2022年汽车智能驾驶行业之智行者专题报告 无人驾驶应用场景分散

1.智行者：立足无人驾驶大脑研发及落地

三大核心模块构成智行者无人驾驶大脑

公司定位：通过无人驾驶大脑赋能丰富场景、多种车辆。智行者成立于 2015 年，定 位于 L4 级别高速载人乘用车自动驾驶技术研发；2016 年，智行者采用工控机的方式进行 单车整套解决方案的后装改造；但是，通过对市场前景的分析判断，公司认为技术产品化 和批量硬件预埋的通路才是无人驾驶技术型企业走到最后的基本保障，因此自 2017 年起 开始研发软硬件一体的无人驾驶大脑，包括通用型的无人驾驶底层平台及配套硬件系统平 台。截至 2021 年，智行者无人驾驶大脑已成功迭代 3 个版本，形成无人驾驶大脑 3.0，可 以实现智慧城市中丰富场景、多种车辆的前装量产及落地应用。

智行者无人驾驶大脑包括 AVOS、BBOX 和 AVDC 三个模块。智行者的无人驾驶大 脑包含三大模块，分别为自动驾驶操作系统（AVOS）、自动驾驶中央计算单元（Brainbox） 和数据闭环（AVDC）。

自动驾驶操作系统 AVOS：基于人-车-路闭环，实现架构上高内聚、低耦合。公司自 主研发的自动驾驶操作系统 AVOS 包含系统软件、功能软件、应用软件，充分适配多类业 务场景。与同业主要竞争对手相比，公司能够在人员接近的条件下，实现更多的落地业务 赋能。以 AVOS 为底层架构，公司根据不同的场景需求研发了不同算力、不同配置的硬件 解决方案，以提升用户体验，适应商业价格敏感度。目前，智行者已形成低速室内外场景、 高速后装自动驾驶 L4 等级场景及适用于 L2/L2+级别的前装量产等多套解决方案，可全面 覆盖目前主流的自动驾驶应用场景。

智行者不断打磨 AVOS，逐步扩大适用场景。AVOS1.0 打通了自动驾驶感知-定位-规 控的完整数据流，实现了高速公路和简单城市工况的自动驾驶能力。AVOS2.0 重塑系统架 构和通信方式，精简进程与节点，提升了自动驾驶系统性能和稳定性，场景扩展到高速、 城区和典型园区。AVOS3.0 基于嵌入式设备，实现严格时钟同步，辅以零拷贝的自研中间 件，进一步提升系统性能，实现了高速、城区、园区和越野工况的多场景覆盖。

智行者的自动驾驶算法在成本、稳定性等方面具备优势。公司自研毫秒级时间同步/ 像素级空间同步的多传感器融合感知系统，基于环视高清相机和固态激光雷达等车规级传 感器，实现融合感知距离精度可达 5cm。与竞争对手普遍采用机械旋转式激光雷达相比， 该系统成本更低、稳定性更好。公司提出基于驾驶行为语句的混合行为决策系统，适用于 乘用车、环卫车等不同平台，可实现复杂场景下的让行、避障等功能，目前应用场景超过 2800 个。

中央计算单元（Brainbox）：终端实现自动驾驶的核心硬件。公司自主研发的 Brainbox 是搭载多种类IP架构的微处理IC构建强劲的异构计算单元；搭载高性能实时的底层 MCU， 支持安全岛锁步核，支持功能安全认证，构建可靠的控制单元；大脑集成了丰富的传感器 数据采集，包括多路 GMSL2 摄像头接口（支持 800 百万高清摄像头）、千兆以太网接口 （支持多线束激光雷达，包括 1G Base-T1 车载以太网接口）、CAN-FD、LIN、DSI 以及 其他低速接口，集成 5G 通信、V2X 通信和 RTK 高精度定位，实现完整单车智驾和网联智 驾域功能。

