（报告出品方/作者：国联证券，张旭）
1我们为什么需要智能驾驶？
1.1智能驾驶简介：服务人与代替人
智能驾驶是指汽车通过配置先进的传感器、控制器、执行器、通讯模块等设备实现协助驾驶员对车辆的操控，甚至完全代替驾驶员实现无人驾驶的功能。
高等级的智能驾驶是智能交通体系的一部分，通过V2X（车联网）技术汽车能够与道路信息、交通信号、其他车辆等周围环境联接为一体，形成“人、车、路”高效运行的交通体系。而在智能汽车内部，各种类型的传感器代替了人的眼睛与耳朵，感知汽车周围情况；强大算力的控制器代替了人的大脑，决策车辆行驶路线；响应灵敏的执行器代替了人的手脚，执行着智能大脑的命令。被“代替”的驾驶员则通过全新的人机交互环境，享受着智能的体验与服务。这是智能驾驶的愿景，也是定义各个子功能的发展目标。
1.2智能驾驶的功能价值：安全、高效、舒适
安全始终是汽车出行的第一要务，早期的智能驾驶功能主要是集中在帮助驾驶员减少交通事故的辅助驾驶功能。其中，典型的功能为AEB（AutonomousEmergencyBraking,自动紧急制动系统）。AEB系统通过摄像头或雷达检测和识别前方车辆，在有碰撞可能的情况下先用声音和警示灯提醒驾驶者进行制动操作回避碰撞。
当前我国交通领域面临诸多痛点，包括：人为原因导致的交通事故率占比90%；因为交通拥堵，仅仅在北京就造成了人均.31元/年的经济成本；我国物流费用在GDP中的比重达到14.6%，远超欧美国家，效率低下；我国大型城市停车位缺口平均在70%以上，停车难的问题越来越突出。
智能驾驶功能有望成为解决这些痛点的方案，其价值体现在多个方面：
提升安全性：智能驾驶功能帮助减少交通事故率。
提升效率，减少成本：协同式交通系统可以提高燃油经济性及交通效率。
提高舒适性：减轻驾驶负担，解放用户时间。
1.3智能驾驶的经济价值：重构产业的革命
当前，汽车行业正在经历多年来最为剧烈的变革，“新四化”趋势（电气化、智能化、网联化、共享化）带来全方位的产业革命。在这一变革中，智能驾驶将显著提升汽车电子、软件算法等在汽车价值中的比重。先进的计算机、通讯、算法等技术成果将被应用在智能驾驶汽车上。传统汽车行业的生产组织要素（知识技能、组织模式等）将被全面改变，有望创造众多新增部件机会。
软件定义汽车理念已经越来越被行业接受，通过软件更新（OTA）持续的优化功能与创造价值成为未来智能汽车必备特征。智能驾驶功能的演进也是汽车产业逐步重构的重要内容。
1.4智能驾驶技术分级与产品
智能驾驶技术分级标准
当前，行业普遍遵循SAE协会定义的智能驾驶等级。但从产品属性来看，智能驾驶分为人承担责任和车承担责任两类。其中，L2及以下的智能驾驶通常被定义为ADAS（高级驾驶辅助系统），其最大的特点是系统只是給驾驶员提供协助，驾驶员需要承担所有的责任与后果。而在L4及以上的智能驾驶汽车上，责任主体为汽车生产或者汽车服务商对于L3级别的智能驾驶，因为其只能在特定条件下代替人，并且在系统失效的时候需要人及时接管车辆，在实际应用中的可操作性及责任界定问题在行业内外存在较大争议。从技术角度而言，L3级别智能驾驶是技术发展的必经阶段，但从法律及产品角度，仍存在着较大争议。
智能驾驶产品开发战略选择
Waymo、滴滴等科技公司与初创公司采取“高举高打”策略，直接针对L4级别的智能驾驶进行研发，以期实现全自动驾驶。根据NavigantResearch发布的年度自动驾驶汽车排行榜，Waymo、通用Cruise、百度处于领先地位。Waymo从年就开始了相关研究，其在该领域投入最大、积累数据最多、应用最全面。
从技术角度分析，针对L4级别的智能驾驶虽然已经有了很多进步，但是目前仍处于试验研究阶段。面对情况复杂的开放道路，技术成熟度还远未达到全面商业化运营的要求。年，著名咨询公司Gartner在其报告中认为L4级别自动驾驶技术全面成熟还需要10年以上的时间。
