新时代证券中小盘伐谋主题【自动驾驶专题系列之四：自动驾驶高精度定位——确定性和价值量仍被低估的价值洼地】

来源：金钜策股

新时代证券中小盘：孙金钜、王宁

摘要

高精度地图和定位是L3及以上自动驾驶的决策基础。越来越多的产业链消息表明，2020年左右落地L3自动驾驶成为量产乘用车产业链的共识。在多家车厂L3量产定点的前期，L3自动驾驶的功能范围、产业链各个环节的技术路线和性能指标已经初见端倪。我们从技术原理、硬件发展现状和车规要求出发，判断单独强调感知能力和机器学习的方案具有很大局限性，基于高精度地图和定位的决策体系是目前自动驾驶行业最可行的技术路线。高精度导航和定位在自动驾驶系统中不可替代，致力于高精度地图和定位方向的龙头公司具备明确的市场空间，发展值得期待。

以GNSS+IMU的紧耦合为基础，结合环境特征匹配的方案将成为主流。现有的定位技术手段包括卫星导航、惯性导航和环境特征匹配。我们认为，随着卫星导航增强系统的不断完善，GNSS定位的精度将很快提升至分米级乃至厘米级。但车辆行驶的复杂性决定了自动驾驶的高精度定位需要GNSS和IMU信号深度融合，结合环境特征匹配技术，才能较好应对高速、城市、环线、隧道、极端天气等复杂场景。单独依靠任何一种技术都无法满足高级别自动驾驶的性能要求。

车规级高精度定位技术壁垒和价值量双高，国内企业布局前瞻。车规级高精度定位模块具有一定的特殊性：一方面，乘用车零部件导入一般需要2-3年，龙头企业具备很强的先发优势，以u-blox和NovAtel为首的国外龙头企业和以中海达、中电昆辰为代表的国内厂商从2018年开始逐步布局自动驾驶的高精度解决方案，我们看好部分国内企业在车规级高精度定位的比拼中实现量产定点突破。另一方面，高精度产品技术壁垒较高，集成度较低，器件的制造工艺和成本决定了产品整体的价格较高。整套高精度定位系统大幅降价的唯一可能来自整套系统的芯片化，有部分领先厂商规划了车规级高精度定位硬件芯片化，但未来两年内产品正式推出的难度较大，考虑汽车零部件的导入周期，我们判断，高精度定位系统的价格短期仍会在1000美元左右，中期不会低于500美元，没有快速下降的可能。

受益标的：我们认为，2019年是传统车企自动驾驶布局的关键之年，2020年之后L3级自动驾驶汽车开始普及，带动未来五到十年产业链景气度明显向上。我们看好A股上市公司在高精度地图、高精度导航、视觉传感器零部件、车载通信设备方向的突破潜力。受益标的包括：中海达、四维图新、联创电子、高新兴、耐威科技、韦尔股份等。

风险提示：产业链与车企的合作进展、相关标准和法规的制定低于预期。

1

高精度地图和定位是L3及以上自动驾驶的决策基础

1.1、2020年左右落地L3自动驾驶成为产业链共识

越来越多的产业链消息表明，2020年左右落地L3自动驾驶成为量产乘用车产业链的共识。当前的自动驾驶行业仍处于百花齐放的阶段，典型如行业龙头Waymo、Cruise和Pony.ai集中发力自动驾驶运营，图森未来主攻干线物流，Aurora、西井科技等在加速落地特定场景自动驾驶，百度Apollo则定位于技术平台。主流车企的战略较为一致，短期目标集中在量产乘用车的L3自动驾驶落地。

如我们在深度报告《自动驾驶主题系列之三：高速公路自动驾驶有望成为自动驾驶最先落地的“杀手”功能》中所论述，在多家车厂L3量产定点的前期，L3自动驾驶的功能范围、产业链各个环节的技术路线和性能指标已经初见端倪。然而，市场对各种技术路线和背后的产业链机会仍有争论，如：多传感器融合的技术路线是否有替代方案？基于高精度地图的技术路径是否唯一？在GNSS信号增强方案陆续完善的背景下高精度定位传感器的价格能否大幅下降？

