文：石亞瓊（36氪） Ben（36氪） 蒙佳玥（漢能） 黃萌（漢能） 張欣蔚（漢能） 吳昊（漢能） 殷少軼（漢能）
在剛剛過去的2021年，11月25日，北京市智慧網聯汽車政策先行區，正式對外發佈《北京市智慧網聯汽車政策先行區自動駕駛出行服務商業化試點管理實施細則（試行）》，並向部分企業頒發國內首批自動駕駛車輛收費通知書。
北京成為國內首個明確認可自動駕駛”Robotaxi“商業化試點的城市，這也標誌著國內自動駕駛賽道終於迎來了“下半場”——商業化運營階段。而高速幹線、末端物流、礦區、港口、環衛等應用場景的自動駕駛也將正式進入商業化元年。
在國際上，中國自動駕駛領域的頭部參與者已逐漸成為國際自動駕駛行業領先選手，據2021年加州DMV發佈的《2020年自動駕駛接管報告》數據顯示，AutoX與Pony.ai的MPI（Miles per Intervention，平均每次接管的行駛里程間隔）指標上榜前五名，緊隨Waymo、Cruise之後。
據天眼查數據顯示，自動駕駛賽道自2016年開始進入爆發期，之後融資持續攀升，2021年相關融資高達94起，熱度在整個汽車出行領域最高，披露融資金額超過435億，同比歷史最高。
在這一整年汽車領域超過3億美元的十余筆大額融資中，自動駕駛及相關賽道佔據了五席，分別是：地平線、Momenta、斑馬智行、文遠知行、禾賽科技。
站在産業的角度，隨著自動駕駛技術的成熟與商業化落地，汽車産業鏈原有的價值分配格局將被顛覆，汽車將不再是從屬於人的駕駛工具，而是成為自主導航的運輸類機器人。
展望未來，自動駕駛將深刻改變汽車産業，汽車很可能會分為兩類，一類是有人駕駛的汽車，一類是移動服務汽車。傳統的汽車製造商將逐步向運營服務商轉型，為用戶提供MaaS（Mobility as a Service）/TaaS（Transportation as a Service）的一站式服務。
客觀來説，自動駕駛是一個長坡厚雪的超級賽道，當前正處於爬坡的關鍵階段，政策方面有待完善、技術方面仍在持續迭代、商業模式也在從根本上發生著轉變，與此同時，行業內還充斥著諸多爭議話題。
本報告由36氪與漢能投資共同完成，共有超過5萬字研究內容，希望從如下方面拆解中國自動駕駛領域，從不同的角度還原中國當下的自動駕駛行業、細分賽道、創投情況，以及我們對於未來自動駕駛乃至汽車、出行産業的預判。讀者可通過文章末尾的下載連結，獲得完整報告。
國家自然科學基金委員會2009年起每年舉辦一屆“智慧車未來挑戰賽”，研發具有自然環境感知與智慧行為決策能力的無人駕駛汽車，並通過真實道路環境下的自主行駛來檢驗研究成果。2011年國防科技大學與一汽合作研發的紅旗HQ3無人駕駛車完成了從長沙至武漢286公里的高速全程無人駕駛實驗，標誌著我國無人車在複雜環境識別、智慧行為決策和控制等方面實現了新的技術突破。
2013年百度開啟無人駕駛項目，陸續于北京、加州進行路測，並在烏鎮開放無人駕駛車輛試運營。華為與百度同年起步，與車企進行合作逐步邁入車聯網供應商序列。AutoX于本階段尾聲入場，2016年成立後於同年完成開放道路測試。小馬智行于2016年12月創立，切入Robotaxi領域。景馳、Roadstar等相繼入局，自動駕駛浪潮襲來。
此階段中國自動駕駛實現跨越式發展。百度發佈Apollo計劃並經4年演繹實現 Robotaxi落地商用探索，同時L4級自動駕駛解決方案也已降維裝車量産；華為明確其市場定位，為主機廠提供優質智慧汽車解決方案，以自動駕駛、車聯網等核心技術賦能主機廠；自動駕駛獨角獸與小馬智行技術進程不斷推進，陸續推出、完善産品及服務。同時期，自動駕駛産業鏈逐漸成熟，上游核心感測器廠家不斷涌現，下游場景解決方案紛紛開始落地。
據2021年加州DMV發佈的《2020年自動駕駛接管報告》數據顯示，中國自動駕駛領域的頭部參與者已逐漸成為國際自動駕駛行業領先選手，AutoX與Pony.ai的 MPI（註腳：Miles per Intervention，平均每次接管的行駛里程間隔）指標上榜前五名，緊隨 Waymo、Cruise 之後。
計劃到2025年，中國標準智慧汽車的技術創新，産業生態，基礎設施，法規標準，産品監管和網路安全體系基本形成。
除了積極推進政策立法，2018年開始，智慧網聯汽車示範區也在全國陸續開花。除工信部合作推進的一批智慧網聯或自動駕駛示範區成立外，陸續有部分省市通過與機構合作，或資本合作等形式，打造基於自身産業需求的智慧網聯汽車測試場景。其中，以北京經濟技術開發區全域為核心的北京市高級別自動駕駛示範區，是全球首個網聯雲控高級別自動駕駛示範區。2021年成立至今，目前已累計開放1,000公里自動駕駛測試道路，測試里程超過300萬公里，開通5G基站5.64萬個(截止至2022年1月數據)。
1.1.2.2. 技術：汽車電子電氣架構由分佈式走向集中，軟硬體解耦提高軟體開發效率
傳統汽車主要採用分佈式電氣架構，即每個車載功能對應一個或多個ECU（汽車電子控制器），各 ECU 之間通過 CAN 總線進行信號傳輸。ECU主要用於接收來自感測器的資訊，進行處理後，輸出相應的控制指令給到執行器執行。整車企業電控系統開發的主要工作（軟體演算法、匹配標定等）都依託于ECU完成。
隨著汽車電子化程度提升，車內ECU數量達到上百個，且由不同的供應商提供，存在演算法無法協同、互相冗余、難以統一維護及統一進行OTA升級等痛點。為此，博世、大陸、安波福等Tier 1紛紛推出新一代電子電氣架構，其主要技術包括網關、域控制器及車載乙太網等，實現汽車架構由分佈式向域集中升級，最終走向中央計算，達到車雲協同的效果。集中式的架構一方面可以減少算力冗余，提高利用率，同時集中式的控制器更方便協調多感測器共同感知車內和車外環境，統籌決策。
近年來，攝像頭、毫米波雷達、超聲波雷達技術在汽車上應用越來越成熟，價格也不斷走低，目前業界對自動駕駛成本大幅度降低持樂觀態度。其中，車載攝像頭的單價持續走低，目前約為150元左右，預計未來降幅相對較低；毫米波雷達的市場供應單價約為500元，未來還有一定的降幅空間；鐳射雷達價格一直處於高位，過去主要用於測繪、工業生産領域，近年來隨著固態鐳射雷達等新的技術路線替代傳統機械式雷達，工藝成本顯著下降，加上未來自動駕駛技術發展帶動供貨量上升，將有較大降幅空間。2019年，Luminar發佈了價格不到1,000美元的LiDAR解決方案。Velodyne公司則計劃到2024年將平均售價從2017年的17,900美元降至600美元。2020年，華為宣佈其將量産的鐳射雷達單價在200美元以下。
從技術端來看，美國單車智慧高度領先。作為人工智慧企業數量位居全球首位的國家，美國人工智慧領域全球領先，人才儲備充足、基礎科研實力強，相關企業數量遍佈基礎層、技術層和應用層。另外，美國擁有發達的積體電路技術，高端晶片設計領域一直保持領先態勢，為高性能車載晶片的發展打下了良好的基礎。
相比之下，我國“雲+車+路”技術路線具備彎道超車的機會。我國4G和5G基站數量多、覆蓋範圍廣，加上中國政府大力推動5G網路、物聯網、衛星網際網路、數據中心等新型基礎設施建設，支援LTE-V2X向5G-V2X演進，車路協同技術優勢較為明顯。
從商業端來説，美國由於存在較大人力缺口，企業更願意為人員替代付費，進展更多集中在Robotaxi及無人物流領域。2018年，Waymo率先在亞利桑那州向其早期用戶免費開放無人計程車服務，2020年10月，Waymo One在鳳凰城首次向公眾開放無人駕駛計程車業務。同年2月，美國國家公路交通安全管理局（NHTSA）批準Nuro率先部署無人送貨車。相比之下，中國對人工智慧的接受力度較大，更願意從安全提升、效率提升層面為自動駕駛買單，特殊場景的商業化進展相對更快。
據天眼查數據顯示，自動駕駛賽道自2016年開始進入爆發期，2016年全年共有38起自動駕駛相關融資。隨後，自動駕駛賽道融資持續攀升，2021年相關融資高達94起，披露融資金額超過435億。
行業融資額的增長，一方面是因為流動性充裕的情況向一級市場擴散。更重要的是自動駕駛技術的發展和應用落地，使得行業逐漸獲得資本認可，受到網際網路巨頭和汽車龍頭的重視程度提高。
自動駕駛汽車功能的實現需要汽車製造商、零部件供應商、車載計算平臺開發商、出行服務商供應商等多方主體參與。上游包括感知、傳輸、決策和執行層；中游為平臺層，包括整合的智慧駕艙平臺、自動駕駛解決方案及傳統的車聯網TSP平臺；下游主要為整車廠及第三方服務商。
