電子行業汽車智能化＋網聯化深度：自動駕駛逐步升級攝像頭＋激光雷達星辰大海-220629（76頁）.pdf

1、 請仔細閱讀本報告末頁聲明 Page 1 / 76 Table_Main 汽車汽車智能化智能化+網聯化深度網聯化深度：自動駕駛逐步：自動駕駛逐步升級，升級，攝像頭攝像頭+激光雷達激光雷達星辰大海星辰大海 電子電子 評級：評級： 看好看好 日期：日期： 2022.06.29 分析師分析師 王少南王少南 登記編碼：S0950521040001 ： 0755-23375522 ： 行業行業表現表現 2022/6/28 資料來源：Wind，聚源 相關研究相關研究 汽車電動化深度：新能源車銷量+滲透率雙升，IGBT 與 SiC大放異彩(2022/5/13) 2022 年電子行業投資策略：5G 滲透率持續

2、提升，半導體供應鏈安全大勢所趨(2021/12/9) PCB 行業深度：通訊/消費電子/汽車齊發力， FPC替代傳統線束前景可期 (2021/12/7) 半導體設備行業深度： 新一輪景氣周期， 大國重器替代正當時(2021/8/16) 2021 年電子行業中期策略：5G+ARVR引領新成長，國產替代奏響主旋律(2021/8/6) 需求錯配+供給瓶頸+資源傾斜，汽車缺芯有望 2021Q2開始改善(2021/5/12) 報告要點報告要點 汽車汽車智能化智能化、網聯化大勢所趨網聯化大勢所趨。在汽車行業電動化發展過程中，智能化、網聯化升級也將成為不可逆轉的大趨勢，帶動汽車行業從傳統的機械化終端向智能化

3、、網聯化終端邁進，隨著硬件配置+軟件逐步升級，汽車的智能化、網聯化升級改造已經拉開大幕。 汽車智能化汽車智能化： 自動駕駛優勢明顯，將逐步從自動駕駛優勢明顯，將逐步從 L0 升級至升級至 L5。SAE 將自動駕駛技術分為 L0-L5 級，其中 L0-L2 仍然需要駕駛員駕駛，屬于 ADAS（高級輔助駕駛系統）范疇，而從 L3 開始，汽車才真正進入到自動駕駛范疇。作為評判汽車智能化水平的核心關鍵，自動駕駛相比于傳統有人駕駛具有諸多優勢，包括安全性高、成本低、效率高等，未來將逐步從 L0 升級到 L5，在此過程中，Robotaxi/Robobus/Minibus/Robotruck 已經開始嶄露頭

4、角， 家用車目前普遍在 L2 以下，未來隨著技術升級、法律完善，自動駕駛水平將有望穩步提升。 自動駕駛系統分為感知層自動駕駛系統分為感知層、決策層和控制層決策層和控制層，傳感器和傳感器和 AI 芯片需求大幅提芯片需求大幅提升升。感知層：根據 Yole 數據，對于單輛車而言，L1-L5 級別各類傳感器數量分別為 6/13/24/38/35 顆，價值量分別為 260/405/2050/3430/3170 美元。市場規模方面，在自動駕駛領域，根據 Yole 數據，預計 2020-2025 年，攝像頭模組將從 35 億美元增長至 81 億美元，CAGR 為 18%；毫米波雷達將從38 億美元增長至 9

5、1 億美元，CAGR 為 19%；激光雷達將從 4 千萬美元增長至 17 億美元，CAGR 為 113%。決策層：汽車 E/E 架構邁向集中化，將帶來芯片算力需求大幅提升，GPU/FPGA/ASIC/類腦等 AI 芯片將扮演愈發重 要 的 角 色 。 根 據 億 歐 數 據 ， L1-L5級 別 算 力 需 求 分 別 為1/2/30/300/4000+TOPS。中國自動駕駛 AI 芯片市場規模 2021 年為 25.1億元，預計到 2025 年將達到 109.9 億元，CAGR 為 44.7%。 汽車網聯化汽車網聯化： V2X 助力構建智慧交通體系助力構建智慧交通體系，射頻前端芯片充分受益。

6、，射頻前端芯片充分受益。當智能化自動駕駛發展到一定程度后，車輛與外部的溝通交流就愈發重要，V2X有利于構建一個智慧的交通體系，對提高交通效率、節省資源、減少污染、降低事故發生率、改善交通管理具有重要意義。 C-V2X 和高精地圖也將成為自動駕駛普及過程中的重要支撐。根據 IDC 數據，2020-2024 年，全球智能網聯汽車出貨量將保持穩步增長， 2020 年為 4440 萬輛，2024 年將達到 7620 萬輛，CAGR 為14.5%。滲透率方面，亦將保持穩步上升趨勢，根據 IHS Markit 數據，預計2025 年全球智能網聯汽車滲透率將達到 59.4%，中國智能網聯汽車滲透率將達到 7

7、5.9%。在網聯化過程中，射頻前端芯片將如同汽車之耳助力車聯網技術發展，從而彌補單輛汽車智能化不足，推動協同式應用服務發展。 投資建議投資建議：我們看好汽車智能化、網聯化升級帶來的新機遇，攝像頭、超聲波雷達、毫米波雷達、激光雷達、AI 芯片以及射頻前端芯片將有望駛入發展快車道。建議關注：聯創電子、長光華芯、炬光科技。 風險提示：風險提示： 1、新能源車銷量、Robotaxi 等商業落地不及預期；2、車規級傳感器、芯片等產品導入不及預期； 3、激光雷達、AI芯片等技術研發進度不及預期。 -38%-29%-20%-10%-1%8%2021/72021/102022/12022/4電子上證綜指深證成

8、指滬深300 證券研究報告 | 行業深度 請仔細閱讀本報告末頁聲明 Page 2 / 76 Table_Page 電子電子 2022 年 6 月 29 日 內容目錄內容目錄 1、汽車智能化穩步升級，中美歐日引領發展 . 7 1.1 自動駕駛升級已成為全球共識 .7 1.2 技術進步+立法推進共同支撐自動駕駛滲透率提升 .12 2、汽車智能化： “商業+家用”雙引擎共同推動自動駕駛快速發展 . 15 2.1 Robotaxi/Robobus/Minibus/Robotruck 等商業化模式率先普及 .15 2.2 感知層：智能車信息采集的“眼睛”和“觸角” .23 2.2.1 智車之“眼” ：攝

9、像頭.24 2.2.2 智車之“角” ：超聲波雷達.26 2.2.3 智車之“角” ：毫米波雷達.27 2.2.4 智車之“角” ：激光雷達 .29 2.2.5 攝像頭/超聲波/毫米波/激光雷達性能對比 .46 2.2.6 視覺方案 VS 多傳感器融合方案 .48 2.3 決策層：智能車決策判斷的中樞大腦.55 2.3.1 E/E 架構集中化，運算加速帶來 GPU/FPGA/ASIC/類腦芯片需求大幅提升 .55 2.3.2 AI 芯片芯片發展方向：制程更先進+算力更高+開放式軟件生態 .59 3、汽車網聯化：構建“人、車、路、云”的智慧交通體系 . 62 3.1 V2X帶來更加高效安全的自動

10、駕駛.62 3.2 C-V2X將逐步成為全球車聯網主流技術路線 .63 3.3 高精地圖：深度助力自動駕駛定位、感知、規劃、決策.66 3.4 智車之“耳” ：射頻前端芯片助力汽車網聯化滲透率提升 .70 4、投資建議 . 72 4.1 投資觀點.72 4.2 建議關注.73 4.2.1 聯創電子（002036.SZ）.73 4.2.2 長光華芯（688048.SH） .73 4.2.3 炬光科技（688167.SH） .74 5、風險提示 . 74 圖表目錄圖表目錄 圖表 1：汽車智能化.7 圖表 2：自動駕駛概念及定義.8 圖表 3：自動駕駛標準分類.8 圖表 4：不同自動駕駛等級對應操控

11、主體.8 圖表 5：自動駕駛等級劃分.9 圖表 6：自動駕駛分級.9 圖表 7：中國汽車駕駛自動化分級. 10 圖表 8：自動駕駛優勢. 10 圖表 9：自動駕駛產業鏈.11 圖表 10：全球自動駕駛發展歷程.11 圖表 11：中國自動駕駛發展歷程. 12 圖表 12：自動駕駛系統架構. 12 圖表 13：全球部分國家和地區自動駕駛規劃. 13 圖表 14：美國各州自動駕駛立法進度. 13 圖表 15：中國自動駕駛發展進度及規劃. 14 請仔細閱讀本報告末頁聲明 Page 3 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 16：2021-2035 年歐盟自動駕

12、駛汽車銷量（萬輛） . 14 圖表 17：2021-2035 年美國自動駕駛汽車銷量（萬輛） . 14 圖表 18：2021-2035 年中國自動駕駛汽車銷量（萬輛） . 15 圖表 19：2021-2035 年日本自動駕駛汽車銷量（萬輛） . 15 圖表 20：2015-2035 年全球自動駕駛汽車滲透率 . 15 圖表 21：自動駕駛最先應用的行業. 16 圖表 22：2021 年中國載人場景三大類別概念范圍界定. 16 圖表 23：中國自動駕駛出行工具應用場景. 16 圖表 24：2021 年中國商業運輸成本結構. 17 圖表 25：2020 年中國貨車司機年齡. 17 圖表 26：20

13、19-2020 年中國礦山安全事故統計 . 17 圖表 27：2021 年中國自動駕駛與人工駕駛每日運行時間（h） . 17 圖表 28：有人駕駛出租車與 Robotaxi 成本對比. 17 圖表 29：Robotaxi 成本在 2025-2027 年將迎來拐點. 18 圖表 30：Robotaxi 生態圈. 18 圖表 31：全球 Robotaxi 企業扮演的角色. 18 圖表 32：全球 Robotaxi 鐵三角模式公司. 19 圖表 33：中國自動駕駛載人場景 Top10 運營商發展現狀概況. 20 圖表 34：2021 年 DMV自動駕駛路測數據（有安全員）. 21 圖表 35：202

14、1 年 DMV自動駕駛車輛規模 Top10（有安全員）. 22 圖表 36：2021 年 DMV自動駕駛 MPI Top10（英里） （有安全員）. 22 圖表 37：2021 年 DMV自動駕駛 MPI（無安全員）. 22 圖表 38：2020-2021 年中國 Top3 城市自動駕駛累計牌照發放量（張）. 22 圖表 39：2020-2021 年中國 Top3 城市自動駕駛累計道路里程（km） . 22 圖表 40：中國各城市示范區自動駕駛載人場景運營商數量（個） . 23 圖表 41：中國各城市示范區自動駕駛載人場景運營商占比. 23 圖表 42：2021 年中國 Robotaxi 產業

15、分布. 23 圖表 43：2021 年中國 Robobus 產業分布. 23 圖表 44：車載攝像頭整車應用. 24 圖表 45：2015-2020 年全球車載鏡頭出貨量（萬件） . 24 圖表 46：2020 年全球車載攝像頭鏡頭市場格局. 24 圖表 47：2019-2020 年各類車載攝像頭滲透率 . 25 圖表 48：不同級別自動駕駛汽車平均搭載攝像頭數量（顆） . 25 圖表 49：2015-2025 年全球及中國車載攝像頭市場規模 . 25 圖表 50：車載攝像頭主要組件及供應商. 26 圖表 51：超聲波雷達位置及探測. 26 圖表 52：自動泊車. 26 圖表 53：2020-

16、2026 年全球超聲波雷達市場規模（十億美元） . 26 圖表 54：2021-2026 年全球超聲波雷達安裝量（百萬顆） . 26 圖表 55：2021-2025 年全球12 顆超聲波雷達方案滲透率 . 27 圖表 56：2014-2023 年中國超聲波雷達市場規模（億元） . 27 圖表 57：2018 年全球超聲波雷達競爭格局. 27 圖表 58：2021 年中國車載超聲波雷達競爭梯隊 Top10. 27 圖表 59：毫米波雷達工作原理. 28 圖表 60：毫米波雷達示意圖. 28 圖表 61：2017-2022 年全球毫米波雷達市場規模（億美元） . 28 圖表 62：全球汽車毫米波雷

17、達廠商市占率. 28 請仔細閱讀本報告末頁聲明 Page 4 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 63：4D 毫米波雷達探測維度 . 29 圖表 64：激光雷達工作原理. 30 圖表 65：激光雷達應用：環境感知+定位 . 30 圖表 66：激光雷達產業鏈. 30 圖表 67：激光雷達核心模塊. 30 圖表 68：激光雷達顯性參數. 31 圖表 69：激光雷達產業鏈主要廠商. 31 圖表 70：激光雷達分類及產業鏈主要廠商. 32 圖表 71：單線（2D）激光雷達原理 . 35 圖表 72：多線（3D）激光雷達光線圖 . 35 圖表 73：單線掃描

18、VS 多線掃描 . 35 圖表 74：水平與垂直視場角（FOV） . 35 圖表 75：ToF 與 FMCW 性能對比 . 36 圖表 76：EEL/VCSEL/光纖激光器對比. 37 圖表 77：2020-2026 年 EEL 市場規模（分應用領域）. 37 圖表 78：傳感應用的 VCSEL 市場規模（億美元） . 38 圖表 79：2020 年 VCSEL 下游應用占比. 38 圖表 80：傳感應用的 VCSEL 發展趨勢 . 38 圖表 81：傳感應用的 VCSEL 產業鏈 . 38 圖表 82：2021-2026 年 VCSEL 市場規模（分應用領域） . 39 圖表 83：2019

19、 年全球智能機 TOF 鏡頭 VCSEL 廠商市占率. 39 圖表 84：905nm VS 1550nm 激光器性能對比 . 39 圖表 85：汽車激光雷達各光源波長市占率. 39 圖表 86：各類激光雷達工作原理. 40 圖表 87：汽車激光雷達各掃描方式市占率. 40 圖表 88：各類激光雷達方案對比. 41 圖表 89：激光雷達探測器性能對比. 41 圖表 90：激光雷達探測器性能對比. 42 圖表 91：激光雷達專用芯片及功能模塊示意圖. 42 圖表 92：禾賽科技芯片化發展路線. 42 圖表 93：2019-2026 年全球激光雷達市場規模（百萬美元） . 43 圖表 94：2020

20、 年全球激光雷達廠商市占率. 43 圖表 95：2020-2026 年全球激光雷達各下游應用領域占比 . 43 圖表 96：2020-2026 年全球激光雷達下游市場規模（百萬/十億美元） . 43 圖表 97：全球高分辨率激光雷達出貨量預測（分國家/地區，千顆） . 44 圖表 98：全球汽車激光雷達各廠商市占率. 44 圖表 99：汽車激光雷達滲透率. 44 圖表 100：全球首款車載激光雷達 Valeo SCALA1 . 45 圖表 101：Valeo SCALA1 拆解主要零部件 . 45 圖表 102：Valeo SCALA1 制造成本拆解 . 45 圖表 103：覽沃科技 Hori

21、zon 制造成本拆解. 45 圖表 104：激光雷達實際價格 VS 預計價格（美元） . 45 圖表 105：激光雷達價格有望持續下降 . 45 圖表 106：激光雷達廠商、類型、價格 . 46 圖表 107：自動駕駛傳感器參數對比 . 47 圖表 108：自動駕駛傳感器光譜范圍 . 47 圖表 109：攝像頭性能雷達圖 . 48 請仔細閱讀本報告末頁聲明 Page 5 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 110：超聲波雷達性能雷達圖. 48 圖表 111：毫米波雷達性能雷達圖 . 48 圖表 112：激光雷達性能雷達圖. 48 圖表 113：自動駕

22、駛視覺主導方案 VS 激光雷達主導方案 . 49 圖表 114：Model 3 各傳感器和計算單元位置 . 49 圖表 115：Model S 各傳感器位置 . 49 圖表 116：特斯拉視覺方案覆蓋范圍. 50 圖表 117：特斯拉純視覺方案覆蓋范圍. 50 圖表 118：奧迪 A8 各傳感器和計算單元位置. 50 圖表 119：沃爾沃 XC90 各傳感器位置. 50 圖表 120：多傳感器融合方案各傳感器覆蓋范圍和作用 . 51 圖表 121：自動駕駛 L1-L5 級別對應傳感器數量（顆）及單價（美元） . 52 圖表 122：2020-2030 年自動駕駛各類傳感器功能變化 . 52 圖

23、表 123：2020-2025 年全球自動駕駛各類傳感器市場規模（十億美元） . 52 圖表 124：全球機器駕駛傳感器市場規模（十億美元） . 53 圖表 125：2020 年中國車載雷達競爭格局 . 53 圖表 126：L2-L5 自動駕駛各類傳感器中半導體價值量（美元） . 53 圖表 127：搭載多種傳感器車型匯總 . 54 圖表 128：蔚來 ES6 傳感器位置分布. 54 圖表 129：小鵬 G9 傳感器位置分布 . 54 圖表 130：汽車 E/E 架構技術路線 . 56 圖表 131：汽車 E/E 架構路線圖 . 56 圖表 132：自動駕駛 L1-L5 對于 AI 芯片算力需

24、求（TOPS） . 56 圖表 133：2015-2025 年中國自動駕駛 AI 芯片市場規模（億元） . 56 圖表 134：AI 芯片在 AI 層次中的應用. 57 圖表 135：訓練-推斷兩階段深度學習 . 57 圖表 136：AI 芯片對比. 58 圖表 137：類腦計算市場規模及市占率（十億美元） . 59 圖表 138：類腦計算下游應用普及時間 . 59 圖表 139：IBM TrueNorth 架構 . 59 圖表 140：類腦計算廠商及機構 . 59 圖表 141：類腦芯片參數對比 . 59 圖表 142：國內外自動駕駛 AI 芯片. 60 圖表 143：部分車企自動駕駛 AI

25、 芯片更迭. 61 圖表 144：信息和通信技術已全面滲透進如今的移動出行場景 . 62 圖表 145：V2X. 62 圖表 146：車聯網定義及功能 . 62 圖表 147：車聯網發展階段 . 63 圖表 148：車聯網產業生態 . 63 圖表 149：DSRC 車聯網 . 63 圖表 150：C-V2X車聯網. 63 圖表 151：DSRC 與 C-V2X對比 . 64 圖表 152：C-V2X隨著駕駛安全性要求提高將得到更廣泛的應用 . 65 圖表 153：2018-2029 年 C-V2X通信技術路線圖 . 65 圖表 154：中國 C-V2X產業鏈. 66 圖表 155：Here 高

26、精地圖圖層. 66 圖表 156：TomTom 高精地圖圖層 . 66 請仔細閱讀本報告末頁聲明 Page 6 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 157：高精地圖信息展示（限高、路寬、坡度、半徑等） . 67 圖表 158：高精地圖信息展示（限速、剩余路程、坡度、半徑等） . 67 圖表 159：傳統導航地圖與高精地圖對比 . 67 圖表 160：中國導航電子地圖甲級測繪資質名單 . 68 圖表 161：高精地圖企業與車企合作情況 . 69 圖表 162：傳統導航地圖與高精地圖盈利模式對比 . 69 圖表 163：2020-2025 年全球高精度地

27、圖市場規模（億美元） . 70 圖表 164：2020-2025 年中國高精度地圖市場規模（億美元） . 70 圖表 165：全球高精度地圖廠商 . 70 圖表 166：2020 年中國高精地圖廠商 Top5. 70 圖表 167：2020-2024 年全球智能網聯汽車出貨量（百萬輛） . 71 圖表 168：2018-2025 年全球及中國智能網聯汽車滲透率 . 71 圖表 169：歐盟汽車保有量（萬輛）和互聯汽車滲透率 . 71 圖表 170：美國汽車保有量（萬輛）和互聯汽車滲透率 . 71 圖表 171：中國汽車保有量（萬輛）和互聯汽車滲透率 . 71 圖表 172：日本汽車保有量（萬輛

28、）和互聯汽車滲透率 . 71 請仔細閱讀本報告末頁聲明 Page 7 / 76 Table_Page 電子電子 2022 年 6 月 29 日 1、汽車智能化汽車智能化穩步升級穩步升級，中美中美歐日引領發展歐日引領發展 1.1 自動駕駛升級已成為全球共識自動駕駛升級已成為全球共識 汽車智能化是未來行業發展重要方向之一，包括人車交互智能化以及車輛行駛自動化。人車交互智能化是在駕駛過程中為駕駛員提供內容與服務， 提升駕駛安全性、 舒適性、 便捷性等。車輛行駛自動化則包括輔助駕駛階段和自動駕駛階段，通過對路況及車輛信息預測，保障駕駛過程中的車輛安全以及出行效率。 智能汽車則是指通過搭載先進傳感器等裝

