(报告出品方/作者:安信证券,徐慧雄,马良,赵阳,李泽)
1.国内汽车电子综合供应商,20年积淀铸成3大核心产品线
1.1.从技术服务商到汽车电子综合供应商,20年积淀铸成公司3大产品线
历经20年积淀,公司已从软件技术服务商成长为智驾产品软硬件综合供应商。公司于年9月成立,创业之初主要以汽车及航天动力控制系统领域的基础软件开发工具代理业务为主。同时,公司基于对其代理软件的熟悉度,逐步开始将相关开发工具应用于实践,为主机厂提供完整的研发服务及解决方案服务业务,并在年成功承接东风汽车发动机仿真测试项目。此后的数十年间,又陆续为一汽、东风、上汽搭建了整车E/E系统仿真功能测试实验室(-)、吉利新平台车型全栈研发及测试服务(-)等。
年,公司成立汽车电子产品部门,开始迈向车身控制领域的硬件研发,开拓汽车电子产品业务。年,公司成为国内第一家加入AUTOSAR组织的基础软件供应商,为公司奠定了在车控领域的软件实力基础,同年公司收入规模突破1亿元。年,公司基于在车身电子领域的软硬件技术积累,进一步升级汽车电子产品,迈向自动驾驶领域,相关ADAS产品成功量产至上汽荣威、一汽红旗等车型。年,公司开始探索L4级自动驾驶业务,整合仿真测试、高算力智驾控制器等软硬件技术,并于年成功为日照港提供全套港口MaaS解决方案。由此,标志着公司高阶智驾业务整体解决方案业务成功实现商业化落地,同年公司收入规模突破30亿元,净利润达到1.46亿元的历史最高水平。
目前,公司核心业务包括研发服务及解决方案服务、车身电子产品、智能驾驶电子产品、智能网联电子产品,以上四大业务合计收入规模占总收入90%以上(年数据,下同)。其中,智能驾驶电子产品是公司未来收入规模增长的核心驱动力。我们预计年该业务收入已超过6亿元,主要受商用车新政策驱动(根据交通部《营运货车安全技术条件》,年9月起,18吨以上载货车需要强制安装车道偏离预警和前向碰撞预警系统;年5月起,12吨以上载货车需要强制安装自动紧急刹车系统),公司配套商用车的ADAS控制器产品出货量大幅提升。
因此综合来看,-E该业务收入规模CAGR超过67.5%。除此之外,公司还拥有底盘控制电子产品(占比1.7%)、新能源和动力系统电子产品(占比1.6%)、高端装备电子产品(占比1.5%)、汽车电子产品开发服务(占比3.3%)等。下文我们将针对车身电子、智能驾驶电子、智能网联电子三大核心硬件产品进一步分析。
1.1.1.车身控制器:已凭借规模优势构筑强护城河,长期有望受益于车身域融合趋势
公司车身电子产品品类繁多,涵盖防夹控制器、座椅控制器、商用车车门控制系统、自适应前照灯系统控制器等数十种,配套客户包括一汽、上汽、长城、广汽等主机厂以及英纳法等外资Tier1。其中,主力出货产品包括防夹控制器、BCM车身控制器、车身域控制器、车门域控制器、电动后背门控制器。根据公司招股说明书数据统计,H1车身电子产品平均价格为.6元;-H1总销量分别约为万套、万套、万套、万套,其中防夹控制器占比最高,销量分别约为万套、万套、万套、万套。
目前,公司车身控制器业务已凭借多年来所积淀的规模优势及基础软件优势构筑了稳定的护城河。公司是国内最早一批布局车身控制器的内资Tier1,相较于国内其他供应商已展现出相当的规模优势和品质优势,是国内为数不多的可与外资Tier1直面竞争的车身电子供应商,相关产品已成功配套于福特集团、通用汽车、戴姆勒等全球头部主机厂。同时,由于车身控制器近些年正由原本分散的控制器模块融合为BCM车身控制系统,所对应的软件代码量亦呈现指数级增长,因此需引入更多的第三方商业软件及AUTOSAR等规范体系软件。而公司作为国内第一家加入AUTOSAR组织的基础软件供应商,其多年来所积淀的基础软件开发能力将持续赋能车身电子领域,进一步巩固自身护城河。
此外,BCM模块亦有望进一步升级为车身域控制器,单车价值量将大幅提升。目前,常规的车身控制模块单车价值量约~元左右,其中除了负责中央控制的MCU外,已包含了可实现远程无钥门禁(RKE)和被动无钥门禁(PKE)的收发器和接收器,驱动雨刮、门锁、座椅加热等功能的电机驱动器,针对于LED车灯的驱动芯片等。而随着汽车功能的不断增加,BCM中输入/输出处理器和通道数量也会不断增加,这时开发车身控制模块软件的复杂性也呈指数级增加,并且还面临着功耗、信息安全等问题。
因而在E/E架构由分布式走向域集中的过程中,众多主机厂亦将车身控制系统域融合为车身域控制器,在原有的BCM模块基础上进一步集成了胎压监测、PEPS、以太网关等功能,同时也使得该产品单车价值量实现数倍增长。特斯拉在Model3中已率先将整车车身根据物理区域划分为前、左、右三大车身域控制器。
