2020年汽车智能驾驶深度行业研究报告 - 信息谷 - ICITU

从技术角度分析，针对 L4 级别的智能驾驶虽然已经有了很多进步，但是其还只是处于试验研究阶段。面对情况复杂的开放道路，技术成熟度还未达到全面商业化运营的要求。2019 年，著名咨询公司 Gartner 在其报告中认为 L4 级别自动驾驶技术全面成熟还需要 10 年以上。

高等级的智能驾驶是智能交通体系的一部分，通过 V2X（车联网）技术汽车能够与道路信息、交通信号、其他车辆等周围环境联接为一体，形成“人、车、路”高效运行的交通体系。而在智能汽车内部，各种类型的传感器代替了人的眼睛与耳朵，感知着汽车周围情况；强大算力的控制器代替了人的大脑，决策着车辆行驶路线；响应灵敏的执行器代替了人的手脚，执行着智能大脑的命令。被“代替”的驾驶员则通过全新的人机交互环境，享受着智能的体验与服务。这是智能驾驶的愿景，也是定义各个子功能的发展目标。

在智能驾驶的演化路径上，Waymo、百度等高科技公司直接针对 L4 级别的智能驾驶进行研发，L4 级别的智能驾驶也常被称为无人驾驶或者全自动驾驶。谷歌 Waymo 从 2009 年就开了相关研究，其利用在 AI 算法领域的优势通过样车收集数据不断迭代自动驾驶功能。目前，Waymo 在该领域投入最大、积累数据最多、应用最全面。从技术角度分析，针对 L4 级别的智能驾驶虽然已经有了很多进步，但是其还只是处于试验研究阶段。面对情况复杂的开放道路，技术成熟度还未达到全面商业化运营的要求。2019 年，著名咨询公司 Gartner 在其报告中认为 L4 级别自动驾驶技术全面成熟还需要 10 年以上。

主流的汽车企业还是遵循着从 ADAS 级别功能导入为基础逐步向 L3 甚至 L4 级别的智能驾驶方向演进，其结合先进的传感器、计算平台等硬件不断迭代算法，完善自动驾驶功能，并扩展智能驾驶应用的场景。总体来看，当前 L2 智能驾驶已经较为成熟，正在向 L3 阶段发展。虽然部分汽车企业，如特斯拉、奥迪、小鹏等已经宣传开发出具备 L3 技术能力的智能驾驶汽车，但因为 ODD(Operational Design Domain: 设计运行区域)在法律及标准上还没有明确，其还更多以 L2+或 L2.5 作为产品来定义。

在 2020 年 2 月，由发改委等 11 部委发布的《智能汽车创新发展战略》中明确提出：“到 2025 年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网络（LTE-V2X 等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）在部分城市、高速公路逐步开展应用，高精度时空基准服务网络实现全覆盖。”

在商用车领域， L1/L2 级别的智能驾驶有望在法规、市场、技术的驱动下快速渗透。针对 L3/L4 级别的智能驾驶，更有可能在特定场景下实现商业应用，例如高速公路的长途干线物流，低速运行的封闭园区环境。特定场景，有可能降低技术开发的难度，同时对应的商业价值更加明确，有利于实现技术迭代与大规模商业化落地。

感知是指智能驾驶系统从环境中收集信息并从中提取相关知识的过程，通常包含环境感知和定位两部分。其中，环境感知（ Environmental Perception ， EP ）特指对于环境的场景理解能力，例如障碍物的类型、道路标志及标线、行人车辆的检测、交通信号等数据的语义分类。定位（ Localization ）是对感知结果的后处理，通过定位功能从而帮助汽车了解其相对于所处环境的位置。

感知是智能驾驶系统的基础。以摄像头为基础的视觉感知技术，因为成本较低，获取信息丰富，有利于大规模在汽车上应用。Mobileye 已成为感知领域的头部企业，其技术过去十年不断突破，其算法日趋成熟，芯片性能大幅提升，能够实现判断前方车辆、行人、安全距离、车道线等功能，满足了智能驾驶大规模应用的需求。根据 Moblieye 介绍其第四代算法芯片 EyeQ4 较上一代性能提升 8 倍，EyeQ 系列芯片累计发货超过 5000 万块。同时，毫米波雷达、超声波雷达技术在汽车上也应用得越来越成熟。

