杏彩网页登入:智能网联汽车深度报告：大势所趋

　　伴随着电动化的发展，叠加特斯拉的明星示范效应，当前智能网联已经成为重塑汽 车行业的关键因素之一，意味着软件定义汽车时代的到来，汽车已经从广义上的“硬”汽车 转变为“软”汽车，其所承载的含义已经有了新的解释，即在原先满足消费者驾乘体验功能 的基础上，赋予了新的人机交互、解放双手的作用。

　　智能网联汽车发展，即为智能化和网联化协同发展，目前来看网联化发展的较早较 快，车辆本身、车-云之间已经有广泛的商用化案例；而作为网联关键的车-车之间，也只 是局限于主机厂内部同软件平台之间的简单模式。而智能化的发展，则是要在网联化基 础上，将智能车辆和智能交通融合在一起最终形成完全自动化的驾驶阶段，即智能网联 汽车。

　　从功能块上看，智能化可以分为座舱智能化和驾驶智能化，这两者之间相互融合、 相互作用。座舱智能化，即智能座舱，主要体现在仪表板区域，具体细分为仪表盘、中 控显示屏、HUD、空调控制系统、流媒体后视镜、行车记录仪、后排液晶显示屏等区域， 而且目前有朝着一体化发展的方向，其中作为网联化重要载体的中控系统尤为突出。

　　对于 L3 以下不同阶段的智能化配置，目前没有明显的定义，从各大主机厂及智能化 方案供应商的解决方案看，中高端车辆普遍采用的 ADAS 系统可以定义为 L2+或者 L3- 水平。假如一台车辆标配 ADAS 系统，以 90~120Kph 行驶在高速道路上，激活 ADAS 系统，LKA 使其保持在某一固定车道，当前车减速，根据本车雷达识别前车车速和车距， AEB 介入，做出速度调整，当前车加速时，同样本车加速行驶，此时驾驶员即可不干预 驾驶，只需双手置于方向盘上；当车辆进入路况比较复杂的城市道路或者国道，速度在 80Kph 及以下，车辆的前置摄像头识别限速标识，做出速度调整，当行至路口，前车减 速至停止时，本车即跟随停止；不过对于路口信号灯的识别，特斯拉在最新的软件版本 中已经释放；停车起步时，驾驶员参与。当车辆驶入低速路时，面对转向和人行道等错 综复杂的路况，则需要驾驶员来干预驾驶，待进入停车库，自动泊车激活，最终停车入 库。这一系列驾驶操作，即为当前定义的主流 ADAS 系统，难点在于低速路况的不确定 性带来的挑战，也是 L3 阶段的重点。

　　ADAS 相当长时间内仍旧是智能驾驶的主力。高级辅助驾驶系统，即 ADAS 系统 （Advanced Driving Assistance System），是利用车上的各类传感器，如毫米波雷达、激光雷达、单目摄像头、双目摄像头以及卫星导航等模块，实时感知车辆周边的环境， 进行数据采集，并作动、静态辨识、侦测与追踪，根据高精度地图数据，进行快速运算 与分析，从而让车辆和驾驶员预先感知周边环境带来的影响，并迅速做出反应，满足车 内驾乘人员对整车性能，特别是安全性的要求。 近几年 ADAS 的渗透率增长迅速，从 原先局限于配置高端车品牌，到现在的中端车的高配车型，以及部分辅助驾驶的模块也 逐步渗透到低端车辆的高配车型。

　　根据中汽协统计的数据，2019 年搭载 ADAS 系统的车辆渗透率不足 10%；我们以 新能源车为例，拆分不同系统来分析。2020 年 Q1 新能源乘用车销量 10 万辆，TOP31 品牌在售车型共计 131 款，总销量为 9.4 万辆，占比 94%，我们选取 TOP31 的车型配 置分析，配置车联网功能的车型数量占比最高，为 71%，而自动泊车（APS）占比较少， 大约为 8%；除并线辅助外，其他功能相比 2019 年渗透率均明显提高。

