当前位置:首页 > 研报详细页

汽车行业:中泰证券-汽车行业智能驾驶专题(一):汽车智能化的商业化路径、产业演进及投资机会探讨-210608

研报作者:苏晨,陈传红 来自:中泰证券 时间:2021-06-09 09:23:34
  • 股票名称
    汽车行业
  • 股票代码
  • 研报类型
    (PDF)
  • 发布者
    79***34
  • 研报出处
    中泰证券
  • 研报页数
    84 页
  • 推荐评级
  • 研报大小
    4,078 KB
研究报告内容

中泰证券研究所 专业|领先|深度|诚信 |证券研究报告| 2021.6.8 汽车智能化的商业化路径、产业演进及投资机会探讨 —智能驾驶专题(一) 苏晨 S0740519050003 陈传红 S0740519120001 2 主要结论 1、三大商业化路径之争: (1)应用场景之争:核心看迭代速度,ROBOTAXI场景目前的迭代速度慢于消费市场; (2)技术路线之争:更多是成本考量,纯视觉的成本集中在云端,多感知融合成本集中在车端。

纯视觉有综合成本优势,多感知融 合有可靠性优势。

纯视觉对算法、传感器精度要求更高; (3)算法是否自研:自研算法迭代比第三方算法快。

自研算法能够获得车辆完整的、高质量的数据,可通过SHADOW模式进行迭代, 第三方算法不具备SHADOW能力。

2、智能化将经历车端和云端竞争两个阶段: (1)第一阶段:车端竞争,主要围绕架构、传感器、算法和算力等,核心看产品定义; (2)第二阶段:云端竞争,核心看车队保有量和云端算力,云端竞争阶段,由于算法和生态应用都是边际效应递增,行业头部化趋 势会加速。

3、供应链:爆发有先后,先感知后云端,先赋能后专业化。

我们认为,感知是行业率先爆发的子领域,包括感知算法、传感器。

当 进入云端竞争阶段,生态应用和V2X等细分领域会爆发。

4、智能化时代,整车的生意“变好”,市场集中度提高。

传统车时代,汽车是高度差异化的周期消费品,整车厂盈利周期波动性大、 市场集中度低、产品护城河不高。

在智能车时代,由于云端应用和算法边际收益递增的特点,整车集中度有望大幅度提升。

5、供应链:(1)硬件:高像素摄像头、MEMS激光雷达、低功耗高算力芯片将爆发;(2)算法:软硬件解耦趋势明显,车辆控制端 中的悬挂有望成为下一个解耦部件。

风险提示:新能源汽车补贴政策不及预期;新能源汽车销量不及预期;行业扩产加速导致价格低于预期的风险;行业测算偏差风险; 研究报告使用的公开资料可能存在信息滞后或更新不及时的风险 CONTENTS 目录 CCONTENT S 专业|领先|深度|诚信 中泰证券研究所 1智能驾驶:拨开云雾,迭代速度决定一切 目 录 CONTENTS 竞争格局:商业路径之争,迭代速度定成败 产业演进:车端到云端,市场终将寡头化 供应链:爆发有先后,感知、集成到应用 1 2 3 5 落地场景之争:ROBOTAXI和消费市场 场景是汽车智能化最先需要考虑的因素之一。

目前行业分为两种路线:ROBOTAXI和高端乘用车市场,ROBOTAXI目标 是直接替代司机,技术路线比较激进;消费市场是ADAS渐进性路线,即渐进式的从L2迭代L4以上。

(1)ROBOTAXI:谷歌、百度、小马智行等,主要来自于互联网行业,无汽车生产资质。

(2)消费市场:特斯拉、ME、华为等。

图:渐进式乘用车路线代表企业图:ROBOTAXI路线代表企业 资料来源:公开信息整理,中泰证券研究所 6 产品迭代速度:渐进式消费市场占优 资料来源:Wind,中泰证券研究所 场景决定数据量,数据量决定迭代速度。

1、市场空间对比:总量旗鼓相当,渐进式路线落地速度快 (1)ROBOTAXI:通过替代司机节约成本,全球出租&网约车需求巨大。

但是替代司机从技术上看比较困难。

落地时 间较晚; (2)高端乘用车:2020年,国内价格20万以上乘用车年销量约630万,30万以上销量约277万,市场份额分别为30%、 13%。

我们假设全球市场价格20万以上销量份额20%,30万以上为8%,则全球价格20万以上、30万以上汽车年销量为 1800万、720万。

定位做ROBOTAXI场景的公司,由于正式投入运营需要替代司机(不带安全员),实际落地场景有限且较慢。

7 产品迭代速度:渐进式消费市场占优 资料来源:汽车之心,盖世汽车,百度官网,waymo,中泰证券研究所 2、运营车数量对比:头部公司之间有两个数量级的差异 (1)目前全球头部的ROBOTAXI车队数量约600台,未来三年内可能达到3000台,落地速度较慢、车队数量少。

(2)特斯拉目前保有量近100万台,预计21年底将达到200万台左右。

相比ROBOTAXI,车队数量相差1000倍。

公司车队数量规模运营车队规模部署地点未来规划 百度500辆级别 长沙(45辆)、沧州(30 辆)、北京(40辆) 27个测试城市覆盖、全面开放三个 城市:长沙、沧州、北京 在3年内(2021 - 2023),实现30个城市落 地,车队规模达到3000辆,服务300万乘客。

小马智行100辆级别 加州(10辆级别)、广州、 北京未披露 广州、北京 将进一步扩大Robotaxi在北京的服务规模,全面 向北京公众扩大开放,下一步计划在上海全面启动 文远知行100辆级别广州(40辆)广州计划在未来三到四年内推出全无人驾驶出租服务 滴滴100辆级别上海(规划30辆)上海将在更多城市开放路测 AutoX 100辆级别上海(规划100辆)上海 将在深圳坪山区建设中国首个全无人驾驶运营中 心,开展L5级别全无人驾驶RoboTaxi车队示范应 用,推广无人驾驶科普和市场教育,探索商业化 运营模式 Waymo 600辆级别凤凰城(350辆)在美超过10个州多赛道运行,如Robo Truck、货物递送等 表:全球主要ROBOTAXI企业运营车队规模及规划统计 8 产品迭代速度:渐进式消费市场占优 资料来源:汽车之心,盖世汽车,百度官网,waymo,中泰证券研究所 3、数据量对比:存在数量级差异 目前全球头部的ROBOTAXI车队数量约600台,未来三年内可能达到3000台,落地速度较慢、车队数量少。

年度运营里 程预计在1亿公里级别;25年全球头部的消费市场龙头特斯拉年里程预计达千亿级别。

表:全球自动驾驶企业年里程数对比 20202021E 2022E 2023E 2024E 2025E 百度3990670399067069402960104104440138805920173507400 小马智行10822291442972360742972148581082228818037146 文远知行1136112170416828402805680560852084011361120 滴滴NA 10410443470148347014869402960173507400 AutoX 4320014400001872000243360031636804112784 Waymo 89796721267718416902912211286403169296042257280 小鹏54000000037800000001260000000252000000037800000005418000000 特斯拉108000000000151200000000264600000000415800000000604800000000907200000000 9 盈利模型比较:ROBOTAXI盈亏平衡点较低,但可能较晚 资料来源:汽车之心,盖世汽车,中泰证券研究所 3、盈亏平衡点对比:ROBOTAXI门槛低,但时间晚 (1)根据我们测算,ROBOTAXI的盈亏平衡点约48000台,消费市场的盈亏平衡点在20万年销量左右。

ROBOTAXI盈亏 平衡点显著低于消费市场。

(2)目前,ROBOTAXI的实际运营数量和消费市场头部公司销量看,ROBOTAXI盈亏平衡点出现较晚,因为离不开安全 员和实际运营数量难以达标。

表:ROBOTAXI的盈亏平衡点测算 项目有安全员无安全员 日运营里程(km) 9090 运营天数300300 每公里付费(元) 33 运营车队数量(辆) 4800048000 单车制造成本(万) 42.542.5 单车年折旧(万) 6.076.07 安全员成本(万) 4.800.00 电费(万) 0.270.27 运营+研发费用(万) 1.671.67 盈利(万) -2259894411 458385 384858 222116 205987194158 179054173191170483159936 110002 0 50000 100000 150000 200000 250000 300000 350000 400000 450000 500000 T e s la 大众集团 通用集团现 代- 起亚汽车集团雷 诺- 日产联盟 比亚迪汽车 宝马集团 戴勒姆集团 吉利控股集团 P S A 图:2020年全球电动车销量前十车企(单位:台) 10 两种路径的头部企业对比:图森未来与特斯拉 20112012201320142015201620172018201920202021Q1 汽车销售收入 1,953,627 2,429,238 4,405,52 6 6,299,81 8 12,707,2 03 14,525,1 46 17,771,2 18 5,915,48 4 开发收入35,080 17,321 9,578 3,447 能源收入 125,833 729,391 1,067,39 5 1,068,05 6 1,301,06 5 324,622 服务及其他收入 198,089 324,632 654,194 954,699 1,552,90 2 1,504,64 2 586,817 营业收入 128,691 259,752 1,227,608 1,957,074 2,627,327 4,855,99 2 7,683,40 3 14,729,2 97 17,146,1 04 20,576,9 25 6,826,92 4 汽车销售收入 占比 0.00% 0.00% 0.00% 99.82% 92.46% 90.72% 81.99% 86.27% 84.71% 86.36% 86.65% 服务及其他收入 0.00% 0.00% 0.00% 0.00% 7.54% 6.69% 8.51% 6.48% 9.06% 7.31% 8.60% 研发费用 -131,677 -172,209 -141,433 -284,350 -466,176 -578,829 -900,460 - 1,002,28 1 -936,904 -972,863 -437,649 销售、行政及 一般费用 -65,594 -94,516 -174,109 -369,380 -598,861 -993,510 - 1,618,19 5 - 1,945,36 8 - 1,845,90 3 - 2,052,08 1 -693,929 营业支出 -197,270 -266,725 -315,542 -653,729 -1,065,036 - 1,572,33 8 - 2,518,65 5 - 3,040,46 2 - 2,886,75 2 - 3,024,94 4 - 1,065,20 8 研发费用占营 业支出比例 67% 65% 45% 43% 44% 37% 36% 33% 32% 32% 41% 销售、行政及 一般费用占营 业支出比例 33% 35% 55% 57% 56% 63% 64% 64% 64% 68% 65% 历年销量(单 位:辆) 650290922442240765065876285103181245024367820499500 表:特斯拉收入与支出数据(单位:万元) 2018201920202021Q1 营业收入6 495 1,203 620 营业成本 -1,113 -3,454 -1,476 研发费用-22,153 -44,382 -86,129 -27,228 销售费用-745 -568 -857 -446 管理费用-一 般及行政费用 -8,356 -15,321 -24,338 -10,004 营业支出-31,254 -61,384 -114,778 -39,153 研发费用占营 业支出 70.88% 72.30% 75.04% 69.54% 销售费用占营 业支出 2.38% 0.93% 0.75% 1.14% 管理费用-一 般及行政费用 占营业支出 26.74% 24.96% 21.20% 25.55% 车队数量 50+ 70 路测里程 450万公里+ 仿真模拟里程 2.4亿公里+ 在手订单 5700辆 资料来源:Wind,图森未来招股书,中泰证券研究所 表:图森未来财务情况及运营情况(单位:万元) 从收入端上看,特斯拉成长性远高于图森未来,图森未来截止到1Q2021,车队数量只有70台;从成本端看,图森 研发投入等低于特斯拉,ROBOTAXI投入成本要优于消费市场模式。

从支出端上看:研发费用:特斯拉初创时期与图森未 来目前研发费用占营业支出比例相近大致处于65%- 75%区间里。

销售&管理费用:特斯拉初创时期与图 森未来目前占比相近,但随着特斯拉慢慢走向成熟, 销售&管理费用替代研发费用占据了营业支出的大头。

11 ROBOTAXI:依靠算法迭代优势,特斯拉等有机会重构整个产业 从消费市场切入Robotaxi,重构整个产业:由于在消费市场获得最大规模数据,特斯拉自动驾驶算法全球领先。

特斯拉 在2020年全年业绩报告电话会中指出随着特斯拉全自动驾驶(FSD)技术的改进,特斯拉所卖出的汽车将会变成Robotaxi, 从而使特斯拉汽车的使用率从每周的12小时增加至每周60小时。

