自动驾驶路测数据中的秘密|国君计算机李沐华

（以下内容从国泰君安《自动驾驶路测数据中的秘密|国君计算机李沐华》研报附件原文摘录）
　　This browser does not support music or audio playback. Please play it in Weixin or another browser. 放我的真心在你的手心 音乐： 姚清 - 卿本多情 行业更新系列 — 作者：李沐华、齐佳宏 — 1. 对于国内L4自动驾驶落地时间的判断意义重大 L3/L4级别自动驾驶何时能够在国内大规模落地会直接关系到未来智能驾驶行业的发展态势，从而最终映射到上市公司层面。比如： 国产自动驾驶SOC玩家的潜在份额：如此前的报告所述，自动驾驶可能更接近于APP，而非Apple Store，这会导致“生态站队”的现象出现。如果L3及以上级别自动驾驶落地较快，则有利于英伟达等目前处于绝对领先地位的玩家；如果落地较慢，则国内玩家将获得更长的打磨芯片的窗口期，从而有望获得更高的份额； 英伟达生态内Tier1厂商的竞争激烈程度：SoC厂商的稀缺性导致其有比较强的话语权，而英伟达目前在国内的主要客户依然是蔚小理、上汽智己等客户，相对于戴姆勒等海外客户出货量较小。在这种情况下，英伟达不存在主动增加国内合作Tier1数量的动机。但如果高级别自动驾驶落地非常迅速，主机厂需求快速增加，这一情况可能发生变化。 高精度地图的落地节奏：高精度地图对于L3及以上级别的自动驾驶来说是标配，如果L3自动驾驶能够更快落地，需要借助高精度地图实现的功能越多，消费者的付费意愿就越强，高精度地图的渗透率提升也就会越迅速。 2.可通过加州路测结果粗略判断L4落地时点 而现实情况是，一方面，我们看到Pony.AI在2022年3月刚刚完成了D轮融资的首次交割，整体估值达85亿美元，本轮估值较上轮融资提升约65%；另一方面是各家主机厂在措辞上越来越强调具体功能的实现和L2+渐进式发展路径，对于L3的落地时点一再延后。对于我们判断高阶自动驾驶的落地时点形成困扰。故本文希望从路测数据入手，提出一个对于L4级别自动驾驶（业内普遍认为L3是一个过渡态）在国内落地时点进行初步预判的思路。整体思路为： 神经网络会存在残差问题导致其准确度存在一定限制，而在自动驾驶领域，我们对于错误的容忍度非常低。所以在技术上，Robotaxi要想实现开放场景落地，必须覆盖掉corner case。比如根据广汽的预测，要实现L4级别自动驾驶至少需要完成10亿个测试场景，最小测试里程也需要10亿公里，但需要说明的是，“10亿公里”这个数字本身并不能作为我们判断L4落地时间的参数，因为现阶段的各类预测都存在比较大的不确定性； 由于各家公司的技术路线不完全相同，且各有优势，难以通过直接对各家公司进行技术对比得到哪些公司更可能最先实现L4级别自动驾驶的大规模应用（相对于在有限场景下进行运营尝试）。比如，由于测试里程和车辆数不同、测试场景不同、对于人工接管的标准不同，不能单纯通过MPI值（每两次人工干预之间行驶的平均里程）来比较各家的路测实力。在这里我们假设，如果想要实现对corner case的覆盖，各家公司需要完成无差别的路测里程； 在路测数据的选择上，我们选择加州路测报告，2021版报告于2022年Q1发布。选择加州路测报告的原因在于加州是全球首个为自动驾驶车辆上路制定路测法规的地区，从数据的可获得性上看，首份报告发布于2015年，可以纵向跟踪的时间较长； 通过横向对比可粗略判断每家公司的路测进程，然后将头部公司的历年路测数据进行纵向对比，如果全球最头部的公司的路测里程都没有使得误判的数量“收敛”，用其已经路测的里程可以倒推其他公司做到这一点的最快时间节点； 由于国内的路况比加州更复杂，corner case更多，所以在国内实现L4级别自动驾驶的最快时间节点会晚于倒推出的时间节点。 我们将加州路测报告的指标进行分类，主要包括三类。反映路测的效果，主要指标是MPI值；反映路测的规模，主要指标是路测车队数量、路测里程数；反映路测的场景，主要指标是人工干预发生时的场景分类情况。我们根据2022Q1发布的最新加州路测报告进行分析： 路测效果指标：从2021年各家公司的MPI值来看，Autox、Cruise、滴滴分列前三位，MPI值分别为5.01万英里/次、4.17万英里/次、4.07万英里/次。 路测规模指标：从路测里程来看，2021年Waymo、Cruise、Pony.AI分列前三，分别为232.58万英里、87.61万英里、30.56万英里；从路测车辆数来看，2021年Waymo、Cruise、Zoox分列三甲，分别为693辆、138辆、85辆。不难发现，路测规模指标呈现明显的“头部集中”现象，Waymo的路测里程和路测车辆数分别占到了全部的57%和59%。 路测场景指标：2021年，不同公司的人工接管发生的次数在不同测试环境中的分布不同。其中“street”场景下脱离次数最多的玩家分别是Toyota、Waymo和奔驰，而苹果等公司的脱离则主要发生在“freeway”。这表明Waymo、Cruise等公司的主要路测地点在城市街道，而苹果等公司的主要路测地点在高速公路。（加州机动车管理局并没有对路测环境进行统一规定） 基于上面的梳理，我们重新构建了基于路测效果、路测规模两个维度构建对于公司路测实力的评价体系，路测效果越好、路测规模越大代表其路测实力越强。而在两个指标发生冲突时，我们倾向于以路测里程作为主要评价标准，因为同一家公司的MPI值在每一年中会出现非常大的波动，且并非下一年的MPI值就一定会高于上一年。比如，百度在2019年时MPI值高达1.81万英里/次，而在2021年的路测报告中，MPI值大幅下降为0.15万英里/次。 