智能駕駛丨研究報告

核心摘要：

產 業概況：

乘用車：2020年，我國乘用車產銷分別為1999.4萬輛和2017.8萬輛。在智能化、聯網化技術的推動下，智能聯網汽車逐漸接力成為乘用車市場中的主要增長動力。

商用車：2020年，嚴治超重、新老基建開工和國三汽車淘汰等因素促使商用車銷量呈現大幅增長態勢。

發展 現狀：

壁壘：客戶定點、技術、人才和質量要求給企業進入智能駕駛行業創造了較大壁壘，但同時也保障行業有序長效發展。

市場規模：2021年，城區智能駕駛輔助系統市場規模約為58億元；高速智能駕駛輔助系統市場規模約為247億元；智能泊車輔助系統市場規模約為137億元；礦區自動駕駛市場規模約為21億元；港口自動駕駛市場規模約為2億元。

主要 玩家：

國內主機廠：傳統主機廠輔助駕駛產品推進節奏相對保守，新勢力車企規劃布局較傳統車企更具前瞻性。

國內一級供應商：傳統供應商從零部件供應逐漸轉向自動化、智能化產品開發；高成長、高潛力的初創公司多聚焦整體解決方案。

國內二級供應商：隨著智能駕駛的發展，零部件仍然存在較大創新空間。

發展 趨勢：

乘用車輔助駕駛：智能駕駛技術不斷成為行業標配，單項功能逐漸下沉至低端車型。

多傳感器融合：為了有效使得汽車感知系統形成冗余、互補，多傳感器融合已成為眾多主機廠提高智能駕駛能力的技術之一。

研究范圍與概念界定

輔助預警、輔助駕駛、自動駕駛相關產業為本報告主要研究范圍

中國汽車市場分析-整體汽車銷量

汽車產業供需兩端穩步向好，2021年銷量或與去年持平

汽車作為國民經濟支柱產業在整個制造業乃至中國經濟的轉型升級中都扮演著重要的角色。中國汽車產業走完“十三五”最后一年取得了遠超預期的成績。2020年，在新冠疫情的壓力下中國車企迅速恢復活力，全年完成銷量2531萬輛，同比降幅收窄至1.9%，銷量繼續保持全球第一，體現出我國汽車產業的強大韌性和內生增長動力。

隨著智能化、自動化技術不斷成熟，汽車產品正在向智能移動終端轉變，而智能化技術也將在“十四五”期間為中國汽車提供重要的競爭平臺，幫助汽車產業實現飛躍式發展。然而半導體短缺影響，今年銷量或與去年持平，同時不排除負增長的可能性。長期來看，我國汽車銷量的增長仍將持續。

智能駕駛-汽車及交通變革的重要方向

智能駕駛技術將成為汽車和交通產業發展的重要驅動力

智能駕駛技術的發展不僅將改變多年來人類駕駛車輛的行為習慣，更重要的是將在交通安全、運輸成本、用車效率和空氣污染等方面推動整體社會的發展和進步，是一場由工業領域和交通領域共同拉動的產業革命。在智能駕駛和未來智慧交通的影響下，整體交通運輸的方式將朝向安全、高效、綠色的方向不斷轉變；道路空間、運輸成本、人力需求將不斷釋放，轉而產生更大的社會效益。

中國智能駕駛等級定義

駕駛自動化等級劃分

智能駕駛采用不同類型的傳感器，實現車輛對周邊道路、行人、障礙物、路側單元及其他車輛的感知，在不同程度上實現車輛安全、自主、智能駕駛，是人工智能在汽車領域融合的重要方向。由實現駕駛自動化的硬件和軟件所共同組成的系統被稱為駕駛自動化系統（下文簡稱“系統”）。目前，世界各國對智能駕駛的理解和分類基本一致，中國《汽車駕駛自動化分級》基本參考了SAE J3016TM的分級。L0級別系統僅提供預警類功能，車輛控制完全由駕駛員掌控，因此屬于輔助預警。L1~L2級別系統可接管少部分的、不連續的車輛控制任務，屬于高級別輔助駕駛范圍（AdvancedDriving Assistance System，簡稱“ADAS”或“輔助駕駛”）。而L3~L5級別系統可以在激活后的一定情況下執行連續性駕駛任務，因此屬于自動駕駛范圍。但L5級別的完全自動駕駛由于技術、法規、政策、標準和道德倫理等問題，其短中期的可行性較低，因此目前L4為可行性較高且落地性較強的高級別自動駕駛等級。在責任判定方面，L2及以下級別輔助駕駛僅僅給駕駛員提供輔助功能，駕駛員仍為責任主體；L3及以上自動駕駛在開啟自動駕駛狀態下出現的事故，應確定駕駛人或系統開發單位責任；而目前輔助駕駛功能僅在特定情況下代替人類駕駛，同時緊急情況時需要人類及時接管，因此在權責認定、法律法規和產品形態方面仍然存在一定爭議。

