灼鼎咨詢：2024年自動駕駛行業知識報告（44頁）.pdf

《灼鼎咨詢：2024年自動駕駛行業知識報告（44頁）.pdf》由會員分享，可在線閱讀，更多相關《灼鼎咨詢：2024年自動駕駛行業知識報告（44頁）.pdf（44頁珍藏版）》請在三個皮匠報告上搜索。

1、LocationMinimumHigh90%Statistics of thenumberMagnitudeStatistics of the number30%66%90%行業知識報告 自動駕駛共創掃碼關注灼鼎咨詢公眾號免費領取行業報告行業研究|共創報告|戰略咨詢|競品調研|薪酬調研|上市輔導 商務合作請簡要描述需求至合作郵箱 發 布 時 間：更 新 至 2 0 2 4 年 5 月 丨 首 次 發 布（第 1 版）共 9 0 頁APEX&CONSULTING自動駕駛智能駕駛雷達激光雷達NOA新能源汽車前言說明關于行業知識報告在“信息爆炸”的當下，知識接收與學習的需求愈加迫切，終身學習的重要性

2、不言而喻。我們悉心構建，希望憑借自身專業能力及信息資源用心為您提供“包羅萬象”的行業知識報告；我們精心打磨，力求每篇報告都能匯聚該行業更全面、更動態、更深入的知識理論與市場經驗；我們實時關注，及時洞察行業動態，總覽行業全景：助力“小白”知識速覽、“大神”信息同步。我們希望成為您快速了解新行業的重要幫手。關于知識共享與共創“理愈辯而愈明”，行業知識報告并非盡善盡美。我們相信每個意見和建議都會為報告閱讀者創造價值，倘若當前報告存在疏漏或是您其他可補充的關鍵信息，可隨時聯系我們，我們始終歡迎并接受您所提出的建設性意見。我們將按一定優先級進行篩選后，定期或并不定期進行報告優化及數據更新。我們相信知識共

3、創的力量。2目錄APEX&CONSULTING自動駕駛行業概覽及技術背景1行業概覽：自動駕駛基本概念&定義從車輛自主控制到完全無人駕駛行業概覽：自動駕駛行業發展歷程多技術路線并行，自動駕駛行業進入“工業革命”新時代技術原理&底層邏輯：自動駕駛技術架構“感知、決策、控制”三位一體，共筑自動駕駛原理框架技術原理&底層邏輯：自動駕駛過渡技術NOA：從L2到完全自動駕駛的重要過渡技術技術原理&底層邏輯：自動駕駛過渡技術NOA：細分功能與場景詳述自動駕駛關鍵技術組件：傳感器雷達：實時感知駕駛環境信息自動駕駛關鍵技術組件：傳感器技術激光雷達：推動自動駕駛技術發展和商業化進程的關鍵技術之一自動駕駛關鍵技術組

4、件：傳感器激光雷達系統組成詳述自動駕駛關鍵技術組件：傳感器激光雷達技術發展路線自動駕駛關鍵技術組件：傳感器車載攝像頭：實時采集駕駛過程高清圖像信息自動駕駛關鍵技術組件：傳感器車載攝像頭：車載攝像頭結構與部件詳述自動駕駛關鍵技術組件：傳感器車載攝像頭：車載攝像頭模組工作原理詳述自動駕駛關鍵技術組件：車載計算平臺硬件部分：高性能計算&處理硬件實時分析行駛數據自動駕駛關鍵技術組件：車載計算平臺軟件部分：保障車輛安全有效行駛，不斷迭代助力實現完全自動駕駛自動駕駛關鍵技術組件：通信技術（V2X）V2X：實現自動駕駛和智能交通系統的關鍵技術之一前言目錄APEX&CONSULTING自動駕駛行業概覽及技術背

5、景1自動駕駛關鍵技術組件：自動駕駛算法自動駕駛算法迭代歷程自動駕駛關鍵技術組件：自動駕駛算法感知算法：自動駕駛感知算法定義與技術原理自動駕駛關鍵技術組件：自動駕駛算法感知算法：感知算法技術正逐漸向上游融合發展自動駕駛關鍵技術組件：自動駕駛算法決策算法：自動駕駛決策算法定義與技術原理自動駕駛關鍵技術組件：自動駕駛算法控制算法：自動駕駛控制算法定義與技術原理自動駕駛關鍵技術組件：域控制器域控制器：集合控制復雜功能與子系統的關鍵控制單元自動駕駛關鍵技術組件：域控制器域控制器：自動駕駛域控制器構成與技術原理自動駕駛關鍵技術組件：自動駕駛模型傳統模型：自動駕駛傳統模型痛點自動駕駛關鍵技術組件：自動駕駛模

6、型“端到端”模型：自動駕駛“端到端”模型優勢與潛在挑戰自動駕駛關鍵技術組件：未來趨勢從“硬件”到“數據”，自動駕駛正進入數據驅動“新時代”自動駕駛關鍵技術組件：未來趨勢數據“為王”，自動駕駛或將通過軟件算法打磨形式“進化”自動駕駛行業市場分析2行業發展背景：政策環境國家層面高度重視，自動駕駛已成為國家重點關注的戰略新興行業行業發展背景：政策環境地方政府積極響應，“多點開花”助力實現技術&市場“雙輪驅動”自動駕駛行業市場分析2目錄APEX&CONSULTING行業發展背景：社會環境環境保護與交通安全需求共同推進自動駕駛行業發展行業發展背景：技術環境多領域技術飛速發展，共同加速自動駕駛落地進程行業

7、發展背景：需求環境核心消費群體“年輕化”趨勢顯著，需求與認知重塑進程加速行業市場概覽：中國&全球市場情況自動駕駛滲透率逐漸增長，行業市場呈現飛速增長局面行業市場概覽：自動駕駛產業鏈圖譜商業模式創新，參與主體呈現多元化發展趨勢細分行業市場：上游感知層激光雷達行業市場發展情況細分行業市場：上游感知層激光雷達上游產業鏈及車企搭載情況細分行業市場：上游感知層車載攝像頭行業市場發展情況細分行業市場：上游感知層車載攝像頭行業市場競爭格局細分行業市場：上游感知層高精地圖行業市場發展情況細分行業市場：上游決策層芯片&半導體行業市場發展情況細分行業市場：上游決策層芯片&半導體算力需求增長趨勢細分行業市場：上游決

8、策層自動駕駛軟件行業市場概況細分行業市場：上游控制層自動駕駛域控制器行業市場發展情況細分行業市場：中游整車市場自動駕駛中游整車行業市場發展情況自動駕駛行業市場分析2目錄APEX&CONSULTING細分行業市場：中游整車市場啊自動駕駛中游整車L2級別市場發展情況行業市場概覽：自動駕駛行業投融資情況投融資區域集中性顯著，企業仍處早期發展階段行業市場概覽：自動駕駛行業投融資情況資本市場關注領域轉移，解決方案及落地屬性備受關注 自動駕駛行業主要公司發展情況3競爭格局：整體情況中國自動駕駛汽車行業競爭格局概述競爭格局：NOA使用情況高速與城市NOA使用場景分析競爭格局：自主品牌NOA布局各大廠商積極布

9、局城市NOA競爭格局：中國自動駕駛汽車行業集中度行業專利歸屬較為分散，市場集中度有待提高區域分布中國自動駕駛汽車行業代表性企業區域分布熱力圖重點企業介紹：特斯拉自動駕駛引領者，“一超”地位穩固重點企業介紹：特斯拉特斯拉自動駕駛技術（FSD）概述重點企業介紹：華為智能駕駛生態建立，多企業合作推動業務拓展重點企業介紹：華為華為自動駕駛技術（ADS）概述重點企業介紹：小鵬快速迭代保持領跑，銷量下滑仍為目前壓力自動駕駛行業主要公司發展情況3自動駕駛非乘用車應用場景4目錄APEX&CONSULTING重點企業介紹：小鵬小鵬自動駕駛技術（Xpilot）概述重點企業介紹：理想緊抓重點市場保障銷量，“后起之秀

10、”實現“先發制人”重點企業介紹：理想理想自動駕駛技術（Li AD）概述非乘用車應用場景：物流自動駕駛物流場景應用情況概述非乘用車應用場景：物流自動駕駛干線物流應用情況非乘用車應用場景：物流自動駕駛末端物流應用情況非乘用車應用場景：Robotaxi技術&需求雙輪驅動，Robotaxi商業化進程加速非乘用車應用場景：RobotaxiRobotaxi應用階段詳述非乘用車應用場景：封閉場景單一場景避免干擾，“降本增效”優勢加速落地進展非乘用車應用場景：封閉場景自動駕駛礦山場景應用概況非乘用車應用場景：封閉場景自動駕駛港口場景應用概況自動駕駛行業發展趨勢與展望5目錄APEX&CONSULTING發展趨勢

11、01：高水平演化從輔助駕駛到全自動駕駛，多角度助推行業向高水平方向演化發展趨勢 02：過渡方案單車智能&車路協同，自動駕駛高水平過渡階段的“新思路”發展趨勢 02：過渡方案單車智能：L3級別自動駕駛實現前的核心解決方案發展趨勢 02：過渡方案車路協同：L3/L4高級別自動駕駛實現的關鍵前言資料來源：灼鼎咨詢9在當前全球技術革新的浪潮中，自動駕駛技術正迅速成為汽車行業的焦點。中國的汽車制造商正在加大對智能化和自動駕駛技術的投資，力求在市場中占據領先地位。2024年初，比亞迪在這一領域的投資達到了1000億元，研發團隊規模達到4000人左右。華為智能汽車的研發團隊規模更是達到7000人左右，而小鵬

12、和理想汽車也在積極擴展其研發團隊，以提升其自動駕駛能力。自動駕駛技術的發展不僅體現在技術創新上，更體現在實際應用的廣泛推廣。根據數據顯示，41.1%的用戶每周至少使用高速NOA功能2-3次，而在城市NOA功能的使用上，41%的用戶每周使用2-3次，這反映出用戶對NOA功能的依賴性和需求正在不斷增加。具體場景方面，高速NOA功能的主要使用場景包括每次途徑高速（42.9%）和上下班通勤（37.5%），而城市NOA功能的主要使用場景則是上下班通勤（56%）和節假日出行（31%）。智能汽車在市場上的表現也體現了自動駕駛技術的快速發展。2024年1月，在上市新車中的智能汽車滲透率高達79.00%，但在3

