汽车电子之传感器行业深度研究：观四路，听八方，行千里

温馨提示：如需原文档，可在PC端登陆未来智库（www.vzkoo.com）搜索下载。

1. 自动驾驶加速驶来，核心传感器先行

1.1. 自动驾驶核心传感器，增量市场空间广阔

美国自动驾驶分级统一行业认知。根据 SAE 标准，按照人类驾驶者的操作权限将自动驾驶分成了 0-5 级，其中 2-3 级是一个重要的转折点，标志着驾驶权正式由人类移交给无人驾驶系统。无人驾驶系统的分级，为全球车企无人驾驶研发进程提供了统一的指导。

全球自动驾驶加速驶来。美国加州是全球首个通过无人驾驶汽车法规的地区，同时也是世界上最重要的无人驾驶测试基地，截至 2018 年 1 月，加州车辆管理局已发放 50 张无人驾驶测试牌照，其每年发布的脱离报告反应了全球自动驾驶的技术趋势和竞争格局。

2017 年是自动驾驶加速驶来的一年，当年新增牌照数创历史新高。按地区分布来看，截至2018 年 1 月美国企业拥有路测牌照数最多，其次为中资及华人背景企业，按领域来看，自动驾驶路测参与主体包括车企、零部件一级供应商、互联网公司、初创型公司、目前获得路测牌照的以初创型公司居多，其中中资及华人背景企业 13 家、美国企业 11 家，中国创新型企业对自动驾驶的热情最为高涨。

谷歌 Waymo 与通用 Cruise 分别代表了 ICT 与 OEM 企业的自动驾驶最高水平。加州车管局发布的最新《2017 自动驾驶“脱离报告”》（2018 年报告尚未出）共收录了 20 家企业，剔除未开展路测的宝马、福特、本田、蔚来汽车美国、大众美国和 wheego、未在加州开展路测的特斯拉以及未向美国加州车管所递交报告的法拉第未来，余下 12 家路测车企中谷歌旗下 Waymo 不论累计路试里程数雄踞磅首，人工介入频次平均 5596 英里一次，自动驾驶技术成熟度当属 12 家之最，通用 Cruise 亦有不俗表现，13.1 万英里的路测历程，最多的路测车辆数，行驶里程平均每 1254 英里才人工介入一次，从这份报告来看 Waymo 与通用Cruise 分别达标了 ICT 与 OEM 企业的最高水平。

国内自动驾驶路测加紧推进，百度路测里程数遥遥领先。2017 年 12 月北京市出台了自动驾驶车辆道路测试的政策指导文件，重点突破了有关自动驾驶车辆开展道路测试的政策法规、管理主体、测试场地、测试流程、事故保险赔偿及测试监管等系列问题。2018 年对百度、上海蔚来、北汽新能源、小马智行、戴姆勒、腾讯、滴滴旅行、奥迪 8 家企业 56 辆自动驾驶车辆发放了临时测试牌照，其中百度的路测累计里程数遥遥领先，自主车企仅北汽新能源入榜。

从国内外路测的自动驾驶汽车来看，都配备了多种传感器，包括激光雷达（LiDAR）、雷达（RADAR）、摄像头（Camera）和惯性测量单元（IMU）。

自动驾驶最高水平的谷歌 Waymo（L5 级别）搭载了摄像头、毫米波雷达、激光雷达、音频探测系统等传感器。Waymo 的视觉系统由几组高分辨率的相机组成，设计用于在长距离、日光和低光照条件下工作；Waymo 的毫米波雷达则使用波长来感知物体和运动，这些波长能够在雨滴等物体周五传播，使其能够在白天、黑夜、雨雪天气中有效工作，主要使用 77GHz毫米波雷达；Waymo 的激光雷达美妙发出 360 度的数百万激光脉冲用于测距，包括短程激光雷达、高分辨率中程激光雷达以及功能强大的新一代远程激光雷达。

通用 Cruise 上搭载激光雷达、毫米波雷达及摄像头。根据通用 Cruise2018 Safety Report，通用无人车（L4 级别+）采用 5 个激光雷达，21 个毫米波雷达，16 个摄像头。其中摄像头在于监测行人、交通信号灯等，顶激光雷达用于监测静态和动态物体，远程毫米波雷达用于检测车辆并测量速度，短程雷达用于监测周边物体，高分辨率雷达用于监测远距离移动的车辆。

特斯拉搭载激光雷达、毫米波雷达及摄像头。特斯拉 Autopilot 2.0（L2 级别自动驾驶）搭载8 个摄像头、1 个毫米波雷达、12 个超声波雷达。视觉系统中 4 个侧视摄像头基本可保证 L3级别的变道、合流、出高速等功能；搭载的毫米波雷达探测距离 160 米，猜测应为 77GHz；特斯拉搭载的超声波雷达促使感知距离增加一倍。

5G 时代，C-V2X 将成为 L4/L5 级高阶自动驾驶车辆的超视距传感器。现在的自动驾驶解决方案主要是通过雷达、摄像头等感知周边环境，可能会受到天气、距离等因素影响，C-V2X则提供了另一个获取周边环境信息的交互渠道。高通工程技术高级副总裁马德嘉指出，未来随着 5G 为车内信息娱乐和车载信息处理提供更大的数据容量，C-V2X 将成为汽车的"超视距传感器"，能够对雷达等现有视距传感器进行补充，比如转弯时提示驾驶员转角盲区有汽车或自行车靠近、向驾驶员提供信号灯状态信息等，从而带来更高效且更安全的交通。

综合现有国内外顶级自动驾驶玩家路测的自动驾驶汽车配备的传感器和 5G 时代将会新增的传感器来看，未来实现完全自动驾驶，需要配备的核心传感器主要包括激光雷达（LiDAR）、雷达（RADAR）、摄像头（Camera）、惯性测量单元（IMU）和车路协同系统（V2X）。

