目前，以Waymo、Tesla、GM Cruise為代表的主流整車制造企業、科技公司均在自動駕駛領域進行了大量投入，多個項目在道路測試中取得了良好成績。Waymo的乘用車自動駕駛項目已經在2018年實現了小范圍商用，其它自動駕駛企業多數把量產乘用車的落地時間表定在2020年左右。我們認為，行業領先公司均已擁有了較為成熟的技術方案，但在硬件產業化、產業鏈整合、高精度地圖、法律法規更新等方面仍有很多問題需要解決，量產乘用車自動駕駛任重道遠。

特定場景自動駕駛技術趨于成熟，產業化應用前景廣闊。特定場景的自動駕駛項目主要集中在固定路線、封閉園區方向，典型應用場景包括園區通勤、碼頭、礦山和倉儲等的自動駕駛改造。全國有約300個口岸、超過20000個各類開發區、超過2000家礦山企業，超過3000萬輛覆蓋5km范圍物流車、兩輪車和三輪車，上述場景均有可能進行部分或完全的自動駕駛改造。同時，特定場景的自動駕駛產業化落地條件趨于成熟，其中：現有傳感器、軟硬件平臺、高精度地圖技術積累可以較好滿足項目要求；商業應用和工業應用對硬件成本考量方式不同，可以承擔較高的改造成本；應用場景可以較好規避現有交通法律法規的限制。

產業鏈跨界合作頻繁，看好產業化應用爆發。國內特定場景的自動駕駛發展方興未艾，技術平臺、硬件傳感器企業、整車制造企業、工業應用企業的合作頻頻發生。一方面，百度Apollo生態圈孵化了量產自動駕駛接駁巴士"阿波龍"、與創業公司新石器合作發布了自動駕駛物流車，充分整合了整車制造與傳感器行業的相關公司；另一方面，中國重汽、徐工集團等工程機械制造商與創業公司主線科技、踏歌智行合作實現多款礦用車輛的自動駕駛改造，振華重工與創業公司西井科技在珠海港進行的自動駕駛改造，都是產業鏈跨界合作的典型案例。我們認為，現有案例的技術趨于完善，未來有望實現自動駕駛在特定場景應用的全面爆發。

受益標的：綜合考慮技術成熟度、成本、應用場景等因素，我們看好特定場景的自動駕駛率先實現產業化應用，成為行業發展的"過渡帶"和"試驗田"。我們看好A股上市公司在車載通信設備、視覺傳感器零部件、車載芯片、高精度地圖，導航方向的突破潛力。受益標的包括：高新興（車規級通信模組）、耐威科技（導航）、四維圖新（高精度地圖+車載芯片）、韋爾股份（車載CMOS芯片）、聯創電子（車載ADAS攝像頭）、中海達（高精度地圖+導航）等。

風險提示：自動駕駛標準進展、法規建設不及預期

1、乘用車自動駕駛預計2020年左右落地，產業化面臨挑戰

1.1、預計Level 3以上自動駕駛在2020年左右產業化落地

隨著算法和傳感器領域的不斷進步，汽車制造和互聯網科技企業紛紛加大了對自動駕駛行業的布局力度。其中，Waymo、GM Cruise和Tesla等公司在產業化成熟度上較為領先，其他廠商多數把量產乘用車實現Level 3以上級別自動駕駛的時間表定在了2020-2021年左右。

以谷歌為例的科技公司在技術成熟度上優勢明顯。谷歌子公司Waymo是自動駕駛行業的領跑者，在技術儲備和路測經驗上具備先發優勢。算法層面，谷歌研發的TensorFlow是目前應用最廣泛的開源深度學習計算平臺；路測層面，截止2018年7月，Waymo自動駕駛汽車在公共道路上進行的路測已達到了800萬英里。Waymo的產品已經實現了初步商用，從2017年4月開始，Waymo允許美國鳳凰城居民申請試乘Level 4級別自動駕駛汽車，預計2018年末將在當地推出付費自動駕駛轎車服務。

