自动驾驶硬件供应商德赛西威

全栈自研并非唯一选项，多种路径实现汽车智能化

如何看待汽车智能化的“全栈自研”热潮？近年来，从智能座舱到智能驾驶，汽车智能化 的进程在不断加速。

在智能化的浪潮中，大量车企纷纷将“全栈自研” 视为深耕智能化时 代的根基。其中，以“蔚小理”为代表的造车新势力早在创业初期，便将智能化作为主打 卖点，并率先进行了自研的布局。

目前包括吉利、长城、上汽等诸多传统车企也相继公布 了全栈自研的路线图。例如，吉利汽车在“2025 战略”中提出搭建涵盖电子电气架构、整 车基础软件、智能座舱软件和自动驾驶软件的全栈自研体系；

长城汽车在发布会中提出打 造全栈自研的技术研发体系；哪吒汽车推出了全栈自研的智能安全汽车平台—山海平台。

车企纷纷涉足上游供应链一方面促进了 行业的高速发展，但同时也引起了市场对于智能汽车产业链竞争格局重塑的思考。

其中首 当其冲的问题包括，未来 Tier 1 和 Tier 2 的空间是否会受到挤压，其角色又会发生 怎样的变化。我们认为，要回答上述问题，首先需要厘清的是，整车厂自研会涉足哪些领 域。

对于智能驾驶，完成软、 硬件全栈分别需要多大规模的研发投入；整车厂远期来看实现软、硬件全栈需要满足哪 些条件；哪些因素会影响整车厂自研涉足的领域边界。

从整车厂和 Tier 2 分别看全栈自研所需投入

我们通过观察整车厂和智能驾驶 Tier 2 来确定对于软、硬件全栈的所需投入。首先，我们 选取了 Tesla、“蔚小理”等造车新势力，以及部分传统整车厂，来分析他们的年均研发费 用以及研发投向，从而初步确定软、硬件全栈的所需投入。

我们选取了 Momenta 与 地平线这两家智能驾驶 Tier 2 独角兽企业。考虑到此类企业成立初期主要聚焦技术和产品 研发，不会大规模投入生产制造，所以我们假设其年均融资额近似为研发所需投入，从而 进一步分析、验证全栈自研的所需投入。

车企视角研发投入的差异带来实现智能化路径的差异

Tesla、造车新势力和传统车企三类整车厂的研发投入额差别较大。通过对比 Tesla、“蔚小 理”等造车新势力，以及部分传统整车厂近三年的平均研发投入。

从研发投入的绝对值来 看，我们发现 Tesla 的研发年平均投入超过 100 亿元；“蔚小理”等造车新势力的的研发投 入在 15-34 亿元区间内；

传统整车厂研发投入分化较大，上汽集团平均投入为 141 亿元， 比亚迪达到 63.6 亿元，我们选取的典型企业均值在每年 50 亿元左右。

Tesla 是软硬件全栈自研的典型代表，年均研发投入超百亿。Tesla 2019 至 2021 年研发投 入分别为 93.69/97.29/169 亿元，平均每年约 120 亿元。

其中在智能化方面，Tesla 的研发 投入主要面向 3 个方向，即软件、硬件和数据闭环的搭建。

算法软件Tesla 的 Autopilot 已经实现包括自动泊车、城市街道辅助驾驶等 L2+级别智能驾驶功能，并完成了 大规模商业化落地，开启了软件变现的商业模式，其自动驾驶选装包价格目前为 1.2 万美金。

芯片硬件Tesla 于 2019 年推出自研 FSD 芯片，算力达 72TOPS，作为 Autopilot 3.0 的硬件基础，搭载于 Model S\Model X\Model 3 等车型上。

搭建数据闭环除了市场上 较为熟悉的 Autopilot 和 FSD 芯片，Tesla 还在数据闭环的打造中投入了大量资源。

在 2021 年的“AI Day”，Tesla 发布了装载自研 AI 训练芯片 D1 的超级计算机 Dojo，用于大数据处 理和分析，训练 Autopilot 在内的整个自动驾驶系统，使得自动驾驶能力迭代升级进一步加 速。

小鹏汽车作为国内软件全栈的代表，年均研发投入约为 22 亿。2018 年，小鹏推出自动驾 驶系统 XPILOT，其核心功能和底层算法均为自主研发，而硬件部分如域控制器、传感器等 采取第三方供应商的方案。