数据闭环系统 AVDC：打通 L3 和 L4 之间的数据壁垒和架构壁垒。自动驾驶数据的高 效处理，是保障算法快速迭代的关键因素之一。智行者搭建了车端推理-云端训练的数据闭 环系统，实现了从数据挖掘、数据回传、数据清洗、模型优化、模型评估、OTA 部署的完 整数据联调。在车端，智行者布置模型推理和高价值的数据挖掘，通过人工示教、自动驾 驶挖掘、显示安全数据、隐形优化数据等不同的维度，对高价值场景数据进行挖掘；在云 端，智行者布置了数据平台、模型平台和测评平台三大平台，实现半自动化的模型训练与 迭代，实现了周迭代的开发效率。此外，智行者用相同的软/硬件架构打通了 L3 和 L4 的 数据壁垒和架构壁垒，通过前装量产采集的数据反哺 L4 系统的功能升级。与国内自动驾 驶公司通常采用 L3 和 L4 两套系统架构、难以实现数据闭环相比，智行者的技术路线优势 明显。

智行者自建三维场景重建方案与仿真场景库，丰富自动驾驶场景数据。公司搭建了国 内云端自动化的三维场景重建方案，支持 24 小时云端流水线式并行自动建图，道路标定 精度达 10 厘米，可实现远程实时更新，技术水平领先物流配送等巨头自动驾驶公司 1~2 年时间。公司也自建了高保真自动化的仿真场景库，包含数百项自动驾驶场景测试用例， 覆盖了城市道路/高速公路/停车场等典型环境，可实现自动化流水线式的仿真测试。

不同应用场景下 BBOX 有不同形态

智行者根据不同的应用场景和车辆型号，研发了不同算力、不同尺寸的硬件配套 BBOX 产品。为了打造通用型的、可量产的高级别自动驾驶平台，智行者不断选取环卫、 物流、乘用及特种场景等不同类型自动驾驶场景进行实践应用。目前，智行者在同一软件 架构下，根据不同应用场景制定了不同的硬件匹配方案。

适用于低速室内外场景的 Brainbox 算力相对较低，性价比高。适用于低速室内外场 景的 Brainbox 使用瑞芯微的 RK3588 作为主要计算单元，采用了四核 A76 加四核 A55 的 架构，NPU 算力达到 6TOPS；使用 RK3568 作为用户界面交互接口，使用 Android 系统， 外接触摸显示屏，提升交互体验，并且能够作为辅助计算单元。控制器使用工业级物料， 大大降低了产品成本，适应商业价格敏感度，并且针对应用场景做了功耗的优化设计，无 需主动散热，减小了噪音，提升了产品的客户体验，增强产品的竞争力。

适用于商业级中高速场景的 Brainbox 算力适中，在部分城市的 RoboTaxi、RoboBus 场景已有落地。商业级中高速场景的 Brainbox 使用英伟达 Xavier 和英飞凌 TC397 组成异 构处理产品，AI 算力可达 60TOPS，可满足汽车后装市场中高速自动驾驶 L4 等级的场景。 其控制器在设计上按照车规级要求开展，除个别物料外，全部使用车规级物料，在试验上 通过汽车级标准认证，且在部分城市的 RoboTaxi、RoboBus 场景已有落地的成熟案列。

适用于高速场景的 Brainbox 算力高达 508TOPS，可满足智能汽市场高速自动驾驶L4 等级的场景。适用于高速场景的 Brainbox 使用英伟达 ORIN 和英飞凌的 TC397 功能安 全协处理器的异构计算平台，其算力高达 508TOPS，能够满足重感知轻定位的算力布局， 可满足汽车高速自动驾驶 L4 等级的场景。其控制器设计了 5G 和 V2X 功能模组，可有效 满足智能网联示范园区的场景需求，同时设计 10G 网口，具备多域控制器间的大数据交互 功能，适应未来车端多域控制器的架构趋势。其控制器按照汽车级设计要求开展，除个别 物料外，全部使用车规级物料。

适用于乘用车 ADAS 的 BrainBox 主要面向汽车自动驾驶 L2/L2+的场景。适用于汽 车前装量产的 BrainBox 主要采用地平线 J3 和英飞凌 TC397 组成多核异构产品，AI 算力 15TOPS，可满足汽车自动驾驶 L2/L2+的场景，针对使用场景的特点，控制器满足相应的 汽车级试验标准，使用全车规级物料，并且产品满足 ISO26262 功能安全标准，保证产品 的可靠性。

