36Kr：2023年中国自动驾驶行业研究报告.pdf

36KR RESEARCH2023年中国自动驾驶行业研究报告自动驾驶进入下半场，商业化落地成为竞争关键36氪研究院2023.01236Kr-2023年中国自动驾驶行业研究报告国家政策大力扶持，给自动驾驶行业发展注入强心剂。经过多年发展，自动驾驶已经成为中国展现国家技术实力、创新能力和产业配套水平的新名片，呈现出蓬勃向上的新格局。进入2022年以来，国家层面及地方政府也适时出台一系列政策和规划，促进自动驾驶相关产业健康快速发展。2022年11月，工信部印发关于开展智能网联汽车准入和上路通行试点工作的通知，对准入试点的智能网联汽车产品，提出了一系列规划和指导要求，进一步推进了自动驾驶的发展进程。乘用车自动驾驶正在由L2向L3+过渡，商用车自动驾驶已进入商业化运营阶段。得益于硬件平台和软件算法逐步成熟，新车搭载L2功能正在逐渐成为前装标配。据统计，2022年我国在售新车L2和L3的渗透率分别为35%和9%，预计2023年将达到51%和20%*。与此同时，限定场景下的商用车自动驾驶率先进入商业化阶段。这主要由于商用车对价格的敏感度更低，B端付费意愿更高，加之场景交通复杂程度较低以及政策鼓励与放开，使得商用车在成本、市场、技术、法规等方面具有更好的落地性。自动驾驶下半场来临，商业化落地将成为竞争关键。2022年以来，资本针对自动驾驶赛道的投资逻辑开始发生变化。简言之，就是资本市场趋于理性，商业化落地成为影响投资人决策的关键性指标。当前，自动驾驶企业兼顾算法优化和量产落地，在技术研发同时，通过技术应用降维实现规模化量产，打通商业化落地路径，构建数据闭环，推动自动驾驶加速落地。可以预见，当自动驾驶下半场来临，商业化落地将成为竞争关键。报告摘要相关研究报告36Kr-2021-2022年中国自动驾驶行业研究报告（2022.03）36Kr-2021年中国出行行业数智化研究报告（2021.10）案例分析公司地平线高效能智能驾驶计算方案提供商蘑菇车联自动驾驶全栈技术与运营服务提供商轻舟智航自动驾驶通用解决方案提供商知行科技自动驾驶前装系统解决方案提供商1*数据来源：共研产业研究院，36氪研究院整理目录CONTENTS自动驾驶行业发展概况定义与分类发展驱动力发展现状资本分析01自动驾驶产业链及应用场景分析产业链概述产业链关键环节分析芯片、传感器、线控底盘、高精地图、V2X自动驾驶主要应用场景物流、环卫、矿山、Robotaxi02自动驾驶典型案例分析地平线蘑菇车联轻舟智航知行科技03自动驾驶发展趋势展望商业化落地成为竞争关键舱驾融合成为趋势生态合作成为企业发展的重要能力04 定义与分类 发展驱动力 发展现状 资本分析自动驾驶行业发展概况01351.1 定义与分类自动驾驶技术分为多个等级，L3级是重要分水岭，本报告研究采用SAE分级标准自动驾驶，又称无人驾驶，是依靠计算机与人工智能技术在没有人为操纵的情况下，完成完整、安全、有效驾驶的一项前沿科技。自动驾驶技术分为多个等级，不同机构提出过多种分级标准，目前业界常用的两种分级标准是NHTSA分级（美国高速公路安全管理局提出）和SAE分级（美国汽车工程协会提出）。两种分级在具体级数划分方面存在差异，但是在特征描述方面存在共性，从L3级开始，驾驶主角均由驾驶员操作转换为车辆自主驾驶。由此，L3级成为自动驾驶技术应用的重要分水岭。在本报告中，对自动驾驶技术的研究采用SAE分级标准。4NHTSA分级SAE分级名称定义驾驶操作周边监控接管应用场景L0L0无自动化没有任何辅助功能及系统，完全依靠驾驶员进行操作驾驶员驾驶员驾驶员无L1L1驾驶支援车辆对方向盘和加减速的一项操作提供驾驶操作，驾驶员负责其余驾驶动作驾驶员&车辆驾驶员驾驶员限定场景L2L2部分自动化车辆对方向盘和加减速的多项操作提供驾驶操作，驾驶员负责其余驾驶动作车辆驾驶员驾驶员限定场景L3L3有条件自动化由车辆完成绝大部分驾驶操作，驾驶员需保持注意力以备不时之需车辆车辆驾驶员限定场景L4L4高度自动化在限定道路和环境条件下，由车辆完成所有驾驶操作，驾驶员无需保持注意车辆车辆车辆限定场景L5完全自动化由车辆完成所有驾驶操作，驾驶员无需保持注意力车辆车辆车辆所有场景图示：自动驾驶技术分级与特征参考资料：西南证券，36氪研究院根据公开资料整理61.2 发展驱动力国家政策大力扶持，给自动驾驶发展注入强心剂，有力推动行业发展进程近年来，我国先后推出一系列支持政策，推动自动驾驶技术发展和商业化落地。