智能網聯汽車產業鏈

根據智能網聯汽車技術架構體系，結合智能網聯汽車產業鏈實際情況，可將智能網聯汽車產業鏈大致分為感知、決策、執行、通信（包含地圖&導航、V2X等）四大模塊，以及智能網聯汽車整車（見圖1）。

一、上游產業鏈

（一）智能感知系統

1.概述

1）感知模塊作用

智能網聯汽車感知模塊主要包括攝像頭、毫米波雷達、超聲波雷達、激光雷達等。環境感知作為基礎環節，主要為后續決策和執行提供依據，其關鍵在于使智能網聯汽車更好地模擬人類駕駛員的感知能力，從而理解自身和周邊的駕駛態勢。

2）感知模塊中不同傳感器優劣勢對比

感知模塊中不同傳感器的原理不盡相同，性能特點也各有優勢，可用于實現不同的功能。根據激光雷達、攝像頭、毫米波雷達、超聲波雷達的探測范圍、探測類型等，它們的優劣勢及面向車載的應用如表1所示。

3）智能網聯汽車傳感器應用發展路線

根據智能網聯汽車DA、PA、CA、HA、FA等級的智能化水平要求和功能需要，參考法國Yole Développement于2015年10月發布的Sensors&Data Management for Autonomous Vehicles Report，給出了實現從DA等級到FA等級智能網聯汽車傳感器的配置需求，即隨著智能網聯汽車智能化等級的提升，傳感器數量成倍增加，而且在SAE-L4級及以上自動駕駛系統中，激光雷達將成為必備的傳感器（見圖2）。

2.攝像頭

1）車載攝像頭的作用與特點

在智能網聯汽車感知模塊中，攝像頭主要用于行駛環境圖像信息的采集，結合圖像識別技術，多用于車輛、行人和交通標志等的識別，給不同階段的自動駕駛技術提供相應的環境感知保障。現階段的ADAS系統主要基于攝像頭實現前向防碰撞預警、車道偏離預警和行人檢測等功能。對比感知模塊中其他傳感器，攝像頭的優勢與挑戰具體說明如表2所示。

2）車載攝像頭分類及應用

按照車載攝像頭在車輛應用中的安裝位置，目前應用于智能網聯汽車的車載攝像頭主要有前視攝像頭（通常指單目、雙目攝像頭）、環視攝像頭（通常包括4個廣角攝像頭）、后視攝像頭（通常包括1個廣角攝像頭）、側視攝像頭（通常包括2個廣角攝像頭）、內置攝像頭（通常包括1個廣角攝像頭）。

前視攝像頭能實現車道偏離預警、前向防碰撞預警、車輛自適應巡航等核心功能，所以后面重點對單目攝像頭、雙目攝像頭這兩種前視攝像頭進行說明。

環視攝像頭指135°的廣角攝像頭，主要裝配在車輛的四周，能實現環視功能。環視目前主要應用于全景泊車，未來的趨勢是加入車道偏離預警等功能。在技術層面，車載攝像頭的應用需要克服空間和圖像素質等難點，通過算法實現各個視角圖像的無縫拼接。

車載攝像頭的安裝位置及功能應用具體說明如表3所示。

3）單目攝像頭、雙目攝像頭

鑒于前視攝像頭在智能網聯汽車感知應用中的重要作用，本部分重點對單目攝像頭、雙目攝像頭這兩種前視攝像頭進行說明。

單目攝像頭測距原理：首先通過圖像匹配進行目標識別，然后通過目標在圖像中的大小估算目標距離。單目攝像頭典型的方案提供商是Mobileye（已被英特爾收購）。

雙目攝像頭測距原理：通過對兩幅圖像視差的計算，直接對前方景物（圖像所拍攝到的范圍）的每個像素點立體匹配，并進行距離測量。雙目攝像頭可以完成所有單目攝像頭能完成的功能，并能夠獲得后者無法達到的深度信息。雙目攝像頭比較典型的方案提供商是中科慧眼。

表4從成本、計算資源要求、識別精度等維度對單目攝像頭、雙目攝像頭的優缺點進行對比分析。

4）車載攝像頭產業鏈分析

（1）產業鏈構成。

車載攝像頭產業鏈主要包括光學鏡頭供應商、感光芯片CMOS供應商、模組組裝商、系統集成方案提供商及終端用戶（車企），如圖3所示。

光學鏡頭：光學鏡頭作為車載攝像頭的核心原件，其品質由焦距、視場角、光圈、畸變、相對照度、分辨率等指標進行衡量。光學鏡頭的典型供應商包括舜宇光學、大立光電等。

感光芯片CMOS：CMOS是攝像頭的核心部件，是一種攝像頭的感光元件，廣泛應用于車載攝像頭上。CMOS市場基本被外資品牌把控，國產品牌的話語權較弱。Sony憑借其在CMOS積累的深厚技術，在全球CMOS傳感器領域常年占據市場份額第一的位置。

模組：車載攝像頭模組的組裝、封裝制造。車載攝像頭模組組裝工藝復雜，市場壁壘較高，典型供應商包括日本的Panasonic和Sony，以及國內的舜宇光學、歐菲等。

系統集成方案：基于攝像頭模組的不同自動駕駛功能的軟件算法及整體解決方案設計。系統集成方案的典型供應商包括博世、大陸等Tier 1供應商，以及Mobileye、中科慧眼、縱目科技等。

（2）產業規模分析。

據市場研究機構IHS預計，2020年車載攝像頭的出貨量將達到8300萬個，是2014年的4倍。Strategy Analytic預測2020年車載攝像頭需求量將突破1.1億個，平均每輛車裝配1個以上。總體而言，汽車攝像頭市場將實現爆發式增長，車載攝像頭的快速成長同時將帶動產業鏈中其他環節的直接受益。HIS統計的全球車載攝像頭模組出貨量如圖4所示。

