來源 源達

　　投資要點

　　車路云一體化系統是通過新一代信息與通信技術將人、車、路、云的物理空間、信息空間融合為一體，基于系統協同感知、決策與控制，實現智能網聯汽車及交通系統安全、高效、節能及舒適運行的信息物理系統。我國在車聯網基礎設施建設方面具備優勢。一方面，我國大力推行5G網絡、物聯網、衛星互聯網、數據中心、智能交通基礎設施等新型基礎設施建設；另一方面我國高速公路總里程世界第一，公路總里程和公路網密度快速增加，且收費公路里程遠高于美國，中國路側設備RSU（Road SideUnit）的數量和分布范圍大于美國。在這些新基建的推動下，車路協同有望進入快速發展階段，降低自動駕駛的復雜度和車載成本，彌補中國在單車智能發展方面的不足，成為中國特色的發展道路。

　　近年來，我國已出臺多項政策支持智能網聯汽車行業發展，車路云一體化亦成為戰略之一。據工信部，未來我國將堅持車路協同發展戰略，發揮新型舉國體制優勢，采取更加有力的措施推動智能網聯汽車發展，高質量推進車路云一體化應用試點工作。截至2024年6月底，工信部數據顯示，全國共建設17個國家級智能網聯汽車測試區、7個車聯網先導區、16個“雙智”試點城市，開放測試道路32000多公里，發放測試牌照超過7700張，測試里程超過1.2億公里，各地智能化路側單元（RSU）部署超過8700套，多地開展云控基礎平臺建設。

　　根據中國汽車工程學會等編著的《車路云一體化智能網聯汽車產業產值增量預測（2024年2月）》中的預測，在中性預期情景下，2025年/2030年我國車路云一體化產業總產值增量分別為7295/25825億元，預計2026-2030產值增量CAGR為28.8%。智能網聯汽車領域為產值增量的主要來源，智能化路側基礎設施和云控平臺未來幾年將快速增長。1）智能網聯汽車產業作為中流砥柱，產值貢獻最大，2025年/2030年智能網聯汽車產業產值增量分別為6451/20266億元，占總產值增量比重達88.4%/78.5%。2）智能化路側基礎設施與云控平臺兩大產業產值增速較快，2026E-2030E路側基礎設施與云控平臺產業產值增量CAGR分別為79.7%/56.8%。

　　車路云一體化正處于規模化與市場化進程加速階段，行業潛力巨大。建議關注：萬集科技、千方科技、通行寶。

　　市場需求不及預期的風險、智能駕駛技術發展不及預期的風險、政策不及預期的風險。

　　一、車路云一體化：“人-車-路-云”數據互聯互通的智慧出行中國方案

　　1．車路云一體化助力實現“人-車-路-云”的數據互聯互通

　　車路云一體化助力實現“人-車-路-云”的數據互聯互通。車路云一體化系統是通過新一代信息與通信技術將人、車、路、云的物理空間、信息空間融合為一體，基于系統協同感知、決策與控制，實現智能網聯汽車及交通系統安全、高效、節能及舒適運行的信息物理系統。

　　圖1：車路云一體化系統架構

　　資料來源：國家智能網聯汽車創新中心等《智能網聯汽車“車路云一體化”規模建設與應用參考指南1.0》，源達信息證券研究所

　　車路云系統由車輛及其他交通參與者、路側基礎設施、云控平臺、相關支撐平臺、通信網等組成。

　　數據互聯互通是車路云一體化系統應用的關鍵基礎之一。只有以統一架構設計、統一標準協議，才能夠實現不同元素之間的數據互通，實現業務互通的服務模式。從一體化系統視角，數據交互主要包括車-路、車-云、路-云、云-云等。

　　圖2：車路云一體化系統數據流轉參考圖

　　資料來源：國家智能網聯汽車創新中心等《智能網聯汽車“車路云一體化”規模建設與應用參考指南1.0》，源達信息證券研究所

　　2．單車智能存在局限性，車路云一體化是自動駕駛的必經之路

　　傳統的高階駕駛輔助系統（ADAS）具有局限性。低階ADAS系統主要由基于規則的模型構成，基于特定條件觸發相應機制，但是對于L3及以上的高等級自動駕駛，在復雜的城市道路中，傳統ADAS無法窮盡每一種路況下發生的每一種可能，規則模型勢必將被基于人工智能的自動駕駛算法替代，讓AI學習人的駕駛習慣，提高場景的豐富度。但即便是人工智能算法替代規則模型，單車的智能化仍存在遮擋物和感知盲區的問題，存在安全隱患，且對車載傳感器和計算平臺要求高，成本高企。

