智能网联汽车产业链

根据智能网联汽车技术架构体系，结合智能网联汽车产业链实际情况，可将智能网联汽车产业链大致分为感知、决策、执行、通信（包含地图&导航、V2X等）四大模块，以及智能网联汽车整车（见图1）。

一、上游产业链

（一）智能感知系统

1.概述

1）感知模块作用

智能网联汽车感知模块主要包括摄像头、毫米波雷达、超声波雷达、激光雷达等。环境感知作为基础环节，主要为后续决策和执行提供依据，其关键在于使智能网联汽车更好地模拟人类驾驶员的感知能力，从而理解自身和周边的驾驶态势。

2）感知模块中不同传感器优劣势对比

感知模块中不同传感器的原理不尽相同，性能特点也各有优势，可用于实现不同的功能。根据激光雷达、摄像头、毫米波雷达、超声波雷达的探测范围、探测类型等，它们的优劣势及面向车载的应用如表1所示。

3）智能网联汽车传感器应用发展路线

根据智能网联汽车DA、PA、CA、HA、FA等级的智能化水平要求和功能需要，参考法国Yole Développement于2015年10月发布的Sensors&Data Management for Autonomous Vehicles Report，给出了实现从DA等级到FA等级智能网联汽车传感器的配置需求，即随着智能网联汽车智能化等级的提升，传感器数量成倍增加，而且在SAE-L4级及以上自动驾驶系统中，激光雷达将成为必备的传感器（见图2）。

2.摄像头

1）车载摄像头的作用与特点

在智能网联汽车感知模块中，摄像头主要用于行驶环境图像信息的采集，结合图像识别技术，多用于车辆、行人和交通标志等的识别，给不同阶段的自动驾驶技术提供相应的环境感知保障。现阶段的ADAS系统主要基于摄像头实现前向防碰撞预警、车道偏离预警和行人检测等功能。对比感知模块中其他传感器，摄像头的优势与挑战具体说明如表2所示。

2）车载摄像头分类及应用

按照车载摄像头在车辆应用中的安装位置，目前应用于智能网联汽车的车载摄像头主要有前视摄像头（通常指单目、双目摄像头）、环视摄像头（通常包括4个广角摄像头）、后视摄像头（通常包括1个广角摄像头）、侧视摄像头（通常包括2个广角摄像头）、内置摄像头（通常包括1个广角摄像头）。

前视摄像头能实现车道偏离预警、前向防碰撞预警、车辆自适应巡航等核心功能，所以后面重点对单目摄像头、双目摄像头这两种前视摄像头进行说明。

环视摄像头指135°的广角摄像头，主要装配在车辆的四周，能实现环视功能。环视目前主要应用于全景泊车，未来的趋势是加入车道偏离预警等功能。在技术层面，车载摄像头的应用需要克服空间和图像素质等难点，通过算法实现各个视角图像的无缝拼接。

车载摄像头的安装位置及功能应用具体说明如表3所示。

3）单目摄像头、双目摄像头

鉴于前视摄像头在智能网联汽车感知应用中的重要作用，本部分重点对单目摄像头、双目摄像头这两种前视摄像头进行说明。

单目摄像头测距原理：首先通过图像匹配进行目标识别，然后通过目标在图像中的大小估算目标距离。单目摄像头典型的方案提供商是Mobileye（已被英特尔收购）。

双目摄像头测距原理：通过对两幅图像视差的计算，直接对前方景物（图像所拍摄到的范围）的每个像素点立体匹配，并进行距离测量。双目摄像头可以完成所有单目摄像头能完成的功能，并能够获得后者无法达到的深度信息。双目摄像头比较典型的方案提供商是中科慧眼。

表4从成本、计算资源要求、识别精度等维度对单目摄像头、双目摄像头的优缺点进行对比分析。

4）车载摄像头产业链分析

（1）产业链构成。

车载摄像头产业链主要包括光学镜头供应商、感光芯片CMOS供应商、模组组装商、系统集成方案提供商及终端用户（车企），如图3所示。

光学镜头：光学镜头作为车载摄像头的核心原件，其品质由焦距、视场角、光圈、畸变、相对照度、分辨率等指标进行衡量。光学镜头的典型供应商包括舜宇光学、大立光电等。

感光芯片CMOS：CMOS是摄像头的核心部件，是一种摄像头的感光元件，广泛应用于车载摄像头上。CMOS市场基本被外资品牌把控，国产品牌的话语权较弱。Sony凭借其在CMOS积累的深厚技术，在全球CMOS传感器领域常年占据市场份额第一的位置。

模组：车载摄像头模组的组装、封装制造。车载摄像头模组组装工艺复杂，市场壁垒较高，典型供应商包括日本的Panasonic和Sony，以及国内的舜宇光学、欧菲等。

系统集成方案：基于摄像头模组的不同自动驾驶功能的软件算法及整体解决方案设计。系统集成方案的典型供应商包括博世、大陆等Tier 1供应商，以及Mobileye、中科慧眼、纵目科技等。

（2）产业规模分析。

据市场研究机构IHS预计，2020年车载摄像头的出货量将达到8300万个，是2014年的4倍。Strategy Analytic预测2020年车载摄像头需求量将突破1.1亿个，平均每辆车装配1个以上。总体而言，汽车摄像头市场将实现爆发式增长，车载摄像头的快速成长同时将带动产业链中其他环节的直接受益。HIS统计的全球车载摄像头模组出货量如图4所示。

从国内看，我们假设：①2018—2020年我国的乘用车年复合增长率为3%，到2020年乘用车全年销量约为2569万辆；②2020年，前向摄像头（1个）渗透率接近30%；环视摄像头（4个）渗透率为16%；后视摄像头（1个）渗透率为50%；内置摄像头（1个）渗透率为3%。

