36氪:自动驾驶专题行研报告(39页).pdf

返回 相似
第1页 / 共39页
第2页 / 共39页
第3页 / 共39页
第4页 / 共39页
第5页 / 共39页
点击查看更多>>
资源描述:
◆ 正视L3、L4级别落地时间表,算法型企业的关键一年 36氪研究 | 自动驾驶专题行业研究 2019年6月 2 2019.6 要点摘要 ◼技术难度L2级别ADAS的大范围应用建立在Tier1 强大的系统、模块化能力以及车规级产品基础上。 L3级别不论是驾驶安全风险还是技术攻克难度是真 正的分水岭,是乘用车主机厂近期量产合作的重点 ,专注乘用车场景的部分一级市场公司已有L3级别 量产能力。L4级别对商用场景的降本提效意义重大 ,可大幅降低人力成本,后期车内无需配置安全员 ,但在国内落地时间受不确定性因素影响。 ◼场景落地与技术难度 乘用车场景目前经历L2级别 过渡到L3级别,多采用激光雷达毫米波雷达摄 像头的感知方案,采用FPGA或部分采用ASIC芯片 ,结合零散区域范围内高精地图进行决策控制;商 用车以高速货运为主,落地可以迅速降低成本提高 效率,以L4级别作为主要突破方向,多采用摄像头 视觉激光雷达的感知方案,以及GPU芯片作为计 算中央,参与者众多但有量产合作的企业数量少。 36Kr-自动驾驶专题研究报告 ➢投资视角 姓名李坤阳 微信frank308 邮箱likunyang36kr.com ◼行业KSF(关键成功因素) ✓算法型公司(提供解决方案和系统)订单交付能力(是否与主机厂和Tier1就产品 有真正订单合作)、研发团队的人员背景(研究相关模型及算法投入时间)、是否具 备成熟产品投入测试运营、相关场景的传感器组合成本是否适用于量产、战略规划是 否稳定(专注目标场景落地的时间) ✓硬件供应(传感器及芯片)毫米波雷达发展成熟,是大部分算法型公司的解决方案 感知层主要设备;车规级的激光雷达研发周期长,用来做测试采购成本较高,且必须 外露在车外进行感知,乘用车解决方案中涉及相对较少;摄像头视觉解决方案多用于 L2级别,L3级别及以上应用规模大;芯片研发未来倾向ASIC专用芯片,目前GPU通 用芯片更多用于适合L4级别以上的商用场景。 蔚来-场景致胜汽车产业趋势洞察 --蔚来资本罗兰贝格 2018.11 Initiating on EV Battery Material Suppliers Be Selective --Morgan Stanley 2019.02 七大总结 2018中国自动驾驶产业年 度报告 --亿欧智库 2018.07 参考报告及文章 分析师 AI 芯片市场正快速起航,国内边缘芯 片面临更大机遇 --平安证券 2019.4 3 目录 一、自动驾驶2020年多数场景L3落地,场景商业化差异大 1.1 自动驾驶概念时间表推迟,“地理围栏”限制使用场景 1.2 ADAS实现无人驾驶前,由高级辅助系统辅助驾驶员 1.3 自动驾驶分级L1-L4适用场景受限,落地时间差异大 1.4 自动驾驶场景物流运输商业化高,城市化路况复杂 二、全“景”追踪资本布局集中、创业公司商用场景多落地物流 2.1 政策路测规范及发展战略相继落地 2.2 资本盛宴机构分别选取商用、乘用、硬件的一家公司跟投 2.3 落地场景分析物流场景降本提效,乘用车市场潜力大 三、技术产业链及竞争格局传感器方案差异大,算法是核心 3.1 产业链感知-决策-控制 3.2 细分产业格局传感器、高精地图、芯片、控制器的现状 3.3 竞争性分析创业公司须拥有订单交付能力,大型车企重点考虑收购 四、路径差异及典型企业商业模式分析 4.1 自动驾驶产业图谱全景聚焦 4.2 WaymoRobotaxi业务投入运营,建厂自研估值1750亿 4.3 NVIDIA并行计算的GPU专注于融合不同传感器 4.4 AutoBrainMPC算法结合域控制器对不同场景定制解决方案 4.5 图森未来L4级干线运输落地美国,加速推进半封闭枢纽场景 五、总结L3级别落地时间继续推后,车联网将带来改变 5.1 总结及趋势预测L3级别落地时间继续推后,车联网将带来改变 自动驾驶2020年多数场景L3落地,场景商业化差异大 CHAPTER 1 1.1 自动驾驶概念时间表推迟,“地理围栏”限制使用场景 1.2 ADAS实现无人驾驶前,由高级辅助系统辅助驾驶员 1.3 自动驾驶分级L1-L4适用场景受限,落地时间差异大 1.4 自动驾驶场景物流运输商业化高,城市化路况复杂 5 一、自动驾驶时间表推迟,“地理围栏”限制场景落地 ➢ 随着移动互联网的流量天花板逐渐见顶,互联网与实体行业如农业、 工业、建筑业和服务业等传统行业的数字化融合将成为新的趋势,产 业互联网结合5G和云计算等技术将加快实体经济转型。 ➢ 汽车作为产业互联网场景下必不可少的智能移动设备,随着新一代的 汽车技术革命如新能源、智能网联、自动驾驶的创新,将结合不同的 落地场景打造可复制循环的商业模式闭环。 2019.636Kr-自动驾驶行业专题研究报告 ➢ 国家发改委发布的智能网联创新发展战略征求意见稿计划在 2020年实现50的智能新车比例,而自动驾驶作为智能新车最重要 的技术环节之一,也在不断进行不同级别的市场化应用和试运营。 ➢ 在自动驾驶行业热度飙升之初,算法型公司和主机厂对自动驾驶 L4L5级别的落地时间规划在20182022年,但从政府对自动驾驶 的开放态度、复杂道路突发情况的发生和“地理围栏”效应对部分场 景的适应性来看,不同场景的落地时间差异显著。 ➢ 目前各主机厂和Tier1都已具备L2级别量产能力,算法型公司瞄准L3 级别乘用车和L4级别多商用场景的市场,互联网头部企业和大型主机 厂发布各自的自动驾驶相关平台进一步将资源集中。 1 产业概况 1.1 概念 1.2 区别 1.3 标准 1.4 场景 智能网联 V2X、车联网生态 新能源 轨道试验、观测试验等 自动驾驶 ADAS、高精度地图 图表1新能源汽车与自动驾驶打造智能网联汽车的基础架构 资料来源36氪研究院整理 6 1.1 自动驾驶概念感知-决策-控制,算法是解决方案核心 ➢ 自动驾驶是指智能汽车通过安装配备在车上的传感器设备(包括2D 摄影视觉感知、激光雷达、毫米波雷达等)感知汽车周围的驾驶环境 ,结合导航的高精度地图等地图数据,进行快速的运算与分析,在不 断模拟和深度学习潜在的路况环境并作出判断,进一步借助算法规划 汽车最理想或最合适的行驶线路及方式,再通过芯片反馈给控制系统 进行刹车、方向盘控制等实际操作动作。 ➢ 综上来看,自动驾驶分步骤来解读,分别包含感知层、决策层、执行 层。感知层利用各类视觉设备和雷达等感知周边环境,结合芯片算法 和V2X(Vehicle to X)得到的环境信息,借助决策层包含的深度算 法和规则算法不断模拟路况、规划出最佳路线并反馈给控制层实现驾 驶操作。 2019.636Kr-自动驾驶行业专题研究报告 ➢ 自动驾驶的适用范围和场景不局限于城市道路的乘用车,许多商业公 司从建立之初便依据不同的适用场景和解决方案方向开始了不同路径 的技术研发。从2D摄影视觉采集数据到3D激光雷达建模、乘用车到 商用车、从复杂的城市道路到规则的限定化场景涉足自动驾驶领域 的商业公司作为Tier1/Tier2和上游整车厂和OEM企业展开合作,开 启各自的商业化道路。 传感器供应商 Tier1 算法与芯片供应商 高精度地图供应商 V2X供应商 设 备 服 务 与 解 决 方 案 视觉解决方案供应商 主机厂/整车厂 作为Tier2供货 作为Tier1合作 直 接 合 作 图表2自动驾驶产业链体系及主要参与方角色 资料来源亿欧智库、36氪研究院整理 1 产业概况 1.1 概念 1.2 区别 1.3 标准 1.4 场景 7 2019.636Kr-自动驾驶行业专题研究报告 ➢ ADAS(高级别辅助驾驶) ,是一个主动安全功能集成控制系统,利 用雷达、摄像头等传感器采集汽车周边环境数据,进行静态、动态物 体的识别、跟踪,控制系统结合地图数据进行做出行为决策,使驾驶 者觉察可能发生的危险,必要情况下直接控制车辆以避免碰撞,可有 效提升驾驶安全性、舒适性。 ➢ ADAS是实现自动驾驶的前提,自动驾驶与ADAS(高级辅助驾驶) 都是通过传感器,收集车内外的数据来反馈车周边的异常信息。区别 在于,ADAS是通过周边信息的异常反馈给驾驶员,由驾驶员根据反 馈的道路信息和传感器数据进行驾驶操作。而自动驾驶的最高级阶段 ,则是通过传感器反馈的数据,传输给决策层做出决策,最终由控制 层将行为动作引导给系统,系统完成最终的操作。 ➢ ADAS在定义中并没有对覆盖范围有具体的限定,从无自动化向无人 驾驶的技术创新都可看作是ADAS的一部分。而ADAS的实现过程从 硬件设备操作感知系统,数据库、芯片算法等规划具体决策,电机等 控制单元操作控制系统。整体过程离不开感知-决策-控制的操作线条 。