文： 任澤平 連一席 郭雙桃
導讀
效率和安全是出行產業最為關注的兩個話題。2018年全球因道路交通死亡私人數超過了135萬人，相當於每23.4秒就有1個人被交通意外奪走生命。而據交通部數據，每年因交通擁堵帶來的經濟損失高達城市人口可支配收入的20%，相當於GDP的5-8%。
隨著深度學習和計算機視覺技術的興起，自動駕駛為提升交通安全與效率提供了新的解決方案。自動駕駛綜合了人工智慧、通信、半導體、汽車等多項技術，涉及產業鏈長、價值創造空間巨大，已經成為各國汽車產業與科技產業跨界、競合的必爭之地。技術進步、政策推動、巨頭入局、資本進入、成本下降、場景成熟，從各方面跡象來看，自動駕駛經過十多年的探索，目前已經站在商業化落地的關鍵節點。浪潮已至。
正文
1 中國發展自動駕駛汽車具有必要性、迫切性和合理性
汽車新四化「電動化、智能化、網聯化、共享化」發展趨勢已成為行業共識。2017年12月，工信部發布的《國家車聯網產業標準體系建設指南（智能網聯汽車）》中指出，智能網聯汽車是指搭載先進的車載傳感器、控制器、執行器等裝置，並融合現代通信與網絡技術，實現車與X（人、車、路、雲端等）智能信息交換、共享，具備複雜環境感知、智能決策、協同控制等功能，可實現「安全、高效、舒適、節能」行駛，並最終可實現替代人來操作的新一代汽車。可見我國發展智能網聯汽車的終極目的在於實現人工替代。
智能網聯汽車同時包含汽車「智能化」和「網聯化」兩大屬性，而汽車智能化又可細分成「駕駛智能化」和「座艙智能化」兩方面，其中駕駛智能化也稱為自動駕駛。智能網聯汽車、智能汽車、自動駕駛三者關係如下圖所示：智能網聯汽車範圍最廣、智能汽車次之、自動駕駛最小。
1.1 發展自動駕駛汽車具有必要性
據世界衛生組織披露，2018年全球135萬死於交通意外，相當於每23.4秒就有一個人死亡。據中國交通部披露，每年因交通擁堵帶來的經濟損失佔城市人口可支配收入的20％，相當於每年國內生產總值損失5－8％。發展自動駕駛不僅可極大改善交通安全和堵塞問題，還可促進汽車產業轉型升級，助推經濟發展。據麥肯錫預測，到2025年智能汽車預估的潛在經濟影響最高達1.9萬億美元。相比普通汽車，自動駕駛汽車的優勢主要體現在以下幾個方面：
1）更加安全。2020年6月，美國IIHS(公路安全保險協會)發布基於5000起汽車安全事故調查報告顯示，其中由於感知失誤、能力喪失造成的碰撞事故分別約佔24%、10%，這兩部分事故對於自動駕駛車輛完全可以避免，也即自動駕駛可以減少34%的安全事故。
2）更加節能。2016年4月，美國卡內基梅隆大學發布《自動駕駛汽車的燃油經濟性測試》報告指出，帶有自動駕駛功能的汽車，燃油經濟性提升10%，且其節能效率隨著自動駕駛普及率、等級提升等進一步提升。
3）更加高效。2018年7月在百度AI開發者大會，百度總裁張亞勤博士提及Apollo自動駕駛平臺將提升車主30%的出行效率。2019年2月，中國智能網聯創新聯盟發布《智能網聯汽車產業發展動態及對策建議》報告指出，自動駕駛可提高交通效率約10%。
4）更加便宜。2020年4月，中國電動車百人會發布《自動駕駛在幹線物流場景商業化現狀、挑戰及建議》報告指出，自動駕駛卡車用於長途運輸，可節省人力成本6-15萬/年/車，自動駕駛對於人力成本較高的場景意義重大。
5）更加簡單。2019年6月，日本內閣發布《2019交通安全白皮書》報告指出，老人由於身體機能衰減、反應較遲鈍、身體不協調，發生安全事故概率更高。2018年度日本境內，75歲以上老人司機的死亡事故是剩餘的2.4倍；因踩錯剎車和油門的死亡事故75歲以上司機是剩餘的4.9倍。自動駕駛操作更為簡單，是應對社會老齡化駕駛的有效途徑。
1.2 發展自動駕駛汽車具有迫切性
自動駕駛可以提供更安全、更節能、更高效、更舒適的出行體驗，是國際公認的未來發展方向。其意義不僅在於汽車行業的技術升級，更會帶來全球化供應鏈和產業生態的革新，是各國必爭的戰略高地。
2019年3月，IPRdaily聯合incoPat發布「2018年全球自動駕駛技術發明專利排行榜(TOP 100)」，數據顯示在2018年1月1日至2018年12月31日期間，全球自動駕駛技術專利申請數量TOP20企業分別為，福特(1225)、三星(1152)、豐田(684)、通用(517)、博世(484)、百度(438)、現代(412)、華為(372)、本田(361)、電裝(327)、大眾(324)、LG(281)、高通(272)、日產(242)、松下(242)、德爾福(241)、英特爾(233)、寶馬(217)、索尼(197)、法雷奧(187)。專利申請數量按照國家劃分，美國、日本、韓國、德國、中國、法國分別為2488、2053、1845、1025、810、187件，對應佔比29.6%、24.4%、21.9%、12.2%、9.6%、2.2%；中國僅排第5。