政策法規—國家層面

國家政策不斷出臺鼓勵智能駕駛行業健康發展

自2015年《智能制造2025》政策出臺后，我國先后制定了一系列推動智能駕駛汽車、智能聯網汽車發展的鼓勵政策。其中《車聯網（智能網聯汽車） 產業發展行動計劃》指出到 2020 年車聯網用戶滲透率達到 30%以上，新車駕駛輔助系統（L2） 搭載率達到 30%以上，聯網車載信息服務終端的新車裝配率達到60%以上的行動目標。政策的頻頻出臺展現了我國對于智能駕駛行業及相關企業的重視和支持，為我國智能駕駛相關產業的發展提供了良好的政策支持和相關保障，也有助于整體汽車行業智能化的轉型升級。同時，我國《道路交通安全法》近十年未曾修訂，而2021年的修訂建議稿中加入了智能駕駛相關責任認定的描述，將成為消費者權益和交通安全的有力保障。

標準制定

標準化工作不斷完善，行業逐漸朝向規?；c高質量發展

我國智能駕駛標準化工作正在有序開展，對系統功能、性能要求和檢測辦法等進行不斷規范，為我國智能駕駛產業的規?；c高質量發展提供了基礎?！镀囻{駛自動化分級》已于2021年8月20日正式發布，將于2022年3月1日開始實施；《智能網聯汽車自動駕駛數據記錄系統》、《汽車整車信息安全技術要求》和《汽車軟件升級通用技術要求》三項國家強制性標準已發布立項公示；標準的出臺標志著我國智能駕駛標準的逐漸完善，也意味著智能駕駛行業的逐漸成熟與規范，同時也為智能駕駛技術的商業化落地提供重要的先決條件。

技術演進

電子電氣構架的演進為智能駕駛能力提升提供堅實基礎

隨著智能駕駛功能不斷增多，信息傳輸量不斷增加，傳統的分布式構架難以滿足多個零部件和ECU之間的協同，域/跨域集中式架構逐漸成為智能駕駛汽車的主流，可賦予汽車更復雜的智能駕駛功能和更便捷的OTA升級，極大程度上促進智能網聯汽車的發展。

中國智能駕駛發展概況

我國量產車輛正向L3等級演進，L2新車滲透率約12%

交通安全始終是出行環節最重要的考慮因素，最初的駕駛自動化功能主要是幫助駕駛員降低事故發生率，如汽車主動安全技術AEB（Autonomous Emergency Braking）便是輔助駕駛功能的早期形態。目前，各大主機廠量產車輛輔助駕駛等級大部分為L1和L2，并逐漸向L3演進。而部分科技公司則采取高舉高打的策略，直接研發L4級別自動駕駛，并在部分城市路段或特定場景下進行測試，如城市郊區道路、部分高速公路/快速路、園區等。

在汽車智能網聯化的變革中，汽車電子、軟件、算法等價值將因智能駕駛技術而顯著提升。先進的通訊、計算機、人工智能等技術不斷應用在智能駕駛汽車中，成為愈加重要的生產要素。預計2020年我國新車輔助駕駛滲透率（L1+L2）約為32%，L1、L2級別新車占比分別約為20%和12%左右。

中國智能駕駛行業發展特征

智能駕駛與汽車產業關系密切，展現出周期性、季節性和地域性三大特征

周期性：汽車屬于大宗消費品，且具有可選性和耐用性，宏觀經濟的變化對于汽車消費周期有著較為明顯的正相關性。

我國宏觀經濟情況對汽車市場存在較大影響。除2008年經濟危機外，我國宏觀增速較快時汽車銷量也有較大增長，反之亦然。因此宏觀經濟與汽車市場呈現較為明顯的正相關性，從而對智能駕駛的增長性產生一定影響。

季節性：歷年來我國汽車銷售的季節性明顯， 11、12和1月屬于消費旺季，而2月與6到8月是傳統的消費淡季。車企有計劃的調整產量和供應鏈，進而對智能駕駛相關產品供應也產生相似影響。