以通用為例，傳統車企的主流方向是布局可以實現消費級產業化的自動駕駛解決方案產業鏈。在產業鏈布局方面，通用在2016年收購了自動駕駛初創企業Cruise和激光雷達初創企業Strobe來彌補自身軟件和激光雷達的短板，完成了計算平臺和傳感器的基本布局；在量產車自動駕駛方面，通用在2017年的凱迪拉克CT6上加入了接近Level 3級別的高速公路自動駕駛，率先在量產車上實現了接近Level 3級別的自動駕駛；在技術儲備方面，通用在于2018年1月發布Cruise AV，該汽車可以實現Level 4級別自動駕駛，沒有配備方向盤和踏板，預計2019年量產。

從測試表現觀察，行業領先企業已經可以實現較為可靠的自動駕駛方案。例如2016年12月至2017年11月期間在加州的測試中， Waymo實現了35.25萬英里的測試，僅出現過63次人為干預狀況，自動為干預的平均行駛里程為5596英里；Cruise實現了12.75萬英里的測試，出現過105次人為干預情況，自動為干預的平均行駛里程為1214英里。

1.2、計算平臺和整車廠仍在爭奪在產業鏈整合過程中的主導權

自動駕駛主要產業鏈分為傳感器、計算平臺、自動駕駛系統、汽車制造商、汽車通訊、汽車控制和汽車運營等細分行業。其中，傳感器行業受益自動駕駛的新需求，產生了多家技術領先的初創公司，整體競爭格局較為分散；而計算平臺、整車制造對資源和技術整合能力要求較高，由巨頭主導。

在技術儲備足夠支撐的情況下，主導技術實現路徑，盡快確定技術標準，實現產業化是行業競爭的焦點。我們認為，谷歌、特斯拉、百度、通用等是為數不多有能力實現產業整合的公司。面對自動駕駛對量產車的確定性變革，科技公司和整車廠的思路有所差別，科技公司更擅長技術路線的前瞻判斷、快速研發迭代；傳統車企具備更強的產業鏈整合能力、更理解量產車對產業化、安全性和可靠性的苛刻要求。

1.3、傳感器行業技術路線尚未固化，激光雷達面臨產業化瓶頸

傳感器是自動駕駛重要的組成之一，主要包括激光雷達、毫米波雷達、超聲波雷達、攝像頭、GPS/IMU等。 各大廠家的自動駕駛實現思路不盡相同，在研發和產業化方面尚未形成共識，這實質是傳感器產業化尚未成熟的緣故。

傳感器方案的主要差別來自激光雷達的使用。多數企業選擇激光雷達作為核心傳感器，例如奧迪A8L使用1個激光雷達，Waymo和Cruise AV均使用“高線束+低線束”的激光雷達組合實現建模。而另一類企業認為激光雷達的成本過高，而通過毫米波+攝像頭的模式也可以實現Level 4以上級別的自動駕駛，例如特斯拉的解決方案僅用了毫米波雷達+攝像頭進行建模。

冗余度則是行業的另一個分歧，Cruise在高級別自動駕駛系統中傾向于設定更多的冗余傳感器來保證系統的高可靠性，目標實現Level 4級別自動駕駛的Cruise AV設置了1-2倍冗余的傳感器。而多數車考慮到成本和信息處理難度問題，并未設置太多的冗余傳感器。

在傳感器層面，激光雷達的產業化是挑戰的核心，固態激光雷達成為趨勢。激光雷達測量距離遠、量程大、精度高，是自動駕駛中的核心傳感器。高線束激光雷達是Level 3以上級別自動駕駛的標配，目前自動駕駛行業的瓶頸就是高線束激光雷達的成本過高。目前業界寄托于通過產業化、轉向固態雷達和更新技術路線等方來解決價格問題，但仍面臨很多現實挑戰。

