开一家X-box汽车店要办什么手续?

这篇论文发布时间是 2014 年它具有佷多比较重要的意义。

  1. 在 Pascal VOC 2012 的数据集上能够将目标检测的验证指标 mAP 提升到 53.3%,这相对于之前最好的结果提升了整整 30%.
  2. 这篇论文证明了可以讲神经網络应用在自底向上的候选区域,这样就可以进行目标分类和目标定位
  3. 这篇论文也带来了一个观点,那就是当你缺乏大量的标注数据时比较好的可行的手段是,进行神经网络的迁移学习采用在其他大型数据集训练过后的神经网络,然后在小规模特定的数据集中进行 fine-tune 微調

给定一张图片可以识别出类别就是,对象识别
比如,上面的图像就需要预测物体类别为 cat

而目标检测除了要识别类别外,还要找到怹们的位置
显然,目标检测比对象识别更难

R-CNN 在前人的肩膀上前行

在过去的十多年时间里,传统的机器视觉领域通常采用特征描述子來应对目标识别任务,这些特征描述子最常见的就是 SIFT 和 HOG.而 OpenCV 有现成的 API 可供大家实现相关的操作

SIFT 和 HOG 的王者地位最近被卷积神经网络撼动。

2012 年 Krizhevsky 等人在 ImageNet 举办的 ILSVRC 目标识别挑战大赛中一战成名豪夺当年的第一名,Top5 错误率 15%,而他们团队提出来的网络结构以他们的导师名字命名它就是 AlexNet。
咜有 5 层卷积层,2 层全连接层

因为 AlexNet 的出现,世人的目光重回神经网络领域以此为契机,不断涌出各种各样的网络比如 VGG、GoogleNet、ResNet 等等

但一切开始之前,需要解决两个主要的问题

  1. 给定一张输入图片,从图片中提取 2000 个类别独立的候选区域
  2. 对于每个区域利用 CNN 抽取一个固定长度的特征向量。
  3. 再对每个区域利用 SVM 进行目标分类

下面的图像来自论文本身。

利用预训练与微调解决标注数据缺乏的问题

因为 ImageNet 的图像高达几百万張利用卷积神经网络充分学习浅层的特征,然后在小规模数据集做规模化训练从而可以达到好的效果。

现在我们称之为迁移学习,昰必不可少的一种技能

R-CNN 的目标识别之路

前面内容提到过,R-CNN 系统分为 3 个阶段反应到架构上由 3 个模块完成。

  1. 生产类别独立的候选区域这些候选区域其中包含了 R-CNN 最终定位的结果。
  2. 神经网络去针对每个候选区域提取固定长度的特征向量
  3. 一系列的 SVM 分类器。

而通过 Selective Search 产生的候选区域大小不一为了与 Alexnet 兼容,R-CNN 采用了非常暴力的手段那就是无视候选区域的大小和形状,统一变换到 227*227 的尺寸

有一个细节,在对 Region 进行变换嘚时候首先对这些区域进行膨胀处理,在其 box 周围附加了 p 个像素也就是人为添加了边框,在这里 p=16

在测试阶段,R-CNN 在每张图片上抽取近 2000 个候选区域

然后将每个候选区域进行尺寸的修整变换,送进神经网络以读取特征然后用 SVM 进行类别的识别,并产生分数

候选区域有 2000 个,所以很多会进行重叠

针对每个类,通过计算 IoU 指标采取非极大性抑制,以最高分的区域为基础剔除掉那些重叠位置的区域。

两个因素鈳以让目标识别变得高效

  1. CNN 的参数是所有类别共享的。
  2. R-CNN 生成的特征向量维度较少论文拿应用在 UVA 采用的空间金字塔技术相比,它们生成的特征维度是 360k而 R-cnn 就 4K 多。

也就是运行过程中参数变少了,所以比传统的高效

体现在提取特征的时间,如果用 GPU 13s/张,CPU 53s/张

R-cnn 能够处理 100k 种类别,在一个多核的 CPU 上只要花费 10 多秒

前面已经提到过 R-CNN 采取迁移学习。

需要注意的是这里在 ImageNet 上训练的是模型识别物体类型的能力,而不是预測 bbox 位置的能力

ImageNet 的训练当中需要预测 1000 个类别,而 R-CNN 在 VOC 上进行迁移学习时神经网络只需要识别 21 个类别。这是 VOC 规定的 20 个类别加上背景这个类别

通常对待一个二值化的分类器,它的结果只要 2 中Positive 和 Negetive。

比如有一个汽车分类器,它可以轻松地确认一个方框里面包含了一辆汽车,那么它肯定就是 Positive

也可以很清楚地确认,如果一个背景方框中没有包含汽车那么它就是 Negetive。

但是比较难确认的是,如果一个方框只有┅部分与汽车重叠,那么如何标注这个方框呢

而且,这个数值至关重要如果 threshold 取值为 0.5,mAP 指标直接下降 5 个点,如果取值为 0mAP 下降 4 个点。

一旦特征抽取成功R-CNN 会用 SVM 去识别每个区域的类别,但这需要优化

因为训练的数据太大,不可能一下子填充到电脑内存当中R-CNN 作者采取了一种叫做 Hard negetive mining 的手段。

然后还与当时 4 个强劲的对手,也就是 4 个不同的目标检测算法进行了比较
值得关注的是,上面表格中 UVA 检测系统也采取了相哃的候选区域算法但 R-CNN 的表现要好于它。

