智能汽车：引领汽车智能化革命的时代
发表时间：2023-11-19 07:04:34
文章来源：炫佑科技
浏览次数：133
菏泽炫佑科技
智能汽车：引领汽车智能化革命的时代
1 变革：现在是智能汽车革命时代
1.1 回顾：汽车产品的变革本质上是对“人类解放”的追求
智能驾驶和智能座舱/车联网本来是两条完全独立的技术路线。 经过近一百年的技术发展，它们终于在21世纪初融合在一起，创造出了智能汽车。 当前是智能网联汽车发展的关键窗口期，已成为行业共识。 未来，硬件将逐渐融合，汽车将由软件定义，数据将成为主要驱动力。 智能汽车领域蕴藏着巨大机遇！
1.1.1 智能驾驶：自动驾驶技术持续迭代，智能化转型已开始
20世纪：视觉设备取代无线电设施，高速公路智能转向车辆智能。 早期的无人驾驶汽车主要是通过无线电技术实现的。 早在1910年代，就出现了采用电子电路和感光硒光电管的自动导引车。 20 世纪 20 年代，出现了无线电控制汽车。 在1930年代的世界博览会上，通用汽车提出了“电子高速公路”的自动驾驶理念，从此受到大众的欢迎。 1958年，在重建的高速公路上首次实现了前后距离。 保持和自动转向功能。 20世纪70年代，由于成本因素，电子高速公路逐渐被汽车制造商放弃，转而利用视觉设备进行自动驾驶实验。 他们为车辆配备传感器、计算系统和控制系统，赋予车辆“视觉”、智能和自动化能力。 ，使车辆能够在结构化道路上实现自动驾驶。 自动驾驶技术的发展方向从*初的道路智能转向车辆智能，从而开启了自动驾驶的新篇章。 20世纪80年代和90年代，军队、大学和汽车公司开始进行无人驾驶技术的合作研究，典型的包括自动驾驶汽车、项目以及无人驾驶原型机ARGO。
21世纪：科技竞争推动智能化变革，自动驾驶技术迭代推陈出新。 21世纪以来，在DARPA挑战赛的推动下，全球ICT公司和硅谷初创公司纷纷加入智能汽车的研发，传统汽车产业的“智能化”改造已经开始。 Boss是2007年DARPA城市挑战赛的**名车辆，集成了商业线控系统，由计算机控制，利用电动机实现自动转向、制动和变速。 Boss配备了激光雷达、摄像头、雷达等十多个传感器，以及由感知子系统、运动规划子系统、路径规划和行为规划系统组成的软件系统。 它构成了当今自动驾驶汽车的基础。 原型。 2018年，谷歌旗下Waymo自动驾驶网约车服务产品Waymo One推出，正式推出商业自动驾驶出行服务。 2019年，特斯拉发布了搭载自研自动驾驶芯片的自动驾驶计算平台，自动驾驶技术不断发展。
中国智能驾驶的发展：从20世纪80年代开始，L2+、L3级别已投入量产，特定场景下可实现L4级别。 20世纪80年代，中国自动驾驶技术研发正式启动。 八五期间，我国**款能够自动驾驶的测试样车——ATB-1型无人驾驶汽车研制成功，行驶速度可达21公里/小时。 目前，我国自动驾驶汽车量产处于L2到L2+阶段。 L3级别的产品也开始出现，深圳、上海等城市也逐渐放宽了对L3上路的监管要求。 与此同时，一些公司也在矿山、港口、停车场开展业务。 特定场景下可以达到L4级别。 随着通信技术、算法、算力、传感器的进步，以及基础设施建设和监管法规的逐步完善，中国自动驾驶市场的渗透率将不断提高，推动更高级别的自动驾驶汽车进入市场。市场。
1.1.2 汽车定位转向“第三生活空间”，智能座舱将成为核心载体
自动驾驶与智能座舱共同推动传统汽车智能化转型，改变其原有作为单一交通工具的定位。 智能时代带来娱乐方式和用户体验的升级，汽车从单纯的交通工具转变为生活伴侣，进一步解放生产力。 未来是数据驱动的时代，信息处理能力也将成为汽车的核心能力。 智能汽车将不断改变用户原有的用车习惯，提升用户的驾驶体验和内容体验。 逐步引入L3级及以上自动驾驶，逐渐解放驾驶员的双手； 车载音响、顶篷、氛围灯、HUD、智能座椅、大屏等智能座舱配置不断增加，让车辆从简单的驾驶空间走向室外空间。 拓展办公/会议空间、个人休闲娱乐空间、宾客社交空间，打造家庭、公司之外的第三空间。
智能座舱正在从被动执行向主动服务演进，未来将演变成“第三生活空间”的核心载体。 纵观汽车座舱的发展历史，汽车座舱的发展趋势可分为三个阶段（被动执行、主动服务、生存空间）、五大类（机械时代、电子座舱、智能助手、人机协同）驾驶，第三个三个居住空间）。 不同阶段之间的演进意味着新硬件需求的变化，以及商业模式的改变和颠覆。
机械时代：汽车驾驶舱设计仅围绕汽车作为单一出行工具。 现阶段座舱产品主要包括机械仪表板和简单的音频播放设备，功能结构单一。 它们只提供车速、发动机转速、水温、油耗等基本信息，并且基本都是物理按钮的形式，需要车主在驾驶时低下头来操作。 很容易造成安全隐患。 电子座舱：车载电子产品逐渐增多，人机交互系统亟待集成，从而催生了电子座舱领域。 互联网和电子行业的繁荣，将交互体验蔓延至汽车座舱，中控屏、HUD、液晶仪表盘等产品应运而生。 传统座舱域的各个系统像一座孤岛一样分散，无法支持多屏联动等复杂功能。 这就是电子驾驶舱领域诞生的原因。 2018年，伟世通和安波福先后向市场推出了两款电子座舱域控制器解决方案。
智能助手：多模态交互技术逐步落地，“车对人”主动交互，减轻车主交互负担。 随着计算机视觉、语音交互等技术的发展，视觉、语音等多种模式融合的多模态交互技术逐渐在座舱中得以实现。 汽车上部署大量传感器，是为了更好地认识和理解人，实现主动的“车与人”交互，减轻驾驶过程中“人与车”交互的负担，提升交互体验。 人机协同驾驶：可通过座舱域控制器直接调用自动驾驶服务。 由于座舱域、动力域和底盘域相互融合，座舱域控制器可以参与动力域和底盘域的控制，从而直接调用自动驾驶的驾驶服务，控制车辆的行驶，形成人机协同驾驶。 。 第三生活空间：汽车应用场景更加丰富，智能座舱是实现“第三生活空间”的核心载体。 与其他空间不同，汽车的优势在于其机动性。 在拥挤的城市中，移动空间极其宝贵。 在CES 2020上，汽车作为“移动智能空间”的概念非常流行。 汽车制造商和零部件制造商据此提出了未来产品的设想，将汽车定义为未来的“第三生活空间”，以及智能座舱。 实现“第三生活空间”的核心载体。
1.2 为什么选择汽车智能化赛道？
1.2.1国家战略支持+法规不断完善，智能汽车市场空间日趋清晰
国家政策频频出台支持智能汽车发展。 为减少碳排放和环境污染，改善国内能源安全，振兴汽车产业，国家出台多项政策促进智能网联汽车发展。 2015年工信部发布的《中国制造2025》首次将智能网联汽车纳入政策层面，并制定了明确的发展路线。 此后，国家出台了一系列支持智能汽车发展的政策措施，涵盖生产规范、信息安全、功能模块等方面。 2020年发布的《智能汽车创新发展战略》明确提出了2025年L3-L4级自动驾驶汽车规模化应用的目标。法规不断完善，为智能汽车商业化提供法律支撑。 在中国市场，部分车型在技术层面已达到L3级别，但出于法规和责任考虑，仍被推广为L2+辅助驾驶。 2022年6月，深圳发布《深圳经济特区智能网联汽车管理规定》，这是全国首个详细规定L3级及以上自动驾驶的权利、责任、定义等重要问题的法案。 自动驾驶准入政策提供了标准和模板，将推动国内高水平自动驾驶的实施，让市场空间更加清晰。
1.2.2消费端：关注度持续提升，消费市场发展空间广阔
汽车在消费市场中的定位正在发生变化。 终端消费者不再仅仅将汽车视为代步工具。 汽车已经成为提高生活品质的载体和空间。 行业需要进一步提升汽车舒适性和驾驶品质，为消费者提供更加愉悦的用车体验。 智能化的本质是保证安全舒适，解放人们的自由。 消费者对驾驶安全性和舒适性的日益重视，使得智能驾驶、智能座舱日益受到关注，在消费市场有着广阔的发展空间。
1.2.3企业端：在汽车企业和科技企业的共同努力下，中国汽车产业有望弯道超车。
