第一部分：行业的基本情况

一、自动驾驶发展历史：自20年开始，自动驾驶产业将步入黄金发展期

二、自动驾驶级别：当前全球自动驾驶处于L2向L3级别转变的阶段

三、自动驾驶产业链：上游感知、传输、决策和执行层，中游平台层，下游为整车与服务

第二部分：市场规模-软件定义汽车

一、感知层：自动驾驶汽车的眼睛和耳朵，增量空间达1900亿元

二、传输层：自动驾驶提供信号传输，增量空间超600亿

三、决策层：自动驾驶汽车大脑，增量空间超2200亿元

四、执行层：自动驾驶的四肢，增量空间达388亿元

第三部分：市场空间测算

第四部分：六大趋势驱动行业进步

一、趋势一：政策、技术驱动下，ADAS渗透率快速提升

二、趋势二：传统分布式电子电气架构向集中式转变

三、趋势三：软硬件解耦降低研发成本，构建汽车软件生态

四、趋势四：OTA升级将成为完全自动驾驶功能数据更新最佳实践

五、趋势五：传统车企重心向软件转移，多向合作以求优势互补+规模效应

第五部分：自动驾驶面临的主要挑战

第六部分：自动驾驶商用发展情况

一、Waymo 技术领先，商业化落地持续推进

二、图森未来技术与商用全面发展

第七部分：自动驾驶A股相关软件公司介绍

一、德赛西威

二、中科创达

三、四维图新

第八部分：自动驾驶软件投资逻辑 

摘要

1、产业链与市场空间：当前我国自动驾驶正处于L2向L3级别转化的阶段，预计2025年L2.5级别自动驾驶车辆渗透率为50%，2030年L2.5和L4级别自动驾驶汽车渗透率分别将达70%和18%。从产业链上看，仅上游（感知层、传输层、决策层、执行层）和中游平台层，到2025年新增市场空间达3088亿元，2030年可达7020亿元，10年复合增速为27%。

2、技术路径：欧美等国鉴于其道路的规范化优势和自动驾驶技术的成熟度，其自动驾驶技术路径以单车智能为主；中国则在追赶单车智能技术基础上，凭借体制、政策、环境、5G技术等优势重点发展车路协同，将车路协议与单车智能结合，有望实现换道超车。从行业发展来看，自动驾驶参与方主要有传统车企、互联网巨头和造车新势力等三类玩家。

3、核心推动力：当前推动自动驾驶产业向前发展的主要驱动力在于四个方面：1）产业政策不断加码：2020年11月，国汽智联发布最新的我国智能网联汽车技术路线图，明确提出到2025/2030年我国L2/L3级渗透率为50%/70%；2）5G技术加速助力C-V2X发展：车联网是5G应用的典型场景，当前我国5G基站建成超70万个，全球占比超70%，5G低延时、高可靠等特性可加快车联网和自动驾驶的研发进度，同时C-V2X技术标准路线已成为未来自动驾驶发展的通信路线标准，我国在C-V2X上拥有较强的先发优势；3）BATH等互联网巨头纷纷入局，加快推动自动驾驶技术发展和商业化应用落地；4）特斯拉的倒逼：当前特斯拉市值已超8千亿美元成为名副其实的车企巨头，其OTA技术、智能计算平台以及软件定义汽车的商业模式，带来的汽车领域的革命犹如当年的苹果手机对传统手机行业的颠覆，特斯拉的鲶鱼效应将加快推进自动驾驶产业不断向前。

第一部分：行业的基本情况

一、自动驾驶发展历史：自20年开始，自动驾驶产业将步入黄金发展期

自动驾驶汽车指主要依靠人工智能、视觉计算、雷达和全球定位及车路协同等技术，使汽车具有环境感知、路径规划和自主控制的能力，从而可让计算机自动操作的机动车辆。美国、德国等国家均将自动驾驶汽车视为未来汽车产业发展的主流趋势，各方面投入持续加大。

有别于传统人工驾驶车辆，自动驾驶车辆最大特点是AI技术的主导，其驾驶过程是机器不断收集驾驶信息并进行信息分析和自我学习从而达到自动驾驶的系统工程。伴随自动驾驶汽车的发展，每辆汽车将从过去的封闭转向开放，融入到联网的平台中进行实时的信息交互。

自动驾驶最早应用于20世纪90年代的美国军事领域，产业化开始于21世纪谷歌Moonshot计划中的无人车项目。以英特尔153亿美金收购无人驾驶视觉芯片公司Mobileye为标志事件，全球进入供应链整合期。2020年开始，主流车厂预计将陆续推出L3及以上自动驾驶量产车辆，自动驾驶产业有望进入黄金发展期。

二、自动驾驶级别：当前全球自动驾驶处于L2向L3级别转变的阶段

2016年，NHTSA和SAE对无人驾驶发展程度率先给出了分级定义标准，将智能网联汽车的无人驾驶程度由低到高划分为6个层级。2020年3月9日，我国工信部公示了《汽车驾驶自动化分级》推荐性国家标准报批稿，拟于2021年1月1日开始实施。

中美分类标准对每个具体的驾驶自动化功能分级结果基本一致。根据“开启自动驾驶功能后，驾驶员是否应该处于驾驶状态”为标准。SAE发布的自动驾驶分级标准中，L3级以上（包括L3级）的功能才能称之为“自动驾驶功能”；中国《汽车驾驶自动化分级》中，以L3为界限，动态驾驶任务的接管者的主体发生改变。因此，L3及以上级别才可被称为“高等级自动驾驶”。即自动驾驶以L3为分界线，L3以上（包括L3）被称为自动驾驶，L3以下被称为辅助驾驶。

现阶段高等级自动驾驶主要聚焦于限定区域应用场景。在高等级自动驾驶领域，因为前期研发投入大、技术难度高，L3级及以上自动驾驶汽车商业化进程缓慢，产业链合作伙伴抱团共同发展渐成常态。现阶段，高等级自动驾驶研发投入及商业化验证主要聚集在智慧园区/示范园区、港口、码头、停车场、高速等限定区域应用场景，以及商用车物流、自动泊车等细分领域，低成本自动驾驶解决方案以及可弥补真实道路测试验证的自动驾驶仿真测试需求凸显。但随着汽车产业“四化”转型加速，以及国家频繁发布产业红利政策加速推进围绕智能汽车等新经济生态的快速发展，自动驾驶载人、载物、高速测试等陆续开放，关键节点及核心领域具备前沿技术验证及整合服务能力的企业有望实现突破。

L2级自动驾驶，是通过驾驶环境对方向盘和加速减速中的多项操作提供支持，其余由人类操作。处于L0-L2时，人类驾驶者仍需始终驾驶汽车。

目前，业内已经可以看到非常完备的L2级自动驾驶技术的普及，也就是熟知的ADAS高级驾驶辅助系统（AdvancedDriverAssistanceSystem）。相较于更高级的无人驾驶技术在现今的交通体系建设以及法律法规上的局限性，近年来ADAS成为了许多车企炙手可热的新星，是汽车智能化的典型功能之一。其利用安装在车辆上的各类传感器（摄像头、毫米波雷达、超声波雷达等），在汽车行驶过程中实时地感知周围环境信息，对所收集数据进行系统运算与分析，从而对可能发生的危险进行预警，必要时ADAS可直接对车辆的减速或刹车控制，有效辅助人类驾驶。L3级自动驾驶，是由无人驾驶系统完成所有的驾驶操作，根据系统要求，人类提供适当的应答。车内仍需配备安全驾驶员，保证有突发情况时能够采取紧急措施。在车辆启动L3级自动驾驶功能期间，人类驾驶者无需驾驶汽车；当产生突发情况，功能请求人类接管驾驶时，则人类驾驶者必须驾驶汽车。即此时驾驶操作以及周边监控工作均由无人驾驶系统完成，人类驾驶者仅起到支援作用。

在商业应用方面，已可实现在高速公路、城市干道等结构化道路下的L3级自动驾驶功能。例如驭势科技L3级自动驾驶解决方案，该方案依据ISO26262汽车功能安全标准进行设计，具有创新性的系统架构，并自主掌握全套自动驾驶核心算法，可适配融合多种类型的传感器；该方案不仅具备完整L3级自动驾驶功能，还可向下兼容L2级自动驾驶功能。

L4级自动驾驶，是由无人驾驶系统完成所有的驾驶操作，根据系统要求，人类不一定提供所有的应答。车内可无需配备安全驾驶员。当车辆具备L4级自动驾驶功能，全程已无需人类驾驶者介入驾驶，无人驾驶系统可独立完成所有驾驶操作、周围监控以及支援工作，即实现真正的无人驾驶。但该级别仍然限定道路和环境条件，主要应用于无人物流、无人微公交（如无人小巴、RobotTaxi机器人出租车）、自主泊车等特定场景中。

L5级自动驾驶，是由无人驾驶系统完成所有的驾驶操作，车内无需配备安全驾驶员，且不限定道路和环境条件，即无人驾驶系统可在任何条件下驾驶车辆。目前，业界仍处于对L5的探索中，未来有了L5的无人驾驶商业创新也会更加多元、更加丰富，由无人驾驶带来的个性化能够与共享出行紧密契合。车辆在路上可以编队出行，单个车道的使用效率会提升3-4倍，不再需要十字路口的红绿灯，因为在全局调度算法下，所有的车都能够高效通过十字路口。停车也不再是问题，到目的地之后可以直接下车，共享出租车将会在道路上川流不息。

三、自动驾驶产业链：上游感知、传输、决策和执行层，中游平台层，下游为整车与服务

自动驾驶汽车功能的实现需要汽车制造商、零部件供应商、车载计算平台开发商、出行服务供应商等多方主体参与，因此，自动驾驶汽车的产业链较长。具体而言，上游包括感知层、传输层、决策层和执行层；中游为平台层，包括整合的智能驾舱平台、自动驾驶解决方案以及传统的车联网TSP平台；下游主要为整车厂和第三方服务。

