在上篇从宏观角度介绍了智能驾驶的发展初衷、发展历程以及发展驱动因素的基础上，本篇将更详细地分析智能驾驶的落地化情况以及未来核心和竞争格局。
智能驾驶技术下汽车产业的现状与未来
现阶段渐进发展主要依靠ADAS的升级，稳扎稳打逐级进化，目前主要集中于L2-L3的升级。根据《中国自动驾驶乘用车市场数据追踪报告》2022年第1季度各大车厂产量数据，国内L2级自动驾驶在乘用车市场的新车渗透率高达23.2%。其中，新能源车市场渗透率更高，达到了35.0%，远高于汽油车市场19.9%的渗透率。
智能化汽车已经进入商业化加速落地的阶段
由于是逐级推向市场应用，符合消费者渐进接受创新的习惯。随着智能驾驶等级的上升对芯片算力的需求呈现指数级提升，算法将成为智能驾驶行业的核心，而算法则是基于芯片的发展，渐进发展可获得低成本数据，形成数据采集和系统验证闭环，极大加速算法迭代。
无论是造车新势力，还是传统车厂都在深度布局汽车智能化，座舱域、驾驶域的发展速度尤为惊人。目前智能座舱的新车型普及度持续攀升，智能驾驶的落地速度也有所加快。在汽车新四化浪潮下，车厂、芯片厂商、Tier1、OS以及其他软硬件供应商积极投入研发，产品迭代速度显著加快。尤其巨头厂商在底层技术的突破，为市场带来质变。
智能驾驶行业未来核心
生态化合作伙伴为重中之重
芯片厂商格局未稳，产业链合作伙伴有望成为稀缺资源，充分受益于汽车智能化浪潮。目前汽车产业链的交付模式发生变化，芯片厂商先前更多作为 Tier1的供应商，而当下更多的是直接与汽车厂商进行生意往来。复杂的需求与高算力芯片的落地，使得芯片厂商需要对外寻找整体解决方案生态合作伙伴，为车厂共同提供一整套解决方案。主板设计与软件生态合作伙伴成为重中之重。单一的芯片存在的问题是它需要下游厂商基于芯片的规格负责主板的设计和调试，而全套的解决方案，则是芯片厂商根据下游的要求设计好主板的布局、接口的数目，甚至以模块的形式封装出货，下游厂商只需负责连接计算模块与车辆的各个传感器即可；此外，汽车厂商落地还需要相关虚拟机、OS、中间件等开发环境以及中科创达这类软件服务商打通方案。无论是已有的高通、英伟达、Mobileye、NXP、瑞萨等老牌巨头，还是地平线、黑芝麻、华为等行业新军，在目前阶段除了做好产品，最重要的就是建立解决方案生态，并积极与车厂展开合作。生态共建，共享汽车智能化果实。
算力时代的到来
算力满足智能化部件运算，支撑系统算法。通过神经网络，算力支撑着激光雷达、超声波雷达、摄像头、座舱娱乐信息系统等各个部件运算。除此之外，算力还需要运行整个系统的路径规划、决策、控制的算法。智能化在给汽车带来更多能力的同时也对SOC芯片提出了更多的算力要求。
智能网联化进展迅速，消费者体验不佳亟待算力提升。2015 年智能网联功能的新车装载率为 4.6%，到 2020 年这一数字上升到了48.8%。主流车企中，智能网联已经成为新车型必备功能。而根据汽车专业机构调研数据显示，一方面当前消费者对智能网联功能核心感知仍集中在中控台显示屏、仪表盘等少数领域，语音控制、车联网等功能用户关注不足；另一方面对智能网联功能体验不佳，抱怨中控屏反应迟钝的用户达到56.5%，反应系统卡顿的用户达到 50.95%。
应用端以自动驾驶为例，随着智能驾驶等级的上升对芯片算力的需求呈现指数级提升。L1、L2 处于辅助驾驶阶段，车部分或全部的自行转向控制、加速减速，这两个阶段对算力的要求都不高。L3 进入有条件的自动驾驶，车除转向控制、加速减速外还进行驾驶环境检测，这带来算力极大的提升需求，从 L2 的 2 Tops 提升到 L3 的 24Tops。进入到 L4、L5 阶段车在之前的功能之上还增加了紧急事件触发接管机制，这两个阶段对算力的要求呈现技术级的提升，分别达到 320Tops,4000Tops。
