原標題 中金 | AI+汽車：高級別智能駕駛，提效降耗新體驗

來源 中金點睛 

原創 陳昊 成喬升 彭虎

汽車行業向智能化（智能座艙+智能駕駛+智能服務）邁進的步伐已不可阻擋，在AI技術的加持下，汽車智能化的發展逐步加速。我們認爲，智能座艙已經步入商業化階段，而智能駕駛處在高級別（L3及以上）的量產前夜。汽車智能化的實現不僅可以爲用戶提供全新體驗，其對整個交通系統效率的提升更是助力能耗的降低，對於碳中和的大發展戰略做出貢獻。當前，由於硬件成本高、軟件能力弱及法律法規不完善等一系列制約因素的存在，高級別自動駕駛成爲了一個難度較大的工程問題，人類正在不斷努力通過兩條路徑攻堅（主機廠+芯片供應商：從司機端出發，預埋高級別硬件降維到L2上量，靠數據迭代產品；軟件公司：從乘客端顛覆出行，直接發力固定場景L4應用）。

摘要

政策產業雙料驅動助力智能駕駛落地：站在L2/L3的分水嶺上，我們認爲智能駕駛有望加速落地：政策端來看，我們看到美國部分州已落地自動駕駛法案；日歐地區也有望較快應用聯合國針對L3制定的法規；中國方面儘管尚未見到法等法律層面的修訂，但相關部委政策更新頻出。產業方面來看，AI技術的升級、造車新勢力的創新以及資本市場投融資環境的寬鬆均是積極因素。

芯片迭代路徑清晰，高級別硬件預埋成爲趨勢。我們認爲，AI SoC是智能駕駛硬件的核心部分，在高級別智能駕駛（L3+）場景驅動下，高算力+高能效比有望成爲車用AI SoC單芯片的迭代趨勢。在現階段面向L2應用環境下，我們看到主流量產產品單芯片算力在個位數TOPS，能效比在1-2TOPS/W；而面對L3+應用，我們認爲儘管硬件規格尚未明確，但從站在L2/L3的分水嶺上，各廠商產品規劃來看，合格的單芯片算力需達到五十甚至數百TOPS，能效比需達到5TOPS/W以上，且爲處理激光雷達感知的大量數據，多芯片協同形成計算集羣是趨勢。目前，主機廠多采用預埋高級別智能駕駛硬件的技術路線，把AI SoC直接拉至高級別（L4）生命週期，而將功能降維至L2來推動硬件快速上量以獲取大量數據，從駕駛員角度出發不斷進行技術迭代。因而我們認爲，芯片廠會先行受益於AI SoC市場高速成長。我們測算2025年中國/全球智能駕駛AI SoC市場規模有望達到49億/147億美元。

軟件企業靠出售服務變現，直接發力固定場景L4路線與主機廠殊途同歸：我們認爲，智能駕駛軟件公司的商業模式是從乘客的視角出發，跨過低級別智能駕駛直接攻堅固定場景L4產品，依靠直接顛覆人的出行體驗來收取服務費變現。整體來看，我們認爲軟件廠商選擇的路徑更富有挑戰，但也看到了各企業也取得了階段性的突破，最終有望與主機廠硬件預埋路徑相融合。我們測算，2025年中國/全球智能駕駛軟件市場規模有望達到86億/258億美元。

風險

AI SoC技術迭代不及預期；低級別智能駕駛車上量不及預期；法律政策風險。   

正文

汽車智能化：智能座艙+智能服務+智能駕駛

什麼是汽車智能化？我們認爲，汽車智能化的定義包括人類通過智能座艙（載體）與車端進行交互，實現無人化的駕駛體驗（即“智能駕駛”）；而在人類雙手被解放同時，智能座艙將致力於打造舒適的第三空間，實現智能互聯新服務。隨着汽車逐步走向智能化，我們認爲人工智能將助力汽車打造更加個性化的駕駛體驗，提供更加豐富的互動內容。

具體來看，智能座艙的主要實現的功能應包含圖形交互、語音交互，再配以手勢/面部識別及生物體徵檢測；智能駕駛方面，行業發展將會經歷輔助駕駛（L2及以下）和高級別自動駕駛（L3及以上）兩個階段；而智能服務方面，功能將主要包含車輛銷售後的後市場服務、出行服務以及更多元化的社交娛樂及生活服務。我們認爲，智能座艙及智能服務商業化落地將相對順利，而智能駕駛是一個難度較大的工程化問題（特別是高級別L3及以上的智能駕駛），未來五到十年行業發展挑戰與機遇並存，是本篇報告討論的重中之重。

圖表：汽車智能化的定義

資料來源：德勤諮詢，中金公司研究部

智能座艙順利步入商業化階段

智能座艙因其強大的商業化落地能力已成爲主機廠向智能終端轉變過程中最優、最先的選擇。具體來說，智能座艙功能的落地是指將駕駛信息、抬頭顯示、車載信息娛樂和高級駕駛輔助系統整合到單一芯片的多域控制系統中，而不涉及底盤控制。所以在功能落地過程中牽扯到的安全壓力較小，整體實現難度相對較小。