其中,左右车身控制模块把部分基础功能按区域进行对称划分,两者分别负责各自区域内的内外部灯光、门锁、车窗、驻车卡钳等。而相对于左车身控制器,右车身控制模块还具有两个独有的功能—热管理(左车控制器仅负责鼓风机等)和自动泊车辅助系统(APA)。前车身控制模块则主要负责为整车中各个控制器进行电源分配、车前大灯、雨刮器等传统BCM的功能。在此高度集中的设计下,特斯拉三个车身控制器已相当于传统汽车中的车身控制器、4个车门控制器、2个座椅控制器、方向盘位臵记忆控制器、空调控制器、电池传感器等众多ECU的融合。
根据高工智能汽车研究院数据统计,年度中国市场(不含进出口)乘用车新车搭载BCM集成域控制器(处于过渡阶段的产品)上险量为84.23万辆(按单车统计口径,部分车型搭载多个域控制器),前装渗透率为仅4.13%,处于替代升级的早期阶段。面对车身电子产品换代升级的新趋势,国内以经纬恒润、东软睿驰、诺博科技等为代表内资厂商已相继发布车身域控产品,有望打破传统车身电子由外资供应商垄断的格局。经纬恒润已于年推出BDCU车身域控制器,能够兼容传统BCM功能,同时集成空调算法、门控逻辑、胎压监控、以太网通讯接口等,且已成功配套量产至一汽集团、华人运通等主机厂。东软睿驰于年推出基于NXPS32G汽车网络处理芯片(全球首个同时集成传统MCU与具备ASILD功能安全MPU的芯片)打造整车通用域控制器,并以此为基础可根据主机厂需求灵活应用于车身域控制(集成网关、车窗控制、灯光控制等功能模块)、底盘域控制(:集成智能控制悬挂、电子驻车单元等系统功能模块)等多个领域。
1.1.2.智驾控制器:产品已完成L4以下全等级覆盖,将充分受益于ADAS渗透率提升趋势
整体来看,公司智驾控制器产品主要包含ADAS控制器、ADCU域控制器、HPC车载计算平台及各类传感器,功能覆盖L4级以下全部自动驾驶等级。分不同功能等级来看:
(1)在L2级以下领域:公司同时具备面向行车及泊车领域的控制器。其中,基于Mobileye芯片的“单目一体化”前向视觉系统(也即公司行车ADAS控制器)是公司目前智驾业务中的主力出货产品,可解决L2级及以下的行车智能化功能,例如交通拥堵辅助、车道保持辅助、自适应巡航控制等,已成功量产配套吉利汽车、一汽红旗等多家主机厂。此外,根据主机厂对可具体功能需求的不同,可增配多个摄像头、毫米波雷达以及超声波雷达,形成1V、1V1R、1V3R、1V5R等多种方案。整体来看,-H1公司该产品销量分别为6.75万套、10.18万套、30.67万套和27.23万套。另一方面,公司亦基于德州仪器TDA2/TDA4和英飞凌TC打造泊车控制器(对标德赛西威IPU02泊车控制器),可实现自动泊车、代客泊车(需采用TDA4芯片)等功能,已成功量产配套至上汽大通、宝能汽车、美团、小马智行等客户。
(2)在L3(L2+)级领域:公司基于MobileyeEyeQ4与英飞凌TC的芯片组合打造集行车与泊车功能为一体的ADCU域控制器,并成功量产配套一汽红旗EHS-9,可在新增实现高速路自动驾驶、交通拥堵自动驾驶等高阶智能化功能。(报告来源:未来智库)
(3)在L4级领域:公司基于德州仪器TDA4与英飞凌TC的芯片组合打造HPC车载计算平台,能够搭载自研或客户定制的人工智能感知算法、路径规划和控制方案,实现在高速公路、城市道路、停车场等多场景下安全、精准、稳定的自动驾驶。目前,该产品已获得赢彻科技、宝能汽车等客户定点。此外,公司已于年底与国内车载AI芯片供应商黑芝麻科技签署战略合作协议,未来将就自动驾驶(包括域控制器、泊车等)、智能座舱产品以及相关应用开展全面的技术和商务合作。
目前,公司ADAS控制器已位居国内商用车和乘用车领域头把交椅。年,公司自主研发的先进辅助驾驶系统(ADAS)控制器首次量产配套上汽荣威RX5车型,打破了国外零部件公司在该领域的垄断地位,同时也标志着公司智驾控制器开始规模化量产出货。根据佐思车研数据统计,时至年,公司乘用车新车前视系统(即公司ADAS控制器产品)在中国乘用车新车前视系统供应商装配量中排名第八位,已达到3.6%,为前十名供应商中唯一一家本土企业;在自主品牌乘用车市场中,公司市场份额占比达到16.7%,位居市场第二;在商用车领域,自年9月新规开始实施至当年12月底(根据交通部《营运货车安全技术条件》,年9月起,18吨以上载货车需要强制安装车道偏离预警和前向碰撞预警系统;年5月起,12吨以上载货车需要强制安装自动紧急刹车系统),国内重型牵引车(营运类)搭载公司ADAS产品新车上险量11.2万辆,市场份额达30.44%,居市场首位。
