无人驾驶市场深度研究报告

无人驾驶市场空间大：1.无人驾驶是依靠车载传感器来感知周围环境，利用计算机进行操控的综合智能系统，是汽车工业的终极目标。2.无人驾驶可以有效减少交通安全事故、降低交通拥堵程度、减少温室气体排放、帮助特殊人群出行及节约城市空间。3.谷歌、丰田等无人驾驶巨头计划在2020年前后推出自己的无人驾驶系统。IHS预测，到2025年全球无人驾驶汽车销量将达到23万辆。

无人驾驶，高级驾驶辅助系统(ADAS)先行：主要包含的技术有传感器、高精地图、深度学习算法及芯片技术平台。

1.传感器层面：“激光雷达+摄像头+毫米波雷达”的传感器组合成为无人驾驶汽车主流解决方案

车载摄像头：已比较成熟，基本无投资机会；

毫米波雷达：频率有望趋于统一，77GHz将成毫米波雷达主流；国外公司把持核心技术，由于长期的技术封锁，国内公司积极寻求突破。国外公司毫米波雷达系统的领先厂商包括博世（Bosch）、大陆（Continental）、TRW、德尔福（Delphi）、Hella、富士通（Fujitsu-ten）、电装（Denso）等公司。博世与大陆的占有率均为22%，并列全球第一。博世的长距离探测雷达是其核心产品，由于探测距离最远的毫米波雷达，大陆比较全面，TRW的主力为24GHz雷达，同时开发下一代360度感知雷达，Hella以24GHz雷达为核心，其24GHz雷达市占率为全球第一，投资机会不大。国内相关公司包括厦门意行半导体、沈阳承泰科技、北京行易道科技、杭州智波科技、湖南纳雷科技以及深圳卓泰达电子等，可以筛选作为投资标的；

激光雷达：与ADAS及无人驾驶形成良好搭配，目前价格较高。国外公司投资机会关注：Velodyne（百度和福特2016年8月注资1.5亿美元）、Ibeo、Quanergy；国内投资机会关注北醒光子、思岚科技、镭神智能、速腾聚创、禾赛科技等。

2. 高精地图：国外巨头here和tomtom公司，国内腾讯入股四维图新，阿里全资收购高德。国内外市场已定局，基本无投资机会。

3.芯片技术平台：英伟达：GPU市场占据绝对领导地位，推出基于CAFFEE、TORCH等深度学习框架的CUDA工具库（在汽车领域：英伟达推出了DrivePX硬件，采用12颗CPU和一个Pascal平台的GPU图形核心）；高通：立志将深度学习带入汽车行业，推出骁龙820A车用处理器和深度学习ZEROTH平台。暂无其它技术平台能赶上或超越英伟达公司。

4.   深度学习算法：国外Mobileye，谷歌等占主导；国内投资标的关注初创公司关注MINIEY、地平线机器人、寒武纪智能、旷视科技等。

作者微信号：353061239

一、无人驾驶市场广阔

市场研究公司IHS则预测，2025年全球无人驾驶汽车销量将达到23万辆，2035年将达到1180万辆，届时无人驾驶汽车保有量将达到5400万辆。其中，2035年4级完全无人驾驶汽车每年销量可达到480万辆，其中北美市场份额将达到29%，中国为24%，西欧为20%。

图：全球无人驾驶汽车销量（万辆）

图：无人驾驶技术发展历程的四个阶段

    预计部分无人驾驶在2020年左右开始商业化，完全无人驾驶在2025年左右开始商业化，而在此之前，高级驾驶辅助系统ADAS会发挥重要作用。

    乐观情况下，预计2030年的新车销售中，完全无人驾驶车占比约15%，部分无人驾驶车占比约50%；2035年的新车销售，部分无人驾驶的渗透率达到100%；2040年的新车销售，完全无人驾驶的渗透率达到90%。

    悲观情况下，预计2040年的新车销售中，完全无人驾驶车占比约10%，部分无人驾驶车占比约30%。在此之前，无人驾驶的普及处于缓慢的爬坡过程中。

图：无人驾驶普及预测

       iiMediaResearch（艾媒咨询）数据显示，2016年全球无人驾驶汽车市场规模为40亿美元左右，艾媒咨询分析师认为，虽然百度、谷歌等行业巨头都投身于无人驾驶汽车技术研究领域，但由于现有法律法规的限制，短期内无人驾驶汽车市场规模变化不大，预计2021年全球市场规模将达到70.3亿美元左右，行业整体处于内部测试阶段，难以实现大面积推广。

二、无人驾驶两大技术路径：传统车企VS科技公司

2.1.传统车企，他们采取温和渐进的策略，讲究从Level1至Level4的循序渐进

    在对待无人驾驶技术的问题上，目前有两大流派：其一是传统车企，他们采取温和渐进的策略，讲究从Level1至Level4的循序渐进。首先以高速公路为中心实现自动驾驶技术，然后逐渐推广到主要公路乃至普通公路，希望通过每一代车型搭载的ADAS高级驾驶辅助系统不断升级的方式，直到最后实现完全自动驾驶。

表：美国高速公路安全管理局（NHTSA）无人驾驶分级

    2015年7月沃尔沃全新XC90上市，搭载了沃尔沃自主研发的Sensus智能车载交互系统的SUV，实现了半自动驾驶技术的最早商用。宝马公司则在其全新7系汽车上应用了包括转向辅助系统和车道偏离警告系统在内的多项半自动驾驶功能，并且支持支持远程遥控停车/出车位。国内的长安汽车已于今年4月试驾2000公里，成为中国首个实现长距离无人驾驶的汽车企业。

2.2.科技企业新进入者利用“传感器+高精地图+云计算”自动驾驶方案实现完全自动驾驶

其二是科技企业新进入者，他们选择了一条不同的道路，试图一步到位直接打到Level4的境界。例如谷歌的无人驾驶汽车仅设置启动和停止两个功能按键，车辆行驶、道路选择等均由车载电脑操控，利用“传感器+高精地图+云计算”的自动驾驶方案实现完全自动驾驶。其与传统车企的最大争议在于是否使用激光测距仪。

