（报告出品方/作者：兴业证券，余小丽）

1、自动驾驶三大系统：感知、决策、执行

驾驶技术的发展是将人类驾车替换为机器驾车的过程，因此可以拿人类驾车作类比，自动驾驶技术分为感知决策和执行三大核心环节。

感知指对于环境的场景理解能力。例如障碍物的类型、道路标志及标线、行车车辆的检测、交通信息等数据的分类。目前存在两种主流技术路线，一种是以特斯拉为代表的以摄像头为主导的纯视觉方案；另外一种是以谷歌、百度为代表的多传感器融合方案。根据融合阶段不同分为前融合和后融合。前融合指的是把所有传感器的数据作为整体进行识别，后融合指的是将不同传感器识别后的结果进行整合。

决策是依据驾驶场景、驾驶需求进行任务决策，规划出车辆的路径和对应的车身控制信号。分为任务决策、轨迹规划、跟踪控制和执行控制四个阶段。在决策的过程中需要综合考虑安全性、舒适性和到达速度。

执行指的是将控制信号发送给执行器，执行器执行的过程。执行器有转向、油门、刹车、灯光档位等。由于电动汽车执行器执行较线性，便于控制，因此比燃油车更适合作为自动驾驶汽车使用。为了实现更精确的执行能力，线控转向、线控刹车、线控油门等技术不断发展。（报告来源：未来智库）

2、自动驾驶分级

2.1L1-L2为驾驶辅助，L3-L5为自动驾驶

国家标准GB/-和SAEJ明确定义了汽车自动驾驶分级，将驾驶自动化分为0级至5级。其中定义等级的原则是1）自动化驾驶系统能够执行动态驾驶任务的程度。2）驾驶员的角色分配。3）有无允许规范限制。国标规定L1和L2级自动化系统命名为“驾驶辅助系统”、L3-L5命名为“自动驾驶系统”。

具体来看：

L0驾驶自动化—应急辅助（EmergencyAssistance）：该级别的辅助驾驶系统，可以感知环境、并提供信息或者短暂介入车辆运动控制，但是不能持续执行车辆控制。

L1驾驶自动化—部分驾驶辅助(Partialdriverassistance):该级别的辅助驾驶系统可以持续提供横向或纵向运动控制。但驾驶员仍要对道路状况和车辆驾驶情况保持监管。

L2驾驶自动化—组合驾驶辅助（CombinedDriverAssistance）：该级别的辅助驾驶系统可以持续提供横向和纵向运动控制。在该级别驾驶系统运行过程中，驾驶员和自动驾驶系统沟通执行全部驾驶任务，允许用户短暂地将双手脱离方向盘，也叫Handsoff。

L3驾驶自动化—有条件自动驾驶（Conditionallyautomateddriving）：该系统在设计条件下持续执行全部驾驶任务。在正常运行过程中，车辆控制、目标探测与事件响应由自动驾驶系统负责；若出现即将不满足运行范围时请求驾驶员接管。在运行过程中，允许用户短暂地将视线移到驾驶之外，也叫Eyesoff。

L4驾驶自动化—高度自动驾驶（HighlyAutomatedDriving）：该系统可以持续地执行全部动态驾驶任务并自动执行最小风险策略。当系统脱离运行范围时向驾驶员发出介入请求，驾驶员可不响应请求。驾驶过程中用户注意力可以完全不在驾驶中，被称为Mindoff。

L5驾驶自动化—完全自动驾驶（FullyAutomatedDriving）：该系统可在任何可行驶条件下持续地执行全部动态驾驶任务并执行最小化风险策略。

低阶辅助驾驶和高阶自动驾驶的本质区别是出现事故之后的责任划分。根据SAE的定义我们可以发现出现事故以后L2责任在于乘客，L3责任在于车辆。由于目前国内自动驾驶的立法尚未健全，整车厂对于自动驾驶的宣传只能停留在L2.5或者L2+。年日本政府率先完善法规，为全球第一款法律意义上的L3级别自动驾驶汽车本田LegendHybridEX的诞生铺平道路。

