自動駕駛是百年汽車工業史上又一次偉大的范式轉移。自動駕駛將重新定義汽車產業規則。汽車的產品定義將不再是 “行走的精密儀器”,也不只是一臺“行走的計算機”,而是“行走的第三空間”;車廠的角色將從傳統的汽車制造商向移動出行服務商轉型。自動駕駛是產業發展的必然趨勢,關乎時間、生命,是重塑未來出行生態的關鍵技術。2018年下半年以來,全球自動駕駛產業現象級事件頻發,商業化序幕已經拉開。
1.自動駕駛是百年汽車工業史上又一次偉大的范式轉移
1.1.重新定義汽車產業的游戲規則
汽車產業升級換代,自動駕駛獨領風騷。直觀理解,自動駕駛就是“機器替代駕駛員開車”,國內亦稱之為智能網聯汽車。與電動化、共享化相并列,自動駕駛(智能化+網聯化)早已被產業界普遍認可為汽車產業未來發展的“新四化”趨勢之一。
春江水暖鴨先知,從嗅覺靈敏的資本市場的表現來看,自動駕駛早已是汽車產業升級的絕對主角。代表目前全球最強自動駕駛實力的Waymo(谷歌)盡管尚未產生正式的收入,已經被Morgan Stanley率先定價到了1750億美元,遠超傳統車企代表通用、福特、電動化勢力代表特斯拉以及共享出行代表Uber的估值。Morgan Stanley對于自動駕駛的熱捧絕非孤例,根據德國《經理人》雜志報道,大眾集團CEO Herbert Diess曾計劃以1370億美元的報價參股Waymo 10%股份(提議最終未得到董事會支持而告終),產業資本對于自動駕駛的認可度和追捧可見一般。我們認為,自動駕駛獨領風騷的背后原因在于——自動駕駛將是未來汽車產業游戲規則的定義者。
自動駕駛時代,汽車被重新定義。自動駕駛時代,汽車不再只是汽車,而是用戶的第三空間。高等級自動駕駛意味著手、腳、眼和注意力將逐步被解放,從“機器輔助人開車”(L2)到“機器開車人輔助”(L3)”、“機器開車”(L4/L5)意味著車主的生產力、時間的釋放,汽車將不再是代步工具,用戶在車內即可實現娛樂和辦公,汽車有望進化成為家庭、辦公場所之外的第三生活空間。從本質上來說,自動駕駛汽車不再是 “行走的精密儀器”,也不只是一臺“行走的計算機”,而是“行走的第三空間”,汽車的產品形態將被重新定義,商業價值也將更多維度地展開(自動駕駛創造了新的消費經濟和生產力市場——乘客經濟,乘客在路上或消費,或工作,或娛樂,每一輛車都可以變成移動的商業地產)。
自動駕駛時代,車廠角色將重新定義。未來汽車可能分為兩類,一類是有人駕駛的汽車,一類是移動服務汽車。傳統的汽車制造商將逐步向移動出行服務商轉型,為用戶提供Car as a Service或者說是Mobility as a Service(MaaS)的一站式出行服務。從用戶角度來看,相對于私有車的模式,轉向移動出行服務,可以充分利用路上的時間做自己的事;從車廠的角度來看,商業模式將從產權交易到使用權交易,即不再是一錘子買賣的整車銷售,而是類似“手機流量套餐”一樣,對用戶的出行服務進行按需收費。從廣義來看,未來出行服務需要具備三大要素:移動平臺(車)、自動駕駛技術、用戶服務入口。其中,自動駕駛將是關鍵技術,可以大幅度的降低出行服務平臺的最大的運營成本項(司機的工資),直接決定了車企轉型移動出行服務商的盈利潛力。
1.2. 自動駕駛是汽車產業發展的必然趨勢
依從第一性原理思考現有交通出行的困局,發展自動駕駛是破局之道。現在很多大城市每年汽車增長20%,道路增長1%,人、車、路間供需不平衡,消費者被車廠教育了都想買車,可車還是不夠人用(限購限行,打車難),路不夠車用(擁堵),車已經塞滿了城市;另一方面,汽車又是使用率最低的工業品,城市不得不為95%時間閑置的汽車建造大量的停車場,車位比車貴。現有交通出行的困局的根源是因為——人、車、路,三者之間在特定時間段的供需矛盾,增加車、修路都是治標不治本的措施,即使是共享出行,也只解決了一半的問題。我們需要從底層創新上尋求現有交通出行問題解決之道。從第一性原理出發,唯有,也只有代表著更高效率的MaaS(自動駕駛驅動)的普及,才能根本性地解決現有的交通出行困局。
自動駕駛關乎時間、關乎生命,將釋放巨大的社會價值:
1)自動駕駛關乎生命。滴滴程維曾表示,理論上,機器比人更適合開車。人其實并不很適合開車,人類的可靠視距大概只有兩三百米,但是激光雷達可以看到更遠。人類只能看到前面180°的視角,看不到后面有車追尾,機器可以環顧360°。人只能靠個體學習積累駕駛經驗,用公里數換經驗,但是機器可以100萬輛車共享一個大腦,去學習沉淀經驗。人類開車走復雜路段,是靠自己的經驗控制方向盤,但是機器可以學習舒馬赫怎樣精準過彎。人類操縱汽車是靠手感,是靠腳踩下去的感覺,機器人可以精確到毫米、微米去控制機械。機器也不會疲勞駕駛、酒駕。在技術足夠成熟的前提下,機器駕駛的綜合安全性會比人類高一個量級,而這意味著全球每年死于交通事故的125萬人死于道路交通事故的人員(WHO《2015年全球道路安全現狀報告》),有更多生命得到拯救。
2)自動駕駛關乎時間。羅振宇提出了“國民總時間”的概念,時間是最有價值、也是最稀缺的資源。在大部分人的一天24小時中,上下班通勤是逃不掉的固定時間支出,尤其是在地理尺度較大和職住問題嚴重的大城市,交通擁堵會令本已很長的通勤時間加倍延長。高德地圖《2018年度中國主要城市交通分析報告》顯示,以北京為例,人均年擁堵時間高達174小時。按照擁堵損失=城市平均時薪*因擁堵造成的延時*人均全年通勤次數的計算公式,根據百度測算,國內每年因為交通擁堵大概會造成GDP的5%到8%的損失。自動駕駛時代,用戶在車上的時間會被解放出來,這些時間都可以轉化成生產力,釋放巨大的經濟價值。
在釋放巨大社會價值的基礎上,自動駕駛將激活、重塑和創造多個萬億級市場。1)自動駕駛將激活汽車市場。智能、安全和人機共駕的新體驗將重新激發人們換車的需求;2)自動駕駛將重塑出行市場。MaaS將解決如今困擾消費者和出行服務商的最大問題——司機成本和“壞人”風險。如果說當前的網約車只解決了出行需求的一半問題,那么未來自動駕駛出租車將是另一半問題的答案。此外,自動駕駛應用到商用場景,用機器替代日益高昂的人力成本,也將創造巨大價值;3)自動駕駛將創造新的消費經濟和生產力市場——乘客經濟。這些時間,乘客在路上或消費,或工作,或娛樂,每一輛車都可以變成移動的商業地產。更進一步,除了上述三個市場之外,自動駕駛技術的普及還會產生間接的二級效應,對能源、房地產、保險等行業都會產生深遠而巨大的影響。
1.3. 現象級事件頻發,自動駕駛拉開商業化序幕
自動駕駛不再是夢想,主機廠規模化量產即將啟動。回顧自動駕駛產業發展歷史,大致可以分為如下階段:
1)源起。自動駕駛技術的探索最早可以追溯到1980年,美國率先開啟了自動駕駛汽車在軍事領域的應用。美國的國防高級研究計劃局(DARPA)和卡內基梅隆大學,分別以 “攝像頭為主、其他傳感器為輔 ”開發出不同的自動駕駛汽車的原型,并且在真實路況中展現出了令人信服的能力。2004年開始,美國(DARPA)發布無人車挑戰賽。時值 “ 第二次海灣戰爭 ” 剛剛開始,國防部注意到沙漠行動中的士兵傷亡,希望用無人駕駛來解決這一問題。DARPA無人車挑戰賽為自動駕駛技術交流開辟了空間和研究的土壤,為產業貢獻了大量的人才。第一代的自動駕駛技術大牛,基本都是以DARPA無人車挑戰賽為起點。
2)賽道開啟。自動駕駛產業化的正式開啟是從2009年拉開序幕,Google X確立了多個登計劃(Moonshot),旨在捕捉未來惠及全人類的核心技術。無人車項目在谷歌的資金支持下正式開啟。隨后,陸續有更多的科技巨頭入場。
