汽车无人驾驶行业蓝图已现，其产业链上下游已经出现支撑公司，并在逐渐走向成熟。
一、基本概念
1、人工智能驾驶层次
通常来讲，自动驾驶技术可以划分为三个层次，感知->认知（计算平台、算法集成）->行动（车辆控制），然后不断循环。参考下面这张图，其中行动层包括转向、油门和制动三大控制器（以及执行机构）。
感知部分包括两方面，感知环境的激光雷达、毫米波雷达、摄像头、组合导航设备，感知车辆自身的包括轮速计和三大控制器的反馈量；而认知部分，包括决策和规划，是通常意义上的人工智能所在。
感知层主要可以分为传感器本身和识别算法两部分。自动驾驶汽车的传感器部分。由于各种感知方式在不同环境、不同距离、不同作用上各有所长，因此采用多传感器信息融合的方式有利于保证全方位信息的收集，进而使计算机做出更加精准的判断和规划。
2、自动驾驶分级标准
关于自动驾驶的分级，主要有SAE（美国机动车工程师学会）标准和NHTSA（国家公路交通安全管理局）两个标准；目前，前者受到大多数业内人士的认可，它从Lv0-Lv5将自动驾驶依据控制方式和适用环境分为了6个等级。
自动驾驶行业的最终目标，必然是实现真正的无人驾驶（Lv5），而实现的方式主要分为两种思路：①从Lv0逐步过渡到Lv5，通过整合集成ADAS中的控制功能，实现真正的无人驾驶②直接从Lv0跨度到Lv4，在特定的垂直领域和相对封闭的环境中推进无人驾驶，再向Lv5，也就是全环境全路况的无人驾驶普及。
根据SAE分级，不难看出，从Lv4开始，真正的控制者由人开始转为自动驾驶系统，责任主体也随之转移。因此，在设计研发之初，ADAS之中的辅助驾驶功能就与无人驾驶的目的不同，尤其在经历Lv3、Lv4这两个阶段是时，由于责任主体发生改变，因此在法律、舆论上面临着许多尚未可知的困难。
不过，ADAS的感知部分，以及不少辅助驾驶功能，例如自动巡航、自动泊车、前车碰撞紧急制动等，都可以在无人驾驶汽车当中得到应用，因此，也为无人驾驶的最终实现贡献了不小的力量。
3、产业时钟
Gartner2017年新兴技术曲线上，自动驾驶处于期望膨胀期顶端位置，整个技术产业成熟还需要10年时间。
以谷歌为例，从2009年开始研发无人车，短短8年时间，全球自动驾驶创业火爆异常。2009年，谷歌举办了一个名为“GooCamp”的技术交流活动；2010年，美国法律界人士认识到，自动驾驶汽车在路面上行驶，必然会对已有的公路交通法规、保险体系等带来新的挑战。
2012年5月，谷歌自动驾驶汽车正式获得了美国内华达州车辆管理局颁发的执照。2014年，在人工智能大发展的时代里，谷歌在自动驾驶领域最早投入研发力量，最早获得技术突破，在过去的数年间完成了累计里程最长的高级别无人驾驶道路测试。2016年12月，谷歌宣布自动驾驶团队正式分离出来，成立了一家名叫Waymo的新公司。
二、产业政策
自动驾驶的发展要求考虑如何制定相关的产业政策，包括技术路线、行业标准、安全规范、交通执法、保险责任等各个层面。目前各国及地区的相关法律法规对于自动驾驶汽车上路试验及随后的大规模推广还存在着各种障碍，自动驾驶对中国汽车行业的发展带来了新的挑战和机遇，提前判定可能发生的问题，尽早进行立法的预案工作，有助于整个产业的发展。
国内目前自动驾驶相关的产业政策：
三、产业发展技术基础
人工智能技术的发展奠定了自动驾驶很好的发展基础，同时，通信、算力、传感器、汽车工业的发展也十分重要，当然也需要大量的钞票。
1、计算平台
系统的计算量、数据流都非常大，同时又需要较快的反应速度，因此就需要匹配合适效能的计算资源，保证计算工作的正常运行。
自从吴恩达发现GPU非常适合进行深度神经网络训练以来，英伟达就在这一次的人工智能浪潮之中大发了一笔横财。目前，据不完全统计，全球已有超过1500家人工智能初创公司使用英伟达的产品，其中还有不少自动驾驶技术公司。
在2017年CES上，英伟达发布了最新的车载计算平台“XAVIER”，其512个Volta CUDA核心可提供高达30TOPS的计算性能，并且功率只有30W，远远优于Drive PX2。
而在国内，人工智能创业圈子中声名赫赫的地平线机器人，也正在研发其基于FPGA架构的大脑引擎（BPU），而代号为“高斯”的计算构架IP预计在2017年底推出。
