1、2022年中國自動駕駛行業研究報告1. 自動駕駛行業現狀1.1. 中國自動駕駛現狀1.1.1. 發展歷程1） 2009-2012：科研探索，學術積累國家自然科學基金委員會 2009 年起每年舉辦一屆“智能車未來挑戰賽”，研發具有自然環境 感知與智能行為決策能力的無人駕駛汽車，并通過真實道路環境下的自主行駛來檢驗研究 成果。2011 年國防科技大學與一汽合作研發的紅旗 HQ3 無人駕駛車完成了從長沙至武漢 286 公里的高速全程無人駕駛實驗，標志著我國無人車在復雜環境識別、智能行為決策和 控制等方面實現了新的技術突破。2） 2013-2016：互聯網巨頭下場，初創廠商涌入2013 年百度開啟無人

2、駕駛項目，陸續于北京、加州進行路測，并在烏鎮開放無人駕駛車輛 試運營。華為與百度同年起步，與車企進行合作逐步邁入車聯網供應商序列。AutoX 于本 階段尾聲入場，2016 年成立后于同年完成開放道路測試。小馬智行于 2016 年 12 月創立， 切入 Robotaxi 領域。景馳、Roadstar 等相繼入局，自動駕駛浪潮襲來。3） 2017-2021：巨頭發力，邁入領先此階段中國自動駕駛實現跨越式發展。百度發布 Apollo 計劃并經 4 年演繹實現 Robotaxi 落 地商用探索，同時 L4 級自動駕駛解決方案也已降維裝車量產；華為明確其市場定位，為主 機廠提供優質智能汽車解決方案，以自

3、動駕駛、車聯網等核心技術賦能主機廠；自動駕駛 獨角獸與小馬智行技術進程不斷推進，陸續推出、完善產品及服務。同時期，自動駕駛產 業鏈逐漸成熟，上游核心傳感器廠家不斷涌現，下游場景解決方案紛紛開始落地。 據 2021 年加州 DMV 發布的2020 年自動駕駛接管報告數據顯示，中國自動駕駛領域的 頭部參與者已逐漸成為國際自動駕駛行業領先選手，AutoX 與 Pony.ai 的 MPI（腳注：Miles per Intervention，平均每次接管的行駛里程間隔）指標上榜前五名，緊隨 Waymo、Cruise 之 后。1.1.2. 發展驅動因素 1.1.2.1. 政策： 國內多部門出臺政策護航自動

4、駕駛發展計劃到 2025 年，中國標準智能汽車的技術創新，產業生態，基礎設施，法規標準，產品監 管和網絡安全體系基本形成。除了積極推進政策立法，2018 年開始，智能網聯汽車示范區也在全國陸續開花。除工信部 合作推進的一批智能網聯或自動駕駛示范區成立外，陸續有部分省市通過與機構合作，或 資本合作等形式，打造基于自身產業需求的智能網聯汽車測試場景。其中，以北京經濟技 術開發區全域為核心的北京市高級別自動駕駛示范區，是全球首個網聯云控高級別自動駕 駛示范區。2021 年成立至今，目前已累計開放 1,000 公里自動駕駛測試道路，測試里程超 過 300 萬公里，開通 5G 基站 5.64 萬個1。1

5、.1.2.2. 技術：汽車電子電氣架構由分布式走向集中，軟硬件解耦提高軟件開發效率傳統汽車主要采用分布式電氣架構，即每個車載功能對應一個或多個 ECU（汽車電子控制 器），各 ECU 之間通過 CAN 總線進行信號傳輸。ECU 主要用于接收來自傳感器的信息，進行 處理后，輸出相應的控制指令給到執行器執行。整車企業電控系統開發的主要工作（軟件 算法、匹配標定等）都依托于 ECU 完成。隨著汽車電子化程度提升，車內 ECU 數量達到上百個，且由不同的供應商提供，存在算法 無法協同、互相冗余、難以統一維護及統一進行 OTA 升級等痛點。為此，博世、大陸、安 波福等 Tier 1 紛紛推出新一代電子電