13、月有所回落，降至55.98%。這種波動可能反映出市場需求的變化和技術應用的逐步成熟。隨著技術的不斷進步和市場需求的增長，自動駕駛技術正從輔助駕駛逐步向全自動駕駛過渡。NOA作為L2+級輔助駕駛的典型功能，標志著從ADAS（高級駕駛輔助系統）到FSD（完全自動駕駛）的重要過渡。未來，隨著政策支持和技術發展的同步推進，自動駕駛技術將更加成熟和普及，改變我們的駕駛方式，并重新定義交通和移動性。APEX&CONSULTING11資料來源：汽車駕駛自動化分級，灼鼎咨詢分析整理行業概覽：自動駕駛基本概念&定義概念與定義自動駕駛技術（自動駕駛技術（Autonomous Driving TechnologyA

14、utonomous Driving Technology）是指：使汽車能夠在沒有人類司機介入的情況下安全行駛的一系列技術，它涵蓋了從車輛自主控制到完全無人駕駛的廣泛技術。自動駕駛分級圖自動駕駛分級自動駕駛分級名稱名稱定義定義駕駛操作駕駛操作周邊監控周邊監控接管接管應用場景應用場景L0人工駕駛由人類駕駛員全權駕駛車輛人類駕駛員人類駕駛員人類駕駛員無L1輔助駕駛車輛對方向盤和加減速中的一項操作提供駕駛，人類駕駛員負責其余的駕駛動作人類駕駛員人類駕駛員人類駕駛員限定場景L2部分自動駕駛車輛對方向盤和加減速中的一項操作提供駕駛，人類駕駛員負責其余的駕駛動作車輛人類駕駛員人類駕駛員L3條件自動駕駛由車輛

15、完成絕大部分駕駛操作，人類駕駛員需要保持注意力集中以備不時之需車輛車輛人類駕駛員L4高度自動駕駛由車輛完成所有駕駛操作，人類駕駛員無需保持注意力集中，但限定道路和環境條件車輛車輛車輛L5完全自動駕駛由車輛完成所有駕駛操作，人類駕駛員無需保持注意力集中車輛車輛車輛所有場景提高道路安全：提高道路安全：通過傳感器和算法能夠持續監控周圍環境，并作出快速、精確的反應，避免碰撞和其他危險情況，從而減少交通事故發生的概率。增加交通效率：增加交通效率：對車輛的行駛路徑和速度進行優化，減少交通擁堵。車輛能夠更有效地協同工作，提高整體交通流的效率。減少能源消耗和排放：減少能源消耗和排放：通過優化駕駛行為和減少不必

16、要的加速和減速，自動駕駛車輛可以降低燃料消耗和排放。提供移動性解決方案：提供移動性解決方案：自動駕駛車輛特別適合那些駕駛困難的人群，如老年人和殘疾人，提供更多的獨立性和移動性。商業和物流應用：商業和物流應用：自動駕駛技術在物流和運輸行業中的應用，如自動駕駛卡車和無人配送車輛，可以提高運輸效率，降低成本。改善生活質量：改善生活質量：通過減少駕駛壓力和時間，自動駕駛汽車為乘客提供了更多的時間進行工作、休息或娛樂活動。自動駕駛的作用與好處 從車輛自主控制到完全無人駕駛起步階段（1925-1966）工業革命時代（2021年至今）大航海時代（2014-2021年）哥倫布時代（2004-2014年）技術奠

17、基階段（1966-2004年）12資料來源：虎嗅，灼鼎咨詢分析整理行業概覽：自動駕駛行業發展歷程國內自動駕駛詳細歷程萌芽期：政策引導與技術初探（2010-2015年）國家發布新能源汽車產業發展規劃，其中提到智能網聯汽車的發展方向。百度于2013年成立自動駕駛研究團隊，開始探索自動駕駛技術。2015年，百度在北京完成了中國首例全自動駕駛汽車測試，標志著中國在自動駕駛領域的技術突破?？焖侔l展期：創新突破與產業布局（2016-2020年）2017年，新一代人工智能發展規劃發布，明確提出發展智能網聯汽車。2018年，各地政府相繼出臺自動駕駛測試管理政策，開啟道路測試許可。百度推出Apollo開放平臺，

18、吸引大量企業和研究機構參與，推動技術快速進步。滴滴、蔚來、華為等企業紛紛布局自動駕駛，開展研發和測試工作。多個城市建立自動駕駛測試區，如北京、上海、廣州等。百度、滴滴等公司在長沙、北京、上海等地啟動自動駕駛出租車（Robotaxi）試點項目。成熟期：商業化探索與全面應用（2021年至今）2021年，智能網聯汽車技術路線圖2.0發布，進一步明確了自動駕駛技術的發展目標和路線。各地政府加快智能交通基礎設施建設，支持自動駕駛商業化應用。自動駕駛技術在感知、決策、控制等方面不斷進步，具備在復雜道路環境下的運行能力。百度、小馬智行等企業的自動駕駛出租車服務在多個城市實現常態化運營。自動駕駛在公共交通、物

19、流運輸等領域逐步落地應用。京東、菜鳥網絡等企業試點自動駕駛配送車，提升物流配送效率。智能道路和車聯網（V2X）技術逐步推廣，為自動駕駛車輛提供更安全高效的運行環境。多技術路線并行，自動駕駛行業進入“工業革命”新時代資料來源：艾瑞咨詢，灼鼎咨詢分析整理13技術原理&底層邏輯：自動駕駛技術架構“感知、決策、控制”三位一體，共筑自動駕駛原理框架環境感知決策規劃控制執行外部環境場景外部環境場景車輛運動感知外部環境感知車內人員感知車輛軌跡預測行駛路線規劃危險行為預警轉向控制驅動控制制動控制安全控制軌跡跟蹤數據融合軌跡規劃異常處理攝像頭、毫米波雷達、激光雷達、超聲波雷達 決策（決策（Decision Ma

20、kingDecision Making）系統：）系統：是自動駕駛汽車的大腦，這個系統處理來自感知系統的信息。路徑規劃：路徑規劃：計算從當前位置到目的地的最佳路徑。行為預測：行為預測：預測其他道路使用者的行為。決策制定：決策制定：基于預測和當前環境做出安全和有效的駕駛決策。這些決策算法往往依賴于先進的人工智能和機器學習技術，包括深度學習和增強學習。感知（感知（PerceptionPerception）技術：技術：是自動駕駛汽車用來解釋周圍世界的眼睛和耳朵。攝像頭：攝像頭：用于捕捉圖像和視頻，通過計算機視覺算法處理，識別道路標志、信號、行人和其他車輛。雷達：雷達：電磁波幫助測量距離和速度，對惡劣天

21、氣條件具有強大的抗干擾能力。激光雷達：激光雷達：提供精確的 3D 環境映射，關鍵在于檢測和分類周圍的物體。超聲波傳感器：超聲波傳感器：在短距離內非常有效，通常用于停車和低速駕駛場景。感知系統還需要將這些不同的傳感器數據融合在一起，提供一個全面的環境理解。決策感知控制（控制（ControlControl）系統：）系統：負責執行決策系統的命令車輛動態：車輛動態：理解和控制車輛的物理行為。執行器控制：執行器控制：操作車輛的方向盤、加速器和剎車。穩定性控制：穩定性控制：保持車輛在各種駕駛條件下的穩定性和動態性能?？刂?4資料來源：MIT Technology Review，灼鼎咨詢分析整理技術原理&底

22、層邏輯：自動駕駛過渡技術NOANOA（Navigation on Navigation on AutoPilotAutoPilot）與自動駕駛的關系是緊密相關的，NOA 是 L2+級輔助駕駛的典型功能，標志著從 ADAS（高級駕駛輔助系統）到 FSD（完全自動駕駛）的過渡。這種系統能夠實現在高速公路、城市快速路和普通城市道路上的點對點自動駕駛。目前，NOA 主要包括高速 NOA 和城市 NOA 兩種應用場景一是由 Cruise、Waymo 和百度等公司領導的 Level 4 技術，這些技術用于機器人出租車，盡管技術上更為先進，但通常限制在特定的地理邊界內。另一個等級是 NOA 系統，如特斯拉的

23、 FSD 或小鵬的 XNGP，它們僅為Level 2 技術，意味著人類駕駛員仍需要監控大部分任務，但這項技術更加普及，現已在全球銷售的汽車中可用。使用自動駕駛技術主要有兩個等級發展NOA的原因中國的汽車制造商正通過內部開發 Level 2 導航技術來保持市場競爭力，并將城市 NOA 服務作為其車輛的升級服務出售。而 AI 公司在努力達到 Level 4 或 5 自動駕駛技術的同時，也需要中間收入來源。NOA 服務可以快速帶來現金，并且至關重要的是，能夠獲得更多數據來訓練AI模型。2023年度H1中國乘用車市場NOA提供商市場份額排名排名供應商供應商市場份額市場份額1英偉達52.57%2地平線3

24、0.71%3德州儀器8.62%4Mobileye4.05%4華為海思4.05%NOA 作為向完全自動駕駛過渡的重要技術，雖然目前處于輔助駕駛的階段，但正在逐步實現更復雜的駕駛任務，推動自動駕駛技術的發展和普及。NOA：從L2到完全自動駕駛的重要過渡技術15資料來源：億歐智庫，灼鼎咨詢分析整理技術原理&底層邏輯：自動駕駛過渡技術NOANOA 功能細分功能細分展望未來自動駕駛導航路線規劃：路線規劃：系統自動規劃從起點到終點的最佳路徑。高速公路導航：高速公路導航：在高速公路上自動駕駛，包括入口、出口和轉換高速公路。車道控制自動車道變換：自動車道變換：在駕駛員啟動轉向燈的情況下自動變換車道?；趯Ш降?/p>