2.无人驾驶行业空间大，落地场景多且较为分散

无人驾驶行业潜在市场空间超过万亿

高级别自动驾驶能够有效解决人力成本提升、交通安全、司机短缺等诸多痛点。L3 级别自动驾驶条件下，特定场景下的自动驾驶不需要司机，或者司机担任的是车辆管理者 的角色，能够一人管理多辆车。L4 级别以上则接近完全无人化，可以有效解决司机短缺与 人力成本上升的难题。同时，高级别自动驾驶下，车辆的操作更加稳定可靠，不会疲劳驾 驶，安全性比司机驾驶更高。

自动驾驶市场空间累计超万亿，其中干线物流、Robotaxi、同城物流等场景的市场空 间较大。目前可供自动驾驶产品落地的场景主要可大致分为：1）城市开放场景；2）高速 场景；3）封闭场景。其中城市场景包括了 Robotaxi、环卫服务、城配物流以及最后一公 里配送；高速场景即干线运输；封闭场景主要包括了港口、矿区等。根据蔚来资本测算， 长途物流自动驾驶的潜在空间约为 7000 亿元，是所有场景中空间最大的市场。Robotaxi、 同城物流等场景同样具有数千亿级别的市场空间。港口物流、市政环卫、矿内物流等市场 空间相对较小，但此类场景落地难度相对较低，能够更早地应用自动驾驶技术，且下游客 户的付费意愿极高。

自动驾驶产业链结构复杂，自动驾驶大脑在其中扮演关键角色。自动驾驶产业链供应 商主要为主机厂以及场景客户提供囊括感知层、决策层、执行层与传输层在内的解决方案。 其中，感知层主要包括摄像头、激光雷达、毫米波雷达等传感器，并结合卫星定位、高精 度地图等路侧辅助，完成环境感知；决策层主要通过自动驾驶芯片、车身控制 MCU 与其 中搭载的决策规划算法进行分析与决策；执行层包括转向、制动等底盘控制系统，负责执 行控制；传输层负责数据的互联互通。上述模块相辅相成，帮助自动驾驶车辆应对多种自 动驾驶场景。其中无人驾驶大脑主要包括接受感知的决策层，同时下达指令给执行层，以 及和车联网、自动驾驶平台等数据对接传输，是自动驾驶系统的核心部件。

无人驾驶场景分散，行业参与者多为散点渗透

Robotaxi 领域玩家众多，局部示范运营促进行业发展。在诸多自动驾驶场景中， Robotaxi 的运营环境最复杂，对安全性要求最高。Waymo、百度 Apollo 等以 Robotaxi 为主线的企业，是该自动驾驶场景的引领者。目前，广州、长沙、上海、武汉、沧州、北 京等允许开展无人驾驶出租车的载人测试，但对车辆数量、封闭测试里程数量及载客对象 提出严格要求。载人测试逐步向真实场景与商业模式靠近，一方面便于企业迭代自动驾驶 技术，优化车辆乘坐体验及人机交互功能；另一方面也起到民众教育的作用，为未来大规 模推广做铺垫。

商用车自动驾驶的技术要求低于 Robotaxi，有望更快实现商业化落地。港口、矿山、 环卫、无人配送等商用车自动驾驶场景通常具有较为特定的运营区域，行驶范围和路线相 对固定。整体来看，商用车港口、矿区、机场、园区的场景相对简单，车速相对较低，预 计自动驾驶落地速度将会较快；干线物流、城市配送场景复杂、车速高、且对安全性、可 靠性的要求高，预计落地速度相对较慢；无人配送和城市巴士虽然面临复杂路况，但无人 配送车速相对较低、城市巴士可以在特定线路建设 V2X 基础设施，同样有望相对快速的落 地。