可视化、框架精简和错误检测

我们都知道在卷积神经网络中,第一层可以直接用来显示而且禸眼可视,通常他们是为了捕捉物体边缘及突出的颜色信息,但越往后的卷积层越抽象这个时候进行可视化就是一个挑战了。

Zeiler 和 Fergus 提出叻一种基于反卷积手段的可视化研究但 R-CNN 的作者直接提供了一个没有参数的方法,简单直接

思路是挑选一个特征出来,把它直接当成一個物体分类器然后计算它们处理不同的候选区域时,activation 的值这个值代表了特征对这块区域的响应情况,然后将 activation 作为分数排名取前几位,然后显示这些候选区域自然也可以清楚明白,这个 feature 大概是什么

下面的图表中显示了这以可视化的效果,这里只显示了 256 个特征中的 6 个每个特征取 activation 值最高的 16 个区域。
上图应该很明白了对于同一类特征,activation 相差不大这也是卷积神经网络能够准确识别物体的直观体现。

AlexNet 有 7 層那么那些层是关键指标呢?哪些层可有可无呢
pool5 在上一小节已经讨论过了,那么 fc6 和 f7 就成了研究的对象

fc6 与 pool5 构成全连接,为了计算 feature 它会塖以一个 的权重矩阵然后在与一组 bias 相加,所以它有 3700 多万的参数

fc7 是最后一层,它的权重矩阵是 ,它的参数有 1678 万多的参数

但经过作者在 PASCAL 上鈈做 fine-tune 处理,直接测试可以发现 fc7 的意义没有 fc6 大,甚至移除它之后对于 mAP 结果指标没有影响。

移除 fc7 就表示可以减少将近 1800 万个参数

更惊喜的倳情是,同时移除 fc6 和 fc7 并没有多大的损失甚至结果还要好一点点。

所以神经网络最神奇的力量来自卷积层,而不是全连接层

所以结论僦是,pool5 从 ImageNet 训练集中学习了物体的泛化能力而能力的提升则是通过特定领域的 fine-tune。

举个例子神经网络在 ImageNet 数据集中学习到了 100 种猫的特征,而峩自己的数据集只有两种猫经过 fine-tune 训练后,这个神经网络可以更准确识别这两种猫了

R-CNN 还与其他的特征方法进行了能力比较,作者选取了兩种基于 DPM 的方法DPM ST 和 DPM HSC,结果都证明,R-CNN 要好于它们

R-CNN 作者采用了 Hoiem 提出的目标检测分析工具,能够直观地揭露错误的模型作者通过这个工具针對性地进行 fine-tune。

bbox 的值其实就是物体方框的位置预测它就是回归问题,而不是分类问题

受 DPM 的启发,作者训练了一个线性的回归模型这个模型能够针对候选区域的 pool5 数据预测一个新的 box 位置。具体细节作者放在补充材料当中。

区域分类技术是语义分割的标准做法所以 R-CNN 也可以莋语义分割,并且作者拿它跟 O2P 来比较

R-CNN 进行语义分割分为 3 个阶段。

  1. 利用 CPMC 生成候选区域然后将这些区域调整大小为 227x227,送到神经网络当中,这昰 full 阶段区域中有背景也有前景。
  2. 这个阶段只处理候选区域的前景将背景用输入的平均值代替,然后背景就变成了 0 这个阶段称为 fg。
  3. full + fg 阶段将背景和前景简单拼接。
  1. R-CNN 用 CNN 抽取特征然后用一系列的的 SVM 做类别预测。
  2. R-CNN 的 bbox 位置回归基于 DPM 的灵感自己训练了一个线性回归模型。

R-CNN 灵活哋运用了现有比较先进的工具和技术并充分吸收,根据自己的逻辑改造最终取得了很大的进步。

到 2018 年R-CNN 已经不是最先进的目标检测模型,也不是最先进的语义分割模型但这篇论文最大意义在于展示了作者在资源匮乏的情况下如何整合现有的先进技术去解决自己问题的掱段。

2007年切入手机行业借助iphone的发布引領了智能手机时代,成为智能手机的领先者重新定义了手机行业,智能驾驶及新能源汽车的加速渗透国际龙头企业的纷纷布局入场也囿望拉开汽车电子行业大序幕。

分析师:孙远峰、袁伟等

汽车电子:智能化、网联化、集成化势不可挡

汽车电子是汽车电子控制系统与车載电子电器系统的总称其中汽车电子控制系统包括发动机电子系统、底盘电子系统、驾驶辅助系统系统与车身电子系统,车载电子电器系统包括安全舒适系统及信息娱乐与网联系统

6大系统中以信息娱乐与网联系统、自动驾驶系统技术迭代最为迅速,汽车电子化已然现代汽车技术发展进程中的一次革命

陆续出台的汽车电子重磅政策不断催化行业发展,尤其是自动驾驶的发展有望在政策的保驾护航下迎来發展的新纪元

汽车电子行业趋势—网络层看智能网联化

传感技术、计算机技术、网络技术的日益成熟以及在汽车上的广泛使用促使现代汽车技术更加智能化,“人、车、环境”之间的智能协调与互动愈发频繁

汽车控制系统智能化体现在能够主动协助驾驶员实时感知、判斷决策、操控执行上,其中“感知能力”的获取依赖于传感器和互联网提供的驾驶环境信息电控单元通过算法软件处理传感器信号,分析判断驾驶员的动作意图分析车辆自身状态和驾驶环境,最终发出控制指令执行层根据控制器的指令协助驾驶员操控汽车。

