广告
智能网联汽车产业链的发展是基础
2020-08-18 00:20:06· 来源：粤开研究
一、ADAS 相当长时间内仍是智能驾驶主力
从功能块上看，智能化可以分为座舱智能化和驾驶智能化，这两者之间相互融合、相互作用。座舱智能化，即智能座舱，主要体现在仪表板区域，具体细分为仪表盘、中控显示屏、HUD、空调控制系统、流媒体后视镜、行车记录仪、后排液晶显示屏等区域，而且目前有朝着一体化发展的方向，其中作为网联化重要载体的中控系统尤为突出。
对于 L3 以下不同阶段的智能化配置，目前没有明显的定义，从各大主机厂及智能化方案供应商的解决方案看，中高端车辆普遍采用的 ADAS 系统可以定义为 L2+或者 L3-水平。
假如一台车辆标配 ADAS 系统，以 90~120Kph 行驶在高速道路上，激活 ADAS系统，LKA 使其保持在某一固定车道，当前车减速，根据本车雷达识别前车车速和车距， AEB 介入，做出速度调整，当前车加速时，同样本车加速行驶，此时驾驶员即可不干预驾驶，只需双手置于方向盘上；
当车辆进入路况比较复杂的城市道路或者国道，速度在80Kph 及以下，车辆的前置摄像头识别限速标识，做出速度调整，当行至路口，前车减速至停止时，本车即跟随停止；不过对于路口信号灯的识别，特斯拉在最新的软件版本中已经释放；
停车起步时，驾驶员参与。当车辆驶入低速路时，面对转向和人行道等错综复杂的路况，则需要驾驶员来干预驾驶，待进入停车库，自动泊车激活，最终停车入库。这一系列驾驶操作，即为当前定义的主流 ADAS 系统，难点在于低速路况的不确定性带来的挑战，也是 L3 阶段的重点。
二、智能网联汽车产业链的发展是基础
1、感应端是智能驾驶的五官
智能驾驶，需要利用安装在车辆上的超声波雷达、毫米波雷达、激光雷达、摄像头、定位系统等各种传感器协同工作，收集车内外环境信息，尽可能早地察觉到危险，并采取相对应的措施，避免或者降低事故的发生概率。
一般来说，L3 级别以上对于自动泊车、拥堵路况和高速自动行驶要求高，需要配置激光雷达，并且单车配套摄像头和毫米波雷达数量众多；而 L3 级别及以下，则需要配置合适数量的摄像头、毫米波雷达和超声波雷达即可。
超声波雷达成本低，主要运用在倒车辅助、自动泊车等低速工况。
超声波雷达价格相对较低，应用范围较广，在短距离低速检测中具有非常大的优势。该种传感器主要是通过超声波发射装置发射超声波，再通过接收器接收反射回来的超声波的时间差来测算距离。
常用的工作频率有 40KHz、48KHz 和 58KHz 三种，频率越高，灵敏度越高，水平与垂直方向探测角度越小；并且防水防尘，有少量泥沙遮挡也不影响；探测距离一般再 0.1~3 米之间，精度较高，适用于倒车辅助和自动泊车等低速工况。超声波雷达通常安装在汽车前后保和侧面，前者称为 UPA，用于检测前后障碍物；后者称为 APA，用于检测侧方障碍物。
毫米波雷达国外垄断，国内企业逐渐突破。毫米波雷达通过天线发射毫米波信号，目标反射信号后，车辆从而获取了自身周围的物理环境信息，ECU 对该信息进行处理，追踪和识别目标；同时根据软件设定，以声音、视觉提醒或者触觉提醒等方式告知驾驶员，或者对车辆运行进行干预，保证驾驶的安全可靠。
目前常用的毫米波雷达有 24GHz和 77GHz 两类，24GHz 主要检测中短距离（<=100m 左右），77GHz 主要是长距离检测（>=200m）。目前来看，国内 24GHz 已经量产使用，装机规模较大，但是 77GHz 因国外的长期禁运管制，起步较晚，规模较小且集中度较低，近 8 成市场规模仍被外企占据，大规模国产化替代需要持续推进。