人工智能（AI）賦能座艙成爲人們生活的第三空間，具備感知、理解與表達能力。智能座艙需要感知來自環境數據、用戶需求兩方面的信息，並對信息進行處理。環境數據主要來自攝像頭、雷達等車外傳感器，智能駕艙要提供結構化數據輸出，準確地把車內外環境信息推送到屏幕中心；至於用戶層面，智能駕艙需要具有語音、人臉以及指紋相結合的多種交互模式，準確理解駕駛員指令。在上面兩種需求下，智能座艙都需要利用AI技術建立多模態語義理解/知識圖譜等數據庫，儘可能提高識別正確率。在表達層面，人類主要通過聽覺及視覺接收信息，因此聽覺數據建模、音頻編解碼等AI音效技術，以AR導航爲代表的車道級高精度地圖定位顯示技術等都是AI助力智能座艙不可缺少的部分。

未來，產品差異化+軟硬件升級是智能座艙發展的兩大趨勢：1）智能座艙的用戶體驗感強，依靠產品差異化吸引更多用戶。智能座艙內的生物識別技術（視覺感知、語音識別等）改善了駕駛員以及乘客對於汽車人機界面的體驗，而多屏互聯以及視覺語音交互技術等成果提升了乘車駕駛體驗。我們認爲，主機廠通過提供上述易於感知的差異化功能，可以提高自身產品競爭力。2）人機交互終端硬件與軟件雙重升級是智能座艙升級的趨勢。目前在消費者偏好改變、觸控屏幕材質和技術提升以及GPU硬件性能提升的趨勢之下，人機交互技術向多元化、人格化方向發展，同時交互終端及內容架構不斷迭代優化。具體來看，硬件方面，屏幕將成爲最主流的顯示界面，並具有大尺寸、集成化與專用化的特點。此外未來智能座艙將會採用更加個性化、智能化的燈光和聲效設計來服務於輔助駕駛功能。另一方面，軟件的升級將會支持人機交互技術多元化、人格化。乘客將通過語音控制、人臉識別、手勢交互，甚至是更先進的生物識別等多種方式實現交互體驗。主動車聯網語音服務或將通過語言語義學習們瞭解人的思維文化，並以此實現人格化人機交互。

圖表：智能座艙升級趨勢

資料來源：羅蘭貝格，中金公司研究部

我們認爲，芯片及人機交互軟件助力智能座艙差異化：

► 硬件芯片成爲競爭核心，“一芯多屏”或將成未來大趨勢。芯片是智能座艙實現人機交互過程最爲重要的硬件，電子電氣控制單元會實時結合當前車輛運行狀態向底層芯片傳遞數據，在此基礎之上智能芯片計算出相應的調節控制方案。“一芯多屏” 模式是指將駕駛信息、抬頭顯示、車載信息娛樂和高級駕駛輔助系統整合到單一芯片的多域控制系統中，此模式的應用解決了系統之間通信成本開銷較高的問題，同時縮短了通信時間，因此，該功能的實現對芯片的功力和結構設計提出更高要求。目前座艙域控制器芯片形成傳統汽車電子和消費電子廠商兩大陣營。傳統汽車電子參與者主要是德州儀器、NXP、瑞薩、英飛凌等，消費電子的參與者包括高通、英特爾、博通、英偉達等，消費電子領域的企業正積極向汽車領域拓展。

► 軟件操作系統爲智能座艙核心控制軟件，國內企業紛紛佈局定製化開發。智能座艙是實現人機交互的接入窗口，主要爲車載信息娛樂服務以及爲人機交互提供控制平臺，是汽車實現座艙智能化與多源信息融合的運行環境。當前主流的車載操作系統包括 QNX、Linux、Android、WinCE 四類。目前基於智能座艙對軟件能力的要求國內部分企業開始進行智能座艙底層操作系統的自研，或是在傳統的 Android、Linux 等操作系統上進行相應改進以掌握軟件研發能力。從競爭者來看，主機廠及Tier-1都有佈局。

圖表：智能座艙產業鏈全景圖

資料來源：EO Intelligence，中金公司研究部

高級別智能駕駛落地任重道遠

相比智能座艙，智能駕駛落地任重道遠，尤其是L3及以上高級別智能駕駛應用。我們認爲，高級別自動駕駛最大的優勢和風險均來自系統對於人類駕駛員的替代，而商業化落地本質上是考慮自動駕駛系統對人類駕駛員的替代效用是否大於成本。我們認爲，成本/風險主要來自於以下三個方面，一是當前自動駕駛的軟硬件技術開發難度大，生產成本高昂。硬件上主要有固態激光雷達的量產和成本控制問題、高算力低功耗的AI芯片研發問題等。軟件上高精度地圖和高精度定位、複雜的感知識別決策控制算法研究等問題都亟待解決。二是由於軟硬件設備的不足帶來的行車安全問題，僅僅2021年一年，Tesla就發生了多起交通事故[1]。不僅僅是Tesla，Uber自動駕駛車也曾在美國亞利桑那撞倒路邊女子致其死亡（2017年）[2]，小鵬理想等新勢力車型也都出現過不同程度的智能駕駛失效問題[3]，我們認爲行業現狀與高級別智能駕駛（L3+）仍有一定距離。三則是監管與法規仍然有待完善。中國北京、上海以及美國加州等世界各地的智能駕駛道路測試仍然有限，還需要一定的時間才能積累足夠數據進行相應的法律法規制定工作。