基于以上假设，我们推算2020年国内前置摄像头的需求量约为770万个，环视摄像头的需求量约为400万套，后视摄像头的需求量约为1280万个，未来5年复合增长率为30%。按照前置摄像头约1000元/个，环视摄像头约1200元/套，后视摄像头和内置摄像头约300元/个，2020年国内车载摄像头的市场规模约为160亿元。

5）摄像头价格分析

按照前述摄像头分类，分别列举了不同摄像头种类、不同生产厂商不同型号的摄像头产品，并对产品价格进行了分析，具体如表5所示。

3.毫米波雷达

1）车载毫米波雷达的作用

毫米波雷达是智能网联汽车最广泛应用的全天候核心传感器。毫米波是指频率范围为30～300GHz的电磁波，波长为1mm～1cm，具有频率高、波长短、可用频带宽等特点。毫米波波束窄且具备高精度的细节分辨能力，相比激光其传播特征受气候影响小，具有全天候特性。毫米波雷达具有良好的角度分辨能力，可以检测较小的物体。同时，毫米波雷达具有极强的穿透率，能够穿过光照、降雨、扬尘、下雾或霜冻准确探测物体，可以在全黑的环境下工作，即可以全天候工作。毫米波雷达是测量物体相对距离、相对速度、方位的传感器。毫米波雷达的探测距离较长，可达200多米，现阶段的ADAS系统主要基于毫米波雷达实现AEB、盲点探测、ACC等功能。

2）车载毫米波雷达的分类和特点

按照频段范围不同，车载毫米波雷达可分为24GHz毫米波雷达、77GHz毫米波雷达和79GHz毫米波雷达。24GHz毫米波雷达主要面向5～70m的中短距离探测，主要应用于BSD、LDW、LKA、LCA、PA等功能。77GHz毫米波雷达主要面向100～250m的中长距离探测，主要应用于ACC、FCW、AEB等功能。随着车用雷达系统对精度要求的提升，77GHz毫米波雷达未来将替代24GHz毫米波雷达成为主流，并且朝着79GHz毫米波雷达发展。另外，随着工艺和技术的提升，毫米波雷达将向体积更小、功耗更低、性能更好、价格更低发展。表6具体说明了不同频段毫米波雷达的优缺点及应用。

3）车载毫米波雷达产业链分析

（1）产业链构成。

车载毫米波雷达产业链主要包括射频前端供应商、雷达天线供应商、毫米波雷达产品供应商及终端用户（车企），如图5所示。

射频前端：主要指单片微波集成电路MMIC，该集成电路集成了多种功能电路，如低噪声放大器（LNA）、功率放大器、混频器、检波器、调制器、压控振荡器（VCO）、移相器等。MMIC技术主要掌控在国外半导体供应商手中，从工艺角度看，CMOS工艺将代替SiGe工艺。射频前端典型的供应商包括英飞凌、飞思卡尔等。国内的MMIC技术处于起步状态，截至目前，厦门意行是国内唯一一家可提供24GHz汽车主动安全雷达射频前端MMIC解决方案的企业。

雷达天线：主要指高频PCB板，目前的主流方案是微带阵列。该项技术目前主要由Rogers（罗杰斯）、Schweizer（施瓦茨）等少数公司掌握。

毫米波雷达产品：主要包括雷达模组+信号处理+后端算法的集成。毫米波雷达产品典型的供应商包括博世、大陆、智波科技、行易道等。

（2）产业规模分析。

根据智研咨询发布的《2016—2022年中国毫米波雷达行业市场供需预测及投资战略研究报告》，截至2020年，全球车载毫米波雷达出货量达7200万个。据市场研究机构Plunkeet Research的预测，到2020年全球汽车毫米波雷达将近7000万个，2015—2020年的复合增长率约为24%。

从国内看，按ADAS渗透率在2020年达到30%估算，每套ADAS需要4个短距毫米波雷达+1个长距毫米波雷达，则国内毫米波雷达出货量可达4500万个，市场规模将超过200亿元。

（3）毫米波雷达价格分析。

按照毫米波雷达的分类，表7列举了不同频段毫米波雷达的现阶段价格，并预计了2020年的价格情况。

4.激光雷达

1）车载激光雷达作用

激光雷达是利用激光进行探测和测距技术的简称。具体而言，激光雷达是将激光用于测距、定向，并通过位置、径向速度及物体反射特性来识别目标的一种光电探测手段。在汽车领域，激光雷达尚属于较新的应用。目前，激光雷达在自动驾驶技术中的应用主要包括对车辆周围环境进行三维建模，并获得环境的深度信息，识别障碍物，构建可行驶区域等。现阶段，激光雷达的车载应用在技术和商业上仍然存在成本高、体积大、可靠性差、抗干扰性差等诸多问题，仍然面临很大的挑战。

2）车载激光雷达分类

按照用途不同，激光雷达可以分为非扫描成像式激光雷达和扫描式激光雷达（见图6）。非扫描成像式激光雷达的探测距离较近，无须扫描且技术相对比较成熟。扫描式激光雷达多用于自动驾驶感知技术，根据扫描原理不同，又可以分为机械式激光雷达和全固态激光雷达。其中，机械式激光雷达按照组成结构可以分为转动式、微电机械式（MEMS）、激光镜振式（Galvo）；全固态激光雷达可分为相控阵式、超表面式。

微电机械式（MEMS）激光雷达，指使用一个微机电系统（MEMS）振镜，以二维的方向电引导出一束或多束光束。MEMS激光雷达的构造中仍然有运动部件（振荡镜），但振荡的幅度很小，频率也很高，足以防止MEMS激光雷达和汽车之间的机械共振。然而，振荡镜的几何尺寸限制了它的振荡幅度，这就使得视角变得有限——这是MEMS激光雷达的一个缺点。但是，MEMS激光雷达由于成本低、可实现度高而受到人们的关注。

