无人驾驶：AI+5G系列通用无人驾驶的理想与现实

1、 第 页 目录TOC o 1-2 h z u HYPERLINK l _TOC_250018 投资概要4 HYPERLINK l _TOC_250017 自动驾驶狂热期已过，主要无人驾驶企业发展面临瓶颈8 HYPERLINK l _TOC_250016 Waymo：商业化运营发展缓慢，开源数据集拥抱开放与合作8 HYPERLINK l _TOC_250015 Cruise：无限期推迟旧金山 部署计划，开源可视化工具9 HYPERLINK l _TOC_250014 特斯拉：Autopilot 硬件算力不断提升，Semi 重卡生产推迟至2020 年底10 HYPERLINK l _TOC_250

2、013 百度Apollo：全球首个自动驾驶开放平台12 HYPERLINK l _TOC_250012 传统车企专注L2 商业化，主要采用投资方式进行L3 以上布局13 HYPERLINK l _TOC_250011 L4 无人驾驶面临的主要困难15 HYPERLINK l _TOC_250010 相关法律法规已不再是主要制约瓶颈15 HYPERLINK l _TOC_250009 算法与数据：自动驾驶企业开始拥抱开源数据集16 HYPERLINK l _TOC_250008 系统零缺陷是实现自动驾驶的核心挑战，L3 可能是短期最优动态平衡17 HYPERLINK l _TOC_250007

3、半导体、5G、高精度地图赋能自动驾驶21 HYPERLINK l _TOC_250006 半导体助力自动驾驶21 HYPERLINK l _TOC_250005 网联化为自动驾驶提供技术支撑24 HYPERLINK l _TOC_250004 高精度地图构建自动驾驶基础设施27 HYPERLINK l _TOC_250003 建议关注公司：华为、地平线、禾赛科技30 HYPERLINK l _TOC_250002 华为30 HYPERLINK l _TOC_250001 地平线31 HYPERLINK l _TOC_250000 禾赛科技31图表图表1:Gartner 2017 年新兴技术成熟

4、度曲线4图表2:Gartner 2018 年新兴技术成熟度曲线4图表3: 主要车企自动驾驶规划时间表5图表4: 自动驾驶产业圈5图表5:L4 级自动驾驶落地的难点6图表6: 智能汽车产业链7图表7: 谷歌“萤火虫”原型车8图表8: One 在凤凰城的限定区域内运营8图表9:2018 年加州自动驾驶脱离报告MPD 指标9图表10:2018 年加州自动驾驶脱离报告路测里程指标9图表11:Cruise 营业利润9图表12:Cruise 股权结构（截至2019 年7 月）9图表13: 数据可视化平台10图表14: 特斯拉历代Autopilot 硬件参数对比11图表15: 特斯拉FSD 芯片研发量产过程

5、11图表16: 自动驾驶卡车发展三阶段12图表17: 百度Apollo 计划自动驾驶开放路线图12图表18: 百度Apollo 计划开放平台13图表19: 自动驾驶产业圈14图表20: 美国31 个州已经就自动驾驶汽车有相关立法与行政令15 HYPERLINK / 请仔细图表21:L4 级自动驾驶落地的难点 HYPERLINK / 请仔细 HYPERLINK / 请仔细图表22: 自动驾驶企业公开数据集17 HYPERLINK / 请仔细图表23: 主要自动驾驶数据集对比17图表24: 严重性、暴露率和可控性定义18图表25:ASIL 根据严重性、暴露率、可控性可以分成5 个等级18图表26:

6、 面对高严重性应用时，功能安全需求往往处于ASIL-C/D 的区域18图表27: 分散式AAS 电气架构（左图，集中式AAS 电气架构（右图） 图表28: 致力于零缺陷管理时，对于简单应用而言综合质量成本或伴随着产品缺陷的降低而下行（左图；但对于复杂应用可能会出现综合质量成本高企的情况（右图）20图表29: 汽车计算芯片肩负多类计算任务21图表30:NVIDIAXavier SoC21图表31: FSDSoC21图表32:AI 芯片需软硬结合22图表33: 汽车计算芯片领域挑战英伟达的两个方向22图表34: 主要自动驾驶计算平台对比23图表35: 主要自动驾驶计算平台内置AI 芯片对比23图表

7、36: 汽车计算芯片主要模块对比23图表37: 汽车向智能化、网联化发展的趋势24图表38: 非视距场景下V2X 的优势24图表39:V2X、光达、毫米波、摄像头解决方案成本对比24图表40:C-V2X 中的直连接口（PC5）和网络接口（Uu）25图表41: 我国C-V2X 的应用探索形式26图表42: 不同阶段车联网市场规模测算（单位：亿元）26图表43: 高精度地图的数据元素27图表44: 导航地图、ADAS 地图和高精度地图的对比27图表45: 四维图新的高精度地图生产过程28图表46: 前装车载导航出货量市场份额，2018Q228图表47: 前装车载导航渗透率28图表48: 导航电子地

8、图甲级测绘资质企业29图表49: 华为端到端的汽车数字化解决方案30图表50: 地平线发展历程31图表51: 地平线Matrix 1.7 自动驾驶计算平台31图表52: 地平线工具链支持模型转换和部署31图表53: 禾赛Pandar40 与Velodyne 产品效果对比32图表54: 禾赛科技融资历史32 HYPERLINK / 请仔细 HYPERLINK / 请仔细投资概要2017 2021 Level 5 级自动驾驶。Elon Musk 2017 5 月的一次ED la 将在9 年之前实现l 5 6 月的报告20202021 年间实现 Leel 5 2018 9 月的报告L5 规划或暂停部