在技術路線方面，各大激光雷達廠商紛紛將發展重心從機械式激光雷達轉向了固態激光雷達。固態雷達在成本和可靠性上更有優勢，但精度水平仍低于機械式雷達。固態激光雷達三種主流技術路線包括MEMS、OPA相控陣和Flash。基于這三種路線推出的產品有Velodyne的Velarray-32、Quanergy的固態OPA激光雷達S3、速騰聚創的RS-LiDAR-M1等。

1.4、高精度地圖的數據采集和更新是主要挑戰

高精度地圖于2015年開始應用于特定場景。目前美國的發展較為領先，例如 TomTom高精度地圖數據已經實現美國本土州際公路全覆蓋，線路總長18.5萬千米，涵蓋所有州際公路以及高速公路路網。

國內主要圖商均有高精度地圖的研發計劃。其中，百度于2013年起即開始了高精度地圖的研發；高德地圖于2017年完成30萬公里高速公路的高精度地圖繪制，并于2018年6月應用至凱迪拉克CT6量產車型中；四維圖新計劃于2019年初提供主要城市Level 4級別的地圖數據。

高精度地圖是L3到L4的關鍵一步，目前仍面臨數據標準、采集成本、數據更新、政策限制等方面的挑戰。

數據標準：不同場景面臨的精度要求不同，各廠商對于高精地圖的標簽、清洗標準不統一導致地圖數據無法標準化。全球尚未出臺針對高精地圖的正式行業標準，目前僅有歐洲的NDS標準協會在參與該方面ISO標準的制定。

采集成本：采集設備成本高，需要使用多種傳感器，包括IMU、攝像頭、輪測距器、GPS和激光雷達。這幾種傳感器互相融合糾正，目前單車的成本仍然過高，尤其在考慮覆蓋面積和覆蓋成本的情況下。

數據更新：高級別的自動駕駛對數據更新頻率提出了更高的要求，日/周級別更新頻率所耗費的資源是現存高精度地圖企業難以企及的。多家創業公司在試水地圖的“眾包模式”，然而距離Level 4級別的高精地圖仍有較大距離。

政策限制：我國在《基礎地理信息公開表示內容的規定》中規定，快速路、高架路、引道、街道和內部道路的鋪設材料、最大縱坡、最小曲率半徑均不可公開。這將造成坡度、高程等數據的缺失，廠商不得不通過其它方式進行彌補。

1.5、路測政策積極，實際應用仍面臨多項法規障礙

國內外的政府機構對自動駕駛技術發展都持鼓勵態度，并積極推進自動駕駛政策落地。目前，全球大部分政府允許在配備安全駕駛員的前提下，進行自動駕駛車輛的路測。美國加州和亞利桑那州已在推進完全自動駕駛車輛的測試。我們認為，隨著自動駕駛技術的進一步成熟，各國政府會加大開放力度在保證公共安全的前提下支持科技創新。

然而，現有行政政策和法律法規還不足以滿足自動駕駛的產業化落地要求。就我國而言，我國自動駕駛的立法還在產業界和學術界的探討階段，包括安全標準制定、市場準入、責任界定、安全倫理、地圖測繪、網絡信息安全等一系列紛繁復雜的問題需要解決與規定。自動駕駛政策法規的缺失是全世界的共同問題，需要基于成熟技術方案進行討論，考慮到政策和法律的制訂普遍需要較長的周期，我們認為量產車自動駕駛的落地未來會受到政策和法規的實質限制。

2、特定場景自動駕駛技術趨于成熟，產業化應用前景廣闊

2.1、特定場景自動駕駛方案產業化難度較低

相較量產車在公開道路的自動駕駛，特定場景自動駕駛的產業化障礙較小。一方面，特定場景的自動駕駛面對的環境相對簡單，對于高精度地圖的要求和傳感器精度要求較低，現有技術水平可以較好滿足需求；另一方面，特定場景自動駕駛的主要目標是提升運營效率，降低人力成本，與面向消費者的乘用車訴求不同，對系統可靠性和成本的要求不同。

