2022年中國自動駕駛行業(yè)研究報告

1、2022年中國自動駕駛行業(yè)研究報告1. 自動駕駛行業(yè)現(xiàn)狀1.1. 中國自動駕駛現(xiàn)狀1.1.1. 發(fā)展歷程1） 2009-2012：科研探索，學術(shù)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(zhàn)賽”，研發(fā)具有自然環(huán)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(huán)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(fā)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(fù)雜環(huán)境識別、智能行為決策和 控制等方面實現(xiàn)了新的技術(shù)突破。2） 2013-2016：互聯(lián)網(wǎng)巨頭下場，初創(chuàng)廠商涌入2013 年百度開啟無人

2、駕駛項目，陸續(xù)于北京、加州進行路測，并在烏鎮(zhèn)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(lián)網(wǎng)供應(yīng)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(chuàng)立， 切入 Robotaxi 領(lǐng)域。景馳、Roadstar 等相繼入局，自動駕駛浪潮襲來。3） 2017-2021：巨頭發(fā)力，邁入領(lǐng)先此階段中國自動駕駛實現(xiàn)跨越式發(fā)展。百度發(fā)布 Apollo 計劃并經(jīng) 4 年演繹實現(xiàn) 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(chǎn)；華為明確其市場定位，為主 機廠提供優(yōu)質(zhì)智能汽車解決方案，以自

3、動駕駛、車聯(lián)網(wǎng)等核心技術(shù)賦能主機廠；自動駕駛 獨角獸與小馬智行技術(shù)進程不斷推進，陸續(xù)推出、完善產(chǎn)品及服務(wù)。同時期，自動駕駛產(chǎn) 業(yè)鏈逐漸成熟，上游核心傳感器廠家不斷涌現(xiàn)，下游場景解決方案紛紛開始落地。 據(jù) 2021 年加州 DMV 發(fā)布的2020 年自動駕駛接管報告數(shù)據(jù)顯示，中國自動駕駛領(lǐng)域的 頭部參與者已逐漸成為國際自動駕駛行業(yè)領(lǐng)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(fā)展驅(qū)動因素 1.1.2.1. 政策： 國內(nèi)多部門出臺政策護航自動

4、駕駛發(fā)展計劃到 2025 年，中國標準智能汽車的技術(shù)創(chuàng)新，產(chǎn)業(yè)生態(tài)，基礎(chǔ)設(shè)施，法規(guī)標準，產(chǎn)品監(jiān) 管和網(wǎng)絡(luò)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(wǎng)聯(lián)汽車示范區(qū)也在全國陸續(xù)開花。除工信部 合作推進的一批智能網(wǎng)聯(lián)或自動駕駛示范區(qū)成立外，陸續(xù)有部分省市通過與機構(gòu)合作，或 資本合作等形式，打造基于自身產(chǎn)業(yè)需求的智能網(wǎng)聯(lián)汽車測試場景。其中，以北京經(jīng)濟技 術(shù)開發(fā)區(qū)全域為核心的北京市高級別自動駕駛示范區(qū)，是全球首個網(wǎng)聯(lián)云控高級別自動駕 駛示范區(qū)。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(shù)：汽車電子電氣架構(gòu)由分布式走向集中，軟硬件解耦提高軟件開發(fā)效率傳統(tǒng)汽車主要采用分布式電氣架構(gòu)，即每個車載功能對應(yīng)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(yīng)的控制指令給到執(zhí)行器執(zhí)行。整車企業(yè)電控系統(tǒng)開發(fā)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(nèi) ECU 數(shù)量達到上百個，且由不同的供應(yīng)商提供，存在算法 無法協(xié)同、互相冗余、難以統(tǒng)一維護及統(tǒng)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(gòu)，其主要技術(shù)包括網(wǎng)關(guān)、域控制器及車載以太 網(wǎng)等，實現(xiàn)汽車架構(gòu)由分布式向域集中升級，最終走向中央計算，達到車云協(xié)同的效果。 集中式的架構(gòu)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(xié)調(diào)多 傳感器共同感知車內(nèi)和車外環(huán)境，統(tǒng)籌決策。1.2. 中美行業(yè)發(fā)展情況對比從技術(shù)端來看，美國單車智能高度領(lǐng)先。作為人工智能企業(yè)數(shù)量位居全球首位的國家，美 國人工智能領(lǐng)域全球領(lǐng)先，人才儲備充足、基礎(chǔ)科研實力強，相關(guān)企業(yè)數(shù)量遍布基礎(chǔ)層、 技術(shù)層和應(yīng)用層。另外，美國擁有發(fā)達的集成電路技術(shù)，高端芯片設(shè)計領(lǐng)域一直保持領(lǐng)先 態(tài)勢，為高性能車載芯片的發(fā)展打下了良好的基礎(chǔ)。相比之下，我國“云+車+路”技術(shù)路線