9、分自动驾驶研发计划。Gartner 术 7 8 我们认为 019 年应处于接近最低谷的位置。2017 12 月，Volvo 2017 年开始的“Drive Me 2021 年。2018 1 2018 CEOJimHackett Ford 的研究重点已从自动驾驶转移到车联网。Hackett 2017 年8月接受e采访时曾表示2019 7 CruiseCEO 的计划事实上已经推迟，并且没有明确的部署时间表。图表1:Gartner2017年新兴技术成熟度曲线图表2:Gartner2018 年新兴技术成熟度曲线资料源：Gartner，资料源：Gartner，L3 根据各公司公开披露的计划， 20202

10、021 年可以与各自的合作伙伴一道实现高速公路自动驾驶。2019 L4 级别的自动驾驶。我们认为，L3级别下驾驶员可以不用实时监控路况信息，直到系统报警并要求接管，这可能在未来两2021 级自动驾驶（例如仅在高速公路等半封闭路段。 HYPERLINK / 请仔细 合作方投资方2018201920202021202220232018年底推出 HYPERLINK / 请仔细 合作方投资方2018201920202021202220232018年底推出RoboTaxi服务，但并未达到L4原定2019年底推出RoboTaxi，现无明确时间表原定2019年底推出RoboTaxi，现无明确时间表2020年

11、，高速公路自动驾驶2020年，高速公路自动驾驶2021年，推出RoboTaxi2019年底，推出L4资料来源：Waymo，2021年，推出RoboTaxi2019年底，推出L4控股参股参股参股参股合作参股参股参股合作参股参股图表 4: 自动驾驶产业圈控股参股参股参股参股合作参股参股参股合作参股参股合作合作合作 合作关系 投资关系合作合作合作资料来源：36 氪，佐思汽研， 感知层理解与决策层执行层其他超声波雷达毫米波雷达转向摄像头激光雷达加减速GPS/IMUV2X避障物体识别/跟踪控制路径规划定位地图图表 5: L4 感知层理解与决策层执行层其他超声波雷达毫米波雷达转向摄像头激光雷达加减速GPS

12、/IMUV2X避障物体识别/跟踪控制路径规划定位地图乘用车：LiDAR等传感器价格昂贵商用车：（条件较成熟）复杂道路环境下，算法准确率尚未达到要求目前测试车均为现有车型改装，尚未量产专门车型 HYPERLINK / 请仔细 HYPERLINK / 请仔细资料来源： 图表 6: 智能汽车产业链舜宇光学(2382 HK)镜头On Semi (ON US) Omnivision (未上市)CISOsram (OSR GR)光源Nidec (6594 JP)微控马达Infineon (IFX GR) STM (STM US) NXP (NXPI US)MMICSchweizer (SCE GR) Ro

13、gers (ROG US)沪电股份(002463 CH)高频PCBNVIDIA(NVDAIntel (INTCNXP (NXPI US) TI (TXNUS)Infineon (IFX GR)Panasonic (6752 JP)Valeo (VLEEY US)Fujitsu-ten未上市) ContinentalCON GR)摄像头Velodyne未上市) Quanergy未上市Ibeo未上市)禾赛科技(未上市) 速腾聚创(未上市) 北科天绘(未上市)激光雷达Bosch (RBOS GR) Continental (CON GR) Hella (HLE GR)德赛西威(002920毫米波雷达

14、Bosch (RBOS Valeo(VLEEYUS)同致电子(3552 TT)航盛电子(未上市)超声波雷达Bosch (RBOS GR) Continental(CONGR) Delphi (DLPH US) Denso (6902JP)ADAS/驾驶系统智能汽车德赛西威(002920 华阳集团(002906 均胜电子(600699 Clarion (6796 JP)航盛电子(未上市)信息娱乐系统车载软件NipponSeiki(7287Continental (CONGR) Denso (6902JP)HUDContinental (CON GR) Denso (6902 JP) Visteo

15、n (VC US)德赛西威(002920仪表盘Visteon (VC US) Continental (CON GR) Bosch (RBOS GR)德赛西威(002920 CH)中控显示华为(未上市)高新兴(300098 CH)大唐移动(未上市)德赛西威(002920 CH)千方科技(002373 CH)华阳集团(002906 CH)Continental (CON GR) Denso (6902 JP)四维图新(002405 CH)高德地图(未上市) HERE ( 未 上 市 ) TomTom (未上市)地图BlackBerry (BB US) Alphabet (GOOG US) Mic

16、rosoft (MSFT US) 斑马智行(未上市)操作系统Innolux (3481AUO (AUOUS)Sharp(6753JP)深天马A (000050 CH)信利国际(732 HK) LG Display (LPL US)显示面板华为(未上市)大唐移动(未上市)中兴通讯(000063 CH)移远通信(603236 CH)Renesas (6723STM (STMUS)地平线(未上市)车载半导体系统终端设备通信模组耐世特(1316 HK)Mando (204320刹车底盘车身控制系统比亚迪(1211 HK)宇通客车(600066动力传动系统汇川技术(300124 CH)电机宁德时代(30

