上一篇，我们聊过了汽车智能座舱，接下来，华叔继续补坑，将智能驾驶补全，首先要知道什么是智能驾驶？

智能驾驶从目前的L2到未来的L4或者L5级别，目前L2、L3还需要人工干预驾驶，并不可能做到手、眼完全放开的阶段。到了L4/L5甚至不用驾驶者，汽车会按照规定了路线行驶，完全无需驾驶者介入。

目前自动驾驶有从L0~L4/L5，美国有两种不同划分标准，美国公路交通安全管理局( NHTSA )将自动驾驶划分为L0-L4，美国汽车工程师协会(SAE)将自动驾驶技术分为L0~L5。

无论终点是L4，还是L5，L3都是技术的分水岭，主要体现在系统对车辆动态驾驶任务的完全接管，驾驶员可实现“脱手、脱脚、脱眼”，系统足够智能当发现驾驶环境不满足系统设计范围时，可留给驾驶员足够的时间对车辆驾驶任务进行接管。

中国版智能驾驶分级于2020年3月9日由工信部发布。对比中美两版标准，区别主要体现在L0-L2的部分界定。而中国版的智能驾驶最高等级也是L5，从中国版的L3~L5对比美国版的没太大区别。

所以，目前的L2只能称作辅助驾驶，并非是真正意义上的自动驾驶。

要实现真正的自动驾驶不能只靠车辆自身的智能化，还需要车路协同运行。

车辆智能化：依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器进行环境感知、计算决策和控制执行。

车路协同：要在车辆智能化的基础上，通过车联网将「人-车-路-云(网络)」等交通要素邮寄联系在一起，这样更有效拓展和辅助自动驾驶探知环境、计算决策、控制执行等方面的能力提升。

如何有效通过感知端精准获取信息，是能否做出正确判断和操作的前提，因而伴随自动驾驶技术的进步，对于前端感知要求将不断提升。

这就是摄像头、毫米波雷达、激光雷达等感知设备的重要性。

感知层包括：激光雷达、摄像头、毫米波雷达、超声波雷达、高精度底图、路测设备运营商、其他方式。

决策层就是执行层的大脑，负责从收集到的信息进行计算分析，最后给出判断决策，这就是芯片和算法加持产生的最终决策。

执行层就是对车辆的控制，转向、油门、刹车、档位、灯光等。

无论是摄像头、毫米波雷达、超声波传感器、红外传感器，还是价值贵高的激光雷达，它们都不可能独自负责感知层的信息收集，原因各自有各自的优缺点、测距精度也有不同，属于互为弥补的作用。

从价值来看，激光雷达 ＞ 红外传感器 ＞ 毫米波雷达 ＞ 车载摄像头 ＞ 超声波传感器

而且在不同阶段，所使用感知层的设备都有不同，BOM成本也是变化很大。

拆解单车高阶自动驾驶方案(L2+及以上)硬件方案，处于BOM成本前三的硬件分别是：

L2+自动驾驶方案：自动驾驶芯片/域控制器、车载摄像头、毫米波雷达及超声波雷达

L3自动驾驶方案：激光雷达、车载摄像头、自动驾驶芯片/域控制器

L4自动驾驶方案：自动驾驶芯片/域控制器、激光雷达、车载摄像头 【注：L3~L4级别自动驾驶芯片/域控制器的算力、软件控制算法设计复杂程度等将显著提升，具有较为明显的增量】

决策层(自动驾驶芯片、域控制器)与感知层(车载摄像头、激光雷达等)在自动驾驶产业链硬件中价值量最高，且随自动驾驶提别提升，价值量呈翻倍式增长。

硬件是自动驾驶落地的先决条件，在“硬件预埋”的趋势下，深耕决策层与感知层的Tier1(一级供应商)及Tier2(二级供应商)厂商将步入量价齐升阶段。

Tips：

硬件预埋，其实你可以理解为汽车的硬件不赚钱，是靠付费解锁软件方式赚钱，以一辆合创007 TO版本为例，它的单车辆总成本为300024元，而该款车型的官方售价为30.30万元，其硬件的利润率确实仅有0.98%。

特斯拉早早启动了“预埋硬件+付费解锁软件”的模式，自2016年10月起，特斯拉所有出厂车型都预埋了AutoPilot硬件，用户可以根据自身需求来选择是否开启。如今特斯拉已构建了FSD付费、OTA付费升级、高级车联网3大软件付费模式，并卓有成效。近两年来，蔚来、小鹏等造车新势力，以及宝马等传统车企也开始尝试。

