开云体育

2021年亚搏体育app智能驾驶行业研究报告
文章来源:开云体育 发布时间: 2022-09-25 浏览次数:1

   

  乘用车:2020年,我国乘用车产销分别为1999.4万辆和2017.8万辆。在智能化、联网化技术的推动下,智能联网汽车逐渐接力成为乘用车市场中的主要增长动力。

  商用车:2020年,严治超重、新老基建开工和国三汽车淘汰等因素促使商用车销量呈现大幅增长态势。

  壁垒:客户定点、技术、人才和质量要求给企业进入智能驾驶行业创造了较大壁垒,但同时也保障行业有序长效发展。

  市场规模:2021年,城区智能驾驶辅助系统市场规模约为58亿元;高速智能驾驶辅助系统市场规模约为247亿元;智能泊车辅助系统市场规模约为137亿元;矿区自动驾驶市场规模约为21亿元;港口自动驾驶市场规模约为2亿元。

  国内主机厂:传统主机厂辅助驾驶产品推进节奏相对保守,新势力车企规划布局较传统车企更具前瞻性。

  国内一级供应商:传统供应商从零部件供应逐渐转向自动化、智能化产品开发;高成长、高潜力的初创公司多聚焦整体解决方案。

  乘用车辅助驾驶:智能驾驶技术不断成为行业标配,单项功能逐渐下沉至低端车型。

  多传感器融合:为了有效使得汽车感知系统形成冗余、互补,多传感器融合已成为众多主机厂提高智能驾驶能力的技术之一。

  汽车作为国民经济支柱产业在整个制造业乃至中国经济的转型升级中都扮演着重要的角色。中国汽车产业走完“十三五”最后一年取得了远超预期的成绩。2020年,在新冠疫情的压力下中国车企迅速恢复活力,全年完成销量2531万辆,同比降幅收窄至1.9%,销量继续保持全球第一,体现出我国汽车产业的强大韧性和内生增长动力。

  亚搏体育app

  随着智能化、自动化技术不断成熟,汽车产品正在向智能移动终端转变,而智能化技术也将在“十四五”期间为中国汽车提供重要的竞争平台,帮助汽车产业实现飞跃式发展。然而半导体短缺影响,今年销量或与去年持平,同时不排除负增长的可能性。长期来看,我国汽车销量的增长仍将持续。

  智能驾驶技术的发展不仅将改变多年来人类驾驶车辆的行为习惯,更重要的是将在交通安全、运输成本、用车效率和空气污染等方面推动整体社会的发展和进步,亚搏体育app登录入口是一场由工业领域和交通领域共同拉动的产业革命。在智能驾驶和未来智慧交通的影响下,整体交通运输的方式将朝向安全、高效、绿色的方向不断转变;道路空间、运输成本、人力需求将不断释放,转而产生更大的社会效益。

  智能驾驶采用不同类型的传感器,实现车辆对周边道路、行人、障碍物、路侧单元及其他车辆的感知,在不同程度上实现车辆安全、自主、智能驾驶,是人工智能在汽车领域融合的重要方向。由实现驾驶自动化的硬件和软件所共同组成的系统被称为驾驶自动化系统(下文简称“系统”)。目前,世界各国对智能驾驶的理解和分类基本一致,中国《汽车驾驶自动化分级》基本参考了SAE J3016TM的分级。L0级别系统仅提供预警类功能,车辆控制完全由驾驶员掌控,因此属于辅助预警。L1~L2级别系统可接管少部分的、不连续的车辆控制任务,属于高级别辅助驾驶范围(AdvancedDriving Assistance System,简称“ADAS”或“辅助驾驶”)。而L3~L5级别系统可以在激活后的一定情况下执行连续性驾驶任务,因此属于自动驾驶范围。但L5级别的完全自动驾驶由于技术、法规、政策、标准和道德伦理等问题,其短中期的可行性较低,因此目前L4为可行性较高且落地性较强的高级别自动驾驶等级。在责任判定方面,L2及以下级别辅助驾驶仅仅给驾驶员提供辅助功能,驾驶员仍为责任主体;L3及以上自动驾驶在开启自动驾驶状态下出现的事故,应确定驾驶人或系统开发单位责任;而目前辅助驾驶功能仅在特定情况下代替人类驾驶,同时紧急情况时需要人类及时接管,因此在权责认定、法律法规和产品形态方面仍然存在一定争议。

