（报告出品方/作者：中金公司，胡誉镜、彭虎）
核心观点
我们判断当前高级别自动驾驶呈现出以下几方面的关键趋势：1）渐进式与一步 到位式路线并行：量产落地与算法优化并不矛盾，二者能够相互驱动，形成飞轮 效应；2）纯视觉识别存在缺陷，激光雷达成为刚需：L3+自动驾驶首要满足安全 性要求，采用摄像头与毫米波雷达、激光雷达共同协作的方案成为行业共识；3） 车载硬件成本居高，但呈现快速下降趋势：我们判断自动驾驶硬件成本有望快速 下降，到 2023 年激光雷达单价有望下降至$500 左右；4）MCU 供不应求，车载 芯片厂商地位上升：汽车芯片供应商在产业链中由 Tier2 转变为 Tier1，成为车载 计算平台提供商，单台 ADU 成本有望降至万元以下；5）车路协同降本增效，中 国市场领先全球：智慧交通和 V2X 车路云协同技术有望带来路侧红利。 我们测算高级别自动驾驶潜在市场规模达万亿元级。
| |||||||||||||||||||||||||||
我们预计：1）自动驾驶货 车商业模式清晰，有望超预期落地：L3 级即可落地盈利，投资回收期仅为 2 年， 有望带来 6%以上的毛利率净增；2）无人驾驶出租车将在 2025 年前后达到成本 拐点：出行服务公司采用自动驾驶系统的总成本将持续降低，国内 Robotaxi 落地 进程和乘坐体验不断超出市场预期；3）AVP 可率先实现高级别自动驾驶在城市 场景的落地：预计中国 2024 年 L3/L4 级自主泊车系统新车装配率达到 9%以上， 并可通过后装具备自主泊车能力，同时记忆式泊车将加速 AVP 落地；4）无人末 端配送有望快速落地封闭小区、企业园区等场景，带来成本和效率的优化：无人 配送车不存在上路牌照问题、硬件成本低、无需安全员，预计规模量产后整车成 本可降至 15 万元以下；5）矿区自动驾驶是需求刚性、高确定性的落地场景：矿 用机械无人化改装和矿区无人开采运输潜在市场巨大，中国厂商具备本土优势。
一、高级别自动驾驶的内涵与商业化落地
自动驾驶汽车（Autonomous Vehicles，AV）指通过搭载先进传感器等装置，运用人工智能 等新技术，具有自动驾驶功能的新一代汽车，又称为智能网联汽车、无人驾驶汽车。本篇 报告中，我们提出对高级别自动驾驶产业的五大趋势判断，重点分析五类细分场景的商业 可行性、主要玩家与落地前景。我们认为，L3 级高速公路有条件自动驾驶、L4 级自主代客 泊车、矿区自动驾驶和无人末端配送将在 2025 年前量产落地，L4 级无人 Robotruck/Robotaxi 有望在 2025-2030 年开始商业化落地。
我们认为，高级别自动驾驶最大的优势和风险均来自系统对于人类驾驶员的替代。高级别 自动驾驶商业化落地，本质上是考虑自动驾驶系统对人类驾驶员的替代效用是否大于成本。 风险在于，当前自动驾驶的软硬件成本高昂，识别技术和算法尚未完善，而真正成熟落地 必须解决商业化量产问题；优势在于，自动驾驶汽车能够持续作业、控制驾驶水平稳定性、 减少安全暴露风险。因此，从运行环境的角度讲，越简单的路况环境和越标准的作业流程， 就越能够批量落地自动驾驶系统，带来成本规模效益；从驾驶主体的角度讲，越能代替人 类驾驶员疲劳驾驶、高危作业的场景，越有替代价值。
高级别自动驾驶市场落地场景广泛，规模可达万亿元。应用场景主要可分为 2C（乘用车）、 2B（商用车）和 2G（政府国企）等。按潜在规模测算，我们预计中国高速城际物流市场达 3.3 万亿元，自动驾驶出行服务市场近 1.7 万亿元，矿区无人驾驶市场近 6,700 亿元，无人 末端配送市场达 1,700 亿元，自主代客泊车市场规模约 800 亿元。
