2021中国智能驾驶核心软件产业研究报告-亿欧智库-202107.pdf

《2021中国智能驾驶核心软件产业研究报告-亿欧智库-202107.pdf》由会员分享，可在线阅读，更多相关《2021中国智能驾驶核心软件产业研究报告-亿欧智库-202107.pdf（49页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告 研 究 报 告 研 究 报 告 软件定义，数据驱动软件定义，数据驱动 20212021中国智能驾驶核心软中国智能驾驶核心软 件产业研究报告件产业研究报告 亿欧智库 Copyright reserved to EqualOcean Intelligence, July 2021 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告 序言 INTRODUCTION 传统汽车产业正围绕着“软件定义汽车”，掀起了新的转型升

2、级潮。 纵观汽车发展历史，从最开始的“机械定义汽车”到“电器定义汽车” 再到“电子定义汽车”，最后到现在的“软件定义汽车”。软件定义 汽车（Software Defined Vehicles，SDV），即软件在车辆中扮演 的角色逐步放大，在汽车中的渗透率越来越高，智能汽车成为了继智 能手机之后，IT产业的又一个万亿级风口。本份报告，亿欧智库将以 “软件定义汽车”为核心，围绕智能驾驶汽车的感知、决策、执行以 及整体的商业模式进行分析研究。 感知层 决策层 执行层 摄像头、激光雷达、毫米波雷达、超声 波雷达等 计算平台、自动驾驶芯片等 电子驱动、电子制动、电子转向等 感知层：不同等级的自动驾驶对于

3、传感器的数量、精度要求也不同，随着等级的增 加，呈指数增长； 决策端：智能驾驶汽车推动电子电气架构从分布到集中，域控制器、多域控制器替 代ECU，引入高算力AI芯片； 执行端：自动驾驶需要解耦人与车的机械连接，线控制动、线控转向是自动驾驶执 行端的核心； 汽车的产品功能被重新定义，产业结构正在重构，商业模式面临变革，“软件定义汽车” 成为新趋势。 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告 目录 CONTENTS 软件颠覆百年传统汽车产业核心竞争力软件颠覆百年传统汽车产业核心竞争力 1、软件产业争夺“定义汽车”上下游话语

4、权 2、软硬件架构难以适应软件定义汽车的发展需要 3、传统车企强化软硬件解耦 多传感器融合，定义智能汽车“慧眼”多传感器融合，定义智能汽车“慧眼” 1、汽车感知层中的主要传感器类型浅析 2、传感器融合软件算法是提升精度的重要途径 算力取代马力，汽车进入“算力时代”算力取代马力，汽车进入“算力时代” 1、算力“军备竞赛”，车企“补芯”赢市场 2、提升优化算力平台，打造智能汽车“基础脑” 3、闭环数据驱动算法迭代，打造无人驾驶大脑赋能“N场景” 控制执行系统随电子化、电动化、智能驾驶的发展而升级控制执行系统随电子化、电动化、智能驾驶的发展而升级 1、电动化和智能化推动线控制动发展 2、线控制动系统

5、是支撑汽车走向高级别自动驾驶的关键部件 软件重构汽车价值生态，带动商业模式拓展软件重构汽车价值生态，带动商业模式拓展 1、软件重塑生态价值，软件盈利驱动硬件变革 2、软件订阅服务将成为车企收入新增点 3、软件定义汽车新价值，商业模式进入变革时期 01 02 03 04 05 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告4 软件颠覆百年传统汽车产业核心竞争力 “新四化”席卷下，百年 汽车产业正在飞速变革， 全球汽车软件与硬件产品 内容结构正发生着重大变 化，软件定义汽车的时代 已经到来，汽车行业的供 应链生态体系将会革新，

6、产业的核心竞争要素也将 发生变化。 来决定汽车个性化差异的 不再是汽车的马力大小， 空间内饰的炫酷，机械性 能的好坏，而是人工智能、 大数据、云计算技术的综 合体。 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告5 软件产业争夺“定义汽车”上下游话语权 百年传统汽车产业正在刮起一股创新风潮，拥有悠久历史的汽车工业技术正转向软件创新。软件已经开始深 度参与到汽车的定义、开发、验证、销售、服务等过程中，并不断改变和优化各个过程，实现体验持续优化、 过程持续优化、价值持续创造。智能驾驶时代，软件和数据的重要性将越发突出，包括主机厂

