電子-AI大模型如何加速無人駕駛發(fā)展

1告華泰研究“無人駕駛”看上去很美，但一直很難落告華泰研究“無人駕駛”看上去很美，但一直很難落地“無人駕駛”是最早被提出的人工智能應(yīng)用場(chǎng)景之一，谷歌，蘋果，特斯拉，百度等海內(nèi)外科技巨頭從2016開始就積極布局，但直到現(xiàn)在一直還很難實(shí)現(xiàn)大規(guī)模商用落地。我們認(rèn)為，1)多維度數(shù)據(jù)的獲取和標(biāo)注成本高，2)對(duì)小概率事件的決策準(zhǔn)確度和人類還存在較大差距，3)事故時(shí)法律權(quán)責(zé)歸屬不明確，是制約其發(fā)展的一部分問題。我們認(rèn)為，以ChatGPT和SAM為代表的大模型的出現(xiàn)，將要改變智能駕駛在內(nèi)所有行業(yè)的工作范式，我們從數(shù)據(jù)，算法，算力等角度初步探討其中一些發(fā)展機(jī)會(huì)。數(shù)據(jù)：大模型提升數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注的效率海量的數(shù)據(jù)是智能駕駛/無人駕駛的基礎(chǔ)。通過這幾年發(fā)展，現(xiàn)在一臺(tái)L2+級(jí)別智能電動(dòng)車通常能夠采集多10+顆攝像頭，1-2顆激光雷達(dá)，3-5顆毫米波雷達(dá)的多維度數(shù)據(jù)，數(shù)據(jù)經(jīng)過標(biāo)注之后，用于訓(xùn)練模型。大模型的出現(xiàn)，首先能夠1)構(gòu)建虛擬場(chǎng)景人工生成數(shù)據(jù)，補(bǔ)充現(xiàn)實(shí)中難以獲得/數(shù)據(jù)1Oct-22Feb-23Jun-23風(fēng)險(xiǎn)提示：智能駕駛滲透率不及預(yù)期；新產(chǎn)品迭代速度不及預(yù)期。本研報(bào)中涉及到未上市公司或未覆蓋個(gè)股內(nèi)容，均系對(duì)其客觀公開信息的整理，并不代表本研究團(tuán)隊(duì)對(duì)該公司、該股票的推薦或覆蓋。AI大模型如何加速無人駕駛發(fā)展增持(維持)研究員SACNo.S0570521050001SFCNo.AUZ066研究員SACNo.S0570521070004SFCNo.BPH392聯(lián)系人SACNo.S0570121090024SFCNo.BSF274聯(lián)系人SACNo.S0570122010047SFCNo.BTP481聯(lián)系人SACNo.S0570122080264leping.huang@+(852)36586000chenxudong@+(86)2128972228zhangyu@+(86)1063211166guochunxing@+(86)2128972228tangshihe@+(86)2128972228量不足的情形。特斯拉量不足的情形。特斯拉FSD的虛擬仿真，英偉達(dá)的Omniverse都是其中的代表。2)數(shù)據(jù)標(biāo)注是非常費(fèi)時(shí)費(fèi)人的工作，以Meta的SAM為代表的圖像分割大模型的出現(xiàn)可大幅降低數(shù)據(jù)標(biāo)注的成本。算法：大模型提升感知準(zhǔn)確度，影子模型學(xué)習(xí)人類駕駛習(xí)慣智能駕駛算法主要包括1)感知(識(shí)別道路和道路上物體)，2)預(yù)測(cè)(預(yù)測(cè)周圍車輛和行人的行為)，3)決策(控制車輛速度方向等行動(dòng))。特斯拉、新勢(shì)力等主要企業(yè)從幾年前開始采用基于Transformer的大模型等新技術(shù)，1)提高道路、物體的識(shí)別精準(zhǔn)度；2)學(xué)習(xí)人類的駕駛習(xí)慣(影子模式)，3)縮短決策所需要的時(shí)間，從而訓(xùn)練模型更加“擬人”。子滬深子(%)(8)(17)Jun-22智能駕駛產(chǎn)業(yè)鏈：國(guó)產(chǎn)替代趨勢(shì)顯著受益于智能駕駛本土化的客觀需求、產(chǎn)業(yè)鏈各環(huán)節(jié)國(guó)內(nèi)供應(yīng)商產(chǎn)品性能的提升與下游自主品牌的崛起，零部件國(guó)產(chǎn)替代趨勢(shì)顯著。受益于智能駕駛本土化的客觀需求、產(chǎn)業(yè)鏈各環(huán)節(jié)國(guó)內(nèi)供應(yīng)商產(chǎn)品性能的提升與下游自主品牌的崛起，零部件國(guó)產(chǎn)替代趨勢(shì)顯著。1)芯片：國(guó)內(nèi)玩家地平線、黑芝麻等與海外大廠的差距逐漸縮小，本土化服務(wù)能力更強(qiáng)。2)域控制器及解決方案：國(guó)內(nèi)玩家德賽西威、經(jīng)緯恒潤(rùn)、縱目科技、知行科技等均已規(guī)?；宪?，技術(shù)成熟度不斷提升。3)激光雷達(dá)：國(guó)產(chǎn)供應(yīng)商禾賽、圖達(dá)通、速騰等在量產(chǎn)節(jié)奏更快。4)4D毫米波：國(guó)內(nèi)玩家有行易道、森思泰克等雷達(dá)廠商以及加特蘭(MMIC芯片)等芯片公司。5)高速連接器：羅森伯格技術(shù)積淀深厚，電連技術(shù)、瑞可達(dá)等加速追趕。AI大模型加速無人駕駛發(fā)展 5模型：大模型如何賦能智能駕駛？ 7數(shù)據(jù)：虛擬仿真、影子模式、自動(dòng)標(biāo)注引入將優(yōu)化信息采集、處理能力 7數(shù)據(jù)來源：通過仿真模擬，對(duì)cornercase進(jìn)行大規(guī)模訓(xùn)練 8數(shù)據(jù)標(biāo)注：通過自動(dòng)標(biāo)注優(yōu)化系統(tǒng)效率，降低標(biāo)注成本 8法：優(yōu)化感知-決策-執(zhí)行三階段 9感知層面：OccupancyNetwork、3D建模 9預(yù)測(cè)層面：道路拓?fù)潢P(guān)系預(yù)測(cè)、障礙物預(yù)測(cè) 11決策層面：車端算力升級(jí)、模型計(jì)算效率優(yōu)化，決策更加智能 12力：車端/云端算力升級(jí)與國(guó)產(chǎn)化 13車端：高性能芯片國(guó)產(chǎn)替代趨勢(shì)顯著 13云端：基礎(chǔ)設(shè)施算力升級(jí)加速算法迭代 15 車載芯片：地平線，黑芝麻智能，芯馳科技，芯擎科技，旗芯微 19：行業(yè)領(lǐng)先的高效能智能駕駛計(jì)算方案提供商 19黑芝麻智能：車規(guī)級(jí)自動(dòng)駕駛計(jì)算芯片和平臺(tái)研發(fā)企業(yè) 19芯馳科技：未來出行的探索者和創(chuàng)新者 20芯擎科技：國(guó)內(nèi)汽車智能座艙芯片領(lǐng)軍企業(yè) 20 柏川數(shù)據(jù)：人工智能數(shù)據(jù)服務(wù)領(lǐng)域頭部服務(wù)商 22域控及解決方案：德賽西威，經(jīng)緯恒潤(rùn)，縱目，知行，魔視，宏景 22 縱目科技：領(lǐng)先的智能駕駛產(chǎn)品及技術(shù)供應(yīng)商 26知行科技：國(guó)內(nèi)領(lǐng)先的自動(dòng)駕駛域控制器提供商 26魔視智能：嵌入式人工智能自動(dòng)駕駛賦能者 27宏景智駕：全棧式自動(dòng)駕駛解決方案服務(wù)商 27接器：電連技術(shù)，瑞可達(dá) 28 龍頭，配套客戶切入高速連接器 324D毫米波雷達(dá)：加特蘭，森思泰克，行易道 32 森思泰克：國(guó)產(chǎn)毫米波雷達(dá)品牌“小巨人”企業(yè) 35行易道：聚焦高端車載成像雷達(dá)，自研技術(shù)助4D雷達(dá)實(shí)現(xiàn)行業(yè)領(lǐng)先 35 禾賽科技：全球領(lǐng)先的激光雷達(dá)制造商 38速騰聚創(chuàng)：激光雷達(dá)硬件、感知軟件與芯片三大核心技術(shù)閉環(huán) 38 探維科技：新一代固態(tài)掃描激光雷達(dá)技術(shù)方案和ALS平臺(tái)技術(shù) 39靈明光子:dToF傳感芯片和系統(tǒng)解決方案提供商 40AR-HUD：澤景科技，未來黑科技 40澤景科技：國(guó)內(nèi)領(lǐng)先的車內(nèi)視覺解決方案供應(yīng)商 42未來黑科技：搭建虛擬與現(xiàn)實(shí)世界的溝通橋梁 43 圖表11：占用網(wǎng)絡(luò)對(duì)雙節(jié)公車動(dòng)態(tài)(藍(lán)色)靜態(tài)(紅色)的精確識(shí)別 10 2 7 圖表27：主流高級(jí)別輔助駕駛汽車BOM成本-價(jià)值量(元) 18 D 圖表60：高速連接器單車價(jià)值與智能座艙(續(xù)) 30 圖表74：汽車毫米波雷達(dá)的前向雷達(dá)應(yīng)用(自適應(yīng)巡航(ACC)) 36 HUD 1：VID(VirtualImageDistance)虛擬畫面結(jié)合光場(chǎng)AR顯示技術(shù) 43 AI大模型加速無人駕駛發(fā)展AI+自動(dòng)駕駛并非全新的概念。