1、 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。1 證券研究報告 電子電子 AI 大模型如何加速大模型如何加速無人駕駛發展無人駕駛發展 華泰研究華泰研究 電子電子 增持增持 (維持維持)研究員 黃樂平，黃樂平，PhD SAC No.S0570521050001 SFC No.AUZ066 +(852)3658 6000 研究員 陳旭東陳旭東 SAC No.S0570521070004 SFC No.BPH392 +(86)21 2897 2228 聯系人 張宇張宇 SAC No.S0570121090024 SFC No.BSF274 +(86)10 6321 1166 聯系人

2、郭春杏郭春杏 SAC No.S0570122010047 SFC No.BTP481 +(86)21 2897 2228 聯系人 湯仕翯湯仕翯 SAC No.S0570122080264 +(86)21 2897 2228 行業行業走勢圖走勢圖 資料來源：Wind，華泰研究 2023 年 6 月 12 日中國內地 專題研究專題研究 “無人駕駛”看上去很美，但一直很難落地“無人駕駛”看上去很美，但一直很難落地“無人駕駛”是最早被提出的人工智能應用場景之一，谷歌，蘋果，特斯拉，百度等海內外科技巨頭從 2016 開始就積極布局，但直到現在一直還很難實現大規模商用落地。我們認為，1）多維度數據的獲取和

3、標注成本高，2）對小概率事件的決策準確度和人類還存在較大差距，3）事故時法律權責歸屬不明確，是制約其發展的一部分問題。我們認為，以 ChatGPT 和 SAM為代表的大模型的出現，將要改變智能駕駛在內所有行業的工作范式，我們從數據，算法，算力等角度初步探討其中一些發展機會。數據：大模型數據：大模型提升數據采集、數據標注的效率提升數據采集、數據標注的效率 海量的數據是智能駕駛/無人駕駛的基礎。通過這幾年發展，現在一臺 L2+級別智能電動車通常能夠采集多 10+顆攝像頭，1-2 顆激光雷達，3-5 顆毫米波雷達的多維度數據，數據經過標注之后，用于訓練模型。大模型的出現，首先能夠 1）構建虛擬場景人

4、工生成數據，補充現實中難以獲得/數據量不足的情形。特斯拉 FSD 的虛擬仿真，英偉達的 Omniverse 都是其中的代表。2）數據標注是非常費時費人的工作，以 Meta 的 SAM 為代表的圖像分割大模型的出現可大幅降低數據標注的成本。算法：大模型提升感知準確度，影子模型學習人類駕駛習慣算法：大模型提升感知準確度，影子模型學習人類駕駛習慣 智能駕駛算法主要包括 1）感知（識別道路和道路上物體），2）預測（預測周圍車輛和行人的行為），3）決策（控制車輛速度方向等行動）。特斯拉、新勢力等主要企業從幾年前開始采用基于 Transformer 的大模型等新技術，1）提高道路、物體的識別精準度；2）學

5、習人類的駕駛習慣（影子模式），3)縮短決策所需要的時間，從而訓練模型更加“擬人”。智能駕駛產業鏈：國產替代趨勢顯著智能駕駛產業鏈：國產替代趨勢顯著 受益于智能駕駛本土化的客觀需求、產業鏈各環節國內供應商產品性能的提升與下游自主品牌的崛起，零部件國產替代趨勢顯著。1）芯片：國內玩家地平線、黑芝麻等與海外大廠的差距逐漸縮小，本土化服務能力更強。2）域控制器及解決方案：國內玩家德賽西威、經緯恒潤、縱目科技、知行科技等均已規?；宪?，技術成熟度不斷提升。3）激光雷達：國產供應商禾賽、圖達通、速騰等在量產節奏更快。4）4D 毫米波：國內玩家有行易道、森思泰克等雷達廠商以及加特蘭（MMIC 芯片）等芯片公

6、司。5）高速連接器：羅森伯格技術積淀深厚，電連技術、瑞可達等加速追趕。風險提示：智能駕駛滲透率不及預期；新產品迭代速度不及預期。本研報中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。(17)(8)11019Jun-22Oct-22Feb-23Jun-23(%)電子滬深300 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。2 電子電子 正文目錄正文目錄 AI 大模型加速無人駕駛發展大模型加速無人駕駛發展.5 模型：大模型如何賦能智能駕駛？模型：大模型如何賦能智能駕駛？.7 數據：虛擬仿真、影子模式、自動標注引入將優化信

7、息采集、處理能力.7 數據來源：通過仿真模擬，對 corner case 進行大規模訓練.8 數據標注：通過自動標注優化系統效率，降低標注成本.8 算法：優化感知-決策-執行三階段.9 感知層面：Occupancy Network、3D 建模.9 預測層面：道路拓撲關系預測、障礙物預測.11 決策層面：車端算力升級、模型計算效率優化，決策更加智能.12 算力：車端/云端算力升級與國產化.13 車端：高性能芯片國產替代趨勢顯著.13 云端：基礎設施算力升級加速算法迭代.15 應用：高級別輔助駕駛普及蓄勢待發應用：高級別輔助駕駛普及蓄勢待發.16 高級別輔助駕駛的普及趨勢.16 高級別輔助駕駛的降

8、本趨勢.17 智能駕駛產業鏈智能駕駛產業鏈.19 車載芯片：地平線，黑芝麻智能，芯馳科技，芯擎科技，旗芯微.19 地平線：行業領先的高效能智能駕駛計算方案提供商.19 黑芝麻智能：車規級自動駕駛計算芯片和平臺研發企業.19 芯馳科技：未來出行的探索者和創新者.20 芯擎科技：國內汽車智能座艙芯片領軍企業.20 旗芯微：國內汽車與工業控制器領域領先廠商.21 數據標注：柏川數據.22 柏川數據：人工智能數據服務領域頭部服務商.22 域控及解決方案：德賽西威，經緯恒潤，縱目，知行，魔視，宏景.22 德賽西威：大算力域控制器龍頭.25 經緯恒潤：汽車電子平臺型公司.25 縱目科技：領先的智能駕駛產品

9、及技術供應商.26 知行科技：國內領先的自動駕駛域控制器提供商.26 魔視智能：嵌入式人工智能自動駕駛賦能者.27 宏景智駕：全棧式自動駕駛解決方案服務商.27 高速連接器：電連技術，瑞可達.28 電連技術：深耕連接器行業，領軍汽車高速連接.32 瑞可達：高壓連接器龍頭，配套客戶切入高速連接器.32 4D 毫米波雷達：加特蘭，森思泰克，行易道.32 加特蘭：毫米波雷達 MMIC 芯片開發與設計的領導者.34 森思泰克：國產毫米波雷達品牌“小巨人”企業.35 行易道：聚焦高端車載成像雷達，自研技術助 4D 雷達實現行業領先.35 激光雷達：禾賽科技，速騰聚創，圖達通，探維科技，靈明光子.36 禾

10、賽科技：全球領先的激光雷達制造商.38 速騰聚創：激光雷達硬件、感知軟件與芯片三大核心技術閉環.38 圖達通：深耕圖像級超遠距激光雷達領域.39 探維科技：新一代固態掃描激光雷達技術方案和 ALS 平臺技術.39 靈明光子:dToF 傳感芯片和系統解決方案提供商.40 AR-HUD：澤景科技，未來黑科技.40 澤景科技：國內領先的車內視覺解決方案供應商.42 未來黑科技：搭建虛擬與現實世界的溝通橋梁.43 風險提示.43 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。3 電子電子 圖表目錄圖表目錄 圖表 1：智能駕駛模型：感知、預測與執行.5 圖表 2：國內頭部智能駕駛企業高速及

11、城市 NOA 進展.6 圖表 3：智能駕駛產業鏈主要公司梳理.6 圖表 4：特斯拉汽車自動駕駛基礎設施的發展.7 圖表 5：特斯拉數據引擎結構.8 圖表 6：特斯拉可以在 5min 內自動生成一個復雜路口 3D 虛擬場景.8 圖表 7：特斯拉自動標注技術迭代更新.8 圖表 8：特斯拉多旅程重建進行自動標識.8 圖表 9：SAM 圖像分割演示.9 圖表 10：Occupancy占用網絡模型結構.10 圖表 11：占用網絡對雙節公車動態（藍色）靜態（紅色）的精確識別.10 圖表 12：占用網絡對靜態障礙物的識別.10 圖表 13：通過占用網絡可以檢測多廂卡車甩尾問題.11 圖表 14：占用網絡可以

12、還原道路坡度和曲率.11 圖表 15：特斯拉車道線網絡模型示意.12 圖表 16：特斯拉對可能的行進軌跡進行預判并繪制成車道線.12 圖表 17：特斯拉左轉攝像頭被遮擋，模型假設左側有來車.12 圖表 18：特斯拉對闖紅燈車輛、道路阻礙者的預判.12 圖表 19：特斯拉交互搜索模型.13 圖表 20：車載芯片算力及搭載情況.13 圖表 21：視覺圖像處理、點云融合.14 圖表 22：高算力芯片處理優勢.14 圖表 23：智算中心建設情況.15 圖表 24：特斯拉、蔚小理領航輔助功能演進.17 圖表 25：毫末智行、問界、極狐、阿維塔領航輔助功能演進.17 圖表 26：主流高級別輔助駕駛汽車 B

13、OM 成本-占比.18 圖表 27：主流高級別輔助駕駛汽車 BOM 成本-價值量（元）.18 圖表 28：主流高級別輔助駕駛汽車 BOM 成本-分車型級別.18 圖表 29：主流高級別輔助駕駛汽車 BOM 成本-分整車售價.18 圖表 30：主流高級別輔助駕駛汽車 BOM 成本-降本趨勢展望.18 圖表 31：Journey5 芯片.19 圖表 32：Matrix5 車載中央計算平臺.19 圖表 33：華山 A1000L/A1000Pro/A1000 自動駕駛感知芯片.19 圖表 34：X9-艙之芯.20 圖表 35：產品架構框圖.20 圖表 36：芯擎 SE1000 智能座艙芯片以及產品和技

14、術布局.21 圖表 37：FC4150F2M 框圖.21 圖表 38：FC4150 產品家族特性列表.21 圖表 39：柏川數據高質高效項目服務流程.22 圖表 40：自動駕駛發展路徑.23 圖表 41：中國乘用車智能駕駛滲透率預測.23 圖表 42：中國汽車及新能源車銷量預測.24 圖表 43：主流車企中央架構進程表.25 圖表 44：德賽西威收入及同比增速.25 圖表 45：德賽西威凈利潤及同比增速.25 圖表 46：經緯恒潤收入及同比增速.26 圖表 47：經緯恒潤凈利潤及同比增速.26 圖表 48：Amphiman 8000 域控制器.26 圖表 49：Amphiman 3000 智能

15、駕駛系統方案原理圖.26 圖表 50：知行科技自動駕駛域控制器 iDC MId.27 圖表 51：智能前視攝像頭 iFC3.0.27 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。4 電子電子 圖表 52：低速泊車、高速行車、行泊一體域控制器.27 圖表 53：宏景智駕 ADCU 高級別自動駕駛域控制器.28 圖表 54：宏景智駕 APA/IDDC 域控制器.28 圖表 55：汽車連接器：高壓、低壓、高速.28 圖表 56：高速連接器的技術路線.29 圖表 57：智能化假設：智能駕駛以 L2 為主；大屏、多屏、HUD 滲透率提升.29 圖表 58：高速連接器單車價值與智能駕駛.3

16、0 圖表 59：高速連接器單車價值與智能座艙.30 圖表 60：高速連接器單車價值與智能座艙（續）.30 圖表 61：高速連接器單車價值量趨勢預測.31 圖表 62：中國高速連接器市場規模預測.31 圖表 63：電連技術收入及同比增速.32 圖表 64：電連技術凈利潤及同比增速.32 圖表 65：瑞可達收入及同比增速.32 圖表 66：瑞可達凈利潤及同比增速.32 圖表 67：4D 毫米波雷達的涵義.33 圖表 70：加特蘭電子毫米波雷達產品矩陣.35 圖表 71：STL4-1 四線激光雷達.35 圖表 72：森思泰克車載安全領域示意圖.35 圖表 73：77GHz 中程毫米波雷達.36 圖表

17、 74：汽車毫米波雷達的前向雷達應用（自適應巡航（ACC）.36 圖表 76：補盲雷達探測盲區示意圖.37 圖表 77：前向主雷達雷達+補盲雷達結合方案示意圖.37 圖表 78：AT128 半固態激光雷達.38 圖表 79：激光雷達感知效果.38 圖表 80：RS-LiDAR-M1 車規級固態激光雷達.38 圖表 81：圖像級遠距離激光雷達：捷豹精英版.39 圖表 82：激光雷達探測效果.39 圖表 83：固態激光雷達：Tensor.39 圖表 84：固態激光雷達：Scope.39 圖表 85：靈明光子部分產品示意圖.40 圖表 86：2021-2030E HUD 出貨量及滲透率.40 圖表

18、87：飛凡 R7 的 AR-HUD 效果示意圖.41 圖表 88：HUD 將從 W-HUD 走向 AR-HUD.42 圖表 89：AR-HUD 模擬定制化主題頁面.42 圖表 90：W-HUD 畸變矯正技術.43 圖表 91：VID（Virtual Image Distance）虛擬畫面結合光場 AR 顯示技術.43 圖表 92：全文提及公司列表.43 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。5 電子電子 AI 大模型加速無人駕駛發展大模型加速無人駕駛發展 AI+自動駕駛并非全新的概念。特斯拉、新勢力等頭部玩家已使用基于 Transformer 的模型進行感知與決策。目前

19、LCC 等 L2 級別的輔助駕駛功能逐漸標配化，NOA 等高級別輔助駕駛功能模型成熟度不斷提高，市場領先者的測試版逐漸落地。簡言之，我們認為：1.AI 大模型的引入（自動標注、感知預測算法的快速迭代），從行業整體層面可以加速大模型的引入（自動標注、感知預測算法的快速迭代），從行業整體層面可以加速高級別輔助駕駛的量產落地高級別輔助駕駛的量產落地。頭部玩家在部分城市的 NOA 測試版本跑通后，0-1 的經驗有望快速復制推廣到全國。2.智能駕駛板塊智能駕駛板塊后發者借助產業鏈優勢（云端算力中心、通用開源模型的適配）與先發后發者借助產業鏈優勢（云端算力中心、通用開源模型的適配）與先發者在數據積累、模型

20、迭代中的差距有望進一步縮小者在數據積累、模型迭代中的差距有望進一步縮小。3.受益于受益于智能駕駛本土化的客觀需求、智能駕駛本土化的客觀需求、產業鏈各環節產業鏈各環節國內供應商國內供應商產品性能的提升與下游產品性能的提升與下游自主品牌的崛起，零部件國產替代趨勢顯著。自主品牌的崛起，零部件國產替代趨勢顯著。本文，我們將首先從數據、算法、算力三個維度進行分析，回答兩個問題：1）AI+自動駕駛發展到了哪個階段？2）AI+自動駕駛還有哪些想象空間？圖表圖表1：智能駕駛智能駕駛模型模型：感知、預測與執行：感知、預測與執行 資料來源：公司公告，華泰研究 其次，我們通過對高級別輔助駕駛功能落地時間表、BOM

