1、时代背景：汽车产业大变革

E/E架构集中，自驾域是智能化关键

E/E架构集中化为汽车智能网联化提供硬件基础。传统汽车电子化程度提高是通过不断增加ECU实现，随着汽车功能增长ECU数量逐年增加。由于不同ECU通常来自不同Tier1，因 此线束设计、逻辑控制也十分混杂，ECU功能协同困难，系统互斥，数据处理与交互能力受限，限制汽车智能化演进，目前用一个 或几个集中式域控制器作为“大脑”来操控全车的ECU与传感器已经成为汽车E/E架构发展共识。

博世将整车E/E架构发展分为6个阶段：模块化阶段、功能集成阶段、中央域控制器阶段、跨域融合阶段、车载中央电脑和区域控制 器阶段、车载云计算阶段。域集中式的汽车电子电气架构采用域控制器实现对汽车各大功能域进行控制，处于同一域中的功能对应 一个域控制器，同域功能间实现协同交互，从基础硬件架构的角度推动实现汽车智能网联化。

软硬件解耦，软件定义汽车

汽车软件与硬件解耦，“软件定义汽车”时代到来。在汽车硬件高度集中化、标准化的基础上，汽车电子软件架构升级，软件与硬件分层解耦，软件实现模块化设计开发，通用性大幅 增强，同时软件还可通过空中下载技术（OTA）实现在线升级，汽车智能网联化属性将得到提升。

汽车软硬件解耦后，汽车电子软件可实现各功能间的交互，汽车电子软件从依赖于硬件提供单一功能架构转变为面向服务架构 （SOA），SOA软件架构下底层软件具备接口标准化、相互独立、松耦合三大特征，各个“服务”相互独立且唯一，具有界定清晰 的功能范围，留予标准化的访问接口，升级或新增某项功能只需调用接口即可，且软件架构独立于车型、硬件平台、操作系统及编 程语言，将传统中间件编程从业务逻辑分离。

2、2022年是L3自动驾驶元年

车端：L2正成为标配，L3开始量产上车

L2正成为新车标配：上险新车视角。得益于硬件平台及算法成熟，新车搭载L2级智能（辅助）驾驶持续高增，正逐渐成为前装标配。根据高工智能汽车研究院数据，2021年我国ADAS前装标配新车搭载率约为39.6%，L2标配新车搭载率约为19.4%，其中L2+搭载率 约为8.3%。2022年1-5月L2功能搭载率达到25.5%。分功能来看，2021年主动刹车（AEB）、自适应巡航（ACC）、盲区监测（BDS）、全景环视（AVM）、自动泊车（APA）搭载率 分别为37.9%、25.8%、16.0%、22.5%、11.9%。分品牌来看，2022年1-5月特斯拉、理想均标配L2，长城魏牌、丰田L2搭载率分别达到96.53%、77.12%，比亚迪、传祺、本田、 哈弗前装L2搭载率也超过30%。

法规端：深圳L3自驾立法，有望为国家相关政策提供参考

《深圳经济特区智能网联汽车管理条例》将于8月1日起实施，《条例》共九章六十四条，包括总则、道路测试和示范应用、准入和登记、 使用管理、车路协同基础设施、网络安全和数据保护、交通违法和事故处理、法律责任以及附则，我们认为有以下几个重点：

1）针对L3-L5级别自动驾驶汽车：明确提到《条例》所称自动驾驶汽车包括有条件自动驾驶、高度自动驾驶和完全自动驾驶三种类 型，分别对应工信部L3-L5级别标准；

2）行政区内全域开放道路测试：《条例》明确市相关主管部门选择具备支撑自动驾驶及网联功能实现的适当路段、区域、时段，供 智能网联汽车开展道路测试，且市人民政府可选择车路协同基础设施较为完善的行政区全域开放道路测试与示范应用；

3）车辆准入与登记：在智能网联汽车取得相关准入，列入国家或深圳汽车产品目录后，可以销售；经交管部门登记后，可以上道路 行驶；经交通运输部门许可，可以从事道路运输经营活动；

4）开放不配备驾驶人的车辆路测：提到完全自动驾驶做的智能网联汽车可以不配备驾驶人，可在规定区域和路段行驶，同时《条例》 明确了完全自动驾驶汽车事故及违章责任认定；

5）配套建设车路协同基础设施：《条例》提出市、区人民政府可以结合智能网联汽车通行需要，统筹规划、配套建设智能网联汽车 通用的通信设施、感知设施、计算设施等车路协同基础设施。

产业进展：城市级L3自动驾驶在路上

特斯拉北美地区发布FSD Beta v10.12，我们观察道路实测已达到城镇L3级别。特斯拉于2022年5月正式发布了FSD Beta v10.12版本，并于6月向北美10万级测试人员推送了v10.12.2版本，同时马斯克表示自动 驾驶FSD Beta 10.13将支持在没有地图数据的道路上行驶。根据部分用户上传的的FSD Beta v10.12的道路实测视频，我们看到其在城镇道路大部分行驶过程中不需驾驶员干预，其在城镇级 道路环境中表现优秀，例如完成无保护左转、对向来车情况下借道超车、连续变道等。（报告来源：未来智库）

3、自驾SoC，格局变化进行时

自动驾驶三大系统，计算平台是决策底座

自动驾驶系统由感知、决策、执行三大部分组成。感知层通过摄像头、激光雷达、毫米波雷达等传感器感知周围环境信息，并通过地图、导航等获取车辆信息；决策层处理传感器数据，判断车辆应该执行的操作并规划合理路线，包括计算平台（域控）以及软件算法；执行层接受决策数据并完成转向、加速、刹车等实际行驶动作。

