在汽車工業(yè)當(dāng)下的變局里，自動(dòng)駕駛無疑是影響產(chǎn)業(yè)發(fā)展的一大變量。

算法、攝像頭、激光雷達(dá)、芯片、通訊設(shè)備等軟硬件逐漸成為智能汽車標(biāo)配的今天，無數(shù)入局自動(dòng)駕駛賽道的初創(chuàng)企業(yè)被賦予了帶領(lǐng)中國汽車產(chǎn)業(yè)彎道超車的使命。而在產(chǎn)業(yè)玩家的數(shù)量、供應(yīng)鏈的復(fù)雜度都呈指數(shù)級增長的同時(shí)，技術(shù)路線的演進(jìn)與商業(yè)模式的可行性同樣也有無數(shù)可能。

到底自動(dòng)駕駛將通往何方？中國的自動(dòng)駕駛企業(yè)又將面臨什么樣的機(jī)遇與挑戰(zhàn)？帶著這些問題，我們撰寫了這份報(bào)告。

01產(chǎn)業(yè)概況

一、定義

自動(dòng)駕駛，從功能或操作層面而言，是指汽車在轉(zhuǎn)向、油門、制動(dòng)等具有關(guān)鍵安全性的控制功能方面可以自動(dòng)完成控制動(dòng)作，而無需駕駛員直接操作的行駛狀態(tài)。

當(dāng)下，由國際自動(dòng)機(jī)工程師學(xué)會(huì)（SAE International）制定的自動(dòng)駕駛分級標(biāo)準(zhǔn)，為業(yè)界廣泛接受，主要適用于開放場景的機(jī)動(dòng)車輛。

SAE自動(dòng)駕駛分級標(biāo)準(zhǔn)

中國于2021年出臺了《汽車駕駛自動(dòng)化分級》國家標(biāo)準(zhǔn)，適用于 M 類、N 類汽車，其它類型車輛可參照執(zhí)行。

自動(dòng)駕駛等級劃分

可以看到，L1-L2級別為輔助駕駛，L3-L5級別為自動(dòng)駕駛。

目前乘用車量產(chǎn)車型已實(shí)現(xiàn)的自動(dòng)駕駛功能主要集中在L2級別，如市面上常見的NOA、NGP等等，個(gè)別車企推進(jìn)L2+、L2++級別，但仍未實(shí)現(xiàn)L3級別的躍進(jìn)。而在Robotaxi和礦區(qū)、港口等商用場景，自動(dòng)駕駛公司選擇從L4級別開始發(fā)力。

自動(dòng)駕駛等級功能

二、自動(dòng)駕駛發(fā)展歷程

1） 1980-2009：科研探索，學(xué)術(shù)積累

20 世紀(jì) 70 年代，科技發(fā)達(dá)國家開始率先進(jìn)行無人駕駛汽車的研究。代表性的事件和團(tuán)體有：1984 年，美國國防高級研究計(jì)劃署（DARPA）與陸軍合作，發(fā)起自主地面車輛（ALV）計(jì)劃。并于2004 年—2007 年共舉辦了 3 屆 DARPA 無人駕駛挑戰(zhàn)賽。

1986年，美國卡內(nèi)基·梅隆大學(xué)研制了全球第一輛計(jì)算機(jī)駕駛的汽車NavLab 1 及之后的NavLab系列智能車輛。

1998年開始，意大利帕爾瑪大學(xué) VisLab 實(shí)驗(yàn)室一直致力于 ARGO 試驗(yàn)車長距離道路試驗(yàn)。

在中國，1992 年，國防科技大學(xué)成功研制出中國第一輛真正意義上的無人駕駛汽車。

國家自然科學(xué)基金委員會(huì)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(shí)道路環(huán)境下的自主行駛來檢驗(yàn)研究成果。

2）2009-2016: 自動(dòng)駕駛技術(shù)商用探索

2009年1月，谷歌的自動(dòng)駕駛項(xiàng)目Project Chauffeur在GoogleX實(shí)驗(yàn)室啟動(dòng)。

2013 年開始，奧迪、福特、沃爾沃、日產(chǎn)、寶馬等眾多汽車制造廠商相繼在無人駕駛汽車領(lǐng)域進(jìn)行了布局。

2014 年 10 月借助 Mobileye，特斯拉發(fā)布Autopilot 1.0 。

在商用車方面，2015年，戴姆勒開始無人駕駛卡車路試；2016年，沃爾沃推出首輛無人駕駛礦用卡車。之后，韓國的現(xiàn)代、日本的豐田和五十鈴、日野、三菱扶桑以及UD等重卡品牌也開始在本國境內(nèi)推進(jìn)無人駕駛卡車路試。

在中國，2011年國防科技大學(xué)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(shí)驗(yàn)，標(biāo)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(shí)現(xiàn)了新的技術(shù)突破。

2013年，百度開始啟動(dòng)無人駕駛項(xiàng)目，其中百度地圖在城市數(shù)據(jù)、路徑規(guī)劃技術(shù)等方面的能力構(gòu)成了技術(shù)上的支撐。

2013年華為與車企進(jìn)行合作逐步邁入車聯(lián)網(wǎng)供應(yīng)商序列。

商用車方面，2015 年 8 月，宇通大型客車從鄭開大道城鐵賈魯河站出發(fā)，在完全開放的道路環(huán)境下完成國內(nèi)首次大型客車高速公路自動(dòng)駕駛試驗(yàn)。

3） 2016-2019：自動(dòng)駕駛企業(yè)數(shù)量暴漲，互聯(lián)網(wǎng)巨頭下場，初創(chuàng)廠商涌入

2016年，在德國，Uber與戴姆勒汽車集團(tuán)開始就自動(dòng)駕駛展開相關(guān)合作；在美國，Cruise被通用汽車以10億美元的價(jià)格收購。

同年，特斯拉開始組建硬件工程團(tuán)隊(duì)，開始了完全無人駕駛芯片 FSD 的研發(fā)；谷歌汽車更名為Waymo，開始獨(dú)立運(yùn)營，并很快通過近300次的收購，完善了各種技術(shù)和硬件能力，迅速成為行業(yè)內(nèi)的領(lǐng)軍企業(yè)。

在中國，2016年，滴滴組建自動(dòng)駕駛公司；小馬智行與AutoX也于同一年成立。

2017年百度將自動(dòng)駕駛事業(yè)部、智能汽車事業(yè)部、車聯(lián)網(wǎng)業(yè)務(wù)三大部門合并，成立了智能駕駛事業(yè)群組，2017年4月，百度正式發(fā)布了Apollo計(jì)劃。

專注Robotaxi和商用車應(yīng)用場景的景馳、Roadstar、文遠(yuǎn)知行、元戎啟行、輕舟智航等也相繼入局，自動(dòng)駕駛風(fēng)口開啟。

4） 2019-2022：Robotaxi批量落地商用，自動(dòng)駕駛商業(yè)化路徑呈多元化發(fā)展

2020年10月，美國自動(dòng)駕駛領(lǐng)頭羊Waymo官宣，旗下的自動(dòng)駕駛出租車服務(wù)Waymo One在鳳凰城提供完全無人出租車服務(wù)。

同一時(shí)間在中國，百度官宣旗下的自動(dòng)駕駛出租車服務(wù)Apollo Go，在北京自動(dòng)駕駛測試區(qū)域范圍內(nèi)，免費(fèi)向公眾提供自動(dòng)駕駛出租車服務(wù)。

自動(dòng)駕駛企業(yè)路測

考慮到Robotaxi商業(yè)落地速度不及預(yù)期，自動(dòng)駕駛企業(yè)紛紛將目光投向自動(dòng)駕駛技術(shù)在商用車端的應(yīng)用，在城市開放場景、高速場景和封閉場景的應(yīng)用先后落地。

三、自動(dòng)駕駛產(chǎn)業(yè)涵蓋范圍

以產(chǎn)業(yè)鏈構(gòu)成而言，自動(dòng)駕駛產(chǎn)業(yè)鏈可分為硬件與軟件兩大部分，主要包括車載攝像頭、激光雷達(dá)、芯片、通信設(shè)備和高精度地圖、高精度定位、操作系統(tǒng)、ADAS等，涉及感知層、傳輸層、決策層等不同層面。其中硬件部分多來自tier 1供應(yīng)商，軟件部分尤其是ADAS和操作系統(tǒng)逐漸出現(xiàn)整機(jī)廠自研，加強(qiáng)技術(shù)護(hù)城河的趨勢。

以自動(dòng)駕駛算法的實(shí)現(xiàn)層面而言，自下而上可大致劃分為硬件平臺、系統(tǒng)軟件（硬件抽象層+OS內(nèi)核+中間件）、功能軟件（庫組件+中間件）和應(yīng)用算法軟件等四個(gè)部分。

其中底層硬件平臺以AI芯片和MCU為主；系統(tǒng)軟件的操作系統(tǒng)內(nèi)核，是狹義上的操作系統(tǒng)，主要是黑莓的QNX系統(tǒng)或者是Linux系統(tǒng)，中間件組件包括AUTOSAR AP和AUTOSAR CP，以及第三方的公司提供的中間件，比如百度的Cyber RT；功能軟件層主要為傳感器、云控、聯(lián)網(wǎng)等算法模塊；在自動(dòng)駕駛軟件最上層的是自動(dòng)駕駛最核心的應(yīng)用算法軟件，包括感知、融合、規(guī)控、定位、地圖等等。