2020年2月，国家发改委、工信部等11个部委联合下发的智能汽车创新发展战略提出，加速发展高级别自动驾驶。2022年8月，交通运输部发布自动驾驶汽车运输安全服务指南（试行）（征求意见稿），旨在适应自动驾驶技术发展的趋势，鼓励自动驾驶车辆商用。同时，北京、深圳、重庆等多地陆续出台政策法规，推动自动驾驶车辆的商业化运营和上路。5图示：自动驾驶行业相关政策梳理参考资料：36氪研究院根据公开资料整理时间发布部门文件名称主要内容2020年2月发改委、工信部、科技部等11个部委智能汽车创新发展战略（发改产业2020202号）构建协同开放的智能汽车技术创新体系，突破智能计算平台、云控基础平台等关键基础技术，完善测试评价技术，开展应用示范试点；构建跨界融合的智能汽车产业生态体系，推进车载高精度传感器、车规级芯片等产品研发与产业化；推进智能化道路基础设施规划建设，建设广泛覆盖的车用无线通信网络等。2020年4月工信部2020年智能网联汽车标准化工作要点要形成能够支撑驾驶辅助及低级别自动驾驶的智能网联汽车标准体系，并建立智能网联汽车标准制定及实施评估机制。2020年10月国务院办公厅新能源汽车产业发展规划（2021-2025年）（国办发202039号）发展一体化智慧出行服务。加快建设涵盖前端信息采集、边缘分布式计算、云端协同控制的新型智能交通管控系统；推进以数据为纽带的“人车路云”高效协同；支持以智能网联汽车为载体的城市无人驾驶物流配送、市政环卫、快速公交系统（BRT）、自动代客泊车和特定场景示范应用。2021年9月工信部、公安部、交通运输部联合发布智能网联汽车道路测试与示范应用管理规范（试行）（工信部联通装202197号）推动汽车智能化、网联化技术应用和产业发展，规范智能网联汽车自动驾驶功能测试与示范应用。2021年10月城乡建设部、农业农村部等八部门物联网新型基础设施建设三年行动计划（2021-2023年）（工信部联科2021130号）打造车联网（智能网联汽车）协同服务综合监测平台，加快智慧停车管理、自动驾驶等应用场景建设，推动城市交通基础设施、交通运载工具、环境网联化和协同化发展。2022年8月交通运输部自动驾驶汽车运输安全服务指南（试行）（征求意见稿）在保障运输安全的前提下，鼓励在封闭式快速公交系统等场景使用自动驾驶汽车从事城市公共汽（电）车客运经营活动，在交通状况简单、条件相对可控的场景使用自动驾驶汽车从事出租汽车客运经营活动，在点对点干线公路运输、具有相对封闭道路等场景使用自动驾驶汽车从事道路普通货物运输经营活动。2022年11月工信部关于开展智能网联汽车准入和上路通信试点工作的通知工信部、公安部遴选符合条件的道路机动车辆生产企业和具备量产条件的搭载自动驾驶工程的智能网联汽车产品，开展准入试点；对通过准入试点的智能网联汽车产品，在试点城市的限定公共道路区域内开展上路通行试点。71.2 发展驱动力AI技术发展推动自动驾驶技术迭代，芯片、算法、数据构建自动驾驶功能底座自动驾驶发展进程与AI技术发展高度相关。根据Gartner新兴技术成熟度曲线，2018年以前，受益于深度学习技术在图像识别等感知领域的应用，自动驾驶开启产业化进程。但由于受成本和法规限制，彼时高级别自动驾驶的商业化落地遭遇瓶颈。经过三四年技术积累，感知和决策算法等核心技术的突破提高了AI模型鲁棒性、系统冗余性和测试完善性，助力自动驾驶加快商业落地。自2020年7月起，高级别自动驾驶迎来新的发展机遇。算法、数据与芯片技术发展为自动驾驶功能实现提供了坚实的底座。1）深度学习算法在感知层和决策层共同驱动自动驾驶发展，深度强化学习算法（DRL）的产生让更高维度的数据处理成为可能；2）海量优质路况数据是训练AI算法模型、提高感知精度的关键，路测里程和路测车辆数量增加而带来的高质量数据给自动驾驶发展提供了必要支持；3）芯片为自动驾驶技术提供算力平台，随着汽车电子电气架构由域集中式向中央集中式演进，自动驾驶的主控芯片向中央计算芯片融合的方向发展，芯片集成度的提高可以有效提升计算效率，降低应用成本。6数据对于自动驾驶而言，数据贯穿研发、测试、量产、运营维护等全生命周期。以数据驱动汽车进化，自动驾驶才能走得更远算法包括控制算法、定位算法、感知算法和决策算法。