1.2. 渗透率：L2 级自动驾驶加速普及，渗透率将快速提升

2018 年车企基本实现 L2 级自动假设，未来将有望加速普及与升级。根据汽车电子设计、汽车电子头条的统计，2018 年大部分的外资及自主车主均已在部分车型上实现了 L2 级自动驾驶。外资车企中领先的是奥迪，奥迪于 2018 年推出的 A8 是全球第一款量产 L3 级别的自动驾驶车型，改款车型搭载 5 个毫米波雷达、5 个摄像头及 12 个超声波雷达与一个 4 线机械激光雷达，其余外资车型基本均已实现 L2 级自动驾驶。自主车企亦于 2018 年实现了 L2 级自动驾驶，根据大多数车企规划，将于 2020 年实现 L3 自动驾驶。

除传统车企外，自主车企中蔚来、小鹏、奇点等新势力在自动驾驶方面也有积极表现，其中小鹏汽车与德赛西威合作的 L3 自动驾驶系统预计将于 2020 年实现，届时将提供低速代客泊车、中速塞车辅助巡航、以及高速代驾三个针对国内驾驶环境特点的智能化功能。

2 级自动驾驶渗透率有望在 2020 年达到 30%以上。当前大多数车企已在部分车型上实现 L2级自动驾驶，对应量产车的车型销量直接影响了自动驾驶的渗透率水平。根据 2016 年的《中国制造 2025》，国内 1、2 级自动驾驶渗透率将在 2020 年达到 20%，3 级自动驾驶渗透率将在 2020 年达到 10%-20%，4 级自动驾驶渗透率将在 2030 年达到 10%。而 2018 年 12 月工信部发布的《车联网（智能网联汽车）产业发展行动计划》调高 L2 级渗透率目标，将其由至 2020 年 2 级自动驾驶渗透率达 20%的目标提升至渗透率 30%以上，L2 级自动驾驶加速渗透。

1.3. 单车需求量：ADAS 不断升级，单车需求量持续攀升

随着自动驾驶级别升级，单车对传感器的需求量在持续攀升。以特斯拉、奥迪 A8 与通用Cruise 为例，摄像头基本随着级别数的提升单车配套量在增加，毫米波雷达随着级别的提升增幅尤其明显，L4 级的通用 Cruise 搭载的毫米波雷达数量是奥迪 A8 的 4 倍，单价昂贵的激光雷达在 L3 级别必备，L4 级别需求量亦有明显增加，技术最为成熟的 L5 级 Waymo 摄像头、毫米波搭载数量有所减少，但高价值量的激光雷达搭载数在提升。

自动驾驶渗透率逐步提升叠加级别持续提升，预计传感器需求呈指数级增长，市场规模 2022年有望达 31 亿美元，2032 年有望达 773 亿美元。根据麦姆斯咨询，2017 年全球自动驾驶汽车的产量为数百台，2032 年全球自动驾驶汽车的产量有望达 2310 万台，CAGR 高达 58%。届时，与自动驾驶汽车生产相关的总体营收将达到 3000 亿美元，其中 52%来自车辆本身，26%来自传感器硬件，17%来自计算硬件，其余 5%来自集成。激光雷达、雷达、摄像头、惯性测量单元和全球导航卫星系统均呈指数级增长，合计市场规模预计 2022 年可达 31 亿美元，2032 年可达 773 亿美元。

2. 车载摄像头：自主供应商加速入局开启国产替代进程

2.1. 车载摄像头的构成与分类

车载视觉传感器，摄像头的新蓝海。车载摄像头是自动驾驶重要的传感器，主要包括镜片、滤光片、CMOS、PCBA、DSP 和其他封装、保护材料等。不同于手机摄像头，车载摄像头的模组工艺难度大很多，主要是因为车载摄像头需要在高低温、湿热、强微光和震动等各种复杂工况条件下长时间保持稳定的工作状态。综合而言，车载摄像头的技术壁垒明显高于手机摄像头，随着自动驾驶的兴起，车载摄像头已经成为了摄像头的新蓝海。

车载摄像头种类繁多，装车量不断增加。车载摄像头在实现自动驾驶方面有着不可替代的作用，如识别交通标牌、红绿灯和行人等。以特斯拉 Model 3 为例，车内外一共安装了 9 颗摄像头，包括 3 个前视摄像头、2 个侧视摄像头、2 个后侧视摄像头、1 个后视摄像头和 1 个内视摄像头。其中，前向摄像头采用的是三目摄像头，主要是因为单目摄像头在测距的范围和距离方面有一个不可调和的矛盾，即摄像头的视角越宽，所能探测到精准距离的长度越短，视角越窄，探测到的距离越长，3 个摄像头分别是窄角摄像头（35 度视场角，最大距离 250米）、中程摄像头（50 度视场角，最大距离 80 米）和鱼眼摄像头（150 度视场角，最大距离60 米），左右侧视广角摄像头（80 度视场角，最大距离 60 米），左右后视中程摄像头（60度视场角，最大距离 100 米），鱼眼后视摄像头（140 度视场角，最大距离 50 米），内视摄像头，监控驾驶员注意力。

2.2. 自主供应商加速入局，国产替代在即

全球车载摄像头 CR4 为 50%，竞争格局相对集中，自主供应商开始入场。相对于手机摄像头等消费级电子和工业视觉用工业电子，车载摄像头由于安全性和使用环境等因素，对稳定性和规格要求比较高，模组封装工艺复杂，技术壁垒高，尤其是点胶工艺存在难点。车载摄像头的壁垒主要在于模组封装和客户壁垒，目前来看，国际上松下、索尼等占据了较大的市场份额，但是总体的竞争格局并不是很集中，除了松下占据了 20%的市场份额以外，其后的8 名主要竞争对手市场份额相互差距都不大，国内舜宇光学、欧菲光、德赛西威等已开始全面进入车载摄像头模组封装制造中。

外资供应商占据主流地位，自主供应商加速入局，国产替代进程开启。博世、维宁尔、大陆泰密克和歌乐等国际跨国巨头凭借技术优势和客户配套优势，占据了主流的合资品牌供应链，但产品以摄像头为主。自主从后装到前装，从商用车到乘用车，从自主到合资，从单一客户到多客户不断突破，尽管技术上短期内与外资仍有差距，但经营灵活，从车摄像头到具体应用，如 360 环视、自动泊车、行车记录仪、车载监控录像机系统，产品非常丰富，能够充分满足主机厂客户和售后市场多方位的需要。未来，随着自主供应商技术不断成熟，规模日渐扩大，凭借着快速响应和性价比的传统优势，将有望开启对外资供应商的替代。