自動(dòng)駕駛組成部分示例

從自動(dòng)駕駛汽車功能的實(shí)現(xiàn)角度來劃分，則需要汽車制造商、零部件供應(yīng)商、車載計(jì)算平臺開發(fā)商、出行服務(wù)商供應(yīng)商等多方主體參與。上游包括感知、傳輸、決策和執(zhí)行層；中游為平臺層，包括整合的智能駕艙平臺、自動(dòng)駕駛解決方案及傳統(tǒng)的車聯(lián)網(wǎng)TSP平臺；下游主要為整車廠及第三方服務(wù)商。

上游中，感知層由車載攝像頭、雷達(dá)系統(tǒng)、高精度地圖、高精度定位、導(dǎo)航系統(tǒng)、路側(cè)設(shè)備等組成；傳輸層基于通信設(shè)備和服務(wù)為自動(dòng)駕駛提供信號傳輸，主要包括通信設(shè)備和通信服務(wù)；決策層包括計(jì)算平臺、芯片、操作系統(tǒng)、算法等；執(zhí)行層是對決策命令進(jìn)行執(zhí)行，包含線控、電子驅(qū)動(dòng)/轉(zhuǎn)向/制動(dòng)、系統(tǒng)集成及其他汽車零部件廠商。

自動(dòng)駕駛產(chǎn)業(yè)鏈，數(shù)據(jù)來源：漢能研究

四、細(xì)分應(yīng)用場景現(xiàn)狀

自動(dòng)駕駛的應(yīng)用場景以終端載體而言，可分為乘用車和商用車兩大類，而商用車又有高速干線、末端物流、礦山、港口、環(huán)衛(wèi)等細(xì)分市場的區(qū)分。其中Robotaxi作為自動(dòng)駕駛商業(yè)化的熱門場景，受限于駕駛責(zé)任的界定和法律法規(guī)的有待完善，距離商業(yè)化仍有較遠(yuǎn)距離。而礦山和港口憑借終端企業(yè)客戶的付費(fèi)能力，也成為自動(dòng)駕駛公司的爭奪熱點(diǎn)。

02產(chǎn)業(yè)宏觀環(huán)境分析

一、經(jīng)濟(jì)環(huán)境

• 人均GDP上升

根據(jù)中國統(tǒng)計(jì)年鑒，2011年中國人均GDP為3.6萬元，2021年人均GDP已增長至8.1萬元。

• 人均汽車保有量連年上升

我國人均汽車保有量連年上升。根據(jù)公安部交通管理局?jǐn)?shù)據(jù)顯示，2021年中國汽車保有量達(dá)3.02億輛，同比增長7.47%。

2015-2020年度中國汽車保有量

汽車乘聯(lián)會(huì)數(shù)據(jù)顯示，2021年我國汽車產(chǎn)銷分別完成2608.2萬輛和2627.5萬輛，同比分別增長3.4%和3.8%，結(jié)束了連續(xù)三年下降趨勢。

2021年，商用車產(chǎn)銷467.4萬輛和479.3萬輛，截止到2021年12月，我國商用車保有量也從2015年的2274萬輛躍升至3800萬輛。

其中，新能源汽車作為自動(dòng)駕駛的主要載體，市場滲透率提升明顯。2021年，我國新能源汽車銷售完成352.1萬輛，同比增長1.6倍，連續(xù)7年位居全球第一。根據(jù)乘聯(lián)會(huì)數(shù)據(jù)顯示，2022年3月新能源車國內(nèi)零售滲透率達(dá)到了28.2%。終端載體數(shù)量的快速上漲，為自動(dòng)駕駛方案落地奠定基礎(chǔ)。

• 硬件成本下降

近年來，攝像頭、毫米波雷達(dá)、超聲波雷達(dá)技術(shù)在汽車上應(yīng)用越來越成熟，價(jià)格也不斷走低，目前業(yè)界對自動(dòng)駕駛成本大幅度降低持樂觀態(tài)度。其中，車載攝像頭的單價(jià)持續(xù)走低，目前約為150元左右，預(yù)計(jì)未來降幅相對較低；毫米波雷達(dá)的市場供應(yīng)單價(jià)約為500元，未來還有一定的降幅空間；激光雷達(dá)價(jià)格一直處于高位，過去主要用于測繪、工業(yè)生產(chǎn)領(lǐng)域，近年來隨著固態(tài)激光雷達(dá)等新的技術(shù)路線替代傳統(tǒng)機(jī)械式雷達(dá)，工藝成本顯著下降，加上未來自動(dòng)駕駛技術(shù)發(fā)展帶動(dòng)供貨量上升，將有較大降幅空間。

a、激光雷達(dá)

激光雷達(dá)價(jià)格走勢

2019年，Luminar發(fā)布了價(jià)格不到1,000美元的LiDAR解決方案。Velodyne公司則計(jì)劃到2024年將平均售價(jià)從2017年的17,900美元降至600美元。2020年，華為宣布其將量產(chǎn)的激光雷達(dá)單價(jià)在200美元以下。

b、芯片價(jià)格

當(dāng)前L1-L3級自動(dòng)駕駛算力芯片單車價(jià)值分別為50美元、150美元、500美元，L4/L5級自動(dòng)駕駛算力芯片單車價(jià)值約為1,500美元，隨著技術(shù)逐漸成熟，至2030年有望下降到41美元、111美元、315美元、931美元。

• 人力成本上升

根據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)字，2009至2019的十年間人力成本上升近3倍。而第七次人口普查結(jié)果更凸顯了勞動(dòng)年齡人口下降，生育率走低，老齡化進(jìn)程加深且提速等趨勢。

二、政策環(huán)境

• 國家鼓勵(lì)發(fā)展智能網(wǎng)聯(lián)汽車

2019年9月，中共中央、國務(wù)院印發(fā)《交通強(qiáng)國建設(shè)綱要》，提出“加強(qiáng)智能網(wǎng)聯(lián)汽車（智能汽車、自動(dòng)駕駛、車路協(xié)同）研發(fā)，形成自主可控完整的產(chǎn)業(yè)鏈”。2020年11月，國務(wù)院辦公廳印發(fā)《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021-2035）》，也提出“2025年高度自動(dòng)駕駛汽車實(shí)現(xiàn)限定區(qū)域和特定場景商業(yè)化應(yīng)用”和“2035年高度自動(dòng)駕駛汽車實(shí)現(xiàn)規(guī)模化應(yīng)用”的目標(biāo)。

• 自動(dòng)駕駛相關(guān)法規(guī)穩(wěn)步推進(jìn)

目前我國的立法性文件集中于發(fā)展規(guī)劃、自動(dòng)駕駛分級標(biāo)準(zhǔn)、道路測試和市場準(zhǔn)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(dòng)駕駛技術(shù)發(fā)展的支持。另外我國以地方為首先切入點(diǎn)，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(diǎn)相結(jié)合，逐漸穩(wěn)步推進(jìn)自動(dòng)駕駛的立法和實(shí)踐發(fā)展。 

a、各地自動(dòng)駕駛牌照發(fā)放加快

截至2021年11月，全國已有38個(gè)省/市出臺管理細(xì)則，先后建設(shè)了70個(gè)測試示范區(qū)，開放了5200多公里測試道路，發(fā)放1000余張測試牌照。

其中，以北京經(jīng)濟(jì)技術(shù)開發(fā)區(qū)全域?yàn)楹诵牡谋本┦懈呒墑e自動(dòng)駕駛示范區(qū)，是全球首個(gè)網(wǎng)聯(lián)云控高級別自動(dòng)駕駛示范區(qū)。2021年成立至今，目前已累計(jì)開放1,000公里自動(dòng)駕駛測試道路，測試?yán)锍坛^300萬公里，開通5G基站5.64萬個(gè)(截止至2022年1月數(shù)據(jù))。

b、Robotaxi經(jīng)營許可在部分城市落地

4月28日，北京發(fā)放無人化載人示范應(yīng)用通知書，允許自動(dòng)駕駛車輛“方向盤后無人”，相當(dāng)于可以去掉主駕安全員，百度蘿卜快跑、小馬智行獲得牌照。

4月24日，小馬智行獲得廣州市南沙區(qū)2022年出租車運(yùn)力指標(biāo)，這是國內(nèi)首個(gè)頒發(fā)給自動(dòng)駕駛企業(yè)出租車牌照。

c、事故責(zé)任主體規(guī)定不夠明晰，責(zé)任分擔(dān)規(guī)則尚未確定

2021年3月24日公安部發(fā)布的《道路交通安全法（修訂建議稿）》中將自動(dòng)駕駛汽車分為“具有自動(dòng)駕駛功能且具備人工直接操模式的汽車”和“具有自動(dòng)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(dòng)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。

《修訂建議稿》規(guī)定明確了駕駛?cè)恕⒆詣?dòng)駕駛系統(tǒng)開發(fā)單位的事故責(zé)任，然而其他主體例如平臺研發(fā)者、監(jiān)管者等主體是否承擔(dān)責(zé)任尚有待討論，若其承擔(dān)責(zé)任又應(yīng)當(dāng)適用何種責(zé)任認(rèn)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操作模式的汽車的責(zé)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(dòng)駕駛的法律規(guī)定過于粗糙并且依然留有“真空地帶”。

三、社會(huì)環(huán)境

• 中國社會(huì)對自動(dòng)駕駛接受程度普遍高于美國

根據(jù)環(huán)球時(shí)報(bào)發(fā)布的“2021中國消費(fèi)者自動(dòng)駕駛信心指數(shù)調(diào)查”顯示，中國消費(fèi)者的信心指數(shù)為50分，美國消費(fèi)者則為36分，中國消費(fèi)者的信心指數(shù)高出美國消費(fèi)者39%。這也就意味著，中國消費(fèi)者對自動(dòng)駕駛的接受度更高，對自動(dòng)駕駛的信心更強(qiáng)。