從專利申請數量上看，我國暫時處於劣勢。而根據國家知識產權局發布的《自動駕駛產業專利分析評議報告》顯示,在核心專利領域,我國企業從數量到質量都落後於日、美、韓、德等企業。日本、美國、歐洲等國家在自動駕駛走在我國前列，很大一部分原因是布局比我們早。
1）美國：早在1992年就發布了《智能車-高速路系統戰略計劃》，闡述智能車-路的相關功能，並於2016年9月美國交通部發布了第1版《聯邦自動駕駛政策：加速道路安全變革》(簡稱AV1.0)，闡述美國發展自動駕駛的初衷在於交通安全。之後分別於2017年9月、2018年10月、2020年1月發布《AV2.0》、《AV3.0》、《AV4.0》。最新版的《AV4.0》強調要保持美國在自動駕駛行業的領先地位，並採用「靈活、技術中立」的政策，讓公眾而不是政府選擇最有效的交通和出行解決方案。
2）歐盟：2011年11月歐盟發布《Horizon 2020》戰略提到要推進智能網聯汽車研發，2014年歐洲道路運輸研究諮詢委員會(ERTRAC)成立專家組用於制定自動駕駛汽車路線圖。2015年5月第1版歐盟自動駕駛路線圖發布，選用SAE作為標準，預測到2030年全球有4400萬輛自動駕駛車輛；之後於2017年5月發布第2版自動駕駛技術路線圖，提出分別在2020/2023/2025年實現L3/L4/L5自動駕駛；最新版技術路線圖於2019年3月發布，針對乘用車、貨車、城市出行車三種車型制定細分特定場景技術路線圖，其中乘用車、貨車、城市出行車分別在2020年、2020、2022年左右實現L3級自動駕駛。
3）日本：最早於2013年6月發布《創建最尖端IT國家宣言》，為實現目標，於2014年6月發布《官民ITS構想與路線圖2014》，提出利用自動駕駛將2018年全國交通事故死亡人數降低到2800人以下，到2020年成為世界上交通最安全的國家。之後《ITS規劃》每年更新一版，對上一版進行數據更新和補充。最新版《ITS規劃》於2020年6月發布，提出私家車到2020年實現L3級自動駕駛，2025年實現L4級。此外，日本於2015年2月成立了「自動駕駛商業化研討會」，制定自動駕駛詳細發展規劃，並於2017年3月發布《實現自動駕駛的行動報告與方針1.0版》，之後每年更新，最新版發布於2020年6月提出：高速公路到2020年實現L3級自動駕駛，按照國家項目、鐵路公司、大型OEM三類開展自動駕駛示範驗證，從如高精地圖、識別技術等十大關鍵領域推動自動駕駛。
4）中國：官方關於自動駕駛的闡述最早見於《中國製造2025》，提出到2020年掌握智能輔助駕駛各項關鍵技術，到2025年建立完善的智能網聯汽車自主研發體系，生產配套及產業群。2017年4月，國務院、工信部等聯合發布《汽車產業中長期發展規劃》提出，以新能源汽車和智能網聯汽車為突破口，引領產業轉型升級，制定新能源汽車、智能網聯汽車、汽車動力電池等技術路線圖，到2025年，智能網聯汽車進入世界先進行列。值得注意的是，2020年2月發改委、網信辦、工信部等11部委聯合發布《智能汽車創新發展戰略》，指出智能汽車已成為全球汽車產業發展的戰略方向，發展智能汽車對我國具有重要的戰略意義，需要從關鍵技術、測試評價、應用示範、基礎設施、網絡通信、標準法規、質量監督、網絡安全等方面確保2025年實現L2級自動駕駛規模化生產，L3級在特定環境下市場化應用。
1.3 發展自動駕駛汽車具有合理性
自動駕駛在各國落地優勢和驅動力並不相同，美國有信息技術優勢、歐洲汽車巨頭實力雄厚、日本需要解決老齡化駕駛問題，而中國發展自動駕駛的合理性在於：
1）汽車市場足夠龐大：截至2020年9月，中國汽車機動車保有量達3.65億輛，其中汽車保有量達2.75億輛。龐大的市場可帶來顯著的規模效應，此外也可支撐足夠的細分場景，便於自動駕駛在部分領域，率先取得商業化應用。
2）基礎設施配套齊全：支撐自動駕駛所需的通信基礎設施如5G基站、智能化道路 基礎設施如ETC技術、高速公路等基礎設施，都在不斷完善。在2020年中國發展高層論壇上，工信部副部長劉烈宏透露，今年中國已經建成了近70萬個基站，這個數字基本上是中國之外全球5G基站總量的2倍多。
3）標準漸趨完善：關於自動駕駛的相關標準也在逐漸完善，工信部及相關部委先後發布了《國家車聯網產業標準體系建設指南（智能網聯汽車）》、《國家車聯網產業標準體系建設指南（總體要求）》、《車聯網（智能網聯汽車）產業發展行動計劃》、《智能汽車創新發展戰略》等政策文件，從多方面規劃自動駕駛的標準體系建設。