特斯拉可以从这些变成为Robotaxi的车辆中收取额外的费 用(公司希望以每英里约1美元的服务价格,以每英里0.18美元的成本运营)进而增加更多的公司收入,而特斯拉汽车的 消费者也可以自己所拥有的汽车出租来享受额外的收入。

关注100万台Robotaxi落地:马斯克曾在2020年表示将在2020年底部署100万辆Robotaxi,但该计划因为还在等待政府监管 部门的审核,蒙上了一些不确定性。

ME22年计划切入ROBOTAXI。

图:特斯拉Robotaxi汽车 资料来源:Roadshow,中泰证券研究所 推出了一套完整 的完全自动驾驶 软件 第一步 推出自动驾驶出 租车软件(Tesla Network) 第二步 去掉人类司机, 实现完全无人驾驶 第三步 图:特斯拉Robotaxi实施方案 12 全球Robotaxi运营公司梳理 国内Robotaxi领军者为百度、小马智行、文远知行等公司。

(1)百度:目前拥有500辆级别的测试车队、115辆运营车辆以及超过700万公里的自动驾驶测试里程。

公司拥有2021- 2023年规划实现30个城市落地Robotaxi,车队规模达到3000辆以及服务300万乘客的宏伟目标。

MPI (Miles Per intervention)作为自动驾驶核心衡量指标之一,可以反应出综合平均了全年里程和接管数,被行业广泛认为是比试驾体 验更客观、量化和准确的衡量办法,百度在2019年加州自动驾驶报告中MPI指标位列第一。

(2)小马智行:目前拥有100辆级别的测试车队、超过100万公里的自动驾驶测试里程。

公司在2020加州DMV公布的自动驾 驶报告中MPI指标排名第四。

公司目前估值53亿美元。

(3)文远知行:目前拥有100辆级别的测试车队、超过450万公里的自动驾驶测试里程,以及在广州部署40辆运营车辆, 公司2019年加州DMV公布的MPI指标中排名第十二,但在2020加州DMV公布的MPI指标中排名第六,可谓进步明显。

海外Robotaxi领军者为Waymo、Cruise等公司。

(4)Waymo:目前拥有600辆级别的测试车队、其仅在凤凰城就拥有350辆运营车辆、超过2000万英里的累计路测里程、 2019年加州DMV公布的MPI指标中排名第二,以及2020加州DMV公布的MPI指标中排名第一,公司目前估值达到300亿美元。

Cruise目前拥有200-300辆级别的测试车队、在旧金山拥有130辆运营车辆、2019年加州DMV公布的MPI指标中排名第三, 以及2020加州DMV公布的MPI指标中排名第二,且公司拥有通用、本田、微软、软银等巨型跨国公司的融资加入,目前估值 也达到300亿美元。

资料来源:各公司官网,公开数据,汽车之心,盖世汽车,加州2020自动驾驶报告,中泰证券研究所 13 全球Robotaxi运营公司梳理 全球Robotaxi运营公司梳理 公司测试车队数量规模运营车队规模部署地点未来规划 运营里程公里(加州 DMV2019.11.1- 2020.1.31) a.gov/avcpilotdata/ 单车每月运营里程(公里) 截至2020自动驾驶累计 测试里程(公里) 当前估值(2021.5)累计融资(2021.5)战略领投方 每一千英里接管数(2020加州自动 驾驶报告) 国内牌照数量(截至2020年) 百度apollo 500辆级别 长沙(45辆)、沧州 (30辆)、北京(40辆) 27个测试城市覆盖、全 面开放三个城市:长沙、 沧州、北京 在3年内(2021 - 2023),实现30个 城市落地,车队规模达到3000辆,服务 300万乘客。

NA na 700万公里NANA百度0.055(2019) 199 小马智行100辆级别 加州(10辆级别)、广 州、北京未披露 广州、北京 将进一步扩大Robotaxi在北京的服务规模, 全面向北京公众扩大开放,下一步计划在 上海全面启动 90185.72公里(加州10辆,统计 周期2019.11.1-2020.1.31) 3006.190667112.5万公里53亿美元超过11亿美元 文莱主权财富基金文莱 投资局、加拿大安大略 省教师退休基金会旗下 的科创投资平台 0.09330 文远知行100辆级别广州(40辆)广州2023年把全无人驾驶推向正式运营 41140公里(40辆,统计周期 2019年12.1-1.31) 1028.5(2020年年初)、3705.3 (2020年国庆期间) 450万公里(2021.4) 33亿美元NA宇通集团0.15420(2019) 滴滴100辆级别上海(规划30辆)上海将在更多城市开放路测NANA 40万公里(2019.9), 最新数据未披露 约60亿美元超8亿美元 IDG资本领投,CPE、 Paulson、中俄投资基金、 国泰君安国际、建银国 际等投资机构跟投3亿美 元、软银愿景基金2期领 投超5亿美元 0.192 AutoX 100辆级别上海(规划100辆)上海 将在深圳坪山区建设中国首个全无人驾驶 运营中心,开展L5级别全无人驾驶 RoboTaxi车队示范应用,推广无人驾驶科 普和市场教育,探索商业化运营模式 989公里(3辆,统计周期 2019.11.1-2020.1.31) 109.8888889 总数未披露,65174 (2020年加州测试里程) NA A轮东风汽车领投。

2019 年9月,AutoX获得由东 风领投、阿里巴巴参投 的一亿美元A轮融资,12 月底又获得了前海兆宏 基金领投的数千万美元 的Pre-B轮融资,此前 AutoX的投资者还有上汽 集团、联发科、真格基 金、丹华资本等 0.049 / Waymo 600辆级别凤凰城(350辆)在美超过10个州多赛道运行,如Robo Truck、货物递送等 396162公里(加州75辆,统计周 期2019.11.1-2020.1-31) 1760.72 超过2000万英里 (2020.1) 约300-400亿美元 2020年外部融资30亿美元 谷歌0.033 / ARGOAI 100辆级别(2019) NA 迈阿密、华盛顿特区, 奥斯汀 不再建立自动驾驶出租车队(机器人出租 车),而将自动驾驶技术应用于货物运输 或大型客运,按照里程收费 NANANA 72.5亿美元 2017年福特向Argo AI注 资10亿美元,2020年大 众向Argo AI注资26亿美元 福特、大众0.095 / Cruise 200-300辆级别旧金山(130辆2019)旧金山打造无人工控制的全电动专用汽车NANA 总数未披露,1232079公 里(加州2020年测试里 程) 300亿美元超过92亿美元 微软、通用、本田、软 银等 0.035 / ZOOXNANA旧金山、拉斯维加斯 首发双向电动无人车,Zoox成立伊始的目 标就是为Robotaxi(自动驾驶出租车)所 需的硬件和软件,力争开发一款全新的自 动驾驶汽车 498.272公里(加州11辆,统计 周期2019.11.1-2020.1-31) 45.29745455 总数未披露,164034公 里(2020加州测试里程) 13亿美元被亚马逊收购 亚马逊0.627(2019) / AURORANANA德州 丰田和AURORA计划从丰田Sienna开始开放 和测试配备Aurora自动驾驶硬件和软件的 无人驾驶汽车,Aurora核心做的是自动驾 驶技术和大脑 NANA 总数未披露,19532 (2020年加州测试里程) 收购UBER(ATG)后估值超 过100亿美元 Uber、丰田、Denso / 元戎启行100辆(规划) 武汉(规划20辆)、杭 州(10辆) 杭州、武汉、深圳 元戎启行可为车企、Tier1、出行公司、物 流企业等提供多应用场景的、订制化的自 动驾驶解决方案、可与车企、Tier 1共同 研发、生产自动驾驶车辆、为出行公司提 供包括辆调度中心、召车平台在内的自动 驾驶车队部署服务,从而向用户提供任意 点到点的Robo-Taxi(自动驾驶出租车)服 务、为物流企业提供订制的自动驾驶解决 方案,应用于封闭园区、集装箱码头或公 路货运等场景 NANA超过100万公里NA 近5000万美元的Pre-A轮 融资。

本轮融资由复星 锐正领投,金沙江资本、 云启资本、Ventech China、松禾资本等知名 机构跟投 东风 Lyft 30辆30辆(拉斯维加斯)拉斯维加斯 NANA 总数未披露,52370公里 (2020年加州测试里程) 5.5亿美元5.5亿美元出售给丰田丰田 / 资料来源:各公司官网,公开数据,汽车之心,盖世汽车,加州2020自动驾驶报告,中泰证券研究所 14 产品路线之争:纯视觉和激光多感知融合 资料来源:ofweek,中泰证券研究所 我们认为,纯视觉和激光为代表的多感知融合,并没有太多技术上的分歧,更多是对商业化路径选择的不同。

(1)车端:少2-3个激光雷达,传感器成本至少低2-4万;视觉算法识别语义种类和精确度要求提升,芯片算力要求 比激光多感知方案要高,成本提升4000元以上。

(2)云端:由于视觉数据量大,算法要求高,需要利用高质量和大规模数据在云端进行仿真和训练,目前成本上 看,纯视觉要高。

总结:纯视觉车端成本低,云端成本高,用算法弥补传感器的不足,激光多感知方案正好相反,用感知硬件弥补算 法的不足。

多感知方案具备安全冗余优势,同时在初期能够在体验上弥补算法的差距。

分类部件纯视觉多传感融合 车端硬件技术方案8颗摄像头+1颗毫米波+12颗超声波2颗激光+13颗摄像头+5颗毫米波+12颗超声波 传感器硬件成本320023000 芯片144TOPS,10000元30TOPS,6000元 算法种类48种20种左右 云端算力1 EFLOPS 0.1 EFLOPS 车端 表:纯视觉和多传感融合方案软硬件方案对比 图:多感知与纯视觉成本差异趋势分析(横坐标: 销量,单位为万辆;纵坐标:成本,单位为元) 15 产品路线之争:纯视觉和激光多感知融合 L1/L2级别:据安森美,L1-2等级下ADAS摄像头价值量为40美金。

目前激光雷达单价3000美元以上;77GHz毫米波雷 达单价约1000元,24GHz单价约500元;超声波雷达单价不超过百元。

1)纯视觉:特斯拉采用“8颗摄像头+1颗毫 米波雷达+12个超声波传感器”,预计成本约3200元;2)多感知融合:小鹏P5采用“2个激光雷达+5个毫米波雷达+12 个超声波雷达+13个摄像头”,预计成本4.9万。

L3/L4级别:据安森美,L3、L4摄像头有望达到180美金、200美金。

由于自动驾驶级别提高,两类方法均需要算法+ 激光雷达配合,因此预计成本相同。

资料来源:安森美,中泰证券研究所 图:随着自动驾驶级别提高ADAS里搭载的摄像头价值量大幅提升 特斯拉小鹏P5蔚来ET7 激光雷达02(144线) 1(1550nm波长固态激光雷 达,等效300线) 毫米波雷达1(77GHz) 55 超声波雷达121212 摄像头81311(800万像素) 平台算力 144 TOPS 30 TOPS 1016 TOPS 表:车企传感器方案 16 产品路线之争:纯视觉和激光多感知融合 资料来源:Mobileye,百度官网,中泰证券研究所 ME和百度等开始提供纯视觉和多感知方案的备选项,选择哪种方案主要看客户偏好。

(1)纯视觉:前置多目摄像头可以通过VIDAR算法从2D转化成3D,以获得景深从而测距。

(2)多感知:视觉负责识别和语义分割等,激光负责测距等。

表:ME纯视觉方案传感器配置方案表:百度的多感知与纯视觉传感器配置方案 类型数量 激光雷达0 毫米波雷达1 超声波雷达12 摄像头11 类型百度纯视觉方案ANP百度纯视觉方案AVP百度无人驾驶公交车 激光雷达004(40线) 毫米波雷达556 超声波雷达12120 摄像头1257 17 算法自研之争:自研算法比第三方算法迭代快 资料来源:焉知自动驾驶,Wind,中泰证券研究所 目前,行业存在自研算法和第三方算法两种模式,我们认为,自研算法比第三方算法迭代快,长期看,主机厂基本 自研为主。

