本文是系列深度第二篇，第一篇參考《汽車電子，下一個蘋果產業鏈》
寫在前面：
在智能手機時代之后，下一個電子行業十倍股的投資機會，大概率會出現在汽車電子行業。本文重點關注汽車電子-無人駕駛-傳感器行業的投資機會。
1.傳感器的核心是毫米波雷達和激光雷達（更重要）。
2.在5G時代，通過C-V2X網絡將毫米波雷達獲取的信息傳輸起來。
3.以精準地圖等載體，將有價值的信息轉給周圍的用戶。
4.邊緣網絡在上述的過程中，可能會起到關鍵性的作用。
摘要
ADAS是完全自動駕駛的前奏，傳感器需求激增。當完全自動駕駛持續搶占頭條時，高級駕駛輔助系統（ADAS）悄悄地掀起了一股變革浪潮，從根本上改變著傳統汽車的操控方式和用戶體驗。自動駕駛的冗余度和容錯性特性，要求越是高階的自動駕駛需要越多的傳感器。根據我們的產業鏈調研，2018-2019年是全球范圍內進入L2級自動駕駛的階段，預計2020年起國內外將正式進入L3級自動駕駛階段，傳感器之間交叉融合，需求量大幅度提升，以盡可能的保證行駛的安全性。綜合現有國內外頂級自動駕駛玩家路測的自動駕駛汽車配備的傳感器和5G時代將會新增的傳感器來看，未來實現完全自動駕駛，需要配備的核心傳感器主要包括攝像頭（Camera）、毫米波雷達（RADAR）、激光雷達（LiDAR）、慣性測量單元（IMU）和車路協同系統（V2X）。
車載攝像頭是汽車之眼，競爭格局相對集中，全球CR4為50%，但是國內在智能手機產業中拼殺出來的舜宇光學等消費電子巨頭的強力入駐，預計將憑借性價比和本土化的快速響應正式開啟對外資供應商的替代。夜視功能和AI植入前端將是車載攝像頭未來可見的趨勢，預計2020年中國市場規模將接近60億元。
毫米波雷達，高階自動駕駛的標配。全球毫米波雷達市場集中度較高，2018年CR5高達68%，基本上被博世、大陸等外資寡頭壟斷。近年來自主廠商紛紛涌入，不同于車載攝像頭，自主廠商的規模普遍較小，單品性價比優勢不大，打包做解決方案或是比較好的突圍路徑，中國特色的道路交通行駛環境也為自主供應商提供定制化產品和服務提供了契機。隨著CMOS制程的價格不斷下降，77GHz將有望成為未來的主流，預計2020年全球和中國市場的規模有望分別達到51.2億美元和72.1億元。
激光雷達可以快速精準的復制出進度高達厘米級的周邊3D環境地圖，是保證完全自動駕駛具有充分安全冗余的核心傳感器。高昂的成本是阻礙激光雷達裝配上車的主因，18年Velodyne宣布旗下廣受歡迎的16線Lidar價格已降至3999美元，將有效加速自動駕駛進程，但仍不足以支撐完全自動駕駛的普及。當前，激光雷達企業還沒形成品牌效應、用戶粘性，技術走向仍在探索期，沒有任何一家企業有明顯技術優勢，市場變數大。預計2023年全球市場空間將超過200億美元。
高精度定位傳感器：L3及以上自動駕駛的標配。高精度定位傳感器是高等級自動駕駛的標配。GNSS（RTK）&IMU組合是現階段高精度定位的主流方案。估算至2025年，GNSS（RTK）&IMU在車載前裝市場的市場規模將超過25億美元/年。
V2X：車路協同，加速自動駕駛產業落地。V2X是自動駕駛的“超視距”傳感器。在國內政府大力推動科技新基建的產業背景下， V2X的基礎設施——智能路網有望迅速成熟。僅計算高速公路的智能化改造，V2X路端的市場規模有望超過1300億/公里；V2X車端的潛在市場規模有望超過56億/年。
重點推薦：
電子行業：韋爾股份、順絡電子和聞泰科技；
計算機行業：四維圖新、中海達和萬集科技；
汽車行業：德賽西威和保隆科技。
風險提示：宏觀經濟低于預期；下游ADAS普及率低于預期；國產化進程低于預期；新能源汽車產業鏈低于預期等。
1.自動駕駛加速駛來，核心傳感器先行
1.1.自動駕駛核心傳感器，增量市場空間廣闊
美國自動駕駛分級統一行業認知。根據SAE標準，按照人類駕駛者的操作權限將自動駕駛分成了0-5級，其中2-3級是一個重要的轉折點，標志著駕駛權正式由人類移交給無人駕駛系統。無人駕駛系統的分級，為全球車企無人駕駛研發進程提供了統一的指導。
全球自動駕駛加速駛來。美國加州是全球首個通過無人駕駛汽車法規的地區，同時也是世界上最重要的無人駕駛測試基地，截至2018年1月，加州車輛管理局已發放50張無人駕駛測試牌照，其每年發布的脫離報告反應了全球自動駕駛的技術趨勢和競爭格局。
2017年是自動駕駛加速駛來的一年，當年新增牌照數創歷史新高。按地區分布來看，截至2018年1月美國企業擁有路測牌照數最多，其次為中資及華人背景企業，按領域來看，自動駕駛路測參與主體包括車企、零部件一級供應商、互聯網公司、初創型公司、目前獲得路測牌照的以初創型公司居多，其中中資及華人背景企業13家、美國企業11家，中國創新型企業對自動駕駛的熱情最為高漲。
谷歌Waymo與通用Cruise分別代表了ICT與OEM企業的自動駕駛最高水平。加州車管局發布的最新《2017自動駕駛“脫離報告”》（2018年報告尚未出）共收錄了20家企業，剔除未開展路測的寶馬、福特、本田、蔚來汽車美國、大眾美國和wheego、未在加州開展路測的特斯拉以及未向美國加州車管所遞交報告的法拉第未來，余下12家路測車企中谷歌旗下Waymo不論累計路試里程數雄踞磅首，人工介入頻次平均5596英里一次，自動駕駛技術成熟度當屬12家之最，通用Cruise亦有不俗表現，13.1萬英里的路測歷程，最多的路測車輛數，行駛里程平均每1254英里才人工介入一次，從這份報告來看Waymo與通用Cruise分別達標了ICT與OEM企業的最高水平。