上游包括感知、傳輸、決策和執行層。感知層由車載攝像頭、雷達系統、高精度地圖、高精度定位、導航系統、路側設備等組成；傳輸層基於通信設備和服務為自動駕駛提供信號傳輸，主要包括通信設備和通信服務；決策層包括計算平臺、晶片、作業系統、演算法等；執行層是對決策命令進行執行，包含線控、電子驅動/轉向/制動、系統整合及其他汽車零部件廠商。四條系統環環相扣，實現汽車網聯化功能。
1） 感知層用於感知外部環境變化、獲取相關資訊。主要包括智慧硬體（感測器、RFID及車載視覺系統等）、導航（GPS、北斗以及慣性導航系統）、路側設備等。智慧硬體是智慧汽車的“眼睛”，無人駕駛硬體系統包括有感測器、RFID、車載視覺系統等。隨著車聯網、智慧互聯成為未來趨勢，相關硬體産品需求量也日益增大。導航系統是智慧汽車的指南針，無人駕駛汽車的導航定位主要通過全球定位系統（GPS）、北斗衛星導航系統（BDS）、慣性導航系統等實時獲取車輛的位置、航向、速度。路側設備是保證自動駕駛實現“車路協同”的必要條件。自動駕駛若僅只有車端的數據，難以實現安全、準確的駕駛，路端的一系列設備也必不可少。車聯網路側建設重點包括RSU、路側智慧交管設施、MEC設備等。
2） 傳輸層是基於通信技術將感知層獲得的環境資訊轉換成信號傳導到決策層，類似人體的傳輸神經。傳輸層主要包含通信設備和通信服務，其中通信設備以元器件、資訊交互終端等為主，通信服務主要為DSRC和C-V2X兩種服務自動駕駛的無線通信技術。
3） 決策層通過利用感知層、傳輸層反映回來的資訊，建立相應的模型，制定出適合的控制策略。由於真實路況的複雜程度，以及不同人對於不同路況的不同解決對策，決策演算法需要覆蓋多數罕見路況的海量數據以及完善高效的人工智慧技術。從功能上看，決策層主要包含作業系統、晶片、演算法、高精度地圖以及雲平臺等核心構成元素。當前自動駕駛技術真正實現的門檻在於決策層上。
4） 執行層是無人駕駛系統的最底層，其核心任務是通過驅動、制動及轉向控制系統，相互配合，使汽車能夠按照決策部分規劃的軌跡穩定行駛，並且同時能夠實現避讓、保持車距、超車等動作。隨著自動駕駛的發展，執行層由駕駛員施加人力、通過真空和液壓等推動的方式逐漸被電子化、電動化系統所替代，電信號替代機械力的線控技術在自動駕駛時代全面滲透。
經過各層級的技術研發，最終由整車廠進行技術整合與生産組裝，完成無人駕駛産品的生産末環。整車廠商為關鍵技術企業提供應用、實踐平臺，科技企業直接向整車廠商提供解決方案、部件。
生産組裝完畢的整車，一部分直接銷售到消費者端，一部分成為第三方服務商的服務供應車輛。此類服務商一般為移動出行服務商，提供服務所得的數據反饋將協助整車廠及科技企業調整産品研發。部分整車廠也在向第三方服務商轉變，或與之開展深度合作，整個無人駕駛産業鏈呈現生態化、網狀化趨勢。
未來面向終端交付産品或服務的中游廠商具備最高的行業價值。隨著自動駕駛技術的成熟與商業化落地，汽車産業鏈原有的價值分配格局將被顛覆，汽車將不再是從屬於人的駕駛工具，而是成為自主導航的運輸類機器人。未來核心零部件由體現動力和駕駛操控體驗的傳動系統，轉向體現自動駕駛技術水準的智慧軟體系統和處理器晶片，價值鏈由傳統主機廠轉向科技公司。非核心零部件和整車製造的利潤將被進一步壓縮，而産業鏈兩端的利潤將大幅提升，未來專注設計研發環節的解決方案提供商、以及與用戶更貼近的出行服務和運營服務商利潤會更高。
自動駕駛産業鏈複雜，上下游涵蓋豐富細分領域。本篇報告中，我們選取各個環節中有代表性場景進行覆蓋，重點介紹上游Tier 1、ADAS、晶片領域，下游針對各種應用場景的解決方案提供商。其中，由於自動駕駛應用場景廣泛，根據其功能又可以進一步分為以Robotaxi為主的載人場景解決方案，和以高速幹線、末端配送、礦區、港口等為主的載貨場景解決方案，以及環衛清潔場景解決方案等。
在自動駕駛時代，新的智慧化技術、設備應用在汽車領域，對於中國新興的Tier 1公司來説，是百年難遇的歷史性機遇。
據羅蘭貝格預測，至2025年，在全球範圍內，預計只有14%的車輛沒有ADAS功能，40%的車輛具有L1級功能，36%的車輛具有L2級功能，10%的車輛具有L3級或更高功能。
據高工智慧研究院數據，2020年1-4月，前視感知方案供應商方面，Mobileye排名榜首，和第二位的大陸、博世仍有接近10個百分點的領先優勢。大陸集團受益於部分豐田TSS2.0方案陸續上市並從電裝開始切換，1-4月市場份額排名略領先於博世。
但是，由於國家鼓勵自主創新，在智慧網聯領域，已有大量的初創公司從雷達、攝像頭、泊車等方面切入，並且其中的一部分公司已經做到了一定的規模。
從國際及國內與自動駕駛相關的主要Tier1産品分佈領域及場景化佈局來看，博世、大陸具備了Tier1中最全面産線及佈局。
以受訪企業大陸集團為例，據其財報數據顯示，在2018年到2020年間，大陸集團在ADAS領域獲得來自全球汽車製造商的訂單總額超過90億歐元。
大陸集團最新一代多功能攝像頭MFC500系列以及4D成像雷達都將進入規模量産上車週期，同時，其汽車AI晶片預計將在2026年開始批量投産。大陸集團表示：隨著晶片這一環的補齊，大陸向未來車輛高性能電腦所需的高度專業化的感測器模組和控制單元邁出了關鍵一步。
根據其最新披露的資訊，大陸集團將在今年開展複雜路況下的自動駕駛和無人駕駛道路測試，並在制動系統、5G 聯網、超寬頻 (UWB) 技術、材料開發以及人機交互等多個領域實現新技術落地，同時啟動多個量産項目。
目前，超過70%的L2及以上的高級輔助駕駛都在使用Mobileye的視覺方案。甚至很多之前自研視覺演算法的Tier1都選擇了放棄自研，直接和Mobileye合作，以求快速佔據市場。
Mobileye在前裝市場處於明顯優勢位置，特別是發佈EyeQ4之後，在Intel的助力下，其目標已不再是單純的視覺方案供應商，而是要成為自動駕駛領域的頭部企業。Mobileye的方案則採用黑盒模式，傳統Tier1 已不能從Mobileye獲得足夠的服務支援。頭部Tier1意識到Mobileye一家獨大帶來的危機，紛紛尋求其他方案。博世、大陸、電裝，堅持使用自研演算法，對標Mobileye的EyeQ4的方案。
國內的Tier 1覺醒相對較慢，近幾年也開始奮起直追。與博世、大陸等不同，國內Tier 1更多是採取與主機廠深度合作或成立合資公司的捆綁式合作方式，聯合研發、落地自動駕駛等技術，助力主機廠拓展全新的高端品牌，並且加快新四化轉型，比如：
吉利控股與百度組建智慧電動汽車公司，百度將人工智慧、Apollo自動駕駛、小度車載、百度地圖等技術全面賦能合資公司；上汽與阿里巴巴合資成立高端純電汽車品牌“智己汽車”，智己汽車應用阿裏的斑馬車聯網系統，並採用上汽集團的三電核心、智慧駕駛等技術；長安與華為、寧德時代將聯合成立全新高端智慧汽車品牌，三方共同開發CHN智慧電動汽車平臺，搭載華為智慧座艙平臺 CDC、自動駕駛域控制器 ADC 以及部分三電零部件。啟明創投合夥人周志峰認為，智慧化和新能源化是公認的汽車行業兩大趨勢，這兩個大的趨勢在同一時間點的耦合，也造就了近些年汽車行業的最大機會所在。但汽車智慧化的被接受程度和整體落地速度明顯超出市場預期，傳統tier1並沒有足夠的時間為産品升級做充足準備，現在處於加速補自己短板進程的態勢。但汽車行業的基本know-how， 如汽車的底盤電控等還是掌握在傳統tier1手裏，市場依然對他們有很大依賴度。
除了傳統Tier1廠商在自動駕駛領域的嘗試，以智行者、宏景智駕等為代表的創業公司也憑藉著前沿技術研發和業務快速落地推進而躋身領先Tier1行列中。
根據現狀推演，未來會出現兩種類型的Tier1：一種深耕垂直領域技術，通過和主機廠建立深度合作關係，為其高效定制開發；另一種以傳統Tier1為代表，注重廣度，為大量主機廠提供通用型整體解決方案，同時幫助主機廠，在功能、安全、硬體、測試、驗證等標準化環節快速落地方案。即Tier1層面，既要適配主機廠標準化的降本需求，又要滿足車企差異化的增效需求。
另外值得注意的是，國際Tier 1在實現多層面功能落地的同時，已經開始重啟底層系統研發，作為系統與軟體應用之間的橋梁，Tier 1在相繼發佈中間産品，通過全面的感測器産品佈局，為主機廠集中配置自動駕駛方案，降低系統整合的複雜性、降低開發成本、並加快産品落地。