从 2018 年上市的首款车型 G3 到 2021 年底量产的 P5，小鹏的 自动驾驶系统已经从 XPILOT 2.5 升级至 XPILOT 4.0，在历次升级中，公司的智能驾驶功 能陆续覆盖了高速 NGP、记忆泊车等 L2+级别的功能。

根据小鹏 2021 年业绩交流会披 露，城市 NGP 功能计划在 2022 年二季度末正式开放，从而实现整个智能驾驶场景的连续 覆盖。

回顾小鹏的研发投入，2019 至 2021H1 年分别为 20.7/17.26/13.99 亿元，年均研发 约为 22 亿元。

传统车企研发投入绝对值较高，目前主要投向电动化和新车型研发，未来智能化投入仍有 较大上升空间。

传统车企研发投入差异较大，近三年，选取的上汽、吉利、比亚迪、长城、 长安、广汽在内的 6 家传统车企平均研发投入为 50 亿左右。

传统车企虽研发投入绝对值较 大，但研发投向目前来看较为分散，主要体现在以下两个方面新车型的研发，长城 2020 年推出了 7 款新车型；比亚迪近年也推出多款新车型，并不断进行存量车型的改款升 级。

技术项目的开发，电池安全应用、发动机生产、碰撞实验室能力升级建设项目为长 安 2020 年主要资金投向；吉利重点投入汽车发动机、变速器及汽车造型相关性的研发工作。

上述三类车企中，小鹏、Tesla 分别实现了自动驾驶软件和软硬件全栈自研，传统车企目前 主要聚焦车型开发设计和电动化转型，自动驾驶研发起步相对较晚。

结合其研发投入规模 和投向，我们初步预判实现软件全栈每年至少需要 20 亿以上规模的研发投入，实现软硬件 全栈的研发投入规模为每年百亿左右。

Tier 2 视角Momenta 与地平线，软硬两端的典型代表

从智能驾驶 Tier 2 融资额，进一步分析、验证全栈自研的所需投入。上文中，我们从车企 研发投入角度出发，测算了实现软件全栈和软硬件全栈的研发投入，为确保测算的有效性 和准确性，我们选取 Momenta 与地平线这两家智能驾驶 Tier 2 供应商。

考虑到企业在成立 初期主要聚焦技术和产品研发，还未进入到大规模生产制造阶段，我们将其年均融资额近 似为研发所需投入，从而从融资额的视角进一步分析、验证全栈自研的所需投入。

软件和算法解决方案代表Momenta 可提供自动驾驶软件量产方案，成立至今融资额接近 百亿。

Momenta 成立于 2016 年 9 月，是一家提供感知、定位、决策等软件算法，以及不 同级别的自动驾驶软件方案的公司，我们将其视为软件和算法解决方案的代表。

根据公司 官网披露的息，Momenta 自成立来累计融资额达 97.5 亿元，平均每年分摊融资额 19.5 亿元。

就产品线而言，公司基于统一量产传感器方案，提供量产自动驾驶（Mpilot）和完全 无人驾驶（MSD）解决方案。

目前上汽智己 L7、路特斯、长城沙龙智行与 Momenta 的合 作均基于 Mpilot 业务线；在 MSD 上，Momenta 与上汽携手打造 Robotaxi 车队。

硬件解决方案代表地平线旗下芯片已获 40 余个前装量产项目，成立来累计融资超 140 亿 元。

地平线成立于 2015 年 7 月，成立至今推出了一系列面向智能驾驶和 AIoT 的人工智能 芯片，并已实现车规级芯片前装量，我们将其视为硬件解决方案代表。

根据公司官网披露 的息，地平线自成立来累计融资额达 143 亿元，平均每年分摊融资额 23.83 亿元。

目前， 地平线在自动驾驶形成了整车智能计算芯片征程系列、整车智能计算平台 Matrix 系列、开 发平台天工开物等三大产品矩阵。

截止 2022 年 1 月 7 日，征程 2、征程 3 两款芯片累计出 货 100 万片，获得上汽、比亚迪、理想等车企 40+前装量产项目定点。

软件全栈\软硬件全栈的研发投入或为 20\50 亿元每年。通过上文对不同车企以及智能驾驶 Tier 2 研发费用和投向的梳理，我们发现小鹏的年均研发投入和 Momenta 的平均年融资额 基本持平，均为 20 亿元，进一步证实软件全栈所需研发投入为 20 亿左右。