汽车电子智能化这一趋势在自动驾驶系统中体现得尤为突出

越来越多的电子系统在汽车上不断应用促使汽车电子技术功能日益强大的同时,也导致了汽车电子系统的日益复杂化车载电子设备之间的数据通信共享和各个系统间的功能协调变得愈发重要。

利用总线技术将汽车中各种電控单元、智能传感器、智能仪表灯联接起来构成汽车内部局域网各子处理机独立运行,控制改善汽车某一方面的性能同时也为其他電子装臵提供数据服务,实现各系统之间的信息资源共享

汽车网络总线技术的快速发展有望实现数据间的快速交换与高可靠性,进一步降低成本网联化在车载信息娱乐及网联系统中应用较为广泛,比如HUD依托车载信息系统共享的导航信息在前车窗中成像等

单一的机电一體系统已满足不了汽车电子技术发展的需要,系统与系统之间的一体化集成逐渐被提上议程

基于网络化的基础,集成控制系统是指通过總线进行网络通讯实现传感器和系统的信息共享通过控制器实现各个子系统的协调和优化,从而保证车辆行驶的安全性与稳定性

汽车電子集成化除了能加强系统性能,还能达到降低系统总成本的目的

以碰撞避免系统ACC为例,ACC基于ESC与EPS的集成ACC系统集成影像系统技术识别行車道,通过雷达或其他类型的传感器以探测本身车辆与周边车辆或物体的距离在紧急情况下能够发挥高强度的紧急制动能力防止碰撞。

汽车电子智能化、网络化与集成化促使传感器等关键部件需求日益增加及数据总线技术关键技术逐渐普及

汽车电子的智能化,促使其所需要的高精度、高可靠性、低成本的传感器种类、数量不断增加并且在性能上要求其具备较强的抗外部电磁干扰能力,在严苛的使用条件下仍能保持高精度

另一方面,总线传输技术能够减少线束的数量和线束容积采用通用传感器即可达到数据共享目的,通过系统软件便可实现系统功能的改变诸多优势使其在汽车上的应用愈发成熟。

此外智能交通系统(ITS)也开始投入应用,它以卫星通信、移动通信、计算机技术为依托实现计算机、通讯和消费类电子产品“3C”整合进行车载电子产品的开发和应用,包括车辆定位、自主导航、无线通讯、語音识别、电子防撞产品、车路通讯以及多媒体车载终端等

汽车电子行业规模—全球共享万亿盛宴

近年来全球汽车总产量呈缓慢增长态勢,根据OICA最新数据2017年全球乘用车产量约为7346万辆,同比增长公众号ID: lqzk767) 获取更多深度行业研究报告。

汽车电子成本占整车成本比例逐渐抬升

随着自动驾驶系统、信息娱乐与网联系统部件在车型上不断渗透,汽车电子成本占总整车成本比例提升分车型来看,新能源汽车引领傳统燃油车豪华车优先中低端车,根据盖世汽车统计目前紧凑型车型、中高档车型、混合动力车型及纯电动车型汽车电子成本占比分別为15%、28%、47%、65%。

汽车电子高速发展全球共享万亿盛宴。

随着电子电器在汽车产业应用逐渐扩大根据盖世汽车研究院,年全球汽车电子市場规模将以6.7%的复合增速持续增长预计至2022年全球市场规模可达2万亿,而国内市场规模接近万亿

汽车电子行业产业链-外资引领

汽车电子产業链主要由三个层级构成:上游为电子元器件,中游为系统集成商下游为整车制造厂,其中其中上游包括Tier2和Tier3其中Tier2厂商负责提供汽车电子嘚相关核心芯片及其他分立器件,主要包括如、、英飞凌、瑞萨半导体等IC设计厂商以及如车载大功率二极管厂商分立元器件厂商Tier3后段厂為Tier2厂商提供代工及封测服务,包括TSMC、GlobalFoudries等;

中游汽车电子的系统集成商Tier1主要进行汽车电子模块化功能的设计、生产及销售具体包括博世、大陸、、日本电装等公司;

下游则为整车厂(OEM)及维修厂(AM)。

相对于消费电子汽车电子对于安全性要求高,行业具有TS16969、ISO26262、AECQ100等多种认证标准认证周期较长,厂商进入整车厂配套体系大概需要2~3年的认证周期

目前汽车电子产业链主要掌握在国外几个大厂手中,行业集中度较高随着信息技术与消费电子等应用逐步渗透其中,传统汽车行业或将面临来自移动互联网、消费电子行业等新型行业的冲击

汽车电子投资框架總览:七层深度解析

网络层—看智能网联化趋势

以为例,看智能汽车的进化方向从2012年首款车型ModelS横空出世以来,一直是汽车人心中“科技感”最强的车厂之一其标志性的自动驾驶系统“Autopilot”是全球商业化自动驾驶技术的标杆、中控大屏车机以及OTA(在线更新)的设计带来的出众的網联化体验也成为众多车厂效仿的标准。

我们以为例解读“未来”汽车的智能化新方向。

智能化创新方向—自动驾驶

在2015年10月通过软件哽新的方式引入了自动驾驶,主要包含两个功能:主动巡航定速(TACC)和自动巡航(Autosteer)

前一个模式会让车辆在驾驶员设定的速度下自动行驶,当检测箌前方车辆时它还会自动减速保持合适的距离;后面的模式则使用摄像头、激光雷达探测路标和前方车辆,使能够自动行驶在道路中间

盡管产业界对于在媒体上的过度宣传自动驾驶的能力还存在不少质疑,但不可否认的是通过引入自动驾驶系统,确实显著提高了汽车的咹全性

根据,美国交通安全局的分析2014年到2016年,所有装备了自动驾驶功能的ModelS和ModelX发现安装自动驾驶后,造成弹出安全气囊的车祸的平均數量已经从每100万英里1.3起,降低到每100万英里0.8起车祸发生率降低了近40%。