特定場景自動駕駛對傳感器要求較低，簡單的特定場景可以不需要激光雷達，稍復雜的場景，16線激光雷達和更低級別的雷達組合就可以滿足需求。

高精度地圖的匹配和更新是消費級自動駕駛的一大難點，各大圖商正積極尋求解決方案。相比起消費級自動駕駛對高精度地圖的要求，特定場景路線較單一、環境簡單。對于礦區而言，簡單的水平場景方面，自動駕駛卡車通過精確的GPS導航系統，就能自動找到方向。

國內外出臺的政策只允許公路測試，未開放商業化運營。與消費級自動駕駛不同，特定場景自動駕駛對法律的要求低，不涉及公共道路交通法規。

2.2、圍繞園區、礦區、港口等特定場景的自動駕駛成為主攻方向

對比量產車開放道路自動駕駛，特定場景的自動駕駛已經具備了產業化應用的基本條件。硬件產業化方面，特定場景自動駕駛的硬件要求相對較低，對成本相對不敏感；地圖測繪方面，特定場景自動駕駛區域相對可知可控，繪制和更新要求低；政策法規方面，特定場景自動駕駛不涉及公共道路，車輛往往歸屬同一主體，不涉及過多法律問題。

全球范圍和我國國內的特定場景自動駕駛主要針對工業園區、物流、礦山和港口等場景。基于自動駕駛的解決方案改造成本可控，顯著節約人力成本。

2.2.1、礦山自動駕駛在全球范圍有多個項目落地

礦山是特定區域自動駕駛落地比較理想的場景。場景需求方面，礦區現場環境封閉，運輸作業主要集中裝載和排土場之間，行駛距離短，但路線不完全固定，自動駕駛可以顯著降低人力成本，同時解決礦區的安全和管理問題。

礦山的自動駕駛改造空間巨大。我國約有2000余家礦山企業，礦車保有量超過20萬臺，典型的大型礦區配備1000臺以上礦車車隊，中小礦區一般配備100左右礦車車隊。我們預計，自動駕駛改造成本在單車50萬元左右，中型礦區的項目改造成本在5000萬元至1億元。

礦車的自動駕駛改造可以顯著節約人力成本。一般來說，一臺工程車輛需要配備2名專職司機運營，每名司機的人力成本支出在15萬元/年左右，以車輛使用壽命5年計算，車輛在使用壽命內的人力成本支出約150萬；自動駕駛改造成本在50萬左右，可以縮減約2/3的成本。

在國外，礦區使用自動駕駛運輸車已經有了相當成熟的應用。日本小松公司于2008年1月實現了商業化部署，距離現在已經十年多的時間了。如今，小松的自動運輸系統已應用在澳大利亞、南美洲和北美洲的6座礦山，車輛總數超過100臺。到2017年底，累計運輸了十五億噸的物料。國內方面，東風汽車、踏歌智行、內蒙古北方重汽等企業也在積極研發測試礦產車。

2.2.2、園區自動駕駛已有項目實現量產下線

園區自動駕駛主要負責通勤和物流，如接送乘客和快遞運送等。自動駕駛車輛進入園區，可給園區帶來自動化捷運系統。據不完全統計，中國目前已有478個國家級的經開區、出口加工區、保稅區等，有省級各類開發區1170個，全國各類工業園區約22000多個，基于特定場景的自動駕駛技術成為園區內的物流和交通的新解決方案。

以百度”Apollo”計劃為代表的多家企業均在開展園區自動駕駛解決方案的研發。2018年7月，搭載Level 4級自動駕駛技術的阿波龍已經完成100輛量產下線。阿波龍項目主要應用于北京、雄安、福建平潭、廣州、深圳等地，在機場、旅游景點等封閉場地內運行。

