乘用车自动驾驶行业研究报告

乘用车自动驾驶行业研究报告目录序言自动驾驶概述自动驾驶硬软件详解自动驾驶未来发展APEX&

CONSULTING序言自动驾驶真的自动吗？自动驾驶真的安全吗？APEX&

CONSULTING自动驾驶真的自动吗？自动驾驶≠辅助驾驶≠智能驾驶人工驾驶自动驾驶ADAS高级辅助驾驶智能驾驶什么是…自动驾驶？智能驾驶？ADAS？大部分“自动驾驶”其实是指汽车的自动化驾驶，并不是真正意义上的自动驾驶，

虽然目前已量产智能汽车有些已经到达ADAS阶段，即高级辅助驾驶阶段，但距离真正意义上的自动驾驶还存在一定的距离。自动驾驶的实现是阶段性的目标达成，目前全球正在逐步推进智能驾驶向下一阶段进阶。智能驾驶：包含了现阶段的ADAS高级辅助驾驶及未来将逐渐实现的自动驾驶，主要是通过智能传感器，进行多融合算法处理，使汽车可以自主完成环境感知，并进行规划决策的驾驶。ADAS：Advanced

Driver

Assistance

System，即高级辅助驾驶，需要通过驾驶员与汽车自动化系统共同完成汽车的驾驶任务。自动驾驶：汽车自动化系统在设定条件内，持续地执行全部驾驶任务。APEX&

CONSULTING自动驾驶真的安全吗？驾驶人为因素81.50%环境因素18.00%机动车因素0.50%人类驾驶汽车事故致因驾驶人主观错误下导致的事故驾驶人能力受限导致的事故43.4%未按规定让行9.7%速度过快9.5%车道的违规使用6.6%酒驾6.1%违反交通信号灯4.7%疲劳驾驶6.2%未留意其他交通参与者的行为5.9%没有保持安全距离4.3%驾驶熟练度低3.7%其他错误驾驶行为机动车和环境因素导致的事故APEX&

CONSULTING73.4%其他道路使用者（车辆）造车的事故11.6%其他道路使用者（行人）造车的事故4.9%车辆视线障碍4.9%道路状况、障碍物2.8%技术缺陷2.4%天气、视线自动驾驶≠0事故自动驾驶概述自动驾驶的出现自动驾驶等级分类当下自动驾驶可实现的水平中国道路天气情况复杂自动驾驶相关政策发展自动驾驶安全性-技术原理APEX&

CONSULTING主流自动驾驶解决方案-感知层主流自动驾驶解决方案-决策层主流车企的解决方案设计——主机厂主流车企的解决方案设计——OEM主流车企当前的硬件最高配置装配情况智能驾驶的出现APEX&

CONSULTING自动驾驶的出现实现了汽车安全从被动驾驶到主动安全的升级主动安全被动安全被动安全指当事故发生时汽车的安全性，被动安全配置是指在事故发生时，用于保护车内乘员以及车外行人生命安全的装置。被动安全配置包括安全带、安全气囊、侧气帘、可溃缩式转向柱、可溃缩式踏板等。主动安全通过汽车配置的升级、功能的提升等方式预防事故的发生。主动安全配置指在事故可能发生但还未真正发生时，主动避免危险发生的安全装置。自动驾驶等级分类APEX&

CONSULTING来源：中华人民共和国工业和信息化部门，公开资料，灼鼎咨询级别主要内容代表功能2021年渗透率L5

完全自动驾驶完全没有运行条件限制NGP自动导航辅助驾驶NOP领航辅助驾驶NOA自动辅助导航驾驶AVP自主代客泊车-L4

高度自动驾驶可在一定场所及场景下，由汽车自动化系统完全进行车辆驾驶。L3

有条件自动驾驶L2

组合驾驶辅助以功能为主，主要辅助驾驶员进行汽车驾驶，功能可以单独开启或组合开启。AEB自动紧急制动ACC自适应巡航LKA车道保持辅助APA自动泊车辅助TJA交通拥堵辅助20.0%L1

