最新版中国汽车智能化行业发展投资策略分析报告Word版.docx
《最新版中国汽车智能化行业发展投资策略分析报告Word版.docx》由会员分享，可在线阅读，更多相关《最新版中国汽车智能化行业发展投资策略分析报告Word版.docx（35页珍藏版）》请在冰点文库上搜索。
最新版中国汽车智能化行业发展投资策略分析报告Word版
2017年汽车智能化行业发展分析报告
2017年6月出版
1、汽车智能化演进路线探析——渐进式创新和破坏式创新两条路线并举
1.1、汽车智能化的演进阶段
按照NHTSA对于汽车智能化演进的分类，汽车智能化演进分为5个阶段。
L0阶段对应完全无自动化，在该阶段由驾驶者完全保持对方向盘、油门和刹车的掌控。
根据该定义，行车记录仪和仅仅涉及报警和预警功能的自动辅助驾驶功能也属于L0阶段。
L1阶段对应特定功能自动化，在该阶段由驾驶者占据对汽车的主导控制地位，但可以释放特定功能给系统管理，车辆可以自动接管一个或者特定几个控制功能，但是数个控制功能不可组合使用，典型功能为自动紧急制动功能和自适应巡航功能等。
L2阶段对应组合功能自动化，在该阶段由驾驶者和系统共享对于汽车的控制，系统可以实现两种以上的控制功能，并且可以使用组合多个控制功能以释放驾驶者，典型功能为自适应巡航功能和车道保持功能的组合使用，不过驾驶者必须随时待命，在系统退出时接管对于汽车的控制。
L3阶段对应高度自动化，在该阶段由系统占据对车辆的主导控制地位，在特定的环境或者交通工况下（比如高速公路环境），较大程度依赖系统对于外界环境的判断，系统可以组合使用多个控制功能，驾驶者可以较长时间不参与控制，但依然需要在必要时接管系统。
L4阶段对应完全自动化，在该阶段完全由系统掌握对于汽车的控制地位，驾驶者只需提供目的地或导航信息，汽车能够凭借自身的感知、分析和执行来完成所有驾驶任务，完全释放驾驶者的手脚。
图表1：
NHTSA对于汽车智能化演进分类
表格1：
汽车智能化的演进阶段
1.2、渐进式创新和破坏式创新并举
我们判断，汽车智能化存在两条演进路线，即自动辅助驾驶所对应的渐进式创新
演进路线和无人驾驶所对应的破坏式创新演进路线。
图表2：
渐进式创新和破坏式创新两条路线
我们认为，自动辅助驾驶不等于无人驾驶，前者的本质是原有汽车驾驶系统的模块叠加和功能发展，其目的是为了给驾驶者提供便捷、舒适和安全的驾驶环境，其主决策者依然是人；后者的本质是种全新的能够自主导航的移动运输类机器人，其外形设计、应用场合并不拘泥于现有的模式，其主决策者是人工智能。
图表3：
渐进式创新路线典型应用
图表4：
破坏式创新路线典型应用
我们的分析，自动辅助驾驶渐进式创新路线以毫米波雷达、红外雷达、超声波雷达和车载摄像头作为主要传感器，其核心技术是自动控制技术和传统模式识别技术，其主导者为汽车传统整车厂家和新兴的电动车厂家，该技术路线可以将成本转嫁给消费者；无人驾驶破坏式创新路线以高精度的激光雷达作为主要传感器，以高精度地图作为参考坐标系，以基于深度学习的人工神经网络作为算法决策，其核心技术是3D即时测绘和深度学习算法，该技术路线需要大量的基础设施长期投入，并且严重依赖车
点检测功能（BSD）3.8%，自动泊车入位（AP）2.6%，前向碰撞预警（FCW）2.6%，自
动紧急制动（AEB）2.4%，全景摄像头（SVC）2.3%，车道偏离预警（LDW）1.7%，自适应巡航导航（ACC）1.3%，车道保持辅助（LKA）0.8%。
全球整车市场自动辅助驾驶系统的渗透率也低于10%，欧美地区市场接近8%，新兴国家市场则仅为2%，市场空间依然非常巨大。
