联系人	汤仕翼
SAC No. S0570122080264	tangshihe @ htsc.com
	+(86) 21 2897 2228

AI 大模型如何加速无人驾驶发展

华泰研究

2023年 6月 12日│中国内地

专题研究

“无人驾驶”看上去很美，但一直很难落地

“无人驾驶”是最早被提出的人工智能应用场景之一，谷歌，苹果，特斯拉，百度等海内外科技巨头从 2016开始就积极布局，但直到现在一直还很难实现大规模商用落地。我们认为，1）多维度数据的获取和标注成本高，2）对小概率事件的决策准确度和人类还存在较大差距，3）事故时法律权责归属不明确，是制约其发展的一部分问题。我们认为，以 ChatGPT 和 SAM为代表的大模型的出现，将要改变智能驾驶在内所有行业的工作范式，我们从数据，算法，算力等角度初步探讨其中一些发展机会。

数据：大模型提升数据采集、数据标注的效率

海量的数据是智能驾驶/无人驾驶的基础。通过这几年发展，现在一台 L2+级别智能电动车通常能够采集多 10+颗摄像头，1-2 颗激光雷达，3-5 颗毫米波雷达的多维度数据，数据经过标注之后，用于训练模型。大模型的出现，首先能够 1）构建虚拟场景人工生成数据，补充现实中难以获得/数据量不足的情形。特斯拉 FSD 的虚拟仿真，英伟达的 Omniverse 都是其中的代表。2）数据标注是非常费时费人的工作，以 Meta 的 SAM 为代表的图像分割大模型的出现可大幅降低数据标注的成本。

算法：大模型提升感知准确度，影子模型学习人类驾驶习惯

智能驾驶算法主要包括 1）感知（识别道路和道路上物体），2）预测（预测周围车辆和行人的行为），3）决策（控制车辆速度方向等行动）。特斯拉、新势力等主要企业从几年前开始采用基于 Transformer 的大模型等新技术，1）提高道路、物体的识别精准度；2）学习人类的驾驶习惯（影子模式），3) 缩短决策所需要的时间，从而训练模型更加“拟人”。

智能驾驶产业链：国产替代趋势显著

受益于智能驾驶本土化的客观需求、产业链各环节国内供应商产品性能的提升与下游自主品牌的崛起，零部件国产替代趋势显著。1）芯片：国内玩家地平线、黑芝麻等与海外大厂的差距逐渐缩小，本土化服务能力更强。2）域控制器及解决方案：国内玩家德赛西威、经纬恒润、纵目科技、知行科技等均已规模化上车，技术成熟度不断提升。3）激光雷达：国产供应商禾赛、图达通、速腾等在量产节奏更快。4）4D 毫米波：国内玩家有行易道、森思泰克等雷达厂商以及加特兰（MMIC 芯片）等芯片公司。5）高速连接器：罗森伯格技术积淀深厚，电连技术、瑞可达等加速追赶。

风险提示：智能驾驶渗透率不及预期；新产品迭代速度不及预期。本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。

增持 (维持)

研究员

黄乐平，PhD

SAC No. S0570521050001 leping.huang@htsc.com

SFC No. AUZ066

+(852) 3658 6000

研究员

陈旭东

SAC No. S0570521070004 chenxudong@htsc.com

SFC No. BPH392 +(86) 21 2897 2228

联系人

张宇

SAC No. S0570121090024 SFC No. BSF274

zhangyu@htsc.com +(86) 10 6321 1166

联系人	郭春杏
SAC No. S0570122010047	guochunxing@htsc.com
SFC No. BTP481	+(86) 21 2897 2228

行业走势图

资料来源：Wind，华泰研究

正文目录

AI 大模型加速无人驾驶发展 .....
模型：大模型如何赋能智能驾驶？.. ....7
数据：虚拟仿真、影子模式、自动标注引入将优化信息采集、处理能力..................................................... ......7
数据来源：通过仿真模拟，对 corner case 进行大规模训练 ......
数据标注：通过自动标注优化系统效率，降低标注成本 .. .............................................. .....8
算法：优化感知-决策-执行三阶段. ....................................................
感知层面：Occupancy Network、3D 建模 ....
预测层面：道路拓扑关系预测、障碍物预测 .....
算力：车端/云端算力升级与国产化.................
车端：高性能芯片国产替代趋势显著 . ...13
云端：基础设施算力升级加速算法迭代... .......................................................................... ....15
应用：高级别辅助驾驶普及蓄势待发 ...... ......16
高级别辅助驾驶的普及趋势... .......................................................................................................... ....16
高级别辅助驾驶的降本趋势.. ....17
智能驾驶产业链 ........ ......................................................... .....19
地平线：行业领先的高效能智能驾驶计算方案提供商......
黑芝麻智能：车规级自动驾驶计算芯片和平台研发企业 .... .......................................................... ........19
芯驰科技：未来出行的探索者和创新者. ...20
芯擎科技：国内汽车智能座舱芯片领军企业 . ...................................................................................20
数据标注：柏川数据 ....... ....................................................... ...22
域控及解决方案：德赛西威，经纬恒润，纵目，知行，魔视，宏景. .............................................. ...22
德赛西威：大算力域控制器龙头..... ................................................. .....25
经纬恒润：汽车电子平台型公司........ ...................................................... ....25
纵目科技：领先的智能驾驶产品及技术供应商......
知行科技：国内领先的自动驾驶域控制器提供商 . ...26
魔视智能：嵌入式人工智能自动驾驶赋能者 . ............................................................................. ....27
高速连接器：电连技术，瑞可达 .... ................................................................. ...28
瑞可达：高压连接器龙头，配套客户切入高速连接器. ...32
4D毫米波雷达：加特兰，森思泰克，行易道.... ......................................................... ........32
加特兰：毫米波雷达 MMIC 芯片开发与设计的领导者 ....
森思泰克：国产毫米波雷达品牌“小巨人”企业 .... ....35
行易道：聚焦高端车载成像雷达，自研技术助 4D 雷达实现行业领先 ......................... ...35
禾赛科技：全球领先的激光雷达制造商.............
速腾聚创：激光雷达硬件、感知软件与芯片三大核心技术闭环 . ...38
图达通：深耕图像级超远距激光雷达领域..... .......................................................39
灵明光子:dToF 传感芯片和系统解决方案提供商 .... ..............................................................40
AR-HUD：泽景科技，未来黑科技 .................................
泽景科技：国内领先的车内视觉解决方案供应商 ...... .....42
未来黑科技：搭建虚拟与现实世界的沟通桥梁. ................................................................... .....43
风险提示..... ..................................................................... .....43

图表目录

图表 1：智能驾驶模型：感知、预测与执行.. ...5
图表 2：国内头部智能驾驶企业高速及城市 NOA 进展. ........................................................................... ......6
图表 3：智能驾驶产业链主要公司梳理....... ............................................................................... .........6
图表 4：特斯拉汽车自动驾驶基础设施的发展.. ......7
图表 5：特斯拉数据引擎结构 .................................
图表 6：特斯拉可以在 5min 内自动生成一个复杂路口 3D 虚拟场景. .....8
图表 7：特斯拉自动标注技术迭代更新...... ........................................................... ......8
图表 8：
图表 9： SAM 图像分割演示.....
图表 10： Occupancy 占用网络模型结构...... ................................................ ....10
图表 11：占用网络对双节公车动态（蓝色）静态（红色）的精确识别.. .................................................. ....10
图表 12：占用网络对静态障碍物的识别.........
图表 13：通过占用网络可以检测多厢卡车甩尾问题.... .... 11
图表 14：占用网络可以还原道路坡度和曲率... .... 11
图表 15：特斯拉车道线网络模型示意 .........
图表 16：特斯拉对可能的行进轨迹进行预判并绘制成车道线 ...................................................................................12
图表 17：
图表 18：
图表 19：特斯拉交互搜索模型 .. ...13
图表 20：车载芯片算力及搭载情况... ......................................................... ....13
图表 21：视觉图像处理、点云融合... ..................................................................................................... .....14
图表 22：高算力芯片处理优势 .......
图表 23：智算中心建设情况.. .................................................................................. ...15
图表 24：
图表 25：毫末智行、问界、极狐、阿维塔领航辅助功能演进 ...................................................................................17
图表 26：主流高级别辅助驾驶汽车 BOM 成本-占比 ........ ...18
图表 27：主流高级别辅助驾驶汽车 BOM 成本-价值量（元）.
图表 28：主流高级别辅助驾驶汽车 BOM 成本-分车型级别 . ....................................................................... ....18
图表 29：主流高级别辅助驾驶汽车 BOM 成本-分整车售价 . .................................................. ....18
图表 30：主流高级别辅助驾驶汽车 BOM 成本-降本趋势展望. ........................................................ ....18
图表 31： Journey5 芯片 ....... .......................................................... ......19
图表 32： Matrix5 车载中央计算平台 . ....19
图表 33：华山 A1000L/A1000Pro/A1000 自动驾驶感知芯片.
图表 34： X9-舱之芯 ..........
图表 35：产品架构框图 .. ..................................................................... ....20
图表 36：
图表 37： FC4150F2M 框图........
图表 38： FC4150 产品家族特性列表 . ...21
图表 39：柏川数据高质高效项目服务流程 ...... ................................................................................................. ......22
图表 40：自动驾驶发展路径....... .............................................................................................. ....23
图表 41：中国乘用车智能驾驶渗透率预测 ....... .........................................................................................................23
图表 42：中国汽车及新能源车销量预测... ...24
图表 43：
图表 44：德赛西威收入及同比增速..... ............................................................................................................ .....25
图表 45：德赛西威净利润及同比增速 . ...25
图表 46：经纬恒润收入及同比增速.........
图表 47：经纬恒润净利润及同比增速 .
图表 48： Amphiman 8000 域控制器 ................................................................................................................. .......26
图表 49： Amphiman 3000 智能驾驶系统方案原理图 ... ............................................................................ ....26
图表 50：知行科技自动驾驶域控制器 iDC MId . ....27
图表 51：智能前视摄像头 iFC3.0.. ...27
图表 52：低速泊车、高速行车、行泊一体域控制器. ..27
图表 53：宏景智驾 ADCU高级别自动驾驶域控制器. ..................................................................... ...28
图表 54：宏景智驾 APA/IDDC 域控制器 . ...................................................................................... ...28
图表 55：汽车连接器：高压、低压、高速 .. ................................................. ...28
图表 56：高速连接器的技术路线.... ........................................................ ...29
图表 57：智能化假设：智能驾驶以 L2为主；大屏、多屏、HUD渗透率提升. ...29
图表 58：高速连接器单车价值与智能驾驶.. ...30
图表 59：高速连接器单车价值与智能座舱 ... ........................................................................................ .....30
图表 60：高速连接器单车价值与智能座舱（续） ............................................................................................... .....30
图表 61：高速连接器单车价值量趋势预测......
图表 62：中国高速连接器市场规模预测... ................................................................................................ ....31
图表 63：电连技术收入及同比增速. ..................................................................................................... ...32
图表 64：电连技术净利润及同比增速.. ...32
图表 65：瑞可达收入及同比增速. ....................................................................................................... ...32
图表 66：瑞可达净利润及同比增速 ................................................................................................... ...32
图表 67： 4D 毫米波雷达的涵义 ..... ......................................................................................................... ...33
图表 70： ......35
图表 71： STL4-1 四线激光雷达 ... ..................................................................................................... ....35
图表 72：森思泰克车载安全领域示意图. ................................................................. ...35
图表 73： 77GHz 中程毫米波雷达 . ...36
图表 74：汽车毫米波雷达的前向雷达应用（自适应巡航（ACC）） ..........................................................................36
图表 76：补盲雷达探测盲区示意图. ..................................................................... .....37
图表 77：前向主雷达雷达+补盲雷达结合方案示意图.. .....37
图表 78： AT128 半固态激光雷达. ...38
图表 79：激光雷达感知效果.. ...38
图表 80： RS-LiDAR-M1 车规级固态激光雷达. ...38
图表 81：图像级远距离激光雷达：捷豹精英版. .......................................................................................... ...39
图表 82：激光雷达探测效果. ........................................................................................... ...39
图表 83：固态激光雷达：Tensor..... .................................................................................................. ...39
图表 84：固态激光雷达：Scope . ....39
图表 85：灵明光子部分产品示意图.. .......................................................................................................... .....40
图表 86： 2021-2030E HUD 出货量及渗透率 .... .......................................................................................... .......40
图表 87：飞凡 R7 的 AR-HUD 效果示意图... .......................................................................................... .....41
图表 88： HUD 将从 W-HUD 走向 AR-HUD .
图表 89： AR-HUD 模拟定制化主题页面...... .................................................................. .....42
图表 90： W-HUD 畸变矫正技术.. ....43
图表 91： VID（Virtual Image Distance）虚拟画面结合光场 AR 显示技术. ...43
图表 92：全文提及公司列表. ...43