目前ADAS包含但不限于自适应巡航控制、盲点探测、前方碰撞预 警系统、夜视系统等。 图表3已实现L2级别(ADAS)的国内量产车型 资料来源各企业官网、36氪研究院整理 1.2 ADAS实现辅助无人驾驶,驾驶员借助系统进行决策 1 产业概况 1.1 概念 1.2 区别 1.3 标准 1.4 场景 主机厂事件车型 长安2018 年发布2款L2级别自动驾驶量产车型CS55、CS75 长城2018 年发布2款L2级别自动驾驶量产车型F7、VV6 吉利2018 年发布3款L2级别自动驾驶量产车型缤瑞、缤越、博越GE 上汽2018 年发布1款L2级别自动驾驶量产车型Marvel X 广汽计划基于GS5换代车型实现L2级自动驾驶量产GS5 北汽计划于2019年实现L2级自动驾驶量产/ 8 2019.636Kr-自动驾驶行业专题研究报告 ➢ 由于从无自动化干扰到最终的无人驾驶过程中,会出现不同程度的系 统干预,各国协会分别对自动驾驶划分了不同级别和标准,各国商业 公司按照划分的级别来对外宣布研发阶段和落地成果。目前已知的标 准包含由CAAM(中国汽车工业协会)、NHTSA(美国高速公路安 全管理局)、SAE(美国机动车工程学会)各自制定。而国际上通用 的标准是以SAE制定的L0-L5六个阶段为主。 分类SAE名称横向/纵向操作控制环境感知行为主体场景适用 LV 0无自动化驾驶员 驾驶员 驾驶员 无 LV 1驾驶支援驾驶员系统 特定场景 LV 2部分自动化 系统 LV 3 有条件自动 化 系统LV 4高度自动化 系统 LV 5完全自动化全部场景 1.3 自动驾驶分级L1-L4适用场景受限,落地时间差异大 图表4SAE标准下自动驾驶L0-L5分级及定义 资料来源SAE(美国机动车工程师学会),36氪研究院整理 ➢ L0此阶段无自动化设备介入。由驾驶员全程操控汽车。 ➢ L1单一功能自动化。在特定驾驶环境下,单项辅助驾驶系统可通过 获取车辆周边环境信息反馈给驾驶员,但动态操作由驾驶员完成。 ➢ L2部分系统自动化。多项辅助驾驶系统根据环境信息对汽车的横向 和纵向驾驶动作同时进行操作,动态操作依旧由驾驶员完成。 ➢ L3在特定环境下,系统完成全部动态操作,但驾驶员需要在特殊情 况发生时,给予系统回应。目前大多商业公司集中此阶段的落地。 ➢ L4在特定环境下,即使驾驶员未对特殊情况进行回应,系统依旧负 责执行全部动态驾驶动作。 ➢ L5系统进行全路况的动态驾驶动作,驾驶员可对系统进行管理。 1 产业概况 1.1 概念 1.2 区别 1.3 标准 1.4 场景 9 2019.636Kr-自动驾驶行业专题研究报告 ➢ 自动驾驶从概念提出到发展到现阶段,最重要的两个目的是降低驾驶 风险提升安全,进而降低成本实现量产。不仅乘用车和商用车的车型 会有所区别,其各自所适用的场景也差别较大,商业路径各不相同。 ➢ 此处的代表公司仅以提供场景解决方案的公司为例,不包括硬件制造 商、图商以及整车厂和Tier1。具体分析请参考后续章节。 1.4 自动驾驶场景物流运输商业化高,城市化路况复杂 Robo-taxi ADAS 物流 (高速最后一公里) 城市出行/乘用车 主要场景场景概述及商业程度代表公司 图表5自动驾驶主要适用场景及各场景商业化程度、代表公司 资料来源36氪研究院根据调研内容整理 Waymo Drive.ai Pony.ai Robo-taxi基于自动驾驶面向C端用 户提供出行服务,目前Waymo等美 国企业在本地开启试运营阶段。 图森未来 Embark Nuro.ai 地平线 Momenta Mobileye Others 泊车 环卫 矿区等 禾多科技 仙途智能 踏歌智行 现有量产车型中大多都是覆盖ADAS 的L2级别车型,驾驶员根据系统反 馈的危险信号进行动态操作。 长途的高速物流场景侧重实现L3/L4 级别降低货运成本,商业化程度高。 低速最后一公里为实现无人配送。 城市化道路是研发阶段最久、量产 时间线最长、突发情况最多的场景, 商业化程度受众多因素影响。 剩余场景,包含低速下后装市场的 泊车场景、负责清洁环卫的无人清 洁车以及矿区下的重卡线控市场。 