(1)ME:5000万台车装配,是L2/L3领域的龙头,EYEQ4是算法和芯片高度耦合,EYEQ5开始,ME将开放部分算法, 提供工具链。

ME的算法迭代方式及特点:需要跟主机厂签协议,且主要从ME传感器获取,无法获知全面的车辆信息;REM模式只能 获取几十KB/公里的数据量;CAN总线数据无法获取,无法使用SHADOW模式。

(2)自研算法:L4时代,算法将基本自研为主,自研算法迭代更快。

图:14-20年ME产品出货量(单位:万套) 0 500 1000 1500 2000 2500 2014201520162017201820192020 图:ME产品线 18 Mobileye的技术体系介绍 三位一体的战略布局。

1、真正冗余:提供完全端到端自动驾驶功能的摄像头子系统和具有相同功能的雷达和激光雷 达子系统;2、道路信息管理(REM):在云上自动构建可扩展和低成本的自动驾驶高精地图;3、责任敏感安全模型 (RSS):帮助自动驾驶汽车做出安全的驾驶决策。

全新的雷达和激光雷达技术:被英特尔收购,技术和制造能力增强。

Mobileye通过解决方案创新来提供先进雷达功能, 并优化算力和成本效率。

其软件定义成像雷达拥有2340条通道,100dB的动态范围和40dBc的旁瓣电平,能够构建足以 实现自动驾驶策略的传感状态。

高精度地图:Mobileye已经完成近10亿公里的高精地图绘制,每天绘制的高精地图里程超过800万公里。

资料来源:Mobileye,中泰证券研究所整理 图:Mobileye三位一体战略 目 录 CONTENTS 竞争格局:商业路径之争,迭代速度定成败 产业演进:车端到云端,市场终将寡头化 供应链:爆发有先后,感知、集成到应用 1 3 2 20 智能驾驶产业演进的两个阶段:从车端到云端 资料来源:Wind,中泰证券研究所 我们认为,智能驾驶按照产业演进,分为车端竞争到云端竞争两个阶段。

(1)车端竞争阶段(2020-2025):主要围绕电子电气架构、算力、传感器、算法等。

这个阶段,由于主机厂的车 队保有量和数据量均不大,对云端要求不高。

竞争主要靠汽车产品和品牌的定义,主要面向售价20万+的消费市场。

这个阶段,部分产品转型慢的主机厂会逐步被边缘化。

(2)云端竞争阶段(2025年后):主要围绕算力、算法、车云整合、生态能力。

由于车队保有量、数据量巨大, 对云端算力需求指数级增长,云端主要进行算法训练、生态应用。

这个阶段头部效应会强化,算法会进一步拉开差 距,生态应用等边际收益递增的功能越来越多(社交、V2X、REM等),Robotaxi开始逐步普及。

21 车端竞争要素:架构、算力、算法、传感器 21 资料来源:博世,中泰证券研究所 电气架构趋势:算力向中央集中,向云端集中,简化底层硬件、解耦软硬件。

特斯拉率先实现中央域集成,大众等逐步向域集成演进,国内电气架构迭代相对落后。

图:博世电气架构图:博世电气架构 22 算力:需求快速增长 自动驾驶的算力需求:L2级别需要算力约2TOPS,L3需要24TOPS,L4为320TOPS,L5为1000+TOPS; 主流车企芯片算力: 1)蔚来:ET7搭载的超算平台ADAM,集成了4颗英伟达Orin芯片,总算力1016TOPS。

2颗芯片为主控芯片,负责自动驾 驶系统运算;1颗为实时冗余备份芯片,保证安全性;1颗为群体智能与个性训练专用芯片,实现算法整体升级和单车 个性化本地训练。

2)特斯拉:Hardware3.0版本集成了2颗FSD芯片,总算力达144TOPS。

计划22年推出Hardware4.0,预计算力达到 432TOPS。

资料来源:腾讯科技,中泰证券研究所 表:主流车企芯片算力 品牌车型芯片总算力(TOPS)制程工艺(nm)满足级别 蔚来ET7英伟达Orin芯片10167 L3 特斯拉model 3 FSD芯片14414 L2 特斯拉model YFSD芯片14414 L2 特斯拉model SFSD芯片14414 L2 小鹏P7英伟达Xavier SoC 3012 L3 小鹏P5英伟达Xavier SoC 3012 L3 蔚来ES8骁龙820A 2.514 L2 蔚来ES6骁龙820A 2.514 L2 蔚来EC6 Mobileye EyeQ42.528 L2 小鹏G3骁龙820A 2.514 L2.5 理想理想ONE骁龙820A 2.514 L2 威马EX5 Mobileye EyeQ42.528 L2 23 算法与传感器 算法是影响智能化体验的最关键因素之一。

未来算法的差异化主要由: (1)数据量大小,影响云端算法训练; (2)算法的种类和冗余部署,影响智能化的精准度。

传感器:(1)摄像头,主要围绕帧率、像素等竞争;(2)激光:主要围绕成本竞争。

资料来源:腾讯科技,中泰证券研究所 表:主流算法及其特点 方法优点缺点 SIFT检测特征丰富,具有优秀的匹配效果计算量大,检测速度慢 PCA-SIFT检测速度获得改善不完全仿射不变,检测精度不高 SURF检测速度快,精度较高,综合性能好过于依赖主方向的选取准确度 ORB检测速度快、检测精度良好不具备尺度不变性 VJ第一种能够实时检测的人脸检测算法准确率一般,鲁棒性不足 OverFeat最早使用CNN进行特征提取图像滑窗,时间、空间开销大 R-CNN确定候选区域,CNN提取特征,性能比传统算法显著提高对每个候选区域都做特征提取,时间、空间开销大 SPP-Net 整张图片提取特征,加快速度;SPP层,避免候选区 域归一化 空间开销大 Fast R-CNN同时完成定位和分类,节省空间候选区域选取方法计算复杂 Faster R-CNN真正完成端到端训练测试模型复杂,小目标检测不佳,空间量化粗糙 R-FCN定位精度更高模型复杂,计算量大 Mask R-CNN实例分割准确,检测精度更高实例分割代价昂贵 YOLO网络简单,检测速度优异定位准确度低,小目标、多目标检测效果不佳 SSD网络简单,检测准确度获得高模型难收敛,小目标检测效果不佳 YOLO v2416允许用户在精度和速度之间调整使用预训练,难迁移 DSOD300不需要预训练检测速度一般 R-SSD小目标检测效果较好模型计算复杂,检测速度一般 24 多传感器融合技术 基本原理:多传感器信息融合技术的基本原理类似于人体大脑在综合处理信息的过程。

通过利用多源数据进行合理支配与 分析,将各种传感器进行多层次、多空间的信息互补和优化组合处理,最终形成对观测环境的一次性解释。

优势:多传感器融合技术的优势在于利用多个传感器相互协同的功能将基于各个传感器获得的分离观测信息,通过技术 (将信息多级别、多方面组合)使得这些分离信息导出更多有用信息,进而提升整个传感器系统的智能化。

同步概念:多传感器融合分为硬件同步与软件同步。

软件同步又分为时间同步与空间同步。

分类:多传感器技术分为前融合算法与后融合算法,前融合技术较后融合技术因技术较为复杂,壁垒强大。

要求:软件层面:算法需要足够强大,因为多传感器融合技术要求很高的数据处理与容错性。

硬件层面:对传感器数量有 要求,需要做到信息获取冗余且充分。

资料来源:CNBLOGS,CSDN,中泰证券研究所 图:多传感器技术运作方法 25 多传感器融合体系架构 多传感器融合的体系架构分为:分布式、集中式和混合式 分布式:先对各个独立传感器所获得的原始数据进行局部处理,然后再将结果送入信息融合中心进行智能优化组合来获得 结果。

集中式:集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理,可以实现实时融合。

混合式:混合式多传感器信息融合框架中,部分传感器采用集中式融合方式,剩余的传感器采用分布式融合方式。

资料来源:中霍传感,CNBLOGS,中泰证券研究所 图:多传感器融合体系架构 体系架构分布式集中式混合式 信息损失大小中 精度底高中 通信带宽小大中 融合处理容易复杂中等 融合控制复杂容易中等 可扩充性好差一般 计算速度快慢中等 可靠性高底高 表:多传感器融合体系架构对比 26 多传感器融合技术——前、后融合算法 后融合算法:每个传感器独立处理生成的目标数据,且每个传感器都有自己所独立的感知,最后当所有传感器完成目标数 据生成后,再有主处理器进行数据融合。

前融合算法的难点在于只通过一个感知算法将所有多维获得的综合数据进行感知。

我们可以将前融合技术理解为打造一个超级传感器,它将所有数据在原始层融合在一起,这个传感器既有能力感知雷达的 三维信息又可以感知摄像头等等。

图:后融合算法运行模式 资料来源:CNBLOGS,中泰证券研究所 27 云端:超算平台是核心竞争力 超算平台是核心竞争力:以特斯拉DOJO为例,算力达到1EFLOPS,用来进行仿真、训练和新应用搭建。

云端壁垒、成本高。

(1)算力:华为云总算力达0.128-0.512 eflops FP32。

(2)建造成本:云计算部署成本=20亿建造成本+0.73亿电费/年。

资料来源:各企业官网,公开资料整理,中泰证券研究所 表:各企业云计算总算力表:云计算部署成本 总算力(eflops) 微软0.024 阿里0.1 华为0.128-0.512 部署成本(亿元) 建造成本20 电费0.73 28 云计算VS超算 资料来源:新车新技术,中泰证券研究所 表:云计算vs超算 区别:云计算与超算区别主要集中于三个方面: 1)通用/专用:云计算通用,超算专用; 2)分布/集中:云计算分布,超算集中; 3)成本/性能:云计算成本较低,超算成本高。

云计算超算 通用/专用 通用。

面向所有需要信息技术的场景,应用领域和应用 层次不断扩张,要支撑构造千变万化的应用。

专用。

提供国家高科技领域和尖端技术研究需 要的运算速度和存储容量。

分布/集中 以分布式为特色,统筹分散的硬件、软件和数据资源, 通过软件实现资源共享和业务协同 集中式。

针对计算密集型任务更强调通过并行 计算获得高性能。

成本/性能 重视成本。

采用价格相比便宜的x86硬件搭建,可用性、 可靠性和扩展性主要通过软件实现 重视性能。

成本较高同时能源消耗较高 29 华为算法迭代周期短,特斯拉算力超强 图:华为智能驾驶云服务八爪鱼Octopus 资料来源:华为,中泰证券研究所 华为“八爪鱼”:全栈云平台,服务覆盖数据、模型、训练、仿真、标注等全生命周期业务。

1)业内领先的自动标 注能力;2)云和MDC协同难例场景智能筛选(构建数据集时间成本降70%;上云数据减少90%)3)一站式自动驾驶 DevOps能力(规控算法评测周期天级→小时级,算法迭代周期周级→天级。

) 特斯拉Dojo:超强算力。

目标算力达1EFLOPSFP32,主要用于处理视频数据和训练神经网络模型。

从而让汽车实现自 动驾驶。

百度智能驾驶云:数据采集能力强。

国内最大规模、最专业的采集团队+成规模的一体化采集车+多传感器组合+支持车 辆定制化、传感器改装。

谷歌智能驾驶云:路测里程长,持续打磨升级。

打造自动驾驶仿真测试平台,24小时不间断测试;与英特尔等合作打 造适用于所有路况的L4级及以上自动驾驶计算平台。

目 录 CONTENTS 竞争格局:商业路径之争,迭代速度定成败 产业演进:车端到云端,市场终将寡头化 供应链:爆发有先后,感知、集成到应用 2 3 1 31 为什么说爆发有先后? 资料来源:Wind,中泰证券研究所 我们认为,智能驾驶按照产业演进,分为车端竞争到云端竞争两个阶段。

