座艙、駕駛、整車晶片和OS：
1、智慧座艙晶片8-9個：高通、華為、瑞薩、恩智浦等。國產地平線、全志科技。
座艙晶片比手機落後3-4代。
車機作業系統特點：版本比較老（安卓4.4、5.1），小鵬理想基於安卓8開發的OS，手機是安卓11；應用少（十幾個，未來40多個），手機200多萬個（安卓）。對晶片算力要求沒這麼高。因為自動駕駛，輔助駕駛滲透率不高，手騰不出來操作。
小鵬互動方式：眼球和語言，谷歌投入不夠，應用生態不豐富，後進入者有機會。
高通888，高通洞察車機作業系統未來靠近手機作業系統，可能直接上安卓12，以後車機晶片集中度越來越高。
車機作業系統重要玩家：中科創達，市佔率會上升，隨著鴻蒙進入，安卓迭代，晶片算力變高，中科創達跟隨高通成長。
價值量：UI 20%價值量，作業系統定製（基於安卓、鴻蒙二次開發）80%價值量。UI以後沒有沒什麼變化，手機UI是手機廠自己的產品（ToC），汽車UI本質是ToB（車廠自己有定製化需求）。價值量會保持穩定。
2、車身域：非常重要，車燈、尾門、音響、空調等，現狀是整個汽車電子在ABC級車佔比提升，分立式架構為主，每個都有單獨的ECU，軟硬體黑盒子（功能固化、單一、不同ECU很難協調、整車資料沒有打通），tier1提供，正常，因為汽車電子沒什麼迭代升級，但是不符合未來智慧車發展，智慧車可持續可迭代升級（特斯拉能做到）。
大眾2018年開始做一個，7-8千萬條程式碼，整機廠很難有這個能力，能做出的整機廠就很有優勢。
3、駕駛域：英偉達、高通、英特爾、華為、地平線等，集中度比前兩個領域高，單片模組成本1000美金，1000億美金市場，所以巨頭都要擠進去。
功耗：以前L4 100Tops，後來200Top2，長城高通的已經700tops，未來搭載的1000多tops，帶來功耗的問題。演算法儘量固化，減輕算力要求，算力提高了，以前能耗比1:1，會影響續航，高通地平線領先能做到1:3。
更關鍵的是看生態：為什麼小鵬蔚來智幾選英偉達，英偉達除了晶片還會提供參考設計，比如小鵬買了攝像頭、鐳射雷達後，還要設計，工作量很巨大，英偉達會給demo，做二級開發，不是從第一行程式碼做起，小鵬也才200多個人。工具鏈也很重要。後面A股頁遊公司上市，比如地平線、黑芝麻，除了算力、能耗比、也要看生態，地平線官網有演算法、工具鏈。
有一個重要變數是華為，英偉達把谷歌和華為作為最重要對手，華為重點在先進製程許可證。
駕駛域OS簡單一點，不像座艙與、車身域，駕駛域OS不涉及生態，所以沒這麼重要。
Q：日後車機會不會像手機一樣變成一個域，一個晶片、OS，會以哪個域為主，時間什麼時候到來？
A：有可能，但是7-8年看不到。為什麼三個域，駕駛域和座艙域安全等級不一樣，駕駛域D等級，安卓連到駕駛域不知道發生什麼問題。像人的大腦、小腦，做感知和決策的不懂車身運動，我估計7-8年後才打通，可能基於駕駛域和車身域，反過來打座艙域。
Q：以前的tier1供應商，有什麼價值？
A：只看駕駛域和座艙域晶片，機會不大。車裡面還有很多晶片，比如地平線語音識別都有單獨晶片，這些晶片有機會。
Q：怎麼看高通自動駕駛晶片，和英偉達競爭？
A：自己很有信心，私下溝通。
何翩翩：
英偉達CEO說電動化和智慧化顛覆汽車行業。
小鵬蔚來理競爭格局，看團隊。海量資料很重要，資料收集也很重要。算力提升、感測器搭配也很重要。演算法也很重要。