不过，综合来看，自动驾驶计算平台的争夺战依然主要在国际巨头之间展开，除了英伟达之外、英特尔、微软、高通、Mobileye、Ceva、恩智浦、德州仪器等芯片、IP、ADAS供应商，都正在瞄准这一领域发力，未来的竞争激烈程度可见一斑。
2、车辆控制
自动驾驶汽车不仅仅是感知和算法，它还涉及到车辆控制、汽车动力学、汽车工程等诸多技术学科，同时需要汽车控制（刹车、转向、灯光、油门等）配件的支持。
目前，自动驾驶执行相关的技术和部件产品将依然长期掌控在车企和大型Tier1手中。如博世、大陆、Delphi等传统的Tier1掌握的执行控制专利技术已经可以支撑到自动驾驶阶段，无论在性能还是价格上都有绝对的优势。
从Tire1供应商的角度来讲，作为Tire1供应商提供控制接口，还不如提供自动驾驶解决方案，当做未来布局。速度快者如博世（Bosch），依托其多年对EPS、ESP和ABS等系统的经营积累，通过开发iBooster等新技术，跟多家车企展开了自动驾驶系统的合作。国内由于多年无人车未来挑战赛的需求，也存在几个类似的团队，凭借跟车企和供应商的良好关系，集成一套行动层平台，这都算是个面向自动驾驶团队的Tire1吧。
由于电动汽车技术的快速革新，传统汽车制造业受到了冲击，此前发动机和变速箱等壁垒技术，逐渐被车辆电控、电动机、电池等技术取代。这种变革，让创业团队自己造车成为了可能。
因此，国内外众多电动汽车、互联网造车、智能汽车企业极有可能成为自动驾驶汽车行业的新贵。比较著名的如蔚来汽车、小鹏汽车、智车优行、乐视等自己造车，掌握平台。
智车优行CEO沈海寅曾表示，在智车优行未来战略规划中，自动驾驶是关键一环。目标是在三到四年内在一些局部路况下的全自动驾驶。
另一个是成为Tire1供应商本身，由于汽车工业发展本身的原因，国外的供应商分布很早就变成巨头格局，而国内则由于价格、技术迭代和适配等原因，许多国产供应商反而拿到了许多车企的合同得以生存，如此前新闻中提过跟奇瑞合作的亚太，以及源自清华和吉大汽车系的团队。总之，目前国内自动驾驶技术还是比较依赖车企或者供应商提供平台的，因此投资人想要知道团队技术水平如何，一方面是看Demo，另一方面或可通过行动层提供方来侧面了解。
3、算法与自动驾驶汽车运营
目前，自动驾驶技术公司的两级分化比较严重，一方面是看准时间和角度切入的初创企业，另一方面则是大型互联网科技巨头，如谷歌、百度、Uber等。此外，像博世这样，少量拥有相对完整的产业链结构的Tier1，也在踏足这一领域。
大多有更深的想法，它们并不把自己看做单纯的技术提供方，而是希望深入到运营中去。例如智行者希望能够首先在低速园区内进行无人驾驶运营，而图森互联则在一开始就瞄准了长途高速货运。Uber与其收购的Otto也将目光分别聚焦在了无人驾驶共享出行和长途货运上。
图森互联CEO陈默表示，相比于卖车，运营服务公司是更靠近产业链下游和利益链顶端的方式。
自动驾驶汽车的另一个特点，就是解放了我们在出行过程中的双手、眼睛和大脑，因此车内活动也有了更多的想象空间。驭势科技CEO吴甘沙曾在多次公开演讲中表示，未来，自动驾驶汽车很有可能成为新的商业场景，为人们提供出行时的观影、办公、餐饮服务。
4、自动驾驶技术
美国高速公路安全管理局（NHTSA）将汽车智能化水平分成五个等级：无自主控制；辅助驾驶；部分自动驾驶；有条件自动驾驶；高度自动驾驶。
自动驾驶流程可以分为感知-认知-决策-控制-执行五部分，其中传感器发挥着类似于人体官的感知作用，认知阶段则是依据感知信息完成处理融合的过程，形成全局整体的理解，据此自动驾驶系统通过算法得到决策结果，传递给控制系统生成执行指令，完成驾驶动作。
自动驾驶产业链中的玩家，可大致划分为整车厂（OEMs）、传统Tier1、算法供应商、芯片供应商、数据服务商、传感器生产企业、车联网服务商、运营和服务提供商。
五、自动驾驶创业生态
全球自动驾驶创业图谱如下：
国内自动驾驶创业图谱如下：
1、传感器
不同传感器比较：
从以上比较可以看出，激光雷达具有跟高的测量精度和三维成像能力，是自动驾驶不可或缺的传感器，目前国内激光主要的创业公司有：
除了上面的企业，国内激光雷达企业还有北醒光子、思岚科技、大族激光、杭州巨星、广州中海达科技。与国内的企业对比，国外的机械雷达公司大多为老牌的企业，而很多创业公司都在研发固态雷达。国外的企业主要有LeddarVu固态激光雷达、Innoviz、Ibeo、Quanergy、Velodyne、TriLumina。