谷歌作为无人驾驶先行者，目前已经发展到第三代。前两代均是在现有车型上进行改造实现的，第三代是Google自己组装的无人驾驶汽车，取消了方向盘、后视镜镜、踏板等能够与驾驶者发生联系或者被操控的配件。

目前，谷歌已经在美国多地测试了56辆无人驾驶汽车，行驶里程超过240万公里，研究显示，在每161万公里的行程中，谷歌无人驾驶汽车约发生3.2次车祸，而司机驾驶的汽车会发生4.2次车祸，谷歌无人驾驶汽车可以有效降低车祸发生概率。

三、无人驾驶，高级驾驶辅助系统(ADAS)先行

ADAS是近年来汽车领域需求增长最快的部分之一。全球2016-2019年的复合增长率预计将达到32%。目前，欧美发达国家已有超过8%的新车已配备ADAS功能，而新兴市场这一比例仅为2%左右。预计到2019年，全球搭载高级驾驶辅助系统（ADAS）的新车出货量将占到总出货量的25%以上。

乘用车领域，ADAS系统集成商数量较多，且基本为大型汽车零配件企业。目前领先企业的技术方向均为主动安全和被动安全的联合与集成，以及数个ADAS系统之间的集成。分区域来看，目前在欧洲、北美、亚洲市场占有率最高的系统集成商分别是大陆集团、德尔福、电装。从全球来看，大陆集团市场占有率最高，且其在ADAS和自动驾驶技术方面的研发人员和资金投入也是全球第一。全球前五名的系统集成商占据超过65%的市场份额，其余份额基本为法雷奥（Valeo）、天合（TRW）、麦格纳（Magna）、海拉（Hella）、松下（Panasonic）、镜泰（Gentex）等企业占有。

相比乘用车，提供商用车ADAS的系统集成商集中度较高，威伯科、大陆集团、博世集团这三家企业占有全球60%的份额。

作为辅助驾驶员进行汽车驾驶的系统，高级驾驶辅助系统（ADAS）可以大大提升车辆和道路的安全性，已逐步演化为发展最快的汽车应用领域之一。目前常见的ADAS功能包括盲点检测BSD、自动泊车AP、前车防撞预警FCW、自动紧急制动AEB、车道偏离警示LDW、自适应巡航ACC、车道保持LKS等。

表：ADAS功能简介

    从产业链的角度来看，ADAS可以简单划分为传感层，控制层以及执行层。其中，传感层相当于汽车的眼睛，利用摄像头、激光雷达以及毫米波雷达来感知周围车辆、行人的信息，控制层相当于人的“大脑”，利用感知获得数据得出决策方案。

四、传感层---无人驾驶的慧眼

图：汽车ADAS系统传感器性能对比

4.1.车载摄像头已比较成熟，基本无投资机会

车载摄像头主要有前视（安装在前挡风玻璃上）、侧视、后视摄像头，其中前视摄像头是使用频率最高的摄像头。摄像头（Camera）作为一种已普遍应用的传感器，具有成本低廉、信息采集量大等特点，现在的摄像头的分辨率也己经达到了较高水准。

4.2.多种传感器融合应用是未来必然趋势，毫米波雷达将率先成为ADAS系统主力传感器

汽车毫米波雷达指利用波长为毫米级（主要使用24GHz、77GHz或79GHz）的雷达，其可以快速准确获取汽车车身周围信息如相对距离、相对速度、角度、是否有物体、运动方向等，并根据所探知的信息，进行目标追踪、目标识别分类，并作出相应警示或决策。

毫米波雷达具有体积小、质量轻和空间分辨率高的特点。与红外、激光等光学导引头相比，毫米波雷达穿透雾、烟、灰尘的能力强，具有全天候(大雨天除外)、全天时的特点。毫米波雷达的多项优势，其目前在汽车防撞传感器中占比较大，根据IHS的数据，毫米波/微波雷达+摄像头在汽车防撞传感器中占比达到了70%。

毫米波雷达目前主要应用于中高端车型，随着大众对汽车主动安全性能的认可度增加，ADAS相关产品将逐渐向低端车型普及。

完全实现ADAS各项功能一般需要“1长+4中短”5个毫米波雷达。目前全新奥迪A4采用5个毫米波雷达（1长+4短），奔驰的S级采用7个毫米波雷达（1长+6短）。

以自动跟车型（Stop&Go）ACC功能为例，一般需要3个毫米波雷达。车正中间一个77GHz的LRR，探测距离在150-250米之间，角度为10度左右；车两侧各一个24GHz的MRR，角度都为30度，探测距离在50-70米之间。

AEB是最有实际意义的ADAS功能，未来会成为中高档汽车的标配，需要1个77GHzLRR。

图：奔驰S级采用7个毫米波雷达“1LRR+6SRR”，基本可实现各项ADAS功能

    10月20日，马斯克通过电话举行了发布会，宣布所有的特斯拉新车将装配“具有全自动驾驶功能”的硬件系统——Autopilot2.0。该系统将包含8个摄像头，覆盖360度可视范围，对周围环境的监控距离最远可达250米。除此之外，车辆配备的12个超声波传感器完善了视觉系统，探测和传感硬、软物体的距离接近上一代系统的两倍。增强版前置雷达通过冗余波长提供周围更丰富的数据，雷达波可以穿越大雨、雾、灰尘，甚至前方车辆。与上一代Autopilot最大的特点是将车载摄像头由1个增加至8个，大大提升了特斯拉的视觉能力，并通过进一步加强其超声波传感器和毫米波雷达，新的感知系统获得了更远的感知距离、更多的冗余机制、更复杂路况和天气的适应能力。

    除了传感器，处理器层面也提升巨大：Autopilot2.0版本搭载了全新的车NVIDIATitanGPU，该处理器处理速度能达到每秒12万亿次，是前代的40倍，“堪比一台超级电脑”，强大的处理能力有效激活特斯拉汽车大脑：“TeslaNeuralNet”，运行特斯拉基于深度神经网络研发的视觉系统、声纳与雷达系统软件，系统为mobileye（已被英特尔153亿美元收购）。

