自动驾驶行业快速发展，相关算法模型仍在演进，数据规模质量及其驱动的算法迭代决定模型上限。我们认为，主机厂背景下的自动驾驶公司具备车辆资源与产业优势，而第三方算法公司通过创造飞轮效应，利用技术下探带来的量产数据进行算法迭代优化，推动自动驾驶商业化落地。

摘要

2025年中国自动驾驶软件市场规模或超700亿元，数据驱动下的算法优化系长期差异化关键。我们测算得到，2025年中国自动驾驶决策层软件市场规模有望达到747亿元，2021-2025年CAGR达到55.5%。自动驾驶功能的实现有赖于感知、决策、执行三个环节的高效配合，决策层以企业核心算法为主，在各车企硬件配置同质化、系统软件底层化背景下，数据驱动下的算法迭代成为长期差异化的关键。目前，自动驾驶算法模型仍在演进，需要通过海量优质数据的训练不断迭代优化、提高精度。

不同背景自动驾驶公司各有优势，寻求多种算法优化与商业化落地路径。自动驾驶行业进入商业化应用新阶段，参与者包括互联网企业、传统及新势力整车厂、Tier1供应商及初创科技公司等。我们认为，以Cruise为代表的整车厂背景下自动驾驶公司具备车辆资源与产业优势，商业化进程较快；多重背景下的第三方公司各有优势，通过车队运营、多场景拓展、与整车厂合作实现技术下探等方式进行数据收集、算法优化。

以Momenta为例，第三方自动驾驶算法公司通过创造飞轮效应推动算法迭代、商业化落地。Momenta系2016年成立的自动驾驶解决方案提供商，采取“飞轮式”数据驱动与“两条腿”并行的发展战略。公司的产品包括完全无人自动驾驶解决方案MSD（Momenta Self Driving）与技术共享、可量产的自动驾驶解决方案Mpilot，这“两条腿”所使用的底层算法及数据是一致的，从而能够实现共享，通过数据、算法和两者之间的迭代闭环创造飞轮效应，加速推动自动驾驶技术商业化落地。MSD与上汽、享道出行联合打造的Robotaxi车队已在上海和苏州试运营，Mpilot与国内外多家主机厂及Tier 1厂商实现合作，首款量产车型智己L7已交付。

风险

技术发展不及预期、量产落地不及预期、竞争加剧。   

正文

数据驱动下的算法优化为自动驾驶差异化核心，2025年市场规模或超700亿元

自动驾驶需三大环节高效配合，数据驱动下算法优化系长期差异化关键

自动驾驶功能的实现有赖于感知、决策、执行三个环节的高效配合。决策层以企业核心算法为主，主要由硬件架构和软件系统构成。自动驾驶意味着决策责任方的转移，感知与决策层承担职能逐级递增。

硬件配置标准化程度高，数据驱动下的算法为长期差异化的关键。各车企推出的新车型在硬件配置上相似度较高，冗余混合传感器配置渐成标配，同时芯片性能不断升级，对高级别自动驾驶大规模商业化的掣肘日益减弱。如何高效利用传感器数据和芯片算力，是自动驾驶不得不解决的痛点之一。长期来看，在硬件配置同质化、系统软件底层化的背景下，算法是车企打造差异化自动驾驶体验、形成软件盈利模式的关键。目前，大部分车企已选择“硬件预埋，配置冗余”的方案，通过先行量产车型上路从而大规模收集数据、训练优化算法模型。

自动驾驶算法模型仍在演进，数据规模质量与算法优化决定上限

长尾问题难以穷尽，算法模型仍在不断演进。数据规模质量及其驱动的算法优化决定自动驾驶模型上限。我们认为，实现规模化L4的算法模型要解决上百万的长尾问题，同时需要海量数据进行算法训练，对数据规模质量和算法更迭优化提出了较高的要求。

自动驾驶算法模型需要通过海量数据的训练不断迭代优化、提高精度。根据美国兰德公司的研究，自动驾驶算法达到人类驾驶员水平至少需177亿公里数据，实现商业化落地需千亿公里的数据解决百万长尾问题。单车智能之外，高精地图可作为自动驾驶的辅助。