17、0750 CH)比亚迪(1211 HK)LGC (051910 KS) SamsungSDI(006400Panasonic (6752JP)电池系统新宙邦(300037 CH)电解液/ 电解质COPE (6619JP)沧州明珠(002108 CH)隔膜天齐锂业(002466 CH)正极负极 HYPERLINK / 请仔细资料来源：彭博资讯， HYPERLINK / 请仔细自动驾驶狂热期已过，主要无人驾驶企业发展面临瓶颈Waymo：商业化运营发展缓慢，开源数据集拥抱开放与合作20091月GoogleX实验室的ProjectChauffeur2016 12 GoogleX Alphabet 十年

18、来的发展历程，我们将其分为五个阶段：（谷歌自动驾驶研发团队最初在丰田rus 车型上进行试验，100 英里的目标。第二阶段（2012：主要测试车型转为雷克萨斯X450h，并于2 年5 月在内华达州拿到全球首个自动驾驶公共道路测试牌照，开始在高速公路上展开测试。2012 30 万英里。（214 年5 “萤（F，其没有方向盘或踏板，最高时速5 英里。此后的一段时间里，谷主开发，我们认为这可能说明谷歌曾经有整车制造的计划。第四阶段（2012：6年底yo正式分拆独立。7yo 开始与菲亚特克莱斯勒acca yo LiDAR2017 4 Early Rider 项目，开始自动驾驶出租车（RoboTaxi）服

19、务的小规模试验。第五阶段（：8 年2 oboxi 服务yo One利桑那州凤凰城如期上线。2019 1 月，Waymo L4 6.2 万辆菲亚特-Pacifica 2 万辆捷豹i-Pace 的改装工作，且改装车辆用于 RoboTaxi 车队的运营。图表7: 谷歌“萤火虫”原型车图表8:WaymoOne 在凤凰城的限定区域内运营 资料源雷网 资料源：TheVerge，商业化运营发展缓慢。 L4 级自动驾驶汽车将于2019 2019 8 已经获得空车上路牌照， One 此，Waymo One 的运营区域和服务群体也十分有限，运营区域仅限于凤凰城郊区的 HYPERLINK / 请仔细andlr、il

20、bert、Ma、pe 四个区域（合计面积约0 平方英里 HYPERLINK / 请仔细 One L3 级， 且由于服务尚未开放注册，其实质上还处于测试阶段，不是真正的商业化运营。2018 Per Disengagement，单次接管行驶里程公布的2018 10 11 1000 2019 7月1 0 9 年6 yo 在计算机视觉顶会PR 2019 OpenDataset 开始图表9:2018年加州自动驾驶脱离报告MPD指标图表10:2018年加州自动驾驶脱离报告路测里程指标-(miles)Waymo CruiseZooxNuro Pony.AI Nissan Baidu-(miles)Waymo

21、 Cruise ZooxNuro Pony.AI Nissan Baidu资料源：California DMV，资料源：CaliforniaDMV，Cruise：无限期推迟旧金山 RoboTaxi 部署计划，开源可视化工具接连获得巨头投资。Cruise Automation 2013 2016 年3 10 亿美元收购。被收购后，Cruise Bolt 电动车进行路2018 5 月，Cruise 22.5 11 亿美元。2018 10 月，Cruise 7.5 亿美元投资，且本田官方声明中承诺未来 12 年将继续投入 20 亿美元，此次投资后 Cruise 估值达 146 亿美元。图表11:Cr

22、uise营业利润图表12:Cruise 股权结构（截至2019 年7 月）201620172018(USD mn)-(USD mn)控股5.7%10.9%软银本田通用300%控股5.7%10.9%软银本田通用-100-200-300250%200%-400150%-500-600-700100%Cruise50%Cruise HYPERLINK / 请仔细 HYPERLINK / 请仔细-8000%营业利润同比增速资料源彭资，资料源通汽年， HYPERLINK / 请仔细无限期推迟旧金山 部署计划。Cruise 2018 1 月发布了无方向盘、油Cruise 2019 年量产并分配到美国部分城

23、市Cruise CEO 2019 7 月宣布，2019 年底在美国旧金山部署的计划事实上已经推迟，并且没有明确的部署时间表。Cruise 方面表示，由于 HYPERLINK / 请仔细Cruise 服务的凤40 倍。开源数据集类似的，Cruise 2 月，Cruise 2D 3D 场景渲染器WorldviewWorldview 更快捷地构建自定义可视化，以便更清晰直观地理解所需调试的边缘场景。2019 年 6 月，Cruise 又开源了数据可视化平台 Webviz， Worldview 是 Webviz 中的一部分。图表 13: 数据可视化平台 Webviz资料来源：Cruise 官网， 特斯

24、拉：Autopilot 硬件算力不断提升，Semi 重卡生产推迟至 2020 年底Autopilot 硬件算力不断提升。2014 10 AutoPilot 1.0，主要依1 2016 5 10月推出了Autopilot 2.01.0 2.0 L5 Autopilot 2.0 1.0 40 倍。Autopilot 2.5 2.0 的基础上主要进一步提升了算力。2019 4 月，特斯拉公布了Autopilot Self-Driving Computer，全自动驾驶计算机）144TOPS。 HYPERLINK / 请仔细图表 14: 特斯拉历代 Autopilot 硬件参数对比 HYPERLINK

