（报告出品方/作者：五矿证券，王少南）
1.1自动驾驶升级已成为全球共识
汽车智能化是未来行业发展重要方向之一，包括人车交互智能化以及车辆行驶自动化。人车交互智能化是在驾驶过程中为驾驶员提供内容与服务，提升驾驶安全性、舒适性、便捷性等。车辆行驶自动化则包括辅助驾驶阶段和自动驾驶阶段，通过对路况及车辆信息预测，保障驾驶过程中的车辆安全以及出行效率。智能汽车则是指通过搭载先进传感器等装置，运用人工智能等新技术，具有自动驾驶功能，逐步成为智能移动空间和应用终端的新一代汽车。智能汽车通常又称为智能网联汽车、自动驾驶汽车等。因此，汽车智能化发展程度很大程度上取决于汽车自动驾驶发展进度。
在自动驾驶等级划分上，SAE（国际汽车工程师学会）将自动驾驶技术分为L0-L5，共6个等级，NHTSA（美国国家公路交通安全管理局）将自动驾驶分为L0-L4共5个等级。目前部分车企已经推出了具有L2功能的车型，L1和L2仍然需要驾驶员驾驶，属于ADAS（高级辅助驾驶系统）范畴。而L3将是一个风水岭，从L3开始，汽车才真正进入到自动驾驶范畴，L3指在特定场景下，系统可以实现对车辆的完全接管，当驾驶员在系统失效时，驾驶员取得驾驶权。
根据SAE的定义，在L1时，驾驶员可以“脱脚”；在L2时，驾驶员可以“脱手”；在L3时，驾驶员可以“脱眼”；在L4时，驾驶员可以“脱脑”；在L5时，已经不需要驾驶员。
中国在自动驾驶领域亦制定了自己的标准。2021年8月20日，国家市场监督管理总局、国家标准化管理委员会批准发布了《汽车驾驶自动化分级》推荐性国家标准，该标准于2022年3月1日起开始实施。该标准规定了汽车驾驶自动化功能的分级，基于驾驶自动化系统能够执行动态驾驶任务的程度，根据在执行动态驾驶任务中的角色分配以及有无设计运行范围限制，将驾驶自动化分成0级至5级。并基于以下6个要素对驾驶自动化等级进行划分：1.是否持续执行动态驾驶任务中的目标和事件探测与响应；2.是否持续执行动态驾驶任务中的车辆横向或纵向运动控制；3.是否同时持续执行动态驾驶任务中的车辆横向和纵向运动控制；4.是否持续执行全部动态驾驶任务；5.是否自动执行最小风险策略；6.是否存在设计运行范围限制。在汽车驾驶自动化的6个等级之中，0-2级为驾驶辅助，系统辅助人类执行动态驾驶任务，驾驶主体仍为驾驶员；3-5级为自动驾驶，系统在设计运行条件下代替人类执行动态驾驶任务，当功能激活时，驾驶主体是系统。
自动驾驶之所以成为各个国家、企业、科研机构等争相研究和发力的重点，是因为随着汽车用户不断增加，公路交通拥堵、安全事故等问题层出不穷，相比于传统的人类驾驶，自动驾驶在人工智能、车联网等技术支持下，能够有效保障交通安全、降低运输成本、提升用车效率、减少空气污染。此外还可以拉动汽车、电子、通信、服务、社会管理等协同发展，促进产业转型升级。
自动驾驶产业链，上游包括传感器、芯片、地图、车载软件等二级供应商，以及智能驾驶解决方案等一级供应商；中游包括乘用车、商用车等整车环节，下游为车辆运营等服务市场。
回顾全球自动驾驶发展历程，1939年GM提出了这一概念，2009年谷歌发布了自动驾驶汽车计划，2013年谷歌完成了50万英里的自动驾驶，同年特斯拉发布了自动驾驶Autopilot概念，2017年特斯拉自动驾驶完成了3亿英里的运行，2018年Waymo完成了5亿英里的测试，2019年百度完成了1亿英里的测试。
自动驾驶系统分为感知层、决策层和控制层，感知层主要通过摄像头、雷达等感知周围环境信息，并通过GPS/惯导等实现定位等车辆状态的获取；决策层依据感知层提供的环境信息和车辆定位情况，根据适合的模型进行路径规划等决策；控制层则通过底盘及各种控制附件件，驱动车辆执行相应命令动作。
1.2技术进步+立法推进共同支撑自动驾驶渗透率提升
中国自动驾驶技术仍在不断迭代升级中，2007-2015年L1级别已实现商业化并广泛普及；2014-2020年L2级别的高级驾驶辅助系统（ADAS）已经成熟并广泛使用，代表车型包括特斯拉Model3、上汽大通D90等；2025年将计划实现L3级别自动驾驶，目前技术已能够实现，还处于测试阶段，代表车型包括奥迪A8、广汽新能源-埃安Lx等；2030-2040年计划实现L4/L5级别自动驾驶，仅用于部分车型，仍处于测试阶段，代表车型包括一汽-Apollo-红旗电动车、比亚迪-xUrban-秦Pro等。
根据PwC数据，全球主要国家/地区的自动驾驶水平将逐步提升，到2025年L3级别自动驾驶将开始崭露头角，而自动驾驶需80亿公里安全路测里程才能证明其安全性，现阶段L4解决方案提供商还远远未达到足够里程，随着未来激光雷达等核心部件成本下降，预计到2030-2035年，L4/L5级别自动驾驶将开始商用化。全球各主要国家地区目前正处于从L2级别向L3级别过渡阶段，预计未来L3-L5级别自动驾驶占新车销量如下：
欧盟：L3级别2025年占比4%，销量67万辆，到2035年将提升至15%，销量259万辆；L4级别2030年占比8%，销量136万辆，2035年将提升至15%，销量259万辆；L5级别2035年占比2%，销量35万辆。美国：L3级别2025年占比5%，销量83万辆，到2035年将提升至14%，销量249万辆；L4级别2030年占比1%，销量17万辆，2035年将提升至2%，销量36万辆。中国：L3级别2025年占比1%，销量28万辆，到2035年将提升至18%，销量619万辆；L4级别2030年占比3%，销量93万辆，2035年将提升至15%，销量516万辆；L5级别2035年占比1%，销量34万辆。日本：L3级别2025年占比4%，销量19万辆，到2035年将提升至12%，销量49万辆；L4级别2030年占比6%，销量26万辆，2035年将提升至15%，销量61万辆；L5级别2035年占比1%，销量4万辆。
根据StrategyAnalytics数据，全球自动驾驶汽车渗透率方面，预计到2025年，L2渗透率将达到27%，L3渗透率将达到1%；2035年，L2渗透率将达到59%，L3渗透率将达到10%，L4渗透率将达到9%，L5渗透率将达到1%。
2.1Robotaxi/Robobus/Minibus/Robotruck等商业化模式率先普及
由于成本较高、路线相对固定、环境相对简单、行驶速度相对较低，自动驾驶在公共交通、矿区园区、港口物流等特定场所的使用将早于在个人乘用车市场的普及，具体应用场景包括公共交通、快递运输、服务老年人及残疾人等。
随着自动驾驶技术（如激光雷达、芯片、算法等）技术不断升级迭代，自动驾驶离我们的生活也越来越近，虽然目前L3级别以上家用车还并未大规模普及，但是在一些特定场景或者商业营运场景已经开始崭露头角。开放场景以载人为主，包括Robobus、Robotaxi等，半封闭以及封闭场景以载物为主，比如Robotruck，其中半封闭场景包括干线物流、无人环卫、末端配送等，封闭场景包括矿山运输、港口运输等。在以上几类场景中，封闭场景由于环境单一，行驶路径简单，无其他社会车辆及行人干扰，场景复杂度低，目前已经实现了商业化运营；而开放场景和半封闭场景由于在市政道路行驶，来往车辆、行人等数量多，方向不定，周围环境复杂多变，目前还处在路测和试营业阶段，未来随着技术升级、成本下降、路测数据越来越丰富、法律法规更加完善明确，有望实现正式的商业化运营。在载人自动驾驶领域，主要包括Robotaxi、Robobus、Minibus，都基于L4/L5级别自动驾驶技术实现运营，其中Robotaxi主要在市政道路及高速上提供出租车/网约车服务，Robobus主要在市政道路上提供公交车服务、Minibus主要在封闭景区及限定园区提供摆渡车服务。
