1. 参与者（谁），历史（从哪里来），目的（为何而来）

汽车自动驾驶是控制工程学与人工智能学交叉的一个学科，并且自动驾驶被市场认为是民 用人工智能领域的皇冠，具有一定研发技术难度。自动驾驶所需的技术包括环境感知技术、 智能决策技术、控制执行技术、通信技术、云平台与大数据技术、信息安全技术、高精度 地图、高精度定位、标准法规与测试评价等。

目前市场上参与自动驾驶行业发展的机构主要分为四类，包括汽车企业（主机厂+Tier 1）、 科技互联网公司（百度、谷歌、滴滴自动驾驶等）、创业公司（地平线、宇视科技、小马 智行、文远知行、嬴彻科技、图森未来等）及科研院所（北京理工大学、中国科技大学等） 等。目前二级市场聚集了汽车企业及科技互联网巨头，而创业公司已经在一级市场具备一 定热度。

目前来看，我们认为自动驾驶主要应用于三大类场景，从而衍生出对应的三大商业模式：

1） 乘用车城市道路（百度 Apollo、小马智行、文远智行、滴滴自动驾驶、AutoX 等）；

2）干 线物流重卡（嬴彻科技、图森未来、智加科技、T3 物流等）；

3）封闭场景无人化。

同时，根据自动驾驶产业链中的细分领域，可以分为芯片（计算、控制）、传感器（摄像 头、激光雷达、毫米波雷达）、汽车电子、通信系统、操作系统、整车控制，以及平台开 发与内容运营商等环节。

从时间线来说，各种机构在过去 20 年的技术积累为近期自动驾驶的爆发做了深度的准备。 2004 年，被誉为无人驾驶行业的奥林匹克运动会的 DARPA 挑战赛在美国举办。2010 年谷 歌组建自动驾驶系统开发公司（Waymo 前身）。2013 年，世界主流车企开始布局自动驾 驶业务。2015 年特斯拉推出 Autopliot 1.0 版本；同年，百度大规模投入自动驾驶技术研发 （2017 年发布 “Apollo(阿波罗)” 计划）。2016 年 5 月，Uber 无人驾驶汽车在匹兹堡正式 上路测试。2020 年 10 月 11 日，百度自动驾驶出租车服务在北京特定区域开放，用户可在 北京经济技术开发区、海淀区、顺义区等数十个自动驾驶出租车站点，直接下单免费试乘 自动驾驶出租车。

目前来看自动驾驶处于爆发前的萌芽期。我们认为自动驾驶在短期和长期的增长逻辑截然 不同，因此目前市场仍然对自动驾驶行业存在分歧。但我们相信，短期内，安全性及便利 性需求会带动高级辅助驾驶（ADAS）行业渗透率不断提升；长期来看，交通运输业的降 本需求以及整体交通效率的提高会使得自动驾驶向 L4+进军。在减少路面拥堵、提升出行 效率的同时，整体交通碳排放量也随之降低，间接为中国 2035 碳达峰、2060 碳中和目标 提供助力。

我们认为早期的自动驾驶带有明显的“供给创造需求”的特征。自动驾驶功能的推广主要得 益于主机厂的持续宣传。特别是以特斯拉（TSLA.US）为主的外资厂商和以小鹏汽车 （XPEV.US）为主的造车新势力始终不断强化自动驾驶概念，寻求差异化定位，用以弥补 其车型在内饰等方面的不足。自动驾驶功能的不断强化，特别是 ADAS 的量产上车，也使 得购买中高端车型的消费者率先开始尝试部分功能。中国购车人群年轻化的特征使得中国 成为自动驾驶行业中最具潜力的市场。特别是 Z 世代购车者愿意给予自动驾驶及智能座舱 一定的购买溢价，以获得更特别的用户体验。复盘新能源汽车发展过程，新能源汽车行 业在中国发展早、积累深，无论是政策上还是消费者认知上都走在世界前列。我们在 2020 年已经看到中国新能源产业链中比亚迪、宁德时代等优秀企业的成长，无论是企业盈利还 是资本市场都取得了喜人的表现。因此我们同样十分看好中国公司在此轮自动驾驶浪潮中 的领导性地位。

2. 两大产业链体系

目前市场上将自动驾驶分为两大体系。体系一可以划分为感知+定位（前端）、 规划（中 端）以及跟踪控制（后端）。体系二可以分为感知（前端）、决策（中端）（车联网+高精 地图）以及执行（后端）。我们以下将采用体系一作为主要讨论框架。

同时根据通信需求，自动驾驶汽车可以分为单车自动驾驶汽车（自主获取环境信息）以及 网联式自动驾驶汽车（多车协同获取环境信息）。前者通过自身传感器完成单车自动驾驶， 后者即为目前市场上提出的 C-V2X 智能网联汽车。我们认为自动驾驶行业的发展将遵循渐 进式发展路线，即从单车自动驾驶向 C-V2X 的渐进式演变，无法直接跳过单车自动驾驶直 接实现 C-V2X 的规模化商业应用。

