ADAS产业链分析
ADAS產業鏈分析
自動駕駛汽車（AutonomousVehicles，AV）指通過搭載先進傳感器等裝置，運用人工智能、視覺計算、雷達和全球定位及車路協同等技術，使汽車具有環境感知、路徑規劃和自主控制的能力，從而可讓計算機自動操作的機動車輛。
自動駕駛車輛最大特點是人工智能技術的主導，其駕駛過程是機器不斷收集駕駛信息并進行信息分析和自我學習從而達到自動駕駛的系統工程。2020年11月，國務院辦公廳印發《新能源汽車產業發展規劃（2021-2035年）》，提出高級別自動駕駛商業化落地目標：到2025年，高級自動駕駛汽車實現限定區域和特定場景商業化應用；力爭到2035年，高級自動駕駛汽車能夠實現規模化應用。
自動駕駛分級標準
NHTSA和SAE對無人駕駛發展程度率先給出了分級定義標準，將智能網聯汽車的無人駕駛程度由低到高劃分為6個層級。NHTSA和SAE對自動駕駛的分級標準體系：
中國《汽車駕駛自動化分級》中，以L3級別為界，將L0-L2級視為自動駕駛輔助系統（ADAS），動態駕駛任務的接管者的主體發生改變，將L3級及以上視為“高級別自動駕駛”，L3以下被稱為輔助駕駛。L2級的ADAS（高級駕駛輔助系統）是實現高等級自動駕駛的基礎，目前全球自動駕駛處于L2向L3級別轉化的過程。現階段，高等級自動駕駛研發投入及商業化驗證主要聚集在智慧園區/示范園區、港口、碼頭、停車場、高速等限定區域應用場景，以及商用車物流、自動泊車等細分領域，低成本自動駕駛解決方案以及可彌補真實道路測試驗證的自動駕駛仿真測試需求凸顯。Gartner發布的新興技術成熟度曲線顯示，高級別自動駕駛在2019年進入了泡沫化低谷期，距離完全成熟落地可能仍需要超過10年的時間。
自動駕駛產業鏈
自動駕駛汽車功能的實現需要汽車制造商、零部件供應商、車載計算平臺開發商、出行服務供應商等多方主體參與，因此，自動駕駛汽車的產業鏈較長。自動駕駛產業鏈全景圖：
自動駕駛產業鏈上游：四大核心關鍵系統
自動駕駛系統的工作系統可分為感知層、傳輸層、決策層、執行層，這是實現自動駕駛的四大關鍵系統。
- 感知層
感知層用于感知外部環境變化、獲取相關信息。通過硬件系統，感知并采集環境信息是無人駕駛的第一步。無人駕駛硬件系統包括有傳感器、RFID、車載視覺系統等。傳 感 器車載傳感器包括攝像頭、激光雷達（LiDAR）、毫米波雷達、超聲波雷達等，路側輔助系統包括高精度地圖、全球導航衛星系統（GNSS）、慣性導航系統（INS）、車用無線通信技術（V2X）等。目前主流的自動駕駛傳感器以攝像頭和雷達為主。攝像頭隨著智能駕駛功能的完善和演進，汽車車身將至少需要配置前視、環視、后視、側視、內置攝像頭，各部分還可能采用23個攝像頭搭配使用。從數量角度看，目前單車攝像頭平均搭載量為12顆，L2級別正在普及，為2~6顆，未來隨著智能駕駛向無人駕駛發展，L3級別每輛汽車有望搭載8+顆攝像頭，L5級別則樂觀看到接近20顆，從而車載CIS有望迎來快速增長期。根據Mordor Intelligence，2019年車載攝像頭出貨量達到1.45億顆，預計2021年接近2億顆。在車載攝像頭鏡頭市場，舜宇光學的鏡頭出貨量居全球第一位，市場占有率為34%，之后依次為韓國Sekonix、Kantatsu和日本Fujifilm（歐菲光收購），行業CR4接近80%，高于手機市場鏡頭行業集中度。雷達傳感器雷達傳感器分為超聲波雷達、毫米波雷達和激光雷達。三種雷達技術各具優劣。毫米波雷達的主要優勢在于探測距離遠、靈敏度高、環境適應性強；但是對于非金屬不敏感，不利于探測部分物體的大小和形狀。
超聲波雷達優勢在于成本低、精度高；但是由于聲波傳遞較慢，反饋時間長，只適合用于倒車等短距離場景。