目前Robotaxi由于技术不是很成熟、改造费用较高，因此每公里的成本相比于有人驾驶出租车并没有优势，未来5-10年司机人力成本将会进一步增加，而自动驾驶系统改造成本会逐渐降低。根据McKinsey数据，预计在2025-2027年，Robotaxi取消安全员并规模化部署后成本将迎来拐点，其应用将加速推广，带来出行服务的颠覆。
从商业模式上讲，目前Robotaxi为铁三角模式，即车企（主机厂/一级供应商）、AI公司、出行平台。车企具备具备雄厚的资本运作与扎实的整车制造能力，负责提供一流的自动驾驶车辆平台和零部件产品；AI公司是具备L4级自动驾驶解决方案、顶尖无人驾驶技术研发能力的企业；出行平台包括网约车、出租车、随需公交等出行平台，以及提供快递、物流等服务的货运平台。目前能同时打通车企（主机厂/一级供应商）、AI公司、出行平台三个环节的公司还没出现，都只承担其中1-2个角色，由于Robotaxi仍处于探索阶段，各类企业之间合作共赢、优势互补仍是主旋律，未来随着技术逐渐成熟，可能会打破铁三角模式。
全球Robotaxi企业中，美国企业主要有Waymo、Cruise、Lyft等，中国企业主要有百度Apollo、小马智行、AutoX、文远知行等。其中AutoX已经宣布其Robotaxi车队数量超过1000辆，成为中国乃至全球最大规模的全无人驾驶Robotaxi车队。测试里程方面，百度Apollo在2021年底已测试1800公里，是中国测试里程最长的公司。通用汽车旗下Cruise、福特汽车旗下的ArgoAI、Zoox、Aurora、Mobileye等公司也在推出Robotaxi计划或者转向商用车自动驾驶业务。
根据DMV（美国加州交通管理局）发布的2021年全年自动驾驶数据，在加州进行公开自动驾驶测试的公司中，中国与美国头部自动驾驶公司继续占据排行榜前列。从车辆规模对比，Waymo693辆排名第一，而MPI（接管里程数）作为自动驾驶核心衡量指标之一，是衡量自动驾驶技术是否成熟、稳定的指标，接管间隔里程越长，则意味着技术越好，并且测试车辆和里程越多，越有意义。中国AutoXMPI50108英里排名第1，美国CruiseMPI41179英里排名第2，中国滴滴MPI40744英里排名第3，MPI前10名公司中，中国公司5家，美国公司5家，数量相当，但从MPI数据上，中国公司整体优于美国公司。
全球共有8家公司获得了DMV的全无人自动驾驶测试牌照，包括Waymo、Nuro、Cruise、Zoox、AutoX、百度Apollo、小马智行和文远知行，只有百度Apollo、小马智行、通用Cruise和Nuro这4家公司提交了数据，除了小马智行脱离1次之外，其余3家公司均无脱离。
不仅在美国，中国在自动驾驶运营方面也大力发展，在牌照发放量、道路里程、Robotaxi/Robobus运营商数量方面，上海、北京、广州排名靠前，此外，深圳、武汉、苏州等城市也都有所布局。累计牌照发放量方面，截至2021年11月，上海254张，北京170张，广州142张。累计道路里程方面，截至2021年11月，上海1290km，北京1028km，广州253km。Top3城市（上海、北京、广州）载人场景运营商占比53%，Robotaxi运营商占比59%，Robobus运营商占比36%。
2.2感知层：智能车信息采集的“眼睛”和“触角”
2.2.1智车之“眼”：摄像头
车载摄像头的工作原理，是将采集好的图像转换为二维数据，然后对采集的图像进行模式识别，通过图像匹配算法识别行驶过程中的行人、车辆、交通标志等，最后依据目标物体的运动模式或使用双目定位技术，估算目标物体与本车的相对距离和相对速度。相比于雷达等其他传感器，摄像头的优点是采集的数据量更多，也最接近人眼获取的周围环境信息，当前车载摄像头分辨率主要以720P、1080P为主，与人眼接近，并且技术成熟、成本低。但缺点同样明显，首先是基于视觉的感知技术受光线、天气影响较大，在恶劣天气和昏暗环境下性能难以得到保证；其次对物体的识别基于机器学习数据库，需要的训练样本大、训练周期长，也难以识别非标准物体；最后，广角摄像头存在边缘畸变，得到的距离准确度较低。按照车载摄像头在整车中的应用，可分为前视、环视、后视、侧视以及内置5种类型。对于前视摄像头，双目相比单目性能更优，但是由于需要更高算力芯片支持，成本较高，难以快速普及，因此目前仍以单目为主。
根据华经产业研究院数据，2015-2020年，全球车载摄像头镜头出货量整体稳步上升，2015年为5961万件，2019年为11664万件，2020年由于疫情影响，出货量略有下滑至10964万件。市场格局来看，以中国、日本厂商为主，舜宇光学占比32%，排名第1；麦克赛尔占比8%，排名第2；富士胶片占比5%，排名第3。
目前车载摄像头渗透率不高，根据AI车库数据，各类摄像头中，后视摄像头渗透率最高，为50%；其次是前视摄像头30%；侧视摄像头22%；内置摄像头仅为7%。单车平均搭载摄像头数量也将随着自动驾驶级别升级同步提升，L1/L2级别为3-5颗，L3级别大约为8颗，到了L4/L5级别将增加至10-20颗。整体而言，车载摄像头提升空间仍然较大。根据ICVTank以及360ResearchReports等数据，2020-2025年，全球车载摄像头市场规模将从138亿美元提升至270亿美元，CAGR为15.7%；中国车载摄像头市场规模将从64亿元提升至230亿元，CAGR为29.2%，车载摄像头市场前景广阔。
车载摄像头包括镜头、模组、芯片、软件算法等。镜头厂商中，舜宇光学全球第1，国内厂商联创电子和欧菲光亦有所布局；模组厂商中，国外厂商包括大陆、麦格纳、法雷奥，中国厂商有比亚迪、德赛西威、欧菲光等；CMOS芯片中，安森美全球第1，此外还有索尼、三星、韦尔股份（豪威科技）、思特威等；软件算法主要厂商有Mobileye、地平线、极目等。
2.2.2智车之“角”：超声波雷达
根据ICVTank数据，全球超声波雷达以安装为口径来计算，2021年市场规模为88亿美元，安装量为5.5亿颗，预计2022年将达到102亿美元，安装量为6.4亿颗，2026年将达到145亿美元，安装量为9.7亿颗。
渗透率方面，根据ICVTank数据，2021年全球12颗超声波雷达的方案占比达到28.6%，预计2022年将达到36.5%，2025年将达到55.4%。根据leadleo和华经产业研究院数据，中国超声波雷达市场规模2020年为51.7亿元，预计2023年将达到62亿元。