我们认为 C-V2X 高级别自动驾驶汽车提升了对通信的需求，主要包括通信性能需求如高带 宽及高实时性，以及通信约束需求如高安全性及高可靠性。目前通信方式主要采用以太网、 总线、网关三种信号。传感器信号一般采用以太网、CAN 卡进行车内通信，而惯性导航系 统传输主要采用串口通信。随着 5G 基础设施大规模铺设以及通信协议落地，我们认为相关 车载 5G 车载通信产品将有望在长期投放市场。2020 年 7 月，国际组织 3GPP 宣布 5G R16 标准冻结。R16 标准支持了 V2V 和 V2I 直连通信，确定了相关通信方式标准。但是受限于 1）标准落地后相关产品开发进度；以及 2）路侧基础设施网大规模铺设速度，我们预计 CV2X 的落地仍需要一定时间。

3. 自动驾驶分级说明

目前市场上通用的自动驾驶分类方式采用的是美国汽车工程师学会（SAE）于 2014 年制定 的 J3016 自动驾驶分级标准。SAE 对自动化的描述分为 6 个等级，即 L0L5 级，态驾驶任务（Dynamic Driving Task，DDT）为核心来进行自动驾驶分类。2021 年 5 月， SAE 与 ISO 宣布更新关于 J3016 标准，以满足驾驶辅助和主动安全功能越来越丰富的情况 下，对“驾驶员辅助系统”和“自动驾驶系统”的区分。其中，最新一版标准对 L3 与 L4 级别自 动驾驶的划分更加明确，即：

1）L3 级自动驾驶下，当车辆提出接管需求时，驾驶者必须立接管车辆。

2）而在 L4 级别中，车辆不会请求驾驶者对车辆进行接管。L4 级别车型考虑 加入向车载用户发出警报的功能。

中国工信部同样于 2020 年 3 月公示了《汽车驾驶自动化分级》推荐性国家标准报批稿，拟 于 2021 年 1 月 1 日开始实施，为中国自动驾驶行业的标准认证提供了依据。

自动驾驶初期，传统车进行无人化改造以达到自动驾驶为试验目的，积累数据与经验，主 要包括底盘无人化改造、转向系统无人化改造、油门无人化改造、制动系统无人化改造等。 如今新能源产业的快速发展为自动驾驶提供了契机，行业内公司在打造新能源（纯电）平 台架构的同时，对 EEA 架构及硬件进行了重新的设计。整车控制由原先的分布式 ECU 向 区域集中（域控制 DCU），进一步向跨域集中（集中式电子电气架构）进行演变。如果以 接管率作为自动驾驶的技术衡量指标，除了硬件感知系统外，规划控制同样扮演了极其重 要的角色，甚至在某些特殊场景下重要性高于感知系统。

我们对各级别自动驾驶的主要区别总结如下：L2 与 L3 的主要区别在于，系统取代驾驶人 员，作为目标及事件探测响应的主体；L3 与 L4 的主要区别在于，驾驶人员不需要做准备 来接管特定驾驶任务；L4 与 L5 的主要区别在于，自动驾驶的运行不再受到设计运行条件 的限制。

自动驾驶进阶过程会采取由简到难的过程，我们将演进方式总结为：单个辅助驾驶功能 - 多个辅助驾驶功能组合 - 特定场景下的无人驾驶 - 所有场景下的无人驾驶。

国产自动驾驶 AI 计算芯片有望换道超车

目前主流自动驾驶芯片处于寡头垄断市场，海外厂商包括 Mobileye（英特尔子公司）、高 通、特斯拉等，国内厂商包括英伟达、华为、地平线、黑芝麻等。如果算力作为主要指标， 海外厂商目前占据主导地位。但是我们认为，在综合考虑能效比以及自动驾驶落地时间线 后，地平线、华为、黑芝麻等玩家有望率先实现大规模出货。

Mobileye 主要采用一体化销售模式，在销售硬件芯片同时绑定软件算法（软硬件高度耦 合），可以快速帮助车企实现自动驾驶功能。但车企在选择 Mobileye 解决方案的同时，无 法实现软法迭代，限制了车企在自动驾驶上的研发能力。与之相反，英伟达采用芯片开源 的模式，在提供全栈解决方案的同时，也可以使主机厂具备自行算法开发能力，因此有较 高灵活性。地平线同样采取高灵活度商业模式。

从车规级半导体领域来看，中国企业在此前车规级半导体领域面临巨大挑战，主要由于车 规级半导体转换成本比较高。车规级与消费级芯片最大的不同，主要是安全性要求高和设 计寿命要求长，因此背后涉及到整车架构、控制设计等方面。车规级控制芯片 MCU 一般分 为 8 位、16 位及 32 位等。8 位一般用于基础控制功能，16 位到 32 位 MCU 主要应用于汽 车电子、电驱等方面。车规级 MCU 芯片具有投入大、研发时间长、回报周期长等特点。同 时车规级验证周期比较长，一旦完成验证，供货周期就确定下来，外界很难去突破。因此， 在控制芯片领域，外资车规级芯片企业具有先发优势。

但是同时，我们注意到疫情复苏下芯片需求激增与现有产能不匹配导致 2021 年上半年汽车 “缺芯”情况突出。芯片企业从收入来看，优先供给消费芯片，导致全球范围内车规级芯片短 缺。但是中国汽车企业通过这次事件也敲响了警钟，意识到了供应链风险。因此，我们认 为在自动驾驶领域行业萌芽期，中国车企有动机和意愿与国内自动驾驶 AI 计算芯片厂商进 行合作，防范供应链风险。