我们判断，高精度定位传感器在价值量和确定性两个维度仍然处于被低估的价值洼地。从技术路线上，基于GNSS+IMU的高精度定位传感器会是自动驾驶传感器的长期必选项，满足自动驾驶要求的高精度定位传感器价格在中期内仍会保持在较高水平。

1.2、自动驾驶Vs.人类驾驶员：为什么高精度地图是自动驾驶系统的决策基础？

L3自动驾驶的关键在于系统具备决策能力。目前通行的自动驾驶标准分为SAE标准和NHTSA标准，两个标准对于L3级别的定义是类似的，均要求自动驾驶系统具备驾驶决策能力，即开始由车辆来完成对周边环境境监控的任务并进行驾驶决策，人类驾驶员只需要在紧急情况下接管。L3是自动驾驶技术的分水岭，L3之前的自动驾驶系统仍然为辅助功能，从L3开始，自动驾驶开始接近我们对于自动驾驶的设想，而L3到L4/5阶段更多的是解决极端场景，提升系统性能的阶段，所谓的代际问题更多是工程问题。

传统的驾驶过程中，人类驾驶员主要思考三个问题：当前位置，目标位置，路线规划。自动驾驶系统的决策也要依赖位置信息和路线规划信息。在人类驾驶过程中，需要通过视觉和听觉来观测周围环境，利用车载导航系统来做定位和路线规划，驾驶过程中不断比对周边环境与地图信息是否吻合，把控方向盘刹车等设备来对车辆的速度转向等进行调整，最终安全到达目的地。上述过程对照了自动驾驶的核心环节：感知，定位，决策，控制。

主流的自动驾驶方案从现有技术能力出发，通过多传感器的融合尽量扩充感知范围，但仍假设系统无法充分理解外部环境，故将路面信息、驾驶规则、外部场景等信息融合在高精度地图中，以高精度地图为基础去规划驾驶路线，进行驾驶决策。

另一种技术路线则从“第一性原理”出发，理想的自动驾驶只需要通过视觉去认识外界环境和交通规则要求，通过记忆去规划路线；对于人类驾驶员而言，即使处于完全陌生的路面环境，也可以通过感知和经验去完成驾驶动作。这也是以特斯拉Autopilot为代表的部分自动驾驶系统的设计理念，即以视觉传感器为主，依赖算法去解决剩下的问题。

1.3、高精度地图体系解决了感知和应用层面的两大难题

从目前的产业进展来看，基于高精度地图的技术路线解决了感知和应用层面的两大难题，是绝对的主流；高度依赖机器学习算法的方案面临原理上的挑战，短期更面临大量的感知困境和可靠性问题，是否能成为可行技术路线仍然成疑。

1.3.1、基于卷积神经网络算法的机器视觉体系无法完美解决感知问题

自动驾驶的感知体系一般为基于卷积神经网络（Convolutional Neural Networks, CNN）的机器学习体系。在我们过去的观点中，随着算力的提升和网络的深入，CNNs体系可以捕捉到更多的特征值，从而使其识别准确率达到或超过人类的水平。

我们认为，现有的机器学习体系从原理上无法满足自动驾驶对于感知的要求。据Aharon Azulay、Yair Weiss研究发现，在研究小幅图像的运动物体时，CNN体系的准确率并无显著提升，仅对图像改变几个像素，数据结果就出现了变化。Waymo提供的案例中也展示了类似的缺陷，感知系统会将行进中的北极熊标记为狒狒、猫鼬或黄鼠狼，网络越深，结果就越不稳定。

1.3.2、自动驾驶系统能感知和处理的信息量仍远远低于人类

以视觉为例：业界评估，若需要达到全天候、全路况的完全无人驾驶，理想状态下需要达到1000T的信息量，才能与人脑算力相当。目前主流的几家芯片公司和车厂推出的计算平台和产品依然存在瓶颈，无法达到自动驾驶中深度学习的要求。以行业领先企业Mobileye第四代方案EyeQ4为例，EyeQ4本身具备2.5TOPS的算力，可以处理8路1080P*30FPS的视频数据，对应约2Gbps的数据流量，地平线的征程1.0芯片具备1TOPS算力，英伟达Xavier具备30TOPS算力，同时也带来了30W的高功耗。