系统级SoC芯片，自驾域控核心

域集中式架构更好实现传感器融合与平台算力共享。早期大多数L0-L2级别的ADAS系统都是基于分布式控制器架构，整个ADAS系统由多个子系统组成，各个子系统通常是独立的，其 存在两个缺点：1）各个子系统互相独立，无法做多传感器之间的深度融合；2）各子系统独占所配置的传感器，因此无法实现跨多 个不同子系统传感器的复杂功能。

高级别自动驾驶的实现需要更多数量和不同种类传感器，需要传感器融合提高系统决策、规划的正确性，因此需要集中式域控架构 来处理多传感器数据。域控平台将控制算法从传感器端上移到域控制器端，提高了功能可用性和算力利用效率，更好的实现L2+自 动驾驶。

Mobileye：提供软硬一体解决方案，L2市场王者

Mobileye成立于1999年，是以色列提供基于视觉算法分析和数据处理来提供ADAS/AD解决方案的全球领先者，2017年被Intel收购， 其在全球L2市占率达到75%。根据高工智能汽车研究院数据，2021年Mobileye在中国前装乘用车市占率为37.12%。Mobileye一直采用“传感器+芯片+算法”绑定的软硬件一体化的ADAS解决方案模式，这种“黑盒”商业模式的优点是开发周期短， 客户可以快速出产品，比较受转型较晚或者软件/算法能力较弱的传统主机厂或者Tier 1厂商欢迎。但是缺点是导致客户开发灵活度 下降，不能满足客户差异化定制产品的需求。Mobileye EyeQ系列芯片产品截止2021年底已经总计出货超过1亿片，2021年出货量达到2810万片，2021年新增超过30家汽车厂 商的41款车型的新订单。

英伟达：全球GPU巨头，引领高算力计算平台

英伟达是全球GPU与AI计算平台巨头，其早期专注于PC图形计算，后来利用其适合大规模并行计算的GPU架构，逐步将业务重点 拓展到云端的AI加速、HPC高性能计算、AR/VR等领域，其GPU在计算领域有着优秀的硬件平台架构和性能。英伟达在软件和生态上也具有较大的优势。基于Nvidia GPU架构的CUDA软件开发平台，是业界事实标准的异构计算框架。Nvidia 在CUDA计算框架的基础上，开发出了DNN加速库、编译器、开发调试工具以及TensorRT推理引擎等。英伟达于2015年正式发布其面向移动端/机器人/自动驾驶等领域的智能处理器Tegra X1，内置集成了当时最先进的Maxwell架构的 GPU核。此后Nvidia又陆续推出Tegra Parker、Xavier、Orin等面向移动端的SoC芯片，并将其用于自动驾驶计算平台。

高通：智能座舱计算平台领导者，切入自动驾驶

高通是全球汽车智能座舱计算平台领导者，全球领先25家汽车制造商中有20家采用了高通计算平台。高通第3代8155平台于2020年 底量产交付，目前广汽、吉利、长城、威马等多个国产车厂已应用。2021年1月，高通推出第4代座舱8295平台，制程5nm，增强 了图形图像、多媒体、计算机视觉和AI等功能，我们预计有望于2022年开始量产。2020年1月高通推出全新Snapdragon Ride平台，包括安全系统级芯片（SoC）、安全加速器和自动驾驶软件栈（Arriver™），能 够支持L1/L2级别主动安全ADAS、L2+级别“便利性”ADAS、L4/L5级别完全自动驾驶三个等级自动驾驶，目前通用、长城、宝马、 大众均宣布采用高通Snapdragon Ride平台构建车辆自动驾驶。

4、投资分析

域控制器：L2+渗透率提升带动产品放量

自动驾驶域控制器（ADCU）承载多传感器融合、定位、路径规划、决策控制的能力，通常需要外接多个摄像头、毫米波雷达、激 光雷达等传感器，完成的功能包含图像识别、数据处理等。其硬件构成包括主控芯片（SoC）、外围存储器、MCU车端逻辑控制、 数据传输控制中介等。

数据服务：感知数据量级提升，服务需求释放

高级别自动驾驶的实现需要更多数量和不同种类传感器，需要多传感器融合提高系统决策、规划的正确性，因此汽车产生数据量级 随着自动驾驶等级提升。

激光雷达：量产上车，放量在即

自动驾驶实现路径分为纯视觉方案（轻感知重算法）和以激光雷达为主的多传感器融合方案（重感知轻算法），各OEM中特斯拉采 用纯视觉方案，其他厂商多采用激光雷达、摄像头、毫米波雷达等多传感器融合方案。

车路协同：自动驾驶商业化的重要路径

单车智能和车路协同是自动驾驶实现的两种技术路线。车路协同自动驾驶是在单车智能自动驾驶的基础上，通过先进的车、道路感 知和定位设备（如摄像头、雷达等）对道路交通环境进行实时高精度感知定位，按照约定协议进行数据交互，实现车与车、车与路、 车与人之间不同程度的信息交互共享（网络互联化），并涵盖不同程度的车辆自动化驾驶阶段（车辆自动化），以及考虑车辆与道 路之间协同优化问题（系统集成化）。通过车辆自动化、网络互联化和系统集成化，最终构建一个车路协同自动驾驶系统。

后市场：传感器上车带来新需求

随着前装ADAS渗透率提升，人们对汽车安全性考虑以及汽车保险公司的推动，后市场对ADAS标定需求也随之迅速增长。ADAS标 定主要用于车载传感器位置角度调节，需要基于汽车轮胎的定位，对后市场维修流程和检修设备的集中程度提出了更高要求。

报告节选：

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）