激光雷達的優勢在于全面綜合性能好，并且還能夠3D建模；但是成本高昂，易受天氣影響，并且技術尚且不夠成熟。激光雷達：未來將成為自動駕駛核心傳感器激光雷達是下游導航、繪測等應用的核心部件，目前產能稀缺導致供不應求，呈現賣方市場，對下游有很強的定價權，因此該產業鏈主要附加值在于激光雷達部分，行業整體盈利空間較大。激光雷達的綜合性能最優，L3級以上激光雷達應用將逐漸增加，并最終在L4級以上自動駕駛汽車中成為核心傳感器。
并且隨著自動駕駛技術的發展，激光雷達的價格有望下降，其全方位探測能力和不易受環境影響的優勢將逐漸顯現出來，有望成為未來自動駕駛汽車主流的配置。根據Yole的數據，ADAS的激光雷達市場在2025年將達到17億美元，年復合增長達到114%。目前車載激光雷達龍頭廠商市占率還相對較小。激光雷達行業技術壁壘高，目前行業內主要的激光雷達公司基本都在國外，包括Velodyne、Luminar、Aeva、Ouster、Innoviz等。2016年后國內激光雷達廠商入局，主要玩家有速騰聚創、禾賽科技等公司。
RFIDRFID又稱無線射頻識別，是自動駕駛的耳朵。RFID應用于車聯網的優勢是，能夠快速識別多個高速運轉的物體，安全性好，識別速度快、距離遠，數據存儲量大等。目前我國已初步形成較為完善的RFID產業鏈，但在與車聯網密切相關的超高頻RFID 研發領域與先進技術仍有差距。RFID產業鏈上中下游及主要代表廠商：
車載視覺系統是感知層硬件的整合，借助機器視覺技術進行圖像增強和數據處理，主要應用于視覺增強的駕駛輔助。視覺識別系統的主要是國外供應商，包括松下、法雷奧、富士通天、麥格納、大陸等，國內歐菲光、深圳豪恩、蘇州智華、中國臺灣地區同致電子等。基于攝像頭的車載視覺系統：
導航系統是智能汽車的指南針。無人駕駛汽車的導航定位主要通過全球定位系統（GPS）、北斗衛星導航系統（BDS）、慣性導航系統等實時獲取車輛的位置、航向、速度。路側設備是保證自動駕駛實現“車路協同”的必要條件。自動駕駛若僅只有車端的數據，難以實現安全、準確的駕駛，路端的一系列設備也必不可少。
車聯網路側建設重點包括RSU、路側智能交管設施、MEC設備等。
2. 傳輸層：為自動駕駛提供信號傳輸
傳輸層基于通信設備和服務為自動駕駛提供信號傳輸，主要包括通信設備和通信服務。傳輸層的增量來自于V2X帶來的通信芯片、通信模組以及信息交互終端OBU、RSU和T-BOX等。通信芯片是處理各種數據的中樞，目前市場主流通信芯片有華為雙模通信芯片Balong765；大唐的PC5Mode4LTE-V2X自研芯片；高通的9150LTE-V2X芯片組。通訊芯片及外圍器件組成了通信模組，如華為基于Balong765芯片的LTE-V2X商用車規級通信模組ME959；大唐基于自研芯片的PC5Mode4LTE-V2X車規級通信模組DMD31；移遠聯合高通發布的LTE-V2X通信模組AG15。目前主流的無線通信技術有兩種，一種是基于Wi-Fi技術也被稱為DSRC（專用短距離通信）的技術路線，以日本、美國為代表主導；另一種是中國主導的基于蜂窩網絡特別是5G技術的C-V2X（蜂窩車聯網）。若考慮到完整的C-V2X應用實現，還需要若干產業支撐環節，主要包括科研院所、標準組織、投資機構以及關聯的技術與產業。C-V2X產業地圖：
- 決策層：自動駕駛汽車的大腦
決策層通過利用感知層、傳輸層反映回來的信息，建立相應的模型，制定出適合的控制策略。從功能上看，決策層主要包含操作系統、芯片、算法、高精度地圖以及云平臺等核心構成元素。自動駕駛決策層帶來的增量空間主要在于自動駕駛AI芯片和對應的高精度地圖，這兩者是L3及以上級別自動駕駛汽車必備的功能要素。
芯片：為自動駕駛提供算力支撐