车企、科技公司正在加紧布局智能汽车赛道。 近年来，新势力和传统车企纷纷加紧智能化布局。 部分智能电动车型已实现量产。 华为、百度、小米等科技和互联网企业也加速进入智能电动汽车赛道。 车企和科技公司共同努力。 ，推动汽车智能化升级。 在电动化加速渗透的背景下，智能化成为车企竞争的核心要素之一。 自主品牌有望借助智能化趋势迎来弯道超车机会。 在传统燃油汽车领域，海外车企凭借百年的技术积累和产品迭代，形成了强大的产品力和品牌力。 市场格局相对稳定，自主品牌短时间内很难赶超。 但新能源汽车和智能汽车仍处于技术研发阶段，技术演进还有很大空间。 许多车企为了塑造产品品牌、创造产品差异化，不断展开智慧竞争。 吉利、长城、长安、比亚迪等领先自主品牌，以及威小利等造车新势力，21-22期间新品将层出不穷。 产品价格不再局限于10万元范围，而是在10万元至30万元之间。 传统合资品牌在强势领域站稳脚跟，持续进攻高端市场。 2022年6月，自主品牌在新能源汽车领域的市场份额已提升至61.1%左右。 与此同时，特斯拉等一些新能源车型、领先的自动驾驶汽车、造车新势力已率先实现L2.5、L2.9级自动驾驶。 自主品牌如果抓住智能化东风，不断提升制造能力和电动智能化水平，有望迎来弯道超车的良好机遇，中国汽车工业将实现新的跨越式发展。
1.2.4 汽车电动化发展超预期，带动汽车智能化落地加速
汽车智能化在新能源汽车上的应用领先于传统汽车，新能源汽车渗透率提升超预期。 近年来，消费者对新能源汽车的接受度逐渐提高，且随着多重政策激励的加入，中国新能源市场对低、中、高端产品的真正需求已被充分唤醒。 与此同时，实力雄厚的自主品牌和造车新势力经过多年的技术积累，不断推出优质用品。 。 中国汽车工业协会数据显示，2022年1月至6月我国新能源乘用车销售渗透率达23.9%，较2021年15.5%渗透率提升8.5个百分点。2022年6月渗透率达到23.9%。 25.6%。 保险数据显示，新能源插电式混合动力及增程式车型销量超出预期。 插电式混合动力及增程式车型渗透率从2021年的2.6%提升至2022年1月至2022年7月的5.4%，2022年7月达到6.0%。随着高配车型的推出，市场将处于快速增长阶段。 -比亚迪、理想、揽图、赛力斯等优质车型。 我国新能源汽车消费已从政策驱动转向消费驱动。 我们预计整体渗透率将继续提高。 预计2022年新能源汽车渗透率将达到27%，2025年将达到47%。
政策指引设定了自动驾驶渗透率目标，目前L2（含L2+）渗透率正在快速提升。 根据中国汽车工程学会发布的《节能与新能源汽车2.0技术路线图》，要求我国PA、CA级别（即L2+L3）普及率到2020年达到50%。 2025年，HA级（L4）自动驾驶将开始进入市场。 ; 到2030年，PA+CA级（即L2+L3）渗透率将进一步提升至70%，HA级（L4）渗透率将达到20%。 目前L2级别（含L2+）渗透率正在快速提升，22Q2渗透率已接近30%。 高工智能汽车数据显示，2022年1月至6月中国市场（不含进出口）配备前向ADAS（L0-L2）的乘用车保有量为416.69万辆，部署率为46.84%， L2级别（含L2+）部署率为26.64%。 22Q2期间，L2（包括L2+）部署率创下29.2%的新高，而2020年的渗透率仅为12.0%。 与此同时，22Q2的L0+L1渗透率约为20.5%。
电动化的加速渗透将带动智能化的加速，自动驾驶的渗透率有望在政策指引之前达到。 我们预计未来3-5年智能汽车将继续保持快速增长。 尤其是新能源汽车更积极采用L2及以上智能驾驶，更倾向于应用智能座舱新功能。 传统燃油车也将跟随潮流。 新型电子电气架构的升级呈现出智能化水平稳步提升的趋势。 我们预计自动驾驶渗透率有望在政策指引之前达到，2025年L2级别达到55%，L3级别达到15%。我们预计未来L2（含L2+）仍将是主流2-3年，2025年L2级渗透率达到55%，预计2023年至2024年L3进入量产关键窗口期，2025年L3渗透率达到15%，装机量将突破400万辆。
1.2.5 智能化推高自行车硬件成本，助力汽车行业产值新增长
纵观整个智能汽车的发展历史，我们更加坚信中国智能制造的崛起。 我们预计汽车电子将在产业链上承载更大的增量价值，中国企业在智能汽车领域将有更多突破机会。 传统汽车时代：在中国市场，以均价15万元的传统汽车为例，其整车制造部分年产值约为1.8万亿元，研发服务/销售服务/金融服务/售后分别为1,500/1,000/1,400。 /400亿元。 总计，中国传统汽车年均产值2.23万亿元。 智能电动车时代：智能化/电动化带来自行车硬件成本分别约0.9/4.3万元增加，自行车增速超过50%。 考虑到对冲的传统汽车传统动力部分产值，我国智能电动汽车产业年均总产值约为3.2万亿，新增产值近1万亿，增长43% 。 智能化是重要的增量部分。
2 演进：汽车架构走向领域集中，软件面向服务
在智能网联和自动驾驶的新机遇下，国产自主零部件有弯道超车的机会。 与传统汽车相比，智能汽车拥有更长的价值产业链、更多的赛道细分、更大的市场空间探索潜力。 智能汽车将依靠新的电气架构、动力系统和全面的软件功能继续发展。 智能电动汽车要求产业链不仅要有新的硬件技术，还需要在软件、算法、系统层面进行创新。 智能电动汽车按功能领域可分为智能驾驶、智能座舱、电动化三大领域。 智能化主要分为智能驾驶和智能座舱领域，智能化和电动化是相辅相成的。 配套零部件及软件解决方案供应商将受益于智能化浪潮，迎来新的产业链机遇，其产品需求将得到进一步释放和增长。 随着下游自主车企的崛起，中游自主供应链也将实现加速增长。 汽车电子电气架构向领域集中式架构演进、软件架构向SOA演进是汽车实现智能化升级的必经路径。 它们也是当前智能汽车发展*关键、*主流的两个趋势。 目前，各大汽车厂商和国内外Tier1厂商都在积极布局业务，以应对两大趋势，推动智能汽车的发展。 但要实现完整的领域集中式架构和SOA架构的成熟实现，还需要一段时间。 ，所以我们重点关注当前正在实施的技术产品以及在向领域集中和SOA演进过程中正在产生的技术趋势。
2.1 电子电气架构：分布式架构向集中式架构演进
在智能化趋势下，汽车传统的电子电气（E/E）架构不再能胜任。 传统的汽车电子电气架构（E/E架构）主要是分布式的，各个车辆功能由不同且单一的电子控制单元（ECU）控制。 随着汽车功能不断增加，分布式架构存在以下问题： ① ECU数量急剧增加，系统复杂度增加。 高端车型平均ECU数量达到50-70个，部分车型ECU数量超过100个，使得车辆电子系统复杂程度超出极限； ② ECU之间计算能力隔离，整体效率低。 单个 ECU 仅控制汽车的局部功能。 各控制模块之间计算能力隔离，计算资源复用性低； ③ 软件与硬件强耦合。 基础硬件与嵌入式软件呈现出强耦合关系，底层软件与上层应用“高度捆绑”； ④ 无法实现更高级的功能。 车企在工程实践中也认识到，在智能化的要求下，某些功能如果没有统一的集成环境是无法实现的。 例如，传统的E/E架构无法实现车辆OTA。 在智能网联中，当功能软件出现Bug时，只能通过召回来解决问题，极大影响客户体验。 ⑤由于ECU数量激增，对汽车线束长度、传输速度等提出了更高的要求，而传统ECU也面临计算能力限制、通信效率低、成本不可控等缺点，这为汽车线束的发展提供了便利。汽车研发和生产的新机遇。 、安全等方面带来挑战。
智能化趋势下，汽车E/E架构的升级路径将体现为：分布式（模块化→集成）、域集中（域控制集中→跨域集成）、集中式（车载电脑→汽车→云计算） 。 为了解决分布式架构的痛点，企业构想了一个中央计算机，可以实现所有功能，上下连接采集端和执行端，也就是所谓的“集中式”架构，甚至可以实现车载-云协作。 但实施阶段受到原有供应链体系、系统定义冲突、原有软件生态固化等问题的限制。 目前只能实现以领域为中心的架构。 即首先，分布式ECU（每个功能对应一个ECU）演化为域控制（博世提出的五域架构包括动力域、底盘域、车身域、座舱域和ADAS域）。 域控制的核心是域控制器。 （DCU，Unit），然后一些域开始跨域融合发展，*后融合发展成为中央计算平台（车载计算机）。
目前主流OEM电子电气架构的升级路径主要分为三类：①以特斯拉为代表的激进派倾向于一步到位，直接开发中央计算平台，自主开发OS和自动驾驶FSD芯片。 特斯拉早期 Model S 和 Model 等控制器的架构。 Model 3于2018年推出，进一步推出车辆中央处理与计算平台，将车辆架构分为三大块，分别是中央计算模块（CCM）、左车身控制模块（BCM LH）和右车身控制模块（BCM 右侧）。 CCM负责需要大量计算能力的系统功能，例如信息娱乐系统、驾驶辅助系统和车内通信连接。 BCM LH 负责车身便利系统，包括转向、助力和制动。 BCM RH 负责底盘安全系统和动力系统。 、热管理等，整个架构正在向*终的集中式架构靠拢。
