如需报告请登录。
一、智能网联汽车大势所趋
伴随着电动化的发展，叠加特斯拉的明星示范效应，当前智能网联已经成为重塑汽车行业的关键因素之一，意味着软件定义汽车时代的到来，汽车已经从广义上的“硬”汽车转变为“软”汽车，其所承载的含义已经有了新的解释，即在原先满足消费者驾乘体验功能的基础上，赋予了新的人机交互、解放双手的作用。
智能网联汽车发展，即为智能化和网联化协同发展，目前来看网联化发展的较早较快，车辆本身、车-云之间已经有广泛的商用化案例；而作为网联关键的车-车之间，也只是局限于主机厂内部同软件平台之间的简单模式。而智能化的发展，则是要在网联化基础上，将智能车辆和智能交通融合在一起最终形成完全自动化的驾驶阶段，即智能网联汽车。
（一）ADAS相当长时间内仍是智能驾驶主力
从功能块上看，智能化可以分为座舱智能化和驾驶智能化，这两者之间相互融合、相互作用。座舱智能化，即智能座舱，主要体现在仪表板区域，具体细分为仪表盘、中控显示屏、HUD、空调控制系统、流媒体后视镜、行车记录仪、后排液晶显示屏等区域，而且目前有朝着一体化发展的方向，其中作为网联化重要载体的中控系统尤为突出。
对于L3以下不同阶段的智能化配置，目前没有明显的定义，从各大主机厂及智能化方案供应商的解决方案看，中高端车辆普遍采用的ADAS系统可以定义为L2+或者L3-水平。假如一台车辆标配ADAS系统，以90~Kph行驶在高速道路上，激活ADAS系统，LKA使其保持在某一固定车道，当前车减速，根据本车雷达识别前车车速和车距，AEB介入，做出速度调整，当前车加速时，同样本车加速行驶，此时驾驶员即可不干预驾驶，只需双手置于方向盘上；当车辆进入路况比较复杂的城市道路或者国道，速度在80Kph及以下，车辆的前置摄像头识别限速标识，做出速度调整，当行至路口，前车减速至停止时，本车即跟随停止；不过对于路口信号灯的识别，特斯拉在最新的软件版本中已经释放；停车起步时，驾驶员参与。当车辆驶入低速路时，面对转向和人行道等错综复杂的路况，则需要驾驶员来干预驾驶，待进入停车库，自动泊车激活，最终停车入库。这一系列驾驶操作，即为当前定义的主流ADAS系统，难点在于低速路况的不确定性带来的挑战，也是L3阶段的重点
ADAS相当长时间内仍旧是智能驾驶的主力。高级辅助驾驶系统，即ADAS系统（AdvancedDrivingAssistanceSystem），是利用车上的各类传感器，如毫米波雷达、激光雷达、单目摄像头、双目摄像头以及卫星导航等模块，实时感知车辆周边的环境，进行数据采集，并作动、静态辨识、侦测与追踪，根据高精度地图数据，进行快速运算与分析，从而让车辆和驾驶员预先感知周边环境带来的影响，并迅速做出反应，满足车内驾乘人员对整车性能，特别是安全性的要求。近几年ADAS的渗透率增长迅速，从原先局限于配置高端车品牌，到现在的中端车的高配车型，以及部分辅助驾驶的模块也逐步渗透到低端车辆的高配车型。
根据中汽协统计的数据，年搭载ADAS系统的车辆渗透率不足10%；我们以新能源车为例，拆分不同系统来分析。年Q1新能源乘用车销量10万辆，TOP31品牌在售车型共计款，总销量为9.4万辆，占比94%，我们选取TOP31的车型配置分析，配置车联网功能的车型数量占比最高，为71%，而自动泊车（APS）占比较少，大约为8%；除并线辅助外，其他功能相比年渗透率均明显提高。
（二）智能网联汽车产业链的发展是基础
1、感应端是智能驾驶的五官
智能驾驶，需要利用安装在车辆上的超声波雷达、毫米波雷达、激光雷达、摄像头、定位系统等各种传感器协同工作，收集车内外环境信息，尽可能早地察觉到危险，并采取相对应的措施，避免或者降低事故的发生概率。一般来说，L3级别以上对于自动泊车、拥堵路况和高速自动行驶要求高，需要配置激光雷达，并且单车配套摄像头和毫米波雷达数量众多；而L3级别及以下，则需要配置合适数量的摄像头、毫米波雷达和超声波雷达即可。
超声波雷达成本低，主要运用在倒车辅助、自动泊车等低速工况。
超声波雷达价格相对较低，应用范围较广，在短距离低速检测中具有非常大的优势。该种传感器主要是通过超声波发射装置发射超声波，再通过接收器接收反射回来的超声波的时间差来测算距离。常用的工作频率有40KHz、48KHz和58KHz三种，频率越高，灵敏度越高，水平与垂直方向探测角度越小；并且防水防尘，有少量泥沙遮挡也不影响；探测距离一般再0.1~3米之间，精度较高，适用于倒车辅助和自动泊车等低速工况。超声波雷达通常安装在汽车前后保和侧面，前者称为UPA，用于检测前后障碍物；后者称为APA，用于检测侧方障碍物。