25、/ 请仔细Autopilot1.0Autopilot2.0Autopilot2.5Autopilot3.0自动辅助驾驶增强自动辅助驾驶全自动驾驶发布时间2014/102016/102017/82019/4前置摄像头13（普通、长焦、广角）后置摄像头1（倒车影像）1（50米）侧置摄像头-4（侧前80米、侧后100米）超声波雷达12（5米）12（8米）毫米波雷达1（160米）1（170米）处理器Mobileye EyeQ3 /NVIDIA Tegra 3NVIDIA DRIVE PX2 AutoCruiseNVIDIA DRIVEPX2AutoChauffeurTesla FSD资料来源：特斯拉，

26、车云网， Autopilot 3.0 中搭载了由特斯拉自主研发的FSD 芯片。作为首家自研汽车计算芯片的整车厂，特斯拉能够做到完全根据自身需求，定制化设计AP3.0 放弃英伟达芯片的主要原因，在于其更强烈的定制化FSD中NPU的面积占比最大， 70%。图表 15: 特斯拉 FSD 芯片研发量产过程时间时间进展2016年2月第一个团队成员入职2017年8月FSD芯片设计完成，第一版流片2017年12月第一次试验芯片并成功2018年4月测试并改进芯片2018年7月获得量产合格2018年12月设备装车并测试成功2019年3月ModelS和ModelX生产线安装FSD芯片2019年4月Model3生产

27、线安装FSD芯片资料来源：特斯拉，雷锋网， Semi 2020 2019 6 2019 2019Semi2020年底， Semi Uber 2018 7 月宣布Autopilot Smei 还配有车辆编队（Platooning）功能，即头车由人类驾驶，后续车辆自动跟随。我们认为，现有技术水平下，车辆编队是自动驾驶卡车当前较现实的过渡方案。 HYPERLINK / 请仔细第二阶段辅助驾驶第一阶段车辆编队第三阶段自动驾驶图表 HYPERLINK / 请仔细第二阶段辅助驾驶第一阶段车辆编队第三阶段自动驾驶资料来源：BI Intelligence， 百度 Apollo：全球首个自动驾驶开放平台全球首个

28、自动驾驶开放平台。2017 7 OS 2021 年实现高速及城市道路的全自动驾驶。图表 17: 百度 Apollo 计划自动驾驶开放路线图资料来源：百度官网， 145 L4 级别无人驾驶小巴“阿波龙”是其在自动驾驶和车联网领域能力的集中体现。在车联网OS &个性化、疲劳监测、AR 导航等多层次完OS 21 家车厂和出行服务商。 HYPERLINK / 请仔细量产解决方案自动接驳小巴自主泊车无人作业小车高精地图仿真服务数据平台安全OTA量产服务套件V2X路测服务地图引擎高精定位感知规划控制端到端解决方案人机交互硬件车辆认证平台线控车辆超声波雷达毫米波雷达激光雷达摄像头GPS/IMU车载计算单元硬

29、件开发平台实时操作系统阿波罗赛博车载计算框架开源软件平台云端服务平台开放车辆接口标准V2X适配器人机交互接口V2X车载单元Apollo拓展单元传感器融合单元黑匣子DuerOS小度车载OS图表 18: 百度 Apollo 计划开放平台 HYPERLINK / 请仔细量产解决方案自动接驳小巴自主泊车无人作业小车高精地图仿真服务数据平台安全OTA量产服务套件V2X路测服务地图引擎高精定位感知规划控制端到端解决方案人机交互硬件车辆认证平台线控车辆超声波雷达毫米波雷达激光雷达摄像头GPS/IMU车载计算单元硬件开发平台实时操作系统阿波罗赛博车载计算框架开源软件平台云端服务平台开放车辆接口标准V2X适配器

30、人机交互接口V2X车载单元Apollo拓展单元传感器融合单元黑匣子DuerOS小度车载OS资料来源：百度官网， 传统车企专注 L2 商业化，主要采用投资方式进行 L3 以上布局L2 Tier 1。L2 级别的自动驾驶，功能较为单一，常见依靠博世、安波福等系统供应商的优势很明显，较为成熟的软硬件系统可以帮助技术能力并不突出的主机厂迅速的推陈出新，减少产品面世时间，比较典型的例子是CS55GEVV6MarvelX 和造车新势力威马汽车采用了博Lyft国内上汽通用GL8和广汽新能源AionSL2 做的好处是在产品力上可以适度超越市场上系统商能提供的产品，例如特斯拉的Autopilot；但可能带来的风

31、险是不能及时地将产品推出市场，例如蔚来的 NIOPilot XPilot。L3 L3 以上的自动驾驶需要经历更高一级10%10%可能存在于硬件的鲁棒性、系统的冗余性、测试的完善性等领域，让产业链存在了职责重新分配的/10%的问题上Capex 可能并不能得到很好的投资回报。比较好的方式是由多家整车企业联Argo AI，以及通用、本Cruise 等，都是最好的例子。 HYPERLINK / 请仔细控股参股参股参股参股合作参股参股参股合作参股参股图表 19: 自动驾驶产业圈 HYPERLINK / 请仔细控股参股参股参股参股合作参股参股参股合作参股参股合作合作合作 合作关系 投资关系合作合作合作资料

