计算机行业研究框架(汽车智能化、工业数字化)
- 2022-07-11 11:30:33上传人:昨日**太远
-
Aa 小 中 大
核心观点 软件定义未来,低估值,高成长格局下,科技创新新周期开启。工信部连续发布政策指引,不断推动信息产业再上台阶。研发投入的高要求,为新一轮科技创新打下基础。计算机板块估值已经过一年充分消化,当前公募配置比例处于历史低位,当前机会大于风险。伴随各行业“软件定义”助力趋势愈发重要,各创新点有望带动行业再启高增长。 汽车智能化:高阶智能驾驶落地元年,行业景气度高企。在感知层,汽车智能化下半场
- 感知 层研究框架
- 环境感知 +车身感知 +网联感知组成车载感知系统
- ( 1) 激光雷达 : 是 L3 级以上自动驾驶的必备传感器
- ( 2)车载摄像头:高清化、智能化带动摄像头 天花板不断打开
- ( 3)毫米波雷达: 海外厂商正主导市场,国内正起步追赶
- ( 4) 超声波雷达: 自动泊车渗透率快速提升,带来新的增长动能
- ( 5) 车身感知 : “ GNSS+IMU+ 高精度地图 ” 组成多融合车身感知定位系统
- 惯性导航:车身感知定位系统的信息融合中心
- 卫星导航: RTK 助力 GNSS 实现厘米级的定位
- 高精度地图:实现 L3 及以上自动驾驶的必备基础
- ( 6)网联 感知 : “ 车、路、云 ” 一体化, C-V2X 商业化落地进入倒计时
- ADAS 系统研究框架
- EEA 架构逐渐走向域集中,域控制器应运而生
- 成本拆解: 高性能 SoC 主芯片占整体域控制器的主要成本
- 迭代路线:控制节点不断收缩,带动 ADAS 系统架构持续迭代
- 技术要求: 面向高阶自动驾驶,异构多核硬件架构成为趋势
- 行泊一体域控制器: OEM 自研、系统集成商、软件平台商三方势力各显 身手
- 前视 ADAS 一体机: L2 渗透率快速提升, Mobileye 方案依旧主流
- 算力芯片研究框架
- 计算芯片是算力时代下智能网联汽车的核心
- 传统 MCU : MCU 需求稳步增长,海外寡头长期垄断
- 智能座舱 SoC :高通在中高端数字座舱呈现垄断局面
- 自动驾驶 SoC : CPU+XPU 是当前主流,英伟达当前领先
- 评价框架:芯片性能,算力、能耗、效率缺一不可
- 汽车软件研究框架
- 操作系统 OS : QNX+Linux 或 QNX+Android 是当前的主流趋势
- 板级支持包 BSP :主板硬件与操作系统之间的桥梁
- Hypervisor :虚拟化平台,跨平台应用的重要途径
- 中间件层:助力软硬件解耦分离,提升应用层开发效率
- 功能软件:自动驾驶的核心共性功能模块
- 工具链:提升平台软硬件研发效率的重要途径
- 应用软件: OEM 品牌智能化产品力的直接体现
- 海外对标研究(特斯拉、英伟达、高通、 Mobileye )
- 特斯拉( TESLA ) :从硬到软的全栈自研,打造 “ 算力 +算法 +数据 ” 的竞争壁垒
- 英伟达( NVIDIA ):打造全栈式工具链,持续领先高阶自动驾驶
- 高通( Qualcomm ):智能座舱一骑绝尘,自动驾驶不断追赶
- Mobileye : ADAS 赛道的先行者,当前市占率第一
- EDA 软件研究框架
- EDA 软件 是 集成电路 行业 上游 的必备 工具
- 市场空间:中国成为 EDA 市场的 重要增长动力
- 海外对标: 复盘海外 EDA 三巨头的发家之路
- 国内现状: 本土 EDA 厂商究竟实力如何?