据PRNewswire咨询公司测算，未来全球ADAS渗透率将大幅提升，预计2022年全球新车ADAS搭载率将达到50%，我们判断自动辅助驾驶功能正处于导入期向成长期过度的阶段，蕴藏着极大的投资机会。
图表5：
自动辅助驾驶功能即将迈入成长期
根据研究，全球车载摄像头出货量将从2014年的2800万颗增长至2020年的8270万颗，6年复合增长率为19.8%。
据舜宇光学披露的数据显示，2015年舜宇光学车载镜头全年出货量为1651万颗，而在2016年前11个月的累积出货量已经达到了2064万颗，预计全年出货量约为2200万颗到2300万颗之间，2016年全年车载镜头出货量增速为33%到39%之间，据舜宇光学管理层透露，其在车载镜头领域的市场份额为30%到
35%左右，因此推测2016年车载镜头市场全球市场出货量在6285万颗到7667万颗之间，远高于研究的数据。
图表6：
舜宇光学车载镜头出货量
调查研究显示，2016年全球无人驾驶汽车市场规模为40亿美金左右，预计2021年全球市场规模将达到70.3亿美元左右，复合年均增长率为11.8%。
该机构分析师认为XX、谷歌等互联网巨头虽然均投身于无人驾驶的领域，但由于政策法规的限制、技术产业化的不成熟和成本方面的综合考虑，短期内无人驾驶汽车市场规模变化不大，行业整体处于内部测试阶段，难以实现大面积推广。
图表7：
全球无人驾驶汽车市场规模预测
综上所述，短期来看自动辅助驾驶智能化演进路线的渗透率已经开始快速提升，但是长期来看，无人驾驶汽车智能化演进路线或许是终极形态。
2、汽车智能化是汽车行业演进的下一个必然阶段
自汽车诞生的一百多年以来，发动机、变速箱一直都是其最为重要的部件，并且汽车行业的整体发展也多由这两者所推动，然而进入21世纪之后，汽车行业也在日益被信息技术所改变，从最开始改进汽车的设计、生产、制造等流程，到了现在改变汽车本身，汽车行业正在发生深刻的革命。
图表8：
奥迪汽车发动机
图表9：
奔驰汽车变速箱
在汽车智能化的大浪潮之下，不管是汽车产业的运作模式还是汽车对于消费者所
提供的使用价值都将被重新定义——这如同历史上智能手机的出现对传统手机行业的
颠覆，在未来，汽车将不仅仅是代步的交通工具，而将是移动的客厅、办公室或者书房。
图表10：
英特尔车载计算平台
图表11：
英伟达车载计算平台
我们认为，汽车行业正在发生一场深刻的变革，智能化、网联化、电动化的未来
趋势正在让汽车变得像是一个带有四个轮子的电脑，处理器、计算能力、网络互联等数字化元素也正在取代发动机和变速箱等机械部件的核心地位，即车用芯片/计算能力提供商将处于未来智能汽车产业的核心位置。
在这一产业革命下，汽车产业的价值链或许将重构，智能软件系统、处理器等芯片公司或许将会处于产业链的顶端，拿走大部分利润，而整车制造、汽车零部件生产企业的地位或许会开始下沉，这对于中国电子制造业或许是新的机遇。
图表12：
XX无人驾驶汽车
图表13：
谷歌无人驾驶汽车
2.1、监管机构的推动和政府立法的支持
监管机构的推动和政府立法的支持是驱动汽车智能化的一大驱动力。
欧盟新车评鉴协会（TheEuropeanNewCarAssessmentProgram，简称为E-NCAP）
和美国公路保险协会（TheInsuranceInstituteforHighwaySafety，简称为IIHS）是汽车碰撞安全测试最为权威的两家机构，其他国家和地区在制定汽车碰撞安全测试标准时会大量参考和引用上述两家机构制定的评分标准。
根据E-NCAP公布的路线图，从2013年开始，其对于新车的评分规则进行了调整，增加了更多自动辅助驾驶（AdvancedDriverAssistantSystems，简称为ADAS）的考核。