2.2.3、物流行業自動駕駛著重解決最后一公里問題

物流行業是自動駕駛的主戰場之一。目前，有500萬輛大貨車用于500公里半徑的干線運輸；1000萬輛貨車用于50公里半徑區域運輸；而在5公里半徑的物流領域，則有3000萬輛微型車、三輪和兩輪車在為電商物流和外賣市場服務。我們認為，干線運輸的自動駕駛改造技術難度較大，而最后一公里范圍內的配送和物流有望率先進行自動駕駛改造。

目前，京東、蘇寧、菜鳥等電商企業紛紛推出自動配送車、自動物流車等產品，以期在物流環節降低成本，提高效率。

2.2.4、自動碼頭解決方案日趨成熟，有望實現批量復制

中國大陸港口九成以上使用的是傳統人工駕駛內集卡拖車，卡車司機需求量大，工作強度高，控制人力成本成為重要命題。自動駕駛卻能大規模應用于港口的水平運輸環節，以中等碼頭計算，僅用工成本每年就能節約至少3000萬元。根據交通運輸部數據顯示，2017年中國規模以上港口預計完成貨物吞吐量126.44億噸，同比增長6.4%。截至2015年2月底，我國已擁有293個口岸。其中，按照地域分，沿海地區口岸148個，沿邊地區口岸116個(含沿邊境線我與陸路毗鄰國家對等設立的邊境口岸79個)、內陸地區口岸29個，港口自動駕駛市場前景廣闊。

國內已有多個港口自動駕駛項目落地，2018年初，西井科技完成珠海港的自動碼頭改造；2018年2月9日，中國重汽集團與主線科技及天津港集團聯合簽署天津港智能自動駕駛港口集裝箱純電動牽引車研發與示范運營項目；2018年4月12日，重汽集團的全球首臺純電動自動駕駛集卡HOWO—T5G（L4階段）投入天津港試運營。

3、產業鏈跨界合作頻繁，看好產業化應用爆發

國內特定場景的自動駕駛發展方興未艾，技術平臺、硬件傳感器企業、整車制造企業、工業應用企業的合作頻頻發生。一方面，百度“Apollo”計劃孵化了量產自動駕駛巴士“阿波龍”、與創業公司新石器合作發布了載物自動駕駛車，充分整合了整車制造與傳感器行業的相關公司；另一方面，徐工集團、東風汽車等工程機械公司與創業公司青飛智能、踏歌智行合作實現多款礦用車輛的自動駕駛改造，振華重工與創業公司西井科技在珠海港進行的自動駕駛改造，都是產業鏈跨界合作的典型案例。我們認為，現有案例的技術趨于完善，未來有望實現自動駕駛在特定場景應用的全面爆發。

3.1、百度構造中國最大自動駕駛生態圈

3.1.1、“Apollo”計劃孵化全球第一輛Level 4級別自動駕駛巴士

百度于2017年提出”Apollo”計劃，該計劃整合了從自動駕駛產業鏈從軟件、硬件、傳感器到高精度地圖等全部方向，同時很好地整合了整車廠和零部件企業，力圖打造基于具有統一技術標準的自動駕駛系統。我們認為該計劃是國內最有機會實現產業鏈整合，在軟件、硬件層面制定自動駕駛技術標準的自動駕駛項目。

2018年7月，百度發布全球首款Level 4級量產自動駕駛巴士“阿波龍”。Level 4級別“阿波龍”是中國首輛商用級無人駕駛微循環電動車， 基于Apollo 3.0平臺打造。同時，百度發布首個針對中國市場的自動駕駛安全報告《Apollo Pilot安全報告》，主體內容由百度撰寫完成。

“阿波龍”項目由百度主導，在算法和硬件層面為百度研發，實現了場景數據標注建模、傳感器數據的識別和融合等關鍵環節。在核心傳感器、整車制造等環節上，該項目大量融合了合伙作伴的硬件和制造能力。

“Apollo”計劃已經開放了超過22萬行代碼，生態合作伙伴規模達到116家，目前已經提供了Level 4級別的園區接駁巴士和微型物流車解決方案，多家園區和創業公司已經開始實施基于上述解決方案的項目測試和試運行。