国内自动驾驶 AI 芯片独角兽地平线（未上市）成立于 2015 年，创始人为余凯博士，此前 曽担任百度 IDL 常务副院长。公司目前已经推出征程系列（车规级 AI 芯片）、旭日系列 （AIoT 边缘 AI 芯片）以及相应计算平台产品。2021 年上半年，地平线完成 C7 轮融资， 投后估值高达 50 亿美元。目前公司投资人涵盖了产业投资人，包括比亚迪、舜宇、星宇、 宁德都属于汽车产业链上下游资本，因此融资方除了资金更多的是看重协同效应。同时公 司引入知名财务投资机构，例如高瓴、中金资本、君联、黄浦江资本等，在获得资金的同 时也获得了相应背书。我们认为地平线征程 2 和征程 3 系列产品满足 L1-L3 级别 ADAS求，有望率先实现大规模出货。同时公司在研发端逐步完成征程 5 车规级认证，为未来 L4 级别自动驾驶做好技术和产品储备。

车企加速投放自动驾驶车型，百度华为入局加快游戏进程

从目前自动驾驶发展情况来看，根据中商产业研究院数据，2020 年中国 L2 级自动驾驶乘 用车市场渗透率达到约 12%左右。根据主机厂疫情前（2019 年）车型规划路径，主流自主 品牌如上汽集团、广汽集团、长安汽车、吉利汽车、长城汽车、比亚迪等车企此前预计将 在 2020 年推出满足 L3 级自动驾驶的车型。但受到疫情影响，我们预计新车型研发速度慢 于此前规划，相应车型将在 2021/2022 年推出。

以百度 Apollo 系统为例，此前百度专注于 L4 级别自动驾驶及 Robotaxi 商业模式开发。其 L4 级自动驾驶累积测试里程数突破 1000 万公里，由 L4 级自动驾驶技术打造的车型已经在 北京、上海、广州三城落地。同时百度 Apollo 开始将无人驾驶技术降维用到 L2 量产车型 上，提出纯视觉自动驾驶解决方案 ANP，与威马、广汽埃安、北汽极弧、福特均已开展合 作。相比于 L2 级自动驾驶，L4 级除了常规感知传感器外，还需要配备 GPS 天线、嵌入式 计算平台、GPS 接收器、惯性导航系统等设备，组合成导航定位模块（惯性导航系统 +GPS 天线+接收器）。不同的电子设备对电压、通信接口均有不同的要求，因此对整车硬 件设计和适配提出了更高的要求。

而华为按照高精地图的需求划分为 NCA、ICA+、ICA。NCA 模式车内装载预制高精地图， 而 ICA+没有预先安装高精度地图，但车辆会根据自车或者是他车开过的环境自动学习地图。 随着自车和他车积累的地图数据的增加，ICA+的乘车体验将向 NCA 靠拢。而 ICA 模式主 要实现驾驶辅助功能。

自动驾驶性能评价指标

目前业内对自动驾驶技术的衡量指标主要包括：

1）MPI（年度平均接管里程）。但 MPI标的具体应用依赖于统计方法、统计时间以及统计空间，从而降低了不同公司之间的可比 性。因此我们在评价自动驾驶技术时仍采用诸如；

2）路测总里程数；

3）辅助变道总次数；

4）辅助驶入/驶出匝道总次数；

5）辅助超车总次数；等指标作为自动驾驶性能评价的补充 参考。

根据以上评价指标，目前自动驾驶解决方案提供商排名逐步清晰。2021 年 2 月 9 日，加州 交通管理局 DMV 发布 2020 年全年自动驾驶路测数据。中国自动驾驶公司 AutoX（未上 市） 、小马智行（未上市）、文远知行（未上市）、滴滴的 MPI 表 现优异。

中美自动驾驶法律法规对比

目前各国自动驾驶立法上缺乏统一标准，仍处于逐步探索中。2021 年 3 月，中国公安部发 布《道路交通安全法（修订建议稿）》，明确了自动驾驶功能的汽车进行道路测试和通行 的相关要求，以及违法和事故责任分担规定。我们认为目前中国法律法规在道路测试、准 入登记等方面相对完善，但在数据保护、交通事故及违章处理等表述上仍相对模糊。美国 曾在 2017 年通过《自动驾驶法案》，首次提出对自动驾驶汽车的生产、测试和发布进行管 理。但我们认为美国法律也在事故认定等方面存在不足。目前来看，德国在自动驾驶伦理 道德等核心问题上做出一些尝试。2021 年 5 月，德国联邦委员会的全体会议通过《自动驾 驶法》法案，允许 L4 级完全无人驾驶汽车于 2022 年出现在德国的公共道路。

4. 硬件传感器综述

我们十分看好自动驾驶硬件传感器行业的高速增长。由于行业能见度和确定性较强，我们 认为资本市场在短期内对硬件关注度将高于软件算法行业。硬件传感器解决的是自动驾驶 汽车的感知问题，即“看”，具体作用包括感知车道线、车辆、行人、交通标志、障碍物等。 成本端，如果将传感器看作一个整体，我们测算随着渗透率的不断升，整体传感器系统成 本将在 2025 年下降至目前（以 2020 年为基准）成本的约 10%。技术端，我们认为传感器 车规级认证将成为 L4 级自动驾驶在短期落地的硬件约束。综合来看，硬件传感器的降本速 度和技术进步速度将直接影响整个自动驾驶行业的发展进程，重要性不言而喻。