之前ADAS普遍是在對標Mobileye提供完整的L2、L2+、L3級前裝整體解決方案。
目前ADAS已經在跨域車輛、座艙智慧的界限、嘗試越過L4的鴻溝，並進入量産前裝、後裝市場。Minieye、Momenta等國內初創公司也在這個領域有了一些變化，這也是資本持續關注這條賽道的原因。
受訪企業Minieye表示：從下游應用市場來説，ADAS普及速度加快，L3級別以下的功能滲透率正在不斷增長。從上游産業鏈來説，ADAS廠商的競爭長跑進入到下半場，具有優秀技術實力和量産經驗的公司開始脫穎而出。
業內認為，L4/5的爆發，可能還需要5-10年甚至更長的時間。但是目前L2+及以下級別的自動駕駛技術已經爆發，未來的5-10年，這個細分賽道將會産生巨大的商業價值。
通過差異化，和國際範圍的頭部企業形成錯位競爭，拓展新應用領域的能力，成為資本關注的重點。
該領域融資勢頭強勁的Momenta，已共計獲超過10億美元的融資。投資者當中，既有通用、豐田、上汽、梅賽德斯等頭部車企，又有博世這樣的Tier1巨頭，當然還有雲鋒、淡馬錫、IDG等各路知名投資公司。
Momenta自身定位明確，成為服務車企完成智慧化轉型的供應商。作為一家自動駕駛公司，Momenta類似特斯拉FSD技術路線，通過初級自動駕駛能力，大量收集所反饋的真實駕駛數據，從輔助駕駛升級無人駕駛，實現漸進式的演進。
目前，Momenta覆蓋兩條産品線，一條是L2級系統Mpilot，針對量産車開發，包括了面向城市道路、高速/封閉道路、泊車場景的高級輔助駕駛；另一條是L4級自動駕駛方案MSD，2020年底，搭載MSD技術的Momenta GO正式發佈，並計劃于2022年在部分車輛車端實現無安全員試運營。Mpilot和MSD在底層數據流與演算法層面實現共通，加速自動駕駛能力的迭代，通過Mpilot的真實道路駕駛數據，訓練和優化MSD演算法，幫助L4級自動駕駛能力提升。
從這個角度來説，Momenta和Mobileye都在獨立完成整套自動駕駛的軟體和演算法，Momenta避開Mobileye已經大量佔據市場的低端産品線，將自身定位瞄準中高端市場，快速躋身獨角獸層級。
Minieye專注L2，研發可量産高級輔助駕駛行車、泊車方案。對於城市道路及高速場景，提供車輛和艙內感知的全域解決方案，包含L2+及其以下級別的ADAS解決方案和駕駛員監測DMS、乘客檢測OMS以及艙內交互等功能；面向泊車場景，Minieye開發了自動泊車輔助系統APA和自主泊車系統AVP。
目前，Minieye的前裝量産客戶包括東風、柳汽、吉利商用車、上汽、比亞迪、濰柴、江淮、重汽、陜汽等自主品牌，以及江西五十鈴、江鈴福特等合資品牌。2021上半年交付量23萬套，同比增長245%，全年預估交付智慧駕駛産品50萬套。
宏景智駕成立於2018年，是一家全棧式自動駕駛解決方案服務商，具備完全自主研發的車規級自動駕駛計算平臺、全棧的軟體演算法和完整的系統整合能力，可針對不同客戶需求提供定制化的高性能智慧駕駛解決方案，全週期賦能L1-L4級別智慧駕駛。目前主要在幹線物流和ADAS領域實現落地。
公司在成立初期就獲得華登、高瓴、線性、藍馳等頂尖機構的投資，與英特爾建立智慧駕駛創新中心，被評為畢馬威2020中國汽車科技新銳企業，2,019Venture被評為“中國最具投資價值企業50強”。2021年宏景智駕榮獲“世界人工智慧大會全球創新最佳項目獎”。
目前，公司已經走過了産品打磨階段（2,018-2,019），進入了推進量産階段（2,020-2,021），已推出 5 款車規級自動駕駛解決方案産品，並且已經與江淮汽車成立了合資公司。
宏景戰略的核心是“收入+數據+技術”的三角迴圈：公司通過推出可快速大規模量産的 L1/L2/L2+級ADAS産品來創造收入和利潤、實現自我造血和可持續發展的同時，將借助量産落地的車型來積累大量數據，反哺 L3/L4 高等級自動駕駛系統的技術迭代優化。
此外，專注該場景的初創企業還包括縱目科技、極目智慧、追勢科技、福瑞泰克、中天安馳等。
1) 目前自動駕駛對於車輛的識別技術比較穩定，但對於行人、天氣、環境的識別其實還有很大的改善空間。
首先，就用車場景而言，如何讓車輛在行人比較多的路況下進行穩定的工作，其實對於目前量産的自動駕駛技術來講都是比較難的。
其次是自動駕駛對於天氣的適應性。因為自動駕駛是構建在感測器技術與識別演算法基礎上的一個設備，當感測器受到嚴重影響的時候，自動駕駛需要快速實現車與人安全接管的轉換。
第三是交通設施環境設計，這一點需要國家標準的實施，以此推進交通環境不斷完善，比如更清晰的道路標識、更標準的隔離帶護欄，這些也會有效提升自動駕駛的安全和保障。
2) 整個環境的完善，包括感測器技術的發展，對現階段來説都是破局的地方。
第一是改善感測器，目前就是通過搭載更高級的鐳射雷達，與視覺技術進行更精確的融合，以此來實現更準確更安全的自動駕駛。
第二是感測器成本，如何提升算力降低成本，這需要整個行業共同推進，驅動全産業鏈的規模化進程。
自動駕駛系統是服務於用戶的，終極目標是為用戶提供更為舒適性和安全性的駕乘體驗。從這個角度而言，對ADAS的評價是有一定的主觀判斷在裏面的。在自動駕駛研發的過程中，Minieye開發了各種評測系統，去評估自動駕駛系統工作的穩定性，並對相關功能的完成度進行標準量化。
比如Minieye設計了評測指標，像障礙物識別以及通過交通標識進行測距和測速等，它所完成的精準度就可以衡量我們當前自動駕駛系統的相關功能水準。另外，採用不同的感測器比如鐳射雷達，再通過多感測器與視覺技術的高度融合來實現一套更精確的系統，這也可以説是判斷ADAS技術的一種路徑。
據IDC預計，2020年全球汽車領域的半導體市場收入約為319億美元，2024年將達到約428億美元。汽車主控SoC系統級晶片的需求逐年增加，產品中心到2030年，每輛汽車的車載AI晶片平均售價約在1,000美元，全球車載AI晶片市場的規模將達到1,000億美元。當前L1-L3級自動駕駛算力晶片單車價值分別為50美元、150美元、500美元，L4/L5級自動駕駛算力晶片單車價值約為1,500美元，隨著技術逐漸成熟，至2030年有望下降到41美元、111美元、315美元、931美元。
雖然目前我國汽車晶片的進口率高達95%，但近幾年來隨著政策、投資力度加大，國內自動駕駛算力晶片企業高速擴張。在AI演算法人才儲備、應用場景設計、數據和落地能力等方面均具備一定優勢。
從市場表現來看，儘管幾家國內自動駕駛晶片行業的創新企業已經在市場落地，但是在中高端市場，國內晶片企業的表現還有很大的上升空間。
在國際市場上處於領先位置的廠商中，除特斯拉只服務於自家的閉環生態，其餘3家分別是Mobileye、英偉達、高通。
據ADAS領域國際頭部企業Mobileye年初報告，2020年全年，Mobileye EyeQ系列晶片的出貨量達到1,930萬片，服務於全球28家OEM廠商共49個項目，處於全球市場的絕對領先位置。
2021年下半年，基於Mobileye EyeQ5晶片的自動駕駛方案開啟量産，極氪001是首款量産車型，預計2022年將有更多車型採用基於EyeQ5晶片的ADAS方案。
今年來、英偉達的高算力晶片在自動駕駛領域異軍突起，大量L4級自動駕駛公司採用基於英偉達Orin晶片進行方案開發。賓士、沃爾沃、現代、奧迪都已宣佈將採用英偉達的解決方案。
而量産車中小鵬P7使用了英偉達Xavier自動駕駛晶片。明年，蔚來、上汽R汽車、智己汽車等造車新勢力也將使用英偉達的自動駕駛晶片。
此外，2022年，高通將量産Snapdragon Ride自動駕駛解決方案，長城汽車已經確定搭載使用。高通的Snapdragon Ride或將是首款5nm製程的自動駕駛晶片，其效能表現讓諸多整車廠和自動駕駛公司保持高度關注。
地平線是全球矚目的人工智慧企業之一，擁有一支軟硬兼顧，同時具備有演算法、晶片和雲架構三方面研發能力的強大團隊。作為自動駕駛行業的先行者，地平線在圖像識別領域獲得過多項世界第一，比如曾獲ImageNet圖像識別測評第一名等等。
基於創新的人工智慧專用計算架構BPU，地平線已成功流片量産了中國首款邊緣人工智慧晶片——專注于智慧駕駛的征程1 和專注于AIoT的旭日1 ；2019 年，地平線又推出了中國首款車規級AI晶片征程2和新一代AIoT智慧應用加速引擎旭日2 ；2020年，地平線進一步加速AI晶片迭代，推出新一代高效能汽車智慧晶片征程3和全新一代 AIoT 邊緣 AI晶片平臺旭日3 。