AI大模型加速无人驾驶发展

AI+自动驾驶并非全新的概念。特斯拉、新势力等头部玩家已使用基于 Transformer的模型进行感知与决策。目前 LCC 等 L2 级别的辅助驾驶功能逐渐标配化，NOA 等高级别辅助驾驶功能模型成熟度不断提高，市场领先者的测试版逐渐落地。

简言之，我们认为：

AI 大模型的引入（自动标注、感知预测算法的快速迭代），从行业整体层面可以加速高级别辅助驾驶的量产落地。头部玩家在部分城市的 NOA 测试版本跑通后，0-1 的经验有望快速复制推广到全国。
智能驾驶板块后发者借助产业链优势（云端算力中心、通用开源模型的适配）与先发者在数据积累、模型迭代中的差距有望进一步缩小。
受益于智能驾驶本土化的客观需求、产业链各环节国内供应商产品性能的提升与下游自主品牌的崛起，零部件国产替代趋势显著。

本文，我们将首先从数据、算法、算力三个维度进行分析，回答两个问题：1）AI+自动驾驶发展到了哪个阶段？2）AI+自动驾驶还有哪些想象空间？

图表1：智能驾驶模型：感知、预测与执行

资料来源：公司公告，华泰研究

其次，我们通过对高级别辅助驾驶功能落地时间表、BOM 成本的研究，展望未来 3-5 年AI 赋能智能驾驶如何重塑出行方式。我们认为今年或是城市 NOA 普及的元年。我们测算当前旗舰车型高级别辅助驾驶 BOM 成本为 1.4 万元。我们预测 2023-2030 年高级别辅助驾驶 BOM成本的平均年降幅度为 11%。

图表2：国内头部智能驾驶企业高速及城市 NOA 进展

资料来源：公司公告，佐思汽研，华泰研究

最后，我们自上而下地梳理了自动驾驶产业链及代表公司。我们认为，受益于产业链各环节国内玩家产品性能的提升与下游自主品牌的崛起，零部件国产替代趋势显著。1）芯片：英伟达引领智能驾驶芯片迭代，Mobileye、TI 技术成熟，国内玩家地平线、黑芝麻等与先行者距离逐步缩短。2）域控制器及解决方案：国内玩家德赛西威、经纬恒润、纵目科技、知行科技等均已规模化上车，技术成熟度不断提升。3）激光雷达：国产供应商禾赛、图达通、速腾等在量产节奏更快。4）4D 毫米波：国内玩家有加特兰（MMIC 芯片）、森思泰克等。5）高速连接器：罗森伯格技术积淀深厚，电连技术、瑞可达等加速追赶。

图表3：智能驾驶产业链主要公司梳理

资料来源：Bloomberg，华泰研究

模型：大模型如何赋能智能驾驶？

数据：虚拟仿真、影子模式、自动标注引入将优化信息采集、处理能力

海量的数据、高效的数据标识是算法模型的基础。数据的来源有：1）真实数据：行车采集到的真实世界的信息，与汽车销量直接挂钩。智能驾驶起步早、出货量高的车企具备先发优势。2）虚拟仿真：通过 AI 自动生成道路场景、车辆、行人等信息，对模型进行训练。可用于对行车采集到的 corner case 进行反复模拟、训练，从而弥补现实场景采集信息不足的问题。3）影子模式：大模型在车辆后台运行，模拟决策而不实际控车，不会对驾驶者及车辆产生任何干扰。但是在有异常场景或模型与人类驾驶员的决策不同时，触发数据采集及回传，使得量产车即等同于“数采车”。

数据采集的下一步是对数据进行识别、标注。随着智能驾驶的成熟，激光雷达 3D 点云信息、摄像头采集的 2D 图像信息的增加，道路场景的丰富，自动驾驶的数据标注类型与数量在不断增加。

人工标注成本高、效率低，自动标注是 AI 大模型赋能智能驾驶最直接的应用，能大幅降低数据标注的成本。据 2023 年 4 月毫末智行 DriveGPT 发布会显示，目前要得到对诸如车道线、交通参与者、红绿灯等信息，行业人工标注的成本约每张图为 5 元，毫末DriveGPT 的成本为 0.5 元。我们认为科技公司大模型训练成熟后，单张图自动标注的边际成本趋近于 0，平均成本有望进一步下降。据恺望数据产品项目副总裁张鹏在 2023年 2月的介绍，目前数据标注以人工标注为主，机器标注为辅，95%的数据标注还是以人工为主。

以特斯拉为例，1）数据来源层面，2021至 2022年特斯拉 FSD beta版本的用户从 2,000人增长至 16万人，累计积累超过 14.4 亿帧视频数据，为模型训练提供了大量的真实数据。针对真实道路场景中不常见的案例，特斯拉通过仿真模拟（5 分钟即可建立一个复杂场景），进行大规模训练；通过数据引擎，发现新的 corner case。2）数据标识层面，特斯拉通过自动标注优化系统效率。自动标注技术成熟，人工标注团队规模缩小。2021 年人工标注团队为 1000多人，2022年该团队裁员 200余人。

图表4：特斯拉汽车自动驾驶基础设施的发展

资料来源：特斯拉官网，华泰研究

数据来源：通过仿真模拟，对 corner case进行大规模训练

针对真实道路场景中不常见的案例，特斯拉通过模拟仿真，构建虚拟场景采集数据，以丰富数据的来源，为模型训练提供支持；通过数据引擎，人工挖掘误判的、非典型案例。

特斯拉 FSD 通过仿真模拟引入虚拟数据，支撑大规模训练。特斯拉的模拟仿真可以通过建立一个虚拟世界，以提供现实中难以获得/数据量不足的情景，目前特斯拉可以在 5min内自动生成一个复杂路口 3D 虚拟场景。进一步，还可以通过道路中的场景，创建更多变种场景，帮助算法训练，无需每种场景都通过实际道路测试来采集数据，大大提高了数据的丰富性。

特斯拉 FSD 通过数据引擎发掘新的 corner case。通过人工挖掘非典型的机器误判案例，将其加入各类训练集，以不断更新完善模型。

图表5：特斯拉数据引擎结构

资料来源：特斯拉官网，华泰研究

图表6：特斯拉可以在 5min内自动生成一个复杂路口 3D虚拟场景

资料来源：特斯拉官网，华泰研究

数据标注：通过自动标注优化系统效率，降低标注成本

特斯拉 FSD 通过“多重轨迹重建”技术自动标注车辆行驶轨迹。目前在集群中运行 12 小时即可完成 10,000 次行驶轨迹标注，取代 500 万小时人工标注。通过机器的自我训练，减少了人力标注成本高、效率低的问题。

具体步骤：1）高精轨迹获取，将车辆行驶过程中的采集的始排信息、车辆运动 IMU 陀螺仪、速度等指标作为原始信号输入，提取车辆的运动轨迹以及 3D 结构的道路细节。2）多旅程重建，基于所有车辆的轨迹信息，进行道路信息的匹配和优化。在用户道路信息的基础上，特斯拉实验车队也或将再次确认数据，从而查漏补缺。

图表7：特斯拉自动标注技术迭代更新

资料来源：特斯拉官网，华泰研究

图表8：特斯拉多旅程重建进行自动标识

资料来源：特斯拉官网，华泰研究

SAM 模型的发布使自动标注迈向了一个新的台阶。2023 年 4 月 6 日，Meta 发布了通用的“Segment Anything”模型（SAM）和“Segment Anything 1-Billion Mask”数据集（SA-1B），是有史以来最大的分割数据集。SAM 是处理图像分割的新任务和数据集的模型，可以用于分割图像中的一切对象，支持广泛的应用，有利于促进进一步的计算机视觉基础模型研究。分割和识别哪些图像像素属于对象是计算机视觉的核心任务，从分析图像到编辑照片以及为特定任务创建准确的细分模型通常需要技术专家进行高度专业化的工作，现在可以通过 AI培训基础模型能显著降低工作量。

图表9： SAM图像分割演示

资料来源：Meta官网，华泰研究

算法：优化感知-决策-执行三阶段

本节，我们参考特斯拉 FSD，将自动驾驶模型算法按流程分为感知（Perception）、预测（Prediction）、执行（Planning）三个阶段进行分析。

感知层面：Occupancy Network、3D 建模

1：从 pixel 到 voxel，从 BEV 到 Occupancy Network

国内新势力与智驾解决方案供应商多使用基于 pixel 点格的 BEV 模型，使用矩形框（bonding box）来框定物体，进行物体识别。

特斯拉创新性的提出了占用网络（Occupancy Network）模型，直接将 3D 空间点格化，每个 3D点格即为一个 voxel，在摄像头采集的平面信息基础上添加时间、空间信息，可输出：1）该 3D 点格被占用的概率（例如：区分静止的车辆/运动的车辆）；2）语义信息（Semantics output；例如：区分静止的车辆/路牙）；3）表面信息（Surface output；例如：坡度、泥坑、积水）。

占用网络模型在原有 BEV 模型基础上升级，通过占用网络可以将特斯拉 8 个摄像头采集的视频内的真实世界数据即时转换成三维向量空间。将空间划分成一个个 3D 栅格，每个栅格有占用和空闲两种状态，通过这种栅格数据可以更精确地反映路面物体真实体积和形状。同时根据路侧建筑、行人、车辆等不同，可以赋予不同物体不同的语义，并标注不同的颜色。

图表10： Occupancy 占用网络模型结构

资料来源：特斯拉官网，华泰研究

占用网络相较于之前在障碍物识别和行驶路径预判方面有了明显提升，具体来看：

1）通过占用网络，只需分析物体的空间内栅格占用情况，不需对物体本身进行检测识别，规避传统视觉算法中对物体识别失败带来的车祸风险。尤其在面对静态障碍物、与周围环境类似的障碍物、训练模型中未涵盖到的障碍物时，可以更大程度的规避风险。

图表11：占用网络对双节公车动态（蓝色）静态（红色）的精确识别

资料来源：特斯拉官网，华泰研究

图表12：占用网络对静态障碍物的识别

资料来源：特斯拉官网，华泰研究

2）占用网络解决传统视觉算法难题及还原道路坡度和曲率，辅助行车更优决策。通过计算几何空间的体积占用率，可以在占用网络中精确地还原物体本身形状。占用网络塑造的3D 世界还可以还原道路的坡度和曲率，让车辆根据实际道路情况提前预测加速和减速判断，进一步提高行车安全性和舒适度。

图表13：通过占用网络可以检测多厢卡车甩尾问题

资料来源：特斯拉官网，华泰研究

图表14：占用网络可以还原道路坡度和曲率

资料来源：特斯拉官网，华泰研究

3）基于占用网络可以预测道路上其它物体的行进轨迹。通过对栅格进行光流估计来检测物体运动并预测其短期行进运动轨迹，并标注上丰富的语义（红色—静止，蓝色—加速，黄色—减速等），从而在特斯拉车辆行驶过程中规划最优行驶路径进行避让，保证驾驶安全性。

