中国智能驾驶报告2023车联万物畅想智行

文：任泽平团队 导读 新能源汽车蓬勃发展，快速渗透。软件定义汽车时代来临，汽车智能化是电动化后的新一重要发展阶段。智能驾驶给用户带来便捷且富有科技感的驾乘体验，彻底改变人们的出行方式、生活体验，在出行安全、节能性价比、出行效率等方面贡献显著。 我国是全球最大的汽车消费市场，通信基础设施、智能化道路基础设施也配套齐全，消费者对新事物接受度高、市场活跃，有发展智能驾驶的优势条件。智能驾驶发展也是大国博弈的一环，欧盟、美国、日本都在轮流出台政策抢占制高点。多年来我国政策呵护智能驾驶行业发展，2022年开始，L3、L4等高级别智能驾驶逐步试点，技术和标准趋于完善。 智能驾驶分不同阶段，我国L2级智能驾驶正在快速装机落地，2022年渗透率超30%。行业正处于从低级别驾驶辅助、到高级别真正自动驾驶的关键时期，技术与安全是首要考量、配套与成本是落地关键。智能驾驶的实现，本质上是看感知、决策、执行三大核心系统的协同发展，感知层类似五官，感知环境、搜集数据，决策层类比大脑，处理数据、输出指令，执行层类比四肢，执行智能驾驶指令。智能驾驶产业要发展成熟，离不开智能交通建设、真正实现从单车智能到车路协同，也离不开规模效应和技术迭代发展。需要密切关注车载摄像头、超声波毫米波雷达、激光雷达、高精地图、算法、AI芯片、计算平台、线控制动、线控转向等核心环节国产化自主可控进程。 汽车革命，上半场的电动化正在如火如荼开展，下半场的智能化也已经悄然开启。智能化有可能改写和重构很多行业，包括车联网、车路协同、共享出行、无人公交系统、无人港口物流、智能交通运营等这些领域。 目录 1智能驾驶：电动化后看智能化，软件定义汽车时代到来 1.1发展智能驾驶具有必要性、迫切性和合理性 1.2智能驾驶有六大等级，解放手脚和大脑 2智能驾驶：技术与安全是首要考量、配套与成本是落地关键 2.1智能驾驶技术：感知、决策、执行，三大系统协同 2.2智能驾驶安全：智能决策效率更优，现阶段需科学认知驾驶辅助并非自动驾驶 2.3智能驾驶配套：完善车路协同等多环节建设 2.4智能驾驶成本：规模效应与技术成熟是关键 3智能驾驶：政策呵护发展，各国抢占制高点 3.1海外政策：智能驾驶也是大国博弈内容之一 3.2国内政策：产业支持充足，高级别智驾法规陆续出台 4智能驾驶的未来：车联万物，畅想智行 4.1车联网：电气架构转型实现车联万物，通讯技术进步促进车路协同 4.2无人驾驶应用场景：解决乘用痛点，拓宽商用范围 4.3智能交通运营：智能驾驶时代的服务和支持提供者 正文 1智能驾驶：电动化后看智能化，软件定义汽车时代到来 智能驾驶作为智能化汽车必不可少的功能，为用户提供舒适、安全、科技感的驾乘体验。工信部定义，智能网联汽车是指搭载先进的车载传感器、控制器、执行器装置，并融合现代通讯与网络技术，实现车与“X”，包括人、车、路、云端等智能终端信息交换、共享，具备复杂环境感知、智能决策、协同控制等功能，可实现“安全、高效、舒适、节能”的行驶，并最终可实现替代人来操作的新一代汽车。 汽车新四化包括：电动化、智能化、网联化、共享化，智能驾驶就是聚焦“智能化”、“网联化”两大属性。智能化，又可细分成驾驶智能化和座舱智能化，驾驶智能化就是自动驾驶。 1.1发展智能驾驶具有必要性、迫切性和合理性 发展智能驾驶具有必要性，对消费者和社会而言，智驾在出行安全、节能、性价比、驾乘体验、出行效率等方面贡献显著。一是更安全：世界卫生组织披露的数据显示，每年道路交通事故造成全球约130万人死亡、5000万人受伤。密歇根大学报告，20%-46%的碰撞事故可以被ADAS高级驾驶辅助功能所避免；美国IIHS公路安全保险协会指出，自动驾驶可以减少34%的安全事故。二是更节能：智能驾驶的控制系统优化汽车加速、制动、减速方式，有效地提高燃油和电力利用率。卡内基梅隆大学报告指出，带有智能驾驶功能的汽车，燃油经济性提升10%，自动化等级越高、节能效率越高。