（报告出品方/作者：安信证券，徐慧雄、李泽）1.车路协同在技术进步与政策支持背景下正加速落地 1.1.当前处于 L2+自动驾驶级别规模量产时期，2022 年 L2+渗透率约 21.9% 国内自动驾驶被分为六个级别：其中 L0-L2 可实现辅助驾驶，L3 开始正式进入自动驾驶。 自动驾驶是指汽车依靠激光雷达、摄像头等传感器使车辆具有环境感知能力，配合人工智 能、高精度地图及全球定位等技术使车辆完成路径规划及自主决策，最终车辆可以在不受 人为干预的情况下自动安全的行驶。根据工信部发布的《（1）L1 与 L2 分别是部分驾驶辅助及组合驾驶辅助，在 L1 级别的辅助驾驶中，自动驾驶 系统可以辅助驾驶员完成部分驾驶操作。车辆防抱死系统（ABS），车身电子稳定功能 （ESP）等配置均在 L1 级别辅助驾驶中得到应用，然而在此级别中辅助驾驶功能有限，大 部分功能主要是由驾驶员完成。L2 在 L1 的基础上可以实现部分功能的自动化，但检测路况， 紧急情况的判断及操作仍需驾驶员完成。L2 级别辅助驾驶通常会具备 ACC 自适应导航，车 道保持系统，自动刹车辅助系统及自动泊车系统等。 （2）L3，L4，L5 分别是有条件自动驾驶，高度自动驾驶及完全自动驾驶。从 L3 级别的驾 驶自动化开始，车辆本身可以通过激光雷达等传感器实时监测周边环境从而实现有条件的 自动驾驶。L4-L5 级车辆不仅可以达到协同感知，同时可以达到协同控制及协同决策，通过 车辆网联化及人工智能算法逐渐成熟，车、路、云可相互协调在三层架构中实现环境感知、 数据融合计算，再由车端进行实时控制，从而达到有条件自动驾驶及高度自动驾驶。当前国内自动驾驶仍处于 L2+规模化量产阶段，目前 L2+渗透率约 21.9%。低阶的 ADAS （先进辅助驾驶系统）仍是目前自动驾驶市场的主导技术。其中，L2 级的 ADAS 可以根据 周边环境，在特定情况下实现车辆加速/减速，但其余动态驾驶需要由驾驶员完成。根据佐 思汽研数据显示，截止至 2022 年 1-4 月，L2+级自动驾驶系统配置量同比增长 118.4%，汽 车数量达到 57.4 万辆，装配率达到 21.9%。此外，根据前瞻产业研究院数据统计，预计到 2030 年国内 L3 级及以下自动驾驶车辆渗透率将达到 70%。
1.2.依靠单车智能实现 L5 智驾难度大，车路协同有望突破技术瓶颈 1.2.1.单车智能难以实现 L5 级自动驾驶 汽车自动驾驶的实现包含单车智能及车路协同两大技术方案。其区别在于单车智能软硬件 全部集中在车内，而车路协同则是分布在车端、路侧及云端。因此从高级别自动驾驶功能 对目标/事件探测及响应、驾驶任务接管、车辆横纵向运动控制等方面的要求而言，基于当 下单车智能的技术水平若需满足高阶自动驾驶功能，需要车路协同技术的辅助。基于单车智能技术难以实现 L5 级别的完全自动驾驶。目前单车智能是实现自动驾驶的主流 方案，其在普通汽车的基础上安装毫米波雷达、激光雷达、车载摄像头等硬件设备，配备 完善的软件系统及高效的算法，赋予车辆自动驾驶的能力，车辆独自收集信息并对所收集 的信息进行处理并执行。而 L5 级自动驾驶要求车辆在不受人为干预的情况下具有决策生成 的能力，与 L0-L4 级别中的辅助驾驶及部分自动驾驶相比，L5 级别的自动驾驶系统需要更 强大的具备逻辑推理学习能力。这种学习能力不同于简单的机器学习模式，需要不仅拥有 基于过往驾驶经历进行特征提取并自我回测优化的能力，同时亦需要车辆拥有与交通环境 交互的能力，获得更多超视距感知信息和视觉盲区的路况。尽管当前国内外已经提出了部 分可以帮助高等自动驾驶汽车获取更加准确的环境感知信息的概念，例如神经网络视觉传 感器、超级中央计算平台等，但仅凭当前单车智能中的传感器、算力、算法等去实现 L5 级完全自动驾驶仍然是望尘莫及。除此之外，单车智能技术下难以实现 L5 级自动驾驶的原因 还有交通参与者行动轨迹无明显规律可循。在动态环境下，存在人、车、路的多方不确定 性。而人与其他车辆的运动的不确定性及道路的复杂性均会导致单车智能车辆对交通认知 的难度提高。1.2.2.车路协同有效补齐单车智能技术不足车路协同技术基于车、路、云之间的信息实时互通，可以有效补足单车智能技术不足。车 路协同则是将车内部分传感器、决策终端等均转移至路侧，通过路侧计算单元或传感器完 成数据融合或决策后再通过通信技术传导至车端，由此降低高阶自动驾驶下对车端设备性 能的要求。其在单车智能自动驾驶的基础之上，通过车上所搭载的设备（OBU 等）及道路 感知及定位系统（RSU，雷达等）实时高精度感知定位，实现车车，车路，车人之间的实 时信息共享。
