特斯拉产业系列深度报告-智能驾驶爆发在即_66页_4mb

汽车零配件行业2016年日常报告总结

核心内容概览

本报告聚焦于2016年汽车智能化与电动化趋势，特别是特斯拉在自动驾驶领域的引领地位。报告指出，特斯拉通过OTA空中升级和深度学习技术，实现自动驾驶系统的快速迭代，具备显著的市场优势。同时，报告分析了智能驾驶产业链的结构，包括感知层、判断层和执行层，并对ADAS市场、雷达与摄像头技术、底盘电子控制系统供应商等进行了详细探讨。

主要观点

1. 特斯拉：自动驾驶商业化的引领者

• OTA升级功能：特斯拉通过OTA（Over-The-Air）技术实现系统持续更新，使车辆具备类似iPhone的升级体验，显著提升用户体验并降低升级成本。
• 深度学习技术：特斯拉的自动驾驶系统通过不断收集和分析用户驾驶数据，实现智能化学习和优化。
• 硬件基础与软件升级：Model S在出厂时已配备多种传感器，如超声波雷达、摄像头等，为自动驾驶提供了硬件基础，通过软件升级逐步解锁更多功能。
• 数据优势：特斯拉拥有庞大的自动驾驶数据量，远超其他竞争对手，有助于加速自动驾驶技术的发展。

2. 智能驾驶势在必行，看好特斯拉技术路线

• 智能网联汽车：被视为智能汽车的发展方向，具备信息共享、复杂环境感知、智能化决策等能力。
• 政策推动：各国政府纷纷支持无人驾驶技术发展，如美国将无人驾驶提升至国家战略，欧盟推动智能交通走廊建设，日本致力于2030年完全自动驾驶市场化。
• 国内政策：《中国制造2025》与《车联网发展创新行动计划》推动智能驾驶技术发展，明确未来智能汽车的发展目标。
• 法规改革：随着智能驾驶产业的发展，法规改革迫在眉睫，以适应新技术带来的挑战。

3. 智能驾驶技术路线对比

• 特斯拉：硬件一步到位，软件持续升级，具有传统车企与互联网企业的双重基因。
• Google：专注于软件开发，采用“硬件外包+软件自主”模式，重视复杂城市道路测试。
• 传统汽车厂商：依赖汽车电子系统供应商，逐步提升ADAS功能，实现渐进式无人驾驶。

4. ADAS市场前景广阔

• 市场预测：预计到2020年，国内ADAS前装市场规模将达1350亿元，存量车市场达600亿元，总体接近2000亿元。
• 单车智能化先行：ADAS是实现智能网联汽车的基础，其市场渗透率和增长速度预计会持续上升。

5. 感知层技术：雷达与摄像头

• 感知技术的重要性：雷达和摄像头是智能驾驶的核心感知技术，为车辆提供环境信息。
• 雷达技术：超声波雷达、毫米波雷达和激光雷达各有优势，激光雷达虽性能优越但成本较高。
• 摄像头技术：视觉ADAS系统快速发展，带动汽车芯片需求增长，中国芯片市场依赖进口，但未来有望出现“芯”气象。

6. 底盘电子控制系统供应商

• 掌控ADAS集成控制：底盘电子控制系统供应商将在智能驾驶判断层占据主导地位。
• 深度学习与GPU/FPGA：随着智能驾驶的发展，深度学习技术推动GPU与FPGA在汽车中的应用。
• 执行端技术：ESP（车身电子稳定系统）、IBS（智能刹车系统）等技术为智能驾驶提供执行保障。

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

• 推荐关注：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

未来展望

• 特斯拉预计于2018年实现完全自动驾驶
• ADAS市场未来五年年复合增长率接近100%
• 汽车智能化与电动化趋势明显，2016年被视为智能汽车元年
• 中国自主品牌汽车与互联网企业正加速布局智能驾驶技术，有望实现弯道超车

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Model S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 十几款 iPhone 就颠覆了整个手机产业
• 图表15: 特斯拉通过 OTA 持续升级系统扁平化产品带来无差异的用户体验
• 图表16: 用户使用自动驾驶功能的数据都会上传给特斯拉
• 图表17: Google 无人驾驶汽车
• 图表18: Android 系统市占率迅速超过 ios、Symbian
• 图表19: Android 市占率从 4% 提高到 81% 只用了 7 年时间
• 图表20: 2014 年 9 月至 2015 年 11 月 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（传统车企VS互联网企业VS特斯拉）
• 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（单位：亿元）
• 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: Velodyne32 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（单位：%）
• 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（单位：亿美元，%）
• 图表58: 2014 年全球汽车半导体厂商前十营收情况(单位：亿美元)
• 图表59: 2011-2015年中国汽车电子芯片行业市场规模（单位：亿元）
• 图表60: 2016-2020 年中国汽车电子芯片需求预测(单位：亿元)
• 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（单位：百万）
• 图表66: 2015年汽车摄像头模组供应商及份额（单位：%）
• 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（单位：%）
• 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（单位：%）
• 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（单位%）
• 图表83: 日本 ECU 市场竞争格局（单位：%）
• 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

结论

本报告强调，特斯拉在智能驾驶领域具有明显优势，其OTA升级和深度学习技术使其成为自动驾驶商业化的重要推动者。同时，ADAS市场前景广阔，预计未来五年将实现年复合增长率接近100%。随着政策支持和产业进步，智能驾驶技术将逐步成熟，推动汽车行业向智能化、电动化方向发展。中国自主品牌企业和互联网企业也在积极布局，有望在未来实现技术突破和市场领先。