32、来源：36 氪，佐思汽研， HYPERLINK / 请仔细 HYPERLINK / 请仔细L4 无人驾驶面临的主要困难相关法律法规已不再是主要制约瓶颈自动驾驶汽车技术发展也使得全球各国政府加紧制定与其相关的法律法规。（NTHSA） 2018 3.0 2019 3 31 州颁布了自动驾驶相关法律19辆上路的法律依据。2016 2016 试。（试行重庆均先后出台了自动驾驶路测法规，并颁发了专用路测牌照。图表 20: 美国 31 个州已经就自动驾驶汽车有相关立法与行政令资料来源：NCSL， 算法与数据：自动驾驶企业开始拥抱开源数据集感知层理解与决策层执行层其他超声波雷达毫米波雷达转向摄像头激光雷达加

33、减速GPS/IMUV2X避障物体识别/跟踪控制路径规划定位地图图表 21: L4 感知层理解与决策层执行层其他超声波雷达毫米波雷达转向摄像头激光雷达加减速GPS/IMUV2X避障物体识别/跟踪控制路径规划定位地图乘用车：LiDAR等传感器价格昂贵商用车：（条件较成熟）复杂道路环境下，算法准确率尚未达到要求目前测试车均为现有车型改装，尚未量产专门车型资料来源： L4 量产，从而降低传感器成本、推动产业链的快速成熟，感知层和执行层的当前困难自然得到解决。分别从感知层、决策层、执行层来看，我们认为当前 L4 级自动驾驶落地的难点包括：感知层：性质，激光雷达的成本并非主要障碍。理解与决策层：当场景从封

34、闭走向开放，开放的环境越大、越复杂，对于自动驾驶还负责车辆的路径规划、行为规划、轨迹规划。当前的自动驾驶算法，很难完美地处理从未见过的场景，同时开放的场景下存在数不胜数的可能，一家企业很难在短短几年内将其完全考虑在自己的算法中。事实上，尽管已经经过多年的训练，2018 年 Waymo 仍在没有左转道的路口转向时出现问题。执行层：目前的自动驾驶试验车，均是通过现有车辆改装而成，其稳定性和可靠性一定的周期。 HYPERLINK / 请仔细对于自动驾驶企业而言，数据是一项重要的资产，高质量的标注数据对于自动驾驶开发至关重要。过去，绝大部分自动驾驶企业严格保密自己的数据集，但目前正加速向开放2018

35、3 Apollo ApolloScape2019 6 月， 在计算机视觉顶会PR 2019 yo 和Ao AI 也分别发布了公开的自动驾驶数据集，其中 Open Dataset 的标注数据量高达 60 万帧且传感器配置丰富，Argo AI HYPERLINK / 请仔细Argoverse 数据集则是首个含有高清地图数据的公开数据集。紧接着，2019 7 月，Lyft 图表 22: 自动驾驶企业公开数据集时间公司数据集名称标注数据量（帧）2019/7Lyft-55,0002019/6WaymoWaymo Open Dataset600,0002019/6Argo AIArgoverse113个场

36、景2018/3百度ApolloApolloScape147,000资料来源：Lyft，Waymo，Argo AI，百度， DatasetNuScenesKITTI图表 23: DatasetNuScenesKITTILiDARs1LiDAR1LiDAR5 LiDARs传感器配置2 colorLiDAR tocameraNot greatNot great传感器配置2 colorLiDAR tocameraNot greatNot greatMuch bettersynchronization# Channels643264激光雷达Range(m)707075 (truncated)主要参数De

37、nsityHighLowHighScenes1,000Up to 3,000Size (hr)5.516.7Frames3D Boxes15K (90 deg)80K40K1.4M600K25M2D Boxes80K-22M6cameras5 cameras数据集大小资料来源：Waymo， 系统零缺陷是实现自动驾驶的核心挑战，L3 可能是短期最优动态平衡汽车的道路安全是在实现自动驾驶的过程中的关键要素之一。我们认为，自动驾驶这样的复杂系统所追求的零缺陷目标正在成为其自身的制约因素。高等级自动驾驶意味着驾将自动驾驶系统的安全标准提到了更高的位置。从硬件能力层面看，自动驾驶提高了系统复杂性，例如面

38、对视觉摄像头、毫米波雷成控制系统、相关电力电子元器件，因为被纳入了广义 ADAS 的执行机构范畴，也有较大幅度的升级。系统复杂性的提升增加了单一硬件随机失效或者系统级别失效的风险。 HYPERLINK / 请仔细从项目开发层面看 HYPERLINK / 请仔细 HYPERLINK / 请仔细ISO26262 甄别关键硬件，并增加冗余 HYPERLINK / 请仔细ISO26262 （严重度（暴露率ASIL A/B/C/D ASIL-A 是最低的安全等级、ASIL-D 是QM 则意味着系统要求和安全功能无关。ASIL 等级越高，对系统安全性要求越高，但同时意味着硬件的诊断覆盖率越高、开发流程越严

39、密，导致开发成本上升、开发周期延长。大部分高级自动驾驶的功能（例如自主转向、紧急制动）的失效都可能会导致驾驶人员ASIL-D 系统做出必要的冗余。严重性等级暴露率等级可控性等级C1C2C3E1QMQMQMS1E2E3QMQMQMQMQMA严重性等级暴露率等级可控性等级C1C2C3E1QMQMQMS1E2E3QMQMQMQMQMAE4QMABS2E1 E2 E3E4QMQMQMQMQMAQMABABCS3E1 E2 E3E4QMQMAQMABABCBCD严重度暴露率可控率S0无伤害E0C0通常可控轻微伤S1害可能性非常E1低C1简单可控严重伤S2害E2可能性低C2正常可控致命伤S3害E3很难控制

