017 年開始的“Drive Me 2021 年。2018 1 2018 CEOJimHackett Ford 的研究重點已從自動駕駛轉移到車聯網。Hackett 2017 年8月接受e采訪時曾表示2019 7 CruiseCEO 的計劃事實上已經推遲，并且沒有明確的部署時間表。圖表1:Gartner2017年新興技術成熟度曲線圖表2:Gartner2018 年新興技術成熟度曲線資料源：Gartner，資料源：Gartner，L3 根據各公司公開披露的計劃， 20202

10、021 年可以與各自的合作伙伴一道實現高速公路自動駕駛。2019 L4 級別的自動駕駛。我們認為，L3級別下駕駛員可以不用實時監控路況信息，直到系統報警并要求接管，這可能在未來兩2021 級自動駕駛（例如僅在高速公路等半封閉路段。 HYPERLINK / 請仔細 合作方投資方2018201920202021202220232018年底推出 HYPERLINK / 請仔細 合作方投資方2018201920202021202220232018年底推出RoboTaxi服務，但并未達到L4原定2019年底推出RoboTaxi，現無明確時間表原定2019年底推出RoboTaxi，現無明確時間表2020年

11、，高速公路自動駕駛2020年，高速公路自動駕駛2021年，推出RoboTaxi2019年底，推出L4資料來源：Waymo，2021年，推出RoboTaxi2019年底，推出L4控股參股參股參股參股合作參股參股參股合作參股參股圖表 4: 自動駕駛產業圈控股參股參股參股參股合作參股參股參股合作參股參股合作合作合作 合作關系 投資關系合作合作合作資料來源：36 氪，佐思汽研， 感知層理解與決策層執行層其他超聲波雷達毫米波雷達轉向攝像頭激光雷達加減速GPS/IMUV2X避障物體識別/跟蹤控制路徑規劃定位地圖圖表 5: L4 感知層理解與決策層執行層其他超聲波雷達毫米波雷達轉向攝像頭激光雷達加減速GPS

12、/IMUV2X避障物體識別/跟蹤控制路徑規劃定位地圖乘用車：LiDAR等傳感器價格昂貴商用車：（條件較成熟）復雜道路環境下，算法準確率尚未達到要求目前測試車均為現有車型改裝，尚未量產專門車型 HYPERLINK / 請仔細 HYPERLINK / 請仔細資料來源： 圖表 6: 智能汽車產業鏈舜宇光學(2382 HK)鏡頭On Semi (ON US) Omnivision (未上市)CISOsram (OSR GR)光源Nidec (6594 JP)微控馬達Infineon (IFX GR) STM (STM US) NXP (NXPI US)MMICSchweizer (SCE GR) Ro

13、gers (ROG US)滬電股份(002463 CH)高頻PCBNVIDIA(NVDAIntel (INTCNXP (NXPI US) TI (TXNUS)Infineon (IFX GR)Panasonic (6752 JP)Valeo (VLEEY US)Fujitsu-ten未上市) ContinentalCON GR)攝像頭Velodyne未上市) Quanergy未上市Ibeo未上市)禾賽科技(未上市) 速騰聚創(未上市) 北科天繪(未上市)激光雷達Bosch (RBOS GR) Continental (CON GR) Hella (HLE GR)德賽西威(002920毫米波雷達

14、Bosch (RBOS Valeo(VLEEYUS)同致電子(3552 TT)航盛電子(未上市)超聲波雷達Bosch (RBOS GR) Continental(CONGR) Delphi (DLPH US) Denso (6902JP)ADAS/駕駛系統智能汽車德賽西威(002920 華陽集團(002906 均勝電子(600699 Clarion (6796 JP)航盛電子(未上市)信息娛樂系統車載軟件NipponSeiki(7287Continental (CONGR) Denso (6902JP)HUDContinental (CON GR) Denso (6902 JP) Visteo

15、n (VC US)德賽西威(002920儀表盤Visteon (VC US) Continental (CON GR) Bosch (RBOS GR)德賽西威(002920 CH)中控顯示華為(未上市)高新興(300098 CH)大唐移動(未上市)德賽西威(002920 CH)千方科技(002373 CH)華陽集團(002906 CH)Continental (CON GR) Denso (6902 JP)四維圖新(002405 CH)高德地圖(未上市) HERE ( 未 上 市 ) TomTom (未上市)地圖BlackBerry (BB US) Alphabet (GOOG US) Mic

16、rosoft (MSFT US) 斑馬智行(未上市)操作系統Innolux (3481AUO (AUOUS)Sharp(6753JP)深天馬A (000050 CH)信利國際(732 HK) LG Display (LPL US)顯示面板華為(未上市)大唐移動(未上市)中興通訊(000063 CH)移遠通信(603236 CH)Renesas (6723STM (STMUS)地平線(未上市)車載半導體系統終端設備通信模組耐世特(1316 HK)Mando (204320剎車底盤車身控制系統比亞迪(1211 HK)宇通客車(600066動力傳動系統匯川技術(300124 CH)電機寧德時代(30

