汽车智能化变革大幕已开20世纪，无人驾驶技术持续迭代
发表时间：2023-11-22 10:04:54
文章来源：炫佑科技
浏览次数：147
菏泽炫佑科技
汽车智能化变革大幕已开20世纪，无人驾驶技术持续迭代
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。 经过近一个世纪的技术发展，它们终于在21世纪初融合在一起，创造了智能汽车。 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**名车辆自动化软件开发，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，我国首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伙伴，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、智能助理、人机化）共同驾驶，以及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军智能电动汽车赛道。 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汽车智能化变革大幕已开20世纪，无人驾驶技术持续迭代，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。 根据 Data的数据，全球汽车控制器（ECU+DCU）的市场规模预计分别为2020年，2025年和2030年分别为920亿美元，1.29亿美元和1560亿美元。 其中，DCU市场份额迅速增加，从2020年的2％增加。到2025年，20％到2030年。目前，自动驾驶处于从L2升级到L3的关头。 将来，L4也将实施。 预计其控制器的单位价格将从千元的水平上升到一千元的水平。 随着数量和价格上涨，自动驾驶域控制器市场将迅速增长。 根据中国的说法，“ 2030年中国汽车电子行业发展前景分析”由电子信息行业发展研究所和汽车电子行业联盟编辑，预测自动驾驶产品（自动驾驶 +先进的自主驾驶援助系统）将增长全球*快的汽车控制器。 该比例将从2020年的21％增加到2025年的30％，到2030年将进一步增加到38％。
当前的智能驾驶仍由辅助驾驶ADA主导。 国际1级制造商在国内ADAS领域具有明显的优势。 随着当地供应商的突破，国际制造商的份额已经开始下降。 在2022年上半年，L2水平的安装容量（包括L2+）的ADA超过了L0+L1水平，达到237万辆汽车，L0+L1级ADAS的安装容量为180万辆。 无论是L0+L1级ADAS还是L2级ADA，国际制造商都占份额的绝大部分。 其中，L0+L1水平的前5名供应商都是国际制造商，份额为83.06％。 排名第六，份额为5.59％。 L2 ADA的Top7供应商都是主要的国际制造商。 但是，由于矩阵合作伙伴，Desay SV，， 和Haomo 等本地供应商的突破，Top7供应商的份额略有下降4.43pct，至86.40％。
驾驶舱域和智能驾驶域控制器是当前市场的重点。 OEM和传统层1是域控制器市场的主要参与者。 其中，国内一级制造商正在迅速发展，这共同促进了智能驾驶域和驾驶舱域的加载能力的迅速增加。 OEM主要包括特斯拉，新的家用汽车制造部队以及大城市等传统品牌公司。 其中，特斯拉领导着发展，整个结构都接近了*终的集中式结构。 国内新力量品牌的目标是增强其品牌。 考虑到影响力和快速产品迭代的需求，其中大多数都坚持在整个领域进行自我研究，以创造差异化的优势； 在国内传统汽车公司中，长城基于其子公司Hao Mo 更强大，以实现对域控制者的高度自我研究。 尽管大型机稍弱，工厂选择了一些自发或外包的解决方案。 ②主要包括Denso，Bosch，Aptiv，，等，它们由于其技术的积累而在域控制领域相对领先。 ③国内1公司正在迅速发展，主要包括华为， ，Desay SV， Reach，Pateo 车辆等。其中，华为具有*强的自我研究功能，并且是自主驾驶中*大的技术优势，在自主驾驶中，智能驾驶舱，车身，自开发产品已在电气和电子系统和传感器等许多领域推出，并且可以在自己的领导下与汽车公司实现完整的车辆合作。 DeSay SV具有*大的质量生产量表，并且具有**步优势。 它的产品配备了理想和小型产品。 Peng，Chery和许多其他模型。 其他国内1层域控制器也在市场上有域控制产品或即将进入大规模生产，并且它们也具有一定的竞争力。 智能驾驶域和驾驶舱控制器的安装容量也正在迅速增加。 在2022年上半年，国内装置的容量分别达到371,000辆和644,000辆，同比增长率分别为62％和42％。