2.3. 车载摄像头未来趋势与空间

未来趋势之一：夜视摄像头或成为车载摄像头的标配。据美国国家公路交通安全局的统计数据显示，虽然夜间出行仅占美国公路交通的 1/4，但发生的交通事故却占据了半壁江山，主要在于夜间视线不良所致。这就要求车载摄像头必须具备较强的感光能力，未来夜视系统或将成为车载摄像头的标配。从实际效果来看，具备夜视功能的摄像头能够大幅提高行车安全，如特斯拉的 Autopilot HW2.0 搭载的摄像头使用了 4 个滤镜-RGGB（红、绿、绿、蓝），在单元格上创建一个单一的颜色像素（两个绿色用于提高分辨率/亮度）。摄像头的其中三个滤镜为单色可见光，另外一个使用红色滤光片（RCCC），增加单色光的灵敏度，检测红色交通灯和尾灯。

未来趋势之二：AI 算法和 AI 芯片植入摄像头硬件前端是未来重要趋势。当前，国内外不少人工智能汽车创业型企业都在尝试将 AI植入到摄像头的硬件前端，用以研发具有目标检测、分割与识别能力，甚至同时具有参数估计和行为意图预测功能的人工智能摄像头。如 Utility于 2018 年 10 月份宣布将与索尼公司开展合作，共同研发“智能巡逻”车载摄像头影响系统，通过采用 AI 技术识别车牌号，使执法人员不必再手动录入车牌号，尽最大可能地避免执法车辆驾驶员出现分神情况。

车载摄像头装车量快速攀升，预计 2020年市场规模近 60亿元。根据佐思产研统计数据，2017年国内乘用车市场摄像头装车量达到了 639 万颗，主要应用于倒车影像（后视）和 360 度全景摄像（环视），应用于 FCW、LDW 和 AEB 等功能的前视和驾驶员监测的内视是未来车载摄像头的主要增长点，高工智能汽车预测，2020 年后视摄像头渗透率有望达到 50%，前视摄像头渗透率有望达到 30%。随着产业链成熟度的提升，车载摄像头的价格也持续走低，从2010 年的 300 多元已降至 2018 年的 150 元，一般的盲区摄像头价格基本都已降至 100 元以内。根据高工智能汽车预计，到 2020 年国内车载摄像头的市场规模有望接近 60 亿元。

2.4. 特斯拉自动驾驶视觉方案的变迁

特斯拉自动驾驶技术方案的两个阶段。特斯拉初始采用的是 Mobileye 的单目摄像头方案，此后多次交通事故后，特斯拉改为了毫米波雷达为主，摄像头为辅的技术方案，摄像头也一举扩充为 8 个，分别对应着 Autopilot 1.0 系统和 Autopilot 2.0 系统。AutoPilot1.0 系统，其在硬件上有 1 个前臵摄像头、2 个前后雷达以及 12 个超声传感器，而 2.0 系统在硬件上除了将雷达进行了增强、传感器进行增距外，还提供 3 个不同焦距的前臵摄像头、2 个侧身摄像头以及 3 个后臵摄像头，摄像头的数量从 1.0 系统的 1 个一下扩充为了 8 个。

单目摄像头方案短期成熟，但难以实现 L5 级自动驾驶。2016 年 5 月 7 日，一辆开启了自动驾驶的特斯拉 Model S 撞向了横向拐弯的白色大货车，据后来事故调查结果显示，原因在于车辆图像识别系统未能把货车的白色车厢与背后的蓝天白云区分开来。这主要是由于特斯拉当时采取的是 Mobileye 的单目摄像头技术方案，其对车辆的识别是采取特征点的方式进行的，如尾灯和后车轮识别前车，对于更加复杂的现实场景如何区分汽车、白云还是湖面等缺乏有效应对。单目视觉检测方案更加适用于 ADAS 或者低阶的自动驾驶，特斯拉在意识到Mobileye 的单目摄像头方案只能短期占优，无法最终支撑其实现完全自动驾驶的目标时，果断选择了转向，特斯拉自动驾驶路线随之进入了 2.0 时代。

三目摄像头方案优劣势显著，仍有待时间的检验。特斯拉采用的三目摄像头分别为前视窄视野摄像头、前视主视野摄像头和前视宽视野摄像头，实现了视野和距离的平衡，根据各自焦距不同，分别负责远距离测距、中距离测距和近处测距（包括交通灯、道路障碍等识别）。三个摄像头克服了单目及双目在视野局限性、测距精度、安装位臵等方面的硬伤，最大程度模拟了人类双眼快速变焦、同时覆盖长短距范围的特性。但是随着摄像头数量的增多，精度误差率也增大了，三目采取的是实时计算视差估测距离的方式，需要同时运算所有动态和静态物体不同时间的距离、方向和速度信息，计算量飙升。此外，三路数据同步传输，但是采集到的数据却不总是相同，系统后台算法却没有一定的运算逻辑去进行审核，导致驾驶决策的准确性无法预估。考虑到三目摄像头方案成本、可靠性和精确性等诸多问题，是否是实现完全自动驾驶的最佳方案，仍有待时间的检验。

3. 毫米波雷达：全天候传感器，高阶自动驾驶标配

3.1. 毫米波雷达的原理与构成

毫米波雷达三步走，环境感知、计算分析、控制执行。车载毫米波雷达通过天线向外发射毫米波，接收目标反射信号，经后方处理后快速准确地获取汽车车身周围的物理环境信息（如汽车与其他物体之间的相对距离、相对速度、角度、运动方向等），然后根据所探知的物体信息进行目标追踪和识别分类，进而结合车身动态信息进行数据融合，最终通过中央处理单元进行智能处理。经合理决策后，以声、光及触觉等多种方式告知或警告驾驶员，或及时对汽车做出主动干预，从而保证驾驶过程的安全性和舒适性，减少事故发生几率。