芯片是汽車必不可少的核心部分，按照不同功能可為三類，一類是傳統的IVI芯片，目前正逐步升級為智能駕艙芯片；第二類是負責自動駕駛功能的芯片，按照算力需求其演進路線為CPU→GPU→FPGA→ASIC；第三類是車身控制MCU芯片。此外，還有多種其他功能的芯片，如攝像頭芯片，AMP芯片、功率半導體芯片、胎壓監測芯片TPMS、BMS芯片等。目前全球汽車芯片的市場集中度較高，行業CR4為43%，行業CR8達63%。2019年，恩智浦占全球汽車芯片市場14%，英飛凌次之，占比11%。隨著以高通、英偉達為代表的傳統汽車半導體廠商、以谷歌、亞馬遜、蘋果等為代表的互聯網科技公司、以奧迪、寶馬、特斯拉為代表的整車企業大舉進軍自動駕駛芯片領域，行業未來將會形成多頭競爭的格局。2019全球汽車芯片行業競爭格局：
國內市場來看，2020年5月，北汽集團旗下北汽產投與Imagination集團合資成立北京核芯達科技有限公司，在汽車芯片領域提供先進解決方案。
除此之外，上汽、長安、比亞迪、吉利汽車等汽車企業，以及地平線、寒武紀、黑芝麻等高科技企業都在發力車載芯片領域。
高精度地圖：自動駕駛/車路協同的基礎設施
高精度地圖相比于普通導航電子地圖具有高精度、高動態、多維度等“兩高一多”的特點。相比于傳統汽車，自動駕駛汽車可通過云端的高精地圖實現路徑規劃，并通過本地決策與云端決策并重的方式分析雷達、MEMS等傳感器獲取海量數據，然后通過執行單元控制車輛。目前國內高精度地圖基本上形成了百度、高德、四維圖新三家鼎立格局。2020年11月16日，IDC首發《2019年中國高精度地圖解決方案市場份額報告》顯示，2019年中國高精度地圖市場集中度較高。
前四名分別是百度、四維圖新、高德和易圖通。其中，百度的市場份額最高，達到29.3%，四維圖新為21.7%，高德和易圖通的市場份額分別為17.9%、14.7%。從訂單上看，目前四維圖新和高德地圖均有L3及L3+級別自動駕駛訂單落地，其中四維圖新最早在19年2月拿到寶馬L3+級別自動駕駛系統的高精地圖量產訂單，預計21年開始推向市場。2020年我國高精度地圖市場占比：
- 執行層：自動駕駛的根基
執行層電子化是無人駕駛的根基，依據決策結果對車輛執行指令，反饋控制（FeedbackControl）滿足車輛動態姿態限制的方向盤轉角δ和前向速度νr，以及車燈、鳴笛、雨刮等指示操作。執行控制層技術主要掌握在國外Tier1及主機廠手中，由傳統汽車零部件一級供應商巨頭壟斷，國內基礎相對薄弱。前落地自動駕駛的執行控制部分被國外Tier1壟斷，大多不開放，典型有博世Ibooster，日立EACT，大陸MKC1，天合IBC等。相比而言，國內供應商大多技術儲備不足，為生產型Tier1，電子制動系統方案上以EHB為主，包括聯創CBS、同馭EHB、上海制動系統等，乘用車方面供應商有亞太股份，商用車方面供應商有萬安科技，拓普集團電子真空泵進入量產裝車。轉向系統方面，廠商集中度較高，主要集中在美國、歐洲、日韓等地，外資品牌包括捷太格特、采埃孚（被博世并購）、日本精工、萬都、現代摩比斯等，自主品牌包括中汽系統（CAAS）、湖北恒隆企業集團、豫北轉向系統、耐世特、易力達機電、湖北三環、浙江世寶等。
自動駕駛產業鏈中游：平臺層
自動駕駛產業鏈中游為平臺層，包括整合的智能駕艙平臺、自動駕駛解決方案以及傳統的車聯網TSP平臺。自動駕駛平臺層帶來增量空間主要以智能座艙為主，主流智能座艙包含全液晶儀表盤、汽車中控屏、HUD和流媒體后視鏡等四大模塊。智能座駛艙產業鏈分為硬件和軟件兩部分。硬件包括了傳統中控和儀表盤，以及新納入的抬頭顯示器HUD、后座顯示屏等HMI多屏，軟件則由于加入了手勢語言在內的交互技術，包含底層嵌入式操作系統、軟件服務、ADAS系統等應用。無論是傳統國際品牌，還是造車新勢力和國內自主品牌，在智能座艙上都積極布局，近一兩年都有產品完整產品落地。不同車企加快布局智能座艙情況：