#2：3D 重建

NeRFs 是业界常用的 3D 重建模型。可以基于 NeRFs 让车辆重建其所经过的道路信息，从而进行：1）不依赖高精度地图的道路信息的构建；2）重建三维模型，对各种 cornercase进行模拟与训练。

预测层面：道路拓扑关系预测、障碍物预测

预测分两种，一种是道路信息的预测（lane prediction），另一种是障碍物的预测。

#1——道路信息：基于大模型勾勒拓扑关系，摆脱对高精度地图的依赖

道路信息的预测包含：1）语义信息、2）连接信息。最初 autopilot 使用的传统 linkprediction，只能预测比较简单的道路，比如高速公路，基于此已经可以实现 LCC等 L2的功能。要实现更加复杂的城市道路的拓扑关系预测，需要基于：1）高精度地图；或者 2）导航地图+神经网络预测。特斯拉基于基础的硬件配置（摄像头+导航地图）+自创的language of lanes 模型，来通用化的勾勒整个世界的道路信息。

车道线网络模型辅助进行车辆行驶路径的预判。车道线网络模型通过车道语言（Language of lanes）可以在车载摄像头及地图数据所形成的图像上，将道路数据标注成一系列节点并赋予不同语义（起始点、延续点、交叉点、终点等），并通过组合不同语义的“单词”形成“句子”，自动勾绘出一条条车道线。这套“车道语言”，可以在小于 10毫秒的延迟内，思考超过 7500 万个可能影响车辆决策的因素，运行这套语言的功耗只需要 8W，较大的提升了特斯拉 FSD对车辆行驶路径的预判能力。

图表15：特斯拉车道线网络模型示意

资料来源：特斯拉官网，华泰研究

图表16：特斯拉对可能的行进轨迹进行预判并绘制成车道线

资料来源：特斯拉官网，华泰研究

#2——物体信息：基于大模型预测动静信息，为行驶决策提供支持

物体的预测包含动、静概率信息，再结合道路拓扑信息，为最终的形式决策提供支持。特斯拉的 Occupancy Network 中红色代表长期禁止的车辆，黄色代表临时停车，蓝色代表运动，可对物体的动静状态及其概率进行预测。在一些特殊情景下，例如左转摄像头被左侧大货车遮挡，无法判断左向是否有来车，模型会自动生成虚拟车辆，假设左侧有被遮挡的来车，基于此进行决策，更贴近人类驾驶员的思维模式。

图表17：特斯拉左转摄像头被遮挡，模型假设左侧有来车

资料来源：特斯拉官网，华泰研究

图表18：特斯拉对闯红灯车辆、道路阻碍者的预判

资料来源：特斯拉官网，华泰研究

决策层面：车端算力升级、模型计算效率优化，决策更加智能

决策的难点在于多方的交互与对路权的博弈，计算的效率是至关重要的。目前业内普遍50-100 毫秒之间完成一轮计算。受车端算力与计算效率的限制，目前决策层面的模型可分为两类：1）rule base 的模型（类似 if 程序，提前设定了某些情境下的反应机制）；2）特斯拉的交互搜索的模型（query base 的条件下可缩短单次计算时间至 100 微秒）。

图表19：特斯拉交互搜索模型

资料来源：特斯拉官网，华泰研究

算力：车端/云端算力升级与国产化

车端：高性能芯片国产替代趋势显著

目前车载芯片主流供应商包括：英伟达、特斯拉、Mobileye 等国际厂商，及地平线、黑芝麻智能、华为等国内厂商。2022 年以前主流供应商量产芯片的算力大多在 50TOPS 以下；2022 年以来，主流供应商推出的多款车载芯片算力快速增长，高算力芯片占比显著提升，例如 NVIDIA Orin(254 TOPS)、地平线 Journey5(128 TOPS)等。长期来看，随着大模型上车对车载算力需求的进一步提高，以及车载芯片制造商对芯片架构和技术的改进，车载芯片的算力有望持续上升。英伟达 Thor 芯片（2000TOPS）未来量产有望加速计算平台融合。

图表20：车载芯片算力及搭载情况

资料来源：各公司官网，华泰研究

视觉图像处理、点云融合涉及大量数据处理和计算，对算力要求高：

1) 图像处理：从图像中获得车道线、交通信号灯、行人、车辆等目标的位置和运动信息，以支持自动驾驶决策和控制，通常包括图像采集、预处理、特征提取、目标检测和跟踪、场景分割等步骤；

2) 点云融合：用于创建高分辨率、准确的环境地图，以便自动驾驶系统能够更好地感知和理解其周围环境，通常包括采集点云数据、预处理、点云配准、曲面重建、构建实体模型等步骤。

图表21：视觉图像处理、点云融合

资料来源：《Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review》作者：Yaodong Cui 等，发布日期：2021年 3月 17日，华泰研究

高算力芯片可以通过并行计算、高速缓存、专用指令集、高效能设计来提升图像和点云处理能力。1)并行计算：使用多个处理器核心协同求解同一问题，从而加快计算速度。车载高算力芯片通常采用多核心架构，能够同时进行多个计算任务，具有强大的并行计算能力。2)高速缓存：使用 SRAM Cache 加快计算单元对数据的读写速度，减少对速度较慢的主存的存取。3) 专用指令集：专用指令集通常为特定应用设计，从硬件层面对指令进行了优化，从而提高指令执行速度。4)高效能设计：在保证计算性能的同时，降低功耗和热量输出，从而提升车辆的稳定性和耐久性。

图表22：高算力芯片处理优势

并行计算将任务划分后同时处理。在图像、点云融合处理中，往往需要进行多个计算任务，例如图像识别、点云配准、点云分割等等，这些任务可以通过高效的并行计算加速处理。

专用指令集针对特定的应用而设计，能够加速特定计算任务。例如，Tesla的NNA为图像深度学习设置的专门的指令集：Convolution，Deconvolution是专门为卷积设置的指令，Inner-product是为向量点积设置的指令，Scale是为归一化设置的指令。

资料来源：各公司官网，华泰研究

高速缓存可以提高数据访问速度，从而加快处理速度。例如，特斯拉的FSD芯片NPU设计了32MBSRAM缓存，可有效减少对主存的读写，提高速度。

车载芯片高效能设计能够在保证计算性能的同时，降低功耗和热量输出。例如，TeslaFSD算力相比HW2.5版本提升21倍，功耗仅提高26%，且成本下降20%。

云端：基础设施算力升级加速算法迭代

主机厂和自动驾驶技术开发商积极布局建设智算中心，以提高自身“云上”竞争力。智算中心是指基于 GPU、FPGA等芯片构建智能计算服务器集群，提供智能算力的基础设施，建设周期长，初始投资大。目前，主机厂特斯拉、小鹏、吉利，解决方案提供商毫末智行、商汤、百度布局建设了智算中心，用于训练自动驾驶等大模型。

智算中心的建设能够显著加速算法迭代，提高研发效率。例如，小鹏汽车的扶摇智算中心算力达到 600PFLOPS(每秒浮点运算 60 亿亿次)，相比先前，自动驾驶模型训练速度提高了 170 倍，GPU 资源虚拟化利用率提高了 3 倍，端对端通信延迟低至 2 微秒；吉利汽车的星睿智算中心算力达到 810PFLOPS，智驾模型训练速度提高 200 倍以上。我们认为，随着智能驾驶的逐步渗透，大模型或将成为各公司的核心竞争力之一，为匹配模型中大规模参数以及大数据量计算，智算中心的建设规模有望持续扩张。

图表23：智算中心建设情况

资料来源：《2023年 AI大模型及自动驾驶智算中心研究报告》作者：佐思汽研，发布日期：2023年 3月 1日，华泰研究

应用：高级别辅助驾驶普及蓄势待发

高级别辅助驾驶的普及趋势

领航辅助驾驶（NOA），即车辆在部分高速公路或高架等封闭路段行驶时，结合车载导航路线让车辆进行自动变道、自动进入和驶出匝道口的技术功能，可实现一定道路场景范围内的点到点智能驾驶。根据场景的不同，领航辅助可进一步分为高速领航和城区领航。高速领航普遍限制在特定高速公路和城区高架路开启，包含自动调节车速、自动进出匝道、自动变道超车等功能，目前已在国内落地。城区领航则可以在复杂的城市场景中实现点到点的“导航辅助驾驶”功能，车主在导航上设定好目的地，车辆可以实现全程辅助驾驶到达终点，并在路途中实现变道、超车、过红绿灯等行为动作，其难度也远远大于高速 NOA，有望于今年开始导入。

2022 年，中国乘用车市场加速导入高速领航。在中国，高速领航功能的落地始于 2019 年6 月，特斯拉官方正式向中国市场内全部选配了 FSD 完全自动驾驶的车型，推送最新版本NOA，能够令车辆自动驶入和驶出高速公路匝道或立交桥岔路口，并超过行驶缓慢的车辆。随后小鹏、蔚来、理想也纷纷入局，进入 2022 年，长城、吉利、上汽等自主品牌也开始在旗下的部分车型上推出该功能。

小鹏、华为领衔，城区领航 2023 年开始落地。目前城区领航仍较为依赖高精地图，因此在初始落地时，可运行区域范围仍较小，普遍按城市进行开放。小鹏和华为的方案已于2022 年 9 月开始落地，并在逐步拓宽开放区域。除此之外，蔚来、理想、集度、长城等车企也计划在 2023年推出各自的城区领航功能。

1）3 月 31 日，小鹏汽车启动推送 Xmart OS 4.2.0 的同时，释放了 XNGP 第一阶段能力：G9及 P7i Max版在上海、深圳、广州，小鹏 P5 P系列在上海的高精地图覆盖区域开放点到点的城市 NGP（智能导航辅助驾驶）；在无高精地图覆盖区域，开放具备跨线绕行，识别红绿灯并直行通过路口能力的 LCC增强版。

2）4月 11日，在第八届 AI DAY上，毫末智行发布消息称，城市 NOH将依次搭载在魏牌摩卡 DHT-PHEV 和蓝山上，目前已经在保定和北京做大规模泛化测试，将于今年三季度实现城市 NOH 功能，并于 2024 年开拓 100 个城市。

3）4 月 12 日，智己汽车宣布，智己城市 NOA 领航辅助以及替代高精地图的数据驱动道路环境感知模型，预计将于 2023年内开启公测。

4）4月 16日，华为发布 HUAWEI ADS 2.0系统，同时表示，城市 NCA已经在深圳、上海、广州落地，重庆、杭州也将在今年二季度解锁。目前这些城市还是基于高精地图技术，且广州、重庆、杭州为部分区域覆盖。今年三季度，华为城区 NCA 将实现 15 个无图城市的落地，Q4将新增 30个无图城市落地，至 45城。

5）4 月 16 日，百度 Apollo 推出城市智驾产品 Apollo City Driving Max，城市智驾产品今年会量产。

6）4月 18日，理想 AD Max 3.0的城市 NOA将于今年第二季度开始推送内测用户，到年底将推送 100座国内城市。

7）4月 18日，蔚来宣布于今年初开启内测的 NOP+（增强型领航辅助），要在今年 7月 1日正式开启商用，NOP+之后的 NAD（自动驾驶）系统有望可以于今年 6 月份在上海开启Beta 版本。

图表24：特斯拉、蔚小理领航辅助功能演进

注：特斯拉 NOA——FSD；蔚来 NOA——NOP；小鹏 NOA——NGP；理想 NOA-NOA。
资料来源：公司公告，华泰研究

图表25：毫末智行、问界、极狐、阿维塔领航辅助功能演进

注：毫末智行 NOA——NOH；问界 NOA——HUAWEI ADS；极狐 NOA——NCA；阿维塔 NOA——NCA。

高级别辅助驾驶的降本趋势

当前旗舰车型高级别辅助驾驶 BOM 成本为 1.4 万元。我们基于市面上主流高级别辅助驾驶的硬件配置成本测算1。当前各品牌旗舰车型智能驾驶硬件的平均总成本为 14,181 元；其中激光雷达占 41%、摄像头占 20%、芯片占 15%、毫米波雷达占 10%、高精度地图与定位占 8%、V2X占 5%、超声波雷达占 2%。

