车联网行业深度研究与投资专题报告5G时代

怎样花较少的钱治好白癜风 http://pf.39.net/xwdt/161102/5032807.html

如需报告请登录。

1.车联网是“人、车、路”互联

1.1、车联网即智能网联汽车，是跨行业深度融合新型产业

车联网（InternetofVehicles）指按照一定的通信协议和数据交互标准，在“人-车-路-云“之间进行信息交换的网络。即首先实现汽车智能网联化，再利用各种传感技术，感知车辆状态信息，并借助无线通信网络与大数据分析技术实现交通的智能化管理。整体而言，车联网产业是汽车、电子、信息通信、道路交通运输等行业深度融合的新型产业形态。

车联网是实现人们“第二空间”汽车的智能化和网联化是基础、关键的一步。通过搭载先进的车载传感器、控制器等装置，并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息交换共享，让人类的出行更加安全、舒适、节能、高效。按照智能网联汽车技术逻辑结构划分，“信息感知”和“决策控制”是智能网联汽车的技术核心。

车联网（V2X）包括一系列以车为基础的连接方案，是人、车、路、网、云控制中心等多个未来交通核心要素之间进行数据通讯的网络，主要包括V2V（车车互联）、V2I（车路互联）、V2P（车人互联）、V2N（车网互联）等。

车、路、网、云在未来智能交通生态下将持续演进，成为具备智能属性和特定功能的关键节点：未来的车辆具备感知能力和网联能力，能够自我判断自身行驶的状态并将其通过传感转换成数据，然后通过车联网进行数据通讯，并且接收外部传递的数据。除此之外，智能化的汽车还将具备最优路线决策以及自动驾驶的能力，而这些能力也将以网联能力作为基础。通过建设路侧基础设施，全面感知道路及交通状况并且实时传输相关数据，快速提示交通异常状况，并且通过信号灯等设备反馈决策。另外，路侧作为中转站，将车与网云相联通。网络是构建车联网的关键一环，5G通过持续提升传输速度，降低时延，保障车联网效率与安全。云是作为车联网上层统一协调的关键节点，被称为“车联网”大脑，通过接收网络传输过来的海量数据进行快速分析判断，进而对目前交通的最优方案进行决策，进行交通资源的统一调配。如在编队行驶、预判行驶等领域发挥重要作用。

1.2、智慧城市建设加速车联网进程，无锡成首个示范区

1.2.1、智慧城市建设智慧交通基础设施，加速车联网进程

智慧城市正在建设，全国多个城市开展相关工程。智慧城市是指运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式。具体而言，是指通过运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息，从而对于包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能的响应，创造初更加智能化、更加便捷的城市生活。当前，全国已经有多个城市正在进行智慧城市试点工作，截止到年，已经有25个智能城市项目正在建设中。

我国智慧城市试点持续推进，智慧城市投资规模及市场规模不断上升。智慧城市业务市场规模空间大，主要包括智慧园区、智能制造、智能交通、智能医疗、智能网电等内容，作为物联网智慧城市的感官与神经，物联网将发挥关键作用。我国政府非常重视智慧城市建设，近些年出台一系列相关政策大力推进智慧城市发展，智慧城市相关政策红利不断释放，同时吸引了大量社会资本加速投入。根据IDC《全球半年度智慧城市支出指南》，年中国智慧城市相关投资达到.79亿美元，较年的.53亿美元增长了14.09%。同时，智慧城市的规模也在不断扩大，中国年智慧城市市场规模达到10.5万亿元，根据前瞻产业研究院预测，国内智慧城市市场规模将在年达到25万亿元，-年复合增速为33%。

智慧城市技术投资加码，涉及智能交通领域等。根据IDC预测，年全球智慧城市技术投资将达到,6亿美元，中国市场规模将达到.2亿美元。中国市场的三大重点投资领域依次为弹性能源管理与基础设施、数据驱动的公共安全治理以及智能交通。在预测期间内(-年)，三者支出将持续超出整体智慧城市投资的一半。计算科技部、工信部、国家测绘地理信息局、发改委所确定的智慧城市相关试点数量，截至年9月我国智慧城市试点数量已经超过个(其中部分城市有重叠)，涉及交通、电网、零售、公共安全等多个领域。