②以大众为代表的激进派采用跨域集中式解决方案，并在五域集中式架构的基础上进一步整合。 它将原有的动力域、底盘域、车身域整合到整车控制域中，从而形成三域集中式架构。 该架构包括车辆控制域控制器（VDC，）、智能驾驶域控制器（ADC、ADAS\AD）和智能座舱域控制器（CDC，）。 动力域、底盘域和车身域对软件的实时性、功能安全水平和可靠性有着极高的要求。 同时，机箱域和电源域涉及供应商众多，整合难度大。 因此，在三大领域都有多年的研发。 只有积累了经验和经验的车企，才有能力采用从分布式到跨领域综合解决方案的跨领域综合解决方案。 进入门槛较高。 因此，只有大众等少数实力雄厚的外资企业直接采用跨域集中式解决方案。
③ 其他大多数车企都是按照博世的五域架构路线稳步前进。 按功能分为座舱域、ADAS域、电源域、底盘域和车身域。 其中，域控制器可分为性能域和集成域。 类别：座舱域和辅助驾驶/自动驾驶（ADAS）域属于性能域控制器，由中央控制系统升级而来，需要大数据处理能力来处理大量数据。 电源域、机箱域和车身域属于集成域控制器。 该部分对计算能力要求较低，主要涉及控制指令计算和通信资源。 通过集成大量ECU，减少通信接口，进一步提高算力利用率。 效率，降低对算力设计的总需求，同时可以更好地统一数据集成和交互，实现车辆功能协同。 目前，分布式车辆架构仍然是主流。 总体来看，无论是国内还是全球市场都处于从分布式向域控制转变的趋势。
DCU已成为ECU发展的下一阶段，带动整体ECU/DCU市场规模持续增长，其中自动驾驶产品增长*快。 座舱域和辅助驾驶/自动驾驶域需要处理大量非结构化数据，离不开AI算力，适合使用DCU； 电源域、机箱域等安全级别和实时性要求较高，但算力要求较低，集成DCU会带来新的不必要的成本； 目前，车身领域的大量ECU已经集成到车身控制器（BCM）中，进一步集成并不会带来相应的效益。 因此，虽然ECU市场增速将会放缓，但其市场空间的绝对值仍然巨大。 ECU融入DCU的趋势非常明显。 中长期DCU市场必将快速增长，带来明显机遇。 据麦肯锡数据显示，预计2020年、2025年和2030年全球汽车控制器（ECU+DCU）市场规模分别约为920亿美元、1290亿美元和1560亿美元。 其中，DCU市场份额快速增长，从2020年的2%上升到2025年的20%，到2030年的44%。目前自动驾驶正处于从L2升级到L3的关口。 未来还将实现L4。 其控制器的单价预计将从千元级别提升至万元级别。 自动驾驶域控制器市场将随着量价齐升而快速增长。 据中国电子信息产业发展研究院、汽车电子产业联盟编制的《2030年中国汽车电子产业发展前景分析》预测，自动驾驶产品（自动驾驶+先进的自动驾驶辅助系统）将成为全球增长*快的产品。汽车控制器。 这一比例将从2020年的21%增加到2025年的30%，到2030年将进一步增加到38%。
目前的智能驾驶仍然以辅助驾驶ADAS为主。 国际Tier 1厂商在国内ADAS领域优势明显。 随着本土供应商的突破，国际厂商的份额开始下降。 2022年上半年，L2级（含L2+）ADAS装机量超过L0+L1级，达到237万辆，其中L0+L1级ADAS装机量为180万辆。 无论是L0+L1级ADAS还是L2级ADAS，国际厂商都占据了绝大多数份额。 其中，L0+L1级别的TOP5供应商均为国际厂商，份额为83.06%。 经纬恒润排名第六，份额为5.59%。 L2 ADAS TOP7供应商均为国际主要厂商。 不过，得益于经纬创投、德赛西威、英达科技、智家科技、好墨智行等本土供应商的突破，TOP7供应商份额小幅下降4.43pct至86.40%。
座舱域和智能驾驶域控制器是当前市场的焦点。 OEM 和传统 Tier 1 是域控制器市场的主要参与者。 其中，国内Tier 1厂商发展迅速，共同推动智能驾驶领域、座舱领域负载能力快速提升。 ①整车厂主要包括特斯拉、国内造车新势力以及长城等传统品牌车企。 其中，特斯拉引领发展，整个结构正在接近*终的中心化结构； 国内新势力品牌正以品牌提升为目标。 考虑到影响力和产品快速迭代的需要，大多坚持全领域自研，打造差异化优势； 国内传统车企中，长城实力较强，基于旗下子公司豪摩智行实现了域控制器的高度自研； 而实力稍弱的主机厂则选择一些自研或外包的解决方案。 ②国际Tier1主要有电装、博世、安波福、伟世通、大陆集团等，凭借技术积累在域控制领域相对领先。 ③国内Tier 1公司发展迅速，主要包括华为、经纬、德赛西威、东软睿驰、博泰车联网等。其中，华为自研能力*强，技术优势*大，在自动驾驶、智能座舱、车身、电气电子系统、传感器等多个领域均推出自主研发产品，并可与自主主导下的车企实现整车合作。 德赛西威量产规模*大，具有先发优势。 其产品已具备理想、小型产品。 鹏、奇瑞等众多车型。 其他国内Tier 1域控制器也有域控产品上市或即将进入量产，也具有一定的竞争力。 智能驾驶域、座舱域控制器装机量也在快速增长。 2022年上半年自动化软件开发，国内装机量分别达到37.1万台和64.4万台，同比增速分别为62%和42%。
国内域控制器Tier1已从垂直供应转向与主机厂更深层次的合作，追求快速、低成本、高质量的产品上市，拥有很多发展机会。 在此过程中，OEM根据自身实力和资源选择是否进行自研，并与Tier1在域控的产品结构上进行深入合作，有望缩短产品上市周期，提高利润率，并为Tier1提供更多的参与机会。 ，实现双赢。 从整体趋势来看，整车厂更加注重上层软件和算法的自研，而供应商则在硬件、底层软件、中间件方面做得很好。 随着域控制架构的不断变化和升级，以及不同主机厂对域控制器的差异化需求，主机厂倾向于自行主导域控制功能和算法。 国内Tier1供应商拥有靠近主机厂、合作响应速度快等本土优势，有望在域控制器领域实现突破。 自动驾驶域控制器市场竞争异常激烈。 特斯拉、博世等海外厂商在产品和技术上暂时领先。 华为、德赛西威、经纬等国内厂商也具有一定的竞争力。 ①华为拥有国内*强的自研能力和领先的技术。 建立MDC车载计算平台，实现从芯片到智能驾驶平台的全面自研。 其中，*新自主研发的智能驾驶平台算力达400+Tops，已安装在极虎Alpha上。 对于S HI版本，华为基于强大的自研能力，预计将继续与更多主机厂合作。 ②德赛西威凭借与的深度合作，占据了L2、L2.5级别的优势。 产品已搭载小鹏P7、丽丽L9等车型，并获得多家主机厂指定。 预计将继续受益于高算力AI芯片的优势，持续扩大高端自动驾驶产品的市场份额。 ③经纬恒润目前凭借成熟的L2解决方案占据L2市场较大份额，并在自动驾驶领域拥有多产品线布局，拥有丰富的经验。 目前，经纬恒润正在积极与TI、、黑芝麻合作，向L3级别拓展，在多种传感硬件产品、底层软件、中间件、操作系统、控制算法以及部分执行器等方面都有布局，并具备提供算法+硬件解决方案能力，同时初步实现端口场景L4级别的实现，发展潜力巨大。 ④东软锐驰、创世驾驶、智行科技等国内一级公司正在积极布局自动驾驶域控制器，预计短期内实现产品上市和车型匹配。
2.2 软件架构：从面向功能到面向服务的SOA演进
2.2.1 SOA降低软件开发难度，提高效率
SOA给软件带来了新机遇，软件定义汽车已成为发展趋势。 集中式E/E架构是实现软件定义汽车的硬件基础，SOA是实现软件定义汽车的软件基础。 随着主机厂的车型开发周期越来越短，他们面临着更频繁的开发需求和更多的车载功能。 OEM 需要更快的响应时间来满足市场需求。 相应地，在传统的分布式E/E架构下，汽车采用“面向信号”的软件架构，ECU通过LIN/CAN等总线进行点对点通信。 为了真正实现软件定义汽车，从技术角度来看，汽车软件架构正在从“面向信号”的传统架构转向“面向服务”的SOA架构（-）。 SOA架构的核心以“服务”的形式封装了各个控制器的底层功能。 服务是一个独立的可执行软件组件，被赋予特定的IP地址和标准化接口以供随时调用。 *终，通过这些底层功能的自由组合，实现某种复杂、智能的功能。 因此，SOA架构需要具备接口标准化、相互独立、松耦合三大特点：①每个“服务”都有明确定义的功能范围和标准化的访问接口； ② 每个服务都是独立且唯一的，并且是汽车软件架构中的基础软件，所以如果要升级或者增加某个功能，只需要通过标准化的接口来调用即可； ③ 具有松耦合特性，与车型、硬件平台、操作系统、编程语言无关。 传统的中间件编程可以与业务逻辑分离，让开发人员专注于编写上层应用算法，而不必花费大量时间在底层技术实现上。