21、成本的研究，展望未來 3-5 年AI 賦能智能駕駛如何重塑出行方式。我們認為今年或是城市 NOA 普及的元年。我們測算當前旗艦車型高級別輔助駕駛 BOM 成本為 1.4 萬元。我們預測 2023-2030 年高級別輔助駕駛 BOM 成本的平均年降幅度為 11%。Perception感知Prediction預測Planning執行Pixel（二維）Voxel（三維）基本單元感知模型BEV鳥瞰圖模型Occupancy Network占用網絡模型數據標注人工標注（bonding box）Autolabeling自動標注3D重建NeRFs道路物體語義信息連接信息高精度地圖導航地圖language of

22、 lanes審批問題視覺/雷達信息2D Pixelwiseautopilot(高速NOA、LCC）（城市NOA）（數據安全）（低精度）（Transformer）長期靜止暫時靜止運動車道線Rule base設立If規則Interaction Search交互搜索邏輯最優（1-5ms/輪）query base（100s/輪）駕駛員決策駕駛員決策+影子模式+虛擬仿真效率優化 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。6 電子電子 圖表圖表2：國內頭部智能駕駛企業高速及城市國內頭部智能駕駛企業高速及城市 NOA進展進展 資料來源：公司公告，佐思汽研，華泰研究 最后，我們自上而下地梳理

23、了自動駕駛產業鏈及代表公司。我們認為，受益于產業鏈各環節國內玩家產品性能的提升與下游自主品牌的崛起，零部件國產替代趨勢顯著。1）芯片：英偉達引領智能駕駛芯片迭代，Mobileye、TI 技術成熟，國內玩家地平線、黑芝麻等與先行者距離逐步縮短。2）域控制器及解決方案：國內玩家德賽西威、經緯恒潤、縱目科技、知行科技等均已規?；宪?，技術成熟度不斷提升。3）激光雷達：國產供應商禾賽、圖達通、速騰等在量產節奏更快。4）4D 毫米波：國內玩家有加特蘭（MMIC 芯片）、森思泰克等。5）高速連接器：羅森伯格技術積淀深厚，電連技術、瑞可達等加速追趕。圖表圖表3：智能駕駛產業鏈主要公司梳理智能駕駛產業鏈主要公

24、司梳理 資料來源：Bloomberg，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。7 電子電子 模型：模型：大模型如何賦能智能駕駛？大模型如何賦能智能駕駛？數據：數據：虛擬仿真、影子模式、自動標注虛擬仿真、影子模式、自動標注引入將優化信息采集、處理能力引入將優化信息采集、處理能力 海量的數據海量的數據、高效的數據標識、高效的數據標識是算法模型的基礎。是算法模型的基礎。數據的來源有：數據的來源有：1）真實數據：）真實數據：行車采集到的真實世界的信息，與汽車銷量直接掛鉤。智能駕駛起步早、出貨量高的車企具備先發優勢。2）虛擬仿真：）虛擬仿真：通過 AI 自動生成道路場景、車

25、輛、行人等信息，對模型進行訓練?？捎糜趯π熊嚥杉降?corner case 進行反復模擬、訓練，從而彌補現實場景采集信息不足的問題。3）影子模式：）影子模式：大模型在車輛后臺運行，模擬決策而不實際控車，不會對駕駛者及車輛產生任何干擾。但是在有異常場景或模型與人類駕駛員的決策不同時，觸發數據采集及回傳，使得量產車即等同于“數采車”。數據數據采集采集的下一步是對數據進行的下一步是對數據進行識別、識別、標注。標注。隨著智能駕駛的成熟，激光雷達 3D 點云信息、攝像頭采集的 2D 圖像信息的增加，道路場景的豐富，自動駕駛的數據標注類型與數量在不斷增加。人工標注成本高、效率低人工標注成本高、效率低，自

26、動標注是，自動標注是 AI 大模型大模型賦能智能駕駛最直接的應用賦能智能駕駛最直接的應用，能大幅降，能大幅降低數據標注的成本低數據標注的成本。據 2023 年 4 月毫末智行 DriveGPT 發布會顯示，目前要得到對諸如車道線、交通參與者、紅綠燈等信息，行業人工標注的成本約每張圖為 5 元，毫末DriveGPT 的成本為 0.5 元。我們認為科技公司大模型訓練成熟后，單張圖自動標注的邊際成本趨近于 0，平均成本有望進一步下降。據愷望數據產品項目副總裁張鵬在 2023 年 2月的介紹，目前數據標注以人工標注為主，機器標注為輔，95%的數據標注還是以人工為主。以特斯拉為例，1）數據來源層面，20

27、21 至 2022 年特斯拉 FSD beta 版本的用戶從 2,000人增長至 16 萬人，累計積累超過 14.4 億幀視頻數據，為模型訓練提供了大量的真實數據。針對真實道路場景中不常見的案例，特斯拉通過仿真模擬（5 分鐘即可建立一個復雜場景），進行大規模訓練；通過數據引擎，發現新的 corner case。2）數據標識層面，特斯拉通過自動標注優化系統效率。自動標注技術成熟，人工標注團隊規?？s小。2021 年人工標注團隊為 1000 多人，2022 年該團隊裁員 200 余人。圖表圖表4：特斯拉特斯拉汽車汽車自動駕駛自動駕駛基礎設施的發展基礎設施的發展 資料來源：特斯拉官網，華泰研究 202

28、1年年2022年年模擬仿真模擬仿真模擬仿真模擬仿真建立場景更快速、更復雜，建立場景更快速、更復雜，只需只需5min即可即可自動標注自動標注自動標注技術成熟自動標注技術成熟減少人工標注團隊減少人工標注團隊計算設施計算設施行車精度更完善行車精度更完善自動標注自動標注數據引擎數據引擎數據引擎數據引擎1000+裁員200+88%99%數據量數據量全年進行了全年進行了7.5萬余個神萬余個神經網絡模型訓練經網絡模型訓練2,000用戶1.6W用戶1W個GPU1.4W個GPU訓練基礎設施訓練基礎設施擴展擴展40-50%計算設施計算設施數據量數據量 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。8

29、 電子電子 數據來源：通過仿真模擬，數據來源：通過仿真模擬，對對 corner case 進行大規模訓練進行大規模訓練 針對真實道路場景中不常見的案例，特斯拉通過模擬仿真，構建虛擬場景采集數據，以豐富數據的來源，為模型訓練提供支持；通過數據引擎，人工挖掘誤判的、非典型案例。特斯拉特斯拉 FSD 通過仿真模擬引入虛擬數據通過仿真模擬引入虛擬數據，支撐大規模訓練，支撐大規模訓練。特斯拉的模擬仿真可以通過建立一個虛擬世界，以提供現實中難以獲得/數據量不足的情景，目前特斯拉可以在 5min內自動生成一個復雜路口 3D 虛擬場景。進一步，還可以通過道路中的場景，創建更多變種場景，幫助算法訓練，無需每種場

30、景都通過實際道路測試來采集數據，大大提高了數據的豐富性。特斯拉特斯拉 FSD 通過通過數據引擎發掘新的數據引擎發掘新的 corner case。通過人工挖掘非典型的機器誤判案例，將其加入各類訓練集，以不斷更新完善模型。圖表圖表5：特斯拉數據引擎結構特斯拉數據引擎結構 圖表圖表6：特斯拉可以在特斯拉可以在 5min 內自動生成一個復雜路口內自動生成一個復雜路口 3D 虛擬場景虛擬場景 資料來源：特斯拉官網，華泰研究 資料來源：特斯拉官網，華泰研究 數據標注：通過自動標注優化系統效率數據標注：通過自動標注優化系統效率，降低標注成本，降低標注成本 特斯拉 FSD 通過“多重軌跡重建”技術自動標注車輛

31、行駛軌跡。目前在集群中運行 12 小時即可完成 10,000 次行駛軌跡標注，取代 500 萬小時人工標注。通過機器的自我訓練，減少了人力標注成本高、效率低的問題。具體步驟：1）高精軌跡獲取，將車輛行駛過程中的采集的始排信息、車輛運動 IMU 陀螺儀、速度等指標作為原始信號輸入，提取車輛的運動軌跡以及 3D 結構的道路細節。2）多旅程重建，基于所有車輛的軌跡信息，進行道路信息的匹配和優化。在用戶道路信息的基礎上，特斯拉實驗車隊也或將再次確認數據，從而查漏補缺。圖表圖表7：特斯拉自動標注技術迭代更新特斯拉自動標注技術迭代更新 圖表圖表8：特斯拉特斯拉多旅程重多旅程重建進行自動標識建進行自動標識

32、資料來源：特斯拉官網，華泰研究 資料來源：特斯拉官網，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。9 電子電子 SAM 模型的發布使自動標注模型的發布使自動標注邁向了一個新的臺階邁向了一個新的臺階。2023 年 4 月 6 日，Meta 發布了通用的“Segment Anything”模型（SAM）和“Segment Anything 1-Billion Mask”數據集（SA-1B），是有史以來最大的分割數據集。SAM 是處理圖像分割的新任務和數據集的模型，可以用于分割圖像中的一切對象，支持廣泛的應用，有利于促進進一步的計算機視覺基礎模型研究。分割和識別哪些圖像像素

33、屬于對象是計算機視覺的核心任務，從分析圖像到編輯照片以及為特定任務創建準確的細分模型通常需要技術專家進行高度專業化的工作，現在可以通過 AI 培訓基礎模型能顯著降低工作量。圖表圖表9：SAM 圖像分割演示圖像分割演示 資料來源：Meta 官網，華泰研究 算法算法：優化優化感知感知-決策決策-執行執行三階段三階段 本節，我們參考特斯拉 FSD，將自動駕駛模型算法按流程分為感知（Perception）、預測（Prediction）、執行（Planning）三個階段進行分析。感知層面感知層面：Occupancy Network、3D 建模建模#1：從從 pixel 到到 voxel，從，從 BEV

34、到到 Occupancy Network 國內新勢力與智駕解決方案供應商多使用基于 pixel 點格的 BEV 模型，使用矩形框（bonding box）來框定物體，進行物體識別。特斯拉創新性的提出了占用網絡（Occupancy Network）模型，直接將 3D 空間點格化，每個 3D 點格即為一個 voxel，在攝像頭采集的平面信息基礎上添加時間、空間信息，可輸出：1）該 3D 點格被占用的概率（例如：區分靜止的車輛/運動的車輛）；2）語義信息（Semantics output；例如：區分靜止的車輛/路牙）；3）表面信息（Surface output；例如：坡度、泥坑、積水）。占用網絡模型

35、在原有 BEV 模型基礎上升級，通過占用網絡可以將特斯拉 8 個攝像頭采集的視頻內的真實世界數據即時轉換成三維向量空間。將空間劃分成一個個 3D 柵格，每個柵格有占用和空閑兩種狀態，通過這種柵格數據可以更精確地反映路面物體真實體積和形狀。同時根據路側建筑、行人、車輛等不同，可以賦予不同物體不同的語義，并標注不同的顏色。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。10 電子電子 圖表圖表10：Occupancy占用網絡模型結構占用網絡模型結構 資料來源：特斯拉官網，華泰研究 占用網絡相較于之前在障礙物識別和行駛路徑占用網絡相較于之前在障礙物識別和行駛路徑預判預判方面有了明顯提升，

36、具體來看：方面有了明顯提升，具體來看：1）通過占用網絡，只需分析物體的空間內柵格占用情況，不需對物體本身進行檢測識別，通過占用網絡，只需分析物體的空間內柵格占用情況，不需對物體本身進行檢測識別，規避傳統視覺算法中對物體識別失敗帶來的車禍風險。規避傳統視覺算法中對物體識別失敗帶來的車禍風險。尤其在面對靜態障礙物、與周圍環境類似的障礙物、訓練模型中未涵蓋到的障礙物時，可以更大程度的規避風險。圖表圖表11：占用網絡對雙節公車動態（藍色）靜態（紅色）的精確識別占用網絡對雙節公車動態（藍色）靜態（紅色）的精確識別 圖表圖表12：占用網絡對靜態障礙物的識別占用網絡對靜態障礙物的識別 資料來源：特斯拉官網，

37、華泰研究 資料來源：特斯拉官網，華泰研究 2）占用網絡占用網絡解決傳統視覺算法難題解決傳統視覺算法難題及及還原還原道路坡度和曲率，輔助行車更優決策道路坡度和曲率，輔助行車更優決策。通過計算幾何空間的體積占用率，可以在占用網絡中精確地還原物體本身形狀。占用網絡塑造的3D 世界還可以還原道路的坡度和曲率，讓車輛根據實際道路情況提前預測加速和減速判斷，進一步提高行車安全性和舒適度。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。11 電子電子 圖表圖表13：通過占用網絡可以檢測多廂卡車甩尾問題通過占用網絡可以檢測多廂卡車甩尾問題 圖表圖表14：占用網絡可以還原道路坡度和曲率占用網絡可以還

38、原道路坡度和曲率 資料來源：特斯拉官網，華泰研究 資料來源：特斯拉官網，華泰研究 3）基于）基于占用網絡可以預測道路上其它物體的行進軌跡。占用網絡可以預測道路上其它物體的行進軌跡。通過對柵格進行光流估計來檢測物體運動并預測其短期行進運動軌跡，并標注上豐富的語義（紅色靜止，藍色加速，黃色減速等），從而在特斯拉車輛行駛過程中規劃最優行駛路徑進行避讓，保證駕駛安全性。#2：3D 重建重建 NeRFs 是業界常用的 3D 重建模型?？梢曰?NeRFs 讓車輛重建其所經過的道路信息，從而進行：1）不依賴高精度地圖的道路信息的構建；2）重建三維模型，對各種 corner case 進行模擬與訓練。預測層

39、面：道路拓撲關系預測、障礙物預測預測層面：道路拓撲關系預測、障礙物預測 預測分兩種，一種是道路信息的預測（預測分兩種，一種是道路信息的預測（lane prediction），另一種是障礙物的預測。），另一種是障礙物的預測。#1道路信息道路信息：基于大模型勾勒拓撲關系，擺脫對高精度地圖的依賴：基于大模型勾勒拓撲關系，擺脫對高精度地圖的依賴 道路信息的預測包含：1）語義信息、2）連接信息。最初 autopilot 使用的傳統 link prediction，只能預測比較簡單的道路，比如高速公路，基于此已經可以實現 LCC 等 L2 的功能。要實現更加復雜的城市道路的拓撲關系預測，需要基于：1）高精