7、具備彎道超車的機會。我國 4G 和 5G 基站數(shù)量多、覆 蓋范圍廣，加上中國政府大力推動 5G 網(wǎng)絡(luò)、物聯(lián)網(wǎng)、衛(wèi)星互聯(lián)網(wǎng)、數(shù)據(jù)中心等新型基礎(chǔ)設(shè) 施建設(shè)，支持 LTE-V2X 向 5G-V2X 演進，車路協(xié)同技術(shù)優(yōu)勢較為明顯。從商業(yè)端來說，美國由于存在較大人力缺口，企業(yè)更愿意為人員替代，進展更多集中 在 Robotaxi 及無人物流領(lǐng)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(wù)，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(yè)務(wù)。 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(yè)化進展相對更快。1.3. 行業(yè)整體融資情況據(jù)天眼查數(shù)據(jù)顯示，自動駕駛賽道自 2016 年開始進入爆發(fā)期，2016 年全年共有 38 起自動 駕駛相關(guān)融資。隨后，自動駕駛賽道融資持續(xù)攀升，2021 年相關(guān)融資高達 94 起，披露融 資金額超過 435 億。行業(yè)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(shù)的發(fā)展和應(yīng)用落地，使得行業(yè)逐漸獲得資本認可，受到互聯(lián)網(wǎng)巨頭和汽車龍頭的重 視程度提高。2. 自動駕駛主要應(yīng)用領(lǐng)域分析自動駕駛產(chǎn)業(yè)鏈復(fù)雜，上下游涵蓋豐富細分領(lǐng)域。本篇報告

9、中，我們選取各個環(huán)節(jié)中有代 表性場景進行覆蓋，重點介紹上游 Tier 1、ADAS、芯片領(lǐng)域，下游針對各種應(yīng)用場景的解 決方案提供商。其中，由于自動駕駛應(yīng)用場景廣泛，根據(jù)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(qū)、港口等為主的載貨 場景解決方案，以及環(huán)衛(wèi)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(shù)、設(shè)備應(yīng)用在汽車領(lǐng)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(jù)羅蘭貝格預(yù)測，至 2025 年，在全球范圍內(nèi)，預(yù)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(jù)高工智能研究院數(shù)據(jù)，2020 年 1-4 月，前視感知方案供應(yīng)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(lǐng)先優(yōu)勢。大陸集團受益于部分豐田 TSS2.0 方案陸續(xù)上市并從電裝開始切換，1-4 月市場份額排名略領(lǐng)先于博世。 但是，由于國家鼓勵自主創(chuàng)新，在智能網(wǎng)聯(lián)領(lǐng)域，已有大量的初創(chuàng)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(jīng)做到了一定的規(guī)模。從國際及國內(nèi)與自動駕駛相關(guān)的主要 Tier1 產(chǎn)品分布領(lǐng)域及場景化布局來看，博世、大陸具 備了 Tier1 中最全面產(chǎn)線及布局。2