毫米波雷达国外垄断，国内企业逐渐突破。毫米波雷达通过天线发射毫米波信号，目标反射信号后，车辆从而获取了自身周围的物理环境信息，ECU对该信息进行处理，追踪和识别目标；同时根据软件设定，以声音、视觉提醒或者触觉提醒等方式告知驾驶员，或者对车辆运行进行干预，保证驾驶的安全可靠。目前常用的毫米波雷达有24GHz和77GHz两类，24GHz主要检测中短距离（=m左右），77GHz主要是长距离检测（=m）。目前来看，国内24GHz已经量产使用，装机规模较大，但是77GHz因国外的长期禁运管制，起步较晚，规模较小且集中度较低，近8成市场规模仍被外企占据，大规模国产化替代需要持续推进。
激光雷达成本高，国内企业迅速崛起，提升性价比，逐步缩小与国外同行差距。
激光雷达（Lidar，LightDetectionandRanging），主要基于波长在nm~nm左右的激光探测和扫视，可以探测到空间三维信息，且可以显示出精确的三维图像，便于驾驶员快速做出相应的反应。激光雷达的车规级应用即为车载激光雷达，通过发射和接收激光束，分析激光到目标体及折返时间，计算目标与车的距离，同时利用收集的目标对象表面大量密集点的三维坐标、反射率等信息，迅速建立目标的三维模型和三维点云图等数据，绘制出周边环境地图，达到环境感知目的。目前来看，以Velodyne的技术最成熟，产品最丰富，精度和可靠性最高；但是国内品牌如速腾巨创和禾赛科技等也在加紧布局，在性价比上有所突破。
与其他传感器不同的是，激光雷达的优势明显：有极高的分辨率，探测精度高，范围广；抗干扰能力强；能获取比如距离、角度、反射强度和速度等丰富信息，从而生成含有数据的多维图像；并且可以全天候工作。但由于价格和天气等方面制约其快速发展。一方面，线束越多，价格越高；另一方面，在雨雪雾等恶劣天气下，会发生无法识别车道，从而不能有效绘制周边环境信息。
一般来说，激光雷达分为机械式和固态激光雷达。机械式雷达需要旋转测量周边环境，激光发射路径上不能有阻挡，目前只能安装在车顶，对于量产销售的车辆来说，不是一个很好的选择；而采用固态激光雷达，由于其体积小，成本低，可以集中在车辆内部，比如A柱、前后保等部位，通过雷达内部微动部件来偏转扫描，目前是最接近量产的配置，也是各大厂商重点推动的方案。
车载摄像头-汽车的眼睛，眼观六路。
车载摄像头的工作原理是，目标物体通过镜头（LENS）生成光学图像投射到图像传感器上，将光信号转变为电信号，再经过模数转换（A/D）后变为数字图像信号，最后由数字信号处理芯片（DSP）进行加工，处理成特定格式的图像输出到下游需求方。从车载摄像头的组成来看，主要子系统为镜头、CMOS传感器、模组组件、独立ISP芯片以及算法等。根据Yole的预计，年全球摄像头模组产业链市场达到亿美元左右，其中汽车摄像头市场有望超过50亿美元。
按照其配置区域不同，可以分为前置、侧视、后视和内视、环视摄像头等，每种主要负责功能不同，目前应用比较多的功能主要是后视、°环视功能。一般来讲，典型的辅助智能驾驶系统由4个环视、1个前视和1个后视等至少6个视像头组成。比如特斯拉model3就采用了八颗摄像头，外加一颗备用内视摄像头，从而实现自动驾驶的大部分功能。
根据我们的统计，°环视系统在新能源车的渗透率在三成以上，逐渐成为中高端车型以及中高配车型的主流标配，渗透率逐渐提升。从整个市场角度看，车载摄像头市场竞争格局较为充分，但主要集中在外资企业，合计占比在96%左右。
而在分件中，已经有国内自主品牌开始突围，甚至占据了细分市场相当大的比重。比如车载镜头方面，在手机镜头及手机镜头模组处于优势地位的舜宇光学，扩展到车载镜头领域，年公司车载镜头出货量为万颗，同比增长25.3%，已连续9年保持全球第一，优势明显。联创电子一方面供货特斯拉；另外，已与Mobileye、NVIDIA、Aurora等公司达成战略合作；其中有十几款镜头产品获得Mobileye认证；也得到Valeo、Continental等认可，已量产出货。
在汽车CIS领域，韦尔股份控股的豪威科技主要客户是欧美汽车品牌，在BBA中的渗透率位居行业首位，其在年市占率20%，年市占率达到30%，仅次于ONSemi，位居第二；而在手机市场市占率12.4%，位居全球第三。公司作为全球第三大CIS企业，有望继续受益于汽车智能化发展。
在ISP芯片领域，华为自年收购TIOMAP芯片在法国的业务后，基于此成立图像研究中心。从麒麟开始在海思的SoC芯片中集成了自研的ISP芯片模块，从底层硬件开始自研优化照片处理，并从P9开始跻身全球手机拍照第一阵营；年在荣耀30S上搭载的全新麒麟SoC上配备ISP5.0，实现数据吞吐率提升15%、能效提升15%的效果。根据CINNOResearch发布的最新数据，年Q1，华为海思首次登顶国内智能手机处理器市场，成为大陆份额最大的移动SoC厂商，占比达43.9%，高于高通的32.8%和联发科的13.1%。