展望未来,公司ADAS产品可凭借Mobileye的强大优势,持续享受L2级自动驾驶渗透率提升所带来的行业红利。由于Mobileye为软硬一体的交付模式,其主控芯片中封装有成熟的感知算法,因此具有相当的性价比优势。尤其对于L2级以下的低阶自动驾驶领域,主要以中低端乘用车及商用车为主,其对自动驾驶配臵的软硬件成本敏感度较高,因此更偏好性价比较高的Mobileye方案。根据高工智能汽车研究院数据统计,年1-11月新车标配前向ADAS视觉感知系统中,采用最多的就是Mobileye方案,占比达到36.3%。而多年以来,公司ADAS产品一直基于Mobileye芯片打造,对应采购金额占总成本比例超过10%。因此,我们认为公司ADAS产品可凭借Mobileye的强大性价比优势,持续享受L2级自动驾驶渗透率提升所带来的行业红利。
1.1.3.智能网联产品:已完成三代产品迭代,可满足当下5G及车载以太网需求
公司智能网联电子产品业务围绕汽车网联化技术趋势展开,主要包括远程通讯控制器(T-BOX)和网关(GW)。其中,T-Box是由OBD、MCU、GPRS、GPS定位模块、蓝牙模块、2G/3G/4G/5G通信模块、电源转换电路以及车载传感器等相关电子件组成的车辆信息与定位信息传输系统,同时通过总线通信的方式使车辆与用户实现信息的互联互通,可为用户提供行车数据、行驶信息、实时状态检测、远程控制以及安防服务等相关数据信息。公司T-box产品经历三次迭代,目前已推出基于5G和V2X技术的新一代T-BOX产品,配套车型包括一汽解放J6、一汽红旗HS5/HS7、广汽埃安S/V/LX等,-H1该产品销量分为5.63万套、21.18万套、34.24万套、21.11万套。公司网关(GW)产品具备平台化特点,整车厂可以通过该产品提升整车拓扑结构的可扩展性和整车信息安全,目前已配套上汽通用别克GL8、奇瑞瑞虎8、吉利缤越/缤瑞/帝豪/远景/远景X3/几何A等车型,-H1产品销量为42.42万套、64.26万套、83.66万套、50.11万套。
T-BOX渗透率渐入瓶颈期,国产替代将为本土供应商核心成长逻辑。T-Box从年初的雏形发展至今,核心通信模组亦从初期的2G持续迭代至5G,已然成为乘用车之中重要且较为成熟的前装零部件。根据佐思车研数据统计,未来几年T-BOX前装渗透率的提升速度将有所放缓,预计至年渗透率将达到85%。同时,由于国内厂商在该领域起步较晚,当前国内T-BOX产品供应商仍主要以LG电子、法雷奥、电装等外资Tier1为主。公司作为本土T-BOX产品核心供应商,年装配量达到36.9万辆,市场占有率达到3.9%,位居全部厂商第10位,本土厂商第5位。因此,未来对于以公司为代表的国内T-BOX供应商而言,装配量提升的逻辑将逐步由享受汽车智能网联化渗透率提升所带来的行业红利转变为国产替代。而对比海内外厂商当前T-BOX产品的核心参数来看,国内厂商在设备启动时间、定位精度、GNSS速度精度等方面性能已不输外资供应商,未来有望凭借性价比优势进一步加速国产替代进程。
1.2.从商用车到乘用车,客户结构已覆盖海内外多数主机厂及Tier1
从整体客户结构角度来看,公司现已相继覆盖商用车及乘用车,直接供货的核心客户包括一汽集团、中国重汽、上汽集团、广汽集团等自主品牌(位居公司前五大客户),-H1,公司前五大客户销售金额占当期营业收入的比例分别为42.6%、50.5%、52.6%和57.5%。同时,公司客户结构也已成功拓展至通用汽车、纳威斯达、达夫卡车等外资主机厂,以及英纳法、安通林、HI-LEX、博格华纳、伊顿工业等国际Tier1客户。此外,公司亦获得了中国商飞、中国中车等高端装备领域客户和日照港等无人运输领域客户。
2.面向高阶自动驾驶领域,ADAS控制器软硬件实现革命性升级
2.1.控制器硬件从一体机迈向中央计算平台,主控芯片效率成为核心胜负手
2.1.1.分布式E/E架构之下:ADAS硬件以一体机方案为主,且相互独立、功能单一
传统汽车采用分布式的E/E架构,单车功能的升级仅依赖于ECU数量的叠加。ECU是集成电路技术应用于汽车领域的重要成果,同时亦是推动汽车电子化的核心元件。与其他工业领域中的电子控制单元类似,ECU的主要物理结构为“单片机+外围电路”。其中,单片机是将中央处理器、存储器、输入/输出接口等集成到一块硅片上构成的微型计算机系统。而外围电路则包含电容、电阻、电感等,与单片机共同集成于单个电路板之上,并最终被安装于一个铝质盒内,通过卡扣或者螺钉方便安装于车身钣金上。根据ECU实际应用领域的不同,传统汽车中的ECU可分为发动机控制、无极变速器控制、自动变速箱控制、主动安全控制、汽车仪表控制等几十种分类,单车整体功能体系的丰富度依赖于车身所搭载的ECU类型。同时,在传统汽车的分布式E/E架构之下,单个ECU仅对应实现某一种功能,且软硬件强耦合(软件升级难度大),因而单车功能的升级方式也仅依赖于ECU数量的增加。