Waymo AutoBrain 小马智行 1 产业概况 1.1 概念 1.2 区别 1.3 标准 1.4 场景 全“景”追踪资本布局集中、创业公司商用场景多落地物流 CHAPTER 2 2.1 政策路测规范及发展战略相继落地 2.2 资本盛宴机构分别选取商用、乘用、硬件的一家公司跟投 2.3 落地场景分析物流场景降本提效,乘用车市场潜力大 11 二、全“景”追踪资本布局集中、创业公司商用场景多落地物流 2019.636Kr-自动驾驶行业专题研究报告 ➢ 本章对自动驾驶的研究与分析将从宏观环境出发,探讨基于政策影响 下行业的发展情况、基于资本背景下投资机构的投资布局及周期变化 、国内外一级市场公司受整车厂和OEM以及Tier1的影响等内容。 ➢ 其中,在本章第四章节,我们将重点分析各细分场景下的现阶段情况 与国内外企业造血能力受影响因素,从各自市场所在的市场出发,对 市场需求、现存风险、自动驾驶量产带来的降本提效出发,分析各场 景的可行性。 2.1 政策规定路测规范及发展战略相继落地 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 ➢ 2018年1月,国家发改委发布了智能汽车创新发展战略(征求意 见稿),该意见稿制定了到2035年的智能汽车创新发展的三阶段愿 景时间表。 新车基本实现智能化,实现5G-V2X 2020年 2025年 2035年 图表6自动驾驶相关政策及发展战略文件 资料来源36氪研究院根据调研内容整理 智能汽车达50,LTE-V2X部分覆盖 实现LTE-V2X的部分覆盖 ✓大城市、高速公路车用无线通信网络覆盖率达90,北斗高精度时空服务全覆盖。 ✓高级别智能汽车实现规模化应用,“人-车-路-云”实现高度协同。 ✓率先建成智能汽车强国,全民共享“安全、高效、绿色、文明”智能汽车社会 ➢ 无人驾驶汽车路测新规智能网联汽车道路测试管理规范(试行) 发布,也味着无人驾驶可以通过真实路况测试收集优化无人驾驶系统 ,以应对各种复杂路况,并加快其商用化进程。 12 2019.636Kr-自动驾驶行业专题研究报告 2.2 资本盛宴机构分别选取商用、乘用、硬件的一家公司跟投 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 ➢ 从资本参与层面上看,自动驾驶作为被风投大笔资金投入的行业,一 直以来因为庞大的投资金额受到关注和争议。比如在今年2月份软银 愿景基金9.4亿美金投资的自动驾驶公司Nuro.ai,便将不久前融资5.3 亿美金的Aurora融资金额翻了近一倍。 ➢ 一方面,自动驾驶达到L3级别以上的难度高、周期长,投入研发的设 备和芯片测试使用且非量产,因而单次投入成本高;另一方面,L4级 别以上的系统驾驶对商用场景的成本降低、乘用车的安全性都将带来 极大的影响,和主机厂合作后的算法型公司估值将迅速提升,订单的 合作将为营收带来翻倍的增长。国内的风投机构参与自动驾驶领域投 资相对更加理性,在不同的场景和硬件上各选取一家公司进行跟踪。 图表7风投机构参与的部分自动驾驶产业情况及各自专注场景 资料来源36氪研究院统计整理 机构企业名称近一期融资金额及参与轮次专注内容 IDG资本 禾多科技2000万美元(天使轮、A)低速泊车及高速公路场景 Pony.ai1.02亿美元(天使轮、A轮)Robotaxi及乘用车场景 北醒光子未披露(A、A、B)固态激光雷达研发 宽凳科技1亿元(A轮)高精度地图及辅助驾驶 顺为资本 Momenta2000万元(A轮)高精度地图及视觉解决方案 智行者科技2000万元(A轮与B轮)低速场景(无人物流等) 北醒光子2000万元(A轮、B轮)固态激光雷达研发 真格基金 Nuro.ai9200万美元(A轮)最后一公里、物流运输等场景 Momenta500万美元(A轮)高精度地图及视觉解决方案 地平线300万美元(天使轮)人工智能芯片研发及计算平台 驭势科技300万美元(A轮)低速及封闭园区等场景 红杉资本 格科微电子780万美元(A轮)图像传感器芯片研发 禾多科技2000万美元(A轮)低速泊车及高速公路场景 地平线300万美元(天使轮)人工智能芯片研发及计算平台 格灵深瞳2000万美元(A轮)计算机视觉及深度学习技术研发 小马智行1.02亿美元(天使轮、A轮、A轮)乘用车、商用车及硬件 13 2019.636Kr-自动驾驶行业专题研究报告 2.3 落地场景分析商用场景物流商业进程快,乘用车前景难料 ➢ 商用车和乘用车的落地难度受到不同因素的影响。 ➢ 乘用车现阶段并没有完全出台与乘用车上路或量产的相关法律条文 或政策文件,大部分解决方案无法满足L3-L5级别的技术条件,外加 安全问题、法律责任问题、消费者认知普及等问题,目前来看落地有 难度,但随着与整车厂的量产开始同步,近期也出现了转机。 ➢ 商用车商用车由于不同的适用场景,因此在落地性上各不相同,目 前主流落地性较强的场景包括自动驾驶叫车服务、高速运输、港口货 运、矿区、市政环卫以及最后一公里物流。后续内容也将从成本、效 率、优化等数据层面对商用场景进行分析。 2.3.1 干线物流的高速运输场景 ➢ 干线物流场景,主要基于L4的系统操控。穿梭于有大量公路货运需求 的城市之间。计价方式与运送货物的体积、重量、品类、等因素息息 相关。而回到自动驾驶落地干线物流的主因,不外乎降本与提效。 ➢ 从降本的角度出发,首先考虑成本的组成部分有哪些。我们从货物运 输的配送流程出发分析,人员管理成本、司机工资、高速运输过路费 、驾驶引发的多余油耗,还有潜在的“罚款经济”下的违章成本等。 图表8乘用车与商用车中后期落地影响因素分析 资料来源36氪研究院根据调研内容整理 乘用车商用车 政 策 消费者接受 法律责任 安全 技术 整车厂接受程度 解决方案成本 场景落地速度 技术 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 14 2019.636Kr-自动驾驶行业专题研究报告 ➢ 那么自动驾驶通过何种方式降本我们从专注干线物流场景的商业公 司商业模式着手,像图森未来、Embark等企业直接切入的技术路线 便是跳过L3直接进入L4,原因是与成本直接挂钩的。 ➢ 乘用车由于驾驶场景中V2X的复杂问题、和整车厂合作的量产等问题 ,因此在研发过程中,循序渐进地依托标准进行L3L5的研发是一条 安全稳健的必经之路。 ➢ 而依托不同场景下的商用车市场,L3的研发并不能解决高居不下的司 机人力成本与油耗问题,因此,直奔L4级的研发路线是追求商业化的 最快方式。 ➢ 由不同的变量来量化成本,我们主要从驾驶成本和管理成本来分析。 驾驶成本包含司机薪资油费及油耗路桥费保险罚款其他费用 ,管理成本则包括车辆维护培训运营人员薪资等费用。 ➢ 同时,结合中美日三国的物流成本来看,运输成本是在包含仓储及管 理费用在内占比最高的核心成本,因此,如何通过自动驾驶解决高昂 的运输成本是本节讨论的重点。 ➢ 成本从驾驶成本出发,路桥费等硬性费用下降空间有限,此处暂不 讨论。而司机薪资、意外事故、油耗、罚款等重点成本构成作为主要 探讨点。 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 63 33 4 66 31 3 53 35 12 0 50 100 运输仓储管理 美国日本中国 图表9美/日/中物流成本结构 资料来源Wind、招商证券、36氪研究院整理 15 2019.636Kr-自动驾驶行业专题研究报告 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 ➢ 司机薪资根据CNBC关于卡车自动驾驶的相关报道中显示,以美国 劳工统计局的统计数据为准,卡车司机年收入的中位数约在44,500美 元左右。 ➢ 国内单个司机的驾驶成本年薪构成也至少超过20万元,结合单个车辆 2个司机轮流执勤的情况,在干线物流驾驶司机存量少、增量低的大 背景下,运输需求上涨将面临供给不足的情况。 ➢ L4级搭配L4级自动驾驶技术,无需驾驶员便可以通过传感器感知周 边车辆环境和动态,结合结构化道路的位置和标识,为下一步行驶做 出决策,并由系统进行最后的决策。在这段过程中,司机的工作负担 大大降低。未来随着政策放开和技术不断发展,可以实现完全无人化 ,无需安全员在车内。 ➢ 费用方面,以图森未来在亚利桑那州和德州落地的商业模式为例,尽 管前期试运营车辆单车成本高(独立采购激光雷达等设备),但后续 量产后按照不同客户的需求定制化费用标准。且前装系统量产后的整 车可以降低意外事故发生率、提升驾驶安全、降低司机费用的投入。 ➢ 油耗及罚款在国内的高速路段中,由于不同年限的商用运输车辆在 一定时期内会达到年限,但高昂的购车成本还是会让企业选择继续使 用该车辆。因此,在高速路段临检时,经常会遇到排放标准不达标导 致的罚款事件。 