多传感器信息数据融合处理是智能驾驶的趋势。
我们认为，智能驾驶的发展，要达到车辆自主控制、自主学习，分析和判断有利的环境和路线，一定离不开多传感器之间的互相融合，方能有效地支持冗余设计、扬长避短，达到提升驾驶安全可靠的目的。通常，每种传感器都有自己独特的特征，而汽车需要面对复杂的行驶环境，有来自天气、周边路况、驾驶员等各个方面、全天候全场景的环境影响，这就需要多种传感器搭配融合才能满足将来L5级别自动驾驶需求。
2、决策端是智能驾驶的大脑
相对于常规内燃机车，决策端是新能源车智能化的优势之一，主要由两大方面组成，一方面是硬件层面的域控制器（DCU）和多域控制器（MDC）；另一方面是软件层面的运算平台和操作系统等。
汽车控制单元由传统的分布式向集中发展，域控制器成为智能汽车架构的关键之一。传统的汽车控制单元，比如内燃机车，其布置依赖于硬件，采用分布式架构，通常每个子系统都需要配置ECU，全车最多配置多个模块，如此大量的ECU和线束，增加了开发成本和物料成本，降低了数据处理效率，不能适应智能网联汽车发展的需要；此外，随着智能网联化的发展，对数据运算处理的要求越来越高，而传统的分布式架构控制单元难以满足这些要求。因此，满足这些对运算和数据处理高效快速的控制单元应运而生，即为域控制器，实现统一指挥。随着软件定义汽车时代的到来，采用集中式控制单元的全新EE架构，叠加OTA等云端服务，是促进智能网联汽车快速量产、软件快速迭代升级的基础。
以宝马七系为例，9款ADAS系统配置有14个ECU，半导体平均BOM成本为美元；在款上采用了新的E/E架构，新增融合ECU，并采用以太网通讯，半导体平均BOM成本下降了10%。
采用集中式EE架构，离不开域控制器。域控制器分为DCU（DomainControlUnit）和MDC（MultiDomainController）。前者根据汽车电子部件功能可以将EE架构分为动力总成、安全、车身电子、座舱和智能驾驶等域，通过处理能力强的多核CPU/GPU来控制指定域；但是考虑到控制器需要分析处理的信号庞大复杂，原有的分布式或者DCU已经无法满足要求，所以就有了后者-多域控制器，使摄像头、毫米波雷达、激光雷达、车内其他各种传感器在一个MDC内进行处理以确保输出一致的最优结果。这种结构通过MDC统一接受和处理信号，并且传感器与ECU不再一一对应，有助于整车厂根据需要灵活选择不同传感器及供应商。
特斯拉model3域控制器分为三大板块，CCM（中央计算模块）、BCMLH（左车身控制模块）和BCMRH（右车身控制模块），其中CCM覆盖智能驾驶和娱乐控制等，BCMLH覆盖灯光、转向等车身便利系统功能，BCMRH覆盖底盘、安全系统和大部分动力系统等功能，构成复杂的多域控制器。
除特斯拉外，大众MEB、宝马、奥迪等同样也在开展全新EE架构平台设计，如宝马的CentralComputingPlatform、奥迪的CentralComputingCluster和大众MEB的ICAS。
目前最重要的两个方向是智能驾驶域控制器和座舱域控制器。国外零部件龙头企业如Bosch、Continental、Visteon等凭借本身资源和技术优势，牢牢占据大部分市场；国内企业以德赛西威、华为等典型代表，特别是前者，在自动驾驶域已经有了量产突破。而在智能座舱方面，由于消费者对车内电子产品诉求发展较早，因而智能座舱在国内发展较快，有德赛西威、华为、均胜电子、东软睿驰等。根据佐思产研的预测，年全球汽车域控制器（座舱+自动驾驶）出货量将超过万套，-年均增长50.7%。
如果说域控制器是智能网联汽车的神经中枢系统，那么核心车规级处理器则是智能驾驶的大脑。域控制器要完成大量计算，必须依赖于具有强大运算力的核心处理器，从而达到利用这些处理器来集中控制每个域，取代分布式EEA架构。比较典型的车规级企业有NVIDIA、NXP、Infineon、TI、Renesas、Mobileye等，其中Mobileye于年被Intel并购。我们可以看到，在车规级芯片领域，NXP、Infineon、Renesas三家占据国内市场68%的份额，国际市场35%的份额，牢牢占据车规级芯片前三甲地位。
消费芯片巨头上车，努力从传统车规级芯片供应商分得一杯羹。传统消费电子芯片供应商，如Qual
转载请注明：http://www.0431gb208.com/sjszyzl/5653.html
