(报告制作人/作者：华泰证券)

一、从消费电子历史，看智能汽车未来发展趋势

消费电子十年回顾：智能手机成长为最大单品，推动行业黄金十年

回顾过去十年，智能手机成长为最大的消费电子单品，推动过去十年科技公司股价提升。,随着全球数字化趋势的逐渐明晰和硬件计算能力的不断提升，消费电子市场迎来了以智能手机为中心的创新周期。截至2019年底，全球智能手机市场规模约为4580亿美元，成为当前消费电子市场最大的单一产品。2011-2020年期间，各大科技公司市值增长数倍，其中苹果市值增长316倍，亚马逊市值增长90倍。过去十年，已经成为消费电子的黄金十年。

消费电子下一个重要形态是智能汽车：的消费电子是典型的技术驱动型产业。在摩尔定律和库米定律的推动下，随着芯片计算能力的不断提升，成本和功耗的不断下降，行业业态不断重塑，产品迭代和创新不断。随着技术的进一步发展和碳中和目标的实现，我们认为在2020-2030年的十年间，智能汽车将是消费电子的下一个重要战场。以苹果、华为、小米、OPPO为代表的硬件公司，正在积极部署智能汽车产业，冲击传统厂商。

趋势 1：手机品牌“剩者为王”，汽车未来或整合为 5-6 个头部玩家

近十年来在通过十年的整合，手机最终仅剩 5-6 家主要厂商。,智能手机经历了如图3所示的三个阶段，最终整合成三星、苹果、小米、Oppo、vivo等5-6家左右的头部厂商，行业头部公司逐渐稳定。根据IDC 2019年的数据，前六大手机公司占据了全球手机出货量79%的市场份额。

目前汽车行业的目前格局分散，但我们认为长期可能也将整合。的汽车品牌结构比手机更分散，最大的厂商只占10%。2019年，只有丰田、福特和大众的年销量会超过500万辆(占市场的6%)。随着汽车工业向信息化背景的转变

oqTSLA" class="stock-word">特斯拉等新能源汽车厂商的冲击下，我们认为汽车品牌在远期的未来也有可能发生整合，但由于迭代速度慢于手机，整合的速度也将相对较长。

趋势 2：从手机的经验看，汽车未来长期大的商业机会来自软件服务

手机成为互联网的载体，互联网公司的市值大幅度增长。过去十年，手机移动网络的蓬勃发展，推动了功能机到智能机的换机潮，催生了移动支付、移动视频媒体，移动社交、网上购物、直播、手游等各式各样的应用层出不穷，使腾讯、阿里、搜狐、脸书等一系列互联网科技公司迎来又一轮繁荣，也诞生了美团、头条、滴滴等新兴力量。

苹果公司是过去十年最大的赢家，2015 年后积极向软件和服务公司转型。2015 年前，苹果主要为手机销售推动，盈利随着 iPhone 在全球的热卖逐渐升高。2015 年后，智能手机陷入停滞，苹果逐渐从硬件公司转型向软件和服务公司，再次推动下，其市值不断提升。

趋势 3：我们眼中的智能汽车的商业模式：谁能成为中国的特斯拉？

Tesla 是全价值链垂直整合，苹果只在高端垂直整合，第三方厂商长期面临更大压力。我们看到，Tesla 在整个新能源车的产业链中占据更多的环节，从车身设计、MCU、电机控制器、电控制动、电池 BMS、自动驾驶算法、整车制造都有特斯拉的身影。对比苹果智能手机，苹果只在核心的高端环节形成自研，如手机设计、处理器芯片、IOS 系统两个环节，制造环节委托给供应链生产，走轻资产的的商业模式。

趋势 4：硬件军备竞赛是改变行业格局的最好方法，相关公司有望先受益

历代 iPhone 的功能升级推动产业蓬勃发展。苹果手机作为智能手机行业的标杆，其每一次的硬件及软件升级总能引领智能手机市场潮流，从而带动相关产业链公司的飞速发展。

智能汽车硬件的规格提升明显加快，为 OTA 升级打下基础。传统汽车在激光雷达、毫米波雷达方面几乎没有配置，行业摄像头的渗透率不足 2 个。但新推出的新能源汽车的配置，在传感器和算力方面，较之前快速增长。我们认为厂商尽管目前在自动驾驶方面仍存在一些不足，但硬件的先行升级为后续 OTA 升级，提供了可能。