7、、零部件企业 等产业链上下游企业不断强化软件能力建设，并围绕“软件定义汽车”开启从产品开发模式、组织架构、人 员构成、运营体系等的内部变革。 软件代码在车中的比例激增：未来十年汽车软件代码量CAGR约21% 软件的价值在汽车中被放大：所占的比例有望在2030年达到30% 软件颠覆百年传统汽车产业核心竞争力软件颠覆百年传统汽车产业核心竞争力 020004000600080001000012000 Chrome Android 波音747 Win-vista Facebook 智能汽车 亿欧智库：2020年部分典型高科技产品代码量对比 （单位：万行） 数据来源：IEE，亿欧智库 随着汽车智能化、网

8、联化发展，软 件在汽车整车制造中的重要性大幅 提升。从软件代码量对比来看，目 前，高端车辆软件代码已经达到1亿 行，高端汽车中的代码量远多于PC 和智能手机操作系统，且呈指数级 增长中。横向来看，常见智能手机 操作系统安卓的代码量为1300万行， PC 操 作 系 统 WindowsVista 为 5000万行，而一辆高端汽车的代码 量可达1亿行。未来，2015-2025 年汽车中代码量有望呈指数级增长， 其年均复合增速约为21%。 Hypervisor 算法软件 中间件组件(AutoSAR RTE/ROS/分布式通信/管理平面/数据平面等) 操作系统内核(Linux/QNX/Vxworks/

9、OSEK OS等RTOS) BSP驱动软件 应用软件 SoC/MCU芯片、处理器芯片(CPU/GPU/FPGA/ASIC等) 摄像头、雷达等传感器V2XECU/DCU等控制器 车辆平台 应用算 法软件 中间件 系统软件 硬件 亿欧智库：智能汽车软件架构 汽车高度智能化，大幅提升 软件在汽车价值链条的地位。 “软件定义汽车”已经成为 产业链头部企业的战略共识。 智能汽车里的软件主要可以 分为应用算法软件、中间件、 系统软件、工具软件以及硬 件中的算法平台。 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告6 软件产业争夺“定义汽

10、车”上下游话语权 系统软件主要包括操作系统以及底层驱动软件等。中间件位于操作系统和应用算法软件之间，抽象化硬 件资源，为上层的应用和算法软件开发提供统一的软件接口，方便上层软件开发调用； 应用软件包括信息娱乐系统的人机交互、界面设计，ADAS软件、车身控制软件等。高级别自动驾驶应 用软件背后需要靠基于人工智能或深度学习的算法软件来提供支撑。 亿欧智库预计，中国汽车软件市场规模将从2020年的1.85万亿元增长至2030年的3.44万亿元，年复合增长 率为7%。汽车软件在整车价值中所占的比例有望在2030年达到65%，将成为未来智能驾驶汽车行业最重要 的领域。 软件是实现汽车网联化、自动化、电气

11、化和共享化创新的核心推动要素 软件和信息技术服务业发展规划（2016-2020年）提出，以数据驱动的“软件定义”正在成为融合应 用的显著特征，通过软件定义硬件、软件定义存储、软件定义网络、软件定义系统等，带来更多的新产品、 服务和模式创新，催生新的业态和经济增长点。软件是实现汽车网联化、自动化、电气化和共享化等创新的 核心推动要素。 软件颠覆百年传统汽车产业核心竞争力软件颠覆百年传统汽车产业核心竞争力 3% 5% 15% 25% 40% 50% 65% 197019801990200020102020 2030E 占比 亿欧智库：汽车软件成本占整车成本比例 数据来源：亿欧智库 1.85 2.6

12、6 3.44 20202025E2030E 市场规模（万亿元） 亿欧智库：2020-2030中国汽车软件市场规模预测 自动化 共享化电气化 网联化 整合第三方服务 通过OTA更新，更快的部署 新功能 未来汽车的部分操作可以通过 云端实现 内置传感器和执行器的趋势 对计算能力和通信的更高要求 对可靠性的最大化需求 引入新电子元器件 通过先进的软件算法减少能源 消耗 通过应用软件呼叫共享出行服 务和Robotaxi 定制化驾驶体验 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告7 软硬件架构难以适应软件定义汽车的发展需要 传统汽

13、车EE架构无法实施“软件定义”新功能 在传统EE架构中，增加一个新功能，仅仅是添加一个ECU（Electronic Control Unit，电子控制单元）， 以及电线、线束布线等，但是极大地加大了系统的复杂性，主车企集成验证更为困难。如果需要实现较 为复杂的功能，则需要多个控制器同时开发完成才能进行验证，一旦其中任意一个控制器出现问题，可 能导致整个功能全部失效； 在传统分布式EE架构之下，ECU由不同的供应商开发，框架无法复用，无法统一，同时OTA外部开发者 无法对ECU进行编程，无法由软件定义新的功能，进行硬件升级； 基于传统分布式EE架构，车企只是架构的定义者，核心功能是由各个ECU完