汽車供應(yīng)商大陸集團(tuán)近日公布的一項(xiàng)對不同國家自動(dòng)駕駛汽車接受度的調(diào)查顯示，89%的中國調(diào)查對象表示支持自動(dòng)駕駛技術(shù)，德國和美國調(diào)查對象分別為53%和50%。

在“自動(dòng)駕駛汽車讓我感到害怕”的調(diào)查中，62%的德國調(diào)查對象和77%的美國調(diào)查對象表示認(rèn)可，但僅有28%的中國調(diào)查對象表示認(rèn)可。而在“自動(dòng)駕駛汽車能夠?qū)崿F(xiàn)可靠運(yùn)行”的調(diào)查中，有超過60%的中國調(diào)查對象認(rèn)為自動(dòng)駕駛汽車能夠?qū)崿F(xiàn)可靠運(yùn)行，有超過70%的美國調(diào)查對象認(rèn)為自動(dòng)駕駛汽車無法可靠運(yùn)行。

• 自動(dòng)駕駛事故數(shù)量低于傳統(tǒng)汽車事故

弗吉尼亞理工大學(xué)交通運(yùn)輸研究院研究顯示，對比傳統(tǒng)汽車每行駛一百萬英里約發(fā)生4.2起事故，Waymo自動(dòng)駕駛汽車每百萬英里約發(fā)生3.2起事故，而6年間無人車車隊(duì)報(bào)告的這17起事故，卻幾乎都是人類駕駛的車輛碰撞谷歌無人車而造成的，都屬于被動(dòng)事故。

從2019年以來，全球已經(jīng)有上百家自動(dòng)駕駛公司在世界各地的道路測試自動(dòng)駕駛汽車，其中已知發(fā)生交通事故的公司僅有Waymo和Uber。

四、科技環(huán)境

• 芯片異構(gòu)技術(shù)的發(fā)展帶來算力提升

隨著當(dāng)下智能化汽車的發(fā)展，傳統(tǒng)的單一類型的微處理器（CPU、GPU、FPGA、ASIC）受限于算力難以滿足更高階自動(dòng)駕駛需求。芯片廠通過重塑芯片架構(gòu)，推出SoC芯片來滿足智能汽車趨勢下的高算力標(biāo)準(zhǔn)。

• 電子電氣架構(gòu)演進(jìn)提升整車控制能力

電子電氣架構(gòu)往域控方向演進(jìn)，提升計(jì)算能力和整車控制能力。在今天軟件定義汽車和汽車電氣智能化的發(fā)展趨勢下，汽車“域控制器”（Domain Control Unit，DCU）通過將功能相似、分離的ECU功能集成、整合至一個(gè)比ECU性能更強(qiáng)的處理器硬件平臺上，實(shí)現(xiàn)區(qū)域算力的提升和信息流的快速整合。

• 自動(dòng)駕駛數(shù)據(jù)快速積累

自動(dòng)駕駛算法訓(xùn)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)。L4級汽車的最低路測里程數(shù)要求為10億公里，達(dá)千億公里級別才能確保具備充足數(shù)據(jù)進(jìn)行AI訓(xùn)練及仿真測試，從而確保行駛安全，相當(dāng)于100萬輛車以每天10個(gè)小時(shí)的頻率不間斷行駛1年。

自動(dòng)駕駛各等級路測里程數(shù)最低要求

據(jù)官方公開數(shù)據(jù)，截至2020年4月，特斯拉累計(jì)上路行駛里程已達(dá)48億公里；Waymo的路測里程于2018年10月就已達(dá)到了1000萬英里(約1609萬公里）。2021年，百度宣布L4級自動(dòng)駕駛累積測試?yán)锍虜?shù)突破1000萬公里。

五、總結(jié)

綜上可以看到，宏觀環(huán)境層面整體利好自動(dòng)駕駛產(chǎn)業(yè)的未來發(fā)展。在政策層面，產(chǎn)業(yè)政策積極引導(dǎo)，相關(guān)監(jiān)管也在穩(wěn)步放開，雖然尚未形成具體的L3駕駛責(zé)任分擔(dān)規(guī)則，但可以看到相關(guān)框架正在搭建中。在經(jīng)濟(jì)層面，硬件成本下降、人力成本上升等多重因素推動(dòng)自動(dòng)駕駛產(chǎn)業(yè)發(fā)展，人均GDP的上漲也為消費(fèi)升級，迎接智能汽車奠定經(jīng)濟(jì)基礎(chǔ)。在社會(huì)層面，大眾對于自動(dòng)駕駛的接受度普遍較高。在科技層面，芯片、電子電氣架構(gòu)等技術(shù)的快速發(fā)展和自動(dòng)駕駛路測數(shù)據(jù)的快速積累，共同推動(dòng)自動(dòng)駕駛功能和算法的躍進(jìn)。

03產(chǎn)業(yè)態(tài)勢梳理

一、下游應(yīng)用場景

• 私家乘用車

根據(jù)高工智能汽車數(shù)據(jù)，2021年，我國前裝ADAS標(biāo)配新車上險(xiǎn)量為807.89萬輛，滲透率30.78%，同比增 長29.51%。2022年1月國內(nèi)市場新車（乘用車/不含進(jìn)出口）前裝標(biāo)配搭載L2級輔助駕駛系統(tǒng)上險(xiǎn)量為48.45萬輛，同比增長63.21%，前裝搭載率為22.13%，同比增加近10個(gè)百分點(diǎn)，顯示行業(yè)正處在高速發(fā)展期。

根據(jù)天風(fēng)證券測算，前裝L1-L3級智能駕駛行業(yè)規(guī)模有望從2021年的302億元增長至2025年的合計(jì)862億元， CAGR可達(dá) 30%。

主要玩家：廣汽、上汽、蔚小理等車企；百度Apollo、華為等互聯(lián)網(wǎng)公司；電裝、博世、采埃孚等傳統(tǒng)tier 1廠商；經(jīng)緯恒潤、知行科技、福瑞泰克、毫末智行、智駕科技等自動(dòng)駕駛初創(chuàng)企業(yè)。

• Robotaxi

Robotaxi賽道是市場空間最大的自動(dòng)駕駛場景之一，2020年我國網(wǎng)約車日訂單已經(jīng)突破2,100萬單。麥肯錫預(yù)測在2031年中國Robotaxi市場規(guī)模有望達(dá)到2.8萬億。

主要玩家可分為三類：特斯拉、通用、福特、上汽、廣汽、吉利、小鵬等車企；Waymo、百度Apollo、滴滴等互聯(lián)網(wǎng)公司；小馬智行、Momenta、文遠(yuǎn)知行、元戎啟行等自動(dòng)駕駛初創(chuàng)企業(yè)。

其中，車企的參與方式又可分為兩種，一種是車企借助出行平臺與自動(dòng)駕駛公司進(jìn)行三方合作的玩家，具體有上汽享道出行 （與 Momenta 合作） 、 廣汽如祺出行 （與文遠(yuǎn)知行合作） 以及 吉利旗下曹操出行 （與元戎啟行合作）。另一種是車企自主掌握自動(dòng)駕駛技術(shù)親身下場，類似特斯拉和小鵬。

• Robobus

在當(dāng)前的城市交通場景下，軌道交通+微循環(huán)的交通運(yùn)輸系統(tǒng)成為許多城市推行的公共交通出行方案。其中，微循環(huán)系統(tǒng)主要是由城市干道網(wǎng)絡(luò)以外的支路或等外道路組成的區(qū)域道路網(wǎng)絡(luò)。長途出行靠軌道交通，地鐵站與社區(qū)、園區(qū)、商區(qū)等區(qū)域的最后3公里短途出行則是Robobus的主場。

根據(jù)36氪研究院統(tǒng)計(jì)數(shù)據(jù)顯示，2030年中國Robobus市場規(guī)模將達(dá)到千億級規(guī)模。

主要玩家：金龍客車、宇通客車等車企；百度Apollo等互聯(lián)網(wǎng)公司；輕舟智航、蘑菇車聯(lián)、希迪智駕等自動(dòng)駕駛公司。

• 高速干線

在公路物流運(yùn)輸成本中，司機(jī)及燃油成本超過50%，占比極高。僅按照司機(jī)替代邏輯進(jìn)行測算，我國目前干線無人駕駛的市場規(guī)模已經(jīng)達(dá)到近萬億。

主要玩家可分為四類：一汽解放、中國重汽等重卡車企；百度等互聯(lián)網(wǎng)公司；圖森未來、智加科技、嬴徹科技、主線科技、行猩、千掛等自動(dòng)駕駛初創(chuàng)企業(yè)；京東物流、安能、德邦等物流運(yùn)營商。

在合作模式上，自動(dòng)駕駛科技公司和主機(jī)廠各具優(yōu)勢，成為推動(dòng)干線物流自動(dòng)駕駛生態(tài)的主動(dòng)力。頭部自動(dòng)駕駛科技公司定位明確專攻物流場景，研發(fā)能力強(qiáng)勁，掌握核心技術(shù)，與物流商、主機(jī)廠等形成合作關(guān)系，代表公司例如圖森未來、智加科技、嬴徹科技等；重卡企業(yè)具有明顯的資源和生產(chǎn)優(yōu)勢，但通常要借助自動(dòng)駕駛企業(yè)完成在干線物流自動(dòng)駕駛的布局。