2.2展望未来：不同级别的自动驾驶将长期共存，L5未来仍有很长的路要走

未来L3以下的车辆和L3及以上的车辆可能会长期共存。从技术上来看L3的实现需要依赖大算力芯片、硬件层面的冗余系统、海量用户数据。这些都为自动驾驶系统增添了相当大的成本。在合作方面来看车企采用两种研发思路对待这两种自动驾驶技术。对于低阶辅助驾驶系统，车企产采用传统研发思路与国际Tier1合作，追求成本和安全。对于高阶自动驾驶系统，车企普遍采用自研的方案。硬件层面采用高算力芯片和冗余的传感器配置；软件层面成立软件开发团队，自研核心的感知与决策软件，追求车企之间的差异化。

自动驾驶等级上升的过程是可靠性持续上升，直到量变引发质变的过程。L5级别的自动驾驶系统规定无设计运行范围限制，车内人员也无需执行动态驾驶任务或接管，这也注定了L5级别的自动驾驶将面临较大挑战。（报告来源：未来智库）

3、自动驾驶承载了我们对于劳动力解放的美好愿望

驾驶是一件危险的事。中国年有6.2万人死于交通事故，平均每8分钟就有1人死于车祸。根据密歇根大学交通研究所的最新报告显示，年交通事故死亡率最高的地区为非洲与拉丁美洲，其中纳米比亚交通事故死亡率居全球之首，每10万人中有45人死亡。著名旅游目的地泰国，排在第二，交通死亡率为中国的两倍。

从交通事故死亡占总死亡人数比例来看，许多中东国家领先。阿联酋以15.9%，位居首位。而中国的数值为3％，高于全球平均水平的2.1%,美国的数据为1.8%。

驾驶是一件浪费时间的事。消费者每年都会消费大量的时间在路上，年美国人均驾驶时长超过亿个小时，平均每个美国人每天驾驶时长超过52分钟。与这个数据相对的是一辆车每天只有不到5%的时间是被使用的，其他95%的时间都停在停车位上。这样的背景下自动驾驶需求应运而生。

3.1人类对自动驾驶的追求未停息

自动驾驶发展里程碑：

年代开始，人们就开始尝试对自动驾驶的研究。在年以后，随着人工智能、计算机科学和电动汽车的发展，自动驾驶开始进入黄金期。

汽车自动化的实验自年代即已开始，但要到年代才出现可行的实验，并取得部分成果。

第一辆半自动汽车于年由日本筑波机械工程实验室开发，车辆行驶在特别标记的街道上，通过车身两个摄像头和一台模拟计算机来解读标记。在高架轨道的支持下，车辆达到了每小时30公里（19英里/小时）的速度。

s–s】具有里程碑意义的自动驾驶汽车出现在年代。

年，卡内基梅隆大学的ALV项目已经在两车道道路上展示了每小时31公里（19英里/小时）的自动驾驶速度，并在年增加了避障功能，并在年实现在白天和夜间条件下的越野驾驶。

年，卡内基梅隆大学的NavLab项目完成了美国第一个自主的“海岸线到海岸线驾驶”。在宾夕法尼亚州匹兹堡和加利福尼亚州圣地亚哥之间的2,英里（4,公里）中，2,英里（4,公里）通过自动驾驶实现，平均时速为63.8英里/小时（.7公里/小时）。

自动驾驶辅助系统逐渐推广至量产车上。

年Mobileye推出其首款量产Soc产品EyeQ1，以支持前向碰撞警告(FCW)、车道偏离警告(LDW)和智能远光灯控制(IHC)等功能。

年3月举行首届DARPAGrandChallenge挑战赛，参赛车队使用摄像头、激光雷达等传感器以及计算设备，实现了车辆的自动驾驶，这是激光雷达的第一次亮相。

年，美国有4个州（内华达州、佛州、加州与密歇根州）通过了允许自动驾驶汽车的法规。年，这四州与华盛顿哥伦比亚特区都允许自动驾驶汽车于开放道路上进行测试。

年10月，Waymo宣布其测试车辆已在自动模式下行驶超过10,,英里（16,,公里），每月增加约1,,英里（1,,公里）。年12月，Waymo率先在美国亚利桑那州凤凰城将全自动出租车服务商业化。年10月，Waymo在凤凰城推出了地理围栏无人驾驶叫车服务。

