中金：行至中局，自动驾驶落地可期

“新四化”、下游销售渠道变革正在推动汽车产业变革，自动驾驶是重要的技术创新，同时也深刻影响了行业的商业模式。不同场景、速度的自动驾驶方案存在较大差异，本篇报告研究了四种类型的自动驾驶方案及对应的龙头企业，包括L3及以下的中低级别自动驾驶乘用车的代表特斯拉(TSLA.US)、L4及以上的高级别自动驾驶乘用车的先行者Waymo、高速商用车率先上市的图森未来(TSP.US)、以及低速商用车的Nuro。1）作为软件定义汽车的实践者，特斯拉一方面采用渐进式的量产路线，硬件方案上坚持低成本纯视觉系统方案，软件层面采用“影子模式”获得海量真实数据来驱动自动驾驶算法的快速迭代；另外一方面集中式的E/E架构让OTA在汽车终端上应用成为可能，从而重构汽车行业的商业模式，市场对特斯拉成为新的流量入口并提供SaaS化的软件服务有了更多期待，由此特斯拉的估值方式也发生了切换。2）作为L4高级别自动驾驶的引领者，Waymo在技术层面持续实现突破，然而近期的高管变动也让Waymo在商业战略层面做了更多元化的调整，我们认为积极拥抱传统汽车工业、Robotaxi、Robotruck、Waymo Driver等多业务管线的发展将有利于Waymo实现商业目标。3）由于商用车自动驾驶行业痛点清晰、安全冗余要求相对较低，结合图森未来的上市、Nuro在最后一公里配送领域的示范效应，我们预计商用车自动驾驶将较早实现大规模商业化。

我们中短期看好有量产方案商业落地的企业，长期关注有高级别自动驾驶技术储备的公司。另外商用车领域的自动驾驶创业公司也有望在细分赛道中切中需求，快速拓宽市场边界获得较大成长。

自动驾驶技术发展不及预期；商业落地推进困难；法规不确定性。

正文

全球自动驾驶概览

智能化是汽车产业继电动化之后的又一次机遇，软件定义汽车的趋势将扩大汽车的功能属性和定义范围，在单纯的交通出行工具基础上新增了通用计算平台乃至于内容服务平台的定位。而自动驾驶能够将人类驾驶员从繁琐的驾驶操作环节中解放出来，这将成为汽车智能化的核心环节。根据应用场景的差别，我们首先分为商用车和乘用车；在乘用车中，根据自动驾驶级别的高低，分为L4及以上的高级别自动驾驶乘用车和L3及以下的中低级别自动驾驶乘用车；在商用车中，根据行驶速度差别分为在主干线实现自动驾驶的高速商用车，以及在某些特定场景的低速商用车。

L3及以下的中低级别自动驾驶乘用车：以特斯拉为代表的渐进式方案，从低级别自动驾驶做起，逐步过渡到L4+自动驾驶。这一方案为大多数车企采用，其中既包括蔚来(NIO.US)、小鹏(XPEV.US)、理想(LI.US)这样的造车新势力，也包括奥迪、本田(HMC.US)等老牌车企。

L4及以上的高级别自动驾驶乘用车：以Waymo为代表的一步到位方案，全力研发L4+高级别自动驾驶技术。主要参与者是科技巨头和自动驾驶独角兽公司。

高速场景自动驾驶商用车：以图森未来为代表的自动驾驶货运公司，重点解决高速公路干线物流运输问题，主要参与者是新兴创业公司和卡车OEM。

低速场景自动驾驶商用车：以Nuro为代表的封闭场景自动驾驶解决方案，重点关注矿区、港口、园区、物流等细分市场需求，主要参与者是科技巨头和新兴创业公司。

全球自动驾驶产业回顾

回顾过去数十年，技术是自动驾驶产业发展重要的驱动力，技术的进步决定了安全性的提升和成本的下降幅度，进而决定商业化的时间预期。从全球自动驾驶专利数目来看，自动驾驶技术在过去20年间得到了长足发展，从2001年新增个位数专利增长到2018年新增接近1500份专利，其中2007-2009年、2016-2018年自动驾驶技术取得较多突破，相关专利数目迅速增长，也带动更多公司进入自动驾驶领域。

另一方面，技术的发展推动资本加速进入自动驾驶领域。根据CB Insight数据，自1998年起至今，全球自动驾驶企业共计获得384.1亿美元融资，其中2015-2020年间共计获得268亿美元融资，典型案例包括2016年Cruise获得通用汽车(GM.US)投资10亿美元、2020年Waymo获得32亿美元的融资。

此外，从更加具体的公司层面来看，我们可以大致划分自动驾驶的发展历程：

萌芽期：继三届DARPA自动驾驶挑战赛后，2009年谷歌(GOOG.US)正式立项自动驾驶项目，自动驾驶开始从竞赛技术向商业技术转变；2013年后，以特斯拉、Uber(UBER.US)为代表的企业进军自动驾驶，特斯拉率先在量产车推出自动辅助驾驶系统Autopilot；

过热期：2016年后，通用、福特(F.US)、英特尔(INTC.US)等传统车企和科技公司的收购刺激了行业，自动驾驶行业进入高速发展时期；

低谷期：2018年后，Uber自动驾驶路测中出现致命事故，全球首起无人驾驶汽车致死交通事故带来了舆论压力，加上商业化进展过慢，大批创业公司倒闭，自动驾驶陷入短暂低潮。

目前来看，我们认为自动驾驶正处于由低谷期向复苏期转变的阶段。在当前阶段，一方面，自动驾驶的发展仍然有待进一步的技术进步去解决成本和安全两大关键问题，另一方面，商业化的可行性和进展越来越受到重视。

自动驾驶产业链拆解

以自动驾驶为代表的三大因素驱动汽车产业价值链重构。传统汽车产业链是以整车厂为核心、零部件供应商与4S店为中坚力量的金字塔体系，整车厂占据绝对的主导权。我们认为，新的因素出现将会重构价值体系：（1）整车厂纷纷转型直销以更好掌握消费者数据，进而开展全方面的精准营销和全生命周期的客户服务（2）汽车成为新的流量入口终端，商业模式不再仅仅局限于卖车，软件、服务等新的多元化盈利点成为更重要的价值来源（3）汽车“新四化”特别是智能化、网联化的发展，使得以自动驾驶为代表的新兴供应商话语权提升。