2025年中国自动驾驶决策层软件市场规模或超700亿元，持续快速增长

我们主要基于以下假设测算中国自动驾驶决策层软件市场规模：

假设1：我国乘用车销量在2021至2025年复合增长率为2.8%；

假设2：我们认为随着自动驾驶技术及相关法律法规的成熟，L3+级自动驾驶汽车的比例将逐步提高；

假设3：我们认为伴随汽车智能化加速，自动驾驶软件与算法提供商对下游车企客户竞争将逐渐激烈；此外，部分自动驾驶模块有望成为标配，产品价格有望逐步下探。

我们测算得到2025年中国自动驾驶决策层软件市场规模有望为747亿元，2021-2025年CAGR达到55.5%，市场空间广阔，有望维持快速增长。

自动驾驶新阶段下参与者众多，寻求算法优化与商业化落地路径

复盘自动驾驶发展历程，市场参与者众多，步入商业化新阶段

复盘自动驾驶的发展历程，市场参与者众多，技术积累速度较快，商业化为最终目标。2009-2019年, 互联网企业、整车厂、Tier1厂商及初创企业纷纷涌入自动驾驶赛道，各自动驾驶公司在全球多地拿到路测牌照、积累测试里程，L3/L4技术开始商业化落地，自动驾驶技术积累速度空前。

技术成熟度提升、市场需求释放、政策法规逐步完善、供应链改善等因素叠加，自动驾驶差异化要求提升，步入商业化应用的新阶段。我们认为，自动驾驶进入商业化应用新阶段，不同背景的参与者各有优势，寻求多种算法优化与商业化落地路径。

传统整车厂背景下自动驾驶公司具备车辆资源与产业优势

GM Cruise开创整车厂背景自动驾驶公司先河。Cruise 成立于 2013 年，2016年被通用汽车收购，成为其自动驾驶汽车开发团队中的一个独立部门，也是通用汽车布局自动驾驶及实现商业化运营的重要抓手。依托于通用汽车的资本加持，公司规模快速扩大，并收购了多家自动驾驶相关企业，包括提供最后一英里自动化包裹递送服务的Zippy.ai、激光雷达公司Strobe，并与微软的云计算及边缘计算平台Azure达成合作。

依托通用汽车的车辆资源与产业优势，Cruise已实现自动驾驶辅助系统及无人驾驶汽车量产商业化落地。

►在辅助驾驶方面，Cruise于2017年发布Super Cruise（超级智能辅助驾驶），搭载于通用汽车旗下凯迪拉克旗舰车型CT6，并于2020年引入中国市场；2021年10月，通用汽车发布全新驾驶辅助技术Ultra Cruise，旨在对95%的驾驶场景中实现脱手驾驶。

►在无人驾驶方面，Cruise第一代产品AV是基于通用汽车旗下雪佛兰沃蓝达平台打造的全电动车，全车配备超过40个传感器，已在旧金山繁忙街道上行驶累计超过200万英里；2020年Cruise发布其与通用、本田共同研发的电动车Origin，车上没有方向盘和踏板等传统装置、无需驾驶员，规划在2023年量产。2022年3月，Cruise获得加州公共事业委员会许可，允许其在Robotaxi配备一位安全驾驶员的前提下向乘客收取费用；同年6月，Cruise成为第一家获准在旧金山向公众提供付费无人驾驶打车服务的自动驾驶企业。Cruise无人驾驶汽车实现规模化收费，商业化进程加速。

跟随GM Cruise合作范式，部分整车厂设立自动驾驶子公司或部门。长城、上汽、吉利、沃尔沃等传统整车厂发力自动驾驶软件领域，先后设立毫末智行、零束科技、亿咖通、Zenseact等专研自动驾驶解决方案的子公司或部门，与产业链资源充分结合，实现技术国产替代和优先量产搭载。我们认为，传统整车厂背景下自动驾驶公司具备车辆资源与产业优势，与整车厂深度绑定，技术研发成果能快速落地，配置到商用量产车辆中，在车辆上路后收集大量数据训练自动驾驶模型从而不断迭代算法、优化模型，推动自动驾驶技术的商业化进程。

多重背景第三方公司各有优势，探索多种算法优化与商业化落地路径

我们认为，除整车厂以及含有整车厂基因的自动驾驶公司之外，自动驾驶赛道的主要参与者包括以下四类。这些多重背景第三方公司各有优势，通过车队运营、多场景应用拓展、与整车厂技术乃至资本合作等多种路径探索算法优化与商业化应用落地。