11、.1.1. 主要廠商 1) 大陸集團以受訪企業(yè)大陸集團為例，據(jù)其財報數(shù)據(jù)顯示，在 2018 年到 2020 年間，大陸集團在 ADAS領(lǐng)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(guī)模量產(chǎn)上車周期， 同時，其汽車 AI 芯片預(yù)計將在 2026 年開始批量投產(chǎn)。大陸集團表示：隨著芯片這一環(huán)的 補齊，大陸向未來車輛高性能計算機所需的高度專業(yè)化的傳感器模塊和控制單元邁出了關(guān) 鍵一步。根據(jù)其最新披露的信息，大陸集團將在今年開展復(fù)雜路況下的自動駕駛和無人駕駛道路測 試，并在制動系統(tǒng)、5G 聯(lián)網(wǎng)、超寬帶 (UWB) 技

12、術(shù)、材料開發(fā)以及人機交互等多個領(lǐng)域?qū)崿F(xiàn) 新技術(shù)落地，同時啟動多個量產(chǎn)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(jù)市場。 Mobileye 在前裝市場處于明顯優(yōu)勢位置，特別是發(fā)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(yīng)商，而是要成為自動駕駛領(lǐng)域的頭部企業(yè)。Mobileye 的方 案則采用黑盒模式，傳統(tǒng) Tier1 已不能從 Mobileye 獲得足夠的服務(wù)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(nèi)主要廠商國內(nèi)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(nèi) 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(lián)合研發(fā)、落地自動駕駛 等技術(shù)，助力主機廠拓展全新的高端品牌，并且加快新四化轉(zhuǎn)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(shù)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(yīng)用阿里的斑馬車聯(lián)網(wǎng)系統(tǒng)，并采用上汽集團的三電核心、智能駕駛等技術(shù)； 長安與華為、寧德時代將聯(lián)合成立全新高端智能汽車品牌，三方共同開發(fā) 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(chuàng)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(yè)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(yè)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(yù)期，傳統(tǒng) tier1 并沒有足夠的時間為產(chǎn)品升級做充足準備，現(xiàn)在處于加速補自己短板進程的態(tài)勢。但汽車行業(yè)的基本 know-how， 如汽車的底盤 電控等還是掌握在

15、傳統(tǒng) tier1 手里，市場依然對他們有很大依賴度。 除了傳統(tǒng) Tier1 廠商在自動駕駛領(lǐng)域的嘗試，以智行者、宏景智駕等為代表的創(chuàng)業(yè)公司也憑 借著前沿技術(shù)研發(fā)和業(yè)務(wù)快速落地推進而躋身領(lǐng)先 Tier1 行列中。2.2. ADAS目前行業(yè)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(jīng)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(chǎn)前裝、后 裝市場。Minieye、Momenta 等國內(nèi)初創(chuàng)公司也在這個領(lǐng)域有了一些變化，這也是資本持續(xù) 關(guān)注這條賽道的原因。受訪企業(yè)

16、Minieye 表示：從下游應(yīng)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(chǎn)業(yè)鏈來說，ADAS 廠商的競爭長跑進入到下半場，具有優(yōu)秀技 術(shù)實力和量產(chǎn)經(jīng)驗的公司開始脫穎而出。 業(yè)內(nèi)認為，L4/5 的爆發(fā)，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(shù)已經(jīng)爆發(fā)，未來的 5-10 年，這個細分賽道將會產(chǎn)生巨大的商業(yè)價值。通過差異化，和國際范圍的頭部企業(yè)形成錯位競爭，拓展新應(yīng)用領(lǐng)域的能力，成為資本關(guān) 注的重點。3. 當前自動駕駛行業(yè)面臨的挑戰(zhàn)和破局點3.1. 政策有待完善自動駕駛正處于大規(guī)模商用的初級階段，政策的支持與引導、法