4）技術逐漸成熟：自動駕駛感知層的高精度地圖、雷射雷達、控制層的車載計算晶片等近幾年都取得了很大的進展。以車載計算晶片為例，全球自動駕駛晶片龍頭Mobileye分別在2008、2010、2014、2018、2020年發布EyeQ1、EyeQ2、EyeQ3、EyeQ4、EyeQ5五代晶片，其計算能力從2008年的4.4GOPS(十億次)提升到24000GOPS，超五千多倍。
5）市場接受度提升：近幾年消費者對輔助駕駛如自主泊車等功能接受度不斷提升，我國乘用車智能駕駛功能滲透率不斷提高。根據中國產業信息網統計，我國乘用車智能駕駛功能滲透率從2014年的11%增加到2019年的52%。
2 自動駕駛：分為6個等級，3大系統2.1 自動駕駛：可分為6個等級，其中L3是重要分水嶺
按照自動化程度，自動駕駛可劃分成不同的等級。目前國際上比較認可的標準有三種：1）BASt(德國聯邦交通研究所)自動駕駛分級標準，於2012年第一次發布；2）NHTSA(美國高速公路交通安全管理局)自動駕駛分級標準，於2013年5月第一次發布；3）SAE(美國汽車工程師學會)自動駕駛分級標準，於2014年1月第一次發布。其它國家基本都是參考這三個標準制定各國的自動駕駛等級標準，其中SAE標準雖然推出最遲，但是由於標準劃分最為詳細，成為最通用的自動駕駛分級標準，中國、美國、日本、歐盟等都是參考的SAE標準。
工信部2020年3月公示《汽車駕駛自動化分級》推薦性國家標準報批稿，如下表所示，與SAE劃分基本一致。此外可以發現，從L3開始，駕駛操作和周邊監控都是由系統自動完成，駕駛員只需要在緊急動態下做好接管處理即可；從L3開始自動駕駛的主角切換到車輛自動駕駛系統上，L3是自動駕駛人機角色重要的分水嶺。
自動駕駛技術涉及交通、通信、電子等多個領域的融合，其發展離不開多產業的協同，是一個從L0、L1、L2往L3、L4、L5漸進的過程；不同等級自動駕駛代表性功能和普及時間，並沒有官方的定論，但常見於一些機構的論述中，整理如下圖所示。從圖中可以看到2020年L3級自動駕駛開始普及已成為行業共識。需要說明的是，嚴格意義上講，相關功能與車型等級並不能劃等號，也即整車具有某項L3級的功能，並不代表整車即為L3級自動駕駛。此外，部分功能可橫跨幾個自動駕駛等級。比如自動泊車可細分成：常規自動泊車(APA)屬於L2，遠程遙控泊車(RPA)、記憶泊車(HPA)屬於L3，自主代客泊車(AVP)可認為L4。通俗來講：L1一般是可以解放手或者腳；L2可以同時解放手和腳，但是不能解放眼；L3還可以解放眼，但是不能解放大腦；L4及以上還可以解放大腦。
2.2 自動駕駛：可細分成感知、控制、執行三大系統
自動駕駛按功能可劃分為：感知(環境感知與定位)、決策(智能規劃與決策)、執行(控制執行)三大核心系統。自動駕駛系統最終是為了取代人工，如果將其類比人的話，如下圖所示：感知層相當於人的五官，感知周圍的環境，搜集數據傳輸到決策層；決策層相當於人的大腦，處理感知層傳輸的數據，輸出相應的操作指令給執行層；執行層相當於人的四肢，執行大腦給出的指令。其中感知層主要包括三部分，環境感知、位置感知和速度、壓力等其它感知；決策層主要包括三部分，作業系統、集成電路、計算平臺(含算法)；執行層主要包括三部分，動力供給、方向控制、車燈控制。
3 感知系統：傳感器
感知系統是數據採集的入口，其採集數據的精確度和效率直接影響著決策系統的判斷和執行系統的操作，是實現自動駕駛的前提。感知系統有兩大核心技術，傳感器和高精地圖；本章我們重點分析傳感器。
3.1 傳感器概況：分為四大類型，雷射雷達綜合性能最好
傳感器按照工作原理可細分為，視覺傳感器、雷達傳感器、紅外傳感器和其它四類；其中雷達傳感器又可細分為，毫米波雷達、雷射雷達、超聲波雷達三種。根據國家知識產權局2018年11月發布的《自動駕駛產業專利分析評議報告》披露，全球自動駕駛感知系統不同類型傳感器專利數量佔比分別為，視覺傳感器30%、毫米波雷達22%、雷射雷達20%、超聲波雷達13%、紅外傳感器9%、其它傳感器6%。
不同傳感器由於工作原理不同，其優缺點各異，適合的應用場景也有所差異：1）視覺傳感器(攝像頭)，其優點在於探測距離較遠、解析度高，且能識別路標和交通信號燈，但是其缺點也很明顯，對光線要求很高，容易受天氣影響；2）毫米波雷達，其優點在於探測距離遠、靈敏度高、穿透性強，但是其缺點在於對非金屬不敏感、靜止測距能力弱、很難探測物體大小和形狀；3）超聲波雷達，其優點在於成本低、精度高，但是其缺點在於反饋時間長，只適用於倒車等短距離場景；4）雷射雷達，其綜合性能最好，不僅靈敏度高、探測角度廣，而且可探測多數物體，精度高、且可3D建模，但是其缺點在於成本高昂、受天氣影響大；5）紅外傳感器，最大優勢在於可以夜視，但是其靈敏度、靜止測距、探測角度都比較一般。具體比較如下表所示，其性能參數為公開資料和行業龍頭產品參數綜合，實際可能有一定出入。