毫米波雷达是全天候全天时 ADAS 传感器，高阶自动驾驶的标配。毫米波雷达的主流产品是24GHz 和 77GHz 两种规格，前者主要用于短距离传感，安臵在车后方和侧面，可探测车身周围环境、盲点，实现泊车辅助、变道辅助等功能，后者用于长距离测量，主要安臵在车前方，实现自动跟车、自适应巡航、紧急制动等功能。毫米波雷达系统主要包括天线、收发模块、信号处理模块等，其中，关键零部件是前端单片微波集成电路（MMIC），它包括多种功能电路，如低噪声放大器、功率放大器、混频器等，MMIC 可简化雷达系统结构，便于规模化生产，同时将降低系统的物流成本，加速了毫米波雷达的应用。

3.2. 外资寡头垄断，内资开始破局

全球毫米波雷达市场集中度较高，2018 年 CR5 高达 68%，外资寡头垄断。从竞争格局看，全球毫米波雷达市场基本被以博世为首的外资汽车零部件巨头垄断，其中博世以 77GHz 毫米波雷达为主。据 OFweek 的统计数据显示，目前中国 24GHz 车载雷达市场主要由法雷奥、海拉和博世等主导，合计出货量占比高达 60%以上。中国 77GHz 车载雷达主要由大陆集团、博世和德尔福等主导，合计出货量占比高达 80%以上。综合来看，中国市场当前仍在外资寡头的垄断之下。

内资厂商涌入毫米波市场，定制化解决方案或是国产替代突破口。国内的毫米波雷达市场当前被大陆、德尔福、博世等国外零部件巨头垄断，并且也在不断推出更新更好的产品。当单品性能和价格不足以和国外供应商拉开差距，打包做解决方案是比较好的突围路径，包括整个系统有多少冗余，提供定制化服务。据一家合资主机厂的调查报告显示，消费者因为功能不好用而关闭 LDW、FCW 功能的人数占比超过 90%。一个典型的具有中国特色的场景是并道切入，因为国内切入行为比国外频繁，本土化的驾驶辅助系统对相邻车道的切入应该更加敏感，外资 ACC 系统通常都是等相邻车道切入的车子并道摆正车尾后才会识别，容易发生追尾事故。所以自主厂商替代外资厂商比较有效的方式是开发定制化的解决方案，连同摄像头，做多传感器的融合驾辅应用。

3.3. 产品升级，百亿市场空间待发掘

77GHz 车载毫米波雷达是未来主流，2018 年已大幅缩小与 24GHz 雷达出货量的差距。随着自动驾驶从 L2 到 L5，汽车所需的毫米波雷达数量是递增的，这就需要体积更小、功率更低和价格更低的毫米波雷达。77GHz 最大的优势是天线是 24GHz 的三分之一，同样的体积可以做更多的通道，识别精度也更高，穿透能力也更强，挑战主要在设计和价格方面。从产业来看，DIGITIMES Research 预估高频毫米波雷达因导入 CMOS 制程后 2022 年价格相较2017 年跌幅将达 50%，77GHz 价格的下降有望推动其加速普及。从 17-18 年车载毫米波雷达的装车量来看，17 年明显加速，同比增长 104.6%，18 年受车市销量下滑影响，同比仍有54%的增长。根据佐思产研数据，77GHz雷达在 2018 年 12 月实现了对 24GHz雷达的反超，比原先预计的时间点提前了一年，车载毫米波雷达升级进程超出预期。

自动驾驶加速普及，2020 年全球和中国车载毫米波雷达市场规模预计分别将达 51.2 亿美元和 72.1 亿元。随着 ADAS 渗透率不断提高，车载毫米波雷达市场需求随之升高。据中商产业研究院整理统计，2015 年全球和中国车载毫米波雷达市场规模分别为 19.4 亿美元和 18亿元左右，考虑到必须至少搭载一颗毫米波雷达的紧急自动制动系统（AEB）在全球范围内开始普及，预计到 2020 年全球和中国车载毫米波雷达市场规模预计分别将达 51.2 亿美元和72.1 亿元。

4. 激光雷达：自动驾驶核心组件

4.1. 激光雷达--高精度定位系统核心传感器

精度与测距。激光雷达波长更短，水平分辨率能够控制在 0.1°以内，且抗干扰能力强，探测距离更远，因此与毫米波雷达等其他传感器相比，能够提供更精确和稳定的定位导航。

发射器-接收器-光电转换器-信号处理器四大模块。工作时，发射器发出脉冲激光，这束激光遇到物体后，会发生漫反射并被接收器接收，再由光电探测器识别并转换为电信号传输至信号处理模块分析。

多线束激光提升定位性能。单线激光雷达拥有一个发射器一个接收器，发射器在雷达内每旋转一定小角度便生成一帧数据。单线雷达成本低，但只能获取线性信息。多线雷达则是用多个发射器进行轮询，一个轮询周期可得到一帧点云数据。线数越多，秒采集点云越多。

固态激光雷达技术方兴未艾。目前激光雷达主要有为机械和固态两种。机械激光雷达体积较大、测量精度较高，一般臵于汽车外部，价格也较为昂贵。固态激光雷达结构相对紧凑、价格较低、测量精度较差，可隐藏于汽车车体内。早先企业普遍采用价格高昂的机械式激光雷达，以 Velodyne 为代表。机械式是指扫描时以机械器件带动发射器进行旋转、俯仰，精度较高，但技术复杂，成本居高不下。随着技术发展，固态激光雷达顺应而生，其又分为 MEMS 、OPA（Optical Phased Array）和 Flash。MEMS 型利用 MEMS 微振镜将所有机械部件集成到单个芯片后再利用半导体工艺生产，本质为混合固态；OPA 型则是利用相干原理，将多个光源组成阵列，通过控制各光源的发光时间差形成特定方向的主光束，通过控制主光束实现对不同方向的扫描；Flash 型是非扫描式雷达，通过发射面阵光，通过高精度传感器接收反射信号，以二维或三维图像为输出周围的环境图像绘制。机械式旋转对比固态扫描，精度高但生产工艺难，成本不菲，更加适用于军用级、企业级设备。而在纯固态/混合固态中，MEMS 体积小、成本低、耗损小，适用于中远距离；Flash 适合近距离使用；OPA 型技术尚未成熟，但市场看好其性能指标。