3)核心技術跨越式發展。自動駕駛技術經過多年打磨后,日趨成熟,絕大部分主流車企也宣布了自動駕駛的量產計劃表。為了更好的捕捉自動駕駛技術衍生出來的需求,從芯片廠到Tier1開始了供應鏈整合之路。標志性的事件就是英特爾宣布以153億美元收購 Mobileye(自動駕駛視覺芯片公司),并正式成立自動駕駛事業部。
4)技術得到商業化驗證。2017、2018年開始,自動駕駛技術得到商業化驗證。車廠領跑者——奧迪首發了全球第一款L3級別的量產自動駕駛車輛;科技公司的領跑者——Waymo在經過10年的測試和技術打磨之后,推出Waymo One的自動駕駛出租車服務,試水商業化運營,并在18年分別向捷豹、菲亞特-克萊斯勒下了20000量捷豹I-PACE車型以及62,000輛Pacifica混動車的訂單,用于在未來3年內在全美擴大自動駕駛車隊陣容。無獨有偶,Uber早期也與沃爾沃達成協議,計劃采購2.4萬輛車輛,用于自動駕駛車隊。
5)供應鏈啟動。隨著車廠自動駕駛量產計劃日益臨近,前裝供應鏈的“車輪”也已經率先啟動,標志性的事件就是2019年年初,四維圖新斬獲國內首個L3及以上的高精度地圖的主流車廠訂單(寶馬)。從2019年開始,到2020、2021年,根據全球主流車廠的計劃表,將陸續開始有量產的自動駕駛車輛出爐,自動駕駛產業有望進入黃金發展期。
現象級事件頻發,自動駕駛產業發展全面提速。1)資金層面。自動駕駛在一級市場已經成為最火熱的賽道,展現出超強的吸金能力,僅2018年就全球狂攬94.7億美元的融資。充裕的資金資質將成為自動駕駛產業最好的助推器之一;2)產業層面。科技巨頭繼續引領行業風向標;車廠相繼爭先宣布轉型移動出行服務商(典型代表豐田、通用、大眾),繼續加碼自動駕駛研發投入;3)政策。全球政府為自動駕駛的合法化上路正緊鑼密鼓的修訂政策法規。日本政府近期通過了《道路運輸車輛法》修正案,確保自動駕駛的合法性;國內方面,交通部部長***也在近期表示將力爭在國家層面出臺《自動駕駛發展指導意見》。總體來看,自動駕駛產業生機勃勃,在資金、產業、政策的共振下,發展不斷提速,快馬加鞭縱情向前。
2.自動駕駛概念定義——L3是分水嶺
L3將是自動駕駛技術的飛躍。對于自動駕駛技術和概念的定義,國際上通用的是美國SAE協會定義的標準。我們日常生活中接觸的最多的仍然是L2級別的自動駕駛技術(以特斯拉AutoPilot為典型代表),本文所強調的自動駕駛是指L3及以上的高等級自動駕駛技術。
在自動駕駛技術分級中,L2和L3是重要的分水嶺,在L2及以下的自動駕駛技術仍然是輔助駕駛技術,盡管可以一定程度上解放雙手(Hands Off),但是環境感知、接管仍然需要人來完成,即由人來進行駕駛環境的觀察,并且在緊急情況下直接接管。而在L3級中,環境感知的工作將交由機器來完成,車主可以不用再關注路況,從而實現了車主雙眼的解放(Eyes Off)。而L4、L5則帶來自動駕駛終極的駕駛體驗,在規定的使用范圍內,車主可以完全實現雙手脫離方向盤以及注意力的解放(Minds Off),被釋放了手、腳、眼和注意力的人類,將能真正擺脫駕駛的羈絆,享受自由的移動生活。從實際應用價值來看,L3/L4相對于輔助駕駛技術有質的提升,從“機器輔助人開車”(L2)到“機器開車人輔助”(L3)”,最終實現“機器開車”(L4/L5),L3將成為是用戶價值感受的臨界點,將成為產業重要分水嶺。
跟消費者普遍希望的“全能”所不同,自動駕駛技術是有應用場景和功能要求的。除了基礎的分級之外,SAE協會還給出了自動駕駛系統的重要設計維度:設計運行范圍(ODD),即自動駕駛技術可以安全工作的環境,包括車輛自動駕駛時的速度、地形、路況、基礎環境、交通情況、時段(白天、晚上)。以消費者最常見的量產自動駕駛系統——特斯拉Autopilot為例,雖然很多粉絲在城市環境試過Autopilot,但官方給出的啟用范圍依然是高速公路和行車緩慢的路段,并對時速做出了限制。很顯然,路況越復雜,自動駕駛的實現難度將越高。
國內自動駕駛將漸進式落地。SAE的自動駕駛分級是較為粗線條的,容易產生歧義。我們按照路況復雜程度進一步細化自動駕駛的功能定義,并對其落地時間進行預測。參考羅蘭貝格的報告,我們整體上判斷國內自動駕駛將以L0-L5的路線漸進式展開,主要落地應用場景將以私家車出行、共享客運接駁、貨運物流為主,從低難度的區域(封閉低速路段)向高難度的區域(復雜城市道路)循序漸進地落地。2019年,國內將在城市特定區域開放道路進行自動駕駛車輛測試,并有望在部分高速公路允許L3自動駕駛。到2025年城市特定區域L4、L5自動駕駛有望開放,自動駕駛將步入分區域推進的新階段。而2025年之后,才會逐步放開自動駕駛區域限制,從限定場景逐步拓展到全場景。
3.1.自動駕駛技術框架概述
單車智能的三大核心環節——感知層、決策層和執行層。狹義的理解,從單車智能的角度,自動駕駛技術的本質就是用機器視角去模擬人類駕駛員的行為,其技術框架可以分為三個環節:感知層、決策層和執行層。感知層解決的是“我在哪?”、“周邊環境如何?”的問題;決策層則要判斷“周邊環境接下來要發生什么變化”、“我該怎么做”;執行層則是偏機械控制,將機器的決策轉換為實際的車輛行為。根據上述三個環節的分析框架,自動駕駛技術實現的基本原理是:感知層的各類硬件傳感器捕捉車輛的位置信息以及外部環境(行人、車輛)信息。決策層的大腦(計算平臺+算法)基于感知層輸入的信息進行環境建模(預判行人、車輛的行為),形成對全局的理解并作出決策判斷,發出車輛執行的信號指令(加速、超車、減速、剎車等)。最后執行層將決策層的信號轉換為汽車的動作行為(轉向、剎車、加速)。鑒于高等級自動駕駛是極為復雜的系統性工程,其技術方案尚未完全定型,無論傳統車廠、Tier1還是互聯網科技企業,對于高等級自動駕駛均有自己的技術路線,我們將在后續章節詳細分析自動駕駛技術框架下不同模塊的作用和技術趨勢。
“車”、“云”、“路”協同進化是產業發展趨勢。廣義的理解,在單車智能技術路線的基礎上,未來整個自動駕駛的技術體系將是“車端”、“云端”、“路端”同步升級發展。云端的意義在于:1)收集大量數據,訓練自動駕駛算法;2)通過云端更新高精度地圖,為自動駕駛車輛提供更實時的環境模型和動態信息。路端的意義在于:通過打造互聯網化的道路,以車路協同技術,為自動駕駛車輛提供一個聯網的“外腦”,從而減少單車智能的硬件成本。
3.2.解構自動駕駛核心技術模塊
3.2.1. 自動駕駛感知層傳感器
3.2.1.1. 自動駕駛感知層傳感器的定義和分類
感知層傳感器是自動駕駛車輛所有數據的輸入源。根據不同的目標功能,自動駕駛汽車搭載的傳感器類型一般分為兩類——環境感知傳感器和車輛運動傳感器。環境感知傳感器主要包括攝像頭、毫米波雷達、超聲波傳感器、激光雷達以及GPS&慣導組合等,環境感知傳感器類似于人的視覺和聽覺,幫助自動駕駛車輛做外部環境的建模;車輛運動傳感器(高精度定位模塊),主要包括GNSS、IMU、速度傳感器等,提供車輛的位置信息、速度、姿態等信息。目前自動駕駛需要依賴不同的傳感器來收集信息,尚不具有一個具備所有感知功能于一身的“萬能”傳感器。不同傳感器所發揮的功能各不相同,在不同場景中各自發揮自身優勢,難以相互替代。
3.2.1.2. 環境感知傳感器的發展趨勢