相控阵式激光雷达指利用相控阵激光雷达技术，即用电子扫描代替机械部件，通过集成电路上的小镜子扫描各个方向，然后输出车辆周围的三维图像。其中比较典型的是Quanergy公司的激光雷达，搭载此种激光雷达的智能网联汽车已在2019年上市。

此外，根据线数的不同，目前车载激光雷达可以分为2D、2.5D（1线、4线、8线）和3D（16线、32线、64线）3类产品。

3）激光雷达产业链分析

（1）产业链构成。

目前，车载激光雷达技术在智能网联汽车感知领域的应用还不成熟，从产业链上下游看，现阶段车载激光雷达产业链主要包括激光接收器供应商、激光发射器供应商、激光雷达处理器供应商（以FPGA芯片为主）、激光雷达集成商及终端用户（车企），如图7所示。

激光接收器，汇聚经目标反射后的激光信号，将激光信号转化成电信号，典型的供应商有日本滨松、STM等。

激光发射器，是一种发射激光光源的器件，典型供应商有Coherent、日本滨松等。

激光雷达处理器（芯片），指雷达信号处理电路的设计，即电机的转速控制信号、测量信号等，典型的供应商有Altera、加拿大Leddartech等。

激光雷达集成，指激光雷达各组件的软硬件集成设计，典型的供应商有Velodyne、Quanergy等。

（2）产业规模分析。

据IHS Markit预测，截至2025年，自动驾驶车辆的销量将达到60万辆。假设，每个激光雷达传感器的平均价格约为5000元，每辆自动驾驶车辆使用2个激光雷达传感器，则激光雷达的市场规模约为60亿元。

据统计数据显示，2015年我国车载激光雷达的市场规模为1.09亿元，2016年我国车载激光雷达的市场规模达1.93亿元，同比增幅达77.06%。随着无人驾驶汽车的逐渐普及，我国车载激光雷达的市场规模将保持高速增长的态势，预计到2021年，我国车载激光雷达的市场规模将超过6亿元。未来，无人驾驶汽车产业化的到来，以及车载激光雷达成本的降低，将共同推动车载激光雷达产业的爆发式增长。

（3）激光雷达价格分析。

目前，市场上已经产品化的激光雷达主要是机械式激光雷达，从测量维数来看，以多线激光雷达为主，主流产品包括4线激光雷达、8线激光雷达、16线激光雷达、32线激光雷达、64线激光雷达。表8分析了现阶段不同线束激光雷达的价格。

5.人机交互

1）人机交互系统作用

人机交互系统主要实现人与车之间的对话功能。车主可以通过人机交互系统轻松地掌握车辆状态信息（车速、里程、当前位置、车辆保养信息等）、路况信息、定速巡航设置、蓝牙免提设置、空调及音响设置。

在L1～L3级自动驾驶系统中，人机交互系统的目的是当驾驶员在操作各项功能时尽量不影响其对驾驶本身的注意力。而传统的点、按、旋钮式的操作过于复杂，会使驾驶员的视线离开路面，这也是语音交互与手势交互存在的逻辑基础。

2）基于语音交互方案的产业技术现状

由于手势操作会使驾驶员的单手离开方向盘，这是较危险的操作，所以语音交互方案是目前最好的交互方案。

从技术层面来看，当前车联环境复杂、硬件配置参差不齐、行车网络不稳定，整个语音交互市场对语音系统的内存消耗和网络处理能力的要求极高。另外，汽车是个难度很高的环境，其中的噪声、回声的干扰非常大，对识别技术来说是一种极大的挑战。当前最大的问题是如何通过软硬件的设计提升语音交互系统的抗噪能力。

目前，车载语音交互方案整体上还处于初级试商用的阶段，并且市场上可见的大多数车载语音交互方案实际上并不成熟，用户体验不佳。国际上典型的车载语音交互方案供应商主要有亚马逊、Nuance、谷歌等，国内典型的车载语音交互方案供应商主要有科大讯飞、云知声、思必驰等。表9给出了目前国内提供车载语音交互解决方案的主要厂商。

3）基于手势交互方案的产业技术现状

语音容易受到环境影响，如果道路环境非常嘈杂，或者车内正在进行交谈，使用手势就更为适合。而在一些功能的操控上，手势也具备一些天然的优势。例如，当你想要调节音量的时候，对于音量增大多少，你很难用语音说出一个让耳朵满意的指令；手势可以通过顺时针、逆时针地画圈，像调节实体旋钮一样达到满意的效果。因此，多种交互方式的融合是必然的。

目前，国际典型的手势交互方案供应商主要包括德尔福、大陆等，国内典型的手势交互方案供应商主要是微动（Vidoo）。Vidoo是较早踏入手势交互领域的企业，其研发的主力产品就是车内的手势识别系统。目前，Vidoo已经在与上汽、北汽新能源、东风日产，以及一批二级车厂合作。2018年年底，我国已经出现了一批支持手势识别系统的车型。

4）疲劳驾驶检测解决方案的产业技术现状

疲劳驾驶检测解决方案主要指驾驶员疲劳预警系统（Driver Fatigue Monitor System），属于ADAS的一部分，是指在驾驶过程中捕捉并分析驾驶者的生物行为信息，检测驾驶员是否出现疲劳状态，从而进行预警。

从技术角度来看，目前驾驶员疲劳预警的检测手段主要有两种：一种是基于驾驶员驾驶行为分析，即通过分析驾驶员转动方向盘、踩刹车等行为特征，判断驾驶员是否疲劳，此种方法受驾驶员习惯影响较大；另一种是基于面部特征识别，即通过图像识别，对驾驶员面部与眼部特征进行疲劳评估，这种方法应用较为广泛。表10给出了国内主要车载疲劳驾驶检测解决方案供应商产品功能和价格分析。