TSPTSP（TelematicsServiceProvider）即汽車遠程服務提供商，處于車聯網產業鏈核心環節，在汽車與用戶手機之間以及汽車與服務商之間扮演重要角色。TSP是產業鏈中潛在利潤空間最大的環節。作為產業鏈的核心位置，TSP擁有整個鏈上最核心的大數據資源，且其數據具有積累性，據此可以演化為多種商業模式，是車聯網產業鏈潛在利潤空間最大的環節。TSP目前主要由整車廠主導和互聯網及科技公司主導兩種模式，市場競爭激烈。就生產模式目前以整車廠主導的TSP為主流模式，各大互聯網巨頭爭相入場，蘋果(Carplay),百度(Carlife，超60品牌合作，超300款車型)在國內市場已成為主流方案，此外還有Google(AndroidAuto)。
自動駕駛產業鏈下游：整車廠和第三方服務
自動駕駛產業鏈下游主要為整車廠和第三方服務。經過各層級的技術研發，最終由整車廠進行技術集成與生產組裝，完成無人駕駛產品的生產的末環。
車聯網產業結構中整車廠與第三方服務環節：
整車廠商也在積極布局智能網聯汽車產業。新興車企（蔚來、零跑、理想、小鵬、奇點等）具備后發優勢，在研發方面普遍優于傳統車企，科技嗅覺更靈敏，部分智能網聯相關技術已成為產品亮點。傳統整車廠商（一汽、廣汽、北汽、長安、吉利、奇瑞等）在智能網聯領域的發展相對較緩，在軟件算法等領域開發能力相對不足，多數選擇以收購或戰略合作的方式與科技企業共贏。
無人駕駛：汽車產業主流發展趨勢
當前美國、德國等國家均將自動駕駛汽車視為未來汽車產業發展的主流趨勢，各方面投入持續加大。在高等級自動駕駛領域，由于前期研發投入大、技術難度高，L3級及以上自動駕駛汽車商業化進程緩慢，產業鏈合作伙伴抱團共同發展漸成常態。國內的自動駕駛路測起步較晚，但進展較快，Robotaxi落地進程和乘坐體驗不斷超出市場預期。2018年3月，上海成為國內首個發放自動駕駛道路測試牌照的城市，截至2020年底，已有北京、上海、廣州、長沙、天津、重慶、肇慶、杭州、深圳、滄州等27個城市發布了自動駕駛相關道路測試政策，國內累計發放409張自動駕駛道路測試牌照。2020年前后，百度Apollo、AutoX、小馬智行、文遠知行、元戎啟行、滴滴出行、曹操出行、馭勢科技等陸續均開放了面向公眾的試乘服務。中國的自動駕駛貨車玩家主要有圖森未來、嬴徹科技、智加科技、主線科技等，均已開展了自動駕駛卡車道路測試，并和整車廠、Tier1、芯片商等開展密切合作，獲得物流背景公司的重要投資。
進入2021年以來，僅僅3個月時間中國自動駕駛賽道披露的投融資額已經超過2019年全年。主要玩家將具備自動駕駛能力、硬件整合能力、跨平臺軟件和服務變現能力，以及無人車運營能力。本土品牌廠商有望崛起，通過軟件及服務體現差異性，并從硬件向軟件及服務轉型，帶來車企利潤率及客戶粘性的提升。而整車品牌、整車制造、零部件、軟件服務等有望孕育平臺型汽車企業，市場份額更加走向集中化。隨著自動駕駛技術的成熟以及新時代下整機廠將自動駕駛作為汽車賣點之一，L3+自動駕駛汽車的比例預計將快速提高。智能汽車產業將在下一個十年中將呈現電動化、智能化、網聯化和共享化的趨勢。
自動駕駛產業鏈全梳理，這些公司已布局
全球自動駕駛正處于L2向L3級別轉變的階段，目前產業整體依舊處在爆發初期。隨著半導體技術的提升、電動化和智能化普及以及技術成本的降低，自動駕駛市場將得到廣泛發展，高級別自動駕駛產品量產也正加速落地。
圖1 自動駕駛市場規模及預測
整體來看，當前市場中大規模量產的車型（新能源與傳統燃油車型）仍為L2+級自動駕駛系統，并且L2級占據了當前大部分的市場增長空間。另一方面，由于L3級別駕駛對于目標和事件的響應將完全交付于系統決定，出于的安全方面的考慮，L3級別目前仍不能達到量產級別。
從全球主要國家對自動駕駛推進進程來看，目前均處于法律監管不斷優化、政策持續更新的狀態，且有望在2025年前后達到L4級高度自動駕駛的目標。