17、律法規(guī)的創(chuàng)新與適用對于 加速自動駕駛技術(shù)演進，推送產(chǎn)業(yè)快速發(fā)展起到至關(guān)重要的作用。截止至 2021 年 10 月， 我國在自動駕駛立法領(lǐng)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(guī)范性文件為主，側(cè)重于宏觀調(diào)控與地方試點相結(jié)合。在發(fā)展規(guī)劃方面，2015 年國務(wù)院印發(fā)的中國制造 2,025中，提出將推動智能交通工具 等產(chǎn)品的研發(fā)和產(chǎn)業(yè)化。2017 年 4 月，工業(yè)和信息化部等三部門聯(lián)合發(fā)布的汽車產(chǎn)業(yè)中 長期發(fā)展規(guī)劃，同年 7 月國務(wù)院印發(fā)新一代人工智能發(fā)展規(guī)劃，2020 年 2 月，國家發(fā)改委、科技部等 11 個部委發(fā)布智能汽車創(chuàng)新發(fā)展戰(zhàn)略，對自動駕駛的發(fā)展計劃、發(fā)展 戰(zhàn)略、未來

18、愿景等方面做出規(guī)劃設(shè)計。在自動駕駛分級標準方面，工業(yè)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(shù)等級及其劃分要素做出規(guī)定。在道路測試和市場準入方面，工業(yè)和信息部、公安部和交通運輸部于 2018 年 4 月發(fā)布智 能網(wǎng)聯(lián)汽車道路測試管理規(guī)范并于 2021 年公布智能網(wǎng)聯(lián)汽車道路測試與示范應(yīng)用管理 規(guī)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(guān)試行 規(guī)定。另外 2021 年 3 月 24 日，公安部發(fā)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(guān)要求。2021 年 4 月 7 日工業(yè) 和信息化部裝備工業(yè)一司發(fā)布了智能網(wǎng) 聯(lián)汽車生產(chǎn)企業(yè)及產(chǎn)品準入管理指南（試行） （以下簡稱“準入指南”）在數(shù)據(jù)和網(wǎng)絡(luò)安全方面，2017 年 12 月國家標準化管理委員會、工業(yè)和信息化部聯(lián)合發(fā)布 了國家車聯(lián)網(wǎng)產(chǎn)業(yè)標準體系建設(shè)指南（智能網(wǎng)聯(lián)汽車）系統(tǒng)性提出汽車信息安全標準建 設(shè)指導規(guī)劃，2021 年 5 月，國家互聯(lián)網(wǎng)信息辦公室發(fā)布汽車數(shù)據(jù)安全管理若干規(guī)定（征 求意見稿），對汽車數(shù)據(jù)合規(guī)提出詳細的規(guī)定，2021 年 6 月 21 日，工信部就車聯(lián)網(wǎng)（智 能網(wǎng)聯(lián)汽車）網(wǎng)絡(luò)安全標準體系建設(shè)指南公開征求意見，并于 2021 年 6 月 23 日，

20、工信 部就關(guān)于加強車聯(lián)網(wǎng)（智能網(wǎng)聯(lián)汽車）網(wǎng)絡(luò)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(fā)展規(guī)劃、自動駕駛分級標準、道路測試和市場準入以及數(shù) 據(jù)和網(wǎng)絡(luò)安全四方面，并且在道路測試上從中央和地方兩層面出發(fā)表明對自動駕駛技術(shù)發(fā)展的支持。另外我國以地方為首先切入點，在北京、深圳設(shè)立先行區(qū)并在廣州、上海和雄 安新區(qū)等地區(qū)開展道路測試。真正做到宏觀調(diào)控與地方試點相結(jié)合，逐漸穩(wěn)步推進自動駕 駛的立法和實踐發(fā)展。長久以來，我國自動駕駛領(lǐng)域的法規(guī)政策多以規(guī)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(fā)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(guī)定，明確 指出具有自動駕駛功能的汽車開展道路測試應(yīng)當在封閉道路、場地內(nèi)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(nèi)容，但這也是我國首次在上位法領(lǐng)域做出對自動駕駛的相關(guān)內(nèi)容予以明 確規(guī)制。同時，2021 年 3 月 23 日，深圳市人大常委會發(fā)布了深圳經(jīng)濟特區(qū)智能網(wǎng)聯(lián)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(nèi)容已涵蓋 道路測