3.2 傳感器現狀和趨勢：雷射雷達尚未商用，傳感器組合成為行業趨勢
由於各類傳感器優缺點都很明顯，只有組合使用才能滿足複雜的應用場景。下表列舉了主流車企代表車型的感知系統傳感器方案，從中可以發現，基本都採用的視覺傳感器+雷達傳感器組合的方案，常用的配置為「1個前視攝像頭+4個環視攝像頭+12個超聲波雷達+3個毫米波雷達」，而雷射雷達暫時沒被採用。
一方面，視覺傳感器和雷達傳感器組合已成為行業共識；另一方面，單個傳感器技術改性也是行業另一大趨勢。
視覺傳感器方面，鏡頭像素從200萬逐漸增加到400萬、800萬，攝像頭從單目往雙目、多目方向發展。汽車在自動駕駛過程中，要求車載攝像頭能夠：1）看得遠(留出足夠的反應時間)；2）看得清(成像清晰精度更高)；3）看得廣(儘量減少盲點和意外)。但是這三者之間不可兼得，在看得遠的同時，視角就會變窄；此外由於車載鏡頭本身變焦能力很差，一般都是定焦，所以其遠距離成像也會變得很模糊。在此背景下，採取增加攝像頭，並對不同攝像頭進行分工的多攝像頭方案就成為行業新趨勢。以特斯拉為例，其2016年Autopilot 2.0系統中，使用的三目攝像頭，一個視野角度是50°，負責一般性道路狀況監測；一個視野角度是25 °，用於探測前方的車道線、紅綠燈；還有一個視野角度是150°的魚眼鏡頭，用來探測並行車道的狀況、行人和騎自行車的人。下圖是車載攝像頭全球龍頭大陸集團發布的兩款車載攝像頭產品，據其官網介紹，雙目車載鏡頭可以滿足多種自動駕駛場景如前方碰撞警告(FCW)、車道偏離警告系統(LDW)、交通標誌識別系統 (TSA)、智能前大燈控制系統(IHC)等，可大大提高安全性。
雷達傳感器方面，由於目前雷射雷達技術不成熟、成本高昂，暫時應用很少；而超聲波雷達由於聲速較慢，反應時間長，探測距離很短，應用很受限；當前自動駕駛主要依賴毫米波雷達傳感器。毫米波雷達通過向外發射毫米波，並接收反射回來的信號，達到測速和測距的目的。目前在毫米波領域，開放民用的波段有，24GHz、60GHz、77GHz、79GHz、120GHz；中國市場常用的有24GHz、77GHz、79GHz三種。根據波的傳播理論，頻率越高，波長越短，解析度越高，天線體積越小；此外波長越長，方向性差，回波比較少，探測距離也相對較短。從下表可以看出，相比24GHz而言，77GHz、79GHz帶寬更大、天線體積更小、解析度更高、探測距離更長，優勢十分明顯；目前24GHz主要用於短中距離，用作實現盲點探測系統；而77GHz、79GHz用於中長距離，實現自適應巡航系統；而隨著後者的技術走向成熟，將逐漸取代24GHz。
3.3 傳感器問題：政策需要完善、技術不夠成熟、成本過高
儘管感知系統發展較快，但是在實際應用中仍然存在較多問題，主要體現在三點：1）當前感知系統仍然存在一些缺陷，這種缺陷隨著自動駕駛等級提升逐漸被放大；2）優良性能的雷射雷達由於成本太高，目前在主流車型上並沒有得到應用；3)關於傳感器如毫米波雷達、雷射雷達等標準尚未出臺，相關政策激勵措施欠缺。
3.3.1 感知缺陷：無法完全滿足實際的應用場景，存在識別失效
安全是自動駕駛推廣應用的前提，而感知信息攝入直接影響著車輛的避險操作，其高準確性與可靠性是自動駕駛安全的保障。然而，目前自動駕駛車輛感知系統仍然存在一些缺陷，無法完全滿足實際的應用場景。以特斯拉為例，2020年6月3日上午在臺灣高速路上，一輛貨車側翻在地，後續來車紛紛避讓，而一輛處於自動駕駛狀態的白色Model 3，並未採取任何減速或轉向避讓的動作，以時速110公裡筆直撞向了前方側翻貨車。再以理想為例，2020年9月22日一輛處於自動駕駛狀態的理想ONE在G18高速上發生嚴重追尾；之後理想官方承認其「自動駕駛系統對於旁邊車道上車輛變入主道的識別具有局限性，沒法在旁邊車輛併入1/5車身的時候識別成主要目標，這是目前L2輔助駕駛系統的局限性」。
感知系統的缺陷來自於三個方面：1）感知盲點（部分區域、物體無法感知）；2）感知辨別度低（感知到物體但是無法識別）；3）感知反饋時間長且信號弱（識別到物體，但是無法精準及時反饋）。以感知盲點為例，其有兩個主要原因：1）單個傳感器受到探測距離和視角的限制，需要多個傳感器才能完成360°全景覆蓋；2）即使實現360°全覆蓋，但是受到光線、雨雪、霧霾、沙塵等惡劣天氣造成的感知盲區。以縱目科技產品為例，其超聲波雷達測距範圍在0.15-4.5m，其探測角度水平角100°、垂直角60°。
3.3.2 成本過高：單個雷射雷達價格超過現在感知系統硬體總價