自动驾驶是汽车智能化的关键环节，其定义了汽车的新功能，相比传统汽车增加了感知、理解、决策等新的功能和模块，由此对固化的传统汽车产业链带来了冲击，一个全新的围绕汽车智能的产业链正在形成过程中。从自动驾驶的技术原理出发，遵循感知、决策到执行的过程进行划分，我们可以做出如下拆解：

感知层：当前在感知技术上分为两派，以特斯拉为代表的纯视觉派，主张运用摄像头和毫米波雷达的简单硬件方案（甚至是单纯的摄像头系统），辅以较高水平的人工智能技术实现自动驾驶；除此之外大多数公司主张采用激光雷达方案，获取环境信息能力更强，但成本较高。总体而言，除激光雷达外的传感器技术已然成熟，且激光雷达也正处于快速降本的阶段。

决策层：自动驾驶的核心在于通过人工智能技术去处理海量环境信息并做出正确决策。目前大多数传统主机厂和Tier1供应商在这一领域技术积累薄弱，缺乏竞争力。大多数新入局者在该领域有丰富的技术积累，同时也希望掌握新终端的核心入口，获得产业链的优势卡位。

执行层：传统汽车供应商和整车厂拥有较大优势，属于存量市场的调整。

历史机遇下，新公司入场、传统公司转型。随着自动驾驶逐步成为行业追求的目标，从供应商到整车厂再到服务商，每个环节都涌现出数目众多的新公司。与此同时，传统企业也积极拥抱变革趋势，例如通用汽车、丰田(TM.US)、电装公司、博世、大陆集团、英伟达(NVDA.US)、恩智浦(NXPI.US)、ARM等公司共同成立自动驾驶汽车计算联盟，来推动自动驾驶产业发展，同时实现智能升级和转型。

自动驾驶的“不可能三角”

我们认为深度学习算法创新具备革命性的意义，但其算法本身并非真正意义上的“人类视觉”体系，特别是在基于视觉的语义抽取、推理泛化等领域，实际上仍然和真实的人脑视觉机制存在较大的差距。参考人工智能在其他产业的落地，我们认为自动驾驶在算法达到瓶颈阶段后，需要在“通用性”、“安全性”、“成本”三个核心要素中寻找平衡。

基于上述的不可能三角，我们可以对自动驾驶现存的多条路线进行划分：

L4及以上的高级别自动驾驶乘用车：追求更高级别的确定性或者安全性，典型代表是Waymo。我们可能需要牺牲“通用性”或者“成本”两者之一，如果进一步考虑商业化落地的成本因素，我们认为高级别、高安全性的自动驾驶规模化的前提是对区域和场景进行限定，并不断优化。事实上Waymo发展多年仍然主要局限在凤凰城地区，此外为确保安全性，Waymo采取了高度复杂的传感器系统，导致成本居高不下。根据Waymo前CEO披露，目前Waymo整车费用不高于中档梅赛德斯-奔驰S级车型价格。据市场信息我们推断整车费用约12万美元，改装成本仍然高达5万美元。

L3及以下的中低级别自动驾驶乘用车：追求自动驾驶的通用性和成本上的优势，典型代表是特斯拉。为了实现这一目标，必须要牺牲算法的安全性，例如在产品上追求人机协作的方式，由人类和计算机配合、人类兜底的方式，来完成自动驾驶的过程。显然，这一方式更加适合当前的量产车市场。与此对应的是，目前特斯拉Model3长续航版售价约4万美元，自动驾驶系统售价为1万美元，自动驾驶系统利润率高于Waymo。此外，特斯拉多起交通事故（如典型的白色卡车事故）也表明其算法机制目前仍然离不开人类驾驶员的监控与干预。

高速商用车：由于卡车在驾驶场景上的特殊性和有限性，运行域集中在少数交通干道，其对通用性的要求天然较低，因此有可能实现安全性、通用性、低成本的较好结合。在这一赛道上，与卡车OEM合作快速量产占领市场是众多公司的共同选择，代表企业是已上市的图森未来和即将上市的智加科技。我们认为，相比于其他赛道，商用车自动驾驶有望率先迎来行业拐点，进入大规模商业化阶段。

低速商用车：运行在矿区、港口、园区等场景的低速商用车，同样存在场景有限、行驶速度低的优势，是现阶段商业化进展较快、商业模式较为清晰的自动驾驶应用。然而由于应用场景高度分散、细分市场空间较小、进入门槛低，在各自领域内的竞争将更加激烈。

特斯拉是世界上较早推出自动驾驶系统的汽车厂商，也是在商业化道路上较为成功的自动驾驶厂商。迄今为止，特斯拉自动驾驶系统已经经过三次升级，最新的FSD Beta9.0也即将度过测试期正式上线。

在特斯拉之前，Waymo路线是自动驾驶的主流做法。特斯拉开创了将自动驾驶与汽车量产结合的道路，即通过在量产车上安装低级别自动驾驶系统收集数据，凭借数据不断完善自动驾驶算法，最终实现由较低级别的自动驾驶向L4+过渡。

此外，特斯拉采用纯视觉系统技术方案，拒绝采用成本过高的激光雷达方案，依靠摄像头+毫米波雷达+超声波雷达的感知系统，辅以人工智能算法去解决环境信息获取不足的问题。目前FSD传感器配置方案包括8个摄像头，1个毫米波雷达，12个超声波传感器，此外，马斯克在其个人Twitter上表示最新的FSD Beta9.0版本将使用纯摄像头方案，不再包括毫米波雷达。

在渐进式自动驾驶路线指引下，特斯拉先预装功能较为简单的自动驾驶系统，一方面向用户宣传自动驾驶的理念，起到消费者教育的功能，另一方面通过收集驾驶行为数据，改进算法，并以较快的速度不断迭代新版系统，优化用户体验。

