中国ADAS市场在2016-2024年间经历了从完全依赖进口到本土化替代的关键转型期。这一转型的驱动力来自多个方面：
市场驱动因素
┌────────────────────────────────────────────────┐
│ 政策推动 │
│ • 2020 《智能汽车创新发展战略》 │
│ • 2021 L2级ADAS渗透率目标30% │
│ • 2022 商用车强制安装ADAS │
├────────────────────────────────────────────────┤
│ 成本压力 │
│ • Mobileye EyeQ4方案 >$300 │
│ • 本土方案目标 <$150 │
│ • 规模效应需求 │
├────────────────────────────────────────────────┤
│ 本土化需求 │
│ • 中国道路场景适配 │
│ • 快速迭代响应 │
│ • 定制化开发能力 │
└────────────────────────────────────────────────┘
| 时期 | 市场格局 | 关键变化 | 本土化率 |
|---|---|---|---|
| 2016-2018 | Mobileye垄断 | 进口依赖，成本高昂 | <5% |
| 2019-2020 | 国际巨头主导 | 本土企业开始突破 | 15% |
| 2021-2022 | 多元化竞争 | 本土方案规模上车 | 35% |
| 2023-2024 | 本土崛起 | 差异化竞争加剧 | >50% |
ADAS供应商技术路线选择
视觉为主路线 ────────┬──────── 融合感知路线
│
┌───────────────┼───────────────┐
│ │ │
Maxieye 中科慧眼 清智科技
(单目/前视) (立体视觉) (雷达+视觉)
│ │ │
Minieye │ 福瑞泰克
(商用车专注) │ (毫米波雷达)
智驾科技(Maxieye)成立于2016年，是中国最早一批专注于ADAS前装量产的本土供应商：
关键里程碑：
Maxieye技术架构演进
Gen1 (2018-2020)
┌──────────────────────────────────┐
│ 单目摄像头 │
│ ├─ DSP处理器(TI TDA2x) │
│ ├─ 传统CV + 轻量CNN │
│ └─ 基础ADAS功能(FCW/LDW/AEB) │
└──────────────────────────────────┘
↓
Gen2 (2021-2022)
┌──────────────────────────────────┐
│ 多摄像头方案 │
│ ├─ 自研ASIC芯片 │
│ ├─ 深度学习为主 │
│ ├─ 多任务网络 │
│ └─ L2+功能支持 │
└──────────────────────────────────┘
↓
Gen3 (2023-)
┌──────────────────────────────────┐
│ 智能驾驶平台 │
│ ├─ 高算力SoC (>100TOPS) │
│ ├─ BEV感知能力 │
│ ├─ 轻地图方案 │
│ └─ 城市NOA支持 │
└──────────────────────────────────┘
感知算法特点：
单目深度估计网络
Image ──> Encoder ──> Depth Decoder ──> Depth Map
↓
Feature Map ──> 3D Box Decoder ──> 3D检测
商业策略：
主要客户： | 客户类型 | 代表客户 | 合作模式 | 年出货量 | |———|———|———-|———-| | 新势力 | 理想、合众 | 算法授权 | 10万+ | | 传统主机厂 | 一汽、东风 | 整体方案 | 20万+ | | 商用车 | 重汽、陕汽 | 法规方案 | 15万+ |
佑驾创新选择了差异化的商用车市场路线，这一选择基于以下洞察：
商用车ADAS市场特点
┌─────────────────────────────────────┐
│ 强制安装政策 │
│ • 2018 营运客车强制安装 │
│ • 2021 重型货车强制安装 │
│ • 存量市场改造需求大 │
├─────────────────────────────────────┤
│ 技术要求差异 │
│ • 长途疲劳预警需求 │
│ • 货车盲区检测 │