特斯拉、新勢(shì)力等頭部玩家已使用基于Transformer的模型進(jìn)行感知與決策。目前LCC等L2級(jí)別的輔助駕駛功能逐漸標(biāo)配化，NOA等高級(jí)別輔助駕駛功能模型成熟度不斷提高，市場(chǎng)領(lǐng)先者的測(cè)試版逐漸落地。1.AI大模型的引入(自動(dòng)標(biāo)注、感知預(yù)測(cè)算法的快速迭代)，從行業(yè)整體層面可以加速高級(jí)別輔助駕駛的量產(chǎn)落地。頭部玩家在部分城市的NOA測(cè)試版本跑通后，0-1的經(jīng)驗(yàn)有望快速?gòu)?fù)制推廣到全國(guó)。2.智能駕駛板塊后發(fā)者借助產(chǎn)業(yè)鏈優(yōu)勢(shì)(云端算力中心、通用開源模型的適配)與先發(fā)者在數(shù)據(jù)積累、模型迭代中的差距有望進(jìn)一步縮小。3.受益于智能駕駛本土化的客觀需求、產(chǎn)業(yè)鏈各環(huán)節(jié)國(guó)內(nèi)供應(yīng)商產(chǎn)品性能的提升與下游自主品牌的崛起，零部件國(guó)產(chǎn)替代趨勢(shì)顯著。本文，我們將首先從數(shù)據(jù)、算法、算力三個(gè)維度進(jìn)行分析，回答兩個(gè)問題：1)AI+自動(dòng)駕駛發(fā)展到了哪個(gè)階段？2)AI+自動(dòng)駕駛還有哪些想象空間？PerceptionPerception感知Prediction預(yù)測(cè)高精度地圖審批問題Planning執(zhí)行基本單基本單元(二維)Voxel(三維)道道路語義信息連接信息導(dǎo)航地圖(低精度)(數(shù)據(jù)安全)視覺/雷達(dá)信息(Transformer)感知模型感知模型圖模型OccupancyNetwork型autopilotoflanes2Dautopilotoflanes邏邏輯Rulebase設(shè)立If規(guī)則InteractionSearch交互搜索(高速NOA、LCC)(城市NOA)效率querybase(1-5ms/輪)(100μs/輪)數(shù)數(shù)據(jù)標(biāo)注人工標(biāo)注(bondingbox)Autolabeling33D重建物物體優(yōu)化駕駛員決策駕駛員決策+影子模式+虛擬仿真eRFs資料來源：公司公告，華泰研究其次，我們通過對(duì)高級(jí)別輔助駕駛功能落地時(shí)間表、BOM成本的研究，展望未來3-5年AI賦能智能駕駛?cè)绾沃厮艹鲂蟹绞?。我們認(rèn)為今年或是城市NOA普及的元年。我們測(cè)算當(dāng)前旗艦車型高級(jí)別輔助駕駛BOM成本為1.4萬元。我們預(yù)測(cè)2023-2030年高級(jí)別輔助駕駛BOM成本的平均年降幅度為11%。資料來源：公司公告，佐思汽研，華泰研究最后，我們自上而下地梳理了自動(dòng)駕駛產(chǎn)業(yè)鏈及代表公司。我們認(rèn)為，受益于產(chǎn)業(yè)鏈各環(huán)節(jié)國(guó)內(nèi)玩家產(chǎn)品性能的提升與下游自主品牌的崛起，零部件國(guó)產(chǎn)替代趨勢(shì)顯著。1)芯片：英偉達(dá)引領(lǐng)智能駕駛芯片迭代，Mobileye、TI技術(shù)成熟，國(guó)內(nèi)玩家地平線、黑芝麻等與先行者距離逐步縮短。2)域控制器及解決方案：國(guó)內(nèi)玩家德賽西威、經(jīng)緯恒潤(rùn)、縱目科技、知行科技等均已規(guī)?；宪?，技術(shù)成熟度不斷提升。3)激光雷達(dá)：國(guó)產(chǎn)供應(yīng)商禾賽、圖達(dá)通、速騰等在量產(chǎn)節(jié)奏更快。4)4D毫米波：國(guó)內(nèi)玩家有加特蘭(MMIC芯片)、森思泰克等。5)高速連接器：羅森伯格技術(shù)積淀深厚，電連技術(shù)、瑞可達(dá)等加速追趕。資料來源：Bloomberg，華泰研究2021年模擬仿真數(shù)據(jù)引擎數(shù)據(jù)量2,000用戶1000+88%數(shù)據(jù)引擎數(shù)據(jù)量模擬仿真2022年1.6W用戶99%裁員200+2021年模擬仿真數(shù)據(jù)引擎數(shù)據(jù)量2,000用戶1000+88%數(shù)據(jù)引擎數(shù)據(jù)量模擬仿真2022年1.6W用戶99%裁員200+海量的數(shù)據(jù)、高效的數(shù)據(jù)標(biāo)識(shí)是算法模型的基礎(chǔ)。數(shù)據(jù)的來源有：1)真實(shí)數(shù)據(jù)：行車采集到的真實(shí)世界的信息，與汽車銷量直接掛鉤。智能駕駛起步早、出貨量高的車企具備先發(fā)優(yōu)勢(shì)。2)虛擬仿真：通過AI自動(dòng)生成道路場(chǎng)景、車輛、行人等信息，對(duì)模型進(jìn)行訓(xùn)練?？捎糜趯?duì)行車采集到的cornercase進(jìn)行反復(fù)模擬、訓(xùn)練，從而彌補(bǔ)現(xiàn)實(shí)場(chǎng)景采集信息不足的問題。3)影子模式：大模型在車輛后臺(tái)運(yùn)行，模擬決策而不實(shí)際控車，不會(huì)對(duì)駕駛者及車輛產(chǎn)生任何干擾。但是在有異常場(chǎng)景或模型與人類駕駛員的決策不同時(shí)，觸發(fā)數(shù)據(jù)采集及回傳，使得量產(chǎn)車即等同于“數(shù)采車”。數(shù)據(jù)采集的下一步是對(duì)數(shù)據(jù)進(jìn)行識(shí)別、標(biāo)注。隨著智能駕駛的成熟，激光雷達(dá)3D點(diǎn)云信息、攝像頭采集的2D圖像信息的增加，道路場(chǎng)景的豐富，自動(dòng)駕駛的數(shù)據(jù)標(biāo)注類型與數(shù)量在不斷增加。人工標(biāo)注成本高、效率低，自動(dòng)標(biāo)注是AI大模型賦能智能駕駛最直接的應(yīng)用，能大幅降低數(shù)據(jù)標(biāo)注的成本。據(jù)2023年4月毫末智行DriveGPT發(fā)布會(huì)顯示，目前要得到對(duì)諸如車道線、交通參與者、紅綠燈等信息，行業(yè)人工標(biāo)注的成本約每張圖為5元，毫末DriveGPT的成本為0.5元。我們認(rèn)為科技公司大模型訓(xùn)練成熟后，單張圖自動(dòng)標(biāo)注的邊際成本趨近于0，平均成本有望進(jìn)一步下降。據(jù)愷望數(shù)據(jù)產(chǎn)品項(xiàng)目副總裁張鵬在2023年2月的介紹，目前數(shù)據(jù)標(biāo)注以人工標(biāo)注為主，機(jī)器標(biāo)注為輔，95%的數(shù)據(jù)標(biāo)注還是以人工為以特斯拉為例，1)數(shù)據(jù)來源層面，2021至2022年特斯拉FSDbeta版本的用戶從2,000人增長(zhǎng)至16萬人，累計(jì)積累超過14.4億幀視頻數(shù)據(jù)，為模型訓(xùn)練提供了大量的真實(shí)數(shù)據(jù)。針對(duì)真實(shí)道路場(chǎng)景中不常見的案例，特斯拉通過仿真模擬(5分鐘即可建立一個(gè)復(fù)雜場(chǎng)景)，進(jìn)行大規(guī)模訓(xùn)練；通過數(shù)據(jù)引擎，發(fā)現(xiàn)新的cornercase。2)數(shù)據(jù)標(biāo)識(shí)層面，特斯拉通過自動(dòng)標(biāo)注優(yōu)化系統(tǒng)效率。自動(dòng)標(biāo)注技術(shù)成熟，人工標(biāo)注團(tuán)隊(duì)規(guī)?？s小。2021年人工標(biāo)注計(jì)算設(shè)施11W個(gè)GPU建立場(chǎng)景更快速、更復(fù)雜，只需5min即可自動(dòng)標(biāo)注技術(shù)成熟減少人工標(biāo)注團(tuán)隊(duì)行車精度更完善全年進(jìn)行了7.5萬余個(gè)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練訓(xùn)練基礎(chǔ)設(shè)施擴(kuò)展40-50%計(jì)算設(shè)施11.4W個(gè)GPU資料來源：特斯拉官網(wǎng)，華泰研究數(shù)據(jù)來源：通過仿真模擬，對(duì)cornercase進(jìn)行大規(guī)模訓(xùn)練針對(duì)真實(shí)道路場(chǎng)景中不常見的案例，特斯拉通過模擬仿真，構(gòu)建虛擬場(chǎng)景采集數(shù)據(jù)，以豐富數(shù)據(jù)的來源，為模型訓(xùn)練提供支持；通過數(shù)據(jù)引擎，人工挖掘誤判的、非典型案例。特斯拉FSD通過仿真模擬引入虛擬數(shù)據(jù)，支撐大規(guī)模訓(xùn)練。