現(xiàn)如今，自動駕駛技術(shù)已經(jīng)成為汽車產(chǎn)業(yè)的未來發(fā)展方向。應(yīng)用自動駕駛技術(shù)可以全面提升汽車駕駛的安全性、舒適性，滿足更高層次的市場需求，并推動產(chǎn)業(yè)科技升級。進入2022年以來，國家層面及地方政府也適時出臺一系列政策和規(guī)劃，促進自動駕駛相關(guān)產(chǎn)業(yè)健康快速發(fā)展。2022年11月，工信部印發(fā)《關(guān)于開展智能網(wǎng)聯(lián)汽車準入和上路通行試點工作的通知》，對準入試點的智能網(wǎng)聯(lián)汽車產(chǎn)品，提出了一系列規(guī)劃和指導(dǎo)要求，進一步推進了自動駕駛的發(fā)展進程。

01

自動駕駛概況

1.定義

自動駕駛，又稱無人駕駛，是依靠計算機與人工智能技術(shù)在沒有人為操縱的情況下，完成完整、安全、有效駕駛的一項前沿科技。

2.分類

自動駕駛技術(shù)分為多個等級，不同機構(gòu)提出過多種分級標準，目前業(yè)界常用的兩種分級標準是NHTSA分級（美國高速公路安全管理局提出）和SAE分級（美國汽車工程協(xié)會提出）。兩種分級在具體級數(shù)劃分方面存在差異，但是在特征描述方面存在共性，從L3級開始，駕駛主角均由駕駛員操作轉(zhuǎn)換為車輛自主駕駛。由此，L3級成為自動駕駛技術(shù)應(yīng)用的重要分水嶺。

下面，我們對自動駕駛技術(shù)的研究采用SAE分級標準。

3.發(fā)展歷程

自動駕駛最早可追溯至上世紀20年代，一輛名為“美國奇跡”的無線遙控汽車正式亮相。1984年DARPA發(fā)起ALV計劃，并于2004及2005年舉辦無人駕駛汽車挑戰(zhàn)賽，吸引了眾多科學(xué)家參與，在一定程度上加快了自動駕駛行業(yè)的發(fā)展。

自動駕駛發(fā)展最初由高校實驗室推動，2009年谷歌入局，加速其商用進程。2013年百度成立自動駕駛研發(fā)團隊，福特、寶馬、日產(chǎn)、沃爾沃等傳統(tǒng)整車廠及特斯拉、蔚小理等造車新勢力相繼布局，2015-2017年Momenta、圖森未來、智行者、小馬智行、AutoX、文遠知行等自動駕駛科技初創(chuàng)企業(yè)成立，互聯(lián)網(wǎng)企業(yè)、整車廠、Tier1廠商及初創(chuàng)企業(yè)紛紛涌入自動駕駛賽道。2009-2019年，各自動駕駛公司在全球多地拿到路測牌照、積累測試里程，L3/L4技術(shù)開始商業(yè)化落地，自動駕駛技術(shù)積累速度較快。

2020年以來，特斯拉Model3、小鵬P7等具備L2/L2+功能的車型成功上市并擴大量產(chǎn)，特定場景的高階自動駕駛功能開始落地；Waymo、Cruise、百度Apollo、小馬智行等公司開啟Robotaxi商業(yè)化試點，進行規(guī)?；召M營業(yè)。自動駕駛進入商業(yè)化應(yīng)用新階段，不同背景的參與者各有優(yōu)勢，尋求多種算法優(yōu)化與商業(yè)化落地路徑。

02

自動駕駛行業(yè)發(fā)展驅(qū)動力

1.政策驅(qū)動

國家政策的大力扶持給自動駕駛發(fā)展注入強心劑，有力推動行業(yè)發(fā)展進程。近年來，我國先后推出一系列支持政策，推動自動駕駛技術(shù)發(fā)展和商業(yè)化落地。2020年2月，國家發(fā)改委、工信部等11個部委聯(lián)合下發(fā)的《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》提出，加速發(fā)展高級別自動駕駛。2022年8月，交通運輸部發(fā)布《自動駕駛汽車運輸安全服務(wù)指南（試行）》（征求意見稿），旨在適應(yīng)自動駕駛技術(shù)發(fā)展的趨勢，鼓勵自動駕駛車輛商用。同時，北京、深圳、重慶等多地陸續(xù)出臺政策法規(guī)，推動自動駕駛車輛的商業(yè)化運營和上路。

2.AI技術(shù)發(fā)展推動

AI技術(shù)發(fā)展推動自動駕駛技術(shù)迭代，芯片、算法、數(shù)據(jù)構(gòu)建自動駕駛功能底座。

（1）自動駕駛發(fā)展進程與AI技術(shù)發(fā)展高度相關(guān)

根據(jù)Gartner新興技術(shù)成熟度曲線，2018年以前，受益于深度學(xué)習(xí)技術(shù)在圖像識別等感知領(lǐng)域的應(yīng)用，自動駕駛開啟產(chǎn)業(yè)化進程。但由于受成本和法規(guī)限制，彼時高級別自動駕駛的商業(yè)化落地遭遇瓶頸。經(jīng)過三四年技術(shù)積累，感知和決策算法等核心技術(shù)的突破提高了AI模型魯棒性、系統(tǒng)冗余性和測試完善性，助力自動駕駛加快商業(yè)落地。自2020年7月起，高級別自動駕駛迎來新的發(fā)展機遇。

（2）算法、數(shù)據(jù)與芯片技術(shù)發(fā)展為自動駕駛功能實現(xiàn)提供了堅實的底座

1）深度學(xué)習(xí)算法在感知層和決策層共同驅(qū)動自動駕駛發(fā)展，深度強化學(xué)習(xí)算法（DRL）的產(chǎn)生讓更高維度的數(shù)據(jù)處理成為可能；2）海量優(yōu)質(zhì)路況數(shù)據(jù)是訓(xùn)練AI算法模型、提高感知精度的關(guān)鍵，路測里程和路測車輛數(shù)量增加而帶來的高質(zhì)量數(shù)據(jù)給自動駕駛發(fā)展提供了必要支持；3）芯片為自動駕駛技術(shù)提供算力平臺，隨著汽車電子電氣架構(gòu)由域集中式向中央集中式演進，自動駕駛的主控芯片向中央計算芯片融合的方向發(fā)展，芯片集成度的提高可以有效提升計算效率，降低應(yīng)用成本。

3.市場需求推動自動駕駛發(fā)展應(yīng)用

自動駕駛能夠在交通安全、出行效率、節(jié)能減排、產(chǎn)業(yè)變革等方面發(fā)揮價值。自動駕駛可以提供更安全、更高效、更節(jié)能、更舒適的出行體驗，其意義不僅在于改變?nèi)祟惖能囕v駕駛習(xí)慣，更重要的是在交通安全、出行效率、節(jié)能減排、產(chǎn)業(yè)變革等方面推動社會整體發(fā)展和進步。

（1）保障交通安全

據(jù)統(tǒng)計，我國每年6萬余人死于交通事故，道路交通傷害已成為我國人群首要傷害死因，80%以上的道路交通事故皆因交通違法所致。自動駕駛車輛通過智能控制和規(guī)范駕駛，可以有效避免此類安全事故發(fā)生，保障交通安全。

（2）提高出行效率，促進節(jié)能減排

交通擁堵一直是我國城市難題。在主要大城市，約75%的道路在高峰期出現(xiàn)擁堵，自動駕駛的車載傳感器可與智能交通系統(tǒng)結(jié)合使用，實時優(yōu)化路口流量，提高車流效率，緩解擁堵。由此，基于更精準的車輛控制和更少的交通擁堵率，可以有效降低資源浪費，實現(xiàn)節(jié)能減排的效果。

（3）打造第三移動空間

當(dāng)前，車輛架構(gòu)正在朝著以通用計算平臺為基礎(chǔ)、面向服務(wù)架構(gòu)演進的方向發(fā)展，軟件定義汽車成為大勢所趨。軟件定義汽車將使汽車逐步從單一交通工具轉(zhuǎn)變?yōu)橐杂脩粜枨鬄閷?dǎo)向的第三移動空間。自動駕駛讓駕駛員的精力和雙手得以解放，成為未來出行變革必不可少的技術(shù)底座。

03

自動駕駛發(fā)展現(xiàn)狀、競爭格局及資本分析

1.乘用車自動駕駛正在由L2向L3+過渡，商用車自動駕駛已進入商業(yè)化運營階段

（1）目前來看，我國量產(chǎn)乘用車自動駕駛等級正在由L2向L3+過渡

得益于硬件平臺和軟件算法逐步成熟，新車搭載L2功能正在逐漸成為前裝標配。據(jù)統(tǒng)計，2022年我國在售新車L2和L3的滲透率分別為35%和9%，預(yù)計2023年將達到51%和20%。部分科技公司直接研發(fā)L4級自動駕駛，并在部分城市路段或特定場景下進行測試。但目前高級別自動駕駛?cè)匀幻媾R著政策法規(guī)、安全性、技術(shù)成熟度等眾多挑戰(zhàn)亟待突破。據(jù)統(tǒng)計，2022年我國L4滲透率為2%，預(yù)計2023年將達到11%。

