之全球篇

撰写时间：2018年6月

第1章 概述

1.1 自动驾驶驾驶的概念与定义

1.1.1 自动驾驶的定义

目前的自动驾驶可分为两类。一类是目前非常火爆的无人驾驶，更强调的是车的自主驾驶以实现舒适的驾驶体验或人力成本的节省，典型的例子为百度和Google的无人车；一类是ADAS(全称为Advanced Driver Assistance System，即高级辅助驾驶系统），发展历史已久，早在1970年就已进入车厂布局中。两者都是利用安装在车上的各式各样传感器收集数据，并结合地图数据进行系统计算，从而实现对行车路线的规划并控制车辆到达预定目标。随着人们对安全、舒适的驾驶体验的不断追求，自动驾驶成为汽车的新方向。

图表：ADAS与无人驾驶的区别

不过，ADAS也可以视作无人驾驶汽车的前提，随着ADAS实现的功能越来越多，渐进式可实现无人驾驶。

1.1.2 自动驾驶分级

关于汽车智能化的分级，业界统一采用SAE International的标准，即国际汽车工程师协会制定的标准。

SAE的标准把自动驾驶分为了L0~L5，其中L0指的是人工驾驶。标准具体规定如下：

图表：自动驾驶分级

数据来源：SAE

目前市场上L3级别的自动驾驶汽车已经准备上路，汽车供应链正在投入下一个阶段L4级别自动驾驶汽车的研发。

1.2 自动驾驶产业链

1.2.1 产业链结构图

自动驾驶产业链相对较长，主要分为上中下游。上游主要为原材料，包括锂、钴、铜以及半导体等；中游为各种软硬件产品，包括传感器、自动驾驶平台等；下游为整车集成，以及车队管理系统，车载娱乐、车内办公等附加服务。

图表：自动驾驶产业链

数据来源：英伟达

1.2.2 产业链价值趋势

从产业链价值转移趋势方面，ADAS、自动驾驶软件和电动动力总成是提升最高的，而内燃机行业是下降最为明显的。

图表：自动驾驶单车零部件及软件价值转移趋势

数据来源：莫尼塔投资

1.2.3 自动驾驶系统产业链结构

自动驾驶的ADAS和无人驾驶系统如果要做到能够决策、执行驾驶动作，首先得具备环境感知的能力。环境感知层利用通过集成视觉、激光雷达、超声传感器、微波雷达、GPS、里程计、磁罗盘等多种车载传感器来收集数据，通过算法软件来辨识汽车所处的环境和状态，并根据所获得的道路信息、交通信号的信息、车辆位置和障碍物信息做出分析和判断，控制车辆转向和速度，从而实现ADAS和无人驾驶。

图表：自动驾驶系统产业链

数据来源：莫尼塔投资

第2章 全球自动驾驶产业发展现状

2.1 全球

随着主要车企及科技公司不断推出新的自动驾驶技术，世界各国都在积极制动自动驾驶普及路线图，放宽无人驾驶汽车相关法律法规，主要集中在道路测试和规划、驾驶分级、汽车制造等方面。其中美国在行业内属于领先地位；在亚洲范围内，新加坡的进度较为领先。

图表：自动驾驶系统产业链

2.2 全球自动驾驶发展比较

2.2.1 发展情况比较

根据各国发布允许自动自动驾驶汽车上路测试的法规时间，美国加州是全球最先允许自动驾驶汽车上路测试的城市，其次是德国和英国，中国属于通过无人驾驶汽车上路测试法令较晚的国家。而印度明确表示不允许无人驾驶汽车上路测试，印度担忧此项技术会造成失业。

图表：全球各国自动驾驶路测法令时间表

根据罗兰贝格的研究数据，综合分析行业和市场两个维度，目前，德国与美国仍保持领先地位，瑞典位列第三，英国第四，中国只能位于第七位。

以新生产的汽车的自动驾驶水平来比较，从2017年第4季度开始，德国几乎所有车型都配备了自动驾驶功能，推出了新的(3级)自动驾驶功能；美国SUV与公务车型的自动驾驶功能(例如拥堵辅助、自动泊车功能)普及率提高；日本重点关注某些特定功能(自适应巡航控制系统、快速启停与车道保持辅助系统、紧急刹车辅助等)，但多种车型均配备自动驾驶功能；中国整车厂已经推出了第一批配备部分自动驾驶功能的汽车(例如WEY VV7)，但这类汽车属于SUV细分市场，重点关注便利性。

图表：全球主要国家自动驾驶竞争地位比较

数据来源：罗兰贝格

图表：全球主要国家整车厂自动驾驶活动

数据来源：罗兰贝格

2.2.3 研发技术比较

从研究专业性和研究深度来比较，德国和美国处于领先地位，中国的研究深度和广度均比较落后。根据科隆经济研究中心统计，2010年1月到2017年7月，全球申请的与自动驾驶车辆相关的专利有5839项。在专利数量排名最高的十大企业中，其中有六家是德国公司，有三家是美国公司。德国博世位于榜首，拥有95专利，远高于排名第二的奥迪（516项专利）。