其中，上游感知层包括车载摄像头、雷达系统、高精度地图、高精度定位、导航系统、路侧设备等；传输层基于通信设备和服务为自动驾驶提供信号传输，主要包括通信设备和通信服务；决策层包括计算平台、芯片、操作系统、算法等；执行层，对决策命令进行执行，包含线控、电子驱动/转向/制动、系统集成及其他汽车零部件厂商。四条系统环环相扣，实现汽车网联化功能。

第二部分：市场规模-软件定义汽车

一、感知层：自动驾驶汽车的眼睛和耳朵，增量空间达1900亿元

感知层用于感知外部环境变化、获取相关信息。主要包括智能硬件（传感器、RFID及车载视觉系统等）、导航（GPS、北斗以及惯性导航系统）、路侧设备等。

智能硬件是智能汽车的“眼睛”。无人驾驶硬件系统包括有传感器、RFID、车载视觉系统等。随着车联网、智能互联成为未来趋势，相关硬件产品需求量也日益增大。根据赛迪智库《2020年中国汽车电子产业发展形势展望》，汽车电子、装置在汽车制造成本中所占的比重逐年提高。通过硬件系统，感知并采集环境信息是无人驾驶的第一步。

自动驾驶汽车感知层带来的市场增量主要在传感器，当前行业内主流研发和应用的自动驾驶汽车传感器为车载摄像头、超声波雷达、毫米波雷达、激光雷达等，不同的组合形成了以视觉主导（摄像头+毫米波雷达+视觉芯片）和以多传感器融合（激光雷达+毫米波雷达+摄像头）为主导两种路径。无论何种路径，均会带动传感器的需求增长，测算，预计到2025年传感器市场规模将达609亿元，到2030年将达1901亿元，10年复合增速约30%。

1）传感器：目前主流的自动驾驶传感器以摄像头和雷达为主。车载摄像头模拟人类的视野，合成汽车周围的环境图像。按摄像头的安装位置不同，可分为前视、侧视、后视和内置四种类型。

前视摄像头最为重要，主要布置在车外用于感知车道、行人、路侧等环境，按照不同功能解决方案可分为单目、双目和多目等。摄像头在车内主要应用于倒车影像（后视）和360度全景（环视）。高端汽车的各种辅助设备配备的摄像头可以多达8个，用于辅助驾驶员泊车或触发紧急刹车。

雷达传感器分为超声波雷达、毫米波雷达和激光雷达。雷达传感器的基本原理是通过电磁波遇到障碍后的反射信号，实时计算出汽车与障碍物的距离与接近速度。超声波雷达发射回声脉冲识别障碍物，主要用于泊车测距、辅助刹车等，价格较低应用较广。毫米波雷达通过天线发射毫米波信号，阅读反射信号识别车身周围环境，有24GHz（短距测量）和77GHz（长距测量）。激光雷达基于波长在900nm~1500nm左右的激光探测和扫视空间三维信息，精度最高且抗干扰能力强，但价格最贵且容易受到极端天气影响。

目前自动驾驶传感器的选择存在两种不同的路径：一种以摄像头主导，搭配毫米波雷达，使用先进的计算机视觉算法实现全自动驾驶，典型代表有Moblieye、特斯拉和百度ApolloLite；另一种则以激光雷达为主，同时搭载毫米波雷达、超声波传感器和摄像头，远距离全方位探测能力强，但成本相对较高，典型代表为谷歌Waymo、百度Apollo（除ApolloLite）、文远知行等主流自动驾驶厂商。目前两种路径尚未分出胜负，但认为随着自动驾驶技术的发展，激光雷达的价格有望下降，其全方位探测能力和不易受环境影响的优势将逐渐显现出来，有望成为未来自动驾驶汽车主流的配置。

RFID又称无线射频识别，是自动驾驶的耳朵。RFID是一种通信技术，可通过无线电讯号识别特定目标并读写相关数据，而无需识别系统与特定目标之间建立机械或光学接触。RFID主要由标签、阅读器/读写器、天线三个部分组成。标签的主要功能是附着在物体上用以标识目标对象，由耦合元件及芯片组成，具有唯一的电子编码；阅读器/读写器的主要功能是读取(或写入）标签信息；天线的功能则是在标签和阅读器之间传递射频信号。RFID应用于车联网的优势是，能够快速识别多个高速运转的物体，安全性好，识别速度快、距离远，数据存储量大等。RFID技术的衍生产品主要有三类，分别是无源RFID、有源RFID和半有源RFID。目前我国已初步形成较为完善的RFID产业链，但在与车联网密切相关的超高频RFID研发领域与先进技术仍有差距。

车载视觉系统是感知层硬件的整合，借助机器视觉技术进行图像增强和数据处理。车载视觉系统主要应用于视觉增强的驾驶辅助。采用CCD、红外传感器、车速传感器、GPS及毫米波雷达等传感器获取道路信息，通过图像处理软件进行信息的传输与处理，提取低能见度、低照度下交通环境中的有用信息并剔除噪声，在最短的时间内以图像的形式提供给驾驶员，提高车辆行驶的安全度。除了直接反馈给驾驶员图像外，车载视觉系统已经发展出路况检测、行人车辆分析、交通标志识别、车道线等地面标识识别、驾驶员疲劳驾驶提醒等种种功能。比如车内摄像头实时捕捉驾驶员面部信息，通过声音、光线、振动等刺激驾驶员，使其恢复清醒状态。

导航系统是智能汽车的指南针。无人驾驶汽车的导航定位主要通过全球定位系统（GPS）、北斗卫星导航系统（BDS）、惯性导航系统等实时获取车辆的位置、航向、速度。L1、L2级导航定位仅需要实现ADAS导航级精度即可；L3-L5级自动驾驶需要厘米级精度导航。

路侧设备是保证自动驾驶实现“车路协同”的必要条件。自动驾驶若仅只有车端的数据，难以实现安全、准确的驾驶，路端的一系列设备也必不可少。车联网路侧建设重点包括RSU、路侧智能交管设施、MEC设备等。

路侧单元（RSU）类似于通信“小基站”，主要由射频模组构成，也根据终端应用的场景外接各类不同设备。RSU安装在路侧，采用DSR技术，与车载单元OBU进行通讯，实现车辆身份识别，电子扣分的装置。主要功能包括：接收与发送数据，作为车联网信息中转站；感知道路状态；执行信号灯操作；对接路侧可变信息牌等。区别于车载终端，路侧单元与中国的交通系统和交通环境有密切的耦合性与相关性。目前的RSU供应商主要来自于自主企业，包括大唐、华为、东软、星云互联、金溢科技、千方科技、万集科技等。

路侧智能交管设施包含道路交通信号控制、道路交通视频监视、道路交通流信息采集、道路交通违法监测记录、道路交通信息发布等。随着V2X技术的演进与发展，全新的应用场景对路侧交管设施提出新的应用需求，衍生出面向智能网联车辆的信息交互、服务等应用需求。后期规划通过修订现有设施标准、制定新的信息交互接口规范来指导现有路侧交管设施的升级改造，如《道路交通信号控制机信息发布接口规范》（送审稿）规定了信号灯色、控制状态、可变车道功能、交通事件、车辆状态等信息的发布与接收。

移动边缘计算MEC通过在网络边缘处部署平台化的网络节点，具有低时延、高算力、高存储、个性化的优势。在现有的车联网系统中，车与车、车与路侧设备间的数据传输与转发，都需要经过云计算中心的处理，传输路径较大，数据量较大，对云计算平台的数据处理能力及传输时延的要求都较高。将MEC引入车联网中，可将云计算的部分功能下沉到MEC中，大大降低数据的传输时延。MEC与LTE-V2X结合，拓展了车联网业务应用场景，ICT企业，包括三大电信运营商及华为、中兴、诺基亚等设备商纷纷布局MEC在车联网领域的应用。

二、传输层：自动驾驶提供信号传输，增量空间超600亿

传输层是基于通信技术将感知层获得的环境信息转换成信号传导到决策层，类似人体的传输神经。传输层主要包含通信设备和通信服务，其中通信设备以元器件、信息交互终端等为主，通信服务主要为DSRC和C-V2X两种服务自动驾驶的无线通信技术。

传输层的增量来自于V2X带来的通信芯片、通信模组以及信息交互终端OBU、RSU和T-BOX等。认为自动驾驶带来的不仅仅是单车的网联化，还需必备路的智能化，即车路协同。因此，预计传输端将带来通信芯片、模组等通信元器件以及车路信息交互终端的爆发。预测自动驾驶传输层的价值空间到2025年达到395亿元，2030年达到629亿元，10年复合增速为18.79%。

通信元器件：通信芯片、通信模组。通信芯片是处理各种数据的中枢，目前市场主流通信芯片有华为双模通信芯片Balong765；大唐的PC5Mode4LTE-V2X自研芯片；高通的9150LTE-V2X芯片组。通讯芯片及外围器件组成了通信模组，如华为基于Balong765芯片的LTE-V2X商用车规级通信模组ME959；大唐基于自研芯片的PC5Mode4LTE-V2X车规级通信模组DMD31；移远联合高通发布的LTE-V2X通信模组AG15。

信息交互终端：OBU、RSU和T-BOX。OBU是车载单元，是采用DSRC技术，采集车况、路况、行人信息，提供与RSU及其他OBU的通讯信息交互功能。路侧单元RSU能够接收与发送数据，作为车联网信息中转站；感知道路状态；执行信号灯操作；对接路侧可变信息牌等。T-BOX又称TCU（车联网控制单元），是安装在汽车上用于控制跟踪汽车的嵌入式系统，包括GPS系统、移动通讯外部接口电子处理单元、微控制器、移动通讯单元以及存储器，主要有总线信号收集和服务器通信两大类功能，可实现汽车与TSP服务商的互联，通过手机APP端发送控制命令。目前国内车厂前装T-Box渗透率约为25%。