部分驾驶辅助26.9%L0

应急辅助仅提供预警功能，具体操作执行均由驾驶员完成。FCW前方碰撞预警LDW车道偏离预警53.1%是是是是是是是否没有设计运行条件限制，可持续执行全部动态驾驶任务和执行动态驾驶任务接管？否是否在有限的运行条件限制下，执行全部动态驾驶任务和执行动态驾驶任务接管？否是否在有限的运行条件限制下，执行全部动态驾驶任务，但不执行动态驾驶任务接管？否是否在有限的运行条件限制下，持续执行车辆横向和纵向运动控制，但不执行全部目标和时间探测与响应？否是否在有限的运行条件限制下，持续执行车辆横向或纵向运动控制，但不执行全部目标和时间探测与响应？否是否在有限的运行条件限制下，不执行车辆横向和纵向运动控制，但执行部分目标和时间探测与响应？否无驾驶自动化当下自动驾驶可实现的水平APEX&

CONSULTING来源：东方证券，开源证券，灼鼎咨询2012201420152016201720182019202020212022L4特斯拉CybertruckL3+小鹏XPILOT3.5G9搭载XPILOT

4.0L3长安UNIT/CS55长城P5、蔚来ET7、小鹏XPILOT3.0、华为北汽极狐阿尔法SL2+理想ONE、长城哈佛F72020款、长安CS75PLUS/CS85

COUPLE/新CS95理想新版ONE、吉利极氪001L2特斯拉ModelX特斯拉Model3沃尔沃XC90/XC60、日产ProPilot1.0蔚来FS6、长安新CS55/CS75、吉利GPILOT

2.0特斯拉MODEL

Y、日产ProPilot2.0、沃尔沃XC4.0/S60/V60小鹏XPILOT2.5长城哈佛

H6

HEV、长安CS35PLUSL1特斯拉ModelS吉利GPILOT

1.0小鹏XPILOT2.0中国品牌国外品牌中国道路天气情况复杂交通复杂山路曲折大雾天气雨雪天气来源：中国信通院，灼鼎咨询APEX&

CONSULTING自动驾驶相关政策发展《国家车联网产业标准体系建设指南（车辆智能管理）》指出到

2022

年底，完成基础性技术研究等。《国家车联网产业标准体系建设指南（智能网联汽车）》提出到

2020

年，初步建立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2015年5月2021年3月2021年7月2020年4月2021年3月2017年12月2017年9月《中国制造2025》将无人驾驶作为汽车产业未来转型升级的重要方向之一。《智能网联汽车公共道路适应性验证管理规范（试行）》初稿对智能网联汽车公共道路适应性验证申请及审核流程等作了规定。《智能网联汽车道路测试管理规范(试行)》要求相关主管部门可以根据当地实际情况，制定实施细则等。《汽车驾驶自动化分级》意味着汽车自动驾驶分级标准将迎来第一个对标标准。《国家车联网产业标准体系建设指南（智能交通相关）》指出到2022年底，将初步构建起支撑车联网应用和产业发展的标准体系《道路交通安全法（修订建议稿）》明确了具有自动驾驶功能的汽车开展道路测试的相关规定。2018年4月2020年3月《智能网联汽车道路测试与示范应用管理规范（试行）》将测试示范道路和车辆的范围增加，简化办理程序等。来源：中国信通院，灼鼎咨询APEX&

CONSULTING《智能网联汽车生产企业及产品准入管理的意见》强化企业主体责任；指出加强数据和网络安全管理能力等。2021年8月2022年8月《关于支持建设新一代人工智能示范应用场景的通知》针对自动驾驶从特定道路向常规道路进一步拓展需求，包括运用车端与路端传感器融合的高准确环境感知与超视距信息共享等。自动驾驶安全性-技术原理APEX&