17、0750 CH)比亞迪(1211 HK)LGC (051910 KS) SamsungSDI(006400Panasonic (6752JP)電池系統新宙邦(300037 CH)電解液/ 電解質COPE (6619JP)滄州明珠(002108 CH)隔膜天齊鋰業(002466 CH)正極負極 HYPERLINK / 請仔細資料來源：彭博資訊， HYPERLINK / 請仔細自動駕駛狂熱期已過，主要無人駕駛企業發展面臨瓶頸Waymo：商業化運營發展緩慢，開源數據集擁抱開放與合作20091月GoogleX實驗室的ProjectChauffeur2016 12 GoogleX Alphabet 十年

18、來的發展歷程，我們將其分為五個階段：（谷歌自動駕駛研發團隊最初在豐田rus 車型上進行試驗，100 英里的目標。第二階段（2012：主要測試車型轉為雷克薩斯X450h，并于2 年5 月在內華達州拿到全球首個自動駕駛公共道路測試牌照，開始在高速公路上展開測試。2012 30 萬英里。（214 年5 “螢（F，其沒有方向盤或踏板，最高時速5 英里。此后的一段時間里，谷主開發，我們認為這可能說明谷歌曾經有整車制造的計劃。第四階段（2012：6年底yo正式分拆獨立。7yo 開始與菲亞特克萊斯勒acca yo LiDAR2017 4 Early Rider 項目，開始自動駕駛出租車（RoboTaxi）服

19、務的小規模試驗。第五階段（：8 年2 oboxi 服務yo One利桑那州鳳凰城如期上線。2019 1 月，Waymo L4 6.2 萬輛菲亞特-Pacifica 2 萬輛捷豹i-Pace 的改裝工作，且改裝車輛用于 RoboTaxi 車隊的運營。圖表7: 谷歌“螢火蟲”原型車圖表8:WaymoOne 在鳳凰城的限定區域內運營 資料源雷網 資料源：TheVerge，商業化運營發展緩慢。 L4 級自動駕駛汽車將于2019 2019 8 已經獲得空車上路牌照， One 此，Waymo One 的運營區域和服務群體也十分有限，運營區域僅限于鳳凰城郊區的 HYPERLINK / 請仔細andlr、il

20、bert、Ma、pe 四個區域（合計面積約0 平方英里 HYPERLINK / 請仔細 One L3 級， 且由于服務尚未開放注冊，其實質上還處于測試階段，不是真正的商業化運營。2018 Per Disengagement，單次接管行駛里程公布的2018 10 11 1000 2019 7月1 0 9 年6 yo 在計算機視覺頂會PR 2019 OpenDataset 開始圖表9:2018年加州自動駕駛脫離報告MPD指標圖表10:2018年加州自動駕駛脫離報告路測里程指標-(miles)Waymo CruiseZooxNuro Pony.AI Nissan Baidu-(miles)Waymo

21、 Cruise ZooxNuro Pony.AI Nissan Baidu資料源：California DMV，資料源：CaliforniaDMV，Cruise：無限期推遲舊金山 RoboTaxi 部署計劃，開源可視化工具接連獲得巨頭投資。Cruise Automation 2013 2016 年3 10 億美元收購。被收購后，Cruise Bolt 電動車進行路2018 5 月，Cruise 22.5 11 億美元。2018 10 月，Cruise 7.5 億美元投資，且本田官方聲明中承諾未來 12 年將繼續投入 20 億美元，此次投資后 Cruise 估值達 146 億美元。圖表11:Cr

22、uise營業利潤圖表12:Cruise 股權結構（截至2019 年7 月）201620172018(USD mn)-(USD mn)控股5.7%10.9%軟銀本田通用300%控股5.7%10.9%軟銀本田通用-100-200-300250%200%-400150%-500-600-700100%Cruise50%Cruise HYPERLINK / 請仔細 HYPERLINK / 請仔細-8000%營業利潤同比增速資料源彭資，資料源通汽年， HYPERLINK / 請仔細無限期推遲舊金山 部署計劃。Cruise 2018 1 月發布了無方向盤、油Cruise 2019 年量產并分配到美國部分城

23、市Cruise CEO 2019 7 月宣布，2019 年底在美國舊金山部署的計劃事實上已經推遲，并且沒有明確的部署時間表。Cruise 方面表示，由于 HYPERLINK / 請仔細Cruise 服務的鳳40 倍。開源數據集類似的，Cruise 2 月，Cruise 2D 3D 場景渲染器WorldviewWorldview 更快捷地構建自定義可視化，以便更清晰直觀地理解所需調試的邊緣場景。2019 年 6 月，Cruise 又開源了數據可視化平臺 Webviz， Worldview 是 Webviz 中的一部分。圖表 13: 數據可視化平臺 Webviz資料來源：Cruise 官網， 特斯