2.2.2 SOA架构各层基础软件助力软件定义汽车的实现
随着硬件架构跨领域集成的趋势，操作系统的数量正在减少。 按照功能分类，可分为车辆控制操作系统、自动驾驶操作系统和智能座舱操作系统。 在跨域集成方案下，域操作系统逐渐成型，传统操作系统正从多个独立的操作系统向几个/一个操作系统发展。 从功能实现来看，智能汽车操作系统大致可分为车辆控制操作系统、自动驾驶操作系统和智能座舱操作系统。 其中，车辆控制操作系统主要用于实现车身底盘控制、动力系统控制、自动驾驶操作等。 该系统主要用于实现自动驾驶功能，智能座舱操作系统主要用于实现车载娱乐信息系统的功能以及HMI的相应功能。 操作系统是软件定义汽车发展的基石。 智能汽车SOA软件架构从上到下由应用软件、功能软件、中间件、底层操作系统（狭义操作系统）、车载芯片软件（BSP）、虚拟机（）和芯片组成，其中功能软件、中间件、底层操作系统、车载芯片软件和虚拟机组成广义操作系统，统称为系统层软件。 它是管理和控制智能汽车软硬件资源的底层，提供运行环境、运行机制、通信机制和安全机制。
底层操作系统是操作系统的内核，提供*基本的功能。 底层操作系统负责内部协调进程和管理软硬件资源，并提供外部交互的接口。 它从根本上决定了系统的性能和稳定性，是系统软件层的核心。 由于开发难度大、安全性要求*高，市场竞争格局主要以QNX、Linux、Linux为主。
中间件是底层操作系统和上层应用程序之间的软件模块。 目前，自动驾驶、智能座舱中间件正处于蓬勃发展时期。 中间件可以简单理解为中间层软件，它与底层软件紧密结合，形成平台软件，从而连接上层应用层算法和下层硬件（如芯片、传感器等）。 通过平台软件，可以实践“软件定义汽车”软硬件解耦的系统理论。 应用层可以快速移植部署在任意芯片、任意域控制器上，硬件无需关注相应的接口匹配。 目前市场上主流的中间件解决方案是中间件，在汽车行业应用相对成熟。 封装各功能模块，标准化模块间接口，实现汽车软硬件解耦。 (CP)方案应用于分布式架构下的MCU，具有更高的功能安全性和实时性，适用于动力、制动等传统ECU。 为了支持先进自动驾驶的需求，联盟推出了（AP），也是基于机器人的。 软件中间件创建的ROS（2.0）中间件解决方案也可用于高级自动驾驶。 同时，随着传感器数量的增加和数据源的增加，芯片之间、任务进程之间多种异构数据的高效稳定传输需要引入通信中间件。 SOME/IP和DDS都是面向服务的通信协议，两者可以在AP中共存。 SOME/IP相对闭源，DDS可以开源用于商业用途。 但大多数DDS商业版本都不是汽车专用的，主机厂需要进行二次操作。 发展。 自动驾驶、智能座舱领域的中间件目前正处于蓬勃发展时期。 自动驾驶中间件主流的解决方案有AP、DDS、ROS（2.0）三种。 主机厂可以基于这些进行二次开发，而智能座舱尚未形成。 严格的行业标准和主流解决方案。 产业的蓬勃发展也给本土中间件企业带来了发展机遇。 本土企业可以根据客户需求进行定制开发，满足目前大多数主机厂的“自研”需求。 同时，定价也更加灵活，响应速度快。 本地通信的优点和优势。
虚拟化技术使多个操作系统能够共享一组硬件资源。 车辆分布式架构向集中式架构的演进以及大算力芯片的应用，催生了软件安全隔离的需求。 引入虚拟机的概念，可以虚拟化物理服务器的CPU、内存、I/O等硬件资源并接受调度，使得多个操作系统在各自的协调下共享同一套硬件资源。手术。 系统又可以保持彼此的独立性。 以智能座舱为例，一块座舱SoC芯片可以完成对多个座舱电子设备信号的处理和控制。 智能座舱操作系统中引入了虚拟机管理的概念，使得QNX能够在单个Soc芯片上满足汽车安全标准。 、Linux、系统一起运行。 目前常见的有QNX、Intel的ACRN、Intel的XEN、大陆L4RE等。其中QNX是唯一通过ASIL D安全合规级别和预认证级别并已应用于量产车型的管理方案。
广义操作系统通过对底层操作系统进行不同程度的改造，形成了三类操作系统。 智能汽车SOA软件架构中的功能软件、中间件、底层操作系统、车载芯片软件和虚拟机构成了一个通用操作系统。 根据对底层操作系统的改造程度，通用操作系统可分为基本操作系统、定制操作系统和ROM操作系统：①基本操作系统包括系统内核、底层驱动等，它们提供操作系统*基本的功能。操作系统，负责管理系统的进程、内存、设备驱动程序、文件和网络系统，决定了系统的性能和稳定性； 目前的底层操作系统是开源框架，暂时不受版权和知识产权的影响，一般不被企业考虑开发。 技术范围。 ②定制操作系统是在基础操作系统之上深度定制开发，如修改内核、硬件驱动、运行环境、应用框架等，是自主开发的独立操作系统。 ③ ROM型操作系统是基于Linux、等基础操作系统的有限定制开发。 它们不涉及对系统内核的改变，一般只修改和更新操作系统自带的应用程序。 大多数 OEM 通常选择开发基于 ROM 的操作系统。 国外整车厂多采用Linux作为底层操作系统，而国内整车厂更偏向于应用生态。
底层操作系统应用方面，智能座舱主要基于QNX、Linux，智能驾驶主要基于Linux。 在智能座舱领域，得益于Linux和开源特性，其广泛应用于车载信息娱乐系统。 QNX由于其稳定性和安全性，更多地应用于车辆仪表盘。 与智能座舱相比，自动驾驶需要引入大量外部传感器，如毫米波雷达、激光雷达、摄像头等，因此涉及大量数据的处理，对底层开放性要求更高操作系统。 QNX不够开放，而Linux开放程度高，所以Linux被广泛使用。
3大趋势：拥抱智能化催生十大行业趋势
自动驾驶的基本过程分为感知、决策、控制三个部分。 其实现路径是通过感知系统融合各种传感器的数据，利用不同的算法和支撑软件对感知层输出的信息进行决策，得出驾驶计划。 *终控制系统完成车辆的控制行为。 感知是指理解环境的能力，是自动驾驶的首要条件。 感知系统通过融合各种传感器的数据，实现对车辆运动环境以及驾驶员状态和行为的感知和检测，从而形成全面可靠的感知数据，供决策和控制系统使用。 决策是指认知理解感知层输出的信息后，根据驾驶需求做出任务决策，选择合适的路径来实现目标。 这是实现自动驾驶*关键的一步。 决策系统根据感知系统收集的信息对当前车辆行为做出合理决策。 通过规划完成任务的*佳路径，决策系统确定车辆的行驶轨迹并将其发送到控制层。 执行力是指执行决策和计划的实际行为，是实现自动驾驶的行为表现。 执行系统执行行驶指令并控制车辆状态。 它利用车辆的行驶和制动控制以及方向盘和轮胎的控制来实现纵向和横向的自动控制。 它按照给定的目标和约束自动控制车辆运行，从而达到自动驾驶的目的。
智能座舱是指在汽车运动过程中为驾驶员和乘客提供人、车、环境需求和信息交互的空间。 它是自动驾驶的终极展示平台。 与传统汽车座舱相比，智能座舱配备了智能化、网络化的车载产品。 用户可以通过汽车操作系统的多模式交互驱动座舱内饰和座舱电子的联动，然后通过云系统处理和收集信息，进而实现人、路、车的实时智能交互。 智能座舱主要由控制系统、娱乐系统、空调系统、通讯系统、座椅系统、交互系统、感知系统等模块组成。 包括座椅、灯光、空调、音响等座舱内饰、液晶仪表盘、T-座舱电子盒子、HUD、流媒体后视镜等，为用户提供车机互联、语音交互、驾驶员等多项智能功能状态监测、生物识别、车路协同、安全预警，实现网络互联，智能、舒适、办公的新生态体验。
3.1 智能驾驶感知：传感元件丰富升级，驱动产业发展新格局
趋势一：感知部件升级，激光雷达、4D毫米波雷达陆续应用于车辆
