（报告出品方/作者：国信证券，熊莉）
感知层研究框架环境感知 车身感知 网联感知组成车载感知系统
整个车载感知系统主要包括环境感知、车身感知与网联感知三大部分。其中，（1）环境感知：主要负责车辆从外界获取信息，如附近车辆、车道线、行人、建筑物、障碍物、交通标志、信号灯等，主要包括四大类别的硬件传感器车载摄像头、毫米波雷达、激光雷达、超声波雷达；（2）车身感知：主要负责车辆对自身状态的感知，如车辆位置、行驶速度、姿态方位等，主要包括惯性导航、卫星导航和高精度地图；（3）网联感知：主要负责实现车辆与外界的网联通信以此来获得道路信息、行人信息等，主要包括各类路侧设备、车载终端以及V2X 云平台等。
四大硬件传感器是自动驾驶汽车的眼睛，是环境感知的关键。车载传感器主要包括车载摄像头、毫米波雷达、激光雷达、超声波雷达四大类。自动驾驶汽车首先是对环境信息与车内信息的采集、处理与分析，这是实现车辆自主驾驶的基础和前提。环境感知是自动驾驶车辆与外界环境信息交互的关键，车辆通过硬件传感器获取周围的环境信息，环境感知是一个复杂的系统，需要多种传感器实时获取信息，各类硬件传感器是自动驾驶汽车的眼睛。
当前自动驾驶正处在 L2 向 L3 级别跨越发展的关键阶段。其中，L2 级的ADAS是实现高等级自动驾驶的基础，从全球各车企自动驾驶量产时间表来看，L3级别自动驾驶即将迎来大规模地商业化落地。
随着自动驾驶级别的提升，单车传感器的数量呈倍级增加。预计自动驾驶Level1-2 级需要 10-20 个传感器，Level 3 级需要 20-30 个传感器，Level 4-5级需要40-50 个传感器。
Level 1-2 级别：通常具有 1 个前置远程雷达和1 个摄像头，用于自适应巡航控制，紧急制动辅助和车道偏离警告/辅助。2 个向后的中程雷达可实现盲点检测，外加 4 个摄像头和 12 个超声波雷达则可实现 360 度视角的泊车辅助功能。预计Level 1-2 的总传感器数量约为 10-20 个左右。
Level 3 级别：在 Level 1-2 配置的基础上，外加1 个远程激光雷达，由于主动距离测量，激光雷达还具有高分辨率，广角和高精度的特点，这对于检测和分类对象或跟踪地标以进行定位将是必需的。对于高速公路领航系统（Highwaypilot）应用，通常会额外增加 1 颗后向的远程激光雷达。预计会使用6-8个摄像头，8-12 个超声波雷达和 4-8 个毫米波雷达，以及1 个激光雷达，因此，预计 Level 3 的传感器总数量会在 20-30 个左右。
Level 4-5 级别：通常需要多种传感器进行 360°视角的交叉验证，以消除每种传感器的弱点。预计会使用 8-15 个摄像头，8-12 个超声波雷达和6-12个毫米波雷达，以及 1-3 个激光雷达，因此，预计用于Level 4 至5 的传感器总数量会在 30-40 个左右。
从本次广州车展来看，各家新车型均搭配多个激光雷达，以此来提前布局高阶自动驾驶，哪吒 S 配置了 3-6 颗混合固态激光雷达，售价在30 万以上的新车型普遍搭配了支持 L3-L4 级自动驾驶所需要的各类传感器（2 颗激光雷达、12 颗超声波雷达、7-10 颗高清摄像头、5 颗毫米波雷达）。以蔚来ET7 为例，共搭载了多达33 个高精度传感器，包括 1 个超远距高精度激光雷达、11 个800 万像素高清摄像头、5 个毫米波雷达、12 个超声波传感器、2 个高精定位单位、1 个V2X 车路协同感知系统和 1 个 ADMS 增强主驾感知，较蔚来 ES8 的25 个传感器还多了8个。
各国政策不断刺激，助力高阶辅助驾驶 ADAS 快速落地。美国在2011 年开始就强制所有轻型商用车和乘用车搭载 ESP 系统，欧盟从2013 年开始强制安装重型商用车搭载 LDW、AEB 等功能，日本从 2014 年强制要求商用车搭载AEB 系统，2019年欧盟与日本等 40 国达成草案，将于 2020 年起全部轻型商用车和乘用车强制安装AEB 系统。中国自 2016 年开始出台各项政策，逐步强制商用车搭载LDW、FCW、LKA、AEB 等 ADAS 功能。
各国新车测试标准不断增加对主动安全 ADAS 功能的权重。NCAP（NewCarAssessment Program，新车测试项目）是测试机构对新车型的车辆安全水平进行全面评估，并直接面向公众公布试验结果。NCAP 是民间组织，不受政府机构组织控制。碰撞测试成绩则由星级表示，共有五个星级，星级越高表示该车的碰撞安全性能越好。在部分国家，AEB 等系统已经成为五行评级的必备条件。从各国NCAP的路线图能够看出，美国 NHTSA 从 2011 年就将 LDW、FCW 等指标纳入加分项，美国 IIHS 从 2014 年开始将 FCW 和 AEB 规定为最高评级的必备条件，欧盟Euro-NCAP从 2014 就将 AEB 纳入评分体系，并不断增加测试场景，中国C-NCAP 从2017年首次纳入 AEB 测试。各国对各类 ADAS 辅助驾驶系统的重视程度不断提升，带动高阶辅助驾驶的全面落地。
（1）激光雷达：是 L3 级以上自动驾驶的必备传感器
激光雷达，即（LiDAR, Light Detection and Ranging），是一种通过发射激光束来测量周围环境物体的距离和方位的方法。激光雷达主要由发射模块、处理模块和接收模块组成，其工作原理是向目标发射探测信号（激光束），然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，做适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态及形状等参数，从而对障碍物、移动物体等目标进行探测、追踪和识别。激光雷达是当下已知的车载雷达中探测距离远，角度测量精度极高的一种。激光雷达可以准确的感知周边环境的三维信息，探测精度在厘米级以内。激光雷达能够准确的识别出障碍物具体轮廓、距离成 3D 点云，且不会漏判、误判前方出现的障碍物，激光雷达普遍的有效探测距离也更远。与毫米波雷达和摄像头相比，激光雷达具备高分辨率、远距离和视角广阔等特性。
激光雷达诞生于 1960 年，起初用于科研及测绘项目，全球首个车规级激光雷达在 2017 年实现量产。1960 年美国休斯实验室的西奥多·梅曼发明了人类历史上第一台激光器，随着激光器的发展，激光雷达逐渐发展起来。早期激光雷达主要用于科研及测绘项目，进行气象探测以及针对海洋、森林、地表的地形测绘。2010年，Neato 公司把激光雷达安在了扫地机器人上面，推出了Neato XV-11，Neato公司将单个激光雷达的成本控制在 30 美元以内，解决了激光雷达的量产难题，打开了激光雷达在民用市场的空间。 而车载雷达的发展历史可以追溯到 21 世纪初，在2007 年，美国国防部组织的DARPA 无人车挑战赛上，参赛的 7 只队伍，就有 6 只安装了Velodyne 的激光雷达。2010 年 Ibeo 公司同法雷奥合作进行车规化激光雷达SCALA 的开发，SCALA为基于转镜架构的 4 线激光雷达，在 2017 年成为了全球第一款车规级激光雷达，SCALA并在当年搭载在全新的奥迪 A8 上。
智能驾驶将是未来五年激光雷达市场的主要增长动力。根据Yole 的预测，2019年全球激光雷达市场规模约为 16 亿美金，预计到2025 年全球激光雷达市场规模将达到 38 亿美金，年复合增长率约为 20%。按照各细分应用板块来看，智能驾驶场景未来五年的复合增长率将超过 60%，将会为整个激光雷达市场提供18亿美金的增量，预计到 2025 年，智能驾驶场景将占到整个激光雷达市场规模的50%，成为激光雷达市场的主要增长动力。此外，各种工业及服务机器人对激光雷达的需求也在快速增长，也将带动整个激光雷达市场规模持续扩大。