│ • 成本敏感度更高 │
├─────────────────────────────────────┤
│ 市场容量 │
│ • 商用车保有量 >3000万 │
│ • 年新增 >400万 │
│ • ADAS渗透率 <30% │
└─────────────────────────────────────┘
针对商用车优化的算法设计：
DMS算法流程
IR Camera ──> Face Detection ──> Landmark ──> 状态分析
↓
┌─ 疲劳检测
├─ 分心检测
├─ 抽烟检测
└─ 打电话检测
| 产品线 | 功能 | 目标市场 | 价格区间 |
|---|---|---|---|
| M1 | 基础ADAS | 后装市场 | ¥1000-2000 |
| M2 | ADAS+DMS | 营运车辆 | ¥2000-3500 |
| M3 | 全功能套装 | 前装市场 | ¥3500-5000 |
| M4 | L2级方案 | 高端商用车 | ¥8000+ |
大规模部署案例：
运营数据分析能力：
数据闭环系统
车端采集 ──> 云端分析 ──> 算法优化 ──> OTA更新
↓ ↓ ↓ ↓
事件数据 风险评分 模型迭代 性能提升
中科慧眼是国内少数坚持立体视觉(双目/多目)技术路线的ADAS供应商，这一选择源于其技术基因：
立体视觉 vs 单目视觉
单目视觉 立体视觉
┌──────────────┐ ┌──────────────┐
│ 优势： │ │ 优势： │
│ • 成本低 │ │ • 深度精确 │
│ • 标定简单 │ │ • 无需训练 │
│ • 算力要求低 │ │ • 物理测距 │
├──────────────┤ ├──────────────┤
│ 劣势： │ │ 劣势： │
│ • 深度估计难 │ │ • 成本高 │
│ • 依赖先验 │ │ • 标定复杂 │
│ • 泛化性差 │ │ • 算力消耗大 │
└──────────────┘ └──────────────┘
双目立体匹配算法演进：
算法流程：
左图 ─┐
├─> 特征提取 ─> 视差计算 ─> 深度图
右图 ─┘ ↓
SGBM/BM算法
问题：计算量大，实时性差
PSMNet架构：
左图 ─┐
├─> CNN特征 ─> Cost Volume ─> 3D CNN ─> 视差
右图 ─┘ ↓
端到端学习
改进：精度提升，但算力要求高
优化架构：
• Mobile-Stereo：深度可分离卷积
• Fast-ACVNet：自适应代价聚合
• 知识蒸馏：大模型指导小模型
成果：30FPS@Jetson Xavier
| 应用场景 | 技术方案 | 关键指标 | 典型客户 |
|---|---|---|---|
| 高速ADAS | 双目前视 | 200m测距精度±3% | 宇通客车 |
| 矿区无人驾驶 | 多目360° | 50m全覆盖无盲区 | 徐工集团 |
| AGV避障 | 短基线双目 | 10m精确建图 | 京东物流 |
| 无人机避障 | 轻量化方案 | 功耗<5W | 大疆创新 |
矿区/港口等特殊场景：
特殊场景挑战与解决方案
┌────────────────────────────────────────┐
│ 场景挑战： │
│ • 粉尘/雾气干扰 │
│ • 无GPS信号 │
│ • 无车道线参考 │
│ • 障碍物不规则 │
├────────────────────────────────────────┤
│ 立体视觉优势： │
│ • 不依赖语义理解 │
│ • 直接测量3D信息 │
│ • 对未知障碍物鲁棒 │
│ • 密集深度图输出 │
└────────────────────────────────────────┘
清智科技是国内最早进行毫米波雷达与视觉深度融合的ADAS供应商之一：
多传感器融合架构
前视摄像头 ──────┐
↓
角雷达×4 ────> 融合处理单元 ──> 统一输出
↑ ↓
前向雷达 ────────┘ 目标列表
轨迹预测
风险评估
1. 前融合架构(2019-2020)
Raw Data Level Fusion
Camera ──> Feature ─┐
├─> Joint Network ──> Detection
Radar ──> Points ───┘
问题：时空对齐困难，标注成本高
2. 特征级融合(2021-2022)
Feature Level Fusion
