产业调研：为什么规模化L2是自动驾驶向上突围关键点？
产业调研系列
前言：自动驾驶是未来十年的黄金赛道，也是我们团队研究的重点。近期我们有幸邀请到了国内L2解决方案领先企业智驾科技MAXIEYE的副总裁&运营总监杨腾飞先生，进行了电话会议交流，主要内容分享如下。
杨总：我们有一个观点——L2规模化是自动驾驶向上突围的关键点。智能驾驶市场格局是什么样的？乘用车L2装配率现在已经处于一个爆发前期阶段。根据第三方数据，2021年乘用车L2达到23.5%，今年可以达到35%，2025年可以达到50%，这个装配率提升很快。加上中国国内乘用车2000万的新车数量，所以整个市场容量非常大。
但是在这个乘用车L2市场下，供应商大部分被外资企业占据，包括博世、大陆、安波福这些。国内供应商真正能够做L2的一家是我们，还有另外一家。为什么很多公司放弃做L2，去做L3或者域控制器呢，因为L2很难，它用相对小算力和局限的空间，用低成本做到用户需要的性能，它是带着枷锁跳舞的事情。而且业内Mobileye已经做得比较好了，其他家觉得打这个市场难度比较大，故事也不性感，不能替代人做无人驾驶，所以玩家没有那么多。
为什么我们一定要坚持做L2呢？只有你做好了规模化的L2，才能够为L3和L4打下基础。我们有几个论据支撑：我们做L3的时候，它的场景需要大量的工程经验和数据积累，才能够做到城区和高速公路上任意A点到B点，如果没有数据和工程经验积累，就会遇到很多corner case，每个都可能导致很大风险，影响用户体验。在L2阶段的时候把问题解决掉，带着经验和数据去做L3，才能够走得更稳。
具体到我们公司智驾科技MAXIEYE，是一家成立于2016年，由前安波福的很多智能驾驶老兵创立的，从感知到规控全栈自研，面向商用车和乘用车前装市场，提供L3到L0的解决方案。我们通过几代产品迭代，做到了乘用车和商用车的市场。我们在商用车客车卡车这块，尤其是客车有80%市占率。卡车基本上是TOP7的厂商占了90%的市占率，我们的定位也是头部客户，跟TOP7的卡车全部建立了合作项目的链接，为卡车上市占率提升打下了很好的基础。
乘用车这边我们公司是国内企业唯二做L2的企业，我们是国内率先量产的，用国产的感知算法加上国产规控算法做了国产化的L2产品，这个是以前从来没有过的。之前的方案基本上都是用Mobileye的感知算法，再用自己的控制算法，感知这块是受制于人。
我们在2021年三季度就已经开始规模化批量，在广汽旗下的新能源品牌合创，包括哪吒下面的车型上量产。现在跑下来，我们觉得1R1V是一个划时代的产品，不是很简单的事情。第一步难的是做到量产，敢到市场上卖，这个我们突破了。
将来我们在真正起量之前，会经历一个重要阶段，就是你把产品投入到市场的前面几个月，需要监控消费者手里的车有没有问题。在这半年多时间里面，我们搭载的车数量接近1万台了，市场上整体的表现还是非常积极。
我们OTA迭代过一次，马上迭代第二次，整个性能上也有比较大的提升，我们相信产品再打磨一两个季度，就会达到很健康的状态。为下一步我们进入Tier1去切外资的份额打下了基础，因为我已经有了很好的量产性能表现了，成本上就不用说了，是国产供应商的优势。如果各个维度都有优势，车厂不用你都比较难。
我们还会思考L2规模化以后怎么进一步驱动增长。我们已经做到了Mobileye的水平：基于图像的深度学习有很好的目标识别、车道线识别等功能。再下一步怎么走？现在市场更加认可特斯拉的模式，它已经在部署下一代的算法，叫做BEV NET，这个算法我们去年就开始布局了，这个架构比当前算法的感知能力、预测能力会有非常大的提升，我们基于BEV网络的产品明年会在一个车型落地量产。
我们内部有一个结论——基于现在的深度学习网络，是确保我们从L1到L2，如果再往下去走，要引爆L3，一定要解决空间、时序问题的BEV网络，新网络带领的增长曲线是第二增长曲线，这块我们有所布局。这是我们下一步的规划。