25、車道建議：基于導航的車道建議：根據即將到來的路線改變（如出口或合流）自動建議或執行車道變換。速度控制自適應巡航控制：自適應巡航控制：自動調整車速以與前車保持安全距離。自動調整速度限制：自動調整速度限制：根據道路標志和地圖數據自動調整行駛速度。自動駕駛輔助自動緊急剎車：自動緊急剎車：檢測到潛在碰撞時自動剎車。車道保持輔助：車道保持輔助：幫助車輛保持在當前車道中央。環境感知360360度環境感知：度環境感知：使用攝像頭、雷達和超聲波傳感器全方位感知周圍環境。盲點監測：盲點監測：監測并警告車輛盲點中的物體或車輛。交互和反饋駕駛員監控：駕駛員監控：確保駕駛員在使用NOA時保持警覺并隨時準備接管控制。視

26、覺和聲音提示：視覺和聲音提示：通過車輛顯示屏和聲音提供導航指示和系統狀態反饋。場景分類高速高速 NOANOA 場景場景高速路況與場景復雜度較低，因此造車新勢力以及傳統頭部車企已基本實現了高速場景NOA的量產。場景一：自動匯入主路場景一：自動匯入主路領航開始后，在經匝道并即將進入主路時，根據高精地圖及主路內車流、車道線情況智能調節車速，自動打燈變道，匯入主路。場景二：主路巡航行駛、智能選車道場景二：主路巡航行駛、智能選車道根據道路限速及高精地圖自動設定巡航速度，綜合道路情況智能選擇駛入主路后，選擇最優車道場景三：自動駛離高速場景三：自動駛離高速主路巡航時，前方需駛出主路在距匝道前方約2.5km時

27、，提前自動擇機向右并到最外側車道，以便駛入匝道城市城市NOANOA場景場景城市路況復雜，對于智能駕駛的硬件及軟件的要求更高，仍有巨大的發展潛力。道路交通場景多方面道路交通場景多方面交通網絡錯綜復雜，交織點眾多城市通勤道路常見三大場景：多分叉口、多變車道、非清晰車道主車行為多變化主車行為多變化主車行駛車速時快時慢，常換車道城市通勤道路持有三大行為：車速慢/多換車道/借道行車功能開放度提升行車功能開放度提升 NOA：細分功能與場景詳述存在的挑戰解釋性和可調試性解釋性和可調試性:端到端方法通常被認為是“黑箱”模型，難以解釋和調試。這在安全關鍵的自動駕駛應用中是一個重要問題。數據依賴性數據依賴性:端到

28、端學習極度依賴于大量的、高質量的、多樣化的訓練數據。缺乏代表性的數據可能導致模型在現實世界中表現不佳。泛化能力泛化能力:端到端模型可能在訓練數據覆蓋的場景下表現良好，但對于新的或罕見的場景可能缺乏足夠的泛化能力。安全性和可靠性安全性和可靠性:確保端到端模型的安全性和可靠性是一個挑戰，特別是在沒有清晰的規則和標準的情況下。16資料來源：CSDN，灼鼎咨詢分析整理自動駕駛關鍵技術組件：自動駕駛模型端到端（端到端（EndEnd-toto-End,E2EEnd,E2E）學習通常指的是使用深度學習直接從輸入數據（如攝像頭圖像）到輸出控制（如轉向角度、加速度）的映射，不再將問題切分為多個單獨的模塊（如感知

29、、規劃、控制等）?？赡艿母纳茰p少模塊間的錯誤累積減少模塊間的錯誤累積:在傳統模塊化架構中，一個模塊的誤差可以傳遞并在下一個模塊中累積。而在端到端系統中，整個流程被視為一個單一的學習任務，這可能減少錯誤的傳遞和累積。提高適應性提高適應性:端到端系統可以在訓練過程中直接從大量數據中學習復雜的環境適應性，可比模塊化方法更好地處理不同的駕駛條件和場景。簡化系統設計簡化系統設計:端到端方法簡化了系統架構，減少了模塊間的復雜交互，可能降低系統集成的難度。數據輸入數據輸入傳感器數據采集傳感器數據采集:收集來自車輛各種傳感器的原始數據，包括攝像頭圖像、雷達、激光雷達（LIDAR）等。數據預處理數據預處理圖像預

30、處理圖像預處理:對攝像頭采集的圖像進行裁剪、縮放、標準化等處理。信號同步信號同步:對不同傳感器采集的數據進行時間同步。深度學習模型深度學習模型模型訓練模型訓練:使用深度學習算法（如卷積神經網絡，CNN）對數據進行訓練。直接映射直接映射:學習從原始傳感器數據到駕駛決策的直接映射。駕駛決策駕駛決策轉向控制轉向控制:決定車輛的轉向角度。加速和制動加速和制動:決定車輛的加速或減速?？刂茍绦锌刂茍绦形锢砜刂莆锢砜刂?將深度學習模型的輸出應用于車輛的實際控制系統，控制方向盤、油門和剎車?！岸说蕉恕蹦Ｐ停鹤詣玉{駛“端到端”模型優勢與潛在挑戰全文共90頁，如需查看全文，或有其他行業報告定制需求請通過郵箱聯系客

31、服！郵箱地址：report_17資料來源：前瞻產業研究院，灼鼎咨詢分析整理自動駕駛關鍵技術組件：未來趨勢硬件驅動時代硬件驅動時代軟件驅動時代軟件驅動時代數據驅動時代數據驅動時代里程規模:100萬公里 感知方式:激光雷達 認知原則:人工規則 里程規模:100萬-1億公里 感知方式:傳感器單獨輸出結果 認知原則:人工規則應用模型:小模型小數據 里程規模:1億公里以上 感知方式:多模態傳感器聯合輸出結果 認知原則:可解釋的場景化駕駛常識 應用模型:大模型大數據 1.0 時代：硬件驅動2.0 時代：軟件驅動3.0 時代：數據驅動在這個時代，技術的重點是開發和優化硬件組件，如激光雷達（LiDAR）、攝像

32、頭和雷達。這些硬件是自動駕駛系統的眼睛，它們能夠感知周圍的環境并提供必要的數據。這一時代的自動駕駛解決方案依賴于硬件的性能以及基于規則的算法，這些算法通常是手工編寫的，用以解釋傳感器數據并做出駕駛決策。隨著計算能力的提高和算法的進步，自動駕駛的發展逐漸轉向軟件和算法。在這個階段，傳感器數據被單獨處理，每個傳感器各自為戰，分別輸出結果。軟件解決方案開始采用機器學習模型，盡管這些模型相對較小，且訓練數據有限，但它們在處理特定任務方面已經顯示出優于硬編碼規則的潛力。數據驅動時代數據驅動時代標志著自動駕駛技術的一個新階段。在這里，大數據和強大的計算能力使得可以使用更復雜、更大的模型，這些模型能夠從多模

33、態傳感器（如激光雷達、攝像頭、雷達等）聯合輸出的結果中學習。這種方式使得系統可以更全面地理解環境，提高決策的準確性和魯棒性。此外，大數據的使用還意味著系統可以從多樣化和大量的駕駛場景中學習，從而提高其泛化能力和適應不同駕駛條件的能力。三個時代的轉變反映了自動駕駛技術的成熟過程，從依賴硬件到算法，再到數據的全面利用。隨著技術的進步，可以預見未來自動駕駛將繼續演化，可能會有更多的創新和突破，使自動駕駛變得更加安全、可靠和普遍。從“硬件”到“數據”，自動駕駛正進入數據驅動“新時代”全文共90頁，如需查看全文，或有其他行業報告定制需求請通過郵箱聯系客服！郵箱地址：report_18資料來源：毫未智行，

34、前瞻產業研究院，灼鼎咨詢分析整理自動駕駛關鍵技術組件：未來趨勢自動駕駛技術的進化從 2.0 時代到 3.0 時代確實帶來了顯著的變革，這些變革不僅體現在技術層面，還體現在開發模式上。自動駕駛 2.0 時代：小數據、小模型，Case任務驅動技術特點技術特點：小數據：小數據：依賴相對較小的數據集，這些數據集通常針對特定的駕駛場景或任務。小模型：小模型：使用相對簡單的機器學習模型，這些模型專注于特定的任務，如物體檢測、車道識別等。開發模式：開發模式：開發重點是針對特定的駕駛場景或“Case”，例如交叉路口處理、行人避讓等。開發團隊會針對這些特定情況設計和優化算法。局限性：局限性：這種方法在處理已知場

35、景時表現良好，但在面對未知或復雜場景時可能缺乏靈活性和適應性。能力突破與模型統一能力突破與模型統一在云端實現感知大模型和認知大模型的能力突破 車端各類小模型逐步統一為感知模型和認知模型 控制模塊AI模型化 大模型化大模型化車端智駕系統全鏈路模型化 小模型逐漸統一到 大模型內 模型提升模型提升云端大模型逐步提升車端感知能力 自動駕駛大模型鋪開自動駕駛大模型鋪開端到端的自動駕駛大模型在車端、云端全面鋪開自動駕駛 3.0 時代技術特點：技術特點：大數據：大數據：利用大規模的數據集進行訓練，這些數據集包含了各種駕駛環境和情況，提供更全面的場景覆蓋。大模型：大模型：使用復雜的機器學習模型，如深度學習網絡

36、，這些模型能夠從大量數據中學習更豐富的特征和模式。開發模式：開發模式：數據驅動：數據驅動：側重于從真實世界的大量數據中學習，而非僅針對特定的駕駛任務。這種方法旨在使系統能夠更好地理解和適應各種復雜、動態的駕駛環境。優勢和挑戰：優勢和挑戰：優勢：優勢：更強的泛化能力，能夠處理更多樣化和復雜的駕駛場景。挑戰：挑戰：需要更大的數據處理能力，對計算資源的需求更高，數據質量和多樣性成為關鍵因素?？偟膩碚f，自動駕駛 3.0 時代的技術和開發模式更加強調數據的作用和規模，旨在通過利用大量數據來訓練復雜的模型，從而提高系統的泛化能力和適應性。這種方法的成功極大地依賴于數據質量、數據處理能力和先進的算法研發。數