(1)车端竞争阶段(2020-2025):主要围绕电子电气架构、算力、传感器、算法等。

这个阶段,由于主机厂的车 队保有量和数据量均不大,对云端要求不高。

此时的投资机会主要围绕传感器和赋能环节(算法、域控制器)。

(2)云端竞争阶段(2025年后):主要围绕算力、算法、车云整合、生态能力。

由于车队保有量、数据量巨大, 对云端算力需求指数级增长,云端主要进行算法训练、生态应用。

这个阶段头部效应会强化,算法会进一步拉开差 距,生态应用等边际收益递增的功能越来越多(社交、V2X、REM等),Robotaxi开始逐步普及。

此时的投资机会主 要集中在云端应用。

32 摄像头:用量增加,性能提升 32 资料来源:产业研究院,中泰证券研究所 对标Tesla,各车企ADAS方案摄像头数量显著增加,探测距离、像素也不断提升。

前视:单目-双目-三目。

相较于双目摄像头通过两幅图像的视差进行测距,使得结果更加精确,三目摄像头将进一步 提升车载摄像头的精准度。

Model 3 ET7极氪001小鹏P5 ARCFOX极狐αT智己L7 前视3431 环视 44 4 侧视4 4 后视132 车内 2 合计81115135 14(含车 内) 像素1.2M 8M 8M 2M 2M 48M(车 顶) 探测距离250m 687m 250m 180m 摄像头类型安装位置功能概要 单摄摄像头 前视 前撞预警、交通标志识 别、行人碰撞预警、车 道偏离预警、自适应巡航 一般采用视角45 °的摄像头,需 安装在车身的两个位置,双摄摄 像头拥有更好的测距功能,但成 本较高。

双摄摄像头 广角摄像头环视 全景泊车、车道偏离预警 通过同时在车身四周装配上4个 广角摄像头,来实现全景影像图, 实现道路路线感知。

广角/鱼眼摄 像头 后视后视泊车辅助主要用于倒车使用。

广角摄像头盲点 后视镜摄像头、盲点检测 除使用超声波雷达作为盲点检测 外,也可以通过摄像头来实现。

广角摄像头内嵌闭眼提醒一般安装在车内后视镜位置。

表:摄像头分类梳理表:重点车型摄像头方案 33 摄像头:性能提升 ADAS级别提升需要对探测距离范围以及相应速度有进一步的提升,对摄像头性能要求更高。

1)分辨率/(像素)提升。

2)动态范围扩张。

3)帧率提升。

33 资料来源:新车新技术,中泰证券研究所 图:监控级别镜头像素要求 0 50 100 150 200 250 300 020406080100120140 可视 距离 像素需求 可视距离1/3" CCD 图:特斯拉Hardware 3.0相较于2.5算力和可识别帧率大幅提升 34 摄像头:核心部件价值量变化 随探测距离提升,核心部件价值量变化主要是镜头和图像传感器。

为实现更远距离探测,将更多采用长焦镜头,技术 壁垒主要是光学设计。

像素提升、帧率提升则需要对图像传感器进行升级。

34 资料来源:前瞻产业研究院,中泰证券研究所 图:车载摄像头价值构成 50% 25% 14% 5% 6% 图像传感器模组封装光学镜头音圈马达红外滤光片 图:车载摄像头架构 35 芯片负荷加大 分辨率(像素)提升+摄像头数量增加对带宽需求更大:以YUV420的数据格式为例,摄像头所需带宽=像素X帧率*比特 *1.5,随帧率和像素提升,对芯片所需带宽持续增加。

数据量加大芯片算力负荷。

从造车新势力解决方案来看,随着传感器和摄像头数量增加,芯片的算力预置也越来越 高。

若14个500万像素的摄像头做深度学习计算,算力至少需要1000Tops。

35 资料来源:各公司官网,中泰证券研究所 表:分辨率与视频带宽 分辨率传输带宽范围 QCIF 128kbps CIF 384kbps 4CIF 1.5Mbps 720P 3.5Mbps 1080P 8Mbps 车型系统项目配置芯片 特斯拉Model 3 Autopilot 3.0 像素120万 搭载2个特斯拉自研芯 片(FSD芯片) 摄像头数量8个 芯片算力144TOPS(单个芯片72TOPS) 蔚来ET7 NIOAutonomous Driving(2022年 一季度起交付) 像素800万 搭载4个NVIDIA Drive Orin芯片 摄像头数量11个 芯片算力1016TOPS 小鹏P7 XPILOT 3.0 像素200万 英伟达Xavier芯片摄像头数量13个 芯片算力30TOPS 理想ONE 理想ONE标配辅 助驾驶系统 像素130万 Mobileye EyeQ4视觉 感知处理芯片摄像头数量6个 芯片算力单个芯片2.2TOPS(数量未知) 表:造车新势力ADAS解决方案 36 车载摄像头产业链 资料来源:前瞻产业研究院等,中泰证券研究所 摄像头 镜头 COMS 模组封装 欧菲光、丘钛科技、 华域汽车、德赛西 威、华阳集团、松 下、法雷奥、富士 通、大陆 韦尔股份、思特威、 比亚迪半导体、格科 微、安森美、索尼、 三星 舜宇光学、联创电 子、Sekonix、 kantatsu、fujifilm 34% 18% 14% 12% 22% 舜宇光学 Sekonix kantatsu fujifilm 其他 49.20% 19.80% 11.30% 5.80% 2.50% 2.30% 9.10% 索尼 三星 豪威 安森美 海力士 意法半导体 其他 20% 11% 10% 9% 9% 8% 8% 25% 松下 法雷奥 富士康 大陆 麦格纳 索尼 MCNEX 其他 图:摄像头产业链及2018年市占率 37 激光雷达:核心元件 37 资料来源:各公司官网,中泰证券研究所 激光雷达系统 光源 扫描部件 探测器 对人眼安全 瞬时脉冲 单脉冲下的高能量峰值 窄带宽 运动器件少 成本低 可靠性高,过车规 扫描视场角大 高灵敏度 高增益 低抖动 低电子噪声 光源(激光器):当前市场上激光雷达产品主要是采用1550nm和905nm两个波长。

扫描部件:机械式、固态(MEMS、Flash、OPA) 探测器:通常选择灵敏度较高的雪崩管探测器或光电倍增管作为激光雷达的探测器。

滨松、Lumentum、光讯科技、ams、昂纳科技、 Manlight、Finsar、Osram、富士通、IIVl、 Coherent、华芯科技 知微传感、微奥、Lemoptix、滨松、Microvision、 STM、Maradin、Opus、Mirrorcle、创微、水晶光电、VIAVI、 Alluxa、|Heptagon、迈得特、福晶科技等 滨松、Sensl、Osarm、STM、Sens-Tech、夜视 集团、Excelitas、Aurea、First sensor 38 固态VS机械 机械+MEMS率先落地,Flash具备远期前景。

目前在自动驾驶中应用占比较多的是机械式激光雷达,但总体成本较高, MEMS综合性能良好,成本低,目前自动驾驶实际应用处在机械式和MEMS式激光雷达的时代,MEMS、Flash是未来重点方向。

38 资料来源:各公司官网,中泰证券研究所 图:各类激光雷达性能图 0 1 2 3 4 可靠性 量产难度 量产后成本工艺成熟度 性能 机械式MEMSOPAFLASH 图:激光雷达分类 39 主要激光雷达厂商及产品方案 39 资料来源:各公司官网,中泰证券研究所 表:激光雷达主要厂商 厂商国别产品线主要投资机构 Velodyne美国 16、32、64、128线机械、固态 MEMS 百度、福特 Quanergy美国8线固态OPA三星、德州仪器、马斯克、戴姆勒、福尔德 Ibeo德国4、8线机械采埃孚(Tl) LeddarTech加拿大8线机械Desjardins、欧司朗、德尔福、麦格纳、马瑞利、IDT Luminar美国固态MEMSARCHina Capital Partners、1517fund、GVA capital、丰田 Tetra Vue美国固态Flash面阵三星、富士康、博世 Ouster关国16、64线机械Cox Enterprises、Fontinali、Amity Ventures Innoviz以色列固态MEMS三星、软银、福尔德、麦格纳、耀途资本 Oxry Vision以色列独创COR相干光激光雷达BVP、Maniv Mobility、Trucks VC、Third Point Ventures 速腾聚创中国16、32线机械、固态MEMS东方富海、复星锐正、北汽产投、上汽投资、菜鸟网络 禾赛科技中国40线机械、独创ZOLO固态远瞻资本、高达资本、光速中国、百度、真格基金 北科天绘中国16、32、128线机械联想之星、云晖资本、白泽资本、StarVC 镭神智能中国16、32线机械、固态MEMS招商资本、如山资本、北极光创投、达晨创投 北醒光子中国固态Flash面阵IDG、科沃斯机器人、顺为资本、凯辉基金、达泰资本 光珀智能中国固态Flash面阵万事利集团、浙江金控、丰实资本、华控创业 华为中国96线中长距激光雷达半固态MEMS 大疆Livox中国固态非重复扫描大疆 40 MEMS方案 40 资料来源:《汽车之友》、《自动化博览》,中泰证券研究所 图:MEMS激光雷达结构 MEMS:核心部件是微振镜。

相较于机械式雷达,MEMS激光雷达对激光器和探测器的数量需求明显减少。

1550nm波长激光器、SiPM(硅光电倍增管)需求增加。

由于振镜结构存在,尺寸缩小限制MEMS光学口径。

为达到车规, 可以采用1550nm波长激光器获取更优质光源或使用的APD探测效率更高的Si PM器件去解决口径小导致的测距能力问题。

41 FLASH方案 41 资料来源:知乎,中泰证券研究所 图:FLASH激光雷达原理图 FLASH目前其无法应用在于其探测距离小,当探测目标距离过大时返回的光子数有限,导致探测精度降低,无法准确感知 目标方位。

核心元器件:ToF图像传感器。

采用固体激光器,对设计和工艺上要求极高。

为了实现远距离探测,焦平面阵列探测器需要价格昂贵的雪崩光电探测器(APD)。

42 非重复式扫描方案:Livox 42 资料来源:《Low-cost Retina-like Robotic Lidars Based on Incommensurable Scanning》,中泰证券研究所 图:Livox lidar结构 1)发射端:采用成本更低的905nm发射模块+Dtof解决方案。

2)接收端:APD。

3)扫描模块:棱镜扫描。

Livox利用棱镜一方面极大地减少了激光发射和接收的线数,降低了物料成本,一方面也随 之降低了对焦与标定的复杂度,因此生产效率得以大幅提升。

性能特性905nm 1550nm 安规 波长越短,光子能量越 高,对人眼伤害越大, 安规限制越严格 限制大限制小 传感器 传感器材料决定了光谱 响应灵敏度,InGaAs 材料价格高于Si Si lnGaAs 光源器件 主要考虑成本、体积、 光束质量和功率,目前 光纤激光器的单价约为 数万元 半导体激光器 光纤激光器 日光干扰 地面日光光谱受多个因 素影响,影响背景光水平。

干扰大干扰小 大气散射波长越长,穿透能力越穿透力弱穿透力强 方案IToFDToF 细分FMCWAMCW脉冲式 系统复杂度 系统复杂, 成本高 系统简 单,成 本低 系统简单, 成本低 能量 平均能量高 峰值功率高 安规限制 受安规限 制严重 受安规限制小 精度高偏低高 量程10m 100m数百米 表:波长方案表:发射方案 43 高精度地图:L3以上刚需 43资料来源:四维图新,中泰证券研究所 图:不同驾驶解决方案 单车传感存在局限,比如距离、逆光、穿透性问题。

高精地图中标注了所有道路上的特征,可以一定程度上预测前方 特征,提高识别率,减少误识别,改善深度学习的一些缺陷。

云端是整个系统的关键。

高精度地图的海量数据都存储云端,所有车辆的车载系统也是从该处进行数据读取的。

云端平 台使得区域地图的精度达到厘米级。

性能指标传统电子地图高精度地图 精度 绝对精度5m左右,误差约 10~15m,只描绘位置和形 态,不含有细节信息 绝对精度优于1m,相对精度10~20cm, 包含详细车道等丰富信息 用途导航、搜索、目视 导航、辅助环境感知、定位、路径规 划、车辆控制 时效性较低较高 数据量每千米数据量约为1KB每千米数据量约为100MB 数据来源主要采集车采集车+众包实时数据+云端信息 表:传统地图与高精度地图对比 44 高精度地图:集中VS众包 44资料来源:创业邦,中泰证券研究所 表:图商制图模式 集中制图难以高频率更新需求,众包有利于降本。