4.2.1.频率有望趋于统一，77GHz将成毫米波雷达主流

    在毫米波雷达的频率选择上，各个国家主要有三种波段——24GHz、60GHz、77GHz，而目前正在向77GHz靠拢。欧洲和美国选择的是对77GHz的集中研究，而日本则选用了60GHz的频段，随着世界范围77GHz毫米波雷达的广泛应用，日本也逐渐转入了77GHz毫米波雷达的开发。

    目前毫米波雷达主要是以24GHzSRR（ShortRangeRadar）系统+77GHzLRR（LongRangeRadar）系统的形式出现，24GHz毫米波雷达主要负责短距离探测，而77GHz毫米波雷达主要负责远距离探测。

    77GHz雷达相对于24GHz雷达体积更小。77GHz雷达波长不到24GHz的三分之一，所以收发天线面积大幅减小，整个雷达的尺寸有效下降，对于追求小型化非常有利。

    77GHz雷达可以同时满足高传输功率和宽工作带宽，同时满足这两点使得其可以同时做到长距离探测和高距离分辨率。

    77GHz雷达在天线、射频电路、芯片等的设计和制造难度更大，技术成熟度较低，目前成本更高。

    另外，国际电信联盟（ITU）在2015年将79GHz划归为汽车安全领域应用，此频段可检测行人并可针对多个目标，未来可能替代24GHz成为短距离雷达，被广泛应用。

4.2.2.毫米波雷达国外公司把持核心技术，由于长期的技术封锁，国内公司积极寻求突破

    在毫米波雷达领域，主要的生产商都是国外公司，这些公司掌握着该领域的核心技术。

     毫米波雷达系统的领先厂商包括博世（Bosch）、大陆（Continental）、TRW、德尔福（Delphi）、Hella、富士通（Fujitsu-ten）、电装（Denso）等公司。博世与大陆的占有率均为22%，并列全球第一。博世的长距离探测雷达是其核心产品，由于探测距离最远的毫米波雷达，大陆比较全面，TRW的主力为24GHz雷达，同时开发下一代360度感知雷达，Hella以24GHz雷达为核心，其24GHz雷达市占率为全球第一。

    目前提供汽车毫米波雷达器件的公司有飞思卡尔（Freescale）、英飞凌（Infineon）、意法半导体（STM）、TriQuint等公司。Freescale和Infineon公司主要提供收发前端集成单片（MMIC），TriQuint公司提供工作频率77GHz的低噪放、放大器、倍频器等器件。博世（Bosch）、德尔福（Delphi）等公司提供汽车毫米波收发模块。

图：汽车雷达主要厂商市场占比       

图：汽车雷达传感器集成电路主要厂商市场占比

图：全球汽车微波/毫米波雷达市场需求预测

    毫米波雷达方面的核心技术和厂商都集中在国外，同时由于国外对我国的技术封锁以及人才短缺、元器件进口依赖等，对于毫米波雷达尤其是77GHz毫米波雷达的技术难度大。但由于毫米波雷达市场空间大、潜力足，所以国内近期涌现出多家相关公司，有望逐步取得技术和市场上的突破。国内相关公司主要包括厦门意行半导体、沈阳承泰科技、北京行易道科技、杭州智波科技、湖南纳雷科技以及深圳卓泰达电子等。

厦门意行半导体。意行半导体是国内第一家专注于汽车雷达射频前端微波/毫米波集成电路开发的高科技企业。已独立开发出多款具有完全自主知识产权的微波/毫米波集成电路，是目前国内唯一一家提供24GHz汽车主动安全雷达射频前端MMIC解决方案的企业。公司具有自主知识产权的SG24T1、SG24R1、SG24TR1等MMIC套片，打破了国外的垄断，填补国内空白。

沈阳承泰科技。承泰科技成立于2015年4月，并立项研发77GHz汽车毫米波雷达，目前公司在研发77GHz汽车毫米波雷达上也取得突破，预计今年产品会问世。

北京行易道科技。行易道成立于2014年，目前其77GHz毫米波雷达已经应用在北汽的车型中，其与市面上博世、大陆等外资产品各项参数相当。目前已有产品应用到了北汽车型上。

杭州智波科技。杭州智波科技有限公司研发团队已研制成功了毫米波防撞雷达系统，主要涵盖了主动车距控制巡航系统、防撞预防系统、盲点侦测系统等七大功能。其研制出的24GHz和77GHz雷达感应器方案使得整个系统能够对不同的动态进行预警。2015年12月，亚太机电集团有限公司以700万元增资杭州智波科技有限公司获10%的股权。

湖南纳雷科技。湖南纳雷科技有限公司成立于2012年1月18日，已有24GHz/77GHzMMIC和系列化传感器以及SRR、LRR电扫描雷达，满足汽车主动安全和自动驾驶应用。

深圳卓泰达电子。卓泰达电子科技有限公司成立于2009年，是一家以OBD车联网、汽车防撞预警及汽车周边电子产品研发、生产、销售服务为一体的高科技公司。其已推出RCC毫米波雷达防撞预警系统。

4.3.激光雷达与ADAS及无人驾驶形成良好搭配，目前价格较高

激光雷达2020年市场规模有望超100亿。预计激光雷达受益于技术提升及产能提升，2020年单只激光雷达成本有望达到400元，以整车安装2-4个激光雷达（前后探测距离）测算，对应整车成本为800-1600元。按照2020年前装市场25%渗透率、后装市场5%渗透率估算，中国市场规模有望近200亿。

激光雷达的应用领域很广泛，未来所有的智能设备，一旦涉及环境感知，都需要利用激光雷达。目前国际上领先的生产激光雷达的厂商主要有Velodyne、Quanergy、Ibeo、西克（SICK）、北阳机电（Hokuyo）等。其中西克和北阳机电的激光雷达是二维激光雷达，主要用于工业领域和安全防护领域，其他三个厂商生产的激光雷达一般用于三维测距。Velodyne、Quanergy的激光雷达主要用于无人驾驶汽车，Ibeo的激光雷达受限于线型和精度，主要应用于ADAS系统。这三家激光雷达厂商都已经和一些无人驾驶汽车研究机构、车厂或Tier1的汽车供应商建立了合作关系。Velodyne已经和福特建立了合作关系，并且谷歌无人车、百度无人车和一些高校的无人驾驶汽车研究团队都使用的Velodyne公司的产品；Quanergy已经和汽车电子系统TIER1供应商德尔福展开合作；Ibeo也与汽车电子系统TIER1供应商法雷奥有合作关系。