具體來看，自動駕駛中的環境感知、決策規劃以及控制執行領域都離不開AI技術。1）感知處理是AI在自動駕駛中的典型應用場景。如行人檢測技術、車輛檢測技術中都用到了向量機算法，而線性迴歸算法、支持向量機算法、人工神經網絡算法也常被用於車道線和交通標誌的檢測；在決策規劃領域，狀態機、決策樹、貝葉斯網絡以及深度學習等技術都得到了廣泛運用。在控制執行領域，模糊控制算法、神經網絡控制以及深度學習被用於自適應巡航，協同多車隊列控制等多種ADAS功能中。

智能駕駛技術涉及感知、決策和控制三個方面，我們認爲決策層能力的差異使主機廠智能駕駛技術呈現差異化：

► 在感知層面，智能駕駛技術主要涉及激光雷達、超聲波傳感器、攝像頭等硬件生產與高精度地圖的開發，由於這並不是主機廠擅長的部分，因此車企一般通過與博世、松下等零部件製造商或四維圖新等地圖服務提供商展開戰略合作或收購來快速獲得技術與產能；

► 我們認爲，決策層中的計算平臺硬件和軟件開發是智能駕駛技術的核心競爭力，主要原因是其作爲汽車智能化的大腦，負責消化感知數據、路徑規劃優化、執行信號輸出，既實現全車資源綜合，又對全車資源進行調配，是高級別智能駕駛技術成敗的決定性因素。當前計算平臺提供商分兩類，一類是以NVIDIA和Mobileye爲代表的消費電子生產商，另一類是以Tesla爲代表的主機廠自研。我們認爲，未來有實力的汽車廠商可以通過自建的方式打造領先的技術產品，而大衆品牌和造車新勢力則可以通過戰略合作逐步構建自主駕駛系統，以減輕前期資金投入的壓力，或者通過收購快速提升公司自動駕駛水平。而通信網絡的基礎設施建設投入大、技術開發難度高、規模效益明顯，大部分市場由通信服務提供商和網絡運營商控制，汽車廠商可以通過合作來建立這種能力。

► 在控制層面，我們認爲網絡安全防護大多是與專業服務商合作開發，未來可能成爲標準化產品；而駕駛控制執行能力則是由各個車廠進行集成和控制，能力也相差不大。

圖表：智能駕駛產業鏈全景圖

資料來源：德勤諮詢，中金公司研究部

政策產業雙擎驅動，智能駕駛蓄勢待發

我們認爲，智能駕駛是汽車智能化應用中全面商業落地實現難度最高的一環，並不斷經歷着挫折。但我們也看到，在政策和產業雙擎驅動下，智能駕駛正在走出黎明前的黑暗。從本章內容起，本篇報告的討論重點將放在智能駕駛，特別是高級別智能駕駛（L3+）環節。

全球各地立法政策逐步完善，智能駕駛落地前景趨向明朗

爲了規範市場，推動智能駕駛道路測試，全球各地政策不斷得到完善。美國最早提出智能網聯汽車概念，加州、內華達的相關法規政策制定迅速，但是各州之間政策缺乏協調性，全國性政策出臺尚不明朗；日本在自動駕駛立法過程中更加註重安全問題，同時緊跟全球步伐，有望於2021年起應用聯合國法案；歐盟方面，也有望於2021年起採用聯合國法案，其中德國充當了領頭羊的角色，近日《自動駕駛法》已獲當地議院審議通過，有望成爲世界第一部L4級駕駛法案；中國已針對自動駕駛制定了一定的綱領性文件，有關道路交通安全的法規修訂工作尚待展開。

圖表：全球各地對高級別自動駕駛適用法律法規情況一覽

資料來源：AutoX，美國國會官網，聯合國官網，中金公司研究部

AI技術進步推動自動駕駛能力迭代，碳中和催生智能汽車需求

隨着人工智能技術的快速發展，智能駕駛有望實現更加複雜的功能以及全場景應用覆蓋。2020年5月，Waymo 和谷歌的一箇中國工程師團隊提出了一個全新模型 VectorNet[5]。在該模型中，團隊首次提出用向量（Vector）來簡化地表達環境信息，這一做法拋開了傳統的用圖片渲染的方式，達到了降低數據量、計算量的效果。在Waymo實際測試當中，VectorNet模型的行爲預測精準度比現有方法提升了近 20%，而在佔用內存和計算量上則減少了約 8 成。2021年1月，Waymo最新研發了一個名爲“內容搜索”的AI工具[6]，其功能與“谷歌圖像搜索”和“谷歌照片”工具的操作類似，可以將汽車的攝像頭和傳感器所感知的物體信息與Alphabet編制的大型數據庫中的物體進行匹配，以便更快速更高效地識別物體，並對車輛應該如何反應和移動做出實時決策。