特斯拉的模擬仿真可以通過建立一個(gè)虛擬世界，以提供現(xiàn)實(shí)中難以獲得/數(shù)據(jù)量不足的情景，目前特斯拉可以在5min內(nèi)自動(dòng)生成一個(gè)復(fù)雜路口3D虛擬場(chǎng)景。進(jìn)一步，還可以通過道路中的場(chǎng)景，創(chuàng)建更多變種場(chǎng)景，幫助算法訓(xùn)練，無需每種場(chǎng)景都通過實(shí)際道路測(cè)試來采集數(shù)據(jù)，大大提高了數(shù)據(jù)的豐富性。特斯拉FSD通過數(shù)據(jù)引擎發(fā)掘新的cornercase。通過人工挖掘非典型的機(jī)器誤判案例，將其加入各類訓(xùn)練集，以不斷更新完善模型。資料來源：特斯拉官網(wǎng)，華泰研究資料來源：特斯拉官網(wǎng)，華泰研究數(shù)據(jù)標(biāo)注：通過自動(dòng)標(biāo)注優(yōu)化系統(tǒng)效率，降低標(biāo)注成本特斯拉FSD通過“多重軌跡重建”技術(shù)自動(dòng)標(biāo)注車輛行駛軌跡。目前在集群中運(yùn)行12小時(shí)即可完成10,000次行駛軌跡標(biāo)注，取代500萬小時(shí)人工標(biāo)注。通過機(jī)器的自我訓(xùn)練，減少了人力標(biāo)注成本高、效率低的問題。具體步驟：1)高精軌跡獲取，將車輛行駛過程中的采集的始排信息、車輛運(yùn)動(dòng)IMU陀螺儀、速度等指標(biāo)作為原始信號(hào)輸入，提取車輛的運(yùn)動(dòng)軌跡以及3D結(jié)構(gòu)的道路細(xì)節(jié)。2)多旅程重建，基于所有車輛的軌跡信息，進(jìn)行道路信息的匹配和優(yōu)化。在用戶道路信息的基礎(chǔ)上，特斯拉實(shí)驗(yàn)車隊(duì)也或?qū)⒃俅未_認(rèn)數(shù)據(jù)，從而查漏補(bǔ)缺。資料來源：特斯拉官網(wǎng)，華泰研究資料來源：特斯拉官網(wǎng)，華泰研究SAM模型的發(fā)布使自動(dòng)標(biāo)注邁向了一個(gè)新的臺(tái)階。2023年4月6日，Meta發(fā)布了通用的“SegmentAnything”模型(SAM)和“SegmentAnything1-BillionMask”數(shù)據(jù)集 (SA-1B)，是有史以來最大的分割數(shù)據(jù)集。SAM是處理圖像分割的新任務(wù)和數(shù)據(jù)集的模型，可以用于分割圖像中的一切對(duì)象，支持廣泛的應(yīng)用，有利于促進(jìn)進(jìn)一步的計(jì)算機(jī)視覺基礎(chǔ)模型研究。分割和識(shí)別哪些圖像像素屬于對(duì)象是計(jì)算機(jī)視覺的核心任務(wù)，從分析圖像到編輯照片以及為特定任務(wù)創(chuàng)建準(zhǔn)確的細(xì)分模型通常需要技術(shù)專家進(jìn)行高度專業(yè)化的工作，現(xiàn)在可以通過AI培訓(xùn)基礎(chǔ)模型能顯著降低工作量。資料來源：Meta官網(wǎng)，華泰研究算法：優(yōu)化感知-決策-執(zhí)行三階段本節(jié)，我們參考特斯拉FSD，將自動(dòng)駕駛模型算法按流程分為感知(Perception)、預(yù)測(cè)(Prediction)、執(zhí)行(Planning)三個(gè)階段進(jìn)行分析。感知層面：OccupancyNetwork、3D建模從pixel到voxel，從BEV到OccupancyNetwork國(guó)內(nèi)新勢(shì)力與智駕解決方案供應(yīng)商多使用基于pixel點(diǎn)格的BEV模型，使用矩形框(bondingbox)來框定物體，進(jìn)行物體識(shí)別。特斯拉創(chuàng)新性的提出了占用網(wǎng)絡(luò)(OccupancyNetwork)模型，直接將3D空間點(diǎn)格化，每個(gè)3D點(diǎn)格即為一個(gè)voxel，在攝像頭采集的平面信息基礎(chǔ)上添加時(shí)間、空間信息，可輸出：1)該3D點(diǎn)格被占用的概率(例如：區(qū)分靜止的車輛/運(yùn)動(dòng)的車輛)；2)語義信息 (Semanticsoutput；例如：區(qū)分靜止的車輛/路牙)；3)表面信息(Surfaceoutput；例如：坡度、泥坑、積水)。占用網(wǎng)絡(luò)模型在原有BEV模型基礎(chǔ)上升級(jí)，通過占用網(wǎng)絡(luò)可以將特斯拉8個(gè)攝像頭采集的視頻內(nèi)的真實(shí)世界數(shù)據(jù)即時(shí)轉(zhuǎn)換成三維向量空間。將空間劃分成一個(gè)個(gè)3D柵格，每個(gè)柵格有占用和空閑兩種狀態(tài)，通過這種柵格數(shù)據(jù)可以更精確地反映路面物體真實(shí)體積和形狀。同時(shí)根據(jù)路側(cè)建筑、行人、車輛等不同，可以賦予不同物體不同的語義，并標(biāo)注不同的顏色。資料來源：特斯拉官網(wǎng)，華泰研究占用網(wǎng)絡(luò)相較于之前在障礙物識(shí)別和行駛路徑預(yù)判方面有了明顯提升，具體來看：1)通過占用網(wǎng)絡(luò)，只需分析物體的空間內(nèi)柵格占用情況，不需對(duì)物體本身進(jìn)行檢測(cè)識(shí)別，規(guī)避傳統(tǒng)視覺算法中對(duì)物體識(shí)別失敗帶來的車禍風(fēng)險(xiǎn)。尤其在面對(duì)靜態(tài)障礙物、與周圍環(huán)境類似的障礙物、訓(xùn)練模型中未涵蓋到的障礙物時(shí)，可以更大程度的規(guī)避風(fēng)險(xiǎn)。圖表11：占用網(wǎng)絡(luò)對(duì)雙節(jié)公車動(dòng)態(tài)(藍(lán)色)靜態(tài)(紅色)的精確識(shí)別資料來源：特斯拉官網(wǎng)，華泰研究資料來源：特斯拉官網(wǎng)，華泰研究2)占用網(wǎng)絡(luò)解決傳統(tǒng)視覺算法難題及還原道路坡度和曲率，輔助行車更優(yōu)決策。通過計(jì)算幾何空間的體積占用率，可以在占用網(wǎng)絡(luò)中精確地還原物體本身形狀。占用網(wǎng)絡(luò)塑造的3D世界還可以還原道路的坡度和曲率，讓車輛根據(jù)實(shí)際道路情況提前預(yù)測(cè)加速和減速判斷，進(jìn)一步提高行車安全性和舒適度。資料來源：特斯拉官網(wǎng)，華泰研究資料來源：特斯拉官網(wǎng)，華泰研究3)基于占用網(wǎng)絡(luò)可以預(yù)測(cè)道路上其它物體的行進(jìn)軌跡。通過對(duì)柵格進(jìn)行光流估計(jì)來檢測(cè)物體運(yùn)動(dòng)并預(yù)測(cè)其短期行進(jìn)運(yùn)動(dòng)軌跡，并標(biāo)注上豐富的語義(紅色—靜止，藍(lán)色—加速，黃色—減速等)，從而在特斯拉車輛行駛過程中規(guī)劃最優(yōu)行駛路徑進(jìn)行避讓，保證駕駛安#2：3D重建NeRFs是業(yè)界常用的3D重建模型?？梢曰贜eRFs讓車輛重建其所經(jīng)過的道路信息，從而進(jìn)行：1)不依賴高精度地圖的道路信息的構(gòu)建；2)重建三維模型，對(duì)各種cornercase進(jìn)行模擬與訓(xùn)練。預(yù)測(cè)層面：道路拓?fù)潢P(guān)系預(yù)測(cè)、障礙物預(yù)測(cè)預(yù)測(cè)分兩種，一種是道路信息的預(yù)測(cè)(laneprediction)，另一種是障礙物的預(yù)測(cè)。#1——道路信息：基于大模型勾勒拓?fù)潢P(guān)系，擺脫對(duì)高精度地圖的依賴道路信息的預(yù)測(cè)包含：1)語義信息、2)連接信息。最初autopilot使用的傳統(tǒng)linkprediction，只能預(yù)測(cè)比較簡(jiǎn)單的道路，比如高速公路，基于此已經(jīng)可以實(shí)現(xiàn)LCC等L2的功能。要實(shí)現(xiàn)更加復(fù)雜的城市道路的拓?fù)潢P(guān)系預(yù)測(cè)，需要基于：1)高精度地圖；或者2)導(dǎo)航地圖+神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)。特斯拉基于基礎(chǔ)的硬件配置(攝像頭+導(dǎo)航地圖)+自創(chuàng)的languageoflanes模型，來通用化的勾勒整個(gè)世界的道路信息。 (Languageoflanes)可以在車載攝像頭及地圖數(shù)據(jù)所形成的圖像上，將道路數(shù)據(jù)標(biāo)注成一系列節(jié)點(diǎn)并賦予不同語義(起始點(diǎn)、延續(xù)點(diǎn)、交叉點(diǎn)、終點(diǎn)等)，并通過組合不同語義的“單詞”形成“句子”，自動(dòng)勾繪出一條條車道線。