14、成，其软件开发工作主要是 由Tier1完成，车企只做集成的工作，软件开发能力建设并不是车企的重点方向。 软件颠覆百年传统汽车产业核心竞争力软件颠覆百年传统汽车产业核心竞争力 功能 功能 功能 功能 功能 ECUECUECU ECU ECU ECU ECU ECUECU 功能及 逻辑层 硬件层 网络层 线束层 整车拓 扑层 客户功 能需求 需求A 需求B 功能A 功能B 汽车功能以及需求 功能以及功能互联 电子电器类型（传 感器、ECU、执行 器） 电子电器便以及车 身网络（总线连接） 连接器、PIN以及 线束拓扑结构 整车电子电器组建 以及线束的拓扑结 构 线束/PIN CAN FlexRay

15、 CAN-FD 讯号 讯号 讯号 2020年，安波福在CES上正式推出了其智能汽车架构设计 （SVATM），并表示该架构可以打破目前传统汽车架构的瓶颈， 为下一代智能汽车提供可升级的架构空间。SVA不仅有助于打造 功能丰富、高度自动化的汽车，其可持续扩展的开放平台，有助 于降低车主的总拥有成本。并帮助车辆达到最严格的功能安全和 网络安全标准。 软件设计 先进硬件 高效的信号 与配电系统 灵活性 生命周期 弹性 亿欧智库：安波福智能汽车架构 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告8 软硬件架构难以适应软件定义汽车的发展

16、需要 汽车EE架构从分布到集中式进阶 当前，汽车电子电气架构总体呈现分布式ECU架构向域控制器EE架构发展，最后演进成中央集中式EE架构。 传统汽车采用的分布式EE架构，因计算能力不足、通讯带宽不足、不便于软件升级等缺点，不能满足现阶 段汽车发展的需求，EE架构升级已成为智能汽车发展的关键。 新一代中央集中式EE架构是“软件定义汽车”重要的硬件基础。特斯拉Model 3通过采用算力强大的中央 控制器对不同的域处理器和ECU进行统一管理，将整车的电子电气架构分为三大部分：CCM(中央计算模块)、 BCM LH(左车身控制模块)、BCM RH(右车身控制模块)，其中CCM进一步整合了车上的ADAS

17、(驾驶辅助系 统)、IVI(信息娱乐系统)两大域及外部连接和车内通信系统域功能。极大缩减整车上的ECU数量，同时实现 域内算力有效利用，核心计算性能大幅提升，复杂功能开发难度大幅下降。 软件颠覆百年传统汽车产业核心竞争力软件颠覆百年传统汽车产业核心竞争力 车载电脑 （车载电脑） 车-云计算 （车辆功能在云端） 辅助 计算 辅助 计算 辅助 计算 模块化 （每个功能独立ECU） 集成式 （功能集成） 域融合 （跨域中心控制器） 集中式 （域中心控制器） 中央网关 ECU ECU ECU ECU ECU ECU ECU ECU ECU ECU ECU ECU DCUDCUDCUDCU 中央集中式E

18、E架构 域控制EE架构 分布式ECU架构 特定的功能由特定的ECU控制，这种结构无 法承受汽车功能日益丰富的趋势，过多的 ECU导致EE架构极其繁杂； 引入以太网，基于不同的域划分进一步优化 EE架构，进一步地，智能座舱域与智能驾驶 域融合，单颗AI芯片实现车内外、融合等边 缘侧计算； 车载中央计算机形成，覆盖车身域、动力域、 底盘域、安全域，计算芯片出现整合态势 DCU 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告9 传统车企强化软硬件解耦 传统软硬件高度嵌套，无法实现个性化开发和深层OTA 在传统汽车中，硬件和软件的关

19、系是强耦合状态，软件功能的实现更加依赖于硬件，简言之就是是硬件决定 软件功能，并且硬件之间难以形成较强的协同性，汽车软件的可复用性和OTA升级能力整体较弱。而在软 件定义汽车的共识下，车企资源向软件倾斜，软硬件解耦导致研发迭代加速。 车企强化软硬件解耦，需要建立三个“能力”，即软件自研能力、系统架构能力以及SOA架构能力。目前， 大部分车企已经完成了软件自研能力补充或升级，建立平台型架构体系。车企的传统开发模型正向面向软件 定义汽车的开发模型升级。当前，如何快速定义整车产品，激活用户需求是车企所面临的重大挑战。 软件颠覆百年传统汽车产业核心竞争力软件颠覆百年传统汽车产业核心竞争力 阶段一 阶段