控制和定位算法发展较快，感知和决策算法作为自动驾驶技术瓶颈，还有待优化芯片芯片是为自动驾驶提供算力的大脑，传感器生成数据建模数据传输给芯片，由芯片通过算法处理和运算后，输出汽车控制指令图示：自动驾驶技术发展驱动力81.2 发展驱动力自动驾驶能够在交通安全、出行效率、节能减排、产业变革等方面发挥价值自动驾驶可以提供更安全、更高效、更节能、更舒适的出行体验，其意义不仅在于改变人类的车辆驾驶习惯，更重要的是在交通安全、出行效率、节能减排、产业变革等方面推动社会整体发展和进步。据统计，我国每年6万余人死于交通事故，道路交通伤害已成为我国人群首要伤害死因，80%以上的道路交通事故皆因交通违法所致*。自动驾驶车辆通过智能控制和规范驾驶，可以有效避免此类安全事故发生，保障交通安全。此外，交通拥堵一直是我国城市难题。在主要大城市，约75%的道路在高峰期出现拥堵*，自动驾驶的车载传感器可与智能交通系统结合使用，实时优化路口流量，提高车流效率，缓解拥堵。由此，基于更精准的车辆控制和更少的交通拥堵率，可以有效降低资源浪费，实现节能减排的效果。当前，车辆架构正在朝着以通用计算平台为基础、面向服务架构演进的方向发展，软件定义汽车成为大势所趋。软件定义汽车将使汽车逐步从单一交通工具转变为以用户需求为导向的第三移动空间。自动驾驶让驾驶员的精力和双手得以解放，成为未来出行变革必不可少的技术底座。7图示：市场需求推动自动驾驶发展应用*参考资料：交通运输部，公安部，中国疾控中心，36氪研究院整理整体直播规划，确定直播主题及各主题间直播场次数量，针对单个直播进行内容、主播、流程、脚本、引流策略等全方位详细策划保障交通安全促进节能减排搭建个性化直播间；主播和直播内容资源支持；选品和销售策略制定服务；直播实时监控，保证合规；丰富互动工具，精准营销提高出行效率制定渠道引流策略和个性化宣发内容；利用邀请海报、小游戏、积分、抽奖等裂变工具扩大传播效果，全面触达潜在客群打造第三移动空间对脱敏数据进行用户画像分析，将留存导入私域流量池；对直播数据和用户行为数据深度诊断分析，优化营销策略和产品服务91.3 发展现状乘用车自动驾驶正在由L2向L3+过渡，商用车自动驾驶已进入商业化运营阶段目前来看，我国量产乘用车自动驾驶等级正在由L2向L3+过渡。得益于硬件平台和软件算法逐步成熟，新车搭载L2功能正在逐渐成为前装标配。据统计，2022年我国在售新车L2和L3的渗透率分别为35%和9%，预计2023年将达到51%和20%。部分科技公司直接研发L4级自动驾驶，并在部分城市路段或特定场景下进行测试。但目前高级别自动驾驶仍然面临着政策法规、安全性、技术成熟度等众多挑战亟待突破。据统计，2022年我国L4渗透率为2%，预计2023年将达到11%*。与此同时，限定场景下的商用车自动驾驶率先进入商业化阶段。这主要由于商用车对价格的敏感度更低，B端付费意愿更高，加之场景交通复杂程度较低以及政策鼓励与放开，使得商用车在成本、市场、技术、法规等方面具有更好的落地性。目前，在矿区、港口、干线物流、机场、物流园区等细分场景，高级别自动驾驶正在孕育新市场。其中，干线物流、矿区、港口三大场景因人力资源不足和安全事故频发的痛点明显，降本增效成果显著，商业化落地进程较快，头部企业已经基本进入商业化运营阶段。8*数据来源：共研产业研究院，36氪研究院整理图示：2022-2023年中国在售新车自动驾驶搭载率预测数据来源：共研产业研究院，36氪研究院整理24%35%9%2%11%51%20%11%L3L2L4L12022年2023年101.3 发展现状各类玩家以不同发展思路参与市场竞争，推动供应链和产业格局剧烈变化自动驾驶领域市场参与者众多，包括传统车企、造车新势力、互联网/科技公司等，各类玩家结合自身定位和能力优势，呈现出不同的发展思路。主机厂方面，国际巨头多采取稳扎稳打的发展策略和渐进式技术路线。主要依赖传统Tier1方案，部分投资初创公司或组建内部团队。国内主机厂处于多方向探索阶段，强势主机厂在独立自研基础上采购供应商方案作为补充，并投资芯片和算法公司，与互联网巨头合作等；小型主机厂研发能力较弱，通常选择与大厂合作，以确保在自动驾驶领域不落人后。造车新势力则将自动驾驶视为核心技术优势，通过自研算法、芯片等掌握自动驾驶核心能力。互联网/科技公司凭借人工智能算法和软件技术优势进入自动驾驶领域，与车企形成分庭抗礼之势。互联网巨头通过投资、孵化或直接组建团队而成立自动驾驶业务单元，跨界进入市场；部分科技公司以自研芯片为基础，向下游延伸，提供全套算法软件及硬件产品；部分科技公司以高阶自动驾驶解决方案和Robotaxi为主营业务场景，同时利用算法优势切入L2量产领域；亦有部分解决方案提供商聚焦于低速、封闭场地或干线物流等特定场景，或专攻政府车路协同示范区场景，寻求多种模式的商业化落地应用。