地平線已成為唯一覆蓋L2到L4的全場景整車智慧晶片方案提供商。從 2019年量産中國首款車規級AI晶片征程 2，到2020年推出第二代車規級晶片征程3。目前，征程 2 、征程 3 已在長安、長城、東風嵐圖、廣汽、江淮、理想、奇瑞、上汽等多家自主品牌車企的多款主力爆款車型上實現前裝量産。
黑芝麻智慧科技是一家專注于視覺感知技術與自主IP晶片開發的企業。公司主攻領域為嵌入式圖像和電腦視覺，提供基於光控技術、三相電容電感測試儀圖像處理、計算圖像以及人工智慧的嵌入式視覺感知晶片計算平臺，為ADAS及自動駕駛提供完整的商業落地方案。
黑芝麻智慧首款晶片與上汽的合作已實現量産，第二款晶片A100正在量産過程中，預計可于一年內在商用車領域實現10萬片量級以上的量産，明年將在乘用車領域量産落地。黑芝麻智慧已與一汽、蔚來、上汽、比亞迪、博世、滴滴、中科創達、亞太機電等企業在L2、L3級自動駕駛感知系統解決方案上均有合作。
黑芝麻智慧科技最新的華山二號(A1,000)晶片具備40-70TOPS的強大算力、小于 8W 的功耗及優越的算力利用率，工藝製程 16nm,符合 AEC Q-100、單晶片 ASIL B、系統 ASIL D 汽車功能安全要求，是目前能支援 L3 及以上級別自動駕駛的唯一國産晶片。為了應對不同的市場需求，黑芝麻同步發佈了華山二號 A1,000L。
到2025年，我國無人駕駛領域鐳射雷達市場規模可達216億元（Source：Livox、沙利文研究、禾賽科技招股説明書、《智慧網聯汽車技術路線圖 2.0》）。
鐳射雷達通過發射、接收、處理鐳射信號進行目標探測和識別。鐳射雷達的工作原理是向指定區域發射探測信號(鐳射束)，經過目標物反射後，將收集到的反射回來信號與發射信號進行處理比較，即可獲得待測區域環境和目標物體的有關空間資訊，如目標距離、方位角、尺寸、移動速度等參數，從而實現對特定區域的環境和目標進行探測、跟蹤和識別。
按照測距原理的不同，鐳射雷達可以劃分為飛行時間測距法、基於相干探測的 FMCW 測距法、以及三角測距法等。其中 ToF 與 FMCW 可實現室外陽光下較遠的測距，是目前市場車載中長距鐳射雷達的主流方案。全稱 Time of Flight，能夠根據發射和接收的時間差直接算出距離，具有響應速度快、探測精度高的特點，在鐳射雷達感測器領域應用多年；
（2） FMCW，全稱為 Frequency Modulated Continuous Wave，使用三角波進行調製，利用相干光學檢測技術，通過在時間上調製鐳射頻率並檢測發射與回波間的拍頻信號，完成對目標的距離及速度（多普勒頻移）的同時探測。
對於ToF 和 FMCW 這兩種技術路線來説，目前以 TOF 為技術路線的鐳射雷達公司數量眾多、當屬主流，常見的光束操縱分類如機械式、混合固態、固態式均採用了ToF的原理進行測距。但FMCW高靈敏度（高出 ToF 10倍以上）、長距離探測、低功耗、抗干擾、直接獲取即時速度的優勢日益明顯，越來越受到行業的重視。未來隨著 FMCW 鐳射雷達整機和上游産業鏈的成熟，FMCW 有望逐漸改善體積大、成本高、速度慢等劣勢，ToF 和 FMCW鐳射雷達將在市場上並存。
禾賽科技為中國機械式鐳射雷達解決方案主要廠商。2,014 年成立於上海，致力於開發基於鐳射的機器人傳感技術。依靠 500多人的團隊打造出一系列創新型感測器解決方案，兼顧業內頂尖的産品性能、可量産的設計以及出眾的可靠性。禾賽憑藉自主研發的微振鏡和波形加密技術，始終引領感測器創新的發展方向。經過多年深耕，禾賽在核心元器件、自研晶片、車規級生産能力、功能安全、主動抗干擾技術以及基於深度學習的鐳射雷達感知方面都有深厚的積累。目前公司在全球範圍內均有專利佈局，客戶遍佈全球30個國家和地區的70+座城市。 迄今為止，禾賽已完成累計數億美元融資，投資方包括德國博世集團、高瓴、小米、美團、CPE、光速、百度等全球知名的行業企業和投資機構。
公司憑藉在無人駕駛領域鐳射雷達的技術積累，針對不同場景的特點與需求，陸續開發了多個産品線，如適用於無人駕駛領域的 Pandar128、PandarQT 等，適用於 ADAS 領域的 PandarGT 等，適用於機器人領域的 PandarXT，適用於車聯網領域的 PandarMind，不斷豐富産品類型和應用場景。2021 年 8 月 13 日，禾賽正式公佈面向 ADAS 前裝量産的長距混合固態鐳射雷達——AT128，AT128 是 ADAS 鐳射雷達的各項核心指標一次質的飛躍，也是市場上唯一同時滿足遠距（200m@10%）和超高點頻（153萬每秒，單回波）的車規級前裝量産鐳射雷達。截至2021年8月13日，AT128已獲得多家頂級汽車廠商總計超過 150 萬臺的定點訂單，將在2022年大規模量産交付。
總部位於深圳，公司成立於2014年8月，2016 年開始佈局低線束鐳射雷達的設計。根據 2021年9月2日Yole最新發佈的統計，截至2021年8月29日已知的定點訂單總數，速騰聚創在汽車和工業應用領域的在手定點訂單數量全球市場佔比 10%，排名中國第一、全球第二。
速騰聚創通過鐳射雷達硬體、感知軟體與晶片三大核心技術閉環，為市場提供具有資訊理解能力的智慧鐳射雷達系統。硬體方面，公司佈局機械式 LiDAR、 MEMS 固態式 LiDAR 和靜態三維鐳射掃描器三大類；感知軟體方面，公司分別針對 RoboTaxi LiDAR、中低速 LiDAR、V2X LiDAR 提供感知系統，並能利用 RS-Reference 真值系統提供針對各感測器的自動化測評。
圖達通智慧科技(蘇州)有限公司成立於2016年，是目前國內外技術較為領先的300線鐳射雷達高新企業，總部位於美國矽谷。公司旗下的鐳射雷達産品運用在自動駕駛、車路協同、城市軌道交通、智慧高速、礦山、軌道等多個領域。目前已有多家主機廠測試鐳射雷達産品，計劃作為平臺化標準産品，應用於L3及以上的智慧駕駛車型。
近期均勝電子完成對圖達通戰略投資，與均勝電子子公司均聯智行等多家業界重量級供應商開展合作，為蔚來汽車近期發佈的首款轎車ET7提供超遠距離高精度鐳射雷達，使之真正實現從輔助駕駛到自動駕駛的跨越。未來，雙方將在鐳射雷達感知融合、V2X數據融合、自動駕駛域控制器決策演算法等方面深度合作，共同推進智慧網聯汽車産業化和國際化落地。
目前公司産品主要包括車用的獵鷹系列、路用的獵豹/捷豹系列和OminiSense解決方案。獵豹與捷豹系列産品是300線高性能遠距離鐳射雷達産品，可廣泛應用於智慧城市、智慧高速以及軌道和礦山等場景，感知交通狀況以及路況管理。獵鷹系列是目前世界上應用在自動駕駛領域探測距離最遠的鐳射雷達，其超遠距及超高清等性能，有助於提高自動駕駛的安全性和可靠性。OmniSense是結合了圖達通首款300線圖像級遠距離鐳射雷達，針對智慧交通行業而設計的軟體解決方案。能夠提供高品質的3D點雲圖像，以及先進的目標感知演算法，同時配備了界面友好的可擴展開發平臺，通過此平臺能夠滿足各種智慧交通的應用場景實現。
國內高精地圖行業正在穩步向前發展，但是高精地圖的商業模式仍未完全成型，按照3億汽車保有輛測算，市場規模估計如下，預計到2025年可達385億元（2021年9月中國汽車保有量為2.97億輛；汽車保有輛估計來自前瞻）。
關於建立高精度道路導航地圖的方法研究也有很多，例如通過配備GPS-RTK的採集車沿特定線路採集數據；使用鐳射雷達與廣角攝像頭結合的方法提取道路資訊，加上配備高精度全球衛星導航系統（GNSS）則能夠達到10釐米精度，但這種採集方案成本較高，也有研究者提出使用低成本感測器創建車道級地圖的方法，通過全球定位系統和慣性導航系統（GPS/INS）的緊耦合完成定位，從正射影像圖中獲取相關地圖資訊。
1）基於“鐳射雷達+人工智慧處理”模式。該模式穩定性高，但是採集設備成本高，是各大圖商採用的主流模式。
2）“眾包採集+AI識別提取”模式。該模式成本低，但是精度和穩定性待提升，是主流圖商更新和初創圖商採用的主流模式。
3）“車輛動態上傳+動態地圖自動下發更新”模式。該模式是最為理想的高精度地圖生産與更新模式，尚處於論證階段，需要隨著智慧網聯汽車産業的發展不斷完善。