“苹果模式”自建生态

软硬件一体化，打造自动驾驶的苹果模式。类似于苹果自研手机操作系统和芯片，特斯拉在自动驾驶领域也采取了类似做法。在计算芯片领域，逐步从向Mobileye、英伟达等第三方供应商采购转为自研FSD芯片，算力提升至144Tops，大大提高了计算性能。自动辅助驾驶系统Autopilot配合自研芯片，效果有较大提升。升级前受限于芯片算力，Autopilot 2.5每秒只能处理110帧图像，而Autopilot 3.0能够处理每秒2300帧图像，是Autopilot 2.0硬件性能的21倍，在成本上也下降了约20%。

尝试自建服务生态系统。在智能车机操作系统上，特斯拉并没有选择主流厂商普遍认可的QNX和安卓系统，而是基于Linux内核自研了Version操作系统，一方面是避免较高的授权费用，另一方面也是想要打造属于自己的生态系统。但由于Linux系统在信息娱乐领域的产品和内容生态方面存在劣势，特斯拉只能自己推进热门应用登录车机。目前特斯拉在车机系统上主要生态体系包括爱奇艺、优酷、Bilibili、QQ斗地主等应用。我们认为特斯拉生态仍需更多第三方开发者支持，以尽快实现生态体系的繁荣。

自动驾驶本质上是人工智能技术的运用，遵循“数据收集—数据清洗—模型训练—模型输出—结果反馈”的过程。人工智能技术三大要素：算法、算力和数据，算力是物理基础，在当前阶段也可以通过获取外部GPU等芯片来实现；算法是最终的表现结果，直接决定自动驾驶技术的优劣；而数据的数量与质量决定了算法的有效性，是自动驾驶的关键环节。不管是在用户行驶里程总数还是极端长尾场景的覆盖上，特斯拉都领先竞争对手。截至2021年底，特斯拉共计售出约159万辆汽车。根据MIT研究员Lex Fridman估计，至2021年特斯拉自动辅助驾驶系统Autopilot累计行驶里程约为51亿英里，超过Waymo的2000万英里。

除了用户主动开启自动辅助驾驶系统Autopilot的行驶里程，在用户提供的海量数据源基础上，特斯拉还采用“影子模式”进行模型训练优化自身自动驾驶算法，即自动收集用户在真实路况下的实时运行数据并上传至特斯拉算法模型中进行训练，再将训练结果与用户实际操作进行对比反馈，不断优化自身算法。而随着特斯拉销量保持高增长，数据的优势将会越来越大，相应地，模型优化效果也会稳步提升。

软件定义汽车是汽车行业的一大趋势，表面上是电子硬件和操作系统等软件在整车成本和价值量中的占比越来越高，并逐渐超过传统机械硬件，本质上是汽车角色与功能的转变，由单纯的机械终端变为高度智能化、可升级迭代的移动终端。这既是汽车行业在传统的同质化竞争形势下获取增量利润空间的差异化做法，也是互联网技术潜移默化改造汽车行业的过程。

汽车电子电气架构（E/E架构）是汽车整合自身电子设备的整体解决方案，是汽车智能化的基础，也是高级别自动驾驶实现的关键。根据博世对汽车E/E结构的划分，大致可以分为以下三种：

分布式架构：传统的汽车E/E架构以分布式架构为主导，每一个电子控制单元（ECU）和嵌入式软件高度耦合，点对点通信，复杂度高。另一方面，随着汽车功能增加，ECU数量和线束大幅增长，成本上升，效率下降。

域集中架构：将汽车整车划分为几个主要的功能域，例如德尔福的汽车五大域划分法，在每个域下设置域控制器DCU处理对应ECU信息，再进行汇总，在一定程度上提高了效率。

中央集中架构：将整车的信息处理能力集中在中央计算单元，软硬件得以解耦，ECU数量大幅减少，进而实现整车厂直接控制全车绝大多数软件开发。

传统的分布式架构无法满足以自动驾驶为代表的智能化需求。首先，从功能上来看，自动驾驶需要对海量数据进行实时处理，这就需要汽车具备较强的算力，而以ECU为主导的分布式架构无法协同运算，存在大量无法利用的算力冗余；同时自动驾驶是一个复杂多样的系统功能，在分布式架构下每一项子功能都需要对应的ECU进行处理， ECU数量和线束长度将会大大增加，也增加了量产的难度；其次，自动驾驶对时延有着非常苛刻的要求，传统分布式架构下以控制器局域网络CAN作为通信管道，CAN信息传输效率较低，难以应对海量数据即时传输的要求。域集中架构可以在一定程度上满足上述智能化需求，特斯拉则更进一步，创造性采用了集中式的E/E架构，颠覆了传统的分布式架构。目前特斯拉E/E架构由三部分构成：中央计算模块（CCM）、左车身控制模块（BCM-LH）、右车身控制模块（BCM-RH），整体来说处于由域集中架构向中央集中架构过渡的过程，能够更好地解决上述问题。

OTA让汽车成为新的流量入口

集中式E/E架构下软硬件解耦，OTA成为可能。空中下载技术（OTA）是指利用无线网络下载安装包，对设备进行升级更新的方式。OTA主要分为两种：软件升级（SOTA）、硬件升级（FOTA）。在传统分布式E/E架构下，由于ECU结构复杂，且大多数为供应商开发，传统厂商无法为已售出车辆提供全面的OTA服务，只能局限于车载娱乐系统、车载地图等车机部分提供有限OTA，并不涉及对于车辆驾驶功能的升级，消费者体验改善程度不大。中央集成架构大幅减少了ECU数量，实现了软件与硬件的解耦，大部分软件功能集中在中央计算模块当中，为OTA的实现提供了可能性。最近由于主动巡航控制系统存在问题，易造成驾驶员误激活主动巡航功能，特斯拉中国对211,256 辆Model 3 电动汽车和38,599 辆Model Y 电动汽车进行召回，通过OTA技术为召回范围内的车辆升级主动巡航控制软件。