6、氣架構，其主要技術包括網關、域控制器及車載以太 網等，實現汽車架構由分布式向域集中升級，最終走向中央計算，達到車云協同的效果。 集中式的架構一方面可以減少算力冗余，提高利用率，同時集中式的控制器更方便協調多 傳感器共同感知車內和車外環境，統籌決策。1.2. 中美行業發展情況對比從技術端來看，美國單車智能高度領先。作為人工智能企業數量位居全球首位的國家，美 國人工智能領域全球領先，人才儲備充足、基礎科研實力強，相關企業數量遍布基礎層、 技術層和應用層。另外，美國擁有發達的集成電路技術，高端芯片設計領域一直保持領先 態勢，為高性能車載芯片的發展打下了良好的基礎。相比之下，我國“云+車+路”技術路線

7、具備彎道超車的機會。我國 4G 和 5G 基站數量多、覆 蓋范圍廣，加上中國政府大力推動 5G 網絡、物聯網、衛星互聯網、數據中心等新型基礎設 施建設，支持 LTE-V2X 向 5G-V2X 演進，車路協同技術優勢較為明顯。從商業端來說，美國由于存在較大人力缺口，企業更愿意為人員替代，進展更多集中 在 Robotaxi 及無人物流領域。2018 年，Waymo 率先在亞利桑那州向其早期用戶免費開放無 人出租車服務，2020年10月，Waymo One在鳳凰城首次向公眾開放無人駕駛出租車業務。 同年 2 月，美國國家公路交通安全管理局（NHTSA）批準 Nuro 率先部署無人送貨車。相比 之下，

8、中國對人工智能的接受力度較大，更愿意從安全提升、效率提升層面為自動駕駛買 單，特殊場景的商業化進展相對更快。1.3. 行業整體融資情況據天眼查數據顯示，自動駕駛賽道自 2016 年開始進入爆發期，2016 年全年共有 38 起自動 駕駛相關融資。隨后，自動駕駛賽道融資持續攀升，2021 年相關融資高達 94 起，披露融 資金額超過 435 億。行業融資額的增長，一方面是因為流動性充裕的情況向一級市場擴散。更重要的是自動駕 駛技術的發展和應用落地，使得行業逐漸獲得資本認可，受到互聯網巨頭和汽車龍頭的重 視程度提高。2. 自動駕駛主要應用領域分析自動駕駛產業鏈復雜，上下游涵蓋豐富細分領域。本篇報告

9、中，我們選取各個環節中有代 表性場景進行覆蓋，重點介紹上游 Tier 1、ADAS、芯片領域，下游針對各種應用場景的解 決方案提供商。其中，由于自動駕駛應用場景廣泛，根據其功能又可以進一步分為以 Robotaxi 為主的載人場景解決方案，和以高速干線、末端配送、礦區、港口等為主的載貨 場景解決方案，以及環衛清潔場景解決方案等。2.1. Tier 1在自動駕駛時代，新的智能化技術、設備應用在汽車領域，對于中國新興的 Tier 1 公司來 說，是百年難遇的歷史性機遇。 據羅蘭貝格預測，至 2025 年，在全球范圍內，預計只有 14%的車輛沒有 ADAS 功能，40% 的車輛具有 L1 級功能，36

10、%的車輛具有 L2 級功能，10%的車輛具有 L3 級或更高功能。 據高工智能研究院數據，2020 年 1-4 月，前視感知方案供應商方面，Mobileye 排名榜首， 和第二位的大陸、博世仍有接近 10 個百分點的領先優勢。大陸集團受益于部分豐田 TSS2.0 方案陸續上市并從電裝開始切換，1-4 月市場份額排名略領先于博世。 但是，由于國家鼓勵自主創新，在智能網聯領域，已有大量的初創公司從雷達、攝像頭、 泊車等方面切入，并且其中的一部分公司已經做到了一定的規模。從國際及國內與自動駕駛相關的主要 Tier1 產品分布領域及場景化布局來看，博世、大陸具 備了 Tier1 中最全面產線及布局。2

11、.1.1. 主要廠商 1) 大陸集團以受訪企業大陸集團為例，據其財報數據顯示，在 2018 年到 2020 年間，大陸集團在 ADAS領域獲得來自全球汽車制造商的訂單總額超過 90 億歐元。 大陸集團最新一代多功能攝像頭 MFC500 系列以及 4D 成像雷達都將進入規模量產上車周期， 同時，其汽車 AI 芯片預計將在 2026 年開始批量投產。大陸集團表示：隨著芯片這一環的 補齊，大陸向未來車輛高性能計算機所需的高度專業化的傳感器模塊和控制單元邁出了關 鍵一步。根據其最新披露的信息，大陸集團將在今年開展復雜路況下的自動駕駛和無人駕駛道路測 試，并在制動系統、5G 聯網、超寬帶 (UWB) 技