24、拉：Autopilot 硬件算力不斷提升，Semi 重卡生產推遲至 2020 年底Autopilot 硬件算力不斷提升。2014 10 AutoPilot 1.0，主要依1 2016 5 10月推出了Autopilot 2.01.0 2.0 L5 Autopilot 2.0 1.0 40 倍。Autopilot 2.5 2.0 的基礎上主要進一步提升了算力。2019 4 月，特斯拉公布了Autopilot Self-Driving Computer，全自動駕駛計算機）144TOPS。 HYPERLINK / 請仔細圖表 14: 特斯拉歷代 Autopilot 硬件參數對比 HYPERLINK

25、/ 請仔細Autopilot1.0Autopilot2.0Autopilot2.5Autopilot3.0自動輔助駕駛增強自動輔助駕駛全自動駕駛發布時間2014/102016/102017/82019/4前置攝像頭13（普通、長焦、廣角）后置攝像頭1（倒車影像）1（50米）側置攝像頭-4（側前80米、側后100米）超聲波雷達12（5米）12（8米）毫米波雷達1（160米）1（170米）處理器Mobileye EyeQ3 /NVIDIA Tegra 3NVIDIA DRIVE PX2 AutoCruiseNVIDIA DRIVEPX2AutoChauffeurTesla FSD資料來源：特斯拉，

26、車云網， Autopilot 3.0 中搭載了由特斯拉自主研發的FSD 芯片。作為首家自研汽車計算芯片的整車廠，特斯拉能夠做到完全根據自身需求，定制化設計AP3.0 放棄英偉達芯片的主要原因，在于其更強烈的定制化FSD中NPU的面積占比最大， 70%。圖表 15: 特斯拉 FSD 芯片研發量產過程時間時間進展2016年2月第一個團隊成員入職2017年8月FSD芯片設計完成，第一版流片2017年12月第一次試驗芯片并成功2018年4月測試并改進芯片2018年7月獲得量產合格2018年12月設備裝車并測試成功2019年3月ModelS和ModelX生產線安裝FSD芯片2019年4月Model3生產

27、線安裝FSD芯片資料來源：特斯拉，雷鋒網， Semi 2020 2019 6 2019 2019Semi2020年底， Semi Uber 2018 7 月宣布Autopilot Smei 還配有車輛編隊（Platooning）功能，即頭車由人類駕駛，后續車輛自動跟隨。我們認為，現有技術水平下，車輛編隊是自動駕駛卡車當前較現實的過渡方案。 HYPERLINK / 請仔細第二階段輔助駕駛第一階段車輛編隊第三階段自動駕駛圖表 HYPERLINK / 請仔細第二階段輔助駕駛第一階段車輛編隊第三階段自動駕駛資料來源：BI Intelligence， 百度 Apollo：全球首個自動駕駛開放平臺全球首個

28、自動駕駛開放平臺。2017 7 OS 2021 年實現高速及城市道路的全自動駕駛。圖表 17: 百度 Apollo 計劃自動駕駛開放路線圖資料來源：百度官網， 145 L4 級別無人駕駛小巴“阿波龍”是其在自動駕駛和車聯網領域能力的集中體現。在車聯網OS &個性化、疲勞監測、AR 導航等多層次完OS 21 家車廠和出行服務商。 HYPERLINK / 請仔細量產解決方案自動接駁小巴自主泊車無人作業小車高精地圖仿真服務數據平臺安全OTA量產服務套件V2X路測服務地圖引擎高精定位感知規劃控制端到端解決方案人機交互硬件車輛認證平臺線控車輛超聲波雷達毫米波雷達激光雷達攝像頭GPS/IMU車載計算單元硬

29、件開發平臺實時操作系統阿波羅賽博車載計算框架開源軟件平臺云端服務平臺開放車輛接口標準V2X適配器人機交互接口V2X車載單元Apollo拓展單元傳感器融合單元黑匣子DuerOS小度車載OS圖表 18: 百度 Apollo 計劃開放平臺 HYPERLINK / 請仔細量產解決方案自動接駁小巴自主泊車無人作業小車高精地圖仿真服務數據平臺安全OTA量產服務套件V2X路測服務地圖引擎高精定位感知規劃控制端到端解決方案人機交互硬件車輛認證平臺線控車輛超聲波雷達毫米波雷達激光雷達攝像頭GPS/IMU車載計算單元硬件開發平臺實時操作系統阿波羅賽博車載計算框架開源軟件平臺云端服務平臺開放車輛接口標準V2X適配器