1.2.2、LTE-V无锡城市级应用示范展示车联网场景

车联网业务场景可以分为三类：安全类、信息类和交通效率类。紧急呼叫业务等信息服务是提高车主驾车体验的重要应用场景，是C-V2X应用场景的重要组成部分；交叉路口碰撞预警等交通安全应用对于避免交通事故、降低事故带来的生命财产损失有十分重要的意义；车速引导等交通效率应用场景是智慧交通的重要组成部分，对于缓解城市交通拥堵、节能减排有十分重要的意义。根据《C-V2X产业化路径和时间表研究》，目前车联网的应用项目中，LTE-V无锡城市级应用示范将构建全球首个城市级开放道路的示范环境，涉及个路口、平方公里、5条快速路、1段高速公路，全面开放40余项交通管控信息，计划于年实现I个路口、平方公里，到年实现0个路口、1平方公里的交通管控信息开放。

车联网（LTE-V2X）无锡城市级示范应用重大项目是全球首个城市级开放道路示范，包含近40项以用户为中心的车联网应用，采用领先的国际标准，有众多国际主流的车企参与。该项目大力发展LTE-V2X部署和应用，符合百姓出行、智慧交通、汽车、通信等产业发展的需求。无锡自身物联网智慧城市建设环境好，软硬件条件基础好，还是城市化进程的典范，所以具有开展车联网项目的天然优势。该项目基于LTE-V2X实现了辅助驾驶典型应用场景，交通参与者出行效率得以提升，污染减少，事故发生率降低，城市交通管理水平得到提高。还通过直连通信实现了V2V、V2P低时延、高可靠的信息交互，实现了交通安全类应用场景，避免了事故的发生，车辆和行人的道路行驶更加安全。

项目包含多类型终端方案：车企前装终端实现V2X功能，促进V2X应用快速全面部署；集成V2X业务的后装车载终端，实现车路协同应用，受到了存量市场用户的欢迎；手机V2X-APP将终端数据、车辆数据相结合，实现了人与车辆、人与基础设备之间的智能协作配合，丰富了用户使用方式；高德地图等地图商，将V2X应用与地图导航深度结合，提供高效、安全的出行服务。

1.3、R16标准冻结，车联网正式进入5G时代

R16标准冻结，加速推进5G车联网的发展。年7月3日，国际标准组织3GPP宣布R16标准冻结，标志5G第一个演进版本标准完成。相较于主要基于eMBB场景面向消费类市场的R15标准，R16标准进一步增强eMBB特性，且更加侧重于uRLLC。R16已在网络能力扩展、挖潜和降低运营成本三方面进一步进行改进，在增强5G网络性能的同时，兼顾成本、效率、效能综合提升，更好地促进车联网等5G应用。在车联网应用方面，R16支持车与车、车与路边单元直连通信，为V2X支持车辆编队、半自动驾驶、外延传感器、远程驾驶等车联网应用场景奠定技术基础，推动“5G+V2X”建设进程。

1.3.1、5G促进车联网商业化规模爆发在即

5G促进车联网商业化规模爆发。5G具有的高可靠、低时延、大带宽等特性，能实现车与车、车与路、车与人之间的实时通信，是车联网的重要通信网络，推动智能网联化，丰富更多车联网应用场景。根据工信部发布《关于组织实施年新型基础设施建设工程(宽带网络和5G领域)的通知》，将“基于5G的车路协同车联网大规模验证与应用”列为七项5G创新应用提升工程之一。同时，工业和信息化部发布《关于推动5G加快发展的通知》，提到要促进“5G+车联网”协同发展。通过为汽车和道路基础设施提供大带宽和低时延的网络，5G能够提供高阶道路感知和精确导航服务同时增强现阶段智能网联汽车的用户体验感。