具体至自动驾驶领域而言,在传统分布式架构之下整车自动驾驶系统亦由几个相互独立的子系统构建而成,且每个子系统中的ECU独占其所配套的传感器,产品形态通常以“传感器+控制器”的一体机方案为主。同时,根据控制模块可实现功能的不同,各个子系统具体可分为前向ADAS系统、侧后ADAS系统、自动泊车系统、全景环视系统共四大类,所对应的可实现部分L2级及以下自动驾驶功能。
(1)前向ADAS系统:以前视摄像头模块(FCM)或前视雷达模块(FCR)两种方案为主。其中,前视摄像头模块根据所搭载摄像头数量的不同,又可分为单目、双目、双焦、三焦共四种形态。举例来看,经纬恒润的先进辅助驾驶系统ADAS,即为典型的单目一体机方案,控制器主板上包含两颗芯片,一颗为MobileyeEyeQ4负责完成视觉算法计算(包括图像预处理、样本采集标记、样本训练及分类等);另一颗为英飞凌TC负责逻辑控制,同时进行安全冗余。此外,若搭配前视雷达模块,形成1V1R的传感器方案,则可支持交通拥堵辅助、智能巡航辅助等行车辅助驾驶功能。同时,由于多数传统主机厂在面向低阶自动驾驶领域时主要也以解决行车辅助驾驶功能为主,因此相比较其他子系统,前向ADAS系统当前在前装领域的渗透率最高。根据佐思汽研的统计数据,年中国乘用车新车前视系统(即公司ADAS产品)渗透率为26.4%,预计到年,我国乘用车前视系统装配量将达到.5万辆,渗配率将达到65.0%。
(2)侧后ADAS系统:主要由两个侧后向24G毫米波雷达模块组成,通常辅以前视ADAS系统搭配上车,用以实现部分横向辅助驾驶功能,例如变道盲区预警、开门预警、变道辅助功能等。
(3)泊车辅助系统:主要由泊车控制器及12颗超声波雷达共同组成(8颗安装于车前/后、4颗安装于车两侧)。根据可实现泊车功能等级的不同,泊车辅助系统大致可分为三个级别:最低级的辅助泊车系统仅实现APA功能,也即当汽车在低速巡航时,将使用超声波雷达感知周围环境,帮助驾驶员找到尺寸合适的空车位,并在驾驶员发送泊车指令后,将汽车泊入车位。更高一阶的泊车辅助系统则增加了车载蓝牙通讯模块,可实现RPA远程遥控泊车功能。而最高阶的辅助泊车系统可结合前视ADAS系统、全景环视系统实现AVP代客泊车功能。典型的辅助泊车系统为德赛西威基于JacintoTDA4打造的IPU02,低阶版本可实现APA功能并融合AVM(此前被命名为IPU01);高阶版本可实现AVP代客泊车功能,并已在吉利星越L等车型上规模化量产。从渗透率角度来看,如前文所述,由于当前行业整体自动驾驶渗透率较低,尤其在面向中低端车型时,主机厂对自动驾驶硬件成本敏感度较高,往往仅选择解决行车功能的辅助驾驶系统,因而泊车系统当前成体渗透率仍然较低。根据高工智能汽车研究院监测数据显示,年中国市场(不含进出口)乘用车新车前装标配搭载APA上险量为.26万辆,渗透率仅为11.93%,远低于前向ADAS系统。从竞争格局角度来看,目前国内80%以上的市场份额由外资Tier1垄断,德赛西威则凭借IPU02在内资厂商中排名第一(市占率6.49%)。
(4)全景环视系统:主要由全景环视控制器及4颗环视摄像头组成。同时,由于4颗环视摄像头亦可一定程度上弥补传统泊车辅助系统车位线识别能力不足的缺陷,因而目前全景环视控制器已多与泊车辅助控制器融合。例如,经纬恒润基于“TC+TDA2”芯片方案的泊车控制器,即可同时实现自动泊车及全景环视功能。
2.1.2.域集中E/E架构之下:ADAS硬件升级为域控制器,主控芯片性能决定智驾功能等级
在汽车智能化升级趋势下,若仍采用传统分布式架构,则单车ECU数量将成倍增加,伴之而来的将是整车线束长度及成本增加、系统性升级难度大、难以自动化生产等问题。因此,在全球头部主机厂与Tier1的引领下,汽车E/E架构正由分布式走向域集中,所对应的ECU也将多合一融合为域控制器。而当域控制器成为实现整车功能的核心硬件时,单车功能升级的根本逻辑亦从原本纯粹的累加ECU数量,转为提升域控制器主控芯片的算力及其所驱动的算法。换言之,域控制器主控芯片的性能将一定程度决定单车智能化功能的等级。可以看到,在特斯拉的引领下。
目前,域控制器中主控芯片多以“MCU+GPU+DSP/ISP+XPU+外围电路”的多芯片组合的SoC为主,其中各类芯片各司其职,涵盖控制、计算、加速三个单元。分别来看:(1)MCU实际就是将CPU、RAM、ROM、定时器和输入输出I/O引脚集成在一颗芯片之上,其中CPU为核心运算单元。同时,由于CPU遵循冯诺依曼架构(存储程序并顺序执行),因而在SoC主要对应控制单元,主要负责自动驾驶规化、控制及决策算法。(2)GPU从物理结构上与CPU有本质的不同,ALU计算单元占比更大,因此更适合并行计算(也即将计算任务分割成若干子任务,可在同一时间或空间内完成多个子任务运算,从而快速完成该项计算任务;与之相对应的是CPU擅长的串行计算),主要负责完成图像感知、SLAM构图等算法。
