新智元推荐1
来源:中国银河证券
作者：沈海兵
感谢黄荣曌供稿。
无人驾驶汽车：轮式智能机器人，眼疾脑快是核心
百度、谷歌为代表的互联网企业，以人工智能的视角切入无人驾驶产业，将无人驾驶汽车看做一个智能的机器人系统，基于无人驾驶技术的汽车，实质上就是一台移动的智能联网机器人，可以实现真正的智能化和共享化。传统汽车技术只是“移动”能力的载体，人工智能和车联网才是无人驾驶技术的核心。无人驾驶汽车是汽车工业和人工智能的集大成者
识别技术和深度学习算法的突破使无人驾驶成为可能
无人驾驶技术可抽象为“环境探测-自动决策-控制响应”，其发展主要依赖于三方面技术的成熟：智能感知技术是前提，智能决策和控制技术是核心，高精度地图及智能交通设施等是重要支撑。智能识别及决策技术就想智能汽车的中枢神经，是自动驾驶技术成熟的核心及瓶颈。深度学习云平台让每一个新上路的“新驾驶脑”都像“老司机”那样，拥有丰富的驾驶经验。作为无人驾驶发展成熟的重要支撑，高精度、全信息地图是不可或缺的。
无人驾驶技术将是人类社会一次重大的变革
无人自动驾驶技术使出行更经济、交通更高效、出行更安全。无人驾驶将推动法规、交通指示、保险对无人驾驶的适应，无人驾驶将车辆共享推向更高层次
无人驾驶的产业化路线——商用车先于乘用车、双驾双控过度到无人驾驶
商用车将先于乘用车率先实现特定区域下的完全自动驾驶。整体上是由双驾双控逐步走向完全的无人驾驶。
重点看好中海达、四维图新和东软股份等公司
中海达是国内激光移动测量和高精度定位的龙头，有望成为高精度地图厂商测绘仪器的提供商和数据提供方，高精度定位市场也将打开。四维图新是前装市场份额最大的图商，依靠其技术优势及流量优势切入高精度地图的制作与运营。东软集团是国内汽车电子的领先厂商，有望切入无人驾驶系统集成领域。
风险提示
政策风险，技术进步不及预期，竞争加剧风险
一、无人驾驶汽车：轮式智能机器人，眼疾脑快是核心
（一）“一石激起千层浪”——为何百度无人车能掀起人们对无人驾驶产业的空前关注？
一石激起千层浪——百度无人车掀起了投资界对无人（自动）驾驶的空前关注。12 月 10 日上午，百度官方微信公众号上宣布：百度无人驾驶车国内首次实现了城市、环路及高速道路混合路况下的完全自动驾驶。紧接着，12月14日下午，百度召开“百度自动驾驶事业部成立大会暨产业生态报告会”，发布了10号上午无人驾驶的实验情况，并且展示了百度以“自动驾驶汽车大脑”的角色切入自动驾驶领域的战略。随后16日，百度无人车高调亮相乌镇的“第二届世界互联网大会”，李彦宏亲自向习主席展示了百度的无人驾驶汽车的最新成果。
图1：百度无人驾驶汽车外观、内部、顶部照片
资料来源：互联网，中国银河证券研究部
图 2：习主席在乌镇“互联网大会”上参观百度无人车
资料来源：互联网，中国银河证券研究部
相比百度这次试验的成功的“高关注”，我国之前几次成功的路测的关注度却受到“冷落”。我国在无人驾驶领域早有成果，2011 年，国防科技大学自主研制的红旗 HQ3 无人车已经完成了从长沙到武汉 286 公里的高速全程无人驾驶实验。此次实验中，无人车自主超车 67次，成功超越其他行车道上车辆 116 辆，被其他车辆超越 148 次，实测全程自主驾驶平均时速 87 公里。2012年，自军事交通学院的无人车团队的“猛狮 3 号”完成了从北京台湖收费站到天津东丽收费站，共 114 公里的距离路测。在复杂的高速公路行车条件下，无人车完全由电脑智能操作驾驶，最高时速达 105 公里，历时 85 分钟。是我国首次在官方认证下完成高速公路测试的无人驾驶智能汽车。就实现时间、里程、难度上，几次试验并无本质的差异，除了百度作为互联网巨头本身受到更多关注之外，为何百度无人车能掀起人们对无人（自动）驾驶产业的空前关注呢？
图 3：国防科技大学的HQ3实现长沙到武汉的路测
资料来源：互联网，中国银河证券研究部
图 4：军事交通学院的“猛狮3号”实现津京高速的路测
资料来源：互联网，中国银河证券研究部
我们认为，百度、谷歌为代表的互联网企业，以人工智能的视角切入无人驾驶产业，将无人驾驶汽车看做一个智能的机器人系统，基于无人驾驶技术的汽车，实质上就是一台移动的智能联网机器人，可以实现真正的智能化和共享化。传统汽车技术只是移动能力的载体，人工智能和车联网才是无人驾驶技术的核心。我们认为这样的视角获得了更多的共鸣，在人工智能时代大爆发的当下，描绘了一个更有可能实现的无人驾驶产业发展的图景，提振了人们对无人驾驶汽车的信心。本质上，近年备受关注的特斯拉就是这一方面的先驱，特斯拉一方面在新能源使用效率和电池性能上非常优秀，另一方面实际上每一辆特斯拉，其实就是一辆互联网化的智能机器人。特斯拉拥有全球独有的OverTheAir(OTA)空中升级技术——免费开上”新车”的技术。15年底的7.0升级主要集中在自动驾驶方面，车主通过OTA升级使汽车获得了全新的自动驾驶模式Autopilot功能，一方面将在高速驾驶中减轻驾驶员负担，另一方面在帮助用户泊车上更加简单、方便。
图 5：汽车工业正向着智能化方向发展
资料来源：互联网，中国银河证券研究部
图 6：人工智能成为自动驾驶汽车的大脑
资料来源：互联网，中国银河证券研究部
（二）“产业链关键环节日渐成熟，无人驾驶汽车东方既白”——互联网企业和车企各自的探索
