36Kr：2023年中国自动驾驶行业研究报告

36氪研究院36KRRESEARCH《2023年中国自动驾驶行业研究报告》36Kr-2023年中国自动驾驶行业研究报告报告摘要案例分析公司报告摘要地平线地平线高效能智能驾驶计算方案提供商蘑菇车联自动驾驶全栈技术与运营服务提供商轻舟智航自动驾驶通用解决方案提供商知行科技自动驾驶前装系统解决方案提供商•国家政策大力扶持，给自动驾驶行业发展注入强心剂。•经过多年发展，自动驾驶已经成为中国展现国家技术实力、创新能力和产业配套水平的新名片，呈现出蓬勃向上的新格局。进入2022年以来，国家层面及地方政府也适时出台一系列政策和规划，促进自动驾驶相关产业健康快速发展。2022年11月，工信部印发《关于开展智能网联汽车准入和上路通行试点工作的通知》，对准入试点的智能网联汽车产品，提出了一系列规划和指导要求，进一步推进了自动驾驶的发展进程。•乘用车自动驾驶正在由L2向L3+过渡，商用车自动驾驶已进入商业化运营阶段。相关研究报告36Kr-2021-2022年中国自动驾驶行业研究报告（2022.03）36Kr-2021年中国出行行业数智化研究报告•得益于硬件平台和软件算法逐步成熟，新车搭载L2功能正在逐渐成为前装标配。据统计，2022年我国在售新车L2和L3的渗透率分别为35%和9%，预计2023年将达到51%和20%*。与此同时，限定场景下的商用车自动驾驶率先进入商业化阶段。这主要由于商用车对价格的敏感度更低，相关研究报告36Kr-2021-2022年中国自动驾驶行业研究报告（2022.03）36Kr-2021年中国出行行业数智化研究报告•自动驾驶下半场来临，商业化落地将成为竞争关键。•2022年以来，资本针对自动驾驶赛道的投资逻辑开始发生变化。简言之，就是资本市场趋于理性，商业化落地成为影响投资人决策的关键性指标。当前，自动驾驶企业兼顾算法优化和量产落地，在技术研发同时，通过技术应用降维实现规模化量产，打通商业化落地路径，构建数据闭环，推动自动驾驶加速落地。可以预见，当自动驾驶下半场来临，商业化落地将成为竞争关键。1目录CONTENTS发展驱动力0202自动驾驶产业链及应用场景分析芯片、传感器、线控底盘、高精地图、V2X0303自动驾驶典型案例分析轻舟智航知行科技0404自动驾驶发展趋势展望舱驾融合成为趋势生态合作成为企业发展的重要能力301自动驾驶行业发展概况l定义与分类l发展驱动力l发展现状l资本分析•自动驾驶，又称无人驾驶，是依靠计算机与人工智能技术在没有人为操纵的•自动驾驶技术分为多个等级，不同机构提出过多种分级标准，目前业界常用的两种分级标准是NHTSA分级（美国高速公路安全管理局提出）和SAE分级（美国汽车工程协会提出）。两种分级在具体级数划分方面存在特征描述方面存在共性，从L3级开始，驾•在本报告中，对自动驾驶技术的研究采用SAENHTSA分级SAE分级名称定义驾驶操作周边监控接管应用场景无自动化没有任何辅助功能及系统，完全依靠驾驶员进行操作驾驶员驾驶员驾驶员无驾驶支援车辆对方向盘和加减速的一项操作提供驾驶操作，驾驶员负责其余驾驶动作驾驶员&车辆驾驶员驾驶员限定场景部分自动化车辆对方向盘和加减速的多项操作提供驾驶操作，驾驶员负责其余驾驶动作车辆驾驶员驾驶员限定场景有条件自动化由车辆完成绝大部分驾驶操作，驾驶员需保持注意力以备不时之需车辆车辆驾驶员限定场景高度自动化在限定道路和环境条件下，由车辆完成所有驾驶操作，驾驶员无需保持注意车辆车辆车辆限定场景完全自动化由车辆完成所有驾驶操作，驾驶员无需保持注意力车辆车辆车辆所有场景参考资料：西南证券，36氪研究院根据公开资料4•近年来，我国先后推出一系列支持政策，推动自动驾驶技术发展和商业化落地。2020年2月，国家发改委、工信部等11个部委联合下发的《智能汽车创新发展战略》提出，加速发展高级别自动驾驶。