全球碳中和路徑明晰，智能駕駛技術是實碳中和的重要支撐。1）乘用車方面，我們認爲，當智能駕駛技術成熟後，AI用於反應、決策的時限有望遠遠短於人爲操作的時間。搭載自動駕駛平臺的車隊可以在中央管理系統的協調和監督之下，形成編組，在車流量相對穩定的場景下，車隊內車輛可以同時進行加速、制動的操作，相較傳統駕駛方式來說，無疑是提高了行車密度及道路容量，可以有效緩解交通擁堵。特別是在我國整體駕駛習慣較差的背景下，對於同樣設計標準的公路，其通行能力只有發達國家的60%。但是在實現自動駕駛技術後，汽車間有明確嚴格的讓行規則，還有中央管理系統的監督，我們認爲中國的交通秩序屆時可以得到顯著的改善。2）商用車方面，目前商用車由人工決定運輸路線和取送貨順序，而自動駕駛貨車可以通過算法控制取得最優的油耗性能和運輸距離，優化長途行駛中人類駕駛員存在個體差異和行爲波動。根據多個主機廠實驗數據表明，經過自動駕駛系統優化之後，商用車單位里程內油耗有望下降5%-10%；幹線物流中，人類駕駛員受限於駕駛時間與安全問題，組成車隊前進效率不高，但是若採用自動駕駛貨運車隊，可進一步減少風阻，降低長途油耗。

Tesla引領技術創新，一二級資本熱捧，智能汽車迎來快速發展窗口

Tesla產能瓶頸得以解決，智能汽車逐步獲得消費者認可

Model 3車型自2017年上市之後，產能情況並不理想，其主要原因是電池模組製造困難、自動化生產線應用問題造成。在引進了德國設計、製造的全新自動化生產線後，Model 3電池模組的產量得到提升；另一方面，位於Fremont工廠的裝配環節也改爲採用人工與自動化裝配相結合的生產方式，實現效率的最大化。產能問題解決後，Tesla的毛利率與銷量均得到大幅提升。而隨着Tesla的銷量和口碑逐漸建立，我們認爲智能汽車開始成爲消費者追捧的對象，汽車智能化需求快速增長。以中國市場爲例，隨着政策推動（如財政補貼）及技術成熟，小鵬、理想、蔚來等新勢力智能車型銷量同比也實現較大增幅。

圖表：Tesla逐漸走出產能瓶頸

資料來源：公司公告，中金公司研究部

圖表：Model3交付量情況 vs． 整車毛利率（右）

資料來源：公司公告，中金公司研究部

圖表：中國品牌智能汽車銷量不斷攀升

資料來源：中汽協，各公司官網，中金公司研究部

E/E架構革新及高級別硬件預埋推動汽車智能化加速落地

集中式架構是高級別智能駕駛落地的基礎，主機廠不斷推進架構革新。根據博世預測，L2級智能駕駛相對應的軟件代碼量在1億行左右，而進入L3階段，軟件代碼量將翻倍，完全自動駕駛可能意味着10億行的代碼量。我們認爲，軟件代碼的增多意味着面臨更多的調試，高級別自動駕駛實際上是一個工程問題，是數據驅動型應用。若採用傳統的分佈式E/E（電子電氣）架構，將很難滿足高級別智能駕駛所需的高頻次算法（抑或是功能）集中迭代需求，也不能實現多傳感器融合下所需的算力的集中管理與高效分配。而集中式E/E架構恰恰降低了數據驅動型應用開發的難度。從目前主機廠的進度來看，新勢力之王Tesla革命性的在Model 3車型中採用了域融合架構，直接跳過了功能導向型時代（即經典五域模型），可以說Model 3的架構是一款“軟件定義汽車”的產品。傳統車企方面，大衆也積極開發了E3架構，儘管其看起來仍在傳統五域框架下，但該架構同樣可實現功能的迭代與軟件的實時更新。

圖表：Tesla Model 3中域融合架構已經初見雛形

資料來源：OkTesla.cn，中金公司研究部

圖表：大衆MEB E3是傳統車企中代表性的創新架構

資料來源：大衆集團官網，中金公司研究部

主機廠自研芯片和第三方芯片逐漸量產裝車，形成對高級別智能駕駛底層算力支撐。我們認爲，隨着智能駕駛等級向高級別演進，所需傳感器數量增多，疊加各種極端案例（Corner Case）的處理需求，對算力要求愈發苛刻。爲了實現單位功耗的算力最大化，擁有強大軟硬件設計能力的Tesla摒棄了Nvidia的Xavier SoC，而推出了單顆算力達到72TOPS的自研FSD芯片（1TOPS/W，單芯片面積達到260mm^2，是名副其實的第一款車用中央處理器，不需外掛CPU），在E/E架構更新的同時試圖以最優化的硬件來支持高級別自動駕駛應用。此外，我們也看到車用AI SoC賽道也迎來了更多專業化競爭者，如地平線、黑芝麻等創業公司向Mobileye甚至Nvidia發起了挑戰。隨着計算芯片性能的不斷提升及專業競爭者的豐富化，高級別智能駕駛底層算力支撐得到夯實。

各廠商預埋高級別智能駕駛硬件，而實際降維到L2加速落地上量。我們看到，儘管目前L2仍是智能整車的主流賣點，但從目前暢銷車型的配置上看，其傳感器數量、計算平臺硬件均呈現一定冗餘並加速向高級別迭代。我們認爲這主要原因是主機廠希望通過硬件預埋方式提前進入L3/L4產品週期，而短期內在高級別自動駕駛落地困難的情況下降維至L2將產品先推入市場以維持住規模。我們認爲智能駕駛的技術的護城河是工程能力，硬件預埋，軟件快速迭代的方式有望加速高級別智能駕駛落地。