以激光雷达为例：激光雷达易受到雾霾、雨雪天气影响，探测距离和分辨率不足。目前主流的激光雷达产品测距范围在100至200米，对于一般的16线或32线产品，200米量程末端的点云纵向间隔可达到0.5至1米，无法清晰完整地识别物体。

1.3.3、高精度地图可以有效应对车辆面临的极端场景

高精地图不受恶劣天气的影响，丰富细节，即使处于完全不可视环境，依靠地图和定位也能完成部分自动驾驶功能。对于传感器存在探测距离和分辨率的问题，地图扮演了离线的传感器的角色，不受遮挡、无距离与视觉限制，可将各种道路元素的位置提前标注好，相当于拥有无限远的数据感知。如果出现传感器不工作的情况，高精地图也可以将大量的交通位置信息提供给其他模块，可以帮助系统预先判断，补充感知漏洞，同时减少出现急刹急转等情况，提高驾驶的安全性和舒适性。

2

以GNSS+IMU的紧耦合技术为基础，结合环境特征匹配的综合方案将成为主流

我们认为，L3级别自动驾驶的定位精度误差要控制在30cm以内。一方面，高精度地图的绘制精度要求达到10cm，定位精度应与地图精度匹配。另一方面，L3级别需要满足车道级定位精度。从国家颁布的城市道路标准可以得到相关数据，城市道路、交叉路口、干线公路（包括高速公路）、路肩（高速公路紧急停车带）对应的车道宽度分别为3.5米、 2.3-2.5米、3.75米以及1.5-2.5米，轿车的宽度一般约2米。由此，我们分析L3级别需要10-30cm的定位精度。在技术路线上，我们认为自动驾驶的成熟定位方案，应该是以GNSS+IMU的紧耦合技术为基础，结合环境特征匹配的综合方案。

2.1、GNSS精度的提升主要依赖于增强系统的建设

传统的GNSS单点定位精度为米级，精度提升的主要路径是通过RTK技术以及建立增强系统。

GNSS的全称是全球导航卫星系统，包括GPS、Glonass、Galileo、北斗及对应的增强系统和区域系统。卫星定位原理是通过接收器与至少4颗卫星通讯来确定该接收器的位置，由于存在大气离层干扰，这种方法是伪距测量，精度只能达到米级。RTK是一种利用GPS载波相位观测值进行实时动态相对定位的技术，流动站利用基准站数据和GPS观测数据做差分处理，可以在野外实时得到厘米级定位结果。RTK已经是一项成熟的技术，随着增强系统不断建设，在大多场景下车辆可以通过GNSS定位系统获得满足自动驾驶需要的精度。

自动驾驶车辆通过安装的车载GNSS接收机接收信号，比较基站接收的卫星信号做差分处理得到高精度定位。最早利用单独的GPS做厘米级RTK固定解需要几分钟，现在通过GNSS的多星多频联合结算，时间缩短到几十秒。

地基增强系统：通过在地面建立固定的参考站(CORS站)，来对比卫星定位坐标与自身已知坐标的误差，将差分修正发送给接收机，最终使得卫星导航精度达到亚米级。

星基增强系统：包含了GNSS系统中的五个增强系统，由地面参考基站，主控站，上行注入站和地球同步卫星共同组成。差分站将监测导航卫星获得的原始定位数据送至主控站，主控站计算出各卫星的定位修正信息，地球静止轨道卫星最后将注入站发来的信息播发给广大用户。

天宝RTX：全球领先的星基增强服务系统。天宝RTX是一个典型的星基增强系统，通过独有的技术不依靠额外设备实现差分信号的获取，接收机定位精度达到2厘米。天宝RTX服务是利用来自全球跟踪站网络的实时数据以及定位和压缩算法来计算中继卫星轨道、卫星时钟和其他系统的修正，再播发到接收机从而获得实时高精度的定位系统。

