乘用车产业正在经历前所未有的最深刻的变革，融汇了新能源、新一代信息通信、云计算、大数据、人工智能等多种变革性技术，跳出了传统交通工具定义，成为大型移动智能终端、储能单元、数字空间。
汽车产业总体变革思路表现为：电动化、智能化、网联化三大方向，统称为“智能网联新能源汽车”。其中：
电动化是指汽车朝向以动力电池作为驱动能源的发展模式，围绕“三电”技术，即电池、电机、电控构建新能源动力系统；
智能化是指在汽车上加装如毫米波雷达、车载摄像头、激光雷达等硬件设备，搭载软件系统，通过高级辅助驾驶系统实现单车智能发展；包括智能座舱和智能驾驶两方面；
网联化是指通过物联网等技术，在车与车、车与人、车与交通设施之间建立信息互联（V2X），从而实现“人-车-路”协同；
汽车变革并非孤立进行，与它并行的是新能源（动力电池/氢燃料）、人工智能（数据、算法、算力）、移动通信互联等技术的快速迭代发展。不同的技术方向，发展水平并不同步，因此在“智能网联新能源汽车”中也呈现出不同的发展阶段。
根据中汽协数据显示，2022年1-9月，新能源汽车销售量超450万辆，前三季度渗透率逾25%，预计2022年全年销量可达550万辆。笔者认为，汽车产业以油气向新能源转换的能源革命已成为现实，主要有如下推动因素：
1、政策层面：“碳中和”已成为全球共识，中国碳排放量占全球碳排放量的比重逾30%，而交通部门又是中国第二大碳排放源，故而国内乘用车的电动化是“碳中和”共识下必然趋势；
2、技术层面：一方面，动力锂电池技术持续进步，包括：更高的能量密度（续航里程增加）、更快的充放倍率（充电时间减短）、更好的安全性能等；另一方面，配套基础设施逐步完善，包括充电桩、换电站的部署、老旧小区配电网的改造、光储充（放）示范等，均在重点加快推进；
3、市场层面：电动汽车性价比随动力电池技术和产能的提升不断提高，电动汽车的性价比已经逐渐达到和传统燃油车接近的程度。从用户体验来看，续航里程、充电便利、驾驶安全等品质越发接近消费者的诉求。
电动化的同时，大多数汽车均已开始装配高级辅助驾驶系统以及语音助手等座舱智能应用软件。电动化与智能化是汽车变革的两个方面，电动汽车并非都是智能汽车，而智能化也不完全依赖于电动化。智能化与电动化相辅相成：一方面，电动化能力的提升，可以更好支撑未来整车电子电气架构向集中式演进，并推动线控底盘、软件算法、车载以太网等伴生技术协同发展；另一方面，蔚来、小鹏、理想等“新势力”在试图进入汽车产业时，避开燃油车，重点研发电动/混动汽车，以实现与传统主机厂的错位竞争；同时，融入互联网营销思维和服务理念，逐渐演变出了以设计、研发和服务为核心、以最大化用户体验为主导的新型汽车产业。
基于高科技公司的引领，国内汽车在电动化发展之初便已自带“智能化属性”。时至今日，无论是传统主机厂还是“造车新势力”，都将汽车定位为移动智能终端。
当前智能化主要有两大发展方向，一是座舱智能化，一是驾驶智能化，如下图所示，详细内容将于后续章节阐述。
图1 智能化开启汽车变革的下半场
网联化是融合先进的传感、通信、网络技术，实现车与车、人、路、云的智能信息交换。网联化主要通过车用无线通信技术V2X（Vehicle to Everything）实现，不仅可以支撑车辆获得比单车感知更多的信息，还可以构建智慧的交通体系，最终提高交通效率、节约资源、减少污染。
网联化与智能化既密切相关又有所区别，则体现为“各有侧重，阶段递进”的关系。“各有侧重”体现在：智能化的发展侧重于给驾驶员减少驾驶负担，而网联化的发展则侧重于优化道路交通环境，降低交通事故发生概率。“阶段递进”表现为：电动汽车在现有单车智能的基础之上，通过车联网将“人-车-路-云”等交通场景参与要素有机地联系在一起，共享交通信息，在同行之间建立网络。
要实现真正的自动驾驶不能只靠车辆自身的智能化，更需要以“两端一云”为主体的车联网（包括：车与车V2V、车与路V2R、车与云V2C、车与人V2P）。
图 2车-路-人协同
中国智能网联汽车方案在未来3-5年内将加速演进、加快布局
2021年被称为汽车智能化元年，智能汽车市场正处于爆发的拐点，未来十年将是汽车智能化变革的时代，也是本文的研究重点。
汽车智能化主要体现在智能驾驶和智能座舱两方面：
智能驾驶：自动驾驶（Autonomous Driving，AD）的终极使命是将人的脚（纵向控制）、手（横向控制）、眼（感知）和脑（决策）等从驾驶任务中解放出来；最终在人类不完全干预的情况下，实现自动驾驶。
智能座舱：人的精力被释放出来的同时，将进一步释放了人在汽车内办公、休闲和娱乐的需求，这些需求将推动汽车座舱的数字化、信息化以及新兴的人机交互模式等技术的蓬勃发展。
下面我们将依次对智能座舱与智能驾驶进行深入阐述和探讨，其中智能座舱仅做简要介绍，本文将重点介绍智能驾驶行业与技术。
智能座舱为智能汽车核心价值量载体之一，成为各大汽车厂商进行差异化竞争的核心领域。
根据ICVTank公布的数据，作为潜力最大的市场，2021年中国智能座舱行业市场规模达到647亿元，预计在2025年将达到1030亿元，年均复合增速达到13%，高于全球增速。
未来五年智能座舱主要硬件产品将迎来快速渗透，尤其是液晶仪表、流媒体后视镜、HUD抬头显示，相较2020年，有望于2025年实现数倍增长。智能座舱目前已成为整车厂商打造差异化竞争、吸引消费者、提升驾驶体验的亮点之一。基于强大的商业化落地能力，各大车企均在配置日益丰富的智能座舱产品：
1.1 主流车企新产品广泛采用大尺寸屏幕、语音交互、触控交互等新功能，部分车型同时配置使用HUD；
1.2 座舱芯片以英伟达和高通为主，特斯拉等新势力车企座舱设计风格突出，中控盘与仪表盘整合为一。
表1 主流车企新车型智能座舱配置情况
智能座舱主要分为驾驶舱系统、信息娱乐系统、其他系统三大块：其中智能驾驶系统包括液晶仪表、抬头显示（HUD）、流媒体后视镜、驾驶员检测系统（DMS）等子系统；信息娱乐系统包括触控显示屏、后座娱乐系统等；其他系统包括智能声音系统、智能空调系统、智能座椅、氛围灯等。下面对智能座舱的各部件进行简要介绍：
2.1 域控制器（Domain Control Unit, DCU）：
域控制器由控制芯片SoC、MCU、PCB板、各种电子元器件和软件、算法组成，是智能座舱的“大脑”。域控制器最早由博世、大陆、德尔福为首的Tier1提出，主要为了解决信息安全、ECU数量增多、计算力受限等问题。
域控制器主要由以下几部分构成：
主控芯片：是域控制器的核心部件，目前多采用异构多核的SoC芯片，由AI单元、计算单元和控制单元三部分异构而成；
b.软件操作系统及中间件：包含系统内核、基础软件及中间件等，主要负责对硬件资源合理调配，保证各智能化功能有序进行；
