- 1 -
敬请参阅最后一页特别声明
市场数据(人民币）
市场优化平均市盈率
国金汽车和汽车零部件指数
沪深 300 指数
上证指数
深证成指
中小板综指
相关报告
1. 《自动驾驶的时代已经开始到来——自动
驾驶系列报告之一：综合篇-...》，
2. 《CES Asia:智能驾驶为最大亮点 -CES
汽车行业点评》，
张帅 分析师 SAC 执业编号：S1130511030009
(8621)61038279
zhangshuai＠
何凯易 联系人
hekaiyi＠
自动驾驶系统：量产导向还是性能导向
——自动驾驶系列报告之二：决策层篇
行业观点
作为自动驾驶系列报告的第二篇，我们将深入分析自动驾驶系统以及涉及
到的软件系统、硬件以及相关的企业的情况和产业的进展。
控制系统是智能汽车的大脑，它收集来自感知层的大量传感器的信
息，将其处理分析，感知周围环境，规划驾驶线路；在车辆行驶时需
要根据周边变化，控制执行层的设备对车辆进行相应的控制；
自动驾驶控制器需要接受、分析、处理的信号大量且复杂，从而为路
径规划和驾驶决策提供支持的多域控制器将会是发展的趋势。
作为自动驾驶的主要参与方，车厂和互联网企业的策略有很大差异，前者
的目标以量产销售为主，从 L2 及 L3 级别的自动驾驶逐渐升级是更具现
实和经济性的策略。
整车厂方面，不少车厂都提出了自己的解决方案：从 L2 到 L4，我们
分别分析了 Tesla 的 Autopilot、Audi 的 A8 AI 和通用 Cruise AV；
L2 级系统解决方案已经普遍进入量产阶段：特斯拉 Autopilot 调整
车道、驶出高速等，OTA更新能够帮助系统训练和迭代算法；
奥迪 A8 是市场上第一款具备 L3 级自动驾驶能力的量产车：中央控
制器 zFAS则是其自动驾驶的核心技术；
通用公布了 2019 年量产 L4 级自动驾驶汽车 Cruise AV 的计划：车
内没有方向盘、制动和油门踏板。
对 Google、百度这类互联网企业而言，自动驾驶是切入出行这个生活场
景的重要机会，他们更倾向于以完全自动驾驶为目标构建系统平台。
Google 的 Waymo 与少数整车厂和传感器厂商进行深度合作，凭借
软件算法的领先优势取得了突破性的进展，并且将与整车厂合作开发
定制化的车辆投入商业化运营；
百度依托 Apollo 平台，整合了多家产业链上下游的企业，旨在向合
作伙伴提供一个开放、完整、安全的软件平台。
基于产业前景和潜在的巨大市场，给予行业买入评级，上市公司方面看好
德赛西威、索菱股份，建议关注路畅科技、东软集团。
公司名称 代码
收盘价
（元）
EPS （元） PE
业务
2017 2018E 2019E 2017 2018E 2019E
德赛西威 35 24 20 自动驾驶系统/CID
索菱股份 42 22 17 自动驾驶系统/CID
路畅科技* 170 90 60 自动驾驶系统/CID
东软集团* 17 27 21 自动驾驶系统
* 来自 Wind 一致预测
风险提示
自动驾驶行业发展不及预期；装车渗透不及预期；产品开发、成本下降
不及预期；使用场景限制；法律法规限制自动驾驶发展；事故影响。
3136
3486
3836
4185
4535
4885
5235
17
06
27
17
09
27
17
12
27
18
03
27
18
06
27
国金行业 沪深300
2018 年 06 月 27 日
新能源汽车研究中心
自动驾驶行业系列报告之二 买入（维持评级）
)
行业深度研究
证券研究报告
行业深度研究
- 2 -
敬请参阅最后一页特别声明
内容目录
一、总论：决策层是自动驾驶的大脑 ..............................................................4
自动驾驶实现：通过决策层、感知层、执行层 .......................................4
决策层的重要性：处理数据控制车辆的核心 ...........................................5
发展趋势：多域控制器 ..........................................................................5
相关公司 ...............................................................................................7
二、整车厂：商业化加速、方案逐渐成熟量产装车 .........................................8
行业变革趋势：新车标配 L3，L4/L5 逐渐成熟 .......................................8
整车厂：积极布局、以最合理的方案量产装车为目标.............................8
L2 级方案：特斯拉 Autopilot..................................................................9
L3 级方案：奥迪 A8 AI ........................................................................10
L4 级方案：通用 Cruise AV .................................................................10
特斯拉 Autopilot Vs. 奥迪 A8 AI Vs. 通用 Cruise AV .............................12
三、科技公司：自动驾驶的开拓者、未来出行的颠覆者 ................................13
Waymo................................................................................................13
百度 Apollo..........................................................................................15
Waymo 小联盟 Vs. 百度 Apollo 大联盟 ................................................18
安全策略：Waymo 逐步进化 Vs. Mobileye 不造成事故 ........................19
应用：共享租车 ...................................................................................25
事故分析 .............................................................................................27
相关公司 .............................................................................................28
四、重点推荐：德赛西威 [] ..........................................................33
五、风险提示 ...............................................................................................35
图表目录
图表 1：自动驾驶实现层级 .............................................................................4
图表 2：决策层是自动驾驶的大脑...................................................................5
图表 3：汽车控制器发展趋势..........................................................................5
图表 4：汽车 ECU架构示例 ...........................................................................6
图表 5：汽车 DCU域控制器架构示例 .............................................................6
图表 6：汽车 DCU与 ECU架构示例 ..............................................................7
图表 7：汽车 MDC 架构示例 ..........................................................................7
图表 8：自动驾驶相关公司 .............................................................................7
图表 9：整车厂自动驾驶布局与进展：通用、福特、丰田................................8
图表 10：整车厂自动驾驶布局与进展：大众、奥迪、宝马、戴姆勒................9
图表 11：特斯拉 Autopilot 功能.......................................................................9
图表 12：奥迪 A8 自动驾驶传感器系统.........................................................10
图表 13：奥迪 A8 中央自动驾驶控制器 zFAS ...............................................10
行业深度研究
- 3 -
敬请参阅最后一页特别声明
图表 14：通用 L4 级 Cruise AV概念车.......................................................... 11
图表 15：通用 L4 级 Cruise AV概念车.......................................................... 11
图表 16：通用 Cruise AV传感器配置............................................................ 11