主流汽车企业均从ADAS功能入手实现产品化，并逐步向L3、L4级别功能方向演进。头部企业则是同时布局ADAS产品开发与L4级别的自动驾驶技术研究，例如：大众，GM，Ford等。当前，L2智能驾驶产品已经较为成熟，正在向L3技术阶段发展。企业通过传感器、计算平台、算法的不断升级与迭代，逐步完善产品功能，并扩展应用场景。特斯拉、奥迪、小鹏等已经宣传开发出具备L3技术能力的智能驾驶汽车，但因为ODD(OperationalDesignDomain:设计运行区域)在法律及标准上还没有明确，他们更多以L2+来定义相关产品。年底，特斯拉在写给加州机动车管理局(DMV)邮件中承认，FSD目前并非真正的完全自动驾驶，FSD和Autopilot一样，都属于L2级自动辅助驾驶系统。
我国更加强调智能化与网联化同步发展，以网联功能构建“人-车-路-云”的整体解决方案，减小单车智能的开发难度。年2月，由发改委等11部委联合发布的《智能汽车创新发展战略》中明确提出：“到年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网络（LTE-V2X等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）在部分城市、高速公路逐步开展应用，高精度时空基准服务网络实现全覆盖。”
2市场需求：产品功能与应用场景的匹配程度影响用户需求
2.1ADAS(辅助驾驶)：产品成熟，功能不断丰富
ADAS（先进辅助驾驶系统）利用雷达、摄像头等传感器采集汽车周边环境数据，进行静态、动态物体的识别、跟踪，控制系统结合地图数据进行做出行为决策，使驾驶者觉察可能发生的危险，必要情况下直接控制车辆的刹车或者转向动作，可有效提升驾驶安全性、舒适性。
ADAS所涉及的主要零部件毫米波雷达、超声波雷达、摄像头、电动转向、电动刹车等已经在技术上成熟，并实现了大规模量产与应用。ADAS的功能与应用也越来越丰富，相关测评标准已经颁布。在国家标准（年）《道路车辆先进驾驶辅助系统(ADAS)术语及定义》中给出了36项ADAS功能，包含FCW、BSD、HMW、HUD等信息辅助类21项，AEB、ACC、LKA等控制辅助类15项。
在乘用车领域，常用的ADAS功能包括安全控制类的ACC/AEB/LKS等，预警类的FCW/LDW/PCW/BSD等，其他辅助性的AP等功能。
在商用车领域，因为相关零部件成熟稍晚，ADAS装配率还比较低。当前量产车辆主要搭载的是L1级别功能或者信息报警类功能，如AEB/BSD/DMS等。随着商用车电控执行器（刹车、转向等）产品的成熟，ADAS功能在商用有望越来越丰富。
2.2L3/L4(自动驾驶)：场景决定市场空间与落地节奏
因为技术的局限性，L3/L4级自动驾驶技术产品需要依托场景进行开发。对于驾驶的场景，可以从环境的封闭性与车辆运行速度进行划分，相对封闭的环境与相对低的运行速度有利于降低产品的开发难度。当前，典型的应用场景包括：高速公路、城市道路、停车场、机场、矿区、园区、港口等。
针对特定场景开发L3/L4级自动驾驶产品优点是能够更快实现产品落地，缺点是产品定制化特征决定了其市场规模将会有限。根据罗兰贝格与蔚来资本的报告，自动驾驶有望落地的场景中，跨域干线物流市场空间达到亿元，自动驾驶出租车Robotaxi市场空间达到亿元。而在港口场景中因为集装箱卡车本身规模有限（1万余辆），智能驾驶系统市场空间仅60亿元。
过去几年，经历了自动驾驶投资起落后，“场景致胜”已经成为行业共识。当前，各个公司纷纷选定自己的主攻场景，以争取实现更早的商业化落地。Waymo、百度、滴滴、Uber、文远知行、小马智行等公司的重点在Robotaxi领域；TuSimple(图森未来)、智加科技、赢彻科技等公司主攻干线物流；主线科技、西井科技等集中在港口物流；希迪智驾、易控智加等主攻矿区场景；京东X、菜鸟等则在园区物流配送上投入较大。
不同的场景，产品开发难度不同，商业落地速度也有差别。因为港口集装箱卡车运行环境较为封闭，车速要求不高，产品开发相对简单，有望在年前后实现商业化落地。而Robotaxi因为场景较为复杂，即使在美国较高的出行成本下，实现商业化的收支平衡也要到年以后。这也是Waymo在美国凤凰城的Robotaxi运营无法持续扩大的原因。
2.3产品功能价值决定需求弹性
辅助驾驶的安全功能被纳入法规标准，有望快速普及