国内域控制器Tier1已从垂直供应转移到与OEM的更深层次的合作，追求快速，低成本和高质量的产品发布，并有许多开发机会。 在此过程中，OEM选择是否根据自己的力量和资源进行自我研究，并与Tier1进行域控制产品结构进行深入合作，该域控制的产品结构有望缩短产品发布周期，增加利润率，并为Tier1提供更多的参与机会。 ，以实现双赢的情况。 从总体趋势来看，OEM会更加关注上层软件和算法的自我研究，供应商在硬件，基础软件和中间件方面做得很好。 随着域控制体系结构的持续变化和升级以及不同OEM对域控制器的差异需求，OEM倾向于主导域控制功能和算法本身。 国内TIER1供应商具有本地优势，例如与OEM接近以及快速的合作和响应速度，并有望在域控制器领域取得突破。 自主驾驶域控制器市场中的竞争非常激烈。 特斯拉和博世等海外制造商在产品和技术方面暂时领先。 华为，Desay SV和 等国内制造商也具有一定的竞争力。 华为在中国具有*强的自我研究能力和领先的技术。 它已经建立了MDC车辆计算平台，以实现从芯片到智能驾驶平台的全面自我研究。 其中，*新的自我开发的智能驾驶平台具有400+顶部的计算能力，并已安装在Jihu Alpha上。 对于S HI版本，预计华为将根据其强大的自我研究功能继续与更多OEM合作。 Desay SV通过与的深入合作，利用了L2和L2.5水平。 它的产品已安装在Xpeng P7和Lili L9等型号上，并由多个OEM任命。 预计它将继续受益于的高计算杠杆，并继续扩大高端自动驾驶产品的市场份额。 ③ 目前凭借其成熟的L2解决方案占据了L2市场的很大一部分，并且在自动驾驶领域具有多产品线路的布局，并具有丰富的经验。 目前， 正在与Ti，和Black芝麻积极合作，以扩展到L3水平，并在各种感应的硬件产品，基础软件，中间件，操作系统，控制算法以及一些执行器，某些执行器，执行器，某些执行器，某些执行器，某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及某些执行器，以及一些执行器，以及并且具有提供算法 +硬件解决方案功能的能力，同时*初在端口方案中实现L4级别的实现，具有巨大的开发潜力。 ， ， 和其他国内1公司正在积极部署自动驾驶域控制器，并有望在短期内实现产品推出和车辆模型匹配。
2.2软件体系结构：从面向功能到面向服务的SOA的演变
2.2.1 SOA降低了软件开发的难度并提高了效率
SOA为软件带来了新的机会，软件定义的汽车已成为开发趋势。 集中的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OEM的车辆模型开发周期变得越来越短，它们将面临更频繁的开发需求和更多的船上功能。 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体系结构下，该车采用了“以信号为导向”的软件体系结构，ECUS通过Lin/Can等公共汽车进行了点对点。 为了真正实现软件定义的汽车，从技术角度来看，汽车软件体系结构正在从“以信号为导向”的传统体系结构转变为“面向服务的” SOA体系结构（ - ）。 SOA体系结构的核心以“服务”的形式封装了每个控制器的基础功能。 服务是独立的可执行软件组件，并在任何时候都会给出一个特定的IP地址和标准化的接口。 *终，通过这些，基本功能的自由组合实现了一定的复杂和智能功能。 因此，SOA体系结构需要具有三个主要特征：接口标准化，相互独立性和松散的耦合：①每个“服务”都有一个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独特的，它是汽车软件体系结构中的基本软件，因此，如果要升级或添加某个功能，则只需要通过标准化的界面调用它即可。 ③它具有松散的耦合特性，并且独立于车辆模型，硬件平台，操作系统和编程语言。 传统的中间件编程可以与业务逻辑分开，从而使开发人员可以专注于编写上层应用程序算法，而无需花费大量时间来基础技术实施。
2.2.2 SOA体系结构每一层的基本软件有助于实现软件定义的汽车
随着硬件体系结构的跨域集成趋势，操作系统的数量正在减少。 根据功能分类，它们可以分为车辆控制操作系统，自动驾驶操作系统和智能驾驶舱操作系统。 在跨域集成解决方案下，域操作系统逐渐成形，传统操作系统正在从多个独立的操作系统到几个/一个操作系统。 从功能实施的角度来看，智能汽车操作系统可以大致分为车辆控制操作系统，自动驾驶操作系统和智能驾驶舱操作系统。 其中，车辆控制操作系统主要用于实现车身底盘控制，电源系统控制和自动驾驶操作。 该系统主要用于实现自动驾驶功能，智能驾驶舱操作系统主要用于实现车载娱乐信息系统的功能和HMI的相应功能。 操作系统是软件定义汽车开发的基石。 从上到下的智能汽车SOA软件体系结构由应用程序软件，功能软件，中间件，基础操作系统（狭窄的感官操作系统），车辆芯片软件（BSP），虚拟机（）和芯片组成，其中功能软件，中间件，基础操作系统，车辆芯片软件和虚拟机构成了广义操作系统，该操作系统统称为系统层软件。 它是管理和控制智能汽车硬件和软件资源，提供操作环境，操作机制，通信机制和安全机制的底层。