车路协同可以将部分传感器搭载至路侧，并通过 V2X 通信技术实时传输信息，即可快速获 得不在车辆视野范围内的信息，有效突破单车智能这一技术瓶颈。以交通信号灯为例，如 果由单车智能车辆完成，则需要车辆在较远距离时识别定位到交通信号灯，并通过光学传 感器识别灯色并预测灯色变化时间。同时还需要面临炫光、LED 闪频、移动式红绿灯位移、 前方车辆阻挡等多种外在感知障碍。而通过车路协同可以简单解决这一问题，通过路侧感 知系统实现与信号灯机的实时对接，不仅可以快速获得准确可靠的信号灯当前信息，还可 以获得单车智能无法感知到的倒计时等意图信息。1.3.C-V2X 技术普及加速落地，中国的交通国情亟需发展车路协同 1.3.1.C-V2X 是核心通信技术，其普及将协助车路协同快速发展 C-V2X 是车路协同实现信息通信的核心技术，其普及为车路协同快速发展提供有效技术支 持。V2X 即车用无线通信技术，意为车与一切事物可以进行信息互换。其中 V 代表车辆， X 代表与车辆通信的其他主体。当前的 X 主要包括车、人、路侧基础设施及网络。V2V 是 指车辆与车辆之间的通信，通过每辆车的车载终端可以实时获得周围其他车辆的位置，车 速，行车情况等信息；V2I 是指车辆与路侧基础设施之间的信息传输，路侧基础设施可以获 得超车辆视距的信息并实时传输给车辆；V2P 指的是车辆与行人/骑行者之间的实时信息传 输；V2N 则是车辆接入网络与云平台连接。整体而言，V2X 是将人、车、路、云紧密联系 在一起，不仅可以协助车辆获得比单车感知更多的信息，更有利于协助构成未来的智慧交 通体系。
C-V2X 在我国具备广泛的基站覆盖基础，叠加其在时延、传输速度和距离、传输稳定性等 方面的优势，将为智能网联汽车落地和发展提供重要技术支持。在智能网联汽车通信技术 中，不同于英美等采用技术程度成熟度更高的 DSRC（Dedicated Short Range Communication， 专用短程通信技术），我国选择 C-V2X 技术。C-V2X 中的 C 是指蜂窝（Cellular），是基于 3G/4G/5G 等蜂窝网通信技术演进形成的车用无线通信技术。当前的 LTE-V2X 及未来将实现 的 5G-V2X 均隶属于 C-V2X 的范畴。通过 C-V2X 的发展可以逐步实现车路协同控制、车车 协同编队、远程操作等高级自动驾驶及完全自动驾驶功能。车路协同是以车载系统及路侧系统进行数据收集，通过 V2X 进行实时数据传输，通过云端系统进行对数据进行计算处理 并下达决策，最终实现人、车、路之间的信息实时交互，从而达成智慧交通体系。根据上 述，车路协同实现离不开四个核心技术的发展，智能车载技术、智能路侧技术、通信技术 及云端技术。1.3.2.中国人口道路密度使车路协同更具经济性，新基站及智能公路加快方案落地中国人口密度及道路密度较高，以车路协同实现高等级自动驾驶具有显著经济性。车路协 同需要额外投入成本至路端建设，例如在路端安装摄像头，激光雷达，毫米波雷达等传感 器可有效实现以全局视角探测周围环境，最大程度减少盲区并实时传输准确数据至车端， 但由此车内安装传感器的价格将被节省下来，车载设备成本大大降低。并且随着车载及路 载设备在未来规模量产后成本将会进一步下降，未来可以以更加经济的成本进行智慧道路 的建设。根据由清华大学智能产业研究院所撰写的《面向自动驾驶的车路协同关键技术与 展望》中的推算逻辑， 2021 年交通运输行业发展统计公报显示，截止 2021 年末，全国公路 总里程为 528.07 万公里，2021 年汽车保有量为 3.02 亿量，可以估算出如果在每辆车的成本 上节省 1.75 万元，便可以有 100 万元的资金用于投入每公里道路的建设，人口密度较大的 城市分摊至每辆车上的价格也会大大降低。智能化道路基础设施具备可重复使用的特点， 加之路端成本可以分摊至车端，随着未来车辆数量越来越多，相比于单车智能，车路协同 的部署成本优势会进一步加强。
新基建及智能公路建设助力车路协同技术快速落地。根据工业和信息化部公布的数据可见， 截止至 2022 年 6 月底，我国建设开通的 5G 基站数量超过 180 万个，在全球范围内，中国 的 5G 基站数量占比达到 60%，5G 基站数量的激增带动了 V2X 的通信技术快速发展，同时 其低延迟，高可靠的特点也为车路协同带来了强有力的通讯技术支持；中国的智慧公路行 业规模持续增长，从 2015 年的 324 亿元攀增至 2020 年的 641 亿元，CAGR 为 14.6%。随着 智慧公路行业的不断探索，路侧设备及智能交通相关建设不断完善，可推进自动驾驶技术 稳步发展。1.3.3.中国对行车安全问题关注度高，车路协同有效解决单车智能安全隐患等问题 中国对行车安全问题关注度高，单车智能仍存在多种安全隐患问题。当前单车智能的安全 问题仍然是一个较大的挑战，主要问题有四个： (1)车内软硬件系统容易出现漏洞或失灵。造成这个问题的原因是因为单车智能需要过于复 杂的数据收集，处理以及下达决策的系统，某一部分产生细小失误便容易造成较大的连锁 影响；(2)感知器容易收到极端天气以及遮挡的影响。在恶劣天气下，例如激光雷达会因为 积水反射的原因易造成摄像画面模糊，大雾天气下摄像头无法清晰探测到周边路况以及大 雪会覆盖路面上用于辅助感知的道路标识；（3）国内道路环境过于复杂，单车智能车辆难 以获得全面信息。单车智能的智能决策系统搭载在车内，行为预测、决策能力易出现不足 情况。并且除机动车车外，当前中国道路上通常还会有大量的非机动车及行人。非机动车 及行人的行动轨迹通常是难以预测的，交叉路口更是事故频发地，如果单车智能车辆无法 进行及时预测及决策，极易造成交通事故。路侧感知协助车路协同可获得超视距视野，云端及路端分摊车内软硬件，由此有望有效减 少交通事故的发生。针对上述单车智能的四个问题，车路协同有较好的解决方案：（1）车 内软硬件易失灵问题：由于车路协同将大部分感知器，智能决策系统迁移至路侧及云端， 车内的少量软硬件不易造成漏洞及漏洞的连锁反应；（2）感知器易受极端天气影响问题： 得益于 V2X 通信技术，车与车、车与路、车与人之间可以做到信息实时传输，当大雾天气 下车内摄像头可探测范围有限时，路侧的 RSU 可以协助获得车辆无法获得的道路信息并实 时传输给车辆；（3）道路环境过于复杂问题：当前方大型车辆遮挡住红绿灯信息时，通过 V2V/V2I 均可以获得被遮挡住的信息，可以有效防止交通事故的发生；（4）决策能力不及 时问题：相较于单车智能，车路协同的决策能力将大大的提高，车路协同的决策能被转移 至云端，由云端对采集的数据进行实时处理、分析、预测及下达决策，这将大大提高车路 协同技术决策能力的及时性。
