2017年中国自动驾驶产业研究报告_97页_4mb

2017年中国自动驾驶产业研究报告总结

核心内容

2017年，中国自动驾驶产业正处于快速发展阶段，受到政策、经济、社会和技术等多方面因素的推动。随着人工智能尤其是深度学习技术的成熟，自动驾驶技术逐步成为可能，而国内产业在技术、资本和市场接受度等方面展现出巨大潜力。

主要观点

• 自动驾驶被视为未来汽车发展的关键趋势，将彻底改变出行方式。
• 中国在数据、市场接受度等方面具有明显优势，但在汽车厂商和传感器供应商方面仍较弱。
• 自动驾驶的来临将重构传统汽车产业的金字塔结构，促进企业间的合作与互动。
• 国内消费者对新技术整体持开放态度，但对自动驾驶的认知度尚低，仍需普及。
• 激光雷达、毫米波雷达、摄像头等传感器将共同构建自动驾驶的感知系统，多传感器融合成为行业共识。
• 高精度地图和定位技术是自动驾驶的重要支撑，为决策提供关键信息。
• AI芯片和算法是实现自动驾驶的核心技术，国内厂商正尝试突破国际巨头的垄断。

关键信息

自动驾驶分级标准

SAE将自动驾驶分为五个等级（L0至L5），其中L4和L5为无人驾驶，L1至L3为自动驾驶。L1至L5技术涵盖感知、认知、决策、控制和执行等多个环节。

产业背景与发展趋势

• 自2015年《中国制造2025》发布后，自动驾驶成为国家战略方向。
• 2016年成为自动驾驶在国内爆发的一年，资本投入加大，技术发展加快。
• 2020年被视为自动驾驶全面落地的重要时间节点。

产业链分析

• 自动驾驶产业生态正在打破传统金字塔结构，向更开放、合作的模式转变。
• 传感器、高精度地图、AI芯片、算法等是自动驾驶产业链的关键环节。
• 传感器供应商包括摄像头、激光雷达、毫米波雷达等，各具优劣势。
• 高精度地图供应商如四维图新、高德、凯立德等，正在通过众包、自主采集等方式推进技术发展。
• AI芯片企业如寒武纪、地平线机器人等，正致力于开发专用芯片以满足自动驾驶的高性能需求。

算法与数据

• 深度学习算法在自动驾驶的感知、决策等环节起关键作用。
• 数据是算法训练的核心，需通过实测、模拟和众包等方式获取。
• 多源信息融合算法有助于提升汽车的全局认知能力，提高自动驾驶的安全性和稳定性。

企业案例

• 百度：作为国内自动驾驶的领头羊，百度通过Apollo计划整合产业资源，推动自动驾驶生态建设。
• 商汤科技、格灵深瞳：代表国内在计算机视觉领域较为领先的初创企业。
• Velodyne、Mobileye：国外在激光雷达和视觉技术方面具有较强优势的企业。
• 图森未来、智行者科技：探索不同商业模式的国内初创企业。

技术与商业模式

• 技术路线：自动驾驶技术分为感知——认知——决策——控制——执行五个阶段。
• 商业模式：自动驾驶的商业化路径包括高精地图、AI芯片、算法模块等，初创企业多与主机厂、Tier1供应商合作，共同推进技术落地。

挑战与机遇

• 自动驾驶面临技术、政策、社会认知、资本投入等多方面的挑战。
• 产业集中度将显著提高，市场将进入优胜劣汰阶段。
• 随着5G、AI等技术的发展，自动驾驶的商业化前景广阔。

总结

2017年，中国自动驾驶产业在政策支持、资本投入和技术进步的推动下快速发展。虽然面临技术壁垒和社会认知度不足等挑战，但其在数据、市场接受度等方面具有明显优势，为自动驾驶的商业化提供了良好基础。随着产业链的不断完善和多传感器融合技术的发展，自动驾驶产业有望在未来几年实现突破。