(3)XPU指针对于某特定领域的计算所开发的一类专用芯片(或称为加速器)。当其运用在自动驾驶领域时,可根据芯片架构设计思路的不同,分为谷歌专门为加速深层神经网络运算能力而研发的TPU、寒武纪等公司专门为加速神经网络模型的NPU、地平线基于自研贝叶斯架构而研发的BPU等。(4)DSP和ISP是在模拟信号变换成数字信号以后进行高速实时处理的专用芯片,其中DSP擅长声音领域加速;ISP擅长图像领域加速,其主要功能包括AE(自动曝光)、AF(自动对焦)、AWB(自动白平衡)、去除图像噪声等,通过ISP可以得到更好的图像效果。
我们以英伟达Orin为例,进一步说明当前车载主控芯片结构。OrinSoC集成了GPU、CPU、深度学习加速器DLA、视觉加速器PVA、视频编解码器、ISP等,同时引入了车规级的安全岛SafetyIsland设计。其中,GPU对应运算单元、CPU对应控制单元、ACCEL对应加速单元。GPU采用英伟达自研的Ampere架构,其中包含个CUDACore和64个TensorCore,是提供算力的核心硬件单元。CPU采用ARMCortex-A78架构,合计包含12个CPU内核,最大CPU频率达到了2.2GHz。
DLA全称为DeepLearningAccelerator,顾名思义即用于加速在自动驾驶领域中常用的卷积神经网络模型(CNN),其设计原理也完全依照于卷积神经网络模型的运算原理,也即对乘和累加运算单元的堆砌,但有效提高了整体运算效率,释放了GPU来运行用户所执行的更复杂的网络和动态任务。PVA则主要负责对视觉相关算法加速,尤其针对滤波、扭曲、图形三角生成、特征检测、FFT等矢量运算,具体应用主要是立体双目、特征检测器、特征追踪、目标追踪。(报告来源:未来智库)
2.2.控制器软件从强耦合迈向SOA软件架构
软件在智能车全生命周期过程中地位越来越重要,涵盖定义、开发、验证、销售、服务所有环节,同时当硬件配臵逐渐趋同时,软件算法将成为各主机厂间追求差异化的战略要塞。软件定义汽车”的概念最早于年4月份的IEEE会议论文中被提出,而后于年被百度自动驾驶事业部总经理再次提及,随之这一概念开始在产业界广为流传,并已逐步成为产业界对于智能汽车演进方向的共识。可以看到,在智能汽车的全生命周期中,定义、开发、验证、销售、服务每个环节中软件的地位均越来越重。当硬件配臵竞赛达到白热化阶段时,软件层面的竞争则更能体现差异化竞争力。同时,软件的边际开发成本更低,更易满足用户千人千面的需求,且完善的软件生态亦可为整车厂树立更加牢固的护城河、打造更为差异化的品牌特征,从而反向推动新车的销量。根据McKinseyanalysis数据预计,年全球车载软件市场规模将有望达到亿美元。
为实现真正的软件定义汽车,智能汽车软件架构向SOA转型升级,提升软件开发效率、降低边际开发成本、实现软硬件松耦合。如果说集中化的E/E架构是实现软件定义汽车的硬件基础,那SOA架构则是实现软件定义汽车的软件基础。在传统的整车功能开发中,开发过程基于总线信号,将每个功能都部署在具体的ECU中,这个ECU是软硬一体的黑盒子交付,如果要新增或升级某项功能,除了要修改与该信号相关的所有ECU软件外,还需要对总线的网关配臵、节点的数量等进行修改。而在SOA架构下,本质上是将本质上是将整车的功能分解为多个微服务(例如语音功能服务、导航功能服务、蓝牙功能服务等),其中每个微服务都可视为一个高内聚、低耦合、相互独立的软件模块,并且对外提供标准化服务的接口(不依赖于硬件平台)。对于后期进行功能开发工程师而言,仅需要简单的调用这些标准服务接口并有序的排列组合,即可便捷的持续开发新应用、并一定程度上实现对软件功能的复用,降低边际开发成本。
我们以疲劳驾驶检测和人车共舞两个功能的实现,来举例说明SOA架构下应用的开发原理。如前文所述,SOA软件架构下将整车功能分解为若干微服务模块。而每个服务模块包含三大要素:(1)所需调用的具体设备或网络;(2)可实现的某类功能;(3)可输出的数值或状态。例如对于单一的DMS服务模块而言,所对应的三大要素就是座舱内视摄像头、检测驾驶员面部、驾驶员疲劳状态。而当我们要开发一个完整的疲劳检测功能时,则需要将DMS、导航、音乐播放等微服务模块通过逻辑组合关系构建为一个疲劳检测功能。类似的,当我们要推送人车共舞功能时,则需要调用摄像头、音乐微服务等,仅需要参考各类微服务所包含的要素,并按一定逻辑组合即可实现该功能。
