自动驾驶①:从摄像头到 Robotaxi,价值落在哪一层

作者：产业链拆解笔记

阅读约 13 分钟　资料截至 2026 年 8 月 3 日

产业链研究员，通过产业链研究寻找和筛选具有前景的投资标的。

文章摘要｜2026 年以来，中国 L2 级组合驾驶辅助乘用车渗透率达到 70.5%，NOA 渗透率达到 34.2%；首批 L3 车型开始在特定区域上路；Robotaxi 也进入多城市规模运营验证。但这并不是同一条商业化曲线：如果看近两年的收入可见度，智驾芯片、域控制器、摄像头和激光雷达最先兑现；如果看 L3 的新增壁垒，线控制动、线控转向、冗余电源和安全验证更稀缺；如果看长期弹性，数据闭环、全栈软件和 Robotaxi 运营空间最大，但盈利验证也最晚。本文先分清 L2+、L3 和 L4，再拆解感知、计算、软件、执行、基础安全和应用运营六层产业链，并按产业相关度、业务纯度、稀缺性和证据等级梳理中外公司。只判断产业位置，不讨论股价与估值。

导语｜自动驾驶不是一条曲线，而是三门生意

自动驾驶最容易被写成一个简单故事：

摄像头看见道路，芯片理解环境，算法作出决策，线控底盘完成转向和刹车，汽车最终不再需要驾驶员。

真正落到产业上，却没有这么整齐。

给私家车安装一套城市 NOA、让 L3 系统在限定条件下承担驾驶任务、运营一支真正无安全员的 Robotaxi 车队，是三门完全不同的生意。

它们的客户、责任主体、收入模式和成本结构都不同：

截至 2026 年 7 月，中国 L2 级组合驾驶辅助乘用车渗透率已达到 70.5%，NOA 渗透率达到 34.2%；全国累计发放测试示范牌照超过 2 万张，开放测试道路超过 5.7 万公里，累计测试超过 2.2 亿公里。首批 L3 车型也已在北京、重庆特定道路开展附条件试点。

这说明自动驾驶已经进入产业兑现期。

但兑现并不同步。

L2+ 看装车，L3 看责任，L4 看运营。

这就是本系列第一篇要回答的问题：从摄像头到 Robotaxi，价值究竟落在哪一层？

一、结论先行：三个答案，对应三个阶段

1．看近两年的收入可见度：芯片、域控和传感器先兑现

L2+ 的商业模式最直接。

车企每生产一辆带辅助驾驶功能的汽车，就可能采购一套智驾芯片、域控制器、摄像头、毫米波雷达或激光雷达，并支付部分软件授权和工程服务费用。

这类收入已经不是实验室故事，而是量产交付。

地平线征程系列芯片累计出货超过 1000 万套；禾赛科技 2025 年交付约 162 万台激光雷达；速腾聚创同期交付约 91.2 万台。零部件已经进入百万级、千万级装车阶段。