智能驾驶的主动安全功能能够提高道路安全、减少交通事故。因此，我国*府正在将会越来越多的主动安全功能纳入到法规标准体系。
在乘用车领域，AEB等辅助驾驶功能已经被纳入欧洲、北美、我国的测试认证规范，标准引导产品升级的意味明显。年，AEB已被纳入我国乘用车的新车评价规程(C-NCAP)，缺乏相关配置的车型将难以获得较高的评级。根据评分体系，在年，车辆要获得5星级评价，主动安全的最低得分率要求为26%；而到年，最低得分率提升至38%；年提升至55%。根据EuroNCAP的发展规划，针对AEB功能，将引入更多测试包括：后向行人保护、AEB交叉路口评价等。年开始引入Head-on（迎面）测试，模拟车辆正面头碰头的场景。
在商用车领域，特别是“两客一危”车辆（公交、客运、危化品车辆），因为其对交通安全运行影响重大，*府已经将装配AEB，FCW等辅助驾驶功能列入强制标准。考虑到商用车安全问题所造成的社会隐性成本，针对普通商用车辆的推荐标准也已经颁布。部分强制性*策与规定从“两客一危”开始，并逐步向重型载货汽车、新能源汽车、中轻卡、专项作业车等领域推行。
年发布的《道路运输条例（修订草案征求意见稿）》，要求客运车辆、危险货物运输车辆、半挂牵引车及总质量12吨以上的载货车辆应当按照有关规定配备具有行驶功能的卫星定位装置和智能视频监控装置。
这些涉及人员安全的标准与法规*策的出台将会促进辅助驾驶（安全）功能渗透率提升，加速功能改进与系统单车价值提升。
显性价值清晰的智能驾驶功能市场接受度高
在车辆驾驶过程中，停车、跟车、变道、紧急情况应对是常见的驾驶员操作。乘用车的智能驾驶功能开发主要是针对这些情景中的痛点，满足驾驶员的需求。例如，停车对新手司机而言难度较大，自动泊车（代客泊车）能够完成从找车位到泊车入库的全过程。而在交通拥堵的道路，ACC（自适应巡航）能够有效跟车缓解驾驶员的疲劳。对这些功能需求与驾驶员的经验、道路运行条件密切相关，产品价格对于需求弹性影响较大。
而在商用车领域，车辆作为生产资料，智能驾驶功能主要围绕如何安全、高效的创造价值进行开发。产品与功能的接受度与投入回报比直接相关，一旦突破拐点，市场渗透率有望快速增长。图森未来（TSP.O）在其招股书中披露，自动驾驶卡车有望实现USD1.98/mile的成本节省，未来有望接近1年的投入回报比，这将使得用户接受度迅速提升。与之类似，年我国重卡AMT变速箱投入回报比已被用户接受，出货增速超过7倍且供不应求，正在快速普及。
尽管乘用车与商用车对智能驾驶需求出发点不同，但随着*策完善、技术成熟、客户认知度提高，能够切实解决用户痛点的智能驾驶功能有望快速普及。
个性化智能驾驶功能市场接受度将由产品成熟度、用户支付意愿共同决定。
随着对于用户体验的重视，智能座舱作为智能驾驶中“人机交互”的端口越来越受到重视，HUD（抬头显示）、多屏显示等功能被已在部分车型上搭载。但这些个性化的功能还面临成本较高、成熟度不够的局面，其市场普及与渗透率提升需要时间。
同时，部分智能驾驶功能夸大宣传、操作复杂、用户体验不佳，在客户端存在“老手不会用，新手不会用”等问题，影响了其渗透节奏。根据威尔森咨询在年的调查，中国消费者对智能驾驶的兴趣度达到71%，但是信赖度只有28%。因为用户习惯与功能成熟度，用户更多不愿意支付额外费用或者处于观望状态。根据年Q4Tesla交流会，中国用户的FSD软件付费激活率仅为2%，费用更低的小鹏汽车Xpilot激活率也仅20%。
对于个性化的智能驾驶产品，还需要在提升用户满意度与支付意愿上努力。
3*策、技术、标杆共同推动，智能驾驶加速到来
3.1*策支持：国家战略方向；地方大力扶持；行业积极响应
智能驾驶的国家战略年，我国11个部委联合发布的《智能汽车创新发展战略》中已明确指出智能驾驶汽车是国家战略发展方向，其包括：
（一）智能汽车已成为全球汽车产业发展的战略方向；
（二）发展智能汽车对我国具有重要的战略意义；
（三）我国拥有智能汽车发展的战略优势。
发展层面：智能驾驶汽车是成为汽车强国的战略选择。产业层面：鼓励相关产业跨界融合，产业链重构，智能化，网络化，平台化发展。
技术层面：智能驾驶带动了高新技术的发展。