此外，车路协同同时可以有效缓解交通压力，促进交通效率提升。通过车、路、云三边协 同配合，以及数据通信技术实时接收，可以进一步的提高交通效率。例如通过传送红绿灯 信息以及进行红绿灯车速引导，可以大幅度提高路口通行效率以及降低车内燃油消耗；通 过发送前方道路状况提醒，可以提前得知前方道路是否正在施工或有事故发生，此类提醒 一方面可以避免道路拥堵，另一方面也可以防止二次事故的发生。当在学校，景点等交通容易出现拥堵情况的区域时，车路协同也可以更有效的疏散拥挤车流。除上述场景外，车 路协同还可以做到智能停车，通过车内 OBU 与路侧 RBU 的实时通信，智能停车系统可以 快速判断车辆位置，从而实现停车指引等功能，解决当前停车困难一大痛点。1.4.国家政策积极推动建设智能网联汽车，自动驾驶安全运输征求意见稿落地近年来，国内高度重视智能汽车及智慧交通的发展，从国务院至各部委相继出台并实施智 能网联汽车建设相关政策。2015 年 5 月国务院印发《中国制造 2025》首次提出要建设智能 网联汽车自主创新体系，以及智能网联汽车产业链与智慧交通体系。2020 年，发改委联合 工信部，科技部等 11 个部委颁布的《智能汽车创新发展战略》明确提出在 2025 年 LTEV2X 无线通信网络可实现区域性覆盖，5G-V2X 可实现在部分城市及高速公路开展应用。 2022 年，交通部印发了《数字交通“十四五”发展规划》，该规划要求在“十四五”期间推 动部分自动驾驶，智能航运测试基地及先导应用试点工程的建设，并预测中国智慧交通市 场规模到 2030 年将达到 10.6 万亿元。2022 年 6 月，《深圳经济特区智能网联汽车管理条例》的出台加速车路协同商业化落地。此 次在深圳出台此条例意味着我国智能网联汽车法律迈向了新阶段，此条例系统性介绍了智 能网联汽车自动驾驶的定义、市场准入、条件豁免，以及权责认定等细节，填补自动驾驶 相关立法空白，并为其他城市提供经验标准，带来示范效应。2022 年 8 月 8 日，交通运输 部组织起草了《自动驾驶汽车运输安全服务指南(试行)》(征求意见稿)，从适用范围、基本 原则、运输经营者要求、车辆要求、人员要求、监督管理等多方面对智能网联汽车上路行 驶进行规定。2.车端设备：OBU 是为核心部件，具备低时延、高兼容性特点 车路协同系统通过“端”、“管”、“云”三方共同协作，从而实现环境感知、数据融合计算 及决策控制。通过车对车，道路对车进行实时信息推送，可以协助选择最优的出行路线； 通过提升路侧感知系统的计算能力并融合车辆的感知信息，可以协助智能交通更有效的发 展；通过路端对实时交通流量的检测及上传至云端后云端所进行的智能规划可以增强道路 交通管理能力。其中“端”指的是智能车载及智能路侧，路端及车端所搭载的重要通讯信 息交互工具分别是 OBU（智能车载单元）与 RSU（智能路侧单元）。
智能车载单元是车端核心设备，可借助 V2X 及 5G 通信技术实现车与车、车与人、车与云 及车与路之间的全面信息交互。智能路侧单元的主要作用则是通过在道路上搭载激光雷达 等传感器，用以收集全方位的路况信息，以弥补车端的感知盲区。用于车与车，车与路之 前实时传输信息的通信模组被称为“管”。当前 5G 的普及可以使信息传输达到低延时及接 入快速，大大提高了车路协同中实时信息传输的可靠性。“云”指的是实现数据的汇集、测 算、分析，下达决策命令以及运营服务的平台。通过收集海量由路端及车端传输的数据并 进行测算分析，可以帮助车路协同系统实现道路使用的最优化处理。在车路协同技术下，自动驾驶功能由路侧+单车智能协同实现，OBU 主要承担通信任务。 OBU 来源于 ETC 系统中车端收发信号的装置，因此从内部结构上看，智能网联汽车用 OBU 也主要包括微波收发天线、通信模组（芯片、编解码器等）、数据处理/存储芯片、外 界接口等，但其在通信时采用协议和技术等有所升级，其移动网络接入能力可允许 OBU 接 入云平台或智能网联汽车管理平台。C-V2X 的通信架构中有 Uu 接口及 PC5 接口两种通信 方式，其中 Uu 接口是 OBU 与基站之间的接口，主要目的是为了实现与移动网络通信；而 PC5 接口则是 OBU 之间或 OBU 与 RSU 之间的通信接口，其目的是为了实现车辆与车辆， 车辆与其他设施之间的通信。车路协同对通信实时性提出更高要求，叠加路端和车端信息 具有异质性特征，OBU 设备应具备低时延、高兼容性特点。车路协同 OBU 产品在时延性， 兼容性以及信息融合性等性能方面要求更高。其原因主要有三方面：首先在车辆行驶过程 中场景众多，且路程中的随机性较大，由此要求 OBU 数据处理速度快及传输时延小；当前 汽车品牌众多、车型、传感器及芯片等均有不同，由此要求 OBU 设备具备统一接口，同时 可以按需求进行个性化定制；OBU 接收到的数据来源非常广，数据特征差异也会较大，由 此要求 OBU 具有多种信息融合能力。
