2018年9月18日，北京房山區在高端制造業基地內打造5G自動駕駛示范區，首期道路開放長度10公里。

回首過往百年，全球的汽車產業經過了三次重大變革，其一是發端于1900年的汽車的流水線規模化制造，其二是上世紀50年代主流汽車制造商格局形成，其三是90年代的全球化與電子化；而今，汽車產業正站在關鍵的變革拐點之上，“MADE”（M-mobility移動出行；A-autonomous driving自動駕駛；D-digitalization數字網聯化；E-electrification電氣化）將推動新技術的發展，并將重塑整個生態圈。

在MADE四大趨勢之中，自動駕駛是最具有影響力和可持續性的一個趨勢，它的發展將在未來數十年內不斷改變人類社會的出行方式，并持續重塑整車制造商、零部件供應商與技術解決方案供應商的競合格局。

值得一提的是，MADE中的其他三大趨勢與自動駕駛的發展都是相輔相成且密不可分的。

例如數字化與智能網聯將帶動人機交互、車聯服務、通訊技術和智慧交通等關鍵領域的發展，并為自動駕駛的實現創造更好的條件；而電氣化除了改變汽車的能源結構之外，還將帶動其電子電器架構的發展，使汽車本身具備更低延時、更大容量的信息傳輸和處理能力，這種架構同樣非常適用于對信息處理要求極高的自動駕駛汽車；共享出行則會成為自動駕駛的重要應用場景，目前的分時租賃和網約車業態將作為過渡業態，分別以線下網點和云端調度能力為依托，最終演化為無人駕駛出租車形式的終極業態。

什么驅動了自動駕駛？

首先是技術上。

自動駕駛本身的發展由于涉及到技術發展和社會接受度等要素，因此具有較高的不確定性，其中技術發展要素包括算法、芯片、通訊、感知硬件、高精地圖與定位等，而社會因素則包括了政府的支持和消費者的接受度。

算法領域的發展與AI技術的進步密不可分，雖然車輛底層控制算法仍由主機廠/一級供應商所掌控，但傳感器融合算法、決策算法則依賴于深度學習技術的進步，其預期的演進路線將從3年－5年內深度學習視覺算法的不斷成熟開始，逐步演化至未來增強學習決策算法的普及，以及基于云端的多傳感器融合決策算法的進一步優化。

新一代芯片技術的發展將在3年－5年內使系統芯片擁有大幅度提升的運算能力，從而支撐自動駕駛硬件數據處理和算法的實現，并能夠在低能耗的前提下支持更多的數據量與更復雜的深度學習數據處理。

通訊領域技術的發展也將更有效地推動自動駕駛的實現，5G通訊預計將在2020年開始商用，其十毫秒級的低延時響應、支持每平方公里百萬級終端同時在線的大帶寬，以及超過99.99％的可靠性等特點非常符合自動駕駛對數據傳輸的要求。

傳感硬件的進步主要體現在攝像頭、毫米波雷達和激光雷達等領域的突破，同時，傳感硬件將作為技術進步最快、成本下降最快的領域在2020年之前得到優先發展。

對高精度地圖而言，精度與實時性將進一步提高，達到20厘米級甚至更高精度的高精度地圖有望在2020年左右實現在一線城市、全國高速及主要路網的規模化的繪制，并將在部分搭載自動駕駛功能的車輛中實現預裝。

其次是社會驅動因素。

自動駕駛的發展離不開政策的支持，法律法規將從車輛規范、駕駛區域設定、通訊技術應用、事故責任認定四個方面規定自動駕駛的應用條件。在立法方面，由于美國采取自認證的原則，對于車型審批沒有明確限制，因此處于絕對的領先地位。另外，韓國幾乎將全國開放作為自動駕駛測試區域，美國部分州已開展了測試與運營，中國則僅在部分城市設置了特定測試道路。預計到2020年左右，中國政府將明確規定L3自動駕駛汽車允許行駛的特定工況，并明確L3車輛發生交通事故的權責；而到2025年左右，將允許城市特定區域內L4級別車輛上路。