  自2015年《智能制造2025》政策出台后,我国先后制定了一系列推动智能驾驶汽车、智能联网汽车发展的鼓励政策。其中《车联网(智能网联汽车) 产业发展行动计划》指出到 2020 年车联网用户渗透率达到 30%以上,新车驾驶辅助系统(L2) 搭载率达到 30%以上,联网车载信息服务终端的新车装配率达到60%以上的行动目标。政策的频频出台展现了我国对于智能驾驶行业及相关企业的重视和支持,为我国智能驾驶相关产业的发展提供了良好的政策支持和相关保障,也有助于整体汽车行业智能化的转型升级。同时,我国《道路交通安全法》近十年未曾修订,而2021年的修订建议稿中加入了智能驾驶相关责任认定的描述,将成为消费者权益和交通安全的有力保障。

  我国智能驾驶标准化工作正在有序开展,对系统功能、性能要求和检测办法等进行不断规范,为我国智能驾驶产业的规模化与高质量发展提供了基础。《汽车驾驶自动化分级》已于2021年8月20日正式发布,将于2022年3月1日开始实施;《智能网联汽车自动驾驶数据记录系统》、《汽车整车信息安全技术要求》和《汽车软件升级通用技术要求》三项国家强制性标准已发布立项公示;标准的出台标志着我国智能驾驶标准的逐渐完善,也意味着智能驾驶行业的逐渐成熟与规范,同时也为智能驾驶技术的商业化落地提供重要的先决条件。

  随着智能驾驶功能不断增多,信息传输量不断增加,传统的分布式构架难以满足多个零部件和ECU之间的协同,域/跨域集中式架构逐渐成为智能驾驶汽车的主流,可赋予汽车更复杂的智能驾驶功能和更便捷的OTA升级,极大程度上促进智能网联汽车的发展。

  交通安全始终是出行环节最重要的考虑因素,最初的驾驶自动化功能主要是帮助驾驶员降低事故发生率,如汽车主动安全技术AEB(Autonomous Emergency Braking)便是辅助驾驶功能的早期形态。目前,各大主机厂量产车辆辅助驾驶等级大部分为L1和L2,并逐渐向L3演进。而部分科技公司则采取高举高打的策略,直接研发L4级别自动驾驶,并在部分城市路段或特定场景下进行测试,如城市郊区道路、部分高速公路/快速路、园区等。

  在汽车智能网联化的变革中,汽车电子、软件、算法等价值将因智能驾驶技术而显著提升。先进的通讯、计算机、人工智能等技术不断应用在智能驾驶汽车中,成为愈加重要的生产要素。预计2020年我国新车辅助驾驶渗透率(L1+L2)约为32%,L1、L2级别新车占比分别约为20%和12%左右。

  周期性:汽车属于大宗消费品,且具有可选性和耐用性,宏观经济的变化对于汽车消费周期有着较为明显的正相关性。

  我国宏观经济情况对汽车市场存在较大影响。除2008年经济危机外,我国宏观增速较快时汽车销量也有较大增长,反之亦然。因此宏观经济与汽车市场呈现较为明显的正相关性,从而对智能驾驶的增长性产生一定影响。

  季节性:历年来我国汽车销售的季节性明显, 11、12和1月属于消费旺季,而2月与6到8月是传统的消费淡季。车企有计划的调整产量和供应链,进而对智能驾驶相关产品供应也产生相似影响。

