特斯拉产业系列深度报告二：从特斯拉观汽车智能化，智能驾驶爆发在即-160623_66页_4mb

报告摘要

汽车零配件行业2016年日常报告总结

核心内容

本报告分析了2016年汽车零配件行业的趋势，重点探讨了特斯拉在智能驾驶领域的领先地位及其对行业的影响。同时，报告预测了智能驾驶相关市场的规模和增长潜力，并指出政策推动、技术进步和产业链布局是实现智能驾驶的关键因素。

主要观点

1. 特斯拉：自动驾驶商业化的引领者

空中升级（OTA）：特斯拉通过OTA技术实现了汽车软硬件的分离，使车主可以免费、便捷地升级系统，显著提升了用户体验。
深度学习与数据积累：特斯拉的自动驾驶系统通过不断收集和分析用户的驾驶数据，实现系统的持续优化和升级，从而加快自动驾驶的普及。
硬件与软件结合：特斯拉在车辆出厂时就配备了自动驾驶所需的各种传感器，如摄像头、雷达等，并通过软件不断优化，使其具备自动驾驶能力。
技术路线优势：特斯拉的“硬件一步到位，软件持续升级”路线相较于Google和传统车企更具优势，使其在智能驾驶领域迅速崛起。

2. 智能驾驶势在必行

政策推动：各国政府纷纷支持无人驾驶技术的发展，尤其是美国将无人驾驶提升到国家战略层面。
智能网联汽车：智能网联汽车是未来汽车的发展方向，具备信息共享、复杂环境感知、智能化决策和自动化协同等功能。
市场前景广阔：预计到2020年，国内ADAS前装市场将达到1350亿元，加上商用车和存量车市场，总体市场规模接近2000亿元，年复合增长率接近100%。

3. 感知层技术：雷达与摄像头各显神通

感知技术的重要性：感知技术是实现智能驾驶的第一步，是信息输入的关键环节。
雷达与摄像头融合使用：雷达用于监测车距，摄像头用于识别道路标志和分道线，两者结合能更好地满足智能驾驶的需求。
市场预测：2015年自动驾驶汽车中的传感器模块市场规模为26亿美元，预计到2030年将增长至360亿美元，复合年增长率达19%。

4. 判断层技术：底盘电子控制系统供应商主导

ECU与CAN总线：ECU是智能驾驶的核心控制单元，CAN总线则为信息传送提供了支持，二者是智能驾驶判断与信息传送的黄金搭档。
深度学习推动技术发展：深度学习技术为无人驾驶提供了强大的计算能力，同时为GPU和FPGA产业带来了新的机会。
底盘电子控制系统的重要性：底盘电子控制系统供应商将在ADAS集成控制领域长期占据主导地位，因为其是智能驾驶执行端的核心技术。

5. 执行层技术：底盘电子控制系统供应商布局智能驾驶

执行端是智能驾驶的关键：转向和制动系统是智能驾驶执行端的核心，与整车厂关系密切。
电控制动系统的发展：从机械制动向电子化制动的转变，为智能驾驶做好了准备。
ESP/ESC技术：这些技术为智能驾驶提供了核心的底盘电控支持，是实现智能驾驶的重要技术储备。

关键信息

市场数据

行业优化平均市盈率：27.93
市场优化平均市盈率：15.87
国金汽车零配件指数：10136.26
沪深300指数：3117.32
上证指数：2891.96
深证成指：10255.27
中小板综指：11282.25

投资建议

智能汽车是未来长期投资方向，2016年是智能汽车元年。
推荐的智能汽车相关公司包括：拓普集团、双林股份、均胜电子、万安科技、亚太股份、云意电气，建议关注长信科技、欧菲光。