你想用更高级的功能，麻烦乖乖付费，不同车厂收费不同，这里就不展开说了，反正至少要花个大几万才能享受到目前的辅助驾驶功能。

下面我就聊聊自动驾驶产业链的AI芯片、激光雷达、摄像头、毫米波雷达、超声波雷达这几个重点环节。

『AI芯片』

其实在自动驾驶领域，芯片只是基础，也可以说是敲门砖，没有算法的加持，芯片只是一个空盒子。所以芯片供应商不停留在芯片本身，而是向软件层逐步延伸，例如：

英伟达与高通提供自动驾驶计算平台及基础软件，不提供应用层算法。

华为提供从芯片 → 算法 → 传感器的全栈式解决方案。

Mobileye与地平线类似，主要为芯片+感知算法。

技术趋势上来看，芯片主要向着大算力、低功耗和高制程三个方向发展，芯片类型上， ASIC 专用集成电路芯片有望成为主流。

英伟达及 Mobileye凭借先发优势及强大技术能力，在自动驾驶发展初期占得先机，但 Mobileye开放程度较低且高算力芯片推出时间相对较晚，在下一代自动驾驶平台方面，英伟达占据优势。

高通作为新入局者有望凭借智能座舱领域经验，及同手机芯片共线生产带来的成本优势后 来居上，但介入较晚，短期突破难度大。

华为、地平线、黑芝麻等有望依托本土化带来的快速反应能力，抢占一定市场，同时芯片技术的快速迭代也为自主品牌带来一定机会，但短期可能受限于芯片代工能力。

『高精度地图』

高精度地图是自动驾驶的千里眼，底图采集方式有两种，集中采集(基于专业采集车)和众包采 集 ( 车端基于实际感知同高精地图对比，信息不匹配时上传平台)。

政府要求高精地图测绘必须具有相应资质，目前全国范围内仅有28家，进入壁垒较高，主要市场份额为百度、四维图新、高德等企业占据。

『自动驾驶域控制器』

智能座舱跟PC电脑类似，域控制器其实就是智能座舱的主机，内部运行操作系统、应用层软件，中间件则作为系统及应用层软件桥梁，车载信息娱乐系统(IVI)、液晶仪表、抬头显示系统(HUD)等则对应屏幕 、 鼠标等外设。

相较智能驾驶，智能座舱实现难度更低且性价比更高，同时受益消费者对于汽车舒适性、安全性诉求的日益增长，以及消费电子产品应用场景的逐步迁移，短期有望迎更快渗透，通过硬件、人机交互系统及软件集成整合发展。

自动驾驶域控制器主要是主机厂主动，一级供应商赋能——

主机厂：以特斯拉、小鹏、蔚来、理想等为代表的主机厂宣布自研，旨在掌握软件定义汽车下底层的硬件自主权。

海外Tier1：以博世、采埃孚、大陆等为代表的系统集成商，纷纷组建规模庞大的软件研发团队加快转型步伐。在系统集成、客户群等方面有较强积累。

自动驾驶域控软件平台厂商：以TTTech、创时智驾等厂商以软件中间件切入，打造通用和模块化平台，充分赋能主机厂。

自主Tier1：以华为、 德赛西威、华阳集团、航盛电子、东软、经纬恒润、福瑞泰克等厂商为代表，在自研自动驾驶域控制器的同时，构建软硬件一体的自动驾驶全栈解决方案，与主机厂深度合作，为其提供灵活配置的自动驾驶系统。

『车载摄像头』

终于到了重点环节的车载摄像头，它们的作用是识别、定位、追踪车辆周围物体，收集车辆周围数据，为汽车自动驾驶系统提供可识别的数字图像信息。

车载摄像头按照安装位置不同分为前视、侧试和后视摄像头，按照镜头个数分为单目、双目和多目摄像头。

其实，你可以理解，车载摄像头就好像智能手机发展，随着自动驾驶的需求提升， 单车摄像头数量就不断增加。如前视摄像头从最初一个单目逐渐升级到双目、三目以及多目。根据IHSMarkit数据，2020年平均单车传感器数量仅3.3个，预计2030年将超过11个。

规格提升：随自动驾驶级别提升及芯片算力升级，摄像头像素从最初30万升级到800万，参照智能手机升级趋势仍有较大提升空间。

载摄像头头部厂商主要包括松下、法雷奥、富士通、大陆、麦格纳等，2018年行业前三占 41%份额。自主方面，舜宇光学、欧菲光等手机摄像头封装领域市占率较高的厂商正凭借其消费电子领域工艺积累进入车载市场。