29、置，運用人工智能等新技術，具有自動駕駛功能，逐步成為智能移動空間和應用終端的新一代汽車。智能汽車通常又稱為智能網聯汽車、自動駕駛汽車等。因此，汽車智能化發展程度很大程度上取決于汽車自動駕駛發展進度。 圖表 1：汽車智能化 資料來源：IHS Markit，五礦證券研究所 在自動駕駛等級劃分上，SAE（國際汽車工程師學會）將自動駕駛技術分為 L0-L5，共 6 個等級，NHTSA（美國國家公路交通安全管理局）將自動駕駛分為 L0-L4 共 5 個等級。目前部分車企已經推出了具有 L2 功能的車型，L1 和 L2 仍然需要駕駛員駕駛，屬于 ADAS（高級輔助駕駛系統） 范疇。 而 L3 將是一個風水

30、嶺， 從 L3 開始， 汽車才真正進入到自動駕駛范疇，L3 指在特定場景下，系統可以實現對車輛的完全接管，當駕駛員在系統失效時，駕駛員取得駕駛權。 請仔細閱讀本報告末頁聲明 Page 8 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 2：自動駕駛概念及定義 NHTSA SAE 定義 動態駕駛任務（DDT） 動態駕駛任務支援（DDT Fallback） 設計適用范圍（ODD） 典型應用 橫/縱向運動 控制 物體和時間的探測響應 L0 L0 系統輔助增強駕駛員環境感知能力，駕駛員執行全部駕駛任務 駕駛員 駕駛員 駕駛員 無 碰撞預警（FCW）、車道偏離預警（LDW

31、）、行人預警（PCW）、盲點監測（BSM） L1 L1 在適合的設計范圍內，系統可執行車輛運動控制中的某一子任務（不可同時執行），駕駛員執行其他的動態駕駛任務 駕駛員和 系統 駕駛員 駕駛員 特定場景 巡航控制（ACC）、自動制動（AEB）、車道保持（LKA）、智能車速控制（ISA） L2 L2 在適合的設計范圍內，系統可持續執行車 輛運動控制任務（涉及到多個 ECU配合），駕駛員負責執行OEDR任務并監督自動駕駛系統 系統 駕駛員 駕駛員 特定場景 車道居中輔助（LCC）、自動變道（ALC） L3 L3 在適合的設計范圍內，系統可持續執行完整的動態駕駛任務，用戶在系統失效時接受系統的干預請求

32、，及時作出響應 系統 系統 駕駛員在系統 失效時取得駕 駛權 特定場景 交通堵塞輔助（TJP）、高速公路輔助（HWP）、自動泊車 L4 L4 在適合的設計范圍內，系統可以自動執行完整的動態駕駛任務和動態駕駛任務支援，用戶無需對系統請求做出回應 系統 系統 系統 特定場景 Robotaxi、無人物流車、無人巴士等 L5 系統能在所有道路環境執行完整的動態駕駛任務和動態駕駛任務支援，駕駛員無需介入 系統 系統 系統 全部場景 資料來源：SAE，NHTSA，艾瑞，五礦證券研究所 圖表 3：自動駕駛標準分類 圖表 4：不同自動駕駛等級對應操控主體 資料來源：SAE，五礦證券研究所 資料來源：Vox，五

33、礦證券研究所 根據 SAE 的定義， 在 L1 時， 駕駛員可以“脫腳” ；在 L2 時， 駕駛員可以“脫手” ； 在 L3 時，駕駛員可以“脫眼” ；在 L4 時，駕駛員可以“脫腦” ；在 L5 時，已經不需要駕駛員。 請仔細閱讀本報告末頁聲明 Page 9 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 5：自動駕駛等級劃分 圖表 6：自動駕駛分級 資料來源：SAE，五礦證券研究所 資料來源：NHTSA，五礦證券研究所 中國在自動駕駛領域亦制定了自己的標準。2021 年 8 月 20 日，國家市場監督管理總局、國家標準化管理委員會批準發布了 汽車駕駛自動化分

34、級 推薦性國家標準， 該標準于2022 年3 月 1 日起開始實施。該標準規定了汽車駕駛自動化功能的分級，基于駕駛自動化系統能夠執行動態駕駛任務的程度，根據在執行動態駕駛任務中的角色分配以及有無設計運行范圍限制，將駕駛自動化分成 0 級至 5 級。并基于以下 6 個要素對駕駛自動化等級進行劃分： 1.是否持續執行動態駕駛任務中的目標和事件探測與響應； 2.是否持續執行動態駕駛任務中的車輛橫向或縱向運動控制； 3.是否同時持續執行動態駕駛任務中的車輛橫向和縱向運動控制； 4.是否持續執行全部動態駕駛任務； 5.是否自動執行最小風險策略； 6.是否存在設計運行范圍限制。 在汽車駕駛自動化的 6 個

35、等級之中，0-2 級為駕駛輔助，系統輔助人類執行動態駕駛任務，駕駛主體仍為駕駛員；3-5 級為自動駕駛，系統在設計運行條件下代替人類執行動態駕駛任務，當功能激活時，駕駛主體是系統。 請仔細閱讀本報告末頁聲明 Page 10 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 7：中國汽車駕駛自動化分級 類別 分級 名稱 持續的車輛橫向和縱向運動控制 目標和事件 探測與響應 動態駕駛 任務后援 設計運行范圍 主要內容 人工駕駛 0 級 應急輔助 駕駛員 駕駛員和系統 駕駛員 有限制 可感知環境，并提供報警、輔助或短暫介入以輔助駕駛員 高級輔助駕駛（ADAS） 1 級

36、部分駕駛輔助 駕駛員和 系統 駕駛員和系統 駕駛員 有限制 駕駛員和駕駛自動化系統共同執行動態駕駛任務，并監管駕駛自動化系統的行為和執行適當的響應或操作 2 級 組合駕駛輔助 系統 駕駛員和系統 駕駛員 有限制 駕駛員和駕駛自動化系統共同執行動態駕駛任務，并監管駕駛自動化系統的行為和執行適當的響應或操作 自動駕駛 3 級 有條件自動駕駛 系統 系統 動態駕駛任務后援用戶（執行接管后成為駕駛員） 有限制 駕駛自動化系統在其設計運行條件內持續執行全部動態駕駛任務 4 級 高度自動駕駛 系統 系統 系統 有限制 駕駛自動化系統在其設計運行條件內持續執行全部動態駕駛任務和執行動態駕駛任務接管 5 級

37、完全自動駕駛 系統 系統 系統 無限制 駕駛自動化系統在任何可行駛條件下持續執行全部動態駕駛任務和執行動態駕駛任務接管 資料來源：汽車駕駛自動化分級，五礦證券研究所 自動駕駛之所以成為各個國家、企業、科研機構等爭相研究和發力的重點，是因為隨著汽車用戶不斷增加，公路交通擁堵、安全事故等問題層出不窮，相比于傳統的人類駕駛，自動駕駛在人工智能、車聯網等技術支持下，能夠有效保障交通安全、降低運輸成本、提升用車效率、減少空氣污染。此外還可以拉動汽車、電子、通信、服務、社會管理等協同發展，促進產業轉型升級。 圖表 8：自動駕駛優勢 資料來源：艾瑞，五礦證券研究所 自動駕駛產業鏈，上游包括傳感器、芯片、地圖

38、、車載軟件等二級供應商，以及智能駕駛解決方案等一級供應商；中游包括乘用車、商用車等整車環節，下游為車輛運營等服務市場。 請仔細閱讀本報告末頁聲明 Page 11 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 9：自動駕駛產業鏈 資料來源：艾瑞，五礦證券研究所 回顧全球自動駕駛發展歷程，1939 年 GM 提出了這一概念，2009 年谷歌發布了自動駕駛汽車計劃， 2013 年谷歌完成了 50 萬英里的自動駕駛，同年特斯拉發布了自動駕駛 Autopilot 概念，2017 年特斯拉自動駕駛完成了 3 億英里的運行，2018 年 Waymo 完成了 5 億英里的測試

39、，2019 年百度完成了 1 億英里的測試。 圖表 10：全球自動駕駛發展歷程 資料來源：Future Agenda，五礦證券研究所 中國自動駕駛起步較晚，2015 年國務院印發了中國制造 2025 ，將自動駕駛作為汽車產業轉型重要方向，2018 年百度無人駕駛汽車“阿波羅 Apollo”正式量產下線，2021 年國務院印發國家綜合立體交通網規劃綱要 ，指出到 2035 年，智能聯網汽車（包括自動駕駛）技 請仔細閱讀本報告末頁聲明 Page 12 / 76 Table_Page 電子電子 2022 年 6 月 29 日 術達到世界先進水平。 圖表 11：中國自動駕駛發展歷程 資料來源：艾瑞，五

40、礦證券研究所 自動駕駛系統分為感知層、決策層和控制層，感知層主要通過攝像頭、雷達等感知周圍環境信息，并通過 GPS/慣導等實現定位等車輛狀態的獲??；決策層依據感知層提供的環境信息和車輛定位情況，根據適合的模型進行路徑規劃等決策；控制層則通過底盤及各種控制附件件，驅動車輛執行相應命令動作。 圖表 12：自動駕駛系統架構 資料來源：自動駕駛技術概論，五礦證券研究所 1.2 技術進步技術進步+立法推進共同支撐自動駕駛滲透率提升立法推進共同支撐自動駕駛滲透率提升 自動駕駛要想逐步落地并大范圍推廣，除了技術進步、成本降低之外，還需要相關法律法規及政策支持才能落地，目前各個國家地區的立法進度和要求不盡相同

41、，但是整體而言，對自動駕駛的法律法規等都是積極推動的。 德國在 2021 年 7 月正式實施自動駕駛法 ，成為全球首個允許 L4 級別自動駕駛汽車上路的國家。 日本于 2020 年 4 月正式實施道路交通法修正案，允許 L3 級別自動駕駛汽車上路，同時 請仔細閱讀本報告末頁聲明 Page 13 / 76 Table_Page 電子電子 2022 年 6 月 29 日 計劃 2022 年在農村地區實現 L4 級自動駕駛汽車上路。 韓國已經在 2021 年推出 L3 級別自動駕駛汽車，計劃到 2024 年實現 L4 級別部分商用化。 中國公安部于 2021 年 3 月發布的道路交通安全法（修訂建議

42、稿） 中，對自動駕駛汽車提出了要求，這是中國在自動駕駛汽車立法上的首次嘗試，雖然最終未獲得通過，但具有重要意義。目前深圳在自動駕駛立法方面走在全國前列，根據 2022 年 5 月深圳市人大常委會官網發布的相關內容，深圳經濟特區智能網聯汽車管理條例 被列入深圳市人大常委會發布的2022 年立法計劃首位，已通過“三審” ，有望在年內出爐，這將是國內首部規范智能網聯汽車管理的法規，智能網聯汽車法律空白的問題，有望在深圳率先突破。此外，中國已逐步開放公路（高速公路）測試、無人化（遠程）測試、載人載物示范運營，包括北京、上海、深圳等城市已發布了相關的道路測試與示范應用管理法規，為自動駕駛汽車上路奠定了基

43、礎，有助于推動自動駕駛立法。 美國交通運輸部則在 2021 年 1 月發布了自動駕駛汽車綜合計劃 ，進一步明確了美國自動駕駛汽車的發展方向。該計劃定義了實現自動駕駛系統愿景的三個目標，包括促進協作和透明度、現代化監管環境、以及為運輸系統做準備。而在法律層面，目前為止，美國聯邦層面尚未正式出臺自動駕駛的監管法案， 現階段美國自動駕駛的測試及布局是由各州/邦法律進行分別監管。目前美國有 29 個州/邦以及華盛頓哥倫比亞特區已經頒布了法律，6 個州/邦頒布了行政命令，5 個州/邦同時有法律和行政命令，還有 15 個州/邦沒有相關法律和行政命令。 圖表 13：全球部分國家和地區自動駕駛規劃 圖表 14

44、：美國各州自動駕駛立法進度 資料來源：佐思汽研，五礦證券研究所 資料來源：NCSL，五礦證券研究所 中國自動駕駛技術仍在不斷迭代升級中，2007-2015 年 L1 級別已實現商業化并廣泛普及；2014-2020 年 L2 級別的高級駕駛輔助系統（ADAS）已經成熟并廣泛使用，代表車型包括特斯拉 Model 3、上汽大通 D90 等；2025 年將計劃實現 L3 級別自動駕駛，目前技術已能夠實現，還處于測試階段，代表車型包括奧迪 A8、廣汽新能源-埃安 Lx 等；2030-2040 年計劃實現 L4/L5 級別自動駕駛，僅用于部分車型，仍處于測試階段，代表車型包括一汽-Apollo-紅旗電動車

45、、比亞迪-xUrban-秦 Pro 等。 請仔細閱讀本報告末頁聲明 Page 14 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 15：中國自動駕駛發展進度及規劃 資料來源：Ipsos，五礦證券研究所 根據 PwC 數據，全球主要國家/地區的自動駕駛水平將逐步提升，到 2025 年 L3 級別自動駕駛將開始嶄露頭角，而自動駕駛需 80 億公里安全路測里程才能證明其安全性，現階段 L4 解決方案提供商還遠遠未達到足夠里程， 隨著未來激光雷達等核心部件成本下降， 預計到 2030-2035 年，L4/L5 級別自動駕駛將開始商用化。全球各主要國家地區目前正處于從

46、L2 級別向L3 級別過渡階段，預計未來 L3-L5 級別自動駕駛占新車銷量如下： 歐盟：L3 級別 2025 年占比 4%，銷量 67 萬輛，到 2035 年將提升至 15%，銷量 259 萬輛；L4 級別 2030 年占比 8%，銷量 136 萬輛，2035 年將提升至 15%，銷量 259 萬輛；L5 級別2035 年占比 2%，銷量 35 萬輛。 美國：L3 級別 2025 年占比 5%，銷量 83 萬輛，到 2035 年將提升至 14%，銷量 249 萬輛；L4 級別 2030 年占比 1%，銷量 17 萬輛，2035 年將提升至 2%，銷量 36 萬輛。 中國：L3 級別 2025

47、 年占比 1%，銷量 28 萬輛，到 2035 年將提升至 18%，銷量 619 萬輛；L4 級別 2030 年占比 3%，銷量 93 萬輛，2035 年將提升至 15%，銷量 516 萬輛；L5 級別2035 年占比 1%，銷量 34 萬輛。 日本：L3 級別 2025 年占比 4%，銷量 19 萬輛，到 2035 年將提升至 12%，銷量 49 萬輛；L4 級別 2030 年占比 6%，銷量 26 萬輛，2035 年將提升至 15%，銷量 61 萬輛；L5 級別2035 年占比 1%，銷量 4 萬輛。 圖表 16：2021-2035 年歐盟自動駕駛汽車銷量（萬輛） 圖表 17：2021-2

48、035 年美國自動駕駛汽車銷量（萬輛） 資料來源：PwC，五礦證券研究所 資料來源：PwC，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 15 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 18：2021-2035 年中國自動駕駛汽車銷量（萬輛） 圖表 19：2021-2035 年日本自動駕駛汽車銷量（萬輛） 資料來源：PwC，五礦證券研究所 資料來源：PwC，五礦證券研究所 根據 Strategy Analytics 數據，全球自動駕駛汽車滲透率方面，預計到 2025 年，L2 滲透率將達到 27%， L3 滲透率將達到 1%； 2035 年， L2

49、滲透率將達到 59%， L3 滲透率將達到 10%，L4 滲透率將達到 9%，L5 滲透率將達到 1%。 圖表 20：2015-2035 年全球自動駕駛汽車滲透率 資料來源：Strategy Analytics，五礦證券研究所 2、汽車智能化：汽車智能化： “商業“商業+家用”雙引擎共同家用”雙引擎共同推動推動自動駕駛自動駕駛快速發展快速發展 2.1 Robotaxi/Robobus/Minibus/Robotruck 等商業化模式率先普及等商業化模式率先普及 由于成本較高、路線相對固定、環境相對簡單、行駛速度相對較低，自動駕駛在公共交通、礦區園區、港口物流等特定場所的使用將早于在個人乘用車市

50、場的普及，具體應用場景包括公共交通、快遞運輸、服務老年人及殘疾人等。 請仔細閱讀本報告末頁聲明 Page 16 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 21：自動駕駛最先應用的行業 資料來源：自動駕駛，五礦證券研究所 隨著自動駕駛技術（如激光雷達、芯片、算法等）技術不斷升級迭代，自動駕駛離我們的生活也越來越近，雖然目前 L3 級別以上家用車還并未大規模普及，但是在一些特定場景或者商業營運場景已經開始嶄露頭角。開放場景以載人為主，包括 Robobus、Robotaxi 等，半封閉以及封閉場景以載物為主，比如 Robotruck，其中半封閉場景包括干線物流、

51、無人環衛、末端配送等，封閉場景包括礦山運輸、港口運輸等。在以上幾類場景中，封閉場景由于環境單一，行駛路徑簡單，無其他社會車輛及行人干擾，場景復雜度低，目前已經實現了商業化運營； 而開放場景和半封閉場景由于在市政道路行駛，來往車輛、 行人等數量多， 方向不定，周圍環境復雜多變，目前還處在路測和試營業階段，未來隨著技術升級、成本下降、路測數據越來越豐富、法律法規更加完善明確，有望實現正式的商業化運營。 在載人自動駕駛領域，主要包括 Robotaxi、Robobus、Minibus，都基于 L4/L5 級別自動駕駛技術實現運營， 其中 Robotaxi 主要在市政道路及高速上提供出租車/網約車服務，

52、 Robobus主要在市政道路上提供公交車服務、Minibus 主要在封閉景區及限定園區提供擺渡車服務。 圖表 22：2021 年中國載人場景三大類別概念范圍界定 圖表 23：中國自動駕駛出行工具應用場景 資料來源：億歐，五礦證券研究所 資料來源：億歐，五礦證券研究所 相比于傳統有人駕駛，自動駕駛具有諸多優勢，包括安全性高、成本低、效率高。在礦區、港口作業事故頻發，自動駕駛可提升安全性、延長運行時間，不僅能緩解司機缺口大、人工成本高的問題，同時在公路上有 90%的交通事故是由司機人為造成，自動駕駛可以避免一些事故發生，避免擁堵，提升出行效率和安全性。 請仔細閱讀本報告末頁聲明 Page 17

53、/ 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 24：2021 年中國商業運輸成本結構 圖表 25：2020 年中國貨車司機年齡 資料來源：億歐，五礦證券研究所 資料來源：億歐，五礦證券研究所 圖表 26：2019-2020 年中國礦山安全事故統計 圖表 27：2021 年中國自動駕駛與人工駕駛每日運行時間（h） 資料來源：國家礦山安監局，億歐，五礦證券研究所 資料來源：億歐，五礦證券研究所 目前 Robotaxi 由于技術不是很成熟、改造費用較高，因此每公里的成本相比于有人駕駛出租車并沒有優勢， 未來 5-10 年司機人力成本將會進一步增加， 而自動駕駛系統改

54、造成本會逐漸降低。根據 McKinsey 數據，預計在 2025-2027 年，Robotaxi 取消安全員并規?；渴鸷蟪杀緦⒂瓉砉拯c，其應用將加速推廣，帶來出行服務的顛覆。 圖表 28：有人駕駛出租車與 Robotaxi 成本對比 項目 有人駕駛出租車 Robotaxi 備注 行駛里程 60 萬 km 60 萬 km 以現有出租車 300km/天，每月 28天，6 年報廢計算 購車成本 10 萬元 10 萬元+10 萬美元 （自動駕駛改造） 匯率按 7 估算 燃料成本 30 萬元（燃油） 9 萬元（電動） 9 萬元（電動） 燃油出租車 0.5 元/km 電動車 0.15 元/km 維修保養

55、費用 9.6 萬元 9.6 萬元+2.8 萬元（30%自動駕駛系統維保費用） 維修 500 元/次，5000km一次 保養 300 元/次，5000km一次 保險費用 6 萬元 6 萬元+1.8 萬元（30%自動駕駛系統維保費用） 每年 1 萬元 司機工資 57.6 萬元 0 按每月 8000 元計算 總計成本 113.2 萬元（燃油） 92.2 萬元（電動） 109.2 萬元 平均 1.89 元/km（燃油） 1.53 元/km（燃油） 1.83 元/km 現有出租車收費約為 2.4元/km 資料來源：自動駕駛出租車商業化現狀及挑戰，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 18

56、/ 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 29：Robotaxi 成本在 2025-2027 年將迎來拐點 資料來源：McKinsey，五礦證券研究所 從商業模式上講，目前 Robotaxi 為鐵三角模式，即車企（主機廠/一級供應商） 、AI 公司、出行平臺。車企具備具備雄厚的資本運作與扎實的整車制造能力，負責提供一流的自動駕駛車輛平臺和零部件產品；AI 公司是具備 L4 級自動駕駛解決方案、頂尖無人駕駛技術研發能力的企業；出行平臺包括網約車、出租車、隨需公交等出行平臺，以及提供快遞、物流等服務的貨運平臺。目前能同時打通車企（主機廠/一級供應商） 、AI公