无人驾驶并非科幻电影中的通天入地，亦非保守主义者眼中的遥不可及，互联网企业、整车制造商、汽车零件商、共享出行企业都从各自的利益出发，对自动驾驶进行了各自的探索。他们的特色也非常鲜明，互联网企业以颠覆的姿态，直接切入以人工智能为主导的的无人驾驶（完全自动驾驶）；整车厂商则从车的驾驶性、安全性推出高度自动驾驶的功能以提升客户的体验和安全，进而增强自家车辆的市场竞争力。汽车零件厂商则折中探索ADAS的解决方案同时进行无人驾驶关键技术的实验。
谷歌互联网企业中参与自动驾驶研究的先驱，也是完全自动驾驶的倡导者，代表了目前无人驾驶的最高水平。谷歌自2009年起推进无人驾驶的开发，Google Driverless Car是谷歌公司的 Google X 实验室研发中的完全自动驾驶汽车，不需要驾驶者就能启动、行驶以及停止。目前正在测试，已经安全驾驶累计里程超过160万公里。谷歌无人驾驶家族共包含23辆基于雷克萨斯RX450h混合动力改造的无人驾驶汽车和30辆公司自主设计研发的软糖类型的汽车原型，这些车辆大部分都位于加州的山景城中，少量位于德州的奥斯丁，每周这些车辆的所有自动行驶里程在10000到15000英里之间。美国福特汽车和谷歌正在自动驾驶汽车的开发和生产方面推进合作谈判。多家美国媒体报道了这一消息。计划在福特生产的车辆上配备谷歌开发的自动驾驶系统。两家公司可能合资成立业务公司，汽车生产预计由福特负责，而专用软件和系统的开发由谷歌负责。通过将无人驾驶汽车项目变成公司实体，谷歌可能会寻找更深入的方式来通过无人驾驶汽车赚钱，直接挑战流行的搭车共享服务（Uber）。
图7 ：谷歌委托制造的无人车原型
资料来源：互联网，中国银河证券研究部
图 8：正在行驶中的谷歌无人驾驶汽车
资料来源：互联网，中国银河证券研究部
特斯拉通过OTA系统升级，实现车道锁定等高级辅助驾驶，并表示将在两年内实现完全的自动驾驶功能。在最新版本的特斯拉车载系统中，已经搭载了名为Autopilot的自动驾驶功能。凡是在2014年11月后生产的Model S车型，现在也已经用上了Autopilot，Elon Musk已经表示现在的Autopilot不是终点，完善的自动驾驶距离特斯拉并不遥远，2年后就能实现。他认为现在的Model S其实已经具备了自动驾驶的全部要素，他们要做的是不断的让系统针对环境进行优化，特斯拉如果投入上千名工程师来进行测试，最快2年时间就能完成自动驾驶。
图9：特斯拉可实现车道锁定等自动驾驶功能
资料来源：互联网，中国银河证券研究部
图10：特斯拉自动驾驶模式下的界面
资料来源：互联网，中国银河证券研究部
新能源汽车天生具备与互联网相结合的独特优势，自动驾驶技术在新能源汽车上或会得到更快发展。由于传统汽车制造业已经有100多年的历史，形成了大量的技术专利与行业标准，互联网企业如果需要将移动电话、蓝牙、定位等设备与车辆本身实现互联互通，在没有厂商的支持下，是非常复杂的系统工程。而车辆内部信息与电子产品技术接口是整车企业的核心利益所在，很难拿出来与别人共享。然而新能源汽车在设计初期就充分采用了互联网技术，相对于传统汽车更容易实现车与车之间、车与移动设备之间的互联互通。
以特斯拉的ModelS为例，车内改变了传统汽车的仪表设置，换而代之是17寸的大屏和谷歌提供的安卓系统，车辆的主要功能都有由外置屏幕实现控制，并且操作系统易于进行个性化定制和升级。此外特斯拉还与AT&T合作把3G或4G信号连接到特斯拉上，从而使新能源汽车能够分享性能数据，获得更好的远程诊断和维护服务。
图 11：特斯拉的大屏系统充分采用了互联网技术
资料来源：互联网，中国银河证券研究部
法国法雷奥公司（Valeo）2015年12月3日宣布，该公司的自动驾驶试验车辆“Cruise4U”完成了环法国一周的行驶。试验车从巴黎出发，总行驶距离超过1万公里，其中，以自动驾驶模式行驶了4000km以上。法雷奥表示，对于调整系统以适应实际道路上的行驶及路况来说，这是一次非常宝贵的机会。Cruise4U的自动驾驶系统的主要技术是法雷奥与德国Ibeo Automotive Systems（IBEO）公司合作开发的激光扫描仪“SCALA”。系统还利用Mobileye公司的图像处理技术，对激光扫描仪收集的数据以及车载摄像头的影像实施整合，生成周边环境的地图。
图 12：Valeo完成环法无人车测试
资料来源：互联网，中国银河证券研究部
主流的车企如奥迪发布了面向消费者的原型车，完成了从加州到拉斯维加斯之间500公里的驾驶任务。沃尔沃的自动驾驶计划名叫「Intellisafe」，该公司希望在2020年推向大众市场时能够有效减少沃尔沃汽车的事故，避免沃尔沃汽车导致的死亡或受伤。Bosch（博世）、Delphi（德尔福公司）也纷纷推出的可以安装到现有汽车上的软件和传感器产品，从而实现自动驾驶。共享用车厂商Uber虽然不会参与整车制造，但也在全力拥抱自动驾驶汽车。
图13：奥迪推出自动驾驶
资料来源：互联网，中国银河证券研究部
图14：Uber的中驾驶概念车设计图
资料来源：互联网，中国银河证券研究部
（三）“底特律握手硅谷”——无人驾驶汽车是汽车工业和人工智能的集大成者