车联网将成为重要的5G应用场景。在5G生态下，万物互联将成为常态，而汽车作为数量庞大的移动物体，也将势必网联化。由于在4G及之前网络无法保证网络传输较低的时延以及信息可靠度，因此在需要确保高度安全的交通环境下，车联网仅能实现网联娱乐、简单交互能功能，而无法解决交通最大的两个痛点：效率与安全。5G的低时延高可靠场景则为车联网量身打造，5G的延迟时间仅为1ms，可以使得联网车辆可根据其他传输数据进行快速判断决策，大大增强了汽车的安全属性。在5G相关业务全面铺开后，预计车联网与智能驾驶业务也将得到充分助力。

1.3.2、5G有望加速实现L5级别全自动驾驶

智能驾驶根据实现场景的普及度分为L0-L5六种等级。若要实现所谓的无人驾驶，那么其等级须达到L4及以上的高度自动化水平。L4车辆可以基本实现在限定道路下的无人驾驶功能。一般情况下，标准化的城市道路及高速基本满足限定道路的要求，因此可以认为L4即实现传统意义上的无人驾驶。目前，部分车企已经开始提供L3级别的智能驾驶服务，L3级别仅在某几种特定场景可以完全由汽车接管，例如自动泊车、低速塞车巡航以及高速巡航等场景。然而，从L3跨越至L4水平还需要技术的不断成熟。

年是L3级别车型量产年。奥迪A8是最早实现搭载了L3级别硬件的量产车型，虽然由于法律监管的约束A8始终无法向消费者实现L3级别功能落地，但其年推出的5摄像头+12超声波雷达+4毫米波雷达+1激光雷达的量产硬件方案，始终是行业的先驱者之一。奥迪之后，全球多数车企纷纷计划在-开始正式量产L3级别车型，如宝马iNEXT、奔驰全新S/C级等车型。中国的L3量产自年长安发布的UNI-T车型始，年是我国L3级别车型的量产年，将先后迎来小鹏P7、长安UNI-T、北汽新能源ARCFOXECFConcept、广汽新能源AionLX、奇点iS6等L3级别车型的上市。

5G网络的切片能力与边缘计算能力让智能驾驶成为可能。5G网络的两大能力让智能驾驶成为可能。第一，5G网络的切片能力能够基于同一资源提供安全、质量可控的端到端逻辑专用网络，可灵活搭配物理资源和网元功能，未来自动驾驶系统面临的场景丰富多样，针对不同的应用场景，网络切成一片一片的虚拟通道，根据业务需求和数据优先级来分配网络，可以按需分配，也可以定制；第二，5G网络的边缘计算能力能够在移动网络边缘完成对自动驾驶系统产生的海量数据的分析处理，大幅度降低了回传链路负担，提高计算能力，满足智能驾驶的低时延要求，同时可根据智慧交通预设场景，完成实时道路感知与环境感知所需要的计算能力。

年有望实现L5级别全自动驾驶。随着道德法律法规界定落实、政策技术产业推动，尤其是5G、云计算、边缘计算等技术大力推动下，逐步形成车路协同，融合共同打造新一代智能交通新生态，未来5-15年有望实现全自动驾驶。

2、政策、技术积累等催化车联网爆发

2.1、持续优化政策环境，提前进行产业布局

政策护航，5G商用加速聚焦车联网黄金赛道。年2月，国家发改委、科技部、工信部等11个部门近日联合印发《智能汽车创新发展战略》，提出到年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。同时，实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。

在国家层面政策的推动下，各地方政府积极响应，陆续建立智能汽车与智慧交通示范区。自年4月三部委联合印发《智能网联汽车道路测试管理规范（试行）》以来，我国已在北京、长沙、上海、无锡、重庆等地建立了10个国家级车联网测试示范区，超过30个城市级及企业级测试示范点，十余个智慧高速公路智能网联试点。

2.2、经济复苏加速车联网渗透率提升

二季度经济恢复性增长良好，略超出市场预期。根据统计局数据，上半年国内生产总值亿元，按可比价格计算，同比下降1.6%。分季度看，一季度同比下降6.8%，二季度同比增长3.2%。环比来看，二季度国内生产总值较一季度增长11.5%，疫情得到控制后经济恢复性增长势头良好。分产业看，第一产业（泛指农业）相对未受到疫情影响，上半年同比增长0.9%、较一季度降幅收窄4.1个百分点；第二产业上半年同比下降1.9%、较一季度降幅收窄7.7个百分点；第三产业上半年同比下降1.6%、较一季度降幅收窄3.6个百分点。