57、司、出行平臺三個環節的公司還沒出現，都只承擔其中 1-2 個角色，由于 Robotaxi 仍處于探索階段，各類企業之間合作共贏、優勢互補仍是主旋律，未來隨著技術逐漸成熟，可能會打破鐵三角模式。 圖表 30：Robotaxi 生態圈 圖表 31：全球 Robotaxi 企業扮演的角色 資料來源：車百智庫，五礦證券研究所 資料來源：汽車之家，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 19 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 32：全球 Robotaxi 鐵三角模式公司 AI公司 車企/一級供應商 出行平臺 國內 百度 Apollo 一汽紅旗、長

58、安、北汽、奇瑞、林肯、戴姆勒、威馬等 百度 ApolloGo 小馬智行 廣汽、現代、豐田等 美國交通初創公司 Via 移動出行平臺 文遠知行 廣汽等 廣州白云出租車汽車集團 AutoX 東風、上汽、比亞迪、奇瑞、 長城、FCA 等 高德地圖 元戎啟行 吉利 曹操專車 滴滴 大眾、北汽、沃爾沃等 滴滴出行 國外 Cruise 通用 打車服務 Cruise Anywhere、Lyft、Uber Waymo 克萊斯勒、捷豹、FCA、沃爾沃等 Waymo One Argo AI 福特 Lyft 博世 博世&戴姆勒母公司 戴姆勒移動出行公司 資料來源：汽車之家，五礦證券研究所 全球Robotaxi企業中

59、， 美國企業主要有Waymo、 Cruise、 Lyft等， 中國企業主要有百度Apollo、小馬智行、AutoX、文遠知行等。其中 AutoX 已經宣布其 Robotaxi 車隊數量超過 1000 輛，成為中國乃至全球最大規模的全無人駕駛 Robotaxi 車隊。 測試里程方面， 百度 Apollo 在 2021年底已測試 1800 公里，是中國測試里程最長的公司。通用汽車旗下 Cruise、福特汽車旗下的 Argo AI、Zoox、Aurora、Mobileye 等公司也在推出 Robotaxi 計劃或者轉向商用車自動駕駛業務。 請仔細閱讀本報告末頁聲明 Page 20 / 76 Tabl

60、e_Page 電子電子 2022 年 6 月 29 日 圖表 33：中國自動駕駛載人場景Top10 運營商發展現狀概況 Robotaxi 國家 啟動/首次 運營時間 運營城市 車隊規模（輛） 測試里程 （萬 km） 合作車企 Waymo 美國 2018 年 12 月 鳳凰城、加州南灣 670+ - 克萊斯勒、捷豹、FCA、沃爾沃等 Cruise 美國 2017 年 舊金山、斯科茨代爾、沃倫 100+ - 通用 Lyft 美國 2018 年 5 月 邁阿密、奧斯汀 100+ - 福特 特斯拉 美國 - - - - 特斯拉 小馬智行 中國 2018 年 12 月 廣州、北京、上海、深圳 300 8

61、00 雷克薩斯、廣汽、豐田、現 代等 AutoX 中國 2019 年 6 月 上海、深圳 1000 100 FCA、上汽、大眾、比亞迪、 林肯等 百度 Apollo 中國 2019 年 9 月 長沙、北京、滄州、廣州、 上海、深圳 500 1800 威馬汽車、一汽紅旗、極狐、廣汽埃安等 元戎啟行 中國 2019 年 10 月 深圳、武漢、杭州 100 100 林肯、東風等 文遠知行 中國 2019 年 11 月 廣州、武漢、南京、鄭州 300 800 雷諾、日產、三菱等 滴滴 中國 2020 年 6 月 上海 100 100 沃爾沃、比亞迪、林肯等 Momenta 中國 2020 年 10 月

62、 上海、蘇州 - - 林肯、上汽、豐田、通用等 蘑菇車聯 中國 2021 年 3 月 北京、衡陽 - - 東風 智行者 中國 2021 年 12 月 蘇州 - - 長安 享道出行 中國 2021 年 12 月 上海 30 - 上汽 資料來源：自動駕駛應用場景與商業化路徑，億歐，佐思汽研，五礦證券研究所 根據 DMV（美國加州交通管理局）發布的 2021 年全年自動駕駛數據，在加州進行公開自動駕駛測試的公司中，中國與美國頭部自動駕駛公司繼續占據排行榜前列。從車輛規模對比，Waymo 693 輛排名第一，而 MPI（接管里程數）作為自動駕駛核心衡量指標之一，是衡量自動駕駛技術是否成熟、穩定的指標，

63、接管間隔里程越長，則意味著技術越好，并且測試車輛和里程越多，越有意義。中國 AutoX MPI 50108 英里排名第 1，美國 Cruise MPI 41179 英里排名第 2，中國滴滴 MPI 40744 英里排名第 3，MPI 前 10 名公司中，中國公司 5 家，美國公司 5 家，數量相當，但從 MPI數據上，中國公司整體優于美國公司。 請仔細閱讀本報告末頁聲明 Page 21 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 34：2021 年 DMV 自動駕駛路測數據（有安全員） 排行 公司 國家 車輛數量（輛） 路測里程 （英里） 脫離次數（次） 平

64、均脫離里程（MPI） （英里） 1 Waymo 美國 693 2325843 292 7965 2 Cruise 美國 138 876105 21 41719 3 小馬智行 中國 38 305617 21 14553 4 Zoox 美國 85 155125 21 7387 5 Nuro 美國 15 59100 23 2570 6 奔馳 德國 17 58613 272 215 7 文遠知行 中國 14 57966 3 19322 8 AutoX 中國 44 50108 1 50108 9 滴滴 中國 12 40745 1 40745 10 Argo AI 美國 13 36734 1 36734

65、11 元戎啟行 中國 2 30872 2 15436 12 英偉達 美國 6 28004 82 342 13 豐田 日本 4 13959 419 33 14 蘋果 美國 37 13272 663 20 15 Aurora 美國 7 12647 9 1405 16 Lyft 美國 23 11200 23 487 17 輕舟智航 中國 2 6320 5 1264 18 AImotive 匈牙利 2 2976 106 28 19 Gatik AI 美國 3 1924 6 321 20 高通 美國 3 1635 143 11 21 百度 Apollo 中國 5 1468 1 1468 22 SF Mo

66、tors 美國 2 875 61 14 23 日產 日本 5 508 17 30 24 法雷奧 法國 2 336 205 2 25 Easymile 法國 1 320 222 1 26 Udelv 美國 1 60 46 1 27 嬴徹科技 中國 2 39 0 - 28 UATC 美國 3 14 31 0.5 合計 1179 4092385 2697 1517 資料來源：DMV，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 22 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 35：2021 年 DMV 自動駕駛車輛規模 Top10（有安全員） 圖表 36：

67、2021 年 DMV 自動駕駛MPI Top10（英里）（有安全員） 資料來源：DMV，五礦證券研究所 資料來源：DMV，五礦證券研究所 全球共有 8 家公司獲得了 DMV 的全無人自動駕駛測試牌照，包括 Waymo、Nuro、Cruise、Zoox、 AutoX、百度 Apollo、小馬智行和文遠知行， 只有百度 Apollo、 小馬智行、 通用 Cruise和 Nuro 這 4 家公司提交了數據，除了小馬智行脫離 1 次之外，其余 3 家公司均無脫離。 圖表 37：2021 年 DMV 自動駕駛MPI（無安全員） 排名 公司 測試總里程 （英里） 脫離次數 （次） 車輛數量 （輛） MPI

68、 （英里） 1 百度 Apollo 9546.6 0 3 無脫離 2 小馬智行 9042.87 1 3 9042.87 3 Cruise 6365.6 0 20 無脫離 4 Nuro 9.38 0 17 無脫離 資料來源：DMV，五礦證券研究所 不僅在美國，中國在自動駕駛運營方面也 大力發展 ，在牌 照發放量 、道 路 里 程 、Robotaxi/Robobus 運營商數量方面，上海、北京、廣州排名靠前，此外，深圳、武漢、蘇州等城市也都有所布局。累計牌照發放量方面，截至 2021 年 11 月，上海 254 張，北京 170張，廣州 142 張。累計道路里程方面，截至 2021 年 11 月，

69、上海 1290km，北京 1028km，廣州 253km。Top3 城市（上海、北京、廣州）載人場景運營商占比 53%，Robotaxi 運營商占比 59%，Robobus 運營商占比 36%。 圖表 38：2020-2021 年中國Top3 城市自動駕駛累計牌照發放量（張） 圖表 39：2020-2021 年中國Top3 城市自動駕駛累計道路里程（km） 資料來源：億歐，五礦證券研究所 資料來源：億歐，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 23 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 40：中國各城市示范區自動駕駛載人場景運營商數量（個）

70、 圖表 41：中國各城市示范區自動駕駛載人場景運營商占比 資料來源：億歐，五礦證券研究所 資料來源：億歐，五礦證券研究所 圖表 42：2021 年中國 Robotaxi 產業分布 圖表 43：2021 年中國 Robobus 產業分布 資料來源：億歐，五礦證券研究所 資料來源：億歐，五礦證券研究所 雖然 Robotaxi 進展如火如荼，但是不可忽略的是，Robotaxi 在推廣方面依然存在困難。首先就是商業閉環難以形成，由于自動駕駛汽車成本較高，Robotaxi 的價格基本是普通乘用車的兩倍，大約為 50 萬/輛，大規模采購勢必需要投入大量資金，對于此類重資產投入模式，如果車輛數量不夠多，用戶

71、約車等待時間過長，就難以吸引用戶繼續使用。其次還存在一些技術問題，以前幾公里就會暴露出技術問題，現在可能要幾萬公里才會暴露出來，技術優化改進越來越困難，一些邊緣場景更甚，對于載人駕駛，安全始終是第一位的，因此如果技術問題不能 100%解決，就很難真正大范圍推廣。最后是中國的城市道路建設改造較快，如果高精地圖信息采集與更新不及時，也會帶來隱患。因此，以上困難都是需要去進一步克服和解決的，如果 Robotaxi 無法做到城市級別的商業化運營，那么訂單和市場規模就會受限，難以實現真正意義的商業化閉環落地。 2.2 感知層：智能車信息采集的“眼睛”和“觸角”感知層：智能車信息采集的“眼睛”和“觸角”

72、駕駛是一項復雜的任務，需要對周圍環境不斷收集感知信息。當駕駛員暫時失去意識或缺少相關信息輸入時，可能會出現致命事故。人類駕駛基本靠“本能”：不計算距離或速度，卻能給出判斷并執行。自動駕駛汽車和機器，是沒有“本能”的，所有駕駛“決策”都是基于對感知信息（如距離、速度、顏色或形狀）的實時計算。 因此，要實現自動駕駛系統，首先要解決的就是感知層信息采集的過程，自動駕駛感知系統會用到各種傳感器，包括攝像頭、超聲波雷達、毫米波雷達、激光雷達、紅外夜視，以及用 請仔細閱讀本報告末頁聲明 Page 24 / 76 Table_Page 電子電子 2022 年 6 月 29 日 于定位和導航的 GNSS（全球

73、導航衛星系統）和 IMU（慣性測量單元） 。每種類型的感知技術都有優缺點，通過他們之間信息的充分融合，最終才能形成全面可靠的感知數據，供給決策與控制系統使用。 2.2.1 智車之“眼” ：攝像頭智車之“眼” ：攝像頭 車載攝像頭的工作原理，是將采集好的圖像轉換為二維數據，然后對采集的圖像進行模式識別，通過圖像匹配算法識別行駛過程中的行人、車輛、交通標志等，最后依據目標物體的運動模式或使用雙目定位技術，估算目標物體與本車的相對距離和相對速度。 相比于雷達等其他傳感器，攝像頭的優點是采集的數據量更多，也最接近人眼獲取的周圍環境信息，當前車載攝像頭分辨率主要以 720P、1080P 為主，與人眼接近

74、，并且技術成熟、成本低。但缺點同樣明顯，首先是基于視覺的感知技術受光線、天氣影響較大，在惡劣天氣和昏暗環境下性能難以得到保證；其次對物體的識別基于機器學習數據庫，需要的訓練樣本大、訓練周期長，也難以識別非標準物體；最后，廣角攝像頭存在邊緣畸變，得到的距離準確度較低。 按照車載攝像頭在整車中的應用，可分為前視、環視、后視、側視以及內置5 種類型。對于前視攝像頭，雙目相比單目性能更優，但是由于需要更高算力芯片支持，成本較高，難以快速普及，因此目前仍以單目為主。 圖表 44：車載攝像頭整車應用 安裝位置 攝像頭類型 功能 概要 前視 單目/雙目 FCW、LDW、 TSR、ACC、PCW 視角一般為

75、45 度，雙目攝像頭擁有更好的測距功能但需要裝在兩個位置，成本較單目貴50%左右 環視 廣角/單目 全景泊車、LDW 廣角鏡頭，在車四周裝配4 個進行圖像拼接實現全景圖，加入算法可實現道路線感知 后視 廣角/單目 后視泊車輔助 廣角或魚眼鏡頭，主要為倒車后視鏡攝像頭 側視 廣角/單目 盲點檢測、 代替后視鏡 盲點檢測主要使用超聲波雷達，但目前也有使用攝像頭代替 內置 廣角/單目 閉眼提醒 廣角鏡頭，一般裝在車內后視鏡處 資料來源：蓋世汽車，五礦證券研究所 根據華經產業研究院數據，2015-2020 年，全球車載攝像頭鏡頭出貨量整體穩步上升，2015年為 5961 萬件，2019 年為 1166

76、4 萬件，2020 年由于疫情影響，出貨量略有下滑至 10964萬件。市場格局來看，以中國、日本廠商為主，舜宇光學占比 32%，排名第 1；麥克賽爾占比 8%，排名第 2；富士膠片占比 5%，排名第 3。 圖表 45：2015-2020 年全球車載鏡頭出貨量（萬件） 圖表 46：2020 年全球車載攝像頭鏡頭市場格局 資料來源：華經產業研究院，五礦證券研究所 資料來源：華經產業研究院，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 25 / 76 Table_Page 電子電子 2022 年 6 月 29 日 目前車載攝像頭滲透率不高，根據 AI車庫數據，各類攝像頭中，后視攝像頭滲透率最高

77、，為50%；其次是前視攝像頭 30%；側視攝像頭 22%；內置攝像頭僅為 7%。單車平均搭載攝像頭數量也將隨著自動駕駛級別升級同步提升，L1/L2 級別為 3-5 顆，L3 級別大約為 8 顆，到了 L4/L5 級別將增加至 10-20 顆。整體而言，車載攝像頭提升空間仍然較大。 根據 ICV Tank 以及 360 Research Reports 等數據，2020-2025 年，全球車載攝像頭市場規模將從 138 億美元提升至 270 億美元，CAGR 為 15.7%；中國車載攝像頭市場規模將從 64億元提升至 230 億元，CAGR 為 29.2%，車載攝像頭市場前景廣闊。 圖表 47：

78、2019-2020 年各類車載攝像頭滲透率 圖表 48：不同級別自動駕駛汽車平均搭載攝像頭數量（顆） 資料來源：AI 車庫，五礦證券研究所 資料來源：前瞻產業研究院，五礦證券研究所 圖表 49：2015-2025 年全球及中國車載攝像頭市場規模 資料來源：ICV Tank，360 Research Reports，前瞻產業研究院，五礦證券研究所 車載攝像頭包括鏡頭、模組、芯片、軟件算法等。鏡頭廠商中，舜宇光學全球第 1，國內廠商聯創電子和歐菲光亦有所布局；模組廠商中，國外廠商包括大陸、麥格納、法雷奧，中國廠商有比亞迪、德賽西威、歐菲光等；CMOS 芯片中，安森美全球第 1，此外還有索尼、三星、

79、韋爾股份（豪威科技） 、思特威等；軟件算法主要廠商有 Mobileye、地平線、極目等。 請仔細閱讀本報告末頁聲明 Page 26 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 50：車載攝像頭主要組件及供應商 組件 供應商 光學鏡頭 舜宇光學、聯創電子、歐菲光、福光股份、宇瞳光學等 模組 大陸、麥格納、法雷奧、比亞迪、為森、德賽西威、歐菲光等 CMOS 芯片 安森美、索尼、三星、韋爾股份（豪威科技）、思特威等 軟件算法 Mobileye、地平線、極目等 資料來源：旭日大數據，五礦證券研究所 2.2.2 智車之“角” ：智車之“角” ：超聲波雷達超聲波雷達 超

80、聲波雷達的工作原理是發射并接收超聲波（頻率通常大于 20KHz） ，在空氣中波長一般小于 2cm，根據時間差計算障礙物距離，探測距離在 0.1-10m 之間，優點是頻率高、波長短、繞射現象小、方向性好、定向傳播等，缺點是距離信息不精準，探測距離短，一般適用于對精度要求不高的場景，因此廣泛用于泊車系統。常見超聲波雷達分為 2 種，第 1 種是安裝在前后保險杠上，用于測量前后障礙物距離的駐車或倒車雷達，稱為超聲波駐車輔助傳感器（UPA） ， 第 2 種是安裝在側面， 用于測量側方障礙物距離， 稱為自動泊車輔助傳感器 （APA） 。通常 1 套汽車倒車雷達需要安裝 4 個超聲波傳感器，而自動泊車系統

81、則在原有基礎上再增加4 個 UPA 和 4 個 APA。 圖表 51：超聲波雷達位置及探測 圖表 52：自動泊車 資料來源：Intellias，五礦證券研究所 資料來源：自動駕駛技術概論，五礦證券研究所 根據 ICV Tank 數據， 全球超聲波雷達以安裝為口徑來計算， 2021 年市場規模為 88 億美元，安裝量為 5.5 億顆，預計 2022 年將達到 102 億美元，安裝量為 6.4 億顆，2026 年將達到145 億美元，安裝量為 9.7 億顆。 圖表 53：2020-2026 年全球超聲波雷達市場規模（十億美元） 圖表 54：2021-2026 年全球超聲波雷達安裝量（百萬顆） 資料

82、來源：ICV Tank，五礦證券研究所 資料來源：ICV Tank，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 27 / 76 Table_Page 電子電子 2022 年 6 月 29 日 滲透率方面，根據 ICV Tank 數據，2021 年全球 12 顆超聲波雷達的方案占比達到 28.6%，預計 2022 年將達到 36.5%，2025 年將達到 55.4%。根據 leadleo 和華經產業研究院數據，中國超聲波雷達市場規模 2020 年為 51.7 億元，預計 2023 年將達到 62 億元。 圖表 55：2021-2025 年全球12顆超聲波雷達方案滲透率 圖表 56：201

83、4-2023 年中國超聲波雷達市場規模（億元） 資料來源：ICV Tank，五礦證券研究所 資料來源：leadleo，華經產業研究院，五礦證券研究所 全球超聲波雷達廠商仍以國外廠商為主導， 根據華經產業研究院數據， 2018 年全球超聲波雷達競爭格局中， 法雷奧占比31.0%， 排名第 1； 博世占比 20.2%， 排名第2； 尼塞拉占比18.3%，排名第 3；中國前裝廠商奧迪威和上富電技分別占比 5.6%和 1.3%，排名第 5 和第 6。 綜合企業規模、資本實力、研發能力、經營能力、行業影響力、成長潛力等六個一級指標綜合評判，根據高工智能汽車研究院數據，中國本土前裝車載超聲波雷達供應商 T

84、op10 中，上富電技、豪恩汽電、奧迪威分列前 3 名。 圖表 57：2018 年全球超聲波雷達競爭格局 圖表 58：2021 年中國車載超聲波雷達競爭梯隊Top10 排名 公司 排名 公司 1 上富電技 6 ?？灯?2 豪恩汽電 7 重慶光大 3 奧迪威 8 輔易航 4 縱目科技 9 優保愛駕 5 晟泰克 10 蘇州優達斯 資料來源：華經產業研究院，五礦證券研究所 資料來源：高工智能汽車研究院，五礦證券研究所 2.2.3 智車之“角” ：智車之“角” ：毫米波雷達毫米波雷達 毫米波即電磁波，工作頻率為 30-300GHz，波長 1-10mm，毫米波雷達測速和測距原理都是基于多普勒效應，通過

