来源：财经自媒体

原标题中金

AI+汽车：高级别智能驾驶，提效降耗新体验

来源中金点睛

原创陈昊成乔升彭虎

汽车行业向智能化（智能座舱+智能驾驶+智能服务）迈进的步伐已不可阻挡，在AI技术的加持下，汽车智能化的发展逐步加速。我们认为，智能座舱已经步入商业化阶段，而智能驾驶处在高级别（L3及以上）的量产前夜。汽车智能化的实现不仅可以为用户提供全新体验，其对整个交通系统效率的提升更是助力能耗的降低，对于碳中和的大发展战略做出贡献。当前，由于硬件成本高、软件能力弱及法律法规不完善等一系列制约因素的存在，高级别自动驾驶成为了一个难度较大的工程问题，人类正在不断努力通过两条路径攻坚（主机厂+芯片供应商：从司机端出发，预埋高级别硬件降维到L2上量，靠数据迭代产品；软件公司：从乘客端颠覆出行，直接发力固定场景L4应用）。

摘要

*策产业双料驱动助力智能驾驶落地：站在L2/L3的分水岭上，我们认为智能驾驶有望加速落地：*策端来看，我们看到美国部分州已落地自动驾驶法案；日欧地区也有望较快应用联合国针对L3制定的法规；中国方面尽管尚未见到法等法律层面的修订，但相关部委*策更新频出。产业方面来看，AI技术的升级、造车新势力的创新以及资本市场投融资环境的宽松均是积极因素。

芯片迭代路径清晰，高级别硬件预埋成为趋势。我们认为，AISoC是智能驾驶硬件的核心部分，在高级别智能驾驶（L3+）场景驱动下，高算力+高能效比有望成为车用AISoC单芯片的迭代趋势。在现阶段面向L2应用环境下，我们看到主流量产产品单芯片算力在个位数TOPS，能效比在1-2TOPS/W；而面对L3+应用，我们认为尽管硬件规格尚未明确，但从站在L2/L3的分水岭上，各厂商产品规划来看，合格的单芯片算力需达到五十甚至数百TOPS，能效比需达到5TOPS/W以上，且为处理激光雷达感知的大量数据，多芯片协同形成计算集群是趋势。目前，主机厂多采用预埋高级别智能驾驶硬件的技术路线，把AISoC直接拉至高级别（L4）生命周期，而将功能降维至L2来推动硬件快速上量以获取大量数据，从驾驶员角度出发不断进行技术迭代。因而我们认为，芯片厂会先行受益于AISoC市场高速成长。我们测算年中国/全球智能驾驶AISoC市场规模有望达到49亿/亿美元。

软件企业靠出售服务变现，直接发力固定场景L4路线与主机厂殊途同归：我们认为，智能驾驶软件公司的商业模式是从乘客的视角出发，跨过低级别智能驾驶直接攻坚固定场景L4产品，依靠直接颠覆人的出行体验来收取服务费变现。整体来看，我们认为软件厂商选择的路径更富有挑战，但也看到了各企业也取得了阶段性的突破，最终有望与主机厂硬件预埋路径相融合。我们测算，年中国/全球智能驾驶软件市场规模有望达到86亿/亿美元。

风险

AISoC技术迭代不及预期；低级别智能驾驶车上量不及预期；法律*策风险。

正文

汽车智能化：智能座舱+智能服务+智能驾驶

什么是汽车智能化？我们认为，汽车智能化的定义包括人类通过智能座舱（载体）与车端进行交互，实现无人化的驾驶体验（即“智能驾驶”）；而在人类双手被解放同时，智能座舱将致力于打造舒适的第三空间，实现智能互联新服务。随着汽车逐步走向智能化，我们认为人工智能将助力汽车打造更加个性化的驾驶体验，提供更加丰富的互动内容。

具体来看，智能座舱的主要实现的功能应包含图形交互、语音交互，再配以手势/面部识别及生物体征检测；智能驾驶方面，行业发展将会经历辅助驾驶（L2及以下）和高级别自动驾驶（L3及以上）两个阶段；而智能服务方面，功能将主要包含车辆销售后的后市场服务、出行服务以及更多元化的社交娱乐及生活服务。我们认为，智能座舱及智能服务商业化落地将相对顺利，而智能驾驶是一个难度较大的工程化问题（特别是高级别L3及以上的智能驾驶），未来五到十年行业发展挑战与机遇并存，是本篇报告讨论的重中之重。