图表 17：特斯拉 Autopilot Vs. 奥迪 A8 AI Vs. 通用 Cruise AV.......................12
图表 18： Waymo 发展历程..........................................................................13
图表 19：2017 年加州 DMV 报告披露路测成绩 ............................................14
图表 20：Waymo 与克莱斯勒合作车辆及其硬件系统 ....................................14
图表 21：Waymo 自动驾驶测试车辆.............................................................15
图表 22：Apollo 发展历程.............................................................................15
图表 23：百度 Apollo 平台技术框架..............................................................16
图表 24：Apollo 架构..............................................................................16
图表 25：Apollo 运行图 ................................................................................17
图表 26：百度 Apollo 计划成员单位..............................................................17
图表 27：百度 Apollo 计划成员单位..............................................................18
图表 28：百度 Apollo 计划成员单位（按产业链分/部分） .............................18
图表 29：Waymo 模拟测试-虚拟场景 ...........................................................19
图表 30：Waymo 模拟测试-虚拟道路 ...........................................................19
图表 31：Waymo 模拟测试-多次重复 ...........................................................20
图表 32：Waymo 模拟测试-改变条件 ...........................................................20
图表 33：Waymo 模拟测试-验证和迭代 ........................................................20
图表 34：Waymo 封闭道路测试园区.............................................................21
图表 35：Waymo 在全美真实路测超过 350 万英里（截至 2017 年底）.........21
图表 36：RSS安全距离规则 ........................................................................22
图表 37：RSS安全距离规则 ........................................................................23
图表 38：RSS道路权规则............................................................................23
图表 39：RSS盲区规则 ...............................................................................24
图表 40：Mobileye 多系统配合降低测试时间 ................................................25
图表 41：Waymo Vs. Mobileye ....................................................................25
图表 42：自动驾驶车成本分析......................................................................26
图表 43：自动驾驶车成本分析......................................................................26
图表 44：各类厂商宣布的实现无人驾驶时间点 .............................................27
图表 45：自动驾驶出租车运营计划...............................................................27
图表 46：自动驾驶事故 ................................................................................27
图表 47：东软睿驰摄像头产品......................................................................30
图表 48：路畅科技部分 ADAS安全辅驾功能 ................................................31
图表 49：景驰科技发展进度 .........................................................................31
图表 50： 路测车 ........................................................................32
行业深度研究
- 4 -
敬请参阅最后一页特别声明
一、总论：决策层是自动驾驶的大脑
自动驾驶实现：通过决策层、感知层、执行层
自动驾驶系统通常可分为决策层、感知层、执行层，以及高精地图和车联
网的支持。
图表 1：自动驾驶实现层级
来源：国金证券研究所
决策层：依据获取的信息来进行决策判断，确定适当工作模型，制定相应
控制策略，替代人类做出驾驶决策。这部分的功能类似于给车辆下达相应
的任务，例如在车道保持、车道偏离预警、车距保持，障碍物警告等系统
中，需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态，
先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。
由于人类驾驶过程中所面临的路况与场景多种多样，且不同人对不同情况
所做出的驾驶策略应对也有所不同。因此驾驶决策算法的优化需要非常完
善高效的人工智能模型以及大量的有效数据。这些数据需要尽可能的覆盖
到各种罕见的路况，而这也是驾驶决策发展的最大瓶颈所在。
感知层：环境信息和车内信息的采集与处理。这方面涉及到道路边界检测、
车辆检测、行人检测等技术，即传感器技术，所用到的传感器一般都会有
激光雷达、摄像头、毫米波雷达、超声波雷达、速度和加速度传感器等等。
由于各个传感器在设计的时候有各自的局限性，单个传感器满足不了各种
工况下的精确感知，想要车辆在各种环境下平稳运行，就需要运用到多传
感器融合技术，该技术也是环境感知这一大类技术的关键技术所在，目前
国内这方面和国外的主要差距也集中在多传感器融合方面。
执行层：指系统在做出决策后，替代人类对车辆进行控制，反馈到底层模
块执行任务。车辆的各个操控系统都需要能够通过总线与决策系统相链接，
并能够按照决策系统发出的总线指令精确地控制加速程度，制动程度以及
转向幅度等驾驶动作。
高精地图以及车联网的支持，系统能够确定位置并规划一条可通行的路径，
实现智能车辆的自主导航；更进一步，车联网的应用一方面能够是出行更
加方便智能，另一方面又能够扩展汽车交通工具的属性，成为未来个人的
移动平台。
行业深度研究
- 5 -
敬请参阅最后一页特别声明
决策层的重要性：处理数据控制车辆的核心
自动驾驶系统将驾驶认知形式化，利用驾驶认知的数据表达语言，设计通
用的自动驾驶软件架构。在这一架构中，决策层并不直接与传感器信息发
生耦合，而是基于多传感器的感知信息、驾驶地图和车联网通信等信息综
合形成的驾驶状态完成自主决策。
一方面决策层需要收集感知层的数据，分析勾画周边环境，定义驾驶场景，
规划驾驶路线。
另一方面决策层需要控制执行层，按照规划的驾驶路线进行车辆动力、转
向、制动的控制，并且预判路况做出相应的车辆控制。
图表 2：决策层是自动驾驶的大脑
来源：国金证券研究所
发展趋势：多域控制器
多域控制器 MDC（Multi Domain Controller），是通过一块 ECU，接入不
同传感器的信号并进行对信号进行分析和处理，最终发出控制命令。MDC
跟 DCU（Domain Control Unit）域控制器类似，本质上是为了解决汽车
ECU增多之后，汽车控制系统变得复杂，且能力达到上限的问题。
在自动驾驶领域，控制器需要接受、分析、处理的信号大量且复杂，多域
控制是必然的发展趋势，如奥迪 L3 级别自动驾驶的中央控制器 zFAS 就是
一个多域控制器。
图表 3：汽车控制器发展趋势
来源：国金证券研究所
ECU
电子控制单元
DCU
域控制器
MDC
多域控制器
行业深度研究
- 6 -
敬请参阅最后一页特别声明
ECU 电子控制单元
ECU（Electronic Control Unit）是电子控制单元，也称“行车电脑”,
是汽车专用微机控制器。一般 ECU 由 CPU、存储器（ROM、RAM）、
输入/输出接口（I/O）、模数转换器（A/D）以及整形、驱动等大规模集
成电路组成。
最开始 ECU 是用于控制发动机工作，后来随着车辆的电子化发展，
ECU 逐渐占领了整个汽车，从防抱死制动系统、4 轮驱动系统、电控
自动变速器、主动悬架系统、安全气囊系统，到现在逐渐延伸到了车
身各类安全、网络、娱乐、传感控制系统等。
随着车子电子化程度越来越高，尤其是自动驾驶、主动安全等功能的