Camera ──> CNN Features ─────┐
├─> Fusion ──> Output
Radar ──> Point Features ────┘
↓
Transformer
优势：保留更多信息，性能提升明显
3. 决策级融合(2023-)
Decision Level Fusion
Camera ──> Detections ─┐
├─> Kalman Filter ──> Tracks
Radar ──> Targets ─────┘ ↓
Track管理
优势：工程化容易，可解释性强
雷达信号处理创新：
稀疏点云增强
原始点云(稀疏) ──> 时序累积 ──> 插值重建 ──> 稠密点云
↓
轨迹关联
| 产品代 | 传感器配置 | 算力需求 | 功能等级 | 目标市场 |
|---|---|---|---|---|
| Gen1 | 1V1R | 2TOPS | L1 | 后装市场 |
| Gen2 | 1V3R | 8TOPS | L2 | 10-15万车型 |
| Gen3 | 3V5R | 30TOPS | L2+ | 15-25万车型 |
| Gen4 | 5V5R+LiDAR | 100TOPS | L2++ | 25万+车型 |
福瑞泰克是国内最早实现77GHz毫米波雷达量产的本土企业，其技术演进路径具有代表性：
毫米波雷达技术演进
24GHz时代 (2015-2018)
├─ 带宽窄(200MHz)
├─ 分辨率低
├─ 易受干扰
└─ 成本低，技术门槛低
↓ 技术升级
77GHz时代 (2019-2022)
├─ 带宽宽(4GHz)
├─ 分辨率高
├─ 抗干扰强
└─ 成本下降，性能提升
↓ 创新突破
4D成像雷达 (2023-)
├─ 俯仰角分辨
├─ 点云级输出
├─ 可识别静止目标
└─ 接近激光雷达性能
1. 雷达芯片与算法协同设计
系统架构
┌─────────────────────────────────────┐
│ 射频前端 │
│ ├─ 发射: 2T │
│ ├─ 接收: 4R │
│ └─ MIMO虚拟孔径: 8通道 │
├─────────────────────────────────────┤
│ 信号处理 │
│ ├─ Range-FFT │
│ ├─ Doppler-FFT │
│ ├─ Angle-FFT │
│ └─ CFAR检测 │
├─────────────────────────────────────┤
│ 目标跟踪 │
│ ├─ 多目标关联 │
│ ├─ 轨迹预测 │
│ └─ 虚假目标抑制 │
└─────────────────────────────────────┘
2. 角度分辨率提升技术
3. 多雷达协同技术
多雷达数据融合
前雷达 ──┐
├─> 时空对齐 ──> 点云拼接 ──> 全局感知
角雷达×4 ┘ ↓
坐标变换
时间同步
| 产品系列 | 技术规格 | 探测距离 | 应用场景 | 量产时间 |
|---|---|---|---|---|
| FR-01 | 77GHz中程 | 160m | ACC/AEB | 2019 |
| FR-02 | 77GHz角雷达 | 80m | BSD/LCA | 2020 |
| FR-03 | 77GHz远程 | 250m | 高速ACC | 2021 |
| FR-04 | 4D成像雷达 | 300m | L2+/L3 | 2023 |
关键量产项目：
质量体系建设：
车规级质量保证
┌────────────────────────────────┐
│ 设计验证 (DV) │
│ • 功能测试 │
│ • 性能验证 │
│ • EMC测试 │
├────────────────────────────────┤
│ 产品验证 (PV) │
│ • 环境试验 │
│ • 可靠性测试 │
│ • 寿命测试 │
├────────────────────────────────┤
│ 量产管控 │
│ • IATF16949体系 │
│ • SPC统计控制 │
│ • 零缺陷目标 │
└────────────────────────────────┘
技术路线差异化定位
高端市场
↑
┌──────┼──────┐
│ │ │
清智科技 │ 福瑞泰克(4D)
(融合) │ (高性能雷达)
│ │ │
----┼------┼------┼---- L2+分界线
│ │ │
Maxieye 中科慧眼 │