  我国汽车销售存在明显的季节性消费特征,11、12、1月是全年销售最旺的季节,2月因春节影响遇冷,6至8月是传统销售淡季。之所以具有季节性,主要是气候,社会人文和节假日等多重因素共同作用于车市供需双方的结果。而对于智能驾驶供应商而言,此季节性由于供应周期会提前2个月左右。

  地域性:由于集群效应我国车企已产生六大产业集群。相似的,零部件和智能驾驶企业也集中在我国中东部地区。

  如今,我国已形成长江三角洲、珠江三角洲、环渤海地区、东北地区、华中地区和西南地区为主的汽车产业六大集群。而智能驾驶供应商和零部件供应商为更好的服务车企,其生产基地也会不同程度的靠近车企所在地,主要集中在长三角、珠三角、环渤海和华中地区。

  越来越多的企业正在向智能驾驶方向布局,加之百度、小米在内的互联网企业的进入,此领域不断受到资本青睐。但对于新入者而言,智能驾驶的行业壁垒不容忽视。一方面企业面临较长的客户验证周期,另一方面企业又要跨过技术先进性、人才招募和产品质量的考验,同时部分企业还面临着资金压力。因此,有能力打破壁垒并建立自身优势的企业才能在行业中取得领先地位。

  环境感知:障碍物检测是感知层中的重要内容,是实现智能驾驶功能的前提。利用多种传感器及V2X等技术获取汽车所处环境信息和周边车辆、行人、交通信号灯和路标等信息,为汽车的综合决策提供数据支撑,解决“我在哪”的核心问题。

  决策规划:通过环境感知的结果进行数据融合,结合高精地图数据确定合适的工作模型,决定相应的轨迹规划方案,以达到替代人类作出驾驶决策的目的,将智能汽车以拟人化的方式融入整个交通流当中,解决“我去哪”的核心问题。

  控制执行:通过驱动、制动、转向等达成车辆的横向及纵向控制,使汽车精准地按照决策规划实现有效的避让、减速、车距保持、转向等动作,解决“我该如何到达”的核心问题。

  环境感知是实现智能驾驶的第一环节,智能驾驶车辆通过各类传感器如摄像头、毫米波雷达、超声波雷达、激光雷达等获取车辆周边信息,产生图片数据、视频数据、点云图像、电磁波等信息,去除噪点信息后利用不同类型数据形成冗余同时提升感知精度。对于不同级别智能驾驶汽车和驾驶任务而言,需要的传感器类型、数量和性能也有所区别。因此在量产车辆当中,感知传感器及方案的配置以需求为导向,有针对性的选取合适的传感器和感知方案的组合,实现功能、效用和成本之间的最优解。

  决策规划是智能驾驶构架的第二步,依据获取的信息进行决策判断,选择适合的工作模型,制定相应的控制策略,替代人类做出驾驶行为。同时这部分功能也执行预测任务,例如在车道保持、车道偏离预警、车距保持,障碍物警告等系统中,需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态。

  控制执行是智能驾驶的第三步,智能驾驶汽车的各个执行系统通过总线与决策系统连接,根据决策规划出的轨迹进行有效、稳定、安全的行驶,同时在过程中实现变速、转向、变道、超车等操作,并保证乘坐的舒适性。控制执行技术主要分为车辆的横向控制和纵向控制两大部分。横向控制即转向控制,保证汽车在规划的路线上正常行驶,在不同车速、路况条件下保证转弯的有效性和乘坐舒适度。纵向控制可以对危险情况作出紧急处理,最大程度上避免交通事故的发生,还可以在安全的前提下缩短与前车的距离,提高交通运行效率。

  全球智能驾驶产业链逐渐成熟,上游主要由各类传感器、芯片、算法、高精地图等产业组成,其中芯片技术长期掌握在国外厂商手中;然而我国芯片产业不断成熟,预计在十四五期间将迎来技术突破,华为、地平线等企业逐渐发力不断抢夺市场份额。与此同时我国涌现一批专注于智能驾驶解决方案的科创企业,有望通过智能驾驶技术完成弯道超车。处于中游的主机厂通过自主研发或合作研发的方式不断开发智能驾驶产品并制定研发计划。由于智能驾驶技术升级和运营而衍生出的服务市场将在产业链中占据愈加重要的地位,车辆逐渐拥有更加自主化的驾驶能力,无人配送车、无人网约车运营及工程车辆的运营和改装将帮助企业在运输环节降本增效。