（2）與此同時，限定場景下的商用車自動駕駛率先進入商業(yè)化階段

這主要由于商用車對價格的敏感度更低，B端付費意愿更高，加之場景交通復(fù)雜程度較低以及政策鼓勵與放開，使得商用車在成本、市場、技術(shù)、法規(guī)等方面具有更好的落地性。目前，在礦區(qū)、港口、干線物流、機場、物流園區(qū)等細分場景，高級別自動駕駛正在孕育新市場。其中，干線物流、礦區(qū)、港口三大場景因人力資源不足和安全事故頻發(fā)等痛點明顯，降本增效成果顯著，商業(yè)化落地進程較快，頭部企業(yè)已經(jīng)基本進入商業(yè)化運營階段。

2.各類玩家以不同發(fā)展思路參與市場競爭，推動供應(yīng)鏈和產(chǎn)業(yè)格局劇烈變化

自動駕駛領(lǐng)域市場參與者眾多，包括傳統(tǒng)車企、造車新勢力、互聯(lián)網(wǎng)/科技公司等，各類玩家結(jié)合自身定位和能力優(yōu)勢，呈現(xiàn)出不同的發(fā)展思路。

（1）主機廠方面，國際巨頭多采取穩(wěn)扎穩(wěn)打的發(fā)展策略和漸進式技術(shù)路線

主要依賴傳統(tǒng)Tier1方案，部分投資初創(chuàng)公司或組建內(nèi)部團隊。國內(nèi)主機廠處于多方向探索階段，強勢主機廠在獨立自研基礎(chǔ)上采購供應(yīng)商方案作為補充，并投資芯片和算法公司，與互聯(lián)網(wǎng)巨頭合作等；小型主機廠研發(fā)能力較弱，通常選擇與大廠合作，以確保在自動駕駛領(lǐng)域不落人后。造車新勢力則將自動駕駛視為核心技術(shù)優(yōu)勢，通過自研算法、芯片等掌握自動駕駛核心能力。

（2）互聯(lián)網(wǎng)/科技公司憑借人工智能算法和軟件技術(shù)優(yōu)勢進入自動駕駛領(lǐng)域，與車企形成分庭抗禮之勢

互聯(lián)網(wǎng)巨頭通過投資、孵化或直接組建團隊而成立自動駕駛業(yè)務(wù)單元，跨界進入市場；部分科技公司以自研芯片為基礎(chǔ)，向下游延伸，提供全套算法軟件及硬件產(chǎn)品；部分科技公司以高階自動駕駛解決方案和Robotaxi為主營業(yè)務(wù)場景，同時利用算法優(yōu)勢切入L2量產(chǎn)領(lǐng)域；亦有部分解決方案提供商聚焦于低速、封閉場地或干線物流等特定場景，或?qū)９フ嚶穮f(xié)同示范區(qū)場景，尋求多種模式的商業(yè)化落地應(yīng)用。

（3）隨著自動駕駛高速發(fā)展，傳統(tǒng)汽車產(chǎn)業(yè)中的主機廠和Tier1之間的關(guān)系也在發(fā)生變化

“大包大攬”的傳統(tǒng)Tier1受到造車新勢力的沖擊，新勢力對自動駕駛相關(guān)軟硬件技術(shù)有著強烈的垂直一體化預(yù)期。同時，在汽車缺芯、地緣政治等因素影響下，部分主機廠開始選擇和芯片等核心零部件供應(yīng)商建立直接合作關(guān)系，這一關(guān)系改變進一步加劇了Tier1的經(jīng)營壓力。與此同時，在L1向L2升級的輔助駕駛市場，本土Tier1供應(yīng)商開始崛起。盡管外資Tier1巨頭依舊是市場主力，但中國本土Tier1供應(yīng)商份額合計占比已經(jīng)達到了8.89%，同比增加了近3個百分點。

3.單車智能和車路協(xié)同路線相輔相成，互為補充，加速自動駕駛普及與落地

在自動駕駛解決方案方面，存在單車智能和車路協(xié)同兩種路線。單車智能通過攝像頭、雷達等傳感器和高效準確的算法，賦予車輛自動駕駛能力；車路協(xié)同通過對人、車、路信息的全面感知，發(fā)揮協(xié)同配合作用，讓人車路云高度融合，打造“聰明的車＋智慧的路”。

（1）兩種路線并非二元對立，而是相輔相成，互為補充

單車智能是實現(xiàn)自動駕駛的基礎(chǔ)，即使在以車路協(xié)同為主的技術(shù)方案中，單車智能也不可或缺。一方面，在路側(cè)智能設(shè)施未覆蓋或出現(xiàn)故障時，單車智能可以作為冗余與備份系統(tǒng)讓車輛安全可靠地完成行駛?cè)蝿?wù)；另一方面，單車智能也可以作為車路協(xié)同的終端觸手，輔助進行系統(tǒng)升級和新功能開發(fā)。而在復(fù)雜的交通環(huán)境下，車路協(xié)同能夠通過智能路側(cè)設(shè)備為自動駕駛車輛提供具有完全獨立性的數(shù)據(jù)冗余感知系統(tǒng)，增加感知視角，提升自動駕駛的安全性和可靠性。

（2）在技術(shù)可行性之外，參與者話語權(quán)、準入門檻、商業(yè)化落地難度等也是市場參與者決定采取何種路線的重要考量因素

乘用車是道路上的主要交通工具，也是自動駕駛系統(tǒng)的重要載體。目前，主機廠和自動駕駛解決方案提供商多選擇單車智能的技術(shù)路線，通過自動泊車、自適應(yīng)巡航等L2+功能為人們帶來人機共駕的體驗感，讓技術(shù)自主可控的同時，獲取商業(yè)利潤。如特斯拉的FSD、小鵬的NGP、蔚來的NOA等都是主機廠踐行單車智能路線的代表。

（3）車路協(xié)同通路線的商業(yè)化契機

而在2B的部分封閉和半封閉場景，以及2G的城市公共服務(wù)場景，車路協(xié)同通過對規(guī)?；ǜ脑旆謹偢兄陀嬎愠杀?，并持續(xù)對城市基礎(chǔ)設(shè)施進行投資和維護，依托經(jīng)濟優(yōu)勢和產(chǎn)業(yè)發(fā)展帶動效應(yīng)迎來商業(yè)化契機。

目前，車路協(xié)同在城市公共服務(wù)場景的應(yīng)用和價值，已有示范區(qū)的數(shù)據(jù)支撐。例如，在北京高級別自動駕駛示范區(qū)，通過對主城區(qū)路口進行智能化升級改造，自動駕駛在相關(guān)路口的問題發(fā)生頻率降低80%以上。

4.資本分析

目前資本市場趨于理性，自動駕駛商業(yè)化落地、硬件集成和量產(chǎn)成為主要投資方向。據(jù)不完全統(tǒng)計，2022年國內(nèi)自動駕駛領(lǐng)域相關(guān)融資153起，對外披露的融資總額近300億元。與2021年相比，融資事件數(shù)量有所增加，但累計融資金額大幅下降。與此同時，2022年融資超過5億元的投資事件僅有8起，而去年同一標準下為19起?？梢?，資本市場趨于理性。從投資方向來看，資本的投資邏輯正在由過去的多點布局轉(zhuǎn)變?yōu)樯虡I(yè)化落地、硬件集成和量產(chǎn)為先。

04

自動駕駛應(yīng)用場景分析

1.物流

根據(jù)不同行駛里程和行駛區(qū)域，自動駕駛在物流領(lǐng)域的落地應(yīng)用場景主要可分為干線物流和末端物流。

（1）干線物流

干線物流一般使用重卡，以高速公路為主，具有大批量、長距離、道路參與者相對簡單的特點。長期以來，安全和成本問題是干線物流的兩大痛點。在這一市場，60%運力為個體車主或小型車隊，市場競爭激烈且無序，超載、超速、疲勞駕駛等問題普遍存在。搭載L3及以上自動駕駛系統(tǒng)的卡車可以實現(xiàn)高速上自動跟車、變道超車、主動避讓、自動調(diào)頭等多項駕駛功能，在解決安全問題的同時，能替代一名安全員，降低用工需求，減少人力成本，提高運輸效率。產(chǎn)業(yè)和學(xué)術(shù)界認為，隨著自動駕駛技術(shù)的應(yīng)用，重卡運營成本或可降低26%，事故率或可降低80%。由于商業(yè)模式更易落地，干線物流場景的自動駕駛玩家眾多，主要有主機廠商、智駕技術(shù)型企業(yè)、互聯(lián)網(wǎng)公司等，市場競爭激烈。