硬件预置+性能冗余实现固件OTA。以自动驾驶为例，特斯拉通过提前为车辆安装实现该功能所必须的硬件（如传感器、计算平台等），并在诸如算力、加速时间、刹车距离等硬件性能上提供一定的冗余空间，后续等待软件系统成熟后即可激活硬件，不断改善用户体验。2015年10月，特斯拉首次推出自动辅助驾驶系统Autopilot时，就是采用OTA方式激活原本预装的HW 1.0硬件。

OTA持续更新整车功能，为自动驾驶快速打开市场提供便利。在当前技术发展状况下，高级别自动驾驶出现尚需时日。特斯拉通过硬件预装+OTA激活将自动驾驶这一复杂功能拆解为难度不一的模块，率先推出较为简单的车道保持、辅助变道、自适应巡航等功能，加大消费者对于自动驾驶的认同度，推动自动驾驶渗透率不断提升。特斯拉在2019-2020年期间提供了大大小小60多次OTA升级，主要为功能升级和导入，集中于自动驾驶领域，小步快跑，快速迭代。

商业模式及估值重构: 从卖车到卖服务的转变

特斯拉的目标是把汽车从传统卖硬件的一锤子买卖转变为卖系统和服务等长周期营收，最大程度地延长汽车的全生命周期价值。在硬件逐渐沦为标品的情况下，单纯卖车很难获取高溢价，传统的整车厂在高销量下保持着较低的利润率。特斯拉意识到了这一点，将盈利重点放到差异性强、高毛利的软件和服务上。

通过将自动驾驶与量产车结合起来，特斯拉形成了双飞轮效应。一方面，纯粹的卖车业务走薄利多销路线。特斯拉通过产品设计改进、供应链管理、扩大产能等方式不断降低Model系列成本，从而降低产品售价，增加产品销量，改善自身盈利情况；另一方面，自动驾驶服务将是未来盈利的主要空间。更多的销量意味着特斯拉拥有更多的用户，进而能够带来更多的行驶数据，完善自身自动驾驶算法，改善自动驾驶体验，增加用户的付费意愿。

目前在服务业务上，特斯拉已经形成了三大盈利模式，包括自动驾驶FSD系统，OTA性能升级、高级车联网功能。

自动辅助驾驶系统Autopilot/FSD：特斯拉智能汽车系列核心的产品，需要消费者额外选购，拥有辅助导航驾驶、辅助变道、智能召唤等功能，且功能还在持续更新。目前收费模式是消费者在购买汽车时一次性10,000美元（64,000元）买断，后续可能推出按月订阅付费的模式，收费价格大约在100美元/月。

OTA性能升级：通过前置硬件加后续付费激活方式为消费者提供更好的性能体验，目前可实现功能包括OTA自动驾驶（不需额外付费），OTA加速（2,000美元/1.4万元，百公里加速时间缩短0.5秒）、OTA座椅加热（300美元/2,000元）、OTA方向盘加热（即将推出）、OTA续航升级等。

高级车联网服务：特斯拉车联网服务分为标准版和高级版，标准版可实现基础的地图导航、音乐播放，高级车联网服务则需要付费开启，包括实时路况、卡拉OK、流媒体等功能，目前定价9.9元（国内）/9.9美元（国外）。

从目前收入结构来看，FSD自动驾驶系统占据大头。由于FSD目前以实现全自动驾驶价格出售，但自身功能尚未满足要求，因此会有部分收入确认为递延收入，目前的会计记录方法是出售FSD系统时确认一半收入，随着FSD功能不断解锁再确认相应收入。

从目前收入结构来看，FSD自动驾驶系统占据大头。由于FSD目前以实现全自动驾驶价格出售，但自身功能尚未满足要求，因此会有部分收入确认为递延收入，目前的会计记录方法是出售FSD系统时确认一半收入，随着FSD功能不断解锁再确认相应收入。

根据上述数量关系和特斯拉财报数据，我们可以在如下假设的基础上进行特斯拉FSD相关指标估算：

根据特斯拉业绩发布会披露，截至2020Q1FSD递延收入超过6亿美元；2019Q3特斯拉FSD新增智能召唤功能后，当期确认3,000万美元递延收入。暂不考虑之前未披露递延收入确认部分，截至2020Q1FSD累计递延收入约为6.3亿美元。

截至2020Q1，特斯拉累计出售99万辆汽车，其中可升级至FSD约83万辆（包括预装FSD系统、AP2/3系统）

我们认为早期FSD使用人群较少，为方便起见，价格统一采用7,000美元。

估算得出，截至2020Q1，特斯拉FSD现金收入约为12.6亿美元，激活率约为21.8%。然而，考虑到中国市场较大的销量占比以及较低的激活率（1%-2%），在国外市场FSD激活率将会远高于21.8%的水平。

除去FSD在中国本土化调整不够的原因，高昂的价格也是阻碍FSD激活率提高的一大重要原因。和以造车新势力为代表的国内竞争者相比，FSD定价偏高但未能带给消费者明显偏强的驾驶体验。另一方面，部分车企如蔚来等已经开始推行自动驾驶系统订阅制，大众甚至计划推出以小时计的更加灵活的付费方式，特斯拉不久后也将加入其中。随着FSD按月付费的到来，我们预计相比于原本价格较高的一次性付费，按月付费将会显著提高消费者的可承受能力，进而扩大FSD用户基数，激活率将进一步提高。

从更长期的维度来看，高级车联网服务将是更重要的收入来源。自动驾驶成为行业标配之后，服务和生态将成为车企保持差异化的另一个来源。凭借自动驾驶与智能化带来的多方面优势，智能汽车或将成为新的内容和服务分发渠道。

首先，自动驾驶创造新的可支配时间。我们认为，自动驾驶的一大意义便在于解放了驾驶员，驾驶员可支配时间增加，汽车将成为继家庭和公司之后的第三空间，为消费者接受车内服务创造了前提条件。根据中国城市规划设计研究院发布的2020年《全国主要城市通勤监测报告》，全国主要城市通勤人口的单程平均时耗超过36分钟，考虑往返次数，估计每日通勤时间将超过72分钟。

其次，智能汽车或将凭借超出手机的性能成为下一代交互媒介。由于空间和成本的制约，智能手机硬件配置远弱于智能汽车。从算力上来看，智能手机芯片算力大致在10~20Tops之间，而智能汽车普遍在100Tops以上，蔚来ET7更是达到了1,000Tops的水平；从交互方式上来看，智能汽车凭借车内更丰富多元的传感器能够实现超过手机的体验。