37、據“為王”，自動駕駛或將通過軟件算法打磨形式“進化”全文共90頁，如需查看全文，或有其他行業報告定制需求請通過郵箱聯系客服！郵箱地址：report_APEX&CONSULTING20資料來源：中國政府網站，灼鼎咨詢分析整理行業發展背景：政策環境 國家層面高度重視，自動駕駛已成為國家重點關注的戰略新興行業搭載 L1-L2 級別的自動駕駛在過去幾年迅速占據了市場。未來，L3 及更高級別的自動駕駛將受到更多的關注與發展，并且將成為無人駕駛產業發展的分水嶺。2023 年 11 月 17 日，工業和信息化部為了落實關于加強智能網聯汽車生產企業及產品準入管理的意見，發布了關于開展智能網聯汽車準入和上路通行

38、試點工作的通知。其內容主要為，在智能網聯汽車道路測試與示范應用工作基礎上，遴選具備量產條件的搭載自動駕駛功能的智能網聯汽車產品，開展準入試點；對取得準入的智能網聯汽車產品，在限定區域內開展上路通行試點，車輛用于運輸經營的需滿足交通運輸主管部門運營資質和運營管理要求。交通運輸部關于推進公路數字化轉型加快智慧公路建設發展的意見發布時間：2023 年 9 月發布機構：發改委內容：到 2025 年，國家發展中國標淮指汽車的技術創新、產業生態、基礎設施、法規標準、產品監管和網絡安全體系基本形成。實現有條件自動駕駛的智能汽車達到規?；a。支持上海開展自動駕駛示范應用發布時間：2023 年 12 月發布機

39、構：國務院內容：在安全前提下測試和示范高度自動駕駛車輛，并加速智能網聯汽車的商業應用。此外，計劃深化智能網聯汽車高精度地圖試點，建立數據共享機制，支持數據交易服務，以及創建數據流通與創新平臺，制定相關標準和規則。自動駕駛汽車運輸安全服務指南（試行）發布時間：2023 年 12 月發布機構：交通運輸部內容：允許在符合安全前提下，自動駕駛汽車在指定區域進行城市公共交通、出租車、道路旅客和貨物運輸經營活動，并規定完全自動駕駛出租車在特定區域可采用遠程安全員，比例不低于1:3。國家車聯網產業標準體系建設指南(智能網聯汽車)(2023 版)發布時間：2023 年 7 月發布機構：工信部內容：到 2025

40、 年，系統形成支撐組合駕駛輔助和自動駕駛通用功能 的智能網聯汽車標準體系;2030 年，全面形成能夠支撐實現 單車智能和網聯賦能協同發展的智能網聯汽車標準體系。關于加快智慧港口和智慧航道建設的意見發布時間：2023 年 12 月發布機構：交通運輸部內容：計劃推動新一代自動化運輸設備如自動導引車（AGV）和無人集卡的規?；瘧?，建立示范項目來展示智慧港口和航道的能力，并深化智能交通的先導試點，特別是在港口集裝箱運輸和集疏運自動駕駛方面。于開展智能網聯汽車“車路云一體化”應用試點工作的通知發布時間：2024 年 01 月發布機構：工業和信息化部 公安部 自然資源部 住房和城鄉建設部 交通運輸部內容

41、：實現5G通信網絡全覆蓋，部署C-V2X基礎設施，提高車載終端裝配率，建立城市級服務管理平臺，開展規?；痉稇?，探索高精度地圖的安全應用，完善標準及測試評價體系，建設跨域身份互認體系，提升道路交通安全保障能力，以及探索新模式新業態等多個方面。政策回顧21資料來源：各地方政府網站，灼鼎咨詢分析整理行業發展背景：政策環境 地方政府積極響應，“多點開花”助力實現技術&市場“雙輪驅動”國家層面的政策宏觀上指引自動駕駛行業的發展方向和整體進度，而地方性政策是主機廠及自動駕駛 Tier1 自動駕駛技術落地的主要推動力。2023 年地方性自動駕駛政策7月上海8月杭州10月上海11月北京12月重慶臨港新片區

42、智能網聯汽車創新引領區發展三年行動方案（2023-2025年）到2025年將臨港新片區打造成為全國首個綜合智能網聯汽車功能的創新引領區。智能網聯車輛的運營里程達到超過1600萬公里，建設超過200公里的智慧道路和400個智能路口，并實現汽車產業規模超過4000億元，以年平均增長率超過30%的目標。浦東首批無人路測車牌發放浦東首批無人路測車牌發放百度智行、AutoX，小馬智行三家企業 155 車獲得浦東新區首批發放的無人駕駛智能網聯汽車道路測試牌照。本次獲得牌照的企業可以在浦東新區行政 區域內劃定的路段、區域開展車內全無人的智能網聯汽車道路測試。將提供最高200萬元補助支持智能網聯汽車領域內的示

43、范項目或特色應用場景，如智能出租(Robo-Taxi)、公共交通等。重慶市智能網聯汽車準入和上路通行試點管理辦重慶市智能網聯汽車準入和上路通行試點管理辦法（試行）法（試行）辦法規定智能網聯汽車生產企業必須具備檢驗能力、安全保障、安全監測能力及用戶告知機制。安全保障應涵蓋功能安全、網絡與數據安全、軟件升級管理以及風險和突發事件的處理。同時，企業需對實際道路測試和運行的車輛進行安全狀態監測和報告，確保信息的真實性、安全性和完整性。北京市智能網聯汽車政策先行區采集數據安全管理細則（試行）智能網聯車輛在數據采集時必須確保個人信息安全：車內數據采集需避免收集乘客信息或事先獲得同意并報備，必要時進行匿名化

44、處理；車外數據采集若無法獲取個人同意，應刪除或模糊處理相關畫面。生物識別信息不應作為唯一認證手段且不得外傳。22資料來源：中國統計年鑒，灼鼎咨詢分析整理行業發展背景：社會環境 環境保護與交通安全需求共同推進自動駕駛行業發展減少排放減少排放：智能汽車，特別是與電動車技術結合的智能汽車，可以顯著減少溫室氣體排放和其他污染物的排放，符合全球減排目標。提高能源效率提高能源效率：智能汽車通過優化行駛路徑、減少擁堵和空轉時間，能夠更有效地使用能源，減少燃料消耗。促進可持續交通促進可持續交通：智能汽車技術支持共享出行和公共交通系統的高效運作，減少單一乘客出行，從而減少交通擁堵和環境影響。推動可再生能源的使用

45、推動可再生能源的使用：智能汽車，尤其是電動智能汽車，配合可再生能源，如太陽能和風能，可以進一步減少對化石燃料的依賴。監測和改善環境質量監測和改善環境質量：智能汽車搭載的傳感器和數據分析能力可以用于監測空氣質量、噪音水平等環境指標，有助于城市環境的改善和管理。環境驅動社會層面社會層面提高交通安全性提高交通效率改善城市空間布局生態層面生態層面降低環境污染節省能源成本智能汽車發展優勢交通事故與人為失誤的關系占比90%10%人為失誤其他原因1010大交通違法行為：大交通違法行為：未按規定讓行超速行駛無證駕駛醉酒駕駛未與前車保持安全距離逆行違反交通信號燈酒后駕駛違法超車智能汽車正顛覆著人類的出行方式，它

46、們不僅滿足了多樣化的駕駛需求和提升了生活品質，還通過易用性使不同群體，包括老年人和殘疾人，都能便捷出行。智能汽車通過減少人為錯誤顯著提高安全性，同時通過數據分析和云服務有效緩解交通擁堵和停車難題。對環境的正面影響體現在能源的有效利用和減少環境污染上。長期來看，智能汽車將與智慧交通系統深度融合，構建一個高效、節能、安全的城市交通網絡，成為智慧城市體系中不可或缺的一環。23資料來源：汽車之家研究院公眾號，灼鼎咨詢分析整理行業發展背景：需求環境 核心消費群體“年輕化”趨勢顯著，需求與認知重塑進程加速2.8%9.3%23.3%25.8%17.6%11.7%9.5%2.7%17.6%19.8%21.9%

47、17.1%11.3%9.6%25 歲及以下26-30 歲31-35 歲36-40 歲41-45 歲46-50 歲51 歲以上2022 年2023 年2022 和 2023 年汽車消費者年齡分布情況2023 年汽車消費者駕駛關注點占比2.7%9.2%16.7%29.9%32.8%37.6%55.6%86.2%其他品牌價值很高設計很潮很酷改善交通擁堵技術含量高安全性更高解放雙手減緩疲勞駕駛18%23%28%30%31%39%44%49%64%73%售后舒適性產品質量智能座艙安全性內外飾設計智能駕駛品牌續航里程及經濟性價格2023 年汽車消費者智能駕駛關注點自動駕駛技術通過解放駕駛員，減少其在駕駛中

48、的體力與精力消耗解放駕駛員，減少其在駕駛中的體力與精力消耗，為駕駛員提供極大的便利。這項技術允許駕駛員在車輛安全運行的路段內不需要了解復雜的車載傳感器工作原理和決策過程。目前，自動駕駛已成為影響消費者購車決策的重要因素，尤其是對互聯網時代成長起來的千禧一代來說，自動駕駛功能是選擇汽車時的關鍵考量點。雖然自動駕駛技術仍處于發展初期，但消費者對這一功能的需求日益增加。例如，智能駕駛輔助系統是促使消費者選擇特定品牌和車型的主要因素之一?？傊?，自動駕駛技術正逐步塑造用戶的購車認知，預示著它將成為未來汽車發展的關鍵趨勢。郵箱地址：report_115.9130.9148.6169.4193.922325

49、8.5303417.5680.51299.712.94%13.52%14.00%14.46%15.01%15.92%17.21%37.79%62.99%90.99%201520162017201820192020202120222023E2024E2025E規模及預測（億元）增長率2015-2025 年全球無人駕駛汽車行業市場規模及預測24資料來源：IT之家，灼鼎咨詢分析整理行業市場概覽：中國&全球市場情況隨著全球5G技術的廣泛部署和演進，以及人工智能行業的持續進步，無人駕駛汽車產業正在經歷迅猛的增長。2021 年，全球無人駕駛汽車行業的市場規模達到了 258.5 億元人民幣，預測到 2025

