在上篇從宏觀角度介紹了智能駕駛的發展初衷、發展歷程以及發展驅動因素的基礎上，本篇將更詳細地分析智能駕駛的落地化情況以及未來核心和競爭格局。
智能駕駛技術下汽車產業的現狀與未來
現階段漸進發展主要依靠ADAS的升級，穩扎穩打逐級進化，目前主要集中于L2-L3的升級。根據《中國自動駕駛乘用車市場數據追蹤報告》2022年第1季度各大車廠產量數據，國內L2級自動駕駛在乘用車市場的新車滲透率高達23.2%。其中，新能源車市場滲透率更高，達到了35.0%，遠高于汽油車市場19.9%的滲透率。
智能化汽車已經進入商業化加速落地的階段
由于是逐級推向市場應用，符合消費者漸進接受創新的習慣。隨著智能駕駛等級的上升對芯片算力的需求呈現指數級提升，算法將成為智能駕駛行業的核心，而算法則是基于芯片的發展，漸進發展可獲得低成本數據，形成數據采集和系統驗證閉環，極大加速算法迭代。
無論是造車新勢力，還是傳統車廠都在深度布局汽車智能化，座艙域、駕駛域的發展速度尤為驚人。目前智能座艙的新車型普及度持續攀升，智能駕駛的落地速度也有所加快。在汽車新四化浪潮下，車廠、芯片廠商、Tier1、OS以及其他軟硬件供應商積極投入研發，產品迭代速度顯著加快。尤其巨頭廠商在底層技術的突破，為市場帶來質變。
智能駕駛行業未來核心
生態化合作伙伴為重中之重
芯片廠商格局未穩，產業鏈合作伙伴有望成為稀缺資源，充分受益于汽車智能化浪潮。目前汽車產業鏈的交付模式發生變化，芯片廠商先前更多作為 Tier1的供應商，而當下更多的是直接與汽車廠商進行生意往來。復雜的需求與高算力芯片的落地，使得芯片廠商需要對外尋找整體解決方案生態合作伙伴，為車廠共同提供一整套解決方案。主板設計與軟件生態合作伙伴成為重中之重。單一的芯片存在的問題是它需要下游廠商基于芯片的規格負責主板的設計和調試，而全套的解決方案，則是芯片廠商根據下游的要求設計好主板的布局、接口的數目，甚至以模塊的形式封裝出貨，下游廠商只需負責連接計算模塊與車輛的各個傳感器即可；此外，汽車廠商落地還需要相關虛擬機、OS、中間件等開發環境以及中科創達這類軟件服務商打通方案。無論是已有的高通、英偉達、Mobileye、NXP、瑞薩等老牌巨頭，還是地平線、黑芝麻、華為等行業新軍，在目前階段除了做好產品，最重要的就是建立解決方案生態，并積極與車廠展開合作。生態共建，共享汽車智能化果實。
算力時代的到來
算力滿足智能化部件運算，支撐系統算法。通過神經網絡，算力支撐著激光雷達、超聲波雷達、攝像頭、座艙娛樂信息系統等各個部件運算。除此之外，算力還需要運行整個系統的路徑規劃、決策、控制的算法。智能化在給汽車帶來更多能力的同時也對SOC芯片提出了更多的算力要求。
智能網聯化進展迅速，消費者體驗不佳亟待算力提升。2015 年智能網聯功能的新車裝載率為 4.6%，到 2020 年這一數字上升到了48.8%。主流車企中，智能網聯已經成為新車型必備功能。而根據汽車專業機構調研數據顯示，一方面當前消費者對智能網聯功能核心感知仍集中在中控臺顯示屏、儀表盤等少數領域，語音控制、車聯網等功能用戶關注不足；另一方面對智能網聯功能體驗不佳，抱怨中控屏反應遲鈍的用戶達到56.5%，反應系統卡頓的用戶達到 50.95%。
應用端以自動駕駛為例，隨著智能駕駛等級的上升對芯片算力的需求呈現指數級提升。L1、L2 處于輔助駕駛階段，車部分或全部的自行轉向控制、加速減速，這兩個階段對算力的要求都不高。L3 進入有條件的自動駕駛，車除轉向控制、加速減速外還進行駕駛環境檢測，這帶來算力極大的提升需求，從 L2 的 2 Tops 提升到 L3 的 24Tops。進入到 L4、L5 階段車在之前的功能之上還增加了緊急事件觸發接管機制，這兩個階段對算力的要求呈現技術級的提升，分別達到 320Tops,4000Tops。