总结一下，结论就是，如果你想往L3的新算法去走，前面需要几十万、上百万的规模化的量，不断在路上去跑，有这个支撑，才能够开创智能驾驶的下一个时代。
Q：能不能给我们拆分一下，一套典型的L2自动驾驶解决方案的成本是怎么构成的，包括软件和硬件。
A：一般我们所谓的L2都是1R1V——一个前向雷达和一个摄像头，提供横向和纵向控制，横向控制包括车道居中和纠偏，纵向是巡航和AEB等，高速上可以撒手。博世、大陆的L2方案在车厂售价大概就一千一二百，国产的最大问题不是说你的成本如何，而是性能是否能够做到Mobileye的水平。因为车辆控制不好可能就撞到路边去了，车厂还是考虑性能和质量是否真正验证下来没有问题，它才敢用。所以国产的东西首先要看性能，达到车厂要求以后才看你的价格有没有优势。
Q：很多自动驾驶公司既做L2也做L4，这个路线怎么看？
A：同时走的应该是很少的，业内是两派人——L2往上走的是特斯拉，L4开始的是Waymo，技术路线有差异。特斯拉是重视觉和毫米波雷达，Waymo是更看重激光雷达。L2反哺L4的思路也是对的，因为L2有量，L4没有量，但是这个事情不是非常容易做到，不是说L4的公司进来做L2就是降维打击。其实L2很难，中国只有两家公司在死磕L2。为啥大家都不做呢，因为这个事情很难，也不性感。但是市场很大，一年1000万辆的车可以装配，很大的量，一旦能够拿到份额还是很可观的。所以L4的公司来L2的市场，能不能把性能做好，成本又能打，我觉得很难。
Q：怎么看待有些车厂想全栈自研，未来会不会成为趋势？
A：关键看你能否做出差异化而且领先，如果做不过供应商，最终还是回到商业本质，就是投入产出比。现在做全栈自研的基本都是跟风特斯拉，它一向是特立独行，市面上没有好的，它又想更好，只能自己做。这个是双刃剑，好处是你可以创新，人无我有。坏处是需要投很大的研发资源，尤其是很多算法研发人员，做人工智能的研发费用是很高的。包括特斯拉去做芯片，也不是投一点点钱能够做出来的东西。如果能够做成，那逻辑上行得通。如果大家都跟风自己搞，会出现什么情况呢？你会发现慢慢就变味了。资源有限，大家都去抢，导致大家资源都不够，无法打造出有竞争力的系统或者芯片。
Q：怎么去抢外资的市场份额？
A：最难的是撕开一个口子，证明你的东西是不错的。你上来找一些量产百万的车，你告诉它切你的，它也不敢。你要找一些量相对小一点的，然后又愿意尝鲜的车厂去聊一些项目。你先在市场上有表现以后，吉利、长城这些车厂本身就有国产替代的诉求，一直没有这样做的原因是没有看到哪家可以在性能上看到可以替代的产品。如果说已经验证了可以替代，后面合作速度是非常快的。现在L2的1R1V的国产替代的大趋势是不可阻挡的。
Q：为啥没有更多的中国公司来做L2？
A：因为不性感，就是做了产品然后加一点毛利。自动驾驶是可以把人员减掉的。这个里面很多玩家是奔着性感的商业模式去走的。
Q：1V1R或者1V5R实施上的难度有很大差异吗？
A：一般我们会这样分：要做L2的功能还是行泊一体的功能，还是大算力比如特斯拉FSD的功能。最简单的配置就是一个摄像头实现机器视觉的L2功能，跟1R1V实现一样功能，省掉了一个毫米波雷达，省掉了三百多块钱。包括3R1V，和5R1V的我们都划在一起，因为都是前视系统，有雷达就是多一个辅助。3R是解决两个盲区，5R是多了四个盲区雷达，在换道的时候做一个辅助，我们认为这类产品的难度是一样的。
再往下是5R5V，要上域控制器了，实现行泊一体。多出来的4V是用来泊车的，在前向的难度也是一个level的。所以从1R1V到5R5V难度一样的，如果你自己做感知算法，国内正儿八经就两家在做。
再往下就是基于Orin这种，包括以后用安霸CV3、高通8540这些大算力的芯片，属于另外一个领域。算力打开以后，基于大算力11个摄像头进来，前视、侧视都进来，就要做到基于域控制器的L3产品了。这个竞争格局又比较复杂，跟刚刚说的玩法不太一样。