图：世界激光雷达主流厂商

图：激光雷达的价格发展趋势

4.3.1.Velodyne行业第一，是谷歌、百度用的无人驾驶激光雷达

Velodyne的主打产品HDL-64有64个激光器数，最远测量范围可达100-120米，精度可以达到±2cm。扫描频率1.3M点/秒，垂直视野26.8°，水平视野360°，功率60W，作业温度-10至50℃，大小203mm×284mm，重量15kg。目前价格较高，约6-7万美元。

Velodyne不提供算法产品，向车企或者互联网企业输出的是激光雷达原始数据，用于完全无人驾驶的测试。除了位置和距离信息，Velodyne还扫描物体的密度信息，根据物体的反射率，判断对象中哪块是交通指示牌，继而可以由摄像头针对性地分析指示牌内容，从而减少算法成本。

Velodyne目前已经量产销售的激光雷达有三款，分别是HDL-64E(64线)、HDL-32E(32线)、VLP-16（16线）。除了谷歌、百度、Uber等无人驾驶汽车使用64线产品，一些车企在车上使用32线和16线产品测试。2016年1月CES上，福特展示了安装VelodyneHDL-32的混动版蒙迪欧自动驾驶研究车。荷兰NAVYA的两部全自动驾驶ARMA公交穿梭车测试了VLP-16和HDL-32，最后选用32线。Velodyne并不提供算法产品。Velodyne向车企输出的是激光雷达原始数据。

图：Velodyne三款雷达主要参数

    2016年8月，福特和百度，分别向硅谷激光雷达技术厂商VelodyneLiDAR投资7500万美元。这笔资金将被用于加速下一代激光雷达的开发和制造。

4.3.2.Ibeo产品包含软硬件整套方案

    Ibeo是一家成立于1998年的公司，2000年被传感器制造商SickAG收购。2000年至2008年公司研发了激光扫描技术、并且开始了若干自动驾驶项目的尝试。公司和欧洲委员会共同研发了十字路口安全的驾驶辅助产品，在全球范围售卖。2009年公司脱离SickAG独立，2010年和法雷奥合作开始量产可用于汽车的产品ScaLa。目前已有的Ibeo全自动驾驶测试车上，常用的多点布局组合是LUX和miniLUX两款产品。

    Ibeo最早涉足车载激光雷达产品并提供路上物体追踪、识别。与Velodyne不同，Ibeo的产品包括了硬件和软件在内的整套解决方案。硬件产品涉及ADAS到自动驾驶整个进程，软件方面公司提供的激光雷达融合系统可将6个传感器采集的信息实时整合到一个ECU后，实现智能追踪识别。

4.3.3.Quanergy后来居上

    Quanergy是一家激光雷达领域的新晋创业公司。2014年5月，公司获得来自三星电子风险投资，特斯拉创始人及清华企业家协会天使基金的种子投资。2014年12月，公司完成3000万美金的A轮融资。2015年Quanergy得到德尔福的战略投资。德尔福收购了Quanergy部分股权，目前两家公司的工程师正在努力研发LiDAR系统。

4.3.4.国内在激光雷达研发这块的企业则主要有北醒光子、思岚科技、镭神智能、速腾聚创、禾赛科技

    国内有数家公司参与激光雷达的研发与生产，应用领域主要包括大气污染检测、三维测绘、汽车等。

表：国内主要参与激光雷达研发与生产的厂商

       相比于国外企业已经具有相对成熟的成型产品，且已经和相关公司展开合作，国内公司在激光雷达的研发和生产上则只是刚刚起步。目前，国内研发生产激光雷达的公司主要有3家：华达科捷和欧镭激光（都是巨星科技子公司）、镭神智能、思岚科技、北醒光子。

    激光雷达的下游应用领域核心是无人驾驶汽车、服务机器人、无人机和工业测绘领域等。从目前全球激光雷达企业的下游应用领域分布来看，居多的仍然是智能汽车和机器人领域，传统的测绘领域中，也有一批3D激光扫描仪的企业，转型向更具成长性的机器人和无人驾驶领域。

表：国内外激光雷达企业及产品应用领域

    国内在激光雷达研发这块的企业则主要有北醒光子、思岚科技、镭神智能、速腾聚创、禾赛科技。

    北醒光子：在2015年该公司入驻清华启迪科技园，公司目前的产品有三大系列：单线环境雷达DE-LiDAR1.0、多线长距雷达DE-LiDAR2.0和固态雷达DE3.0系列（多线长距雷达目前正在研发，可做到8到32线）。在融资方面，公司已获得IDG资本的A轮投资。

    思岚科技：成立于2013年，是一家提供消费级产品领域的高性能机器人定位导航解决方案及相关核心传感器的公司。目前主要的产品有：激光测距扫描雷达、即时定位与地图构建导航系统和通用型商业机器人平台。其研发的主要是应用在服务机器人领域的三角测距雷达。目前，思岚科技已完成数千万美元的A轮融资。

    镭神智能：镭神智能成立于2015年初，是一家提供机器人导航避障激光雷达、激光灭蚊炮和激光灭蚊机器人、中远距离脉冲测距激光雷达等产品及解决方案的公司。在今年7月份，该公司也宣布获得近亿元人民币的A轮融资，由招商资本领投，如山资本跟投。

    速腾聚创：速腾聚创此前的产品主要用于静态测绘，现在则是专注于无人驾驶激光雷达。在十一期间刚宣布完成其混合固态的16线激光雷达研发。该公司在成立500天余天内先后获得了东方富海领投的天使轮和A轮融资以及复星昆仲的数千万的A+轮融资。

    禾赛科技：该公司成立于2014年11月，其前身为2012年成立的美国硅谷禾赛仪器公司。近日已宣布完成了适用于无人车及辅助驾驶的16线激光雷达产品的研发，同时在固态雷达方面也做出了布局。融资上，目前也已完成了3轮融资。