到2017年时，速度辅助系统（SpeedAssistantSystem，简称为SAS）、自动紧急制动（AutonomousEmergencyBraking，简称为AEB）、车道偏离预警/车道偏离辅助（LaneDepartureWarning，简称为LDW/LaneKeepAssist，简称为LKD）的评分要求已经设定为汽车整体装机量达到100%。
表格3：
E-NCAP对于ADAS的评分准则
2016年3月18日，美国高速公路安全管理局（NationalHighwayTrafficSafetyAdministration）和IIHS也宣布，占美国汽车市场份额99%以上的20家汽车制造商（通用、福特、菲亚特克莱斯勒、丰田、本田、日产、马自达、三菱、富士重工业、现代、起亚、奥迪、宝马、戴姆勒、大众、保时捷、沃尔沃、玛莎拉蒂、捷豹路虎、特斯拉）已同意在2022年9月1日让自动紧急制动（AEB）成为技术标准，丰田表态2017年开始为在美销售的所有新车都必须要标配AEB功能。
由于汽车作为交通工具所具有的特殊性，自动驾驶汽车或无人驾驶汽车的上路必然会导致交通事故发生时责任的难以界定，因此各国政府立法的支持和监管机构对于责任的界定同样是一大障碍，但是这一障碍目前已经随着各国政府立法的支持和监管政策的明细而逐步消失。
表格4：
世界各国对于自动驾驶汽车的政策法规
汽车智能化的技术已经日趋成熟，在此基础上监管机构的督促导致汽车整车厂家开始自发地往新开发车型中整合自动辅助驾驶模块，点燃了汽车电子市场的蓬勃发展，盲点检测（BDS）和车道偏离预警（LDW）等L0级功能已经在国内汽车市场开始慢慢普及，自动紧急制动（AEB）和自适应巡航（ACC）等L1级功能开始萌芽；同样值得注意的是，随着各国政府对于无人驾驶汽车的立法和监管法规逐渐清晰，无人驾驶汽车的上路测试和未来真正商用化也在逐步推进和落地。
2.2、驾驶者使用体验的提升
无论是自动辅助驾驶还是无人驾驶，对于驾驶者的用户体验都将有着显著的提升，
这将是汽车智能化的另一个重要驱动因素。
自动辅助驾驶对于减少违章驾驶，加强危险预警和避让有着直接的帮助。
盲点检
测功能（BSD）和车道偏离预警（LDW）功能可以有效如何降低车祸发生的概率，自动
紧急制动（AEB）更是可以极大降低车祸发生时造成的人员伤亡。
无人驾驶汽车可以极大解放人类的双手，让人工智能完成对于驾驶功能的接管，
可以极大提升人类时间的充分利用。
从国外的统计数据来看，德国每名驾驶员一生处于交通堵塞状态的时间达一年半之多，这不管对人还是经济发展来说都是巨大的时间浪费。
如今越来越多的车辆已迈出了实现全面无人驾驶的第一阶段，具备了部分自动化驾驶功能。
目前已经可以在真实的驾驶环境中体验自动化驾驶的优势，假如在不久的将来，可以完全实现无人驾驶汽车，人类将被解放出来，可以拥有更多自由时间，也可以让人类花费更少时间到达目的地，帮助人们在通勤上减少时间浪费。
汽车智能化对于驾驶者的用户体验也有着极大的提升，有研究显示，中国的80后和90后对网络的依赖度排全球第7位，消费者的特性和需求也决定了智能汽车发展的方向。
中国消费者对于智能汽车的需求主要是四个方面：
安全、便利、体验和个性化。
消费者对第四屏的交互体验有更高的要求，比如手势控制、语音控制，及抬头显示等，这些交互方式会使操作更流畅，提高驾驶体验，随着消费者对产品个性化的需求增加，车厂也开始为消费者提供了越来越多的选择。
图表14：
特斯拉自动辅助驾驶
图表15：
配备中控面板的智能汽车
图表16：
无人驾驶汽车解放人类的双手
