隨著新能源汽車這幾年的發展，汽車“四化（智能化、網聯化、電動化、共享化）”成為各大車企、零部件廠商必爭之地，不惜重金投入其中，其中也不乏眾多創業公司身影。華為的入局無疑會使早已競爭激烈的產業，競爭更加慘烈。

單就自動駕駛領域就已經匯集了數十玩家，其中不乏國際巨頭?？纯醋詣玉{駛的格局，可能所有環節企業都繞不開和華為的競爭。

1、芯片

在燃油車時代，國產汽車“心臟病”難除，發動機控制技術依賴于國外供應商，以至于成為無法平復的傷痛。至今發動機控制系統依然依賴合資工廠供應，新技術依賴于外方。到了智能網聯汽車時代，芯片更是中國汽車業不可再失的高地。

華為海思系列芯片在消費電子領域，雖說還無法與高通、蘋果A系列抗衡，但也算是小有成就。憑借在IC行業多年的投入，華為昇騰系統AI芯片，從公開信息來看，高達352TOPS超強算力已經處于業界領先地位。華為在此基礎之上打造出MDC（MobileData Center）平臺，試圖為車企提供自動駕駛全棧全場景服務。

華為昇騰910芯片，單芯片計算密度超過Nvidia

在高級別的自動駕駛中，汽車已經不能再采用的離散電子控制單元（ECU）來匹配每一個功能，而是采用部分集中式的域控制器（DCU）。

DCU需承擔多傳感器融合、定位、路徑規劃、決策控制、無線通訊、高速通訊的計算。在集中式與混合式架構中，DCU還需承擔全部或部分傳感器的數據處理。由于需要完成大量運算，DCU一般都要匹配一個核心運算力強的處理器，也就是芯片，以提供自動駕駛不同級別算力的支持。算力越高，支持的功能也就越多，因此大家都追求高算力。業內有NVIDIA、英飛凌、瑞薩、TI、NXP、Mobileye等多個方案。

盡管芯片研發需要大量資金，但是芯片作為自動駕駛核心元件，其不菲的價格與可觀的利潤，還是引來眾多巨頭投入其中。在眾多玩家中既有消費電子半導體巨頭，也有傳統汽車半導體供應商，還有新進玩家。我選了幾個具有代表性的企業做一個簡單的梳理。

1. NVIDIA：英偉達近年來一直致力于AI芯片的研發，在自動駕駛領域解決方案齊全：

1）DRIVE PX2開放式人工智能車輛計算平臺；

2）NVIDIA DriveWorks 軟件開發套件；

3）數字座艙、高精度地圖、高級輔助駕駛解決方案。

2. Intel：昔日PC時代CPU王者Intel錯失智能手機時代后，唯恐再次錯失自動駕駛時代。在推出IntelGo平臺后，不惜重金收購Mebileye，這位在ADAS視覺領域霸主的自動駕駛開放式平臺Eye Q5也于2018年12月上市。

3. Qualcomm：高通在汽車產業的布局不僅限于其擅長的通訊領域，在ADAS與座艙娛樂域其820A也表現不俗。在2019年CES展上展出了其基于驍龍芯片打造的可擴展自動駕駛平臺--DriveAutomotive，可供汽車廠商根據自己的需求添加模組。

不過僅是產品端的布局似乎無法表現出高通對于入局產業的信心，與恩智浦的收購案也是一波三折，只是最終無果而終。

4. NXP：作為汽車半導體傳統供應商，恩智浦瞄準多個控制域，包含：連接、車身舒適、自動駕駛、信息娛樂、動力總成。其中在自動駕駛域打造BlueBox計算平臺，其BlueBox2.0支持L4~L5級自動駕駛需求。

5. Renesas：瑞薩電子的R-Car V3M高性能圖像識別片上系統（SoC），可大大優化智能攝像頭、全景環視系統、激光雷達等應用，同時瑞薩也推出Renesas Autonomy開放式平臺面ADAS/自動駕駛領域。

6. TI：德州儀器憑借自身優勢，從低級ADAS領域切入，其視覺、超聲波、毫米波雷達等傳感器芯片布局，以及將Jacinto系列SoC從信息娛樂系統延展到ADAS，推出 TDA系列SoC，迅速低成本占領市場。在后續自動駕駛領域，TI或將持續發力。