投资顺序：从硬件升级到软件服务

汽车电子行业未来十年规模有望快速增长：在汽车的四化的推动下，我们预计全球汽车电子十年后的市场规模有望从 2020 年的 2,805 亿美元，增长至 2030 年的 8,908 亿美元，复合增速达 12.2%。我们分别假设安全系统/动力电子/其他传统汽车电子/智能座舱和车载通信市场/软件与服务/车用传感器/ 汽车半导体复合增长达 8.5%/12.0%/6.5%/22.6%/23.4%/19.6%/11.2%。

从智能手机看智能汽车十年的投资顺序：从智能手机的投资顺序，我们认为，智能汽车的投资也将遵循先硬件后软件的模式，而最终能够获得最大成功的公司，可能是软硬结合较为成功的公司。

二、汽车半导体：关注计算芯片和功率半导体的国产化机会

车用半导体是汽车零部件的重要组成部分，整车价值量有望大幅提升。根据英飞凌及 Gartner 数据，传统燃油车单车半导体价值量约为 475 美元，广泛应用于汽车车身控制（占比 18%）、ADAS（17%）、影音娱乐（14%）、底盘（12%）、动力系统（12%）等领域。我们认为汽车半导体产业链有望迎来变革，整车价值量有望大幅提升，一方面汽车电动化带动功率半导体含量提升，另一方面智能化趋势有望带动车载传感器、AI 芯片及存储器用量大幅提升，我们预测至 2030 年，单车半导体价值量有望升至 2030 年的 1,213 美元，是 2020 年的 2.5 倍。

竞争格局：日欧企业主导，英飞凌为全球车用龙头。根据 Gartner 数据，2020 年全球汽车半导体龙头为英飞凌，市场份额为 11%，NXP 与瑞萨分列二、三位，市场份额分别为 10%/8%，此外意法半导体、德州仪器、博世等厂商也具备较强竞争力。展望下一个 10 年，我们认为在汽车算力与处理数据量提升的背景下，计算芯片与存储厂商的市场份额有望快速提升，同时我们也看好在进口替代趋势下，国产汽车半导体公司的份额提升机遇。

全球汽车半导体至 2030 年市场规模有望突破千亿美元。 根据 Gartner 数据，2020 年全球汽车半导体市场规模为 387 亿美元，受新冠疫情冲击下全球汽车销量下滑影响市场规模同比下滑 5.6%，仅占当前全球半导体市场规模的 8.8%。根据 Gartner 数据及我们预测，在“电动化、智能化、网联化”的大趋势下，我们预测单车价值量有望升至 1,213 美元，在全球汽车总销量为 9,200 万的假设下，我们预计 2030 年全球汽车半导体市场规模有望达到 1,123 亿美元，市场规模十年年均复合增长率为 11.2%，有望成为继智能手机后下一个千亿级别市场。

车载算力芯片的星辰大海：从 ADAS 到高级别自动驾驶

车载自动驾驶计算芯片是为高级辅助驾驶（ADAS）和自动驾驶提供算力的核心芯片。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，同时，摄像头、毫米波雷达、激光雷达等传感器采集的海量数据受限于时延及可靠性无法在云端进行计算，车载自动驾驶计算芯片成为自动驾驶控制核心。

随着自动驾驶等级增加，自动驾驶计算芯片算力需求不断增长。根据华为、IDC、SAE 的预测，实现 L2级别及以下自动驾驶需要算力不超过 10TOPS（Tera Operations Per Second，每秒一万亿次计算），L3 算力需求为 30-60

单芯片性能不断突破,先进制程支撑算力和功耗表现提升。我们预测未来支持 L4 及以上的算力芯片，如同手机 SoC 和 PC CPU 一样，将大范围应用 7nm 以及以下制程工艺实现超 100TOPS 甚至超 1000TOPS 单芯片算力，同时维持较低功耗水平。先进制程的应用将推高芯片成本，但单位算力成本降显著下降。

