自动驾驶：百年汽车业的革命性影响

2018年9月18日，北京房山区在高端制造业基地内打造5G自动驾驶示范区，首期道路开放长度10公里。

回首过往百年，全球的汽车产业经过了三次重大变革，其一是发端于1900年的汽车的流水线规模化制造，其二是上世纪50年代主流汽车制造商格局形成，其三是90年代的全球化与电子化；而今，汽车产业正站在关键的变革拐点之上，“MADE”（M-mobility移动出行；A-autonomous driving自动驾驶；D-digitalization数字网联化；E-electrificaTIon电气化）将推动新技术的发展，并将重塑整个生态圈。

在MADE四大趋势之中，自动驾驶是最具有影响力和可持续性的一个趋势，它的发展将在未来数十年内不断改变人类社会的出行方式，并持续重塑整车制造商、零部件供应商与技术解决方案供应商的竞合格局。

值得一提的是，MADE中的其他三大趋势与自动驾驶的发展都是相辅相成且密不可分的。

例如数字化与智能网联将带动人机交互、车联服务、通讯技术和智慧交通等关键领域的发展，并为自动驾驶的实现创造更好的条件；而电气化除了改变汽车的能源结构之外，还将带动其电子电器架构的发展，使汽车本身具备更低延时、更大容量的信息传输和处理能力，这种架构同样非常适用于对信息处理要求极高的自动驾驶汽车；共享出行则会成为自动驾驶的重要应用场景，目前的分时租赁和网约车业态将作为过渡业态，分别以线下网点和云端调度能力为依托，最终演化为无人驾驶出租车形式的终极业态。

什么驱动了自动驾驶？

首先是技术上。

自动驾驶本身的发展由于涉及到技术发展和社会接受度等要素，因此具有较高的不确定性，其中技术发展要素包括算法、芯片、通讯、感知硬件、高精地图与定位等，而社会因素则包括了政府的支持和消费者的接受度。

算法领域的发展与AI技术的进步密不可分，虽然车辆底层控制算法仍由主机厂/一级供应商所掌控，但传感器融合算法、决策算法则依赖于深度学习技术的进步，其预期的演进路线将从3年－5年内深度学习视觉算法的不断成熟开始，逐步演化至未来增强学习决策算法的普及，以及基于云端的多传感器融合决策算法的进一步优化。

新一代芯片技术的发展将在3年－5年内使系统芯片拥有大幅度提升的运算能力，从而支撑自动驾驶硬件数据处理和算法的实现，并能够在低能耗的前提下支持更多的数据量与更复杂的深度学习数据处理。

通讯领域技术的发展也将更有效地推动自动驾驶的实现，5G通讯预计将在2020年开始商用，其十毫秒级的低延时响应、支持每平方公里百万级终端同时在线的大带宽，以及超过99.99％的可靠性等特点非常符合自动驾驶对数据传输的要求。

传感硬件的进步主要体现在摄像头、毫米波雷达和激光雷达等领域的突破，同时，传感硬件将作为技术进步最快、成本下降最快的领域在2020年之前得到优先发展。

对高精度地图而言，精度与实时性将进一步提高，达到20厘米级甚至更高精度的高精度地图有望在2020年左右实现在一线城市、全国高速及主要路网的规模化的绘制，并将在部分搭载自动驾驶功能的车辆中实现预装。

其次是社会驱动因素。

自动驾驶的发展离不开政策的支持，法律法规将从车辆规范、驾驶区域设定、通讯技术应用、事故责任认定四个方面规定自动驾驶的应用条件。在立法方面，由于美国采取自认证的原则，对于车型审批没有明确限制，因此处于绝对的领先地位。另外，韩国几乎将全国开放作为自动驾驶测试区域，美国部分州已开展了测试与运营，中国则仅在部分城市设置了特定测试道路。预计到2020年左右，中国政府将明确规定L3自动驾驶汽车允许行驶的特定工况，并明确L3车辆发生交通事故的权责；而到2025年左右，将允许城市特定区域内L4级别车辆上路。