3.路侧设备：RSU 实现车路信息实时通讯，MEC 提供局部算力支持 路侧设备是打造智能网联汽车智慧化、数字化交通底座的重要基础硬件，与车端类似，其 主要包括感知（摄像头、毫米波雷达、激光雷达等传感器）、通信（RSU，路侧单元）、规 划（MEC，边缘计算单元）、控制（智能信号灯等）以及高精地图与辅助定位设施五大部分。 路侧设备一方面能够通过全局感知和实时通讯，向单车提供超视距感知、盲区预警、驾驶 意图等交通信息，补足单车智能驾驶在感知上的局限，另一方面能够实时监控路况信息， 构建全局性交通数字网络，通过智能化操控交通设施，提高交通运行效率和安全性，赋能 智慧交通。3.1.RSU 是车路实时通讯的关键设备，为车端提供超视距、全局实时的信息 RSU 即路侧单元，是智能网联汽车路侧设备中实现车路信息通讯的关键设备。RSU 最初为 ETC 系统中安装在路侧，实现车辆身份识别和电子扣分的通讯装置。在智能网联汽车中其 通过 C-V2X 技术与车载单元（OBU）进行通讯，接收车辆 OBU 信息或交通部门应用服务 器发布的交通信息，于车端能够提供超视距、全局实时的信息；于交通端能够为智慧交通 数据中心提供实时的路况信息。3.1.1.RSU 是车路实时通讯的关键设备 RSU（Road Side Unit）路侧单元即部署于路侧用于信号接收和发送的通信网关。从内部硬 件结构上看，其包含：①支持 C-V2X（蜂窝通信技术）/DSRC（专用短程通信技术）进行 车路信息交互的通信模组，②支持 GPS/北斗双模的定位模组，③包括应用处理器（AP）在 内的核心单元，内含支持协同智能交通系统（C-ITS）通信协议集，④存储单元，⑤设备输 入，支持感知数据及算法模块接口，信号灯和指示牌的控制连接接口，⑥外部接口，外部 输出至边缘计算节点等。
通信模组是 RSU 的关键部件，其支持路端设备通过 4G LTE-V2X 或 5G NR-V2X 进行通信， 在 4/5G 覆盖处支持蜂窝通信（Uu）工作，全路段支持直连通信（PC5）工作方式，实现与 车端的实时通讯。从信息通讯路径上看，其一端与路侧交通设备（如信号机、传感器、标 识标牌等）相连，能够获取并汇集路端近端和远端的交通信息以及感知获得的实时路况信 息，另一端与车载通信单元 OBU 相连，通过 V2X 实现车路信息的实时通讯。3.1.2.于车端，RSU 能够实时传输近端和远端的静态交通及动态路况信息 单车智能感知系统面临视线遮挡、恶劣天气等无法准确识别和判断静态交通信息的难题， RSU 可实时接收并广播近端/远端的静态交通信号解决上述痛点。当驾驶过程中遇到异形、 多语义等难识别的信号灯时，RSU 则可通过有线或无线方式接收本地信号灯信息，并通过 V2X 周期性的向近端车辆广播路况信息和信号灯信息，辅助单车做出路况预判。同时 RSU 可接收交通部门发布的交通信号（如远端十字路口的视频信息），远端车辆可通过直接与 RSU 互联通信或向运营商平台请求的方式，获取远端的交通信息，提高智能驾驶规划效率。
单车智能无法感知超视距的实时的动态路况信息，RSU 则可将路端实时感知的局部路况信 息通过 V2X 通信直接传递给车端，有效避免紧急交通安全问题。路侧感知设备可以对局部 全量交通参与者（如车辆、行人等）位置、速度、运动轨迹等实时感知，RSU 则通过 V2X 将实时动态路况信息广播/组播至附近车辆，使车端提前感知超视距的实时路况信息，辅助 其及时做出决策，确保道路安全和运行效率。3.1.3.于路端，RSU 提供比传统方案更高效、多元化的交通信息 RSU 能够获取车端 OBU 传输的与车速等车流运行相关的直接信息，较传统方案能够更加 迅速直接的获取车流信息，完成实时数字化交通场景的构建。以交通流量的实时监测为例， 传统方案通过地磁检测方式或驾驶人移动 APP 提供的车速、定位等信息对车流密度进行估 计，但 RSU 可通过 V2X 直接获取车端上报的车速信息，结合传感器（激光雷达测速）感知 直接对车流量和密度进行估计。3.1.4.RSU 源于 ETC 设备具备产业基础，智能网联汽车东风下多方供应商跑步入场 智能网联汽车 RSU 根源于 ETC 系统中负责车辆身份识别和电子扣分的通讯 RSU 装置，并 继承了在原 ETC 系统中通信的功能，因此具备较完善的产业链基础。RSU 产业链上游主要 为技术和商业模式都较成熟的通信芯片（华为、英特尔、大唐电信、紫光等）和模组（华 为、大唐电信、中兴等），下游客户主要为车路协同整套解决方案提供商和政府。由于 RSU 和 OBU 通过 V2X 通信协议进行信息交互，二者具有相互匹配和技术同质性的特征，因此 多数 RSU 终端设备生产商也同时提供车载单元。目前智能网联汽车（尤其是基建）尚处于导入期，各路玩家跑步入场。金溢科技、万集科 技等传统 ETC 厂商率先入局智能网联汽车 RSU，原产业链上游的通信设备商和运营商也推 出同类产品，更有交通集成商及车路协同的创业企业，自主生产车端/路端设备，服务于提 供车路协同整套解决方案的商业模式。预计导入期各路玩家共存状态将维持，但由于目前 多采用政府外包/合作的方式采购整套车路协同解决方案，因此具备产业链整合能力和方案 集成能力的 RSU 参与者的市场份额有望进一步提升。