基础操作系统是操作系统的内核，并提供了*基本的功能。 基础操作系统负责在内部协调过程，管理软件和硬件资源，并为外部交互提供接口。 它从根本上决定了系统的性能和稳定性，并且是系统软件层的核心。 由于开发的困难和*高的安全要求，市场竞争格局主要由QNX，Linux和Linux主导。
中间件是基础操作系统和上层应用程序之间的软件模块。 目前，用于自动驾驶和智能驾驶舱的中间件正在繁荣时期。 中间部分可以简单地理解为中间层软件，该软件与基础软件密切相结合以形成平台软件，从而连接上层应用程序层算法和下层级别的硬件（例如芯片，传感器等）。 通过平台软件，可以实践“定义汽车”软件和硬件的系统理论。 该应用层可以快速移植并部署在任何芯片或域控件上，并且硬件无需注意相应的接口匹配。 目前，市场上的主流中间件计划是汽车行业相对成熟的中间件。 在功能模块的中间，模块和模块之间的接口是标准化的，从而实现了汽车的解耦软件和硬件。 （CP）该计划在分布式体系结构下应用于MCU。 它具有更高的功能安全性和真实的时间性质，适用于传统的ECU，例如电力和制动。 软件中间件创建的ROS（2.0）中间件方案也可以用于高级自动驾驶。 同时，随着传感器数量的增加，数据源增加了，并且在芯片之间进行了多个异质数据的有效传输和介绍通信中间件所需的任务过程。 某些/IP和DD是可以在AP中共存的面向服务的通信协议。 其中，一些/IP相对关闭。 DDS可用于开源商业用途，但大多数DDS商业版本都是非汽车法规。 OEM需要进行两个两个。 发展。 目前，自动驾驶和智能驾驶舱领域的中间件正处于鲜花时期。 自主驾驶的中间件具有三个主流解决方案：AP，DDS和ROS（2.0）。 严格的行业标准和主流计划。 的行业地位还为当地的中间件公司带来了开发机会。 本地公司可以根据客户的需求进行自定义开发，以满足大多数OEM的当前“自我研究”需求。 优势和当地沟通优势。
虚拟化技术实现了共享一组硬件资源的多运行系统。 车辆的分布式体系结构向集中式体系结构的演变以及大型计算芯片的应用产生了对软件安全隔离的需求。 引入虚拟机的概念可以虚拟化和接受物理服务器的CPU，内存，I/O和其他硬件资源的调度，以便多个操作系统的协调可以共享相同的硬件集合。多个操作系统的协调。 同时，系统可以保存彼此的独立性。 以智能驾驶舱为例，驾驶舱SOC芯片可以完成多个驾驶舱电子设备信号的处理和控制。 虚拟机管理的概念被引入智能驾驶舱操作系统中。 ，Linux和系统一起运行。 目前，通常包括QNX，英特尔的ACRN，Xen和L4RE。 其中，QNX是通过ASIL D安全合规级和确定性级别的唯一管理程序，适用于大众生产模型。
通过广泛的操作系统，三种类型的操作系统是通过基础操作系统的不同程度转换形成的。 智能汽车SOA软件体系结构中的功能软件，中间件，基础操作系统，车辆芯片软件和虚拟引擎形成了广泛的操作系统。 根据基础操作系统的转换程度，可以将更广泛的操作系统分为基本操作系统，自定义操作系统和ROM型操作系统：①基本操作系统包括系统内核和基础驱动程序。 管理系统的过程，内存，设备驱动程序，文件和网络系统确定系统的性能和稳定性； 当前的基础操作系统是一个开源框架，不受版权和知识产权的影响。 技术范围。 ②操作系统的自定义版本是在基本操作系统上深入定制的，例如修改内核，硬件驾驶，运行时环境，应用程序框架等，该版本属于独立开发的独立操作系统。 ③ROM操作系统基于基于Linux或等基本操作系统的有限自定义开发。 它不涉及系统内核变化。 通常，它仅修改更新操作系统的应用。 大多数OEM通常选择开发ROM型操作系统。 外国家庭工厂主要使用Linux作为基础操作系统，而国内OEM则更喜欢应用生态系统。
在基础操作系统应用程序中，智能驾驶舱主要是QNX，Linux和Main，智能驾驶主要是Linux。 在智能驾驶舱领域，由于Linux和开源功能，它被广泛用于车辆信息娱乐系统中。 QNX由于其稳定性和安全性而应用于仪表板，具有更大的稳定性和安全性。 与智能驾驶舱相比，自动驾驶需要在汽车外引入大量传感器，例如毫米波雷达，激光雷达，相机等。因此，它涉及大量数据处理。 Linux是高度开放的，因此Linux被广泛使用。
3趋势：拥抱情报，产生前十名行业趋势