從國內看，我們假設：①2018—2020年我國的乘用車年復合增長率為3%，到2020年乘用車全年銷量約為2569萬輛；②2020年，前向攝像頭（1個）滲透率接近30%；環視攝像頭（4個）滲透率為16%；后視攝像頭（1個）滲透率為50%；內置攝像頭（1個）滲透率為3%。

基于以上假設，我們推算2020年國內前置攝像頭的需求量約為770萬個，環視攝像頭的需求量約為400萬套，后視攝像頭的需求量約為1280萬個，未來5年復合增長率為30%。按照前置攝像頭約1000元/個，環視攝像頭約1200元/套，后視攝像頭和內置攝像頭約300元/個，2020年國內車載攝像頭的市場規模約為160億元。

5）攝像頭價格分析

按照前述攝像頭分類，分別列舉了不同攝像頭種類、不同生產廠商不同型號的攝像頭產品，并對產品價格進行了分析，具體如表5所示。

3.毫米波雷達

1）車載毫米波雷達的作用

毫米波雷達是智能網聯汽車最廣泛應用的全天候核心傳感器。毫米波是指頻率范圍為30～300GHz的電磁波，波長為1mm～1cm，具有頻率高、波長短、可用頻帶寬等特點。毫米波波束窄且具備高精度的細節分辨能力，相比激光其傳播特征受氣候影響小，具有全天候特性。毫米波雷達具有良好的角度分辨能力，可以檢測較小的物體。同時，毫米波雷達具有極強的穿透率，能夠穿過光照、降雨、揚塵、下霧或霜凍準確探測物體，可以在全黑的環境下工作，即可以全天候工作。毫米波雷達是測量物體相對距離、相對速度、方位的傳感器。毫米波雷達的探測距離較長，可達200多米，現階段的ADAS系統主要基于毫米波雷達實現AEB、盲點探測、ACC等功能。

2）車載毫米波雷達的分類和特點

按照頻段范圍不同，車載毫米波雷達可分為24GHz毫米波雷達、77GHz毫米波雷達和79GHz毫米波雷達。24GHz毫米波雷達主要面向5～70m的中短距離探測，主要應用于BSD、LDW、LKA、LCA、PA等功能。77GHz毫米波雷達主要面向100～250m的中長距離探測，主要應用于ACC、FCW、AEB等功能。隨著車用雷達系統對精度要求的提升，77GHz毫米波雷達未來將替代24GHz毫米波雷達成為主流，并且朝著79GHz毫米波雷達發展。另外，隨著工藝和技術的提升，毫米波雷達將向體積更小、功耗更低、性能更好、價格更低發展。表6具體說明了不同頻段毫米波雷達的優缺點及應用。

3）車載毫米波雷達產業鏈分析

（1）產業鏈構成。

車載毫米波雷達產業鏈主要包括射頻前端供應商、雷達天線供應商、毫米波雷達產品供應商及終端用戶（車企），如圖5所示。

射頻前端：主要指單片微波集成電路MMIC，該集成電路集成了多種功能電路，如低噪聲放大器（LNA）、功率放大器、混頻器、檢波器、調制器、壓控振蕩器（VCO）、移相器等。MMIC技術主要掌控在國外半導體供應商手中，從工藝角度看，CMOS工藝將代替SiGe工藝。射頻前端典型的供應商包括英飛凌、飛思卡爾等。國內的MMIC技術處于起步狀態，截至目前，廈門意行是國內唯一一家可提供24GHz汽車主動安全雷達射頻前端MMIC解決方案的企業。

雷達天線：主要指高頻PCB板，目前的主流方案是微帶陣列。該項技術目前主要由Rogers（羅杰斯）、Schweizer（施瓦茨）等少數公司掌握。

毫米波雷達產品：主要包括雷達模組+信號處理+后端算法的集成。毫米波雷達產品典型的供應商包括博世、大陸、智波科技、行易道等。

（2）產業規模分析。

根據智研咨詢發布的《2016—2022年中國毫米波雷達行業市場供需預測及投資戰略研究報告》，截至2020年，全球車載毫米波雷達出貨量達7200萬個。據市場研究機構Plunkeet Research的預測，到2020年全球汽車毫米波雷達將近7000萬個，2015—2020年的復合增長率約為24%。

從國內看，按ADAS滲透率在2020年達到30%估算，每套ADAS需要4個短距毫米波雷達+1個長距毫米波雷達，則國內毫米波雷達出貨量可達4500萬個，市場規模將超過200億元。

（3）毫米波雷達價格分析。

按照毫米波雷達的分類，表7列舉了不同頻段毫米波雷達的現階段價格，并預計了2020年的價格情況。

4.激光雷達

1）車載激光雷達作用

激光雷達是利用激光進行探測和測距技術的簡稱。具體而言，激光雷達是將激光用于測距、定向，并通過位置、徑向速度及物體反射特性來識別目標的一種光電探測手段。在汽車領域，激光雷達尚屬于較新的應用。目前，激光雷達在自動駕駛技術中的應用主要包括對車輛周圍環境進行三維建模，并獲得環境的深度信息，識別障礙物，構建可行駛區域等。現階段，激光雷達的車載應用在技術和商業上仍然存在成本高、體積大、可靠性差、抗干擾性差等諸多問題，仍然面臨很大的挑戰。

2）車載激光雷達分類

按照用途不同，激光雷達可以分為非掃描成像式激光雷達和掃描式激光雷達（見圖6）。非掃描成像式激光雷達的探測距離較近，無須掃描且技術相對比較成熟。掃描式激光雷達多用于自動駕駛感知技術，根據掃描原理不同，又可以分為機械式激光雷達和全固態激光雷達。其中，機械式激光雷達按照組成結構可以分為轉動式、微電機械式（MEMS）、激光鏡振式（Galvo）；全固態激光雷達可分為相控陣式、超表面式。