应用软件：基于操作系统之上独立开发的软件程序，也是各汽车品牌差异化竞争的焦点之一；算法迭代是OTA 升级、功能优化和盈利模式创新的核心。
2.2 驾驶舱系统：
主要包括以下几部分，
抬头显示（HUD）：又称平视显示器，是将车速、油耗、胎压、中控娱乐、导航等显示在挡风玻璃上的光学系统。HUD的技术迭代分为C-HUD、W-HUD和AR-HUD，目前W-HUD由于技术成熟、成本适中，是主流方案；AR-HUD能让挡风玻璃上的图像准确叠加在现实世界场景上，随前车、行人、路口变化的实景不断改变成像位置和大小，提供比W-HUD更直观、丰富、高效的交互体验。
液晶仪表：以屏幕取代传统指针，支持导航地图、多媒体功能，由指示器、警示灯等组成，提供汽车运行参数信息。
流媒体后视镜：传统后视镜存在视野宽度不足、易受天气影响、存在盲点等缺陷。流媒体后视镜以屏幕代替传统镜面，用外置摄像头拍摄获取路况，能有效规避传统后视镜缺陷。
驾驶员监测系统（DMS）：智能座舱检测系统统称为IMS，分为驾驶员监测系统DMS以及乘客监测系统OMS。DMS主要通过摄像头、红外等设备拍摄眼球运动、面部表情等信息，通过解码、计算、AI识别输出疲劳、分心等动作信号，再通过人机交互警示驾驶员。从2022年7月起，所有进入欧盟市场的新车都必须配备视觉DMS。
2.3 信息娱乐系统：
信息娱乐系统分为娱乐系统和信息系统：前者主要包括通过 CD、VCD、 收音机、多媒体等音视频设备提供娱乐服务；后者主要包括导航引擎与软件、电子地图、无线广播信息，远程通信等设备提供信息服务。车载信息娱乐系统能够实现包括三维导航、实时路况、网络电视、 辅助驾驶、故障检测、车辆信息、移动办公、无线通讯、基于在线的娱乐功能及 TSP 服务在内的一系列应用，极大 地提升了汽车电子化、网络化和智能化水平。
2.4 其他系统：
智能声学系统：智能座舱中，扬声器数量更多、性能配置更高端化，扬声器数量大幅增长（一般包括8-30个扬声器）；独立功放应用渗透加速；声学警示系统，从无到有。
b.智能座椅：座椅不断升级舒适度和科技感；采用人体工程学设计、增加音响、按摩、通风等功能。
智能座舱的各部分的架构正在从分离式向分域式进行转化，最终可能会演变程集中域式：
分离式：各子系统分别由不同的ECU独立进行控制，单独的ECU算力较低，且各ECU之间通信能力较弱，只能进行较为简单的逻辑功能。
分域式：若干各子系统由一个域控制器（DCU）进行控制，例如仪表、抬头显示、流媒体后视镜由一个DCU控制，而中控、空调、娱乐系统、音响、座椅等由另外一个DCU进行控制。同一DCU控制的各子系统之间可实现较好的数据交换；不同DCU控制的子系统之间，通信能力相对较弱。分域式，是分离式向集中域式演变的中间架构形态。
集中域式：用一个DCU控制智能座舱的所有部件，同时对不同安全等级的部件实施隔离。
智能座舱产业链分上、中、下游：
3.1 上游产品基本为软/硬件原材料、与底层软件。其中：
硬件：地平线、华为海思等企业已经入局AI芯片；
软件：造车新势力三强蔚来已经推出语音助手NOMI、小鹏推出P7智能座椅、理想也将智能座舱作为核心卖点之一。
3.2 中游主要系显示系统、娱乐系统、通讯系统：中国企业已在这个赛道占据优势地位，出现优秀的一二级供应商。主要参与者包括德赛西威、华阳集团、经纬恒润、均胜电子、中科创达等。
3.3 下游为主机厂，组装整车设备并交付消费者，拥有最终定价权。
汽车座舱由传统驾驶舱朝着智能化、数字化方向发展，总体上可分为电子座舱、智能助理、人机共驾及智能移动空间四个阶段，当前正处于智能助理向人机共驾阶段发展。同时，座舱智能化进程也在不断重塑产业格局：
国产替代：根据IHS数据，预计2030年中国智能座舱市场占比将从2021年的20%增长到37%。智能座舱是人机交互的重要途径，具有高度的定制化、本地化需求，国内的供应商更理解国内的客户，响应速度也更快。
供应链体系：随着智能座舱的产品和功能层出不穷，电子电气架构逐渐向集中式域控制器演变。传统Tier1面临较大的转型压力，可能分化出硬件Tier1和软件Tier1。另外一方面，原来的Tier2凭借单项的技术优势，在产品研发阶段和主机厂深度合作的可能性大幅度提高。主机厂无法接受传统tier1的“黑盒”交付模式，他们需要和tier1共同定义需求、设计架构，甚至与tier2（操作系统、算法、芯片）也要直接合作。这对主机厂的研发团队提出了新的挑战，也模糊了原有的供应链边界。
商业模式：智能座舱不仅是产品创新，更是造车思维和商业模式的创新。盈利模式上，OTA、服务订阅、功能解锁等服务可以实现不断的迭代和更新，持续产生收入。前端软件、后端产品内容的价值量显著提升，传统制造环节价值量降低，智能座舱作为数据终端的价值凸显。
驾驶智能化整体迭代路径：辅助驾驶（Advanced Driver Assistance Systems，ADAS）à自动驾驶à无人驾驶。
1.1 “辅助驾驶”：NHTSA和SAE将仅具有预警提示、或短暂干预能力的辅助驾驶系统而不能依据外部情况、持续实施横向或纵向的自主控制的驾驶系统归类到“辅助驾驶”。
1.2 “自动驾驶”是指依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有人类主动的操作下，自动安全操作的机动车辆。是否能够持续地主动干预（sustained motion control）车辆运动，是辅助驾驶和自动驾驶的最主要区别。
1.3 “无人驾驶”属于自动驾驶的子集，是自动驾驶的终极目标：它既可以通过以车载传感器+算法+控制的单车智能和车路协同的补充，即自动驾驶路线来实现；也可以通过纯远程遥控来实现；它还可以是多种技术方案的组合；
总之，无人驾驶是技术程度最高的终极智能驾驶和自动驾驶。
国内自2015年起陆续涌现了一批智能驾驶企业，主要包括两条技术路线：
以ADAS逐级落地为主的渐进式自动驾驶演进路线
以L4无人卡车、Robotaxi运营为主的跨越式无人驾驶路线
直接自动驾驶目前整个行业处于技术探索阶段，行业预估规模化商业落地将在2030年以后；而整车智能化升级及主动安全是当前整个行业和市场更迫切的需求，以ADAS逐级落地是实现规模化量产的可行性方案。
图8 无人驾驶实现路径
目前，大多数的政府和企业都在采用由SAE International 制定的自动驾驶分级标准（J3016）来定义自动驾驶车辆。2021年8月20日，《汽车驾驶自动化分级》推荐性国家标准由国家市场监督管理总局、国家标准化管理委员会批准发布，于2022年3月1日起实施。总体上，《汽车驾驶自动化分级》与SAE推出的分类标准无实质区别。
图9 中美自动驾驶分级标准
L1-L5的具体分级标准如下：
L1辅助驾驶阶段：通过驾驶辅助系统（DAS）为驾驶者提供协助，包括提供重要或有益的驾驶相关信息，以及危急的时候发出明确而简洁的警告。如“车道偏离警告”（LDW）系统等。