40、度地圖；或者 2）導航地圖+神經網絡預測。特斯拉基于基礎的硬件配置（攝像頭+導航地圖）+自創的language of lanes 模型，來通用化的勾勒整個世界的道路信息。車道線網絡模型車道線網絡模型輔助進行車輛行駛路徑的預判輔助進行車輛行駛路徑的預判。車道線網絡模型通過車道語言（Language of lanes）可以在車載攝像頭及地圖數據所形成的圖像上，將道路數據標注成一系列節點并賦予不同語義（起始點、延續點、交叉點、終點等），并通過組合不同語義的“單詞”形成“句子”，自動勾繪出一條條車道線。這套“車道語言”，可以在小于 10 毫秒的延遲內，思考超過 7500 萬個可能影響車輛決策的因素，運

41、行這套語言的功耗只需要 8W，較大的提升了特斯拉 FSD 對車輛行駛路徑的預判能力。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。12 電子電子 圖表圖表15：特斯拉車道線網絡模型示意特斯拉車道線網絡模型示意 圖表圖表16：特斯拉對可能的特斯拉對可能的行進軌跡行進軌跡進行預判并繪制成車道線進行預判并繪制成車道線 資料來源：特斯拉官網，華泰研究 資料來源：特斯拉官網，華泰研究#2物體信息：基于大模型預測動靜信息物體信息：基于大模型預測動靜信息，為行駛決策提供支持，為行駛決策提供支持 物體的預測包含動、靜概率信息，再結合道路拓撲信息，為最終的形式決策提供支持。特斯拉的 Occupan

42、cy Network 中紅色代表長期禁止的車輛，黃色代表臨時停車，藍色代表運動，可對物體的動靜狀態及其概率進行預測。在一些特殊情景下，例如左轉攝像頭被左側大貨車遮擋，無法判斷左向是否有來車，模型會自動生成虛擬車輛，假設左側有被遮擋的來車，基于此進行決策，更貼近人類駕駛員的思維模式。圖表圖表17：特斯拉特斯拉左轉攝像頭被遮擋，模型假設左側有來車左轉攝像頭被遮擋，模型假設左側有來車 圖表圖表18：特斯拉對闖紅燈車輛、道路阻礙者的預判特斯拉對闖紅燈車輛、道路阻礙者的預判 資料來源：特斯拉官網，華泰研究 資料來源：特斯拉官網，華泰研究 決策層面：車端算力升級、模型計算效率優化決策層面：車端算力升級、模

43、型計算效率優化，決策更加智能，決策更加智能 決策的難點在于多方的交互與對路權的博弈，計算的效率是至關重要的。目前業內普遍50-100 毫秒之間完成一輪計算。受車端算力與計算效率的限制，目前決策層面的模型可分為兩類：1）rule base 的模型（類似 if 程序，提前設定了某些情境下的反應機制）；2）特斯拉的交互搜索的模型（query base 的條件下可縮短單次計算時間至 100 微秒）。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。13 電子電子 圖表圖表19：特斯拉交互搜索模型特斯拉交互搜索模型 資料來源：特斯拉官網，華泰研究 算力：算力：車端車端/云端算力升級與國產化云端

44、算力升級與國產化 車端車端：高性能芯片國產替代趨勢顯著：高性能芯片國產替代趨勢顯著 目前車載芯片主流供應商包括：英偉達、特斯拉、Mobileye 等國際廠商，及地平線、黑芝麻智能、華為等國內廠商。2022 年以前主流供應商量產芯片的算力大多在 50TOPS 以下；2022 年以來，主流供應商推出的多款車載芯片算力快速增長，高算力芯片占比顯著提升，例如 NVIDIA Orin(254 TOPS)、地平線 Journey5(128 TOPS)等。長期來看，隨著大模型上車對車載算力需求的進一步提高，以及車載芯片制造商對芯片架構和技術的改進，車載芯片的算力有望持續上升。英偉達 Thor 芯片（2000

45、TOPS）未來量產有望加速計算平臺融合。圖表圖表20：車載芯片算力及搭載情況車載芯片算力及搭載情況 資料來源：各公司官網，華泰研究 200150100500算力(TOPS)車載芯片算力指數級提升車載芯片算力指數級提升量產時間20005122018 2019 2020 2021 2022 2023 2024 2025 2026 Ascend310 Ascend910 Journey2 Journey3 Journey5 EyeQ4 EyeQ5 EyeQ6L EyeQ6H EyeUltra FSD Xavier Orin Thor 華山華山A1000 華山華山A1000L 華山華山A1000pro

46、部分車載芯片合作部分車載芯片合作/搭載情況搭載情況 華為華為 黑芝麻智能黑芝麻智能 地平線地平線 Mobileye 英偉達英偉達 特斯拉特斯拉華為Ascend地平線Journey2地平線Journey5黑芝麻華山A1000特斯拉FSD HW3.0MobileyeEye Q4MobileyeEye Q5英偉達Xavier英偉達Orin英偉達Thor 武當武當C1200 華山華山A2000 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。14 電子電子 視覺圖像處理、點云融合涉及大量數據處理和計算，對算力要求高：視覺圖像處理、點云融合涉及大量數據處理和計算，對算力要求高：1)圖像處理：

47、圖像處理：從圖像中獲得車道線、交通信號燈、行人、車輛等目標的位置和運動信息，以支持自動駕駛決策和控制，通常包括圖像采集、預處理、特征提取、目標檢測和跟蹤、場景分割等步驟；2)點云融合：點云融合：用于創建高分辨率、準確的環境地圖，以便自動駕駛系統能夠更好地感知和理解其周圍環境，通常包括采集點云數據、預處理、點云配準、曲面重建、構建實體模型等步驟。圖表圖表21：視覺圖像處理、點云融合 資料來源：Deep Learning for Image and Point Cloud Fusion in Autonomous Driving:A Review作者：Yaodong Cui 等，發布日期：2021

48、 年 3 月 17 日，華泰研究 高算力芯片可以通過并行計算、高速緩存、專用指令集、高效能設計來提升圖像和點云處高算力芯片可以通過并行計算、高速緩存、專用指令集、高效能設計來提升圖像和點云處理能力。理能力。1)并行計算：使用多個處理器核心協同求解同一問題，從而加快計算速度。車載高算力芯片通常采用多核心架構，能夠同時進行多個計算任務，具有強大的并行計算能力。2)高速緩存：使用 SRAM Cache 加快計算單元對數據的讀寫速度，減少對速度較慢的主存的存取。3)專用指令集：專用指令集通常為特定應用設計，從硬件層面對指令進行了優化，從而提高指令執行速度。4)高效能設計：在保證計算性能的同時，降低功耗

49、和熱量輸出，從而提升車輛的穩定性和耐久性。圖表圖表22：高算力芯片處理優勢高算力芯片處理優勢 資料來源：各公司官網，華泰研究 專用指令集專用指令集高速緩存高速緩存(Cache)高效能設計高效能設計并行計算能力并行計算能力并行計算將任務劃分后同時處理。并行計算將任務劃分后同時處理。在圖像、點云融合處理中，往往需要進行多個計算任務，例如圖像識別、點云配準、點云分割等等，這些任務可以通過高效的并行計算加速處理。CPUCPUCPUCPU待處理的問題任務指令多個CPU核心并行處理t1t2t3tn高速緩存高速緩存可以提高數據訪問速度，從而加快處理速度?？梢蕴岣邤祿L問速度，從而加快處理速度。例如，特斯拉的

50、FSD芯片NPU設計了32MB SRAM緩存，可有效減少對主存的讀寫，提高速度。專用專用指令集針對指令集針對特定的應用而特定的應用而設計，設計，能夠加速能夠加速特定計算特定計算任務。任務。例如，Tesla的NNA為圖像深度學習設置的專門的指令集：Convolution，Deconvolution是專門為卷積設置的指令，Inner-product是為向量點積設置的指令，Scale是為歸一化設置的指令。車載車載芯片高效能設計能夠在保證計算性能的同時，降低功耗和熱量芯片高效能設計能夠在保證計算性能的同時，降低功耗和熱量輸出。輸出。例如，Tesla FSD 算力相比HW2.5版本提升21倍，功耗僅提高

51、26%，且成本下降20%。05001,0001,5002,0002,500HW2.5版本FSD每秒處理圖片(張數)算力提升算力提升21倍倍020406080100120140HW2.5版本FSD功耗相對值(無單位)功耗僅提升功耗僅提升26%DMA ReadDMA WriteConvolutionDeconvolutionInner-productScaleEltwidthStopTESLA NNA的8個指令 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。15 電子電子 云端：基礎設施算力升級加速算法迭代云端：基礎設施算力升級加速算法迭代 主機廠和自動駕駛技術開發商積極布局建設智算

52、中心，以提高自身“云上”競爭力。主機廠和自動駕駛技術開發商積極布局建設智算中心，以提高自身“云上”競爭力。智算中心是指基于 GPU、FPGA 等芯片構建智能計算服務器集群，提供智能算力的基礎設施，建設周期長，初始投資大。目前，主機廠特斯拉、小鵬、吉利，解決方案提供商毫末智行、商湯、百度布局建設了智算中心，用于訓練自動駕駛等大模型。智算中心的建設能夠顯著加速算法迭代，提高研發效率。智算中心的建設能夠顯著加速算法迭代，提高研發效率。例如，小鵬汽車的扶搖智算中心算力達到 600PFLOPS(每秒浮點運算 60 億億次)，相比先前，自動駕駛模型訓練速度提高了 170 倍，GPU 資源虛擬化利用率提高了

53、 3 倍，端對端通信延遲低至 2 微秒；吉利汽車的星睿智算中心算力達到 810PFLOPS，智駕模型訓練速度提高 200 倍以上。我們認為，隨著智能駕駛的逐步滲透，大模型或將成為各公司的核心競爭力之一，為匹配模型中大規模參數以及大數據量計算，智算中心的建設規模有望持續擴張。圖表圖表23：智算中心建設情況智算中心建設情況 資料來源：2023 年 AI 大模型及自動駕駛智算中心研究報告作者：佐思汽研，發布日期：2023 年 3 月 1 日，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。16 電子電子 應用：應用：高級別輔助駕駛高級別輔助駕駛普及蓄勢待發普及蓄勢待發 高級別輔

54、助駕駛的普及趨勢高級別輔助駕駛的普及趨勢 領航輔助駕駛（領航輔助駕駛（NOA），即車輛在部分高速公路或高架等封閉路段行駛時，結合車載導航），即車輛在部分高速公路或高架等封閉路段行駛時，結合車載導航路線讓車輛進行自動變道、自動進入和駛出匝道口的技術功能，可實現一定道路場景范圍路線讓車輛進行自動變道、自動進入和駛出匝道口的技術功能，可實現一定道路場景范圍 內的點到點智能駕駛內的點到點智能駕駛。根據場景的不同，領航輔助可進一步分為高速領航和城區領航。高速領航普遍限制在特定高速公路和城區高架路開啟，包含自動調節車速、自動進出匝道、自動變道超車等功能，目前已在國內落地。城區領航則可以在復雜的城市場景中實

55、現點到點的“導航輔助駕駛”功能，車主在導航上設定好目的地，車輛可以實現全程輔助駕駛到達終點，并在路途中實現變道、超車、過紅綠燈等行為動作，其難度也遠遠大于高速 NOA，有望于今年開始導入。2022 年，中國乘用車市場加速導入高速領航。年，中國乘用車市場加速導入高速領航。在中國，高速領航功能的落地始于 2019 年6 月，特斯拉官方正式向中國市場內全部選配了 FSD 完全自動駕駛的車型，推送最新版本NOA，能夠令車輛自動駛入和駛出高速公路匝道或立交橋岔路口，并超過行駛緩慢的車輛。隨后小鵬、蔚來、理想也紛紛入局，進入 2022 年，長城、吉利、上汽等自主品牌也開始在旗下的部分車型上推出該功能。小鵬

56、、華為領銜，城區領航小鵬、華為領銜，城區領航 2023 年開始落地。年開始落地。目前城區領航仍較為依賴高精地圖，因此在初始落地時，可運行區域范圍仍較小，普遍按城市進行開放。小鵬和華為的方案已于 2022 年 9 月開始落地，并在逐步拓寬開放區域。除此之外，蔚來、理想、集度、長城等車企也計劃在 2023 年推出各自的城區領航功能。1）3 月 31 日，小鵬汽車啟動推送 Xmart OS 4.2.0 的同時，釋放了 XNGP 第一階段能力：G9 及 P7i Max 版在上海、深圳、廣州，小鵬 P5 P 系列在上海的高精地圖覆蓋區域開放點到點的城市 NGP（智能導航輔助駕駛）；在無高精地圖覆蓋區域，

57、開放具備跨線繞行，識別紅綠燈并直行通過路口能力的 LCC 增強版。2）4 月 11 日，在第八屆 AI DAY 上，毫末智行發布消息稱，城市 NOH 將依次搭載在魏牌摩卡 DHT-PHEV 和藍山上，目前已經在保定和北京做大規模泛化測試，將于今年三季度實現城市 NOH 功能，并于 2024 年開拓 100 個城市。3）4 月 12 日，智己汽車宣布，智己城市 NOA 領航輔助以及替代高精地圖的數據驅動道路環境感知模型，預計將于 2023 年內開啟公測。4）4 月 16 日，華為發布 HUAWEI ADS 2.0 系統，同時表示，城市 NCA 已經在深圳、上海、廣州落地，重慶、杭州也將在今年二季

58、度解鎖。目前這些城市還是基于高精地圖技術，且廣州、重慶、杭州為部分區域覆蓋。今年三季度，華為城區 NCA 將實現 15 個無圖城市的落地，Q4 將新增 30 個無圖城市落地，至 45 城。5）4 月 16 日，百度 Apollo 推出城市智駕產品 Apollo City Driving Max，城市智駕產品今年會量產。6）4 月 18 日，理想 AD Max 3.0 的城市 NOA 將于今年第二季度開始推送內測用戶，到年底將推送 100 座國內城市。7）4 月 18 日，蔚來宣布于今年初開啟內測的 NOP+（增強型領航輔助），要在今年 7 月 1日正式開啟商用，NOP+之后的 NAD（自動駕駛

59、）系統有望可以于今年 6 月份在上海開啟Beta 版本。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。17 電子電子 圖表圖表24：特斯拉、蔚小理領航輔助功能演進特斯拉、蔚小理領航輔助功能演進 注：特斯拉 NOAFSD；蔚來 NOANOP；小鵬 NOANGP；理想 NOA-NOA。資料來源：公司公告，華泰研究 圖表圖表25：毫末智行、問界、極狐、阿維塔領航輔助功能演進毫末智行、問界、極狐、阿維塔領航輔助功能演進 注：毫末智行 NOANOH；問界 NOAHUAWEI ADS；極狐 NOANCA；阿維塔 NOANCA。資料來源：公司公告，華泰研究 高級別輔助駕駛的降本趨勢高級別輔助駕

60、駛的降本趨勢 當前旗艦車型高級別輔助駕駛當前旗艦車型高級別輔助駕駛 BOM 成本為成本為 1.4 萬元。萬元。我們基于市面上主流高級別輔助駕駛的硬件配置成本測算1。當前各品牌旗艦車型智能駕駛硬件的平均總成本為 14,181 元；其中激光雷達占 41%、攝像頭占 20%、芯片占 15%、毫米波雷達占 10%、高精度地圖與定位占 8%、V2X 占 5%、超聲波雷達占 2%。1注：樣本為蔚來、理想、小鵬、問界、極氪、智己、飛凡、廣汽埃安、瑞虎、紅旗、嵐圖、極狐、豐田、大眾、現代、寶馬、福特、凱迪拉克 L2/L2+級別車型 2017.122019.062020.022020.102022.122023