►博世、大陆等传统Tier 1厂商：通过全面的产品布局，为主机厂提供一站式配置自动驾驶方案。它们与主机厂联系紧密，集团资源丰富，具备车规级产品研发优势。

►英伟达、地平线、Mobileye、华为等芯片公司：提供与硬件高度适配的软件系统，具备软硬件一体化、生态环境、开放工具链等全栈道优势。

►百度、阿里巴巴等互联网公司：提供整体解决方案，具备软件研发、组织流程、移动终端用户积累等方面优势。

►Momenta、禾多科技、智行者、小马智行、文远知行等初创科技公司：无“历史包袱”，具备专业人才及灵活的组织架构，深耕汽车自动驾驶领域，核心产品为量产辅助驾驶解决方案和L4级别以上无人驾驶解决方案。

深耕车队运营，直接收集数据优化算法，尝试小批量商业化试点

自动驾驶车队测试运营，是积累路测里程、收集自动驾驶数据的直接方式。目前各自动驾驶公司均与主机厂、网约车运营平台及当地政府有所合作，进行一定规模的Robotaxi车队运营。

今年起，部分自动驾驶公司尝试小批量商业化运营、规模化收费。国外，今年3月起Waymo和Cruise获Robotaxi商用许可证，开始成规模收费营业；国内，文远知行于2019年11月推出全对外开放的Robotaxi运营、2021年2月在广州获得网约车运营许可，百度Apollo的“萝卜快跑”平台自2021年11月至今先后获得北京、重庆、阳泉、武汉等地商业化运营资质，小马智行相继在北京、广州等地获得商业化落地许可，Momenta在上海、苏州通过享道出行平台进行Robotaxi试运营。

多场景应用拓展，从低速到高速、从载物到载人、从商用到民用

自动驾驶服务潜在落地应用场景广阔，自动驾驶商业化规模化的次序或将是从低速到高速、从载物到载人、从商用到民用。

部分自动驾驶公司在Robotaxi之外开拓低速、载物、商用场景，积累多场景应用数据。考虑到封闭/半封闭场景和低速自动驾驶技术难度低、有望最先实现商业化落地，而Robotaxi尚在大规模路测、算法迭代中，以智行者、毫末智行、文远知行、百度Apollo为代表的部分自动驾驶公司在Robotaxi之外向Robovan、Robobus、无人配送、无人接驳、无人环卫、无人清洁等封闭/半封闭式场景、低速商用场景拓展。

我们认为，各场景数据和所需自动驾驶技术在一定程度上具有通用性，场景开放度越高、对各种自动驾驶落地场景的复用性越强，多种场景拓展有利于积累自动驾驶数据，推动自动驾驶基础软件与各场景应用软件解耦，从而打造数据闭环、驱动算法升级迭代。此外，低速商用场景商业化落地帮助公司获得营收及现金流，缓解资金压力。

与整车厂合作，L4级自动驾驶算法公司兼用L2级渐进式路线

自动驾驶初始阶段下主要存在两种技术路径实现无人驾驶。自动驾驶技术初始阶段，主要存在以新势力整车厂为代表的“由下至上渐进式演进至L4/L5”和以互联网公司、自动驾驶初创企业为代表的“一步到位式无人驾驶”两条典型技术路径。前者跟随技术渐进式发展，技术难度相对较低、成本优势明显；后者考虑到不同等级自动驾驶对应的软硬件配置不同，直接开发L4级以上无人驾驶方案，但技术开发难度较大、研发投入较大、资金回流速度慢。

值得注意的是，科技初创公司Momenta在2019年发布了面向高速和泊车场景的前装量产产品 Mpilot与L4级无人驾驶技术MSD，形成了辅助驾驶渐进式解决方案与L4级无人驾驶解决方案“两条腿”产品战略雏形[1]，形成了两种技术路径兼顾的第三条路径。

传统整车厂愈发重视自动驾驶研发，但受资源禀赋与投入产出比因素限制，选择与算法公司多向合作。消费者对用户界面的感知与对自动驾驶算法差异的感知更为直接，对于复杂性高、时间与资金成本较高的自动驾驶算法领域，如果没有相当的技术与人才积累，战略合作、合作开发、直接外购等模式或为部分车企高性价比的选择。