激光雷达是车载摄像头与毫米波雷达的有效补充，将是L3 级及以上自动驾驶的必备传感器。从工作原理来看，激光雷达发射的光波的频率比微波高出2-3个数量级，因此激光雷达具有极高的距离分辨率、角分辨率和速度分辨率，因此测量精度更高，获得信息更为立体，同时，由于激光波长短，可发射发散角非常小的激光束，可探测低空/超低空目标，抗干扰能力强。即便是纯视觉的方案从效果上能够一定程度代替激光雷达的自动驾驶方案，但是对于高阶自动驾驶而言，安全驾驶是其重要的一步，在感知环节的传感器冗余能够有限提升车辆的安全冗余，激光雷达将是 L3 及以上自动驾驶的必备传感器。
ToF 激光雷达是当前的主流，未来 ToF 与 FMCW 会共存。按照探测方式来分，分成了非相干测量（脉冲飞行时间测量法 ToF 为代表）和相干测量（典型为FMCW调频连续波）。ToF 与 FMCW 能够实现室外阳光下较远的测程（100~250m），是车载激光雷达的优选方案。ToF 是目前市场车载中长距激光雷达的主流方案，未来随着FMCW 激光雷达整机和上游产业链的成熟，ToF 和 FMCW 激光雷达将在市场上并存。
混合固态方案作为当前市场的过渡期预计将存在 5 年以上，终极形态的激光雷达会是低成本、高度芯片化的产品。
固态激光雷达是终极形态，混合固态 MEMS 等方案短期内会是主流。机械式激光雷达技术本身成熟，但具有成本较高、装配调制困难、生产周期长，且需要持续旋转，机械部件的寿命较短，一般在1-2 年，很难应用在规模量产车型上。MEMS 混合固态激光雷达一方面具有尺寸小、可靠性高、批量生产后成本低、分辨率较高等优势，另一方面也存在信噪比低、有效距离短、视场角窄、工作寿命较短等缺点。MEMS 方案是当下车用激光雷达量产的最优解，但是 MEMS 微振镜扫描角度小、振动问题与工作温度范围，过车规也存在挑战。固态方案不用受制于机械旋转的速度和精度，可大大压缩雷达的结构和尺寸，提高使用寿命，并降低成本。
芯片化将会是激光雷达的架构趋势。当前大部分ToF 激光雷达产品采用分立器件，即发射端使用边发射激光器 EEL 配合多通道驱动器、接收端使用线性雪崩二极管探测器（APD）配合多通道跨阻放大器（TIA）的方案。但分立器件仍存在零部件多、生产成本高、可靠性低等问题，芯片化架构的激光雷达可将数百个分立器件集成于一颗芯片，在降低物料成本的同时，省去了对每一个激光器进行独立光学装调的人力生产成本。此外，器件数量的减少，可以显著降低因单一器件失效而导致系统失效的概率，提升了可靠性。芯片化架构的激光雷达是未来的发展方向。
激光雷达的成本构成。激光雷达本质是一个由多种部件构成的光机电系统，光电系统包括发射模组、接收模组、测时模组（TDC/ADC）和控制模组四部分构成，其中，光电系统成本约占激光雷达整机成本的 70%。
激光雷达上游产业链主要包括激光器和探测器、FPGA 芯片、模拟芯片供应商，以及光学部件生产和加工商。激光器和探测器是激光雷达的重要部件，激光器和探测器的性能、成本、可靠性与激光雷达产品的性能、成本、可靠性密切相关。激光器主流供应商有欧司朗、艾迈斯半导体、鲁门特姆，探测器主流供应商有滨松、安森美、索尼等。FPGA 通常被用作激光雷达的主控芯片，主流供应商有赛灵思、英特尔等，除了 FPGA 之外，也可以选用 MCU、DSP 等代替。MCU 的主流供应商有瑞萨、英飞凌等，DSP 的主流供应商有德州仪器、亚德诺半导体等。而在相关光学部件上，国内供应链已经完全实现替代海外，实现自主供应。
从各家的 Velodyne 的 64 线机械式激光雷达的售价在7.5 万美元，32 线的机械式激光雷达售价在 4 万美元左右，16 线的机械式激光雷达售价在3999 美元。而国内厂商，如禾赛科技在 2020 年发布的机械式激光雷达售价为4999 美元左右，速腾聚创在 2020 年发布的机械式激光雷达售价为 1898 美元。
随着相关技术和产业链日益成熟，激光雷达的成本拐点即将来临。Velodyne宣布计划到 2024 年将平均单价将下降到 600 美元，华为也宣布未来计划将激光雷达的价格控制在 200 美金以内。随着相关技术逐渐成熟和供应链体系的逐步完善，当前混合固态的激光雷达平均价格约在 1000 美元左右，预计到2023 年左右成本有望下探到 500 美元。随着激光雷达的成本拐点逐步到来，也为大规模商用打造了充分的基础。
2022 年有望成为激光雷达大规模商业的元年。在 2021 年，如蔚来ET7、智已L7、极狐阿尔法 S、哪吒 S、R 汽车等都已宣布搭载激光雷达的车型正在量产路上，在前不久的广州车展上，威马 M7、广汽埃安 AION LX Plus 等均宣布了搭载2~3颗激光雷达，长城最新发布的沙龙机甲龙更是配备 4 颗激光雷达。这些车型大多在2022 年量产，2022 年有望成为激光雷达大规模商业的元年。
（2）车载摄像头：高清化、智能化带动摄像头天花板不断打开
车载摄像头是环境感知中最常见的传感器之一。摄像头的工作原理即目标物体通过镜头生成光学图像投射到图像传感器上，光信号转变为电信号，再经过A/D（模数转换）后变为数字图像信号，最后送到 DSP（数字信号处理芯片）中进行加工处理，由 DSP 将信号处理成特定格式的图像传输到显示屏上进行显示。视觉是人类驾驶汽车获取环境信息最主要的途径，摄像头获取的信息更为直观，更接近人类的视觉，对于自动驾驶汽车而言，摄像头取代了人类视觉，成为了汽车获取外界信息的重要来源。 车载摄像头的优点十分明显，成本低且技术成熟，采集信息的丰富度较高，最接近人类视觉，但其缺点也十分显著，摄像头受光照、环境影响十分大，难以全天候工作，尤其是在黑夜、雨雪天、大雾等能见度不足的场景下，其识别效率大大降低，此外，车载摄像头缺乏深度信息，三维空间感不足。
车载镜头舜宇排名第一，联创电子正在快速崛起。根据ICVTank 在2019 年的数据显示，舜宇光学全球车载摄像头出货量第一，市占率超过30%，韩国世高光、日本关东辰美、日本富士占绝行业前四名，前四名市占率超过80%。国产方面，除舜宇之外，联创电子是国内唯二具备较强竞争力的厂商，目前已经进入特斯拉、蔚来等产业链，正在快速崛起。 车载 CIS 呈现寡头格局，韦尔收购豪威科技一跃成为行业第二。车载CIS（CMOSImage Sensor）是当下主流的车载摄像头图像传感器方案，其中安森美是绝对的车载 CIS 龙头，市占率超过六成，豪威科技位列第二，市占率约为20%，索尼和三星作为手机 CIS 的龙头，进入车载市场较晚，正在快速切入。国产厂商方面，韦尔股份收购豪威科技后，一跃成为车载 CIS 龙头，正在迅速崛起。
中游模组主要由海外公司主导，国产比例仍然较低。由于车规级摄像头模组的安全性和稳定性要求更高，模组封装工艺更为复杂，在竞争格局方面，主要由海外公司占据主要市场份额，松下、法雷奥、富士通、大陆、麦格纳等占据市场主要地位，国产方面，舜宇光学、联创电子等为代表的摄像头模组企业正在快速布局车载领域。
根据安装位置划分，车载摄像头可以分为五大类：内视摄像头、后视摄像头、前置摄像头、侧视摄像头、环视摄像头等；根据结构划分，车载摄像头可以分为单目摄像头、双目摄像头、广角摄像头等。单目摄像头和双目摄像头主要用于自动驾驶汽车的前视，视角一般为 45 度左右，负责实现FCW、LDW、PCW、TSR、ACC等功能，而广角摄像头则要用于自动驾驶汽车的后视（后视泊车辅助）、内置（闭眼提醒、DMS）、侧视（盲点检测）、以及环视（全景泊车、LDW）等多个方位多种功能。
各家整车厂新车型的摄像头搭载数量持续上升。从各家最新发布的车型搭载方案来看，造车新势力的单车搭载摄像头数量平均已超过10 颗。2021 年最新发布的蔚来 ET7 共搭载了 11 颗摄像头，小鹏计划于 2022 年量产的G9 车型预计将搭载12 颗摄像头，极氪 001 更是搭载了 15 颗摄像头，各家车企不断增加前视、环视、后视和内视等各方位的摄像头，为了高阶辅助驾驶的落地创造了坚实的基础。