通信技术：DSRC和C-V2X。目前主流的无线通信技术有两种，一种是基于Wi-Fi技术也被称为DSRC（专用短距离通信）的技术路线，以日本、美国为代表主导；另一种是中国主导的基于蜂窝网络特别是5G技术的CV2X（蜂窝车联网）。随着中国5G及配套产业的不断落地，政府和中国企业更倾向于C-V2X的技术方向。

C-V2X代表车联网未来技术发展方向。DSRC基于wifi技术较为成熟，商用化程度领先。C-V2X（Cellular-V2X）则是基于3G/4G/5G等蜂窝网通信技术演进形成的车用无线通信技术，可实现长距离和更大范围的可靠通信，在技术性和先进性及后续演进方面优于DSRC，代表了车联网未来的技术发展方向。2020年11月18日，美国联邦通信委员会（FCC）正式投票决定将5.9GHz频段（5.850-5.925GHz）划拨给Wi-Fi和C-V2X使用，其中30MHz带宽（5.895-5.925GHz）分配给C-V2X，这标志着美国正式宣布放弃DSRC（IEEE802.11p）并转向C-V2X。美国转向之后，意味着由我国主推的C-V2X将成为全球范围内广受认可的行业事实标准。

三、决策层：自动驾驶汽车大脑，增量空间超2200亿元

当前，从技术角度看，随着ADAS系统的广泛部署和以及长时间的技术开发，自动驾驶感知技术已经不是主要瓶颈；传输层自C-V2X胜出之后，技术路线也已基本确定；执行层则是主机厂和Tier1厂商擅长的领域。因此，认为自动驾驶技术实现的真正门槛就在于决策层上。决策层通过利用感知层、传输层反映回来的信息，建立相应的模型，制定出适合的控制策略。由于真实路况的复杂程度，以及不同人对于不同路况的不同解决对策，决策算法需要覆盖多数罕见路况的海量数据以及完善高效的人工智能技术。从功能上看，决策层主要包含操作系统、芯片、算法、高精度地图以及云平台等核心构成元素。

自动驾驶决策层带来的增量空间主要在于自动驾驶AI芯片和对应的高精度地图，这两者是L3及以上级别自动驾驶汽车必备的功能要素。经测算，到2025年自动驾驶决策层可见的增量空间将达1138亿元，2030年将达2236亿元，10年复合增速达23.44%。

1）操作系统：为自动驾驶提供底层支撑

自动驾驶操作系统从功能上可以分为三大类，分别为智能座舱操作系统、智能驾驶操作系统、智能车控操作系统。

智能座舱操作系统：智能座舱操作系统主要为车载信息娱乐服务以及车内人机交互提供控制平台，是汽车实现座舱智能化与多源信息融合的运行环境，支撑用户应用平台的定制开发。从用户端为语音图像识别、人机交互、地图导航、信息安全、人-车-路-云数据融合等应用提供支撑。随着汽车场景逐渐转变为智能移动终端，智能座舱操作系统需要通过支持更多个性化的应用服务及强大的生态，面向客户进行差异化竞争。目前，全球智能座舱操作系统的标准还未统一，在传统智能座舱操作系统中，QNX占据了40%以上的市场份额，但随着智能座舱信息娱乐应用的逐渐丰富，拥有强大生态基础的开源操作系统Linux（含Android）占据第二大市场空间。

智能车控操作系统：智能车控操作系统是实现车辆自动行驶功能、动力性的运行基础。车控操作系统为车载控制ECU的硬件与算法提供了接口与交互平台，基于POSIX标准的操作系统，适用于自动驾驶所需要的高性能计算和高带宽通信。车控操作系统技术发展较早，目前标准化工作已经开展。其中，由宝马、博世、戴姆勒、通用等大型车企作为核心成员的汽车开放系统架构组织AUTOSAR建立的Adaptive平台，采用了开放式架构和代码开源方式，目前已经成为国际主流的标准架构。不仅实现了降本增效，还保障了车辆的安全性和一致性。

智能驾驶操作系统：智能驾驶系统由感知层、决策层和执行层三个层面构成。首先通过各项传感器采集车辆周围的数据，并进行整合；其次在决策层将整合后的数据进行分类处理，加以分析后发出指令；最后，车辆各部分电子元件执行指令。其中，智能驾驶操作系统处于决策层，主要完成对收集上来的数据的分类处理、分析、发出指令等操作，需要强大的算法以及芯片性能来支撑。目前正处于L2、L3级别自动驾驶的上行阶段，各厂商基于OSEK/VDX、AUTOSAR等技术规范，研发出各自的智能驾驶操作系统产品，并向Tier1供应商提供解决方案。

从架构来看，自动驾驶系统又可分为底层操作系统、中间层以及上层系统。

底层操作系统：管理汽车整个硬件、软件资源，所有应用和服务都必须在底层OS上运行，给用户和其他软件提供接口和环境。目前，较为主流的底层汽车操作系统有QNX、Linux、Android，以及鸿蒙、AliOS等中国互联网企业研发的操作系统

中间层：下接底层OS厂商，将标准化产品接口对接到中间层平台上，同时，向上对接应用层开发商及服务商，在将定制化开发工作集中在业务层面。根据ICVTank的预测，2020年国内自动驾驶系统中间件市场规模可达10亿元人民币。

上层系统：由各类车厂、解决方案提供商在底层OS基础上为客户定制的各类个性化操作系统都属于上层应用系统。近年来，互联网巨头BATH、造车新势力、整车厂均已进行布局。其中，互联网企业依托其软件方面的经验以及多年积累的应用生态体系，在上层操作系统领域具有较大优势。互联网企业阿里依托AliOS作为底层架构的斑马智行系统，互联网企业苹果依托iOS的Carplay，造车新势力特斯拉基于Linux的Version系统，以及传统车厂宝马基于QNX的iDrive智能车载系统，目前都已经在部分车型上实现适配及应用落地。未来也将会有更多企业入局。

2）芯片：为自动驾驶提供算力支撑

芯片是汽车必不可少的核心部分，按照不同功能可为三类，一类是传统的IVI芯片，目前正逐步升级为智能驾舱芯片；第二类是负责自动驾驶功能的芯片，按照算力需求其演进路线为CPU→GPU→FPGA→ASIC；第三类是车身控制MCU芯片。此外，还有多种其他功能的芯片，如摄像头芯片，AMP芯片、功率半导体芯片、胎压监测芯片TPMS、BMS芯片等。

汽车芯片市场规模快速增长，垄断格局逐步打破。据ICVTank数据显示，2019年全球汽车芯片市场规模达465亿美元，同比增长11%，受全球新冠疫情的影响，在汽车销量下滑冲击下，2020年全球汽车芯片市场规模将有小幅下滑，预计规模为460亿美元。2019年，恩智浦占全球汽车芯片市场14%，英飞凌次之，占比11%，目前全球汽车芯片的市场集中度较高，行业CR4为43%，行业CR8达63%。随着汽车行业加速进入智能化时代，这一格局将逐步打破，包括以高通、英伟达为代表的传统汽车半导体厂商、以谷歌、亚马逊、苹果等为代表的互联网科技公司、以奥迪、宝马、特斯拉为代表的整车企业大举进军自动驾驶芯片领域，行业未来将会形成多头竞争的格局。

IVI芯片为车载信息娱乐系统芯片，随着自动驾驶的技术的发展，IVI逐步升级为智能驾仓，其包含的智能座舱电子的连接越来越多，包括V2X、WIFI、蓝牙、4G、T-BOX，高精度地图等。目前，各大Tier1正在推出或在研的智能座舱平台方案，包括NXP、瑞萨等传统汽车芯片供应商外，以及高通、英特尔等在内的老牌芯片企业和国产芯片商全志科技，都在纷纷推出自家的智能座舱芯片产品。

自动驾驶芯片演进路线为CPU→GPU→FPGA→ASIC。传统CPU算力不足，难以满足处理视频、图片等非结构化数据的需求，GPU同时处理大量简单计算任务的特性在自动驾驶领域成为主流方案。目前已有的主流芯片类型中，GPU擅长云端训练，现阶段占据自动驾驶芯片主导地位，但其功率较高且推理效率一般；FPGA芯片算力强，客户可根据需求编程，改变用途，但功耗高，量产成本较高，目前主要适用于应用场景较多的企业、军事等用户；ASIC芯片是专门针对特定客户特定目的设置的专用芯片，只搭载一种算法，形成一种用途，首次“开模”成本高，但量产成本低。此外，ASIC芯片功耗低、体积小等特点非常符合车规级产品的标准，目前主要适用于场景单一的消费电子，“挖矿”等客户。结合ASIC的优势，综合考虑算力、功耗、成本等因素，认为长远看自动驾驶的AI芯片会以ASIC为主流解决方案。

国产自主芯片加速追赶。在高级芯片赛道中，英伟达、高通、华为、谷歌、特斯拉等厂商拥有较强的先发优势，但随着自动驾驶快速发展，国内其他芯片厂商也在加速追赶。2020年5月，北汽集团旗下北汽产投与Imagination集团合资成立北京核芯达科技有限公司，在汽车芯片领域提供先进解决方案。除此之外，上汽、长安、比亚迪、吉利汽车等汽车企业，以及地平线、寒武纪、黑芝麻等高科技企业都在发力车载芯片领域。

3）算法是决策层的核心竞争力

区分一套系统是ADAS还是自动驾驶（L2到L3的跨越）主要是看该系统是否有决策部分，而决策层的核心竞争力基本体现在决策算法方面。典型的决策规划模块可以分为三个层次：路径规划、行为决策和运动规划等，而这三者功能的完成均建立在对应的算法之上。

全局路径规划是指在给定车辆当前位置与终点目标后，通过搜索选择一条最优（路程最短或时间最快）的路径。常见的全局路径规划算法包括Dijkstra和A算法，以及在这两种算法基础上的多种改进。