7. Tesla：Tesla不甘于僅僅是造車，于近日發布其自動駕駛芯片FSD，未來會搭載在特斯拉AutopilotHardware平臺上。從硬件集成的角度來說，特斯拉完成了從芯片到板級集成、系統集成、再到整車的集成，打通自動駕駛產業鏈布局。

8. 地平線：成立4年不到的地平線，頗受資本市場青睞，估值一路飆升。2018年，該公司依托其軟硬結合AI處理器技術，相繼發布了Matrix自動駕駛計算平臺與和地平線XForce邊緣AI計算平臺。

9. 寒武紀：寒武紀深度學習芯片Cambricon-1M，支持個性化深度學習，可用于多路視頻實時處理，包括自動駕駛等領域。

10. 西井科技：西井科技從芯片研發起家，2017年10月聯合振華重工發布其自動駕駛品牌Qomolo，應用于無人重卡港口環境。其自動駕駛方案基于其DeepWell深度學習類腦芯片打造而成，完成從芯片研發到整車生產產業鏈布局。

在自動駕駛芯片領域國內企業也層出不窮，除上述三家以外，還有像零跑科技、飛步科技、杰發科、深鑒科技等等公司，在這里就不一一列舉。當然也不排除某些企業已經在悄悄投入大量人力物力。例如：標榜致力于智能網聯芯片領域的平頭哥目前還未有發布其相關產品，不過可以肯定的是未來肯定會涉足自動駕駛AI芯片。

芯片的技術壁壘與投資極高，汽車芯片領域一直是汽車傳統半導體廠家的領地，即使是Intel、高通也久攻不下，只能采用收購的方式尋求質的突破。對于創業公司甚至國內半導體商來說這個領域想要有所突破更是具有極大的挑戰。不過在眾所周知的背景下，AI芯片創業公司也受到資本市場的青睞，這也是算是利好，至少能夠緩解資金壓力。國內AI芯片公司是否能有所突破值得期待。

2、傳感器

車輛行駛的道路環境復雜、多變，導致感知無法依賴單一傳感器完成，高級別自動駕駛汽車中，定位、雷達、視覺等傳感器協作融合，能夠以圖像、點云等形式輸入收集到的環境數據，并通過算法的提取、處理和融合，進一步形成完整的汽車周邊駕駛態勢圖，為駕駛行為決策提供依據。

多種感應器的合作必不可少

在這輪自動駕駛行業創業浪潮中，環境感知領域以視覺、毫米波、激光雷達為主。由于成本和成熟趨于成熟，視覺與毫米波雷達最先量產落地，從L0級預警逐步向高級輔助駕駛迭代。

盡管華為車展的介紹資料中介紹其攝像頭、毫米波/超聲波雷達、激光雷達、T-Box、GPS、執行機構等由合作伙伴提供，但是筆者認為未來華為至少會在視覺、毫米波雷達、環視系統等傳感器算法層面會進行獨立開發，不排除推出自己的傳感器產品的可能性。

我按照傳感器類型與功能對創業公司進行梳理。

（一）ADAS前向視覺攝像頭

前向ADAS視覺攝像頭目前有單目、雙目、三目等多個方案，由于量產成本的因素，現主流量產方案以單目為主，在部分車型上配備雙目攝像頭。

隨著ADAS（高級輔助駕駛）功能的量產，國內市場占有格局逐漸清晰。乘用車領域以Mobileye、Bosch等國際供應商為主；國內創業公司產品主要以單目方案應用分布在商用車領域，跟隨著商用車法規推進，在客車領域預警（FCW、LDW）與AEBS功能上均已實現量產。當然這并不是說國內企業在乘用車領域沒有布局，僅是從市場占有率角度進行解讀。

特斯拉的自動駕駛界面，該公司堅持用視覺傳感器來做自動駕駛

相較于單目方案，雙目或多目方案在檢測精度、目標物檢測類型、檢測范圍等技術性能上優于前者。不過由于雙目（多目）方案高昂的成本使得單目成為主流，并且在未來幾年可能還是以單目方案為主。在技術實現上單目配合77GHz前向毫米波雷達，以數據融合方式，使二者優勢互補，滿足技術需求。