　　車路云一體化能夠實現車輛聯網和實時的信息交互，在一定程度上能夠解決單車智能的局限性。通過V2V（汽車對汽車通信）、V2I（汽車對基礎設施）V2N（汽車對互聯網通信）和V2P（汽車對行人通信）來獲取超視距或者非視距范圍內的交通參與者狀態和意圖，車路云一體化能夠解決單車智能化存在遮擋物和感知盲區等問題。

　　圖3：自動駕駛汽車沿智能化和網聯化兩個維度演進

　　資料來源：德勤《新基建下的自動駕駛：單車智能和車路協同之爭》，源達信息證券研究所

　　表1：車路云一體化對自動駕駛的作用分析

級別

車路云一體化作用

L1-L2

網聯信息只起到交互輔助的作用，例如推送道路交通事件、天氣條件等信息，車輛甚至不需要聯網，在本地就可以進行實時環境感知與決策控制，實現自適應巡航、車道保持、換道輔助、自動緊急制動等輔助駕駛功能。

L3以上

對網聯協同感知的要求更高，例如通過路側感知設備和動態高精度地圖，提高車輛定位精度，動態數據高頻率更新，實現有條件的自動駕駛。

L4-L5

網聯化不僅意味著協同感知，也意味著協同決策和協同控制，隨著決策芯片和人工智能算法逐步成熟，車側和路側的信息通過邊緣計算設備進行數據融合，數字信息映射到云端，車端、路端和云端進行協同決策，再下發到車端做實時控制，實現高度自動駕駛和完全自動駕駛。

　　資料來源：德勤《新基建下的自動駕駛：單車智能和車路協同之爭》，源達信息證券研究所

　　3．車路云一體化是我國智慧出行的“中國方案”

　　從技術和成本在車側和路側的分配出發，未來自動駕駛的發展演化出三條技術路線，分別是以激光雷達和高精地圖為代表的“谷歌派”單車智能路線，以視覺感知和影子模式為代表的“特斯拉派”單車智能路線，以及在網聯化方面率先發力與突破的車路協同路線。

　　圖4：自動駕駛的技術路線

　　資料來源：德勤《新基建下的自動駕駛：單車智能和車路協同之爭》，源達信息證券研究所

　　車路協同的發展路徑有望率先在網聯化的維度實現突破，對車端、路端以及云端的協同提出了較高的要求。車端與路側端的信息實時交互，車端多傳感器進行環境感知與數據融合，通過車載計算平臺進行數據處理，路側設備負責路況信息搜集與邊緣側計算，其中激光雷達作為路側感知設備中的核心硬件，探測物體的三維坐標，和毫米波雷達、攝像頭等設備通過邊緣計算進行數據融合，實時繪制局部的高精度地圖，以“上帝視角“采集路況信息，為車輛提供決策依據，而通信平臺提供車-車、車-路、車-云間實時傳輸的信息管道，從而讓車輛實現網聯化自動駕駛。由此可見，車路協同的方案高度依賴低延時、高傳輸速率、高可靠性、高連接數密度的5G網絡環境，而5G基站、路側感知設備與邊緣計算設備的鋪設是車路協同實現的前提條件，需要主機廠零部件供應商、通信企業、互聯網公司以及政府部門通力合作，進行必要的基礎設施投資，制定統一標準，高度整合軟件、硬件，平臺等技術，產業協調的難度較高。