汽车保有量逐年上升。随着国内城市化和现代商业化的发展，一方面提高了城市人口，一方面城市半径不断提升（主要城市半径25km），居民的生活工作出行距离增加，出行需求快速增加，必将要求总量和使用效率的提升。私人交通工具方面，截至年底，全国机动车保有量达3.48亿辆，其中汽车保有量达2.6亿辆，汽车保有量超过万辆的省份共有17个，以汽车后市场为重心的交通垂直行业市场空间巨大，车联网终端智能硬件需求数量不断增大。

车联网渗透率将持续上升。我国巨大的汽车市场为车联网服务的快速增长提供了有利基础。年12月，工信部出台的《车联网(智能网联汽车)产业发展行动计划》中指出，到年，车联网用户渗透率要达到30%以上，新车驾驶辅助系统(L2)搭载率达到30%以上，联网车载信息服务终端的新车装配率达到60%以上，构建涵盖信息服务、安全与能效应用等的综合应用体系。根据汽车工业协会数据显示，年全球车联网渗透率为10%，我国渗透率为7%，预计到年，全球和我国车联网渗透率将分别达到25%和30%，到年则达到65%、77%，我国车联网渗透率增速将超过全球。

2.3、建设智能交通的必要性和消费观念的改变驱动智能汽车需求增加

智能交通系统的引入能够有效的预防安全事故的发生。智能交通系统（IntelligentTransportSystem），指将数据通信技术、电子控制技术、人工智能以及计算机处理技术等技术集成运用于地面交通管理体系，进而建立起的实时、准确、高效的交通管理系统。在实际的交通安全管理的过程中，交通安全的预防工作占有总体安全管理工作的很大一部分。智能交通技术能够有效的保证驾驶员在缺失视野范围后的安全保障，提高驾驶安全信息量，从根本上扼制住交通危险的喉咙。

智能交通系统对交通事故发生后的救援处理能够提供更多的信息支持。在发生交通安全事故后，通过智能交通技术的使用可以提高事故响应效率，保证救援人员能够在第一时间更快的获得救援的相关信息,为救援工作提供更多的方案。

消费者对汽车服务需求将升级。在驾驶安全上，消费者将从被动安全转为对主动安全的需求；从驾驶便利方面，消费者希望简单便利操作，汽车功能更为齐全；从出行方面看，消费者希望交通畅通、出行顺畅。这些需求升级都促进汽车自身技术升级及汽车互联网化加速。

智能网联汽车消费意愿提高。随着全球汽车保有量的不断增长，能源、环境、安全及交通拥堵所带来的问题日益凸显，而智能网联汽车能够综合实现安全、节能、环保及舒适行驶，减轻驾驶负担，提高交通效率，成为当前汽车产业的创新热点和发展方向。根据中国汽车工程学会发布的《节能与新能源汽车技术路线图》，预计年初步形成智能网联汽车自主创新体系，实现交通事故率减少30%、交通效率提升10%、油耗与排放降低5%，而到年交通事故率、油耗与排放均实现进一步降低，分别降低80%、20%，交通效率提升30%。智能网联汽车行业仍处于高速发展阶段，根据美国BCG预测，自年起，智能网联汽车有望迎来持续20年的高速发展黄金期，到年将占据全球25%的新车市场，预计产业规模可超过亿美元。

2.4、V2X技术不断演进，5G促进一步发展

V2X包含DSRC和C-V2X两种技术。

DSRC（DedicatedShortRangeCommunications，专用短程通信技术）由物理层标准IEEE.11P和网络层标准IEEE构成，受欧美国家推崇，V2V是其主要应用方式，广泛应用于ETC不停车收费、出入控制、车队管理、信息服务等领域。DSRC包含了车载装置（OBU）和路侧装置（RSU），OBU和RSU提供信息的双向传输，RSU再将交通信息传送至后端平台，该技术类似于在道路边装上WIFI，车辆通过WIFI进行通信，我们常见的ETC便是这种技术的直观体现。但是这种技术专用于短程通信，难以支持高速移动场景，高速移动场景下，时延抖动较大，如果距离过长，可靠性等方面会产生问题。