图表17：
无人驾驶汽车解放人类的双手
2.3、交通网络运营效率的优化
自动辅助驾驶和无人驾驶将降低车祸发生数量，减少人员伤亡，并且显著优化交
通网络的运行效率。
据世界卫生组织统计，全球每年有124万人死于交通事故，这一数字在2030年可能达到220万人。
仅在美国，每年大约有3.3万人死于交通意外，自动辅助驾驶设备和无人驾驶汽车能大幅降低交通事故数量，为此可能挽救数百万人生命。
伊诺交通中心研究显示，如果美国公路上90%的汽车变成无人驾驶汽车，车祸数量将从600万起降至130万起，死亡人数从3.3万人降至1.13万人。
在过去6年间，谷歌无人驾驶汽车已经行驶300多万公里，只遇到过16起交通意外，且从未引发过致命事件，并且谷歌宣称造成车祸发生的原因均来自其他车辆。
美国国家公路交通安全管理局（NHTSA）局长MarkRosekind指出，未来无人驾驶汽车将使交通事故死亡率减少一半，使人们的日常出行更为安全，另一方面还可以降低保险费用。
沃尔沃汽车集团高级技术主管埃里克·寇林格认为：
“在改善交通安全方面，无人
驾驶汽车拥有巨大潜力。
这也是我们进军无人驾驶汽车领域的重要原因之一。
”
据分析研究，88.%的网民认为车祸是由于司机开车时分心造成的，85.4%的网民认为疲劳驾驶导致车祸事故发生，此外酒后驾驶、天气状况也是造成事故的主要原因之一，因此自动辅助驾驶提供的不管是L0功能还是L1功能都将大大降低车祸发生的概率。
图表18：
2016年中国网民驾驶安全观点分布
无人驾驶汽车不仅可帮助减少车祸，还能大幅降低交通拥堵情况，从而提升对于现有交通网络的利用效率。
据KPMG报告显示，无人驾驶汽车可帮助高速公路容纳汽车能力提高5倍。
斯坦福大学计算机专家、谷歌无人驾驶汽车项目前专家塞巴森·特隆表示，一旦机器人汽车成为主流，当前公路上只需要30%汽车。
图表19：
无人驾驶汽车对于交通状况的改善
图表20：
无人驾驶汽车对于交通状况的改善
2.4、共享经济的兴起
自动辅助驾驶和无人驾驶的兴起将大大降低共享经济运营商的运营成本。
共享经济的本质上是商品使用权和所有权的分离，并且通过新兴的LBS（Location
BasedServices）技术实现了使用权在不同所有权占有者的匹配和撮合，从而在不增
加新商品的条件下，对于现有商品使用权的优化配置。
对于Uber、滴滴打车这一类共享经济出行服务提供商而言，采用无人驾驶可以降低上述巨头整体的运营成本，并且由于无人驾驶汽车可以降低交通事故发生的概率，因此可以显著减少车辆的维护费用和保险费用。
2016年8月18日，Uber宣布与沃尔沃合作，拟斥资3亿美元，于2016年8月底推出自动驾驶出租车运营测试，在未来预计推出100辆沃尔沃XC90SUV型自动驾驶出租汽车，计划于2021年推出自动驾驶汽车。
根据双方协议，Uber和沃尔沃将各出1.5亿美元作为初步研发资金，共同开发无人车，其中Uber提供技术，沃尔沃提供驾驶车辆，该项自动驾驶计划使用的车型是沃尔沃XC90SUV。
2016年，Uber收购了无人驾驶货运公司OttoTrucking，OttoTrucking公司股票交易价值高达6.8亿美元，Otto的股东不仅获得了价值约6.8亿美元的Uber股份，还能从Uber未来的货运业务中获得20%利润的担保，这也是Uber进行的有史以来最大规模的收购。
2015年，Uber开始了对卡内基梅隆大学国家机器人工程中心专门的人才挖角计划。
Uber此前就传言在2016年上半年亏损13亿美元，成为了硅谷亏损最严重的公司之一，亏损的一部分原因是在中国市场的烧钱大战，另一部分原因则是对人才和大量新项目的投资，无人驾驶便是烧钱的投资项目中烧的最快的一项。