增加，车子的 ECU 会急速增加。1993 年，奥迪 A8 上使用了 5 个
ECU，到了 2010 年，奥迪 A8 上使用的 ECU数量超过了 100 个。
图表 4：汽车 ECU架构示例
来源：公开资料，国金证券研究所
DCU 域控制器
域控制器（Domain Control Unit）的概念最早是由以博世，大陆，德
尔福为首的 Tier1 提出，是为了解决信息安全，以及 ECU 瓶颈的问题。
根据汽车电子部件功能将整车划分为动力总成，车辆安全，车身电子，
智能座舱和智能驾驶等几个域，利用处理能力更强的多核 CPU/GPU
芯片相对集中的去控制每个域，以取代目前分布式汽车电子电气架构。
图表 5：汽车 DCU域控制器架构示例
来源：国金证券研究所
行业深度研究
- 7 -
敬请参阅最后一页特别声明
MDC 多域控制器
而进入自动驾驶时代，控制器需要接受、分析、处理的信号大量且复
杂，原有的一个功能对应一个 ECU 的分布式计算架构或者单一分模块
的域控制器已经无法适应需求，比如摄像头、毫米波雷达、激光雷达
乃至 GPS 和轮速传感器的数据都要在一个计算中心内进行处理以保证
输出结果的对整车自动驾驶最优。
因此，自动驾驶车辆的各种数据聚集、融合处理，从而为自动驾驶的
路径规划和驾驶决策提供支持的多域控制器将会是发展的趋势，奥迪
与德尔福共同开发的 zFAS，即是通过一块 ECU，能够接入不同传感
器的信号并进行对信号进行分析和处理，最终发出控制命令。
MDC 的这种设计方式，优势有两方面：
一是 MDC 平台本身的可扩展性，MDC 所能够对接的传感器类型与数
目并不固定，可以根据 OEM的需求对应开发，尤其适应不同平台车辆
自动驾驶系统的传感器配置；
二是能够将传感与处理分开，传感器与 ECU 不再是一一对应的关系，
而是通过中央控制器 MDC 统一接受与处理信号，尤其对于 OEM 来说，
可以根据需求更换传感器的类别与供应商。
图表 6：汽车 DCU与 ECU架构示例 图表 7：汽车 MDC 架构示例
来源：德尔福，国金证券研究所 来源：德尔福，国金证券研究所
相关公司
图表 8：自动驾驶相关公司
公司名称 代码
收盘价
（元）
EPS（元） PE
业务
2017 2018E 2019E 2017 2018E 2019E
德赛西威 35 24 20 自动驾驶系统/CID
索菱股份 42 22 17 自动驾驶系统/CID
路畅科技* 170 90 60 自动驾驶系统/CID
东软集团* 17 27 21 自动驾驶系统
来源：国金证券研究所，* 来自 Wind 一致预测
行业深度研究
- 8 -
敬请参阅最后一页特别声明
二、整车厂：商业化加速、方案逐渐成熟量产装车
行业变革趋势：新车标配 L3，L4/L5 逐渐成熟
自动驾驶将在很大程度上改变近百年来人类的出行模式，再加上已经在高
速发展中的汽车电动化和共享化，全球销售规模近 20 万亿的汽车产业将面
临前所未有的变革，产生巨大的投资机会；
目前在 ADAS 基础上，L2 到 L3 级别的自动驾驶将逐渐成为新车型的标配，
产生大量新增需求，这是目前主要的投资机会；L4 到 L5 的完全自动驾驶
也在逐渐成熟中，一旦商业化将影响产业的未来。
自动驾驶在部分领域的商业模式逐渐确立。从基础理论到传感器、芯片、
解决方案，行业发展迅速。目前行业发展的关键在于降低成本、优化方案、
积累数据。
整车厂与科技公司有不同的商业模式，对自动驾驶的理解也不同，传统车
厂更注重自动驾驶的量产装车，而科技公司则希望在短时间内通过软件算
法快速颠覆现有的出现模式。目前看两者互有优劣，整车厂有前装的优势，
互联网巨头在软件方面优势明显，长期看两者必然走向合作。
整车厂：积极布局、以最合理的方案量产装车为目标
从传统车厂来说，对待自动驾驶一方面更慎重，大家都承认自动驾驶会是
未来，但发展自动驾驶的前提是不能影响现阶段的产品开发与销售；而另
一方面各车厂都在积极布局自动驾驶，不断的收购公司，加强自身的开发
实力，在自动驾驶相关的技术专利方面也是积累最深厚。
并且整车厂在开发的过程中，要平衡成本、时间和技术实现的关系，以最
合理的方案量产装车为阶段性的目标。
各大传统整车厂在自动驾驶领域均有自己的研发团队，并且投入巨大，成
果也在逐步显现，L2 的系统解决方案已经普遍进入量产阶段，奥迪的
zFAS系统则是市场上第一家量产装车的 L3 级解决方案，L4 级方案也在开
发中，甚至通用公布了 2019 年量产 L4 级自动驾驶汽车的计划。
图表 9：整车厂自动驾驶布局与进展：通用、福特、丰田
通用 福特 丰田
技术路线 ADAS 与 L4 并行 直接进入 L4 ADAS 与 L4 并行
布局
收购自动驾驶公司 Cruise
（.）
收购激光雷达公司 Strobe
（.）
投资高精地图公司 Ushr
投资打车平台 Lyft（.）
收购打车平台 Sidecar（2016）
自建打车平台 Maven（2016）
自建打车平台 Cruise Anywhere
（2017）
收购自动驾驶公司 Argo（.）
投资激光雷达公司 Velodyne（.）
收购激光雷达公司 Princeton Lightwave
（.）
投资高精地图公司 Civil Maps
（.）
收购机器学习公司 SAIPS（.）
投资打车平台 Lyft（.）
自建打车平台 Ford2GO（2013）
自建打车平台 DynamicShuttle（2015）
收购打车平台 Chariot（.）
硅谷投资 10 亿美元成立丰田研究所
（2015）
投资自动驾驶公司 Nauto（.）
投资激光雷达公司 Luminar（.）
与本田、日产、三菱电机、Zenrin 组建
合资公司 Dynamic Map Planning 制作
高清地图
投资打车平台 Uber（.）
自建共享车辆管理平台 MSPF
（.）
进展
凯迪拉克 CT6 搭载 Super Cruise
（2017）
2019 年量产 L4 级自动驾驶汽车
Cruise AV
推迟 2021 年量产 L4 级自动驾驶汽车的
计划
发布 L4 级概念车 Concept-爱 i
（.）
推出多功能自动驾驶出行平台 e-Palette
（2018）
2020 年推出适合高速场景的 L3 级自动
驾驶汽车
来源：公开资料，国金证券研究所
行业深度研究
- 9 -
敬请参阅最后一页特别声明
图表 10：整车厂自动驾驶布局与进展：大众、奥迪、宝马、戴姆勒
大众 奥迪 宝马 戴姆勒
技术路线 ADAS 与 L4 并行 ADAS 与 L4 并行 ADAS 与 L4 并行 ADAS 与 L4 并行
布局
重组波茨坦设计中心，专注数
字化（2016）
与自动驾驶公司 Aurora 合作
（2017）
与 Here、Mobileye 合作制作高
清地图（2016）
投资打车平台 Gett（.）
自建打车平台 Moia
（.）
自建中国市场打车平台 ezia
（.）
集团层面与自动驾驶公司
Aurora 合作（2017）
与地平线合作共同开发适合中
国国情和路况且面向全球的自
动驾驶技术（2017）
联合收购高清地图公司 Here，
数据共享（2015）
与 Intel、Mobileye 及
Delphi 组成自动驾驶联
盟，共同开发自动驾驶系
统（.）
联合收购高清地图公司
Here，数据共享（2015）
和 Sixt 合资组建分时租赁
公司 DriveNow（2011）
DriveNow 与奔驰旗下
Car2Go 合并（.）
与 NVIDIA、博世合作，
共同开发自动驾驶系统
（.）
投资中国自动驾驶公司
Momenta（.）
联合收购高清地图公司
Here，数据共享（2015）
自建分时租赁公司
Car2Go（2008）
与宝马旗下 DriveNow 合
并（.）
进展
发布 L4 级概念车 Sedric
（.）
2021 年推出 L5 级自动驾驶汽
车 Sedric
搭载 L3 级自动驾驶系统的 A8
量产上市（.）
发布 L4 级概念车 Elaine 和 L5
级概念车 Audi Aicon
（.）
2019 年量产 L4 级自动驾驶汽
车 Elaine
2020 年联合 NVIDIA推出 L5
级自动驾驶汽车
2021 年将 L3 级自动驾驶
方案应用于量产车型
iNext
2021 年发布 L5 级自动驾
驶汽车
2021 年测试 L4/L5 级自
动驾驶汽车
来源：公开资料，国金证券研究所
L2 级方案：特斯拉 Autopilot
特斯拉的方案类似于互联网公司及消费类产品的迭代方式，每一台特斯拉
都会配置当时最新的硬件，然后通过 OTA 不断更新固件，获得更完善的驾
驶辅助或自动驾驶功能。庞大的用户群可以源源不断地供给真实路况的驾
驶数据，帮助 Autopilot 训练和迭代算法。目前 Autopilot 已经推出 和
版本。
Autopilot 相当于 L2 级别的自动驾驶，能够根据交通状况调整车速；保持
在车道内行驶；自动变换车道而无需驾驶员介入；从一条高速公路切换至
另一条；在接近目的地时驶出高速；在接近停车场时自动泊车。
图表 11：特斯拉 Autopilot 功能
来源：特斯拉，国金证券研究所
行业深度研究
- 10 -
敬请参阅最后一页特别声明
L3 级方案：奥迪 A8 AI
是市场上第一款具备 L3 级别自动驾驶能力的量产车，在某些特定情况下，
如在停车和驶离、时速 60 公里以下行驶或交通拥堵时，该系统将接管奥迪
A8 的驾驶操控，而驾驶员则无需持续监控车辆的驾驶与运行。
整个自动驾驶系统由安全电脑、仪表盘、NMI 用户交互导航系统、电子刹
车助力 Brake Boost、电子稳定系统 ESC、电子转向控制 EPS、发动机控
制单元、变速箱控制单元、车身电脑、后轮转向系统、网关 Gateway、电
子悬挂控制平台 EEP和中央自动驾驶控制器 zFAS组成。
中央控制器 zFAS 则是其自动驾驶的核心技术，随着多代的演进，终于
zFAS 从巨大的原型机变成了小型化和适应汽车要求的模样。zFAS，是德
语 zentrales Fahrerassistenz-Steuergeraet 的缩写，其构造包括前方图像
处理单元、全景图像处理单元、传感器融合主控单元和应用主控单元四部
分。
zFAS 由奥迪和德尔福、英伟达、TTTech、Mobileye 合作而来，德尔福提
供硬件，TTTech 提供软件支持（能够达到车规 ISO26262 ASIL D 的最高
安全等级），英伟达提供 GPU，Mobileye 提供视觉芯片，核心处理器包括：
Nvidia 的 Tegra K1 包含 192 颗 GPU，用于做 4 路环视图像处理
Infineon 的 Aurix 多核微控制器用于提供安全服务，以满足诸如 ISO
26262 这样的安全标准
Altera 的 Cyclone 5，用于基于 FPGA技术高速处理信号融合，括障碍
物、地图的融合及各种传感器的预处理工作
Mobileye 的 EyeQ3 由于是封闭的芯片，用于进行视觉信号处理
图表 12：奥迪 A8 自动驾驶传感器系统 图表 13：奥迪 A8 中央自动驾驶控制器 zFAS
来源：奥迪，国金证券研究所 来源：奥迪，国金证券研究所