自主驾驶的基本过程分为三个部分：感知，决策和控制。 实现路径是通过感知系统整合每个传感器的数据。 使用不同的算法和支持软件，可以获得驱动解决方案以输出信息输出信息，并且控制系统*终将完成对车辆的控制。 感知意味着了解环境的能力是实现自动驾驶的主要条件。 通过集成每个传感器的数据，可以通过车辆和驾驶员状态的运动环境来感知和测试感知系统，然后形成决策和控制系统的全面可靠的感知数据。 决策是指基于驾驶需求的任务决定，以根据驾驶需求做出任务决策。 选择正确的途径实现目标是实现自动驾驶的*关键步骤。 根据感知系统收集的信息，决策制定系统合理地决定了当前的车辆行为。 通过计划实现任务的*佳途径，决策轨迹轨迹并将其发送到控制层。 实施决策和计划实施实施是实现自主驾驶行为的一种体现。 执行系统以执行驾驶说明并控制车辆状态。 通过对车辆的驾驶和制动控制，以及对手板和轮胎的控制，以实现垂直和水平自动控制，并根据给定的目标和约束自动控制车辆的操作，从而实现了自动驾驶的目的。
智能驾驶舱是指驾驶员和乘客在汽车移动过程中为人，汽车，环境需求和信息互动提供的空间，这是自动驾驶的*终显示平台。 与传统的汽车驾驶舱相比，智能驾驶舱配备了智能和连接的汽车产品。 用户可以使用OS OS OEM和驾驶舱电子链接的多模板交互。 意识到人，道路和汽车之间的智能互动。 智能驾驶舱由控制系统，娱乐系统，空调系统，通信系统，座椅系统，交互式系统和感知系统等模块组成。 盒子，HUD，流媒体和其他驾驶舱电子为用户提供了许多智能功能，例如汽车连接，语音互动，驾驶员状态监控，生物识别技术，汽车道路协作，安全性预警等。和办公室化。
3.1智能驾驶感知：感知零件的富裕和升级推动了新的工业发展模式
趋势1：感知到的组件升级，LIDAR和4D毫米波雷达已接一个地应用于汽车
在自主驾驶的催化下，逐渐应用激光雷达，毫米波雷达和摄像机升级。 传感器是实现自主驾驶感知的硬件支持。 传统的自动感知包括相机，超声波波雷达和毫米波雷达。 就检测距离和检测准确性而言，它基本上可以满足L1-L2级自动驾驶需求。 但是，自动驾驶水平的高度提出了更高的传感器检测距离和准确性的要求。 结果，激光雷达已经陷入了OEM的视力领域，并已成为高级自主驾驶所必需的看法之一。 当前的激光雷达开始应用于汽车。 传统的毫米波雷达产品已经成熟。 现在，4d毫米波雷达已根据传统的毫米波雷达软性硬件升级，增加对象高度的测量，可以识别静态对象，并可以生成对象一般轮廓的点云。 并希望将来，低线光束激光雷达的一部分将减少到降低感知成本。 前视觉摄像头（全部-in -in机器）是L2及以下的ADA函数的关键传感器。 鱼眼摄像头是停车功能的关键传感器。 模块，算法在控制器中实现。
L3及以上高端自主驾驶需要配备LIDAR，已成为该行业的共识，LiDAR加速驶上汽车。 激光雷达已被广泛使用，基本上是机械的，并且汽车级别的激光雷达也积累了很多年。 技术已经成熟。 激光雷达雷达通常出现在*近发布的中部至高端模型上。 根据高端智能车辆的数据，在2022年上半年交付了26,700次国内激光雷达交付。它预计在2022年将超过100,000，预计到2023年底，它将超过150万件（包括固定点）。 LIDAR是一种有效的感知装置，可以解决智能驾驶场景的疼痛点。 随着成本下降，将获得更多申请。 目前，智能驾驶中感知到的设备中仍然有疼痛点：①相机和毫米波雷达感知仍然不安全，并且对静态物体，较差的光线环境和罕见。 在高速速度大于100 km/h的高速场景中，安全性仍然不够安全。 车辆的安全制动需要清楚地检测到100m以外的小物体，这意味着要达到100m预警，这需要250m的标准检测距离； ③有无尽的出现层，高速洒水器严重威胁到安全性。 激光雷达的应用，尤其是远程激光雷达，可以更好地解决上述问题。 目前，激光源激光雷达的价格约为1,000美元。 预计将在未来3到5年中至少降低成本的50％。 当时，激光雷达将在汽车上更具装备。
毫米波雷达经过了多年的积累，以实现乘用车上的批量生产应用。 产品应用程序的载体是ADAS函数。 其市场的年销量逐渐增加。 本地化计划显示了鲜花的趋势。 处理信号时，可以使用运动目标实现运动目标的速度和距离测量的多普勒频率和TOF原理。 基于基于平行接收天线接收相同目标反射的脉冲波之间的相位差，可以实现角度测量。 毫米波雷达可以输出距离，速度和角度信息。 它也称为3D毫米波雷达。 距离和角度信息的距离和角度信息可以通过极坐标系转换为卡特什尔坐标系。 距离，但缺少垂直Z的垂直信息。 对于道路中间的人孔盖，减速带，空中悬挂的各种徽标标志，静态车辆，例如高架，静态车辆等通过3D毫米的波，通过3D毫米波。 雷达无法决定这些障碍是否会影响交通的通过。 这是传统毫米波雷达的缺陷。 毫米波雷达开发的当前规则：①价格下降； ②音量变小； ③脉冲到FMCW； ④芯片高积分； ⑤技术创新-4D成像。 现在，毫米波雷达已经发展为第五代，大陆将立即发射第六代毫米波雷达。 在L2+系统，尤其是NOA函数中，通常使用5毫米波雷达。 目前有多种技术解决方案，重点是能力指标和工程能力。
