报告摘要

目前，自动驾驶系统已陆续加载，头部企业基本可以实现整体L2.5水平和部分功能的L3+水平，汽车智能化，自动化水平明显提升。

可是，在自动驾驶系统的发展过程中，在感知和决策层面存在技术瓶颈感知主要是视觉感知和雷达感知，这两个感知方向各有缺陷，包括但不限于分辨率低，受气候等外界环境影响大，成本高等，难以应对更复杂的路况或确保安全，在决策方面，硬件端存在计算能力不足或功耗较高的问题，而软件端存在数据量不断增加的情况下效率不足的问题，无法保证未来数据量进一步扩大后车辆行驶的安全性

目前从事自动驾驶系统开发的厂商数量众多，分布广泛，而且由于整个系统从硬件架构到软件编写再到车辆验证需要很多环节，整个产业链涉及的内容非常多，但总体来说，量产上路加载基本还停留在L2.5水平，部分功能可以达到L3以上，距离L4，L5高海拔自动驾驶还有很长的路要走。

从技术路径上看，软件端差别不大本质上都是依靠机器学习算法，结合实际路测数据和模拟路测数据实现迭代硬件方面的区别主要在于是否使用激光雷达:由于其性能优异，为了保证自动驾驶的安全性，大部分厂商都选择搭载激光雷达，包括Waymo，沃尔沃，通用等由于成本较高，特斯拉并没有使用激光雷达进行商业量产，而是以视觉方式为主，辅以超声波和毫米波雷达来构建其传感模块我们认为，从优先保证安全的角度来看，未来激光雷达仍将是自动驾驶系统中最重要的传感器之一，在技术进步和规模效应的多重作用下，其目前的高成本将显著降低，从而变得足够经济

考虑到自动驾驶的最终模式，车路合一是最终的理想状态，但也将是一个极其漫长的发展过程在这个过程中，我们相信国家推动的数字经济发展战略将继续为车路协同发展提供支撑

风险警告

1.政策收紧导致加载设备和功能受限。

2.细分技术路径对其他技术路径的影响。