21世纪，在数据、算力、算法并行驱动下，世界计算机视觉产业得以迅速发展，预计2025年全球计算机视觉软硬件和服务收入将从2016年的11亿美元增长到262亿美元。我国计算机视觉产业也正步入快速成长期，但目前应用仍相对较窄，67.9%集中在安防影像分析，高级驾驶辅助系统（ADAS）领域是计算机视觉未来主要应用方向。预计随成本降低和政策的逐步放开，我国ADAS渗透率将整体提升，今年已售车型ADAS功能渗透率已达16.4%，2020年将迎来超过200亿元的市场，适用领域最广的ADAS视觉系统及其相关产业链将在此轮ADAS爆发过程中成最大增长点之一。
在ADAS发展过程中，双目方案的兴起、视觉盲区的克服都会带来车载摄像头数量的增加，预计未来汽车上的摄像头数量将达到12个以上，而L3以上的车型需求更高。此外，车载摄像头价格走低至150元左右，摄像头方案将可以更加好地在中低端车型市场得到推广。因此，车载摄像头硬件市场潜力巨大，上游产业也将因此受益，由于模组封装技术和客户渠道上有一定的壁垒，在该领域有一定布局的企业在此轮增长中会更具优势。
随着深度学习的加入，算法水平迅速提高，当前视觉算法准确率实验室测试结果差别不大，实车测试重要性将愈发突出。Mobileye在智能驾驶视觉识别前装领域市占率达70%，是行业绝对的龙头。从近年来的动作来看，Mobileye加快中国的本土化进程，2017年我国已有27家汽车制造商采用了Mobileye的ADAS解决方案，未来可关注与Mobileye开展合作的企业。对于我国初创算法企业，在技术上难以超越Mobileye的情况下则需要利用本土路况数据优势，从体量更大的的后装市场切入。
短期来看，全地球手机市场出货量正在下滑，行业红利逐渐消退。相较而言，车载摄像头总体市场规模虽然不及手机摄像头，但行业潜力较大，预计到2021年中国国内乘用车市场摄像头装车量增长到3180万颗，年均增长约49.3%，产业链上下游厂商将因此受益。长久来看，通用场景下L4以上无人驾驶车型的量产和大范围的应用在中短期仍存在诸多阻碍，线年时间，高端芯片和视觉算法会随着无人驾驶的逐步普及而大范围的应用，而未来能满足车规级要求和量产要求的产品能够分得蛋糕。
计算机视觉（Computer Vision，简称CV）是指通过计算机及其相关设备模拟人的视觉系统，通过对采集的图片或视频做处理以获得相应场景的三维信息，以适应、理解外界的环境和控制自身的运动。计算机视觉目的是让机器代替人眼，解决物体识别、物体形状和方位确认以及物体运动判断三大问题。
与目前在半导体、汽车、包装等行业的制造、检测上使用比较广泛的工业视觉相比，计算机视觉更侧重于在智能生活领域的应用。而计算机视觉更多注重（2D, 3D）图像信号本身的研究以及和图像相关的交叉学科研究（医学图像分析，地图导航），通常是“眼睛对着人”。由于应用场景相对复杂，识别物体类型多，缺乏规律性，计算机视觉通常对相机或摄像头要求不高，而对算法往往有更高要求。
计算机视觉产业由技术驱动，而技术的核心在于数据、算力和算法三个方面。21世纪，随着网络浪潮兴起，数据储量飞速增加，而深度学习算法的出现恰好能够将数据集归纳出逻辑，实现精准的物体识别和场景识别。而1999年，GPU的出现突破了传统CPU的算力瓶颈，数据运算速度和处理规模爆发性增长，从而为大数据的分析提供硬件上的支撑。在数据、算力、算法并行驱动下，世界计算机视觉产业得以迅速发展。据美国市场调查与研究机构Tractica的最新预测，2025年全球计算机视觉软件、硬件和服务收入将从2016年的11亿美元增长到262亿美元。
2011年是我国计算机视觉发展元年，企业成立数量达13家，此后从事计算机视觉领域的企业显著增加，目前初创企业较多，而从融资阶段来看，处于天使轮融资和A轮融资的企业较多。
在人工智能领域细分领域，计算机视觉颇受资本青睐，行业1/4的融资额流入计算机视觉与图像领域。而在今年市场流动性较为紧张的情况下，在AI创投领域计算机视觉概念热度不减。2018年4月，商汤宣布获6亿美元C轮融资，5月底，又宣布再获6.2亿美元C+轮融资，估值超过45亿美元。6月中旬，依图宣布完成2亿美元C+轮融资。明星企业得到巨额融资，行业开始呈现马太效应。
经过企业与高校的不懈努力，国内计算机视觉相关算法已达到国际顶尖水平。在2017年计算机视觉领域权威评测ImageNet大规模图像识别挑战赛（Large Scale Visual Recognition Challenge）上，奇虎和南京信息工程大学团队分别在物体定位和物体检测项目上取得了最佳成绩。国内自动驾驶公司Momenta 研发团队（WMW）的孙刚和胡杰与来自牛津大学的申丽合作，提出SE架构，以2.3%的识别错误率荣获物体识别冠军，此前最佳成绩是2.99%。公安部三所、海康威视、商汤科技、香港中文大学、南京信息工程大学均曾在比赛中夺魁。