上述供应商的产品价格差别主要在于识别精度，2000元以上的设备准确率能达到96%以上，500元左右的设备则经常误报警。车载疲劳驾驶检测解决方案的技术难点在于算法和数据积累，即如何在复杂的光影环境下，甚至在驾驶员戴墨镜的情况下，分析驾驶员的面部特征并判断其疲劳状态。

6.智能决策系统

智能网联汽车智能决策系统被称为车辆的大脑，主要处理感知模块采集的信息，同时进行车辆的驾驶决策。从硬件角度来看，智能网联汽车需要高效能、低功耗的计算芯片；从软件算法层面来看，智能网联汽车需要解决路径规划、行为决策、轨迹规划等模型算法问题。

（1）计算芯片介绍。

一般而言，计算芯片可分为CPU、GPU、FPGA和ASIC四大类。其中，CPU、GPU需要软件支持；而FPGA、ASIC则是软硬件一体的架构，软件就是硬件（见图8）。

图8可以从两个角度来说明。从ASIC→CPU的方向，沿着这个方向芯片的易用性越来越强，CPU和GPU的编程需要编译系统的支持，编译系统的作用是把高级软件语言翻译成机器可以识别的指令（也叫作机器语言）。高级语言带来了极大的便利性和易用性，因此用CPU和GPU实现同等功能的软件开发的周期要远低于FPGA、ASIC芯片。沿着CPU→ASIC的方向，芯片中晶体管的效率越来越高。因为FPGA和ASIC等芯片的算法直接用晶体管门电路实现，比起指令系统，算法直接构建在物理结构之上，没有中间层次，因此晶体管的效率最高。

本质上来说，软件的操作对象是指令，而CPU和GPU则扮演高速执行指令的角色。指令的存在将程序执行变成软件和硬件两个部分，指令的存在也决定了各种处理器芯片的一些完全不同的特点及各自的优劣势。

FPGA、ASIC等芯片的功能是固定的，它们的算法直接用门电路实现，因此FPGA、ASIC编程就是用门电路实现算法的过程。软件完成意味着门电路的组织形式已经确定了，从这个意义上来说，FPGA、ASIC的软件就是硬件，软件就决定了硬件的组织形式。软硬件一体化的特点决定了FPGA、ASIC设计中极其重要的资源利用率特征。利用率指在用门电路实现算法的过程中，算法对处理器芯片所拥有的门电路资源的占用情况。如果算法比较庞大，可能出现门电路资源不够用，或者虽然门电路资源够用，但实际布线困难无法进行的情况。

具有指令系统的处理器芯片CPU、GPU不存在利用率的问题。它们执行指令的过程是不断从存储器读入指令，然后由执行器执行的过程。由于存储器相对于每条指令所占用的空间几乎是无限的，即使算法再庞大也不存在存储器空间不够无法把算法读入的情况。另外，计算机系统还可以外挂硬盘等扩展存储，通过把暂时不执行的算法切换到硬盘保存增加了指令存储的空间。

不同的芯片生产工艺，对芯片的功耗和性能都有影响，这里对相同生产工艺或者接近生产工艺的芯片进行对比（见图9）。在能耗比方面，ASIC＞FPGA＞GPU＞CPU，产生这样结果的根本原因是，对于计算密集型算法，数据的搬移程度和运算效率越高，能耗比就越高。ASIC和FPGA更接近底层I/O，其运算效率高、数据搬移程度高，但是FPGA有冗余晶体管和连线，运行效率低，所以其能耗比没有ASIC的能耗比高。GPU和CPU都属于通用处理器，都需要进行读取指令、指令译码、指令执行的过程，这种方式屏蔽了底层I/O的处理，使得软硬件解耦，导致数据的搬移程度和运算效率无法更高，所以其能耗比没有ASIC、FPGA的能耗比高。GPU和CPU能耗比的差距，主要在于CPU中的晶体管大部分用于cache和控制逻辑单元，所以CPU相比GPU来说，对于计算密集且计算复杂度低的算法，有冗余的晶体管无法发挥作用，其能耗比低于GPU的能耗比。

（2）计算芯片技术发展趋势。

计算芯片在各自长期发展的过程中，形成了一些使用和市场上鲜明的特点。CPU和GPU领域存在大量的开源软件和应用软件，任何新的技术首先会用CPU实现算法，因此CPU编程资源丰富且容易获得，开发成本低而开发周期短。FPGA的实现采用Verilog/VHDL等底层硬件描述语言实现，需要开发者对FPGA芯片特性有较深入的了解，但其高并行性的特性往往可以使业务性能得到量级的提升；同时，FPGA是动态可重配的，当在数据中心部署之后，可以根据业务形态来配置不同的逻辑实现不同的硬件加速功能。举例来讲，当前服务器上的FPGA板卡部署的是图片压缩逻辑，服务于QQ业务；而此时广告实时预估需要扩容获得更多的FPGA计算资源，通过简单的FPGA重配流程，FPGA板卡即可变身成“新”硬件来服务广告实时预估，非常适合批量部署。ASIC芯片可以获得最优的性能，即面积利用率高、速度快、功耗低；但是，ASIC芯片开发风险极大，需要有足够大的市场来保证成本价格，而且从研发到投入市场的时间周期很长，不适合深度学习CNN算法等正在快速迭代的领域。

