L2 級自動駕駛穩步滲透

高階自動駕駛初現雛形

SAE自動駕駛分級標準：L3級被普遍認為是自動駕駛的一個分水嶺，L3-L5可認為是真正意義上的自動駕駛。根據美國汽車工程師學會（SAE）標準，自動駕駛分為L0-L5六級。隨著級別升高，智能化程度逐級提升，駕駛操作、道路環境監測及最終的風險處理者逐漸由人類向汽車系統進行過渡。L5作為最高級別的自動駕駛，其可實現不限場景的駕駛完全自動化。L4與 L5相比，核心區別在于L4僅可在限定的道路環境下完成自動駕駛。在L3級別時，如果智能駕駛系統發生系統不可處理的意外時，系統將要求人類提供適當應答，而L4及L5級別時，系統可處理相應意外情況。L1及L2可以實現橫向（如車道變換）或縱向（如前進行駛）的自動駕駛，但相對L3而言，核心是缺乏對駕駛環境的監測能力。L1與L2的核心區別則在于L2可同時實現橫向及縱向的自動駕駛，而L1僅可實現橫向或縱向某一維度的自動化。

L2+級自動駕駛穩步滲透，高階自動駕駛初現雛形。L2級自動駕駛自2017年來，每年均有5pcts左右提升，2022H1達33%。此外，特斯拉、蔚來、小鵬、理想、高合等品牌均有車型具備地圖領航/領航輔助功能，我們將相應車型劃分為 L2+，2022H1 L2+滲透率達5%，高級別自動駕駛初顯雛形。

基于L2與L4在技術、成本等方面的差異，造車新勢力與Robo-Taxi公司分別做出了“降維”與“升級”的選擇。造車新勢力&傳統車企中的先行企業堅持全棧自研，憑借成熟車型將L2+導入市場，依靠影子模式不斷迭代算法能力，不斷逼近L3自動駕駛。另一類是Robo-Taxi等L4-L5級別廠商，采用適用性廣的量產方案打入車企，降維做L2+適配解決方案。

L2 向上：特斯拉領跑市場造車新勢力跟進 目前頭部企業的自動駕駛方案可以分為兩條路線： 1. 特斯拉：以視覺為基礎+自研FSD芯片。 特斯拉的自動駕駛方案是以視覺為基礎，以FSD芯片（144TOPS）為核心的解決方案。2016年以前，Tesla的 Model S 采用的是 Mobileye的EyeQ3芯片與單目攝像頭，此后特斯拉轉為自研。特斯拉現在采取的是與中國車企不同的自動駕駛方案：不采用激光雷達，而是以純視覺為主。特斯拉的視覺算法的感知配件包括8個攝像頭——后方的一個倒車攝像頭，前方的一個三目總成件，兩側的兩個環繞攝像頭，此外還有一個毫米波雷達。Model3 Tesla 的三目攝像頭是純OEM硬件，攝像頭采集完數據后發給Autopilot控制器。三個攝像頭分別對應60m、150m、250m覆蓋范圍。特斯拉的攝像頭模塊將所有 CMOS 傳感器嵌入到PCB中，而將圖像處理交給Autopilot的域控制器完成。

2. 新勢力公司：高算力英偉達芯片+激光雷達。除特斯拉之外，其他大部分中國車企均選擇了高算力芯片（以英偉達 Orin 為代表）+ 激光雷達的解決方案，自主品牌智能化配置“軍備競賽”愈演愈烈。年初至今，主流自主品牌向高端價格帶加速滲透，通過大幅提升智能化配置，聚焦打造駕乘差異化體驗。在自動駕駛方面，蔚來、小鵬、理想和北汽極狐等新發車型普遍搭載了高算力計算平臺，AI芯片方案以英偉達和華為為主，算力均在 300TOPS以上，其中蔚來ET7單車算力甚至高達 1061TOPS。上述車型搭載的傳感器總數均為30個左右，其中北汽極狐Arcfox αS搭載了34個傳感器。絕大部分車型均計劃搭載激光雷達（單車1-3顆），目前已確定的供應商有大疆攬沃（Livox）、速騰聚創、圖達通（Innovusion）、禾賽科技和華為等。此外，部分品牌已經開始搭載華為、地平線等自主芯片，整車廠在智能化配置領域的“軍備競賽”愈演愈烈。