歐盟于2018年頒布《通往自動化出行之路：歐盟未來出行戰略》，表示2025年要結合V2X（車路協同）達到L4自動駕駛系統；2030年達到L5完全自動駕駛系統。中國2020年11月份發布《新能源汽車產業發展規劃（2021-2035）》，爭取2025年實現高度自動駕駛汽車實現限定區域和特定場景商業化應用，2035年實現高度自動駕駛汽車實現規模化應用的目標。截至2020年2月，美國至少有41個州和哥倫比亞特區已審議與自動駕駛汽車相關的立法。
二、產業鏈長，“感知-決策-執行”構成上游產業通路
自動駕駛功能的實現需要汽車制造商、零部件供應商、車載計算平臺開發商、出行服務供應商等多方主體參與，因此產業鏈較長。
其中上游包括感知層、決策層和執行層。中游為平臺層，包括整合的智能駕艙平臺、自動駕駛解決方案以及傳統的車聯網TSP平臺；下游主要為整車廠和第三方服務。
而感知、決策、執行是構成自動駕駛最重要的三大系統。通過感知層識別車輛周圍環境信息，以此為基礎經過高算力計算中心做出相應的優化措施，再通過執行層對車輛行駛進行反饋，從而形成智能駕駛通路。
1.感知層：攝像頭或激光雷達形成兩極格局
感知是實現自動駕駛極為重要的一環。作為汽車的“眼睛”和“耳朵”，只有在準確識別周圍的環境和路面信息時，才能給予車輛正確的反饋。當下主流的環境感知設備有攝像頭、超聲波雷達、毫米波雷達以及激光雷達等。
表2 車輛傳感器功能及能力對比
從特點來看，不同傳感器各有優劣，適用場景的側重也各有不同。目前主流方案都是以多傳感器融合為主，但存在兩種不同路徑：一種是以特斯拉、Mobileye為典型代表，通過攝像頭為主，毫米雷達為輔的視覺方案。一種是以激光雷達主，其他雷達和攝像頭為輔的方式，是目前市面上大多數智能駕駛車企采取的解決方案。
關于視覺主導和激光雷達主導的方案，不同的車企有不同的看法。2021年5月特斯拉在不使用激光雷達的前提之下宣布取消北美版2021款Model 3和Model Y的毫米波雷達，成為了視覺主導方案的絕對踐行者，這種方案硬件成本相對較低，但是對算法和云端的要求很高。而國內自主品牌蔚來（NIO.N）、小鵬（XPEV.N）等所搭載的是以激光雷達為主的方案，具備安全冗余的優勢，并能在一定程度上彌補算法的不足，但是硬件成本較高。
在車載傳感器這一領域，除了博世、法雷奧、索尼、Waymon等知名車載傳感器供應商外，國內企業在這一產業鏈中也有著一定的建樹。
表3 中國部分在攝像頭與雷達領域所涉及的企業盤點
高精地圖作為自動駕駛的整體規劃者，也是感知層面不可或缺的一部分，他能彌補攝像頭和雷達因距離過遠效果缺失的缺陷。前高德事業部總裁韋東說，高精度地圖就像自動駕駛汽車的記憶，“離開了記憶，無論眼睛和思考(攝像頭及雷達) 有多么發達，還是無法對事件有全局把控”。高精地圖相較于普通導航地圖，不僅增加了很多與輔助駕駛相關的信息，還提高了精度，是實現自動駕駛的有力工具。
表4 中國部分具有高精地圖測繪的企業盤點
相較于國外幾乎被Waymo和Here壟斷的高精地圖市場，國內市場相對寬廣。國內高精地圖的測繪必須要有相應的資質，行業壁壘較高。其中四維圖新（002405.SZ）作為國內傳統圖商，技術成熟，行業優勢明顯。但隨著大數據產業的崛起，地圖測繪方式發生了些許改變，百度（9888.HK）、阿里巴巴（9988.HK）由于在數據收集層面的優勢，得到了迅速的發展，目前百度已成為這一領域的頭部玩家。
圖2 2020年中國高精地圖廠商市場份額
2.決策層：行業進展明確，國產芯片加速追趕
作為智能汽車的“大腦”，將從傳感器收集到的數據進行分析并提供給硬件以做出相應的執行，一般來說決策系統包括硬件平臺、軟件以及操作系統三個方面，而汽車芯片的發展是自動駕駛市場無法忽視的一環。