50、 年將上升至1299.7 億元人民幣。行業的市場規模正逐年增大，發展前景樂觀。隨著相關技術的進一步升級和完善，有理由期待該行業在未來能迎來一次革命性的發展。30.543.955.269.384.181.393.7100.4118.5176.6267.6391.243.93%25.74%25.54%21.36%-3.33%15.25%7.15%18.03%49.03%51.53%46.19%201520162017201820192020202120222023E2024E2025E2026E規模及預測（億元）增長率2015 2025 年中國無人駕駛汽車行業市場規模及預測乘用車自動駕駛正在由 L

51、2 向 L3+過渡，商用車自動駕駛已進入商業化運營階段。隨著硬件平臺和軟件算法的日益完善，搭載 L2 級自動駕駛功能的新車型正逐步成為市場標準配置。2022 年中國市場在售新車中，配備 L2 和 L3 級自動駕駛功能的車型滲透率分別達到了 35%和 9%。一些科技企業已經跳過中間等級，直接投入到 L4 級自動駕駛技術的研發，并在特定的城市路段或應用場景中進行實地測試。24%35%9%2%11%51%20%11%L1L2L3L4202220232022 和 2023 年自動駕駛各級別滲透率 自動駕駛滲透率逐漸增長，行業市場呈現飛速增長局面全文共90頁，如需查看全文，或有其他行業報告定制需求請通過

52、郵箱聯系客服！郵箱地址：report_資料來源：低速無人駕駛產業聯盟，灼鼎咨詢分析整理4844165零部件整車25行業市場概覽：自動駕駛行業投融資情況北京：11家上海：3家浙江：2家陜西：2家天津：2家廣東：1家湖南：1家湖北：1家安徽：1家2024年第一季度國內無人駕駛融資企業地域分布情況2024年第一季度無人駕駛融資企業主要集中在北京地區，共11家企業披露融資金額達15億元，包括毫末智行、斯年智駕、雷科智途、易控智駕、新石器、千掛科技、DeepWay等。其次是江蘇，共9家企業披露融資總額超10億元，包括云創智行、九識智能、格陸博科技、霞智科技等。在第一季度，大多數獲得融資的自動駕駛企業仍處

53、于早期發展階段，主要集中在A輪和B輪融資。此外，處于加速發展階段的8家企業共披露了約44億元的融資額。從資本市場的角度看，一季度自動駕駛行業獲得了約92億元的融資，顯示出市場對該領域的高度信心。在此期間，有24起融資事件的金額超過1億元，這些融資占到了總融資事件的58%，總額達到87.9億元。自動駕駛仿真測試軟件公司AppliedIntuition在本季度獲得了最大的單筆融資，由保時捷領投，金額達到2.5億美元，約合人民幣18.1億元。21121060零部件整車初創階段早期階段成長階段成熟階段零部件21121整車019602024年第一季度國內外無人駕駛融資輪次分布情況初創階段早期階段成長階段

54、零部件484整車41652024年第一季度國內無人駕駛融資體量分布情況 投融資區域集中性顯著，企業仍處早期發展階段資料來源：蓋世汽車，灼鼎咨詢分析整理行業市場概覽：自動駕駛行業投融資情況8%24%16%12%16%4%8%8%4%自動駕駛卡車無人配送車無人清潔無人礦車無人農機巡邏/巡檢機器人自動駕駛解決方案無人物流轉運車無人船2024年第一季度國內外整車/解決方案企業融資分布情況（數量占比）3%46%4%7%9%4%27%0%0%自動駕駛卡車無人配送車無人清潔無人礦車無人農機巡邏/巡檢機器人自動駕駛解決方案無人物流轉運車無人船2024年第一季度國內外整車/解決方案企業融資分布情況（金額占比）7

55、%38%6%6%6%6%6%13%6%6%激光雷達線控底盤毫米波雷達超聲波雷達車聯網智能網聯域控制器導航定位系統自動駕駛芯片自動駕駛仿真軟件2024年第一季度國內外供應零部件企業融資分布情況（數量占比）23%10%3%3%0%3%3%0%3%52%激光雷達線控底盤毫米波雷達超聲波雷達車聯網智能網聯域控制器導航定位系統自動駕駛芯片自動駕駛仿真軟件2024年第一季度國內外供應零部件企業融資分布情況（金額占比）在第一季度，融資活動主要集中在提供整車或場景解決方案的企業，共有25家公司公開了超過56億元的融資額，顯示出資本市場對于那些在特定場景中實現商業化并開始盈利的公司的高度認可。特別是無人配送行業

56、，在這個領域，6家公司公布的融資額超過26億元，其中包括毫末智行、九識智能、新石器和Starship等，這些公司都完成了超過1億元的融資。國內領投的最大單筆融資為九識智能，由美團領投并獲得1億美元，約合人民幣7.21億元。而國外最大單筆融資由愛沙尼亞的Starship完成，金額為9000萬美元，約合人民幣6.489億元。緊隨其后的是無人清潔和環衛行業，其中4家公司披露融資，最大的一筆是歐卡智舶的B輪融資，超過1億元。在自動駕駛領域的零部件制造方面，共有16家公司披露了約35億元的融資，主要投資于線控底盤、定位導航和激光雷達技術。線控底盤相關的六家公司，如格陸博科技、比博斯特和坐標系智能等，公布

57、的融資總額接近3億元。值得注意的是，速騰聚創在年初成功在香港上市，成為“港股激光雷達第一股”，通過IPO募集了8.77億港元，約合人民幣8.07億元，市值達到193.2億港幣，成為全球市值最高的激光雷達上市公司。2023年，速騰聚創的激光雷達銷量為25.95萬臺，總收入達到11.2億元，同比增長111.2%。資本市場關注領域轉移，解決方案及落地屬性備受關注APEX&CONSULTING28資料來源：蓋世汽車，灼鼎咨詢分析整理競爭格局：整體情況企業類型公司簡稱核心技術/零部件布局自動駕駛級別傳統主機廠比亞迪自研自動駕駛操作系統L2長城自研計算平臺、算法L4/L5吉利自研芯片、計算平臺、操作系統、

58、算法L4/L5造車新勢力造車新勢力蔚來自研芯片、系統、算法和數據等L3小鵬智能駕駛輔助系統，高精地圖等L3理想自研操作平臺、算力平臺、芯片L2+科技公司科技公司百度視覺傳感器、高精地圖、算法、自研芯片、無人駕駛平臺等L4/L5華為激光雷達、高精地圖、算法、自研芯片等L4/L5阿里巴巴自研操作平臺、芯片、算力平臺等L4/L5初創公司初創公司知行汽車科技專攻自動駕駛，整合芯片、操作系統和中間件，向上支撐應用軟件開發，向下連接E/E架構和眾多系統零部件L4/L5小馬智行自研紅綠燈識別攝像頭、計算單元、域控制器等L4/L5文遠知行高精度地圖、算法、自研芯片、無人駕駛平臺L4/L51.1.傳統車企的技術

59、路線：傳統車企的技術路線：傳統車企采用“漸進式”發展策略，從基礎的輔助駕駛功能開始，逐步實現L1、L2和L2+級別的輔助駕駛功能。2.2.互聯網科技公司的策略：互聯網科技公司的策略：互聯網科技公司如百度、華為選擇“跨越式”發展路線，直接瞄準更高自動化級別的L4和L5。3.3.新興造車勢力的發展焦點：新興造車勢力的發展焦點：新興造車勢力，如“蔚小理”等，聚焦于L3級別的階躍式發展。4.4.L4L4和和L5L5級別研發的挑戰與策略：級別研發的挑戰與策略：L4級別的自動駕駛研發需要大量資金、高端技術人才及長期的研發聚焦，目前由互聯網科技公司和初創公司領先。傳統整車廠往往通過投資或合作的方式來進行L4

60、級別的技術布局，因為獨立實現較為困難。5.5.技術差距與潛在機會：技術差距與潛在機會：盡管新興造車勢力主要聚焦于L3及以下的輔助駕駛技術，與L4之間存在較大技術差距，但這些公司可以利用積累的大量車輛數據來縮短技術學習曲線，未來有可能在自動駕駛領域實現超越。中國自動駕駛汽車主要企業技術布局 中國自動駕駛汽車行業競爭格局概述29資料來源：億歐智庫，灼鼎咨詢分析整理競爭格局：NOA使用情況高速與城市NOA使用情況當前，汽車制造商正加大對智能化的投資，特別是在自動駕駛技術領域，以在市場中占據領先地位。2024年1月，智能新車在上市新車中的占比高達79.00%，顯示出市場對智能駕駛技術的強烈需求。然而，

61、到了2024年3月，這一比例降至55.98%，反映出市場需求可能出現波動。多家車企，如比亞迪、華為、小鵬和理想汽車，都在增加研發投入并擴大智駕團隊，以提升自動駕駛能力。高速和城市導航輔助駕駛（NOA）功能因應復雜路況的需求而受到重視。數據顯示，高速NOA功能使用頻率較高，41.1%的用戶每周使用2-3次，35.7%的用戶每周使用8-10次。而在城市NOA功能的使用上，41%的用戶每周使用2-3次，25%的用戶每周使用8-10次。高速NOA使用場景主要包括每次途徑高速時（42.9%）和上下班通勤（37.5%）。城市NOA使用場景則以上下班通勤為主（56%），其次是節假日出行（31%）。自動駕駛技

62、術的發展速度和市場需求表明這一技術已經逐漸被用戶接受，并在一定程度上依賴。車企加大投資和擴大團隊的舉措顯示了對自動駕駛技術未來前景的高度重視。然而，市場需求的波動也提示企業需要在技術研發和市場推廣之間找到平衡點，以確保技術的可持續發展和用戶的持續認可。同時，政策支持的力度和方向將極大地影響自動駕駛技術的推廣速度和普及范圍。因此，企業在推動技術進步的同時，應積極配合政策導向，以實現技術和市場的雙重突破。城市 NOA 使用頻率占比41%25%34%2-3 次/周8-10 次/周并未經常使用高速 NOA 使用頻率占比41.1%35.7%23.2%2-3 次/周8-10 次/周并未經常使用高速 NOA