激光雷达与其他传感器各有优劣，配合使用方能适应多场景应用。激光雷达分辨率高，抗电磁干扰能力强，但其受雨雾灰霾影响较大，且近场（<30m）探测能力较弱。因此在不同场景下，不同传感器各有优势，搭配使用方能在各种不同的场景均实现高精度定位。

4.2. 从 3D 地图/测绘到自动驾驶

在自动驾驶时代，激光雷达主要有两大应用。一是用于测绘 3D 地形，为汽车提供高精度地图数据库；二是用于车载终端，与摄像头、毫米波雷达、GPS 等搭配使用实现厘米级精度进行路线导航。

自动驾驶未至，高精地图先行。日常所见的导航地图隶属于“车载娱乐系统”，对于自动驾驶汽车来说精度远远不够，因此需要专业设备采集详细的地理地形数据，精确到路灯、护栏、行道树级别，内臵于车载系统。除了精确度，3D 地图测绘还需保证连续性和及时性，连续性是指地图衔接处必须光滑，及时性是指地图必须按时更新以免路况改变。地图测绘对激光雷达的大规模需求将出现在 L4 级别的自动驾驶。

激光雷达是高精度地图测量的主力传感器。激光雷达能够弥补毫米波雷达的分辨率不足、摄像头的全天候能力不足以及 GPS 导航的区域性问题。高精度地图信息的收集相比于普通地图对信息的需求更大，因此行驶路段都需要配备激光雷达的数据采集车进行实测。目前高精度地图采集的主流解决方案是多个激光雷达分布在地图数据采集车的四周及车顶，四周采用廉价低线 LiDAR，车顶采用较昂贵的高线数 LiDAR，以此保证性能需求并降低车企成本。例如四维图新数据采集车，可以采集全景影像数据、路面影像数据、亚米级高精度 GPS 数据、路测近距离激光雷达等高精度数据。

4.3. 市场空间和大厂格局

4.3.1. 测绘&导航，自动驾驶时代激光雷达需求巨大

激光雷达未来增长点在于地图测绘和驾驶导航。在军事、气象等领域，激光雷达早已有广泛应用，但增量需求空间不大。L3 级别自动驾驶就已需要激光雷达提供精确导航，随着自动驾驶的全面普及，激光雷达将全面渗透至消费领域。

4.3.2. 供给端远未成熟，机遇挑战并存

国外三巨头积极完善产品线，布局车载 LiDAR 市场。全球范围内，Velodyne、Quanergy 和waymo 为行业龙头，着力于降低激光雷达的成本以实现大规模民用。Velodyne 的新型 16 线Lidar 价格已降低至 3999 美元，而根据媒体信息，Quanergy 和 waymo 分别宣称其新产品投产后，价格将位于 250 美元和 500 美元左右，届时，激光雷达才会在各价位的汽车上充分普及。

国内公司技术有待进一步积累。我国在激光雷达领域起步晚，技术水平和世界领先企业有一定差距。上司公司从事激光雷达研发生产的主要有国睿科技、四创电子、巨星科技等，其中国睿科技和四创电子以军用雷达为主，巨星科技研制了民用激光雷达产品。

车载激光雷达厂商追求在保证基本性能的情况下，尽可能降低成本。激光雷达难以运用到私人汽车的最大障碍便是成本居高不下，不少激光雷达的价格甚至超过了整车，这是车企无法接受的。地图测绘属于企业级应用，对价格相对不敏感，但考虑到未来高精度地图必须及时保持更新，庞大的存量缺口也对企业级激光雷达的价格提出较高要求。不同于其他成熟产业，目前，激光雷达企业还没形成品牌效应、用户粘性，技术走向仍在探索期，没有任何一家企业持有明显技术优势，市场变数大。而在需求方面，自动驾驶时代正加速到来，其余各子系统发展相对完善，激光雷达的产业化相对落后，已经成为了整个无人驾驶的硬件瓶颈之一。

5. 高精度定位传感器：L3 及以上自动驾驶的标配

5.1. 高精度定位传感器的定义

高精度定位传感器是高等级自动驾驶的标配。要实现车辆的自动驾驶，就要解决在哪里（即刻位臵）、要去哪里（目标位臵）的问题，因此高精度定位传感器（厘米级精度）需要应用于 L3 及以上自动驾驶。

按照不同的定位实现技术，高精度定位可以分为三类。第一类，基于信号的定位，如 GNSS（全球导航卫星系统）定位；第二类，航迹推算，依靠 IMU（惯性测量单元）等，根据上一时刻的位臵和方位推断现在的位臵和方位；第三类，环境特征匹配，基于激光雷达的定位，用观测到的特征和数据库中的特征和存储的特征进行匹配，得到现在车的位臵和姿态。观察目前产业的高精度定位方案，普遍采取融合的形式，大体上有：1）基于 GNSS（RTK）和 IMU的传感器融合；2）基于激光雷达点云与高精地图的匹配；3）基于计算机视觉技术的道路特征识别，GPS 定位为辅助的形式。其中，GNSS（RTK）&IMU 组合是现阶段的主流方案。

GNSS（RTK）&IMU 组合的基本原理。GNSS 在复杂的动态环境中，尤其在大城市，其多路径反射的问题很显著，导致获得的卫星定位信息很容易产生几米的误差。另外，由于 GNSS的更新频率低（10Hz），在车辆快速行驶时很难给出精准的实时定位。因此 GNSS 通常辅助以惯性传感器（IMU）用来增强定位的精度。IMU 是可以检测加速度和旋转运动的传感器，通过对加速度和旋转角度的测量可以得出自体的运动轨迹以及实时的位臵信息。IMU 的优点在于：完全独立，既不受运动限制，也不受任何特定环境或位臵的限制。可以在 GNSS 信号丢失或者失效时，形成最后一道“防线”。