图表：全球主要国家自动驾驶汽车专业性和研究深度比较

数据来源：罗兰贝格

图表：2010-2017年7月全球自动驾驶汽车专利技术排名

2.3 全球自动驾驶汽车量产时间表

根据全球主要自动驾驶汽车的生产商的规划，L3级自动驾驶汽车在2018年开始实现量产，L4级自动驾驶汽车在2020年开始实现量产，L5级自动驾驶汽车在2022年开始实现量产。虽然全球自动驾驶汽车量产时间表比我国规划（《中国智能网联汽车技术发展路线图》）更早，但从市场覆盖率来说，与我国规划相当。

图表：全球自动驾驶汽车量产时间表

目前，自动驾驶发展存在三大难题：技术难题、法律难题、伦理难题。

2.4.1 技术难题

1、传感器障碍

无人车能出现很大程度上依赖传感器的进步，目前的传感器技术突飞猛进，却依然很难达标。比如天气环境恶劣时将严重影响传感器的精度；在车辆运动的前提下，对障碍物的运动状态判断不精确； GPS也是个问题，在通过楼宇隧道时，没有GPS信号，目前使用的里程计+陀螺仪组成的惯性导航单元存在累积误差，且精度成本和时间成本过高。

传感器主要包括雷达和摄像头。雷达又分为激光雷达、毫米波雷达、超声波雷达等类型。激光雷达又可以分为单线雷达、双线雷达、多线雷达等。激光雷达对雨雾的穿透能力受到、对黑颜色的汽车反射率有限；毫米波雷达对动物体反射不敏感；超声波雷达的感知距离与频率受限；摄像头本身靠可见光成像，在雨雾天、黑夜的灵敏度有所下降。2018年3月的Uber无人车车祸就是由于感知系统在黑夜中探测到行人的报告时间太晚造成的。

另一方面，更加稳定和精准的传感器，成本更高，好一点的机械激光雷达价格均在1万美元以上。

2、地图数据障碍

无人驾驶汽车由系统制定行驶路线，需要用到地图导航的功能。但目前的地图数据无法满足无人驾驶汽车的需求，主要难题有以下几点：

（1）要轻松的应对目前城市道路情况，需要一张精确到厘米级的高精3D地图，目前地图细致程度还没有达到要求。

（2）该地图要保持每时每刻持续更新，即使是每年移动几英寸的地质板块这样微小的变化。

（3）目前生成这些地图所需的人工智能并不完美，往往需要人力来检查地图上的标签，评估是否需要更新，以及分析试驾过程中汽车出现错误的原因，因此需要一大群人来检查和仔细标记这些地图。

（4）由于地图行业没有单一行业标准胜出，各家公司不共享地图数据且使用的是不同的标准，所以每家地图公司不得不为计划进入的每个新城市创建新的地图，十分损耗人力、物力，且时间漫长。

3、人工智能障碍

目前的“人工智能”技术，让汽车难以在短期内实现无人驾驶。谷歌在向美国相关部门提供的一份报告显示，在之前的14个月测试中，其无人驾驶汽车总共“主动脱离无人驾驶状态”272次，除了“主动脱离无人驾驶状态之外”，还有69次驾驶员选择取消无人驾驶状态的情况。谷歌表示，如果没有驾驶员的介入，无人驾驶车可能会发生13次交通碰撞事故。

特斯拉搭载的号称具有强大学习能力的OTA系统也同样被曝出有认知缺陷，比如其暂时不能识别红绿灯系统。如果经过红灯时前方恰好有车，那么特斯拉可以刹停，但是一旦前方没车，特斯拉并不能做到自动停车。

4、通信技术障碍

无人驾驶技术都是依靠不断测试出来的固定程序算法，这种固定的算法给无人驾驶技术带来了很大的不确定性，毕竟在路上汽车锁面临的具体情况跟固定算法中的实际情况相差很大，所以无人驾驶技术需要跟实时的通讯挂钩，所有的困难都可以通过网络实时沟通处理。而且无人驾驶需要实时网络更新路况和获取大量信息。因此，无人驾驶的推广，需要大带宽、低延迟的5G网络的能力，它是自动驾驶安全可靠的有效保证。

5、车联网障碍

V2X，指的是车辆与周围的移动交通控制系统实现交互的技术，X可以是车辆，可以是红绿灯等交通设施，也可以是云端数据库，最终目的都是为了帮助自动驾驶车辆掌握实时驾驶信息和路况信息，结合车辆工程算法做出决策，是自动驾驶车辆迈向无人驾驶阶段的关键。