當前主流感知系統硬體組合為「1個前視攝像頭+4個環視攝像頭+12個超聲波雷達+3個毫米波雷達」，根據電動車百人會預測，2020年攝像頭、超聲波雷達、毫米波雷達平均成本分別為60美元、12美元、90美元，對應總成本在714美元。而根據2020年8月，廣汽蔚來發布的BOM(物料清單)表，其整車BOM成本為257022元，其中前向雷達總成1544元、盲區檢測傳感器1260元、全景泊車系統1012元、生命探測系統593元、倒車雷達系統496元，感知系統硬體總計在4905元；與百人會的預測較為一致。
然而，綜合性能最優的雷射雷達成本卻居高不下，商用化進程緩慢。以全球雷射雷達龍頭Velodyne為例，2020年7月官宣，其無人駕駛用16線雷射雷達現在可以面向全球客戶降價50％，價格約3999美元；以國內知名雷射雷達公司速騰聚創為例，其官網RS-LiDAR-M1產品，售價在1898美元，超過目前主流感知系統硬體配置的一倍以上。
3.3.3 政策體系需完善：標準不夠細化，政策扶持尚未明確
當前自動駕駛政策體系尚需完善的地方有兩個：1）標準體系；2）政策扶持。
1）標準體系：2017年 12月，工信部聯合其它部委發布了《國家車聯網產業標準體系建設指南（智能網聯汽車）》系統性闡述了智能網聯汽車的標準體系；但是目前發布的標準較少，關於ADAS和高級自動駕駛標準文件尚缺，對於行業未來的技術走勢和標準建設缺乏指引性文件。
2）政策扶持：2020年 3月，工信部聯合其它部委發布了《智能汽車創新發展戰略》，給出了目標和主要任務，但是對於相應的關鍵技術企業如感知傳感器企業的政策扶持如稅收減免、政府補助等還未明確和普及。
4 感知系統：高精地圖
高精地圖也叫高解析度地圖，亦稱自動駕駛地圖，主要面向自動駕駛的應用場景，在自動駕駛場景中承擔著輔助環境感知、輔助定位、輔助路徑規劃、輔助控制等功能，是實現自動駕駛必不可少的基礎設施。
1）輔助環境感知：傳感器容易受到大霧、大雨等惡劣天氣影響，且在夜間光線差、地下信號差的地方表現不佳，通過高精地圖實現的精準定位是對傳感器的重要補充。
2）輔助定位：在汽車行駛過程中，由於信號、時延等多種因素，存在一定的位置誤差，通過高精地圖的精準匹配作為補充，可實現汽車的精準定位。
3）輔助路徑規劃：高精地圖關於道路數據的維度更廣，包含車道中心線、信號燈、周圍障礙物、限速牌等多重信息；而且精度更高，達到釐米級；在實際中可輔助系統規劃最佳的駕駛道路方案。
4）輔助控制：高精地圖可以提供超出傳感器探測範圍的道路信息，而且在自動駕駛過程中通過對周圍環境的精確還原，可提前提供加減速、轉向、變道等控制建議，輔助系統進行自動駕駛操作控制。
4.1 高精地圖現狀：3大核心勢力共28家廠商獲得資質，高德一家獨大，四維圖新次之
相比普通地圖，高精地圖精度更高、時效性更強、數據維度更廣。1）精度更高：普通地圖精度在m級，高精地圖精度在cm級。2）時效性更強：對於靜態數據，普通導航地圖更新頻率在月度或者季度；高精度地圖更新頻率為天或者周；對於動態數據，普通地圖不做更新要求，高精地圖要求實時更新。3）數據維度更廣：普通地圖只記錄道路級別的數據，如道路等級、形狀、坡度、方向等，而高精地圖還需要記錄車道類型、寬度、護欄、路沿、交通指示牌、信號燈等。
2016年2月，國家測繪地理信息局發布《關於加強自動駕駛地圖生產測試與應用管理的通知》明確指出：自動駕駛地圖屬於導航電子地圖的新型種類和重要組成部分，其數據採集、編輯加工和生產製作必須由具有導航電子地圖製作測繪資質的單位承擔。截止到2020年10月底，根據自然資源部審批公示，我國目前擁有高精地圖測繪資質的廠商一共28家，按照背景可分為三類：1）傳統圖商，以四維圖新、凱立德、立得空間等為代表，共13家;2）網際網路企業子公司，以高德、長地萬方、滴圖等為代表，共10家；3）事業單位，以國家基礎地理信息中心、江蘇省測繪工程院為代表，共5家。
據高工智能汽車研究院統計，2019年中國自主和合資品牌汽車前裝導航市場被6家供應商瓜分：高德58.76%、四維圖新24.30%、百度9.08%、易圖通4.13%、騰訊2.32%、凱立德1.41%；其中高德佔比過半。
4.2 高精地圖趨勢：測繪方式從專業到眾包
高精地圖的製作可簡單劃分為：1）數據採集；2）數據加工；3）數據轉換；4）數據發布；5）數據應用，五個步驟。相比普通地圖，高精地圖由於精度高、時效性強、數據維度廣等特徵，每公裡產生的數據量更大，呈幾十上百倍的增長；大大增加了高精地圖的數據採集工作量和難度；普通地圖採用的專業採集對高精地圖並不太適用。數據的採集可分為專業集中式、眾包分布式兩種；前者是使用專業的地圖數據測繪車，通過雷射雷達、攝像頭、IMU(測量慣性單元)、GNSS(全球導航衛星系統)等採集設備收集交通數據；後者是利用整車廠自身大量級車型所攜帶的攝像頭進行數據採集。隨著高精地圖的出現，眾包模式逐漸受到大家的關注和應用，已成為高精地圖數據採集的趨勢。