虽然我国计算机视觉算法领先，已经成为人工智能领域最火热的赛道，但计算机视觉的应用领域仍有待拓宽。目前，我国计算机视觉技术的应用仍主要集中在安防影像分析，如重要场所的监控、公安部门人脸识别分析等。计算机视觉本身商业落地场景广阔，能够有效解决应用行业的痛点，市场发展空间巨大，未来在智能驾驶等领域会进一步拓展。
自动驾驶是指汽车至少在某些具有关键安全性的控制功能方面（如转向、油门或制动），无需驾驶员直接操作即可自动完成控制动作。国际汽车工程学会SAE将自动驾驶划分为辅助驾驶、 部分自动化、有条件自动化、高度自动化、完全自动化5个等级，我们通常所说的无人驾驶并不等同于自动驾驶，而是自动驾驶的L4和L5级别。
从L2进阶到L3是自动驾驶领域的跨越。L2本质上还是由人来观测驾驶环境，尽管能够由系统来控制加减速过程，即做到解放双手和双脚，但需要驾驶座上有驾驶员，遇到紧急情况下可以直接进行接管。而在L3时，驾驶员已经可以完全把驾驶任务托付给车辆，只需要在车内或车外留有监控计算机即可。实现L2到L3最大的难点在于难以保证自动驾驶的感知与决策能力能够与人类相当。倘若汽车想要达到L3这一等级，必须能够保证极低的错误率，这建立在硬件和算法都发展到一定高度的基础上。目前市面上唯一声称达到L3的量产车奥迪A8也在一定的路况条件下才能开启自动驾驶系统。
当前一些汽车厂商如福特也在寻求跳过L3直接进入L4的研发，因为L3级其实是一个“人机共驾”的过程，要求驾驶员要准备随时接管，而在自动驾驶模式下驾驶员又容易放松警惕，因此会产生安全隐患。，同时，在法律上对于“人机共驾”时发生的驾驶事故中汽车和人的责任界定还非常不明确，这也给L3的落地带来阻力。
无论是L3或L4，以当前的技术，无人驾驶并不能像汽车厂商所规划的一样在几年内在通用领域实现商业化。根据摩根大通的预测，未来五年增长最快，渗透率最高的仍是L1和L2车型。相对而言，辅助驾驶的技术相对成熟且不断在完善，而渗透率还相对较低。辅助驾驶是自动驾驶的前提，在无人驾驶还未能真正实现商业化的阶段，辅助驾驶将在行驶安全等方面展示出巨大作用，在未来几年也将面临较大的成长空间。
辅助驾驶的核心在于高级辅助驾驶系统（Advanced Driver Assistance System, 简称ADAS）。ADAS是一个利用雷达、摄像头等传感器采集汽车周围环境数据，进行静态或动态物体识别、跟踪并结合地图数据做出相应行为决策的主动安全功能集成控制系统。ADAS能够使驾驶员觉察可能发生的危险，必要时直接控制车辆避免碰撞，提高驾驶的安全性和舒适性。ADAS是自动驾驶的前提，其最终目标是实现无人驾驶。
ADAS的热度从2015年开始上升，慢慢进入人们的视野。但由于此前ADAS相关技术还不是很成熟，规模化生产存在难度，系统价格较高，因此主要搭载在中高端车型上，41.3%的ADAS相关功能搭载于50万元以上车型。价格不菲也导致ADAS全球整体渗透率偏低，仅有盲区监测功能的渗透率超过10%。而我国在这方面布局稍晚，相关政策出台也较慢，因此各项功能渗透率也远低于全球水平。
而近两年随着相关技术的日趋成熟，算法算力提升迅速，硬件成本降低，ADAS系统价格不断下降，ADAS产业显然已有爆发态势。根据Frost&Sullivan测算，当ADAS系统价格低至1000美元时，其将成为市场进入普及阶段，而目前我国较为成熟的ADAS双目视觉产品在4000元左右。从前装市场来看，近两年ADAS市场渗透率不断提升。根据上险量统计，2018年前7个月就有1,808,483辆新车装配有ADAS相关功能，共涉及889个车型，已经超过了去年全年的量，装配率从13%提升到了16.4%。此外，ADAS功能向中低端车型渗透趋势明显，目前有20.8%搭载在20万元以下的车型上，且大部分为在售车型。
随着人们对驾驶安全水平需求的不断提高，以及ADAS相关技术不断成熟，ADAS市场呈现爆发式增长。目前，许多国家开始考虑强制新车采用某些ADAS技术，美国高速公路安全管理局（NHTSA）甚至建议，到2022年美国新车强制加装ADAS系统。预计到2025年，ADAS能够基本覆盖前装市场，整体市场规模近300亿欧元。而我国在消费结构升级、中产阶级购车需求增加、相关政策的进一步放开等众多利好因素共同作用下，ADAS渗透率将整体提升，保守估计2020年我国ADAS市场规模能达到200亿元以上。