三是更有性价比：智能驾驶对人力成本较高的场景意义重大，比如将自动驾驶用于卡车长途运输，每年每车可节省人力成本6-15万元。四是驾乘体验更好，是老龄社会友好型产品：智能驾驶操作简单，可更及时全面地捕捉路面信息，做出反应。老龄化社会到来，日本内阁《交通安全白皮书》指出，因踩错刹车油门的死亡事故，75岁以上司机事故概率是其他群体的4.9倍。智驾提升驾乘舒适度，高龄驾驶员操作友好。五是提升出行效率：每年交通拥堵带来的经济损失相当于国内生产总值的5-8％，自动驾驶后至少使整体交通效率提升10%。智能驾驶能减少交通事故，改善道路拥堵，降低人员和经济损失。 发展智能驾驶具有迫切性，对汽车产业影响深远。汽车是居民消费中附加价值较高的产品，是一国制造业的核心领域之一。智能驾驶的发展带动汽车产业技术升级，带动供应链和产业生态的革新，带动上下游核心科技突破，也是各国必争的战略高地。按照自动驾驶专利申请数量看，日本、美国、中国、韩国、德国分别为7323、6211、5911、5752、1332件，对应占比27.6%、23.4%、22.3%、21.7%、5%。我国自动驾驶技术申请数排名第三，处于国际前列。百度、腾讯、商汤、华为等企业，分别以2336、1482、1115、978项专利优势领先。全球自动驾驶技术排名前列的企业还有:丰田、三星、IBM、本田、博世、LG、现代、起亚、索尼、福特、电装、英特尔、微软、谷歌、苹果、佳能等。 发展智能驾驶具有合理性。我国是全球最大的汽车消费市场，不仅基础设施配套齐全，技术和标准趋于完善，而且消费者对新事物接受度高、市场活跃。2022年，我国机动车保有量达4.17亿辆，汽车3.19亿辆。汽车市场庞大，通信基础设施、智能化道路基础设施、高速公路等基础设施不断完善，百万级5G基站、80%以上ETC渗透率，都将支撑我国智能驾驶发展。 智能驾驶相关技术取得重大进展，以高精地图、激光雷达、车载AI芯片等为代表，未来将有众多跨时代意义的新技术得到应用。以车载AI芯片为例，高阶自动驾驶芯片已具备量产装机能力。华为昇腾910、地平线征程5等智驾芯片正式推出，实现量产，算力较前代成倍数级增长。海外企业高通SnapgradgonRide、英伟达Orin等高算力芯片也陆续面世。 行业标准日趋完善，市场接受度也在快速提升。国内首部L3级自动驾驶法规《深圳经济特区智能网联汽车管理条例》实施，支持L3级以上智能驾驶汽车上路行驶。工信部、公安部《关于开展智能网联汽车准入和上路通行试点工作的通知（征求意见稿）》，对具备量产条件的L3、L4级别搭载自动驾驶功能汽车，逐步开展准入试点。 1.2智能驾驶有六大等级，解放手脚和大脑 智能驾驶可划分不同等级。我国《汽车驾驶自动化分级》规定智能驾驶分为6个等级：L0-L2为驾驶辅助，L3-L5为自动驾驶。通俗来讲：L1一般是可以解放手或者脚；L2可以同时解放手和脚；L3可以进一步解放眼；L4及以上还可以解放大脑。 自动驾驶技术涉及交通、通信、电子等多领域融合和多产业协同，是一个从L0、L1、L2往L3、L4、L5渐进的过程。随着等级上升，软硬件配置要求也在提高。以激光雷达为例，L0-L2驾驶辅助无需激光雷达，但在L3及以上高阶自动驾驶中，激光雷达是必不可少的硬件设备。芯片方面，若要实现L2到L3级别的跨越，算力需要从24Tops跨越到300Tops，提升至少12.5倍。 2智能驾驶：技术与安全是首要考量、配套与成本是落地关键 推动智能驾驶发展的核心是需求端，汽车用户群体的出行偏好改变。消费者选择从传统汽车升级成智能汽车，一方面是基于对智能驾驶的技术认可，这需要建立在一个成熟、完整、自主的智能汽车产业链上。另一方面，安全问题是根本，关于人和系统，哪方的驾驶决策更优引发关注，事故责任的界定问题需要更全面系统的讨论。 “单车智能”与“车路协同”之间争论仍存，继续完善的配套基础设施使智能驾驶更友好出行成为可能。