目前行业处于爆发前夜，各硬件传感器供应商积极寻求与主机厂、Tier 1 的试验认证，并希 望通过长期合同来锁定未来长期供应。由于汽车的安全性、抗干扰性、稳定性、使用寿命 等需求，车规级传感器的认证难度大、周期长，转换成本高。因此从产业竞争格局来看， 硬件传感器行业具有典型的“先发优势”特征。

4.1 车载摄像头

车载摄像头通过内部感光组件电路及控制组件，对图像进行处理并转化为数字信号，从而 感知车辆周围环境。车载摄像头的产业链包括图像传感器 CMOS 芯片（Complementary Metal Oxide Semiconductor 互补金属氧化物半导体）、图像处理器 DSP芯片、镜头组（光 学镜片、滤光片和保护膜）等部件。

车载摄像头探测原理主要为小孔成像。物体通过镜头 （Lens）生成光学图像投射到图像传感器上，由光信号转变为电信号，再经过 A/D（模数 转换）后变为数字图像信号，传送到 DSP（数字信号处理芯片）中进行加工处理，最后由 DSP 将信号处理成特定格式的图像传输到显示屏上进行显示。硬件上，镜头组与 CIS 图像 传感器相结合形成摄像头模组。同时摄像头模组与 DSP 芯片封装后，组成摄像头集成系统。 摄像头采集离散的点组成为图像，每个像素点像素为取值区间在 0-255 的 8bit 数据。

图像传感器是将光信号转换为电信号的装置，通常由像敏单元阵列、行驱动器、列驱动器、 时序控制逻辑、AD 转换器、数据总线输出接口、控制接口等几部分组成。

我们认为 CID 图像传感器（CMOS Image Sensor）相比 CCD 图像传感器具有一定优势， 未来将成为主流车载摄像头图像传感器。CMOS 图像芯片由 PMOS 管和 N 型 MOS 管 共同构成。相比于 CCD（电荷耦合器件，Charge Coupled Device），由于 CMOS 芯片在 每一个像素块中均有 OP 功放，因此其电荷-电压转换工作在单一像素上进行，即 CMOS 图 像芯片可以在像素级完成电荷到电压的转换。同时 CMOS 芯片可以将大部分的功能集成在 芯片，因此具有功耗低、传输速度快、重量轻，占用空间少的特点。由于 CMOS 其制造工 艺较为成熟，与存储类 SRAM/DRAM 芯片较为类似，因此制造成本相对较低。

光学模拟信号经过 CMOS 图像传感器处理，转换为数字信号，输入给 DSP 芯片。DSP （ Digital Signal Processing）芯片指能够实现数字信号处理技术的芯片，与 CPU（处 理器）、GPU（图形处理器）、FPGA（现场可编程门阵列）通常被认为是高端芯片的“四 大件”。DSP 芯片的主要用途包括频谱分析、傅里叶变换、调制解调、语音编解码、保密通 信等方面。从制造工艺来看，其在 1980 年采用的是 4μm 的 N 沟道 MOS 工艺，而现在则 普遍采用亚微米 CMOS 工艺（0.25um 或 0.18um）。

目前部分 DSP 芯片指令集 IP 保护已到期，有利于中国 DSP 芯片行业加速进口替代。2018 年，中国电子科技集团公司第 14 研究所发布华睿 2 号 DSP 芯片，主要用于相控阵雷达领 域。同年，中国电子科技集团公司第 38 研究所发布“魂芯二号 A” DSP 芯片，用途除雷达、 电子对抗、通信等军事科技领域外，还可以应用于包括图像处理、医疗电子、工业机器人 等在内的民用领域。

应用层面，相比于毫米波雷达、激光雷达等传感器，由于车载摄像头价格低廉，在有利于 主机厂在控制成本的前提下，摄像头可以实现部分 ADAS 功能，因此目前装车率较高，易 于普及应用。摄像头的主要应用场景为特征符号的检测与识别，如交通标志识别、交通灯 识别、车道线检测、行人和车辆检测等，其中最主要的是识别交通标示功能。视觉的特点 是，距离越远的时候，测量误差越大。当距离缩短的时候，测量精度会迅速提高。

根据摄像头的布局位置，可以细分为前视、后视、侧视、环视、内视等。前视摄像头主要 有单目、多目，具体包括单目摄像头、三焦摄像头（交通标志探测*1+校准距离视觉摄像头 *2）和立体摄像头（可探测深度）等。

但车载摄像头问题包括：

1）测距性能差。

2）摄像头输入的是图像信息，数据量较大，较 依赖图像识别，相比激光雷达的点云，对计算力要求更高。

3）容易受到外界光线影响，无 法准确识别远距离场景等。因此车载摄像头需要与其他传感器联合使用，提高整体传感器 安全性。

由于车载摄像头行业由消费电子延伸而来，因此产业成熟度较高。传感器 CMOS 芯片行业 主要由日韩企业垄断，相关公司包括索尼、三星和豪威。图像处理器 DSP 芯片主要由德仪、Mobileye 参与，华为海思已经进入 DSP 芯片领域。中国在镜头模组方面竞争优势较大，龙 头舜宇光学全球市占率达到 34%，欧菲光、丘钛科技均有涉及。