我们认为，未来几年，高级别智能驾驶功能的落地，1）软件端，主要由大模型升级主导；2）硬件端，由过去量的堆叠与冗余转向性能提升与成本下降。具体而言，我们预测 2023-2030年高级别辅助驾驶 BOM成本的平均年降幅度为 11%。

图表26：主流高级别辅助驾驶汽车 BOM成本-占比

资料来源：公司公告，华泰研究

图表27：主流高级别辅助驾驶汽车 BOM成本-价值量（元）

资料来源：公司公告，华泰研究

图表28：主流高级别辅助驾驶汽车 BOM成本-分车型级别

资料来源：公司公告，华泰研究

图表29：主流高级别辅助驾驶汽车 BOM成本-分整车售价

资料来源：公司公告，华泰研究

图表30：主流高级别辅助驾驶汽车 BOM 成本-降本趋势展望

资料来源：公司公告，华泰研究预测

智能驾驶产业链

车载芯片：地平线，黑芝麻智能，芯驰科技，芯擎科技，旗芯微

地平线：行业领先的高效能智能驾驶计算方案提供商

地平线成立于 2015 年 7 月，是行业领先的高效能智能驾驶计算方案提供商。作为推动智能驾驶在中国乘用车领域商业化应用的先行者，地平线致力于通过软硬结合的前瞻性技术理念，研发极致效能的硬件计算平台以及开放易用的软件开发工具，为智能汽车产业变革提供核心技术基础设施和开放繁荣的软件开发生态，为用户带来无与伦比的智能驾驶体验。2020 年，地平线正式开启中国汽车智能芯片的前装量产元年，实现从 0 到 1 的突破。据地平线官网，目前地平线征程芯片累计出货量已突破 200 万片，与超过 20 家车企签下了超过 70款车型前装量产项目定点，携手合作伙伴实现从 1到 N的价值共探。

图表31： Journey5 芯片

资料来源：公司官网，华泰研究

图表32： Matrix5车载中央计算平台

资料来源：公司官网，华泰研究

黑芝麻智能：车规级自动驾驶计算芯片和平台研发企业

黑芝麻智能成立于 2016 年，是行业领先的智能汽车计算芯片和平台研发企业，专注于车规级高性能计算芯片与平台技术领域的高科技研发。基于核心 IP技术和芯片产品，黑芝麻智能提供完整的智能汽车、车路协同解决方案，支撑智能汽车产业链相关产品方案的快速产业化落地。公司和客户在 L2、L3 级 ADAS 和自动驾驶感知系统解决方案上开展了一系列商业合作，算法和图像处理等技术已在智能手机、智能汽车、智能家居等消费电子领域布局和商业落地。黑芝麻智能分别在武汉、硅谷、上海、成都、深圳、重庆、美国以及新加坡成立研发及销售中心，目前已有超过 1000 名员工，核心团队均均来自业内顶尖公司，平均拥有 15+年行业经验。

图表33：华山 A1000L/A1000Pro/A1000 自动驾驶感知芯片

资料来源：公司官网，华泰研究

芯驰科技：未来出行的探索者和创新者

芯驰科技成立于 2018 年，在上海、北京、南京、深圳、大连拥有研发中心，同时在长春、武汉设有办事处。芯驰专注于提供高性能、高可靠的车规芯片，也是全球首家“全场景、平台化”的芯片产品与技术解决方案提供者。产品覆盖智能座舱、智能驾驶、网关和MCU，涵盖了未来汽车电子电气架构最核心的芯片类别，从而实现 “四芯合一赋车以魂”。芯驰拥有近 20 年车规级量产经验的国际水平团队，是国内为数不多的具有车规核心芯片产品定义、技术研发及大规模量产落地的整建制团队。目前芯驰已完成 4 个系列芯片的流片、最高规格车规认证及大规模量产上车，服务超过 260家客户，覆盖了中国 90%以上车厂。

图表34： X9-舱之芯

资料来源：公司官网，华泰研究

图表35：产品架构框图

资料来源：公司官网，华泰研究

芯擎科技：国内汽车智能座舱芯片领军企业

湖北芯擎科技有限公司于 2018 年在武汉经济技术开发区成立，在北京、上海和武汉均设有研发中心，是国内汽车智能座舱芯片领军企业。芯擎科技专注于设计、开发并销售先进的汽车电子芯片，以“让每个人都能享受驾驶的乐趣”为发展使命，致力于成为世界领先的汽车电子芯片整体方案提供商。芯擎科技具备多核异构超大规模 SoC设计、自主设计多种创新核心 IP。其自研的国内首款 7nm 先进制程车规级智能座舱芯片，在设计、工艺和性能等方面对标海外厂商目前最先进的产品，实现了国产高端汽车芯片领域的技术突破。目前，该款座舱芯片“龙鹰一号”已通过全部车规测试，正式量产出货，所搭载的首款车型全新新能源中型 SUV 领克 08 于上海国际车展亮相，强大的 CPU、GPU、NPU 算力可流畅支持智能车机互娱需求，提供沉浸式座舱体验；同时，芯擎科技与全球汽车零部件巨头伟世通达成合作，搭载“龙鹰一号”的 SmartCoreTM 座舱域控制器于上海车展对外展示，这也是伟世通首次推出采用“中国芯”的智能座舱域控制器解决方案。目前芯擎科技的第二款 7nm 高等级自动驾驶 SoC 也已开发超一年，年底即将流片；后续伴随整车电气架构演进所布局的车载中央计算芯片，也可与现有产品形成完整生态组合，对汽车智能化领域核心高算力芯片做到全面覆盖。

图表36：芯擎 SE1000 智能座舱芯片以及产品和技术布局

资料来源：公司官网，华泰研究

旗芯微：国内汽车与工业控制器领域领先厂商

苏州旗芯微半导体有限公司成立于 2020年 10月，基于 ARM Cortex M4、M7等系列架构构建面向汽车不同应用场景的高性能、高可靠性的片上系统，开发智能汽车高端控制器芯片。目标填补国内新一代智能网联汽车控制器芯片领域空白，致力于发展成为中国汽车与工业控制器领域领导级厂商。公司通过采用自研 IP，多核锁步等技术以及应用于车规芯片的六西格玛模拟电路设计流程，设计出覆盖安全标准 ISO26262 ASIL-B至 ASIL-D 的全系列产品家族。公司产品均满足车规 AEC-Q100、功能安全标准 ISO26262 以及各项车规可靠性测试，可广泛应用于车身、汽车仪表、安全、动力、电池管理等领域。公司核心团队研发人员拥有平均超过 18 年的车规芯片设计经验，是国内唯一完整开发过车规级 8/16/32位控制器的顶级研发团队。目前公司在苏州、上海、北京等地设有研发中心及办公室。

图表37： FC4150F2M 框图

资料来源：官方公众号，华泰研究

图表38： FC4150产品家族特性列表

	FC4150F512	FC4150F2M	FC4150F1M
Temp. Grade	Grade1/-40°℃~125°℃	Grade1/-40°℃~125°C	Grade1/-40°℃~125°C
Voltage Range	3.0V~5.5V	3.0V~5.5V	3.0V~5.5V
Core	Cortex-M4F	Cortex-M4F	Cortex-M4F
Execution Speed	150MHz	150MHz	150MHz
MPU	Y	Y	Y
Cache	8K	8K	8K
Code Flash	512KB/Dual bank	2MB	1MB
Data Flash	Configurable	256KB	128KB
RAM	128KB	256KB	128KB
Multi-Clock, include
FIRC96/PLL/SIRC12/SI RC32K/OSC40M/SOSC	Y	Y	Y
32K
Digital VOs	124	160
DMA access	16	16	124 16
ADC	2x32ch/12bit/1Msps
CMP with 8-bit DAC		2x32ch/12bit/1Msps	2x24ch/12bit/1Msps
Ethernet	3	3	1
	N	10/100 *1 ch.	N
CAN	6xFlexCAN/3xFD	6xFlexCAN/3xFD	3xFlexCAN/Up to 3xFD
UART/LIN	6/6	6/6	6/6
I2C	2	2	2
SPI	4	4	4
OSPI	N	Y	Y
12S	2	2	N
FexibleTimer Unit	6/16bit	8/16bit	6/16bit
Timer Stamp	N	1	1
RTC	Y	Y	Y
Watchdog	2	2	2
Wakeup unit	Y	Y	Y
Temp sensor	N	Y	N
HSM	HSM	HSM	Option
ECC,MBIST,v& c monitors	ASIL-B	ASIL-B	ASIL-B
Type/Pin count	LQFP64/100/144	LQFP100/144,LQFP-EP176	LQFP100/144

资料来源：官方公众号，华泰研究

数据标注：柏川数据

柏川数据：人工智能数据服务领域头部服务商

柏川数据成立于 2021 年，是人工智能数据服务领域头部服务商之一。专注于为包括主机厂、科技公司、AI 公司等数十家产业链相关方，提供集数据采集、数据清洗、数据标注、数据管理、数据存储于一体的一站式服务。在国内 6 个动态区域管理超千人的标准化采标管存团队，并获得乙级测绘资质以及 ISO9001和 ISO27001双重认证。柏川数据自研数据处理平台具备高精度 AI预标注功能，配置丰富多样的标注工具，支持工作进程的可视化、灵活性、自定义管理，全面覆盖多种数据标注场景，在大幅降低标注成本的同时，为客户带来数智升级的全新服务体验。同时，柏川数据正加速布局自动化标注、数据集、仿真数据库等前沿技术，致力于实现标注数据的仿真场景还原和仿真测试，以及端到端算法的回灌测试，最终打通自动驾驶数据闭环，加速自动驾驶规模化量产落地。客户方面，柏川数据持续为百度、地平线、MOMENTA、挚途科技、MAXIEYE、天翼交通、天瞳威视、主线科技、清智科技、交控科技等 30 家+企业提供规模数据支撑。立足自身强大的数据服务实力，坐拥相城区高铁新城赋予的产业集群优势，柏川数据旨在成为国内最大的自动驾驶数据服务商，并积极拓海外业务，为更多的主机厂及自动驾驶算法公司提供更前沿、更深度、更全面的智能驾驶数据解决方案，助力未来智慧出行进入发展“快车道”。

图表39：柏川数据高质高效项目服务流程

资料来源：公司官方公众号，华泰研究

域控及解决方案：德赛西威，经纬恒润，纵目，知行，魔视，宏景正如我们在《经纬恒润：国内智能驾驶域控制器先行者》（2023年 2月 8日）中所述：

目前 L2+及以下级别智能驾驶得到广泛应用，软硬件算力、单车价值量提升。汽车自动化程度的衡量标准通常采用国际自动机工程师学会定义的从 L0（完全手动）到 L5（完全自主）的分级标准。L1 级别自动驾驶可以完成特定功能自动化；L2 级别自动驾驶可以完成组合功能自动化，同时自动进行多维度辅助，例如自适应巡航控制与车道保持系统的功能结合；L3 级别自动驾驶车辆的驾驶员在特定路况或环境中可以不必监视道路，车辆能够实现无需干预的自动驾驶；L4 级别自动驾驶在限定条件下全程无需驾驶者接管方向盘；L5级别自动驾驶车辆可以在任何条件、任何场景下自动行驶达到完全自动化。

图表40：自动驾驶发展路径

资料来源：中汽协，Marklines，宏景智驾，汽车之家，华泰研究

趋势预测：乘用车 L2 级辅助驾驶将成为标配，城市道路 L3 及以上级别落地阻力重重。考虑到 L3 级以上级别自动驾驶所面临的法规、权责、以及技术长尾问题，我们预测 2025年之前，辅助驾驶配置向 L2/L2+级别升级（ADAS）将是大规模商业化落地的主要方向。具体而言，我们预测 L0/L1 级车型将向 L2 升级，L2 以下级别渗透率将由 2021 年的 71.6%下降到 2030 年的 29.3%，而 L2 级别智能驾驶渗透率将由 2021 年的 28.4%上升至 2030年的 59.9%，L3及以上级别智能驾驶取得一定的突破。