22、試、市場準入、責任承擔、數(shù)據(jù)與安全保護多方面內(nèi)容。這是我國首次進行對自動 駕駛領(lǐng)域的專項立法，此次突破對于我國后期在自動駕駛領(lǐng)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(shù)相比，相關(guān)立法的發(fā)展仍然存在速差。在技術(shù)日益成熟的當 下，法律發(fā)展逐漸與科技發(fā)展不相匹配，若強行沿用過去傳統(tǒng)法律只會愈加凸顯雙方的水 土不服，另外對于已做出規(guī)定的方面不僅情形不甚全面，其內(nèi)容也有待細化，存在多個立 法關(guān)鍵點亟待逐個擊破。第一，事故責任主體規(guī)定不夠明晰，責任分擔規(guī)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(yīng)汽車駕駛自動化分級中 L3 及其以下級別的 汽車，后者對應(yīng) L4 及其以上級別的汽車。在規(guī)定事故責任承擔主體時，修訂建議稿規(guī) 定如果發(fā)生道路交通安全違法行為或者交通事故的，應(yīng)當依法確定駕駛?cè)?、自動駕駛系統(tǒng) 開發(fā)單位的責任，并依照有關(guān)法律、法規(guī)確定損害賠償責任。構(gòu)成犯罪的，依法追究刑事 責任。這一規(guī)定明確了駕駛?cè)恕⒆詣玉{駛系統(tǒng)開發(fā)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(fā)者、監(jiān)管者等主體是否承擔責任尚 有待討論，若其承擔責任又應(yīng)當適用何種責任認定規(guī)則同樣未予以明確。另外該條規(guī)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(guī)定，僅規(guī)定由國務(wù)院有關(guān)部門另行 規(guī)定。由此可見目前我國對于自動駕駛的法律規(guī)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(diào)道路測試中應(yīng) 當在封閉道路上進行，并安排駕駛?cè)颂幱谲囕v駕駛座位上，監(jiān)控車輛運行狀態(tài)及其周圍環(huán) 境以免意外發(fā)生，然而缺乏對路測主體的要求，路測主體應(yīng)當負擔諸多義務(wù)，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?cè)俗鰹楸O(jiān)控車輛運行的 監(jiān)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(jiān)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(fā)