至于软硬件全 栈，考虑到软硬件方案代表地平线部分轮次融资金额未知，叠加其已实现一定的自我造血 能力，基于平均 23.83 亿元的研发投入，我们推断包括芯片在内的智能驾驶硬件开发成本可能接近每年 30 亿元，而软硬件全栈的研发投入则需达到 50 亿元每年。

Tesla 约百亿的年 均研发投入，包含了其在电动化如三电系统等方面的投入，不只局限于自动驾驶软硬全栈 的研发。

行业稳态下，研发费用率回归稳定值，收入体量成为研发投入能否在商业 上持续的关键

整车厂的收入规模决定全栈自研能否持续。在明确全栈自研所需的研发投入规模后，我们 探讨的下一个问题为，什么样的整车厂可以实现软、硬件全栈自研。

基于各车企的研发费用率，我们进一步探究全栈自研对车企营业收入体量的要求。首先， 我们统计了各车企研发费用率情况，传统车企研发费用率普遍较低，平均为 2.58%。

造 车新势力“蔚小理”三家研发费用率均在 10%以上。Tesla 2020 年的研发费用率为 4.73%， 处于传统车企和造车新势力之间。

接着我们需要选择合适的研发费用率，从而计算出全栈自研所需的营收规模。我们认为， 传统车厂和 Tesla 的研发费用率更能代表汽车市场长期的稳态水平，造车新势力目前收入 规模较小，成长迅速，还未进入到稳态。

从我们对 Tesla 研发投入的回溯来看，当前造车新 势力的发展阶段类似 2015-2017 年这一时期的 Tesla，其研发费用率较高，主要系产品还未 到达一定量级。

参考 Tesla 的研发费用率的数据，远期来看造车新势力的营业收入达到一定 规模时，其研发费用率有望大幅下降。

我们认为，传统车企的研发投入水平是在汽车产业长期市场博弈下确定的，趋于行业稳态 的参考值。

远期来看当某一阶段的技术革命趋于稳态，本轮技术演进以智能化作为 代表，汽车市场再次发展到稳态阶段时，传统车企的研发投入水平可作为一个参考值。

考虑到 Tesla 带来的商业模式变革（如软件订阅付费比例上升带来的综合毛利率提升） 可能会导致的研发投入水平的波动，我们最终选用 Tesla 和传统车企的研发费用率，并将其 作为研发费用率区间的上限和下限（2.58%—4.73%）。

在计算出软、硬件全栈的研发投入以及合理的研发费用率区间后，我们测算出实现软件全 栈所对应的收入体量要在 400 亿以上，实现软硬件全栈自研所对应的收入体量需达 1000亿 以上。

以 Tesla 的研发费用率计算，实现软件全栈、硬件全栈、软硬件全栈需要分别实现的 营收规模为 423/634/1057 亿元；

以传统车企平均研发费用率计算，实现软件全栈、硬件全 栈、软硬件全栈需要分别实现的营收规模为 776/1164/1941 亿元。

类比手机，智能化并未使得市场集中度提升，中小车厂有望长期存在

未来有多少车企能够达到全栈自研的收入体量，我们认为，这个问题的答案主要取决于智 能汽车市场的集中度和整体容量。全球汽车市场总容量变化不大，那么市场集中度是关键。

行业集中度提高，更多处于头部车企将拥有足够的收入来支撑全栈自研，反之，与第三方 合作将成为车企的主要选项。因此，本章的重点在于分析智能化浪潮下，整车厂的集中度 将如何变化。

温故而知新，以智能手机做参考。作为同样经历了智能化浪潮的产品，手机和汽车所面临 的产业变局呈现高度相似性。

其中，手机从通讯工具发展成现在的智能手机，而如今汽车 也从代步工具逐渐向智能终端发展，我们希望通过将手机市场集中度演进过程与汽车市场 进行类比，讨论汽车市场集中度的发展趋势。

智能化并未造成手机市场集中度提升，智能化初期行业呈现品牌分散趋势。回顾功能机时 代，手机市场便呈现出高度集中的态势，根据 Garnter 数据，2005 年全球排名前五的品牌 为诺基亚、摩托罗拉、三星、索尼爱立和 LG，其市场集中度接近 80%。