微電機械式（MEMS）激光雷達，指使用一個微機電系統（MEMS）振鏡，以二維的方向電引導出一束或多束光束。MEMS激光雷達的構造中仍然有運動部件（振蕩鏡），但振蕩的幅度很小，頻率也很高，足以防止MEMS激光雷達和汽車之間的機械共振。然而，振蕩鏡的幾何尺寸限制了它的振蕩幅度，這就使得視角變得有限——這是MEMS激光雷達的一個缺點。但是，MEMS激光雷達由于成本低、可實現度高而受到人們的關注。

相控陣式激光雷達指利用相控陣激光雷達技術，即用電子掃描代替機械部件，通過集成電路上的小鏡子掃描各個方向，然后輸出車輛周圍的三維圖像。其中比較典型的是Quanergy公司的激光雷達，搭載此種激光雷達的智能網聯汽車已在2019年上市。

此外，根據線數的不同，目前車載激光雷達可以分為2D、2.5D（1線、4線、8線）和3D（16線、32線、64線）3類產品。

3）激光雷達產業鏈分析

（1）產業鏈構成。

目前，車載激光雷達技術在智能網聯汽車感知領域的應用還不成熟，從產業鏈上下游看，現階段車載激光雷達產業鏈主要包括激光接收器供應商、激光發射器供應商、激光雷達處理器供應商（以FPGA芯片為主）、激光雷達集成商及終端用戶（車企），如圖7所示。

激光接收器，匯聚經目標反射后的激光信號，將激光信號轉化成電信號，典型的供應商有日本濱松、STM等。

激光發射器，是一種發射激光光源的器件，典型供應商有Coherent、日本濱松等。

激光雷達處理器（芯片），指雷達信號處理電路的設計，即電機的轉速控制信號、測量信號等，典型的供應商有Altera、加拿大Leddartech等。

激光雷達集成，指激光雷達各組件的軟硬件集成設計，典型的供應商有Velodyne、Quanergy等。

（2）產業規模分析。

據IHS Markit預測，截至2025年，自動駕駛車輛的銷量將達到60萬輛。假設，每個激光雷達傳感器的平均價格約為5000元，每輛自動駕駛車輛使用2個激光雷達傳感器，則激光雷達的市場規模約為60億元。

據統計數據顯示，2015年我國車載激光雷達的市場規模為1.09億元，2016年我國車載激光雷達的市場規模達1.93億元，同比增幅達77.06%。隨著無人駕駛汽車的逐漸普及，我國車載激光雷達的市場規模將保持高速增長的態勢，預計到2021年，我國車載激光雷達的市場規模將超過6億元。未來，無人駕駛汽車產業化的到來，以及車載激光雷達成本的降低，將共同推動車載激光雷達產業的爆發式增長。

（3）激光雷達價格分析。

目前，市場上已經產品化的激光雷達主要是機械式激光雷達，從測量維數來看，以多線激光雷達為主，主流產品包括4線激光雷達、8線激光雷達、16線激光雷達、32線激光雷達、64線激光雷達。表8分析了現階段不同線束激光雷達的價格。

5.人機交互

1）人機交互系統作用

人機交互系統主要實現人與車之間的對話功能。車主可以通過人機交互系統輕松地掌握車輛狀態信息（車速、里程、當前位置、車輛保養信息等）、路況信息、定速巡航設置、藍牙免提設置、空調及音響設置。

在L1～L3級自動駕駛系統中，人機交互系統的目的是當駕駛員在操作各項功能時盡量不影響其對駕駛本身的注意力。而傳統的點、按、旋鈕式的操作過于復雜，會使駕駛員的視線離開路面，這也是語音交互與手勢交互存在的邏輯基礎。

2）基于語音交互方案的產業技術現狀

由于手勢操作會使駕駛員的單手離開方向盤，這是較危險的操作，所以語音交互方案是目前最好的交互方案。

從技術層面來看，當前車聯環境復雜、硬件配置參差不齊、行車網絡不穩定，整個語音交互市場對語音系統的內存消耗和網絡處理能力的要求極高。另外，汽車是個難度很高的環境，其中的噪聲、回聲的干擾非常大，對識別技術來說是一種極大的挑戰。當前最大的問題是如何通過軟硬件的設計提升語音交互系統的抗噪能力。

目前，車載語音交互方案整體上還處于初級試商用的階段，并且市場上可見的大多數車載語音交互方案實際上并不成熟，用戶體驗不佳。國際上典型的車載語音交互方案供應商主要有亞馬遜、Nuance、谷歌等，國內典型的車載語音交互方案供應商主要有科大訊飛、云知聲、思必馳等。表9給出了目前國內提供車載語音交互解決方案的主要廠商。

3）基于手勢交互方案的產業技術現狀

語音容易受到環境影響，如果道路環境非常嘈雜，或者車內正在進行交談，使用手勢就更為適合。而在一些功能的操控上，手勢也具備一些天然的優勢。例如，當你想要調節音量的時候，對于音量增大多少，你很難用語音說出一個讓耳朵滿意的指令；手勢可以通過順時針、逆時針地畫圈，像調節實體旋鈕一樣達到滿意的效果。因此，多種交互方式的融合是必然的。

目前，國際典型的手勢交互方案供應商主要包括德爾福、大陸等，國內典型的手勢交互方案供應商主要是微動（Vidoo）。Vidoo是較早踏入手勢交互領域的企業，其研發的主力產品就是車內的手勢識別系統。目前，Vidoo已經在與上汽、北汽新能源、東風日產，以及一批二級車廠合作。2018年年底，我國已經出現了一批支持手勢識別系統的車型。

4）疲勞駕駛檢測解決方案的產業技術現狀

疲勞駕駛檢測解決方案主要指駕駛員疲勞預警系統（Driver Fatigue Monitor System），屬于ADAS的一部分，是指在駕駛過程中捕捉并分析駕駛者的生物行為信息，檢測駕駛員是否出現疲勞狀態，從而進行預警。