4.2 激光雷达

激光雷达（LiDAR，Light Laser Detection and Ranging），由发射器、接收器、天线、跟 踪架及信息处理器等部件组成。一个单束窄带激光器产生并发射一束光脉冲，打在物体上 并反射回来，最终被接收器所接收。TOF 激光雷达主要发射器为激光二极管，而 OPA 相控FMCW 激光雷达主要发射器为硅光芯片及 VCSEL 垂直共振腔面射型激光芯片。接收器 在接收到返回的信号后，通过处理器计算，将准确测量光脉冲从发射到被反射回的传播时 间。计算原理上，因为光脉冲以光速传播，所以接收器总会在下一个脉冲发出之前收到前 一个被反射回的脉冲。由于光速已知，传播时间即可被转换为对距离的测量。

激光雷达的技术参数作为产品的评价指标，决定了激光雷达的产品性能。主要的显性参数 包括测远能力、点频、角分辨率、视场角范围、测距精度、测距准度、功耗、集成度、实 测性能表现等。

根据雷达线束数量，激光雷达可以区分为单线及多线激光雷达。单线激光雷达通过旋转反 射镜来发射激光，并利用时间差来完成测距。单线激光雷达扫描范围是一个二维平面，主 要参数指标包括水平扫描角度（水平视场角）、角度分辨率等。 在单线激光雷达基础上， 衍生出多线激光雷达（16 线、40 线、64 线、128 线等）。多线雷达的优势在于其可以形成 3D 空间点云图，主要参数指标包括垂直视场角、激光线束夹角等。

激光雷达可以安置在车辆前端、顶部或两侧。由于激光雷达一般是固定的，安装后容易产 生盲区，同时从安全性角度出发，需要进行连续多帧数据融合检测。目前激光雷达测试解 决方案中多采用多线+前端单线的组合方式。

激光的波长

目前市场上三维成像的激光雷达最常用的波长是 905nm 和 1550 nm。根据成像原理分类， 主流 TOF 一般采用 905 nm 波长，而主流 FMCW 一般采用 1550 nm 波长。由于 TOF 波长 更接近于可见光，对人眼安全有一定程度的威胁，因此从安全角度需要限制峰值功率，从而限制了其测量距离。例如 Luminar 在解决共振镜探测距离的短板上，采用 1550 nm 光纤 激光器以提高激光发射功率，同时保护人眼安全。

技术分类

激光雷达可以按照技术架构、扫描方式以及成像方法三个维度进行分类。

技术架构与扫描方式

激光雷达分类主要分为机械式激光雷达、半固态（混合固态）式激光雷达和固态式激光雷 达。激光雷达在技术研发早期均采用机械式雷达，因此其技术相对成熟；但由于机械式旋 转部件鲁棒性较差，车规级量产难度高，因此装车成本高。同时机械式激光雷达结构体积 大，在汽车振动环境中对稳定性和可靠性的实现难度大。固态激光雷达具备分辨率高、扫 描速度快的特点，但技术难度高。半固态激光雷达相比于机械式成本更低，相比于固态式 技术更简单。我们预计半固态将作为中期发展方向，而固态将作为长期解决方案。

测距原理

目前主流激光雷达测距原理可以划分为飞行时间测距法（TOF）以及相干测距法 （FMCW）。

TOF 测距原理是通过计算发射和接收激光束的折返时间差，以确定到目标对象的距离，同 时建立三维点云图。相比于 FMCW，TOF 技术成熟度高、难度低、测量速度快。但同时 TOF 的信噪比低，会受到白天太阳光和其他激光雷达系统的干扰，并且量产成本高。目前 市场上主流技术均采用了 TOF 技术。

FMCW 则采用光通信技术，通过发射与探测反射啁啾来进行测距，并通过多普勒频移来测 量径向速度。FMCW 激光雷达采用相干探测的方式，只允许自身的相干光通过滤波到达探 测器，因此可以做到无干扰，信噪比高。同时 FMCW 具有测量精度高、灵敏度高、直接测 量 4D 信息（包含速度）等优势。但 FMCW 激光雷达未来发展方向是芯片化，技术尚未成 熟，难度高。

目前 TOF 因技术成熟度高，因此率先应用于测试车市场，主要归功于其相对简单的光路和 计算，而 FMCW 则被业界认为是激光雷达终级方案技术。

发展方向

目前激光雷达采用机械式+TOF 的组合作为短期车规级应用。中短期内，目前 Tier 1 短期量 产方案选择 MEMS 路线，但我们认为其主要将作为中间过渡方案。固态式+相控阵 OPA+FMCW 具备成本低、探测距离远、抗干扰性强等优势，我们预计随着技术以及产业 链（硅光子芯片+元器件）的逐步成熟，将成为长期的发展趋势。

竞争格局

激光雷达行业国际玩家主要包括法雷奥、Luminar、Aeva、Velodyne、Waymo（未上 市）、博世等。其中 Velodyne 于 2020 年在纳斯达克上市，目前市值 21 亿美金。Luminar 于 2020 年 12 月在美国纳斯达克上市，目前市值 82 亿美金。国产玩家主要包括禾赛科技、 速腾聚创、华为、大疆车载等。