我们认为车企目前在做的是自动驾驶（司机监督下的自动驾驶、司机辅助自动驾驶），它们充分考虑了成本、法律、自身利益等关系，推动汽车的智能化和安全性；Google等企业做的是无人驾驶（完全的自动驾驶）。自动驾驶是为驾驶员提供一种选择，在某些特定的路况让汽车自己行驶，可以理解为“驾驶员”和“驾驶脑”对车的“双控双驾”。无人驾驶没有给驾驶员选择的机会，全程让“驾驶脑”自己驾驶。由于还处在研究阶段并未实现量产，并未控制成本。是对自动驾驶技术的终极探索和尝试。无人驾驶并不是ADAS的必然产物，发展无人驾驶也并非要从ADAS技术起步。正如谷歌的无人驾驶汽车工程师举例那样：并不是每天练习跳跃，最终就能飞翔。要想飞翔，要寻找正确的方法。
传统车企的自动驾驶车型仍保留传统汽车的所有功能，并不限制驾驶员通过传统的驾驶界面（方向盘、油门和刹车）进行操作。沃尔沃希望自动驾驶车型能为驾驶员减少不必要的劳动。它在路况重复、乏味的时候可以替驾驶员进行自动驾驶，节省驾驶员的精力。在合适的路段通过传统的驾驶界面，令驾驶员享受更多的驾驶乐趣。同时在自动驾驶时驾驶员也保有充分的自主性。
而谷歌、百度等互联网公司的思路完全不同，他们把传统汽车除实用性外的一切属性完全抛弃，把车辆彻底变成一种满足人们出行需求的工具，而没有除工具以外的任何乐趣。谷歌做到了完全的无人驾驶，乘客不需要，也不能干预车辆的操控。本质上来说，谷歌的项目换成自动驾驶的自行车、摩托车甚至磁悬浮车辆也能成立，只要有一个能载人载物的车体，能从A点到达B点就足够了。
表1：传统厂商与互联网厂商在不动程度的自动驾驶阶段进行研究探索
| 阶段 | 自动程度 | 描述 | 案例 | 实现阶段 |
| 第一阶段 | 驾驶员辅助 | 驾驶员辅助系统能为驾驶员在驾驶时提供必要的信息采集，在关键时候，给予清晰的、精确的警告 | 车道偏离警告(LDW)，正面碰撞警告(FCW)和盲点报警系统 | 基本实现 |
| 第二阶段 | 半自动驾驶 | 驾驶员在得到警告后，仍然没能做出相应措施时，半自动系统能让在汽车自动做出相应反应。 | 紧急自动刹车(AEB)，紧急车道辅助(ELA)。 | 中高档车已经实现 |
| 第三阶段 | 高度自动驾驶 | 在驾驶员监控的情况下，让汽车提供长时间或短时间的自动控制行驶 | 自适应巡航、自动跟车 | 高档车（奔驰、奥迪等）已实现，特斯拉已推出此功能 |
| 第四阶段 | 完全自动驾驶（无人驾驶） | 在无需驾驶员监控的情况下，汽车可以完全实现自动驾驶 | 驾驶员可以在车上从事其他活动，如上网办公、娱乐或者休息。 | 谷歌、百度等已在部分路段实现 |
资料来源：互联网，中国银河证券研究部
泛在的传感器、移动互联网和云计算造就大数据时代，大数据时代又成为人工智能的沃土，学科交叉加速，产业前沿延伸，新兴商业延伸。传统意义的学科界别、产业界别、商业界别日趋模糊，人工智能与传统的汽车工业碰撞创新将会造就全新的移动的智能联网终端，我们暂且先称之为“无人驾驶汽车”（电动汽车上已经不再使用汽油，但是人们因为习惯问题还在用着“汽车”这个名字）。无人驾驶汽车是汽车工业和人工智能的集大成者。
硅谷牵手底特律：科技企业与传统车企将联手开发无人驾驶车。有人设想无人驾驶汽车是否会像“智能手机取代功能手机”一样颠覆传统车企。但是，我们认为要想让无人驾驶汽车在未来数年真正成为道路上的风景，科技企业与传统车企可能不得不携手合作。汽车工业走过百年，在安全性、功能性、经济性上已有非凡的积累；科技企业凭借人才优势，在人工智能、机器视觉等领域也有难以逾越的技术鸿沟。合作才是无人驾驶车梦想照进现实的必由之路。2016CES之前，先是传谷歌将和福特联手打造一个独立的自动驾驶汽车制造公司。然后是CES期间，高德和德尔福达成战略合作协议，在自动驾驶领域展开广泛深入的合作，具体将集中于高精度地图、精准导航、高精度定位、LBS服务等方面。通用汽车和汽车分享公司Lyft1月4日宣布，它们将合作开发能够像Lyft出租车那样让消费者召之即来的无人驾驶汽车。沃尔沃汽车和科技公司爱立信（Ericsson）宣布将会共同研发轿车流媒体技术，为日后自动驾驶汽车提供智能、高带宽连接的数据流服务。这些项目都展现了科技巨头和大型汽车制造商为打造出无人驾驶汽车而展开合作的最新例证。
图15：外媒传谷歌和福特欲成立合资公司开发无人车
资料来源：互联网，中国银河证券研究部
图16：通用战略投资Lyft，共同开发无人车服务
资料来源：互联网，中国银河证券研究部
二、识别技术和深度学习算法的突破使无人驾驶成为可能
智能汽车作为一个机器人系统，所涉及到的机器人技术主要有 感知（perception）、路径规划（planning）和控制（control）三大块内容。无人驾驶技术可抽象为“环境探测-自动决策-控制响应”，其发展主要依赖于三方面技术的成熟：智能感知技术是前提，智能决策和控制技术是核心，高精度地图及智能交通设施等是重要支撑。
以一种易于理解的方式看待无人驾驶技术：试想一个驾驶员在驾驶过程中的作用：
1、眼看耳听大脑想：驾驶过程中，司机不断观察（1）行人、行车；（2）交通指示；并思考这些信息的含义。
2、根据所获取信息对车辆实施控制：根据所观察到的信息，根据交通规则、导航、周围行人和行车状况，决定驾驶动作。
3、适当的导航。
4、通过手和脚实现驾驶反馈。
接着，我们可以思考如何用人工智能的技术取代司机的功能：