20、二 阶段三 建立软件自研能力 车企开始自研软件，打 通需求与设计、代码编 写、软件架构等能力 建立系统架构能力 在自研之后，车企逐 步建立和完善系统架 构能力，实现“硬件 平台化”与可升级 建立SOA架构能力 车企建立面向服务的软 件架构，通过标准化的 服务接口，松耦合的服 务机制以及可组合扩展 的服务特性，结合高性 能计算平台，打造汽车 “软件驱动”基础能力 职能部门的数字化 网联 系统 Tier1 座舱 系统 Tier1 车身 系统 Tier1 自动驾 驶系统 Tier1 动力 系统 Tier1 其他 系统 Tier1 主机厂 功能分配 系统集成 主机厂 功能分配、系统集成、多元开发模式

21、基础软件平台标准l/O接口 网联系统Tier1座舱系统Tier1 车身系统Tier1自动驾驶系统Tier1 动力系统Tier1其他系统Tier1 传统开发模型 主机厂只是架构的定义者，只做系统集成工作 各系统Tier1完成所有功能的软件开发 各系统较封闭从而形成信息孤岛，外部开发者无法 介入开发 代码无法复用，大量软件工作花费在不同软硬的适 配上 硬件产生价值 面向软件定义汽车的开发模型 主机厂不仅仅只是架构的定义者以及系统集成者， 还主导脱离底层操作系统以及硬件的基础软件平台 和大部分策略层面软件的开发 各系统Tier1完成底层软件的开发 开放的应用服务生态，即插即用的高效可扩展性 满足千人

22、千面的用户需求的软件产生价值 资料来源：黄少堂软件定义汽车、架构定义软件，亿欧智库 当前，车企已经意识到软 件在汽车中的重要性，开 始“服软”，增强自身的 软实力。不过，传统车企 “大象转身” 并非一蹴而 就，需要逐步完善体制， 循序渐进的构建软件体系。 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告10 传统车企强化软硬件解耦 车企打造核心竞争力，多位一体加速软件实力整合 软件才能形成差异化，以软件驱动创新，边际开发成本更低。近年来众多传统整车厂正通过成立子公司、成 立软件研发部门、与软件供应商合作三种模式加码汽车软件。例

23、如，2020年初，上汽集团开始筹备成立上 汽集团软件中心，加快提升“软件定义汽车”的能力；大众设立汽车软件Car.Software新部门；宝马与诚 迈科技达成协议，双方计划共同投资5000万元人民币成立一家合资公司，从事软件开发等业务。 面向未来汽车服务，整车软件架构需支持SOA 汽车正加快智能化进程，传统通讯网络及软件架构设计中扩展性差、升级和移植成本高等问题日益凸显。为 了实现软件定义汽车，智能汽车软件架构需向SOA（Service-Oriented Architecture，面向服务的分布式 架构）转型升级。其中，中央集中化的E/E架构是实现软件定义汽车的硬件基础，SOA架构则是实现软件

24、定 义汽车的软件基础。 SOA 软件架构下的底层软件具备接口标准化、相互独立、松耦合三大特点： 各个“服务”间具有界定清晰的功能范围，并且留予标准化的访问接口； 每个服务之间相互独立且唯一，均属于汽车软件架构中的基础软件，因此若想升级或新增某项功能只需 通过标准化的接口进行调用即可； 具备松耦合的特性，独立于车型、硬件平台、操作系统以及编程语言。可以将传统中间件编程从业务逻 辑分离，允许开发人员集中精力编写上层的应用算法，而不必将大量的时间花费在底层的技术实现上。 软件颠覆百年传统汽车产业核心竞争力软件颠覆百年传统汽车产业核心竞争力 零束软件 长安汽车软件科技 一汽（南京）科技 Woven P

25、lanet Holdings Car. Software Digital Car 成立软件子公司成立软件研发部门与其他软件厂商合作 数字化中心 东风创新设计中心（南京） 智能汽车软件技术联合创新中心 汽车软件开发合资公司 软件组件软件组件软件组件 运行环境层 基础软件层 硬件 APPAPPAPP（客户端） 中间件 操作系统 硬件 APP软件 重 新 编 写 重 新 编 写 传统软件架构SOA软件架构 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告11 传统汽车之所以能够实现 自动驾驶功能，主要依靠 负责环境感知的传感器， 其