3.1.2、創業公司與百度合作會是特定場景自動駕駛改造的主要模式

我們認為，各類創業公司基于百度提供的軟硬件解決方案深耕自動駕駛的特定場景應用將會成為特定場景自動駕駛產業化的主要模式之一。典型代表如創業公司“新石器”與百度合作研發的自動駕駛物流車。該車已在雄安和常州投入使用，搭載了激光雷達、視覺感知、RTK和慣性導航方案，有麥佛遜式獨立懸架，4G三網全互聯。該車可以20公里的時速實現5公里半徑的物流運輸任務；具有插拔式換電方案，支持24小時不間斷運營；具有智能模塊化貨箱，可快速便捷的替換不同需求功能的貨箱，滿足更多場景需求。

新石器科技本身是一家物流領域的自動駕駛公司，作為百度Apollo生態合作伙伴，新石器公司基于Apollo開放平臺，在短短的7個月的時間就實現了從研發、測試到量產、運營。除了提供自動駕駛物流服務產品外，新石器科技還開發了互聯網車輛運營平臺，使用者可通過數據處理、智能調度、遠程安全、OTA和云服務為運營管理提供全套支持。

3.2、通信設備商、運營商引領網聯技術路線

創業公司是特定場景自動駕駛項目產業化的主力，創業公司與場景相關行業公司合作是落地的主要方式。2018年以來，多家創業公司與園區管理方、整車廠等達成合作，有多個項目進入落地試運營階段。特定場景的自動駕駛需要處理大量的工程問題，解決方案商與需求方的密切合作是必須的。

3.2.1、創業公司青飛智能專注園區通勤自動駕駛改造項目

青飛智能具備工業園區行駛能力。青飛智能是一家商業化自動駕駛系統和車輛研發公司，致力于自動駕駛綜合應用技術的研究和各類智能應用車輛的開發工作。在自動駕駛解決方案上，青飛智能采用的是多線激光雷達SLAM + 毫米波雷達技術+ 視覺技術多傳感器融合技術，可在夜間極端天氣下行駛。

Level4級自動駕駛系統G200自動駕駛小巴無方向盤和油門踏板，通過多傳感器融合方式實現自動駕駛。在計算硬件上，青飛開發了一套基于嵌入式計算平臺的核心控制系統。團隊研發基于攝像頭、毫米波雷達、激光雷達多種傳感器的感知算法，以及綜合定位導航單元，搭建起傳感器硬件方案。人機交互簡便友好，用戶可通過微信呼叫、觸摸屏交互、語音交互等多種途徑方便快捷使用該系統。

3.2.2、創業公司智行者發力物流最后一公里

智行者的主要產品線為自動駕駛物流車、環衛車和Level 3-4級別乘用車。其中，“蝸”系列物流車可實現人性化且智能化的自動物流配送。其搭載自主研發的AVOS系統，采用多傳感器自適應融合算法、環境認知算法、路徑規劃算法以及獨特的控制算法來滿足智能配送和運輸的需求。傳感器為1臺16線激光雷達、3個單線Sick激光雷達以及2個視覺傳感器,并構建高精度地圖在行駛時進行實時定位。

3.2.3、創業公司踏歌智行在礦區自動駕駛領域與多家整車廠達成合作

北京踏歌智行其礦區自動駕駛解決方案已獲得國內礦用車企業以及礦區能源集團的認可。踏歌智行已實現從感知、決策、控制到云平臺的全套自動駕駛解決方案，并且以獨特的駕駛機器人結合線控方案為核心，可適配多種礦用車輛，加速推進自動駕駛的商業化。這些技術的應用能極大的避免駕駛員在惡劣環境下因駕駛失誤而產生的嚴重后果。

目前，踏歌智行的用戶和戰略合作伙伴有徐工機械、東風、風神物流、江鈴、上汽通用、交控等。除了礦區，踏歌智行在軌道交通、園區物流、自動駕駛碾壓等其他場景的項目也在加緊部署。