风险提示

智能驾驶产业进程不及预期
相关法规改革不及预期

图表目录

图表1：特斯拉向车主推送新系统
图表2：特斯拉OTA升级历史
图表3：特斯拉自动驾驶已可实现短时托管
图表4：特斯拉盲区预警功能
图表5：特斯拉自动变道功能
图表6：特斯拉配备的传感器
图表7：特斯拉周身传感器让其“眼明耳聪”
图表8：特斯拉ModelS与其他车型自动驾驶功能对比
图表9：各地区政府对无人驾驶的政策支持对比
图表10：智能汽车发展路线图
图表11：国内智能网联汽车方面相关事件
图表12：奔驰自动驾驶概念车
图表13：乐视超级汽车
图表14：ios1升级到ios9的市场份额变化
图表15：特斯拉通过OTA持续升级系统
图表16：用户使用自动驾驶功能的数据上传
图表17：Google无人驾驶汽车
图表18：Android系统市占率变化
图表19：Android市占率从4%提高到81%
图表20：Google无人驾驶车故障次数及原因
图表21：传统汽车厂商在自动驾驶领域进展
图表22：特斯拉具备传统车企和互联网双重优势
图表23：无人驾驶两种不同的策略
图表24：自主品牌企业在智能汽车领域的进展及规划
图表25：正在高速公路行驶的长安睿骋无人驾驶汽车
图表26：北汽无人驾驶车正在提供试驾
图表27：乐视超级汽车LeSee
图表28：百度自动驾驶车正在进行路测
图表29：ADAS系统基本构成
图表30：ADAS智能驾驶具体应用
图表31：ADAS产业链供应商
图表32：ADAS市场预测
图表33：传感器技术路线图和相关的自动驾驶功能
图表34：2015-2030年自动驾驶汽车中的传感器模块市场
图表35：LIDAR栅格地图
图表36：大众第三代超声波半自动泊车系统
图表37：毫米波雷达是ADAS核心传感器
图表38：奔驰S级使用多达7个雷达
图表39：全新奥迪A4使用5个毫米波雷达
图表40：双模雷达用于Stop&Go自动跟车
图表41：毫米波雷达发展方向
图表42：谷歌无人驾驶汽车中的激光雷达
图表43：激光雷达地形绘测
图表44：Velodyne 64线激光雷达解剖图
图表45：互联网企业花盆式激光雷达
图表46：传统车企倾向嵌入式激光雷达
图表47：Velodyne 32线新款固态混合超级冰球扫描型雷达
图表48：固态激光雷达
图表49：福特使用Velodyne激光雷达成像图
图表50：Velodyne hdl-64e激光扫描雷达成像图
图表51：法雷奥与Ibeo合作量产的ScaLa
图表52：Ibeo的LUX和miniLUX产品
图表53：Quanergy第一款产品M8-1
图表54：Quanergy在2016年CES上用于展示S3 Demo的红色奔驰
图表55：2015年汽车雷达主要厂家市场占有率
图表56：机器视觉原理图
图表57：2014-2020年全球汽车半导体营收规模
图表58：2014年全球汽车半导体厂商前十营收情况
图表59：2011-2015年中国汽车电子芯片行业市场规模
图表60：2016-2020年中国汽车电子芯片需求预测
图表61：偏航预警功能原理
图表62：用于行人检测的DMP算法
图表63：行人检测上，CNN由于DPM
图表64：夜视系统
图表65：车用前置摄像头市场规模预测
图表66：2015年汽车摄像头模组供应商及份额
图表67：无人驾驶汽车的“三重”测距传感器及其优劣势
图表68：ECU的基本组成
图表69：汽车普遍的ECU结构类型
图表70：经典CAN总线构造图
图表71：汽车CAN总线主要特点
图表72：深度学习是机器学习的分支
图表73：深度学习在汽车中的应用
图表74：全球GPU市场竞争格局
图表75：英伟达最新推出的Tesla P100芯片
图表76：全球FPGA市场竞争格局
图表77：Xilinx开发的FPGA芯片
图表78：2G、3G和4G速度对比表
图表79：4G网络下的车联网
图表80：TSP处于车联网产业链核心地位
图表81：国内车联网市场空间
图表82：欧美ECU市场竞争格局
图表83：日本ECU市场竞争格局
图表84：执行端是实现智能驾驶的核心
图表85：汽车制动系统结构示意图
图表86：鼓式制动器结构图
图表87：鼓式制动器工作原理示意图
图表88：盘式制动器结构图
图表89：盘式制动器工作原理示意图
图表90：通风制动盘散热示意图
图表91：陶瓷制动盘示意图
图表92：汽车电子制动相关产品
图表93：ESP/ESC技术发展历程
图表94：配备ESP系统可有效防止侧滑侧翻
图表95：各地区政府对无人驾驶的政策支持对比
图表96：中国自主品牌汽车ESP/ESC安装情况
图表97：EMB主要的优点
图表98：博世智能刹车系统(IBS)
图表99：IBS工作原理图解
图表100：iBooster可实现多种刹车方式
图表101：iBooster与智能驾驶可实现完美配合
图表102：重卡安装AEB系统
图表103：ACC实现智能跟车
图表104：智能驾驶产业链解析
图表105：智能驾驶相关上市公司盈利预测与财务指标

总结

本报告全面分析了2016年汽车零配件行业的发展趋势，重点强调了特斯拉在智能驾驶领域的领先地位及其对行业的影响。同时，报告预测了智能驾驶相关市场的规模和增长潜力，并指出政策推动、技术进步和产业链布局是实现智能驾驶的关键因素。通过分析特斯拉、Google、传统车企和自主品牌企业的不同技术路线和市场表现，报告展示了智能驾驶技术的发展路径和未来趋势。

展开完整摘要