1. 电动平台替代传统内燃机平台，推动智能化发展

电动车采用以电源、电驱、电控为核心的三电系统替代发动机和变速器等。 纯电动汽车的结构主要包括电源系统、驱动电机系统、整车控制器和辅助系统等。 动力电池输出电能，通过电机控制器驱动电机运转产生动力，再通过减速机构， 将动力传给驱动车轮，使电动汽车行驶。电动车省略了内燃引擎、燃料系统、进气 系统、排气系统及点火装置等，因此零部件数量相比普通燃油车减少约 1/3，机械 结构大幅简化。

电源系统包括动力电池、电池管理系统（BMS）、车载充电机及辅助动力源 等。电池管理系统实时监控动力电池的使用情况，对动力电池的端电压、内阻、温 度、蓄电池电解液浓度、电池剩余电量、放电时间、放电电流或放电深度等状态参 数进行检测，并按动力电池对环境温度的要求进行调温控制。 电驱动单元主要包括电驱动电机、逆变器，与减速器等。驱动电机的作用是 将电源的电能转化为机械能，通过传动装置驱动或直接驱动车轮。减速器是用来 调整车辆的扭矩、速度等，作用类似于变速箱。

电控系统包括电机控制器和整车控制器（VCU）。电机控制器从整车控制器 获得整车的需求，从动力电池包获得电能，经过自身逆变器的调制，获得控制电 机需要的电流和电压，提供给电动机，使得电机的转速和转矩满足整车的要求。 电机控制器内含功能诊断电路，当诊断出现异常时，它将会激活一个错误代码， 发送给整车控制器，起到保护的功能。VCU 是电机系统的控制中心，它对所有的 输入信号进行处理，并将电机控制系统运行状态的信息发送给电机控制器，根据 驾驶员输入的加速踏板和制动踏板的信号，向电机控制器发出相应的控制指令。 VCU 还将与汽车行驶状况有关的速度、功率、电压、电流等信息传输到车载信息 显示系统进行相应的数字或模拟显示。

电动机控制延迟低、电池容量大，电动化推动智能化发展。一方面，发动机 控制比电机控制更复杂，电机对指令的响应速度和准确性极高，使得自动驾驶可 以获得更低的操作时延。另一方面，传统燃油车的电池容量不够，难以满足自动 驾驶和智能化的用电需求，而增加更大的电池系统将使得汽车结构更为复杂，纯 电汽车天然具有足够的电池容量和充放电系统，更符合未来智能化的需要。

2.电气架构由传统分布式向域控制器发展，最终向中央集中式发展

ECU 是汽车电子设备的核心电控装置。ECU（Engine control unit）即汽车电子控制单元，又称“行车电脑”，是由输入接口、MCU 和输出接口组成的电子控 制装置，是汽车电子设备的核心。ECU 的作用是根据所存储的程序对传感器输入 的各种信息进行运算、处理、判断，然后输出指令给执行器，控制有关执行动作， 达到快速、准确控制被动部件的工作目的。整块电路板设计安装于一个铝质盒内， 通过卡扣或者螺钉安装于车身钣金上。

汽车 ECU 种类繁多，遍布三大电控系统。由于 ECU 是汽车控制的关键，汽 车三大电控系统发动机、底盘、车身均需要 ECU，小到雨刷、座椅控制，大到转 向、发动机控制，因此汽车 ECU 种类繁多。如发动机电控系统中需要发动机 ECU 控制发动机供油、点火、怠速等，底盘电控系统中需要变速器 ECU 控制自动变速 器的升挡、降挡、锁止等，车身电控系统需要门窗 ECU 控制门窗的闭锁、开锁等。

传统汽车主要采用分布式 ECU 架构，汽车功能增加主要靠 ECU 数量的堆叠。 随着发展，ECU 数量逐步提升。分布式架构下汽车各个功能由不同的单一 ECU 控制单元来完成，通过 ECU 的累加来实现更多的功能，汽车的主体架构不发生改 变。根据 OFweek 电子工程官网数据，目前普通汽车上的 ECU 数量为 50-70 个， 高端汽车上的 ECU 数量超过 100 个。