L2-L3部分/有条件的自动驾驶阶段：在驾驶者收到警告却未能及时采取相应行动时能够自动进行干预的系统，如“自动紧急制动”（AEB）系统和“应急车道辅助”（ELA）系统等。将驾驶员仍需要对行驶负责、无法归类为L3、并有别于传统L2的更高阶的功能，都统称为L2+。
L4高度自动驾驶阶段：能够在或长或短的时间段内代替驾驶者承担操控车辆的职责，但是仍需驾驶者对驾驶活动进行监控的系统。
L5完全自动驾驶阶段：可无人驾驶车辆、允许车内所有乘员从事其他活动且无需进行监控。这种自动化水平允许乘客工作、休息和睡眠以及其他娱乐等活动。
L1-L5特点与主要功能如下：
从车辆驾驶接管角度，L3是技术的分水岭，主要体现在系统对车辆动态驾驶任务的完全接管，驾驶员可实现“脱手、脱脚、脱眼”，系统足够智能当发现驾驶环境不满足系统设计范围时，留给驾驶员足够的时间对车辆进行接管。表 2 L1-L5特点与主要功能
但从责任界定角度，L2之后率先进入商用的很可能是L4，而不是L3。因为L2和L4的事故责任界定都是清楚的，L2出了事故责任在司机， L4就是没有司机了，自动驾驶系统要为事故负责。L3就不一样了，司机在需要的时候进行接管，这就使得事故责任很难界定。
基于目前业界的发展，现阶段的自动驾驶应用仍停留在L1-L3阶段，即辅助驾驶（ADAS）阶段。
综上所述，汽车智能化的“变革“主要聚焦在两个方面：
1、算力成为核心竞争力
1.1 性能指标转变：燃油车以内燃机马力为指标；电动车以动力电池续航为目标；智能汽车时代，算力成为影响汽车性能的核心要素。
1.2 硬件是基础：传感器、芯片等硬件是自动驾驶感知层与决策层的基础，是汽车智能化的前提条件，渗透率处于快速提高阶段；
1.3 软件提供持续发展动力：随着智能化的深入，自动驾驶算法、智能操作系统、应用程序等软件在软件定义汽车时代将逐渐成为智能化的核心。
2、电子电气架构从分布式向集中式进行演变
2.1 原有的多个由MCU控制的子系统，将逐渐集中到由若干个域控制器组成的系统中（按照博世的划分规则，分为动力域、底盘域、座舱域、自动驾驶域、车身域），对域控制器中核心计算芯片的算力要求比较高。
2.2 商业模式变化：原有的电子电气架构下，主机厂对于各子系统的采购主要通过tier1完成，tier1以黑盒形式进行交付，各子系统之间相对独立；多年以来汽车电子电气架构保持相对稳定，主机厂与tier1之间的合作也比较稳定。汽车智能化浪潮中tier1的黑盒交付模式难以跟上新产品的定义节奏，并且给产品的后续升级迭代带来巨大阻力。主机厂需要更加紧密的合作伙伴（tier0.5），参与到产品的设计和定义阶段，并且尽量做的白盒交付。Tier0.5成为介于传统tier1和主机厂之间的重要角色。
在汽车智能化浪潮中，驾驶智能化的诉求最为迫切；只有将人从驾驶的职能中解放出来，汽车座舱作为第三生活空间的地位才能凸显，座舱智能化的需求和场景才会被释放和激发。而在驾驶智能化的浪潮中，又以辅助驾驶（ADAS）的应用最为广泛，正处在行业渗透的拐点；另一方面，辅助驾驶为高阶自动驾驶提供必要的数据、算法积累，是实现终极无人驾驶不可或缺的基础。下文将对辅助驾驶（ADAS）行业进行重点讨论。
面向C端，具备科技型新消费品属性的乘用车驾驶智能化具备高度的发展想象空间。由于自动驾驶在技术、政策监管上的不确定性，以辅助驾驶（ADAS）逐级落地是应用自动驾驶技术的主要路径。目前我国正处于L2/L3级渗透率迅速提高的阶段，这一趋势可能持续5-10年。
辅助驾驶ADAS是利用安装于车上的传感器（主要有摄像头、雷达、激光和超声波雷达等），收集车内、外的环境数据，进行静、动态物体的辨识、侦测与追踪等处理，从而能够让驾驶者在最快的时间察觉可能发生的危险，以引起注意和提高安全性的主动安全技术。根据《车联网(智能互联汽车)国家行业标准体系建设指引》的分类，目前的ADAS产品可分为：信息感知、决策预警、驾驶辅助、部分自动驾驶四大类；
表3 四大类ADAS产品的主要构成
从国内ADAS市场规模情况来看，2020年，中国乘用车新车前视系统（即ADAS产品）装配率为26.4%。2020年中国ADAS主要功能市场规模达到844亿元，同比增长19.3%，预计2022年市场规模将达1131亿元。
全球ADAS行业市场规模逐年增长，且增速较快。据Statista数据，2020年全球ADAS市场规模达到175.7亿美元，同比增长20.10%。预计2022年全球ADAS市场规模有望达到259.7亿美元，2023年将同比增长23.02%达到319.5亿美元。
ADAS产业链主要分为三级梯次配套格局：
1、首先是车厂：主要由传统车企和科技型造车企业（“新势力”）组成，传统车企掌控汽车生产资质和整车控制集成的核心竞争力，占据大部分市场份额；新势力车企凭借在人工智能、人机交互、芯片算法方面的优势可抢占一部分市场份额；
2、其次是ADAS一级系统供应商（Tier1）：主要由掌握感知、识别、算法、决策的专业零部件企业提供ADAS集成系统的整体解决方案；
3、最后是二级供应商（Tier2）：如雷达、摄像头、芯片、电子刹车等。
图12 ADAS产业链三级梯次配套格局
中国前装ADAS市场集中度较高，其中博世、电装、大陆、采埃孚四家市场份额占比较多，2021年各自市场占比分别为27.53%、15.40、14.46%、12.63%。安波福和veoneer在2021年分别以9.91%和4.2%的市场份额位居第五和第六。
图13 2021年中国前装ADAS供应商市场份额
近年来，部分本土企业例如华域汽车、德赛西威、均胜电子等在部分 ADAS 基础功能上已经具备部分集成能力，正在向 Tier1 角色成长。
进一步拆分ADAS，智能驾驶系统通常由三部分组成，本质上就是要解决三个问题：我在哪？我去哪？我该如何去？
图14 ADAS技术链条
环境感知：感知系统依靠各种传感器来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：对环境感知的结果进行处理，结合高精地图数据确定合适的工作模型，结合目的地信息，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，解决“我去哪”的核心问题。
控制执行：通过各种控制理论和算法来控制车辆的驱动、制动和转向系统，实现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“我该如何去”的核心问题。
由于感知层和决策层是智能驾驶技术的核心所在，是智能汽车与传统汽车的主要区别，下面做重点介绍。
ADAS感知系统其实包括：环境感知、车辆自身状态感知以及车辆定位等几大模块。