25、展中逐漸完善自身 認知，因而當事故發(fā)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(xù)立法應(yīng)當予以重視的部分。第三，當前法律規(guī)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(wù)必需要更加全面、詳細的信息，其中包括自動駕駛地圖數(shù)據(jù)采集、周邊環(huán)境信息、位置 數(shù)據(jù)以及駕駛?cè)思俺丝偷膫€人信息等，在收集信息的過程中務(wù)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(quán)的界限需要后續(xù)法律繼續(xù)加以關(guān)注。目前雖然 民法典以及網(wǎng)絡(luò)安全法對此有所規(guī)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(shù)仍在持續(xù)迭代從技術(shù)端來看，自動駕駛技術(shù)的成熟依賴于技術(shù)棧中軟硬件各環(huán)節(jié)的有效支撐和落地，具 有明顯的短板效應(yīng)。目前，高級自動駕駛的相關(guān)硬件，包括各類傳感器及芯片等，其技術(shù) 及性能（如功耗水平）不斷升級，對高級自動駕駛大規(guī)模商業(yè)化的掣肘日益減弱。但軟件 模塊，包括算法訓練和軟件開發(fā)仍面臨大量復(fù)雜難題。自動駕駛算法訓練的關(guān)鍵在于積累大量具備豐富場景信息的駕駛數(shù)據(jù)。為了實現(xiàn)關(guān)鍵數(shù)據(jù) 的獲取，部分領(lǐng)先的自動駕駛初創(chuàng)企業(yè)采用重資產(chǎn)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(shù)以進行算法訓練。除了實際路 測，通過仿真系統(tǒng)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(guān)數(shù)據(jù)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(yè)開始轉(zhuǎn)向輕資產(chǎn)模式，作為解決方案供應(yīng)商向主機廠提供算法、并與其打通用戶場景數(shù) 據(jù)，以實現(xiàn)自動駕駛算法訓練的關(guān)鍵在于積累大量具備豐富場景信息的駕駛數(shù)據(jù)。為了實 現(xiàn)關(guān)鍵數(shù)據(jù)的獲取，部分領(lǐng)先的自動駕駛初創(chuàng)企業(yè)采用重資產(chǎn)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(shù)以進行算法訓練。 除了實際路測，通過仿真系統(tǒng)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(guān)數(shù)據(jù)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(yè)開始轉(zhuǎn)向輕資產(chǎn)模式，作為解決方案供應(yīng)商向主機廠提供算法、并與其打通 用戶場景數(shù)據(jù)，以實現(xiàn)數(shù)據(jù)的快速積累。4. 當前自動駕駛行業(yè)爭論話題4.1. 單車智能 VS 車路協(xié)同：基礎(chǔ)設(shè)施差異決定路線選擇，長期來看會趨于協(xié)同自動駕駛當前存在兩張主流的實現(xiàn)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(diào)控的車路協(xié)同模式。 單車智能模式痛點難以回避。從目前表現(xiàn)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(lǐng)域；無人駕駛依靠 AI，但 AI 黑箱效應(yīng)難以克服；自動駕駛 110 億英里的道路檢測難以

29、實現(xiàn)；全自動駕駛有高 達百萬的 Corner Cases 需要解決，光靠軟件設(shè)計很難在短期內(nèi)覆蓋到所有極端情況，難以 保障行駛安全。相比之下，車路協(xié)同是單車智能的延伸和拓展。單車智能是車路協(xié)同的基礎(chǔ)，如果沒有單 車智能，智能網(wǎng)聯(lián)就缺少基礎(chǔ)平臺，更重要的是在路側(cè)沒有鋪設(shè)智能設(shè)備、通訊受到干擾、 智能路側(cè)設(shè)備出現(xiàn)故障時，單車智能擺正汽車安全行駛。此外，在車路協(xié)同無法覆蓋的區(qū) 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(xié)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(xié)同的應(yīng)用能夠加速汽車產(chǎn)業(yè)化落地。單車智能和車路協(xié)同

30、的本質(zhì)是技術(shù)和成本在車側(cè)和路測的平衡。雖然 L4-L5 級的自動駕駛最 理想模式是實現(xiàn)“車端-路端-云端”的高度協(xié)同，智能的車配合聰明的路，車端智能和路側(cè)智 能協(xié)同呼應(yīng)，但車端智能和路端智能的發(fā)展不完全是同步的關(guān)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(cè)和路側(cè)分配的問題，所對應(yīng)的成本也不 同。車路協(xié)同模式下，路側(cè)的感知與決策主要依賴于路側(cè)感知設(shè)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(qū)， 提高數(shù)據(jù)獲取準確性，通過節(jié)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(cè)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(xiàn)安全冗余的必經(jīng)之路自動駕駛的感知層從技術(shù)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(gòu)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(tǒng)優(yōu)化自 身 AI 算法就可以達到較高的智能駕駛水平。代表企業(yè)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(fā)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(yè)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(shù)路線把更多精力放在研發(fā)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(fā)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(shù)據(jù)，使用 HydraNets（九頭 蛇