图表10自动驾驶在成本及管理成本帮助企业减负 资料来源36氪研究院根据调研资料整理 驾驶成本 管理成本 司机薪资 ✓ 传统2个司机轮流执勤、成本高 ✓ L4级按路段付费等多种模式、无需安全员 油耗及罚款 ✓ 传统油耗大汽车寿命短、节省购置成本 ✓ L4级油耗大幅缩减、车辆使用时限加长 运营费用 ✓ 传统调度司机进行长途作业并维护车辆 ✓ L4级无需安全员、车辆报损次数下降 16 2019.636Kr-自动驾驶行业专题研究报告 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 ➢ 排放标准问题根据United States Department of Transportation的 统计数据显示,卡车排放量油耗占全球温室气体的16,而67的卡 车都没有使用清洁燃油。同时,由于司机在开车时会随时根据路面情 况作出反应,在不熟悉和道路环境复杂的路况下,会导致驾驶时加大 油耗。 ➢ 配备L4的卡车由于可以提前感知结构化道路信息,系统进行操作可以 将油耗降到最低,避免司机由于不熟悉路况重复驾驶导致的多余时间 消耗。 ➢ 从管理成本来看,主要还是改善在指派司机进行作业时所需要的调度 成本,包括车辆往返运行的等待时间和人手短缺造成的闲时成本。 2.3.2 半封闭枢纽场景(园区、矿区、道路清洁) ➢ 半封闭枢纽场景包含的类型众多,此处我们集中讨论。市政环卫准确 来说,属于开放道路下的商用场景,但由于市场空间相对不大、参与 者较少,而且市政环卫单次覆盖范围小,因此放到此处一起讨论。 ➢ 而此处讨论的场景,包含矿区、港口、一定范围内的市政环卫、物流 园区(包含最后一公里物流)等。 图表11半封闭枢纽场景涉及到的具体场景 资料来源36氪研究院根据调研资料整理 市政环卫接驳车 矿区 物流园区 ✓ 道路清洁将自动驾驶 与环卫车进行结合,用 作无人道路清洁。 ✓ 接送服务将封闭园区 内提供接驳服务。 ✓ 车辆调度物流园区内 的车辆作业密度大,通 过自动驾驶优化线路。 ✓ 矿物运输在矿区的相 对结构化道路下,进行 运输作业。 17 2019.636Kr-自动驾驶行业专题研究报告 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 市政环卫 ➢ 包含智行者科技、仙途智能在内的人工智能企业是环卫场景的主要参 与者,由于市政环卫所属场景更多是固定半封闭区域,道路结构较封 闭区域更复杂,但在类似区域市政的环保车对速度和时效性要求低, 因此在全程系统控制的条件下,能够有效提高降低人力成本和提高清 扫效率。 ➢ 从落地难度上来看,清洁车多为手动挡、无更多电控设备,因此后装 难度大。解决方案如仙途智能便选取了针对3吨18吨的新能源车型 进行加装线控来进行控制。智行者科技的无人驾驶清洁车“蜗小白” 也与首钢合作,投入量产。 矿区、港口 ➢ 矿区、物流园区和港口属于封闭地区,驾驶区域空间大、可控性高、 可以稳定保持在低速环境下行驶。但也会遭遇如海风、高温等特殊气 候环境影响,危险系数略高。 ➢ 在此环境下,尽管环境恶劣,但运营方对司机的驾驶路线熟悉程度以 及相应场景下的货物熟悉度要求较高,导致本身岗位吸引程度不大的 司机人手更加短缺。自动驾驶对此场景下的降本提效功能提升大。解 决了由于人手短缺导致的运营效率下降问题,并降低了危险事故发生 的风险。 ➢ 此场景下的卡车改造对算法型公司也是需要攻克的问题。矿区和港口 的重型卡车载重单位大,单辆车使用周期较长,因此改造难度和线控 设备的处理难度巨大。 ➢ 现有的解决方案以后装为主,大多算法型公司也在和重卡主机厂洽谈 前装的合作来进一步优化成本。但就现存矿区和港口来说,整体环境 改造和车辆前装改造难度仍很大。 18 2019.636Kr-自动驾驶行业专题研究报告 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 417.6 438.7 480.5 514.6 315 334.1 368.7 395.9 0 20000 40000 60000 80000 0 200 400 600 2015年2016年2017年2018年 货物运输量(亿吨)公路运输量(亿吨)公路货物周转量(亿吨公里) 图表122015年2018年全国货运量、公路货运量及公路货运周转量 资料来源国家统计局、36氪研究院整理 ➢ 总结以半封闭枢纽为例,自动驾驶在此固定区域及低速环境下落地 相对乘用车在复杂城市道路下面临的各类V2X问题,处理方式更为直 接,区别在于同一场景下,哪个企业提供的算法更全面、解决方案量 产成本合适、以及满足主机厂在矿区、物流园区以及港口的需求。 