C-V2X是基于4G/5G等蜂窝网通信技术演进形成的车用无线通信技术，包含LTE-V2X和5G-V2X。年9月，3GPP就在R14版本里完成了对LTE-V2X标准的制定。C-V2X支持全部4类V2X应用，V2I/V/P均可通过C-V2X的公众网络通信（Uu）及直连通信（PC5）两种方式实现。蜂窝移动通信也就是我们使用的手机通信，具有通信距离长的优势。按照C-V2X为车辆提供交互信息、参与协同控制的程度，参照车辆智能化分级，将车辆网联化划分为网联辅助信息交互、网联协同感知、网联协同决策与控制三个等级，预计我国CV2X产业化应用在年趋于成熟。目前汽车搭载的T-Box主要用于车载影音娱乐、车辆信息监控与显示、定位服务、C-V2X产业化路径和时间表研究运营管理等方面，属于网联化分级里的第1等级。新一代V2X车载终端可以实现车-车、车-路、车-人、车-云之间全方位连接，提供行驶安全，交通效率和信息服务三大类应用，属于网联化分级里的第2等级。未来随着V2X技术的演进、应用场景的丰富、部署的完善，V2X在智能网联汽车和自动驾驶中将发挥更多的协同作用，逐步实现网联协同决策与控制，即第3等级，预计我国C-V2X产业化应用在年趋于成熟。

通信技术标准上，C-V2X拥有清晰的、具有前向兼容性的5G演进路线，中国龙头着重布局C-V2X。技术路线大概率胜出。C-V2X即以蜂窝通信技术为基础的V2X技术，标准于年6月完成，其是基于蜂窝技术的基础设施发展起来，仅通过改造现有基站就可以将C-V2X基础设施集成进去，成本效益低，同时终端部署方面，可以延用4G或5G终端，在原有的T-box设备中将其集成进去，部署成本优。当下，我国以LTE-V2X为主。未来，随着5G网络的实现，其具备的高传输、低延时、高稳定等技术特性，不仅可以帮助车辆之间进行位置、速度、驾驶方向和驾驶意图的交流，还可以用在道路环境感知、远程驾驶、编队驾驶等方面，5G-V2X可以满足车联网的多样化业务需求，未来车联网将是5G-V2X与LTE-V2X多种技术共存的状态。预计到年，C-V2X技术有望实现商业化量产上市。

在技术上，中国拥有得天独厚的优势。科技日新月异以及与传统产业的创新融合，进一步加速中国车联网商业化进程。尤其是车载高精度传感器、车规级芯片、智能操作系统、车载智能终端、智能计算平台等产品研发与产业化，逐步形成了以智能汽车关键零部件为核心的产业集群。极大的推动了中国车联网商业化落地。根据中国通信学会发布的研究报告《车联网知识产权白皮书》，截止到年9月，全球车联网领域专利申请累计件，美国占30%居首，中国25%居第二位。但在关键的C-V2X车联网通信技术专利方面，中国的专利申请量占比达到52%，成为C-V2X技术最大的专利原创国家和布局目标国家。

2.5、北斗全球卫星导航系统开启，车联网成最具潜力应用场景

北斗全球卫星导航系统开通，核心器部件国产化率%。长征三号乙运载火箭搭载，北斗三号最后一颗全球组网卫星发射成功，意味着北斗三号全球卫星导航系统建成。作为我国自主研发的空间基础设施，“北斗”卫星导航系统可提供全天候、全天时、高精度定位、导航和授时服务，使我国成为继美国、俄罗斯后第三个拥有自主卫星导航系统的国家。从0年10月31日发射第一颗北斗导航试验卫星，到年6月发射第55颗北斗导航卫星，我国陆续攻克星间链路、高精度原子钟（北斗“心脏”）等余项关键核心技术，新型氢原子钟、甚高精度星载铷钟以及原子钟的无缝切换技术让导航系统的测速精度优于0.2米/秒、授时精度优于20ns，突破余种器部件国产化研制，实现北斗三号卫星核心器部件国产化率%。