随着自动驾驶高速发展，传统汽车产业中的主机厂和Tier1之间的关系也在发生变化。“大包大揽”的传统Tier1受到造车新势力的冲击，新势力对自动驾驶相关软硬件技术有着强烈的垂直一体化预期。同时，在汽车缺芯、地缘政治等因素影响下，部分主机厂开始选择和芯片等核心零部件供应商建立直接合作关系，这一关系改变进一步加剧了Tier1的经营压力。与此同时，在L1向L2升级的辅助驾驶市场，本土Tier1供应商开始崛起。尽管外资Tier1巨头依旧是市场主力，但中国本土Tier1供应商份额合计占比已经达到了8.89%，同比增加了近3个百分点*。9*数据来源：高工智能汽车研究院，36氪研究院整理111.3 发展现状单车智能和车路协同路线相辅相成，互为补充，加速自动驾驶普及与落地在自动驾驶解决方案方面，存在单车智能和车路协同两种路线。单车智能通过摄像头、雷达等传感器和高效准确的算法，赋予车辆自动驾驶能力；车路协同通过对人、车、路信息的全面感知，发挥协同配合作用，让人车路云高度融合，打造“聪明的车智慧的路”。两种路线并非二元对立，而是相辅相成，互为补充。单车智能是实现自动驾驶的基础，即使在以车路协同为主的技术方案中，单车智能也不可或缺。一方面，在路侧智能设施未覆盖或出现故障时，单车智能可以作为冗余与备份系统让车辆安全可靠地完成行驶任务；另一方面，单车智能也可以作为车路协同的终端触手，辅助进行系统升级和新功能开发。而在复杂的交通环境下，车路协同能够通过智能路侧设备为自动驾驶车辆提供具有完全独立性的数据冗余感知系统，增加感知视角，提升自动驾驶的安全性和可靠性。在技术可行性之外，参与者话语权、准入门槛、商业化落地难度等也是市场参与者决定采取何种路线的重要考量因素。乘用车是道路上的主要交通工具，也是自动驾驶系统的重要载体。目前，主机厂和自动驾驶解决方案提供商多选择单车智能的技术路线，通过自动泊车、自适应巡航等L2+功能为人们带来人机共驾的体验感，让技术自主可控的同时，获取商业利润。如特斯拉的FSD、小鹏的NGP、蔚来的NOA等都是主机厂践行单车智能路线的代表。而在2B的部分封闭和半封闭场景，以及2G的城市公共服务场景，车路协同通过对规模化基建改造分摊感知和计算成本，并持续对城市基础设施进行投资和维护，依托经济优势和产业发展带动效应迎来商业化契机。目前，车路协同在城市公共服务场景的应用和价值，已有示范区的数据支撑。例如，在北京高级别自动驾驶示范区，通过对主城区路口进行智能化升级改造，自动驾驶在相关路口的问题发生频率降低80%以上*。10*数据来源：清华大学智能产业研究院，36氪研究院整理121.4 资本分析资本市场趋于理性，自动驾驶商业化落地、硬件集成和量产成为主要投资方向据不完全统计，2022年国内自动驾驶领域相关融资153起，对外披露的融资总额近300亿元。与2021年相比，融资事件数量有所增加，但累计融资金额大幅下降。与此同时，2022年融资超过5亿元的投资事件仅有8起，而去年同一标准下为19起。可见，资本市场趋于理性。从投资方向来看，资本的投资逻辑正在由过去的多点布局转变为商业化落地、硬件集成和量产为先。11124760153300投资事件数量（个）披露金额（亿元）+23.4%-60.5%2021年2022年图示：2021和2022年自动驾驶领域投融资情况对比数据来源：赛博汽车，新战略低速无人驾驶产业研究所，36氪研究院整理企业名称融资轮次融资金额融资时间企业定位与所属领域飞步科技B2轮超亿元2022年12月自动驾驶技术服务商地平线D轮Na.2022年10月高效能智能驾驶计算方案提供商蘑菇车联C1轮数亿元2022年3月自动驾驶全栈技术与运营服务提供商轻舟智航B1轮Na.2022年12月自动驾驶通用解决方案提供商威马汽车Pre-IPO约6亿美元2022年6月新能源汽车产品及出行方案提供商知行科技C+轮Na.2022年4月自动驾驶前装系统解决方案提供商图示：2022年自动驾驶领域主要融资事件（按企业名称首字母排序）数据来源：36氪研究院根据公开资料整理 自动驾驶产业图谱 自动驾驶产业链关键环节分析 芯片、传感器、线控底盘、高精度地图、V2X 自动驾驶主要应用场景 物流、环卫、矿山、港口、Robotaxi自动驾驶产业链及应用场景分析021214自动驾驶产业图谱上游软件算法高精地图芯片传感器摄像头雷达通信模组传统整车整车厂造车新势力2.1 自动驾驶产业图谱13注：自动驾驶产业图谱由36氪研究院梳理，只列出部分企业为代表，未覆盖全产业感知定位决策规划控制执行域控制器中游下游解决方案提供商G端、B端用户C端用户打车服务配送服务无人零售政府矿山港口151.