中金：场景先行，高级别自动驾驶商业化加速落地

本文转自微信公众号“中金点睛”。

我们认为，高级别自动驾驶落地进程有望超出市场预期。在自动驾驶方案、算法、计算芯片、核心传感器、高精度地图等技术进步的红利下，高级别自动驾驶商业化进程迎来提速，有望在以下场景超预期落地：

1)高速公路商用车：双驾→单驾，L3级Robotruck前装量产落地在即;

2)城市出行乘用车：限定区域Robotaxi商业化试点运营加速;

3)细分赛道：在AVP自主代客泊车、“最后一公里”配送、矿区等半封闭、高确定性的场景，高级别自动驾驶亦正快速落地。

摘要

我们判断当前高级别自动驾驶呈现出以下几方面的关键趋势：

1)渐进式与一步到位式路线并行：量产落地与算法优化并不矛盾，二者能够相互驱动，形成飞轮效应;

2)纯视觉识别存在缺陷，激光雷达成为刚需：L3+自动驾驶首要满足安全性要求，采用摄像头与毫米波雷达、激光雷达共同协作的方案成为行业共识;

3)车载硬件成本居高，但呈现快速下降趋势：我们判断自动驾驶硬件成本有望快速下降，到2023年激光雷达单价有望下降至$500左右;

4)MCU供不应求，车载芯片厂商地位上升：汽车芯片供应商在产业链中由Tier2转变为Tier1，成为车载计算平台提供商，单台ADU成本有望降至万元以下;

5)车路协同降本增效，中国市场领先全球：智慧交通和V2X车路云协同技术有望带来路侧红利。

我们测算高级别自动驾驶潜在市场规模达万亿元级。我们预计：

1)自动驾驶货车商业模式清晰，有望超预期落地：L3级即可落地盈利，投资回收期仅为2年，有望带来6%以上的毛利率净增;

2)无人驾驶出租车将在2025年前后达到成本拐点：出行服务公司采用自动驾驶系统的总成本将持续降低，国内Robotaxi落地进程和乘坐体验不断超出市场预期;

3)AVP可率先实现高级别自动驾驶在城市场景的落地：预计中国2024年L3/L4级自主泊车系统新车装配率达到9%以上，并可通过后装具备自主泊车能力，同时记忆式泊车将加速AVP落地;

4)无人末端配送有望快速落地封闭小区、企业园区等场景，带来成本和效率的优化：无人配送车不存在上路牌照问题、硬件成本低、无需安全员，预计规模量产后整车成本可降至15万元以下;5)矿区自动驾驶是需求刚性、高确定性的落地场景：矿用机械无人化改装和矿区无人开采运输潜在市场巨大，中国厂商具备本土优势。

建议关注智能驾驶场景落地及供应链相关标的投资机会。(I)场景落地：综合解决方案;Robotruck;Robotaxi;AVP自主泊车;无人配送;矿区等。(II)核心供应链：计算芯片;车载光学;激光雷达等。

风险

高级别自动驾驶成本下降、算法优化不及预期;自动驾驶政策放开不及预期。

正文

高级别自动驾驶的内涵与商业化落地

自动驾驶汽车(Autonomous Vehicles，AV)又称为智能网联汽车、无人驾驶汽车。在本文中，我们提出对高级别自动驾驶产业的五大趋势判断，重点分析五类细分场景的商业可行性、主要玩家与落地前景。我们认为，L3级高速公路有条件自动驾驶、L4级自主代客泊车、矿区自动驾驶和无人末端配送将在2025年前量产落地，L4级无人Robotruck/Robotaxi有望在2025-2030年开始商业化落地。

图表: 自动驾驶商业化落地时间表

资料来源：中金公司研究部

我们认为，高级别自动驾驶最大的优势和风险均来自系统对于人类驾驶员的替代。因此从运行环境的角度讲，越简单的路况环境和越标准的作业流程，就越能够批量落地自动驾驶系统，带来成本规模效益;从驾驶主体的角度讲，越能代替人类驾驶员疲劳驾驶、高危作业的场景，越有替代价值。

