亿欧－2017年中国自动驾驶产业研究报告－2017.9－99页

2017年中国自动驾驶产业研究报告总结

核心内容

2017年中国自动驾驶产业正处于快速发展阶段，技术、资本、政策和社会需求共同推动其发展。产业生态呈现市场分散、多技术融合、开放合作的特征，有利于创新竞争环境的形成。同时，产业面临技术、政策、市场等多方面的挑战。

主要观点

• 自动驾驶技术的发展将彻底改变传统出行方式，提升交通效率和安全性。
• 中国在自动驾驶领域具备一定的数据和市场优势，但与欧美相比，汽车厂商和传感器供应商相对较弱。
• 自动驾驶的实现依赖于多传感器融合、高精度地图、AI芯片及算法等多个环节。
• 自动驾驶技术的落地受到政策、经济、社会和技术因素的共同影响，其中政策支持和标准建设是关键。

关键信息

1. 自动驾驶概念界定

自动驾驶根据SAE J3016标准分为五个等级（L0至L5），其中L4和L5为无人驾驶。自动驾驶涵盖感知、认知、决策、控制和执行五个流程，依赖于多传感器融合和AI算法。

2. 自动驾驶产业链分析

2.1 传感器

• 摄像头：价格低、硬件成熟，但依赖光线，主要用于ADAS。
• 激光雷达：精度高、三维成像能力强，但成本高、量产难，国内厂商如速腾聚创、禾赛科技正在努力降低成本。
• 毫米波雷达：全天候工作、探测距离远，但无法识别小物体，目前由国外厂商主导。
• 多传感器融合：成为行业共识，不同传感器将相互补充，提升系统安全性和可靠性。

2.2 高精度地图

• 高精度地图提供厘米级定位信息，是自动驾驶的关键支撑。
• 国内主要图商包括高德地图、四维图新、百度地图等，通过“自主+众包”或“数据+算法”模式进行地图采集和更新。
• 高精度定位技术如千寻位置，通过卫星和地面基准站提供高精度信息。

2.3 AI芯片

• 自动驾驶对AI芯片的需求推动国产化发展，寒武纪、地平线机器人等企业正在开发专用型AI芯片。
• 不同芯片架构（CPU、GPU、FPGA）各有优劣，NVIDIA、英特尔等企业主导市场，但国内厂商有机会突破垄断。

2.4 算法

• 深度学习算法是自动驾驶的关键，应用于感知、决策、控制等环节。
• 数据质量对算法至关重要，数据获取方式包括实测、模拟和众包。
• 算法公司正在探索多种商业模式，如提供自动驾驶解决方案、参与整车厂合作等。

2.5 车联网技术

• 5G通信技术推动自动驾驶实现更高效的数据传输。
• 车联网技术将增强自动驾驶的感知能力和决策能力。

2.6 传统与新兴车企

• 传统车企如一汽、北汽逐步布局自动驾驶，与科技公司展开合作。
• 初创企业如图森未来、智行者科技、小马智行等在自动驾驶领域崭露头角，获得大量融资。

3. 产业发展路线

• 中国自动驾驶产业以L3级别为目标，计划在2020年实现L3级别的自动驾驶。
• 技术路线以“单车智能+网联智能”并重，强调多传感器融合和算法优化。

4. 合作模式与初创企业

• 产业合作模式开放广泛，主机厂、Tier1供应商和科技公司共同推动技术发展。
• 初创企业在技术积累和资本支持下迅速成长，但面临商业化挑战。

5. 产业趋势与挑战

• 自动驾驶将带来泛汽车产业效应，重构传统汽车产业结构。
• 产业面临技术瓶颈、政策法规滞后、市场竞争激烈等挑战。
• 中国消费者对自动驾驶接受度较高，有助于技术落地。

6. 国外领先玩家

• 代表企业包括Mobileye、Waymo、特斯拉、英特尔、高通等。
• 这些企业在自动驾驶技术、传感器、AI算法等方面具有领先优势。

产业展望

• 自动驾驶将加速发展，特别是在2020年前后，成为各大厂商的重点发展方向。
• 产业将经历优胜劣汰，市场集中度将显著提高。
• 自动驾驶带来的商业机会巨大，包括智能出行、共享经济等。

总结

2017年中国自动驾驶产业正处于快速发展阶段，技术、资本、政策和社会需求共同推动其成长。产业生态呈现多技术融合、开放合作的特征，有助于创新和竞争。尽管面临诸多挑战，但中国在数据、市场接受度等方面具有明显优势，有望在自动驾驶领域发挥引领作用。