过去十年，随着深度学习为代表的算法在人工智能领域中应用，计算机科学又进入到了新的阶段。深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。它的基本特点，是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理(NLP)领域。其需要依靠大量的数据与硬件计算能力来完善功能。谷歌，百度等科技公司纷纷以 AI 技术为支撑，开发其无人驾驶汽车。而在计算硬件方面，英伟达（NVIDIA）、英特尔（Intel）等计算机行业公司则推出了一系列支持无人驾驶汽车应用的计算平台。2019 年末，英伟达推出的全新自动驾驶芯片 ORIN，其性能已高达 200TOPS（每秒钟一万亿次运算），已能够满足 L4 级别自动驾驶的要求。

车联网（V2X）希望实现车与车通讯（V2V），车与人通讯（V2P），车与路通讯（V2I），车与云端通讯（V2C）等信息交换。通过 V2X，车辆可以通过网络获取到更多的道路和其他交通参与者的信息，而不是仅仅通过自车的感知和预测，能做到这样的效果的确对自动驾驶帮助甚大，对于弥补一下感知能力的不足之处至关重要。

5G 通讯技术正在全球范围进行应用。对于智能驾驶，5G 的低延时、高带宽的特点，为 V2X 通讯网络提供了更全面的保障。当有低延时高带宽的基础设施支撑后，智能驾驶通过车端和云端的协同感知、计算能够发挥出更大的潜力。5G 时代的到来，将推动车联网功能（V2X）的扩展与应用，帮助智能驾驶完善功能。

传感器、计算机、通讯、电子等技术的发展直接或者间接的推动着智能驾驶技术的进步，智能驾驶领域也成为多产业融合发展的代表。在技术端，L3/L4 级别智能驾驶技术的成熟度依托于各部分技术的成熟度，体现为明显的短板效应。

ADAS（先进辅助驾驶系统）利用雷达、摄像头等传感器采集汽车周边环境数据，进行静态、动态物体的识别、跟踪，控制系统结合地图数据进行做出行为决策，使驾驶者觉察可能发生的危险，必要情况下直接控制车辆的刹车或者转向动作，可有效提升驾驶安全性、舒适性。

当前，ADAS 所涉及的主要零部件毫米波雷达、超声波雷达、摄像头、电动转向、电动刹车等已经在技术上成熟，实现了大规模量产与应用。ADAS 的功能与应用也越来越丰富，相关测评标准已经颁布。在国家标准（2019 年）《道路车辆先进驾驶辅助系统(ADAS)术语及定义》中给出了 36 项 ADAS 功能，包含 FCW、BSD、HMW、 HUD 等信息辅助类 21 项，AEB、ACC、LKA 等控制辅助类 15 项。

对于商用车领域，因为相关零部件成熟稍晚，ADAS 装配率还比较低。量产车辆集中在 L1 级别的功能，或者作为信息报警功能协助驾驶员，如 AEB，BSD，DMS， PCC 等功能已经开始前装搭载。随着商用车电控执行器（刹车、转向等）产品的成熟，ADAS 功能在商用上也会越来越丰富。

ADAS 系统是一个复杂的系统工程，不仅是增加雷达等传感器的问题，其涉及到整车架构、线束、人机交互、控制匹配等方面。ADAS 的车辆控技术是实现更高等级智能驾驶的基础。汽车公司需要根据法规要求实施的时间点提前进行技术研发和产品布局。更重要的是，ADAS 功能需要给用户提供实用的价值，如切实帮助安全行驶、能够进行效率优化等。

同其他很多汽车新技术一样，ADAS 的普及并不是一朝一夕的事。早期，由于 ADAS 没有规模化生产，整套系统价格不菲，主要搭载在中高端车型上。且部分 ADAS 功能操作复杂，用户认知度有限与体验不佳，在市场端存在“老手不会用，新手不会用”等问题，影响到了市场渗透。根据威尔森咨询在 2019 年的调查，中国消费者对智能驾驶的了解度和信赖度并不是那么高，但是他们的兴趣度非常高。可见，可靠并且能真正满足消费者需求的智能驾驶产品将会受到市场欢迎。

自动泊车入位（AP）功能需要通过超声波雷达、摄像头等感知车辆四周的环境，并控制车辆纵向（前、后）与横向（左、右）运动，是典型的 L2 级 ADAS 功能。我们以该功能为抓手，在易车网上收集了不同价位车型该功能的渗透情况，以分析 L2 级别功能在车型的渗透情况。我们发现，自动泊车功能在 30 万以上的车型配比较高已经超过了 30%，而在 10~20 万区间的车型中，自动泊车功能平均普及率为 5%。结合我国乘用车市场格局， 8~20 万的区间是销量的主力，占比达到 64%。我们推断当前该功能的整车搭载率依然低于 10%。同时，以长城、吉利为代表的自主龙头企业 AP 的搭载率已达到 10%以上，明显高于同价位的平均搭载率。由此可见，虽然乘用车 ADAS 渗透率一直在稳步提升，但是因为相关功能与体验未达到消费者的预期等因素，除了 AEB 等法规要求的基本 ADAS 功能，L2 级别的功能还主要匹配在中、高端车型，目前市场处于导入阶段。龙头自主品牌在智能驾驶领域更加积极，其希望以更加丰富的功能、更高的性价比的产品吸引消费者。

