全球人工智能投资新机遇自动驾驶、AI医疗、AI金融

1、1目录自动驾驶、AI医疗及AI金融有望引领AI下一个时代AI自动驾驶AI医疗AI金融风险因素2目录自动驾驶、AI医疗及AI金融有望引领AI下一个时代2019-2021年MIT年度十大突破性技术AI相关2019-2021年达摩院科技趋势AI相关加速底层算力需求的爆发，英伟达是当仁不让的首选相关自动驾驶：产业链图谱自动驾驶：车载芯片和传感器存在巨大投资机会自动驾驶：无人驾驶是人工智能最前沿、最广阔的大综合自动驾驶：“车企+供应商/科技公司”的合纵连横自动驾驶：乘用车场景从ADAS向上迭代增加功能，以安全为上自动驾驶：商用车“场景为王”已现端倪，商用路径明显自动驾驶：共享出租车Robotaxi的“以

2、时间换空间”自动驾驶：车载芯片是技术研发壁垒相对最高一环自动驾驶：各等级ADAS和DMS功能渗透率不断提高自动驾驶：车载摄像头行业有望复制消费电子摄像头的发展路径自动驾驶：毫米波雷达加速发展，4D成像雷达成下一个技术趋势自动驾驶：激光雷达在自动驾驶里是必不可少还是锦上添花？AI医疗：缓解医疗资源供需矛盾，疫情加速赋能AI医疗：加速药物及疫苗研发、挖掘基因组学研发潜能AI医疗：医疗影像检查场景进入差异化竞争阶段AI医疗：智能医院和医疗仪器AI金融：AI与金融加速结合的三点背景AI金融：主要玩家六大类示例2.3 自动驾驶：无人驾驶两大技术阵营Diversity and Redundancy4.3

3、AI金融：金融风控的四大步骤示例AI金融：加速底层算力需求的爆发，英伟达是当仁不让的首选AI金融：银行业积极拥抱AI，深耕细分场景的SaaS企业或将受益AI金融：AI保险从投保到理赔全线场景落地，节本增效与消费者双赢AI金融：智能投顾方兴未艾，有望引领下一个AI金融的浪潮5 风险因素31. 新时代AI三大应用方向自动驾驶、AI医疗及AI金融有望引领AI下一个时代2019-2021年MIT年度十大突破性技术AI相关2019-2021年达摩院科技趋势AI相关加速底层算力需求的爆发，英伟达是当仁不让首选41.0 自动驾驶、AI医疗及AI金融有望引领AI下一个时代人工智能从来不是新的概念。但摩尔定律的

4、突破、云计算的发展、以及海量数据的垂手可得让人工智能开始得以普及。我 们认为人工智能在2016 年开始经历过以机器视觉、语音识别、和自然语言处理所带动的安防和音箱应用的高增发展后，新 的AI 应用，包括医疗医药研发、金融服务和自动驾驶等领域，叠加疫情的催化，将为产业发展带来新一个“黄金时代”。2016-2017年MIT年度十大突破性技术中：我们认为语音接口及其所赋能的智能音箱，在技术和应用场景方面已较为成熟，并实现大规模普及应用，计算机通过语 言与我们交流和互动，理解语言的上下文含义，使AI系统获得全方位的实用性提升；同时，以刷脸支付为代表的机器视觉目前也得到了长足的发展，人脸识别在手机端中的

5、诸多应用同样已极为成熟；以特斯拉、Waymo等为代表的自动驾驶技术及自动驾驶货车等随着算力的提升及算法的迭代，也取得了长足的进展，目 前量产车型已开始自ADAS向L3级别自动驾驶迭代，实现包括自主泊车、自主变道及高速自动驾驶等多种功能，但距离 L4-L5级别的自动驾驶量产车则仍需等待技术及产业的进一步发展。目前包括苹果、谷歌、百度、华为及小米等在内众多 科技巨头及相关传统车企也开始利用产业链的“合纵连横”布局其中，Tesla更是凭借自动驾驶电动车市值跃升超6000亿 美元，而自动驾驶货车企业图森也即将登陆美股上市。年度技术领域突破技术主要研究者发布当年 预计实现年限2016语音接口将语音识别和

6、自然语言理解相结合，为世界上最大的互联网 市场创造切实可用的语音接口百度、谷歌、苹果、Nuance通信公 司、 Facebook现在知识分享型机器人机器人能够独立自主学习任务，同时将知识传送到云端，以 供其他机器人学习Brain of Things、布朗大学、加利福 尼亚大学伯克利分校、德国达姆施塔 特工业大学3-5年特斯拉自动驾驶技术汽车可以在各种环境下安全自动驾驶特斯拉、沃尔沃、梅赛德斯、谷歌、优步、尼桑、福特、丰田、通用3-5年2017强化学习通过模仿人脑学习的方式，让人工智能在没有特定指引监督 下的经验学习，应用在无人驾驶、自动化等方面。DeepMind、Mobileye、OpenAI

7、、 Google、Uber1-2年自动驾驶货车在高速公路上长途行驶的自动驾驶货车很有可能会成为最快 落地的无人驾驶项目，并对百万计的货车司机职位产生冲击Otto、Volvo、Daimler、Peterbilt5-10年刷脸支付人脸识别技术目前以及成熟到可以广泛地应用于金融交易验 证当中。Face+、百度、阿里巴巴现在实用型量子计算机制造出稳态的量子比特，并带来在人工智能运算等方面相较 于传统计算机指数级的速度提升。荷兰量子技术研究所QuTech、Google、Intel、Microsoft、IBM4-5年资料来源：MIT Technology Review，中信证券研究部51.0 自动驾驶、A