域控制器：

軟件定義汽車，迭代決定智能

域控制器是智能化中樞，按照功能域進行劃分是經典方案，亦可按照空間劃分進行補充。在“軟件定義汽車”時代，汽車從“分布式”到“中央計算單元變化”，ECU數量的增長必然帶來決策和控制復雜度的提升，類似智能手機運算中樞的概念，域控制器在智能汽車中的作用不斷提升，有望在未來汽車智能化的過程中扮演核心角色。目前看汽車電子電氣架構主要被分位五個域，由自動駕駛、動力總成、底盤控制、座艙與車身控制五個域構成，其中座艙域和車身控制域有進一步整合的趨勢。頭部企業特斯拉在Model 3上直接按車身設計空間來進行域的劃分，具體分為中域、左域和右域，打破了按照功能域進行劃分的思維方式。

自動駕駛域控制器為決策層核心產品，有助于傳感器融合與高級別功能的實現。高級別自動駕駛意味著傳感器傳入信號的復雜程度逐步提升，如L2級別側視攝像頭的加入導致需要預處理的視頻數據成倍的增加，L3+級別激光雷達的加入又不斷地生成千萬級的待處理點云信息。因此，相關芯片需要同步提升自身的計算能力、傳輸帶寬、存儲能力。分布式電子電氣架構不利于多傳感器之間的深度融合，也無法調用不同子系統的傳感器來實現復雜功能。在電子電氣架構的集中化趨勢下，自動駕駛域控制器依托集成度更高、性能更優的計算平臺，能夠更好地支撐傳感器融合，以實現更高級別的ADAS功能。 國內供應商已實現高算力域控方案的量產配套。德賽西威IPU04采用英偉達Orin， 算力達254TOPS，在理想 L9、小鵬 G9 等車型上實現落地；公司的IPU03也量產配套小鵬P7。經緯恒潤的自動駕駛域控制器也已量產配套紅旗E-HS9、哪吒S。在智能駕駛趨勢下，大算力芯片需求提升，德賽西威、經緯恒潤等國內供應商已實現高算力域控方案的量產配套。

自動駕駛高算力芯片：

智能化趨勢下，

高算力芯片需求正在飛速提升

智能化趨勢下，高算力芯片需求提升，英偉達Orin成高算力主流方案。2019年GTC大會上，英偉達發布自動駕駛芯片Orin。該芯片采用 7nm 制程工藝，包含了170億個晶體管，并在軟件端集成英偉達下一代GPU架構和Arm Hercules CPU內核，以及新的深度學習和計算機視覺加速器。英偉達Orin最先推出了兩種版本，分別是110 TOPS 的Orin 和254 TOPS 的 OrinX。基于多個Orin或者OrinX的組合，對應的智能駕駛域控制器算力可達1000 TOPS以上。

“蔚小理”的新車型均搭載最新的座艙和自動駕駛高算力芯片，在硬件的角度預留可支持未來2-3年發展的算力。蔚來、小鵬、理想的新發車型，均基于英偉達 Orin 打造自動駕駛計算平臺。其中，小鵬G9的計算平臺搭載兩顆英偉達 OrinX 芯片，實現總508 TOPS算力。蔚來ET7/ET5搭載的超算平臺 Adam 更是配備四顆英偉達NVIDIA Drive Orin芯片，算力超過1000TOPS，擁有48個CPU內核，256個矩陣運算單元，8096個浮點運算單元，共計680億個晶體管，算力高達1016TOPS。ADAM 通過兩顆主控芯片負責 NAD 全棧算法計算，使用一顆作為獨立完整的冗余備份芯片，最后一顆作為群體智能與個性訓練計算專用芯片。理想L9的智能駕駛算力平臺搭載兩顆英偉達Orin，總算力達到508TOPS。其雙處理器互為算力冗余，可同時實時運行各種深度神經網絡，并確保安全所需的冗余和分集。

激光雷達：實現 L3 以上自動駕駛的核心部件

激光雷達成為L3以上自動駕駛最重要的傳感器。對于自動駕駛傳感器的選擇，目前市場上存在著兩種不同路徑：一種是由攝像頭主導，不采用激光雷達產品，典型代表為特斯拉；另一種是由激光雷達主導，配合攝像頭、毫米波雷達等元件組成。特斯拉由于激光雷達的價格與量產進度問題而不選用激光雷達，但純視覺算法已經頻繁暴露問題，且激光雷達價格降低、量產能力提升的情況下，激光雷達憑借其測量分辨率高、抗干擾能力強、 抗隱身能力強、穿透能力強和全天候工作的優勢，成為L3以上ADAS的必要傳感器組件， 可以有效應對各類CornerCase。