圖表：儘管目前L2級功能爲主要賣點，智能車企普遍採用冗餘的硬件配置

資料來源：各公司官網，老司機App，中金公司研究部

一二級市場共振，資本加速流入智能汽車行業

持續研發投入是智能汽車行業發展的必要條件，一級市場提供了良好的融資環境。繼2019年新能源汽車投資熱情跌落谷底之後，2020年以來這一賽道又重新獲得市場追捧。根據企名片數據彙總，中國新能源汽車行業投融資事件達到89起，融資總額超過1，292億元人民幣，同比增長159%。其中阿里巴巴、上汽投資了智己汽車，安徽省高新技術產投、國投、合肥市投資集團投資了蔚來中國，兩起投資金額均超過50億元人民幣。與此同時，中美兩國爲推動智能汽車產業鏈發展、降低一級市場退出難度，也各自出臺了相應措施。美國市場上Lucid、FF等造車勢力以及衆多激光雷達等供應鏈企業可以通過SPAC（特殊目的收購公司）方式上市融資，而中國方面擁有科創板這一渠道。總體來看，一級市場的良好環境有助於對智能車企研發形成正向支持。

圖表：主要智能車企研發費用投入情況

資料來源：公司公告，中金公司研究部

圖表：智能汽車領域一級市場投融資整理

資料來源：電車匯，企名片，中金公司研究部

圖表：中國智能汽車領域投融資金額及事件變化

資料來源：電車匯，企名片，中金公司研究部

造車新勢力股票備受追捧，二級市場投資氣氛火熱。隨着新能源車銷量大增，品牌接受度提高，造車新勢力個股在二級市場受到投資者追捧，給車企帶來了良好的融資機會。受此影響，Tesla2020年全年進行了三次再融資，累計實現123億美元融資金額，創下歷史新高，爲未來的研發投入打下堅實基礎。與此同時國內車企也不甘落後，北汽藍谷於2021年4月通過非公開發行股票成功募資54億元人民幣用於ARCFOX高端車型開發等項目。我們看到目前主要智能車企在手現金餘額基本達到100億元以上量級（北汽藍谷再融資後現金也接近100億人民幣），爲智能汽車行業快速發展奠定了基礎。

圖表：造車新勢力受到資本市場熱捧，2020年內股價快速攀升

資料來源：萬得資訊、中金公司研究部；

注：數據更新至2021/6/4

圖表：Tesla 2020年獲得大量股權融資

資料來源：公司公告，中金公司研究部

圖表：主要智能車企2020年末在手現金情況

資料來源：公司公告，中金公司研究部

我們在哪裏？站在高級別自動駕駛（L3+）量產前夜

由於各種極端案例（Corner Case）的存在，我們認爲高級別智能駕駛必須擁有大規模L2級別車輛的部署以產生足夠量的仿真場景、地圖數據和訓練樣本，除Tesla外，其他車廠依然落後。而且在車聯網成熟配套、道德約束與法律規範健全之前，L3級智能駕駛落地仍然面臨較大阻力，我們認爲目前行業仍然站在高級別自動駕駛（即真正意義實現eyes off）的量產前夜。但我們認爲，考慮到車輛8-10年的更換週期及車廠預埋策略，目前高級別智能駕駛產業鏈的硬件已經要進入高速發展期，應重點關注相關賽道企業的投資機會。而軟件方面，將依靠不停迭代而循環向L3級形成衝鋒。

圖表：L3級自動駕駛落地將引發多個阻力點，商用難度較大

資料來源：上汽集團（作者爲工程師殷瑋），中金公司研究部

站在高級別自動駕駛的起點：軟硬件將如何發展？

硬件層面：高級別自動駕駛硬件預埋成爲趨勢，關注本土企業的機會

AI SoC，或稱智能駕駛芯片，是整個智能駕駛硬件的核心部分。當L2/L2+輔助駕駛功能逐漸成爲造車新勢力的賣點，傳統車型開始迎頭趕上，智能駕駛芯片市場的競爭者也呈現多元化。入局者既包含老牌芯片廠商Nvidia、Intel，也不乏主機廠（Tesla）、中國初創企業及IT巨頭華爲。整體來看，海外龍頭Nvidia Xavier /Mobileye EyeQ4平臺憑藉助力小鵬、蔚來、寶馬等多家車企實現L2/L2+輔助駕駛功能量產在智能駕駛硬件市場中率先取得了一席之地。如上文所述，我們認爲高級別自動駕駛的硬件預埋已是確定趨勢，各企業將激烈的競逐爆發在即。

圖表：智能駕駛AI SoC全景圖

資料來源：各公司官網，中金公司研究部

單芯片高算力+高能效比有望成爲車用AI SoC的迭代趨勢，而多顆芯片協同形成計算集羣將是ADAS硬件系統的演化方向。在現階段主要面向L2級別應用的背景下，我們看到主流量產產品單顆芯片的算力在個位數TOPS，能效比基本在1-2TOPS/W範圍，16nm爲主流芯片製程。雖然硬件規格不高，但單顆芯片已能勝任環視等多路傳感器的數據採集與進一步的規劃決策應用。而從L3/L4的高級別自動駕駛場景來看（即虛線右上方產品），由於需要更多的傳感器融合工作，我們認爲合格的單芯片算力基本達到50TOPS以上，能效比基本達到5TOPS/W以上，工藝方面向7nm製程演進。除Tesla自研的FSD外，至今還未見其他供應商單顆大算力芯片的規模量產（我們認爲Tesla FSD芯片能效比較低的原因在於其SoC中集成了12核ARM CPU，FSD並非一顆簡單的負責機器視覺的芯片，而是綜合了CPU功能）。此外我們認爲，由於考慮到魯棒性問題，大量高級別自動駕駛車中將採用激光雷達作爲重要傳感器，而相比低成本的純視覺方案，激光雷達則要求更高的算力，因此半導體廠商傾向於提供板級解決方案，使多顆芯片協同形成計算集羣來提供強大的算力支撐（現有量產芯片集羣可以達到數百TOPS算力，未來有望超過1000TOPS）。