百度、高德、四维图新等具有丰富采集经验和昂贵采集设备的图商 多采用集中制图的方式。

集中制图难以满足高频更新,带来高昂成本。

众包制图能够在一定程度上解决高频更新,但仍会以集中制图为主。

其采用比较廉价的设备,依靠自身的摄像头和车 内芯片,可以通过云,实现快速数据更新迭代。

但众包制图精度上无法满足自动驾驶需求,只作为集中制图补充。

Momenta采用集中后众包路线——以高精地图+低成本传感器快速普及,带动众包采集量提升。

四维图新百度地图高德地图滴图科技凯立德宽凳科技Momenta 集中制图集中制图集中制图众包制图众包制图众包制图众包制图 45 高精度地图:数据打造壁垒 45 资料来源:JDI,中泰证券研究所 图:2019年国内地图市占率 “数据新鲜度”是核心竞争力,当下获单影响后续发展。

目前国内高精度地图厂商格局较为集中,未来高阶自动驾驶 会对高精度地图的准确度及时效性要求越来越高,当下获单能够获得数据形成正向反馈,进一步延申优势。

29.3% 21.7% 17.9% 14.7% 16.4% 百度四维图新高德易图通其他 车厂图商 小鹏高德 奥迪高德 蔚来百度 广汽百度 标致百度 宝马四维图新、Mapbox 嬴彻科技(商用车)四维图新 长安四维图新 大唐高鸿(干线物流)四维图新 福特易图通 大众百度、Mobileye、高德、Here 表:部分合作厂商 46 芯片的核心——算力、能耗 图:自动驾驶算力需求图:汽车AI芯片性能功耗比是关键 自L3自动驾驶往上对芯片的算力需求呈几何式增长。

L3级别需要10tops算力,L5级别需要500+tops,这也就形成了传统车企 对算力的担忧与对大算力芯片的痴迷,进而演变成近几年主流芯片厂商的算力军备竞赛。

除算力外,由于车上能量有限,对 于芯片的能耗也具有很高的要求。

由于汽车产品生命周期较长,而芯片的迭代周期相较于汽车产品周期较短,因此许多前瞻性的车企如特斯拉、丰田、理想等 在做“硬件预埋”的同时,也会为“硬件升级”做准备。

资料来源:汽车之心,中泰证券研究所 47 芯片的核心——算力、能耗 资料来源:汽车之心等,中泰证券研究所 表:自动驾驶芯片统计 目前,能提供200TOPS以上高算力自动驾驶芯片的供应商只有英伟达、华为、高通等少数公司。

公司产品推出时间合作对象单芯片算力代表平台算力功耗比 成本预估 (美元) Mobileye Mobileye EyeQ6 67 130-160 Mobileye EyeQ5H 预计21年3 月量产 吉利、宝马、 百度等 2448 2.4 DL TOPS 英伟达 DRIVE Xavier 2019 全球六家 Tier和小鹏等 303201 DLTOPS Orin 预计2022年 量产 理想、奔驰、 蔚来、智己、 小鹏等 200最高2000 2.7 DL TOPS 300-400 黑芝麻 华山二号 A1000 2020 \ 432806 DLTOPS 地平线 征程52021(预计) \ 962885 DLTOPS 征程32020 广汽、奇瑞等 5 2 DLTOPS 特斯拉FSD 2019 Model S/X/3721442 DLTOPS 华为 昇腾3102018奥迪等约443522 DLTOPS 昇腾6102019 长安、北汽 蓝谷、奇瑞等 16 2 DLTOPS 高通 Snapdragon Ride(平台) 2023 \ 26 2.6DL TOPS 110-130 瑞萨R-Car V3U 2023 \ 60 6 DLTOPS 70-100 48 MCU芯片领域(传统车载芯片):竞争格局相对稳定,2019年全球汽车芯片行业CR3为35%,CR5为50%,其中恩 智浦占比最大为14%,英飞凌次之,行业占比为11%。

SOC芯片领域(车载AI芯片):竞争格局呈现阶梯分布,第一梯队为特斯拉、华为、百度、高通、英特尔 (Mobileye)、英伟达等具有先发优势的厂商,其中特斯拉因其芯片与算法拥有极强的契合度等优势属于第一梯队的头 部玩家之一。

第二梯队为地平线、黑芝麻等第三方可向车企提供解决方案类公司。

第三梯队:为未来有可能自研芯片 或已经在研发车载芯片的主机厂如小鹏汽车、蔚来汽车、比亚迪汽车等。

未来随着L2级别辅助驾驶的普及,以及智能驾驶慢慢发展至L3~L5级别和各大科技公司、Tier1、传统主机厂等公司 入局汽车SOC芯片领域,行业未来有望形成多强争霸的局面。

芯片竞争格局 14% 11% 10% 8% 7% 6% 4% 3% 37% 2019年全球汽车芯片市场企业竞争格局(单位:%) 恩智浦英飞凌瑞萨电子意法半导体德州仪器 博世安森美微芯科技其他 资料来源:ICVTank,前瞻产业研究院,中泰证券研究所 图:2019年全球汽车芯片市场企业竞争格局(单位:%)图:SOC芯片领域竞争格局 第一梯队: 第二梯队: 第三梯队: 49 智能车控:壁垒高,竞争格局好 模拟计算为主,传统Tier1占据优势,竞争格局较为清晰。

(1)芯片:主要是模拟芯片龙头TI、英飞凌等; (2)操作系统:RTOS,QNX为主; (3)算法:博世、采埃孚天合、康迪等是主要第三方供应商。

国内主要包括中鼎股份(悬挂算法)、伯特利(线控制 动)、拓普集团(线控制动)、车灯控制器等(科博达)。

智能底盘控制:制动系统&智能悬挂系统,材料和制造工艺要求高。

(1)制动系统:博世、采埃孚天合占据主导,国内龙头包括伯特利、拓普集团,初创企业包括拿森等; (2)智能悬挂:包括空气弹簧和减震两部分,悬挂主动化是明确趋势。

空气弹簧系统目前全球竞争格局较好,主要是 头部的康迪、伟巴斯特和AMK(中鼎股份);CDC减震目前主要被天奈克,核心壁垒在阀。

a)CDC减震器:全球主要是SACHS、天奈克,核心壁垒在控制精度; b)空压机:全球主要是WABCO、AMK、CAIZS,NVH、连续工作的可靠性要求高; c)储气罐:奥地利SAG; d)空气弹簧:保隆科技,康迪,保隆配套蔚来; e)分配阀:RAPA; f)系统供应商:中鼎股份(AMK)、康迪等,AMK、康迪配套豪华车,且通过AUTOSAR开发流程认证,新兴供应商 保隆科技。

资料来源:产业调研资料,中泰证券研究所 50 英伟达:算力领跑,开放式平台营造底层生态 在自动驾驶运算领域,英伟达的芯片中是市面上算力最高的芯片之一 提供基于高算力芯片的高度开放的自动驾驶计算平台,下游公司可以自己开发程序并拥有自有数据。

计划收购ARM,汽车领域如虎添翼 目前汽车用的低功耗芯片大多数则是基于ARM架构,多数都有ARM的专利。

若成功收购,英伟达在智能汽车和自 动驾驶领域的竞争力将显著提升。

资料来源:公司官网,中泰证券研究所 表:英伟达汽车智能化领域部分合作伙伴图:英伟达车载芯片规划 车企卡车一级供应商传感器/硬件出行服务地图软件 奥迪DAF博世索尼2GETTHERE高德地图黑莓 大众DHL 大陆集团松下Optimus Ride百度百度Apollo 奔驰Kenworth采埃孚英飞凌Navya四维图新drive.AI 丰田Peterbilt Veoneer安森美半导体Yandex Taxi勤威科技AutoX 沃尔沃图森未来德赛西威OmniVision Aurora DEEPMAPMomenta 现代起亚一汽Pinoeer小马智行HEREPlus.AI 理想Navistar Velodyne Zoox Mapillary Torc Robotics 小鹏沃尔沃速腾聚创e.Go Mobile TomTom robotTUNER 蔚来滴滴ZENRIN 上汽 Cruise Ushr 51 Mobileye:L1-L5全方位技术解决方案 芯片累计出货量超5000万个 据公司公告,2019年EyeQ系列芯片销售额接近10亿美元。

2014-2019年累计出货量达5000万个,CAGR为46%。

2021年宝马iNEXT将装配两个最新的EyeQ5(单颗算力增加10倍)。

正在开发的EyeQ6计划将于2023年面世。

计划2025年系统成本降到5000美元以下 规划2022年实现L4/L5级自动驾驶出行服务,2025年实现乘用车配备L3/4/5级技术。

公司CEO预计到2022年,所有硬件包括摄像头、激光雷达等传感器在内的总成本大约在1-1.5万美元,到2025年 可以把系统成本降到5000美元以下。

黑箱子解决方案,不提供原始数据给车企是最大诟病 资料来源:公司公告,公司官网,中泰证券研究所 图:Mobileye提供L1-L5级自动驾驶全方位技术方案 270 440 600 870 1240 1740 0 200 400 600 800 1000 1200 1400 1600 1800 2000 201420152016201720182019 EyeQ芯片出货量(万个) 图:2014-2019年EyeQ芯片累计出货量超5000万个 52 Mobileye:多个自动驾驶应用领域开展新业务 自动驾驶细分领域的全覆盖,市场空间前景广阔 目前公司的商业模式主要向汽车企业出售EyeQ芯片、摄像头系统以及L1/L2级自动驾驶系统为主。

计划将在2022年推出Robotaxi服务,包括端到端的出行服务供应商(E2EMaaS)、出行服务安全技术合作伙伴 (SDS to MaaS)、以及安全技术系统产品(SDS)。

图表:Mobileye提供L1-L5级自动驾驶全方位技术方案 ADASRobotaxi传感器L4/L5 REM地图消费级自动驾驶 业务组成 1. L1/L2,REML2+ 2. “Vision Zero” 3.前装摄像头数据货币化 1. E2EMaaS供应商 2. SDS to MaaS合作伙伴 3. SDS产品 1.开发激光雷达技术 2.向自动驾驶车企出售设备 向消费级自动驾驶汽车出售 地图许可 SDS to OEMs(向主机厂 出售安全技术) 时间线目前2022202320242025 市场空间 2024 $50亿 2030 ~$70-80亿 MaaS 2030 $1600亿 SDS 2030 ~$100亿 2030 ~$120亿2030 ~$350亿2030 ~$400亿 表:Mobileye多个领域开展业务 资料来源:公司公告,公司官网,中泰证券研究所 53 黑芝麻、地平线 地平线可提供具有开放性的计算平台和软件算法;同时提供整体解决方案,可支持激光雷达、毫米波雷达的接入 和多传感器融合,生态合作伙伴包括奥迪、博世、长安、比亚迪、上汽等。

黑芝麻则与英伟达类似,集中精力提升硬件性能,将软件与算法的设计工作开放给了主机厂。

黑芝麻的华山二号 A1000芯片是一种ASIC芯片,有着更高的效率,在效率上较为领先,黑芝麻FAD平台的算力利用率达到了80%, 首款落地车型预计今年底量产 图:地平线汽车智能芯片路线图 资料来源:汽车之心,中泰证券研究所 图:黑芝麻FAD自动驾驶平台图:黑芝麻芯片能效对比 54 特斯拉:自动驾驶技术是公司未来发展的重要拼图之一 采取“低成本感知硬件+高性能计算”方案 传感器采用摄像头、毫米波雷达、超声波雷达,数据处理通过自研的FSD芯片完成。