2022年8月，交通运输部发布《自动驾驶汽车运输安全服务指南（试行）》（征求意见稿），旨在适应自动驾驶技术发展的趋势，鼓励自动驾驶车辆商用。同时，北发布部门文件名称主要内容构建协同开放的智能汽车技术创新体系，突破智能计算平台、云控基础平台等关键基础技术，完善测试评价技术，开展应用示范试点；构建跨界融合的智能汽车产业生态体系，推进车载高精度传感器、车规级芯片等产品研发与产业化；推进智能化道路基础设施规《2020年智能网联汽车标准化工作要点》要形成能够支撑驾驶辅助及低级别自动驾驶的智能网联汽车标准体系，并建立智能网联汽车标准制定及实施评估机制。《新能源汽车产业发展规划（2021-发展一体化智慧出行服务。加快建设涵盖前端信息采集、边缘分布式计算、云端协同控制的新型智能交通管控系统；推进以数据为纽带的“人—车—路—云”高效协同；支持以智能网联汽车为载体的城市无人驾代客泊车和特定场景示范应用。部联合发布《智能网联汽车道路测试与示范应用推动汽车智能化、网联化技术应用和产业发展，规范智能网联汽车自动驾驶功能测试与示范应用。《物联网新型基础设施建设三年行动打造车联网（智能网联汽车）协同服务综合监测平台，加快智慧停车管理、自动驾驶等应用场景建设，推动城市交通基础设施、交通运载工具、环境网联化和协《自动驾驶汽车运输安全服务指南在保障运输安全的前提下，鼓励在封闭式快速公交系统等场景使用自动驾驶汽车从事城市公共汽（电）车客运经营活动，在交通状况简单、条件相对可控的场景使用自动驾驶汽车从事出租汽车客运经营活动，在点对点干线公路运输、具有相对封闭道路等场景使用自动驾驶汽车从事道路普通货物运输经营活动。《关于开展智能网联汽车准入和上路通信试点工作的通知》工信部、公安部遴选符合条件的道路机动车辆生产企业和具备量产条件的搭载自动驾驶工程的智能网联汽车产品，开展准入试点；对通过准入试点的智能网联汽车产品，在试点城市的限定公共道路区域内开展上路通行试点。5AI技术发展推动自动驾驶技术迭代，芯片•自动驾驶发展进程与AI技术发展高度相关。根据Gartner新兴技术成熟度曲驾驶开启产业化进程。但由于受成本和法规限制，彼时高级别自动驾驶的商业化落地遭遇瓶颈。经过三四年技术积累，感知和决策算法等核心技术的突破提高了AI模型鲁棒性、系统冗余性和测试完善性，助力自动驾驶加快商业•算法、数据与芯片技术发展为自动驾驶功能实现提供了坚实的底座。1）深度学习算法在感知层和决策层共同驱动自动驾驶发展，深度强化学习算法（DRL）的产生让更高维度的数据处理成为可能；2）海量优质路况数据是训练AI算法模型、提高感知精度的关键，路测里程和路测车辆数量增加而带来的高质量数据给自动驾驶发展提供了必要支持；3）芯片为自动驾驶技术提供算力平台，随着汽车电子电气架构由域集中式向中央集中式演进，自动驾驶的主控芯片向中央计算芯片融合的方向发展，芯片集成度的提高可以有包括控制算法、定位算法、感知算法和决策算法。控制和定位算法发展较快包括控制算法、定位算法、感知算法和决策算法。控制和定位算法发展较快，感知和决策算法作为自动对于自动驾驶而言，数据贯穿研发、测试、量产、运营维护等全生命周期。以数据驱动汽车进化，自动驾芯片是为自动驾驶提供算力的大脑，传感器生成数据给芯片，由芯片通过算法处理和运算后，输出汽车6减排、产业变革等方面推动社会整体发展和进步。•当前，车辆架构正在朝着以通用计•制定渠道引流策略和个性化宣发内容•对脱敏数据进行用户画像分析，将留•对脱敏数据进行用户画像分析，将留划••搭建个性化直播间；主播和直播内容*参考资料：交通运输部，公安部，中国疾控中心，37•目前来看，我国量产乘用车自动驾驶等级正在由L2向L3+过渡。得益于硬件2022年我国在售新车L2和L3的渗透率分别为35%和9%，预计2023年将达到51%和20%。部分科技公司直接研发L4级自动驾驶，并在部分城市路段或特定场景下进行测试。