我刚刚讲了，要做大算力，一定要把小算力研究明白了，才会更加踏实。如果小算力场景都没有啃过，你的竞争力肯定没有别家强。
Q：1R1V跟大算力域控制器方案的功能分界点上是什么？
A：1R1V只能做本车道巡航，如果要跟特斯拉一样，从高速公路的A点到B点，或者特斯拉FSD的从城区的A点到B点，就要用大算力方案。因为需要换车道，地图创建和定位等，这个会更加复杂一些，用的算法也会更大和更加复杂。
Q：看资料发现公司的技术方案下降到10万块钱的车了，成本的节约能否再展开一下？
A：我们强调设计降本，供应链降本大家有量都可以谈。如果你用50美金芯片做到这个效果，别人用10美金芯片也做到这个效果，别人肯定有优势。我们现在用的芯片对我们的算法肯定够用了，用有限算法发挥很好的性能，这个事情本身就有降本的思想在里面了。
Q：公司用了英飞凌的芯片，目前芯片紧缺情况如何，大概什么时候恢复正常？
A：现在汽车行业缺芯是持续了很久的事情，新能源车的销量一直在提升。下一步缺芯的缓解情况，我们现在也很难说，但是能够感觉到在缓解，供应已经在触底反弹了。
Q：公司也拿到了一些新势力的车厂单子，是怎么分工的？
A：有些项目是我们自己做硬件做系统，有些项目会有一些软件合作，比如大算力域控制器，车厂在硬件方面找了供应商，软件切成好几块找不同的供应商，这个每家不太一样。
Q：公司L2方案跟Mobileye性能差不多了，怎么做到的？
A：我们也不是一蹴而就，是迭代到第四代产品的时候才跟它EQ4接近。对Mobileye要有敬畏之心，它也出了EQ5和EQ6。最重要的契机是深度学习的出现，机器学习时代Mobileye一骑绝尘，到了深度学习时代，别人可以追上来，现在跑下来之后，我们也做了一些迭代，达到EQ4的水平已经是很大的一个成就了。
合规声明：本文节选自国君计算机组织的专家电话会议纪要，如需纪要全文请后台留言。
- end -
欢迎加入产业交流群！
欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的产业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。
3. 中科创达：汽车“四化”下加速成长
4. 三谈中科创达：做事情眼光最重要5. 智能座舱：智能汽车产业大变局中的投资机遇（40页深度）
6. 德赛西威：领先的汽车电子玩家，未来出行变革创领者（深度）
7. 科大讯飞：个性化学习手册改变了什么？（深度）
8. 科大讯飞：你绝对没见过的区域型订单详细拆解（深度）
9. 科大讯飞核心竞争力与增长点分析（50页PPT）
10. 科大讯飞：疫情防控让教育订单商业模式发生怎样的变化？
11. 从Nuance的沉浮看科大讯飞的核心竞争力
12. 格灵深瞳：技术领先到商业落地，计算机视觉场景为王（深度）13. 一张图看懂AI公司
14. AI+自动驾驶：模糊的正确胜过精确的错误15. 从主芯片视角研究智能驾驶内在产业逻辑
16. 科大讯飞：区域订单统计
17. 对中科创达的一些理解18. 英伟达汽车芯片业务发展史19.自动驾驶路测数据中的秘密20.Mobileye：被篡位的自动驾驶芯片老霸主（深度）21.中科创达：牵手地平线成立合资公司22.黑芝麻：国产自动驾驶芯片独角兽，用芯赋能未来出行（深度）23.经纬恒润：汽车电子隐形冠军（深度）24.计算机视觉：血腥战场（深度）25.产业调研：谈谈车载操作系统竞争格局26.产业调研：黑芝麻眼中的车载SoC芯片市场27.生死时速：新旧势力汽车主机厂自动驾驶进展详细梳理（深度）28.地平线：国产自动驾驶芯片龙头发展史（深度）29.芯驰科技：汽车芯片全赛道覆盖（深度）30.产业调研：从中科创达产品视角看智能座舱发展趋势31.为什么汽车芯片这么火？