芯片。自动驾驶芯片作为计算的载体，是自动驾驶实现的重要硬件支撑。在智能汽车快速发展带动下，汽车芯片结构由MCU进化至SoC。SoC是系统级别芯片，在MCU基础上增加了音频处理DSP、图像处理GPU、神经网络处理器NPU等计算单元，常用于ADAS、座舱IVI、域控制等功能复杂的领域。目前市场中主要有三种自动驾驶芯片SoC架构方案，从发展趋势来看，定制批量生产的低功耗、低成本的专用自动驾驶AI芯片（ASIC）将逐渐取代高功耗的GPU，CPU+ASIC方案有望成为未来主流架构。随着自动驾驶等级提升，多传感器融合，感知数据处理量增加，同时上层软件性能持续迭代，应用功能不断丰富，汽车对算力的需求大幅提升，推动大算力芯片快速发展。CPU+ASIC方案有望成为未来主流架构，大算力芯片快速发展2.1 自动驾驶产业链关键环节分析14SoC架构代表企业发展趋势CPU+GPU+ASIC英伟达、特斯拉、高通等在自动驾驶算法尚未成熟固定之前，该架构仍然会是主流CPU+ASICMobileye、华为、地平线等自动驾驶算法成熟后，定制批量生产的低功耗、低成本的专用自动驾驶AI芯片（ASIC）将逐渐取代高功耗的GPU，该架构有望成为未来主流架构CPU+FPGA百度、赛灵思、Waymo等FPGA适合做算法的开发测试，在大规模量产方面不具备成本优势图示：目前主流的三种自动驾驶SoC架构方案及发展趋势数据来源：盖世汽车，东方证券研究所，36氪研究院整理图示：不同等级自动驾驶对算力的需求数据来源：头豹研究院，36氪研究院整理1,000+TOPS100+TOPSL5L110+TOPSL31TOPSL2L4500TOPS16大算力芯片产品陆续出现，市场竞争愈发激烈。英伟达Orin X系统级芯片算力设计为254TOPS；Mobileye发布面向L4/L5级自动驾驶芯片EyeQUltra，最高算力可达176TOPS；地平线发布的最新征程5芯片算力达128TOPS。当高算力不再稀缺，算力已不再成为决定芯片能力的唯一标准。对于车企来说，选用何种芯片，还需要综合考虑技术的稳定程度、易用程度、安全程度等。随着自动驾驶量产迈入深水区，L2+智能辅助驾驶成为标配，从泊车、座舱域控到更高集成度的行泊一体、舱泊一体域控，智能驾驶域控制器市场迎来爆发式增长。国产芯片凭借低功耗、低成本、性能稳定、量产快等特点，在智能驾驶域控制器领域的市场份额快速提升。据高工智能汽车统计，2022年前三季度，以地平线、大华股份为代表的国产芯片厂商进入中国市场乘用车前装标配智能驾驶域控制器芯片份额CR5。随着自动驾驶量产迈入深水区，国产芯片在智能驾驶域控制器领域的市场份额快速提升2.1 自动驾驶产业链关键环节分析15芯片商SoC芯片名称最大算力（TOPS）功耗（W）制程（nm）适用等级量产上市时间英伟达Orin X254407L2-L52022MobileyeEyeQ Ultra1761005L4/L52025华为Ascend9105123107L42022地平线征程51283016L2-L42022高通SA8540360/5L1-L52022图示：自动驾驶芯片市场主要大算力芯片产品对比数据来源：36氪研究院根据公开资料整理（*注：高通SA8540芯片算力为“SA8540P Soc+SA9000P人工智能加速器”叠加的理论值）图示：2022年1-9月中国市场乘用车前装标配智能驾驶域控制器芯片CR5数据来源：高工智能汽车，36氪研究院整理63.9315.5714.4411.356.50特斯拉（自研）地平线Mobileye大华股份英伟达搭载上险量（万颗）172.传感器。传感器是自动驾驶感知层的核心硬件，主要利用车载摄像头、激光雷达、超声波雷达、毫米波雷达等对车辆周边的环境进行实时感知，获取周围物体的精确距离及轮廓信息。从技术发展路径来看，自动驾驶主要分为视觉派和雷达派两大路线。视觉派以摄像头为主，辅以毫米波雷达、超声波雷达等传感器，总体成本较低，以特斯拉为典型代表。但由于摄像头对物体及其距离的识别高度依赖深度学习算法，因此视觉方案对算法的要求极高，需要庞大的训练数据来持续支持算法改进。