CONSULTING来源：中国银河证券，灼鼎咨询感知层决策层执行层通过安装在车身的各类智能传感器、地图、定位等硬件，收集车辆行驶与周边环境信息，信息获取的准确性与及时性将直接影响驾驶判断。依据感知曾获到的信息，通过算法等进行信息融合处理，决定工作模式及驾驶决策，形成轨迹规划。计算芯片的算力大小及算法的能力大小直接决定了决策的可靠性。决策层的指令下达至车身各部件，通过车身各部件的按指令行事，最终达成运动控制和执行控制。线控底盘技术是当前自动驾驶领域中重点研发的方向之一，是发展高级别自动驾驶的必然要求。主流自动驾驶解决方案-感知层感知层解决方案视觉主导方案激光雷达主导方案+其他融合方案以摄像头为主，配合毫米波雷达、超声波雷达等元件配合V2X+5G+高精地图+高精定位可以更加提高车辆的精确度，帮助更快速实现L4及L5的落地以激光雷达为主，配合摄像头、毫米波雷达、超声波雷达等元件类型说明特性优：成本低廉劣：易受环境、天气等影响，高技术壁垒，对算法要求高优：精度更高，可以达到L4L5对精度的要求劣：技术壁垒更高，算法难度更大优：精度较高，受天气、环境影响较小，探测距离远劣：成本昂贵来源：盖世汽车，国海证券，东方证券，灼鼎咨询APEX&

CONSULTING主流自动驾驶解决方案-决策层决策层解决方案CPU+GPU+ASICCPU+ASICCPU+FPGASoC芯片架构说明中央处理器+图形处理+专用集成电路中央处理器+

现场可编程门阵列中央处理器+专用集成电路发展趋势在自动驾驶算法尚未成熟固定之前，仍然是主流架构方案FPGA更适合应用于算法的开发测试，在大规模量产方面不具备成本优势自动驾驶算法成熟后，专用自动驾驶AI芯片（ASIC）因其低功耗、低成本的优势，将逐渐替代高功耗的GPU，成为未来的主流架构来源：盖世汽车，国海证券，东方证券，灼鼎咨询APEX&

CONSULTING主流车企的解决方案设计——主机厂主机厂开始时间智能驾驶解决方案感知层决策层搭载车型传感器高精地图芯片及算力平台算法特斯拉2016Autopilot视觉—FSD特斯拉自研Model

32019Model

Y蔚来2018NOP/NAD视觉百度MobileyeQ4/NVIDIA

OrinMobileye蔚来ES62020蔚来ES82020蔚来EC62020激光雷达蔚来ET7理想2019理想ADAS视觉百度MobileyeQ4Mobileye理想ONE20202021激光雷达高德征程3地平线合作理想ONE2021小鹏2017NGP/XPILOT视觉高德NVIDIA

Xavier英伟达合作小鹏P72018视觉MobileyeQ4Mobileye小鹏G32021激光雷达NVIDIA

Xavier自研感知与决策规划算法小鹏P52022XPILOT激光雷达NVIDIADRIVE

Orin—小鹏G9来源：天风证券，灼鼎咨询APEX&

CONSULTING主流车企的解决方案设计——OEMOEM开始时间智能驾驶解决方案感知层决策层搭载车型传感器高精地图芯片及算力平台算法百度2013百度ANP视觉百度ACU（自研）Apollo

Lite威马W6、长城摩卡华为2019Huawei

ADS激光雷达华为MDC810华为ADS极狐阿尔法、长安、广汽大疆2021大疆City

Assist视觉/激光雷达—大疆智能驾驶域控制器（自研）大疆自研上汽通用五菱、新宝骏地平线2020FCW、LDW等视觉高德征程2HorizonMatrix

Mono2021领航驾驶视觉征程3HorizonMatrix

Pilot理想ONE2021领航驾驶视觉/激光雷达征程5HorizonMatrix

FSD来源：天风证券，灼鼎咨询APEX&

CONSULTING主流车企当前的硬件最高配置装配情况APEX&

CONSULTING来源：各公司官网，汽车之家，百度，灼鼎咨询摄像头芯片算力激光雷达毫米波雷达搭载车型超声波雷达G9

2022款650

性能版Max12个（800万像素*2）L9

2022款L9

Max版11个（800万像素*6个）Model

X8个1个12个144TOPS9个EC6海豹5个—等效96线*2个5个12个508TOPS128线*1个1个12个254TOPS*2个—5个12个5TOPS—3个6个150GFLOPS自动驾驶软硬件详解感知层-多传感器融合感知感知层1-激光雷达感知层2-毫米波雷达感知层3-超声波雷达感知层4-车载摄像头感知层5-高精地图+高精定位+5G+V2XAPEX&