功率半导体：受益于汽车电动化趋势，碳化硅有望加速渗透

汽车电动化趋势有望带动 2030 年全球车用功率半导体市场规模升至 262 亿美元。 功率半导体广泛应用于电力电子系统中，通过改变电路中的电压、电流、频率及导通状态等物理特性从而实现对电能的管理，功率半导体通常可以分为功率分立器件（如 IGBT、 MOSFET、SBD 等）与功率 IC（如 LDO、OVP、ESD 等）两类。在传统的燃油车中功率半导体主要用于车载影音系统、车载空调、LED 驱动及车辆启动等系统中，价值量相对有限；而在纯电动车中，根据英飞凌 2020 年报统计，整车半导体含量比普通燃油车增加 438 美元，其中功率半导体为 330 美元，是占比最高的部分。

IGBT 仍是主流方案，特斯拉推动 SiC 加速渗透。

考虑到目前新能源汽车的功率范围（通常在 60KW-180KW），IGBT 仍是目前电动车主逆变器的主流方案，也是目前新能源汽车功率半导体价值量最大的部分。且由于 IGBT 在芯片及封装技术的成熟度、成本与产能端的优势，我们认为在相当长的时间内 IGBT 仍将是新能源汽车电控系统主逆变器的主要方案，但另一方面，随着特斯拉在 Model3/Y 等车型上相对激进的率先应用，SiC MOSFET 方案正在加速渗透。

展望下一个 10 年，我们建议投资人从市场空间成长及国产化两条主线把握投资机遇。

从市场空间来看，我们看好功率半导体作为汽车电动化趋势下最直接受益者的投资机会；同时我们看好未来汽车的形态将逐步趋近于移动的“数据中心”，单车算力及数据处理能力有望大幅提升，看好车用 AI SoC 及存储器的成长机会。此外作为汽车智能化趋势下的重要组成部分，我们看好车用传感器的成长机会，其中 CIS 作为车载摄像头核心部件市场规模有望迎来高速成长。

从国产化来看，我们更加看好 CIS、IGBT、MCU、AI SoC 及模拟芯片等细分赛道。一方面，目前国内已经涌现出如韦尔、寒武纪、比亚迪半导体、斯达等一批优秀的汽车半导体厂商，在细分领域初具竞争力；另一方面，我们看好在国产造车新势力的崛起下，国产供应链配套带动份额及技术提升的投资机会，建议关注投资人持续关注国产半导体厂商在主要车厂的份额提升情况。

三、车用视觉传感器：L4 单机价值量较 L2 有望成长8倍

智能驾驶相关车用传感器增长有望加速：汽车传感器是汽车计算机系统的输入装置，它把汽车运行中各种工况信息，如车速、各种介质的温度、发动机运转工况等，并按一定规律转换成可用输入信号的器件或装置。受类 ADAS 及智能驾驶相关功能的需求推动，车用视觉传感器市场规模成长较快。

L4 级别智能驾驶相关传感器单机价值量较 L2 成长 8 倍：根据 Yole development 的预测，单车的 L4 级别的自动价值将较 L2 的 405 美元成长 8 倍至 3,430 美元。主要的增量如下：

1. 车载摄像头：单车价值量从 L2 的 200 美元增加为 L4 的 580 美元，个数将从 L2 的 4 颗成长为 L4 级别的 14 颗，包含前视、环视等功能。

2. 激光雷达：单车价值量从 L2 的 0 美元增加为 L4 的 1700 美元。个数将从 L2 的 0 颗成长为 L4 级别的 5 颗。单价上随着技术的成熟，激光雷达的价格会从 L3 的 555 美元逐渐回落到 L4 的 340 美元。

3. 毫米波雷达：单车的价值量从 L2 的 87 美元增加为 L4 的 490 美元，个数将从 L2 的 1 颗成长为 L4 级别的 8 颗。

车载摄像头：自动驾驶之眼，汽车智能化推动行业快速成长

车载摄像头是自动驾驶汽车采集信息、分析图像的重要途经，和算法结合从而实现车道偏离预警(LDW)、汽车碰撞预警(FCW)等功能，是高级自动驾驶辅助系统 ADAS 中的感知层的重要解决方案之一。我们认为，摄像头方案作为目前最具成本优势、供应链最成熟的解决方案，有望在 L3 以下级别自动假设中占据重要地位，而汽车市场也有望成为继智能手机后另一个驱动摄像头市场增长的重要动力。