L4 级方案：通用 Cruise AV
2018 年 1月 11 日，通用联合 Cruise Automation 对外公布了其第四代无人
驾驶汽车概念原型，这款车称为 Cruise AV，由 Bolt EV改装而来，里面没
有方向盘、制动和油门踏板。
通用希望在 2019 年，就能够将这款车型投入到它们的共享出行车队使用。
但在此之前，它们需要征得美国政府的同意。另外，还有 7 个州也需要单
独申请。
行业深度研究
- 11 -
敬请参阅最后一页特别声明
图表 14：通用 L4级 Cruise AV 概念车 图表 15：通用 L4级 Cruise AV概念车
来源：通用 SELF-DRIVING SAFETY REPORT，国金证券研究所 来源：通用 SELF-DRIVING SAFETY REPORT，国金证券研究所
传感层配置包括 5 个激光雷达、21 个毫米波雷达和 16 个摄像头：
5 个激光雷达：Velodyne 的 VLP16 16 线激光雷达；
21 个毫米波雷达：12 个 79GHz 毫米波雷达由日本 ALPS 提供，2 个
前向 2 个后向长距离毫米波雷达推测由德国大陆提供，型号可能是
ARS-408；5 个高分辨率毫米波雷达由德国博世提供，主要是车两侧
和正前方。
16 个摄像头：车顶 10 个，包括一个基线长大约 8 厘米的双目摄像头，
8 个 360 度环视摄像头，摄像头周围均有红外 LED，可以在低照度甚
至黑夜下工作。车内后视镜位置有一个非无人驾驶版 Bolt 的单目摄像
头，车辆最前部位置有一个长距离单目摄像头。车外后视镜和车后部
各两个摄像头。
图表 16：通用 Cruise AV传感器配置
来源：通用 SELF-DRIVING SAFETY REPORT，国金证券研究所
行业深度研究
- 12 -
敬请参阅最后一页特别声明
特斯拉 Autopilot Vs. 奥迪 A8 AI Vs. 通用 Cruise AV
图表 17：特斯拉 Autopilot Vs. 奥迪 A8 AI Vs. 通用 Cruise AV
特斯拉 特斯拉 奥迪 A8 AI 通用 Cruise AV
自动驾驶 L2 L2 L3 L4
发布时间 2014 年 10 月发布
2016 年 10 月发布，2017年
1 月 OTA推送
2015 年 CES 发布，2017
年 9 月德国上市
2018 年 1 月发布第四代原型
车，预计 2019 年量产
中央控制器
nvidia Tegra
3/Mobileye EyeQ3
nvidia Drive PX2 TTTech zFAS 通用第四代自动驾驶软件
芯片
nvidia Tegra 3
Mobileye EyeQ3
2x Denver
4x Cortex A57
1x Parker GPU
nvidia Tegra K1
Infineon Aurix
Altera Cyclon V
Mobileye EyeQ3
未知
传感器
超声波雷达 12 个
毫米波雷达 1 个
前置摄像头 1 个
后置摄像头 1 个
超声波雷达 12 个
毫米波雷达 1 个
摄像头 8 个
四线激光雷达 1 个
超声波雷达 12 个
长距离毫米波雷达 1 个
中距离毫米波雷达 4 个
广角 360 度摄像头 4 个
前向摄像头 1 个
红外夜视摄像头 1 个
16 线激光雷达 5 个
79GHz毫米波雷达 12 个
前向长距离毫米波雷达 2 个
后向长距离毫米波雷达 2 个
高分辨率毫米波雷达 5 个
双目摄像头 1 个
环视摄像头 8 个
车内摄像头 1 个
车外摄像头 5 个
应用场景
高速公路和行车缓慢
的环境
高速公路（支持驶入驶出）
和更拥堵更复杂的路段
高速公路和开放道路
双向高速车道上的行驶速度
低于 60 公里/小时
拥堵路况
除了复杂地形或天气恶劣的
情况
基本功能
主动巡航
辅助转向
自动变道
自动泊车
根据交通状况调整车速
保持在车道内行驶
自动变换车道
从一条高速公路切换到另一
条
在接近目的地时驶出高速
系统接管车辆的驾驶操作，
管控车辆的启动、加速、转
向及制动
系统接管车辆的驾驶操作，
管控车辆的启动、加速、转
向及制动
来源：公开资料，国金证券研究所
行业深度研究
- 13 -
敬请参阅最后一页特别声明
三、科技公司：自动驾驶的开拓者、未来出行的颠覆者
从科技公司的角度出发，他们对待自动驾驶的态度更积极，凭借在软件算
法层面的领先优势，科技公司很早就进入到了自动驾驶的开发与测试中，
是早期的开拓者；并且科技公司与整车厂合作开发定制化的车辆快速投入
商业化运营，也将是未来出行的颠覆者。
一方面这些科技公司在自动驾驶领域取得了突破性的进展，在与整车厂合
作的同时，还保持自身的独立性，维持了科技公司高效的执行力与开发速
度。
另一方面，大资本进入这个行业，势必将极大促进无人驾驶产业的发展，
同时竞争也会更进激烈。
Alphabet 旗下的 Waymo 和百度 Apollo 是大型互联网公司研发自动驾驶系
统的代表。它们的研发路线相似性是都放弃了自主制造车辆，而与整车厂
合作，差异是 Waymo 的合作总结为“小而精”，即与少数整车厂深度合作；
而 Apollo 相反，与较多整车厂、供应商和各类机构形成联盟，但尚未有特
别深入的合作模式。
目前 Waymo 是自动驾驶领域布局最早、进展最快的公司，Waymo 已经开
始在美国亚利桑那州进行无人车的载客试运营，之前还大规模向捷豹路虎
订购了 2 万台 I-PACE 纯电动车，以及向向 FCA 采购 万台克莱斯勒
Pacifica，准备投入正式的自动驾驶商业化运营。
Waymo
谷歌母公司 Alphabet 旗下独立的专注自动驾驶系统开发的子公司。谷歌自
2009 年起启动自动驾驶项目，2016 年成立独立实体 Waymo。
图表 18： Waymo发展历程
时间 开发进展
2009 年 启动自动驾驶汽车项目，成立自动驾驶汽车团队，大范围采集街景数据，构建地图数据库
2010 年 经由《纽约时报》，正式对外公布正在研发全自动驾驶汽车（SAE Level 4 及以上）
2012 年 获得加州机动车管理局（DMV）颁布的自动驾驶汽车路测许可
2013 年 正式开始复杂情况下的城市道路实测
2013 年 设计 Firefly（萤火虫）原型车并进行系列改装
2015 年 公司重组为 Alphabet，开始和汽车制造商 FIAT 合作，不再亲自制造汽车本身
2016 年 成立专注研究并商业化自动驾驶技术的独立实体公司 Waymo
2017 年 拿到美国高速公路安全管理局（NHTSA）的认定文件，开启真人乘车试验
2018 年 在亚利桑那州拿到美国首个商业自动驾驶打车服务执照
2018 年 向捷豹路虎采购 2 万台 i-Pace，向 FCA采购 万台克莱斯勒 Pacifica 用于商业化运营
来源：Waymo，国金证券研究所
2017 年加州 DMV（california department of motor vehicles）自动驾驶报
告披露的数据显示，Waymo 的车队规模、路测里程和人工干预周期上均保
持领先，真实路测里程 2017 年达到 350 万英里，目前超过 500 万英里，
模拟路测里程超过 25 亿英里，在加州开放公路测试里程 352,545 英里，
特别是人工干预周期，达到 5596 英里/次，第二名的 GM 为 1254 英里。
通过报告可以看到，车队规模大，路测里程越长，干预周期越长。因此自
动驾驶系统研发也是一个需要较大财力、时间投入的工程。
行业深度研究
- 14 -
敬请参阅最后一页特别声明
图表 19：2017 年加州 DMV 报告披露路测成绩
来源：加州 DMV，国金证券研究所
根据 Waymo 安全报告披露，公司自动驾驶车辆通过四个步骤来完成：
“我在哪”：提前描绘目标区域的高清 3D 地图
“我周围有什么”：通过传感器感知周边环境
“下面会发生什么”：处理环境信息，预测周边环境变化情况
“我应该怎么做”：规划路线，车辆执行
在与克莱斯勒合作的车型中，一辆车装有 5 个激光雷达，分别为前部 3 个，
顶部 1 个和尾部 1 个；毫米波雷达 4 个，前后部各 2 个；摄像头 1 个，位
于顶部；其他补充传感器 1 个，位于顶部。由于是测试车辆，安装传感器
数量较多，配置冗余比较充分，成本也较高。
图表 20：Waymo与克莱斯勒合作车辆及其硬件系统
来源：Waymo Safty Report 2017，国金证券研究所
从发展历程看 Waymo 在战略上出现过反复，2013 年推出豆荚车表明公司
等努力方向是自己造车，但 2015 年与克莱斯勒合作并宣告不再制造汽车，
表明它对自己进行重新定位，着重做系统研发。当然，与克莱斯勒而不是
0
1000
2000
3000
4000
5000
6000
0
50000
100000
150000
200000
250000
300000
350000
400000
路测里程（英里） 干预周期（英里/次）
行业深度研究
- 15 -
敬请参阅最后一页特别声明
自身研发自动驾驶的通用、特斯拉等公司合作，应该是出于整车厂的合作
意向、开放程度等。
总体看 Waymo 是综合实力最强的自动驾驶公司，路测车队规模、路测里
程都位于前列，并且路测成绩较好，平均 5596 英里才需要一次人工干预。
目前 Waymo 已经开始在美国亚利桑那州进行无人车的载客试运营，之前
还大规模向捷豹路虎订购了 2 万台 I-PACE 纯电动车，以及向向 FCA采购
万台克莱斯勒 Pacifica，准备投入正式的自动驾驶商业化运营。
图表 21：Waymo自动驾驶测试车辆
来源：Waymo Safty Report 2017，国金证券研究所
百度 Apollo
2017 年 4 月发布 Apollo 计划，在百度内部把车联网、L3、L4 各部门整合
在一起加强了竞争力，在外部充当了中国自动驾驶的旗手，召集起一个大
联盟，把车企和供应商都囊括进来，一方面加强联盟内的合作，另一方面
寻求与政府合作、吸收外部资金。
图表 22：Apollo发展历程
行业深度研究
- 16 -
敬请参阅最后一页特别声明
来源：Apollo 官网，国金证券研究所
Apollo 平台是一套完整的软硬件和服务系统，包括车辆平台、硬件平台、
软件平台、云端数据服务等四大部分。旨在向汽车行业及自动驾驶领域的
合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬
件系统，快速搭建一套属于自己的完整的自动驾驶系统。
图表 23：百度 Apollo平台技术框架
来源：公开资料，国金证券研究所
硬件层面：
计算中心：Neousys Nuvo-6108GC，x86 架构的工业控制计算机；
CAN 通信卡：ESD CAN-PCIe/402-B4，与汽车执行层进行信号通信；
GPU 和 IMU：NovAtel SPAN-IGM-A1 或者 NovAtel SPAN ProPak6
和 NovAtel IMU-IGM-A1，进行 GPS定位和惯性定位；