這套“車道語言”，可以在小于10毫秒的延遲內(nèi)，思考超過7500萬個(gè)可能影響車輛決策的因素，運(yùn)行這套語言的功耗只需要8W，較大的提升了特斯拉FSD對(duì)車輛行駛路徑的預(yù)判能力。資料來源：特斯拉官網(wǎng)，華泰研究資料來源：特斯拉官網(wǎng)，華泰研究#2——物體信息：基于大模型預(yù)測(cè)動(dòng)靜信息，為行駛決策提供支持物體的預(yù)測(cè)包含動(dòng)、靜概率信息，再結(jié)合道路拓?fù)湫畔?，為最終的形式?jīng)Q策提供支持。特斯拉的OccupancyNetwork中紅色代表長(zhǎng)期禁止的車輛，黃色代表臨時(shí)停車，藍(lán)色代表運(yùn)動(dòng)，可對(duì)物體的動(dòng)靜狀態(tài)及其概率進(jìn)行預(yù)測(cè)。在一些特殊情景下，例如左轉(zhuǎn)攝像頭被左側(cè)大貨車遮擋，無法判斷左向是否有來車，模型會(huì)自動(dòng)生成虛擬車輛，假設(shè)左側(cè)有被遮擋的來車，基于此進(jìn)行決策，更貼近人類駕駛員的思維模式。資料來源：特斯拉官網(wǎng)，華泰研究資料來源：特斯拉官網(wǎng)，華泰研究決策層面：車端算力升級(jí)、模型計(jì)算效率優(yōu)化，決策更加智能決策的難點(diǎn)在于多方的交互與對(duì)路權(quán)的博弈，計(jì)算的效率是至關(guān)重要的。目前業(yè)內(nèi)普遍50-100毫秒之間完成一輪計(jì)算。受車端算力與計(jì)算效率的限制，目前決策層面的模型可分為兩類：1)rulebase的模型(類似if程序，提前設(shè)定了某些情境下的反應(yīng)機(jī)制)；2)特斯拉的交互搜索的模型(querybase的條件下可縮短單次計(jì)算時(shí)間至100微秒)。算力(TOPS)?黑芝麻智能2000?Thor華為AscendJourney2地平線Journey5黑芝麻華山A1000特斯拉FSDHW3.0MobileyeEyeQ4MobileyeEyeQ5英偉達(dá)Xavier英偉達(dá)Orin英偉達(dá)Thor512?Ascend910200算力(TOPS)?黑芝麻智能2000?Thor華為AscendJourney2地平線Journey5黑芝麻華山A1000特斯拉FSDHW3.0MobileyeEyeQ4MobileyeEyeQ5英偉達(dá)Xavier英偉達(dá)Orin英偉達(dá)Thor512?Ascend910200A2000量產(chǎn)時(shí)間A1000LJourney3EyeQ6L0資料來源：特斯拉官網(wǎng)，華泰研究車端：高性能芯片國(guó)產(chǎn)替代趨勢(shì)顯著目前車載芯片主流供應(yīng)商包括：英偉達(dá)、特斯拉、Mobileye等國(guó)際廠商，及地平線、黑芝麻智能、華為等國(guó)內(nèi)廠商。2022年以前主流供應(yīng)商量產(chǎn)芯片的算力大多在50TOPS以下；2022年以來，主流供應(yīng)商推出的多款車載芯片算力快速增長(zhǎng)，高算力芯片占比顯著提升，例如NVIDIAOrin(254TOPS)、地平線Journey5(128TOPS)等。長(zhǎng)期來看，隨著大模型上車對(duì)車載算力需求的進(jìn)一步提高，以及車載芯片制造商對(duì)芯片架構(gòu)和技術(shù)的改進(jìn)，車載芯片的算力有望持續(xù)上升。英偉達(dá)Thor芯片(2000TOPS)未來量產(chǎn)有望加速計(jì)算平臺(tái)融合。部分車載芯片合作/搭載情況部分車載芯片合作/搭載情況?地平線?Mobileye偉達(dá)特斯拉…?Orin?EyeUltraA1000pro?Journey5100?武當(dāng)100C1200A100050XaviereQXavier?Ascend310?EyeQ4?Journey2?201820192020202120222023202420252026資料來源：各公司官網(wǎng)，華泰研究CPUCPUCPUCPU功耗相對(duì)值806040200HW2.5版本FSD(張數(shù))2,5002,0001,500CPUCPUCPUCPU功耗相對(duì)值806040200HW2.5版本FSD(張數(shù))2,5002,0001,5001,000500(無單位)功耗僅提升26%0HW2.5版本FSD1)圖像處理：從圖像中獲得車道線、交通信號(hào)燈、行人、車輛等目標(biāo)的位置和運(yùn)動(dòng)信息，以支持自動(dòng)駕駛決策和控制，通常包括圖像采集、預(yù)處理、特征提取、目標(biāo)檢測(cè)和跟蹤、場(chǎng)景分割等步驟；2)點(diǎn)云融合：用于創(chuàng)建高分辨率、準(zhǔn)確的環(huán)境地圖，以便自動(dòng)駕駛系統(tǒng)能夠更好地感知和理解其周圍環(huán)境，通常包括采集點(diǎn)云數(shù)據(jù)、預(yù)處理、點(diǎn)云配準(zhǔn)、曲面重建、構(gòu)建實(shí)體模型等步驟。資料來源：《DeepLearningforImageandPointCloudFusioninAutonomousDriving:AReview》作者：YaodongCui等，發(fā)布日期：2021年3月17日，華泰研究高算力芯片可以通過并行計(jì)算、高速緩存、專用指令集、高效能設(shè)計(jì)來提升圖像和點(diǎn)云處理能力。1)并行計(jì)算：使用多個(gè)處理器核心協(xié)同求解同一問題，從而加快計(jì)算速度。車載高算力芯片通常采用多核心架構(gòu)，能夠同時(shí)進(jìn)行多個(gè)計(jì)算任務(wù)，具有強(qiáng)大的并行計(jì)算能力。2)高速緩存：使用SRAMCache加快計(jì)算單元對(duì)數(shù)據(jù)的讀寫速度，減少對(duì)速度較慢的主存的存取。3)專用指令集：專用指令集通常為特定應(yīng)用設(shè)計(jì)，從硬件層面對(duì)指令進(jìn)行了優(yōu)化，從而提高指令執(zhí)行速度。4)高效能設(shè)計(jì)：在保證計(jì)算性能的同時(shí)，降低功耗和熱量輸出，從而提升車輛的穩(wěn)定性和耐久性。并并行計(jì)算能力并行計(jì)算將任務(wù)劃分后同時(shí)處理。在圖像、點(diǎn)云融合處理中，往往需要進(jìn)行多個(gè)計(jì)算任務(wù)，例如圖像識(shí)別、點(diǎn)云配準(zhǔn)、點(diǎn)云分割等等，這些任務(wù)可以通過高效的并行計(jì)算加速處理。待處理的問題任務(wù)指令多個(gè)CPU核心并行處理ttt專專用指令集專用指令集針對(duì)特定的應(yīng)用而設(shè)計(jì)，能夠加速特定計(jì)算任務(wù)。例如，Tesla的NNA為圖像深度學(xué)習(xí)設(shè)置的專門的指令集：Convolution，Deconvolution是專門為卷積設(shè)置的指令，Inner-product是為向量點(diǎn)積設(shè)置的指令，Scale是為歸一化設(shè)置的指令。TESLANNA的8個(gè)指令DMAReadDMAWriteConvolutionDeconvolutionInnerInner-productScaScaleEltwidthEltwidthStStop高高速緩存(Cache)高速緩存可以提高數(shù)據(jù)訪問速度，從而加快處理速度。例如，特斯拉的FSD芯片NPU設(shè)計(jì)了32MBSRAM緩存，可有效減少對(duì)主存的讀寫，提高速度。高高效能設(shè)計(jì)車載芯片高效能設(shè)計(jì)能夠在保證計(jì)算性能的同時(shí)，降低功耗和熱量輸出。例如，TeslaFSD算力相比HW2.5版本提升21倍，功耗僅提高26%，且成本下降20%。處理圖片算力提升21倍資料來源：各公司官網(wǎng)，華泰研究云端：基礎(chǔ)設(shè)施算力升級(jí)加速算法迭代主機(jī)廠和自動(dòng)駕駛技術(shù)開發(fā)商積極布局建設(shè)智算中心，以提高自身“云上”競(jìng)爭(zhēng)力。智算中心是指基于GPU、FPGA等芯片構(gòu)建智能計(jì)算服務(wù)器集群，提供智能算力的基礎(chǔ)設(shè)施，建設(shè)周期長(zhǎng)，初始投資大。目前，主機(jī)廠特斯拉、小鵬、吉利，解決方案提供商毫末智行、商湯、百度布局建設(shè)了智算中心，用于訓(xùn)練自動(dòng)駕駛等大模型。智算中心的建設(shè)能夠顯著加速算法迭代，提高研發(fā)效率。例如，小鵬汽車的扶搖智算中心算力達(dá)到600PFLOPS(每秒浮點(diǎn)運(yùn)算60億億次)，相比先前，自動(dòng)駕駛模型訓(xùn)練速度提高了170倍，GPU資源虛擬化利用率提高了3倍，端對(duì)端通信延遲低至2微秒；吉利汽車的星睿智算中心算力達(dá)到810PFLOPS，智駕模型訓(xùn)練速度提高200倍以上。