　　圖5：車路協同與智慧交通基礎設施

　　資料來源：德勤《新基建下的自動駕駛：單車智能和車路協同之爭》，源達信息證券研究所

　　對于自動駕駛發展路徑的抉擇，美國、中國、日本、德國等國家從各自國情出發，基于相關產業的發展情況與核心能力，整合各自的戰略優勢，將選擇適合自身的發展道路。

　　圖6：不同國家的戰略優勢與路徑選擇

　　資料來源：德勤《新基建下的自動駕駛：單車智能和車路協同之爭》，源達信息證券研究所

　　我國在車聯網基礎設施建設方面具備優勢。1）通信基站：以華為為代表的通信企業在5G技術方面世界領先，且4G和5G基站數量多，覆蓋廣。中國政府大力推行5G網絡、物聯網、衛星互聯網、數據中心、智能交通基礎設施等新型基礎設施建設。2）道路情況：中國高速公路總里程世界第一，公路總里程和公路網密度快速增加，且收費公路里程遠高于美國，中國路側設備RSU（Road SideUnit）的數量和分布范圍大于美國，這些基礎設施建設方面的特殊性將有力推動車路協同的發展。

　　未來中國有望通過車路協同實現自動駕駛領域的“彎道超車”。據美國蘭德智庫估算，一套自動駕駛系統量產需要積累170億公里以上（105億英里以上）的數據來優化其自動駕駛系統，谷歌旗下自動駕駛公司Waymo已經耗時10年進行測試，累計模擬測試100億英里，行駛行程2，000萬英里，而現有測試場客量有限，測試設備昂貴、測試效率不高，就算是基于路測數據搭建仿真測試平臺，中國僅靠單車智能的賽道追趕仍有一定難度。而在新基建的推動下，車路協同有望進入快速發展階段，降低自動駕駛的復雜度和車載成本，彌補中國在單車智能發展方面的不足，成為中國特色的發展道路，甚至超越美國率先實現L4-L5級高等級自動駕駛技術的大規模商業化落地。

　　二、政策頻出助力發展提速，車路云產業空間廣闊

　　1．頂層政策密集落地，地方試點政策積極響應

　　頂層政策密集出臺，車路云一體化產業進程提速。近年來，隨著一系列政策的頒布，我國智能網聯汽車行業迎來了前所未有的發展速度，車路云一體化的產業進程顯著推進。這些政策不僅彰顯了國家對智能網聯汽車發展的高度重視，更將車路云一體化明確為行業發展的核心戰略之一。

　　表2：2023年以來“車路云一體化”相關政策

時間

發布單位

政策名稱

重要內容

2023.03

自然資源部

《智能汽車基礎地圖標準體系建設指南（2023版）》

從國家層面建立統一、完整、規范的智能汽車基礎地圖標準體系，更好推動智能汽車基礎地圖技術創新發展和產業轉型升級，為我國智能汽車基礎地圖安全合規應用，以及智能汽車產業健康有序發展提供規范指導與基礎支撐。

2023.04

工業和信息化部等八部門

《關于推進IPv6技術演進和應用創新發展的實施意見》

實施意見明確，到2025年底，我國IPv6技術演進和應用創新取得顯著成效，網絡技術創新能力明顯增強，“IPv6+”等創新技術應用范圍進一步擴大，重點行業“IPv6+”融合應用水平大幅提升。能夠更好滿足5G、云網融合、工業互聯網、物聯網等場景對網絡承載更高的要求。

2023.07

工業和信息化部等兩部門

《國家車聯網產業標準體系建設指南（智能網聯汽車） （2023版）》

第一階段到2025年，系統形成能夠支撐組合駕駛輔助和自動駕駛通用功能的智能網聯汽車標準體系。第二階段到2030年，全面形成能夠支撐實現單車智能和網聯賦能協同發展的智能網聯汽車標準體系。

2023.11

工業和信息化部等四部門

《關于開展智能網聯汽車準入和上路通行試點工作的通知》

通過開展試點工作，引導智能網聯汽車生產企業和使用主體加強能力建設，在保障安全的前提下，促進智能網聯汽車產品的功能、性能提升和產業生態的迭代優化，推動智能網聯汽車產業高質量發展。基于試點實證積累管理經驗，支撐相關法律法規、技術標準制修訂，加快健全完善智能網聯汽車生產準入管理和道路交通安全管理體系。

2024.01

工業和信息化部等五部門

《關于開展智能網聯汽車“車路云一體化”應用試點工作的通知》

堅持“政府引導、市場驅動、統籌謀劃、循序建設”的原則，建成一批架構相同、標準統一、業務互通、安全可靠的城市級應用試點項目，推動智能化路側基礎設施和云控基礎平臺建設，提升車載終端裝配率，開展智能網聯汽車“車路云一體化”系統架構設計和多種場景應用，形成統一的車路協同技術標準與測試評價體系，健全道路交通安全保障能力，促進規模化示范應用和新型商業模式探索，大力推動智能網聯汽車產業化發展。

