一年融资400亿，这里是独角兽公园，2022中国自动驾驶行业研究报告｜创投新风向

自动驾驶是一个长坡厚雪的超级赛道，赛程过半，门票翻番，无人退场。

文｜石亚琼（36氪） Ben（36氪） 

蒙佳玥（汉能） 黄萌（汉能） 张欣蔚（汉能） 

吴昊（汉能） 殷少轶（汉能）

编辑｜石亚琼

封面来源｜IC photo

前言2022年对于中国的自动驾驶行业而言将意义非凡。在刚刚过去的2021年，11月25日，北京市智能网联汽车政策先行区，正式对外发布《北京市智能网联汽车政策先行区自动驾驶出行服务商业化试点管理实施细则（试行）》，并向部分企业颁发国内首批自动驾驶车辆收费通知书。北京成为国内首个明确认可自动驾驶”Robotaxi“商业化试点的城市，这也标志着国内自动驾驶赛道终于迎来了“下半场”——商业化运营阶段。而高速干线、末端物流、矿区、港口、环卫等应用场景的自动驾驶也将正式进入商业化元年。在国际上，中国自动驾驶领域的头部参与者已逐渐成为国际自动驾驶行业领先选手，据2021年加州DMV发布的《2020年自动驾驶接管报告》数据显示，AutoX与Pony.ai的MPI（Miles per Intervention，平均每次接管的行驶里程间隔）指标上榜前五名，紧随Waymo、Cruise之后。据天眼查数据显示，自动驾驶赛道自2016年开始进入爆发期，之后融资持续攀升，2021年相关融资高达94起，热度在整个汽车出行领域最高，披露融资金额超过435亿，同比历史最高。在这一整年汽车领域超过3亿美元的十余笔大额融资中，自动驾驶及相关赛道占据了五席，分别是：地平线、Momenta、斑马智行、文远知行、禾赛科技。站在产业的角度，随着自动驾驶技术的成熟与商业化落地，汽车产业链原有的价值分配格局将被颠覆，汽车将不再是从属于人的驾驶工具，而是成为自主导航的运输类机器人。展望未来，自动驾驶将深刻改变汽车产业，汽车很可能会分为两类，一类是有人驾驶的汽车，一类是移动服务汽车。传统的汽车制造商将逐步向运营服务商转型，为用户提供MaaS（Mobility as a Service）/TaaS（Transportation as a Service）的一站式服务。客观来说，自动驾驶是一个长坡厚雪的超级赛道，当前正处于爬坡的关键阶段，政策方面有待完善、技术方面仍在持续迭代、商业模式也在从根本上发生着转变，与此同时，行业内还充斥着诸多争议话题。本报告由36氪与汉能投资共同完成，共有超过5万字研究内容，希望从如下方面拆解中国自动驾驶领域，从不同的角度还原中国当下的自动驾驶行业、细分赛道、创投情况，以及我们对于未来自动驾驶乃至汽车、出行产业的预判。读者可通过文章评论置顶中的下载链接，获得完整报告。以下为本报告研究结构：1. 自动驾驶行业现状1.1. 中国自动驾驶现状1.2. 中美行业发展情况对比1.3. 行业整体融资情况1.4. 自动驾驶产业链结构分析2. 自动驾驶主要应用领域分析2.1. Tier 12.2. ADAS2.3. 芯片2.4. 激光雷达2.5. 高精定位2.6. Robotaxi2.7. 高速干线2.8. 末端物流2.9. 矿区2.10. 港口2.11. 环卫3. 当前行业面临的挑战和破局点3.1. 政策有待完善3.2. 技术仍在持续迭代3.3. 成本下降是关键4. 当前行业争论话题4.1. 单车智能VS车路协同4.2. 视觉 VS 融合4.3. 全栈 VS 非全栈4.4. 渐进式 VS 一步到位4.5. 场景降维打击是否可行5. 未来行业趋势判断5.1. 商业模式转变5.2. 不同阶段需要关注指标：技术、量产、商业化

 

自动驾驶行业现状1.1. 中国自动驾驶现状1.1.1. 发展历程1） 2009-2012：科研探索，学术积累国家自然科学基金委员会2009年起每年举办一届“智能车未来挑战赛”，研发具有自然环境感知与智能行为决策能力的无人驾驶汽车，并通过真实道路环境下的自主行驶来检验研究成果。2011年国防科技大学与一汽合作研发的红旗HQ3无人驾驶车完成了从长沙至武汉286公里的高速全程无人驾驶实验，标志着我国无人车在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破。2） 2013-2016：互联网巨头下场，初创厂商涌入2013年百度开启无人驾驶项目，陆续于北京、加州进行路测，并在乌镇开放无人驾驶车辆试运营。华为与百度同年起步，与车企进行合作逐步迈入车联网供应商序列。AutoX于本阶段尾声入场，2016年成立后于同年完成开放道路测试。小马智行于2016年12月创立，切入Robotaxi领域。景驰、Roadstar等相继入局，自动驾驶浪潮袭来。3） 2017-2021：巨头发力，迈入领先此阶段中国自动驾驶实现跨越式发展。百度发布Apollo计划并经4年演绎实现 Robotaxi落地商用探索，同时L4级自动驾驶解决方案也已降维装车量产；华为明确其市场定位，为主机厂提供优质智能汽车解决方案，以自动驾驶、车联网等核心技术赋能主机厂；自动驾驶独角兽与小马智行技术进程不断推进，陆续推出、完善产品及服务。同时期，自动驾驶产业链逐渐成熟，上游核心传感器厂家不断涌现，下游场景解决方案纷纷开始落地。据2021年加州DMV发布的《2020年自动驾驶接管报告》数据显示，中国自动驾驶领域的头部参与者已逐渐成为国际自动驾驶行业领先选手，AutoX与Pony.ai的 MPI（脚注：Miles per Intervention，平均每次接管的行驶里程间隔）指标上榜前五名，紧随 Waymo、Cruise 之后。1.1.2. 发展驱动因素1.1.2.1. 政策：国内多部门出台政策护航自动驾驶发展计划到2025年，中国标准智能汽车的技术创新，产业生态，基础设施，法规标准，产品监管和网络安全体系基本形成。除了积极推进政策立法，2018年开始，智能网联汽车示范区也在全国陆续开花。除工信部合作推进的一批智能网联或自动驾驶示范区成立外，陆续有部分省市通过与机构合作，或资本合作等形式，打造基于自身产业需求的智能网联汽车测试场景。其中，以北京经济技术开发区全域为核心的北京市高级别自动驾驶示范区，是全球首个网联云控高级别自动驾驶示范区。2021年成立至今，目前已累计开放1,000公里自动驾驶测试道路，测试里程超过300万公里，开通5G基站5.64万个(截止至2022年1月数据)。