智能化趋势带动单车摄像头数量快速提升。根据 ADAS 不同的功能需要以及安装位置，车载摄像头包括前视、环视、后视、侧视以及内置五类摄像头，可分别实现乘车侦察，环视，盲区监测，辅助泊车，疲劳驾驶监测等功能。从目前市面上的主流方案来看：1）特斯拉 Model 3 有 8 个环绕车身并能够覆盖 360°的摄像头，包括 3 个前视摄像头（1 颗长焦、 1 颗广角、1 颗中距）、2 个侧方前视摄像头、2 个侧方后视摄像头和 1 个后视摄像头；2） Mobileye 的自动驾驶系统 Mobileye Drive 则配置 13 个摄像头，能够提供完全端到端自动驾驶功能。从主要汽车厂商的方案来看，新势力在单车摄像头数量上显得更为激进，蔚来 ES6 共搭载 8 颗车载摄像头，小鹏 P7 则搭载多达 13 颗车载摄像头，相比之下大众推出的 ID.3 仅搭载 2 颗车载摄像头。

车载激光雷达：高等级自动驾驶传感器中的“C”位担当

作为自动驾驶三大传感器之一的车载激光雷达由于具备更高的空间分辨率、更强的抗环境光干扰性以及直接 3D 成像等特征成为高等级自动驾驶的必备传感器，从谷歌的第一代无人驾驶汽车（本田普锐斯）到其最新一代（捷豹 I-Pace）无不出现激光雷达的身影，且单车使用量也从最初的 1 颗（车顶位置，360°环视）增加至 5 颗（车顶位置 1 颗，前后车牌以及后视镜两侧各 1 颗）。

我们认为前装量产是车载激光雷达实现规模化商用的关键，这使得可靠性与成本的优先级领先性能成为车企在进行激光雷达技术路线选择的重要考量。机械式激光雷达尽管在性能上更为突出，但高昂的价格（Velodyne Puck VLP-16 零售价约为 3800 美元，BOM 成本大约为 1000 美元）难以达到车规量产的要求。对于纯固态的方案，尽管芯片化的设计提升了集成度，同时有望借助半导体工艺大幅降低成本，但短期面临较多工艺难点以至于其可靠性以及良率尚未能达到车规要求。相比于以上两种方案，混合固态方案的特征介于两者之间，在综合可靠性、成本以及探测性能的背景下，成为当前车企的最优选择。

产业链方面，全球范围内当前实现规模销售的车载激光雷达整机厂商包括：Valeo、Velodyne、禾赛科技、速腾聚创。其他整机厂商还包括 Luminar、Innoviz、镭神智能、图达通、Livox 等。

毫米波雷达：自动驾驶加速渗透率提升，国内产业链迎发展机遇

车载毫米波雷达具有集成度高、探测精度高、探测距离远且受外界环境影响小等特点，常用于盲区监测、车道偏离预警、车道保持辅助、自助紧急制动等应用场景。近年来，自动驾驶发展加速了车载毫米波雷达渗透率的提升，行业发展迎来黄金期。

77GHz 毫米波雷达为下一代产品发展方向，国产化驱动国内产业链迎发展良机。

当前常见的毫米波雷达主要工作在 24GHz、77GHz 以及 79GHz 频段，其中 24GHz 相关产品已经得到大规模的应用。77GHz 以及 79GHz 产品由于更高的集成度以及速度测量精度，成为下一代产品的发展方向。以 ACC 自适应巡航场景为例，77GHz 毫米波雷达的体积为 24GHz 毫米波雷达的 1/3，探测器精度为 24GHz 毫米波雷达的 3~5 倍。当前，全球范围内毫米波雷达的主要供应商为：博世、大陆集团、海拉、富士通、电装等。根据 ofweek 统计，2018 年博世公司以 19%的市占率位居全球毫米波雷达市场第一名。

国内产业链方面，24GHz 毫米波雷达较为成熟，相比之下 77GHz 毫米波雷达因受到国外大型芯片商的技术封锁，产业链尚不成熟。国内毫米波雷达产业链分为三大环节：上游环节主要包括射频前段、数字信号处理器、高频 PCB 以及控制电路等；中游环节主要是从事毫米波雷达生产的企业；下游环节为汽车整车厂商、无人机厂商等。