1、智能的探测器并识别信息的含义：激光雷达（可以判断较远物体的相对距离）、毫米波雷达（能监测较近距离障碍物）、摄像头（获取交通指示牌、车道线）。
2、能够理解交通情况并作出判断的“驾驶脑”：在获取了交通状况之后，还要试图理解车辆所处的情况并作出判断。
3、导航：高精度地图。
4、通过控制器实现驾驶反馈。
通过以上的分析，自动驾驶包括4大模块（高精度地图、感知、定位、智能决策与控制），底层为高精度地图、中间层为感知、定位，最高层为智能决策与控制。
（一）智能感知：传感器技术和模式识别技术突破瓶颈
智能识别及决策技术就想智能汽车的中枢神经，是自动驾驶技术成熟的核心及瓶颈。为实现自动驾驶，必须得先完成智能识别及决策系统的安全可靠性检测。目前，计算机系统决策已经存在成熟的模型，但模型输出结果的准确性极大程度上决定于系统参数及阈值的设定。过去，参数及阈值设定基本基于统计学结果，往往不可避免存在误差；而在大数据时代，更具广度和深度的数据统计能带来更为精确的结果，但需依靠人工智能来实现。
传感器所感知到的信息池需要通过适当的模式识别技术来映射到真实环境，从而达到感知环境的目的。模式识别的两个重要方面：光学信息识别和声学信息识别。对应到自动驾驶中，光学信息识别包括对路况、行人等做出的判断；声学信息识别在与实现车与车之间的智能沟通。例如：在驾车过程中，驾驶员通过观察前方就能轻易分辨出车道线的信息。若智能汽车需获取车道线信息，首先需要通过摄像头获取道路影像，但其本身并不具备映射到真实环境的物理含义。只有通过适当的算法从影像资料中提取能反映车道线的影像部分，并进行映射。不同的传感器由于环境感知原理的差异，识别算法上也存在着不同。
智能识别及决策技术是连接环境感知和智能控制的桥梁。基于感知识别到的分类信息，判断行驶的外部环境状况及车辆状态，进而做出行车决策，并将命令传达至汽车智能控制系统，以实现自动驾驶动作。该技术要解决的核心问题便是完成驾驶行为的规划：不同行为之间保持相对独立；同时，行为间切换需能实现平滑过渡。智能识别及决策技术的实现方式主要为将决策算法植入集成芯片，如视觉识别技术龙头以色列企业Mobileye 的核心技术之一就是基于感知信息分析和识别，提供算法进行行驶决策智能预判。
除了激光雷达（避障），还有有毫米波雷达（探测）、GPS（定位）、里程计（定位）、陀螺仪（定位）、视觉系统（检测、避障）、数传电台（监控）等等。就不说很多小细节的进步了，但是上述的传感器都是必须的，所以无人车的第一个难点是传感器。
1、基于LiDAR（激光雷达测量）的感知系统。
google上用到的LIDAR，LIDAR被认为是用在无人驾驶汽车上最佳的技术，因为精度高并且可以使汽车在地图上面准确地定位。谷歌使用的Velodyne HDL-64E Lidar，即Velodyne公司64线激光雷达是目前世界上最先进，体积最小，单位能量密度最高，采集数据最丰富的专业激光传感器。 集成了64束激光发射器和64个激光接收器。360度的旋转，最高15Hz的转动频率，每周4000个点的采集频率，HDL-64E采用创新的激光阵列技术，相比较其它导航和绘图传感器，系统可达到+2°到-24.8°的垂直视场角。专利技术的旋转头设计，在水平360°视场角内持续旋转。它每秒可输出高达1.333百万个测量点，测量范围可达120m。
图17：出于安全性考虑，谷歌和百度均选择了效果最佳、价格最贵的64线激光雷达
数据来源：中国银河证券研究部
激光雷达能够即时构建周围100米左右的三维模型，相当于无人驾驶汽车的眼。图18里的三维场景虽然足够密和详尽，但是汽车本身并不知道场景的表示和涵义。也就是说，它仅仅知道有物体在某个位置，但物体究竟是建筑？还是树木？还是路标？仅仅通过这个图还并不知道。算法需要通过视觉信息检测到动态物体，包括汽车、人、自行车等。
图 18：LiDAR实时构建的三维模型
资料来源：google，中国银河证券研究部
图 19：“驾驶脑”计算机对三维模型进行建模分析
资料来源：google，中国银河证券研究部
2、基于相机/雷达的感知系统。
Mobileye作为全球计算机视觉技术和ADAS系统开发的龙头，代表着智能感知识别领域的技术前沿。其产品能实现诸如前碰撞预警（FCW）、行人探测与防撞预警（PCW）、车道保持及危险预警（HMW）等功能。同时，公司主张的单目摄像头-单芯片的感知识别模式，具有低成本和易集成等优势；但在远距离测距和横向视野方面存在不足。其在视觉算法市场中的占有率接近垄断地位，超过90%。
2016CES上， 通用汽车公司宣布其将与智能行车技术公司Mobileye合作，使用众包方式，建立高精度的持续更新地图。在一个比人类视角更广、精度更高的情境下，自动驾驶也将会更安全。大众汽车将与图像自动化处理领域的技术引领者－Mobileye建立战略合作关系。为此，双方在CES上签署了一份意向书，合资公司的研发重点是基于摄像头的实时图像处理技术。同时，该技术以及高精度数字化地图是实现自动驾驶的关键所在。
图20：Mobileye摄像头的功能示例
数据来源：mobileye官网，中国银河证券研究部
3、毫米波雷达：测距