国产厂商已经构建起集芯片、模块、板卡、终端和运营服务于一体的全产业链，部分技术甚至全球领先。北斗卫星导航芯片、模块、天线、板卡等基础产是北斗系统应用的基础。通过卫星导航专项的集智攻关，我国实现了卫星导航基础产品的自主可控，形成了完整的产业链，如北斗星通、海格通信、合众思壮、振芯科技、雷科防务以及中电科24所等是国内北斗芯片的主要供应商；高精度板卡的主流供应商中包括合众思壮、北斗星通、中海达、华测导航等；北斗军用终端市场有海格通信、振芯科技、中国卫星、雷科防务、华力创通、合众思壮等；并逐步应用到农林牧渔、交通、无人机、航海、金融、军事等各个领域，伴随着大数据、云计算、物联网等技术的发展，北斗基础产品的嵌入式、融合性应用逐步加强，产生了显著的融合效益、经济效益。

交通场景将成卫星导航下游蓝海场景。在下游市场需求方面，近年来国内卫星导航与位置服务市场需求总量持续提升。北斗系统现已广泛应用于交通运输、公共安全、农林渔业、水文监测、等领域，融入国家核心基础设施，已产生显著的经济效益和社会效益。其中，专业应用领域和消费应用领域占据绝大部分。在各分类应用业务中，车辆监控、信息服务、车辆导航、个人跟踪占据了85%的份额。未来交通领域有望成为主要市场，根据中国信通院数据，预计-年卫星导航产业累计营收中，交通场景占比将达55%。而作为专业行业应用的授时、海用、测绘、军用类业务占据份额较少，只有8%。另外，年我国发布了北斗高精度可穿戴设备的改进方案，提升定位精度和可靠性，实行纳米级定位。未来北斗系统在大众市场的应用将不断扩展。并且，随着5G的不断发展，北斗与人工智能、新兴技术等的结合将会带来更多的应用场景。

3、车联网已形成完整产业链

3.1、车联网涉及车端、路端产业链

车联网的建设需要车路协同发展。车联网要实现人、车、路、云的互联互通，必须从车端、路端着手进行技术、设备的升级，整个产业链涉及通信、车厂、运营商等板块，车联网的迅速发展将为多个行业带来驱动力。

路端产业链较简单，主要涉及通信设备制造商和运营商。车联网产业链可划分为路端产业链和车端产业链两部分，其中路端产业链较为简单，包括通信设备核心元器件，传感器、RSU（路侧终端）等设备制造商、车联网运营商等，其终端消费者主要包括政府机构、交通公司等大型机构或组织。

车端产业链所涉行业较多，市场价值主要集中于后装市场。车端产业链可分为前装市场（上游）和后装市场（下游），其中上游行业包括通信芯片、通信模组、终端设备、整车零部件，后装市场包括车联网运营与服务平台、及车联网测试验证。从行业驱动因素看，前装市场主要依赖政策需求变化、技术革新、产品性能要求提升的推动；而后装市场技术壁垒较高，下游客户结构和需求的变动对其影响较大。

车联网市场规模呈上升趋势，具备发展前景。随各国车联网进程推进和标准落地，整体行业规模呈现逐年上升状态，但因投资规模限制和技术壁垒等因素，使整体增速有所下降。预计期间内中国市场规模增速高于全球平均水平，年全球与国内车联网市场规模将分别达到亿美元、亿美元

供需端联动上升确保车联网规模稳定增长。从需求端看，自5年开始进行车联网建设以来，其用户数量迅速增加，根据HIS资料显示，年中国车联网用户规模将达万户，CAGR约为27.67%。从供给端看，大量车企、大型互联网公司等加入车联网市场，智能网联汽车产品革新速度加快，同时R16标准的冻结和5G商用进程的加速，将促使中国车联网进入迅速提升阶段。

车联网优先拉动相关硬件厂商景气水平。根据资料显示，商用车联网产业链价值集中于运营服务商，约占45%，其次为硬件占比18%。但前期车联网进程的加速将拉动相关芯片、模组需求量急剧上升，相关硬件厂商优先收益。待车联网相关产品、技术及基础设施相对成熟后，产业链价值将向运营服务等后端市场相关行业倾斜。