随着特斯拉的国产化，今年 3 月其国内销量分别达到 2620 辆、3900 辆、10160 辆，逆市大幅提升，国内纯电动车市场占有率已达到 20%以上。而在全球，特斯拉的销量也保持着稳步提升。除了纯电动属性外，特斯拉另一个重点就是其智能驾驶功能，与其他电动车的对比，其领先的自动驾驶功能是与其他品牌差异化的地方。在特斯拉官网，智能驾驶功能放在显著的位置，突出其未来驾驶概念。

所有全新 Tesla 车辆均标配先进的硬件，除支持目前已实现的 Autopilot 自动辅助驾驶功能外，将通过 OTA 软件更新，不断完善功能。环绕车身共配有 8 个摄像头，视野范围达 360 度，对周围环境的监测距离最远可达 250 米。12 个新版超声波传感器作为整套视觉系统的补充，可探测到柔软或坚硬的物体，传感距离和精确度接近上一代系统的两倍。增强版前置雷达通过发射冗余波长的雷达波，能够穿越雨、雾、灰尘，甚至前车的下方空间进行探测，为视觉系统提供更丰富的数据。目前，通过几十万车主的应用，Autopilot 已经累积了 20 多亿英里的道路驾驶经验。系统功能已包括：主动巡航控制、辅助转向、自动变道、自动泊车、车库召唤、自动驶入高速匝道、自动识别红绿灯、路标、环岛等复杂路况并自动控制等。同时，特斯拉引领的大屏幕车载中控，实现了更加智能的人机交互模式，极大的提高了驾驶体验。

当前，我国乘用车年销量 2000 万辆以上，L2 及以上智能驾驶功能的渗透率在低位，市场潜力巨大。特斯拉 Model 3 被认为有可能成为 iPhone 4 一样改变时代的产品，其功能强大的 Autopilot 在抖音、快手等社交媒体上已引起了广泛的讨论，带来了巨大的示范效应，有望成为智能驾驶功能全面普及的加速器。一方面，更多的用户将通过 Autopilot 熟悉智能驾驶，激发出消费者的需求。另一方面，更多的企业将智能驾驶功能列入必选行列，如新造车势力中的蔚来、小鹏汽车等均将智能驾驶功能作为其产品力的体现，这将推动着 L2 及 L2+的智能驾驶的在市场端的普及。根据 Marketstand 公司预测从 2019 到 2027，全球 ADAS 市场年均增速将达到 20.7%

商用车作为生产工具，投资回报比是客户价值的根本。在细分客户之中，个体用户更加看重初始购买成本，而团体客户多选择 TCO（全生命周期费用）作为其购买判断的依据。根据罗兰贝格测算，当前中国商用车市场总 TCO 规模为 7 万亿，其中能源成本（油费、尿素费等）占比 31%，管理成本（司机成本等）占比 14%。而针对附加值较高的长途干线物流牵引车来说，能源成本将达到 37%，因为需要连续驾驶，司机成本占比也将提高至 23%，成本总占比约 60%，也是用户的痛点。

智能驾驶的市场价值体现为对 TCO 的显著影响，包括：通过智能驾驶可以使动力系统运行得更加高效，降低油耗；减小了驾驶员的工作负担和对其驾驶技能的要求；减少安全事故，节约保险费用等。根据罗兰贝格分析，国内物流行业的头部用户集中度仍存在较大的提升空间。2017 年统计显示，中国快运行业 CR10 仅占 3%；美国 CR10 占比达到了 78%，市场集中度达到 55%。越是头部客户对于 TCO 更加重视，对于初始购买成本不会过分敏感，对智能驾驶功能的导入越积极。

目前，基础的智能驾驶功能已经在牵引车上以“智能动力链”的形式量产，并获得集团客户的认可。其利用车联网和地图定位，在高速公路上智能调节车速，实现发动机与变速箱的匹配优化，降低燃油消耗。

对于更高级别的智能驾驶，行业不约而同的看好干线物流场景。据蔚来资本测算， 2019 年干线物流的市场体量 4.37 万亿元。当前，中国重卡的保有量约 750 万辆，假定在市场成熟之后，L3 级别驾驶系统（在高速条件下进行自动驾驶）每套的价格为 10 万元，则市场总体量可达到 7500 亿元。并且该场景对智能驾驶需求刚性，技术要求相对较低，更有机会实现大规模商业应用。