在确定全局路径之后，自动驾驶车辆需要根据具体的道路状况、交通规则、其他车辆与行人等情况作出合适的行为决策。由于真实的驾驶场景的高度复杂性，真正实现L4、L5级别自动驾驶技术的核心瓶颈在于：需要解决在多智能体决策的复杂环境中，存在感知不确定性情况的规划问题。深度学习的快速发展为这一问题的解决带来了曙光，目前常见的行为决策模型主要包括有限状态机模型、决策树模型、基于知识的推理决策模型、基于价值的决策模型等，模型的效用均在加速探索中。

最后，运动规划（MotionPlanning）层根据具体的行为决策，规划生成一条满足特定约束条件（例如车辆本身的动力学约束、避免碰撞、乘客舒适性等）的轨迹，该轨迹作为控制模块的输入决定车辆最终行驶路径。常见的运动规划算法包括：基于搜索的算法、基于采样的规划算法、直接优化方法、参数化曲线构造法和人工势场法等。不同算法的完备性和最优性不同。

综合来看，由于自动驾驶车辆在复杂环境中作出最优决策，这一问题与强化学习的定义非常吻合，认为随着深度强化学习技术的快速发展，会有越来越多的研究团队开始将其应用于自动驾驶决策规划中，将行为决策与运动规划模块相融合，直接学习得到行驶轨迹，同时结合车辆动力学以及状态参数估计，有望逐步突破完全自动驾驶的技术瓶颈。

四、执行层：自动驾驶的四肢，增量空间达388亿元

执行控制好比“驾驶员的手脚”，是自动驾驶真正落地的基础。执行层是无人驾驶系统的最底层，其核心任务是通过驱动、制动及转向控制系统，相互配合，使汽车能够按照决策部分规划的轨迹稳定行驶，并且同时能够实现避让、保持车距、超车等动作。随自动驾驶的发展，执行层由驾驶员施加人力、通过真空和液压等推动的方式逐渐被电子化、电动化系统所替代，电信号替代机械力的线控技术在自动驾驶时代全面渗透。

自动驾驶执行层带来新的增量市场主要源自于域控制器和线控执行等功能设备。到2025年自动驾驶执行层可见增量市场规模将达135亿元，2030年将达388亿元，10年复合增速超30%。

电子驱动：发展成熟，相比传统驱动优势明显。电子驱动的工作原理：传感器将监测到的油门踏板高度变化送往ECU，ECU对该信息和其它系统传来的数据进行运算处理得到控制信号，通过线路送到伺服电动机继电器从而调整节气门，系统中数据总线负责系统ECU之间的通讯。相比传统拉线油门，在硬件上，电子驱动需要添加油门位置位移传感器和伺服电机及其驱动器、执行机构，并加ECU接线；在软件上，需要开发分析位置传感器信号、综合车况给出控制指令的算法，并且集成在车载ECU上，因此成本提高，且有一定延迟效果，但同时电动化替代能够达到舒适性和经济性均佳、改善发动机的节油、排放性能的效果，有效减少了误操作导致的熄火或闯动，提高稳定性，是实现自动驾驶的必然选择。其中最常见的是ASR（牵引力控制系统)和速度控制系统（巡航控制），目前已经得到广泛的应用。

电子制动：执行层最关键部分。传统制动系统主要由真空助力器、主缸、储液壶、轮缸、制动鼓或制动碟构成，当踩下刹车踏板时，与其连接的推杆将力传递到真空助力器，通过大气压和真空的压力差将力矩放大，传送给液压制动总泵从而进行制动。电子制动就是以电子元件来取代液压或者气压控制单元，经历了从真空液压制动（HPB）到电控和液压结合（EHB），再逐步转向纯电控制的机械制动（EMB）和智能化线控制动的发展。EHB与EMB为目前市场最主流的两种解决方案，其主要区别在于制动力来源，前者制动力由液压蓄能器提供，后者由电机来提供。由于真空环境的稳定性决定了制动操作难易度，而电子制动利用电子真空泵通过电机直接驱动产生真空源，将原有的真空助力器、制动总泵及带有车辆稳定系统的ABS总泵进行了集成，有效解决了传统模式启动时真空度不够的问题，可实现制动能量回收最大化。

EHB是电子与液压系统相结合的多用途、多形式制动系统。EHB即线控液压制动器，由电子系统提供柔性控制，液压系统作为备用系统提供动力，确保系统电子部分故障时系统制动能力的稳定运行。EHB通过蓄能器能够连续多次提供制动压力，并可分别对4个轮胎的制动力矩进行单独调节。和传统制动相比，EHB结构紧凑、改善了制动能、控制方便可靠、制动噪声显著减小、不需要真空装置、有效减轻了制动踏板的打脚、提供了更好的踏板感觉。由于模块化程度的提高，设计灵活性提高、制动系统零部件数量减少，节省了车内布置空间。EHB系统仍然需要液压部件，不具备完全电子制动的优点，可看作EMB系统的先期产品。

EMB系统是机电一体化系统。EMB系统通过电子控制系统对制动电机实施电流控制，在原制动分泵处建立机械推力，通过原盘式制动器的夹钳从两侧夹紧摩擦盘，实现车轮制动。电子元件替代液压元件，大大简化了制动系统的结构、便于布置、装配和维修，同时降低了环境污染。结构简单、功能集成可靠的电子机械制动系统逐渐受到更的青睐，EMB将最终取代传统制动器，成为未来车辆的发展方向。

电子转向：电动助力EPS占据主流。类似制动系统，传统机械液压助力转向系统（HPS）几乎被替代，升级至电子液压助力转向系（EHPS），由电力驱动的电动助力转向系统（EPS）逐步占据主流。EHPS在传统机械结构上增加液压反应装置和液流分配阀，新增电控系统包括车速传感器、电磁阀、转向ECU等，使得转向油泵由电动机驱动，解决了转向助力与车速的适配问题，并有效的减少了油耗，主要适用于中大型商用车、大型MPV和SUV。由于结构和技术过于复杂，EPS系统以传动效率更高（90%+）、能耗更低、装配简单方便、操纵稳定性、主动回正趋势等优势，逐渐取代EHPS成为目前主流的乘用车转向助力方案。

执行控制层技术主要掌握在国外Tier1及主机厂手中，国内基础相对薄弱。执行控制产品研发主要依靠数据积累，需要不断测试和优化。目前落地自动驾驶的执行控制部分被国外Tier1垄断，大多不开放，典型有博世Ibooster，日立EACT，大陆MKC1，天合IBC等。相比而言，国内供应商大多技术储备不足，为生产型Tier1，电子制动系统方案上以EHB为主，包括联创CBS、同驭EHB、上海制动系统等，乘用车方面供应商有亚太股份，商用车方面供应商有万安科技，拓普集团电子真空泵进入量产装车。转向系统方面，厂商集中度较高，主要集中在美国、欧洲、日韩等地，外资品牌包括捷太格特、采埃孚（被博世并购）、日本精工、万都、现代摩比斯等，自主品牌包括中汽系统（CAAS）、湖北恒隆企业集团、豫北转向系统、耐世特、易力达机电、湖北三环、浙江世宝等。

智能座舱是车企智能化、高端化的刚需，也是未来智能网联汽车的主要组成部分之一。它以座舱域控制器（DCU）为核心，推动包含液晶仪表盘、中控屏、流媒体后视镜、抬头显示系统等部件在内的多屏融合，实现语音控制、手势操作等更智能化的交互方式。从汽车整体架构来看，座舱域控制器（DCU）链接传统座舱电子部件，进一步整合智能辅助驾驶ADAS系统和车联网V2X系统，使智能汽车可以进一步优化整合自动驾驶、车载互联、信息娱乐等功能，完整的解决方案帮助智能汽车从代步工具逐渐成为可移动生活空间。

智能座驶舱产业链分为硬件和软件两部分。硬件包括了传统中控和仪表盘，以及新纳入的抬头显示器HUD、后座显示屏等HMI多屏，软件则由于加入了手势语言在内的交互技术，包含底层嵌入式操作系统、软件服务、ADAS系统等应用。软硬件底层技术根据产品的不同需求应用到各个智能化零部件中；不同智能化零部件在座舱内集成形成一套完整解决方案，以整车体现，整车进而销售给车主；与此同时，基础设施参与整个流程，为各环节提供数据传输、运算存储等服务。

智能座舱产业趋向于跨界、融合、集成的网状结构。上游零部件企业寻求后向一体化，下游整车厂寻求前向一体化，独立研发算法和智能硬件，与此同时，新兴互联网公司与传统整车、零部件企业进行深度合作，共同推出智能座舱整体解决方案。对于整车厂而言，其拥有成熟的汽车研发、生产、供应链体系，但相对来讲软件开发实力略有不足，缺乏良好的生态体系。对于新兴互联网公司而言，其具备完善的应用生态、强大的系统开发能力，但缺乏与相关行业经验，对硬件的集成开发的能力相对较弱。对于Tier1供应商而言，其独特优势在于系统定制能力和丰富的车规级硬件开发经验

算法软件数据将成为价值链重心。互联网和科技公司在产业中占比升高，他们在算法、芯片、网络连接和生态系统搭建上占据优势，而传统主机厂和Tier1则在汽车传统的生产制造环节有丰富经验。未来可能主要为两种跨界模式：一是传统车企和Tier1与互联网巨头合作，比如上汽和阿里。车企将相对封闭的生产数据一定程度开放给互联网企业，用于座舱智能化的升级；二是零部件大厂收购有发展潜力的科技公司，从而掌握核心技术。长期来看，整个汽车价值链的重心将从硬件生产制造逐渐转向系统、算法等软件层面，掌握核心软件能力、数据的互联网公司，及转型及时的主机厂将占据行业主导地位。国内汽车发展虽然落后国外，但互联网行业一直占据主导，拥有流量和生态优势。因此，国内车企、其他供应商借助互联网，有望赶超国外大厂。