63、 使用場景占比42.9%37.5%19.6%每次途徑高速時上下班通勤節假日出行城市 NOA 使用場景占比56%31%13%每次途徑高速時上下班通勤節假日出行智能新車占上市新車的占比2024 年 1月2024 年 3月79.00%55.98%公司公司投入投入現有團隊人數（研發）現有團隊人數（研發）比亞迪1000億元4000人華為智能汽車300億元7000人小鵬汽車約35億元3000人，預計擴展到4000人理想汽車未知預計年底擴展到2000人 高速與城市NOA使用場景分析客服！m30資料來源：佐思汽研，灼鼎咨詢分析整理競爭格局：自主品牌NOA布局2023 年 10 月中國乘用車自主品牌城市 NOA

64、 上線及規劃情況 主機廠主機廠具備城市具備城市 NOANOA 車型車型城市城市 NOANOA 上線情況上線情況長安汽車 阿維塔 11 目前覆蓋 6 城，預計年底擴展到 45 座。北京汽車ARCFOX S 全新 HI 版 目前覆蓋 6 城，預計年底擴展到 45 座。NIOET/ES/EC 2023 年 7 月，城市 NOP+在上海、北京上線。預計 2023 年 Q4，累計開通城區領航路線里程 6 萬公里，2024 年 Q1,累計開通 20 萬公里，2024 年 Q2，累計開通 40 萬公里。小鵬G6/G9/P7i 目前共計開放 5 城的城市 NGP 功能，預計 2023 年底擴展到 50 座城市

65、，2024 年 擴增到 200 個城市。理想L7/L8/L9 Max 版本 2023 年 6 月，推送不依賴高精地圖的城市 NOA；2023 年 9 月,推送通勤 NOA 的內測版，首先 10 座城市；2023 年 12 月,擴展到 100 城；2024 年 Q2，實現通勤 NOA 對全場景覆蓋。長城汽車魏牌藍山 暫未上線；預計 2024 年 Q1 上線，2024 年落地 100 城。比亞迪騰勢 N7 高階版 暫未上線；預計 2024 年 Q1 上線。吉利汽車極氪 001 暫未上線；2023 年 Q3 上線高速 NZP；城市 NZP 暫無規劃。廣汽集團昊鉑 GT 暫未上線 上汽集團智己 L7/

66、LS7 暫未上線；2023 年 10 月正式公測 2024 年，通勤模式實現 100 城開放 2025 年，實現全場景通勤。哪吒汽車哪吒 S 暫未上線；預計 2024 年 H1 向搭載 NETA Pilot 4.0 系統的車型推送城市 NCP。塞力斯問界新 M7/問界 M5 智駕版 截止 2023 年 10 月，目前已實現 15 城 NOA，預計 4 季度會擴展到 45 城市。各大產商積極布局城市 NOA31資料來源：蓋世汽車，灼鼎咨詢分析整理競爭格局：中國自動駕駛汽車行業集中度截至2024年2月27日，無人駕駛汽車領域中有效的專利總數為6729條。在這些專利中，百度、華為和普渡科技擁有的專利

67、數量居前，分別是312條、199條和188條，這三家公司的專利總數占整個行業的10.39%。此外，無人駕駛汽車行業的專利集中度相對較低，以CR3（前三大企業的市場集中率）為例，為10.39%，而前五大企業的CR5為12.22%，前十大企業的CR10則為15.01%。這些數據表明，雖然有幾家企業在專利數量上領先，但整體行業的專利仍然分散在多個企業之中。公司名稱有效專利數量（條）占比（%）華為技術有限公司1992.96%普渡科技有限公司188百度在線網絡技術有限公司131百度網訊科技有限公司95阿波羅智能技術有限公司86騰訊科技有限公司761.13%北京智行者科技股份有限公司470.70%北京外號

68、信息科技有限公司370.55%廣州汽車集團股份有限公司370.55%新石器慧通科技有限公司360.55%累計到2024年2月自動駕駛汽車專利數量（排序后）CR3CR5CR1012.22%15.01%自動駕駛汽車行業集中度（按有效專利數）行業專利歸屬較為分散，市場集中度有待提高 2.79%1.95%請通過客服！1.41%1.28%廣東：廣東：雷達系統：雷達系統：塞力斯、力帆科技車載攝像頭：車載攝像頭：德潤電子、中興通信通信服務通信服務：奧比中光、歐菲光智能系統智能系統：路暢科技、華陽集團、德賽西威解決方案提供解決方案提供：廣汽集團、比亞迪、騰訊控股32資料來源：蓋世汽車，灼鼎咨詢分析整理競爭格局

69、：區域分布浙江浙江：均勝電子、亞太股份、浙江世寶解決方案提供解決方案提供：吉利汽車、阿里巴巴南海諸島1:96 000 000北京北京：定位服務定位服務：四維圖新、合眾思社汽車芯片汽車芯片：北京君正，寒武紀智能系統智能系統：京東方A、中科創達汽車制造汽車制造：福田汽車、北汽藍谷解決方案提供解決方案提供：經緯恒潤、百度集團吉林吉林：執行端執行端：德爾股份解決方案提供解決方案提供：東軟集團河北河北：汽車芯片汽車芯片：紫光國微河南河南：智能系統智能系統：天邁科技汽車制造汽車制造：宇通客車安徽安徽：智能系統智能系統：皖通科技執行端執行端：伯特利汽車制造汽車制造：江淮汽車、安凱客車江蘇江蘇：雷達系統：雷達

70、系統：國防科務智能系統：智能系統：潤和軟件、誠邁科技執行端：執行端：星宇股份、奧聯電子解決方案提供：解決方案提供：知行汽車科技上海：上海：禾賽、司南導航、上汽集團湖北湖北：車載攝像頭車載攝像頭：東田微定位服務定位服務：光庭信息汽車芯片汽車芯片：聞泰科技解決方案提供解決方案提供：東風汽車重慶：重慶：汽車制造：汽車制造：塞力斯、力帆科技解決方案提供：解決方案提供：長安汽車福建福建：雷達系統雷達系統：福鼎科技車載鏡頭車載鏡頭：合力泰江西江西：車載鏡頭車載鏡頭：聯創電子海南：海南：汽車制造：海馬汽車汽車制造：海馬汽車中國自動駕駛汽車行業競爭分類格局互聯網/高科技公司整車制造商初創公司從自動駕駛汽車行業

71、代表性企業的區域分布來看，企業主要布局在廣東、浙江、北京、江蘇等中東部地區，尤以廣東分布最為集中;東北地區也有部分企業分布，西部地區代表性企業分布相對較少。自動駕駛汽車行業的競爭格局可以分為三個主要群體：首先是由百度、滴滴等高科技公司領銜的互聯網企業群，這些公司在智能汽車項目的研發上展現了極大的積極性；其次是包括廣汽、吉利、比亞迪、長安等在內的傳統整車制造商；最后是由AutoX、小馬智行、蘑菇車聯、文遠知行等。新興初創公司組成的群體，他們也在自動駕駛技術方面迅速嶄 露頭角。中國自動駕駛汽車行業代表性企業區域分布熱力圖APEX&CONSULTING34資料來源：灼鼎咨詢分析整理非乘用車應用場景：

72、物流自動駕駛物流場景應用情況概述自動駕駛技術在物流領域的應用主要分為兩個場景：干線物流和末端物流。末端物流末端物流定義與特點定義與特點:末端物流涉及到最后一公里的配送，通常發生在小區、園區等封閉或半封閉的區域內，具有高頻率、分散性強和即時性的特點。痛點痛點:主要包括配送效率低和成本高。自動駕駛應用與優勢自動駕駛應用與優勢:在這個場景下，自動駕駛技術的落地難度較低，行駛速度低，環境復雜度低，使得無人配送車輛可以更早實現規?；虡I應用。無人配送車通過高精度傳感器實時感知周圍環境，能夠自動規劃最優配送路線，減少人力依賴，提高配送效率。發展與應用發展與應用:我國在無人配送車領域已實現核心零部件的自研自

73、產，大大降低成本，為規?；瘧锰峁┝嘶A。干線物流定義與特點定義與特點:干線物流通常涉及重卡運輸，主要在高速公路上進行，特點是大批量、長距離運輸，且道路參與者相對較少，環境相對簡單。痛點痛點:主要包括安全問題和成本問題，尤其是由于市場競爭激烈、超載、超速和疲勞駕駛等問題。自動駕駛應用與優勢自動駕駛應用與優勢:通過使用L3級別以上的自動駕駛系統，可以在高速公路上實現自動跟車、變道、避障等功能，從而提高安全性，減少人力需求和成本，提高效率。預計自動駕駛能使重卡運營成本降低約26%，事故率降低約80%。市場與競爭市場與競爭:此領域的競爭者包括主機廠商、智駕技術公司和互聯網公司，市場競爭十分激烈。35

74、資料來源：億歐智庫，賽博汽車，灼鼎咨詢分析整理非乘用車應用場景：物流自動駕駛干線物流應用情況自動駕駛卡車在高速場景的應用正在推動物流行業的創新。這一技術不僅能降低物流成本，還能提高運輸效率和安全性。中國目前擁有約700萬輛城際中重型卡車，每年平均發生的交通事故數量高。自動駕駛技術的引入，尤其是 L3 和 L4 級別，預計將大幅降低事故率和運營成本。普通重卡和自動駕駛重卡每單位周轉量的總擁有成本比較 自動駕駛重卡的經濟效益自動駕駛重卡的經濟效益：L3 級別的自動駕駛重卡可以將每單位周轉量的總擁有成本降低 9.35%，而 L4 級別則可以降低 15.35%。這一降低主要來源于能源節省和人力節省，同