但目前高级别自动驾驶仍然面临着政策法规、安全性、技术成熟度等众多挑战亟待突破。据统计，2022年我国L4渗透率为2%，预计2023年将达到11%*。数据来源：共研产业研究院，36氪研究院整理•与此同时，限定场景下的商用车自动驾驶率先进入商业化阶段。这主要由于商用车对价格的敏感度更低，B端付费意愿更高，加之场景交通复杂程度较低以及政策鼓励与放开，使得商用车在成本、市场、技术、法规等方面具有更好的落地性。目前，在矿区、港口、干线物流、机场、物流园区等细分场景，高级别自动驾驶正在孕育新市场。其中，干线物流、矿区、港口三大场景因人力资源不足和安全事故频发的痛点明显，降本增效成果显著，商业化8•主机厂方面，国际巨头多采取稳扎稳打的发展策•互联网/科技公司凭借人工智能算法和软件技术优势车企形成分庭抗礼之势。互联网巨头通过投资、孵化或直接组•随着自动驾驶高速发展，传统汽车产业中的主同比增加了近3个百分点*。9•在自动驾驶解决方案方面，存在•在技术可行性之外，参与者话语权、准入门槛、商业化参与者决定采取何种路线的重要考量因素。乘用车是道路上的主要拉的FSD、小鹏的NGP、蔚来的NOA等都是主机厂践行单车智能路线的代驾驶在相关路口的问题发生频率降低80%以上*。资逻辑正在由过去的多点布局转变为商业化落地、硬件集成和量产为先。!!投资事件数量（个）企业名称企业定位与所属领域飞步科技超亿元地平线高效能智能驾驶计算方案提供商蘑菇车联数亿元轻舟智航威马汽车约6亿美元新能源汽车产品及出行方案提供商知行科技02自动驾驶产业链及应用场景分析l自动驾驶产业图谱l自动驾驶产业链关键环节分析芯片、传感器、线控底盘、高精度地图、V2Xl自动驾驶主要应用场景物流、环卫、矿山、港口、Robotaxi决策规划控制执行软件算法芯片团nviDIA.从通信模组elit高精地图决策规划控制执行软件算法芯片团nviDIA.从通信模组elit高精地图传感器 域控制器域控制器整车厂整车厂解决方案提供商解决方案提供商轻舟QCRAFT端、端用户端、端用户C端用户打车服务配送服务无人零售游注：自动驾驶产业图谱由36氪研究院梳理，只列出部分企业为代表，未覆盖全在智能汽车快速发展带动下，汽车芯片结构由MCU级别芯片，在MCU基础上增加了音频处理DSP、图像处理GPU、神经网络目前市场中主要有三种自动驾驶芯片SoC架构方案，从发展趋势来看，定制批量生产的低功耗、低成本的专用自动驾驶AI芯片（ASIC）将逐渐取代高功SoC架构代表企业发展趋势CPU+GPU+ASIC英伟达、特斯拉、高通等在自动驾驶算法尚未成熟固定之前，该架构仍然会是主流CPU+ASICMobileye、华为、地平线等自动驾驶算法成熟后，定制批量生产的低功耗、低成本的专用自动驾驶AI芯片（ASIC）将逐渐取代高功耗的GPU，该架构有望成为未来主流架构CPU+FPGA百度、赛灵思、Waymo等FPGA适合做算法的开发测试，在大规模量产方面不具备成本优势数据来源：盖世汽车，东方证券研究所，36氪研究院整理•随着自动驾驶等级提升，多传感器融合，感知数据处理量增加，同时上层软算力芯片快速发展。数据来源：头豹研究院，36氪研究院整理•大算力芯片产品陆续出现，市场竞争愈发激烈。英伟达OrinX系统级芯片算芯片商芯片商最大算力功耗（W）制程（nm）适用等级量产上市时间英伟达OrinX254407L2-L52022MobileyeEyeQUltra5L4/L52025华为Ascend91051231072022地平线征程5L2-L42022高通SA8540360/5L1-L52022数据来源：36氪研究院根据公开资料整理特斯拉（自研）地平线Mobileye英伟达大华股份图示：2022年1-9月中国市场乘用车前装标数据来源：高工智能汽车，36氪研究院整理光雷达、超声波雷达、毫米波雷达等对车辆周边的环境进行实时感知，获取周围物体的精确距离及轮廓信息。