（二）毫米波雷達

視覺攝像頭在目標檢測上受環境因素影響較大，在特殊場景下可能會無法識別的到目標物或者識別效果大打折扣。相較于視覺攝像頭，毫米波雷達受環境因素的影響較小；在檢測目標物類型上視覺卻優于毫米波雷達。在AEBS、ACC等ADAS功能的技術方案將二者融合，彌補了單一傳感器的感知缺陷。

國內毫米波雷達波段以24GHz與77GHz為主，79GHz目前尚處于研發階段。檢測距離24GHz（短距）毫米波雷達僅有50~70m，而77GHz毫米波雷達（中長距）可達150~250m。

隨著77GHz毫米波雷達的成本降低與ADAS功能對毫米波性能的需求，在量產方案中77GHz毫米波雷達逐漸成為前向雷達的主流。24GHz毫米波雷達趨向于側向檢測應用，如BSD（盲區檢測）、LCA（換道輔助）等，由于預警系統僅是對駕駛員的提醒，不涉及車輛控制，所以對性能要求較低，價格也更容易被廠商接受。不過未來24GHz波雷達也可能會被77GHz或79GHz雷達取代。

從國內乘用車市場占有率來看，77GHz毫米波雷達主要以博世、大陸、電裝、安波福為主；24GHz毫米波雷達以Veoneer（奧托立夫分拆后自動駕駛公司）、大陸、海拉、安波福、法雷奧為主。Tier1在乘用車市場為車企提供系統方案（包含感知、控制、執行等部件），由于在系統集成能力上國內供應商處于劣勢地位，另外產品可靠性、穩定性、一致性、成本控制、質量控制等方面也存在劣勢，國產零部件企業進入乘用車市場相對于商用車領域較難。當然也有個別毫米波雷達企業在和乘用車期在合作開發中。

不同于乘用車，商用車屬于生產資料，終端用戶對舒適性與主動安全需求偏低，ADAS功能的推進依賴于法規的推動?，F階段在商用車領域，毫米波雷達的量產裝配主要為了滿足AEBS功能，所以在商用車前裝市場的量產時間節點會受到法規的影響。按照交通相關法規要求，2019年4月客車需要配備AEBS系統，卡車2020年5月起需裝配預警功能，2021年裝配AEBS系統。如前文所說預警系統對視覺和毫米波雷達的性能要求略低，更多的是考慮的成本因素，所以這也給國產毫米波雷達企業量產的機會。

在商用車市場上大陸與富士通天也是有力的競爭對手，國內毫米波雷達企業如：蕪湖森思泰克、易來達、木?？萍肌⒅遣萍肌⑻K州毫米波、承泰科技等等公司也會面臨不小的競爭壓力。

隨著ADAS功能的滲透率逐步提高，毫米波作為重要的傳感器，市場前景可期。國產毫米波在未來有所突破，值得期待。

（三）激光雷達

激光雷達作為高級別自動駕駛不可或缺的重要傳感器，其能夠精確獲得三維位置信息，能夠確定物體的位置、大小、速度、姿態、外部形貌甚至材質，為目標識別、目標跟蹤、障礙物檢測能夠提供準確的信息。相比于視覺與毫米波雷達，其在測距及分辨率的能力優秀，能夠獨立建立三維模型，不過激光雷達的透能力相對較弱。

激光雷達對環境的感知能力最強

激光雷達按有無機械旋轉部件，可分為：機械激光雷達和固態激光雷達兩類。機械激光雷達帶有控制激光發射角度的旋轉部件，體積較大、價格昂貴、測量精度相對較高；而固態激光雷達則依靠電子部件來控制激光發射角度，無需機械旋轉部件，尺寸較小。

在激光雷達領域國外企業Velodyne、Quanergy、IBEO走在前沿。美國Quanergy和創業公司Ouste以機械旋轉式激光雷達，其中以16/32/64線相對較為成熟；德國Ibeo公司激光雷達產品以低線束4線和8線為主，另外，Ibeo聯合Valeo 合作推出混合固態激光雷達；德國創業公司Quanergy和以色列創業公司Inoviz以固態激光雷達為主。