类SaaS的商业模式推动估值切换。以自动驾驶为代表的软件和服务实际上具备了SaaS的如下特征：（1）更加稳定持续的现金流（2）与客户交互性强，提升用户价值（3）高利润率（4）转换成本高，用户粘性强。

更加稳定持续的现金流：自动驾驶系统收费方式正在向类似于SaaS产品的订阅制方向转变，一方面这将传统的一锤子买卖变为长期的服务，延长企业的收入周期，获取更加持续的现金流；另一方面，这也会降低企业收入的波动性，业绩不确定性减少。

用户价值提升：自动驾驶系统的推出使得车企能够更加深入地与消费者进行互动，收集消费者信息，进而推出诸多定制化服务，使得消费者ARPU值上升。随着消费者在车内可支配时间的增加，车企可提供多种额外服务，消费者ARPU值上升的阻力更小。

高利润率：SaaS公司由于边际成本低的特点普遍具有高毛利率，自动驾驶系统对技术要求程度高，且和汽车整车捆绑出售，降低了销售费用率，利润率可能高于一般SaaS产品。

较强的用户粘性：以自动驾驶系统为代表的软件和服务本质上是和汽车载体深度绑定的软件系统，车企具有完全掌控权，用户不具备自行切换的可能，用户粘性较一般SaaS产品更强。

特斯拉估值远超传统车企。自2019年下半年起，特斯拉股价一路飙升，已经超过丰田、大众、戴姆勒三家市值之和，成为全球第一大市值车企。市场对特斯拉的认知经历了两个阶段：（1）电动车赛道的龙头企业（2）以自动架势为核心的汽车智能化领军者。单纯的电动车只是对传统燃油车的存量替代，商业模式、市场空间并未有明显区别，即使在估值上赋予高速成长期的溢价，最终的市值空间却不应该有显著差异。唯一的解释在于特斯拉不仅是电动车，更是智能化汽车，一方面单车价值量提升造就更大的市场空间，另一方面商业模式改变重塑估值。

Waymo：自动驾驶领域的前沿拓荒者

Waymo是谷歌旗下一家自动驾驶科技公司，致力于开发高级别自动驾驶技术（L4+）并实现商业化。其前身是成立于2009年的谷歌Google X自动驾驶项目，在自动驾驶领域深耕十余年，具有丰富的经验和技术积累，是业内公认的自动驾驶龙头企业。

其早期团队领导者均系自动驾驶技术领域大牛，从2004年就开始摸索自动驾驶技术并分别在2005/2007年DARPA挑战赛中获得冠军，后陆续加入谷歌从事自动驾驶研究，为Waymo后续发展奠定了坚实基础。2015年，前现代汽车总裁兼CEO加盟谷歌自动驾驶项目，并成为独立后的新子公司Waymo CEO。此后，Waymo进一步加快研究进度和商业化步伐，2017年在菲尼克斯推出早期的免费自动驾驶出行服务，2018年推出商业化收费版本Waymo One，2020年宣布进军卡车运输领域启动Waymo Via。

早期Waymo一直由谷歌内部进行融资，据Waymo分析师Shawn Bananzadeh披露，在2009-2015年间，谷歌共向Waymo提供11亿美元以支持其在自动驾驶领域的研究开发工作。2015年谷歌向Waymo团队发放了约45亿美元的项目奖金。此外，据媒体估计，2019年期间Waymo研发支出超过35亿美元。2020年3月，Waymo完成首次对外融资，由知名风投银湖资本领投，共计筹集资金32亿美元。

Waymo曾尝试过自动驾驶的不同演进路线：（1）循序渐进从L2/L3做起逐步实现自动驾驶；（2）直接冲击L4高级别自动驾驶。后出于安全考虑（L3级别需要驾驶员持续监控，但驾驶员会由于对系统过度信任而松懈）决定选择路线2，一步到位攻克L4高级别自动驾驶。在自动驾驶领域，Waymo是L4这一路线的坚定贯彻者，也是这个方向领先的实践者。

在具体技术方案上，Waymo是激光雷达+高精地图方案的坚定支持者，重视以激光雷达为核心的传感器系统，将其视为实现自动驾驶的核心技术，力图以先进的传感器进行更精准更全面的外部信息获取与支持。其历代Waymo Driver系统都采取了融合多种类高精度传感器的感知系统，且感知系统处于持续升级状态。

在传感器硬件方面，Waymo CEO 公开称，Waymo的传感器在耐用性和精确性方面优于其他车企的产品数个数量级。2020年Waymo发布第五代Waymo Driver，配备升级版本的传感器系统，包括探测距离超过300米的360度激光雷达、视野超过500米的新型摄像头和视觉系统、雷达等。相比上一代Waymo Driver，第五代Waymo Driver在实现更好性能的同时，成本仅为上一代的一半。

作为自动驾驶的“拓荒者”，Waymo较为坚定的采取了封闭自研的思路，即除车载芯片外，传感器硬件+软件一体化全部自研。一方面是由于Waymo力图在产业链尚未成熟阶段，快速的通过自研、制定标准，来加速产品和技术前沿的突破；另一方面也是因为Waymo认为自动驾驶的核心要求是安全性。不同于智能手机时代分散的供应链，通过组件组装配合通用的操作系统就能较好满足消费者需求，自动驾驶需要软硬件之间高度耦合，达到毫秒级别的配合程度才能保证系统运行的稳定性和可靠性。

在硬件方面，Waymo推出了Laser Bear Honeycomb激光雷达产品。作为自动驾驶领域技术要求较高的传感器，激光雷达曾一度造价高达75,000美元。2017年 Waymo通过自行研发设计激光雷达，能够适应不同距离下的探测需求，并且造价降低了90%。

在计算引擎方面，即便是由英特尔和三星为Waymo提供芯片，包括芯片在内的整个计算平台仍旧是由Waymo参与设计的，高度定制的特点使得其能更好地融合到整个自动驾驶系统内。