3.2.MEC 为局部决策提供算力支持，解决云端处理延时问题 3.2.1.MEC 为近源数据提供算力支持，其部署架构与云平台类似 MEC 即移动边缘计算，部署于智能 RSU 或附近机房中，是为局部数据源能够实现融合感 知、协同决策提供低延时算力支持的计算单元。智能网联汽车 MEC 平台向路侧和车端设备 提供数据接入和管理能力，并提供远程实时计算、信息获取等服务。与云平台部署类似， 智能网联汽车 MEC 包括硬件、平台和应用层：①硬件：边缘侧服务器、GPU/FPGA 加速卡 设备等可以提供算力支撑的基础硬件；②平台：适合智能网联汽车边缘的 IaaS、PaaS 等灵 活性高、实时性强和拓展性大的应用平台底座；③应用：安全类/信息类/效率类/高精地图/ 自动驾驶辅助五类应用。3.2.2.MEC 的核心硬件为提供算力支持的主控芯片 MEC 路侧计算单元主要包括提供算力和算法支持的 CPU 和负责接收数据、传输反馈结果的 I/O 板组成。边缘计算平台可以执行多种不同属性的计算任务，如对图像数据进行预处理和 特征提取、实现非结构化的感知融合、交通参与者的识别、定位和跟踪、路径规划等，其 对 MEC 的算力均具有较高的要求，因此提供算力支持的芯片是 MEC 的核心硬件。
不同硬件平台适配不同的功能，异构硬件选择将是适用于车路协同场景的特征的最优解。 CPU/GPU/DSP/ASIC/FPGA 是目前主流的为自动驾驶等场景提供算力支持的硬件平台，但由 于不同计算任务在各硬件平台上运行的性能和能耗比不同，也决定了不同硬件平台的适配 性。例如对于目标识别和跟踪等卷积运算，GPU 相对于 DSP/CPU 的性能更好、能耗更低， 但对于产生道路矢量抽象和定位信息的特征提取算法，DSP 则表现更优。因此为提高 MEC的性能和能耗比，降低计算时延，针对不同计算任务选择适配的硬件实现，采用异构计算 的方式将是最优解。3.2.3.从对车端/路端提供算力支持的角度看，MEC 能够有效平衡高算力和通信低时延要求边缘计算平衡高算力和通信低时延的要求，为路端局部决策提供了有效的算力支持，并能 够有效缓解核心网络数据传输的负载。智能网联汽车系统中，路端和车端感知信息及交互 获得的数据量达到 TB 级别，且非同源数据的结构化差异，进一步提高对融合算法的要求， 二者均依赖于高算力的计算单元支持。传统以云端集中式为代表的处理方式，具备较强的 计算能力，但对各节点间的通信和传输能力不匹配，存在的时延无法满足车端决策和控制 实时性的需求。移动边缘计算则能够平衡算力和通信时延要求，为路端局部决策提供重要算力基础。一方 面在硬件上多配置算力能力较强的处理器，满足智能网联汽车协同决策的部分需求，另一 方面在云边协同中，MEC 部署至基站侧可以达到时延≤5ms，满足端到端时延要求地域 20ms 的实时响应场景。同时对于时延在 100ms 以内的场景中，MEC 可部署在汇聚和传输 核心环节，时延达到 22~42ms，覆盖用户数更高、成本也较低。但由于传输数据经 UDF （User Plane Function，用户面功能，负责 5G 核心网用户面数据包的路由和转发相关功能） 分流至 MEC 平台中，则能减少传输时延，实现数据流量的本地分流，能够有效缓解大量数 据回传造成的网络负荷等问题，提高传输效率，进一步降低通信时延。
以 MEC 协助云端计算为例，车辆将数据传输至 RSU 的 MEC 单元进行边缘计算，图中由于 蓝车感知数据量过大，为平衡通信资源、计算资源和网络整体时延，其多跳转发给多个路 侧 MEC 进行并行协同计算，最后边缘计算的结果回传至车辆，实现数据的高效处理。3.2.4.从对 C 端提供服务角度看，缩短数据传输路径，提高服务实时性体验 MEC 部署位置靠近边缘 UPF（负责 5G 核心网用户面数据包的路由和转发相关功能），并通 过本地分流功能将 C 端（行人或车端）用户获取实时交通、路况信息等的业务请求引导至 MEC 上，并由 MEC 的 SaaS 层相关应用为其提供服务。具体而言，当 C 端手机或车端发出 请求时，传统访问路径是“请求→基站设备→边缘 UPF→汇聚后进入网络→云主机”，而在 边缘 UPF 部署 MEC 环境下，本地分流功能可将用户需求直接引导至 MEC 上进行处理，有 效缩短了数据传输路径，降低访问业务的时延，这对于获取实时路况信息的智能网联汽车 应用层来说，将进一步提高 C 端服务获取体验。3.2.5.产业链：综合型云计算厂商率先切入，技术出身的创新型企业相继入局 玩家以自身核心能力为锚在产业链中定位，其中由于边缘计算平台和云平台技术、架构等 同源，传统的提供综合 IaaS 服务的云平台巨头阿里、腾讯、百度等加速拓展边缘云业务。 如阿里推出的基于 CDN 的布局进行建设的重边缘技术 ENS（Edge Node Service）和基于 Kubernetes 实现的开源 IoT 设备轻边缘底座的轻边缘技术 OpenYurt 两大边缘云架构。此外 具备计算能力积累的创新企业也纷纷入局，如依靠自身开源技术的积累逐渐崛起的九州云， 在 OpenStack 和 Kubernetes 等开源云计算平台上具备技术积累，并在 5G 边缘计算领域持续 发力，为中国联通、中国移动和中国电信在边缘领域的技术合作伙伴。4.云端部署：云控平台是数字化交通建设的主要载体4.1.组成架构：中心云、区域云和边缘云是云控系统基础平台的核心架构云控系统基于逻辑协同、物理分散的云控基础平台建设，搭建实现政府管理、行业服务、 车辆智能化功能的应用平台，是实现智能网联汽车数据服务的重要基础设施平台。其中云 控基础平台是云控系统的核心，基于对车端和交通部门所提供服务的特征，其整体架构设 计包含边缘云、区域云和中心云三级云平台，三者服务范围的广泛性逐级扩大、实时性和 要求逐级递减。如前所述，边缘云主要为临近数据源提供低时延的算力支持。