实现自动驾驶的三大关键系统
通常以 L3 级别为界，将 L0-L2 级视为自动驾驶辅助系统（ADAS），将 L3 级及以上视为高级 别自动驾驶。类似于人类，自动驾驶系统的工作系统可分为感知层、决策层、执行层，这 是实现自动驾驶的三大关键系统。
感知层：通过传感器探测周围环境，将各类环境信息转换为电信号。车载传感器包括 摄像头、激光雷达（LiDAR）、毫米波雷达、超声波雷达等，路侧辅助系统包括高精度 地图、全球导航卫星系统（GNSS）、惯性导航系统（INS）、车用无线通信技术（V2X） 等。
决策层：依托车载计算单元，利用算法分析环境数据，并发出操作指令。车载计算芯 片由 CPU 向 GPU/TPU 转变，并结合云计算和 AI 算法。决策过程包括基于高精地图的 路由寻径（Route Planning）、基于路况环境的行为决策（Behavior Decision）和基于约 束条件的动作规划（Motion Planning）。
执行层：根据指令，通过各种执行器完成相应的汽车操控。控制系统由传统汽车离散 式的电子控制单元（ECU）向集中式的域控制器（DCU）和多域控制器（MDC）转变。 依据决策结果对车辆执行指令，反馈控制（Feedback Control）满足车辆动态姿态限制 的方向盘转角δ和前向速度 νr，以及车灯、鸣笛、雨刮等指示操作。
从简单到复杂、从限定到开放，汽车的内涵与外延已经逐步从一种“交通工具”变为“轮 式机器人”。为什么说 L3 是低级别和高级别自动驾驶的分水岭？因为从 L0-L2 级实现的是对 肢体动作的指令替代，更多的是“物”的属性，而 L3 级及以上自动驾驶系统则具备了自主 信息处理能力，更加具备“人”的属性。有朝一日，《变形金刚》系列电影中的汽车机器人 或将成为现实。
我国自动驾驶迎来发展新阶段
我国自动驾驶迎来发展新阶段。2020 年 2 月，国家发改委、工信部等 11 个部委联合印发 《智能汽车创新发展战略》，明确提出建设中国标准智能汽车和实现智能汽车强国的战略目 标，包括构建协同开放的技术创新体系、跨界融合的产业生态体系、先进完备的基础设施 体系、系统完善的法规标准体系、科学规范的产品监管体系、全面高效的网络安全体系等 六大重点任务。2020 年 11 月，国务院办公厅印发《新能源汽车产业发展规划（2021-2035 年）》，提出高级别自动驾驶商业化落地目标：到 2025 年，高级自动驾驶汽车实现限定区域 和特定场景商业化应用；力争到 2035 年，高级自动驾驶汽车能够实现规模化应用。
中国高级别自动驾驶市场空间潜力巨大。2020 年中国乘用车销 量 2,018 万辆，商用车销量 509 万辆。我们预计 2021E-2025E 中国乘用车出货量有望逐年达 到 2,361/2,432/2,505/2,580/2,657 万辆，2021E-2025E 中国商用车出货量有望逐年达到 458/474/490/507/525 万辆。我们认为，随着自动驾驶技术的成熟以及新时代下整机厂将自 动驾驶作为汽车卖点之一，L3+自动驾驶汽车的比例预计将快速提高。我们预计，中国 2021E-2025E L3 自 动 驾 驶 渗 透 率 有 望 分 别 达 到 2.3%/4.0%/6.3%/9.1%/11.2% ， 中 国 2022E-2025E L4/L5 自动驾驶渗透率有望分别达到 0.3%/0.5%/1.3%/2.2%。