加州交通局每年发布的自动驾驶路测报告是目前关注度较高的评测报告。其中关键的指标是每两次人工接管间行驶英里数（MPI）和每千英里接管率，其衡量了自动驾驶汽车自主判断并执行任务的核心能力。根据2020年加州路测数据披露，Waymo每千英里接管率和MPI位居第一，大幅领先其他企业。

从接管原因来看，2020年Waymo加州路测中21起接管大部分为感知和操作错误。另一方面，Waymo披露的安全数据显示，2019-2020年间，Waymo在凤凰城运行610万英里，其中6.5万英里为无安全员运行，共计发生18起实际碰撞事故，且全部事故均系对方违反交通规则造成，平均约33.9万英里造成一次事故。

从纵向进展来看，Waymo实际道路测试里程提升较快，2015年道路测试里程为100万英里，到2020年初已经超过2,000万英里。为弥补实际测试里程相对较短的缺陷，Waymo还进行了超过150亿英里的模拟测试，超出其他公司。以Cruise为例，截至2020年10月实际道路测试里程为200万英里，仅为Waymo的1/10。由于测试里程的迅速增长，Waymo技术水平提升较快，加州路测自动驾驶接管率由2015年的每千英里0.64次降低至2020年每千英里0.03次。

Waymo业务战略：积极拥抱传统汽车工业

作为传统汽车和出行行业“门口的野蛮人”，Waymo虽然手持行业领先的技术，同时也面临如何切入市场的难题（Go-to-market strategy），特别需要考虑与庞大的汽车工业如何合作共存的命题。Waymo的业务定位转变大致可以分为两个阶段：

从成立初始，Waymo在较长时间内秉承端到端自研，直接运营自动驾驶车队（autonomous driving fleet），来实现垂直一体化的模型。

随后，2019年IAA法兰克福汽车展上，Waymo首席执行官Krafcik这样介绍Waymo：“我们是一家技术公司，致力于构建世界上最有经验的驱动程序：Waymo Driver。”

这样的转型一方面展示出Waymo希望进一步绑定汽车工业的意愿，希望通过成熟量产的OEM合作，来降低Robotaxi的产业链成本，甚至帮助Waymo来扩大商业化运营的车队规模，来打造更大的数据飞轮。另一方面，Waymo也自研了其中所有核心的传感器模块和计算平台，旨在建立行业的标准，来加强自身在与车厂合作过程中的壁垒和溢价能力。

具体来看，Waymo当前的业务主线可以分为几类：

车队运营，包括：

Robotaxi：Waymo One代表的自动驾驶出租车业务

Robotruck：Waymo Via代表的自动驾驶货车业务

物流配送：帮助零售商家实现最后一公里配送

系统授权服务：向整车厂出售Waymo Driver以帮助其开发自动驾驶汽车

此外，Waymo也向非汽车行业公司出售自研激光雷达硬件，来尝试扩大激光雷达的生产规模来拉低激光雷达的量产成本，更好地推进Waymo激光雷达方案的普及和实施。

Waymo Driver本质上是将Waymo的全套软硬件方案提供给其他希望运营自动驾驶车队的合作伙伴，通过这样的方式，Waymo不仅能够借用更多的社会资本来快速铺开更多的车队规模，同时也不放弃自己对数据回传、模型优化的控制权。而另一方面，Waymo One、Waymo Via则是Waymo自营的运营车队，来帮助引导合作伙伴以及建立行业标杆。

依托Waymo Driver，在乘用车领域，Waymo与捷豹、沃尔沃以及雷诺日产达成战略合作协议，共同开发L4级别自动驾驶汽车；在商用车领域，Waymo与戴姆勒集团达成战略合作协议，帮助其开发L4级别自动驾驶卡车。

回顾Waymo的生态战略，我们可以看到清晰的主线：从力图垂直一体化转变为拥抱合作伙伴，打造完整的自动驾驶商业生态，成为行业引领者而非替代者。我们认为Waymo正在试图从以下三方面入手实施生态放大器战略：

自研掌握自动驾驶软硬件核心技术。这是Waymo生态战略的核心所在，先进完整的自动驾驶系统技术，一方面是推动自身L4无人客运/货运服务的必然要求，另一方面也是Waymo赋能整个生态的前提条件。

改变与OEM的关系。双方从单纯的甲乙方关系向战略合作伙伴转变，推动行业向自动驾驶快速转型。OEM不再仅仅是Waymo自动驾驶车队的供应商，而是成为推动自动驾驶技术落地的合作伙伴。Waymo借此一方面推动自身自动驾驶方案在行业的快速普及，从而降低生产成本，进一步提升自动驾驶的经济可行性；另一方面，通过收集合作伙伴出行数据，也能弥补Waymo路测数据相对不足的缺陷，提升自动驾驶技术水平。

多场景推广Robotaxi。Waymo主动和包括出行和消费场景在内的公司合作，在上述场景内由合作公司向其消费者推荐Waymo Robotaxi服务，一方面降低推广成本，另一方面也提高消费者对Robotaxi的接受度。

早期Robotaxi业务是Waymo发展的重点，然而由于低估了L4高级别无人驾驶实现的技术难度，Robotaxi商业化进展较为缓慢。这一方面引发了2016年之后的人才流失浪潮，使得Waymo的领先技术优势受到削弱，另一方面，谷歌领导层更迭，新任CFO对于Google X项目支出管控更加严格，种种压力迫使Waymo不得不转向更现实的方向。

此后，Waymo开启了多元化的商业化路径：（1）业务自然外延：将目光放在技术一脉相承但难度相对较低的自动驾驶货运服务上，开始测试Robotruck；（2）从甲方到乙方：改变和车企的合作模式，由单纯将车企视为Robotaxi业务载体供应商，转而为车企提供自动驾驶技术服务（3）转化部分技术成果：向非竞争对手出售自动驾驶核心传感器激光雷达。