全球超声波雷达厂商仍以国外厂商为主导，根据华经产业研究院数据，2018年全球超声波雷达竞争格局中，法雷奥占比31.0%，排名第1；博世占比20.2%，排名第2；尼塞拉占比18.3%，排名第3；中国前装厂商奥迪威和上富电技分别占比5.6%和1.3%，排名第5和第6。综合企业规模、资本实力、研发能力、经营能力、行业影响力、成长潜力等六个一级指标综合评判，根据高工智能汽车研究院数据，中国本土前装车载超声波雷达供应商Top10中，上富电技、豪恩汽电、奥迪威分列前3名。
2.2.3智车之“角”：毫米波雷达
毫米波即电磁波，工作频率为30-300GHz，波长1-10mm，毫米波雷达测速和测距原理都是基于多普勒效应，通过入射波和反射波频率相减，得到二者差拍频率，通过判断差拍频率高低从而判断障碍物距离。毫米波雷达的可用频段有24GHz、60GHz、77GHz、79GHz，主流车载毫米波雷达使用24GHz（用于中短距离雷达，15-30m）和77GHz（用于长距离雷达，100-200m），相比于24GHz，77GHz毫米波雷达在性能和体积上都更有优势，其探测物体分辨率可提高2-4倍，测速和测距精度可提高3-5倍，体积缩小了1/3，更方便部署，并且带宽更大、功率更高、探测距离更远，因此未来趋势将逐渐从24GHz向77GHz（76-81GHz）过渡。
毫米波雷达的优势在于不受天气影响，即使是恶劣天气和光照情况下也能正常工作，穿透烟雾、雨雪、灰尘能力强，具有全天候、全天时的工作特性，且探测距离远、精度较高、被广泛用于车载距离探测，具体应用包括自适应巡航、碰撞预警、自动紧急制动、盲区探测等。但劣势同样明显，包括无法识别物体颜色，视场角较小，需要多个雷达组合使用，同时对行人的反射波较弱，难以识别，并且对金属表面非常敏感，一个弯曲的金属表面会被误认为是一个很大面积的表面，在隧道里效果不佳。未来随着搭载毫米波雷达车辆增加，相近频率的毫米波会相互干扰、降低了信噪比、严重时甚至会使雷达“致盲”。
根据DIGITIMESResarch数据，全球毫米波雷达市场规模保持稳步增长态势，2021年为118.1亿美元，其中中短距55.1亿美元，长距63亿美元，预计到2022年将达到159.6亿美元，其中中短距84亿美元，长距75.6亿美元。根据佐思产研数据，全球汽车毫米波雷达厂商主要为海外厂商，其中博世占比30%，排名第1；大陆占比28%，排名第2；安波福占比15%，排名第3。中国车载毫米波雷达行业起步较晚，行业仍处于初级发展阶段，走在前列的公司主要有华域汽车、德赛西威、纳瓦电子、智波科技、森思泰克、华为等。
目前传统毫米波雷达仅可探测距离、方位以及速度三个维度，而最新的4D毫米波雷达在传统功能基础上，多出了高度这一维信息，即具备测高能力，因此可以有效地解析空中的天桥、路牌，地面的减速带、金属井盖等目标的轮廓和类别，进而感知传统毫米波雷达无法识别的细小物体、静止物体或者横向移动的障碍物等。此外，还提升了探测距离和点云密度，有望于2022年开启商用。4D毫米波雷达成本与传统毫米波雷达相近，但性能方面可媲美低线束激光雷达，在L4/L5级别自动驾驶将可能发挥重要作用，但是目前还处于发展早期，在未来自动驾驶多传感器融合方案中，至于是否能与激光雷达形成替代关系，目前尚无定论。目前已有多个厂商投入到4D毫米波雷达研发中，不仅有大陆、安波福、采埃孚等传统毫米波雷达巨头，也有Mobileye、Waymo、华为等科技巨头，还有Arbe、傲酷、华域汽车、森思泰克、纵目科技等新兴玩家。
2.2.4智车之“角”：激光雷达
激光雷达产业链中，根据盖世汽车数据，上游包括激光发射、激光接收、扫描系统和信息处理，具体而言，激光发射包括激光器、发射光学系统；激光接收包括光电探测器、接收光学系统；扫描系统包括旋转电机、扫描镜、MEMS微振镜；信息处理包括放大器、数模转换、FPGA。中游则是激光雷达的组装制造。下游应用较为广泛，包括无人驾驶汽车、地图测绘、无人机、军事领域等。
不同技术特点对比及趋势：
1）单线与多线
激光雷达按照线数来分，分为单线和多线。单线激光雷达是指激光源发出的线束是单线的，扫描出来就是一个二维平面的图（2D激光），目前主要应用于机器人领域，以服务机器人居多，可以帮助机器人规避障碍物。相比多线激光雷达，单线激光雷达在角频率及灵敏度上反应更快捷，扫描速度快、分辨率强、可靠性高，所以，在测试周围障碍物的距离和精度上都更加精准，同时成本更低。但单线雷达只能平面式扫描，不能测量物体高度，当前主要应用于我们常见的扫地机器人、送餐机器人以及酒店服务机器人身上。多线激光雷达是指同时发射及接收多束激光的激光旋转测距雷达，市场上目前有4线、8线、16线、32线、64线、96线、128线等，多线激光雷达可以识别物体的高度信息并获取周围环境的3D扫描图，主要应用于无人驾驶领域，对于激光雷达而言，线束越多，对目标物的刻画越详细。
2）ToF与FMCW
3）EEL与VCSEL
对于激光雷达而言，发射光源有很多种，按工作介质不同，激光器分为固体激光器、气体激光器、染料激光器、半导体激光器、光纤激光器和自由电子激光器6种。固体脉冲功率大，转换效率最低（10%）。气体激光器效率低（20%）、功率低，体积庞大，但是可靠性好、光束质量高。半导体激光器光束质量较差，但是转换效率高（30%-40%），功耗、体积和成本都适合车载应用。如果对光束质量要求高，则可以采用半导体泵浦的光纤激光器（转换效率20%-30%）。目前常见的几种光源主要包括边发射激光器(EEL)、垂直腔面发射激光器(VCSEL)、固体激光器以及光纤激光器等。
固体激光器采用固体激光材料作为增益介质，是闪光式车载激光雷达(FlashLiDAR)技术路线的激光光源方案，能够实现大角度视场（如125°x25°），并且均匀照射，满足车规级高低温、震动、寿命等可靠性要求，常见于闪光式车载激光雷达（FlashLiDAR）。半导体激光器采用半导体材料作为增益介质，一般是GaAs,AlGaAs,InGaAs等，常见的有EEL和VCSEL。EEL（EdgeEmittingLaser）是边发射激光器，是一种激光发射方向平行于晶圆表面的半导体激光器，波长以905nm为主，常见于扫描式激光雷达，包括机械式和MEMS激光雷达。VCSEL（Vertical-cavitySurface-emittingLaser）是垂直腔面发射激光器，是一种以半导体为基础的激光二极管，从其顶面垂直发射高效光束，制造工艺与EEL相兼容，且大规模制造的成本很低，生长结构更易于提高输出功率，还为各种复杂设计提供了可能，当前波长以810nm、850nm和940nm为主。
目前EEL仍占据主流，根据Yole数据，2020-2026年，全球EEL市场规模预计将从29亿美元增长到67亿美元，CAGR为15%。其中光通信规模最大，预计将从17亿美元增长到47亿美元，CAGR为18%；显示、传感、医疗和照明领域预计将从5亿美元增长到12亿美元，CAGR为15%。
根据麦姆斯咨询数据，VCSEL下游各应用领域中，传感占比最大，为75%，其次是通信，占比24%，此外还包括制造领域的工业热处理、激光打印，以及计时领域的原子钟等。对于传感应用的VCSEL，2021年市场规模为10.3亿美元，在手机、汽车等下游需求拉动下，预计到2024年将增长至17.3亿美元。