國內自動駕駛路測加緊推進，百度路測里程數遙遙領先。2017年12月北京市出臺了自動駕駛車輛道路測試的政策指導文件，重點突破了有關自動駕駛車輛開展道路測試的政策法規、管理主體、測試場地、測試流程、事故保險賠償及測試監管等系列問題。2018年對百度、上海蔚來、北汽新能源、小馬智行、戴姆勒、騰訊、滴滴旅行、奧迪8家企業56輛自動駕駛車輛發放了臨時測試牌照，其中百度的路測累計里程數遙遙領先，自主車企僅北汽新能源入榜。
從國內外路測的自動駕駛汽車來看，都配備了多種傳感器，包括激光雷達（LiDAR）、雷達（RADAR）、攝像頭（Camera）和慣性測量單元（IMU）。
自動駕駛最高水平的谷歌Waymo（L5級別）搭載了攝像頭、毫米波雷達、激光雷達、音頻探測系統等傳感器。Waymo的視覺系統由幾組高分辨率的相機組成，設計用于在長距離、日光和低光照條件下工作；Waymo的毫米波雷達則使用波長來感知物體和運動，這些波長能夠在雨滴等物體周五傳播，使其能夠在白天、黑夜、雨雪天氣中有效工作，主要使用77GHz毫米波雷達；Waymo的激光雷達美妙發出360度的數百萬激光脈沖用于測距，包括短程激光雷達、高分辨率中程激光雷達以及功能強大的新一代遠程激光雷達。
通用Cruise上搭載激光雷達、毫米波雷達及攝像頭。根據通用Cruise2018 Safety Report，通用無人車（L4級別+）采用5個激光雷達，21個毫米波雷達，16個攝像頭。其中攝像頭在于監測行人、交通信號燈等，頂激光雷達用于監測靜態和動態物體，遠程毫米波雷達用于檢測車輛并測量速度，短程雷達用于監測周邊物體，高分辨率雷達用于監測遠距離移動的車輛。
特斯拉搭載激光雷達、毫米波雷達及攝像頭。特斯拉Autopilot 2.0（L2級別自動駕駛）搭載8個攝像頭、1個毫米波雷達、12個超聲波雷達。視覺系統中4個側視攝像頭基本可保證L3級別的變道、合流、出高速等功能；搭載的毫米波雷達探測距離160米，猜測應為77GHz；特斯拉搭載的超聲波雷達促使感知距離增加一倍。
5G時代，C-V2X將成為L4/L5級高階自動駕駛車輛的超視距傳感器。現在的自動駕駛解決方案主要是通過雷達、攝像頭等感知周邊環境，可能會受到天氣、距離等因素影響，C-V2X則提供了另一個獲取周邊環境信息的交互渠道。高通工程技術高級副總裁馬德嘉指出，未來隨著5G為車內信息娛樂和車載信息處理提供更大的數據容量，C-V2X將成為汽車的"超視距傳感器"，能夠對雷達等現有視距傳感器進行補充，比如轉彎時提示駕駛員轉角盲區有汽車或自行車靠近、向駕駛員提供信號燈狀態信息等，從而帶來更高效且更安全的交通。
綜合現有國內外頂級自動駕駛玩家路測的自動駕駛汽車配備的傳感器和5G時代將會新增的傳感器來看，未來實現完全自動駕駛，需要配備的核心傳感器主要包括激光雷達（LiDAR）、雷達（RADAR）、攝像頭（Camera）、慣性測量單元（IMU）和車路協同系統（V2X）。
1.2.滲透率：L2級自動駕駛加速普及，滲透率將快速提升
2018年車企基本實現L2級自動假設，未來將有望加速普及與升級。根據汽車電子設計、汽車電子頭條的統計，2018年大部分的外資及自主車主均已在部分車型上實現了L2級自動駕駛。外資車企中領先的是奧迪，奧迪于2018年推出的A8是全球第一款量產L3級別的自動駕駛車型，改款車型搭載5個毫米波雷達、5個攝像頭及12個超聲波雷達與一個4線機械激光雷達，其余外資車型基本均已實現L2級自動駕駛。自主車企亦于2018年實現了L2級自動駕駛，根據大多數車企規劃，將于2020年實現L3自動駕駛。
除傳統車企外，自主車企中蔚來、小鵬、奇點等新勢力在自動駕駛方面也有積極表現，其中小鵬汽車與德賽西威合作的L3自動駕駛系統預計將于2020年實現，屆時將提供低速代客泊車、中速塞車輔助巡航、以及高速代駕三個針對國內駕駛環境特點的智能化功能。
2級自動駕駛滲透率有望在2020年達到30%以上。當前大多數車企已在部分車型上實現L2級自動駕駛，對應量產車的車型銷量直接影響了自動駕駛的滲透率水平。根據2016年的《中國制造2025》，國內1、2級自動駕駛滲透率將在2020年達到20%，3級自動駕駛滲透率將在2020年達到10%-20%，4級自動駕駛滲透率將在2030年達到10%。而2018年12月工信部發布的《車聯網（智能網聯汽車）產業發展行動計劃》調高L2級滲透率目標，將其由至2020年2級自動駕駛滲透率達20%的目標提升至滲透率30%以上，L2級自動駕駛加速滲透。
1.3.單車需求量：ADAS不斷升級，單車需求量持續攀升
隨著自動駕駛級別升級，單車對傳感器的需求量在持續攀升。以特斯拉、奧迪A8與通用Cruise為例，攝像頭基本隨著級別數的提升單車配套量在增加，毫米波雷達隨著級別的提升增幅尤其明顯，L4級的通用Cruise搭載的毫米波雷達數量是奧迪A8的4倍，單價昂貴的激光雷達在L3級別必備，L4級別需求量亦有明顯增加，技術最為成熟的L5級Waymo攝像頭、毫米波搭載數量有所減少，但高價值量的激光雷達搭載數在提升。
自動駕駛滲透率逐步提升疊加級別持續提升，預計傳感器需求呈指數級增長，市場規模2022年有望達31億美元，2032年有望達773億美元。根據麥姆斯咨詢，2017年全球自動駕駛汽車的產量為數百臺， 2032年全球自動駕駛汽車的產量有望達2310萬臺，CAGR高達58%。屆時，與自動駕駛汽車生產相關的總體營收將達到3000億美元，其中52%來自車輛本身，26%來自傳感器硬件，17%來自計算硬件，其余5%來自集成。激光雷達、雷達、攝像頭、慣性測量單元和全球導航衛星系統均呈指數級增長，合計市場規模預計2022年可達31億美元，2032年可達773億美元。
2.車載攝像頭：自主供應商加速入局開啟國產替代進程
2.1.車載攝像頭的構成與分類