2.2、惯性导航系统是应对车辆复杂行驶环境的必要补充

惯性导航系统（Internal Navigation System, INS）由陀螺仪、加速度计等惯性传感器和导航解算系统集成而成。陀螺仪和加速度计是系统的核心器件，陀螺仪测量物体的角速度，加速度计测量物体的加速度。典型的惯导产品包含3组陀螺仪和加速度计，分别测量三个自由度的角速度和加速度，通过积分即可获得物体在三维空间的运动速度和轨迹。在实际应用中，需要利用GPS、北斗等方式产生的信号进行初始化，结合惯导信号和卫星导航信号进行进行卡尔曼滤波处理，得出其最佳推算的定位信息。

惯导比起卫星定位具有自身的技术优势，测量方法不依赖外界，短期精度高，能稳定高频地输出信号。工作原理是通过感知物体在空间的角速度、线速度，进而获取物体的姿态、位置和速度等信息，实现对运动物体姿态和运动轨迹的测量，可以实现全天候全地点地工作。但惯导也有自身的缺陷，由于采用积分算法，定位误差随载体运行不断累积。

2.2.1、量产自动驾驶车辆在实际运行的复杂场景

自动驾驶系统通过RTK技术，在星况良好的情境下，可以满足自动驾驶定位的精度要求，但仍然无法应对众多极端场景，需要惯性导航系统配合卫星导航系统工作。

多路径问题：城市环境中，空气中的悬浮介质以及高楼大厦的外墙都会反射与折射卫星信号，造成信号传播时间的误差，导致定位产生米级的误差，影响自动驾驶车辆的决策和行驶。

信号稳定性问题：GNSS更新频率在10Hz左右，无法保证高频稳定的信息输出，高动态复杂环境下鲁棒性低，在实时性和可靠性方面存在欠缺。 

失锁问题：GNSS在进入隧道、地下车库、高楼林立等遮挡环境中会出现信号中断，长时间中断会造成无法进行车辆定位。

2.2.2、GNSS+IMU紧密耦合方案有望成为定位技术主流

GNSS和INS都存在着自身难以克服的缺点，但两者具有很强的互补性，组合定位可以各取所长。按照信息交换或组合程度的不同，分为松散组合和紧耦合。两种组合方案都需要用到卡尔曼滤波器，区别在于松散组合只是GNSS信息单向对INS信号进行反馈校正，而紧耦合是双向信息传输，INS信号也用于计算载体相对于GNSS卫星的伪距和伪距率, 来辅助GNSS信号的接收过程，以此提高精度和动态性能。

总体来说，松耦合方案相对紧耦合来说结构简单，在GPS工作良好时，组合方案输出精度较好，当GPS受影响而长期不工作时，组合精度急剧下降。紧耦合方案在动态工作下精度和可靠性更高，即使GPS信号无法跟踪时也可以利用INS独立导航，而且利用INS可以提高GPS信号重新捕获速度，改进跟踪回路能力，提高抗干扰性和保密性。

在实际当中，组合导航在城市复杂路况的表现显著优于单独GNSS导航。从示例中可以看到，组合导航行驶轨迹更圆滑，在天桥、树林或是遮挡环境下都能有持续性输出。组合导航可以保障高动态、高频率定位输出的稳定性，在辅助高速过弯方面优势明显。

2.3、环境特征匹配仍存在无法处理的极端场景

环境特征匹配是模仿人类认知模式而产生的定位技术，利用激光雷达、视觉等车载传感器获取的数据和图像信息与已有高精地图环境进行比对匹配来确定自身位置和姿态。

据百度Apollo的研究，环境特征信息与惯性导航融合可以大大提升高精定位系统的场景覆盖能力。通过GNSS-RTK可实现65%综合场景定位误差小于20cm的覆盖率，GNSS+IMU的组合惯导则可以实现85%左右的覆盖，而 GNSS+IMU+Lidar/CV 的融合高精度定位系统可以实现97.5%以上的覆盖率。我们认为，单一使用环境特征匹配的方案无法满足自动驾驶面临的复杂情景，GNSS+INS+环境特征匹配的融合可以保障系统精度以及动态可靠性。