圖表：主要車載AI SoC算力與能效比情況

資料來源：各公司官網，中金公司研究部

芯片廠商應以算法與硬件並重。我們認爲，芯片公司提供的計算力只反映芯片理論上的最大計算能力，而非實際的應用場景下該芯片的處理能力，在實際的工況中，其算力是否能充分發揮，很大程度上也取決於算法（如感知算法、路徑規劃算法等）優劣。我們認爲Tesla之所以能夠用自研的FSD芯片替代Nvidia GPU/SoC，其核心原因在於算法上的突破，優異的算法可以使軟硬件協同達到最大化，以省去硬件的設計冗餘，達到更好的能效比。此外，在主機廠前期硬件及算法能力均有限的同時，三方AI SoC一般也會承擔核心算法的開發工作，以便於自身產品儘快商用落地。

三方芯片廠商應保持生態開放，與主機廠密切溝通。我們認爲，除Tesla外，三方的AI SoC供應商一般會向開發者提供完整的API和AI開發套件，適配主流的訓練框架，通過基礎算法和參考算法賦能客戶，最終實現產品級算法。究其原因是高級別智能駕駛是工程問題，第三方AI SoC供應商需與主機廠保持密切溝通，且在主機廠的實測配合下進行算法及功能快速迭代，讓硬件發揮最大效能。在這種背景下，我們認爲，開發環境相對封閉的Mobileye競爭力可能會減弱，而軟硬件系統開放的Nvidia及中國本土AI SoC設計企業有望佔據上風。

中國企業的機會在哪裏？本土AI SoC供應商配合主機廠加速硬件預埋，靜候高級別智能駕駛市場爆發。儘管我國本土造車新勢力在軟件及電氣架構上不斷創新並向Tesla看齊，以搶佔高級別自動駕駛市場，但其智能駕駛硬件本身的設計能力依然有限，需要第三方芯片企業的配合，傳統本土品牌也面臨同樣的問題。我們認爲，在海外供應商價格高、服務響應慢的背景下，國內AI SoC廠商有望迎來發展機會。目前地平線、黑芝麻等聚焦智能駕駛AI芯片企業L2級產品已經實現重點客戶簽約甚至量產裝車，L3+產品規劃清晰，而寒武紀等擁有突出AI推理芯片設計能力的企業若在特定算法及車規級認證方面快速推進，也有望在高級別自動駕駛硬件賽道中形成有力競爭。我們認爲在前期高級別自動駕駛硬件出貨量較低的情況下，芯片企業部分將通過多元化形式（低級別芯片+IP授權+售賣軟件等）來變現維持公司正常運轉，並加速研發高級別硬件拉長產品週期，配合本土車企預埋冗餘的硬件來等待市場快速成長。一旦高級別自動駕駛車型大面積鋪開，依靠成倍的單車價值量提升，我們認爲本土AI SoC企業將受益。

市場空間測算：全球2025年智能駕駛相關SoC市場規模有望達到約147億美元

關鍵假設思路：

► 按車型來看，我們認爲，1）目前，B/C級車型L0-L1功能已經大面積普及，智能駕駛（或ADAS）系統站在L2功能不斷豐富的階段，L2級ADAS滲透率在B/C級車型中將會有較爲明顯提升；2）A及A以下級別車型仍然是中國汽車市場的銷量主力，受到整車單價較低的影響，中短期不會普及L2（包含）及以上功能，但是L0-L1功能滲透率將會較快攀升；3）整體來看，新能源車智能化發展更激進。

► 量價趨勢上，1）L2及以下系統仍採用分佈式架構，因此L0->L2升級過程中SoC數量線性增加。L0/L1級別的ADAS只具備環境感知和簡單的車輛控制功能，以傳統一級供應商和半導體廠商合作提供解決方案爲主，技術難度較低。而隨着Mobileye成功探索出視覺解決方案之後，L2/L2+級別芯片算力得到提高，價格也隨之上升數倍。2）達到L3級後，我們認爲集中式架構將取代分佈式，SoC數量會大幅降低，但L3級別以上車輛功能更加複雜，中央計算單元控制範圍大幅擴大，帶來了SoC芯片算力的大幅提升，相應價格也成倍增加。

基於以上關鍵假設，我們對L0-L4的ADAS系統在新能源車、傳統燃油車及商用車中的滲透率分別做了預估，並統計了各級別ADAS硬件系統所需SoC數量及單價，以此來計算市場規模。