眾包採集方式的普及有四個驅動因素：
1）政策驅動：2014年1月，中國交通部發布《道路運輸車輛動態監督管理辦法》要求：旅遊客車、包車客車、三類以上班線客車和危險貨物運輸車輛、重型載貨汽車和半掛牽引車在出廠前應當安裝具有行駛記錄功能的衛星定位裝置(行車記錄儀)，並鼓勵普通汽車出廠前也安裝。據智研諮詢披露，2018年我國行車記錄儀行業產量約3355.4萬臺，線上渠道滲透率58.1%。行車記錄儀的普及使利用整車採集交通數據成為可能。2016年2月，國家測繪地理信息局發布《關於加強自動駕駛地圖生產測試與應用管理的通知》明確：自動駕駛地圖屬於導航電子地圖的新型種類和重要組成部分，其數據採集、編輯加工和生產製作必須由具有導航電子地圖製作測繪資質的單位承擔；而截至2020年10月僅有28家企業具有高精地圖的資質；眾包模式利用整車採集數據，可繞過該資質。
2）龍頭示範：國際來看，2016年Mobileye CEO Shashua在CVPR 2016上介紹了Road Experience Management(道路信息管理平臺）的地圖服務平臺，包含系統、眾包、高精定位三部分，其中眾包是這個超級服務計劃極為重要的組成模塊。之後陸陸續續有25家知名車企加入該平臺；2018年CES展上，Mobileye宣布已經有200萬輛眾包車，眾包模式得到空前關注。國內來看，2017年初成立的寬凳科技，是國內第一家完全專注於眾包模式的高精地圖廠商，於2019年1月獲得「高精地圖」測繪資質；2019年4月、12月分別於偉世通、英偉達達成戰略合作；先後獲得IDG、易行基金等上億元融資，並於2020年7月與全球知名汽車廠商達成合作為其提供高精度地圖服務。Mobileye和寬凳科技同時選擇眾包路線，並以實際表現證明了眾包模式的成功，成為競爭對手競相模仿的典範。
3）市場驅動：除了行車記錄儀之外，由於ADAS系統的普及，視覺和雷達傳感器在乘用車上滲透率從2015年開始逐漸提升，其為眾包模式提供了硬體支持。據汽車之家披露，2019年所有在售車型ADAS搭載率，其中360°全景影像55.3%。據高工智能汽車統計，2020H1中國部分品牌，如沃爾沃、凱迪拉克、豐田、長安、吉利汽車新車ADAS搭載率分別為100.0%、85.0%、81.0%、22.8%、18.5%。在車輛行駛過程中，攝像頭和雷達傳感器採集到的數據都可以用於高精地圖的製作和更新。
4）自身優勢：眾包模式之所以快速得到認可，與其自身兩大核心優勢有關，成本低、更新快。據中國交通部發布《2019年交通運輸行業發展統計公報》，截至2019年末全國公路總裡程501.25萬km，年末國道裡程36.61萬km，省道裡程37.48萬km，農村公路裡程420.05萬km。專業測繪車一般售價在500-800萬元/輛；據媒體統計，傳統測繪方式，分米級地圖的測繪效率約為每天每車500km，成本約10元/km；而釐米級地圖的測繪效率約為每天每車100km，成本可達1000/km（非官方數據，僅做參考）。假設完全依賴專業測繪，按照2019年底的501.25萬km，完成全國公路測繪總成本在50.125億元，總時間10025天(單臺測繪車)。此外，高精地圖的實時更新更為重要。博世2007年提出的，無人駕駛局部動態地圖數據依據更新頻率可以劃分為四類：永久靜態數據（更新頻率為1個月）、半永久靜態數據（頻率為1小時）、半動態數據（頻率為1分鐘）、動態數據（頻率為1秒）；採用專業測繪完全達不到實時更新要求。
而由於眾包測繪採用的測繪設備都是非專業級別，數量質量較低，眾包模式希望通過海量低質量數據，從量變引起質變，製作高精度地圖，當前技術還不夠成熟；所以未來很長時間將會是，專業集中式+眾包分布式並存的局面，專業集中式主要採集底層靜態數據，眾包分布式主要採集上層動態數據。
4.3 高精地圖問題：標準、技術、成本改善空間很大
高精地圖推廣應用還需要解決三個問題：1）標準體系尚需完善；2）技術成熟度不夠；3）商用成本較高。
4.3.1 標準體系尚需完善：地圖格式規範尚無中國標準
當前我國關於高精地圖的標準僅集中在數據模型端，國家市場監督管理總局和中國國家標準化管理委員會於2019年7月分別發布了《智能運輸系統智能駕駛電子地圖數據模型與交換格式第1部分：高速公路》和《智能運輸系統智能駕駛電子地圖數據模型與交換格式第2部分：城市道路》兩份標準徵求意見稿，對於道路模型、車道模型、路口數據等都有詳細的標準；但是對於地圖編譯和格式規範尚無相關標準；相比世界其它國家，節奏有點落後。
目前全球關於高精地圖的格式規範已經發布的標準有：1）NDS導航數據標準(NDS協會發布)；2）OpenDRIVE地圖格式標準(德國VIRES公司發布)；3）JDRMA標準(日本數字地圖協會發布)；4）GDF標準(歐洲電子地圖計劃)；5）Etak標準(美國Etak公司發布)；6）Navtech標準(美國導航技術公司發布)。