区域云是边缘云汇聚点，为区域级别的交通监管及域内车辆管理等提供基础的数据采集和 算力支持等服务。区域云具有一定的服务范围要求，一般聚焦于为城市级别的交通统筹管 理。在组成结构上，主要由轻量级的 IaaS（存储/计算/网络等云平台基础设施）、轻量级的 PaaS（虚拟化管理平台），路/车/云等接入网关，以及远程驾驶、辅助驾驶、安全预警、交 通管理等城域 SaaS 服务。中心云基于多个区域云提供多维数据的汇总，提供全局性、跨区 域的数据支持服务。中心云基础设施与区域云具有相同的逻辑结构何组成架构，但物理覆 盖范围更广，服务上支持地理上更广域的、数据上更广泛的全局服务，要求上对于实时性 要求相对较低，但是对计算/存储数据的性能要求更高。4.2.意义：云控平台是构建智能车大数据平台、实现智能网联汽车新基建及智 能车技术迭代的重要解决方案之一云控平台是国家实现智能汽车大数据平台的系统化技术方案。根据中国《智能汽车创新发 展战略》要求，国内充分利用现有设施和数据资源，统筹建设智能汽车大数据云控基础平 台。云控平台技术开源开放，能够获取全局交通数字化信息，并实现数据资源共享，为智 能汽车大数据平台的构建提供了完整的云控技术体系与生态系统参考。 云控平台是实现智能网联汽车的综合技术解决方案。云控系统能够为单车智能的感知、决 策控制提供信息冗余，并为车路协同中行人、交通部门内等全量交通参与者提供全域全时 自主控制的数据支持，因此是国家交通部门实现智能网联汽车的综合技术解决方案。云控平台是实现智能汽车技术迭代和商业模式探索的新型基础设施建设解决方案。云控系 统本质上是车路协同的数字化架构，为智能汽车提供包括高精地图、全域交通信息等数据 资源，能够帮助单车智能在实现自动驾驶 L5 终局的道路上解决信息孤岛、完成低成本的跨 越式进步。同时相较于传统的云服务方式，智能网联汽车云控平台拥有全量交通参与者的数据，基于此延伸出的数据服务、信息服务、保险服务等对于智能网联汽车商业模式的探 索都具有重要意义。4.3.功能：云控平台为智慧交通和应用主体提供交通信息和非实时算力支持云端是数字化交通系统的主要载体，向路侧 MEC 和车端 OBU 提供城市全局交通信息数据， 为车端提供决策冗余，并实现对全局交通资源规划。一方面作为全局数据中心，集合车端、 路端实时上传的路况信息并更新，维护全局城市交通信息，成为构建数字化交通底座的重 要系统。另一方面作为全局计算中心，为车端和路端非实时性需求提供算力支持，同时可 通过大数据分析、数字孪生等方式指挥调度车辆、调控红绿灯等交通设施，以提高交通运 行效率、确保交通安全。4.4.产业链：云服务商提供基础性服务，交通平台集成商完成专业化部署运营 云端部署主要以基础云服务供应商和交通平台集成商合作共建，其中软硬件 ICT 企业和云 服务运营商共同为智能网联汽车提供基础云平台底座服务，交通平台集成商则负责提供交 通平台的软件共建和运营支撑。其中交通平台集成商以为政府等客户提供普适或定制化服 务的平台，如交通监管、园区管理、特定路线导航、物流路径追踪等平台，如天津西青智 能网联汽车先导区的车路协同运营平台则由云平台服务商腾讯、华为和交通平台新兴企业 天安智联和极客网合作共建。
云服务商商业模式与传统方式相似，交通平台集成商掌握数据运营自主权，具备较大增长 动力。云服务商以提供与传统方式类似的存储、计算和网络软硬件的支持（IaaS、PaaS）， 而交通平台集成商则提供更贴近于客户的 SaaS 服务，并可以基于数据提供行驶习惯分析、 交通数据分析、路径预测、精准保险服务等衍生数据服务，掌握数据运营自主权，具备更 高的商业价值和增长弹性。5.商业化进程：特种车辆有望率先落地，头部厂商已完成商业闭环 智能网联汽车主要应用场景包括城市路段、高速公路及园区、港口等特定区域三大场景。其 中特定场景主要为港口、园区等 B 端客户提供货运车、接驳车等，该类场景下路段相对封 闭、路况简单，具备较高的落地可行性，并已率先实现规模化运营。城市场景主要针对有安 防巡逻、环卫等特种车需求的 G 端客户，落地范围相对有限，但可行性较高；对主机厂类 B 端客户成本仍高，难以落地。商业模式上主要包括提供“智能网联汽车基建+自动驾驶特种车”及运营的整套解决方案和 提供改装自动驾驶车和车端、路端设备等两类，从落地案例上看具备系统集成能力的解决方 案提供方式为主流。5.1.特种车对应的路段封闭、路况简单，具备较高的落地可行性 港口货运、矿区运输、园区或机场接驳、无人环卫等特种车需求路线相对固定和封闭，路 况复杂度低，对自动驾驶系统要求较低，技术难度小，商业化落地难度低、周期短、速度 快，叠加于 B 端客户具备强烈的无人化降本和安全性需求，于 G 端具备新基建、建设数字 化信息化交通的需求，在商业化探索中特种车率先实现落地。