30、人機交互接口V2X車載單元Apollo拓展單元傳感器融合單元黑匣子DuerOS小度車載OS資料來源：百度官網， 傳統車企專注 L2 商業化，主要采用投資方式進行 L3 以上布局L2 Tier 1。L2 級別的自動駕駛，功能較為單一，常見依靠博世、安波福等系統供應商的優勢很明顯，較為成熟的軟硬件系統可以幫助技術能力并不突出的主機廠迅速的推陳出新，減少產品面世時間，比較典型的例子是CS55GEVV6MarvelX 和造車新勢力威馬汽車采用了博Lyft國內上汽通用GL8和廣汽新能源AionSL2 做的好處是在產品力上可以適度超越市場上系統商能提供的產品，例如特斯拉的Autopilot；但可能帶來的風

31、險是不能及時地將產品推出市場，例如蔚來的 NIOPilot XPilot。L3 L3 以上的自動駕駛需要經歷更高一級10%10%可能存在于硬件的魯棒性、系統的冗余性、測試的完善性等領域，讓產業鏈存在了職責重新分配的/10%的問題上Capex 可能并不能得到很好的投資回報。比較好的方式是由多家整車企業聯Argo AI，以及通用、本Cruise 等，都是最好的例子。 HYPERLINK / 請仔細控股參股參股參股參股合作參股參股參股合作參股參股圖表 19: 自動駕駛產業圈 HYPERLINK / 請仔細控股參股參股參股參股合作參股參股參股合作參股參股合作合作合作 合作關系 投資關系合作合作合作資料

32、來源：36 氪，佐思汽研， HYPERLINK / 請仔細 HYPERLINK / 請仔細L4 無人駕駛面臨的主要困難相關法律法規已不再是主要制約瓶頸自動駕駛汽車技術發展也使得全球各國政府加緊制定與其相關的法律法規。（NTHSA） 2018 3.0 2019 3 31 州頒布了自動駕駛相關法律19輛上路的法律依據。2016 2016 試。（試行重慶均先后出臺了自動駕駛路測法規，并頒發了專用路測牌照。圖表 20: 美國 31 個州已經就自動駕駛汽車有相關立法與行政令資料來源：NCSL， 算法與數據：自動駕駛企業開始擁抱開源數據集感知層理解與決策層執行層其他超聲波雷達毫米波雷達轉向攝像頭激光雷達加

33、減速GPS/IMUV2X避障物體識別/跟蹤控制路徑規劃定位地圖圖表 21: L4 感知層理解與決策層執行層其他超聲波雷達毫米波雷達轉向攝像頭激光雷達加減速GPS/IMUV2X避障物體識別/跟蹤控制路徑規劃定位地圖乘用車：LiDAR等傳感器價格昂貴商用車：（條件較成熟）復雜道路環境下，算法準確率尚未達到要求目前測試車均為現有車型改裝，尚未量產專門車型資料來源： L4 量產，從而降低傳感器成本、推動產業鏈的快速成熟，感知層和執行層的當前困難自然得到解決。分別從感知層、決策層、執行層來看，我們認為當前 L4 級自動駕駛落地的難點包括：感知層：性質，激光雷達的成本并非主要障礙。理解與決策層：當場景從封

34、閉走向開放，開放的環境越大、越復雜，對于自動駕駛還負責車輛的路徑規劃、行為規劃、軌跡規劃。當前的自動駕駛算法，很難完美地處理從未見過的場景，同時開放的場景下存在數不勝數的可能，一家企業很難在短短幾年內將其完全考慮在自己的算法中。事實上，盡管已經經過多年的訓練，2018 年 Waymo 仍在沒有左轉道的路口轉向時出現問題。執行層：目前的自動駕駛試驗車，均是通過現有車輛改裝而成，其穩定性和可靠性一定的周期。 HYPERLINK / 請仔細對于自動駕駛企業而言，數據是一項重要的資產，高質量的標注數據對于自動駕駛開發至關重要。過去，絕大部分自動駕駛企業嚴格保密自己的數據集，但目前正加速向開放2018

35、3 Apollo ApolloScape2019 6 月， 在計算機視覺頂會PR 2019 yo 和Ao AI 也分別發布了公開的自動駕駛數據集，其中 Open Dataset 的標注數據量高達 60 萬幀且傳感器配置豐富，Argo AI HYPERLINK / 請仔細Argoverse 數據集則是首個含有高清地圖數據的公開數據集。緊接著，2019 7 月，Lyft 圖表 22: 自動駕駛企業公開數據集時間公司數據集名稱標注數據量（幀）2019/7Lyft-55,0002019/6WaymoWaymo Open Dataset600,0002019/6Argo AIArgoverse113個場