车辆定位：主要是使用GPS或惯性测量单元进行定位，可以确定车辆的位置，通常会基于多个传感器信息的组合来提高定位的精度和可靠性。
自身状态感知：使用本体感应传感器来测量车辆的当前状态，车辆的速度、加速度、横摆和转向角等，通常使用里程表、惯性测量单元（IMU）、陀螺仪（Gyroscopes）等。
环境感知系统：依靠摄像头、激光雷达、毫米波雷达、超声波雷达等环境感知传感器来采集车辆所处环境信息数据，并对其进行一些列的计算和处理，从而对周围环境进行精确建模，其输出结果是一个环境模型。
由于环境感知系统的技术难度最大，同时也是发展潜力最大的感知系统，下面针对几种主流的环境感知系统进行具体介绍。
激光雷达使用激光脉冲对周围环境进行测距，从而提供环境和距离信息。激光雷达兼具测距远、角度分辨率优、受环境光照影响小等特点，其最大优势是降低感知误差，提供的点云信息可帮助感知模型在物体检测、语义分割、目标行为预测、车辆定位上提供更高的准确度，可显著提升自动驾驶系统可靠性，是解决自动驾驶连续体验的关键传感器，被大多数整车厂、Tier1认为是L3及以上自动驾驶的必需品。
图15 激光雷达按扫描方式分类及其优劣势
激光雷达按扫描方式可分为机械类、MEMS、OPA与FLASH等几大类：机械式激光雷达此前已广泛应用，但主要应用于L4~L5无人驾驶领域，受限车规、成本、外形等问题难以适用于L2~L3；从成本上对比，全固态激光雷达＞机械式激光雷达＞半固态。
表4 激光雷达主要技术方案对比
2020年底开始，多车企(如北汽、小鹏、长城、沃尔沃等)宣布搭载激光雷达，搭载车型已陆续于2021-2022年实现上市。通过对激光雷达上车信息的查阅可以看出：半固态（MEMS、旋转镜、棱镜），是现阶段L2-L3级ADAS最具备前装量产应用条件的方案；无论在成本上，或者车规级要求上更能满足市场需求。
表5 激光雷达上车信息对比
可以看出激光雷达产业链上下游各环节参与者众多，笔者此处重点介绍中游激光雷达制造商及其技术路线。
图16 激光雷达产业图谱
激光雷达行业总体呈现传统一级供应商与初创公司共同竞争的特点；国外厂商主要有法雷奥、Luminar、大陆、Velodyne、Ouster等；国内主要有速腾聚创、大疆、华为、禾赛科技和图达通等。
根据Yole Development，2021年激光雷达制造市场，法雷奥市场占比最高，达到了28%，中国五家代表性厂商速腾聚创、大疆、华为、禾赛科技和图达通，市场占有率分别为10%、 7%、 3%、3%、3%，其中速腾聚创以10%排名第二。技术能力上，国内厂商与海外差距较小基本处于同一起跑线。
图17 2021年全球激光雷达厂商市场份额
激光雷达在雷达传感器体系中综合性能表现较优，L3级以上激光雷达应用将逐渐增加，并最终在L4级以上自动驾驶汽车中成为核心传感器，但是当前其成本过于高昂，亟需持续降本。激光雷达实现持续降本主要有三条路径：
1.1 光学模块芯片化：芯片集成化同时能够满足激光雷达的车规级要求。重点发力于发射端（激光器）、接收端（探测器）与数据处理端。VCSEL和SPAD是激光雷达芯片化升级的关键；采用成熟的半导体工艺(CMOS)，具有体积小、集成度高等优势，可成为激光雷达大规模量产和降本的重要发展方向。
1.2 优化结构与产品设计：减少激光器和探测器的配置数量等，如采用VCSEL帮助激光雷达镜子来“操纵”扫描模式的激光束；
1.3 其他技术：还有FMCW技术（减小信号处理模块尺寸并降低功耗）、算法融合技术等方法。
中长期来看，未来OPA全固态光学的扫描方案，将基于VCSEL及SPAD器件具有较快的发展空间；
毫米波是指波长在毫米级的电磁波，工作在毫米波频段的雷达，被称为毫米波雷达。通过电磁波束对于目标进行探测，可以全天候为智能汽车提供环境感知；毫米波雷达根据辐射电磁波方式、辐射距离、频率等多个维度进行不同分类。平时说的车载毫米波雷达，大多数按照发射频率定义的居多，即常说的24GHz和77GHz车载毫米波雷达，指的就是其工作频率：24GHZ 毫米波雷达属于短程雷达，主要用于中短程探测；77GHZ 毫米波雷达属于远程雷达，主要用于中远程的探测。
根据辐射电磁波方式不同，毫米波雷达主要有脉冲体制以及连续波体制两种工作体制。调频连续波FMCW为主流的车载毫米波雷达调制方式，具有可同时测量多个目标、分辨率较高、信息处理复杂度低、成本低廉、技术成熟等优点。
根据探测距离范围，车载毫米波雷达主要有三类：远距LRR（250m左右）、中距MRR（100m左右）、近距SRR（小于60m）。短程、中程、长程多颗毫米波雷达配合使用可实现ADAS各项功能。
国内的 24GHz毫米波雷达产业链已打通，从自主核心芯片（24GHz毫米波雷达射频芯片）、毫米波雷达技术、ADAS雷达产品、汽车的应用等逐步成熟。同时，24GHZ毫米波雷达主要应用于盲区监测、并线辅助、开门预警等辅助预警类ADAS。但由于77GHZ毫米波，体积更小，检测精度更高，加上毫米波本来也不贵，成本不敏感，所以欧洲电信标准协会（ETSI）宣布，2022年1月1日之后，24GHz毫米波雷达将不再用于汽车应用。
毫米波最大优点探测角度比较大，抗干扰性强，性能比较稳定，具有穿透烟、尘、雾、霾的能力，可全天候工作。
车载毫米波雷达产业链主要分为三部分：
2.1 上游：包括雷达射频前端(MMIC 芯片)、数字信号处理器(DSP/FPGA)、高频 PCB 板和控制电路等硬件以及后端软件·算法；
MMIC芯片占比最大，这部分被瑞萨电子、德州仪器、飞思卡尔、英飞凌、安森美、意法半导体等国际供应商把控。
高端DSP、FPGA芯片，同样也被国外巨头垄断：美高森美、飞思卡尔、英飞凌、亚德诺半导体等。
硬件加上后端算法，毫米波雷达的软硬件成本上大概1：1的关系；
2.2 中游：涉及成品毫米波雷达生产；主要厂商包括：博世、大陆、安波福、保隆科技、雷科防务、承泰科技、智波科技、隼眼科技等；
2.3 下游：主要是汽车整车厂、车路协同经营企业等
国外毫米波雷达产品在国内占据主导地位，尤其是车载毫米波雷达主流的77GHz产品市场，其核心技术主要由维宁尔、博世、大陆、安波福四家海外巨头所垄断。
目前国内毫米波雷达创业企业在20家左右，但具备量产能力，能保证产品性价比，并且能提供后期服务的企业却不多。从ADAS到高级别自动驾驶的演进促进了毫米波成像雷达市场增长，国内少部分企业在77GHz毫米波雷达领域获得突破，具备技术的企业已经快速落地量产。
表6 主要毫米波雷达厂商77GHZ产品布局
发展趋势
量价齐升：当前ADAS应用已达5颗（1前向雷达+4角雷达），L3及以上大概率需要6-8颗。单颗价格预计变化不大，但77GHz及高分辨率雷达占比提升会带动平均价格提升。
CMOS工艺普及：采用锗硅(SiGe)技术研制的毫米波雷达系统体积太大，占用大量线路板空间。近几年通过对CMOS技术的充分应用，可以实现嵌入式单片机(MCU)与数字信号处理(DSP)以及智能雷达前端的集成，同时具有较高的智能性与功能性。