ADAS视觉系统作为ADAS的一部分，其基本原理与ADAS类似。首先是模型的建立，包括样本的采集及标记，同时对标记的样本进行大范围训练来提取特征和模型，这也是目前的技术攻克重点。其次是在实际应用中通过车载摄像头来采集车身已经周边环境信息，感光芯片将周围图像用数字形式记录并发送给自动驾驶系统的计算机，计算机根据采集到的信息来进行道路、车辆、行人和路标的分类识别，提供决策信息，这一过程重点在于对图像源的优化和预处理。从基本工作原理可以看出，摄像头的视觉ADAS产品主要由软硬件组成，硬件包括摄像头模组、核心算法芯片，软件即大范围训练后得到的算法。
依据传感信号分类，目前ADAS系统所采用的的传感器有四类，分别是摄像头、激光雷达、毫米波雷达和超声波雷达。整体而言，并没有任何一种传感器能完全满足自动驾驶的所有需求。通常为了保证安全性，每块区域需要两个或两个以上的传感器覆盖，达到相互校验的效果。自动驾驶汽车需要多种传感器的辅助配合才能得到完整立体的信息顺利行驶。
但ADAS发展至今，摄像头仍然是适用领域最广的传感器，视觉方案也是适用领域最广的ADAS方案。当前在传统领域，摄像头已经被广泛应用在行车记录仪、倒车影像上。一般通过安装在车身各个位置的广角摄像头采集影像，生成影像或拼接形成视图从而起到补充驾驶员视觉盲区的作用，不用涉及整车控制更加注重视频处理。而在无人驾驶技术高速发展的阶段，基于摄像头的ADAS视觉可以单独实现路标识别、车道线感应、行人识别、车辆识别等特殊功能，相比于其他传感系统，对物体类型和颜色的准确识别是视觉系统无法比拟的优势，加上摄像头硬件成本相对低廉而近年计算机视觉发展迅速，采用摄像头捕获信息的方式不仅难以被取代，在可见的将来还有较大发展潜力。
正因为摄像头的适用性和不可替代性，在ADAS市场迅速膨胀的未来几年，ADAS视觉方案的相关产业将迎来更高速的增长。根据法国市场调查研究机构Yole的统计，2016年全球车载传感器市场规模为10.9亿美元，其中视觉传感器市场为2.2亿美元，占比20%，仅次于毫米波雷达。而2022年全球车载传感器市场规模预计将达到23.8亿美元，年复合增长率14%，其中视觉传感器市场年复合增长就达到24%，占比将近1/3。而这仅仅是对硬件市场的预测，由于硬件成本近年呈下降趋势，可以预期芯片和算法市场将会有更大幅度的增长。ADAS视觉系统及其相关产业链将在此轮ADAS爆发过程中成最大增长点之一。
车载摄像头主要包括内视摄像头、后视摄像头、前视摄像头、侧视摄像头、环视摄像头等。目前摄像头在车内主要应用于倒车影像（后视）和360度全景（环视），高端汽车的各种辅助设备配备的摄像头可以多达8个，用于辅助驾驶员泊车或触发紧急刹车。三星电子手机摄像头供应商和韩国最大的车载摄像头制造商Mcnex公司预测，当摄像头成功取代侧视镜时，汽车上的摄像头数量将达到12个。而随着无人驾驶技术的发展，L3以上智能驾驶车型对摄像头的需求将增加。
ADAS视觉系统根据前视摄像头的数量可分为单目和双目两种方案。无论哪种方案，目的都是通过摄像头采集图像数据，然后从图像数据上得到距离信息，从而实现碰撞预警等功能。
单目摄像头的测距原理，是先通过图像匹配进行目标识别（各种车型、行人、物体等），再通过目标在图像中的大小去估算目标距离。这就要求在估算距离之前首先对目标进行准确识别，这需要建立并不断维护一个庞大的样本特征数据库，保证这个数据库包含待识别目标的全部特征数据。如果缺乏待识别目标的特征数据，就会导致系统无法对这些车型、物体、障碍物进行识别，从而也就无法准确估算这些目标的距离，导致ADAS系统的漏报。
而双目检测的原理和人眼类似，方式就是通过对两幅图像视差的计算，直接对前方景物进行距离测量，而无需判断前方出现的是什么类型的障碍物。所以对于任何类型的障碍物，都能根据距离信息的变化，进行必要的预警或制动，精度相对较高。尽管目前视觉方案龙头Mobileye采用的是单目视觉，但其前期投入所换来的技术上的优势和数据库的积累是其他企业难以企及的。正是由于没有样本的概念，双目视觉方案为其他企业提供了市场空间，未来会有更多的企业采用双目视觉来瓜分蛋糕，在车辆行驶过程中面对的环境愈发复杂的情况下，L3之后的智能驾驶若是要得到推广，双目方案或将会成为最主要的ADAS视觉方案。
汽车后视镜的缺陷之一是存在视觉盲点（blind spot）：由于后视镜的范围有限，在车辆斜后方的某个范围内，司机无法通过后视镜看到，因此会产生安全隐患，增加事故发生几率。加装摄像头覆盖盲区已成为趋势。早在2015年6月，联合国就在瑞士日内瓦召开的世界车辆法规协调论坛上修订了关于汽车后视镜的国际标准，规定从2016年6月开始，可以用摄像头或显示器系统代替各种后视镜。日美等国也陆续出台法案允许摄像头对后视镜的替代，承认摄像头能够有效减少刮蹭、碰撞等事故的发生。此外，也可通过车辆两侧加装侧视摄像头实现盲区监测功能，当有车辆进入盲区时，提醒驾驶员注意来实现。利用多个摄像头实现安全泊车的360°全景泊车系统也逐渐成为智能汽车的标配。克服视觉盲区已经成为交通安全领域的共识，为实现盲区克服，汽车新增的摄像头数量将在4个以上。