36、景2018/3百度ApolloApolloScape147,000資料來源：Lyft，Waymo，Argo AI，百度， DatasetNuScenesKITTI圖表 23: DatasetNuScenesKITTILiDARs1LiDAR1LiDAR5 LiDARs傳感器配置2 colorLiDAR tocameraNot greatNot great傳感器配置2 colorLiDAR tocameraNot greatNot greatMuch bettersynchronization# Channels643264激光雷達Range(m)707075 (truncated)主要參數De

37、nsityHighLowHighScenes1,000Up to 3,000Size (hr)5.516.7Frames3D Boxes15K (90 deg)80K40K1.4M600K25M2D Boxes80K-22M6cameras5 cameras數據集大小資料來源：Waymo， 系統零缺陷是實現自動駕駛的核心挑戰，L3 可能是短期最優動態平衡汽車的道路安全是在實現自動駕駛的過程中的關鍵要素之一。我們認為，自動駕駛這樣的復雜系統所追求的零缺陷目標正在成為其自身的制約因素。高等級自動駕駛意味著駕將自動駕駛系統的安全標準提到了更高的位置。從硬件能力層面看，自動駕駛提高了系統復雜性，例如面

38、對視覺攝像頭、毫米波雷成控制系統、相關電力電子元器件，因為被納入了廣義 ADAS 的執行機構范疇，也有較大幅度的升級。系統復雜性的提升增加了單一硬件隨機失效或者系統級別失效的風險。 HYPERLINK / 請仔細從項目開發層面看 HYPERLINK / 請仔細 HYPERLINK / 請仔細ISO26262 甄別關鍵硬件，并增加冗余 HYPERLINK / 請仔細ISO26262 （嚴重度（暴露率ASIL A/B/C/D ASIL-A 是最低的安全等級、ASIL-D 是QM 則意味著系統要求和安全功能無關。ASIL 等級越高，對系統安全性要求越高，但同時意味著硬件的診斷覆蓋率越高、開發流程越嚴

39、密，導致開發成本上升、開發周期延長。大部分高級自動駕駛的功能（例如自主轉向、緊急制動）的失效都可能會導致駕駛人員ASIL-D 系統做出必要的冗余。嚴重性等級暴露率等級可控性等級C1C2C3E1QMQMQMS1E2E3QMQMQMQMQMA嚴重性等級暴露率等級可控性等級C1C2C3E1QMQMQMS1E2E3QMQMQMQMQMAE4QMABS2E1 E2 E3E4QMQMQMQMQMAQMABABCS3E1 E2 E3E4QMQMAQMABABCBCD嚴重度暴露率可控率S0無傷害E0C0通常可控輕微傷S1害可能性非常E1低C1簡單可控嚴重傷S2害E2可能性低C2正常可控致命傷S3害E3很難控制

40、C3或不可控E4可能性高資料源：ISO26262，資料源：ISO26262，圖表 26: 面對高嚴重性應用時，功能安全需求往往處于 ASIL-C/D 的區域高危險所在工況的發生概率低低危險發生時導致傷害的嚴重性高資料來源：SGS-TUV， 環境識別能力偏弱并非硬件物理缺陷，而是算法的不足因此對環境的識別能力難以趨于零缺陷，并非因為零部件物理缺陷，而更多是算法對復雜環境的處理能力不足。零缺陷管理并不免費，過程中帶來產業利潤池轉移產品缺陷自身毫無疑問會提升企業成本（）2017年的破產；豐田在 2010 年因為油門踏板故障，也帶來了約 20 億美金的召回費用。1但零缺陷管理也并不是免費，其需要融入自

41、動駕駛系統的研發過程、工藝流程、甚至需要重塑企業文化。從系統層面看，自動駕駛面臨著系統架構的優化，并帶來利潤池轉移統架構轉向集中式系統架構、從眾多控制單元轉向少數集中式處理器。通過減少硬件數量、這不僅僅是硬件能力的變化，可能還會伴隨著價值鏈的轉移。過去分布式架構各子系統自帶控制單元無疑可以提供額外附加值，并提升企業利潤；而集中式架構使零部件供應商降級為純粹硬件供應商，使得利潤池向整車企業或一級系統商集中。從產業鏈看，增加了溝通成本。自動駕駛系統設計到眾多的零部件/子系統供應商， 系統的零缺陷最終將被分解成所有子系統和零部件的缺陷率：從各種傳感器到處理芯片、從操作系統到執行機構，需要的不僅僅是整

42、車企業、更是整個產業鏈對更高系統安全性的貢獻。從功能安全角度看，開發成本與物料成本上升。由于需要建立標準化的開發流程保障產品開發過程中就可以顧及到所有的需求并具有可追溯性，保障所有的設計都可以被檢測和驗證到，零缺陷的管理過程也是提高開發成本的過程。而功能安全所需要的硬件冗余，則直接提升了物料成本。處理器1中央處理器圖表: 分散式AAS 電氣架構（左圖，集中式AS 電氣架構（右圖）處理器1中央處理器處理器3處理器處理器3處理器2L3 級別自動駕駛進度是成本和缺陷率的動態平衡 HYPERLINK / 請仔細對于自動駕駛來說，一味追求完全的“零”缺陷，短期內由于環境識別等領域準確度仍有不足，若堆砌大