12、術、材料開發以及人機交互等多個領域實現 新技術落地，同時啟動多個量產項目。2) Mobileye目前，超過 70%的 L2 及以上的高級輔助駕駛都在使用 Mobileye 的視覺方案。甚至很多之前 自研視覺算法的 Tier1 都選擇了放棄自研，直接和 Mobileye 合作，以求快速占據市場。 Mobileye 在前裝市場處于明顯優勢位置，特別是發布 EyeQ4 之后，在 Intel 的助力下，其目 標已不再是單純的視覺方案供應商，而是要成為自動駕駛領域的頭部企業。Mobileye 的方 案則采用黑盒模式，傳統 Tier1 已不能從 Mobileye 獲得足夠的服務支持。頭部 Tier1 意識

13、到 Mobileye 一家獨大帶來的危機，紛紛尋求其他方案。博世、大陸、電裝，堅持使用自研算 法，對標 Mobileye 的 EyeQ4 的方案。2.1.2. 國內主要廠商國內的 Tier 1 覺醒相對較慢，近幾年也開始奮起直追。與博世、大陸等不同，國內 Tier 1 更 多是采取與主機廠深度合作或成立合資公司的捆綁式合作方式，聯合研發、落地自動駕駛 等技術，助力主機廠拓展全新的高端品牌，并且加快新四化轉型，比如：吉利控股與百度組建智能電動汽車公司，百度將人工智能、Apollo 自動駕駛、小度車載、 百度地圖等技術全面賦能合資公司；上汽與阿里巴巴合資成立高端純電汽車品牌“智己汽 車”，智己汽車

14、應用阿里的斑馬車聯網系統，并采用上汽集團的三電核心、智能駕駛等技術； 長安與華為、寧德時代將聯合成立全新高端智能汽車品牌，三方共同開發 CHN 智能電動汽 車平臺，搭載華為智能座艙平臺 CDC、自動駕駛域控制器 ADC 以及部分三電零部件。啟明 創投合伙人周志峰認為，智能化和新能源化是公認的汽車行業兩大趨勢，這兩個大的趨勢 在同一時間點的耦合，也造就了近些年汽車行業的最大機會所在。但汽車智能化的被接受 程度和整體落地速度明顯超出市場預期，傳統 tier1 并沒有足夠的時間為產品升級做充足準備，現在處于加速補自己短板進程的態勢。但汽車行業的基本 know-how， 如汽車的底盤 電控等還是掌握在

15、傳統 tier1 手里，市場依然對他們有很大依賴度。 除了傳統 Tier1 廠商在自動駕駛領域的嘗試，以智行者、宏景智駕等為代表的創業公司也憑 借著前沿技術研發和業務快速落地推進而躋身領先 Tier1 行列中。2.2. ADAS目前行業整體對于 ADAS 的理解存在很大的差異。 之前 ADAS 普遍是在對標 Mobileye 提供完整的 L2、L2+、L3 級前裝整體解決方案。 目前 ADAS 已經在跨域車輛、座艙智能的界限、嘗試越過 L4 的鴻溝，并進入量產前裝、后 裝市場。Minieye、Momenta 等國內初創公司也在這個領域有了一些變化，這也是資本持續 關注這條賽道的原因。受訪企業

16、Minieye 表示：從下游應用市場來說，ADAS 普及速度加快，L3 級別以下的功能滲 透率正在不斷增長。從上游產業鏈來說，ADAS 廠商的競爭長跑進入到下半場，具有優秀技 術實力和量產經驗的公司開始脫穎而出。 業內認為，L4/5 的爆發，可能還需要 5-10 年甚至更長的時間。但是目前 L2+及以下級別的 自動駕駛技術已經爆發，未來的 5-10 年，這個細分賽道將會產生巨大的商業價值。通過差異化，和國際范圍的頭部企業形成錯位競爭，拓展新應用領域的能力，成為資本關 注的重點。3. 當前自動駕駛行業面臨的挑戰和破局點3.1. 政策有待完善自動駕駛正處于大規模商用的初級階段，政策的支持與引導、法