圖表：智能駕駛滲透率假設

資料來源：工信部官網，中金公司研究部

圖表：智能駕駛SoC數量假設

資料來源：工信部官網，中金公司研究部

圖表：ADAS系統級別與SoC價格

資料來源：地平線官網，Tesla公告，Mobileye官網，中金公司研究部

圖表：中國智能駕駛SoC市場空間測算相關假設（整車出貨量/芯片單價）

資料來源：工信部，Tesla公告，地平線官網，博世官網，Mobileye官網，中金公司研究部

圖表：中國智能駕駛SoC市場空間測算

資料來源：工信部，Tesla公告，地平線官網，博世官網，中金公司研究部

結論：

我們測算，2020-2025年，中國智能駕駛相關SoC市場規模將從29億美元提升至49億美元。若假設2025年中國汽車出貨量佔全球比重約爲三分之一，我們測算全球智能駕駛相關SoC市場規模2025年將達到約147億美元。

軟件層面：主機廠與軟件公司路徑有別，但最終可能是殊途同歸

從智能駕駛軟件架構來看，主要分爲驅動層、中介層（或中間件）、算法層、規劃決策、路徑優化、控制及應用幾個部分。最底層的驅動層與中介層主要承擔使硬件正常工作及使軟硬件解耦的角色，分別由硬件廠商/行業聯盟開發，主機廠個體及軟硬件企業一般不做過多修改。智能駕駛軟件開發基本集中在算法層及之上的部分，其中算法層、規劃決策、路徑優化主要由芯片供應商（如Nvidia）或獨立軟件供應商（如Waymo）參與，但未來主機廠參與度可能會提升（Tesla是一個行業特例，目前鮮有主機廠擁有與Tesla比肩的算法能力）。而對於頂層的應用，由於涉及到車與人的接口，主機廠參與度很高，一般不下放給產業鏈其他環節。本章節主要討論重點將放在算法、決策等核心智能駕駛軟件的商業模式與發展前景上。

圖表：智能駕駛部分軟件架構

資料來源：中金公司研究部

整體來看，我們認爲自動駕駛軟件供應商的商業模式主要有兩種：

► 一類公司是以Tesla爲代表的主機廠（儘管目前除Tesla外，我們未見擁有較強智能駕駛算法自研能力的車企，但未來我們認爲越來越多的主機廠會深度參與算法環節）或三方芯片供應商，通過一體化銷售軟硬件/或訂閱軟硬件功能使用權爲軟件算法變現。但在高級別自動駕駛落地艱難的情況下，並不是所有消費者，甚至鮮有消費者有意願去爲高級別軟硬件付費（如Tesla FSD完整功能售價高達7，000美元/6.4萬元人民幣）。我們認爲這種商業模式的實質是以駕駛員爲核心，配合高級硬件功能的預埋，從低級別自動駕駛（如L2/L2+）入手，先通過階段性的產品快速上量將降成本解決現金流問題，然後依靠數據的積累逐步實現向高級別自動駕駛系統演進，再來收回高昂的投資。縱使未來絕對的自動駕駛是無法實現的目標，上述商業模式中大量的階段性產品也足夠支撐相關公司運營，循環迭代無限接近L5級應用。

► 而另一部分是純軟件公司入局，以Waymo爲代表，典型企業還有百度、小馬智行（Pony.ai）、Momenta等，從乘客的視角出發，解放人力，直接依靠顛覆人的出行體驗，跨過低級別智能駕駛直接攻堅L4級產品（但位於固定範圍內運行），以收取服務費的形式變現。

我們認爲，由於高級別自動駕駛歸根結底是工程學問題，很難一蹴而就，因此主機廠選擇的路線的發展道路更加穩健。但是，我們同時認爲未來上述兩種路徑有望殊途同歸，且越來越明晰的高級硬件預埋趨勢正在催化“司機導向”與“乘客導向”兩個技術路徑加速合併。

圖表：不同的智能駕駛迭代路徑

資料來源：羅蘭貝格、中金公司研究部

注：1）滲透率指2030年的當年的滲透率（當年新車銷量佔比或當年服務單量佔比）；2）場景落地時間指該場景首次實現規模化商業應用的時間節點，起泡大小表示該場景所需自動駕駛套件在2030年的潛在市場規模

主機廠陣營：高級別硬件預埋+靈活付款方式，軟件不斷迭代攻堅L4智能駕駛

以Tesla爲例，購買高級別智能駕駛軟件功能的方式由一次性付費向“分期付款”模式延伸，有利於積累更多用戶數據促進產品迭代。Tesla北美市場客戶目前需一次性付費7，000美元，而中國用戶需付費6.4萬元來獲得FSD的全部功能，公司也在1Q21的財報電話會中指出，未來將推出月度付費訂閱產品，屆時擁有FSD全部功能的收費標準將在100美元/月左右（與蔚來宣佈的680元/月自動駕駛訂閱服務價格相近），體驗高級別自動駕駛門檻的被大大降低。我們認爲，中短期Tesla智能駕駛軟件主要以銷量爲導向，以“高級別硬件預埋+靈活的付款方式”快速佔領市場並維持現金流，促進數據積累並獲得產品閉環，最終達到一旦高級別智能駕駛普及便可快速回收成本的目的。在智能駕駛軟件外，Tesla還通過功能性軟件、訂閱服務式軟件等多元化渠道來獲利，來維持其收支健康，例如：

► 功能型軟件優先內置硬件冗餘性能，後續依靠OTA升級銷售。傳統模式下，車企在車型設計初期就需將軟硬件定義固化，Tesla的模式則將冗餘硬件預裝，後續通過軟件升級來開放功能回收成本。例如，車主可以在TeslaAPP 中購買激活更新服務，比如動力性能加速、座椅加熱、智能召喚等功能。其中智能召喚對於選裝了完全自動駕駛能力、升級到V10系統的車型無需另外付費；動力性能（售價2000美元）加速針對Model 3 長續航全驅版和Model Y 長續航版開放，座椅加熱（售價300美元）對Model 3車型開放。