根据Yole数据，2021-2026年，全球VCSEL市场规模预计将从12亿美元增长到24亿美元，CAGR为13.6%。其中手机等消费电子领域规模最大，预计将从8.0亿美元增长到17亿美元；汽车领域规模不大，但是增速最高，预计将从110万美元增长到5700万美元，CAGR为121.9%。根据TechnoSystemsResearch数据，2019年全球智能机TOF镜头VCSEL厂商排名中，德国Osram占比37%，排名第1；纵慧芯光占比32.6%，排名第2，同时也是中国排名第1的厂商；美国Lumentum占比17.4%，排名第3；韩国LGInnotek占比10.9%，排名第4；奥地利ams占比2.2%，排名第5（ams已于2020年7月收购Osram）。
4）905nm与1550nm
由于要避免可见光对人眼的伤害，激光雷达选用的激光波长有两种选择，一个是1000nm内的，典型值是905nm，可以用Si做接收器，成本低且产品成熟，尺寸也相对较小，是大多数激光雷达厂商更倾向的选择；但是其抗天气干扰能力却偏弱，对雨雾的穿透力不足，最重要的是905nm激光源在人眼安全方面存在风险。在实际使用过程中，如果要提升激光雷达的探测距离，就必须提高发射激光的功率，从而发射更强的光脉冲，虽然905nm激光属于不可见光，但当其直射人类眼球，并具有足够的能量时，就会损伤人类的视网膜。因此，以905nm激光为激光源的激光雷达必须在探测距离与人眼安全之间进行权衡。
还有一种是1000-2000nm之间的，典型值是1550nm，这个波段Si无法探测，需要用Ge或者InGaAs探测器，成本会更高些，1550nm激光源的波长更长，能量更低，其在光谱红外线部分距离可见光波段更远，因此对人眼不会有太大的危害。这也就意味着，以1550nm激光为激光源的激光雷达可以以更高的功率发射激光进行探测，目前Luminar、图达通、镭神科技、一径科技、北醒光子等公司纷纷布局了1550nm激光。一般情况下，1550nm激光雷达的激光器功率约为传统905nm激光雷达的40倍，但由于1550nm激光雷达采用铟镓砷（InGaAs）近红外探测器，比905nm所使用的硅基光电探测器更昂贵，因此1550nm激光雷达的生产成本也相对较高。目前905nm由于成本优势，仍然占据主导地位，根据Yole数据，905nm占比69%，1550nm占比14%。未来随着对探测距离要求提升，以及量产带来的成本降低，1550nm有望获得更广泛应用。
5）机械式、混合固态、固态
按照扫描方式的不同，激光雷达分为机械式、混合固态和固态激光雷达。机械式激光雷达是在自动驾驶汽车上最先应用的激光雷达产品，顾名思义，就是通过部件的机械旋转来完成激光扫描的，通过持续旋转发射部件，原本呈线状扫描的激光束实现了面状扫描，进而达到了全方位的3D扫描。机械式激光雷达具有扫描速度快、接收视场小、可承受激光功率高的优势。如今机械激光雷达技术相对成熟，但价格昂贵。混合固态激光雷达的激光收发模块是不运动的，只有扫描模块在运动。按扫描模块的运动方式划分，混合固态又分为MEMS、转镜式和棱镜式三种。
固态激光雷达则完全取消了机械式扫描机构，完全通过电子的方式完成水平和垂直方向上的扫描，内部结构没有任何运动部件，可靠性高、耐久性强，大大缩小了激光雷达的体积和价格，具体又分为光学相控阵（OPA）和闪光（Flash）两种。未来随着技术逐渐走向成熟，有望成为自动驾驶的标配。目前机械式激光雷达仍占据主流，根据Yole数据，机械式占比66%，混合固态MEMS占比17%，固态Flash占比10%，其他占比7%。
我们认为，机械式激光雷达技术相对成熟，但是成本高、体积大、可量产性低，并不太适合未来的自动驾驶。混合固态激光雷达目前技术相对成熟，能兼顾成本、性能、车规等要求，但抗冲击可靠性存疑，长远来看，仅属于过渡产品。固态激光雷达中，Flash受限于元器件性能，无法实现远距离探测，OPA技术壁垒高，但长远看，固态激光雷达结构简单、尺寸小、扫描精度高、扫描速度快，固态化、小型化、低成本化将是未来激光雷达的发展趋势，未来随着成本逐步降低，固态激光雷达有望成为主流应用。
6）探测器APD与SPAD/SiPM
7）主控芯片FPGA与SoC
目前激光雷达主控芯片以FPGA为主，主要实现时序控制、波形算法处理、其他功能模块控制等，但随着市场对激光雷达产品的测远能力以及点频的要求不断提升，需要进行技术的改进，从而实现核心收发芯片的升级换代，提升能量利用率，用更少的能量实现更远的单点测距能力。SoC芯片的优势在于能够集成光电探测器、前端电路、算法处理、激光脉冲控制等功能模块，显著降低系统复杂度和成本，因此适合进行大规模批量化生产，未来将有条件取代主控单元FPGA，进一步提升系统性能和集成度。
根据Yole数据，受下游需求拉动，全球激光雷达市场规模稳步增长，2021年为20亿美元，预计2022年将达到23.4亿美元，2026年将达到57.2亿美元，2021-2026年CAGR为23.4%。各厂商排名中，Trimble占比19%，排名第1；HexagonAB占比18%，排名第2；中国厂商禾赛科技和速腾聚创占比分别为2%和1%。
根据Yole数据，从下游应用占比来看，2020年最大的是地图测绘，占比61%；其次是制造业，占比17.2%。但是从增长潜力来看，增速最快的3个领域分别是ADAS、智能设施和无人车。其中ADAS将从0.26亿美元增长到23亿美元，CAGR为94%，是增长最快的下游应用领域，2026年占比将达到40.4%，排名第1；智能设施将从0.66美元增长到4.0亿美元，CAGR为38%；无人车将从1.0亿美元增长到5.8亿美元，CAGR为32%。
汽车激光雷达领域，对比全球各厂商，根据Yole数据，法雷奥占比28%，排名第1；速腾聚创占比10%，排名第2；Luminar/大疆览沃/电装/大陆集团/Cepton占比均为7%，华为/禾赛科技占比均为3%。2020-2026年，汽车（ADAS和无人车）激光雷达渗透率将从7%大幅提升至51%。
制约激光雷达大范围普及的，除了技术成熟度之外，就是价格，目前从几百美元到几万美元不等。全球首款量产的车载激光雷达是法雷奥的第1代激光雷达SCALA1，于2017年搭载在奥迪A8中。SCALA1采用了转镜式混合固态扫描方案，光源波长905m，探测器为线性雪崩光电二极管（APD），有效距离为150米，水平视场角145°，垂直视场角3.2°，尽管线数仅有4线，但这是全球第一款通过车规认证的激光雷达。根据SystemPlus关于激光雷达成本拆解数据，SCALA1的主板和激光器板为最主要零部件，分别占比45%和23%，年出货量1百万颗时制造成本105美元/颗；览沃科技（大疆）Horizon镜头模组和外罩为最主要零部件，分别占比54%和16%，年出货量1百万颗时制造成本260美元/颗。
根据PatienceConsulting关于部分激光雷达价格数据，各厂商公布的实际价格均不高于预期价格，其中Velodyne固态激光雷达Velaray实际价格为700美元，仅为预计价格的19.2%。根据览沃科技的数据，随着激光雷达从机械式向混合固态、以及固态升级过程中，对应的价格也将从机械式75000美元下降至固态50美元的水平。我们认为，伴随着价格逐步降低，激光雷达将有望迎来大规模商业化普及。