不使用激光雷达原因:1)雷达成本居高不下;2)量产规模跟不上特斯拉销量提升速度。

车载中央处理器的性能每隔两年提升一倍,因此“低成本传感器+高水平计算能力”的方案契合特斯拉对量产 车的要求(平民化价格+高算力)。

传感器/设备作用 感知层 8个摄像头视野范围达360度,对周围环境的监测距离最远可达250米。

1个毫米波雷达可探测到柔软或坚硬的物体,传感距离和精确度接近上一代系统的两倍。

12个超声波传感器能够穿越雨、雾、灰尘,甚至前车的下方空间进行探测。

决策层 FSD芯片运算能力相比上一代提升了40倍,由Tesla自主研发的神经网络,其中包含处理视觉影像、声纳和雷达的软件。

Autopilot自动辅助转向、自动辅助加速和自动辅助制动等 FSD智能召唤、自动泊车、自动辅助导航驾驶、识别交通信号灯和停车标志等 执行层 iBooster制动能量回收系统能增加电动车续航里程 电子转向系统采用Tesla Vision摄像头、传感器和计算功能,能实现更为准确的导航,适应更加复杂的路况。

资料来源:公司官网,汽车之家,中泰证券研究所 表:特斯拉自动驾驶软硬件设备及作用 55 特斯拉:推出多元化的商业模式 从车辆预装功能到商业化应用 1.硬件不需要再加装,购买FSD后通过OTA升级即可使用自动驾驶功能,也可以选择订阅服务的付费方式。

2.2019年Autonomy Day,马斯克提出了Robotaxi与Tesla Network,即自动驾驶打车服务及共享平台(类似于 Uber、滴滴拼车服务)。

特斯拉提取服务费的25%-30%,公司预计车主可以盈利65美分/英里(预计每英里1美元的车费),单车 毛利达3万美元/年。

与其相比,Uber收费每为2-2.5美元/英里。

目前特斯拉电动车保有量超100万辆,若自动驾驶打车服务正式落地,则特斯拉将成为业内首家实现自动 驾驶规模化及商业化应用的公司。

资料来源:公司官网,中泰证券研究所 图:特斯拉完全自动驾驶功能售价6.4万元图:Tesla拟推出拼车服务 56 造车新势力:单车研发投入较高 资料来源:Bloomberg,中泰证券研究所 表:造车新势力与特斯拉研发费用对比(单位:百万美元) TSLA累计202020192018201720162015201420132012201120102009200820072006 车辆销售收入87580.8626184.0019952.0017631.528534.755589.013740.973192.721997.79385.70148.5797.08111.9414.740.07 研发费用8658.131491.001343.001460.371378.07834.41717.90464.70231.98273.98208.9893.0019.2853.7162.7525.00 占比10% 6% 7% 8% 16% 15% 19% 15% 12% 71% 141% 96% 17% 364% 89643% 交付量(辆) 1373584499597367656245461103012506655044631655224422650 单车研发投入0.630.300.370.591.341.651.421.471.0310.34 NIO累计20202019201820172016 车辆销售收入4089.932326.861056.04707.03 研发费用2208.19381.27634.81 582.52 398.35211.24 占比54% 16% 60% 82% 交付量(辆) 75641437282056511348 单车研发投入2.920.873.095.13 LI累计202020192018 车辆销售收入1462.941422.6640.28 研发费用451.80168.56167.59115.65 占比31% 12% 416% 交付量(辆) 3262432624 单车研发投入1.380.52 XPEV累计202020192018 车辆销售收入1161.94850.10311.230.61 研发费用723.28264.50299.74159.04 占比62% 31% 96% 26072% 交付量(辆) 39810270411272841 单车研发投入1.820.982.35 2020年特斯拉研发费用在15亿美元左右,占销售收 入的6%,单车研发投入约0.3万美元。

自2006年起累计研发投入超过86亿美元,占销售收 入的10%,平均单车研发投入在0.63万美元。

57 造车新势力:自动驾驶更贴近中国市场 蔚来: 硬件:搭载多个传感器,配备Mobileye EQ4芯片、百度高精地图、惯导定位系统等。

自动驾驶:NIOPilot(自动驾驶辅助系统)完全自主研发,可提供20多项辅助驾驶功能,并不断对中国路况 进行针对性的算法调整和优化。

据汽车之家的测评,蔚来NOP系统在进入/驶出高速匝道、智能并线的表现优 于特斯拉的NOA,更贴近中国路况的实际使用场景。

小鹏: 硬件:摄像头、超声波雷达、毫米波雷达、英伟达芯片、激光雷达(P5)等。

自动驾驶:公司的NGP(自动导航辅助驾驶)支持城市主要道路自动辅助驾驶。

计划在2022年推出的第四款 车上配备下一代自动辅助驾驶硬件平台,推出更高等级的XPILOT 4.0。

理想: 硬件:多个环境感知传感器。

下一代车型计划切换到英伟达Orin芯片。

标配Orin拥有200TOPS算力,可提供 L2+级高级辅助驾驶功能,升级到双片Orin后可提供L4级的自动驾驶方案。

自动驾驶:自动驾驶功能无需额外付费。

到2021年底计划将自动驾驶团队规模扩至600人,建立自主软件算法 能力,预计未来三年内每年研发费用达到60亿元左右,加强自动驾驶相关研发。

资料来源:公司季报电话会议,公司官网,中泰证券研究所 58 造车新势力:自动驾驶硬件、功能与团队对比 公司系统搭载车型硬件配置智能芯片软件算法自动驾驶等级功能自动驾驶团队规模 蔚来NIOPilot ES8 ES6 EC6 三目前视摄像头x1(均胜电子) 环视摄像头x4 毫米波雷达x5(博世) 超声波雷达x12 驾驶状态检测摄像头x1 Mobileye EyeQ4 自主研发 L2+ 自动紧急制动 侧方开门预警 车道变换预警 自动泊车辅助系统 高速自动辅助驾驶 拥堵自动驾驶辅助等 美国团队约360人 中国团队超460人 ET7 激光雷达(Innovusion) 摄像头 长波红外相机 毫米波雷达 超声波雷达 高精度地图等 英伟达Orin x 4 L3 小鹏Xpilot 2020款G3 双目前视摄像头x1(博世) 双目侧向摄像头(博世) 环视摄像头x4(博世) 毫米波雷达x3(博世) 超声波雷达x12(博世) 车内智能摄像头x2(博世) Mobileye模块感知部分:博世L2.5 自适应巡航 车道居中辅助 自适弯道巡航 自动变道辅助 自动限速调节 遥控泊车 后方来车预警等 2020年底250-300人(美 国团队超100人) P7 P5 三目前向视觉模块 前置摄像头x4 前置安全辅助摄像头 增强感知摄像头x5 环视摄像头x4 毫米波雷达x5 超声波雷达x12 激光雷达(P5) Nvidia DRIVEXavier 德赛西威自动驾驶域控制器 自主研发 L2功能 L3硬件架构 低速代客泊车 中速塞车辅助巡航 高速代驾等 理想- ONE 前置单目摄像头x1 环视摄像头x4 毫米波雷达x1 超声波雷达x12(博世) 激光雷达(新车型配备) Mobileye EyeQ4 硬件使用供应商 方案,软件与易 航智能共同研发 L2 可支持L3 全速域自适应巡航 车道保持辅助 并线辅助 前方碰撞预警 自动紧急制动 侧方盲区辅助 自动泊车等 北京研发中心超200人, 上海新建研发中心 (新车型)英伟达Orin x 2 L4 资料来源:公司季报电话会议,公司官网,中泰证券研究所 59 宝马:强强联合,计划到2024年推出L4级自动驾驶乘用车 宝马计划到2024年推出L4级自动驾驶乘用车 与Mobileye、博世、Aptiv、麦格纳等供应商合作实现L3级自动驾驶,首款应用车型为2021年量产的iNEXT。

计 划到2024年推出L4级自动驾驶乘用车。

L4级使用的传感器包括:5个激光雷达(麦格纳);3个长距离毫米波雷达(博世);4个短距毫米波雷达;8个 摄像头,其中1个三目摄像头(Veoneer);定位里程传感器(Harman/Trimble);高清地图(HERE,原诺基亚 的地图公司)等。

通过选配驾驶辅助功能作为商业模式。

资料来源:公司官网,中泰证券研究所 图:宝马L4级自动驾驶测试车辆附加传感器位置及数量 功能选配价格(元) 远程启动发动机4100 整体主动转向系统14500 驾驶辅助功能(包括车道偏离警告,前部碰撞 警告,城市碰撞警告,行人碰撞防护) 12700 专业型驾驶辅助系统30200 智能激光大灯20000 主动巡航控制系统9300 全彩平视显示系统16100 手势控制系统3500 表:宝马智能自动驾驶车选配功能及价格 注:选择宝马X7为配置车型 60 奔驰:布局自动驾驶技术,开拓共享出行市场 旗舰车型开启奔驰全面智能化模式 第11代S级轿车的L3级自动驾驶系统Drive Pilot包含:12个超声波传感器(博世),1个前视双目摄像头 (LG),1个后视摄像头和4个环视摄像头(麦格纳),1个前向长距离雷达,4个角雷达(大陆),1个长距离 激光雷达(法雷奥),同时增加了高精地图、高精定位技术等。

即将推出的全新一代C级轿车也将“拷贝” S级轿车的感知方案,提供最高L3级自动驾驶。

从2024年起,旗下的车型将陆续搭载英伟达的各类自动驾驶芯片,让奔驰全系车都拥有辅助驾驶或自动驾驶能力。

与博世合作推出了L4级自动驾驶共享出行服务,用户可通过手机预订无人驾驶的网约车服务。

资料来源:公司官网,中泰证券研究所 表:奔驰智能自动驾驶车选配功能及价格 功能选配价格(元) 远程发动机启动标准配置 主动式制动辅助系统标准配置 360°摄像头6100 车道追踪套装5600 无钥匙启动组件15700 驾驶辅助组件14300 驾驶辅助组件增强版,包括智能领航转向功能、智能领 航限距功能、主动式制动辅助系统带横向探测功能等。

31500 注:选择奔驰E级为配置车型 图:奔驰自动驾驶辅助功能及所应用的传感器 61 大众:燃油车巨人迈向全面电动化+智能化 成立联盟推动自动驾驶技术 大众与福特汽车向Argo AI投资260亿美元共同研发L4级的自动驾驶系统。

此外公司通过两个联盟构成了自动驾驶平台基础:1)与其他全球OEM成立的PAVE联盟;2)与供应商成立的NAV的联盟。

集团CEO迪斯不断明确公司规划:以特斯拉为目标,在电动化、智能化、软件创新等各个方面全面追赶。

资料来源:Firstmile,公司官网,中泰证券研究所 表:奥迪智能自动驾驶车选配功能及价格 注:选择奥迪A8为配置车型 图:大众自动驾驶技术合作伙伴 功能选配价格(元) 智能主动车身控制系统70000 动态四轮转向28000 交通标志识别功能3000 主动车道保持系统3200 自适应巡航控制系统29000 全景影像系统(包括环车摄像头+驻车辅助系统升级版) 10100 城市驾驶辅助系统(包括路口通行辅助+车道偏离预警,后方 通行警示系统和开门安全警示系统+预安全系统后部版) 20000 夜视辅助系统32000 62 法雷奥:提供全方位ADAS解决方案 ADAS市场行业龙头之一,拥有行业最全面的传感器组合 1991年推出首个超声波停车辅助装置,公司已在ADAS领域拥有30年的技术创新经验,拥有汽车行业最全面的传感器组合。

2019年全球每4辆新车中就有1辆配备了公司的ADAS解决方案,公司预计到2022年ADAS业务销售收入约320亿欧元。

公司已从四家主流车企获得了5亿欧元的激光雷达订单。

目前计划推出采用MEMS扫描镜的第三代SCALA激光雷达。

第二代SCALA激光雷达价格<900欧元,近距探测激光雷达价格<200欧元。

资料来源:公司官网,中泰证券研究所 图:法雷奥ADAS传感器发展沿革 63 大陆集团:自动驾驶系统方案提供商 从感知到执行,具有完备的产品线和技术实力 感知层:提供产品有摄像头、雷达、高分辨率激光雷达和全景摄像头,丰田、福特、通用等OEM均为公司客户。

