汽车行业智能驾驶专题（一）：汽车智能化的商业化路径、产业演进及投资机会探讨-20210603-中泰证券-84页_7mb

汽车智能化的商业化路径、产业演进及投资机会探讨

核心内容

本报告探讨了汽车智能化的商业化路径、产业演进趋势及投资机会。重点分析了ROBOTAXI与消费市场的差异，技术路线选择对成本与可靠性的不同影响，以及算法自研与第三方算法的优劣比较。此外，还分析了智能驾驶从车端到云端的演进阶段、供应链爆发顺序、摄像头与激光雷达的发展趋势，以及芯片算力和云端计算平台在产业中的核心地位。

主要观点

1. 商业化路径之争

• 应用场景之争：ROBOTAXI因技术激进而迭代速度慢，消费市场通过ADAS渐进式升级更具落地优势。
• 技术路线之争：纯视觉方案在成本上有优势，但对算法和传感器精度要求高；多感知融合方案在可靠性上更强，但成本集中在车端。
• 算法是否自研：自研算法能够实现更快的迭代速度，具备SHADOW模式，而第三方算法难以实现。

2. 产业演进阶段

• 第一阶段（2020-2025）：车端竞争为主，围绕架构、传感器、算法和算力展开，产品定义是关键。
• 第二阶段（2025年后）：云端竞争成为主流，车队规模和数据量增长推动云端算力需求指数级上升，算法和生态应用成为竞争核心。

3. 供应链爆发顺序

• 感知层：包括摄像头、激光雷达等，是最早爆发的子领域。
• 集成层：涉及传感器与芯片的整合，如域控制器。
• 应用层：如V2X、生态应用等，随着云端发展逐步爆发。

4. 整车市场集中度提升

• 在智能驾驶时代，由于云端应用和算法的边际效应递增，整车市场集中度有望显著提高。
• 传统车时代，整车厂盈利周期波动大，市场分散；智能车时代，具备数据优势的企业将更具竞争力。

5. 技术与成本趋势

• 摄像头：数量和像素持续提升，前视、环视、侧视、后视等不同用途的摄像头在ADAS中扮演重要角色。
• 激光雷达：机械式为主，但固态（MEMS、Flash、OPA）是未来发展方向，成本和技术壁垒逐渐降低。
• 芯片算力：随着传感器和摄像头数量增加，芯片算力需求大幅上升，如特斯拉、蔚来等车企均采用高算力芯片。
• 云端算力：超算平台成为核心竞争力，如特斯拉DOJO、华为云等，具备高算力和低延迟。

关键信息

1. ROBOTAXI与消费市场对比

2. 全球Robotaxi运营公司

3. 纯视觉与多感知融合方案对比

4. 芯片算力与车型匹配

5. 云端算力与部署成本

6. 多传感器融合技术

• 体系架构：分布式、集中式、混合式。
• 特点对比：

7. 摄像头发展

• 数量：特斯拉Model 3为8个，蔚来ET7为11个，小鹏P5为13个。
• 像素：特斯拉Model 3为1.2M，蔚来ET7为8M，小鹏P5为2M，智己L7为48M。
• 探测距离：特斯拉Model 3为250m，蔚来ET7为687m，小鹏P5为180m。

8. 激光雷达发展

• 技术类型：机械式、固态（MEMS、Flash、OPA）。
• 当前应用：机械式激光雷达为主，但固态雷达因成本和性能优势成为未来重点方向。

总结

汽车智能化将经历从车端到云端的演进，初期以感知层和集成层为主，后期转向云端应用。纯视觉方案在成本上有优势，但依赖云端算力；多感知融合方案在可靠性上更强，但成本较高。特斯拉、蔚来等企业凭借强大的数据积累和算力配置，有望在智能驾驶领域占据主导地位。随着技术进步和成本下降，固态激光雷达和高算力芯片将成为行业发展的关键。投资机会将从车端逐步向云端转移，未来重点在算法、算力和生态应用。