17、律法規的創新與適用對于 加速自動駕駛技術演進，推送產業快速發展起到至關重要的作用。截止至 2021 年 10 月， 我國在自動駕駛立法領域已建立初步體系，并取得初步成果。目前的立法大多以政策性、 規范性文件為主，側重于宏觀調控與地方試點相結合。在發展規劃方面，2015 年國務院印發的中國制造 2,025中，提出將推動智能交通工具 等產品的研發和產業化。2017 年 4 月，工業和信息化部等三部門聯合發布的汽車產業中 長期發展規劃，同年 7 月國務院印發新一代人工智能發展規劃，2020 年 2 月，國家發改委、科技部等 11 個部委發布智能汽車創新發展戰略，對自動駕駛的發展計劃、發展 戰略、未來

18、愿景等方面做出規劃設計。在自動駕駛分級標準方面，工業和信息化部于 2021 年 3 月 9 日公示，并于 2021 年 1 月 1 日正式實施國家標準汽車駕駛自動化分級，對自 動駕駛技術等級及其劃分要素做出規定。在道路測試和市場準入方面，工業和信息部、公安部和交通運輸部于 2018 年 4 月發布智 能網聯汽車道路測試管理規范并于 2021 年公布智能網聯汽車道路測試與示范應用管理 規范（試行）（征求意見稿），并在北京、上海、重慶、長沙等 12 個城市中頒布相關試行 規定。另外 2021 年 3 月 24 日，公安部發布了道路交通安全法（修訂建議稿）在法律層 面明確了具有自動駕駛功能的汽車進行

19、道路測試和通行的相關要求。2021 年 4 月 7 日工業 和信息化部裝備工業一司發布了智能網 聯汽車生產企業及產品準入管理指南（試行） （以下簡稱“準入指南”）在數據和網絡安全方面，2017 年 12 月國家標準化管理委員會、工業和信息化部聯合發布 了國家車聯網產業標準體系建設指南（智能網聯汽車）系統性提出汽車信息安全標準建 設指導規劃，2021 年 5 月，國家互聯網信息辦公室發布汽車數據安全管理若干規定（征 求意見稿），對汽車數據合規提出詳細的規定，2021 年 6 月 21 日，工信部就車聯網（智 能網聯汽車）網絡安全標準體系建設指南公開征求意見，并于 2021 年 6 月 23 日，

20、工信 部就關于加強車聯網（智能網聯汽車）網絡安全工作的通知（征求意見稿）公開征求意 見。目前我國的立法性文件集中于發展規劃、自動駕駛分級標準、道路測試和市場準入以及數 據和網絡安全四方面，并且在道路測試上從中央和地方兩層面出發表明對自動駕駛技術發展的支持。另外我國以地方為首先切入點，在北京、深圳設立先行區并在廣州、上海和雄 安新區等地區開展道路測試。真正做到宏觀調控與地方試點相結合，逐漸穩步推進自動駕 駛的立法和實踐發展。長久以來，我國自動駕駛領域的法規政策多以規范性、政策性文件為主，因此其以過于抽 象、缺乏具體可操作性而遭遇詬病。然而自邁入 2021 年以來，這一方面已取得初步突破。 202

21、1 年 3 月 24 日公安部發布的道路交通安全法（修訂建議稿）（以下簡稱“修訂建議稿”） 第 155 條首次以立法的形式明確了自動駕駛汽車在道路測試和車輛準入方面的規定，明確 指出具有自動駕駛功能的汽車開展道路測試應當在封閉道路、場地內測試合格，并且要求 自動駕駛汽車取得臨時行駛車號牌。雖然此次修訂建議稿在自動駕駛方面的立法修改 暫時只有這一條內容，但這也是我國首次在上位法領域做出對自動駕駛的相關內容予以明 確規制。同時，2021 年 3 月 23 日，深圳市人大常委會發布了深圳經濟特區智能網聯汽車管理條 例（征求意見稿）并向全社會征求意見，雖然目前尚處于征求意見階段，但其內容已涵蓋 道路測

22、試、市場準入、責任承擔、數據與安全保護多方面內容。這是我國首次進行對自動 駕駛領域的專項立法，此次突破對于我國后期在自動駕駛領域逐漸建立一套切實可行、覆 蓋全面的法律體系而言不可謂不是一次重要開場。然而，與飛速變化的科學技術相比，相關立法的發展仍然存在速差。在技術日益成熟的當 下，法律發展逐漸與科技發展不相匹配，若強行沿用過去傳統法律只會愈加凸顯雙方的水 土不服，另外對于已做出規定的方面不僅情形不甚全面，其內容也有待細化，存在多個立 法關鍵點亟待逐個擊破。第一，事故責任主體規定不夠明晰，責任分擔規則尚未確定。修訂建議稿中將自動駕駛 汽車分為“具有自動駕駛功能且具備人工直接操模式的汽車”和“具有