環境感知傳感器的技術方案主要可以分為視覺主導和激光雷達主導。1)視覺主導的方案:攝像頭(主導)+毫米波雷達+超聲波雷達+低成本激光雷達,典型的車廠是特斯拉。特斯拉最為激進,創始人馬斯克堅持在其方案中不加入激光雷達;2)激光雷達主導的方案:低成本激光雷達(主導)+毫米波雷達+超聲波傳感器+攝像頭,典型的代表是Google Waymo。目前,谷歌Waymo自己組建團隊研發激光雷達的硬件,把成本削減了90%以上,基本上是7000美金左右,同時也已經在美國鳳凰城地區進行商業化的試運營。
傳感器各有優劣勢,技術方向的最終定型取決于技術的發展速度以及部件成本的價格曲線。
1)攝像頭——非常適用于物體分類。攝像頭視覺屬于被動視覺,受環境光照的影響較大,但成本低。攝像頭生成的數據,人就能看懂,不過其測距能力堪憂。攝像頭非常適用于物體分類。
2)雷達——在探測范圍和應對惡劣天氣方面占優勢。在探測距離上優勢巨大,也不怕天氣影響,但不善于識別物體分辨率。
3)激光雷達——優勢在于障礙物檢測。激光雷達是主動視覺,和攝像頭這類被動傳感器相比,激光雷達可以主動探測周圍環境,即使在夜間仍能準確地檢測障礙物。因為激光光束更加聚攏,所以比毫米波雷達擁有更高的探測精度。但激光雷達現階段的成本較高。總體來看,為了更好的安全冗余,各類傳感器的融合是技術路線的必由之路,而最終技術方向的定型取決于技術的發展速度以及部件成本的價格。
3.2.1.3. 高精度定位傳感器的發展趨勢
高精度定位模塊是自動駕駛的標配。要實現車輛的自動駕駛,就要解決在哪里(即刻位置)、要去哪里(目標位置)的問題,因此高精度定位傳感器(厘米級精度)模塊需要應用于L3以上自動駕駛。
按照不同的定位實現技術,高精度定位可以分為三類。第一類,基于信號的定位,代表就是GNSS定位,即全球導航衛星系統;第二類,航跡推算,依靠IMU(慣性測量單元)等,根據上一時刻的位置和方位推斷現在的位置和方位;第三類是環境特征匹配,基于激光雷達的定位,用觀測到的特征和數據庫中的特征和存儲的特征進行匹配,得到現在車的位置和姿態。觀察目前產業的主流方案,普遍采取融合的形式,大體上有:1)基于 GPS 和慣性傳感器的傳感器融合;2)基于激光雷達點云與高精地圖的匹配;3)基于計算機視覺技術的道路特征識別,GPS衛星定位為輔助的形式。
3.2.1.4. 5G/ V2X技術為自動駕駛打通外部“大腦”
5G/ V2X技術為自動駕駛打通外部“大腦”。車聯網V2X就是把車連到網或者把車連成網,包括汽車對汽車(V2V)、汽車對基礎設施(V2I)、汽車對互聯網(V2N)和汽車對行人(V2P)。通過V2X網絡,相當于自動駕駛打通外部“大腦”,提供了豐富、及時的“外部信息”輸入,能夠有效彌補單車智能的感知盲點。可以說,V2X是自動駕駛加速劑,能夠有效補充單車智能的技術、加速反應效率。5G網絡具備低時延、高吞吐、高可靠的特性,大大提升了 V2X傳輸信息的豐富性和及時性,也提高了V2X傳感器的技術價值。
3.2.2. 計算平臺(主控芯片)
3.2.2.1. 高等級自動駕駛的本質是AI計算問題,車載計算平臺是剛需
自動駕駛就是“四個輪子上的數據中心”,車載計算平臺成為剛需。隨著汽車自動駕駛程度的提高,汽車自身所產生的數據量將越來越龐大。根據英特爾CEO測算,假設一輛自動駕駛汽車配置了GPS、攝像頭、雷達和激光雷達等傳感器,則上述一輛自動駕駛汽車每天將產生約4000GB待處理的傳感器數據。不夸張的講,自動駕駛就是“四個輪子上的數據中心”,而如何使自動駕駛汽車能夠實時處理如此海量的數據,并在提煉出的信息基礎上得出合乎邏輯且形成安全駕駛行為的決策,需要強大的計算能力做支持。考慮到自動駕駛對延遲要求很高,傳統的云計算面臨著延遲明顯、連接不穩定等問題,這意味著一個強大的車載計算平臺(芯片)成為了剛需。事實上,如果我們打開現階段展示的自動駕駛測試汽車的后備箱,會明顯發現其與傳統汽車的不同之處,都會裝載一個“計算平臺”,用于處理傳感器輸入的信號數據并輸出決策及控制信號。
高等級自動駕駛的本質是AI計算問題,車載計算平臺的計算力需求至少在20T以上。從最終實現的功能來看,計算平臺在自動駕駛中主要負責解決兩個主要問題:1)處理輸入的信號(雷達、激光雷達、攝像頭等);2)做出決策判斷、給出控制信號:該加速還是剎車?該左轉還是右轉?英偉達CEO黃仁勛的觀點是“自動駕駛本質是AI計算問題,需求的計算力取決于希望實現的功能”,其認為自動駕駛汽車需要對周邊的環境進行判斷之后還作出決策,到底要采取什么樣的行動,本質上是一個AI計算的問題,車上必須配備一臺AI超級處理器,然后基于AI算法能夠進行認知、推理以及駕駛。根據國內領先的自動駕駛芯片設計初創公司地平線的觀點,要實現L3級的自動駕駛起碼需要20個teraflops(每秒萬億次浮點運算)以上的的計算力級別,而在L4級、L5級,計算力的要求將繼續指數級上升。
3.2.2.2. 算法和芯片協同設計是計算平臺的重要發展趨勢
自動駕駛計算平臺演進方向——芯片+算法協同設計。目前運用于自動駕駛的芯片架構主要有4種:CPU、GPU、FPGA(現場可編程門陣列)和ASIC(專用集成電路)。從應用性能、單位功耗、性價比、成本等多維度分析,ASIC架構具備相當優勢。參考我們之前發布的行業報告《芯際爭霸—人工智能芯片研發攻略》的觀點,未來芯片有望迎來全新的設計模式——應用場景決定算法,算法定義芯片。如果說過去是算法根據芯片進行優化設計的時代(通用CPU+算法),現在則是算法和芯片協同設計的時代(專用芯片ASIC+算法),這一定程度上稱得上是“AI時代的新摩爾定律”。具體而言,自動駕駛核心計算平臺的研發路徑將是根據應用場景需求,設計算法模型,在大數據情況下做充分驗證,待模型成熟以后,再開發一個芯片架構去實現,該芯片并不是通用的處理器,而是針對應用場景,跟算法協同設計的人工智能算法芯片。根據業界預估,相比于通用的設計思路,算法定義的芯片將至少有三個數量級的效率提升。
3.2.3. 自動駕駛算法
3.2.3.1. 自動駕駛算法的定義和分類
算法是自動駕駛的大腦。根據面向的不同環節,可以分為感知層的算法和決策層的算法。其中,1)感知層算法核心任務——是將傳感器的輸入數據最終轉換成計算機能夠理解的自動駕駛車輛所處場景的語義表達、物體的結構化表達,具體可以包括:物體檢測、識別和跟蹤、3D環境建模、物體的運動估計;2)決策層算法的核心任務——是基于感知層算法的輸出結果,給出最終的行為/動作指令,包括行為決策(汽車的跟隨、停止和追趕)、動作決策(汽車的轉向、速度等)、反饋控制(向油門、剎車等車輛核心控制部件發出指令)。整體來看,不同等級的自動駕駛算法的焦點不同。L3級別的自動駕駛,側重于替代人的環境感知能力,因此感知層算法將是核心。L4級別的自動駕駛,除了環境感知能力之外,側重點更在于復雜場景的決策算法的突破。
算法的驗證及迭代需要路測+仿真。按照產業普遍觀點,車企需要100億英里的試駕數據來優化其自動駕駛系統,若要達到該測試里程數,按照目前的實際路測能力計算,即便是一支擁有100輛測試車的自動駕駛車隊,7X24小時一刻不停歇地測試,要想完成100億英里的測試里程也需要花費大約500年的時間。為了破解這一難題,仿真測試成為大多數公司的共同選擇。所謂自動駕駛仿真測試,簡單來說,就是計算機模擬重構現實場景,讓自動駕駛算法在虛擬道路上做自動駕駛測試,虛擬場景中也可以包含道路設施、老人小孩等各種行人。目前仿真測試已經成為了真實路測的一個有益補充,而未來隨著深度學習技術地進一步深入運用,仿真測試將來自動駕駛研發方面發揮越來越重要的作用,并將推動自動駕駛技術早日實現商業化。相對于真實的路測而言,仿真的一大優勢就是其可重復性,畢竟“人不能兩次踏進同一條河流”,但仿真通過在計算機的虛擬世界中重構現實場景可以做到這一點。從產業來看,為了更高效的迭代和驗證自動駕駛算法,仿真系統已經逐漸成為標配,Waymo、百度、騰訊將仿真系統研發作為頭等大事;AutoX、Roadstar.ai、Pony.ai等諸多自動駕駛初創公司也在自主研發仿真環境;業內開始出現CARLA、AirSim等開源式自動駕駛仿真平臺。