毫米波它波长是10毫米到1毫米，频段30-300GHz，毫米波穿透力非常强，这种媒介它用在车辆上做传感器非常适合，主要的应用场景就是测量距离，探测无人车周边的环境。尤其车载传感器对于全天候适应性的要求的时候，毫米波频段是比较适合的。这也是为什么在车载传感器里面，除了视频、红外以及激光之外，毫米波雷达在自动驾驶和无人驾驶里面是必不可少的传感器，这个是一个非常主要的原因。
（二）驾驶脑：深度学习算法让“驾驶脑”成为信得过的“老司机”
深度学习云平台让每一个新上路的“新驾驶脑”都像“老司机”那样，拥有丰富的驾驶经验。谷歌现在约拥有50量无人车，累计行驶里程已经超过160万公里，每一量无人车行驶过程中遇到各式各样的交通情景和突发状况将产生大量的数据，这些大数据被传回云平台用作深度学习的训练样本，经过大量样本训练学习的“驾驶脑”，不仅仅获得了自身行驶的驾驶经验，同时也获得了其他车辆的“学习、训练成果”，随着样本训练的不断增加，“驾驶脑”的驾驶技术将呈现级数式的增长，就像人类中的“老司机”一样令人放心，更令人兴奋的是，每一辆刚上路的“新手”都是一位有着百万公里驾驶经验的“老司机”，这一学习、分享、复制的方式，将大幅度提升无人驾驶技术的进步，同时提高无人驾驶汽车的安全性。
图21：深度学习算法通过多层迭代通过特征抽象进行模式识别的学习
数据来源：互联网，中国银河证券研究部
智能控制技术就好比智能汽车的运动中枢神经，是自动驾驶技术发展的核心之一。依据智能识别及决策系统传达的行车命令，智能控制系统执行自动驾驶。智能控制技术的实现主要依靠汽车电控组件，包括电子稳定控制系统ESP、辅助驾驶系统ADAS 等，其基础技术已较为成熟，国内外已有非常好的诸如英飞凌等供应商，能协助车厂实现相关功能。全球领先半导体供应商英飞凌聚焦驾驶智能化。英飞凌AURIX 微控制器具有优良的实时处理性能、嵌入式安全功能和最高灵活性，是整个车内网络架构的信任锚，能够支持自动驾驶汽车内的不同高级驾驶辅助系统。基于该产品，英飞凌与伊莱比特、NVIDIA合作研发同类中首款自动驾驶平台。同时，英飞凌基于其3D图像传感器芯片与科世达合作推出了摄像头驾驶员辅助系统，是实现汽车自动驾驶的重要里程碑。公司生产的SPT9是用于汽车电子的高度集成系统解决方案，应用领域广泛，比如汽车电动机的智能控制、电动车窗升降器、雨刷、天窗、电动座椅和风机/鼓风机控制、油泵和水泵、安全气囊、音响功放等。
芯片巨人NVIDIA推出了新一代针对自动驾驶开发的深度学习的车载超级电脑——DRIVE PX 2；Drive PX2可以用作自动驾驶汽车的超级大脑，以深度学习算法来加强车辆的感知能力，识别出车辆行驶环境周围的其他所有物体，包括行人、车辆、路标、车道线、建筑设施等等，对车辆各类传感器收集到的数据进行处理与分析，进而进行判断，再做出决策。总有12个CPU，每秒能够进行24万亿次深度学习的运算。为了适应车上的工作环境，配有水冷装置，最高工作温度可达到80℃。Drive PX2能够最多对接车辆上12个视频摄像头，外加激光雷达传感器、雷达传感器以及超声波传感器。
图 22：英伟达的云端-车端深度学习平台构想
资料来源：互联网，中国银河证券研究部
图23 ：PX 2 与可乐瓶大小相仿，计算能力相当150台MacBook pro
资料来源：互联网，中国银河证券研究部
当前，智能控制技术难点在于：如何与决策系统更好地连接从而提高控制的精确度。在大数据和云计算时代，智能控制技术需依托深度学习，才能实现自动驾驶所要求的安全性和精确度。深度学习是人工智能的一门学科，是通过计算机算法在机器上模拟神经网络，让机器具备学习的能力。百度IDL不但是百度的第一个基础技术研发部门，事实上，也是中国第一家从事深度学习的研发机构。百度欲凭借自家强大的地理信息服务、云计算能力和人工智能服务，旨在为汽车打造“百度大脑”。但要实现汽车的自动驾驶，就得让车辆安全高效且舒适精确地控制自己；而整车厂在车辆控制上具有得天独厚的优势。因此，百度要和宝马进行合作。宝马向百度开放车辆的底层控制接口，并传授相应的车辆控制指令。
图24：百度无人驾驶车的控制单元
数据来源：互联网、银河证券研究部
（三）高精地图：夜空中最亮的星
作为自动驾驶发展成熟的重要支撑，高精度、全信息地图是不可或缺的。进行超出传感器感知范围及能力的驾驶行为时，则必须依靠高精度地图。目前地图提供信息的精细程度是无法满足自动驾驶在准确性和安全性方面的要求。当前普通地图导航能实现的精确度以m为计量，而自动驾驶所要求的高精地图需达到cm级的精确度（10-20cm）。且高精地图在道路数据采集的量级上也更大。自动驾驶用地图不仅要实现较高的精度，还要包含全面的交通指示和限制的信息，如：车道限制的精确高度、车道线的位置、下水道口、障碍物以及在日常道路上能看到的每一个细节。
诺基亚 HERE 地图是全球范围内领先的高精地图服务提供商。在过去的15个月中，HERE已在6大洲，30个国家利用400辆测绘车完成约2百万公里（120万英里）的高精度道路数据绘制，且数据库仍在持续扩充。为了实现10-20厘米的地图精度，HERE地图应用LiDAR技术获取数十亿的三维点云数据以建立路面模型，既包括车道数量和宽度等基本信息，也涵盖道路坡度和斜率，车道标记，以及路标等细节。目前，HERE地图已为美国的硅谷地区和密歇根州，以及法国和德国的部分地区的特定公路提供高精度地图数据。
图25：Here高精度地图示例
数据来源：互联网，中国银河证券研究部