在无人驾驶领域，激光雷达是其重要的硬件门槛。国内自主的多线激光雷达的出现或许会让国内的无人驾驶汽车的上下游企业获益。无论是百度还是乐视这样的大型互联网企业，都需要该技术的支持。

4.4.“激光雷达+摄像头+毫米波雷达”的传感器组合成为无人驾驶汽车主流解决方案

激光雷达最大的缺点就是易受大气的光传输效应影响，因而遇浓雾、雨、雪天气无法工作，而毫米波则可以快速获得速度信息，并且在雾天衰减率低，穿透性好，但是随着使用的增加，系统容易受到其它信号干扰；对于环境颜色信息的区分（交通标志等）则是摄像头的强项，因此现阶段“激光雷达+摄像头+毫米波雷达”的传感器组合成为无人驾驶汽车主流解决方案。

表：三种解决方案对比

四、高精地图:无人驾驶必备组件，各大巨头抢滩，已定局，基本无投资机会    高精地图作为无人驾驶不可或缺的部分受到各大巨头的青睐，科技公司、车企纷纷布局地图产业。德国三大汽车厂商戴姆勒、宝马和奥迪组成的财团斥资32亿美元收购Here地图以获得自主控制的导航服务，腾讯则选择以11.73亿元投资四维图新，试图将四维图新的海量交通数据和腾讯社交客户有机结合，打造全新的无人驾驶车载解决方案。

表：高精地图的收购事件

4.1.高精度地图巨头Here公司，被奔驰、奥迪、宝马三强组成的德系车企联盟收购

    2015年，由奔驰、奥迪、宝马三强组成的德系车企联盟在打败包括亚马逊、百度等众多互联网竞争对手后，以25亿欧元的价格成功收购诺基亚旗下的图商HERE。HERE作为全球第一家地理定位云服务商，凭借着近30年的地图技术和经验积累，已经收录了全球近200个国家的地图数据，为34个国家提供实时路况信息，并率先实现了真正意义上的离线浏览模式，不仅支持下载离线地图，同时支持离线搜索定位和离线GPS导航。此次有了德系车企联盟的支持，未来HERE在车联网及自动驾驶上的理念也将变得更容易实现。

    目前，Here号称收录了世界上近200个国家的地图数据，在97个国家提供语音导航、在41个国家提供实时交通信息，并且每天还可以利用8万多个数据源对地图进行270万次更新。尤其在汽车车载导航市场，Here更是占据了超过80%的份额，是全球领先的地图和位置服务供应商之一。

    Here的三大业务群：

    汽车业务：为车厂/Tier1供应商提供三大服务：增强舒适和安全性的实时连接且个性化驾驶服务、实时道路网视图提供预判服务、高精度地图支持自动驾驶服务

    企业业务：提供车联网和数据可视化技术，为车队与物流提供服务，利用Here地图和定位工具的SDK帮助企业建立自己的app

    消费者业务：iOS、安卓、微软平台的地图app，提供离线导航、交通和公共运输的高质量地图与云服务

    Here地图有多强大？

    地图：Here为200个国家提供地图，为136个国家提供导航地图，为超过50个国家提供1000余个城市的路径规划。

    交通：提供58个国家的实时交通、85个国家的13000个场景3D视图，预测未来12小时交通状况、兴趣点数据。

    地图更新：Here每天收集数十亿探测点数据（匿名），每天百万次地图更新。

    地图精度：Here拥有200激光雷达车，提供厘米级高精度地图，信息源超过8万个（每年增加3千个信息源）。

图：Here的“高精度地图+云”业务

4.2.TomTom—荷兰高精度地图提供商

    ToC：TomTom的PND从2004年发布以来，累计销售了7800万台，贡献了数亿计的探测反馈。在50个国家提供交通信息服务。导航地图覆盖超过125个国家、40亿人。

    ToB：63万职业司机使用车队管理系统WEBFLEET。

    TomTom的业务主要分为四大类：

    （1）面向消费者的便携式导航PND、运动手表、运动摄像机；

    （2）面向车厂、Tier1供应商的地图、交通、导航；

    （3）面向移动消费电子厂商、互联网公司、政府、GIS所有者的地图、交通、导航、定位许可服务；

    （4）面向车队、物流公司的车队管理服务WEBFLEET。

图：TomTom的“地图+交通+导航”业务资料

4.3.国内高精度地图巨头四维图新，腾讯入股，阿里全资收购高德

    目前中国只有12家地图供应商拥有导航电子地图甲级测绘资质。其中，四维图新、高德、百度地图、易图通及科菱航睿等占领了车载导航前装市场，凯立德则主打车载导航后装市场。

表：导航电子地图资质单位

    四维图新的高精度地图研发始于2013年，2014年可以提供精度10厘米到20厘米的高精度数据。目前，四维图新已经建立了自动驾驶实验室和深度学习实验室致力于自动驾驶领域的探索；正式运营FastMap，为基础地图数据每日更新提供服务；同时也开展了高精度智能地图和传感器融合地图服务等前沿领域的研发工作。

    四维图新是中国第一大、全球第四大的数字地图提供商，作为高度垄断国内前装车载导航及手机地图导航领域的双寡头之一，行业龙头地位明显。导航电子地图产品包括基础地图产品、NDS标准地图格式产品、ADAS高精度地图产品、三维地图数据、语音识别地图产品、行人导航地图产品、室内地图与停车场导航地图产品等。

    四维图新数字地图产品全面服务于来自全球领先的汽车品牌客户，获得宝马、大众、奔驰、通用、沃尔沃、福特、上汽、丰田、日产、现代、标致等主流车厂的订单，并通过合作共赢的商务模式在消费电子、互联网和移动互联网市场多年占据50%以上的市场份额，汇聚了腾讯地图、百度地图、搜狗地图、HERE平台、图吧地图、老虎地图、导航犬、天地图等上千家网站地图和众多手机地图品牌。