5.2. 高精度定位传感器市场规模

高精度定位传感器是 L3 及以上自动驾驶的标配。参考前期发布的行业深度报告《自动驾驶：百年汽车产业的“iPhone”时刻》，GNSS（RTK）&IMU 组合是高等级自动驾驶（L3 及以上）的核心部件，每辆自动驾驶车辆将标配至少 1 套。根据产业链调研，GNSS（RTK）&IMU组合现阶段的量产价格较高，随着规模化量产以及工艺的成熟，整体的价格有望在 2025 年下降至 500 美金/件。综合国内自动驾驶前装渗透率以及价格曲线预测，我们估算至 2025 年GNSS（RTK）&IMU 在车载前装市场的市场规模将超过 25 亿美元/年。

5.3. 高精度定位传感器产业格局

GNSS（RTK）产业竞争核心在于“基础设施”。GNSS 卫星信号的定位精度在米级，离自动驾驶的要求甚远。卫星定位要做到厘米级，就需要做 GNSS 校正，纠正电离层导致的定位错误，通常采用 RTK（Real Time Kinematic 载波相位差分）技术，车端的解算终端设备需要与“基础设施”相配合，才能达到定位的最佳效果。“基础设施”可以分为两大类：1）“地基增强”模式即：通过在地面大量建立固定的参考站(CORS 站)来校正卫星定位测量时的误差，典型代表就是千寻位臵；2）“星基增强”模式即：从参考站获取到的校正参数上传至卫星，再通过卫星向全球播发，来校正误差。从本质上讲，GNSS（RTK）产业比拼的核心并不在于“基础设施”端。以国内高精度定位服务龙头千寻位臵为例，其已经在全国完成超 2200个地基增强站的建设，庞大的地基增强站成为其提供的高精度定位服务的重要竞争壁垒。

IMU 产业竞争核心在于平衡高精度和低成本。IMU 的价格和精度成正比。自动驾驶对传感器也提出了更高精度的要求，但是更高的精度意味着更高的成本。如果能打造出高精度、低成本的 IMU 解决方案，便能占领技术制高点打破技术壁垒。目前全球主要的 IMU 提供商包括ADI、Honeywell、Northrop Grumman（诺瓦泰 IMU 模块的主要供应商）、Fairchild、Xsens、

Sensonor AS、KVH、Applanix（被天宝收购）、Epson（诺瓦泰 IMU 模块的供应商之一），以及 2017 年从美国美新半导体公司（MEMSIC）分拆出来的新纳传感（ACEINNA）。

6. V2X：车路协同，加速自动驾驶产业落地

6.1. V2X 定义：自动驾驶的“超视距”传感器

V2X——为自动驾驶装备“超视距”传感器。V2X，顾名思义级 vehicle-to-everything。产业界对于 V2X 的定义是：在车辆与一切可能影响车辆的实体间实现信息交互，通过无线电波传播，也就是无线通信的方式来完成感知工作，以减少事故发生，减缓交通拥堵，降低环境污染，同时提供其他信息服务。V2X 主要的应用场景包含车对车 (V2V)，车对基础设（V2I）。简单来说，可以将 V2X 理解为一组具有比人眼看得远、不受天气影响等特点的传感器冗余，可以让车辆实时了解周边动向，探测视线外的交通流变化，并向驾驶员发送报警讯息。目前自动驾驶汽车搭载的主流传感器，包括摄像头、毫米波雷达、激光雷达等等，基本都是“近视眼”（目前主流传感器的探测距离在 200-300 米）。而 V2X 的优势在于，其借助低延时、高可靠的网络连接交互，能够让车辆实时了解周边动向，探测视线外的交通流变化，并向驾驶员发送报警讯息，并且无须担心路况、工况对于传感器的影响。

V2X 产业需要“车”、“路”、“网”三管齐下，形成车路协同进化的产业格局。V2X 技术要想发挥出设想的完美效果，需要三管齐下，车端、路测、通信链路都需要进行相应布局。其中，1）路端升级：即道路的智能化改造（RSU 路侧单元），包括道路信号灯、电子指示牌、摄像头等基本元素的升级；2）网络升级：V2X 技术支持的车车通信、车路协同均依赖于低延时、高可靠的网络连接交互；3）车端升级：即车端的网联化改造（OBU 车载单元）。车载终端可以集成 V2X 通信、算法决策、APP 终端显示等功能。

6.2. 科技新基建发力智能路网，车路协同助力自动驾驶

6.2.1. 以 V2X 为核心的车路协同是国内提倡的自动驾驶技术路线

以 V2X 为核心的车路协同是国内政府提倡的自动驾驶产业落地的技术路线。相对于国外以车厂、Tier1、互联网科技巨头等 B 端企业推动的“单车智能”的自动驾驶技术路线而言，国内政府的自动驾驶的顶层设计提倡的是“智能网联”的技术路线，包括“单车的智能化改造”以及“车路协同进化”。通过推动智能路网的基础设施建设，拉动自动驾驶产业的加速落地。2018 年工信部发布的《车联网产业发展行动计划》中明确了产业的目标： 2020 年实现LTE- V2X 在部分高速公路和城市主要道路的覆盖，开展 5G-V2X 示范应用，构建车路协同环境，实现“人-车-路-云”高度协同。

国内政府大力推动科技新基建， V2X 的基础设施——智能路网有望迅速成熟。19 年以来政府提出了科技新“基建”的政策发展方针。具体而言，发改委副主任连维良表示今年将围绕“建设、改造”这两个关键词加大投资力度。“建设”的重点有五个方面，“加强新型基础设施建设”居于首位，包括推进人工智能、工业互联网、物联网等建设，加快 5G 商用步伐。此外，工信部部长苗圩也在接受央视新闻采访时明确表示，今年将在若干城市发放 5G 临时牌照，在热点地区率先实现大规模组网；同时加快基站等网络建设步伐，逐渐覆盖全国。要加快推进终端产业的成熟，促进 5G 在车联网等更多领域应用。我们预计将政府的财政资金倾斜支持配合产业政策扶持，有望快速完善科技新“基建”，尽快实现智能路网的改造，为自动驾驶产业铺路。