各方力量积极布局高精度地图，爆发前夜跑马圈地。目前高精度地图的技术路线大约有两大技术路线：一是，谷歌和德系三强收购Here的激光雷达移动测量车的路线，他们使用激光雷达和摄像头获取点云数据，进而建模分类得到高精度地图。另一技术路线是，通用、大众联手Mobileye布局众包地图，还有丰田推出的高精度地图采集系统，主要通过车辆的摄像头+GPS、丰田自主开发的软件以及云端。目前，大多数高精度地图需要使用激光雷达。激光雷达虽然精度很高，但非常贵，只有在收集到数据后对其进行标记才能使用。由于高精度地图测绘成本很高，所以高精地图不能频繁更新数据，其实用性下降。如果每辆车都能收集数据，即使精度不如LIDAR，那么也能够降低成本，增加数据量。目前高精地图测绘依靠LIDAR的测绘车，如果普通的车会通过摄像头，捕捉限速标志、车道线等道路信息。所有收集到的数据，都会通过丰田「自动云端空间信息生成技术」来处理。通过处理所有车辆上传的地图数据，就能够得到整体上精度较高的地图。
图 26：here的激光雷达采集车
资料来源：互联网，中国银河证券研究部
图 27：通过众包云平台的方式制作高精度地图
资料来源：互联网，中国银河证券研究部
TomTom与德国汽车供应商博世集团合作发力，共同研发适用于高度自动化驾驶的高精度地图。合作协议显示：TomTom将负责地图设计，博世则基于其在系统工程方面的技术经验，制定地图设计及绘制的规范要求，提高精确度，并且使其能无缝处理汽车传感器采集的数据。
图28：实时地图更新流程
数据来源：车云网，中国银河证券研究部
国内的上市公司四维图新、高德导航正大力研发高精度地图，且有前装导航地图65%-70%的市场份额优势。中海达拥有移动激光测量技术，是高精度地图的基础。四维图新是中国领先的数字地图内容、动态交通信息服务及基于位置的大数据垂直应用服务提供商，与宝马、大众、奔驰、通用、沃尔沃、福特、上汽、丰田、日产、现代、标致等主流车厂建立合作，领航中国前装车载导航市场13年。目前，公司借助自主研发的专属于HAD地图二、三维编辑平台，提供绝对精度达到20厘米的高精度地图。
图29：中海达搭载移动激光扫描的测量车
数据来源：互联网，中国银河证券研究部
三、无人驾驶技术将是人类社会一次重大的变革
（一）出行更经济、交通更高效、出行更安全
出行更经济、交通更高效。目前，很多的交通堵塞是由于人们不好的驾驶习惯和低效的交通调度带来的。无人驾驶实现了更好的车间沟通和驾驶规则，将减少拥堵，提高出行的效率。同样，自动驾驶技术也将推动汽车共享，也将减少形式的汽车的数量。因为自动驾驶汽车所预留的车间距更大，加速和减速都是经过一系列计算来决定的。不同于人类司机驾驶会经常超车或者猛踩刹车，自动驾驶汽车在车流比较密的时候，会保留一定的车距，减少突然刹车的次数，从而减少对后方车辆的影响，避免引起成条车流的波浪式加减速。
图 30：自动驾驶将提升交叉口实际通行能力
资料来源：互联网，中国银河证券研究部
图31：良好的驾驶习惯有利于提升同行效率
资料来源：互联网，中国银河证券研究部
出行更安全，有很多事故都是由于驾驶员注意力不集中引起的，或者人的一些错误，包括在观察上的失误、决策上的失误，或者驾驶员失去驾驶能力的情况，这都是一些人为的因素。所以说安全是我们做自动驾驶最大的原因之一，因为机器不会酒驾，机器也不会睡着了，机器也不会犯一些注意力不集中的错误。相关技术有车道偏离预警，碰撞预警，盲区监测，倒车雷达/影像，360环视影像等系统。目前，多家汽车制造商和一些研究机构正在开发摄像头、传感器、雷达等方面的技术，希望让汽车能够与红绿灯等周围设施进行通讯，并且对附近的驾驶环境给出提醒。据了解，已经推出的技术包括自适应巡航控制、紧急刹车以及半自动驾驶功能，这些功能让道路更加安全。
图32：实时地图更新流程
数据来源：车云网，中国银河证券研究部
（二）无人驾驶将推动法规、交通指示、保险对自动驾驶的适应
方向盘后到底是谁？界定自动驾驶汽车的责任需要法律。谷歌在加州的无人驾驶汽车已经出现了几十个小事故。大部分事故中，它们都是被人类司机追尾。那么，谁应该为这些事故负责？是制造这些自动驾驶汽车的公司，还是坐在自动驾驶汽车里的车主？这些都是需要法律亟待解决的问题。工信部部长苗圩认为，自动驾驶技术在应用上还有很多工作要做。他表示，“将来这个车不是本人开的，是本人坐的，这个车也是本人所有的。一旦撞了人以后追究谁的责任？是追究生产这台车企业的责任，还是业主的责任？在法律上还要研究这个问题。”现在加州已经有 11 家公司取得了无人驾驶汽车上路测试许可。此外，无人驾驶汽车在正式上路前要获得政府认证，这就包括第三方测试、三年内定期提交测试报告等工作。
最后是关于产品的责任问题。在目前交通法规下，如果路面上出现了事故，一般情况是一个驾驶员和另外一个驾驶员争论，到底是谁负责。在将来，如果自动驾驶的车辆在路面上发生事故，最坏的情况可能是两个驾驶员一起起诉车厂，说你们的车没有开好，这个责任是你们车厂的。所以考虑到这个产品责任问题，我们车厂有责任保证这个车辆能够在所有的条件下非常好的运转。我们经常强调安全是第一的，速度其实是排在安全的后面。我们把自动驾驶的车辆在路面上进行展示是非常小心的，因为我们不想再展示的过程中把一个不完善的技术展示给公众，会影响公众对自动驾驶技术的印象，其实是有害的。关于法规和产品责任，在国际上有各种各样的研究和讨论，在国内相关部门及他们的智囊团进行共同的研究和讨论，无人驾驶汽车的交通责任方面的认定还需要更多的讨论。