• 城配物流

城配場景主要針對城市內(nèi)、城郊之間、鄉(xiāng)鎮(zhèn)內(nèi)、村鎮(zhèn)之間的較短距離的運(yùn)輸，運(yùn)輸半徑通常在 50 公里以內(nèi)。根據(jù)2020年我國輕型貨車保有量和城鎮(zhèn)私營單位交通運(yùn)輸業(yè)人員的平均薪酬，中信證券預(yù)測城配物流的自動(dòng)駕駛的市場規(guī)模預(yù)計(jì)為1.2萬億元。

主要玩家有三類：一汽、萬向車企；中國郵政EMS、德邦快遞等大型物流公司；文遠(yuǎn)知行旗下牧月科技、飛步科技等自動(dòng)駕駛方案供應(yīng)商。

• 末端物流

目前末端物流最主要的場景是快遞和即時(shí)配送，后者包括外賣、生鮮宅配、商超零售、醫(yī)藥配送等。目前我國快遞末端配送成本平均1.2元/件，以2021年快遞業(yè)務(wù)單量預(yù)計(jì)955億件計(jì)算，快遞末端配送市場規(guī)模超過1,100億元；即時(shí)物流配送單價(jià)約7-9元/件，以2021年即時(shí)配送訂單預(yù)計(jì)300億單計(jì)算，即時(shí)配送市場規(guī)模將超過2,000億元。

主要玩家有三類：金龍客車等商用車企；京東、阿里巴巴、美團(tuán)、順豐等物流運(yùn)營商；新石器、白犀牛、一清創(chuàng)新、行深智能等自動(dòng)駕駛方案供應(yīng)商。

• 礦山

無人駕駛在礦區(qū)的落地以改造舊有設(shè)備為先，后期則可以疊加全礦數(shù)字化服務(wù)及運(yùn)輸代運(yùn)營服務(wù)等。以礦區(qū)內(nèi)近100萬的設(shè)備量進(jìn)行測算，礦內(nèi)設(shè)備改造市場潛在市場規(guī)模超過千億；以主要礦種每年近300億方的運(yùn)輸量進(jìn)行測算，運(yùn)營服務(wù)市場潛在市場規(guī)模近3,000億。

目前礦山無人駕駛主要聚焦于露天礦運(yùn)輸，國外主要是用大型礦卡，國內(nèi)采用寬體自卸車。礦企付費(fèi)能力極強(qiáng)，使用意愿也非常高，近幾年落地迅猛等。

主要玩家有三類：徐工集團(tuán)等礦卡制造企業(yè)；中煤集團(tuán)，大唐集團(tuán)，江銅集團(tuán)，中國黃金集團(tuán)等采礦企業(yè)；中科慧拓、踏歌智行、易控智駕、路凱智行等自動(dòng)駕駛方案商。

• 港口

我國擁有港口近100座，其中大型港口十余座，港內(nèi)用于集裝箱運(yùn)載的集卡在20,000臺左右。預(yù)測到2023年國內(nèi)港口碼頭自動(dòng)駕駛集卡車銷量將超5,000輛，市場規(guī)模約為50億元，2026年市場規(guī)模將超過100億。

主要玩家：三一海工、振華重工等港口集卡制造企業(yè)；主線科技、西井科技、斯年智駕、飛步科技、暢行智能等自動(dòng)駕駛方案商。

• 環(huán)衛(wèi)

2,020 年中國環(huán)衛(wèi)服務(wù)市場整體規(guī)模近 2,000 億，其中道路清掃保潔服務(wù)規(guī)模為近1,300億，按2025年無人駕駛滲透率達(dá)到30%進(jìn)行預(yù)測，2025年無人駕駛在環(huán)衛(wèi)場景的市場規(guī)模將達(dá)到400億。

主要玩家：百度Apollo等互聯(lián)網(wǎng)公司；智行者、仙途智能、于萬智駕、高仙機(jī)器人、酷哇機(jī)器人、希迪智駕、深蘭科技等自動(dòng)駕駛初創(chuàng)企業(yè)；盈峰環(huán)境（中聯(lián)環(huán)境）、北京環(huán)衛(wèi)、龍馬環(huán)衛(wèi)等傳統(tǒng)環(huán)衛(wèi)公司；北京環(huán)衛(wèi)旗下的京環(huán)裝備、宇通重工業(yè)等環(huán)衛(wèi)設(shè)備公司。

二、中游ADAS不同技術(shù)路線

自動(dòng)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。

• 純視覺

攝像頭主導(dǎo)的純視覺解決方案：由攝像頭主導(dǎo)，配合毫米波雷達(dá)等低成本傳感器構(gòu)成純視覺計(jì)算，典型代表為特斯拉。其自建芯片和算法團(tuán)隊(duì)，認(rèn)為通過視覺系統(tǒng)優(yōu)化自身AI算法就可以達(dá)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(dá)，以及百度發(fā)表L4級別純視覺方案Apollo lite。

主要玩家：特斯拉、百度Apollo Lite

• 多傳感器融合

激光雷達(dá)主導(dǎo)的強(qiáng)感知方案：該方案由激光雷達(dá)主導(dǎo)，配合攝像頭、毫米波雷達(dá)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(bǔ)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。

主要玩家：通用、廣汽、上汽、蔚小理等車企；電裝、博世、采埃孚等傳統(tǒng)tier 1廠商；Waymo、Uber、滴滴、百度Apollo、華為等互聯(lián)網(wǎng)公司；Minieye、Momenta、經(jīng)緯恒潤、知行科技、福瑞泰克、毫末智行、智駕科技等自動(dòng)駕駛初創(chuàng)企業(yè)。

三、上游產(chǎn)業(yè)

自動(dòng)駕駛產(chǎn)業(yè)鏈可分為硬件與軟件兩大部分，主要包括車載攝像頭、激光雷達(dá)、芯片、通信設(shè)備和高精度地圖、高精度定位、操作系統(tǒng)、ADAS等，涉及感知層、傳輸層、決策層等不同層面。其中硬件部分多來自tier 1供應(yīng)商，軟件部分尤其是ADAS和操作系統(tǒng)逐漸出現(xiàn)整機(jī)廠自研，加強(qiáng)技術(shù)護(hù)城河的趨勢。

• 軟件

a、OS

狹義上的OS特指可直接搭載在硬件上的OS內(nèi)核；而廣義OS從下至上包括從BSP、操作系統(tǒng)內(nèi)核、中間件及庫組件等硬件和上層應(yīng)用之間的所有程序。

自動(dòng)駕駛OS內(nèi)核的格局較為穩(wěn)定，主要玩家為QNX、Linux。因打造全新OS需要花費(fèi)大量的人力、物力，當(dāng)前，Waymo、百度、特斯拉、Mobileye等公司的自研自動(dòng)駕駛OS，都是指在上述現(xiàn)成內(nèi)核的基礎(chǔ)之上自研中間件和應(yīng)用軟件。

b、算法

算法是ADAS（Advanced Driving Assistance System）高級駕駛輔助系統(tǒng)的組成部分。作為自動(dòng)駕駛解決方案中的的軟件和算法部分的集成，ADAS通過對傳感器收集的數(shù)據(jù)流建立相應(yīng)的模型，制定出適合的控制策略。

由于真實(shí)路況的復(fù)雜程度，以及不同人對于不同路況的不同解決對策，ADAS功能的實(shí)現(xiàn)需由感知、決策、規(guī)劃等多種算法進(jìn)行技術(shù)支撐，覆蓋多數(shù)罕見路況的海量數(shù)據(jù)和完善高效的人工智能技術(shù)。

國外代表廠商有福特、奧迪等車企和Waymo、通用Cruise等初創(chuàng)公司；國內(nèi)代表廠商包括蔚小理、零跑等車企，百度、華為、滴滴等互聯(lián)網(wǎng)企業(yè)，Momenta、小馬智行、文遠(yuǎn)知行、元戎啟行、禾多等初創(chuàng)企業(yè)。

c、高精地圖

目前，高精度地圖的生產(chǎn)與更新出現(xiàn)了三種技術(shù)模式：

1）基于“激光雷達(dá)+人工智能處理”模式。該模式穩(wěn)定性高，但是采集設(shè)備成本高，是各大圖商采用的主流模式。

2）“眾包采集+AI識別提取”模式。該模式成本低，但是精度和穩(wěn)定性待提升，是主流圖商更新和初創(chuàng)圖商采用的主流模式。

3）“車輛動(dòng)態(tài)上傳+動(dòng)態(tài)地圖自動(dòng)下發(fā)更新”模式。該模式是最為理想的高精度地圖生產(chǎn)與更新模式，尚處于論證階段，需要隨著智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)的發(fā)展不斷完善。

IDF報(bào)告顯示，百度、四維圖新、易圖通、高德四家老牌圖商2020年合計(jì)占到中國高精地圖78.9%的市場份額。

具有導(dǎo)航電子地圖制作（甲級）測繪資質(zhì)的共有20余家企業(yè)，四維圖新、高德、靈圖、百度萬方、凱立德、易圖通、騰訊大地通途、武漢光庭、滴圖科技、武漢中海庭、貴州寬凳、北京初速度、江蘇晶眾、江蘇智途（被小鵬收購）、華為、順豐、京東、億咖通等。