23、自動駕駛功能但不具備 人工直接操作模式的汽車”兩種，前者對應汽車駕駛自動化分級中 L3 及其以下級別的 汽車，后者對應 L4 及其以上級別的汽車。在規定事故責任承擔主體時，修訂建議稿規 定如果發生道路交通安全違法行為或者交通事故的，應當依法確定駕駛人、自動駕駛系統 開發單位的責任，并依照有關法律、法規確定損害賠償責任。構成犯罪的，依法追究刑事 責任。這一規定明確了駕駛人、自動駕駛系統開發單位的事故責任，然而首先責任承擔人 僅指向以上兩種人群是否嚴謹，其他主體例如平臺研發者、監管者等主體是否承擔責任尚 有待討論，若其承擔責任又應當適用何種責任認定規則同樣未予以明確。另外該條規定對于不具備人工直接

24、操作模式的汽車的責任主體卻缺乏規定，僅規定由國務院有關部門另行 規定。由此可見目前我國對于自動駕駛的法律規定過于粗糙并且依然留有“真空地帶”。第二，道路安全保障有待加強。目前道路交通安全（修訂建議稿）中強調道路測試中應 當在封閉道路上進行，并安排駕駛人處于車輛駕駛座位上，監控車輛運行狀態及其周圍環 境以免意外發生，然而缺乏對路測主體的要求，路測主體應當負擔諸多義務，保障路測的 安全進行。另外引入路測遠程控制同樣具有必要意義，若僅將駕駛人做為監控車輛運行的 監控主體，無法從外部保障車輛運行安全，目前修訂建議稿未對監控操作人提出要求， 對遠程保障的重視不足。自動駕駛汽車具有智能性、自主性，并會在發

25、展中逐漸完善自身 認知，因而當事故發生時，自動駕駛汽車或許會基于自身判斷做出不同行為，如何確使自 動駕駛汽車最大化保障乘客利益，仍是后續立法應當予以重視的部分。第三，當前法律規范無法完全保障信息安全。為了保障自動駕駛安全前行，自動駕駛汽車 務必需要更加全面、詳細的信息，其中包括自動駕駛地圖數據采集、周邊環境信息、位置 數據以及駕駛人及乘客的個人信息等，在收集信息的過程中務必要求個人或集體讓渡自身 隱私。如何界定合理收集信息與侵犯隱私權的界限需要后續法律繼續加以關注。目前雖然 民法典以及網絡安全法對此有所規制，但想要盡量避免信息泄露帶來的隱患，仍 需要針對自動駕駛的特征予以專門分析并詳細立法。3

26、.2. 技術仍在持續迭代從技術端來看，自動駕駛技術的成熟依賴于技術棧中軟硬件各環節的有效支撐和落地，具 有明顯的短板效應。目前，高級自動駕駛的相關硬件，包括各類傳感器及芯片等，其技術 及性能（如功耗水平）不斷升級，對高級自動駕駛大規模商業化的掣肘日益減弱。但軟件 模塊，包括算法訓練和軟件開發仍面臨大量復雜難題。自動駕駛算法訓練的關鍵在于積累大量具備豐富場景信息的駕駛數據。為了實現關鍵數據 的獲取，部分領先的自動駕駛初創企業采用重資產模式，即購置車輛并改裝成自動駕駛測 試車輛，雇傭安全駕駛員進行道路測試，積累必要的里程數以進行算法訓練。除了實際路 測，通過仿真系統模擬實際路況對算法進行訓練，以及

27、在用戶汽車上加裝傳感器、收集駕 駛場景相關數據并傳回的“影子模式”也被采用以提升算法的迭代速度。目前，也有不少企 業開始轉向輕資產模式，作為解決方案供應商向主機廠提供算法、并與其打通用戶場景數 據，以實現自動駕駛算法訓練的關鍵在于積累大量具備豐富場景信息的駕駛數據。為了實 現關鍵數據的獲取，部分領先的自動駕駛初創企業采用重資產模式，即購置車輛并改裝成 自動駕駛測試車輛，雇傭安全駕駛員進行道路測試，積累必要的里程數以進行算法訓練。 除了實際路測，通過仿真系統模擬實際路況對算法進行訓練，以及在用戶汽車上加裝傳感 器、收集駕駛場景相關數據并傳回的“影子模式”也被采用以提升算法的迭代速度。目前， 也有