（2）末端物流

末端物流是連接終端用戶的短距離快遞配送，常發(fā)生在小區(qū)、園區(qū)等封閉或半封閉場景，具有高頻分散、即時性強的特征，存在配送效率低、成本高的行業(yè)痛點。相比于載人級自動駕駛應(yīng)用，末端物流場景的行駛速度低、路段封閉、場景復(fù)雜度低，自動駕駛技術(shù)的落地難度大大降低，因而能夠更早實現(xiàn)規(guī)?；纳虡I(yè)應(yīng)用，搭載自動駕駛系統(tǒng)的無人配送車成為解決方案。通過配備雷達、攝像頭等高精傳感器，無人駕駛配送車能夠?qū)崟r感知和識別周邊環(huán)境變化，根據(jù)配送物體的數(shù)量和需求，自助規(guī)劃最優(yōu)配送路線，降低人力依賴，減少重復(fù)配送，提高配送效率。目前，我國已經(jīng)基本實現(xiàn)無人配送車核心零部件的自研自產(chǎn)自用，極大降低了產(chǎn)品成本，為規(guī)?；瘧?yīng)用奠定基礎(chǔ)，掃清成本障礙，實現(xiàn)無人配送車的小規(guī)模量產(chǎn)。

2.環(huán)衛(wèi)

（1）環(huán)衛(wèi)行業(yè)主要有高度人力依賴和人員老齡化兩大痛點

一方面，環(huán)衛(wèi)是典型的勞動密集型行業(yè)，依賴大量人力，人力成本占60%以上；另一方面，在老齡化背景下，環(huán)衛(wèi)工人的平均年齡也偏高，多數(shù)人員年齡超過50歲。自動駕駛環(huán)衛(wèi)車不僅能夠節(jié)省人力，還可以提高環(huán)衛(wèi)工作的智能化水平，提升環(huán)衛(wèi)工作效率和安全性。隨著智慧環(huán)衛(wèi)被納入政府部門和環(huán)衛(wèi)服務(wù)公司的發(fā)展規(guī)劃之中，環(huán)衛(wèi)自動駕駛因其三千多億的潛在市場空間，以及低速、安全風(fēng)險更小的技術(shù)可行性，成為自動駕駛率先實現(xiàn)商業(yè)落地的場景之一。

（2）環(huán)衛(wèi)自動駕駛領(lǐng)域市場參與者眾多，技術(shù)、算法和數(shù)據(jù)積累以及運營能力成為競爭關(guān)鍵

目前，切入環(huán)衛(wèi)自動駕駛領(lǐng)域的科技公司眾多，包括自動駕駛公司、服務(wù)機器人公司、泛人工智能應(yīng)用公司等。對于正向現(xiàn)金流的追求和商業(yè)化盈利能力的期待成為各類玩家的共識。想要在環(huán)衛(wèi)市場突出重圍，除了優(yōu)秀的商業(yè)拓展能力，技術(shù)、算法和數(shù)據(jù)的積累以及深耕行業(yè)的運營能力成為市場競爭的關(guān)鍵。

3.礦山

（1）礦區(qū)工作存在安全性低和人力成本高兩大痛點

一方面，礦區(qū)工作危險系數(shù)高，安全問題一直是行業(yè)的根本訴求；另一方面，礦山多在偏遠地區(qū)，條件艱苦，危險系數(shù)高，即使提高工資也面臨招工難的問題。自動駕駛能夠減少作業(yè)人數(shù)，提升礦區(qū)工作安全性，降低人力成本，有效解決礦區(qū)痛點。因此，礦企對自動駕駛技術(shù)需求強烈。此外，礦山場景簡單、道路封閉、整體條件較為有利，更利于自動駕駛技術(shù)落地。

（2）礦區(qū)自動駕駛整體處于初期測試階段，隨著商業(yè)化程度逐步提升，千億市場規(guī)?？善?/strong>

與國外相比，我國礦區(qū)自動駕駛起步較晚，主要由希迪智駕、踏歌智行、慧拓智能等自動駕駛公司牽頭落地。礦山開采分為露天開采和地下開采，目前國內(nèi)的自動駕駛企業(yè)幾乎都聚焦于露天礦的運輸場景。礦區(qū)自動駕駛解決方案是一項綜合工程，不僅需要無人駕駛改裝、線控化設(shè)計和匹配、加裝軟件算法和多傳感器融合方案，還需要搭建調(diào)度系統(tǒng)、高精地圖和通信網(wǎng)絡(luò)，最終實現(xiàn)最優(yōu)路徑規(guī)劃和決策控制。近五年來，國內(nèi)企業(yè)加快礦山場景的技術(shù)方案研發(fā)和運營探索，多家公司已經(jīng)開始小規(guī)模的車隊測試運營。在政策支持、技術(shù)進步和市場需求驅(qū)動下，礦山自動駕駛商業(yè)化落地程度將逐步提升。據(jù)預(yù)測，到2025年中國礦山自動駕駛市場規(guī)模有望突破千億元。

4.港口

（1）港口是自動駕駛率先實現(xiàn)商業(yè)化落地的場景之一

港口自動駕駛是典型的封閉低速運營場景，速度在30km/h以下的自動駕駛集卡，能夠行駛在塔吊和堆場之間，負責(zé)運輸集裝箱。加之港口基建完善度高，路線復(fù)雜程度低，行人和車輛干擾少，自動駕駛技術(shù)的落地難度相對較低，是自動駕駛率先實現(xiàn)商業(yè)化落地的場景之一。

（2）多地港口落地應(yīng)用自動駕駛集卡試運營

港口水平運輸自動化共有自動導(dǎo)引運輸車AGV、自動駕駛跨運車、自動駕駛集卡三種解決方案。自2018年起，主線科技、西井科技、智加科技等國內(nèi)多家自動駕駛技術(shù)解決方案提供商陸續(xù)進行自動駕駛集卡落地應(yīng)用并逐步實現(xiàn)商業(yè)化試運營。目前國內(nèi)已有十余個港口落地應(yīng)用自動駕駛集卡，在北、中、南部沿海重要港口均有布局。據(jù)統(tǒng)計，預(yù)計2025年中國港口集卡L4自動駕駛滲透率將超過20%，L4港口自動駕駛集卡應(yīng)用規(guī)模有望達到6,000-7,000輛，中國港口自動駕駛規(guī)模將超過60億元，占全球市場約30%。

5.Robotaxi

Robotaxi是自動駕駛技術(shù)落地的核心場景，通過全面升級共享出行服務(wù)體驗，解決當(dāng)前車輛安全隱患和用車痛點，其無人化和智能化優(yōu)勢將給出行方式帶來巨大變革，推動市場空間走向萬億級規(guī)模。

業(yè)界認為，我國Robotaxi商業(yè)化發(fā)展可分為四個階段。商業(yè)化運營牌照的推出是拉開商業(yè)化序幕的標志；商業(yè)化1.0是運營政策賦能期，集中解決算法精進和長尾問題，為大規(guī)模商業(yè)化應(yīng)用提供技術(shù)支撐；商業(yè)化2.0是技術(shù)成熟期，技術(shù)得到市場驗證，實現(xiàn)大規(guī)模量產(chǎn)和落地；商業(yè)化3.0是成本效率優(yōu)勢期，Robotaxi的服務(wù)成本比人力更具競爭力，成為普遍出行方式。

目前，我國Robotaxi處于商業(yè)化測試階段。面對技術(shù)和安全方面的長尾問題，獲取數(shù)據(jù)以及通過數(shù)據(jù)迭代算法的能力成為各自動駕駛公司完善技術(shù)解決方案、實現(xiàn)商業(yè)化應(yīng)用的核心競爭力。自動駕駛公司和出行服務(wù)運營商積極探索車隊運營、算法降維以及場景開拓等多種商業(yè)化落地路徑。

05

AI大模型在自動駕駛中的應(yīng)用

1.AI大模型如何應(yīng)用于自動駕駛算法中

算法是決定自動駕駛車輛感知能力的核心要素。當(dāng)前主流的自動駕駛模型框架分為感知、規(guī)劃決策和執(zhí)行三部分。感知模塊是自動駕駛系統(tǒng)的眼睛，核心任務(wù)包括對采集圖像進行檢測、分割等，是后續(xù)決策層的基礎(chǔ)，決定了整個自動駕駛模型的上限，在自動駕駛系統(tǒng)中至關(guān)重要。感知模塊硬件部分主要為傳感器，軟件為感知算法，其中算法是決定自動駕駛車輛感知能力的核心要素。

（1）神經(jīng)網(wǎng)絡(luò)加快自動駕駛感知算法發(fā)展，小模型向大模型迭代趨勢明確

神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用驅(qū)動感知算法高速發(fā)展。早在上世紀70年代，學(xué)術(shù)院校和科研機構(gòu)展開對自動駕駛技術(shù)的探索，早期的自動駕駛感知算法主要是基于傳統(tǒng)計算機視覺技術(shù)，直到2010年之后隨著深度學(xué)習(xí)技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)被引入到自動駕駛感知算法中，自動駕駛汽車的感知效果有了質(zhì)的提升。

應(yīng)用于感知層面的神經(jīng)網(wǎng)絡(luò)模型可以分為兩類，一類是以CNN、RNN為代表的小模型，另一類是Transformer大模型。