目前，多传感器融合成为行业共识，不同传感器技术将齐头并进发展，而激光雷达无疑拥有更大的市场空间。
而毫米波雷达技术主要由大陆、博世、电装、奥托立夫、Denso、德尔福等传统零部件巨头所垄断，特别是77GHz毫米波雷达，只有博世、大陆、德尔福、电装、TRW、富士通天、Hitachi等公司掌握。
毫米波雷达产业全景图如下：
2、自动驾驶芯片
在自动驾驶车的芯片细分市场中，除了英伟达（Nvidia）、Mobileye、恩智浦（NXP）等大家耳熟能详的公司外，还涌现出了许多“新面孔”——例如IP供应商Ceva以及英特尔和高通（Qualcomm）等。今年9月13日，今年在北京举行的GPU科技大会上，英伟达CEO黄仁勋展示了这款新的自动驾驶汽车处理器DrivePX2-AutoCruise。简单说，它就是精简版DrivePX2计算平台加了神经网络算法，专门用来实时分析汽车身上多个雷达和传感器采集的信息，还能处理高清地图，继而实现自动驾驶。
3、 ADAS算法公司
在自动驾驶来临之前，ADAS的商业化已经来临，ADAS 系统的核心依然是算法。纵观所有的创业团队，创始人往往有多年的图像识别等相关领域的从业经历。当然，另外硬件很大程度上影响着成本。
4、自动驾驶算法
自动驾驶的算法涵盖感知、决策等关键环节，需要大量数据进行训练，多传感融合的信息进行拟合互补，决策算法整合感知和认知层，最终将指令传递给控制系统。国内目前的创业公司大多来自百度系，主要玩家有：
百度2017年7月公布阿波罗计划，打造开放的自动驾驶生态，计划做下一代的汽车安卓系统，面向其他企业开放自己的高精度地图、算法、数据，同时将国内行业玩家整合进百度的技术体系，沉淀更多的数据。
5、整车厂（OEMs）公司
Tesla从电动汽车起步，逐渐切入自动驾驶领域。国内的Tesla门徒们虽然汽车还没有量产，但也在自动驾驶领域均有所布局。
6、高精度地图
前期大量长期的资金投入是地图产业的天然门槛，高精度地图的绘制需要在前期对本地区路况进行大量的测绘，测绘过程可能要耗费大量时间，在这段期间企业不会从地图产业中获得任何的收益。并且地图维护成本高，企业需要进行大量的研发和成本支出维持地图的实时更新，小企业或者新进企业由于无力承担其庞大的成本费用，产品质量不断降低，最终退出市场或者被兼并收购，留下的大企业形成自然垄断。
全球图商巨头：
自2001年测绘局批准四维图新拥有甲级资质以来，至今为止，只有11家图商拥有导航电子地图测绘资质，地图涉及的国家保密性注定决定了地图行业是寡头垄断行业，并且天然排斥外资企业的进入。在国内高德和四维图新是数字地图领域的双寡头，两者都是地图数据提供商。2016年是高精度地图的规划元年，根据国内高精度地图龙头四维图新的规划，2016年底提供覆盖全国高速公路的基于ADAS的高精度地图，2017年底，支持至少20个城市的Level3级别的高精度地图，并且与此同时完成与车企的协调沟通，高德的计划与此类似。
国内其备导航电子地图资质主要厂家：
六、投资分析
与自动驾驶相对应的，是自动驾驶+共享经济的出行模式，C端用户消费的将不再是汽车，还是出行服务。
金准数据认为，在自动驾驶时代，汽车利用率将直线上升而销量必定下降，车厂的选择，一是尽快寻求合作，进行技术开发，向自动驾驶领域转型；二则是沦为自动驾驶汽车的代工厂和供应商。
因此，大多数车厂更希望看到的是Lv4甚至以下等级的自动驾驶技术，而不是Lv5状态下的全路况无人驾驶汽车。目前，包括福特、宝马、沃尔沃在内的整车厂商，也都在进行自动驾驶技术的研发。
此外，金准数据整理出以下可投资方向：
第一、传感器。尤其是像激光雷达这样能够提供高环境感知能力的传感器。如果它们不是仅仅通过量产降低成本，而是靠技术驱动能够把成本降到很低，满足高性能要求。
第二、能够提供一个很好多传感融合的系统。目前大多数公司还是基于传统的激光雷达做的系统，对于视觉、毫米波感知这块还有工作可以开拓。
第三、做大脑。新手司机和老司机其实在能力上有本质的差异，不是因为他们聪明，而是因为开的里程不同。如果我们可以把很多人的驾驶经验都变成决策和控制系统，这有很强的壁垒。
第四、在一些细分的场景下、相对比较现实的场景下做完整的解决方案。