8、I医疗及AI金融有望引领AI下一个时代1950s人工智能的诞生：1950 年图灵测试被提出； 1956年达特矛斯会议上 Artificial Intelligence名 称确立。1960s第一次黄金年代：搜索式推理算法下，通用解题器程序 诞生，将这一算法推广到一般情形世界上第一台 通用计算机 ENIAC1970s第一次AI低谷：计算复杂性和指数爆炸与计 算机的运算能力的不足发生 矛盾；感知器与联结主义遭到冷落。1980s第二次黄金年代：专家系统(Expert system)和知识工程 (Knowledge Engineering)出现引领 实用化潮流；Hopfield网络和反向传播算法back

9、propagation获得推广1990s第二次AI低谷：从80年代末到90年代初，AI遭遇了一系列财政问题。专家系统的局限性凸现。1980s第一代AI研究者使 用的电脑 IBM 7024节点Hopfield网络Artificial neural network超过8层神经网络的机器学习 雏形已经获得应用，比如识别 手写邮政编码等机器视觉技术资料来源：MIT Technology Review，logo来自各公司官网，中信证券研究部61.0 自动驾驶、AI医疗及AI金融有望引领AI下一个时代1992语音识别巨头Nuance 成立：声纹验证解决方 案在全球范围内部署1997IBM制造的电脑深 蓝D

10、eep Blue击败 了国际象棋冠军20002009瑞士洛桑联邦理工学院发起的蓝 脑计划(Blue Brain Project)声称 已经成功地模拟了部分鼠脑20092011苹果Siri、谷歌Now、 微软Cortana等人工 智能助理程序上线2016MIT推出了会做数十种面部 表情的机器人Kismet，能表 达情感也能与人互动Google无人 车项目正式 启动AlphaGo以4:1大 胜曾经的围棋世 界冠军李世石2020后AI自动驾驶AI金融AI医疗语音识别机器视觉2016-2020资料来源：MIT Technology Review，logo来自各公司官网，中信证券研究部71.1 2019

11、-2021年MIT年度十大突破性技术AI相关近年来AI技术及新应用开始如雨后春笋般涌现。根据2019-2021MIT年度十大突破性技术及阿里达摩院十大科技趋势中，与 AI相关的技术趋势分别出现达9/18次，其中包括AI自动驾驶相关的机器间大规模协作的群体智能及车路协同等；AI医疗相关 的人工智能发现分子、提升药物与疫苗研发效率等；AI金融相关的数字货币、区块链等，除以上三大行业外，包括AI农业、 AI环保、AI城市及AI工业等应用也纷纷走入现实应用层面。AI对整个社会的赋能在大量AI技术迭代、底层算力大规模提升及 云计算大数据的普及下，如同蒸汽革命般对各行各业进行改造升级，AI的黄金时代已经到

12、来。MIT年度突破性技术年度技术领域行业突破技术主要研究者发布当年 预计实现年限2021GPT-3AI技术一种学习人类语言的大型计算机模型，利用深度学习的算法，通过数千本书 和互联网的大量文本进行训练，将单词和短语串在一起，最终能够模仿人类 书写文本，达到较高逼真程度。OpenAI、谷歌、Facebook现在2021多技能 AIAI技术同时获得人类智能的感官和语言的 “多模态” 系统，能解决更加复杂的问题， 让机器人能够实现与人类真正意义上交流和协作。艾伦人工智能研究所、北卡罗来纳大学、OpenAI3-5年2021TikTok 推荐算法AI技术多样化的决策因素，使得TikTok不仅能够精准地为

13、用户推荐感兴趣的视频， 还能通过推荐算法帮助他们拓展与其有交集的新领域。TikTok现在2020数字货币AI金融一种基于节点网络和数字加密算法的虚拟货币，由于来自于某些开放的算 法，数字货币没有发行主体，因此没有任何人或机构能够控制它的发行；由 于算法解的数量确定，所以数字货币的总量固定，这从根本上消除了虚拟货 币滥发导致通货膨胀的可能；由于交易过程需要网络中的各个节点的认可， 因此数字货币的交易过程足够安全。中国人民银行、Facebook2020年2020人工智能发现分子AI医疗利用深度学习和生成模型相关的技术，帮助药物研究人员找到具有理想特性 的新分子，实现降本增效Insilico Med

14、icine、Kebotix、Atomwise、多 伦多大学、BenevolentAI3-5年2020微型人工智能AI技术通过将更多的计算能力集成到更紧密的物理空间中，以更低的功耗来训练和 运行人工智能算法的技术谷歌、IBM、苹果、亚马逊现在2020气候变化归因AI环保通过高精度的计算机模拟，使人们更加清楚地认识到气候变化的严重性，以 及我们需要为此做出哪些准备工作。世界气候归因组织、荷兰皇家气象研究所、红 十字会与红新月气候研究中心现在2019灵巧机器人AI技术通过AI系统神经网络软件来强化学习并引入随机性，让机器人在虚拟空间里 进行反复的试验，最终自主学会处理眼前的物体OpenAI（人工智能

15、非营利组织）、卡内基梅 隆大学、密歇根大学、加州大学伯克利分校3-5年2019流利对话的 AI 助手AI技术使机器捕捉单词之间语义关系从而更好地理解自然语言的新技术，加上更好 的语音合成系统，让人工智能助手从简单的服从指令转向与人类交谈并可以 执行基于对话的任务。谷歌、阿里巴巴、亚马逊1-2年资料来源：MIT Technology Review，中信证券研究部81.2 2019-2021年达摩院科技趋势AI相关自动驾驶AI医疗AI金融AI农业AI工业AI城市AI技术机器间大规模协作的群体智能（2020） 自动驾驶（2019）农业迈入数据智能时代（2021）工业互联网从单点智能走向全局智能（20