6.2.2. 国内有望拥有全球一流的 V2X 产业基础设施

路端：国内可用于道路智能化建设的资金充裕。国内政府在公路领域的投入相比欧美日发达国家要高很多，可用于道路智能化建设的资金也更充裕。同时国内政府部门也出台了智慧公路建设的相关政策，从顶层设计上为路侧智能化的建设投入提供指导和依据。

网端：中国 5G 网络部署全球领先。根据安永咨询评估，5G 一直是中国国家议程上的一项高优先级事项。在中国制造 2025 和十三五规划等国家级战略的指导下，政府部门制定了支持性政策。中国的 5G 技术开发是全世界规模最大的由政府规划的 5G 计划。中国已做好准备在 2019 年发布商用 5G 服务，这将比原计划提前一年。中国将和美国、韩国、澳大利亚和英国等国家一起，成为全球第一批发布 5G 服务的市场。

6.3. V2X 产业规模&商用进展

6.3.1. V2X 产业进展：通信标准确立，商用产品成熟

V2X通信标准确立。国内的V2X通信标准是C-V2X。其中，C-V2X中的 C是指蜂窝（Cellular），它是基于 3G/4G/5G 等蜂窝网通信技术演进形成的车用无线通信技术，包含了两种通信接口:一种是车、人、路之间的短距离直接通信接口（PC5），另一种是终端和基站之间的通信接口（Uu），可实现长距离和更大范围的可靠通信。C-V2X 是基于 3GPP 全球统一标准的通信技术，包含 LTE-V2X 和 5G-V2X，从技术演进角度讲，LTE-V2X 支持向 5G-V2X 平滑演进。

与其他 V2X 技术（Drsc）相比，C-V2X 具有出色的性能和成本效益，还可与 5G 前向兼容，这些因素让 C-V2X 直接通信成为国内的首选解决方案。同时，C-V2X 是目前唯一一项遵循全球 3GPP 标准的 V2X 技术，并支持持续演进以实现对 5G 前向兼容；获得了包括快速增长的 5G 汽车联盟在内的全球汽车生态系统的广泛支持。

C-V2X 预计在 2019 年开展预商用测试，2020 年大规模商用。根据中国信息通信研究院CAICT 于 2018 发布的《C-V2X 白皮书》预计，根据产业发展进度，C-V2X 技术将分阶段进行技术试验：2019 年之前集中产业力量推动 LTE-V2X 技术试验，推动产品成熟；2019 年开展 5G-V2X Uu 技术试验。更具体而言，LTE-V2X 将于：2018 年 6 月份开始规模试验测试，升级改造路侧基础设施，验证多用户情况下，网络的组网性能以及典型车联网业务性能；2019年进行部分城市级基础设施改造，并开展预商用测试；2020 年推动 LTE-V2X 商用，支持实现交通效率类智能出行服务商业化应用。

V2X 商用部署配套产品成熟。根据产业链调研反馈，目前 V2X 商用部署的配套产品经过前期的预研和大量测试，已经进入可量产状态，可以配合“网端”的建设，实现快速商用部署。其中，1）路端：包括华为等在内的巨头先后与 2018 年发布商用的 RSU（路边单元）的产品。2）车端：在高通等芯片厂的技术支持下，国内各大主流通信模组供应商、车载终端（OBU）设备提供商均已发布商用产品，为产业的规模化部署做好了准备。

6.3.2. V2X 市场规模估算

V2X 市场规模估算。目前全国公路总里程达 434 万公里，其中高速公路就有 13.6 万公里左右（2017 年的数据）。根据产业链调研，现阶段高速公路的智能化改造成本预计在 50-100万/公里左右。仅计算高速公路的智能化改造，V2X 路端的市场规模有望超过 1300 亿/公里。另外，根据产业链调研，V2X 路端的基础通信模块量产价格预计在 100-200 元/车，按照中汽协的数据，国内 2018 年全年 2814.6 万辆汽车销量测算，V2X 车端的潜在市场规模有望超过 56 亿/年。

V2X 市场产业地图。1）路端：路端改造预计将以政府投入为主导，智能交通信息化厂商有望切入道路智能化改造的大市场；2）网端：通信网络的升级将以通信运营商的投入为主导，以华为为代表的相关通信设备厂商有望受益；3）车端：预计车厂将主导车端的升级。车企决定了车端升级的商业时间表。

7. 自动驾驶必由之路，多传感器的融合

7.1. 360 环视进入全面普及时代

多摄像头的融合，360 环视系统。360 环视系统（AVM），由车身四周的多个摄像头、图像采集部件、视频合成/处理部件、数字图像处理部件、车载显示器等部分构成。车身四周的摄像头分别拍摄汽车前后左右的图像，通常为 4 个摄像头，图像被图像采集部件转换成数字信息送至视频合成/处理部件，视频合成/处理部件处理后的图像经由数字图像处理部件处理后转换成模拟信号输出，在安装于汽车内部的车载显示器上生成汽车及其周边环境的全景图像信息。技术的核心难点在于如何精确地将 4 个摄像头拍摄的图片无缝拼合在一起，并且不产生畸变，对企业算法要求较高，属于多摄像头的融合。

360 环视渗透率快速提升，进入全面普及时代。2014 年以来，中国车市陷入低增长，产品数量却有增无减，竞争趋于激烈。倒车入库是消费者日常用车的核心痛点之一，受益于成本不断下降，在激烈的竞争中，部分厂商开始装配 360 环视系统上车，并作为重要卖点。据智数汽车统计数据显示，综合配臵率逐年上升，且 2017、2018 年增长明显。2018 年全景摄像头的标配率达到了 20.42%，选配率也达到 6.23%。