特斯拉 Model 3 的感知系统包括了 8 个摄像头 12 个超声波雷达 1 个毫米波雷达。该感知系统可以实现在 250 米半径内提供 360 度的视野，可以在一定距离内探测软硬物体，而且精度几乎是以前系统的两倍。包括 1 个前视窄视野长焦摄像头（FOV25 度、最大测距 250 米），1 个前视主视野中焦摄像头（FOV 50 度、最大测距150米），1 个前视宽视野广角摄像头（FOV 150 度、最大测距60 米），2 个侧方前视摄像头（最大测距 80 米）、2 个侧方后视摄像头（最大测距100 米）和1个后视摄像头（最大测距 50 米）。 Mobileye 的纯摄像头 ADAS 解决方案包括了 12 颗摄像头的子系统。在CES2020上，Mobileye 也发布 12 个摄像头组成的纯摄像头解决方案，包括2 颗前视摄像头（FOV 120 度），一颗前视窄视野长焦摄像头（FOV 28 度），1 颗后视摄像头（FOV 60 度），4 颗侧视摄像头（FOV 100 度），4 颗停车辅助摄像头，1颗DMS内视摄像头。
单车搭载摄像头数量持续增加，预计到 23 年有望超过平均每台车3 颗。根据佐思汽研数据，2021Q1 中国乘用车市场车载摄像头的总安装量为922.3 万颗，同比增长 95.3%，2021Q1 单车的摄像头安装量从 2020Q1 的1.559 颗提升至1.779颗，市场对车载摄像头的需求量持续增加。根据 Yole 预测，2018 年全球汽车平均每台搭载摄像头的数量为 1.7 颗，预计到 2023 年有望增加单车3 颗左右，CAGR达12%。而对于高端车的搭载情况，根据 Yole 数据显示，高端车型的单车摄像头搭载数量从 2014 年的 5 颗提升到 2020 年的 8 颗，预计到2024 年将超过11颗。此外，根据不同等级自动驾驶的要求，为了实现更准确的识别效果，每一类摄像头会搭载不同焦段 2-3 只。L1 或 2 级的车辆主要以安装倒车或环视摄像头为主，单车摄像头数量约在 3-5 颗左右；L3 级车辆还会安装前视摄像头，单车摄像头数量约在 8 颗左右；L4/5 级车辆基本会囊括各种类型的摄像头，单车摄像头数量约在 10-20 颗左右。
各类型车载摄像头快速上车，渗透率不断提升。19-20 年我国后视摄像头渗透率占比最高为 50%，前视摄像头渗透率 30%、侧视摄像头渗透率22%，内置摄像头渗透率 7%，仍然有很大的渗透空间。随着 IACC、HWA、HWP 等各类高级ADAS功能落地，各种摄像头的需求量也在不断上升，驾驶员注意力监测需求上升，DMS摄像头也在快速上车。根据佐思汽研的数据，2021Q1 中国乘用车市场DMS 安装量同比增长 554.5%，是各类车载摄像头中增速最快的，此外环视摄像头同比增速120.8%，前视摄像头同比增速 103.0%，行车记录仪同比增速102.2%，后视摄像头同比增速60.6%，各类车载摄像头安装量快速提升。
特斯拉剥离计算功能，摄像头 BOM 成本下降六成。以宝马X5 采用的采孚三目前视摄像头和特斯拉在 Model 3 中所使用的三目前视摄像头进行成本比较。宝马X5中的采孚 S-Cam4 三目前视摄像头是由豪威（OmniVision）的CMOS 图像传感器实现图像采集，Mobileye 的 EyeQ4 实现视觉处理。而特斯拉在Model 3 中所使用的三目前视摄像头，其摄像头模块是基于安森美（On Semiconductor）120万像素的 CMOS 图像处理器，并没有安装计算功能模块，图像处理功能则由Autopilot来实现。 根据 SystemPlus 测算，特斯拉 Model 3 的三目前视摄像头的BOM 成本65美金左右，而采孚 ZF S-Cam4 三目前视摄像头的 BOM 成本在165 美金左右，特斯拉在剥离了计算功能后，摄像头 BOM 成本下降了约六成。
EEA 架构的集中化会促使算力集中化，进而加速传感器的硬件简化。以特斯拉为例，Model 3 的电子电气架构已经进入准中央架构阶段，由中央计算模块（CCM）、左车身控制模块（BCMLH）、右车身控制模块（BCMRH）三个部分组成，特斯拉的准中央 E/E 架构已带来了线束革命，Model S/Model X 整车线束的长度是3公里，Model 3 整车线束的长度缩短到了 1.5 公里，Model Y 进一步缩短到1 公里左右，特斯拉最终的计划是将线束长度缩短至 100 米。整个架构的不断集中化，也带动了整个控制和算力的集中化，也避免了过往各 ECU 之间的算力冗余，进一步简化边缘端传感器，从而带动边缘段硬件成本的进一步下探。
驾驶员监测系统（DMS，Driver Monitor System）是指驾驶员行驶过程中，全天候监测驾驶员的疲劳状态、危险驾驶行为的信息技术系统。在发现驾驶员出现疲劳、打哈欠、眯眼睛及其他错误驾驶状态后，DMS 系统将会对此类行为进行及时的分析，并进行语音灯光提示，起到警示驾驶员，纠正错误驾驶行为的作用。DMS一般分为主动式 DMS 和被动式 DMS。被动式 DMS 基于方向盘转向和行驶轨迹特征来判断驾驶员状态。主动式 DMS 一般基于摄像头和近红外技术，从眼睑闭合、眨眼、凝视方向、打哈欠和头部运动等，检测驾驶员状态。主动 DMS 系统从 18 年开始逐渐放量，21 年 1-9 月 DMS 销量同比增长244%。自2006年起，雷克萨斯 LS 460 首次配备主动 DMS，随着近年来一系列的安全事故大大提高了 DMS 在自动辅助驾驶系统尤其是 L2/L3 功能上的的重要性。从2018年开始，随着 L2 和 L3 系统逐渐量产，主动式 DMS 系统开始放量。根据佐思汽研数据，2019年在中国主动 DMS 系统的乘用车新车安装量为 1.02 万套，同比增长174%。2021年 1-9 月中国乘用车新车的 DMS 系统销量 25.15 万套，同比增长244%，其中合资占比 6%，本土占比 94%，排名靠前的品牌有长安、小鹏、哈弗、宝马、蔚来等。2021 年中国 DMS 爆发增长主要原因是本土品牌增加了装配车型力度。2021年新上市车型 DMS 装配量 9.67 万辆，占整体装配量比例 38%。
大部分 Tier1 已推出 DMS 完整解决方案，包括法雷奥、博世、大陆、电装、现代摩比斯、伟世通、维宁尔等。在中国企业中，百度、商汤科技、中科创达、经纬恒润等公司的 DMS 产品也已落地在各个品牌车型上。DMS 的核心功能是监测驾驶员的疲劳和注意力分散程度。但是基于更多的传感器，视觉 红外摄像头，甚至毫米波雷达，可以实现更多的功能，譬如人脸识别、年龄性别估计、情绪估计、安全带检测、姿势位置、遗忘检测、座舱异常情况检测、幼儿检测等。通过人脸、性别和表情的识别, 实现身份认证，以及更丰富的人车交互。目前DMS 的应用仅停留在预警阶段，而一旦与 ADAS/AD 系统结合，还可以实现个性化车身控制等功能。（报告来源：未来智库）
（3）毫米波雷达：海外厂商正主导市场，国内正起步追赶
毫 米 波 雷达 是 一 种 使 用天 线 发 射 波 长 1-10mm、频率24-300GHz 的毫米波（Millimeter Wave，MMW）作为放射波的雷达传感器。毫米波雷达根据接收和发射毫米波的时间差，结合毫米波传播速度、载体速度及监测目标速度，可以获得汽车与其他物体相对距离、相对速度、角度及运动方向等物理环境信息。毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。与激光雷达（LiDAR）相比，目前毫米波雷达技术更加成熟、应用更加广泛、成本更加低廉；与可见光摄像头相比，毫米波雷达的准确性和稳定性更好，价格差距也在不断缩小。尤其是全天候工作无可替代的优势，已成为汽车电子厂商公认的主流选择，拥有巨大的市场需求。
车载毫米波雷达根据毫米波频率可以分为 24GHz、77GHz 和79GHz 毫米波雷达三大种类。目前各个国家对车载毫米波雷达的频段各有不同，除了少数国家（如日本）采用 60GHz 频段外，主要集中在 24GHz 和 77GHz 两个频段。世界无线电通信大会已将 77.5~78.0GHz 频段划分给无线电定位业务，以促进短距高分辨车用雷达的发展。由于 77GHz 相对于 24GHz 的诸多优势，未来全球车载毫米波雷达的频段会趋同于 77GHz 频段（76-81GHz）。