2021年底，自然資源部開始推進(jìn)導(dǎo)航電子地圖制作甲級測繪資質(zhì)復(fù)審工作，目前已有15家企業(yè)通過復(fù)審。

導(dǎo)航電子地圖制作甲級測繪資質(zhì)企業(yè)

d、高精定位

高精度定位可以按照不同的定位技術(shù)分為三類：

第一類，基于信號的定位，如GNSS（全球?qū)Ш叫l(wèi)星系統(tǒng)）定位，是指通過觀測GNSS衛(wèi)星獲得坐標(biāo)系內(nèi)絕對定位坐標(biāo)的測量技術(shù)。

第二類，依靠IMU（慣性測量單元）等進(jìn)行航跡推算，根據(jù)上一時(shí)刻的位置和方位推斷現(xiàn)在的位置和方位。

第三類，環(huán)境特征匹配，基于激光雷達(dá)的定位，用觀測到的特征與數(shù)據(jù)庫及存儲(chǔ)的特征進(jìn)行匹配，得到車的位置和姿態(tài)。

出于系統(tǒng)安全性和單一定位方式局限性考慮，往往采用組合定位實(shí)現(xiàn)高精度定位，衛(wèi)慣組合定位（GNSS+IMU）則是現(xiàn)階段應(yīng)用較廣泛的高精度定位方案。

高精度定位方面的國內(nèi)知名廠商有華測導(dǎo)航、北云科技、導(dǎo)遠(yuǎn)電子、星網(wǎng)宇達(dá)、千尋位置、六分科技等，國外知名廠商有 Ublox、意法半導(dǎo)體、霍尼韋爾等。 

• 硬件

對乘用車和商用車而言，因?yàn)檐嚿沓叽纭⒅亓康扔布蛩匾约皯?yīng)用場景的不同，其對車載攝像頭、激光雷達(dá)等傳感器的要求存在一定差異。而從硬件供應(yīng)端來看，目前市場上多數(shù)廠商的產(chǎn)品矩陣都涵蓋了商用車和乘用車。

a、芯片

智能化帶來的運(yùn)算及數(shù)據(jù)處理需求是推動(dòng)算力發(fā)展的原始動(dòng)力。隨著當(dāng)下智能化汽車的發(fā)展，傳統(tǒng)的單一類型的微處理器（CPU、GPU、FPGA、ASIC）受限于算力難以滿足更高階自動(dòng)駕駛需求。根據(jù)公開資料顯示，當(dāng)前智能化汽車算力需求在500,000DMIPS左右，相當(dāng)于4-5枚左右Intel Core i7-3770K芯片算力（106,913 DMIPS/枚）。

因勢利導(dǎo)，芯片廠通過重塑芯片架構(gòu)，推出SoC芯片來滿足智能汽車趨勢下的高算力標(biāo)準(zhǔn)。目前的代表廠商有傳統(tǒng)巨頭高通、英偉達(dá)等，博世、Mobileye等快速崛起，華為、黑芝麻、地平線等廠商實(shí)力逐步增強(qiáng)，成為國產(chǎn)算力芯片的代表廠商。

b、攝像頭

攝像頭是自動(dòng)駕駛汽車中重要的傳感器之一，在自動(dòng)駕駛過程中的首要任務(wù)就是道路識別，主要是圖像特征法和模型匹配法來進(jìn)行識別。行駛過程中需要進(jìn)行障礙物檢測和路標(biāo)路牌識別等，此時(shí)車輛上的信息采集便可以運(yùn)用單目視覺或者多目視覺。

海外 Tier 1 在車載鏡頭模組封裝領(lǐng)域具備先發(fā)優(yōu)勢，根據(jù) ICVTank 數(shù)據(jù)， 2020年市場前五大廠商為麥格納、松下、法雷奧、博世及采埃孚。

國內(nèi)方面，包括海康威視、德賽西威、舜宇光學(xué)、聯(lián)創(chuàng)電子等數(shù)十家國內(nèi)企業(yè)，已在不同種類的車載攝像頭方面有著多種布局。

車載鏡頭市場目前呈現(xiàn)一超多強(qiáng)態(tài)勢，舜宇光學(xué)2020 年市占率 32%，二線廠商主要為日韓企業(yè)，包括日本的麥克賽爾、富士膠片、電產(chǎn)三協(xié)和韓國世高光等。在ADAS 感知攝像鏡頭市場， 舜宇光學(xué)更是占據(jù)領(lǐng)導(dǎo)地位，2020 年全球市占率超 50%。

c、激光雷達(dá)

激光雷達(dá)通過發(fā)射、接收、處理激光信號進(jìn)行目標(biāo)探測和識別。激光雷達(dá)的工作原理是向指定區(qū)域發(fā)射探測信號(激光束)，經(jīng)過目標(biāo)物反射后，將收集到的反射回來信號與發(fā)射信號進(jìn)行處理比較，即可獲得待測區(qū)域環(huán)境和目標(biāo)物體的有關(guān)空間信息，如目標(biāo)距離、方位角、尺寸、移動(dòng)速度等參數(shù)，從而實(shí)現(xiàn)對特定區(qū)域的環(huán)境和目標(biāo)進(jìn)行探測、跟蹤和識別。

按照測距原理的不同，激光雷達(dá)可以劃分為飛行時(shí)間測距法、基于相干探測的 FMCW 測距法、以及三角測距法等。其中 ToF 與 FMCW 可實(shí)現(xiàn)室外陽光下較遠(yuǎn)的測距，是目前市場車載中長距激光雷達(dá)的主流方案。

根據(jù)半導(dǎo)體咨詢機(jī)構(gòu)Yole公布的數(shù)據(jù)顯示，代表性廠商以tier1廠商為主，法雷奧、電裝、大陸、博世等合計(jì)占據(jù)約45%左右的市場份額；而國內(nèi)廠商以速騰聚創(chuàng)、覽沃科技（大疆）、禾賽科技、圖達(dá)通、華為等主要代表。

d、通信設(shè)備（T-BOX）

Telematics-BOX，車聯(lián)網(wǎng)系統(tǒng)中的智能車載終端，給車機(jī)提供外網(wǎng)連接功能、定位功能、實(shí)現(xiàn)整車CAN網(wǎng)絡(luò)的遠(yuǎn)程診斷控制功能，是V2X車聯(lián)網(wǎng)技術(shù)的必要組成部分。 

根據(jù)國金證券數(shù)據(jù)顯示，2020 年國內(nèi) T-Box 市場規(guī)模達(dá)到 100 億元左右，裝配率約為 52%，預(yù)計(jì)到 2025 年達(dá)到 80%以上。根據(jù) strategy analyst 數(shù)據(jù)顯示，預(yù)計(jì) 2027 年全球汽車網(wǎng)關(guān)滲透率將達(dá)到 100%，市場規(guī)模達(dá)到 27 億美元。 

根據(jù)高工智能汽車研究院統(tǒng)計(jì)的數(shù)據(jù)顯示，2020年國內(nèi)T-BOX的主要供應(yīng)商仍以tier 1廠商為主，包括傳統(tǒng)巨頭LG、法雷奧、電裝、哈曼、大陸等，國內(nèi)代表廠商以聯(lián)友科技、德賽西威、億咖通、慧翰微電子、高德旗下的暢星等為代表。

04產(chǎn)業(yè)創(chuàng)投機(jī)會(huì)與商業(yè)機(jī)會(huì)

據(jù)天眼查數(shù)據(jù)顯示，自動(dòng)駕駛賽道自2016年開始進(jìn)入爆發(fā)期。

根據(jù)公開資料的不完全統(tǒng)計(jì)，2021年全球超過1億美元以上的大額融資事件達(dá)到46次，中美囊括了44次，并且?guī)缀醢鼣埲蜃詣?dòng)駕駛累計(jì)融資金額TOP 20企業(yè)。從金額來看，中美已連續(xù)三年占據(jù)90%以上的資金份額。

中美自動(dòng)駕駛賽道融資情況

中美自動(dòng)駕駛項(xiàng)目融資輪次

一、中國創(chuàng)投市場融資情況概述及拆解

中國自動(dòng)駕駛資本市場在經(jīng)歷了2018年和2019年的資本寒冬后，于2020年開始回暖，并在2021年迎來新一波投融資熱潮。

根據(jù)鯨準(zhǔn)數(shù)據(jù)庫，2021年-2022上半年，中國市場共發(fā)生575起自動(dòng)駕駛企業(yè)融資事件，融資金額接近1500億元。其中，2021年錄的422起自動(dòng)駕駛企業(yè)融資事件，2022年上半年錄的153起。

融資輪次方面，其中，種子輪至A輪項(xiàng)目211個(gè)，A+輪至C輪項(xiàng)目162個(gè)，C+輪至Pre-IPO項(xiàng)目33個(gè)，戰(zhàn)略投資與并購項(xiàng)目195個(gè)，上市及以后項(xiàng)目23個(gè)。

根據(jù)公開數(shù)據(jù)顯示，2021年，整車、自動(dòng)駕駛解決方案、零部件、Robotaxi成為我國自動(dòng)駕駛行業(yè)熱門賽道。其中，零部件領(lǐng)域融資金額占比達(dá)到38%，有44家自動(dòng)駕駛零部件企業(yè)獲得融資，累計(jì)金額達(dá)到了41.3億美元。

從具體細(xì)分領(lǐng)域來看，國內(nèi)零部件企業(yè)融資事件主要集中在芯片和激光雷達(dá)這兩項(xiàng)自動(dòng)駕駛關(guān)鍵零部件上，二者占比之和達(dá)到了94%。

這一趨勢也延續(xù)到2022年。從2022年國內(nèi)第一季度投融資事件數(shù)量及金額來看，增量零部件領(lǐng)域融資事件數(shù)量占比已超過56%，融資金額占比已超過43%。