交通指示将向智能化发展。我们不妨“脑洞大开”的设想，未来的交通指示可能因无人驾驶技术而改变，同时也有可能被做成二维码，或者通过RFID感应，将更丰富的信息存储在云端，这样就能实现无人车更准确、更丰富的获取信息。当前，无人驾驶汽车可识别交通指示牌、道路标识、车主语音命令等信息，进而提醒系统及时调整行驶模式。该系统最终会将交通信号灯、汽车、行人信息以及路面的各类参数综合起来，在人工智能技术帮助下，实现自动行驶功能。
无人驾驶风险衡量更精准，保费定价更公平，新的险种可能会出现。保费与事故发生频率和严重程度存在直接的关系。在无人驾驶汽车的世界里，汽车事故显著减少，因此这些保费中有大部分将化为泡影。当然，还是需要一些汽车保险，但汽车保险市场可能会缩减75%，甚至更多。保险公司一般是从各自保费收入中赚取利润，因此，对于许多保险公司而言，保费大幅下滑意味着末日来临。”从梅振家在美国与保险公司多次会谈的情况看，美国保险业高管对无人驾驶汽车影响保险业的问题不屑一顾。目前美国保险业普遍认同的观点是，即使无人驾驶汽车未来有可能普及，那也是几十年以后才会对保险业造成重大影响，现在没必要担心此事。现在美国保险业的心思是，假如无人驾驶汽车技术还需要好些年才能成熟，然后还需要解决监管问题，其中包括颁发牌照和界定与之相关的责任问题。接着，还需要好多年时间赢得消费者对无人驾驶汽车的信任。然后，鉴于汽车是一种寿命跨度较长的产品，所以还需要等待10多年才能看到无人驾驶汽车在美国的道路上占有一个显著的比例。美国保险业还有一种观点认为，即使发生汽车事故率下降，但汽车受损程度将加剧，因为修理那些配有各种摄像头、传感器、雷达等设备的无人驾驶汽车的费用肯定昂贵。不过，美国也有一些保险公司的高管表示了担忧。美国州农保险公司(StateFarmInsurance)企业创新负责人弗雷克说，大多数汽车事故都发生在交通拥堵的时候，而事故的发生又导致更多的拥堵以及更多的事故。即使诸如智能巡航控制和碰撞规避等渐进式无人驾驶技术的普及率达到25%，也将大大缓解交通拥堵程度，并将减少与拥堵相关的事故次数，这将促使汽车保费出现实质性的降低。
汽车保险公司可能改变商业模式。过去，汽车保险主要为人为错误导致的事故提供保障。伴随着无人驾驶的发展，汽车保险可能会改变其核心的商业模式，主要侧重于保护汽车制造商在自动驾驶技术发生故障时所承担的责任，而不是保护个人消费者在因人为错误导致事故时所承担的责任。这种变化可使保险行业发生转变，即由原来的为成千上百个人消费者提供保障转变成只为几个OEM及基础设置运营商提供保障，有点类似于邮轮公司及运输公司的保险。
图 33：全球普遍使用的一些认证框架
资料来源：联合国，BCG分析，中国银河证券研究部
要实现自动驾驶技术，必须有多方合作伙伴：首先，社会和公众必须被说服，自动驾驶技术是对社会有益的，是可以接受的；第二个，政府相关部门必须要讨论法律框架的修改，批准无人驾驶的车辆上路；第三个，对车企的责任，必须证明这个车辆是安全的，而且能够对社会带来更多的益处；第四个，对于车厂供应商，必须提供标准化的部件，为车厂生产汽车服务。汽车产业的各种联盟是黏合车企和供应商非常好的地方，最后保险业可能也得适应自动驾驶车辆的变化。
图 34：多方合作力促自动驾驶技安全实现
资料来源：虎嗅网，中国银河证券研究部
（三）自动驾驶将车辆共享推向更高层次
汽车共享将提升自动驾驶新层次。分时共享用车能最大化车辆在城市中的使用效率，在不同时间段内，不同用户可以使用同一辆车，可以缩短车辆无效使用时间和提高用车的衔接性。随着分享经济理论的推行，人们不仅从技术和实用性对汽车有较高的要求，而且更加希望汽车在环保经济方面能满足一定的要求。百度新成立的自动驾驶事业部，将以实现“智慧出行，分时共享”为核心目标，让人们享受智能的出行服务，并在不同时段让自动驾驶汽车服务不同人群，以实现汽车资源的分时段共享。这极大地体现了分享经济的理念。根据百度自动驾驶的技术规划，我们可以预计，3年内，自动驾驶汽车将被商用，前提是选择一定的区域进行；5年内，自动驾驶汽车将被量产并大规模部署；10年后，80%会成为一个重要的比例，即80%新增汽车为新能源汽车，80%新增汽车需自动驾驶，80%新增汽车会互相共享。
图 35：打车市场的需求分析
资料来源：网络资料，中国银河证券研究部
自动驾驶将使P2P汽车共享经济将进一步解放，极大改变消费模式。Uber是世界上最大的出租车公司，却没有一辆汽车。在日益发达的打车市场之中，传统的服务模式、经营模式已受到冲击，而P2P汽车共享经济日渐成为人们生活中不可或缺的行为方式。自2010年在旧金山推出移动打车业务以来，Uber已覆盖全球58个国家和地区310个城市，合作司机超过100万名。Uber打车软件使乘客和司机的对接效率大大提高，同时私家车资源逐渐公有化，原本闲散的社会资源得到充分利用，最终使得人们出行效率大大提高。Uber的商业模式符合“共享经济”的特征——产品服务化，所有权和使用权分离，客户公平享有社会资源。目前部分城市Uber价格仍然偏贵，其中一个原因就是司机的成本太高，如果没有司机的话那么Uber的的费用会大大降低。Uber已经成立了一个高科技实验室，专门研究地图、驾驶安全和无人驾驶技术，并坚信无人驾驶技术会更安全，更环保，并且会降低驾驶开支。