4d毫米波雷达可以测量目标的高信息并执行对象的点云成像。 它是下一代毫米波雷达。 4d毫米波雷达*重要的功能是它可以准确检测到螺距角度以获得测试目标的实际高数据。 使用此功能，4D毫米波雷达可以“识别静态对象”。 此外，4d毫米波雷达的分辨率也大大改善。 以Arbe为例，其水平和垂直分辨率分别为1°和2°。 增加5〜10倍，垂直分辨率仅是普通16/32线的机械刺激器的1°垂直分辨率的1°垂直分辨率的两倍，这使得在扫描同一对象时扫描4D毫米波雷达。 该数量大大增加，甚至低孔束激光雷达的点云扫描效果。 第五代毫米波雷达可以逐渐实现云成像。 成像的目的是概述对象以区分相邻对象。 在此过程中，存在识别率的问题。 并非所有项目都可以识别。 作为项目的真实轮廓，识别率越高，识别率越高。 4D激光雷达已经可以描述对象的外围轮廓。 下一步是根据点云成像提高目标识别的算法效率。
与激光雷达相比，4D毫米波雷达具有更高的成本优势。 我们认为，它可以部分取代低线激光雷达，并促进高端智能驾驶穿透的改善。 4D毫米波雷达无疑是自动驾驶感知成分的新星。 特斯拉（Tesla）于2022年注册了相关的专利。与此同时，首席执行官在2025年的高端自动驾驶中的CES演讲中也表示。将4D毫米波雷达应用。 更换激光雷达。 4d毫米波雷达相对激光雷达的优点在于：①多普勒效应通过多普勒效应直接测量，高精度； ②环境适应能力良好，多云，雾气和雨水更好，并且不受光的影响； 4d毫米波雷达的传感器都是基于硅的传感器，并且成本可以降低。 4d毫米波雷达可以在高度和激光雷达中实现相似的角度分辨率，但是在水平方向上低线束激光雷达的角分分辨率仍然比现有4D雷达高1级，但该指示器无法为了表示所有感知能力，在某些方面，4D毫米波雷达的性能还不错。 4d毫米波雷达的优势是出色的。 我们认为，成本是*关键的变量。 激光雷达和4d毫米波雷达并不是所有成熟的感觉设备。 技术进步将提高其分类能力和检测能力。 毫米波雷达和摄像机的组合是一个很好的低成本中段感知解决方案。 结合高端梁的长距离长距离激光镜头负责远程感知并形成完整的感知方案。 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线激光雷达。 目前，这是L3水平自动驾驶渗透率增加的起点。 例如，激光雷达和4D雷电的成本仍然很高。 I that if more use 4D radar, it will bring about the of the cost of the and the of the rate of the high -end . The cycle will also the of lidar to the in costs.
Trend 2: into a trend,
are in the new of , and of has a trend. The trend of parts is into the two : ① The new car is with a rich with , and high -level such as lidar, 4D wave radar, and 8 high -pixel are to the car. with such as wave radar, , radar, the of the new is to . 系统化的。 ② The of new cars with is a of the in the arms race, which is to . The of the OEM has a new point for . With the L2+level in the new car, the of the newly -built car on the car are no . Laser radar, 4D wave radar, 8 high -pixel and other are . and head seek new for . ES7 is with 11 +12 wave radar+5 wave radar+1 lidar. G9 is with 12 +12 wave radar+5 wave radar+2 laser radar. And with high - maps, the ideal L9 is with 11 +12 wave radar+1 wave radar+1 laser radar. The new of Wei are also with high - maps, and the . 带领。 New such as Deep Blue SL03, Ji Ji 001, BAIC Ji Fox Alpha S Alpha S, are also with more , wave radar and other . with hot - such as BYD Han and P5, the total of new cars with a in has , and the of input has also . has the of the OEM.