全球消費者對自動駕駛保持著更高的期待，在羅蘭貝格對于13個主要汽車銷售國家的調研（N=13266）中發現，超過半數的法國、日本、荷蘭、韓國的消費者認為，如果無人駕駛出租車的出行成本低于自駕，那么他們將會選擇放棄購車，然而這個比例在中國僅為30％。為更好地理解中國的消費者，我們展開了另一項本地化（N=1687）的調研，發現中國消費者的確對自動駕駛存在不同程度的顧慮，其中82％的消費者擔心自動駕駛技術不成熟可能產生傷亡事故，50％的消費者認為系統判斷行駛路線會缺乏靈活性，并傾向于自己改變路線，38％的消費者認為自動駕駛功能的相應成本難以接受，31％的消費者喜歡自己駕駛，擔心自動駕駛會削弱操控的樂趣。整體而言，仍然有58％的消費者表示有自動駕駛的使用需求，他們最期待的應用場景是長途/近郊的旅行和上下班代步。

綜合以上的驅動因素，并結合《技術路線圖》的規劃目標，羅蘭貝格認為L3級別乘用車將在2020年左右得到初步推廣，2025年L3級別的滲透率有望超過10％，到2030年，L4/5級別的乘用車滲透率有望超過15％。

應用場景落地，帶動價值鏈重構

值得一提的是，在自動駕駛技術推廣的過程中，車隊企業往往會首先開始試點，例如自動駕駛巴士遵循固定線路，便于自動駕駛的安全運營；干線運輸的重型卡車同樣具備應用前景，無人駕駛將有助于提升高速公路等場景駕駛的安全性，降低油耗以及減少人工成本。

車隊的終極應用是無人駕駛出租車，它們將在2025年－2030年間得到初步商業化推廣，并對汽車出行領域產生顛覆性的變革——如果實現超過每平方公里2輛車的密度，無人駕駛出租車的有效載客時間將高于傳統出租車80％，并實現成本降低至出租車的40％以下，有助于節約超過40％的城市停車空間并減少30％的交通擁堵時間。這使得擁有自有車輛成為無論是經濟性還是便利性都相對較低的一種選擇。

對于私家車而言，我們預計2019年－2021年將實現特定工況下的擁堵路況跟車及高速公路自動駕駛，2022年－2025年將實現限定區域L3車隊自動駕駛以及自動停車場泊車，2026年－2030年L3車隊和私家車將從指定區域過渡到城市工況，部分L4汽車能夠在高速公路行駛，2030年之后將逐步出現指定區域和城市工況L4私人自動駕駛，遠期實現城市工況完全自動駕駛。

這開始帶動價值鏈的重構。

為了迎合自動駕駛對于車輛感知、決策與執行方面的需求，未來整車產品將在多個方面對于軟硬件進行升級換代，這將為自動駕駛的零部件供應商帶來廣闊的前景。

未來中國的自動駕駛軟硬件市場主要增量來自激光雷達，對于采用激光雷達路線的L3級別車輛而言，通常需要1個機械式或4個－6個固態雷達，且激光雷達價格較為昂貴，預計到2030年，中國的激光雷達市場規模將超過1000億元。

2030年另一個可能的千億級市場是自動駕駛算法，其中感知與決策算法的含金量相較于融合與控制算法更高。而自動駕駛對于動態決策和實時大量數據傳輸的高要求將帶動車聯網相關的軟硬件市場的增長，它將成為僅次于激光雷達和算法的重要市場。

而隨著應用的普及和前裝率的提升，高精度地圖也有望在2030年突破200億元的規模。另外一個比較小眾的領域是紅外線攝像頭，它擁有較高的技術壁壘，且存在一定程度的壟斷，利潤水平較高。