激光雷达成本高，国内企业迅速崛起，提升性价比，逐步缩小与国外同行差距。
一般来说，激光雷达分为机械式和固态激光雷达。机械式雷达需要旋转测量周边环境，激光发射路径上不能有阻挡，目前只能安装在车顶，对于量产销售的车辆来说，不是一个很好的选择；而采用固态激光雷达，由于其体积小，成本低，可以集中在车辆内部，比如 A 柱、前后保等部位，通过雷达内部微动部件来偏转扫描，目前是最接近量产的配置，也是各大厂商重点推动的方案。
车载摄像头-汽车的眼睛，眼观六路。
车载摄像头的工作原理是，目标物体通过镜头（LENS）生成光学图像投射到图像传感器上，将光信号转变为电信号，再经过模数转换（A/D）后变为数字图像信号，最后由数字信号处理芯片（DSP）进行加工，处理成特定格式的图像输出到下游需求方。
从车载摄像头的组成来看，主要子系统为镜头、CMOS 传感器、模组组件、独立 ISP 芯片以及算法等。根据 Yole 的预计，2024 年全球摄像头模组产业链市场达到 450 亿美元左右，其中汽车摄像头市场有望超过 50 亿美元。
按照其配置区域不同，可以分为前置、侧视、后视和内视、环视摄像头等，每种主要负责功能不同，目前应用比较多的功能主要是后视、360°环视功能。一般来讲，典型的辅助智能驾驶系统由 4 个环视、1 个前视和 1 个后视等至少 6 个视像头组成。比如特斯拉 model3 就采用了八颗摄像头，外加一颗备用内视摄像头，从而实现自动驾驶的大部分功能。
根据我们的统计，360°环视系统在新能源车的渗透率在三成以上，逐渐成为中高端车型以及中高配车型的主流标配，渗透率逐渐提升。从整个市场角度看，车载摄像头市场竞争格局较为充分，但主要集中在外资企业，合计占比在 96%左右。
而在分件中，已经有国内自主品牌开始突围，甚至占据了细分市场相当大的比重。比如车载镜头方面，在手机镜头及手机镜头模组处于优势地位的舜宇光学，扩展到车载镜头领域，2018 年公司车载镜头出货量为 3995 万颗，同比增长 25.3%，已连续 9 年保持全球第一，优势明显。
联创电子一方面供货特斯拉；另外，已与 Mobileye、NVIDIA、 Aurora 等公司达成战略合作；其中有十几款镜头产品获得 Mobileye 认证；也得到 Valeo、 Continental 等认可，已量产出货。
在汽车 CIS 领域，韦尔股份控股的豪威科技主要客户是欧美汽车品牌，在 BBA 中的渗透率位居行业首位，其在 2018 年市占率 20%，2019 年市占率达到 30%，仅次于 ON Semi，位居第二；而在手机市场市占率 12.4%，位居全球第三。公司作为全球第三大CIS 企业，有望继续受益于汽车智能化发展。
在 ISP 芯片领域，华为自 2013 年收购 TI OMAP 芯片在法国的业务后，基于此成立图像研究中心。从麒麟 950 开始在海思的 SoC 芯片中集成了自研的 ISP 芯片模块，从底层硬件开始自研优化照片处理，并从 P9 开始跻身全球手机拍照第一阵营；
2020 年在荣耀 30S 上搭载的全新麒麟 820 SoC 上配备 ISP5.0，实现数据吞吐率提升 15%、能效提升 15%的效果。根据 CINNO Research 发布的最新数据，2020 年 Q1，华为海思首次登顶国内智能手机处理器市场，成为大陆份额最大的移动 SoC 厂商，占比达 43.9%，高于高通的 32.8%和联发科的 13.1%。
多传感器信息数据融合处理是智能驾驶的趋势。