從技術角度來看，目前駕駛員疲勞預警的檢測手段主要有兩種：一種是基于駕駛員駕駛行為分析，即通過分析駕駛員轉動方向盤、踩剎車等行為特征，判斷駕駛員是否疲勞，此種方法受駕駛員習慣影響較大；另一種是基于面部特征識別，即通過圖像識別，對駕駛員面部與眼部特征進行疲勞評估，這種方法應用較為廣泛。表10給出了國內主要車載疲勞駕駛檢測解決方案供應商產品功能和價格分析。

上述供應商的產品價格差別主要在于識別精度，2000元以上的設備準確率能達到96%以上，500元左右的設備則經常誤報警。車載疲勞駕駛檢測解決方案的技術難點在于算法和數據積累，即如何在復雜的光影環境下，甚至在駕駛員戴墨鏡的情況下，分析駕駛員的面部特征并判斷其疲勞狀態。

6.智能決策系統

智能網聯汽車智能決策系統被稱為車輛的大腦，主要處理感知模塊采集的信息，同時進行車輛的駕駛決策。從硬件角度來看，智能網聯汽車需要高效能、低功耗的計算芯片；從軟件算法層面來看，智能網聯汽車需要解決路徑規劃、行為決策、軌跡規劃等模型算法問題。

（1）計算芯片介紹。

一般而言，計算芯片可分為CPU、GPU、FPGA和ASIC四大類。其中，CPU、GPU需要軟件支持；而FPGA、ASIC則是軟硬件一體的架構，軟件就是硬件（見圖8）。

圖8可以從兩個角度來說明。從ASIC→CPU的方向，沿著這個方向芯片的易用性越來越強，CPU和GPU的編程需要編譯系統的支持，編譯系統的作用是把高級軟件語言翻譯成機器可以識別的指令（也叫作機器語言）。高級語言帶來了極大的便利性和易用性，因此用CPU和GPU實現同等功能的軟件開發的周期要遠低于FPGA、ASIC芯片。沿著CPU→ASIC的方向，芯片中晶體管的效率越來越高。因為FPGA和ASIC等芯片的算法直接用晶體管門電路實現，比起指令系統，算法直接構建在物理結構之上，沒有中間層次，因此晶體管的效率最高。

本質上來說，軟件的操作對象是指令，而CPU和GPU則扮演高速執行指令的角色。指令的存在將程序執行變成軟件和硬件兩個部分，指令的存在也決定了各種處理器芯片的一些完全不同的特點及各自的優劣勢。

FPGA、ASIC等芯片的功能是固定的，它們的算法直接用門電路實現，因此FPGA、ASIC編程就是用門電路實現算法的過程。軟件完成意味著門電路的組織形式已經確定了，從這個意義上來說，FPGA、ASIC的軟件就是硬件，軟件就決定了硬件的組織形式。軟硬件一體化的特點決定了FPGA、ASIC設計中極其重要的資源利用率特征。利用率指在用門電路實現算法的過程中，算法對處理器芯片所擁有的門電路資源的占用情況。如果算法比較龐大，可能出現門電路資源不夠用，或者雖然門電路資源夠用，但實際布線困難無法進行的情況。

具有指令系統的處理器芯片CPU、GPU不存在利用率的問題。它們執行指令的過程是不斷從存儲器讀入指令，然后由執行器執行的過程。由于存儲器相對于每條指令所占用的空間幾乎是無限的，即使算法再龐大也不存在存儲器空間不夠無法把算法讀入的情況。另外，計算機系統還可以外掛硬盤等擴展存儲，通過把暫時不執行的算法切換到硬盤保存增加了指令存儲的空間。

不同的芯片生產工藝，對芯片的功耗和性能都有影響，這里對相同生產工藝或者接近生產工藝的芯片進行對比（見圖9）。在能耗比方面，ASIC＞FPGA＞GPU＞CPU，產生這樣結果的根本原因是，對于計算密集型算法，數據的搬移程度和運算效率越高，能耗比就越高。ASIC和FPGA更接近底層I/O，其運算效率高、數據搬移程度高，但是FPGA有冗余晶體管和連線，運行效率低，所以其能耗比沒有ASIC的能耗比高。GPU和CPU都屬于通用處理器，都需要進行讀取指令、指令譯碼、指令執行的過程，這種方式屏蔽了底層I/O的處理，使得軟硬件解耦，導致數據的搬移程度和運算效率無法更高，所以其能耗比沒有ASIC、FPGA的能耗比高。GPU和CPU能耗比的差距，主要在于CPU中的晶體管大部分用于cache和控制邏輯單元，所以CPU相比GPU來說，對于計算密集且計算復雜度低的算法，有冗余的晶體管無法發揮作用，其能耗比低于GPU的能耗比。

（2）計算芯片技術發展趨勢。

計算芯片在各自長期發展的過程中，形成了一些使用和市場上鮮明的特點。CPU和GPU領域存在大量的開源軟件和應用軟件，任何新的技術首先會用CPU實現算法，因此CPU編程資源豐富且容易獲得，開發成本低而開發周期短。FPGA的實現采用Verilog/VHDL等底層硬件描述語言實現，需要開發者對FPGA芯片特性有較深入的了解，但其高并行性的特性往往可以使業務性能得到量級的提升；同時，FPGA是動態可重配的，當在數據中心部署之后，可以根據業務形態來配置不同的邏輯實現不同的硬件加速功能。舉例來講，當前服務器上的FPGA板卡部署的是圖片壓縮邏輯，服務于QQ業務；而此時廣告實時預估需要擴容獲得更多的FPGA計算資源，通過簡單的FPGA重配流程，FPGA板卡即可變身成“新”硬件來服務廣告實時預估，非常適合批量部署。ASIC芯片可以獲得最優的性能，即面積利用率高、速度快、功耗低；但是，ASIC芯片開發風險極大，需要有足夠大的市場來保證成本價格，而且從研發到投入市場的時間周期很長，不適合深度學習CNN算法等正在快速迭代的領域。