26、类似于人的视觉和听觉， 如果没有环境感知传感器 的支撑，将无法实现自动 驾驶功能。 多种传感器融合可满足各 种复杂路况，同时保证汽 车软件系统冗余，具体主 要依靠激光雷达、摄像头、 毫米波雷达的数据融合提 供给计算单元进行算法处 理。 多传感器融合，定义智能汽车“慧眼” 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告12 汽车感知层中的主要传感器类型浅析 汽车加速智能，感知先行 在软件定义汽车过程中，自动驾驶感知层的硬件及算法是整车智能化的基础。传感器作为自动驾驶汽车的 “眼睛”和“耳朵”，目前主流的自动驾驶传感器以摄像头和

27、雷达为主，其中，雷达可分为毫米波雷达、激 光雷达以及超声波雷达，摄像头则按其安装位置不同，可分为前视、侧视、后视和内置四种类型。 在传感层的软件体系中，摄像头传感器通过视觉算法，摄像头可对车道、路边、障碍物、行人进行有效识别， 不足在于识别范围受限、稳定性差。为了提升雷达性能，其软件算法也需要不断提升，例如，毫米波雷达和 摄像头一样，在单独工作时都需要运行目标检测和目标跟踪，不断提高这部分算法的可靠性和准确性是难点 所在，同时，单传感器提供准确的检测信号也是后续融合信号是否会更加精准的基础，因此对于毫米波雷达 和摄像头的数据处理算法开发，是需要大量的思考、设计、仿真和测试验证来持续改进。 多传

28、感器融合，定义智能汽车“慧眼”多传感器融合，定义智能汽车“慧眼” 毫米波雷达 超声波雷达 激光雷达 摄像头 超声波雷达 毫米波雷达 激光雷达 摄像头 变道辅助，盲区检测，自动 泊车等 穿透性强，测距方法简单， 成本低，短距离测量优势较 为明显 传播速度慢，无法跟上车距 实时变化，方向性较差且易 受天气影响 15-20美金 自适应巡航控制，前向防撞 报警，盲区检测，辅助停车， 辅助变道，自动紧急制动阀， 自动泊车等 天气适应性好 探测距离与精度相对激光雷 达较弱 150-300美金 自适应巡航控制，前向防撞 报警，盲区检测，辅助停车， 自动紧急制动阀，自动泊车， 导航及定位等 精度高、探测距离远

29、 易受自然光或热辐射影响， 价格昂贵 8000-80000 美金 自适应巡航控制，前向防撞 报警，盲区检测，自动紧急 制动阀，自动泊车，变道辅 助，驾驶员状态监控，交通 标识识别，导航及定位等 精度高，距离远，直观方便， 成本较低 受天气影响较大，算法及算 力要求高 35-50美金 功能优势劣势成本 数据来源：网络公开资料、深度访谈，亿欧智库 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告13 汽车感知层中的主要传感器类型浅析 多传感融合驱动自动驾驶落地，技术路线：视觉主导方案 VS 激光雷达主导方案 目前自动驾驶传感器的选

30、择存在两种不同的路径：一种以摄像头主导，搭配毫米波雷达，使用先进的计算机 视觉算法实现全自动驾驶，典型代表有特斯拉、Moblieye以及百度Apollo Lite；另一种则以激光雷达为主， 同时搭载毫米波雷达、超声波传感器和摄像头，远距离全方位探测能力强，但成本相对较高，典型代表为谷 歌Waymo、百度Apollo、文远知行等主流无人驾驶企业。 当前，两种路径各有利弊，依旧存在分歧： 视觉主导方案：摄像头获取的视频数据与人眼感知的真实世界最为相似，接近人类驾驶的形态。而且， 在当前激光雷达价格居高不下的情况下，仅使用摄像头更容易控制成本； 激光雷达主导方案：“雷达+视觉”方案的优势是监测的距离

31、更长、精度更高、响应更快，且不受环境 影响。其对三维信息的处理，例如物体大小、移动速度的计算都有着非常优异的表现。 多传感器融合，定义智能汽车“慧眼”多传感器融合，定义智能汽车“慧眼” 视觉主导方案激光雷达主导方案 摄像头（主导）+毫米波雷达+超声 波雷达+激光雷达 激光雷达（主导）+毫米波雷达+超 声波传感器+摄像头 目前两种路径尚未分出胜负，随着自动驾驶技术的发展，激光雷达的价格有望下降，其全方位探测能力 和不易受环境影响的优势将逐渐显现出来，有望成为未来自动驾驶汽车主流的配置。 特斯拉Autopilot 谷歌Waymo 方案设计 传感器配置 优点 缺点 摄像头+毫米波雷达，配合AI芯片及

