“信息革命以来，极少有哪个产业类似于汽车，总体变化如此缓慢。”

“究其原因，主要是汽车集诸多工业品于一体，同时对安全性要求极高，因此成为信息革命的最后一个大场景目标。

“自动驾驶从根基上颠覆了汽车工业原来的底层内核，从四个轮子上的沙发变成了四个轮子上的电脑，从制造业演变成了信息产业。”

“如果将AI能力拓展到万物互联，未来的空间是星辰大海。”

“三大类卫星中，我们认为民企推进商业化最佳的赛道是遥感卫星。”

以上是朱雀基金先进制造二组组长、公募投资部基金经理黄昊12月18日在朱雀基金“赢在终局”2022年度策略会上发表的观点。以下是我们整理的演讲实录。

智能汽车和商业航天这两个产业均处于发展初期阶段，我们主要从行业技术原理和演进趋势层面开始做前瞻研究，深入理解行业逻辑，为未来在这样的大赛道充分布局做好积淀。

智能汽车：自动驾驶技术带来颠覆式革命

回顾过去100多年的工业变革，人类能够把宇航员送上月球，能够让通信进入到移动5G时代，但是我们看到汽车仍然沿袭着百年前外观，动力总成核心仍然是19世纪已经发明的内燃机。

 资料来源：朱雀基金整理

内燃机最高热效率在过去60年的时间仅提升了10%，相对于目前科技的进步，这种变化是极度缓慢的，而全球汽车龙头公司的股价在新冠疫情爆发前表现出明显的周期股特征，平淡无奇。

信息革命以来，极少有哪个产业类似于汽车，总体变化如此缓慢，究其原因，主要是汽车集诸多工业品于一体，同时对安全性要求极高，因此成为信息革命的最后一个大场景目标。

最近几年看到了电动化的快速崛起，但电动化仅仅是一次动力系统的变革，仍然没有改变汽车作为制造业的本身特征，信息革命的成果体现并不明显，传统的汽车巨头尚且能够追上电动化的步伐。

而自动驾驶凭借其极高的壁垒，将有望在商业模式和格局上对汽车产业将带来颠覆式的影响。

为研究智能驾驶产业链，我们首先要理解自动驾驶的实现原理。自动驾驶的行为决策过程和人非常相似，首先要做到看得清楚看得全面，要确保安全行驶需要覆盖的目标很多，比如车道线、行人等，因此自动驾驶系统需要同时处理大量不同类别的识别任务，时刻面临着数十个任务并行处理的挑战。

资料来源：朱雀基金整理

第二此外，要做到精准识别。以一个简单的路标Stop为例，做视觉识别的人会认为一个光滑的平面，清晰的字母，是入门级的识别任务，但现实场景下，会遇到各种不同的挑战，比如被遮挡、光线暗或者限制条件的Stop，需要非常精准实时地实现识别，难度非常大。

资料来源：朱雀基金整理

此外，目前技术条件下，不可能避免出现被错误识别的情况，发生碰撞事故。

接下来看下自动驾驶汽车如何看清道路。第一种识别方式是摄像头，被称为最像人眼的识别模式，造车新势力配备摄像头的数量不断增加，像素不断提升，Model3配备了8颗摄像头，而蔚来新款的ET7则配备了11高清摄像头。目的就是看得更清，看得更远。

资料来源：朱雀基金整理

摄像头是如何识别呢？通过CIS图像传感器将捕捉到的场景转化为模拟信号，再进一步转化为数字信号，传输给AI芯片识别。类似于人的眼球，进入眼睛的光线通过神经元传输到大脑皮层。

特斯拉对纯视觉的识别做到了全世界最高水平。通过8颗摄像头获取的图像被融合成了3D的鸟瞰图，同时叠加时间戳形成4D图像，并通过多目标特征并行提取来提高处理效率。

在识别过程中，离不开特斯拉强大的神经网络。由于智能驾驶需要处理的任务数实在太多，无法让每一个任务都同时享有单独的神经网络进行运算，只能把一些运算分摊到共享骨干网络上，特斯拉 AI团队组建了一个庞大的物体检测网络，将整个网络称作“Hydra Nets”（Hydra 意为九头蛇），类似于一棵大树，并通过海量数据进行训练优化。

直观来说，将8个摄像头图片特征提取——再进一步来做多机位的空间融合，进而做时间融合——随后将任务分发给不同的神经网络树干——进一步下发给树枝树叶——不同的枝叶按照既定的任务进行检测，比如行人、信号灯等。

