作者: 漢理高級分析師 趙會博
1 自動駕駛產業鏈
自動駕駛整體流程包括感知、決策和控制執行，感知方面是利用激光雷達、攝像頭等各種傳感器獲取數據，進而由軟件算法進行識別目標物體和周邊環境，並結合V2X得到的信息，得出相應的行為決策和路徑規劃結果，傳遞給控制系統生成執行指令，完成駕駛動作。
因此，自動駕駛產業鏈複雜，參與企業類型多。總體上，自動駕駛產業鏈參與者可以分為上游供應鏈廠商，軟件、系統平臺廠商，硬件、整車廠商（具體如下圖所示）， 其中：
- 上游供應鏈廠商：包括Tier1供應鏈廠商、激光雷達、高精地圖等；
- 軟件、系統平臺廠商：自動駕駛算法及平臺、車載信息系統、V2X供應商；
- 硬件、整車廠商：新興造車勢力、傳統整車廠商
2 自動駕駛核心技術
01 傳感器
自動駕駛需要感知外在環境，目前使用激光雷達、毫米波雷達、攝像頭等各種傳感器感知車輛環境，但是由於各種傳感器由於固有的特性，單一傳感器無法勝任L4/L5自動駕駛的複雜情況與安全冗餘，多傳感器搭配融合的方案是未來趨勢。
隨著自動駕駛快速發展，激光雷達技術演進，激光雷達成本有望降低。而隨著攝像頭和配套的算法日益成熟，攝像頭也將會大量運用到自動駕駛汽車。
02 高精度地圖
高精度地圖對於實現高級別自動駕駛不可或缺，相當於系統的記憶部分，通過傳感器獲得的實時數據對比地圖數據可以實現車輛定位、導航、輔助環境感知等功能。不同於傳統導航地圖，高精度地圖是為專門為自動駕駛系統設計的，其包含詳細的道路模型、車道模型、道路部件、道路屬性和其他的定位圖層信息。車聯網技術成熟的情況下，通過車輛所帶有的傳感器以通過實時上傳可以對地圖信息進行實時更新，目前地圖數據的數據採集方式主要有以Google為代表的集中式和以Mobileye為代表的眾包式採集。
國內的圖商擁有較高的行業壁壘，在中國電子地圖製作需要有甲級電子地圖測繪資質（目前國內僅有14家），該資質對於申請企業有較高的資質要求；此外，地圖數據收集、地圖製作，系統搭建等對於企業不管是在技術層面以及資金層面等有較高的要求，一般企業無法承擔前期的鉅額投入；最後，高精度地圖屬於車載安全領域，下游廠商對於供應商准入有較嚴格的標準，一旦進入供應商清單很難被替代。
03 車聯網V2X
車聯網技術（V2X）包括：車-雲（V2N）通信、車-車（V2V）通信、車-人（V2P）通信、車-路（V2I）通信、車內通信等五個通信場景。
首先，車聯網通過與道路設施、車輛、行人互聯為車輛提供全天候的環境感知能力，對車輛自身的環境感知能力進行了補充，使車輛有能力應對更加複雜的道路交通環境；此外，在載客自動駕駛車輛內，當乘車人不需要集中在車輛操作上時，車聯網可以為乘車人提供信息、娛樂等功能。
V2X技術的演進和基礎設施的普及，將會顯著降低單車智能的改造成本。根據百度的預測，在車路協同的基礎上，自動駕駛的研發成本可以降低30%，接管數會下降62%，預計可讓自動駕駛提前2-3 年在中國落地。
而隨著5G的商業化部署加快，5G+V2X將快速完善自動駕駛基礎設施，使自動駕駛技術產業快速落地。
04 芯片及自動駕駛算法
自動駕駛的本質是AI 計算問題，因此車載計算平臺是自動駕駛剛需。
1）自動駕駛各種傳感器產生數據量巨大
隨著汽車自動駕駛程度的提高，汽車自身所產生的數據量將越來越龐大。根據英特爾CEO 測算，假設一輛自動駕駛汽車配臵了GPS、攝像頭、雷達和激光雷達等傳感器，則上述一輛自動駕駛汽車每天將產生約4000GB 待處理的傳感器數據。
2）自動駕駛需要強大的車載計算能力