我國汽車銷售存在明顯的季節性消費特征，11、12、1月是全年銷售最旺的季節，2月因春節影響遇冷，6至8月是傳統銷售淡季。之所以具有季節性，主要是氣候，社會人文和節假日等多重因素共同作用于車市供需雙方的結果。而對于智能駕駛供應商而言，此季節性由于供應周期會提前2個月左右。

地域性：由于集群效應我國車企已產生六大產業集群。相似的，零部件和智能駕駛企業也集中在我國中東部地區。

如今，我國已形成長江三角洲、珠江三角洲、環渤海地區、東北地區、華中地區和西南地區為主的汽車產業六大集群。而智能駕駛供應商和零部件供應商為更好的服務車企，其生產基地也會不同程度的靠近車企所在地，主要集中在長三角、珠三角、環渤海和華中地區。

中國智能駕駛行業進入壁壘

四大壁壘構筑企業進入城墻，保障行業有序長效發展

越來越多的企業正在向智能駕駛方向布局，加之百度、小米在內的互聯網企業的進入，此領域不斷受到資本青睞。但對于新入者而言，智能駕駛的行業壁壘不容忽視。一方面企業面臨較長的客戶驗證周期，另一方面企業又要跨過技術先進性、人才招募和產品質量的考驗，同時部分企業還面臨著資金壓力。因此，有能力打破壁壘并建立自身優勢的企業才能在行業中取得領先地位。

智能駕駛系統構架：綜述

解決智能駕駛的核心問題：我在哪？我去哪？我該如何到達？

環境感知：障礙物檢測是感知層中的重要內容，是實現智能駕駛功能的前提。利用多種傳感器及V2X等技術獲取汽車所處環境信息和周邊車輛、行人、交通信號燈和路標等信息，為汽車的綜合決策提供數據支撐，解決“我在哪”的核心問題。

決策規劃：通過環境感知的結果進行數據融合，結合高精地圖數據確定合適的工作模型，決定相應的軌跡規劃方案，以達到替代人類作出駕駛決策的目的，將智能汽車以擬人化的方式融入整個交通流當中，解決“我去哪”的核心問題。

控制執行：通過驅動、制動、轉向等達成車輛的橫向及縱向控制，使汽車精準地按照決策規劃實現有效的避讓、減速、車距保持、轉向等動作，解決“我該如何到達”的核心問題。

智能駕駛系統構架：環境感知

環境感知技術是車輛與外界信息交互的必要條件

環境感知是實現智能駕駛的第一環節，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。對于不同級別智能駕駛汽車和駕駛任務而言，需要的傳感器類型、數量和性能也有所區別。因此在量產車輛當中，感知傳感器及方案的配置以需求為導向，有針對性的選取合適的傳感器和感知方案的組合，實現功能、效用和成本之間的最優解。

智能駕駛系統構架：決策規劃

決策規劃對于智能駕駛車輛性能起到決定性作用

決策規劃是智能駕駛構架的第二步，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。

智能駕駛系統構架：控制執行

控制執行為實現智能駕駛的底層基礎

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?？刂茍绦屑夹g主要分為車輛的橫向控制和縱向控制兩大部分。橫向控制即轉向控制，保證汽車在規劃的路線上正常行駛，在不同車速、路況條件下保證轉彎的有效性和乘坐舒適度?？v向控制可以對危險情況作出緊急處理，最大程度上避免交通事故的發生，還可以在安全的前提下縮短與前車的距離，提高交通運行效率。

智能駕駛產業鏈

國外傳統廠商優勢明顯，國產自主化進程不斷加快

全球智能駕駛產業鏈逐漸成熟，上游主要由各類傳感器、芯片、算法、高精地圖等產業組成，其中芯片技術長期掌握在國外廠商手中；然而我國芯片產業不斷成熟，預計在十四五期間將迎來技術突破，華為、地平線等企業逐漸發力不斷搶奪市場份額。與此同時我國涌現一批專注于智能駕駛解決方案的科創企業，有望通過智能駕駛技術完成彎道超車。處于中游的主機廠通過自主研發或合作研發的方式不斷開發智能駕駛產品并制定研發計劃。由于智能駕駛技術升級和運營而衍生出的服務市場將在產業鏈中占據愈加重要的地位，車輛逐漸擁有更加自主化的駕駛能力，無人配送車、無人網約車運營及工程車輛的運營和改裝將幫助企業在運輸環節降本增效。