诸多自动驾驶公司从商用车自动驾驶场景起步，力图尽快跑通商业模式。Robotaxi 由于资金消耗大、研发周期长，受当前在道路开放、路权界定、权责划分等方面限制，产 生稳定现金流的能力相对较弱，需要自动驾驶企业具备雄厚的资金实力。与之相比，商用 车自动驾驶场景具有落地相对迅速、客户付费意愿强等优点，有望产生稳定的现金流，为 自动驾驶企业提供自身造血能力，减轻其对外部持续融资的依赖。图森未来等自动驾驶公 司从商用车自动驾驶场景起步，谋求运营项目的快速落地，带动自动驾驶数据收集与算法 迭代。上述商用车自动驾驶场景主要包括：

1）无人环卫：自动驾驶技术在环卫场景中有望率先落地。目前，无人环卫场景主要 包括园区、公园、学校等封闭区域，普通开放道路，以及高速高架、桥梁、隧道等半封闭 道路。目前，相关参与者主要在封闭区域与普通开放道路进行商业化落地。无人环卫的行 驶路线重复固定，单车清扫保洁覆盖范围通常在 10 公里以内，长尾问题相对有限。这就 决定了自动驾驶环卫车需要的路测规模较小，可以在目前已经开放的路段短时间内积累较 多数据完善算法。同时，由于自动驾驶环卫人机交互相对简单，不需要过分考虑车辆舒适 度等问题，因此更适合自动驾驶落地。

目前自动驾驶环卫参与者主要包括酷哇机器人、智行者、仙途智能等公司，各家在落 地产品及商业模式选取上存在差异。其中酷哇机器人、仙途智能主攻普通开放道路，环卫 车辆产品通常在 1 吨左右-18 吨不等，需配安全员，并采用直接提供运营服务的模式；智 行者主攻园区等封闭区域清扫保洁，考虑到路权法规及实际人员替代其主要产品为 1 吨以 下的清扫机器人，可实现无人值守，不参与行业运营。主流公司均已实现产品落地，并投 放数百辆车辆提供无人环卫服务。此外，无人驾驶科技公司也与传统环卫企业及环卫装备 企业展开了积极合作，如深兰科技于 2019 年与传统环卫公司森远股份签订全面战略合作 框架协议，后续将共同设立智能装备产品生产基地，共同进行股权投资，共同投资设立城 市物业运营服务公司等，形成全方位战略合作伙伴关系。

2）城市配送：在货运物流中承担短途城际以及“最后 50 公里”的角色，是公路运 输的毛细血管。城配场景下的痛点与干线物流、出行等领域痛点类似，行业高度分散、司 机短缺、司机普遍年龄偏大、年轻人不愿意做、司机难管控、作业环境差、疲劳驾驶等因 素导致了行业正逐渐变化，给自动驾驶技术替代城配司机提供了契机。对于自动驾驶公司 而言，城市范围内的“仓到仓”运输场景从技术层面与 Robotaxi 非常相似。但从整体的城 市配送服务流程来说，自动驾驶在城市配送场景的应用类似环卫，两者都是在城市道路、 公开场景、固定线路下行驶，技术类别比较相似。

多家自动驾驶公司布局城配自动驾驶。随着城市场景下的自动驾驶技术不断成熟，替 代司机后可有效解决同城货运的招工难、司机管控难的问题，并推动配送场景下的运输成 本降低。自动驾驶的智能调度也能降低安全隐患，防止司机疲劳驾驶导致的不良后果，进 一步推动物流行业的合规管理等。同时，借助 5G 以及 V2X 的先进技术，在后端的云平台 上实现精准调配，让货物运输的时间更短，效率更高，体验更好。目前在自动驾驶城配领 域有布局的自动驾驶公司有文远知行、酷哇机器人、元戎启行等。产业链相关方还包括但 不限于物流公司（如菜鸟网络）、运力平台（唯捷城配、货拉拉、驹马物流等）、相关车队及设备厂商（如福田、江铃、一汽解放、东风汽车、中国重汽等）等。