传统分布式架构面临挑战，制约汽车电动化智能化发展。随着汽车智能化发 展，汽车的功能逐渐增加，ECU 数量快速增长，靠传统分布式架构面临许多问题， 主要体现为：

连接线束的难度和成本上升。随着 ECU 数量的增加，每个 ECU 都需要 与总线连接，整车的线束会越来越臃肿，带来整车成本和重量的大幅上 升。此外，ECU 的成倍增加还会带来总线信号数量的几何量级攀升，对 总线带宽负载带来巨大挑战。

ECU 出现冗余重叠，不利于升级和维护。汽车智能化要求对汽车的功能 进行快速的升级迭代，OTA 升级逐渐成为大趋势。不同功能的 ECU 由不 同的供应商提供，底层软件和驱动各异，后期需要不同的供应商来更新 和维修。而传统的电气架构里面许多功能是由两个甚至多个 ECU 控制器 共同配合完成的，功能升级涉及到多个控制器的同步更改，因此大大增 加了功能拓展升级的成本。此外，不同的 ECU 还可能存在功能重叠，造 成算力和成本浪费。

高级别辅助驾驶等功能需要不同 ECU 之间高度协同，传统架构处理效率 较低。实现自动驾驶需要视觉、雷达、高精度地图以及车辆车身控制的共 同参与。传统架构下多 ECU 协同能力有限，沟通效率较低，难以胜任高 级自动驾驶任务。

传统分布式架构面临挑战，制约汽车电动化智能化发展。随着汽车智能化发 展，汽车的功能逐渐增加，ECU 数量快速增长，靠传统分布式架构面临许多问题， 主要体现为：

连接线束的难度和成本上升。随着 ECU 数量的增加，每个 ECU 都需要 与总线连接，整车的线束会越来越臃肿，带来整车成本和重量的大幅上 升。此外，ECU 的成倍增加还会带来总线信号数量的几何量级攀升，对 总线带宽负载带来巨大挑战。

ECU 出现冗余重叠，不利于升级和维护。汽车智能化要求对汽车的功能 进行快速的升级迭代，OTA 升级逐渐成为大趋势。不同功能的 ECU 由不 同的供应商提供，底层软件和驱动各异，后期需要不同的供应商来更新 和维修。而传统的电气架构里面许多功能是由两个甚至多个 ECU 控制器 共同配合完成的，功能升级涉及到多个控制器的同步更改，因此大大增 加了功能拓展升级的成本。此外，不同的 ECU 还可能存在功能重叠，造 成算力和成本浪费。

高级别辅助驾驶等功能需要不同 ECU 之间高度协同，传统架构处理效率 较低。实现自动驾驶需要视觉、雷达、高精度地图以及车辆车身控制的共 同参与。传统架构下多 ECU 协同能力有限，沟通效率较低，难以胜任高 级自动驾驶任务。

电气架构往域集中式架构发展，未来进一步向中央集中式架构变化。随着传 统分布式架构不再适应汽车发展的需要，域控制的概念被提出并逐渐接受。博世 将整车划分为五个域，全车主要分为动力域、底盘域、车身控制域、信息娱乐域、 ADAS（智能辅助驾驶）域。单个域主要有域控制器（DCU）进行计算和控制。各 个域之间通过千兆以太网连接，以此解决实时性问题与传导问题，而每个域与自 己分管的子系统之间通过 CAN，CAN-FD 以及百兆以太网连接通信。各个域控制 器还会逐渐出现功能融合。

以特斯拉电气架构为例，model 3 将整车分为四个域，包括中央计算模块 CCM （负责娱乐信息系统，辅助驾驶系统和车内互联通信）、前车身控制（负责雨刮、 前电机控制器、车灯等等）、左车身控制模块 LBCM（负责左车灯、门窗以及转 向制动等）、右车身控制模块 RBCM（包括底盘安全系统、动力系统、热管理等 等）。未来电气架构的最终发展方向为统一的中央集中式控制。