32、深度神经 网络，渐进实现L3+ 激光雷达为主，摄像头等为辅，模拟仿真配合实车 测试，L4起步 目前使用3种不同类型的激光雷达，外加5个毫米 波雷达和8个摄像头 轻巧、低成本、符合车规，能提供更丰富的环境 信息，同时视频数据也最接近人眼所感知的环境 传感器主要由环绕车身的8个摄像头、1个毫米 波雷达和12个超声波传感器组成 环境感知全面，受环境影响小，对感知数据处理 环节运算能力要求相对较低 摄像头二维图像难挖掘，需更强大的算法、大量 数据的积累和更长期的研发投入。对于L4级别 及以上的自动驾驶来说，在精度、稳定性和视野 等方面的局限性 成本高 数据来源：网络公开资料，亿欧智库 软件定义，数据驱

33、动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告14 传感器融合软件算法是提升精度的重要途径 传统车企和科技公司都在跑步进入激光雷达赛道 随着自动驾驶的不断发展，激光雷达产业有着巨大的增长空间。面对即将到来的百亿级市场，激光雷达赛道 的竞争非常激烈，无论是传统车企还是科技公司，都在以各种方式跑步进入这个市场，对激光雷达产业进行 “多维度”发力。 多传感器融合，定义智能汽车“慧眼”多传感器融合，定义智能汽车“慧眼” 极狐阿尔法S华为HI版 34 激光雷达*3、毫米波雷达*6、高清摄像头*13、超声波雷达*12 极氪001 28高清摄像头*15、

34、250m超长距毫米波雷达*1、超声波雷达*12 智己L7 29 高清摄像头*12,、毫米波雷达*5、超声波雷达*12（兼容激光雷达软 硬件架构冗余方案） 蔚来ET7 29激光雷达*1、高清摄像头*11、毫米波雷达*5、超声波雷达*12 小鹏P5 32高清摄像头*13、毫米波雷达*5、超声波雷达*12、激光雷达*2 上汽R ES33 33 超声波雷达*12、高清摄像头*12、4D成像雷达*2、长距点云雷达*6、 激光雷达*1 零跑S01 21 双目摄像头*1、环视摄像头*4、盲区摄像头*2、人脸识别摄像头*1、 超声波雷达*12、77G毫米波雷达*1 特斯拉 Model S 20 三目摄像头*1

35、、盲区摄像头*2、B柱摄像头*2、倒车摄像头*1、超声 波雷达*12、77G毫米波雷达*1、车内摄像头*1 奥迪A8 23 激光雷达*1、前视摄像头*1、环视摄像头*4、长距雷达*1、中距雷 达*4、超声波雷达*12 宝马iX 28 激光雷达*1、毫米波雷达*5、超声波雷达*12、高清摄像头*10 福特Mustang Mach-E 23 高清摄像头*6、超声波雷达*12、毫米波雷达*5 车型传感器数量 传感器类型 数据来源：网络公开资料、车企官网，亿欧智库 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告15 传感器融合软件算

36、法是提升精度的重要途径 多传感器信息融合（Multi-sensor Information Fusion，MSIF），指将自动驾驶摄像头、激光雷达、毫米 波雷达以及超声波雷达等多种传感器各自分别收集到的数据进行融合，然后利用计算机技术将来自多传感器 或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理 过程，以便更加准确可靠地描述外界环境，提高系统决策的正确性。 自动驾驶算法覆盖感知、决策、执行三个层次：感知类算法，包括SLAM算法、自动驾驶感知算法；决策类 算法包括自动驾驶规划算法、自动驾驶决策算法；执行类算法主要为自动驾驶控制算法。 多传感器融合，

37、定义智能汽车“慧眼”多传感器融合，定义智能汽车“慧眼” 自 动 驾 驶 主 要 算 法 自动驾驶控制算法 自动驾驶感知算法 SLAM算法 自动驾驶决策算法 自动驾驶规划算法 视觉方向（VSLAM） 激光方向（Lidar SLAM） 多传感融合算法 摄像头 激光雷达 摄像头/各类雷达/IMU 想要实现高精度的自动驾驶体验，融合算法要足够优化，因为 多传感器的使用会使需要处理的信息量大增，这其中甚至有相 互矛盾的信息，如何保证系统快速地处理数据，过滤无用、错 误信息，从而保证系统最终做出及时正确的决策十分关键。目 前多传感器融合的理论方法有贝叶斯准则法、卡尔曼滤波法、 D-S证据理论法、人工神经网