具体而言：①GPU可以平行处理大量琐碎信息的特点，决定了其适合人工智能训练端，是兼具通用性、价格优势和保护生态环境的方案。另外，FPGA也得到了企业用户的重视。在推理端，GPU、FPGA、ASIC等各种芯片都有应用。②随着算法的成熟和市场规模的扩大，消费级商用化产品将转为能耗更低、规模化成本更低的ASIC芯片。参考人工智能深度学习芯片的发展，谷歌经历了CPU→GPU→TPU（ASIC）的发展过程。③过去，算法是迁就于芯片架构的；但随着Fabless模式（Fabless是指在半导体集成电路行业中无生产线的设计公司）的成熟，设计一个专用的IP在投资方面的门槛已经降低，如Mobileye+ST（意法半导体）。④在智能网联汽车领域，成熟计算平台产品一定是算法成熟的，对功耗和安全性的要求远远超过对通用性、兼容性的要求，并且一定具备市场规模大的特点。⑤目前NVIDIA的Pegasus平台是在智能网联汽车硬件结构、算法不成熟条件下的折中产品，未来智能汽车计算平台、芯片等商用化市场倾向于组合式融合方式，芯片将向ASIC（专用集成电路）方向发展。

7.智能计算平台

1）智能计算平台介绍

当前，国际智能网联汽车发展仍处于起步阶段，我国兼具内部动力、外部契机，与发达国家并跑。我国具备智能网联汽车相关技术的发展基础，需要把握机遇、突破核心技术。在智能网联技术体系中，计算平台有望建立新一代产业格局，而Wintel联盟和AA联盟已定义了行业生态，并封锁了相关技术，我国自主研发建立智能网联时代软硬件生态体系势在必行。

智能网联汽车计算平台（软硬件计算平台）是依靠高性能计算技术和高可信软件技术，实时认知外部环境，并实现对整车最优决策和控制的计算系统，是实现无人驾驶技术的核心，是智能网联汽车发展的制高点，是未来汽车“大脑”（见图10）。加速开发自主可控的软硬件计算平台，抢占智能网联汽车战略发展先机，填补中国特色智能网联汽车计算平台空白，具有重要战略意义和历史价值。

智能网联汽车评价指标主要包括每瓦性能、每瓦成本、生态系统和安全性。在具体性能要求方面，智能网联汽车需要满足数量处理量达到4～10TB/天、数据生成速度超过10000部智能手机、满足车规级，以及安全要求符合AEC-Q100、ISO 26262/ASIL-B等要求。目前的解决方案主要基于CPU、GPU、FPGA和ASIC这4种芯片，具体发展路径可以归纳为：在算法成熟前，GPU占主要市场；随着算法成熟度提高，逐渐实现基于FPGA和ASIC的计算平台。

2）国内外研究介绍

在国内外研究方面，NVIDIA从超算到芯片，成功实现车端产品的快速迭代和完备的开发生态，成为计算平台“算力”代名词，其平台成为各大公司验证算法的有效工具。NVIDIA DGX Station（8 Tesla V100 Inside）、NVIDIA Xavier SoC成为典型代表。

以奥迪、特斯拉为代表的大型外资OEM多联合主流零部件供应商主要采用板级集成方案共同开发车载计算平台。在奥迪A8辅助驾驶计算单元中，4个核心元件及功能为：英特尔（Altera）的Cyclone V负责目标识别融合、地图融合、自动泊车、预刹车、激光雷达传感器数据处理；Mobileye的EyeQ3负责交通信号识别、行人检测、碰撞报警、光线探测和车道线识别；NVIDIA的K1负责驾驶员状态检测、360°全景；英飞凌的Aurix TC297T负责监测系统运行状态，使系统达到ASIL-D标准。

3）智能计算平台市场规模预测

根据《中国汽车产业中长期发展规划》，到2020年，汽车DA（驾驶辅助）、PA（部分自动驾驶）、CA（有条件自动驾驶）系统新车装配率超过50%，网联式辅助驾驶系统装配率达到10%；到2025年，汽车DA、PA、CA新车装配率达80%，其中PA、CA新车装配率达25%，高度自动驾驶和完全自动驾驶汽车开始进入市场。

按照每辆自动驾驶汽车具备10个以上传感器（如激光雷达、摄像头等）计算，每个传感器配备专用芯片，未来智能计算平台市场规模预测将超过数千亿元（见图11）。

8.智能执行系统

智能网联汽车智能执行系统其实是传统汽车技术的延伸，包括加速、制动、转向等车辆基本行驶状态的控制装置，涉及的硬件主要有加速执行器、制动执行器、转向执行器和车身电子稳定系统。

智能执行系统涉及的控制技术包括纵向、横向、垂直方向的运动控制技术，分别是动力系统、制动系统、转向系统及悬架系统。借助融合驱动、制动、转向、悬架的底盘控制技术，并应用移动通信和环境感知系统的车队协同和车路协同，可以实现被控车辆的速度、行驶方向与预设的速度曲线、行驶路线保持同步。

智能执行系统的好坏直接决定了汽车行驶的安全性和舒适性，相对行车计算机等快速更新的部件，智能网联汽车的智能执行系统与传统汽车和新能源汽车的底盘控制系统基本相同。随着汽车电动化的发展，智能执行系统的底盘控制技术逐渐趋于电动化，各子系统逐渐趋于电子电气化，并表现出集成化发展趋势。目前，全球领先的一级供应商如博世、大陆等依靠成熟的底盘控制技术和全球规模效应，在智能执行系统最核心的线控制动领域占据主导地位，掌握话语权。