4.3.2 技術成熟度不夠：地圖採集和實時更新較難
高精地圖的難點可粗略分為兩部分：1）地圖製作難，2）地圖更新難；其中地圖製作難，難在地圖數據的採集，而地圖更新難，難在數據量大、時效性很難保證。
1）地圖數據採集：正如前文所述，高精地圖在精度和數據維度上遠高於普通地圖，如果採用專業測繪車，耗時太長無法保證數據量；如果採用眾包模式無法保證數據精度；當前專業採集和眾包採集聯合方式，在數據融合和去重、冗餘方面還處於探索階段，需要解決的技術問題還很多。
2）地圖實時更新：正如前文所述，無人駕駛需要實時動態地圖，高精地圖需要不斷更新，尤其是動態數據；這不僅要求圖商在數據採集、數據編譯、數據發布方便的時效，而且對汽車接收數據、數據儲存方面也提了很高的要求。
4.3.3 商用化成本較高：傳統地圖免費，而高精地圖約500-800元/車/年
自2013年8月，百度宣布百度導航App V2.0版即日起永久免費，隨即高德也宣布導航地圖免費，之後普通導航地圖免費成為行業通用打法。而目前高精地圖，由於測繪、更新成本很高，還不能做到商業化免費；而且隨著自動駕駛等級提升，對地圖精度、時效性要求也會大幅度提升，其成本仍有上升空間。目前高精地圖的收費模式，以四維圖新為例，主要是按「license收費+更新服務費」。
目前行業的標準一般在500-800元/車/年；2020年4月高德於北京宣布，將對高精地圖服務進行升級，升級後將會以每輛車不超過100元/年的成本價格向合作夥伴提供標準化服務。但該情況畢竟只是少數，而且高德以成本價售出的核心原因在於作為阿里巴巴子公司其並不依靠地圖服務盈利；然而這種大幅度降價對於依靠地圖授權收費的傳統圖商如四維圖新之類存在很大難度。
5 展望5.1 自研感知算法與晶片：從Mobileye到英偉達再到特斯拉，車企層面軟硬體耦合或是終點
在車輛自動駕駛過程中，感知系統會將採集到的數據，傳輸到計算平臺裡的視覺處理晶片，並經過感知算法進行識別、融合處理，產生決策信息。當前行業量產車型中關於感知系統的算法和處理晶片有三種方案：1）向Mobileye既購買含視覺處理功能的自動駕駛晶片，又購買相應含感知算法在內的自動駕駛算法（如蔚來）；2）向英偉達購買自動駕駛晶片，之後基於此晶片開發自己的自動駕駛算法（如小鵬）；3）自主開發自動駕駛晶片和自動駕駛算法（如特斯拉）。
5.1.1 行業發展初期，供應商的軟硬體耦合方案由於其整體性和成熟性受到車企青睞
從上表可以看出，除了小鵬，國內主流的造車新勢力基本都採用的Mobileye的 EyeQ視覺處理晶片；據英特爾披露，截至2020年3月，EyeQ晶片已累計銷售5400萬枚，高精地圖覆蓋全球3億多公裡道路。Mobileye取得成功除了其獨特的單目攝像頭的純視覺方案以外，其軟硬體耦合策略也是功不可沒。
Mobileye的軟硬體耦合包含兩種，一種是其晶片與自動駕駛算法捆綁出售，此為商業耦合；另一種是其EyeQ晶片基本是基於Mobileye自身自動駕駛算法開發的，此為技術耦合。而這種軟硬體耦合帶來三個影響：1）提供整體自動駕駛解決方案，車企不需要額外開發自動駕駛算法；2）車企沒有多元化選擇，無法在此基礎上進行二次開發；3）車企沒有開發自身感知算法，獲取不了感知系統的原始數據，無法進行升級改進。對於早期的車企而言，尤其是造車新勢力而言，其重點在於先造出一輛車支撐活下去，而不是具備自研的自動駕駛功能，所以Mobileye這種軟硬體耦合的整體解決方案解決了造車新勢力的燃眉之急，很受青睞。
5.1.2 長期來看，特斯拉的軟硬體一體化模式或是最優解，但多數玩家將選擇算法自研+外購晶片
隨著自動駕駛產業的發展，Mobileye軟硬體耦合方案的弊端日益突出。當前自動駕駛不論是視覺感知或決策規劃層面，都應用到大量深度學習算法，其本質在於計算機從大量數據中自動「尋找」規律，完成特徵提取、路徑預測、決策規劃等工作，因此算法和數據對於自動駕駛更新迭代至關重要。未來隨著自動駕駛重要性繼續提升，有野心有能力的車企將把算法和數據的主動權掌握在自己手中，從而實現「算法+數據」的閉環，這一點已經體現在特斯拉的戰略上，未來其他新勢力也將陸續效仿。
Mobileye的軟硬體耦合方案不僅無法給車企提供原始感知數據，而且給予車企算法二次開發空間很小，不利於車企實現自動駕駛的差異化。從軟硬體完全外購，到算法自研、晶片外購(如小鵬)，再到算法自研、晶片自研(如特斯拉)，可能是行業發展的必然趨勢。以特斯拉為例，早期選用Mobileye的封閉方案，之後選擇在英偉達晶片上進行二次開發，最終實現晶片自研。