2.2.5摄像头/超声波/毫米波/激光雷达性能对比
对比摄像头、超声波雷达、毫米波雷达、激光雷达几类常用自动驾驶传感器，在性能及使用上各有优劣。摄像头技术成熟、造价低，也是唯一能识别颜色和标识的传感器，但是受光照、天气影响大，机器学习数据库训练样本大、周期长；超声波雷达受天气干扰小，但是测量精度差，距离短；毫米波雷达不受天气影响，穿透烟雾、雨雪、灰尘能力强，探测距离远，但无法识别物体颜色，视场角较小，对金属表面非常敏感，在隧道里效果不佳；激光雷达能够很好的探测障碍物的距离、大小、表面形状，算法简单，但是在雨雪云雾天气下衰减严重，技术门槛和成本较高。从频谱角度讲，主动传感器从超声波雷达到毫米波雷达，再到激光雷达，工作频率越来越高，波长越来越短；被动传感器摄像头则工作在可见光（VIS，visible）及红外线（IR，infrared）范围，红外又分为近红外（NIR，near-infrared）和中红外（MIR，mid-infrared），中红外就是熟知的热成像（thermalcamera）。
2.2.6视觉方案VS多传感器融合方案
目前在自动驾驶方案中，主要有2种，一种是视觉方案，以特斯拉为代表，此方案以摄像头为主导来感知外界信息，属于被动视觉，由于需要处理行驶过程中产生的大量数据，因此对算法和算力要求高，特点是“轻感知、重计算”，整体成本较低。另一种是多传感器融合方案，也是目前大多数车企采用的方案，这种方案往往同时搭载摄像头、超声波雷达、毫米波雷达、激光雷达等多种传感器，依靠激光雷达创建周围环境的3D感知图，同时融合不同传感器的优势进行互补，从而感知外界信息，特点是“重感知，轻计算”，早期激光雷达成本高达几万美元，目前已下探至几百美元水平，为激光雷达的推广使用奠定了基础。
1）视觉方案向纯视觉方案升级：
马斯克曾多次在公开场合表示不使用激光雷达，他认为激光雷达“昂贵、丑陋、毫无意义”，而且通过摄像头感知开发和训练一套模拟人类视觉的神经网络，就能够实现自动驾驶。从目前在售的特斯拉Model3来看，该车搭载了8颗摄像头，12颗超声波雷达以及1颗毫米波雷达。8颗摄像头可为车辆提供360°视角，前视窄视野摄像头最大探测距离可达250m；12颗超声波雷达则用于完善视觉系统的探测效果；1颗毫米波雷达以冗余波长提供有关周围环境的其他数据，这些数据可以穿透大雨，雾气，灰尘甚至前车之前的其他车辆。最新的信息显示，特斯拉在美国官网宣布，“从2022年2月中旬开始，所有为北美地区市场生产的ModelS和ModelX车型都将引入特斯拉纯视觉方案，即承诺其司机辅助驾驶系统Autopilot和全自动驾驶（FSD）套件将采用基于摄像头的感知方式。”这意味着特斯拉将原有的视觉方案升级为纯视觉方案，取消了毫米波雷达。
2）多传感器融合方案百花齐放：
多传感器融合方案以Waymo为代表，是以激光雷达为主导，同时兼具摄像头、超声波雷达、毫米波雷达等多种传感器的融合方案，包括奥迪A8、沃尔沃XC90等众多车型均搭载了激光雷达、摄像头、超声波雷达、毫米波雷达等多种传感器，通过融合多种传感器，形成性能优势互补，不断提升自动驾驶水平。
从覆盖范围和功能上，长距毫米波雷达位于车头，探测距离最远，主要用于自适应巡航控制；激光雷达一般位于车顶前方，探测距离次之，主要用于车辆紧急制动、行人检测和碰撞避免；摄像头位于车身四周，探测距离更短一些，但是能覆盖周围360°范围，前视摄像头主要用于交通标志识别和车道偏离报警，侧视摄像头主要用于车身两侧环视，后视摄像头主要用于停车辅助和车身后方环视；中短距毫米波雷达位于车头和车尾，探测距离比摄像头稍短，前置主要用于倒车横向车流预警，侧后方主要用于盲点检测，后置主要用于后方碰撞预警；覆盖范围最小的是超声波雷达，位于车头和车尾，主要用于停车辅助；全球卫星导航系统位于车顶，主要用于车辆定位和导航。
随着自动驾驶级别逐步提升，功能逐渐丰富，传感器用量及价值量也水涨船高。根据Yole数据：L1级别具备主动巡航控制（ACC）、车道偏离警告系统（LDWAS）功能，需要6颗传感器，包括4颗超声波雷达、1颗毫米波雷达（长距）、1颗摄像头，合计260美元；L2级别增加了停车辅助（PA）、车道维持辅助（LKA）功能，需要13颗传感器，包括8颗超声波雷达、1颗毫米波雷达（长距）、4颗摄像头，合计405美元；L3级别增加了自动紧急制动（AEB）、驾驶员监控（DM）、交通堵塞辅助（TJA）功能，需要24颗传感器，包括8颗超声波雷达、6颗毫米波雷达（2颗长距+4颗短距）、7颗摄像头（4颗环视+2颗前视+1颗其他）、1颗辐射热测量计、1颗激光雷达、1个航位推算系统，合计2050美元；
L4级别增加了传感器融合（SensorFusion）、高速自动驾驶（APHighway）功能，需要38颗传感器，包括10颗超声波雷达、8颗毫米波雷达（2颗长距+6颗短距）、13颗摄像头（6颗环视+3颗前视+4颗其他）、1颗辐射热测量计、5颗激光雷达、1个航位推算系统，合计3430美元；L5级别增加了随时随地自动驾驶（APAnywhere）功能，需要35颗传感器，包括10颗超声波雷达、8颗毫米波雷达（2颗长距+6颗短距）、9颗摄像头（3颗前视+6颗其他）、1颗辐射热测量计、5颗激光雷达、2个航位推算系统，合计3170美元。
在自动驾驶发展过程中，传感器种类越来越多，功能也逐渐丰富，市场规模越来越大。根据Yole数据，2020-2025年，摄像头模组市场规模将从35亿美元增长至81亿美元，CAGR为18%；毫米波雷达市场规模将从38亿美元增长至91亿美元，CAGR为19%；激光雷达市场规模将从4千万美元增长至17亿美元，CAGR为113%。2020年中国车载雷达竞争格局中，毫米波雷达占比最大，为66.7%；超声波雷达占比次之，为29.6%，超声波雷达占比最小，为1.9%。我们认为，随着将来自动驾驶渗透率提升，激光雷达成本下降，激光雷达占比有望持续提升。
不仅是传感器价值量提升，各类传感器中半导体价值量亦稳步增长。根据StrategyAnalytics和Infineon数据，L2级别为160美元，L2+级别为560美元，L3级别为630美元，L4/L5级别为970美元。
视觉方案严重依赖海量数据训练，特斯拉已经先发制人，在有大量车型销量的前提下，特斯拉视觉算法的训练已经超出其他车企一大截，如果后来的车企采用纯视觉方案，因为起步比特斯拉晚，也没有足够数量的汽车在路上跑，那就没有海量数据训练的基础，没有数据训练也就没有更好的自动驾驶能力，出事故的概率更大，这样反过来又会影响自家汽车的销量，陷入一种恶性循环。因此后来的车企更倾向于采用摄像头+雷达的多传感器融合方案，通过雷达来弥补自身视觉算法能力的不足，从而达到量产商用的自动驾驶水平。
2.3决策层：智能车决策判断的中枢大脑
2.3.1E/E架构集中化，运算加速带来GPU/FPGA/ASIC/类脑芯片需求大幅提升
随着汽车智能化发展，汽车E/E架构也将逐步升级，整体而言，将从分布式架构迈向基于域的集中式架构，最终达到整合域的中央计算平台架构。分布式架构：传统燃油车以机械部件为主，电子系统相对简单，大多应用ECU（电子控制器）分布式架构，芯片主要为MCU，ECU和功能几乎一一对应，比如车灯对应一个控制器，车门对应一个控制器，因此系统相对封闭。这种架构在10-20年前已经实现。