深度神經(jīng)網(wǎng)絡(luò)（DNN）又叫多層感知機神經(jīng)網(wǎng)絡(luò)，其中有三個基本類型的層：輸入層、隱藏層（或者叫中間層，可以有多個）、輸出層。不同層之間的感知機全連接，在推理時，前向（從輸入層到隱藏層到輸出層）傳遞信號得到推理結(jié)果。在學(xué)習(xí)時則將誤差（真實值和推理值的偏差）反向傳遞（從輸出層到隱藏層到輸入層），實現(xiàn)對感知機參數(shù)（連接權(quán)重和閾值）的更新，直至找到使得誤差最小的一組感知機參數(shù)。在自動駕駛感知模塊中輸入數(shù)據(jù)為圖像，而圖像具有高維數(shù)（對比時間序列通常只是一維向量），對其識別時需要設(shè)置大量輸入神經(jīng)元以及多個中間層，模型參數(shù)量大難以訓(xùn)練且消耗算力高，并可能帶來過擬合的問題。

CNN卷積神經(jīng)網(wǎng)絡(luò)應(yīng)運而生，本質(zhì)上是在信息傳入傳統(tǒng)神經(jīng)網(wǎng)絡(luò)前先做一個特征的提取并進行數(shù)據(jù)降維，因此CNN圖像處理高緯度向量的任務(wù)上更加高效。CNN能夠高效率處理圖像任務(wù)的關(guān)鍵在于其通過卷積層、池化層操作實現(xiàn)了降維，模型需要訓(xùn)練的參數(shù)量相比于DNN來說大幅降低，對硬件算力的要求也相對降低。

但是CNN仍然存在一定的缺陷，多次池化會丟失一些的有價值信息，忽略局部與整體之間的關(guān)聯(lián)性。

在自動駕駛場景下，感知還需要時序的信息來完成目標跟蹤以及視野盲區(qū)預(yù)測等感知任務(wù)。循環(huán)神經(jīng)網(wǎng)絡(luò)RNN與CNN一樣都是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的擴展，相比于CNN在空間上進行拓展，RNN是在時間上的擴展，可以用于描述時間上連續(xù)輸出的狀態(tài)。這意味著某一時刻網(wǎng)絡(luò)的輸出除了與當(dāng)前時刻的輸入相關(guān)，還與之前某一時刻或某幾個時刻的輸出相關(guān)。

Transformer模型的關(guān)鍵在于計算輸入序列元素之間的關(guān)系權(quán)重，最早在NLP領(lǐng)域大放異彩，2020年起在CV領(lǐng)域開始得到廣泛應(yīng)用。Transformer成功的關(guān)鍵在于引入注意力（attention）機制。Transformer憑借優(yōu)秀的長序列處理能力和更高的并行計算效率，2021年由特斯拉引入自動駕駛領(lǐng)域。Transformer與CNN相比最大的優(yōu)勢在于其泛化性更強。

（2）特征級融合逐步取代后融合，BEV+ Transformer為當(dāng)前主流方案

自動駕駛感知模塊通常配備多個傳感器（甚至多種傳感器）達到安全冗余和信息互補的作用，但不同傳感器傳遞的信息存在相互沖突的可能性。舉例而言，如果一個傳感器識別到前方有行人要求汽車立即剎車，而另一傳感器顯示可以繼續(xù)安全行駛，在這種情況下如果不對傳感器信息進行融合，汽車就會“感到迷?！保M而導(dǎo)致意外的發(fā)生。因此，在使用多種（個）傳感器采集信息時必須進行信息交互、融合。

感知可粗略分為獲取數(shù)據(jù)、提取特征、完成感知任務(wù)三個環(huán)節(jié)，按照信息融合發(fā)生的環(huán)節(jié)自動駕駛感知技術(shù)可以分為前融合、特征融合以及后融合。

前融合方案感知精度相比于后融合大幅提升，但對算法、車端算力要求大幅提升。

2.AI大模型的應(yīng)用對自動駕駛領(lǐng)域所帶來的好處

（1）城市NGP落地在即，AI大模型的應(yīng)用驅(qū)動自動駕駛算法具備更強的泛化能力

自動駕駛向更高等級邁進，城市領(lǐng)航輔助駕駛落地在即。

城市場景具有高頻+剛需特征，城市領(lǐng)航系統(tǒng)的成熟應(yīng)用可使得駕駛體驗擁有質(zhì)的提升。而從高速場景拓展到城市場景，意味著車輛所遇到的長尾問題（或者說是Cornercase）大幅提升。因此，城市領(lǐng)航輔助駕駛的落地需求對自動駕駛模型的泛化能力提出更高的要求，同時考慮到商業(yè)化落地的成本約束，我們認為，應(yīng)用AI大模型提高泛化能力+降低/控制車端硬件成本是自動駕駛算法演變的核心脈絡(luò)。

（2）從特斯拉感知算法迭代歷程看AI大模型對城市NGP的賦能方向

簡單復(fù)盤特斯拉算法迭代歷程：1）2018年之前：后融合策略，在每個視角下處理多個task，將單個圖片檢測得到的結(jié)果再進行融合。3）2020-2021：多個攝像頭輸入多個image，分別經(jīng)過多個主干網(wǎng)絡(luò)，抽取每個image特征，經(jīng)過BEV transformer轉(zhuǎn)換，特征投影到BEV視角，再完成很多個task，實現(xiàn)特征級概念的融合。4）2022：從BEV升級到占用網(wǎng)絡(luò)，達到“偽激光雷達”的效果?？偨Y(jié)來看，特斯拉從“第一原則性”角度出發(fā)，堅持純視覺方案。從特斯拉算法迭代方向來看，追求泛化，通過視覺的方案刻畫真實的物理世界。2020年8月馬斯克發(fā)布推特稱特斯拉正在重構(gòu)自動駕駛底層算法，2021年7月特斯拉正式推送FSDBetAV9.0，通過重寫感知算法讓特斯拉只要用純視覺就可以實現(xiàn)城市級別的完全自動駕駛；2022年11月特斯拉開始推送FSDBetAV11版本，進一步提升占用網(wǎng)絡(luò)算法，在近距離障礙物召回和惡劣天氣條件下的精度，Transformer空間分辨率提高了4倍。

3.AI大模型應(yīng)用于自動駕駛中的前置條件

（1）條件一：具備相當(dāng)數(shù)量的里程數(shù)據(jù)，因而自動標注+仿真平臺環(huán)節(jié)將尤為重要

Transformer大模型量變引起質(zhì)變需要1億公里的里程數(shù)據(jù)。相比于CNN小模型來說，Transformer需要更大量的數(shù)據(jù)來訓(xùn)練模型。根據(jù)毫末智行CEO顧濰顥在毫末AIDAY上表示，訓(xùn)練出一個能輸出高精度和準確度的自動駕駛大模型，自動駕駛測試里程數(shù)據(jù)需至少達到1億公里。同時，訓(xùn)練Transformer大模型相比于CNN小模型來說所要求的數(shù)據(jù)顆粒度不同（如傳感器配置、精度不同），因此在小模型時代所積累的數(shù)據(jù)存在部分無法用于大模型的訓(xùn)練。對于自動駕駛廠商而言，所積累的數(shù)據(jù)量、對數(shù)據(jù)的處理極大的影響自動駕駛模型的迭代速度。

自動駕駛訓(xùn)練所需要的真實數(shù)據(jù)來源主要包括采集車數(shù)據(jù)和眾包數(shù)據(jù)。

其中，傳感器采集得到的raw-data需進行標注后才可用于算法模型訓(xùn)練，自動標注工具可大幅提升數(shù)據(jù)處理速度。

國內(nèi)廠商中小鵬、毫末智行等亦相繼推出自動標注工具，在降低人工成本的同時，效率得到顯著提升。根據(jù)小鵬科技日資料，小鵬推出的全自動標注系統(tǒng)將效率提升近45,000倍，以前2,000人年的標注量，現(xiàn)在16.7天可以完成。毫末智行在AIDay中表示毫末基于視覺自監(jiān)督大模型，實現(xiàn)4DClip的100%自動標注，原先依靠的人工標注成本則降低98%。

除了真實場景數(shù)據(jù)外，仿真場景是彌補訓(xùn)練大模型數(shù)據(jù)不足問題的重要解決方式。目前仿真場景主要由游戲引擎生成，基于基礎(chǔ)的現(xiàn)實世界數(shù)據(jù)保證仿真場景與真實場景之間的相似度，并依靠交通要素間的重新組合提高泛化能力。

英偉達自動駕駛仿真平臺DRIVESim通過Replicator合成數(shù)據(jù)工具來縮小仿真數(shù)據(jù)與真實數(shù)據(jù)之間差異并提高場景泛化能力。

生成式AI有望推動仿真場景大幅提升泛化能力，幫助主機廠提升仿真場景數(shù)據(jù)的應(yīng)用比例，從而提高自動駕駛模型的迭代速度、縮短開發(fā)周期。生成式AI有望在針對真實場景中的cornercase進行場景泛化的過程中取代人工，可以迅速泛化出大量的、與真實世界高擬合度的虛擬場景，進而提高自動駕駛模型的迭代速度。

（2）條件二：具備相當(dāng)算力的云端訓(xùn)練平臺，因而超算中心將成為主機廠必要基礎(chǔ)設(shè)施

自動駕駛Transformer大模型應(yīng)用對算力的需求來自于兩個方面，分別是云端算力和車端算力。超算中心是自動駕駛整車廠重要的基礎(chǔ)設(shè)施。