二、核心问题，对高级别自动驾驶产业的趋势判断
潜龙勿用，阳在下也，每一次科技革命的浪潮都不是一蹴而就，高级别自动驾驶技术同样 经历了从期望过度膨胀到跌落，再重新爬升的过程。2018 年以前，直接面向 L4 的初创公 司获得了市场热捧，但其商业化落地受到了明显的成本瓶颈和法规限制，高德纳咨询公司 （Gartner）发布的新兴技术成熟度曲线显示，高级别自动驾驶（Autonomous Driving L4）在 2019 年进入了泡沫化低谷期，距离完全成熟落地可能仍需要超过 10 年的时间。
一级市场投融资是对产业的直观反映。投融资数据显示，在经历了 2016-2018 年的疯狂后， 产业内和投资者意识到高级别自动驾驶落地远没有此前想象的容易，因此在 2019 年进入了 资本寒冬。然而，进入 2021 年以来，仅仅 3 个月时间中国自动驾驶赛道披露的投融资额已 经超过 2019 年全年。要理解 2021 年和 2018 年的本质区别，关键是要厘清高级别自动驾驶 的趋势变化，并看到商业化落地场景的全新局面。
我们认为，智能汽车产业将在下一个十年中将呈现电动化、智能化、网联化和共享化的趋 势。整车品牌、整车制造、零部件、软件服务等有望孕育平台型汽车企业，市场份额更加 走向集中化。主要玩家将具备自动驾驶能力、硬件整合能力、跨平台软件和服务变现能力， 以及无人车运营能力。本土品牌厂商有望崛起，通过软件及服务体现差异性，并从硬件向 软件及服务转型，带来车企利润率及客户粘性的提升。
我们判断，当前高级别自动驾驶呈现出以下几方面的关键趋势：1）飞轮驱动，渐进式与一 步到位式路线并行；2）纯视觉识别存在缺陷，激光雷达成为刚需；3）车载硬件成本居高， 但呈现快速下降趋势；4）MCU 供不应求，车载芯片厂商地位上升；5）车路协同降本增效， 中国市场领先全球。
趋势一：飞轮驱动，渐进式与一步到位式路线并行
自动驾驶的终局是高级别自动驾驶，即 L3+完全无人驾驶。高级别自动驾驶商业化落地最 终一定是规模化、可盈利的，只有这样才能对人力成本有效替代。人类驾驶员平均水平约 为每 1 亿公里出现一次致命事故，因此高级别自动驾驶至少要做到同数量级或高一个数量 级，才能产生规模量产的指数化效益。借鉴 Momenta 的算法，实现规模化 L4 的总成本可 分为研发成本和数据成本，即：
实现规模化 L4 的总成本 C = 研发成本 + 数据成本
= 问题个数 N×单问题研发成本 R + 测试总里程 M×单公里数据成本 D
客观上预计长尾问题个数 N 达到百万量级，需要的测试总里程 M 达到千亿公里，因此，降 低单问题研发成本 R 和单公里数据成本 D 成为降低总成本 C 的必然选项。目前行业内开展 自建车队的方式，其 R 与 D 均十分高昂，需要完全自购自动驾驶车辆和相关软硬件，是一 种重资产的运营模式，给自动驾驶科技公司的现金流带来较大压力。
不论采用哪种路径，实现高级别自动驾驶的都是最终目标，不同的企业具备不同的基因和 资金，实则体现了对于自身而言最高效最现实的选择。我们认为，量产落地与算法优化并 不矛盾，二者能够相互驱动，即通过真实的落地场景，将 L3 及自动驾驶系统搭载在客户车 辆上，在为客户解决问题的同时积累海量真实问题数据，形成“量产-数据积累-算法优化市场接受度提升-增加量产”的飞轮效应。同时，可以借助客户的真实驾驶需求，规避给每 个自动驾驶测试车辆配备 1-2 位安全员的人力成本。这也是自动驾驶厂商近两年积极推动 量产落地的重要原因之一。
京公网安备 110105001605号