智能驾驶主要功能包括环境感知、决策规划、控制执行等。从功能职责分析，零部件供应商负责提供感知相关的各类传感器，转向、制动等车辆控制执行器；整车企业自主或者与零部件 Tier1 供应商一起负责系统的集成，主要包括：数据融合、规划决策、车辆控制等系统功能部分。

对于 ADAS 级别智能驾驶产业链，其基本遵循着传统汽车电子产业链形式。上游主要为 Tier2/Tier3 供应商，负责提供元器件或者次要零部件；中游系统 Tier1 供应商通常以自己的优势产品为依托，整合次级 Tire2 供应商，为整车企业提供系统产品与服务；下游则为整车企业。从技术角度，ADAS 功能涉及感知、控制与执行等多个模块，需要深厚的系统集成能力，Tier1 供应商在一般扮演承上启下的角色，十分关键。

全球市场，在乘用车领域，ADAS 系统集成商数量较多，且基本为大型汽车零部件供应商如大陆、德尔福、博世，电装、奥托立夫等，前五名系统集成商占据全球超过 65%的市场份额。商用车 ADAS 的系统集成商集中度更高，威伯科、大陆集团与博世集团三家企业合计占有全球超过 60%的份额。

在国内，因为 ADAS 开发起步晚，自主整车企业更加依赖国际 Tier1 供应商，以确保功能开发的成功率。当前，全球前十位的 Tier1 供应商均为欧/美/日企业，缺乏世界级 Tier1 厂商是我国汽车电子产业的“阿喀琉斯之踵”，限制了国产汽车电子零部件进入整车体系。成为一流汽车电子 Tier1，除了必要的规模、丰富的产品线，还需要具备系统集成与服务能力。

智能驾驶达到 L4（自动驾驶）阶段，汽车行业将进入出行服务模式，整车厂商将不再是行业的下游。数据、共享经济和人工智能技术将打破过去成熟的金字塔式的汽车产业链结构。不同环节的企业相互合作，以实现最佳的经济效益为目标，使得数据、技术、资本得以在整个自动驾驶产业生态之中流动、循环。原本层级分明、体系封闭的汽车供应链将会重构，上游供应商将有机会利用其关键零部件、数据、算法等优势成为生态网络中的关键节点。

谷歌、华为、高通等信息技术与消费电子公司正在逐步向汽车电子产业链渗透，传统汽车行业将面临来新型行业的冲击。相对于消费电子，汽车电子对于安全性要求高，行业具有 TS 16949、ISO 26262、AEC Q100 等多种认证标准，认证周期较长，厂商进入整车厂配套体系至少需要 2~3 年的认证周期。未来已来，只是分布得不均匀。建议关注华为公司汽车产业布局，其有望带动国产汽车电子供应链发展。

2019 年，华为汽车事业部成立，其旨在成为未来智能汽车领域 Tier1，并从“端 (车)-管-云”三个层次全面布局。在车端，智能电动、智能驾驶、智能座舱布局包括了核心零部件产品，软件平台，系统方案，甚至包括开发与测试工具等。华为的布局体现了其对汽车行业早已经做过深入的研究，以“增量零部件”为目标，以其 ICT 能力为基础，“赋能”整车企业，成为下一代 Tier1 的战略目标明确。为了实现这一目标，华为一手抓住关键零部件，一手打造系统解决方案能力，既有广度也有深度，更容易与整车开展不同程度的合作。同时，华为也与本土上游、生态其他环节展开了合作，其中包括四维图新、中国汽研、航盛电子、宁德时代等。在华为的牵头下，更多本土零部件企业有望跟随其进入到整车体系之中，借华为的扩展而成长。

感知层的基本组成是各种类型的传感器，包括：摄像头、超声波雷达、毫米波雷达，激光雷达等。感知是智能驾驶的基础，在一辆能够实现 L2 及以上功能的车上需要搭载多种传感器，进行大量的冗余设计，才能确保产品的安全可靠。