图表41：中国乘用车智能驾驶渗透率预测

资料来源：中汽协，Marklines，汽车之家，华泰研究预测

依据上述渗透率判断，我们预测 2025 年中国智能驾驶域控制器的市场规模为 317 亿元，2022-2025 年中国智能驾驶域控制器的 CAGR 为 19%。

图表42：中国汽车及新能源车销量预测

	2019	2020	2021	2022E Huatai	2023E Huatai	2024E Huatai	2025E Huatai
汽车销量（万辆）
乘用车	2,140	2,014	2,148	2.320	2,413	2,485	2.560
	(9.6)	(5.9)	6.7	8.0	4.0	3.0	3.0
商用车	492	570	479	431	410	430	473
	5.1	16.1	(16.0)	(10.0)	(5.0)	5.0	10.0
汽车总销量	2,632	2,584	2,627	2,751	2,823	2.915	3,033
	(7.2)	(1.8)	17	4.7	2.6	3.3	4.0
YoY(%)
零部件
渗透率/搭载率
智能驾驶
智能驾驶域控制器	20%	31%	46%	49%	54%	58%	62%
L1	18%	22%	17%	13%	13%	11%	11%
L2	2%	9%	28%	35%	41%	46%	49%
L3	0%	0%	0%	0%	0%	1%	2%
ASP (元)
智能驾驶
智能驾驶域控制器	1,118	1,295	1,620	1,725	1,784	1,897	1,991
L1	1,000	1,000	1,000	1,000	1,000	1,000	1,000
L2	2000	2,000	2,000	2,000	2.000	2000	2,000
L3	6.500	6.500	6.500	6,500	6,500	6,500	6,500
市场规模（亿元）
智能驾驶
智能驾驶域控制器	49	81	159	195	232	274	317
L1	38	44	37	31	30	28	28
L2	10	37	122	164	198	226	250
L3	-	·	：	·	3	19	38
市场规模-同比增速
智能驾驶
智能驾驶域控制器		67%	96%	23%	19%	18%	16%
L1		16%	-16%	-17%	-3%	-6%	-2%
L2		261%	229%	35%	21%	14%
L3						518%	11% 97%

资料来源：中汽协，华泰研究预测

行泊一体化的解决方案将成为乘用车实现高阶智能驾驶的主流方案。随着整车电子电气架构的发展，智能驾驶相关功能的发展历程可分为如下几个阶段：1）每个泊车或行车功能对应一个 ECU 单元；2）泊车相关功能集成为一个泊车控制单元，行车相关功能集成为行车控制单元；3）泊车功能与行车功能融合，出现行泊一体和舱泊一体技术方案；4）智能驾驶域的功能和座舱域的功能进行跨域融合，形成一个更高性能的舱驾一体 HPC。

行泊一体方案提高了自动驾驶的性能和安全性，使用户的驾驶体验更轻松。泊车功能升级到 AVP 或 HPA 需要使用行车系统上的传感器进行感知补充，传感器共同提升了性能，增强了系统的安全性。此外，行泊分离的方案大多使用传统分布式架构，而行泊一体域控制器配备有百兆甚至千兆以太网接口，也有足够的算力支持高级算法模型，能够更好地支持功能的 OTA升级。

L2 级辅助驾驶功能渗透率进一步提升的关键是传统车企智能化转型。特斯拉开启了汽车智能化的帷幕，为中国造车新势力的跨域融合、中央集中式架构搭建提供了蓝本。未来五年，L2 级智能驾驶渗透率的提升主体不再是有着强大自主研发能力的新势力，而是追求标准化配置、稳定供应商的传统车企。我们认为，智能驾驶域控制造商将成为 L2 级辅助驾驶渗透率提升的主要受益方。

1）特斯拉：以区域划分的控制器设计线束，大幅提升组装效率；在车辆不改变架构的情况下，持续迭代中央芯片，提升性能。目前已实现包括自动驾驶、娱乐自控、三电系统、车身系统、底盘 EPB、OBC、DCDC在内的集成。

2）中国造车新势力：摸着特斯拉过河，率先实现价值量较高的自动驾驶、娱乐自控（即智能座舱或智能空间）的自主设计与集成，并逐步扩展到三电系统、车身控制、热管理等领域。

3）传统车企：寻求智能化升级的传统车企起步晚，自主研发能力与积极性不及新势力。这为智能化零部件供应商提供了广阔的机遇，也是 L2 级辅助驾驶功能渗透率提升的关键。

图表43：主流车企中央架构进程表

资料来源：中汽协，华泰研究

德赛西威：大算力域控制器龙头

德赛西威成立于 1986 年，是国际领先的移动出行科技公司之一，致力于成为出行变革的首选伙伴。德赛西威深度聚焦于智能座舱、智能驾驶和网联服务三大领域的高效融合，持续开发高度集成的智能硬件和领先的软件算法，为全球客户提供安全、舒适、高效的移动出行整体解决方案和服务。2022 年，公司营业总收入 149.3 亿元，同比增长 56.0%，归母净利润 11.8亿元，同比增长 42.1%。

图表44：德赛西威收入及同比增速

资料来源：Wind，华泰研究

图表45：德赛西威净利润及同比增速

资料来源：Wind，华泰研究

经纬恒润：汽车电子平台型公司

经纬恒润成立于 2003 年，专注于为汽车、无人运输等领域的客户提供电子产品、研发服务和高级别智能驾驶整体解决方案。总部位于北京，并在天津、南通建立了现代化的生产工厂，形成了完善的研发、生产、营销、服务体系。本着“价值创新、服务客户”的理念，公司坚持 “专业聚焦”、“技术领先”和“平台化发展”的战略，致力于成为国际一流综合型的电子系统科技服务商、智能网联汽车全栈式解决方案供应商和高级别智能驾驶 MaaS解决方案领导者。经纬恒润长期供应国内外知名整车制造商和一级供应商，产品类型包括智能驾驶电子产品、智能网联电子产品、车身和舒适域电子产品、底盘控制电子产品、新能源和动力系统电子产品。2022 年，公司营业总收入 40.2 亿元，同比增长 23.3%，归母净利润 2.3亿元，同比增长 60.5%。

图表46：经纬恒润收入及同比增速

资料来源：Wind，华泰研究

图表47：经纬恒润净利润及同比增速

资料来源：Wind，华泰研究

纵目科技：领先的智能驾驶产品及技术供应商

纵目科技成立于 2013 年，是一家基于中国面向全球的世界一流汽车先进驾驶辅助系统（ADAS）的软硬件方案提供商。总部位于上海张江国际科创中心，在上海、北京、厦门、深圳、重庆、美国密西根 Novi 市以及德国斯图加特都设有研发中心，生产制造中心位于厦门、湖州、东阳（在建）。纵目科技通过领先的系统能力和首屈一指的量产实力，成为国内率先获得整车厂 L4 级别量产项目定点合同的自动驾驶企业之一，并与一汽红旗、长安汽车等多家国内主流主机厂商建立了量产合作关系。

图表48： Amphiman 8000 域控制器

资料来源：公司官网，华泰研究

图表49： Amphiman 3000 智能驾驶系统方案原理图

资料来源：公司官网，华泰研究

知行科技：国内领先的自动驾驶域控制器提供商

知行汽车科技（苏州）股份有限公司，成立于 2016年 12月，总部位于苏州，专注于自动驾驶域控制器，致力于成为最值得信赖的智能出行合作伙伴。知行科技持续深耕自动驾驶领域，以先进的自动驾驶算法、卓越的软硬件一体化能力和研发实力来构筑核心技术优势。知行科技提供一系列的自动驾驶解决方案及产品，并提供多样的自动驾驶域控制器方案来满足客户不同的成本及技术要求，同时也提供 iFC 智能前视摄像头来实现高性价比的 L2功能。知行科技已与多家知名国内及国际 OEM 开展合作，已获得吉利、长城、奇瑞、东风、极星等客户的量产定点。

图表50：知行科技自动驾驶域控制器 iDC MId

资料来源：公司官网，华泰研究

图表51：智能前视摄像头 iFC3.0

资料来源：公司官网，华泰研究

魔视智能：嵌入式人工智能自动驾驶赋能者

魔视智能成立于 2015 年，是一家专注于自动驾驶的创新科技公司。魔视智能以领先的人工智能算法，赋能嵌入式芯片平台，实现自动驾驶和高级辅助驾驶产品的大规模量产。魔视智能拥有自主知识产权的全栈式自动驾驶核心技术，包括环境感知、多传感器融合、高精度的车辆定位、路径规划、车辆控制、驾驶决策等所有核心算法，支持 L1-L4 级自动驾驶。魔视智能独有的深度学习框架，全面支持国际及国内六大主流嵌入式芯片平台，实现高度优化及精准的人工智能引擎。魔视智能自主研发的自动驾驶和高级辅助驾驶产品，涵盖乘用车及商用车、行车及泊车、舱内及舱外、前装及后装等主流市场，以百万套的量产规模成为当之无愧的行业引领者。魔视智能是率先实现国内一线乘用车主机厂量产的自动驾驶企业之一，业已与国内几乎所有头部乘用车及商用车主机厂建立量产及项目合作关系，并在主动安全市场占据主要市场份额。魔视智能公司总部位于上海张江，在澳大利亚设有人工智能研究院，在深圳、武汉和苏州设有研发中心，在南通设有制造基地。

图表52：低速泊车、高速行车、行泊一体域控制器

资料来源：公司官网，华泰研究

宏景智驾：全栈式自动驾驶解决方案服务商

宏景智驾成立于 2018 年，总部位于杭州，在北美、上海和北京分别设有技术中心。公司致力于成为全球智能驾驶科技领航者，是一家全栈式自动驾驶解决方案服务商，具备全栈自动驾驶软件算法和完整的系统集成能力，可针对不同客户需求提供定制化的高性能智能驾驶解决方案，全周期赋能 L1-L4 级别智能驾驶。主要产品是软硬一体自动驾驶计算平台(ADCU·- ·Autonomous·Driving·Computing·Unit)、智能摄像头产品，产品覆盖硬件、感知、定位、融合、规划与控制等自动驾驶全研发链。目前，宏景智驾已在上汽、长城、奇瑞、江淮、比亚迪、合众等 OEM共计 30个车型上实现量产和定点。同时，宏景智驾还获得了顶级风险投资机构包括华登、高瓴、线性、蓝驰、沙特阿美 Prosperity 7、中信金石等投资。

图表53：宏景智驾 ADCU高级别自动驾驶域控制器

资料来源：公司官网，华泰研究

图表54：宏景智驾 APA/IDDC域控制器

资料来源：公司官网，华泰研究

高速连接器：电连技术，瑞可达

高速连接器一般分为射频连接器与以太网连接器两大类。其中，射频连接器主要有 Fakra 连接器、Mini-Fakra连接器、HSD连接器。高速连接器主要应用于智能驾驶（车载摄像头、域控制器、激光雷达等）以及智能座舱（HUD、显示屏等）对数据传输速度要求较高的领域。

图表55：汽车连接器：高压、低压、高速

资料来源：瑞可达招股说明书，线束工程师之家，华泰研究

Fakra 连接器应用最为广泛，主要运用于射频信号的传送、GPS、车载互联网接入、车载收音机等。Fakra 连接器最早于 2000 年由罗森伯格在 SMB 连接器的基础上开发。随着汽车智能化的发展， Fakra 数据传输速率难以满足需求，且产品体积较大，由此催生出Mini-Fakra。Mini-Fakra 主要使用于高分辨率显示器、传感器（摄像机、雷达等）、以及ADAS 单元上。

从 Farka 到 Mini-Fakra 主要改进有：1）传输速率：最高可达 20Gbps，是传统 Fakra 带宽的 2-3 倍；2）传输频率：为 0-15GHz，而 Fakra 连接器仅为 0-4GHz；3）体积缩减，集成性更高。