Waymo成立之初就致力于Robotaxi业务，经过十余年发展，目前已经取得了较大成果。为加快商业化进展，Waymo除开展完全面对消费者的自动驾驶服务，也积极与其他公司展开合作，拓展Robotaxi应用场景，目前已经与沃尔玛和Site Centers（一家主要投资购物中心的房地产开发公司，原名DDR）达成合作，在凤凰城地区搭载其顾客前往门店购物；与汽车经销商“车之国”合作，为有维修需求的客户推荐Waymo One；和汽车租赁商安飞士集团、硅谷地铁公司达成合作，向其客户提供最后一英里运送服务。

截至2019年底，Waymo已经拥有超过100,000名用户，平均月活跃用户超过1,500名，每周出行次数较2019年初增长3倍。2020年初，每周已有1,000-2,000次出行服务。根据Waymo One体验者披露信息，早期Waymo收费约为2.3美元/英里，假设每次出行约6英里，则2020年Waymo One收入约为99万美元。

我们认为，Robotaxi业务未来仍是Waymo商业化路径的重中之重。而随着Waymo在凤凰城地区开放无安全员的自动驾驶业务，其规模化商业运营前景也逐渐清晰。

Robotaxi未来可替代出租车/网约车的关键在于：（1）高安全性，需要表现出比当前人类驾驶员更高的操作水平以及更低的事故发生率（2）低成本，需要接近于当前出租车/网约车的平均价格水平。目前这两方面的问题都在逐步得到优化：一方面，自动驾驶安全性随着技术发展进步明显。根据美国国家公路交通安全管理局（NHTSA）公布的数据，2019年人类驾驶员平均行驶47.9万英里就会发生一起事故。对比之下，Waymo平均约33.9万英里造成一次事故。可以看到，尽管目前在事故发生率上还有一定距离，但自动驾驶正在不断接近人类驾驶员的水平。另一方面，随着自动驾驶载体与传感器的不断迭代，成本也在迅速降低。

从不同出行方式的横向对比上，我们拆解各种方式的成本项，估计当前美国出租车平均每英里成本为2.33美元，Uber平均每英里成本为1.59美元，而Waymo当前平均每英里成本为3.15美元。

在Waymo的单位经济模型中，改装成本、安全员工资、利用率是驱使其每公里成本下降的三大关键变量。我们预计，三大趋势的出现将会使得Robotaxi成本占优。

随着未来传感器（主要是激光雷达）量产，改装成本将会大幅下降；

随着自动驾驶技术的不断提高和5G的大规模应用，单个安全员可覆盖车辆数不断增加，进而使得单位人工成本下降；

随着利用率的提升，乘客不必为闲置成本付费。

Waymo早期主要集中于Robotaxi项目，2017年开始测试自动驾驶货车Robotruck项目，2020年宣布将正式进军自动驾驶货车领域，推出Waymo Via货运服务。在Robotruck领域，Waymo自一开始就决定与卡车OEM开展合作，目前已经与戴姆勒达成战略合作关系，共同研发Robotruck。

面向车企的自动驾驶系统授权服务是Waymo近年来逐步开展的新业务。通过和车企合作，Waymo帮助车企改造自动驾驶汽车，打造车企自己的Robotaxi车队和出行服务，借此提升产能规模，降低生产成本，共同做大自动驾驶出行市场。

我们认为这部分业务商业模式类似于高通专利授权业务，有望参照高通的平均专利费收取标准，考虑到自动驾驶系统厂商承担更多义务（事故责任归属），收费标准可能会更高。

此外，考虑到自动驾驶系统具有频繁更新的特点，我们认为Waymo还有可能通过年度OTA服务进行收费，且初期自动驾驶系统厂商可能通过较低的收费标准吸引车企，后期随着更多复杂功能添加，价格将会持续上升。我们预计后期OTA服务费用将会超过系统授权费成为核心收入。

图森未来成立于2015年，2021年于美股纳斯达克上市，是全球领先的自动驾驶卡车公司，致力于通过自动驾驶技术提高卡车安全性，降低运输成本，提高卡车运输效率，并降低碳排放。图森商业模式主要是通过领先的自动驾驶技术和OEM建立合作关系，生产L4级别自动驾驶卡车，在此基础上为客户提供自动驾驶运输的货运网络。

图森未来在技术水平和商业化上均居于同行前列。在技术水平上，图森未来共拥有280余项核心专利、70余辆自动驾驶卡车，路测里程超过370万英里；在商业化进展上，图森未来已与2家全球领先的卡车OEM达成战略合作，拥有6,775个预定订单。

自动驾驶卡车技术路线相比于乘用车具有明显差异。首先从应用场景来说，自动驾驶卡车具有明显优势，场景集中于高速公路，具有高度相似性，泛化性要求低，这降低了算法的复杂程度和数据要求量级，大大减轻了研发难度；其次，从技术特点上来说，自动驾驶卡车又存在一些特殊要求，高速公路车速快，加上卡车控制更为复杂，以刹车为例，大概是普通汽车1.5-2倍的制动距离，需要更久的反应时间。出于安全性问题，为了解决这些问题，必须在感知距离上有更高的标准。

图森未来采用激光雷达+摄像头+毫米波雷达的融合传感器方案。图森未来传感器系统以摄像头为核心，辅以激光雷达、毫米波雷达和高精地图，可实现卡车前向有效感知距离1,000m，以及径向有效感知距离350m，为自动驾驶计算单元预留35秒的规划时间。此外，图森未来在控制系统上也做出一定优化，使得燃油效率提高10%。

硬件依靠合作伙伴，与OEM共同打造量产L4卡车。为了最大限度利用汽车产业现有资源以降低研发成本，加速商业化进展，图森未来专攻自动驾驶软件系统，核心硬件采购成熟的Tier1厂商产品，包括英伟达和采埃孚的ECU、采埃孚的传感器（激光雷达、毫米波雷达）等。图森未来与纳威斯达（Navistar）合作，计划在2024年向北美市场推出首批量产的L4级无人驾驶重卡，并由纳威斯达提供售后保障。

相比于Robotaxi，Robotruck存在以下特点：

从技术上看，应用场景更为简单（主要为高速公路），不必考虑城市环境的复杂路况，长尾路况（corner cases）数量也更少；此外，图森未来招股书数据显示，美国市场80%的货运需求通过10%的高速公路实现，因此Robotruck需要覆盖的场景和路况会进一步降低，总体而言技术实现难度相对较低。