商业化应用新阶段下，一步到位L4级自动驾驶公司技术下探至辅助驾驶领域。当前受限于技术、安全性、法律法规等问题，完全的L4级自动驾驶暂时无法实现商业化应用，但L4级算法却可以率先产生商业应用价值。“一步到位式无人驾驶”公司纷纷技术“降维”，通过L4级自动驾驶算法和硬件，在乘用车上实现L2+/L3级辅助驾驶功能。例如，上汽智己L7配备Momenta Mpilot，威马W6车型配备百度Apollo ANP，文远知行获得博世集团战略投资、联合研发L2-3级高阶辅助驾驶系统方案等等。

我们认为，L2率先落地可以反哺L4数据闭环，降低数据采集成本与研发成本。考虑到L2+级辅助驾驶车型部分预埋L4级硬件后传感器收集到的数据维度及完整度提升，渐进式路径可以帮助自动驾驶公司利用已交付的产品收集回传数据以降低数据采集成本，持续积累迭代高级别算法、训练模型，同时数据驱动算法的深度学习框架有助于降低研发成本。此外，公司借量产上市的L2+系统获得现金流，缓解L4研发带来的资金压力。我们认为，在主机厂具有技术国产替代、成本风险可控的需求之下，具备全栈式软件能力、快速市场化能力和绑定核心硬件企业的公司竞争优势明显，有望较快实现算法优化及商业化应用落地。

以Momenta为例，论第三方自动驾驶算法公司如何创造飞轮效应

Momenta：打造自动驾驶大脑，采取“一个飞轮两条腿”发展战略

Momenta是全球领先的自动驾驶解决方案提供商，采取“飞轮式”数据驱动与“两条腿”并行的发展战略。“飞轮式”数据驱动是将算法预测结果与真实行驶轨迹进行比对和标注自动生成数据流，结合量产车的驾驶数据、路况数据、OEM反馈以此带动算法更新迭代。“两条腿”战略由前装可量产的L2+级自动驾驶全栈式解决方案（Mpilot）与Momenta 完全无人驾驶解决方案（MSD，Momenta Self Driving）构成，前者提供“数据流”，后者提供“技术流”，通过统一的底层算法架构及自研工具链打通技术流与数据流的闭环迭代。

四项技术路径叠加三大工具，打通自动驾驶算法自主研发链条

四项技术路径奠定算法基础。Momenta通过搭建四项技术路径为自动驾驶软件产品奠定了算法基础，打通自动驾驶算法链条：自研基础平台、深度学习的核心技术、高精度地图以及驾驶决策技术。

三大工具支撑飞轮有效运转。Momenta利用三项工具链实现自动驾驶的不同级别数据复用、软硬件解耦、算法与应用场景解耦，支撑“一个飞轮两条腿”的战略执行：M framework、M adapter、M box。

Momenta自研算法降本提速，构筑核心竞争力。基于大数据平台、大计算平台、模型平台构成的底层基础平台，Momenta自主研发环境感知、高精地图与定位、驾驶决策规划等系列软件算法，具备核心竞争力。

MSD与Mpilot协同创造飞轮效应，迎来商业化规模化落地

“两条腿”战略由浅入深，合作项目已初步落地

Momenta“两条腿”战略同时推进，均有落地项目。自2016年起，Momenta完成了底层平台、软件算法、量产产品储备三个基础阶段的建设，2019年正式发布量产自动驾驶解决方案中的Mpilot Highway、Mpilot Parking产品，同年12月推出L4级无人驾驶技术MSD，“两条腿”战略同时推进。Mpilot和MSD两个产品线可实现数据和技术共享，通过数据、算法和两者之间的迭代闭环加速推动自动驾驶技术落地量产。2021年12月，Momenta联合上汽集团、享道出行打造的享道 Robotaxi车队在上海嘉定与苏州正式开放运营。2022年公司Mpilot合作配套的上汽智己L7车型已量产交付。