整條產業鏈，從感測器到tier1到晶片，都會享受到自動駕駛發展紅利，看好英偉達，mobileye被英特爾收購，買英特爾和mobileye關係也不大，英特爾最壞的時期已經過去，未來有更多外包的訊息我們看好的。
初創企業來說，地平線是今年底到明年初科創板能上市。
德賽西威幫英偉達做域控制器，L3用英偉達比例增加，對它有利。
中科創達在很多智慧座艙做服務，關注。
鐳射雷達，美國很多公司做IPO，luminar，禾賽也在忙著上科創板。
小鵬：有先發優勢，用了英偉達AC晶片，準備今年搭載鐳射雷達。但是對比競爭對手，理想蔚來22年車款也會用英偉達晶片。三家也都在做自主研發，軟體都表示會做全站自主研發。理想希望類似特斯拉，打造自己晶片。
其他硬體角度，小鵬感測器相對領先，其他兩家也表示會用鐳射雷達，理想也預留了介面。
小鵬團隊：高通、廣汽、三星、百度，400人左右。
其他兩家也在積極招兵買馬，小鵬護城河有可能被追趕比較快。
小鵬今年搭載鐳射雷達，L3就有了，英偉達Orin晶片算力也到200Tops。
其他兩家用mobileyeQ4，黑夾子，資料受限，之後用英偉達，問題會慢慢解決。
所有國外公司都不能在國內收集資料，所以國內公司就有一定優勢，特斯拉很多模型都是國外資料訓練，中國特色路況會出問題，特斯拉可能開車碰到沒見過的東西，所以能收到國內資料的公司會比較準確的去判斷。
我們認為鐳射雷達必須要的，以前以為L4會出現，現在L3提前出現。攝像頭看不清的時候，靠planB，就是雷達，聲音感知，毫米波、超聲波就是。PlanC就是鐳射雷達，增加了精度，提供到3D模型，三個東西互補，提高安全冗餘性，英偉達CEO經常說自動駕駛很重要原則，diversity ，不同種類解決方案。高精地圖，釐米級定位也提高了安全冗餘性。
用英偉達晶片，你自己的研發能力也要很高，軟體方面要有一定研發能力，所以EV新勢力喜歡和他合作。Orin也有越來越多L3車會用。
智慧座艙理想蔚來體驗好一點。
L3部分，視覺加毫米波雷達足夠安全冗餘性，但是L4我們認為鐳射雷達必要，這個和特斯拉想法不一樣。
國內用華為和**，成本500美元，廣汽華為96線lidar。
蔚來：
22年搭載4個英偉達orin晶片，1000算力，很激進，希望自己研發晶片。
其他家也不甘示弱，留給他時間有多少，我們認為是個威脅。
智慧座艙理想蔚來體驗好一點。ET7會用高通、中科創達合作的東西。
Mobileye和英偉達定位比較極端，mobileye比較封閉，英偉達開放，車企研發能力更喜歡mobileye，英偉達需要自己有一定研發能力。
團隊還在擴張，機會挺明顯的。
理想：
也是鐳射雷達、英偉達Orin，三家並駕齊驅。
智慧座艙識別不同人的位置。
目前和蔚來一樣用的mobileye，封閉，資料收集需要激進的去做，所以影響他們的模型，以後換了晶片也會慢慢透過OTA升級。
研發在三家裡面投入最高。積極招兵買馬，去年找了王凱（偉世通管理層）加盟，以他為首（CTO），帶領整個團隊做軟體方面自研開發。規模希望短期擴大三倍。
沒有說具體用多少英偉達多少片Orin晶片，但是很清楚22年會用。
總起來說，蔚來理想後面的提升空間更大，小鵬先發優勢看怎麼去維護。
Q：國內三家新勢力，未來有沒有可能在自動駕駛趕超特斯拉？因為特斯拉在中國沒法獲得道路資料，中國複雜路況，有沒有可能成為國內自動駕駛獨特競爭力?