从企业类型来看，无论是传统国际品牌，还是造车新势力和国内自主品牌，在智能座舱上都积极布局，近一两年都有产品完整产品落地。从交互方式来看，自然语音识别方式以其符合正常对话逻辑、良好的交互体验得到了众多品牌认可，造车新势力、国内自主品牌以及奔驰、宝马、奥迪都搭载了自然语音识别模块。从操作系统看，大部分企业有自研或自有的、以QNX、Linux和安卓底层构架的配套操作系统。芯片方面，高通和英伟达市场认可度依旧很高。中控屏和仪表盘则呈现了明显的大屏集成偏好，全液晶中控屏和仪表盘快速渗透自主品牌及造车新势力，而HUD主要为选装搭载，渗透率相对较低。

第三部分：市场空间测算

当前我国自动驾驶正处于L2向L3级别转化的阶段，预计2025年L2.5级别自动驾驶车辆渗透率为50%，2030年L2.5和L4级别自动驾驶汽车渗透率分别将达70%和18%。自动驾驶带来的市场增量，从产业链上看，仅上游（感知层、传输层、决策层、执行层）和中游平台层，到2025年中国自动驾驶产业新增市场空间达3088亿元，2030年可达7020亿元，10年复合增速为27%。

自动驾驶发展路径与核心参与方：技术路径上看，欧美等国鉴于其道路的规范化优势和自动驾驶技术的成熟度，其自动驾驶技术路径以单车智能为主；中国则在追赶单车智能技术基础上，凭借体制、政策、环境、5G技术等优势重点发展车路协同，将车路协议与单车智能结合，有望实现换道超车。从行业发展来看，自动驾驶参与方主要有传统车企、互联网巨头和造车新势力等三类玩家。在路径选择上，传统车企在加速技术追赶的同时考虑量产和安全，采用渐进式发展路径从L1逐步过渡到L2及以上，当前主要处于L2.5阶段；互联网厂商与造车新势力则凭借其在软件、算法和算力等方面的优势选择跳过L1/L2等低级阶段，直接以L4/L5自动驾驶为目标跨越式发展，当前部分L4级已率先在特定场景的商用车领域落地，乘用车领域正在加速追赶。此外，Tier1和OEM等厂商也同步从辅助驾驶层级进入自动驾驶市场。

第四部分：六大趋势驱动行业进步

经历了百年的发展，汽车行业目前正面临从机械硬件转向软件电子的变局，对整车厂能力的要求不再局限于海量零部件的集成。2016年，百度高级副总裁、自动驾驶事业部总经理王劲首次提出“软件定义汽车”（SoftwareDefinedVehicles,SDV）的概念。软件从商业模式、产品焦点、研发流程、人才结构、产业关系等多方面改变汽车，业界达成“软件定义汽车”共识。

需求侧-从单一出行工具转变为具有强烈个人属性的生活第三空间，消费者对汽车认知的发展导致汽车代码及计算量激增；供给端-整车ECU冗余，分布式架构造成大量算力浪费，框架无法复用，硬件无法升级，OTA无法统一，不能满足现阶段汽车发展需求。据麦肯锡《汽车软件与电子2030》，汽车软件在乘用车的整车价值中占比预计2020年到2030年复合增长率为11%，将从10%增至30%；汽车软件和电子电气架构市场预计2020年到2030年复合增长率为7%，将从2380亿美元增至4690亿美元。

一、趋势一：政策、技术驱动下，ADAS渗透率快速提升

政策规定推动ADAS普及。各国自2014年起陆续将AEB纳入汽车产品考核评分列表中，无AEB车型不能获得最高评价。2016年起，欧美日中陆续强制标配AEB。

感知层、判断层核心部件成本快速下降，预计十年后整车成本降幅可达50%。多传感器融合成趋势，激光雷达、毫米波雷达及摄像头之间的互补能保证信息获取充分，随技术进步成本快速下降。其中，激光雷达市场竞争日益白热化，提供平价产品、加速商业化应用已成为发展趋势；VelodyneHDL-64E售价高达80000美元，而2020CES中Robosense、博世、镭神智能、Innovusion等企业发布的新产品价格不断下探，Velodyne旗下Velabit大规模生产后价格仅为100美元左右。芯片及计算平台等判断层标准化硬件的成本由于规模效应快速下降。根据YoleDevelopment，目前一辆自动驾驶汽车的成本在19万美元，到2032这一成本将降至9.5万美元。

二、趋势二：传统分布式电子电气架构向集中式转变

传统分布式电子电气架构造成大量算力浪费，亟需向跨域集中式转变。汽车电子电气架构（ElectronicandElectricalArchitecture，EEA）最初由德尔福公司提出，用于定义汽车5个子系统下多个电控单元（ECU）间的连接方式与网络拓扑结构。其中，传统分布式电子电气架构主要用于Level0-2级别车型，采用分布式的控制单元，资源协同性较低，属于硬件定义汽车阶段；域控制器电子电气架构主要用于Level3及以上级别车型，通过整合域控制器实现分散车辆硬件间的信息互通和资源共享，软件可升级、硬件和传感器可更换拓展，属于过渡形态；集中式电子电气架构则用于车载电脑级别车型，集成化趋势将消减大部分ECU，传感器与执行器受中央计算单元支配，到达软件定义汽车阶段。

三、趋势三：软硬件解耦降低研发成本，构建汽车软件生态

过高的研发成本促进软硬件解耦。传统汽车采用分布式电子电气架构，底层复杂，控制器的软硬件高度耦合，每当更换硬件时，都需要对ECU的软件进行大规模修改及大量测试认证。整车开发周期过长，车型改款或迭代升级的研发成本过高。

软硬件在开发周期、技术领域上的差别也给研发带来较大阻力。其中，软、硬件开发周期分别为2-3年、5-7年，技术上分别偏向互联网、制造业。解耦后，软硬件并行开发可加快新车型上市速度，降低集成、测试工作量；手工代码量、测试验证负担减小，开发错误减少，显著缩减研发成本。

作为软件定义汽车的硬件基础，跨域集中式电子电气架构可促进软硬件解耦，支持自动驾驶软件持续更新升级，扩展商业想象空间。软件可跨平台复用，标准化的数据交换格式便于交流、合作与更新。车企可通过联盟建立经过认证的软件应用商店，构建软件生态。整车常规保养中软件维护的概念被弱化，OTA升级成趋势，车主无需奔赴4S店即可从商店提取应用适配到目标车辆上，快速提升单车价值感和客户体验。

四、趋势四：OTA升级将成为完全自动驾驶功能数据更新最佳实践

加速自动驾驶级别迭代，OTA升级极大改善用户体验。OTA(OvertheAir)是指通过网络连接实现终端内存储数据的更新，进而改善终端的功能和服务的技术。汽车OTA主要分为FOTA（Firmware-over-the-air，固件在线升级）和SOTA（Software-over-the-air，软件在线升级）两类，分别指完整的系统性更新与迭代更新的升级。通过OTA升级不仅可以减少召回成本、便捷修复软件缺陷，还能缩短上市周期、提高用户粘性、促进双向交流。=

特斯拉作为OTA全面领先者，利用其集中式电子电气架构的优势，在汽车上预先搭载超期性Level5级别硬件，通过推出自动驾驶升级软件来解锁新功能。2012年9月，ModelS进行了第一次整车OTA升级，此后以固定频率保持更新，开创了OTA升级的先河。特斯拉率先将软件升级送到车辆内的车载通讯单元、更新车机类软件，直接将软件增补程序传送至有关ECU，通过OTA的方式改善车辆的底盘、信息娱乐、电池续航、ADAS乃至自动驾驶等多项功能。同时独创软件付费模式，推出6.4万元的FSD选装软件包、2000美元的“AccelerationBoost”动力性能加速升级包等。其后，丰田、大众、福特、沃尔沃等整车厂及理想、小鹏、蔚来等造车新势力广泛布局OTA技术。

五、趋势五：传统车企重心向软件转移，多向合作以求优势互补+规模效应

传统车企资源向软件倾斜，通过多种方式构建自有软件团队。技术发展、政策出台推动汽车智能网联进程，车规芯片算力和功耗决定智能汽车性能，电子电气架构从分布式向集中式转变，域控制器成为核心能力；汽车供应链扁平化，整车厂/Tier1/Tier2的线性关系转变成整车厂/TierN的网状关系，主导权从供应商向车企归集。

与硬件决定汽车时代不同，整车厂的工作不再局限于集成多个部件供应商提供的多个分散ECU，而是对管理、研发核心软件的能力提出了更高的要求，产业价值向软件研发、后市场两头集中。据麦肯锡，在“新四化“趋势的影响下，到2030年，预计有1000亿欧元将沿着价值链进行再分配。因此，传统车企重心向软件转移，沃尔沃、丰田、上汽等选择设立软件相关子公司，宝马、广汽等同软件背景企业合资合作，大众、雷诺日产等在内部设立软件相关新部门。

第五部分：自动驾驶面临的主要挑战

1.单车智能对复杂交通环境的应对能力亟待提升

受道路基础设施、通信能力等制约，当前国际上主流的自动驾驶路线以单车智能为主，但是在复杂多变的道路环境中，单车智能不足以应对安全驾驶的需求。主要因素包括：摄像头、雷达等环境传感器感知能力不足以全部解析环境信息；在当前的技术能力下，自动驾驶的算法、算力以及散热等问题仍是复杂场景规模化应用的瓶颈；此外，自动驾驶功能应用过程的电力等能源供给问题也是需要重点解决的问题。