基于域的集中式架构：现阶段电气化与驾驶辅助功能已经实现初步应用，基于域的架构将成为当前及未来几年的主流技术选择，在这种架构体系中，不同ECU之间开始整合，原来的单一功能控制器按照功能类别集成在一个控制器中，出现域管理，用DCU和MDC（磁鼓控制器）取代了ECU，实现功能导向的控制。目前比较普遍的功能域架构设计是将整车功能划分为五大功能域：动力域（安全）、底盘域（车辆运动）、座舱域（信息娱乐）、自动驾驶域（辅助驾驶）和车身域（车身电子），每个区域对应推出相应的域控制器，最后再通过CAN/LIN等通讯方式连接至主干线甚至托管至云端，从而实现整车信息数据的交互。这种架构目前已经开始成为主流应用，预计在2021-2025年将快速发展。
整合域的中央计算平台架构：长期来看，随着自动驾驶逐步升级，对电子架构的算力、带宽均提出了更高要求，只有整合域的中央计算平台架构能够满足要求，这一架构将功能域进一步集中化，因此也带来了芯片能力进一步提升，用一个集成电路实现对不同功能芯片的整合，更加依赖云端的存储分析能力，这种架构将在未来长期发展中逐步落地。但是这三代架构并非界限分明地孤岛式发展，实际应用中，更多是混合在一起。
随着自动驾驶从L1-L5升级，汽车E/E架构由分布式走向集中，算力开始集中，集成化的设计可以降低算力冗余要求的同时大幅降低整车线束长度，有效降低成本。当域集中之后，智能化功能升级将从增加传感器数量转为增加算力、算法模型和数据训练，因此对自动驾驶AI芯片算力要求将越来越高，每提升一个级别，算力需求增加10倍以上。根据亿欧数据，L1级别算力需求小于1TOPS（TeraOperationsPerSecond，每秒一万亿次操作），L2级别算力需求2TOPS，L3级别算力需求30TOPS，L4级别算力需求300TOPS，L5级别算力需求4000+TOPS。根据亿欧数据，中国自动驾驶AI芯片市场规模2021年为25.1亿元，预计到2025年将达到109.9亿元，CAGR为44.7%。
目前常见的AI芯片包括CPU、GPU、FPGA和ASIC，从CPU到ASIC，灵活性越来越差，效率越来越高。并且随着自动驾驶水平越来越高，需要处理的数据量越来越大，高精地图、摄像头、超声波/毫米波/激光雷达、GNSS等软硬件设备对计算提出更高要求，CPU并行计算速度慢，仅靠CPU的算力和功能已经不能满足自动驾驶对数据传输的实时性要求。为了解决CPU在大量数据运算效率低和能耗高的问题，目前有两种的发展路线：一是延用传统冯·诺伊曼架构，搭配加速芯片，用以提升算力并助推算法的产生，常见的AI加速芯片包括GPU、FPGA和ASIC三类；二是不采用冯·诺伊曼架构，转而采用人脑神经元结构设计芯片来提升计算能力，以实现完全拟人化为目标，追求在芯片架构上不断接近人脑，这类芯片被称为类脑芯片。
ASIC（ApplicationSpecificIntegratedCircuit，专用集成电路）：指按照特定用户要求和特定电子系统的需要而设计、制造的集成电路。目前用CPLD（复杂可编程逻辑器件）和FPGA（现场可编程逻辑阵列）来进行ASIC设计是最为流行的方式之一。优点是它作为集成电路技术与特定用户的整机或系统技术紧密结合的产物，与通用集成电路相比具有体积更小、重量更轻、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点；缺点是灵活性不够，成本比FPGA贵。代表厂商包括谷歌（TPU）、地平线（BPU）、寒武纪（GPU）等。
目前主流厂商多采用CPU+GPU/FPGA/ASIC的方式进行自动驾驶芯片设计。特斯拉FSD和英伟达Xavier均采用CPU+GPU+ASIC的方式，其中特斯拉FSD的ASIC是NPU，占据最大面积，主要用来运行深度神经网络，GPU主要是用来运行深层神经网络的后处理部分；英伟达Xavier以GPU为计算核心，GPU占据最大面积。MobieyeEyeQ5和地平线征程系列则采用CPU+ASIC的方式，MobieyeEyeQ5的ASIC包括ComputerVisionProcessors（CVP）、DeepLearningAccelerator（DLA）和MultithreadedAccelerator（MA），CVP是针对很多传统计算机视觉算法设计的ASIC；地平线的ASIC芯片是BrainProcessingUnit（BPU）。Waymo采用CPU+FPGA的方式，FPGA采用搭配Intel（Altera）的Arria系列。
除了加速芯片之外，一种更为前沿的技术是采用类脑芯片。传统计算机采用冯·诺伊曼架构，存储与计算在空间上分离，频繁的数据交换导致处理海量信息效率很低。类脑芯片不采用经典的冯·诺伊曼架构，而是借鉴人脑的网络结构和信息处理方式，研究基于微电子技术和新型神经形态器件的类脑智能芯片的集成工艺与设计技术，突破传统计算架构，基于神经形态架构设计，实现存储与计算的深度融合，大幅提升计算性能、提高集成度、降低能耗。它的内存、CPU和通信部件完全集成在一起，因此信息的处理在本地进行，克服了传统计算机内存与CPU之间的速度瓶颈问题。类脑芯片的设计目的不再仅仅局限于加速深度学习算法，而是在芯片基本结构甚至器件层面上改变设计，希望能够开发出新的类脑计算机体系结构，比如采用忆阻器和ReRAM等新器件来提高存储密度。这类芯片技术尚未完全成熟，离大规模应用还有一定的差距，但是长期来看类脑芯片有可能会带来计算机体系结构的革命。
2.3.2AI芯片芯片发展方向：制程更先进+算力更高+开放式软件生态
在过去20年里，Mobileye在视觉感知技术的基础上，陆续推出了MobileyeEyeQ系列芯片+算法组成的一系列解决方案，帮助车企在ADAS领域，实现从L0的碰撞预警，到L1的AEB紧急制动、ACC自适应巡航，再到L2的ICC集成式巡航等各种功能。在过去20年里，Mobileye毫无疑问可以说是汽车ADAS技术的主要奠基者和引领者。2016年，Mobileye还与宝马组建了自动驾驶联盟，宝马在旗下车型中大量搭载MobileyeEyeQ系列芯片，之后宝马还高调宣布与Mobileye、英特尔合作研发L4自动驾驶汽车。2017年3月，英特尔以153亿美元收购Mobileye，不仅表明了英特尔对Mobileye前景的看好，而且是英特尔在自动驾驶领域的一次关键布局。
自动驾驶之争是一场软硬平台之战，单颗芯片算力TOPS是关键指标，但并非唯一指标，自动驾是一个复杂系统，需要“车-路-云-边”协同运作。Mobileye在近年来落后于英伟达、高通、华为等厂商的另一个重要原因就是封闭性太强，Mobileye在EyeQ芯片内部已经写好了Mobileye的感知算法，在车辆行驶时EyeQ会直接输出对外部车道线和车辆等目标的感知结果，车辆基于这些结果做出驾驶决策，在这一过程中，车企无法对内部的算法进行修改与调整，这种软硬件捆绑销售的方式，使得算法难以适应车企需求，此外还存在算法迭代慢，更新周期长等问题。这些问题在L1-L2阶段并不明显，对于汽车来说选择一个相对可靠、完整的方案是当时最高效、最稳妥的方式，但是随着自动驾驶水平提升，在L3-L5阶段，Mobileye封闭性的弊端就暴露无遗了，而其他车企如英伟达、高通、华为、地平线等则可以直接根据客户的各种需求进行深度自定义，因此从2021年起，原来采用Mobileye的厂商纷纷开始转投英伟达、华为、高通、地平线的产品，在2022年发布的新款车型中，基本已经被英伟达、高通、华为、特斯拉垄断，很难再见到Mobileye的身影。