•从技术发展路径来看，自动驾驶主要分为视觉派和雷达派两大路线。视觉派特斯拉为典型代表。但由于摄像头对物体及其距离的识别高度依赖深度学习算法，因此视觉方案对算法的要求极高，需要庞大的训练数据来持续支持算法改进。雷达派以激光雷达为核心，并配合摄像头、毫米波雷达、超声波雷达等传感器，以强感知和低算法为特点，典型代表是Waymo。早期激光雷达成本较高，动辄上万美元的价格在一定程度上制约了方案推广，近年来在技术发展、量产规模提升、国产供应链切入等多种因素驱动下，目前整体价•随着高级别自动驾驶渗透率不断提升，视觉路线和雷达路线的单车搭载传感器数量均较以往大幅增长，其中L3传感器数量将达到17-34颗，比L1增加一传感器类型摄像头3-113-143-143-14毫米波传感器超声波传感器4-88-128-128-128-12激光雷达00124合计6-1414-2617-3418-3520-37数据来源：奥迪威招股说明书，东莞证券研究所，36氪研究院整理•3.线控底盘。传统汽车底盘主要由传动系、行驶系、转向系和制组成，这四部分相互连通、相辅相成。而线控底盘就是对汽车底盘信号的传导机制进行线控改造，以电信号传导替代机械信号传导，从而使其更加适用于自动驾驶车辆。具体来说，就是将驾驶员的操作命令传输给电子控制器，再由电子控制器将信号传输给相应的执行机构，最终由执行机构完成汽车转向、制动、驱动等各项功能。在这一过程中，线控结构替代了方向盘、刹车踏板与底盘之间的机械连接，将人力直接控制的整体式机械系统转变为操作端和设备端两个相互独立的部分，实现多来源电信号操作，使得线控底盘具备高精度、高安全性、高响应速度等优势。可以说，线控底盘是智能汽车实现L3及以上高阶自动驾驶的必要条件。位置精度接近1米，相对位置精度在厘米级别，能够实时、准确、全面地表达道路特征。高精地图信息包括道路信息、规则信息、实时信息三部分，其中道路信息由车道模型、道路部件和道路属性构成，为自动驾驶汽车提供决策基础；规则信息和实时信息则叠加于道路信息之上，获取驾驶行为限制和•受国内地图测绘政策限制，并非所有厂商都有资质能进行高精地图数据采集，测绘资格成为高精地图产业的重要壁垒。目前，拥有“导航电子地图制作全排除在外。自身不具备资质的企业只能通过投资、合作等方式间接使用该一般来说，高精地图供应商一旦与整车厂形成封闭供应链，短时间内很难更换。除政策限制外，高精地图数据的采集和维护需要大车辆为信息感知对象，借助新一代信息通信技术，实现车与车、车与人、车与路、车与服务平台等之间的网络连接。V2X不是单纯的联网技术或智能产•V2X主要有DSRC和C-V2X两个实现路线。DSRC由IEEE提出，发展自上世纪末，由欧美主导，经过二十多年发展，技术已相对成熟；C-V2X由3GPP提出，由中国主导，包括LTE-V2X和5GNR-V2X两种。目前，DS•C-V2X技术基于蜂窝网通信技术演进形成，通过直连通信和蜂窝通信两种通C-V2X还具备未来可支持高级别自动驾驶的演进路线优势，即5G-V2X。目前，我国已经明确选择C-V2X技术路线作为车联网的直连通信技术。随着政服务、货运车队应用等•根据不同行驶里程和行驶区域，自动驾驶在物流领域的落地应用场景主要可分为干线物流和末端物流。离、道路参与者相对简单的特点。长期以来，安全和成本问题是干线物流的两大痛点。在这一市场，60%运力为个体车主或小型车队，市场竞争激无序，超载、超速、疲劳驾驶等问题普遍存在*1。搭载L3及以上自动驾驶系统的卡车可以实现高速上自动跟车、变道超车、主动避让、自动调头等多项少人力成本，提高运输效率。产业和学术界认园区等封闭或半封闭场景，具有高频分散、即时性强的特征，存在配送效率低、成本高的行业痛点。相比于载人级自动驾驶应用，末端物流场景的行驶速度低、路段封闭、场景复杂度低，自动驾驶技术的落地难度大大降低，因而能够更早实现规模化的商业应用，搭载自动驾驶系统的无人配送车成为解决方案。