28、不少企業開始轉向輕資產模式，作為解決方案供應商向主機廠提供算法、并與其打通 用戶場景數據，以實現數據的快速積累。4. 當前自動駕駛行業爭論話題4.1. 單車智能 VS 車路協同：基礎設施差異決定路線選擇，長期來看會趨于協同自動駕駛當前存在兩張主流的實現路徑：一是基于單車感知和高效算法決策的單車智能模 式，二是基于道路基站和車輛進行通信、通過云端調控的車路協同模式。 單車智能模式痛點難以回避。從目前表現來看，單車智能存在較多弱點：多傳感器融合對 芯片性能提出了較高要求，同時導致單車成本較高，難以進入私家車領域；無人駕駛依靠 AI，但 AI 黑箱效應難以克服；自動駕駛 110 億英里的道路檢測難以

29、實現；全自動駕駛有高 達百萬的 Corner Cases 需要解決，光靠軟件設計很難在短期內覆蓋到所有極端情況，難以 保障行駛安全。相比之下，車路協同是單車智能的延伸和拓展。單車智能是車路協同的基礎，如果沒有單 車智能，智能網聯就缺少基礎平臺，更重要的是在路側沒有鋪設智能設備、通訊受到干擾、 智能路側設備出現故障時，單車智能擺正汽車安全行駛。此外，在車路協同無法覆蓋的區 域以及極端場景中，還是需要依賴單車智能自動采取行動。而由于單車智能不可忽視的痛 點，車路協同形成單車傳感器的性能延伸，緩解計算平臺算力壓力，對于高級別自動駕駛 不可或缺。車路協同的應用能夠加速汽車產業化落地。單車智能和車路協同

30、的本質是技術和成本在車側和路測的平衡。雖然 L4-L5 級的自動駕駛最 理想模式是實現“車端-路端-云端”的高度協同，智能的車配合聰明的路，車端智能和路側智 能協同呼應，但車端智能和路端智能的發展不完全是同步的關系，自動駕駛的路線選擇面 臨感知能力、決策能力（算力）等不同能力在車側和路側分配的問題，所對應的成本也不 同。車路協同模式下，路側的感知與決策主要依賴于路側感知設備和邊緣計算，未來路燈桿有望安裝多類傳感器進行信息融合，安裝高度提升可以獲取更好的視距、最大化減少盲區， 提高數據獲取準確性，通過節省車端的激光雷達降低自動駕駛的單車成本。同理，通過路 側邊緣計算單元為車輛提供決策甚至指令，可

31、以降低車載平臺對算力的要求，對功耗和散 熱性能的要求也會隨之下降，從而降低自動駕駛汽車對高性能車載芯片的依賴。4.2. 視覺 VS 融合：成本下降趨勢下，融合是實現安全冗余的必經之路自動駕駛的感知層從技術上又可以分為純視覺和多傳感器融合兩種方式：1) 攝像頭主導的純視覺解決方案：由攝像頭主導，配合毫米波雷達等低成本傳感器構成 純視覺計算，典型代表為特斯拉。其自建芯片和算法團隊，認為通過視覺系統優化自 身 AI 算法就可以達到較高的智能駕駛水平。代表企業特斯拉推出基于純視覺方案的 FSD Beta，徹底放棄毫米波雷達，以及百度發表 L4 級別純視覺方案 Apollo lite。2) 激光雷達主導

32、的強感知方案：該方案由激光雷達主導，配合攝像頭、毫米波雷達等傳 感器組成，典型代表企業為 Waymo、Uber 等科技和出行公司。對于特斯拉之外無法通 過 AI 彌補硬件缺陷的汽車廠商而言，采用更多類型傳感器是更好的選擇。相比之下，純視覺技術路線把更多精力放在研發強大的視覺算法及專用 AI 芯片的能力來處 理自動駕駛可能遇到的所有情況。2021 年 8 月 20 日，特斯拉在年度人工智能日（AI Day） 上發布了新一代自研芯片 D1 及基于 D1 的超算單元 Dojo，并展示了完全基于攝像頭的自動 駕駛方案。其純視覺方案依托八個攝像頭的視頻融合形成矢量數據，使用 HydraNets（九頭 蛇