摄像头本身相对于其他传感器价格就更加低廉，易于普及应用，而车载摄像头价格从2010年的300多元持续走低，到2018年单个摄像头价格已降低至150元左右，一般的盲区摄像头价格已降至100元以内。限制ADAS渗透率提高的一大原因在于成本，而随着硬件成本的逐渐走低，摄像头方案将能够更好地在中低端车型市场得到推广，尤其在后装市场会有更多的车主愿意加装视觉系统。
由于车载摄像头和手机摄像头一样，都是采用CMOS而不是CCD作为光学传感器，同时单价也是手机摄像头的八倍左右，利润更高，因此近年来国内外手机摄像头产业链相关厂商纷纷布局车载摄像头。但不同于手机摄像头，车载摄像头较高的价格来源于其对可靠性的极高要求。与一般的摄像头相比，车载摄像头要求更长的连续工作时间，更高的识别率以及恶劣环境下的鲁棒性。特别是由于车载摄像头的工作环境十分复杂，时常需要面对震动、高温、雨雪、黑夜、电磁脉冲等物理环境，而在驾驶过程中的识别效果又与驾驶员和乘客的人身安全息息相关，因此无论是模组和封装都有远高于手机摄像头的要求。
此外，由于汽车行业本身就对安全性十分看重，智能汽车尤其是无人驾驶领域，安全更是行业能否得到政府和公众认可的一大标准，因此车企在摄像头品质上要求严格，将会更倾向于规模大、制造能力强、口碑较好的大型企业。而前装市场从推广到测试到最终签订合同沉没成本较高，行业客户粘性也较强，摄像头供应商不会轻易被替换。
综上，车载摄像头市场较为成熟，行业的壁垒在于模组封装技术和客户渠道，目前行业龙头的摄像头大厂占据了较大的市场份额，且不容易被新进入者蚕食。
从细致划分领域来看，车载摄像头主要由镜头模组、CMOS传感器、ISP、模组组装及其他部件组成。其中CMOS和镜头模组分别占据1/3的成本。
镜头组作为车载摄像头的核心原件，其品质由焦距、视场角、光圈、畸变、相对照度、分辨率等指标进行衡量，企业的核心竞争力在于精密加工、光学设计能力上。2015年全球摄像头镜头厂商中，中国台湾企业大立光电的出货量仍保持第一，但根据ReserchInChina的调研数据，在车载摄像头镜头市场，舜宇光学的镜头出货量居全球第一位，市场占有率超过1/3，之后依次为韩国Sekonix、kantatsu和日本fujifilm，四家企业合占全球近80%市场份额。
舜宇光学2004年即开始布局车载镜头市场，2012年开始做到了全球车载镜头出货量的第一并保持至今。目前公司产品已覆盖车载摄像头的各个领域，进入各大车企（宝马、奔驰、奥迪）前装市场，例如2016年全新宝马7系中的镜头都来源于舜宇光学。舜宇光学2018年车载镜头销量目标为增长30-35%，预计在2020年将实现无人驾驶领域核心光学器件的量产。
CMOS是摄像头的感光元件，相比CCD（Charge-coupled Device，即电荷耦合元件）感光元件成像质量稍差一些，但是成本更低，也更加省电，在像素要求不高的车载摄像头领域应用十分广泛。目前手机摄像头也采用CMOS传感器，这也是手机摄像头厂商谋求进入车载摄像头领域的原因之一。
CMOS市场基本被外资品牌把控，国产品牌实力较弱。Sony在全球CMOS传感器领域常年占据市场份额第一的位置，市场份额超过42%，但在车载摄像头方面实力不强，这也体现了车载摄像头市场存在一定的行业壁垒。车载摄像头CMOS行业的绝对的领导者是美国企业On Semi （安森美），安森美在汽车图像传感器市场的市占率达到46%。此外，晶方科技大股东之一美国Omnivision，韩国Pixelplus市场份额均超过10%，行业总体上被美日韩企业垄断。
图像信号处理器ISP（Image Signal Processing）是通过一系列数字图像处理算法对前端图像传感器输出信号处理的单元，功能包括3A、坏点校正、去噪、强光抑制、背光补偿、色彩增强、镜头阴影校正等处理，其架构为逻辑部分（ISP HW）以及运行在其上的firmware。
ISP有独立和集成两种方案。独立 ISP 芯片性能强大，但成本较高，主要供应商为德州仪器（TI）、Mobileye、华为海思等，其中德州仪器（TI）技术积累最深厚、市占率最高。而近年CMOS传感器供应商如Aptina、OmniVision也推出最新的内置ISP的CMOS图像传感器集成产品，成本低、面积小、功耗低，但能够完成的算法相对简单，处理能力较弱。在汽车智能化要求提高的背景下，车载摄像头中独立ISP芯片在短期内仍是主流，未来可关注CMOS产商的集成产品能否在处理能力上实现突破。