2009 年后，智 能化浪潮来袭，多个新兴品牌随着产业链重塑进入市场，涌现出诸如苹果、三星、小米、 华为、HTC 等智能机品牌，前五品牌市场集中度有所下降。

2016 年后，智能手机市场逐渐 由增量市场转为存量市场，头部厂商凭借在品牌、供应链和资金方面的优势，进一步扩大 市场份额，市场集中度逐步回升至 60%以上。

另一方面，当前智能机时代头部市场集中 度仍未恢复至功能机时期水平，主要系智能机产业链环节较功能机更复杂，产品需求更加 碎片，细分品牌和细分市场更多。

汽车市场 CR5 略超 30%，集中度显著低于手机市场。不同于高度集中的手机市场，根据 GAD 数据库统计，全球前五汽车品牌市场集中度近年略超 30%，而前十汽车品牌市场集中 度在 50%左右，集中度显著低于手机市场。

我们认为，造成汽车市场离散程度较高的主要 可以归结为以下三点，分别是行业复杂度高、产业链长、产品迭代周期长。

汽车零部件数量约为 3 万个，是智能手机的百倍。对比智能手机和汽车零部件数量，当 前智能手机的零部件包括芯片、光声学部件、显示屏、结构件、电池、PCB 等，数量 在 200 个上下。

当前一台燃油车的零部件数量级约是智能手机百倍，约为 3 万个左右， 涵盖电机、电池、电控、电路系统、发动机、底盘、仪表盘等多种电子和机械部件

汽车零部件供应链呈金字塔结构，供应商规模十分庞大。结合上文所述，由于手机零部 件数量较少，所以零部件供应商较少，大部分手机厂商会直接对接部分核心零部件供应 商，以苹果手机为例，其核心供应商数量只有 200 家。

而汽车产业以整车制造业为核心， 向上延伸至零部件制造业以及相关的基础工业。上游企业负责零部件的模块化、系统化 开发设计和制造，形成了“零件-组件-部件-系统-系统总成”的金字塔式复杂结构。

汽车零部件供应商规模相较手机零部件供应商更庞大，例如大众的供应商数量高达 4 万家，数倍于苹果手机的供应商数量。

受制于产业链的复杂性，汽车的研发周期通常在 4-5 年。另外，汽车研发是一个很复杂 的工程。

从步骤来看，以整车开发 V 模式流程为例，一辆车的开发需经历从整车需求\ 动力系统需求\硬件和软件需求分析、硬件实现和软件建模、软硬件单元测试、子系统\ 动力系统集成测试、整车标定和验证整套流程。

从时间来看，一款汽车从研发到投入市 场一般需要 4-5 年时间，德系车此前的平均换代周期是 7 年。而对比智能手机，苹果手 机迭代速度基本为一年一代，安卓迭代频次更高，几乎半年一代。

展望未来，我们认为， 随着众多互联网企业加入造车队伍，整个汽车行业的研发迭代速度会加快，但预计整体 研发周期还会在 2-3 年左右。

汽车是单价值量最高的可选消费，单个细分市场便足以支撑中小车厂的长期生存。除上游 供应链相对复杂的因素外，我们认为下游众多的细分市场也是汽车行业集中度低的原因之 一。

作为单价值量最高的可选消费，汽车行业中单个细分市场的销量便足以支撑一个中小 车厂的长期生存。根据车主之家数据，目前有众多中小车厂和细分品牌的年销量水平仅在 上百辆至一万辆区间左右。

我们也看到了长城汽车在最近两年先后推出了欧拉与机 甲龙两个细分品牌，分别主打女性市场和极客市场。因此，我们判断未来智能汽车市场， 除头部品牌外，其余大半市场份额可能继续由中小车企或细分品牌瓜分。

众多新玩家入局，智能汽车市场集中度有望下降。随着汽车智能化时代的开启，多数新兴 角色入局，我们看到了智能手机发展初期的影子。

宏观层面，汽车市场集中度自 2018 年开 始下降，CR5 从 34%下降到 32%，CR10 从 52%下降到 49%。微观层面，众多新玩家入 局汽车智能化，包括了传统车厂旗下的子品牌、互联网企业、ICT 巨头、以及造车新势力等 等。

因此我们预计未来一段时间内，汽车市场集中度有望复刻十年前手机市场集中度的走 势，出现一定程度的下降。

由此，我们认为在影响汽车市场集中度的众多原因中，零部件数量多、产业链复杂、产品 单价高、下游细分市场多等因素并未因智能化而改变。

展望未来，我们并不认为短期 内，汽车市场的集中度会发生大幅度的提升，相反，如上文所述，行业集中度有望在智能 化初期出现下降，换言之，在未来相当长的一段时间内，汽车市场还将存在大量的中小车 厂。