目前，隨著汽車智能化水平加速提升，智能汽車對高性能大算力的芯片的需求也迅速增長，傳統汽車的芯片已經無法滿足當前的運算需求，MCU（單片機）正快速向SoC（系統芯片）革新。
圖3 L1-L5各級別智能駕駛算力需求（TOPS）
市場上主流的自動駕駛SoC芯片計算核心分為CPU、GPU（圖像處理器）、FPGA（現場可編程邏輯門陣列）、ASIC（專用處理器）等多種，其中通用性較強的CPU+GPU和運算速度較快的CPU+FPGA均是前期較為成熟的芯片架構方案，而ASIC屬于特定場景定制的芯片，通用性低但針對特定場景的每瓦功耗以及安全性更好，雖然前期開發成本較高，但CPU+ASIC未來將成為行業主流。
在芯片相關硬件廠商方面，傳統汽車芯片廠商德州儀器、恩智浦等壟斷的地位正逐漸被打破，更適合智能汽車的芯片廠商在這一領域得到快速發展，Mobileye、英偉達等企業崛起，國內芯片廠也抓住市場機遇、加速追趕，地平線、黑芝麻智能科技等所研發的芯片也逐漸開始用于商業量產。
表5 當前自動駕駛汽車芯片主流企業及芯片信息
操作系統層面，目前有QNX/Linux/Android爭奪市場，市占率較高的為QNX，但主要是由于其先發優勢，并且QNX作為閉源系統，在面臨Android和Linux等開源系統的挑戰，操作系統市場仍有較大的競爭空間。
3.執行層：行業格局一超多強，國產企業發展可期
目前市場中L2級智能汽車主要為新能源車，與傳統汽車本質的區別就在于動力能源由化石燃料變為電驅動，在控制執行上也由機械控制轉變為電氣控制，電氣控制延遲低、精度高，但是壽命較短并且成本高，目前性價比較低。但從未來發展趨勢來看，電氣控制與智能汽車的相性遠遠優于機械控制，隨著技術升級，電氣控制將成為更高級別自動駕駛的必經之路。
而控制執行層的核心技術就是車輛的縱向控制與橫向控制。縱向控制車輛的油門和制動，而橫向控制的是車輛的轉向。目前汽車的電氣化升級路線主要是實現線控執行，包括線控油門、線控轉向和線控制動三個方面。
線控油門目前已經較為成熟，已有較高普及率；線控轉向基于技術層面和成本層面的考慮，并未完全實現純線控，多位混合轉向的模式；線控制動目前業界有EHB（電子液壓制動）和EMB（電子機械制動）兩種線控制動方案取代較為傳統的制動模式，但成本較高，全面替代還需要一定的時間。
在整車控制執行領域由于安全性要求高，驗證周期長，傳統Tier1博世、大陸等優勢明顯，形成一超多強的壟斷格局。而我國在這一領域的參與者主要為一些初創公司如伯特利、拿森電子等，規模相對較小，距離行業龍頭還具有一定的差距。
表6 當前線控系統市場部分企業
自動駕駛產業鏈中游主要是解決方案供應商，目前業內主流解決方案供應商包括：Waymon——L4+級自動駕駛領域的領跑者，其研發實力被公認最強；Cruise——其技術力與Waymon相當，在被通用收購后商業化能力得到提升；Mobileye——是當前L2級駕駛解決方案的先驅和視覺解決方案的主要供應商；百度Apollo——當前中國自動駕駛研發的先驅者，據零壹智庫統計，百度以2000+的專利數量位列中國自動駕駛專利榜第一的位置，商業化上或將為百度帶來新的增長點。
而產業下游主要為整車廠商，包括：特斯拉（TSLA.O）、圖森未來（TSP.O）、蔚來（NIO.N）、理想（2015.HK）、小鵬（9868.HK）、小米（1810.HK）、吉利汽車（0175.HK）等。
參考鏈接：
https://www.dongchedi.com/article/6951566465996734988
http://www.thecapital.com.cn/newsDetail/68341
總結
- 上一篇： ONNX MLIR应用示例（含源码链接）
- 下一篇： 写算子单元测试Writing Unit