- CAD 软件研究框架
- CAD 是生产制造业的基础设计软件
- 市场空间: 行业稳步发展,国内规模扩张迅速
- 竞争格局:国外巨头主导市场,国产化浪潮势不可挡
- CAE 软件研究框架
- CAE 具备极高的技术壁垒,是物理和数学的结晶
- 市场空间: CAE 应用广泛,国内外市场保持稳定增长
- 发展历程: CAE 历经长期发展进入并购阶段, Ansys 是全球龙头
- 国内现状:国内市场亟待突破,霍莱沃从电磁仿真开始
- PLC/DCS/SCADA 研究框架
- 工控系统主要包括 PLC 、 DCS 和 SCADA 三大类
- PLC :工控系统中的重要底层控制部件
- DCS :是流程工业控制系统的核心
- SCADA :重点在于数据采集与监控处理
- 流程工业数字化研究框架
- 自动化控制系统 : 流程工业控制的大脑
- 自动化仪表 : 行业竞争格局分散,国产化替代空间广阔
- 工业软件 : 软件定义数字化,全方位优化生产控制
- 发展历程 :景气周期共振,对标海外龙头开启软硬并列发展
- 工业自动化行业概况 — 从自动化走向智能化
- 工业自动化行业的周期性和成长性
- 煤矿智能化研究框架
- 作业链解析:综合采掘是煤矿作业链最核心的环节
- 系统 组成 :四大维度全面铸造煤炭智能化系统
- 竞争格局:煤矿智能化行业快速扩张,当前格局较为分散
- 规划设计环节 — GIS 地理信息技术的智能化进程
- 采掘生产环节 — 采掘设备、安全监测设备、煤矿集控系统的智能化进程
- 经济效益分析及市场空间测算
- 风险提示
- 免责声明
- 请务必阅读正文之后的免责声明及其项下所有内容
- 证券研究报告
- 图 1: L2-5 级各类传感器的搭配方案
- 图 2: 激光雷达的工作原理
- 图 3: 19-25 年激光雷达下游各场景市场空间(亿美元)
- 图 4: 19-25 年激光雷达下游应用占比变化( %)
- 图 5: 激光雷达是摄像头与毫米波雷达的有效补充
- 图 6: 激光雷达的芯片化架构设计
- 图 7: 激光雷达的构成
- 图 8: 传统分立式激光雷达的成本构成及占比
- 图 9: 激光雷达成本不断下降
- 图 10: 车载视像头结构组成
- 图 11: 车载镜头产业链结构
- 图 12: 车载镜头成本结构
- 图 13: 2019 年全球车载摄像头镜头市场份额
- 图 14: 2018 年全球车载 CIS 传感器市场份额
- 图 15: 2019 年全球车载摄像头模组市场份额
- 图 16: 特斯拉 Model 3的感知系统
- 图 17: Mobileye 的纯摄像头解决方案
- 图 18: 21Q1 中国乘用车摄像头安装量及单车平均安装量
- 图 19: 18-23 年全球汽车平均搭载摄像头数量(颗)
- 图 20: 2012-2025 年单车搭载摄像头的个数变化情况
- 图 21: 19-20 年各类型车载摄像头渗透率情况
- 图 22: 特斯拉的三目前视摄像头结构拆解
- 图 23: 采孚 S-Cam4 三目前视摄像头结构拆解
- 图 24: 集中式的 EEA 架构
- 图 25: 特斯拉 Model 3的电子电气架构
- 图 26: 毫米波雷达的工作原理
- 图 27: 77GHz 雷达的分辨率和精度比 24GHz 提升 3倍
- 图 28: 77GHz 雷达的体积仅为 24GHz 的三分之一
- 图 29: 毫米波雷达的发展历史
- 图 30: 博世的 LRR2 和 LRR3 毫米波雷达的结构
- 图 31: 毫米波雷达成本组成
- 图 32: 2018 年全球毫米波雷达市场份额
- 图 33: 中国毫米波雷达市场份额情况
- 图 34: 2019 年 1月中国 SRR 供应商及安装量份额
- 图 35: 2019 年 1月中国 LRR 供应商及安装量份额
- 图 36: 超声波雷达的工作原理
- 图 37: 超声波雷达的功能示意图
- 图 38: 自动泊车系统由 12 颗超声波雷达组成
- 图 39: 全球超声波雷达供应商竞争格局
- 图 40: 2018 年全球超声波雷达行业竞争格局
- 图 41: 19-20 年中国乘用车 APA 装配量及增速(万辆, %)
- 图 42: 2019-2025 年不同单车超声波雷达配置方案占比( %)
- 图 43: 信号定位、航迹递推与地图匹配技术组成了车身感知定位技术
- 图 44: 捷联式惯性导航系统工作原理图
- 图 45: 惯性测量单元结构
- 图 46: 航迹递推工作原理
- 图 47: 惯性导肮系统作为车身感知定位系统的信息融合中心
- 图 48: 卫星导航的三球定位原理