我們認(rèn)為，隨著智能駕駛的逐步滲透，大模型或?qū)⒊蔀楦鞴镜暮诵母?jìng)爭(zhēng)力之一，為匹配模型中大規(guī)模參數(shù)以及大數(shù)據(jù)量計(jì)算，智算中心的建設(shè)規(guī)模有望持續(xù)擴(kuò)張。資料來源：《2023年AI大模型及自動(dòng)駕駛智算中心研究報(bào)告》作者：佐思汽研，發(fā)布日期：2023年3月1日，華泰研究領(lǐng)航輔助駕駛(NOA)，即車輛在部分高速公路或高架等封閉路段行駛時(shí)，結(jié)合車載導(dǎo)航路線讓車輛進(jìn)行自動(dòng)變道、自動(dòng)進(jìn)入和駛出匝道口的技術(shù)功能，可實(shí)現(xiàn)一定道路場(chǎng)景范圍內(nèi)的點(diǎn)到點(diǎn)智能駕駛。根據(jù)場(chǎng)景的不同，領(lǐng)航輔助可進(jìn)一步分為高速領(lǐng)航和城區(qū)領(lǐng)航。高速領(lǐng)航普遍限制在特定高速公路和城區(qū)高架路開啟，包含自動(dòng)調(diào)節(jié)車速、自動(dòng)進(jìn)出匝道、自動(dòng)變道超車等功能，目前已在國(guó)內(nèi)落地。城區(qū)領(lǐng)航則可以在復(fù)雜的城市場(chǎng)景中實(shí)現(xiàn)點(diǎn)到點(diǎn)的“導(dǎo)航輔助駕駛”功能，車主在導(dǎo)航上設(shè)定好目的地，車輛可以實(shí)現(xiàn)全程輔助駕駛到達(dá)終點(diǎn)，并在路途中實(shí)現(xiàn)變道、超車、過紅綠燈等行為動(dòng)作，其難度也遠(yuǎn)遠(yuǎn)大于高速NOA，有望于今年開始導(dǎo)入。2022年，中國(guó)乘用車市場(chǎng)加速導(dǎo)入高速領(lǐng)航。在中國(guó)，高速領(lǐng)航功能的落地始于2019年6月，特斯拉官方正式向中國(guó)市場(chǎng)內(nèi)全部選配了FSD完全自動(dòng)駕駛的車型，推送最新版本NOA，能夠令車輛自動(dòng)駛?cè)牒婉偝龈咚俟吩训阑蛄⒔粯虿砺房?，并超過行駛緩慢的車輛。隨后小鵬、蔚來、理想也紛紛入局，進(jìn)入2022年，長(zhǎng)城、吉利、上汽等自主品牌也開始在旗下的部分車型上推出該功能。小鵬、華為領(lǐng)銜，城區(qū)領(lǐng)航2023年開始落地。目前城區(qū)領(lǐng)航仍較為依賴高精地圖，因此在初始落地時(shí)，可運(yùn)行區(qū)域范圍仍較小，普遍按城市進(jìn)行開放。小鵬和華為的方案已于2022年9月開始落地，并在逐步拓寬開放區(qū)域。除此之外，蔚來、理想、集度、長(zhǎng)城等車企也計(jì)劃在2023年推出各自的城區(qū)領(lǐng)航功能。1)3月31日，小鵬汽車啟動(dòng)推送XmartOS4.2.0的同時(shí)，釋放了XNGP第一階段能力：G9及P7iMax版在上海、深圳、廣州，小鵬P5P系列在上海的高精地圖覆蓋區(qū)域開放點(diǎn)到點(diǎn)的城市NGP(智能導(dǎo)航輔助駕駛)；在無高精地圖覆蓋區(qū)域，開放具備跨線繞行，識(shí)別紅綠燈并直行通過路口能力的LCC增強(qiáng)版。2)4月11日，在第八屆AIDAY上，毫末智行發(fā)布消息稱，城市NOH將依次搭載在魏牌摩卡DHT-PHEV和藍(lán)山上，目前已經(jīng)在保定和北京做大規(guī)模泛化測(cè)試，將于今年三季度實(shí)現(xiàn)城市NOH功能，并于2024年開拓100個(gè)城市。3)4月12日，智己汽車宣布，智己城市NOA領(lǐng)航輔助以及替代高精地圖的數(shù)據(jù)驅(qū)動(dòng)道路環(huán)境感知模型，預(yù)計(jì)將于2023年內(nèi)開啟公測(cè)。4)4月16日，華為發(fā)布HUAWEIADS2.0系統(tǒng)，同時(shí)表示，城市NCA已經(jīng)在深圳、上海、廣州落地，重慶、杭州也將在今年二季度解鎖。目前這些城市還是基于高精地圖技術(shù)，且廣州、重慶、杭州為部分區(qū)域覆蓋。今年三季度，華為城區(qū)NCA將實(shí)現(xiàn)15個(gè)無圖城市的落地，Q4將新增30個(gè)無圖城市落地，至45城。5)4月16日，百度Apollo推出城市智駕產(chǎn)品ApolloCityDrivingMax，城市智駕產(chǎn)品今年會(huì)量產(chǎn)。6)4月18日，理想ADMax3.0的城市NOA將于今年第二季度開始推送內(nèi)測(cè)用戶，到年底將推送100座國(guó)內(nèi)城市。7)4月18日，蔚來宣布于今年初開啟內(nèi)測(cè)的NOP+(增強(qiáng)型領(lǐng)航輔助)，要在今年7月1日正式開啟商用，NOP+之后的NAD(自動(dòng)駕駛)系統(tǒng)有望可以于今年6月份在上海開啟Beta。2017.12NIOPilot發(fā)布2022.12NOA+Beta首批開啟限額報(bào)名2020.10正式推送高速導(dǎo)航輔助駕駛NOA功能2019.06新增HWP、TJP等七項(xiàng)輔助駕駛功能2020.02新增行人/自行車自動(dòng)緊急制動(dòng)功能2021.12推出高速NOA功能2017.12NIOPilot發(fā)布2022.12NOA+Beta首批開啟限額報(bào)名2020.10正式推送高速導(dǎo)航輔助駕駛NOA功能2019.06新增HWP、TJP等七項(xiàng)輔助駕駛功能2020.02新增行人/自行車自動(dòng)緊急制動(dòng)功能2021.12推出高速NOA功能首次推出NOA首次推出城市首次推出NOA2022.12向北美用戶推出城市NOABeta版本2017.02022.12向北美用戶推出城市NOABeta版本2017.08HW2.5：計(jì)算能行機(jī)構(gòu)實(shí)現(xiàn)幾余2014.09Autopilot1.0:支持車道保持、自適應(yīng)巡航、自動(dòng)剎車、可視化、自動(dòng)并線/泊車、召喚功能等2019.04Autopilot3.0:增強(qiáng)型可視化，開始推送NOA功能2023.032016.10Autopilot2.0:升級(jí)智能召喚，加入高速NOA功能發(fā)布FSDBeta版本發(fā)布NOABetaV11版本，引入SingleStack架構(gòu)，統(tǒng)一了高速NOA發(fā)布FSDBeta版本2023.02NOA+Beta面向Banyan用戶開放不限額報(bào)名全場(chǎng)景輔助駕駛2023全場(chǎng)景輔助駕駛NOA將于2023年晚些時(shí)間推出2018Xpilot正式產(chǎn)品化落地2018Xpilot正式產(chǎn)品化落地2023.03城市NOA上線廣州、深圳、上海2022.09在廣州率先落地城市NOA2021.01推出高速NOA功能2024努力在主要城市上線增強(qiáng)版NOAL2級(jí)輔助駕駛系統(tǒng)實(shí)現(xiàn)量產(chǎn)2023.01將于第四季度開放城市NOA內(nèi)測(cè)2023.06推送NOA早鳥測(cè)試2023.09計(jì)劃推出覆蓋全部城市的NOA2014-20162017-20192020-20222023-2024注：特斯拉NOA——FSD；蔚來NOA——NOP；小鵬NOA——NGP；理想NOA-NOA。資料來源：公司公告，華泰研究注：毫末智行NOA——NOH；問界NOA——HUAWEIADS；極狐NOA——NCA；阿維塔NOA——NCA。資料來源：公司公告，華泰研究當(dāng)前旗艦車型高級(jí)別輔助駕駛BOM成本為1.4萬元。我們基于市面上主流高級(jí)別輔助駕駛的硬件配置成本測(cè)算1。當(dāng)前各品牌旗艦車型智能駕駛硬件的平均總成本為14,181元；其中激光雷達(dá)占41%、攝像頭占20%、芯片占15%、毫米波雷達(dá)占10%、高精度地圖與VX、超聲波雷達(dá)占2%。1注：樣本為蔚來、理想、小鵬、問界、極氪、智己、飛凡、廣汽埃安、瑞虎、紅旗、嵐圖、極狐、豐田、大眾、現(xiàn)代、寶馬、福特、凱迪拉克L2/L2+級(jí)別車型我們認(rèn)為，未來幾年，高級(jí)別智能駕駛功能的落地，1)軟件端，主要由大模型升級(jí)主導(dǎo)；2)硬件端，由過去量的堆疊與冗余轉(zhuǎn)向性能提升與成本下降。具體而言，我們預(yù)測(cè)2023-2030年高級(jí)別輔助駕駛BOM成本的平均年降幅度為11%。資料來源：公司公告，華泰研究資料來源：公司公告，華泰研究資料來源：公司公告，華泰研究資料來源：公司公告，華泰研究激光雷達(dá)激光雷達(dá)芯片攝像頭毫米波雷達(dá)高精地圖與定位5G-V2X超聲波雷達(dá)16,00014,00012,00010,0008,0006,0004,0002,000020222023E2024E2025E2026E2027E2028E2029E2030E資料來源：公司公告，華泰研究預(yù)測(cè)地平線：行業(yè)領(lǐng)先的高效能智能駕駛計(jì)算方案提供商地平線成立于2015年7月，是行業(yè)領(lǐng)先的高效能智能駕駛計(jì)算方案提供商。