36Kr-自动驾驶专题行研报告-2019.6-39页_2mb

自动驾驶行业总结：L3、L4级别落地时间表与核心技术布局

核心内容

自动驾驶行业在2020年面临L3级别在乘用车场景的落地挑战，而L4级别在商用场景中具有更大的降本提效潜力。当前，自动驾驶技术主要分为感知、决策和控制三个层次，其中算法是核心驱动力，传感器方案、芯片性能及高精地图等技术环节也至关重要。

主要观点

• L3级别：是乘用车主机厂近期量产合作的重点，技术难度与安全风险是真正的分水岭，需主机厂与算法公司合作推进。
• L4级别：适用于商用场景，如干线物流和半封闭枢纽，可大幅降低人力成本，提升运输效率，但国内落地时间受政策、技术及环境因素影响较大。
• 场景商业化差异大：物流运输商业化程度高，而乘用车场景因政策不明确、技术复杂、安全责任等问题，落地难度较高。

关键信息

技术与产业链

• 感知层：激光雷达、毫米波雷达和摄像头是主要的传感器方案，其中激光雷达适用于L3及以上的场景，但成本高、研发周期长；毫米波雷达适用于L2-L4，具备成熟市场和技术；摄像头多用于L2级别。
• 决策层：依赖高精度地图与算法模型，如MPC（模型预测控制）算法结合域控制器，实现对不同场景的定制化解决方案。
• 控制层：依赖芯片性能，GPU在L4级别上应用广泛，而ASIC专用芯片未来将更适用于车规级标准，降低功耗和成本。

算法型企业关键成功因素

• 订单交付能力：是否与主机厂和Tier1达成真实订单合作。
• 研发团队背景：投入时间与研究方向明确。
• 成熟产品测试运营：具备可量产的产品和系统。
• 传感器成本适配性：传感器组合是否适用于量产。
• 战略稳定性：专注目标场景落地的时间线明确。

硬件供应

• 毫米波雷达：技术成熟，是算法型公司主要感知设备。
• 激光雷达：车规级研发周期长，成本高，多用于L3及以上。
• 摄像头：主要用于L2级别，L3及以上应用规模大。
• 芯片：未来倾向ASIC专用芯片，目前GPU仍广泛用于L4级别。

资本与政策布局

• 政策支持：国家发改委和地方出台路测规范及发展战略，推动自动驾驶行业规范化。
• 资本集中：投资机构在不同场景选择不同企业进行跟投，如物流场景选择图森未来、禾多科技等。
• 商业化路径：物流运输商业化进程快，乘用车市场潜力大但落地时间表延后。

典型企业商业模式分析

Waymo

• 专注场景：Robotaxi、物流运输、技术授权。
• 核心业务：Robotaxi业务投入运营，建厂自研。
• 估值：1750亿美元。
• 合作方：FCA、捷豹路虎、Lyft等。
• 技术优势：通过L4级别自动驾驶技术实现无人运营，测试里程达1000万英里。

NVIDIA

• 专注场景：L4级别以上的测试车与多传感器融合。
• 核心产品：NVIDIA DRIVE Xavier，具备高能效比。
• 合作伙伴：丰田、大众、奥迪、图森未来等。
• 技术特点：基于GPU架构，提供并行计算能力，支持多传感器数据融合。

AutoBrain

• 专注场景：乘用车量产、物流运输及最后一公里。
• 合作方：北汽、长城、重汽、陕汽等。
• 已实现功能：L3级别，如自主变道、自主超车。
• 商业化策略：采用“POC-POV-SOP”策略，逐步推进与主机厂合作。

图森未来

• 专注场景：干线物流、半封闭枢纽。
• 成立时间：2015年9月。
• 技术路线：L4级别，专注于商用卡车。
• 商业化落地：在美国亚利桑那州和德州实现干线物流商业化，采用每公里收费模式。

总结

• L3级别落地时间继续推后：受技术难度和安全风险影响，L3级别在乘用车场景中仍面临较大挑战。
• L4级别商业化潜力大：在物流运输和半封闭场景中，L4级别能有效降低运营成本，提高效率。
• 车联网将带来改变：随着技术进步和政策支持，车联网将加速自动驾驶商业化进程。
• 算法为核心竞争力：创业公司需具备订单交付能力，大型车企则更倾向于通过收购获取技术。
• 不同场景影响不同：物流场景商业化快，乘用车场景仍需政策和市场进一步成熟。