16、21）智慧运营中心成为未来城市标配（2021）城市实时仿真（2019）AI提升药物及疫苗研发效率（2021）脑机接口帮助人类超越生物学极限（2021）保护数据隐私的AI技术将加速落地（2020）数据处理实现“自治与自我进化”（2021） 人工智能从感知智能向认知智能演进（2020） 计算存储一体化突破AI算力瓶颈（2020）语音AI及风险（2020）AI专用芯片（2019）图神经网络系统（2019） 计算体系结构变革（2019）数字身份将成为第二张身份证（2019）区块链（2019）资料来源：阿里达摩院，中信证券研究部91.3 加速底层算力需求的爆发，英伟达是当仁不让首选AI各个细分场景的加速

17、落地和 各类玩家的争相布局也加速了 底层算力需求的爆发，英伟达 是当仁不让的首选。我们认为 人工智能深度学习经历过从 2016年开始的高速发展后，往 后新AI应用才是与AI相关芯片 需求放量的关键，例如金融、 医药和无人驾驶等，叠加今年 疫情发生以来“云办公&宅经 济”的趋势，各大企业开始加 快线上化智能化布局，对底层 算力的需求预计将带动数据中 心芯片类业务快速增长。，在AI上游训练端，以英伟达为 代表的GPU凭借通用性及高并 行计算能力是当仁不让的首选 但以ASIC为底芯片的包括谷歌 的TPU、寒武纪的MLU等，也 如雨后春笋。我们认为英伟达 GPU在未来依旧将保持训练端 的主导地位，深度

18、学习ASIC芯 片将依靠特定优化和效能优势 未来有望在细分市场领域发挥 所长。而下游推理端更接近终 端应用，需求更加细分。我们 认为将逐步形成GPU向推理端 渗透的趋势，与ASIC和FPGA 共同繁荣发展的格局。目前深度学习领域常用的四大芯片类型，“通用性和功耗的平衡”目前深度学习领域常用的四大芯片类型及主要芯片商训练端推理端GPU：以英伟达为主，AMD为辅，标榜通用性，多 维计算及大规模并行计算架构契合深度学习的需要 在深度学习上游训练端（主要用在云计算数据中心 里），GPU是当仁不让的第一选择。GPU：英伟达从18年开始通过T4芯片等布局推理端。到边缘计算。深度学习下游推理端则更重视低功耗

19、 和低延迟，对算力的要求较低，在市场蛋糕变大的 同时， 逐步形成GPU 向推理端渗透， 与ASIC 和 FPGA共同繁荣发展的格局。ASIC：以谷歌的TPU为代表，包括英特尔、寒武纪 亚马逊、华为等公司均在自行研发。针对特定框架 进行深度优化定制。但开发周期较长，通用性较低 比特币挖矿目前使用ASIC专门定制化矿机。、ASIC：下游推理端更接近边缘设备，需求也更加细 分，英伟达的DLA，寒武纪的NPU、地平线的旭日。和征程系列、华为昇腾系列等逐步面市，将依靠特 定优化和效能优势，未来在深度学习领域分一杯羹CPU：通用性强，但难以适应于人工智能时代大数 据并行计算工作。FPGA：依靠可编程性及电

20、路级别的通用性，适用 于开发周期较短的IoT产品、传感器数据预处理工作 以及小型开发试错升级迭代阶段等。但较成熟的量 产设备多采用ASIC。类别GPUASICASIC：TPUCPUFPGA1.可多达上千个简单核心，1. 需求确定后可进行专门优1.与TensorFlow深度结1.通用性强1.电路级别的通用性上千个并行硬件线程化设计合，更接近DSA (Domain-2.核心复杂程度高2.可编程性2.并行运算能力、浮点运算2. 优秀的功耗控制Specific-Architecture)3.串行运算能力强，单线程3.适用于开发周期较短的能力强大3. 性能稳定、可靠性高2.已能同时用于高性能计算性能优化

21、IoT产品、传感器数据预处3.最大化浮点运算数据吞吐和浮点计算4.晶体管空间用于复杂并行理工作以及小型开发试错升量3.结合谷歌云提供云计算服性指令(Complex ILP)级迭代阶段， 特 点务主要厂商英伟达、AMD、 Imagination等英特尔、高通、华为、寒武纪、地平线等谷歌为代表英特尔、AMD、高通等Xilinx、Altera（已被Intel收 购）、Lattice、Microsemi资料来源：Google TPU官网，英伟达官网，微软Build，中信证券研究部102. 自动驾驶自动驾驶：产业链图谱自动驾驶：车载芯片和传感器存在巨大投资机会自动驾驶：无人驾驶两大技术阵营Diversi

22、ty and Redundancy自动驾驶：无人驾驶是人工智能最前沿、最广阔的大综合自动驾驶：“车企+供应商/科技公司”的合纵连横自动驾驶：乘用车场景从ADAS向上迭代增加功能，以安全为上自动驾驶：商用车“场景为王”已现端倪，商用路径明显自动驾驶：共享出租车Robotaxi的“以时间换空间”自动驾驶：车载芯片是技术研发壁垒相对最高一环自动驾驶：各等级ADAS和DMS功能渗透率不断提高自动驾驶：车载摄像头行业有望复制消费电子摄像头的发展路径自动驾驶：毫米波雷达加速发展，4D成像雷达成下一个技术趋势自动驾驶：激光雷达在自动驾驶里是必不可少还是锦上添花？112.1 自动驾驶：产业链图谱距 离 检 测