产业化进程

2020 年 12 月 21 日，华为正式发布其车规级 96 线中长距激光雷达。从技术路线上，华为 选择的是半固态 MEMS 微振镜技术路线做为车规级切入点。首款搭载华为激光雷达方案的 车型为北汽新能源 ARCFOX 极狐阿尔法 S 华为 HI 版车型，目前已经在 2021 年 4 月发布， 预计将在 2021 年 10 月份进行交付。新车将配备 396 线车规级激光雷达、6 个毫米波雷 达、12 个摄像头、13 个超声波雷达及算力可达 352TOPS 的华为昇腾 AI 芯片。合作方式 上，北汽主要负责机械系统、底盘系统，而华为主要负责整车计算，包括自动驾驶、座舱、 后端云端等。同时华为 ADS 智能驾驶产品线总裁兼首席架构师苏箐表示激光雷达将在未来 10 年内在乘用车领域落地。

2020 年 CES 展上，DJI 大疆创新内部孵化的独立子公司 Livox 览沃科技推出 2 款车规级激 光雷达（Horizon 地平线以及 Tele-15 远程 15）。Horizon 地平线与 64 线机械激光雷达水 平相当，而远距离探测 Tele-15与 128线机械激光雷达水平相当。价格方面，Livox Horizon 零售价为 6,499 元Tele-15 零售价为 9,000 元人民币，远远优于目前同级别激光雷达 价格。小鹏汽车第三款车型 P5 将在 2021 年 4 季度交付，将会使用 Livox 为其定制生产的 车规级激光雷达，成为首个搭载大疆激光雷达的车型。小鹏 P5 搭载了全球首款量产车车载 激光雷达，该激光雷达由 Livox 定制，被安装在前脸的左右两侧。

潜在激光雷达港股第一股 - 禾赛科技

1 月 7 日，中国本土激光雷达生产商禾赛科技向科创板递交了上市申请。3 月 13 日，禾赛 科技向科创板递交招股书仅仅 2 个月后 IPO 计划被终止了。禾赛科技于 2014 年年底在中 国上海成立。公司在 2015 年至 2016 年间，主要产品为激光气体传感器，包括手持式激光 甲烷遥测仪及无人机载式激光甲烷遥测仪。自 2016 年开始，公司进行业务拓展，开展激光 雷达研发，并于 2017 年 4 月推出产品 Pandar40（40 线激光雷达），逐步应用于无人驾驶 领域。从 2016 年初开始自主研发激光雷达，逐步进入了无人驾驶激光雷达领域。2017 年 9 月获得百度领投的 B 轮融资，于 2019 年 5 月博世集团领投的 C 轮融资。在科创板上市 终止后，我们认为港股将成为禾赛科技上市首选目的地。

禾赛科技已经完成激光雷达发射端和接收端 V1.0（包含多通道激光驱动芯片以及多通道模 拟前端芯片）的自主设计与量产，并逐渐应用于内部多个产品项目，以提升产品性能并降 低成本。禾赛科技陆续开发了多个产品线，如适用于无人驾驶领域的 Pandar128、PandarQT 等，适用于 ADAS 领域的 PandarGT 等，适用于机器人领域的 PandarXT，适用 于车联网领域的 PandarMind 等。

根据此前 A 股上市招股书披露，禾赛科技产品已服务的客户包括北美三大汽车制造商中的 两家、德国四大汽车制造商之一、美国加州 2019 年 DMV 路测里程前 15 名中过半的自动 驾驶公司，和大多数中国领先的自动驾驶公司。

4.3 毫米波雷

毫米波雷达，是在毫米波波段（millimeter wave，mm wave）工作的探测雷达，系统集成 解决方案包括雷达射频前端、信号处理系统以及后端算法。通常毫米波是指 30GHz～ 300GHz 频域、波长为 1mm～10mm 的电磁波。以电磁频谱为例，毫米波的波长属于 微波（波长 1m~1mm，相应工作频率约为 300MHz 到 300GHz）范围，相比于厘米波（波 长 10mm~100mm，相应工作频率约为 3GHz 到 30GHz）波长更短，处于微波与远红外波 相交叠的波长范围，因此毫米波雷达兼有微波雷达和光电雷达的一些优点。市场在讨论毫 米波雷达时，经常面临相互矛盾的非量化描述，我们需要定义相应的参照系以讨论毫米波 雷达的优劣。

根据电磁波谱的性质，电磁波频率越高，其波长越短，带宽越宽，相应分辨率及精准度越 高，绕射能力越弱，同时穿透率越高，传播损耗大，传输距离短。相反，电磁波频率越低， 其波长越长，带宽越窄，相应分辨率及精准度越低，绕射能力越强，同时穿透率越弱，传 播损耗小，传输距离长。

与红外、激光等光学导引头（雷达）（波长为 0.000905mm~0.001550mm）相比，毫米波 波长更长。对应其绕射能力更强，容易在雾、烟、灰尘的场景下工作，传输距离远，受天 气影响小，具有全天候全运行的特点。