车载摄像头ISP行业总体竞争仍较为激烈，且原先深耕手机和安防摄像头领域的ISP厂商也关注到车载摄像头市场潜力，纷纷跨赛道布局。移动芯片龙头ARM 在2017年宣布推出首款完全自研的针对ADAS的 ISP芯片Mali-C71。而国内企业如专注安防市场的富瀚微电子则在今年8月宣布推出国内本土首款百万像素以上的车规级ISP芯片FH8310，且迅速与国内著名车厂BYD合作并快速量产。可见未来车用ISP领域竞争仍将十分激烈。
相对于手机摄像头等消费级电子和工业视觉用工业级电子，安全问题的存在使得车载摄像头对稳定性和规格要求较高，模组封装工艺更加复杂，技术壁垒较高，尤其是点胶工艺存在难点。行业市场集中度虽高于手机摄像头，但从企业来看并没有呈现过度集中的局面，Panasonic占据较大份额，前十中其他厂商市场份额十分接近。
目前摄像头模组封装市场基本上为日韩厂商主导，国内舜宇光学、欧菲光等厂商在手机摄像头封装领域市场占有率较高，拥有一定的工艺经验，也开始进入车载摄像头模组封装行业。国内还有同致电子、深圳豪恩、苏州智华等未上市企业从事封装业务，但总体上规模较小，难以与日韩抗衡。
核心算法芯片需要与算法软件的要求相匹配。在人工智能高速发展的大背景下，算法研发企业使用传统算法上叠加深度学习以提高识别率，而这对核心算法芯片的性能提出了更高要求。目前对核心算法芯片的要求主要体现在：
1）芯片能够达到车规级的标准，达到道路车辆功能安全标准中的ASIL-B甚至ASIL-D级别；
2）高计算量以及高带宽，特别是多传感器融合的芯片，需要更高的芯片频率，以及异构设计，以达到快速的数据处理速度以及传输的高吞吐率；
主流算法芯片方案主要包括ARM、DSP、ASIC、MCU、SOC、FPGA、GPU等，其中ARM、DSP、ASIC、MCU、SOC是软件编程的嵌入式方案，相对于FPGA的直接编程处理速度较慢，难以满足ADAS视觉系统中对响应速度的要求。由于GPU和FPGA并行处理能力强，而使用深度学习算法需要对图像中多个像素点同时计算，因此会更有优势。但耗能也更高，FPGA因为编程和优化都是直接在硬件层面进行的，能耗会低很多。因此在平衡算法和处理速度，尤其是用于前装并且算法稳定时，FPGA被视为一个热门方案。
目前用于ADAS视觉方案的芯片多数被国外垄断，但标杆产品尚未出现。主要供应商有瑞萨电子（Renesas Electronics）、意法半导体（ST Micro）、飞思卡尔（Freescale）、亚德诺（ADI）、德州仪器（TI）、恩智浦（NXP）、富士通（Fujitsu）、赛灵思（Xilinx）、英伟达（NVIDIA）等。可供选择的用于传统计算机视觉算法的车规级芯片种类繁多，但尚未出现适用于传统算法叠加深度学习算法的低功耗高性能芯片的标杆产品。一方面，由于FPGA的硬件语言（verilog）和计算机视觉算法使用的语言（C语言）不同，缺乏同时具有软硬件背景的人进行算法移植。另一方面，增加的深度学习设计需要与原有软硬件架构以及整个系统设计上做匹配，可能需要改变原有的架构并重新搭建，这一技术难点目前还在早期探索阶段。当前市场份额最高的EyeQ技术上最具优势，但价格则相对较高。
结合深度学习的低成本标杆产品的空缺也给我国企业提供了机会，国内森国科、地平线.SZ）这两年发布了相关芯片产品，未来若能攻克核心技术难点，便可能在车载摄像头核心算法芯片领域实现弯道超车。
ADAS视觉算法的源头便是前面提到的计算机视觉，智能汽车ADAS视觉能够在近年取得较大的进展也得益于人工智能背景下计算机视觉算法的优化。
传统的计算机视觉识别物体大致可以分为图像输入、预处理、特征提取、特征分类、匹配、完成识别、输出结果几个步骤，其中预处理和特征提取尤为关键。近年来，深度学习的渗透给传统的计算机识别算法带来重大改变。深度学习让计算机模拟人类思考的神经网络，可以自己学习判断。通过直接向计算机输入标定后的原始数据，比如挑选一堆异形车图片，然后丢给计算机让它自己学习什么是一辆车，从而免去计算视觉特征提取、预处理等步骤，感知过程可以简化为输入图像-输出结果两步。深度学习不仅仅简化了识别步骤，也大幅提高了识别的准确率。
由德国卡尔斯鲁厄理工学院和芝加哥丰田技术研究所联合创办的KITTI，是国际上权威性较高的机动车辅助驾驶应用技术评估的算法评测平台。从最新评测结果可以看出，排名靠前的算法中等难度准确率均能达到90%以上，且差距较小。虽然科研得出的计算机视觉算法模型也会增加诸如天气等复杂环境因素，但是将其应用到实际环境中仍未必能达到测试时的表现，因为现实环境中还必须要确保能够在不同的路况、天气、车型，对不同姿态的人、不同的车道线下稳定工作（鲁棒性）。因此，实车定量测试成为评估算法真实能力的最佳方法，具有大量的实际道路测试打底的产品可靠性更高，这也是为什么拥有主机厂Tier1前装经验的方案提供商能够大幅提高其核心竞争力。