智能驾驶的发展，要达到车辆自主控制、自主学习，分析和判断有利的环境和路线，一定离不开多传感器之间的互相融合，方能有效地支持冗余设计、扬长避短，达到提升驾驶安全可靠的目的。通常，每种传感器都有自己独特的特征，而汽车需要面对复杂的行驶环境，有来自天气、周边路况、驾驶员等各个方面、全天候全场景的环境影响，这就需要多种传感器搭配融合才能满足将来 L5 级别自动驾驶需求。
2、决策端是智能驾驶的大脑
相对于常规内燃机车，决策端是新能源车智能化的优势之一，主要由两大方面组成，一方面是硬件层面的域控制器（DCU）和多域控制器（MDC）；另一方面是软件层面的运算平台和操作系统等。
汽车控制单元由传统的分布式向集中发展，域控制器成为智能汽车架构的关键之一。传统的汽车控制单元，比如内燃机车，其布置依赖于硬件，采用分布式架构，通常每个子系统都需要配置 ECU，全车最多配置 100 多个模块，如此大量的 ECU 和线束，增加了开发成本和物料成本，降低了数据处理效率，不能适应智能网联汽车发展的需要；
此外，随着智能网联化的发展，对数据运算处理的要求越来越高，而传统的分布式架构控制单元难以满足这些要求。因此，满足这些对运算和数据处理高效快速的控制单元应运而生，即为域控制器，实现统一指挥。随着软件定义汽车时代的到来，采用集中式控制单元的全新 EE 架构，叠加 OTA 等云端服务，是促进智能网联汽车快速量产、软件快速迭代升级的基础。
采用集中式 EE 架构，离不开域控制器。域控制器分为 DCU（Domain Control Unit）和 MDC（Multi Domain Controller）。前者根据汽车电子部件功能可以将 EE 架构分为动力总成、安全、车身电子、座舱和智能驾驶等域，通过处理能力强的多核 CPU/GPU 来控制指定域；
但是考虑到控制器需要分析处理的信号庞大复杂，原有的分布式或者 DCU已经无法满足要求，所以就有了后者-多域控制器，使摄像头、毫米波雷达、激光雷达、车内其他各种传感器在一个 MDC 内进行处理以确保输出一致的最优结果。这种结构通过 MDC 统一接受和处理信号，并且传感器与 ECU 不再一一对应，有助于整车厂根据需要灵活选择不同传感器及供应商。
特斯拉 model3 域控制器分为三大板块，CCM（中央计算模块）、BCMLH（左车身控制模块）和 BCMRH（右车身控制模块），其中 CCM 覆盖智能驾驶和娱乐控制等， BCMLH 覆盖灯光、转向等车身便利系统功能，BCMRH 覆盖底盘、安全系统和大部分动力系统等功能，构成复杂的多域控制器。
除特斯拉外，大众 MEB、宝马、奥迪等同样也在开展全新 EE 架构平台设计，如宝马的 Central Computing Platform、奥迪的 Central Computing Cluster 和大众 MEB 的ICAS。
目前最重要的两个方向是智能驾驶域控制器和座舱域控制器。国外零部件龙头企业如 Bosch、Continental、Visteon 等凭借本身资源和技术优势，牢牢占据大部分市场；国内企业以德赛西威、华为等典型代表，特别是前者，在自动驾驶域已经有了量产突破。
而在智能座舱方面，由于消费者对车内电子产品诉求发展较早，因而智能座舱在国内发展较快，有德赛西威、华为、均胜电子、东软睿驰等。根据佐思产研的预测，2025 年全球汽车域控制器（座舱+自动驾驶）出货量将超过 1400 万套，2019-2025 年均增长50.7%。
如果说域控制器是智能网联汽车的神经中枢系统，那么核心车规级处理器则是智能驾驶的大脑。域控制器要完成大量计算，必须依赖于具有强大运算力的核心处理器，从而达到利用这些处理器来集中控制每个域，取代分布式 EEA 架构。