38、络法等。 贝叶斯准则法 卡尔曼滤波法 D-S证据理论法 人工神经网络法 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告16 传感器融合软件算法是提升精度的重要途径 多传感器信息融合技术的基本原理与人脑综合处理信息的过程相似，在此过程中，智能驾驶汽车要充分地利 用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信 息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而且也综合处 理了其它信息源的数据来提高整个传感器系统的智能化。 多传感器融合的体系结构：分

39、布式、集中式和混合式： 多传感器融合，定义智能汽车“慧眼”多传感器融合，定义智能汽车“慧眼” 1）分布式：先对各个独立传感器所获得的原始数 据进行局部处理，然后再将结果送入信息融合中心 进行智能优化组合来获得最终的结果。分布式对通 信带宽的需求低、计算速度快、可靠性和延续性好， 但跟踪的精度却远没有集中式高。 2 ）集中式：将各传感器获得的原始数据直接送至 中央处理器进行融合处理，可以实现实时融合。其 数据处理的精度高、算法灵活，缺点是对处理器的 要求高，可靠性较低，数据量大。 3）混合式：混合式多传感器信息融合框架中，部分 传感器采用集中式融合方式，剩余的传感器采用分 布式融合方式。混合式融

40、合框架具有较强的适应能 力，兼顾了集中式融合和分布式的优点，稳定性强。 混合式融合方式的结构比前两种融合方式的结构复 杂，缺点是加大了通信和计算成本。 传感器1传感器2传感器N 融 合 输 出 结 果 传感器1输入传感器2输入传感器N输入 传感器1输出传感器2输出 传感器N输出 传感器1传感器2传感器N 传感器1输入传感器2输入传感器N输入 信息融合中心 输出最终决策 传感器1传感器2传感器N 传感器1输入传感器2输入传感器N输入 初级信息融合中心1初级信息融合中心m 终级信息融合中心 输出最终决策 多 传 感 器 系 统 数字信号转 换（A/D） 数 据 预 处 理 系 统 特 征 提 取

41、融 合 计 算 结 果 输 出 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告17 汽车由分布式架构向域控 制/中央集中式架构方向发 展的过程中，自动驾驶芯 片作为计算的载体逐渐成 为智能汽车时代的核心。 随着自动驾驶级别的提升 以及功能应用的丰富，汽 车对算力的需求也越来越 大。由于智能驾驶汽车对 算力的需求，汽车业界已 经将峰值算力当作衡量AI 芯片的主要指标，并掀起 汽车算力的军备竞赛。 算力取代马力，汽车进入“算力时代” 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶

42、核心软件产业研究报告18 算力“军备竞赛”，车企“补芯”赢市场 芯片是软件定义汽车生态发展的核心 在“软件定义汽车”趋势下，芯片、操作系统、算法、数据共同组成了智能驾驶汽车的计算生态闭环，其中 芯片是智能驾驶汽车生态发展的核心。以特斯拉为代表的汽车电子电气架构改革先锋率先采用中央集中式架 构，即用一个电脑控制整车，域控制器逐渐集成前期的传感器、数据融合、路径规划、决策等运算处理器功 能，因此对域控制器芯片算力需求大幅提升。 当前，自动驾驶正处在L2向L3级别跨越发展的关键阶段。其中，L2级的ADAS（高级驾驶辅助系统）是实现 高等级自动驾驶的基础，从全球车企自动驾驶量产时间表可以看到，2020

43、年是L3级别自动驾驶车型量产年。 算力取代马力，汽车进入“算力时代”算力取代马力，汽车进入“算力时代” 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 长安 长城 比亚迪 一汽红旗 吉利 广汽 北汽 上汽 奇瑞 东风 奔驰 宝马 大众 奥迪 通用 沃尔沃 福特 特斯拉 现代 丰田 本田 日产 L1L2L3L4/5 L1L2L3L4/5 L1L2L4/5 L1L2L3L4/5 L1L2L3L4/5 L1L2L3 L1L2L3L4/5 L1L2L3L4/5 L1L2L3L4/5 L1L2L3L4/5 L1L2L3L4

44、/5 L1L2L3L4/5 L1L2L4/5 L1L2L3L4/5 L1L2L4/5 L1L2L4/5 L1L2L4/5 L1L2L4/5 L1L2L4/5 L1L2L3L4/5 L1L2L3L4/5 L1L2L3L4/5 亿欧智库：全球主要车企各级别自动驾驶量产时间表 数据来源：企业官网、网络公开资料，亿欧智库 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告19 算力“军备竞赛”，车企“补芯”赢市场 汽车芯片算力需求加大，高级别自动驾驶SoC芯片拉开商业大战 随着自动驾驶等级的提升，研发投入与技术难度也在提高，对芯片算力的