以此趋势，深度学习将会超越传统视觉算法。同时，由于深度学习的算法模型已经开源，算法种类不多，门槛降低，大量优秀结果涌现的可能性极大。未来单独通过企业对外宣称的识别率来衡量算法能力意义不大，比较识别率应要把产品放在不同复杂场景下评估，同其他指标一起考量。视觉算法的发展不仅在于不断通过大量符合实际用车环境且多样的数据对算法进行训练，未来实车测试重要性将愈发突出。
Mobileye由以色列希伯来大学的Amnon Shashua教授和Ziv Aviram于1999年创立。自创立之日起，Mobileye便将其公司使命定为开发和推广单摄像头视觉系统，以协助驾驶员在驾驶过程中保障乘客安全和减少交通事故。公司于2014年在纽交所上市，市值达80亿美元，创下以色列公司在美国最高IPO纪录。2017年3月，Mobileye被Intel以145亿美金收购。Mobilieye在智能驾驶视觉识别前装领域市占率达70%，是行业绝对的龙头。
Mobileye是一个极度以研发为导向的科技企业。Mobileye虽然成立于1999年，但在2007年搭载Mobileye产品的车型才上市，从研发到正式商用整整用了八年的时间。Mobileye在以色列建有研发中心，目前全球员工达到了500多人，而研发人员占三四百人。八年技术沉淀的效果明显，带来的直接影响是在与其他公司竞逐各大汽车厂商的智能汽车安全设备招标时，Mobileye成功率几乎是百分之百。除至少25家整车厂外，Mobileye目前还拥有多个Tier1合作伙伴，包括Delphi德尔福、Continental大陆、Magna麦格纳电子系统公司等等。
Mobilieye的核心产品为与意法半导体（ST Micro）合作开发的EyeQ系列芯片。意法半导体主要负责架构设计、芯片制造、系统封装等，而Mobilieye主要提供算法。Mobileye认为驾驶环境太复杂，不适合人为编写的的基于规则的决策，因此采用机器学习的方法，通过暴露于数据集中来“学习”决策过程。预计2020年实现量产的EyeQ5的运算能力已经达到24万亿次运算/每秒，但其能耗仅为10W，能耗比非常低，比NVIDIA公开宣称的Xavier效能还要高2.4倍。同时，EyeQ系列产品定位较为明确，并不存在明显的迭代关系，EyeQ5主要定位于L4和L5无人驾驶阶段的应用，而EyeQ4则更多用于对L3半自动辅助驾驶技术的支持。
EyeQ产品快速放量，商业化落地进一步丰富Mobilieye数据库。进一步丰富从具体业绩来看，自第二代EyeQ芯片实现量产开始，Mobilieye就实现营收的高速增长，前期八年深耕研发的成果开始变现，2011年-2016年六年营收翻了16倍。2017年，Mobileye的EyeQ芯片出货量达到870万，累计出货已经达到了2400万，增长势头强劲。其中前装产品约占80%，后装产品约占20%。Mobilieye在智能驾驶视觉识别前装领域市占率达70%，是行业绝对的龙头。
2018年，全球将会有15款搭载Mobileye无人驾驶技术的新车发布，其中4款搭载最新一代EyeQ4芯片；共14家车辆制造商中，包含四家中国造车企业。对Mobileye而言，与更多汽车制造商合作，意味着产品在现实生活中使用越频繁，而起到的正反馈作用越显著。因为全球2400万辆配备着Mobileye摄像头的车在行驶，相当于不断在收集数据和做实车测试，为深度学习提供基础。
Mobileye加快中国市场本土化，未来可关注相关合作方。Mobileye进入中国市场7年，但市场的渗透率并没有达到在欧美地区的水平，尤其是前装市场，主要有三大原因。政策上，国内政策对外只开放ADAS的半前装市场，Mobileye只能通过4S店给分散的顾客安装，安装时间长，成本较高；文化上，Mobileye对技术的保密性十分重视，此前在与中国企业开展合作时相对保守，2017年时整个中国团队规模也只有十几个人；技术上，中国路况环境十分复杂，行人车辆较多，对数据库的要求更高，本土化的测试需要时间。