23、机 器 视 觉定 位北斗星通(002151.SZ)感知系统奥托立夫(ALV.US)Valeo(FR.PA)Clarion(6796.JP)索尼(SNE.US)舜宇光学(02382.HK)欧菲光(002456.SZ)日本电装(6902.JP)日本京瓷(6971.JP)三菱电机(6503.JP)同致(3552.TW)Aptiv(APTV.US)德国大陆(CON.GR)Hella(HLE.GR)英飞凌(IFX.GR)日本电装(6902.JP)Bosch(未上市)德赛西威(002920.SZ)华域汽车(600741.SH)Velodyne(VLDR.US)Luminar(LAZR.US)Innoviz

24、(INVZ.US)Ouster(OUST.US)Aeva(AEVA.US)、IBEO、速腾聚创、禾赛科技、 览沃科技、北科天绘（未上市）TomTom(TOM2.AS)HERE(未上市)四维图新(002405.SZ)阿里巴巴(BABA.US)/高德地图千方科技(002373.SZ)LG Innotek (011070.KS)高通(QCOM.US)中科创达(300496.SZ)V2X车联网高精度地图理 解 规 划 系 统决策系统英伟达(NVDA.US)英特尔(INTC.US)/Mobileye地平线、黑芝麻、华为（未上市）恩智浦(NXPI.US) 英飞凌(IFX.GR)德州仪器(TXN.US) 意

25、法半导体(STM.US) 赛灵思(XLNX.US)均胜电子(600699.SH) 科博达(603786.SH) 星宇股份(601799.SH) Mando(204320.KR)现代摩比斯(012330.KR) 瑞萨电子(6723.JP)谷歌(GOOGL.US)特斯拉(TSLA.US)百度(BIDU.US)及一众全栈方案初创公司主控 芯片汽车电子 零部件系统算法车用芯片资料来源：Gartner，中信证券研究部摄像头激光雷达毫米波雷达超声波雷达GPS/导航122.2 自动驾驶：车载芯片和传感器存在巨大投资机会自动驾驶是目前人工智能技术中最前沿和应用最广阔的方向。迈向自动驾驶新10年，随着汽车电动化

26、、传感器和车载芯 片技术和成本改善、机器学习算法突破、云计算普及以及5G和车联网的出现，全球乘用车和商用车纷纷试水。自动驾驶， 已经Ready。在“多样性+冗余性”软硬件配置主导下，我们认为产业里车载芯片和传感器领域存在巨大投资机会。我们认为2026年将会是自动驾驶产业的分水岭，从现在到2025年，乘用车的自动驾驶功能将会从ADAS往L3迈进，我们 预计其渗透率将会从现在的不到30%上涨到65%，往后到2030年，L2+和L3的渗透率将继续提高，总渗透率将达到75%。 商用车方面，自动驾驶“场景为王”的路径已初现端倪，并集中发展L4或以上的商业落地和变现。我们认为2023-2025 年将会出现

27、由科技巨头和初创企业主导的各场景L4-L5商用车量产。我们预计受益标的包括： 1 ）造车新势力以及转型中的传统OEM和下场的科技互联网巨头， 如理想(LI.US)、蔚来 (NIO.US)、小鹏(XPEV.US)、吉利（00175.HK）、长城（601633.SH）、比亚迪（002594.SZ）、上汽（600104.SH）、 百度（BIDU.US/09888.HK）、小米（01810.HK）等；2）自动驾驶车载芯片作为技术研发壁垒相对最高的一环，市场空 间广阔，包括英伟达(NVDA.US)、地平线及黑芝麻等；3）智能化催生出的新型Tier1供应商如中科创达（300496.SZ）、 德赛西威（00

28、2920.SZ）等；4）激光雷达和高精地图将成为乘用车企发展高级自动驾驶技术的主流配置，包括： Velodyne(VLDR.US)、Luminar(LAZR.US)、Innoviz(INVZ.US)、禾赛科技、览沃科技、四维图新(002405.SZ)、 TomTom (TOM2.AS)等；5）车载摄像头、毫米波雷达作为传统高性价比传感器也有望迎来市场快速增长，包括：舜宇光 学科技（02382.HK）、华域汽车（600741.SH）和德赛西威（002920.SZ）等。0%10%20%30%50%40%60%70%80%90%100%2019E2020E2021E2022E2023E2024E20

29、25E2026E2027E2028E2029E2030E2031E2032E2033E2034E2035E2036E2037E2038E2039E2040EL3L4/L5L1-L5L1/L2我们认为2025年前后ADAS有可能 逐步被L3级别功能替代，但整个智 能驾驶传感器硬件市场将稳步增长 我们预计到2030年国内乘用车的车 载芯片市场有望达290亿元，传感 器市场有望达900亿元。国内L1-L5自动驾驶等级在新车销量中渗透率预测资料来源：IHS，中信证券研究部预测13越级式阵营直接到L4谷歌、百度、英伟达等全栈方案初创公司等以LiDAR 为主的复杂传感器组合实现互补和安全冗余，并采集高精度

30、3D地图信息，实现无人驾驶。递进式阵营ADAS-L3传统汽车厂商及供应商以摄像头+毫米波雷达的传 感器组合为主流， 通过 OTA升级和功能叠加，实 现无人驾驶无人驾驶技术研发 分为两个阵营越级式阵营递进式阵营商业化 路径“场景为王” 初现端倪，1）自动驾驶出租车Robotaxi、2） 自动驾驶卡车货运、3）半封闭场景微循环或固定路线和4） 最后一公里物流配送等。高端车型向下普及，驾驶功能（自动变道、应急制动辅助等）从L2/3向上迭代增加，产业价值应在半导体、一级供应商等 环节预先体现 -高速公路辅助/自动驾驶- 城市道路自动驾驶传感器机器视觉+激光雷达+毫米波雷达+超声波雷达，总计超过20个传