4D成像技术：当前汽车的3D毫米波雷达主要用于确定目标和发射点的距离、相对速度、方位等信息。4D毫米波雷达它不仅可以获得前述三项指标，还可以确定高度相关的信息，是毫米波雷达的突破技术，可以提供高质量的点云数据，显示出整个物体轮廓。
摄像头作用是识别、定位、追踪车辆周围物体，收集车辆周围数据，为汽车自动驾驶系统提供可识别的数字图像信息。车载摄像头按照镜头个数分类，可分为单目、双目和多目摄像头。
表7 车载摄像头按镜头个数分类
按照安装位置不同分为前视、侧试和后视摄像头：
由于双目摄像头需要高算力的芯片支持，且成本相对较高，比单目摄像头的成本贵50%左右，故而普及还需要一定时间。由于成本和性能的综合优势，单目依然是前装智能驾驶的主流传感器方案。
从数量角度看， L2级别ADAS正在普及，理论上需要装配2~6颗摄像头（1前视+1后视+4个环视），未来随着智能驾驶向无人驾驶发展，L3级别每辆汽车有望搭载8+颗摄像头（2前视+2后视+4环视），L4级别每辆车预计将搭载10+颗摄像头，L5级别预计接近20颗。从实际上车统级情况来看：L3级别的奥迪A8和奔驰S配备摄像头分别为5及6个；“造车新势力”中特斯拉、蔚来、理想、小鹏的L2+级别自动驾驶汽车配备摄像头数量大都在8个以上。
车载摄像头产业链主要涉及上游材料、中游元件和下游产品三个主要环节。
3.1 上游材料：包括光学镜片、滤光片和保护膜等用于制造镜头组；晶圆用于制造芯片和DSP信号处理器；
3.2 中游元件：包括镜头组、芯片和胶合材料等组装成模组并和DSP信号处理器封装成摄像头产品。在产业链这一层，上游供应商已经可以向下游整车或一级供应商客户供应完整的摄像头产品。
3.3 在车载摄像头产业链中，摄像头和软件算法一起，构成车载摄像头解决方案，应用于自动驾驶汽车中。
目前车载摄像头市场份额较大的公司均是全球领先的一级零部件供应商，下游客户基本覆盖了全球主要的整车公司。从车载摄像头成本结构来看，根据ittbank数据显示，CIS传感器、模组封装、光学镜头是三项主要成本。其中，CIS成本占比达52%；模组封装成本占比20%，光学镜头成本占比约19%；
CIS传感器是主流的车载车载摄像头感光元件方案，生产制造的技术含量较高，目前主要被外资企业所占据：安森美以36%的市场份额占据第一；国内企业豪威科技以22%位居第二；索尼、松下、三星紧随其后；全球CIS的Top3厂商供应超过65%，行业集中度较高。
镜头组中光学器件（包括镜片、滤光片、保护膜）对摄像头所生成的图像质量方面起到关键作用，光学部件行业整体处于成熟期，行业集中度相对较高，大多是传统的相机镜头生产商。根据Yole Development,全球CR4约为40-50%：在车载摄像头镜头组的全球市场，舜宇光学位列第一，镜头出货量市场占有率为34%，之后依次为Sekonix、Kantatsu和Fujifilm（欧菲光收购），行业CR4接近80%。舜宇光学、欧菲光等正凭借其消费电子领域工艺积累进入车载市场；此外，国内光学镜头主要厂商还有联创电子、福光股份、力鼎光电等。
车载摄像头模组：当前全球车载摄像头行业市场份额排名前三为松下、法雷奥和富士通；整体竞争格局仍然较为分散，除松下市场份额在20%左右，其余主要供应商的市场份额在8%至11%之间。由于车载摄像头技术门槛整体相对较低，国内供应商具有较大发展机会。凭借成本优势、服务反应速度等优势，模组封装产业有望向国内转移。
图22 全球车载摄像头市场份额情况
车载摄像头发展趋势主要表现为：
数量增加：随着自动驾驶的需求提升，单车摄像头数量就不断增加，根据HIS Markit数据，2020年平均单车传感器数量仅3.3个，预计2030年将超过11个；级别越高、功能越完善的车型会配备更多的摄像头，汽车车身将会至少需要配置前视、环视、后视、侧视、内置摄像头，各部分还可能采用2~3个摄像头搭配使用。
规格提升：随着智能驾驶向高阶发展，芯片算力不断提升，摄像头的像素从最初30万升级到800万（已经有2021款理想ONE、智己L7、蔚来ET7等多款量产车型搭载800万像素摄像头）。未来，更多的量产车及自动驾驶解决方案将会使用800万像素高清摄像头。
目前智能驾驶车辆上配备的各类传感器都有着其鲜明特点以及适用场景。摄像头技术成熟且成本低，成为率先装车且用量最大的感知硬件。但由于摄像头与人眼一样，属于被动地接收可见光，因此在逆光或者光影复杂的情况下视觉效果较差，且易受恶劣天气影响。毫米波雷达受天气环境的影响最小，全天候性能最佳。毫米波雷达由于波长够长，绕物能力好，受天气环境影响最小。激光雷达精度最佳，满足L3-L5自动驾驶需求。激光雷达以激光作为载波，波长比毫米波更短，因此探测精度高、距离远。但是受限于技术难度大、成本高，目前还未能够实现大规模装车，随着未来产业链的日趋成熟，成本下探后，激光雷达产业或将迎来爆发。
可以看出，无论是摄像头、毫米波雷达、超声波传感器、红外传感器，还是价值贵高的激光雷达，它们都不可能独自负责感知层的信息收集。各自有各自的优缺点、测距精度也有不同，属于互为弥补的作用。故而，目前多传感器融合路线的思路是各取所长：通过激光雷达在各种光照条件下探测距离并完成物体形状分类；通过毫米波雷达探测附近物体距离，并且保障自动驾驶感知在恶劣天气条件下的鲁棒性；通过摄像头识别物体细致分类及车道线、交通标识、信号灯等参与交通必须掌握的信息。将不同传感器信息综合处理，可分为前融合和后融合两种方法。
前融合算法，是将来自激光雷达、摄像头和毫米波雷达的不同原始数据统一处理，相当于一套环绕全车360°的超级传感器，通过一套复杂精密的超级AI算法，来完成整个感知过程。前融合算法的难点在于对不同类型源数据的时效性要求高，导致对硬件算力有着更强的要求。并且，神经网络有极低的概率会出现误判或失误，需要冗余的系统进行验证。
后融合算法是被较多车企选择的，以摄像头、毫米波雷达等不同传感器分别通过不同的算法进行独立感知生成目标数据，当所有传感器完成目标数据生成后，再由主处理进行融合。但是在后融合感知框架中，单一类型的传感器因自身能力限制，特定条件下可能发生漏检或误检。不同类型传感器的识别结果需要互相验证，才能达到更高的置信度。
5.1 纯视觉方案（弱感知+超强智能）
代表厂商特斯拉，以Mobileye视觉自动驾驶技术起家，通过“影子模式”训练与迭代算法，即仅使用摄像头作为传感器进行信息采集（同时也可能搭载一些辅助传感器），构建纯计算机视觉网络进行感知结果输出，类似于人眼的感知模式，累计销量已突破百万。
特斯拉智能驾驶功能通过其自动驾驶域控制器来执行。整个AP控制器的真正核心即特斯拉自主开发的FSD芯片，也是特斯拉实现高AI性能和更低成本的一个重点。与当前较为主流的英伟达方案不同，特斯拉FSD芯片内部占据最大面积的并非CPU和GPU，而是NPU。