图1

1.1.2.2. 技术：汽车电子电气架构由分布式走向集中，软硬件解耦提高软件开发效率传统汽车主要采用分布式电气架构，即每个车载功能对应一个或多个ECU（汽车电子控制器），各 ECU 之间通过 CAN 总线进行信号传输。ECU主要用于接收来自传感器的信息，进行处理后，输出相应的控制指令给到执行器执行。整车企业电控系统开发的主要工作（软件算法、匹配标定等）都依托于ECU完成。图2随着汽车电子化程度提升，车内ECU数量达到上百个，且由不同的供应商提供，存在算法无法协同、互相冗余、难以统一维护及统一进行OTA升级等痛点。为此，博世、大陆、安波福等Tier 1纷纷推出新一代电子电气架构，其主要技术包括网关、域控制器及车载以太网等，实现汽车架构由分布式向域集中升级，最终走向中央计算，达到车云协同的效果。集中式的架构一方面可以减少算力冗余，提高利用率，同时集中式的控制器更方便协调多传感器共同感知车内和车外环境，统筹决策。图31.1.2.3. 成本：核心传感器技术成熟，成本不断下探近年来，摄像头、毫米波雷达、超声波雷达技术在汽车上应用越来越成熟，价格也不断走低，目前业界对自动驾驶成本大幅度降低持乐观态度。其中，车载摄像头的单价持续走低，目前约为150元左右，预计未来降幅相对较低；毫米波雷达的市场供应单价约为500元，未来还有一定的降幅空间；激光雷达价格一直处于高位，过去主要用于测绘、工业生产领域，近年来随着固态激光雷达等新的技术路线替代传统机械式雷达，工艺成本显著下降，加上未来自动驾驶技术发展带动供货量上升，将有较大降幅空间。2019年，Luminar发布了价格不到1,000美元的LiDAR解决方案。Velodyne公司则计划到2024年将平均售价从2017年的17,900美元降至600美元。2020年，华为宣布其将量产的激光雷达单价在200美元以下。图41.2. 中美行业发展情况对比从技术端来看，美国单车智能高度领先。作为人工智能企业数量位居全球首位的国家，美国人工智能领域全球领先，人才储备充足、基础科研实力强，相关企业数量遍布基础层、技术层和应用层。另外，美国拥有发达的集成电路技术，高端芯片设计领域一直保持领先态势，为高性能车载芯片的发展打下了良好的基础。相比之下，我国“云+车+路”技术路线具备弯道超车的机会。我国4G和5G基站数量多、覆盖范围广，加上中国政府大力推动5G网络、物联网、卫星互联网、数据中心等新型基础设施建设，支持LTE-V2X向5G-V2X演进，车路协同技术优势较为明显。从商业端来说，美国由于存在较大人力缺口，企业更愿意为人员替代付费，进展更多集中在Robotaxi及无人物流领域。2018年，Waymo率先在亚利桑那州向其早期用户免费开放无人出租车服务，2020年10月，Waymo One在凤凰城首次向公众开放无人驾驶出租车业务。同年2月，美国国家公路交通安全管理局（NHTSA）批准Nuro率先部署无人送货车。相比之下，中国对人工智能的接受力度较大，更愿意从安全提升、效率提升层面为自动驾驶买单，特殊场景的商业化进展相对更快。图51.3. 行业整体融资情况据天眼查数据显示，自动驾驶赛道自2016年开始进入爆发期，2016年全年共有38起自动驾驶相关融资。随后，自动驾驶赛道融资持续攀升，2021年相关融资高达94起，披露融资金额超过435亿。图6行业融资额的增长，一方面是因为流动性充裕的情况向一级市场扩散。更重要的是自动驾驶技术的发展和应用落地，使得行业逐渐获得资本认可，受到互联网巨头和汽车龙头的重视程度提高。1.4. 自动驾驶产业链结构分析自动驾驶汽车功能的实现需要汽车制造商、零部件供应商、车载计算平台开发商、出行服务商供应商等多方主体参与。上游包括感知、传输、决策和执行层；中游为平台层，包括整合的智能驾舱平台、自动驾驶解决方案及传统的车联网TSP平台；下游主要为整车厂及第三方服务商。图7上游包括感知、传输、决策和执行层。感知层由车载摄像头、雷达系统、高精度地图、高精度定位、导航系统、路侧设备等组成；传输层基于通信设备和服务为自动驾驶提供信号传输，主要包括通信设备和通信服务；决策层包括计算平台、芯片、操作系统、算法等；执行层是对决策命令进行执行，包含线控、电子驱动/转向/制动、系统集成及其他汽车零部件厂商。四条系统环环相扣，实现汽车网联化功能。1） 感知层用于感知外部环境变化、获取相关信息。主要包括智能硬件（传感器、RFID及车载视觉系统等）、导航（GPS、北斗以及惯性导航系统）、路侧设备等。智能硬件是智能汽车的“眼睛”，无人驾驶硬件系统包括有传感器、RFID、车载视觉系统等。随着车联网、智能互联成为未来趋势，相关硬件产品需求量也日益增大。导航系统是智能汽车的指南针，无人驾驶汽车的导航定位主要通过全球定位系统（GPS）、北斗卫星导航系统（BDS）、惯性导航系统等实时获取车辆的位置、航向、速度。路侧设备是保证自动驾驶实现“车路协同”的必要条件。自动驾驶若仅只有车端的数据，难以实现安全、准确的驾驶，路端的一系列设备也必不可少。车联网路侧建设重点包括RSU、路侧智能交管设施、MEC设备等。2） 传输层是基于通信技术将感知层获得的环境信息转换成信号传导到决策层，类似人体的传输神经。传输层主要包含通信设备和通信服务，其中通信设备以元器件、信息交互终端等为主，通信服务主要为DSRC和C-V2X两种服务自动驾驶的无线通信技术。3） 决策层通过利用感知层、传输层反映回来的信息，建立相应的模型，制定出适合的控制策略。由于真实路况的复杂程度，以及不同人对于不同路况的不同解决对策，决策算法需要覆盖多数罕见路况的海量数据以及完善高效的人工智能技术。从功能上看，决策层主要包含操作系统、芯片、算法、高精度地图以及云平台等核心构成元素。当前自动驾驶技术真正实现的门槛在于决策层上。4） 执行层是无人驾驶系统的最底层，其核心任务是通过驱动、制动及转向控制系统，相互配合，使汽车能够按照决策部分规划的轨迹稳定行驶，并且同时能够实现避让、保持车距、超车等动作。随着自动驾驶的发展，执行层由驾驶员施加人力、通过真空和液压等推动的方式逐渐被电子化、电动化系统所替代，电信号替代机械力的线控技术在自动驾驶时代全面渗透。经过各层级的技术研发，最终由整车厂进行技术集成与生产组装，完成无人驾驶产品的生产末环。整车厂商为关键技术企业提供应用、实践平台，科技企业直接向整车厂商提供解决方案、部件。生产组装完毕的整车，一部分直接销售到消费者端，一部分成为第三方服务商的服务供应车辆。此类服务商一般为移动出行服务商，提供服务所得的数据反馈将协助整车厂及科技企业调整产品研发。部分整车厂也在向第三方服务商转变，或与之开展深度合作，整个无人驾驶产业链呈现生态化、网状化趋势。未来面向终端交付产品或服务的中游厂商具备最高的行业价值。随着自动驾驶技术的成熟与商业化落地，汽车产业链原有的价值分配格局将被颠覆，汽车将不再是从属于人的驾驶工具，而是成为自主导航的运输类机器人。未来核心零部件由体现动力和驾驶操控体验的传动系统，转向体现自动驾驶技术水平的智能软件系统和处理器芯片，价值链由传统主机厂转向科技公司。非核心零部件和整车制造的利润将被进一步压缩，而产业链两端的利润将大幅提升，未来专注设计研发环节的解决方案提供商、以及与用户更贴近的出行服务和运营服务商利润会更高。