9.通信系统

本部分的基础共性技术模块是指除车辆本身的感知、决策与控制以外的，对自动驾驶技术实现起到基础支撑作用的V2X技术、高精度地图、定位技术。

1）V2X技术

信息网联技术（V2X技术）是实现智能网联汽车自动驾驶的基础之一。从智能网联汽车网联化的角度来看，车联网业务发展主要经历了3个阶段，如图12所示。

第一个阶段：基于2G、3G、4G蜂窝通信网络的汽车娱乐，以及以E-CALL为代表的远程信息处理业务。

第二个阶段：基于4.5G、5G LTE和DSRC等通信系统将汽车互联，提供各类V2X智能交通业务，如红绿灯车速引导等。

第三个阶段：汽车与云端连接，结合精确位置信息，提供自动驾驶、编队行驶等业务。

目前，车联网业务还处于基于3G、4G蜂窝通信网络的第一个阶段，正在向第二个阶段发展。

（1）V2X技术概念内涵及车载应用。

V2X（Vehicle to Everything）是借助新一代信息通信技术将车与一切事物相连接，从而实现车辆与车辆（Vehicle to Vehicle）、车辆与路侧基础设施（Vehicle to Infrastructure）、车辆与行人等弱势交通参与者（Vehicle to Pedestrian）、车辆与云服务平台（Vehicle to Network）的全方位连接和信息交互。

V2X车联网将“人、车、路、云”等交通参与要素有机地联系在一起，不仅可以支撑车辆获得比单车感知更多的信息，促进自动驾驶技术创新和应用，还有利于构建一个智慧的交通体系，促进汽车和交通服务的新模式、新业态发展，对提高交通效率、节省资源、减少污染、降低事故发生率、改善交通管理具有重要意义。

V2X比较典型的应用包括V2N、V2V、V2I、V2P。

V2N（Vehicle to Network）通信，主要用于动态地图下载、自动驾驶相关路线规划、远程控制等应用。

V2V（Vehicle to Vehicle）通信，核心是防碰撞、避拥堵等交通安全类应用。

V2P（Vehicle to Pedestrian）通信，车与人之间的通信，主要用于行人安全应用。

V2I（Vehicle to Infrastructure）通信，用于车与路侧基础设施之间的通信，提供或接收本地道路交通信息。

V2X典型应用如图13所示。

（2）V2X技术发展路径。

结合智能网联汽车发展的V2X技术发展路径（见图14），按照车载端+通信网络+云端三维度来看，V2X通信技术有基于蜂窝通信和基于V2X直连通信两种模式。蜂窝通信正由2G、3G技术演进至4G、5G，V2X直连通信正由IEEE 802.11p、LTE-V2X演进至5G-V2X，传输带宽、数据包传输率等方面的性能逐步提高，并且与车载端融合发展。

（3）V2X技术标准。

V2X技术目前主要存在两种主流技术标准。一种是基于IEEE 802.11p的DSRC（专用短程通信）通信标准，由IEEE制定。美国、欧盟、日本等已经启动了基于IEEE 802.11p的V2X的外场试验工作，美国交通部希望全美汽车增加DSRC功能，适合运用在V2V（车与车）和V2I（车与路侧基础设施）的一些应用中。另一种是我国参与推动的4.5G、5G的LTE-V2X技术，目前统称为C-V2X技术。与IEEE 802.11p相比，LTE-V2X具有技术后发优势，又可以利用成熟的蜂窝通信网络、芯片、终端产业基础，因此已经成为车辆联网的主流技术之一。

（4）V2X产业链分析。

① 产业链构成。

从产业链上下游看，目前V2X产业链包括通信芯片供应商、通信集成系统提供商、软件平台供应商、运营商及终端用户（车企），如图15所示。

通信芯片指嵌入各种车载通信协议的通信信号处理电路，典型的供应商有华为、高通、大唐等。

通信集成系统指基于通信芯片，开发智能车载系统与智能路侧系统，以支持不同V2X或智能交通应用，典型供应商有通用、星云互联、万集集团等。

软件平台供应商，指提供车联网操作系统开发、车联网TSP平台（车联网服务平台）搭建和运营、车联网内容服务整体解决方案（包括软件方案与硬件方案）设计、大数据分析等内容的服务，典型供应商有腾讯、阿里巴巴等。

运营商指提供通信服务的企业，典型的运营商有中国联通、中国移动、中国电信等。

② 车联网市场规模预测。

据统计，2012年全球车联网市场总规模约131亿欧元，2013年全球车联网市场总规模达164亿欧元，同比增长25%，2018年全球车联网市场总规模达390亿欧元，2020年全球车联网市场总规模达到500亿欧元。对于中国市场，2015年中国车联网用户的渗透率突破10%的临界值，中国车联网的市场规模超过1500亿元；2020年中国车联网用户超过4000万户，渗透率超过20%，市场规模达到2000亿元。

2）高精度地图

（1）高精度地图内涵。

结合智能网联汽车的智能化等级，在地图行业，根据地图提供内容的丰富程度，可以将车载地图分为3个级别，分别是导航地图、ADAS地图和高精度地图。

导航地图通常应用于L0级、L1级自动驾驶车辆中，地图精度在米级，百度、高德、凯立德的导航地图在手机和车机中非常普及。

ADAS地图应用于L2级自动驾驶车辆中，精细度更高，并且可以实现车道的区分，地图精度为亚米级，又称为车道级地图。

高精度地图，属于更高级别的地图，其不仅对地图精度提出了更高的要求（厘米级），对数据更新的实时性也提出了很大的挑战，主要应用于L4级、L5级自动驾驶车辆中。

高精度地图与传统地图的区别主要在3个方面：第一，精度不同，通常高精度地图的精度达到厘米级；第二，地图细节不同，高精度地图的图层更丰富，包括车道线、交通标志、建筑物、树木等细节；第三，地图更新的实时性不同，高精度地图更新的实时性要求高。

（2）具备甲级电子地图测绘资质的企业。

地图测绘涉及国家信息安全等重大问题，《中华人民共和国测绘法》和《测绘资质管理规定》对测绘行业的发展制定了严格的标准。《测绘资质管理规定》将标准分为甲、乙、丙、丁4个等级，进行测绘数据采集并提供相关信息成果的单位需要申请《测绘资格证书》才能从事相应资质范围的活动。