3.2.4. 高精度地圖
高精度地圖的定義和特性。在自動駕駛時代,“地圖”一詞已經失去了其傳統路線圖的含義。目前大多數車載地圖的分辨率已足夠用于導航功能,但想要實現自動駕駛,需要掌握更精確、更新的車輛周邊環境信息,從而通過其他駕駛輔助系統做出實時反應。因此,未來的“地圖”實際上指的是非常精確且不斷更新的自動駕駛環境模型。目前,業界對于高精度地圖所包含的內容尚未有準群的定義,但大體上高精度地圖將滿足“高精度+高鮮度”的兩高特性:1)高精度是指地圖對整個道路的描述更加準確、清晰和全面。高精地圖除了傳統地圖的道路級別,還有道路之間的連接關系(專業術語叫Link)。高精地圖最主要的特征是需要描述車道、車道的邊界線、道路上各種交通設施和人行橫道。即它把所有東西、所有人能看到的影響交通駕駛行為的特性全部表述出來;2)高鮮度則是指數據將更為豐富以及需要動態實時更新。實時性是非常關鍵的指標,因為自動駕駛完全依賴于車輛對于周圍環境的處理,如果實時性達不到要求,可能在車輛行駛過程中會有各種各樣的問題及危險。
按照數據的更新頻率,高精度地圖可以分為靜態數據和動態數據兩層。1)靜態數據是指高精度地圖需要將道路基本形態(車道線等數據),通過地圖或矢量數據來正確表達出來。在靜態高精地圖模型中,車道要素模型包括車道中心線、車道邊界線、參考點、虛擬連接線等;2)動態數據是指天氣、地理環境、道路交通、自車狀態等需要動態更新的數據。通過靜態數據和動態數據的疊加,高精度地圖將最終實現對于自動駕駛的環境建模。
高精度地圖對于自動駕駛的意義在于:1)提升傳感器的性能邊界,作為感知層的安全冗余。在自動駕駛行業,傳感器方案供應商正在致力于使汽車擁有“眼睛”,代替駕駛員完成感知的過程。然而,現有的傳感器方案仍然存在改進的空間,包括傳感器測量的邊界(視覺、激光感知范圍有限)、傳感器應用的工況限制(如攝像頭在雨雪天氣無法正常工作)。高精度地圖超視距的特點意味著其可以對整體道路流量、交通事件、路況進行預判,可以作為感知層的安全冗余;2)提供先驗知識。自動駕駛的基本原則:讓車的判斷越少、也就越安全。高精度地圖可以提供車輛環境模型的先驗知識,一定程度上減少自動駕駛車輛感知層的壓力;3)確定車輛在地圖中的位置:人可以通過觀察和記憶,而自動駕駛汽車只能通過高精度地圖以及其創建的環境模型確定車輛在在地圖中的位置。4)提供車道級的規劃路徑。正如前文所述,高精度地圖會把道路基本形態,特別是車道線展現出來,輔助自動駕駛車輛實現車道級的路徑規劃,支持并線超車等高等級的駕駛決策。
高精度地圖是實現自動駕駛的必要條件嗎?——Level3及以上是必選項。基于美國SAE協會對自動駕駛技術等級的劃分,在Level 2以下的輔助駕駛階段(ADAS階段),高精度地圖對整個輔助駕駛系統來說是一個可選項。當自動駕駛技術發展到Level3及以上時,要求車輛在高速公路、停車場泊車等特殊場景中實現自動駕駛,高精度地圖的重要性開始凸顯。業內公認要想實現Level3級別的自動駕駛,高精度地圖將成為必選項。理由在于Level3的自動駕駛就意味著機器將完全取代人對于環境的監控,考慮到現有的傳感器的性能邊界尚不足以完全替代,引入高精度地圖作為感知端的安全冗余增強整個系統的魯棒性就成為了必然的選擇。觀察目前自動駕駛行業實踐,無論是車廠推出的奧迪A8、凱迪拉克Super Cruise等已經量產的Level3車型還是百度、谷歌等互聯網廠商的Level4自動駕駛方案都引入了高精度地圖,進一步驗證了上述觀點。
3.2.5 自動駕駛OS
自動駕駛任務復雜需要穩定的實時OS支持。如果將自動駕駛汽車視為一個電子終端產品,那么除了組成的硬件、用來執行命令的算法(程序)之外,底層操作系統也必不可少。操作系統的價值在于可以更好的分配、調度運算和存儲資源。一個汽車駕駛系統運行的軟件包括感知、控制、決策、定位等一系列高計算消耗,邏輯十分復雜,對安全可靠性要求特別高的程序,簡單的單片機無法實現,需要建立在一個成熟的五臟俱全的通用操作系統基礎上,同時要滿足實時性、分布式、可靠性、安全性、通用性等要求。從上述的要求可見,自動駕駛的操作系統與PC端、移動端操作系統的最大差別在于實時性。實際上,自動駕駛操作系統又稱為實時操作系統(RTOS),可確保在給定時間內完成特定任務,「實時」是指無人車的操作系統,能夠及時進行計算,分析并執行相應的操作,是在車輛傳感器收集到外界數據后的短時間內完成的。實時性能是確保系統穩定性和駕駛安全性的重要要求。
3.2.6. HMI(人機交互)
自動駕駛時代,HMI是連接用戶與外部互聯服務的重要入口。HMI是駕駛員與車輛交互的橋梁,駕駛員可以方便快捷地在HMI中查詢、設置和切換車輛系統的各種信息,在增強駕駛樂趣的同時,提升駕駛安全性。HMI由中控、儀表、抬頭顯示、ADAS系統等多個組件構成。傳統汽車的人機界面HMI也被稱作駕馭員界面(Driver Interface),駕馭員的首要使命(Primary Task)是駕馭,因此支撐和輔佐駕馭就天然成為HMI的中心功能,信息娛樂等作為次要功能(Secondary Task)。而在自動駕駛時代,隨著駕駛員的注意力逐步釋放出來,汽車從生產工具進化為家庭、辦公場所之外的第三生活空間,HMI將成為連接用戶與外部互聯服務的重要入口,產業地位將顯著提升,HMI的設計理念也將被顛覆。
3.3. 5G+AI黑科技打通自動駕駛技術的“任督二脈”
5G+AI是解鎖高等級自動駕駛技術的關鍵所在。L2升級到L3、L3升級到L4,每一個自動駕駛級別的升級,都是一個質的飛躍。其中:1)L2過渡到L3。L3的主要升級在于實時監測環境并作出反應,其主要難點在于機器的感知能力能否達到要求。駕駛這種等級的車輛,司機只需要在系統提示的時候接管系車輛的掌控權或者完成判斷,正常加減速、轉彎等操作基本可以交給系統來處理。這一過渡需要解決的問題是,機器如何代替人進行可靠的周邊行車環境感知?特別是在極端環境下仍然可以做到可靠感知,確保行車安全;2)L3過渡到L4。L4的主要升級在于完全交由機器來進行自主決策(即使是在緊急情況、激烈的駕駛情況下)。這意味著機器的認知智能要有實質性進步。上述問題的關鍵所在正是5G+AI。
以深度學習為代表的AI機器視覺崛起,成功突破L3的技術瓶頸。以Mobileye的L2級別輔助駕駛為例,仍然是基于后端規則庫的傳統機器視覺,通過匹配后端規則庫與前端攝像頭的輸入數據,進行物體的識別和跟蹤。傳統機器視覺最大的問題是,規則庫是有限的,而汽車面對的環境是無限的。而在深度學習的框架引進并發揚光大后,AI處理圖像分類任務的能力大幅提升,錯誤率直接下降。以ImageNet機器視覺大賽為例,深度學習技術框架下的機器視覺和傳統的機器視覺有著明顯的量級的提升。我們認為,不斷成熟完善的AI機器視覺配合高精度地圖作為安全冗余,對于突破L3的技術瓶頸起到了關鍵的作用。