5.2 雷射雷達成L3必需逐成共識，於2025年應用將加速
雷射雷達的應用需要回答兩個問題：1）必要性：是否必須安裝雷射雷達；2）性價比：成本是否大規模下降；
5.2.1 安裝雷射雷達的必要性
目前行業的共識是，L1、L2級自動駕駛是不需要雷射雷達的；而L3、L4、L5級自動駕駛是否需要雷射雷達尚有分歧，但逐漸趨同。
一方是以特斯拉為代表，堅持視覺方案、不使用雷射雷達。特斯拉CEO馬斯克多次在公共場合貶低雷射雷達方案—在2019年4月特斯拉 「AutonomyDay」上，馬斯克評論「 傻子才用雷射雷達，誰用誰完蛋、註定完蛋，雷射雷達貴而無用(譯)」。有意思的是，在2020年2月舉辦的「ScaledMachine Learning」大會上，特斯拉AI高級總監Andrej Karpathy，披露特斯拉正在推進偽雷射雷達（pseudo-LiDAR）技術，通過攝像頭建立3D圖形達到和傳統雷射雷達類似的效果—但是該技術不僅需要極其複雜的算法才能完成建模，而且並沒有解決攝像頭的光線問題和毫米波雷達的非金屬遲鈍問題。而2020年11月23日，知名雷射雷達初創公司Luminar宣布，已與Mobileye達成協議，將為後者的自動駕駛汽車提供雷射雷達，幫助後者進行下一階段的自動駕駛汽車開發和測試。
另一方是目前絕大部分車企選擇在L3級及以上級別採用的雷射雷達。之所以大部分車企選擇用雷射雷達來實現L3級別功能，在於雷射雷達可極大程度彌補攝像頭和毫米波雷達的缺陷，大大提升感知系統的精度和準確性。正如前文所述，雷射雷達優勢十分明顯：1）與毫米波雷達相比，雷射雷達具有極高的距離解析度、角解析度和速度解析度，測量精度高得多，且對非金屬也較為敏感(毫米波雷達對非金屬不敏感)；2）與攝像頭相比，可直接獲取目標的距離、角度、反射強度、速度等信息，生成目標的立體維度圖像，且不受光照等因素影響，具有全天時工作特性；3）由於雷射波長短，可發射發散角非常小的雷射束，可探測低空/超低空目標；多路徑效應小，抗幹擾能力強。正是認識到雷射雷達的優勢，奧迪、豐田、本田、奔馳、奧迪、寶馬、長城、小鵬、沃爾沃等OEM車企都宣布旗下的L3級及以上量產車型將搭載雷射雷達。
我們認為短期內行業將會維持以特斯拉為代表的純視覺派和以大多數車企為代表的雷射雷達派兩大陣營。但是長期由於車輛自動駕駛對於安全性的要求，以及隨著雷射雷達的成本大幅度下降，雷射雷達的應用將成為行業共識。
5.2.2 雷射雷達應用路徑
對於雷射雷達的應用，我們認為：1）OEM車企將直接選擇半固態或固態雷射雷達，機械式只會在Robotaxi運營車上取得應用（Robotaxi採用機械式雷射雷達，相當於一個額外的零部件，不用過車規要求）；2）雷射雷達的價格在1000美元以下會有應用，在300美元以下開始普及，在2025年應用將會提速。
OEM放棄機械式雷射雷達的原因在於機械式雷射雷達很難達到車規級要求。雷射雷達按照結構可以分為機械式、半固態、固態三種；其中機械式雷射雷達即利用機械機構360°旋轉實現掃描的雷射雷達，而固態雷射雷達即通過陣列幹涉或者是mems改變掃描的方向，不需要機械機構的旋轉。如下所示，機械式雷射雷達掃描頻率一般為5、10、20HZ三個檔位，按照10Hz計算，也即1個小時旋轉3.6萬次，按照每天4個小時行程、1年360天計算，一年旋轉5184萬次；在如此高頻率的使用情況下，當前的旋轉機械結構完全滿足不了車規級5-10年的壽命要求，此外其抗衝擊、振動性能也很難通過車規級測試；更何況，實際使用過程中還需要考慮雨雪風沙、酷暑嚴寒惡劣環境侵蝕。
1000美元將是車企應用雷射雷達的心理價位。目前各大雷射雷達廠商都在以1000美元以下為量產目標，如2020年1月CES展上鐳神智能發布MEMS固態雷射雷達LS20B大批量售價僅999美元；2020年9月，Cepton近期發布了一款新品Vista-X90，據稱該雷射雷達量產價格將低於1000美元；此外各車企反饋也在該水平。
300美元以下雷射雷達將開始普及。雷射雷達未來的成本下降空間很大，一部分源於技術成熟度提升，一部分源於規模效應。當前很多雷射雷達初創企業其第一款車規級量產雷射雷達還並未大規模推出，新產品競爭較少，無論是車企還是雷射雷達廠商第一款產品都以嘗試居多，真正起量的產品在於第二款，其雷射雷達的價格也將會在1000美元基礎上大幅度下降，但是肯定會高於毫米波雷達和高清攝像頭價格，而300美元折算成人民幣約2000元左右，相對比較合理。
2025年後雷射雷達應用會加速。此時政策、技術、基礎設施比較完善，預計L3級別車型會較大規模推出，而雷射雷達的價格會大幅降低，搭載雷射雷達的車型不再僅限於高端車型，而下探到中高端走量車型。
責編:黃鑫 | 審核:李震 | 總監:萬軍偉
（來源：澤平宏觀）