3.2.4、創業公司主線科技與中國重汽合作研發Level 4級純電動自動駕駛集卡

主線科技和中國重汽合作研發的Level 4級純電動自動駕駛集卡HOWO—T5G于2018年4月投入天津港試運營。車內安裝了北斗定位系統和激光雷達、毫米波雷達、攝像頭等設備，可保證在夜間惡劣天氣和現場人員、車輛、作業設備交叉作業的復雜情況下，以足港口24小時全天候生產運行。車內還安裝有自動防側翻系統，進一步提升安全性能。

3.2.5、創業公司西井科技和振華重工合作進行珠海港的自動碼頭改造

2018年1月西井科技聯合振華重工，在珠海港先后進行了跨運車和集裝箱卡車的自動化運行演示，上述車輛可以全自動完成集裝箱的裝卸、運輸動作。傳感器方面，西井科技在車輛上使用了16線激光雷達、毫米波雷達、圖像識別攝像頭和GPS等傳感器，同時，車廠向其開放了控制部分的接口協議，西井將車輛的機械控制普遍更新為電子控制。

目前，西井科技已經推出Q-Truck 全電動自動駕駛重卡，西井的智慧港口系統已經推廣到包括舟山港、珠海港等多個大型碼頭；并與西藏珠峰達成戰略合作，打造中國礦業首個全局化人工智能智慧礦場。

4、受益標的

我們認為，自動駕駛的技術演進會從幾個維度展開，即從封閉區域到開放道路，從輔助駕駛到全自動駕駛，從低速簡單環境到高速復雜環境，從傳感器感知到V2X。實現量產車的全自動駕駛任重道遠，綜合考慮技術成熟度、成本、應用場景等因素，我們看好特定場景的自動駕駛成為自動駕駛領域率先實現產業化應用的細分領域，成為行業發展的“過渡帶”和“試驗田”。

綜合考慮技術成熟度、成本、應用場景等因素，我們看好A股上市公司在車載通信設備、視覺傳感器零部件、車載芯片、高精度地圖，導航方向的突破潛力。受益標的包括：高新興（車規級通信模組）、耐威科技（導航）、四維圖新（高精度地圖+車載芯片）、韋爾股份（車載CMOS芯片）、聯創電子（車載ADAS攝像頭）、中海達（高精度地圖+導航）等。

高新興（300098.SZ）：聯手吉利、比亞迪，車規級通信模組&T-Box產品搶占國內市場

公司是國內領先的交通安防整體解決方案提供商，近年來戰略轉型，深耕物聯網大交通領域。國內方面，公司聯手吉利汽車推出車規級通信模組，預計2018年出貨超過150萬片，銷售額同比增長三倍以上；公司T-Box產品順利進入比亞迪供應商目錄；國外方面，公司車載OBD模塊業務在2017年打入美國后裝市場后，2018年在歐洲市場再下一城，先后實現對德國、意大利、瑞典等運營商的批量供貨，銷售額增速預計達到30%-40%。公司向大交通領域的物聯網終端提供商轉型的決心非常堅定，并通過與國內整車廠，國外運營商的緊密合作形成護城河。受益于初級自動駕駛市場和汽車大數據后市場的不斷發展，公司的車規級通信模塊、T-Box和車載OBD業務將實現快速增長。

耐威科技（300456.SZ）：導航和MEMS代工業務雙輪驅動，導航模塊適配百度“Apollo”硬件開發平臺

耐威科技以衛星導航、慣性導航系統的研發和制造起家，通過收購全球MEMS純代工龍頭賽萊克斯進入了MEMS代工領域。目前形成了導航、MEMS、航空電子三大核心業務。導航業務是耐威科技的傳統業務，公司推出針對自動駕駛的定位定姿系統NV-GI120，有高精度的GNSS板卡和高精度MEMS陀螺，具備實時姿態和位置算解算能力，進入了百度“Apollo”計劃硬件開發平臺適配名錄。我們看好百度“Apollo”在無人駕駛領域的整合能力和平臺價值，進入“Apollo”體系是耐威科技在無人駕駛領域的重要突破。