图8

自动驾驶主要应用领域分析自动驾驶产业链复杂，上下游涵盖丰富细分领域。本篇报告中，我们选取各个环节中有代表性场景进行覆盖，重点介绍上游Tier 1、ADAS、芯片领域，下游针对各种应用场景的解决方案提供商。其中，由于自动驾驶应用场景广泛，根据其功能又可以进一步分为以Robotaxi为主的载人场景解决方案，和以高速干线、末端配送、矿区、港口等为主的载货场景解决方案，以及环卫清洁场景解决方案等。2.1. Tier 1在自动驾驶时代，新的智能化技术、设备应用在汽车领域，对于中国新兴的Tier 1公司来说，是百年难遇的历史性机遇。据罗兰贝格预测，至2025年，在全球范围内，预计只有14%的车辆没有ADAS功能，40%的车辆具有L1级功能，36%的车辆具有L2级功能，10%的车辆具有L3级或更高功能。据高工智能研究院数据，2020年1-4月，前视感知方案供应商方面，Mobileye排名榜首，和第二位的大陆、博世仍有接近10个百分点的领先优势。大陆集团受益于部分丰田TSS2.0方案陆续上市并从电装开始切换，1-4月市场份额排名略领先于博世。但是，由于国家鼓励自主创新，在智能网联领域，已有大量的初创公司从雷达、摄像头、泊车等方面切入，并且其中的一部分公司已经做到了一定的规模。

图9

从国际及国内与自动驾驶相关的主要Tier1产品分布领域及场景化布局来看，博世、大陆具备了Tier1中最全面产线及布局。2.1.1. 主要厂商1) 大陆集团以受访企业大陆集团为例，据其财报数据显示，在2018年到2020年间，大陆集团在ADAS领域获得来自全球汽车制造商的订单总额超过90亿欧元。大陆集团最新一代多功能摄像头MFC500系列以及4D成像雷达都将进入规模量产上车周期，同时，其汽车AI芯片预计将在2026年开始批量投产。大陆集团表示：随着芯片这一环的补齐，大陆向未来车辆高性能计算机所需的高度专业化的传感器模块和控制单元迈出了关键一步。根据其最新披露的信息，大陆集团将在今年开展复杂路况下的自动驾驶和无人驾驶道路测试，并在制动系统、5G 联网、超宽带 (UWB) 技术、材料开发以及人机交互等多个领域实现新技术落地，同时启动多个量产项目。2) Mobileye目前，超过70%的L2及以上的高级辅助驾驶都在使用Mobileye的视觉方案。甚至很多之前自研视觉算法的Tier1都选择了放弃自研，直接和Mobileye合作，以求快速占据市场。Mobileye在前装市场处于明显优势位置，特别是发布EyeQ4之后，在Intel的助力下，其目标已不再是单纯的视觉方案供应商，而是要成为自动驾驶领域的头部企业。Mobileye的方案则采用黑盒模式，传统Tier1 已不能从Mobileye获得足够的服务支持。头部Tier1意识到Mobileye一家独大带来的危机，纷纷寻求其他方案。博世、大陆、电装，坚持使用自研算法，对标Mobileye的EyeQ4的方案。2.1.2. 国内主要厂商国内的Tier 1觉醒相对较慢，近几年也开始奋起直追。与博世、大陆等不同，国内Tier 1更多是采取与主机厂深度合作或成立合资公司的捆绑式合作方式，联合研发、落地自动驾驶等技术，助力主机厂拓展全新的高端品牌，并且加快新四化转型，比如：吉利控股与百度组建智能电动汽车公司，百度将人工智能、Apollo自动驾驶、小度车载、百度地图等技术全面赋能合资公司；上汽与阿里巴巴合资成立高端纯电汽车品牌“智己汽车”，智己汽车应用阿里的斑马车联网系统，并采用上汽集团的三电核心、智能驾驶等技术；长安与华为、宁德时代将联合成立全新高端智能汽车品牌，三方共同开发CHN智能电动汽车平台，搭载华为智能座舱平台 CDC、自动驾驶域控制器 ADC 以及部分三电零部件。启明创投合伙人周志峰认为，智能化和新能源化是公认的汽车行业两大趋势，这两个大的趋势在同一时间点的耦合，也造就了近些年汽车行业的最大机会所在。但汽车智能化的被接受程度和整体落地速度明显超出市场预期，传统tier1并没有足够的时间为产品升级做充足准备，现在处于加速补自己短板进程的态势。但汽车行业的基本know-how， 如汽车的底盘电控等还是掌握在传统tier1手里，市场依然对他们有很大依赖度。除了传统Tier1厂商在自动驾驶领域的尝试，以智行者、宏景智驾等为代表的创业公司也凭借着前沿技术研发和业务快速落地推进而跻身领先Tier1行列中。2.1.3. Tier1现状与未来发展畅想根据现状推演，未来会出现两种类型的Tier1：一种深耕垂直领域技术，通过和主机厂建立深度合作关系，为其高效定制开发；另一种以传统Tier1为代表，注重广度，为大量主机厂提供通用型整体解决方案，同时帮助主机厂，在功能、安全、硬件、测试、验证等标准化环节快速落地方案。即Tier1层面，既要适配主机厂标准化的降本需求，又要满足车企差异化的增效需求。另外值得注意的是，国际Tier 1在实现多层面功能落地的同时，已经开始重启底层系统研发，作为系统与软件应用之间的桥梁，Tier 1在相继发布中间产品，通过全面的传感器产品布局，为主机厂集中配置自动驾驶方案，降低系统集成的复杂性、降低开发成本、并加快产品落地。2.2. ADAS目前行业整体对于ADAS的理解存在很大的差异。之前ADAS普遍是在对标Mobileye提供完整的L2、L2+、L3级前装整体解决方案。目前ADAS已经在跨域车辆、座舱智能的界限、尝试越过L4的鸿沟，并进入量产前装、后装市场。Minieye、Momenta等国内初创公司也在这个领域有了一些变化，这也是资本持续关注这条赛道的原因。受访企业Minieye表示：从下游应用市场来说，ADAS普及速度加快，L3级别以下的功能渗透率正在不断增长。从上游产业链来说，ADAS厂商的竞争长跑进入到下半场，具有优秀技术实力和量产经验的公司开始脱颖而出。业内认为，L4/5的爆发，可能还需要5-10年甚至更长的时间。但是目前L2+及以下级别的自动驾驶技术已经爆发，未来的5-10年，这个细分赛道将会产生巨大的商业价值。