車載視覺傳感器，攝像頭的新藍海。車載攝像頭是自動駕駛重要的傳感器，主要包括鏡片、濾光片、CMOS、PCBA、DSP和其他封裝、保護材料等。不同于手機攝像頭，車載攝像頭的模組工藝難度大很多，主要是因為車載攝像頭需要在高低溫、濕熱、強微光和震動等各種復雜工況條件下長時間保持穩定的工作狀態。綜合而言，車載攝像頭的技術壁壘明顯高于手機攝像頭，隨著自動駕駛的興起，車載攝像頭已經成為了攝像頭的新藍海。
車載攝像頭種類繁多，裝車量不斷增加。車載攝像頭在實現自動駕駛方面有著不可替代的作用，如識別交通標牌、紅綠燈和行人等。以特斯拉Model 3為例，車內外一共安裝了9顆攝像頭，包括3個前視攝像頭、2個側視攝像頭、2個后側視攝像頭、1個后視攝像頭和1個內視攝像頭。其中，前向攝像頭采用的是三目攝像頭，主要是因為單目攝像頭在測距的范圍和距離方面有一個不可調和的矛盾，即攝像頭的視角越寬，所能探測到精準距離的長度越短，視角越窄，探測到的距離越長，3個攝像頭分別是窄角攝像頭（35度視場角，最大距離250米）、中程攝像頭（50度視場角，最大距離80米）和魚眼攝像頭（150度視場角，最大距離60米），左右側視廣角攝像頭（80度視場角，最大距離60米），左右后視中程攝像頭（60度視場角，最大距離100米），魚眼后視攝像頭（140度視場角，最大距離50米），內視攝像頭，監控駕駛員注意力。
2.2.自主供應商加速入局，國產替代在即
全球車載攝像頭CR4為50%，競爭格局相對集中，自主供應商開始入場。相對于手機攝像頭等消費級電子和工業視覺用工業電子，車載攝像頭由于安全性和使用環境等因素，對穩定性和規格要求比較高，模組封裝工藝復雜，技術壁壘高，尤其是點膠工藝存在難點。車載攝像頭的壁壘主要在于模組封裝和客戶壁壘，目前來看，國際上松下、索尼等占據了較大的市場份額，但是總體的競爭格局并不是很集中，除了松下占據了20%的市場份額以外，其后的8名主要競爭對手市場份額相互差距都不大，國內舜宇光學、歐菲光、德賽西威等已開始全面進入車載攝像頭模組封裝制造中。
（干貨研報注：這里面可能會有大機會，類似蘋果產業鏈帶來的10倍股的投資機會）
外資供應商占據主流地位，自主供應商加速入局，國產替代進程開啟。博世、維寧爾、大陸泰密克和歌樂等國際跨國巨頭憑借技術優勢和客戶配套優勢，占據了主流的合資品牌供應鏈，但產品以攝像頭為主。自主從后裝到前裝，從商用車到乘用車，從自主到合資，從單一客戶到多客戶不斷突破，盡管技術上短期內與外資仍有差距，但經營靈活，從車攝像頭到具體應用，如360環視、自動泊車、行車記錄儀、車載監控錄像機系統，產品非常豐富，能夠充分滿足主機廠客戶和售后市場多方位的需要。未來，隨著自主供應商技術不斷成熟，規模日漸擴大，憑借著快速響應和性價比的傳統優勢，將有望開啟對外資供應商的替代。
2.3.車載攝像頭未來趨勢與空間
未來趨勢之一：夜視攝像頭或成為車載攝像頭的標配。據美國國家公路交通安全局的統計數據顯示，雖然夜間出行僅占美國公路交通的1/4，但發生的交通事故卻占據了半壁江山，主要在于夜間視線不良所致。這就要求車載攝像頭必須具備較強的感光能力，未來夜視系統或將成為車載攝像頭的標配。從實際效果來看，具備夜視功能的攝像頭能夠大幅提高行車安全，如特斯拉的Autopilot HW2.0搭載的攝像頭使用了4個濾鏡-RGGB（紅、綠、綠、藍），在單元格上創建一個單一的顏色像素（兩個綠色用于提高分辨率/亮度）。攝像頭的其中三個濾鏡為單色可見光，另外一個使用紅色濾光片（RCCC），增加單色光的靈敏度，檢測紅色交通燈和尾燈。
未來趨勢之二：AI算法和AI芯片植入攝像頭硬件前端是未來重要趨勢。當前，國內外不少人工智能汽車創業型企業都在嘗試將AI植入到攝像頭的硬件前端，用以研發具有目標檢測、分割與識別能力，甚至同時具有參數估計和行為意圖預測功能的人工智能攝像頭。如Utility于2018年10月份宣布將與索尼公司開展合作，共同研發“智能巡邏”車載攝像頭影響系統，通過采用AI技術識別車牌號，使執法人員不必再手動錄入車牌號，盡最大可能地避免執法車輛駕駛員出現分神情況。
車載攝像頭裝車量快速攀升，預計2020年市場規模近60億元。根據佐思產研統計數據，2017年國內乘用車市場攝像頭裝車量達到了639萬顆，主要應用于倒車影像（后視）和360度全景攝像（環視），應用于FCW、LDW和AEB等功能的前視和駕駛員監測的內視是未來車載攝像頭的主要增長點，高工智能汽車預測，2020年后視攝像頭滲透率有望達到50%，前視攝像頭滲透率有望達到30%。隨著產業鏈成熟度的提升，車載攝像頭的價格也持續走低，從2010年的300多元已降至2018年的150元，一般的盲區攝像頭價格基本都已降至100元以內。根據高工智能汽車預計，到2020年國內車載攝像頭的市場規模有望接近60億元。
2.4.特斯拉自動駕駛視覺方案的變遷
特斯拉自動駕駛技術方案的兩個階段。特斯拉初始采用的是Mobileye的單目攝像頭方案，此后多次交通事故后，特斯拉改為了毫米波雷達為主，攝像頭為輔的技術方案，攝像頭也一舉擴充為8個，分別對應著Autopilot 1.0系統和Autopilot 2.0系統。AutoPilot1.0系統，其在硬件上有1個前置攝像頭、2個前后雷達以及12個超聲傳感器，而2.0系統在硬件上除了將雷達進行了增強、傳感器進行增距外，還提供3個不同焦距的前置攝像頭、2個側身攝像頭以及3個后置攝像頭，攝像頭的數量從1.0系統的1個一下擴充為了8個。