引入以強化學習為代表的AI技術,5G打通外部“大腦”,助力L4自動駕駛場景的實現。傳統基于搜索或者規則引擎的駕駛決策系統,往往只能采取非常保守的駕駛策略,即遇到障礙物立即剎停。而變道超車,加塞卡位等等在日常駕駛中經常需要面對的情況,目前的系統需要人為設計各種精妙的策略進行應對,在設計策略時一旦有所疏忽,后果很可能是車毀人亡。如何讓機器真正像人一樣的開車,學會自主的決策,是L4的關鍵所在。谷歌AlphaGo在圍棋領域的成功是一個重要的標志性事件,其創新的引入了強化學習等全新的AI學習框架,模擬了人的思考方式,標志著機器智能的重要突破。引入強化學習的框架后,自動駕駛車輛可以像AlphaGo一樣思考學習,進行自主決策。此外,以5G為代表的V2X的引入,相當于打通了自動駕駛的外部“大腦”,可以為自動駕駛車輛提供更實時、更全面的外部信息,更好的實現多車的協同、交互,突破單車智能的技術瓶頸,助力L4自動駕駛場景的實現。
自動駕駛L3商業化技術已經成熟,L4/5加速發展進入驗證試點階段。縱觀全球主流科技公司和整車廠的自動駕駛技術商業化進展,除了個別領跑者如整車廠(奧迪已經量產L3級別的自動駕駛車輛)、科技公司(Waymo已啟動L4級別機器人出租車的商業化運營),大部分公司的節奏是已初步掌握L3的核心技術,進入由L2向L3商業化過渡的關鍵階段,同時L4/5加速發展進入驗證試點階段。
4.政策:“綠燈”頻開,合法上路在即
國家層面:自動駕駛汽車已成為全球汽車產業發展的戰略制高點,國內頂層設計政策已出臺。制造強國離不開汽車強國,汽車強國離不開智能汽車強國。全球眾多國家已將自動駕駛汽車發展納入國家頂層規劃,爭搶未來汽車產業發展的戰略制高點,以求在汽車產業轉型升級之際搶占先機。比如,美國交通運輸部于2016年9月發布聯邦《自動駕駛汽車政策指南》,持續推進自動駕駛汽車的安全監管與測試,并于2018年10月發布《為未來交通做準備:自動駕駛汽車3.0》,加強自動駕駛汽車與整個交通出行體系的安全融合。日本在2017年發布《2017官民ITS構想及路線圖》,公布日本自動駕駛汽車發展時間表,提出2020年實現高速公路L3級自動駕駛功能,并在特定區域實現L4級自動駕駛應用。國內也已啟動自動駕駛汽車發展國家戰略規劃,《汽車產業中長期發展規劃》、《智能汽車創新發展戰略(征求意見稿)》、《車聯網(智能網聯汽車)產業發展行動計劃》等多部文件均對自動駕駛產業提出了清晰而具體的發展規劃。
地方政府“綠燈”頻開,自動駕駛政策、牌照和路測成為一場關于“城市名片”的競賽。考慮到汽車工業對于地方GDP的拉動作用以及自動駕駛的技術引領作用,國內地方政府對于自動駕駛技術可謂“綠燈”頻開。根據億歐統計,截止2018年底,國內已有12座城市和地區發放自動駕駛道路測試牌照,并鼓勵相關企業開展商業化的試運營下項目,為自動駕駛汽車相關的技術標準和法規體系的建立提供必要支持。除了路測的支持之外,例如北京市等先行城市還發布了地方政府版的產業扶持政策(《北京市智能網聯汽車創新發展行動方案(2019年-2022年)》),自動駕駛產業已經成為一場關于“城市名片”的競賽。
國家層面指導意見有望出臺,監管有望不再缺位,確保自動駕駛車輛上路的“合法性”。目前的交通法規都圍繞著一個關鍵要素——駕駛員,而且駕照、車險、交通法規等所有制度環節都假定“汽車是在人的操控下運行的”。而對于高等級自動駕駛汽車而言(駕駛權逐步更替成機器),在現有的制度下,會引發一系列現實的困境,例如:在交通事故中,如何判定哪輛車是事故責任方?自動駕駛車輛和傳統車輛的路權如何分配?自動駕駛車輛想要規模化的上路,離不開底層的法律監管的創新,來確保其基本的合法性。可以說,相對于已出臺的眾多產業政策的大力支持,目前國內在關于自動駕駛技術的法律監管方面是缺位的。但考慮到國內的整個法律體制相對于全球其他國家,更具有集中的、自上而下的監管特點;具有不同職能部門之間可以實現更好協調的優勢,我們樂觀地判斷,自動駕駛車輛上路合法性的監管文件有望盡快出臺。最新的好消息是,交通部部長***在2019年2月28日表示,將力爭在國家層面出臺《自動駕駛發展指導意見》,有望徹底掃除自動駕駛車輛上路的法律障礙。整體上,高等級自動駕駛車輛上路合法化的路徑,將跟隨技術的成熟度逐漸放開,先從簡單的高速公路路況開始,逐步開放城區等復雜場景,直至全場景。
5.成本:有望驟降,從Demo跨越到準量產階段
5.1.技術創新推動核心部件成本驟降
5.1.1. L3自動駕駛硬件改造成本有望降至2000美元/車以下
產業界普遍對于自動駕駛成本大幅度驟降持樂觀態度。政策法規、技術兩大難題越過之后,自動駕駛產業規模化落地的最后一座大山就是成本。盡管目前高等級自動駕駛(L4)的單車改造成本仍然居高不下,但產業界對于自動駕駛成本隨著技術進步大幅下降均持有樂觀態度。國際Tier1巨頭德爾福汽車CEO Kevin Clark此前曾表示,到2025年,德爾福希望將自動駕駛汽車的成本降低逾90%至5000美元左右。
預計至2025年,L3的自動駕駛硬件改造成本約在1900美元/車。參考三菱日聯摩根士丹利(MUMSS)、英飛凌、IHS、蔚來資本等多方產業報告以及多位產業鏈專家調研,我們拆解高等級自動駕駛(L3及以上)的核心部件配置以及價格趨勢做出預測。其中,自動駕駛硬件改造成本最高的核心部件是激光雷達和計算平臺,也是現階段自動駕駛成本居高不下的最大障礙。從產業發展趨勢來看,隨著固態激光雷達等新的技術路線替代傳統機械式雷達,工藝成本有望顯著下降,帶動價格曲線下行;計算平臺則由于芯片設計廠考慮攤銷前期的研發成本,在小批量量產期間定價較高;在大規模量產后價格有望全面下降。綜合來看,我們預計技術創新將推動核心部件成本驟降,至2025年,L3-l4的自動駕駛硬件改造成本約在1900-4400美元/車。
5.1.2. 核心部件成本趨勢分析
核心部件——攝像頭、毫米波雷達、超聲波雷達、及GPS&IMU的價格曲線及趨勢。以上4個部件的生產工藝、技術路線較為成熟,產業競爭充分,隨著產量上升帶來的規模效應釋放,預計價格將穩步下降。
核心部件——計算平臺,隨著大規模量產,價格將大幅下降。市場對于自動駕駛量產的一大疑慮就是作為核心硬件的自動駕駛芯片的單價遲遲沒有達到合理的水平,導致自動駕駛的整體解決方案成本超過消費者可以承受的合理范圍,會對自動駕駛的大規模普及造成嚴重的影響。我們認為,鑒于芯片的出貨定價與量產情況有著密切的關系,不必過分擔憂芯片的出貨價格。考慮到自動駕駛計算平臺高昂的研發成本(英偉達最新一代的Xavier芯片研發投入高達20億美金),芯片廠必然會在尚未大規模量產的初期選擇高定價的模式,來部分覆蓋前期的投入。而一旦達到大規模量產(比如年出貨量達到100萬顆),則芯片廠能夠很快回本前期的投入,芯片的定價之后有望與成本相掛鉤,價格會急劇下降。
核心部件——激光雷達,合理的技術路徑帶動成本降低。激光雷達部件現階段成本較高,以行業主要企業Velodyne的激光雷達為例,按照線束的密度進行報價——8萬美元(64線)、4萬美元(32線)、4千美元(16線)。Velodyne的激光雷達報價居高不下的原因,并非激光雷達的物料成本,而在于其采用了傳統的機械式掃描的技術方案——機械式激光雷達的光學系統的裝配和標定過程要求高度嚴謹的機械系統校準,同時,量產的一致性要求也會導致產能低下。現階段,產業界的一致看法是打造出一臺售價低廉的激光雷達關鍵就是將傳統的旋轉式機械設計換成固態設計,這樣能大量減少可移動部件,激光雷達的結構和量產簡單了,成本也就自然降低了。在新的技術路徑下,眾多產業界的廠商(包括Velodyne)均預測未來激光雷達的量產成本將下調到數百美金/顆。