核心器件图像传感器CIS头部厂商多为海外企业，索尼一家独大，2019年全球市场份额达 39.1%，国内企业如韦尔股份通过收购豪威科技加入竞争，格科微已占据一席之地，其他本土CIS厂商整体规模小，技术相对落后，短期技术突破难度较大。

由于传统Tier1厂商与主机厂存在强绑定关系，在车载摄像头领域市占率较高，如电装、博世、安波福、科士达、松下等占据绝大部分份额。但智能汽车时代，在特斯拉等新势力带领下，供应链边界逐渐模糊。

舜宇光学自2018年开始切入车载摄像头模组领域，联创电子8M车载摄像头模组去年年底供货蔚来ET7。国内摄像头厂商替代传统Tier1模组厂商空间广阔。

车载镜头主要的代表企业有舜宇光学科技、联创电子、丘钛微、永新光学、宇瞳光学。在智能驾驶的快速渗透下，车载镜头行业技 术更新迭代速度加快，应用场景更加多样化，各企业积极布局车载摄像头，加强市场开拓，进一步增强市场竞争力。

假设2025年全球及中国新能源汽车渗透率分别为20%、25%，则预计全球及中国新能源车销量分别1381.5、638.9万辆，2021~2025年复合增速达36%。

而新能源车也是驱动车载摄像头的重要发展逻辑，预计今年新能源车增速有望达到40%，不过，新能源车补贴至2023年到期，预计2023~2025年新能源车增速会放缓至35%，2025 年新能源汽车销量有望达到880万辆，而全球则达到2100万辆。

车载摄像头上游分别是：镜头组(10%份额)、滤光片(1%)、CIS(22%)、模组(20%)、系统集成(30%)、数字处理芯片(10%)。

这里核心技术壁垒环节在镜头组、CIS，但模组、系统集成的成本份额占据很高，有些车企会跳过Tier1直接联系CIS模组或者镜头组厂商，让他们一起负责模组环节，这样可以降低他们的造车成本，而对于CIS模组、镜头组来说，即使他们未必能提升20~30%份额利润，但对于他们盈利帮助来说，能在这利润还可以吃下下游份额能力的，只有舜宇光学和联创电子、韦尔股份，舜宇光学强项在玻璃镜片、联创强项在玻塑镜片，韦尔属于摄像头核心地位，由于有CIS制造优势，只要找舜宇和联创拿镜头，就可以组成摄像头模组，难度并不高。

2020年车载镜头份额，舜宇(份额30%)第一，联创电子、宇瞳光学均积极布局车载镜头领域，目前市占率较低，不过，联创在玻塑方面是强项，玻塑镜头良率大幅优于其他厂商，如果能进一步提升良率，降低成本，可以取代塑料镜片的份额。（玻璃镜头主要用在车头前方的镜头，而玻塑用于车尾的镜头）

CIS方面，韦尔股份车载CIS芯片市占率29%排名全球第二。根据 TSR，2019 年在汽车成像和感知摄像头领域韦尔分别占据 20%和 6%的市场份额，仅次于安森美(成像CIS份额62%、感知CIS份额80.8%)。

『激光雷达』

相比于摄像头、毫米波雷达，激光雷达兼具测距远、角度分辨率优、受环境光照影响小等特点，可显著提升自动驾驶系统可靠性，是解决自动驾驶连续体验的关键传感器，被大多数整车厂、Tier1认为是L3及以上自动驾驶的必需品。

从下图可以看出，超声波雷达、摄像头、激光雷达、毫米波雷达其实是互补的，每一个设备能满足所有环境的探测需求，所以必须要安装多个设备满足需求。

2020年底开始，多车企(如北汽、小鹏、长城、沃尔沃等)宣布将搭载激光雷达，搭载车型预计2021年底至2022年初上市，规模化应用有助于激光雷达成本进一步降低，行业整体处于前装量产前夜。

激光雷达有3大类扫描方式：

主要包含机械式：就是将几十、甚至上百组激光收发器安装到激光雷达上，让传感器360°旋转从而获取周边的道路信息，但这个技术由于使用太多激光收发器，成本无法压缩，而且放在车顶的激光雷达不仅影响美观，增加风阻，同时不断转动的结构，也很难再严苛的车规级验证中幸存下来，机械式激光雷达只能应用在实验性质的测试车上。