- 图 49: 通过地基增强系统实现误差修正
- 图 50: GNSS-RTK 系统的应用
- 图 51: 2020 年国内高精度地图市场竞争格局
- 图 52: Apollo 平台高精度地图的制作过程
- 图 53: 集中采集 +众包采集是数据采集的未来方向
- 图 54: Mobileye 在绘图过程中所采用的语义识别模型
- 图 55: 路侧感知模型示意图
- 图 56: 高精度地图成本随自动驾驶等级的增长而高速上升
- 图 57: 华为的高精度地图云服务
- 图 58: V2X 车联网的整车协同方案
- 图 59: C-V2X 产业链架构
- 图 60: 中国 C-V2X 产业化部署整体时间表
- 图 61: 路侧单元( RSU )产品图片
- 图 62: 车联网 MEC 产品图片
- 图 63: 十字路口的典型路侧设备部署方案
- 图 64: 分布式架构下车辆 ECU 通过 CAN 总线连接
- 图 65: 大量 ECU 分布在车辆全身各处
- 图 66: 汽车电子电气架构的发展路径
- 图 67: 域集中式的 EEA 架构
- 图 68: 特斯拉 HW 3.0 实物图
- 图 69: 特斯拉 HW 3.0 FSD 主控芯片成本拆解
- 图 70: 汽车智能化产业地图之车载计算平台
- 图 71: ADAS 系统与自动驾驶等级的技术迭代路线图
- 图 72: 域控制器的竞争格局
- 图 73: 21 年 1-11 月新车前向 ADAS 视觉感知供应商份额
- 图 74: 2020 年中国乘用车新车前视系统 供应商 市场份额
- 图 75: 19-21 年自主 /合资乘用车新车前视系统装配率
- 图 76: 19-25 年中国乘用车前视系统装配量和装配率
- 图 77: 汽车半导体分类结构
- 图 78: MCU 芯片典型构架
- 图 79: SoC 芯片典型构架
- 图 80: 2019-2026E 全球车规级 SoC 市场规模(亿美元)
- 图 81: MCU 工作原理
- 图 82: 不同类型汽车所需的 MCU 数量(颗 /车)
- 图 83: 2020-2026E 全球 MCU 市场规模(亿美元)
- 图 84: 2020-2026E 中国 MCU 市场规模(亿元)
- 图 85: 2020 年全球车规级 MCU 市场格局
- 图 86: GPU 和 CPU 的架构示意图
- 图 87: 英伟达 Xavier 芯片架构
- 图 88: 特斯拉 FSD 芯片架构
- 图 89: Mobileye Eye Q5 电路系统块图
- 图 90: 地平线征程 2芯片架构
- 图 91: Waymo 的 CPU+FPGA 架构示意图
- 图 92: 卷积神经网络的计算原理
- 图 93: 地平线定义的芯片 AI 效能三要素
- 图 94: AUTOSAR 制定者及合作厂商(截至 2022.1 )
- 图 95: CP AUTOSAR 和 AP AUTOSAR
- 图 96: 2021 年 全球智能座舱操作系统竞争格局
- 图 97: 全球车载操作系统市场格局变化
- 图 98: 不同类型的定制车机系统
- 图 99: BSP 在软件系统中的位置
- 图 100 : Hypervisor (虚拟机)的工作原理
- 图 101 : 基于 QNX Hypervisor 虚拟技术运行的多操作系统架构
- 图 102 : 中间件层的位置与作用
- 图 103 : RTE 实现基础软件与应用软件的分离
- 图 104 : 集成 DDS 的 AUTOSAR 平台
- 图 105 : 功能软件基本架构
- 图 106 : 智能驾驶三大类型通用模型
- 图 107 : 2020 年国内高精度地图市场份额
- 图 108 : 2020-2025E 国内高精度地图市场规模(亿美元)
- 图 109 : 2020 年国内车载语音市场份额
- 图 110 : 特斯拉的发展历程
- 图 111 : 特斯拉从 HW 2.0 进化到 HW 2.5 再到 HW 3.0
- 图 112 : 特斯拉 FSD 芯片架构
- 图 113 : 特斯拉 HW 3.0 系统主板拆解
- 图 114 : 特斯拉 FSD 的全球开通 率
- 图 115 : 特斯拉各车型 FSD 在北美地区的开通 率
- 图 116 : 特斯拉的全栈式训练架构
- 图 117 : 特斯拉 Autopilot 累计历程已超过 51 亿英里
- 图 118 : 特斯拉自研 7nm 工艺 AI 训练芯片 D1
- 图 119 : 由 25 个 D1 芯片组成的 Dojo 训练平台
报告网所有机构报告是由用户上传分享,未经用户书面授权,请勿作商用!