61、.0220232022.092019.072021.01201820242023.032023.012023.092021.12NIO Pilot發布新增HWP、TJP等七項輔助駕駛功能新增行人/自行車自動緊急制動功能正式推送高速導航輔助駕駛NOA功能全場景輔助駕駛NOA將于2023年晚些時間推出NOA+Beta面向Banyan用戶開放不限額報名NOA+Beta首批開啟限額報名Xpilot正式產品化落地L2級輔助駕駛系統實現量產推出高速NOA功能在廣州率先落地城市NOA城市NOA上線廣州、深圳、上海努力在主要城市上線增強版NOA計劃推出覆蓋全部城市的NOA將于第四季度開放城市NOA內測推出高速

62、NOA功能2017.082016.102014.092023.032019.04HW 2.5：計算能力提升，部分執行機構實現幾余Autopilot2.0:升級智能召喚，加入高速NOA功能發布 NOA Beta V11 版本，引入Single Stack 架構，統一了高速 NOA 及城區NOA 視覺堆棧。Autopilot3.0:增強型可視化，開始推送NOA功能Autopilot1.0:支持車道保持、自適應巡航、自動剎車、可視化、自動并線/泊車、召喚功能等2014-20162017-20192020-20222023-20242023.06推送NOA早鳥測試首次推出NOA首次推出城市NOA202

63、2.12向北美用戶推出城市NOA Beta版本2020.10發布FSD Beta版本 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。18 電子電子 我們認為，未來幾年，高級別智能駕駛功能的落地，1）軟件端，主要由大模型升級主導；2）硬件端，由過去量的堆疊與冗余轉向性能提升與成本下降。具體而言，我們預測 2023-2030 年高級別輔助駕駛 BOM 成本的平均年降幅度為 11%。圖表圖表26：主流高級別輔助駕駛汽車主流高級別輔助駕駛汽車 BOM 成本成本-占比占比 圖表圖表27：主流高級別輔助駕駛汽車主流高級別輔助駕駛汽車 BOM 成本成本-價值價值量量（元）（元）資料來源：公司公

64、告，華泰研究 資料來源：公司公告，華泰研究 圖表圖表28：主流高級別輔助駕駛汽車主流高級別輔助駕駛汽車 BOM 成本成本-分車型級別分車型級別 圖表圖表29：主流高級別輔助駕駛汽車主流高級別輔助駕駛汽車 BOM 成本成本-分整車售價分整車售價 資料來源：公司公告，華泰研究 資料來源：公司公告，華泰研究 圖表圖表30：主流高級別輔助駕駛汽車主流高級別輔助駕駛汽車 BOM 成本成本-降本趨勢展望降本趨勢展望 資料來源：公司公告，華泰研究預測 02,0004,0006,0008,00010,00012,00014,00016,00020222023E2024E2025E2026E2027E2028E

65、2029E2030E激光雷達芯片攝像頭毫米波雷達高精地圖與定位5G-V2X超聲波雷達(元）免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。19 電子電子 智能駕駛智能駕駛產業鏈產業鏈 車載芯片車載芯片：地平線，黑芝麻智能，芯馳科技，：地平線，黑芝麻智能，芯馳科技，芯擎科技芯擎科技，旗芯微旗芯微 地平線：行業領先的高效能智能駕駛計算方案提供商地平線：行業領先的高效能智能駕駛計算方案提供商 地平線成立于 2015 年 7 月，是行業領先的高效能智能駕駛計算方案提供商。作為推動智能駕駛在中國乘用車領域商業化應用的先行者，地平線致力于通過軟硬結合的前瞻性技術理念，研發極致效能的硬件計算平臺

66、以及開放易用的軟件開發工具，為智能汽車產業變革提供核心技術基礎設施和開放繁榮的軟件開發生態，為用戶帶來無與倫比的智能駕駛體驗。2020 年，地平線正式開啟中國汽車智能芯片的前裝量產元年，實現從 0 到 1 的突破。據地平線官網，目前地平線征程芯片累計出貨量已突破 200 萬片，與超過 20 家車企簽下了超過 70 款車型前裝量產項目定點，攜手合作伙伴實現從 1 到 N 的價值共探。圖表圖表31：Journey5 芯片芯片 圖表圖表32：Matrix5 車載中央計算平臺車載中央計算平臺 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 黑芝麻智能：車規級自動駕駛計算芯片和平臺研發企業黑

67、芝麻智能：車規級自動駕駛計算芯片和平臺研發企業 黑芝麻智能成立于 2016 年，是行業領先的智能汽車計算芯片和平臺研發企業，專注于車規級高性能計算芯片與平臺技術領域的高科技研發?；诤诵?IP 技術和芯片產品，黑芝麻智能提供完整的智能汽車、車路協同解決方案，支撐智能汽車產業鏈相關產品方案的快速產業化落地。公司和客戶在 L2、L3 級 ADAS 和自動駕駛感知系統解決方案上開展了一系列商業合作，算法和圖像處理等技術已在智能手機、智能汽車、智能家居等消費電子領域布局和商業落地。黑芝麻智能分別在武漢、硅谷、上海、成都、深圳、重慶、美國以及新加坡成立研發及銷售中心，目前已有超過 1000 名員工，核心

68、團隊均均來自業內頂尖公司，平均擁有 15+年行業經驗。圖表圖表33：華山華山 A1000L/A1000Pro/A1000 自動駕駛感知芯片自動駕駛感知芯片 資料來源：公司官網，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。20 電子電子 芯馳科技：未來出行的探索者和創新者芯馳科技：未來出行的探索者和創新者 芯馳科技成立于 2018 年，在上海、北京、南京、深圳、大連擁有研發中心，同時在長春、武漢設有辦事處。芯馳專注于提供高性能、高可靠的車規芯片，也是全球首家“全場景、平臺化”的芯片產品與技術解決方案提供者。產品覆蓋智能座艙、智能駕駛、網關和MCU，涵蓋了未來汽車電子電氣

69、架構最核心的芯片類別，從而實現“四芯合一 賦車以魂”。芯馳擁有近 20 年車規級量產經驗的國際水平團隊，是國內為數不多的具有車規核心芯片產品定義、技術研發及大規模量產落地的整建制團隊。目前芯馳已完成 4 個系列芯片的流片、最高規格車規認證及大規模量產上車，服務超過 260 家客戶，覆蓋了中國 90%以上車廠。圖表圖表34：X9-艙之芯艙之芯 圖表圖表35：產品架構框圖產品架構框圖 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 芯擎科技：國內汽車智能座艙芯片領軍企業芯擎科技：國內汽車智能座艙芯片領軍企業 湖北芯擎科技有限公司于 2018 年在武漢經濟技術開發區成立，在北京、上海和武

70、漢均設有研發中心，是國內汽車智能座艙芯片領軍企業。芯擎科技專注于設計、開發并銷售先進的汽車電子芯片，以“讓每個人都能享受駕駛的樂趣”為發展使命，致力于成為世界領先的汽車電子芯片整體方案提供商。芯擎科技具備多核異構超大規模 SoC 設計、自主設計多種創新核心 IP。其自研的國內首款 7nm 先進制程車規級智能座艙芯片，在設計、工藝和性能等方面對標海外廠商目前最先進的產品，實現了國產高端汽車芯片領域的技術突破。目前，該款座艙芯片“龍鷹一號”已通過全部車規測試，正式量產出貨，所搭載的首款車型全新新能源中型 SUV 領克 08 于上海國際車展亮相，強大的 CPU、GPU、NPU 算力可流暢支持智能車機

71、互娛需求，提供沉浸式座艙體驗；同時，芯擎科技與全球汽車零部件巨頭偉世通達成合作，搭載“龍鷹一號”的 SmartCoreTM座艙域控制器于上海車展對外展示，這也是偉世通首次推出采用“中國芯”的智能座艙域控制器解決方案。目前芯擎科技的第二款 7nm 高等級自動駕駛 SoC 也已開發超一年，年底即將流片；后續伴隨整車電氣架構演進所布局的車載中央計算芯片，也可與現有產品形成完整生態組合，對汽車智能化領域核心高算力芯片做到全面覆蓋。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。21 電子電子 圖表圖表36：芯擎芯擎 SE1000 智能座艙芯片以及產品和技術布局智能座艙芯片以及產品和技術布局

72、 資料來源：公司官網，華泰研究 旗芯微旗芯微：國內：國內汽車與工業控制器領域汽車與工業控制器領域領先領先廠商廠商 蘇州旗芯微半導體有限公司成立于 2020 年 10 月，基于 ARM Cortex M4、M7 等系列架構構建面向汽車不同應用場景的高性能、高可靠性的片上系統，開發智能汽車高端控制器芯片。目標填補國內新一代智能網聯汽車控制器芯片領域空白，致力于發展成為中國汽車與工業控制器領域領導級廠商。公司通過采用自研 IP，多核鎖步等技術以及應用于車規芯片的六西格瑪模擬電路設計流程，設計出覆蓋安全標準 ISO26262 ASIL-B 至 ASIL-D 的全系列產品家族。公司產品均滿足車規 AEC

73、-Q100、功能安全標準 ISO26262 以及各項車規可靠性測試，可廣泛應用于車身、汽車儀表、安全、動力、電池管理等領域。公司核心團隊研發人員擁有平均超過 18 年的車規芯片設計經驗，是國內唯一完整開發過車規級 8/16/32位控制器的頂級研發團隊。目前公司在蘇州、上海、北京等地設有研發中心及辦公室。圖表圖表37：FC4150F2M 框圖框圖 圖表圖表38：FC4150 產品家族特性列表產品家族特性列表 資料來源：官方公眾號，華泰研究 資料來源：官方公眾號，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。22 電子電子 數據標注：柏川數據數據標注：柏川數據 柏川數據：人

74、工智能數據服務領域頭部服務商柏川數據：人工智能數據服務領域頭部服務商 柏川數據成立于 2021 年，是人工智能數據服務領域頭部服務商之一。專注于為包括主機廠、科技公司、AI 公司等數十家產業鏈相關方，提供集數據采集、數據清洗、數據標注、數據管理、數據存儲于一體的一站式服務。在國內 6 個動態區域管理超千人的標準化采標管存團隊，并獲得乙級測繪資質以及 ISO9001 和 ISO27001 雙重認證。柏川數據自研數據處理平臺具備高精度 AI 預標注功能，配置豐富多樣的標注工具，支持工作進程的可視化、靈活性、自定義管理，全面覆蓋多種數據標注場景，在大幅降低標注成本的同時，為客戶帶來數智升級的全新服務

75、體驗。同時，柏川數據正加速布局自動化標注、數據集、仿真數據庫等前沿技術，致力于實現標注數據的仿真場景還原和仿真測試，以及端到端算法的回灌測試，最終打通自動駕駛數據閉環，加速自動駕駛規?；慨a落地?？蛻舴矫?，柏川數據持續為百度、地平線、MOMENTA、摯途科技、MAXIEYE、天翼交通、天瞳威視、主線科技、清智科技、交控科技等 30 家+企業提供規模數據支撐。立足自身強大的數據服務實力，坐擁相城區高鐵新城賦予的產業集群優勢，柏川數據旨在成為國內最大的自動駕駛數據服務商，并積極拓海外業務，為更多的主機廠及自動駕駛算法公司提供更前沿、更深度、更全面的智能駕駛數據解決方案，助力未來智慧出行進入發展“快

76、車道”。圖表圖表39：柏川數據高質高效項目服務流程柏川數據高質高效項目服務流程 資料來源：公司官方公眾號，華泰研究 域控及解決方案：德賽西威，經緯恒潤，縱目，知行，魔視，宏景域控及解決方案：德賽西威，經緯恒潤，縱目，知行，魔視，宏景 正如我們在正如我們在經緯恒潤：國內智能駕駛域控制器先行者經緯恒潤：國內智能駕駛域控制器先行者（2023 年年 2 月月 8 日）中所述：日）中所述：目前目前 L2+及以下級別智能駕駛得到廣泛應用，軟硬件算力、單車價值量提升。及以下級別智能駕駛得到廣泛應用，軟硬件算力、單車價值量提升。汽車自動化程度的衡量標準通常采用國際自動機工程師學會定義的從 L0（完全手動）到

77、L5（完全自主）的分級標準。L1 級別自動駕駛可以完成特定功能自動化；L2 級別自動駕駛可以完成組合功能自動化，同時自動進行多維度輔助，例如自適應巡航控制與車道保持系統的功能結合；L3 級別自動駕駛車輛的駕駛員在特定路況或環境中可以不必監視道路，車輛能夠實現無需干預的自動駕駛；L4 級別自動駕駛在限定條件下全程無需駕駛者接管方向盤；L5級別自動駕駛車輛可以在任何條件、任何場景下自動行駛達到完全自動化。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。23 電子電子 圖表圖表40：自動駕駛發展路徑自動駕駛發展路徑 資料來源：中汽協，Marklines，宏景智駕，汽車之家，華泰研究 趨勢

78、預測：乘用車趨勢預測：乘用車 L2 級輔助駕駛將成為標配，城市道路級輔助駕駛將成為標配，城市道路 L3 及以上級別落地阻力重重。及以上級別落地阻力重重?？紤]到 L3 級以上級別自動駕駛所面臨的法規、權責、以及技術長尾問題，我們預測 2025年之前，輔助駕駛配置向 L2/L2+級別升級（ADAS）將是大規模商業化落地的主要方向。具體而言，我們預測 L0/L1 級車型將向 L2 升級，L2 以下級別滲透率將由 2021 年的 71.6%下降到 2030 年的 29.3%，而 L2 級別智能駕駛滲透率將由 2021 年的 28.4%上升至 2030年的 59.9%，L3 及以上級別智能駕駛取得一定的

79、突破。圖表圖表41：中國乘用車智能駕駛滲透率預測中國乘用車智能駕駛滲透率預測 資料來源：中汽協，Marklines，汽車之家，華泰研究預測 依據上述滲透率判斷，我們預測 2025 年中國智能駕駛域控制器的市場規模為 317 億元，2022-2025 年中國智能駕駛域控制器的 CAGR 為 19%。L1輔助駕駛L2輔助駕駛輔助駕駛L3有條件自動駕駛有條件自動駕駛L4高度自動駕駛高度自動駕駛L5完全自動駕駛完全自動駕駛算力1,000TOPS總成本 100,000元算力100TOPS總成本約10,000元算力30-60TOPS總成本5,000-10,000元算力1TOPS總成本1000元緊急制動緊急