车道线是自动驾驶环境中最常用的提取特征，利用摄像头拍到的车道线来确定车辆的相对位置，再将图像与高精地图比对得到精准的位置和姿态信息，匹配算法方面可以利用粒子滤波原理的概率判断方案。如下图所示，根据红线与蓝线的匹配度程度，推断车辆更大概率在右侧图像位置上。

车道线识别定位是一种简单直观、模仿人类开车习惯的方案，而且摄像头价格便宜（百元级），安装简单，基本每辆车都能够配备。但是这种方案也存在难以忽视的缺陷，首先车道线自身会存在模糊或消失的情况而无法识别，其次在恶劣天气下，如雨雪、雾霾、强光照射环境下，摄像头基本失效。在这些情况下，需要依靠GNSS+IMU来提供高精度定位信息，三者的融合方案才是自动驾驶定位的必由选择。

3

车规级高精度定位技术壁垒和价值量双高，国内企业布局前瞻

车规级高精度定位模块具有一定的特殊性：一方面，导入周期长，量产乘用车零部件导入一般需要2-3年，龙头企业具备很强的先发优势；另一方面，产品技术壁垒较高，价格昂贵，技术路线决定了短期内没有成本大幅下降的技术方案。以u-blox和NovAtel为首的国外龙头企业和以中海达、中电昆辰为代表的国内厂商从2018年开始逐步布局自动驾驶的高精度解决方案，我们看好部分国内企业在车规级高精度定位的比拼中实现国产化突破。

3.1、国内外龙头纷纷布局车规级高精度定位方案

3.1.1、u-blox：商用精度导航芯片龙头，率先布局高精度定位技术

总部设在瑞士的u-blox是为量产乘用车提供车载定位模块的龙头供应商，于2018年2月份推出接收多星多频的技术平台F9以及基于此开发的ZED-F9P多频段GNSS模块，该模块整合RTK技术，是最成熟的车规级GNSS解决方案。

3.1.2、Trimble：RTX服务实现量产车应用

Trimble RTX（全球精密定位服务）技术的定位精度可以达到3.8厘米，已经全面应用于通用汽车的自动驾驶平台Super Cruise来为车辆提供绝对定位，最早量产的车型为2018款凯迪拉克CT6，通过与高精度地图、摄像头、雷达和惯导结合使用可以实现接近L3的辅助驾驶功能。

3.1.3、NovAtel：L4自动驾驶研发的主流选择

NovAtel公司是精密全球导航卫星系统行业领先的产品与技术供应商，公司提供单盒方案产品：SPAN-IGM-A1，将GNSS接收机与MEMS惯导紧密耦合，采用多星多频的RTK技术，保证了高的数据更新频率以及厘米级精度。公司产品可以在多数场景下实现厘米级的精度，故很多面向L4自动驾驶的企业都会选择NovAtel的产品试验，但据我们的产业链调研了解，公司相关的产品价格极为昂贵，量产乘用车预计无法接受。

3.1.4、中海达：率先开始车规级高精度定位研发

2018年5月，中海达发布了HI-RTP“全球精度”定位服务系统。它是一套覆盖全球的高精度星基增强系统，提供实时动态厘米级的定位精度。目前，HI-RTP全球参考站已达100余个，预计将在今年进行亚太区试运行，并计划在2019年至2020年全球参考站达到220个以上，从而实现全球区域星基增强服务。

2018年8月在投资者交流平台中表示已与上汽集团、菜鸟物流等企业就无人智能载体、无人驾驶相关业务进行合作交流及部分产品的联合开发。

3.1.5、华测导航：为限定场景自动驾驶提供服务

华测导航开展了低速限定场景下自动驾驶的服务，提供GNSS RTK+惯性导航+高精地图+机器视觉的技术组合的方案实现高精度定位与导航。

3.1.6、中电昆辰：为量产车的自动代客泊车提供高精度定位

中电昆辰的“鹰眼”采用超宽带通信技术，适用于地下车库、高架桥、隧道和高楼等遮挡区域，提供低延迟、厘米级定位。公司已于上汽达成合作关系，2018年10月上汽推出的量产自动驾驶纯电动汽车Marvel X，由中电昆辰提供“最后一公里”自主代客泊车服务。