雷达派以激光雷达为核心，并配合摄像头、毫米波雷达、超声波雷达等传感器，以强感知和低算法为特点，典型代表是Waymo。早期激光雷达成本较高，动辄上万美元的价格在一定程度上制约了方案推广，近年来在技术发展、量产规模提升、国产供应链切入等多种因素驱动下，目前整体价格已有所下降，越来越多的终端车厂导入激光雷达解决方案。随着高级别自动驾驶渗透率不断提升，视觉路线和雷达路线的单车搭载传感器数量均较以往大幅增长，其中L3传感器数量将达到17-34颗，比L1增加一倍以上，传感器需求有望持续扩大。单车搭载传感器数量大幅增长，传感器需求有望持续扩大2.1 自动驾驶产业链关键环节分析16图示：各级别自动驾驶所需车载传感器数量数据来源：奥迪威招股说明书，东莞证券研究所，36氪研究院整理传感器类型L1L2L3L4L5摄像头1-33-113-143-143-14毫米波传感器1-31-35-75-75-7超声波传感器4-88-128-128-128-12激光雷达00124合计6-1414-2617-3418-3520-37183.线控底盘。传统汽车底盘主要由传动系、行驶系、转向系和制动系四部分组成，这四部分相互连通、相辅相成。而线控底盘就是对汽车底盘信号的传导机制进行线控改造，以电信号传导替代机械信号传导，从而使其更加适用于自动驾驶车辆。具体来说，就是将驾驶员的操作命令传输给电子控制器，再由电子控制器将信号传输给相应的执行机构，最终由执行机构完成汽车转向、制动、驱动等各项功能。在这一过程中，线控结构替代了方向盘、刹车踏板与底盘之间的机械连接，将人力直接控制的整体式机械系统转变为操作端和设备端两个相互独立的部分，实现多来源电信号操作，使得线控底盘具备高精度、高安全性、高响应速度等优势。可以说，线控底盘是智能汽车实现L3及以上高阶自动驾驶的必要条件。4.高精度地图。高精度地图是面向自动驾驶汽车的一种地图数据范式，绝对位置精度接近1米，相对位置精度在厘米级别，能够实时、准确、全面地表达道路特征。高精地图信息包括道路信息、规则信息、实时信息三部分，其中道路信息由车道模型、道路部件和道路属性构成，为自动驾驶汽车提供决策基础；规则信息和实时信息则叠加于道路信息之上，获取驾驶行为限制和车联网相关数据，帮助车辆预判和调整操作策略。受国内地图测绘政策限制，并非所有厂商都有资质能进行高精地图数据采集，测绘资格成为高精地图产业的重要壁垒。目前，拥有“导航电子地图制作（甲级）资质”的单位仅有二十余家，均为国内企事业单位，外国图商被完全排除在外。自身不具备资质的企业只能通过投资、合作等方式间接使用该测绘资质，例如吉利、东风等汽车厂商。由于高精地图关系到自动驾驶安全，一般来说，高精地图供应商一旦与整车厂形成封闭供应链，短时间内很难更换。除政策限制外，高精地图数据的采集和维护需要大量固定成本投入，使得行业进入壁垒较高，市场内呈现垄断格局态势。线控底盘和高精度地图是实现高阶自动驾驶的重要条件2.1 自动驾驶产业链关键环节分析17195.V2X。车联网（V2X）的概念源于物联网，即车辆物联网，是以行驶中的车辆为信息感知对象，借助新一代信息通信技术，实现车与车、车与人、车与路、车与服务平台等之间的网络连接。V2X不是单纯的联网技术或智能产品应用，而是融合了网联化、智能化和服务新业态，具备跨界特征。V2X主要有DSRC和C-V2X两个实现路线。DSRC由IEEE提出，发展自上世纪末，由欧美主导，经过二十多年发展，技术已相对成熟；C-V2X由3GPP提出，由中国主导，包括LTE-V2X和5GNR-V2X两种。目前，DSRC路线已基本被淘汰，C-V2X逐渐成为车联网主流技术。C-V2X技术基于蜂窝网通信技术演进形成，通过直连通信和蜂窝通信两种通信接口，相互配合，彼此支撑，形成有效冗余，支持各类车联网应用。此外，C-V2X还具备未来可支持高级别自动驾驶的演进路线优势，即5G-V2X。目前，我国已经明确选择C-V2X技术路线作为车联网的直连通信技术。随着政策的密集出台和大力扶持，V2X产业环境逐渐成型，并在多场景得以应用。车联网（V2X）产业环境逐渐成型，并在多场景得以应用2.1 自动驾驶产业链关键环节分析18图示：车路协同主要的应用场景智能网联汽车主要应用于智慧公交、物流服务、货运车队应用等交通管理主要应用于城市交通路网优化、静态交通管理等城市管理主要应用于城市道路施工管理、试驾应用、共享汽车应用、事故鉴定、汽车保险评估、车路协同大数据交易等20根据不同行驶里程和行驶区域，自动驾驶在物流领域的落地应用场景主要可分为干线物流和末端物流。