單目攝像頭方案短期成熟，但難以實現L5級自動駕駛。2016年5月7日，一輛開啟了自動駕駛的特斯拉Model S撞向了橫向拐彎的白色大貨車，據后來事故調查結果顯示，原因在于車輛圖像識別系統未能把貨車的白色車廂與背后的藍天白云區分開來。這主要是由于特斯拉當時采取的是Mobileye的單目攝像頭技術方案，其對車輛的識別是采取特征點的方式進行的，如尾燈和后車輪識別前車，對于更加復雜的現實場景如何區分汽車、白云還是湖面等缺乏有效應對。單目視覺檢測方案更加適用于ADAS或者低階的自動駕駛，特斯拉在意識到Mobileye的單目攝像頭方案只能短期占優，無法最終支撐其實現完全自動駕駛的目標時，果斷選擇了轉向，特斯拉自動駕駛路線隨之進入了2.0時代。
三目攝像頭方案優劣勢顯著，仍有待時間的檢驗。特斯拉采用的三目攝像頭分別為前視窄視野攝像頭、前視主視野攝像頭和前視寬視野攝像頭，實現了視野和距離的平衡，根據各自焦距不同，分別負責遠距離測距、中距離測距和近處測距（包括交通燈、道路障礙等識別）。三個攝像頭克服了單目及雙目在視野局限性、測距精度、安裝位置等方面的硬傷，最大程度模擬了人類雙眼快速變焦、同時覆蓋長短距范圍的特性。但是隨著攝像頭數量的增多，精度誤差率也增大了，三目采取的是實時計算視差估測距離的方式，需要同時運算所有動態和靜態物體不同時間的距離、方向和速度信息，計算量飆升。此外，三路數據同步傳輸，但是采集到的數據卻不總是相同，系統后臺算法卻沒有一定的運算邏輯去進行審核，導致駕駛決策的準確性無法預估。考慮到三目攝像頭方案成本、可靠性和精確性等諸多問題，是否是實現完全自動駕駛的最佳方案，仍有待時間的檢驗。
3.毫米波雷達：全天候傳感器，高階自動駕駛標配
3.1.毫米波雷達的原理與構成
毫米波雷達三步走，環境感知、計算分析、控制執行。車載毫米波雷達通過天線向外發射毫米波，接收目標反射信號，經后方處理后快速準確地獲取汽車車身周圍的物理環境信息（如汽車與其他物體之間的相對距離、相對速度、角度、運動方向等），然后根據所探知的物體信息進行目標追蹤和識別分類，進而結合車身動態信息進行數據融合，最終通過中央處理單元進行智能處理。經合理決策后，以聲、光及觸覺等多種方式告知或警告駕駛員，或及時對汽車做出主動干預，從而保證駕駛過程的安全性和舒適性，減少事故發生幾率。
毫米波雷達是全天候全天時ADAS傳感器，高階自動駕駛的標配。毫米波雷達的主流產品是24GHz和77GHz兩種規格，前者主要用于短距離傳感，安置在車后方和側面，可探測車身周圍環境、盲點，實現泊車輔助、變道輔助等功能，后者用于長距離測量，主要安置在車前方，實現自動跟車、自適應巡航、緊急制動等功能。毫米波雷達系統主要包括天線、收發模塊、信號處理模塊等，其中，關鍵零部件是前端單片微波集成電路（MMIC），它包括多種功能電路，如低噪聲放大器、功率放大器、混頻器等，MMIC可簡化雷達系統結構，便于規模化生產，同時將降低系統的物流成本，加速了毫米波雷達的應用。
3.2. 外資寡頭壟斷，內資開始破局
全球毫米波雷達市場集中度較高，2018年CR5高達68%，外資寡頭壟斷。從競爭格局看，全球毫米波雷達市場基本被以博世為首的外資汽車零部件巨頭壟斷，其中博世以77GHz毫米波雷達為主。目前中國24GHz車載雷達市場主要由法雷奧、海拉和博世等主導，合計出貨量占比高達60%以上。中國77GHz車載雷達主要由大陸集團、博世和德爾福等主導，合計出貨量占比高達80%以上。綜合來看，中國市場當前仍在外資寡頭的壟斷之下。
內資廠商涌入毫米波市場，定制化解決方案或是國產替代突破口。國內的毫米波雷達市場當前被大陸、德爾福、博世等國外零部件巨頭壟斷，并且也在不斷推出更新更好的產品。當單品性能和價格不足以和國外供應商拉開差距，打包做解決方案是比較好的突圍路徑，包括整個系統有多少冗余，提供定制化服務。據一家合資主機廠的調查報告顯示，消費者因為功能不好用而關閉LDW、FCW功能的人數占比超過90%。一個典型的具有中國特色的場景是并道切入，因為國內切入行為比國外頻繁，本土化的駕駛輔助系統對相鄰車道的切入應該更加敏感，外資ACC系統通常都是等相鄰車道切入的車子并道擺正車尾后才會識別，容易發生追尾事故。所以自主廠商替代外資廠商比較有效的方式是開發定制化的解決方案，連同攝像頭，做多傳感器的融合駕輔應用。
3.3.產品升級，百億市場空間待發掘
77GHz車載毫米波雷達是未來主流，2018年已大幅縮小與24GHz雷達出貨量的差距。隨著自動駕駛從L2到L5，汽車所需的毫米波雷達數量是遞增的，這就需要體積更小、功率更低和價格更低的毫米波雷達。77GHz最大的優勢是天線是24GHz的三分之一，同樣的體積可以做更多的通道，識別精度也更高，穿透能力也更強，挑戰主要在設計和價格方面。從產業來看，DIGITIMES Research預估高頻毫米波雷達因導入CMOS制程后2022年價格相較2017年跌幅將達50%，77GHz價格的下降有望推動其加速普及。從17-18年車載毫米波雷達的裝車量來看，17年明顯加速，同比增長104.6%，18年受車市銷量下滑影響，同比仍有54%的增長。根據佐思產研數據，77GHz雷達在2018年12月實現了對24GHz雷達的反超，比原先預計的時間點提前了一年，車載毫米波雷達升級進程超出預期。
自動駕駛加速普及，2020年全球和中國車載毫米波雷達市場規模預計分別將達51.2億美元和72.1億元。隨著ADAS滲透率不斷提高，車載毫米波雷達市場需求隨之升高。據中商產業研究院整理統計，2015年全球和中國車載毫米波雷達市場規模分別為19.4億美元和18億元左右，考慮到必須至少搭載一顆毫米波雷達的緊急自動制動系統（AEB）在全球范圍內開始普及，預計到2020年全球和中國車載毫米波雷達市場規模預計分別將達51.2億美元和72.1億元。
4.激光雷達：自動駕駛核心組件
4.1. 激光雷達--高精度定位系統核心傳感器
精度與測距。激光雷達波長更短，水平分辨率能夠控制在0.1°以內，且抗干擾能力強，探測距離更遠，因此與毫米波雷達等其他傳感器相比，能夠提供更精確和穩定的定位導航。