75、時還減少了因事故造成的損失。技術應用與挑戰技術應用與挑戰：自動駕駛卡車在高速公路上的運用面臨司機短缺、頻繁的交通事故、高燃油成本和低運營效率等問題。自動駕駛技術的應用被看作是解決這些問題的有效手段。初創公司的角色和合作初創公司的角色和合作：初創公司如圖森未來、贏徹科技、智加科技和主線科技正在推動自動駕駛技術在物流領域的應用。它們不僅進行技術研發，還與整車廠、Tier1 供應商和芯片制造商等密切合作，推進自動駕駛技術的商業化應用。技術發展方向技術發展方向：這些公司專注于開發能夠應對高速公路和港口、場區等特定物流場景的 L4 級別自動駕駛卡車解決方案，旨在通過計算機視覺和其他傳感器技術提高貨運效率

76、和安全性。發展現狀L4級自動駕駛柴油重卡L3級別自動駕駛柴油重卡能源節省人力節?。↙4)人力節?。↙3）自動駕駛硬件普通柴油重卡n 成本（萬元）18.5419.85-0.74-4.6-2.30.9921.9企業2021年2022年2023年2024/2025年贏徹科技 L4 研發測試，L3 量產運營L4 規模落地 智加科技 L4 研發測試，SL4 量產運營 L4 規模落地 圖森未來 L4 研發測試，L4(帶安全員)運營 L4 規模落地 主線科技 L4 研發測試，L3 量產運營 L4 規模落地 主流自動駕駛卡車高級別自動駕駛技術規劃 36資料來源：高級別自動駕駛應用白皮書，灼鼎咨詢分析整理非乘用

77、車應用場景：物流 自動駕駛末端物流應用情況 城市自動配送應用的加速發展正改變著物流行業的最后一公里，特別是在電商、外賣及即時配送領域。隨著自動駕駛技術的進步，城市末端配送正迎來革命性變化，實現了常態化運營，進一步提高了配送效率和減少了人工成本。市場需求和發展預測市場需求和發展預測：預計到 2030 年，全球城市末端配送需求將增長78%，而中國的自動配送車保有量將突破 100 萬輛，產值超過 1000億元，推動整個產業鏈經濟價值達到萬億規模。常態化運營實例常態化運營實例：美團在北京順義、北京亦莊、深圳坪山等城市已開展商業化落地，與其實體業務深度融合，實現自動配送車自動駕駛里程占比超過99%，累計

78、配送超過332萬單。其他企業如百度、京東、菜鳥、行深智能等也已開啟自動配送服務。技術進步與商業化量產技術進步與商業化量產：自動配送領域的關鍵技術持續突破，激光雷達、計算平臺與線控底盤等核心零部件逐漸國產化，降低了成本，為規?；瘧么蛳禄A。美團等企業已具備全技術棧研發能力，并實現了高精度環境感知、路徑規劃與控制等技術突破。企業參與與合作企業參與與合作：比亞迪與 Nuro 聯合研發的第三代自動配送車計劃于2023 年量產。其他企業如東風集團和長城汽車也活躍于自動配送車領域，推動了技術和產品的進步。發展情況企業企業產品類型產品類型應用城市應用城市配送場景配送場景配送內容配送內容美團自動配送車北京等

79、商家-小區內外賣、買菜百度阿波龍小車北京商圈餐飲京東配送機器人武漢物流站-醫院醫療用品、生活物資菜鳥車載自提柜杭州小區內快遞行深智能無人投遞車湖北仙桃政府及直屬單位郵政投遞典型企業末端配送應用情況 自動配送技術的發展正推動物流最后一公里服務向更高效、成本更低的方向轉變。隨著技術的不斷進步和市場需求的增長，自動配送車輛的商業化落地已成為行業趨勢，多家企業正通過技術創新和政策支持，推動自動配送服務的常態化運營和規?；a。37資料來源：各公司網站，麥肯錫，灼鼎咨詢分析整理非乘用車應用場景：Robotaxi技術&需求雙輪驅動，Robotaxi商業化進程加速企業企業開始研發時間開始研發時間國家國家主要

80、測試地區主要測試地區累計實際路測里程累計實際路測里程總車隊規?？傑囮犚幠aymo2009美國亞利桑拿州鳳凰城、加州舊金山 大于 2200 萬 英里 大于 700 Cruise 2013 美國加州舊金山 不詳約 300 Aurora 2017 美國賓州匹茲堡、德州達拉斯、加州 舊金山 約 460 萬英 里 不詳 百度 Apollo 2013中國 北京、廣州、重慶、深圳、武漢等大于 4300 萬 英里大于 1000美國加州舊金山、洛杉磯等文遠知行 2017中國廣州、北京、深圳、上海等大于 900 萬 英里大于 500美國加州圣何塞小馬智行 2016中國北京、廣州、上海、深圳等大于 900 萬 英

81、里大于 400美國加州舊金山、費利蒙、爾灣Robotaxi 的發展與商業化進程正在加速，受到全球市場需求的推動和技術成本的持續降低。預計到 2030 年和 2040 年，自動駕駛在中國的市場規模將實現顯著增長，從而推動自動駕駛出行服務的訂單金額大幅提升。全球主要 Robotaxi 企業規模情況市場需求與發展預測：市場需求與發展預測：2030 年中國自動駕駛乘用車數量將達到 800 萬輛，而到 2040 年將達到1350 萬輛。自動駕駛的出行服務訂單金額預計將分別達到約 2600 億美元和 9400 億美元。成本降低趨勢：成本降低趨勢：隨著技術進步和規模效應的影響，自動駕駛出行服務成本預計將在2

82、025 年至2027 年間低于人工駕駛出租車成本。百度第六代無人車 ApolloRT6 的成本已降至約 25 萬元，顯著低于之前的代價。商業化進程：商業化進程：自動駕駛出租車已成為業界重點，如百度在多個城市提供無人駕駛出行服務，其“蘿卜快跑”服務已在 11 個城市開展，提供了超過 330 萬單的出行服務。此外，自動駕駛技術的安全性和運營能力也得到了顯著提升，百度的自動駕駛安全運營測試里程已超過 7000 萬公里。2030 和 2040 年中國自動駕駛乘用車市場規模預測要素要素 時間時間 自動駕駛乘用車自動駕駛乘用車數量數量自動駕駛汽車總自動駕駛汽車總銷量銷量自動駕駛出行服自動駕駛出行服務訂單務

83、訂單自動駕駛占乘客自動駕駛占乘客總里程總里程2030 年800 萬輛2300 億美元2600 億美元13%2040 年1350 萬輛3600 億美元9400 億美元66%郵箱地APEX&CONSULTING39資料來源：億歐智庫，灼鼎咨詢分析整理發展趨勢 01：高水平演化 從輔助駕駛到全自動駕駛，多角度助推行業向高水平方向演化技術進步傳感器和硬件的進化傳感器和硬件的進化：初期：ADAS系統依賴基本傳感器，如雷達和簡單攝像頭，主要用于距離監測和碰撞預警。后期：自動駕駛車輛需要更復雜的傳感器陣列，包括高分辨率攝像頭、激光雷達（LIDAR）、高精度GPS和慣性測量單元（IMU）等。軟件和算法的發展軟

84、件和算法的發展：初期：ADAS功能通常限于特定場景，如自適應巡航控制和車道保持。后期：自動駕駛需要復雜的算法來實現實時環境感知、決策制定和路徑規劃。數據的作用大數據和機器學習：大數據和機器學習：自動駕優化其決策系統，這包括道路情況、交通行為、環境駛車輛依賴大量數據來訓練和因素等。持續學習和迭代：持續學習和迭代：通過不斷收集和分析數據，自動駕駛系統能夠持續學習和適應新的駕駛環境和情景。法規和標準 法規逐步完善：從ADAS到自動駕駛，監管機構正在逐步制定和完善相關的法律和標準，以確保安全性和可靠性。國際協作和標準化：隨著技術的全球化發展，國際間的協作和標準制定變得尤為重要。40資料來源：簡書，CS

85、DN，灼鼎咨詢分析整理發展趨勢 02：過渡方案短期內單車智能的重要性短期內單車智能的重要性:接下來2年內，L2+產品的量產競賽將突出，單車智能仍然扮演著關鍵角色。單車智能不是與車路協同相對立，而是相互補充，即使在車路協同場景下，車端將執行大量計算和決策。車端為核心的L2+技術仍是產業發展的重點。端到端自動駕駛的發展端到端自動駕駛的發展:大模型的應用將推動模型端成熟，提高環境感知能力。端到端自動駕駛整合多個小模型成一個大模型，直接從原始數據生成駕駛指令，提高系統性能。20252025 年后車路協同的發展年后車路協同的發展:2025 年后，中國有望進入 L3+階段，車路協同技術將成為發展的關鍵。車

86、路協同將是成本低、安全可靠的主要技術路徑。構建以車路協同為基礎的“通信+數據+計算”新體系，發展大感知和大規控技術。技術層面商業層面政府層面（政府層面（G G端）的應用端）的應用:車路協同作為系統工程與政府投資、基礎設施建設和管理規則緊密相關。將在智慧城市建設中扮演重要角色，汽車成為智慧城市的重要節點。企業層面（企業層面（B B端）的發展端）的發展:車路協同成為中國智能化產業發展的關鍵點，尤其在美國對AI芯片出口管制的背景下。車路協同可降低對高端芯片的依賴，為智能化產業鏈提供重要機遇。消費者層面（消費者層面（C C端）的市場潛力端）的市場潛力:自動駕駛商業化市場規模達萬億級別。將催生TaaS/

87、MaaS、共享服務等新商業模式，整合交通方式提供集成、無縫的移動解決方案?？傮w車路協同技術不僅是自動駕駛技術的重要發展方向，也是未來汽車產業和智慧城市發展的核心。同時，它為智能化產業提供了新的增長點和創新機遇，將對社會經濟發展產生深遠影響。單車智能&車路協同，自動駕駛高水平過渡階段的“新思路”41名詞解釋41激光雷達相關1.1.激光調制器：激光調制器：用于控制激光器發射激光脈沖的裝置。2.2.激光器：激光器：能夠產生激光的設備。3.3.光束控制器：光束控制器：調節激光束方向和形狀的裝置。4.4.發射光學系統：發射光學系統：用于聚焦和調整激光的光學組件。5.5.接收光學系統：接收光學系統：收集反