　　智能驾驶，需要利用安装在车辆上的雷达、毫米波雷达、激光雷达、摄像头、 定位系统等各种传感器协同工作，收集车内外环境信息，尽可能早地察觉到危险，并采 取相对应的措施，避免或者降低事故的发生概率。一般来说，L3 级别以上对于自动泊车、 拥堵路况和高速自动行驶要求高，需要配置激光雷达，并且单车配套摄像头和毫米波雷 达数量众多；而 L3 级别及以下，则需要配置合适数量的摄像头、毫米波雷达和雷 达即可。

　　雷达价格相对较低，应用范围较广，在短距离低速检测中具有非常大的优势。 该种传感器主要是通过发射装置发射，再通过接收器接收反射回来的超声 波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，水平与垂直方向探测角度越小；并且防水防尘，有少量泥沙遮挡也不影响； 探测距离一般再 0.1~3 米之间，精度较高，适用于倒车辅助和自动泊车等低速工况。超 声波雷达通常安装在汽车前后保和侧面，前者称为 UPA，用于检测前后障碍物；后者称 为 APA，用于检测侧方障碍物。

　　毫米波雷达国外垄断，国内企业逐渐突破。毫米波雷达通过天线发射毫米波信号， 目标反射信号后，车辆从而获取了自身周围的物理环境信息，ECU 对该信息进行处理， 追踪和识别目标；同时根据软件设定，以声音、视觉提醒或者触觉提醒等方式告知驾驶 员，或者对车辆运行进行干预，保证驾驶的安全可靠。目前常用的毫米波雷达有 24GHz和 77GHz 两类，24GHz 主要检测中短距离（=100m 左右），77GHz 主要是长距离检 测（=200m）。目前来看，国内 24GHz 已经量产使用，装机规模较大，但是 77GHz 因 国外的长期禁运管制，起步较晚，规模较小且集中度较低，近 8 成市场规模仍被外企占 据，大规模国产化替代需要持续推进。

　　激光雷达（Lidar，Light Detection and Ranging），主要基于波长在 900nm~1500nm 左右的激光探测和扫视，可以探测到空间三维信息，且可以显示出精确的三维图像，便 于驾驶员快速做出相应的反应。激光雷达的车规级应用即为车载激光雷达，通过发射和 接收激光束，分析激光到目标体及折返时间，计算目标与车的距离，同时利用收集的目 标对象表面大量密集点的三维坐标、反射率等信息，迅速建立目标的三维模型和三维点 云图等数据，绘制出周边环境地图，达到环境感知目的。目前来看，以 Velodyne 的技术 最成熟，产品最丰富，精度和可靠性最高；但是国内品牌如速腾巨创和禾赛科技等也在 加紧布局，在性价比上有所突破。

　　与其他传感器不同的是，激光雷达的优势明显：有极高的分辨率，探测精度高，范 围广；抗干扰能力强；能获取比如距离、角度、反射强度和速度等丰富信息，从而生成 含有数据的图像；并且可以全天候工作。但由于价格和天气等方面制约其快速发展。 一方面，线束越多，价格越高；另一方面，在雨雪雾等恶劣天气下，会发生无法识别车 道，从而不能有效绘制周边环境信息。

　　一般来说，激光雷达分为机械式和固态激光雷达。机械式雷达需要旋转测量周边环 境，激光发射路径上不能有阻挡，目前只能安装在车顶，对于量产销售的车辆来说，不 是一个很好的选择；而采用固态激光雷达，由于其体积小，成本低，可以集中在车辆内 部，比如 A 柱、前后保等部位，通过雷达内部微动部件来偏转扫描，目前是最接近量产 的配置，也是各大厂商重点推动的方案。

　　车载摄像头的工作原理是，目标物体通过镜头（LENS）生成光学图像投射到图像传 感器上，将光信号转变为电信号，再经过模数转换（A/D）后变为数字图像信号，最后由 数字信号处理芯片（DSP）进行加工，处理成特定格式的图像输出到下游需求方。从车载摄像头的组成来看，主要子系统为镜头、CMOS 传感器、模组组件、独立 ISP 芯片以 及算法等。根据 Yole 的预计，2024 年全球摄像头模组产业链市场达到 450 亿美元左右， 其中汽车摄像头市场有望超过 50 亿美元。