4,4.国内车载地图市场呈现出寡头垄断的格局，四维图新、高德、易图通居前三位

    高精地图是无人驾驶的必备条件，而在国内，受限于地图提供的资质限制，高精地图是稀缺资源。主要有以下几个壁垒：

    市场准入壁垒。我国政府规定只有具备地图电子地图制作资质的企业才能合法制作导航电子地图，目前国内可以为主机厂商提供车载地图数据且拥有电子地图生产甲级资质的厂商有十二家。

    技术壁垒。电子地图是现代高新技术的产物，所涉及的技术众多，需要多年导航电子地图自主开发经验和精干的导航电子地图软件开发团队，因此下游生产企业对于导航电子地图的选择相当谨慎，并设置了严格的认证程序和标准，后进企业要进入主流生产企业的供应商队伍，需要经过长期认证，这也抬高了该行业的进入壁垒。

    资金壁垒。导航电子地图行业是一个资金密集型的行业，一方面由于地图数据库建设周期长，投入资金大而且需要持续滚动投入；另一方面，导航电子地图产业属于信息产品范畴，具有先发优势大，边际成本低的显著特点。

    鉴于以上几点，目前我国车载地图市场呈现出寡头垄断的格局。2015年第4季度，中国前装车载地图市场四维图新、高德、易图通分别以40.2%、30.1%和28.3%占据中国前装车载地图出货量市场份额前三位，占据整个市场98%的份额。

图：2015Q4中国前装车载地图出货量市场份额

五、算法，无人驾驶的“大脑”，Mobileye基于图像的计算位居行业第一

    （已被英特尔收购）

人工智能以及深度学习算法是科技公司的核心优势，优化的算法能提升汽车判断准确性与敏捷度，降低成本。

无人驾驶的核心是算法。利用摄像头、激光等传感器收集马路上包括路、景、交通控制、位置，以及人和动物等所有的元素信息之后，传感给“大脑”，也就是控制层，让“大脑”来判断应该如何处理。这要求汽车不但反应敏捷，而且善于学习，做出类似人类的“联想”和“演绎”行为，这一切都离不开人工智能算法。

Mobileye是创立于1999年，目前为止拥有全球最大的人工视觉研发中心，主要是开发和推广协助驾驶员在驾驶过程中保障乘客安全和减少交通事故的视觉系统。Mobileye位于单目视觉高级驾驶辅助系统的发展的前沿，提供芯片搭载系统和计算机视觉算法运行DAS客户端功能，例如车道偏离警告（LDW），基于雷达视觉融合的车辆探测，前部碰撞警告（HMW），车距监测（HMW），行人探测，智能前灯控制（IHC）等。

Mobileye与多家汽车公司合作，其中包括宝马，通用，沃尔沃，现代，雷诺等。截止到2015年底，Mobileye全球销售超过1000万，与20家汽车制造商的273款车型合作。其中安装前装产品的占80%，后装产品的占20%。

Mobileye现在拥有三个系列的产品，分别为：Mobileye5系列，MobileyeC2-270和MobileyeC2-200。Mobileye5系列拥有蓝牙连接功能，通过智能手机应用程序（APP）警告驾驶员，具体的防撞功能包括智能手机显示，前部碰撞预警（FCW）），行人碰撞预警(PCW)，车距监测与预警（HMW）,车道偏离警告（LDW），智能远光灯控制（IHC）,限速警示（SLI）。

Mobileye以高精度地图做为进入自动驾驶行业的核心竞争力。不同于传统的街景车采集数据、测绘地图，Mobileye计划用AI的方式来制作高精度地图。Mobileye的AI是指具备深度学习功能的图像识别体系，以车载摄像头监控到的画面为基础，分析出画面中的车道线，道路标志，交通灯，摄像头等交通设施并以此绘制车辆运用的高清地图。

Mobileye的高精度地图是专门针对自动驾驶的，称其为Roadbook(路书)。它收集的重点是放在路上的各种导流标志，方向标识，信号灯等，依靠这些建立的路标，从微观上在行驶过程中为车辆提供指引。这种收集方式可以改善传统方式带来的高成本，适度慢等缺点。这种收集方式对采集到的信息，会在本地进行预处理，数据以简单的一维数据为主，结合必要的三维数据，最终让每公里的地图信息大小控制爱10kb以内，方便信息的上传与下载。

为了能够获取实时更新，成本低廉的高精度地图，Mobileye与各大车企合作，借助不同品牌大量级的车辆上摄像头获取数据。车载摄像头的普及率越来越高，而且没有增加额外的硬件，这种情况下，与车企也有更多的商业模式可以选择。

Mobileye的关键技术是运用一个摄像机与多个应用结合，在一个基于EyeQ1和EyeQ2处理器的摄像机上同时运行。因此，Mobileye在与只能由不同传感器阵列完成的任务的系统相比具有明显的优势。EyeQ1和EyeQ2视觉处理器具有高性能，低成本以及多应用整合于一个平台的特点。

目前已经投入市场的EyeQ3可以通过前方单颗摄像头实现防碰撞预警；将在2017年面世的EyeQ4将会配备3颗摄像头和车身周围的雷达和激光探测设备，实现高速公路上的半自动驾驶；预计之后，Mobileye会进行EyeQ4升级，变成5颗摄像头，增加更多探测设备，并整合更新的软件系统，实现全自动驾驶。

相较于Google无人驾驶汽车。Mobileye的优势在于单目摄像头的环境感知力强，可以识别交通标志牌，可以识别车道线，芯片减少了占据的空间同时成本低廉。

Mobileye的ADAS可以有效的帮助客户减少车辆的拥有成本。拥有成本包括车辆购买成本，车辆使用的油耗，胎耗，贷款购车的利息，路桥通行费用等。其中，保险和维修成本占到拥有成本的20%。根据NHTSA的统计，人为因素占到交通事故的93%。同时，在人为因素中，有74%的交通事故是由于驾驶员的注意力不集中造成的。Mobileye的使用可以减少人为隐患，进一步降低汽车的拥有成本。

Mobileye也需要更强的人工智能来完成更高难度的无人驾驶。Mobileye在无人驾驶技术上拥有约100项专利，相比较谷歌的320项专利仍有更多的地方有待开放。Mobileye更专注于发展半自动驾驶，并将其商业化量产，最后逐步发展全自动驾驶汽车。