比较典型的车规级企业有 NVIDIA、NXP、Infineon、TI、Renesas、Mobileye 等，其中 Mobileye 于 2017 年被 Intel 并购。我们可以看到，在车规级芯片领域，NXP、Infineon、Renesas 三家占据国内市场 68%的份额，国际市场 35%的份额，牢牢占据车规级芯片前三甲地位。
消费芯片巨头上车，努力从传统车规级芯片供应商分得一杯羹。传统消费电子芯片供应商，如 Qualcomm、Intel、Nvidia 等，从车机系统芯片切入，攻城略地，很多项目已经上车量产，后续凭借自身在消费电子芯片的优势，会继续缩小与传统车规级芯片供应商差距，从而倒逼传统车规级芯片供应商加快推陈出新，巩固现有产品格局优势。
以华为和地平线为代表的国内芯片公司开始实现特定场景的突破。2019 年 8 月底，地平线正式宣布量产中国首款车规级人工智能芯片-征程二代，打破了中国智能网联前装市场“无中国芯”的局面。征程二代搭载地平线自主创新研发的高性能计算架构 BPU2.0（Brain Processing Unit），等效算力超过 4TOPS，而功耗仅为 2 瓦。
该款芯片一方面能够高效灵活地处理多类 AI 任务，实时检测和精准识别多类目标，可全面满足自动驾驶视觉感知、视觉建图定位和视觉 ADAS 等智能驾驶场景的需求。而地平线 Matrix 自动驾驶计算平台。
作为征程二代架构加速的计算平台，结合深度学习感知技术，具备强大的感知计算能力，能够为 L3 和 L4 级别自动驾驶提供高性能的感知系统。根据地平线官方公告，2019 年智能驾驶业务订单高达数亿元；预计 2020 年前装定点项目将达到两位数， 2022 年征程系列芯片年出货量将达到百万级别。
3、执行端是智能驾驶的手和脚
执行端也是新能源车特别是纯电动车在智能化方面优于传统燃油车的优势。没有传统内燃机车复杂的运行工况，纯电动车可以直接根据路况带来的反馈需求传递给电机进行速度和制动控制，无需复杂的档位变换。
因此，对于电动车，执行端一般有加减速、制动、转向、灯光等几个方面，其中因涉及到安全性和系统集成能力，又以制动和转向对于智能化发展较为关键；并且在制动功能中，线控制动尤为重要。从单车成本来看，线控制动大约 2000~2500 元/台车；线控转向大约 4000~5000 元/台车。
线控转向系统是智能汽车走向完全自动化的必由之路，是难点也是重点。
到目前为止，汽车转向系统经历了机械转向、液压助力（HPS）、电子助力（EPS）三个阶段，而 EPS 已经是非常成熟的技术；但是进入到智能驾驶阶段，特别是完全自动化驾驶阶段，则需要全新的设计思路与之匹配，那么线控转向系统（SBW，Steering by Wire）的应用则被提升日程。
所谓 SBW，即去掉转向盘和转向执行机构之间的机械连接，实现驾驶员操作与车辆转向的解耦，当转向盘转动时，转矩和转角传感器将测量到的信号转变成电信号输入给 ECU，ECU 依据车速传感器和转向传动机构上的位移传感器信号来控制转矩和反馈电动机的旋转方向，然后模拟转向力生成反馈转矩；
同时，控制转向电动机的旋转方向、转矩大小和旋转角度，通过机械转向装置控制转向轮的转向位置。该系统包含三大部分：路感反馈总成、转向执行总成、ECU 及相关传感器，并且冗余防错功能至关重要，对系统集成能力和软件开发能力要求高，目前基本被前几大国际零部件巨头垄断，并且渗透率较低。
目前来看，SBW 有两个方向，一个是英菲尼迪的方案，即带有转向管柱和离合器部件，在正常情况下，离合器是断开的；当出现特殊情况需要驾驶员介入时，离合器结合，进而提升系统冗余度。而在 BOSCH 开发的这套系统里则取消了转向管柱的存在，没有了机械结构的硬连接，但是增加了多个电机和 ECU 来提高系统的冗余度。