图表: 高级别自动驾驶落地场景难度

资料来源：中金公司研究部

图表：高级别自动驾驶商业化落地场景

资料来源：中金公司研究部

高级别自动驾驶市场落地场景广泛，规模可达万亿元。应用场景主要可分为2C(乘用车)、2B(商用车)和2G(政府国企)等。按潜在规模测算，我们预计中国高速城际物流市场达3.3万亿元，自动驾驶出行服务市场近1.7万亿元，矿区无人驾驶市场近6,700亿元，无人末端配送市场达1,700亿元，自主代客泊车市场规模约800亿元。

图表：高级别自动驾驶商业化落地场景潜在市场规模

资料来源：麦肯锡，蔚来资本，中金公司研究部

图表: 中国高级别自动驾驶产业链图谱

资料来源：中金公司研究部

图表: 智能汽车产业链

资料来源：中金公司研究部

实现自动驾驶的三大关键系统

通常以L3级别为界，将L0-L2级视为自动驾驶辅助系统(ADAS)，将L3级及以上视为高级别自动驾驶。自动驾驶系统的工作系统可分为感知层、决策层、执行层，这是实现自动驾驶的三大关键系统。

图表: 自动驾驶三大关键系统

资料来源：CSDN，中金公司研究部

图表: 自动驾驶分级标准

资料来源：NHTSA，SAE，中金公司研究部

我国自动驾驶迎来发展新阶段

我国自动驾驶迎来发展新阶段。2020年2月，国家发改委、工信部等11个部委联合印发《智能汽车创新发展战略》，明确提出建设中国标准智能汽车和实现智能汽车强国的战略目标。2020年11月，国务院办公厅印发《新能源汽车产业发展规划(2021-2035年)》，提出高级别自动驾驶商业化落地目标：到2025年，高级自动驾驶汽车实现限定区域和特定场景商业化应用;力争到2035年，高级自动驾驶汽车能够实现规模化应用。

图表: 智能网联汽车技术路线图2.0

资料来源：清华大学，国家智能网联汽车创新中心，中金公司研究部

核心问题，对高级别自动驾驶产业的趋势判断

我们认为，智能汽车产业将在下一个十年中将呈现电动化、智能化、网联化和共享化的趋势。整车品牌、整车制造、零部件、软件服务等有望孕育平台型汽车企业，市场份额更加走向集中化。主要玩家将具备自动驾驶能力、硬件整合能力、跨平台软件和服务变现能力，以及无人车运营能力。本土品牌厂商有望崛起，通过软件及服务体现差异性，并从硬件向软件及服务转型，带来车企利润率及客户粘性的提升。

图表: 智能汽车的下个十年——路径与趋势

资料来源：中金公司研究部

我们判断，当前高级别自动驾驶呈现出以下几方面的关键趋势：1)飞轮驱动，渐进式与一步到位式路线并行;2)纯视觉识别存在缺陷，激光雷达成为刚需;3)车载硬件成本居高，但呈现快速下降趋势;4)MCU供不应求，车载芯片厂商地位上升;5)车路协同降本增效，中国市场领先全球。

趋势一：飞轮驱动，渐进式与一步到位式路线并行

自动驾驶的终局是高级别自动驾驶，即L3+完全无人驾驶。高级别自动驾驶商业化落地最终一定是规模化、可盈利的，只有这样才能对人力成本有效替代。

图表：L4高级别自动驾驶实现的三种路径

资料来源：车百智库，中金公司研究部

不论采用哪种路径，实现高级别自动驾驶的都是最终目标，不同的企业具备不同的基因和资金，实则体现了对于自身而言最高效最现实的选择。我们认为，量产落地与算法优化并不矛盾，二者能够相互驱动，即通过真实的落地场景，将L3及自动驾驶系统搭载在客户车辆上，在为客户解决问题的同时积累海量真实问题数据，形成“量产-数据积累-算法优化-市场接受度提升-增加量产”的飞轮效应。

趋势二：纯视觉识别存在缺陷，激光雷达成为刚需

我们认为，纯视觉识别算法具有先天缺陷：自动忽略静止物体。特斯拉坚持采用纯视觉识别技术，带来可观商业化效用的同时，也频频发生自动驾驶安全事故。由于视觉图像含有大量冗余信息，芯片算力无法解析(或者不经济)，因此特斯拉选择赋予运动的物体更高的算法权重，因此在Autopilot模式下频频撞上停在路边的静止车辆。