决策层:研发辅助驾驶、安全控制、动力总成、智能定位等域控制器,并采用高度集成化设计,适用于各整机厂的不同架构。

执行层:通过智能互联使得车辆辅助功能得到了延伸,提升了辅助功能的价值量。

例如制动系统不但可以更安全地进行自动 制动,还可以实现远程停车或代客泊车等功能。

资料来源:公司官网,中泰证券研究所 图:大陆集团域控制器产品 64 采埃孚:提供模块化自动驾驶解决方案 底盘控制技术“一枝独秀” 为解决不同电动车的底盘要求并降低成本,采埃孚开发了智能动态驾驶底盘系统和“飞毯2.0”系统(Flying Carpet 2.0)。

两 套底盘系统集成了采埃孚的全系列技术,可适用于多种电动车平台。

cubiX是公司研发的一个集成式、模块化和可扩展的底盘控制软件,通过将电动助力转向系统、主动式后桥转向系统(AKC)、 主动减振系统(sMOTION)、制动控制单元等多个车辆系统进行集成与互联,进而对汽车控制性能的优化。

可扩展的计算能力和图像处理器 公司推出的新一代车载中央计算机控制器ProAI,使用英伟达芯片,可通过多套装置进行模块化组合,实现20 TOPS到1000 TOPS的运算能力,支持L2-L5各级别的自主驾驶应用。

资料来源:公司官网,中泰证券研究所 图:第一代到第四代ProAI产品图:cubiX底盘控制软件 65 博世:从感知到决策的自动驾驶多面手 提供自动驾驶所需的多种高精度传感器 博世提供摄像头、雷达、激光雷达、超声波雷达等一系列传感器,结合开发的驾驶辅助系统,为自动驾驶的感知层提供了多 种解决方案。

电控刹车既能帮助能量回收又能实现自动刹车 博世在15年推出了第2代iBooster,能适用于所有的动力总成解决方案,单车价值量约400-600美元。

国内首个iBooster南京生产基地于19年正式投产,年产能在150万套左右,公司预计到2024年将达300余万套。

据博世表示,2019在中国年约有15个iBooster合作项目,包括特斯拉Model 3、吉利领克、上汽荣威、奔驰、大众以及本田等车企、车型。

资料来源:公司官网,中泰证券研究所 图:制动系统部件及iBooster等部件表:博世传感器业务介绍 产品功能及特点 激光雷达 2020年1月推出首款激光雷达,具有极高的分辨率,远距离和广阔的视角,对反馈到的探 测信息进行计算并启动刹车或转弯动作,帮助实现L3-L5级别自动驾驶 长距离雷达76–77 GHz频率范围,0.36–250m探测范围,最多同时感知24个物体数量,重量240g 中距离雷达76–77 GHz频率范围,0.36–89m探测范围,最多同时感知32个物体数量,重量190g 前车雷达76–77 GHz频率范围,最远210m探测范围,最多同时感知32个物体数量,能耗<4W 超声波雷达15cm-5.5m探测范围,3 – 15cm的物体检测(精确度高),重量14g 近距离摄像头水平广角192°,垂直广角>94°,VGA或1.2或2.X百万像素分辨率,高动态范围成像(HDR) 多功能摄像头 水平±50°,垂直±27°的广角,探测距离>150m,2.6MP分辨率,同时结合了人工智能和 图像处理算法的摄像头, 3D环视摄像头系统 多摄像头系统包含四个近距离摄像头。

一个前方摄像头、一个后方摄像头和两个侧面摄像 头,所有摄像头均采用190°广角镜头,检测范围达55m,可形成360°景象。

66 麦格纳:打造模块化自动驾驶平台 完善的传感器产品谱系 提供摄像头、雷达等各类视觉ADAS传感器以及域控制器产品。

与Ibeo合作研发的激光雷达计划于2021年10月投产。

成功配套大众MEB平台,打造电驱动头部公司 2017年与华域汽车合作设立华域麦格纳电驱动系统有限公司,生产新能源车功率模块、一体化集成驱动电机、变速器、控制 器等产品,首期规划产能30万辆。

据公告,公司为大众MEB平台的电驱动总成配套供货,产品已于2019年10月18日下线。

强强联手打造国产高端电动车 18年6月与北汽集团在镇江签署高端新能源汽车制造基地相关协议,工厂年产量18万辆。

根据协议,双方将开展高端智能纯电动车共享平台的开发,首批量产车型为ARCFOX。

资料来源:公司官网,中泰证券研究所 图:华域麦格纳为大众MEB平台项目供货图:麦格纳各类传感器产品 67 Waymo:专注于L4、L5级无人驾驶技术 Waymo专注于L4、L5级无人驾驶研究,激光雷达为核心技术之一 采用多传感器融合的感知方案。

其中自主研发生产激光雷达可获得高质量的3D数据,减少视觉计算量的同时可以增强AI系统 的认知和决策能力。

公司称第五代Waymo Driver系统组件成本仅是上一代的50%。

自动驾驶的技术实力保持领先地位,通过与车企合作补齐整车制造短板 据Patent Result,Waymo的自动驾驶技术专利被引用次数为全球第一,但在自动驾驶整车方面的专利低于丰田、福特等车 企,为此公司通过和车企进行合作来发挥自身的最大优势。

Waymo的商业模式分为自动驾驶出租、卡车货运、物流配送、软件授权服务四大业务场景。

资料来源:公司官网,Paten Result,中泰证券研究所 图:第五代Waymo Driver系统传感器组件搭载多个自研激光雷达 68 百度Apollo:最丰富、最全面的自动驾驶产业平台 全球最大自动驾驶开放平台 据官网显示,Apollo生态合作伙伴规模已达177家,包括国内外一线主机厂、零部件供应、芯片公司、传感器 公司、交通集成商、出行企业等,覆盖从硬件到软件的完整自动驾驶产业链。

推出中国首款L4级Robotaxi量产车型 选择了激光雷达+毫米波雷达+摄像头的融合方案,与红旗合作生产的中国首批量产L4级自动驾驶出租车已在长 沙开始试运营。

多方位整体解决方案,推进自动驾驶商业化落地 图:百度Apollo生态部分合作伙伴 资料来源:公司官网,中泰证券研究所 Apollo企业版业务描述 Robotaxi自动驾驶解决方案具备L4级自动驾驶能力的出行服务 Valet Parking自动驾驶解决方案车-云-图-场融合方案,实现高精度自主泊车 车路协同智能交通解决方案提供全局视野,为自动驾驶与智能交通提供泛在连接技术与端到端应用服务 车辆网智能车云解决方案 依托百度的AI和大数据能力,驱动汽车产业智能化升级,包括提升电动车销量,助力OEM 完成车辆数据全生命周期管理等 Minibus自动驾驶解决方案全球首款商用级无人驾驶电动车,具备L4级别高度自动驾驶能力和卓越交互能力 智能信控智能交通解决方案 AI视觉+地图大数据交通治理工具,根据交通变化动态优化信号配时,大幅提高区域范围 内道路通行能力 小度车载OS车联网解决方案 集云、端、芯等功能于一体,结合先进的语音功能、视频分析及车路协同技术,为车辆提 供ADAS驾驶辅助功能、车辆碰撞预警、AR实景导航等服务 表:Apollo企业版整体解决方案 69 华为:做智能汽车增量部件供应商 智能汽车领域的布局清晰—芯片+OS+AI算法+云服务+传感器 在MDC智能驾驶平台上,昇腾芯片+智能驾驶操作系统(AOS); 在CDC智能座舱平台上,麒麟芯片+智能座舱操作系统(HOS); 在VDC整车控制平台上,芯片(目前还在研发中)+智能车控操作系统(VOS) 华为希望通过自身通信技术、芯片研发、软件系统开发等方面的优势,提供智能汽车系统解决方案给各大车厂,如长 安、北汽等。

可以理解为,智能汽车=智能+汽车,一家公司做“智能”,其他车企做“汽车”,再组合为智能汽车。

资料来源:第一电动,汽车之家,中泰证券研究所 图:华为智能汽车业务整体布局 CONTENTS 目录 CCONTENT S 专业|领先|深度|诚信 中泰证券研究所 2智能座舱:底层寡头化,生态定胜负 目 录 CONTENTS 竞争格局:底层产品是寡头的市场 产业演进:应用端具备巨大商业潜力 1 2 72 座舱芯片:高通领衔,国内加速推进 高通市占率最大,国内厂商加速推进 高通领衔座舱芯片。

当前智能座舱芯片市场主要包括恩智浦、瑞萨电子、德州仪器等传统汽车芯片厂商以及高 通、英特尔、三星消费电子厂商,高通目前已合作25家顶级制造商中的20家。

国内芯片厂商也同样加快产品研发步伐,推出各自座舱芯片产品。

2020年6月,地平线开发的智能座舱AI芯片征 程2在长安UNI-T正式下线应用;黑芝麻发布了两款车载芯片,计划在2021年量产;华为与比亚迪半导体合作, 进一步加快智能座舱芯片研发的步伐。

表:主流车载芯片对比 资料来源:中汽数据等,中泰证券研究所 图:高通合作伙伴 型号 恩智浦 i.MX 8QM 瑞萨 R-CARH3 高通 820A 英特尔 A3950 制造工艺28nm 16nm 14nm 14nm CPU类型 2*Cortex-A72 4*Cortex-A53 2*Cortex-M4F 4*Cortex-A57 4*Cortex-A53 2*Cortex-R7 主频为2.1GHz的4核64 位处理器 主频为1.6GHz的4核64位 处理器 GPU类型2*GC7000 GX6650 Adreno 530 Intel HD 505 车规级AEC-Q100 AEC-Q100 AEC-Q100 AEC-Q100 支持屏幕显示 支持4k显示或四路高清显示 支持3路显示 支持多个4K超高清触屏 显示 支持多路显示 支持操作系统 Andriod、Linux、QNX、 FreeRTOS等 Andriod、Linux、Green Hills、QNX、FreeRTOS等 Andriod、Linux、QNX 等 Andriod、Linux等 73 操作系统:座舱软件核心,多为车企自研 车载操作系统将是智能座舱软件核心 三大底层操作系统,QNX(通过ASIL- D)、Linux、Android(基于Linux开发),由于仪表和车载娱乐对实时性和 安全性要求不同,可以用虚拟机同时实现多操作系统共同运行,QNX管理仪表,Linux/Android负责娱乐。

根据 IHS统计,QNX在汽车操作系统市场的占有率75%+,在车载娱乐系统占有率60%+,在仪表盘以及驾驶辅助领域 的市占率接近100% 基于底层系统开发的智能座舱操作系统包括鸿蒙OS、Android AOS、AliOS、车企自研操作系统(如特斯拉 Version等) 表:主流车企操作系统 资料来源:中汽数据等,中泰证券研究所 特点应用产品车企 QNX 可靠性强,安全性高,但其开发费用高,系统非 开源,导致软件生态并不完善。

液晶仪表等 奔驰、宝马、奥迪、福特、大众 Linux免费的开源系统,开发成本低。

特斯拉、雪佛兰、丰田 Andriod 软件生态建设完善,系统开发者人数占据优势, 与之适配的APP应用数量众多,但系统安全性、稳 定性较差,易出现黑屏、死机等现象,无法满足 数字仪表功能安全要求。

