中信证券：2030年无人驾驶渗透率将达80%

迈向无人驾驶的新一个10年，随着汽车电动化、传感器和车载芯片技术和成本的改善、机器学习算法的突破、云计算的普及和5G的出现，全球乘用车和商用车纷纷试水。乘用车属于新老车企角力，发展L3递进式更为合适，传统车企转型是“创新者窘境”，新兴车企则相对没有历史包袱。商用车“场景为王”已初现端倪，集中发展和加速L4或以上的商业落地和变现；Robotaxi “以时间换空间”、无人货运卡车弥补司机缺口、微循环接驳车提供便利、最后一公里派送车降本高效。“多样性+冗余性”的软硬件配置是关键，无人驾驶是传感器、芯片、人工智能、云计算和5G技术最全面的“大综合”；我们认为2023-2025年将会出现由领先科技公司主导的各场景L4-L5商用车量产；而2025-2030年，乘用车智能驾驶渗透率将会从50％往80％提升，并从ADAS往L4级别迈进。

迈向无人驾驶的新一个10年。随着汽车的电动化、传感器和车载芯片技术和成本的改善、机器学习算法的突破、云计算的普及以及5G的出现，全球乘用车和商用车纷纷试水。本文是我们的新经济系列的第二篇，主要探讨未来10年，乘用车和商用车在自动驾驶的发展路径以及他们可能会成功与失败的因素。无人驾驶，Are We Ready？ Yes！

乘用车新老车企角力，传统车企转型是“创新者窘境”，新兴车企没有历史包袱，乘用车发展L3递进式更为合适

无人驾驶的社会意义在于尽量减少车与车和车与人之间的碰撞，从而减少意外，增加路面的安全性。从成本看，我们认为乘用车中短期内难以承担L4往上的传感器配置成本，所以现阶段从ADAS往L3递进式升级和量产落地，可能更为合适和可行。而从安全和法规来看，乘用车驾驶主体是人类司机，L4往上驾驶主体则交接到系统，一旦发生意外，驾驶主体和责任方的界定仍具争议性。乘用车整体行业进展较为审慎，并多以ADAS、L3、智能座舱等为主线加速渗透。传统车企在全球汽车销量萎缩，叠加电动化和智能化的大势下不得不转型。但他们多面临着前期重视不足，导致发展进度反复的问题。我们认为这是典型的“创新者窘境”。智能化路径周期长和投入大，传统车企历史包袱较重，加上要维持现有燃油车市场份额，面对内部政治和既有利益互搏，转型或许有心无力。

在新老车企的角力中，特斯拉能相对成功的推进汽车电动化和智能化，我们认为主要鉴于他们是一家新兴的企业，没有传统车企的包袱、内部政治和利益博弈的干扰。特斯拉的产能虽然远低于传统车企，但投资者也愿意给予估值溢价。反过来，投资者对于传统车企能否成功转型存在疑问，所以均未能获得市场的价值重估。我们认为传统车企唯一的出路就是将新部门完全拆分出来，摆脱包袱，分割利益，各自为政。特斯拉作为全球电动车企龙头获得市场认可，其虽在更高级别的智能驾驶技术上尚未完全成熟，但已足够让传统车企感受到革新压力的迫切性。老牌车企通用和福特均通过收购技术团队，展现较强的变革决心。而宝马、大众、奔驰等欧洲车企，则通过同行协作和产业联盟，务求共同落地。中国乘用车在自动驾驶上则受益于政策支持，虽起步较晚，但拥有相对大的成长空间。国内传统车企跟欧洲车企的路径类似，同样依赖产业联盟共同发展，如上汽-Mobileye、广汽-腾讯、长安-地平线等。而国内造车新势力的自动驾驶主要依托外部技术，如蔚来-Mobileye、理想-Mobileye/地平线、小鹏-英伟达等合作结盟。我们认为国内的传统车企同样面对“创新者窘境”问题，而新兴企业则先需要提升产能和销量规模。

商用车的无人驾驶“场景为王”路径已初现端倪，集中发展和加速L4或以上的商业落地和变现；Robotaxi “以时间换空间”、无人货运卡车弥补司机缺口、微循环接驳车提供便利、最后一公里派送车降本高效