HSD 连接器主要用于 AVM-主机端、主机端-座舱端的高速传输。随着车载通信及智能化的趋势，之前的 LIN/CAN/MOST 等无法满足通信需求，以太网连接器应运而生，能够为互联、信息娱乐和安全领域中的新应用提供所需的带宽，并且有着更强的兼容性和抗干扰性。

图表56：高速连接器的技术路线

资料来源：TE官网，罗森博格官网，华泰研究

我们预测汽车智能化趋势或将使得 2030年单车高速连接器价值量较 2022年相比提升 459元，2023-2030E 的 CAGR 为 9.1%。其中：

1）智能驾驶领域 L2级辅助驾驶加速渗透，摄像头、毫米波雷达、激光雷达等多传感器融合带来单车 299 元的增量，核心假设因素为：辅助驾驶渗透率的提升、硬件配置的升级带来的连接器个数的增加；

单车价值=各级别辅助驾驶渗透率*各传感器个数*单个传感器连接器用量*连接器价格

2）智能座舱领域大屏化、多屏化的趋势持续发展，HUD的普及带来 160元的单车增量，核心驾驶因素为：屏幕、抬头显示等座舱智能化配置的增加、硬件增配带来的连接器个数的增加。

单车价值=智能座舱硬件渗透率*单个硬件连接器用量*连接器价格我们预测 2030 年中国新能源汽车高速连接器市场规模为 184 亿元，2023-2030E 的CAGR 为 20%。具体如下：

图表57：智能化假设：智能驾驶以 L2为主；大屏、多屏、HUD渗透率提升

资料来源：中汽协，华泰研究预测

图表58：高速连接器单车价值与智能驾驶

注：括号内为 2030年对应增量价值
资料来源：BDA，华泰研究预测

图表59：高速连接器单车价值与智能座舱

注：括号内为 2030年对应增量价值
资料来源：BDA，华泰研究预测

图表60：高速连接器单车价值与智能座舱（续）

注：括号内为 2030年对应增量价值
资料来源：BDA，华泰研究预测

图表61：高速连接器单车价值量趋势预测

	2021	2022	2023E Huatai	2024E Huatai	2025E Huatai	2026E Huatai	2027E Huatai	2028E Huatai	2029E Huatai	2030E Huatai	CAGR 2023-2030E
高速连接器-元/辆
智能驾驶（传感器）
L0 L1	-	=	=		=	=			=
	100	100	100	110	110	110	110	110	110	110
L2	380	380	420	480	510	530	560	560	560	560
L3	640	640	690	790	830	850	880	880	880	880
L4 L5	780 780	780	790	980	1,000	1,040	1,040	1,040	1,080	1,080
		780	860	980	1,040	1,040	1,040	1,080	1,080	1,080
智能驾驶加权平均	125	148	187	240	282	314	361	387	419	447
智能座舱
域控制器中控屏	40	40	40	40	40	40	40	40	40	40
副驾屏	10	20	30	40	50	60	70	80	90	100
后座屏	40	40	40	40	40	40	40	40	40	40
全液晶仪表屏	40 40	40 40	40	40	40	40	40	40	40	40
流媒体后视镜	40	40	40	40	40	40	40	40	40	40
中控屏主机	=	-	40 10	40 10	40 20	40 20	40 30	40 30	40 40	40 40
液晶仪表主机	20	20	20	20	20	20	20	20	20	20
组合/指针仪表	·	：	10	10	20	20	30	30	40	40
HUD抬头显示系统	60	60	60	60	60	60	60	60	60	60
智能座舱合计	290	300	330	340	370	380	410	420	450	460
高速连接器单车价值	415	448	517	580	652	694	771	807	869	907	9.1%

资料来源：中汽协，华泰研究预测

1）汽车销量：我们依旧按照前文所述，给予 2022-2030 年中国新能源汽车销量 CAGR20%；整体汽车销量 CAGR 2%的预期。

2）单车价值：我们预测汽车智能化趋势或将使得 2030 年单车高速连接器价值量较 2022年相比提升 459 元，2023-2030E 的 CAGR 为 9.1%。

3）市场规模：我们预测 2030 年中国新能源汽车高压连接器市场规模为 184 亿元，2023-2030E的 CAGR为 20%。其中智能驾驶领域带来的 CAGR为 18%；智能座舱领域的CAGR 为 26%。

图表62：中国高速连接器市场规模预测

资料来源：中汽协，华泰研究预测

市场规模（亿元） 2022-2030ECAGR

高速连接器

智能驾驶（传感器）

L0 N.A. L1 -6%

L2 16%

L3 N.A.

L4 N.A.

L5 N.A.

合计 18% 智能座舱

域控制器 27%

中控屏 34%

副驾屏 29%

后座屏 24%

全液晶仪表屏 14%

流媒体后视镜 30%

中控屏主机 N.A.

液晶仪表主机 -20%

组合/指针仪表 N.A.

HUD抬头显示系统 25%

合计 26%

高速连接器市场规模 20%

电连技术：深耕连接器行业，领军汽车高速连接

电连技术成立于 2006 年，是一家专业从事连接器、连接线，天线以及电磁屏蔽产品研发和制造的供应商，同时为电子设备提供一站式射频解决方案，产品广泛应用于消费电子、智能物联、通信设备及基础设施、移动终端和汽车电子等领域。电连技术拥有从组件到系统级别的大容量射频产品设计和交付能力。电连技术的微型射频连接器和汽车连接器分别在中国的智能手机市场和车载电子市场占有领先的份额，在全球市场占有重要地位。2022年，公司营业总收入 29.7 亿元，同比增长 8.5%，归母净利润 4.4 亿元，同比增长 19.3%。

图表63：电连技术收入及同比增速

资料来源：Wind，华泰研究

图表64：电连技术净利润及同比增速

资料来源：Wind，华泰研究

瑞可达：高压连接器龙头，配套客户切入高速连接器

瑞可达成立于 2006 年，专注于连接系统产品的设计开发和制造，系国内知名连接器生产制造商，行业地位名列前茅。瑞可达与全球的客户和伙伴开展广泛业务合作，在苏州、无锡，绵阳、成都、武汉、西安、墨西哥、美国等地设有工厂或研发中心，在美国、德国、瑞典等多地设立海外销售办事处。主要产品分为连接器类、线缆组件类、系统模块类等，广泛应用于数据通信、新能源汽车、储能/清洁能源、工业控制、医疗设备、轨道交通装备等领域。公司产业链完整，从模具设计和制造、连续冲压、注塑成型、机械加工、精密压铸等生产，拥有强大的在线检测能力。2022 年，公司营业总收入 16.3 亿元，同比增长80.2%，归母净利润 2.5亿元，同比增长 121.9%。

图表65：瑞可达收入及同比增速

资料来源：Wind，华泰研究

图表66：瑞可达净利润及同比增速

资料来源：Wind，华泰研究

4D 毫米波雷达：加特兰，森思泰克，行易道

4D 毫米波雷达是传统毫米波雷达的升级版，4D指的是速度、距离、水平角度、垂直高度四个维度。相比传统 3D 毫米波雷达，4D 毫米波雷达增加了“高度”的探测，将第四个维度整合到传统毫米波雷达中，这使得 4D 毫米波雷达：1）获取信息的维度更加丰富，可以测量俯仰角度，且角度分辨率可以达到 1 度左右；2）探测距离更长，最远探测距离可达 300 多米；3）目标点云更密集，可以形成点云成像级的输出，进而可以使用数据驱动的方式进行图像识别。总体而言，4D 毫米波雷达具有更佳的探测能力，更高的分辨率和精度，在人工智能技术的加持下，能够实现更加智能化的感知和跟踪，从而为自动驾驶、智能交通等领域提供更加可靠的数据支持。

图表67： 4D 毫米波雷达的涵义

资料来源：CSDN，华泰研究

目前，4D 毫米波雷达主流产品一般采用 2 片或 4 片 MMIC 级联的技术方案，也有部分厂商采用单芯片集成的技术方案。其中，4 片级联的 4D 毫米波雷达最为主流，它具有 12 个发射天线，16 个接收天线(12 发 16 收)，192 个通道，其方位和俯仰皆可达到 1 度左右的分辨率，理论上可以达到 0.1 的精度，最远探测距离可达 300 多米，代表性生产商有德国大陆、采埃孚、麦格纳、安波福和博世。2021 年，华为在上海车展发布 12 发 24 收的 4D毫米波雷达，采用 4 片 3 发 6 收的芯片级联而成。以色列公司 vayyar 采用单芯片技术方案，通过密集天线阵列来实现更高、更好的效果，推出了 24 发 24 收，576 通道的 4D 毫米波雷达。以色列雷达供应商 Arbe 研制了目前最大的 48 发、48 收、2304 通道的 4D 毫米波雷达，配合其自研专用处理器芯片，大大提升了毫米波雷达系统的角度分辨率。

图表68：毫米波雷达主流产品进展

资料来源：加特兰微电子，华泰研究

MMIC 芯片与天线是 4D 毫米波雷达成本的重要组成部分，也是未来降本方向。根据加特兰微电子，4D 毫米波雷达硬件 BOM 中，射频前端 MMIC（包括发射、接收、及信号处理器）的成本约占 50%、PCB（包括接收、发射天线）的成本约占 20%、DSP/FPGA 的成本约占 20%；其它硬件成本约占 10%，由此可见 MMIC 芯片与天线占比较高，是未来降本的主要方向。根据加特兰微电子在接受 EET 的采访时表示，毫米波雷达成本在 CMOSSoC+AiP 的技术下可实现大幅缩减，较 CMOS SoC/CMOS/SiGe/GaAs 方案分别节约25/50/70/85%的成本。

图表69：芯片技术升级推动降本

资料来源：加特兰微电子，华泰研究

加特兰：毫米波雷达 MMIC芯片开发与设计的领导者

加特兰微电子科技创立于 2014 年，是 CMOS 工艺毫米波雷达芯片开发与设计的领导者。公司汇聚了射频毫米波电路设计、雷达系统算法研发、大规模数字电路实现、高频天线设计以及汽车级芯片量产运营等领域的顶尖人才，并于 2017 年成功量产了全球首个汽车级CMOS 工艺 77/79GHz 毫米波雷达射频前端芯片，率先实现了在汽车前装市场的突破。随着汽车自动驾驶和驾驶辅助技术的快速发展，高性能、易开发、小型化成为毫米波雷达发展的热点和趋势。加特兰率先推出了集成雷达基带处理的 SoC芯片，为毫米波雷达传感器的开发实现带来了全新的变革。公司又进一步推出了 AiP 技术，通过在芯片封装内部集成天线阵列，减少用户天线设计和高频板材投入，并大幅缩短模块研发和生产周期，加速毫米波雷达在汽车和行业市场的普及。

公司坚持汽车级可靠性和安全性的设计理念，通过了 ISO 9001 质量体系认证和 ISO26262 功能安全管理体系认证。产品满足 AEC-Q100 的可靠性规范，包含计算单元的SoC 产品达到 ASIL-B 的功能安全等级。

2022 年 12 月 20 日，加特兰举办“Next Wave”Calterah Day 活动，发布了下一代全新毫米波雷达 SoC 芯片系列——Andes，代表了目前毫米波雷达技术的前沿。Andes 系列芯片可实现 4D高端雷达以及成像雷达功能。加特兰 CEO陈嘉澍博士在新品发布会上提到，车载毫米波雷达有三大发展趋势：小尺寸低功耗雷达、高性价比雷达和 4D 成像雷达。加特兰拥有全面的毫米波雷达芯片产品组合，可满足三大雷达发展趋势的需求。截至 2022年 12月 20日，加特兰已服务超 400家客户，与 20余家 OEM车企达成合作，赋能 70余款乘用车，累计汽车芯片出货量超过 300万片。