80、制動車道保持、行人檢測車道保持、行人檢測自動轉向自動轉向沿車道線自動駕駛沿車道線自動駕駛自動變道及泊車自動變道及泊車識別信號燈識別信號燈按導航行駛按導航行駛5個左右傳感器個左右傳感器10個左右傳感器個左右傳感器10-20個左右傳感器個左右傳感器20-30個左右傳感器個左右傳感器攝像頭/超聲波雷達攝像頭/超聲波雷達/毫米波雷達攝像頭/超聲波雷達/毫米波雷達/激光雷達攝像頭/超聲波雷達/毫米波雷達/激光雷達/高精地圖超過超過30個傳感器個傳感器攝像頭/超聲波雷達/毫米波雷達/激光雷達/高精地圖/車路協同惡劣天氣惡劣天氣極端事件極端事件 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。2

81、4 電子電子 圖表圖表42：中國汽車及新能源車銷量預測中國汽車及新能源車銷量預測 資料來源：中汽協，華泰研究預測 行泊一體化的解決方案將成為乘用車實現高階智能駕駛的主流方案。行泊一體化的解決方案將成為乘用車實現高階智能駕駛的主流方案。隨著整車電子電氣架構的發展，智能駕駛相關功能的發展歷程可分為如下幾個階段：1）每個泊車或行車功能對應一個 ECU 單元；2）泊車相關功能集成為一個泊車控制單元，行車相關功能集成為行車控制單元；3）泊車功能與行車功能融合，出現行泊一體和艙泊一體技術方案；4）智能駕駛域的功能和座艙域的功能進行跨域融合，形成一個更高性能的艙駕一體 HPC。行泊一體方案提高了自動駕駛的性

82、能和安全性，使用戶的駕駛體驗更輕松。行泊一體方案提高了自動駕駛的性能和安全性，使用戶的駕駛體驗更輕松。泊車功能升級到 AVP 或 HPA 需要使用行車系統上的傳感器進行感知補充，傳感器共同提升了性能，增強了系統的安全性。此外，行泊分離的方案大多使用傳統分布式架構，而行泊一體域控制器配備有百兆甚至千兆以太網接口，也有足夠的算力支持高級算法模型，能夠更好地支持功能的 OTA 升級。L2 級輔助駕駛功能滲透率進一步提升的關鍵是傳統車企智能化轉型。級輔助駕駛功能滲透率進一步提升的關鍵是傳統車企智能化轉型。特斯拉開啟了汽車智能化的帷幕，為中國造車新勢力的跨域融合、中央集中式架構搭建提供了藍本。未來五年，

83、L2 級智能駕駛滲透率的提升主體不再是有著強大自主研發能力的新勢力，而是追求標準化配置、穩定供應商的傳統車企。我們認為，智能駕駛域控制造商將成為我們認為，智能駕駛域控制造商將成為 L2 級輔助駕級輔助駕駛滲透率提升的主要受益方。駛滲透率提升的主要受益方。1）特斯拉：特斯拉：以區域劃分的控制器設計線束，大幅提升組裝效率；在車輛不改變架構的情況下，持續迭代中央芯片，提升性能。目前已實現包括自動駕駛、娛樂自控、三電系統、車身系統、底盤 EPB、OBC、DCDC 在內的集成。2）中國造車新勢力：中國造車新勢力：摸著特斯拉過河，率先實現價值量較高的自動駕駛、娛樂自控（即智能座艙或智能空間）的自主設計與集

84、成，并逐步擴展到三電系統、車身控制、熱管理等領域。3）傳統車企：傳統車企：尋求智能化升級的傳統車企起步晚，自主研發能力與積極性不及新勢力。這為智能化零部件供應商提供了廣闊的機遇，也是 L2 級輔助駕駛功能滲透率提升的關鍵。2019202020212022E2023E2024E2025EHuataiHuataiHuataiHuatai汽車銷量汽車銷量（萬輛）乘用車2,140 2,014 2,148 2,320 2,413 2,485 2,560 YoY(%)(9.6)(5.9)6.7 8.0 4.0 3.0 3.0 商用車492 570 479 431 410 430 473 YoY(%)5.1

85、16.1(16.0)(10.0)(5.0)5.010.0汽車總銷量汽車總銷量2,632 2,584 2,627 2,751 2,823 2,915 3,033 YoY(%)(7.2)(1.8)1.74.72.63.34.0零部件零部件滲透率滲透率/搭載率搭載率智能駕駛智能駕駛智能駕駛域控制器20%31%46%49%54%58%62%L118%22%17%13%13%11%11%L22%9%28%35%41%46%49%L30%0%0%0%0%1%2%ASP（元）（元）智能駕駛智能駕駛智能駕駛域控制器1,118 1,295 1,620 1,725 1,784 1,897 1,991 L11,00

86、0 1,000 1,000 1,000 1,000 1,000 1,000 L22,000 2,000 2,000 2,000 2,000 2,000 2,000 L36,500 6,500 6,500 6,500 6,500 6,500 6,500 市場規模（億元）市場規模（億元）智能駕駛智能駕駛智能駕駛域控制器49 81 159 195 232 274 317 L138 44 37 31 30 28 28 L210 37 122 164 198 226 250 L3-3 19 38 市場規模市場規模-同比增速同比增速智能駕駛智能駕駛智能駕駛域控制器67%96%23%19%18%16%L11

87、6%-16%-17%-3%-6%-2%L2261%229%35%21%14%11%L3518%97%免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。25 電子電子 圖表圖表43：主流車企中央架構進程表主流車企中央架構進程表 資料來源：中汽協，華泰研究 德賽西威：德賽西威：大算力域控制器大算力域控制器龍頭龍頭 德賽西威成立于 1986 年，是國際領先的移動出行科技公司之一，致力于成為出行變革的首選伙伴。德賽西威深度聚焦于智能座艙、智能駕駛和網聯服務三大領域的高效融合，持續開發高度集成的智能硬件和領先的軟件算法，為全球客戶提供安全、舒適、高效的移動出行整體解決方案和服務。2022 年，

88、公司營業總收入 149.3 億元，同比增長 56.0%，歸母凈利潤 11.8 億元，同比增長 42.1%。圖表圖表44：德賽西威收入及同比增速德賽西威收入及同比增速 圖表圖表45：德賽西威凈利潤及同比增速德賽西威凈利潤及同比增速 資料來源：Wind，華泰研究 資料來源：Wind，華泰研究 經緯恒潤：經緯恒潤：汽車電子平臺型公司汽車電子平臺型公司 經緯恒潤成立于 2003 年，專注于為汽車、無人運輸等領域的客戶提供電子產品、研發服務和高級別智能駕駛整體解決方案?？偛课挥诒本?，并在天津、南通建立了現代化的生產工廠，形成了完善的研發、生產、營銷、服務體系。本著“價值創新、服務客戶”的理念，公司堅持“

89、專業聚焦”、“技術領先”和“平臺化發展”的戰略，致力于成為國際一流綜合型的電子系統科技服務商、智能網聯汽車全棧式解決方案供應商和高級別智能駕駛 MaaS解決方案領導者。經緯恒潤長期供應國內外知名整車制造商和一級供應商，產品類型包括智能駕駛電子產品、智能網聯電子產品、車身和舒適域電子產品、底盤控制電子產品、新能源和動力系統電子產品。2022 年，公司營業總收入 40.2 億元，同比增長 23.3%，歸母凈利潤 2.3 億元，同比增長 60.5%。自動駕駛底盤制動車身控制中央網關娛樂自控底盤轉向安全氣囊底盤EPB熱管理控制BMS電機控制器OBC+DCDC重要程度重要程度便于OTA便于增強體驗難易程

90、度難易程度特斯拉特斯拉小鵬小鵬/蔚來蔚來理想理想企業類型企業類型企業企業201720182019202020212022E2023E2024E2025E新勢力新勢力特斯拉小鵬蔚來理想威馬自主自主長城長安吉利比亞迪奇瑞上汽廣汽北汽東風一汽賽力斯外資外資豐田本田日產大眾奔馳寶馬奧迪通用福特現代分布式域融合中央集中未知(20)(10)010203040506002,0004,0006,0008,00010,00012,00014,00016,00020182019202020212022營業收入（百萬元）同比增速（右軸）(%)(40)(20)02040608010002004006008001,00

91、01,2001,40020182019202020212022歸母凈利潤（百萬元）同比增速（右軸）(%)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。26 電子電子 圖表圖表46：經緯恒潤收入及同比增速經緯恒潤收入及同比增速 圖表圖表47：經緯恒潤凈利潤及同比增速經緯恒潤凈利潤及同比增速 資料來源：Wind，華泰研究 資料來源：Wind，華泰研究 縱目科技：領先的智能駕駛產品及技術供應商縱目科技：領先的智能駕駛產品及技術供應商 縱目科技成立于 2013 年，是一家基于中國面向全球的世界一流汽車先進駕駛輔助系統（ADAS）的軟硬件方案提供商?？偛课挥谏虾埥瓏H科創中心，在上海、北

92、京、廈門、深圳、重慶、美國密西根 Novi 市以及德國斯圖加特都設有研發中心，生產制造中心位于廈門、湖州、東陽（在建）?？v目科技通過領先的系統能力和首屈一指的量產實力，成為國內率先獲得整車廠 L4 級別量產項目定點合同的自動駕駛企業之一，并與一汽紅旗、長安汽車等多家國內主流主機廠商建立了量產合作關系。圖表圖表48：Amphiman 8000 域控制器域控制器 圖表圖表49：Amphiman 3000 智能駕駛系統方案原理圖智能駕駛系統方案原理圖 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 知行科技：國內領先的自動駕駛域控制器提供商知行科技：國內領先的自動駕駛域控制器提供商 知行

93、汽車科技（蘇州）股份有限公司，成立于 2016 年 12 月，總部位于蘇州，專注于自動駕駛域控制器，致力于成為最值得信賴的智能出行合作伙伴。知行科技持續深耕自動駕駛領域，以先進的自動駕駛算法、卓越的軟硬件一體化能力和研發實力來構筑核心技術優勢。知行科技提供一系列的自動駕駛解決方案及產品，并提供多樣的自動駕駛域控制器方案來滿足客戶不同的成本及技術要求，同時也提供 iFC 智能前視攝像頭來實現高性價比的 L2功能。知行科技已與多家知名國內及國際 OEM 開展合作，已獲得吉利、長城、奇瑞、東風、極星等客戶的量產定點。051015202530354005001,0001,5002,0002,5003,

94、0003,5004,0004,50020182019202020212022營業收入（百萬元）同比增速（右軸）(%)(500)(400)(300)(200)(100)0100200(100)(50)05010015020025020182019202020212022歸母凈利潤（百萬元）同比增速（右軸）(%)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。27 電子電子 圖表圖表50：知行科技自動駕駛域控制器知行科技自動駕駛域控制器 iDC MId 圖表圖表51：智能前視攝像頭智能前視攝像頭 iFC3.0 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 魔視智能：嵌入式

95、人工智能自動駕駛賦能者魔視智能：嵌入式人工智能自動駕駛賦能者 魔視智能成立于 2015 年，是一家專注于自動駕駛的創新科技公司。魔視智能以領先的人工智能算法，賦能嵌入式芯片平臺，實現自動駕駛和高級輔助駕駛產品的大規模量產。魔視智能擁有自主知識產權的全棧式自動駕駛核心技術，包括環境感知、多傳感器融合、高精度的車輛定位、路徑規劃、車輛控制、駕駛決策等所有核心算法，支持 L1-L4 級自動駕駛。魔視智能獨有的深度學習框架，全面支持國際及國內六大主流嵌入式芯片平臺，實現高度優化及精準的人工智能引擎。魔視智能自主研發的自動駕駛和高級輔助駕駛產品，涵蓋乘用車及商用車、行車及泊車、艙內及艙外、前裝及后裝等主

96、流市場，以百萬套的量產規模成為當之無愧的行業引領者。魔視智能是率先實現國內一線乘用車主機廠量產的自動駕駛企業之一，業已與國內幾乎所有頭部乘用車及商用車主機廠建立量產及項目合作關系，并在主動安全市場占據主要市場份額。魔視智能公司總部位于上海張江，在澳大利亞設有人工智能研究院，在深圳、武漢和蘇州設有研發中心，在南通設有制造基地。圖表圖表52：低速泊車、高速行車、行泊一體域控制器低速泊車、高速行車、行泊一體域控制器 資料來源：公司官網，華泰研究 宏景智駕：全棧式自動駕駛解決方案服務商宏景智駕：全棧式自動駕駛解決方案服務商 宏景智駕成立于 2018 年，總部位于杭州，在北美、上海和北京分別設有技術中心

97、。公司致力于成為全球智能駕駛科技領航者，是一家全棧式自動駕駛解決方案服務商，具備全棧自動駕駛軟件算法和完整的系統集成能力，可針對不同客戶需求提供定制化的高性能智能駕駛解決方案，全周期賦能 L1-L4 級別智能駕駛。主要產品是軟硬一體自動駕駛計算平臺(ADCU-AutonomousDrivingComputingUnit)、智能攝像頭產品，產品覆蓋硬件、感知、定位、融合、規劃與控制等自動駕駛全研發鏈。目前，宏景智駕已在上汽、長城、奇瑞、江淮、比亞迪、合眾等 OEM 共計 30 個車型上實現量產和定點。同時，宏景智駕還獲得了頂級風險投資機構包括華登、高瓴、線性、藍馳、沙特阿美 Prosperity

98、 7、中信金石等投資。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。28 電子電子 圖表圖表53：宏景智駕宏景智駕 ADCU 高級別自動駕駛域控制器高級別自動駕駛域控制器 圖表圖表54：宏景智駕宏景智駕 APA/IDDC 域控制器域控制器 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 高速連接器：電連技術高速連接器：電連技術，瑞可達瑞可達 高速連接器一般分為射頻連接器與以太網連接器兩大類。其中，射頻連接器主要有 Fakra 連接器、Mini-Fakra 連接器、HSD 連接器。高速連接器主要應用于智能駕駛（車載攝像頭、域控制器、激光雷達等）以及智能座艙（HUD、顯示

99、屏等）對數據傳輸速度要求較高的領域。圖表圖表55：汽車連接器：高壓、低壓、高速汽車連接器：高壓、低壓、高速 資料來源：瑞可達招股說明書，線束工程師之家，華泰研究 Fakra 連接器應用最為廣泛，主要運用于射頻信號的傳送、GPS、車載互聯網接入、車載收音機等。Fakra 連接器最早于 2000 年由羅森伯格在 SMB 連接器的基礎上開發。隨著汽車智能化的發展，Fakra 數據傳輸速率難以滿足需求，且產品體積較大，由此催生出Mini-Fakra。Mini-Fakra 主要使用于高分辨率顯示器、傳感器（攝像機、雷達等）、以及ADAS 單元上。從 Farka 到 Mini-Fakra 主要改進有：1）