發射器-接收器-光電轉換器-信號處理器四大模塊。工作時，發射器發出脈沖激光，這束激光遇到物體后，會發生漫反射并被接收器接收，再由光電探測器識別并轉換為電信號傳輸至信號處理模塊分析。
多線束激光提升定位性能。單線激光雷達擁有一個發射器一個接收器，發射器在雷達內每旋轉一定小角度便生成一幀數據。單線雷達成本低，但只能獲取線性信息。多線雷達則是用多個發射器進行輪詢，一個輪詢周期可得到一幀點云數據。線數越多，秒采集點云越多。
固態激光雷達技術方興未艾。目前激光雷達主要有為機械和固態兩種。機械激光雷達體積較大、測量精度較高，一般置于汽車外部，價格也較為昂貴。固態激光雷達結構相對緊湊、價格較低、測量精度較差，可隱藏于汽車車體內。早先企業普遍采用價格高昂的機械式激光雷達，以Velodyne為代表。機械式是指掃描時以機械器件帶動發射器進行旋轉、俯仰，精度較高，但技術復雜，成本居高不下。隨著技術發展，固態激光雷達順應而生，其又分為MEMS 、OPA（Optical Phased Array）和Flash。MEMS型利用MEMS微振鏡將所有機械部件集成到單個芯片后再利用半導體工藝生產，本質為混合固態；OPA型則是利用相干原理，將多個光源組成陣列，通過控制各光源的發光時間差形成特定方向的主光束，通過控制主光束實現對不同方向的掃描；Flash型是非掃描式雷達，通過發射面陣光，通過高精度傳感器接收反射信號，以二維或三維圖像為輸出周圍的環境圖像繪制。機械式旋轉對比固態掃描，精度高但生產工藝難，成本不菲，更加適用于軍用級、企業級設備。而在純固態/混合固態中，MEMS體積小、成本低、耗損小，適用于中遠距離；Flash適合近距離使用；OPA型技術尚未成熟，但市場看好其性能指標。
激光雷達與其他傳感器各有優劣，配合使用方能適應多場景應用。激光雷達分辨率高，抗電磁干擾能力強，但其受雨霧灰霾影響較大，且近場（<30m）探測能力較弱。因此在不同場景下，不同傳感器各有優勢，搭配使用方能在各種不同的場景均實現高精度定位。
4.2. 從3D地圖/測繪到自動駕駛
在自動駕駛時代，激光雷達主要有兩大應用。一是用于測繪3D地形，為汽車提供高精度地圖數據庫；二是用于車載終端，與攝像頭、毫米波雷達、GPS等搭配使用實現厘米級精度進行路線導航。
自動駕駛未至，高精地圖先行。日常所見的導航地圖隸屬于“車載娛樂系統”，對于自動駕駛汽車來說精度遠遠不夠，因此需要專業設備采集詳細的地理地形數據，精確到路燈、護欄、行道樹級別，內置于車載系統。除了精確度，3D地圖測繪還需保證連續性和及時性，連續性是指地圖銜接處必須光滑，及時性是指地圖必須按時更新以免路況改變。地圖測繪對激光雷達的大規模需求將出現在L4級別的自動駕駛。
激光雷達是高精度地圖測量的主力傳感器。激光雷達能夠彌補毫米波雷達的分辨率不足、攝像頭的全天候能力不足以及GPS導航的區域性問題。高精度地圖信息的收集相比于普通地圖對信息的需求更大，因此行駛路段都需要配備激光雷達的數據采集車進行實測。目前高精度地圖采集的主流解決方案是多個激光雷達分布在地圖數據采集車的四周及車頂，四周采用廉價低線LiDAR，車頂采用較昂貴的高線數LiDAR，以此保證性能需求并降低車企成本。例如四維圖新數據采集車，可以采集全景影像數據、路面影像數據、亞米級高精度 GPS 數據、路測近距離激光雷達等高精度數據。
4.3. 市場空間和大廠格局
測繪&導航，自動駕駛時代激光雷達需求巨大
激光雷達未來增長點在于地圖測繪和駕駛導航。在軍事、氣象等領域，激光雷達早已有廣泛應用，但增量需求空間不大。L3級別自動駕駛就已需要激光雷達提供精確導航，隨著自動駕駛的全面普及，激光雷達將全面滲透至消費領域。
供給端遠未成熟，機遇挑戰并存
國外三巨頭積極完善產品線，布局車載LiDAR市場。全球范圍內，Velodyne、Quanergy和waymo為行業龍頭，著力于降低激光雷達的成本以實現大規模民用。Velodyne的新型16線Lidar價格已降低至3999美元，而根據媒體信息，Quanergy和waymo分別宣稱其新產品投產后，價格將位于250美元和500美元左右，屆時，激光雷達才會在各價位的汽車上充分普及。
國內公司技術有待進一步積累。我國在激光雷達領域起步晚，技術水平和世界領先企業有一定差距。上司公司從事激光雷達研發生產的主要有國睿科技、四創電子、巨星科技等，其中國睿科技和四創電子以軍用雷達為主，巨星科技研制了民用激光雷達產品。
車載激光雷達廠商追求在保證基本性能的情況下，盡可能降低成本。激光雷達難以運用到私人汽車的最大障礙便是成本居高不下，不少激光雷達的價格甚至超過了整車，這是車企無法接受的。地圖測繪屬于企業級應用，對價格相對不敏感，但考慮到未來高精度地圖必須及時保持更新，龐大的存量缺口也對企業級激光雷達的價格提出較高要求。不同于其他成熟產業，目前，激光雷達企業還沒形成品牌效應、用戶粘性，技術走向仍在探索期，沒有任何一家企業持有明顯技術優勢，市場變數大。而在需求方面，自動駕駛時代正加速到來，其余各子系統發展相對完善，激光雷達的產業化相對落后，已經成為了整個無人駕駛的硬件瓶頸之一。
5. 高精度定位傳感器：L3及以上自動駕駛的標配
5.1.高精度定位傳感器的定義
高精度定位傳感器是高等級自動駕駛的標配。要實現車輛的自動駕駛，就要解決在哪里（即刻位置）、要去哪里（目標位置）的問題，因此高精度定位傳感器（厘米級精度）需要應用于L3及以上自動駕駛。