2016年，Uber通过购买人工智能初创公司GeometricIntelligence来押注人工智能。
因为GeometricIntelligence能给它带来整个研究团队，Uber能够借此机会成立自己内部的人工智能研究室。
图表21：
Uber的无人驾驶汽车
图表22：
Uber的无人驾驶汽车
3、汽车智能化原理初探
在汽车智能化演进路线中，类比人类对于汽车驾驶操作的完成，从功能层对硬件进行分类，传感层是眼，处理层是脑，执行层是手。
传感层包括车载摄像头等视觉系传感器和车载毫米波雷达、车载激光雷达和车载超声波雷达等雷达系传感器——我们认为，无论是渐进式创新路线还是破坏式创新路线，依赖单一传感器均不可能实现完整功能，多传感器融合是必然趋势。
处理层包括自动控制算法与传统模式识别算法和人工神经网络两种解决方案——我们认为渐进式创新路线中，处理层的主流算法是自动控制算法与传统模式识别算法相结合使用，从算法层面来看，其本质是过程驱动；从硬件层面来看，将会用到大量的微控制器处理单元（MicroControlUnit，简称为MCU）和数字信号处理器（DigitalSignalProcessor，简称为DSP）以及专用的图像模式识别芯片等。
在破坏式创新路线中，处理层的主流算法为路径规划算法、高精度地图定位、人工神经网络和深度学习算法等，从算法层面来看，其本质是数据驱动；从硬件层面来看，未来将会诞生新一代的计算平台，比如基于GPU和FPGA的新一代运算平台等。
执行层根据前装市场和后装市场的不同，可以分为预警和报警类等被动安全执行和主动安全执行——我们判断在汽车智能化演进的过程中，前装市场和后装市场在功能上最主要的差异来自于是否可以完成对于汽车控制功能的接管。
后装市场由于只与汽车CAN总线中获取信息进行集成，因此只能读取车辆信息，而不能控制汽车电子设备，在执行层更多地是提供预警和报警类等被动安全执行措施，无法在危机时接管汽车的驾驶操作；前装市场由于可以接入汽车的CAN总线并且与汽车电子设备进行整体集成，在执行层可以提供执行类的主动安全，在危机时可以完成对于汽车驾驶的接管。
我们认为无论是渐进式创新路线还是破坏式创新路线，要真正实现系统对于汽车驾驶操作的控制权接管，前装市场几乎是唯一的选择。
图表23：
汽车智能化类比人类的功能分层
3.1、传感层——多传感器融合是必然趋势
传感层包括车载摄像头等视觉系传感器和车载毫米波雷达、车载激光雷达与车载
超声波雷达等雷达系传感器。
车载摄像头之类的视觉系传感器具有可识别图像、成本相对低廉的优点，但是缺点为受光线和天气干扰严重。
车载毫米波雷达具有探测精度高、探测距离远（最高可达250米到300米）、不受天气干扰的优点，但是缺点为无法呈现图像和识别物品的具体形状。
车载超声波雷达具有结构简单、成本低廉的优点，但是缺点为工作频率低，由于存在多普勒效应，在汽车高速运行时精度不够，因此主要应用场景为汽车低速运行时的倒车雷达检测。
车载激光雷达具有精度高，可3D即时测绘环境的优点，缺点为数据量太大，对于处理器的要求颇高，并且目前成本依然居高不下，但是依然是破坏式创新演进路线中最为重要的主传感器。
图表24：
常见自动辅助驾驶传感器
图表25：
常见自动辅助驾驶功能
我们认为，仅仅依靠单一的传感器设备实现自动辅助驾驶和无人驾驶是不可能完
成的任务，由于汽车的控制与驾驶安全直接相关，为了保证检测和控制的准确性和精确度，多传感器输入的数据必须有所融合，甚至有所冗余才可在准确性和精确度上有所保证。
图表26：
ACC和AEB功能需要传感器融合