应用层面：汽车由机械运载工具转变为智能移动空间和应用终端、新兴业态的重要载体。
地方大力扶持智能驾驶产业落地
地方*府对智能驾驶发展也极为重视，纷纷出台各项鼓励与扶持*策。包括：依托新型城镇化和智能化道路交通设施等重大工程建设，纷纷建立智能公交与车路协同技术应用示范线路；制定示范应用推广计划，逐年扩大智能网联公交车示范区域和应用数量；制定*府采购要求，逐年提高智能驾驶环卫车等的示范应用比例；设立人才专项配套*策，引导行业人聚集；扶持企业的智能驾驶技术研发等。地方*府希望通过不断扩大智能驾驶示范应用规模，以示范应用带动产业发展。
行业标准体系正在成形，产品评测促进行业健康发展
行业标准是指导智能驾驶发展的重要依据。相关部门将智能网联汽车标准体系框架定义为“基础”、“通用规范”、“产品与技术应用”、“相关标准”四个部分，同时根据各具体标准在内容范围、技术等级上的共性和区别，形成14个子类。年，我国已制定30项以上智能网联汽车重点标准，初步建立能够支撑驾驶辅助及低级别自动驾驶的智能网联汽车标准体系，到年预计将制定项以上智能网联汽车标准，系统形成支撑高级别自动驾驶的智能网联汽车标准体系。
产品测试评价、质量检测体系完善将为消费者购车用车保驾护航。随着整车企业纷纷发布具备L3~L4级自动驾驶功能汽车产品量产计划，且积极开展道路测试、应用示范及商业化试运营，行业急需建立完善智能网联汽车产品等级划分及评估准则，服务消费者购车用车。年10月，由中国智能网联汽车产业创新联盟、国汽（北京）智能网联汽车研究院有限公司、华为技术有限公司、中汽中心、中国汽研等共同编制完成了《智能网联汽车产品测试评价白皮书》，行业在智能网联汽车产品测试评价流程上达成了共识。其适用于配备自动驾驶系统且具备L3/L4/L5自动驾驶功能的M类、N类车辆，其它类型车辆可参照执行；可用于评价高速/环路、市内运行、泊车/取车、封闭园区和城际/郊区等五大连续运行场景的自动驾驶运行能力；可用于Robotaxi、AVP、HWP等典型自动驾驶汽车产品的测评，同时港口、矿区车辆可参照使用。年1月，国家市场监督管理总局正式同意中国汽研与湖南湘江智能科技创新中心有限公司共同筹建“国家智能网联汽车质量监督检验中心（湖南）”。
3.2技术进步：感知/智能/通讯技术导入
感知技术发展
感知是指智能驾驶系统从环境中收集信息并从中提取相关知识的过程，通常包含环境感知和定位两部分。其中，环境感知（EnvironmentalPerception）指对于环境的场景理解能力，例如障碍物的类型、道路标志及标线的识别、行人车辆的检测、交通信号的辨识等。定位（Localization）是对感知结果的后处理，通过定位功能从而帮助汽车了解其相对于所处环境的位置。
感知是智能驾驶系统的基础。以摄像头为基础的视觉感知技术，因为成本较低，获取信息丰富，有利于大规模在汽车上应用。同时，毫米波雷达、超声波雷达技术在汽车上也应用得越来越成熟。激光雷达过去一般用在测绘、工业生产领域，价格昂贵。年，Luminar发布了价格不到0美元的LiDAR解决方案。Velodyne公司则计划到年将平均售价从年的美元降至美元。年，华为宣布其将量产的激光雷达单价在美元以下。随着激光雷达价格的快速下降，奥迪、宝马、奔驰等整车企业已将其纳入了搭载规划。
算法升级与计算平台进步
过去十年，随着深度学习为代表的算法在人工智能领域中应用，计算机科学又进入到了新的阶段。深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。它的基本特点，是试图模仿大脑的神经元之间传递，处理信息的模式。最典型的应用是计算机视觉和自然语言处理(NLP)领域。其需要依靠大量的数据与硬件计算能力来完善功能。
Mobileye以其算法和芯片技术快速成为ADAS领域头部企业，市场占有率一度超过70%。当前，其算法日趋成熟、芯片性能大幅提升，能够实现判断前方车辆、行人、安全距离、车道线等功能，满足了智能驾驶大规模应用的需求。其第四代算法芯片EyeQ4较上一代性能提升8倍，EyeQ系列芯片累计发货量超过万块。年，Mobileye被英特尔以亿美元巨资收购。
英伟达（NVIDIA）、高通（Qual