5.2. 政府助力車路協同(V2X)基建普及,顯著降低單車改造成本
“聰明”的車+“智能”的路,車路協同(V2X)發展將顯著降低單車改造成本。目前大部分對于自動駕駛硬件改造成本的討論都停留在單車智能的技術路線和視角。實際上,國內的自動駕駛技術路線是智能網聯的路線,即“單車智能”與“車路協同”協同發展。車路協同的價值和意義在于,如果說自動駕駛單車智能的價值是讓路上的車輛都能變成由“二十年駕齡老司機”駕駛的話,那么車路協同則像是又給每輛車配備了一個開了“天眼”的交警,“他”將站在“完美”視角保障安全、疏導交通,高效分配道路資源。以一個交通路況復雜的路口為例,人類司機和自動駕駛車車載傳感器由于視角和視線的局限,都只能感知到路況信息的一部分,那些看不到的障礙物造成了危險隱患;如果車路協同配備了“完美視角”路側感知設備以后,利用高清攝像頭等多種傳感器加上邊緣計算設備的識別能力,可以感知到路口范圍內全部的交通參與方,并實現多種分析功能,把這些信息通過V2X通信實時的共享給路口的全部車輛,即可最大限度消除危險隱患。“車路協同”技術的演進和基礎設施的普及,將會顯著降低單車智能的改造成本。根據百度的預測,在車路協同的基礎上,自動駕駛的研發成本可以降低30%,接管數會下降62%,預計可讓自動駕駛提前2-3年在中國落地。
車路協同(V2X)已經成為國家重點發展戰略,5G基建點火助力。目前發展車路協同技術及其應用已納入交通部智能交通系統發展戰略。國家的在建項目有:新一代國家交通控制網和智慧公路試點工程/北京冬奧會、雄安新區項目等。從車路協同的技術體系來看,我們認為,5G的普及將進一步提升車路協同的技術價值。根據中移動測算,自動駕駛車輛以每小時60英里(約96.56公里/小時)的速度行駛,在使用5G通訊網絡的情況下,其收到某一反饋信息后實際上只移動了3厘米左右。現有4G網絡時延條件之下,時速100公里的汽車,從發現障礙到啟動制動系統至少移動1.4米。2019年以來政府提出了科技新“基建”的政策發展方針。發改委副主任連維良表示今年將的“建設”的重點有五個方面,“加強新型基礎設施建設”居于首位(包括5G的商用),我們預計政府將有財政資金配套產業政策扶持5G產業,快速完善科技新“基建”,為自動駕駛產業鋪路。政府的保駕護航下,國內有望擁有全球最領先的自動駕駛基礎設施(5G+V2X)。
5.3. 從封閉到開放,聯合研發分攤開發成本
從封閉到開放,車企合縱連橫,聯合研發分攤開發成本。自動駕駛研發對于軟硬件投入的門檻之高、投資回報周期之長無需贅言。整車廠選擇自研的優勢在于垂直整合,利于持續迭代,但劣勢在于成本高,研發周期長。能否擔負起初期一次性的研發成本,并在整個汽車銷售過程中將其攤薄,這是車廠需要解決的問題。實際上,與其自身冒險的大規模投入,車企間從封閉到開放,合縱連橫組建聯盟,分攤無人駕駛先期的風險成本,縮短技術創新周期,形成規模效應,搶占時間窗口,成為產業新趨勢。在共同利益的驅動下,我們已經看到奔馳、寶馬、通用、本田、大眾、福特等一線車廠,在自動駕駛技術研發領域達成戰略合作協議,預計后續將有更多的車企加入到聯盟中。
6.市場:蓄勢待發,大幕將啟
6.1.態度開放,需求旺盛,中國或成全球自動駕駛第一大市場
國內消費者對于自動駕駛的接受程度、需求、支付意愿均居于全球前列。1)接受程度。根據艾瑞的調研報告,相對于較為保守的美國消費市場,國內消費者對于自動駕駛持更加開放的態度,尤其在數據、安全性等領域;2)需求:騰訊人工智能與自動駕駛消費者調研,則表明國內消費者對于自動駕駛的需求較為普遍,近60%的人口對自動駕駛有需求。從調研樣本來看,自動駕駛對女性與大年齡層消費人群存在更強的需求吸引力,在經濟更發達且交通環境更復雜的一二線城市中接受程度更高;3)支付意愿。麥肯錫在2018年4月的調研顯示,49%的中國消費者認為全自動駕駛“非常重要”。國內消費者愿意為購買自動駕駛車輛支付高達4600美元的溢價,而美國和德國則分別為3900美元和2900美元。
中國已經是全球最大的汽車市場,有望成為全球自動駕駛市場第一大市場。從1956年中國第一輛解放牌卡車在一汽下線開始,經過60多年的努力,從自力更生到以市場換技術、合資建廠,再到自主研發,如今中國已經成為世界上汽車產銷量最多的國家,根據wind數據,約占全球汽車市場1/3。盡管2018年國內汽車銷量市場首度出現負增長,但考慮到“汽車下鄉”政策的托底,以及消費升級的趨勢,我們對國內汽車市場的未來仍然保持樂觀態度。巨大的消費市場疊加旺盛的自動駕駛需求,我們預計中國在未來同樣將成為全球自動駕駛第一大市場。
6.2. 商業化路徑之車廠前裝:進入大規模量產前夕,規模有望超過1400億美金
6.2.1. 車廠大規模自動駕駛計劃進入倒計時
自動駕駛產業進入大范圍量產前夕,2020/2021年將成為主機廠量產的重要節點。觀察自動駕駛產業主流企業(Tier1/2、車廠)的量產時間表,2020/2021年是絕大部分企業高等級自動駕駛(Level3/4)量產的節點。可以說,自動駕駛產業已經進入大范圍量產前夕。
以2020、2021年為界,國內自動駕駛產業鏈即將開啟黃金10年發展期。結合國家《汽車產業中長期發展規劃》、《智能汽車創新發展戰略》(征求意見稿)以及產業鏈調研的結果。我們認為,以2020、2021年為界,國內自動駕駛產業鏈即將開啟黃金10年發展期。
6.2.2. 2030年自動駕駛前裝市場空間有望達到1400億美金
L3級別及以上的自動駕駛前裝套件預計報價將在3000-10000美金/套。現階段已經量產的自動駕駛系統中,實現L2+功能的通用-凱迪拉克CT6的智能駕駛配置包的報價在5000美金/套;特斯拉的AutoPilot系統,根據不同的實現功能,分別報價在5000美金/套、8000美金/套。奧迪A8代表現階段量產的自動駕駛的最高水平,已經達到L3級別,可以實現在高速公路上,以60公里/小時的速度完成自動駕駛功能,讓駕駛員完全可以不用手握方形盤而去做其他的事情,在遇到緊急情況的時候,車輛會發出接管請求,并且給駕駛員提供 8-10 秒的時間評估路況,重新接管車輛進行控制,其報價在10000美金/套。參考上述車廠的自動駕駛前裝套件報價,我們預計在大規模普及之后,L3級別及以上的自動駕駛前裝套件預計報價將在3000-10000美金/套。當然,不排除成本大幅降低后,整車廠將降低報價,讓利消費者。
國內自動駕駛前裝套件的市場規模2030年有望突破1400億美金。根據前文所預測的國內自動駕駛滲透率曲線以及自動駕駛前裝套件預計報價,只估算L3及以上的高等級自動駕駛的前裝套件的國內市場規模,我們預測在2030年有望突破1400億美金。
6.3. 商業化路徑之MaaS:終極場景,潛力無限
6.3.1. Waymo開啟Robo-taxi元年
Waymo 正式商業化試運營,開啟Robo-taxi元年。在Waymo首席執行官John Krafcik看來,Waymo在產業中的角色不止是“賣水人”,更是“掘金者”。Waymo的L4級別自動駕駛車輛,實際上就是生產力工具,可以為C端用戶提供MaaS(Mobility as a servie,無縫出行服務)自動駕駛網約車服務(Robo-taxi),并從中獲利。從2009年成立以來,經過近10年的技術打磨,2018年12月5日,John Krafcik發布內部信宣布自動駕駛服務正式商用,推出自自動駕駛網約車服務(Robo-taxi)——Waymo One。雖然定價還在測試中,但是模式基本基于行程時間和距離,這和Uber、Lyft以及中國的滴滴是類似的定價模式。據The Verge實驗,大約8分鐘、3英里的行程在Waymo One上需要花費7美元,定價與Uber和Lyft相差不大。從整個乘車體驗流暢性來看,The Verge報道認為已經基本上等同于正常人在開車,技術變得更為成熟了,例如:遇到減速帶會減速、改變車道會加速、人行道前會讓人(如果太靠近斑馬線會倒車),如此人性化讓人感受到機器的溫暖。