通过配备雷达、摄像头等高精传感器，无人驾驶配送车能够实时感知和识别周边环境变化，根据配送物体的数量和需求，自助规划最优配送路现无人配送车核心零部件的自研自产自用，极大降低了产品成本，为规模化•环卫行业主要有高度人力依赖和人卫工作效率和安全性。随着智慧环卫被纳入政府部门和环卫服务器人公司、泛人工智能应用公司等。对于正向现金流的追求和商的关键。••专注于城市场景下的无人驾驶，•定位于人工智能技术的应用，提•矿区工作存在安全性低和人力成本高两大痛点。一方面，矿区工作危险系数矿企对自动驾驶技术需求强烈。此外，矿山场景简单、道路封闭、整体条件•与国外相比，我国矿区自动驾驶起步较晚，主要由希迪智驾、踏歌智行、慧拓智能等自动驾驶公司牵头落地。矿山开采分为露天开采和地下开采，目前国内的自动驾驶企业几乎都聚焦于露天矿的运输场景。矿区自动驾驶解决方案是一项综合工程，不仅需要无人驾驶改装、线控化设计和匹配、加装软件算法和多传感器融合方案，还需要搭建调度系统、高精地图和通信网络，最终实现最优路径规划和决策控制。近五年来，国内企业加快矿山场景的技术方案研发和运营探索，多家公司已经开始小规模的车队测试运营。在政策支持、技术进步和市场需求驱动下，矿山自动驾驶商业化落地程度将逐步提升。数据来源：头豹研究院，36氪研究院整理•港口自动驾驶是典型的封闭低速运营场景，速度家自动驾驶技术解决方案提供商陆续进行自动驾驶集卡落解决方案AGV自动驾驶跨运车自动驾驶集卡感知、定位、导航系统道路预埋磁钉车载传感器车载传感器基础设施改造前期投入大、改造费用高基本无需场地改造基本无需场地改造采购、维护、保养成本单车成本高昂单车成本较高单车成本较低运输能力水平运输水平及垂直运输水平运输使用区域限制港内限定区域港内限定区域港内、港外、等级公路使用便利性仅能自动驾驶同时支持自动驾驶和远程控制同时支持自动驾驶和远程控制调整作业区域需重新铺磁钉简单易行简单易行未来技术升级潜力低高高适用港口大型新建港口堆垛箱数较少新旧港口新旧港口数据来源：亿欧智库，国信证券，36氪研究院整理解决当前车辆安全隐患和用车痛点，其无人化和智能化优势将给出行方式带•业界认为，我国Robotaxi商业化发展可分为四个阶段。商业化运营牌照的推出是拉开商业化序幕的标志；商业化1.0是运营政策赋能期，集中解决算法精进和长尾问题，为大规模商业化应用提供技术支撑；商业化2.0是技术成熟期，技术得到市场验证，实现大规模量产和落地；商业化3.0是成本效率获取数据以及通过数据迭代算法的能力成为各自动驾驶公司完善技术解决方案、实现商业化应用的核心竞争力。自动驾驶公司和出行服务运营商积极探索车队运营、算法降维以及场景开拓等多种商业化落地路径。运营政策赋能期驾驶技术成熟期成本效率优势期运营政策赋能期驾驶技术成熟期成本效率优势期•仅在城市划定范•一二线城市为主，围内试运营围内试运营•扩展到更大的城市区域，包括市03典型案例分析l地平线l蘑菇车联l轻舟智航l知行科技•地平线成立于2015年，是行业领先的高效能智能驾驶计算方案提供推动智能驾驶在中国乘用车领域商业化应用的先行者，地平线致力于通过软硬结合的前瞻性技术理念，研发极致效能的硬件计算平台以及开放易用的软件开发工具，为智能汽车产业变革提供核心技术基础设施和开放繁荣的软件•依托领先智能计算架构技术，打造底层开放平台。地平线是国内率先实现大规模前装量产的车载智能芯片公司，领跑ADAS一体机、智能座舱、智能驾驶（行泊一体）域控制器等细分市场。地平线通过在车载智能芯片与智能驾驶算法领域的前瞻探索与量产积累，现已构建起支撑全场景整车智能规模化落地的强劲实力，能够面向产业提供包含高性能汽车智能芯片、硬件参考设计、软件开发平台、参考算法与示例等在内的完整芯片解决方案。NOA、行泊一体等全场景智能驾驶的感知方案。