四、智能驾驶算法及出行服务：软件服务将成为厂商盈利模式的重点

高精度地图：智能驾驶关键环节

高精度地图是智能驾驶产业链中不可缺少的一个环节。高精度地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。第二类是车道周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施信息。高精度地图将此类信息用于自动驾驶的地图匹配、路径规划、特定情况下的自动驾驶，可以解决传感器在雨雪、大雾天气中不适用的问题，并可大量减少车载传感器的数目，降低整车成本，加快无人驾驶的商用化，在自动驾驶系统中发挥着不可替代的作用，是无人驾驶感知层的重要补充。

高精度地图五大特征区别于传统地图，与传感器互相补充为无人驾驶提供安全保障。高精度地图与传统地图最大的区别是直接服务对象的不同，前者的服务对象是机器，后者是人。另外两者还存在图层、精度、更新速度、数据来源等差别。从角色定位来看，高精度地图在智能驾驶的作用，已经逐步脱离单纯地图数据导航的作用，而更多是与其它传感器融合在一起，发挥环境感知作用。高精度地图提供的先验信息能弥补一般传感器在特定环境下的信息缺失。

高精度地图提供更多信息，有助于提升稳定性与感知算法效率。高精度地图可为传感器提供抽象信息。第一，当某些传感器数据缺失时，可以利用地图数据进行推算。第二，高精度地图可以用于相互校验，当同一个数据有多个数据来源时，可以校验其他传感器数据的可信度，提高整个系统准确度。此外，高精度地图可以提升自动驾驶车载传感器对周围信息的感知算法效率和准确率。高精度地图的存在，可以利用其去掉地图中固有的标志物信息，让有限的计算资源集中在道路上可能对自动驾驶带来影响的动态物体。

我们认为未来的高精度地图将具备三大功能：（1）地图匹配,提高车辆定位精度。（2）解决特定情况下传感器失效的问题,弥补环境感知设备的不足。不仅增加了车道属性相关（车道线类型、车道宽度等）数据，更有诸如高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据。高精度地图能够明确区分车道线类型、路边地标等细节。（3）行驶路径全局规划，并且基于预判制定合理的行驶策略。因此，各大整车厂和

智能驾驶算法：商业化有望逐步推进

智能算法往往采用软硬件一体的形式提供。从智能驾驶运用到的智能算法类型看，包括路径规划算法、决策算法、计算机视觉算法等，其中涉及车辆控制、路线规划、信息收集处理等多种应用。智能算法往往通过软硬件一体的形式提供，如 ADAS 芯片内置的全景泊车系统、车道偏移警示系统、前方碰撞警示系统、行人碰撞警示系统、交通标志识别系统、车辆盲区侦测系统、驾驶员疲劳探测系统和后方碰撞预警系统等功能均内置了对应的智能算法、TPMS 芯片内含车轮定位等算法、车载 AI 芯片融合了深度学习等人工智能算法、车载智能摄像模组往往内置了计算机视觉算法。算法是智能化的核心，硬件则是算法的载体。

算法往往与智能驾驶场景结合，形成解决方案。如通过将计算机视觉与驾驶常见场景结合，形成智能座舱视觉解决方案（DMS）、智能驾驶辅助系统（ADAS）、360°环视视觉子系统（AVM）等智能汽车解决方案。此外，此类解决方案往往通过与汽车芯片进行适配，形成一体化解决方案，具体的提供方式包括前装市场的合作开发以及后装市场的产品售卖。其中，汽车前装市场包括车载导航、交通信息服务、高级驾驶服务等细分市场。其中智能驾驶解决方案（ADAS），需要与整车厂商合作共同研发，周期较长。后装市场则提供软硬件一体化解决方案或部分定制的产品。

算法商业化有望逐步推进。从算法厂商看，汽车芯片厂商、智能驾驶综合解决方案厂商、计算机视觉厂商均在智能驾驶相关算法领域有所布局。通过算法+芯片、算法+模组、算法+ 解决方案的方式积极推动算法的商业化。参与厂商既包括算法厂商，又包括整体解决方案提供商、芯片厂商等。