车载毫米波雷达因具备受天气气候影响程度低、不受前方目标物形状与颜色等干扰等特性，广泛应用于主动安全系统。不同探测距离决定了不同类型毫米波雷达的应用场景不同，因此，不同高级辅助驾驶功能也需要不同的雷达选型。角雷达通常是SRR 短程雷达负责盲点检测（BSD）、变道辅助（LCA）和前后交叉交通警报（F/RCTA）的要求，而前雷达通常是负责自动紧急制动（AEB）和自适应巡航控制（ACC）的MRR和 LRR 中远程雷达。毫米波雷达是高级辅助驾驶系统（ADAS）的必备传感器。
国外毫米波雷达发展历史悠久，国产正在逐步追赶。1973 年德国首次出现汽车防撞雷达，欧美大型毫米波雷达制造商已累积近 40 年的技术经验。早期的毫米波雷达采用高电子迁移晶体管制作集成电路，集成度低且成本高昂，直到2012 年，英飞凌及飞思卡尔成功推出芯片级别的毫米波射频芯片，降低了毫米波波雷达的技术门槛，同时降低其制造成本，推动毫米波雷达在各领域的应用。2013 年，24GHz 毫米波雷达产品开始进入中国，2018 年，实现 24GHz 毫米波雷达国产，但是在77GHz毫米波雷达产品仍未实现大规模国产化，只有少数国内厂商具备77GHz 产品的量产能力，国产毫米波雷达仍在持续追赶中。
毫米波雷达的硬件占比约 50%，主要由射频前端（MMIC）、数字信号处理器、天线及控制电路等部分构成，软件算法占比约 50%。
射频前端（MMIC）：是核心射频部分，占总成本的25%左右。由发射器、接收器、功率放大器、低噪声放大器、混频器、滤波器及压控振荡器组成，起到调制、发射、接收及解调毫米波信号的作用。在技术趋势上，集成度更高、体积更小的高集成趋势下，CMOS 工艺有望成为主流。在供应商方面，加特兰微电子、意行半导体、矽杰微电子、矽典微等本土厂商已有能力自行研发生产低频 24GHz 芯片，且价格较海外有 30%以上的优势。但在高频段77GHz芯片方面，主要由恩智浦、英飞凌、德州仪器、意法半导体等供应。
数字信号处理器：通过嵌入不同的信号处理算法，分析前端收集的信号获取目标信息，是保证毫米波雷达稳定性及可靠性的核心部件，主要通过DSP芯片或 FPGA 芯片实现，占总成本的 10%左右。在技术趋势上，DSP 芯片在复杂算法处理上具备优势，FPGA 在大数据底层算法上具备优势，“DSP FPGA”融合在实时信号处理系统中的应用逐渐广泛。在供应商方面，高端DSP芯片和FPGA 芯片主要被国外企业垄断，DSP 芯片供应商有飞思卡尔、英飞凌、亚德诺半导体、意法半导体等，FPGA 芯片供应商有赛灵思、阿尔特拉、美高森美、莱迪思等公司。
高频 PCB：天线是毫米波雷达发射和接收信号的重要组件，毫米波雷达可通过微带列阵方式将多根天线集成到 PCB 板上。由于毫米波频率高，对电路尺寸精度要求高，所需印制电路板为高频板材 PCB，占总成本的10%。主要供应商为罗杰斯、Isola、施瓦茨为主，国内主要是沪电股份等公司。
博世、大陆、电装、海拉等国外厂商占据全球毫米波雷达的七成市场份额。全球毫米波雷达主要供应商有博世、大陆、电装、海拉、天合、安波福、奥托立夫等。博世、大陆、电装、海拉等国外巨头占据行业 73%的市场空间，行业集中度较高。
维宁尔、大陆、海拉占据 SRR 市场，博世、大陆、电装等占据LRR 市场。根据佐斯汽研的数据显示，维宁尔、大陆、海拉、安波福和法雷奥五家企业占据中国短程毫米波雷达（SRR）96.4%的市场空间，其中维宁尔排名第一，市占率32%；博世、大陆、电装和安波福占据长距毫米波雷达（LRR）95.7%的市场空间，博世排名第一，市占率高达 40%。
24GHz 国产化率较高，77GHz 仅少部分国产玩家实现量产。国产厂商已实现24GHz毫米波雷达产品市场化供货，而仅少数玩家具备 77GHz 毫米波雷达产品的量产能力，其中森思泰克是目前国内乘用车前装 77GHz 毫米波雷达市场份额排名首位的国产供应商，正在逐渐缩小与海外厂商的差距，其毫米波雷达的定点车型接近100个，而德赛西威、华域汽车等公司也已达到 77GHz 雷达的量产条件。
（4）超声波雷达：自动泊车渗透率快速提升，带来新的增长动能
超声波雷达是最成熟的车载传感器。超声波雷达，俗称倒车雷达，是一种最常见的传感器，其工作原理是通过超声波发射装置向外发出超声波（机械波而非电磁波），到通过接收器接收到发送过来超声波时的时间差来测算距离。常用的工作频率有 40kHz、48kHz 和 58kHz 三种。频率越高，灵敏度越高，但水平与垂直方向的探测角度就越小，故一般采用 40kHz 的探头。按构造分类，超声波雷达可以分为等方性与异方性，二者的区别在于水平探测角度与垂直探测角度是否相同；按技术方案分类，超声波雷达可以分为模拟式、四线式数位、二线式数位、三线式主动数位，它们的信号抗干扰能力依次提升，技术难度与价格总体递进。超声波的能量消耗较缓慢，在介质中传播的距离比较远，穿透性强，测距的方法简单，成本低。但是超声波散射角大，方向性较差，在测量较远距离的目标时，其回波信号会比较弱，影响测量精度。但在短距离测量中，超声波测距传感器具有非常大的优势。超声波雷达防水、防尘，即使有少量的泥沙遮挡也不影响，探测范围在 0.1-3 米之间，而且精度较高，其主要作用是通过蜂鸣器来辅助驾驶员泊车、自动泊车的辅助与微调车辆在行车道的位置，保持与相邻车道车辆的安全距离。
超声波雷达主要用于停车辅助和自动泊车，可以分为UPA 和APA 超声波雷达两种类型。（1）UPA 超声波雷达：超声波驻车辅助传感器（UPA，UltrasonicParkingAssistant），探测距离一般在 15~250cm 之间，感测距离较短，但是频率较高，为 58kHz，精度高；（2）APA 超声波雷达：自动泊车辅助传感器（APA，AutomaticParking Assistant），探测距离一般在 30~500cm 之间，感测距离较长，但是频率较低，为 40kHz，精度一般。 倒车系统需要 4 个 UPA，而自动泊车系统需要 8 个UPA 4 个APA。一套普通的倒车雷达系统需要配备 4 个 UPA 超声波雷达，而自动泊车系统需要在倒车雷达系统基础上，增加 4 个 UPA 和 4 个 APA 超声波雷达组成12 个超声波雷达系统，其中，8 个 UPA 超声波雷达安装于汽车前后保险杠上，用于测量汽车前后障碍物，4个APA 超声波雷达安装于汽车两侧，用于测量侧方障碍物距离。
超声波雷达价格低廉，技术相对成熟。超声波雷达测距方式简单，产业链成熟，单体价格相对低廉，平均售价 100 元左右。超声波雷达上游主要为芯片和传感器供应商，芯片主要依赖进口，如飞思卡尔（恩智浦NXP 收购）等厂商，传感器已经实现国产化。超声波雷达中游为超声波雷达生产商，主要参与者可以分为国际Tier1、国内 Tier1 以及初创公司。由于超声波雷达技术较为成熟，故国内外玩家之间的差距主要在于传感器实现上的稳定性和可靠性，但整体差异较小。其中国际 Tier1 主要是博世、法雷奥、大陆，国内 Tier1 主要是奥迪威、辉创电子、航盛电子、同致电子，初创企业有晟泰克、辅易航（中科创达收购）等。
自动泊车辅助系统（Auto Parking Assist，APA），市值车辆在低速行驶时，可通过车辆周身搭载的传感器测量车身与周围环境之间的距离和角度，收集传感器数据计算出操作流程，同时自动调整方向盘、刹车和油门实现停车入位。自动泊车系统按技术等级，又可分为半自动泊车（只有自动转向）、全自动泊车（含自动转向和自动前进后退）、自主代客泊车（AVP）等。通常可将智能泊车技术划分为三大发展阶段：半自动泊车→全自动泊车→自主代客泊车。从全自动泊车发展到自主泊车技术，其最早普及的第一代APA 自动泊车，随后出现将泊车与手机结合的第二代 RPA（Remote Parking Asist）远程遥控泊车，再是发展到第三代 AI 自主学习泊车，最理想的泊车辅助场景是第四代泊车解决方案 AVP（Automated Valet Parking）自主代客泊车。