88、射回來的激光信號的光學組件。6.6.光電探測器：光電探測器：將光信號轉化為電信號的設備。7.7.放大器：放大器：用于增強電信號強度的裝置。8.8.數據轉換器：數據轉換器：將模擬信號轉化為數字信號的設備。9.9.信號處理單元：信號處理單元：對數字信號進行分析和解讀的裝置。10.10.旋轉電機：旋轉電機：驅動掃描鏡進行旋轉的電機。11.11.掃描鏡：掃描鏡：用于對激光束進行掃描的鏡子。12.12.準直鏡頭：準直鏡頭：用于使激光束平行的光學元件。13.13.窄帶濾光片：窄帶濾光片：用于過濾特定波長光線的光學濾片。14.14.VCSELVCSEL（垂直腔面發射激光器）：垂直腔面發射激光器）：一種半導體

89、激光器，光線垂直于晶圓表面發射，適合二維陣列集成。15.15.EELEEL（邊發射激光器）：邊發射激光器）：一種半導體激光器，光線從邊緣發射，適合高功率應用。16.16.MEMSMEMS（微機電系統）：微機電系統）：集成微型機械和電子元件的系統，常用于微鏡掃描。17.17.SPADSPAD（單光子雪崩二極管）：單光子雪崩二極管）：一種高靈敏度的光電探測器，可以檢測單個光子。18.18.SiPMSiPM（硅光電倍增管）：硅光電倍增管）：一種高增益的光電探測器，類似于傳統光電倍增管，但基于硅材料。19.19.PDPD（光電二極管）：光電二極管）：一種將光信號轉化為電信號的半導體器件。20.20.A

90、PDAPD（雪崩光電二極管）：雪崩光電二極管）：一種高靈敏度的光電二極管，通過雪崩效應放大光信號。21.21.FPGAFPGA（現場可編程門陣列）：現場可編程門陣列）：一種可編程集成電路，用于定制硬件邏輯。22.22.SoCSoC（系統級芯片）：系統級芯片）：一種集成了處理器、存儲器和外設的芯片，具有高集成度和低功耗。車載攝像頭相關1.1.支架：支架：用于固定攝像頭的結構，確保攝像頭穩定安裝。2.2.保護膜：覆保護膜：覆蓋在鏡頭外部的膜，用于防止灰塵和污垢影響鏡頭。3.3.前殼：前殼：攝像頭的外殼，提供物理保護和固定作用。4.4.鏡頭模塊：鏡頭模塊：包含多個鏡片和濾光片，負責聚焦和過濾光線。5

91、.5.鏡片：鏡片：用于聚焦光線的光學元件。6.6.濾光片：濾光片：用于過濾特定波長光線的光學元件。7.7.CISCIS（CMOSCMOS圖像傳感器）：圖像傳感器）：將光信號轉換為電信號的核心組件。8.8.ISPISP芯片（圖像信號處理器）：芯片（圖像信號處理器）：處理原始圖像信號，進行各種圖像優化處理。9.9.信號傳輸：信號傳輸：將處理后的圖像信號傳遞到車載系統的通道。10.10.鏡頭：鏡頭：光學組件，用于聚焦光線形成圖像。11.11.感光傳感器（感光傳感器（CCDCCD或或CMOSCMOS）：）：將光信號轉換為電信號的傳感器。CCD（電荷耦合器件）和CMOS（互補金屬氧化物半導體）是兩種常見

92、的圖像傳感器類型。12.12.模數轉換器（模數轉換器（ADCADC）：）：將模擬信號轉換為數字信號的電子元件。13.13.圖像處理器（圖像處理器（ISPISP）：）：對數字圖像信號進行處理的芯片，負責降噪、色彩校正、圖像壓縮等。14.14.存儲器：存儲器：用于存儲圖像信號的設備。15.15.信號傳輸：信號傳輸：將處理后的圖像信號傳遞到其他系統的通道。42名詞解釋42激光雷達相關1.1.傳感器：傳感器：用于檢測和測量物理現象（如溫度、光線、聲音等），并將其轉換為可以讀取和處理的信號的設備。2.2.原始數據：原始數據：傳感器直接采集到的數據，未經處理或分析的初始信息。3.3.前融合：前融合：在傳感

93、器層面直接融合來自不同傳感器的原始數據的過程，以便在初始階段就綜合多源信息。4.4.特征融合：特征融合：從原始數據中提取特征，然后將這些特征進行融合，以綜合多源數據的有用信息，增強數據的代表性和信息量。5.5.后融合：后融合：在特征提取之后，將來自不同傳感器的特征數據進行融合的過程，以提高數據分析的準確性和可靠性。6.6.特征提?。禾卣魈崛。簭脑紨祿刑崛【哂写硇缘男畔⒒蛱卣鞯倪^程，是數據處理和分析的重要步驟。7.7.映射到統一坐標系下融合映射到統一坐標系下融合：將不同傳感器的數據轉換到同一坐標系下進行融合，確保數據的一致性和可比性。8.8.訓練學習：訓練學習：利用融合后的數據進行機器學習

94、模型的訓練，以便模型能夠識別和預測目標特征。9.9.結果輸出：結果輸出：經過處理和分析后，輸出的最終結果或信息，用于進一步的決策或應用。車載攝像頭相關1.1.ADASADAS（高級駕駛輔助系統）：高級駕駛輔助系統）：增強駕駛安全性和便利性的系統，使用傳感器和攝像頭來檢測環境和駕駛條件。2.2.域控制器：域控制器：管理和處理特定域（如駕駛輔助、車身控制等）中數據和功能的集成控制單元。3.3.AI SoCAI SoC（人工智能系統級芯片）：人工智能系統級芯片）：集成了處理器、內存和專用硬件加速器，用于運行人工智能算法的芯片。4.4.DesDes（去串器）：去串器）：將串行數據流轉換為并行數據的裝置

95、，用于數據傳輸。5.5.eMMCeMMC（嵌入式多媒體卡）：嵌入式多媒體卡）：一種集成了閃存和控制器的存儲器，廣泛用于數據存儲。6.6.Nor FlashNor Flash：一種非易失性存儲器，適用于存儲代碼和數據。7.7.PMICPMIC（電源管理芯片）：電源管理芯片）：用于管理和分配電力到各種系統組件的集成電路。8.8.MemoryMemory（內存）：內存）：用于暫時存儲數據和程序的存儲器。9.9.PHYPHY（物理層收發器）：物理層收發器）：處理物理層的電信號收發，用于網絡通信。10.10.CANCAN-FDFD（靈活數據速率控制器局域網）靈活數據速率控制器局域網）：一種用于汽車電子的

96、高速通信協議。11.11.Eth GatewayEth Gateway（以太網網關）：以太網網關）：連接不同網絡協議的裝置，用于數據傳輸。12.12.P P-BoxBox：車載處理單元，用于執行特定功能或任務。13.13.GPIOsGPIOs（通用輸入輸出）：通用輸入輸出）：用于與外部設備通信的通用數字信號接口。14.14.SPIsSPIs（串行外設接口）：串行外設接口）：一種用于短距離通信的同步串行數據傳輸標準。法律聲明APEX&CONSULTING43版權聲明本報告為灼鼎咨詢制作，其版權歸屬灼鼎咨詢，任何機構和個人引用或轉載本報告時需注明來源為灼鼎咨詢，且不得對本報告進行任何有悖原意的引用

97、、刪節和修改。任何未注明出處的引用、轉載和其他相關商業行為都將違反中華人民共和國著作權法和其他法律法規以及有關國際公約的規定。對任何有悖原意的曲解、惡意解讀、刪節和修改等行為所造成的一切后果，本公司及作者不承擔任何法律責任，并保留追究相關責任的權力。免責條款本報告基于已公開的信息編制，但本公司對該信息的真實性、準確性及完整性不作任何保證。本報告所載的意見、評估及預測僅為本報告出具日的觀點和判斷，該等意見、評估及預測在出具日外無需通知即可隨時更改。本公司將來可能根據不同假設、研究方法、即時動態信息和市場表現，發表與本報告不一致的意見、觀點及預測，本公司沒有義務向本報告所有接受者進行更新。本公司力

98、求報告內容客觀、公正，但本報告所載觀點、結論和建議僅供參考使用，不作為投資建議。對依據或者使用本報告及本公司其他相關研究報告所造成的一切后果，本公司及作者不承擔任何法律責任。服 務 于 各 領 域 數 百 家 企 業，具 有 豐 富 且 專 業 的 行 業 經 驗與 全 球 數 百 家 第 三 方 機 構 建 立 合 作，積 累 詳 實 的 行 業 數 據專 家 網 絡 覆 蓋 全 球 數 十 萬 名 行 業 專 家，全 面 覆 蓋 各 類 領 域立足業內領先的企業管理咨詢平臺，致力于為客戶提供專業服務：掃碼關注灼鼎咨詢共建報告立足公司特色業務與產品，深入剖析行業發展現狀與動態熱點，開辟新的企

99、業品牌推廣路徑，進一步夯實領先地位、塑造企業品牌專業形象。行業研究立足專業分析，挖掘細分領域前沿動態，深入研判市場環境、產業鏈結構、市場空間與競爭格局等，預測行業發展前景、技術發展方向。戰略咨詢對內全面了解企業管理與經營運作模式，對外對標競對商業模式、洞察行業市場動態，全方位形勢研判，為企業選提供專業咨詢支持。上市咨詢提供全流程專業上市輔導，入駐企業全面改善各環節問題，協助準備融資及上市相關文件，助力企業實現上市目標。商業盡職調查全面調研與分析，了解目標投資公司運營生產情況與市場行業格局、準確研判目標公司投資價值，輸出調查分析報告。APEX&CONSULTING商務合作：請簡要描述需求至合作郵箱 灼鼎咨詢44