傳統圖商的盈利模式是銷售離線的license，單車平均價值大約在200元左右。高精度地圖具有實時更新的特點，盈利模式逐漸轉變為提供一系列基於高精度地圖數據服務並收取服務費的形式，高精度地圖廠商也逐漸從圖商向地理資訊服務型企業轉變。當前業內較為公認的收費模式是在車廠簽下訂單時支付一筆訂單費用以供圖商進行高精度地圖的開發，後續在搭載車輛上收取一次性的License費用以及按每車每年收取的服務費，License與服務費分別對應汽車增量和存量。目前來説，訂單費用大約為幾千萬；License費用大約1,000元/車左右， 即傳統地圖的5倍，服務費在100-500元/年/車區間。
售賣的大部分是離線地圖，通過向車企售賣Licence以及提供少量的後期更新服務獲利，交易方式為一次性付清。而高精度地圖由於存在動態資訊的實時交互，圖商將為此向數據服務商方向轉變。在高精度地圖時代，圖商需要構建雲平臺為車主提供道路的實時資訊，根據提供的數據量的多少計費。目前的高精度地圖企業在開發高精度地圖産品的同時也在努力構建自身的雲服務平臺以適應商業模式的轉變。如Here開發的實時交通雲産品，凱立德開發的雲端服務平臺等。
如Waymo，他們希望的是高精度地圖最終能成功服務於自動化駕駛，從而推動其無人計程車業務的展開。從這一角度來看，該類企業的盈利模式更多偏向於To C。類似這樣做無人計程車的，最後為高精度買單的都是消費者，按照使用次數來付費了。
還有一種商業可能，類似現在車聯網模式，車企賣給用戶的時候前面兩年流量費，後面用戶需要使用網際網路功能，就自己繳納流量費用，高精度地圖到了一定量級也完全可以採用這種模式，基本的高精度地圖費用由車企買單（當然羊毛出在羊身上，最終體現還是在用戶身上），但是後續的高精度使用及更新地圖部分的費用由用戶來買單，而且如果使用量級大了以後，可以按照使用次數或者包月等靈活的使用費用。
中國高精地圖商業化格局主要呈現兩極分化，聚集了各大傳統圖商、初創企業和網際網路巨頭。主要市場份額依舊被BAT把持。
融合了RTK、DR等技術的高精度GNSS技術正逐漸成為自動駕駛領域最主流的高精度定位方式。據GSA數據統計，未來十年全球GNSS設備出貨量將持續增長——從2019年的18億臺增長至2029年的28億臺。
高精度定位市場2020年同比增長47.5%，總産值達到110.4億元。從2010年到2020年的11年之間，高精度定位産品年銷售收入增長了10倍，年均複合增長率高達26%，並且在2020年大幅加速增長。自動駕駛和無人機屬於高精度定位的新興應用級賽道。總體來説，市場還未爆發，處於新技術建設與應用培育期。
圖22 Source: 《2,021中國衛星導航與位置服務産業發展白皮書》
相比于 L3 級自動駕駛，L4 級測試研發車輛對高精度位置和姿態資訊的精度要求更高。各主機廠和自動駕駛方案商在 L4 級研發車輛上所採用的感知感測器融合技術方案相近，包括 GNSS/IMU 組合導航設備、鐳射雷達、毫米波雷達、攝像頭、超聲波雷達等。L4級研發測試車輛的高精度定位方案與 L3級準量産自動駕駛車輛的方案有比較大的不同，極少數的主機廠 L3 級準量産自動駕駛車輛的方案選用了鐳射雷達，而針對 L4 級研發測試車輛的硬體感知方案，大多數主機廠和自動駕駛方案商均選擇以鐳射雷達為主，部分主機廠選擇以攝像頭為主，但是不管以哪種硬體方案為主，高精度的 GNSS/IMU 組合導航是必不可少的感測器。
限定區域內的高度自動駕駛應用定位方案大致相同，均採用高精度 GNSS/INS 組合導航、鐳射雷達、攝像頭、毫米波雷達、超聲波雷達等多種感知感測器融合的高精度定位方案。
第一種商業模式以軟硬體産品和解決方案的銷售為主，主要與渠道商合作，共同拓展項目；第二種商業模式為數據服務，通過分析各類定位導航終端返回的數據，提供各類分析應用類增值服務。
Robotaxi賽道是市場空間最大的自動駕駛場景之一，2020年我國網約車日訂單已經突破2,100萬單。麥肯錫預測在2031年中國Robotaxi市場規模有望達到2.8萬億。
1) L4最低指標未達標：要實現Robotaxi全無人駕駛計程車（取消安全員）的概念，Robotaxi 自動駕駛等級必須在L4級以上。而L4級汽車的最低路測里程數要求為10億公里，達千億公里級別才能確保具備充足數據進行AI訓練及倣真測試，從而確保行駛安全，相當於100萬輛車以每天10個小時的頻率不間斷行駛1年。因而，目前Robotaxi仍未達到L4級別，且仍需較長時間進行路測數據的積累。
2) 資金消耗大、技術迭代慢：Robotaxi年技術研發成本巨大，但受限于數據積累的缺失，整體技術迭代週期漫長。
3) 運作模式不清晰：中國部分Robotaxi車輛存在只能在固定線路或者小範圍封閉園區運作的問題，其運作模式與Robobus存在衝突，而Robobus單次載人數量更多、終端場景可取代人力成本的迅速程度更快，在固定路線或封閉場景下優勢更為明顯、競爭力更強。
4) 法規尚不成熟：Robotaxi的運作關乎人身安全及道路所屬權劃分，受到政策管控。中國在無人駕駛的相關政策上比美國更為謹慎，當前階段，中國關於道路開放、路權界定、權責劃分的政策尚未完善出臺；介於技術、商業模式、法規等各方面的不成熟，Robotaxi仍處在“偽概念”階段，當下的Robotaxi 公司也因此無法實現短期盈利，如Drive.ai、Starsky Robotics因盈利問題而直接倒閉，賽道歷史熱門公司Cruise和ArgoAI則被通用、福特收購。
1) 模式1：自動駕駛公司提供技術+投資公司提供資金+地方創新機構&出行公司提供本土支援；再成立合資公司負責運營。如：百度與長沙先導産業投資公司、湘江只能科技創新中心成立湖南阿波羅智行、文遠知行與科學城（廣州）投資集團、廣州白雲出租汽車集團合資成立文遠粵行。
2) 模式2：自動駕駛公司（提供技術）與出行服務公司（提供車輛、運營平臺）合作。如：AutoX與深圳鵬程電動合作；滴滴出行與滴滴自動駕駛公司合作。
3) 模式3：自動駕駛公司組建內部運營團隊負責Robotaxi運營。如：小馬智行在廣州的試運營項目。
其中，百度佈局Robotaxi賽道時間早，其在運營範圍、車隊規模、用戶人數等方面已具備深厚積累。
文遠知行在訂單積累方面表現優異，截至2020年11月，其共安全完成147,128次出行，服務用戶數超60,000，無任何主動責任事故，且用戶五星好評率高達94.2%。此外，文遠知行于2021年2月獲廣州交通運輸局頒發的網約車運營許可，是中國第一家擁有開展網約車業務資質的自動駕駛企業。
雖現階段滴滴運營進展仍較慢，但考慮到滴滴（沃芽科技）作為出行服務公司，基於其網約車平臺運營積累，其在運營調度經驗、數據輔助及車輛運力等方面皆具備優勢，未來有望將其在傳統燃油網約車的運營經驗反哺至Robotaxi領域，推動其自動駕駛業務的商業化進程。
1) 測試里程數（技術）：中國是全球交通和路況最複雜的地區之一，複雜的路況環境助力中國團隊迅速積累更多複雜的自動駕駛場景。政府對於自動駕駛的利好政策則推動了自動駕駛的落地測試與運營展開。現階段，中國Robotaxi賽道已進入車隊測試及服務試運營的階段，未來行業的競爭核心也將會轉向運營規模與測試里程的比拼。此外，里程的積累將反哺技術的迭代，Robotaxi參與者的技術情況可從其MPI指標反映出來。
2) 政府關聯度：Robotaxi涉及人身安全，且駕駛環境較為複雜，政府出於安全考慮對於路權的開放較為謹慎。此外，地方政府對於自動駕駛的落地測試與運營展開的支援程度起到關鍵作用，因此與地方政府保持良好關係將是Robotaxi相關企業把握路權開放節點以及尋求政策支援的重要環節。
3) 産業鏈整合能力：掌握的産業鏈資源越完整，Robotaxi相關企業的先發優勢將愈明顯，比如通過與整車廠的深度合作可真正將無人駕駛技術前置至車輛的生産研發環節，避免“實驗室造車”。
4) 資金實力：Robotaxi資金消耗大、技術迭代慢，因而資金是各方在現階段“做蛋糕”大背景下的重要“武器”，掌握資金則意味著有更充足的“彈藥”支撐技術的研發、人才的培養以及商業化運營。
5) 運營能力：Robotaxi行業處在“以測試方式運營，以運營方式測試”階段，平臺的運營調度經驗、車輛管理能 力是決定Robotaxi服務商業化效率的重要因素，是衡量相關企業生存潛力的重要指標。