需要注意的是，在数据处理的过程中，我们以某一年、某家公司的最大MPI值、最大路测里程数对所有的数据进行了归一化处理，从而形成下图。通过对2021年各家公司的路测效果、路测规模进行比较，我们认为Waymo、Cruise等公司仍处于领先地位。 基于上面的结论，我们开始对Waymo的路测情况进行纵向分析。在分析的过程中，我们采用了每百万公里内由于某类故障而发生的接管次数作为主要指标，这个指标类似于MPI值的倒数，没有直接采用MPI值的原因在于如果以“次数”作为分母，可能会出现由于某一年未出现某类故障而导致无法分析的情况。 结果显示，2021年感知问题、行人问题、软件问题等方面，Waymo的接管频率表观值相对于2016年并未发生明显变化。比如，在2021年，Waymo由于软件问题而造成的脱离频率是58次/百万公里，而在2018、2019年分别为1次/百万公里、0次/百万公里。 Waymo的“退步”很有可能源自场景拓展。我们知道，Waymo的自动驾驶能力毫无疑问是逐年增强的，在技术上不可能出现“退步”。那么，Waymo在软件问题、行人问题等方面的表观“退步”就只能源于其为了覆盖corner case而在持续拓展场景。比如，在高速公路等路况相对简单的场景下测试获得好的结果之后，将路测地点逐渐向难度更高的城区街道进行拓展。 这一点在领头羊Waymo的脱离场景分布方面也能得到侧面验证。我们对比了2019年、2021年Waymo测试车发生人工接管时所处的场景分类情况，在2019年的测试中，人工接管发生在“highway”场景中的情况占比为21%，而在“street”场景中发生的人工接管次数占比为76%；而在2021年的测试中，人工接管发生在“highway”场景中的情况占比大幅下降至3%，而在“street”场景中发生的人工接管次数占比提升至96%。通过这一点可以看出，Waymo的路测场景正在逐渐从“highway”向整体难度更大的“street”迁移，这也能够说明其场景拓展情况。 那么，我们可以认为，由于Waymo仍然在拓展路测场景以实现对于corner case的覆盖，那么就意味着至少它现在还没能够把corner case覆盖完。这个结论看起来是显而易见的，但实际上这提供了一种基于全球最领先玩家的情况来观测L4自动驾驶技术拐点的思路。 进一步，我们还可以借助这一结论来探讨国内L4自动驾驶公司覆盖掉corner case所需要的时间周期。比如，在2021年的加州路测报告中，我国公司中路测里程最长的是Pony.Ai，路测里程为31万英里，而同期Waymo的路测里程为233万英里。Waymo在2017年的加州路测里程为35万英里，与Pony.Ai2021年加州路测里程相对接近。那么，如果我们不考虑各家公司路测质量的差异，那么国内公司要通过路测实现对于corner case的覆盖，可能会需要5年或更长的时间。 对于L4级别最大的应用场景：Robotaxi，这里给出一个延申思考。我们认为，在将来的Robotaxi市场中，滴滴等公司可能会有较强的竞争力，主要基于两点理由： 从技术上看：滴滴等公司有望采用类似特斯拉的影子模式实现数据收集，从而更快地覆盖corner case； 从商业模式来看：网约车平台是非常典型的平台经济代表，在网络效应到达临界点之前，冷启动成本非常高；而一旦超越临界点，C端用户黏性（或者说用户惰性）相对较高，很难发生迁移。这一点，从滴滴的成长路径、网约车平台大战到如今一超多强的竞争格局就能看出。而相对于其他公司，如果滴滴未来提供自动驾驶服务，庞大的人工驾驶网约车会导致其几乎没有冷启动成本。 合规声明：本文节选自已经入库的正式研究报告，如需报告原文PDF请后台留言。 人工智能及自动驾驶相关报告 1. 如何研究一家AI公司？ 2. 从汽车业务商业模式看中科创达和人力外包公司的不同 3. 中科创达：汽车“四化”下加速成长 4. 三谈中科创达：做事情眼光最重要 5. 智能座舱：智能汽车产业大变局中的投资机遇（40页深度） 6. 德赛西威：领先的汽车电子玩家，未来出行变革创领者（深度） 7. 科大讯飞：个性化学习手册改变了什么？（深度） 8. 科大讯飞：你绝对没见过的区域型订单详细拆解（深度） 9. 科大讯飞核心竞争力与增长点分析（50页PPT） 10. 科大讯飞：疫情防控让教育订单商业模式发生怎样的变化？ 11. 从Nuance的沉浮看科大讯飞的核心竞争力 12. 格灵深瞳：技术领先到商业落地，计算机视觉场景为王（深度） 13. 一张图看懂AI公司 14. AI+自动驾驶：模糊的正确胜过精确的错误 15. 从主芯片视角研究智能驾驶内在产业逻辑 16. 科大讯飞：区域订单统计 17. 对中科创达的一些理解 18. 英伟达汽车芯片业务发展史 - end - 欢迎加入产业交流群！ 欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的产业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。 法律声明 本订阅号发布内容仅代表作者个人看法，并不代表作者所属机构观点。涉及证券投资相关内容应以所属机构正式发布的研究报告内容为准。市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。本订阅号所载内容为原创。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的，需明确注明出处，且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）