SBW 是基于 EPS 的技术而发展起来，对技术、集成能力、成本、安全等方面要求很高，因此传统的 EPS 优势供应商更胜一筹，比如 BOSCH、ZF、Paravan、Nexteer、 JTEKT 等；国内的拓普集团正在积极布局该系统。我们预测，按照单车价格 3500~4500元来推算，假定 2025 年 SBW 渗透率达到乘用车市场的 10%，则整个市场空间大约为91~117 亿元。
线控制动系统是智能汽车的关键核心系统。
制动技术作为车辆本身的核心技术，其性能要求始终是一台车子的关键指标，制动技术的发展经历了摩擦片制动、鼓式和盘式制动、ABS/ESP 等电子制动模块、线控制动模块阶段。与 SBW 类似，线控制动系统（BBW，Brake By Wire）也是使用电系统代替传统的机械或者液压系统，响应时间更短、制动距离更小，是智能化发展的必然方向。
BBW 可以分为电子液压制动 EHB（Electronic Hydraulic Brake）和电子机械制动 EMB （Electronic Mechanical Brake）两种，EHB 是在传统液压制动器基础上，用一个综合的制动模块来取代传统制动器中的压力调节器和ABS 等模块，这个模块既可以集成 TCS （牵引力控制系统）、ESP、ABS、EPB 等传统制动功能，还可集成胎压监测、EBD（电子制动力分配）、AEB 等功能。EHB 包含电机、泵等部件，可以产生并储存制动压力。目前大部分的应用案例，比如 Bosch 的 iBooster/IPB，Continental 的 MK C1 以及 ZF的 IBC 等都是采用了 EHB 方案。
而 EMB 与 EHB 不同，无需液压系统、制动主缸等部件，其制动力是由安装在 4 个轮子上的电机驱动机构产生，使整个系统结构更加紧凑。但是其技术复杂，依旧被全球龙头零部件公司把控，所以当前相对 EMB，EHB 更具有可实施性。
线控制动系统 EHB 呈三足鼎立格局，国产品牌亟待突围。目前从全球范围内来看，外资品牌依旧优势明显，Bosch、Continental、ZF 等在 EHB 的技术已经比较成熟，量产车型案例较多；比如Bosch 于 2013 年推出基于直接电液压制动系统的第一代iBooster，到现在已经升级为第二代技术，并在国内普遍应用，如上汽荣威、蔚来等；
后来又针对L3 和 L4 级别的需求，设计开发了 IPB（Integrated Power Brake），将 iBooster 和 ESP合二为一，体积大大缩小，重量也降低不少，并且相对 iBooster 成本大大降低，已经应用在比亚迪汉上。而从国内来看，进展最快的伯特利，要到 2021 年才能实现量产上市。根据立木信息咨询数据显示，2020 年 EHB 市场规模在 25 亿元左右。
ADB 大灯与智能驾驶相辅相成，国内企业已经站上国际舞台。
车灯作为汽车的关键零部件之一，发挥了美观、照明、与行驶环境交流信息的作用，相当于人的眼睛，它也是汽车的重要安全部件。按照车灯功能来分类，可以分为照明和信号灯；按位置分，可以分为外部和内部灯等，比如前照灯就属于外部照明灯。
车灯的发展伴随着汽车工业的发展，大体经历了如下几个阶段：燃料照明灯、白炽灯/卤素灯、氙气灯、LED 灯、OLED 灯和激光大灯等。而随着光源的不断进化，车灯尤其是前照灯的功能也越来越先进，越来越智能化、数字化和个性化。