100、傳輸速率：最高可達 20Gbps，是傳統 Fakra 帶寬的 2-3 倍；2）傳輸頻率：為 0-15GHz，而 Fakra 連接器僅為 0-4GHz；3）體積縮減，集成性更高。HSD 連接器主要用于 AVM-主機端、主機端-座艙端的高速傳輸。隨著車載通信及智能化的趨勢，之前的 LIN/CAN/MOST 等無法滿足通信需求，以太網連接器應運而生，能夠為互聯、信息娛樂和安全領域中的新應用提供所需的帶寬，并且有著更強的兼容性和抗干擾性。高壓連接器低壓連接器高速連接器高壓配電盒DC/DCMCU壓縮機PTC/輔助電池組行車電腦MSD車載充電機交流充電接口直流充電樁直流充電接口小電池E-Motor座椅調節

101、電動后視鏡空調系統電動雨刷車燈車窗BMS電池均衡系統網關激光雷達攝像頭遠程雷達中短程雷達ADASECU交流充電樁家用插座 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。29 電子電子 圖表圖表56：高速連接器的技術路線高速連接器的技術路線 資料來源：TE 官網，羅森博格官網，華泰研究 我們預測汽車智能化趨勢或將使得 2030 年單車高速連接器價值量較 2022 年相比提升 459元，2023-2030E 的 CAGR 為 9.1%。其中：1）智能駕駛領域 L2 級輔助駕駛加速滲透，攝像頭、毫米波雷達、激光雷達等多傳感器融合帶來單車 299 元的增量，核心假設因素為：輔助駕駛滲透率

102、的提升、硬件配置的升級帶來的連接器個數的增加；單車價值=各級別輔助駕駛滲透率*各傳感器個數*單個傳感器連接器用量*連接器價格 2）智能座艙領域大屏化、多屏化的趨勢持續發展，HUD 的普及帶來 160 元的單車增量，核心駕駛因素為：屏幕、抬頭顯示等座艙智能化配置的增加、硬件增配帶來的連接器個數的增加。單車價值=智能座艙硬件滲透率*單個硬件連接器用量*連接器價格 圖表圖表57：智能化假設：智能駕駛以智能化假設：智能駕駛以 L2 為主；大屏、多屏、為主；大屏、多屏、HUD 滲透率提升滲透率提升 資料來源：中汽協，華泰研究預測 FakraMini-FakraHSD以太網連接器0102030400510

103、15202530最高傳輸速率（Gbps）最高傳輸頻率（帶寬GHz）020406080100202120222023E2024E2025E2026E2027E2028E2029E2030EL0L1L2L3L4L5020406080100202120222023E2024E2025E2026E2027E2028E2029E2030E域控制器中控屏副駕屏后座屏全液晶儀表屏流媒體后視鏡中控屏主機液晶儀表主機組合/指針儀表HUD抬頭顯示系統智能駕駛域智能座艙域單位：%單位：%免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。30 電子電子 圖表圖表58：高速連接器單車價值與智能駕駛高速連接器單

104、車價值與智能駕駛 注：括號內為 2030 年對應增量價值 資料來源：BDA，華泰研究預測 圖表圖表59：高速連接器單車價值與智能座艙高速連接器單車價值與智能座艙 注：括號內為 2030 年對應增量價值 資料來源：BDA，華泰研究預測 圖表圖表60：高速連接器單車價值與智能座艙（續）高速連接器單車價值與智能座艙（續）注：括號內為 2030 年對應增量價值 資料來源：BDA，華泰研究預測 毫米波雷達攝像頭超聲波雷達激光雷達10元高速連接器高速連接器單個傳感器連接器用量傳感器個數單個連接器價格10元10元10元智能駕駛智能駕駛智能座艙智能座艙單車價值（元）（+299元）（+160元）（+459元）-

105、1 1 5 8 9 12 12 12 12 12 20212030E-3 3 5 5 6 8 6 8 20212030E-4 4 8 10 10 12 12 12 12 12 20212030E-1 1 1 2 1 2 20212030E2 3 20212030E4 4 20212030E2 2 20212030E6 8 20212030E780135020212030E80096020212030E920100020212030E18040020212030E域控制器高速連接器高速連接器單個硬件連接器用量單個連接器價格單車價值（元）10元10元10元10元10元中控屏副駕屏后座屏全液晶后視鏡

106、智能駕駛智能駕駛智能座艙智能座艙4 4 20212030E1 10 20212030E4 4 20212030E4 4 20212030E4 4 20212030E404020212030E1010020212030E404020212030E404020212030E404020212030E（+299元）（+160元）（+459元）高速連接器高速連接器單個硬件連接器用量單個連接器價格單車價值（元）10元10元10元10元10元流媒體后視鏡中控屏主機液晶儀表主機組合/指針儀表HDU抬頭顯示系統智能座艙智能座艙智能駕駛智能駕駛4 20212030E4 4 20212030E2 2 202120

107、30E4020212030E404020212030E202020212030E4020212030E606020212030E6 6 20212030E-4 20212030E（+299元）（+160元）（+459元）免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。31 電子電子 圖表圖表61：高速連接器單車價值量趨勢預測高速連接器單車價值量趨勢預測 資料來源：中汽協，華泰研究預測 我們預測我們預測 2030 年中國新能源汽車高速連接器市場規模為年中國新能源汽車高速連接器市場規模為 184 億元，億元，2023-2030E 的的CAGR 為為 20%。具體如下：1）汽車銷量：汽車

108、銷量：我們依舊按照前文所述，給予 2022-2030 年中國新能源汽車銷量 CAGR 20%；整體汽車銷量 CAGR 2%的預期。2）單車價值：單車價值：我們預測汽車智能化趨勢或將使得 2030 年單車高速連接器價值量較 2022年相比提升 459 元，2023-2030E 的 CAGR 為 9.1%。3）市場規模：市場規模：我們預測 2030 年中國新能源汽車高壓連接器市場規模為 184 億元，2023-2030E 的 CAGR 為 20%。其中智能駕駛領域帶來的 CAGR 為 18%；智能座艙領域的CAGR 為 26%。圖表圖表62：中國高速連接器市場規模預測中國高速連接器市場規模預測 資

109、料來源：中汽協，華泰研究預測 202120222023E2024E2025E2026E2027E2028E2029E2030ECAGRHuataiHuataiHuataiHuataiHuataiHuataiHuataiHuatai2023-2030E高速連接器-元/輛高速連接器-元/輛智能駕駛（傳感器）智能駕駛（傳感器）L0-L1100 100 100 110 110 110 110 110 110 110 L2380 380 420 480 510 530 560 560 560 560 L3640 640 690 790 830 850 880 880 880 880 L4780 780

110、790 980 1,000 1,040 1,040 1,040 1,080 1,080 L5780 780 860 980 1,040 1,040 1,040 1,080 1,080 1,080 智能駕駛加權平均智能駕駛加權平均125 148 187 240 282 314 361 387 419 447 智能座艙智能座艙域控制器40 40 40 40 40 40 40 40 40 40 中控屏10 20 30 40 50 60 70 80 90 100 副駕屏40 40 40 40 40 40 40 40 40 40 后座屏40 40 40 40 40 40 40 40 40 40 全液晶儀

111、表屏40 40 40 40 40 40 40 40 40 40 流媒體后視鏡40 40 40 40 40 40 40 40 40 40 中控屏主機-10 10 20 20 30 30 40 40 液晶儀表主機20 20 20 20 20 20 20 20 20 20 組合/指針儀表-10 10 20 20 30 30 40 40 HUD抬頭顯示系統60 60 60 60 60 60 60 60 60 60 智能座艙合計智能座艙合計290 300 330 340 370 380 410 420 450 460 高速連接器單車價值高速連接器單車價值415 448 517 580 652 694 7

112、71 807 869 907 9.1%高速連接器市場規模高速連接器市場規模35 49 64 83 102 118 139 153 170 184 050100150200202120222023E2024E2025E2026E2027E2028E2029E2030E（億元）智能駕駛（傳感器）智能座艙2022-2030E CAGR市場規模（億元）市場規模（億元）高速連接器高速連接器智能駕駛（傳感器）智能駕駛（傳感器）N.A.L0-6%L116%L2N.A.L3N.A.L4N.A.L518%合計智能座艙智能座艙27%域控制器34%中控屏29%副駕屏24%后座屏14%全液晶儀表屏30%流媒體后視鏡N

113、.A.中控屏主機-20%液晶儀表主機N.A.組合/指針儀表25%HUD抬頭顯示系統26%合計20%高速連接器市場規模高速連接器市場規模 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。32 電子電子 電連技術：深耕連接器行業，領軍汽車高速連接電連技術：深耕連接器行業，領軍汽車高速連接 電連技術成立于 2006 年，是一家專業從事連接器、連接線，天線以及電磁屏蔽產品研發和制造的供應商，同時為電子設備提供一站式射頻解決方案，產品廣泛應用于消費電子、智能物聯、通信設備及基礎設施、移動終端和汽車電子等領域。電連技術擁有從組件到系統級別的大容量射頻產品設計和交付能力。電連技術的微型射頻連接器

114、和汽車連接器分別在中國的智能手機市場和車載電子市場占有領先的份額，在全球市場占有重要地位。2022年，公司營業總收入 29.7 億元，同比增長 8.5%，歸母凈利潤 4.4 億元，同比增長 19.3%。圖表圖表63：電連技術收入及同比增速電連技術收入及同比增速 圖表圖表64：電連技術電連技術凈利潤及同比增速凈利潤及同比增速 資料來源：Wind，華泰研究 資料來源：Wind，華泰研究 瑞可達：瑞可達：高壓連接器龍頭，配套客戶切入高速連接器高壓連接器龍頭，配套客戶切入高速連接器 瑞可達成立于 2006 年，專注于連接系統產品的設計開發和制造，系國內知名連接器生產制造商，行業地位名列前茅。瑞可達與全

115、球的客戶和伙伴開展廣泛業務合作，在蘇州、無錫，綿陽、成都、武漢、西安、墨西哥、美國等地設有工廠或研發中心，在美國、德國、瑞典等多地設立海外銷售辦事處。主要產品分為連接器類、線纜組件類、系統模塊類等，廣泛應用于數據通信、新能源汽車、儲能/清潔能源、工業控制、醫療設備、軌道交通裝備等領域。公司產業鏈完整，從模具設計和制造、連續沖壓、注塑成型、機械加工、精密壓鑄等生產，擁有強大的在線檢測能力。2022 年，公司營業總收入 16.3 億元，同比增長80.2%，歸母凈利潤 2.5 億元，同比增長 121.9%。圖表圖表65：瑞可達收入及同比增速瑞可達收入及同比增速 圖表圖表66：瑞可達凈利潤及同比增速瑞

116、可達凈利潤及同比增速 資料來源：Wind，華泰研究 資料來源：Wind，華泰研究 4D 毫米波雷達：加特蘭，森思泰克，行易道毫米波雷達：加特蘭，森思泰克，行易道 4D 毫米波雷達是傳統毫米波雷達的升級版，毫米波雷達是傳統毫米波雷達的升級版，4D 指的是速度、距離、水平角度、垂直高度指的是速度、距離、水平角度、垂直高度四個維度。四個維度。相比傳統 3D 毫米波雷達，4D 毫米波雷達增加了“高度”的探測，將第四個維度整合到傳統毫米波雷達中，這使得4D毫米 波雷達：1）獲取信息的維度更加豐富，可以測量俯仰角度，且角度分辨率可以達到 1 度左右；2）探測距離更長，最遠探測距離可達 300 多米；3）目

117、標點云更密集，可以形成點(20)(10)01020304050607005001,0001,5002,0002,5003,0003,5004,0004,50020182019202020212022營業收入（百萬元）同比增速（右軸）(%)(40)(30)(20)(10)010203040506005010015020025030035040045050020182019202020212022歸母凈利潤（百萬元）同比增速（右軸）(%)010203040506070809005001,0001,5002,0002,5003,0003,5004,0004,500201820192020202120

118、22營業收入（百萬元）同比增速（右軸）(%)(40)(20)02040608010012014005010015020025030020182019202020212022歸母凈利潤（百萬元）同比增速（右軸）(%)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。33 電子電子 云成像級的輸出，進而可以使用數據驅動的方式進行圖像識別?？傮w而言，4D 毫米波雷達具有更佳的探測能力，更高的分辨率和精度，在人工智能技術的加持下，能夠實現更加智能化的感知和跟蹤，從而為自動駕駛、智能交通等領域提供更加可靠的數據支持。圖表圖表67：4D 毫米波雷達的毫米波雷達的涵義涵義 資料來源：CSDN，華泰

119、研究 目前，目前，4D 毫米波雷達主流產品一般采用毫米波雷達主流產品一般采用 2 片或片或 4 片片 MMIC 級聯的技術方案，也有部分廠級聯的技術方案，也有部分廠商采用單芯片集成的技術方案。商采用單芯片集成的技術方案。其中，4 片級聯的 4D 毫米波雷達最為主流，它具有 12 個發射天線，16 個接收天線(12 發 16 收)，192 個通道，其方位和俯仰皆可達到 1 度左右的分辨率，理論上可以達到 0.1 的精度，最遠探測距離可達 300 多米，代表性生產商有德國大陸、采埃孚、麥格納、安波福和博世。2021 年，華為在上海車展發布 12 發 24 收的 4D毫米波雷達，采用 4 片 3 發

120、 6 收的芯片級聯而成。以色列公司 vayyar 采用單芯片技術方案，通過密集天線陣列來實現更高、更好的效果，推出了 24 發 24 收，576 通道的 4D 毫米波雷達。以色列雷達供應商 Arbe 研制了目前最大的 48 發、48 收、2304 通道的 4D 毫米波雷達，配合其自研專用處理器芯片，大大提升了毫米波雷達系統的角度分辨率。圖表圖表68：毫米波雷達主流產品進展毫米波雷達主流產品進展 資料來源：加特蘭微電子，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。34 電子電子 MMIC 芯片與天線是芯片與天線是 4D 毫米波雷達成本的重要組成部分，也是未來降本方向。毫

121、米波雷達成本的重要組成部分，也是未來降本方向。根據加特蘭微電子，4D 毫米波雷達硬件 BOM 中，射頻前端 MMIC（包括發射、接收、及信號處理器）的成本約占 50%、PCB（包括接收、發射天線）的成本約占 20%、DSP/FPGA 的成本約占 20%；其它硬件成本約占 10%，由此可見 MMIC 芯片與天線占比較高，是未來降本的主要方向。根據加特蘭微電子在接受 EET 的采訪時表示，毫米波雷達成本在 CMOS SoC+AiP 的技術下可實現大幅縮減，較 CMOS SoC/CMOS/SiGe/GaAs 方案分別節約25/50/70/85%的成本。圖表圖表69：芯片技術升級推動降本芯片技術升級推

122、動降本 資料來源：加特蘭微電子，華泰研究 加特蘭：毫米波雷達加特蘭：毫米波雷達 MMIC 芯片開發與設計的領導者芯片開發與設計的領導者 加特蘭微電子科技創立于 2014 年，是 CMOS 工藝毫米波雷達芯片開發與設計的領導者。公司匯聚了射頻毫米波電路設計、雷達系統算法研發、大規模數字電路實現、高頻天線設計以及汽車級芯片量產運營等領域的頂尖人才，并于 2017 年成功量產了全球首個汽車級CMOS 工藝 77/79GHz 毫米波雷達射頻前端芯片，率先實現了在汽車前裝市場的突破。隨著汽車自動駕駛和駕駛輔助技術的快速發展，高性能、易開發、小型化成為毫米波雷達發展的熱點和趨勢。加特蘭率先推出了集成雷達基