Robo-taxi徹底變革傳統車企的商業模式,潛力無限。Robo-taxi的商業模式徹底完成了對于傳統汽車制造商商業模式的顛覆。根據馭勢科技CEO測算,同樣是一輛車,傳統的汽車廠商每賣出一臺車利潤是1400美金,假設這臺車在生命周期當中開14-15萬英里,也就是說傳統車廠在整個汽車的生命周期中,賺取的利潤是0.01美元/公里。以Waymo為代表的Robo-taxi模式,因為自動駕駛帶來的人力成本的節約以及效率的提升,在整個汽車的生命周期中,收費可以達到1.25美金/英里(值得一提的是,除了基準的出行服務收費模型外,MaaS未來還可以在車內提供有償的娛樂項目或廣告項目來獲得收入),而期間運營成本隨著自動駕駛技術升級將顯著下降。當成本下降到,自動駕駛每公里的總成本將與司機駕駛傳統汽車的成本大致持平的平衡點時,市場的平衡將被打破,Robo-taxi的商業模式將開始顯露出威力。
6.3.2. 商用場景的MaaS有望率先落地
自動駕駛的落地場景,主要考慮三個方面:市場規模、技術難度、經濟性。自動駕駛MaaS的落地場景十分多樣,乘用車場景主要以自動駕駛出租車(Robo-taxi)為主;商用場景根據不同的使用用途,可以劃分為港口貨運、園區擺渡車、高速公路物流、礦區、市政環衛、最后一公里配送等。根據蔚來資本的研究,具備大的市場規模體量、技術難度相對較低、成本可接受具備經濟性的場景將最快實現自動駕駛的落地。市場規模方面,蔚來資本對各個場景的自動駕駛規模進行了估算。以長途物流為例,中國重型卡車的保有量570萬臺,假定用于長途物流的卡車占到30%,以每輛車2位司機,每位司機年工資15-20萬元估算,長途物流自動駕駛的潛在替代規模在5,000到7,000億元。而末端配送也是不可忽視的一塊市場。2018年預計中國的快遞業務量有望突破490億件,快遞業務收入達到5,950億元,而網絡外賣方面,市場份額第一的美團外賣號稱峰值日訂單量已達到2,000萬。結合末端配送每單的成本,蔚來資本預計最后一公里的自動駕駛配送市場規模超840億元。
產業快速爆發的轉折點將發生在自動駕駛成本低于人力成本之時。本質上講,自動駕駛之于MaaS就是,初期高投入(自動駕駛車輛改造成本)換取后續人工費用降低和運營效率的提升。從經濟性看,只有快速地達到可取代人力成本之時,某個細分自動駕駛場景才能快速爆發。當前L4級自動駕駛硬件成本依然高昂,甚至比車輛自身成本還高,導致整體的經濟性不高。而隨著技術實現成本的降低,在人力成本愈發高昂的宏觀背景下,自動駕駛MaaS將逐漸顯現出成本和效率上的優勢。以長途物流為例,根據蔚來資本的測算,比較了普通卡車與自動駕駛卡車(原有2名司機,取代1名司機)的TCO(總擁有成本,Total Cost of Ownership)成本,當自動駕駛改造降至20萬元/車時(年運維費為5.1萬元/車),自動駕駛卡車TCO成本將比普通卡車的TCO成本下降14%。
7.投資建議與重點推薦公司
7.1. 投資建議
自動駕駛是百年汽車工業的又一次偉大范式轉移,交通出行的生態體系、汽車產業鏈的游戲規則都將被重新定義。5G+AI技術創新的推動下,自動駕駛“黑科技”得以解鎖,跨越技術、成本、政策三座大山之后,迎來商業化的全面落地。我們預計,國內自動駕駛產業將呈現指數級增長;與之伴隨的,自動駕駛的供應鏈體系也啟動在即,無論是傳統的Tier1、Tier2供應商、亦或者是新興的自動駕駛技術供應商都將面臨黃金的發展機遇。考慮到自動駕駛作為復雜的工程體系,所涉及的技術環節眾多,我們建議優先選擇“黃金賽道”(卡位繞不開、進入壁壘高、市場空間大)中的“頂級賽手”,我們重點推薦四維圖新、千方科技、中科創達、中海達、德賽西威和格爾軟件,建議關注路暢科技、華陽集團、合眾思壯、華測導航、高新興等。
7.2.重點推薦公司
7.2.1. 四維圖新:國內高精度地圖領軍企業
國內高精度地圖領軍企業。參考此前深度報告《四維圖新:巨變前夜,大幕將啟》,從數據生態、制作&更新成本以及資質等多個維度考察,公司在高精度地圖產業均有明顯的競爭優勢。根據wind數據,公司自上市以來,每年的研發投入占比均位居A股前十,巨額投入保障了公司業務的前瞻性和領先型。
中標寶馬訂單,拉開自動駕駛業務商業化變現序幕。公司2月12日公告,與寶馬簽署自動駕駛地圖協議,將為寶馬在中國銷售的2021-2024年量產上市的汽車提供Level3及以上自動駕駛地圖產品及在線發布與更新服務。該訂單充分印證了公司在自動駕駛地圖行業的絕對實力,也拉開了自動駕駛業務商業化變現序幕。無論是單車價值還是長期滲透率,高精度地圖相對傳統導航地圖業務均有數倍以上提升,僅前裝市場空間就具備數量級躍升潛力,公司成長空間將徹底打開。
自動駕駛地圖迎單價與滲透率的雙重提升,僅前裝市場空間就具備數量級躍升潛力。根據易觀數據,2018年上半年傳統車載導航前裝市場滲透率僅為14.9%,而隨著L3級自動駕駛汽車逐步量產普及,前裝導航地圖將由給人看的選配品轉變為車載系統的標配品,滲透率存在6-7倍提升空間。根據產業鏈調研,僅考慮一次性前裝收費,高精度地圖單價保守估計在公司傳統導航地圖(約200元/車)的5-10倍。此外,由于高精度地圖要求“高鮮度”的特點,地圖需要動態甚至實時更新,這意味著地圖將不再是傳統導航地圖的一錘子的數據買賣(lisence),后續更新意味著數據服務收費的模式(service)。此次訂單合同中也明確提及公司將提供自動駕駛地圖更新服務,直到相關車輛的服務周期結束為止。因此,除了一次性收費的單價提升之外,后續的數據服務收入同樣值得期待。
投資建議:釋放商譽減值風險之后,公司2019年有望輕裝上陣,加速前行。維持“買入-A”評級。
風險提示:芯片業務發展不及預期;高精度地圖行業競爭加劇;車聯網業務變現速度低于預期;自動駕駛業務變現速度不及預期。
7.2.2. 千方科技:國內交通信息化龍頭,積極布局V2X業務
國內交通信息化龍頭,交通與安防雙輪驅動。公司是國內交通信息化龍頭,業務覆蓋城市交通、公路交通、軌道交通、民航等領域的大交通產業布局,形成從產品到解決方案、從云端數據到出行者、從硬件基礎設施到軟件智慧中樞的完整產業鏈。在完成了對國內安防行業領軍企業——宇視科技的并購之后,公司踐行“一體兩翼”發展戰略,即以大數據+人工智能為核心優勢,持續拓展“兩翼——智慧交通和智能安防”兩大業務領域。
具備完整的V2X產品線。公司緊跟智能網聯汽車(自動駕駛)發展趨勢,推出了V2X系列產品,涵蓋了網聯化路網設施與車載終端、智能化交通管理與行車服務等多領域,可面向車路協同與智能網聯汽車產業提供安全、高效、環保的全系列產品與服務支持。目前,公司V2X系列產品已在“國家智能汽車與智慧交通(京冀)示范區海淀基地”、“國家智能汽車與智慧交通(京冀)示范區亦莊基地”投入應用。示范區搭載公司V2X網聯通信設備與系統,按照T1-T5級別測試需求建設,支持網聯駕駛研發測試。