MSD：完全无人驾驶解决方案

MSD开发效率高，实测表现优异。在部分实测数据中，Momenta产品在接管里程长度、进出匝道成功率方面的表现较好。

Mpilot：可量产的高度自动驾驶解决方案

Mpilot系全场景、端到端的量产自动驾驶解决方案。Momenta打造了面向不同场景的可量产自动驾驶解决方案Mpilot，主要包括面向高速场景的Mpilot Highway、面向自主泊车场景的Mpilot Parking、面向城区场景的Mpilot Urban、DMS解决方案Mpilot ICP以及前视感知软件产品Mpilot FCP。Mpilot在量产落地中采用“开放式”实施方案Open Solution，适配多种芯片选型、多种产品线、多种传感器从而赋能OEM基于目标功能和应用场景，实现定制化差异化产品和体验。

Mpilot已与较多主机厂合作，具备快速商业化能力。公司与上汽智己、长城沙龙、吉利路特斯、比亚迪、丰田、通用、奔驰等国内外主机厂以及博世等Tier1供应商合作，市场化能力突出，已量产交付智己L7，其他量产车型将陆续落地。我们认为，公司有望通过量产车型获得大量数据与用户反馈，数据范围覆盖真实驾驶场景及长尾场景，从而驱动算法迭代以及闭环自动化来实现自动驾驶系统的更新迭代。

我们认为，相较于“由下至上渐进式”研发自动驾驶技术的整车厂以及Tier1供应商，以Momenta为代表的第三方自动驾驶算法公司向L2级别下探的共享L4架构具备较多优势。1）第三方公司专注自动驾驶软件算法，整车厂则可以将更多的研发精力放在硬件及软硬件集成上；2）第三方公司软件覆盖的车企、车型更加广泛，数据收集效率更高，研发成本分摊更低；3）第三方公司软件追踪更加持续，OTA升级效率更高；4）第三方初创公司人员结构扁平、组织架构灵活，通过股权激励、职业晋升等方式吸引专业人才。

飞轮厚积薄发，即将迎来规模化落地

Mpilot和MSD协同增效，实现“飞轮式”L4的快速成长。Momenta预计2025年量产辅助驾驶系统Mpilot超300万台，通过Mpilot不断交付可量产和不断升级的自动驾驶产品，大规模量产数据流赋能MSD方案。Robotaxi是“飞轮式”L4的重要商业化落地场景。

获产业资本战略投资，深度合作反哺技术提升

Momenta获较多头部整车厂及Tier 1供应商战略投资。公司投资者中有众多的头部车企和Tier 1包括梅赛德斯奔驰、通用汽车、丰田汽车、上汽集团和博世集团等。我们认为在自动驾驶前装方案的量产落地竞争中，供应商需具备过硬的产品和工程能力，以及拿下头部车企订单的市场化商业化能力，车企和 Tier 1的战投有望为公司带来丰富的订单和产业资源。

积极合作下游客户，反哺技术提升，形成良性循环。Momenta与上汽集团战略合作打造自动驾驶“中国方案”，为丰田提供基于摄像头视觉技术的高精地图及更新服务。我们认为，与下游优质客户的深度合作，不仅可实现实测数据积累，与主机厂的深度配套和合作还有望为Momenta的技术提升与实践落地提供良好机遇。

风险提示

国内技术进步不及预期。目前全球自动驾驶技术发展较快，客户需求和新技术不断出现，全球龙头科技公司与造车新势力在该领域的投入均较大。若未来全球科技公司和新势力相对国内技术进步更快，完全无人驾驶功能率先落地，可能对国内市场参与者的发展造成不利影响。

量产落地不及预期。目前高阶智能驾驶功能落地以场景为先，依托车端场景的开拓和道路真实数据的收集实现算法迭代、模型优化。如果未来智能驾驶功能落地节奏过慢或场景覆盖度不及预期，则会影响自动驾驶算法层的技术迭代和发展，进而影响更高阶智能驾驶功能的量产落地节奏。

行业竞争加剧。目前全球互联网科技龙头公司、自动驾驶初创公司、造车新势力、传统主机厂等均在积极布局自动驾驶领域，且不断有新的技术迭代出现、新的初创公司参与市场竞争，未来行业竞争情况可能会进一步加剧。相较于具备车辆资源和产业优势的整车厂背景下自动驾驶公司，第三方算法公司商业化进程有可能受阻。

[1]https://www.momenta.cn/article/46.html

文章来源

本文摘自：2022年8月25日已经发布的《自动驾驶解决方案：第三方公司创造飞轮效应，寻求算法优化与商业化落地路径》