3.1V2X带来更加高效安全的自动驾驶
智能网联汽车（IntelligentConnectedVehicle，ICV），是指车联网与智能车的有机联合，通过搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与人、路、后台等智能信息交换共享，实现安全、舒适、节能、高效行驶。自动驾驶智能只能探测视野范围内的物体或人，而车联网则可以探测到视野范围外的物体或人，可以更大程度实现高效和安全驾驶。
V2X（VehicletoEverything）作为一种车用无线通信技术，是将车辆与一切事物相连接的新一代信息通信技术。其中V代表车辆，X代表任何与车交互信息的对象，X主要包含车（VehicletoVehicle,V2V）、人（VehicletoPedestrian,V2P）、交通路侧基础设施（VehicletoInfrastructure,V2I）和网络（VehicletoNetwork,V2N）。V2X将“人、车、路、云”等交通参与要素有机地联系在一起，不仅可以支撑车辆获得比单车感知更多的信息，促进自动驾驶技术创新和应用，还有利于构建一个智慧的交通体系，促进汽车和交通服务的新模式新业态发展，对提高交通效率、节约资源、减少污染、降低交通事故发生率、改善交通管理具有重要意义。
根据Ipsos数据，车联网发展过程将分为车内互动和车外连接两步走，在2025年前，主要以车内互动为主，包括基础硬件连接，智能手机支持连接和人车实时互动；2025-2050年间，主要以车外连接为主，包括实时驾驶安全保障，行程整体优化，帮助车辆进行精准路径选择，避免碰撞事故发生。此外，根据Deloitte数据，网联化解决方案将采用“云、管、端”模式，实现数据流动和信息交互。
3.2C-V2X将逐步成为全球车联网主流技术路线
目前国际上主流的车联网无线通信技术有DSRC（DedicatedShortRangeCommunicaTIons，专用短程通信技术）和C-V2X（Cellular-V2X，蜂窝车联网）两条技术路线。DSRC基于IEEE802.11p标准进行开发，由IEEE于2010年完成标准化工作，可以实现小范围内图像、语音、数据的实时、准确和可靠的双向传输，将车辆和道路有机连接，采用专属无线频率：5.9GHz频段内的75MHz频谱。全球DSRC标准主要有美国、欧洲、日本三大阵营，分别是美国的900MHz，欧洲的ENV系列，日本的ARIBSTD-T75标准，发展较为成熟，也是欧美日等国家/地区车联网的主流技术。C-V2X是基于蜂窝通信和终端直通通信融合的车联网技术，以4G/5G蜂窝网络为基础，可以实现长距离和更大范围的通信，在技术先进性、性能以及后续演进等方面，比DSRC更有优势。LTEV2X包括集中式（LTE-V-Cell）和分布式（LTE-V-Direct）两种技术，其中LTEV-Cell以基站为分布中心，LTE-V-Direct则是车车之间的直接通信。
2018年11月，工信部无线电管理局正式发布《车联网（智能网联汽车）直连通信使用5905-5925MHz频段的管理规定（暂行）》，规划5905-5925MHz频段作为基于LTE-V2X技术的车联网（智能网联汽车）直连通信的工作频段，标志着中国LTE-V2X正式进入产业化阶段。随着中国车联网产业化进程逐步加快，目前已围绕LTE-V2X形成包括通信芯片、通信模组、终端设备、整车制造、运营服务、测试认证、高精度定位及地图服务等为主导的完整产业链生态。
3.3高精地图：深度助力自动驾驶定位、感知、规划、决策
高精地图市场本质是数据的服务市场，整个市场目前仍然处于数据采集为主、增值应用为辅的阶段，只有具备大量高精地图数据的企业才具备很强的竞争力，传统图商在地图的测绘、采集、编制等方面具有长期积累的优势，因此在市场中占据了主导力量。
国外企业主要有Waymo、Here、TomTom、Zenrin、Mobileye、DeepMap等。中国目前拥有导航电子地图制作甲级测绘资质的企业共有30家，但真正有高精地图采制能力的公司屈指可数，目前业界公认具有高精地图采制能力的公司包括四维图新、高德地图、百度地图、易图通等，主要原因在于成本较高。高精地图的成本主要包括采集成本和编译制作成本，采集成本包括设备成本、负责采集车辆的行驶耗材、人力成本、过路费等，一辆采集车需要配置的设备包括激光雷达、摄像头、陀螺仪、GPS接收机、数据存储和计算设备等，1辆专业型采集车价格在100万左右，编译制作成本主要是人力成本，需要投入相当多的人力来完成地图绘制、校正地图信息、更新POI信息、更新互联网用户报错等任务。为此，除了资金实力雄厚的老牌图商，大多数图商采用成本较低的众包制图模式，通过与整车厂合作，使用其摄像头、激光雷达等传感器采集道路信息，但是与专业的采集车相比，最大劣势在于不准确。因此，我们认为老牌图商利用资金优势将有望建立起更大的领先优势。
3.4智车之“耳”：射频前端芯片助力汽车网联化渗透率提升
根据IDC数据，2020-2024年，全球智能网联汽车出货量将保持稳步增长，2020年为4440万辆，2024年将达到7620万辆，CAGR为14.5%。渗透率方面，亦将保持稳步上升趋势，根据IHSMarkit数据，预计2025年全球智能网联汽车渗透率将达到59.4%，中国智能网联汽车渗透率将达到75.9%。
全球各主要国家/地区来看，根据PwC数据，2021-2035年，欧盟汽车保有量将从3.2亿辆下降至2.8亿辆，互联汽车渗透率将从24%提升至93%；美国汽车保有量将从2.7亿辆增长至3.3亿辆，互联汽车渗透率将从31%提升至92%；中国汽车保有量将从2.1亿辆增长至3.5亿辆，互联汽车渗透率将从33%提升至72%；日本汽车保有量将从0.68亿辆下降至0.60亿辆，互联汽车渗透率将从12%提升至74%。整体而言，全球各主要国家/地区互联汽车渗透率将保持快速上升态势。
4.1投资观点
智能化方面：自动驾驶将成为评判智能化水平的核心关键。SAE（国际汽车工程师学会）将自动驾驶技术分为L0-L5，共6个等级。其中L0-L2仍然需要驾驶员驾驶，属于ADAS（高级辅助驾驶系统）范畴，而从L3开始，汽车才真正进入到自动驾驶范畴，L3指在特定场景下，系统可以实现对车辆的完全接管，当驾驶员在系统失效时，驾驶员取得驾驶权。根据SAE的定义，在L1时，驾驶员可以“脱脚”；在L2时，驾驶员可以“脱手”；在L3时，驾驶员可以“脱眼”；在L4时，驾驶员可以“脱脑”；在L5时，已经不需要驾驶员。