年3月，本田推出限量版LegendHybridEX轿车，配备新批准的3级自动驾驶设备，其中的“TrafficJamPilot”系统是日本批准的首个L3自动驾驶系统，也是世界上第一个可以在公路上行驶的L3自动驾驶系统。

3.2两大因素驱动自动驾驶持续增长

低阶辅助驾驶的驱动力是法规。除了消费者自发选购L2驾驶辅助车型的需求以外，促进车企开发低级别自动驾驶辅助的驱动力是法规。为保证司机与乘客的安全，欧洲在年推出了《一般安全规定（GeneralSafetyRegulation）》其中明确要求未来在欧洲销售的新车需要配备限速辅助（ISA）、紧急制动辅助（AEB）等基础辅助驾驶功能。我国《营运货车安全技术条件》强制要求相关车辆于年9月起具备车道偏离报警功能和车辆前向碰撞预警功能，于年5月1日起安装自动紧急制动系统。

高阶自动驾驶的驱动力是生产力。消费者每年都会消费大量的时间在路上，年，美国人均驾驶时长超过亿个小时，平均每个美国人每天驾驶时长超过52分钟。与这个数据相对的是一辆车每天只有不到5%的时间是被使用的，其他95%的时间都停在停车位上。如何有效利用空闲时间就成为了高阶自动驾驶的核心驱动力。

预计到年，我国乘用车自动驾驶系统装配量将达到1,.5万辆，装配率将达到65.0%。

前视：年，中国乘用车新车前视装配量达到.8万辆，同比增长62.1%，装配率为26.4%，同比上升10.9个百分点。随着前视系统算力提高、功能的增加，以及相对的成本优势，预计年前视系统装配量将突破1万辆，装配率提升到65%。

当前，前视单目是国内乘用车主流方案，同时部分企业也在探索双目等前视摄像头的应用。年华为、大疆相继推出自研双目摄像头产品及解决方案。其中，华为的双目摄像头已在极狐阿尔法S上应用。大疆车载也计划年将采用双目摄像头的自动驾驶方案应用在国产车型上。

环视：年，中国环视系统装配量为.8万辆，较年上升44%；装配率为18%，同比增加6个百分点。随着环视系统对倒车后视的替代以及泊车功能的加持，其装配量将会进一步提升。伴随环视系统对倒车后视的替代以及°全景环视+超声波成为融合泊车主流方案，使得度全景环视进入一个新的发展周期，预计年装配率将攀升至50%。

视觉DMS：根据佐思汽研统计，年中国已有10多款乘用车上市新车装配DMS功能，如长安汽车、蔚来、小鹏汽车、WEY、星途、哪吒汽车、零跑、吉利汽车、威马汽车、广汽埃安等。年DMS系统装配量达到17.3万辆，装配率为0.9%；预计到年其装配率有望达到20%左右，实现飞跃式增长。

年4月工信部发布《智能网联汽车生产企业及产品准入管理指南(试行)》，要求智能网联车辆需具备人机交互和驾驶员参与行为的监测功能，释放DMS上车强信号。

行车记录仪：年，中国行车记录仪装配量为.3万辆，相较于年增长7.6%。同期，行车记录仪的装配率为7.7%，较年全年上升0.9个百分点。《智能网联汽车生产企业及产品准入管理指南(试行)》，要求智能网联车辆需具有事件数据记录和自动驾驶数据存储功能，这将加速行车记录仪在新车上的装配，预计到年其装配率有望达到20%。