在自动驾驶的催化下，激光雷达逐步应用，毫米波雷达、摄像头升级。 传感器是自动驾驶感知的硬件支撑。 传统汽车传感器包括摄像头、超声波雷达、毫米波雷达等，在检测范围和检测精度方面基本可以满足L1-L2级自动驾驶的需求。 然而，自动驾驶水平的不断提高，对传感器检测的距离和精度提出了更高的要求。 因此，激光雷达走进了整车厂的视野，成为高级别自动驾驶必备的传感器之一。 目前，激光雷达开始应用于汽车。 传统毫米波雷达产品已经成熟。 现在4D毫米波雷达在传统毫米波雷达软硬件的基础上进行了升级，增加了物体高度的测量，能够识别静止物体，并生成物体大致轮廓的点云。 ，并希望未来部分取代近光激光雷达，以降低传感成本。 前视摄像头（一体式）是L2及以下ADAS功能的关键传感器，鱼眼摄像头是停车功能的关键传感器。 产品相对成熟，侧视、后视摄像头也逐渐开始安装。 高端应用的趋势是相机模块、算法在控制器中实现。
L3级及以上高端自动驾驶需要配备激光雷达已成为行业共识，激光雷达在车辆上正在加速发展。 激光雷达在国内已经广泛应用，主要是机械式的。 汽车级激光雷达已有多年积累，技术已趋成熟。 激光雷达已普遍应用于近期发布的中高端车型中。 高工智能汽车数据显示，2022年上半年国产激光雷达整车交付量为2.67万台，预计2022年全年将突破10万台智能汽车：引领汽车智能化革命的时代，年底规模有望突破150万台2023 年（包括固定点）。 激光雷达是目前解决智能驾驶场景痛点的有效传感设备。 随着成本的降低，它将被用于更多的应用。 目前，智能驾驶中的传感设备仍然存在痛点：①摄像头和毫米波雷达感知仍然不安全，对于静止物体、光线环境较差、罕见情况表现不佳； ② 搭载中短程激光雷达安全性仍不够，在时速大于100km/h的高速场景下，仍不够安全。 车辆安全制动需要清晰检测100m外的小物体，这意味着要实现100m预警，需要250m的标准检测距离； ③层出不穷的高速抛物严重威胁行车安全。 激光雷达尤其是远距离激光雷达的应用可以更好地解决上述问题。 目前激光光源激光雷达的价格在1000美元左右。 预计未来3至5年内，当更多的激光雷达安装在车辆上时，成本将降低至少50%。
经过多年的积累，毫米波雷达已经量产并应用于乘用车。 产品应用的载体是ADAS功能。 其每年的市场销量正在逐步增加。 然而，传统毫米波雷达存在无法识别静止物体的缺点。 当前，本地化解决方案呈现百花齐放的趋势。 毫米波雷达在处理信号时，可以利用运动目标的多普勒频率和TOF原理来测量物体的速度和距离，并根据并行接收天线接收到同一目标反射的脉冲波的相位差来测量角度。 毫米波雷达可以输出距离、速度和角度信息，也称为3D毫米波雷达。 对于距离和角度信息，通过将极坐标系转换为笛卡尔坐标系，可以得到目标与车辆在x、y方向上的距离。 距离，但缺少垂直 z 方向信息。 对于道路中间的井盖、减速带、悬浮在半空中的各种标志、高架公路、静止的车辆等静止物体，由于缺乏高度信息，通过3D毫米波雷达无法判断是否这些障碍物影响交通。 这是传统毫米波雷达的缺点。 目前毫米波雷达的发展规律：①价格下降； ②尺寸较小； ③ 脉冲转FMCW； ④芯片高度集成； ⑤技术创新——4D成像。 现在毫米波雷达已经发展到第五代，中国大陆即将推出第六代毫米波雷达。 在L2+系统中，特别是NOA功能中，常用5个毫米波雷达。 目前，各公司的技术方案多种多样，重点关注性能指标和工程实施能力。
4D毫米波雷达可以测量目标的高度信息，并对物体进行点云成像。 它是毫米波雷达的下一代升级版。 4D毫米波雷达*显着的附加功能是可以精确检测俯仰角，从而获得被测目标的真实高度数据。 凭借这一功能，4D毫米波雷达可以“识别静止物体”。 此外，4D毫米波雷达的分辨率也得到了大幅提升。 以Arbe为例，其水平和垂直分辨率分别为1°和2°。 1°水平分辨率高于普通3D毫米波雷达。 提升5~10倍，2°垂直分辨率仅为普通16/32线机械激光雷达1°垂直分辨率的两倍。 这使得4D毫米波雷达在扫描同一物体时能够获得扫描点。 数量大大增加，甚至可以具有近光激光雷达的点云扫描效果。 第五代毫米波雷达可逐步实现点云成像。 成像的目的是勾画物体轮廓并区分邻近物体。 在这个过程中，就会出现识别率的问题。 并非所有项目都能被识别。 当成像点云越接近物品的真实轮廓时，识别率就会越高。 4D激光雷达已经可以粗略地描述物体的外围轮廓。 下一步是提高基于点云成像的目标识别的算法效率。
4D毫米波雷达相对激光雷达具有成本优势。 我们相信它可以部分替代近光激光雷达，促进高端智能驾驶的渗透率，为行业带来规模效应。 4D毫米波雷达无疑是自动驾驶感知组件的新星。 特斯拉在2022年注册了相关专利，同时CEO也在CES演讲中表示，2025年高端自动驾驶将采用4D毫米波雷达，而不是激光雷达。 4D毫米波雷达相对于激光雷达的优点是：①多普勒效应直接测量速度，精度高； ②环境适应性好，对云、雾、雨的穿透力较好，且不受光照影响； ③成本更低，4D毫米波雷达传感器全部基于硅基C模传感器，成本可以做得更低。 4d毫米波雷达可以在高度方向上实现与激光镜相似的角度分辨率，但是在水平方向上低光束雷达的角度分辨率仍然比现有4D雷达高一个数量级，但是该指标无法表示所有感应器功能，4d毫米波雷达的性能在某些方面还不错。 4d毫米波雷达具有出色的优势。 我们认为，成本是*关键的变量。 激光雷达和4d毫米波雷达并不是两个成熟的传感设备。 技术进步将提高其对物体和面对检测功能的分类能力。 4D毫米波雷达和相机的组合是一种良好的低成本培养基和短距离感应溶液。 结合高光束远程激光雷达，它负责遥感，形成完整的感应解决方案。 我们认为，在具有高成本要求的项目中，4D成像毫米波雷达将部分替换低光束激光雷达。 现在是提高L3水平自动驾驶的渗透率的起点。 LIDAR和4D雷达的成本仍然很高。 我相信，如果越来越多的制造商采用4D雷达，智能驾驶系统的成本将降低，高端智能驾驶的渗透率将增加。 良性周期还将增加激光雷达的应用，共同促进系统成本的降低。
趋势2：预先安装的感应硬件已成为一种趋势，国内替代正在加速
安全功能已成为OEM寻求差异化竞争的新方向，并且嵌入式感应硬件已成为一种趋势。 传感组件的升级趋势可以分为以下两个点：①新车配备了各种升级的传感器，以及诸如LIDAR，4D毫米波雷达和8毫像素的高像素摄像机等高级传感器等高级传感器逐渐被用于汽车。 与传统的传感器（例如普通毫米波雷达，相机和超声雷达）相比，在车辆上安装新的传感组件实质上是追求安全冗余的升级。 多个传感器补充了彼此的缺点以实现冗余，从而减少了整体感知系统。 ②新车中安装的传感器数量正在增加。 这是传感设备的军备竞赛的体现，这实质上是追求安全冗余的。 来自OEMS的预先安装的硬件已成为安全功能的新卖点。 由于L2+级智能驾驶是在新车中实施的，因此在当前自动驾驶中领先的新车制造商的差异化优势不再显着。 诸如LIDAR，4D毫米波雷达和800万个高像素摄像机之类的预先安装的传感器已成为汽车制造的新趋势。 强大而领先的独立品牌寻求新的方向来实现差异化的竞争力。 NIO ES7配备了11个摄像机 + 12超声雷达 + 5毫米波雷达+1激光射线。 Xpeng G9配备了12个摄像机 + 12个超声雷达 + 5毫米波雷达 + 2激光射击。 并配备了高精度地图。 LILI L9配备了11个摄像机 + 12超声雷达 + 1毫米波雷达+1激光。 WEI小米的三个新型号还配备了高精度地图。 硬件配置行业领导。 独立品牌的新型号，例如长蓝色SL03， 001和Baic Jihu Alpha S，还配备了更多相机，毫米波雷达和其他传感器。 与传统的热门销售模型（例如Byd Han和Xpeng P5）相比，新车中安装的传感器总数已大大增加，感应硬件的投资量也大大增加了。 硬件预插入已成为OEM的主流策略。