智能駕駛市場規模-城區

未來法律法規的完善將促進城區輔助駕駛功能逐步落地

隨著車企對車輛輔助駕駛功能的推廣，汽車電子化、自動化水平的不斷提高，ADAS功能滲透率不斷上升。同時，在城區范圍的TJA和AEB功能可解決駕駛員在交通擁堵下的痛點，提升駕車時的安全性。由于城區場景的復雜度較高和目前的法規、技術和落地性等問題，專門為城區場景開發的ADAS功能較少，預計相關法規出臺后L2及L3級別適用于城區場景下的功能將不斷豐富，裝車量逐漸增多。在目前的法規狀況下，艾瑞測算，2021年城區智能駕駛輔助系統市場規模約為58億元，增長率達33.5%。

智能駕駛市場規模-高速/快速路

輔助駕駛功能在高速場景下更為實用，裝機量有望不斷提升

高速場景的半封閉性和較低的路況復雜性使得駕駛員更加愿意使用輔助駕駛功能，消費者接受度較強，實用性較高，其裝車量有望不斷提升。艾瑞測算，2021年高速智能駕駛輔助系統規模約為247億元，增速達31.8%；隨著裝車量的不斷提升，在2025年市場規模有望達到490億元。

智能駕駛市場規模-泊車

智能泊車輔助功能加速滲透，2021年市場規?；蜻_137億元

市場方面，RVC倒車影像逐漸成為新車標配，同時正在被AVM等功能不斷侵蝕。AVM和APA泊車輔助功能在現階段可滿足大部分消費者需求，其裝機量將不斷提升，同時正在從高端車型向中低端車型滲透。HPP和AVP等L3+泊車方案常作為高端車型的選裝配置或中低端車型的高配版，目前裝配率較低，未來市場存在較大增長空間。

同時政策方面也對智能泊車輔助的發展給與了明確支持，《新能源汽車產業發展規劃（2021~2035）》中提出引導汽車生產企業和出行服務企業共建“一站式”服務平臺，推進自主代客泊車技術發展及應用。隨著主機廠對于輔助泊車的加速量產和升級迭代，預計2021年中國智能泊車輔助系統市場規模約為137億元。

智能駕駛市場規模-礦區

礦用車進入景氣周期，礦用車輛改造和無人運輸運營雙驅動

由于“一帶一路”倡議、智能礦山、安全礦山等發展趨勢，包含礦用車在內的工程機械在目前的宏觀周期中處于上升態勢，“十四五”期間更是礦用車的黃金發展周期。而自動駕駛礦用車可以減少人工成本，最大化保障礦區安全，是實現“人少則安，無人則安”的重要途徑，也將迎來難得的發展機遇，目前已有多座礦區專門劃出試驗場地進行測試，預計2023年左右開始規?；帕?。由于礦用自卸車壽命可達15年左右，每年增量僅在幾百臺不等，因此自動駕駛新車增長空間有限，其存量改裝市場更應該值得重視。而寬體自卸車則改裝價值有限，在前裝市場中存在較大價值。艾瑞測算，2021年礦區自動駕駛市場規模約為21億元，“十四五”期間有望達到80億元。

智能駕駛市場規模-港口

自動駕駛集卡規?；诩?，2025年市場規?；虺?0億

目前自動駕駛集卡處于小規模試運營階段，預計2023年將逐步實現大規模運營從而助力港口的智能化建設。在價格方面，由于自動駕駛研發成本較高，軟件開發成本在短期內難以下調；而自動駕駛成本有望通過硬件和傳感器成本的下降而存在小幅度降低。在市場層面，原有的手動擋內集卡由于AMT協議的封閉性和改裝成本高等問題難以批量改裝，同時改裝后的安全性、穩定性難以保證，因此自動駕駛內集卡將集中在未來的增量市場。艾瑞測算，2021年港口自動駕駛市場規模約2億元，到2025年有望經歷10倍左右的規模增長。

智能駕駛行業競爭優劣勢分析

各類企業合作共建，促進智能駕駛產業重塑

為適應汽車智能化、網聯化的發展特征，主機廠也開始加大智能駕駛技術的研究以建立行業壁壘。然而，一方面主機廠在自研的同時會將ACC、AEB、LKA等較為標準化，技術較為成熟的功能交于一級供應商開發；同時，部分主機廠從研發投入、技術能力等多維度考量，同時希望產品快速推向市場，也會將較為實用的AVM、APA等泊車功能交于一級供應商，從全球范圍來看，目前約80%的主機廠會將APA功能交給一級供應商開發。另一方面，由于芯片和核心算法在智能聯網汽車中的重要性不斷提升，而部分二級供應商在此類領域較為專注，部分主機廠也會跳過一級供應商直接與二級供應商建立聯系以保證核心生產要素的供給。因此，在汽車產品向智能網聯化變革的過程中，各類企業間的關系正在從傳統鏈式轉變為網狀生態，企業專長和定位不斷清晰，以協同共建的方式促進智能駕駛產業鏈的重塑。

