2023年中国自动驾驶行业研究报告

2023年中国自动驾驶行业研究报告》 自动驾驶进入下半场，商业化落地成为竞争关键

国家政策大力扶持，给自动驾驶行业发展注入强心剂

经过多年发展，自动驾驶已经成为中国展现国家技术实 力、创新能力和产业配套水平的新名片，呈现出蓬勃向 上的新格局。进入2022年以来，国家层面及地方政府也 蘑菇车联

适时出台一系列政策和规划，促进自动驾驶相关产业健 康快速发展。2022年11月，工信部印发《关于开展智能 网联汽车准入和上路通行试点工作的通知》，对准入试 点的智能网联汽车产品，提出了一系列规划和指导要求， 进一步推进了自动驾驶的发展进程

乘用车自动驾驶正在由L2向L3+过渡，商用车自动驾驶 已进入商业化运营阶段。

• 得益于硬件平台和软件算法逐步成熟，新车搭载L2功能 正在逐渐成为前装标配。据统计，2022年我国在售新车 L2和L3的渗透率分别为35%和9%，预计2023年将达到 51%和20%*。与此同时，限定场景下的商用车自动驾驶 率先进入商业化阶段。这主要由于商用车对价格的敏感 度更低，B端付费意愿更高，加之场景交通复杂程度较低 以及政策鼓励与放开，使得商用车在成本、市场、技术、 法规等方面具有更好的落地性。

• 自动驾驶下半场来临，商业化落地将成为竞争关键。

• 2022年以来，资本针对自动驾驶赛道的投资逻辑开始发 生变化。简言之，就是资本市场趋于理性，商业化落地 成为影响投资人决策的关键性指标。当前，自动驾驶企 业兼顾算法优化和量产落地，在技术研发同时，通过技 术应用降维实现规模化量产，打通商业化落地路径，构 建数据闭环，推动自动驾驶加速落地。可以预见，当自 动驾驶下半场来临，商业化落地将成为竞争关键。

01 自动驾驶行业发展概况

1.1 定义与分类

自动驾驶技术分为多个等级，L3级是重要分水 岭，本报告研究采用SAE分级标准

• 自动驾驶，又称无人驾驶，是依靠计算机与人工智能技术在没有人为操纵的 情况下，完成完整、安全、有效驾驶的一项前沿科技。

• 自动驾驶技术分为多个等级，不同机构提出过多种分级标准，目前业界常用 的两种分级标准是NHTSA分级(美国高速公路安全管理局提出)和SAE分级 (美国汽车工程协会提出)。两种分级在具体级数划分方面存在差异，但是 在特征描述方面存在共性，从L3级开始，驾驶主角均由驾驶员操作转换为车 辆自主驾驶。由此，L3级成为自动驾驶技术应用的重要分水岭。

• 在本报告中，对自动驾驶技术的研究采用SAE分级标准

1.2 发展驱动力

国家政策大力扶持，给自动驾驶发展注入强心

剂，有力推动行业发展进程

• 近年来，我国先后推出一系列支持政策，推动自动驾驶技术发展和商业化落 地。2020年2月，国家发改委、工信部等11个部委联合下发的《智能汽车创 新发展战略》提出，加速发展高级别自动驾驶。2022年8月，交通运输部发 布《自动驾驶汽车运输安全服务指南(试行)》(征求意见稿)，旨在适应 自动驾驶技术发展的趋势，鼓励自动驾驶车辆商用。同时，北京、深圳、重 庆等多地陆续出台政策法规，推动自动驾驶车辆的商业化运营和上路。

1.2 发展驱动力

AI技术发展推动自动驾驶技术迭代，芯片、算 法、数据构建自动驾驶功能底座

• 自动驾驶发展进程与AI技术发展高度相关。根据Gartner新兴技术成熟度曲 线，2018年以前，受益于深度学习技术在图像识别等感知领域的应用，自动 驾驶开启产业化进程。但由于受成本和法规限制，彼时高级别自动驾驶的商 业化落地遭遇瓶颈。经过三四年技术积累，感知和决策算法等核心技术的突 破提高了AI模型鲁棒性、系统冗余性和测试完善性，助力自动驾驶加快商业 落地。自2020年7月起，高级别自动驾驶迎来新的发展机遇。