1.干线物流。干线物流一般使用重卡，以高速公路为主，具有大批量、长距离、道路参与者相对简单的特点。长期以来，安全和成本问题是干线物流的两大痛点。在这一市场，60%运力为个体车主或小型车队，市场竞争激烈且无序，超载、超速、疲劳驾驶等问题普遍存在*1。搭载L3及以上自动驾驶系统的卡车可以实现高速上自动跟车、变道超车、主动避让、自动调头等多项驾驶功能，在解决安全问题的同时，能替代一名安全员，降低用工需求，减少人力成本，提高运输效率。产业和学术界认为，随着自动驾驶技术的应用，重卡运营成本或可降低26%，事故率或可降低80%*2。由于商业模式更易落地，干线物流场景的自动驾驶玩家众多，主要有主机厂商、智驾技术型企业、互联网公司等，市场竞争激烈。2.末端物流。末端物流是连接终端用户的短距离快递配送，常发生在小区、园区等封闭或半封闭场景，具有高频分散、即时性强的特征，存在配送效率低、成本高的行业痛点。相比于载人级自动驾驶应用，末端物流场景的行驶速度低、路段封闭、场景复杂度低，自动驾驶技术的落地难度大大降低，因而能够更早实现规模化的商业应用，搭载自动驾驶系统的无人配送车成为解决方案。通过配备雷达、摄像头等高精传感器，无人驾驶配送车能够实时感知和识别周边环境变化，根据配送物体的数量和需求，自助规划最优配送路线，降低人力依赖，减少重复配送，提高配送效率。目前，我国已经基本实现无人配送车核心零部件的自研自产自用，极大降低了产品成本，为规模化应用奠定基础，扫清成本障碍，实现无人配送车的小规模量产。干线物流的商业模式更易落地，末端物流已实现无人配送车的小规模量产2.2 自动驾驶主要应用场景物流19*1数据来源：亿欧智库，36氪研究院整理*2数据来源：36氪研究院根据公开资料整理21环卫行业主要有高度人力依赖和人员老龄化两大痛点。一方面，环卫是典型的劳动密集型行业，依赖大量人力，人力成本占60%以上；另一方面，在老龄化背景下，环卫工人的平均年龄也偏高，多数人员年龄超过50岁*。自动驾驶环卫车不仅能够节省人力，还可以提高环卫工作的智能化水平，提升环卫工作效率和安全性。随着智慧环卫被纳入政府部门和环卫服务公司的发展规划之中，环卫自动驾驶因其三千多亿的潜在市场空间，以及低速、安全风险更小的技术可行性，成为自动驾驶率先实现商业落地的场景之一。目前，切入环卫自动驾驶领域的科技公司众多，包括自动驾驶公司、服务机器人公司、泛人工智能应用公司等。对于正向现金流的追求和商业化盈利能力的期待成为各类玩家的共识。想要在环卫市场突出重围，除了优秀的商业拓展能力，技术、算法和数据的积累以及深耕行业的运营能力成为市场竞争的关键。环卫自动驾驶领域市场参与者众多，技术、算法和数据积累以及运营能力成为竞争关键2.2 自动驾驶主要应用场景环卫20图示：环卫自动驾驶领域的主要市场参与者自动驾驶公司限定场景自动驾驶公司，如云创智行等，专注环卫场景提供自动驾驶解决方案；L4自动驾驶科技公司，拓展落地应用领域，如文远知行、蘑菇车联等泛人工智能应用公司定位于人工智能技术的应用，提供多场景的AI解决方案，如云从科技等服务机器人公司专注于城市场景下的无人驾驶，或成立初期提供室内机器人技术和产品，逐步转向室外环卫场景，如酷哇机器人、深兰科技等*数据来源：36氪研究院根据公开资料整理22矿区工作存在安全性低和人力成本高两大痛点。一方面，矿区工作危险系数高，安全问题一直是行业的根本诉求；另一方面，矿山多在偏远地区，条件艰苦，危险系数高，即使提高工资也面临招工难的问题。自动驾驶能够减少作业人数，提升矿区工作安全性，降低人力成本，有效解决矿区痛点。因此，矿企对自动驾驶技术需求强烈。此外，矿山场景简单、道路封闭、整体条件较为有利，更利于自动驾驶技术落地。与国外相比，我国矿区自动驾驶起步较晚，主要由希迪智驾、踏歌智行、慧拓智能等自动驾驶公司牵头落地。矿山开采分为露天开采和地下开采，目前国内的自动驾驶企业几乎都聚焦于露天矿的运输场景。矿区自动驾驶解决方案是一项综合工程，不仅需要无人驾驶改装、线控化设计和匹配、加装软件算法和多传感器融合方案，还需要搭建调度系统、高精地图和通信网络，最终实现最优路径规划和决策控制。近五年来，国内企业加快矿山场景的技术方案研发和运营探索，多家公司已经开始小规模的车队测试运营。在政策支持、技术进步和市场需求驱动下，矿山自动驾驶商业化落地程度将逐步提升。据预测，到2025年中国矿山自动驾驶市场规模有望突破千亿元*。