2017年中国自动驾驶产业研究报告_100页_3mb

中国自动驾驶产业研究报告总结（2017年）

核心内容

本报告围绕2017年中国自动驾驶产业展开，从技术、产业链、商业模式、政策法规等维度进行分析，旨在明确自动驾驶的内涵与外延，揭示其产业发展现状及未来趋势。

主要观点

• 自动驾驶技术作为汽车智能化发展的关键方向，正逐步改变传统出行方式。
• 自动驾驶产业在政策支持、技术进步、资本投入和社会需求的推动下迅速发展。
• 中国在数据和市场接受度方面具有明显优势，但在技术积累和产业基础方面仍需加强。
• 技术实现上，自动驾驶采用拟人化思路，包括感知、认知、决策、控制和执行五个环节。
• 产业生态呈现多技术融合趋势，传感器、高精度地图、AI芯片和算法是核心环节。

关键信息

1. 自动驾驶技术发展背景

• 自动驾驶技术的发展受到人工智能和深度学习的推动，使得系统能够识别物体、做出合理决策。
• 自动驾驶技术的发展不仅涉及硬件，也包括软件和数据。
• 2016年是中国自动驾驶产业爆发的一年，资本、车企和政策共同推动了产业的快速发展。

2. 自动驾驶分级标准

• SAE J3016文件提出的五级自动驾驶分级标准被广泛采用。
• 各级自动驾驶技术对驾驶员的参与程度不同，L4和L5为完全自动驾驶。

3. 中国自动驾驶产业发展概况

• 自动驾驶产业链包括传感器、高精度地图、AI芯片、算法、车联网技术、传统和新兴车企等。
• 2015年《中国制造2025》发布，自动驾驶成为未来汽车发展的重要方向。
• 国内消费者对新技术持开放态度，有助于自动驾驶的快速落地。

4. 产业链分析

4.1 传感器

• 摄像头、毫米波雷达、激光雷达等是自动驾驶的关键传感器。
• 摄像头成本低但依赖光线，毫米波雷达全天候工作但难以识别小物体，激光雷达精度高但成本高。
• 多传感器融合成为行业共识，有助于提升感知能力和安全性。

4.2 高精度地图

• 高精度地图提供更详细的环境信息和更精确的定位，是自动驾驶的重要支持。
• 国内主要图商包括四维图新、高德地图等，通过众包和自主采集完成数据。
• 高精度地图与高精度定位结合，为自动驾驶提供更完整的解决方案。

4.3 AI芯片

• 传统车载电脑（ECU）无法满足深度学习算法的计算需求，因此需要高性能AI芯片。
• 国内初创公司如寒武纪、地平线机器人等正在研发专用AI芯片，以突破国外垄断。
• AI芯片的发展将推动自动驾驶技术的进一步成熟。

4.4 算法

• 深度学习算法是自动驾驶的关键，涵盖感知、决策等环节。
• 算法需要大量高质量数据进行训练，数据的获取方式包括实测、模拟和众包。
• 算法公司正在探索通用解决方案和多样化的商业模式。

5. 自动驾驶产业趋势及挑战

• 自动驾驶技术的落地受到技术发展、政策法规、社会态度和资本市场等多方面因素的影响。
• 中国在数据和市场接受度方面具有优势，但在技术积累和产业链整合方面仍有不足。
• 产业将经历优胜劣汰，市场集中度将显著提高。

6. 国外领先玩家

• 代表企业包括Mobileye、Velodyne、NVIDIA等，他们在自动驾驶技术、传感器和AI芯片等方面具有领先优势。

产业展望

• 自动驾驶将重构传统汽车产业的结构，推动产业向智能化、网联化发展。
• 未来自动驾驶技术的发展将依赖于多传感器融合、算法优化和数据积累。
• 中国有望在自动驾驶领域发挥引领作用，特别是在数据和市场接受度方面。

结论

• 自动驾驶产业在中国具有良好的发展基础和前景，但也面临技术、政策和市场等多方面的挑战。
• 产业的发展将依赖于技术的不断突破和产业链的深度融合，形成完整的生态体系。
• 未来自动驾驶技术的普及将极大提升出行效率和安全性，成为汽车产业的重要发展方向。