智能驾驶渗透率提高与等级提升将带动传感器产业链发展。对于实现智能驾驶功能，各公司在传感器种类与数量选择上有差异，但等级越高搭载传感器越多是确定趋势。根据车型配置信息的相关统计，智能驾驶在 L2 需要 9~19 个传感器，包括超声波雷达、长距离及短距离雷达和环视摄像头，发展到 L3 需要的传感器增加到 19~27 个，可能需要激光雷达、高精度导航定位等。在特拉斯、蔚来、小鹏等造车新势力产品中，其智能驾驶功能均被作为重点产品力打造，配备了大量摄像头、毫米波雷达、超声波雷达等传感器。2020 年 4 月上市的小鹏 P7 XPilot 3.0 系统，其首发搭载博世第五代毫米波雷达，前置 4 个摄像头（1 个三目摄像头模块和 1 个前置安全辅助摄像头）、5 个增强感知摄像头、 4 个环视摄像头共 13 个摄像头，。在感知车辆两侧和后方情况方面，小鹏汽车用毫米波雷达+摄像头形成两套系统、互为冗余，实现全车 360 度无死角覆盖。同时，4 个环视摄像头用于 360 度影像和自动泊车功能的实现。

在零件价格方面，摄像头中，用于环视等的广角摄像头价格较便宜约 150 元/个，用于前视功能的单目及多目摄像头附加值较高，价格在 600 元/套以上；毫米波雷达 24Ghz 约 300 元/个；77Ghz 约 700 元/个；超声波雷达的价格在约 70 元/个。激光雷达由于造价较高，还只能用于试验阶段的无人汽车，尚未量产进入市场。

摄像头系统是 ADAS 核心传感器，在镜头采集图像后，由摄像头内的感光组件电路及控制组件对图像进行处理并转化为电脑能处理的数字信号，从而实现感知车辆周边的路况情况。其最大优势在于识别内容丰富（物体是车还是人、标志牌是什么颜色），且摄像头硬件成本相对低廉。

摄像头系统产业链环节包括：摄像头模组、芯片、视觉方案提供商（算法）、传统 Tire1 等。摄像头模组本身的壁垒并没有很高，摄像头背后的算法和芯片才是核心。一般而言，由从事环境感知的企业采购摄像头模组以及 ADAS 芯片，在芯片上实现算法软件的开发，其附加值可以达到 30%-70%以上。以 Mobileye 为代表的视觉公司已扮演二级供应商的角色，其与 Tier1 配合为 OEM 定义产品，掌握核心的视觉传感器算法，并向下游客户提供车载摄像头模组，EyeQ 芯片以及软件算法在内的整套方案。掌控芯片与软件算法等附加值更高环节，也是 Mobileye 能异军突起的核心原因。目前，Mobileye 其在前视摄像头解决方案领域，市场占有率达到 70%。

在芯片环节，目前用于 ADAS 摄像头的芯片多数被国外垄断，主要供应商有瑞萨电子（Renesas）、意法半导体（ST）、飞思卡尔（Freescale）、德州仪器（TI）、恩智浦（NXP）、富士通（Fujitsu）、赛灵思（Xilinx）、英伟达（NVIDIA）等，提供包括 ARM、DSP、ASIC、MCU、SOC、FPGA、GPU 等芯片方案。

毫米波雷达发射毫米波段的电磁波，利用障碍物反射波的时间差确定障碍物距离，利用反射波的频率偏移确定相对速度。毫米波雷达穿透雾、烟、灰尘的能力强，具有全天候（大雨天除外）全天时的优点。其缺点是无法识别物体颜色；视场角较小，需要多个雷达组合使用；行人的反射波较弱，难以识别。目前市场上主流的车载毫米波雷达频段为 24GHz（用于短中距离）和 77GHz（用于长距离雷达）。但是 77 GHz 在性能和体积上都更具优势，77GHz 的距离分辨率更高，体积比 24GHz 产品小了三分之一，是未来发展的趋势。

24GHz 雷达现在主要应用于盲点探测（BSD），市场需求来自中国品牌汽车型号；77GHz 雷达主要用于自适应巡航控制系统（ACC），有些公司也将其用于前向碰撞预警（FCW）和自动紧急制动（AEB）。根据中国新车评价规程（C-NCAP），自动紧急制动系统（AEB）已纳入评分体系， 77GHz 雷达需求将会上升。当前乘用车上，毫米波雷达主流采用“1+2+2”的方案，前向搭载 1 个 77GHz 的长距雷达，侧向和后向各搭载 2 个 24GHz 的中短距雷达。

根据华经产业研究院发布的《2020-2025 年中国毫米波雷达行业竞争格局分析及投资战略咨询报告》，2014 年至 2018 年，中国车用雷达市场从 14.7 亿元增长到 41.4 亿元，年复合增长率为 29.5%。毫米波雷达主要由大陆、博世、海拉等传统零部件巨头所垄断。77GHZ 雷达的开发难度更高，博世、大陆、德尔福（安波福）、电装、天合（采埃孚）等公司已经实现了量产搭载，且均具备整车集成搭载能力。

