20210608-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_4mb

汽车智能化商业化路径、产业演进及投资机会分析

核心内容概述

本报告探讨了汽车智能化的商业化路径、产业演进趋势以及投资机会，重点分析了智能驾驶技术在不同场景下的应用、技术路线选择、算法自研与第三方算法之间的差异，以及在车端和云端的竞争格局。

主要观点与关键信息

1. 商业化路径之争

• 应用场景之争：ROBOTAXI与消费市场是两种主要路线。ROBOTAXI技术激进，但落地速度慢；消费市场以ADAS渐进式迭代为主，落地速度快。
• 技术路线之争：纯视觉方案成本集中在云端，但对算法和传感器精度要求高；多感知融合方案成本集中在车端，但具有更高的可靠性。
• 算法是否自研：自研算法能够更快迭代，且能获取高质量数据，支持SHADOW模式，而第三方算法不具备该能力。

2. 产业演进阶段

• 第一阶段：车端竞争

  • 核心围绕架构、传感器、算法和算力等。
  • 整车厂盈利周期波动性大，市场集中度低，产品护城河不高。
  • 投资机会集中在传感器、算法、域控制器等赋能环节。

• 第二阶段：云端竞争

  • 云端成为核心战场，车队规模和数据量决定算力需求。
  • 算法和生态应用边际效应递增，行业头部化趋势明显。
  • 投资机会集中在云端算力、算法训练、生态应用等。

3. 供应链爆发顺序

• 感知先行：包括摄像头、激光雷达等，具备较高的技术壁垒和市场潜力。
• 集成次之：涉及软硬件解耦、域控制器等。
• 应用最后：包括V2X、社交、REM等，随着云端成熟逐步爆发。

4. 硬件与算法趋势

• 硬件：高像素摄像头、低功耗高算力芯片、MEMS激光雷达将率先爆发。
• 算法：软硬件解耦趋势明显，悬挂系统可能成为下一个解耦部件。

技术路线对比

ROBOTAXI与消费市场

• ROBOTAXI：车队规模小，运营里程低，依赖安全员，落地速度慢。
• 消费市场：特斯拉等企业拥有庞大的车辆保有量，数据量大，迭代速度快。

算法与传感器配置

纯视觉 vs 多感知融合

云端竞争与算力需求

• 算力需求：L2需要约2TOPS，L3约24TOPS，L4约320TOPS，L5超过1000TOPS。
• 超算平台：特斯拉Dojo算力达1EFLOPS，用于训练模型和处理视频数据；华为云算力0.128-0.512EFLOPS，提供全栈自动驾驶服务。

云端与超算对比

摄像头技术与配置

• 摄像头数量：从8个（特斯拉Model 3）到15个（极氪001）不等。
• 像素提升：从120万到4800万，分辨率提升显著。
• 探测距离：从250米到687米，提升感知能力。
• 性能提升：帧率提升，动态范围扩张，推动ADAS级别提升。

激光雷达技术趋势

• 激光雷达类型：机械式、MEMS、Flash、OPA等。
• 技术趋势：MEMS和Flash是未来重点方向，具备成本和性能优势。
• 核心部件：微振镜、激光器、探测器等。

企业对比与市场前景

• ROBOTAXI企业：百度、小马智行、文远知行、滴滴、AutoX、Waymo等。
• 消费市场企业：特斯拉、蔚来、小鹏、理想、威马等。
• 市场预测：特斯拉有望在2020年实现100万辆Robotaxi部署，推动产业重构。

风险提示

• 新能源汽车补贴政策不及预期
• 新能源汽车销量不及预期
• 行业扩产加速导致价格低于预期
• 行业测算偏差风险
• 公开资料可能存在信息滞后或更新不及时风险