智能駕駛企業核心競爭要素

對于核心競爭力的把控決定智能駕駛企業的生存能力

數據閉環：智能駕駛能力取決于高效的數據閉環和數據的利用效率，利用大量的有效數據訓練智能駕駛算法，使其能夠處理更多、更復雜工況下的駕駛任務，形成數據閉環后可以打通采集數據、構建數據集、算法訓練、算法測評的鏈路，不斷提高智能駕駛能力；同時數據閉環也將在智慧交通、智慧城市等層面產生更大的價值。

軟硬件解耦：提供接口清晰、兼容性強、經過大批量測試的可移植化方案，可適配大部分控制器、芯片和傳感器的方案，實現軟硬件分離設計，幫助車企縮短產品上市時間，減少開發工作，并可從同一組組件中開發出更多產品，降低開發成本，提高產品質量。

硬件自研量產：市場中所售硬件同質化較為嚴重，且單點技術難以形成壁壘。有能力的智能駕駛企業開始自研硬件，可以通過自研硬件和算法的結合對原始數據進行更多的把控，增強感知數據融合效率，提升企業智能駕駛解決方案的安全有效性。

智能駕駛企業競爭力—行車功能

國產ADAS方案不斷突圍，本土企業技術積累和場景化算法優勢逐漸顯現

國外玩家在行車功能領域深耕已久，國內企業在重壓之下開啟了國產替代之路。國內玩家中德賽西威、經緯恒潤和東軟睿馳等玩家憑借出色的技術能力拿到多家主機廠量產訂單，擁有了先發優勢和豐富的量產經驗。其他玩家則進入量產環節較晚，其產品穩定性仍有待市場驗證。然而如華為等科技企業正在不斷入局，其行業影響力和技術能力或為其帶來較大的競爭優勢。

智能駕駛企業競爭力—泊車功能

國內智能泊車領域發展機遇大于行車領域，整體泊車市場不斷上行

國際主流供應商更為關注前向Driving ADAS功能，同時新產品研發較為謹慎，需要較長的研發周期，因此國內供應商和主機廠在泊車領域存在更多機遇，在高階智能泊車AVP功能上尤為明顯?？v目科技、百度和德賽西威等處于行業領先地位，其擁有較為豐富的量產經驗，產品穩定性和可靠性，擁有軟硬一體化能力，已獲得多家主機廠量產定點并有搭載其智能泊車系統的乘用車批量上市。其他玩家同樣擁有核心能力，但相對缺乏乘用車量產經驗，進入市場較晚。由于整體智能駕駛汽車市場上行，泊車功能滲透率不斷升高，整體行業仍有較大的發展空間。

乘用車輔助駕駛滲透率不斷提升

乘用車輔助駕駛滲透率達32%左右，L2功能進入普及期

隨著輔助駕駛功能逐步量產，乘用車輔助駕駛系統不斷成為行業標配，單項功能逐漸下沉至低端車型，2020年乘用車輔助駕駛滲透率約32%左右，預計2025年滲透率或達到65%。2020年L1級別占比最高，約20%左右；L2級別車輛占比約12%。但L1級別功能并未發揮出硬件的最大效用，加之L2的快速滲透和成本的降低，預計僅搭載L1級別功能的乘用車將逐漸減少，未來L2級別功能將逐漸取而代之。同時隨著智能駕駛相關上路法規的不斷完善，L3級別有條件自動駕駛乘用車有望在2023年開始逐步落地。

高級別自動駕駛在部分場景或率先落地

低速、封閉、固定路線和不載人的特征助力高級別自動駕駛在部分場景下加速落地

乘用車方面，由于自動駕駛法規、技術、場景復雜度等限制，嚴格意義上的L3等級以上自動駕駛短期內落地仍有一定難度。但自主代客泊車具有低速、場景封閉、固定路線和不載人的特征，同時可幫助車主減少停車時間，有望成為乘用車中最快量產落地的高級別自動駕駛功能。而在商用車方面，礦山、港口、機場等場景擁有同樣的特征，同時可幫助企業降低人力成本，保障人身安全，將更多的人參與到價值更高的工作當中，因此短期內落地性較強。