2024.05

財政部、交通運輸部

《關于支持引導公路水路交通基礎設施數字化轉型升級的通知》

自2024年起，通過3年左右時間，支持30個左右的示范區域，打造一批線網一體化的示范通道及網絡，力爭推動85%左右的繁忙國家高速公路、25%左右的繁忙普通國道和70%左右的重要國家高等級航道實現數字化轉型升級。在智慧擴容方面實現示范通道通行效率提升20%左右；在安全增效方面實現突發事件應急響應效率提升30%左右；在融合創新方面凝練總結一批具有較高推廣價值的車路云、船岸云應用場景和關鍵技術、標準規范；在體制機制創新方面推動培育一批個性化定制、網絡化協同、產業化融合等新業態新模式。

　　資料來源：中國政府網，源達信息證券研究所

　　我國智能網聯汽車試點范圍持續擴大。截至2024年6月底，工信部數據顯示，全國共建設17個國家級智能網聯汽車測試區、7個車聯網先導區、16個“雙智”試點城市，開放測試道路32000多公里，發放測試牌照超過7700張，測試里程超過1.2億公里，各地智能化路側單元（RSU）部署超過8700套，多地開展云控基礎平臺建設。

　　圖7：17個國家智能網聯汽車測試示范區+7個國家車聯網先導區+16個“雙智”試點城市

　　資料來源：賽文研究院《2023年中國車路協同發展研究報告》，源達信息證券研究所

　　2．車路云一體化產業鏈已初步形成，產業生態逐漸走向成熟

　　車路協同發展至今，整體上產業鏈已經搭建成熟。通過多技術交叉與融合，采用無線通信、傳感探測等技術手段，實現對人、車、路信息的全面感知，發揮協同配合作用，以實現交通安全、高效、環保。

　　關鍵環節供應商、場景解決方案商、交通運營商和城市各部門共同構成車路協同產業圖譜。車路協同產業涵蓋多個方面，包括車輛提供、終端服務、平臺運營、高精地圖與定位、通信服務、云計算服務等。具體按照關鍵環節可分為車、路、云、網、圖五大方面，除了技術路線的企業外，不同場果對于車路協同有著不同的需求，因此場景解決方案商和運營商也是車路協同產業圖譜中的重要部分。在企業之外，還需要政府部門全程協助項目的整體運行。

　　圖8：車路協同產業鏈

　　資料來源：億歐智庫，源達信息證券研究所

　　3．車路云產業空間廣闊，路側和云端為最快增長極

　　中性預期下，2025年/2030年我國車路云一體化產值增量有望分別達到7295/25825億元。根據中國汽車工程學會等編著的《車路云一體化智能網聯汽車產業產值增量預測（2024年2月）》中的預測，在中性預期情景下，2025年/2030年我國車路云一體化產業總產值增量分別為7295/25825億元，預計2026-2030產值增量CAGR為28.8%。

　　智能網聯汽車領域為產值增量的主要來源，智能化路側基礎設施和云控平臺未來幾年將快速增長。1）智能網聯汽車產業作為中流砥柱，產值貢獻最大，2025年/2030年智能網聯汽車產業產值增量分別為6451/20266億元，占總產值增量比重達88.4%/78.5%。2）智能化路側基礎設施與云控平臺兩大產業產值增速較快，2026E-2030E路側基礎設施與云控平臺產業產值增量CAGR分別為79.7%/56.8%。