40、C3或不可控E4可能性高资料源：ISO26262，资料源：ISO26262，图表 26: 面对高严重性应用时，功能安全需求往往处于 ASIL-C/D 的区域高危险所在工况的发生概率低低危险发生时导致伤害的严重性高资料来源：SGS-TUV， 环境识别能力偏弱并非硬件物理缺陷，而是算法的不足因此对环境的识别能力难以趋于零缺陷，并非因为零部件物理缺陷，而更多是算法对复杂环境的处理能力不足。零缺陷管理并不免费，过程中带来产业利润池转移产品缺陷自身毫无疑问会提升企业成本（）2017年的破产；丰田在 2010 年因为油门踏板故障，也带来了约 20 亿美金的召回费用。1但零缺陷管理也并不是免费，其需要融入自

41、动驾驶系统的研发过程、工艺流程、甚至需要重塑企业文化。从系统层面看，自动驾驶面临着系统架构的优化，并带来利润池转移统架构转向集中式系统架构、从众多控制单元转向少数集中式处理器。通过减少硬件数量、这不仅仅是硬件能力的变化，可能还会伴随着价值链的转移。过去分布式架构各子系统自带控制单元无疑可以提供额外附加值，并提升企业利润；而集中式架构使零部件供应商降级为纯粹硬件供应商，使得利润池向整车企业或一级系统商集中。从产业链看，增加了沟通成本。自动驾驶系统设计到众多的零部件/子系统供应商， 系统的零缺陷最终将被分解成所有子系统和零部件的缺陷率：从各种传感器到处理芯片、从操作系统到执行机构，需要的不仅仅是整

42、车企业、更是整个产业链对更高系统安全性的贡献。从功能安全角度看，开发成本与物料成本上升。由于需要建立标准化的开发流程保障产品开发过程中就可以顾及到所有的需求并具有可追溯性，保障所有的设计都可以被检测和验证到，零缺陷的管理过程也是提高开发成本的过程。而功能安全所需要的硬件冗余，则直接提升了物料成本。处理器1中央处理器图表: 分散式AAS 电气架构（左图，集中式AS 电气架构（右图）处理器1中央处理器处理器3处理器处理器3处理器2L3 级别自动驾驶进度是成本和缺陷率的动态平衡 HYPERLINK / 请仔细对于自动驾驶来说，一味追求完全的“零”缺陷，短期内由于环境识别等领域准确度仍有不足，若堆砌大

43、量的硬件则又带来极高的成本压力。我们认为 L3 HYPERLINK / 请仔细1 https:/ HYPERLINK /2010/02/04/toyota-earnings-recall-markets-equities-prius.html l 2c14b9d05668 /2010/02/04/toyota-earnings-recall-markets-equities-prius.html#2c14b9d05668成本和缺陷率的动态平衡的结果，将一部分系统缺陷的结果交由驾驶员来处理，或许是真正实现“无人”驾驶之前必要的权衡之举。成本零缺陷管理成本成本最优产品缺陷成本综合质量成本零缺陷成本

44、零缺陷管理成本产品缺陷成本综合质量成本图表: 致力于零缺陷管理时，对于简单应用而言综合质量成本或伴随着产品缺陷的降低而下行（左图杂应用可能会出现综合质量成本高企的情况（右图）成本零缺陷管理成本成本最优产品缺陷成本综合质量成本零缺陷成本零缺陷管理成本产品缺陷成本综合质量成本 HYPERLINK / 请仔细高 HYPERLINK / 请仔细资料来源： 产品缺陷率低高产品缺陷率低半导体、5G、高精度地图赋能自动驾驶半导体助力自动驾驶汽车计算芯片：软硬件协同能力重于硬件参数AISoC 形式为主。汽车的电子电气架构是一个庞大且复杂的系ADAS/自动驾驶、智能座舱、动力/底盘、车身控制、信息通讯等多个域的

45、计算任务。AI ADAS/除了I加速器，汽车计算芯片还需要驱动车机的显示（P、处理动力底盘、车身控制、信息通讯等其他域的控制信号（CPU）等。因此，汽车计算芯片往往以 SoC 形式为AICPUGPUISPDSP 等多个计算单元的异构计算系统。ADAS/自动驾驶智能座舱0102信息通讯0503汽车计算芯片动力/底盘04车身控制图表 ADAS/自动驾驶智能座舱0102信息通讯0503汽车计算芯片动力/底盘04车身控制资料来源： 图表30:NVIDIAXavierSoC图表31: FSDSoC资料源：NVIDIA， 资料源：wikichip， AI 加速器硬件设计相对较为简单，当落到实用层面时，离不

46、开软硬件的良好协同。目前，盲目堆砌硬件参数的狂热时期已经过去，汽车计算芯片能否实现良好的软硬件协同、真正赋能自动驾驶汽车，才是最关键的评价指标。我们认为，由需求决定算法，再由算法定义硬件，可能是汽车计 HYPERLINK / 请仔细算芯片的合理设计思路 HYPERLINK / 请仔细图表 32: AI 芯片需软硬结合资料来源：2019 中国 IC 领袖峰会， 汽车计算芯片市场进入商用能力竞争新阶段。随着高等级自动驾驶的泡沫逐渐挤破，汽车计算芯片市场也进入商用能力竞争阶段。与此同时，华为的加入，以及特斯拉自研芯片也给英伟达、地平线等原来的玩家带来更大的压力。在商用能力竞争阶段，除了硬件性能，配套