3.3中美纷纷加大对自动驾驶企业的融资

经过十多年的发展，资本、产业、消费者等各界对自动驾驶未来持续积极看好的趋势已形成共识，商业化落地的道路正稳步铺开，年以来中国政府也逐步加快政策引导步伐，各地政府政策支持迅速跟上，以支持场景化、商业化落地。

近年来，伴随着自动驾驶技术研发应用的火热，全球自动驾驶行业投融资规模迅速增长。年起，自动驾驶汽车逐渐成为投资的热门赛道，截止年，中美合计动驾驶相关的投资共有约笔，涉及金额超亿美元。

4、行业趋势：

4.1从全球协作到区域独立：

法律问题造成数据无法跨国流通，这将导致不同国家之间自动驾驶技术路线与进展的不一致。自动驾驶汽车收集的数据包括传感器数据（摄像头、雷达、热成像设备、激光雷达采集的数据）和驾驶员数据（驾驶员详细资料、位置、历史路线、驾驶习惯）两大类。自动驾驶汽车在行业早期收集数据较少，然而随着自动驾驶技术的发展，越来越多的数据将被收集与分析。为了保护这些数据、防止数据的丢失或滥用，全球各地政府出台了各式各样的法规，这为自动驾驶技术的发展设立了门槛。

以中国为例，限制跨国自动驾驶企业发展业务的因素主要有两类：

1）测绘问题:牌照审批严格、禁止外商参与。

在感知环节，自动驾驶汽车会通过摄像头、雷达、激光雷达等传感器对周边自然环境及地表人工设施等相关数据进行采集与处理，以帮助汽车完成环境感知。相关地理数据采集行为被定义为“测绘行为”。从事测绘工作的单位应当依法取得资质证书，包括“导航电子地图制作”与“互联网地图服务”的资质。关于导航电子地图制作，根据《外商投资准入特别管理措施（负面清单）（年版）》以及《外国的组织或者个人来华测绘管理暂行办法（年修正）》的相关规定，导航电子地图制作属于禁止外商投资的项目。

在实际业务开展过程中，有外资背景的自动驾驶企业往往会与有相应资质的测绘企业进行合作从而解决牌照问题。但随着全社会对于数据安全的追求，对在国内开展测绘工作的企业要求将会越来越高。导航电子地图的资质审批较为严格，截至年3月25日，中国仅发放了30余张导航电子地图制作牌照。

2）数据保护问题：采集与出境需特别限制

目前以欧盟《通用数据保护条例（GDPR）》为代表的世界主流国家都在加快个人信息保护法律的制定，并对数据的搜集使用和传输进行规制。一般来说，对于自动驾驶情景下的数据规制，主要以各国的网络安全和个人信息保护规定为主，辅以汽车行业数据的特别规定。

重点数据的“默认不搜集”原则。自动驾驶所在的交通行业属于《网络安全法》规定的“重点行业”。除了需要以最小化原则进行用户数据的处理以外，国家网信办于年8月16日发布的《汽车数据安全管理若干规定》明确了6类重要数据，分别为重要敏感区域的人流车流数据、高精地图测绘数据、汽车充电网的运行数据、道路车辆类型、流量等数据、包含人脸、声音、车牌等车外音视频数据以及其他可能影响国家安全、公共利益的数据。这6类数据采用“默认不搜集”原则，该原则下这类数据要求车内处理、非必要不向车外提供以及数据本地化。同时用户有权利随时要求车企停止数据搜集工作。

数据出境。根据中国《网络安全法》，自动驾驶服务商在数据出境方面需要特别谨慎。比如应以数据本地存储为原则，仅在特殊情况下可以出境，且数据出境必须进行安全评估。

因此特斯拉在中国的FSD功能开发受到法规较为严重的影响，自从年推出《汽车数据安全管理若干规定》后，特斯拉无法将中国采集的数据发送至美国，导致针对中国区的软件迭代暂停，中国特斯拉的FSD版本严重落后北美地区。