多傳感器融合或將成為行業主流

多傳感器融合加強冗余，逐漸成為行業主流方案

隨著智能駕駛級別的提升，車輛所需要的傳感器也越發多樣化，為了應對不同的場景和保證車輛的安全保證，多傳感器融合成為行業趨勢。多傳感器融合技術是對信息的多級別、多維度組合導出有用的信息，包含圖像信息、點云信息等，不僅可利用不同傳感器的優勢，還能提高整個系統的智能化。隨著多目攝像頭、79GHz毫米波雷達、深度視覺算法和增強型學習決策算法等技術的發展，為了使得汽車感知系統形成有效互補，多傳感器融合已成為眾多主機廠來提高自身智能駕駛能力的技術之一。

智能駕駛行業發展機遇

多維度行業機遇疊加，智能駕駛發展恰逢其時

國家和地方政策頻出：頻頻出臺的國家政策已經表明國家對于智能駕駛行業發展的支持，并將其作為汽車產業轉型升級的重要方向，為我國智能駕駛汽車的可持續發展奠定了基礎，預計“十四五”期間將是智能駕駛行業的快速發展時期。

國產化進程加快：智能駕駛零部件及解決方案國產化腳步加快，部分國內智能駕駛企業開始展現出競爭優勢，逐漸進入國內外車企的供應體系；對于同等性能的零部件而言，部分國內車企更趨向選擇更了解中國市場的國內供應商。同時由于疫情影響和國際局勢等因素，國外供應商與國內車企的合作存在一定不確定性和風險，導致國內車企通過更多的與國內智能駕駛企業合作來降低對國外供應商的依賴，提高國內汽車產業供應鏈的穩定性。

車聯網快速發展：車聯網可以為智能交通系統提供基礎網絡，也為智能駕駛提供決策來源。車聯網可采用5G作為基礎通訊手段，打通汽車行駛數據、道路規劃和實時交通數據，延遲時間可降低至1毫秒，可滿足更高級別自動駕駛對于延遲的要求，在整體交通規劃和智慧公路方面為智能駕駛的規?；l展提供了有力支持。

測試道路逐步開放：車輛路測規模直接影響智能駕駛技術的發展?！吨悄芫W聯汽車自動駕駛功能測試規程（試行）》中提出各檢測項目對應的測試場景、測試規程及通過條件。目前我國已建立至少20個智能聯網汽車測試示范區性并形成區域性互補；北京、上海、長沙、廣州等城市已經頒發上百張路測牌照，公開道路中的各類環境和場景均為真實情況，有助于智能駕駛車輛在量產落地前的驗證。

智能駕駛行業面臨的挑戰

法規、技術等挑戰不容忽視，或影響行業發展節奏

法規：智能駕駛相關法規的建立落后于技術的發展，仍然存在互相矛盾和法律空白問題。尤其是在眾多參與方（駕駛員、車企、智能駕駛開發商等）的情況下，對于智能駕駛車輛交通事故的分析和權責認定機制尚未完全形成。同時，在發展到更高級別的自動駕駛水平時，系統決策也可能出現社會倫理道德風險，現有的保險制度也較難適用于自動駕駛車輛。

技術：由于城市工況、道路設計、天氣、行人等在不同時間、不同區域差別較大，因此全場景自動駕駛技術難度遠超預期。L3較L2級別的數據處理量呈指數級增長，對于芯片、傳感器、軟件、電子電氣構架等都有著較高要求，任一環節的技術滯后都難以實現自動駕駛的落地，因此更高級別的自動駕駛落地在技術層面也面臨較大挑戰。

場景：智能駕駛在各類場景下落地時均存在一定難度。如港口自動駕駛集卡?？课恢眯枰^高的精準度；機場由于保密原因難以采取高精地圖提升自動駕駛能力；高速場景因政策限制導致實驗規模不足；城區場景暫時難以解決所有corner case。各場景下難點的解決方案也成為行業發展的主要挑戰。

成本：智能駕駛企業需要在前期投入較大的研發成本和人員成本才能保證智能駕駛功能的更新迭代，其中包含傳感器研發、底層算法、ADAS算法等，此過程相對較長且具有一定市場風險。擁有可靠技術和產品創新的企業才能持續保持較強的市場競爭力。