依托高性能的征程系列新芯片和强大的视觉感知处理能力，能够高效支撑以大规模深度神经网络应用和海量地实现L2-L4级智能驾驶量产及持续迭代升级全时免唤醒、可见即可说、所思即所达等主动精准的力车企与生态伙伴构建领先的人机交互方案和差异化价位、全动力类型车型量产需求；最新一代征程5专注高像头、毫米波雷达、激光雷达等多传感器感知、融合、预测与规划控制需求量化、量化训练、编译优化和部署三大核心能力，提供从模型获得至应用部署的全流程支持。已累计赋能超过件系统开发与应用量产提供全生命周期的可靠性保障和•软硬结合，极致效能，打造核心技术壁垒。软硬结合的本质是软硬件计算架构的深度结合。在大算力基础上，地平线凭借在软件协同优化方面的深厚积效率和计算灵活性。•规模化前装量产，领跑行业商业化落地。地平线征程芯片累计出货量已突破200万片，与超过20家车企签下超过70款车型的前装量产定点项目。2022产大算力芯片量产元年。同年，地平线先后与大众汽车集团达成深度战略合作，与东风日产启辰达成量产合作，意味着中国车载智能芯片企业已经走向国际市场。模式，向行业合作伙伴提供底层芯片和芯片开发软件平台，帮助合作伙伴快速建立具有竞争力的自动驾驶软硬件系统。同时，地平线打造了开源的实时供软件工具包、芯片参考设计和技术支持，助力部分车企开发自研芯片，提20家车企签下超过70款车型的前装量产定点项目•覆盖燃油车、电动车、SUV、MPV、轿跑率的持续引领•定位Tier2，开放交付，提供芯片+量产级•蘑菇车联成立于2017年，是自动驾驶全栈技术与争中形成先发优势。•率先提出并实践“车路云一体化”方案，引领技感知、融合决策控制、高精地图、AI、仿真系统、云+边缘计算、实时大数城市级自动驾驶落地项目积累大量数据与运营经验，形成商业化落地闭环，成就“行业黑马”•自动驾驶规模化商业化落地，成就“行业黑马”。当自动驾驶商业化落地成为主旋律，行业竞争焦点也转移于此。蘑菇车联充分考虑市场需求、应用成本、落地阻力等因素，遵循商业化落地的底层逻辑，选择从简单到复杂、从高毛利到常规场景的发展思路，覆盖车辆类型从特种车辆、商用车到公共服务乘用车，最后延伸至私家车。具体而言，短中长期盈利模型可以概括为三衡阳城市级自动驾驶项目、云南大理车路协同自动驾驶智慧景区项目等10余个城市级项目，累计订单金额超过100亿元。其中，衡阳项目是典型代表。合城市交通新基建、自动驾驶运营服务和城市智慧交通大脑，建成国内首个城市级自动驾驶落地项目。一系列落地建设经验和规模，积累了大量数据和运营经验，反哺技术研发和城市数字化建设，商业化落地闭环。同时，这些积累也赋予蘑菇车联从2G，到2B，再到2C的打造城市交通数字底座在城市各个场景实现自动驾驶商业化落地为所有交通参与者提供实时交通数据•轻舟智航成立于2019年，是全球前沿的自动驾驶通用解决方案提供智航拥有轻、快、高效的自动驾驶团队，通过多年实践积累了全栈自研的核心技术体系，打造“自动驾驶超级工厂”底层研发系统，以数据驱动+效率提升为内核，以系统性运作、流水线开发为特点，以此增强自动驾驶技术的•轻舟智航采取“双擎”发展战略。“双擎”即技术应用深度和广度，也是自动驾驶落地的两大核心能力。一方面，以公开道路L4级别自动驾驶能力为“动力引擎”，不断探索更多落地场景，驱动城市交通出行效方面，以自动驾驶前装量产规模化落地为“创新引擎”，借助更多装机量实现产品和技术的打磨。流水线开发数据自动化闭环系统性运作数据高效自动化利用批量化数据解决方案感知算法规划控制图示：轻舟智航“自动驾驶超级工厂”•多元产品矩阵，满足市场需求。在L4级自动驾驶领域，轻舟智航以智慧城市场景需求为导向，推出龙舟系列自动驾驶车及解决方案，应用于网约车、公交车及接驳车等场景。前装量产方面，推出高阶辅助驾驶方案“轻舟乘风”,可全国产配置，既可配置“一颗激光雷达”，也•差异化技术路线，打造独特竞争力。