国内企业，华域汽车、保隆科技、德赛西威、森斯泰克（非上市）均在布局毫米波雷达包括：24G Hz 和 77GHz。目前，因为产品成熟度、客户集成能力等原因，本土企业的雷达产品并没有大规模上量。

在商用车领域，虽然市场规模较小，但近年来国家对“两危一客”等车辆有了 AEB 系统强制装配的要求，毫米波雷达系统需求刚性，有望为本土企业产品上量奠定基础。其中，华域汽车以其 77GHz 前向毫米波雷达产品为基础，开发出适应商用车的 AEB 系统，成为了 ADAS 系统集成商。目前，其雷达实现为金龙客车等配套供货，已适配 7 款不同的客车车型。

在车辆高速运动的场景下，地图定位的优势在于获得前方超视距的感知信息，以补充车载传感器的感知功能，为智能驾驶功能提供了决策与执行的时间余量。因此，高精度定位功能是实现智能驾驶的必要条件。等级越高的智能驾驶对定位及地图功能要求也越高，普通 ADAS 的定位精度要求为米级，具备 L3 功能的智能驾驶则一般需要厘米级定位。

安全可靠是智能驾驶技术成熟的前提。因为依赖单一传感器的定位方法存在场景失效的可能性，需要靠多种定位手段，互相融合冗余。小鹏 P7 XPILOT 3.0 自动驾驶辅助系统搭载了高德高精地图，同时配备双频高精 GPS、实时动态差分定位（RTK）以及超高精度惯性测量单元（IMU）定位硬件，将可以在全场景下实现分米级定位精度，可以大幅提升自动辅助驾驶在立交桥、隧道、地下车库等复杂交通环境以及雨雪雾等不佳天气的有效性。目前，依靠网络 RTK 定位+惯性器件（IMU）递推+高精地图的匹配定位，被行业认为是一种复杂条件下高精定位的较为稳妥方案。

惯性导航是使用惯性测量单元（inertial measurement unit, IMU），以加速度测量为基础的导航定位方法。IMU 由陀螺仪、加速度计等惯性传感器和导航解算系统集成而成。陀螺仪和加速度计是系统的核心器件,陀螺仪测量物体的角速度,加速度计测量物体的加速度。典型的惯导产品包含 3 组陀螺仪和加速度计,分别测量三个自由度的角速度和加速度,通过积分即可获得物体在三维空间的运动速度和轨迹。根据法国 Yole 公司的估算，随着高等级智能驾驶应用的需求，全球 IMU 市场到 2022 年规模将达到约 10 亿美元，到 2027 年达到 47 亿美元。

目前，以 GNSS+IMU 的高精度定位集成方案已经成熟。国内，华测导航、千寻位置等公司已经推出相关产品与服务。未来，各家自动驾驶公司对高精度定位模块的需求将向趋同化发展，当前预估大规模量产后价格在 4000 元左右。高精定位与地图市场价值将会随着 L3 功能智能驾驶的普及而显现，因为政策壁垒，其有望成为本土企业确定且能够高速成长的赛道。

底盘电子包括转向系统、刹车系统等，底盘的电控/电气化升级需求明确：一方面满足智能驾驶线控的要求，另一方面，刹车控制也是新能源车能量回收重要部分，直接影响电动车的行驶里程。

底盘电子系统主要包括：电动助力转向系统（EPS），智能刹车系统（IBS），以及将制动、转向、动力输出集成在一起的电子稳定系统（ESC）。在实现 L2 智能驾驶中，EPS, IBS, ESC 都将成为必须配置。目前，国内底盘电子市场基本上为国际零件供应商占据，特别是 Tier1 供应商有着巨大的优势。

国际供应商壁垒的形成原因包括：（1）制动与转向零部件直接关系到车辆安全，性能要求很高。其需要将机械件、传感器、控制器在零部件级别实现高度集成，并具备高可靠性。这需要长期的工程开发，积累大量测试验证数据以满足 ISO26262 等安全认证要求。

电动助力转向（EPS）系统主要包括机械式转向器、转矩传感器、电动机、减速机构、电子控制单元（ECU）以及车速传感器。当驾驶员转动方向盘时，转矩传感器将采集到的作用于方向柱上的转矩信号传给 ECU，ECU 再综合车速传感器信号，确定助力电机的旋转方向以及助力电流大小，并控制电机输出助力。EPS 可以很好地实现所设计的理想助力特性，给驾驶员提供良好路感，保证汽车低速时的转向轻便性以及高速时的方向稳定感。