我们认为，单纯依赖视觉方案存在以下隐患：1)光照依赖：光照不良时(强光/逆光/夜晚/恶劣天气)，作用大幅受限;2)须2D转3D：获取2D信息，需经算法处理转换为3D信息，精确度和时效性不及能直接从外界获取位置信息的激光雷达;3)算力及成本：光学方案下，成熟算法要求海量数据作为训练基础以及更高芯片算力保障，相应成本水涨船高。而L3级以上高级别无人驾驶系统首先要满足安全性的要求，因此业界共识必须采用摄像头视觉识别与毫米波雷达、激光雷达共同协作的方案。尤其是激光雷达强大的抗恶劣条件能力和三维建模能力，使其成为高级别自动驾驶量产落地的必备刚需。

图表：不同环境监测传感器特性对比

资料来源：OFweek，中金公司研究部

趋势三：车载硬件成本居高，但呈现快速下降趋势

企业在量产成本与安全性之间进行权衡，这是自动驾驶商业化落地的矛盾所在。参照Velodyne、华为等公司披露的方案，我们认为高级别自动驾驶主流的技术方案为：L3自动驾驶乘用车/商用车搭配1-3颗前向激光雷达，L4/L5自动驾驶乘用车/商用车搭配4颗激光雷达。L4自动驾驶的硬件设备还包括感知层的8-11台摄像头，12台超声波雷达，5-8台毫米波雷达，和GNSS/IMU定位系统等。

我们简单测算L2-L4级自动驾驶感知层的硬件成本，L2级的3600元左右跃升至目前L3级的22,000元左右，L4级则高达32,600元。

守得云开见月明，自动驾驶硬件成本有望快速下降。我们在《激光雷达2：车载激光雷达推动L3+自动驾驶，有望成为千亿元赛道》中指出，激光雷达价格下降将促进出货量提升，进一步带来规模效应促其成本下降。

结合草根调研，我们预计当前可量产激光雷达的平均价格约为$1,000，到2023年激光雷达单价有望下降至$500左右，远期L3成熟、L4/L5导入千万台量产时单台激光雷达成本将降至$100以内。

图表: 当前自动驾驶感知层硬件成本测算

资料来源：中金公司研究部

图表：激光雷达价格趋势

资料来源：Livox官网，中金公司研究部

趋势四：MCU供不应求，车载芯片厂商地位上升

2020年年底以来，全球范围内半导体供给短缺，汽车行业发生“芯片荒”。微控制器(MCU)是汽车控制安全的核心部件。据IHS Markit预测，2020-2026年汽车芯片收入将从380亿美元增长到676亿美元，复合年均增长率达到7%。

图表: 自动驾驶车载芯片厂商的产业链地位

资料来源：中金公司研究部

随着自动驾驶对高算力需求不断提升和向SoC芯片的进化，车载芯片厂商的产业链地位有望从传统Tier2转变为提供车载计算单元的Tier1。出于安全考虑，决策层需要配置2台车载计算平台(ADU)以提供冗余算力。目前每台车载计算单元ADU的售价在4-5万元左右，我们预计随着未来量产，单台ADU成本有望降至万元以下。

车辆驾驶的安全要求芯片具有较高的可靠性，IC厂商需要通过由汽车电子协会(AEC)制定的集成电路资格认证AEC-Q100，包括7大类别共41项测试，以及专门针对车用安全性标准ISO-26262中的汽车安全完整性等级ASIL认证，整个完整周期需要3-5年的时间，产生先发优势认证壁垒。

趋势五：车路协同降本增效，中国市场领先全球

智慧交通和V2X车路云协同技术有望带来路侧红利，分担大量的路况感知和数据运算。通过路侧辅助系统，降低车载自动驾驶系统的投入成本。通过在信号灯、路灯等路侧设施上安装路侧计算单元(RSCU)，5G传输低延时信号，实时分担车载计算。

图表：V2X车路云协同技术

资料来源：百度Apollo，华为，中金公司研究部

我们判断，中国高级别自动驾驶市场将领先全球。根据麦肯锡的调研结果，中国的消费者比北美和欧洲的消费者对自动驾驶有更加强烈的兴趣，中国消费者愿意为自动驾驶车辆支付更高的溢价，折合超3万元人民币。考虑到人口基数效应，我们预计，中国的自动驾驶市场前景将比欧美更加广阔。