31、感器的配置机器视觉方案以Mobileye为代表，并加入毫米波雷达的配合，高精度LiDAR造价过高，尚难以在乘用车普及传感器识别(Sensing)高精地图定位(Mapping)驾驶策略系统(Driving Policy)终极愿景：在任何区域里发挥全效功能2.3 自动驾驶：无人驾驶两大技术阵营Diversity andRedundancy资料来源：Gartner，中信证券研究部142.4 自动驾驶：软硬件结合的无人驾驶是人工智能最前沿、最广阔的大综合无人驾驶软件算法的实现，实际上是基于人工智能技术，叠加云计算的信息互通，和机器人技术的操控进行的技术 “大综合”，代表着人工智能技术目前最前沿和应用最

32、广阔的方向。无人驾驶的技术实现，从L3层面看，硬件的挑战主要集中在多传感器的综合和成本以及车载芯片的算力和功耗；而软 件的挑战主要在于人工智能算法主导的机器视觉和驾驶决策；其他方面的挑战包括高精度地图和传输的延时等。虽然在L3层面，行业部分参与者希望通过基于OTA来实现从ADAS的升级，但到L4/5层面，在完整交通环境下的自动 化，还需要V2X车路协同，和非本地的数据处理和更新。而且行业估计测试里程需要达到80-100亿英里级别，才能好 于人类司机的安全性（每百万英里死亡率1.09次），而这需要超过400年的路测才能完成（注），因此在仿真环境中的 模拟训练成为行业趋势。自适应巡航（ACC）交通

33、标志识别车周环境监测停车辅助追尾预警停车辅助/追尾预警盲区监测车周环境监测两侧来车警告停车辅助车道偏离警示自动紧急制动（AEB）行人检测 防撞检测资料来源：德勤，RAND research，中信证券研究部，注：以100辆测试车队，24小时不间断测试，平均时速25英里/小时，需要400年才能完成88亿英里，1英里约为1.61公里车载硬件车载软件摄像头用于确定物体位置的高处理器系统高性能高效率的计算机高精度地图关于道路，环境和建筑分辨率激光传感器硬件设施的精准的定位信息毫米波雷达利用电磁波收集周围物V2V/V2I短距离车辆及道路通信定位分析车辆位置及环境信息数体位置及速度信息系统据的综合分析激光雷

34、达用于确定物体位置的高分辨率激光传感器传动器将电子信号转换为机械运动识别分析对行驶中障碍的识别和分类超声波传感器短距离物体识别（如停 车辅助）GPS基于卫星测量的车辆定 位系统预测分析预测车辆，行人及其他 物体的移动里程传感器测量车轮速度提供汽车 的里程行驶信息决策系统做出车辆行驶路线和驾 驶操作和的规划和决策云端硬件数据中心储存和处理车辆数据云端软件无人驾驶云端学习，适应和更新高清 地图和算法车辆操作系统在车辆行驶时进行实时计算的操作系统监控面板监控自动驾驶汽车系统，检测和纠错激光雷达毫米波雷达摄像头152.5自动驾驶：“车企+供应商/科技公司”的合纵连横行业格局发展当前，车企+供应商/科技

35、公司的联合愈加紧密。而共享出行商需要在商业化落地前夜，加速抢占先机， 提高规模壁垒。资料来源：德勤，中信证券研究部DriveNowDaimler ContinentalAptiv Magna FCAIntelHEREMobileyeBoschNVIDIAHERECar2GomytaxiUberLyftIntelJaguarLand Rover FCAMagnaBaiduHarmanAurora SamsungHondaLyftMagnaCruise TelenavStrobe MobileyeLyftVWVelodyneMagnaSAIPSArgo AI Civil MapsFordAudiM

36、OIAAptivNVIDIAAIDMicrosoft WirelessCar Aurora HEREAutolivGeelyUberZenity NVIDIAMicrosoftDensoUberMaxar NVIDIA NTT DATA科技公司汽车制 造企业出行服务 供应商全球无人驾驶 产业链各家参与方主要合作关系162.6 自动驾驶：乘用车场景从ADAS向上迭代增加功能，以安全为上全球ADAS渗透率目前在30%左右，Mobileye预计2024年将达到60%。政策推动ADAS功能加速安装渗透，也是促 进ADAS市场扩张的关键催化剂。欧洲、美国、日本等国家推动自动紧急制动(Autonomous

37、 Emergency Braking)成 为乘用车基础配置的政策便是其一，国内C-NCAP也把AEB纳入评级。中信证券研究部汽车团队认为，目前中国 ADAS市占率约 20%，预计2年内将达40%，而未来五年内市占率或达到70%。智能座舱方面，目前渗透率虽较低 (5%)，但智能座舱对于安全性的要求相对较低，国内车企不断重视该领域，预计渗透率会快速提升。在推行无人驾驶技术升级的过程中，基本上所有传统车企都存在前期重视不足，以及发展进度反复等情况。传统乘 用车企业更注重用户的渐进式认知，同时也以安全至上的目标和新车销售经济效益为考量。在市场普及的过程中可以看到市场还处在辅助泊车、车道保持、盲区监控、