2.基础设施不足以支撑自动驾驶应用

当前，道路基础设施是以人类为交通责任主体构建的符合人类生理能力和习惯的交通环境，对以数据信息为理解和执行依赖的自动驾驶是不友好的，甚至具有阻碍性，如，摄像头在应对红绿灯的过程中会有概率性的误差，识别路边标识标牌的过程也容易因受到遮挡而识别错误等；V2X可以更便利地提前告知道路管控设备的状态信息，但是设备部署与运营目前还处于探索阶段，不能为自动驾驶提供有效的应用等。此外，自动驾驶车辆由电力驱动是发展的大趋势，因此充/换电等保障性基础设施的规模化部署也是重点问题。

3.政策法规的制定与完善需要不断推动

各国都在积极构建支持自动驾驶发展的政策环境，尤其是自动驾驶上路运行极大地超出了现有的道路监管体系的范畴，需要根据技术的进步与产业发展进行动态更新调整，以适应创新发展需求而不是成为阻碍。在政策创新发展过程中，一方面需要明确自动驾驶当前发展阶段的重要需求，动态调整政策，另一方面需要创新的技术来调整现在的监管模式和手段，以保证自动驾驶的安全推进，这个过程必然是漫长的。此外，自动驾驶汽车可以不具备今天的标准特征/功能，如必须配备方向盘、刹车踏板、后视镜等，满足人类驾驶员需求的辅助配件，但是根据现有的机动车标准，当前的机动车必须具备许多这些特征。法律法规不仅是保障自动驾驶上路的合法性，还经受了社会对自动驾驶的适应性的考验，才能最终实现和谐共同发展。

4.复合型人才的缺失也是影响发展的关键问题

自动驾驶将带来劳动力结构的重大改变。首先，自动驾驶将改变汽车机械传动结构，对此将需要现阶段的人才培养体系进行变革，许多传统的机械部件可能会消失，特别是自动驾驶汽车完全使用电池动力时，汽车的许多功能将会需要重新设计。由此带来的影响的还有汽车的零部件供应、消费者培训与汽车售后等体系架构也需要调整以适应自动驾驶的技术需求和产品应用，因此加快培养复合型人才，构建满足自动驾驶发展需求的人才也是当前需要重点谋划问题。

第六部分：自动驾驶商用发展情况

一、Waymo 技术领先，商业化落地持续推进

1、全面自主研发大幅降本，建立产品及生态壁垒

与中国强有力政府不同，欧美缺乏主导方有效推进车路协同中的路侧基础设施建设；因此，与百度Apollo、华为等国内玩家不同，Waymo、Cruise等国外自动驾驶龙头主要专注于研发单车智能技术。

Waymo 坚持自主研发单车智能全方位技术，在第五代Waymo Driver 中已将成本降至50%。Waymo 涵盖了高精地图、硬件设备和软件系统等单车智能的全方位技术。其中，高精地图不同于日常使用的地图，是高度详细的3D 地图，进入新地区时需要通过测试车辆上的传感器来创建、处理数据并持续更新。

硬件设备包括传感器、电子元器件、天线、外壳和固件等均由Waymo 自主研发，其中传感器主要由激光雷达系统、视觉系统、雷达系统及附加传感器组成。Waymo 自动驾驶车辆配备的主激光雷达为64 线，价格十分高昂，经过多年重点研发，在第四代已将成本下降90%，并于2019 年3 月起开始对外出售。据Grand View Research，全球激光雷达市场2020 年-2027 年复合增长率为13.2%，将于2027 年达到37 亿美元。

软件系统即自动驾驶操作系统，包括感知、行为预测及计划程序等组件，Waymo 已宣布与英特尔合作， 帮助打造适用于所有路况的Level 4 和Level 5 级别自动驾驶计算平台。此外，Waymo 还十分注重网络安全，开发了强大的流程识别功能。研发的强独立性保证了产品的强差异性，构筑了稳固的技术壁垒，为增加给车企提供产品、服务的乙方角色奠定基础。

2、虚实结合路测，助力测试数据全面领先

采用虚实结合的路测方针训练自动驾驶算法，每日可模拟100 年的技术路测。自2009 年7 月项目成立以来，Waymo 自动驾驶道路测试历程数呈指数级增长，已于2020 年6 月突破2500 万英里。但与特斯拉相比，直接从Level 4 无人驾驶做起的决定使Waymo 缺乏极端场景数据积累。2013 年，谷歌高级软件工程师詹姆斯·斯托特加入Waymo 团队并开发了Carcraft 仿真测试技术。截至2020 年6 月，Waymo 已基于Carcraft 开发超过2 万个模拟场景，模拟驾驶已超150 亿英里。

在公开报告中表现持续领先。Waymo 在多次DMV《自动驾驶接管报告》中名列前茅；尽管因接管报告主要衡量指标难以标准化而受到不少争议，但DMV 仍然是唯一能够相对客观地追踪自动驾驶赛道玩家的发展情况的机构。2018 年，Waymo 是每1000 英里自动驾驶脱离率最低的公司（从2017 年的0.179 次下降到0.09 次），也是自动驾驶路测里程最长的公司（127 万英里）。2019 年，Waymo 自动驾驶路测里程达145 万英里，排名第一；每1.3万英里脱离接管一次，仅次于百度Apollo 排名第二；153 台自动驾驶测试汽车，排名第二。

3、从甲方到乙方，从封闭到开放

早期封闭研发，与车企保持单线合作。拥有长达15 年的技术积累， Waymo自行研发传感器、车型等几乎所有硬件部件及全部自动驾驶算法，但与多为整车厂的其他玩家相比缺乏整车制造能力。

近年来，汽车行业的拐点将至，自动驾驶赛道开始变得拥挤。作为自动驾驶先驱，脱身科技巨头的Waymo 具有强技术能力、希望保护知识产权，因此坚持与车企保持单向交流。自2017 年11 月起，先后与AutoNation、Magna 等Tier 1 及捷豹路虎、FCA、雷诺日产联盟、戴姆勒等整车厂达成合作；由OEM 作为硬件供应商，大批量采买合作伙伴车辆，而不允许对方参与研发过程。

行业认知深入、资金压力叠加领导层变更，Waymo 走上多角色发展之路。英国自动驾驶公司Five AI 联合创始人Stan Boland 曾表示，自动驾驶赛道的技术链条过深过长，正确的做法应是专注于关键部分。自成立以来，Waymo 研发费用累计已超过200 亿美金。

4、运输服务、方案授权多点开花，十年内有望成为千亿收入公司

重点发力自动驾驶出租Waymo One，已进入无安全员运营阶段。自2018 年开始，Waymo 持续推进无人出租运营业务的商业化落地，经历了早期配备安全员、中期配备跟踪车及远程安全员到2020 年10 月正式取消安全员的谨慎过程。2019 年底，Waymo 称在凤凰城每月有超过1500 人使用WaymoOne，自推出以来共提供超过10 万次服务。2020 年初，Waymo One 每周都会执行1000 到 2000 次的打车服务，其中 5% - 10% 为全自动驾驶。

自动驾驶出租的定价有望颠覆现有出行市场，规模潜力近万亿美金。据ARK Invest，在取消驾驶员的情况下，Waymo One 有望将定价大幅降低为70 美分/英里 （ Uber 旧金山价格的四分之一），获得“像软件一样的利润”；麦肯锡欧洲汽车负责人Andreas Tschiesner 表示，自动驾驶出租每公里成本仅需0.01 美元、赚钱潜力为20-25 美分。根据英特尔预测，2035 年自动驾驶出租市场规模可达8000 亿美元。

无人卡车将有效弥补持续扩大的卡车司机缺口。全球卡车司机缺口问题最早在2003 年出现，美国卡车协会、交通部相关数据显示，2020 年卡车司机缺口总量占行业总需求比例高达20%。根据美国卡车运输协会预测，卡车司机的缺口在未来10 年内将翻倍，对无人卡车需求强劲。

欧美隐私保护法出台，无人卡车货运或率先扩大规模。欧盟一般数据保护条例（GDPR）和加州消费者隐私法案（CCPA）陆续出台，自动驾驶出租等商业化落地的路况信息采集或受到阻碍。相比之下无人货运优势明显，有望通过采集运营过程中的极端场景以指数级速度丰富自动驾驶训练数据集。Waymo Via 侧重于各种形式的货物交付，主打8 级重卡。物流运输线路、里程固定，更适合自动驾驶，主要场景包括城市配送、干线物流、服务零售商的城内交付等，Waymo CEO John Krafcik 表示可成为公司商业变现出口。2017 年8 月起，Waymo 陆续在美国亚利桑那州、凤凰城、德克萨斯州、佛罗里达州等多个地区之间的高速公路绘制高精地图、进行重卡测试。2020 年10 月，Waymo 与全美重卡龙头戴姆勒达成合作，其8 级重卡福莱纳2019 年市场占比达34.2%。相关货运业务将在美国最先展开部署，随后将逐步扩展到其他地区。

多传感器融合，自动驾驶软硬套件迭代迅速。2020 年4 月，Waymo 发布了第五代自动驾驶套件Waymo Driver，包括含有激光雷达、摄像头和毫米波雷达等硬件和自动驾驶平台在内的软硬件一体化方案。该方案硬件的设计及制造过程进一步简化，以便投入规模生产，成本也缩减至第四代的一半。

5、首轮共获30 亿美元外部融资，资本、业务双管齐下助力发展

最近融资事件：2020 年5 月，首轮共获30 亿美元外部融资，这笔新的融资将用于招募员工、技术开发和全球运营。受美联储降息及Waymo 此次融资事件影响，谷歌股价单日振幅达4.78%，盘后市值9547.16 亿美元。知名风投和 Tier 1 入股，资本、业务双管齐下助力发展。除母公司Alphabet 外，Waymo 首次外部投资主要由银湖资本Silver Lake、加拿大退休金计划投资委员会CPP Investment Board 和阿布扎比的主权财富基金Mubalada 牵头，其他投资者包括硅谷知名风投机构Andreessen Horowitz、汽车零部件供应商麦格纳Magna 以及汽车零售巨头AutoNation。