　　圖9：車路云一體化智能網聯汽車產業產值增量預測結果

　　資料來源：中國汽車工程學會等《車路云一體化智能網聯汽車產業產值增量預測》，源達信息證券研究所

圖10：中性預測下，2025年車路云一體化智能網聯汽車產業產值增量預測結構（億元）

圖11：中性預測下，2030年車路云一體化智能網聯汽車產業產值增量預測結構（億元）

資料來源：中國汽車工程學會等《車路云一體化智能網聯汽車產業產值增量預測》，源達信息證券研究所

資料來源：中國汽車工程學會等《車路云一體化智能網聯汽車產業產值增量預測》，源達信息證券研究所

　　三、投資建議

　　1．萬集科技

　　公司重點投入智能網聯，“車路云一體化”為公司帶來新的發展機遇。公司分別從車、路、云三個主要方面對車路協同生態進行全方位構建。車方面公司打造了車載激光雷達、車載V2X通信終端等感知和通訊設備，對自動駕駛車輛以及相關算法進行能力建設；路方面打造了以激光雷達為主體、輔助AI視頻相機、毫米波雷達、邊緣計算單元等為一體的路側智能感知系統，通過路側RSU可以為車提供感知服務；云方面，公司打造智能網聯云控平臺，實現數字孿生、智能網聯、車路協同等功能，主要構建車路協同場景的可視化服務和數據服務，并通過仿真能力驗證車路協同場景的可行性，通過云端為車和路提供遠程數據和操作服務。

圖12：萬集科技2019-2024Q1營業收入情況（億元）

圖13：萬集科技2019-2024Q1歸母凈利潤情況（億元）

資料來源：同花順iFinD，源達信息證券研究所

資料來源：同花順iFinD，源達信息證券研究所

　　2．千方科技

　　千方科技是領先的交通行業數字化解決方案提供商。公司作為市場上交通新基建與數字化轉型的倡導者和踐行者，借助豐富的交通數據應用經驗，運用人工智能賦能交通行業，滿足交通出行智能化需求，提供保障數字交通安全高效運行的神經中樞解決方案。公司同時在物聯領域積極開拓，深耕視圖物聯和視覺智能領域，完善產品能力，不僅完善交通行業解決方案，形成“云-邊-端”完整鏈條，而且可以向其他行業和海外領域進行開拓，使AIoT產品和方案落地千行百業場景，為客戶創造價值。同時，公司積極探索新型政企合作模式，早在2019年公司就攜手交通部路網中心簽訂戰略合作協議，與政府部門在數據應用創新、技術協作實踐等方面打造了諸多標桿案例，例如構建了全國公路運行態勢感知一張網，形成了全國路網運行狀態的精準感知能力，在行業內具有明顯的競爭優勢。

圖14：千方科技2019-2024Q1營業收入情況（億元）

圖15：千方科技2019-2024Q1歸母凈利潤情況（億元）

資料來源：同花順iFinD，源達信息證券研究所

資料來源：同花順iFinD，源達信息證券研究所

　　3．通行寶

　　公司是江蘇省唯一ETC發行服務機構，智慧交通平臺化解決方案供應商，交通數據要素具備潛力。公司是全國領先的為高速公路、干線公路以及城市交通等提供智慧交通平臺化解決方案的供應商。控股股東為江蘇交控，實際控制人是江蘇國資委。公司主營三方面業務：1）以ETC為載體的智慧交通電子收費業務，包括ETC發行與銷售、電子收費服務業務等；2）以云技術為平臺的智慧交通運營管理系統業務，包括系統軟件開發、綜合解決方案和系統技術服務等；3）智慧交通衍生業務，主要為以“ETC+”為內核開展生態場景搭建，融合車輛加油、路域經濟、養車用車，開展ETC生態圈業務。

圖16：通行寶2019-2024Q1營業收入情況（億元）

圖17：通行寶2019-2024Q1歸母凈利潤情況（億元）

資料來源：同花順iFinD，源達信息證券研究所

資料來源：同花順iFinD，源達信息證券研究所

　　四、風險提示

　　1．市場需求不及預期的風險。智能駕駛尚處于行業導入期，消費者出于出行安全、消費習慣等考慮或許對智能駕駛的接受需要一定的時間，因此存在市場需求不及預期的可能。

　　2．智能駕駛技術發展不及預期的風險。智能駕駛技術的發展影響因素較多，僅技術因素便包括智能駕駛算法的迭代、車載算力的支撐、智能駕駛算法模型訓練所需要的數據集等，因此智能駕駛技術的發展存在一定的不確定性。

　　3．政策不及預期的風險。政策是影響智能駕駛發展的重要因素，智能駕駛的牌照、測試區范圍等均有政府相關部門頒布的政策規定，出于安全考慮，存在政策發布不及預期的可能。