场景先行，高级别自动驾驶商业化落地分析

我们对自动驾驶商业化落地持乐观态度。我们认为，L3级高速公路有条件自动驾驶、L4级自主代客泊车、矿区自动驾驶和无人末端配送将在2025年前落地，L4级无人Robotruck/ Robotaxi有望在2025-2030年开始商业化落地。

场景一：干线物流，Robotruck颠覆长途货运

货运行业供需矛盾将推动高速干线物流场景快速落地。需求方面， 2020年全国公路货运量342.64亿吨，占货运总量的比重高达73.93%。我们测算，2020年全国公路运输总费用约为6.1万亿元中，城际货运占比过半，潜在市场规模超3.3万亿元。

供给方面，长途货运的运输效率不高、有效里程偏低、货车司机不足。交通运输部数据显示，截至2018年底，我国营运货车1355.82万辆，连续五年下降;截至2019年5月，我国货车司机1800万，已经连续五年持续下降，总体缺口率为16.5%，部分地区达到20%以上。

图表: 城际货运行业规模测算

资料来源：国家发改委，嬴彻科技，中金公司研究部

我们认为，自动驾驶货车(Robotruck)商业模式清晰，有望超预期落地。Robotruck在长途物流运输时，可以将2名司机减少为1名，在短途运输时可以减少单个司机的工作量，为司机个人和货运企业带来显著的成本效益。

同时，人类驾驶员存在个体差异和行为波动，而Robotruck可以通过算法控制最优的油耗性能和安全距离。燃油成本占卡车TCO成本的三到四成，车企实验数据表明，自动驾驶系统可以控制油耗下降5%-10%。

图表：自动驾驶和人工驾驶货车的油耗与人力成本对比测算

资料来源：电动汽车百人会，嬴彻科技，中金公司研究部

图表：长途货车自动驾驶系统投资回收期测算

资料来源：中金公司研究部

由于长途货车配备2名及以上驾驶员，因此无需等待L4级技术完全成熟，L3级即可带来缩减单名驾驶员的成本优化。1)投资回收期：燃料费用和人力成本是卡车整个TCO中最大的两部分开销，按油费节省1.5-3万元，人工费用节省12万元计算，L3级自动驾驶的投资回收期仅为2年。2)毛利率：按3年摊销自动驾驶系统成本，即每年7万元左右，燃油费节省1.5万元/年，人力成本节省12万元/年，假设单车每年创收100万元，则能够带来6%以上的毛利率净增，这对于国内毛利率仅在10%左右竞争激烈的长途货运行业而言具有较大的吸引力。3)OTA升级：从L3级自动驾驶系统升级到L4级自动驾驶系统，无需重新购买硬件系统，只需进行OTA在线升级，长期成本可控。

图表：中国高级别自动驾驶卡车公司情况一览

资料来源：车百智库，公司官网及新闻，中金公司研究部

场景二：城市道路，Robotaxi重塑未来出行

自动驾驶出租车(Robotaxi)是由自动驾驶系统控制的共享出行方式。L4级Robotaxi的技术难点在于完全无人化下，自动驾驶系统对城市道路中海量Corner Case的有效识别和反应。V2X车路云协同技术有望帮助Robotaxi实现城市出行路径规划和安全驾驶。我们预计出租车公司采用自动驾驶系统的总成本将持续降低，到2025年将降至8,000美元左右(包括传感器、车载计算平台、软件等)，Robotaxi在2025年前后迎来成本拐点。

图表: 自动驾驶和人工驾驶出租车出行服务成本曲线

资料来源：McKinsey，中金公司研究部

图表：2030和2040年中国自动驾驶乘用车市场规模预测

资料来源：McKinsey，中金公司研究部

图表: 自动驾驶车辆占乘用车总路程比例测算

资料来源：McKinsey，中金公司研究部

图表：中国Robotaxi规模化运营落地一览

资料来源：盖世汽车，公司官网及新闻，中金公司研究部

场景三：AVP自主泊车，渐进式落地城市场景

自动驾驶在泊车场景呈现渐进衍化的趋势。高级别自动驾驶技术方面，L3级的远程遥感泊车辅助系统(RPA)和L4级的自主代客泊车(AVP)日趋成熟。我们认为，AVP有望率先实现高级别自动驾驶在城市场景的商业化落地。