投資建議:公司作為國內交通信息化領域的龍頭,V2X業務深耕多年,具有完善的V2X產品線。公司將充分受益自動駕駛產業的蓬勃發展以及國家對V2X的投入。交通與安防雙輪驅動公司快速發展,維持“買入-A”評級。
7.2.3. 中科創達:全球領先的智能駕駛艙軟件解決方案提供商
內生外延前瞻布局智能車載業務。公司是全球領先的智能終端操作系統及平臺技術提供商。2013年起公司開始涉足智能車載領域并加速布局。一方面,公司與汽車電子行業內領先企業展開緊密合作,如Qualcomm、瑞薩、德州儀器、恩智浦、STMicro、百度、QNX、OpenSynergy,索尼等,快速完善智能駕駛產業鏈的對接;另一方面,公司通過收購愛普新思和Rightware等企業,與自身核心技術實現優勢互補。公司可以為汽車廠商和tier1提供從操作系統開發、核心技術授權到應用定制的包括汽車娛樂系統、智能儀表盤、綜合駕駛艙、InfoADAS和音頻產品在內的整體智能駕駛艙軟件解決方案和服務。目前,全球采用公司智能駕駛艙解決方案的客戶超過70家,覆蓋了歐洲、美國、中國、日本和韓國,在中國已經超過了30家。有多款產品已經量產或者逐漸進入量產階段。
受益于軟件定義汽車的產業趨勢。大眾汽車集團CEO日前宣布大眾將變為一家軟件驅動的公司,并宣布重新組建集團的獨立的軟件部門。我們認為,軟件定義汽車的產業趨勢已經明晰,而作為汽車軟件層面的整合提供商——中科創達將全面受益于未來汽車的軟件含量將逐步提升。需要強調的是,不同于傳統的智能手機業務,公司車載業務提供的軟件解決方案的產品化程度目前已經超過一半以上,商業模式也在往Loyalty收費等模式升級,隨著業務的持續擴張,規模效應有望逐步顯現。
投資建議:我們十分看好公司在智能汽車領域的發展前景,預計2018-2019年EPS分別為0.4、0.56元,維持“買入-A”評級,6個月目標價40元。
風險提示:智能車載業務發展低于預期。
7.2.4. 中海達:高精度定位龍頭,邁入自動駕駛新時代
傳統高精度定位龍頭,高精度地圖應用驅動公司業績快速增長。公司是國內高精度定位設備龍頭企業。圍繞高精度地圖軟件的應用需求目前還處于發展初期,未來隨著智慧城市、智慧旅游、航空、港口等行業需求不斷增長,高精度地圖應用有望驅動公司業績增長提速。
全球高精度定位領導者Trimble是公司成長的標桿。Trimble是全球高精度龍頭企業,也是公司成長的標桿,目前市值100億美元。Trimble正在兩個領域進行拓展:1)給通用汽車SuperCruise系統提供高精度定位設備;2)高精度地位軟件應用已經開始向SaaS化轉型。
高精度定位業務受益于自動駕駛產業落地。2020-2021年是大部分車企高等級自動駕駛(Level3/4)量產的節點。無論是以谷歌Waymo、百度Apollo為代表的互聯網企業自動駕駛解決方案,還是傳統車廠的自動駕駛解決方案,GNSS/IMU都是必選設備。公司在高精度定位及測繪領域積累了大量的GNSS/IMU技術,擁有核心的定位、射頻和基帶算法。
投資建議:國內高精度地圖應用剛剛起步,隨著智慧城市、智慧旅游、航空、港口等行業需求不斷增加,公司業績增長有望提速。此外,自動駕駛時代正在到來,公司長期積累的大量技術有望加速落地,維持“買入-A”評級,6個月目標價20元。
風險提示:自動駕駛產業進度低于預期;高精度地圖軟件應用落地低于預期。
7.2.5. 德賽西威:車機先行者,加碼智能網聯
公司是國內車載信息娛樂系統先行者,先合資后獨資,24年的合資經歷為公司導入了核心穩定、高瞻遠矚的管理層、提供了一定的技術儲備以及優質的合資與外資整車廠客戶資源,使其具備明顯先發優勢。公司不止步于傳統車載信息娛樂系統業務,目前正在夯實主業的基礎上深化智能駕駛艙、ADAS和車聯網三大戰略布局。
車載信息娛樂系統普及,公司市占率有望提升。當前車載信息娛樂系統滲透率60%,隨著產品日益普及,行業不斷擴容。根據偉世通,2018年車載信息娛樂系統全球市場規模約1300億元,中國市場規模約390億元,未來5年行業規模將保持4.3%的復合增速增長,目前全球市場主要為哈曼、愛信精機、歌樂、偉世通等多家外資占據,國內市場則由合資與自主瓜分,公司較自主具備先發優勢與技術優勢,較合資與外資具備響應速度及價格較低優勢,預計國內市占率有望提升。
深化三大戰略布局:1)產品線縱向延伸,智能駕駛艙雛形初顯。公司先后涉足車載信息娛樂系統、駕駛信息顯示系統,立足于主業延伸出的智能駕駛艙雛形初顯,目前多屏互動已獲得訂單,且已推出2代概念智能駕駛艙;2)進軍ADAS,軟硬一體化。公司在ADAS上的布局亦具備前瞻性,軟件核心算法和硬件開發能力是公司進軍ADAS的制勝法寶,目前已具備高清攝像頭、毫米波雷達、自動泊車融合方案的量產能力,部分產品已實現銷售;3)收購德國ATBB公司,助力三大戰略落地。高性能的智能天線是實現車輛信息交互的關鍵技術,ATBB公司在天線制造領域有著雄厚的技術積累與人才儲備,收購ATBB公司有助于強化公司車聯網布局。
投資建議:預計公司2018-2020年EPS分別為0.76、0.82、0.98元,6個月目標價34元,維持“買入-A”評級。
風險提示:下游汽車需求回暖或不達預期,新業務開拓或不及預期。
7.2.6. 格爾軟件:國內領先的車聯網信息安全提供商
PKI領域龍頭,服務政務、軍工等核心領域。公司專注于信息安全行業 PKI 領域,主要從事以公鑰基礎設施 PKI為核心,為政務、金融、軍工等重要行業客戶提供基于 PKI 的信息安全系列產品、安全服務和信息安全整體解決方案。公司與吉大正元、衛士通等同為國內PKI領域龍頭企業,主營業務包括PKI基礎設施、PKI安全應用產品和通用安全產品等。
聯手上汽,打造車聯網信息安全平臺。車聯網以“兩端一云”為主體,涉及車-云通信、車-車通信、車-人通信、車-路通信、車內通信五個通信場景,數據安全和隱私保護貫穿于車聯網的各個環節,是車聯網網絡安全的重要內容。公司與上汽集團進行深度合作,參與上汽云數據中心車聯網項目,為其建設云端PKI體系,包含證書綜合管理系統和數字證書認證系統、簽名聯簽系統,從云平臺簽發可信證書寫入車載安全環境,用于“車—云”雙向認證和安全通信,提供SSL、TLS傳輸層加密功能,增加攻擊者竊聽破解的難度,保障通信安全。
PKI應用空間巨大,龍頭效應帶來業績增長動力。PKI 技術作為信息安全領域的核心技術之一,以身份認證與訪問控制等功能實現對安全數據的防護目的。然而,作為PKI主要應用領域,目前軍工和政府部門對于PKI技術主要集中于涉密等核心機關,而隨著國家對于信息安全的重視程度日益加強,未來PKI的核心應用具備巨大的橫向拓展空間。公司作為PKI行業的龍頭企業,近四年凈利潤復合增長率為18.54%,同時通過加大研發投入和人員儲備等方式,將受益于行業空間不斷打開。
投資建議:公司深耕PKI技術多年,在車聯網等領域有望拓展出產品的全新應用空間,帶動業績增長。預計2018、2019年EPS分別為1.44,1.86元,給予“買入-A”評級。
風險提示:車聯網領域拓展不達預期;PKI行業應用空間拓展不達預期。
-
汽車工業
+關注
關注
2文章
118瀏覽量
29946 -
自動駕駛
+關注
關注
785文章
13932瀏覽量
167017
原文標題:自動駕駛:百年汽車產業的“iPhone”時刻
文章出處:【微信號:IV_Technology,微信公眾號:智車科技】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論