全球消费者对自动驾驶保持着更高的期待，在罗兰贝格对于13个主要汽车销售国家的调研（N=13266）中发现，超过半数的法国、日本、荷兰、韩国的消费者认为，如果无人驾驶出租车的出行成本低于自驾，那么他们将会选择放弃购车，然而这个比例在中国仅为30％。为更好地理解中国的消费者，我们展开了另一项本地化（N=1687）的调研，发现中国消费者的确对自动驾驶存在不同程度的顾虑，其中82％的消费者担心自动驾驶技术不成熟可能产生伤亡事故，50％的消费者认为系统判断行驶路线会缺乏灵活性，并倾向于自己改变路线，38％的消费者认为自动驾驶功能的相应成本难以接受，31％的消费者喜欢自己驾驶，担心自动驾驶会削弱操控的乐趣。整体而言，仍然有58％的消费者表示有自动驾驶的使用需求，他们最期待的应用场景是长途/近郊的旅行和上下班代步。

综合以上的驱动因素，并结合《技术路线图》的规划目标，罗兰贝格认为L3级别乘用车将在2020年左右得到初步推广，2025年L3级别的渗透率有望超过10％，到2030年，L4/5级别的乘用车渗透率有望超过15％。

应用场景落地，带动价值链重构

值得一提的是，在自动驾驶技术推广的过程中，车队企业往往会首先开始试点，例如自动驾驶巴士遵循固定线路，便于自动驾驶的安全运营；干线运输的重型卡车同样具备应用前景，无人驾驶将有助于提升高速公路等场景驾驶的安全性，降低油耗以及减少人工成本。

车队的终极应用是无人驾驶出租车，它们将在2025年－2030年间得到初步商业化推广，并对汽车出行领域产生颠覆性的变革——如果实现超过每平方公里2辆车的密度，无人驾驶出租车的有效载客时间将高于传统出租车80％，并实现成本降低至出租车的40％以下，有助于节约超过40％的城市停车空间并减少30％的交通拥堵时间。这使得拥有自有车辆成为无论是经济性还是便利性都相对较低的一种选择。

对于私家车而言，我们预计2019年－2021年将实现特定工况下的拥堵路况跟车及高速公路自动驾驶，2022年－2025年将实现限定区域L3车队自动驾驶以及自动停车场泊车，2026年－2030年L3车队和私家车将从指定区域过渡到城市工况，部分L4汽车能够在高速公路行驶，2030年之后将逐步出现指定区域和城市工况L4私人自动驾驶，远期实现城市工况完全自动驾驶。

这开始带动价值链的重构。

为了迎合自动驾驶对于车辆感知、决策与执行方面的需求，未来整车产品将在多个方面对于软硬件进行升级换代，这将为自动驾驶的零部件供应商带来广阔的前景。

未来中国的自动驾驶软硬件市场主要增量来自激光雷达，对于采用激光雷达路线的L3级别车辆而言，通常需要1个机械式或4个－6个固态雷达，且激光雷达价格较为昂贵，预计到2030年，中国的激光雷达市场规模将超过1000亿元。

2030年另一个可能的千亿级市场是自动驾驶算法，其中感知与决策算法的含金量相较于融合与控制算法更高。而自动驾驶对于动态决策和实时大量数据传输的高要求将带动车联网相关的软硬件市场的增长，它将成为仅次于激光雷达和算法的重要市场。

而随着应用的普及和前装率的提升，高精度地图也有望在2030年突破200亿元的规模。另外一个比较小众的领域是红外线摄像头，它拥有较高的技术壁垒，且存在一定程度的垄断，利润水平较高。