作為百度發佈的面向汽車行業及自動駕駛領域合作夥伴的一款軟體平臺，Apollo既是面向整車廠提供的完備自動駕駛解決方案，也是為開發人員提供的開放式平臺，旨在為合作夥伴提供面向L4/L5級別的自動駕駛研發生態。目前Apollo的商業模式主要有三種：一是為主機廠提供解決方案；二是參與造車，通過集度汽車整合百度自動駕駛方面的創新，把最先進的技術第一時間推向市場；三是基於Apollo平臺打造Apollo GO自動駕駛出行服務平臺，並於2021年8月升級為新品牌“蘿蔔快跑”。用戶可以從百度地圖及Apollo官網預約體驗Robotaxi，計劃將於2023年部署超過3,000量車。截止至2021年8月，Apollo共用無人車自動駕駛已完成累計超過1,200萬公里的測試里程積累，獲得27個自動駕駛測試城市的許可牌照，安全停靠點達到620個，路網覆蓋規模約391萬平方公里，完成21萬次的自動駕駛出行服務，無人駕駛出粗車規模達500輛以上。
Apollo Moon作為“蘿蔔快跑”自動駕駛出行服務平臺的重要車型，目前成本可降至48萬元，搭載2個鐳射雷達、13個攝像頭和5個毫米波雷達，計算平臺算力超過800 TOPS。同時，Apollo Moon基於“ANP-Robotaxi”自動駕駛産品架構打造，在領航輔助駕駛ANP獨立閉環的基礎上，增加1顆定制鐳射雷達和相應無人駕駛冗余，即可實現完全無人駕駛能力。該架構可以進一步打通Robotaxi與前裝量産輔助駕駛産品的數據，實現數據閉環、完成對自動駕駛長尾場景的收集。
小馬智行作為一家以自動駕駛軟體為核心壁壘的企業，全速推進乘用、商用兩大核心業務。自動駕駛乘用車和商用車是兩大市場前景廣闊的領域，小馬智行在這兩大領域發力，積累了豐富的技術。在乘用車出行領域，小馬智行早在 2018 年便正式推出了 PonyPilot 自動駕駛出行服務， 在中國廣州以及美國加州落地 Robotaxi 服務。目前小馬智行的測試範圍覆蓋中美五大城市，達 560 平方公里，已積累 500 萬公里的測試里程。此外，小馬智行在商用車領域也在不斷加大投入。2019年4月，公司首次宣佈進入貨運領域；2,020 年 12 月，卡車事業部成立，並獲得廣東首張自動駕駛卡車測試牌照；2021年7月，獲得北京首批自動駕駛卡車測試牌照和卡車首批高速公路測試許可。意味著小馬智行在廣州和北京均開啟卡車道路測試。截至2021年7月，小馬智行自動駕駛卡車已完成約13,650噸貨運運輸，商業運營里程達37,466公里。
技術方面，與 Waymo 相同，小馬智行採用全棧解決方案，即軟體與硬體解決方案相結合。硬體方面，小馬智行已經更疊至第五代——PonyAlpha X，並自主研發了車載計算平臺、攝像頭、 感測器網關等 24 項核心硬體模組。PonyAlpha X 在供應鏈管理、硬體設計、改造總裝、下線標定等方面實現環環打通，建立了標準化流程，使自動駕駛汽車量産成為可能，該系統已批量搭載于雷克薩斯 RX450h 車型上，並在 2021 年 2 月從標準化生産線正式下線。感知層面，小馬智行L4級自動駕駛系統採用了自研的多感測器融合技術，能夠更好保障感知結果的穩定及安全冗余。面對複雜的路況和場景，多感測器方案為障礙物檢測、分類、追蹤和場景理解提供更紮實的技術支撐，更保障了後續技術模組的準確運作。
目前公司已達數百人規模，研發團隊成員大多來自Google、Apple、Uber、百度、廣汽等知名科技公司或汽車公司，有著豐富的自動駕駛軟硬體研發及工程化經驗。
2017年成立於美國矽谷，是擁有領先L4級別自動駕駛技術的智慧出行公司，致力於為大眾提供安全便捷的出行服務。公司是全國首個全對外開放的Robotaxi運營服務公司。目前，團隊規模超過400人，其中85%以上為研發工程師，是首家獲得全球汽車製造商（雷諾日産三菱聯盟）和全球客車製造商（宇通集團）戰略領投的自動駕駛企業。2019年11月在廣州推出全國首個對外開放的Robotaxi運營服務，截止至2020年11月，運營一週年攻完城147,128次出行，服務用戶數超過60,000。截止至2021年5月，文遠知行擁有測試車隊數超100輛，測試里程超過500萬公里。
元戎啟行是一家國際化的L4級自動駕駛解決方案提供商，成立於2019年，自成立以來聚焦于兩大業務，即出行業務和同城貨運業務，主要有RoboTaxi和輕卡兩條産品線。RoboTaxi在全國有將近80臺車；在同城貨運上，元戎啟行已經展開了自動駕駛輕型卡車的研發測試，並通過了內部的技術驗證。下一階段，元戎啟行將在自動駕駛輕卡道路測試上加大投入，進行全方位的産品打磨。未來將重點在一兩座城市中重點發展，在這些城市增加自動駕駛汽車的數量，打造自動駕駛的精品樣板。
輕舟智航成立於2019年，自成立之初，輕舟智航便提出自動駕駛“超級工廠”的戰略目標，以高效實現自動駕駛的商業化及規模化落地。目前輕舟智航主要有3條産品線：龍舟ONE、龍舟SPACE和智慧公交。龍舟ONE是基於5.9米小巴打造的Robobus，主要用於地鐵接駁、城市微迴圈等場景；是國內覆蓋城市最多的無人小巴，包括蘇州、深圳、武漢、北京、無錫都有落地應用。龍舟SPACE是一款輕舟智航與車企合作打造，面向城市未來出行設計的新車型。定位是城市移動空間，未來可作為Robotaxi使用。智慧公交：面向大巴的輔助駕駛方案，這套方案目前已在國內兩個城市落地車隊。但這一産品的定位不以無人化為目標，而是以輔助駕駛為目標。主要的目的是提高安全性，避免司機的誤操作而造成的事故，降低司機的駕駛負擔。
無人駕駛卡車能節省一半乃至全部的人力成本和部分燃油成本，具備20%~30%的提升空間。僅按照司機替代邏輯進行測算，我國目前在運作的用於公路運輸的集卡、重卡等近500萬臺，按照平均每車2名司機，每司機年薪8-10萬進行測算，幹線無人駕駛的市場規模已經達到近萬億。鍇明資本合夥人應麗認為，物流行業是自動駕駛最先開始廣泛商業應用的場景。隨著技術進步，更安全、更高效、更經濟的自動駕駛解決方案會對物流行業的成本和效率帶來顯著的優化。
高速幹線的商業模式主要由托運人、第三方車隊或物流企業運營車隊，利用幹線長途重載無人駕駛卡車運輸貨物。目前有兩類較為成熟的商業模式，分別是輕資産、重資産。
1) 輕資産模式：自動駕駛科技公司與傳統汽車主機廠和物流平臺方建立第三方合作關係：自動駕駛科技公司向物流平臺方提供自動駕駛解決方案和技術服務，傳統主機廠向物流平臺方銷售重卡或者科技企業直接賦能主機廠，由主機廠向物流平臺銷售無人駕駛重卡；物流平臺方根據托運人的需求劃分自營和第三方車隊，這兩類車隊也與傳統主機廠、自動駕駛科技公司和物流金融服務商形成合作關係。
2) 重資産模式：自動駕駛科技公司起主導作用：自動駕駛科技公司向傳統汽車主機廠購買自動駕駛重卡，將其與自動駕駛解決方案和技術一同售賣給物流平臺；此外物流自營車隊和第三方物流車隊也可以向自動駕駛科技公司租賃自動駕駛重卡汽車，需付費用為按里程或時間計費的租賃費用和自動駕駛技術服務費。
1) 技術難點：重卡車身較高，車輛視覺盲區大，需要重點覆蓋的感知範圍更大；而重卡較長的車身導致所需變道時間較長，對感知距離與預判時間要求更高；重卡車頭與車掛之間的柔性連接也讓自動駕駛車身姿態控制難度增大。同時，由於重卡載重波動在14噸至49噸之間，巨動對車身高度、重心有較大影響，對自動駕駛車身控制要求較高；在行駛過程中，車身懸掛抖動明顯，感測器線上標定比較困難。另外一方面，重卡躲在高速道路行駛，時速高、載重大，在雨天路滑的情況下，安全制動距離需要至少300m，因此對比其他場景的車型，自動駕駛重卡所需的感知距離更長、要求的反應速度更快且控制更加精準。
2) 供應鏈薄弱：從供應鏈層面來看，高速幹線商業化目前仍然存在三大難點：一是鐳射雷達、計算平臺等關鍵部件的車規級産品量産供應難。鐳射雷達、計算平臺等關鍵部件車規級産品的量産供應是實現L3自動駕駛重卡量産關鍵的一環，但目前仍然缺少規範技術及産品的行業標準文件，一方面，政府及行業協會應該應該儘快加速行業標準制定的推進工作，另外一方面，關鍵部件供應商也應該積極參與，促進業內産品標準化和規範化發展。二是本土商用車主機廠與供應商線上控底盤技術與産品積累較為薄弱，自主供應能力弱，掌握在國際零部件巨頭手中。三是適應更高階自動駕駛系統的關鍵技術與部件研發難度較大，隨著L3自動駕駛重卡向L4自動駕駛重卡發展，對自動駕駛的感知、計算與執行能力要求進一步提升。