按照不同的定位實現技術，高精度定位可以分為三類。第一類，基于信號的定位，如GNSS（全球導航衛星系統）定位；第二類，航跡推算，依靠IMU（慣性測量單元）等，根據上一時刻的位置和方位推斷現在的位置和方位；第三類，環境特征匹配，基于激光雷達的定位，用觀測到的特征和數據庫中的特征和存儲的特征進行匹配，得到現在車的位置和姿態。觀察目前產業的高精度定位方案，普遍采取融合的形式，大體上有：1）基于GNSS（RTK）和IMU的傳感器融合；2）基于激光雷達點云與高精地圖的匹配；3）基于計算機視覺技術的道路特征識別，GPS定位為輔助的形式。其中，GNSS（RTK）&IMU組合是現階段的主流方案。
GNSS（RTK）&IMU組合的基本原理。GNSS在復雜的動態環境中，尤其在大城市，其多路徑反射的問題很顯著，導致獲得的衛星定位信息很容易產生幾米的誤差。另外，由于GNSS的更新頻率低（10Hz），在車輛快速行駛時很難給出精準的實時定位。因此GNSS通常輔助以慣性傳感器（IMU）用來增強定位的精度。IMU是可以檢測加速度和旋轉運動的傳感器，通過對加速度和旋轉角度的測量可以得出自體的運動軌跡以及實時的位置信息。IMU的優點在于：完全獨立，既不受運動限制，也不受任何特定環境或位置的限制。可以在GNSS信號丟失或者失效時，形成最后一道“防線”。
5.2.高精度定位傳感器市場規模
高精度定位傳感器是L3及以上自動駕駛的標配。參考前期發布的行業深度報告《自動駕駛：百年汽車產業的“iPhone”時刻》，GNSS（RTK）&IMU組合是高等級自動駕駛（L3及以上）的核心部件，每輛自動駕駛車輛將標配至少1套。根據產業鏈調研，GNSS（RTK）&IMU組合現階段的量產價格較高，隨著規模化量產以及工藝的成熟，整體的價格有望在2025年下降至500美金/件。綜合國內自動駕駛前裝滲透率以及價格曲線預測，我們估算至2025年GNSS（RTK）&IMU在車載前裝市場的市場規模將超過25億美元/年。
5.3.高精度定位傳感器產業格局
GNSS（RTK）產業競爭核心在于“基礎設施”。GNSS衛星信號的定位精度在米級，離自動駕駛的要求甚遠。衛星定位要做到厘米級，就需要做GNSS校正，糾正電離層導致的定位錯誤，通常采用RTK（Real Time Kinematic 載波相位差分）技術，車端的解算終端設備需要與“基礎設施”相配合，才能達到定位的最佳效果。“基礎設施”可以分為兩大類：1）“地基增強”模式即：通過在地面大量建立固定的參考站(CORS站)來校正衛星定位測量時的誤差，典型代表就是千尋位置；2）“星基增強”模式即：從參考站獲取到的校正參數上傳至衛星，再通過衛星向全球播發，來校正誤差。從本質上講，GNSS（RTK）產業比拼的核心并不在于“基礎設施”端。以國內高精度定位服務龍頭千尋位置為例，其已經在全國完成超2200個地基增強站的建設，龐大的地基增強站成為其提供的高精度定位服務的重要競爭壁壘。
IMU產業競爭核心在于平衡高精度和低成本。IMU的價格和精度成正比。自動駕駛對傳感器也提出了更高精度的要求，但是更高的精度意味著更高的成本。如果能打造出高精度、低成本的IMU解決方案，便能占領技術制高點打破技術壁壘。目前全球主要的IMU提供商包括ADI、Honeywell、Northrop Grumman（諾瓦泰IMU模塊的主要供應商）、Fairchild、Xsens、Sensonor AS、KVH、Applanix（被天寶收購）、Epson（諾瓦泰IMU模塊的供應商之一），以及2017年從美國美新半導體公司（MEMSIC）分拆出來的新納傳感（ACEINNA）。
6.V2X：車路協同，加速自動駕駛產業落地
6.1.V2X定義：自動駕駛的“超視距”傳感器
V2X——為自動駕駛裝備“超視距”傳感器。V2X，顧名思義級vehicle-to-everything。產業界對于V2X的定義是：在車輛與一切可能影響車輛的實體間實現信息交互，通過無線電波傳播，也就是無線通信的方式來完成感知工作，以減少事故發生，減緩交通擁堵，降低環境污染，同時提供其他信息服務。V2X主要的應用場景包含車對車 (V2V)，車對基礎設施（V2I）。簡單來說，可以將V2X理解為一組具有比人眼看得遠、不受天氣影響等特點的傳感器冗余，可以讓車輛實時了解周邊動向，探測視線外的交通流變化，并向駕駛員發送報警訊息。目前自動駕駛汽車搭載的主流傳感器，包括攝像頭、毫米波雷達、激光雷達等等，基本都是“近視眼”（目前主流傳感器的探測距離在200-300米）。而V2X的優勢在于，其借助低延時、高可靠的網絡連接交互，能夠讓車輛實時了解周邊動向，探測視線外的交通流變化，并向駕駛員發送報警訊息，并且無須擔心路況、工況對于傳感器的影響。
V2X產業需要“車”、“路”、“網”三管齊下，形成車路協同進化的產業格局。V2X技術要想發揮出設想的完美效果，需要三管齊下，車端、路測、通信鏈路都需要進行相應布局。其中，1）路端升級：即道路的智能化改造（RSU路側單元），包括道路信號燈、電子指示牌、攝像頭等基本元素的升級；2）網絡升級：V2X技術支持的車車通信、車路協同均依賴于低延時、高可靠的網絡連接交互；3）車端升級：即車端的網聯化改造（OBU車載單元）。車載終端可以集成V2X通信、算法決策、APP終端顯示等功能。
6.2.科技新基建發力智能路網，車路協同助力自動駕駛
以V2X為核心的車路協同是國內提倡的自動駕駛技術路線
以V2X為核心的車路協同是國內政府提倡的自動駕駛產業落地的技術路線。相對于國外以車廠、Tier1、互聯網科技巨頭等B端企業推動的“單車智能”的自動駕駛技術路線而言，國內政府的自動駕駛的頂層設計提倡的是“智能網聯”的技術路線，包括“單車的智能化改造”以及“車路協同進化”。通過推動智能路網的基礎設施建設，拉動自動駕駛產業的加速落地。2018 年工信部發布的《車聯網產業發展行動計劃》中明確了產業的目標： 2020 年實現 LTE- V2X 在部分高速公路和城市主要道路的覆蓋，開展 5G-V2X 示范應用，構建車路協同環境，實現“人-車-路-云”高度協同。
