2017-自动驾驶商业化进程加速-重大发展机遇_43页_3mb

自动驾驶行业系列报告之一：商业化进程加速，全产业链迎来重大发展机遇

核心内容

自动驾驶行业正处于技术突破与政策利好双重驱动下快速发展阶段，未来将实现商业化落地。随着技术进步、政策支持以及产业链各环节的成熟，自动驾驶行业将迎来重要发展机遇。

主要观点

1. 技术突破：自动驾驶技术的发展得益于通讯技术、人工智能、深度学习等领域的不断突破。例如，英伟达、高通、Mobileye等在芯片、算法等方面取得进展，为自动驾驶提供坚实基础。
2. 政策支持：美国、欧盟、中国等国家和地区在资金和法规层面给予自动驾驶产业大力支持，推动其发展。
3. 产业路径分化：传统汽车厂商和互联网厂商分别采取不同的路径发展自动驾驶，前者从ADAS切入逐步升级，后者则通过数据和算法直接进入高等级自动驾驶领域。
4. 产业链机遇：自动驾驶产业链包括感应识别、路径规划、决策、执行和网联等多个环节，均将迎来重要发展机遇。
5. 商业化进程：数据和V2X技术将推动自动驾驶的商业化进程，提升自动驾驶水平和安全性。

关键信息

技术突破

• 通讯技术：车联网通讯技术（DSRC/LTE-V）和5G技术的成熟，为自动驾驶提供了技术基础。
• 人工智能：深度学习等技术的发展显著提升了自动驾驶的感知和决策能力。
• 传感器技术：激光雷达、毫米波雷达、超声波雷达和红外探头等传感器的不断进步，提升了自动驾驶系统的环境感知能力。
• 芯片技术：Mobileye的EyeQ4、英伟达的PX2等芯片为自动驾驶提供了强大的计算能力。

政策支持

• 美国：2016年，美国交通部推出《自动驾驶汽车联邦政策》，并给予40亿美元的资金支持。
• 欧盟：法国、德国、英国等国家均在自动驾驶领域推出相关政策，支持测试和商业化。
• 中国：中国汽车工程学会发布自动驾驶技术路线图，预计2020至2025年将制定更具体的标准。

产业路径

• 传统汽车厂商：如宝马、奔驰、奥迪、通用、福特、特斯拉等，逐步从ADAS向自动驾驶升级。
• 互联网厂商：如谷歌、百度、腾讯、阿里巴巴等，依托数据和算法优势，直接进入高等级自动驾驶领域。

产业链发展

• 感应识别端：包括摄像头、激光雷达、毫米波雷达等，是自动驾驶的“眼睛”。
• 路径规划端：高精度数字地图为自动驾驶提供必要的导航信息。
• 决策端：依靠深度学习和决策芯片进行智能判断和决策。
• 执行端：包括电子制动系统（EBS）、自适应巡航系统（ACC）等。
• 网联端：V2X技术实现车与外界的互联交流，提高整体交通安全和效率。

商业化与投资建议

• 数据与V2X：数据是ADAS厂商的关键，V2X技术将在自动驾驶普及后发挥更大作用。
• 投资推荐：四维图新、路畅科技、索菱股份、保千里、亚太股份、中海达、超图软件等公司被推荐，因其在自动驾驶产业链中的重要地位。

