自動駕駛汽車發展前景如何 中國自動駕駛行業前景分析

• 2020年4月20日 HaoChenChong來源：互聯網 1471 97
• 繁體

自動駕駛汽車(Autonomous vehicles;Self-driving automobile )又稱無人駕駛汽車、電腦駕駛汽車、或輪式移動機器人，是一種通過電腦系統實現無人駕駛的智能汽車。在20世紀已有數十年的歷史，21世紀初呈現出接近實用化的趨勢。

自動駕駛汽車(Autonomous vehicles;Self-driving automobile )又稱無人駕駛汽車、電腦駕駛汽車、或輪式移動機器人，是一種通過電腦系統實現無人駕駛的智能汽車。在20世紀已有數十年的歷史，21世紀初呈現出接近實用化的趨勢。

自動駕駛成本為何這么貴?

人才、數據、硬件都是原因

1、人才

在美國，自動駕駛工程師仍處于緊缺狀態。目前的從業工程師中，過半人數擁有博士學位，剩下的也大多擁有碩士學位，平均工資在23萬美元左右，最頂尖的10%人才更是坐擁35萬美元以上的年薪。

2、數據

為了收集足夠的數據來訓練模型，建立自身競爭優勢，也為了驗證自身技術安全性，分析道路實際場景，各自動駕駛企業均需要進行大量的公共道路測試。

在路試中，每部車都至少需配備一位安全駕駛員，一位工程師，以及一位控制室監控員，這其中的人力成本不言而喻。再考慮上高額的保險費用，其開銷便顯得愈發高昂。

3、硬件

其中，鐳達(LIDAR，LIght Detection and Ranging)，便是全車最為昂貴的部分。

鐳達借助激光的反射探測四周物體，得到準確的立體位置關系，生成三維的點云數據，是絕大多數自動駕駛技術和機器人技術的感知核心。

長期以來，僅有Velodyne、Quanergy等少數廠商具有鐳達的研發與制造能力，其價格亦長期高居不下，成為自動駕駛汽車上遠超汽車本體，最為昂貴的部件。以Velodyne的64線鐳達為例，其售價高達75000美元，和寶馬7系的售價相差不遠，而一輛自動駕駛汽車上往往需要多個鐳達協同工作，確保感知的準確性、實時性，這使得自動駕駛來的更為昂貴。

自動駕駛發展前景：

2013年12月31日全球知名經濟咨詢機構IHS環球透視(以下簡稱IHS)汽車部門預測，截至2035年全球將擁有近5400萬輛自動駕駛汽車，而全自動化汽車的推出速度會相對較慢。

預計至2035年自動駕駛汽車全球總銷量將由2025年的23萬輛上升至1180萬輛，而無人駕駛的全自動化汽車將于2030年左右面世。研究還預測，到2050年之后，幾乎所有汽車或將是自動駕駛汽車或自動駕駛商務汽車。

預測至2025年全球自動駕駛汽車銷量將占汽車總銷量的0.2%。至2035年，隨著無人駕駛變成現實，這一數字將上升到9.2%。該公司在一篇報告中預測，2025年自動駕駛汽車電子技術將使汽車售價上升7000美元至1萬美元(約合人民幣42373元至60533元)不等，至2030年和2035年則會分別回落至5000美元和3000美元。

據中研產業研究院發布的《2020-2025年中國自動駕駛行業前景分析與投資戰略咨詢報告》統計數據顯示：

自動駕駛行業集中度分析

1、市場集中度分析

圖表：我國自動駕駛行業細分領域市場集中度情況

數據來源：公開資料整理

我國自2015年起持續推出引導自動駕駛發展的相關政策，意在推動交通發展提高質量效益轉變。在2019世界智能網聯汽車大會上，交通運輸部總規劃師王志清表示交通運輸部將從三個方面推動自動駕駛：一、加強協同合作，優化政策供給，出臺自動駕駛頂層設計文件;二、夯實發展基礎，公關自動駕駛與車路協同技術，推動交通設施數字化;三、開展試點示范，建設自動駕駛示范路、示范區，以2022年北京冬奧會等為節點，推動智能網聯汽車商業化運用。我們認為，此次發言給予市場一個較為明確的落地預期，預計將在2021-2022年間迎來自動駕駛產業的拐點。

2、企業集中度分析

由于我國道路的復雜和地方交通情況的差異，在衡量一個自動駕駛企業的技術成熟程度時，要同時考慮到其技術是否具有普遍適用于不同實測環境的能力。自動駕駛汽車的最終目的是在所有道路上徹底實現無人駕駛功能，由于我國廣闊的疆土和豐富的自然、人文環境，這一目標的實現需要收集大量不同地區的信息，并根據這些信息設計并完善自動駕駛系統。在國內，百度已完成的實測區域數量在行業中領先其他企業，覆蓋了我國不同地區的城市。在發達城市上，在北京和陽泉等進行實測，而在西部城市重慶測試則體現出實測區域的地理差異。百度自動駕駛測試數據的多樣性可以更好地體現百度自動駕駛系統在不同地區、不同道路信息和規范下技術的可靠性，而且在城市收集的實測數據有利于百度的系統更新和算法完善。在這一指標上，百度與國內其他企業相比具有非常大的優勢，該優勢也可以轉化為將來系統進一步優化的巨大潛力。

圖表：2019 年各企業累計實測區域個數

資料來源：公開數據整理

3、區域集中度分析

在行業內對比過程中，我們注重自動駕駛測試區域的個數、差異、地理分布，以此反映出自動駕駛車輛在面對不同道路行駛環境、氣候等其他因素時的適應能力和一致有效性。同時，企業大量的實測區域數表明該企業具有多樣性的個體數據，能更好地為自動駕駛系統的學習和更新提供支撐。

(一)地理位置差異造成的地理環境差異

我國地域遼闊，各地地理環境差異較大，在自動駕駛過程中，車輛需要通過感應器識別道路信息，在識別的過程中，天氣情況的變化可能對識別效率和自動駕駛系統執行操作的時間造成影響。所以，自動駕駛企業需要通過在不同地區測試，基于這些測試結果，完善自動駕駛系統，使得系統可以全面解決由地理位置差異造成的故障與問題。

(二)經濟發展差異造成的交通設施、法規差異

我國城市經濟發展具有一定的差異，一、二線城市交通設施齊全，但也具有復雜性，三、四線城市相對道路信息簡單，但是存在設施不完善的情況。在自動駕駛汽車沿車道行駛時，車道間安全提示線為感應器的識別對象之一，但在地方城市，部分道路存在線路規劃不明確等問題，這將成為自動駕駛汽車安全行駛的挑戰。而且挑戰也存在于交通復雜的大城市，在遇到立交、待轉區、外車道調頭等問題時，自動駕駛汽車需要識別并判斷行車車道，這需要大量數據支撐，以及不斷對算法進行優化。

根據中國交通發展和城市經濟發展的實際情況來看，未來自動駕駛行業的主要市場區域還是主要集中在一二線城市。

圖表：截止至2019年自動駕駛企業已公布累計實測區域個數

資料來源：公開數據整理

想要了解更多關于行業專業分析，請關注中研普華研究報告《2020-2025年中國自動駕駛行業前景分析與投資戰略咨詢報告》

• 相關深度報告REPORTS

  

  2020-2025年中國自動駕駛行業前景分析與投資戰略咨詢報告

  自動駕駛系統可分為感知、決策和控制三個層面，其中決策層主要依靠機器視覺、深度學習、傳感器、高精度地圖和車聯網等技術協同合作，對感知層傳來的路況和車況數據進行認知和判斷，形成實時的行...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