越来越多的外资车企意识到在中国开展本土化自动驾驶技术研发的必要性，纷纷加速在中国的自动驾驶布局：特斯拉在年底在中国建立了研发中心和数据中心、大众也积极布局本土化的自动驾驶业务。我们在未来将会看到从国内获取数据、在国内迭代算法、在国内开展业务的本土化运行模式。

我们判断：未来不同地区运行的自动驾驶汽车将会带有鲜明的区域生态特色。数据的限制也是一种对本土企业的保护，国内企业有希望因地制宜，开发出更多适应中国国情的自动驾驶技术，比如多传感器融合为主，车路协同为辅的技术路线。而在美国，由于地广人稀，单车智能的路线将更加合适。

4.2开放场景难度大，自驾企业战略转移至封闭场景

开放道路自动驾驶发展不及预期。Uber曾宣布计划截至年，从沃尔沃采购24辆XC90来组建自动驾驶车队，但在年Uber放弃自研，将团队出售给了自动驾驶初创公司Aurora；Waymo年宣布向捷豹路虎和FCA分别采购0辆I－PACE纯电动汽车和6辆Pacifica混动厢式车，用来打造Robotaxi车队，不过至今部署也不足1辆，仅在旧金山和凤凰城开设打车服务；国内小马智行也在年10月战略收缩，将卡车团队并入乘用车团队。

开放道路遇阻后，企业选择封闭场景作为突破口。近年来货车司机缺口扩大、人工成本上涨等问题正成为行业亟待解决的社会问题，自动驾驶车辆可实现对司机的替代，大大降低司机用工成本并解决人力短缺问题。同时，自动驾驶车辆作为生产工具能够提高安全性，减少危险场景作业下的事故发生率。而且港口与矿区为代表的自动驾驶封闭场景由于环境相对简单与封闭、权责划分清晰等特点，在政策与需求的推动下发展迅速。年，国内新建多个全自动化码头，带动港口自动驾驶商业化运营取得实质性突破；同时在智慧矿山建设趋势下，多个大型矿区自动驾驶项目正进入试运营与测试阶段。

我们判断：1）短期内将会有更多企业认识到开放场景下自动驾驶的难度，从而改变战略进入封闭场景赛道。2）B端场景客户多为成本导向，将自动驾驶汽车视为生产力工具，因此平衡安全性和经济性是自动驾驶企业追求的目标。

4.3发展路线之争退朝、深度神经网络将会取代人工规则

在行业发展早期存在自动驾驶发展路线之争，存在从L1开始逐渐实现L4的渐进式和直接研发L4的跨越式。车企背景的自动驾驶企业的研发思路是从L1开始逐渐添加新功能直到实现L4，代表企业有博世、Mobileye等。但是百度、Waymo为代表的部分互联网背景的企业则采用一步到位的方法直接研发L4级别的自动驾驶，期望用技术颠覆行业。但近年来随着人工智能技术的发展，渐进式和跨越式发展的边界逐渐模糊。

人工智能的发展让软件从基于规则的系统（RulebasedSystem）进化至基于学习的系统（LearningBasedSystem），这对软件的决策流程有了深远的影响。

RulebasedSystem(基于规则的系统)是指人类用归纳的方法使用一系列的规则，试图推导出所需目标的系统。这一系统无法处理诸如物体识别和路径规划等复杂问题。

LearningBasedSystem(基于学习的系统)是不预设规则，让系统从案例中学习规则的系统。深度学习就是这样一类系统。与基于规则的系统相比，基于学习的系统由于不需要预设规则，因此更加适合处理复杂任务。

低阶自动驾驶很多是基于规则的系统。在神经网络爆发之前，传统的感知算法都是传统计算机视觉方法，这些方法使用基于规则的决策逻辑，人为设置一系列规则，硬编码至系统中。由于不需要海量数据，因此泛化能力不足，使用场景有限，但该类方法对算力要求低、成本低，因此部署容易，广泛存在于L1、L2级别的自动驾驶汽车上。在基于规则的逻辑指导下，车企将自动驾驶分为两个域“泊车域”和“高速域”，APA、RPA等功能由泊车域控制器控制，ACC、TJP功能由高速域控制器控制。车企会分别定点不同供应商，技术栈并不互通，场景也不互通。在经纬恒润公布的招股书中就可以发现，“泊车域控制器”和“高速域控制器”为两个不同的硬件产品，功能与用途也完全不一致。