Velodyne的激光雷達產品

國內企業速騰聚創、鐳神科技、北醒光子、禾賽科技、大族激光、北科天繪等目前主要專注于激光雷達的研發，在機械旋轉式激光雷達與固態激光雷達均有所涉入。

由于目前激光雷達成本過高，在車載領域更多的應用于高級別的自動駕駛，不過隨著未來固態激光雷達的技術發展與成本降低，使得批量裝車成為可能。

目前激光雷達的硬件供應商主要是初創公司，也有部分供應商從較為成熟的相近激光領域切入。國內外企業在技術方面差距相對較小，甚至在精度和價格上與國外同檔次產品相比擁有優勢。這也給國內企業追超國外企業為可能性。

3、域控制器

及全棧自動駕駛方案

隨著汽車電子技術的發展，汽車的電子控制單元越來越多，甚者有上百個。為了解決汽車ECU數量龐大的問題，域控制器的概念應運而生。自動駕駛域控制器（DCU）作為L3級以上自動駕駛數據處理平臺，自然也引來了眾多玩家參與其中，包含眾多創業公司、互聯網公司、傳統零部件供應商?？紤]到DCU的復雜性，個人覺得車企、系統商、半導體商聯合開發，發揮各自優勢或許是最佳的選擇。當然這種組合也屢見不鮮。

華為MDC平臺與DCU有點類似，本質上為了解決汽車ECU的數量增多之后，汽車控制系統變得復雜，且能力達到上限的問題。下文以DCU為例展開介紹。

不妨先看看DCU需具備哪些能力。

上圖是智能網聯汽車的結構層次，在分布式架構中環境感知數據處理在傳感器端處理完成后，將檢測結果發送給DCU，DCU完成多傳感器數據融合處理后，執行規劃與決策，發出決策命令后由執行機構完成控制。相對于分布式架構，集中式架構從傳感器端得到原始識別數據后，由DCU完成感知層數據處理，當然這不僅需要芯片的高算力，同時也需要DCU供應商直接或間接擁有傳感器開發能力。

DCU至少還需包含路徑規劃、決定最佳路徑（從安全，便利，環保的角度）最后到協調多執行器的能力。

DCU的復雜性決定了單一創業公司很難與巨頭或者巨頭組合抗衡。這其中不僅僅體現在資金實力，在資源整合能力、技術儲備、人才儲備也差異較為明顯。創業公司深耕某一領域或從特定場景開始，迭代至產業鏈布局的戰略，不失為明智的抉擇。目前自動駕駛尚處于L2級推廣階段，實現L3級自動駕駛及以上尚需時間，創業公司也不是沒有勝出的機會。

個人覺得L3級以上自動駕駛的核心在于DCU（感知與執行層依賴于合作伙伴或部分自研），DCU供應商與全棧自動駕駛方案商區別在于后者提供包含DCU在內的其他硬件，以及場景定制算法。所以我將全棧自動駕駛方案與DCU公司歸類于一類，在眾多公司中我篩選了一些具有代表性的公司。

在L3級以上自動駕駛及DCU領域公司眾多，單就國內在干線物流無人駕駛方案上就匯集了阿里、京東、圖森未來、智加科技、主線科技、嬴徹科技、西井科技、武漢環宇等等公司。從與整車廠合作的角度來看，競爭也異常激烈，僅就奧迪已經宣布在L3級以上自動駕駛合作伙伴，除了其子公司AID與zFAS平臺外，還有華為、地平線。

隨著芯片技術的提高，未來DCU架構會趨向于集中式。伴隨而來的，就是現有傳感器企業勢必會面臨轉型的抉擇，個人覺得無非趨向于算法與DCU或全棧方案兩個方向，例如純視覺方案、激光雷達高級自動駕駛方案。難免會與現有DCU與全棧系統方案商同道競技。幾人能勝出目前不得而知，不過可以確定的是未來肯定不會需要如此多企業存在，市場整合在所難免，在產品細分、市場細分或許存在生存機會。