但装车量只是第一层证据。

还要继续看：

速腾聚创 2025 年 ADAS 激光雷达销量增长，但相关收入反而下降，主要原因之一是平均售价从约 2600 元降至约 1800 元。

这说明：

销量增长，不一定等于收入增长；收入增长，也不一定等于利润增长。

2．看 L3 的新增壁垒：线控底盘和安全冗余更稀缺

L2 阶段，驾驶员始终承担驾驶责任。

到了 L3，系统在设计运行条件内完成全部动态驾驶任务，驾驶员只需在系统发出请求时接管。

这个变化不是“功能多一点”，而是责任开始从人转向系统。

因此，L3 真正增加的价值不只在摄像头和芯片，还包括：

中国首批获准的两款 L3 车型，都明确限制了道路、速度和使用条件。长安车型最高车速限定为 50 公里/小时，北汽极狐车型最高车速限定为 80 公里/小时。

这说明 L3 的推进方式不会像手机功能升级那样连续，而更可能是一个个准入节点、道路范围和责任边界逐步放开。

3．看长期弹性：数据闭环和 Robotaxi 运营空间最大

Robotaxi 的终点，不是向车企多卖一个传感器，而是直接替代部分人工驾驶服务。

一旦车辆成本、运营成本和安全水平达到要求，收入可能由一次性卖硬件，转为持续按订单收费。

截至 2026 年一季度，Waymo 每周完全无人驾驶订单已超过 50 万单；百度 Apollo Go 单季完成 320 万次全无人运营订单；小马智行 Robotaxi 车队超过 1700 辆；文远知行全球 Robotaxi 车队约 1300 辆。

但订单规模仍不等于盈利。

Robotaxi 还要承担：

因此，Robotaxi 的想象空间最大，商业验证也最严格。

图 1　最先兑现，不等于最难替代

一句话排序：近期看量产零部件，中期看 L3 冗余安全，长期看数据闭环与 Robotaxi 单位经济性。

二、先把概念分清：L2+、L3 和 L4 不是一回事

“L2+”“L2++”是行业常用营销表达，并不是中国国家标准或 SAE J3016 中的正式等级。

中国现行《汽车驾驶自动化分级》把驾驶自动化分为 0 至 5 级。研究产业时，最重要的分界线不是功能名称，而是动态驾驶任务由谁负责、系统失效后由谁兜底。

图 2　级别不是字母升级，核心是驾驶责任迁移

ODD 指设计运行条件，包括道路类型、区域、速度、天气、光照、交通状态等。

同一辆车在高速公路上可能具备 L3 能力，离开限定路段后又退回 L2 或人工驾驶。自动驾驶等级描述的是“特定功能在特定条件下的责任关系”，并不是给整辆车永久贴一个标签。

研究时至少继续追问五件事：

1.产品属于正式 L2、L3、L4，还是企业自定义的 L2+、L2++；

2.功能能在哪些道路、速度和天气下开启；

3.驾驶员是否需要持续看路，系统失效后由谁接管；

4.数据来自演示、测试、量产车，还是完全无人收费运营；

5.相关收入来自卖硬件、软件授权、工程服务，还是运营订单。

三、自动驾驶产业链：从感知到运营，完整链条有六层

自动驾驶完整产业链可以拆成：

感知层 → 计算层 → 软件层 → 执行层 → 基础与安全层 → 应用运营层。

它不是传统汽车增加几颗传感器，而是把汽车改造成一个持续感知、实时计算、可远程升级、能够承担安全责任的移动机器人。

图 3　自动驾驶产业链全景地图

六层之间并不是单向供货关系。

车辆上路后产生数据，数据回到云端完成筛选、标注、仿真和训练，再通过 OTA 更新到车辆。新的版本继续运行，又产生新的长尾场景。

所以真正的产业闭环是：

车辆运行 → 数据回流 → 训练仿真 → 安全验证 → OTA → 再次运行。

硬件决定系统能看见什么、算得多快；软件决定系统如何理解和决策；执行层决定命令能否安全完成；运营层最终验证每公里成本和商业效率。

四、六层价值地图：每一层卖的东西不同

图 4　六层价值地图：不要只比较算力和传感器数量

1．感知层：摄像头、激光雷达和毫米波雷达不是简单替代关系

摄像头成本低、信息密度高，擅长识别车道线、交通灯、文字和目标类别，是当前装车量最大的传感器。

毫米波雷达能直接测量距离和相对速度，在雨雾、黑夜和逆光环境下更稳定。

激光雷达提供精确的三维距离信息，能够为障碍物轮廓、可行驶空间和系统冗余提供额外证据。

市场经常把路线争论写成“纯视觉一定淘汰激光雷达”或“没有激光雷达就不安全”。这两种说法都过于简单。

特斯拉当前面向消费者的 FSD（Supervised）仍明确要求驾驶员持续监督，并不使车辆成为自动驾驶汽车；Waymo 的 L4 系统则继续采用摄像头、雷达和激光雷达融合。