图表70：加特兰电子毫米波雷达产品矩阵

资料来源：加特兰电子官网，华泰研究

森思泰克：国产毫米波雷达品牌“小巨人”企业

森思泰克注册于 2015 年，是一家专业从事毫米波与激光雷达传感器智能产品研发、生产与销售的高科技企业，现已形成石家庄、北京、西安、芜湖、杭州、韩国等多地区多位一体的发展布局。公司具备 ISO9001 和 IATF16949 双体系认证，拥有从算法到高频硬件、软件完整的系统设计能力及量产工艺核心技术，获得多项自主知识产权并成功实现科技成果转化，先后研发出多系列高性能雷达产品，主要面向车载安全与自动驾驶、智能交通与智慧停车、安防监控、无人机等领域。产品涵盖 24GHz、77GHz、79GHz 所有频段；并融合相控阵、DBF、MIMO、稀疏阵、超分辨等科技前沿的雷达技术。凭借丰富的产品线与出色的研发能力，森思泰克已成为多家国内外一线车厂的体系内供应商。

图表71： STL4-1 四线激光雷达

资料来源：公司官网，华泰研究

图表72：森思泰克车载安全领域示意图

资料来源：公司官网，华泰研究

行易道：聚焦高端车载成像雷达，自研技术助 4D雷达实现行业领先

行易道由中科院赵捷博士创立于 2014 年，9 年来深耕毫米波车载前向 AEB 雷达，在毫米波雷达新体制、雷达信号处理新算法、车载合成孔径雷达（SAR）技术等领域已取得丰富的项目经验和技术积累，先后通过 ISO14001 和 IATF16949 体系认证，并获得北京市“高新技术企业”和“专精特新”中小企业等资质认定，并通过知识产权管理体系认证。产品线目前涉及车载前向雷达、角雷达、交通雷达、物联网监测雷达等系列产品。公司在北京、上海、深圳、韩国等地设有分公司，并在北京、盐城两地拥有获得 IATF16949 体系认证的高品质产线，年产能达数百万套。

2020 年，商业上实现韩国、东南亚跨区域的 AEB 功能前装定点和交付，并通过 EN-CAP测试，韩国 KC 认证和越南 MIC 认证，ISO17387 标准测试，成为率先出口的前装车载AEB雷达企业。

2022年，推出第三代 4D成像雷达产品：ALRR300，仅用双片级联实现角分辨率均小于 1°（同期可量产 4D 雷达在 1.5°*2°以上），该产品基于稀疏阵列天线设计、压缩感知超分辨算法等创新技术，产品力领先行业，同时尺寸、功耗、成本方面均得到优化，完美解决了当下智能驾驶技术发展中传感器应用的瓶颈问题，并同年实现韩国车企定点，2023Q2实现 SOP。

原创技术方面，2019 年车载 SAR（合成孔径雷达）技术获评“全球新能源汽车前沿技术”；2020 年，获得中国雷达协会科技进步二等奖。2020 年，获得北京市科委资助项目“支持高级别自动驾驶的成像毫米波雷达研制”，于 2022 年底验收通过；至今，行易道已实现了 17 项发明专利、100+项实用新型和外观设计专利，11 项软著，发表 3 篇 IEEE 论文，获得良好的业内口碑和影响力。

图表73： 77GHz中程毫米波雷达

资料来源：公司官网，华泰研究

图表74：汽车毫米波雷达的前向雷达应用（自适应巡航（ACC））

车辆达到设定速度跟随前车

前车换道自动调整车速保持车距

弯道限制加速
资料来源：公司官网，华泰研究

激光雷达：禾赛科技，速腾聚创，图达通，探维科技，灵明光子

激光雷达整机朝固态化发展。按扫描方式可将激光雷达可以分为机械式、半固态及纯固态式三类，其中机械式激光雷达价格昂贵、体积较大且机械部件寿命较短，在乘用车上使用较少。随着半固态式技术逐步成熟，乘用车前视激光雷达开始采用稳定性更高的半固态方案，并且纯固态激光雷达产品也逐步出现在视野，激光雷达固态化发展趋势明显。

国产激光雷达厂商成为市场重要参与者。根据 Yole 的统计，截至 2022 年 7 月，在全球范围内官宣的 ADAS 前装定点数量累计约 55 个，中国厂商份额合计约 55%，较 2019 年的26%实现快速提升。按厂商来看，其中禾赛科技份额达 27%，超越法雷奥排名全球第一，速腾聚创、华为、图达通、览沃科技等国产厂商份额分别为 16%、5%、5%、2%。

图表75：中国激光雷达厂商进展领先

资料来源：Yole，公司公告，华泰研究

厂商	产品	波长	扫描方式	预计量产时间
禾赛科技	AT128	905	半固态	2022年下半年
	QT128	905	机械式	2023年第一季度
	FT120	905	纯固态	2023年下半年
速腾聚创	RS-Ruby Plus	905	机械式	1
	RS-Helios-5515	905	半固态	一
	RS-LiDAR-M1	905	半固态	2021上半年
	RS-LiDAR-E1	905	纯固态	2023年下半年
图达通	猎鹰	1550	半固态	2022年第一季度
图达通	灵雀-W	905	MEMS	1

激光雷达方案升级，固态补盲雷达新品密集发布。补盲激光雷达为近场探测设计、外观纤巧灵活、兼具超大的垂直（>75°）与水平视场角（>120°）的特点。它能作为当前自动驾驶多传感器融合方案中的有利补充，如摄像头在强光和逆光环境下的“瞬盲”，毫米波雷达分辨力不足等。而且能实现前视激光雷达仅 120°FOV 的不足，以更具性价比的方式完成汽车 360°水平视场的覆盖。速腾聚创表示，在当前主流“视觉+前视激光雷达”感知方案的基础上，通过增加两颗 E1，就可以构成“视觉+360°激光雷达”的感知方案，实现 360°的全覆盖、无盲区感知效果。CES2022上，图达通展示了首款图像级中短距激光雷达 Robin 全球首次亮相，其与 Falcon 的全新组合也将为整车周边的全方位感知方案建立更有效的安全及性能保障。2022 年 11 月，亮道智能、禾赛科技和速腾聚创先后发布补盲激光雷达 LDSatellite、RS-LiDAR-E1 和 FT120，CES2023 上国内厂商镭神智能、一径科技发布其补盲雷达 CH32R 和 ML-30s，海外厂商大陆和 IBEO 也发布了补盲雷达HFL110 和 Next 短距。激光雷达厂商陆续公布固态补盲雷达新品，有望开拓 2023 年激光雷达新局面。

图表76：补盲雷达探测盲区示意图

资料来源：速腾聚创官网，华泰研究

图表77：前向主雷达雷达+补盲雷达结合方案示意图

资料来源：速腾聚创官网，华泰研究

禾赛科技：全球领先的激光雷达制造商

禾赛科技成立于 2014年 10月，是一家全球化的激光雷达研发与制造企业。公司产品广泛应用于支持高级辅助驾驶系统（ADAS）的乘用车和商用车，以及自动驾驶汽车。禾赛的激光雷达技术也致力赋能各类机器人应用，例如无人配送车和封闭区域内的物流机器人等。禾赛在光学、机械、电子、软件等激光雷达核心领域有着卓越的研发能力和深厚的技术积累，其激光雷达产品已成功经过市场验证，截至 2022 年底累计交付量超过 10 万台。禾赛将激光雷达的制造工艺融入到研发设计流程中，在促进产品快速迭代的同时，保证高性能、高可靠性与高性价比。禾赛的客户包括全球主流汽车厂商、自动驾驶和机器人公司，遍及全球 40 个国家、90 多个城市。

图表78： AT128半固态激光雷达

资料来源：公司官网，华泰研究

图表79：激光雷达感知效果

资料来源：公司官网，华泰研究

速腾聚创：激光雷达硬件、感知软件与芯片三大核心技术闭环

速腾聚创(RoboSense)成立于 2014 年 8 月，是全球领先的智能激光雷达系统（SmartLiDAR Sensor System）科技企业。RoboSense 通过激光雷达硬件、感知软件与芯片三大核心技术闭环，为市场提供具有信息理解能力的智能激光雷达系统，颠覆传统激光雷达硬件纯信息收集的定义，赋予机器人和车辆超越人类眼睛的感知能力，守护智能驾驶的安全。RoboSense 总部位于深圳，企业员工超过 1200 人，拥有来自全球顶尖企业和科研机构的人才团队，为 RoboSense提供源源不断的创新能力，截止 2022年底，全球布局激光雷达相关专利超过 1000 项。RoboSense 产品技术的领先建立在多学科多层级的技术积累之上。公司以市场为导向，为客户提供多种的智能激光雷达系统解决方案，产品技术包括：MEMS与机械式激光雷达硬件，硬件融合技术，感知软件等。

图表80： RS-LiDAR-M1 车规级固态激光雷达

资料来源：公司官网，华泰研究

图达通：深耕图像级超远距激光雷达领域

图达通(Innovusion)成立于 2016 年，是全球图像级激光雷达提供商。在硅谷、苏州和上海设有研发中心，在宁波和苏州拥有高度工业化的车规级激光雷达制造基地。Innovusion 潜心致力于激光雷达的探索与创新，不断提供高性能的激光雷达产品及多样化的应用解决方案。其图像级超远距激光雷达猎鹰 (Falcon) 已于 2022年作为蔚来 ET7、 ES7 及 ET5的Aquila 超感系统标配量产交付。依托产品技术的先进性和成本的可控性，Innovusion 在国内外还与多家车联网、智慧高速、轨道交通、以及工业自动化等行业龙头企业开展着积极合作，用先进的硬件及软件解决方案赋能安全与智能生活。

图表81：图像级远距离激光雷达：捷豹精英版

资料来源：公司官网，华泰研究

图表82：激光雷达探测效果

资料来源：公司官网，华泰研究

探维科技：新一代固态扫描激光雷达技术方案和 ALS平台技术

探维科技成立于 2017年，核心团队起源于清华大学精仪系国家重点实验室，早在 2008年即开始从事激光雷达系统方向的技术研发。探维科技开发了行业唯一的硬件级图像前融合产品 Tanway Fusion，解决了多传感器融合的可靠性问题，深入挖掘激光雷达在车端的应用价值与用户价值，开启激光雷达 3.0 时代。为了实现车规级稳定性，探维科技基于全自研的 ALS 平台技术，打造了高性能、低成本、易量产的车规级固态激光雷达，并于 2019年率先完成量产交付。探维科技总部和研发中心位于北京，在成都落地电子研发中心，2021年底在苏州落地车规级产线。2022年探维科技获得 IATF16949质量管理体系认证，与合创汽车联合发布全球首款搭载激光雷达的量产 MPV-V09，今年内计划落地 3 个乘用车定点项目。

图表83：固态激光雷达：Tensor

资料来源：公司官网，华泰研究

图表84：固态激光雷达：Scope

资料来源：公司官网，华泰研究

灵明光子:dToF传感芯片和系统解决方案提供商

灵明光子是由顶尖海归博士团队于 2018 年 5 月创立于深圳南山。灵明光子设计的单光子雪崩二极管（SPAD），是帮助现代电子设备实现 3D 感知的核心器件，广泛赋能汽车、智能手机、机器人、自动控制、人机交互、智慧家居等领域。公司提供一系列的 SPAD dToF传感芯片产品，包括:SiPM、3D 堆叠 dToF 模组、有限点 dToF 传感器等，其产品拥有行业领先的精准度、能效比和测距范围。灵明光子使用了最前沿的 BSI 3D 堆叠技术——将背照式的传感芯片晶圆和数字逻辑电路晶圆混合键合以达到行业内最高的性能效果和集成度，并提供以 SPAD为基础的 dToF系统解决方案。

图表85：灵明光子部分产品示意图

资料来源：公司官网，华泰研究

AR-HUD：泽景科技，未来黑科技

正如我们在《京东方精电：全球车载显示龙头厂商》（2023年 6月 1日）中所述：

HUD 加速渗透，预计 2030 年渗透率达 30%。HUD 自 2023 年开始将进入增长快车道，我们预测今年车企竞争加剧，智能化配置的需求凸显，2023 年同比增速将达到 43%，之后增速略有放缓，2023E-2030E CAGR 预计为 25.4%，渗透率将从 2023 年的 8.8%提升至 2030 年的 29.5%。其中，W/AR HUD 作为目前车企 HUD 的主流方案，据高工智能汽车数据，2021年中国乘用车市场 W/AR HUD合计占比 93.8%。