38、到变道辅助等功能升级和叠加。资料来源：Consumer Reports，PwC，中信证券研究部SAE自动驾驶 等级驾驶辅助系统功能/应用场景202020252030L1自适应巡航控制系统大众市场大众市场大众市场辅助停车（需司机辅助）大众市场大众市场大众市场车道保持辅助大众市场大众市场大众市场后方及侧方盲点监控大众市场大众市场大众市场L2辅助停车（远程遥控）大众市场大众市场大众市场变道辅助高端车大众市场大众市场L3高速 高速应急制动辅助高端车大众市场大众市场拥堵交通辅助驾驶（单车道 行驶）高端车大众市场大众市场公路自动巡航（单车道）高端车大众市场大众市场公路自动巡航（可变道）高端车大众市场大众市

39、场十字路口驾驶辅助高端车大众市场大众市场L4全自动停车高端车大众市场大众市场全高速公路自动巡航概念大众市场大众市场城区自动巡航概念高端车大众市场L5全自动化驾驶概念概念高端车大型交通工具概念概念概念2018201920202021202220232024202520262027202820292030Level5Level4Level3Level2Level1Level0谷歌自动驾驶部门Waymo 推出全自动驾驶叫车服务自适应巡航+自动启停交通拥堵 辅助驾驶特斯拉 Autopilot V9 2018交通拥堵自动驾驶高速公路自动驾驶奥迪 AI Traffic Jam Pilot2019城区及郊区

40、巡航高速公路自动巡航全自动停车（远程遥控）车库辅助泊车Bosch全自动泊车 2018Go(ZF)Mover2019+大陆 CUbE 2019+通用 2019奥迪 2020戴姆勒 2020宝马 2021私有无人驾驶 汽车上路行驶特斯拉 AutopilotV10 2019测试和分阶段推出系列部署乘用车对比商用车场景，功能的推出和迭代相对保守172.7 自动驾驶：商用车“场景为王”已现端倪，商用路径明显商用车追求“一步到位”的高级别L4-L5的落地，由此衍生出四大场景：1）自动驾驶出租车Robotaxi；2）自动驾驶货运 卡车；3）半封闭场景微循环或固定路线；和4）最后一公里物流配送。我们认为，Ro

41、botaxi在技术实现难度上是最高的，但经济效益较高，所以玩家以科技巨头和行业巨头为主，如谷歌的 Waymo、腾讯和阿里参股的滴滴出行、百度、通用和福特等。而Robotaxi的商业落地是典型的“以时间换空间”模式， 也是通往消费级完全自动驾驶的必经之路。在高速公路上长途行驶的无人货运卡车是MIT Tech Review 2017年全球十大新兴科技趋势之一。从货运成本、司机短缺 以及技术实现的角度，都被认为能较快落地。代表公司包括谷歌的Waymo和独角兽图森未来。在相对封闭场景下定制化路线的微循环自动驾驶接驳车(物流车)，面向学校、园区、机场、港口及矿山等，场景相对简单 也较成熟，从技术实现角度

42、看虽然落地应该比以上两类要快，但经济效益在目前的高成本下较难凸显。代表公司包括驭 势科技和百度等。最后一公里无人派送车实现无人化的末端配送，是电商、物流、外卖、闪送等的兵家必争之地。我们认为目前最后一公 里物流主要的瓶颈还在于成本。中外代表初创公司包括Nuro.ai、新石器等，以及巨头，例如亚马逊、菜鸟、京东、苏宁 及美团等。资料来源：Waymo官网，百度Apollo官网182.7 自动驾驶：商用车“场景为王”已现端倪，商用路径明显资料来源：蔚来资本，罗兰贝格，vectorstock，中信证券研究部自动驾驶落地场景市场空间比较矿内物流2.2港口物流0.6最后一公里8.470.035.0“场景为

43、王”不同场景技术特点比较场景交通灯行人 混行人类车辆 混行标线 道路路径 变化高精地图 刷新崎岖 路面偶发 障碍物雨雪 天气其他难点港口厘米波停车精度，与吊车协同矿山矿山路面动态变化， 控制要求高市政环卫城市道路的corner case较多长途物流施工道路、堵车及 恶劣天气最后一公里门对门运输 需要上楼 代表该场景经常需要面对处理的元素 代表该场景较少或不需面对处理的元素25.0跨城物流同城物流市政环卫1.1Robotaxi运行速度高速低速完全封闭场景复杂度完全开放单位：百亿元自动驾驶四个场景部分主要参与者192.8 自动驾驶：共享出租车Robotaxi的“以时间换空间”Robotaxi的商业

44、落地是典型的“以时间换空间”模式，Mobileye也认为Robotaxi是通往消费级完全自动驾驶的必经之 路。但对比其他三个场景，Robotaxi在技术实现难度上是最高的，所以玩家以科技巨头和行业巨头为主，比如说谷歌 的Waymo、腾讯和阿里参股的滴滴出行、百度、通用、福特和Aptiv等。Robotaxi 需要庞大的用户流量去支撑其共享 经济的规模效应，抢占先机，并通过技术进步推动成本边际下降，进一步提高规模壁垒，增强共享打车的盈利能力。从Waymo在2018年的试运营开始，到今年国内多个Robotaxi试运营项目落地，行业已进入车队规模和测试里程的比拼。 虽然欧美公司技术积累较深，商业探索较

45、早，但中国政府较为积极开放的态度也是国内Robotaxi落地测试与运营迅速 发展的催化剂。Waymo 的无人驾驶出租车服务在美国凤凰城上线一年多，已完成10万次乘客接送，月活跃乘客达 1500人。滴滴依托网约车平台积累数据优势，目标是2030年通过平台运营超过100万辆Robotaxi。而百度是当前国内 无人驾驶市场相对领先的“头号玩家”，且在投资、合作开发和平台布局方面都颇具野心。截至2019年底，百度测试 里程超300万公里，获批150张自动驾驶路测牌照，占全国过半。十亿美元ADAS高精度地图Robotaxi消费者级ADL4/5级别 传感器潜在市场规模2024年50亿MaaS 2030年1