智能刹车（IBS）的代表系统为博世的 iBooster。其剔除了真空助力泵，集成了各种传感器、控制器，使其体积更小，方便安装。在使用时，传感器会将刹车的行程信号传递给 iBooster 的控制单元，控制单元会根据信号计算出 iBooster 输出电机应该输出多少扭矩，这个扭矩会作用在一套齿轮机构上，通过齿轮机构将这个扭矩转化为刹车主缸的刹车力，再由这个刹车力改变刹车液压，最终控制刹车卡钳进行刹车。IBS 目前只有博世、大陆、采埃孚/天合具有完备的设计技术与量产能力。

（2）国际 Tire1 能够开发出 ESC 等系统解决方案，减轻了整车厂集成难度。其拥有丰富的产品线包括相应的传感器、执行器、控制，并应用长期累积的整车控制软件算法，形成了一套较为完整的解决方案。以转弯情况为例，为实现车辆平稳运行， ESC 需要计算汽车侧向力、纵向力等，再综合实现对转向角度、刹车动作、动力输出的调整，这需要可靠的控制策略及大量的路试标定工作，提高了技术门槛。

（3）零部件供应商本地化生产，实现了系统的成本降低。2019 年，博世在南京的 iBooster 生产基地已经投产，产能将达到 40 万件。其对于南京工厂产能的计划是按照 53%的年复合增长率增长，至 2024 年该工厂将达到 320 万件的产能。根据罗兰贝格的报告，电控刹车量产价格约为 2000 元，电控转向系统价格将在 2000 元左右。

国内厂商华域汇众、伯特利、拓普集团、亚太等厂商均有布局 IBS，ECS 等领域，易力达、豫北等企业也有 EPS 产品，德尔股份开发了 EHPS 主要用于商用车领域。在底盘电控领域，产业格局稳定，国内企业的产品大多还处于样车搭载阶段，能否形成批量销售还需要进一步观察。

动力控制包括动力控制、档位控制等。在乘用车上，无论是传统动力还是新能源，控制都为电子控制，但在商用车上，目前绝大部分还在使用 MT，AMT 等电控变速箱一直因为成本、超载、油耗等问题没有得到大规模使用，成为动力电子控制最后的缺口。

AMT 是在传统的手动变速箱 MT 的本体上增加自动换挡执行机构（档位、离合执行器等）与控制器（TCU），相对改动小、成本低。目前，ZF 等跨国企业已经开始在本土生产 AMT，国内企业法士特的 AMT 已完成了自主开发，有效降低了 AMT 成本。在治理超载的法规要求下，车辆行驶日趋规范。

在高速物流场景下，智能驾驶技术能够通过网联功能提前获取前方道路情况，对工况进行预判，以自动调整发动机的输出与换挡策略，保持动力总成工作在最佳经济区，这将显著提升车辆的燃油经济性，同时降低了对驾驶员工作强度和技能的要求。目前，该功能已经在福田戴姆勒的车型上实现了批量上市。在更高等级的智能驾驶中，通过 V2X 技术，还能够实现多车的编队行驶，通过减低后车的风阻实现油耗的进一步下降。这些功能实现均需要基于 AMT/AT 等电控变速箱完成。

因为干线物流对智能驾驶的需求刚性，头部企业一汽、东风、重汽、陕汽等均在布局从 L1 到 L4 级别的智能驾驶，预计到 2025 年智能驾驶卡车在干线物流领域占比将达到 50%以上。对应 AMT 市场端，假设单品附加值在 2 万元，AMT 的普及将带来每年 100 亿元以上的增量空间。潍柴动力控股的法士特公司在当前 MT 市场份额占比达 70%，AMT 的快速普及将是单品价值提升的机遇。对于潍柴集团，其有机会将发动机、AMT、整车控制系统一体化开发，实现智能驾驶功能的集成与优化。

汽车电子控制器（ECU）的作用是接收来自传感器的信息，进行处理，输出相应的控制指令给到执行器执行，控制器的反应速度、判断准确性至关重要。整车企业电控系统开发的主要工作（软件算法、匹配标定等）都依托于控制器完成。

智能驾驶汽车需要增加大量的传感器、执行器，对应的控制单元数量与功能也越来越复杂。目前，乘用车的 ECU 数量在已经达到 50~100，越来越复杂，整车企业的电子电气架构（EEA）由分布式向集中式升级已成为了必然。在 EEA 升级过程中，部分控制器的功能将被弱化，而另一部分控制器功能将进一步拓展升级为域控制，甚至是统筹全车的计算平台。