85、入射波和反射波頻率相減，得到二者差拍頻率，通過判斷差拍頻率高低從而判斷障礙物距離。 毫米波雷達的可用頻段有 24GHz、 60GHz、 77GHz、 79GHz， 主流車載毫米波雷達使用 24GHz（用于中短距離雷達， 15-30m）和 77GHz（用于長距離雷達， 100-200m） ， 相比于 24GHz， 請仔細閱讀本報告末頁聲明 Page 28 / 76 Table_Page 電子電子 2022 年 6 月 29 日 77GHz 毫米波雷達在性能和體積上都更有優勢，其探測物體分辨率可提高 2-4 倍，測速和測距精度可提高 3-5 倍，體積縮小了 1/3，更方便部署，并且帶寬更大、功率更

86、高、探測距離更遠，因此未來趨勢將逐漸從 24GHz 向 77GHz（76-81GHz）過渡。 毫米波雷達的優勢在于不受天氣影響，即使是惡劣天氣和光照情況下也能正常工作，穿透煙霧、雨雪、灰塵能力強，具有全天候、全天時的工作特性，且探測距離遠、精度較高、被廣泛用于車載距離探測，具體應用包括自適應巡航、碰撞預警、自動緊急制動、盲區探測等。但劣勢同樣明顯，包括無法識別物體顏色，視場角較小，需要多個雷達組合使用，同時對行人的反射波較弱，難以識別，并且對金屬表面非常敏感，一個彎曲的金屬表面會被誤認為是一個很大面積的表面，在隧道里效果不佳。未來隨著搭載毫米波雷達車輛增加，相近頻率的毫米波會相互干擾、降低了信

87、噪比、嚴重時甚至會使雷達“致盲” 。 圖表 59：毫米波雷達工作原理 圖表 60：毫米波雷達示意圖 資料來源：自動駕駛技術概論，五礦證券研究所 資料來源：自動駕駛技術概論，五礦證券研究所 根據 DIGITIMES Resarch 數據，全球毫米波雷達市場規模保持穩步增長態勢，2021 年為118.1 億美元，其中中短距 55.1 億美元，長距 63 億美元，預計到 2022 年將達到 159.6 億美元，其中中短距 84 億美元，長距 75.6 億美元。 根據佐思產研數據，全球汽車毫米波雷達廠商主要為海外廠商，其中博世占比 30%，排名第1；大陸占比 28%，排名第 2；安波福占比 15%，排

88、名第 3。中國車載毫米波雷達行業起步較晚，行業仍處于初級發展階段，走在前列的公司主要有華域汽車、德賽西威、納瓦電子、智波科技、森思泰克、華為等。 圖表 61：2017-2022 年全球毫米波雷達市場規模（億美元） 圖表 62：全球汽車毫米波雷達廠商市占率 資料來源：DIGITIMES Resarch，五礦證券研究所 資料來源：佐思產研，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 29 / 76 Table_Page 電子電子 2022 年 6 月 29 日 目前傳統毫米波雷達僅可探測距離、方位以及速度三個維度，而最新的 4D 毫米波雷達在傳統功能基礎上， 多出了高度這一維信息， 即具備

89、測高能力， 因此可以有效地解析空中的天橋、路牌，地面的減速帶、金屬井蓋等目標的輪廓和類別，進而感知傳統毫米波雷達無法識別的細小物體、靜止物體或者橫向移動的障礙物等。此外，還提升了探測距離和點云密度，有望于 2022 年開啟商用。 4D 毫米波雷達成本與傳統毫米波雷達相近， 但性能方面可媲美低線束激光雷達， 在 L4/L5 級別自動駕駛將可能發揮重要作用，但是目前還處于發展早期，在未來自動駕駛多傳感器融合方案中，至于是否能與激光雷達形成替代關系，目前尚無定論。目前已有多個廠商投入到 4D毫米波雷達研發中，不僅有大陸、安波福、采埃孚等傳統毫米波雷達巨頭，也有 Mobileye、Waymo、華為等科

90、技巨頭，還有 Arbe、傲酷、華域汽車、森思泰克、縱目科技等新興玩家。 圖表 63：4D毫米波雷達探測維度 資料來源：APTIV，五礦證券研究所 2.2.4 智車之“角” ：智車之“角” ：激光雷達激光雷達 激光雷達通過發射激光， 然后根據反射激光的時間差來探測物體的距離， 探測距離可達 300m，工作頻率為 100000GHz，波長集中在 600-1000nm 之間，由于其波長短精度高，可以探測物體距離和表面形狀，測量精度可達厘米級。此外，還可用于車輛定位，自動駕駛汽車定位除了依賴 GNSS 系統，還依賴激光雷達生成的點云與數據庫中的高精地圖做對比，從而得出汽車所在精確位置，精度可達厘米級。

91、 激光雷達的優勢在于能夠很好的探測障礙物的距離、大小、表面形狀，提高了障礙物檢測的準確性，算法比攝像頭更為簡單，抗有源干擾能力強，定向性好，測量距離遠，時間短，大多數整車廠、Tier1 認為激光雷達是 L3 及以上級別自動駕駛必備的傳感器。當然也存在一定劣勢，包括在雨雪云霧天氣下衰減嚴重，后期處理需要大量的坐標系轉換，對硬件（CPU、GPU、FPGA）要求高，技術門檻和成本較高。 請仔細閱讀本報告末頁聲明 Page 30 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 64：激光雷達工作原理 圖表 65：激光雷達應用：環境感知+定位 資料來源：自動駕駛技術概論，

92、五礦證券研究所 資料來源：蓋世汽車，五礦證券研究所 激光雷達產業鏈中，根據蓋世汽車數據，上游包括激光發射、激光接收、掃描系統和信息處理，具體而言，激光發射包括激光器、發射光學系統；激光接收包括光電探測器、接收光學系統；掃描系統包括旋轉電機、掃描鏡、MEMS 微振鏡；信息處理包括放大器、數模轉換、FPGA。 中游則是激光雷達的組裝制造。下游應用較為廣泛， 包括無人駕駛汽車、地圖測繪、無人機、軍事領域等。 圖表 66：激光雷達產業鏈 圖表 67：激光雷達核心模塊 資料來源：長光華芯招股書，五礦證券研究所 資料來源：汽車之家，五礦證券研究所 激光雷達的顯性參數包含測遠能力、點頻、角分辨率、視場角范圍

93、、測距精準度、功耗、集成度（體積及重量）等。 請仔細閱讀本報告末頁聲明 Page 31 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 68：激光雷達顯性參數 參數 描述 說明 測遠能力 一般指激光雷達對于 10%低反射率目標物（標準朗伯體反射能量的比例）的最遠探測距離 激光雷達測遠能力越強，距離覆蓋范圍越廣，目標物探測能力越強，留給系統進行感知和決策的時間越長。目標物反射率影響探測距離，相同距離下，反射率越低越難進行探測 點頻 激光雷達每秒完成探測獲得的探測點的數目 點頻越高說明相同時間內的探測點數越多，對目標物探測和識別越有利 角分辨率 激光雷達相鄰兩個探測

94、點之間的角度間隔，分為水平角度分辨率與垂直角度分辨率 相鄰探測點之間角度間隔越小，對目標物的細節分辨能力越強，越有利于進行目標識別 視場角范圍 激光雷達探測覆蓋的角度范圍，分為水平視場角范圍與垂直視場角范圍 視場角越大說明激光雷達對空間的角度覆蓋范圍越廣 測距精度 激光雷達對同一距離下的物體多次測量所得數據之間的一致程度 精度越高表示測量的隨機誤差越小，對物體形狀和位置的描述越準確，對目標物探測越有利 測距準度 測距值和真實值之間的一致程度 準度越高表示測量的系統誤差越小，對物體形狀和位置的描述越準確，對目標物探測越有利 功耗 激光雷達系統工作狀態下所消耗的電功率 在探測性能類似的情況下，功耗

95、越低說明系統的能量利用率越高，同時散熱負擔也更小 集成度 直觀體現為產品的體積和重量 在探測性能類似的情況下，集成度越高搭載于車輛或服務機器人時靈活性更高 資料來源：禾賽科技招股書，五礦證券研究所 圖表 69：激光雷達產業鏈主要廠商 資料來源：汽車人參考，前瞻產業研究院，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 32 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 70：激光雷達分類及產業鏈主要廠商 產業鏈 分類 方式 類型 簡介 代表公司 國外 中國 激光 雷達 線數 單線 能夠獲取某單一視場角水平面上的目標物方位信息，以及目標物在徑向上的距離信息，

96、主要應用于掃地機器人等 多線 能夠獲取多個不同視場角水平面上的目標物方位信息，以及目標物在徑向上的距離信息 測距原理 飛行時間法（ToF） Time of Flight，即飛行時間測距法。通過記錄發射一束激光脈沖與探測器接收到回波信號的時間差，直接計算目標物與傳感器之間距離的探測方法 調頻連續波（FMCW） FMCW 為 Frequency Modulated Continuous Wave 的簡稱，即調頻連續波技術。FMCW 激光雷達指利用調頻連續波技術進行相干探測的激光雷達系統，將發射激光的光頻進行線性調制，通過回波信號與參考光進行相干拍頻得到頻率差，從而間接獲得飛行時間反推目標物距離 S

97、iLC、Insight LiDAR、Aeva、Strobe、Aurora (Blackmore)、Mobileye 等 禾賽科技、光勺科技、國科光芯等 三角測距 系統以一定角度發射的激光照射在目標物后，在另一角度對反射光進行成像，根據物體在攝像頭感光面上的位置通過三角幾何原理推導出目標物距離的探測方法 激光 發射 激光器 邊發射激光器（EEL） Edge Emitting Laser 的簡稱，即邊發射激光器。是一種激光發射方向平行于晶圓表面的半導體激光器 Hamamatsu（濱松）、Lumentum、ams（Osram）、Manlight、Finsar、Fujitsu、II-VI、 Coher

98、ent 等 光訊科技、縱慧芯光、長光華芯、炬光科技、瑞波光電、昂納科技等 垂直腔面發射激光器（VCSEL） Vertical Cavity Surface Emitting Laser 的簡稱，即垂直腔面發射激光器。是一種激光發射方向垂直于晶圓表面的半導體激光器 光纖激光器 光纖激光器采用摻稀土元素玻璃光纖作為增益介質，一般用作 1550nm激光雷達光源 IPG、SPI、Rofin、nLIGHT、GSi、JDSU等 銳科激光、創鑫激光、華必大、國神光電科技、上海瀚宇等 光源 905nm 905nm激光雷達接收器可以直接選用價格較低的 Si 材質，因此成本也更加可控，是當下最主流的激光雷達所選用

99、的波長 1550nm 1550nm激光雷達無法采用常規的Si 吸收，而需要用到更加昂貴的銦鎵砷（InGaAs）材質，因此在價格上較905nm激光雷達會貴出很多，同時可比 905nm的光發射更大功率 發射 光學系統 準直鏡 能將來自孔徑欄中每一點的光線變成一束平行的準直光柱 Heptagon 等 藍特光學、福晶科技、邁得特等 擴散片 提供一個均勻的面光源 分束器 可將一束光分成兩束光或多束光的光學裝置 掃描 系統 機械式 通過電機帶動光機結構整體旋轉的機械式激光雷達是激光雷達經典的技術架構，其技術發展的創新點體現在系統通道數目的增加、測距范圍的拓展、空間角度分辨率的提高、系統集成度與可靠性的提升

100、等 Velodyne、Argo、Quanergy、Ibeo、Ouster 等 禾賽科技、速騰聚創、鐳神智能、華為、北科天繪、萬集科技等 混合固態 MEMS 微振鏡 MEMS 為 Micro-Electro-Mechanical System的簡稱，即微機電系統。MEMS 微振鏡為采用 MEMS 技術制造的諧振式掃描鏡，把微型反射鏡、MEMS 驅動器、MEMS 傳感器集成在一起的光學微機電器件 Luminar、Innoviz、Ibeo、Cepton、Bosch、Valeo 等 禾賽科技、圖達通、速騰聚創、一徑科技、華為、鐳神智能、北醒光子、北科 請仔細閱讀本報告末頁聲明 Page 33 / 76

101、 Table_Page 電子電子 2022 年 6 月 29 日 天繪、萬集科技等 轉鏡 轉鏡方案中收發模塊保持不動，電機在帶動轉鏡運動的過程中將光束反射至空間的一定范圍，從而實現掃描探測。轉鏡也是較為成熟的激光雷達技術方案，其技術創新體現之處與高線數機械式方案類似 Valeo 等 禾賽科技、華為等 棱鏡 棱鏡激光雷達也稱為雙楔形棱鏡激光雷達，內部包括兩個楔形棱鏡，激光在通過第一個楔形棱鏡后發生一次偏轉，通過第二個楔形棱鏡后再一次發生偏轉?？刂苾擅胬忡R的相對轉速便可以控制激光束的掃描形態 覽沃科技（大疆）等 固態 光學相控陣（OPA） OPA 即光學相控陣技術，通過施加電壓調節每個相控單元的相

102、位關系，利用相干原理，實現發射光束的偏轉，從而完成系統對空間一定范圍的掃描測量，OPA 技術取消了機械運動部件，是純固態式激光雷達的一種發展方向 Quanergy、Mobileye等 探維科技、速騰聚創、鐳神智能等 閃光（Flash） 工作原理是在短時間內直接向前方發射出一大片覆蓋探測區域的激光，通過高度靈敏的接收器實現對環境周圍圖像的繪制。Flash 激光雷達的原理類似于拍照，但最終生成的數據包含了深度等 3D數據。由于結構簡單，Flash 閃光激光雷達是目前純固態激光雷達最主流的技術方案 Ouster、Ibeo 等 北科天繪、鐳神智能等 電子掃描 電子掃描方案中按照時間順序通過依次驅動不同

103、視場的收發單元實現掃描，系統內沒有機械運動部件，是純固態激光雷達的一種發展方向。其架構比整體曝光所有收發單元的 Flash 固態式激光雷達更先進 禾賽科技等 激光 接收 光電 探測器 PIN光電 二極管 （PIN PD） PIN型光電二極管也稱 PIN結二極管、PIN二極管，在兩種半導體之間的 PN結，或者半導體與金屬之間的結的鄰近區域，在 P區與 N區之間生成 I型層，吸收光輻射而產生光電流的一種光檢測器。具有結電容小、渡越時間短、靈敏度高等優點 Hamamatsu（濱松）、Sensl、ams（Osram）、STM、Sens-Tech、Excelitas、Aurea、First sensor

104、、ON Semiconductor、Sony、broadcom等 量芯集成、靈明光子、芯視界、中電科 44 所、芯思杰、夜視集團等 線性雪崩 光電二極管（APD） Avalanche Photo Diode 的簡稱，即雪崩式光電二極管，工作在線性增益范圍 單光子雪崩 光電二極管（SPAD） Single Photon Avalanche Diode 的簡稱，即單光子雪崩二極管，工作在蓋革模式，具有單光子探測能力 硅光電倍增管（SiPM） Silicon Photo-Multiplier 的簡稱，即硅光電倍增管。集成了成百上千個單光子雪崩二極管的光電探測器件 接收 光學系統 透鏡 透鏡是一種將光

105、線聚合或分散的設備，通常是由一片玻璃構成 窄帶濾光片 所謂窄帶濾光片，是從帶通濾光片中細分出來的，其定義與帶通濾光相同，也就是這種濾光片在特定的波段允許光信號通過，而偏離這個波段以外的兩側光信號被阻止，窄帶濾光片的通帶相對來說比較窄，一般為中心波長值的 5%以下 VIAVI、Alluxa 等 水晶光電等 分束器 分束器是可將一束光分成兩束光或多束光的光學裝置，它是大多數干涉儀的關鍵部分。通常是由金屬膜或介質膜構成 信息 處理 放大器 把輸入訊號的電壓或功率放大的裝置 ADI、TI、Intersil、Qorvo、onsemi、Skyworks、Microchip等 圣邦股份等 數模轉換 數模轉換

106、器，又稱 D/A 轉換器，簡稱DAC，它是把數字量轉變成模擬的器件 Cirrus Logic、NEC、ADI、Wolfson、云芯微、時代民芯等 請仔細閱讀本報告末頁聲明 Page 34 / 76 Table_Page 電子電子 2022 年 6 月 29 日 Renesas、TI等 主控芯片 FPGA 現場可編程邏輯門陣列（FPGA，Field Programmable Gate Array）是在PAL （可編程陣列邏輯）、GAL（通用陣列邏輯）等可編程器件的基礎上進一步發展的產物。它是作為專用集成電路（ASIC）領域中的一種半定制電路而出現的，既解決了定制電路的不足，又克服了原有可編程器件

107、門電路數有限的缺點 AMD（Xilinx）、Intel（Altera）、Actel、Atrnel、Lettice、Avago 等 紫光國芯、國微電子、華微電子（成都）、智多晶、高云半導體等 MCU MCU又稱單片微型計算機或單片機，是將中央處理器（CPU）的頻率與規格做適當縮減，并采用超大規模集成電路技術將內存計數器、USB、A/D轉換、UART、PLC、DMA 等周邊接口，以及驅動電路集成到一顆芯片上，構成一個小而完善的微型計算機系統，能夠為不同的應用場合做不同組合控制 DSP DSP（Digital Signal Processing）即數字信號處理技術，指能夠實現數字信號處理技術的芯片

108、SoC SoC為 System on Chip 的簡稱，即片上系統芯片。單片集成探測器、前端電路、波形數字化、波形算法處理等模塊，能夠實現光子輸入、點云輸出 資料來源：汽車人參考，前瞻產業研究院，禾賽科技招股書，各公司官網，五礦證券研究所 不同技術特點對比及趨勢： 1）單線與多線 激光雷達按照線數來分，分為單線和多線。單線激光雷達是指激光源發出的線束是單線的，掃描出來就是一個二維平面的圖（2D 激光） ，目前主要應用于機器人領域，以服務機器人居多，可以幫助機器人規避障礙物。相比多線激光雷達，單線激光雷達在角頻率及靈敏度上反應更快捷，掃描速度快、分辨率強、可靠性高，所以，在測試周圍障礙物的距離和

109、精度上都更加精準，同時成本更低。但單線雷達只能平面式掃描，不能測量物體高度，當前主要應用于我們常見的掃地機器人、送餐機器人以及酒店服務機器人身上。 多線激光雷達是指同時發射及接收多束激光的激光旋轉測距雷達， 市場上目前有 4 線、 8 線、16 線、32 線、64 線、96 線、128 線等，多線激光雷達可以識別物體的高度信息并獲取周圍環境的 3D 掃描圖，主要應用于無人駕駛領域，對于激光雷達而言，線束越多，對目標物的刻畫越詳細。 在無人駕駛領域，多線激光雷達主要有以下兩個核心作用： 3D 建模及環境感知：通過多線激光雷達可以掃描到汽車周圍環境的 3D 模型，運用相關算法對比上一幀及下一幀環境

110、的變化，能較為容易的檢測出周圍的車輛及行人。 SLAM 定位加強：同步建圖（SLAM）是其另一大特性，通過實時得到的全局地圖與高精度地圖中的特征物進行比對，能加強車輛的定位精度并實現自主導航。 對于激光雷達而言，視場角（Field Of View，FOV）越大，能夠探測的范圍越廣。多線激光雷達中，機械式水平視場角為 360，混合固態/固態激光雷達水平視場角大約為 120，垂直視場角大約為 25-40。 請仔細閱讀本報告末頁聲明 Page 35 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 71：單線（2D）激光雷達原理 圖表 72：多線（3D）激光雷達光線圖

111、資料來源：LiDAR sensor functionality and variants，五礦證券研究所 資料來源：LiDAR sensor functionality and variants，五礦證券研究所 圖表 73：單線掃描 VS 多線掃描 圖表 74：水平與垂直視場角（FOV） 資料來源：電子技術設計，五礦證券研究所 資料來源：電子技術設計，五礦證券研究所 2）ToF 與 FMCW 激光雷達按照測距方法的不同，可以分為飛行時間（Time of Flight，ToF）測距法、基于相干探測的 FMCW 測距法以及三角測距法等，其中 ToF 與 FMCW 在室外陽光下探測距離遠（10025

112、0m） ，更適合應用于車載激光雷達。目前市場車載中長距激光雷達的主流方案是ToF，FMCW 激光雷達大多處于概念機的階段，而且大多采用分立的光學組件，分立組件通常尺寸較大，隨之而來的還有系統可靠性、生產成本、功耗等諸多問題，但 FMCW 激光雷達具有可直接測量速度信息以及抗干擾（包括環境光和其他激光雷達）的優勢。當前裝載激光雷達車輛并不多，隨著激光雷達滲透率提升，FMCW 抗干擾的優勢就體現出來，此外整機和上游產業鏈日漸成熟亦將帶動成本下降，因此 FMCW 激光雷達是未來發展的一大趨勢。 請仔細閱讀本報告末頁聲明 Page 36 / 76 Table_Page 電子電子 2022 年 6 月