从原国家测绘地理信息局网站2016年11月15日公布的《全国甲级互联网地图服务测绘资质单位名单》来看，包括高德软件有限公司、百度、阿里巴巴、腾讯在内的166家企事业单位都获得了甲级测绘资质，可以进行地图编制、导航电子地图制作等活动。但是，具备地图采集的单位仅有14家，具体如表11所示。

3）定位技术

（1）智能网联汽车定位技术分类。

从定位设备不同的角度看，目前智能网联汽车定位技术主要有3种技术：一是利用卫星的定位技术，二是利用惯性导航的定位技术，三是利用车载传感器的SLAM定位技术。如表12所示为不同定位技术比较分析。

（2）卫星定位技术。

① 卫星定位的优势。

利用卫星定位的优势在于：第一，只需要3颗卫星，就能迅速确定用户端在地球上所处的位置及海拔高度；第二，由于GNSS、GPS使用低频信号（电磁波的波长较长），其信号的穿透性较强，几乎不受天气条件的影响；第三，GNSS、GPS的误差不会随着时间的推移而积累。

此外，普通卫星定位方式由于受到大气层、卫星星历精度误差、卫星时钟误差等的影响，精度范围大约在10米，对高等级自动驾驶技术需求来说是不足的。

② RTK载波相位差分技术。

RTK（Real-Time Kinematic）载波相位差分技术，是差分GPS技术中的一种。基准站通过数据链将其所获得的载波相位观测值和基准站坐标信息一起传送给移动站。移动站将自己接收到的卫星数据与数据链数据一起进行差分解算，得到精确的定位信息。基于RTK载波相位差分技术可以实现动态厘米级定位。

③ 卫星定位产业链分析。

从产业链上下游看，目前卫星定位产业链包括卫星芯片供应商、板卡供应商、卫星接收机供应商、连续运行参考站系统（CORS）服务商及终端用户（车企），如图16所示。

卫星芯片是用来接收和解算卫星信号频率的电路设计，典型供应商有美国天宝、中国北斗星通等。

板卡是指外围电路设计和嵌入式控制软件设计，典型供应商有美国天宝、中国北斗星通等。

卫星接收机针对特定行业，对卫星芯片、板卡等进行集成及解决方案设计，提供产品级服务，典型供应商有美国天宝、华力创通等。

连续运行参考站系统是利用现代计算机、数据通信和互联网（LAN/WAN）技术组成的网络，实时向不同类型、不同需求、不同层次的用户自动地提供经过检验的不同类型的GNSS、GPS观测值（载波相位、伪距）、各种改正数、状态信息，以及其他有关GPS服务项目的系统。连续运行参考站服务商属于国家管控企业。典型的连续运行参考站系统服务商有兵器集团、千寻等。

（3）惯性导航。

① 惯性导航的作用及组成。

惯性导航是通过测量运动体的加速度（惯性），并自动进行积分运算，获得运动体瞬时速度和瞬时位置数据的技术。惯性导航属于一种推算导航方式，即从一个已知点位置根据连续测得的运载体航向角和速度推算出下一个点的位置，可连续测出运动体的当前位置。

惯性测量单元（Inertial Measurement Unit，IMU）中的陀螺仪用来形成一个导航坐标系，使加速度计的测量轴稳定在该坐标系中，并给出航向和姿态角；加速度计用来测量运动体的加速度，测量所得的加速度经过对时间的一次积分得到速度，速度再经过对时间的一次积分即可得到距离（见图17）。

针对惯性测量单元，加速度计的发展已较为成熟，相对陀螺仪而言，加速度计对性能的影响不大，陀螺仪的精度对导航性能至关重要。

② 惯性导航系统中的陀螺仪。

目前，惯性导航系统朝着高精确度、小型化、轻量化、高可靠性、连续性的方向发展。惯性测量单元中的陀螺仪主要有MEMS陀螺、光纤陀螺、激光陀螺等类型。其中，光纤陀螺和MEMS陀螺因其特性将迅猛发展。常用的陀螺仪的价格、精度及应用领域的分析如图18所示。

此外，性能更高的陀螺仪还有磁浮陀螺、静电陀螺等，但因其成本高、体积大的缺点，只在少数领域应用；早期发展起来的机械陀螺，因其精度低、体积大、抗撞击能力差，已基本退出市场。

③ 惯性导航产业链分析。

从产业链上下游看，惯性导航产业链包括电子元器件供应商、惯性器件供应商、终端产品供应商、应用系统供应商及行业用户（车企），如图19所示。

电子元器件，指对经由惯性传感器采集的速度、位置、姿态等输入数据进行计算处理的电路设计。

惯性器件，用于测量运动载体的角速度和加速度，主要包括陀螺仪、加速度计等。

终端产品，我国如惯性组合导航产品，针对GNSS定位及IMU陀螺仪和加速计测量的位置、速度和姿态解算结果，进行紧耦合设计形成产品。

应用系统指惯性导航系统的稳定控制，主要核心技术包括伺服系统高精度惯性稳定控制技术、多级反馈式卫星天线闭环跟踪控制技术。

从市场层面看，我国惯性导航产业链起步较晚，技术积累不足，规模偏小，整体行业集中度不高，中、高、低端产品发展不均衡，惯性器件多从国外进口。国外惯性导航技术领先于我国，美国、德国和日本在惯性导航领域处于世界领先水平。