外围传感器配置与当前其他自动驾驶控制器方案没有本质区别。其主要包含12个超声传感器（Valeo）、1个毫米波雷达（大陆）、8个摄像头（风挡玻璃顶3个前视+B柱2个拍摄侧前方+前翼子板2个后视+车尾1个后视摄像头，以及1个DMS摄像头）；
外围传感器配置中最核心的前视三目摄像头包含中间的主摄像头以及两侧的长焦镜头和广角镜头，形成不同视野范围的搭配，三个摄像头用的是相同的安森美图像传感器。毫米波雷达放置于车头处车标附近，包含一块电路板和一块天线版。
该方案的优点是硬件成本低，毕竟车载摄像头的成本远低于激光雷达。特斯拉抛弃了激光雷达这样高成本的硬件设备路线。但是，摄像头和视觉算法还未能达到足够的精度和准确性，容易出现测距不准、判断错误的情况，特别是不容易识别白色物体。此外，由于依赖摄像头，其在恶劣天气下的可靠性会降低。
5.2 多传感器融合冗余方案（强感知+强智能）
代表厂商Waymo、通用Cruise、戴姆勒、宝马、小鹏等公司为代表，采用激光雷达、毫米波雷达、摄像头等传感器融合方案，分别利用摄像头和雷达特点，处理各自擅长的数据类型和任务，并将处理结果进行融合，得到统一的感知结果；相关车型自2021年底起将相继量产落地。
早期的L0-L2级别的ADAS系统是由几个互相独立的子系统组成的，每个子系统实现相应独立的ADAS功能，因此也称为分布式的ADAS系统方案。“前向ADAS系统+侧后ADAS系统”常被称作3R1V方案（3 Radar 1 Vision）：前向ADAS系统一般由单FCR或者FCM组成；侧后ADAS系统一般由侧后方两个SRRs组成，实现大部分侧后向ADAS功能。到L2+级别的ADAS系统，集成度更高、性能更强大的ADAS域控制器整合了原来分散的ADAS子系统，原本分散系统所独占的传感器数据可以被多个ADAS功能所复用。下图是L2+级别ADAS系统最大化的传感器架构方案——5R-12V-12USS方案。
从工程成本层面，纯视觉方案的系统成本远低于多传感器融合方案。从方案复杂度来看，纯视觉方案的复杂度主要体现为算法层面，由于都是通过摄像头采集的同模态数据，在数据融合层面困难度比多传感器方案要小得多；但是由于摄像头自身能力的局限性，需要设计更为复杂的算法模型，从摄像头数据中识别到目标信息。多传感器融合方案的复杂度主要体现在“融合”层面，由于不同传感器特性不同，所采集的数据类型也有很大差异，这里面需要考虑融合错位、信息丢失等问题，同时还需要解决当不同传感器感知结果不同时，应该选择信任谁的问题。
在现有的技术水平和产能情况下，纯视觉方案在经济性和数据统一性相对更优秀，但其劣势在于可靠性，例如强光、弱光、雨雪雾等极端天气。汽车作为全天候、全地形的出行工具，应对复杂环境是其基本功能。智能汽车的终极目标并不仅仅是取代人类，而且要比人类驾驶员更加安全、更有效率、更可靠。多传感器融合的方案，从长远来看具有更好的发展潜力。
决策层通过利用感知层、传输层反映回来的信息，建立相应的模型，制定出适合的控制策略。决策层主要包含操作系统、芯片、算法、高精度地图以及云平台等核心构成元素。其中，汽车架构和主控芯片在进入智能驾驶时代后都将出现显著的集中化趋势：
汽车架构将从分布式E/E架构向中央计算式架构方向发展：控制器需要接受、分析和处理的信号呈现大量且复杂的特征，智能汽车系统需处理大量图片、视频等非结构化数据，原有多个ECU的分布式计算架构已无法适应未来的需求，中央计算式架构将成为主要发展趋势。
主控芯片从单一CPU转变为包含AI模块的SoC芯片：中央计算式架构可以利用一台电脑控制整车，更便捷实现整车OTA软件升级。具备高算力、低延迟特征的自动驾驶SoC芯片在未来具备较大成长空间。
作为整个汽车的大脑，自动驾驶域控制器通常要连接多个摄像头、毫米波雷达、激光雷达以及IMU等传感器设备，并对来自这些传感器的大量数据进行处理和计算。尤其是摄像头和激光雷达所产生的数据量非常大，因此需要配置一个核心运算性能越来越强劲的自动驾驶芯片。
汽车数据处理芯片主要包含MCU以及SoC两种类型。MCU（micro control unit）：微控制器（CPU+存储+接口单元），也即俗称的单片机；MCU结构简单，只包含CPU一个处理单元，主要用于ECU中进行控制指令计算。SoC（system on chip）：指的是片上系统（CPU+图像处理GPU+DSP+神经网络处理器NPU+存储+接口单元），MCU只是芯片级的芯片，而SoC是系统级的芯片。
未来汽车智能化的趋势，对汽车的智能架构和算法算力，带来了数量级的提升需要，推动汽车芯片快速转向搭载算力更强的SOC芯片。 作为智能汽车必不可少的核心部分，负责自动驾驶功能的SoC芯片，其计算核心按照算力需求的演进路线为：CPU→GPU→FPGA→ASIC。
表10 四类SoC计算核心
通用性较强的CPU+GPU和运算速度较快的CPU+FPGA均是目前较为成熟的芯片架构方案。大算力芯片的难点在于需要的IP太多，然而芯片尺寸比较有限，需要在有限的芯片尺寸上布局完所有IP模块，因此对芯片架构要求极高。ASIC属于特定场景定制的芯片（专用处理器），虽然通用性低，但是算力高且针对特定场景的每瓦功耗低（能效比较优）以及安全性更好。前期较高的开发成本在规模量产后也将有效降低，因此“CPU+ASIC（专用自动驾驶AI芯片）”未来逐渐成为行业主流。
目前自动驾驶芯片市场主要被国外的龙头所垄断，下面进行简要介绍。
Mobileye
Intel旗下的mobileye是全球最早量产并上车使用自动驾驶芯片产品的公司，成立于1999年，其EyeQ系列芯片产品截止2021年底已经总计出货接近一亿片。
尽管在L3/L4领域被英伟达和高通压制，但在主流的L2级别ADAS市场，仍然是霸主，其市场占有率高达75%。2021年出货量高达2810万片。Mobileye采用的是“传感器+芯片+算法”绑定的软硬件一体化ADAS解决方案模式。这种“黑盒”商业模式：优点是开发周期短，客户可以快速推出产品，比较受转型较晚或者软件/算法能力较弱的传统主机厂或者Tier 1厂商欢迎；缺点是非常封闭，难以研发特色功能，迭代困难，这导致客户开发灵活度下降，不能满足客户差异化定制产品的需求。越来越多的主机厂商希望采用更开放的平台，把“芯片和算法剥离开，采用可编程的芯片，从而通过OTA来实现持续的算法迭代升级”。
英伟达