数据方面，轻舟智航拥有海量L4级传感器数据和驾驶行为数据，有效提高前装量产能力上限；同时利用L4工具链优势，加速前装量产能力迭代。感知方面，超融合感知方案拥有领先的多传感辆行车更聪明、效率更高效、体验更舒适。通过小商业闭环积累大量数据，推动更大商业闭环的实域开创新品类，联结居民区、交通枢纽和商业中心，利用“轨道交通+微循域，推出自动驾驶解决方案“轻舟乘风”•NPC：基于独创的时空联合规划技•NPC：基于独创的时空联合规划技•在Robotaxi领域持续测试与•知行科技成立于2016年，是一家专注于自动驾工智能高科技公司。经过多年发展，知行科技在多传感器数据融合整车系统集成验证能力，是国内领先的具有全栈自动驾驶研发能力的公司。•知行科技深度布局域控制器和智能摄像头两条产品线阶段，iDCHigh预计在2024年实现量产。智能摄像头产品主要面向ADAS智能前视摄像头高级辅助驾驶功能•车道偏移报警、前方碰撞预警系统•交通拥堵和高速公路自动驾驶包展趋势下，提供性能更强、价格更优的域控产品。其自研的行泊一体域控制•全栈自研，打造卓越核心技术。知行科技的域控制器实现了全栈自研，它不依赖于任何特定的硬件平台，上层功能可以100%移植到全新硬件平台。为了实现这一目标，知行科技专门开发了一套灵活可靠的软件中间件，它支持实时操作系统RTOS（包含核间通信），HLOS（如Linux这种开源的操作系），•需求导向，规模化量产有序推进。知行科技以市场需求为导向，通过轻量级方案（iDCMid）切入市场，再借助中低端车型走量，同（iDCHigh），向高端车型延伸，逐渐步入高阶自动驾驶。目前域控制器•未来，知行科技将加快全场景智能驾驶的全面落地，在提高市场占有率的同实现了软件中间件和硬件的全栈自硬分离实现了软件中间件和硬件的全栈自硬分离域控制器iDCMid已经正式量产下04自动驾驶发展趋势展望l商业化落地成为竞争关键l舱驾融合成为趋势l生态合作成为企业发展的重要能力•自动驾驶商业化主要受场景标准化程度、技术成本优势、安全性能要求等因素影响。这就意味着，整体来说，高级别自动驾驶将遵循从封闭到半开放和开放、从专用到通用、从载物到载人的落地逻辑。•商用车方面，自动驾驶货车商业模式清晰，有望率先落地；末端物流刚需较将成为高确定性的落地场景。乘用车方面，随着自动驾驶AI模型在云端深入应用，行泊一体的自动驾驶架构持续迭代，车端自动驾驶系统的综合成本大低算力车端平台上部署，这将使得高级别自动驾驶系统成为中端价位车型的场景标准化程度安全性能要求安全性能要求自动驾驶自动驾驶•智能座舱和自动驾驶是汽车智能化的两个典型代表，直接影响汽车智能化体验。智能座舱是汽车与用户沟通和交流的载体，侧重于人车交互；自动驾驶则发挥汽车的基本功能，在行驶过程中实现车与环境的交互。而在交通环境中，驾驶行为是一个由人、车、环境三方参与并交互的过程•随着汽车智能化的发展，从国内外整车企业发布的新车来看，目前正在从分布式电子电器架构向域集中式控制器架构过渡。无论是传统汽车还是新能源汽车上，域集中式架构正越来越多地应用于量产车型。与此同时，采用更集中、更高算力的通用计算硬件，配合更丰富的软件进行整车控制，实现软件定义汽车，将给汽车行业带来显著改变。可以看到，汽车产业链核心零部件供应商、整车厂商、自动驾驶解决方案提供商等都在进行舱驾融合方面的研发。例如，在芯片领域，未来有望在同一芯片中完成智能座舱、智能驾驶、智慧泊车功能，进一步简化自动驾驶硬件体系，降低成本；在汽车域控架构方面，呈现域功能集中的趋势，这主要是由于自动驾驶和座舱芯片的芯片制共享、感知共享、服务共享，智能座舱域控制器可支持智驾系统失效下的系统级安全冗余等。但真正要达到硬件芯片层面的融合，则面临更多挑战。一件解耦势在必行；另一方面，功能的集中会规避安全风险，需要进行芯片结构和生产过程优化。未来，随着自动驾驶基础设施越来越完善