2022年以來中國自動(dòng)駕駛賽道的融資事件

二、美國創(chuàng)投市場融資情況及拆解

根據(jù)鯨準(zhǔn)數(shù)據(jù)庫，2021年到2022年上半年，美國共發(fā)生233起自動(dòng)駕駛企業(yè)融資事件，融資總金額超過4000億元。其中，2021年錄的177起，2022年上半年度錄的56起。

在單次融資金額方面，Cruise以13.5億美元的融資拔得2022上半年度頭籌，是繼通用汽車21億美元收購軟銀持有的Cruise股份后，代替軟銀完成2018年承諾的追加投資。

融資輪次方面，其中，種子輪至A輪項(xiàng)目74個(gè)，A+輪至C輪項(xiàng)目39個(gè)，C+輪至Pre-IPO項(xiàng)目12個(gè)，戰(zhàn)略投資與并購項(xiàng)目90個(gè)，上市及以后項(xiàng)目18個(gè)。

在賽道方面，根據(jù)公開數(shù)據(jù)，美國市場主要集中在場景落地及商業(yè)應(yīng)用領(lǐng)域，其中被投企業(yè)為服務(wù)各場景的機(jī)器人制造商的融資事件共49起，相較之下被投企業(yè)為自動(dòng)駕駛技術(shù)研發(fā)商的融資事件僅23起。

2022年以來美國自動(dòng)駕駛賽道的融資事件

三、2022年中美自動(dòng)駕駛創(chuàng)投市場對比

對比2021-2022中美自動(dòng)駕駛企業(yè)的融資情況可以發(fā)現(xiàn)，中國自動(dòng)駕駛投融資市場活躍度更高。中國自動(dòng)駕駛領(lǐng)域投融資總金額僅為美國的37.5%，但融資事件數(shù)量是美國的2.5倍，反映出中國自動(dòng)駕駛企業(yè)數(shù)量較多且創(chuàng)新活力更強(qiáng)。

美國自動(dòng)駕駛投融資呈現(xiàn)出頻次低、金額高、頭部集中的特點(diǎn)。其中，Cruise在2021年共融資3次，金額達(dá)到97.5億美元，成為2021全球自動(dòng)駕駛“融資王”。同時(shí)，Cruise、Waymo、Nuro三家企業(yè)在2021年共融資128.5億美元，占據(jù)美國總?cè)谫Y額的92%以上。

而在中國自動(dòng)駕駛市場，中小企業(yè)仍然充滿機(jī)遇。2021年，地平線、Momenta和文遠(yuǎn)知行三家企業(yè)累計(jì)融資金額為47.9億美元，占據(jù)國內(nèi)整體份額的41%，尚未形成頭部壟斷格局。未來，預(yù)計(jì)行業(yè)集中度將快速提升，最終將迎來新一輪玩家整合。

同樣可以看到的是，中美在投資重點(diǎn)上各有不同。相比美國重視場景落地及商業(yè)應(yīng)用，中國市場的資本更看重零部件領(lǐng)域的布局，凸顯出資本市場對中國智能汽車產(chǎn)業(yè)鏈創(chuàng)新能力和發(fā)展?jié)摿Φ念A(yù)期看好。

四、2022年中國自動(dòng)駕駛的創(chuàng)業(yè)、投資、創(chuàng)新機(jī)會(huì)

a、終端需求主導(dǎo)投資風(fēng)向。在以B端客戶為導(dǎo)向的自動(dòng)駕駛產(chǎn)業(yè)，企業(yè)客戶的痛點(diǎn)決定了資金的流向。

乘用車市場上，在車企尋求產(chǎn)品差異化和建立技術(shù)壁壘的需求主導(dǎo)下，芯片、雷達(dá)等核心零部件及軟件算法等可構(gòu)成自動(dòng)駕駛方案核心競爭力的賽道預(yù)計(jì)仍是資本市場的主要熱點(diǎn)。

在商用車端，受場景落地及商業(yè)應(yīng)用的需求驅(qū)動(dòng)，服務(wù)礦區(qū)、港口和干線物流等智慧物流、及環(huán)衛(wèi)和無人小巴等智慧交通領(lǐng)域的自動(dòng)駕駛企業(yè)同樣受到關(guān)注。

b、投資熱點(diǎn)之下，還需關(guān)注到的是細(xì)分市場的市場規(guī)模、玩家集中度及準(zhǔn)入門檻對創(chuàng)業(yè)機(jī)會(huì)形成的限制。

我們通過整理公開數(shù)據(jù)，從市場規(guī)模、市場集中度、行業(yè)門檻兩個(gè)維度對自動(dòng)駕駛產(chǎn)業(yè)鏈上的創(chuàng)業(yè)機(jī)會(huì)進(jìn)行評估。

其中，市場規(guī)模方面，我們以細(xì)分領(lǐng)域的市場規(guī)模最大值為標(biāo)準(zhǔn)參照物，其他領(lǐng)域的值以相對百分比的形式取值。滿分為100分。

分散程度方面，我們以細(xì)分領(lǐng)域的CR5為衡量標(biāo)準(zhǔn)，取值在0-100%之間。

進(jìn)入門檻方面，我們通過對細(xì)分領(lǐng)域的技術(shù)壁壘及起步資金投入進(jìn)行評估，容易度由低到高，取值在0-5之間。

經(jīng)過梳理，我們可以歸結(jié)出以下創(chuàng)業(yè)機(jī)會(huì)：

可以看到，激光雷達(dá)、操作系統(tǒng)、車聯(lián)網(wǎng)（車載通信模組、T-BOX）具有較大的創(chuàng)業(yè)空間。

05產(chǎn)業(yè)風(fēng)向展望

一、技術(shù)路徑展望

• 車路協(xié)同 VS 單車智能

自動(dòng)駕駛當(dāng)前存在兩大主流的實(shí)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(jìn)行通信、通過云端調(diào)控的車路協(xié)同模式。

當(dāng)前，產(chǎn)業(yè)內(nèi)形成了以美國為代表的“單車智能”路線和以中國為代表的“車路協(xié)同”路線。

美國在人工智能領(lǐng)域全球領(lǐng)先，人才儲(chǔ)備充足，基礎(chǔ)科研實(shí)力強(qiáng)，人工智能企業(yè)數(shù)量位居全球首位。另外，美國擁有發(fā)達(dá)的集成電路技術(shù)，在高端芯片設(shè)計(jì)領(lǐng)域一直保持領(lǐng)先態(tài)勢，為單車智能所需的高性能車載芯片發(fā)展打下了良好基礎(chǔ)。

相比之下，中國在網(wǎng)聯(lián)化建設(shè)方面成果顯著。以華為為代表的通信企業(yè)在5G技術(shù)方面世界領(lǐng)先，且5G基站鋪設(shè)速度快、覆蓋廣。工信部預(yù)計(jì)2020年底中國5G基站數(shù)量將超過60萬個(gè)。同時(shí)，中國政府大力推行5G網(wǎng)絡(luò)、物聯(lián)網(wǎng)、衛(wèi)星互聯(lián)網(wǎng)、數(shù)據(jù)中心、智能交通基礎(chǔ)設(shè)施等新型基礎(chǔ)設(shè)施建設(shè)，由我國主導(dǎo)設(shè)立的C-V2X已成為世界智能駕駛發(fā)展的主流。從道路情況來看，中國高速公路總里程世界第一，公路總里程和公路網(wǎng)密度快速增加，且收費(fèi)公路里程遠(yuǎn)高于美國，這些基礎(chǔ)設(shè)施建設(shè)方面的特殊性將有力推動(dòng)車路協(xié)同的發(fā)展。

單車智能和車路協(xié)同的本質(zhì)是技術(shù)和成本在車側(cè)和路測的平衡。

從目前表現(xiàn)來看，單車智能存在較多弱點(diǎn)：多傳感器融合對芯片性能提出了較高要求，同時(shí)導(dǎo)致單車成本較高，難以進(jìn)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(dòng)駕駛110億英里的道路檢測難以實(shí)現(xiàn)；全自動(dòng)駕駛有高達(dá)百萬的Corner Cases需要解決，光靠軟件設(shè)計(jì)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。在單車智能的基礎(chǔ)上，車路協(xié)同形成單車傳感器的性能延伸，緩解計(jì)算平臺算力壓力，對于高級別自動(dòng)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。

然而，車路協(xié)同的實(shí)現(xiàn)離不開公路的智能化改造和基礎(chǔ)設(shè)施投資。據(jù)天風(fēng)證券和中銀國際證券測算，高速公路的單公里智能化改造成本是100萬左右，包含了RSU、邊緣計(jì)算、攝像頭等設(shè)備，考慮到中國的高速公路里程14.96萬公里，一級公路11.17萬公里，高速公路和一級公路的智能化改造市場規(guī)模約為2,613億元。由于二級公路和更低等級的公路路況較為復(fù)雜，有更多機(jī)動(dòng)車與非機(jī)動(dòng)車和行人混行的情況，需在十字路口、事故易發(fā)路段等關(guān)鍵場景鋪設(shè)更多路側(cè)設(shè)備，不同路況的單公里智能化改造投資差異較大，難以進(jìn)行估算。