ECU 功能简化，域控制器中需要采用更强算力和功能的 SoC 等定制芯片集 中处理。在如此的架构变革下，硬件与硬件，硬件与软件发生解耦，ECU 功能逐 渐被简化，往往承担最简单的执行层面的控制功能。而软件算法、数据处理将集中在域控制或者中央控制器的处理芯片中进行，也便于进行后期的 OTA 升级。因 此对算力更强的 Soc 和 MCU 芯片提出了更多需求。

3. 自动驾驶催生传感、存储与计算的需求

3.1. 自动驾驶渗透率提升

当前正处 L2 到 L3 升级的窗口期。我国基于六大标准发布了针对自动驾驶功能的《汽车驾驶自动化分级》国家推荐标准，将驾驶自动化系统划分为 L0 到 L5 六个级别，分别对应应急辅助、部分驾驶辅助、组合驾驶辅助、有条件自动驾 驶、高度自动驾驶、完全自动驾驶。其中，L2 开始拥有 ICC 集成式巡航辅助功 能，在持续车辆横向和纵向运动控制方面，可由驾驶自动化系统完全负责。L3 为 驾驶自动化分水岭，在 L3 之前的驾驶自动化都只能算驾驶辅助系统，L3 阶段的 自动驾驶汽车可以在某些特定的场景和路段下实现自动驾驶，但如果有突发情况 还是需要驾驶员接管，L3 的汽车将有条件实现 TJP 交通拥堵辅助功能。目前主 流车企如特斯拉、蔚来等的辅助驾驶处于 L2 及以下级别，L3 以上的商业化落地 与普及需要一定的时间。

L2 方案成熟，进入量产阶段，L3 级技术有序推进。2021 年 3 月本田 正式发售全球首款获法律许可的 L3 级自动驾驶车辆 Legend EX；宝马将为 7 系 配备 L3 级自动驾驶，预计 2022 年下半年上市；2021 年 12 月，奔驰 L3 级自动 驾驶系统 DRIVE PILOT 获得德国联邦交管局的上路许可，将于 2022 年搭载奔 驰 EQS 或奔驰 S 级上市。

产业链各方力量的持续推动支撑 ADAS 赛道的中长期成长，ADAS 赛道具备高确定性。

1）造车新势力入局带动 ADAS 渗透率提升。新能源汽车市场，蔚来、理想、 小鹏等造车新势力在ADAS领域保持较大的投入，以保证在智能化上的领先地位。2021 年， 以小鹏、理想、蔚来、极狐为代表的新势力车企率先实现 L3 级装配上车或示范演示，2021 年 1-8 月中国 L3 级 ADAS 系统装配量达 1.7 万辆，装配率 0.3%。

2）传统车企加速追赶。相较于新能源汽车，传统燃油车 ADAS 渗透率较低， 造车新势力在 ADAS 领域的持续迭代有望倒逼传统车企加速追赶。例如，吉利在 G-pilot 智能驾驶路线规划中规划 2015 年实现中国品牌 ADAS“零”的突破， 2018 年实现中国品牌 L2 级第一次量产，2020 年局部工况实现高度自动驾驶， 2022 年计划实现 5G 协同高度自动驾驶，202X 年计划实现 5G NR+边缘计算协 同式城市自动巡航。目前，吉利已在轿车、SUV 与 MPV 全品类上已经实现 L2 级 别技术全覆盖。

3）科技大厂积极参与。苹果、华为、百度等科技大厂入局造车，我们认为科 技大厂的技术和人才积累强大，在自动驾驶算法的开发调教上具有较大的优势， 能够有效推动自动驾驶技术的发展与落地。

近年各国家和地区纷纷出台汽车评级标准，将 AEB、LDW、FCW 等自动驾 驶功能纳入汽车评级体系。同时，主要国家政策端纷纷拟定商用车搭载 AEB 时间 表，国内多项政策出台规定部分商用车要搭载 ADAS 系统。受政策端影响，国内 商用车 ADAS 方案纷纷发布。2019 年底，一汽解放 J7 高端智能重卡发布，搭载 “挚途领航”智能驾驶辅助系统，整车硬件方面主要增加了车载雷达、摄像头等