360 环视系统，合资装配率普遍不高，自主分化明显，豪华车装配率最高。我们统计了市场主流车型搭载 360 环视的情况，分为了合资、自主和豪华车三大组，相互差别很大。合资车方面，主流车型中仅雅阁和帕萨特的高配车型装配了 360 环视系统；自主方面，360 环视系统的整体配臵率明显高于合资车型，但是内部分化明显，长城哈弗 H6、吉利博越、传祺 GS5、比亚迪唐和上汽名爵 HS 等自主高端车型装配率普遍高于 40%，但如吉利帝豪、宝骏 510、长安 CS35 和荣威 RX3 等低端车型则没有装配 360 环视系统；豪华车方面，整体装配率最高，但分化也比较明显，豪华品牌中端走量车型，如奔驰 E 级、宝马 5 系、宝马 X3 和奥迪A6L 等车型装配率达到了 100%，但如宝马 X1、1 系和奥迪 A3、Q2L、Q3 等入门级车型则未装配 360 环视系统。

7.2. 全自动泊车打响自动驾驶第一枪

全自动泊车系统，车载摄像头和超声波雷达的融合。全自动泊车，通常选用性价比比较高的超声波传感器，以及 360 环视系统。超声波传感器一般有 12 个，4 个倒车雷达、4 个驻车辅助超声波雷达和 4 个泊车辅助超声波雷达，它们发射超声波信号，然后接收从障碍物反射回来的信号，并根据从发射到接收信号的时间长短来评估与障碍物的距离。其中，前后方雷达用于测距，左右侧雷达用于探测停车位的长度和宽度。现在比较先进的全自动泊车系统，会结合选用毫米波雷达系统，距离检测和抗干扰能力更强。360 环视系统则用于识别停车辅助线，同时也可以让驾驶者在车内知晓车辆周围的情况，必要时也可以亲自介入停车动作。全自动泊车是典型的由车载摄像头和超声波雷达两种传感器融合方可实现的 ADAS 功能。

自动泊车率先在豪华品牌和合资品牌普及，但品牌间分化很大，自主开始普及。我们详细梳理了汽车之家上所有主流品牌搭载自动泊车入位配臵的情况，从品牌上来看，豪华车以 BBA为代表，几乎是全系普及，合资品牌分化很大，基本上也都普及了，但丰田、马自达、起亚和雪铁龙等 4 个品牌全系均未搭载，自主则刚开始普及。从价位上来看，各自品牌的高端车型中高配基本上均具有自动泊车功能，中端车型的顶配具有自动泊车功能，低端车型基本上就是选配或者不配。分合资和自主来看，德系和美系是合资普及自动泊车功能的领头羊，日系、韩系和法系与之差距很大，吉利、长城和长安是自主普及自动泊车功能的先行者，上汽、广汽和一干三线自主则落后很多。从各家车企的规划来看，今年上市的新车或换代车型，很多都会搭载自动泊车功能，同时下游车企的市场份额也有望向优势厂商集中，未来自动泊车功能有望加速普及。全自动泊车是自动驾驶的基础功能之一，已经率先开始普及，未来高速自动驾驶也有望开始逐步装车上路。

7.3. AI 运算和存储提升，带来系统化提升机遇

7.3.1. AI 算法和 CV 芯片助力自动驾驶

AI 算力 6 年增长 30 万倍，深度学习助推机器视觉精度提升。传统机器视觉主要通过搜索算法、边缘算法、Blob 分析、卡尺工具、光学字符识别和色彩分析等方式，完成图像分类和检测等目标，随着 AI 算法的加入，机器视觉的应用场景和识别性能得到了极大的提升。目前，AI 图形处理中，高效的大卷积解构与复用机制已经成熟，终端 AI 计算能够进一步缓解总线带宽压力，提高系统效率。决策规划方面，决策树、贝叶斯网络等方法早已大量应用，近年来深度卷积神经网络与深度强化学习使 AI 能通过大量学习，进行集中性神经网络优化，配合传统决策模型完善，能够实现复杂工况的决策。

AI 算法和车用 CV 芯片使自动驾驶

汽车成为可能。车用的计算平台芯片应当具备性能可靠、功耗低、图像算力强的特点，传统GPU 和 FPGA 芯片虽然通用度较高，但是能耗较高，随着半导体技术的不断发展和工艺性能提升，针对车用市场的 ASICS 芯片应运而生，深度学习和神经网络 IP 可以更高效地直接固化在 CV 芯片中，专业化车用视觉芯片可以省去冗余结构，提高单位能耗的计算效率。车载传感器接收的原始数据经由图像处理模块，通过深度学习算法，配合专用 AI 芯片，实现高精度环境感知。环境数据通过决策与规划网络，依次经过全局决策规划、局部轨迹规划和底盘执行控制实现自动驾驶路径决策，并在强化学习中实现行为预测和智能避障。

7.3.2. 存储性能提升满足自动驾驶数据传输要求

高带宽 DRAM 提高 ADAS 系统总线传输能力。高速 DDR 颗粒通过数据编码和读写分立，实现高带宽；又凭借高密度寻址能力，实现大容量。L5 时代 ADAS 系统对传感器与主控单元间的数据总线带宽要求很高，达 300GB/s，高速 DDR 可以突破带宽瓶颈，并能在与汽车相关的高温和恶劣条件下运行。

3D NAND 解决自动驾驶汽车大容量非易失性存储难题。与传统机械式硬盘相比，3D NAND

Flash 拥有高存储密度，高读写速度，高稳定性优势，解决了存储容量和可靠性难以兼顾的问题，既可满足自动驾驶时代海量数据的高读写速度和存储空间要求（2020 年达 1 万亿 byte），又可更复杂的情况下稳定工作。随着未来垂直层数的增加，3D NAND 存储将继续提高性能和存储能力，进一步契合自动驾驶汽车的需求。

NOR Flash 满足自动驾驶汽车“即时性”需求。NOR Flash 可不经 DRAM，自行执行程序代码，程序启动速度远高于 NAND-DRAM 组合。这种即时启动能力适用于自动驾驶中对启动速度有要求的系统，如仪表盘系统，信息娱乐系统和 ADAD 系统。同时，NOR 闪存可在比3D NAND 更极端的条件下工作，在汽车发动机和底盘等恶劣条件下稳定工作。

编辑：大力人