图10

图11

图12

图13

通过差异化，和国际范围的头部企业形成错位竞争，拓展新应用领域的能力，成为资本关注的重点。2.2.1. 主要参与者1) Momenta该领域融资势头强劲的Momenta，已共计获超过10亿美元的融资。投资者当中，既有通用、丰田、上汽、梅赛德斯等头部车企，又有博世这样的Tier1巨头，当然还有云锋、淡马锡、IDG等各路知名投资公司。Momenta自身定位明确，成为服务车企完成智能化转型的供应商。作为一家自动驾驶公司，Momenta类似特斯拉FSD技术路线，通过初级自动驾驶能力，大量收集所反馈的真实驾驶数据，从辅助驾驶升级无人驾驶，实现渐进式的演进。目前，Momenta覆盖两条产品线，一条是L2级系统Mpilot，针对量产车开发，包括了面向城市道路、高速/封闭道路、泊车场景的高级辅助驾驶；另一条是L4级自动驾驶方案MSD，2020年底，搭载MSD技术的Momenta GO正式发布，并计划于2022年在部分车辆车端实现无安全员试运营。Mpilot和MSD在底层数据流与算法层面实现共通，加速自动驾驶能力的迭代，通过Mpilot的真实道路驾驶数据，训练和优化MSD算法，帮助L4级自动驾驶能力提升。从这个角度来说，Momenta和Mobileye都在独立完成整套自动驾驶的软件和算法，Momenta避开Mobileye已经大量占据市场的低端产品线，将自身定位瞄准中高端市场，快速跻身独角兽层级。2) MinieyeMinieye专注L2，研发可量产高级辅助驾驶行车、泊车方案。对于城市道路及高速场景，提供车辆和舱内感知的全域解决方案，包含L2+及其以下级别的ADAS解决方案和驾驶员监测DMS、乘客检测OMS以及舱内交互等功能；面向泊车场景，Minieye开发了自动泊车辅助系统APA和自主泊车系统AVP。目前，Minieye的前装量产客户包括东风、柳汽、吉利商用车、上汽、比亚迪、潍柴、江淮、重汽、陕汽等自主品牌，以及江西五十铃、江铃福特等合资品牌。2021上半年交付量23万套，同比增长245%，全年预估交付智能驾驶产品50万套。3）宏景智驾宏景智驾成立于2018年，是一家全栈式自动驾驶解决方案服务商，具备完全自主研发的车规级自动驾驶计算平台、全栈的软件算法和完整的系统集成能力，可针对不同客户需求提供定制化的高性能智能驾驶解决方案，全周期赋能L1-L4级别智能驾驶。目前主要在干线物流和ADAS领域实现落地。公司在成立初期就获得华登、高瓴、线性、蓝驰等顶尖机构的投资，与英特尔建立智能驾驶创新中心，被评为毕马威2020中国汽车科技新锐企业，2,019Venture被评为“中国最具投资价值企业50强”。2021年宏景智驾荣获“世界人工智能大会全球创新最佳项目奖”。目前，公司已经走过了产品打磨阶段（2,018-2,019），进入了推进量产阶段（2,020-2,021），已推出 5 款车规级自动驾驶解决方案产品，并且已经与江淮汽车成立了合资公司。宏景战略的核心是“收入+数据+技术”的三角循环：公司通过推出可快速大规模量产的 L1/L2/L2+级ADAS产品来创造收入和利润、实现自我造血和可持续发展的同时，将借助量产落地的车型来积累大量数据，反哺 L3/L4 高等级自动驾驶系统的技术迭代优化。此外，专注该场景的初创企业还包括纵目科技、极目智能、追势科技、福瑞泰克、中天安驰等。2.2.2. 发展趋势对于ADAS赛道未来的现状和变局，主机厂和初创企业具有高度共识：1) 目前自动驾驶对于车辆的识别技术比较稳定，但对于行人、天气、环境的识别其实还有很大的改善空间。首先，就用车场景而言，如何让车辆在行人比较多的路况下进行稳定的工作，其实对于目前量产的自动驾驶技术来讲都是比较难的。其次是自动驾驶对于天气的适应性。因为自动驾驶是构建在传感器技术与识别算法基础上的一个设备，当传感器受到严重影响的时候，自动驾驶需要快速实现车与人安全接管的转换。第三是交通设施环境设计，这一点需要国家标准的实施，以此推进交通环境不断完善，比如更清晰的道路标识、更标准的隔离带护栏，这些也会有效提升自动驾驶的安全和保障。2) 整个环境的完善，包括传感器技术的发展，对现阶段来说都是破局的地方。第一是改善传感器，目前就是通过搭载更高级的激光雷达，与视觉技术进行更精确的融合，以此来实现更准确更安全的自动驾驶。第二是传感器成本，如何提升算力降低成本，这需要整个行业共同推进，驱动全产业链的规模化进程。第三是宏观层面的支持，包括国家政策、技术实施、基础设施建设等。2.2.3. 评判ADAS系统的标准关于如何评价ADAS系统的优劣，受访企业Minieye表示：自动驾驶系统是服务于用户的，终极目标是为用户提供更为舒适性和安全性的驾乘体验。从这个角度而言，对ADAS的评价是有一定的主观判断在里面的。在自动驾驶研发的过程中，Minieye开发了各种评测系统，去评估自动驾驶系统工作的稳定性，并对相关功能的完成度进行标准量化。比如Minieye设计了评测指标，像障碍物识别以及通过交通标识进行测距和测速等，它所完成的精准度就可以衡量我们当前自动驾驶系统的相关功能水平。另外，采用不同的传感器比如激光雷达，再通过多传感器与视觉技术的高度融合来实现一套更精确的系统，这也可以说是判断ADAS技术的一种路径。2.3. 芯片据IDC预计，2020年全球汽车领域的半导体市场收入约为319亿美元，2024年将达到约428亿美元。汽车主控SoC系统级芯片的需求逐年增加，到2030年，每辆汽车的车载AI芯片平均售价约在1,000美元，全球车载AI芯片市场的规模将达到1,000亿美元。当前L1-L3级自动驾驶算力芯片单车价值分别为50美元、150美元、500美元，L4/L5级自动驾驶算力芯片单车价值约为1,500美元，随着技术逐渐成熟，至2030年有望下降到41美元、111美元、315美元、931美元。虽然目前我国汽车芯片的进口率高达95%，但近几年来随着政策、投资力度加大，国内自动驾驶算力芯片企业高速扩张。同时国内AI产业规模目前在全球处于领先地位，在AI算法人才储备、应用场景设计、数据和落地能力等方面均具备一定优势。从市场表现来看，尽管几家国内自动驾驶芯片行业的创新企业已经在市场落地，但是在中高端市场，国内芯片企业的表现还有很大的上升空间。在国际市场上处于领先位置的厂商中，除特斯拉只服务于自家的闭环生态，其余3家分别是Mobileye、英伟达、高通。据ADAS领域国际头部企业Mobileye年初报告，2020年全年，Mobileye EyeQ系列芯片的出货量达到1,930万片，服务于全球28家OEM厂商共49个项目，处于全球市场的绝对领先位置。2021年下半年，基于Mobileye EyeQ5芯片的自动驾驶方案开启量产，极氪001是首款量产车型，预计2022年将有更多车型采用基于EyeQ5芯片的ADAS方案。今年来、英伟达的高算力芯片在自动驾驶领域异军突起，大量L4级自动驾驶公司采用基于英伟达Orin芯片进行方案开发。奔驰、沃尔沃、现代、奥迪都已宣布将采用英伟达的解决方案。而量产车中小鹏P7使用了英伟达Xavier自动驾驶芯片。明年，蔚来、上汽R汽车、智己汽车等造车新势力也将使用英伟达的自动驾驶芯片。此外，2022年，高通将量产Snapdragon Ride自动驾驶解决方案，长城汽车已经确定搭载使用。高通的Snapdragon Ride或将是首款5nm制程的自动驾驶芯片，其效能表现让诸多整车厂和自动驾驶公司保持高度关注。