物流园区与最后一公里配送服务 ➢ 物流园区的车辆改造解决的问题,主要在于货运量的逐年提升下,运 输车辆的运行时间更长,园区内集装箱等大型货物的移动和单位周转 量也越大,停车需要达到厘米级的精度,还要与起重机进行交互。国 家统计局数据显示,全国货运量和公路货运量都在逐年提升,货物运 输量由2015年的417.6亿吨增长到2018年的514.6亿吨。 ➢ 最后一公里配送服务,以快递配送和外卖场景为主,属于区别于乘用 车的低速行驶,能够解决配送时间、配送需求以及客户隐私安全性等 问题,但在行驶过程中会涉及大量内部道路及非机动车道,依旧需要 解决外部干扰等因素。目前包含京东、苏宁等在内企业都开始参与到 无人配送车的测试与量产环节。 19 2019.636Kr-自动驾驶行业专题研究报告 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 ➢ Robotaxi即自动驾驶叫车服务,用户可在平台上预约无人驾驶的车辆 接到达目的地。Robotaxi服务对出行服务的影响巨大,因此也吸引 了Google、Uber等巨头布局。在已有的平台与企业合作中, Waymo已经在Lyft上投放了10辆自驾叫车服务的车辆,Uber也计划 在2021年计划与丰田汽车就自动驾驶叫车服务展开车辆投放运营。 ➢ Robotaxi所需要的自动驾驶级别在L4,对研发实力和安全性能要求非 常高,可在限定区域、时间、天气内根据不同的技术方案进行调整运 营,不论车辆配置的设备精度还是整车需要的系统构成,都需要投入 高昂的采购成本。尽管营运出租车可以通过相关补贴来获取运营收入 并逐渐降低每公里的成本,但前期测试车辆的单车成本较高,算法型 创业公司前期无法覆盖住成本,因此参与者多为行业巨头。 ➢ Robotaxi对出行服务的影响以网约车和私家车为例。在达到一定渗透 率之后,自动驾驶叫车服务可以通过系统性协调提高效率,在成本、 效率、安全性上都强于传统网约车服务。 ➢ 目前,网约车服务在美国亚利桑那州落地较快,这也有一部分原因归 属于Waymo在L4级别Robotaxi上的快速落地和持续研发能力,在国 内由于政府对于自动驾驶行业的开放态度和路况因素、以及硬件设施 的配套,我们认为需等待其他场景落地后,才可开展此场景的服务。 图表13Robotaxi服务对于相关行业的影响(攻克L4级别L5级别) 资料来源36氪研究院根据调研资料整理 2.3.3 Robotaxi 自动驾驶叫车服务多巨头参与,直入L4级别 ✓出行服务✓城市规划✓衍生场景 1.网约车渗透率加强,平台与 主机厂、算法公司加强合作, 算法公司议价能力高; 2.价格趋向合理,补贴战消失。 1.地产区位溢价减少,通勤时 间成本被有戏利用; 2.区域间的自动驾驶叫车服务 提升,人口密度缩小。 1.快递服务将依托于自动驾驶 叫车服务, 零售产品流通性 将得到新的渠道; 2.运输成本将得到显著下降。 20 2019.636Kr-自动驾驶行业专题研究报告 2 全景追踪 2.1 政策 2.2 资本 2.3 场景分析 1.干线运输 2.半封闭枢纽 3.Robotaxi 4.乘用车量产 ➢ 乘用车市场潜力巨大,是自动驾驶行业最热阶段初创企业争相追逐的 场景之一,包括小马智行(Pony.ai)、驭势科技(uisee)、禾多科 技(Holomatic)等企业在早期都获得了资本的大笔融资。 ➢ 在乘用车的量产环节上,由于技术是否足够成熟在城市道路下将决定 行人与驾驶员的安全问题,因此,目前为止不论创业公司还是主机厂 都在遵守由L2向L5循序渐进的过程,基于现有ADAS的强大的系统、 模块化能力以及车规级产品基础上,向更进一步进行研发与试行。 ➢ 根据国盛证券的数据显示,包含凯迪拉克、吉利、长城、长安、上汽 在内的主机厂都推出了各自L2级别车型,在探讨与算法型公司合作的 可能性。已经落地的合作包括长城与AutoBrain的L3级别合作等。 ➢ 目前ADAS在不同车型的渗透率有着很大的差别,部分ADAS功能也 相差甚远,根据国盛证券爬取的所有燃油车车型数据(2872个车型 ),定速巡航、盲区监测、车道保持、碰撞预警、自适应巡航的整体 渗透率在低价位车型渗透率相对较低,分别达到57.1、17、 17.2、19.3、17.2。高端车位渗透率相对较高,40万以上的 车型不同辅助系统渗透率都在50以上。