47、的软件、客户服务等能力的重要性突显。竞争格局未定，新玩家从高能效、软硬结合方向挑战英伟达新玩家从高能效、软硬结合方向挑战英伟达。汽车计算芯片因其广阔的市场前景，吸引ICT 司地平线机器人等。我们认为，汽车计算芯片的高能效和灵活性难以兼得，而英伟达选择了高灵活性，其 Xavier SoC 产品客户面较广，则势必在性能和能效方面有所妥协。我们观察到，汽车计算芯片的新玩家主要从两个方向挑战英伟达：高能效：英伟达。动驾驶算法的计算芯片，并提供完善灵活的定制部署工具。图表 33: 汽车计算芯片领域挑战英伟达的两个方向高能效方向车企自研芯片软硬结合方向灵活的定制框架高能效高能效方向车企自研芯片软硬结合方向

48、灵活的定制框架 HYPERLINK / 请仔细资料来源： HYPERLINK / 请仔细灵活性图表 34: 主要自动驾驶计算平台对比NVIDIADRIVE PX Pegasus华为MDC600Tesla Autopilot 3.0地平线Matrix 1.x推出时间2017/102018/102019/42018/4适用自动驾驶等级L5L4L5L3/L4性能（TOPS）3203521442.5功耗（W）50035225031AI处理器Xavier * 2昇腾310 * 8FSD * 2征程2.0支持传感器10+个摄像头、6个光雷达等16个摄像头、6个毫米波雷达、16个超声波雷达、8个激光雷达摄像

49、头（21路1080p60fps）摄像头（单路1080p60fps）、激光雷达、毫米波雷达ISO26262等级ASIL-DASIL-D-资料来源：TI，Renesas，Intel，NVIDIA，NXP， 图表 35: 主要自动驾驶计算平台内置 AI 芯片对比NVIDIAXavier SoC华为昇腾310Tesla FSD地平线征程2.0INT8性能（TOPS）3016721功耗（W）308721.5工艺制程TSMC 12nm FFNTSMC 12nm FFCSamsung 14nm FinFETTSMC 28nmISAARMv8-ARMv8.0-A-面积（mm2）350-260-量产时间2018

50、/62018/102019/33Q18资料来源：Intel，NVIDIA， 各企业基于自身优势设计芯片架构。特斯拉作为纯视觉自动驾驶的领头羊，其自动驾驶FSD NPU 70%Xavier SoC 中，GPU 的面积要大于深度学习加速器Mobileye EyeQ5 设计架构图中，计算机视觉加速器是最主要的部分。图表 36: 汽车计算芯片主要模块对比面积占比大NVIDIAXavierMobileyeEyeQ5TeslaFSDGPUComputer VisionProcessors（CVP）Neural Processing Unit（NPU）CPUCPUGPU面积占比小Deep LearningA

51、ccelerator（DLA）Programmable Accelerator（PVA）Deep LearningAccelerator（DLA）MultithreadedAccelerator（MA）CPU HYPERLINK / 请仔细资料来源：NVIDIA，Intel，Tesla HYPERLINK / 请仔细网联化为自动驾驶提供技术支撑5G 对于自动驾驶的意义全路况的自动驾驶是汽车电子技术发展的终极目标。为了达到这个目标，智能化和网联化成为汽车电子技术的两大发展维度。其中智能化是汽车一直以来发展的方向，随着半导体、算法等技术发展而不断发展；网联化则强调车联网概念，推动了汽车同环境的信4

52、G4GV2X5GAI图表 37: 汽车向智能化、网联化发展的趋势网联化网联协同决策与控制 车路协同控制 全路况自动驾驶 联网联化网联协同决策与控制 车路协同控制 全路况自动驾驶 联网协同感知车道内自动驾驶泊车辅助协同式卡车队列商用车自动泊车联网辅助信息交互自动紧急制动车道保持智能化商用车队列行驶自适应巡航换道辅助2016201720182019202020222025+驾驶辅助（DA） 部分自动驾驶（PA驾驶辅助（DA）部分自动驾驶（PA）有条件自动驾驶（CA）高度/完全自动驾驶（HA/FA）资料来源：信通院， LiDARAI 自动控制驾驶。然而现有自动驾驶解决方案所收集的数据均为无遮挡数据，

53、且存在方V2X 有以下优势：图表38: 非视距场景下V2X的优势图表39:V2X、光达、毫米波、摄像头解决方案成本对比V2X汽车终端单价低，具有成本优势万元级千元级千元级百元级 V2X毫米波摄像头光达V2X汽车终端单价低，具有成本优势万元级千元级千元级百元级资料源高，资料源 HYPERLINK / 请仔细360状态信息（如转向、速度等 HYPERLINK / 请仔细可以提供非视距信息，在转弯等盲区场景可以提供非冗余的宝贵数据。V2X汽车经过时可以获得缓存信息。V2X 在自动驾驶方面有着其他传感器不能替代的特点。5G 相较于 4G 将实现速率、连接数、时延等各方面指标的大幅提升。在系统性能方面，