在识别过程中，视觉依赖于神经网络，不能确保空间距离的绝对准确，需要通过学习而不断提升测算能力，而激光雷达理论上可以获得精确的数据，脉冲式激光雷达利用时间间隔、调频连续波雷达的相位差来测量精确距离或前方车辆车速。

资料来源：朱雀基金整理

通过依次测量目标上各点的距离，同时记录光束指向的方位、俯仰角，这样就可以得到目标的三维图像。在一定程度上能够补充摄像头的缺点。

自动驾驶系统可以类比于人的决策过程，视觉或激光雷达所捕捉的物体被传输到大脑皮层，而进行识别的神经网络系统类似于人脑中的神经元，神经网络在主控芯片中运行。

要实现精准的识别离不开更高精度的传感器，精度越高数据量越庞大，800万像素摄像头每秒可以产生近3G的数据量，如果装上10几颗，在5-10秒之间数据量即可填满我们普通的电脑硬盘，这种快速产生又庞大的数据用两台最高配置的Mac Book Pro也无法处理。

要确保数据被实时精准识别，需要更强大的AI算力。那么我们可以看到，CPU的性能已经到了瓶颈，GPU解决了并行运算的问题，但由于考虑通用性，复杂的线路和耗费更多能量访问内存，导致功耗过高。AI芯片可以为神经网络高效低能耗地处理乘加运算，对冯诺依曼瓶颈的大幅简化，实现更低功耗地提升高算力。

在自动驾驶中，未来将更多依赖于异构芯片。在感知过程中需要的是并行处理，所以用到AI运算比较多，而感知也是最复杂的，因此自动驾驶芯片不断增加AI运算的面积。但在识别后的决策过程中，高效的逻辑判断能力更重要，所以用到CPU内核更多。

提到神经网络，不得不提神经网络的训练，神经网络训练离不开海量的数据集，现实中百万台车辆获取的数据庞大到难以想象，特斯拉在年初已经积累了51亿英里的Autopilot数据，为提高数据处理效率，特斯拉引入了Operation vacation和Data Engine。Operation vacation核心是将大幅提升数据收集、数据标注、测试模型的效率。

数据来源：Tesla Vehicle Deliveries and Autopilot Mileage Statistics

Data Engine则对现实中机器决策和人脑不匹配的情况下，通过主动抓取更多类似场景，进而针对性的对网络进行训练，从而将机器决策的准确度从比如40%逐步提高到99%以上，进一步向所有的车端进行部署。

处理云端的海量数据，比车端的挑战更大，因此Tesla建立了由5760颗GPU搭建了全球排名第五的超级计算机。并在近期发布了专门针对云端图像识别开发的DOJO专用芯片，在特斯拉特定图像处理任务上，展现出相对GPU和CPU的碾压级别实力。未来的目标是用D1芯片全部替代GPU。

以上，我们看到要实现自动驾驶，离不开强大的硬件支持，同时对于开发者的软件算法能力提出了极高的要求，代表着目前最前沿的AI算力。

所以我们只有通过研究芯片底层逻辑、研究神经网络，才能进一步对供应链和自动驾驶厂商的竞争力有更好的理解和判断。

接下来我们看自动驾驶对产业的影响。

自动驾驶从根基上颠覆了汽车工业原来的底层内核，从四个轮子上的沙发变成了四个轮子上的电脑，从制造业演变成了信息产业。

在商业模式上，也发生着类似于智能手机产业的重大变化，以苹果为例，2015 年前，苹果收入主要依靠硬件销售， 2015 年后积极向软件和服务公司转型。在此推动下，其市值不断提升。

而汽车的智能化也一样，Tesla 的高毛利率得益于FSD软件订阅获取的收入，毛利率达到28%，远超规模效应最强的大众、硬件精益生产典范丰田和豪华车宝马，已经从纯粹的制造业盈利模式向软件演进。

随着未来自动驾驶能力的提升，车企的业务边界将从汽车延伸到出行，远期有望实现Robotaxi无人驾驶出租车的商业化落地。

我们做过一个测算，如果按照目前的网约车收费标准，一台成本30万的Robotaxi，如果网约车公司能够将其空车率降至30%，其毛利率将高达50%以上，也就是说网约车不需要司机之后，可以说是一个暴利的产业。因此吸引了更多的厂商介入。