技術路徑選擇：轉鏡MEMS/1550nm/SPAD/SoC是未來發展方向。MEMS 方案、轉鏡方案、Flash 方案、雙棱鏡方案均有量產上車的計劃：其中，MEMS 方案落地進展相對最快，造車新勢力均已綁定不同的激光雷達生產商。掃描系統來看，應用轉鏡或者MEMS振鏡的激光雷達可以很好地解決機械式激光雷達面臨的物料成本高+量產成本高的問題， 固態激光雷達會代替現有的機械式激光雷達，具有高性能、穩定可靠、易于生產制造等優 點，兼顧車規量產與高性能的需求，是當前最適合大規模量產的技術路線，激光器上來看，VCSEL 逐漸取代EEL，1550nm則由于對人眼的保護，在前向長距離激光雷達上預計將逐漸取代905nm；接收器來看，SPAD技術逐漸成熟，料將取代APD。Luminar由于在1550m激光雷達上領跑，目前擁有資本市場上給予激光雷達領域的最高估值。

預計激光雷達將在2022~2023年進入全面爆發期。在2020年CES展會上，大部分激光雷達供應商新推出的激光雷達價格都已降至1000美元以下，標志著激光雷達價位進入乘用車量產時代。而在整個2021年中，大量車企公布了搭載激光雷達的自動駕駛車型， 其中大部分大型計劃在2022年正式量產，整個行業迅速走向成熟期。由于激光雷達的重要性，部分車企開始通過共同研發乃至直接入股的方式，與激光雷達企業達成深度合作關系。由于激光雷達本身技術仍處于不成熟期，站在激光雷達廠商角度，同樣也希望與頭部智能化車企合作開發，幫助自身技術快速走向車規級落地。

L4 向下：深耕商業化細分場景同時賦能傳統車企加速智能化高級別自動駕駛技術可拓展空間大，落地場景豐富。高級別自動駕駛能夠有效解決人力成本提升、交通安全、司機短缺等諸多痛點，是汽車行業企業競相角逐的制高點。目前 可供自動駕駛產品落地的場景可大致分為城市開放場景、高速場景和封閉場景，其中城市場景包括Robotaxi、環衛服務、城配物流以及最后一公里配送；高速場景即干線運輸；封閉場景主要包括了港口、礦區。高級別智能駕駛整體解決方案業務上公司的同業公司主要包括圖森未來、百度等全球自動駕駛巨頭。

封閉園區、特定路況的自動駕駛市場需求逐步顯現。近年來，我國老齡化問題突出， 加之港口、礦區等封閉園區工作環境惡劣，工作強度大，用工難、人力成本高等問題日益顯現。但是，封閉園區也具有車輛行駛速度低、路況簡單等特點，有利于自動駕駛技術的落地。根據億歐智庫預測，2025年中國礦區自動駕駛技術服務的市場規模將達到約45億元。另據佐思汽研預測，中國港口自動駕駛的市場規模將由2019年的2億元增長至2025年的約61億元。

Robotaxi 是最具市場潛力的自動駕駛場景。受各地政策與技術成熟度約束，目前無人出租車仍需配備安全員，成本高昂。但麥肯錫在《致勝汽車行業下半場》中預測，未來5-10年人力成本將會進一步升高，而無人出租車每千米成本將不斷下降，并將在2025- 2027年之間與人工駕駛出租車持平。在取消安全員并實現規模化部署后，預計無人出租車的成本優勢將得到凸顯，帶來出行服務的顛覆。根據麥肯錫預測，2030/2040年，中國用于出行服務的自動駕駛汽車行駛里程數有望達到 0.3/1.6 萬億公里/年，我們假設其單價為2元/公里，則其2030/2040年對應市場空間約 0.6/3.2 萬億元。

目前 L4、L5 技術仍處于試驗、封閉或半封閉園區運營階段。例如百度、滴滴沃芽、 文遠知行等公司先后在上海、廣州、長沙、北京等地區特定場所提供 Robotaxi 服務；圖森未來在美國高速公路開始了無人駕駛貨車配送；Waymo在美國開始提供Robo-taxi和無人 駕駛貨車配送等服務。

L4級別廠商的另一條商業化道路：逐漸將技術拓展至 L2+，賦能傳統車企加速智能化。L4等高級別自動駕駛廠商硬件水平發展迅速，且由于場景類似、算法復用成本低等原因，L4廠商降維進入 L2+級別領域，以Tier1身份拓展乘用車客戶。L4級別廠商的降維優 勢主要包括三方面：1. 數據閉環能力強：L4面對的場景更復雜，要求更好地利用數據閉環，相比 L2 有先發優勢；2. 系統流暢性更好：L4廠商提供相對完整的系統解決方案，避免 L2 到 L2+系統切換的流暢性損失；3. 性能天花板更高：相比于傳統架構，更適應城區的復雜狀況，性能天花板更高。在這樣的降維優勢下，L4級別廠商紛紛和產業鏈公司展開合作，尤其是和傳統車企合作，為其智能化賦能，包括百度和紅旗、北汽的合作，文遠知行和廣汽、東風等主機廠的合作等。

審核編輯 ：李倩