具體而言：①GPU可以平行處理大量瑣碎信息的特點，決定了其適合人工智能訓練端，是兼具通用性、價格優勢和保護生態環境的方案。另外，FPGA也得到了企業用戶的重視。在推理端，GPU、FPGA、ASIC等各種芯片都有應用。②隨著算法的成熟和市場規模的擴大，消費級商用化產品將轉為能耗更低、規模化成本更低的ASIC芯片。參考人工智能深度學習芯片的發展，谷歌經歷了CPU→GPU→TPU（ASIC）的發展過程。③過去，算法是遷就于芯片架構的；但隨著Fabless模式（Fabless是指在半導體集成電路行業中無生產線的設計公司）的成熟，設計一個專用的IP在投資方面的門檻已經降低，如Mobileye+ST（意法半導體）。④在智能網聯汽車領域，成熟計算平臺產品一定是算法成熟的，對功耗和安全性的要求遠遠超過對通用性、兼容性的要求，并且一定具備市場規模大的特點。⑤目前NVIDIA的Pegasus平臺是在智能網聯汽車硬件結構、算法不成熟條件下的折中產品，未來智能汽車計算平臺、芯片等商用化市場傾向于組合式融合方式，芯片將向ASIC（專用集成電路）方向發展。

7.智能計算平臺

1）智能計算平臺介紹

當前，國際智能網聯汽車發展仍處于起步階段，我國兼具內部動力、外部契機，與發達國家并跑。我國具備智能網聯汽車相關技術的發展基礎，需要把握機遇、突破核心技術。在智能網聯技術體系中，計算平臺有望建立新一代產業格局，而Wintel聯盟和AA聯盟已定義了行業生態，并封鎖了相關技術，我國自主研發建立智能網聯時代軟硬件生態體系勢在必行。

智能網聯汽車計算平臺（軟硬件計算平臺）是依靠高性能計算技術和高可信軟件技術，實時認知外部環境，并實現對整車最優決策和控制的計算系統，是實現無人駕駛技術的核心，是智能網聯汽車發展的制高點，是未來汽車“大腦”（見圖10）。加速開發自主可控的軟硬件計算平臺，搶占智能網聯汽車戰略發展先機，填補中國特色智能網聯汽車計算平臺空白，具有重要戰略意義和歷史價值。

智能網聯汽車評價指標主要包括每瓦性能、每瓦成本、生態系統和安全性。在具體性能要求方面，智能網聯汽車需要滿足數量處理量達到4～10TB/天、數據生成速度超過10000部智能手機、滿足車規級，以及安全要求符合AEC-Q100、ISO 26262/ASIL-B等要求。目前的解決方案主要基于CPU、GPU、FPGA和ASIC這4種芯片，具體發展路徑可以歸納為：在算法成熟前，GPU占主要市場；隨著算法成熟度提高，逐漸實現基于FPGA和ASIC的計算平臺。

2）國內外研究介紹

在國內外研究方面，NVIDIA從超算到芯片，成功實現車端產品的快速迭代和完備的開發生態，成為計算平臺“算力”代名詞，其平臺成為各大公司驗證算法的有效工具。NVIDIA DGX Station（8 Tesla V100 Inside）、NVIDIA Xavier SoC成為典型代表。

以奧迪、特斯拉為代表的大型外資OEM多聯合主流零部件供應商主要采用板級集成方案共同開發車載計算平臺。在奧迪A8輔助駕駛計算單元中，4個核心元件及功能為：英特爾（Altera）的Cyclone V負責目標識別融合、地圖融合、自動泊車、預剎車、激光雷達傳感器數據處理；Mobileye的EyeQ3負責交通信號識別、行人檢測、碰撞報警、光線探測和車道線識別；NVIDIA的K1負責駕駛員狀態檢測、360°全景；英飛凌的Aurix TC297T負責監測系統運行狀態，使系統達到ASIL-D標準。

3）智能計算平臺市場規模預測

根據《中國汽車產業中長期發展規劃》，到2020年，汽車DA（駕駛輔助）、PA（部分自動駕駛）、CA（有條件自動駕駛）系統新車裝配率超過50%，網聯式輔助駕駛系統裝配率達到10%；到2025年，汽車DA、PA、CA新車裝配率達80%，其中PA、CA新車裝配率達25%，高度自動駕駛和完全自動駕駛汽車開始進入市場。

按照每輛自動駕駛汽車具備10個以上傳感器（如激光雷達、攝像頭等）計算，每個傳感器配備專用芯片，未來智能計算平臺市場規模預測將超過數千億元（見圖11）。

8.智能執行系統

智能網聯汽車智能執行系統其實是傳統汽車技術的延伸，包括加速、制動、轉向等車輛基本行駛狀態的控制裝置，涉及的硬件主要有加速執行器、制動執行器、轉向執行器和車身電子穩定系統。

智能執行系統涉及的控制技術包括縱向、橫向、垂直方向的運動控制技術，分別是動力系統、制動系統、轉向系統及懸架系統。借助融合驅動、制動、轉向、懸架的底盤控制技術，并應用移動通信和環境感知系統的車隊協同和車路協同，可以實現被控車輛的速度、行駛方向與預設的速度曲線、行駛路線保持同步。

智能執行系統的好壞直接決定了汽車行駛的安全性和舒適性，相對行車計算機等快速更新的部件，智能網聯汽車的智能執行系統與傳統汽車和新能源汽車的底盤控制系統基本相同。隨著汽車電動化的發展，智能執行系統的底盤控制技術逐漸趨于電動化，各子系統逐漸趨于電子電氣化，并表現出集成化發展趨勢。目前，全球領先的一級供應商如博世、大陸等依靠成熟的底盤控制技術和全球規模效應，在智能執行系統最核心的線控制動領域占據主導地位，掌握話語權。