固态：由于机械式激光雷达不适合道理行驶要求，纯固态激光雷达就应运而生，这种无任何机械运动部件，包括Flash、OPA：

纯固态机关雷达主要应用是Flash技术，它不再是一道激光来回扫描得到点云，而是像拍照一样，向前方一个区域射出一片发散的激光，成本和车规验证都没问题，但功率有限，探测距离变得很短，并且成像精度也不够高，所以在一些低俗自动驾驶小车上足够实用，但高速的乘用车就明显不够用了。

另一种八法就是OPA光学相控阵技术，大家应该都听过军舰、战机等实用的相控阵雷达，光和电磁波都具有波的特性，利用波之间的干涉，不需要任何活动的机械结构，相控阵技术就能让电磁波或激光实现扫描的效果，但相控阵之所以在军事领域发光发热，一个是足够技术先进，另一个就是价格高昂限制了在民用市场的普及。OPA光学相控阵激光雷达价格不菲，并且量产难度很高，离实际民用还有一段距离。

为了降低成本，又能符合车规级的要求，半固态激光雷达就诞生了，也就是混合式固态激光雷达。

半固态（包括转镜、二维转镜、MEMS）：它是将收发模块静止固定，在模组前方放置了两面镜子，通过转动镜子将激光反射出来，实现扫描的效果，虽然只能扫描前方一定角度的道路信息，但已经满足自动驾驶最重要的需求。同时，可以布置多组激光雷达，实现车辆360°全方位的扫描，这就是转镜激光雷达。

在转镜激光雷达的基础上，增加了俯仰的转动，这样一条激光就可以扫描多个平面，也被成为二维转镜激光雷达，华为使用的就是二维转镜激光雷达，所以并非是使用了96组激光首发模组，但通过镜面配合可以扫描96个平面，最终实现效果就是等效96线。

MEMS微振镜激光雷达：而另一种做法，就是将镜面缩小，变成一个个很小的小镜片，通过小镜片的振动，同样可以实现多行扫描的效果，功耗和体积还能进一步缩小，这就是MEMS微振镜激光雷达。

另外，大疆览沃(大疆旗下子公司)是采用另一个方案——棱镜，将两个有斜面的柱状镜头组合，可以利用光的折射控制激光的扫描方向，最终扫描出一个花瓣状的区域，调整两个棱镜的转速，就能控制扫描的区域，理论上扫描的时间足够久，棱镜激光雷达就可以扫描出前方每一个点的距离。

小鹏P5就是配备了两颗大疆车规激光雷达，在0.1秒的时间内，两颗棱镜激光雷达的扫描效果与144线机械式激光雷达接近，由于棱镜激光雷达扫描区域中央点云密集，而边缘会相对稀疏，并且控制棱镜转动是难度较高的工艺，目前仅大疆实现棱镜激光雷达的量产。

机械式激光雷达此前已广泛应用，但主要应用于L4~L5无人驾驶领域，受限车规、成本、 外形等问题难以适用于L2~L3，半固态(MEMS、旋转镜、棱镜)现阶段最具备前装量产应用条件，但中长期来看，全固态潜力巨大。

从成本上对比，全固态激光雷达 ＞ 机械式激光雷达 ＞ 半固态

所以，半固态激光雷达无论在成本上，或者车规级要求上更能满足市场需求。

激光雷达行业总体呈现传统一级供应商与初创公司共同竞争的特点，参与主体主要包括美国 Velodyne、 Luminar、Aeva、Ouster，以色列Innoviz，德国Ibeo以及国内速腾聚创、镭神智能等。技术能力上，国内厂商与海外差距较小，基本处于同一起跑线，赛道层面机会绝佳，但对技术路线选择的容错率较低，短期更多关注点应聚焦于前装量产定点获取。

激光雷达的高成本影响了激光雷达量产规模和智能汽车搭载进度，激光雷达芯片化采用成熟的半导体工艺(如CMOS工艺)，具有体积小、集成度高等优势，可成为激光雷达大规模量产和降本的重要发展方向。

激光雷达芯片化3大发力点：

1、发射端(激光器)

2、接收端(探测器)

2、数据处理端

VCSEL和SPAD是激光雷达降本提效以及芯片化升级的关键。

长光华芯(VCSEL芯片设计公司，华为战投，拟通过发行上市募集资金13.48亿元，其中3.05亿元用于VCSEL及光通信激光芯片项目)

纵慧芯光(VCSEL芯片设计公司，华为战投，中国第一家拥有自主知识产权的VCSEL芯片公司)