图14

图15

图16

2.3.1. 主要厂商1）地平线地平线是全球瞩目的人工智能企业之一，拥有一支软硬兼顾，同时具备有算法、芯片和云架构三方面研发能力的强大团队。作为自动驾驶行业的先行者，地平线在图像识别领域获得过多项世界第一，比如曾获ImageNet图像识别测评第一名等等。基于创新的人工智能专用计算架构BPU，地平线已成功流片量产了中国首款边缘人工智能芯片——专注于智能驾驶的征程1 和专注于AIoT的旭日1 ；2019 年，地平线又推出了中国首款车规级AI芯片征程2和新一代AIoT智能应用加速引擎旭日2 ；2020年，地平线进一步加速AI芯片迭代，推出新一代高效能汽车智能芯片征程3和全新一代 AIoT 边缘 AI芯片平台旭日3 。地平线已成为唯一覆盖L2到L4的全场景整车智能芯片方案提供商。从 2019年量产中国首款车规级AI芯片征程 2，到2020年推出第二代车规级芯片征程3。目前，征程 2 、征程 3 已在长安、长城、东风岚图、广汽、江淮、理想、奇瑞、上汽等多家自主品牌车企的多款主力爆款车型上实现前装量产。2）黑芝麻智能黑芝麻智能科技是一家专注于视觉感知技术与自主IP芯片开发的企业。公司主攻领域为嵌入式图像和计算机视觉，提供基于光控技术、图像处理、计算图像以及人工智能的嵌入式视觉感知芯片计算平台，为ADAS及自动驾驶提供完整的商业落地方案。黑芝麻智能首款芯片与上汽的合作已实现量产，第二款芯片A100正在量产过程中，预计可于一年内在商用车领域实现10万片量级以上的量产，明年将在乘用车领域量产落地。黑芝麻智能已与一汽、蔚来、上汽、比亚迪、博世、滴滴、中科创达、亚太机电等企业在L2、L3级自动驾驶感知系统解决方案上均有合作。黑芝麻智能科技最新的华山二号(A1,000)芯片具备40-70TOPS的强大算力、小于 8W 的功耗及优越的算力利用率，工艺制程 16nm,符合 AEC Q-100、单芯片 ASIL B、系统 ASIL D 汽车功能安全要求，是目前能支持 L3 及以上级别自动驾驶的唯一国产芯片。为了应对不同的市场需求，黑芝麻同步发布了华山二号 A1,000L。2.4. 激光雷达2.4.1. 市场规模到2025年，我国无人驾驶领域激光雷达市场规模可达216亿元（Source：Livox、沙利文研究、禾赛科技招股说明书、《智能网联汽车技术路线图 2.0》）。

图17

2.4.2. 技术路径激光雷达通过发射、接收、处理激光信号进行目标探测和识别。激光雷达的工作原理是向指定区域发射探测信号(激光束)，经过目标物反射后，将收集到的反射回来信号与发射信号进行处理比较，即可获得待测区域环境和目标物体的有关空间信息，如目标距离、方位角、尺寸、移动速度等参数，从而实现对特定区域的环境和目标进行探测、跟踪和识别。按照测距原理的不同，激光雷达可以划分为飞行时间测距法、基于相干探测的 FMCW 测距法、以及三角测距法等。其中 ToF 与 FMCW 可实现室外阳光下较远的测距，是目前市场车载中长距激光雷达的主流方案。（1） ToF 飞行时间法，全称 Time of Flight，能够根据发射和接收的时间差直接算出距离，具有响应速度快、探测精度高的特点，在激光雷达传感器领域应用多年；（2） FMCW，全称为 Frequency Modulated Continuous Wave，使用三角波进行调制，利用相干光学检测技术，通过在时间上调制激光频率并检测发射与回波间的拍频信号，完成对目标的距离及速度（多普勒频移）的同时探测。对于ToF 和 FMCW 这两种技术路线来说，目前以 TOF 为技术路线的激光雷达公司数量众多、当属主流，常见的光束操纵分类如机械式、混合固态、固态式均采用了ToF的原理进行测距。但FMCW高灵敏度（高出 ToF 10倍以上）、长距离探测、低功耗、抗干扰、直接获取即时速度的优势日益明显，越来越受到行业的重视。未来随着 FMCW 激光雷达整机和上游产业链的成熟，FMCW 有望逐渐改善体积大、成本高、速度慢等劣势，ToF 和 FMCW激光雷达将在市场上并存。2.4.3. 主要厂商1）禾赛科技禾赛科技为中国机械式激光雷达解决方案主要厂商。2,014 年成立于上海，致力于开发基于激光的机器人传感技术。依靠 500多人的团队打造出一系列创新型传感器解决方案，兼顾业内顶尖的产品性能、可量产的设计以及出众的可靠性。禾赛凭借自主研发的微振镜和波形加密技术，始终引领传感器创新的发展方向。经过多年深耕，禾赛在核心元器件、自研芯片、车规级生产能力、功能安全、主动抗干扰技术以及基于深度学习的激光雷达感知方面都有深厚的积累。目前公司在全球范围内均有专利布局，客户遍布全球30个国家和地区的70+座城市。迄今为止，禾赛已完成累计数亿美元融资，投资方包括德国博世集团、高瓴、小米、美团、CPE、光速、百度等全球知名的行业企业和投资机构。公司凭借在无人驾驶领域激光雷达的技术积累，针对不同场景的特点与需求，陆续开发了多个产品线，如适用于无人驾驶领域的 Pandar128、PandarQT 等，适用于 ADAS 领域的 PandarGT 等，适用于机器人领域的 PandarXT，适用于车联网领域的 PandarMind，不断丰富产品类型和应用场景。2021 年 8 月 13 日，禾赛正式公布面向 ADAS 前装量产的长距混合固态激光雷达——AT128，AT128 是 ADAS 激光雷达的各项核心指标一次质的飞跃，也是市场上唯一同时满足远距（200m@10%）和超高点频（153万每秒，单回波）的车规级前装量产激光雷达。截至2021年8月13日，AT128已获得多家顶级汽车厂商总计超过 150 万台的定点订单，将在2022年大规模量产交付。2）速腾聚创总部位于深圳，公司成立于2014年8月，2016 年开始布局低线束激光雷达的设计。根据 2021年9月2日Yole最新发布的统计，截至2021年8月29日已知的定点订单总数，速腾聚创在汽车和工业应用领域的在手定点订单数量全球市场占比 10%，排名中国第一、全球第二。速腾聚创通过激光雷达硬件、感知软件与芯片三大核心技术闭环，为市场提供具有信息理解能力的智能激光雷达系统。硬件方面，公司布局机械式 LiDAR、 MEMS 固态式 LiDAR 和静态三维激光扫描仪三大类；感知软件方面，公司分别针对 RoboTaxi LiDAR、中低速 LiDAR、V2X LiDAR 提供感知系统，并能利用 RS-Reference 真值系统提供针对各传感器的自动化测评。3）图达通（Innovusion）图达通智能科技(苏州)有限公司成立于2016年，是目前国内外技术较为领先的300线激光雷达高新企业，总部位于美国硅谷。公司旗下的激光雷达产品运用在自动驾驶、车路协同、城市轨道交通、智慧高速、矿山、轨道等多个领域。目前已有多家主机厂测试激光雷达产品，计划作为平台化标准产品，应用于L3及以上的智能驾驶车型。近期均胜电子完成对图达通战略投资，与均胜电子子公司均联智行等多家业界重量级供应商开展合作，为蔚来汽车近期发布的首款轿车ET7提供超远距离高精度激光雷达，使之真正实现从辅助驾驶到自动驾驶的跨越。未来，双方将在激光雷达感知融合、V2X数据融合、自动驾驶域控制器决策算法等方面深度合作，共同推进智能网联汽车产业化和国际化落地。目前公司产品主要包括车用的猎鹰系列、路用的猎豹/捷豹系列和OminiSense解决方案。猎豹与捷豹系列产品是300线高性能远距离激光雷达产品，可广泛应用于智慧城市、智慧高速以及轨道和矿山等场景，感知交通状况以及路况管理。猎鹰系列是目前世界上应用在自动驾驶领域探测距离最远的激光雷达，其超远距及超高清等性能，有助于提高自动驾驶的安全性和可靠性。OmniSense是结合了图达通首款300线图像级远距离激光雷达，针对智慧交通行业而设计的软件解决方案。能够提供高质量的3D点云图像，以及先进的目标感知算法，同时配备了界面友好的可扩展开发平台，通过此平台能够满足各种智慧交通的应用场景实现。此外，专注该场景的初创企业还包括镭神、一径等。2.4.4. 高精地图2.4.4.1. 市场规模国内高精地图行业正在稳步向前发展，但是高精地图的商业模式仍未完全成型，按照3亿汽车保有辆测算，市场规模估计如下，预计到2025年可达385亿元（2021年9月中国汽车保有量为2.97亿辆；汽车保有辆估计来自前瞻）。