  随着车企对车辆辅助驾驶功能的推广,汽车电子化、自动化水平的不断提高,ADAS功能渗透率不断上升。同时,在城区范围的TJA和AEB功能可解决驾驶员在交通拥堵下的痛点,提升驾车时的安全性。由于城区场景的复杂度较高和目前的法规、技术和落地性等问题,专门为城区场景开发的ADAS功能较少,预计相关法规出台后L2及L3级别适用于城区场景下的功能将不断丰富,装车量逐渐增多。在目前的法规状况下,艾瑞测算,2021年城区智能驾驶辅助系统市场规模约为58亿元,增长率达33.5%。

  高速场景的半封闭性和较低的路况复杂性使得驾驶员更加愿意使用辅助驾驶功能,消费者接受度较强,实用性较高,其装车量有望不断提升。艾瑞测算,2021年高速智能驾驶辅助系统规模约为247亿元,增速达31.8%;随着装车量的不断提升,在2025年市场规模有望达到490亿元。

  市场方面,RVC倒车影像逐渐成为新车标配,同时正在被AVM等功能不断侵蚀。AVM和APA泊车辅助功能在现阶段可满足大部分消费者需求,其装机量将不断提升,同时正在从高端车型向中低端车型渗透。HPP和AVP等L3+泊车方案常作为高端车型的选装配置或中低端车型的高配版,目前装配率较低,未来市场存在较大增长空间。

  同时政策方面也对智能泊车辅助的发展给与了明确支持,《新能源汽车产业发展规划(2021~2035)》中提出引导汽车生产企业和出行服务企业共建“一站式”服务平台,推进自主代客泊车技术发展及应用。随着主机厂对于辅助泊车的加速量产和升级迭代,预计2021年中国智能泊车辅助系统市场规模约为137亿元。

  由于“一带一路”倡议、智能矿山、安全矿山等发展趋势,包含矿用车在内的工程机械在目前的宏观周期中处于上升态势,“十四五”期间更是矿用车的黄金发展周期。而自动驾驶矿用车可以减少人工成本,最大化保障矿区安全,是实现“人少则安,无人则安”的重要途径,也将迎来难得的发展机遇,目前已有多座矿区专门划出试验场地进行测试,预计2023年左右开始规模化放量。由于矿用自卸车寿命可达15年左右,每年增量仅在几百台不等,因此自动驾驶新车增长空间有限,其存量改装市场更应该值得重视。而宽体自卸车则改装价值有限,在前装市场中存在较大价值。艾瑞测算,2021年矿区自动驾驶市场规模约为21亿元,“十四五”期间有望达到80亿元。

  目前自动驾驶集卡处于小规模试运营阶段,预计2023年将逐步实现大规模运营从而助力港口的智能化建设。在价格方面,由于自动驾驶研发成本较高,软件开发成本在短期内难以下调;而自动驾驶成本有望通过硬件和传感器成本的下降而存在小幅度降低。在市场层面,原有的手动挡内集卡由于AMT协议的封闭性和改装成本高等问题难以批量改装,同时改装后的安全性、稳定性难以保证,因此自动驾驶内集卡将集中在未来的增量市场。艾瑞测算,2021年港口自动驾驶市场规模约2亿元,到2025年有望经历10倍左右的规模增长。