图表86： 2021-2030E HUD 出货量及渗透率

资料来源：Digitimes，华泰研究预测

AR HUD 显示信息更全面，提升辅助驾驶安全和人机交互体验更强。W HUD 是通过挡风玻璃作为投影介质来反射成像，能提供车速、导航、油耗、电量、温度、路况、天气、行车警告等行车信息。而 AR HUD 结合了 AR（增强现实）技术，可以将虚拟信息与真实世界进行融合从而实现对真实世界的“增强”，驾驶者真正实现不用在仪表和路面之间来回切换，且成像效果更清晰。以搭载了华为 AR HUD 方案的飞凡 R7 为例，飞凡 R7 的 ARHUD 具有 13°x5°的视场角，拥有 AR 导航、安全辅助、生活服务功能、驻车娱乐四项主要功能。

图表87：飞凡 R7 的 AR-HUD 效果示意图

资料来源：公司官网，华泰研究

长期来看， AR-HUD 将于智能驾驶阶段量产，替代现有 HUD。虽然 AR-HUD 存在较高的技术壁垒，但相比自动驾驶， AR-HUD 故障的影响更小，因此车规安全要求较低； AR-HUD 能够结合自动驾驶传感器信息，为消费者带来更直观的科技体验。因此 AR-HUD 落地或快于智能驾驶，成为未来重要的人机交互方式之一。

图表88： HUD 将从 W-HUD 走向 AR-HUD

资料来源：公司官网，华泰研究

泽景科技：国内领先的车内视觉解决方案供应商

泽景成立于 2015 年，是一家集科研、生产、服务于一体的国家高新技术企业，主要产品包括 W-HUD、AR-HUD、 CMS、透明 A柱、透明窗口显示等智能座舱相关产品。在全国已经布局仪征（总部和制造中心）、西安（研发中心）、上海（管理及客户服务支持中心）、长春（北方服务中心）、重庆（西南服务中心）5 个区域。泽景始终致力于用科技手段提高智能汽车的数字化体验，已然成为目前国内领先的车内视觉解决方案供应商。同时泽景是 HUD 产业本土化的引领者，建立了中国本土第一条 WHUD 自动化生产线，取得了第一款中国本土供应商开发的 WHUD 的产品量产等多项成就，已获得多家头部主机厂的认可，在技术、工程、量产经验和客户粘性等方面壁垒明显。拥有蔚来，吉利，北汽，奇瑞等量产客户。

图表89： AR-HUD模拟定制化主题页面

资料来源：公司官网，华泰研究

图表90： W-HUD畸变矫正技术

资料来源：公司官网，华泰研究

未来黑科技：搭建虚拟与现实世界的沟通桥梁

未来（北京）黑科技成立于 2016 年，是一家集光学成像、增强现实、人机交互设计（HMI）、全车窗显示和计算机算法研发于一体的创新型高科技公司，产品覆盖经典 HUD、光场 AR HUD、全景显示器和全息影像等。FUTURUS 未来实验室结合基础科学研究和应用技术创新，发明了全息光场技术和光场增强现实显示技术，创造了人与现实和虚拟世界同步沟通的全新窗口。截止目前，FUTURUS产品已累计荣获 4座 CES/CES Asia 创新奖奖杯，主要为宝马、上汽、理想汽车等品牌提供产品支持与技术供应。

图表91： VID（Virtual Image Distance）虚拟画面结合光场 AR 显示技术

资料来源：公司官网，华泰研究

风险提示

智能驾驶渗透率不及预期；新产品迭代速度不及预期。受到技术长尾问题、汽车销量不振等因素的影响，智能驾驶软硬件迭代的速度或将慢于预期。

本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。

图表92：全文提及公司列表

公司	代码	公司	代码
地平线	未上市	瑞可达	688800 CH
黑芝麻智能	未上市	加特兰	未上市
芯驰科技	未上市	森思泰克	未上市
芯擎科技	未上市	行易道	未上市
德赛西威	002920CH	禾赛科技	HSAI US
经纬恒润	688326 CH	速腾聚创	未上市
纵目科技	未上市	图达通	未上市
知行科技	1885 HK	探维科技	未上市
魔视智能	未上市	灵明光子	未上市
宏景智驾	未上市	泽景科技	未上市
电连技术	300679 CH	未来黑科技	未上市
柏川数据	未上市	旗芯微	未上市

资料来源：彭博，华泰研究

免责声明

分析师声明

本人，黄乐平、陈旭东，兹证明本报告所表达的观点准确地反映了分析师对标的证券或发行人的个人意见；彼以往、现在或未来并无就其研究报告所提供的具体建议或所表迖的意见直接或间接收取任何报酬。

一般声明及披露

本报告由华泰证券股份有限公司（已具备中国证监会批准的证券投资咨询业务资格，以下简称“本公司”）制作。本报告所载资料是仅供接收人的严格保密资料。本报告仅供本公司及其客户和其关联机构使用。本公司不因接收人收到本报告而视其为客户。

本报告基于本公司认为可靠的、已公开的信息编制，但本公司及其关联机构(以下统称为“华泰”)对该等信息的准确性及完整性不作任何保证。

本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，华泰可能会发出与本报告所载意见、评估及预测不一致的研究报告。同时，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。以往表现并不能指引未来，未来回报并不能得到保证，并存在损失本金的可能。华泰不保证本报告所含信息保持在最新状态。华泰对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。

本公司不是 FINRA 的注册会员，其研究分析师亦没有注册为 FINRA 的研究分析师/不具有 FINRA 分析师的注册资格。

华泰力求报告内容客观、公正，但本报告所载的观点、结论和建议仅供参考，不构成购买或出售所述证券的要约或招揽。该等观点、建议并未考虑到个别投资者的具体投资目的、财务状况以及特定需求，在任何时候均不构成对客户私人投资建议。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。对依据或者使用本报告所造成的一切后果，华泰及作者均不承担任何法律责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。

除非另行说明，本报告中所引用的关于业绩的数据代表过往表现，过往的业绩表现不应作为日后回报的预示。华泰不承诺也不保证任何预示的回报会得以实现，分析中所做的预测可能是基于相应的假设，任何假设的变化可能会显著影响所预测的回报。

华泰及作者在自身所知情的范围内，与本报告所指的证券或投资标的不存在法律禁止的利害关系。在法律许可的情况下，华泰可能会持有报告中提到的公司所发行的证券头寸并进行交易，为该公司提供投资银行、财务顾问或者金融产品等相关服务或向该公司招揽业务。

华泰的销售人员、交易人员或其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。华泰没有将此意见及建议向报告所有接收者进行更新的义务。华泰的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。投资者应当考虑到华泰及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突。投资者请勿将本报告视为投资或其他决定的唯一信赖依据。有关该方面的具体披露请参照本报告尾部。

本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布的机构或人员，也并非意图发送、发布给因可得到、使用本报告的行为而使华泰违反或受制于当地法律或监管规则的机构或人员。

本报告版权仅为本公司所有。未经本公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人(无论整份或部分)等任何形式侵犯本公司版权。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并需在使用前获取独立的法律意见，以确定该引用、刊发符合当地适用法规的要求，同时注明出处为“华泰证券研究所”，且不得对本报告进行任何有悖原意的引用、删节和修改。本公司保留追究相关责任的权利。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。

中国香港

本报告由华泰证券股份有限公司制作,在香港由华泰金融控股（香港）有限公司向符合《证券及期货条例》及其附属法律规定的机构投资者和专业投资者的客户进行分发。华泰金融控股（香港）有限公司受香港证券及期货事务监察委员会监管，是华泰国际金融控股有限公司的全资子公司，后者为华泰证券股份有限公司的全资子公司。在香港获得本报告的人员若有任何有关本报告的问题,请与华泰金融控股（香港）有限公司联系。

香港-重要监管披露

• 华泰金融控股（香港）有限公司的雇员或其关联人士没有担任本报告中提及的公司或发行人的高级人员。

• 有关重要的披露信息，请参华泰金融控股（香港）有限公司的网页 https://www.htsc.com.hk/stock_disclosure其他信息请参见下方 “美国-重要监管披露”。

美国

在美国本报告由华泰证券（美国）有限公司向符合美国监管规定的机构投资者进行发表与分发。华泰证券（美国）有限公司是美国注册经纪商和美国金融业监管局（FINRA）的注册会员。对于其在美国分发的研究报告，华泰证券（美国）有限公司根据《1934 年证券交易法》（修订版）第 15a-6 条规定以及美国证券交易委员会人员解释，对本研究报告内容负责。华泰证券（美国）有限公司联营公司的分析师不具有美国金融监管（FINRA）分析师的注册资格，可能不属于华泰证券（美国）有限公司的关联人员，因此可能不受 FINRA 关于分析师与标的公司沟通、公开露面和所持交易证券的限制。华泰证券（美国）有限公司是华泰国际金融控股有限公司的全资子公司，后者为华泰证券股份有限公司的全资子公司。任何直接从华泰证券（美国）有限公司收到此报告并希望就本报告所述任何证券进行交易的人士，应通过华泰证券（美国）有限公司进行交易。

美国-重要监管披露

• 分析师黄乐平、陈旭东本人及相关人士并不担任本报告所提及的标的证券或发行人的高级人员、董事或顾问。分析师及相关人士与本报告所提及的标的证券或发行人并无任何相关财务利益。本披露中所提及的“相关人士”包括 FINRA 定义下分析师的家庭成员。分析师根据华泰证券的整体收入和盈利能力获得薪酬，包括源自公司投资银行业务的收入。

• 华泰证券股份有限公司、其子公司和/或其联营公司, 及/或不时会以自身或代理形式向客户出售及购买华泰证券研究所覆盖公司的证券/衍生工具，包括股票及债券（包括衍生品）华泰证券研究所覆盖公司的证券/衍生工具，包括股票及债券（包括衍生品）。

• 华泰证券股份有限公司、其子公司和/或其联营公司, 及/或其高级管理层、董事和雇员可能会持有本报告中所提到的任何证券（或任何相关投资）头寸，并可能不时进行增持或减持该证券（或投资）。因此，投资者应该意识到可能存在利益冲突。

评级说明

投资评级基于分析师对报告发布日后 6 至 12 个月内行业或公司回报潜力（含此期间的股息回报）相对基准表现的预期

（A 股市场基准为沪深 300 指数，香港市场基准为恒生指数，美国市场基准为标普 500 指数），具体如下：

行业评级

增持：预计行业股票指数超越基准

中性：预计行业股票指数基本与基准持平

减持：预计行业股票指数明显弱于基准

公司评级

买入：预计股价超越基准 15%以上

增持：预计股价超越基准 5%\~15%

持有：预计股价相对基准波动在-15%\~5%之间

卖出：预计股价弱于基准 15%以上

暂停评级：已暂停评级、目标价及预测，以遵守适用法规及/或公司政策

无评级：股票不在常规研究覆盖范围内。投资者不应期待华泰提供该等证券及/或公司相关的持续或补充信息

法律实体披露

中国：华泰证券股份有限公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J

香港：华泰金融控股（香港）有限公司具有香港证监会核准的“就证券提供意见”业务资格，经营许可证编号为：AOK809

美国：华泰证券（美国）有限公司为美国金融业监管局（FINRA）成员，具有在美国开展经纪交易商业务的资格，经营业务许可编号为：CRD#:298809/SEC#:8-70231

华泰证券股份有限公司

南京

南京市建邺区江东中路228号华泰证券广场1号楼/邮政编码：210019

电话：86 25 83389999/传真：86 25 83387521

电子邮件：ht-rd@htsc.com

深圳

深圳市福田区益田路5999号基金大厦10楼/邮政编码：518017

电话：86 755 82493932/传真：86 755 82492062

华泰证券-电子行业专题研究：AI大模型如何加速无人驾驶发展-230612.pdf