國內政府大力推動科技新基建， V2X的基礎設施——智能路網有望迅速成熟。19年以來政府提出了科技新“基建”的政策發展方針。具體而言，發改委副主任連維良表示今年將圍繞“建設、改造”這兩個關鍵詞加大投資力度。“建設”的重點有五個方面，“加強新型基礎設施建設”居于首位，包括推進人工智能、工業互聯網、物聯網等建設，加快5G商用步伐。此外，工信部部長苗圩也在接受央視新聞采訪時明確表示，今年將在若干城市發放5G臨時牌照，在熱點地區率先實現大規模組網；同時加快基站等網絡建設步伐，逐漸覆蓋全國。要加快推進終端產業的成熟，促進5G在車聯網等更多領域應用。我們預計將政府的財政資金傾斜支持配合產業政策扶持，有望快速完善科技新“基建”，盡快實現智能路網的改造，為自動駕駛產業鋪路。
國內有望擁有全球一流的V2X產業基礎設施
路端：國內可用于道路智能化建設的資金充裕。國內政府在公路領域的投入相比歐美日發達國家要高很多，可用于道路智能化建設的資金也更充裕。同時國內政府部門也出臺了智慧公路建設的相關政策，從頂層設計上為路側智能化的建設投入提供指導和依據。
網端：中國5G網絡部署全球領先。根據安永咨詢評估，5G一直是中國國家議程上的一項高優先級事項。在中國制造2025和十三五規劃等國家級戰略的指導下，政府部門制定了支持性政策。中國的5G技術開發是全世界規模最大的由政府規劃的5G計劃。中國已做好準備在2019年發布商用5G服務，這將比原計劃提前一年。中國將和美國、韓國、澳大利亞和英國等國家一起，成為全球第一批發布5G服務的市場。
6.3.V2X產業規模&商用進展
V2X產業進展：通信標準確立，商用產品成熟
V2X通信標準確立。國內的V2X通信標準是C-V2X。其中，C-V2X中的C是指蜂窩（Cellular），它是基于3G/4G/5G等蜂窩網通信技術演進形成的車用無線通信技術，包含了兩種通信接口:一種是車、人、路之間的短距離直接通信接口（PC5），另一種是終端和基站之間的通信接口（Uu），可實現長距離和更大范圍的可靠通信。C-V2X是基于3GPP全球統一標準的通信技術，包含LTE-V2X和5G-V2X，從技術演進角度講，LTE-V2X支持向5G-V2X平滑演進。與其他V2X技術（Drsc）相比，C-V2X具有出色的性能和成本效益，還可與5G前向兼容，這些因素讓C-V2X直接通信成為國內的首選解決方案。同時，C-V2X是目前唯一一項遵循全球3GPP標準的V2X技術，并支持持續演進以實現對5G前向兼容；獲得了包括快速增長的5G汽車聯盟在內的全球汽車生態系統的廣泛支持。
C-V2X預計在2019年開展預商用測試，2020年大規模商用。根據中國信息通信研究院CAICT于2018發布的《C-V2X白皮書》預計，根據產業發展進度，C-V2X技術將分階段進行技術試驗：2019年之前集中產業力量推動LTE-V2X技術試驗，推動產品成熟；2019年開展5G-V2X Uu技術試驗。更具體而言，LTE-V2X將于：2018年6月份開始規模試驗測試，升級改造路側基礎設施，驗證多用戶情況下，網絡的組網性能以及典型車聯網業務性能；2019年進行部分城市級基礎設施改造，并開展預商用測試；2020年推動LTE-V2X商用，支持實現交通效率類智能出行服務商業化應用。
V2X商用部署配套產品成熟。根據產業鏈調研反饋，目前V2X商用部署的配套產品經過前期的預研和大量測試，已經進入可量產狀態，可以配合“網端”的建設，實現快速商用部署。其中，1）路端：包括等在內的巨頭先后與2018年發布商用的RSU（路邊單元）的產品。2）車端：在高通等芯片廠的技術支持下，國內各大主流通信模組供應商、車載終端（OBU）設備提供商均已發布商用產品，為產業的規模化部署做好了準備。
V2X市場規模估算
V2X市場規模估算。目前全國公路總里程達434萬公里，其中高速公路就有13.6萬公里左右（2017年的數據）。根據產業鏈調研，現階段高速公路的智能化改造成本預計在50-100萬/公里左右。僅計算高速公路的智能化改造，V2X路端的市場規模有望超過1300億/公里。另外，根據產業鏈調研，V2X路端的基礎通信模塊量產價格預計在100-200元/車，按照國內2018年全年2814.6萬輛汽車銷量測算，V2X車端的潛在市場規模有望超過56億/年。
V2X市場產業地圖。1）路端：路端改造預計將以政府投入為主導，智能交通信息化廠商有望切入道路智能化改造的大市場；2）網端：通信網絡的升級將以通信運營商的投入為主導，相關通信設備廠商有望受益；3）車端：預計車廠將主導車端的升級。車企決定了車端升級的商業時間表。
7.自動駕駛必由之路，多傳感器的融合
7.1.360環視進入全面普及時代
多攝像頭的融合，360環視系統。360環視系統（AVM），由車身四周的多個攝像頭、圖像采集部件、視頻合成/處理部件、數字圖像處理部件、車載顯示器等部分構成。車身四周的攝像頭分別拍攝汽車前后左右的圖像，通常為4個攝像頭，圖像被圖像采集部件轉換成數字信息送至視頻合成/處理部件，視頻合成/處理部件處理后的圖像經由數字圖像處理部件處理后轉換成模擬信號輸出，在安裝于汽車內部的車載顯示器上生成汽車及其周邊環境的全景圖像信息。技術的核心難點在于如何精確地將4個攝像頭拍攝的圖片無縫拼合在一起，并且不產生畸變，對企業算法要求較高，屬于多攝像頭的融合。
360環視滲透率快速提升，進入全面普及時代。2014年以來，中國車市陷入低增長，產品數量卻有增無減，競爭趨于激烈。倒車入庫是消費者日常用車的核心痛點之一，受益于成本不斷下降，在激烈的競爭中，部分廠商開始裝配360環視系統上車，并作為重要賣點。據智數汽車統計數據顯示，綜合配置率逐年上升，且2017、2018年增長明顯。2018年全景攝像頭的標配率達到了20.42%，選配率也達到6.23%。