重点个股推荐

图表目录

• 图表1：自动驾驶车辆传感器众多，通讯和移动互联网奠定技术基础
• 图表2：主流激光雷达性能指标
• 图表3：美国政府出台的相关政策法规或监管措施
• 图表4：欧洲关于自动驾驶的政策监管不断完善
• 图表5：中国关于自动驾驶的相关政策规定
• 图表6：海外汽车制造厂商在自动驾驶领域的布局
• 图表7：海外汽车制造厂商的自动驾驶汽车
• 图表8：国外科技巨头竞相布局自动驾驶
• 图表9：国内汽车制造商积极涉足自动驾驶
• 图表10：以BAT为首的国内互联网公司加快自动驾驶布局
• 图表11：BAT发挥各自优势，布局自动驾驶
• 图表12：自动驾驶驱动及阻碍因素分析
• 图表13：自动驾驶的四个等级
• 图表14：自动驾驶发展路径
• 图表15：自动驾驶发展的两种路径
• 图表16：宝马自动驾驶布局
• 图表17：宝马7系自动驾驶测试
• 图表18：宝马、英特尔、Mobileye合作开发自动驾驶电动车
• 图表19：奔驰自动驾驶布局
• 图表20：戴姆勒未来巴士
• 图表21：奔驰DAVOS的自动驾驶系统
• 图表22：奥迪自动驾驶布局
• 图表23：特斯拉2010-2015年营业收入情况及增长率
• 图表24：特斯拉自动驾驶布局
• 图表25：特斯拉Model S
• 图表26：特斯拉8.0辅助驾驶系统
• 图表27：中国互联网企业布局高精度地图和激光雷达
• 图表28：谷歌自动驾驶发展历程
• 图表29：谷歌自动汽车结构图
• 图表30：百度自动驾驶布局
• 图表31：百度与长安汽车共同推出的智慧汽车
• 图表32：福田汽车集团百度战略合作
• 图表33：自动驾驶产业链
• 图表34：感应识别元件对比
• 图表35：车载摄像头应用
• 图表36：摄像头图像识别
• 图表37：车载镜头产能
• 图表38：超声波雷达示意
• 图表39：全球倒车雷达需求量
• 图表40：全球倒车雷达市场规模
• 图表41：国内倒车雷达需求
• 图表42：激光雷达示意图
• 图表43：激光雷达降低成本的方案
• 图表44：毫米波雷达工作示意
• 图表45：毫米波雷达分类
• 图表46：全球毫米波雷达出货量预测
• 图表47：红外探头示意图
• 图表48：全球民用红外市场规模预测
• 图表49：自动驾驶对地图应用的要求
• 图表50：前装地图系统及后装地图系统产品特点
• 图表51：前装车载地图系统市场出货量
• 图表52：2016年3季度前装车载地图出货量市场份额
• 图表53：后装车载地图系统市场出货量
• 图表54：深度学习模型
• 图表55：Mobileye EyeQ4处理器架构
• 图表56：英伟达PX2
• 图表57：科技巨头深度学习进展情况
• 图表58：车联网V2X
• 图表59：自动驾驶车辆网市场规模预测
• 图表60：车联网相关政策
• 图表61：Velodyne公司激光雷达产品对比
• 图表62：高精度数字地图
• 图表63：前装车载地图系统
• 图表64：自动驾驶上市公司估值情况及推荐逻辑

技术与产业路径分析

自动驾驶等级

• L1：特定功能辅助，如车道偏离警告、盲点监测等。
• L2：组合功能辅助，如自适应巡航、自动泊车等。
• L3：有限条件自动驾驶，如高速自动驾驶。
• L4：完全自动驾驶，如谷歌、百度在部分路径实现。

传统车厂路径

• 宝马：与百度、英特尔合作，推进自动驾驶电动车iNext的研发。
• 奔驰：完成多次自动驾驶试验，计划于2030年推出。
• 奥迪：在赛道测试自动驾驶技术，未来计划应用于A8。
• 特斯拉：推出Model S 7.0和8.0版本，提升自动驾驶体验。

互联网厂商路径

• 谷歌：成立Waymo，积累大量自动驾驶测试数据。
• 百度：与长安、福田等汽车厂商合作，推进自动驾驶。
• 腾讯：与四维图新合作，布局高精度地图业务。
• 阿里巴巴：与中国兵器工业集团公司合作，推进北斗系统民用化。

产业链各环节发展

感应识别元件

• 摄像头：应用广泛，用于自适应巡航、车道偏离警告等。
• 超声波雷达：主要用于倒车雷达，成本低，应用广泛。
• 激光雷达：精度高，但成本昂贵，未来将通过固态化降低成本。
• 毫米波雷达：用于中长距离测距，性能稳定。
• 红外探头：用于恶劣天气环境下的辅助观察。

高精度数字地图

• 应用要求：误差需小于10厘米，为自动驾驶提供精确导航。
• 市场类型：前装和后装系统，前装系统更集成，后装系统更灵活。
• 市场增长：前装系统将保持高速增长，后装系统有广阔市场空间。

决策与执行

• 决策芯片：如Mobileye EyeQ4和英伟达PX2，为自动驾驶提供强大算力。
• 深度学习：提升自动驾驶的识别和决策能力，算法准确率可达99.9%以上。

车联网V2X

• 技术作用：实现车与外界的互联，提高整体交通安全和效率。
• 市场前景：预计2022年市场规模将达9.212亿美元，年复合增长率18.5%。

总结

自动驾驶行业正迎来技术突破与政策支持的双重机遇，传统车厂与互联网厂商分别采取不同的发展路径。随着产业链各环节的成熟，自动驾驶商业化进程将加快，V2X技术将发挥重要作用。投资方面，建议关注四维图新、路畅科技、索菱股份等在产业链中具有重要地位的公司。