3.2、传感器为车路协同基础设备

3.2.1、多类传感器协同作用提升环境感知精敏度

智能网联汽车级别提升，拉动传感器性能及单车装备数量要求。传感器主要应用于环境感知技术，相当于感官系统，是实现车联网的核心技术之一。车辆通过各类传感器获取位置、道路情况等外部环境数据，经数据传输作为路线规划、驾驶辅助等决策依据。随自动驾驶程度的提升，市场对各类传感器精度、分辨率等性能要求大幅提高，单车装备数量直线上升。

实现高精度感知需各类传感器协调配合。各类传感器在工作原理、成本、探测范围、角度等性能上有较大差别。其中摄像头能够进行路标识别且能够进行行人判别，但稳定性有限；激光雷达探测距离远、分辨率高、精度高，是当前测量人体距离唯一方案，但存在成本高、体积大的缺点，在恶劣环境下不易使用；毫米波雷达价格居中，实时性强但易受干扰，精度不及激光雷达；超声波雷达能应用于恶劣天气且成本低，存在易受干扰、精度有限的缺点。当前车厂根据主要传感器不同的特点，让其在智能汽车不同的应用场景中发挥作用，实现系统协同效果。

24GHz毫米波雷达和77GHz毫米波雷达的性能及算法其实相差不远，更主要的差距还是在雷达体积上。由于24GHz雷达的频率更低波长更长，因此雷达所需要的天线就更长，做成小体积雷达的难度就更高，因此24GHz毫米波雷达会比77GHz毫米波雷达的体积更大，在追求美观与轻量化的车载领域体积是个关键问题，但77GHz毫米波雷达由于体积小，其线路板的面积很小，因此射频线路的设计难度非常高，成片的成品率也比较低。

激光雷达是自动驾驶的关键技术。LiDAR通过测量激光信号的时间差、相位差确定距离，通过水平旋转扫描或相控扫描测角度，并根据这两个数据建立二维的极坐标系;再通过获取不同俯仰角度的信号获得第三维的高度信息。高频激光可在一秒内获取大量(-数量级)的位置点信息(称为点云)，并根据这些信息进行三维建模，区分真实移动中的行人和人物海报。除了获得位置信息外，它还可通过激光信号的反射率初步区分不同材质。根据线束数量的多少，激光雷达又可分为单线束激光雷达与多线束激光雷达，单线束激光一次只产生一条扫描线，线束越多的激光雷达垂直视野的范围越广，范围可在10°-40°甚至以上。

3.2.2、国内厂商技术革新，有望重塑竞争格局

中国车联网传感器专利占比高，国内厂商具备发展优势。年数据显示，中国车联网传感器专利占比高达41%，位居全球首位，随车联网标准制定，相关产品实现量产后，国内厂商核心竞争力将有所提高，改变海外传感器巨头占据主要市场份额局面。

目前激光雷达技术含量最高，一般为创业公司参与，上市公司主要参与毫米波雷达等其他赛道。当前国内企业、高校研究所等通过大量研发投入实现国产传感器性能提升，部分公司已和整车车企建立合作关系。其中上市公司包括，中海达、德赛西威、华域汽车、亚太股份、欧菲光、晶方科技、海康威视、大华股份等，但主要集中于毫米波雷达、超声波雷达、摄像头等，激光雷达技术含量最高，目前主要为创业公司参与。

毫米波雷达全球发达国家向77GHz升级切换，24GHz产品在国内短期仍有市场。毫米波雷达的技术主要由大陆、博世、电装、奥托立夫、Denso、德尔福等传统零部件巨头所垄断，特别是77GHz毫米波雷达，只有博世、大陆、德尔福、电装、TRW、富士通天、Hitachi等公司掌握。国内上市公司中华域汽车、德赛西威切入到毫米波赛道、国内部分创业公司切入77GHz毫米波赛道。