综合上述因素的驱动催化，全球主要主机厂商纷纷出台清晰的自动驾驶时间 表规划。中期维度看，L3 级别预计于 2022 年开始逐步起量，L4 级别自动驾驶车 型有望于 2025 年集中爆发，带动汽车传感器市场高速成长。

L3 级别自动驾驶有望在 2023 年迎来较大放量。我们测算，未来几年内 L2 级 别的智能车将成为全球市场主力，2020 到 2025 年，全球 L2 智能驾驶渗透率从 16%增长到 38%，L1 智能驾驶渗透率将先增加，之后逐步被更高级别取代，2023 年 L3 开始量产，到 2025 年 L3 智能驾驶渗透率达 8%；中国市场 L2 依旧是主力， 2025 年渗透率达 35%，L1 渗透率逐年递增，2023 年之后 L3 智能驾驶渗透率和 全球持平。由于各地法规限制，我们预计全球包括中国 L4+智能驾驶渗透率较低， 2025 年维持在 1%左右。

3.2. 多传感器融合提供冗余，用量随自动驾驶程度提升，带来细分赛道投资机会

自动驾驶分为感知层，决策层和控制执行层面。感知层负责使用车载传感器 捕获的数据来估计汽车的状态和创建环境的内部表示，例如 LIDAR，RADAR，摄 像机，GPS，IMU，里程表等，以及有关传感器模型，道路网络，交通规则，汽车 动力学等的先验信息。决策层则负责将汽车从初始出发位置导航到用户定义的最 终目的地，在此期间要考虑汽车状态和环境内部展示，以及交通规则和乘客的舒 适度。执行层指系统在做出决策后，替代人类对车辆进行控制，反馈到底层模块 执行任务。车辆的各个操作系统都需要能够通过总线与决策系统相连接，并能够 按照决策系统发出的总线指令精确地控制加速程度，制动程度以及转向幅度等驾 驶技术。其中感知层作为汽车的“眼睛”对应于车载雷达、摄像头、其他车内传感器，而决策单元通过自动驾驶芯片对得到的传感器数据进行处理，将决策传递给 控制单元进行车身控制等。

感知层细分赛道存在技术成熟度差异，摄像头厂商业绩确定性较高，激光雷达 仍处初期想象空间巨大。感知层主要包括摄像头、激光雷达、毫米波雷达，超声波 雷达四大细分市场。光学摄像头领域的技术趋于成熟，在光学镜头和 CIS 领域国 内均有厂商具备高竞争力。激光雷达尚处技术发展初期，近期众多汽车厂商逐步推 出搭载激光雷达的量产车型，激光雷达前装量产正进入从 0 到 1 和从 1 到 N 的叠 加周期，市场存在巨大机遇。毫米波雷达的技术成熟，但短期国内厂商缺乏竞争力。 当前毫米波雷达市场主要为博世、大陆等传统零部件巨头垄断。超声波雷达技术成 熟，成本相对低廉。超声波雷达模组的主要生产商有博世、法雷奥、村田、尼塞拉、 电装、三菱、松下、同致电子、航盛电子、豪恩、辉创、上富、奥迪威等。传统的 超声波雷达多用于倒车雷达应用，这部分市场基本被博世、法雷奥占据，国内鲜有

任意单一类别传感器均存在自身局限性，并无一类传感器可胜任所有自动驾驶 场景需求，多传感器融合（摄像头+多种雷达方案）以满足所有自动驾驶需求的解 决方案成为必要。

随自动驾驶等级提升，感知层硬件配置要求相应提高，摄像头、超声波雷达、 毫米波雷达、激光雷达的性能和数量要求均有所提高。只用光学摄像头的纯视觉 方案具备一定的成本优势，能够满足当前 L2 级别 ADAS 感知需求，L3 级别以上 激光雷达、超声波雷达、毫米波雷达用量将显著增加。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）