从近年来的动作来看，Mobileye显然加快了中国市场的布局。2015年，Mobileye提供了300台设备，与我国交通部下属的研究院合作，验证Mobileye系统的有效性，2016年Mobileye便正式入选了交通部认证的ADAS企业名单。同时Mobileye将中国的代理权授予给了硬蛋科技，在大陆及香港地区通过O2O方式和渠道推广产品。到2017年，中国已有27家汽车制造商的30个全新设计方案采用了Mobileye的ADAS解决方案，并陆续与得润电子（002055.SZ）、四维图新（002405.SZ）、上汽集团（600104.SH）、联创电子（002036.SZ）等企业开展战略合作。随着政策的进一步确定和产品开发本土化的进展，拥有绝对技术优势的Mobileye将抢占中国市场这块蛋糕，未来可关注与Mobileye开展合作的企业。
目前我国进行智能驾驶视觉算法的企业大多为初创公司，尤其在无人驾驶和人工智能概念被资本追捧之时，算法企业不断冒出。许多公司声称自己涉足ADAS视觉领域，但做的仅仅是技术较为低端的行车记录仪、倒车摄像头等产品，真正具有核心技术、达到能够商业化的算法水平的企业较少，何况从ADAS到无人驾驶还有不小的距离。算上EyeQ5，Mobileye已经能够覆盖L1到L5不同车型。此外，Mobileye深入研究八年才正式把产品投入商用，期间巨大的时间和成本投入是初创企业难以企及的，在相关技术上也远远领先我国初创企业。即便初创公司在某个项目的识别精确度几乎能够达到同一水平，产品的总体性能和实际应用能力也难以与不断进行实车测试的Mobileye。
正如前文所说，Mobileye开拓中国市场的一大劣势在于本地化数据的缺乏，因此倘若我国算法企业要寻求在持续扩大的驾驶视觉市场分一杯羹，则可通过利用本土优势，积累中国的路况数据，从而研发出更加适合中国路况的系统，如深圳佑驾创新Minieye。另一切入路径为后装市场。前装市场更倾向于技术较为成熟的企业，Mobileye和大型Tier1和整车厂合作形成的客户资源优势是无法比拟的，而后装市场体量更大，潜在细分领域更多，算法公司可从后装市场切入，之后再寻求进入前装领域。
结合上述分析，我们知道当前全球ADAS渗透率仍然不高，我国更是远低于全球平均水平。但无论从技术成熟的角度还是从政策逐步开放的角度，都可以清晰地预见ADAS在未来3-5年内的普及率将不断提高。作为ADAS系统中不可或缺的一环，摄像头凭借其成本优势能够率先在ADAS普及浪潮中放量。
在同样应用CMOS传感器的手机摄像头领域，全球手机市场出货量正在下滑，行业红利逐渐消退，手机业务对于摄像头的需求减缓，产业链部分厂商已经感受到压力。相比较而言，车载摄像头总体市场规模虽然不及手机摄像头，但行业潜力较大，在短期存在较大的增长空间。
根据佐思产研的数据，2017年中国国内乘用车市场摄像头装车量为639万颗，预计到2021年增长到3180万颗，年均增长约49.3%。在短期内车载摄像头迅速放量，产业链（镜头组、CMOS、模组封装等）厂商将因此受益。
已有不少整车厂商宣布要在2025年以前完成L4级汽车的量产和通用场景下的商业化。单纯从技术水平来说，无人驾驶已能够在景区、物流园区、机场限定场景等进行商业化应用，如百度与金龙客车联合开发的无人驾驶微循环车阿波龙拟于今年上线运营，中国重汽集团刚发布了拟用于港口运输的无人驾驶电动卡车。但通用场景下，L4以上无人驾驶车型的量产和广泛应用在中短期仍存在但不限于如下阻碍：
1) 当前技术水平下成本仍十分高昂：对于L4以上车型，背后集成技术十分先进，对硬件要求也更高，如激光雷达等硬件设备价格高昂，在满足安全性的同时无法控制成本；
2) 社会公众对无人驾驶的接受程度有限：无人驾驶车辆相关事故频发，今年3月还出现首例路测车辆行人致死案。尽管有研究表明无人驾驶汽车事故率低于传统汽车，但不可避免地，公众对无人驾驶的安全性有更高的要求，相关事故打击了公众的接受程度，而相关的政策法规也会因为争议的存在而难以出台；
3) 基础设施有待完善：无人驾驶需要完美的路况来支持，面对不够清晰的道路标线、时常损坏的交通信号灯、不够准确的导航精度都会影响系统的识别，美国亚特兰大希望打造的智能交通走廊每英里成本就高达100万美元。
因此，整车厂商的量产规划大都过于乐观，我们判断通用场景的无人驾驶开始普及至少还有10年时间，对于无人驾驶系统中的视觉方案而言，高端芯片和视觉算法会随着无人驾驶的逐步普及而广泛应用。资本已经开始涌入无人驾驶和计算机视觉领域，而不少企业也开始发布自研产品。单凭借识别准确率等指标已难以区分产品的优劣，未来能满足车规级要求和量产要求的产品才能真正拥有市场。
相比工业级和一般的商业级，车规级对芯片的要求更高。工业级芯片的工作温度范围是-40摄氏度至85摄氏度，而车规级芯片工作温度范围是-40摄氏度至125摄氏度；消费性电子产品的产品寿命约1至3年，但车用电子要达到10至15年。当前国际通行的车规级标准包ISO/TS 16949和汽车电子委员会AEC系列标准，如AEC-Q100就规范了7大类共41项的测试，不同的客户可能还会有特定的要求。只有真正满足车规级要求，才算是拿到进入汽车产业链的门票。同时，产品也需要满足量产要求，这其中既包括芯片自身的量产（需要用到高端设备和材料能否获取）以及下游应用即整车的量产，无法实现量产也只是纸上谈兵。
