20210603-中泰证券-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_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

核心内容概述

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与消费市场两种路径的优劣、技术路线的选择、算法自研与第三方算法的对比，以及供应链的发展阶段和核心要素。

主要观点

1. 商业化路径之争

• 应用场景之争：ROBOTAXI目标是直接替代司机，技术路线激进；消费市场为ADAS渐进式路线，从L2向L4迭代。
• 技术路线之争：纯视觉方案成本集中在云端，多感知融合成本集中在车端。纯视觉具备综合成本优势，但对算法和传感器精度要求更高；多感知融合具备可靠性优势，但初期成本较高。
• 算法是否自研：自研算法具备更快的迭代速度，能够通过SHADOW模式获取高质量数据，而第三方算法无法实现。

2. 产业演进阶段

• 第一阶段（2020-2025）：车端竞争
  重点在于电子电气架构、传感器、算法和算力。产品定义为核心竞争力，市场集中度较低。
• 第二阶段（2025年后）：云端竞争
  车队保有量和数据量大幅增长，云端算力成为关键。算法和生态应用边际效应递增，行业头部化趋势明显。

3. 供应链发展

• 爆发顺序：先感知，后云端，再生态应用。感知是率先爆发的子领域，包括传感器和算法。
• 硬件爆发：高像素摄像头、MEMS激光雷达、低功耗高算力芯片将逐步成为市场焦点。
• 算法解耦：软硬件解耦趋势明显，车辆控制端中的悬挂系统可能成为下一个解耦部件。

4. 整车市场变化

• 在智能车时代，由于云端应用和算法的边际收益递增，整车市场集中度有望显著提升。
• 传统车时代，汽车为高度差异化的周期消费品，而智能车时代，整车厂将更具竞争力。

5. 技术路线与成本分析

• 纯视觉 vs 多感知融合：纯视觉在车端成本较低，但云端成本较高；多感知融合在车端成本较高，但具备更高的安全冗余。
• 摄像头配置：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，摄像头数量和像素提升显著。
• 芯片算力：L2级别需约2TOPS，L4级别需320TOPS，L5级别需1000+TOPS。蔚来ET7搭载4颗英伟达Drive Orin芯片，算力达1016TOPS；特斯拉FSD芯片算力达144TOPS，计划推出432TOPS的Hardware4.0。

6. 云端算力与成本

• 超算平台：如特斯拉DOJO，具备1EFLOPS算力，用于仿真和训练。云端壁垒高，成本也较高。
• 云计算 vs 超算：云计算通用、分布、成本低；超算专用、集中、性能高。华为云具备0.128-0.512 EFLOPS FP32算力，成本为20亿建造+0.73亿电费/年。

7. 激光雷达与摄像头技术

• 激光雷达：主要分为机械式、MEMS和Flash三种类型。MEMS激光雷达成本低，技术成熟；Flash具备远期前景，但探测距离有限。
• 摄像头：像素提升、帧率提升和探测距离增强是主要发展方向。特斯拉采用8个摄像头，蔚来ET7采用11个，小鹏P5采用13个。

8. 主要企业与技术布局

• ROBOTAXI企业：包括百度、小马智行、文远知行、滴滴、AutoX、Waymo等，其中Waymo和Cruise具备较高的运营里程和车队规模。
• 消费市场企业：如特斯拉、小鹏、蔚来等，特斯拉在自动驾驶算法和数据积累方面具备显著优势。
• Mobileye：采用三位一体战略，提供冗余、REM和算法优化方案，具备较强的竞争力。
• 华为：提供全栈云平台，具备自动标注、DevOps能力，算力迭代周期短。

关键信息总结

商业化路径

• ROBOTAXI：依赖算法迭代优势，但落地速度较慢，运营车辆数量少，需依赖安全员。
• 消费市场：数据量大，落地速度快，特斯拉等企业具备显著优势，有望通过FSD技术实现汽车的使用率提升。

技术路线

• 纯视觉：成本低，但需高算力芯片，云端成本高。
• 多感知融合：成本高，但可靠性强，具备安全冗余。

供应链发展

• 感知层：率先爆发，包括摄像头、激光雷达等。
• 云端层：随着数据量增长，算力需求指数级上升，云端成为竞争焦点。
• 应用层：包括V2X、社交等，边际收益递增。

芯片与算力

• 蔚来ET7：搭载4颗英伟达Orin芯片，算力1016TOPS。
• 特斯拉：FSD芯片算力144TOPS，计划推出432TOPS的Hardware4.0。
• 算力需求：L2级别2TOPS，L4级别320TOPS，L5级别1000+TOPS。

云端算力与成本

• 特斯拉DOJO：1EFLOPS FP32，用于自动驾驶训练。
• 华为云：0.128-0.512 EFLOPS FP32，建造成本20亿，年电费0.73亿。
• 云计算 vs 超算：云计算通用、分布、成本低；超算专用、集中、性能高。

激光雷达与摄像头

• 激光雷达：机械式为主，MEMS和Flash为未来方向。
• 摄像头：数量和像素提升显著，探测距离和帧率成为关键指标。

企业与技术布局

• ROBOTAXI企业：Waymo、Cruise、百度、小马智行等。
• 消费市场企业：特斯拉、小鹏、蔚来等。
• Mobileye：提供三位一体方案，具备高可靠性。
• 华为：全栈云平台，具备自动标注和DevOps能力。

投资机会

• 车端阶段：传感器、算法、域控制器、芯片等。
• 云端阶段：超算平台、算法训练、生态应用等。
• 未来趋势：随着数据量增长，云端竞争将加剧，算法和生态应用成为核心竞争力。

图表摘要

• ROBOTAXI运营公司对比：Waymo、Cruise、百度、小马智行等。
• 纯视觉 vs 多感知融合：成本和性能对比。
• 芯片算力：蔚来、特斯拉、小鹏等。
• 云计算 vs 超算：性能和成本对比。
• 激光雷达分类：机械式、MEMS、Flash。
• 摄像头配置：不同车型的摄像头数量和像素。

总结

汽车智能化的商业化路径和产业演进将经历从车端竞争到云端竞争的两个阶段。ROBOTAXI和消费市场是主要的两种路径，前者技术激进但落地速度慢，后者数据量大且迭代快。技术路线方面，纯视觉和多感知融合各有优劣，自研算法具备更快的迭代速度。供应链方面，感知层率先爆发，随后是云端和生态应用。未来，随着数据量和算力需求的增加，云端将成为竞争焦点，算法和生态应用将决定市场格局。投资机会主要集中在车端和云端两个阶段，未来趋势向云端和生态应用发展。