综上所述，基于上文中对于车企的能力边际和行业集中度两方面的探讨，我们有如下结论 软件全栈或软硬件全栈均需要车企长期的投入以及一定体量的营收作为支撑。

在未来相 当长的一段时间内，行业内仍会存在大量的中小车企，其无论是收入还是研发均无法满足 这一要求。

基于上述判断，我们预计未来车企通往智能化的路径可分为以下三类软硬件全栈此 类车企旨在通过算法和芯片的高度耦合，从而达到体验和成本的最优解，但对车企的研发 和收入体量也有着最高的要求，我们认为能够实现该路径的车企将更类似于科技企业。

软件全栈此类车企会将智能化作为卖点，通过自动驾驶算法的持续迭代能力，打造出差 异化竞争优势。

拥抱第三方此类车企会借助外部软硬件供应商实现智能化，其会在维 持智能化处于平均水准的同时，凭借在某些方向上的优势，在细分市场有着较高的市占率。

拾阶而上，三种角色的比例决定了德赛西威远期空间，未来 Tier 1 的三种角色代工方、硬件方案供应商和汽车智能化赋能者

未来车企将与不同能力等级的 Tier 1 合作完成智能化拼图。通过对车厂能力边界 和汽车市场集中度的分析，我们总结出车企通往智能化的三大路径，即软硬件全栈自研、 软件全栈自研和拥抱第三方。

我们认为，这三种发展路径的实现需要借助不同能力等级的 合作伙伴和第三方供应商，其同时也对应了未来 Tier 1 三种可能的角色代工方、硬件方 案供应商和汽车智能化赋能者。

代工方大规模制造和成本管控能力是关键

代工方的核心能力在于大规模制造和成本管控，其享有的利润率较为有限。对于软硬件全 栈自研的车厂，其需要的是一个 OEM 角色，类似立讯、歌尔之于苹果。

对于组装业务而言， 精密的生产制造能力和成本优势是关键。例如在生产制造方面，智能制造技术可以保障工 厂在良率和交付上的优秀水准；而在成本管控方面，自制零部件和规模优势向来是降本增 效的两大利器。

就商业模式而言，基于立讯精密、歌尔股份年报中披露的毛利率水平，此 类供应商通常享 15-20%左右的毛利率，需要靠提升制造效率、增加自研比例，或做大收入 体量来实现增长。

硬件方案供应商对硬件和车规级的理解并非一朝一夕之功

德赛与小鹏的合作，是硬件方案供应商赋能软件全栈车厂的优秀案例。对于软件全栈自研 的车厂，其需要一个合作伙伴来提供硬件解决方案。

例如小鹏 P7 搭载了德赛西威基于英伟 达 Xavier 芯片量产的智能驾驶域控制器 IPU03，三方的合作模式为英伟达提供芯片、参考 设计和开发板；

德赛西威一方面负责硬件的设计生产，同时也进行了 BSP、驱动和部分中 间件的软件开发；小鹏则自研了感知、决策等一系列算法以及上层的应用软件。我们认为， 德赛与小鹏的合作，是硬件方案供应商赋能软件全栈车厂的优秀案例。

我们认为，不同于代工方，硬件方案供应商除了需要具备基本的制造能力外，还应该额外 掌握以下四点能力

对芯片的深入理解和板级设计能力。硬件方案供应商不仅需要对不同版本芯片的架构、 算力、适配程度有深入了解，还需要和车企一起进行板级设计，如对开发板的尺寸、接口 数量、电磁干扰、散热等进行设计。

我们认为，这种能力并非一朝一夕之功，需要大量的 试错和时间积累，也在一定程度上造就了此类角色的稀缺性。

对于车规级标准和功能安全的理解。汽车行业对于安全性和稳定性有一套独立的体系， 其主要体现在显性和隐性两个方面，显性方面在于对各类安全规则、技术规范如 ISO、 AEC 等标准的掌握。

隐性方面则需要 Tier 1 长期与车厂合作，从而获得车厂的任。我 们认为上述两种能力均来自于和车厂的长期交互。

底层软件的开发能力。在打造硬件方案的过程中，会涉及到诸如 BSP、硬件驱动、中间 件等一系列偏底层的软件开发。

德赛西威总经理高大鹏曾在接受盖世汽车的采访中提到， 在 2018 年，德赛西威软件工程师的数量已经占了整个研发团队的 67%，2019 年这个数 据已经达到了 70%。