43、量的硬件則又帶來極高的成本壓力。我們認為 L3 HYPERLINK / 請仔細1 https:/ HYPERLINK /2010/02/04/toyota-earnings-recall-markets-equities-prius.html l 2c14b9d05668 /2010/02/04/toyota-earnings-recall-markets-equities-prius.html#2c14b9d05668成本和缺陷率的動態平衡的結果，將一部分系統缺陷的結果交由駕駛員來處理，或許是真正實現“無人”駕駛之前必要的權衡之舉。成本零缺陷管理成本成本最優產品缺陷成本綜合質量成本零缺陷成本

44、零缺陷管理成本產品缺陷成本綜合質量成本圖表: 致力于零缺陷管理時，對于簡單應用而言綜合質量成本或伴隨著產品缺陷的降低而下行（左圖雜應用可能會出現綜合質量成本高企的情況（右圖）成本零缺陷管理成本成本最優產品缺陷成本綜合質量成本零缺陷成本零缺陷管理成本產品缺陷成本綜合質量成本 HYPERLINK / 請仔細高 HYPERLINK / 請仔細資料來源： 產品缺陷率低高產品缺陷率低半導體、5G、高精度地圖賦能自動駕駛半導體助力自動駕駛汽車計算芯片：軟硬件協同能力重于硬件參數AISoC 形式為主。汽車的電子電氣架構是一個龐大且復雜的系ADAS/自動駕駛、智能座艙、動力/底盤、車身控制、信息通訊等多個域的

45、計算任務。AI ADAS/除了I加速器，汽車計算芯片還需要驅動車機的顯示（P、處理動力底盤、車身控制、信息通訊等其他域的控制信號（CPU）等。因此，汽車計算芯片往往以 SoC 形式為AICPUGPUISPDSP 等多個計算單元的異構計算系統。ADAS/自動駕駛智能座艙0102信息通訊0503汽車計算芯片動力/底盤04車身控制圖表 ADAS/自動駕駛智能座艙0102信息通訊0503汽車計算芯片動力/底盤04車身控制資料來源： 圖表30:NVIDIAXavierSoC圖表31: FSDSoC資料源：NVIDIA， 資料源：wikichip， AI 加速器硬件設計相對較為簡單，當落到實用層面時，離不

46、開軟硬件的良好協同。目前，盲目堆砌硬件參數的狂熱時期已經過去，汽車計算芯片能否實現良好的軟硬件協同、真正賦能自動駕駛汽車，才是最關鍵的評價指標。我們認為，由需求決定算法，再由算法定義硬件，可能是汽車計 HYPERLINK / 請仔細算芯片的合理設計思路 HYPERLINK / 請仔細圖表 32: AI 芯片需軟硬結合資料來源：2019 中國 IC 領袖峰會， 汽車計算芯片市場進入商用能力競爭新階段。隨著高等級自動駕駛的泡沫逐漸擠破，汽車計算芯片市場也進入商用能力競爭階段。與此同時，華為的加入，以及特斯拉自研芯片也給英偉達、地平線等原來的玩家帶來更大的壓力。在商用能力競爭階段，除了硬件性能，配套

47、的軟件、客戶服務等能力的重要性突顯。競爭格局未定，新玩家從高能效、軟硬結合方向挑戰英偉達新玩家從高能效、軟硬結合方向挑戰英偉達。汽車計算芯片因其廣闊的市場前景，吸引ICT 司地平線機器人等。我們認為，汽車計算芯片的高能效和靈活性難以兼得，而英偉達選擇了高靈活性，其 Xavier SoC 產品客戶面較廣，則勢必在性能和能效方面有所妥協。我們觀察到，汽車計算芯片的新玩家主要從兩個方向挑戰英偉達：高能效：英偉達。動駕駛算法的計算芯片，并提供完善靈活的定制部署工具。圖表 33: 汽車計算芯片領域挑戰英偉達的兩個方向高能效方向車企自研芯片軟硬結合方向靈活的定制框架高能效高能效方向車企自研芯片軟硬結合方向

48、靈活的定制框架 HYPERLINK / 請仔細資料來源： HYPERLINK / 請仔細靈活性圖表 34: 主要自動駕駛計算平臺對比NVIDIADRIVE PX Pegasus華為MDC600Tesla Autopilot 3.0地平線Matrix 1.x推出時間2017/102018/102019/42018/4適用自動駕駛等級L5L4L5L3/L4性能（TOPS）3203521442.5功耗（W）50035225031AI處理器Xavier * 2昇騰310 * 8FSD * 2征程2.0支持傳感器10+個攝像頭、6個光雷達等16個攝像頭、6個毫米波雷達、16個超聲波雷達、8個激光雷達攝像