进一步来看,若分层拆解SOA软件架构,自下而上可分为四大层级,相对应的技术壁垒依次降低、但价值量依次递增。
(1)系统内核、虚拟机:该层级在开发时与整车的产品定义以及所采用的硬件平台均无关,为所有汽车软件架构中最为基础以及必不可少的部分。其中,系统内核是软件架构中直接且唯一可对接硬件资源的部分,具备调度硬件的作用。而虚拟机(或称为虚拟化平台)的主要作用为将有限的硬件资源进行抽象化并按需求再次分配,例如座舱内“一芯多屏”的实现即依赖于虚拟机将单颗芯片的硬件资源划分为两个区域,以便不同安全功能等级的操作系统运行(中控往往采用安全功能等级较低的安卓系统、仪表则需采用安全功能等级较高的QNX系统等)。目前可自研系统内核的厂商仅有特斯拉、华为、QNX等;而虚拟机技术则多由内核供应商或芯片厂商提供。
(2)中间件:该层级在开发时需考虑整车的产品定义以及所采用的硬件平台,但与该车型智能驾驶功能水平无关。中间件泛指一类提供系统软件和应用软件之间连接、便于软件各部件之间沟通的软件,是实现软硬件解耦、构建SOA软件架构的核心环节。通过对底层软件模块的封装和接口标准化(也即上文所提到的将整车功能分解为若干个微服务),可以将硬件功能抽象化并将其通过标准化接口提供给上层软件开发者,实现软硬件分离。同时推动跨平台开发,减少设计的复杂性,从而消除了多次重新开发相同软件的问题。
(3)功能软件及算法模块:该层级与整车产品定义、硬件平台、智能驾驶功能水平均有关,但与具体要实现某项智能驾驶功能无关。该层级也可以理解为一类中间件,只不过是特定针对于自动驾驶领域的一类,例如感知算法、SLAM建模算法、控制算法等。由于智能驾驶涵盖多种跨行业技术,单一厂商很难在系统软件之上完成端到端的设计,因此只有实现功能软件化、模块化、标准化,使得产业链各方力量各抒己长(例如算法公司专注于感知或规控等算法、Tier1亦可专注自己擅长的模块),整车厂才能根据功能软件框架进行集成、灵活配臵,从而推动智能网联产品快速落地。
(4):应用程序:该层级代表着某项具体的智能驾驶功能,与整车产品定义、硬件平台、智能驾驶水平都息息相关。应用程序涵盖智能座舱、自动驾驶等多个领域,在SOA软件架构下,主机厂软件工程师可快速调用各类基础模块完成新的应用程序开发并通过云端推送至车主。以上汽零束为例,目前已实现“T+0+1+7”的迭代速度,也即在新的应用场景可于“T+0”快速上线;新的轻应用可于“T+1”快速上线;新的APP则可在“T+7”时快速上线。
3.智驾技术工程化落地能力出众,助力其在L4以下具备多重成长性
3.1.中低阶自动驾驶领域:可基于多个芯片平台实现ADAS产品智能化升级
目前,行业内关于自动驾驶域控制器芯片的选择存在两类主流方案,一类是以英伟达为代表的通用计算芯片(GPU),也即具备支持多类深度学习模型、开放芯片接口供主机厂定制化等特点。另一类是以Mobileye为代表的专用计算芯片(ASIC),其特点为将算法直接封装至芯片内,采用“黑盒”交付模式。多年以来,公司ADAS产品以Mobileye芯片为核心解决方案,因此我们在讨论公司未来在L3级以上自动驾驶领域的成长性时,下文将分为两类情景假设:(1)若公司仍以Mobileye为核心解决方案,在L3+领域是否具备成长空间?(2)若公司不再以Mobileye为核心解决方案,是否能够平滑的迁移至其他芯片平台。
3.1.1.情景假设一:若仍在Mobileye体系内,公司在L2+/L3领域是否具备成长空间?
若公司未来仍以Mobileye芯片为核心解决方案,则其智能驾驶产品未来在L3以上的成长性将一定程度依赖于Mobileye自身的发展情况,因而此处我们将讨论的问题便转变为Mobileye在L3级以上自动驾驶领域是否存在足够成长性。上文提到,历史以来Mobileye采用“黑盒”交付模式,也即将感知算法直接烧录在芯片中,仅对主机厂输出计算结果(例如测距距离、道路曲率等)。此类交付方式特点是性价比高、对主机厂或Tier1的自研能力要求较低,因而在自动驾驶渗透率较低的时期倍受主机厂喜爱。可以看到,Mobileye芯片在年全球整体出货量高达到万片。然而,当下随着主机厂自研能力逐步加强,且自动驾驶逐渐成为众多车型的重要卖点(意味着主机厂对自动驾驶相关硬件成本的容忍度变高、对自动驾驶算法的要求更为苛刻),主机厂在L3以上领域则更偏好英伟达等芯片的“白盒”交付模式,从而将核心感知算法掌握在自身手中,进一步实现全栈自研。