英伟达作为全球领先的人工智能计算公司，利用其先进的硬件芯片开发优势，以行业较领先的高性能安全芯片为核心，提供完整的硬件平台和基础软件平台。硬件方面，SoC芯片+自动驾驶计算平台，全球GPU领导者+独有CUDA架构（主流深度学习框架均基于CUDA）+独有的 TensorRT 加速包，构筑英伟达硬件平台核心竞争优势。软件方面，Drive OS + DriveWorks SDK +Drive AV，完备软件开发支持受到主机厂追捧。目前，Xavier已在小鹏 P5、P7等车型中量产上车，下一代Orin芯片锁定蔚来ET7、理想X01、智己L7、上汽R汽车ES33等多款车型。
地平线
地平线的芯片是目前国内唯一量产上车的产品。地平线成立于2015年7月，首款芯片征程1发布于2017年12月；征程2发布于2019年8月，可提供超过4 TOPS的等效算力，并于2020年实现了前装量产；征程3算力为5TOPS，发布于2020年9月；2021年7月最新发布的产品是征程5，最高算力可达128TOPS；计划在2023年推出征程6，有望较前代产品进一步实现算力跃升。2022年，地平线宣布与10+家车企达成了的战略合作、车型定点合作，落地车型覆盖上汽通用五菱KiWi EV、哪吒U、长安UNI-V、自游家NV、瑞虎8 PRO、荣威RX5、理想L8等。截至2021年末，先后完成从天使轮到大C轮（C1-7）的融资，并于近期又完成了引入车企产业资本的战略融资。
黑芝麻
地平线最直接的竞争对手即黑芝麻智能，黑芝麻智能2019年发布了华山一号自动驾驶芯片A500（28nm、算力5-10TOPS）；2020年推出华山二号A1000（16nm，算力40-70TOPS）；2021年推出华山二号高配版A1000Pro（16nm，算力达196TOPs）等。
华为
2018年，华为推出了第一款面向边缘计算和自动驾驶的昇腾310芯片（12nm，16TOPS）。2019年，华为发布昇腾910芯片（7nm，512TOPS，主要面向AI训练）。2020年，华为发布昇腾610芯片（7nm，200TOPS），在算力层面上已处于第一梯队的位置。
国产自动驾驶芯片在能效比方面做得较好，尽管当前行业普遍以“TOPS” 为单位来评估自动驾驶芯片的理论峰值算力，各大芯片厂商也不断刷新算力峰值， 但在实际场景下的算力有效利用率却不高，自动驾驶芯片理论峰值算力并不一定能在实际运行中完全释放。以英伟达已量产的Xavier和Orin为例：Xavier算力达30TOPS，功耗为30W，能效比为1TOPS/W；Orin的算力达254TOPS，功耗为65w，能效比为3.9TOPS/W。而地平线征程5则利用自主研发的可编程AI加速引擎BPU以及贝叶斯计算架构实现了4.3TOPS/W的能效比，高于英伟达、特斯拉、Mobileye等其他厂商的竞品。华为的昇腾310芯片的能效比达2TOPS/W，也基本与特斯拉FSD、Mobileye的EyeQ5处于同一水平。
未来自动驾驶计算芯片呈现以下的发展趋势：
算力不断提升：随着汽车E/E架构逐步集中化，智能汽车的计算能力将主要由少数的几个域控制器或是中央计算平台来实现，这也对单颗车载芯片算力提出了更高的要求，进而推动着自动驾驶芯片不断实现最大算力的突破。自动驾驶级别每升高一个级，其所需算力至少增加数倍。L2级别需要10+ TOPS的算力；L3需要100 TOPS左右；L4级别可能需要500 TOPS左右。当然，算力不是唯一标准，实际的算力利用率以及能效比（即每瓦功耗所能贡献的理论算力值），也是衡量AI加速器设计好坏的一个非常重要指标。
算法加持：芯片只是基础，也可以说是敲门砖，没有算法的加持，芯片只是一个空盒子。所以芯片供应商不停留在芯片本身，而是向软件层逐步延伸，例如：英伟达与高通提供自动驾驶计算平台及基础软件；华为提供“从芯片à算法à传感器”全栈式解决方案；Mobileye与地平线类似，主要提供“芯片+感知算法”。
国产化：芯片国产化是智能汽车关键部件供应链自主可控的关键一环，近年来国际关系的日益复杂与不稳定使得“缺芯少核”的痛点持续暴露，这也让主机厂意识到芯片供应链韧性的重要性， 汽车芯片也迎来国产替代的窗口期。
传统的分布式汽车电子电气架构中，对于车辆中的传感器与各种电子电气系统的信息传输与控制都由分布式汽车电子控制器(ECU)完成，随着汽车电子化程度的提高和功能的多样化，ECU数量在逐年增加。一些高端车型ECU数量已经破百，线束设计复杂，逻辑控制混杂，信息传输能力有限，既无法满足自动驾驶等复杂功能，也无法满足高算力需求。
以域为单位的域控制器（Domain Controller Unit）集成化架构是当前最具潜力的解决方案。所谓“域”就是将汽车电子系统划分为若干个块，每个块内部的系统架构由域控制器为主导搭建，用一个高算力的多核中央计算机取代以往的多个分布式ECU架构。当前汽车电子系统根据功能划分为五大功能块：
表12 五大域控制器技术要求
其中，智能驾驶域控制器负责控制汽车行驶，配备高算力的芯片，满足汽车驾驶智能化的信息处理与运算要求，价值量居首。伴随汽车自动化程度从 L0-L5 逐级提升，目前大部分的传统车企电子电气架构处在从分布式向域集中过渡的阶段：分布式的电子电气架构主要用在L0-L2 级别车型；从L2+级别开始，域集中电子电气架构走向舞台，通过域控制器的整合，分散的车辆硬件之间可以实现信息互联互通和资源共享，软件可升级，硬件和传感器可以更换和进行功能扩展。
目前汽车厂商的电子电气架构升级都仍处于域集中式架构阶段，少数领先的车厂已经发展到了跨域融合阶段。例如特斯拉是汽车电子电气架构升级的领跑者，最早步入跨域融合阶段，Model3电子电气架构中已经基本不按照功能来进行域的划分，全车只有“CCM中央计算模块（集成自动驾驶域、智能座舱域、通信系统域）+右车身控制模块+左车身控制模块（动力、转向、制动及各种车身功能）”；大众MEB平台采用“车辆控制域控制器+智能驾驶域控制器+智能座舱域控制器”三大控制器对全车进行控制并实现功能。
智能驾驶域控制器领域参与者众多，就 Tire1来看，主要参与者国内方面有德赛西威、华为、百度、经纬恒润、东软集团等。以特斯拉、小鹏、蔚来、理想等为代表的主机厂纷纷宣布自研，旨在掌握软件定义汽车下底层的硬件自主权； 以博世、采埃孚、大陆等为代表的传统系统集成商，相继组建规模庞大的软件研发团队加快转型步伐；华为、德赛西威、华阳集团、航盛电子、东软、经纬恒润、福瑞泰克等厂商，在自研自动驾驶域控制器的同时，构建软硬件一体的自动驾驶全栈解决方案，与主机厂深度合作，为其提供灵活配置的自动驾驶系统。
由于主机厂选择智能驾驶域控制器本质上是选择芯片，故而智能驾驶域控制器在产品性能方面的发展趋势与芯片基本一致。从目前车企的做法来看，以主控芯片为代表的高性能硬件会率先上车，操作系统及应用软件等则会随着算法模型不断迭代持续更新，逐步释放预埋硬件的利用率，从而实现“软件定义汽车”。
1、跨越式