46、600亿2030年70-80亿2030年35亿自动驾驶系统2030年100亿2030年400亿2030年120亿+ 需求+ 司机+ 地区 覆盖率- 等待时间出行数据/推 荐算法的持 续改进+ 承载率- 成本- 打车价格+ 进入门槛+ 无人驾驶出租车+ 附加服务 外卖、快递、 接机、豪车等+ 政府 监管和合作资料来源：麦肯锡咨询（含预测，右下图），车百智库，Mobileye官网，中信证券研究部Robotaxi将极大的增强共享打车经济的商业逻辑麦肯锡预测Robotaxi成本拐点出现在2025-2027年01020304050602018 2019 2020 2021 2022 2023 2024

47、2025 2026 2027 2028 2029 2030人工驾驶出租车自动驾驶出租车70美分/公里202.8 自动驾驶：共享出租车Robotaxi的“以时间换空间”Mobileye预测到2030年，不含MaaS的自动驾驶市场规模可以达725亿美元，而单独MaaS市场规模就可达1600亿美元。 但目前的自动驾驶系统的成本和复杂性，对私家车而言无法接受。资料来源：车百智库，中信证券研究部预测项目传统司机出租车Robotaxi注释行驶里程60万公里60万公里每天行驶300公里 每年约10万公里 强制6年报废购车成本15万元20万元+49万（2020年自动驾驶套件预估为7万美元）20万+3.5万（2

48、025年自动驾驶套件预估为5000美元）汇率按美元:人民币1:7计算燃料成本30万（燃油）9万（电动）9万（电动）燃油0.5元/公里 电动0.15元/公里维护费用10万10万+3万（30%自动驾驶系统维保费）维修500元/次 5000公里保养一次 保养300元/次 5000公里保养一次保险费用6万6万+1.8万（30%自动驾驶系统保险费）每年1万元司机工资60万0每年10万元总计成本121万（燃油）100万（电动）99万（2020年）54万（2025年）单公里成本2.02元/公里（燃油）1.67元/公里（电动）1.67元/公里(2020年）0.9元/公里（2025年）现有出租车收费约2-2.5

49、元/公里综合来看，2025年Robotaxi较传统出租车（电动）单公里成本有望降低46%212.9 自动驾驶：车载芯片是技术研发壁垒相对最高一环中国乘用车车载芯片市场正处于快速上升的阶段。我们认为中国自主乘用车品牌在长期来看会更倾向于使用本土化优势 较明显的国产车载芯片。未来随着国产芯片技术逐渐成熟，将会跟国外芯片正面竞争。我们认为国产芯片凭着本土化优 势，在合资品牌的渗透率也将有所提升，增长潜力巨大。我们预测从2019年到2030年，中国自主品牌乘用车的ADAS到L3渗透率将从20%增长到达75%，而芯片市场规模也将从 约3亿元增长至逾100亿元。除了自动驾驶芯片的需求量快速增长外，乘用车也

50、将逐步标配驾驶员检测系统(DMS)，所以 DMS也会随着自动驾驶芯片上量而快速上升。我们预测到2030年DMS芯片市场规模有望达到30亿元，整体ADAS+DMS 的市场规模将逾130亿元。另外，我们也预计合资品牌的ADAS和DMS芯片规模将逾150亿元。叠加起来，市场规模共约 为280亿元。国产品牌合资品牌新车销量ADAS市场（L1-L3）DMS市场2019年乘用车销量为840万台（每年5%增速）2030年预计增长至1368万台。2019年乘用车销量为1300万台（每年1%增速）2030年预计增长至1450万台。假设2030年L1-L3 ADAS渗透率达到75% 平均每车需要安装的AI芯片价值

51、1000元 市场规模104亿元假设2030年DMS功能渗透率达到42% 平均每车需要安装的AI芯片价值500元 市场规模29亿元假设2030年L1-L3 ADAS渗透率达到80%平均每车需要安装的AI芯片价值1000元 市场规模116亿元假设2030年DMS功能渗透率达到55% 平均每车需要安装的AI芯片价值500元 市场规模40亿元国产品牌市场总计133亿元合资品牌市场总计156亿元2030年预测国产+合资共计289亿元从国产到合资，ADAS及DMS市场空间广阔资料来源：乘联会，中信证券研究部预测222.9 自动驾驶：车载芯片是技术研发壁垒相对最高一环我们预计未来10年国内乘用车自动驾驶市场

52、的发展主要可分为两个阶段，并以2025年为分水岭。在此之前，以L1和L2等 级车载芯片市场为主，ADAS功能渗透率不断提高至逐渐饱和，主要车载芯片玩家包括国内的地平线、黑芝麻、华为，以 及国外的Mobileye。目前以Mobileye的产品更为成熟，在全球渗透率达70%，但其黑箱子解决方案较为局限，且本土化 服务能力较弱；而国内玩家中地平线具有先发优势，我们认为其有望成为Mobileye在国内的最大竞争对手。2026年以后， 以L3及以上高级别赛道竞争为主，而L1和L2的功能渗透率将被L3+取而代之逐渐下降，预计国内外主要玩家包括地平线、 华为、黑芝麻、英伟达和Mobileye。其中我们长期看