3.3、自动驾驶落地看AI芯片、模组需求量大幅上升

3.3.1、芯片市场有望实现国产替代

芯片是影响终端性能和体验的决定性因素之一，将向智能化、集成化方向发展。车联网芯片包括传感器芯片、定位芯片、通讯射频芯片、安全芯片，是数据的来源和自动驾驶的基础，传感器、模组等都需要搭载大量芯片，属于车联网的上游产业。随着芯片数量的增加，未来车载芯片将向集导航、环境感知、控制决策、交互等多项功能于一体的方向发展。

车规级芯片要求远高于传统芯片要求。车联网芯片主要为车载芯片，工作环境相比于消费级芯片和工业级芯片更加恶劣，温度范围从零下40℃至℃，远高于其他级别芯片水平，需拥有抵抗高振动、多粉尘、多电磁干扰的能力。车规级芯片寿命要求更高，寿命约为15年或20万公里。车联网芯片需2年左右的时间完成认证，供货周期相对较长。

国内芯片厂商经技术积累，逐渐提高竞争力。由于车规级芯片对安全性和可靠性要求严格，技术壁垒高，主要被高通、联发科、海斯等厂商垄断，自给率水平低。但随相关芯片厂商生产能力、研发能力的提高，国内芯片厂商逐渐积累竞争优势，华为、四维图新、紫光展锐、大唐电信等纷纷推出相关芯片产品，并实现量产。

相关芯片厂商陆续发布车联网芯片产品，与相关公司达成合作协议。高通、英飞凌、联发科等凭借先发优势和长期技术积累，与多家大型企业、互联网公司、整车车厂达成合作，在全球芯片市场中占据主要市场份额。紫光股份旗下子公司紫光展锐为展讯通信与锐迪科的合并，具备前期资本、经验积累优势，推出多类全国首款芯片，成为国内车规级通信芯片龙头公司，推动实现国产芯片替代。

3.2.2、AI芯片为自动驾驶的落地提供可能

当前以深度学习为代表的人工智能迎来第三次爆发，这对底层芯片计算能力更高需求。人工智能运算具有大运算量、高并发度、访存频繁的特点，且不同子领域（如视觉、语音与自然语言处理）所涉及的运算模式具有高度多样性，对于芯片的微架构、指令集、制造工艺甚至配套系统软件提出巨大挑战。AI芯片作为专门针对人工智能领域的新型芯片，相较传统芯片能更好满足人工智能应用需求。

根据部署位置，AI芯片可以分为云端（数据中心）芯片和边缘端（终端）芯片。云端芯片部署位置包括公有云、私有云或者混合云等基础设施，主要用于处理海量数据和大规模计算，而且还要能够支持语音、图片、视频等非结构化应用的计算和传输，一般情况下都是用多个处理器并行完成相关任务；边缘端AI芯片主要应用于嵌入式、移动终端等领域，如摄像头、智能手机、边缘服务器、工控设备等，此类芯片一般体积小、耗电低，性能要求略低，一般只需具备一两种AI能力。

按芯片承担的任务，可以分为用于构建神经网络模型的训练芯片，与利用神经网络模型进行推断的推断芯片。训练是指通过大量的数据样本，代入神经网络模型运算并反复迭代，来获得各神经元“正确”权重参数的过程。推断是指借助现有神经网络模型进行运算，利用新的输入数据来一次性获得正确结论的过程。训练芯片受算力约束，一般只在云端部署。因此，AI芯片可以分为云端训练芯片、云端推断芯片和边缘端训练芯片。

从AI芯片的技术路线看，主要包括基于传统架构的GPU、FPGA、ASIC。

短期内GPU仍将主导AI芯片市场，长期三大技术路线将并存。目前AI芯片并不能取代CPU的位置，正如GPU作为专用图像处理器与CPU的共生关系，AI芯片将会作为CPU的AI运算协处理器，专门处理AI应用所需要的大并行矩阵计算需求，而CPU作为核心逻辑处理器，统一进行任务调度。在服务器产品中，AI芯片被设计成计算板卡，通过主板上的PCIE接口与CPU相连；而在终端设备中，由于面积、功耗成本等条件限制，AI芯片需要以IP形式被整合进Soc系统级芯片，主要实现终端对计算力要求较低的AI推断任务。FPGA技术，因其低延迟、计算架构灵活可定制，正在受到越来越多的