出行服务：2030 年规模有望达 2 万亿美元，Robo-taxi 模式仍在探索中

中国新型出行服务行业各环节配合紧密，“出行即服务”成为行业共识。根据亿欧智库，中国新型出行服务产业链主要包括车辆供应方、出行平台方和用户，并由技术供应方为出行平台方升级车辆及平台技术，由服务支持方为出行平台方及用户提供相应服务，同时不少车辆供应方也同时承担出行平台方角色直接为用户提供服务；“出行即服务”已成中国新型出行服务行业共识，中国新型出行服务市场呈现用户高频使用、出行工具个性化且技术密集、出行服务价格选择多样等特点。

出行服务（Mobility as a service, MaaS）市场持续发展，延伸出网约车、共享汽车、顺风车及 Robo-taxi 等共享出行的细分赛道。随着中国居民个人出行需求持续丰富以及移动互联网等技术的充分应用，商业模式不断扩展。2010 年 5 月，易到用车成立，成为中国首家布局网约车服务的企业；2011 年 8 月，共享经济在汽车领域应用，中国第一家汽车分时租赁创业公司车纷享成立；2014 年 9 月，嘀嗒出行首次在国内上线顺风车功能，出行服务加速渗透；2018 年 1 月，小马智行在广州南沙区进行 Robo-taxi 无人驾驶出租车首次常态化试运行。随自动驾驶技术的不断升级，L4、L5 高级自动驾驶阶段下，各场景的差异化自动驾驶应用有望进一步提升用户出行的便捷性与安全性。

网约车和共享汽车发展已较为成熟，Robo-taxi 模式仍在探索中。根据亿欧智库，网约车、共享汽车、顺风车和 robo-taxi 在 2010 年至 2018 年先后出现并快速发展。网约车盈利模式可分为 C2C 轻资产模式，即以私家车加盟为主，B2C 重资产模式，即以自购车辆为主，以及聚合模式，即以百度、高德为代表的聚合流量入口；顺风车与网约车相类似；共享汽车的收入来源主要来自车辆租金，随着规模化应用边际成本递减有望逐步实现盈利；robo-taxi 当前处于试运营推广阶段，盈利模式或与网约车类似。

无人驾驶出租车成本已基本与有人驾驶出租车达到同一水平，国内 Robo-taxi 在持续探索中。据百人会智能网联研究院及普华永道思略特 2020 年数据，目前无人驾驶出租车与有人驾驶出租车成本基本持平，有人驾驶出租车平均每公里成本约 1.89 元（燃油）、1.53 元（电动），而无人驾驶出租车平均每公里成本约 1.83 元。Robo-taxi 运营范围逐步拓展，目前美国加州、亚利桑那州等地已允许 Robo-taxi 公开运营，行业头部公司 Waymo 已服务超 10 万人级别；国内 Robo-taxi 方案厂商与主机厂商及出行平台合作，小马智行、百度、滴滴出行等陆续在城市特定区域开展 Robo-taxi 试运营业务。

随智能驾驶技术的进一步完善及 Robo-taxi 相关试点的推广，高度无人驾驶共享出行渗透率将提升。据尼尔森、艾瑞咨询，2020 年我国城市人口出行次数达 15.74 亿次/天，其中共享出行（包括出租、专车、快车、顺风车、分时租赁等）占 15%达 2.35 亿次；据中国电动汽车百人会，2020 年中国智能出行模式规模达 8.5 万亿人公里，其中共享出行占比达 11%，再细分来看共享主动占比 2%，共享被动占比 9%，2030 年共享被动出行规模占比有望增至 11%。

从市场规模来看，出行服务 MaaS 占汽车价值有望持续提升，出行服务 2030 年规模有望达 2 万亿美元。据普华永道思略特预测，2030 年全球汽车收入将从 2018 年的 5.4~5.6 万亿美元增长至 9.2~9.5 万亿美元，其中，出行服务收入占比将由 2018 年的 2%提升至 2030 年的 19%，达到约 2 万亿美元。