113、29 日 圖表 75：ToF 與 FMCW 性能對比 性能 TOF FMCW 探測體制 直接探測 相干探測 抗干擾能力 差 極強 有效探測所需光子數 1000 10 工作距離 探測距離較近 可實現遠距離探測 人眼安全等級 低 高 精確速度信息 無 有 固態掃描兼容性 不適用 完全兼容 毫米波雷達兼容性 不兼容 兼容 技術成熟度 成熟 發展中 技術復雜度 簡單 復雜 硅光集成制造工藝 適用 適用 成本 低 高 資料來源：OFweek，五礦證券研究所 3）EEL 與 VCSEL 對于激光雷達而言，發射光源有很多種，按工作介質不同，激光器分為固體激光器、氣體激光器、染料激光器、半導體激光器、光纖激光

114、器和自由電子激光器 6 種。固體脈沖功率大，轉換效率最低（10%） 。氣體激光器效率低（20%） 、功率低，體積龐大，但是可靠性好、光束質量高。半導體激光器光束質量較差，但是轉換效率高（30%-40%） ，功耗、體積和成本都適合車載應用。如果對光束質量要求高，則可以采用半導體泵浦的光纖激光器（轉換效率20%-30%） 。目前常見的幾種光源主要包括邊發射激光器(EEL)、垂直腔面發射激 光器(VCSEL)、固體激光器以及光纖激光器等。 固體激光器采用固體激光材料作為增益介質， 是閃光式車載激光雷達(Flash LiDAR)技術路線的激光光源方案， 能夠實現大角度視場 （如 125x 25） ，

115、并且均勻照射， 滿足車規級高低溫、震動、壽命等可靠性要求，常見于閃光式車載激光雷達（Flash LiDAR） 。 半導體激光器采用半導體材料作為增益介質，一般是 GaAs, AlGaAs, InGaAs 等，常見的有EEL 和 VCSEL。EEL（Edge Emitting Laser）是邊發射激光器，是一種激光發射方向平行于晶圓表面的半導體激光器， 波長以 905nm為主， 常見于掃描式激光雷達， 包括機械式和 MEMS激光雷達。VCSEL（Vertical-cavity Surface-emitting Laser）是垂直腔面發射激光器，是一種以半導體為基礎的激光二極管，從其頂面垂直發射高

116、效光束，制造工藝與 EEL 相兼容，且大規模制造的成本很低，生長結構更易于提高輸出功率，還為各種復雜設計提供了可能，當前波長以 810nm、850nm 和 940nm 為主。 光纖激光器采用摻稀土元素玻璃光纖作為增益介質，一般用作 1550nm 激光雷達光源，1550 nm 配合調頻連續波（FMCW）的技術，不僅可以檢測距離，同時可以利用多普勒頻移來測量物體的速度。 傳統的 VCSEL 激光器存在發光密度功率低的缺陷，導致只在對測距要求近的應用領域有相應的激光雷達產品（通常20KHz 30GHz-300GHz 100000GHz 優點 能識別道路標線、交通信號 價格低、數據處理簡單 不受天氣和

117、夜間影響、探測距離遠 探測范圍廣、探測距離/角度精度高 缺點 易受天氣影響、機器學習訓練所需樣本大、周期長 受天氣影響、探測距離短 行人反射波弱、無法識別物體顏色、對金屬表面非常敏感、隧道里效果不佳 成本高、易受天氣影響 功能 障礙物識別、車道線識別、輔助定位、道路信息讀取、地圖構建 障礙物探測 障礙物探測 障礙物探測識別、輔助定位、地圖構建 應用舉例 車道偏離預警（LDW）、輔助車道保持（LKA）、預碰預警（PCW） 倒車雷達、 自動泊車 自適應巡航控制（ACC）、盲區監測（BSD）、自主緊急制動（AEB） 探測車輛周圍交通信息，實現自動駕駛功能 資料來源：蓋世汽車，艾瑞，Sino-Glav

118、o，Nexperia，五礦證券研究所 圖表 108：自動駕駛傳感器光譜范圍 資料來源：MDPI，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 48 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 109：攝像頭性能雷達圖 圖表 110：超聲波雷達性能雷達圖 資料來源：CleanTechnica，五礦證券研究所 資料來源：CleanTechnica，五礦證券研究所 圖表 111：毫米波雷達性能雷達圖 圖表 112：激光雷達性能雷達圖 資料來源：CleanTechnica，五礦證券研究所 資料來源：CleanTechnica，五礦證券研究所 2.2.6 視覺方

119、案視覺方案 VS 多傳感器多傳感器融合融合方案方案 目前在自動駕駛方案中，主要有 2 種，一種是視覺方案，以特斯拉為代表，此方案以攝像頭為主導來感知外界信息，屬于被動視覺，由于需要處理行駛過程中產生的大量數據，因此對算法和算力要求高，特點是“輕感知、重計算” ，整體成本較低。 另一種是多傳感器融合方案，也是目前大多數車企采用的方案，這種方案往往同時搭載攝像頭、 超聲波雷達、 毫米波雷達、 激光雷達等多種傳感器， 依靠激光雷達創建周圍環境的 3D 感知圖， 同時融合不同傳感器的優勢進行互補， 從而感知外界信息， 特點是 “重感知， 輕計算” ，早期激光雷達成本高達幾萬美元，目前已下探至幾百美元水

120、平，為激光雷達的推廣使用奠定了基礎。 請仔細閱讀本報告末頁聲明 Page 49 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 113：自動駕駛視覺主導方案VS 激光雷達主導方案 資料來源：蓋世汽車，五礦證券研究所 1）視覺方案向純視覺方案升級： 馬斯克曾多次在公開場合表示不使用激光雷達，他認為激光雷達“昂貴、丑陋、毫無意義” ，而且通過攝像頭感知開發和訓練一套模擬人類視覺的神經網絡，就能夠實現自動駕駛。從目前在售的特斯拉 Model 3 來看，該車搭載了 8 顆攝像頭，12 顆超聲波雷達以及 1 顆毫米波雷達。8 顆攝像頭可為車輛提供 360視角，前視窄視野攝

121、像頭最大探測距離可達 250m；12顆超聲波雷達則用于完善視覺系統的探測效果；1 顆毫米波雷達以冗余波長提供有關周圍環境的其他數據，這些數據可以穿透大雨，霧氣，灰塵甚至前車之前的其他車輛。 最新的信息顯示，特斯拉在美國官網宣布， “從 2022 年 2 月中旬開始，所有為北美地區市場生產的 Model S 和 Model X 車型都將引入特斯拉純視覺方案，即承諾其司機輔助駕駛系統Autopilot 和全自動駕駛 （FSD） 套件將采用基于攝像頭的感知方式。 ” 這意味著特斯拉將原有的視覺方案升級為純視覺方案，取消了毫米波雷達。 圖表 114：Model 3 各傳感器和計算單元位置 圖表 115

122、：Model S 各傳感器位置 資料來源：SystemPlus，五礦證券研究所 資料來源：Nexperia，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 50 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 116：特斯拉視覺方案覆蓋范圍 圖表 117：特斯拉純視覺方案覆蓋范圍 資料來源：Yole，五礦證券研究所 資料來源：Tesla，五礦證券研究所 2）多傳感器融合方案百花齊放： 多傳感器融合方案以 Waymo 為代表， 是以激光雷達為主導， 同時兼具攝像頭、 超聲波雷達、毫米波雷達等多種傳感器的融合方案，包括奧迪 A8、沃爾沃 XC90 等眾多車型均搭

123、載了激光雷達、攝像頭、超聲波雷達、毫米波雷達等多種傳感器，通過融合多種傳感器，形成性能優勢互補，不斷提升自動駕駛水平。 圖表 118：奧迪 A8各傳感器和計算單元位置 圖表 119：沃爾沃 XC90 各傳感器位置 資料來源：SystemPlus，五礦證券研究所 資料來源：Nexperia，五礦證券研究所 從覆蓋范圍和功能上， 長距毫米波雷達位于車頭， 探測距離最遠， 主要用于自適應巡航控制；激光雷達一般位于車頂前方， 探測距離次之， 主要用于車輛緊急制動、 行人檢測和碰撞避免；攝像頭位于車身四周，探測距離更短一些，但是能覆蓋周圍 360范圍，前視攝像頭主要用于交通標志識別和車道偏離報警，側視攝

124、像頭主要用于車身兩側環視，后視攝像頭主要用于停車輔助和車身后方環視；中短距毫米波雷達位于車頭和車尾，探測距離比攝像頭稍短，前置主要用于倒車橫向車流預警，側后方主要用于盲點檢測，后置主要用于后方碰撞預警；覆蓋范圍最小的是超聲波雷達，位于車頭和車尾，主要用于停車輔助；全球衛星導航系統位于車頂，主要用于車輛定位和導航。 請仔細閱讀本報告末頁聲明 Page 51 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 120：多傳感器融合方案各傳感器覆蓋范圍和作用 資料來源：NovAtel，五礦證券研究所 隨著自動駕駛級別逐步提升，功能逐漸豐富，傳感器用量及價值量也水漲船高。根

125、據 Yole 數據： L1 級別具備主動巡航控制（ACC） 、車道偏離警告系統（LDWAS）功能，需要 6 顆傳感器，包括 4 顆超聲波雷達、1 顆毫米波雷達（長距） 、1 顆攝像頭，合計 260 美元； L2 級別增加了停車輔助（PA） 、車道維持輔助（LKA）功能，需要 13 顆傳感器，包括 8 顆超聲波雷達、1 顆毫米波雷達（長距） 、4 顆攝像頭，合計 405 美元； L3 級別增加了自動緊急制動（AEB） 、駕駛員監控（DM） 、交通堵塞輔助（TJA）功能，需要24 顆傳感器，包括 8 顆超聲波雷達、6 顆毫米波雷達（2 顆長距+4 顆短距） 、7 顆攝像頭（4顆環視+2 顆前視+1

126、 顆其他） 、1 顆輻射熱測量計、1 顆激光雷達、1 個航位推算系統，合計2050 美元； L4 級別增加了傳感器融合（Sensor Fusion） 、高速自動駕駛（AP Highway）功能，需要 38顆傳感器，包括 10 顆超聲波雷達、8 顆毫米波雷達（2 顆長距+6 顆短距） 、13 顆攝像頭（6顆環視+3 顆前視+4 顆其他） 、1 顆輻射熱測量計、5 顆激光雷達、1 個航位推算系統，合計3430 美元； L5 級別增加了隨時隨地自動駕駛（AP Anywhere）功能，需要 35 顆傳感器，包括 10 顆超聲波雷達、8 顆毫米波雷達（2 顆長距+6 顆短距） 、9 顆攝像頭（3 顆前視

127、+6 顆其他） 、1 顆輻射熱測量計、5 顆激光雷達、2 個航位推算系統，合計 3170 美元。 請仔細閱讀本報告末頁聲明 Page 52 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 121：自動駕駛 L1-L5 級別對應傳感器數量（顆）及單價（美元） 資料來源：Yole，五礦證券研究所 在自動駕駛發展過程中，傳感器種類越來越多，功能也逐漸豐富，市場規模越來越大。根據Yole 數據， 2020-2025 年，攝像頭模組市場規模將從 35 億美元增長至 81 億美元，CAGR 為18%；毫米波雷達市場規模將從 38 億美元增長至 91 億美元，CAGR 為 1

128、9%；激光雷達市場規模將從 4 千萬美元增長至 17 億美元，CAGR 為 113%。 2020 年中國車載雷達競爭格局中， 毫米波雷達占比最大， 為 66.7%； 超聲波雷達占比次之，為 29.6%，超聲波雷達占比最小，為 1.9%。我們認為，隨著將來自動駕駛滲透率提升，激光雷達成本下降，激光雷達占比有望持續提升。 圖表 122：2020-2030 年自動駕駛各類傳感器功能變化 圖表 123：2020-2025 年全球自動駕駛各類傳感器市場規模（十億美元） 資料來源：Yole，五礦證券研究所 資料來源：Yole，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 53 / 76 Table_

129、Page 電子電子 2022 年 6 月 29 日 圖表 124：全球機器駕駛傳感器市場規模（十億美元） 圖表 125：2020 年中國車載雷達競爭格局 資料來源：Yole，五礦證券研究所 資料來源：億歐，五礦證券研究所 不僅是傳感器價值量提升，各類傳感器中半導體價值量亦穩步增長。根據 Strategy Analytics和 Infineon 數據，L2 級別為 160 美元，L2+級別為 560 美元，L3 級別為 630 美元，L4/L5級別為 970 美元。 圖表 126：L2-L5 自動駕駛各類傳感器中半導體價值量（美元） 資料來源：Strategy Analytics，Infineo

130、n，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 54 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 127：搭載多種傳感器車型匯總 車型 攝像頭（顆） 超聲波雷達（顆） 毫米波雷達（顆） 激光雷達 自動駕駛 AI芯片 數量 （顆） 供應商 類型 類型 單片算力 （TOPS） 數量（顆） 總算力 （TOPS） 特斯拉 Model 3 2022 款 8 12 1 0 - - 特斯拉 FSD 72 2 144 蔚來 ET7 2022 款 11 12 5 1 圖達通 MEMS，1550nm 英偉達 Orin-X 254 4 1016 小鵬 P7 2021 款4

131、80E 14 12 5 0 - - 英偉達 Xavier 30 1 30 小鵬 G9 12 12 5 2 速騰聚創 MEMS 英偉達 Orin-X 254 2 508 理想 one 2021 款 5 12 5 0 - - 地平線征程 3 5 2 10 理想 L9 11 12 5 1 禾賽科技 混合固態 英偉達 Orin-X 254 2 508 威馬 W6 2021 款 極智版 7 12 5 0 - - - - - - 威馬 M7 11 12 5 3 速騰聚創 MEMS 英偉達 Orin-X 254 4 1016 智己 L7 2022 款 11 12 5 0 - - 英偉達 Xavier 30

132、1 30 寶馬 iX 10 12 5 1 Innoviz 固態 Mobileye EyeQ5 24 1 24 北汽極狐阿爾法 S 華為 HI版 12 13 6 3 速騰聚創 MEMS 華為 MDC810 - - 400 廣汽埃安 AION LX2022 款 PLUS 80D Max 版 12 12 6 3 速騰聚創 固態，可變焦 華為 MDC610 - - 200 長城 WEY 摩卡 3 - 8 3 Ibeo 固態 Flash 高通驍龍 Ride 360 1 360 長城沙龍機甲龍 4 12 5 4 華為 MEMS，96 線 華為 MDC610 - - 400 哪吒 S 13 12 5 2 華

133、為 固態，96 線 華為 MDC610 - - 200 長安阿維塔 11 13 12 6 3 華為 MEMS 華為 MDC810 - - 400 奧迪 e-tron 6 16 5 1 Aeva FMCW - - - - 比亞迪漢 2022 款 DM-p 5 12 5 0 - - - - - - 上汽飛凡 R7 12 12 8 1 Luminar MEMS，1550nm 英偉達 Orin-X 254 2 508 資料來源：汽車之家，各公司官網，五礦證券研究所 圖表 128：蔚來 ES6 傳感器位置分布 圖表 129：小鵬 G9 傳感器位置分布 資料來源：搜狐，五礦證券研究所 資料來源：搜狐，五礦

134、證券研究所 請仔細閱讀本報告末頁聲明 Page 55 / 76 Table_Page 電子電子 2022 年 6 月 29 日 視覺方案嚴重依賴海量數據訓練，特斯拉已經先發制人，在有大量車型銷量的前提下，特斯拉視覺算法的訓練已經超出其他車企一大截，如果后來的車企采用純視覺方案，因為起步比特斯拉晚，也沒有足夠數量的汽車在路上跑，那就沒有海量數據訓練的基礎，沒有數據訓練也就沒有更好的自動駕駛能力，出事故的概率更大，這樣反過來又會影響自家汽車的銷量，陷入一種惡性循環。 因此后來的車企更傾向于采用攝像頭+雷達的多傳感器融合方案，通過雷達來彌補自身視覺算法能力的不足，從而達到量產商用的自動駕駛水平。 特

135、斯拉憑借先發優勢，在視覺方案上將持續領先，未來方向是無限接近人眼水平。其他車企起步晚，在視覺方案上將一直處于落后地位，如果特斯拉視覺方案水平發展越快，其他車企視覺方案與特斯拉的差距就會越大，就越不會采用純視覺方案，否則將陷入惡性循環，導致公司經營面臨困境， 無法完成商業閉環， 因此就會更加堅定的采用視覺+雷達融合方案來提升和完善自動駕駛功能，以求達到甚至超越特斯拉的純視覺方案。所以我們認為，未來自動駕駛路線的選擇，除了在視覺方案和多傳感器融合方案技術層面的優劣勢對比之外，商業經營可行性也是車企需要重點考慮的問題，未來兩種技術路線將可能長期共存。 2.3 決策層：智能車決策判斷的中樞大腦決策層：

136、智能車決策判斷的中樞大腦 2.3.1 E/E架構集中化架構集中化，運算加速運算加速帶來帶來 GPU/FPGA/ASIC/類腦芯片需求大幅提升類腦芯片需求大幅提升 隨著汽車智能化發展，汽車 E/E 架構也將逐步升級，整體而言，將從分布式架構邁向基于域的集中式架構，最終達到整合域的中央計算平臺架構。 分布式架構： 傳統燃油車以機械部件為主， 電子系統相對簡單， 大多應用 ECU （電子控制器）分布式架構，芯片主要為 MCU，ECU 和功能幾乎一一對應，比如車燈對應一個控制器，車門對應一個控制器，因此系統相對封閉。這種架構在 10-20 年前已經實現。 基于域的集中式架構：現階段電氣化與駕駛輔助功能

137、已經實現初步應用，基于域的架構將成為當前及未來幾年的 主流技術選擇，在這種架構體系中，不同 ECU 之間開始整合，原來的單一功能控制器按照功能類別集成在一個控制器中，出現域管理，用 DCU 和 MDC（磁鼓控制器）取代了 ECU，實現功能導向的控制。目前比較普遍的功能域架構設計是將整車功能劃分為五大功能域： 動力域 （安全） 、 底盤域（車輛運動） 、 座艙域（信息娛樂） 、自動駕駛域（輔助駕駛）和車身域（車身電子） ，每個區域對應推出相應的域控制器，最后再通過 CAN/LIN等通訊方式連接至主干線甚至托管至云端，從而實現整車信息數據的交互。這種架構目前已經開始成為主流應用，預計在 2021-

138、2025 年將快速發展。 整合域的中央計算平臺架構：長期來看，隨著自動駕駛逐步升級，對電子架構的算力、帶寬均提出了更高要求，只有整合域的中央計算平臺架構能夠滿足要求，這一架構將功能域進一步集中化， 因此也帶來了芯片能力進一步提升， 用一個集成電路實現對不同功能芯片的整合，更加依賴云端的存儲分析能力，這種架構將在未來長期發展中逐步落地。但是這三代架構并非界限分明地孤島式發展，實際應用中，更多是混合在一起。 請仔細閱讀本報告末頁聲明 Page 56 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 130：汽車 E/E架構技術路線 圖表 131：汽車 E/E架構路線圖

139、 資料來源：Roland Berger，五礦證券研究所 資料來源：Roland Berger，五礦證券研究所 隨著自動駕駛從 L1-L5 升級，汽車 E/E 架構由分布式走向集中，算力開始集中，集成化的設計可以降低算力冗余要求的同時大幅降低整車線束長度，有效降低成本。當域集中之后，智能化功能升級將從增加傳感器數量轉為增加算力、算法模型和數據訓練，因此對自動駕駛 AI芯片算力要求將越來越高，每提升一個級別，算力需求增加 10 倍以上。根據億歐數據，L1級別算力需求小于 1TOPS（Tera Operations Per Second，每秒一萬億次操作） ，L2 級別算力需求 2TOPS，L3 級

140、別算力需求 30TOPS，L4 級別算力需求 300TOPS，L5 級別算力需求4000+TOPS。 根據億歐數據，中國自動駕駛 AI 芯片市場規模 2021 年為 25.1 億元，預計到 2025 年將達到109.9 億元，CAGR 為 44.7%。 圖表 132：自動駕駛 L1-L5 對于 AI芯片算力需求（TOPS） 圖表 133：2015-2025 年中國自動駕駛 AI芯片市場規模（億元） 資料來源：億歐，五礦證券研究所 資料來源：億歐，五礦證券研究所 目前常見的 AI芯片包括 CPU、 GPU、FPGA 和 ASIC， 從 CPU 到 ASIC，靈活性越來越差，效率越來越高。并且隨著