3.2、组合导航产品的技术路线决定了短期内难有低成本解决方案出现

组合导航产品是L3以上自动驾驶高精度定位的唯一选择。目前的产品形态为板卡集成或分立器件形式，集成度较低。IMU器件制造的工艺难度较高，没有大规模量产历史，故我们判断成本仍将长期保持在高位，器件的价格决定了整套系统的价格。根据我们搜集的资料显示（详情可参见表7至表10），高精度GNSS定位+天线的成本在百元级，而符合精度要求的IMU器件成本将长期保持在千元级。故我们判断，整套系统的价格短期仍会在1000美元左右，中期不会低于500美元。

整套高精度定位系统大幅降价的唯一可能来自整套系统的芯片化，据我们了解，有部分领先厂商规划了车规级高精度定位硬件芯片化，但未来两年内都很难看到正式产品发布，考虑汽车零部件的导入周期，我们判断，未来五年内高精度定位模块的价格不会出现快速下降。

3.2.1、以中海达为例分析车载高精度组合导航的系统架构

据公司公开技术分享，中海达的车规级高精度组合导航方案为板卡级的集成方案，将高精度射频组芯片、基带芯片、RTK算法以及MEMS惯导紧密融合到芯片中，变成一个高度集成的硬件。

3.2.2、产业链信息显示组合导航系统成本仍然较高

组合导航在应对短时间无卫星信号的失锁情况时主要依靠惯导进行定位。目前车企的要求下限一般为1‰的偏离，近似于车辆行驶1000米偏差小于1m。对应IMU产品的零偏稳定性指标约1- 8°/小时。

我们认为，未来车规级高精度定位模块的理想价格在1000-4000元/套。我们也搜集了满足部分满足车规级要求的GNSS器件和IMU器件的公开报价，由于行业价格不透明，公开报价普遍偏高，但整体价位表明，组合导航的器件成本是远高于千元的。

4

受益标的

综合考虑技术成熟度、成本、应用场景等因素，我们看好A股上市公司在高精度地图、高精度导航、车载通信设备、视觉传感器零部件、车载芯片方向的突破潜力。受益标的包括：中海达（高精度地图+导航）、四维图新（高精度地图+车载芯片）、联创电子（车载ADAS摄像头）、高新兴（车规级通信模组）、耐威科技（导航）、韦尔股份（车载CMOS芯片）等。

中海达（300177.SZ）：北斗卫星导航定位行业龙头，受益国土测绘和自动驾驶新需求

作为北斗卫星导航定位产业龙头，中海达以北斗+精准定位装备为基础做延伸，公司将先后受益于国土测绘需求爆发、自动驾驶全面普及浪潮等产业链新需求。公司在自动驾驶方向重点布局高精度地图测绘和量产车用卫惯组合导航。高精度地图方向，联营子公司武汉中海庭数据技术有限公司是国内稀缺的，由车厂主导、技术厂商参与的高精度地图图商，公司也是定位和测绘行业的主要供应商之一；量产车用卫惯组合导航方向，公司在研的车规级高精度导航产品已进入多家汽车制造企业的测试阶段，在无人驾驶领域的规模化产品应用方向走出了关键一步。

四维图新（002405.SZ）：高精度地图龙头加速垂直整合，自动驾驶整体解决方案呼之欲出

公司是国内高精度地图领域龙头企业，资质壁垒明显。近年来公司明确提出“智能汽车大脑”战略愿景，业务由传统的导航电子地图向智能网联汽车、车载芯片、ADAS等领域拓展。公司2017年收购杰发科技，通过杰发在IVI产品在后装市场上积累的优势切入前装市场，同时将公司原有的高精度定位资源与杰发的车载芯片业务进行整合，接连推出新一代车载信息娱乐系统核心主控芯片、车载功率芯片、智能座舱系统主控芯片等汽车电子芯片，快速占领全球车载芯片市场。垂直整合的加速使公司在自动驾驶领域护城河持续加深，先发优势愈加明显，公司将充分受益于自动驾驶行业在未来十年的高速发展。