智能化尤其是智能驾驶，通过软件化形成的高壁垒，形成了对商业模式的颠覆，最终将影响到行业格局。

数据来源：IDC、朱雀基金

过去十年， 智能手机经历了从格局分散到最终高度集中化，头部5-6 家左右的厂商，占据了全球 79%的手机出货量。

目前汽车品牌格局非常分散，全球最大的厂商的份额仅 10%。超过5%的厂商仅有4家。随着汽车工业向信息化浪潮转变的背景下，我们认为汽车品牌在远期的未来也有可能发生整合，但由于迭代速度慢于手机，整合的时间也将相对较长。

回归到投资，如何挖掘产业链机会，我们回顾下电动车的产业链，总结下来，可以看到电子流过的环节，均成为了市场的选项，在过去两年，均有非常好的收益率表现。

类似，智能化趋势下，我们要跟随数据的流动，从前端摄像头、激光雷达获取数据，通过不同类型的连接器进入AI芯片，识别决策后再进一步执行，同时与云端神经网络相结合，涉及数据的标注和预处理。

资料来源：朱雀基金整理

各个环节，均将有机会受益于大赛道的崛起，我们将深入储备挖掘。

从空间来看，智能化彻底改变了汽车产业，按照中国2000万台车，单车15万的价值量来测算，是一个3万亿的市场，而到25年出行市场则是10万亿的空间，相对于整车市场大幅放大，如果将AI能力拓展到万物互联，未来的空间是星辰大海。

以上是智能驾驶的行业分析。接下来是商业航天。

商业航天：发展正当时

商业航天处于“基础设施”建设阶段，因此，产业链中的火箭、卫星环节都将首先受益。发展到中后期，在“基础设施”建设逐步成熟以后，依托于低成本的空天数据资源、运输服务，商业航天产业发展会上一个台阶。

资料来源：朱雀基金整理

对于火箭，这几年的快速发展是围绕着降本展开的。

Space X作为其中的佼佼者，其发展策略对全球商业火箭企业都有很强的借鉴意义。他的发展策略有三个方面：一是火箭推力/载重不断加大，降低单吨发射成本。从2010年的猎鹰9号1.0到2018年的猎鹰重型B5来看，载重能力提升6倍。性价比从而得到明显提升。

当然Space X提升载重的进程远没有结束，得益于新型发动机技术的应用，下一代重型运载火箭星舰的低轨有效载重在猎鹰重型火箭基础上进一步提升接近50%。

Space X的第二个策略就是可回收技术，通过一级火箭推进器和整流罩的可回收来摊低每一次火箭发射成本。在2021年25次左右的发射中，几乎都实现了可回收重复利用。根据测算，如果推进器和整流罩循环利用5次，对应的发射成本可下降超过一半，发射报价也可大幅下降。

第三个策略就是在工程和产业化思路上极致降本。一方面大量使用原有成熟技术和产品，另一方面，推行产品化发展思路，减少品类，提升零部件的标准化水平。这两点在猎鹰9的材料、箭体结构、制造工艺等方面都有体现。对于火箭产业，能在保证可靠性前提下提升成本优势，将是重要的竞争壁垒。

对于卫星产业，要提升卫星服务的能力，空间分辨率之外，时间分辨率和覆盖率指标更为重要。星链的发展也印证了这一点，因此，推进卫星小型化、星座化是行业发展必然趋势。

技术上，对于通信卫星，客户更关注时延，因此星间激光链路技术储备也是核心竞争力之一。

对于民营企业而言，三大类卫星中，我们认为民企推进商业化最佳的赛道是遥感卫星。

最后是运营与服务产业，由于是介于上游数据源和下游众多行业应用之间，比较容易形成差异化能力和规模优势，在产业链渐趋成熟后，这一块的机会会更大。

以上就是我的汇报，沿着产业链的思路，我们在智能汽车和商业航天领域的一些环节也做了初步的布局，随着两个大赛道的崛起，未来的机会值得期待。

注：本文件非基金宣传推介材料，仅作为本公司旗下基金的客户服务事项之一。

本文件所提供之任何信息仅供阅读者参考，既不构成未来本公司管理之基金进行投资决策之必然依据，亦不构成对阅读者或投资者的任何实质性投资建议或承诺。本公司并不保证本文件所载文字及数据的准确性及完整性，也不对因此导致的任何第三方投资后果承担法律责任。

本文所载的意见仅为本文出具日的观点和判断，在不同时期，朱雀基金可能会发出与本文所载不一致的意见。本文未经朱雀基金书面许可，任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。