141、自動駕駛水平越來越高，需要處理的數據量越來越大，高精地圖、攝像頭、超聲波/毫米波/激光雷達、GNSS 等軟硬件設備對計算提出更高要求，CPU 并行計算速度慢，僅靠 CPU 的算力和功能已經不能滿足自動駕駛對數據傳輸的實時性要求。 為了解決 CPU 在大量數據運算效率低和能耗高的問題，目前有兩種的發展路線：一是延用傳統馮諾伊曼架構，搭配加速芯片，用以提升算力并助推算法的產生，常見的 AI 加速芯片包括 GPU、FPGA 和 ASIC 三類；二是不采用馮諾伊曼架構，轉而采用人腦神經元結構設計芯片來提升計算能力，以實現完全擬人化為目標，追求在芯片架構上不斷接近人腦，這類芯片被稱為類腦芯片。 CPU（

142、Central Processing Unit，中央處理器） ：作為計算機系統的運算和控制核心，是信息處理、程序運行的最終執行單元，CPU 是對計算機的所有硬件資源（如存儲器、輸入輸出單 請仔細閱讀本報告末頁聲明 Page 57 / 76 Table_Page 電子電子 2022 年 6 月 29 日 元）進行控制調配、執行通用運算的核心硬件單元。優點是有大量的緩存和復雜的邏輯控制單元，非常擅長邏輯控制、串行運算；缺點是不擅長復雜算法運算和處理并行重復的操作。對于 AI芯片來說，算力最弱的是 CPU。代表廠商包括 Intel、AMD。 GPU（Graphics Processing Unit，

143、圖形處理器） ：又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上做圖像和圖形相關運算工作的微處理器。優點是提供了多核并行計算的基礎結構，且核心數非常多， 可以支撐大量數據的并行計算， 擁有更高的浮點運算能力； 缺點是管理控制能力最弱，功耗最高。GPU 善于處理圖像領域的運算加速，但 GPU 無法單獨工作，必須由 CPU 進行控制調用才能工作。代表廠商包括 NVIDIA、AMD。 FPGA（Field Programmable Gate Array，現場可編程門陣列） ：FPGA 是在 PAL、GAL 等可編程器件的基礎上進一步發

144、展的產物。它是作為專用集成電路（ASIC）領域中的一種半定制電路而出現的，既解決了定制電路的不足，又克服了原有可編程器件門電路數有限的缺點。優點是可以無限次編程，延時性比較低，同時擁有流水線并行和數據并行（GPU 只有數據并行） 、實時性最強、靈活性最高；缺點是開發難度大，在實現復雜算法方面有一定的難度，只適合定點運算， 價格比較昂貴。 代表廠商包括 Xilinx （被 AMD 收購） 、 Altera （被 Intel 收購） 。 ASIC（Application Specific Integrated Circuit，專用集成電路） ：指按照特定用戶要求和特定電子系統的需要而設計、制造的集

145、成電路。目前用 CPLD（復雜可編程邏輯器件）和 FPGA（現場可編程邏輯陣列）來進行 ASIC 設計是最為流行的方式之一。優點是它作為集成電路技術與特定用戶的整機或系統技術緊密結合的產物，與通用集成電路相比具有體積更小、重量更輕、功耗更低、可靠性提高、性能提高、保密性增強、成本降低等優點；缺點是靈活性不夠，成本比 FPGA 貴。代表廠商包括谷歌（TPU） 、地平線（BPU） 、寒武紀（GPU）等。 目前主流廠商多采用 CPU+GPU/FPGA/ASIC 的方式進行自動駕駛芯片設計。 特斯拉 FSD 和英偉達 Xavier 均采用 CPU+GPU+ASIC 的方式， 其中特斯拉 FSD 的 A

146、SIC 是NPU，占據最大面積，主要用來運行深度神經網絡，GPU 主要是用來運行深層神經網絡的后處理部分；英偉達 Xavier 以 GPU 為計算核心，GPU 占據最大面積。 Mobieye EyeQ5 和地平線征程系列則采用 CPU+ASIC 的方式，Mobieye EyeQ5 的 ASIC 包括 Computer Vision Processors （CVP） 、 Deep Learning Accelerator （DLA） 和 Multithreaded Accelerator（MA） ，CVP 是針對很多傳統計算機視覺算法設計的 ASIC；地平線的 ASIC 芯片是 Brain Pr

147、ocessing Unit（BPU） 。 Waymo 采用 CPU+FPGA 的方式，FPGA 采用搭配 Intel（Altera）的 Arria 系列。 圖表 134：AI芯片在 AI層次中的應用 圖表 135：訓練-推斷兩階段深度學習 資料來源：Microsoft，Deloitte，五礦證券研究所 資料來源：NVIDIA，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 58 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 136：AI芯片對比 CPU GPU FPGA ASIC 功能 計算機系統的運算和控制核心，信息處理、程序運行的最終執行單元 專門進行

148、圖像和圖形相關運算工作 一種半定制電路 按照特定用戶要求和特定電子系統的需要而設計、制造的集成電路，高度定制化 算力 最低 高 中 高 能效比 差 中 優 優 優點 非常擅長邏輯控制、串行運算 支持大量數據并行計算，擁有更高的浮點運算能力 可以無限次編程，延時較低，同時擁有流水線并行和數據并行、實時性最強、靈活性最高 體積更小、重量更輕、功耗更低、可靠性提高、性能提高、保密性增強、成本降低 缺點 不擅長復雜算法運算和處理并行重復的操作 管理控制能力最弱，功耗最高 開發難度大，只適合定點運算，價格較貴 靈活性不夠，成本比FPGA 貴 性能 最通用 數據處理通用性強 數據處理能力較強 AI算力最強

149、、最專用 成本 最高 高 低 高 適用場景 各類場景 圖形處理、數值模擬、機器學習算法 成本較低場景，如軍事、科研等 高算力要求的單一場景 主要公司 Intel、AMD NVIDIA、AMD AMD（Xilinx）、Intel（Altera） 谷歌（TPU）、地平線（BPU）、寒武紀（GPU） 資料來源：Deloitte，各公司官網，五礦證券研究所 除了加速芯片之外，一種更為前沿的技術是采用類腦芯片。傳統計算機采用馮諾伊曼架構，存儲與計算在空間上分離，頻繁的數據交換導致處理海量信息效率很低。類腦芯片不采用經典的馮諾伊曼架構，而是借鑒人腦的網絡結構和信息處理方式，研究基于微電子技術和新型神經形態

150、器件的類腦智能芯片的集成工藝與設計技術，突破傳統計算架構，基于神經形態架構設計，實現存儲與計算的深度融合，大幅提升計算性能、提高集成度、降低能耗。它的內存、CPU 和通信部件完全集成在一起，因此信息的處理在本地進行，克服了傳統計算機內存與 CPU 之間的速度瓶頸問題。 類腦芯片的設計目的不再僅僅局限于加速深度學習算法，而是在芯片基本結構甚至器件層面上改變設計，希望能夠開發出新的類腦計算機體系結構，比如采用憶阻器和 ReRAM 等新器件來提高存儲密度。這類芯片技術尚未完全成熟，離大規模應用還有一定的差距，但是長期來看類腦芯片有可能會帶來計算機體系結構的革命。 類腦芯片的代表為 IBM TrueN

151、orth，第二代 TrueNorth 采用三星 28nm 工藝，包含 54 億個晶體管和 4096 個神經突觸核心， 功耗小于 100mW。 除了 TrueNorth， 還有英特爾 Loihi 芯片、高通 Zeroth 芯片、西井科技 DeepSouth 芯片、浙大“達爾文”類腦芯片、AI-CTX 芯片也都在類腦芯片上不斷努力， 清華大學類腦計算中心于 2015 年 11 月成功研制了國內首款超大規模的神經形態類腦計算天機芯片，該芯片同時支持脈沖神經網絡和人工神經網絡（深度神經網絡） ，可進行大規模神經元網絡的模擬。 隨著技術不斷進步，類腦計算市場規模將不斷提升，占比也將不斷增大。根據 Yol

152、e 數據，預計類腦計算市場規模 2025 年為 2 億美元，在整個 AI 市場中占比 0.3%；2030 年為 70 億美元，在整個 AI市場中占比 8%；2035 年為 200 億美元，在整個 AI 市場中占比 18%。2025-2030 年，類腦計算下游應用領域將迅速拓展，新增應用領域包括智能手機、可穿戴、智能家 請仔細閱讀本報告末頁聲明 Page 59 / 76 Table_Page 電子電子 2022 年 6 月 29 日 居、自動駕駛、無人機、服務器、外科修復學領域等。 圖表 137：類腦計算市場規模及市占率（十億美元） 圖表 138：類腦計算下游應用普及時間 資料來源：Yole，五

153、礦證券研究所 資料來源：Yole，五礦證券研究所 圖表 139：IBM TrueNorth 架構 圖表 140：類腦計算廠商及機構 資料來源：IBM，五礦證券研究所 資料來源：Yole，五礦證券研究所 圖表 141：類腦芯片參數對比 芯片 功耗 工藝 面積 神經元數（萬） 突觸數（百萬） Intel Loihi 74mW 14nm 60mm2 13 130 IBM TrueNorth 100mW 28nm 4cm2 100 256 天機芯 400mW 28nm 3.83.8mm2 4 10 達爾文二代 - 55nm - 15 10 DYNAP-CNN v1 100mW 28nm 34mm2 1

154、00 2 資料來源：絡繹知圖，五礦證券研究所 2.3.2 AI 芯片芯片芯片芯片發展發展方向方向：制程更先進：制程更先進+ +算力更高算力更高+ +開放式軟件生態開放式軟件生態 在過去 20 年里，Mobileye 在視覺感知技術的基礎上，陸續推出了 Mobileye EyeQ 系列芯片+算法組成的一系列解決方案，幫助車企在 ADAS 領域，實現從 L0 的碰撞預警，到 L1 的AEB 緊急制動、 ACC 自適應巡航， 再到 L2 的 ICC 集成式巡航等各種功能。 在過去 20 年里， Mobileye 毫無疑問可以說是汽車 ADAS 技術的主要奠基者和引領者。2016 年，Mobileye

155、 還與寶馬組建了自動駕駛聯盟，寶馬在旗下車型中大量搭載 Mobileye EyeQ 系列芯片，之后寶馬還高調宣布與 Mobileye、英特爾合作研發 L4 自動駕駛汽車。2017 年 3 月，英特爾以 153億美元收購 Mobileye，不僅表明了英特爾對 Mobileye 前景的看好，而且是英特爾在自動駕駛領域的一次關鍵布局。 請仔細閱讀本報告末頁聲明 Page 60 / 76 Table_Page 電子電子 2022 年 6 月 29 日 但隨著特斯拉、高通、華為、地平線等科技公司開始用深度學習算法開發新一代的 L4 自動駕駛技術，量產車搭載的 L2 系統也越來越向著 L4 自動駕駛的技術

156、架構看齊。Mobileye 提供的 EyeQ 系列芯片+算法解決方案，已經不能滿足自動駕駛公司和車企們的需求了。 主要原因在于：1）車企對自動駕駛 AI芯片算力要求越來越高，Mobileye EyeQ 系列芯片算力掉隊；2）Mobileye 封閉性太強，軟硬件捆綁銷售，車企無法對內部的算法進行修改與調整；3）算法迭代慢，更新周期長。 自動駕駛芯片算力跟工藝制程緊密相關，決定算力最核心的就是工藝制程。目前 包括Mobileye、特斯拉、英偉達、高通、華為、地平線、黑芝麻等國內外企業均推出了不同工藝制程及算力的自動駕駛芯片，其中英偉達 Orin-X 是目前量產的算力最高的芯 片，達到254TOPS

157、，工藝制程 7nm，此外，公司還公布了 Atlan 芯片，預計算力將達到 1000TOPS。相比之下，Mobileye EyeQ5 算力僅有 24TOPS，已經落后于特斯拉、英偉達、高通、華為等廠商。 圖表 142：國內外自動駕駛AI芯片 公司 芯片 算力（TOPS） 工藝（nm） 自動駕駛級別 功耗（W） 應用車企/車型 發布/量產時間（年） Mobileye EyeQ1 0.0044 180 L1 2.5 寶馬、通用、奧迪、福特、沃爾沃、特斯拉 2008 EyeQ2 0.026 90 L1 2.5 2010 EyeQ3 0.256 40 L2 2.5 2014 EyeQ4 2.5 28 L

158、3 3 蔚來 ES8/ES6/EC6、廣汽 Aion V/X、哪吒 U、威馬 EX5、小鵬 G3i 2018 EyeQ5 24 7 L4/L5 10 寶馬 iX、極氪 001 2021 EyeQ6L - 7 L5 - - 2023 EyeQ6H - 7 L5 - - 2024 EyeQ Ultra 176 5 L4 - - 2025 特斯拉 FSD 72 14 L2 36 Model 3/Y/S/X 2019 英偉達 Tegra X1 - 20 - 10 - 2015 Parker 1 16 - 15 特斯拉、沃爾沃 2018 Xavier 30 12 L5 30 小鵬 P7/P5 2020

159、Orin-X 254 7 L5 - 蔚來 ET7、智己 L7、 威馬 M7 2022 Atlan 1000 - L5 - - 2025 高通 驍龍 Ride 10-700 5 L5 40-70 WEY 摩卡 2021 華為 MDC210 16 - L2+ - - 2020 MDC300 64 12 L3 - - 2019 MDC600 352 12 L4 - - 2018 MDC610 160 - L3/L4 - - 2020 MDC810 400+ - L4/L5 60 北汽極狐阿爾法 S 華為HI版 2021 地平線 征程 2 4 28 L2 2 - 2020 征程 3 5 16 L3 2

160、.5 理想 ONE 2021 款 2021 征程 5 96 16 L3/L4 20 - 2022 征程 5P 128 - L3/L4 25 - - 征程 6 400 7 L4+ - - 2024 請仔細閱讀本報告末頁聲明 Page 61 / 76 Table_Page 電子電子 2022 年 6 月 29 日 黑芝麻 A500 5.8 16 L2 - - 2019 A1000 58 16 L3 8 - 2022 A1000L 16 16 L3 5 - 2022 A1000 Pro 106 16 L4 - - 2022 芯馳科技 V9L/F - 16 - - - 2020 V9T 1 16 L2

161、+ - - 2021 V9P/U 10-200 - L3 - - 2022 V9S 500-1000 - L4/L5 - - 2023 零跑汽車 凌芯 01 4.2 28 L2+ 4 零跑 C11 2021 寒武紀 SD5223 16 - L2+ - - 2022 SD5226 400 7 L4 - - 2023 資料來源：智駕網，車東西，集微咨詢，億歐，各公司官網，五礦證券研究所 自動駕駛之爭是一場軟硬平臺之戰，單顆芯片算力 TOPS 是關鍵指標，但并非唯一指標，自動駕是一個復雜系統，需要“車-路-云-邊”協同運作。Mobileye 在近年來落后于英偉達、高通、華為等廠商的另一個重要原因就是

162、封閉性太強，Mobileye 在 EyeQ 芯片內部已經寫好了Mobileye 的感知算法， 在車輛行駛時 EyeQ 會直接輸出對外部車道線和車輛等目標的感知結果，車輛基于這些結果做出駕駛決策，在這一過程中，車企無法對內部的算法進行修改與調整，這種軟硬件捆綁銷售的方式，使得算法難以適應車企需求，此外還存在算法迭代慢，更新周期長等問題。這些問題在 L1-L2 階段并不明顯，對于汽車來說選擇一個相對可靠、完整的方案是當時最高效、 最穩妥的方式， 但是隨著自動駕駛水平提升， 在 L3-L5 階段， Mobileye封閉性的弊端就暴露無遺了，而其他車企如英偉達、高通、華為、地平線等則可以直接根據客戶的

163、各種需求進行深度自定義，因此從 2021 年起，原來采用 Mobileye 的廠商紛紛開始轉投英偉達、華為、高通、地平線的產品，在 2022 年發布的新款車型中，基本已經被英偉達、高通、華為、特斯拉壟斷，很難再見到 Mobileye 的身影。 圖表 143：部分車企自動駕駛 AI芯片更迭 車企 過去 現在（2021） 未來（2022 及以后） 車型 芯片 車型 芯片 車型 芯片 寶馬 1 系/X1 等 Mobileye EyeQ1-4 iX Mobileye EyeQ5 Neue Klasse 高通驍龍 Ride 奧迪 第四代 A8 Mobileye EyeQ3 - - - - 沃爾沃 XC6

164、0 Mobileye EyeQ1-2 - - XC90 英偉達 Orin-X 特斯拉 2014 款 Model S Mobileye EyeQ3 全系車型 FSD 全系車型 FSD 蔚來 ES8ES6EC6 Mobileye EyeQ4 - - ET7 英偉達 Orin-X 理想 理想 ONE 2020 款 Mobileye EyeQ4 理想 ONE 2021 款 地平線征程 3 X01/L9 英偉達 Orin-X 小鵬 G3 P7 Mobileye EyeQ4 英偉達 Xavier P5 英偉達 Xavier G9 英偉達 Orin-X 威馬 - - - - M7 英偉達 Orin-X 智己

165、 - - - - L7 英偉達 Orin-X 長城 第三代哈弗 H6 Mobileye EyeQ4 長城 WEY 摩卡 長城沙龍機甲龍 高通驍龍 Ride 華為 MDC610 - - 長安 長安 UNI-T 地平線征程 2 - - 阿維塔 11 華為 MDC810 資料來源：車東西，億歐，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 62 / 76 Table_Page 電子電子 2022 年 6 月 29 日 3、汽車網聯化：構建汽車網聯化：構建“人、車、路、云”的“人、車、路、云”的智慧交通體系智慧交通體系 3.1 V2X 帶來更加高效安全的自動駕駛帶來更加高效安全的自動駕駛 智能網

166、聯汽車（Intelligent Connected Vehicle，ICV） ，是指車聯網與智能車的有機聯合，通過搭載先進的車載傳感器、控制器、執行器等裝置，并融合現代通信與網絡技術，實現車與人、路、后臺等智能信息交換共享，實現安全、舒適、節能、高效行駛。自動駕駛智能只能探測視野范圍內的物體或人，而車聯網則可以探測到視野范圍外的物體或人，可以更大程度實現高效和安全駕駛。 V2X （Vehicle to Everything）作為一種車用無線通信技術，是將車輛與一切事物相連接的新一代信息通信技術。 其中V代表車輛， X代表任何與車交互信息的對象， X主要包含車 （Vehicle to Vehic

167、le, V2V） 、人（Vehicle to Pedestrian, V2P） 、交通路側基礎設施（Vehicle to Infrastructure, V2I）和網絡（Vehicle to Network,V2N） 。V2X 將“人、車、路、云”等交通參與要素有機地聯系在一起，不僅可以支撐車輛獲得比單車感知更多的信息，促進自動駕駛技術創新和應用，還有利于構建一個智慧的交通體系，促進汽車和交通服務的新模式新業態發展，對提高交通效率、節約資源、減少污染、降低交通事故發生率、改善交通管理具有重要意義。 圖表 144：信息和通信技術已全面滲透進如今的移動出行場景 圖表 145：V2X 資料來源：Ip

168、sos，五礦證券研究所 資料來源：Carnavi，五礦證券研究所 圖表 146：車聯網定義及功能 V2V V2I V2P V2N 定義 指車載終端之間的通信，車載終端可獲取周圍車輛的車速、位置、行車情況等信息，車輛間也可以構成一個互動平臺，實時交換文字、圖片和視頻等信息 指車載設備與路側基礎設施（紅綠燈、交通攝像頭、路側單元）等進行通信，路側基礎設施可以獲取附近車輛的信息并發布各種實時信息 指弱勢交通群體（包括行人、騎行者等）使用用戶設備（如手機、筆記本電腦等）與車載設備進行通信 指車載設備通過接入網/核心網與云平臺連接，實現云平臺與車輛之間進行數據交換，并對獲取的數據進行存儲和處理，提供車輛

169、所需的應用服務 作用 主要應用于避免或減少交通事故、車輛監督管理等 主要被應用于實時信息服務、車輛監控管理、不停車收費等 主要應用于避免交通事故、信息服務等 主要應用于車輛導航、車輛遠程監控、緊急救援、信息娛樂服務等 資料來源：艾瑞，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 63 / 76 Table_Page 電子電子 2022 年 6 月 29 日 根據 Ipsos 數據，車聯網發展過程將分為車內互動和車外連接兩步走，在 2025 年前，主要以車內互動為主， 包括基礎硬件連接， 智能手機支持連接和人車實時互動； 2025-2050 年間，主要以車外連接為主， 包括實時駕駛安全保障