因此，从长逻辑来看应关注芯片和视觉算法赛道，重点在于车规级和可量产产品的生产。当前赛道上初创企业众多，未来相关企业的一级市场股权融资、并购整合、挂牌上市等众多机遇会陆续出现。
欧菲科技（002456.SZ）：积极布局智能汽车领域，ADAS视觉产品逐步放量
欧菲科技的主营业务为触控显示类业务、摄像通讯类业务和生物识别类业务，产品广泛用于消费电子领域，是全球触控行业龙头企业。公司于近几年开始积极布局智能汽车和车联网领域，充分利用自有核心技术，在智能中控、无人驾驶、车身电子等核心领域打造汽车智能化一站式解决方案，提供高质量、高性价比的产品和服务。在ADAS视觉领域，通过引入国内先进的研发团队，提升系统的运算能力，提高产品安全性和可靠性，车载摄像头、倒车影像系统、360度环视系统、毫米雷达波、自动泊车系统已获得定点通知书，产品陆续进入量产阶段。由于以车载摄像头、360度环视系统和倒车影像系统等为代表的软硬件产品开始放量，2018年上半年公司智能汽车业务收入2.07亿元，同比增长61.55%，毛利率23.30%，产业布局取得一定成效。
富瀚微（300613.SZ）：安防厂商发布国内首款百万像素以上车规级ISP芯片
富瀚微从2011年起将业务重点转移到安防视频监控摄像机芯片，满足高速增长的数字视频监控市场对视频编解码和图像信号处理的芯片需求，目前安防行业两大巨头海康威视、大华股份均是其重点客户。富瀚微也利用其在安防领域的技术背景进军汽车电子领域，过去几年在车载领域实现了包括倒车摄像头、流媒体后视摄像头和行车记录仪等多种后装产品的落地。而今年8月，富瀚微发布了其首款车规级前装ISP芯片FH8310，该芯片已经在比亚迪“唐二代”新能源汽车中实现量产。FH8310是国内本土半导体公司首款百万像素以上的车规级图像处理ISP芯片，标志着富瀚微电子打破了欧美日韩厂商在汽车前装摄像头市场的技术壁垒，在国内本土半导体设计公司中率先进入车辆前装市场。FH8310在降噪、颜色偏差纠正、鱼眼矫正、多链路接口上都有具有竞争优势。
韦尔股份主营半导体设计及分销业务，其中设计业务的主要产品包括分立器件（TVS、MOSFET等）、电源管理IC、射频芯片、卫星接收芯片等。今年8月15日，韦尔股份公告拟以33.88元/股发行约4.43亿股股份，收购北京豪威96.08%股权、思比科42.27%股权、视信源79.93%股权，同时拟募集不超过20亿元配套资金。本次交易完成后，韦尔股份将持有北京豪威100%股权。豪威科技是全球CMOS传感器巨头，笔记本电脑、手机、媒体、安防、汽车、娱乐都占有相当规模的市场。根据法国市场调查与研究公司Yole的数据，在车载CMOS市场，豪威科技市场占有率23%，仅次于安森美。2016年，在纳斯达克上市的豪威科技被以华创投资为首的中国财团的并购基金北京豪威私有化，此后北京君正拟作价120亿元收购北京豪威但以失败告终。本次韦尔股份成功收购北京豪威，相当于该CMOS传感器巨头正式登陆A股市场。
联创电子（002036.SZ）：Mobileye认证背书，车载镜头逐步放量
联创电子重点发展光学镜头及影像模组、触控显示器件等新型光学光电子产业。今年7月，公司研发的又一款车载镜头通过ADAS视觉龙头Mobileye的认证，至此已有三款镜头通过认证。公司也已经顺利通过Valeo（法雷奥）等多家欧洲主流ADAS Tier1厂商的认证，在环视、倒车影像领域与多家欧洲TIer1厂商的签订供应合同，今年开始批量出货。车载镜头具有较高的技术壁垒和行业壁垒，能与全球知名汽车电子产商达成广泛合作证明了公司在车载镜头领域的实力。通过本次Mobileye认证的背书，未来联创电子有望进一步拓宽市场，实现车载镜头出货量逐步攀升。
赛格导航（832770.OC）：AVM环视系统获CES奖项，关注ADAS领域产销量
赛格导航主要从事车联网产品、汽车智能产品的研发、制造，以及TSP车联网运营服务。在ADAS领域，赛格导航主要布局AVM环视系统，单目摄像头以及毫米波雷达相关产品。2018年CES亚洲消费类电子科技类产品展上，赛格导航的AVM环视系统获得CES Asia创新奖产品，得到媒体和下游客户的追捧。未来可关注赛格导航在相关领域的布局和产品销售情况。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