汽车智能化升级必然引入新技术、新系统、新软硬件，未来成本继续优化，才能吸引更多用户升级到智能驾驶汽车，进一步打开市场发展空间。 2.1智能驾驶技术：感知、决策、执行，三大系统协同 智能驾驶的实现，本质上是感知、决策、执行三大核心系统的协同，分别负责环境感知与定位、智能规划与决策、控制执行。如果将其类比：感知层相当于人的五官，感知周围的环境，搜集数据传输到决策层；决策层相当于人的大脑，处理数据，输出相应的操作指令给执行层；执行层相当于人的四肢，执行大脑给出的指令。感知层主要是环境感知、位置感知、速度、压力感知，关键软硬件设备包括车载摄像头、超声波雷达、毫米波雷达、激光雷达、高精度地图等。决策层主要是包括算法操作系统、AI芯片、计算平台；执行层主要包括动力供给、方向控制、车灯控制。 从技术和产业链发展阶段来看，感知环节基本实现国产替代，产业链较为成熟。车载摄像头、毫米波、超声波雷达都已实现自产。国内激光雷达企业技术路线多元化，具备集成能力。决策环节技术壁垒较高，国内相关产业链仍处于技术攻坚阶段。应用软件算法在加速追赶，自主AI芯片满足驾驶辅助需求，部分厂商推出高阶自动驾驶芯片。智能驾驶AI芯片自主可控，是一场需要时间的攻坚战。执行环节处于起步阶段，因为传统车技术迁移成本高，升 级到新技术的市场积极性有待提高，实现商业化落地还需时间。随着国内整车和零部件企业技术逐渐成熟、布局逐一完善，有望逐步实现国产替代。 感知系统的主要任务是获取各种道路信息，目前有以特斯拉为主的“纯视觉路线”和其他主流厂商的“融合感知方案路线”。视觉路线认为，仅用摄像头就能完成路面信息的收集、侦查、识别任务，不需要与激光雷达绑定。算法系统仅需要从模拟中穷举场景，建模理解信息再做出判断，就可以保障智能驾驶运行。 融合感知方案认为，依靠单一视觉系统会出错，仅凭借“眼睛”无法即时精准而全面地收集到信息，应该采用全方位、多种类的感知系统。除摄像头外，还需要毫米波雷达、超声波雷达、激光雷达。毫米波雷达的穿透性强，超声波雷达短距离精度高，能帮助车辆应对复杂的天气与环境。而在L3级以上的高级别自动驾驶，装配精度高、稳定性强的激光雷达成为共识。 激光雷达是上述两类路线的争议核心，也是高级别自动驾驶需要突破的痛点。激光雷达先把激光发射到目标物体上，再收集和建模处理反射回来的激光，得到车辆、行人等具体形态，最后扫描形成更加完整的图像。主要有四种路线：机械式、闪光雷达、OPA相控阵、混合式。混合式方案相对成熟，又分为MEMS微振镜与转镜两种，MEMS路线成本和工艺门槛低，又容易过车规认证，有望在未来成为主流解决方案。转镜路线已经成熟落地，是行业龙头法雷奥和主流激光雷达厂商在前装市场的选择。激光雷达市场取得较大突破，众多产品装车落地。 决策系统的任务是将感知的结果进行信息处理、行为预测、规划路径，最后传输给执行系统去执行，决策系统分为三大软件层和芯片硬件层。上层的软件，负责最表层的信息和数据处理，人机交互，由底层的操作系统管理提供支持。中间层的中间件连接上下层，直接与操作系统交互，保障所有部分的快速通讯和运行。最终由硬件层的智能驾驶AI芯片执行算法和数据处理运算。从产业链发展来看，上层应用软件算法、中层中间件、和AI芯片是技术挑战最多的环节。 决策系统三大软件层，上层是应用软件，算法复杂，为实现各种场景下的自动驾驶功能，需要海量的模型搭建、道路测试、模拟数据来完成开发。特斯拉依靠全栈式自研AI平台实现领先。国内主要应用软件开发是基于共享的深度学习网络，国内整车厂、Tier1、科技巨头正在积极发力，实现海量数据积累和用户规模效应，也在数字孪生、仿真测试领域上探索，未来独立建立算法平台是趋势。 中层是中间件，是解决不同供应商软硬件兼容性问题的核心，也是域控制器产品中技术壁垒最高的环节。通过集成的AutoSAR汽车开发系统架构，连接上层应用软件和底层操作系统，实现交互。中间件的开发需要投入极高的时间、人力和财务成本，此外，还需要与多家供应