3）无人配送：有三大典型场景，其中快递和商超零售场景有望更快落地。无人配送 主要有快递、外面和商超三大典型场景。快递对于即时性要求不高，集约化水平高；外卖 对于即时性要求高，且配送路线环境复杂，存在取件和配件的不确定性，外卖配送的起点 与终点均不固定，进一步增加了无人配送的难度；商超零售即时性要求相对较低，且路线 相对固定，线上业务的成熟化使配送端已具备良好的基础设施（仓库、前置仓、配货人员、 停车位等），有利于无人配送的快速落地。

国内的参与者主要包括互联网巨头和新兴创业公司。其中，京东、美团、阿里等互联 网巨头拥有物流需求，采用自研+合作的形式推动业务落地。新兴创业公司如新石器、智 行者、毫末智行、行深智能、白犀牛等，主要通过技术快速攻占市场，推动自身技术验证 与迭代升级。目前，互联网巨头和初创公司处于共建与共同探索阶段。

目前无人配送小车正在国内各地的各大场景中开展试运营。2015 年京东物流进入无 人配送领域，2019 年 11 月发布最新一代 4.0 版本无人配送车并且在中国人民大学、清华 大学等多个高校投入使用，2020 年与江苏常熟市开展战略合作，致力于打造全球首个无人配送城。美团无人配送车自 2018 年至今已经完成了北京多地落地测试运营，截至今年 4 月，无人车配送服务已覆盖 20 多个小区，完成 3.5 万订单，总行驶里程近 30 万公里， 同时美团新一代无人配送车“魔袋 20”于 4 月落地。2018 年 8 月，新石器第一代车 SLV10 实现量产，具备自动驾驶能力，但限定在在封闭园区中行驶；2019 年 6 月，二代车 SLV11 落地，开始可以在半封闭和封闭环境中切换，进行商业化试运营；2020 年 8 月，三代车 X3 实现量产。

4）干线物流：自动驾驶的落地将有效改善货运行业痛点。L3 级别自动驾驶有望解放 司机的双手双脚，降低司机的劳动强度，并有望将单车司机人数由 2 名减少到 1-1.5 名； L4 级别自动驾驶有望解放人的眼和脑，单车省去 2 名司机，降低人力成本和司机工作量； 自动驾驶能够提升车辆的营运效率，除了加油和例行维护时间，理论上可以实现 24 小时 不间断运输；此外，自动驾驶解决方案能够通过配备节油算法，将发动机转速控制在最佳 燃油经济区，综合油耗有望比优秀司机再降 5-10%。

干线物流自动驾驶的玩家包括图森未来、智加科技、主线科技、嬴彻科技等创业公司。 其中图森未来、主线科技主攻 L4 级别自动驾驶方案，智加科技、嬴彻科技则计划通过 L3 级别自动驾驶前装落地，收集行驶信息形成数据闭环，反哺自动驾驶升级至 L4；小马智行 从 Robotaxi 切入货运领域；清智科技从 ADAS、线控底盘生产切入，通过在园区通勤等低 速场景落地逐步扩展到专线物流等高速特定场景落地。

5）港口自动驾驶：无人化运营是刚需，自动驾驶集卡等产品加速落地。港口运输自 动化有自动驾驶集卡、AGV（自动导航运载车）、自动驾驶跨运车三种运输方案，但 AGV 和自动驾驶跨运车均有一定应用限制：AGV 需要在道路预埋磁钉来辅助实现感知、定位、导航，改造成本较高、前期投入大，通常只适用于大型新建港口；自动驾驶跨运车对港口 的堆箱高度有限制，仅能应用于 1-3 个集装箱高度的堆放，而我国集装箱码头普遍堆场密 集，为保证空间利用效率会堆放多层集装箱（通常 4-5 层）。相比之下，自动驾驶集卡则有 着无需场地改造、单车成本较低、泛用性强、适用港外公路等诸多优点，有望成为港口运 输自动化的主流解决方案。