由于汽车电子硬件系统的多样性，ECU 软件的开发受到硬件系统的制约，每当需要更新硬件时，都会导致 ECU 软件重新编写或大规模修改，以及测试，导致了高昂的研发费用与漫长的研发周期。从市场的角度，软件与硬件绑定也限制了整车厂切换硬件供应商的权力。

目前，整车企业为了降低汽车控制软件开发的风险，提高软件复用度，主导推出了的汽车开放系统架构（AUTOSAR），其通过标准接口抽象化硬件，将整车厂应用软件（ASW）与底层软件（BSW）及控制器硬件进行分离。AUTOSAR 架构有利于车辆电子系统软件的交换与更新，能够在确保产品及服务质量的同时，提高了开发效率。当软件与硬件的分离之后，整车企业可以更加关注系统软件开发，完成功能集成；底层 ECU 将更加专注基本职能，并逐渐成为标准件，从而减小开发成本与难度，硬件模块供应商将会更加容易进入整车供应链。

汽车电子控制单元（ECU）产业链包括晶圆、封装测试、微处理器、控制器等环节。产业链高附加值部分在于车规级的微处理器，以国外公司为主。在国家大力提升自主可控的要求下，已经有苏州国芯等公司进入汽车微处理器领域，配套部分军品项目。科博达等国内企业已开发了符合 AUTOSAR 标准架构的控制器模块，成功对接整车架构平台。随着 AUTOSAR 在行业的普及，一方面，具备标准化软件架构能力的整车企业对于供应商选择与切换流程将会简化，国产控制器面临机会；另一方面，控制器硬件供应商可以通过与微处理器等元器件供应商绑定，更为容易的进入下游企业的供应链。

域控制器的出现体现了智能驾驶对整车功能的重新定义与整合，其将减小整车企业软件算法开发难度，方便功能扩展。域控制器因为有强大的硬件计算能力与丰富的软件接口支持，使得更多核心功能模块集中于域控制器内，系统功能集成度大大提高。而底层 ECU 的计算处理功能可以被弱化，执行层面功能得以保留，大部分传感器也可以直接传输数据给域控制器，实现信息的共享。在智能驾驶技术快速发展背景下，传统国际 Tier1 和国内供应商纷纷开发域控制器，以满足整车企业电子电气架构升级的需求。

各个整车企业的电子电气架构并不相同，域的划分也有区别。但一般都包括动力域、底盘域、自动驾驶域、座舱域/智能信息域和车身电子域。动力域主要包括发动机（电机）、变速箱等，底盘域主要包括转向、制动等，自动驾驶域包括传感器融合、决策规划等，座舱域是智能驾驶后对人机交互有了更高的需求，也是个性化功能如车载娱乐、屏幕显示等的总控制器，车身电子域包括雨刷、车窗等。

动力域控制器、底盘域控制器基本继承了原来车辆的动力控制、底盘控制功能，传统国际 Tier1 技术成熟，布局充分，集成能力强。且其与整车的驾驶安全直接相关，对模块功能安全要求等级高。在自主整车企业不具备对应集成能力情况下，难以成为本土零部件企业的增量机会。

随着智能驾驶系统对人机交互的需求，原先的车载仪表、中控、娱乐信息等系统将会整合为服务驾驶员与乘客的车辆座舱域，座舱域控制器作为统筹协调控制器用于实现“一芯多屏”的架构。相对于动力与底盘域控制器，座舱域控制器安全要求较低，同时，因其承载着用户交互的功能，整车企业对其功能掌控意愿较高，均希望将其作为产品差异化的抓手。作为增量机会，本土国内零部件企业具备更好的用户理解能力与服务能力，有望在此取得突破。

座舱域控制器通过以太网/MOST/CAN，将实现抬头显示（HUD）、仪表盘、导航、车载娱乐等部件的融合在一起，甚至可以进一步整合智能驾驶 ADAS 系统和车联网 V2X 系统，实现优化智能驾驶、车载互联、信息娱乐等功能。座舱域控制器的核心技术在于芯片，包括德州仪器的 Jacinto 7、NXP 的 i.mx8、瑞萨的 R-CARM3/H3、高通的 820A/835A 等产品，华为推出了麒麟芯片用于该领域。下游域控制器方面，除了传统国际汽车 Tier1 博世、安波福、伟世通等, 国内企业德赛西威、布谷鸟、华为等均已推出相关产品。

佐思产业研究基于整车量产计划，预计座舱域控制器市场将在 2021 年呈现快速增长。其认为，一方面智能座舱量产难度较小、成本相对可控，另一方面全球范围内汽车 5G 网络的应用将是智能座舱的重大推力。在此背景下，国产域控制器厂商有望跟随趋势迎来放量。