123、帶處理的 SoC 芯片，為毫米波雷達傳感器的開發實現帶來了全新的變革。公司又進一步推出了 AiP 技術，通過在芯片封裝內部集成天線陣列，減少用戶天線設計和高頻板材投入，并大幅縮短模塊研發和生產周期，加速毫米波雷達在汽車和行業市場的普及。公司堅持汽車級可靠性和安全性的設計理念，通過了 ISO 9001 質量體系認證和 ISO 26262 功能安全管理體系認證。產品滿足 AEC-Q100 的可靠性規范，包含計算單元的SoC 產品達到 ASIL-B 的功能安全等級。2022 年 12 月 20 日，加特蘭舉辦“Next Wave”Calterah Day 活動，發布了下一代全新毫米波雷達 SoC 芯

124、片系列Andes，代表了目前毫米波雷達技術的前沿。Andes 系列芯片可實現 4D 高端雷達以及成像雷達功能。加特蘭 CEO 陳嘉澍博士在新品發布會上提到，車載毫米波雷達有三大發展趨勢：小尺寸低功耗雷達、高性價比雷達和 4D 成像雷達。加特蘭擁有全面的毫米波雷達芯片產品組合，可滿足三大雷達發展趨勢的需求。截至 2022年 12 月 20 日，加特蘭已服務超 400 家客戶，與 20 余家 OEM 車企達成合作，賦能 70 余款乘用車，累計汽車芯片出貨量超過 300 萬片。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。35 電子電子 圖表圖表70：加特蘭電子毫米波雷達產品矩陣加特蘭

125、電子毫米波雷達產品矩陣 資料來源：加特蘭電子官網，華泰研究 森思泰克：國產毫米波雷達品牌“小巨人”企業森思泰克：國產毫米波雷達品牌“小巨人”企業 森思泰克注冊于 2015 年，是一家專業從事毫米波與激光雷達傳感器智能產品研發、生產與銷售的高科技企業，現已形成石家莊、北京、西安、蕪湖、杭州、韓國等多地區多位一體的發展布局。公司具備 ISO9001 和 IATF16949 雙體系認證，擁有從算法到高頻硬件、軟件完整的系統設計能力及量產工藝核心技術，獲得多項自主知識產權并成功實現科技成果轉化，先后研發出多系列高性能雷達產品，主要面向車載安全與自動駕駛、智能交通與智慧停車、安防監控、無人機等領域。產品

126、涵蓋 24GHz、77GHz、79GHz 所有頻段；并融合相控陣、DBF、MIMO、稀疏陣、超分辨等科技前沿的雷達技術。憑借豐富的產品線與出色的研發能力，森思泰克已成為多家國內外一線車廠的體系內供應商。圖表圖表71：STL4-1 四線激光雷達四線激光雷達 圖表圖表72：森思泰克車載安全領域示意圖森思泰克車載安全領域示意圖 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 行易道：行易道：聚焦高端車載成像雷達，自研技術助聚焦高端車載成像雷達，自研技術助 4D 雷達實現行業領先雷達實現行業領先 行易道由中科院趙捷博士創立于 2014 年，9 年來深耕毫米波車載前向 AEB 雷達，在毫米波

127、雷達新體制、雷達信號處理新算法、車載合成孔徑雷達（SAR）技術等領域已取得豐富的項目經驗和技術積累，先后通過 ISO14001 和 IATF16949 體系認證，并獲得北京市“高新技術企業”和“專精特新”中小企業等資質認定，并通過知識產權管理體系認證。產品線目前涉及車載前向雷達、角雷達、交通雷達、物聯網監測雷達等系列產品。公司在北京、上海、深圳、韓國等地設有分公司，并在北京、鹽城兩地擁有獲得 IATF16949 體系認證的高品質產線，年產能達數百萬套。AndesAndes-ProAIps/Rhine-Mini成像雷達成像雷達前向雷達前向雷達角雷達角雷達超超短程雷短程雷達達AIps艙內艙內雷達雷

128、達AIps-MiniAIps/RhineAIps-ProAIps/Rhine-ProAIpsT40,SoC,ARC,BB ASICAndesT22,SoC,NoC,Xtensa,Seq based RSP,DSP,C2C 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。36 電子電子 2020 年，商業上實現韓國、東南亞跨區域的 AEB 功能前裝定點和交付，并通過 EN-CAP測試，韓國 KC 認證和越南 MIC 認證，ISO17387 標準測試，成為率先出口的前裝車載AEB 雷達企業。2022 年，推出第三代 4D 成像雷達產品：ALRR300，僅用雙片級聯實現角分辨率均小于 1

129、（同期可量產 4D 雷達在 1.5*2以上），該產品基于稀疏陣列天線設計、壓縮感知超分辨算法等創新技術，產品力領先行業，同時尺寸、功耗、成本方面均得到優化，完美解決了當下智能駕駛技術發展中傳感器應用的瓶頸問題，并同年實現韓國車企定點，2023Q2實現 SOP。原創技術方面，2019 年車載 SAR（合成孔徑雷達）技術獲評“全球新能源汽車前沿技術”；2020 年，獲得中國雷達協會科技進步二等獎。2020 年，獲得北京市科委資助項目“支持高級別自動駕駛的成像毫米波雷達研制”，于 2022 年底驗收通過；至今，行易道已實現了 17 項發明專利、100+項實用新型和外觀設計專利，11 項軟著，發表 3

130、 篇 IEEE 論文，獲得良好的業內口碑和影響力。圖表圖表73：77GHz 中程毫米波雷達中程毫米波雷達 資料來源：公司官網，華泰研究 圖表圖表74：汽車毫米波雷達的前向雷達應用（自適應巡航（汽車毫米波雷達的前向雷達應用（自適應巡航（ACC）資料來源：公司官網，華泰研究 激光雷達：禾賽科技，速騰聚創，圖達通，探維科技，靈明光子激光雷達：禾賽科技，速騰聚創，圖達通，探維科技，靈明光子 激光雷達整機朝固態化發展。激光雷達整機朝固態化發展。按掃描方式可將激光雷達可以分為機械式、半固態及純固態式三類，其中機械式激光雷達價格昂貴、體積較大且機械部件壽命較短，在乘用車上使用較少。隨著半固態式技術逐步成熟，

131、乘用車前視激光雷達開始采用穩定性更高的半固態方案，并且純固態激光雷達產品也逐步出現在視野，激光雷達固態化發展趨勢明顯。國產激光雷達廠商成為市場重要參與者。國產激光雷達廠商成為市場重要參與者。根據 Yole 的統計，截至 2022 年 7 月，在全球范圍內官宣的 ADAS 前裝定點數量累計約 55 個，中國廠商份額合計約 55%，較 2019 年的26%實現快速提升。按廠商來看，其中禾賽科技份額達 27%，超越法雷奧排名全球第一，速騰聚創、華為、圖達通、覽沃科技等國產廠商份額分別為 16%、5%、5%、2%。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。37 電子電子 圖表圖表75

132、：中國激光雷達廠商進展領先中國激光雷達廠商進展領先 資料來源：Yole，公司公告，華泰研究 激光雷達方案升級，固態補盲雷達新品密集發布。激光雷達方案升級，固態補盲雷達新品密集發布。補盲激光雷達為近場探測設計、外觀纖巧靈活、兼具超大的垂直（75）與水平視場角（120）的特點。它能作為當前自動駕駛多傳感器融合方案中的有利補充，如攝像頭在強光和逆光環境下的“瞬盲”，毫米波雷達分辨力不足等。而且能實現前視激光雷達僅 120FOV 的不足，以更具性價比的方式完成汽車 360水平視場的覆蓋。速騰聚創表示，在當前主流“視覺+前視激光雷達”感知方案的基礎上，通過增加兩顆 E1，就可以構成“視覺+360激光雷達

133、”的感知方案，實現 360的全覆蓋、無盲區感知效果。CES2022 上，圖達通展示了首款圖像級中短距激光雷達 Robin 全球首次亮相，其與 Falcon 的全新組合也將為整車周邊的全方位感知方案建立更有效的安全及性能保障。2022 年 11 月，亮道智能、禾賽科技和速騰聚創先后發布補盲激光雷達 LDSatellite、RS-LiDAR-E1 和 FT120，CES2023 上國內廠商鐳神智能、一徑科技發布其補盲雷達 CH32R 和 ML-30s，海外廠商大陸和 IBEO 也發布了補盲雷達HFL110 和 Next 短距。激光雷達廠商陸續公布固態補盲雷達新品，有望開拓 2023 年激光雷達新局

134、面。圖表圖表76：補盲雷達探測盲區示意圖補盲雷達探測盲區示意圖 圖表圖表77：前向主雷達雷達前向主雷達雷達+補盲雷達結合方案示意圖補盲雷達結合方案示意圖 資料來源：速騰聚創官網，華泰研究 資料來源：速騰聚創官網，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。38 電子電子 禾賽科技：全球領先的激光雷達制造商禾賽科技：全球領先的激光雷達制造商 禾賽科技成立于 2014 年 10 月，是一家全球化的激光雷達研發與制造企業。公司產品廣泛應用于支持高級輔助駕駛系統（ADAS）的乘用車和商用車，以及自動駕駛汽車。禾賽的激光雷達技術也致力賦能各類機器人應用，例如無人配送車和封閉區域

135、內的物流機器人等。禾賽在光學、機械、電子、軟件等激光雷達核心領域有著卓越的研發能力和深厚的技術積累，其激光雷達產品已成功經過市場驗證，截至 2022 年底累計交付量超過 10 萬臺。禾賽將激光雷達的制造工藝融入到研發設計流程中，在促進產品快速迭代的同時，保證高性能、高可靠性與高性價比。禾賽的客戶包括全球主流汽車廠商、自動駕駛和機器人公司，遍及全球 40 個國家、90 多個城市。圖表圖表78：AT128 半固態激光雷達半固態激光雷達 圖表圖表79：激光雷達感知效果激光雷達感知效果 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 速騰聚創：激光雷達硬件、感知軟件與芯片三大核心技術閉環速

136、騰聚創：激光雷達硬件、感知軟件與芯片三大核心技術閉環 速騰聚創(RoboSense)成立于 2014 年 8 月，是全球領先的智能激光雷達系統（Smart LiDAR Sensor System）科技企業。RoboSense 通過激光雷達硬件、感知軟件與芯片三大核心技術閉環，為市場提供具有信息理解能力的智能激光雷達系統，顛覆傳統激光雷達硬件純信息收集的定義，賦予機器人和車輛超越人類眼睛的感知能力，守護智能駕駛的安全。RoboSense 總部位于深圳，企業員工超過 1200 人，擁有來自全球頂尖企業和科研機構的人才團隊，為 RoboSense 提供源源不斷的創新能力，截止 2022 年底，全球布

137、局激光雷達相關專利超過 1000 項。RoboSense 產品技術的領先建立在多學科多層級的技術積累之上。公司以市場為導向，為客戶提供多種的智能激光雷達系統解決方案，產品技術包括：MEMS 與機械式激光雷達硬件，硬件融合技術，感知軟件等。圖表圖表80：RS-LiDAR-M1 車規級固態激光雷達車規級固態激光雷達 資料來源：公司官網，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。39 電子電子 圖達通：深耕圖像級超遠距激光雷達領域圖達通：深耕圖像級超遠距激光雷達領域 圖達通(Innovusion)成立于 2016 年，是全球圖像級激光雷達提供商。在硅谷、蘇州和上海設有研發

138、中心，在寧波和蘇州擁有高度工業化的車規級激光雷達制造基地。Innovusion 潛心致力于激光雷達的探索與創新，不斷提供高性能的激光雷達產品及多樣化的應用解決方案。其圖像級超遠距激光雷達獵鷹(Falcon)已于 2022 年作為蔚來 ET7、ES7 及 ET5 的Aquila 超感系統標配量產交付。依托產品技術的先進性和成本的可控性，Innovusion 在國內外還與多家車聯網、智慧高速、軌道交通、以及工業自動化等行業龍頭企業開展著積極合作，用先進的硬件及軟件解決方案賦能安全與智能生活。圖表圖表81：圖像級遠距離激光雷達：捷豹精英版圖像級遠距離激光雷達：捷豹精英版 圖表圖表82：激光雷達探測效

139、果激光雷達探測效果 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 探維科技：新一代固態掃描激光雷達技術方案和探維科技：新一代固態掃描激光雷達技術方案和 ALS 平臺技術平臺技術 探維科技成立于 2017 年，核心團隊起源于清華大學精儀系國家重點實驗室，早在 2008 年即開始從事激光雷達系統方向的技術研發。探維科技開發了行業唯一的硬件級圖像前融合產品 Tanway Fusion，解決了多傳感器融合的可靠性問題，深入挖掘激光雷達在車端的應用價值與用戶價值，開啟激光雷達 3.0 時代。為了實現車規級穩定性，探維科技基于全自研的 ALS 平臺技術，打造了高性能、低成本、易量產的車規級固

140、態激光雷達，并于 2019年率先完成量產交付。探維科技總部和研發中心位于北京，在成都落地電子研發中心，2021 年底在蘇州落地車規級產線。2022 年探維科技獲得 IATF16949 質量管理體系認證，與合創汽車聯合發布全球首款搭載激光雷達的量產 MPV-V09，今年內計劃落地 3 個乘用車定點項目。圖表圖表83：固態激光雷達：固態激光雷達：Tensor 圖表圖表84：固態激光雷達：固態激光雷達：Scope 資料來源：公司官網，華泰研究 資料來源：公司官網，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。40 電子電子 靈明光子靈明光子:dToF 傳感芯片和系統解決方案提

141、供商傳感芯片和系統解決方案提供商 靈明光子是由頂尖海歸博士團隊于 2018 年 5 月創立于深圳南山。靈明光子設計的單光子雪崩二極管（SPAD），是幫助現代電子設備實現 3D 感知的核心器件，廣泛賦能汽車、智能手機、機器人、自動控制、人機交互、智慧家居等領域。公司提供一系列的 SPAD dToF傳感芯片產品，包括:SiPM、3D 堆疊 dToF 模組、有限點 dToF 傳感器等，其產品擁有行業領先的精準度、能效比和測距范圍。靈明光子使用了最前沿的 BSI 3D 堆疊技術將背照式的傳感芯片晶圓和數字邏輯電路晶圓混合鍵合以達到行業內最高的性能效果和集成度，并提供以 SPAD 為基礎的 dToF 系