49、頭（21路1080p60fps）攝像頭（單路1080p60fps）、激光雷達、毫米波雷達ISO26262等級ASIL-DASIL-D-資料來源：TI，Renesas，Intel，NVIDIA，NXP， 圖表 35: 主要自動駕駛計算平臺內置 AI 芯片對比NVIDIAXavier SoC華為昇騰310Tesla FSD地平線征程2.0INT8性能（TOPS）3016721功耗（W）308721.5工藝制程TSMC 12nm FFNTSMC 12nm FFCSamsung 14nm FinFETTSMC 28nmISAARMv8-ARMv8.0-A-面積（mm2）350-260-量產時間2018

50、/62018/102019/33Q18資料來源：Intel，NVIDIA， 各企業基于自身優勢設計芯片架構。特斯拉作為純視覺自動駕駛的領頭羊，其自動駕駛FSD NPU 70%Xavier SoC 中，GPU 的面積要大于深度學習加速器Mobileye EyeQ5 設計架構圖中，計算機視覺加速器是最主要的部分。圖表 36: 汽車計算芯片主要模塊對比面積占比大NVIDIAXavierMobileyeEyeQ5TeslaFSDGPUComputer VisionProcessors（CVP）Neural Processing Unit（NPU）CPUCPUGPU面積占比小Deep LearningA

51、ccelerator（DLA）Programmable Accelerator（PVA）Deep LearningAccelerator（DLA）MultithreadedAccelerator（MA）CPU HYPERLINK / 請仔細資料來源：NVIDIA，Intel，Tesla HYPERLINK / 請仔細網聯化為自動駕駛提供技術支撐5G 對于自動駕駛的意義全路況的自動駕駛是汽車電子技術發展的終極目標。為了達到這個目標，智能化和網聯化成為汽車電子技術的兩大發展維度。其中智能化是汽車一直以來發展的方向，隨著半導體、算法等技術發展而不斷發展；網聯化則強調車聯網概念，推動了汽車同環境的信4

52、G4GV2X5GAI圖表 37: 汽車向智能化、網聯化發展的趨勢網聯化網聯協同決策與控制 車路協同控制 全路況自動駕駛 聯網聯化網聯協同決策與控制 車路協同控制 全路況自動駕駛 聯網協同感知車道內自動駕駛泊車輔助協同式卡車隊列商用車自動泊車聯網輔助信息交互自動緊急制動車道保持智能化商用車隊列行駛自適應巡航換道輔助2016201720182019202020222025+駕駛輔助（DA） 部分自動駕駛（PA駕駛輔助（DA）部分自動駕駛（PA）有條件自動駕駛（CA）高度/完全自動駕駛（HA/FA）資料來源：信通院， LiDARAI 自動控制駕駛。然而現有自動駕駛解決方案所收集的數據均為無遮擋數據，

53、且存在方V2X 有以下優勢：圖表38: 非視距場景下V2X的優勢圖表39:V2X、光達、毫米波、攝像頭解決方案成本對比V2X汽車終端單價低，具有成本優勢萬元級千元級千元級百元級 V2X毫米波攝像頭光達V2X汽車終端單價低，具有成本優勢萬元級千元級千元級百元級資料源高，資料源 HYPERLINK / 請仔細360狀態信息（如轉向、速度等 HYPERLINK / 請仔細可以提供非視距信息，在轉彎等盲區場景可以提供非冗余的寶貴數據。V2X汽車經過時可以獲得緩存信息。V2X 在自動駕駛方面有著其他傳感器不能替代的特點。5G 相較于 4G 將實現速率、連接數、時延等各方面指標的大幅提升。在系統性能方面，

54、5G 1020Gbps 的峰值速率，100Mbps1Gbps 的用戶體驗速率，每平方公里100 萬的連接數密度，1ms 的空口時延，500km/h 的移動性支持，每平方米 10Mbps 的流量密度等關鍵能力指標，相對 4G 提升 3 到 5 倍的頻譜效率、百倍的能效。在 V2X 方面，5G 技術主要在大規模連接、超低時延和增強移動寬帶三個方面對 4G 技術進行全面升級，因此 5G 相比 4G，在 C-V2X 方面對車聯網的賦能主要體現在：低時延，交通運行過程中路權分配等信息具有高并發性和高時效性，需要在極端時5G 1ms 0.2-0.5 米，更適合自動駕駛場景應用。超高移動寬帶，車聯網推動汽車