170、， 行程整體優化， 幫助車輛進行精準路徑選擇，避免碰撞事故發生。此外，根據 Deloitte 數據，網聯化解決方案將采用“云、管、端”模式，實現數據流動和信息交互。 圖表 147：車聯網發展階段 圖表 148：車聯網產業生態 資料來源：Ipsos，五礦證券研究所 資料來源：Deloitte，五礦證券研究所 3.2 C-V2X 將將逐步成為全球車聯網逐步成為全球車聯網主流主流技術技術路線路線 目前國際上主流的車聯網無線通信技術有 DSRC （Dedicated Short Range CommunicaTIons，專用短程通信技術）和 C-V2X（Cellular-V2X，蜂窩車聯網）兩條技術路

171、線。 DSRC 基于 IEEE 802.11p 標準進行開發，由 IEEE 于 2010 年完成標準化工作，可以實現小范圍內圖像、語音、數據的實時、準確和可靠的雙向傳輸，將車輛和道路有機連接，采用專屬無線頻率：5.9GHz 頻段內的 75MHz 頻譜。全球 DSRC 標準主要有美國、歐洲、日本三大陣營，分別是美國的 900MHz，歐洲的 ENV 系列，日本的 ARIBSTD-T75 標準，發展較為成熟，也是歐美日等國家/地區車聯網的主流技術。 C-V2X 是基于蜂窩通信和終端直通通信融合的車聯網技術，以 4G/5G 蜂窩網絡為基礎，可以實現長距離和更大范圍的通信，在技術先進性、性能以及后續演進

172、等方面，比 DSRC 更有優勢。LTE V2X包括集中式（LTE-V-Cell）和分布式（LTE-V-Direct）兩種技術，其中 LTE-V-Cell 以基站為分布中心，LTE-V-Direct 則是車車之間的直接通信。 圖表 149：DSRC車聯網 圖表 150：C-V2X 車聯網 資料來源：5GAA，五礦證券研究所 資料來源：5GAA，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 64 / 76 Table_Page 電子電子 2022 年 6 月 29 日 雖然 DSRC 成立時間早于 C-V2X，但是 DSRC 與 C-V2X 之間仍有明顯差距，主要體現在以下幾點： 1）DSR

173、C 性能不足：在高速環境下，DSRC 難以保持良好的通信穩定性。在福特與大唐、高通的聯合測試中，當超過一定的通信距離后，基于 DSRC 技術的產品出現了明顯的數據失真，而 LTE-V2X能更好地勝任這項任務。 2）DSRC 占用頻譜較多：相較于 DSRC，WiFi 對于 5.9GHz 頻段的需求更為迫切，因此就需要在 WiFi 與 DSRC 的應用頻譜上進行權衡，這也是美國從 DSRC 轉向 C-V2X 的主要原因之一。 3）DSRC 發展空間有限：就未來發展空間而言，DSRC 較為有限，而 C-V2X是一項可持續演進的技術。根據 C-V2X 的發展規劃，無論是目前的 LTE-V2X 還是未來

174、的 NR-V2X，都是立足當下、面向未來的出色解決方案。既滿足了目前的車聯網需求，同時未來的前景也值得期待。 C-V2X 的優勢還體現在大規模部署上的成本控制。雖然在成熟度及產業鏈的完整性方面，DSRC 與 C-V2X技術差別不大，但在實現成本上，C-V2X 憑借現有的 4G/5G 通信基站，合理利用資源，可以有效節約建設成本。 DSRC 的優勢則體現在兼容性和互操作性方面。DSRC 在設計之初就保證了 802.11p 和802.11bd 之間的互操作性，二者完全兼容。而 C-V2X 的各個版本互不兼容，Rel.14/Rel.15和 Rel.16 工作在不同的頻段，后續的設備必須支持多個版本以

175、保持與先前設備的兼容性。 圖表 151：DSRC與 C-V2X 對比 DSRC C-V2X 標準組織 IEEE、SAE、ETSI 3GPP、ETSI、5GAA 技術成熟度 802.11p 2012 年完成技術標準化 LTE-V2XLTE-eV2X5G NR-V2X 標準持續演進中 技術目標 工作頻段 ITS 5.8-5.9GHz 直接通信：5.9GHz 網絡通信：相容 4G LTE與未來 5G NR 應用項目 直接通信：V2V、V2I 直接通信：V2V、V2I、V2P 網絡通信：V2N 傳輸距離 平均 250-300m 數公里 數據傳輸量 54Mbps 100Mbps 通信時延 20ms 4G

176、：4ms 5G：1ms 支持車速 200km/h 500km/h（5G） 產業推動者 車企、政府 車企、電信運營商 資料來源：高通，五礦證券研究所 雖然是后起之秀，但由于 C-V2X 的可靠性和穩定性等均明顯優于 DSRC，C-V2X 已經獲得了多個國家及產業界的支持，中國企業主推 LTE-V2X 技術；美國電信運營商、福特等車企明確表示傾向于 LTE-V2X 技術； 歐洲的寶馬、 奧迪、 標志雪鐵龍等車企也已轉向支持 C-V2X技術； 日本 ITS-forum 宣布技術中立， 將 LTE-V2X 作為備選技術。 美國已將 5.9G 頻段 5.895-5.925GHz 的 30MHz 分配給

177、C-V2X 車聯網技術；歐洲也修改了 5.9G 頻段使用，擴展 ITS道路安全應用為 5875-5925MHz，采用技術中立方式，不限制具體技術。全球車聯網技術路 請仔細閱讀本報告末頁聲明 Page 65 / 76 Table_Page 電子電子 2022 年 6 月 29 日 線正在向 C-V2X聚焦，5GAA（5G 汽車協會）也于 2020 年 9 月發布了 C-V2X 通信技術路線圖。我們認為，未來在車聯網領域，C-V2X 將有望得到更廣泛的應用。 圖表 152：C-V2X 隨著駕駛安全性要求提高將得到更廣泛的應用 資料來源：IEEE，五礦證券研究所 圖表 153：2018-2029 年

178、 C-V2X 通信技術路線圖 資料來源：5GAA，五礦證券研究所 2018 年 11 月， 工信部無線電管理局正式發布車聯網 （智能網聯汽車） 直連通信使用 5905-5925MHz 頻段的管理規定（暫行） ，規劃 5905-5925MHz 頻段作為基于 LTE-V2X 技術的車聯網（智能網聯汽車）直連通信的工作頻段，標志著中國 LTE-V2X 正式進入產業化階段。隨著中國車聯網產業化進程逐步加快，目前已圍繞 LTE-V2X 形成包括通信芯片、通信模組、終端設備、整車制造、運營服務、測試認證、高精度定位及地圖服務等為主導的完整產業鏈生態。 請仔細閱讀本報告末頁聲明 Page 66 / 76 T

179、able_Page 電子電子 2022 年 6 月 29 日 圖表 154：中國 C-V2X 產業鏈 資料來源：中國通信學會，C-V2X 白皮書，五礦證券研究所 3.3 高精地圖：深度助力自動駕駛高精地圖：深度助力自動駕駛定位、定位、感知、規劃、決策感知、規劃、決策 傳統導航地圖精度為 10 米左右，主要解決的是駕駛員路線導航問題。進入 ADAS 時代，車輛行駛需要有自感知能力，實現部分駕駛行為的智能化，此時則需要 ADAS 地圖精度提升至1 米左右。隨著自動駕駛越來越近，對于 L3 及以上級別的自動駕駛汽車而言，ADAS 地圖已經不能滿足需求，高精地圖成為了必備選項，其作用主要包括定位、輔助

180、感知、路徑規劃。 高精度地圖通俗來講就是精度更高、數據維度更多的電子地圖。精度更高主要體現在高精地圖的絕對坐標精度更高，可以精確到厘米級別；數據維度更多主要體現在高精地圖不僅包含了道路信息，比如車道線的位置、類型、寬度、坡度和曲率等車道信息，還包括了幾乎所有與交通相關的周圍的固定對象信息， 比如交通標志、信號燈、 車道限高、 下水道口、障礙物、高架物體、防護欄、道路邊緣類型、路邊地標等。 高精度地圖除了在自動駕駛汽車行駛時提供導航作用外，還為自動駕駛汽車的安全行駛發揮了極大作用。作為車載攝像頭、毫米波雷達、激光雷達等的補充，不僅擴展了自動駕駛系統的靜態感知和全局視野，而且為自動駕駛系統的定位、

181、感知、規劃和決策等環節提供了輔助支撐。在使用對象、精度、信息量、信息實時性等方面，高精地圖比傳統導航地圖的表現更為優異。 圖表 155：Here 高精地圖圖層 圖表 156：TomTom高精地圖圖層 資料來源：Here，五礦證券研究所 資料來源：TomTom，五礦證券研究所 請仔細閱讀本報告末頁聲明 Page 67 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 157：高精地圖信息展示（限高、路寬、坡度、半徑等） 圖表 158：高精地圖信息展示（限速、剩余路程、坡度、半徑等） 資料來源：Here，五礦證券研究所 資料來源：TomTom，五礦證券研究所 圖表 1

182、59：傳統導航地圖與高精地圖對比 維度 傳統導航地圖 高精地圖 ADAS 地圖 AD地圖 地圖信息 道路級別信息 車道級別信息 路徑規劃 全景 局部 精度 10 米級 米級 厘米級 信息量 道路級別數據：道路形狀、坡度、鋪設、方向等 高精道路級別數據：道路形狀、坡度、曲率、鋪設、方向等 增加車道屬性相關數據以及高架物體、防護欄、樹、道路邊緣類型、路邊地標等大量目標數據 實時性 永久靜態數據（更新頻率約 1個月），半永久靜態數據（更新頻率約 1 小時） 永久靜態數據（頻率約1 個月），半永久靜態數據（頻率約 1 小時），半動態數據（頻率約1 分鐘），動態數據（頻率約 1 秒） 街道名稱信息重要性

183、 重要 一般 一般 道路曲率數據重要性 一般 重要 重要 道路幾何特征 重要 重要 重要 定位 依賴 GPS 定位，定位準確性取決于 GPS 精度、信號強弱及定位傳感器的誤差 通過更高維的數據結合高效率的匹配算法，能夠實現更高尺度的定位與匹配 功能 輔助駕駛的導航功能 “地圖匹配+輔助環境感知+路徑規劃”：通過“高精度+高動態+多維度”的地圖數據為智能駕駛提供自變量和目標函數 使用對象 駕駛員 ADAS 系統 自動駕駛系統 資料來源：艾瑞，創睿微律，五礦證券研究所 高精地圖市場本質是數據的服務市場，整個市場目前仍然處于數據采集為主、增值應用為輔的階段，只有具備大量高精地圖數據的企業才具備很強的

184、競爭力，傳統圖商在地圖的測繪、采集、編制等方面具有長期積累的優勢，因此在市場中占據了主導力量。 在高精地圖的數據采集、編輯、加工等過程中，往往涉及對中國敏感目標的地理坐標、影像等國防安全信息數據的收集與處理，因此中國對于企業獲取地圖測繪和制作資質有著極其嚴格的要求。據中華人民共和國測繪法 ，國家對于從事測繪活動的單位實行測繪資質管理制度，從事測繪活動的單位依法取得相應等級的測繪資質證書，方可從事相應的測繪活動。因此中國對外資進入這一領域均設置有嚴苛的準入限制，雖然外資在嘗試以種種模式進入中國 請仔細閱讀本報告末頁聲明 Page 68 / 76 Table_Page 電子電子 2022 年 6

185、月 29 日 高精地圖市場，但其本質仍限于研發、支持性技術服務和一定商業合作等，從而間接獲得與中國高精地圖市場有關的部分利益，比如 Here 與四維圖新合作，在華提供位置服務，服務內容主要包括地圖顯示、導航、定位等。但是有關數據采集、編輯、加工、制備等測繪活動仍由境內資質主體獨立完成，因此中國高精地圖廠商天然具備高壁壘。 國外企業主要有 Waymo、Here、TomTom、Zenrin、Mobileye、DeepMap 等。中國目前擁有導航電子地圖制作甲級測繪資質的企業共有 30 家，但真正有高精地圖采制能力的公司屈指可數，目前業界公認具有高精地圖采制能力的公司包括四維圖新、高德地圖、百度地圖

186、、易圖通等，主要原因在于成本較高。高精地圖的成本主要包括采集成本和編譯制作成本，采集成本包括設備成本、負責采集車輛的行駛耗材、人力成本、過路費等，一輛采集車需要配置的設備包括激光雷達、攝像頭、陀螺儀、GPS 接收機、數據存儲和計算設備等，1 輛專業型采集車價格在 100 萬左右，編譯制作成本主要是人力成本，需要投入相當多的人力來完成地圖繪制、校正地圖信息、更新 POI信息、更新互聯網用戶報錯等任務。為此，除了資金實力雄厚的老牌圖商，大多數圖商采用成本較低的眾包制圖模式，通過與整車廠合作，使用其攝像頭、 激光雷達等傳感器采集道路信息， 但是與專業的采集車相比， 最大劣勢在于不準確。因此，我們認為

187、老牌圖商利用資金優勢將有望建立起更大的領先優勢。 圖表 160：中國導航電子地圖甲級測繪資質名單 公司 類型 成立時間 獲得資質時間 四維圖新 傳統圖商 2002 2001.1 高德 阿里子公司 2001 2004.6 靈圖 傳統圖商 1999 2005.6 長地萬方 百度子公司 2002 2005.5 凱立德 傳統圖商 1997 2005.6 易圖通 傳統圖商 1997 2005.7 立得空間 傳統圖商 1999 2007.6 大地通途 騰訊子公司 2005 2007.6 光庭信息 傳統圖商 2011 2013.6 滴圖科技 滴滴子公司 2016 2017.1 中海庭 上汽子公司 2016

188、2018.8 Momenta（初速度） 自動駕駛公司 2016 2018.8 寬凳科技 自動駕駛公司 2017 2019.1 晶眾科技 傳統圖商 2018 2019.5 智途科技 傳統圖商 2006 2019.5 華為數字技術 華為子公司 2006 2019.7 豐圖科技 順豐子公司 2018 2019.11 京東參佰陸抬度電子商務 京東子公司 2007 2020.1 美大智達科技 美團子公司 2018 2020.10 國家基礎地理信息中心 事業單位 1995 2006.1 江蘇省基礎地理信息中心 事業單位 2000 2010.10 江蘇省測繪工程院 事業單位 1984 2008.6 浙江省第

189、一測繪院 事業單位 1975 2008.6 浙江省測繪科學技術研究院 事業單位 2008 2020.10 請仔細閱讀本報告末頁聲明 Page 69 / 76 Table_Page 電子電子 2022 年 6 月 29 日 城際高科 車載信息終端公司 2000 2007.4 億咖通 汽車智能化科技公司 2017 2020.10 美行科技 車載信息系統公司 2008 2020.5 中交宇科 地理信息系統公司 2008 2020.5 速度時空 傳統圖商 2007 2020.7 航天宏圖 遙感和北斗導航衛星應用服務商 2008 2021.1 宏圖創展 傳統圖商 2001 2021.1 資料來源：自然資

190、源部，易觀，五礦證券研究所 圖表 161：高精地圖企業與車企合作情況 車企 高精地圖供應商 落地時間 車企 高精地圖供應商 落地時間 吉利 高德 2021 蔚來 百度 2020 凱迪拉克 高德 2020 上汽 中海庭、晶眾、 四維圖新 2020 東風 高德、晶眾 2020 一汽 易圖通、百度 2019 小鵬 高德 2020 現代 寬凳 2020 寶馬 四維圖新 2021 江淮 百度 2019 奧迪 Here、高德 2019 通用 高德 2019 長城 百度 2020 福特 易圖通 2021 廣汽新能源 百度、寬凳 2019 沃爾沃 百度 2021 長安 百度、Mobileye 2020 路虎

191、高德、百度 2020 奇瑞 百度 2020 標致雪鐵龍 百度 2020 資料來源：易觀，零壹智庫，五礦證券研究所 在收費模式上，傳統導航地圖為 License 授權模式，高精地圖主要分為按單位時間和按數據量收費兩種收費模式，或者采用兩種方式的混合。保守估計高精地圖 License 費用是傳統導航地圖（200 元/車）的 5 倍以上，即 1000 元/車；服務費方面，高德在 2019 年推出單車每年不超過 100 元的標準化高精地圖方案，有利于加快高精地圖的普及。 圖表 162：傳統導航地圖與高精地圖盈利模式對比 盈利模式 具體方式 傳統導航地圖 License 通過授予整車廠地圖使用權獲得授權

192、費 高精地圖 年費制 類似于 License 模式，但按照時間單位進行收費 服務費模式 按照使用數據量收費，定價往往由雙方談判決定 混合模式 License+服務費模式相結合，每年收取授權費，額外再按照后續更新的數據量進行收費 資料來源：華經情報網，五礦證券研究所 隨著自動駕駛普及率提升，高精地圖市場規模也將呈現增長態勢。根據 AI 車庫數據，2021年全球高精地圖市場規模為 25 億美元，預計 2022 年將達到 34 億美元，2025 年將達到 90 請仔細閱讀本報告末頁聲明 Page 70 / 76 Table_Page 電子電子 2022 年 6 月 29 日 億美元。根據易觀數據，2

193、021 年中國高精地圖市場規模為 10.2 億美元，預計 2022 年將達到 12.8 億美元，2025 年將達到 32 億美元。 根據 IDC 數據，2020 年中國高精地圖廠商 Top5 分別是百度/四維圖新/易圖通/高德/Here，市占率分別為 28.07%/21.61%/16.15%/13.07%/7.8%，行業集中度較高。 圖表 163：2020-2025 年全球高精度地圖市場規模（億美元） 圖表 164：2020-2025 年中國高精度地圖市場規模（億美元） 資料來源：AI 車庫，五礦證券研究所 資料來源：易觀，五礦證券研究所 圖表 165：全球高精度地圖廠商 圖表 166：202

194、0 年中國高精地圖廠商 Top5 資料來源：IDC，五礦證券研究所 資料來源：IDC，五礦證券研究所 3.4 智車之智車之“耳” ：射頻前端芯片助力汽車網聯化滲透率提升“耳” ：射頻前端芯片助力汽車網聯化滲透率提升 根據 IDC 數據，2020-2024 年，全球智能網聯汽車出貨量將保持穩步增長，2020 年為 4440萬輛，2024 年將達到 7620 萬輛，CAGR 為 14.5%。滲透率方面，亦將保持穩步上升趨勢，根據 IHS Markit 數據，預計 2025 年全球智能網聯汽車滲透率將達到 59.4%，中國智能網聯汽車滲透率將達到 75.9%。 請仔細閱讀本報告末頁聲明 Page 7

195、1 / 76 Table_Page 電子電子 2022 年 6 月 29 日 圖表 167：2020-2024 年全球智能網聯汽車出貨量（百萬輛） 圖表 168：2018-2025 年全球及中國智能網聯汽車滲透率 資料來源：IDC，五礦證券研究所 資料來源：IHS Markit，五礦證券研究所 全球各主要國家/地區來看，根據 PwC 數據，2021-2035 年，歐盟汽車保有量將從 3.2 億輛下降至 2.8 億輛，互聯汽車滲透率將從 24%提升至 93%；美國汽車保有量將從 2.7 億輛增長至 3.3 億輛，互聯汽車滲透率將從 31%提升至 92%；中國汽車保有量將從 2.1 億輛增長至3.