9.通信系統

本部分的基礎共性技術模塊是指除車輛本身的感知、決策與控制以外的，對自動駕駛技術實現起到基礎支撐作用的V2X技術、高精度地圖、定位技術。

1）V2X技術

信息網聯技術（V2X技術）是實現智能網聯汽車自動駕駛的基礎之一。從智能網聯汽車網聯化的角度來看，車聯網業務發展主要經歷了3個階段，如圖12所示。

第一個階段：基于2G、3G、4G蜂窩通信網絡的汽車娛樂，以及以E-CALL為代表的遠程信息處理業務。

第二個階段：基于4.5G、5G LTE和DSRC等通信系統將汽車互聯，提供各類V2X智能交通業務，如紅綠燈車速引導等。

第三個階段：汽車與云端連接，結合精確位置信息，提供自動駕駛、編隊行駛等業務。

目前，車聯網業務還處于基于3G、4G蜂窩通信網絡的第一個階段，正在向第二個階段發展。

（1）V2X技術概念內涵及車載應用。

V2X（Vehicle to Everything）是借助新一代信息通信技術將車與一切事物相連接，從而實現車輛與車輛（Vehicle to Vehicle）、車輛與路側基礎設施（Vehicle to Infrastructure）、車輛與行人等弱勢交通參與者（Vehicle to Pedestrian）、車輛與云服務平臺（Vehicle to Network）的全方位連接和信息交互。

V2X車聯網將“人、車、路、云”等交通參與要素有機地聯系在一起，不僅可以支撐車輛獲得比單車感知更多的信息，促進自動駕駛技術創新和應用，還有利于構建一個智慧的交通體系，促進汽車和交通服務的新模式、新業態發展，對提高交通效率、節省資源、減少污染、降低事故發生率、改善交通管理具有重要意義。

V2X比較典型的應用包括V2N、V2V、V2I、V2P。

V2N（Vehicle to Network）通信，主要用于動態地圖下載、自動駕駛相關路線規劃、遠程控制等應用。

V2V（Vehicle to Vehicle）通信，核心是防碰撞、避擁堵等交通安全類應用。

V2P（Vehicle to Pedestrian）通信，車與人之間的通信，主要用于行人安全應用。

V2I（Vehicle to Infrastructure）通信，用于車與路側基礎設施之間的通信，提供或接收本地道路交通信息。

V2X典型應用如圖13所示。

（2）V2X技術發展路徑。

結合智能網聯汽車發展的V2X技術發展路徑（見圖14），按照車載端+通信網絡+云端三維度來看，V2X通信技術有基于蜂窩通信和基于V2X直連通信兩種模式。蜂窩通信正由2G、3G技術演進至4G、5G，V2X直連通信正由IEEE 802.11p、LTE-V2X演進至5G-V2X，傳輸帶寬、數據包傳輸率等方面的性能逐步提高，并且與車載端融合發展。

（3）V2X技術標準。

V2X技術目前主要存在兩種主流技術標準。一種是基于IEEE 802.11p的DSRC（專用短程通信）通信標準，由IEEE制定。美國、歐盟、日本等已經啟動了基于IEEE 802.11p的V2X的外場試驗工作，美國交通部希望全美汽車增加DSRC功能，適合運用在V2V（車與車）和V2I（車與路側基礎設施）的一些應用中。另一種是我國參與推動的4.5G、5G的LTE-V2X技術，目前統稱為C-V2X技術。與IEEE 802.11p相比，LTE-V2X具有技術后發優勢，又可以利用成熟的蜂窩通信網絡、芯片、終端產業基礎，因此已經成為車輛聯網的主流技術之一。

（4）V2X產業鏈分析。

① 產業鏈構成。

從產業鏈上下游看，目前V2X產業鏈包括通信芯片供應商、通信集成系統提供商、軟件平臺供應商、運營商及終端用戶（車企），如圖15所示。

通信芯片指嵌入各種車載通信協議的通信信號處理電路，典型的供應商有華為、高通、大唐等。

通信集成系統指基于通信芯片，開發智能車載系統與智能路側系統，以支持不同V2X或智能交通應用，典型供應商有通用、星云互聯、萬集集團等。

軟件平臺供應商，指提供車聯網操作系統開發、車聯網TSP平臺（車聯網服務平臺）搭建和運營、車聯網內容服務整體解決方案（包括軟件方案與硬件方案）設計、大數據分析等內容的服務，典型供應商有騰訊、阿里巴巴等。

運營商指提供通信服務的企業，典型的運營商有中國聯通、中國移動、中國電信等。

② 車聯網市場規模預測。

據統計，2012年全球車聯網市場總規模約131億歐元，2013年全球車聯網市場總規模達164億歐元，同比增長25%，2018年全球車聯網市場總規模達390億歐元，2020年全球車聯網市場總規模達到500億歐元。對于中國市場，2015年中國車聯網用戶的滲透率突破10%的臨界值，中國車聯網的市場規模超過1500億元；2020年中國車聯網用戶超過4000萬戶，滲透率超過20%，市場規模達到2000億元。

2）高精度地圖

（1）高精度地圖內涵。

結合智能網聯汽車的智能化等級，在地圖行業，根據地圖提供內容的豐富程度，可以將車載地圖分為3個級別，分別是導航地圖、ADAS地圖和高精度地圖。

導航地圖通常應用于L0級、L1級自動駕駛車輛中，地圖精度在米級，百度、高德、凱立德的導航地圖在手機和車機中非常普及。

ADAS地圖應用于L2級自動駕駛車輛中，精細度更高，并且可以實現車道的區分，地圖精度為亞米級，又稱為車道級地圖。

高精度地圖，屬于更高級別的地圖，其不僅對地圖精度提出了更高的要求（厘米級），對數據更新的實時性也提出了很大的挑戰，主要應用于L4級、L5級自動駕駛車輛中。

高精度地圖與傳統地圖的區別主要在3個方面：第一，精度不同，通常高精度地圖的精度達到厘米級；第二，地圖細節不同，高精度地圖的圖層更豐富，包括車道線、交通標志、建筑物、樹木等細節；第三，地圖更新的實時性不同，高精度地圖更新的實時性要求高。