CONSULTING决策层-架构分布决策层1-计算平台与芯片决策层2-自动驾驶芯片市场情况决策层2-操作系统执行层-线控底盘感知层-多传感器融合感知APEX&

CONSULTING智能传感器探测距离/范围主要应用方向优点缺点价格激光雷达250-300m道路提取环境建模障碍物识别功能强大，信息丰富可3D成像探测距离远价格贵，成本高6000-15000元毫米波雷达77GHz

100-150m24GHz

30-50m自适应巡航自动紧急制动不受天气影响对障碍物识别率高目标识别准确度较低短距300-500元长距400-1000元超声波雷达3m内自动泊车便宜，成本低只能做近距离探测易受天气影响10-100元摄像头长焦

200m中焦

100m短焦

50m环视摄像头

5m内车道偏离预警交通标志识别可图像识别可交通信号识别易受天气影响100-350元主流车载传感器对比感知层1-激光雷达APEX&

CONSULTING来源：36氪，观研天下数据中心，灼鼎咨询激光雷达3D成像激光雷达激光雷达通过将发射信息和反射信息进行对比，构建出3D点云图，可以精确测量目标的位置（距离与角度）、形状（大小）及状态（速度、姿态），从而达到探测、识别、跟踪目标的目的，尤其在远距离探测和夜间判断有突出优势。车型上市时间搭载数量参数激光雷达厂商小鹏P52021.09.152144线览沃小鹏G92022.09.212等效96线速腾聚创蔚来ET72021.01.091等效300线（ROI范围内）Innovuasion理想L92022.06.211128线禾赛极狐阿尔法S2022.05.07396线华为威马M72021.10.223等效504线速腾聚创长安阿维塔112022.08.08396线华为长城机甲龙暂未上市496线华为2021E2022E2023E2024E2025E2030EL3单车平均搭载激光雷达（颗）2.02.22.32.42.53L4&L5单车平均搭载激光雷达（颗）————55.5L3整车搭载价格13000100108372618856255157L4&L5整车搭载价格————123769454车载激光雷达平均单价（元）6500455036402912247517192021-2030年整车搭载激光雷达价格测算车

载

激

光

雷

达

搭

载

情

况感知层2-毫米波雷达APEX&

CONSULTING来源：东吴证券，百度，灼鼎咨询毫米波雷达位置及功能示意图毫米波雷达毫米波雷达是一种通过发射和接收毫米波段电磁波进行测速测距工作的传感器，存在TOF

时间飞行模式和FMCW线性调频脉冲模式两种工作模式，是自动驾驶汽车领域必备传感器之一。雷达分类短距雷达SRR中距雷达MRR长距雷达LRR波段24GHz77/79GHz（76~

81GHz）探测距离<60m≈100m≈250m发展方向：从3D毫米波雷达到4D毫米波雷达发展现状：77GHz波段成为发展主流3D方位角距离俯仰角4D相对速度L3以上的场景会对成像雷达有更大的需求，从技术上来讲，4D成像毫米波雷达是必然趋势目前宣布量产4D毫米波雷达企业及对应产品：Continental（ARS

540）Arbe（Phoenix）傲酷（Eagle）华为（-）福瑞泰克（-）森思泰克（STA77-6和STA77-8）采埃孚（-）Bosch（-）Oculii（-）华域（-）森思泰克（-）纵目（ZM-SDR1）感知层3-超声波雷达APEX&