港口自动驾驶玩家主要包括经纬恒润、西井科技、主线科技、图森未来等，已在中国 多个重要港口实现布局。上述企业通过与主机厂合作，将自身研发的解决方案配置在整车 上，并落地港口，进行试验和商业化运营。目前中国已有 11 个港口实现自动驾驶集卡落 地，在“北-中-南”沿海重要港口均有企业实现布局。2017 年以来，经纬恒润先后在青岛 港、唐山港和日照港开展港口智能集卡项目实现港口智能驾驶 MaaS 完整方案的商业化 落地。主线科技持续助力天津港集团打造港口自动驾驶示范区，并先后交付了 31 辆无人 集卡与 60 台 ART 人工智能运输机器人。2019 年起，图森未来在东海大桥开展应用于洋 山港与芦潮港货运火车站间的无人驾驶港铁联运。

6）矿区自动驾驶：矿区环境较为恶劣，无人化需求较强。矿区地形相对较为复杂， 路面不平整、上下坡路较多，排土场多为 20-30 米的深沟。同时矿用汽车体积较大、盲区 较多，容易发生碰撞、碾压、侧翻等事故。矿区一旦发生重大安全事故，所属矿区需整顿停产，或将产生亿元级别的损失。由于矿区工作环境恶劣，矿区用工难、流动性强导致劳 动力短缺的状况尤为明显。矿区的自动化、无人化是非常显著的需求。同时矿区环境相对 封闭、运输路线较为简单、环境干扰较少等条件有助于自动驾驶快速落地。

矿山无人驾驶领域目前国内的企业主要包括慧拓智能、踏歌智行、易控智驾、希迪智 驾等，已与矿区、矿企建立密切联系。2019 年 9 月，慧拓智能在大唐国际宝利煤矿正式 完成国内首个无人运输系统在矿区的商业化落地运营；目前已获得行业最大规模 400 台宽 体车队运营订单，并于 2021 年中标国家电投集团霍林河煤矿电动无人宽体车运营订单。 截至 2021 年 7 月末，慧拓智能的订单总额达 3.5 亿元人民币，复购订单占比达 50%。2020 年，踏歌智行与北方股份建立“一致行动人”合作伙伴关系，联合推出国内首批共 10 台 预装无人驾驶系统的线控矿卡 NTE200AT。易控智驾在 2019 年开始矿区无人驾驶真实工 矿测试，2020 年矿区投入无人驾驶车辆达到 12 台。

7）RoboBus：有望成为对最后 3 公里短途出行的有效补充。我国轨道交通事业快速 发展，截至 2021 年 8 月，国内已有 48 个开通城市轨道交通线路的城市，运营里程达 7970公里。在这一趋势下，轨道交通逐渐成为民众长途出行的主流选择。但地铁站与社区、园 区、商区等区域存在最后 3 公里的短途出行问题，RoboBus 是对这部分出行需求的有效补 充，满足群体性需求。同时，RoboBus 对行驶速度的要求不高，其路线固定且相对较短， 适合自动驾驶落地。

RoboBus 的参与者包括百度 Apollo、智行者、文远知行、轻舟智航等。百度 Apollo 联手金龙客车打造自动驾驶小巴阿波龙，已于自 2018 年正式量产，并先后在北京、广州、 雄安、重庆、佛山等 22 个城市园区落地部署，累计服务人次超 12 万，累计自动驾驶里程 达到 12 万公里。智行者的 RoboBus 落地成都、合肥、北京等全国多个城市，在公园、景 区、高尔夫球场等区域开展运营。文远知行与宇通联合开发的 Robobus 也于 2021 年 4 月 批量下线，目前正在广州、南京、郑州等地开展常态化测试。2021 年，轻舟智航的龙舟 系列 Robobus 先后落地深圳、武汉、北京等 10 座城市，在公开道路提供接驳服务。点对 点的接驳是无人驾驶技术的一个应用创新点，目前正初于小批量试验阶段。

整体而言，行业大多数公司是针对某个自动驾驶场景点状发力。鉴于不同自动驾驶场 景在市场规模、技术要求、政策支持、商业化落地进度等方面的差异，各自动驾驶公司形 成了与自身实力相适应的发展路径与方法论。总体而言，大多数公司以对自动驾驶场景的 研判与选择作为思考的起点，在单一场景下集中发力，开发与之适配的自动驾驶算法，进而开展示范运营。在其技术可行性得到验证后，该等自动驾驶公司预计将广泛争取运营项 目，同时通过资本运作建立并壮大自动驾驶车队，加快数据收集速度，进而加速算法迭代。