高阶自动驾驶神经网络正在取代基于规则的系统。在神经网络爆发之后，行业部分学者推崇端到端的学习方式，从传感器采集到的数据中直接训练学习自动驾驶所需的算法。

特斯拉在自身的自动驾驶FSD中引入了单堆栈统领所有（OneStacktoRulethemAll）的概念，即用神经网络取代之前人工定义的规则，不断增加深度神经网络在整体软件系统中的比例，用神经网络取代之前硬编码的规则，最终实现FSD、泊车、召唤等功能都由同一个软件来实现的目标。

我们判断：1）低端自动驾驶辅助功能（L2及以下）和高端自动驾驶辅助功能（L3及以上）将会使用不同的技术栈，低阶驾驶辅助功能使用基于规则的系统，高阶自动驾驶功能使用神经网络。2）低阶和高阶自动驾驶功能将并存，服务不同需求的消费者。低阶驾驶辅助的优势是成本，高阶自动驾驶功能的优势是功能适用范围广。

5、路线之争：

5.1单车智能VS车路协同：单车智能为主，车路协同为辅

产业优势不同，决定技术方向不同。自动驾驶路线之争的本质是各个国家优势产业不同，中国的优势在于通讯行业，美国优势在于半导体行业。因此中国选择单车智能为主车路协同为辅的路线，美国选择单车智能的路线。单车智能采用车用传感器进行识别，并在车端进行决策与执行。车路协同需要在道路上安装传感器，将道路改造成“智能的道路”，通过V2X技术将行人、车道、车辆信息发送给汽车。车路协同技术可以降低车端的传感器和计算平台要求，将成本转移至云端。

单车智能：商业模式顺畅，下游消费者付费意愿强。单车智能模式下的自动驾驶商业模式较为简单，上游零部件企业（传感器、芯片、域控制器、线控底盘）为中游整车厂提供零部件，下游消费者花钱购买自动驾驶功能。年后上市的高端新能源车型普遍为后续更加高阶的自动驾驶预留足够的传感器与算力资源。以蔚来、理想、小鹏的旗舰车型为例，它们均配备了激光雷达和算力过剩的英伟达Orin芯片。虽然暂时高阶自动驾驶功能还在研发中，但车企足够的硬件冗余支持后续通过OTA迭代实现更高阶的自动驾驶功能。

车路协同：市场潜力巨大，但短期面临商业模式的挑战。在新基建的背景中，现有的车路协同项目多为ToG业务，政府支持自动驾驶企业在示范区内开展业务，缺乏终端消费者为车路协同业务付费的环节。同时车路协同在国内尚缺乏通用标准，企业仍需各自摸索，因此车路协同若要进入良性发展循环，平衡政府、车厂、公路运营单位等多方的利益诉求必不可少。

车路协同的核心技术是通讯，C-V2X是当前车路协同的主要发展方向。由我国主导设立的C-V2X标准是世界智能驾驶发展的主流，目前正处于商业落地阶段。

5.2纯视觉VS多传感器融合：技术之争短期内难有结果

单车智能技术在路线上存在两个方案：纯视觉方案和多传感器融合方案。

纯视觉方案推动方主要为特斯拉，方案中摄像头起主导作用，需要将多摄像头捕捉的2D图像映射到3D空间中，因此对算法与算力的要求高。年北美地区上市的Model3和ModelY取消了雷达，仅仅搭载了8个摄像头。