不过,我们认为未来在L3以上领域Mobileye依旧将有一席之地。原因如下:(1)Mobileye已从“黑盒”模式升级为“灰盒”模式,将更多的编译权下放给主机厂Mobileye在EyeQ5开始支持第三方编程,也即开放了图像算法接口和训练算法接口。主机厂可自由选择图像算法的同时也可以通过训练算法接口将自身所采集的数据返还给芯片持续训练,从而持续优化升级自动驾驶算法模型,摆脱原有黑盒模式的刻板印象。
同时,在年初发布三款全新芯片,将成为其在L3以上领域的胜负手,具体包括:EyeQ6Light:阉割版本的EyeQ6,采用7nm制程、5Tops算力、3w功耗、年量产。主要用以替代先前的系列芯片,解决低阶自动驾驶。EyeQ6High:EyeQ5H的进阶版本,7nm制程、34Tops算力。根据官方介绍,算力相比EyeQ5多了接近3倍,但是能耗只多了25%。EyeQUltra:L4级自动驾驶核心芯片,对标英伟达下一代自动驾驶芯片。采用5nm制程、Tops算力、小于w功耗。
(2)丰富的众包地图数据可提升自身运算效率,从而一定程度弥补在峰值算力上的差距英伟达芯片为通用计算芯片,本质上的运算逻辑与Mobileye所采用的专用计算芯片存在差异,因而单纯的去对比峰值算力并不能说明各自的优劣。正如“马力”不如“百公里加速”更真实的反映整车动力性能;算力并不能真实反映汽车AI芯片性能,因此以地平线为代表的科技公司曾提出以“每秒准确识别图像帧率FPS”为真实性能的指标。
Mobileye虽然峰值算力不足但其效率更高。自动驾驶决策中算力消耗的核心环节在于“决策”,也即基于感知的信息对周围的交通参与者的行进轨迹进行预测,然后决策出一条合理且安全的路线,但是一旦涉及到预测,随着预测的未来时间越久,对算力的需求就会进入指数级增长的过程。因此,Mobileye为提升运算效率,获得视觉感知信息后会先进行场景分割,优先计算路面信息,而不是盲目地全局处理。换言之,Mobileye为提升自身运算效率会优先去计算有可能的未来,而不是一味的运算所有未来。而之所以可以实现择优计算,本质上依靠的是已有强大的REM(道路信息管理平台)的众包地图服务平台。根据年CES公司公布信息,Mobileye宣布现有的众包车队在年期间,一共收集了40亿公里的数据,目前每天可以收集2万公里的数据,预计年可以收集90亿公里的数据。
(3)差异化锚定万亿级商用车高阶自动驾驶市场L4以上的自动驾驶应用将分为商用车以及消费级自动驾驶车辆。其中,商用车因其多以固定路线或封闭园区形式,此类厂商更注重的基于自动驾驶功能之上所提供的各类运输或出行服务,因而更偏好于“硬件+算法+地图”的一体化解决方案。也正因如此,我们认为,未来在商用车高阶自动驾驶领域,Mobileye的性价比优势将得以延续。同时,未来商用车自动驾驶应用场景众多,包含港口、矿区、末端物流、智慧园区、干线物流等,其市场规模亦会相当庞大。根据蔚来资本测算数据,远期来看国内高阶自动驾驶商用车市场规模将超过1.4万亿元。
因此,Mobileye一直以来十分着重于商用车领域布局。年,斥资9亿美元收购的以色列出行服务运营商Moovit(业务遍及全球个国家),通过Moovit的技术来扩展Mobileye的移动出行服务。同时,与蔚来汽车合作研发Robotaxi车辆,搭载8颗EyeQ5芯片,预计年在以色列特拉维夫和德国慕尼黑提供Robotaxi服务。此外,在年初的全球CES大会上,美国硅谷创业公司Udelv首次发布使用Mobileye自动驾驶技术开发的电动货运车,并计划在年实现商业运营,到年生产30辆Udelv无人驾驶货运车。目前,美国最大的商业车队管理公司Donlen已订购了0辆该款搭载Mobileye自动驾驶方案的运输车。
(4)英特尔收购Mobileye后,可为其提供成熟软件开发套件,补全其软件生态通常而言,完整的自动驾驶硬件系统不止包含芯片本身,还需要传感器之间的融合算法,再辅以驾驶策略以及决策能力和高精地图。同时,还有功能安全和故障后继续保持工作的能力,因此自动驾驶芯片的销售往往需要辅以成熟的开发套件。而在英特尔收购Mobileye后可有效补全其“灰盒”模式下的软件工具链。实际上,在其收购完成后,英特尔以色列分部的名工程师已全员加入Mobileye,为EyeQ5及以上的SOC芯片专门开发工具链和API,使得主机厂可以自由的将在英伟达芯片上开发的算法和Mobileye算法进行免代码迁移,也即一次开发完成后只需要套工具链进行再编译,就可以编译出两个平台的环境。因此,英特尔的背书一定程度上可以补全在开放时代下,Mobileye芯片的软件生态工具链问题。需要强调的是,自动驾驶芯片对其开发工具链的要求很高,高通此前斥资45亿美元收购维宁尔即是为了通过合并其Arriver部门,补全自身SnapdragonRide自动驾驶芯片的软件工具链实力。
3.1.2.情景假设二:若不在Mobileye体系内,公司能否平滑的迁移至其他芯片平台?