作為推動(dòng)智能駕駛在中國(guó)乘用車領(lǐng)域商業(yè)化應(yīng)用的先行者，地平線致力于通過軟硬結(jié)合的前瞻性技術(shù)理念，研發(fā)極致效能的硬件計(jì)算平臺(tái)以及開放易用的軟件開發(fā)工具，為智能汽車產(chǎn)業(yè)變革提供核心技術(shù)基礎(chǔ)設(shè)施和開放繁榮的軟件開發(fā)生態(tài)，為用戶帶來無與倫比的智能駕駛體驗(yàn)。2020年，地平線正式開啟中國(guó)汽車智能芯片的前裝量產(chǎn)元年，實(shí)現(xiàn)從0到1的突破。據(jù)地平線官網(wǎng)，目前地平線征程芯片累計(jì)出貨量已突破200萬片，與超過20家車企簽下了超過70款車型前裝量產(chǎn)項(xiàng)目定點(diǎn)，攜手合作伙伴實(shí)現(xiàn)從1到N的價(jià)值共探。資料來源：公司官網(wǎng)，華泰研究資料來源：公司官網(wǎng)，華泰研究黑芝麻智能：車規(guī)級(jí)自動(dòng)駕駛計(jì)算芯片和平臺(tái)研發(fā)企業(yè)黑芝麻智能成立于2016年，是行業(yè)領(lǐng)先的智能汽車計(jì)算芯片和平臺(tái)研發(fā)企業(yè)，專注于車規(guī)級(jí)高性能計(jì)算芯片與平臺(tái)技術(shù)領(lǐng)域的高科技研發(fā)?；诤诵腎P技術(shù)和芯片產(chǎn)品，黑芝麻智能提供完整的智能汽車、車路協(xié)同解決方案，支撐智能汽車產(chǎn)業(yè)鏈相關(guān)產(chǎn)品方案的快速產(chǎn)業(yè)化落地。公司和客戶在L2、L3級(jí)ADAS和自動(dòng)駕駛感知系統(tǒng)解決方案上開展了一系列商業(yè)合作，算法和圖像處理等技術(shù)已在智能手機(jī)、智能汽車、智能家居等消費(fèi)電子領(lǐng)域布局和商業(yè)落地。黑芝麻智能分別在武漢、硅谷、上海、成都、深圳、重慶、美國(guó)以及新加坡成立研發(fā)及銷售中心，目前已有超過1000名員工，核心團(tuán)隊(duì)均均來自業(yè)內(nèi)頂尖公司，平均擁有15+年行業(yè)經(jīng)驗(yàn)。資料來源：公司官網(wǎng)，華泰研究20芯馳科技：未來出行的探索者和創(chuàng)新者芯馳科技成立于2018年，在上海、北京、南京、深圳、大連擁有研發(fā)中心，同時(shí)在長(zhǎng)春、武漢設(shè)有辦事處。芯馳專注于提供高性能、高可靠的車規(guī)芯片，也是全球首家“全場(chǎng)景、平臺(tái)化”的芯片產(chǎn)品與技術(shù)解決方案提供者。產(chǎn)品覆蓋智能座艙、智能駕駛、網(wǎng)關(guān)和MCU，涵蓋了未來汽車電子電氣架構(gòu)最核心的芯片類別，從而實(shí)現(xiàn)“四芯合一賦車以魂”。芯馳擁有近20年車規(guī)級(jí)量產(chǎn)經(jīng)驗(yàn)的國(guó)際水平團(tuán)隊(duì)，是國(guó)內(nèi)為數(shù)不多的具有車規(guī)核心芯片產(chǎn)品定義、技術(shù)研發(fā)及大規(guī)模量產(chǎn)落地的整建制團(tuán)隊(duì)。目前芯馳已完成4個(gè)系列芯片的流片、最高規(guī)格車規(guī)認(rèn)證及大規(guī)模量產(chǎn)上車，服務(wù)超過260家客戶，覆蓋了中國(guó)90%以上車資料來源：公司官網(wǎng)，華泰研究資料來源：公司官網(wǎng)，華泰研究芯擎科技：國(guó)內(nèi)汽車智能座艙芯片領(lǐng)軍企業(yè)湖北芯擎科技有限公司于2018年在武漢經(jīng)濟(jì)技術(shù)開發(fā)區(qū)成立，在北京、上海和武漢均設(shè)有研發(fā)中心，是國(guó)內(nèi)汽車智能座艙芯片領(lǐng)軍企業(yè)。芯擎科技專注于設(shè)計(jì)、開發(fā)并銷售先進(jìn)的汽車電子芯片，以“讓每個(gè)人都能享受駕駛的樂趣”為發(fā)展使命，致力于成為世界領(lǐng)先的汽車電子芯片整體方案提供商。芯擎科技具備多核異構(gòu)超大規(guī)模SoC設(shè)計(jì)、自主設(shè)計(jì)多種創(chuàng)新核心IP。其自研的國(guó)內(nèi)首款7nm先進(jìn)制程車規(guī)級(jí)智能座艙芯片，在設(shè)計(jì)、工藝和性能等方面對(duì)標(biāo)海外廠商目前最先進(jìn)的產(chǎn)品，實(shí)現(xiàn)了國(guó)產(chǎn)高端汽車芯片領(lǐng)域的技術(shù)突破。目前，該款座艙芯片“龍鷹一號(hào)”已通過全部車規(guī)測(cè)試，正式量產(chǎn)出貨，所搭載的首款車型全新新能源中型SUV領(lǐng)克08于上海國(guó)際車展亮相，強(qiáng)大的CPU、GPU、NPU算力可流暢支持智能車機(jī)互娛需求，提供沉浸式座艙體驗(yàn)；同時(shí)，芯擎科技與全球汽車零部件巨頭偉世通達(dá)成合作，搭載“龍鷹一號(hào)”的SmartCoreTM座艙域控制器于上海車展對(duì)外展示，這也是偉世通首次推出采用“中國(guó)芯”的智能座艙域控制器解決方案。目前芯擎科技的第二款7nm高等級(jí)自動(dòng)駕駛SoC也已開發(fā)超一年，年底即將流片；后續(xù)伴隨整車電氣架構(gòu)演進(jìn)所布局的車載中央計(jì)算芯片，也可與現(xiàn)有產(chǎn)品形成完整生態(tài)組合，對(duì)汽車智能化領(lǐng)域核心高算力芯片做到全面覆蓋。21資料來源：公司官網(wǎng)，華泰研究旗芯微：國(guó)內(nèi)汽車與工業(yè)控制器領(lǐng)域領(lǐng)先廠商蘇州旗芯微半導(dǎo)體有限公司成立于2020年10月，基于ARMCortexM4、M7等系列架構(gòu)構(gòu)建面向汽車不同應(yīng)用場(chǎng)景的高性能、高可靠性的片上系統(tǒng)，開發(fā)智能汽車高端控制器芯片。目標(biāo)填補(bǔ)國(guó)內(nèi)新一代智能網(wǎng)聯(lián)汽車控制器芯片領(lǐng)域空白，致力于發(fā)展成為中國(guó)汽車與工業(yè)控制器領(lǐng)域領(lǐng)導(dǎo)級(jí)廠商。公司通過采用自研IP，多核鎖步等技術(shù)以及應(yīng)用于車規(guī)芯片的六西格瑪模擬電路設(shè)計(jì)流程，設(shè)計(jì)出覆蓋安全標(biāo)準(zhǔn)ISO26262ASIL-B至ASIL-D的全系列產(chǎn)品家族。公司產(chǎn)品均滿足車規(guī)AEC-Q100、功能安全標(biāo)準(zhǔn)ISO26262以及各項(xiàng)車規(guī)可靠性測(cè)試，可廣泛應(yīng)用于車身、汽車儀表、安全、動(dòng)力、電池管理等領(lǐng)域。公司核心團(tuán)隊(duì)研發(fā)人員擁有平均超過18年的車規(guī)芯片設(shè)計(jì)經(jīng)驗(yàn)，是國(guó)內(nèi)唯一完整開發(fā)過車規(guī)級(jí)8/16/32位控制器的頂級(jí)研發(fā)團(tuán)隊(duì)。目前公司在蘇州、上海、北京等地設(shè)有研發(fā)中心及辦公室。資料來源：官方公眾號(hào)，華泰研究資料來源：官方公眾號(hào)，華泰研究22數(shù)據(jù)標(biāo)注：柏川數(shù)據(jù)柏川數(shù)據(jù)：人工智能數(shù)據(jù)服務(wù)領(lǐng)域頭部服務(wù)商柏川數(shù)據(jù)成立于2021年，是人工智能數(shù)據(jù)服務(wù)領(lǐng)域頭部服務(wù)商之一。專注于為包括主機(jī)廠、科技公司、AI公司等數(shù)十家產(chǎn)業(yè)鏈相關(guān)方，提供集數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、數(shù)據(jù)管理、數(shù)據(jù)存儲(chǔ)于一體的一站式服務(wù)。在國(guó)內(nèi)6個(gè)動(dòng)態(tài)區(qū)域管理超千人的標(biāo)準(zhǔn)化采標(biāo)管存團(tuán)隊(duì)，并獲得乙級(jí)測(cè)繪資質(zhì)以及ISO9001和ISO27001雙重認(rèn)證。柏川數(shù)據(jù)自研數(shù)據(jù)處理平臺(tái)具備高精度AI預(yù)標(biāo)注功能，配置豐富多樣的標(biāo)注工具，支持工作進(jìn)程的可視化、靈活性、自定義管理，全面覆蓋多種數(shù)據(jù)標(biāo)注場(chǎng)景，在大幅降低標(biāo)注成本的同時(shí)，為客戶帶來數(shù)智升級(jí)的全新服務(wù)體驗(yàn)。