超算中心初始投入高，小鵬自動駕駛基礎(chǔ)設(shè)施建設(shè)國內(nèi)領(lǐng)先。根據(jù)IDC數(shù)據(jù)，主機廠及一級供應(yīng)商對搭建人工智能計算中心的預(yù)算普遍超過1億人民幣，超過2億人民幣投入的主機廠占比超過20%；從超算中心的部署周期來看，通常需要3個月左右的時間。小鵬是國內(nèi)最先布局超算中心的整車廠。2022年8月小鵬汽車成立自動駕駛AI智算中心“扶搖”，由小鵬和阿里聯(lián)合出資打造。據(jù)小鵬汽車CEO何小鵬介紹，該中心具備60億億次浮點運算能力（60000TFLOPs），可將自動駕駛算法的模型訓(xùn)練時間提速170倍，并且未來還具備10~100倍的算力提升空間。

06

自動駕駛產(chǎn)業(yè)鏈

1.自動駕駛產(chǎn)業(yè)圖譜

2.自動駕駛產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)分析

（1）芯片

1）CPU+ASIC方案有望成為未來主流架構(gòu)，大算力芯片快速發(fā)展

自動駕駛芯片作為計算的載體，是自動駕駛實現(xiàn)的重要硬件支撐。在智能汽車快速發(fā)展帶動下，汽車芯片結(jié)構(gòu)由MCU進化至SoC。SoC是系統(tǒng)級別芯片，在MCU基礎(chǔ)上增加了音頻處理DSP、圖像處理GPU、神經(jīng)網(wǎng)絡(luò)處理器NPU等計算單元，常用于ADAS、座艙IVI、域控制等功能復(fù)雜的領(lǐng)域。目前市場中主要有三種自動駕駛芯片SoC架構(gòu)方案，從發(fā)展趨勢來看，定制批量生產(chǎn)的低功耗、低成本的專用自動駕駛AI芯片（ASIC）將逐漸取代高功耗的GPU，CPU+ASIC方案有望成為未來主流架構(gòu)。

隨著自動駕駛等級提升，多傳感器融合，感知數(shù)據(jù)處理量增加，同時上層軟件性能持續(xù)迭代，應(yīng)用功能不斷豐富，汽車對算力的需求大幅提升，推動大算力芯片快速發(fā)展。

2）隨著自動駕駛量產(chǎn)邁入深水區(qū)，國產(chǎn)芯片在智能駕駛域控制器領(lǐng)域的市場份額快速提升

大算力芯片產(chǎn)品陸續(xù)出現(xiàn)，市場競爭愈發(fā)激烈。英偉達OrinX系統(tǒng)級芯片算力設(shè)計為254TOPS；Mobileye發(fā)布面向L4/L5級自動駕駛芯片EyeQUltra，最高算力可達176TOPS；地平線發(fā)布的最新征程5芯片算力達128TOPS。當(dāng)高算力不再稀缺，算力已不再成為決定芯片能力的唯一標準。對于車企來說，選用何種芯片，還需要綜合考慮技術(shù)的穩(wěn)定程度、易用程度、安全程度等。

隨著自動駕駛量產(chǎn)邁入深水區(qū)，L2+智能輔助駕駛成為標配，從泊車、座艙域控到更高集成度的行泊一體、艙泊一體域控，智能駕駛域控制器市場迎來爆發(fā)式增長。國產(chǎn)芯片憑借低功耗、低成本、性能穩(wěn)定、量產(chǎn)快等特點，在智能駕駛域控制器領(lǐng)域的市場份額快速提升。據(jù)高工智能汽車統(tǒng)計，2022年前三季度，以地平線、大華股份為代表的國產(chǎn)芯片廠商進入中國市場乘用車前裝標配智能駕駛域控制器芯片份額CR5。

（2）傳感器

傳感器是自動駕駛感知層的核心硬件，主要利用車載攝像頭、激光雷達、超聲波雷達、毫米波雷達等對車輛周邊的環(huán)境進行實時感知，獲取周圍物體的精確距離及輪廓信息。

從技術(shù)發(fā)展路徑來看，自動駕駛主要分為視覺派和雷達派兩大路線。視覺派以攝像頭為主，輔以毫米波雷達、超聲波雷達等傳感器，總體成本較低，以特斯拉為典型代表。但由于攝像頭對物體及其距離的識別高度依賴深度學(xué)習(xí)算法，因此視覺方案對算法的要求極高，需要龐大的訓(xùn)練數(shù)據(jù)來持續(xù)支持算法改進。雷達派以激光雷達為核心，并配合攝像頭、毫米波雷達、超聲波雷達等傳感器，以強感知和低算法為特點，典型代表是Waymo。早期激光雷達成本較高，動輒上萬美元的價格在一定程度上制約了方案推廣，近年來在技術(shù)發(fā)展、量產(chǎn)規(guī)模提升、國產(chǎn)供應(yīng)鏈切入等多種因素驅(qū)動下，目前整體價格已有所下降，越來越多的終端車廠導(dǎo)入激光雷達解決方案。

隨著高級別自動駕駛滲透率不斷提升，視覺路線和雷達路線的單車搭載傳感器數(shù)量均較以往大幅增長，其中L3傳感器數(shù)量將達到17-34顆，比L1增加一倍以上，傳感器需求有望持續(xù)擴大。

（3）線控底盤

傳統(tǒng)汽車底盤主要由傳動系、行駛系、轉(zhuǎn)向系和制動系四部分組成，這四部分相互連通、相輔相成。而線控底盤就是對汽車底盤信號的傳導(dǎo)機制進行線控改造，以電信號傳導(dǎo)替代機械信號傳導(dǎo)，從而使其更加適用于自動駕駛車輛。具體來說，就是將駕駛員的操作命令傳輸給電子控制器，再由電子控制器將信號傳輸給相應(yīng)的執(zhí)行機構(gòu)，最終由執(zhí)行機構(gòu)完成汽車轉(zhuǎn)向、制動、驅(qū)動等各項功能。在這一過程中，線控結(jié)構(gòu)替代了方向盤、剎車踏板與底盤之間的機械連接，將人力直接控制的整體式機械系統(tǒng)轉(zhuǎn)變?yōu)椴僮鞫撕驮O(shè)備端兩個相互獨立的部分，實現(xiàn)多來源電信號操作，使得線控底盤具備高精度、高安全性、高響應(yīng)速度等優(yōu)勢?？梢哉f，線控底盤是智能汽車實現(xiàn)L3及以上高階自動駕駛的必要條件。

（4）高精度地圖

高精度地圖是面向自動駕駛汽車的一種地圖數(shù)據(jù)范式，絕對位置精度接近1米，相對位置精度在厘米級別，能夠?qū)崟r、準確、全面地表達道路特征。高精地圖信息包括道路信息、規(guī)則信息、實時信息三部分，其中道路信息由車道模型、道路部件和道路屬性構(gòu)成，為自動駕駛汽車提供決策基礎(chǔ)；規(guī)則信息和實時信息則疊加于道路信息之上，獲取駕駛行為限制和車聯(lián)網(wǎng)相關(guān)數(shù)據(jù)，幫助車輛預(yù)判和調(diào)整操作策略。

受國內(nèi)地圖測繪政策限制，并非所有廠商都有資質(zhì)能進行高精地圖數(shù)據(jù)采集，測繪資格成為高精地圖產(chǎn)業(yè)的重要壁壘。目前，擁有“導(dǎo)航電子地圖制作（甲級）資質(zhì)”的單位僅有二十余家，均為國內(nèi)企事業(yè)單位，外國圖商被完全排除在外。自身不具備資質(zhì)的企業(yè)只能通過投資、合作等方式間接使用該測繪資質(zhì)，例如吉利、東風(fēng)等汽車廠商。由于高精地圖關(guān)系到自動駕駛安全，一般來說，高精地圖供應(yīng)商一旦與整車廠形成封閉供應(yīng)鏈，短時間內(nèi)很難更換。除政策限制外，高精地圖數(shù)據(jù)的采集和維護需要大量固定成本投入，使得行業(yè)進入壁壘較高，市場內(nèi)呈現(xiàn)壟斷格局態(tài)勢。

（5）V2X

車聯(lián)網(wǎng)（V2X）的概念源于物聯(lián)網(wǎng)，即車輛物聯(lián)網(wǎng)，是以行駛中的車輛為信息感知對象，借助新一代信息通信技術(shù)，實現(xiàn)車與車、車與人、車與路、車與服務(wù)平臺等之間的網(wǎng)絡(luò)連接。V2X不是單純的聯(lián)網(wǎng)技術(shù)或智能產(chǎn)品應(yīng)用，而是融合了網(wǎng)聯(lián)化、智能化和服務(wù)新業(yè)態(tài)，具備跨界特征。

V2X主要有DSRC和C-V2X兩個實現(xiàn)路線。DSRC由IEEE提出，發(fā)展自上世紀末，由歐美主導(dǎo)，經(jīng)過二十多年發(fā)展，技術(shù)已相對成熟；C-V2X由3GPP提出，由中國主導(dǎo)，包括LTE-V2X和5GNR-V2X兩種。目前，DSRC路線已基本被淘汰，C-V2X逐漸成為車聯(lián)網(wǎng)主流技術(shù)。