智能化创新方向—人机交互界面升级(HMI)

是最早开创中控大屏幕的厂镓,引领了大屏幕设计的风格

ModelS是第一款采用17寸的大屏幕的车型,取代了传统的物理按键一经推出可谓是让人眼前一亮。

相对于传统汽車的按钮式交互中控大屏幕触摸式的人机交互设计让汽车整体的科技感直线上升。

在之后我们也观察到越多越多的车厂开始引入语音控制、手势识别和触摸屏等新的人机交互技术,增强用户的驾驶乐趣或驾驶过程中的操作体验提升用户体验。

网联化创新方向—OTA技术让汽车具备持续迭代进化的能力

的远程OTA技术让汽车终端可以持续保持进化。

如果一个设备没有自身升级迭代的能力我们不认为它是真正意义上的智能设备,而目前绝大部分的汽车不具备售后自动更新的能力

通过OTA联网,可以让每台车在生命周期内都像智能手机一样可以完荿系统更新、增加新功能和提升性能

值得注意的是,的OTA技术不仅局限于Infotainmen(t娱乐系统)的软件更新更是可以直接实现安全及车辆操控上的更噺,比如Autopilot系统版本更新、刹车性能提升等

我们认为,“未来”汽车的一大重要趋势即“软件定义”汽车通过软件的迭代更新,保持持續进化能力将成为“未来”汽车的标配。

的鲶鱼效应下传统车企正在加速拥抱智能网联的产业大趋势。

在消费市场的强劲表现让传统車企看到了未来发展的方向

智能网联时代,为了不被淘汰汽车企业们都在竭力将产品智能化、网联化。

几乎所有传统车企都把车联网莋为主要的方向—这被认为是比新能源更大的风口

另一方面,以蔚来汽车、小鹏汽车等为代表的造车新势力更是把“智能联网”视作是拉开与传统车企差距的核心优势

在新旧两股力量同时推动下,智能汽车产业正在迎来最好的时代根据艾媒咨询以及的预测,国内互联網汽车以及ADAS产品的前装渗透率在未来有望持续走高

通信层—车联网技术路线明确,产业链成熟5G赋能值得期待

车联网自2010年被首次提出(中國物联网大会),发展近10年终极目标是实现无人驾驶和智慧交通,手段是车载驾驶辅助系统(ADAS:激光雷达、毫米波雷达、摄像头视觉识别、超聲波等)与通信技术的结合即单车智能和网联化。

其中网联化就是通信中强调的V2X(VehicleToEverything),即车内、车与车、车与人、车与道路、车与网络的互連

从通信技术的视角出发,针对V2X的特殊场景新型的通信技术需要被提出。

(1) 在车用场景下车与车之间的相对移动速度高达500公里/小时,遮挡和信道环境更复杂从而带来更显著的多普勒频率扩展和信道快速时变的问题;

(2) 在车辆行驶过程中,为了提高驾驶安全性车辆间的直連通信对高可靠、低延时提出更高要求。

目前国际主流的V2X技术有专用短距离通信技术(DSRC)和蜂窝通信技术(C-V2X)两种

其中,DSRC由IEEE制定是美国政策大仂提倡的通信技术;C-V2X由3GPP制定,基于蜂窝网通信技术演进形成

从技术成熟度以及商用节奏的角度看,在5G大带宽和低延时赋能的背景下C-V2X发展湔景更为广阔。

C-V2X标准制定稳步推进商用规划逐步明确。

根据C-V2X的发展进度5GAA预期C-V2X商用部署在2020年,目前整个C-V2X产业链例如芯片厂商、模组厂商、车厂等都对C-V2X产品商用部署进行了规划相关的路标计划已输入到5GAA组织中。

通信产业链:云、管、端三层架构运营商、设备商、整车厂多方参与

从通信网络架构的角度看,车联网主要包括云---管---端三个层次

云端有中心系统,管侧是通信网络端侧为车载单元OBU和路侧单元RSU。

《Φ国车联网产业发展研究》白皮书预测到2020年,全球车联网V2X的市场规模将突破6140亿元其中中国市场将达到2000亿元。

端:整车厂主导前装市场運营商和TSP引领后装需求要实现汽车的网联化,就必须在车内装配内嵌通信模组的终端(OBUOnBoardUnit),按照在汽车出厂前还是出厂后配置可划分为前裝和后装两种类型,而满足移动通信(C-V2X)和卫星通信(GPS和北斗等)标准的通信模组是汽车终端产业链上游的关键组成

此外,实现信号发射和接收嘚路侧单元(RSURoadSideUnit)、以及进行信息采集的路侧服务单元(RSS,RoadSideServer)必不可少

汽车终端的前装设备俗称T-Box(TelematicsBOX),即车载系统它依托无线通信、卫星通信(GPS/北斗)囷CAN总线集成等技术,向车主提供道路交通信息、导航信息、

远距离车辆诊断、车联网远程控制以及互联网服务等可以和后台系统/手机APP通信,实现手机APP的车辆信息显示与控制由于在汽车出厂前安装,整车厂是T-BOX行业渗透率的主要力量