(视觉AI) (立体视觉) │
│ │ │
└──────┼──────┘
↓
Minieye
(商用车/后装)
成本敏感
| 公司 | 核心优势 | 技术护城河 | 主要挑战 |
|---|---|---|---|
| Maxieye | 算法领先，成本控制 | 视觉AI积累深厚 | 激烈价格竞争 |
| Minieye | 商用车市场份额 | 场景know-how | 乘用车突破难 |
| 中科慧眼 | 立体视觉技术 | 特殊场景优势 | 市场接受度低 |
| 清智科技 | 融合感知能力 | 系统集成经验 | 成本压力大 |
| 福瑞泰克 | 雷达技术成熟 | 量产经验丰富 | 技术同质化 |
ADAS方案成本构成 (单位：USD)
基础L1方案 (~$100)
├─ 摄像头: $30
├─ 处理器: $40
├─ 算法授权: $20
└─ 其他: $10
标准L2方案 (~$300)
├─ 摄像头×3: $90
├─ 毫米波×3: $120
├─ 域控制器: $60
└─ 软件: $30
高阶L2+方案 (~$800)
├─ 摄像头×5: $150
├─ 4D雷达×5: $400
├─ 高算力芯片: $150
└─ 软件算法: $100
2020-2024市场份额变化：
2020年ADAS前装市场
Mobileye: 45%
Bosch: 25%
本土企业: 15%
其他: 15%
2024年ADAS前装市场
本土企业: 52%
├─ Maxieye: 12%
├─ 华为: 10%
├─ 地平线: 8%
├─ Minieye: 6%
├─ 其他本土: 16%
Mobileye: 20%
Bosch: 18%
其他: 10%
ADAS技术演进路线图
2016-2020: 功能安全时代
├─ 单一功能ADAS
├─ 规则驱动算法
└─ 成本>$500
2021-2024: 智能化升级
├─ 多功能集成
├─ AI算法主导
├─ 成本<$300
└─ L2普及
2025-2027: 平台化竞争
├─ 软硬解耦
├─ 算法即服务
├─ 成本<$200
└─ L2+/L3过渡
2028+: 智能化普及
├─ 标配L2+
├─ 端到端算法
├─ 成本<$100
└─ 向L4演进
1. 从硬件销售到软件订阅
传统模式 新模式
一次性硬件销售 ──> 硬件+软件订阅
固定功能 ──> OTA持续升级
项目定制 ──> 平台化产品
2. 数据服务增值
产业链整合方向
横向整合：
Tier2 + Tier2 ──> 综合方案商
(传感器+算法)
纵向整合：
主机厂 + Tier1 ──> 垂直一体化
(算法内化)
生态整合：
芯片 + 算法 + 云服务 ──> 平台化
(端到端解决方案)
未来竞争的核心能力：
项目背景：
技术方案：
系统配置
前视摄像头 (8M) ×1
├─ 主感知
├─ 120°FOV
└─ 200m探测距离
环视摄像头 (2M) ×4
├─ 360°覆盖
├─ 近场感知
└─ 泊车辅助
毫米波雷达 ×5
├─ 1前+4角
├─ 冗余设计
└─ 全天候
算法创新：
项目成果：
技术突破：
应用效果：
性能对比
传统雷达 4D雷达
静止目标 × ✓
高度信息 × ✓
目标分类 困难 容易
虚警率 高 低
成本 $80 $200
特殊需求：
解决方案：
部署效果：
主要挑战
┌──────────────────────────┐
│ 技术同质化 │
│ • 算法趋同 │
│ • 硬件标准化 │
│ • 价格战加剧 │
├──────────────────────────┤
│ 国际竞争 │
│ • Mobileye技术领先 │
│ • Bosch规模优势 │
│ • 新进入者威胁 │
├──────────────────────────┤
│ 产业变革 │
│ • 软件定义汽车 │
│ • 主机厂自研趋势 │
│ • 商业模式转型 │
└──────────────────────────┘
ADAS专业供应商的生存之道：
中国ADAS供应商的崛起，不仅推动了自动驾驶技术的普及，更重要的是探索出了一条适合中国国情的技术发展道路。从完全依赖进口到实现本土替代，再到部分领域的技术领先，这一过程充分展示了中国汽车产业的创新能力和市场活力。
未来，随着智能化程度的不断提升和成本的持续下降，ADAS将从高端配置变成标准配置，而这些本土供应商将在这一历史进程中扮演越来越重要的角色。
注：本章数据截至2024年12月，部分敏感商业信息已做脱敏处理