► 訂閱服務式軟件以智能車艙內月度訂閱爲主。智能座艙是汽車之間拉開差距的重要差異化元素，涵蓋人與車互動的生態系統，包括全息、氛圍燈、智能座椅等功能。Tesla於2019年9月更新車機系統V10版本，首次引入遊戲、騰訊視頻和愛奇藝等流媒體軟件；從2019Q4起推出定價 9.9 美元/月的車聯網高級連接服務，包括流媒體、K歌、影院模式等功能。我們認爲，車載娛樂系統APP化後將會吸引第三方開發者入場，共同發掘消費者需求。

圖表：Tesla軟件變現模式

資料來源：Tesla官網、中金公司研究部

軟件公司陣營：以解放人力爲導向，在固定場景下直接發力L4級應用

Google旗下的Waymo是典型的擁有智能駕駛算法能力的企業，也是由做軟件切入智能駕駛解決方案供應商的代表之一。Waymo不僅擁有顛覆性的VectorNet算法模型來抽象化認知環境信息，以便對未來幾秒車行駛環境發生的變化進行較準確預測，且在系統安全計劃內設定了安全進程，時刻確保車輛的安全性。通過虛實結合的路測仿真訓練自動駕駛算法，Waymo指出，其每日可模擬100年的技術路測。值得明確的是，Waymo的商業模式是通過與整車廠合作的方式成爲智能駕駛及智能車艙、智能網聯服務的Tier-1提供商，而並非一家主機廠。目前Waymo業務主要涵蓋Robotaxi（無人駕駛出租共享出行）、自動駕駛貨運卡車（無人貨運）、智能駕駛一體化解決方案提供商（激光雷達出售）、車內服務、IP授權等五大業務，我們認爲其主要變現方式是從乘客角度出發，跳過低級別自動駕駛直接發力固定場景L4應用，大幅削減人力成本來實現商業價值。除Waymo以外，我們認爲百度、小馬智行等以算法爲核心競爭力，主推共享出行的企業分享着相似的商業模式（只是百度的模式更注重車路協同）。

相比主機廠，我們認爲軟件公司與主機廠將殊途同歸於高級別智能駕駛場景，但採取了富有挑戰性的激進路徑，直接攻堅固定場景下無人駕駛，其主要難度在於1）汽車的硬件標準化較低，從傳統供應鏈來看，底盤、車身控制技術散落各家Tier-1，因此直接從軟件來統籌全車，開發適配測試難度較大；2）高級別駕駛本身仍然是工程性問題，軟件公司的工程能力相比傳統主機廠/傳統Tier-1企業並無優勢；3）難找到一線主機廠合作，頗具實力的車企一般會選擇自研高級別智能駕駛解決方案。但是，我們也看到各競爭者也取得了階段性的突破：1）Waymo：2020年，Waymo L4級自動駕駛路測累計路測里程達2500萬英里，處於行業領先地位；2）百度：至2020年底，百度的L4級自動駕駛路測里程超過1，000萬公里，自動駕駛仿真測試里程已經超過10億公里；3）小馬智行：小馬目前擁有超過200輛車的自動駕駛車隊，服務範圍覆蓋北京、廣州、上海、Irvine以及Fremont五大中美城市，自動駕駛測試里程超過500萬公里。我們認爲應繼續觀察各軟件公司的規模商用化進展。

圖表：Waymo的商業模式與估值方法

資料來源：Waymo官網、中金公司研究部

圖表：軟件企業高級別智能駕駛路測數據一覽（2019）

資料來源：美國DMV官網，新智駕，中金公司研究部

圖表：不同軟件企業在美加州路測車隊數量對比（2019）

資料來源：美國DMV官網，新智駕，中金公司研究部

市場空間測算：全球2025年智能駕駛相關軟件市場規模有望達到約258億美元

關鍵假設思路：

► 2025年新能源乘用車、燃油乘用車以及商用車出貨量、ADAS滲透率假設均同硬件部分測算；

► 軟件價格方面，1）L1方案一般由Tier-1廠商來打包軟硬件銷售，To B業務單價不易獲取，由於僅涉及單方向上控制功能，我們暫假設其軟件單價遠低於L2水平；2）L2方面，我們直接採用福特Cruise系統軟件售價來作爲軟件單價；3）在L3/L4級別測算中，我們以蔚來的訂閱式智能駕駛服務爲標準，我們假設每輛車訂閱期爲三年，因此智能駕駛軟件價格約爲三年自動駕駛訂閱費與自動駕駛硬件成本的差額（一般車廠都採用了預埋硬件，因此訂閱收費中涉及到收回硬件成本，不僅是軟件的價值）。

結論：

基於以上關鍵假設，我們對L0-L4的ADAS系統在新能源車、傳統燃油車及商用車中的滲透率分別做了預估。我們測算2025年，中國智能駕駛軟件市場規模合計達86億美元。若假設2025年中國汽車出貨量佔全球比重爲三分之一，我們測算全球智能駕駛相關SoC市場規模2025年將達到約258億美元。

圖表：智能駕駛軟件市場空間測算