联创电子（002036.SZ）：绑定视觉算法龙头打开车载ADAS镜头蓝海市场

公司是高清广角摄像头老牌厂商，是全球运动相机龙头GoPro的第一大镜头供应商。近年来凭借其模造玻璃镜片的核心技术，切入车载ADAS镜头领域。公司一直是特斯拉的车载镜头主力供应商，技术优势明显。目前，公司三款ADAS镜头已经通过国际知名高级汽车辅助驾驶方案公司Mobileye认证，预计2018年年底到2019年开始放量。公司还与世界知名视觉芯片解决方案公司英伟达进行合作，共同开发车载视觉传感解决方案。公司绑定视觉传感方案双巨头，在车载ADAS镜头的市场拓展走在了竞争对手之前，有望成为受益于自动驾驶爆发的第一批核心零部件供应商。

高新兴（300098.SZ）：联手吉利、比亚迪，车规级通信模组&T-Box产品抢占国内市场

公司是国内领先的交通安防整体解决方案提供商，近年来战略转型，深耕物联网大交通领域。国内方面，公司联手吉利汽车推出车规级通信模组，预计2018年出货超过150万片，销售额同比增长三倍以上；公司T-Box产品顺利进入比亚迪供应商目录；国外方面，公司车载OBD模块业务在2017年打入美国后装市场后，2018年在欧洲市场再下一城，先后实现对德国、意大利、瑞典等运营商的批量供货，销售额增速预计达到30%-40%。公司向大交通领域的物联网终端提供商转型的决心非常坚定，并通过与国内整车厂，国外运营商的紧密合作形成护城河。受益于初级自动驾驶市场和汽车大数据后市场的不断发展，公司的车规级通信模块、T-Box和车载OBD业务将实现快速增长。

耐威科技（300456.SZ）：导航和MEMS代工业务双轮驱动，导航模块适配百度“Apollo”硬件开发平台

耐威科技以卫星导航、惯性导航系统的研发和制造起家，通过收购全球MEMS纯代工龙头赛莱克斯进入了MEMS代工领域。目前形成了导航、MEMS、航空电子三大核心业务。导航业务是耐威科技的传统业务，公司推出针对自动驾驶的定位定姿系统NV-GI120，有高精度的GNSS板卡和高精度MEMS陀螺，具备实时姿态和位置算解算能力，进入了百度“Apollo”计划硬件开发平台适配名录。我们看好百度“Apollo”在无人驾驶领域的整合能力和平台价值，进入“Apollo”体系是耐威科技在无人驾驶领域的重要突破。

韦尔股份（603501.SH）：收购豪威科技补强CIS领域，拓展汽车电子市场

公司主营业务为半导体分立器件的设计，以及被动器件、分立器件、结构器件的分销，下游涵盖消费电子、汽车电子、网络通信等众多领域。公司2018年5月公告筹划收购北京豪威和北京思科比等公司，补齐公司CIS领域短板。豪威（Omnivision）目前是全球第三大CIS厂商，在汽车市场份额全球仅次于安森美排名第二。随着自动驾驶行业不断发展，用户对于车载视觉传感系统需求不断提升，CMOS传感器在ADAS系统中的重要性也在不断提升，车载市场份额排名全球第二的豪威必然受益。根据公司公告，收购预案中豪威2019-2021年的业绩承诺为5.45/8.45/11.26亿元，如果本次收购顺利完成，公司将凭借豪威在车载CMOS传感器领域的市场地位，快速扩大在自动驾驶领域的布局。

免责声明：自媒体综合提供的内容均源自自媒体，版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者本人，不代表新浪立场。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，入市需谨慎。