3) 政策標準滯後：自動駕駛高速幹線場景作為跨産業融合創新産物，其道路測試、示範應用、上路運營相關的標準制定權與監督機制分散在汽車、交通、安全等多部門。現行相關法律法規當中，産品管理、交通管理、責任界定、保險監管、網路安全管理、地理資訊管理等方面的部分規定，存在制約高速幹線應用發展的矛盾點和可能潛在風險的空白點。在道路測試方面，目前缺失針對道路測試數據的管理依據，數據收集缺少後期脫敏處理，測試數據價值未能完全發揮，針對道路測試數據收集與處理的相關標準亟待完善；在上路運營層面，L3自動駕駛重卡上路運營過程中將産生海量實時道路運營數據，涉及國際地理資訊安全與數據安全，且缺少針對自動駕駛汽車網路安全的指導性文件，《網路安全法》難以充分應對自動駕駛汽車帶來的網路安全問題。
科技公司和主機廠因具備技術優勢佔據有利位置，成為推動幹線物流自動駕駛生態的主動力。頭部科技公司廠商定位明確專攻物流場景，研發能力強勁，掌握核心技術，與物流商、主機廠等形成合作關係，代表公司例如圖森未來、智加科技、嬴徹科技等；重卡企業具有明顯的資源和生産優勢，但通常要借助科技公司完成在幹線物流自動駕駛的佈局；跨場景廠商成為幹線物流自動駕駛造車主力軍，同時利用客戶流量優勢拓展佈局業務。
圖森成立於2015年，提供電腦視覺為主的可商用L4級自動駕駛解決方案、高速場景及港內集裝箱卡車的無人駕駛解決方案。2016年8月在自動駕駛演算法公開排行榜KITTI和Cityscapes評測數據集上均獲得世界第一。公司于2021年正式在美國上市，據其招股書顯示，公司擁有核心專利技術超過240項，在全球擁有70輛自動駕駛卡車，其中50輛在美國、20輛在中國，車上均配備有安全員。圖森目前已與UPS、McLANE、Navista和Traton等物流方和主機廠建立緊密合作，公司通過創建無人駕駛貨運網路，接入自有或承運人、車隊擁有的自動駕駛卡車，為貨主提供按流程收費的貨運服務，並向車隊所有者提供TuSimple Path訂閱服務。圖森預計其L4級別的無人駕駛車隊在23/24年或可實現規模化落地。
智加2016年創立於美國矽谷，創始團隊大部分為斯坦福背景，具備豐富的連續創業以及技術研發經驗，國內在北京、蘇州、上海等地設有研發中心。在中國，智加憑藉監督式L4方案從當前物流市場中所佔價值最大、最快能實現商業化的環節--倉到倉的幹線物流切入，並與一汽解放在2019年成立了合資公司——摯途科技，同年推出了其首款産品—一汽解放L2量産級智慧駕駛商用車，2020年率先推出全球首款量産自動駕駛重卡J7 L3並於2021年開始投放市場，智加投資人鍇明投資合夥人應麗介紹，J7 L3的量産已經可以顯著優化物流客戶的成本和效率，正在規模化交付落地，將加速擴大智加在行業內的領先優勢。在美國，智加科技2021年2月開始向亞馬遜交付首批1,000 臺量産訂單，並投入車隊運營服務，據悉雙方長期規劃10,000 臺量産訂單。據智加介紹，其L3級解決方案脫胎于其L4技術並行開發，目前可以實現在極低前裝成本的情況下，提供超過10%節油效率以及長途運輸當中節省司機的效果。另外，公司與滿幫集團達成戰略合作，基於L3級自動駕駛重卡開展商業化運營。其新車型將接入滿幫平臺，在滿幫助推下，量産級別自動駕駛重卡可快速達到萬輛級規模，每年産生數十億公里的真實路測數據。智加可通過在真實運營中産生的龐大高品質數據反哺L4 無人駕駛演算法，通過不斷自主學習和OTA 軟體升級，最終實現高速公路L4 級無人重卡商業運營的成功落地。
嬴徹成立於2018年4月，聚焦于幹線物流場景，自主研發L3和L4級自動駕駛技術，致力於為物流客戶提供新一代TaaS貨運網路。公司于2021年3月發佈自動駕駛系統“軒轅”，該系統直接面向量産、全棧自研的卡車自動駕駛，包括演算法、軟體系統、計算平臺和線控底盤整合。公司與東風商用車、中國重汽分別聯合研發的兩款L3重卡將搭載軒轅自動駕駛系統，于2021年底量産交付，未來可通過OTA升級至L4。同時，公司于2018年與上海國際汽車城汽車創新港聯合發起成立了幹線物流聯合創新中心，目前已有24家成員單位，主要成員包括一汽解放、重汽和福田汽車在內的主機廠、零部件供應商、物流企業、技術合作夥伴、圖商、高校和科研機構等。
主線成立於2017年，定位為自動駕駛卡車服務提供商，從港口物流樞紐到高速幹線物流場景提供自動駕駛卡車及運營服務。目前主線與福佑卡車成立自動駕駛運營合資公司，共同打造新一代“智慧物流平臺”，探索自動駕駛幹線物流商業化運營。此外，公司還與德邦快遞、京東物流、普洛斯等建立了合作關係。其與德邦開展幹線物流自動駕駛合作，運營“天津-蘇州”路線，並於2019年入選科技部十三五重點研發計劃。
目前末端物流最主要的場景是快遞和即時配送，後者包括外賣、生鮮宅配、商超零售、醫藥配送等，無論哪個場景都蘊含著巨大的市場價值。啟明創投合夥人周志峰認為，中國有近500萬快遞人員，日均快遞3億多單。但電商體量在未來還會快速增長，再疊加各種新消費習慣，2025年日均快遞單量將突破10億單。只憑現有人力結構，每人平均送件件數會很快到達瓶頸，無人化方案的引入是大勢所趨。
目前我國快遞末端配送成本平均1.2元/件，以2021年快遞業務單量預計955億件計算，快遞末端配送市場規模超過1,100億元；即時物流配送單價約7-9元/件，以2021年即時配送訂單預計300億單計算，即時配送市場規模將超過2,000億元。
綜合來説，2021年快遞和即時物流末端配送市場規模將超過3,000億元，並且快遞和即時物流單量還在快速上漲。
1) 法律法規仍待完善：目前我國無人配送行業的相關文件指引主要以技術標準層面為主，北京宣佈發佈《無人配送車管理實施細則》試行版，但具體政策細節還未正式對外露出，且屬於地方政策，全國其他城市未有更多政策頒布，未能形成統一的法律規範。一方面，無人配送車的類別歸屬尚未明確（機器人/車輛）；另一方面，交通法規層面缺乏對無人配送車這類交通參與者的規定，包括路權、車輛經營權、責任主體等。
2) 供應鏈、價格和標準：雖然國內擁有較為完整的無人配送車上游供應鏈，但是核心零部件的技術、性能和品質還有待進一步提升。無人配送車的採購價格和使用成本是需求方決策的關鍵，價格目前仍然是制約無人配送車規模應用進程的重要因素；標準方面，無論是道路測試標準還是産品安全標準，無人配送産品標準體系還需要完善；同時，産品生産管理體系沒有形成行業規範，容易導致産品良莠不齊，存在安全隱患。相關車規標準目前也亟待完善。
3) 商業閉環尚需産業鏈各環節持續推動。無人配送剛剛起步，部分場景下的商業模型已經初步形成，但需要更多場景方的嘗試和支援，不斷推動産業上下游合作。同時無人配送發展還需要通信基礎設施的支援，包括推動5G網路覆蓋等，以及大規模商業化為導向，拓展保險、運維等服務保障。
目前無人配送的商業模式主要有三種：移動零售平臺、無人配送車隊服務、無人配送車輛供應商。
由於當前自動駕駛技術、産業鏈都還不成熟、各個細分場景解決方案均需要深根場景進行技術研發和産品開發，因此網際網路巨頭在自動駕駛産業鏈的應用接入段佔據非常重要的位置。在外賣、電商物流、快遞、社區團購等行業不斷擴張的背景下，配送環節的效率、成本、服務已經成為了各大電商巨頭、外賣平臺的核心競爭力之一。企業代表包括京東、阿里巴巴、美團、順豐等。
無人物流車整體解決方案提供商，需要打通軟體、硬體、車輛底盤以及整體運營系統形成閉環，從而創造價值形成壁壘。尤其在該領域缺乏標準和車規的情況下，利用數據和軟體來定義硬體和車輛就變得尤為重要。另一方面，因為該領域的初創公司並不容易滿足各個方面的綜合要求，因此大多數存在明顯的長短板，較難組成綜合型的核心團隊。長遠來看，無人物流車的整體解決方案提供商在産業鏈中尤為重要，其産品標準化、規模化以及低成本化的程度將直接決定末端物流領域的發展速度。
無人物流車底盤因為有配送、零售、安防、清掃等多種可能的應用場景，已經成為汽車産業鏈企業錨定的新賽道。從近兩年的趨勢來看，投資機構整體佈局力度逐漸加強。從商業模式上來看目前主要有兩種模式：純供應商模式、供應底盤或整車的同時輸出解決方案。
總之，網際網路巨頭具有場景優勢，初創公司與獨立第三方頭部客戶是天然盟友，可實現差異化競爭。網際網路巨頭如京東、阿裏和美團有一定優勢，他們既是解決方案商也是場景需求方。目前他們是賽道的主要廠商，但初創公司在組織管理和商業選擇上更加靈活，仍然有巨大的市場機會。我國零售業有諸多廠商，它們與巨頭存在潛在競爭，與獨立第三方無人配送公司則是天然盟友，其線上業務體量正在快速增長，將産生大量即使配送訂單，這些需求和場景有很強的地域性、多樣性、且難以被巨頭壟斷，可以支撐新的商業模式和無人配送服務商。