我国涉及惯性导航产业的科研院所或企业如下。国有性质的科研院所或企业主要有航天三十三所、航天十三所、中航六一八所、航天七〇四所、航天电子等；民营企业主要包括耐威科技、西安晨曦、中星测控、星网宇达等。其中，民营惯性导航企业凭借多年的研发积累，技术水平比较先进，但与国有性质的科研院所或企业仍有一定的差距。如表13所示为全球级中国惯性导航企业，如表14所示为惯性导航和卫星导航性能对比分析，表14同时给出了参考价格。

二、中游产业链

（一）自动驾驶解决方案

自动驾驶解决方案是融合感知、决策、执行、通信等技术的综合解决方案。目前，自动驾驶解决方案主要有两条技术路线：视觉优先路线，多传感器融合路线。视觉优先路线由“宝马英特尔联盟”提出，倾向于采用低成本的摄像头方案。“宝马英特尔联盟”还包括菲亚特克莱斯勒、德尔福、大陆、麦格纳、滴滴出行等企业。多传感器融合路线由“丰田英伟达联盟”提出，倾向于高成本激光雷达及毫米波雷达、超声波雷达、摄像头等多种传感器的融合运用，以应对自动驾驶复杂的应用场景。“丰田英伟达联盟”还包括大众、戴姆勒、博世、采埃孚、Uber等企业。

（二）智能座舱

智能座舱通过深度融合视觉和语音能力，打造触屏、语音、人脸、手势等方式多模态顺畅交互，基于多屏互动技术，打通车内各屏幕间的物理界限，通过增强现实技术将导航信息与实景融合，全面提升车内科技感，并为用户带来全新体验。智能座舱以中控为核心，还包括数字仪表盘、抬头显示器及后座显示屏。

随着技术的进步和成本的降低，智能座舱正逐渐向中低端车型渗透，目前中控的市场渗透率最高，前装的渗透率达到70%，数字仪表盘、HUD等展现出了加速发展态势。近年来，以伟世通、博世、大陆等为代表的汽车电子巨头正加大对智能座舱的开发力度，奥迪、宝马、奔驰等品牌的高端车型已实现配置。智能座舱人性化、多功能化、智能化等元素逐渐成为汽车品牌的差异化亮点。

（三）智能网联整车

国外的特斯拉、奥迪、日产、沃尔沃、奔驰、丰田等知名厂商相继加快了智能网联整车研发步伐，制订了自动驾驶时间表。国内智能汽车技术研发虽然起步相对较晚，但近几年关注度高涨，传统车企、新造车公司纷纷与互联网、信息与通信技术（Information and Communications Technology，ICT）企业展开合作，加快布局智能网联汽车领域，技术研发取得进展，产品投放进程加快。

从落地时间来看，2020年是L3级自动驾驶落地元年，未来3年将会是多数厂商的L3级自动驾驶量产年，预计到2025年左右，L4级自动驾驶将有望实现市场化应用。从研发路线来看，大部分主流厂商都提出了L3级自动驾驶量产计划，但也有厂商跳过L3级，如奥迪已取消L3级自动驾驶量产计划，沃尔沃、福特表示会越过L3级，直接研发L4级、L5级自动驾驶技术。国内厂商多选择“渐进式路线”，即一边推动实现L3级自动驾驶量产，一边研发L4级、L5级自动驾驶技术，如表15所示。

三、下游产业链

（一）出行服务

人们对安全、高效、便捷、舒适等出行需求的不断提升，以及人工智能、大数据、信息通信等技术的日益革新，推动了以智能化、共享化、多样化、个性化为代表的出行模式创新。根据Strategy Analytics预测，到2030年，美国、欧洲和中国的共享出行市场价值将达到1.5万亿美元，年复合增长率高达24%。

目前，出行服务主要包括互联网约车服务、分时租赁服务及租车服务。与此同时，全球传统汽车制造企业正加速向移动出行服务商转型，大众、奥迪、宝马、奔驰、通用、福特等国际巨头，以及北汽、长安、广汽、吉利等中国企业通过投资、并购等方式加快布局出行领域，多数车企都已推出或计划推出自有汽车共享项目。未来，智能网联汽车将作为MaaS（Mobility as a Service，出行即服务）平台的重要组成部分，为消费者提供一站式的出行服务。

（二）物流服务

据AI Masah Capital的报告显示，预计到2024年，全球物流市场规模将达到15.5万亿美元，年复合增长率为7.5%。面对持续快速增长的物流市场规模，随着人工智能、大数据、云计算、物联网等技术的不断成熟，为实现降本增效，智能化、网联化已成为物流行业未来发展的必然趋势。当前，传统货物运输企业、物流企业及各类电商正加速推动物流平台化运作，车货匹配平台、整车运输匹配平台、货运市场对接匹配平台等各类平台不断涌现，随着装配了自动驾驶系统的物流运输车在园区、港口等场景的应用逐渐成熟，物流运输车辆将与物流管控平台实现无缝对接，分时租赁、车队运营、车货智能化匹配调度等服务模式将被相继推出。

（三）数据增值

智能网联汽车有别于传统汽车的特点之一就是其在行驶过程甚至全生命周期都能产生大量数据。英特尔指出，数据是未来无人驾驶的新“石油”，未来每辆无人驾驶汽车都将生成相当于3000人的数据。根据Gartner预测，到2021年，将有超过3亿辆汽车通过无线网络实现连接。智能网联汽车数据包含决策控制数据、网联化交互数据、产业服务数据，结合大数据、云计算、人工智能等新一代信息通信技术，通过搜集与处理这类衍生大数据，企业可以向用户提供多种增值服务，提升智能网联汽车的商业价值。智能网联汽车的数据增值既来自汽车产业链数据的创新性整合，又来自汽车与不同行业间的数据融合，其带来的不仅是出行方式和商业模式的全面革新，以及汽车产业价值链体系的重塑，而且将对人们的生活方式、生活习惯、生活偏好产生巨大影响。