激光雷达：Velodyne HDL-64E S3，扫描距离达到 120 米，水平 360
度扫描，垂直 度；
毫米波雷达：大陆集团的 ARS408-21，车辆前端探测；
摄像头：Leopard Imaging LI-USB30-AR023ZWDR。
图表 24：Apollo 架构
来源：百度 Apollo，国金证券研究所
行业深度研究
- 17 -
敬请参阅最后一页特别声明
软件层面：Ubuntu Linux 推荐版本 ，包含通用模块、控制模块、数
据模块、校准模块、通信模块、驱动模块、深度学习模块、定位模块、监
测模块、感知模块、预测模块、路径规划模块等等。
图表 25：Apollo运行图
来源：百度 Apollo，国金证券研究所
整体工作流程大致是：路径规划模块根据目的地位置计算出具体的导航信
息，激光雷达、毫米波雷达和摄像头拍摄到的数据配合高精度地图由感知
模块计算出 3D 障碍物信息并识别交通标志及交通信号，经由预测模块计
算出障碍物的可能轨迹，并根据车辆定位模块配合计划模块得到车辆应该
走的具体车道；在执行过程中，车辆控制模块结合车辆的当前状态计算加
速、刹车和方向的操作信号，输出到车内，实现了车辆的自动驾驶。
百度 Apollo 计划以“开放”和“联盟”为特色，自计划宣布以来已有近百
家整车厂、Tier1、Tier2、科研机构、运营商等成为盟友，也包括北京、上
海、重庆、福建平潭等地方政府。
就在一周前，百度 Apollo 和重庆力帆集团旗下分时租赁平台盼达用车、重
庆两江新区合作，在两江新区互联网产业园开启了为期 1 个月的自动驾驶
共享汽车试运营。
与金龙客车合作的小巴“阿波龙”，预计 2018 年量产，在国内自动驾驶系
统研发上保持领先。
图表 26：百度 Apollo计划成员单位
汽车制造商 传统供应商 跨行业供应商
北京汽车 福田汽车 Bosh 索菱股份 TomTom
北汽新能源 江淮汽车 Continental 德赛西威 Intel
车和家 金龙客车 Delphi 富迪科技 Microsoft
长安汽车 奇瑞汽车 联电 航盛电子 NVIDIA
长城汽车 蔚来汽车 ZF 路畅科技 VIRES
东风汽车 力帆 Renesas 博泰 Black Berry
一汽解放 猎豹汽车 NXP 紫光展锐 先锋
Daimier 君马汽车 Infincon 中科创达 北斗星通
Ford 威马汽车 ESD 远峰科技 华阳集团
Hyundai 比亚迪 NovAtel 远特科技 同行者
安森美 飞歌音像 中兴通讯
来源：百度，国金证券研究所
行业深度研究
- 18 -
敬请参阅最后一页特别声明
图表 27：百度 Apollo计划成员单位
自动驾驶初创公司 科研机构 地方政府 运营商
Autonomous Stuff Momenta 北航 保定 Grab
地平线机器人 Neousys 北理工 重庆两江新区 神州优车
禾赛科技 PlusAI 清华 上海汽车城 首汽租车
速腾聚创 新石器龙码 上海交大 芜湖 一嗨租车
Velodyne POLYSYNC 同济 北京亦庄 盼达用车
智行者科技 知行科技 中国汽研
中科慧眼 车联天下 Udacity
怡力电子
CSDN
Open Robotics
来源：百度，国金证券研究所
图表 28：百度 Apollo计划成员单位（按产业链分/部分）
产业链部分 主要成员单位
激光雷达 Velodyne，速腾聚创，禾塞科技
毫米波雷达 Bosch，Continental，Delphi
摄像头 ZF，中科慧眼
计算平台 NVIDIA，Intel，NXP，Infineon，Renesas，地平线机器人
自动驾驶汽车 北京汽车，奇瑞汽车，金龙客车，智行者科技等
来源：百度，国金证券研究所
Waymo 小联盟 Vs. 百度 Apollo 大联盟
通过上述分析我们看到，Waymo 走的是“小联盟”战略，与少数整车厂
（克莱斯勒、捷豹、本田等）和传感器厂商进行深度合作。它具有先发优
势，积累较多路测里程和较大车队规模，路测成绩也较好。而百度走的是
“大联盟”的战略，依托 Apollo 平台，尽可能地扩大“朋友圈”。但除数
据共享外尚未看到成熟的合作模式。
虽然 Waymo 和 Apollo 是两种不尽相同的发展路线，但我们认为只是发展
路程的不同，条条大路通罗马。Waymo 首先研发自身的自动驾驶系统，包
括软件和硬件，并与少数几家整车厂进行深度合作，例如克莱斯勒的数十
辆测试车， 2 万台捷豹 I-Pace 投入未来的自动驾驶打车服务，以及与本田
签约进入物流和递送市场，走的是“少而精”的路线，可以快速获得较多
的商业化落地车队。但存在的问题是如果未来跟其他整车厂合作，可能存
在新的技术整合问题。
百度 Apollo 在开始阶段就整合了多家产业链上下游的企业，如果这个联盟
的配合较好，则百度的系统应该可以适配所有联盟内部车企的车辆。但是
这决定了在初始阶段的开发工作为了尽量能通用于多数的下游应用，会持
续较长时间。
此外，互联网公司在汽车产业链上没有积累，量产整车互联网竞争优势不
如传统汽车厂商，2015 年以后 Waymo 的“不生产整车”战略也预示了这
一点。
结合上述分析，Waymo 和 Apollo 或其他自动驾驶系统厂商的商业模式大
概率类似 “安卓”系统，自身研发自动驾驶系统（或包括与其配合的硬
件），与整车厂合作，以用户行为数据分析产生的价值为主要盈利来源。
行业深度研究
- 19 -
敬请参阅最后一页特别声明
安全策略：Waymo 逐步进化 Vs. Mobileye 不造成事故
Waymo
之所以将 Waymo 的安全策略称为“逐步进化”与其自动驾驶战略和强调
逐步接近真实世界的测试有关。
在自动驾驶战略上，Waymo 坚持“创造一个好的驾驶员”为目标，坚持直
接 L4 级别的自动驾驶研发，目标是待技术成熟就能直接替代驾驶员。这与
它互联网公司的本质有关，首先它不是个硬件公司，所以 2015 年以后它
放弃了自主研发汽车，转而与 FCA 等公司合作。此外，虽然它现在使用的
激光雷达等硬件设备是自研的，但也没有单独向外出售的动作，大量的资
源还是用在自动驾驶系统的研发上。当然，作为谷歌母公司 Alphabet 旗下
公司，一个最大的优势是母公司资金实力雄厚，可以支撑巨大的研发费用
而不需要提前自主产生利润。
以自动驾驶软件为例说明 Waymo 严格的测试程序
1、模拟测试：
在模拟中，严格进行测试软件的更新，然后将其部署到模型中，模拟
车辆在公共道路上遇到的最具挑战性的情况，并将其转化为虚拟场景，
供我们的自动驾驶车软件在模拟中练习：
图表 29：Waymo模拟测试-虚拟场景
来源：Waymo Safty Report 2017，国金证券研究所
第 1 步：高精度的虚拟道路
使用强大的定制传感器套件，构建了交叉路口的虚拟复制品，并具有
相同的尺寸，车道，路缘和交通灯。
图表 30：Waymo模拟测试-虚拟道路
来源：Waymo Safty Report 2017，国金证券研究所
行业深度研究
- 20 -
敬请参阅最后一页特别声明
第 2 步：多次重复
在虚拟世界中将场景数字化，软件可以数千次地练习这种场景。
图表 31：Waymo模拟测试-多次重复
来源：Waymo Safty Report 2017，国金证券研究所
第 3 步：改变条件
利用一个棘手的场景来探索数以千计的变量场景和假设，以确保车辆
仍然可以找到安全的策略。
图表 32：Waymo模拟测试-改变条件
来源：Waymo Safty Report 2017，国金证券研究所
第 4 步：验证和迭代
自动驾驶车学会技能后将永久沉淀，并与其他车辆共享。反之，真实
道路和封闭道路测试可以验证模拟学习的策略，然后再次开始循环。
图表 33：Waymo模拟测试-验证和迭代
来源：Waymo Safty Report 2017，国金证券研究所
2、封闭道路测试：
Waymo 在加利福尼亚州设立了一个 91 英亩的封闭道路测试园区，包
括高速公路，郊区车道和铁路道口等所有设施。团队使用园区对软件
进行验证，并对具有挑战性或罕见的场景进行阶段性分析。
在封闭道路中，能够进行数千次“结构化测试”，重新创建用于学习和
测试的特定场景。园区开发了超过 20,000 个模拟场景，包括一些极端
行业深度研究
- 21 -
敬请参阅最后一页特别声明
情况，例如激进的驾驶员从车道上滚出，或者行人从路边的帆布包或
咖啡馆跳出来，滑板玩家躺在他们的木板上，并在我们的传感器前面
扔了一堆纸等等。虽然可能数十万英里才能在公共道路上碰到，但这
种“结构化测试”对于加速技术进步和确保车辆在具挑战性情况下的
安全性至关重要。
图表 34：Waymo封闭道路测试园区
来源：Waymo Safty Report 2017，国金证券研究所
3、公共道路驾驶：
Waymo 拥有全面的路上测试项目，在过去 8 年中不断完善和改进。
真实道路测试的安全性始于训练有素的司机。测试驾驶员接受广泛培
训，了解整个系统以及如何在公共道路上安全地监控车辆。培训完成
后，司机在测试中负责监控系统，并随时控制车辆。
测试提供了一个连续的反馈循环，即工程师观察现实情况，对软件进
行调整以优化驾驶，然后进行更新，持续地完善系统。这种迭代方法
有助于扩大运营设计领域和车辆功能，并且安全地扩展我们的能力，
使车辆能够安全地在 L4 级别运行。
图表 35：Waymo在全美真实路测超过 350 万英里（截至 2017 年底）
来源：Waymo Safty Report 2017，国金证券研究所
总结：提炼 Waymo 的自动驾驶安全策略的两个关键词就是“逐步进化”
和测试，从虚拟道路，到封闭道路，最后到真实道路，每前进一步都进行
充分的测试。虽然这样的方式会花费大量时间和资源，但背后的谷歌实力
雄厚，以及坚持“替代驾驶员”的战略，使得 Waymo 走在了实现 L4 级别
自动驾驶的前列。
行业深度研究
- 22 -
敬请参阅最后一页特别声明
Mobileye
Mobileye 对自动驾驶的安全策略与 Waymo 有很大的不同，因为本质上它
是个硬件公司，商业模式是“卖硬件”，这使得他们的安全策略不可能像
Waymo 那样坚持面面俱到，大量测试。其安全策略可以表述为，以较强的
理论模型（即 RSS 模型）“塑造”一个真实世界的映射，以此为基础制定
一系列的满足“不制造事故（区别于不涉及事故）”的条件，从而尽量减少
测试所花的时间和资源。
多方安全的责任敏感安全（RSS）模型
RSS 模型将安全驾驶的基本原则转化成机器可以理解的数学公式。例
如，尾随其他车或变道时的安全距离、道路优先权和障碍物避让等。
如果 AI系统发出的指令违反了任何一条基本原则，RSS将拒绝该指令。
绝对安全是不可能的，引入“事故责任”的概念，即 RSS 的前提是，
虽然自动驾驶汽车可能涉及事故，但绝不会造成事故。主要包括以下
四条规则：
1.保持与您前方车辆的安全距离，以便在突然刹车时您能够及时停下
来；
2.保持与您侧方车辆的安全距离，并且在执行侧向操纵和切入另一辆
车的轨迹时，必须让其他车有足够的空间来回应；
3.应该尊重“道路权”规则，但“道路权”是给予的，不是靠“争取”
的；