  为适应汽车智能化、网联化的发展特征,亚搏体育官网入口app主机厂也开始加大智能驾驶技术的研究以建立行业壁垒。然而,一方面主机厂在自研的同时会将ACC、AEB、LKA等较为标准化,技术较为成熟的功能交于一级供应商开发;同时,部分主机厂从研发投入、技术能力等多维度考量,同时希望产品快速推向市场,也会将较为实用的AVM、APA等泊车功能交于一级供应商,从全球范围来看,目前约80%的主机厂会将APA功能交给一级供应商开发。另一方面,由于芯片和核心算法在智能联网汽车中的重要性不断提升,而部分二级供应商在此类领域较为专注,部分主机厂也会跳过一级供应商直接与二级供应商建立联系以保证核心生产要素的供给。因此,在汽车产品向智能网联化变革的过程中,各类企业间的关系正在从传统链式转变为网状生态,企业专长和定位不断清晰,以协同共建的方式促进智能驾驶产业链的重塑。

  数据闭环:智能驾驶能力取决于高效的数据闭环和数据的利用效率,利用大量的有效数据训练智能驾驶算法,使其能够处理更多、更复杂工况下的驾驶任务,形成数据闭环后可以打通采集数据、构建数据集、算法训练、算法测评的链路,不断提高智能驾驶能力;同时数据闭环也将在智慧交通、智慧城市等层面产生更大的价值。

  软硬件解耦:提供接口清晰、兼容性强、经过大批量测试的可移植化方案,可适配大部分控制器、芯片和传感器的方案,实现软硬件分离设计,帮助车企缩短产品上市时间,减少开发工作,并可从同一组组件中开发出更多产品,降低开发成本,提高产品质量。

  硬件自研量产:市场中所售硬件同质化较为严重,且单点技术难以形成壁垒。有能力的智能驾驶企业开始自研硬件,可以通过自研硬件和算法的结合对原始数据进行更多的把控,增强感知数据融合效率,提升企业智能驾驶解决方案的安全有效性。

  国外玩家在行车功能领域深耕已久,国内企业在重压之下开启了国产替代之路。国内玩家中德赛西威、经纬恒润和东软睿驰等玩家凭借出色的技术能力拿到多家主机厂量产订单,拥有了先发优势和丰富的量产经验。其他玩家则进入量产环节较晚,其产品稳定性仍有待市场验证。然而如华为等科技企业正在不断入局,其行业影响力和技术能力或为其带来较大的竞争优势。

  国际主流供应商更为关注前向Driving ADAS功能,同时新产品研发较为谨慎,需要较长的研发周期,因此国内供应商和主机厂在泊车领域存在更多机遇,在高阶智能泊车AVP功能上尤为明显。纵目科技、百度和德赛西威等处于行业领先地位,其拥有较为丰富的量产经验,产品稳定性和可靠性,拥有软硬一体化能力,已获得多家主机厂量产定点并有搭载其智能泊车系统的乘用车批量上市。其他玩家同样拥有核心能力,但相对缺乏乘用车量产经验,进入市场较晚。由于整体智能驾驶汽车市场上行,泊车功能渗透率不断升高,整体行业仍有较大的发展空间。

  随着辅助驾驶功能逐步量产,乘用车辅助驾驶系统不断成为行业标配,单项功能逐渐下沉至低端车型,2020年乘用车辅助驾驶渗透率约32%左右,预计2025年渗透率或达到65%。2020年L1级别占比最高,约20%左右;L2级别车辆占比约12%。但L1级别功能并未发挥出硬件的最大效用,加之L2的快速渗透和成本的降低,预计仅搭载L1级别功能的乘用车将逐渐减少,未来L2级别功能将逐渐取而代之。同时随着智能驾驶相关上路法规的不断完善,L3级别有条件自动驾驶乘用车有望在2023年开始逐步落地。

  低速、封闭、固定路线和不载人的特征助力高级别自动驾驶在部分场景下加速落地

  乘用车方面,由于自动驾驶法规、技术、场景复杂度等限制,严格意义上的L3等级以上自动驾驶短期内落地仍有一定难度。但自主代客泊车具有低速、场景封闭、固定路线和不载人的特征,同时可帮助车主减少停车时间,有望成为乘用车中最快量产落地的高级别自动驾驶功能。而在商用车方面,矿山、港口、机场等场景拥有同样的特征,同时可帮助企业降低人力成本,保障人身安全,将更多的人参与到价值更高的工作当中,因此短期内落地性较强。