無人配送的商業模型已經初步形成，技術已經能夠支撐部分場景需求，行業進入批量商業應用前夜。自2020年起，末端無人配送頭部廠商已陸續去掉安全員進入常態化運營，並在實際運營中産生真實的商業收入。例如受訪企業新石器，在上海張江和北京高級別自動駕駛示範區已開展了數百臺車隊的無人車零售運營，開始服務普通消費者早餐與午餐。這意味著無人配送車已超越Robotaxi等賽道的測試或者開放體驗階段，離真正的規模化、商業化落地更進一步。京東、阿裏、美團等均表示未來3年計劃投放車輛超過萬臺。
由於無人配送車行駛速度相對低，整車成本相對低，財務模型清晰，這一規模化的車輛投放計劃將相對其他賽道更為可信。未來三年，無人配送車整車成本會逐步下降至10萬元以內，無人配送賽道將率先迎來爆發。其中，直接面向C端的移動零售模式也會隨著規模化落地而産生爆發。
我國礦山資源豐富，目前全國在開採礦區超5,000座，其中僅煤、石灰石、鐵、銅四種主要礦物的年開採量就已經接近100億噸。礦區整體作業環境分為露天和井下兩種，其中露天場景的主要運輸工具為礦用卡車、礦用寬體車、礦用重卡，井下場景的主要運輸工具為無軌膠輪車，此外還有不同類型的多種作業設備如挖掘機、鏟車、平路機等。無人駕駛在礦區的落地以改造舊有設備為先，後期則可以疊加全礦數字化服務及運輸代運營服務等。以礦區內近100萬的設備量進行測算，礦內設備改造市場潛在市場規模超過千億；以主要礦種每年近300億方的運輸量進行測算，運營服務市場潛在市場規模近3,000億。目前礦山無人駕駛主要聚焦于露天礦運輸，國外主要是用大型礦卡，國內採用寬體自卸車。礦區自動駕駛市場規模預計漲幅顯著，2,020至2030年符合增長率為65%，市場以運輸服務為主。自動駕駛在礦山的優勢明顯，可顯著減少礦區人員數量，、提升作業人員安全水準，大幅降低成本，和提升作業效率，礦企付費能力極強，使用意願也非常高，近幾年落地迅猛等。
1) 産業鏈關係：礦區自動化的産業鏈比較複雜，主要有零部件供應商、礦卡生産商、寬體車生産商、煤礦公司、運輸隊和自動駕駛初創公司。初創公司需要找對合作對象，否則會發展艱難。一方面需通過與主機廠合作佈局前裝市場，減少改裝成本，未來量産才可獲得規模優勢；另一方面需通過與礦企合作佈局後裝市場，可以迅速落地，快速迭代軟硬體。
2) 無人化運營：無人礦區的運營需要各個車種設備之間的配合溝通，因此對後臺控制的要求極高。後臺的調度、溝通和執行是智慧礦山最大的難點。
3) 盈利模式的可持續性：國外已經有多個成熟的無人化礦區實現運營盈利，基礎在於海外礦區自動駕駛方案基本都嵌在整體礦山自動化解決方案中間，行業主導為礦車主機廠商，並且走的是高價路線；而國內現階段主要在運輸無人化上，目前行業主導是自動駕駛的初創公司，難點在於完成區域化測試和落地之後如何大規模在不同礦區“鋪開”，以及如何將這套自動駕駛系統應用到礦區外更廣泛的場景。
4) 技術難點：一方面，封閉場景的單車無人駕駛難度並不高，但實際生産作業時需要以車隊編組調度作業，同時運輸車隊需要連接挖掘、裝卸等其他作業流程，對平臺調度能力及車輛決策能力提出更高要求，通常，一個大的工作面有6、7個編組交叉作業，這樣有的路口可能有幾十輛車交匯，長期看，調度演算法對提高生産經營效率的價值要超過無人駕駛單車智慧演算法；另一方面，各種礦區不同的工況特點會給技術可靠性和通用性帶來挑戰，例如金屬礦石的電磁特性會影響毫米波雷達的性能，高寒地區礦區的溫度會影響電氣電子設備的穩定性等。
1) 礦卡自動駕駛解決方案商成為主機廠前裝供應商；主機廠直接銷售具備自動駕駛能力的礦卡，並從礦卡銷售中盈利。
2) 自動駕駛解決方案商牽頭與大型剝離隊成立合資公司，成為新型智慧化剝離隊，以更低的成本承接剝離項目。
3) 智慧礦山解決方案商面向採礦企業提供包括自動駕駛應用的礦山智慧化整體解決方案。採礦企業前期投入較大，用以改造或新購各類工程機械，建設礦區“雲平臺、通信網路、智慧化終端”軟硬體設施、培訓管理作業人員等，後期通過節省的司機人工成本、油耗成本等逐步收回成本，並提升效益。
中國礦山自動駕駛市場由本土企業佔據，包括初創公司及部分主機廠，目前逐步已出現頭部分化的情況。
成立於2014年，其孵化于中科院自動化所青島智慧産業技術研究院，自主研發了雲端智慧調度與管理系統、礦車無人駕駛系統、挖機協同作業管理系統等六大核心子系統組成的“愚公YUGONG“無人礦山整體解決方案，目前已完成域控制器、遠端駕駛系統、V2X車路感知協同系統、線控VCU、防碰撞系統等産品的研發和批量交付，已在國家能源集團、華能集團、國家電投集團、大唐集團、中國寶武、中煤集團等國內頂級能源、資源集團下屬的20多個礦區實現了規模化商業落地。並且，公司從去年開始佈局井工礦無人化，目前已完成關鍵技術的落地轉化，在井工礦無人運輸、井下定位等關鍵技術上進展顯著。
成立於2016年，主要為露天礦等封閉場景提供無人駕駛解決方案及無人駕駛運輸運營服務，適配于大型礦卡與寬體自卸車等多種車型。為實現智慧礦山，其推出了端、邊、雲的整體系統規劃，可實現由雲端調度管理、車聯網通信、車載智慧終端組成的整套礦山運輸無人駕駛解決方案。
目前第一梯隊廠商已經從實地測試階段邁入試運營階段，領先第二梯隊1-2年左右時間。已經有1-2年的實際礦山運營數據，關注其車輛穩定性、平臺調度及車輛決策能力（整體運營效率及可靠性）、針對不同環境的礦區的適應性問題、夜間作業情況等。
對於第二梯隊的廠商，目前正處於剛改裝完寬體車，即將進行實際落地測試的階段，暫時無法得到實際運營數據。可關注其創始團隊過往履歷、團隊對行業方向和技術的理解深度。
礦區自動駕駛的場景特點是終端客戶多為産業集中度較高的國企，對於服務商要求較高。同時，需要廣泛與不同工程機械廠商合作，實現礦山全時空多源資訊實時感知，生産現場全自動化作業，搭建全流程的人-機-環-管數字互聯高效協同運作。
未來，當礦區自動駕駛服務商在完成難度較大的運輸環節自動化後，將有機會深入其他環節，實現全礦區的自動化、提供智慧化解決方案。
我國擁有港口近100座，其中大型港口十余座，港內用於集裝箱運載的集卡在2,0,000臺左右。2021年全球貿易逐漸恢復，預計未來中國港口集裝箱吞吐量增速範圍為5%-30%。隨著自動駕駛技術的成熟，引入自動駕駛集卡車的港口增多，起銷量將穩步增長，預測到2023年國內港口碼頭自動駕駛集卡車銷量將超5,000輛，市場規模約為50億元。未來港口集裝箱吞吐量增速將加速中國港口碼頭自動駕駛行業的發展，預計在2026年市場規模將超過100億。
目前國內已有13個港口落地自動駕駛集卡，是自動駕駛實現商業化應用最快的場景。目前我國港口自動駕駛的主要應用領域在東南沿海港口，尤其是新建或者擴建港口應用項目較多，深圳媽灣智慧港、上海洋山港、寧波舟山港以及天津港是港口自動駕駛應用最多的海運港口。現階段港口集裝箱碼頭水準運輸自動化解決方案主要分為三種：自動導引運輸車AGV（Automatic Guided Vehicle）、無人跨運車ASC(Autonomous Straddle Carrier)和無人駕駛集卡。
1) 封閉場景的挑戰：封閉不意味著簡單，港區內沒有交通燈控制，每個路口都沒有保護，考驗自動駕駛集卡的感知能力和行為預測能力。自動駕駛集卡僅承擔港口作業中的水準運輸環節，和橋吊、場橋的配合十分重要，要求定位誤差要維持在釐米級範圍內。對於車身長、慣性大的港口集卡，需要進行適應調整；對於碼頭遍佈金屬集裝箱將對信號有所干擾的情況，還需解決影響衛星導航系統定位精度的問題。
2) 場景標準化差異：中國各個港口在港口泊位數和萬噸級泊位數等基礎設施條件方面存在差異，致使運輸能力有差異，而目前落地實施的自動駕駛解決方案是針對標準化港口所設計的，因此需要豐富自動駕駛應用場景，且增加解決方案的適用性。
3) 通信建設制約：港口通信要做到低延時、覆蓋面積廣和保密性好等要求，但目前採用的光纖和Wi-Fi通信無法滿足同時要求，且存在基建成本高、施工難度大和信號干擾能力弱等問題。雖然這些問題能使用5G技術解決，但目前5G基站基數較少且其運營成本較高。
國內港口智慧化改造的主要方向是無人駕駛集卡，主要有三種商業模式：重資産、輕資産、合資重資産。主機廠和自動駕駛技術解決方案商開展雙向合。