图18

2.4.4.2. 技术路线关于建立高精度道路导航地图的方法研究也有很多，例如通过配备GPS-RTK的采集车沿特定线路采集数据；使用激光雷达与广角摄像头结合的方法提取道路信息，加上配备高精度全球卫星导航系统（GNSS）则能够达到10厘米精度，但这种采集方案成本较高，也有研究者提出使用低成本传感器创建车道级地图的方法，通过全球定位系统和惯性导航系统（GPS/INS）的紧耦合完成定位，从正射影像图中获取相关地图信息。目前，高精度地图的生产与更新出现了三种技术模式：1）基于“激光雷达+人工智能处理”模式。该模式稳定性高，但是采集设备成本高，是各大图商采用的主流模式。2）“众包采集+AI识别提取”模式。该模式成本低，但是精度和稳定性待提升，是主流图商更新和初创图商采用的主流模式。3）“车辆动态上传+动态地图自动下发更新”模式。该模式是最为理想的高精度地图生产与更新模式，尚处于论证阶段，需要随着智能网联汽车产业的发展不断完善。2.4.4.3. 商业模式传统图商的盈利模式是销售离线的license，单车平均价值大约在200元左右。高精度地图具有实时更新的特点，盈利模式逐渐转变为提供一系列基于高精度地图数据服务并收取服务费的形式，高精度地图厂商也逐渐从图商向地理信息服务型企业转变。当前业内较为公认的收费模式是在车厂签下订单时支付一笔订单费用以供图商进行高精度地图的开发，后续在搭载车辆上收取一次性的License费用以及按每车每年收取的服务费，License与服务费分别对应汽车增量和存量。目前来说，订单费用大约为几千万；License费用大约1,000元/车左右， 即传统地图的5倍，服务费在100-500元/年/车区间。1) 传统图商：售卖的大部分是离线地图，通过向车企售卖Licence以及提供少量的后期更新服务获利，交易方式为一次性付清。而高精度地图由于存在动态信息的实时交互，图商将为此向数据服务商方向转变。在高精度地图时代，图商需要构建云平台为车主提供道路的实时信息，根据提供的数据量的多少计费。目前的高精度地图企业在开发高精度地图产品的同时也在努力构建自身的云服务平台以适应商业模式的转变。如Here开发的实时交通云产品，凯立德开发的云端服务平台等。2) 互联网企业如Waymo，他们希望的是高精度地图最终能成功服务于自动化驾驶，从而推动其无人出租车业务的展开。从这一角度来看，该类企业的盈利模式更多偏向于To C。类似这样做无人出租车的，最后为高精度买单的都是消费者，按照使用次数来付费了。还有一种商业可能，类似现在车联网模式，车企卖给用户的时候前面两年流量费，后面用户需要使用互联网功能，就自己缴纳流量费用，高精度地图到了一定量级也完全可以采用这种模式，基本的高精度地图费用由车企买单（当然羊毛出在羊身上，最终体现还是在用户身上），但是后续的高精度使用及更新地图部分的费用由用户来买单，而且如果使用量级大了以后，可以按照使用次数或者包月等灵活的使用费用。2.4.4.4. 主要参与者中国高精地图商业化格局主要呈现两极分化，聚集了各大传统图商、初创企业和互联网巨头。主要市场份额依旧被BAT把持。

图19

1)互联网企业

图20

2)智能驾驶及软件信息企业

图21

2.5. 高精定位2.5.1. 市场融合了RTK、DR等技术的高精度GNSS技术正逐渐成为自动驾驶领域最主流的高精度定位方式。据GSA数据统计，未来十年全球GNSS设备出货量将持续增长——从2019年的18亿台增长至2029年的28亿台。高精度定位市场2020年同比增长47.5%，总产值达到110.4亿元。从2010年到2020年的11年之间，高精度定位产品年销售收入增长了10倍，年均复合增长率高达26%，并且在2020年大幅加速增长。自动驾驶和无人机属于高精度定位的新兴应用级赛道。总体来说，市场还未爆发，处于新技术建设与应用培育期。

图22 Source: 《2,021中国卫星导航与位置服务产业发展白皮书》

2.5.2. 技术路线图23相比于 L3 级自动驾驶，L4 级测试研发车辆对高精度位置和姿态信息的精度要求更高。各主机厂和自动驾驶方案商在 L4 级研发车辆上所采用的感知传感器融合技术方案相近，包括 GNSS/IMU 组合导航设备、激光雷达、毫米波雷达、摄像头、超声波雷达等。L4级研发测试车辆的高精度定位方案与 L3级准量产自动驾驶车辆的方案有比较大的不同，极少数的主机厂 L3 级准量产自动驾驶车辆的方案选用了激光雷达，而针对 L4 级研发测试车辆的硬件感知方案，大多数主机厂和自动驾驶方案商均选择以激光雷达为主，部分主机厂选择以摄像头为主，但是不管以哪种硬件方案为主，高精度的 GNSS/IMU 组合导航是必不可少的传感器。限定区域内的高度自动驾驶应用定位方案大致相同，均采用高精度 GNSS/INS 组合导航、激光雷达、摄像头、毫米波雷达、超声波雷达等多种感知传感器融合的高精度定位方案。2.5.3. 商业模式第一种商业模式以软硬件产品和解决方案的销售为主，主要与渠道商合作，共同拓展项目；第二种商业模式为数据服务，通过分析各类定位导航终端返回的数据，提供各类分析应用类增值服务。2.5.4. 主要参与者介绍目前主要参与者有互联网、图商、通讯、传统测绘企业等。