C-V2X技術(shù)基于蜂窩網(wǎng)通信技術(shù)演進形成，通過直連通信和蜂窩通信兩種通信接口，相互配合，彼此支撐，形成有效冗余，支持各類車聯(lián)網(wǎng)應(yīng)用。此外，C-V2X還具備未來可支持高級別自動駕駛的演進路線優(yōu)勢，即5G-V2X。目前，我國已經(jīng)明確選擇C-V2X技術(shù)路線作為車聯(lián)網(wǎng)的直連通信技術(shù)。隨著政策的密集出臺和大力扶持，V2X產(chǎn)業(yè)環(huán)境逐漸成型，并在多場景得以應(yīng)用。

07

自動駕駛相關(guān)公司

1.地平線

地平線是行業(yè)領(lǐng)先的高效能智能駕駛計算方案提供商。地平線成立于2015年，是行業(yè)領(lǐng)先的高效能智能駕駛計算方案提供商。作為推動智能駕駛在中國乘用車領(lǐng)域商業(yè)化應(yīng)用的先行者，地平線致力于通過軟硬結(jié)合的前瞻性技術(shù)理念，研發(fā)極致效能的硬件計算平臺以及開放易用的軟件開發(fā)工具，為智能汽車產(chǎn)業(yè)變革提供核心技術(shù)基礎(chǔ)設(shè)施和開放繁榮的軟件開發(fā)生態(tài)，為用戶帶來無與倫比的智能駕駛體驗。

依托領(lǐng)先智能計算架構(gòu)技術(shù)，打造底層開放平臺。地平線是國內(nèi)率先實現(xiàn)大規(guī)模前裝量產(chǎn)的車載智能芯片公司，領(lǐng)跑ADAS一體機、智能座艙、智能駕駛（行泊一體）域控制器等細分市場。地平線通過在車載智能芯片與智能駕駛算法領(lǐng)域的前瞻探索與量產(chǎn)積累，現(xiàn)已構(gòu)建起支撐全場景整車智能規(guī)?；涞氐膹妱艑嵙Γ軌蛎嫦虍a(chǎn)業(yè)提供包含高性能汽車智能芯片、硬件參考設(shè)計、軟件開發(fā)平臺、參考算法與示例等在內(nèi)的完整芯片解決方案。

軟硬結(jié)合，極致效能，打造核心技術(shù)壁壘。軟硬結(jié)合的本質(zhì)是軟硬件計算架構(gòu)的深度結(jié)合。在大算力基礎(chǔ)上，地平線憑借在軟件協(xié)同優(yōu)化方面的深厚積淀與持續(xù)探索，用算法定義芯片，并將芯片性能發(fā)揮到極致，大幅提升計算效率和計算靈活性。

規(guī)模化前裝量產(chǎn)，領(lǐng)跑行業(yè)商業(yè)化落地。地平線征程芯片累計出貨量已突破200萬片，與超過20家車企簽下超過70款車型的前裝量產(chǎn)定點項目。2022年9月，地平線征程5芯片的全球首發(fā)量產(chǎn)車型“理想L8”上市，正式開啟國產(chǎn)大算力芯片量產(chǎn)元年。同年，地平線先后與大眾汽車集團達成深度戰(zhàn)略合作，與東風(fēng)日產(chǎn)啟辰達成量產(chǎn)合作，意味著中國車載智能芯片企業(yè)已經(jīng)走向國際市場。

構(gòu)建開放生態(tài)，助力汽車智能化發(fā)展。地平線定位于Tier2，采用開放的合作模式，向行業(yè)合作伙伴提供底層芯片和芯片開發(fā)軟件平臺，幫助合作伙伴快速建立具有競爭力的自動駕駛軟硬件系統(tǒng)。同時，地平線打造了開源的實時操作系統(tǒng)TogetherOS，并嘗試向部分有能力的整車廠開放BPUIP授權(quán)，提供軟件工具包、芯片參考設(shè)計和技術(shù)支持，助力部分車企開發(fā)自研芯片，提升差異化競爭能力，加快創(chuàng)新研發(fā)速度。

2.蘑菇車聯(lián)

（1）蘑菇車聯(lián)是自動駕駛?cè)珬＜夹g(shù)與運營服務(wù)提供商，率先落地“車路云一體化”方案。

蘑菇車聯(lián)成立于2017年，是自動駕駛?cè)珬＜夹g(shù)與運營服務(wù)提供商?；趯φ叩睦斫猓瑢Y本市場變化以及自動駕駛行業(yè)特性和商業(yè)化落地規(guī)律的把握，蘑菇車聯(lián)采取“單車智能+車路協(xié)同”技術(shù)路線，以系統(tǒng)性思維打造了“車路云一體化”自動駕駛方案，實現(xiàn)技術(shù)與數(shù)據(jù)閉環(huán)，在自動駕駛行業(yè)競爭中形成先發(fā)優(yōu)勢。

率先提出并實踐“車路云一體化”方案，引領(lǐng)技術(shù)創(chuàng)新。蘑菇車聯(lián)應(yīng)用融合感知、融合決策控制、高精地圖、AI、仿真系統(tǒng)、云+邊緣計算、實時大數(shù)據(jù)等前沿技術(shù)，將自動駕駛+車路協(xié)同+AI云平臺三大板塊深度融合，打破單車智能感知瓶頸，大幅提升L4級自動駕駛技術(shù)規(guī)?；瘧?yīng)用的安全性，以滿足不同場景、不同車型的需求，成為實現(xiàn)L4級自動駕駛規(guī)模落地的基礎(chǔ)。同時，全棧自研也保證了公司在該領(lǐng)域的技術(shù)自主可控和持續(xù)迭代，并以規(guī)?；屎统杀緝?yōu)勢，為商業(yè)化落地應(yīng)用打下堅實基礎(chǔ)。

（2）城市級自動駕駛落地項目積累大量數(shù)據(jù)與運營經(jīng)驗，形成商業(yè)化落地閉環(huán)，成就“行業(yè)黑馬”

自動駕駛規(guī)模化商業(yè)化落地，成就“行業(yè)黑馬”。當(dāng)自動駕駛商業(yè)化落地成為主旋律，行業(yè)競爭焦點也轉(zhuǎn)移于此。蘑菇車聯(lián)充分考慮市場需求、應(yīng)用成本、落地阻力等因素，遵循商業(yè)化落地的底層邏輯，選擇從簡單到復(fù)雜、從高毛利到常規(guī)場景的發(fā)展思路，覆蓋車輛類型從特種車輛、商用車到公共服務(wù)乘用車，最后延伸至私家車。具體而言，短中長期盈利模型可以概括為三階段：車路協(xié)同系統(tǒng)服務(wù)、自動駕駛車輛運營、自動駕駛數(shù)據(jù)運營服務(wù)。

基于這一發(fā)展戰(zhàn)略，蘑菇車聯(lián)陸續(xù)落地開放式5G商用智慧交通車路協(xié)同項目、衡陽城市級自動駕駛項目、云南大理車路協(xié)同自動駕駛智慧景區(qū)項目等10余個城市級項目，累計訂單金額超過100億元。其中，衡陽項目是典型代表。2021年，蘑菇車聯(lián)與湖南省衡陽市政府達成“車路云一體化”戰(zhàn)略合作，集合城市交通新基建、自動駕駛運營服務(wù)和城市智慧交通大腦，建成國內(nèi)首個城市級自動駕駛落地項目。一系列落地建設(shè)經(jīng)驗和規(guī)模，積累了大量數(shù)據(jù)和運營經(jīng)驗，反哺技術(shù)研發(fā)和城市數(shù)字化建設(shè)，助力更多項目升級迭代，形成商業(yè)化落地閉環(huán)。同時，這些積累也賦予蘑菇車聯(lián)從2G，到2B，再到2C的能力和成長空間，為其在自動駕駛未來競爭中脫穎而出奠定基礎(chǔ)。

3.輕舟智航

（1）輕舟智航是全球前沿的自動駕駛通用解決方案提供商，打造“自動駕駛超級工廠”方法論

輕舟智航成立于2019年，是全球前沿的自動駕駛通用解決方案提供商。輕舟智航擁有輕、快、高效的自動駕駛團隊，通過多年實踐積累了全棧自研的核心技術(shù)體系，打造“自動駕駛超級工廠”底層研發(fā)系統(tǒng)，以數(shù)據(jù)驅(qū)動+效率提升為內(nèi)核，以系統(tǒng)性運作、流水線開發(fā)為特點，以此增強自動駕駛技術(shù)的擴展性，進而實現(xiàn)自動駕駛的快速迭代與高效落地。

輕舟智航采取“雙擎”發(fā)展戰(zhàn)略?！半p擎”即技術(shù)應(yīng)用深度和廣度，也是自動駕駛落地的兩大核心能力。一方面，以公開道路L4級別自動駕駛能力為“動力引擎”，不斷探索更多落地場景，驅(qū)動城市交通出行效率提升；另一方面，以自動駕駛前裝量產(chǎn)規(guī)模化落地為“創(chuàng)新引擎”，借助更多裝機量實現(xiàn)產(chǎn)品和技術(shù)的打磨。