随着传感组件的富集和升级，国内替换正在加速。 预计本地供应商将赶上领先的海外制造商，并引入更好的开发机会。 ①在汽车摄像机镜头领域存在明显的定位趋势，阳光明媚的光学领导着该行业并占据领先地位。 摄像机的关键组成部分，在顺式领域（CMOS图像传感器，金属氧化物图像，互补的金属氧化物半导体图像传感器）的国内替换正在加速 - 持有半导体。 ②国内超声雷达产品的升级和迭代正在加速。 Co.，Ltd。提供了基于超声雷达系统的完整传感解决方案，该解决方案继续获得家用汽车公司的认可并加速国内替代。 ③海外制造商在毫米波雷达领域几乎没有领先，预计国内制造商将赶上77GHz毫米波雷达。 目前，Huayu 和Desay SV已实现了77GHz毫米波雷达的批量生产，而国内替代也在加速。 ④车辆安装在开发阶段，一些国内制造商已经实现了大规模生产产品，并且在短期内预计将进一步突破。 当地的激光雷达制造商萨吉塔（ ）已经实现了汽车级半固态雷达前端设备的大规模生产和交付。 它的技术领导了国内行业，并占据了很大的市场。 的LiDAR传输模块产品的销量迅速增加，并且已经与许多国内和外国LIDAR供应商合作，并有望在LIDAR的帮助下起飞。 ⑤，和Baidu早些时候已经制定了高精度地图，占据了绝大多数国内市场，并因自动驾驶而催化，它已连续与国内和外国汽车公司合作，并有望继续从中受益。高精度地图。
趋势3：多传感器融合和前端融合是未来的趋势
当前，视觉感知和多传感器融合解决方案并行运行。 从距离，速度和准确性方面的检测要求的角度来看，多传感器融合技术更符合高级自动驾驶的需求； 从感知算法的角度来看，SLAM算法是感知解决方案的核心。 算法，其中的前端融合算法将是未来的发展趋势。 目前，纯粹的视觉感知和多传感器融合是OEM的主流感知解决方案选择：①纯视觉感知解决方案具有简单结构和低成本的优势，并且基本上可以满足L1-L2自主驾驶感知要求，但是该解决方案需要高计算能力，受摄像头感知的限制，检测距离和检测准确性也存在某些缺陷。 目前，由特斯拉和丰田代表的汽车公司专注于纯粹的视觉感知解决方案。 ②多传感器融合传感解决方案更昂贵，但是具有高检测准确性和长期检测距离的优势。 该解决方案中的不同传感器具有不同的功能，每个功能都具有自己的优势和缺点，并相互补充以实现冗余。 从理论上讲，它是*安全，*可靠的传感解决方案，更适合于高级自动驾驶需求，但其技术障碍很高。 ，对算法的要求*高。 目前，诸如和之类的新汽车制造力更倾向于开发自发的融合传感解决方案。 从算法侧来看，SLAM算法是实现传感解决方案的核心技术，其中前端融合算法将成为未来的发展趋势。 SLAM指的是同时定位和映射，也就是说，在汽车自身位置不确定的情况下，它同步计算自己的位置，并根据板载传感器的信息构造环境地图，并同时使用地图来用于自主定位和导航，*终意识到自动驾驶的感知部分。 ，因此实施SLAM算法是各种自动驾驶感知解决方案的核心和*重要的部分。 目前，OEM在SLAM算法中主要采用后端融合算法。 前端融合算法比后端融合算法更好，在实现传感系统的准确，稳定和精确的性能方面。 但是，由于算法要求较高，这将是未来的趋势。
在软件和硬件方面具有强大自我研究功能的汽车公司预计将是**个降低激光和融合感应解决方案，突破SLAM算法障碍并*终实现软件脱钩的公司的汽车公司。 当使用传统的雷达，相机等来实现环境感知时，不同传感器的感知算法具有其自身的相对唯一性，并且数据融合方法与合适的智能驾驶决策，计划和控制算法紧密相连。 传感器及其感知算法的供应商需要花费大量时间和成本来调整智能驾驶系统，并且很难将传感部分的软件和硬件解脱。 多传感器融合传感解决方案可以通过前端融合算法实现单个传感器及其传感器传感算法的分类，并通过过滤实现多个传感器在前端上的数据融合，从而有助于实现退路软件和硬件。 目前，诸如小米和Nio之类的国内力量依靠他们在软件和硬件中的强大自我研究功能来布置融合感应解决方案。 预计他们将是**个打破融合感应溶液和猛击算法的障碍，并降低LiDAR和多传感器融合传感溶液的成本。 这将是主流趋势。 OEM倾向于主导感知算法本身，并*终在感知层中实现软件和硬件的脱钩。
3.2智能驾驶决策：计算电源竞争仍在继续，行业往往是开放和合作的
趋势4：芯片计算能力竞赛将继续，国内筹码正在出现。
在“软件定义的汽车”的浪潮中，对预安装的硬件计算功率的需求增加了，高计算的功率芯片已成为高级自动驾驶模型的主流选择。 在汽车智能的过程中，对高计算能力的需求反映在以下三个点中：①从自动驾驶芯片的角度来看，摄像头，超声雷达，毫米波雷达等车辆安装的传感器数量激光雷达目前正在显着增加。 将来，当自动驾驶水平上升到L3及以上时，芯片的高计算能力将是核心需求。 ②从智能驾驶舱芯片的角度来看，随着车辆电子电气化体系结构从分布式发展到集中式，在多屏幕集成的趋势下，例如完整的LCD仪器，头部展示系统，车辆内娱乐系统和中央控制屏幕，“一个核心，多个屏幕””是将来降低智能驾驶舱成本的主流解决方案，其中芯片的高计算能力将是解决方案的核心支持。芯片计算能力的要求。OEMS配备了高计算功率芯片，为随后的OTA软件升级和创新提供支持。我们相信，面对未来的不确定性，需要芯片计算能力的冗余，需要进行功能。芯片计算能力将继续，尤其是在自主驾驶领域。自动驾驶的感知和执行设备需要考虑未来。 。 自主驾驶能力的定义实际上正在不断变化，尚无*终结论。 因此，智能驾驶芯片的设计也可能会在将来面临新的算法。 芯片的设计不仅必须满足当前模型的SOP需求，而且我们还需要考虑未来汽车可能需要的算法。 因此，芯片需要继续保持计算能力和其他功能的冗余。 筹码的军备竞赛将继续。 这也适用于智能驾驶的感知和执行设备。 我们需要更多地思考未来。 ，当前的“硬件嵌入”也相同。 同时，未来的自动驾驶也需要更加开放。 一家公司不可能垄断功能和算法的定义。 该行业需要更多的合作来促进自主驾驶的实施。
随着芯片继续朝着高计算能力迈进，使用专业体系结构 +规则结合软件和硬件的芯片实际性能的全面考虑可能会成为开发自动驾驶芯片的解决方案之一。 FPS是测量自动驾驶芯片的真实性能的指标。 FPS是指自主驾驶功能中每秒对图像帧速率的准确识别。 依靠FPS测量自动驾驶性能将芯片的信息处理精度，传输速度和响应速度作为核心考虑因素。 而不是仅考虑计算能力。 目前，当OEM促进芯片，尤其是自动驾驶芯片时，它们通常会使用计算能力作为主要促进点。 但是，纯芯片计算能力不能完全代表自主驾驶功能。 还必须考虑计算能力的效率，因此使用FPS。 计算能力作为评估标准。 因此，考虑芯片的能源消耗以及芯片背后的总体支持解决方案，包括支持路径，开发和验证工具链，通过专业体系结构 +软件和硬件组合实现芯片的高实践性能可能成为成为主流解决方案的主流解决方案未来的芯片制造商。
人机互动和人机共同驾驶等智能驾驶舱需求的变化以及“一个核心和多个屏幕”的开发趋势的芯片性能需求大大提高，并且应用高计算功率驾驶舱芯片具有成为不可避免的趋势。 与传统的驾驶舱相比，用户对高端和智能驾驶舱的需求不断变化，促使智能驾驶舱具有更丰富的智能功能，例如人机互动和人机共同驾驶。 随着座舱集成水平的增加，座舱芯片的计算能力会增加。 它是智能驾驶舱功能的主要支持。 同时，QNX狭窄的汽车操作系统和QNX虚拟化技术使实现单核多屏幕成为可能。 单核多屏幕技术可以在未来的驾驶舱中带来更好的交互作用，并可以减少AP处理器和外围电路的数量。 ，这在大规模生产中具有成本优势，还可以降低亚模块通信的成本。 随着数字驾驶舱中的芯片逐渐集成到单芯片解决方案中，屏幕数量的增加，分辨率的改善以及对平滑操作的需求提出了更高的芯片计算能力要求。 高计算功率座舱芯片的应用已成为不可避免的趋势。 高通在智能驾驶舱芯片领域占据了领先地位，其计算力较高，而国内制造商则逐渐出现。 在此阶段，高通公司拥有座舱控制芯片*大的货物。 由于其领先的性能和计算能力，它推出的智能驾驶舱平台已被世界上许多领先的汽车公司使用。 它已用于许多产品，例如Xpeng P5，Nio ET7，Great Wall Mocha，Geely L等。它已安装在中高端型号上。 将来，将启动基于单核多屏驾驶舱域控制解决方案的第四代智能驾驶舱平台。 在计算能力方面，其座舱芯片甚至更好。 许多国内制造商都进入了游戏，以赶上高通。 华为与基林710a进入了座舱芯片。 新发布的Kirin 990a已安装在Polar Fox Alpha的模型上； 创建的 Eagle 1座舱芯片是中国的**个7NM Car 级SOC芯片，在计算能力，技术和性能方面，针对领先的国际产品进行了基准测试。 新兴的本地制造商（例如新奇技术和地平线）也开始出现，不断地开发驾驶舱芯片并积极与国内OEM合作。