A：有可能，資料方面，特斯拉哪怕有100多輛車收集資料，認為自己資料很多，但是我們認為資料兩方面，量多，有沒有貢獻，比如十年一條路上班，多樣性少，資料方面需要多樣性。Mbileye、英偉達、微盟，做模擬，模擬很多場景（比如貨車上的東西掉下來怎麼規避），長尾問題，最後5-10%必須要考慮，沒見過的場景特斯拉可能有所誤會。感測器的問題，目前攝像頭為主，到高階自動駕駛不足夠，若看到有必要，還是會上的。目前是百花齊放，沒有哪一家有特別大優勢，就算有也是相對先發優勢，後面能不能被追趕上來，可以觀察，這是特斯拉的情況。
MobileyeQ5容納更多感測器，但是還沒見過產品，可能還行吧，但是算力沒有英偉達好。總體來說，現在L2比L3多很多，mobileye市佔率70%，從迭代角度來說有一些優勢，mobileye以傳統車企為主，從EV來說更多用英偉達的。
尹欣馳（車輪如何轉動）：
老的玩家在車企在底盤域和執行端還是有優勢，運動軌跡控制等。
轉向系統，後面的3.0版本線控轉向，中間那根棒子可能沒有，而是一條電線，7、8年前有部分廠商嘗試在做，目前來說，頭部三家，博世、耐世特等能拿出一些產品，但是沒有量產，整車廠接受度沒達到共識，估計到L4階段會出現100%線控，對很多上市公司來說在2025年有線控收入。
去年三家10萬輛，今年預計25萬輛。
目前特斯拉里程最多，資料最多。特斯拉FSD （自動駕駛系統）4000多美金提高到10000美金。移動表示特斯拉FSD以後按月收費。
蔚來、理想明年釋出主力汽車。
長城21年1月摩卡，
L3及以下我們認為屬於輔助駕駛，
Q：為什麼中國FSD選配率只有1%-2%？
A：條件比較嚴格，需要封閉道路，國內不符合。特斯拉FSD選配6萬塊，單車也才25萬。
Q：內資tier1、2是否能替代博士等？
A：會，手機已經很多替代，很多供應商還在工規級，未來車規。
基金：
電子27%，計算機25%，汽車16%，通訊14%，前面佔了80%。
智慧座艙增量多，儀表盤，流媒體後視鏡，軟體系統，中介軟體，語音識別，人臉識別，過去幾年滲透率比較快。
發展最快的，感知、決策、執行。
蔚來ET7，自動駕駛演算法還不是很成熟，更新換代沒手機快，公司先預留硬體，33個感知，11個高畫質攝像頭。今年大家期待鐳射雷達落地。
國內參與較多的是攝像頭，舜宇、歐菲、豪威。
毫米波雷達，博士、大陸提供。華域汽車、德賽西威逐步進入量產，一些國產車已經開始用了。
控制領域：晶片、域控制器。晶片主流mobileye和英偉達，地平線也在做L4的，今年上市。
國內在座艙領域進展快一點。業績釋放容易一點。
關注感知環節，攝像頭，國產替代鐳射雷達，控制、執行、線控。
最核心的是系統、演算法，但是最頂尖，A股沒上市。
車聯網，短期看，要政策推動，路端建設。車端方面，有些做了，必須通訊模組，比如德賽西威、移遠通訊。
鐳射雷達：
車載領域，Velodyne幾萬美元一個，特斯拉表示不用。
我們比較看好，市場大，行業爆發前夕，每年全球0.9億汽車計算，一個雷達200-500美元，一輛車2個，910億美元區間。Luminar更樂觀，1800億美元。
鐳射雷達是ToB商業模式，目前鐳射雷達企業都不盈利，我們考慮出貨量和價格，目前不能做到工業標準品，未來哪一種產品技術會做成標準品，是大家目前關注的，大家關注鐳射雷達技術路徑。
Luminar指引：L2-L3，鐳射雷達單車1-3個，高級別多一點。
前段時間蔚來、小鵬、長城釋出21年底和22年初新車型，會配備，小鵬P5，蔚來ET7，長城V平臺搭載三個。海外豐田、奧迪、寶馬鐳射雷達個數大部分在1-3個，最多是豐田LQ車型，4個。
A樣試生產，到D樣量產，需要2年。
固態價格低一點
技術相關問題：
固態flash、OPA上游零部件跟不上，現在自動駕駛加速，2019-2020年大家更關注固態MEMS，比較新的技術，MEMS微視鏡以前也做過，大家調侃2020年是固態MEMS元年。