45、需求也越来越大。芯片是智能驾驶 汽车必不可少的核心零部件，目前，按照不同功能可将其为三类：第一类是传统的IVI芯片；第二类是负责 自动驾驶功能的芯片：第三类是车身控制MCU芯片。 当前，全球汽车MCU芯片市场一直被恩智浦、德州仪器等汽车芯片巨头所垄断。随着汽车行业加速进入智 能化变革，一场以高级别自动驾驶SoC芯片为核心的商业大战已经拉开序幕，英特尔、英伟达、高通、华为 等消费电子巨头纷纷下场，中国的地平线、黑芝麻智能科技等初创公司亦来分食一杯羹。 算力取代马力，汽车进入“算力时代”算力取代马力，汽车进入“算力时代” DCU/中央计算机 SoC芯片 CPU+GPUCPU+FPGACPU+ASI

46、C 控制器 芯片 处理器 当前，自动驾驶芯片演进路线大致可分为： CPUGPUFPGAASIC。在自动驾驶算法 尚未成熟固定之前，CPU+GPU+ASIC的结合 架构会是主流方案。在自动驾驶算法完全成熟 之后，定制批量生产的低功耗低成本的专用自 动驾驶AI芯片(ASIC)将逐渐取代高功耗的GPU， CPU+ASIC架构将成为主流。 传统 汽车 MCU 芯片 厂商 亿欧智库：自动驾驶SoC芯片中处理器芯片的比较 CPUGPUFPGAASIC 定义中央处理器图像处理器现场可编程逻辑门阵列专用处理器 算力与能效算力最低，能效比差算力高，能效比中算力中，能效比优算力高，能效比优 上市速度快，产品成熟快

47、，产品成熟快慢，开发周期长 成本 用于数据处理时，单价 成本最高 用于数据处理时， 单价成本高 较低的试错成本 成本高，可复制，量 产规模生产后成本可 有效降低 性能最通用（控制指令+运算）数据处理通用性强 数据处理能力较强，专 用 AI 算力最强，最专 用 适用场景广泛应用于各种领域 广泛应用于各种图 形处理、 数值模拟、 机器学习算法领域 适用成本要求较低的场 景，如军事、 实验室、 科研等 主要满足场景单一的 消费电子等高算力需 求领域 车企 中国科技企业 国际科技企业 亿欧智库：全球主要自动驾驶芯片厂商 数据来源：网络公开资料，亿欧智库 软件定义，数据驱动软件定义，数据驱动202120

48、21中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告20 算力“军备竞赛”，车企“补芯”赢市场 在自动驾驶芯片赛道中，英伟达、高通、华为、谷歌、特斯拉等厂商拥有较强的先发优势，但随着自动驾驶 快速发展，国内其他芯片厂商也在加速追赶。由于智能驾驶对算力的需求，汽车业界已经将峰值算力当作衡 量 AI芯片的主要指标，并掀起算力军备竞赛。蔚来新款旗舰车型ET7搭载算力超过1016TOPS。上汽智己新 发布车型搭载算力也达到5001000TOPS。 随着智能驾驶汽车开启量产之势，算力、功耗、生态等成为各家芯片厂商抢夺市场的核心竞争力。据亿欧智 库了解，自动驾驶SoC芯片产品现存两大发展趋

49、势：其一，不仅注重算力，还要追求高功耗比；其二，高端 自动驾驶芯片向先进制程进阶。 算力取代马力，汽车进入“算力时代”算力取代马力，汽车进入“算力时代” Xavier Orin EyeQ4 EyeQ5 FSD 麒麟990A 凌芯 征程3 Snapdragon Ride 30 256 2.5 24 72 3.5 4.2 5 700 智己L7 蔚来ET7 极氪001 广汽Aion V Model Y 极狐S 华为HI版 零跑 C11 岚图FREE WEY 摩卡 企业SoC芯片 算力（TOPS）搭载代表车型功耗（W）制程（nm） 30 65 3 10 72 - 4 2.5 130 12 8 28 7 14 28 28 12 5 A1000 70816 R-CAR V3U60-12 S32 - 5 数据来源：企业官网、网络公开资料，亿欧智库 软件定义，数据驱动软件定义，数据驱动20212021中国智能驾驶核心软件产业研究报告中国智能驾驶核心软件产业研究报告21 算力“军备竞赛”，车企“补芯”赢市场 智能驾驶汽车的智能化水平取决于算法是否强大。车企意欲实现软件定义汽车，加速智能驾驶汽车量产落地， 在这一过程中，必须有一个可以承载高度智能化且运算量庞大的AI算法的硬件计算平台，而无论是