CONSULTING来源：中研产业研究院，灼鼎咨询超声波雷达，俗称倒车雷达，是常见的主要用于辅助泊车的传感器，工作原理是通过发射装置向外发出超声波（机械波），到通过接收器接收到反馈的时间差来测算距离。超声波雷达成本低廉，基本只需要几十元，劣势也相对明显，

在较高车速时无法实现可靠的测速功能，因此除泊车相关功能外，难以拓展其他功能，随着摄像头和雷达系统的成本不断下降，超声波雷达有被取代的趋势。短程超声波（目前主流）安装位置：主要车身的前后UPA 部位检测范围：25cm-2.5m优点：由于检测距离大，多普勒效应和温度干扰小，检测更准确远程超声波安装位置：主要车身的侧面检测范围：35cm-5m优点：方向性强，探头波的传播性优于UPA，不易受到其他超声波雷达的影响缺点：检测距离越远，检测误差越大APA超声波雷达竞争格局两大常见超声波雷达国际企业国内企业初创企业未来随着自动驾驶技术不断成熟，自动泊车功能得到广泛应用，APA的市场会逐渐打开。感知层4-车载摄像头APEX&

CONSULTING来源：特斯拉官网，灼鼎咨询传感器编号特斯拉Model车身传位置感器位置数量与数量功能摄像头1后车牌上方1个PA、SVP3两侧门柱2个ALC、SVP4后视镜上方挡风玻璃3个LDW、SVP、PCW、LKA、TSR、FCW5两侧前翼子板2个BSM、SVP超声波雷达（已有取消消息）2前后保险杠中12个-毫米波雷达6前保险杠后面1个补充自动驾驶功能车企选择的自动驾驶解决方案不同，对车载摄像头的依赖程度也会不同，特斯拉目前的“纯视觉方案”，就是通过大量的摄像头布置，完成车辆行驶时的周围信息采集。摄像头就是模拟人行走时的状态，将“眼睛”看见画面传输给“大脑”，“大脑”进行处理判断后下达命令。优点缺点感知层5-高精地图+高精定位+5G+V2X感知层除了利用传感器完成的自动驾驶环境感知外，还有由高精地图+定位完成的车身感知，和由5G+V2X完成的网联感知。环境感知车身感知网联感知感知层GNSS+IMU+高精度地图5G+V2X来源：零壹智库，易观分析，未来智库，灼鼎咨询APEX&

CONSULTING车身感知定位系统主要由惯性导航、卫星导航系统和高精度地图组成。主要是以高精地图为依托，通过惯性导航系统和全球定位系统（GlobalNavigation

SatelliteSystem，GNSS）。主要负责实现车辆与外界的网联通信以此来获得道路信息、行人信息等，主要包括各类路侧设备、车载终端以及

V2X

云平台等。感知层5-高精地图相关进展公司名称高精地图相关进展主要客户四维图新已覆盖全国32万+公里高速，以及全国超5000公里的城市内部路宝马、上汽、京东等凯立德2020年7月宣布与地平线联合打造高精地图及智能交通车联网动态解决方案地平线、美团等易图通在自动驾驶领域，自主研发的高精度产品应用地图生产线奥迪、福特等立德空间推出了L4级HD高精地图一汽、上汽等百度-长地万方支持面向城市复杂道路的ANP高级别智能驾驶解决方案及AVP自主泊车方案集度等阿里-高德2021年第三代车载导航利用车辆的视觉感知和高精最新动态地图进行融合实现车道级导航小鹏等腾讯-大地通途完成了对全国高速和快速路的高精度地图制作蔚来等华为推出了地图服务平台Petal

MapsPlatform,并提供地图、搜索、定位和规划能力问界、极狐等来源：零壹智库，易观分析，未来智库，灼鼎咨询APEX&

CONSULTING感知层5-V2X配置车型上市时间V2X配置蔚来ET72022均胜电子子公司均联智行获得蔚来5G-V2X平台项目定点，2021年底部署于蔚来ET7，包括5G