图24

2.6. Robotaxi2.6.1. 市场规模Robotaxi赛道是市场空间最大的自动驾驶场景之一，2020年我国网约车日订单已经突破2,100万单。麦肯锡预测在2031年中国Robotaxi市场规模有望达到2.8万亿。测算逻辑（数据来源：汉能研究）：

图25

2.6.2. 痛点：目前仍是一个“伪概念”1) L4最低指标未达标：要实现Robotaxi全无人驾驶出租车（取消安全员）的概念，Robotaxi 自动驾驶等级必须在L4级以上。而L4级汽车的最低路测里程数要求为10亿公里，达千亿公里级别才能确保具备充足数据进行AI训练及仿真测试，从而确保行驶安全，相当于100万辆车以每天10个小时的频率不间断行驶1年。因而，目前Robotaxi仍未达到L4级别，且仍需较长时间进行路测数据的积累。2) 资金消耗大、技术迭代慢：Robotaxi年技术研发成本巨大，但受限于数据积累的缺失，整体技术迭代周期漫长。3) 运行模式不清晰：中国部分Robotaxi车辆存在只能在固定线路或者小范围封闭园区运行的问题，其运行模式与Robobus存在冲突，而Robobus单次载人数量更多、终端场景可取代人力成本的迅速程度更快，在固定路线或封闭场景下优势更为明显、竞争力更强。4) 法规尚不成熟：Robotaxi的运行关乎人身安全及道路所属权划分，受到政策管控。中国在无人驾驶的相关政策上比美国更为谨慎，当前阶段，中国关于道路开放、路权界定、权责划分的政策尚未完善出台；介于技术、商业模式、法规等各方面的不成熟，Robotaxi仍处在“伪概念”阶段，当下的Robotaxi 公司也因此无法实现短期盈利，如Drive.ai、Starsky Robotics因盈利问题而直接倒闭，赛道历史热门公司Cruise和ArgoAI则被通用、福特收购。2.6.3. 商业模式1) 模式1：自动驾驶公司提供技术+投资公司提供资金+地方创新机构&出行公司提供本土支持；再成立合资公司负责运营。如：百度与长沙先导产业投资公司、湘江只能科技创新中心成立湖南阿波罗智行、文远知行与科学城（广州）投资集团、广州白云出租汽车集团合资成立文远粤行。2) 模式2：自动驾驶公司（提供技术）与出行服务公司（提供车辆、运营平台）合作。如：AutoX与深圳鹏程电动合作；滴滴出行与滴滴自动驾驶公司合作。3) 模式3：自动驾驶公司组建内部运营团队负责Robotaxi运营。如：小马智行在广州的试运营项目。2.6.4. 竞争格局核心厂商优劣势分析：