然而，目前諸如毫米波雷達、超聲波雷達、攝像頭等硬件（尤其是超聲波雷達）已經普遍使用于L1－2級自動駕駛車輛，其增長潛力有限，且利潤水平將有所下滑。

參與者眾，成功者寥

自動駕駛市場前景雖然誘人，但并非所有的參與者都能從中分一杯羹，該問題可以從區域性和參與者兩個角度進行分析。

首先，出于戰略安全性、基礎設施投資、法律法規差異性等重要考量，未來自動駕駛將呈現顯著區域性——由于各國不希望失去對自動駕駛技術及數據的掌控，故對本土自動駕駛企業的扶持是可預期的，各國市場將很有可能分別出現少量巨頭。以中國為例，出于國家安全考量，高精度地圖測繪牌照僅向本土企業提供，外資必須使用內資地圖廠商；類似的區域性限制還包括數據服務，規定數據存儲服務器必須建于國內并選用國內廠商。但對于部分存在顯著技術差距的軟硬件，如高速旋轉激光雷達、GPU、CPU與感光芯片等，較長一段時間內將仍然由國際廠商主導。

其次，大多數現有的OEM選擇循序漸進的方式逐步開發自動駕駛功能，但互聯網科技公司正加速將自動駕駛車隊投入商業運營，以便根據汽車收集到的實際駕駛數據對系統進行開發與完善。所以，未來自動駕駛核心技術鹿死誰手仍存變數。羅蘭貝格認為，依據自動駕駛汽車的滲透率和整車集成壁壘兩個關鍵維度的變化，未來自動駕駛不同參與者的競合格局可能存在四種不同的情景：

在情景一（白牌模式）當中，Waymo類企業將領先于OEM實現自動駕駛落地，成為領先核心供應商，并白牌化向OEM銷售系統。同時，自動駕駛技術開始向標準化發展，一定程度降低了整車集成壁壘，但其滲透率仍有待提升。

而情景二（OEM內化模式）中，自動駕駛分化成不同技術路線，并逐漸被OEM內化，最終成為OEM技術門檻和溢價的另一核心技術，發展歷程與現今的混合動力系統相類似。在這種情景下，自動駕駛反而增加了整車控制復雜性和集成壁壘。

上述是最有可能的兩種情景，核心的觸發條件差異在于互聯網科技企業和傳統主機廠誰先將自動駕駛技術落地。而情景三（開源模式）相當于在情景一的基礎上實現了開源化供應——小部分OEM自主或聯合掌握自動駕駛技術；Waymo類企業開源供應自動駕駛解決方案并擴大市場份額，在這種情景下，整車集成壁壘將較情景一更低，而自動駕駛滲透率則有一定程度的提升。

在以上任何一種模式中，OEM仍將擁有難以被攻克的壁壘，主要體現在車規級質量體系、整車控制、底盤控制、網絡架構等深厚積累——自動駕駛算法必須與OEM所牢牢把控的整車底層控制與執行系統相結合才能夠真正實現自動駕駛。

最后，情景四（代工模式）是自動駕駛滲透率最高以及整車集成壁壘最低的遠期模式，在這種情景下，無人駕駛共享出行成為主流，相關服務運營商擁有較高的話語權，而傳統的OEM則極有可能扮演代工廠的角色。

基于我們對2030年平均出行成本的拆分和預測，四種情景的自動駕駛將分別通過無人駕駛共享出行或者私家車自動駕駛的方式貢獻每公里15％、15％、18％、28％的平均出行價值。

無論對于OEM還是自動駕駛解決方案供應商而言，領先的算法、大量真實的路測數據、軟硬件并行的研發投入以及政策層面的支持都至關重要。Waymo與Mobileye的發展路線有所不同，前者憑借算法和大量資金支持，直接定位Level-4自動駕駛研發，但其盈利周期將更漫長；而后者自始至終與OEM深度綁定，實現共同技術研發和升級。

而對于自動駕駛共享出行服務提供商而言，算法和數據能力、車隊運營及后臺保障能力、車生活運營服務能力、用戶信任及會員服務、定制化造車/選車能力、政府關系與合作伙伴公關能力則顯得更加重要。