二、图森未来技术与商用全面发展

图森未来科技有限公司成立于2015 年，业务聚焦商用车智驾服务。公司先后获得新浪创投、治平资本、英伟达、UPS、Navistar（美国卡车制造商）、Traton（大众商用车集团）投资，并于2021年4 月15 日登陆纳斯达克。公司拥有280 余项核心技术专利、900余名员工、两家整车代工合作企业。凭借自身的研发实力以及良好的商务合作环境，公司已经实现L4 级别半挂载车在高速公路和地面街道行驶，并在今年一季度达成370 万英里的路测距离。

公司前四股东累计持股比例41.40%，其中陈默系公司CEO，持股占比12.43%，在创立图森未来之前，曾是游戏平台深蓝兄弟创始人，也曾是广告平台、汽车交易平台创始人；候晓迪系公司CTO，持股占比11.95%；曹伟国系公司独立董事，目前担任新浪董事长与CEO，持股比例11.63%。

图森未来将基于智能驾驶半挂载车、高清地图、智能导航以及智驾监控云平台，在美国建立无人驾驶货运网络（AFN）。通过订购TuSimple Path，客户可以接入AFN 并获得智能驾驶服务。图森对购买自产的“智能驾驶半挂载车”与纯粹订购TuSimple Path 服务采取差异化定价，前者的服务费用为0.35 美金/英里（约1.4 元/公里），后者服务费用1.45 美金/公里（约5.9 元/公里）。自2020 年第三季度以来，公司的特制L4 自动半挂载卡车获得了5700 多辆订单。

根据图森未来招股书披露，目前美国货运价格中，每英里价格1.98 美金（约8.04 元/公里），其中人力成本约0.78 美金/英里（3.17元/公里）。如果按照0.35 美金/英里的智驾服务费用，其成本是人力费用的45%，整体货运价格将下降17%。货运费用的改善将带来货运企业盈利能力的改善，这也是智驾服务产业发展的核心推动力。

公司目前仍然处在高研发投入的孵化阶段，公司盈利改善仍需产业发展和成熟。2021 年一季度，公司研发支出研发费用4143 万美金，扣非归母净利润-3.85 亿美金，EBITDA-3.83 亿美金。

公司面向L4 级别自动驾驶开发了一套完全集成的软件和硬件解决方案，包括智能驾驶软件平台、基于TuSimple Connect 的自主运营监督云系统和智能驾驶半挂载车。半挂载车拥有精度达到5 厘米的高清（“HD”）地图，1000 米正向感知和300 米全范围感知，35 秒规划周期。公司机器视觉处理技术达到600TOPs，并曾在2020年Waymo 开放数据集挑战赛等赛事中获得第一名，打破10 项世界纪录。完善的软硬件基础为公司接近35 吨载重的智能半挂载车以每小时75 英里的高速行驶速度提供保障。

公司注重打造商业合作的生态环境，与整车/零部件制造、物流服务等企业展开积极合作。从公司的历次融资中，我们看到投资方包括智能驾驶芯片供应商英伟达、半挂载车制造商Navistar 和TRATON、以及物流服务企业UPS，公司在资本结构为未来发展提供天然的产业链商务合作环境。另外，公司与整车制造商、物流服务商的合作为公司轻资产运营模式提供基础。

AFN 网络路线总长达到5000 英里。公司在一季度新绘制1200英里路线，完成了得克萨斯州三角地带，累积路线网络达到了约5,000 英里。公司路线从凤凰城到达拉斯和休斯顿，并将在2021 年底到达孟菲斯、亚特兰大、夏洛特和奥兰多。

美国重卡司机用工荒 商用车智驾服务正当时

根据美国卡车协会数据，2020 年美国的卡车货运产值6000 余亿美金，占路面货运产值80%；载运量占国内货运量72.5%，卡车物流服务业的升级蕴藏巨大商业机遇。商用车无人驾驶的推动力主要包括企业提效降费、提高行驶安全性以及缓解司机短缺。

以美国快递行业为例，三大快递企业USPS（美国邮政）、UPS、FedEx 占美国本土快递市场份额达90%以上，行业处于寡头垄断局面。三大物流企业在2020 年营收总额达到2250 亿美金，但企业累计净利润却处在亏损状态。UPS 与FedEx 在2020 年两家净利率分别为1.6%和1.9%。

2020 年美国快递行业的盈利能力下滑有新冠疫情导致的影响，但卡车司机高薪资、用工荒一直是美国物流业长期存在的问题。根据草根调研，美国卡车司机的薪资按照每英里60 美分收取。如果按照62.5 英里/小时（100 公里/小时）计算时薪，卡车司机时薪达到37.5 美金，高于美国劳动力资源局公布的私企人均时薪均值和公务员时薪。如果考虑司机过夜补助50 美金/天和卸货补助15 美金/小时，一位卡车司机的年收入约8 万美金。美国卡车司机的用工荒使得司机薪资居高不下。根据美国卡车协会ATA 和图森未来招股书披露，美国卡车司机缺口大约5.1 万人，2028 年进一步扩大2.6 倍，复合年增长率约为10%。

2018 年，美国货车存量大约1.5 亿辆，其中经营性商用卡车数量3500 万辆以上。如果将载重10000 磅以上的货车分为3-8 级，美国2019 年3 类货车存量总数大约1200 万，存量结构见扇形图23。假设按照货车司机平均年薪5 万美金作估算，对应人力费用在6000亿美金以上。美国年货运总里程数量再3000 亿英里以上。如果按照0.35 美分/英里的收费标准以及每年年货运里程数进行粗略测算，美国货运智驾服务市场天花板约1000 亿美金。智能驾驶的费用支出相较于人力费用有望下降67%。另外，考虑到卡车智能化升级，美国智能卡车市场有望迎来快速增长。假设未来按照年出货量取50-70 万辆，年市场空间有望达到500 亿美金以上。

第七部分：自动驾驶A股相关软件公司介绍

一、德赛西威

国内车载设备龙头企业。2017年公司制定“SMART”战略作为未来十年发展核心战略，公司产品体系开始向汽车智能化、网联化过度，整合车载信息娱乐系统、车载空凋控制器、驾驶信息显示系统、显示模组与系统/显示终端四项传统业务，形成智能座舱、智能驾驶和网联服务三大业务群，聚焦强化产业群协同效应。

车载信息娱乐系统贡献支柱收入。2018年，德赛西威车载信息娱乐系统营收45.07亿元，占总营收比例83.33%，2019年该业务营收40.32亿元，占比75.55%，2020年上半年营收18.58亿元，占比71.58%，同比增加1.88%。2019,2020H1车载信息娱乐系统毛利分别为23.77%，24.60%。此外，据IHS报告显示，2019年德赛西威信息娱乐系统产品销量排名全球第15名，国内自主品牌销量第1名。

深刻理解智能座舱，早在2015年，德赛西威就发布了一款21.5寸炫幕智能系统，2017年引入智能驾驶舱解决方案，包含特定场景下驾驶信息、娱乐、实时摄像头、雷达等智能驾驶技术。2018年，公司获得车和家、长安汽车、天际汽车智能驾驶舱新项目订单，推出的显示模组及系统在多个车厂项目获得量产，可配置仪表及中控显示系统获取了包括比亚迪、吉利汽车、长城汽车等众多车厂的新项目订单。2019年，公司多屏智能座舱产品在理想汽车、长安汽车和奇瑞汽车车型上配套量产；6月，公司在上海CES上发布了智能座舱3.0版本，推出基于自动驾驶L3环境下的“泛社交”交互中心的智能座舱理念；显示模组及系统业务量产及订单规模逐步提升。2020年SAECCE展览上，德赛西威展示了自主研发的首款Hypervisor虚拟系统的智能座舱域控制器，奇瑞品牌全新旗舰级SUV瑞虎8PLUS已搭载。

积极布局智能驾驶。公司2016年开始布局智能驾驶，2017年作为公司核心战略后，整体投入继续提升，2018年，公司自主研发的360度高清环视系统、全自动泊车系统、驾驶员行为监控和身份识别系统、T-box产品等均实现量产，同时与英伟达、小鹏汽车签订战略合作协议，联合开发L3级别智能驾驶系统。2019年，ADAS产品销售额同比增幅超100%，360度高清环视系统、T-Box产品在多个车型上配套量产，V2X产品获得合资品牌车企的项目定点；77G毫米波雷达获自主品牌车企订单。2020年，公司L3级别自动驾驶域控制器产品IPU03正式量产，配套供货小鹏汽车P7车型，网联服务事业部助力一汽-大众捷达品牌首次车联网OTA升级。

智能座舱成为汽车智能化发展重点。智能座舱功能落地不仅需要整合多个屏幕显示（中控、仪表、抬头等），还需要整合驾驶员监控、车联网、娱乐系统及部分辅助驾驶功能。但由于暂时不涉及底盘控制，落地过程牵涉的安全压力及监管压力较小，整体技术实现难度较低；此外，作为内饰的一部分，无论是整合多屏的设计还是视觉、语音智能化交互技术的结合，都易被用户感知，差异化功能易于实现，主机厂可以迅速提高产品竞争力。因此，近期座舱智能化成为汽车智能化

座舱智能终端属性不断强化，智能驾驶功能成为必然，进入前装前装产业链是关键。伴随智能化需求的增加，座舱电子和智能驾驶功能的融合变得更加强烈，随着主动安全和辅助驾驶新技术的突破和快速应用，智能座舱的核心竞争力逐渐向智能驾驶转移。据统计汽车之家上所有在售车型，其中205个车系780款在售车型（选配+标配）配置了HUD。前瞻研究院数据显示ADAS系统在国内整体渗透率在6%左右，其中盲点监测渗透率最高，达12.1%，随着用户对驾驶便捷和安全性要求的提升，以及电子元器件成本的降低，ADAS系统会逐步向中低端市场渗透，未来ADAS系统市场具有较大的潜力；同时，ADAS渗透率的提升将使更多HUD能够显示智能辅助驾驶信息，AR增强现实技术显著提升HUD显示效果，二者帮助提升了HUD使用体验，助力HUD渗透率提升。