在场景相对封闭、运行区域规范整洁的机场、码头、货运场站等区域，在智能网联汽车的 助力下无人驾驶有望率先解放人力。在该类场景中，运营商部署车路协同基建设施和服务 系统，对区域进行数字化信息化改造，并通过装载路侧单元 RSU 和车载单元 OBU，实现 V2V、V2I、V2N 等互联互通，最终实现对特种车单车的运行控制及特定区域内的协调控制 与管理，优化园区等内部运行路线，有效避免车辆碰撞等交通事故发生，并、降低物流成 本、提高货物运输的效率及货运服务质量。5.2.城市/高速场景下 B 端客户落地难度大，主机厂/出租车设备配套意愿不高城市/高速场景下，由于当前智能网联汽车基础设施尚不完善，智能网联汽车对单车智能增 量信息贡献有限；叠加车载终端设备单车成本接近千元，在智能网联汽车功能可感知程度 低的情况下，向 C 端转嫁成本能力低（按照保有量测算，单车压缩成本达到 3k 元），将压 缩车企利润空间。因此主机厂/出租车设备配套意愿不强，城市/高速场景下 B 端客户落地难 度大。但封闭场景有望为开放中高速场景提供城市通用性数据和提升算法能力。5.3.方案整包为主流商业模式，企业承担“路端/云端部署总包+运营”角色 当前智能网联汽车运营商主要通过提供整套解决方案和部分路侧/车端设备的方式参与。以 政企合作的特种车项目为例，采用整套方案总包方式的运营商需提供规划设计、建设交付、 后期运营等全周期的解决方案。前期需提供路端设备部署实现道路智能化改造，以及云平 台的搭建为城市设计交通数字底座；后期需提供智能化改造后的特种车，后续通过自身参 与或合作方式为特种车提供运营服务，因此从收入来源上看，包括前期的产品采购和承建 以及后期的服务提供。采用部分设备销售方式的运营商，其运营周期随政府采购结束而结 束，不参与前期的承建和后期的运营，收入来源仅为产品销售。
目前由于 G 端客户占比较高，且前期智能网联汽车道路智能化改造与传统基建流程类似， 政府更倾向于与整套方案解决商合作方式参与，因此方案整包为主流的商业模式。21 年 11 月百度 Apollo 中标苏州吴中区车路协同基础设施系统采购项目，以生态岛为核心区域完成 智能网联汽车部署，并实现生态岛后续的数据运营、智能交通、智慧出行、智慧文旅等运营 业务。百度 Apollo 作为解决方案提供商将提供项目全流程的整包服务。6.重点公司分析6.1.蘑菇车联：全栈自研推出标准化产品，商业化落地形成正向循环 6.1.1.核心软硬件自研，提供标准的车路云一体化产品及解决方案 蘑菇车联成立于 2017 年，作为自动驾驶全栈技术与运营服务提供商，聚焦“技术+运营”两大 定位，以系统化思维打造“车路云一体化”自动驾驶方案，推出自动驾驶标准化产品包，在复 用程度高、成本可控的条件下，满足不同场景的车路协同的业务需求。6.1.1.1.全栈自研使得企业具备车路协同整套解决方案集成能力 蘑菇车联遵循软硬件一体化、全栈自研的发展路径，具备较强的车路协同方案集成能力。 蘑菇车联自研“车路云一体化”解决方案，包括自研自动驾驶算法系统、自动驾驶智能终 端设备、自动驾驶车辆、路侧设备与系统、AI 云平台及蘑菇大脑，自研自动驾驶车载基础 算法平台、域控制器、高精定位、OBU（车载通信单元）、RSU（路侧通信单元）、RTK （实时差分定位）、5G-V2X（智能网联汽车）通信等关键核心技术产品，有机的形成行业 领先的车路云一体化自动驾驶系统，产品上其提供包括车路协同系统的软硬件部署、自动 驾驶车辆及后续运营在内的整套解决方案。
6.1.1.2.标准化产品方案，满足多场景落地真实需求蘑菇车联围绕“技术+运营”两大方向，以“车路云一体化”自动驾驶系统为核心，形成 “自动驾驶基础设施、自动驾驶车辆、自动驾驶车辆运营、智能网联数据运营”等业务板 块，助力大规模城市级落地。（1）自动驾驶基础设施业务。蘑菇车联基于车路协同技术，通过路侧的车路协同基站和配 套的 AI 云系统，为 L1-L4 各级别智能网联车辆提供车路协同能力，为自动驾驶的大规模落 地提供基础支撑；核心产品包括：车路协同基站、数字底座、云控平台、平行驾驶、交通 大脑等。 车路协同基站：蘑菇车联创新研发出软硬一体化的路侧标准化方案；其囊括了智能网联感 知单元、计算单元、通信单元、算法单元及 MRS 管理系统等车路协同技术当中的核心元素， 各单元功能的深度融合，实现对道路上各类目标（车、人、非规则目标）等的识别感知， 结合目标定位信息，通过 RSU 设备 PC5 通信传递给智能网联车辆，用于辅助车辆下一步的 行车决策，从而帮助城市管理者实现安全、高效和环保的道路交通系统，支撑各级别自动 驾驶车辆的大规模落地,实现车路协同的典型功能。
蘑菇数字底座：蘑菇车联独立研发打造的一款高性能数据平台。它通过强大算力，把路侧 基站感知、各级别网联车辆上报和第三方应用输入的全类型数据加以采集、整合、清洗、 转换和结构化存储，并通过海量 AI 算子对其进行融合加工和增值处理，支撑上层各种类型 的智能交通商业化应用。 蘑菇云控平台：云控平台通过对接数字底座，对全域交通进行实时监控与智能分析，根据 业务需求，基于全局最优交通决策，对车辆进行远程控制和运营调度，提升自动驾驶车辆 的行驶安全和管理效率。蘑菇交通大脑：交通大脑是蘑菇车联打造的下一代数字化交通可视化和决策平台，是智能 交通全价值链数据资产的终端应用和呈现。 高精地图：为车辆提供多要素、高度精细的车道级电子地图数据。 蘑菇平行驾驶：由高舒适高性能的模拟驾舱和平行驾驶软件组成的软硬一体平行驾驶系统， 可以依据实际情况，布设在城市指挥中心、运营大厅、调度管理中心等场所，通过强大的 云端链接驾驶能力，实现无人驾驶车辆的远程人工控制，保证更高程度的安全性。（2）自动驾驶车辆业务。基于自研实力和深度生态合作布局，蘑菇车联具备成熟的智能化/ 无人化车辆改造能力，也可对外提供全业态、全品类和全车型的 L4 级别自动驾驶车辆，支 撑丰富的无人化运营需求。