相比于传统有人驾驶，自动驾驶具有诸多优势，包括安全性高、成本低、效率高等。目前受技术水平、法律法规等因素限制，L3级别以上家用车还并未大规模普及，但是在一些特定场景或者商业营运场景已经开始崭露头角。开放场景以载人为主，包括Robobus、Robotaxi、Minibus等，均基于L4/L5级别自动驾驶技术，半封闭以及封闭场景则以载物为主，比如Robotruck，其中半封闭场景包括干线物流、无人环卫、末端配送等，封闭场景包括矿山运输、港口运输等。
自动驾驶系统分为感知层、决策层和控制层，感知层主要通过摄像头、雷达等感知周围环境信息，并通过GPS/惯导等实现定位等车辆状态的获取；决策层依据感知层提供的环境信息和车辆定位情况，根据适合的模型进行路径规划等决策；控制层则通过底盘及各种控制附件件，驱动车辆执行相应命令动作。未来随着Robotaxi等商用化加速落地，以及家用车自动驾驶技术水平提升和功能更佳丰富，将给硬件配置将带来新的发展机会。
感知层：根据Yole数据，对于单辆车而言，L1级别各类传感器数量为6颗，价值量260美元；L2级别为13颗，价值量405美元；预计L3级别将达到24颗，价值量2050美元；L4级别将达到38颗，价值量3430美元；L5级别将达到35颗，价值量3170美元。市场规模方面，在自动驾驶领域，根据Yole数据，预计2020-2025年，摄像头模组将从35亿美元增长至81亿美元，CAGR为18%；毫米波雷达将从38亿美元增长至91亿美元，CAGR为19%；激光雷达将从4千万美元增长至17亿美元，CAGR为113%。
决策层：随着自动驾驶从L1-L5升级，汽车E/E架构将逐步升级，从分布式架构迈向基于域的集中式架构，最终达到整合域的中央计算平台架构。这将对AI芯片算力提出越来越高的要求，传统CPU已无法满足算力提升需求，GPU/FPGA/ASIC/类脑等加速芯片重要性将越来越高。每提升一个级别，算力需求增加10倍以上。根据亿欧数据，L1级别算力需求小于1TOPS，L2级别算力需求2TOPS，L3级别算力需求30TOPS，L4级别算力需求300TOPS，L5级别算力需求4000+TOPS。中国自动驾驶AI芯片市场规模2021年为25.1亿元，预计到2025年将达到109.9亿元，CAGR为44.7%。
网联化方面：当智能化自动驾驶发展到一定程度后，车辆与外部的沟通交流就愈发重要，V2X有利于构建一个智慧的交通体系，对提高交通效率、节省资源、减少污染、降低事故发生率、改善交通管理具有重要意义。C-V2X凭借高可靠性、高稳定性、低成本、广覆盖、低时延等优势，未来在车联网领域将得到更广泛的应用。在L3及以上自动驾驶领域，传统导航地图已经不再适用，而高精地图具有更高的精度、更多维的数据，将深度助力自动驾驶定位、感知、规划、决策。同时由于地图测绘、采集等涉及到国防安全信息，导航电子地图制作甲级测绘资质需要严格审批才能获得，因此国内厂商有着天然的高壁垒优势，有望在未来L3自动驾驶到来时充分受益。根据IDC数据，2020-2024年，全球智能网联汽车出货量将保持稳步增长，2020年为4440万辆，2024年将达到7620万辆，CAGR为14.5%。渗透率方面，亦将保持稳步上升趋势，根据IHSMarkit数据，预计2025年全球智能网联汽车渗透率将达到59.4%，中国智能网联汽车渗透率将达到75.9%。在网联化过程中，射频前端芯片将如同汽车的耳朵一样将助力车联网技术发展，从而弥补单辆汽车智能化不足，推动协同式应用服务发展。
4.2重点公司分析
4.2.1联创电子
公司主营业务是光学镜头、摄像模组及触控显示一体化等关键光学、光电子产品及智能终端产品制造，下游领域包括智能手机、平板电脑、智能驾驶、运动相机、智能家居、VR/AR等。2022Q1公司实现营收20.1亿元，YoY-12.1%；归母净利润0.4亿元，YoY+10.9%；毛利率12.0%，净利率1.9%。
2022Q1，公司主业收入增长良好，光学业务快速发展，同比增长103.79%。1）高清广角镜头和高清广角影像模组业务方面，同比增长51.21%，保持了良好出货，客户有GoPro、大疆、影石、AXON等，同时与华为在智能监控和智能驾驶等多个领域展开了深度合作；为大疆在航拍、智能避障开发的多个产品线已大批量产出货。2）车载镜头及模组业务方面，同比增长1042.85%，公司与Mobileye、Nvidia、华为、Aurora等国内外知名智能驾驶方案平台商开展战略合作，不断发力智能驾驶、智能座舱车载镜头领域，8MADAS车载镜头和影像模组研发成功并获得客户认可。与多家国内外知名汽车电子厂和新能源车厂合作开发的多款车载镜头和影像模组分别被Valeo、Magna、Aptiv、比亚迪、零跑等知名客户定点签约。3）手机镜头和手机影像模组业务方面，同比增长99.84%，客户有中兴、联想、三星等品牌手机客户，以及华勤、闻泰、龙旗等ODM厂商。
在车载光学领域，公司已将非公开发行股票原计划投入“年产2.6亿颗高端手机镜头产业化项目”的募集资金全部用于“年产2400万颗智能汽车光学镜头及600万颗影像模组产业化项目”，以加快发展车载光学项目，提升车载镜头和影像模组产能。同时与合肥高新管委会指定主体共同出资设立项目公司，拟于2025年底前形成年产车载镜头和车载影像模组各5000万颗的研发、生产能力。截至2021年底，与Tesla的合作取得了4个新项目的定点，其中2个新项目进入量产，另外2个新项目通过客户认证，预计在2022年中量产。
4.2.2长光华芯
公司聚焦半导体激光行业，主要业务为半导体激光芯片的研发、设计及制造，产品大致分为EEL和VCSEL，具体产品包括高功率单管系列产品、高功率巴条系列产品、高效率VCSEL系列产品及光通信芯片系列产品等，其中高功率半导体激光芯片和光通信芯片属于EEL，下游应用包括医学美容、激光雷达、机器视觉定位、智能安防、消费电子、3D传感与摄像、人脸识别与生物传感等领域。2022Q1公司实现营收1.1亿元，YoY+43.6%；归母净利润0.3亿元，YoY+45.7%；毛利率50.2%，净利率24.7%。
4.2.3炬光科技
展望未来，高功率半导体激光元器件方面，泵浦类应用将持续快速发展，直接应用类场景将更加丰富；激光光学元器件在激光作为能量源载体的应用中将向更高精度、更高性能发展，在新一代信息技术应用中将向设计紧凑、大批量低成本制造发展；中游光子应用模块和系统将在下游行业逐渐渗透，助力行业技术升级换代，满足更高的应用场景需求。
车上的这4个功能按键，很多新手不会用，老司机实车演示给你看
开自动挡车型的4大禁忌，很多人不清楚吃了亏，新手注意
“开不坏”的四款车，修车工：开到换车不用大修，越老越皮实耐造
自动挡就一定适合新手吗？这3种方式开自动挡，会马上毁掉你的车
为什么说新能源车是个“骗局”？买了就后悔，修理工实车给你看
五菱又出全新神车，比宏光好看，实用性可玩性超强，侧滑门倍带感
使用了20年的车，跑了30万公里如此完美车况！车主是怎么做到的？
这种车再便宜也不建议朋友们要，真的是谁买谁后悔谁买谁吃亏！
又一合资SUV“掀桌子”！从16万跌至11万，8AT+200马力，喝92油
20万左右最撑“面子”的3辆车！大众不够格，最后一款是销量王！