南京芯视界(SPAD芯片设计公司，华为战投，产品包括单光子雪崩二极管SPAD芯片，公司2019年初联合北汽新能源在硅谷成立自动驾驶联合实验室，研发以固态激光雷达为核心的下一代多传感器融合自动驾驶系统)。

激光雷达国内外厂商主要有：

1、国外：法雷奥、Luminar、大陆、Velodyne、Ouster等。

2、国内：速腾聚创、大疆、华为、禾赛科技和图达通等。

根据Yole Developement发布《2021年汽车与工业领域激光雷达应用报告》，法雷奥市场占比最高，达到了28%，中国有5家企业跻身前5位，分别是速腾聚创、大疆、华为、禾赛科技和图达通，市场占有率分别为10%、 7%、 3%、3%、3%，其中速腾聚创以10%排名第二。

『毫米波雷达』

毫米波雷达是通过电磁波束对于目标进行探测，可以全天候为智能汽车提供环境感知。在自动驾驶中，毫米波雷达具有紧急刹车、行人检测、碰撞警告、变道辅助系统、自动泊车、自适应巡航等功能。

毫米波雷达优势：

1、集成度高，受外界环境影响小

2、测量精度高，抗干扰能力强

3、性价比较高

汽车领域的毫米波雷达主要有三类：远距LRR、中距MRR、近距SRR。

车载毫米波雷达在国内仍属于起步阶段，全球市场被海外巨头垄断。

2018年全球毫米波雷达市场出货量前3位是博世、大陆和海拉，市场出货率占比分别为19%、16%和12%。

竞争格局传统Tier1主导，自主加速国产替代。全球毫米波雷达市场主要为博世、大陆、海拉等传统Tier1占据，国内如德赛西威、华域汽车、保隆科技亦有布局，但海外厂商仍占据国内外市场主导地位。

2014~2016年，国内涌现大批毫米波雷达初创企业和相关上市企业，就产品指标而言，国产毫米波雷达与竞品相比无太大差别，均满足车规级要求，但在信噪比、探测精度、良品率等方面仍有一定差异，长期来看存较大进口替代空间。

国内少数企业关于24GHz雷达的研发已有成果，我国在77GHz毫米波雷达方面仍属于初级阶段。近几年国内创新创业厂商逐渐增长，并实现了部分核心技术的突破，如德赛西威、华域汽车、集眼科技、智波科技、森思泰克、衰米波技术、意行半导体、清能华波、矽杰微电子、加特兰微电子等。

『超声波雷达』

超声波雷达是技术成熟，应用广泛，性价比绝佳。超声波雷达是一款极其常见的车载传感 器，是汽车驻车或者倒车时的安全辅助装置，能以声音或者更为直观的显示器告知驾驶员周围障碍物的情况。一般安装在汽车前后保险杠上和汽车侧面，泊车辅助系统通常使用6~12个超声波雷达，在所有辅助驾驶传感器中成本最低，单价大致在15~20美元之间。

超声波雷达行业的主要参与者分为国际Tier1 、国内Tier1以及初创公司。由于超声波雷达技术较为成熟，故国内外玩家之间的差距主要在于传感器实现上的稳定性和可靠性，但整体差异较小。

『车载存储』

车载储存主要用于智能座舱和自动驾驶两大场景，主要有DRAM和NAND两种，简单来说就像PC电脑的内存和硬盘，DRAM就是内存，NAND就是硬盘。

随自动驾驶等级提高，对存储容量要求提高的同时，带宽与能耗也是考量存储芯片的重要因素，存储芯片价值提升显著。以英伟达自动驾驶平台Drive AGX Pegasus为例，存储芯片价值量超过810元，占自动驾驶平台BOM比重超过13.3%。

车载存储准入门槛较高，行业竞争格局有望洗牌。由于汽车产品直接关乎生命安全，其对存储设备的功耗、可靠性、安全性、品质和极端气候耐受性等都有更严苛的要求，这在无形之中也提高了企业进入这一领域的准入“门槛”。

北京君正并购ISSI卡位车载存储黄金赛道。

『总结』

好了，今天文章写得比较长，由于自动驾驶涉及的环节太多，好像激光雷达这领域是全新赛道，又是自动驾驶中成本占比较高的环节，需要比之前花更多的墨水去让大家了解，只要了解技术层面才能认准哪条技术赛道最好。

如果按照目前的受益面来看：

激光雷达 ＞ 车载摄像头 ＞ AI芯片 ＞ 域控制器 ＞ 车载存储 ＞ 毫米波雷达 ＞ 算法软件端 ＞ 超声波雷达 ＞ 高精度地图