• 算法、数据与芯片技术发展为自动驾驶功能实现提供了坚实的底座。1)深 度学习算法在感知层和决策层共同驱动自动驾驶发展，深度强化学习算法 (DRL)的产生让更高维度的数据处理成为可能;2)海量优质路况数据是 训练AI算法模型、提高感知精度的关键，路测里程和路测车辆数量增加而带 来的高质量数据给自动驾驶发展提供了必要支持;3)芯片为自动驾驶技术 提供算力平台，随着汽车电子电气架构由域集中式向中央集中式演进，自动 驾驶的主控芯片向中央计算芯片融合的方向发展，芯片集成度的提高可以有 效提升计算效率，降低应用成本

1.3 发展现状

乘用车自动驾驶正在由L2向L3+过渡，商用车 自动驾驶已进入商业化运营阶段

• 目前来看，我国量产乘用车自动驾驶等级正在由L2向L3+过渡。得益于硬件 平台和软件算法逐步成熟，新车搭载L2功能正在逐渐成为前装标配。据统计， 2022年我国在售新车L2和L3的渗透率分别为35%和9%，预计2023年将达 到51%和20%。部分科技公司直接研发L4级自动驾驶，并在部分城市路段或 特定场景下进行测试。但目前高级别自动驾驶仍然面临着政策法规、安全性、 技术成熟度等众多挑战亟待突破。据统计，2022年我国L4渗透率为2%，预 计2023年将达到11%*。与此同时，限定场景下的商用车自动驾驶率先进入商业化阶段。这主要由于 商用车对价格的敏感度更低，B端付费意愿更高，加之场景交通复杂程度较 低以及政策鼓励与放开，使得商用车在成本、市场、技术、法规等方面具有 更好的落地性。目前，在矿区、港口、干线物流、机场、物流园区等细分场 景，高级别自动驾驶正在孕育新市场。其中，干线物流、矿区、港口三大场 景因人力资源不足和安全事故频发的痛点明显，降本增效成果显著，商业化 落地进程较快，头部企业已经基本进入商业化运营阶段。各类玩家以不同发展思路参与市场竞争，推动

供应链和产业格局剧烈变化

• 自动驾驶领域市场参与者众多，包括传统车企、造车新势力、互联网/科技 公司等，各类玩家结合自身定位和能力优势，呈现出不同的发展思路。

• 主机厂方面，国际巨头多采取稳扎稳打的发展策略和渐进式技术路线。主要 依赖传统Tier1方案，部分投资初创公司或组建内部团队。国内主机厂处于多 方向探索阶段，强势主机厂在独立自研基础上采购供应商方案作为补充，并 投资芯片和算法公司，与互联网巨头合作等;小型主机厂研发能力较弱，通 常选择与大厂合作，以确保在自动驾驶领域不落人后。造车新势力则将自动 驾驶视为核心技术优势，通过自研算法、芯片等掌握自动驾驶核心能力。

• 互联网/科技公司凭借人工智能算法和软件技术优势进入自动驾驶领域，与 车企形成分庭抗礼之势。互联网巨头通过投资、孵化或直接组建团队而成立 自动驾驶业务单元，跨界进入市场;部分科技公司以自研芯片为基础，向下 游延伸，提供全套算法软件及硬件产品;部分科技公司以高阶自动驾驶解决 方案和Robotaxi为主营业务场景，同时利用算法优势切入L2量产领域;亦有 部分解决方案提供商聚焦于低速、封闭场地或干线物流等特定场景，或专攻 政府车路协同示范区场景，寻求多种模式的商业化落地应用。