商用车无人驾驶的原意并非去直接取代司机，而是为了弥补司机的缺口，以及让司机可以腾出时间去处理更高层次的工作。其商业模式是以先获取用户流量，扩大运营规模，并通过技术进步推动成本边际下降，继续获取更多流量及扩大运营规模，最终达到盈利。商用车追求“一步到位”的高级别L4-5的落地，由此衍生出四大场景：1）自动驾驶出租车Robotaxi；2）自动驾驶货运卡车；3）半封闭场景微循环或固定路线；4）最后一公里物流配送等。我们认为，Robotaxi和自动驾驶货运卡车技术实现难度较大，而封闭场景微循环和最后一公里派送的技术则相对成熟。

Robotaxi在技术实现难度上是最高的，所以玩家以科技巨头和行业巨头为主，如谷歌的Waymo、腾讯和阿里参股的滴滴出行、百度、通用和福特等。而Robotaxi的商业落地是典型的“以时间换空间”模式，也是通往消费级完全自动驾驶的必经之路。虽然欧美公司技术积累较深，商业探索较早，但中国持积极开放态度也是国内Robotaxi落地测试与运营迅速发展的催化剂。在高速公路上长途行驶的无人货运卡车是MIT Tech Review 2017年全球十大新兴科技趋势之一。从货运成本、司机短缺以及技术实现的角度，都被认为能较快落地。公路物流运输成本中，约30％为人力成本，约1/3为燃料成本。无人驾驶卡车能节省一半的人力成本和部分燃料成本，两方面带来总成本约14％的节省。美国卡车运输协会预计到2028年司机缺口将上升至16万人。传统卡车车企和新科技公司联盟，比如说Waymo的合作伙伴包括FCA、Peterbilt 等；独角兽图森未来连同Navistar开发L4级自动驾驶卡车，并预计2024年实现量产。

在相对封闭场景下定制化路线的微循环自动驾驶接驳车（物流车），面向学校、园区、机场、港口及矿山等，代表公司包括EasyMile、驭势科技和百度等。从安全角度看，其低速及具备专道专用等，场景相对简单也较成熟。从技术实现角度看虽然落地应该比以上两类要快，但经济效益在目前的高成本下较难凸显，也有可能会受到巨头们的“降维打击”。最后一公里无人派送车主要面向快递、外卖、闪送等场景，实现无人化的末端配送。中外代表初创公司包括Nuro.ai、Starship、AutoX和新石器等以及包括各大物流、电商、和外卖巨头，例如亚马逊、菜鸟、京东、苏宁及美团等。我们认为目前最后一公里物流主要的瓶颈还在于成本。未来无人配送车的成本预计会从现在的20-30万元降低到10万元左右，平均每单无人配送车成本低至0.8元/单，对比目前快递及外卖成本每单约2-6元不等。

多样性+冗余性，无人驾驶是传感器、芯片、人工智能、云计算和5G技术最全面的“大综合”；预计2023和2025年商用车和乘用车将迎来拐点

无人驾驶是目前人工智能技术最前沿和应用最广阔的方向。从基于机器学习和机器视觉算法，叠加5G和云计算的信息互通，到机器人操控的技术“大综合”。无人驾驶的处理流程可划分为：感知层、决策层、以及执行层。通过传感器接收到图像视觉、雷达信号和地图信息等，进行分类处理，再通过学习建模，由模型处理传感器等数据、识别路况、预测车辆和其他对象的行为，最终作出车辆行为决策，并结合电子机械技术作出执行。

对比人类驾驶员，摄像头相当于自动驾驶系统的眼睛，毫米波雷达及超声波雷达相当于系统的耳朵，而激光雷达则提供精度和3D模型，四者各有优势，为系统提供全天候全方位的环境感知能力。LiDAR及车载芯片技术在不断迭代更新，参与的巨头及初创公司包括谷歌、Velodyne、Quanergy、览沃科技及禾赛科技等。车载芯片包括有英伟达的GPU、基于Intel芯片的Mobileye EyeQ系列、华为以及地平线等，包括FPGA和ASIC。GPS、高精度地图及5G/V2X作为传感器的补充，提供超视距的信息来源。所以“多样性+冗余性”的软硬件配置是无人驾驶的关键。我们认为2023-2025年将会出现由领先科技公司主导的各场景L4-L5商用车量产；而2025-2030年，乘用车智能驾驶渗透率将会从50％往80％提升，并从ADAS往L4级别迈进。

风险提示：

自动驾驶技术落地不及预期；自动驾驶成本下降不及预期；各国政府对自动驾驶的法律尚不健全；全球宏观经济复苏放缓等。