适应远光系统 ADB（Adaptive Driving Beam）逐渐开始进入量产车型，这是一种可以根据路况自适应变换远光光型的智能远光控制系统。该系统根据本车行驶状态、周边行驶环境灯，自动为驾驶员开启或退出远光，或者自适应变换远光光型，以避免对其他道路使用者造成眩目。
相比于传统远光灯，ADB 采用智能控制替换手动切换，并且防眩目的光型变换替换远近光切换，既增加了行驶便利性，又在保障道路行驶安全的基础上，扩大了视野照明。在智能汽车中搭载 ADB 大灯，能够与摄像头功能相辅相成，进一步提升智能驾驶安全可靠性。
4、智能网联汽车的发展离不开高精度地图
智能汽车要上路行驶，必须要有精准的自身位置评估和周边环境感知，除了配置各种传感器外，高精度地图也是实现智能驾驶的重要基础模块，能够为车辆行驶行为决策提供精确定位以及精准车道预测，避免因传感器在沙尘、雨雪、浓雾等极端气候下发生误判，保证自动驾驶车辆在复杂环境下的安全。
另外，在目前阶段，高精度地图还可以帮助降低智能驾驶车辆对于较贵重传感器的依赖，以相对较低的成本实现更加安全的驾驶。因此，高精度地图是现阶段及今后相当长一段时间，实现自动驾驶技术的重要条件，而地图的质量和定位的结果会直接影响其它模块的功能。
高精度地图具有高鲜度、高精度、高丰富度属性。高精地图分为高精拓扑地图和高精点云地图，具体包含道路属性（车道数、施工状态等）、车道模型（车道线、曲率/坡度、中心线、车道属性变化等）、交通设施模型（交通信号灯、斑马线、停止线、交通标志等）等，以及可以叠加实时动态交通状况等信息，从而为自动驾驶车辆构建一个映射现实的虚拟道路环境模型，实现车路协同。
为自动驾驶车辆规划行驶路径，躲避拥堵和交通障碍。高精地图从精度、数据维度、作用和功能、适用对象、数据的实时性等方面不同于传统地图，既包含车道级别、厘米精度的道路网络和交通信息地图，也包括实时动态交通状态等信息。
高精地图行业准入门槛高，技术要求高。截止到 2020 年 Q1，随着京东集团子公司 -京东三百陆拾度电子商务有限公司导航电子地图制作甲级资质申请在自然资源部网站公示完成，成功获得这一含金量极高的资质，成为国内第 22 家可以合法制作自动驾驶地图的公司。
国内政策由于和美国不同，对地图测绘有严格限制规定，目前拥有“导航电子地图资质单位名单”的企业有 14 家。获得这一资质的企业，来自于传统图商的有 8 家，来自 ICT 及汽车龙头企业的有 8 家，来自事业单位的有 4 家，来自自动驾驶初创公司的仅有 2 家，可以看出国家在这一领域管控极严，拿到这一资质，对布局自动驾驶的的重要性不言而喻。
高精度地图市场空间广阔。从高精度地图典型企业及其配套客户来看，应用范围逐渐扩大，包括智能驾驶、智慧城市、公安、房地产、交通运输、智能零售等，根据高盛对高精度地图全球市场判断，预计未来十五年高精度地图行业将迎来黄金发展期，到2020 年高精度地图市场为 21 亿美元，2030 年该市场将达到 200 亿美元。
四维图新-基于传统导航业务，发力智能驾驶。公司以自动驾驶高精度地图、高精度定位和汽车芯片为核心产品，以数据+AI 为核心基础，打造一整套自动驾驶综合解决方案。
2019 年，公司传统导航业务营收 8.31 亿元，同比逆势增长 7.18%，在与宝马、特斯拉、戴姆勒、本田等合作的基础上，又获得日本三菱电机导航电子地图的采购订单，进一步巩固了自身在导航业务上的优势地位；高级辅助驾驶及自动驾驶业务营收 1.04 亿元，同比大幅增长 96.48%，公司依托宝马、戴姆勒等核心高端客户在 ADAS 及自动驾驶领域的率先布局，拉动公司在该业务领域高速成长。