图26

不同企业布局Robotaxi情况对比：

图27

其中，百度布局Robotaxi赛道时间早，其在运营范围、车队规模、用户人数等方面已具备深厚积累。文远知行在订单积累方面表现优异，截至2020年11月，其共安全完成147,128次出行，服务用户数超60,000，无任何主动责任事故，且用户五星好评率高达94.2%。此外，文远知行于2021年2月获广州交通运输局颁发的网约车运营许可，是中国第一家拥有开展网约车业务资质的自动驾驶企业。虽现阶段滴滴运营进展仍较慢，但考虑到滴滴（沃芽科技）作为出行服务公司，基于其网约车平台运营积累，其在运营调度经验、数据辅助及车辆运力等方面皆具备优势，未来有望将其在传统燃油网约车的运营经验反哺至Robotaxi领域，推动其自动驾驶业务的商业化进程。2.6.4.1. 赛道竞争力核心指标1) 测试里程数（技术）：中国是全球交通和路况最复杂的地区之一，复杂的路况环境助力中国团队迅速积累更多复杂的自动驾驶场景。政府对于自动驾驶的利好政策则推动了自动驾驶的落地测试与运营展开。现阶段，中国Robotaxi赛道已进入车队测试及服务试运营的阶段，未来行业的竞争核心也将会转向运营规模与测试里程的比拼。此外，里程的积累将反哺技术的迭代，Robotaxi参与者的技术情况可从其MPI指标反映出来。2) 政府关联度：Robotaxi涉及人身安全，且驾驶环境较为复杂，政府出于安全考虑对于路权的开放较为谨慎。此外，地方政府对于自动驾驶的落地测试与运营展开的支持程度起到关键作用，因此与地方政府保持良好关系将是Robotaxi相关企业把握路权开放节点以及寻求政策支持的重要环节。3) 产业链整合能力：掌握的产业链资源越完整，Robotaxi相关企业的先发优势将愈明显，比如通过与整车厂的深度合作可真正将无人驾驶技术前置至车辆的生产研发环节，避免“实验室造车”。4) 资金实力：Robotaxi资金消耗大、技术迭代慢，因而资金是各方在现阶段“做蛋糕”大背景下的重要“武器”，掌握资金则意味着有更充足的“弹药”支撑技术的研发、人才的培养以及商业化运营。5) 运营能力：Robotaxi行业处在“以测试方式运营，以运营方式测试”阶段，平台的运营调度经验、车辆管理能 力是决定Robotaxi服务商业化效率的重要因素，是衡量相关企业生存潜力的重要指标。2.6.5. 主要厂商1) 百度Apollo作为百度发布的面向汽车行业及自动驾驶领域合作伙伴的一款软件平台，Apollo既是面向整车厂提供的完备自动驾驶解决方案，也是为开发人员提供的开放式平台，旨在为合作伙伴提供面向L4/L5级别的自动驾驶研发生态。目前Apollo的商业模式主要有三种：一是为主机厂提供解决方案；二是参与造车，通过集度汽车整合百度自动驾驶方面的创新，把最先进的技术第一时间推向市场；三是基于Apollo平台打造Apollo GO自动驾驶出行服务平台，并于2021年8月升级为新品牌“萝卜快跑”。用户可以从百度地图及Apollo官网预约体验Robotaxi，计划将于2023年部署超过3,000量车。截止至2021年8月，Apollo共享无人车自动驾驶已完成累计超过1,200万公里的测试里程积累，获得27个自动驾驶测试城市的许可牌照，安全停靠点达到620个，路网覆盖规模约391万平方公里，完成21万次的自动驾驶出行服务，无人驾驶出粗车规模达500辆以上。Apollo Moon作为“萝卜快跑”自动驾驶出行服务平台的重要车型，目前成本可降至48万元，搭载2个激光雷达、13个摄像头和5个毫米波雷达，计算平台算力超过800 TOPS。同时，Apollo Moon基于“ANP-Robotaxi”自动驾驶产品架构打造，在领航辅助驾驶ANP独立闭环的基础上，增加1颗定制激光雷达和相应无人驾驶冗余，即可实现完全无人驾驶能力。该架构可以进一步打通Robotaxi与前装量产辅助驾驶产品的数据，实现数据闭环、完成对自动驾驶长尾场景的收集。2) 小马智行小马智行作为一家以自动驾驶软件为核心壁垒的企业，全速推进乘用、商用两大核心业务。自动驾驶乘用车和商用车是两大市场前景广阔的领域，小马智行在这两大领域发力，积累了丰富的技术。在乘用车出行领域，小马智行早在 2018 年便正式推出了 PonyPilot 自动驾驶出行服务， 在中国广州以及美国加州落地 Robotaxi 服务。目前小马智行的测试范围覆盖中美五大城市，达 560 平方公里，已积累 500 万公里的测试里程。此外，小马智行在商用车领域也在不断加大投入。2019年4月，公司首次宣布进入货运领域；2,020 年 12 月，卡车事业部成立，并获得广东首张自动驾驶卡车测试牌照；2021年7月，获得北京首批自动驾驶卡车测试牌照和卡车首批高速公路测试许可。意味着小马智行在广州和北京均开启卡车道路测试。截至2021年7月，小马智行自动驾驶卡车已完成约13,650吨货运运输，商业运营里程达37,466公里。技术方面，与 Waymo 相同，小马智行采用全栈解决方案，即软件与硬件解决方案相结合。硬件方面，小马智行已经更迭至第五代——PonyAlpha X，并自主研发了车载计算平台、摄像头、 传感器网关等 24 项核心硬件模块。PonyAlpha X 在供应链管理、硬件设计、改造总装、下线标定等方面实现环环打通，建立了标准化流程，使自动驾驶汽车量产成为可能，该系统已批量搭载于雷克萨斯 RX450h 车型上，并在 2021 年 2 月从标准化生产线正式下线。感知层面，小马智行L4级自动驾驶系统采用了自研的多传感器融合技术，能够更好保障感知结果的稳定及安全冗余。面对复杂的路况和场景，多传感器方案为障碍物检测、分类、追踪和场景理解提供更扎实的技术支撑，更保障了后续技术模块的准确运行。目前公司已达数百人规模，研发团队成员大多来自Google、Apple、Uber、百度、广汽等知名科技公司或汽车公司，有着丰富的自动驾驶软硬件研发及工程化经验。3) 文远知行2017年成立于美国硅谷，是拥有领先L4级别自动驾驶技术的智能出行公司，致力于为大众提供安全便捷的出行服务。公司是全国首个全对外开放的Robotaxi运营服务公司。目前，团队规模超过400人，其中85%以上为研发工程师，是首家获得全球汽车制造商（雷诺日产三菱联盟）和全球客车制造商（宇通集团）战略领投的自动驾驶企业。2019年11月在广州推出全国首个对外开放的Robotaxi运营服务，截止至2020年11月，运营一周年攻完城147,128次出行，服务用户数超过60,000。截止至2021年5月，文远知行拥有测试车队数超100辆，测试里程超过500万公里。4）元戎启行元戎启行是一家国际化的L4级自动驾驶解决方案提供商，成立于2019年，自成立以来聚焦于两大业务，即出行业务和同城货运业务，主要有RoboTaxi和轻卡两条产品线。RoboTaxi在全国有将近80台车；在同城货运上，元戎启行已经展开了自动驾驶轻型卡车的研发测试，并通过了内部的技术验证。下一阶段，元戎启行将在自动驾驶轻卡道路测试上加大投入，进行全方位的产品打磨。未来将重点在一两座城市中重点发展，在这些城市增加自动驾驶汽车的数量，打造自动驾驶的精品样板。5）轻舟智航轻舟智航成立于2019年，自成立之初，轻舟智航便提出自动驾驶“超级工厂”的战略目标，以高效实现自动驾驶的商业化及规模化落地。目前轻舟智航主要有3条产品线：龙舟ONE、龙舟SPACE和智慧公交。龙舟ONE是基于5.9米小巴打造的Robobus，主要用于地铁接驳、城市微循环等场景；是国内覆盖城市最多的无人小巴，包括苏州、深圳、武汉、北京、无锡都有落地应用。龙舟SPACE是一款轻舟智航与车企合作打造，面向城市未来出行设计的新车型。定位是城市移动空间，未来可作为Robotaxi使用。智慧公交：面向大巴的辅助驾驶方案，这套方案目前已在国内两个城市落地车队。但这一产品的定位不以无人化为目标，而是以辅助驾驶为目标。主要的目的是提高安全性，避免司机的误操作而造成的事故，降低司机的驾驶负担。2.7. 高速干线2.7.1. 市场规模及商业前景我国是物流大国，2020年中国社会物流总额已突破300万亿。其中公路货运为主要运输方式，占比超过70%。在公路物流运输成本中，司机及燃油成本超过50%，占比极高。据受访企业智加科技介绍，传统货运行业主要以个体承运商为主，人员管理困难，同时劳动力无法组合实现降本提效，自动驾驶技术的引入可以让管理具备结构性、更加高效。无人驾驶卡车能节省一半乃至全部的人力成本和部分燃油成本，具备20%~30%的提升空间。仅按照司机替代逻辑进行测算，我国目前在运行的用于公路运输的集卡、重卡等近500万台，按照平均每车2名司机，每司机年薪8-10万进行测算，干线无人驾驶的市场规模已经达到近万亿。锴明资本合伙人应丽认为，物流行业是自动驾驶最先开始广泛商业应用的场景。随着技术进步，更安全、更高效、更经济的自动驾驶解决方案会对物流行业的成本和效率带来显著的优化。2.7.2. 商业模式高速干线的商业模式主要由托运人、第三方车队或物流企业运营车队，利用干线长途重载无人驾驶卡车运输货物。目前有两类较为成熟的商业模式，分别是轻资产、重资产。1) 轻资产模式：自动驾驶科技公司与传统汽车主机厂和物流平台方建立第三方合作关系：自动驾驶科技公司向物流平台方提供自动驾驶解决方案和技术服务，传统主机厂向物流平台方销售重卡或者科技企业直接赋能主机厂，由主机厂向物流平台销售无人驾驶重卡；物流平台方根据托运人的需求划分自营和第三方车队，这两类车队也与传统主机厂、自动驾驶科技公司和物流金融服务商形成合作关系。2) 重资产模式：自动驾驶科技公司起主导作用：自动驾驶科技公司向传统汽车主机厂购买自动驾驶重卡，将其与自动驾驶解决方案和技术一同售卖给物流平台；此外物流自营车队和第三方物流车队也可以向自动驾驶科技公司租赁自动驾驶重卡汽车，需付费用为按里程或时间计费的租赁费用和自动驾驶技术服务费。2.7.3. 发展难点1) 技术难点：重卡车身较高，车辆视觉盲区大，需要重点覆盖的感知范围更大；而重卡较长的车身导致所需变道时间较长，对感知距离与预判时间要求更高；重卡车头与车挂之间的柔性连接也让自动驾驶车身姿态控制难度增大。同时，由于重卡载重波动在14吨至49吨之间，巨大波动对车身高度、重心有较大影响，对自动驾驶车身控制要求较高；在行驶过程中，车身悬挂抖动明显，传感器在线标定比较困难。另外一方面，重卡躲在高速道路行驶，时速高、载重大，在雨天路滑的情况下，安全制动距离需要至少300m，因此对比其他场景的车型，自动驾驶重卡所需的感知距离更长、要求的反应速度更快且控制更加精准。2) 供应链薄弱：从供应链层面来看，高速干线商业化目前仍然存在三大难点：一是激光雷达、计算平台等关键部件的车规级产品量产供应难。激光雷达、计算平台等关键部件车规级产品的量产供应是实现L3自动驾驶重卡量产关键的一环，但目前仍然缺少规范技术及产品的行业标准文件，一方面，政府及行业协会应该应该尽快加速行业标准制定的推进工作，另外一方面，关键