196、5 億輛， 互聯汽車滲透率將從 33%提升至 72%； 日本汽車保有量將從 0.68 億輛下降至 0.60億輛，互聯汽車滲透率將從 12%提升至 74%。整體而言，全球各主要國家/地區互聯汽車滲透率將保持快速上升態勢。 圖表 169：歐盟汽車保有量（萬輛）和互聯汽車滲透率 圖表 170：美國汽車保有量（萬輛）和互聯汽車滲透率 資料來源：PwC，五礦證券研究所 資料來源：PwC，五礦證券研究所 圖表 171：中國汽車保有量（萬輛）和互聯汽車滲透率 圖表 172：日本汽車保有量（萬輛）和互聯汽車滲透率 資料來源：PwC，五礦證券研究所 資料來源：PwC，五礦證券研究所 汽車網聯化的提升，將進一步帶

197、動車載零部件功能的豐富，射頻前端芯片作為無線通信的關 請仔細閱讀本報告末頁聲明 Page 72 / 76 Table_Page 電子電子 2022 年 6 月 29 日 鍵零部件之一，能夠將射頻信號與數字信號進行轉換，包括功放 PA、濾波器、低噪聲放大器LNA、天線開關、雙工器、調諧器等。未來，射頻前端芯片將如同汽車的耳朵一樣將助力車聯網技術發展，將“人-車-路-云”等多種交通參與要素緊密聯系在一起，彌補單輛汽車智能化不足，推動協同式應用服務發展。 4、投資建議投資建議 4.1 投資觀點投資觀點 智能化方面：自動駕駛將成為評判智能化水平的核心關鍵。SAE（國際汽車工程師學會）將自動駕駛技術分為

198、 L0-L5，共 6 個等級。其中 L0-L2 仍然需要駕駛員駕駛，屬于 ADAS（高級輔助駕駛系統）范疇，而從 L3 開始，汽車才真正進入到自動駕駛范疇，L3 指在特定場景下， 系統可以實現對車輛的完全接管， 當駕駛員在系統失效時， 駕駛員取得駕駛權。 根據 SAE的定義，在 L1 時，駕駛員可以“脫腳” ；在 L2 時，駕駛員可以“脫手” ；在 L3 時，駕駛員可以“脫眼” ；在 L4 時，駕駛員可以“脫腦” ；在 L5 時，已經不需要駕駛員。 相比于傳統有人駕駛，自動駕駛具有諸多優勢，包括安全性高、成本低、效率高等。目前受技術水平、法律法規等因素限制，L3 級別以上家用車還并未大規模普及

199、，但是在一些特定場景或者商業營運場景已經開始嶄露頭角。開放場景以載人為主，包括 Robobus、Robotaxi、Minibus 等，均基于 L4/L5 級別自動駕駛技術，半封閉以及封閉場景則以載物為主，比如Robotruck， 其中半封閉場景包括干線物流、 無人環衛、 末端配送等， 封閉場景包括礦山運輸、港口運輸等。 自動駕駛系統分為感知層、決策層和控制層，感知層主要通過攝像頭、雷達等感知周圍環境信息，并通過 GPS/慣導等實現定位等車輛狀態的獲??；決策層依據感知層提供的環境信息和車輛定位情況，根據適合的模型進行路徑規劃等決策；控制層則通過底盤及各種控制附件件，驅動車輛執行相應命令動作。未來

200、隨著 Robotaxi 等商用化加速落地，以及家用車自動駕駛技術水平提升和功能更佳豐富，將給硬件配置將帶來新的發展機會。 感知層：根據 Yole 數據，對于單輛車而言，L1 級別各類傳感器數量為 6 顆，價值量 260 美元；L2 級別為 13 顆，價值量 405 美元；預計 L3 級別將達到 24 顆，價值量 2050 美元；L4級別將達到 38 顆，價值量 3430 美元；L5 級別將達到 35 顆，價值量 3170 美元。市場規模方面，在自動駕駛領域，根據 Yole 數據，預計 2020-2025 年，攝像頭模組將從 35 億美元增長至 81 億美元，CAGR 為 18%；毫米波雷達將從

201、 38 億美元增長至 91 億美元，CAGR 為19%；激光雷達將從 4 千萬美元增長至 17 億美元，CAGR 為 113%。 決策層：隨著自動駕駛從 L1-L5 升級，汽車 E/E 架構將逐步升級，從分布式架構邁向基于域的集中式架構， 最終達到整合域的中央計算平臺架構。 這將對 AI芯片算力提出越來越高的要求，傳統 CPU 已無法滿足算力提升需求，GPU/FPGA/ASIC/類腦等加速芯片重要性將越來越高。每提升一個級別，算力需求增加 10 倍以上。根據億歐數據，L1 級別算力需求小于1TOPS， L2 級別算力需求 2TOPS， L3 級別算力需求 30TOPS， L4 級別算力需求 3

202、00TOPS，L5 級別算力需求 4000+TOPS。中國自動駕駛 AI 芯片市場規模 2021 年為 25.1 億元，預計到 2025 年將達到 109.9 億元，CAGR 為 44.7%。 網聯化方面： 當智能化自動駕駛發展到一定程度后， 車輛與外部的溝通交流就愈發重要， V2X有利于構建一個智慧的交通體系， 對提高交通效率、 節省資源、減少污染、 降低事故發生率、改善交通管理具有重要意義。C-V2X 憑借高可靠性、高穩定性、低成本、廣覆蓋、低時延等 請仔細閱讀本報告末頁聲明 Page 73 / 76 Table_Page 電子電子 2022 年 6 月 29 日 優勢，未來在車聯網領域將

203、得到更廣泛的應用。在 L3 及以上自動駕駛領域，傳統導航地圖已經不再適用，而高精地圖具有更高的精度、更多維的數據，將深度助力自動駕駛定位、感知、規劃、決策。同時由于地圖測繪、采集等涉及到國防安全信息，導航電子地圖制作甲級測繪資質需要嚴格審批才能獲得，因此國內廠商有著天然的高壁壘優勢，有望在未來 L3 自動駕駛到來時充分受益。根據 IDC 數據，2020-2024 年，全球智能網聯汽車出貨量將保持穩步增長，2020 年為 4440 萬輛，2024 年將達到 7620 萬輛，CAGR 為 14.5%。滲透率方面，亦將保持穩步上升趨勢，根據 IHS Markit 數據，預計 2025 年全球智能網聯

204、汽車滲透率將達到 59.4%，中國智能網聯汽車滲透率將達到 75.9%。在網聯化過程中，射頻前端芯片將如同汽車的耳朵一樣將助力車聯網技術發展，從而彌補單輛汽車智能化不足，推動協同式應用服務發展。 4.2 建議關注建議關注 攝像頭：聯創電子； 激光雷達：長光華芯，炬光科技。 4.2.1 聯創電子聯創電子（002036.SZ） 公司主營業務是光學鏡頭、攝像模組及觸控顯示一體化等關鍵光學、光電子產品及智能終端產品制造， 下游領域包括智能手機、平板電腦、智能駕駛、 運動相機、 智能家居、 VR/AR 等。2022Q1 公司實現營收 20.1 億元，YoY-12.1%；歸母凈利潤 0.4 億元，YoY+

205、10.9%；毛利率12.0%，凈利率 1.9%。 2022Q1，公司主業收入增長良好，光學業務快速發展，同比增長 103.79%。1）高清廣角鏡頭和高清廣角影像模組業務方面，同比增長 51.21%，保持了良好出貨，客戶有 GoPro、大疆、影石、AXON 等，同時與華為在智能監控和智能駕駛等多個領域展開了深度合作；為大疆在航拍、智能避障開發的多個產品線已大批量產出貨。2）車載鏡頭及模組業務方面，同比增長 1042.85%，公司與 Mobileye、Nvidia、華為、Aurora 等國內外知名智能駕駛方案平臺商開展戰略合作，不斷發力智能駕駛、智能座艙車載鏡頭領域，8M ADAS 車載鏡頭和影像

206、模組研發成功并獲得客戶認可。與多家國內外知名汽車電子廠和新能源車廠合作開發的多款車載鏡頭和影像模組分別被 Valeo、Magna、Aptiv、比亞迪、零跑等知名客戶定點簽約。3）手機鏡頭和手機影像模組業務方面，同比增長 99.84%，客戶有中興、聯想、三星等品牌手機客戶，以及華勤、聞泰、龍旗等 ODM 廠商。 在車載光學領域，公司已將非公開發行股票原計劃投入“年產 2.6 億顆高端手機鏡頭產業化項目”的募集資金全部用于“年產 2400 萬顆智能汽車光學鏡頭及 600 萬顆影像模組產業化項目” ，以加快發展車載光學項目，提升車載鏡頭和影像模組產能。同時與合肥高新管委會指定主體共同出資設立項目公司

207、， 擬于 2025 年底前形成年產車載鏡頭和車載影像模組各 5000萬顆的研發、生產能力。截至 2021 年底，與 Tesla 的合作取得了 4 個新項目的定點，其中 2個新項目進入量產，另外 2 個新項目通過客戶認證，預計在 2022 年中量產。 4.2.2 長光華芯長光華芯（688048.SH） 公司聚焦半導體激光行業，主要業務為半導體激光芯片的研發、設計及制造，產品大致分為EEL 和 VCSEL，具體產品包括高功率單管系列產品、高功率巴條系列產品、高效率 VCSEL 請仔細閱讀本報告末頁聲明 Page 74 / 76 Table_Page 電子電子 2022 年 6 月 29 日 系列產

208、品及光通信芯片系列產品等，其中高功率半導體激光芯片和光通信芯片屬于 EEL，下游應用包括醫學美容、激光雷達、機器視覺定位、智能安防、消費電子、3D 傳感與攝像、人臉識別與生物傳感等領域。2022Q1 公司實現營收 1.1 億元，YoY+43.6%；歸母凈利潤 0.3億元，YoY+45.7%；毛利率 50.2%，凈利率 24.7%。 公司采用 IDM 模式，產線有 3 英寸和 6 英寸（6 英寸是半導體激光行業最大尺寸的產線） ，材料包括 GaAs（砷化鎵）和 InP（磷化銦） 。在工業激光器領域，公司生產的高功率半導體激光單管芯片、器件及光纖耦合模塊等光電器件產品，已作為泵浦源應用于下游工業激

209、光器的量產。在材料加工領域，公司生產的直接半導體激光器產品，已應用于下游激光成套設備廠商，廣泛應用于 3C 消費類電子、機械五金、醫療器械及激光再制造等領域。在國家戰略高技術及科學研究領域，公司的高功率巴條系列產品可實現連續脈沖（CW）50-250W 激光輸出，準連續脈沖（QCW）500-1000W 激光輸出，電光轉換效率 63%以上，廣泛應用于固體激光器等激光器的研制， 已服務于多家國家級骨干單位。 公司研發的面發射高效率 VCSEL系列產品已通過相關客戶的工藝認證，目前公司已獲得相關客戶 VCSEL 芯片量產訂單，產品應用領域擴展至激光雷達及 3D 傳感領域， 功率密度已經達到了 1200

210、 瓦每平方毫米， 2022年有望實現 VCSEL 方案的車規認證通過。 4.2.3 炬光科技炬光科技（688167.SH） 公司主要從事激光行業上游的高功率半導體激光元器件（“產生光子”） 、激光光學元器件（“調控光子”）的研發、生產和銷售，目前正在拓展激光行業中游的光子應用模塊和系統（“提供解決方案”，包括激光雷達發射模組和 UV-L 光學系統等）的研發、生產和銷售。公司主要收入來源于半導體激光、激光光學業務領域，目前正在拓展汽車應用和光學系統業務領域。下游應用領域包括先進制造、醫療健康、科學研究、汽車應用（激光雷達） 、信息技術五大領域。2022Q1 公司實現營收 1.1 億元，YoY+2

211、0.8%；歸母凈利潤 0.2 億元，YoY+120.9%；毛利率54.6%，凈利率 17.2%。 展望未來，高功率半導體激光元器件方面，泵浦類應用將持續快速發展，直接應用類場景將更加豐富；激光光學元器件在激光作為能量源載體的應用中將向更高精度、更高性能發展，在新一代信息技術應用中將向設計緊湊、大批量低成本制造發展；中游光子應用模塊和系統將在下游行業逐漸滲透，助力行業技術升級換代，滿足更高的應用場景需求。 公司的競爭優勢主要有：1）設計能力強；2）器件制造一致性有保證，具有成本優勢；3）損失小。汽車應用于，公司持續向汽車行業客戶交付量產的 Flash LiDAR 面光源模組產品及激光雷達光學整形

212、器件，已和大陸集團在 FlashLiDAR 上合作量產項目，并與大客戶約定未來有意向在車載激光雷達發射模組開展合作，此外 1550nm 正在做一些前沿的布局，現階段主要應用 EEL 技術，已為客戶提供 VCSEL 解決方案，未來隨著激光雷達成本進一步下探，有望迎來裝載量快速提升，帶動公司激光雷達相關產品駛入發展快車道。 5、風險提示風險提示 1、新能源車銷量、Robotaxi 等商業落地不及預期； 2、車規級傳感器、芯片等產品導入不及預期； 3、激光雷達、AI芯片等技術研發進度不及預期。 請仔細閱讀本報告末頁聲明 Page 75 / 76 Table_Page1 2022 年 6 月 29 日

213、 分析師聲明分析師聲明 作者在中國證券業協會登記為證券投資咨詢(分析師)，以勤勉的職業態度，獨立、客觀地出具本報告。作者保證： （i）本報告所采用的數據均來自合規渠道； （ii）本報告分析邏輯基于作者的職業理解，并清晰準確地反映了作者的研究觀點； （iii）本報告結論不受任何第三方的授意或影響； （iv）不存在任何利益沖突； （v）英文版翻譯若與中文版有所歧義，以中文版報告為準；特此聲明。 投資評級說明投資評級說明 投資建議的評級標準投資建議的評級標準 報告中投資建議所涉及的評級分為股票評級和行業評級 （另有說明的除外） 。 評級標準為報告發布日后 6 到 12 個月內的相對市場表現，也即：以

214、報告發布日后的6到12個月內的公司股價 （或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。其中：A 股市場以滬深300指數為基準；香港市場以恒生指數為基準；美國市場以納斯達克綜合指數或標普 500 指數為基準。 評級評級 說明說明 股票評級 買入 預期個股相對同期相關證券市場代表性指數的回報在 20%及以上； 增持 預期個股相對同期相關證券市場代表性指數的回報介于 5%20%之間； 持有 預期個股相對同期相關證券市場代表性指數的回報介于-10%5%之間； 賣出 預期個股相對同期相關證券市場代表性指數的回報在-10%及以下； 無評級 預期對于個股未來 6 個月市場表現與基準指數相比無

215、明確觀點。 行業評級 看好 預期行業整體回報高于基準指數整體水平 10%以上； 中性 預期行業整體回報介于基準指數整體水平-10%10%之間； 看淡 預期行業整體回報低于基準指數整體水平-10%以下。 一般聲明一般聲明 五礦證券有限公司（以下簡稱“本公司”）具有中國證監會批復的證券投資咨詢業務資格。本公司不會因接收人收到本報告即視其為客戶，本報告僅在相關法律許可的情況下發放，并僅為提供信息而發放，概不構成任何廣告。本報告的版權僅為本公司所有，未經本公司書面許可，任何機構和個人不得以任何形式對本研究報告的任何部分以任何方式制作任何形式的翻版、復制或再次分發給任何其他人。如引用須聯絡五礦證券研究所

216、獲得許可后，再注明出處為五礦證券研究所，且不得對本報告進行有悖原意的刪節和修改。在刊載或者轉發本證券研究報告或者摘要的同時，也應注明本報告的發布人和發布日期及提示使用證券研究報告的風險。若未經授權刊載或者轉發本報告的，本公司將保留向其追究法律責任的權利。若本公司以外的其他機構（以下簡稱“該機構”）發送本報告，則由該機構獨自為此發送行為負責。 本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入或將產生波動；在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告；本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所

217、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更新或修改。 本報告的作者是基于獨立、客觀、公正和審慎的原則制作本研究報告。本報告的信息均來源于公開資料，本公司對這些信息的準確性和完整性不作任何保證，也不保證所包含信息和建議不發生任何變更。本公司已力求報告內容的客觀、公正，但文中的觀點、結論和建議僅供參考，不包含作者對證券價格漲跌或市場走勢的確定性判斷。在任何情況下，報告中的信息或意見不構成對任何人的投資建議，投資者據此做出的任何投資決策與本公司和作者無關。在任何情況下，本公司、本公司員工或者關聯機構不承諾投資者一定獲利，不與投資者分享投資收益，也不對任何人因使用本報告中的任何內

218、容所引致的任何損失負任何責任。本公司及作者在自身所知情范圍內，與本報告中所評價或推薦的證券不存在法律法規要求披露或采取限制、 靜默措施的利益沖突。 五礦證券版權所有。保留一切權利。 特別聲明特別聲明 在法律許可的情況下，五礦證券可能會持有本報告中提及公司所發行的證券并進行交易，也可能為這些公司提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。因此，投資者應當考慮到五礦證券及/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一參考依據。 聯系我們聯系我們 上海上海 深圳深圳 北京北京 地址：上海市浦東新區東方路69 號裕景國際商務廣場 A

219、座 2208室 地址：深圳市南山區濱海大道3165號五礦金融大廈 23 層 地址：北京市海淀區首體南路 9 號4 樓603 室 郵編：200120 郵編：518035 郵編：100037 Page 76 / 76 Analyst Certification The research analyst is primarily responsible for the content of this report, in whole or in part. The analyst has the Securities Investment Advisory Certification granted

220、 by the Securities Association of China. Besides, the analyst independently and objectively issues this report holding a diligent attitude. We hereby declare that (1) all the data used herein is gathered from legitimate sources; (2) the research is based on analysts professional understanding, and a

221、ccurately reflects his/her views; (3) the analyst has not been placed under any undue influence or intervention from a third party in compiling this report; (4) there is no conflict of interest; (5) in case of ambiguity due to the translation of the report, the original version in Chinese shall prev

222、ail. Investment Rating Definitions The rating criteria of investment recommendations The ratings contained herein are classified into company ratings and sector ratings (unless otherwise stated). The rating criteria is the relative market performance between 6 and 12 months after the reports date of

223、 issue, i.e. based on the range of rise and fall of the companys stock price (or industry index) compared to the benchmark index. Specifically, the CSI 300 Index is the benchmark index of the A-share market. The Hang Seng Index is the benchmark index of the HK market. The NASDAQ Composite Index or t

224、he S&P 500 Index is the benchmark index of the U.S. market. Ratings Definitions Company Ratings BUY Stock return is expected to outperform the benchmark index by more than 20%; ACCUMULATE Stock relative performance is expected to range between 5% and 20%; HOLD Stock relative performance is expected

225、to range between -10% and 5%; SELL Stock return is expected to underperform the benchmark index by more than 10%; NOT RATED No clear view of the stock relative performance over the next 6 months. Sector Ratings POSITIVE Overall sector return is expected to outperform the benchmark index by more than

226、 10%; NEUTRAL Overall sector expected relative performance ranges between -10% and 10%; CAUTIOUS Overall sector return is expected to underperform the benchmark index by more than 10%. General Disclaimer Minmetals Securities Co., Ltd. (or “the company”) is licensed to carry on securities investment

227、advisory business by the China Securities Regulatory Commission. The Company will not deem any person as its client notwithstanding his/her receipt of this report. The report is issued only under permit of relevant laws and regulations, solely for the purpose of providing information. The report sho

228、uld not be used or considered as an offer or the solicitation of an offer to sell, buy or subscribe for securities or other financial instruments. The information presented in the report is under the copyright of the company. Without the written permission of the company, none of the institutions or

229、 individuals shall duplicate, copy, or redistribute any part of this report, in any form, to any other institutions or individuals. The party who quotes the report should contact the company directly to request permission, specify the source as Equity Research Department of Minmetals Securities, and

230、 should not make any change to the information in a manner contrary to the original intention. The party who re-publishes or forwards the research report or part of the report shall indicate the issuer, the date of issue, and the risk of using the report. Otherwise, the company will reserve its righ

231、t to taking legal action. If any other institution (or “this institution”) redistributes this report, this institution will be solely responsible for its redistribution. The information, opinions, and inferences herein only reflect the judgment of the company on the date of issue. Prices, values as

232、well as the returns of securities or the underlying assets herein may fluctuate. At different periods, the company may issue reports with inconsistent information, opinions, and inferences, and does not guarantee the information contained herein is kept up to date. Meanwhile, the information contain

233、ed herein is subject to change without any prior notice. Investors should pay attention to the updates or modifications. The analyst wrote the report based on principles of independence, objectivity, fairness, and prudence. Information contained herein was obtained from publicly available sources. H

234、owever, the company makes no warranty of accuracy or completeness of information, and does not guarantee the information and recommendations contained do not change. The company strives to be objective and fair in the reports content. However, opinions, conclusions, and recommendations herein are on

235、ly for reference, and do not contain any certain judgments about the changes in the stock price or the market. Under no circumstance shall the information contained or opinions expressed herein form investment recommendations to anyone. The company or analysts have no responsibility for any investme

236、nt decision based on this report. Neither the company, nor its employees, or affiliates shall guarantee any certain return, share any profits with investors, and be liable to any investors for any losses caused by use of the content herein. The company and its analysts, to the extent of their awaren

237、ess, have no conflict of interest which is required to be disclosed, or taken restrictive or silent measures by the laws with the stock evaluated or recommended in this report. Minmetals Securities Co. Ltd. 2019. All rights reserved. Special Disclaimer Permitted by laws, Minmetals Securities Co., Lt

238、d. may hold and trade the securities of companies mentioned herein, and may provide or seek to provide investment banking, financial consulting, financial products, and other financial services for these companies. Therefore, investors should be aware that Minmetals Securities Co., Ltd. or other rel

239、ated parties may have potential conflicts of interest which may affect the objectivity of the report. Investors should not make investment decisions solely based on this report. Contact us Shanghai Shenzhen Beijing Address: Room 2208, 22F, Block A, Eton Place, No.69 Dongfang Road, Pudong New District, Shanghai Address: 23F, Minmetals Financial Center, 3165 Binhai Avenue, Nanshan District, Shenzhen Address: Room 603, 4F, No.9 Shoutinan Road, Haidian District, Beijing Postcode: 200120 Postcode: 518035 Postcode: 100037