2019 年初，与宝马在自动驾驶方向联手，签署了面向 L3+自动驾驶系统的自动驾驶地图订单，并于 2019 年年底获得全球第一张为自动驾驶地图颁发的 ASPICE 二级认证证书；
公司位置大数据服务营收 2.40 亿元，同比增长 36.64%，公司于 2019 年 7 月底发布位置大数据平台 MineData3.0，基于全新的平台和可视化能力，持续优化细分行业解决方案，推出全新的交通、交警、公安、保险行业整体解决方案；车联网业务营收 6.97 亿元，同比增长 28.53%。
另外，在全新业务领域，公司与 2019 年 4 月成立高精度定位公司六分科技，致力于以自主研发的接收机建设北斗地基增强系统，为自动驾驶、智慧城市、物联网行业提供厘米级定位能力。
截止 2019 年末，六分科技已完成近 2000 个 CORS 参考站建设及部署，在全国范围具备了“网-云-端”完整解决方案商业化能力，并成功增项国家大地测量甲级测绘资质，终端模组产品计划 2020 年实现量产。
三、智能网联汽车发展的驱动因素
智能网联汽车要朝着更高级别的方向发展，必然离不开政策和法规的支持及规范、低延时高效通讯技术的发展、智能驾驶产业链侧技术和成本的创新突破、新能源载体的渗透率提升、市场对更高级别智能驾驶的接受度等各个方面的协同推进，从效率、成本、安全可靠性、可落地实施性等角度综合考虑。
1、各项政策法规及标准为智能驾驶保驾护航
总体来看，在汽车工业发达国家和地区，普遍认为智能驾驶是汽车发展的必然趋势，需要通过政策法规和标准等方面予以支持。国外在自动驾驶政策法规方面立法较早，特别是美国从智能驾驶基础层面进行法规和标准支持，确保在智能驾驶方面的世界领先地位；国内在政策法规标准方面起步稍晚，但是最近的一系列动作，将有助于加快相关工作的进展，缩小差距。
国内为了推动智能网联汽车的发展，近几年从中央政府到各级地方政府，相继制定了一系列政策法规和标准体系，打通汽车、通信、交通等各方面关联方，旨在建立一个统一有效的体系，协同发展；从智能网联各细分领域入手，包括地图、车辆智能管理、通信、电子产品等，提出相应指南。这些政策法规和标准，包含从总体规划，到细节落实，有目标，有行动，逐步形成人、车、路、网等的一体化发展，达到规范、鼓励和支持智能网联汽车发展的初衷，从而加速促进智能网联汽车快速、健康、有序发展。
2、上游产业的发展为智能驾驶创造了良好环境
基于 5G 的 V2X是争夺智能驾驶制高点的关键。智能汽车发展到自动驾驶阶段，除了单车智能化外，也离不开网联化，网联化关键是要解决 V2X 的问题，即人、车、路、云闭环环境下的联网通信，从而实现车-车、车-路、车-云、车-人等互联，基于这个大的框架，通过感应-决策-执行一体化，实现智能驾驶。
智能驾驶离不开网联化架构。智能网联化架构遵循云-管-端的架构模式，通过感应-决策-执行一体化，实现智能驾驶。在云侧，通过中心云和边缘云对大数据进行存储和处理；管侧，通过芯片、计算平台和各种新型终端对数据和终端请求进行处理，输出给上下游；在端侧，通过各类传感器收集数据，同时将管理侧指令输出给执行机构；这些数据的传递离不开 4G 和 5G 网络的支持。
5G 的商用为 V2X 的发展奠定了基础。V2X 技术有两种实现方式：CV2X（车载通信技术，Vehicle-to-Everything）和 DSRC（车辆专用短程通信技术，Dedicated Short-Range Communications），前者又分为 LTE-V2X 和 5G-V2X 两种，LTE-V2X 是基于 4G 的网络实现，5G-V2X 则是在 5G 网络上实现。