3.2、处理层——算法决定芯片，芯片支撑算法，两者相辅相成
处理层包括自动控制算法与传统模式识别算法和人工神经网络两种解决方案，我
们认为上述两种解决方案分别对应着渐进式创新和破坏式创新两条路线。
在渐进式创新路线中，处理层的主流算法是自动控制算法与传统模式识别算法相结合使用，从算法层面来看，为过程驱动；从硬件层面来看，将会用到大量的微控制器处理单元（MicroControlUnit，简称为MCU）和数字信号处理器（DigitalSignalProcessor，简称为DSP）以及专用的图像模式识别芯片等。
以汽车电子控制芯片领域巨头英飞凌为例，英飞凌的车载毫米波雷达处理器根据毫米波雷达传感回来的数据，在经过变频、解调之后，依据传统的模式识别分类算法，在车辆即将发生碰撞时，输出对于汽车的控制信号，完成必要的刹车和制动操作。
图表27：
英飞凌77Ghz毫米波雷达处理芯片
图表28：
英飞凌24Ghz毫米波雷达处理芯片
在破坏式创新路线中，处理层的主流算法为路径规划算法、高精度地图定位、人工神经网络和深度学习算法，从算法层面来看，为数据驱动；从硬件层面来看，将会
诞生新一代的计算平台，比如基于GPU和FPGA的新一代运算平台等。
以英伟达最新一代的无人驾驶汽车计算平台为例，英伟达最新一代的计算平台主要是基于卷积神经网络的算法，测试算法的直接输入数据为像素级的车载摄像头录像的路况信息，输出数据为方向盘的控制信号，英伟达首先在云端通过大规模的数据训练得到了训练好的卷积神经网络，之后将上述卷积神经网络的参数部署到了无人驾驶汽车的计算平台中，根据英伟达的实验结果，用训练好的卷积神经网络完成无人驾驶汽车的操作，结果好的出奇。
图表29：
卷积神经网络的训练
图表30：
卷积神经网络部署于无人驾驶平台
图表31：
英伟达系统级实验平台
3.3、执行层——前装市场和后装市场的本质区别
执行层根据前装市场和后装市场的不同，可以分为预警和报警类等被动安全执行
和主动安全执行，我们认为前装市场和后装市场对于能否接管汽车驾驶的操作存在本
质的不同——前装市场和后装市场在执行层中最主要的差异来自于是否可以完成对于汽车控制功能的接管。
后装市场由于只与汽车CAN总线进行集成，因此只能读取车辆信息，而不能控制汽车电子设备，在执行层更多地是提供预警和报警类等被动安全执行措施，即无法在危机时接管汽车的驾驶操作。
前装市场由于可以接入汽车的CAN总线并且与汽车电子设备进行整体集成，在执行层可以提供执行类的主动安全操作，即在危机时可以完成对于汽车驾驶的接管。
表格5：
前装市场和后装市场在执行层的差异
我们认为无论是渐进式创新路线还是破坏式创新路线，要真正实现系统对于汽车驾驶操作的控制权接管，前装市场几乎是唯一的选择。
4、投资分析
我们认为，国内整车制造厂家对于自动辅助驾驶技术的需求迫切，自动辅助驾驶产业链极有可能在未来几年爆发，短期投资机会或将来自于超声波雷达、毫米波雷达国产化、车载摄像头产业链；长期来看，无人驾驶汽车兴起所必备的高精度地图、车联网V2X基础设施和通信设备、车载激光雷达传感器蕴涵着巨大的投资机会。
我们推荐毫米波雷达领域的华域汽车，我们建议关注摄像头领域的利达光电、水晶光电、全志科技和联创电子，高精度地图领域的四维图新，汽车智能设备制造领域的均胜电子、路畅科技、亚太股份，汽车人机交互领域的欧菲光，激光领域的大族激光，车联网领域的盛路通信和数源科技。
表格6：
公司基本信息和盈利预测
风险提示：
市场竞争加剧，汽车智能化商业进度低于预期。
-END-
-END-
-END-
-END-
-END-
-END-
升级会员 