导航、蓝牙电话、语音 交互等 通用、吉利、一汽、广汽、比亚迪等 74 芯片、操作系统等底层被寡头垄断 品牌车载OS底层OS芯片 特斯拉Version Linux英特尔A3950 理想Android Android高通820A 小鹏Xmart OSAndroid高通820A 蔚来NIOAndroid、QNX高通820A 长安华为新品牌鸿蒙OSLinux麒麟710A 比亚迪鸿蒙OSLinux麒麟710A 上汽ALiOSLinux / 奥迪MMIQNX、Android高通820A 宝马iDrive QNX英特尔A3950 沃尔沃Sensus Linux英特尔A3950 造车新势力 传统主机厂 表:智能座舱操作系统及芯片供应链统计 资料来源:公司公告,中泰证券研究所 75 操作系统:QNX份额有望逐步被替代 75 资料来源:知乎,中泰证券研究所 项目鸿蒙OS阿里AliOS QNXAndroid Linux(AGL) 搭载车型/合作 伙伴 阿尔法S华为HI版、比 亚迪汉等 荣威、名爵、大通、宝骏、福 特、东风雪铁龙、观致、小康 汽车等 全球100%的OEM商都和QNX合 作,QNX在车载信息娱乐系统 或车联网系统占据超过60%的市 场份额 福特、奥迪、本田、 现代、吉利、奇瑞、 东风、长安、上汽通 用等 丰田、戴姆勒、本田、 三菱、福特等 特点 全场景分布式OS,实 现了模块化耦合,有三 层架构 基于Linux Kernel研发,感知、 交互、应用、平台、安全五个 领域实现了突破 车载OS的安全极高,但开发费 高昂 免费开源,目前主要 应用于车载娱乐系统 开源免费,非常安全、 稳定的操作系统之一 表:操作系统分类 当前QNX一家独大。

由于QNX安全性高,已广泛用于汽车行业的远程信息处理系统,全球100%的OEM商都和QNX合作,但 其开发费用高昂。

Android、AGL等有望分享更多份额。

Android由于开源特性更多使用娱乐系统,Google建立OAA,进一步加快车载OS布 局。

Linux旗下的AGL也在不断布局生态,目前吸引超过一百家的全球合伙人。

76 域控制器:架构变革,本土机遇 E/E架构变革价值量提升,自主品牌架构变革存在压力 从ECU到DCU,价值量持续提升。

DCU的市场规模将从2020年的约20亿美元增长到2030年的680亿美元。

而单 车价值量将随自动驾驶等级而提升。

预计L1级DCU单车价值量约894美元,L3级约3371美元,L5级约8508美元。

自主电气架构转型落后于国际大厂,本土厂商迎来机遇。

特斯拉率先采用集中式电子架构,大众集团重构整车 电子架构,将车上原来的70多个来自于200多个供应商的ECU单元统一为三大计算平台,国内自主车企架构变革 较为落后。

相较于海外Tier1,自主选择与本土厂商合作有利于把握技术、数据话语权。

资料来源:公司公告、官网,中泰证券研究所 表:领先车企架构变革时间节点 特斯拉大众通用宝马安波福 计算平台HW 3.0 ICASEOCMUltra SVA 集中度中央集成三域融合域控制中央集成 半中央集成/ 中央集成 芯片组合FSD Xeon+EyeQ5* 3 Intel 量产时间20192020202020212022-2025 合作车企采用芯片域控制器落地情况 德赛西威 小鹏英伟达自动驾驶IPU03已量产 理想汽车英伟达Orin 2022 奇瑞(瑞虎8 Plus 和捷途X90) 已量产 广汽 \ 华阳集团 座舱域控制器已发布 东软睿驰 自动驾驶X-Box 3.0 表:本土主要厂商域控制器进展 目 录 CONTENTS 竞争格局:底层产品是寡头的市场 产业演进:应用端具备巨大商业潜力 1 2 78 车载语音:构建用户生态,龙头突出 图:预计2025年车载语音市场空间超600亿元 资料来源:公司公告、官网,中泰证券研究所预测 车载语音市场龙头突出,潜在市场空间广阔 公司核心竞争力:基于车载AI技术和云、端一体化的解决方案,将车辆传感器、互联网生态、用户个性、环境交互、 动作执行等充分融合,帮助车企客户建立以车辆为中心的生态系统,提供具有品牌特性的用户体验。

我们预计2025年全球前装车载语音市场规模约62亿元,潜在市场空间约539亿元,合计超600亿元。

根据Cerence与科 大讯飞年报中的装车量/出货量与对应的收入测算,我们预计前装车载语音(软/硬件)单车价值约50、60元左右,预计 25年搭载1亿台左右,对应市场规模62亿元。

随着智能座舱成熟度提升,车载语音更大的潜在市场将自于流量分成和语 音的延伸服务,如宝马的ConnectedDrive收取每年50美元订阅费,对应潜在市场空间539亿元。

公司主要产品主要客户优势 Cerence Cerence Drive, Cerence ARK 大众、奔驰、丰田、雷克萨斯、福特、北 汽、小鹏、蔚来等 全球车载语音龙头公司,专利技术数量丰富,市场份额第一, 汽车装配率第一。

苹果CarPlay宝马、奥迪、雪佛兰、本田、大众等 基于iPhone的生态系统以及语音助理Siri具有较高的认知度, 推广优势明显 谷歌AndroidAuto奥迪、现代、本田等 谷歌的大数据及技术积累为语音识别技术奠定了强大的基础, 谷歌地图服务为车载语音识别系统提供了优势。

科大讯飞 飞鱼车机、飞鱼 AI套件 大众、沃尔沃、雷克萨斯、吉利、长安汽 车等 采用云+端的技术架构,多语种识别,多语种合成,生物识别, 个性化定制等 云知声UniCar上汽通用、高德、喜马拉雅FM等 云端芯软一体化方案,2周集成出货,2个月打造个性化精品 解决车载垂直场景下的功能诉求。

百度小度车载OS现代、比亚迪等 百度的大数据及技术积累为语音识别技术奠定了强大的基础, 百度地图服务为车载语音识别系统提供了优势。

表:全球车载语音市场主要参与者 0 100 200 300 400 500 600 700 2020E 2021E 2022E 2023E 2024E 2025E 前装(软/硬件)潜在(授权/服务费) 79 HUD:爆发正当时 智能座舱与自动驾驶接口,HUD加速渗透。

2018-2021年搭载HUD的中低端车型在售数量持续增加,2018年20万以下无搭载HUD车型,到2021年20万元以 下搭载HUD车型达17辆,在售车型达40种。

图:HUD在售车型数量分价格 资料来源:汽车之家,中泰证券研究所整理 图:HUD历年在售车型数量分价格 13 12 2426 43 181 0 20 40 60 80 100 120 140 160 180 200 5-8万8-10万10-15万15-20万20-25万25万-35万35万以上 0 2 4 6 8 10 12 14 16 18 2018201920202021 8-10万10-15万15-20万 80 HUD:爆发正当时 市场高集中度,国产替代空间大 2018-2021年搭载HUD的中行业竞争格局均呈现高度集中的态势。

2019年Q1,中国乘用车HUD市场份额前四 大供应商分别是日本电装株式会社(58%)、日本精机(19%)、美国伟世通(19%)、德国大陆(3%), CR4达到99%。

HUD主流企业技术领先,ARHUD等最新产品基本布局完毕。

传统Tier 1深耕汽车零部件领域多年,在资金、 技术和资源等方面占据优势。

国内企业主要包括华阳集团、泽景电子等。

图:2020年国内HUD市占率 资料来源:Omdia,公司公告,中泰证券研究所整理 表:车载显示屏产业链供应商 33.30% 27% 20% 9.10% 3.60% 3% 2.40% 日本精机大陆集团电装台湾怡利 江苏泽景伟世通华阳集团 产品和技术情况 德国大陆采用AR-Creator技术打造AR-HUD产品。

日本精机 公司发展AR-HUD产品,目前公司产品已进阶至HUD3.0时代,即实现 “AR+ADAS+HUD”。

美国伟世通 ARHUD采用了10x4度的场图像。

此外,该系统投影的图像到驾驶员位置的距离约10 米,远大于一般系统的2米。

未来黑科技 汽车前装HUD领域,公司和奇点汽车合作开发目前全球可以量产的最大显示尺寸(16.4 英寸)的前装HUD产品。

日本松下 松下汽车SPYDR 2.0,集成了HUD的驾驶员监控系统(DMS)。

DMSHUD使用了松下专 有的DMS算法,在虚拟现实基础上实现无缝集成。

华阳集团 公司已储备各类型HUD成熟解决方案,HUD产品在东风日产启辰车型上得到了很好的应用。

泽景电子 2013年,公司成功研制国内第一个车载风挡式HUD光路系统,并于2014年推出国内 第一个拥有完全知识产权的风挡式HUD样机。

除车载HUD外,公司还致力于透明A柱 与车窗显示的研发。

CONTENTS 目录 CCONTENT S 专业|领先|深度|诚信 中泰证券研究所 3投资建议 82 投资建议 1、应用场景是否好核心看算法迭代速度:消费市场算法迭代速度快于ROBOTAXI;算法自研的迭代速度快于第三方。

因 此,下游我们最看好消费场景的算法自研公司,关注小鹏、蔚来、理想、长城、长安等。

2、智能化将经历车端和云端竞争两个阶段: (1)第一阶段:车端竞争,主要围绕架构、传感器、算法和算力等。

算法和算力头部主机厂基本自研,第一阶段的投资 机会主要来自于传感器,看好MEMS等低成本路线的激光雷达、摄像头供应链。

(2)第二阶段:云端竞争,核心看车队保有量和云端算力,云端竞争阶段,由于算法和生态应用都是边际效应递增,行 业头部化趋势会加速,生态应用和V2X等细分领域会爆发。

看好云能力强的特斯拉供应链(拓普集团、三花智控)、华为 赋能标的(长安汽车、小康股份等)。

3、智能化时代,整车的生意“变好”,市场集中度提高。

传统车时代,汽车是高度差异化的周期消费品,整车厂盈利周 期波动性大、市场集中度低、产品护城河不高。

在智能车时代,由于云端应用和算法边际收益递增的特点,整车集中度有 望大幅度提升。

看好华为赋能标的(长安等)、特斯拉供应链标的。

4、车控端软硬件解耦趋势确定。

关注底盘控制标的中鼎股份、伯特利、保隆科技等。

83 风险提示 1、新能源汽车补贴政策不及预期 2、新能源汽车销量不及预期 3、行业扩产加速导致价格低于预期的风险 4、行业测算偏差风险 5、研究报告使用的公开资料可能存在信息滞后或更新不及时的风险 84 重要声明 中泰证券股份有限公司(以下简称“本公司”)具有中国证券监督管理委员会许可的证券投资咨询业务资格。

本公司不会因接收人收到本报告而视其为客户。

本报告基于本公司及其研究人员认为可信的公开资料或实地调研资料,反映了作者的研究观点,力求独立、客 观和公正,结论不受任何第三方的授意或影响。

但本公司及其研究人员对这些信息的准确性和完整性不作任何 保证,且本报告中的资料、意见、预测均反映报告初次公开发布时的判断,可能会随时调整。

本公司对本报告 所含信息可在不发出通知的情形下做出修改,投资者应当自行关注相应的更新或修改。

本报告所载的资料、工 具、意见、信息及推测只提供给客户作参考之用,不构成任何投资、法律、会计或税务的最终操作建议,本公 司不就报告中的内容对最终操作建议做出任何担保。

本报告中所指的投资及服务可能不适合个别客户,不构成 客户私人咨询建议。

市场有风险,投资需谨慎。

在任何情况下,本公司不对任何人因使用本报告中的任何内容所引致的任何损失负 任何责任。

投资者应注意,在法律允许的情况下,本公司及其本公司的关联机构可能会持有报告中涉及的公司所发行的证 券并进行交易,并可能为这些公司正在提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。

本公 司及其本公司的关联机构或个人可能在本报告公开发布之前已经使用或了解其中的信息。

本报告版权归“中泰证券股份有限公司”所有。

未经事先本公司书面授权,任何人不得对本报告进行任何形式 的发布、复制。

如引用、刊发,需注明出处为“中泰证券研究所”,且不得对本报告进行有悖原意的删节或修改。

推荐给朋友: 收藏    |      
尊敬的用户您好!
         为了让您更全面、更快捷、更深度的使用本服务,请您"立即下载" 安装《慧博智能策略终端
         使用终端不仅可以免费查阅各大机构的研究报告,第一手的投资资讯,还提供大量研报加工数据,盈利预测数据,历史财务数据,宏观经济数据,以及宏观及行业研究思路,公司研究方法,可多角度观测市场,用更多维度的视点辅助投资者作出投资决策。
         目前本终端广泛应用于券商,公募基金,私募基金,保险,银行理财,信托,QFII,上市公司战略部,资产管理公司,投资咨询公司,VC/PE等。
慧博投资分析手机版 手机扫码轻松下载