图表：汽车智能化的定义

资料来源：德勤咨询，中金公司研究部

智能座舱顺利步入商业化阶段

智能座舱因其强大的商业化落地能力已成为主机厂向智能终端转变过程中最优、最先的选择。具体来说，智能座舱功能的落地是指将驾驶信息、抬头显示、车载信息娱乐和高级驾驶辅助系统整合到单一芯片的多域控制系统中，而不涉及底盘控制。所以在功能落地过程中牵扯到的安全压力较小，整体实现难度相对较小。

人工智能（AI）赋能座舱成为人们生活的第三空间，具备感知、理解与表达能力。智能座舱需要感知来自环境数据、用户需求两方面的信息，并对信息进行处理。环境数据主要来自摄像头、雷达等车外传感器，智能驾舱要提供结构化数据输出，准确地把车内外环境信息推送到屏幕中心；至于用户层面，智能驾舱需要具有语音、人脸以及指纹相结合的多种交互模式，准确理解驾驶员指令。在上面两种需求下，智能座舱都需要利用AI技术建立多模态语义理解/知识图谱等数据库，尽可能提高识别正确率。在表达层面，人类主要通过听觉及视觉接收信息，因此听觉数据建模、音频编解码等AI音效技术，以AR导航为代表的车道级高精度地图定位显示技术等都是AI助力智能座舱不可缺少的部分。

未来，产品差异化+软硬件升级是智能座舱发展的两大趋势：1）智能座舱的用户体验感强，依靠产品差异化吸引更多用户。智能座舱内的生物识别技术（视觉感知、语音识别等）改善了驾驶员以及乘客对于汽车人机界面的体验，而多屏互联以及视觉语音交互技术等成果提升了乘车驾驶体验。我们认为，主机厂通过提供上述易于感知的差异化功能，可以提高自身产品竞争力。2）人机交互终端硬件与软件双重升级是智能座舱升级的趋势。目前在消费者偏好改变、触控屏幕材质和技术提升以及GPU硬件性能提升的趋势之下，人机交互技术向多元化、人格化方向发展，同时交互终端及内容架构不断迭代优化。具体来看，硬件方面，屏幕将成为最主流的显示界面，并具有大尺寸、集成化与专用化的特点。此外未来智能座舱将会采用更加个性化、智能化的灯光和声效设计来服务于辅助驾驶功能。另一方面，软件的升级将会支持人机交互技术多元化、人格化。乘客将通过语音控制、人脸识别、手势交互，甚至是更先进的生物识别等多种方式实现交互体验。主动车联网语音服务或将通过语言语义学习们了解人的思维文化，并以此实现人格化人机交互。

图表：智能座舱升级趋势

资料来源：罗兰贝格，中金公司研究部

我们认为，芯片及人机交互软件助力智能座舱差异化：

硬件芯片成为竞争核心，“一芯多屏”或将成未来大趋势。芯片是智能座舱实现人机交互过程最为重要的硬件，电子电气控制单元会实时结合当前车辆运行状态向底层芯片传递数据，在此基础之上智能芯片计算出相应的调节控制方案。“一芯多屏”模式是指将驾驶信息、抬头显示、车载信息娱乐和高级驾驶辅助系统整合到单一芯片的多域控制系统中，此模式的应用解决了系统之间通信成本开销较高的问题，同时缩短了通信时间，因此，该功能的实现对芯片的功力和结构设计提出更高要求。目前座舱域控制器芯片形成传统汽车电子和消费电子厂商两大阵营。传统汽车电子参与者主要是德州仪器、NXP、瑞萨、英飞凌等，消费电子的参与者包括高通、英特尔、博通、英伟达等，消费电子领域的企业正积极向汽车领域拓展。

软件操作系统为智能座舱核心控制软件，国内企业纷纷布局定制化开发。智能座舱是实现人机交互的接入窗口，主要为车载信息娱乐服务以及为人机交互提供控制平台，是汽车实现座舱智能化与多源信息融合的运行环境。当前主流的车载操作系统包括QNX、Linux、Android、WinCE四类。目前基于智能座舱对软件能力的要求国内部分企业开始进行智能座舱底层操作系统的自研，或是在传统的Android、Linux等操作系统上进行相应改进以掌握软件研发能力。从竞争者来看，主机厂及Tier-1都有布局。