中国乘用车 APA 装配量快速增长，但装配率仅 12.3%，增长空间巨大。根据高工汽车数据显示，2021 年 1-7 月国内新车搭载 APA 功能上险量为142.55 万辆，同比上年同期增长 36.4%。其中，融合泊车（基于全景环视 超声波）占比32.83%，同比上年同期呈现数倍增长的势头。据佐思汽研统计，2020 年中国乘用车APA装配量为 230.8 万辆，同比增长 46.4%，APA 装配率为12.3%，较2019 年全年上升4.28 个百分点。APA 在奔驰、宝马等中高端车型以及理想、小鹏等造车新势力中装配率较高，但在大多数车型中普及率仍较低，APA 未来仍有巨大渗透空间。
12 颗超声波雷达方案的渗透率将从 2019 年的 9.6%提升到2025 年的26.1%。根据佐思汽研数据显示，从单车超声波雷达配置方案来看，2019-2020 年，4 颗超声波雷达方案占据大部分市场，主要实现倒车辅助功能。2019 年12 颗超声波雷达方案的占比仅为 9.6%左右，预计到 2025 年 12 颗超声波雷达方案的渗透率将达到26.1%。随着自动泊车商业化推广，12 颗超声波雷达方案占比正在快速攀升，有望成为未来智能汽车的主流。
（5）车身感知：“GNSS IMU 高精度地图”组成多融合车身感知定位系统
车身感知定位系统主要由惯性导航、卫星导航系统和高精度地图组成。主要是以高精地图为依托，通过惯性导航系统和全球定位系统（Global NavigationSatellite System，GNSS）。GNSS 通过导航卫星可以提供全局的定位信息，惯导系统可以提供不依赖于环境的定位信息，高精地图为车辆环境感知提供辅助，提供超视距路况信息。三者取长补短、互相配合，共同构成自动驾驶定位导航系统。根据技术原理，自动驾驶的定位技术主要可以分为基于信号定位、航位推算和地图匹配三大类： (1) 基于信号的定位：采用飞行时间测距法（Time of Flight，ToF）获得汽车与卫星的距离，然后使用三球定位原理得到汽车的绝对位置，主要就是通过全球卫星 GNSS 的卫星信号进行定位，还包括使用 WiFi、UWB、FM 微波等其他信号获取信息等技术； (2) 航迹递推（Dead Reckoning）：依靠惯性传感器获得加速度和角速度信息，根据上一时刻其策划的位置和航向递推出当前的位置和航向；(3) 地图匹配（Map Matching，MM）：基于视觉摄像头（Camera）或激光雷达（LiDAR）采集到的数据特征与高精度地图数据中的特征进行匹配，得到车辆的位置和姿态。
惯性导航：车身感知定位系统的信息融合中心
惯性导航系统（Inertial Navigation System, INS）是一种不依赖外部信息、也不向外部辐射能量的自助式导航系统。惯性导航系统（INS）是利用惯性传感器（IMU）测量载体的比力及角速度信息，结合给定的初始条件，与GNSS 等系统的信息融合，从而进行实时推算速度、位置、姿态等参数的自主式导航系统。惯性导航系统属于一种推算导航方式，即从一已知点的位置根据连续测得的运载体航向角和速度推算出其下一点的位置，因而可连续测出运动体的当前位置。
一个惯性测量单元包括 3 个相互正交的单轴加速度计（Accelerometer）测量转动运动和 3 个互相正交的单轴陀螺仪（Gyroscopes）测量平移运动的加速度。自动驾驶所需要的惯性传感器（IMU）主要是加速度计和陀螺仪。（1）加速度计：基于牛顿第二定律，采用电容式、压阻式或热对流原理，通过在加速过程中对质量块对应惯性力的测量来获得加速度值。用来测量运动体坐标系上各轴的加速度；（2）陀螺仪：用于测量载体绕自身三个坐标轴的转动角速度，同时也敏感地球自转的角速度。 按照力学编排实现形式可分为：捷联式惯性导航系统（Strap-down InertialNavigation, SINS）和平台式惯性导航系统（Gimbaled Inertial System,GINS）。平台式惯导的传感器安装在多轴伺服平台上作为反馈元件，控制伺服平台的姿态达到设定，多用于沿地球表面作等速运动的飞行器（如飞机、巡航导弹等），捷联式惯导的传感器和载体一同运动，省去了平台，结构简单、体积小、维护方便，自动驾驶领域主要采用捷联式惯性导航系统。
航迹递推（Dead Reckoning，DR）算法是惯性导航系统的主要实现手段。DR算法是指已知上一时刻导航状态（状态、速度和位置），根据传感器观测值推算到下一时刻的导航状态。DR 算法包括姿态编排和位置编排两个部分。姿态编排使用的是 AHRS（Attitude and heading reference system）融合算法，处理后输出车机姿态信息。DR 算法可以在无卫星导航信号或弱卫星导航信号的场景，仅靠DR算法也能得到较为可靠的导航信息。
惯性导航系统是车身感知定位系统的信息融合中心，具有不可替代的作用。惯性导航的数据实时存在，永不消失，性能稳定，可以连续100Hz 高频工作，惯导是三种定位方法中最为可靠的，具有输出信息不间断、不受外界干扰等独特优势，可保证在任何时刻以高频次输出车辆运动参数，同时将视觉传感器、雷达、激光雷达、车身系统信息进行更深层次的融合，为决策层提供精确可靠的连续的车辆位置，姿态的信息，车身感知定位系统的信息融合中心。
卫星导航：RTK 助力 GNSS 实现厘米级的定位
全球导航卫星系统（Global Navigation Satellite System，GNSS）是以人造地球卫星为导航台，为全球海陆空的各类军民载体提供位置、速度和时间信息的空基无线电导航定位系统。导航卫星的工作原理主要是通过三球定位原理实现的，由于卫星的位置精确可知，通过卫星到接收机的距离，利用三维坐标中的距离公式，利用 3 颗卫星，就可以组成 3 个方程式，解出观测点的位置。考虑到卫星的时钟与接收机时钟之间的误差，实际上有 4 个未知数，位置的X、Y、Z 和钟差，因而需要引入第 4 颗卫星，形成 4 个方程式进行求解，从而得到观测点的经纬度和高程。为提高定位精度，普遍采用差分 GPS 技术，建立基准站（差分台）进行观测，利用已知的基准站精确坐标，与观测值进行比较，从而得出修正数，并对外发布。接收机收到该修正数后，与自身的观测值进行比较，消去大部分误差，得到一个比较准确的位置。
使用 RTK 技术可以帮助 GNSS 实现厘米级的定位精度。RTK（Real-time kinematic）载波相位差分技术，卫其原理是卫星轨道误差、卫星钟差、电离层延迟、对流层延迟等误差对相距不远的 GNSS 站影响接近，特定的地理坐标点、卫星接收站等，以该点位为中心的 20-40km 半径范围内，可以通过站间观测值差分消除，进而实现相位模糊度的快速固定与瞬时厘米级定位。
高精度地图：实现 L3 及以上自动驾驶的必备基础
高精度地图，即 HD Map（High Definition Map）或HAD Map（Highly AutomatedDriving Map），是指绝对精度和相对精度均在 1 米以内的高精度、高新鲜度、高丰富度的电子地图。其信息包括道路类型、曲率、车道线位置等道路信息，路边基础设施、障碍物、交通标志等环境对象信息，以及交通流量、红绿灯状态信息等实时动态信息。根据地图信息的不同，高精度地图由底层到上层可以分为四个层级：为静态地图、准静态地图、准动态地图和动态地图。
高精度地图比传统地图优势显著。与传统地图相比，基于自动驾驶系统的需求，高精度地图在保留地图检索、道路规划、渲染、诱导等功能基础上，侧重地图信息丰富性、精度高、提升计算机器或汽车智能化三大方向，以及高频更新、标识横纵向定位、坡度曲率节能应用与舒适性提升等。
行业拥有较高准入门槛，百度、四维图新和高德三足鼎立