四維圖新（002405.SZ）：高精度地圖龍頭加速垂直整合，自動駕駛整體解決方案呼之欲出

公司是國內高精度地圖領域龍頭企業，資質壁壘明顯。近年來公司明確提出“智能汽車大腦”戰略愿景，業務由傳統的導航電子地圖向智能網聯汽車、車載芯片、ADAS等領域拓展。公司2017年收購杰發科技，通過杰發在IVI產品在后裝市場上積累的優勢切入前裝市場，同時將公司原有的高精度定位資源與杰發的車載芯片業務進行整合，接連推出新一代車載信息娛樂系統核心主控芯片、車載功率芯片、智能座艙系統主控芯片等汽車電子芯片，快速占領全球車載芯片市場。垂直整合的加速使公司在自動駕駛領域護城河持續加深，先發優勢愈加明顯，公司將充分受益于自動駕駛行業在未來十年的高速發展。

韋爾股份（603501.SH）：收購豪威科技補強CIS領域，拓展汽車電子市場

公司主營業務為半導體分立器件的設計，以及被動器件、分立器件、結構器件的分銷，下游涵蓋消費電子、汽車電子、網絡通信等眾多領域。公司2018年5月公告籌劃收購北京豪威和北京思科比等公司，補齊公司CIS領域短板。豪威（Omnivision）目前是全球第三大CIS廠商，在汽車市場份額全球僅次于安森美排名第二。隨著自動駕駛行業不斷發展，用戶對于車載視覺傳感系統需求不斷提升，CMOS傳感器在ADAS系統中的重要性也在不斷提升，車載市場份額排名全球第二的豪威必然受益。根據公司公告，收購預案中豪威2019-2021年的業績承諾為5.45/8.45/11.26億元，如果本次收購順利完成，公司將憑借豪威在車載CMOS傳感器領域的市場地位，快速擴大在自動駕駛領域的布局。

聯創電子（002036.SZ）：綁定視覺算法龍頭打開車載ADAS鏡頭藍海市場

公司是高清廣角攝像頭老牌廠商，是全球運動相機龍頭GoPro的第一大鏡頭供應商。近年來憑借其模造玻璃鏡片的核心技術，切入車載ADAS鏡頭領域。公司一直是特斯拉的車載鏡頭主力供應商，技術優勢明顯。目前，公司三款ADAS鏡頭已經通過國際知名高級汽車輔助駕駛方案公司Mobileye認證，預計2018年年底到2019年開始放量。公司還與世界知名視覺芯片解決方案公司英偉達進行合作，共同開發車載視覺傳感解決方案。公司綁定視覺傳感方案雙巨頭，在車載ADAS鏡頭的市場拓展走在了競爭對手之前，有望成為受益于自動駕駛爆發的第一批核心零部件供應商。

中海達（300177.SZ）：GIS行業龍頭，依托車廠全面發力高精度地圖和衛慣組合

公司是高精度衛星導航定位系統(GNSS)行業龍頭，受益于行業競爭趨緩、國產化率提升等因素，公司近年來業務快速回暖；近年來，公司憑借導航和測繪行業具備深厚的技術儲備，積極發力無人駕駛業務。公司在無人駕駛方向重點布局高精度地圖測繪和量產車用衛慣組合導航。高精度地圖方向，子公司武漢中海庭數據技術有限公司是國內稀缺的，由車廠主導、技術廠商參與的高精度地圖圖商，公司也是定位和測繪行業的主要供應商之一；量產車用衛慣組合導航方向，公司在研的衛星導航+慣導組件已進入多家汽車制造企業的測試階段，在無人駕駛領域的規模化產品應用方向走出了關鍵一步。