The are and by . Local are to catch up with and usher in . ① The trend in the field of car lens is . is the lead; CIS (CMOS image , Metal Oxide Image, Metal Oxide Image, metal oxide image ) , Well to The share is to break the in Anson's . ② The radar . a set of based on the radar . ③ have not been in the field of wave radar. are to the 77GHz wave radar. At , both Huayu and have 77GHz wave radar , and speed has . ④ At the stage of laser radar, some have mass , and it is to break in the short term. Local lidar the of car -level semi -solid -state lidar front -load . leads the and has more share. The sales of the laser radar laser laser laser laser laser laser laser laser has , and with many and laser radar is to use laser radar to . , most of the , under the of , it has with and car , which is to to from high - maps.
Trend III: Multi - and front -end are
At , the and multi - are . From the of in , speed and , multi - is more in line with high -level needs; from the of , the SLAM is the core of the . , the front -end will be the trend. At , pure and multi- are the of the OEM: ① Pure has the of and low cost, which can meet the needs of L1-L2 , but this plan has high for power It is by the of the , and there are in the and . Car by Tesla and are on pure . ② The cost of multi - is , but it has the of high and long . in this , have their own and , each other, and . , the most safe and , which is more for high -level needs, but its are high in high . , The for . At , the new of and are more to self - . From the of the , the SLAM is the core to the . Among them, the front -end will be the trend. SLAM to the and maps, that is, under the of the car , to the of the , its own and the map, and use the map for and 。 , the part is , the SLAM is the core and most part of . At , the OEMs adopt the back -end in the SLAM , and the front -end is than the rear -end in terms of the , and of the . 未来的趋势。
(This is for only, does not any of our . If you need to use the , refer to the text.)