硬件结构上，雷达天线的尺寸与波长成正比。因此，相比波长更长的厘米波，毫米波雷达 的产品体积小、质量轻、易集成，并且空间分辨率高。同时在毫米波体系内，相比 24GHz 毫米波雷达，波长更短的 77GHz 毫米波雷达内部的射频电路和天线较小。由于 77GHz 雷 达天线比较小，同体积可以布置更多的天线单元，整体天线阵的增益更大大，探测距离更 远。

根据测量距离的范围，毫米波雷达可以分为长距 LRR、中距 MRR、短距 SRR 等。从理论 上看，24GHz毫米波雷达的波长更长，因而其波的传输距离更长。但是由于 24GHz毫米波 角度分辨率太低，波的传输距离过长无法承载更多的信息。因此 24GHz 无法准确辨别所在 车道信息，更远的传输距离在车载探测方面意义不大。因此我们认为这一点充分解释了为 什么主流毫米波雷达解决方案采用短波长的 77GHz 毫米波雷达作为中长距 LRR 的探测雷 达。

优缺点方面，毫米波导引头穿透雾、烟、灰尘的能力强，具有全天候(大雨天除外)全天时的 特点。与其他微波相比，毫米波处于微波与远红外波相交叠的波长范围，因此其分辨率高、 指向性好、抗干扰能力强和探测性能好。这些特质均决定了毫米波雷达具有全天时全天候 的工作能力。但目前毫米波雷达天线的主流方案是微带阵列天线，毫米波会把烟雾扬尘误 判成障碍物。

价格

相比于激光雷达，毫米波雷达的性价比更高。从单价区间来看，毫米波雷达单价在 300 元 人民币-1,000 元人民币区间，而主流激光雷达则处于万元水平。

毫米波雷达原理

毫米波雷达所探测的数据信息，包含角度、距离、速度，构成数据矩阵，将通过 CAN 总线 传输，用于传感器融合，进而进行计算分析。

目前主流毫米波雷达通过 FMCW 调制方法来测距。振荡器 VCO 形成持续变化的毫米波信 号，在接收到反射回波后，通过计算发射信号和接收信号之间的频率差，计算车辆与物体 距离。FMCW 方法可以同时用来测速和测距，并且运用于不同的测距模式和不同的波束范 围。除主流 FMCW 外，毫米波雷达还具有脉冲、恒频、频移、相移等不同测距方法。

硬件产业链拆分

车规级毫米波雷达检测验证周期长，因此认证量产后存在产品护城河。毫米波雷达硬件可 以划分为：信号产生（压控整荡器 VCO）、发射器、接收器、放大器、模数转换 ADC、运 算单元等。射频前端（包括发射通路和接收通路）中具有 MMIC 芯片（Monolithic Microwave IC，前端单片微波集成电路）和天线 PCB 板。

MMIC 包括多种功能电路，如低噪声放大器（LNA）、功率放大器（PA）、混频器、上变 频器、检波器、调制器、压控振荡器（VCO）、移相器、开关等。MMIC 的设计端主要由欧美及中国台湾企业垄断，主要参与者 包括恩智浦、英飞凌、德州仪器、意法半导体等。在制造端，主要衬底工艺可以划分为砷 化镓(GaAs)工艺、锗硅（SiGe）、CMOS（硅衬底）以及 RFCMOS 等。上海加特兰微电 子（未上市）是全球首家量产 CMOS 毫米波雷达收发单芯片的公司，也是亚洲第一家通过 车规认证的 77GHz 毫米波雷达芯片公司，并且还是全球首家成功导入前装车辆并量产的 CMOS-77GHz 毫米波雷达芯片的公司。

车载毫米波雷达行业参与者

从目前市场占有率来看，主要参与者来自德、日等国家，包括博世、大陆、电装、海拉等。 国内玩家包括宝隆科技（前向 77GHz 毫米波雷达在研）、华域汽车（24GHz 可量产 /77GHz 配套部分客车）；德赛西威目前有可量产产品，配套自主车企；雷科防务具有可量 产 77GHz 产品。

套用我们上面提到的毫米波雷达性能对比，77GHz毫米波雷达相比 24GHz毫米波雷达的波 长更短，因而分辨率及精准度越高，绕射能力越弱，但同时穿透率高，传播损耗大，传输 距离短。未来自动驾驶对精度要求将有所提升，我们预计 77GHz 毫米波雷达装配率有望持 续提高，成为车载毫米波雷达主流产品。

市场趋势与规模

在自动驾驶所用毫米波雷达发展的早期，由于 77GHz 毫米波雷达的体积小，导致其生产工 艺要求高，难度大，成品率低。因此 24GHz 毫米波雷达装配率高于 77GHz 毫米波雷达。

目前来看，市场中 L2 级别常见配置是 1 颗中长距离毫米波雷达，加 4 颗角毫米波雷达。我 们预计未来 L3+级别需要配置 2+颗中长距离毫米波雷达，加 6+颗角毫米波雷达。

根据半导体行业产业研究机构 Yole 预测，全球车载毫米波雷达（24GHz、77GHz 及 79GHz）市场到 2025 年将达到 86 亿美元，2015-2025 年复合年增长率达 15.6％。其中 2020 年将成为一个重要的市场转折点，77GHz 毫米波雷达产品将逐渐替代 24GHz 毫米波 雷达，并且到 2025 年占 90%以上份额。

