深度-汽车智能化的商业化路径、产业演进及投资机会探讨-中泰证券-2021.6.8-84页_2mb

报告摘要

本报告探讨了汽车智能化的商业化路径、产业演进及投资机会，重点分析了智能驾驶的发展趋势、技术路线、算法自研与供应链布局等方面。

三大商业化路径之争：
- 应用场景之争：ROBOTAXI场景技术路线激进，但迭代速度慢于消费市场。
- 技术路线之争：纯视觉方案成本集中在云端，而多感知融合方案成本集中在车端。纯视觉方案具备成本优势，但对算法和传感器精度要求高；多感知融合方案具备可靠性优势，但初期成本较高。
- 算法是否自研之争：自研算法迭代速度更快，能获得更高质量的数据，并通过SHADOW模式进行迭代，而第三方算法不具备此能力。
产业演进的两个阶段：
- 第一阶段（车端竞争）：围绕架构、传感器、算法和算力等，主要面向高端乘用车市场，竞争靠产品定义。
- 第二阶段（云端竞争）：随着车队保有量和数据量增加，云端算力需求指数级增长，行业头部化趋势加速，生态应用和V2X等细分领域将爆发。
供应链爆发顺序：
- 感知是行业率先爆发的子领域，包括感知算法和传感器。
- 随着进入云端竞争阶段，生态应用和V2X等将逐步成为爆发点。
智能化对整车行业的影响：
- 智能化时代整车行业盈利周期更稳定，市场集中度有望显著提高。
- 传统车时代，整车盈利波动大，市场分散；智能车时代，由于云端和算法的边际效应递增，整车行业将向集中化发展。

ROBOTAXI：
- 目前运营车队数量较少，预计未来三年达到3000台。
- 年运营里程预计在1亿公里级别，但实际落地速度较慢。
- 落地时间较晚，且依赖安全员。
消费市场：
- 以特斯拉、ME、华为等为代表，采用ADAS渐进式路线。
- 特斯拉2020年全球销量达约50万辆，预计2025年销量将达约1000万辆。
- 特斯拉预计在2025年实现100万辆Robotaxi落地。

纯视觉方案：
- 车端成本低，但云端成本高。
- 依赖高精度摄像头和算法，如特斯拉采用8颗摄像头+1颗毫米波雷达+12颗超声波传感器，成本约3200元。
- 使用VIDAR算法将2D图像转化为3D信息，实现测距。
多感知融合方案：
- 车端成本高，但云端成本低。
- 通过激光雷达、毫米波雷达等传感器提供冗余，提高可靠性。
- 如小鹏P5采用2颗激光雷达+5颗毫米波雷达+12颗超声波雷达+13颗摄像头，成本约4.9万元。

摄像头：
- 摄像头数量和像素不断提升，特斯拉Model 3采用8个120万像素摄像头，蔚来ET7采用11个800万像素摄像头。
- 摄像头性能提升包括分辨率、动态范围和帧率。
激光雷达：
- 当前市场主要采用1550nm和905nm波长。
- 机械式激光雷达成本较高，而MEMS、Flash等固态方案具备发展潜力。
- 激光雷达主要厂商包括Velodyne、Quanergy、Luminar等。