算力時代的到來促成了無人駕駛SOC芯片的快速發展
芯片/算法是自動駕駛產業鏈的核心。自動駕駛系統運作包含三個環節，首先是收集信息；然后是處理與判斷；最后給予車體指令。在這個流程中，MCU、影像處理 IC 等處理器以及自動駕駛算法就處于核心的位置，起到承上啟下的作用。
1、規模：2030 年市場規模有望超 250 億元
隨著自動駕駛對算力要求的提升，芯片數量和 ASP 量價齊升預計超 250 億元。預計自動駕駛的發展分為兩個階段：第一個階段為 2020-2025 年，自動駕駛等級主要為 L1、L2。第二階段為 2026-2030 年，自動駕駛等級發展為 L3 及以上，該階段駕駛員檢測系統（DMS）預計將快速上漲。
2、競爭格局
除特斯拉的自研FSD芯片之外，整體自動/輔助駕駛芯片市場呈現消費電子芯片巨頭、新興芯片科技公司、傳統汽車芯片廠商三大陣營鼎力的局面。
傳統汽車芯片廠商陣在傳統汽車芯片領域近乎呈壟斷地位，產品線齊全，與Tier1、主機廠有深厚關系積累，滿足車規級要求方面有深厚技術能力儲備，但在AI計算芯片上優勢不足，產品多用于中低端車型。
代表：Mobileye
消費電子芯片巨頭陣營具備深厚的芯片技術儲備，資金雄厚，可支撐起對先進支撐和高算力芯片的高昂研發投入，同時具備良好的軟件生態，車載計算芯片技術領先，在中高端車型與新勢力車型市場中有廣泛應用。
代表：英偉達，高通
新興芯片科技公司陣營在AI算法與計算上有獨到的產品優勢，相比傳統廠商能力更為全棧，可提供“芯片+算法參考+技術支持”的產品服務，但在車規級與大規模量產能力上仍待提升，產品主要應用于自主品牌車型。
代表：芯馳科技，華為
特斯拉自研FSD作為全球唯一一家實現了自動駕駛核心領域全棧自研自產的科技公司，在數據、算法、算力等各個層面打造了一套包含感知、規控、執行在內的全鏈路自動駕駛軟硬件架構。智能汽車為軟硬件高度耦合產品，自研有助于產品軟硬件協同發展，降低技術供應商的依賴性，同時加快技術迭代速度。
目前來看，英偉達，高通及背靠英特爾的Mobileye處于自動/輔助駕駛芯片第一梯隊，華為海思、地平線、處于第二梯隊，上升攻勢不容小覷。但考慮到目前市場量產車型配置的ADAS級別仍主要處于L1-L2的初級階段，我們認為行業格局仍未落定，各家廠商暫處于百花齊放的階段。
智能駕駛的其他投資機會
智能駕駛的系統架構包含的三大體系：環境感知、決策規劃、控制執行。
環境感知是智能駕駛的第一步，智能駕駛車輛通過各類傳感器如攝像頭、毫米波雷達、超聲波雷達、激光雷達等獲取車輛周邊信息，產生圖片數據、視頻數據、點云圖像、電磁波等信息，去除噪點信息后利用不同類型數據形成冗余同時提升感知精度。
決策規劃是智能駕駛的第二步，依據獲取的信息進行決策判斷，選擇適合的工作模型，制定相應的控制策略，替代人類做出駕駛行為。同時這部分功能也執行預測任務，例如在車道保持、車道偏離預警、車距保持，障礙物警告等系統中，需要預測本車與其他車輛、車道、行人等在未來一段時間內的狀態。需要計算能力和大量數據進行AI訓練。
控制執行是智能駕駛的第三步，智能駕駛汽車的各個執行系統通過總線與決策系統連接，根據決策規劃出的軌跡進行有效、穩定、安全的行駛，同時在過程中實現變速、轉向、變道、超車等操作，并保證乘坐的舒適性。完美實現自動控制執行后，駕乘人員的精力可以轉向車內娛樂、工作等其他事項。
通過分解智能駕駛的三部分，我們可以得出智能駕駛的其他投資方向：感知傳感器、算力芯片、智能駕駛系統解決方案三個主要方面，還有云智能座艙、車載軟件、地圖等。