（2）具備甲級電子地圖測繪資質的企業。

地圖測繪涉及國家信息安全等重大問題，《中華人民共和國測繪法》和《測繪資質管理規定》對測繪行業的發展制定了嚴格的標準。《測繪資質管理規定》將標準分為甲、乙、丙、丁4個等級，進行測繪數據采集并提供相關信息成果的單位需要申請《測繪資格證書》才能從事相應資質范圍的活動。

從原國家測繪地理信息局網站2016年11月15日公布的《全國甲級互聯網地圖服務測繪資質單位名單》來看，包括高德軟件有限公司、百度、阿里巴巴、騰訊在內的166家企事業單位都獲得了甲級測繪資質，可以進行地圖編制、導航電子地圖制作等活動。但是，具備地圖采集的單位僅有14家，具體如表11所示。

3）定位技術

（1）智能網聯汽車定位技術分類。

從定位設備不同的角度看，目前智能網聯汽車定位技術主要有3種技術：一是利用衛星的定位技術，二是利用慣性導航的定位技術，三是利用車載傳感器的SLAM定位技術。如表12所示為不同定位技術比較分析。

（2）衛星定位技術。

① 衛星定位的優勢。

利用衛星定位的優勢在于：第一，只需要3顆衛星，就能迅速確定用戶端在地球上所處的位置及海拔高度；第二，由于GNSS、GPS使用低頻信號（電磁波的波長較長），其信號的穿透性較強，幾乎不受天氣條件的影響；第三，GNSS、GPS的誤差不會隨著時間的推移而積累。

此外，普通衛星定位方式由于受到大氣層、衛星星歷精度誤差、衛星時鐘誤差等的影響，精度范圍大約在10米，對高等級自動駕駛技術需求來說是不足的。

② RTK載波相位差分技術。

RTK（Real-Time Kinematic）載波相位差分技術，是差分GPS技術中的一種。基準站通過數據鏈將其所獲得的載波相位觀測值和基準站坐標信息一起傳送給移動站。移動站將自己接收到的衛星數據與數據鏈數據一起進行差分解算，得到精確的定位信息。基于RTK載波相位差分技術可以實現動態厘米級定位。

③ 衛星定位產業鏈分析。

從產業鏈上下游看，目前衛星定位產業鏈包括衛星芯片供應商、板卡供應商、衛星接收機供應商、連續運行參考站系統（CORS）服務商及終端用戶（車企），如圖16所示。

衛星芯片是用來接收和解算衛星信號頻率的電路設計，典型供應商有美國天寶、中國北斗星通等。

板卡是指外圍電路設計和嵌入式控制軟件設計，典型供應商有美國天寶、中國北斗星通等。

衛星接收機針對特定行業，對衛星芯片、板卡等進行集成及解決方案設計，提供產品級服務，典型供應商有美國天寶、華力創通等。

連續運行參考站系統是利用現代計算機、數據通信和互聯網（LAN/WAN）技術組成的網絡，實時向不同類型、不同需求、不同層次的用戶自動地提供經過檢驗的不同類型的GNSS、GPS觀測值（載波相位、偽距）、各種改正數、狀態信息，以及其他有關GPS服務項目的系統。連續運行參考站服務商屬于國家管控企業。典型的連續運行參考站系統服務商有兵器集團、千尋等。

（3）慣性導航。

① 慣性導航的作用及組成。

慣性導航是通過測量運動體的加速度（慣性），并自動進行積分運算，獲得運動體瞬時速度和瞬時位置數據的技術。慣性導航屬于一種推算導航方式，即從一個已知點位置根據連續測得的運載體航向角和速度推算出下一個點的位置，可連續測出運動體的當前位置。

慣性測量單元（Inertial Measurement Unit，IMU）中的陀螺儀用來形成一個導航坐標系，使加速度計的測量軸穩定在該坐標系中，并給出航向和姿態角；加速度計用來測量運動體的加速度，測量所得的加速度經過對時間的一次積分得到速度，速度再經過對時間的一次積分即可得到距離（見圖17）。

針對慣性測量單元，加速度計的發展已較為成熟，相對陀螺儀而言，加速度計對性能的影響不大，陀螺儀的精度對導航性能至關重要。

② 慣性導航系統中的陀螺儀。

目前，慣性導航系統朝著高精確度、小型化、輕量化、高可靠性、連續性的方向發展。慣性測量單元中的陀螺儀主要有MEMS陀螺、光纖陀螺、激光陀螺等類型。其中，光纖陀螺和MEMS陀螺因其特性將迅猛發展。常用的陀螺儀的價格、精度及應用領域的分析如圖18所示。

此外，性能更高的陀螺儀還有磁浮陀螺、靜電陀螺等，但因其成本高、體積大的缺點，只在少數領域應用；早期發展起來的機械陀螺，因其精度低、體積大、抗撞擊能力差，已基本退出市場。

③ 慣性導航產業鏈分析。

從產業鏈上下游看，慣性導航產業鏈包括電子元器件供應商、慣性器件供應商、終端產品供應商、應用系統供應商及行業用戶（車企），如圖19所示。

電子元器件，指對經由慣性傳感器采集的速度、位置、姿態等輸入數據進行計算處理的電路設計。

慣性器件，用于測量運動載體的角速度和加速度，主要包括陀螺儀、加速度計等。

終端產品，我國如慣性組合導航產品，針對GNSS定位及IMU陀螺儀和加速計測量的位置、速度和姿態解算結果，進行緊耦合設計形成產品。

應用系統指慣性導航系統的穩定控制，主要核心技術包括伺服系統高精度慣性穩定控制技術、多級反饋式衛星天線閉環跟蹤控制技術。

從市場層面看，我國慣性導航產業鏈起步較晚，技術積累不足，規模偏小，整體行業集中度不高，中、高、低端產品發展不均衡，慣性器件多從國外進口。國外慣性導航技術領先于我國，美國、德國和日本在慣性導航領域處于世界領先水平。