以谷歌Waymo、百度apollo为代表的直接自动驾驶路线，其基本思想是认为低等级自动驾驶的技术框架难以直接迁移至L4级无人驾驶，在资源有限的情况下需要直接聚焦最终形态。因此寄希望于一步到位实现无人驾驶，主要通过大规模车队获取路测数据来训练无人驾驶算法网络。
跨越式路线的核心是要找到适合落地的场景及商业模式，目前已经实现落地的场景主要有：“载人”公共交通场景（如无人出租、无人巴士等），头部企业开启技术方案输出，通过Robotaxi、Robobus等满足交通服务需求，获取服务价值；还有“载物”特殊区域场景（如物流配送、港口码头、煤场矿山等），这类场景危险系数高，通过自动驾驶替代人工作业，节约高额人力成本，且对落地成本没有那么敏感，但要求切入的场景要足够准确且自动驾驶算法要足够有效。
采用“跨越式”路线的主要挑战是政策法规及技术成熟速度不及预期导致的长期消耗。其中技术成熟度层面无人驾驶面临的最大挑战是应对极端场景（corner case）的处理，而仅凭路测获取的数据要覆盖全部极端场景可能需要很长周期，因此会导致最终能够实现全场景无人驾驶落地的时间不可控。
2、渐进式
渐进式也即沿着ADAS驾驶辅助逐级落地的路线。采用从L1逐步进阶到L5的发展方式，目前基本处于L2+阶段，正在向L3迈进中，渐进式路线的核心是要建立从数据到算法的迭代闭环，利用不断扩大规模的高质量数据持续优化算法，逐步攻克自动驾驶这项复杂任务的各项核心环节，最终实现全无人驾驶。
采用渐进式发展路线的主要有三类公司：一类是造车新势力，包括国外的特斯拉，国内的造车新势力蔚来、理想、小鹏等；一类是传统主机厂，例如奔驰、上汽、长城等；还有一类是科技公司，包括华为、百度、小米等。
渐进式路线的商业模式主要是通过自行造车或者与车企合作造车实现快速量产落地获取商业利润，会根据用户现阶段的实际需求或适当引导需求逐步落地自动驾驶功能，如高速巡航、自主泊车等，通过OTA软件迭代升级的模式最终自然而然过渡到完全无人驾驶。这套模式比较重视落地成本，因此在硬件选型、供应链整合、制造水平等方面会投入较大精力。主要挑战是进入门槛相对较低导致竞争激烈，同时技术与产品的迭代加速导致企业的研发投入巨大。
小结
全面无人驾驶的最终实现是一个长期的战役，不可能一蹴而就，因此无论是哪种路线，选取何种商业模式来保障落地和造血能力以确保可持续发展是至关重要的。
对于乘用车来说，高级驾驶辅助系统（ADAS）就成为了在现今技术及政策法规条件下的一个不错的选择。大部分企业更倾向于选择渐进式路线，亦或是跨越式兼顾渐进式路线，两条腿走路相对而言更为稳妥。各类势力相继下场争夺市场空间，导致竞争非常激烈，而要由渐进式最终实现无人驾驶需要确保占据一定市场规模。
对于商用场景（园区、港口、矿山、物流、机场等），驾驶环境相对简单，存在直接自动驾驶商业化的可能性。技术实现的难度略小于乘用车，但市场空间也相对更小。另外，在商用场景，自动驾驶技术对原有商业逻辑形成巨大冲击，是否能够平衡各方的利益和诉求推进技术革新，成为商业落地的核心问题。
直接自动驾驶目前整个行业处于技术探索阶段，行业预估规模化商业落地将在2030年以后。而整车智能化升级及主动安全是当前整个行业和市场更迫切的需求，以ADAS逐级落地是实现规模化量产的可行性方案。
当前车企出于竞争考量，L2+新车型推出的时间紧任务重，再加上自身前期积累较少，与Tier-1合作较多。但考虑到自动驾驶的重要性，大多车企均已喊出了中长期全栈自研或分阶段全栈自研的口号，并已进行相应的研发布局。
主机厂对ADAS产业链的软、硬件表现出不同的关注点。硬件产品关注高性价比，作为“业务入口”的硬件产品，在渗透过程中尤其关注方案的成本，结合产品出货批次的一致性、稳定性以及生产质量可靠性的全流程把控。同时，还关注智能驾驶的软件算法开发能力，也即“软硬件一体化协同”。而对数据获取和算法迭代方面，既然需要较强的软件开发能力，也需要数据获取后的处理、算法优化更新迭代能力。
车企大概率不会“染指”像智能驾驶芯片、摄像头、毫米波雷达、激光雷达、域控制器以及惯导IMU等部件的研发制造，对于硬件供应商的需求还会继续保持。但在软件开发方面，待车企初步完成智能化转型的整体布局后，必将进行L2+级及以上软件算法的自研。在乘用车领域，ADAS数据来源主要是车企，特别是长尾场景的收集以及海量的消费者行驶画像。第三方厂商占优势的是算法迭代能力，特别是感知及行车决策规划算法的迭代能力。新势力车企本身自研能力较强，传统车企虽然自研能力稍弱，但大多已成立了几十上百甚至上千人的自动驾驶研究院/研发中心，并且在与Tier-1的合作项目中多要求后者白盒交付，寄期望于通过单个项目建立自身能力，在后续项目上实现自研，预计需要2-3年时间补齐智能化能力。
综上，ADAS第三方厂商中单纯的系统集成方的利润易被掌握核心底层技术的上游和下游OEM从两端压缩。具有核心上游技术的供应商可利用这5-10年的传统车企转型窗口期，利用已有的量产项目经验，不断迭代优化自身算法，提高软件开发和工程能力，与传统车企形成强粘性。主机厂会不断强化自身的智能化研发能力，但仍将依赖Tier1的服务并对其提出更高的响应要求。伴随“软件定义汽车”时代的到来，主机厂会更加关注用户的体验与交互，而将底层的硬件与基础算法交给Tier1来完成。
智能汽车与智能手机都是移动互联网浪潮下划时代的产物，皆遵循着“交互的变革à架构的升级à生态的演化”的发展路径，非常相似。援引华为常务董事余承东在第十四届汽车蓝皮书论坛上的发言“今天的智能汽车跟10年前的智能手机行业非常像，相似度90%以上，不同的地方很少”。可以通过复盘智能手机的发展历程来研判智能汽车，尤其正在逐步渗透、逐级落地的ADAS产品的发展。
从智能手机的发展历程看，新技术消费品渗透率达到20%时会步入快速发展期，达到70%左右逐步放缓，同时进入品牌割据期。2021年是全球智能驾驶突飞猛进的一年，全球L2级智能汽车渗透率为15%，普及率大幅提升。中国L2级自动驾驶的新车市场渗透率已经突破25%，从市场新车型的销售角度上看，消费者的购车选择正在悄然转向。汽车智能化的发展阶段已从萌芽期转向快速成长期。体现为两大行业级现象，一是很多做ADAS域控制器的公司，2022年的订单和营收均会有大幅增长；二是L4公司选择进入L2+辅助驾驶系统市场，商业化机会已经非常明朗。
未来3-5年，L1-L2级依然是带动自动驾驶出货量增长的最大细分市场，预计至2025年，中国乘用车L1-L2级ADAS渗透率将达到75%，其中L2级及以上乘用车将成为市场主力，渗透率有望接近45%，并将于2028年超过70%。2022年将是L2向L3跨越的窗口期，传统车企与新势力车企遵循从ADAS级别功能导入为基础，逐步向L3级以上智能驾驶方向演进，配置L3级自动驾驶能力的蔚来ET7、奥迪A8等也相继发布，行业正进入L3级以上智能驾驶时代。
[28].前瞻经济学人-一文带你了解全球汽车域控制器市场规模及发展前景