3.智行者商业化落地领先，成长空间大

智行者特点：打通底层技术与场景解耦，实现多场景赋能

智行者坚持底层开放+软硬一体化的“android+intel inside”商业模式。智行者定位 为自动驾驶时代的“android+intel”，即在类似 android 的通用型软件架构及类似于 Intel 的核心硬件两部分同时着力，致力于成为通用场景 L4 自动驾驶解决方案提供商，而不参 与无人驾驶的商业运营。自 2017 年起，智行者开始进行通用型底层软件架构的开发及进 行了配套硬件的开发。其中公司于 2019 年底推出面向低速场景的自动驾驶套件 LADS，采 用“嵌入式硬件+功能软件+工具服务”的软硬件一体的解决方案，解决了“开发难、可靠 性差、成本高”等制约自动驾驶行业发展的痛点，助力 OEM 客户最小资源投资快速实现 量产产品。LADS 包括自动驾驶域控制器、车身信息域控制器和驱动域控制器等硬件和高 度融合定位、多传感器融合感知、典型功能规划控制等软件功能。

智行者将自动驾驶算法与场景解耦，提供软硬件一体+多场景解决方案。公司选择一 个无人驾驶大脑赋能各行业的技术架构，适应目前无人驾驶需求在多点位同步释放的行业 特点，整体采取以产品化为主导的商业模式，不参与实际运营服务，与传统行业设备制造 方及运营方联合发展，共同推进全行业智能化的进程。智行者致力于以更低的成本、更快 的速度获取更加丰富的场景数据，并通过这些数据迭代算法，形成算法-落地场景-数据的 闭环。基于上述思考，公司将自动驾驶算法与场景解耦，打造无人驾驶大脑，以赋能各个 行业，并不局限于特定场景的点状发力。与同业主要竞争对手相比，智行者能够在人员接 近的条件下，实现更多的落地业务赋能。目前，公司已涉及低速、中高速、特殊环境以及 前装量产场景。

智行者坚持和各个场景运营客户合作，不参与自动驾驶车队运营。智行者认为，无人 驾驶行业将会出现三类提供商：客户运营服务提供商、无人驾驶解决方案或者整车产品提 供商以及车辆制造商。其中，客户运营服务提供商能够精准了解客户需求并提供全面的服 务；车辆制造商主要从事生产制造的工作；无人驾驶解决方案或者整车产品提供商，则主 要负责为未来整个移动交通出行产业提供新兴的技术或整车产品，也是智行者致力于扮演 的角色。因此，智行者主要通过无人驾驶大脑赋能传统行业，与各个场景的运营客户展开 合作，并不承担自动驾驶车队运营的工作，从而降低自动驾驶车队方面的资金投入。

低速自动驾驶方面，公司无人驾驶大脑赋能的产品已在全国多地落地运营。在低速自 动驾驶方面，公司无人驾驶大脑赋能的产品已在环卫、物流等领域实现商业化落地，在全 国多个场所投放。以园区环卫场景为例，公司相关产品已在 100 多个城市完成落地，包括 20 余类细分场景，累计清扫面积达数亿平方米。上述场景包括北京冬奥首钢园、乌镇设计 园、雄安中交未来科学城等公园景区；合肥南站、雄安高铁站、郑州东站等交通枢纽；新 奥集团、华能集团、济南中国重汽科技大厦等办公/工业厂区；成都 IFS 商场、北京金石广 场、武汉火神山医院、成都传染病医院、中山雅居乐佰利山等商场、医院和住宅场景。