高精度地图行业拥有较高的准入门槛，需要有甲级测绘资质。测绘资质方面，我国对企业获得地图测绘与制作资质有严格的要求，并不对国外厂商开放。2016年出台的《关于加强自动驾驶地图生产测试与应用管理的通知》规定，自动驾驶地图的绘制需由具有导航电子地图制作测绘资质的单位承担，在道路测试过程中要严格限制地图接触的人员范围，对于初创公司来说有一定的门槛要求。截至2021年 12 月，仅有 28 家公司进入国内高精地图甲级测绘资质名单。
国内图商占主要份额，百度、四维图新和高德呈现“三足鼎立”的局面。由于高精度地图涉及国家地理机密，国内高精度地图主要玩家大多是本土公司，根据IDC统计，2020 年国内高精度地图行业市场份额前五名公司为百度、四维图新、高德、易图通以及 Here，其中 CR3 超过 65%，呈现“三足鼎立”的局面。
集中采集和众包采集高度整合是未来地图数据采集的主要趋势
高精度地图的制作大致分为数据采集、绘图、更新和验证四部分。其中数据采集提供地理数据的来源，绘图环节通过数据融合及相关算法完成语义识别，将地理数据转换为道路模型，更新环节结合传感器等硬件实现高精度地图的实时更新，验证环节则结合人工与 AI 算法完成最后的确认。
高精度地图的数据采集成本较高。数据采集消耗成本巨大，仅一辆高精地图采集车需要配置的设备就包括：激光雷达、摄像头、陀螺仪、GPS 接收机、数据存储和计算设备等。同时，高精地图精细程度高，传统地图生产方式难以满足其量产应用的需要。采用传统测绘车方式，在成本约束下，测绘效率很难大幅度提高。数据采集方式有集中采集和众包采集：（1）集中采集：精度高，但更新频率低、采集成本高，高德、百度、Tomtom 等公司更多采用专业测绘车集中制图；（2）众包采集：数据鲜度高、成本低，但采集精度低、可靠性和一致性较差，丰田、特斯拉、Here 等厂商则选择采用众包采集的模式。未来，以集中采集为建图基础，在海量众包数据中快速提炼符合规范的静态图层变更信息和动态图层实况信息，两者深度结合的技术模式成为主流的方向。
多源数据融合成为需要，自动化绘制起成为发展趋势。高精度地图提供的地图数据不仅包括传统路网信息，还包括高精度车道级及环境信息数据，以及动态感知层和驾驶决策层部分信息，数据绘制的自动化和智能化成为重要的发展趋势。目前常用的绘图方法是将采集环节得到的数据经过清洗、加总建模后借助语义识别模型进行绘图。而借助 AI 技术完成不同传感器数据自动融合识别，即把GNSS/INS、点云、图像等数据叠加在一起，进行道路标线、路沿、路牌、交通标志等道路元素的识别，从而简化高精地图数据处理流程并不断提高制图效率，对于复杂环境尤为重要。
未来高精度地图会更多的借助大数据和地图云服务平台进行更新和分发。这其中，5G 赋能让高精度地图和云计算结合得更加紧密，更加实时。5G 网络带来数据传输速率的大幅提升，让高精度地图的采集与更新变得更加实时动态。专业化高精度采集、众包采集和路侧采集等多种地图采集方式的动态信息，依托5G 网络实时同步至云端进行加工处理；同时，更新后的高精度地图及实时信息从云端对道路上行驶的车辆进行同步更新。
车路协同高速发展，高精度地图与路侧感知体系互相成就。一方面，路侧的传感器将成为高精地图更新的有效数据来源。路侧感知能力与车端感知能力紧密结合，增加信息冗余度，互相校验及融合，为高精地图提供更为精准丰富的信息。另一方面，高精度地图可以赋能路侧感知体系。前端感知设备与高精度地图结合，实现前端感知数据附带地理属性，进而与平台 GIS 地图无缝结合且可支持车路协同数据应用。
盈利模式区别于传统地图，云平台 SaaS 模式是未来大方向。区别于传统地图的的 License 授权模式，高精度地图的主要有按单位时间和按数据量收费两种收费模式，核心区别在于收费稳定，初期阶段基本以服务功能开发费 License组合为基础；此外，还存在一种“免费”模式，即图商向客户免费提供现有数据产品，但同时客户需向图商提供收集到的数据，地图的价格即为客户收集数据的价值。
图商的角色从交付向服务演变，客户从 B 端向 C 端扩展。由于高精度地图需要实时更新，图商不再只是交付并收费的模式，而是开始向地理信息数据服务商转型。图商正逐渐成为自动驾驶时代的重要参与者、合作者、服务商。同时，除了向车厂或者自动驾驶出行服务商提供地理信息数据服务这种B 端的业务，在大规模自动驾驶落地的趋势下，高精度地图也会向 C 端延伸，但大规模的民用落地还需根据宏观政策进行调整。 车身感知定位系统主要由惯性导航、卫星导航系统和高精度地图组成。主要是以高精地图为依托，通过惯性导航系统和全球定位系统（Global NavigationSatellite System，GNSS）。GNSS 通过导航卫星可以提供全局的定位信息，惯导系统可以提供不依赖于环境的定位信息，高精地图为车辆环境感知提供辅助，提供超视距路况信息。三者取长补短、互相配合，共同构成自动驾驶定位导航系统、根据百度 Apollo 研究表明，通过 GNSS-RTK 可实现65%的综合场景定位误差小于20cm 的覆盖率，GNSS IMU 的卫惯组合则可以实现 85%左右的场景覆盖，GNSS IMU 感知与地图的融合高精度定位系统可以实现 97.5%的覆盖率。
常用的 GNSS-RTK IMU 组合惯导方案在一些场景的定位精度稳定性仍不能完全满足自动驾驶的要求，如城市楼宇群、地下车库等。GNSS 长时间信号微弱的场景下，依靠 GNSS 信号更新精确定位稳定性不足。在组合惯导中引入并融合激光雷达/视觉传感定位等环境信息进行融合定位，形成 GNSS-RTK IMU 航迹推算 感知与高精度地图匹配的定位系统是发展的必然。以百度 Apollo 的多传感器融合定位系统解决方案为例，惯性导航系统处于定位模块的中心位置，模块将IMU、GNSS、Lidar等定位信息进行融合，通过惯性导航系统解算修正后最终输出满足自动驾驶需求的 6 个自由度的高精度位置信息。
厘米级的高精度定位传感器是 L3 级及以上自动驾驶的标配。高精度定位传感器主要部件包括高精度定位芯片（射频、基带）、IMU、天线、板卡等。成本方面，高精度 GNSS 定位加天线的成本在百元级，符合精度要求的IMU 器件成本将长期保持在千元级。GNSS-RTK IMU 组合的量产价格较高，短期在1000 美元左右，随着规模化量产以及工艺的成熟，整体价格有望在 2025 年下降至500 美元。
高精度定位芯片：主要包括射频和基带芯片，射频部分对微弱的模拟信号进行接收、滤波、放大、变频；基带部分对码信号进行解算，其中相关器模块实现对码信号的读取；目前北斗芯片已不输于GPS，3 米的普通精度车载导航芯片价格不超过 6 元，几十厘米定位精度的高精度芯片，价格在几十元到数百元不等；
IMU：价格和精度高度正相关，产品竞争核心在于平衡高精度和低成本。主要被海外垄断，目前主要的供应商包括 ADI、Honeywell、NorthropGrumman等；
GNSS 板卡 天线：高精度板卡是高精度 GNSS 终端设备的核心，其成本占到终端总成本的60%以上，技术门槛非常高，长期被美国Trimble和加拿大NovAtel垄断，目前国产高精度板卡销量市占率 30%左右；我国北斗天线的国产替代率较高，国内市场份额占比超 75%。（报告来源：未来智库）
（6）网联感知：“车、路、云”一体化，C-V2X 商业化落地进入倒计时
车用无线通信技术（Vehicle to Everything, V2X），是实现车与车（V2V）、车与路（V2I）、车与人（V2P）、车与网（V2N）相连接的新一代信息通信技术。V2X通过将人、车、路、云等交通参与要素有机地联系在一起，构建一个智慧的交通体系。整个 V2X 系统可以分为云端、路侧端与车载端：
云端：V2X 云平台，实现大数据及人工智能算法智能分析、交通调度优化、高精度定位、车辆状态管理、车辆在线升级、信息服务等；
路侧端：包括路侧通信单元 RSU（Road Side Unit）、路测计算单元（MEC）,路侧感知单元（雷达、摄像头、交通信号灯与指示牌等环境信息）；
车载端：完成 BSM 消息的上报、V2X 消息的接收与解析、CAN 数据的读取与解析、消息的展示与提醒、保障信息安全。