由于 LTE-V2X 无法满足网联化所需要的低延时和高可靠性要求，在一定程度上制约了网联化发展；而随着 5G 技术的到来，其所具有的超低延时、广连接和高可靠性等优势，满足了网联化对数据采集、传输和处理的高速要求，因此网联化汽车将借 5G 商用化发展之东风而崛起。
5G-V2X 产业链逐步完善。从整个产业链角度来看，5G-V2X 遍布芯片厂、设备厂、整车厂、解决方案提供商、运营商等，需要各方共同对研发工作、标准法规、数据等方面进行合作，构成 V2X 生态系统闭环。目前来看，国内该方面正在逐步推进，但多方合作还需要持续加强。
3、其他非传统车企的参与及带动效应
目前从事智能网联开发的公司中，不仅有传统车企、汽车零部件巨头、新兴造车企业，也有 ICT 科技巨头、不断涌现出的大批初创新兴企业，以及出行服务提供商等，一方面带动了整个行业的发展，又加剧了行业竞争格局。
特斯拉在 Autopilot 的先发优势激发了行业变革，加快了智能网联汽车发展。2014年 Autopilot 1.0 版推出，2019 年已经迭代到 3.0 版，截止到 2019 年底，全世界有超过74 万辆搭载 Autopilot 系统的车辆行驶在世界各地，为特斯拉的自动化驾驶带来了其他车企无可比拟的大数据优势。
Autopilot 3.0 搭载了两颗由特斯拉自研的全自动驾驶芯片（FSD 芯片），每颗 FSD 芯片内部集成一个中央处理器、一个图像处理单元、两个神经网络处理器，Autopilot 3.0 计算能力高达 144TOPS。同样，按照特斯拉一贯的做法，硬件先行，软件持续更新的策略，不定期实现 OTA 升级。
特斯拉在智能驾驶的硬件核心技术上的优势远超对标车企，是目前特斯拉最大的估值溢价来源；其次，特斯拉通过 OTA 实现的各种远程升级及在线娱乐系统，是未来开创第二盈利点的核心所在。我们认为，特斯拉将不仅仅是一家传统意义上的车企，而是通过在智能网联等核心领域的重大突破，颠覆传统汽车行业的一家公司。
ICT 企业龙头华为，旨在打造智能网联汽车整体解决方案。
Apollo 作为百度的自动驾驶开放平台，由自动驾驶、车路协同、智能车联三大平台构成。截至 2020 年 Q1，拥有生态合作伙伴近 200 家，包含主机厂、零部件供应商、芯片公司、传感器公司交通集成商和出行企业等，实现了从软件到硬件的全方位覆盖。
4、需求端提升了智能网联渗透率
电动化加速发展为智能化发展创造了良好的载体。随着电动化的发展，消费者对搭载辅助驾驶功能的新能源车关注度逐渐提高，从已上市在售车型配置情况来看，车联网、自动头灯、OTA 自适应巡航、AEB、LDW 相对较高，分别为 71.13%、65.49%、54.23%、43.66%、38.73%和 35.21%，而渗透率相对较低的并线辅助、道路交通标识识别、LKA、疲劳驾驶等
我们认为，随着电动化渗透率的持续提升，消费者对于智能网联汽车功能也越来越关注，有望继续拉动智能网联汽车的发展。
- 下一篇：数字文明与传统汽车的归零思考
- 上一篇：自动驾驶封闭测试场地建设技术研究与实践
广告
广告
最新资讯
-
直播｜革新汽车仿真：探索 VI-grade 2025.1
2024-11-05 16:03
-
用于高压电池测试的加速度计
2024-11-05 14:44
-
卡特彼勒新一代240吨电动矿卡投入使用
2024-11-05 14:43
-
[法规] 欧盟发布重型车辆事件数据记录仪（E
2024-11-05 14:43
-
城无界野无疆 柴油混动火星9越野版曝时尚越
2024-11-05 12:02
广告
广告