T-Box和5G

V-Box长城摩卡2021.05基于咖啡智能平台打造，搭载高通8155芯片、车规级5G-V2X上汽Marvel

R2021.02采用上汽集团旗下联创汽车电子的5G

V2X

i-BOX，集成5G、V2X、高精度定位功能；V2X和ADAS功能可选装价值3万元的“R-Pilot智驾成长包“上汽通用别克GL8

Avenir2020.12采用移远通信车规级C-V2X模组AG15和车规级LTE模组AG35；可选装V2X智能交通技术，售价1万元一汽红旗E-HS92020.12搭载和东软联合开发的C-V2X智能天线，采用基于高通9150C-V2X芯片组的移远通信AG15模组，搭载内置高通MDM9628芯片的亿元LTE车规级模组AG35，模组自带的行尾推测和高精融合定位，可实现亚米级高精度定位高合HiPHi2020.09搭载均联智行5G-V2X产品，采用移远通信5G+G-V2X车载模组AG550Q，均联智行提供车载网联终端广汽传祺ALON

V2020.06搭载华为5G车载模组MH5000，选装5G先锋套装来获得5G网络功能配置，限量选装包价格9600元来源：零壹智库，易观分析，未来智库，灼鼎咨询APEX&

CONSULTING决策层-架构分布APEX&

CONSULTING应用软件功能软件系统软件硬件平台-芯片外围硬件摄像头、雷达、GPS惯导等传感器V2X（云控/地图）动力、底盘控制等车辆平台来源：东吴证券，灼鼎咨询自动驾驶车辆/功能需求/平台技术/整车集成自动驾驶计算平台应用软件 数据地图 HMI 感知融合 决策规划广义操作系统控制执行工具算法API（中间件） 算法API

（中间件）自动驾驶通用框架模块（感知/决策/规划）AI和视觉模块 传感器模块 联网模块 云控模块中间件组件（AUTOSAR

RTE/分布式通信/管理平面和数据平面等）侠义操作系统：内核（Linux/Vxworks/OSEK

OS等RTOS）Hypervisor/BSP/DriversAI单元/计算单元（ASIC/GPU/CPU/FPGA） 控制单元MCU…安全体系链（开发&仿真&调试&测试等）决策层1-计算平台与芯片车载智能计算平台，也叫做自动驾驶域控制器，主要负责完成感知环节的识别融合任务以及整个决策环节，需要处理海量数据和进行复杂的逻辑运算。芯片决定了自动驾驶计算平台的算力，车载智能计算平台为满足高算力需求，通常集成多个

SoC，涉及各类芯片和软件，供应商来自不同领域，供应生态多样。ASIC即专用集成电路，是为特定用途或应用而创建的芯片，通常被设计和使用在特定系统中的单个公司。ASIC分为全定制和半定制。全定制设计需要设计者完成所有电路的设计，因此需要大量人力物力，灵活性好但开发效率低下。定制芯片-ASICFPGA，最大特点是可编程，具体功能是在制造完成后以用户配置决定的，仍具有一定灵活性，固化程度低于ASIC。既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。FPGA可以实现一个DSP、GPU，甚至是CPU的功能，但完全是由硬件实现的。APEX&

CONSULTING定制芯片-FPGA算力：<1TOPS算力：10+TOPS算力：100+TOPS算力：500+TOPS算力：1000+TOPS高算力SOC芯片和AI计算平台成为自动驾驶演进的基础2015年2020-2022年2023E-2025E年2030E年决策层2-自动驾驶芯片市场情况APEX&

CONSULTING来源：

2021中国汽车半导体产业大会，灼鼎咨询芯片单颗算力（TOPS）车型华为MDC810400+极狐aS华为HI版高通Snapdragon

Ride30-700WEY摩卡特斯拉FSD72Model3/Y英伟达Orin256蔚来ET7、理想L9、小鹏G9、智己L7激光雷达版、RE533英伟达Xavier30小鹏P5/P7、智己L7视觉版MobileyeeyeQ5H24宝马X、极氪001MobileyeeyeQ42.5蔚来ES8/ES6/EC6、广汽Aion