如何使自動駕駛汽車能夠實時處理如此海量的數據，並在提煉出的信息基礎上得出合乎邏輯且形成安全駕駛行為的決策，需要強大的計算能力做支持。考慮到自動駕駛對延遲要求很高，傳統的雲計算面臨著延遲明顯、連接不穩定等問題，這意味著一個強大的車載計算平臺（芯片）成為了剛需。要實現L3級別自動駕駛，車載計算平臺的計算力需求至少在20T 以上，而L4/L5級別對算力要求將呈現指數級上升，車載計算芯片將蘊含巨大市場機會，從應用性能、單位功耗、性價比、成本等多維度分析，適用於車載的ASIC 架構芯片具備相當優勢。
3）算法是自動駕駛的大腦，最終決定了自動駕駛的實現
根據面向的不同環節，可以分為感知層的算法和決策層的算法。其中：
- 感知層算法核心任務——是將傳感器的輸入數據最終轉換成計算機能夠理解的自動駕駛車輛所處場景的語義表達、物體的結構化表達，具體可以包括：物體檢測、識別和跟蹤、3D 環境建模、物體的運動估計；
- 決策層算法的核心任務——是基於感知層算法的輸出結果，給出最終的行為/動作指令，包括行為決策（汽車的跟隨、停止和追趕）、動作決策（汽車的轉向、速度等）、反饋控制（向油門、剎車等車輛核心控制部件發出指令）。
而算法的驗證及迭代需要大量的路測+仿真，不斷優化，才能保證算法的可靠性，因此需要投入巨大的人力、物力、時間。
3 自動駕駛技術路徑及主要企業進展
01 整車廠商通過加裝ADAS模塊逐步實現高級別自動駕駛
當前，整車廠商（OEMs）主要是和一級供應商（Tier1s）在現有的車型上通過添加高級輔助駕駛系統(ADAS)，使其獲得L1~L3級部分自動駕駛能力。
02 通過深度學習算法和高精度傳感器實現徹底的無人駕駛
新興勢力包括互聯網廠商和科技創業公司（許多人員來自於互聯網企業研究機構）,主要開發在特定區域內實現完全無人駕駛的無人駕駛技術（L4~L5）。科技公司相較於傳統廠商來說優勢在於其對於深度學習、神經網絡、大數據等先進技術的掌握上。
（1）全球主要自動駕駛公司情況
全球範圍內，Waymo累計測試里程全球領先，並且率先實現L4級無人駕駛，是行業龍頭。百度通過整合整車、零部件廠商、出行服務商等眾多合作伙伴，測試里程快速上升，已經實現L3級別，2019年預計實現L4級別自動駕駛乘用車小批量下線。特斯拉、通用汽車預計在2019年實現L4級別自動駕駛。全球自動駕駛巨頭具體如下：
資料來源：公開資料整理
（2）美國主要創業型自動駕駛汽車企業情況梳理
除去以上美國巨頭公司，在美國硅谷湧現了一批創業型自動駕駛汽車，具體如下表所示：
資料來源：莫尼塔報告
（3）中國主要自動駕駛公司情況
除了百度以外，國內在乘用車L4自動駕駛公司相對較少，主要自動駕駛公司包括pony.ai、文遠知行、Roadstar.ai明星創業公司，他們融資金額均在1億美元以上，獲得多家知名機構投資，具體情況如下：
資料來源：公司官網、36Kr
由於港口運輸、園區載客等封閉場景路況相對簡單，因此這這些領域中國企業進展較快，多家公司進行了無人測試、甚至發佈L4級別產品，物流運輸、配送服務等商用場景進展如下：
4 自動駕駛場景及市場規模預測
自動駕駛的落地場景，主要考慮三個方面：市場規模、技術難度、經濟性。
乘用車場景主要以自動駕駛出租車(Robo-taxi)為主；商用場景根據不同的使用用途，可以劃分為港口貨運、園區擺渡車、高速公路物流、礦區、市政環衛、最後一公里配送等。根據蔚來資本、安信證券報告，自動駕駛出租車每年目標市場規模3500億元。
5 自動駕駛時間表
隨著技術逐漸演進，全球主流車企都設定了自動駕駛時間表，可以看出絕大部分車企將在2020年-2021年實現Level3、Level4，具體如下：
根據安信證券研報，2020年開始，L3滲透率快速上升，至2030年L3級以上佔比超過50%。
而麥肯錫預測，隨著自動駕駛大量生產，成本快速降低，因此2025年-2028年將是自動駕駛網約車的成本拐點。
—END—