OEM主要靠收購、投資，科技公司主要是自研、投資。
Velodyne以前是旋轉型，20年做MEMS。Luminar只做MEMS，但是不一樣。
Velodyne：
20年釋出4款固態，
11年出貨只有5.16萬
和客戶籤長期合同安排
Luminar：
目前鐳射產品還沒量產，出貨量幾百臺，但是大家期待高，市值100億美元。
全球1550nm領軍者，還整合上游產業鏈。1550nm難做，還收購了上游零部件廠商，做產業鏈整合。
其他家都是905nm，Luminar一開始就定位1550nm感測器。
濃霧、惡劣環境下，需要降低波長，對於905nm，人眼可見是850nm，對人眼安全性影響大。
為什麼其他家不做1550nm？底層材料要從矽基變成銦鎵砷，luminar收購了黑森林（銦鎵砷供應商），技術工藝改進降低成本。
按照他的價格定位算，未來5年出貨量能到100萬個水平。
市值差距大，PS
禾賽科技，產品矩陣和velodyne相近，PS看A股是否有其他玩家，流通盤，最重要的是固態MEMS。
Luminar有往軟體方面做。
感測器（電子研究員）：
AIoT品類，量空間：智慧穿戴；價：智慧駕駛。
當前是從L1L2成熟往更多產業鏈公司滲透，大部分22、23年批次化業務落地。
感知、決策、執行。
我們關注點在感知、決策，執行在原有的tier1和相關的電機等。
感測器+晶片，2020年300億美金，未來5年到800億美金，感測器500億美元，晶片300億。
關注攝像頭，其次毫米波，最後鐳射雷達。
硬體滲透節奏比L3L4L5快，因為會提前預裝，後面OTA升級就行了。
鐳射雷達價格是商用合適的價格，已經有廠商做到500-1000美金。攝像頭一輛車10-20個，價值量很高。紅外價格隨著成熟價格會降低。
汽車玻璃，低端一點的波速混合，使用時間長，環境惡劣。車載CIS對資料處理實時性，光的切換快速反應要求高，車規安全要求，研發時長更長。
和手機攝像頭規模相當，蘋果模組8-9美金，安卓低一些，總共也是500億美金。
聯創模造玻璃有優勢，mobileye、英偉達都切入了，值得關注。豪威19年底釋出了800萬畫素的汽車CIS。富瀚微車載ISP一直有佈局，建議關注。
毫米波雷達，77G長距離，價格1000塊人民幣，24G短距，幾百塊。
上游MMIC晶片，恩智浦、TI等等。
高頻PCB，4-6層為主，1000元/平米，比通訊等價格稍低。結構性壁壘高的：毫米波里的高頻PCB板，競爭格局好，推薦滬電。
鐳射雷達大的TOF技術路徑下，機械式、固態。機械式，發展比較早，但是成本高，veldyne 8000美金，禾賽科技10萬RMB，一直旋轉，抗震等弱一些。目前重點看得是固態，細分很多個技術路線，MEMS相對比較成熟，也要操作小鏡子，成為半固態。稜鏡式和MEMS類似，調整稜鏡角度，完成掃描。Flash要用鐳射器掃描，要求高，對上游要求高，目前發展沒有MEMS快。
第三方預測，2025年鐳射雷達80億美金。
攝像頭整機還是德日tier1，鐳射雷達新，不一樣。
旋轉式和固態本質看有沒有那個旋轉器，晶片部分還是海外把控，比如FPGA、DSP等。國內在光學領先，比如水晶光電濾光片。
紅外探測器價格若降到2000塊，25年到30億美金。
建議關注睿創微納。
電動化（宋韻靈）
2014年是元年，2016年電動乘用車元年，A00補貼最高，2016年開始大幅增加，2019年停滯，2020年市場驅動、產品驅動，家庭乘用車元年，不僅僅靠補貼，比如Model3、五菱宏光。
智慧化是驅動電動車的一個重點因素。
手機換機週期30個月，汽車更長，但是方向明確。目前新能源車滲透率5%，不代表電動智慧車5%，很多不具備L2級別，現在看非常早期，往後滲透逐步提升，電動智慧車空間是手機的4倍左右。
國內車以前看補貼搞續航，20年市場化追上來了，噱頭都是1000公里，實際上低配也是6-700公里。
長城：
自研HWP系統