核心产品包括：蘑菇汽车大脑、Robotaxi、Robobus、Mini Robobus、Robosweeper、生态 OEM 车辆（无人巡逻车、无人观光车）等。 Robotaxi 套件 2.0：蘑菇车联推出的 Robotaxi 也实现自动驾驶套件迭代，将机械激光雷达升 级为固态，并融入 GNSS 全球导航卫星系统，降低 1/3 的套件高度，实现轻量化装载，且外 观上更流畅。 蘑菇汽车大脑：2022 年 9 月蘑菇车联发布自动驾驶汽车大脑，实现自研车端自动驾驶核心 部件的技术突破，其集成自动驾驶计算单元、高精定位单元和车路协同通信单元三大功能 模块，搭载自研智驾系统 Mogo Auto Pilot，在车路协同自动驾驶中实现软硬件一体化集成 及核心技术指标上位居行业前列。
（3）自动驾驶车辆运营业务。基于全场景车辆的研发和生产能力，以及成熟的车队运营经 验，蘑菇车联在城市开放道路、景区、园区、高速、机场等场景开展多样化的自动驾驶运 营业务，为用户和业主提供自动驾驶网约车、自动驾驶公交、自动驾驶接驳/环游、无人环 卫、无人巡逻、无人物流等商业化运营服务。核心产品包括：运营管理平台、mogoGO 出行 系统等。（4）智能网联数据运营业务。通过自动驾驶基础设施的大规模布设，形成覆盖广阔的车路 协同网络，为接入其中的各类型交通参与主体（包括各级别智能网联车辆、公共服务车辆、 使用交通信息的终端 app 用户等）产出多样化增值服务。核心产品包括：车载 app，车路协 同服务等。6.1.2.签约项目超百亿元，形成数据、商业双闭环 6.1.2.1.多区域，多场景快速落地，下好智慧交通基建的先手棋智能网联汽车产业链中基建环节具有强资源性、有限性和排他性特征，是未来形成数据闭 环、实现可持续的数据运营，构筑企业壁垒的核心环节。目前蘑菇车联凭借其系统方案集 成能力，目前已与多地政府合作，签约超百亿规模的车路协同项目。一方面印证了蘑菇车 联凭借自研优势和标准化产品方案具备较强的规模化落地能力和政府客户的认可度，另一 方面也助力企业在智能网联汽车基建中成功占位，逐步打造自身的壁垒，为后续形成数据 闭环和可持续盈利提供强有力的基建支持。
6.1.2.2.多数项目处于初中期已逐步形成商业闭环，未来有望实现正向循环“车路云一体化”标准化方案签约落地，多数项目完成数字化道路等基础设施建设和自动 驾驶车辆规模化运营阶段，已产生营收并形成商业闭环。未来随项目规模化复制落地以及 自动驾驶车辆运营阶段接入车辆的不断增加，将积累大量的交通数据，进一步反哺自动驾 驶和智慧交通算法，加快实现算法的升级迭代，提高车路云三端能力，形成数据闭环，打 造企业的核心竞争力。6.2.金溢科技：高速 ETC 设备头部厂商，V2X 业务拓展有望打开成长空间金溢科技自成立起坚持深耕高速 ETC 设备业务，在 19-20 年 ETC 加速普及的大环境下，凭 借过硬的设备质量，在后装设备端积累了良好的用户口碑，并基于自身的技术积累、品牌 力优势和渠道拓展能力，迅速成长为高速 ETC 设备头部厂商，根据前瞻产业研究院数据统 计，公司 2020 年国内 ETC 市场份额超 40%。公司早期即具备前瞻性的战略目光，2013 年开始布局车路协同设备，凭借其在 ETC 技术积 累和研发投入，于 2017 年推出第三代车规级 Vbox，目前已成功落地多个车路协同项目， 未来随智能网联汽车在各地方的成功导入，V2X 业务有望凭借其在 ETC 领域的龙头地位和 口碑积累，打开成长空间成为新的业绩增长点。产品矩阵上，公司率先推出智能网联汽车 路端、车端设备及车路协同应用系统软硬件等，包括 C-V2X 路侧设备、DSRC-V2X 路侧设 备、C-V2X 车载设备、DSCR-V2X 车载设备、通信模块 WB-LM20B 等。落地项目上，公司 车路协同等产品已参与到众多智能网联示范区工程建设和测试，如上海智能网联示范区、 海南测试场、山东济南 5G 智能网联示范区、深圳宝安智能公交示范道路、广州 5G 智能网 联示范区、湄洲岛智能网联汽车示范应用基地等。6.3.千方科技：传统智慧交通解决方案商，项目经验和客户积累助力智能网联 汽车项目规模化落地 千方科技在传统智慧交通解决方案提供商中具备领先地位，在智慧高速、智慧路网、智慧 城市、交通管理等方面具备极丰富的项目经验。公司于 2004 年率先进入城市智慧交通领域 中，并于 2005-2008 年成功拓展智慧高速领域，此后于 2010 年逐步开始布局商用车智能网 联汽车业务。2017 年公司提出“一体两翼”战略，坚持全域智慧交通和物联网两大业务协 同发展。
目前公司积累了较丰富的智慧交通项目落地经验、软件开发能力和客户基础，已为近 2000 个大型智慧交通项目服务，并成功交付了 1400 多个物联网项目，在车路协同项目上也成功。 同时公司通过收购宇视科技，于 2020 年初成立 AI 研发的博观智能，完成在视频监控、机 器视觉和物联网等领域技术的补足。2020 年公司率先发布了全域智慧交通解决方案 Omni-T， 并于 2021 年增资具备优质前装经验和资质的联路智能交通实现了车端和路侧解决方案形成 闭环，夯实自身的方案集成能力。未来公司凭借其智慧交通项目经验和客户积累，有望在 智能网联汽车导入期获得业绩增长。（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）精选报告来源：【未来智库】。