图 36：Uber自动驾驶汽车对接乘客模式
资料来源：公司资料，中国银河证券研究部
四、无人驾驶的产业化路线——商用车先于乘用车、双驾双控过度到无人驾驶
（一）商用车将先于乘用车率先实现特定区域下的完全自动驾驶
工业运输车辆有望率先抢滩无人驾驶：具备区域固定、频次较高、成本较高等特点。尽管短期内并非路上行驶的所有汽车都具备无人驾驶功能，但在诸如采矿、务农等一些环境可控的应用场景中，100%的无人驾驶汽车已成为现实。在一些大公司的仓储仓库里（如京东、亚马逊），物流机器人正井然有序地搬运着货物。我们如果把汽车看成一种“运力较强的轮式机器人”，工业运输车辆具备最便利的无人车应用条件和最强烈的应用动机。从无人车应用条件来看：工业车队在操作的多重限制、私人道路使用，使无人驾驶汽车有了用武之地。从应用的动机来看：至于商人如何从中获利，首当其冲便是人力成本的大幅缩减，其次由于路线经过最大程度优化后，能源的减少也将大幅度降低成本。其实，在大企业的仓储中心中的智能运用中，缓慢的、小型的“轮式运载机器人”已经实现了“无人运行”，同样的，汽车作为一种大型的“轮式运载机器人”的运用也并无本质的差别和难度。
图 37：亚马逊仓储试用机器人：每年节省约9亿美元
资料来源：互联网，中国银河证券研究部
图38 ：亚马逊提出无人机送货的设想
资料来源：互联网，中国银河证券研究部
表2：传统厂商与互联网厂商在不动程度的自动驾驶阶段进行研究探索
| 商用车 | 乘用车 | |
| 用途 | 载客、物流。特定场景下使用：厂区、BRT | 个人使用，家庭使用，单位使用 |
| 区域限定 | 担当某项任务，往往有限定的驾驶区域 | 与个人生活区域相关，大多在城市、社区等 |
| 使用量 | 里程长、频次高 | 因人而异，主要用于代步、旅游等，里程较短，频次较低 |
| 对成本敏感性 | 由于使用频繁，对司机费用敏感能源费用敏感 | 往往无驾驶员成本，使用不太多，对成本不太敏感 |
资料来源：中国银河证券研究部
卡车将有望成为公共道路上率先实现无人驾驶的交通工具。戴姆勒在无人驾驶卡车方面是行业先驱，卡车已经在德国和美国测试驱动的路线驾驶了约20000公里。戴姆勒表示无人驾驶卡车可以提高效率并且减少碳的排放量。由于优化换挡、加速和制动,至少减少百分之五的二氧化碳排放。目前已经有大量原型车在测，而相关车企和供应商的精力主要集中在应对复杂路况的软件算法的研发方面。
图 39：奔驰测试无人驾驶卡车
资料来源：互联网，中国银河证券研究部
图 40：奔驰无人驾驶卡车运行中
资料来源：互联网，中国银河证券研究部
在国内乘用车市场远超商用车的今天，人们容易忽视的一点是：客车比私家车更容易、也更需要实现自动驾驶。能性方面，客车的行进线路相对固定，高精度地图可以一次投入反复利用，同样，固定的路线也能获得较好的安全性保障；必要性方面，客车司机的疲劳驾驶情况往往要比乘用车严重得多，不少客车事故的祸因都是司机的疲劳驾驶或其他不当操作。因此，利用可靠的自动驾驶技术来规避危险也有助于提高客车驾驶的安全性。除了宇通的路测，法国的EasyMile已经勇敢迈出了商业化的第一步，他们生产的EZ10无人驾驶公交车不仅正式投入了运用，至今为止已经在芬兰、瑞士运送了数万名乘客。所以我们认为，无人客车的应用前景广阔，比如城市BRT线路、旅游区环线、厂区接驳车、机场接驳车等。
图 41：宇通客车无人驾驶客车
资料来源：互联网，中国银河证券研究部
图42 ：法国的EasyMile车
资料来源：互联网，中国银河证券研究部
（二）整体上由双驾双控逐步走向完全的无人驾驶
如果把商用车理解车ToB，将乘用车理解为ToC，我们认为，自动驾驶和人工驾驶将在比较长的一段时间内并存,双驾双控,互为补充。逐步实现车辅助人驾驶到人监督车驾驶的转变。经过高精度地图的建立完成，交通信号对无人驾驶的相应适应之后，亦或者车间通信与车联网等基础设施也都建设完成。那时的“驾驶脑”也经历了更多的样本训练，经过长久的积累，已经成为一名名副其实的“老司机”，那时完全的无人驾驶将得以实现。
图 43：Uber自动驾驶汽车对接乘客模式
资料来源：中国银河证券研究部
政府对无人驾驶汽车将提供全方位的支持。上海国际汽车城已经被授予国内首个智能网联汽车示范区，并公布了无人驾驶汽车城的总体规划。目前，上海无人汽车城内的封闭式网联汽车测试场已经初步搭建完成，路面、路灯以及红绿灯等设施已经配备Wi-Fi和传感器。按计划，未来三年内将有3000辆无人驾驶汽车上路试驾。内华达州颁布了首批自动驾驶标准生产汽车 （autonomous standard production vehicles）的牌照。有2013年谷歌和奥迪的先例在，美国内华达州已经成为发放测试自动驾驶汽车牌照的先锋。现如今，内华达州又颁了首批自动驾驶标准生产汽车 （autonomous standard production vehicles）的牌照。牌照授予对象是3辆奔驰E级，也就意味着这三辆车可以自己在路上开了。
图44：上海国际汽车城是国内首个智能网联汽车示范区