4.小心盲区，例如，一个小孩可能会被挡在停放的汽车后面。
1、安全距离
第一个基本责任概念是“如果有人从背后打你，这不是你的错”。为了
获得一些直觉，考虑两辆汽车的简单情况：A 和 B 在相同的速度下沿
着直道行驶，而不进行任何侧向操纵。假设前方的 A 车突然刹车，因
为障碍物出现在道路上，并设法避开它。不幸的是，B 没有和 A 保持
足够的距离，无法及时做出反应，并且撞到 A 的后方。很明显，责任
在于 B 车。其责任是保持与前车的安全距离，并为意外而合理的刹车
做好准备。
图表 36：RSS安全距离规则
B车 A车
最小安全距离，
即d
来源：国金证券研究所
2、横向机动车责任
当汽车进行横向机动时，进一步确定责任。从多车道道路（高速公路
情况或农村道路）开始，车辆可以改变车道，切入其他车辆的路径并
以不同的速度行驶。
垂直虚线显示汽车可能的横向位置，矩形显示了汽车可能的纵向位置。
前两排在响应时间之前红黄车存在安全的侧向距离，黄色汽车已经处
于零横向速度，红车应该刹车。第三排：在响应时间之前，有一个安
行业深度研究
- 23 -
敬请参阅最后一页特别声明
全的纵向距离，因此后方黄车应该刹车。第四排：在响应时间之前，
在迎面而来的情况下存在安全的纵向距离，因此两车都应该纵向制动。
图表 37：RSS安全距离规则
来源：Mobileye paper，国金证券研究所
3、多路口和路权规则
以“车辆距离连接点的横向距离”为规则，距离小的一方具有“道路
权”。考虑下图所示情况，左上方黄车与连接点横向距离为 0，红车具
有横向速度所以距离不为 0 ，因此黄车具有道路权。右上按前述规则，
位于红车“前方”，因此具有道路权。左下与左上类似，黄车具有道路
权。右下的情况两方都不具备明确道路权，应双方减速。
图表 38：RSS道路权规则
来源：Mobileye paper，国金证券研究所
行业深度研究
- 24 -
敬请参阅最后一页特别声明
4、行人
涉及行人（或其他道路使用者）需要调整安全距离和其他相关参数此
外，需要考虑：
1）在典型的住宅街道中，行人优先于车辆，因此车辆必须让路并对行
人保持谨慎；
2）有公路和人行道的场景，车辆不应该担心人行道上的行人会突然开
始跑入道路，汽车有优先权。但是即使行人没有优先权，如果他们在
安全的距离进入道路，汽车必须刹车并让他们通过。
5、注意盲区
1）如果前方是公路，可以假设左方来的红车车速不高于限速的 2 倍，
以此规划黄车接近路口的车速，这时如果红车车速过快形成事故，则
责任在红车。
图表 39：RSS盲区规则
来源：Mobileye paper，国金证券研究所
2）假设红车为一名儿童，这时如果要满足不发生事故会导致接近路口
时车速过慢，或者安全距离大于车道宽度。这时满足以下两个条件可
以避免责任：
车辆在反应时间内没有加速，并自反应时间点开始执行至少 amin;brake
的纵向制动，直到事故或直到完全停止。
车辆从暴露时间到碰撞时间的平均速度小于同一时间间隔内行人的平
均速度（平均速度是指一段时间内总移动距离除以时间）。
第一个条件告诉我们，车辆的速度从曝光时间直到碰撞时间是单调不
增加的，而第二个条件告诉我们车辆的平均速度小于行人的速度。
除上述 RSS 系统之外，Mobileye 安全策略还有一个重要假设是摄像头为
主和激光雷达为主的两个传感系统的失效模式是彼此独立互不依赖的，也
就是说, 一个很有可能被基于摄像机的感知系统识别错误的场景，在被基于
激光雷达的识别系统感知时，并不一定有更高的犯错概率；反之亦然。这
个假设的结论是在两套传感系统配合下，原本 10 亿小时的测试只需要 3 万
小时就够了，言下之意可以大幅缩小测试时间。
行业深度研究
- 25 -
敬请参阅最后一页特别声明
图表 40：Mobileye 多系统配合降低测试时间
来源：Intel，国金证券研究所
总结：Mobileye 的安全策略可以用“不造成事故”和“多系统配合”总结，
即通过理论模型塑造一个不造成事故的规则，使得即使发生事故，自动驾
驶车辆也不是负责人。此外，还通过两套相对独立的系统配合，独立发现
产生问题的场景，并配合解决问题，形成大幅缩短测试时间的效果。这是
Mobileye 作为硬件厂商没有太多资源和时间进行大范围测试条件下的策略，
同样也是由于开始测试时间较晚，相对 Waymo 有劣势情况下的选择。
Waymo Vs. Mobileye
图表 41：Waymo Vs. Mobileye
公司 优势 劣势
Waymo
测试时间充分，覆盖场景丰富 大规模测试花费大量时间和资源
测试地点和条件逐步扩大，安全性较高 即使大规模测试也不能保证极端情况下不出现问题
可以率先在部分地区进行自动驾驶运营，产生收入 在尚未测试或测试不充分的地区不能上路
Mobileye
理论模型较完整，即使不能避免事故，也可以避免责任
RSS 模型是否有漏洞；即使模型没有漏洞依然不能避免事
故，万一发生严重事故，即使不负责任也损失惨重
以较短的测试时间获得较好的测试效果 RSS 模型在工程师实现过程中是否存在不能完全实现的问题
以硬件为主，不与潜在计划运营自动驾驶车辆的客户产
生利益冲突
摄像头和激光雷达是否能真正完全独立发现问题，例如在雨
雪雾霾等恶劣天气下，摄像头和激光雷达工作效率都较低
（虽然产生问题的机制不同）
来源：国金证券研究所
应用：共享租车
自动驾驶本身范围逐步开放租车可以在固定范围内行驶，例如乘客甲需从
A 地前往 B 地，两地距离较近，处于目前自动驾驶划定范围内，则可以呼
叫自动驾驶出租车。乘客乙从 A地到较远到 C 地，且 C 地暂时不在自动驾
驶范围内，则只能呼叫有驾驶员的出租车。如果是私家车，一般情况下不
能限制其行驶范围，乘客需要随时准备好进入非自动驾驶区域，切换为手
动驾驶，这样的模式面临一系列问题；
行业深度研究
- 26 -
敬请参阅最后一页特别声明
图表 42：自动驾驶车成本分析
A
B
C
自动驾驶许
可范围
出租车乘客乙
私家车使用者丙
来源：国金证券研究所
从社会效率角度，首先自动驾驶出租车可以解放驾驶员，驾驶座也可以容
纳一名额外的乘客。而私家车往往驾驶员也是家庭成员，与乘客的身份是
重合的，这个额外优势较小。其次，随着人口红利逐步减少和人口结构老
龄化，驾驶员的成本不断提高，使用自动驾驶替代驾驶员可以大幅提高整
个社会的运行效率。YOLE 做过一个当前硬件成本条件下的投资收益分析：
图表 43：自动驾驶车成本分析
公司 激光雷达
毫米波
雷达
摄像头 IMU
成本
（万美元）
Waymo
长距 x1+中程 x1+短程
x4，内部开发
4 8 1-3 约 20
Uber 远程 x1，Velodyne 4 7 1 约 20
通用 短程 x5，Velodyne 8 16 1-2 约 20
Navya 10 4 6 约 30
来源：Yole，国金证券研究所
以美国为例，假设自动驾驶车成本 20 万美元，如果一辆自动驾驶出租车在
一座美国的城市以每小时 30 英里的速度行驶 20 小时，那么它将每天行驶
600 英里。如果它每年运行 330 天（假设待机时间为 10％），自动驾驶出
租车将最终每年覆盖 20 万英里。假设其中有效载客路程为 50%，则有效
载客覆盖 10 万英里。如果车队运营商每英里收费 1 美元（约为目前出租车
费用的一半），那么这辆自动驾驶汽车每年将带来 10 万美元的收入，需要
两年的时间摊销自动驾驶汽车的成本。
结论：即使在现在的硬件成本条件下，仅需两年时间收回自动驾驶汽车成
本，若硬件成本由于量产而下降，收回成本的时间将更短。此外，出租车
的运行时间远高于私家车，成本节约效果更好，因此出租车会是自动驾驶
早期落地的应用之一。
鉴于以上原因，各大厂商对自动驾驶出租车对规划领先于乘用车。相比于
大多数厂商对乘用车自动驾驶在 2020 年左右实现的规划，多家厂商出租
车的试运营就在今年年底前，提前了两年左右。
行业深度研究
- 27 -
敬请参阅最后一页特别声明
图表 44：各类厂商宣布的实现无人驾驶时间点
来源：公开资料，国金证券研究所
图表 45：自动驾驶出租车运营计划
公司 计划落地时间 概况
Apollo 2018 年 5 月 6 辆力帆 330 电动车型自动驾驶共享汽车在重庆启动共享汽车自动驾驶示范园区项目，
Waymo 2018 年年底
Waymo CEO John Krafcik 披露了未来数月将把无人驾驶汽车打车服务范围扩大到普通公
众的计划，此前在凤凰城公路上测试无人驾驶汽车打车服务
Aptiv 2018 年 5 月
安波福（Aptiv）宣布与共享出行公司 Lyft 合作，在 Lyft 拉斯维加斯的运营网络上推出 30
辆自动驾驶汽车
日产 2020 年
日产和 DeNA 对 Easy Ride 自动驾驶出租车业务进行了实地测试，两家公司的自动驾驶打
车服务将于 2020 年正式商用
Uber 2018 年
Uber 在旧金山推出了自动驾驶出租车服务，该服务只面向 Uber 自动驾驶团队 ATG 的 300
名员工
戴勒姆 / 戴姆勒与博世开发全自动驾驶汽车，将在加州测试，后续将推出自动驾驶出租车服务
滴滴 2018 年
滴滴与软银计划成立合资企业，进入日本出租车市场。滴滴将搭建网约车平台，今年内计
划在大阪、京都、福冈、东京等地区开始试运营
来源：公开资料，国金证券研究所
事故分析
图表 46：自动驾驶事故
时间 公司 概况
Waymo
Waymo 自动驾驶车前方的车辆为避让道路上的障碍物突然转向， Waymo 司机主动控制
向右避让，撞到后车。无人员受伤。
Uber
一辆自动驾驶汽车在亚利桑那州坦佩发生车祸，致使一名横穿街道的妇女死亡。调查结
果显示 Uber 传感器发现了这名行人，但被判断为“误报”
通用 Cruise
自动驾驶车在旧金山路测时，与一辆摩托车发生碰撞，摩托车驾驶员受伤，车辆受到一
定程度的损坏。主要原因是摩托车司机的变道超车动作
Uber
搭载 Uber 无人驾驶技术的沃尔沃 SUV 发生了侧翻事故。事故原因是对面左拐车辆没有
给直行的 Uber 车辆让路。无人员受伤。
特斯拉
一辆斯拉 Model S 在佛罗里达州发生车祸，驾驶员死亡。事故发生原因是在 Autopilot
没有识别出前方出现的横穿马路的卡车时，该司机未能注意到并及时避让
特斯拉
特斯拉 Model S 撞上一辆正在作业的道路清扫车，造成特斯拉司机死亡。交警判定司机
负事故主要责任
来源：公开资料，国金证券研究所
从上述报道信息来看，2016 年特斯拉发生较严重的事故，主要因为
Autopilot 属于驾驶辅助技术，并未达到自动驾驶水平，司机作为自动驾驶
使用，造成了事故。而 2017-2018 年以来，Uber 较激进的技术策略使得可
能在技术准备不够充分的情况下展开测试，形成了较严重的事故。其他公
司均未发生严重的事故。
行业深度研究
- 28 -
敬请参阅最后一页特别声明
相关公司
德赛西威
公司 1986 年成立初期由国资（惠州工业）和外资（飞利浦汽车音响和
香港金山）控股，而后曼内斯曼、西门子和大陆集团先后注资。2010
年中资反收购外资 70%股份，转入自主权经营。
车载娱乐信息系统在自主品牌及合资品牌前装市场的市占率均为第一。