未来ADAS硬件价格随着国 产硬件的替代,价格将有所下降,同时整车将向30万元以下车型进行 渗透。 ➢ L3级别的车辆若投入运营,只有前装的同时进行量产才能通过规模化 的效应缩减采购成本(包括激光雷达、毫米波雷达等)。 ➢ 目前国内外设备提供商的车规级产品单价相对较高,尤其以芯片和传 感器为主,算法型公司进行车辆测试和试运行都是通过单次小批量采 购,因此,是否与主机厂进行批量订单是检验一家算法型公司是否具 备核心竞争力的关键因素。 2.3.4 乘用车量产ADAS因车型区别渗透率差异大,L3实现难度大 技术产业链及竞争格局传感器方案差异大,算法是核心 CHAPTER 3 3.1 产业链感知-决策-控制 3.2 细分产业格局传感器、高精地图、芯片、控制器的现状 3.2.1 高精度地图概念与订单落地 3.2.2 激光雷达、毫米波雷达与摄像头的传感器之争 3.3.3 芯片及计算平台 3.3 竞争性创业公司须拥有订单交付能力,大型车企重点考虑收购 22 2019.636Kr-自动驾驶专题研究报告 ➢ 自动驾驶行业在场景中的渗透离不开算法和硬件设备的支持,不同的 场景下,各家公司所采用的传感器设备、芯片、计算方式是区别公司 之间竞争力的技术优势。 ➢ 对于自动驾驶下的不同级别,成熟的(L2级别)设备支持相对完善, 包含激光雷达、摄像头视觉解决方案、芯片(如Mobileye的EyeQ系 列产品)等在内已经拥有成熟的一级零部件供应商。 ➢ 而对于逐步开发的(L3级别以上)算法及系统,对硬件和算法的要求 越来越高,车规级标准逐步提升,因此给了一些创业公司挖掘商机的 机会,如何在新一个研发阶段提供有竞争力的设备成为发力的重点。 3 技术产业链及竞争格局传感器方案差异大,算法是核心 3.1 产业链感知-决策-控制 ➢ 自L3级别往后,系统操作会需要传感器收集到的数据进行深度学习, 模拟实际场景可能发生的情况并不断进行重复演练,对产业链环节中 涉及到的各个环节标准也将不断提高。 3 竞争格局 3.1 产业链 3.2 细分行业格局 3.3 竞争性分析 图表14自动驾驶算法环节简易产业链 资料来源36氪研究院根据调研内容整理 激光雷达 毫米波雷达 摄像头 其他 高精度地图 芯 片 / 计 算 平 台 复杂线控 制动系统 转动系统等 决策深度学习感知设备组合 数据计算(GPU/ASIC) 控制安装控制器 前装/后装控制器 ➢ 传感器层面的竞争相对更加激烈,多家厂商积极打造符合自动驾驶规 格的雷达、摄像头解决方案等,而算法型公司也根据各自的模型和标 的场景加强算力,加速落地。 23 2019.636Kr-自动驾驶专题研究报告 ➢ 随着关于细分产业的格局我们以感知层和决策层为主,控制层的线控 安装主要由主机厂是否开放底层线控决定。 3.2 细分产业格局传感器、高精地图、芯片、控制器的现状 3.2.1 高精度地图概念与订单落地 1 与传统图商的区别收集数据后与已有地图数据匹配转化 ➢ 传统图商当司机驾驶汽车行驶在城市或低/高速路段时,导航地图 会向我们推荐一条或几条路线,现有的多数导航地图甚至显示拥堵情 况,以及每需要花费的时间。获得这些信息后,司机根据地图提供的 信息决定是否直行和转弯,并对周围的驾驶环境进行评估,可能还要 考虑交通管制信号灯、限速标志等。 ➢ 高精度地图自动驾驶在脱离人力的情况下,无法自主判断目前所在 位置以及依据GPS识别交通信号灯、指示牌、行人以及其他障碍物。 因此,包含大量驾驶辅助信息的高精度地图便成为自动驾驶不可或缺 的重要环节。高精度地图拥有众多特点,精度多在510厘米(高精 性)、(包容性)、语义信息多(实时性)。 ➢ 高精度地图的制作环节复杂,采集车通过众包形式采集传感器收集的 激光点云等数据、进一步清洗数据并降噪脱敏、随之导入数据进行作 业分配,最后进行合并及地图编译重构三维场景。 3 竞争格局 3.1 产业链 3.2 细分行业格局 3.3 竞争性分析 3.4 主要玩家 2 商业模式按年/服务量进行费用支付 ➢ 高精度地图的制作与应用需要以云服务作为载体,因此相比于传统地 图License模式,按年(年费)或者按服务量(服务费
展开阅读全文
收藏 下载该资源

关于我们                               联系我们


[email protected] 2008-2013        长沙景略智创信息技术有限公司版权所有
经营许可证编号:湘ICP备17000430