中高速自动驾驶领域，公司 Robotaxi 和 Robobus 落地顺利。早在 2016 年，公司与 北汽合作，将无人驾驶汽车开放试乘，当年接待人次 3000 余人，行驶里程 2000 公里，0 失误、0 故障。同年，公司与长安合作实现从重庆到北京 2000+公里无人驾驶，最高车速 达到 120km/h，并加入了长安的天枢计划。公司于 2019 年获得北京 T3 自动驾驶路测牌 照，并深度参与了全国最大规模自动驾驶示范运营车队和示范区的建设。2021 年，公司 获得了 T3 出行百台 Robotaxi 订单，双方在苏州试点“自动驾驶+正常驾驶”的 Robotaxi 落地新模式，即在指定自动驾驶测试区域采用自动驾驶，超出该区域的其他区域则由安全 员担任驾驶司机接手驾驶权。公司无人驾驶大脑赋能的多款 RoboBus 也已落地成都、合 肥、北京等全国多个城市，在公园、景区、高尔夫球场等区域开展运营。

特种车领域，公司无人驾驶大脑产品已实现交付。公司无人驾驶大脑还赋能了特种车 场景，目前主要产品为无人驾驶巡逻车、无人驾驶物资车等。公司无人驾驶巡逻车最大支 持 100km/h 的运行速度，能够支持 300 公里大场景，且适用于恶劣越野路面，与市面现 有安防巡逻机器人相比具备诸多优势。2021 年，公司获得超过 100 台无人驾驶巡逻车订 单。2022 年，智行者的特种车辆订单持续增长，其高速长续航版的无人驾驶巡逻车已经 在上海、涿州等全国多个地区高速落地执行巡逻任务。

营收已达数亿元量级，未来成长可期

公司致力于扩大产品使用边界，以更低的成本、更快的速度获取更加丰富场景的数据。 未来，智行者将持续采用软件持续升级、硬件离散升级的模式锤炼无人驾驶大脑。软件升 级的关键在于数据，智行者将通过产品投放，不断扩大产品的使用边界，以更低的成本、 更快的速度获取更加丰富场景的数据，以此为智行者打造领先行业的技术壁垒。同时，智 行者将继续通过快速地、多场景应用落地来建立自己的优势。根据中国经营网报道，公司 2021 年营收已经达到数亿元。

公司不断扩展自动驾驶落地场景，实现与行业从业者的合作共赢。对于落地场景的选 择，智行者将遵循四个逻辑：技术可达；市场空间足够大；社会基础设施能够支撑；与行 业本身从业者合作共赢。其中，技术可达即能够去掉安全员，通过技术迭代来促成落地产 品的速度不断提升、应用场景物理空间不断扩展。其次，从立项到不同场景应用，本身投 入是相当的、推向市场一定时间内渗透率也是相当的，从投入产出比的角度考虑，公司会 优先选择环卫、物流等从业人口众多、市场空间足够大的场景。再次，社会基础设施要能够支撑改场景的落地应用，即法律法规允许的前提下，保险、民众的接受程度也达到一定 程度。最后，公司通过自身产品赋能各行各业，与行业原有从业者实现合作共赢。

公司通过智慧生活以及特种车等场景不断打磨技术，开始向乘用车领域进军。公司的 落地场景可以分为特种车、智慧生活与智慧交通三个大方向，分别面向民众的基础需求、 生活需求和精神需求。其中，特种车主要用于国防、消防、生化检测等保障人身安全的场 景；智慧生活主要面向环卫、物流等场景，把劳动者从重复、繁重的劳动解放出来；智慧 交通方面，公司通过与主机厂展开合作，利用之前 L4 场景落地积累的技术经验和架构应 用于自动驾驶车辆上，向 C 端客户提供自动驾驶的辅助服务，促进智慧交通的发展。公司 计划今年开始发力前装乘用车领域，有望于 2024 年实现主机厂的前装配套。

依托技术迭代与场景落地，公司致力于打造无人驾驶智慧生活圈。公司还携手地方政 府打造新基建项目，打造面向未来的智能网联汽车商业应用示范集群，围绕智慧交通、智慧清扫、智慧安防、智慧物流、智慧新消费等方向，构建可成长、可拓展的无人驾驶示范 区智能网联应用场景，共建无人驾驶智慧生活圈。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）