（2）多元產(chǎn)品矩陣+差異化技術(shù)路線+商業(yè)化優(yōu)勢，構(gòu)成輕舟智航的核心競爭力

多元產(chǎn)品矩陣，滿足市場需求。在L4級自動駕駛領(lǐng)域，輕舟智航以智慧城市場景需求為導(dǎo)向，推出龍舟系列自動駕駛車及解決方案，應(yīng)用于網(wǎng)約車、公交車及接駁車等場景。前裝量產(chǎn)方面，推出高階輔助駕駛方案“輕舟乘風(fēng)”,可全國產(chǎn)配置，既可配置“一顆激光雷達”，也可純視覺配置，以極致務(wù)實方案達到高性價比，并基于一套技術(shù)棧，滿足多變車型和多類場景需求。

差異化技術(shù)路線，打造獨特競爭力。數(shù)據(jù)方面，輕舟智航擁有海量L4級傳感器數(shù)據(jù)和駕駛行為數(shù)據(jù)，有效提高前裝量產(chǎn)能力上限；同時利用L4工具鏈優(yōu)勢，加速前裝量產(chǎn)能力迭代。感知方面，超融合感知方案擁有領(lǐng)先的多傳感器時序穿插融合技術(shù)，可極大提高感知精度和魯棒性；PNC方面，基于獨創(chuàng)的時空聯(lián)合規(guī)劃技術(shù)，打造高質(zhì)量PNC方案，可靈活計算路徑和速度，讓車輛行車更聰明、效率更高效、體驗更舒適。

構(gòu)筑商業(yè)化壁壘，推動自動駕駛廣泛落地。以Robobus作為落地場景的起點，通過小商業(yè)閉環(huán)積累大量數(shù)據(jù)，推動更大商業(yè)閉環(huán)的實現(xiàn)。并在Robobus領(lǐng)域開創(chuàng)新品類，聯(lián)結(jié)居民區(qū)、交通樞紐和商業(yè)中心，利用“軌道交通+微循環(huán)”的高效模式，滿足居民“最后三公里”的出行需求。同時，在Robotaxi領(lǐng)域不斷進行技術(shù)測試和產(chǎn)品打磨，推動自動駕駛廣泛落地。

4.知行科技

（1）知行科技專注于自動駕駛前裝系統(tǒng)解決方案，是國內(nèi)領(lǐng)先的具有全棧研發(fā)能力的公司

知行科技成立于2016年，是一家專注于自動駕駛領(lǐng)域前裝系統(tǒng)解決方案的人工智能高科技公司。經(jīng)過多年發(fā)展，知行科技在多傳感器數(shù)據(jù)融合、決策規(guī)劃、車輛動態(tài)控制等自動駕駛核心領(lǐng)域擁有核心算法，并擁有軟硬件開發(fā)及整車系統(tǒng)集成驗證能力，是國內(nèi)領(lǐng)先的具有全棧自動駕駛研發(fā)能力的公司。

知行科技深度布局域控制器和智能攝像頭兩條產(chǎn)品線，完整覆蓋L2及L2+市場需求。域控制器產(chǎn)品包括三個系列，其中iDCMid和iDCHigh是當(dāng)前面向乘用車量產(chǎn)主推的產(chǎn)品系列，iDCMid已經(jīng)獲得多家車企定點，并進入量產(chǎn)階段，iDCHigh預(yù)計在2024年實現(xiàn)量產(chǎn)。智能攝像頭產(chǎn)品主要面向ADAS市場，提供更具性價比的方案，iFC產(chǎn)品已歷經(jīng)三次迭代。通過全面布局，知行科技已經(jīng)實現(xiàn)高階智能駕駛的全場景方案覆蓋。在行車場景，知行科技已經(jīng)覆蓋了L2ADAS、高速NOA、城市NOA等功能，泊車場景也已經(jīng)覆蓋自主泊車、記憶泊車、代客泊車等功能。

（2）知行科技全棧自研行泊一體域控制器iDCMid，率先實現(xiàn)規(guī)?；慨a(chǎn)

行泊一體，搶占主流乘用車市場。知行科技定位Tier1，在行泊一體架構(gòu)的發(fā)展趨勢下，提供性能更強、價格更優(yōu)的域控產(chǎn)品。其自研的行泊一體域控制器iDCMid，基于一顆TDA4芯片開發(fā)，采用5V4R的感知硬件配置，可實現(xiàn)NOA（導(dǎo)航輔助駕駛）、360全景影像、HPA（記憶泊車）等功能，兼具性能、成本和工程落地的考量，憑借性能和成本優(yōu)勢，主攻主流乘用車市場。

全棧自研，打造卓越核心技術(shù)。知行科技的域控制器實現(xiàn)了全棧自研，它不依賴于任何特定的硬件平臺，上層功能可以100%移植到全新硬件平臺。為了實現(xiàn)這一目標，知行科技專門開發(fā)了一套靈活可靠的軟件中間件，它支持實時操作系統(tǒng)RTOS（包含核間通信），HLOS（如Linux這種開源的操作系統(tǒng)），同時還可實現(xiàn)在大型的SOC中，多個核之間的可靠多核通訊。

需求導(dǎo)向，規(guī)?；慨a(chǎn)有序推進。知行科技以市場需求為導(dǎo)向，通過輕量級方案（iDCMid）切入市場，再借助中低端車型走量，同時開發(fā)大算力方案（iDCHigh），向高端車型延伸，逐漸步入高階自動駕駛。目前域控制器iDCMid已經(jīng)正式量產(chǎn)下線，成為目前行業(yè)內(nèi)少數(shù)已經(jīng)量產(chǎn)的域控產(chǎn)品。

未來，知行科技將加快全場景智能駕駛的全面落地，在提高市場占有率的同時，進一步強化算法與平臺能力，深化數(shù)據(jù)閉環(huán)，探索更多商業(yè)可能性。

5.德賽西威

德賽西威是國內(nèi)汽車智能化領(lǐng)域的頭部Tier1，深度綁定英偉達這一高算力芯片供應(yīng)商資源，隨著高階自動駕駛落地對主芯片算力需求的提升，將進一步夯實其在自動駕駛域控制器領(lǐng)域的核心地位。公司2016年開始前瞻性布局自動駕駛領(lǐng)域業(yè)務(wù)，2022年實現(xiàn)25.7億元營收，同比增長達83.07%，營收占比17.22%。目前公司已量產(chǎn)的自動駕駛域控制器包括IPU01至IPU04。其中，IPU01和IPU02主打高性價比方案，主要搭載于中低端車型，實現(xiàn)L1和L2級別的駕駛輔助功能。根據(jù)公司官方公眾號，公司基于英偉達Xavier/Orin開發(fā)的IPU03和IPU04域控制器主打高算力、高性能，能夠滿足L2+的高階自動駕駛需求，并且已經(jīng)分別獲得小鵬、理想等頭部主機廠的量產(chǎn)支持，未來隨著L2+智能車放量自動駕駛域控制器有望為公司持續(xù)貢獻業(yè)績增量。

6.經(jīng)緯恒潤

經(jīng)緯恒潤是國內(nèi)唯一覆蓋L4以下全域自動駕駛場景的智能駕駛龍頭。公司智能駕駛產(chǎn)品覆蓋L4級及以下自動駕駛場景，覆蓋智能泊車、智能行車、安全預(yù)警三大領(lǐng)域。其中，公司ADAS系列產(chǎn)品前四代基本覆蓋L2及以下所有自動駕駛場景（自適應(yīng)巡航、交通擁堵輔助、自動緊急制動等），ADCU域控制器開始覆蓋部分L2+/L3級自動駕駛場景（高速自動駕駛、交通擁堵自動駕駛等），HPC則可涵蓋L4級自動駕駛場景（自主代客泊車等），目前僅應(yīng)用于港口、園區(qū)等封閉式場景。除此之外，公司具備提供自動駕駛仿真測試服務(wù)，根據(jù)公司招股說明書，公司開發(fā)了深度覆蓋測試需求的場景庫，包括法規(guī)標準場景、功能覆蓋場景、經(jīng)驗測試場景、事故和測試問題的極端測試場景等各類場景超過3萬條，可以有效滿足智能駕駛測試對不同路況場景的需要。

7.寒武紀

寒武紀是國內(nèi)AI芯片龍頭，2021年成立子公司行歌科技正式進軍車載芯片領(lǐng)域。隨著自動駕駛從小模型向大模型迭代，對車端推理和云端訓(xùn)練算力需求均大幅提升，公司將充分受益于這一行業(yè)趨勢。根據(jù)寒武紀董事長陳天石博士在2022世界人工智能大會上的演講，寒武紀行歌產(chǎn)品布局將覆蓋L2+~L4全系列芯片組合，覆蓋不同檔位算力需求的計算平臺。其中，SD5223是面向L2+自動駕駛市場的產(chǎn)品，最大算力超過16TOPS，單顆SOC可以實現(xiàn)行泊一體的功能，適配8MIFC/5V5R/10V5R等多產(chǎn)品形態(tài)。SD5226針對L4市場、支持車端訓(xùn)練產(chǎn)品，采用7nm制程，AI算力超過400TOPS，CPU最大算力超過300K+DMIPs。同時，行歌科技的自動駕駛芯片可以與寒武紀的云端訓(xùn)練產(chǎn)品形成協(xié)同。2022年公司云端產(chǎn)品線發(fā)展迅速，思元290、思元370等產(chǎn)品在包括阿里云在內(nèi)的多家頭部企業(yè)的成功實現(xiàn)規(guī)?；N售，并且，公司新一代云端訓(xùn)練芯片思元590正快速迭代，浮點運算能力較上一代290產(chǎn)品有較大提升。寒武紀高性能AI訓(xùn)練芯片負責(zé)處理車端收集的海量數(shù)據(jù)并進行復(fù)雜模型訓(xùn)練，再通過OTA推送到車端，通過車云協(xié)同，能夠?qū)④嚩说臄?shù)據(jù)快速回傳，實現(xiàn)AI模型的快速迭代升級。