车载信息娱乐系统：步入智能座舱时代

车载信息娱乐系统逐步向智能座舱系统过渡。车载信息娱乐系统（In-Vehicle Infotainment， IVI）是采用车载专用中央处理器，基于车身总线系统和互联网服务，形成的车载综合信息处理系统，通过专门的车载处理器和操作系统来对整个车载信息娱乐设备进行协调和控制。能够实现包括导航、实时路况、IPTV、辅助驾驶、故障检测、车辆信息、车身控制、移动办公、无线通讯、基于在线的娱乐功能及 TSP 服务等一系列应用。车载信息娱乐系统可以分为控制各类多媒体设备提供娱乐服务的娱乐系统以及通过导航、通信等产品提供信息服务的信息系统。在智能驾驶时代，传统的车载信息娱乐系统（IVI）逐步向智能座舱系统过渡，在 IVI 的基础上，加入了全尺寸液晶仪表、抬头显示（HUD）、流媒体后视镜等产品。

车载信息娱乐系统进入智能化阶段。车载信息娱乐系统是智能座舱的重要组成部分。在机械时代，最初的汽车座舱提供简单的音频播放设备，随着座舱进入电子化时代，车载信息娱乐系统能够提供蓝牙、影音、导航等功能。2015 年以来，汽车座舱逐步进入智能化阶段，全尺寸液晶仪表、抬头显示（HUD）、流媒体后视镜等产品开始逐步渗透，车载信息娱乐系统将车内的功能进一步集成。从独立的音频播放设备到导航、中控、多媒体高度集成的智能座舱系统，车载信息娱乐系统集成度不断提升，逐步进入智能化阶段。

自动驾驶技术升级提升用户出行场景自由度，车载信息娱乐系统娱乐服务重度化、沉浸化满足用户场景需求。据特斯拉 21 年 1 月发布的最新 Model S 介绍，该车车载系统已经支持部分 3A 游戏大作运行。我们认为，随智能驾驶技术的升级，在云计算技术以及移动通信技术的支持下，车载信息娱乐系统在车载场景的娱乐化功能有望进一步增强，车载信息娱乐系统的娱乐功能未来可能主要包括：音频视频内容（长中短视频、音乐、听书等），游戏内容（包括 3A 大作、云原生游戏等），社交交互及其他。出行场景中的娱乐服务有望更加重度化，体验更加沉浸化。

车载信息娱乐系统竞争格局较为分散。从竞争格局看，车载信息娱乐系统参与者众多，包括汽车电子厂商、汽车零部件厂商、整车厂商、互联网厂商等。不同厂商具有不同的优势，零部件厂商与整车厂商拥有良好的合作关系，汽车电子厂商在产业链资源整合及技术实力方面拥有优势，互联网企业在生态体系、大数据与智能化运用方面拥有优势。从市场份额情况看，行业格局总体较为分散，其中汽车电子厂商哈曼、阿尔派，汽车零部件厂商爱信精机、博世等厂商处于领先地位。

单价提升为车载信息娱乐系统主要发展动力。我们认为随着汽车智能化应用的逐步推进，虚拟显示等技术的应用，智能化程度的进一步提升，各类功能进一步集成有望推动车载信息娱乐系统单车价值量的上升，或将成为未来十年推动车载信息娱乐系统市场规模上升的主要动力。

五、车载以太网和车联网：智能汽车“互联互通”的信息高速公路

车载以太网：自动驾驶驱动车载以太网渗透率提升

车载以太网具有大带宽、低时延等优势，是满足自动驾驶算力和数据传输需求的核心技术。车载以太网起源于汽车新四化快速发展，即汽车电动化、网联化、智能化、共享化需求提升，使得带有网络接口的 ECU 大幅提升，传统 CAN、LIN、以及 FlexRay 等车载网络技术在数据传输时延和传输带宽限制等问题凸显。

我们认为，站在当前时间点来看，自动驾驶是驱动车载以太网渗透率提升的核心要素。主要原因是 ADAS、激光雷达、智能视觉安全应用、V2X 等应用带来算力和数据吞吐速率大幅提升。根据 LeadLeo 2020 年 7 月发布的数据来看，自动驾驶每提升一级，算力将呈现指数级增长，且高清摄像头和雷达传感器等对于数据吞吐速率的要求亦进一步提升。车载以太网可利用不同的方式传输车辆数据，既可以是网络接口，也可以是在 1Gbps 下运行的高速低延迟传感器或无线连接，满足了自动驾驶技术演进对于数据带宽和传输时延的高要求。