33、網(wǎng)絡(luò)）多任務(wù)學習神經(jīng)網(wǎng)絡(luò)算法將這些數(shù)據(jù)分給不同神經(jīng)網(wǎng)絡(luò)。該方案涉及在多目標優(yōu) 化的難題下同時處理復(fù)雜的優(yōu)化問題，展現(xiàn)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(chǎn)生的海量數(shù)據(jù)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(fā)能力和巨大數(shù)據(jù)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(jīng)同樣以視覺為核心的 Mobileye 在 2025 年自動駕駛汽車傳感器系統(tǒng)發(fā)展計劃中提出了將使用內(nèi)置的激光雷達傳感 器。激光雷達本質(zhì)上是激光探測和測距，其原理是通過發(fā)射與接收激光來探測與目標物之間的 距離，再根據(jù)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(jié)構(gòu)信息。而憑借著在目標輪廓測量、角度測量、光照穩(wěn)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(guī)劃、決策、感知等方面有著重要的作用。2,022- 2025 年之間預(yù)計絕大部分的主機廠會量產(chǎn)上激光雷達，從國際上看，沃爾沃和 Luminar 宣 布量產(chǎn)，國內(nèi)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(shù)企業(yè)走上自動

35、駕駛的必經(jīng)之路。5. 未來自動駕駛行業(yè)趨勢判斷5.1. 商業(yè)模式轉(zhuǎn)變 5.1.1. 中早期：聯(lián)盟形成，由車輛后裝過渡至前裝，部分企業(yè)選擇提供技術(shù)服務(wù)的同時 也自行造車，軟件收費逐漸由一次性交付轉(zhuǎn)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(yè)將會以各方形成聯(lián)盟的形式為主，多方參 與共同進行開發(fā)。在早期階段，自動駕駛主要以后裝為主，通過 demo 發(fā)布完成測試區(qū)域內(nèi)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(xiàn)一定規(guī)模和時間 demo 試運行的開發(fā)商開始進入到前裝量產(chǎn)階段，通過與主機廠進行深度綁定，實現(xiàn)自動駕駛解決方案在車輛上的規(guī)?；?、

36、批量化、標準化生產(chǎn)，形成訂單。 中期來看，以圖森未來為參考，部分技術(shù)服務(wù)商傾向于走重資產(chǎn)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(quán)，從而直接掌握車輛行駛過程中獲取的大量數(shù)據(jù)， 通過數(shù)據(jù)形成算法反哺和迭代?，F(xiàn)階段，自動駕駛尚處在早期，現(xiàn)有功能未能解決用戶核心痛點，且相關(guān)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(yù)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(zhuǎn)向按月/年收取 license fee 的形式。屆時，硬件車輛將逐漸

37、變?yōu)榱髁咳肟?，軟件的?SaaS 收費才是企業(yè)持 續(xù)創(chuàng)收和提高盈利的關(guān)鍵。5.1.2. 中長期：MaaS/TaaS，科技公司轉(zhuǎn)型運營服務(wù)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(wù)汽車。傳統(tǒng)的汽車制造 商將逐步向運營服務(wù)商轉(zhuǎn)型，為用戶提供 MaaS（Mobility as a Service）/TaaS （Transportation as a Service）的一站式服務(wù)。 從 C 端用戶角度考慮，相對于私有車的模式，轉(zhuǎn)向移動出行服務(wù)，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(yè)模式將從產(chǎn)權(quán)交易到使用權(quán)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(wù)進行按需收費。從廣義 上來看，未來出行服務(wù)需要具備三大要素：移動平臺（車）、自動駕駛技術(shù)、用戶服務(wù)入口。 其中，自動駕駛將是關(guān)鍵技術(shù)，可以大幅度降低出行服務(wù)平臺的最大運營成本項（司機工 資）。從 B 端車隊考慮，TaaS 服務(wù)可以通過削減人類司機而實