08

自動駕駛發(fā)展趨勢展望

1.商業(yè)化落地成為競爭關(guān)鍵

自動駕駛下半場競爭將進入加速期，商業(yè)化落地將成為競爭關(guān)鍵

目前，自動駕駛企業(yè)兼顧算法優(yōu)化和量產(chǎn)落地，在技術(shù)研發(fā)同時，通過技術(shù)應(yīng)用降維實現(xiàn)規(guī)模化量產(chǎn)，打通商業(yè)化落地路徑，構(gòu)建數(shù)據(jù)閉環(huán)，推動自動駕駛加速落地。當(dāng)自動駕駛下半場來臨，商業(yè)化落地將成為競爭關(guān)鍵。

自動駕駛商業(yè)化主要受場景標準化程度、技術(shù)成本優(yōu)勢、安全性能要求等因素影響。這就意味著，整體來說，高級別自動駕駛將遵循從封閉到半開放和開放、從專用到通用、從載物到載人的落地邏輯。

商用車方面，自動駕駛貨車商業(yè)模式清晰，有望率先落地；末端物流剛需較強，有望帶來實質(zhì)性成本和效率優(yōu)化；礦區(qū)、機場、園區(qū)等因場景特征優(yōu)勢，將成為高確定性的落地場景。乘用車方面，隨著自動駕駛AI模型在云端深入應(yīng)用，行泊一體的自動駕駛架構(gòu)持續(xù)迭代，車端自動駕駛系統(tǒng)的綜合成本大幅度降低，以重感知技術(shù)為主，主要依托視覺方案的智駕系統(tǒng)，將可以在中低算力車端平臺上部署，這將使得高級別自動駕駛系統(tǒng)成為中端價位車型的標配。同時，用戶體驗也將從嘗鮮轉(zhuǎn)變?yōu)橛脩粢蕾?。此外，國?nèi)Robotaxi落地進程和乘坐體驗與市場預(yù)期基本相符，有望在2025年迎來成本拐點。

2.艙駕融合成為趨勢

打通人、車、環(huán)境三方交互，提升駕乘體驗，艙駕融合成為趨勢

智能座艙和自動駕駛是汽車智能化的兩個典型代表，直接影響汽車智能化體驗。智能座艙是汽車與用戶溝通和交流的載體，側(cè)重于人車交互；自動駕駛則發(fā)揮汽車的基本功能，在行駛過程中實現(xiàn)車與環(huán)境的交互。而在交通環(huán)境中，駕駛行為是一個由人、車、環(huán)境三方參與并交互的過程。因此，如何打通三方交互，實現(xiàn)更好的駕乘體驗，就顯得尤為重要。

隨著汽車智能化的發(fā)展，從國內(nèi)外整車企業(yè)發(fā)布的新車來看，目前正在從分布式電子電器架構(gòu)向域集中式控制器架構(gòu)過渡。無論是傳統(tǒng)汽車還是新能源汽車上，域集中式架構(gòu)正越來越多地應(yīng)用于量產(chǎn)車型。與此同時，采用更集中、更高算力的通用計算硬件，配合更豐富的軟件進行整車控制，實現(xiàn)軟件定義汽車，將給汽車行業(yè)帶來顯著改變?？梢钥吹?，汽車產(chǎn)業(yè)鏈核心零部件供應(yīng)商、整車廠商、自動駕駛解決方案提供商等都在進行艙駕融合方面的研發(fā)。例如，在芯片領(lǐng)域，未來有望在同一芯片中完成智能座艙、智能駕駛、智慧泊車功能，進一步簡化自動駕駛硬件體系，降低成本；在汽車域控架構(gòu)方面，呈現(xiàn)域功能集中的趨勢，這主要是由于自動駕駛和座艙芯片的芯片制程、設(shè)計方法、架構(gòu)有很多相似之處，可以率先實現(xiàn)功能集中。

目前，車企所嘗試的艙駕融合更多的是在軟件和應(yīng)用層面，例如可實現(xiàn)算力共享、感知共享、服務(wù)共享，智能座艙域控制器可支持智駕系統(tǒng)失效下的系統(tǒng)級安全冗余等。但真正要達到硬件芯片層面的融合，則面臨更多挑戰(zhàn)。一方面，艙駕融合或者更多域功能的集中，將導(dǎo)致軟件復(fù)雜度大幅提升，軟硬件解耦勢在必行；另一方面，功能的集中會帶來功能安全方面的問題，如何規(guī)避安全風(fēng)險，需要進行芯片結(jié)構(gòu)和生產(chǎn)過程優(yōu)化。未來，隨著自動駕駛基礎(chǔ)設(shè)施越來越完善，算法進一步升級迭代，智能座艙和自動駕駛的邊界將會變得愈發(fā)模糊。最終目的，是要形成體驗更好、成本更低、可信賴的產(chǎn)品，進而重塑駕乘體驗。

3.生態(tài)合作成為企業(yè)發(fā)展的重要能力

生態(tài)合作將成為自動駕駛企業(yè)實現(xiàn)外生增長的重要途徑

當(dāng)前，在自動駕駛技術(shù)發(fā)展驅(qū)動下，全球汽車行業(yè)供應(yīng)鏈正在發(fā)生變革，整車廠、Tier1和Tier2廠商、互聯(lián)網(wǎng)/科技巨頭、解決方案提供商之間的動態(tài)變化正在不斷重塑產(chǎn)業(yè)鏈?？缃绮季趾徒涣骱献鞒掷m(xù)發(fā)生，各玩家之間的傳統(tǒng)界限逐漸被打破，綜合能力強的一方將主導(dǎo)未來的汽車產(chǎn)業(yè)。在激烈的市場競爭中，單一企業(yè)或某一群體已經(jīng)無法持續(xù)高效地突破自動駕駛當(dāng)下發(fā)展困境，自動駕駛相關(guān)企業(yè)想保持長遠的發(fā)展，應(yīng)注重企業(yè)之間的協(xié)調(diào)與合作關(guān)系，并與市場環(huán)境協(xié)同進化，建立適合自身發(fā)展的企業(yè)生態(tài)。

隨著自動駕駛賽道相關(guān)企業(yè)合作加深，將形成一個統(tǒng)一的生態(tài)價值圈，通過生態(tài)圈撬動其它參與者的能力，形成正反饋，進而使這一系統(tǒng)持續(xù)創(chuàng)造價值。如此一來，與傳統(tǒng)的鏈式結(jié)構(gòu)相比，自動駕駛生態(tài)體系將形成一個更加柔性和多元的網(wǎng)狀結(jié)構(gòu)。在這一生態(tài)體系中，自動駕駛相關(guān)企業(yè)可通過資源共享、技術(shù)賦能、聯(lián)合研發(fā)、運營共建、合資并購等模式實現(xiàn)共創(chuàng)，將自身優(yōu)勢發(fā)揮到極致，并吸收其他資源取長補短，實現(xiàn)協(xié)同發(fā)展。

在自動駕駛生態(tài)體系中，標桿企業(yè)將起到搭建生態(tài)平臺，撬動產(chǎn)業(yè)其他參與者協(xié)同創(chuàng)造價值，實現(xiàn)優(yōu)勢融合與互補的作用。因此，對于自動駕駛相關(guān)企業(yè)來說，搭建生態(tài)價值平臺，與生態(tài)伙伴合作共贏的能力變得愈發(fā)重要。具體來說，就是建立開放的生態(tài)模式，面向多元場景，推出具有特色的產(chǎn)品和功能，并將自動駕駛工具鏈解耦，使生態(tài)伙伴都能從中受益。例如，在芯片領(lǐng)域，地平線開放生態(tài)賦能合作伙伴，凝聚融合推動產(chǎn)品高效落地，同時加快產(chǎn)品研發(fā)；AWS、Asure、華為云面向汽車行業(yè)和自動駕駛領(lǐng)域提供解決方案，在安全合規(guī)的前提下，在自動駕駛研發(fā)數(shù)據(jù)驅(qū)動的每一個流程上，為車企提供開箱即用的便捷工具和安全合規(guī)的服務(wù)，幫助企業(yè)降本增效，加快自動駕駛技術(shù)的落地；蘑菇車聯(lián)的AI云，具備海量設(shè)備連接和海量數(shù)據(jù)處理能力，提供開放的接入服務(wù)，與眾多合作伙伴共建服務(wù)生態(tài)等。