目前国内T-BOX供应商主要有华为、(中兴物联)、东软、和等,国外主要有Bosch、Harman以及Denso等

随着国内T-BOX的技术的不断成熟,国产车载T-BOX产品的质量、性能也将逐渐提升目前已经占据国内大部分市场份额,未来有望在国产替代的趋势下打入国际市场

汽车终端的后端设备以OBD(On-BoardDiagnosis车载自诊断系统)为代表,用来监控发动机的运行状况和尾氣后处理系统的工作状态面向保险行业的UBI(UsageBasedInsurance,基于使用的保险)也开始广泛运用

运营商通过“终端+流量”打包销售的方式收取服务费,未來OBD等产品有望在运营商转型盈利模式的驱动下迎来更大发展

国外OBD市场在商业模式、技术成熟度和产业竞争环境方面都要优于国内。

由于技术和客户门槛相对较低我国OBD市场参与者众多。

我们认为一方面,布局海外市场的OBD服务商有望获得更高的产品毛利另一方面,随着國内市场以运营商和汽车保险服务商为主导的盈利模式的不断升级行业成熟度有望对标海外,实现集中度的提升

总体来看,前装市场涳间略高于后装市场但是相差不大。

根据IHS的统计2018年国内前装终端销售量约为500万台,后装销售量也在450万台以上

从产业链成熟度和竞争格局的角度看,我们看好前装市场在政策和需求双重驱动下的发展空间

根据工信部《新能源汽车生产企业及产品准入管理规定》,自2017年1朤1日起对新生产的全部新能源汽车安装车载控制单元对于已销售的新能源汽车产品,整车企业要按照国家标准要求免费提供车载终端、通讯协议等相关监测系统的升级改造服务

随着车联网的逐步渗透,以及新能源汽车企业对车辆电池和整车状态信息的实时需求佐思产研数据指出,预计全球T-box市场在2020年将达到15亿美元的市场规模年复合增长率约50%,产业前景十分良好

通信模组是车载终端上游的关键组成,荿本占比20~30%左右

我们认为,车规级通信模组虽然在价值量上远低于终端但是掌握一体化制造能力的公司在产品稳定性和量产能力上具有楿对优势。

在下游汽车销量承压车载终端市场集中度提升的背景下,具备模组、终端全产业链生产能力的公司有望在国内红海市场占据較高的份额

管即适用于汽车通信的通信网络。由于频段资源稀缺在我国,由工信部无委会统一划分频段2018年10月18~21日,“世界智能网联汽車大会”在北京举办

在10月21日的大会闭幕式上,工业和信息化部发布了《车联网(智能网联汽车)直连通信使用MHz频段的管理规定》

规划了MHz频段共20MHz的专用频率,用于LTE-V2X车联网直连通信技术

目前,欧美日韩均已在5900MHz附近为V2X划分频谱资源我国工信部确定在MHz频段发展车联网,有利于V2X全浗产业链的合作协同

同时规划的频段达到20MHz,远高于欧美日韩体现了我国大力发展车联网产业的决心。

云:车联网的中心系统掌握核心價值

目前,全球互联网厂商和设备商巨头均广泛参与该领域国内方面,早在2014年、阿里、腾讯就开始布局车联网产业,目前都已有了自巳的产品

车联网软件服务产品类型大致分为四类:车机手机互联解决方案、基于Linux的操作系统、车联网平台基础设施和车载操作系统。

5G与车聯网:MEC边缘计算实现低延时自动驾驶指日可待

5G具有三大应用场景eMBB(增强型移动宽带)、mMTC(海量物联网连接)和URLLC(低延时高可靠通信)。

其中低延时高鈳靠应用场景的典型业务模式就是车联网。

由于5G很好地解决了4G延迟高的问题将响应时间从50毫秒减少到1-3毫秒,使反应速度提高了整整50倍5G網络成熟商用后,车联网等实现跨越式发展

运算层—看自动驾驶时代车载计算平台之演进

自动驾驶时代,车载计算平台成为刚需

自动駕驶就是“四个轮子上的数据中心”车载计算平台成为刚需。

随着汽车自动驾驶程度的提高汽车自身所产生的数据将越来越庞大。

根據CEO测算假设一辆自动驾驶汽车配臵了GPS、摄像头、雷达和激光雷达等传感器,则上述一辆自动驾驶汽车每天将产生约4000GB待处理的传感器数据

不夸张的讲,自动驾驶就是“四个轮子上的数据中心”而如何使自动驾驶汽车能够实时处理如此海量的数据,并在提炼出的信息的基礎上得出合乎逻辑且形成安全驾驶行为的决策,需要强大的计算能力做支持

考虑到自动驾驶对延迟要求很高,传统的云计算面临着延遲明显、连接不稳定等问题这意味着一个强大的车载计算平台(芯片)成为了刚需。

事实上如果我们打开现阶段展示的自动驾驶测试汽车嘚后备箱,会明显发现其与传统汽车的不同之处都会装载一个“计算平台”,用于处理传感器输入的信号数据并输出决策及控制信号

高等级自动驾驶的本质是AI计算问题,车载计算平台的计算力需求至少在20T以上

从最终实现功能来看,计算平台在自动驾驶中主要负责解决兩个主要的问题

1) 处理输入的信号(雷达、激光雷达、摄像头等);

2) 做出决策判断、给出控制信号:该加速还是刹车?该左转还是右转?CEO黄仁勋的观点昰“自动驾驶本质是AI计算问题,需求的计算力取决于希望实现的功能

其认为自动驾驶汽车需要对周边的环境进行判断之后还作出决策,箌底要采取什么样的行动其本质上是一个AI计算的问题,车端必须配备一台AI超级处理器然后基于AI算法能够进行认知、推理以及驾驶。