在36氪的調(diào)研過程中，我們發(fā)現(xiàn)2022年車路協(xié)同在中國市場極有可能加速落地。6月在財(cái)政部的支持穩(wěn)住經(jīng)濟(jì)大盤工作專題新聞發(fā)布會(huì)上，新基建、新能源項(xiàng)目被納入專項(xiàng)債券重點(diǎn)支持范圍。同時(shí)財(cái)政部表示，要確保今年的新增專項(xiàng)債券6月底前基本發(fā)行完畢，力爭8月底前基本使用完畢。1-5月，各地已累計(jì)發(fā)行新增專項(xiàng)債券2.03萬億元。按照2022年的3.56萬億的專項(xiàng)債額度，目前仍有過萬億的專項(xiàng)債額度，而與新基建相關(guān)的智能城市、智慧交通項(xiàng)目很有可能成為重點(diǎn)扶持項(xiàng)目。

• 漸進(jìn)式 VS 一步到位式

從技術(shù)實(shí)現(xiàn)路徑來說，目前存在漸進(jìn)式和一步到位式兩大路徑。其中漸進(jìn)式以傳統(tǒng)車企和造車新勢力為代表，實(shí)現(xiàn)從L0到L5的自動(dòng)駕駛逐級進(jìn)階，目前正處于L3自動(dòng)駕駛初步導(dǎo)入階段，下一階段主要拓展城市區(qū)域同時(shí)提升功能連續(xù)性。跨越式以科技巨頭為代表的，如谷歌Waymo、百度Apollo等，寄期一步到位實(shí)現(xiàn)自動(dòng)駕駛，核心在于場景落地及行之有效的商業(yè)模式。

兩種技術(shù)路線的背后是不同商業(yè)模式之爭。以傳統(tǒng)的車企為代表主導(dǎo)的漸進(jìn)式路線，目的在于平衡性能提升與成本，避免在自動(dòng)駕駛汽車成為市場主流之時(shí)，淪為科技互聯(lián)網(wǎng)企業(yè)的造車代工廠。此外也有專家認(rèn)為，自動(dòng)駕駛逐級提升同時(shí)帶來的數(shù)據(jù)積累更有利于算法的泛化性訓(xùn)練，在深度學(xué)習(xí)方面形成技術(shù)支撐。

一步到位式路線的代表性公司選擇的商業(yè)模式則是通過提供服務(wù)和技術(shù)授權(quán)來產(chǎn)生收入。一方面，他們并不認(rèn)為“人機(jī)共駕”是實(shí)現(xiàn)自動(dòng)駕駛的必經(jīng)之路，另一方面，通過提供服務(wù)和技術(shù)授權(quán)的方式盈利，可以避免企業(yè)走上擁有汽車的重資產(chǎn)之路，這與互聯(lián)網(wǎng)公司的基因相吻合。

漸進(jìn)式路線除特斯拉相對領(lǐng)先外，自主車企差距尚不明顯。目前國內(nèi)領(lǐng)先車企大多選用“軟件自研+硬件預(yù)埋”方案，希望通過后續(xù)OTA升級迭代軟件算法，拓展自動(dòng)駕駛設(shè)計(jì)運(yùn)行區(qū)域（ODD）。

相比之下，選擇了一步到位式路線的科技巨頭及初創(chuàng)公司們則紛紛開始尋求在特定場景的商業(yè)化。以Waymo和百度Apollo為代表的科技巨頭公司從場景最為復(fù)雜的Robotaxi切入，通過布局車隊(duì)來獲取路測數(shù)據(jù)，目前Waymo道路測試已超2,000萬英里，百度Apollo谷內(nèi)測試?yán)锍坛?00萬公里；初創(chuàng)公司已在港口、礦山等結(jié)構(gòu)化場景實(shí)現(xiàn)L4自動(dòng)駕駛的落地。

• 多傳感器融合 VS 純視覺

在感知層面，同樣有不同的技術(shù)主張。

多傳感器融合技術(shù)路線是指，利用攝像頭、激光雷達(dá)、毫米波雷達(dá)等各種傳感器進(jìn)行多層次、多空間的信息互補(bǔ)和優(yōu)化組合處理，最終產(chǎn)生對觀測環(huán)境的一致性解釋。

純視覺技術(shù)路線把更多精力放在研發(fā)強(qiáng)大的視覺算法及專用AI芯片的能力來處理自動(dòng)駕駛可能遇到的所有情況。

以特斯拉為代表的純視覺方案背后是遠(yuǎn)超市場上大部分公司的強(qiáng)大硬件研發(fā)能力和巨大數(shù)據(jù)源。而對于絕大多數(shù)主機(jī)廠而言，這些基礎(chǔ)能力鴻溝是難以跨越的。尤其在短期內(nèi)，純視覺方案基于深度學(xué)習(xí)的算法尚未達(dá)到全路況覆蓋情況下、安全性仍存疑，多傳感器融合方案安全性更高。

不同傳感器之間的功能互補(bǔ)。攝像頭的作用主要是識別物體顏色，但會(huì)受陰雨天氣的影響；毫米波雷達(dá)能夠彌補(bǔ)攝像頭受陰雨天影響的弊端，能夠識別距離比較遠(yuǎn)的障礙物，比如行人、路障等，但是不能夠識別障礙物的具體形狀；激光雷達(dá)可以彌補(bǔ)毫米波雷達(dá)不能識別障礙物具體形狀的缺點(diǎn)。

而在這之中，憑借著在目標(biāo)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(dá)正在成為L4級及以上自動(dòng)駕駛的核心配置。但考慮到激光雷達(dá)的造價(jià)高昂，部分廠商仍選擇研發(fā)性能更高的毫米波雷達(dá)，以期取代低端的激光雷達(dá)。如華為的4D高精成像毫米波雷達(dá)，預(yù)計(jì)量產(chǎn)后成本為激光雷達(dá)的1/10。

另一方面，特斯拉在AI DAY的技術(shù)演講中展示了BEVFormer之后，引領(lǐng)了一波關(guān)于BEV感知的研究浪潮。在nuScenes 3D object detection task上，目前前6名方案都是2022年3月進(jìn)行的提交。國產(chǎn)廠商中，地平線和毫末智行均公開展示過其感知方案使用BEV范式。

在36氪的調(diào)研過程中，有部分車企的相關(guān)負(fù)責(zé)人表示，通過2D數(shù)據(jù)和BEV數(shù)據(jù)集的效果對比驗(yàn)證，證實(shí)了純視覺方案的可行性。

• 高性價(jià)比 VS 高性能

目前在各家車企的自動(dòng)駕駛方案上呈現(xiàn)出硬件配置越級的趨勢。在當(dāng)前算法仍未突破L2級別的情況下，不少車企紛紛將硬件配置提升至L3、L4級別。

一方面，高級別自動(dòng)駕駛的實(shí)現(xiàn)需要冗余設(shè)計(jì)。即使一套系統(tǒng)出了問題，另一套系統(tǒng)也可以及時(shí)補(bǔ)上，確保安全。因此我們看到車企在傳感器數(shù)量和芯片算力等硬件配置上不斷提升。

另一方面，在當(dāng)前算法普遍未取得突破的情況下，大部分車企選擇“硬件預(yù)埋、配置冗余”的方案，以期之后通過OTA方式實(shí)現(xiàn)自動(dòng)駕駛軟硬件的快速迭代。

不過，冗余結(jié)構(gòu)的設(shè)計(jì)雖然帶來更好的安全性，無疑也額外增加了倍數(shù)成本。在36氪的調(diào)研過程中，也有專家表示，對于直接目標(biāo)設(shè)計(jì)是L3或者是L4級的車，冗余是需要的。但對于定位為L2，或者是L2++的車型，駕駛行為本身的主體是駕駛員，冗余設(shè)計(jì)只是在增加成本。

• 封閉場景 VS 城市開放場景

相比乘用車，商用車端的自動(dòng)駕駛落地需要應(yīng)對更多種類的工況場景。在橫跨不同場景時(shí)，商用車需要應(yīng)對的技術(shù)難點(diǎn)也不盡相同。

一方面，礦區(qū)、港口這樣的特殊場景，意味著自動(dòng)駕駛企業(yè)需要考慮到更多超出認(rèn)知的Conner case。比如在礦區(qū)實(shí)際生產(chǎn)作業(yè)時(shí)，需要以車隊(duì)編組調(diào)度作業(yè)，同時(shí)運(yùn)輸車隊(duì)需要連接挖掘、裝卸等其他作業(yè)流程，對平臺調(diào)度能力及車輛決策能力提出更高要求，通常，一個(gè)大的工作面有6、7個(gè)編組交叉作業(yè)，這樣有的路口可能有幾十輛車交匯，長期看，調(diào)度算法對提高生產(chǎn)經(jīng)營效率的價(jià)值要超過無人駕駛單車智能算法；

而在港口區(qū)內(nèi)沒有交通燈控制，每個(gè)路口都沒有保護(hù)，考驗(yàn)自動(dòng)駕駛集卡的感知能力和行為預(yù)測能力。自動(dòng)駕駛集卡僅承擔(dān)港口作業(yè)中的水平運(yùn)輸環(huán)節(jié)，和橋吊、場橋的配合十分重要，要求定位誤差要維持在厘米級范圍內(nèi)。對于車身長、慣性大的港口集卡，需要進(jìn)行適應(yīng)調(diào)整；

另一方面，各種礦區(qū)不同的工況特點(diǎn)會(huì)給技術(shù)可靠性和通用性帶來挑戰(zhàn)，例如金屬礦石的電磁特性會(huì)影響毫米波雷達(dá)的性能，高寒地區(qū)礦區(qū)的溫度會(huì)影響電氣電子設(shè)備的穩(wěn)定性等，碼頭遍布的金屬集裝箱將對信號有所干擾的情況，還需解決影響衛(wèi)星導(dǎo)航系統(tǒng)定位精度的問題。