矿区自动驾驶整体处于初期测试阶段，随着商业化程度逐步提升，千亿市场规模可期2.2 自动驾驶主要应用场景矿山21图示：2019-2025年中国矿山自动驾驶市场规模（单位：亿元）数据来源：头豹研究院，36氪研究院整理544.6555.1589.3637.4688.5846.91,017.02024e201920202023e202120222025e*数据来源：头豹研究院，36氪研究院整理23港口是自动驾驶率先实现商业化落地的场景之一，多地港口落地应用自动驾驶集卡试运营2.2 自动驾驶主要应用场景港口22港口自动驾驶是典型的封闭低速运营场景，速度在30km/h以下的自动驾驶集卡，能够行驶在塔吊和堆场之间，负责运输集装箱。加之港口基建完善度高，路线复杂程度低，行人和车辆干扰少，自动驾驶技术的落地难度相对较低，是自动驾驶率先实现商业化落地的场景之一。港口水平运输自动化共有自动导引运输车AGV、自动驾驶跨运车、自动驾驶集卡三种解决方案。自2018年起，主线科技、西井科技、智加科技等国内多家自动驾驶技术解决方案提供商陆续进行自动驾驶集卡落地应用并逐步实现商业化试运营。目前国内已有十余个港口落地应用自动驾驶集卡，在北、中、南部沿海重要港口均有布局。据统计，预计2025年中国港口集卡L4自动驾驶渗透率将超过20%，L4港口自动驾驶集卡应用规模有望达到6,000-7,000 辆，中国港口自动驾驶规模将超过60亿元，占全球市场约30%*。解决方案AGV自动驾驶跨运车自动驾驶集卡感知、定位、导航系统道路预埋磁钉车载传感器车载传感器基础设施改造前期投入大、改造费用高基本无需场地改造基本无需场地改造采购、维护、保养成本单车成本高昂单车成本较高单车成本较低运输能力水平运输水平及垂直运输水平运输使用区域限制港内限定区域港内限定区域港内、港外、等级公路使用便利性仅能自动驾驶同时支持自动驾驶和远程控制同时支持自动驾驶和远程控制调整作业区域需重新铺磁钉简单易行简单易行未来技术升级潜力低高高适用港口大型新建港口堆垛箱数较少新旧港口新旧港口图示：港口自动驾驶运输解决方案对比数据来源：亿欧智库，国信证券，36氪研究院整理*数据来源：佐思汽研，36氪研究院整理24Robotaxi是自动驾驶技术落地的核心场景，通过全面升级共享出行服务体验，解决当前车辆安全隐患和用车痛点，其无人化和智能化优势将给出行方式带来巨大变革，推动市场空间走向万亿级规模。业界认为，我国Robotaxi商业化发展可分为四个阶段。商业化运营牌照的推出是拉开商业化序幕的标志；商业化1.0是运营政策赋能期，集中解决算法精进和长尾问题，为大规模商业化应用提供技术支撑；商业化2.0是技术成熟期，技术得到市场验证，实现大规模量产和落地；商业化3.0是成本效率优势期，Robotaxi的服务成本比人力更具竞争力，成为普遍出行方式*。目前，我国Robotaxi处于商业化测试阶段。面对技术和安全方面的长尾问题，获取数据以及通过数据迭代算法的能力成为各自动驾驶公司完善技术解决方案、实现商业化应用的核心竞争力。自动驾驶公司和出行服务运营商积极探索车队运营、算法降维以及场景开拓等多种商业化落地路径。Robotaxi处于商业化测试阶段，车队运营、算法降维、场景开拓成为商业化落地的探索路径2.2 自动驾驶主要应用场景Robotaxi23商业化0.0阶段商业化1.0阶段商业化2.0阶段商业化3.0阶段测试期运营政策赋能期驾驶技术成熟期成本效率优势期2022-2023年覆盖一二线城市渗透率5%仅在城市划定范围内试运营2023-2026年覆盖一二线城市渗透率5-10%+仅在城市划定范围内试运营2026-2032年一二线城市为主，低线城市参与渗透率20-60%扩展到更大的城市区域，包括市中心2032年后全面推广覆盖渗透率80%+几乎全程覆盖图示：中国Robotaxi商业化发展阶段特征参考资料：罗兰贝格，36氪研究院整理*参考资料：罗兰贝格，36氪研究院整理 地平线 蘑菇车联 轻舟智航 知行科技典型案例分析032426地平线成立于2015年，是行业领先的高效能智能驾驶计算方案提供商。作为推动智能驾驶在中国乘用车领域商业化应用的先行者，地平线致力于通过软硬结合的前瞻性技术理念，研发极致效能的硬件计算平台以及开放易用的软件开发工具，为智能汽车产业变革提供核心技术基础设施和开放繁荣的软件开发生态，为用户带来无与伦比的智能驾驶体验。依托领先智能计算架构技术，打造底层开放平台。地平线是国内率先实现大规模前装量产的车载智能芯片公