然而，目前诸如毫米波雷达、超声波雷达、摄像头等硬件（尤其是超声波雷达）已经普遍使用于L1－2级自动驾驶车辆，其增长潜力有限，且利润水平将有所下滑。

参与者众，成功者寥

自动驾驶市场前景虽然诱人，但并非所有的参与者都能从中分一杯羹，该问题可以从区域性和参与者两个角度进行分析。

首先，出于战略安全性、基础设施投资、法律法规差异性等重要考量，未来自动驾驶将呈现显著区域性——由于各国不希望失去对自动驾驶技术及数据的掌控，故对本土自动驾驶企业的扶持是可预期的，各国市场将很有可能分别出现少量巨头。以中国为例，出于国家安全考量，高精度地图测绘牌照仅向本土企业提供，外资必须使用内资地图厂商；类似的区域性限制还包括数据服务，规定数据存储服务器必须建于国内并选用国内厂商。但对于部分存在显著技术差距的软硬件，如高速旋转激光雷达、GPU、CPU与感光芯片等，较长一段时间内将仍然由国际厂商主导。

其次，大多数现有的OEM选择循序渐进的方式逐步开发自动驾驶功能，但互联网科技公司正加速将自动驾驶车队投入商业运营，以便根据汽车收集到的实际驾驶数据对系统进行开发与完善。所以，未来自动驾驶核心技术鹿死谁手仍存变数。罗兰贝格认为，依据自动驾驶汽车的渗透率和整车集成壁垒两个关键维度的变化，未来自动驾驶不同参与者的竞合格局可能存在四种不同的情景：

在情景一（白牌模式）当中，Waymo类企业将领先于OEM实现自动驾驶落地，成为领先核心供应商，并白牌化向OEM销售系统。同时，自动驾驶技术开始向标准化发展，一定程度降低了整车集成壁垒，但其渗透率仍有待提升。

而情景二（OEM内化模式）中，自动驾驶分化成不同技术路线，并逐渐被OEM内化，最终成为OEM技术门槛和溢价的另一核心技术，发展历程与现今的混合动力系统相类似。在这种情景下，自动驾驶反而增加了整车控制复杂性和集成壁垒。

上述是最有可能的两种情景，核心的触发条件差异在于互联网科技企业和传统主机厂谁先将自动驾驶技术落地。而情景三（开源模式）相当于在情景一的基础上实现了开源化供应——小部分OEM自主或联合掌握自动驾驶技术；Waymo类企业开源供应自动驾驶解决方案并扩大市场份额，在这种情景下，整车集成壁垒将较情景一更低，而自动驾驶渗透率则有一定程度的提升。

在以上任何一种模式中，OEM仍将拥有难以被攻克的壁垒，主要体现在车规级质量体系、整车控制、底盘控制、网络架构等深厚积累——自动驾驶算法必须与OEM所牢牢把控的整车底层控制与执行系统相结合才能够真正实现自动驾驶。

最后，情景四（代工模式）是自动驾驶渗透率最高以及整车集成壁垒最低的远期模式，在这种情景下，无人驾驶共享出行成为主流，相关服务运营商拥有较高的话语权，而传统的OEM则极有可能扮演代工厂的角色。

基于我们对2030年平均出行成本的拆分和预测，四种情景的自动驾驶将分别通过无人驾驶共享出行或者私家车自动驾驶的方式贡献每公里15％、15％、18％、28％的平均出行价值。

无论对于OEM还是自动驾驶解决方案供应商而言，领先的算法、大量真实的路测数据、软硬件并行的研发投入以及政策层面的支持都至关重要。Waymo与Mobileye的发展路线有所不同，前者凭借算法和大量资金支持，直接定位Level-4自动驾驶研发，但其盈利周期将更漫长；而后者自始至终与OEM深度绑定，实现共同技术研发和升级。

而对于自动驾驶共享出行服务提供商而言，算法和数据能力、车队运营及后台保障能力、车生活运营服务能力、用户信任及会员服务、定制化造车/选车能力、政府关系与合作伙伴公关能力则显得更加重要。