图表: 自动驾驶泊车场景应用分类

资料来源：CSDN，纵目科技，中金公司研究部

图表: 国内外AVP厂商合作与落地进度一览

资料来源：车百智库，公司官网及新闻，中金公司研究部

高级别自动驾驶泊车商业模式清晰，市场增长潜力巨大。科技公司可通过出售AVP解决方案或C端收取运营费盈利，车企可从通过装载AVP系统吸引用户提高售价，停车场可通过场地改造及运营增加停车率，用户可通过AVP功能节省时间。

我们预计，中国2024年L3/L4级自动驾驶泊车系统新车装配率有望达到9%以上。国家统计局数据显示，截至2020年末，全国私人汽车保有量24,393万辆，比上年末增加1,758万辆。按全国每年私人汽车保有量净增2,000万辆计算，目前单套L3/L4级自主泊车系统价格在3000-5000元左右，中国AVP泊车潜在市场空间达800亿元。

图表: 中国泊车系统市场规模增长预测

资料来源：纵目科技，中金公司研究部

此外，记忆式泊车(Trained Parking)有望加速高级别自动驾驶落地。2020年小鹏P7推出了“停车场记忆泊车”功能。人类驾驶员第一次手动驾驶演示路线和操作，自动驾驶系统根据360度全景摄像头生成周边精确环境，下一次使用记忆泊车功能时，汽车通过比对周围环境，自主完成泊车。记忆式泊车技术可应用于重复性较高的标准化场景，比如家庭车库泊车、单位车库泊车等，有望率先铺开落地。

场景四：无人末端配送，实现最后一公里闭环

无人末端配送有望利用高级别自动驾驶技术，快速落地封闭小区、企业园区等低速、确定性场景，带来成本和效率的优化。1)无人配送车不存在上路牌照问题：速度符合《道路交通安全法》规定的非机动车标准;2)无人配送车成本可控：传感器探测距离短、配置低，数据融合所需计算量较少，对芯片、计算平台要求低;3)无人配送车不需要安全员：未来运维人员与车辆可达1：20，可有效降低人力成本。

2020年新冠疫情大大加速了无人驾驶末端配送的落地。京东(09618)、美团(03690)、百度(09888)、菜鸟、行深智能等开启外卖、餐饮、快递、邮政等无人配送，新石器、白犀牛参与了武汉雷神山等医院的医疗和生活物资配送。我们预计，2020-2022年期间无人配送车开始规模化落地，规模量产后整车成本可降至15万元以下。

假设需要15%的运维费用，按每辆无人配送车使用寿命3年计算，则摊销到每月成本约为4792元，显著低于快递员平均薪酬水平(6281元)。伴随着硬件成本降低和人力成本升高趋势，无人末端配送已具备商业量产可行性，据艾瑞咨询测算，2020年我国“最后一公里”即时物流行业市场规模达1,700亿元。

图表: 中国无人末端配送初创企业产品落地情况

资料来源：车百智库，各公司官网及新闻，中金公司研究部

场景五：矿区自动驾驶，刚需迫切模式成熟

我们认为，露天矿藏有望成为高级别自动驾驶在矿区落地的先行场景。封闭确定的环境、固定的运输路线、低速的行驶要求，使得无人驾驶落地难度较低。矿用车是露天矿的运输环节中最主要的设备，可分为大型矿用卡车和宽体自卸车。

自动驾驶系统可通过矿用机械无人化改装和矿区无人开采运输两种方式落地。大型矿用卡车多为国有，吨位大售价高，对价格敏感性较低，可以通过前装、改装以及平台运营方式计费。我们测算，中国大型矿卡存量改装市场约675亿元，平台运营按15年累计摊销达1,500亿元，宽体自卸车改装市场达1,520亿元，无人开采运输市场达3,000亿元，无人驾驶在矿区场景落地的总市场规模达近6,700亿元。

图表：无人驾驶矿区场景市场规模测算

资料来源：自然资源部，汉能研究，踏歌智行，中金公司研究部

矿区自动驾驶商业模式成熟。国外矿区公司早在20年前就开始探索自动化改造。另一方面，我国公司具备本土垄断优势。矿藏的属性特殊，地形、产量、品质等属于国家保密信息，具有国企垄断性质。我们认为，国外公司很难进入中国市场，因此本土矿区自动驾驶公司具备足够的成长时间空间。

图表：国内矿区自动驾驶公司情况一览

资料来源：自然资源部，汉能研究，踏歌智行，中金公司研究部

(智通财经编辑：李均柃)