政策为车联网商业化落地的保驾护航。自 2015 年以来，国务院、国家发改委、工信部、交通运输部等多部门都陆续印发了支持、规范车联网行业的发展政策。2021年 7 月，工信部联合十部门发布《5G 应用“扬帆”行动计划（2021－2023年）》，强调了 5G 与车联网融合的重要性，C-V2X 技术升级和相关通信模块的部署也是未来三年国家的重要建设方向之一。各主要地区也在纷纷建设智能网联汽车测试示范区，发放自动驾驶道路测试牌照，各个省市也都提出了自己的车联网“十四五”规划。其中，江苏省提出部署 RSU 车联网道路 2000 公里，河北、江苏、天津、安徽和湖南省也都提出进行先导区建设和核心技术的攻克，重庆和天津均明确提出进行 V2X 技术升级，C-V2X 商业化落地进入倒计时。
全球车联网通信标准主要有 DSRC 和 C-V2X 两条技术路线。（1）DSRC：专用短程通信技术（Dedicated Short Range Communication）由IEEE 提出，主要由欧美主导，发展自上世纪末，经过近二十年的发展，技术已经相对成熟；（2）C-V2X：蜂窝车联网（Cellular-V2X）由 3GPP 提出，由中国主导，主要有LTE-V2X 和5G NR-V2X两种。2020 年 11 月美国联邦通讯委员会将 5.9GHz 频段划拨给C-V2X 使用，2020年4月，工信部批准了 7 个 V2X 标准， C-V2X 逐渐成为车联网的主流。
通过 C-V2X 车载终端设备及智能路侧设备的多源感知融合，对道路环境实时状况进行感知、分析和决策，在可能发生危险或碰撞 的情况下，智能网联汽车进行提前告警，为车辆出行提供更可靠、安全、实时的环境信息获取，从而减少交通事故或降低交通致伤亡率，对于汽车行驶安全有十分重要的意义。C-V2X 产业链主要包括通信芯片、通信模组、终端设备、整车、智能道路、测试验证以及运营与服务环节，参与方包括芯片厂商、设备厂商、主机厂、方案商、电信运营商、交通运营部门和交通管理部门等。
车载终端是指在车内提供无线通信能力的电子设备，是构智能网联的关键节点。目前车载终端主要通过 3G/4G/5G 蜂窝通信网络与车联网云平台连接，提供车载信息和娱乐服务，满足人们在车内的信息娱乐需求。新一代V2X 车载终端将集成C-V2X技术，可以实现车与车、车与路、车与人、车与云平台之间的全方位连接。车载终端主要包括通信芯片、通信模组、OBU（On Board Unit）、V2X 协议栈及V2X 应用软件。行业参与者众多，以华为为例，在 C-V2X 已推出了 C-V2X 芯片、网关、T-box、路测单元和端到端全面解决方案。
在终端量产落地方面，自 2019 年福特宣布首款 C-V2X 车型量产以来，各家OEM车厂都在纷纷布局 C-V2X 硬件等车联网感知产品的落地。根据佐思汽研的数据显示，2021 年 1-8 月，国内乘用车新车车联网信息系统装配率达到57.1%，同比增加 4.6 个百分点，其中自主品牌为 59.6%，同比增加1.2 个百分点。其中，吉利领克、长城 WEY、长城坦克、上汽 R 汽车、东风岚图、北汽极狐等自主高端品牌车联网信息系统装配率超过 98%。自 2020 年开始，C-V2X 硬件开始在多个量产车型上搭载，如长城摩卡、广汽埃安、高合等，车联网感知产品的商业化进程加速。
对一套完整的车路协同系统而言，路侧感知设备包括摄像头、毫米波雷达、激光雷达等，其利用 5G RSU/CPE 进行数据收集并通过 5G 网络回传。为避免发生信号干扰，通常单个点位部署 1 台 5G RSU，实现路口区域的 PC5 通信，其余杆件设备及信号机则通过 5G CPE 代替实现 5G 回传功能。在十字路口，为实现对于四个方向的目标对象的全要素感知，通常部署 4 套车路协同感知设备。
ADAS 系统研究框架EEA 架构逐渐走向域集中，域控制器应运而生
单车 ECU 数量激增，无法满足汽车智能化的需求。1980 年代开始，以机械为主宰的汽车行业内掀起一场电子电气化革命，电子控制单元（ElectronicControlUnit，ECU）占领了整个汽车，此时的汽车电子电气架构都是分布式的，各个ECU都通过 CA（N Controller Area Network，控制器域网络）或LIN（Local InterconnectNetwork，局部互联网络）总线连接在一起，通过工程师预设好的通信协议交换信息。在传统的 EEA 架构下，ECU 是系统的核心，智能功能的升级依赖于ECU数量的累加。 原有智能化升级方式面临研发和生产成本剧增、安全性降低、算力不足等问题，传统分布式架构亟需升级，传统 EEA 架构主要面临以下问题：（1）控制器数量过多：各级别汽车 ECU 数量都在逐年递增，每台汽车搭载的ECU 平均25个，一些高端车型通常会超过 100 个；（2）线束布置过于复杂：ECU 数量越多，总线数量必将更长，2000 年奔驰 S 级轿车的电子系统已经拥有80 个ECU，1,900 条总长达4km 的通信总线。2007 年奥迪 Q7 和保时捷卡宴的总线长度突破6km，重量超过70kg，基本成为位列发动机之后的全车第二重部件；（3）“跨域”信号传输需求增加：智能驾驶需要大量的“跨域”信号传输，环境传感器（雷达，视频和激光雷达）产生了大量数据传输的需求，这也对传统分散式ECU 基础架构提出了挑战。
为适应智能化需求，催生出以 DCU 为主的域集中架构。为了控制总线长度、降低ECU 数量，从而降低电子部件重量、降低整车制造成本，将分散的控制器按照功能域划分、集成为运算能力更强的域控制器（Domain Control Unit，DCU）的想法应运而生。博世用三类 EEA 架构共六个阶段来展示架构演进方向：分布式（模块化、集成化）、域集中式（集中化、域融合）、集中式（车载电脑、车-云计算）。
成本拆解：高性能 SoC 主芯片占整体域控制器的主要成本
当前市面上最为成熟的域控制器为特斯拉 19 年推出的HW 3.0，特斯拉首次推出其自研的 FSD 芯片，通过以太网总线的方式承载数据输入与以太网交换的功能，其成本整体较为透明，通过拆解其 BOM 成本，梳理高阶自动驾驶域控制器的成本分布。预计 HW 3.0 板上全部芯片的成本约在 5000 元左右，外加车规级接插件、以太网连接器以及 PCB 等外围硬件，整块板子的硬件成本大约在7500-8500人民币之间。其中，主控 SoC 芯片约占总芯片成本的 61%左右，占整体硬件成本的20%左右。特斯拉 HW 3.0 的主板上共搭载了两块的自研芯片，双芯片的目的是作为安全冗余，互相对照，每块芯片可以独立运算。每块芯片周围有四块镁光DRAM内存，每块芯片分别配有一块东芝闪存芯片，用于承载操作系统和深度学习模型。主板的右侧是视频输出接口，从上到下依次是 FOV 摄像头、环视摄像头、A柱左右摄像头、B 柱左右摄像头、前视主摄像头、车内DMS 摄像头、后摄像头、GPS同轴天线；左侧是电源接口和其他另外的输入/输出接口，从上到下依次是第二供电和 I/O 接口（车身 LIN 网络等），以太网诊断进/出、调试USB、烧录、主供电和 I/O（底盘 CAN 网络等）。
迭代路线：控制节点不断收缩，带动ADAS 系统架构持续迭代
随着 EEA 架构走向集中，ADAS 系统架构控制节点也在不断收缩。L0-L2 级分布式系统方案，主要由前向 ADAS 系统、侧后 ADAS 系统、自动泊车系统、全景环视系统四个控制节点组成。以智能前视摄像头将镜头模组、计算平台主板整合在一起，ECU 主板内含 2 个芯片，采用安全核（Safety Core）和性能核（PerformanceCore）的芯片组合架构案：安全核对安全等级要求高，计算要求不强烈，一般选用MCU，如英飞凌 TC297/397 等，而性能核在成本考量下，允许功能安全等级低，但是要承担大量运算，满足控制器对性能的要求，一般选用高性能SoC 为主，比如Mobileye 的 EyeQ4、EyeQ5 以及英伟达 Xaiver 等。而对于L2 级域集中式方案，控制节点开始收缩，前向 ADAS 系统与侧后 ADAS 系统由行车控制器实现，自动泊车系统和全景环视系统由泊车 ECU 实现，目前仍处于行车与泊车分离的阶段，而对于高阶的方案，行车与泊车合二为一，出现行泊一体的域控制器作为统一的控制节点来实现所有的 ADAS 功能。