公司每年交付的产品，有大量的工作和成本都是投入到软件中的。我 们认为，软件能力是区分代工方与硬件方案供应商的关键，且未来将愈发重要。

本土化服务和快速响应能力。通常来说，域控制器从做出样机到最终上车需要和车企合 作完成 A\B\C 多轮测试，测试过程中不断发现并解决适配性、兼容性等问题、同时优化设 计、维稳增效，因此对硬件供应商的本地服务和及时响应能力也有着较高要求。

从商业模式来看，由于需要的能力更多，硬件方案供应商相较于代工方也会享有更高的毛 利率，通常在 20-25%左右（参考德赛西威目前的毛利率水平）。

汽车智能化赋能者商业模式升级，软硬件架构及方案迭代能力成为胜负手

对于完全拥抱第三方的车厂，其需要一个提供智能化整体解决方案的角色，即汽车智能化 赋能者。

此类角色类似传统汽车行业中的强势 Tier 1，例如博世直接向整车厂供应标准的总 成及模块。我们认为，软硬件整体解决方案供应商主要会面临两个挑战

对于智能驾驶软硬件架构的积累。整体方案供应商首先要根据车厂的需求，确定合适的 硬件配臵，如传感器的数量、种类、位臵等，以及计算单元方案，如算力、成本等。

再基 于硬件配臵，搭配合适的软件和算法，最终实现智能化。所以我们认为，对于各类智能驾 驶软硬件架构的积累是汽车智能化赋能者的重中之重。

通过数据闭环，形成方案迭代能力。当前，通过已量产车型采集实际数据，数据回流后 进行分析标注，再训练迭代新算法，最终形成算法的持续迭代能力已成为众多智能驾驶企 业的共识。因此，我们认为这项能力也决定了汽车智能化赋能者的优劣。

商业模式方面，考虑到软件算法的加入，以及作为“交钥匙”的整体解决方案供应商地位 更加强势，参考博世在印度子公司的毛利率（汽车业务占比 80%以上），我们预计此类整体 解决方案供应商毛利率可达 35-40%左右。

硬件方案供应商无需过度担忧竞争格局，重视优质客户带来的技术反哺

德赛现阶段以提供硬件方案为主，域控制器不断迭代出新并陆续量产。当前，德赛西威以 提供硬件方案为主，其域控制器产品矩阵包括主打高性价比的 IPU01\IPU02 和主打高性能 的 IPU03\IPU04。

基于德州仪器（TI）Jacinto TDA4 芯片开发的 IPU02，算力范围为 4- 32TOPS，支持高低速自动驾驶多场景，实现 L2+级别自动驾驶。而装载英伟达 Xaiver 的 IPU03 算力达 30TOPS，已于小鹏 P7 规模量产，小鹏 P5 也将继续沿用 IPU03。

IPU04 是 继 IPU03 的新一代智能驾驶域控制器，装载英伟达 Orin X芯片，算力覆盖 254-2000TOPS， 已于 2021 年 9 月底下线，并获得包括理想等多家主机厂订单。

先发优势显著，对竞争格局无需过度担忧。我们认为，公司在硬件解决方案的优势主要体 现在与英伟达深度合作，占据先发优势。

德赛西威是唯一和英伟达深入合作的国产 Tier 1，在 Xavier 时代，公司通过 IPU03 率先跑通了英伟达工具链，在英伟达的生态体系 里占据先发优势。

对于车规级标准和功能安全等级的理解深刻。德赛西威作为一个老牌 Tier 1，通过与车企长期合作积累了对车规和功能安全深入且全面的理解体系，目前 IPU03 达到 ISO26262 功能安全 ASIL D 等级。

快速落地能力赋能车企缩短开发周期。IPU03 是目前唯一大规模量产的域控制器，同时 IPU04 也已于 2021 年 9 月底下线，并有望在 2022 年量产，通过域控制器产品的快速落地，协助车企在智能化初期，快速推出产品，全 面占据用户心智。

重视上述商业模式对公司收入端和技术端的双重提振作用。我们认为，后续德赛西威面向 主打智能化的车企会延续提供硬件方案的商业模式。

对于此类车企而言，高级别自动驾驶 能力是核心竞争力，所以掌握自动驾驶相关算法进行软件自研是必然选择。我们建议重视 上述商业模式对公司收入端和技术端的双重提振作用

收入提振效果，高级别自动驾驶 车企销量大，叠加域控制器单价高，与他们合作对公司收入端有着较大的促进作用。

技 术反哺作用，我们认为，由于在智能化初期，产业中各类角色的边界较为模糊，因此在项 目中各方的合作会更为深入，交互会更加频繁。

与高级别自动驾驶车企合作可以反 哺德赛西威在自动驾驶方面的能力，使其芯片、算法、操作系统、以及自动驾驶软硬件架 构的积累更上一个台阶。

硬件代工方不会成为德赛西威未来的主要角色

硬件代工不会成为德赛西威未来主要的商业模式。目前，商业模式的退化是市场对于德赛 的几点担忧之一。具体来看，市场认为，面对软硬件全栈自研的企业，德赛西威的角色将 从硬件方案供应商退化为代工方。