3.3智能驾驶执行：逐渐应用由电线控制技术代表的自动驾驶执行器
汽车控制技术源自飞机的逐线控制系统。 这是一个将通过传感器转换为电信号并将其通过电缆直接传输到执行器的系统。 当前的逐线控制系统主要包括逐线制动系统，逐线转向系统，逐线悬挂系统，逐线系系统，逐线系统，逐线逐线系统以及逐个增长电线系统。 安装在车辆上不同位置的传感器实时获得驾驶员的操作意图，并且在车辆驾驶过程中的各种参数信息将传输到控制器进行分析和处理，然后获得适当的控制参数，然后传递给每个执行器以控制车辆。
该汽车的逐线底盘主要由五个主要系统组成：逐线，逐线，逐线，换线，逐个油门和悬挂式悬架。 它是实现自动驾驶的关键载体。 与传统的底盘相比，逐线底盘技术更适合电动汽车，并且逐线系统的技术优势与汽车的智能需求高度匹配。 ①电线控制技术适合电动汽车。 逐线系统需要汽车的强大电源，并且更适合在电动汽车上使用控制技术。 电动汽车将与燃油汽车相比，将是**个使用自动驾驶的机车，并且逐线系统的技术优势与汽车智能的需求高度匹配。 以线条为例。 逐个线取消方向盘和车轮之间的机械连接，并使用电动机推动转向齿轮转动车轮。 就安全性，响应速度和方向盘布局而言，它是自动驾驶的标准功能。
趋势5：汽车公司正在部署逐线底盘，推动逐线渗透率加速。
独立品牌正在积极部署逐线底盘技术，集成底盘系统降低成本的能力已成为汽车公司布局的内在驱动力。 随着智能升级汽车的趋势和软件和硬件的去耦，以逐线技术为代表的自动驾驶执行器逐渐被逐渐应用于汽车中。 诸如大城市，比德（Byd），吉杜（Jidu），GAC，Nio和Geely之类的独立品牌汽车公司已经布置了智能系列。 控制底盘技术。 逐线底盘技术可以减少组件的数量，并通过底盘域中各种系统的综合开发有效地降低成本。 这是汽车公司在驱车底盘领域开发研发的主要内部驱动力。
3.4智能驾驶舱：多维互动升级促进智能驾驶舱的发展
传统的驾驶舱正在转变为智能驾驶舱，智能驾驶舱的穿透率不断增加。 从需求方面，消费者对驾驶舒适和安全的追求是开发智能驾驶舱的主要驱动力。 由特斯拉和新部队代表的新能源车以及传统汽车公司的高端模型，可满足消费者的需求。 根据对消费者升级的需求，我们是**个将许多智能驾驶舱功能安装到汽车中的功能。 从供应方面，智能驾驶舱技术比自主驾驶要难以实施，结果易于感知。 它有助于快速提高产品差异化和竞争力，并逐渐成为许多汽车公司的主要卖点之一。 随着新能量车的市场份额的迅速增加，以及消费者对驾驶舱智能的认识的逐步培养，智能驾驶舱的新功能已经流行，并且渗透率不断提高。
作为意识到汽车“第三个生活空间”的核心载体，Smart 致力于提供愉快而舒适的驾驶体验，并且其交互式属性不断增强。 驾驶舱显示屏正在朝着大屏幕 +多屏幕互连的方向发展，汽车中的沉浸式音频带来更好的声学体验，语音互动变得越来越聪明，越来越聪明和情感，并且智能大灯和室内环境灯正在迅速发展以实现照明升级，HUD，DMS等有效地改善了驾驶体验。 华为 OS 3.0，Apple和其他汽车机系统继续提高驾驶舱的相互作用水平。 在正式启动自动驾驶之前，智能驾驶舱HMI的设计将集中在驾驶任务上，使用多模式的互动来整合分散的感知能力，并实现多模式的感知算法，例如外部/视频视觉视觉感知和语音识别识别。 将来，Smart 互动体验将发展为多模式互动和主动互动，从而为驾驶员和乘客提供更具个性化和情感上的互动体验。
趋势6：大屏幕 +多屏 +显示技术升级趋势很明显，一个核心和多个屏幕已成为一个趋势
座舱展示屏幕显示了多屏 +大屏幕的开发趋势，展示技术经常升级，并且在车内娱乐场景不断富裕。 座舱显示屏的数量继续增加，数字仪器屏幕，中央控制屏幕和乘客娱乐屏幕逐渐安装在主要车辆型号上。 多屏幕技术已成为主要制造商建立产品实力的重要重点。 根据IHS数据，2019年单车上的平均屏幕数为1.75； 到2030年，配备三个或更多屏幕的汽车数量将达到约20％。 座舱显示屏的大小不断增长，大型屏幕已成为智能驾驶舱的主流开发趋势。 就中央控制屏幕而言，根据CICV创新中心的数据，在2021年，中央控制屏幕的市场份额达到49％，中央控制屏幕的市场份额超过14英寸，至8英寸%。 同时，屏幕显示技术继续改进，并且显示屏逐渐从LCD到OLED，迷你LED和4K演变。 大型高清旅客娱乐屏幕的出现进一步丰富了车内娱乐场景。 一些型号（例如LILI L9）还配备了后舱娱乐屏幕，并且汽车逐渐成为移动音频视频和游戏空间。
趋势7：出色的听觉经验已成为一个重要的卖点，语音互动经验继续升级
出色的听觉经验已成为汽车公司的主要销售点。 智能驾驶舱声学系统的硬件主要包括麦克风，扬声器，功率放大器，AVA和降噪传感器模块； 该软件主要包括车辆调整技术，声学信号处理技术等。在消费升级的浪潮中，出色的车内音频体验已成为汽车品牌的重要销售点之一。 车内扬声器的数量正在逐渐增加。 高保真和独立的功率放大器已成为主流趋势。 软件和硬件共同创造沉浸式的聆听体验。
语音互动体验已升级并发展为个性化和情感上的互动。 语音互动是智能驾驶舱的核心功能之一。 根据来自1亿欧元智囊团的数据，在2021年，在中国新发布的乘用车中，语音互动的渗透率高达86％，排名第四。 作为塑造品牌形象并增强产品能力的重要配置之一，许多汽车公司积极开发具有公司特征的语音和交互式车辆的应用。 韦莱（）的智能语音互动助手nomi集成了语音交互系统和智能的情感引擎，这被消费者市场称为“威利亚的灵魂”。 001实现了分区的语音交互，其智能的语音助手EVA可以识别前后乘客的语音说明，并为其执行相应的操作。 语音交互的应用程序场景不断富集，从基本的车辆控制操作扩展到信息娱乐，车间场景链接和社会生态。 将来，汽车中的语音互动还将与视觉和其他模式深入融合，从而为用户提供更个性化，情感和积极的互动体验。 例如，通过视觉互动的深度融合，例如语音声音纹身和面部识别，学生识别等，准确识别并执行不同驱动程序和乘客的指示，还可以增强互动场景的安全性，例如外国语音控制车辆和车辆付款。
趋势8：灯互动升级，功能前大灯正在发展朝智能大灯开发
灯的类型更丰富，带来了更舒适的互动体验。 随着汽车灯技术的开发，汽车灯的功能不断完善，个性化需求（例如尾灯和大气灯）不断释放。 灯物种更丰富，为消费者提供了更舒适，更愉快的驾驶体验。 大气光的布局是由整个机舱的周围布局从屋顶，汽车底部和门开发的，并为汽车人员带来了全面的感官享受。 同时，大气灯的智能趋势是显而易见的，声音和手势互动控制逐渐实现。 许多梅赛德斯-Benz型号都配备了主动氛围灯，与智能驾驶援助系统融合在一起。 当监视发生时，内部气氛灯会以闪烁的红灯向驾驶员提醒。
LED仍然是主流光源技术，并且功能大灯正在向智能大灯开发。 灯光的进步本质上是其功能属性的连续扩展，从初始安全部件扩展到外观和智能。 就光源而言，光源从卤素升级到LED和激光大灯，并且性能参数得到了显着提高。 自2016年以来，灯泡行业开始了一轮LED繁荣。 LED逐渐用其出色的亮度，能耗和美学代替了卤素灯和凝胶灯，并且渗透率迅速爆发。 一些高端汽车配备了激光大灯，但是由于激光大灯的高成本，很难在短时间内迅速普及。 LED光源仍然是当前汽车前大灯光源的主要形式。 就功能属性而言，汽车大灯的智能属性是不断增强的。 在传统汽车时代，汽车大灯主要具有传统的照明功能。 随着汽车电子和智能的连续着陆，灯光的交互属性和智能水平不断增强。 功能。 LED自己的特征有助于实现精确的光控制，逐渐发展为矩阵LED大灯，并开发智能轻型技术，例如AFS，ADB，DLP。
趋势9：AR-HUD具有广泛的发展前景，HUD行业的爆发已完全确立
Ar-Hud具有广泛的发展前景。 HUD（头部，汽车的头部显示器）可以在挡风玻璃玻璃上绘制重要信息，以便驾驶员可以看到重要的汽车信息而无需低头。 目前，HUD主要具有三种形式：C-HUD，W-HUD，AR-HUD。 其中，AR-HUD使用AR成像技术，因此HUD投影的信息与实际驾驶环境集成在一起，以扩展和增强驾驶员对驾驶环境的看法。 它的投影面积更大，投影距离更远，对比度/亮度更高。 同时，它可以集成ADAS信息。 投影显示信息更丰富。 它可以有效地改善驾驶体验。 It is an trend of HUD .