我國涉及慣性導航產業的科研院所或企業如下。國有性質的科研院所或企業主要有航天三十三所、航天十三所、中航六一八所、航天七〇四所、航天電子等；民營企業主要包括耐威科技、西安晨曦、中星測控、星網宇達等。其中，民營慣性導航企業憑借多年的研發積累，技術水平比較先進，但與國有性質的科研院所或企業仍有一定的差距。如表13所示為全球級中國慣性導航企業，如表14所示為慣性導航和衛星導航性能對比分析，表14同時給出了參考價格。

二、中游產業鏈

（一）自動駕駛解決方案

自動駕駛解決方案是融合感知、決策、執行、通信等技術的綜合解決方案。目前，自動駕駛解決方案主要有兩條技術路線：視覺優先路線，多傳感器融合路線。視覺優先路線由“寶馬英特爾聯盟”提出，傾向于采用低成本的攝像頭方案。“寶馬英特爾聯盟”還包括菲亞特克萊斯勒、德爾福、大陸、麥格納、滴滴出行等企業。多傳感器融合路線由“豐田英偉達聯盟”提出，傾向于高成本激光雷達及毫米波雷達、超聲波雷達、攝像頭等多種傳感器的融合運用，以應對自動駕駛復雜的應用場景。“豐田英偉達聯盟”還包括大眾、戴姆勒、博世、采埃孚、Uber等企業。

（二）智能座艙

智能座艙通過深度融合視覺和語音能力，打造觸屏、語音、人臉、手勢等方式多模態順暢交互，基于多屏互動技術，打通車內各屏幕間的物理界限，通過增強現實技術將導航信息與實景融合，全面提升車內科技感，并為用戶帶來全新體驗。智能座艙以中控為核心，還包括數字儀表盤、抬頭顯示器及后座顯示屏。

隨著技術的進步和成本的降低，智能座艙正逐漸向中低端車型滲透，目前中控的市場滲透率最高，前裝的滲透率達到70%，數字儀表盤、HUD等展現出了加速發展態勢。近年來，以偉世通、博世、大陸等為代表的汽車電子巨頭正加大對智能座艙的開發力度，奧迪、寶馬、奔馳等品牌的高端車型已實現配置。智能座艙人性化、多功能化、智能化等元素逐漸成為汽車品牌的差異化亮點。

（三）智能網聯整車

國外的特斯拉、奧迪、日產、沃爾沃、奔馳、豐田等知名廠商相繼加快了智能網聯整車研發步伐，制訂了自動駕駛時間表。國內智能汽車技術研發雖然起步相對較晚，但近幾年關注度高漲，傳統車企、新造車公司紛紛與互聯網、信息與通信技術（Information and Communications Technology，ICT）企業展開合作，加快布局智能網聯汽車領域，技術研發取得進展，產品投放進程加快。

從落地時間來看，2020年是L3級自動駕駛落地元年，未來3年將會是多數廠商的L3級自動駕駛量產年，預計到2025年左右，L4級自動駕駛將有望實現市場化應用。從研發路線來看，大部分主流廠商都提出了L3級自動駕駛量產計劃，但也有廠商跳過L3級，如奧迪已取消L3級自動駕駛量產計劃，沃爾沃、福特表示會越過L3級，直接研發L4級、L5級自動駕駛技術。國內廠商多選擇“漸進式路線”，即一邊推動實現L3級自動駕駛量產，一邊研發L4級、L5級自動駕駛技術，如表15所示。

三、下游產業鏈

（一）出行服務

人們對安全、高效、便捷、舒適等出行需求的不斷提升，以及人工智能、大數據、信息通信等技術的日益革新，推動了以智能化、共享化、多樣化、個性化為代表的出行模式創新。根據Strategy Analytics預測，到2030年，美國、歐洲和中國的共享出行市場價值將達到1.5萬億美元，年復合增長率高達24%。

目前，出行服務主要包括互聯網約車服務、分時租賃服務及租車服務。與此同時，全球傳統汽車制造企業正加速向移動出行服務商轉型，大眾、奧迪、寶馬、奔馳、通用、福特等國際巨頭，以及北汽、長安、廣汽、吉利等中國企業通過投資、并購等方式加快布局出行領域，多數車企都已推出或計劃推出自有汽車共享項目。未來，智能網聯汽車將作為MaaS（Mobility as a Service，出行即服務）平臺的重要組成部分，為消費者提供一站式的出行服務。

（二）物流服務

據AI Masah Capital的報告顯示，預計到2024年，全球物流市場規模將達到15.5萬億美元，年復合增長率為7.5%。面對持續快速增長的物流市場規模，隨著人工智能、大數據、云計算、物聯網等技術的不斷成熟，為實現降本增效，智能化、網聯化已成為物流行業未來發展的必然趨勢。當前，傳統貨物運輸企業、物流企業及各類電商正加速推動物流平臺化運作，車貨匹配平臺、整車運輸匹配平臺、貨運市場對接匹配平臺等各類平臺不斷涌現，隨著裝配了自動駕駛系統的物流運輸車在園區、港口等場景的應用逐漸成熟，物流運輸車輛將與物流管控平臺實現無縫對接，分時租賃、車隊運營、車貨智能化匹配調度等服務模式將被相繼推出。

（三）數據增值

智能網聯汽車有別于傳統汽車的特點之一就是其在行駛過程甚至全生命周期都能產生大量數據。英特爾指出，數據是未來無人駕駛的新“石油”，未來每輛無人駕駛汽車都將生成相當于3000人的數據。根據Gartner預測，到2021年，將有超過3億輛汽車通過無線網絡實現連接。智能網聯汽車數據包含決策控制數據、網聯化交互數據、產業服務數據，結合大數據、云計算、人工智能等新一代信息通信技術，通過搜集與處理這類衍生大數據，企業可以向用戶提供多種增值服務，提升智能網聯汽車的商業價值。智能網聯汽車的數據增值既來自汽車產業鏈數據的創新性整合，又來自汽車與不同行業間的數據融合，其帶來的不僅是出行方式和商業模式的全面革新，以及汽車產業價值鏈體系的重塑，而且將對人們的生活方式、生活習慣、生活偏好產生巨大影響。