路线选择取决于：

2．计算层：TOPS 不是唯一答案

计算层包括智驾 SoC、MCU、存储、供电、散热、域控制器和中央计算平台。

判断一家芯片或域控制器公司，不能只比较峰值算力。

更重要的是：

地平线的特点是芯片、工具链和软件方案共同布局；德赛西威更接近域控制器和系统集成；Mobileye 长期依靠 EyeQ 芯片与 ADAS 算法形成规模；高通则试图从座舱向舱驾融合和中央计算延伸。

它们都属于计算层，但收入结构和竞争方式并不相同。

3．软件层：真正的壁垒是数据闭环，不是一次演示

自动驾驶软件需要完成感知、预测、规划和控制，也可以采用端到端模型直接把多传感器输入映射为驾驶轨迹。

端到端并不会消除工程问题。

它只是把部分人工规则，转移到数据、模型、训练和验证体系中。

真正难复制的是：

一段演示视频只能证明“某次开得不错”，不能证明大规模车辆在数百万公里中持续稳定。

4．执行层：L3 以后，刹车和转向必须能在故障中继续工作

执行层包括线控制动、线控转向、底盘域控制器和冗余电源。

传统机械系统中，方向盘与车轮、制动踏板与制动器之间存在机械连接。线控系统用电信号传递驾驶或系统命令，布置更灵活，也更适合自动驾驶控制。

但机械连接取消后，电源、通信和控制器失效就必须被系统冗余覆盖。

博世的 brake-by-wire 方案采用两个独立液压执行机构；其 steer-by-wire 方案强调冗余数据和供电。伯特利 2025 年年报披露，WCBS2.0H 是支持 L3 功能的冗余方案，WCBS 系列已大规模量产，EMB 也在 2026 年进入小批量交付。

线控底盘的壁垒不只是机械结构，而是：

执行器、控制算法、功能安全、故障诊断、整车标定和批量质量体系。

5．基础与安全层：自动驾驶需要一套“证明自己安全”的系统

这一层包括：

地图依赖可能下降，但定位、道路语义和安全验证不会消失。

算法越复杂，越需要证明它在版本升级后没有引入新的风险。未来真正稀缺的能力，不只是“模型能开”，而是企业能建立一套监管、车企和保险机构可以理解的安全证据链。

6．应用运营层：最终向谁收钱，决定商业模式

自动驾驶主要有四类应用：

1.L2+/NOA 乘用车：通过卖车、硬件选装或软件订阅变现；

2.L3 私家车：通过高阶配置收费，同时重构责任和保险；

3.L4 Robotaxi：按订单收费，核心是单车利用率和每公里成本；

4.无人物流、港口、矿山和园区：路线更固定，可能更早达到局部经济性。

同样是“自动驾驶”，卖一套域控制器和运营一辆 Robotaxi 的资产负债表完全不同。

前者更像汽车零部件生意，后者更像重资产交通运营与软件平台的结合。

五、三条商业化曲线：不要用同一套估值逻辑

图 5　L2+ 看装车，L3 看责任，L4 看运营

第一条：L2+/NOA 装车曲线

当前确定性最高。

主要观察：

受益环节主要是智驾芯片、域控制器、摄像头、毫米波雷达、激光雷达和量产软件方案。

最大风险是降价速度快于出货增长，以及车企把更多软件和系统集成能力收回内部。

第二条：L3 责任曲线

L3 不会按一条平滑曲线普及，而会随着法规、准入、道路范围和保险规则逐步放开。

每一次 ODD 扩大，都可能提高感知、计算、执行和安全验证的要求。

主要增量包括：

第三条：L4 运营曲线

L4 的收入不是“装一台硬件就结束”，而是车辆每天能完成多少付费订单。

最关键的指标包括：

Robotaxi 公司可以在收入很小的时候拥有很高技术价值，也可能在订单快速增长时继续亏损。

所以不能只看车队数量和订单数量。

六、价值如何重新分配：从“堆硬件”走向“系统闭环”