360環視系統，合資裝配率普遍不高，自主分化明顯，豪華車裝配率最高。我們統計了市場主流車型搭載360環視的情況，分為了合資、自主和豪華車三大組，相互差別很大。合資車方面，主流車型中僅雅閣和帕薩特的高配車型裝配了360環視系統；自主方面，360環視系統的整體配置率明顯高于合資車型，但是內部分化明顯，長城哈弗H6、吉利博越、傳祺GS5、比亞迪唐和上汽名爵HS等自主高端車型裝配率普遍高于40%，但如吉利帝豪、寶駿510、長安CS35和榮威RX3等低端車型則沒有裝配360環視系統；豪華車方面，整體裝配率最高，但分化也比較明顯，豪華品牌中端走量車型，如奔馳E級、寶馬5系、寶馬X3和奧迪A6L等車型裝配率達到了100%，但如寶馬X1、1系和奧迪A3、Q2L、Q3等入門級車型則未裝配360環視系統。
7.2.全自動泊車打響自動駕駛第一槍
全自動泊車系統，車載攝像頭和超聲波雷達的融合。全自動泊車，通常選用性價比比較高的超聲波傳感器，以及360環視系統。超聲波傳感器一般有12個，4個倒車雷達、4個駐車輔助超聲波雷達和4個泊車輔助超聲波雷達，它們發射超聲波信號，然后接收從障礙物反射回來的信號，并根據從發射到接收信號的時間長短來評估與障礙物的距離。其中，前后方雷達用于測距，左右側雷達用于探測停車位的長度和寬度。現在比較先進的全自動泊車系統，會結合選用毫米波雷達系統，距離檢測和抗干擾能力更強。360環視系統則用于識別停車輔助線，同時也可以讓駕駛者在車內知曉車輛周圍的情況，必要時也可以親自介入停車動作。全自動泊車是典型的由車載攝像頭和超聲波雷達兩種傳感器融合方可實現的ADAS功能。
自動泊車率先在豪華品牌和合資品牌普及，但品牌間分化很大，自主開始普及。我們詳細梳理了汽車之家上所有主流品牌搭載自動泊車入位配置的情況，從品牌上來看，豪華車以BBA為代表，幾乎是全系普及，合資品牌分化很大，基本上也都普及了，但豐田、馬自達、起亞和雪鐵龍等4個品牌全系均未搭載，自主則剛開始普及。從價位上來看，各自品牌的高端車型中高配基本上均具有自動泊車功能，中端車型的頂配具有自動泊車功能，低端車型基本上就是選配或者不配。分合資和自主來看，德系和美系是合資普及自動泊車功能的領頭羊，日系、韓系和法系與之差距很大，吉利、長城和長安是自主普及自動泊車功能的先行者，上汽、廣汽和一干三線自主則落后很多。從各家車企的規劃來看，今年上市的新車或換代車型，很多都會搭載自動泊車功能，同時下游車企的市場份額也有望向優勢廠商集中，未來自動泊車功能有望加速普及。全自動泊車是自動駕駛的基礎功能之一，已經率先開始普及，未來高速自動駕駛也有望開始逐步裝車上路。
7.3.AI運算和存儲提升，帶來系統化提升機遇
AI算法和CV芯片助力自動駕駛
AI算力6年增長30萬倍，深度學習助推機器視覺精度提升。傳統機器視覺主要通過搜索算法、邊緣算法、Blob分析、卡尺工具、光學字符識別和色彩分析等方式，完成圖像分類和檢測等目標，隨著AI算法的加入，機器視覺的應用場景和識別性能得到了極大的提升。目前，AI圖形處理中，高效的大卷積解構與復用機制已經成熟，終端AI計算能夠進一步緩解總線帶寬壓力，提高系統效率。決策規劃方面，決策樹、貝葉斯網絡等方法早已大量應用，近年來深度卷積神經網絡與深度強化學習使AI能通過大量學習，進行集中性神經網絡優化，配合傳統決策模型完善，能夠實現復雜工況的決策。
AI算法和車用CV芯片使自動駕駛汽車成為可能。車用的計算平臺芯片應當具備性能可靠、功耗低、圖像算力強的特點，傳統GPU和FPGA芯片雖然通用度較高，但是能耗較高，隨著半導體技術的不斷發展和工藝性能提升，針對車用市場的ASICS芯片應運而生，深度學習和神經網絡IP可以更高效地直接固化在CV芯片中，專業化車用視覺芯片可以省去冗余結構，提高單位能耗的計算效率。車載傳感器接收的原始數據經由圖像處理模塊，通過深度學習算法，配合專用AI芯片，實現高精度環境感知。環境數據通過決策與規劃網絡，依次經過全局決策規劃、局部軌跡規劃和底盤執行控制實現自動駕駛路徑決策，并在強化學習中實現行為預測和智能避障。
存儲性能提升滿足自動駕駛數據傳輸要求
高帶寬DRAM提高ADAS系統總線傳輸能力。高速DDR顆粒通過數據編碼和讀寫分立，實現高帶寬；又憑借高密度尋址能力，實現大容量。L5時代ADAS系統對傳感器與主控單元間的數據總線帶寬要求很高，達300GB/s，高速DDR可以突破帶寬瓶頸，并能在與汽車相關的高溫和惡劣條件下運行。
3D NAND解決自動駕駛汽車大容量非易失性存儲難題。與傳統機械式硬盤相比，3D NAND Flash擁有高存儲密度，高讀寫速度，高穩定性優勢，解決了存儲容量和可靠性難以兼顧的問題，既可滿足自動駕駛時代海量數據的高讀寫速度和存儲空間要求（2020年達1萬億byte），又可更復雜的情況下穩定工作。隨著未來垂直層數的增加，3D NAND存儲將繼續提高性能和存儲能力，進一步契合自動駕駛汽車的需求。
NOR Flash滿足自動駕駛汽車“即時性”需求。NOR Flash可不經DRAM，自行執行程序代碼，程序啟動速度遠高于NAND-DRAM組合。這種即時啟動能力適用于自動駕駛中對啟動速度有要求的系統，如儀表盤系統，信息娛樂系統和ADAD系統。同時，NOR閃存可在比3D NAND更極端的條件下工作，在汽車發動機和底盤等惡劣條件下穩定工作。
8.汽車電子傳感器相關標的
綜合對各類傳感器涉及公司的分析，我們推薦相關標的如下：
電子行業：韋爾股份、順絡電子和聞泰科技；
計算機行業：四維圖新、中海達和萬集科技。
汽車行業：德賽西威和保隆科技。