我们认为此类担忧没有必要，主要是因为基于上文 的论证，未来有能力实现软硬件全栈自研的车厂只是小部分，大多数车厂无法达到一定的 收入体量来支撑全栈自研。

远期来看，我们不排除德赛在产能富裕的情况下，扩大和客户 的合作范围，不过硬件代工不会成为公司主要的商业模式。

汽车智能化赋能者“创领智行”主张下的商业模式升级

上文中，我们已经从汽车行业整体集中度和发展走向以及实现全栈自研所需研发投入和收 入体量两个维度来说明未来智能汽车行业会出现大量拥抱第三方的车厂。

基于此我们认为， 有大量车厂对软硬件整体解决方案存在需求，智能驾驶 Tier 1 未来有望演进出“交钥匙” 的商业模式，成为汽车智能化赋能者。

不同于 Tier 2的核心竞争力在技术优势，我们认为汽车智能化赋能者的核心竞争力在于 车厂侧的渠道建设；对于智能化软硬件架构的理解能力；解决方案的多样性，以面 对不同的需求。

渠道方面，德赛西威作为一家深耕汽车市场多年的老牌 Tier 1，客户范围覆 盖欧美系车企、日系车企、国内自主品牌车企，与众多品牌建立了深厚的合作关系。

我们认为讨论的核心在后两者，即对于智能驾驶软硬件框架的理解能力，以及方案的多样 性。

前瞻研发+规模化量产，双轨并行开展软硬件架构积累。我们认为，德赛西威对智能驾驶软 硬件架构的积累主要来自两方面在多地成立研发中心进行智能驾驶技术研发。

公司在 新加坡、欧洲、南京、成都、上海、深圳等地均设立了研发分部，在车联网和智能驾驶领 域开拓新产品，公司于 2019 年在新加坡组建新的研究团队，负责研发 L4 和 L5 级自 动驾驶以及有关网络安全等前沿技术。

同年，公司获得无人驾驶车辆第一阶段路测的牌照 （M1），德赛西威测试车可以在新加坡特殊区域公共道路行驶。

通过和车企长期交互合 作研发加强对智能驾驶软硬件架构的积累。当前整个智能汽车产业处于发展初期，车企和 供应商并不是传统垂直型、流水线式的合作模式。

双方的分工边界很模糊，市场上没有标 准化的产品，因此通过与部分主打智能化的车企深度合作，德赛西威无论是对车企有关智 能驾驶的需求，还是对软硬件架构，均能有所沉淀。

合作为主、自研为辅或是当前算法层面的最优解。除硬件和架构层面外，智能驾驶整体解 决方案还需要算法，包括感知、决策、控制等算法，其中感知和决策的算法尤为重要。

在算法层面，我们认为当下最优解是合作为主、自研为辅。首先，目前 L2 级别 ADAS 算法包 括自适应巡航、车道保持、自动刹车辅助、自动泊车等已相对成熟，市场上有较多的算法 供应商能够提供相关能力，因此从追求效率、商业化分工的逻辑来看，购买成熟的算法是 更为合适的选择。

其次，高级别智能驾驶算法，如高速领航、代客泊车等对于感知算法、 高精度地图和定位要求更高，其研发需要大量的投入和持续的迭代，现阶段公司对上述算 法开发还处于探索初期，因此和行业内优秀的 Tier 2 合作也不失为一种选择。

投资智能驾驶 Tier 2，补齐软件算法短板，共建智能驾驶生态圈。根据德赛西威年报披露 息，公司 2019 年投资 Momenta 6359 万元，互补自动驾驶技术。

根据 Nullmax官网和德赛 西威年报，2019 年公司向 Nullmax 纽劢科技投资 3436 万，双方的合作在自动驾驶硬件、 软件、测试和数据等环节全面开展。

Nullmax 主要负责目标监测、识别等多个模块，并在传 感器选型、底层软件等方面提供支持，共同打造面向车厂的自动驾驶前装方案。

基于 MAXIEYE 官网和德赛西威年报，2021 年，德赛西威领投，智驾科技 MAXIEYE 完成 3 亿 B 轮融资，双发达成战略合作共同致力于大算力高阶自动驾驶的研发，合作构建 L1 到 L4 级全栈自动驾驶方案开发与运营服务能力。