  随着智能驾驶级别的提升,车辆所需要的传感器也越发多样化,为了应对不同的场景和保证车辆的安全保证,多传感器融合成为行业趋势。多传感器融合技术是对信息的多级别、多维度组合导出有用的信息,包含图像信息、点云信息等,不仅可利用不同传感器的优势,还能提高整个系统的智能化。随着多目摄像头、79GHz毫米波雷达、深度视觉算法和增强型学习决策算法等技术的发展,为了使得汽车感知系统形成有效互补,多传感器融合已成为众多主机厂来提高自身智能驾驶能力的技术之一。

  国家和地方政策频出:频频出台的国家政策已经表明国家对于智能驾驶行业发展的支持,并将其作为汽车产业转型升级的重要方向,为我国智能驾驶汽车的可持续发展奠定了基础,预计“十四五”期间将是智能驾驶行业的快速发展时期。

  国产化进程加快:智能驾驶零部件及解决方案国产化脚步加快,部分国内智能驾驶企业开始展现出竞争优势,逐渐进入国内外车企的供应体系;对于同等性能的零部件而言,部分国内车企更趋向选择更了解中国市场的国内供应商。同时由于疫情影响和国际局势等因素,国外供应商与国内车企的合作存在一定不确定性和风险,导致国内车企通过更多的与国内智能驾驶企业合作来降低对国外供应商的依赖,提高国内汽车产业供应链的稳定性。

  车联网快速发展:车联网可以为智能交通系统提供基础网络,也为智能驾驶提供决策来源。车联网可采用5G作为基础通讯手段,打通汽车行驶数据、道路规划和实时交通数据,延迟时间可降低至1毫秒,可满足更高级别自动驾驶对于延迟的要求,在整体交通规划和智慧公路方面为智能驾驶的规模化发展提供了有力支持。

  测试道路逐步开放:车辆路测规模直接影响智能驾驶技术的发展。《智能网联汽车自动驾驶功能测试规程(试行)》中提出各检测项目对应的测试场景、测试规程及通过条件。目前我国已建立至少20个智能联网汽车测试示范区性并形成区域性互补;北京、上海、长沙、广州等城市已经颁发上百张路测牌照,公开道路中的各类环境和场景均为真实情况,有助于智能驾驶车辆在量产落地前的验证。

  法规:智能驾驶相关法规的建立落后于技术的发展,仍然存在互相矛盾和法律空白问题。尤其是在众多参与方(驾驶员、车企、智能驾驶开发商等)的情况下,对于智能驾驶车辆交通事故的分析和权责认定机制尚未完全形成。同时,在发展到更高级别的自动驾驶水平时,系统决策也可能出现社会伦理道德风险,现有的保险制度也较难适用于自动驾驶车辆。

  技术:由于城市工况、道路设计、天气、行人等在不同时间、不同区域差别较大,因此全场景自动驾驶技术难度远超预期。L3较L2级别的数据处理量呈指数级增长,对于芯片、传感器、软件、电子电气构架等都有着较高要求,任一环节的技术滞后都难以实现自动驾驶的落地,因此更高级别的自动驾驶落地在技术层面也面临较大挑战。

  场景:智能驾驶在各类场景下落地时均存在一定难度。如港口自动驾驶集卡停靠位置需要较高的精准度;机场由于保密原因难以采取高精地图提升自动驾驶能力;高速场景因政策限制导致实验规模不足;城区场景暂时难以解决所有corner case。各场景下难点的解决方案也成为行业发展的主要挑战。

  成本:智能驾驶企业需要在前期投入较大的研发成本和人员成本才能保证智能驾驶功能的更新迭代,其中包含传感器研发、底层算法、ADAS算法等,此过程相对较长且具有一定市场风险。拥有可靠技术和产品创新的企业才能持续保持较强的市场竞争力。


开云体育


最新新闻