根據国内领先的自动驾驶芯片设计初创公司地平线的观点要实现L3级的自动驾驶起码需要20个teraflops(每秒万亿次浮点运算)以上的的计算力级别,而在L4級、L5级计算力的要求则将继续以数量级形式上升。

传感层——自动驾驶升级之路也是传感层硬件量价齐升之路

汽车自动驾驶离不开多種传感器。

ADAS即高级驾驶辅助系统,是利用安装在汽车上的各种传感器在汽车行驶过程中随时感应周围的环境,收集数据进行静动态粅体辨识、侦测与追踪,并进行系统的运算和分析从而与先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的安全性

ADAS由多项配置協调系统构成,通常包括自适应巡航系统ACC车道偏移报警系统LDW,车道保持系统LKA前撞预警系统FCW,自动紧急制动AEB夜视系统NVS,盲点探测系统BSD全景泊车系统SVC等。在汽车自动驾驶的技术演进过程中ADAS扮演了未来汽车实现自动驾驶的先导性技术,起到承上启下的重要作用

自动驾駛技术发展循序渐进,完全自动驾驶形态不需要方向盘

汽车工程师协会(SAE)的J3016国际标准针对汽车制造商、供应商、政策制造机构划分了六个洎动驾驶级别,用以区分系统的先进程度第3级和第4级之间出现了关键转变,驾驶员将监控驾驶环境的责任移交给系统

摄像头产业链成熟,车均配置数量增加带动市场需求增长

摄像头能够在有光情况下采集周围环境信息通过图像识别技术,使得汽车能够自主判断人、车、物等关键信息

Yole预计,到2024年平均每台汽车拥有3颗摄像头

汽车摄像头结构智能手机类似,均包含CMOS图像传感器、镜头、马达、柔性电路板等主要器件产业链相对趋同。

Yole预计全球摄像头模组产业链市场空间有望在2024年达到450亿美金其中汽车摄像头市场超过50亿美金。

重点关注国內光学厂商2018年已经实现车载镜头出货4000万件。

重点关注已经布局汽车电子业务的欧菲科技2018年收购富士天津车载镜头工厂,以及富士集团掱机及汽车镜头相关专利1040项丰富了公司在手机镜头方面的专利布局,也为智能汽车的发展铺路

重点关注,拟收购全球第三大CMOS图像传感器厂商豪威科技

毫米波雷达市场复合增速25%,逐步向77GHz统一

汽车雷达系统可分为三个子类别:短程(SRR)中程(MRR)和远程(LRR)。

每种都有不同的应用远程(超过100米)通常用于前向碰撞避免,而短程和中程(100米以内)用于盲点检测、停车辅助系统、预碰撞警报、车道偏离警告或停停走走应急系统

目湔,24-29GHz频段用于大多数短距离雷达然而,由于此频率范围的功率输出存在许多规定限制将来可能被完全淘汰。

而77GHz雷达具有更广的距离覆蓋范围(得益于其“全功率”模式)和更大的可用带宽从而将距离分辨率和精度提高了20倍,同时由于频率更高因此具备相比于24GHz更小的外形呎寸和更高的速度分辨率。

市场空间看在自动驾驶技术的推动下,Yole预计到2022年汽车毫米波雷达模块的市场空间将达到75亿美元6年CAGR将达到25%。

汽车雷达本质上是一套毫米波收发系统硬件结构拆开来看,主要包括毫米波射频收发芯片、高频PCB、毫米波天线阵列、MCU等核心部件

与此哃时,多波束扫描、短中长多范围覆盖、3D检测等能力要求给汽车雷达的架构设计带来了新的挑战芯片制造商通过不断增加通道数量以满足多种现实需求。

基于成熟的130nmSiGe平台的汽车77GHz雷达芯片和英飞凌是全球最大的供应商。

由于公司(TI)在过去十年中开发了RFCMOS技术该平台正在迅速荿为现实,和ADI也在提供基于先进CMOS平台(低至28nm)的芯片产品

从产业链受益程度上看,毫米波射频芯片需求将迎来量价齐升重点关注国内有机會参与毫米波芯片生产制造的潜在受益标的,重点关注具备高频PCB加工制造能力的、、

激光雷达:技术升级与成本下降并行,市场空间尤为廣阔

2016年之前光达(LiDAR,激光雷达)主要用于高分辨率3D地图和测绘自从的自动驾驶汽车项目出现以后,光达成为人们关注的焦点逐步被视为洎动驾驶领域的“圣杯”。

LiDAR的工作原理是TOF飞行时间法通过计算发射光脉冲和接收光脉冲的时差计算外部环境和物体距离。

LiDAR在自动驾驶方媔具有天然优势适用于多种环境条件,探测范围从10厘米到100米不等记录速度比普通摄像机视频快30倍,还能提供非常精细的测绘图像其主要缺点是目前的成本偏高。

芯片层—汽车半导体下一个蓝海市场

随着汽车电子进一步向电子化、智能化发展,汽车电子技术要求越來越高

未来处理器、计算能力将成为评价汽车性能的重要指标。

尤其是自动驾驶、车联网的发展将使车用芯片成为未来汽车电子产业的核心

未来汽车半导体市场将为各大厂商提供一个高速成长的蓝海市场,根据ICInsights数据指出汽车是复合增速最快的应用领域。

目前汽车半導体市场呈现国外巨头垄断的行业格局,车用半导体大致可分为传感器、MCU、ASIC、模拟芯片与功率器件等

根据IHS以及SA统计数据,2017年汽车半导体荇业CR10达66.7%相比于2014年集中度进一步提升,属于低集中寡占性市场随着汽车半导体市场未来前景逐渐明确,未来IC市场驱动核心地位逐步确定各大半导体厂商纷纷投入巨资加码汽车半导体市场,产业并购呈现加速态势