我们以目前毫米波雷达平均单价在人民币 650 元左右作为预测基准。根据招银国际证券预 测，2025 年中国车载毫米波雷达需求量将达到 7,817 万颗，2020 至 2025 年 CAGR 达到 45%。2025 年中国车载毫米波雷达市场有望达到 127 亿元人民币，2020 年至 2025 年间 CAGR 达到 45%。发展趋势上，根据以上技术性讨论，我们认为未来 77GHz/79GHz 毫米 波雷达会逐步替代 24GHz 毫米波雷达。

4.4 定位/导航传感器

定位导航的系统可以划分为卫星导航系统（GPS）和惯性导航系统（INS）。

卫星定位导航需要在车端安装卫星导航系统接收机，全球主要卫星导航系统导航系统为 GPS 导航系统以及中国北斗导航系统。理想的车载导航接收器将具备双模定位能力，以应 对可能出现的问题。车内通信以将数据包用串口或者以太网为通信方式来进行传输。相比 于 INS，卫星导航系统的短时间信息误差比较大。

惯性导航系统（ INS ）是以和陀螺加速度计为敏感器件的导航参数解算系统。该系统根据 陀螺的输出建立导航坐标系，根据加速度计输出解算出运载体在导航坐标系中的速度和位 置。

惯性导航系统作为自主式导航系统，特点在于不依赖于外部信息、不与外界完成信息交互。 惯性导航系统的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加 速度，对时间进行积分，且同时变换到导航坐标系中，就能够得到在导航坐标系中的速度、 偏航角和位置等信息。惯性导航系统最大的优势是其计算完全基于自身数据，不向外发送 任何信号，因此惯性导航系统多用于军事上，发展成应用飞机、火箭、航天飞机、潜艇的 现代惯性导航系统。

惯性导航系统需要的参数指标包括速度、加速度、角速度、角加速度、航向角、俯仰角、 横滚角等。在三维立体空间需要陀螺仪（又称角度加速度计）、加速度计等用以测量相应参数。通过对陀螺仪测量得到的角加速度进行一次积分，我们可以得到角速度。然后再经 过二次积分，我们可以得到累计角度距离以及航向和姿态角。因此陀螺仪形成一个导航坐 标系，用以转换初始坐标系。而加速度计的测量轴稳定在陀螺仪形成的导航坐标系中，用 来测量运动体的加速度，经过对时间的一次积分得到速度，速度再经过对时间的一次积分 即可得到位移。

惯性导航系统还可以用来识别车辆姿态信息。惯性导航系统优势在于短时间姿态变化相对 准确，问题在于长时间累计误差会逐步增加。目前的解决方法是定期重置速度、角速度、 位置等信息并进行校正。

卫星导航与广兴导航的结合应用

我们认为未来定位导航将采用卫星导航与惯性导航系统相结合的方式，在提高稳定性的同 时获得更高的定位精度。在外界比较开放的环境中，可以使用北斗或 GPS 进行卫星导航和 定位。一些受到信号干扰的场景，如高楼密集区、山体及海底隧道、高架桥以及地下停车 场等卫星信号较差甚至无信号的场景，车辆可以自动切换至惯性导航系统来获得更精准的 导航和位置信息。

5. 自动驾驶硬件前景及资本市场推荐

综合考虑技术成熟度、商业模式可行性、法律法规等因素后，我们认为自动驾驶细分领域 将遵循以下落地时间线顺序：L2.5 级别自动驾驶 > Robotruck 封闭场景 L4 > 开放场景 L3 级别自动驾驶乘用车及 L3 级别 Robotruck 干线物流 > 特定区域 L4 级别 Robotaxi > L4Robotruck 端到端物流 > 全场景 L4 > 全场景 L5。

我们认为短期内 Robotaxi、干线物流以及全场景 L4 分别存在核心限制因素。其中 Robotaxi 核心阻碍在技术，干线物流核心阻碍在政策推动及路侧基建，而全场景 L4 核心阻碍在法律 法规及道德讨论。特定区域 Robotaxi 最难突破的问题来自于数据积累及相应软件算法。

从 技术上讲，特定区域 Robotaxi 需要扫掉所有的长尾场景（Cornercase），因此需要长时间 的数据积累及相应的软件算法开发。L4 级别干线物流需要路侧传感器的支持，同时需要解 决自动驾驶“最后一公里”的问题，核心阻碍仍然是缺乏对路侧大规模基建的政策推动。全场 景 L4 的大规模普及则需要突破法律法规及道德决策的双重限制。我们预计真正意义的全场 景 L4 预计需要 7-9 年的时间。我们预计 L2.5 级别自动驾驶、Robotruck 封闭场景 L4 以及 开放场景 L3 级别自动驾驶乘用车、L3 级别 Robotruck 干线物流等自动驾驶场景将率先落 地。

因此给定以上商业化顺序，我们预计硬件方面摄像头、毫米波雷达、激光雷达的渗透率将 快速提升，并且率先实现规模商业化。短期内，相关硬件供应商不用关注下游 OEM 的落地场景，可以专注于 OEM 客户数量的拓展，以积累公司的核心订单量。我们认为相关产业逻辑可以参考新能源汽车行业发展初期的动力电池、电机等细分赛道过往表现。

威芯团长：fjq