六、突破算法、数据、计算瓶颈，深度学习完成无人驾驶最后5%，潜力巨大

深度学习起落三次，而目前三大瓶颈逐渐突破，深度学习迎来春天。

1）算法瓶颈：Hinton所提出的“局部预训练+全局微调”模式，有效解决网络参数梯度扩散的难题，实现了算法突破；

2）数据瓶颈：随着物联网技术和信息系统迅速发展，我们已经进入大数据时代，利用更多的训练样本，可以提升模型在复杂环境中的适用性，避免深度学习模型的过拟合；

3）计算瓶颈：从GPU升级到FPGA、ASIC成熟，芯片计算能力的增强是深度学习商用的基础。

传统算法仍然适用ADAS阶段，深度学习，满足最后关键5%的识别精度。深度学习出现以后，视觉识别任务的精度都进行了大幅度的提升。如果我们把人体识别的精度用到汽车的辅助驾驶系统里边，如果出现了漏报或错包，这是非常头大的事。如果是95%的精度，有100 个人经过，在一定距离范围内，他可能就有五次错报或者漏报，这肯定是无法接受的。但如果精度再提升10 倍或者100 倍，比如一米之内的1万个人只有5 次漏报的话，那这件事可能就是可行了。所以，深度学习的出现使得传统视觉方法不太实用的一些应用领域，基本上都可以通过深度学习的方法来获得一个良好的应用。

6.1.从GPU升级到FPGA、ASIC成熟，芯片计算能力的增强是深度学习商用的基础

6.1.1.深度学习应用领域，GPU是主流处理器

芯片特性优势：由于GPU多核心，可以快速处理海量性数据，因此，尤其适合于深度学习模型的处理工作。通过提供深度学习所需的内在并行度、大量的浮点计算能力、矩阵预算。在相同的精度下，相对传统CPU 的方式，拥有更快的处理速度、更少的服务器投入和更低的功耗。

主流GPU厂商大力推广：作为全球市场占有77%的GPU 供应商，英伟达首先从深度学习框架以及软硬件等三个方面推动深度学习产业发展。

6.1.2.趋势变化：灵活性+高性价比，半定制化的集成电路(FGPA)有望接棒深度学习

FPGA是一种半定制化的集成电路。和CPU、GPU 这些通用处理器的是，用户可以通过编程的方式，对购买的FPGA 芯片进行二次定制，将FPGA “刻画” 成自己需要的硬件。而不管是CPU 还是GPU，在出厂后，内部的电路结构、缓存大小都是不可更改的。FPGA 诞生于80年代，目前逐渐在深度学习计算中兴起。

相比于GPU 等GPP（通用处理器），FPGA 灵活性和性价比更高。FPGA 属于一类更通用的可编程逻辑设备，并且简单来说，是一种可重新配置的集成电路。对于深度学习而言，FPGA 提供了优于传统GPP 加速能力的显著潜力。GPP 在软件层面通过指令和数据存储于外部存储器中，在需要时再取出。这推动了缓存的出现，大大减轻了昂贵的外部存储器操作。该架构的瓶颈是处理器和存储器之间的通信，这严重削弱了GPP 的性能，尤其影响深度学习经常需要获取的存储信息技术。

目前FPGA市场主要由Xilinx和Alter 主导，两家公司占据85%的FPGA 市场份额，由于对FPGA 深度学习领域前景持续看好，越来越多公司尝试参与其中，其中CPU 巨头英特尔在2015年以167亿收购Alter，而IBM 则与Xilinx 开展合作，随着巨头们的加入，预计未来FPGA 市场将得到急速发展。

6.1.3.未来主导：待深度学习算法成熟，专用集成电路(ASCI)将主导AI处理器市场

ASIC（专用集成电路）是根据特定用户要求和特定电子系统的需要而设计、制造的集成电路。在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。对比FPGA，ASIC 牺牲灵活性换取尺寸和功耗下降相比于FPGA，ASCI 去除了芯片中与算法实现无关的组件，在牺牲灵活性的同时，极大提升了实现特定功能时的效率。

图：深度学习产业链

表：深度学习框架比较表6.2.英伟达：GPU市场占据绝对领导地位，推出基于Caffee、Torch等深度学习框架的CUDA工具库

    游戏显卡业务是英伟达增长的主驱动力。虽然整个PC市场处于萎缩的态势，并且随着低端显卡业务受到英特尔CPU核显产品的侵蚀（即仅需要CPU就可以完成低端GPU的功能），但随着3D游戏发展所带来的高性能GPU需求，全球GPU结构中枢向高端显卡偏移，根据彭博的估测，全球游戏设备领域每年将有1060亿市场，英伟达近5年游戏显卡业务复合增长率达到21%。

    高性能显卡和汽车业务加速推进。随着深度学习潜力逐渐显现，以及无人驾驶所带来车辆处理端的需求，英伟达在近些年开始加速高性能显卡以及汽车业务的投入。1）高性能显卡主要应用于诸如深度学习等大规模数据计算，在该领域：英伟达率先推出CUDA（通用并行计算架构），使得GPU可以解决复杂的计算问题，接着针对深度学习应用场景，推出基于Caffee、Torch等深度学习框架的CUDA工具库以强化GPU处理深度学习算法的能力。根据Intersect360Research的数据，目前英伟达的高性能芯片已经占据全球84%的市场份额，其芯片包括亚马逊AWS，FACEBOOK，谷歌等全球领先的深度学习研发中心。

    在汽车领域：英伟达推出了DrivePX硬件，采用12颗CPU和一个Pascal平台的GPU图形核心，单精度计算能力达到8TFLOPS，等同于150部MacBookPro，达到每秒24万亿次，可以处理包括摄像头、雷达、激光雷达在内的12路信号。另外，英伟达还推出基于自适应巡航系统的自动驾驶技术：依靠前期输入的地图和数据信息进行半自动驾驶，车辆可以通过摄像头实时采集信息，扫描周围道路街景、车辆、行人、路标等经由GPU分析处理后自采用该系统行学习，形成一套完整的图像。该技术受天气影响较小，相比于传统无人驾驶系统稳定性更佳。