55、和更多的接入終端交換數據，數據的傳輸量較大， 因此需要高穩定性的大帶寬移動網絡支持數據傳輸。5G C-V2X 可以提供 V2N、V2P、V2I 和 V2V 的連接服務。其中：V2PPC5 V2P 場景的服務將主要由車廠前裝實現，提升汽車的安全性和舒適性。V2IPC5 Uu 接口同周邊基礎設施（路燈等）實現通信。這類通信可以提升城市的交通效率。如紅綠燈可以和周邊車輛交互信息，進行車速引導優化車輛等待時間，提高十字路口通行的效率；還可以通V2I 場景的信息和服務受到多方關注，將有可能主要由基礎設施提供方，如交通管理局等方面提供；城市管理部門、運營商、APP 也是潛在的參與方。V2VPC5 Uu 接

56、口同遠距離汽車通信。這類通信可以保證汽車安全性，降低交通事故發生的風險。還可以進行遠V2V圖表 40: C-V2X 中的直連接口（PC5）和網絡接口（Uu） HYPERLINK / 請仔細 HYPERLINK / 請仔細向更高級別、更復雜應用方向發展構建出“車路人云”高度協同的互聯環境實現高級/完全自動駕駛業務最終實現完全自動駕駛自動駕駛典型應用場景車輛編隊行駛具備車輛保持與跟蹤協作式自適應巡航協作式緊急制動交通效率典型應用場景車速引導闖紅燈等危險情況預警向更高級別、更復雜應用方向發展構建出“車路人云”高度協同的互聯環境實現高級/完全自動駕駛業務最終實現完全自動駕駛自動駕駛典型應用場景車輛編隊

57、行駛具備車輛保持與跟蹤協作式自適應巡航協作式緊急制動交通效率典型應用場景車速引導闖紅燈等危險情況預警初期：局部交通效率提升、節能減排中期：提升用戶體驗、提升交通效率、優化駕駛行為成熟期：由個體優化逐步發展為全局優化目前的關注熱點初期：輔助駕駛、安全預警中期：L3自動駕駛業務、輔助/ 自動駕駛服務成熟期：全自動駕駛服務交通安全典型應用場景交叉路口碰撞預警發出告警信息提醒駕駛員避免車輛相撞信息服務典型應用場景緊急呼叫政府緊急救助中心云端全局信息處理與分享 全面支持用戶的個性需求資料來源：信通院， 5G V2X 的市場規模4G 4G 4G/5G C-V2X 將會長期共存。商用車市場：由于涉及特定場景

58、，在某些場景（如出租車、公交車、物流卡車、礦卡、港口車輛等）4G C-V2X 5G C-V2X 我們假設每年 0 （滲透率 1,000 元，每月流量 60GB，1GB 流量 3 元單價估計，新增硬件市場規模為 50 億元/年，新增流量市場規模為 54 億元/年。乘用車市場：我們假設 2,500 萬輛乘用車銷售量，4G/5G 車聯網終端產品價格在 1,000 元，車聯網終端的前裝覆蓋率達到 100%，全部前裝，60G/月流量、3 元/GB 計算，則每年新增的汽車端車聯網硬件市場規模約為 250 億元，每年新增運營商車聯網流量市場規模約為 540 億元。每年終端市場每年流量新增市每年終端市場每年流

59、量新增市場技術階段汽車類型資訊等后市場滲透率20%滲透率100%滲透率20%滲透率100%乘用車25125315娛樂、位置信息為主商用車-5-0.03位置信息為主乘用車4G/5G C-V2X階段50250108540自動駕駛等場景、新資訊出現商用車-5-0.03位置信息為主2G/3G/4G V2N階段資料來源： 4G V2X 市場。V2NV2X HYPERLINK / 請仔細C-V2X HYPERLINK / 請仔細高精度地圖構建自動駕駛基礎設施為何高精度地圖是實現自動駕駛的必要條件？高精度地圖面向機器。不同于傳統地圖，高精度地圖由服務人轉向服務車輛/機器，因此高精度地圖也包含更豐富的多層次數

60、據。具體而言，高精度地圖的數據分為三層：拓撲結構層路徑規劃來表示點與線之間的關系。車道層：收集如車道弧度、車道寬度、車道位置、車道類型（等）的相關信息。標志物層：收集如交通標志、車道限高、障礙物、護欄等相關信息。圖表 43: 高精度地圖的數據元素資料來源：百度， 圖表 44: 導航地圖、ADAS 地圖和高精度地圖的對比地圖類型精度數據維度數據來源傳統地圖(SD Map)20 米左右缺少定量數據，以豐富的描述性信息為主采集車ADAS 地圖米量級在 SD 地圖的基礎上增加坡度、曲率、道路形狀、鋪設、方向等數據采集車高精度圖 (HDMap)厘米量級采集車+眾包采集+云端更新資料來源：四維圖新，百度，