V/LX、哪吒U零跑凌芯4.2零跑T03/S01/C11地平线征程32.5奇瑞大蚂蚁、岚图FREE、长安UN-T/K决策层2-操作系统APEX&

CONSULTING来源：汽车电子与软件，智能汽车开发者平台，灼鼎咨询公司操作系统操作系统内核主要合作车企黑莓QNXUnix宝马、奥迪、奔驰特斯拉VersionLinux内核特斯拉百度小度OS未知戴姆勒-奔驰、现代苹果CarplayUnix-阿里AliOSLinux

Kernel上汽体系、荣威、福特主流车企车载操作系统广义自动驾驶操作系统组成自动驾驶操作系统系统软件功能软件硬件抽象层自动驾驶通用框架模块网联模块云控模块组成组成操作系统内核狭义自动驾驶操作系统中间件三大底层车载操作系统内核QNXLinuxVxWorks半封闭系统、QNX是一款微内核、嵌入式、非开源、安全实时的操作系统。开源、功能强大,

具有很强的定制开发灵活度，免费。开源，但影响力主要在航空电子，需要收取一笔高昂的授权费。好的操作系统可以使芯片发挥出更高效力，如果没有操作系统，芯片技术再强，也只是沙滩上起高楼，操作系统是决定汽车智能化网联化胜负的关键。操作系统内核可分为分时和实时两种,

由于事关安全，自动驾驶需要的实时操作系统，QNX和VxWorks均属于实时操作系统，但Linux是分布式操作系统。执行层-线控底盘APEX&

CONSULTING来源：汽车之友，电车之家，民生证券，光大证券，信达证券，盖世汽车，灼鼎咨询线控底盘属于汽车自动辅助驾驶的执行系统，通过探测器将驾驶员操作中释放的机械信号转换为电信号，再通过控制器与执行器完成相关的行车决策。因此与传动底盘系统相比，线控底盘系统的最大特点为

ECU/电机等电子零部件所占比例的提升。线控底盘线控油门线控换挡线控制动线控转向线控悬架线控油门系统EHBEMB线控转向系统空气悬架线控减震线控换挡系统制约线控底盘落地的关键技术难点在于线控转向和线控制动技术的量产落地，相关技术存在很高的技术壁垒，核心技术均掌握在传统老牌tier

1手中，行业技术护城河极深。此外，线控悬架等部分虽技术无显著难点，但量产成本较高，受限于成本，暂时无法实现对传统部件的全面替换。发展难点执行效率更高智能化增加减少能量损耗维护成本降低线控底盘技术既是发展电动化、智能化必经之路，同时也是未来智能汽车发展自动驾驶的必然要求，是未来底盘新形态。≈5%<1%<3%≈30%渗透率≈100%自动驾驶未来发展距离真正意义上的自动驾驶还有多远？安全冗余数据闭环数据发展难点自动驾驶道路测试与示范区自动驾驶试点情况自动驾驶最新进展与展望APEX&