2030 年车载以太网市场规模有望达到 426 亿元。

车载以太网网络架构主要包括网关、交换机、域控制器、连接器、双绞线缆等，各个域控制器均通过车载以太网总线连接网关的交换机，车载以太网交换机用于实现各个域控制器之间的信息交互，网关将通讯协议转换后的执行请求通过交换机转发给域控制器，实现各个域控制器之间信号的高效交互。

自动驾驶 L3 及以上级别渗透率快速提升，2030 年车载以太网上游市场规模有望达到 426 亿元。根据我们测算 2020 年单车车载以太网节点约为 6 个，随着域控制器需求的增加预计 2025 年提升至 13 个，2030 年提升至 17-20 个，节点数对应交换机需求数量，另外单车配备一个中央网关。从车载以太网的渗透率来看，我们预计 2020 年渗透率约为 10%，考虑到自动驾驶对车载以太网的需求方面，我们认为到 2030 年 L3 级别以上的自动驾驶车辆将以车载以太网技术为主，渗透率有望达到 50%。依照以上假设测算，我们预计 2030 年全球车载以太网上游网关和交换机市场规模约为 426 亿元，较 2020 年的 10 亿元增长超过 40 倍。

当前产业链以海外供应商为主，国产化替代空间较大。车载以太网上游产业链主要包括芯片和处理器部分，大多为海外厂商供应。随着国产化需求的逐步提升，以及华为、百度等巨头对汽车行业的加码，国内厂商未来有望占据一席之地。例如，裕太车通和景略半导体均已在 2019 年成功研发出车载以太网 PHY 芯片，并已进入量产阶段，打破了海外芯片巨头公司在芯片领域的垄断。

车联网 V2X：无人驾驶之路，V2X 蓄势待发

车联网的终极目标是无人驾驶和智能化交通体系。当前，汽车产业向智能化、网联化发展成为趋势，无人驾驶是其终极目标。我们认为当前汽车技术发展处于 L2 阶段，并向 L3 演进阶段，从单车智能向群体智能和车路协同进阶，使得汽车在当前的简单辅助驾驶功能基础上，逐步具备全方位信息交互和智能决策，在这一过程中车联网 V2X 必要性逐步凸显。主要原因是：1、通信技术是无人驾驶不可或缺的一部分，与单车智能互补，实现群体智能，推动自动驾驶进入快车道；2、车联网是自动驾驶感知层的不可替代环节，是实现大规模数据积累的核心技术，是实现人工智能的基础；3、车联网将环境感知信息传递，拥有信息交互的核心价值，为自动驾驶提供使能技术；4、通信技术向 5G 演进，将推动信息交互和智能决策算力升级。

5G 规模商用在即，推动 V2X 进一步升级

车联网作为万物互联时代的重要应用，与 5G 结合已经成为行业发展的必经之路，无人驾驶等技术要求毫秒级的时延和接近 100%（99.9999%）的可靠性，只有通过 5G 网络的支持才能实现。我们认为加速推进 5G 网络建设是实现智能网联汽车的前提，同时伴随我国 5G 网络建设的优势地位，加速智能网联汽车发展也成为推进汽车产业的首选。

考虑到车联网核心元器件为车规级通信模组（单车配备 1 个车规级通信模组），故而我们针对全球车规级通信模组的市场规模进行预测。我们假设：1、3G 网络退网使得 3G 车规级通信模组需求逐年下降；2、2025 年后，L3 级别的车辆使用 5G 车规级通信模组的占比逐年提升；3、车规级通信模组的单价逐年呈现下降趋势；4、随着智能网联化需求的提升，单车使用 2 个通信模组的需求增加。以此假设，我们看到 2021-2030 年车联网主要的通信网络依托于 4G 和 5G，且 2025 年后 5G 通信模组的占比大幅提升，到 2030 年 5G 车规模通信模组占比达到 47.6%。市场规模来看，我们预测 2030 年全球车规级通信模组市场规模达到 160 亿元，2021-2030 年复合增速为 23.74%。