全自动驾驶目前绕不开激光雷达。不可替代性——探测精度高；优点——探测范围广，360°全方位。缺点：在雨雪雾等极端天气下性能较差；采集的数据量过大；目前造价极高。

　　毫米波雷达主要应用在ADAS，技术相对成熟。优势：穿透雾、烟、灰尘的能力强。缺点：探测距离短，无法感知行人，无法对周边所有障碍物进行精准建模。

　　（信息参考：《车载毫米雷达波——无人驾驶汽车之“眼”》中投证券）

　　规模制造有望大幅压低雷达成本

　　激光雷达成本过高的原因是没有规模化。激光雷达处于手工组装和调教阶段，人工成本和工厂成本都非常高，但材料成本并不高。

　　规模制造有望大幅压低雷达成本。多个激光雷达制造商都表示，未来如果生产规模到100万，可将成本降至$500——仅原来的百分之一不到。

　　（数据来源：公开信息整理）

　　雷达是通用件，雷达公司的竞争是全球化的

　　雷达是核心部件，为避免被上游控制，很多公司都可能自建雷达研发团队，例：Google。

　　（数据来源：IT桔子，Crunchbase，公开信息整理）

　　摄像头和图像处理也是必要条件——标识识别

　　摄像头可靠性高，成本和门槛也不高。99%情况下可靠，成本$10-20，主要供应商是Delphi、Continental。唯一的问题是，在雨、雾等特殊环境不能发挥作用。

　　图像识别准确度已经不错，而且还有提升空间。百度全景图像的自动化识别提取准确率高达95%。对比：目前图像识别应用得最好的领域是面部识别，准确率到99%以上。

　　（数据来源：公开信息整理）

庞大、多元的数据增大了计算难度

　　1、数据量大

　　Google无人驾驶产生的数据流量达到1GB/秒。

　　运算速度需求：50万亿次/秒——大通量、高速计算能力。

　　2、数据源多

　　来自传感器（雷达、摄像机）、显示器、防撞预警系统等多类配置。

　　每个装置都有独立的芯片进行运算，一辆汽车的芯片数量大约有600个。

　　（数据来源：Google，《无人驾驶，驶向未来》招商证券，HIS，公开信息整理）

　　计算能力的核心是芯片

　　芯片价格中等，但很难有降价空间：ADAS普通性能芯片每辆汽车$250-350, ADAS高级性能芯片每辆汽车$1,200。

　　市场规模及增速：2015年$290亿；预计2015年-2020年，CAGR=7.7%。

　　（数据来源：《无人驾驶，驶向未来》招商证券， Gartner，IDC，IT桔子，Crunchbase）

　　低功耗高性能、整合型芯片迎来机会

　　1、低功耗高性能芯片

　　芯片构造的三个解法：CPU+GPU；CPU+FPGA；ASIC

　　中央处理单元（CPU）：像一个什么都会的老教授，但所有工作都交给他还是会有点累

　　图形处理单元（GPU）：像一群小学生，但是算加减法又多又快

　　现场可编程门阵列（FPGA）：像一个潜力生，训练以后，在某个领域特别擅长