算力时代的到来促成了无人驾驶SOC芯片的快速发展
芯片/算法是自动驾驶产业链的核心。自动驾驶系统运作包含三个环节，首先是收集信息；然后是处理与判断；最后给予车体指令。在这个流程中，MCU、影像处理 IC 等处理器以及自动驾驶算法就处于核心的位置，起到承上启下的作用。
1、规模：2030 年市场规模有望超 250 亿元
随着自动驾驶对算力要求的提升，芯片数量和 ASP 量价齐升预计超 250 亿元。预计自动驾驶的发展分为两个阶段：第一个阶段为 2020-2025 年，自动驾驶等级主要为 L1、L2。第二阶段为 2026-2030 年，自动驾驶等级发展为 L3 及以上，该阶段驾驶员检测系统（DMS）预计将快速上涨。
2、竞争格局
除特斯拉的自研FSD芯片之外，整体自动/辅助驾驶芯片市场呈现消费电子芯片巨头、新兴芯片科技公司、传统汽车芯片厂商三大阵营鼎力的局面。
传统汽车芯片厂商阵在传统汽车芯片领域近乎呈垄断地位，产品线齐全，与Tier1、主机厂有深厚关系积累，满足车规级要求方面有深厚技术能力储备，但在AI计算芯片上优势不足，产品多用于中低端车型。
代表：Mobileye
消费电子芯片巨头阵营具备深厚的芯片技术储备，资金雄厚，可支撑起对先进支撑和高算力芯片的高昂研发投入，同时具备良好的软件生态，车载计算芯片技术领先，在中高端车型与新势力车型市场中有广泛应用。
代表：英伟达，高通
新兴芯片科技公司阵营在AI算法与计算上有独到的产品优势，相比传统厂商能力更为全栈，可提供“芯片+算法参考+技术支持”的产品服务，但在车规级与大规模量产能力上仍待提升，产品主要应用于自主品牌车型。
代表：芯驰科技，华为
特斯拉自研FSD作为全球唯一一家实现了自动驾驶核心领域全栈自研自产的科技公司，在数据、算法、算力等各个层面打造了一套包含感知、规控、执行在内的全链路自动驾驶软硬件架构。智能汽车为软硬件高度耦合产品，自研有助于产品软硬件协同发展，降低技术供应商的依赖性，同时加快技术迭代速度。
目前来看，英伟达，高通及背靠英特尔的Mobileye处于自动/辅助驾驶芯片第一梯队，华为海思、地平线、处于第二梯队，上升攻势不容小觑。但考虑到目前市场量产车型配置的ADAS级别仍主要处于L1-L2的初级阶段，我们认为行业格局仍未落定，各家厂商暂处于百花齐放的阶段。
智能驾驶的其他投资机会
智能驾驶的系统架构包含的三大体系：环境感知、决策规划、控制执行。
环境感知是智能驾驶的第一步，智能驾驶车辆通过各类传感器如摄像头、毫米波雷达、超声波雷达、激光雷达等获取车辆周边信息，产生图片数据、视频数据、点云图像、电磁波等信息，去除噪点信息后利用不同类型数据形成冗余同时提升感知精度。
决策规划是智能驾驶的第二步，依据获取的信息进行决策判断，选择适合的工作模型，制定相应的控制策略，替代人类做出驾驶行为。同时这部分功能也执行预测任务，例如在车道保持、车道偏离预警、车距保持，障碍物警告等系统中，需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态。需要计算能力和大量数据进行AI训练。
控制执行是智能驾驶的第三步，智能驾驶汽车的各个执行系统通过总线与决策系统连接，根据决策规划出的轨迹进行有效、稳定、安全的行驶，同时在过程中实现变速、转向、变道、超车等操作，并保证乘坐的舒适性。完美实现自动控制执行后，驾乘人员的精力可以转向车内娱乐、工作等其他事项。
通过分解智能驾驶的三部分，我们可以得出智能驾驶的其他投资方向：感知传感器、算力芯片、智能驾驶系统解决方案三个主要方面，还有云智能座舱、车载软件、地图等。