CONSULTING距离真正意义上的自动驾驶还有多远？APEX&

CONSULTING来源：IHS

Markit，灼鼎咨询成本技术参与者政策法规01|

02|03|04|自动驾驶的实现第一步取决于感知层的设备配置，自动驾驶级别越高，对传感器的精度及应用的芯片算力的要求约高。由于传感器行业的规模化尚未成熟，如激光雷达，因此导致的硬件方案成本较高。随着自动驾驶级别逐渐提高，配套传感器升级获取到的信息更多，对于信息处理的计算平台算法等技术要求也响应提高。而L3+及以上级别的研发时间与研发阶段处于早期阶段，因此目前而言，技术成熟度较为不足。无人驾驶的实现仅依赖车企和对应上下游企业的努力是远远不够的，无人驾驶的真正落地也涉及到通讯公司、政府、科技公司等相关行业。无人驾驶是融合性的发展结果，需要参与者前瞻性的融合发展思维和技术研发。无人驾驶需要政策法规开放实际道路的自动驾驶测试，测试里程仍然需要不断积累，为自动驾驶的完全落地做好基础。而当前允许测试的场景相对简单，如封闭园区、物流场地等，无人驾驶测试需要更加开放性的测试场景。L2+L3L4传感器覆盖域控制器和芯片算力自动驾驶级别之间成本差异L3之前属于辅助驾驶阶段，由于此阶段仍需要驾驶员进行主导操作，因此感知层信息重要性高于决策层，为获取更全面信息进行传感器覆盖成为该阶段主要的成本来源。L3及以上属于自动驾驶阶段，该阶段要求汽车同时做到感知层和决策层的独立进行，因此自动驾驶域控制器和芯片算力在该节点硬件方案中占据主要成本。自动驾驶级别和场景的不同需求，影响着细分场景方案的成本差异。安全冗余APEX&

CONSULTING控制器冗余（大脑）执行器冗余（制动转向）感知定位冗余（环境监控）电源冗余（支持失效降级）通讯冗余（控制信息传递）自动驾驶系统采用了两个高性能智能驾驶计算平台，支持单计算平台故障后的热切换安全机制，实现双智驾域控，即ADS模式管理。自动驾驶算法开发过程中需要充分考虑功能安全为主导的情况下进行开发。感知定位冗余在自动驾驶领域尤为重要，大多数的自动驾驶汽车事故，都是因为感知错误或者感知不足所导致的。当前通常是配合更多的传感器，或是引入高精地图、高精定位，V2X技术等。目前执行器的重点为线控制动线控转向，但因为线控目前技术尚不成熟，通常搭配传统机械制动机械转向，互为冗余。在制动控制逻辑方案中，主要是加入博世ibooster作为冗余控制器；比较典型的双冗余策略，即输入转角双冗余、底盘域控制器双冗余、转向执行双冗余以及供电冗余。通讯功能控制着车辆信息的传递，当任一通讯系统发生故障时，能够实现通讯热切换，双接两路制动、转向、动力的线控通讯链路。电源冗余的解决方案通常是双电源。自动驾驶L3及以上的阶段，对于自动驾驶系统的依赖性会更高，一旦发生系统失效问题，将会导致危及到生命安全的结果，因此当前自动驾驶的研发重点之一便是冗余备份，以便系统A失灵时，系统B可以介入完成行驶工作。冗余具体包括5大部分，不同冗余的解决难易也有所偏差。数据闭环数据采集数据传输数据入库数据处理场景挖掘场景库场景仿真仿真报告算法模型库训练评估算法研发数据标注百 数度 据自 闭动 环驾 方驶 案来源：汽车之家，佐思汽车研究，灼鼎咨询APEX&

CONSULTING自动驾驶发展正在从技术驱动转向数据驱动，自动驾驶系统不断迭代的前提是算法的持续优化，而算法的卓越度又取决于数据闭环系统的效能，数据在自动驾驶开发每个场景的高效能流转至关重要，数据智能化将成为加速自动驾驶量产的关键。数据发展难点数据标注成本高仿真测试效率低高精地图覆盖少数据积累程度低自动驾驶需要收集足够的数据信息以用来训练和模拟，但自动驾驶数据呈长尾分布，极端情况获取信息量有限，此外对于感知层采集到的数据有严格的安全合规性要求，因此数据的清洗、脱敏耗时耗力。随着自动驾驶级别逐渐升级，对于应用场景的复杂度持续提升，同时车辆感知层提取到的信息精度对训练数据集的规模和质量也有更高的要求，传统数据标注采用人工形式不仅耗时耗力，成本也是不小的压力。虚拟仿真当前是自动驾驶算法训练最有效的手段，但仿真场景拥有较高的技术壁垒，场景构建难、还原度低，而当前的技术水平有限，导致仿真测试的效率低，算法迭代周期长等问题。高精地图目前的覆盖率极低，当前主要依靠自采集和自制图，有些地区无法进行