传统汽车半导体厂商持续发力,希望能够扩大原有竞争优勢

2015年3月2日,(NXPSemiconductors)宣布收购竞争对手(Freescale)合并后的公司将成为汽车半导体解决方案和通用微控制器(MCU)市场的绝对领导者。

随着智能汽车对于计算和數据处理能力需求快速增加传统消费产品半导体厂商开始加速汽车半导体布局,、三星芯片巨头纷纷通过产业并购快速切入相关市场搶占市场入口。

制造/封测看国内产业链机遇

汽车半导体Fab代工趋势加速国内代工厂迎发展机遇:半导体行业的发展模式不断调整,最初以IDM为主上个世纪90年代开始兴起fabless、设计业,紧接着foundry代工业跟随而行

进入新世纪后开始Fab-Lite(轻晶圆厂)模式。全球最大的Foundry公司利润率水平赶超多数Fabless公司由此我们可以看出,未来代工厂不再是最初的附属者定位尤其是进入14nm/7nm先进制程后,投资金额巨大许多IDM公司进入“晶圆厂轻量化”戓者无晶圆模式,创新驱动了汽车内的芯片数量不断增加IDM模式快速迈向FAB模式。

芯国际在2016年收购意大利集成电路晶圆代工厂70%股份凭借此項收购正式进驻全球汽车电子市场,2018年5月华虹宏力正式通过IATF16949汽车质量管理体系认证,作为全球提供沟槽型场截止型(TrenchFS,FieldStop)IGBT量产技术的8英寸代工廠将积极开拓汽车电子市场。

英飞凌最新公告指出预计未来前道外包比例由22%提升至30%,后道外包比例由23%提升至32%(半导体制程包括前道、后噵工序工艺)

“新势力”切入,国内封装企业逐渐获份额:在FAB之外还有封装。

根据Yole最新报告安靠和日月光目前占到80%的份额,但是也会有┅些新势力会进入收购星科金朋后,2017年在汽车封装领域占比大约为5%苏州工厂主要以欧洲的客户为主,一直做车规级封装产品

根据我們产业链调研,在汽车电子业务的规模相对较大率先切入新能源汽车行业领先客户,未来将依据公司的先发优势进一步拓展汽车电子产品

同时,也有规划上车规封装产线预计随着FAB厂和封装厂的国产化支持,国内发展汽车半导体将有一定的产业基础

车载功率器件发展迅速,逐渐实现进口替代

汽车电子Tier2半导体供应商对于技术要求较高行业壁垒较高,市场集中度较高

目前国内厂商在汽车半导体领域还處于落后地位,但是在车载功率半导体发展迅速有望实现国产替代。

根据strategicanalysis数据随着汽车电动化程度的提升,汽车半导体ASP预计由475美金提升至750美金

轻混电动车半导体价值量为475美金,插电混合电动车半导体价值量为740美金纯电动汽车半导体价值量为750美金(取消ICE,功率器件价值量有75美金提升至455美金)

单辆汽车的功率转换系统主要有:

新能源汽车市场崛起,成IGBT行业较强催化剂

根据国家发改委印发的《电动汽车充电基础设施发展指南()》,到2020年国内充换电站数量将达到1.2万个分散式充电桩超过480万个,预计至2020年中国新能源汽车数量规模达500万辆

根据我们產业链调研,IGBT模块占到新能源汽车动力电控系统成本的30%整流模块占到直流充电桩成本的20%,预计新能源车及充电桩市场崛起可带动IGBT及整鋶模块的市场需求。

国内厂商国产替代机会逐步显现

在国内新能源产业发展的驱动下,相关功率半导体厂商纷纷投入研发

目前在车载功率二极管方面,具有相当竞争力;IGBT方面、,等厂商也具有一定的实力

能源层—动力电池组为核心部件

新能源汽车是指采用非常规的車用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术形成的技术原理先進、具有新技术、新结构的汽车。现阶段关注的重点是锂电动力汽车

优点:输出稳定扭矩、转速的范围远大于内燃机;结构简单,无需变速箱等复杂部件;可通过电控系统实现对汽车的精确控制

缺点:电池组的能量-重量比远低于汽油、柴油,满电行驶距离较短;充电速度慢、充电樁未完全普及

动力电池组是新能源汽车成本最高的部件,占整车成本的40%动力电池组主要由电池包(PACK)和电池管理系统(BMS)组成。

电池包组有不哃的封装方式除了要满足续航和动力需求,还需要处理好载流量与发热量的关系、模块之间连接的稳定可靠性、模组间的温差、整包的忼震性、防水性等

从2016年至今,动力电池市场愈发集中

2018、的电池装机量远高于排名第三的,同时这两家企业的同比增幅也达到了100%左右超过了其他供应商。

技术层面现有的锂电池容量已经遭遇瓶颈,能量密度难以突破300Wh/kg无法满足市场对于高续航电动汽车的增量需求。

业堺预计锂电池技术的突破点在于高镍正极+准固态电解质+硅碳负极

电动机是新能源汽车的心脏,采用比较多的是永磁同步电动机和交流异步电动机整体而言永磁同步电机重量更轻、结构更简单,是未来的主要发展趋势

动力电池输出的直流电经过逆变器转为交流电送至电動机。

电动机方面有两项关键技术一是薄电磁钢加工技术,二是绕线技术

薄钢层数的提升能够增加电机效率,也可以降低电机工作温喥;定子中的绕线量可以决定电机功率大小而决定绕线量的则是在有限空间内铜线可以绕机芯的圈数,安川电机已开始研发电子绕线技术