同時(shí)，柏川數(shù)據(jù)正加速布局自動(dòng)化標(biāo)注、數(shù)據(jù)集、仿真數(shù)據(jù)庫(kù)等前沿技術(shù)，致力于實(shí)現(xiàn)標(biāo)注數(shù)據(jù)的仿真場(chǎng)景還原和仿真測(cè)試，以及端到端算法的回灌測(cè)試，最終打通自動(dòng)駕駛數(shù)據(jù)閉環(huán)，加速自動(dòng)駕駛規(guī)?；慨a(chǎn)落地?？蛻舴矫?，柏川數(shù)據(jù)持續(xù)為百度、地平線、MOMENTA、摯途科技、MAXIEYE、天翼交通、天瞳威視、主線科技、清智科技、交控科技等30家+企業(yè)提供規(guī)模數(shù)據(jù)支撐。立足自身強(qiáng)大的數(shù)據(jù)服務(wù)實(shí)力，坐擁相城區(qū)高鐵新城賦予的產(chǎn)業(yè)集群優(yōu)勢(shì)，柏川數(shù)據(jù)旨在成為國(guó)內(nèi)最大的自動(dòng)駕駛數(shù)據(jù)服務(wù)商，并積極拓海外業(yè)務(wù)，為更多的主機(jī)廠及自動(dòng)駕駛算法公司提供更前沿、更深度、更全面的智能駕駛數(shù)據(jù)解決方案，助力未來智慧出行進(jìn)入發(fā)展“快車道”。資料來源：公司官方公眾號(hào)，華泰研究正如我們?cè)凇督?jīng)緯恒潤(rùn)：國(guó)內(nèi)智能駕駛域控制器先行者》(2023年2月8日)中所述：目前L2+及以下級(jí)別智能駕駛得到廣泛應(yīng)用，軟硬件算力、單車價(jià)值量提升。汽車自動(dòng)化程度的衡量標(biāo)準(zhǔn)通常采用國(guó)際自動(dòng)機(jī)工程師學(xué)會(huì)定義的從L0(完全手動(dòng))到L5(完全自主)的分級(jí)標(biāo)準(zhǔn)。L1級(jí)別自動(dòng)駕駛可以完成特定功能自動(dòng)化；L2級(jí)別自動(dòng)駕駛可以完成組合功能自動(dòng)化，同時(shí)自動(dòng)進(jìn)行多維度輔助，例如自適應(yīng)巡航控制與車道保持系統(tǒng)的功能結(jié)合；L3級(jí)別自動(dòng)駕駛車輛的駕駛員在特定路況或環(huán)境中可以不必監(jiān)視道路，車輛能夠?qū)崿F(xiàn)無需干預(yù)的自動(dòng)駕駛；L4級(jí)別自動(dòng)駕駛在限定條件下全程無需駕駛者接管方向盤；L5級(jí)別自動(dòng)駕駛車輛可以在任何條件、任何場(chǎng)景下自動(dòng)行駛達(dá)到完全自動(dòng)化。23LL3資料來源：中汽協(xié)，Marklines，宏景智駕，汽車之家，華泰研究趨勢(shì)預(yù)測(cè)：乘用車L2級(jí)輔助駕駛將成為標(biāo)配，城市道路L3及以上級(jí)別落地阻力重重?？紤]到L3級(jí)以上級(jí)別自動(dòng)駕駛所面臨的法規(guī)、權(quán)責(zé)、以及技術(shù)長(zhǎng)尾問題，我們預(yù)測(cè)2025年之前，輔助駕駛配置向L2/L2+級(jí)別升級(jí)(ADAS)將是大規(guī)模商業(yè)化落地的主要方向。具體而言，我們預(yù)測(cè)L0/L1級(jí)車型將向L2升級(jí)，L2以下級(jí)別滲透率將由2021年的71.6%下降到2030年的29.3%，而L2級(jí)別智能駕駛滲透率將由2021年的28.4%上升至2030年的59.9%，L3及以上級(jí)別智能駕駛?cè)〉靡欢ǖ耐黄啤ＹY料來源：中汽協(xié)，Marklines，汽車之家，華泰研究預(yù)測(cè)依據(jù)上述滲透率判斷，我們預(yù)測(cè)2025年中國(guó)智能駕駛域控制器的市場(chǎng)規(guī)模為317億元，2022-2025年中國(guó)智能駕駛域控制器的CAGR為19%。24汽車銷量(萬輛)車YoY(%)20192,1406)20202,0149)20212,14872022Eai2,32002023Eai2,4134.02024Eai2,48502025Eai2,560YoY(%)492104796.0)4310.0)4100)4300473汽車總銷量YoY(%)2,6322)2,584.8)2,6272,751.72,823.62,9153,033.0零部件滲透率/搭載率智能駕駛智能駕駛域控制器ASP(元)智能駕駛智能駕駛域控制器市場(chǎng)規(guī)模(億元)智能駕駛智能駕駛域控制器市場(chǎng)規(guī)模-同比增速智能駕駛智能駕駛域控制器0%%2,000,50049-%2%2,000,50044-7%261%46%8%2,000,500-%-16%229%49%%2,000,500-3%-17%%%41%2,000,500323%1%%46%2,000,50074826%18%%11%49%%2,000,5007850-2%資料來源：中汽協(xié)，華泰研究預(yù)測(cè)行泊一體化的解決方案將成為乘用車實(shí)現(xiàn)高階智能駕駛的主流方案。隨著整車電子電氣架構(gòu)的發(fā)展，智能駕駛相關(guān)功能的發(fā)展歷程可分為如下幾個(gè)階段：1)每個(gè)泊車或行車功能對(duì)應(yīng)一個(gè)ECU單元；2)泊車相關(guān)功能集成為一個(gè)泊車控制單元，行車相關(guān)功能集成為行車控制單元；3)泊車功能與行車功能融合，出現(xiàn)行泊一體和艙泊一體技術(shù)方案；4)智能駕駛域的功能和座艙域的功能進(jìn)行跨域融合，形成一個(gè)更高性能的艙駕一體HPC。行泊一體方案提高了自動(dòng)駕駛的性能和安全性，使用戶的駕駛體驗(yàn)更輕松。泊車功能升級(jí)到AVP或HPA需要使用行車系統(tǒng)上的傳感器進(jìn)行感知補(bǔ)充，傳感器共同提升了性能，增強(qiáng)了系統(tǒng)的安全性。此外，行泊分離的方案大多使用傳統(tǒng)分布式架構(gòu)，而行泊一體域控制器配備有百兆甚至千兆以太網(wǎng)接口，也有足夠的算力支持高級(jí)算法模型，能夠更好地支持L2級(jí)輔助駕駛功能滲透率進(jìn)一步提升的關(guān)鍵是傳統(tǒng)車企智能化轉(zhuǎn)型。特斯拉開啟了汽車智能化的帷幕，為中國(guó)造車新勢(shì)力的跨域融合、中央集中式架構(gòu)搭建提供了藍(lán)本。未來五年，L2級(jí)智能駕駛滲透率的提升主體不再是有著強(qiáng)大自主研發(fā)能力的新勢(shì)力，而是追求標(biāo)準(zhǔn)化配置、穩(wěn)定供應(yīng)商的傳統(tǒng)車企。我們認(rèn)為，智能駕駛域控制造商將成為L(zhǎng)2級(jí)輔助駕駛滲透率提升的主要受益方。1)特斯拉：以區(qū)域劃分的控制器設(shè)計(jì)線束，大幅提升組裝效率；在車輛不改變架構(gòu)的情況下，持續(xù)迭代中央芯片，提升性能。目前已實(shí)現(xiàn)包括自動(dòng)駕駛、娛樂自控、三電系統(tǒng)、車身系統(tǒng)、底盤EPB、OBC、DCDC在內(nèi)的集成。2)中國(guó)造車新勢(shì)力：摸著特斯拉過河，率先實(shí)現(xiàn)價(jià)值量較高的自動(dòng)駕駛、娛樂自控(即智能座艙或智能空間)的自主設(shè)計(jì)與集成，并逐步擴(kuò)展到三電系統(tǒng)、車身控制、熱管理等領(lǐng)域。3)傳統(tǒng)車企：尋求智能化升級(jí)的傳統(tǒng)車企起步晚，自主研發(fā)能力與積極性不及新勢(shì)力。這為智能化零部件供應(yīng)商提供了廣闊的機(jī)遇，也是L2級(jí)輔助駕駛功能滲透率提升的關(guān)鍵。25特斯拉電機(jī)控制器自動(dòng)駕駛底盤制動(dòng)BMS底盤轉(zhuǎn)向娛樂自控車身控制安全氣囊底盤EPB中央網(wǎng)關(guān)OBC+DCDC熱管理控制特斯拉電機(jī)控制器自動(dòng)駕駛底盤制動(dòng)BMS底盤轉(zhuǎn)向娛樂自控車身控制安全氣囊底盤EPB中央網(wǎng)關(guān)OBC+DCDC熱管理控制企業(yè)類型企業(yè)201720182019202020212022E2023E2024E2025E新勢(shì)力特斯拉小鵬蔚來理想威馬長(zhǎng)城長(zhǎng)安吉利比亞迪奇瑞上汽廣汽北汽東風(fēng)一汽賽力斯外資豐田本田日產(chǎn)大眾奔馳寶馬奧迪通用福特現(xiàn)代分分布式域融合中央集中未知難易程度小小鵬/蔚來理想重要程度?便于OTA?便于增強(qiáng)體驗(yàn)資料來源：中汽協(xié)，華泰研究德賽西威：大算力域控制器龍頭德賽西威成立于1986年，是國(guó)際領(lǐng)先的移動(dòng)出行科技公司之一，致力于成為出行變革的首選伙伴。