公司聚焦毛利率较高的汽车前装市场，前装收入占比高达 99%以上
（2017 年车载娱乐系统营收占比 55%，车载信息系统营收占比 27%）。
与公司目前配套的爆款车型多达 16 款，远超业内其他竞争对手，随着
与新开拓的客户共同开发的新车型后续的逐渐推出，业绩将开始放量。
抢占 ADAS智能驾驶领域，开发 L3 中央控制器。
与百度合作：百度共推出 BCU-MLOC（高精定位）、BCU-MLOP（高
精定位+环境感知）、BCU-MLOP2（高精定位+环境感知+决策规划）
共 3 款 BCU 产品，而公司是唯一全部参与三款 BCU 产品研发的汽车
供应链厂商，负责 BCU产品中的硬件相关产品的整合与生产。
在 ADAS 领域主要布局“感知”和“处理”环节。在感知环节，主要
是车载高清摄像头以及 24G 毫米波雷达（RD01 平台项目），目前
24G 毫米波雷达已经测试完毕，同时也在着手布局下一代 77GHz毫米
波雷达。在处理环节布局的主要是多传感器融合技术（Eastone
ADAS）、自动泊车环视系统、多功能高清环视平台、红外夜视系统等
技术。公司的高清摄像头和环视系统已经实现量产。
公司募投项目新增 400 余万套 ADAS 产能，布局 2020 年自动驾驶技
术应用爆发点。
与小鹏汽车战略合作协议，携手研发 L3 级别自动驾驶系统，提供域控
制器，将在 2020 年实现量产落地。将提供低速代客泊车、中速塞车辅
助巡航、以及高速代驾三大功能。
公司系在车载娱乐系统和车载信息系统领域拥有绝对竞争优势的智能座舱
龙头，发力 ADAS 和车联网，我们预计公司 2017-2019 年净利润分别为
亿、 亿、 亿，对应 EPS 分别为 元、 元、 元，
18 年 PE 为 26x，给予目标价 元，维持买入评级。
索菱股份
公司于 1997 年成立，2005 年上市。公司主营车载信息终端 CID，产
品涵盖汽车辅助驾驶产品、车联网产品、自动驾驶产品和后台服务 4
个大类，涉及车联网核心软硬件系统。
预计 2018 年 CID 业务营收增长 42%，毛利率较高（35%）的智能化
CID 占比逐渐增大。公司 2017 年其前装营收比重已达约 70%，毛利
率超 30%，在自主品牌客户逐渐放量的同时，不断渗透进入合资车厂，
公司未来业绩确定。
由 ADAS模块切入自动驾驶，技术领先，商业化进程迅速。
索菱即从 ADAS 模块入手，在深度学习、毫米波雷达、计算机视觉、
视觉雷达融合等方面加大研发投入，形成基于单目视觉的前向 ADAS
系统（包括 FCW、PCW、LDW、AEB 等）、车内 ADAS 系统（包括
驾驶员注意力辅助系统和人脸识别系统等）、车辆全盲区管理（包括
360 环视系统、A 柱盲区显示及大型车盲区管理等）、毫米波雷达（包
括 24G 毫米波雷达、77G 毫米波雷达），逐步完善从 level0-level5 级
自动驾驶产品和解决方案。
更进一步，公司投资参股设立的深圳市逸行智能驾驶科技有限公司，
由原东软集团高级副总裁、东软汽车电子解决方案事业本部总经理简
行业深度研究
- 29 -
敬请参阅最后一页特别声明
国栋带领，目前进展迅速，预计未来几年能够完成 L3 级别自动驾驶及
座舱电子整体方案，并且量产装车。
我们预计其 2017-2019 年净利润分别为 亿、 亿、 亿，对应
EPS 分别为 元、 元、 元，综合考虑公司传统业务成长
性、自动驾驶领域的技术积累和行业平均估值水平，维持买入评级，
上调目标价到 元。
东软集团
2017 年公司发布新一代自动驾驶产品—基于 NXP 最新自动驾驶芯片
S32V 的自动驾驶中央域控制器，该控制器采用开放式的系统构架，满
足 Autosar 标准，实现 ASILB-B/D 的功能安全等级。控制器可融合摄
像头、毫米波雷达、激光雷达、超声波雷达，实现提供 HWA、TJA、
自动远程还取车等自动驾驶 2-3 级功能，具有计算能力强、功能扩展
灵活、一机多控等特点，实现全方位保护行车安全。
CES2018 展上，东软睿驰还推出了新一代 ADAS系列产品，可实现行
人碰撞预警、车道保持 LKA、自动紧急刹车 AEB、自适应巡航 ACC、
限速提醒、智能远光灯、驾驶疲劳检测、全景可视 AVM 等二十余种功
能。该代产品支持雷达、摄像头、超声波融合，可以满足 C-NCAP 等
法规要求，有效保护驾驶员安全。
东软睿驰还展出了已经量产的后视、前视、侧视全系列产品。该系列
产品可实现车道偏离预警、前方碰撞预警、盲区预警、泊车辅助、移
动物体检测、横穿物体警告等功能，解决司机分心、盲区的问题。
行业深度研究
- 30 -
敬请参阅最后一页特别声明
图表 47：东软睿驰摄像头产品
来源：东软睿驰，国金证券研究所
路畅科技
据年报信息，公司为某车厂开发了景区观光车无人驾驶解决方案，其
中配装有 16 线激光雷达的无人车具备自动绕障功能；与某新能源车厂
签订了关于 AEB（自动紧急刹车）、 AP（自动泊车）的开发合同，其
中 AEB 基于自主研发的短距离激光雷达与智能相机融合实现前方障碍
物检测，自主研发控制器及算法； AP 基于 12 个超声波雷达及自主泊
车控制器和算法，将集成 360 环视系统。
行业深度研究
- 31 -
敬请参阅最后一页特别声明
图表 48：路畅科技部分 ADAS安全辅驾功能
来源：路畅科技，国金证券研究所
景驰科技
原百度高级副总裁、自动驾驶事业部总经理王劲和原百度自动驾驶事
业部首席科学家韩旭创建了景驰科技，由于一系列与百度之间的诉讼，
现由韩旭担任 CEO，并已与百度达成和解。此外，根据公司官网信息，
前 Velodyne CFO 吕庆担任 President/CFO，前神州专车无人车工程
师团队负责人李岩担任 CTO，滴滴前无人驾驶高级总监杨庆雄担任
VP Engineering，原思科大中华区资深副总裁张力担任 VP Operations。
图表 49：景驰科技发展进度
时间 发展进度
景驰科技在硅谷创立
十个人的团队完成封闭道路的无人驾驶测试
获得加州 GMV 路测牌照；在硅谷中心的开放街道完成路测
在高峰时段实现通勤；完成 Pre-A 轮 5200 万美元融资
在广州实现路测；在安庆实现 50 辆车的测试
广州生物岛投放了十余辆 Level4 级别的自动驾驶车
向加州 DMV申请不配备安全员的自动驾驶车牌照，车辆为一辆 2017
款林肯 MKZ 混动车，只会在停车场和交通量较低的区域行驶，并且
保持低速
计划 2018
实现全年量产 500-1000 辆无人驾驶车；今年在安庆投放数百辆载有
NVIDIA DRIVEPX的无人车提供自动驾驶出租叫车服务
计划 能大规模量产无人车
来源：景驰科技，国金证券研究所
行业深度研究
- 32 -
敬请参阅最后一页特别声明
景驰科技的特点在于“快”，至 2018 年 4 月公司成立不过一周年，已
完成了其他自动驾驶公司数年甚至更长时间走过的路程。这和公司管
理层“唯快不破”的理念分不开。公司已于广州生物岛的限定区域内
投放 L4 级别自动驾驶车，并计划于 2018 年内量产 500-1000 辆无人
驾驶车。其中在安庆将投放数百辆自动驾驶出租车。近期，景驰向加
州 DMV申请了不配备安全员的全自动驾驶牌照。
成立于 2017 年 5 月，主要成员佟显乔（CEO）、周光（首
席科学家）、那小川（战略副总裁）。他们曾在谷歌、苹果、特斯拉、
英伟达、百度等公司就职，有着丰富的自动驾驶实战经验，并都是自
动驾驶研发的中坚力量。经过一年多的发展公司取得了长足的进步，
是 L4 级无人车瞩目的明星战队之一。
图表 50： 路测车
来源：，国金证券研究所
三月下旬， 的无人车在深圳的马路上运行。试乘人员认为，
无人车比人类司机驾驶好，没有明显的颠簸感，并且整个过程不加塞
（车辆插队）、 不违规、车辆反应比较快。
此前， 已经在硅谷进行过多次的路测。与之相比，深圳的
路况更复杂，车流量、人流量更多，偶尔还有外卖小哥的电动汽车横
空闯出、共享单车的逆行等。
为了收集更多的场景， 也在深圳的晚上进行路测。工作人
员还展现了一段硅谷雨夜的路测实拍：无人车在硅谷的晚上进行路测，
期间一直有雨，驾驶环境非常具有挑战性，中间有若干个红绿灯，车
辆能够准确识别，开车过程十分平稳。
建议密切关注 Waymo、Apollo 的动态，关注谷歌、百度或各自衍生的投资机
会，如自巨头互联网公司独立创业的团队（景驰、 等）。
行业深度研究
- 33 -
敬请参阅最后一页特别声明
四、重点推荐：德赛西威 []
智能座舱龙头。公司 1986 年成立初期由国资（惠州工业）和外资（飞利
浦汽车音响和香港金山）控股，而后曼内斯曼、西门子和大陆集团先后注
资。2010 年中资反收购外资 70%股份，转入自主权经营。拳头产品为车
载娱乐信息系统（2017 年车载娱乐系统营收占比 55%，车载信息系统营
收占比 27%），并且主攻毛利较高的前装市场，产品打入德、日、美系合
资品牌。公司将智能座舱优势进一步向 ADAS （包括自动泊车系统、控制
器系统和传感器系统等）领域拓展，牵手百度共同合作研发 BCU。
在自主品牌及合资品牌前装市场的市占率均为第一。公司聚焦毛利率较高
的汽车前装市场，前装收入占比高达 99%以上。与公司目前配套的爆款车
型多达 16 款，远超业内其他竞争对手，随着与新开拓的客户共同开发的新
车型后续的逐渐推出，业绩将开始放量。
前装市场客户：国内客户包括一汽-大众、广汽乘用车、上汽通用五菱、
长城汽车、长安马自达、上汽通用、奇瑞汽车、吉利汽车等，国外客
户为马自达、大众集团、卡特彼勒等。2017 年，公司开拓了沃尔沃、
东风日产、比亚迪等新客户
新能源车企：与蔚来、车和家、国能汽车的合作项目按计划推进。
抢占 ADAS智能驾驶领域，开发 L3 中央控制器。
与百度合作：百度共推出 BCU-MLOC（高精定位）、BCU-MLOP（高
精定位+环境感知）、BCU-MLOP2（高精定位+环境感知+决策规划）
共 3 款 BCU 产品，而公司是唯一全部参与三款 BCU 产品研发的汽车
供应链厂商，负责 BCU产品中的硬件相关产品的整合与生产。
在 ADAS 领域主要布局“感知”和“处理”环节。在感知环节，主要
是车载高清摄像头以及 24G 毫米波雷达（RD01 平台项目），目前
24G 毫米波雷达已经测试完毕，同时也在着手布局下一代 77GHz毫米
波雷达。在处理环节布局的主要是多传感器融合技术（Eastone
ADAS）、自动泊车环视系统、多功能高清环视平台、红外夜视系统等
技术。公司的高清摄像头和环视系统已经实现量产。
公司募投项目新增 400 余万套 ADAS 产能，布局 2020 年自动驾驶技
术应用爆发点。
与小鹏汽车战略合作协议，携手研发 L3 级别自动驾驶系统，提供域控
制器，将在 2020 年实现量产落地。将提供低速代客泊车、中速塞车辅
助巡航、以及高速代驾三大功能。
公司系在车载娱乐系统和车载信息系统领域拥有绝对竞争优势的智能座舱
龙头，发力 ADAS 和车联网，我们预计公司 2017-2019 年净利润分别为
亿、 亿、 亿，对应 EPS 分别为 元、 元、 元，