从商业化可能性看，一方面，在美国卡车司机的人力成本远高于出租车/网约车司机；另一方面，即使有着高薪资的激励，由于卡车司机工作辛苦，美国仍然面临着供给缺口。根据美国卡车协会（ATA）统计数据，2018年美国卡车司机缺口约为60,800人，同比增加20%，到2028年，这一数字将达到160,000人。

综合技术落地难度和商业化可能性，我们认为不同于Robotaxi，Robotruck将更早实现大规模的商业运营。

从单位经济模型的角度来看，在当前时点，由于监管限制和技术打磨需求，Robotruck运行期间车内尚需安全员和测试员配合，导致劳动力成本远高于传统卡车。我们估计，当前Robotruck每英里成本约为2.97美元，高于传统卡车的1.82美元。我们认为，Robotruck面临的成本约束将会随着以下因素的变化而得到明显改善：（1）人力需求下降（取消车内安全员、云安全员覆盖车辆数目增加）导致劳动力成本迅速下降（2）对人力的依赖减弱使得卡车年行驶里程迅速提升，从而摊薄包括卡车购置成本和改装成本在内的固定费用（3）事故率降低使得保险费用和维修费用逐步减少。

打造AFN自动驾驶货运网络

目前图森未来主要客户是包括UPS、JB Hunt、USX、Mclane等在内的物流企业，帮助物流企业实现无人驾驶货运。图森 AFN（自动驾驶货运网络）共有两种形式：（1）客户自有车队通过购买L4卡车，并订阅图森软件系统以实现自动驾驶。图森不承担任何运营成本，并按照行驶里程收取0.35美元/英里的订阅费（2）图森自有车队提供无人驾驶货运服务，并按行驶里程收取1.45美元/英里的运输费。

AFN打造货运版滴滴，具备强网络效应。通过成本优势和较好的客户体验推动图森货运解决方案的快速推广，增加AFN网络的密度，吸引更多客户购买自动驾驶卡车并加入AFN，进一步加强AFN的承运能力，吸引更多客户。

低速自动驾驶商用车是指用于特定场景的无人商用车。根据终端应用场景的不同，我们可以将低速自动驾驶商用车分为载人、载货和特种作业车辆：

Nuro成立于2016年，是一家致力于研发和提供无人驾驶配送服务的创业公司。公司主要创始人均来自谷歌自动驾驶项目团队，具有丰富的行业经验和较高的技术水平。自创立起，融资达到23.6亿美元，主要投资方包括软银、Greylock Partners、高榕资本和T. Rowe Price。Nuro的商业模式主要是和大的品牌零售商达成合作，为其提供无人驾驶配送服务并收取配送费。目前Nuro已经推出R1、R2两款产品，最新R2产品具备2个载货仓，载重可达190千克，在硅谷、凤凰城、休斯顿等地开展业务，合作伙伴包括沃尔玛、克罗格等知名零售集团、达美乐披萨、Chipotle餐厅及连锁药店CVS Pharmacy。此外，政府支持给予Nuro以宽松的发展空间。Nuro于2020年获得美国国家公路交通安全管理局，被允许未来两年内部署最多5,000台无人配送车辆。

2018年Nuro在亚利桑那州和生鲜连锁超市Kroger合作开展收费无人配送业务，配运费为5.95美元/单，明显低于传统人工配送费用，且用户不需要支付额外小费。2020年Nuro获得加州政府首个自动驾驶收费许可，在商业化上取得新的进展。

对中国自动驾驶的启示

我们认为在当前阶段从商业化角度出发，量产路线或将是乘用车自动驾驶的更优选择。L4+高级别自动驾驶仍然处于技术探索阶段，距离商业化还存在较大距离，即使是已经取消了安全员配置，目前也仍局限在较小范围内，通用性和泛化性还需进一步拓展。此外，专注于L4+高级别自动驾驶的开发需要海量的资金支持，Waymo仅2019年研发支出就超过35亿美元，对于大多数企业而言，这是难以承受的开支。

5G V2X或将是中国自动驾驶的变量。国外普遍依靠单车智能化去实现自动驾驶，在现阶段，由于技术限制，单车智能化往往导致成本过高和安全性不足。中国复杂的路况又进一步强化这一问题。5G V2X基础上的智慧交通通过将车端与路端设备连接起来，在车端成本和性能达到较好平衡的情况下，利用路端智能感知设备弥补早期自动驾驶的技术不足，有望更快实现规模化商用。

中美货运市场规模达到千亿美元。根据图森招股说明书数据，美国货运市场规模约8000亿美元；而根据麦肯锡测算，2019年中国公路货运市场规模居世界第一，2019年市场规模约为5.5万亿元人民币。庞大的市场空间为中美两国自动驾驶卡车商用化提供了较好的发展潜力。

考虑中美市场的差异，我们认为国内商用车自动驾驶进展将晚于美国市场：（1）中国货运线路集中度较低。美国货运市场80%的需求集中在10%的路线上，根据长安大学《2019年中国公路货运大数据报告》，2019年中国主要货运线路仅占全部运输需求的24%，增大了技术研发的难度；（2）中国甩挂运输发展仍处于起步阶段。甩挂运输是无人驾驶货运的标配。根据中集车辆招股说明书数据，欧美发达国家牵引车与半挂车的拖挂比例高达1:3，而中国牵引车与半挂车的拖挂比例仅为 1:1.2；（3）中国货运企业司机成本较低。美国货运企业司机成本占比高达43%，而根据2019年卡车司机收入状况调查报告，中国司机成本仅占22%，降本动力有限。

低速商用车需求明确，技术相对简单，能够较好实现商业化落地。目前已经有互联网巨头和创业公司在最后一公里配送、矿区、港口、机场、园区等场景逐步商业落地。其中在外卖、零售、快递等无人驾驶末端物流赛道上，以美团(03690)、京东(09618)为代表的互联网企业出于巩固生态的目的陆续入场。也有创业公司如新石器通过研发通用自动驾驶底盘以及模块化的设计，满足不同场景客户多样的需求，最大限度的发挥规模效益。