　　按照其配置区域不同，可以分为前置、侧视、后视和内视、环视摄像头等，每种主 要负责功能不同，目前应用比较多的功能主要是后视、360°环视功能。一般来讲，典型 的辅助智能驾驶系统由 4 个环视、1 个前视和 1 个后视等至少 6 个视像头组成。比如特 斯拉 model3 就采用了八颗摄像头，外加一颗备用内视摄像头，从而实现自动驾驶的大 部分功能。

　　根据我们的统计，360°环视系统在新能源车的渗透率在三成以上，逐渐成为中高端 车型以及中高配车型的主流标配，渗透率逐渐提升。从整个市场角度看，车载摄像头市 场竞争格局较为充分，但主要集中在外资企业，合计占比在 96%左右。

　　而在分件中，已经有国内自主品牌开始突围，甚至占据了细分市场相当大的比重。 比如车载镜头方面，在手机镜头及手机镜头模组处于优势地位的舜宇光学，扩展到车载 镜头领域，2018 年公司车载镜头出货量为 3995 万颗，同比增长 25.3%，已连续 9 年保 持全球第一，优势明显。联创电子一方面供货特斯拉；另外，已与 Mobileye、NVIDIA、 Aurora 等公司达成战略合作；其中有十几款镜头产品获得 Mobileye 认证；也得到 Valeo、 Continental 等认可，已量产出货。

　　在汽车 CIS 领域，韦尔股份控股的豪威科技主要客户是欧美汽车品牌，在 BBA 中的 渗透率位居行业首位，其在 2018 年市占率 20%，2019 年市占率达到 30%，仅次于 ON Semi，位居第二；而在手机市场市占率 12.4%，位居全球第三。公司作为全球第三大 CIS 企业，有望继续受益于汽车智能化发展。

　　在 ISP 芯片领域，华为自 2013 年收购 TI OMAP 芯片在法国的业务后，基于此成立 图像研究中心。从麒麟 950 开始在海思的 SoC 芯片中集成了自研的 ISP 芯片模块，从 底层硬件开始自研优化照片处理，并从 P9 开始跻身全球手机拍照第一阵营；2020 年在 荣耀 30S 上搭载的全新麒麟 820 SoC 上配备 ISP5.0，实现数据吞吐率提升 15%、能效 提升 15%的效果。根据 CINNO Research 发布的最新数据，2020 年 Q1，华为海思首次 登顶国内智能手机处理器市场，成为份额最大的移动 SoC 厂商，占比达 43.9%，高 于高通的 32.8%和联发科的 13.1%。

　　我们认为，智能驾驶的发展，要达到车辆自主控制、自主学习，分析和判断有利的 环境和路线，一定离不开多传感器之间的互相融合，方能有效地支持冗余设计、扬长避 短，达到提升驾驶安全可靠的目的。通常，每种传感器都有自己独特的特征，而汽车需 要面对复杂的行驶环境，有来自天气、周边路况、驾驶员等各个方面、全天候全场景的 环境影响，这就需要多种传感器搭配融合才能满足将来 L5 级别自动驾驶需求。

　　相对于常规内燃机车，决策端是新能源车智能化的优势之一，主要由两大方面组成， 一方面是硬件层面的域（DCU）和多域（MDC）；另一方面是软件层面的 运算平台和操作系统等。

　　汽车控制单元由传统的分布式向集中发展，域成为智能汽车架构的关键之一。传统的汽车控制单元，比如内燃机车，其布置依赖于硬件，采用分布式架构，通常每个 子系统都需要配置 ECU，全车最多配置 100 多个模块，如此大量的 ECU 和线束，增加 了开发成本和物料成本，降低了数据处理效率，不能适应智能网联汽车发展的需要；此 外，随着智能网联化的发展，对数据运算处理的要求越来越高，而传统的分布式架构控 制单元难以满足这些要求。因此，满足这些对运算和数据处理高效快速的控制单元应运 而生，即为域，实现统一指挥。随着软件定义汽车时代的到来，采用集中式控制 单元的全新 EE 架构，叠加 OTA 等云端服务，是促进智能网联汽车快速量产、软件快速 迭代升级的基础。

　　以宝马七系为例，2009 款 ADAS 系统配置有 14 个 ECU，半导体平均 BOM 成本为 618 美元；在 2015 款上采用了新的 E/E 架。