此外在高速等半封閉場景，還需要考慮到商用車自身的特性。比如重卡車身較高，車輛視覺盲區(qū)大，需要重點(diǎn)覆蓋的感知范圍更大；而重卡較長的車身導(dǎo)致所需變道時(shí)間較長，對感知距離與預(yù)判時(shí)間要求更高；重卡車頭與車掛之間的柔性連接也讓自動(dòng)駕駛車身姿態(tài)控制難度增大。同時(shí)，由于重卡載重波動(dòng)在14噸至49噸之間，巨大波動(dòng)對車身高度、重心有較大影響，對自動(dòng)駕駛車身控制要求較高；在行駛過程中，車身懸掛抖動(dòng)明顯，傳感器在線標(biāo)定比較困難。另外一方面，重卡躲在高速道路行駛，時(shí)速高、載重大，在雨天路滑的情況下，安全制動(dòng)距離需要至少300m，因此對比其他場景的車型，自動(dòng)駕駛重卡所需的感知距離更長、要求的反應(yīng)速度更快且控制更加精準(zhǔn)。

而在環(huán)衛(wèi)、城配物流等城市開放場景，自動(dòng)駕駛算法不但要應(yīng)對多變的城市場景和各種意料之外的人為或是技術(shù)因素干擾，在安全性上有更嚴(yán)苛要求，還需要匹配各種商用場景的特定任務(wù)需求。比如在環(huán)衛(wèi)場景，自動(dòng)駕駛掃路車對精細(xì)貼邊清掃、自主路線規(guī)劃等有比較高的要求，這導(dǎo)致環(huán)衛(wèi)車行駛過程中將面臨大量樹蔭、隧道、高架橋等對衛(wèi)星信號的干擾，同時(shí)還會(huì)面臨坑洼、邊緣死角等問題。

二、商業(yè)路徑展望

• 新興Tier 1廠商呈多元化態(tài)勢

在汽車產(chǎn)業(yè)巨變的同時(shí)，車企的tier 1廠商正在往多元化方向發(fā)展。互聯(lián)網(wǎng)公司、消費(fèi)電子廠商及自動(dòng)駕駛初創(chuàng)企業(yè)前赴后繼，挑戰(zhàn)傳統(tǒng)tier 1的行業(yè)地位。比如百度跨界上游軟件賽道，在OS、ADAS、高精地圖等均有布局；華為在提供雷達(dá)、芯片、域控制器、T-box等一系列硬件設(shè)備之外，ADAS算法被采購量也位居國內(nèi)廠商前列；Mobileye、地平線等初創(chuàng)企業(yè)則是通過芯片、算法乃至攝像頭實(shí)現(xiàn)軟硬件綁定。

總體而言，在軟件定義汽車的新趨勢下，新興tier 1廠商們基于自身的資源稟賦和擴(kuò)大利潤空間的考慮，紛紛跨界不同細(xì)分市場，向傳統(tǒng)tier 1的地位發(fā)起挑戰(zhàn)。

• 產(chǎn)業(yè)鏈上下游玩家融合

在硬件配置同質(zhì)化、系統(tǒng)軟件底層化的背景下，自動(dòng)駕駛算法是車企打造差異化自動(dòng)駕駛體驗(yàn)、形成軟件盈利模式的關(guān)鍵所在。而傳統(tǒng)的輔助駕駛打包方案缺乏差異性，且無法滿足整機(jī)廠掌握自動(dòng)駕駛核心技術(shù)的訴求。

另一方面，車企在面對復(fù)雜且快速變化的供應(yīng)鏈時(shí)，也希望有所側(cè)重地構(gòu)建自研能力。在36氪的調(diào)研過程中，有部分車企的相關(guān)負(fù)責(zé)人表示，在軟硬件解耦的趨勢下，車企應(yīng)以開放的生態(tài)應(yīng)對技術(shù)的快速迭代和日趨復(fù)雜的供應(yīng)鏈。這意味著車企需要明確區(qū)分哪些產(chǎn)品需要核心自研，哪些可以依賴生態(tài)合作的方式補(bǔ)齊零部件產(chǎn)品鏈。

我們也看到，越來越多的主機(jī)廠選擇在感知、規(guī)控算法等軟件領(lǐng)域選擇自研，建造自身的護(hù)城河。而在芯片、傳感器等硬件領(lǐng)域，出于研發(fā)成本和技術(shù)迭代速度加快的考慮，車企更傾向采購成熟廠商的產(chǎn)品。通過設(shè)置模塊化架構(gòu)，對硬件廠商開放統(tǒng)一接口，在成本支出和產(chǎn)業(yè)話語權(quán)之間求得最優(yōu)解。

在此驅(qū)動(dòng)下，許多車企繞過tier 1廠商，通過直接同核心底層零部件企業(yè)建立合作的方式，提高公司的技術(shù)壁壘和利潤空間。

比如在AI芯片領(lǐng)域，Mobileye等公司的標(biāo)準(zhǔn)化算法方案被部分車企逐漸舍棄，取而代之的是英偉達(dá)和地平線等國產(chǎn)芯片商不斷讓渡研發(fā)份額，將更多的產(chǎn)品設(shè)計(jì)如自動(dòng)駕駛軟硬件系統(tǒng)、操作系統(tǒng)乃至SoC等開放給整機(jī)廠。

• 殺手級應(yīng)用探索

類比智能手機(jī)的發(fā)展歷程，智能汽車最終市場空間最大的不是硬件本身，而是它所延伸出來的包括社交、游戲、移動(dòng)互聯(lián)網(wǎng)所帶來的內(nèi)容爆發(fā)，汽車也應(yīng)類似。所以硬件當(dāng)下已經(jīng)呈現(xiàn)出平價(jià)化，甚至是低價(jià)化，其目的主要是提升終端的數(shù)量。

未來的布局更多將圍繞在車內(nèi)智能座艙、自動(dòng)駕駛等方向，依托OTA升級模式，導(dǎo)入第三方開發(fā)應(yīng)用。一方面，汽車作為移動(dòng)休閑娛樂載體，相應(yīng)的盈利模式、商業(yè)模式也會(huì)更多。另一方面，主機(jī)廠也意識到自動(dòng)駕駛功能的開發(fā)不能完全依賴車企自身的研發(fā)人員。其中涉及許多Conner case，超出了車企的自研能力與精力。借鑒智能手機(jī)的開發(fā)模式，引導(dǎo)發(fā)展開發(fā)者經(jīng)濟(jì)，成為主機(jī)廠的一條可選路徑。

在殺手級應(yīng)用的探索上，數(shù)字化廠商提供的汽車性能相關(guān)應(yīng)用、針對特殊人群的自動(dòng)駕駛場景，比如視障人士、老年人等等，手機(jī)移動(dòng)端娛樂休閑應(yīng)用的平移、甚至是出行及服務(wù)場景下汽車作為第二空間可延伸出的其他應(yīng)用，都是潛在的探索區(qū)域。

開發(fā)者們躍躍欲試的背面，是主機(jī)廠顧慮的數(shù)據(jù)安全問題。車端數(shù)據(jù)不僅涉及終端用戶隱私，也關(guān)系到行車安全。在36氪的調(diào)研過程中，有主機(jī)廠的自動(dòng)駕駛研發(fā)負(fù)責(zé)人表示，在汽車朝向智能網(wǎng)聯(lián)發(fā)展的同時(shí)，網(wǎng)絡(luò)安全和信息安全也是主機(jī)廠重點(diǎn)關(guān)注的部分。這既需要國家出臺相應(yīng)法規(guī)進(jìn)行監(jiān)管，也有賴主機(jī)廠從技術(shù)層面限制對車端數(shù)據(jù)的提取。

• 重資產(chǎn)模式VS輕資產(chǎn)模式

在商用場景中，自動(dòng)駕駛公司也出現(xiàn)了不同盈利模式的分化，在輕資產(chǎn)模式和重資產(chǎn)模式之間各有偏好。

1) 輕資產(chǎn)模式：自動(dòng)駕駛科技公司與傳統(tǒng)汽車主機(jī)廠和運(yùn)營商建立第三方合作關(guān)系：比如在干線物流場景中，自動(dòng)駕駛科技公司向物流平臺方提供自動(dòng)駕駛解決方案和技術(shù)服務(wù)，傳統(tǒng)主機(jī)廠向物流平臺方銷售重卡或者科技企業(yè)直接賦能主機(jī)廠，由主機(jī)廠向物流平臺銷售無人駕駛重卡；物流平臺方根據(jù)托運(yùn)人的需求劃分自營和第三方車隊(duì)，這兩類車隊(duì)也與傳統(tǒng)主機(jī)廠、自動(dòng)駕駛科技公司和物流金融服務(wù)商形成合作關(guān)系。

2) 重資產(chǎn)模式：自動(dòng)駕駛科技公司起主導(dǎo)作用：比如在物流或環(huán)衛(wèi)場景中，自動(dòng)駕駛科技公司購買自動(dòng)駕駛終端載體如重卡、環(huán)衛(wèi)車等等，將其與自動(dòng)駕駛解決方案和技術(shù)一同售賣給物流平臺、環(huán)衛(wèi)運(yùn)營商；此外物流運(yùn)營商和環(huán)衛(wèi)運(yùn)營商也可以向自動(dòng)駕駛科技公司租賃自動(dòng)駕駛車隊(duì)，按里程或時(shí)間向自動(dòng)駕駛公司支付租賃費(fèi)用和自動(dòng)駕駛技術(shù)服務(wù)費(fèi)。