6.3.高通：立志将深度学习带入汽车行业，推出骁龙820A车用处理器和深度学习Zeroth平台

    高通是全球领先的移动芯片提供商，随着手机销量下滑以及三星、华为、联发科等芯片厂商冲击，高通正逐渐丧失其在移动处理芯片的领导地位。应对于此，公司开始加强对车载无线芯片的研发，推出骁龙820A车用处理器和Zeroth平台，希望抓住无人驾驶和深度学习的萌芽期，利用自身在无线芯片领域的长期积累，推出支持深度学习的汽车芯片，抢占汽车处理芯片的市场份额，扭转移动通讯端的发展颓势。

    骁龙820A车用处理器：

    包含64位KryoCPU、高通Adreno530GPU，Hexagon680DSP。

    支持高通的深度学习算法Zeroth。

    通过神经网络以及云端，让汽车的ADAS以及导航系统更加智能。

    Zeroth平台：

    目的：支持汽车制造商面向ADAS和车载信息娱乐情景的神经网络

    技术路径：基于深度学习的解决方案，使用异构计算引擎，加速深度神经网络的执行。

6.4.谷歌：深度学习领域领导者，推出TensorFlow深度学习系统

    TensorFlow系统：

    通过对深度学习基础架构DistBelief进行了各方面的改进，比上一代人工智能系统快5倍。

    支持异构设备分布式计算，它能够在各个平台上自动运行模型。

    深度学习鼻祖GeoffreyHinton、自动驾驶汽车的主要发明者SebastianThrun均是系统开发团队一员。

    无人驾驶汽车：

    使用RNN神经网络对驾驶行为进行学习

    谷歌现在约拥有50量无人车，累计行驶里程已经超过160万公里，每一辆车行驶过程中遇到各式各样的交通情景和突发状况将产生大量的数据，这些大数据被传回云平台用作深度学习的训练样本。

    收购Here的激光雷达移动测量车的路线，为其自动驾驶提供高精度地图数据支持。

6.5.Mobileye：深度学习+复杂传感器+低精度导航地图

    行业龙头MOBILEYE 占据ADAS 市场75%的市场份额，在推出的基于摄像头的环境感知产品中，已经开始使用深度学习算法来识别运动和静止的物体，例如当前行驶车道的左右车道线、左右车道的左右线以及道路分叉等等，均通过深度神经网络识别。

    无人驾驶思路：

    深度学习+复杂传感器+低精度导航地图：相比于谷歌无人驾驶技术拥有高精度3D地图+激光雷达技术，mobileye的无人驾驶思路对人工智能的要求更高。

    厂商合作：通过与传统汽车厂商的合作，mobileye可以获取足够多的数据，用于训练改进自身算法。

6.6.国内初创公司：卧虎藏龙，已是一级市场宠儿，关注miniey、地平线机器人、寒武纪智能、旷视科技

初创公司对于推动深度学习领域发展有着重要作用：一些大学、企业的研究人员取得核心技术积累后会以联合社会资源成立初创公司的方式，实现自身价值最大化；谷歌、推特、雅虎等IT巨头也都有通过外延并购初创公司来提升公司深度学习能力。目前国内深度学习初创公司处于百花齐放的阶段，已涌现出诸如minieye、地平线机器人等优质公司，凭借其卓越的算法表现和可靠的远景规划被社会各界所认同。

以色列公司Mobileye占据了全球75%的ADAS市场，Minieye也把其当作标杆。虽然以色列公司在技术上较为领先，但Mobileye更多针对欧美路况的软件策略，缺乏⾜够多的本地化的图像数据库；全球化战略使得⽆更多精⼒应对中国路况优化。这也是Minieye致⼒于打造最适合中国市场的驾驶辅助系统的信心所在。

在2014年9月获阿里巴巴合伙人吴泳铭1000万元天使投资后，又于2016年4月完成数千万元A轮融资，由中兴旗下的中兴合创参投。

Minieye车载视觉感知技术和产品提供商，期望通过世界级的视觉算法，为中国驾驶者提供更符合国情与国人驾驶习惯的产品。公司将深度学习技术与传统视觉算法相结合，在复杂交通场景下能够对多种目标进行准确识别和分析。同时有效控制系统复杂度，在车规和消费类移动平台上实现产品化。

地平线机器人

地平线机器人是一家主打机器人专用“大脑”芯片研发的科技公司，致力于打造“机器人时代的Intel”。由百度深度学习研究院（IDL）创始人余凯创办。公司总部在北京，在深圳设有子公司，团队具有软件和硬件兼备的研发和产品能力；并已成功完成由多家全球著名投资机构——晨兴、高瓴、红杉、金沙江等支持的种子轮融资。

地平线机器人创立于2015 年6 月，目前融资轮次为A+ 轮，估值30亿人民币。

地平线机器人要做的产品，是基于人工智能算法的芯片、系统和软硬件平台，让世界上所有的设备（例如家居、汽车、玩具和服务机器人），具有从感知、交互、理解到决策的智能。截止目前，地平线共发布了两套产品：针对智能家居的“安徒生”系统和针对智能驾驶的“雨果”系统。开发者基于这些平台可以开发各种各样的应用，比如语音、图像等。

旷视科技（Face++）

旷视科技成立于2011 年1月，目前融资进行到B轮，最新融资额2500万美元，估值67亿人民币。

旷视科技专注机器视觉和人工智能技术，打造领先的人脸识别，图像识别，和深度学习技术服务云平台。旷视科技将致力于“先让机器看懂世界，再让机器真正思考”。旗下有Face++ 人脸识别云服务平台、Image++ 图像识别平台、VisionHacker 移动游戏工作室。

旗下的第一个产品Face++ 现已提供给广大开发者和企业级伙伴，其中包括阿里巴巴、联想、世纪佳缘和美图秀秀等，API 总调用量超过60亿次；并且在金融、安防、零售领域分别开始了商业化探索成功发育出Face++Financial，Face++Security，Face++BI 等垂直人脸验证解决方案产品。