德賽西威深度聚焦于智能座艙、智能駕駛和網(wǎng)聯(lián)服務(wù)三大領(lǐng)域的高效融合，持續(xù)開發(fā)高度集成的智能硬件和領(lǐng)先的軟件算法，為全球客戶提供安全、舒適、高效的移動(dòng)出行整體解決方案和服務(wù)。2022年，公司營(yíng)業(yè)總收入149.3億元，同比增長(zhǎng)56.0%，歸比增長(zhǎng)42.1%。圖表45：德賽西威凈利潤(rùn)及同比增速16,00014,00012,00010,0008,0006,0004,0002,0000營(yíng)業(yè)收入(百萬元)同比增速(右軸)(%)2018201920202021202260504030200(10)(20)1,4001,2001,0008006004002000歸母凈利潤(rùn)(百萬元)同比增速(右軸)(%)100806040200(20)(40)20182019202020212022資料來源：Wind，華泰研究資料來源：Wind，華泰研究經(jīng)緯恒潤(rùn)：汽車電子平臺(tái)型公司經(jīng)緯恒潤(rùn)成立于2003年，專注于為汽車、無人運(yùn)輸?shù)阮I(lǐng)域的客戶提供電子產(chǎn)品、研發(fā)服務(wù)和高級(jí)別智能駕駛整體解決方案?？偛课挥诒本?，并在天津、南通建立了現(xiàn)代化的生產(chǎn)工廠，形成了完善的研發(fā)、生產(chǎn)、營(yíng)銷、服務(wù)體系。本著“價(jià)值創(chuàng)新、服務(wù)客戶”的理念，公司堅(jiān)持“專業(yè)聚焦”、“技術(shù)領(lǐng)先”和“平臺(tái)化發(fā)展”的戰(zhàn)略，致力于成為國(guó)際一流綜合型的電子系統(tǒng)科技服務(wù)商、智能網(wǎng)聯(lián)汽車全棧式解決方案供應(yīng)商和高級(jí)別智能駕駛MaaS解決方案領(lǐng)導(dǎo)者。經(jīng)緯恒潤(rùn)長(zhǎng)期供應(yīng)國(guó)內(nèi)外知名整車制造商和一級(jí)供應(yīng)商，產(chǎn)品類型包括智能駕駛電子產(chǎn)品、智能網(wǎng)聯(lián)電子產(chǎn)品、車身和舒適域電子產(chǎn)品、底盤控制電子產(chǎn)品、新能源和動(dòng)力系統(tǒng)電子產(chǎn)品。2022年，公司營(yíng)業(yè)總收入40.2億元，同比增長(zhǎng)23.3%，歸母凈利潤(rùn)2.3億元，同比增長(zhǎng)60.5%。264,5004,0003,5003,0002,5002,0001,5001,0005000營(yíng)業(yè)收入(百萬元)同比增速(右軸)(%)403530252050201820192020202120222018201920202021資料來源：Wind，華泰研究歸母凈利潤(rùn)(百萬元)同比增速(右軸)(%)250250200150100500(50)(100)20222001000(100)(200)(300)(400)(500)2018202120192020資料來源：Wind，華泰研究縱目科技：領(lǐng)先的智能駕駛產(chǎn)品及技術(shù)供應(yīng)商縱目科技成立于2013年，是一家基于中國(guó)面向全球的世界一流汽車先進(jìn)駕駛輔助系統(tǒng) (ADAS)的軟硬件方案提供商。總部位于上海張江國(guó)際科創(chuàng)中心，在上海、北京、廈門、深圳、重慶、美國(guó)密西根Novi市以及德國(guó)斯圖加特都設(shè)有研發(fā)中心，生產(chǎn)制造中心位于廈門、湖州、東陽(在建)。縱目科技通過領(lǐng)先的系統(tǒng)能力和首屈一指的量產(chǎn)實(shí)力，成為國(guó)內(nèi)率先獲得整車廠L4級(jí)別量產(chǎn)項(xiàng)目定點(diǎn)合同的自動(dòng)駕駛企業(yè)之一，并與一汽紅旗、長(zhǎng)安汽車等多家國(guó)內(nèi)主流主機(jī)廠商建立了量產(chǎn)合作關(guān)系。資料來源：公司官網(wǎng)，華泰研究an資料來源：公司官網(wǎng)，華泰研究知行科技：國(guó)內(nèi)領(lǐng)先的自動(dòng)駕駛域控制器提供商知行汽車科技(蘇州)股份有限公司，成立于2016年12月，總部位于蘇州，專注于自動(dòng)駕駛域控制器，致力于成為最值得信賴的智能出行合作伙伴。知行科技持續(xù)深耕自動(dòng)駕駛領(lǐng)域，以先進(jìn)的自動(dòng)駕駛算法、卓越的軟硬件一體化能力和研發(fā)實(shí)力來構(gòu)筑核心技術(shù)優(yōu)勢(shì)。知行科技提供一系列的自動(dòng)駕駛解決方案及產(chǎn)品，并提供多樣的自動(dòng)駕駛域控制器方案來滿足客戶不同的成本及技術(shù)要求，同時(shí)也提供iFC智能前視攝像頭來實(shí)現(xiàn)高性價(jià)比的L2功能。知行科技已與多家知名國(guó)內(nèi)及國(guó)際OEM開展合作，已獲得吉利、長(zhǎng)城、奇瑞、東風(fēng)、極星等客戶的量產(chǎn)定點(diǎn)。27資料來源：公司官網(wǎng)，華泰研究資料來源：公司官網(wǎng)，華泰研究魔視智能：嵌入式人工智能自動(dòng)駕駛賦能者魔視智能成立于2015年，是一家專注于自動(dòng)駕駛的創(chuàng)新科技公司。魔視智能以領(lǐng)先的人工智能算法，賦能嵌入式芯片平臺(tái)，實(shí)現(xiàn)自動(dòng)駕駛和高級(jí)輔助駕駛產(chǎn)品的大規(guī)模量產(chǎn)。魔視智能擁有自主知識(shí)產(chǎn)權(quán)的全棧式自動(dòng)駕駛核心技術(shù)，包括環(huán)境感知、多傳感器融合、高精度的車輛定位、路徑規(guī)劃、車輛控制、駕駛決策等所有核心算法，支持L1-L4級(jí)自動(dòng)駕駛。魔視智能獨(dú)有的深度學(xué)習(xí)框架，全面支持國(guó)際及國(guó)內(nèi)六大主流嵌入式芯片平臺(tái)，實(shí)現(xiàn)高度優(yōu)化及精準(zhǔn)的人工智能引擎。魔視智能自主研發(fā)的自動(dòng)駕駛和高級(jí)輔助駕駛產(chǎn)品，涵蓋乘用車及商用車、行車及泊車、艙內(nèi)及艙外、前裝及后裝等主流市場(chǎng)，以百萬套的量產(chǎn)規(guī)模成為當(dāng)之無愧的行業(yè)引領(lǐng)者。魔視智能是率先實(shí)現(xiàn)國(guó)內(nèi)一線乘用車主機(jī)廠量產(chǎn)的自動(dòng)駕駛企業(yè)之一，業(yè)已與國(guó)內(nèi)幾乎所有頭部乘用車及商用車主機(jī)廠建立量產(chǎn)及項(xiàng)目合作關(guān)系，并在主動(dòng)安全市場(chǎng)占據(jù)主要市場(chǎng)份額。魔視智能公司總部位于上海張江，在澳大利亞設(shè)有人工智能研究院，在深圳、武漢和蘇州設(shè)有研發(fā)中心，在南通設(shè)有制造基地。資料來源：公司官網(wǎng)，華泰研究宏景智駕：全棧式自動(dòng)駕駛解決方案服務(wù)商宏景智駕成立于2018年，總部位于杭州，在北美、上海和北京分別設(shè)有技術(shù)中心。公司致力于成為全球智能駕駛科技領(lǐng)航者，是一家全棧式自動(dòng)駕駛解決方案服務(wù)商，具備全棧自動(dòng)駕駛軟件算法和完整的系統(tǒng)集成能力，可針對(duì)不同客戶需求提供定制化的高性能智能駕駛解決方案，全周期賦能L1-L4級(jí)別智能駕駛。主要產(chǎn)品是軟硬一體自動(dòng)駕駛計(jì)算平臺(tái)t件、感知、定位、融合、規(guī)劃與控制等自動(dòng)駕駛?cè)邪l(fā)鏈。目前，宏景智駕已在上汽、長(zhǎng)城、奇瑞、江淮、比亞迪、合眾等OEM共計(jì)30個(gè)車型上實(shí)現(xiàn)量產(chǎn)和定點(diǎn)。同時(shí)，宏景智駕還獲得了頂級(jí)風(fēng)險(xiǎn)投資機(jī)構(gòu)包括華登、高瓴、線性、藍(lán)馳、沙特阿美Prosperity7、中信金石等投資。28電動(dòng)后視鏡壓縮機(jī)激光雷達(dá)DC/DC池高壓配電盒BMS電池均衡系統(tǒng)行車E-Motor調(diào)系統(tǒng)電動(dòng)后視鏡壓縮機(jī)激光雷達(dá)DC/DC池高壓配電盒BMS電池均衡系統(tǒng)行車E-Motor調(diào)系統(tǒng)PTC/輔助短程雷達(dá)座椅調(diào)節(jié)ADASU動(dòng)雨刷用插座資料來源：公司官網(wǎng)，華泰研究資料來源：公司官網(wǎng)，華泰研究高速連接器一般分為射頻連接器與以太網(wǎng)連接器兩大類。其中，射頻連接器主要有Fakra連接器、Mini-Fakra連接器、HSD連接器。高速連接器主要應(yīng)用于智能駕駛(車載攝像頭、域控制