自动驾驶不会让产业链每个环节平均受益。

当前最值得关注的价值迁移有五处：

但平台化并不意味着零部件失去价值。

只要安全责任提高，车规芯片、传感器、制动、转向和电源的可靠性要求就会提高。真正可能被压缩的是没有差异化、容易替换、只能跟随降价的通用环节。

判断一家公司的核心，不是看它是否出现在自动驾驶概念名单，而是看它掌握了哪一层不可替代能力。

七、中国公司地图：规模最强，不一定业务最纯

本文把公开证据分成三档：

“相关度、业务纯度和稀缺性”属于产业位置判断，不是投资评级。

这张表最重要的结论不是谁排第一，而是：

八、海外公司地图：成熟 ADAS、L3 量产和 L4 运营并存

Mobileye 和博世代表成熟供应链规模；梅赛德斯代表 L3 责任边界的量产探索；Waymo代表 L4 运营深度；特斯拉代表以大规模量产车和数据迭代推动辅助驾驶升级的路线。

它们不能放在同一个指标下简单排名。

九、产业综合排序：不要把“最稀缺”理解成“最快赚钱”

如果只问“谁最先形成收入”，答案更接近：

智驾芯片／域控制器／传感器 ＞ L3 冗余与安全系统 ＞ Robotaxi 运营利润。

如果问“谁最难被替代”，答案更接近：

数据闭环与安全验证 ＞ 失效可运行的线控底盘 ＞ 车规计算与工具链 ＞ 通用硬件。

这两条排序看似相反，其实分别回答“谁最早”和“谁最难”。

十、判断一家自动驾驶公司，先看这条证据阶梯

图 6　自动驾驶公司的证据阶梯

研究时建议持续记录九类指标：

1.产品属于 L2、L3 还是 L4，正式责任边界是什么；

2.ODD 覆盖哪些道路、速度、天气和城市；

3.定点车型是否按计划 SOP，实际出货量是多少；

4.单车价值量、平均售价和毛利率是否稳定；

5.驾驶里程中有多少是安全员测试、完全无人还是付费运营；

6.接管、远程协助和事故数据是否有统一口径；

7.软件收入是一次性开发费、授权费还是持续订阅；

8.Robotaxi 每车每天订单、空驶率和每公里成本如何变化；

9.自动驾驶相关收入和现金流能否单独披露并重复增长。

“获得测试牌照”不等于获得产品准入；“车型定点”不等于已经量产；“累计测试一亿公里”不等于完全无人行驶一亿公里；“每周订单翻倍”也不等于车队已经盈利。

证据越往后，产业确定性越强，故事弹性通常越小。

结语｜真正值得研究的不是一个零部件，而是一条责任闭环

自动驾驶最吸引人的地方，是它可能把汽车从交通工具变成持续学习的移动机器人。

最困难的地方，是它不仅要“开得像人”，还要在传感器、芯片、电源或通信出现故障时继续安全运行，并用监管和社会可以接受的方式证明自己。

所以，首篇的最终结论很明确：

感知决定系统能看见什么，计算决定能处理多少信息，软件决定如何理解和决策，线控执行决定命令能否安全完成，数据与验证决定系统能否持续进化，运营决定商业模式能否真正闭环。

只从产业阶段比较：

自动驾驶已经进入兑现期，但不应该把装车、准入和运营混成一个故事。

下一篇

自动驾驶②：摄像头、激光雷达和毫米波雷达，谁会成为主流？

下一篇将拆解三种感知路线的 BOM、技术边界、成本变化、量产格局，以及豪威集团、禾赛科技、速腾聚创、博世等公司的产业位置。