54、5G 1020Gbps 的峰值速率，100Mbps1Gbps 的用户体验速率，每平方公里100 万的连接数密度，1ms 的空口时延，500km/h 的移动性支持，每平方米 10Mbps 的流量密度等关键能力指标，相对 4G 提升 3 到 5 倍的频谱效率、百倍的能效。在 V2X 方面，5G 技术主要在大规模连接、超低时延和增强移动宽带三个方面对 4G 技术进行全面升级，因此 5G 相比 4G，在 C-V2X 方面对车联网的赋能主要体现在：低时延，交通运行过程中路权分配等信息具有高并发性和高时效性，需要在极端时5G 1ms 0.2-0.5 米，更适合自动驾驶场景应用。超高移动宽带，车联网推动汽车

55、和更多的接入终端交换数据，数据的传输量较大， 因此需要高稳定性的大带宽移动网络支持数据传输。5G C-V2X 可以提供 V2N、V2P、V2I 和 V2V 的连接服务。其中：V2PPC5 V2P 场景的服务将主要由车厂前装实现，提升汽车的安全性和舒适性。V2IPC5 Uu 接口同周边基础设施（路灯等）实现通信。这类通信可以提升城市的交通效率。如红绿灯可以和周边车辆交互信息，进行车速引导优化车辆等待时间，提高十字路口通行的效率；还可以通V2I 场景的信息和服务受到多方关注，将有可能主要由基础设施提供方，如交通管理局等方面提供；城市管理部门、运营商、APP 也是潜在的参与方。V2VPC5 Uu 接

56、口同远距离汽车通信。这类通信可以保证汽车安全性，降低交通事故发生的风险。还可以进行远V2V图表 40: C-V2X 中的直连接口（PC5）和网络接口（Uu） HYPERLINK / 请仔细 HYPERLINK / 请仔细向更高级别、更复杂应用方向发展构建出“车路人云”高度协同的互联环境实现高级/完全自动驾驶业务最终实现完全自动驾驶自动驾驶典型应用场景车辆编队行驶具备车辆保持与跟踪协作式自适应巡航协作式紧急制动交通效率典型应用场景车速引导闯红灯等危险情况预警向更高级别、更复杂应用方向发展构建出“车路人云”高度协同的互联环境实现高级/完全自动驾驶业务最终实现完全自动驾驶自动驾驶典型应用场景车辆编队

57、行驶具备车辆保持与跟踪协作式自适应巡航协作式紧急制动交通效率典型应用场景车速引导闯红灯等危险情况预警初期：局部交通效率提升、节能减排中期：提升用户体验、提升交通效率、优化驾驶行为成熟期：由个体优化逐步发展为全局优化目前的关注热点初期：辅助驾驶、安全预警中期：L3自动驾驶业务、辅助/ 自动驾驶服务成熟期：全自动驾驶服务交通安全典型应用场景交叉路口碰撞预警发出告警信息提醒驾驶员避免车辆相撞信息服务典型应用场景紧急呼叫政府紧急救助中心云端全局信息处理与分享 全面支持用户的个性需求资料来源：信通院， 5G V2X 的市场规模4G 4G 4G/5G C-V2X 将会长期共存。商用车市场：由于涉及特定场景

58、，在某些场景（如出租车、公交车、物流卡车、矿卡、港口车辆等）4G C-V2X 5G C-V2X 我们假设每年 0 （渗透率 1,000 元，每月流量 60GB，1GB 流量 3 元单价估计，新增硬件市场规模为 50 亿元/年，新增流量市场规模为 54 亿元/年。乘用车市场：我们假设 2,500 万辆乘用车销售量，4G/5G 车联网终端产品价格在 1,000 元，车联网终端的前装覆盖率达到 100%，全部前装，60G/月流量、3 元/GB 计算，则每年新增的汽车端车联网硬件市场规模约为 250 亿元，每年新增运营商车联网流量市场规模约为 540 亿元。每年终端市场每年流量新增市每年终端市场每年流

59、量新增市场技术阶段汽车类型资讯等后市场渗透率20%渗透率100%渗透率20%渗透率100%乘用车25125315娱乐、位置信息为主商用车-5-0.03位置信息为主乘用车4G/5G C-V2X阶段50250108540自动驾驶等场景、新资讯出现商用车-5-0.03位置信息为主2G/3G/4G V2N阶段资料来源： 4G V2X 市场。V2NV2X HYPERLINK / 请仔细C-V2X HYPERLINK / 请仔细高精度地图构建自动驾驶基础设施为何高精度地图是实现自动驾驶的必要条件？高精度地图面向机器。不同于传统地图，高精度地图由服务人转向服务车辆/机器，因此高精度地图也包含更丰富的多层次数

60、据。具体而言，高精度地图的数据分为三层：拓扑结构层路径规划来表示点与线之间的关系。车道层：收集如车道弧度、车道宽度、车道位置、车道类型（等）的相关信息。标志物层：收集如交通标志、车道限高、障碍物、护栏等相关信息。图表 43: 高精度地图的数据元素资料来源：百度， 图表 44: 导航地图、ADAS 地图和高精度地图的对比地图类型精度数据维度数据来源传统地图(SD Map)20 米左右缺少定量数据，以丰富的描述性信息为主采集车ADAS 地图米量级在 SD 地图的基础上增加坡度、曲率、道路形状、铺设、方向等数据采集车高精度图 (HDMap)厘米量级采集车+众包采集+云端更新资料来源：四维图新，百度，