多传感器融合方案，主要推动者为Waymo和英伟达，方案中引入了可以直接测量距离的激光雷达，辅助摄像头计算物体的距离和速度，可以快速地构建环境3D模型。

技术差距和成本偏好造成企业路线选择不同。企业可以增加传感器数量从而降低对于高精度算法的依赖，我们认为方案的选择更多体现的是企业对于技术和成本偏好。国内企业在纯视觉路线上落后于特斯拉，多传感器融合方案可以摆脱对视觉技术的依赖，但需要增加昂贵的激光雷达，若需要配备一颗主激光雷达和两颗辅激光雷达，则成本上会增加很多。

多传感器融合方案中，根据融合和感知次序可以分为前融合与后融合。前融合算法：传感器将原数据传递给感知层，感知层直接预测，体现了基于学习的系统中“端到端”的思想。后融合:每个传感器独立完成目标感知，再由另一个感知层进行数据融合。我们认为由于前融合可以体现深度学习中“端到端”的训练方法，引入更少的人工策略，未来将会有更优秀的表现。

6、驾驶的三大核心要素：传感器、计算平台、数据与算法

6.1传感器：不同定位与功能，优势互补

自动驾驶汽车往往配备了多种传感器，包括摄像头、毫米波雷达、激光雷达。这些传感器各有不同的功能与定位，优势互补；作为一个整体，成为了自动驾驶汽车的眼睛。年以后的新车都配备了大量的传感器，目的是预留冗余硬件，以便后续通过OTA的方式实现更多自动驾驶功能。

摄像头：行业受到消费电子景气度影响

摄像头的作用：主要用于车道线、交通标示牌、红绿灯以及车辆、行人检测，有检测信息全面、价格便宜的特征，但会受到雨雪天气和光照的影响。现代摄像头由镜头、镜头模组、滤光片、CMOS／CCD、ISP、数据传输部分组成。光线经过光学镜头和滤光片后聚焦到传感器上，通过CMOS或CCD集成电路将光信号转换成电信号，再经过图像处理器（ISP）转换成标准的RAW，RGB或YUV等格式的数字图像信号，通过数据传输接口传到计算机端。摄像头可以提供丰富的信息。但是摄像头依赖自然光源，目前视觉传感器的动态做得不是特别宽，在光照不足或者光照剧烈变化的时候视觉画面可能会出现短暂的丢失，并且在雨污状况下功能会受到严重的限制，行业内通常通过计算机视觉的方式克服摄像头的各种缺点。

车载摄像头是高增量市场。车载摄像头的使用量随着自动驾驶功能的不断升级而增加，比如前视普遍需要1-3个摄像头、环视需要4-8个摄像头。预计到年全球车载摄像头市场将达.6亿元，其中中国市场.2亿元。

车载摄像头行业产业链包括上游的镜头组供应商、胶合材料供应商、图像传感器供应商、ISP芯片供应商，以及中游的模组供应商、系统集成商，下游的消费电子企业、自动驾驶Tier1等。从价值量来看图像传感器（CMOSImageSensor）占了总成本的50%，其次为占比25%的模组封装和占比14%的光学镜头。

上游光学部件：分为光学镜片、滤光片、保护膜、晶圆等。行业玩家有大立光学、舜宇光学科技、联创电子等，参与者众多，竞争激烈。

中游分为镜头组，胶合材料、DSP芯片、CMOS图像传感器等。其中CMOS为可大规模批量生产的半导体产业，具有显著的规模效应。前期投入巨大，研发困难，但产品售价不高，导致行业准入壁垒高。CIS芯片行业需要较长的认证周期，因此新进入玩家难以对现有格局造成影响，会继续强者恒强的竞争格局。车载CIS芯片行业集中度高，CR2为74%，主要被国际巨头垄断，安森美为全球最大供应商，市占率为45%；韦尔股份通过收购豪威（美国）成为全球第二，市占率29%；索尼市占率6%为第三。今年芯片行业缺货严重，安森美CIS芯片供货不足导致部分份额被其他CIS企业蚕食，应当继续

转载请注明:http://www.aideyishus.com/lktp/2875.html