• 随着自动驾驶高速发展，传统汽车产业中的主机厂和Tier1之间的关系也在发 生变化。“大包大揽”的传统Tier1受到造车新势力的冲击，新势力对自动驾 驶相关软硬件技术有着强烈的垂直一体化预期。同时，在汽车缺芯、地缘政 治等因素影响下，部分主机厂开始选择和芯片等核心零部件供应商建立直接 合作关系，这一关系改变进一步加剧了Tier1的经营压力。与此同时，在L1 向L2升级的辅助驾驶市场，本土Tier1供应商开始崛起。尽管外资Tier1巨头 依旧是市场主力，但中国本土Tier1供应商份额合计占比已经达到了8.89%， 同比增加了近3个百分点*。单车智能和车路协同路线相辅相成，互为补充，

加速自动驾驶普及与落地

• 在自动驾驶解决方案方面，存在单车智能和车路协同两种路线。单车智能通 过摄像头、雷达等传感器和高效准确的算法，赋予车辆自动驾驶能力;车路 协同通过对人、车、路信息的全面感知，发挥协同配合作用，让人车路云高 度融合，打造“聪明的车+智慧的路”。

• 两种路线并非二元对立，而是相辅相成，互为补充。单车智能是实现自动驾 驶的基础，即使在以车路协同为主的技术方案中，单车智能也不可或缺。一 方面，在路侧智能设施未覆盖或出现故障时，单车智能可以作为冗余与备份 系统让车辆安全可靠地完成行驶任务;另一方面，单车智能也可以作为车路 协同的终端触手，辅助进行系统升级和新功能开发。而在复杂的交通环境 下，车路协同能够通过智能路侧设备为自动驾驶车辆提供具有完全独立性的 数据冗余感知系统，增加感知视角，提升自动驾驶的安全性和可靠性。

• 在技术可行性之外，参与者话语权、准入门槛、商业化落地难度等也是市场 参与者决定采取何种路线的重要考量因素。乘用车是道路上的主要交通工 具，也是自动驾驶系统的重要载体。目前，主机厂和自动驾驶解决方案提供 商多选择单车智能的技术路线，通过自动泊车、自适应巡航等L2+功能为人 们带来人机共驾的体验感，让技术自主可控的同时，获取商业利润。如特斯 拉的FSD、小鹏的NGP、蔚来的NOA等都是主机厂践行单车智能路线的代 表。

• 而在2B的部分封闭和半封闭场景，以及2G的城市公共服务场景，车路协同

通过对规模化基建改造分摊感知和计算成本，并持续对城市基础设施进行投

资和维护，依托经济优势和产业发展带动效应迎来商业化契机。目前，车路

协同在城市公共服务场景的应用和价值，已有示范区的数据支撑。例如，在

北京高级别自动驾驶示范区，通过对主城区路口进行智能化升级改造，自动

驾驶在相关路口的问题发生频率降低80%以上*。 *数据来源:清华大学智能产业研究院，36氪研究院整理

02 自动驾驶产业链及应用场景分析

CPU+ASIC方案有望成为未来主流架构，大算 力芯片快速发展

• 1. 芯片。自动驾驶芯片作为计算的载体，是自动驾驶实现的重要硬件支撑。 在智能汽车快速发展带动下，汽车芯片结构由MCU进化至SoC。SoC是系统 级别芯片，在MCU基础上增加了音频处理DSP、图像处理GPU、神经网络 处理器NPU等计算单元，常用于ADAS、座舱IVI、域控制等功能复杂的领域。 目前市场中主要有三种自动驾驶芯片SoC架构方案，从发展趋势来看，定制 批量生产的低功耗、低成本的专用自动驾驶AI芯片(ASIC)将逐渐取代高功 耗的GPU，CPU+ASIC方案有望成为未来主流架构。

自动驾驶产业链关键环节分析

随着自动驾驶量产迈入深水区，国产芯片在智

能驾驶域控制器领域的市场份额快速提升

• 大算力芯片产品陆续出现，市场竞争愈发激烈。英伟达Orin X系统级芯片算 力设计为254TOPS;Mobileye发布面向L4/L5级自动驾驶芯片EyeQ Ultra，最高算力可达176TOPS;地平线发布的最新征程5芯片算力达 128TOPS。当高算力不再稀缺，算力已不再成为决定芯片能力的唯一标准。 对于车企来说，选用何种芯片，还需要综合考虑技术的稳定程度、易用程 度、安全程度等