33、網絡）多任務學習神經網絡算法將這些數據分給不同神經網絡。該方案涉及在多目標優 化的難題下同時處理復雜的優化問題，展現了特斯拉深厚的 AI 能力。同時，特斯拉的大量 車主在實際道路上所產生的海量數據源也極大推動了公司算法的精度。特斯拉的純視覺方 案背后是遠超市場上大部分公司的強大硬件研發能力和巨大數據源。但即使如此，之前也 仍然有因為視覺方案在行駛過程中錯誤識別所導致的事故。曾經同樣以視覺為核心的 Mobileye 在 2025 年自動駕駛汽車傳感器系統發展計劃中提出了將使用內置的激光雷達傳感 器。激光雷達本質上是激光探測和測距，其原理是通過發射與接收激光來探測與目標物之間的 距離，再根據目標物

34、表面的反射能量大小、反射波譜幅度、頻率和相位等信息，精確繪制 出目標物的三維結構信息。而憑借著在目標輪廓測量、角度測量、光照穩定性和通用障礙 物檢出等方面所具有的極佳性能，激光雷達正在成為 L4 級及以上自動駕駛的核心配置。3D 激光雷達在無人駕駛車輛的定位、路徑規劃、決策、感知等方面有著重要的作用。2,022- 2025 年之間預計絕大部分的主機廠會量產上激光雷達，從國際上看，沃爾沃和 Luminar 宣 布量產，國內蔚來選擇圖達通的激光雷達作為 ET7 的標配；小鵬 P5 搭載了大疆旗下覽沃的 激光雷達；理想也與禾賽科技展開了下一代車型的合作。由此看來，激光雷達仍然是絕大 多數企業走上自動

35、駕駛的必經之路。5. 未來自動駕駛行業趨勢判斷5.1. 商業模式轉變 5.1.1. 中早期：聯盟形成，由車輛后裝過渡至前裝，部分企業選擇提供技術服務的同時 也自行造車，軟件收費逐漸由一次性交付轉向收取 license fee通過我們對各個細分場景的分析判斷，未來行業將會以各方形成聯盟的形式為主，多方參 與共同進行開發。在早期階段，自動駕駛主要以后裝為主，通過 demo 發布完成測試區域內的試運行，初步 證明落地能力，目前大部分公司正處于該階段。2021 年開始，已實現一定規模和時間 demo 試運行的開發商開始進入到前裝量產階段，通過與主機廠進行深度綁定，實現自動駕駛解決方案在車輛上的規模化、

36、批量化、標準化生產，形成訂單。 中期來看，以圖森未來為參考，部分技術服務商傾向于走重資產模式，通過直接持有車輛 或者親自下場造車，把控對車輛的擁有權，從而直接掌握車輛行駛過程中獲取的大量數據， 通過數據形成算法反哺和迭代。現階段，自動駕駛尚處在早期，現有功能未能解決用戶核心痛點，且相關車輛套件收費模 式尚未定型，開啟的部分收費功能尚處在教育市場階段，綜合因素導致用戶意愿不強 烈，所以主機廠多通過“硬件預埋+OTA”形式將收入延后。未來從收費形式上來說，參考特 斯拉對 FSD 軟件的收費模式，不排除未來軟件提供商會由一次性收費轉向按月/年收取 license fee 的形式。屆時，硬件車輛將逐漸

37、變為流量入口，軟件的類 SaaS 收費才是企業持 續創收和提高盈利的關鍵。5.1.2. 中長期：MaaS/TaaS，科技公司轉型運營服務商未來汽車可以分為兩類，一類是有人駕駛的汽車，一類是移動服務汽車。傳統的汽車制造 商將逐步向運營服務商轉型，為用戶提供 MaaS（Mobility as a Service）/TaaS （Transportation as a Service）的一站式服務。 從 C 端用戶角度考慮，相對于私有車的模式，轉向移動出行服務，可以充分利用路上的時 間做自己的事；從車廠的角度來看，商業模式將從產權交易到使用權交易，即不再是一錘 子買賣的整車銷售，而是類似“收集流量套餐”，對用戶的出行服務進行按需收費。從廣義 上來看，未來出行服務需要具備三大要素：移動平臺（車）、自動駕駛技術、用戶服務入口。 其中，自動駕駛將是關鍵技術，可以大幅度降低出行服務平臺的最大運營成本項（司機工 資）。從 B 端車隊考慮，TaaS 服務可以通過削減人類司機而實