53、好英伟达构建的高算力软硬件一体化自动驾驶闭环，并赋能L3及以 上级别保持绝对优势。但华为以Tier 1供应商作为定位，在芯片、激光雷达、毫米波雷达等也有研发，并凭着自身在5G的 实力，打造“5G汽车生态圈”，剑指高级别自动驾驶市场，也不容忽视。地平线华为黑芝麻特斯拉英伟达Mobileye芯片J2J3J5Ascend 310Ascend 910A500A1000A1000LFSDXavierOrinEye Q4Eye Q5AI算力（TOPS）45968-16256-5125.840-7016723036-2002.524功耗（W）210158310285723015-65610量产时间20192

54、02020222018201920202021202120192020202220192021适配场景L1-L2L1-L2L3L4L4L1-L2L3L2-L3L3L2-L5L2-L5L1-L2L3业务模式Tier2Tier1Tier2车企Tier2Tier2地平线与Mobileye、特斯拉、英伟达芯片产品参数及量产/样片时间对比L3数十TOPSL4 / L4+数百TOPS5 TOPS，2.5W2 TOPS / WJourney3 环 视20年3季度提供样片4 TOPS，2W2 TOPS / W辅助驾驶 / 多模交互/ 高精地图EyeQ4Journey2 20年3季度提供样片19年8月量产2.5

55、 TOPS，6W0.4 TOPS/W辅助驾驶 / REM2018年量产96 TOPS，15W6.4 TOPS / W Journey5功能安全 / 传感器融合21年3季度提供样片30 TOPS，60W0.5 TOPS / W AGX Xavier 19年1季度量产72 TOPS，36W2 TOPS / WFSD19年4季度量产24 TOPS，10W2.4 TOPS / W EyeQ521年1季度量产400 TOPS7 nm 制程Journey6 23年4季度提供样片36-200 TOPS15-130WAGX Orin 2022年三季度量产EyeQ6128 TOPS，40W23年量产L5数千TO

56、PS公司预计L1-L2券研究部个位数TOPS资料来源：各公司官网，中信证232.9 自动驾驶：车载芯片是技术研发壁垒相对最高一环预计2026至2030年是以L3及以上高级别赛道竞争为主的阶段，而L1和L2的功能渗透率将被L3+取而代之逐渐下降，国 内外主要玩家包括地平线、华为、黑芝麻、英伟达和Mobileye。其中我们看好英伟达在高级别赛道的实力，但华为以 Tier 1供应商作为定位，并打造“5G汽车生态圈”，剑指高级别自动驾驶市场，也不容忽视。公司产品（L2+及以上级别）优势劣势芯片DCU地平线J35TOPSMatrix 40 TOPS地平线创始团队研发实力有保证核心技术自主研发计算平台开放

57、性适中本土化服务能力优于国外竞争对手整车项目对比国内竞争对手具有先发优势成立时间短，导致车企合作相对较少估值偏高目前ADAS相关芯片收入占比较少目前已量产合作项目主要为智能座舱，与辅助驾 驶耦合程度较低J596TOPS黑芝麻A100040-70TOPS-自研图像感知技术和神经网络加速器NPU本土化服务能力优于国外竞争对手定位L2+以上的无人驾驶成立时间相对短，合作车企较少芯片仍需量产爬坡时间创始团队以产业背景为主目前和对标公司英伟达的距离还有待验证A1000L16TOPS华为昇腾 3108-16TOPSMDC 600352 TOPS填补国内Tier 1阵营的空白“端、管、云” 布局华为MDC6

58、00具有性能优势，搭载华为昇腾芯片成立“5G汽车生态圈”，深化合纵连横，加速发 展整车厂数据共享保守起步较晚（2019年首次以Tier 1的定位亮相）， 目前定位不明确昇腾 910256-512TOPSMDC 30064 TOPSMobileyeEye Q42.5TOPS-以摄像头为主的图像识别技术龙头，拥有较强的技术壁垒深耕高精度地图数据采集黑箱子解决方案，适合本身算法研发能力欠缺的 车企尚没有完全证明其在高级别自动驾驶系统上的综合能力黑箱子解决方案不能满足部分车企的研发需求国内市场的本土化服务能力较弱，包括采集地图 数据必须要和国内公司合作Eye Q524TOPS英伟达Xavier30TO

59、PSDRIVE PXPegasus 320 TOPS完整的自动驾驶策略方案，在L3及往上的自动驾 驶技术上保持绝对优势Orin在L4/5高级别的水平绝对领先NVIDIA DRIVE 自动驾驶软件系统平台，实现软 硬件一体化的闭环壁垒解决方案开放性高，满足车企研发需求国内市场的本土化服务能力较弱目前缺乏用于L1/L2低级别辅助驾驶的芯片与国内 厂商竞争，进入国产乘用车市场或受阻解决方案开放性高，研发能力较弱的车企应用有 难度Orin36-200TOPSDRIVE AGXOrin2000 TOPS资料来源：各公司官网，中信证券研究部242.10 自动驾驶：各等级ADAS和DMS功能渗透率不断提高目

60、前，地平线、华为、黑芝麻等国产芯片公司的销售都是以中国自主品牌乘用车为主，因此我们估算中国自主品牌乘 用车的市场规模来分析这些公司的发展空间。我们认为2025年是一个分水岭，20到25年L1和L2的功能渗透率将会增长 到顶，然后从25年开始L2以上的渗透率将接力快速增长，而L1和L2的渗透率则会逐渐下降。我们预测，到2025年L1和L2功能渗透率会从2019年的20%增长至42%，2025年以后将开始逐渐下降至2030年约为 33%；而L2以上等级的功能渗透率在2025年以后将快速增长，2025年L2+和L3的功能渗透率会从2019年的0%，分别 增长到13%和 9%，到2030年渗透率将分别