自动驾驶行业知识报告 | 灼鼎咨询

（一）自动驾驶技术（Autonomous Driving Technology）

是指：使汽车能够在没有人类司机介入的情况下安全行驶的一系列技术，它涵盖了从车辆自主控制到完全无人驾驶的广泛技术。

（二）行业概览：自动驾驶行业发展历程

（三）技术原理&底层逻辑：自动驾驶技术架构

感知（Perception）技术：是自动驾驶汽车用来解释周围世界的眼睛和耳朵。

摄像头：用于捕捉图像和视频，通过计算机视觉算法处理，识别道路标志、信号、行人和其他车辆。

雷达：电磁波帮助测量距离和速度，对恶劣天气条件具有强大的抗干扰能力。

激光雷达：提供精确的 3D 环境映射，关键在于检测和分类周围的物体。

超声波传感器：在短距离内非常有效，通常用于停车和低速驾驶场景。

感知系统还需要将这些不同的传感器数据融合在一起，提供一个全面的环境理解。

（四）技术原理&底层逻辑：自动驾驶过渡技术

NOA（Navigation on AutoPilot）与自动驾驶的关系是紧密相关的，NOA 是 L2+ 级辅助驾驶的典型功能，标志着从 ADAS（高级驾驶辅助系统）到 FSD（完全自动驾驶）的过渡。这种系统能够实现在高速公路、城市快速路和普通城市道路上的点对点自动驾驶。目前，NOA 主要包括高速 NOA 和城市 NOA 两种应用场景。

（一）行业发展背景：政策环境

（二）行业发展背景：社会环境

减少排放：智能汽车，特别是与电动车技术结合的智能汽车，可以显著减少温室气体排放和其他污染物的排放，符合全球减排目标。

提高能源效率：智能汽车通过优化行驶路径、减少拥堵和空转时间，能够更有效地使用能源，减少燃料消耗。

促进可持续交通：智能汽车技术支持共享出行和公共交通系统的高效运作，减少单一乘客出行，从而减少交通拥堵和环境影响。

（一）竞争格局：整体情况

传统车企的技术路线：

传统车企采用“渐进式”发展策略，从基础的辅助驾驶功能开始，逐步实现L1、L2和L2+级别的辅助驾驶功能。

互联网科技公司的策略：

互联网科技公司如百度、华为选择“跨越式”发展路线，直接瞄准更高自动化级别的L4和L5。

（二）竞争格局：自主品牌NOA布局

（一）非乘用车应用场景：物流

自动驾驶技术在物流领域的应用主要分为两个场景：干线物流和末端物流。

末端物流

定义与特点: 末端物流涉及到最后一公里的配送，通常发生在小区、园区等封闭或半封闭的区域内，具有高频率、分散性强和即时性的特点。

痛点: 主要包括配送效率低和成本高。

自动驾驶应用与优势: 在这个场景下，自动驾驶技术的落地难度较低，行驶速度低，环境复杂度低，使得无人配送车辆可以更早实现

规模化商业应用。无人配送车通过高精度传感器实时感知周围环境，能够自动规划最优配送路线，减少人力依赖，提高配送效率。

发展与应用: 我国在无人配送车领域已实现核心零部件的自研自产，大大降低成本，为规模化应用提供了基础。

干线物流

定义与特点: 干线物流通常涉及重卡运输，主要在高速公路上进行，特点是大批量、长距离运输，且道路参与者相对较少，环境相对简单。

痛点: 主要包括安全问题和成本问题，尤其是由于市场竞争激烈、超载、超速和疲劳驾驶等问题。

自动驾驶应用与优势: 通过使用L3级别以上的自动驾驶系统，可以在高速公路上实现自动跟车、变道、避障等功能，从而提高安全性，减少人力需求和成本，提高效率。预计自动驾驶能使重卡运营成本降低约26%，事故率降低约80%。

市场与竞争: 此领域的竞争者包括主机厂商、智驾技术公司和互联网公司，市场竞争十分激烈。

（一）发展趋势 ：高水平演化

技术进步传感器和硬件的进化：

初期：ADAS系统依赖基本传感器，如雷达和简单摄像头，主要用于距离监测和碰撞预警。

后期：自动驾驶车辆需要更复杂的传感器阵列，包括高分辨率摄像头、激光雷达（LIDAR）、高精度GPS和惯性测量单元（IMU）等。

软件和算法的发展：

初期：ADAS功能通常限于特定场景，如自适应巡航控制和车道保持。

后期：自动驾驶需要复杂的算法来实现实时环境感知、决策制定和路径规划。

（二）发展趋势 ：过渡方案

短期内单车智能的重要性:

接下来2年内，L2+产品的量产竞赛将突出，单车智能仍然扮演着关键角色。单车智能不是与车路协同相对立，而是相互补充，即使在车路协同场景下，车端将执行大量计算和决策。车端为核心的L2+技术仍是产业发展的重点。

端到端自动驾驶的发展:

大模型的应用将推动模型端成熟，提高环境感知能力。端到端自动驾驶整合多个小模型成一个大模型，直接从原始数据生成驾驶指令，提高系统性能。