图表：智能座舱产业链全景图

资料来源：EOIntelligence，中金公司研究部

高级别智能驾驶落地任重道远

相比智能座舱，智能驾驶落地任重道远，尤其是L3及以上高级别智能驾驶应用。我们认为，高级别自动驾驶最大的优势和风险均来自系统对于人类驾驶员的替代，而商业化落地本质上是考虑自动驾驶系统对人类驾驶员的替代效用是否大于成本。我们认为，成本/风险主要来自于以下三个方面，一是当前自动驾驶的软硬件技术开发难度大，生产成本高昂。硬件上主要有固态激光雷达的量产和成本控制问题、高算力低功耗的AI芯片研发问题等。软件上高精度地图和高精度定位、复杂的感知识别决策控制算法研究等问题都亟待解决。二是由于软硬件设备的不足带来的行车安全问题，仅仅年一年，Tesla就发生了多起交通事故[1]。不仅仅是Tesla，Uber自动驾驶车也曾在美国亚利桑那撞倒路边女子致其死亡（年）[2]，小鹏理想等新势力车型也都出现过不同程度的智能驾驶失效问题[3]，我们认为行业现状与高级别智能驾驶（L3+）仍有一定距离。三则是监管与法规仍然有待完善。中国北京、上海以及美国加州等世界各地的智能驾驶道路测试仍然有限，还需要一定的时间才能积累足够数据进行相应的法律法规制定工作。

具体来看，自动驾驶中的环境感知、决策规划以及控制执行领域都离不开AI技术。1）感知处理是AI在自动驾驶中的典型应用场景。如行人检测技术、车辆检测技术中都用到了向量机算法，而线性回归算法、支持向量机算法、人工神经网络算法也常被用于车道线和交通标志的检测；在决策规划领域，状态机、决策树、贝叶斯网络以及深度学习等技术都得到了广泛运用。在控制执行领域，模糊控制算法、神经网络控制以及深度学习被用于自适应巡航，协同多车队列控制等多种ADAS功能中。

智能驾驶技术涉及感知、决策和控制三个方面，我们认为决策层能力的差异使主机厂智能驾驶技术呈现差异化：

在感知层面，智能驾驶技术主要涉及激光雷达、超声波传感器、摄像头等硬件生产与高精度地图的开发，由于这并不是主机厂擅长的部分，因此车企一般通过与博世、松下等零部件制造商或四维图新等地图服务提供商展开战略合作或收购来快速获得技术与产能；

我们认为，决策层中的计算平台硬件和软件开发是智能驾驶技术的核心竞争力，主要原因是其作为汽车智能化的大脑，负责消化感知数据、路径规划优化、执行信号输出，既实现全车资源综合，又对全车资源进行调配，是高级别智能驾驶技术成败的决定性因素。当前计算平台提供商分两类，一类是以NVIDIA和Mobileye为代表的消费电子生产商，另一类是以Tesla为代表的主机厂自研。我们认为，未来有实力的汽车厂商可以通过自建的方式打造领先的技术产品，而大众品牌和造车新势力则可以通过战略合作逐步构建自主驾驶系统，以减轻前期资金投入的压力，或者通过收购快速提升公司自动驾驶水平。而通信网络的基础设施建设投入大、技术开发难度高、规模效益明显，大部分市场由通信服务提供商和网络运营商控制，汽车厂商可以通过合作来建立这种能力。

在控制层面，我们认为网络安全防护大多是与专业服务商合作开发，未来可能成为标准化产品；而驾驶控制执行能力则是由各个车厂进行集成和控制，能力也相差不大。

图表：智能驾驶产业链全景图

资料来源：德勤咨询，中金公司研究部

*策产业双擎驱动，智能驾驶蓄势待发

我们认为，智能驾驶是汽车智能化应用中全面商业落地实现难度最高的一环，并不断经历着挫折。但我们也看到，在*策和产业双擎驱动下，智能驾驶正在走出黎明前的黑暗。从本章内容起，本篇报告的讨论重点将放在智能驾驶，特别是高级别智能驾驶（L3+）环节。

全球各地立法*策逐步完善，智能驾驶落地前景趋向明朗

为了规范市场，推动智能驾驶道路测试，全球各地*策不断得到完善。美国最早提出智能网联汽车概念，加州、内华达的相关法规*策制定迅速，但是各州之间*策缺乏协调性，全国性*策出台尚不明朗；日本在自动驾驶立法过程中更加注重安全问题，同时紧跟全球步伐，有望于年起应用联合国法案；欧盟方面，也有望于年起采用联合国法案，其中德国充当了领头羊的角色，近日《自动驾驶法》已获当地议院审议通过，有望成为世界第一部L4级驾驶法案；中国已针对自动驾驶制定了一定的纲领性文件，有关道路交通安全的法规修订工作尚待展开。

图表：全球各地对高级别自动驾驶适用法律法规情况一览

资料来源：AutoX，美国国会
转载请注明原文网址：http://www.13801256026.com/pgjg/3744.html