同时发布“九逵计划”，部署商用车自动驾驶核 心技术，加速自动驾驶商业化落地。我们认为，投资上述智能驾驶 Tier 2 可以在一定程度 上，补齐公司目前在软件算法层面的不足，对其向“汽车智能化赋能者”的演进有着积极 作用。

短期关注软硬件整体方案对收入端的提升作用。目前，市场对于德赛西威在智能驾驶领域 的关注点还停留在其域控制器上，但我们认为，随着公司的商业模式演进到汽车智能化的 赋能者，公司的各类传感器硬件的销售，如摄像头、毫米波雷达、超声波雷达等，也将成 为重要的收入增长极。

根据汽车电子与软件的统计，目前实现 L2 级别自动驾驶需要配臵 5- 8 个毫米波雷达，7-10 个摄像头，12 个超声波雷达，例如装载 IPU03 的小鹏 P7 全车搭载 31 个传感器，包括 5 个毫米波雷达、12 个超声波雷达、4 个环视摄像头、10 个高感知摄像 头和高精定位系统。

我们认为，理论上选择同一供应商的产品对于硬件的适配、传感器的 融合以及后续的服务均有益处。

远期看好商业模式升级带来的毛利率优化。前文中，我们提到，由于软件的加入和产业链 地位的改变，汽车智能化赋能者会享受到更高的利润水平，毛利率有望达到 35-40%左右。 我们认为，就德赛而言，该目标并非触不可及，具体可以观察以下两个方面

公司自研软件和算法的比重有无提升。虽然，我们在上文中判断公司对于感知、决策等 算法的探索仍处于初级阶段，但包括应用软件、控车算法、中间件、OTA 等领域均可成为 公司率先拓展的对象。我们预计，随着自研软件算法比重的抬升，公司利润水平会呈现出 上升趋势。

有无开展类咨询的技术服务。我们参考博世在传统汽车产业链中的角色，在每一项新技 术开发的初期，其首先会与头部车厂进行联合研发，待各类方案形成并经过验证后，再导 入进其他车厂。

如果相关车厂要求方案定制化，博世则会收取相关的技术开发费用。 我们认为，这类技术开发费用更类似于咨询服务，是一种附加值很高的商业模式。

参考博 世印度子公司的毛利率水平，我们预计未来作为汽车智能化赋能者的角色，德赛西威的毛 利率有望达到 35%以上。

盈利预测与投资分析基本假设与营业收入预测

智能座舱业务

公司在 IVI领域深耕多年，下游客户优质，预计后续市占率稳步提升；液晶仪表、多屏系统等目前在中低端车型渗透率相对较低，后续渗透率有望快速提升；

考虑到公司的制造能力及客户资源属于国内第一梯队，叠加本地化服务优势，预计后续 在液晶仪表、多屏系统等领域的市占率将快速提升；

座舱域控制器市场当前仍处于发展初期，未来发展空间较大；根据公司披露的息，其与高通已就第四代智能座舱芯片达成合作，预计座舱域控制器 将成为智能座舱的新增长点；

假设公司智能座舱业务中，海外客户收入占比保持稳定；我们预计座舱业务毛利率稳中有升。

智能驾驶业务

根据公司披露的息，IPU02 与 TDA 4 芯片同步开发，假设 2022 年实现量产；根据公司披露的息，IPU04 已获得了包括理想汽车等多个项目定点，目前正在研发过 程中，假设 2022 年实现量产；

IPU03 当前已开始量产，预计后续随着小鹏 P7、P5 的销量增长而增长；随着公司向智能化赋能者转型，预计摄像头、毫米波雷达、超声波雷达等传感器的销售 将随域控制器的放量而同步增长；

随着自研软件算法比重的抬升，以及产业角色的升级，我们预计公司在智能驾驶方面的 利润水平会呈现出上升趋势；

智能网联业务

预计智能网联业务后续保持中高速增长；参考 2021 年公司智能网联业务毛利率水平，假设后续毛利率保持稳定。其他业务假设其他业务的增速与公司整体增速趋势基本相同

投资分析

公司是汽车智能化核心标的，卡位优势明显，后续成长逻辑清晰。看好其从智能座舱向智 能驾驶拓展，从汽车电子供应商向汽车智能化赋能者转型。