目前的V2X技术只能实现最简单的应用场景应用，如车辆与交通灯、其他车辆、障碍物等，还无法与传感器数据进行融合，且通信端的信息无法百分之百地保证精确。

此外，当前具备V2X通讯能力的车型太少了，安装在道路上的通讯基础设施也太少了。

2.4.2 法律难题

1、电车难题

自动驾驶技术可能涉及的立法领域包括：车辆许可制度（包括测试制度、量产制度、批准制度、事故鉴定制度等）、车辆技术标准、驾驶员资格制度、道路交通规范、交通事故责任制度、产品责任制度，甚至驾驶人或乘客的数据隐私保护制度等。

2、保险制度与责任难题

关于无人驾驶的保险制度也是难题，包括无过错责任的适用，追责方式，存在接管情形下的责任判定，等等。当无人驾驶发生事故并造成人员伤亡时，应该怎样由谁来承担责任？由车主承担，由安装自驾系统的汽车制造商承担，还是由编写软件的程序员承担？

2.4.3 伦理难题

1、电车难题

当出现刹车不及的情况时，司机只有两个选择：（1）保持直行，撞向前面的5名路人，其结果可能不幸全部撞死；（2）紧急转弯，结果可能撞死路边的一位行人。遇到电车难题，无人驾驶系统应该如何选择？

2、保护车主还是行人

在无人驾驶状态下，当可能出现重大险情的时候，到底是优先保护车主，还是优先保护行人？

2.5 自动驾驶市场规模与前景

目前，无人驾驶汽车整体处于内测阶段，但辅助驾驶系统ADAS已逐渐应用于新车。根据艾媒咨询数据，2016年全球ADAS市场规模约为40亿美元，法律法规是自动驾驶发展的主要因素。

随着技术的成熟与产业化和各国对自动驾驶的支持，未来自动驾驶市场规模将加速增长。英国著名市场研究机构TechNavio和Strategy Analysis预测，2020年全球ADAS市场规模将在176亿—300亿美元。以此计算，2016-2020年年均增长率在45%-65%。

2.6 自动驾驶行业发展趋势

从自动驾驶国内外整个发展情况来看，美德引领自动驾驶产业发展大潮，日本、韩国迅速觉醒，我国呈追赶态势。具体而言，体现出以下几个趋势：

2.6.1 以尽快商用为目标，2020年是重要时间节点

在路面测试方面，美、德、日、韩、我国均积极推进路测，作为自动驾驶汽车应用的基础。从国际看，各国纷纷将2020年作为重要时间节点，希望届时实现自动驾驶汽车全面部署。

2.6.2 以网联汽车为方向，推动系统研发和通信标准统一

从目前产业趋势来看，多数企业采取了网联汽车（Connected Cars）的发展路径，加快芯片处理能力、自动驾驶认知系统研发，推动统一车辆通信标准的出台。

车辆通信标准方面，LTE-V、5G等通信技术成为自动驾驶车辆通信标准的关键，将为自动驾驶提供高速率、低时延的网络支撑。

2.6.3 以创新业态为引领，互联网企业成为重要驱动力量

互联网企业天生具有业务创新和发展的基因，目前也纷纷涉足自动驾驶行业，成为了行业重要的驱动力量。无人驾驶系统是自动驾驶汽车发展的核心，也是全球自动驾驶市场增长的主要驱动力。越来越多的技术进步正在推动无人驾驶汽车软件市场的发展。

2.6.4 以产业融合为突破，催生并购潮与深度合作

自动驾驶是新产业，但涉及雷达、芯片、传感器、高精地图等很多方面，传统企业此前又没有涉及相关领域，而科技企业又没有汽车整车制造经验与技术，因此无人驾驶的发展需要汽车与科技的产业融合，催生了传统汽车厂商与科技公司之间的并购潮与深度合作。

自动驾驶催生了汽车产业的并购潮。对于传统汽车制造商来说，他们既希望能够生产汽车，又能够掌握自动驾驶技术，由于在科技方面的缺失，这些传统汽车厂商开始并购科技公司。对科技公司而言，尽管它们拥有技术上的领先优势，但如果不能把技术付诸于市场化和规模化的盈利产品，其技术的领先优势最终也可能会丧失，为了推进技术的发展，这些科技公司也展开了收购。

另一方面，自动驾驶也促使了企业间的深度合作。奥迪、宝马、戴姆勒、英特尔等公司创办了5G汽车联盟来共同研发自动驾驶技术。宝马已经与英特尔、Mobileye结成同盟，近期还与地图服务商HERE合作。微软与多家汽车制造商建立了大量的合作关系，以此研发连接互联网的汽车和无人驾驶汽车，合作方包括宝马、福特、雷诺日产、丰田以及沃尔沃等。百度同英特尔、NVIDIA、博世、等供应商达成战略合作，形成了“百度＋处理器＋中国车企＋博世、”的联盟。下载本文