二、中科创达

操作系统：中科创达为汽车操作系统领域龙头

全球领先的智能操作系统产品和技术提供商。中科创达成立于2008年，2015年8月上市，致力于提供卓越的智能终端操作系统平台技术及解决方案，助力并加速智能手机、智能物联网、智能汽车等领域的产品化与技术创新。公司业务模式根据为客户提供的产品和服务类型的差异，主要分为软件开发、技术服务、软件许可和商品销售四种。在2019年总营业收入中，中科创达技术服务占比43.13%，软件开发占比30.20%，商品销售占比18.22%，软件许可占比8.45%。公司核心技术涵盖通信协议栈、深度学习、图形图像算法、操作系统优化和安全技术等多个方面。

软件定义汽车。随着“新四化”(电动化、网联化、智能化、共享化)的逐步推进，软件在汽车产品开发过程中起到的作用日益凸显。“软件定义汽车”正逐步被业界认可，其核心思想是，决定未来汽车的是以人工智能为核心的软件技术，而不再是汽车的硬件水平。

软件占比提升，软硬件分离。根据德勤预计到2030年汽车电子系统在汽车总成本中的占比会达到50%。而随着软件订阅模式、OTA更新的应用，硬件很难跟上软件的迭代速度，过去软件和硬件的强耦合性反而会制约汽车的进化。虽然硬件仍然维持了汽车的稳定性，但将逐步变成确保平台质量的、偏支持性的角色。

中科创达操作系统技术领先，搭上智能网联快车道。目前中科创达在国内智能汽车软件业务市场渗透率领先，该部分营业收入不断增长。近年来智能网联、车联网在国内加速落地，产业链受益，中科创达可借助政策红利继续扩展业务图，构筑市场优势。

形成全覆盖核心技术，车载OS底蕴深厚。公司从2013年开始布局智能汽车业务，目前已经形成集软件IP授权、产品售卖、开发服务于一体的业务模式。技术上具有基于芯片底层的全栈操作系统能力。中科创达在汽车Android系统深耕十余年，同时可以通过硬件虚拟化架构提供不同操作环境，涵盖QNX和Linux，竞争优势较为明显。

收购RW和Appsys，与车企战略合作，补全业务版图。Rightware是主攻车载交互技术的初创公司，主要产品是Kanzi系列工具。Appsys是IVI独立设计公司。中科创达并购RW和Appsys后，完成了从单纯底层软件开发到软件供应商的转型，拓展了业务版图。今年，公司与广汽、上汽、一汽、理想、大众、GM、丰田等头部车厂合作的深度和广度均有提升。3月与广汽研究院宣布成立联合创新中心，6月公司与滴滴合作研发的DMS、ADAS等智能安全驾驶方案正式发布。同时中科创达与高通维持了深度合作，在自动驾驶芯片领域补全短板。

定增+股权激励，提振未来信心。20年2月，公司发布《2020年非公开发行股票预案》，募集的17亿资金中超过10亿将被投入智能网联汽车操作系统和智能驾驶辅助系统的研发。8月12日，新增股份上市。同月，公司发布股权激励方案，计划授予365.95万股，占公司总股本0.86%。20-23年扣非净利润在2019年基础上增速不低于70%、80%、90%、100%。说明管理层对未来信心十足。

中科创达的价值可类比手机时代Android。在手机产业链中，公司通过对芯片的理解以及对整机性能需求的理解来完成整个手机操作性系统的优化，并逐渐培养和积累出较强的技术能力和相关IP。同样，在汽车领域中由于汽车天生没有系统，比如安卓给移动触碰设备做的系统，而且汽车中没有统一整合集中的方式，因此其定化工作、平台难度会更高。随着软件定义汽车时代的来临，中科创达拥有从芯片层、系统层、应用层到云端全面覆盖的技术能力，其自有IP和智能汽车软件能力将进一步强化公司在自动驾驶操作系统领域的地位。

三、四维图新

国产高精地图龙头。四维图新成立于2002年，是由国家测绘局创建的唯一专业从事测绘的国家级公司，已成为导航地图、导航软件、动态交通息、位置大数据、以及乘用车和商用车定制化车联网解决方案领域的领导者，计划推出汽车大脑整体解决方案。公司主营业务“五位一体”：导航、车联网、芯片、企业服务及行业应用、高级辅助驾驶及自动驾驶。近年来四维图新车联网业务不断发展，和导航一起成为企业支柱业务，根据2019年报导航业务收入占总收入35.97%，车联网业务占比30.17%。截至2020年，公司在导航领域市场份额稳定在40%左右，高精地图市场份额超过20%。

中国路径决定车路协同，高精地图为必要基础。无人驾驶有单车智能和车路协同两种实现途径，国外主流为单车智能，而中国路线则是车路协同。城市道路的路况复杂，高精地图相对精度达到10cm-20cm，支持动态更新，是车路协同产业重要利益相关方之一。车路协同与高精地图的结合是布局未来智慧交通的重点课题，四维图新作为产业龙头有望腾飞。

参与制定行业标准，入驻国家级智能网联平台。四维图新在2018年与HERE、日本IPC、韩国SK组成OneMap联盟，制定全球高清动态地图标准；2020年8月，参与欧洲导航数据标准协会（NDS）开发项目，与HERE、Elektrobit、NNG和NDS技术组共同开发和推广新一代地图数据标准。在政府合作方面，2017年，四维图新与国家基础地理信息中心、武汉大学等企业、政府机构及高校合作编制近十项导航地图国家标准；2020年4月，参与制定的《公路工程适应自动驾驶附属设施总体技术规范（征求意见稿）》正式发布。同时，四维图新是唯一入驻国家级智能网联平台国汽智联的高精度地图厂商，在行业中的地位难以撼动。

从L2到L4，地图产品技术领先。公司目前拥有甲级导航电子地图制作测绘资质（共28家）和ADAS地图资质（共3家）。在产品方面，四维图新已经实现L2级别的自动驾驶地图产品研发，并且在L3HADMap和L4FADMap地图研发上也有了重大突破。在原有ADAS地图数据基础上，四维图新推出的ADAS地图2.0增加了更详细的道路信息，以亚米级的精度配合L2、L3自动驾驶车向L4过渡；公司面向主机厂和合作伙伴推出了面向封闭场景的L3+自动驾驶地图数据HDPro，覆盖我国超过30万高速公路；HDUltimate则是L4/Robotaxi的自动驾驶产品，目前正在Top级城市大规模覆盖。

当前我国高精度地图市场政策加速推动，随着自动驾驶到来，高精地图数据有望强化统一管理，以降低未来动态数据更新的成本，同时满足监管的需求。从市场格局来看，外资图商进入国内市场困难，主要玩家以四维、百度、高德三个国产高精图商为代表，其中静态地图能力各家差别较小，未来竞争的关键点将体现在后续动态更新升级的能力，数据多、拥有运营权的厂商将获得先发优势，进而导致整个行业格局发生变化。四维图新自成立以来历经多次行业变革，凭借深厚的技术积淀和对政策的把握，深耕高精度地图多年，也是接入国汽智联平台的唯一高精地图厂商，有望获得数据运营权，享受政策红利。

第八部分：自动驾驶软件投资逻辑

产业链与市场空间：当前我国自动驾驶正处于L2 向L3 级别转化的阶段，预计2025 年L2.5 级别自动驾驶车辆渗透率为50%，2030 年L2.5 和L4 级别自动驾驶汽车渗透率分别将达70%和18%。从产业链上看，仅上游（感知层、传输层、决策层、执行层）和中游平台层，到2025 年新增市场空间达3088 亿元，2030 年可达7020 亿元，10 年复合增速为27%。

发展路径与核心参与方：技术路径上看，欧美等国鉴于其道路的规范化优势和自动驾驶技术的成熟度，其自动驾驶技术路径以单车智能为主；中国则在追赶单车智能技术基础上，凭借体制、政策、环境、5G 技术等优势重点发展车路协同，将车路协议与单车智能结合，有望实现换道超车。从行业发展来看，自动驾驶参与方主要有传统车企、互联网巨头和造车新势力等三类玩家。在路径选择上，传统车企在加速技术追赶的同时考虑量产和安全，采用渐进式发展路径从L1 逐步过渡到L2 及以上，当前主要处于L2.5 阶段；互联网厂商与造车新势力则凭借其在软件、算法和算力等方面的优势选择跳过L1/L2 等低级阶段，直接以L4/L5 自动驾驶为目标跨越式发展，当前部分L4级已率先在特定场景的商用车领域落地，乘用车领域正在加速追赶。此外，Tie1 和OEM等厂商也同步从辅助驾驶层级进入自动驾驶市场。

软件细分赛道机会：从市场规模来看，到2025/2030 年，自动驾驶决策层（自动驾驶AI 芯片、高精地图）达1138 亿元/2236 亿元、感知层（激光雷达）达125 亿元/845 亿元、平台层（智能座舱）为810 亿元/1866亿元；从增速来看，智能座舱增速最快（10 年复合增速达32%）。从产业链上下游筛选各环节技术壁垒高、拥有定价权以及拥有产业协同效应的细分领域，重点关注决策层的操作系统、自动驾驶加速芯片和高精度地图，中游平台层的智能座舱。

参考资料：

1、20201016-中汽中心-自动驾驶行业：2020中国自动驾驶仿真蓝皮书

2、20201018-中信证券-科技行业先锋系列报告148：百度Apollo，自动驾驶&车联网生态开放者

3、20201126-国金证券-自动驾驶行业专题分析报告：自动驾驶先行者Waymo潜力几何，新星初现，商业化落地正当时

4、20210630-亿欧智库-汽车行业：2021中国自动驾驶末端配送产业商业化应用研究报告