Trend 10: DMS is the core of . +near - the route
The DMS by the has the route. DMS ( ) can such as , , , and . It is an for high -level and the core of smart . At , the route of DMS is +other . By and in the car, the eyes, head and hand of the are used to the 's eyes, head and other to it has or . In , you can also the rotor of the wheel the to the 's hands leave the wheel the , or judge the 's based on state such as speed and speed 。 China DMS was with . In years, it has into cars, the trend with smart and smart . in 2018, my has begun to force the of the "two and one " model to the DMS . Since then, it has been mass - and on some . to the data of Think Tank, the rate of cars in 2021 was only 5%. The of DMS on the car is not . Some car are on it with smart and smart to the of DMS.
4 : in the of labor car and
4.1 "Chain" fully meet the host , and
In the era of smart cars, in the face of new for the of the , the "chain" fully meet the of the OEM. In the of , the of the is the " ", and the to "SOA". , the and are to cars. In this , many new have . need to meet at the same time: ① the and of the ; ② to the speed of mass , the of and to time; costs. The car chain model is the "chain" model. , chip , and are as Tier2 . Its are by Tier1 as parts as . The is . The "chain" model fully meet the needs of the OEM, and it will bring the car chain, the chain of the car.
In the new era of and rapid of , have their own , and they are both short. will help new for car chain. have R & D, , and chain , but are , and there is no used of . the new of have and , they are in and . have a and a , they have with the and lack of in and . Tier1 has in the past car chain and has a scale . , in many new areas, there is no . In , have more in and rapid . The of Tier1 in the car era are with the of . OEMs have also to self - and . such as have the and catch -up. OEMs have by the of to giant Tier 1. At the same time, smart car has an trend. OEMs can many high - on , which not only the to avoid "" for a , but also many and with and . 新的机会。
4.2 The from to will give birth to a new model
The and of and fast and has the new model of Tier0.5, and in and than Tier1. In the era of , the OEMs need to the of the the early stage. Under the of the OEM, the and of of will be . Core . In the , a new Tier0.5 model . Tier0.5 in the and stage of the OEMB than Tier1. The with the OEM is more . more open and early , Tier0.5 and OEMs have their own , with the best , and and rapid of . For with in , with Tier0.5 , they can in links such as and to their to . For the new and that the of and and , in -depth with Tier0.5 , with the help of Tier0.5's top -level and , the At the same time, it helps to the rapid of the .
and have from to , and the model is more . Tier0.5 not only the and in the early stage, but also began to the full life cycle of and and . The the OEM and the is no to the , but the of the model of . In this , the model is more . The and the OEM can be into three modes, Tier1 mode, mode and smart mode: ①Tier1 mode is a model. and or . The is the OEMs For the side, has with many OEMs in this model, BYD, Great Wall, Geely, etc. ② In the model, and the and it. There are three car using 's model. Hi and Avita 11 are with a full -stack for and Smart . The first model with GAC Euan is to be in 2023. ③ model, with the power of the whole under the model, is still in of the , and is 。 Car and sales are by car . The main SF5, world M5, and world M7. In the model, the and to win a win -win . OEMs hope to use 's brand power and user to a smart car brand image. High level.
From the model to the of the model, how to on the of the of both and match their own needs. The OEMs by Hi and Smart , such as BAIC and (now Selis), they are in terms of , , , , etc., they are in the of the era 。 A hopes to the of the OEM. with the Tier1 mode, the Hi model and the smart model will the , the smart model, in all of the host , in all of the host . When the self - is not , the of at this time can the of "1+1> 2" in the . At the same time, we also see that more and more host will with such as . Among them, there are many , but in a of , it is . such as can other than the of the host , such as smart , good smart , and "" brand . In , there is a new model in in the trend. How to on the of the of both and match their own needs.
4.3 Self - and in , and enter the
The self - of full stack is an ideal state, but at this stage, it is for the OEMs to all and . The of self - and has the of many OEMs. The in smart cars are . The core , smart , smart , cloud , , etc. there are of all -in -stack, such as Tesla, for most car And in terms of new of car , the whole stack of self - can cause huge input and . It is not only to the of full -chain , but also lacks scale in . At the early stage, Tesla also a with , and then to self -. As a , more and more OEMs have tried self - and in , and a large of and to form . the of , of and with other , to the of and the , and use the to enter the fast lane of and to avoid . and trial and error costs.
For the field of , high -end has the main of car ' self -, in order to the "soul" of smart cars. At , for the low -level of L2 and below, the OEM is more to adopt the of the . The plan to self -. In the high -end field in L2.5 and above, the OEM has begun to adopt joint or self - to the "soul" of smart cars, such as with a high -end , with and so on. Under the trend of , Tier1 and have in new . Tier1 By "+ ++ + " full -stack , it can with and , but also and hard -hard . self - needs of the OEMs, there are to . For , it can Tier1 to to the OEMs. At the same time, are also and links that enter Tier1, such as , TBOX, etc. to plan.
5 : How to an track
At , the is in a of . The top -down from the to the can more seize the in the of the . In the space, the can from . The above three are the core of our track . We set out from the of , , track , track , rates and value. , the of track : ① The more trend is the for the rate to ; The is to the of the and drive the value of the ;
The above two the space of the track. ③ is +a few can give . As a , we that the size of from 2021 to 2025, and which in China have in China, and then the best space for and the of in China is*好的。 The seven high - are: lidar, HUD, air , line , , power , ADB from large to small rates:
① Lidar is a for high -level . The rate is under the trend of by the OEM. We that the rate of laser radar in 2025 will reach 20%, leap-up . The size of the track will reach 37.9 yuan, and the size CAGR of 2021-2025 will be 372%. will rely on local to to share.
②AR-HUD , and the HUD and price rises in a broad . We that the HUD rate in 2025 will reach 39%, the size will reach 16 yuan, and the size of 2021-2025 is 84%, of which the AR-HUD size will to 9.8 yuan. that lay out AR-HUD are to open new space.
③ The of the OEMs to sink and the , and the air rate will usher in an . We that the air rate in 2025 will reach 15%, the size will reach 32.4 yuan, and the size CAGR in 2021-2025 is 78%. are to break the of the and .
④ ONE-BOX and TWO-BOX in line will for a long time. At , TWO-BOX is still . One-BOX has a than TWO-BOX. the is more , the cost of the plan has . The of ONE-BOX is to . We that the rate in 2025 will reach 26%, the size will reach 14 yuan, and the size CAGR in 2021-2025 is 72%. Due to the high of ONE-BOX , they have ONE-BOX mass . There are fewer , and that are the first to ONE-BOX mass are to .
⑤ From to , has a trend, and smart drive to tens of of . We that the rates of smart L2, L3, and L4 will reach 55%, 15%, and 5%, , and the size of the track will reach 67.7 yuan. 62%, OEM and Tier1 are to .
⑥ The power moves to to drive the chain , and the is to a on the . We that the 's rate in 2025 will reach 23%, the size will reach 7 yuan, and the size CAGR will be 53%in 2021-2025. The the and the will a to under the trend of .
⑦ the of the car light , the value of the ADB the value of . We that the rate of ADB in 2025 will reach 25%. with the value of about 1900 yuan in LED , the value of ADB is as high as 5,000 yuan. The size 19.2 yuan, and the size by 47%in 2021-2025. lamp are to .
（本文仅供参考，不代表本行任何投资建议，如需使用相关信息，请以报告原文为准。）