142、統解決方案。圖表圖表85：靈明光子部分產品示意圖靈明光子部分產品示意圖 資料來源：公司官網，華泰研究 AR-HUD：澤澤景科技，未來黑科技景科技，未來黑科技 正如我們在京東方精電：全球車載顯示龍頭廠商（2023 年 6 月 1 日）中所述：HUD 加速滲透，預計加速滲透，預計 2030 年滲透率達年滲透率達 30%。HUD 自 2023 年開始將進入增長快車道，我們預測今年車企競爭加劇，智能化配置的需求凸顯，2023 年同比增速將達到 43%，之后增速略有放緩，2023E-2030E CAGR 預計為 25.4%，滲透率將從 2023 年的 8.8%提升至 2030 年的 29.5%。其中，W

143、/AR HUD 作為目前車企 HUD 的主流方案，據高工智能汽車數據，2021 年中國乘用車市場 W/AR HUD 合計占比 93.8%。圖表圖表86：2021-2030E HUD 出貨量及滲透率出貨量及滲透率 資料來源：Digitimes，華泰研究預測 0%10%20%30%40%0510152025302021A2022E2023E2024E2025E2026E2027E2028E2029E2030E出貨量滲透率(百萬套)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。41 電子電子 AR HUD 顯示信息更全面，提升輔助駕駛安全和人機交互體驗更強。顯示信息更全面，提升輔助駕駛

144、安全和人機交互體驗更強。W HUD 是通過擋風玻璃作為投影介質來反射成像，能提供車速、導航、油耗、電量、溫度、路況、天氣、行車警告等行車信息。而 AR HUD 結合了 AR（增強現實）技術，可以將虛擬信息與真實世界進行融合從而實現對真實世界的“增強”，駕駛者真正實現不用在儀表和路面之間來回切換，且成像效果更清晰。以搭載了華為 AR HUD 方案的飛凡 R7 為例，飛凡 R7 的 AR HUD 具有 13x5的視場角，擁有 AR 導航、安全輔助、生活服務功能、駐車娛樂四項主要功能。圖表圖表87：飛凡飛凡 R7 的的 AR-HUD 效果示意圖效果示意圖 資料來源：公司官網，華泰研究 長期來看，長期

145、來看，AR-HUD 將于智能駕駛階段量產，替代現有將于智能駕駛階段量產，替代現有 HUD。雖然 AR-HUD 存在較高的技術壁壘，但相比自動駕駛，AR-HUD 故障的影響更小，因此車規安全要求較低；AR-HUD 能夠結合自動駕駛傳感器信息，為消費者帶來更直觀的科技體驗。因此 AR-HUD 落地或快于智能駕駛，成為未來重要的人機交互方式之一。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。42 電子電子 圖表圖表88：HUD 將從將從 W-HUD 走向走向 AR-HUD 資料來源：公司官網，華泰研究 澤景科技：國內領先的車內視覺解決方案供應商澤景科技：國內領先的車內視覺解決方案供應商

146、 澤景成立于 2015 年，是一家集科研、生產、服務于一體的國家高新技術企業，主要產品包括 W-HUD、AR-HUD、CMS、透明 A 柱、透明窗口顯示等智能座艙相關產品。在全國已經布局儀征（總部和制造中心）、西安（研發中心）、上海（管理及客戶服務支持中心）、長春（北方服務中心）、重慶（西南服務中心）5 個區域。澤景始終致力于用科技手段提高智能汽車的數字化體驗，已然成為目前國內領先的車內視覺解決方案供應商。同時澤景是 HUD 產業本土化的引領者，建立了中國本土第一條 WHUD 自動化生產線，取得了第一款中國本土供應商開發的 WHUD 的產品量產等多項成就，已獲得多家頭部主機廠的認可，在技術、工

147、程、量產經驗和客戶粘性等方面壁壘明顯。擁有蔚來，吉利，北汽，奇瑞等量產客戶。圖表圖表89：AR-HUD 模擬定制化主題頁面模擬定制化主題頁面 資料來源：公司官網，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。43 電子電子 圖表圖表90：W-HUD 畸變矯正技術畸變矯正技術 資料來源：公司官網，華泰研究 未來黑科技：搭建虛擬與現實世界的溝通橋梁未來黑科技：搭建虛擬與現實世界的溝通橋梁 未來（北京）黑科技成立于 2016 年，是一家集光學成像、增強現實、人機交互設計（HMI）、全車窗顯示和計算機算法研發于一體的創新型高科技公司，產品覆蓋經典 HUD、光場 AR HUD、全

148、景顯示器和全息影像等。FUTURUS 未來實驗室結合基礎科學研究和應用技術創新，發明了全息光場技術和光場增強現實顯示技術，創造了人與現實和虛擬世界同步溝通的全新窗口。截止目前，FUTURUS 產品已累計榮獲 4 座 CES/CES Asia 創新獎獎杯，主要為寶馬、上汽、理想汽車等品牌提供產品支持與技術供應。圖表圖表91：VID（Virtual Image Distance）虛擬畫面結合光場）虛擬畫面結合光場 AR 顯示技術顯示技術 資料來源：公司官網，華泰研究 風風險提示險提示 智能駕駛滲透率不及預期；新產品迭代速度不及預期。受到技術長尾問題、汽車銷量不振等因素的影響，智能駕駛軟硬件迭代的速

149、度或將慢于預期。本研報中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。圖表圖表92：全文提及公司列表全文提及公司列表 公司公司 代碼代碼 公司公司 代碼代碼 地平線 未上市 瑞可達 688800 CH 黑芝麻智能 未上市 加特蘭 未上市 芯馳科技 未上市 森思泰克 未上市 芯擎科技 未上市 行易道 未上市 德賽西威 002920 CH 禾賽科技 HSAI US 經緯恒潤 688326 CH 速騰聚創 未上市 縱目科技 未上市 圖達通 未上市 知行科技 1885 HK 探維科技 未上市 魔視智能 未上市 靈明光子 未上市 宏景智駕

150、未上市 澤景科技 未上市 電連技術 300679 CH 未來黑科技 未上市 柏川數據 未上市 旗芯微 未上市 資料來源：彭博，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。44 電子電子 免責免責聲明聲明 分析師聲明分析師聲明 本人，黃樂平、陳旭東，茲證明本報告所表達的觀點準確地反映了分析師對標的證券或發行人的個人意見；彼以往、現在或未來并無就其研究報告所提供的具體建議或所表迖的意見直接或間接收取任何報酬。一般聲明及披露一般聲明及披露 本報告由華泰證券股份有限公司（已具備中國證監會批準的證券投資咨詢業務資格，以下簡稱“本公司”）制作。本報告所載資料是僅供接收人的嚴格保密

151、資料。本報告僅供本公司及其客戶和其關聯機構使用。本公司不因接收人收到本報告而視其為客戶。本報告基于本公司認為可靠的、已公開的信息編制，但本公司及其關聯機構(以下統稱為“華泰”)對該等信息的準確性及完整性不作任何保證。本報告所載的意見、評估及預測僅反映報告發布當日的觀點和判斷。在不同時期，華泰可能會發出與本報告所載意見、評估及預測不一致的研究報告。同時，本報告所指的證券或投資標的的價格、價值及投資收入可能會波動。以往表現并不能指引未來，未來回報并不能得到保證，并存在損失本金的可能。華泰不保證本報告所含信息保持在最新狀態。華泰對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的

152、更新或修改。本公司不是 FINRA 的注冊會員，其研究分析師亦沒有注冊為 FINRA 的研究分析師/不具有 FINRA 分析師的注冊資格。華泰力求報告內容客觀、公正，但本報告所載的觀點、結論和建議僅供參考，不構成購買或出售所述證券的要約或招攬。該等觀點、建議并未考慮到個別投資者的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對客戶私人投資建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。對依據或者使用本報告所造成的一切后果，華泰及作者均不承擔任何法律責任。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。除非另

153、行說明，本報告中所引用的關于業績的數據代表過往表現，過往的業績表現不應作為日后回報的預示。華泰不承諾也不保證任何預示的回報會得以實現，分析中所做的預測可能是基于相應的假設，任何假設的變化可能會顯著影響所預測的回報。華泰及作者在自身所知情的范圍內，與本報告所指的證券或投資標的不存在法律禁止的利害關系。在法律許可的情況下，華泰可能會持有報告中提到的公司所發行的證券頭寸并進行交易，為該公司提供投資銀行、財務顧問或者金融產品等相關服務或向該公司招攬業務。華泰的銷售人員、交易人員或其他專業人士可能會依據不同假設和標準、采用不同的分析方法而口頭或書面發表與本報告意見及建議不一致的市場評論和/或交易觀點。華

154、泰沒有將此意見及建議向報告所有接收者進行更新的義務。華泰的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。投資者應當考慮到華泰及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突。投資者請勿將本報告視為投資或其他決定的唯一信賴依據。有關該方面的具體披露請參照本報告尾部。本報告并非意圖發送、發布給在當地法律或監管規則下不允許向其發送、發布的機構或人員，也并非意圖發送、發布給因可得到、使用本報告的行為而使華泰違反或受制于當地法律或監管規則的機構或人員。本報告版權僅為本公司所有。未經本公司書面許可，任何機構或個人不得以翻版、復制、發表、引用或再次分

155、發他人(無論整份或部分)等任何形式侵犯本公司版權。如征得本公司同意進行引用、刊發的，需在允許的范圍內使用，并需在使用前獲取獨立的法律意見，以確定該引用、刊發符合當地適用法規的要求，同時注明出處為“華泰證券研究所”，且不得對本報告進行任何有悖原意的引用、刪節和修改。本公司保留追究相關責任的權利。所有本報告中使用的商標、服務標記及標記均為本公司的商標、服務標記及標記。中國香港中國香港 本報告由華泰證券股份有限公司制作,在香港由華泰金融控股（香港）有限公司向符合證券及期貨條例及其附屬法律規定的機構投資者和專業投資者的客戶進行分發。華泰金融控股（香港）有限公司受香港證券及期貨事務監察委員會監管，是華泰

156、國際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。在香港獲得本報告的人員若有任何有關本報告的問題,請與華泰金融控股（香港）有限公司聯系。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。45 電子電子 香港香港-重要監管披露重要監管披露 華泰金融控股（香港）有限公司的雇員或其關聯人士沒有擔任本報告中提及的公司或發行人的高級人員。有關重要的披露信息，請參華泰金融控股（香港）有限公司的網頁 https:/.hk/stock_disclosure 其他信息請參見下方“美“美國國-重要監管披露”重要監管披露”。美國美國 在美國本報告由華泰證券（美國）有限公司向符合美國

157、監管規定的機構投資者進行發表與分發。華泰證券（美國）有限公司是美國注冊經紀商和美國金融業監管局（FINRA）的注冊會員。對于其在美國分發的研究報告，華泰證券（美國）有限公司根據1934 年證券交易法（修訂版）第 15a-6 條規定以及美國證券交易委員會人員解釋，對本研究報告內容負責。華泰證券（美國）有限公司聯營公司的分析師不具有美國金融監管（FINRA）分析師的注冊資格，可能不屬于華泰證券（美國）有限公司的關聯人員，因此可能不受 FINRA 關于分析師與標的公司溝通、公開露面和所持交易證券的限制。華泰證券（美國）有限公司是華泰國際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子

158、公司。任何直接從華泰證券（美國）有限公司收到此報告并希望就本報告所述任何證券進行交易的人士，應通過華泰證券（美國）有限公司進行交易。美國美國-重要監管披露重要監管披露 分析師黃樂平、陳旭東本人及相關人士并不擔任本報告所提及的標的證券或發行人的高級人員、董事或顧問。分析師及相關人士與本報告所提及的標的證券或發行人并無任何相關財務利益。本披露中所提及的“相關人士”包括 FINRA 定義下分析師的家庭成員。分析師根據華泰證券的整體收入和盈利能力獲得薪酬，包括源自公司投資銀行業務的收入。華泰證券股份有限公司、其子公司和/或其聯營公司,及/或不時會以自身或代理形式向客戶出售及購買華泰證券研究所覆蓋公司的

159、證券/衍生工具，包括股票及債券（包括衍生品）華泰證券研究所覆蓋公司的證券/衍生工具，包括股票及債券（包括衍生品）。華泰證券股份有限公司、其子公司和/或其聯營公司,及/或其高級管理層、董事和雇員可能會持有本報告中所提到的任何證券（或任何相關投資）頭寸，并可能不時進行增持或減持該證券（或投資）。因此，投資者應該意識到可能存在利益沖突。評級說明評級說明 投資評級基于分析師對報告發布日后 6 至 12 個月內行業或公司回報潛力（含此期間的股息回報）相對基準表現的預期（A 股市場基準為滬深 300 指數，香港市場基準為恒生指數，美國市場基準為標普 500 指數），具體如下：行業評級行業評級 增持：增持：

160、預計行業股票指數超越基準 中性：中性：預計行業股票指數基本與基準持平 減持：減持：預計行業股票指數明顯弱于基準 公司評級公司評級 買入：買入：預計股價超越基準 15%以上 增持：增持：預計股價超越基準 5%15%持有：持有：預計股價相對基準波動在-15%5%之間 賣出：賣出：預計股價弱于基準 15%以上 暫停評級：暫停評級：已暫停評級、目標價及預測，以遵守適用法規及/或公司政策 無評級：無評級：股票不在常規研究覆蓋范圍內。投資者不應期待華泰提供該等證券及/或公司相關的持續或補充信息 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。46 電子電子 法律實體法律實體披露披露 中國中國：

161、華泰證券股份有限公司具有中國證監會核準的“證券投資咨詢”業務資格，經營許可證編號為：91320000704041011J 香港香港：華泰金融控股（香港）有限公司具有香港證監會核準的“就證券提供意見”業務資格，經營許可證編號為：AOK809 美國美國：華泰證券（美國）有限公司為美國金融業監管局（FINRA）成員，具有在美國開展經紀交易商業務的資格，經營業務許可編號為：CRD#:298809/SEC#:8-70231 華泰證券股份有限公司華泰證券股份有限公司 南京南京 北京北京 南京市建鄴區江東中路 228號華泰證券廣場 1號樓/郵政編碼：210019 北京市西城區太平橋大街豐盛胡同 28號太平洋

162、保險大廈 A座 18層/郵政編碼：100032 電話：86 25 83389999/傳真：86 25 83387521 電話：86 10 63211166/傳真：86 10 63211275 電子郵件：ht- 電子郵件：ht- 深圳深圳 上海上海 深圳市福田區益田路 5999號基金大廈 10樓/郵政編碼：518017 上海市浦東新區東方路 18號保利廣場 E棟 23樓/郵政編碼：200120 電話：86 755 82493932/傳真：86 755 82492062 電話：86 21 28972098/傳真：86 21 28972068 電子郵件：ht- 電子郵件：ht- 華泰金融控股（香港）有限公司華泰金融控股（香港）有限公司 香港中環皇后大道中 99 號中環中心 58 樓 5808-12 室 電話：+852-3658-6000/傳真：+852-2169-0770 電子郵件： http:/.hk 華泰證券華泰證券（美國美國）有限公司有限公司 美國紐約公園大道 280 號 21 樓東（紐約 10017）電話：+212-763-8160/傳真：+917-725-9702 電子郵件:Huataihtsc- http:/www.htsc- 版權所有2023年華泰證券股份有限公司