技术要求：面向高阶自动驾驶，异构多核硬件架构成为趋势
车载计算平台需采用异构多核芯片硬件架构。自动驾驶的域控制器，要具备多传感器融合、定位、路径规划、决策控制、无线通讯、高速通讯的能力。通常需要外接多个摄像头、毫米波雷达、激光雷达，以及 IMU 等设备，完成的功能包含图像识别、数据处理等。面向 L3 及以上高阶自动驾驶，单一芯片无法满足诸多接口和算力需求，计算基础平台需采用异构芯片的硬件方案，具有芯片选型灵活、可配置拓展、算力可堆砌等优点。计算平台的异构分布硬件架构主要包括CPU计算单元、AI 单元和控制单元。
（1）CPU 计算单元： 由车规级多个多核 CPU 组成，大多为 ARM 架构，单核主频高，计算能力强，擅长处理高精度浮点数串行计算，通过内核系统管理软硬件资源、完成任务调度，用于执行自动驾驶相关大部分核心算法，同时整合多源数据完成路径规划、决策控制等功能。 （2）AI 单元： AI 单元是整个异构硬件平台中算力的最主要来源，承担大规模浮点数并行计算需求，主流的 AI 芯片可选用 GPU、FPGA、ASIC 三种等。通常内核系统进行加速引擎及其他芯片资源的分配、调度。AI 单元实现对多传感器的数据高效处理与融合，获取用于规划及决策的关键信息。 （3）控制单元： 负责可靠性和车辆控制，功能安全和冗余监控作用，不要求很高的算力，但是可靠性必须要有保障。基于传统车辆控制器 MCU，实现车辆动力学横纵向控制并满足功能安全 ASIL-D 等级要求。
高性能的车载计算平台是高阶自动驾驶的必备，除了异构多核的硬件架构外，分布弹性可扩展、丰富的 I/O 接口资源、高内存带宽、车规与功能安全等也都是高阶自动驾驶域控制器的必备特点： （1）硬件异构： 面向高阶自动驾驶的计算平台需兼容多类型多数量传感器，单一芯片无法满足诸多接口和算力要求，需采用“CPU XPU”的异构硬件方案，前文已做详细介绍；（2）分布弹性可扩展： 车载计算平台需具有弹性扩展特性以满足不同等级自动驾驶需求。针对L3及以上高阶自动驾驶，随着自动驾驶等级提升，车载智能计算基础平台算力、接口等需求都会增加。除提高单芯片算力外，硬件单元也可复制堆叠，自动驾驶操作系统弹性适配硬件单元并可进行平滑拓展，达到整体系统提升算力、增加接口、完善功能的目的；
（3）丰富的 I/O 接口资源： 高阶自动驾驶的感知系统传感器种类与数量众多，车载摄像头、激光雷达、毫米波雷达、超声波雷达、组合导航、IMU、V2X 模块等，因此丰富的接口资源也是很自动驾驶域控制器的关键特点。车载摄像头的数据接口一般采用GMSL 或FPDLink，激光雷达都是采用 Ethernet 接口，目前大多是普通Ethernet；毫米波雷达都是CANFD 传输，超声波雷达采用 LIN 总线，组合导航和惯导常见接口为RS232串口，V2X 模块采用 Ethernet 接口传输。除了上述传感器所需IO 接口外，常见的其它高速接口与低速接口比如 PCIe、USB、I2C、SPI 等；（4）高内存带宽： 自动驾驶芯片平台因为要接入大量的传感器数据，因此内存的压力非常大。整个系统往往呈现出 Memory-Bound 系统的特点，因此内存带宽通常决定了系统性能的理论上限； （5）车规与功能安全： 与消费级不同，车规级产品在安全性和可靠性上有更高要求。如AEC-Q100、ISO26262 等，ISO 26262 对安全等级做了划分，常见的是ASIL-B
行泊一体域控制器：OEM 自研、系统集成商、软件平台商三方势力各显身手
自动驾驶域控制器玩家主要分为系统集成商、软件平台厂商以及OEM 厂商三大类：（1）OEM 厂商：特斯拉以及国内的造车新势力如蔚来、小鹏、威马、理想、上汽智己等都已实现或宣布将自研自动驾驶域控制器，以掌握未来软件定义汽车下底层的硬件自主权； （2）系统集成商和 Tier 1：如博世、大陆、采埃孚等国际Tier1 和系统集成商,德赛西威、经纬恒润、华为等一批本土 Tier1 和系统集成商；（3）软件平台厂商：如映驰科技、东软睿驰、TTech、中科创达等公司。智能座舱域控制器：全球范围内，伟世通、大陆、博世、安波福在座舱域控制器市场占据主导地位，国内企业华为、德赛西威、航盛电子、东软等也纷纷推出了座舱域控制器解决方案。在座舱 SoC 芯片方面，主要包括高通820A 与8155P、英特尔 Atom、恩智浦 i.MX8、瑞萨 R-CAR H3、德州仪器Jacinto 系列等。
自动驾驶域控制器：全球范围内，全球 Tier1 基本都已布局自动驾驶域控制器产品，典型产品如伟世通 DriveCore、博世 DASy、大陆集团ADCU、采埃孚ProAI、Veoneer Zeus、麦格纳 MAX4 等，国内方面，如德赛西威IPU 系列、经纬恒润ADC、东软睿驰 CPDC、华为 MDC 等。
除了 OEM 厂商自研之外，OEM 厂还孵化成立独立第三方智能驾驶软件平台型公司参与域控制器市场。此外，在域控制器市场还有一类重要的玩家，就是从主机厂孵化成立的智能驾驶软件平台型公司，如长城汽车的毫末知行，吉利汽车的亿咖通等。长城汽车即将在 2022 年发布的新摩卡车型将搭载高通骁龙Ride 平台，相关域控制器设计与生产则是由毫末知行来实现的。亿咖通在2021 年与伟世通和高通达成战略合作，为全球市场提供领先的智能座舱解决方案，此外亿咖通在2020年与安谋中国合作成立芯擎科技，2021 年 10 月国内首颗7nm 车规级座舱芯片“龍鹰一号”流片成功，计划在 2022 年三季度实现量产，2022 年底实现前装上车。2022 年作为高阶自动驾驶落地元年，行泊一体域控制器正在快速放量。据佐思汽研数据，2021 年中国乘用车自动驾驶域控制器年出货量已达到53.9 万台，渗透率 2.7%，预计 2022 年渗透率将超过 5%，到 2025 年中国乘用车自动驾驶域控制器年出货量将达到 452.3 万套，渗透率达到 18.7%，核心驱动力为L2 行泊一体域控制器出货量迅猛增长。
前视 ADAS 一体机：L2 渗透率快速提升，Mobileye 方案依旧主流
L2 前视一体机市场分为 Mobileye 阵营和非 Mobileye 阵营两类。（1）Mobileye主要以“芯片 算法”模式交付，核心算法由 Mobileye 供应，系统集成由Tier1负责。Mobileye 的合作伙伴主要有经纬恒润、安波福、采埃孚等。（2）Tier1全自研的非 Mobileye 阵营，从核心算法到系统集成都自己做，如博世、大陆等。从市场份额看，根据佐思汽研的数据显示，中国乘用车新车前视系统供应商主要有电装、博世、安波福、科世达、松下、维宁尔、大陆、经纬恒润，CR10市占率超过 90%，此外，经纬恒润也是中国乘用车新车前视系统前十名供应商中唯一一家国产厂商，市场份额为 3.6%。
预计到 2025 年前视系统装配率有望超过六成。根据佐思汽研数据，2020年中国乘用车新车前视系统装配量为498.6万辆，同比增长62.1%，其中自主品牌为106.3万辆，同比增长 43.9%，占比达到 21.4%；合资为 390.5 万辆，同比增长68.0%，占比达到 78.6%；从装配率看，2020 年中国前视系统整体装配率为26.4%，同比增加 10.9 个百分点。其中，自主为 16.1%，同比增加6.5 个百分点；合资为32.0%，同比增加 13.7 个百分点。随着前视系统算力提高以及功能的不断增加，预计到2025 年，我国乘用车前视系统装配量将达到 1,630.5 万辆，装配率将达到65.0%。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库】。未来智库 - 官方网站
,
