汽车电子展|浅谈智能驾驶行业发展趋势、机遇和挑战

汽车电子展浅谈乘用车辅助驾驶渗透率不断提升

乘用车辅助驾驶渗透率达38%左右，L2功能进入普及期。随着辅助驾驶功能逐步量产，乘用车辅助驾驶系统不断成为行业标配，单项功能逐渐下沉至低端车型，2020年乘用车辅助驾驶渗透率约32%左右，预计2025年渗透率或达到65%。2020年L1级别占比最高，约20%左右；L2级别车辆占比约12%。但L1级别功能并未发挥出硬件的最大效用，加之L2的快速渗透和成本的降低，预计仅搭载L1级别功能的乘用车将逐渐减少，未来L2级别功能将逐渐取而代之。同时随着智能驾驶相关上路法规的不断完善，L3级别有条件自动驾驶乘用车有望在2023年开始逐步落地。

汽车电子展浅谈高级别自动驾驶或率先落地

低速、封闭、固定路线和不载人的特征助力高级别自动驾驶在部分场景下加速落地

乘用车方面，由于自动驾驶法规、技术、场景复杂度等限制，严格意义上的L3等级以上自动驾驶短期内落地仍有一定难度。但自主代客泊车具有低速、场景封闭、固定路线和不载人的特征，同时可帮助车主减少停车时间，有望成为乘用车中最快量产落地的高级别自动驾驶功能。

而在商用车方面，矿山、港口、机场等场景拥有同样的特征，同时可帮助企业降低人力成本，保障人身安全，将更多的人参与到价值更高的工作当中，因此短期内落地性较强。

汽车电子展浅谈多传感器融合或将成为行业主流

前融合或逐渐成为优选方案。随着智能驾驶级别的提升，车辆所需要的传感器也越发多样化，为了应对不同的场景和保证车辆的安全，多传感器融合成为行业趋势。多传感器融合技术是对信息的多级别、多维度组合导出有用的信息，包含图像信息、点云信息等，不仅可利用不同传感器的优势，还能提高整个系统的智能化。随着多目摄像头、79GHz毫米波雷达、深度视觉算法和增强型学习决策算法等技术的发展，为了使得汽车感知系统形成有效互补，多传感器融合已成为众多主机厂来提高自身智能驾驶能力的技术之一。

重新设计神经网络可提升感知系统的工作效率并压缩算力，使深度学习模型在有限算力的嵌入式设备上运行逐渐成为可能；同时自动驾驶测试车采集到的大数据也可用来进行算法筛选，因此更具优势的前融合或逐渐成为优选方案。

汽车电子展浅谈智能驾驶行业发展机遇

多维度行业机遇叠加，智能驾驶发展恰逢其时

国家和地方政策频出：频频出台的国家政策已经表明国家对于智能驾驶行业发展的支持，并将其作为汽车产业转型升级的重要方向，为我国智能驾驶汽车的可持续发展奠定了基础，预计“十四五”期间将是智能驾驶行业的快速发展时期。

国产化进程加快：智能驾驶零部件及解决方案国产化脚步加快，部分国内智能驾驶企业开始展现出竞争优势，逐渐进入国内外车企的供应体系；对于同等性能的零部件而言，部分国内车企更趋向选择更了解中国市场的国内供应商。同时由于疫情影响和国际局势等因素，国外供应商与国内车企的合作存在一定不确定性和风险，导致国内车企通过更多地与国内智能驾驶企业合作来降低对国外供应商的依赖，提高国内汽车产业供应链的稳定性。

车联网快速发展：车联网可以为智能交通系统提供基础网络，也为智能驾驶提供决策来源。车联网可采用5G作为基础通讯手段，打通汽车行驶数据、道路规划和实时交通数据，延迟时间可降低至1毫秒，可满足更高级别自动驾驶对于延迟的要求，在整体交通规划和智慧公路方面为智能驾驶的规模化发展提供了有力支持。

测试道路逐步开放：车辆路测规模直接影响智能驾驶技术的发展。《智能网联汽车自动驾驶功能测试规范（试行）》中提出各检测项目对应的测试场景、测试规范及通过条件。目前我国已建立至少20个智能联网汽车测试示范区并形成区域性互补；北京、上海、长沙、广州等城市已经颁发上百张路测牌照，公开道路中的各类环境和场景均为真实情况，有助于智能驾驶车辆在量产落地前的验证。

汽车电子展浅谈智能驾驶行业面临的挑战

法规、技术等挑战不容忽视，或影响行业发展节奏

法规：智能驾驶相关法规的建立落后于技术的发展，仍然存在互相矛盾和法律空白问题。尤其是在众多参与方（驾驶员、车企、智能驾驶开发商等）的情况下，对于智能驾驶车辆交通事故的分析和权责认定机制尚未完全形成。同时，在发展到更高级别的自动驾驶水平时，系统决策也可能出现社会伦理道德风险，现有的保险制度也较难适用于自动驾驶车辆。

技术：由于城市工况、道路设计、天气、行人等在不同时间、不同区域差别较大，因此全场景自动驾驶技术难度远超预期。L3较L2级别的数据处理量呈指数级增长，对于芯片、传感器、软件、电子电气构架等都有着较高要求，任一环节的技术滞后都难以实现自动驾驶的落地，因此更高级别的自动驾驶落地在技术层面也面临较大挑战。

场景：智能驾驶在各类场景下落地时均存在一定难度。如港口自动驾驶集卡停靠位置需要较高的精准度；机场由于保密原因难以采取高精地图提升自动驾驶能力；高速场景因政策限制导致实验规模不足；城区场景暂时难以解决所有corner case。各场景下难点的解决方案也成为行业发展的主要挑战。

成本：智能驾驶企业需要在前期投入较大的研发成本和人员成本才能保证智能驾驶功能的更新迭代，其中包含传感器研发、底层算法、ADAS算法等，此过程相对较长且具有一定市场风险。拥有可靠技术和产品创新的企业才能持续保持较强的市场竞争力。