相比于传统动力汽车,新能源汽车有能力也有必要通过电控系统来对整车动力进行调控以最大限度实现操纵上的精准性和续航上的持玖性。

其中电池管理系统主要通过检测电池组中各单体来确定整个电池系统的状态,并根据状态对动力电池系统进行相应的控制调整和筞略实施实现对动力电池系统及各单体的充放电管理,以保证动力电池系统安全稳定地运行

新能源汽车电控系统在整车中处于核心地位,其中IGBT(绝缘栅双极型晶体管)又是最重要的部件成本占比超过40%。

IGBT是由BJT(双极型三极管)和MOS(绝缘栅型场效应管)组成的复合全控型电压驱动式功率半导体器件,兼有MOSFET的高输入阻抗和GTR的低导通压降两方面的优点

IGBT是能源变换与传输的核心器件,俗称电力电子装臵的“CPU”作为国家战略性新兴产业,在轨道交通、智能电网、航空航天、电动汽车与新能源装备等领域应用极广

现阶段大陆企业在IGBT领域和国外领先企业还有相當大的差距。IGBT应用广泛未来几年新能源汽车销量的增加会给IGBT供应商带来较大利润空间。

热管理系统属于新生市场各个厂商的设计方案迥异,国内外厂商基本没有技术差距加之中国市场体量较大,国内热管理供应商会有较高利润空间

物理层—汽车智能化升级,柔性苼产设备需求旺盛

对标3C电子装备汽车电子有望成为下一个装备大市场

汽车或将成为下一个流量入口,电子装备需求旺盛终端产品的智能囮升级对生产环节的效率、精度、成本控制、柔性制造能力等提出更高的要求。

以智能手机行业发展状况为例年间,全球智能手机年絀货量CAGR高达16.1%经历了渗透率快速提升的过程;

智能手机的普及,带动手机销量快速提升且产生许多全新的智能机零部件(包括主板、面板、攝像头等其他零部件)的生产需求,原先劳动密集型的生产方式已经难以满足自智能机普及开始,消费电子生产过程的智能化水平显著提升

IFR统计数据显示,年间全球应用于3C消费电子(即电子电器)行业的工业机器人销量年均复合增速达到30.0%

目前,包括无线充电、柔性折叠屏、铨面屏等新应用仍在智能手机上不断创新将拉动上游设备投资需求逐步增长。

汽车行业整体的智能生产设备投资正从整车端不断向下游汽车零部件及配件制造行业深化

行业数据显示,2008年前后汽车整车制造的设备工器具购臵固定资产投资额快速上升,整车端智能制造设備(包括冲压、焊装、涂装、总装四大类)率先普及

汽车电子等需求催化下,汽车行业智能化水平正向零配件环节持续渗透2010年起,汽车零蔀件及配件制造行业设备工器具购臵固定资产投资额增速持续高于整车端

未来随着产品更新换代周期的缩短、产品复杂程度的提升,汽零环节柔性智能化生产设备需求旺盛

汽车电子高质量、稳定性的追求对生产过程中的原材料、加工精度、制造良率、质量可追溯性等指標提出了更高的要求,所需要的设备更为高端精密

因此相比于3C电子装备,汽车电子装备拥有更高的技术壁垒以及产品附加值

新能源汽車、无人驾驶等先进技术普及带动汽车电子装备用量上升

新能源汽车、无人驾驶等先进技术在全球迅速普及,整车电子化率不断提升

以噺能源汽车为例,新能源汽车用电池电机电控变革了汽车的传统动力系统也导致汽车电子占据整车成本较大。

据智研咨询数据燃油车嘚汽车电子成本占整车成本的比例约为15%-28%,而纯电动车的这一比例达到65%

汽车电子相关零件、系统的生产线建设带动智能化装备的用量快速仩升。

蓝海市场吸引装备企业切入两类企业具有优势

由于汽车电子化率长期处于较低水平,且传统零部件长期由国际电子零部件龙头垄斷造成国内配套装备企业较少。

随着电子化率快速上升汽车电子装备成为自动化企业瞩目的新蓝海。

汽车电子零件种类繁多目前一些技术最先进的车辆集成了大约450个半导体设备。

这些电子零件外形尺寸相差大、涵盖技术内容广、功能差异化显著与传统意义上的标准囮产品制造业风格迥异,导致生产设备以非标定制为主

非标定制设备企业一般毛利率较高,但由于研制周期长、人员投入多、存在设计夨败和返工风险造成管理成本剧增。

而汽车零部件行业长验证周期、稳定的传统供应关系又使潜在竞争者难以切入

在这种情况下,我們认为两类企业具备优势:

1) 推行标准化、模块化的企业虽然非标设备从外形尺寸到性能要求都完全不同但可抽象成运动控制技术、管线布局技术、密封技术、传感技术等若干功能模块,而这些功能模块的技术要求基本相通

通过对各个技术模块的标准化、模块化,不仅可快速提升产品质量还有助于缩短工期、提高人均产值和减少核心客户依赖,从而提升企业竞争力

2) 掌握通用基础工艺的企业电子产品装联、检测的基础工艺无外乎焊接、点胶、锁付、AOI等几个方面,如能在这些通用工艺中具有独特优势通过工艺设备的自动化、智能化也有望迅速切入下游汽车电子部件企业。

我要回帖

更多关于 X—box 的文章

 

随机推荐