18 年 PE 为 24x，给予目标价 元，维持买入评级。
公司基本情况(人民币)
项目 2016 2017 2018E 2019E 2020E
摊薄每股收益(元)
每股净资产(元)
每股经营性现金流(元)
市盈率(倍)
净利润增长率(%) % % % % %
净资产收益率(%) % % % % %
总股本(百万股)
来源：公司年报、国金证券研究所
行业深度研究
- 34 -
敬请参阅最后一页特别声明
附录：三张报表预测摘要
损益表（人民币百万元） 资产负债表（人民币百万元）
2015 2016 2017 2018E 2019E 2020E 2015 2016 2017 2018E 2019E 2020E
主营业务收入 3,668 5,678 6,010 6,659 7,451 8,321 货币资金 308 435 2,375 2,329 2,763 3,278
增长率 % % % % % 应收款项 1,140 1,933 1,773 2,066 2,350 2,680
主营业务成本 -2,679 -4,148 -4,461 -4,875 -5,420 -6,054 存货 990 1,196 919 1,227 1,417 1,674
%销售收入 % % % % % % 其他流动资产 36 47 199 183 117 99
毛利 989 1,530 1,549 1,784 2,031 2,267 流动资产 2,473 3,611 5,266 5,805 6,648 7,732
%销售收入 % % % % % % %总资产 % % % % % %
营业税金及附加 -14 -34 -40 -40 -41 -42 长期投资 8 6 24 36 35 35
%销售收入 % % % % % % 固定资产 373 525 567 583 714 890
营业费用 -159 -262 -208 -302 -349 -399 %总资产 % % % % % %
%销售收入 % % % % % % 无形资产 139 239 260 233 213 198
管理费用 -318 -454 -546 -606 -671 -721 非流动资产 614 872 955 972 1,081 1,233
%销售收入 % % % % % % %总资产 % % % % % %
息税前利润（EBIT） 498 780 755 836 970 1,105 资产总计 3,087 4,483 6,221 6,777 7,728 8,965
%销售收入 % % % % % % 短期借款 690 755 676 0 0 0
财务费用 -63 -64 -12 -12 14 17 应付款项 1,262 1,917 1,272 1,609 1,907 2,239
%销售收入 % % % % % % 其他流动负债 133 245 245 346 296 330
资产减值损失 -40 -58 -30 -26 -35 -10 流动负债 2,086 2,917 2,193 1,955 2,203 2,570
公允价值变动收益 0 3 -6 -3 -5 -6 长期贷款 0 0 0 0 0 1
投资收益 0 -2 -28 -19 -21 -14 其他长期负债 137 290 314 366 417 474
%税前利润 % 负债 2,222 3,207 2,507 2,321 2,620 3,045
营业利润 395 659 687 776 923 1,092 普通股股东权益 871 1,282 3,720 4,461 5,114 5,926
营业利润率 % % % % % % 少数股东权益 -5 -5 -6 -6 -6 -6
营业外收支 13 13 4 3 4 6 负债股东权益合计 3,087 4,483 6,221 6,777 7,728 8,965
税前利润 408 672 692 779 927 1,098
利润率 % % % % % % 比率分析
所得税 -50 -82 -76 -94 -109 -121 2015 2016 2017 2018E 2019E 2020E
所得税率 % % % % % % 每股指标
净利润 358 590 616 686 817 977 每股收益
少数股东损益 -1 0 -1 0 0 0 每股净资产
归属于母公司的净利润 359 590 616 686 817 977 每股经营现金净流
净利率 % % % % % % 每股股利
回报率
现金流量表（人民币百万元） 净资产收益率 % % % % % %
2015 2016 2017 2018E 2019E 2020E 总资产收益率 % % % % % %
净利润 358 590 616 686 817 977 投入资本收益率 % % % % % %
少数股东损益 -1 0 -1 0 0 0 增长率
非现金支出 160 175 193 127 158 166 主营业务收入增长率 % % % % % %
非经营收益 32 3 48 40 19 20 EBIT增长率 % % % % % %
营运资金变动 -302 -211 -211 -106 -145 -155 净利润增长率 % % % % % %
经营活动现金净流 248 558 646 747 849 1,008 总资产增长率 % % % % % %
资本开支 -285 -346 -255 -103 -225 -309 资产管理能力
投资 -10 -10 -40 -12 0 0 应收账款周转天数
其他 -47 -36 -48 -22 -26 -20 存货周转天数
投资活动现金净流 -341 -392 -342 -137 -251 -329 应付账款周转天数
股权募资 0 0 1,984 0 0 0 固定资产周转天数
债权募资 295 40 -69 -689 0 1 偿债能力
其他 -117 -194 -170 33 -165 -165 净负债/股东权益 % % % % % %
筹资活动现金净流 178 -154 1,746 -657 -165 -164 EBIT利息保障倍数
现金净流量 84 11 2,050 -46 434 515 资产负债率 % % % % % %
来源：公司年报、国金证券研究所
行业深度研究
- 35 -
敬请参阅最后一页特别声明
五、风险提示
自动驾驶及车联网行业发展不及预期。可能出现自动驾驶及车联网行业技
术发展较慢，或出现相关事故使发展停滞情况。
自动驾驶装车渗透不及预期。整车厂装车计划延迟。
产品开发不及预期。控制器、芯片、传感器、CID 等开发进度延迟；技术
角度来说，自动驾驶越到开发测试的后期技术的提升越困难，提升的幅度
越小。需要持续不断的投入、测试，反复验证更新解决方案。
产品成本下降不达预期。目前大多数系统及零部件的出货量还很小，涉足
的公司前期投入非常大，如果出货量不达预期，成本下降有限。
使用场景限制。复杂路况需要的系统鲁棒性极高，对于自动驾驶解决方案
也是很大挑战。
法律法规限制自动驾驶发展。道路测试、运行安全、驾驶规则、信息安全、
责任划分等等都需要法律法规的支持。要想推动智能汽车行业发展，完善
立法是核心要素之一。
自动驾驶事故影响发展。自动驾驶遭遇严重事故案例，类似事故会造成舆
论和政策方面的不利影响，延缓自动驾驶进展。
行业深度研究
- 36 -
敬请参阅最后一页特别声明
公司投资评级的说明：
买入：预期未来 6－12 个月内上涨幅度在 15%以上；
增持：预期未来 6－12 个月内上涨幅度在 5%－15%；
中性：预期未来 6－12 个月内变动幅度在 -5%－5%；
减持：预期未来 6－12 个月内下跌幅度在 5%以上。
行业投资评级的说明：
买入：预期未来 3－6 个月内该行业上涨幅度超过大盘在 15%以上；
增持：预期未来 3－6 个月内该行业上涨幅度超过大盘在 5%－15%；
中性：预期未来 3－6 个月内该行业变动幅度相对大盘在 -5%－5%；
减持：预期未来 3－6 个月内该行业下跌幅度超过大盘在 5%以上。
行业深度研究
- 37 -
敬请参阅最后一页特别声明
上海 北京 深圳
电话：021-60753903
传真：021-61038200
邮箱：researchsh@
邮编：201204
地址：上海浦东新区芳甸路 1088 号
紫竹国际大厦 7 楼
电话：010-66216979
传真：010-66216793
邮箱：researchbj@
邮编：100053
地址：中国北京西城区长椿街 3 号 4 层
电话：0755-83831378
传真：0755-83830558
邮箱：researchsz@
邮编：518000
地址：中国深圳福田区深南大道 4001 号
时代金融中心 7GH
特别声明：
国金证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。
本报告版权归“国金证券股份有限公司”（以下简称“国金证券”）所有，未经事先书面授权，本报告的任何部分均
不得以任何方式制作任何形式的拷贝，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。经过
书面授权的引用、刊发，需注明出处为“国金证券股份有限公司”，且不得对本报告进行任何有悖原意的删节和修
改。
本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料，但国金证券及其研究人员对这
些信息的准确性和完整性不作任何保证，对由于该等问题产生的一切责任，国金证券不作出任何担保。且本报告中
的资料、意见、预测均反映报告初次公开发布时的判断，在不作事先通知的情况下，可能会随时调整。
客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突，而不应视本报告为作出投资决策的唯一因
素。本报告亦非作为或被视为出售或购买证券或其他投资标的邀请。
证券研究报告是用于服务专业投资者和投资顾问的专业产品，使用时必须经专业人士进行解读。国金证券建议
客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。报告本身、报告
中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议，国金证券不就报告中的内容对最终操作
建议做出任何担保。
在法律允许的情况下，国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为
这些公司正在提供或争取提供多种金融服务。
本报告反映编写分析员的不同设想、见解及分析方法，故本报告所载观点可能与其他类似研究报告的观点及市
场实际情况不一致，且收件人亦不会因为收到本报告而成为国金证券的客户。
根据《证券期货投资者适当性管理办法》，本报告仅供国金证券股份有限公司客户中的专业投资者使用；非国金
证券客户中的专业投资者擅自使用国金证券研究报告进行投资，遭受任何损失，国金证券不承担相关法律责任。
此报告仅限于中国大陆使用。
reportDate
BaoBiaoZhaiYao