我们认为,公司可凭借强大的自动驾驶工程化落地能力平滑迁移至英伟达等其他芯片平台,原因如下:
(1)公司基于自身在电子系统领域的长期实践经验,在自动驾驶技术工程化落地过程中的多个关键环节均具备强大的研发实力。通常而言,整车自动驾驶技术的落地与应用可分为两个阶段:第一阶段,主要以提升主控芯片性能、优化核心算法策略、升级传感器技术等工作为主;第二阶段,则主要以解决Cornercase、构建数据闭环,搭建标准化基础软件平台、场景库仿真测试等工作为主,同时这也是决定自动驾驶技术能否工程化落地的关键。而公司基于自身在电子系统领域的长期实践经验,目前可提供贯穿整车电子电气系统开发的多种解决方案和多项服务业务,其中即包含汽车基础软件开发、智能驾驶场景库搭建及仿真测试、汽车以太网测试等多个在自动驾驶工程化落地过程中的关键环节。
下文我们将以汽车基础软件平台的构建为例,来具体说明公司在自动驾驶技术工程化落地方面的出众能力:前文中有提到,当汽车中ECU数量大幅增加时,所对应的软件代码数量亦呈现指数级增长,因此为提升不同硬件平台之间软件的可复用性以及降低主机厂与供应商之间的软件适配成本,需引入更多的第三方商业软件及规范体系软件,实现基础软件接口的标准化。典型的规范体系软件即为AUTOSAR,该组织由宝马、博世公司、大陆、戴姆勒等全球头部主机厂和Tier1于年联合建立,旨在为汽车E/E构架开发一套开放的行业标准。而公司是国内第一家加入AUTOSAR组织的基础软件供应商(年)。(报告来源:未来智库)
目前,AUTOSAR架构共分为Classic和Adaptive两类,分别对应传统汽车ECU的开发以及高性能车载计算平台的开发。在传统ClassicAUTOSAR中,海外供应商已在该标准下的开发工具链及基础软件领域占据主导,如EB(大陆集团子公司)、ETAS(博世集团子公司)、VECTOR等,国内厂商则主要以代理为主。而在面向智能汽车领域的AdaptiveAUTOSAR时,由于国内外厂商均处于起步阶段,也成为了国内供应商重点发力的方向。目前,国内已涌现出以经纬恒润、东软睿驰、华为等为代表的厂商,相继发布符合AdaptiveAUTOSAR标准的汽车基础软件开发工具链,在为国内及国际的OEM和供应商提供稳定可靠、便捷易用的开发平台的同时,亦进一步加强了自身对于高性能车载计算平台的开发能力。
(2)主机厂与芯片厂商软件实力日益提升,硬件平台开发门槛逐步下降,使得更多Tier1可参与其中。一方面,主机厂正在通过成立软件子公司、与第三方公司合作、参股新兴科创企业等方式不断完善自身对于自动驾驶中间件及算法的研发实力。另一方面,芯片厂商为构建自身生态,也在不断完善相关基础软件及中间件,并开放编译接口供主机厂使用。可以看到,英伟达已完成基础软件DriveOS、中间件DriverWorks、自动驾驶算法DriveAV、地图Map等多领域软件布局。因此,长期来看在主机厂与芯片供应商纷纷提升软件实力的趋势下,对Tier1考量标准将更多落在工程化落地能力方面。我们认为,公司未来有能力凭借在汽车电子领域积淀的系统性工程化落地能力平滑的迁移至英伟达等其他芯片平台。
3.2.高级别自动驾驶领域:国内少有的L4级综合解决方案供应商
公司于年进入高级别智能驾驶业务领域,年至今,先后在青岛港、唐山港、日照港开展港口MaaS业务,主要进行集装箱和散货场景下的单车智能解决方案开发、智能车队运营管理解决方案开发以及车-云数据中心的建设,覆盖智慧港口无人驾驶重卡投放及运维的全部环节。其中,前期的单车智能解决方案包括整车SOA软件设计、AI感知算法设计、中央计算平台等核心硬件配套、底盘线控的定制化开发等;后期的车队运营管理解决方案具体包含搭建码头整体调度系统、对无人车辆的行驶和作业过程信息化监控、规划行驶路线等。除此之外,为满足智能驾驶系统在长期迭代过程中对海量路试数据的需求,公司开发了云端大数据系统。该系统依托5G网络,具有远程数据采集、压缩、传输、解析、回放、与算法开发工具无缝对接等功能,可服务客户从研发到商业化运营的不同阶段。目前,公司在唐山港、日照港两个港口共投放二十余台智能驾驶港口车开展运营。
成本因素和货车司机的稀缺性成为推动港口智能化升级的核心推动因素,公司作为国内唯一可提供该领域完整解决方案的上市公司。根据中国物流与采购联合会调研数据统计,年我国货车司机中,36-45岁的占比最大,达到48.7%;相较于年调研数据而言,司机年龄显著向中老年段上移,年轻货车司机比例显著下降。
此外,目前货车司机取得驾照类型以A2为主,占比为61.5%;其次为B2驾照类型占比为26.9%;C驾照类型占比为7.2%。而根据我国《机动车驾驶证申领和使用规定全文》,需持有A2驾照才可以驾驶牵引车(含集卡车),而A2驾照的获取必须在获得B2驾照基础上增驾,无法直接报考申领,且在实习期驾驶的机动车不得牵引挂车,因而难以吸引年轻从业者进入。总结而言,在货车司机的老龄化趋势下,对于货车司机的稀缺性将一定程度上成为推动港口智能化升级的重要因素之一。
另一方面,港口的智能化升级可有效降低其运营成本,提升服务效率。例如,当机器学习方法应用于港口企业效益的时间序列分析中时,可从“运营类”、“航运率”等多维度预测未来的走势变化,提供可视化分析效果图来辅助港口进行下一步决策,降低车辆空驶率、提升港口运输周转率并降低物流成本。而从竞争格局角度来看,目前提供智慧港口完整解决方案的供应商主要以图森未来、主线科技为代表的新兴创业公司为主。公司作为传统Tier1厂商,凭借多年以来在汽车感知、决策、控制多个领域的软硬件实力积淀,已成为国内少有的可提供L4级港口解决方案的公司。
长期来看,公司可将L4级高级别自动驾驶业务拓展至园区、矿区、校园等多个场景,从而进一步打开成长空间。类似智慧港口的封闭式自动驾驶场景还包括智慧园区、智慧矿区、大学校园等,同时此类场景相互之间也存在许多共同特点。例如,以上封闭式场景均要求车速均小于30km/h,在场景内均有标准化的道路、指示牌以及固定的停靠区域和行驶路线,且应用车辆类型也主要以重卡、摆渡车等为主。因此,相对应的以上场景所适用的自动驾驶解决方案也存在许多共通之处。对于公司而言,则可以将成熟的L4级自动驾驶解决方案复用于多个场景,从而进一步打开成长空间。
(本文仅供参考,不代表我们的任何投资建议。如需使用相关信息,请参阅报告原文。)
精选报告来源: