2023 年深度行业分析研究报告 目目 录录 1.出口复盘出口复盘.5 1.1.中国重卡出口市场分析.5 1.2.出口亮眼原因剖析.12 2.主要出口区域剖析主要出口区域剖析.18 2.1.俄罗斯俄罗.

0人已浏览 2023-12-28 55页 5星级

1/24 2023 年年 12 月月 22 日日 行业行业|深度深度|研究报告研究报告 行业研究报告 慧博智能投研 小米汽车行业深度：小米汽车行业深度：发展优势、发展优势、业务布局业务布局、产业链及.

0人已浏览 2023-12-27 24页 5星级

 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。汽车与零部件行业 行业研究|深度报告 小米汽车：打造人、车.

0人已浏览 2023-12-27 22页 5星级

敬请参阅最后一页特别声明 1：核心观点：高阶智驾进展超预期，智驾基座的竞争带来渗透率增长陡峭化高阶智驾进展超预期，智驾基座的竞争带来渗透率增长陡峭化。1）transfomer+BEV 算法上的突破，特.

0人已浏览 2023-12-27 28页 5星级

电力设备电力设备|证券研究报告证券研究报告 行业深度行业深度 2023 年年 12 月月 26 日日 强于大市强于大市 公司名称公司名称 股票代码股票代码 股价股价 评级评级 盛弘股份 300693.

0人已浏览 2023-12-27 63页 5星级

2 202023 3 年年 9 9 月月 商用车应用场景商用车应用场景 电动化评估报告电动化评估报告 能源与交通创新中心 2023 年 11 月 致致 谢谢 感谢能源基金会为本报告提供资金支持，也感谢为本报告提出宝贵意见的所有业内专家与同事。报告作者报告作者 秦兰芝 王雯雯 张梦媛 安锋 报告声明报告声明 本报告由能源基金会资助，报告内容不代表资助方及支持方观点。本报告所有结果仅供研究参考，不承担任何法律责任。能源与交通创新中心能源与交通创新中心（iCET）Innovation Center for Energy and Transportation 北京市朝阳区东三环中路 7 号财富公寓 A 座 27H 室 邮编：100020 电话：0086 10 65857324 传真：0086 10 65857394 邮件： 网址： 2 202023 3 年年 9 9 月月 目目 录录 1.项目背景.1 2.项目介绍.3 2.1 项目目标.3 2.2 场景划分.4 3.商用车应用场景电动化评价方法学.6 3.1 方法学建立.6 3.2 评价指标.6 3.3 场景代表车型.12 4.评价结果.16 4.1 整体得分情况.16 4.2 基于车型的应用场景排名.18 4.3 定性指标得分情况.19 4.4 定量指标得分情况.20 4.4 具体场景评估情况.21 5.结论及展望.32 参考资料.33 1 1.项目项目背景背景 交通运输是碳排放的重要领域之一，推动交通运输领域加快实现碳达峰和碳中和，是助力我国实现“30/60 双碳目标”的重要任务。在所有交通形式中，道路交通对碳排放的贡献高达 84%以上1，不断降低道路交通碳排放是实现交通领域“双碳”目标的关键。影响道路交通排放的主要因素包括交通工具（主要指汽车）保有量水平、交通出行的频次和距离、单位里程能耗以及交通燃料的碳排放强度。其中，通过使用更清洁、碳排放强度更低的燃料，如电力和氢能，以降低道路交通碳排放，被认为是未来道路交通可持续发展的主要措施。在我国，以电力、氢能等清洁能源为动力的汽车被归类为新能源汽车。截至 2022 年底，我国新能源汽车产销量连续八年居全球首位2，整体销量占全球的比重达到 64%，是当之无愧的新能源汽车大国。数据来源：中国汽车工业协会，EV Volumes,iCET 整理。图 1 中国和世界新能源汽车销量情况 但也应看到，截至目前新能源汽车的主要市场仍在乘用车领域。2023 年 1-9 月，我国新能源乘用车累计批发销量达到 592 万辆，同比增长 36%3，但同期新能源商用车累计整体销量为 19.93 万辆4，市场渗透率仅为 9.2%。不过，从近几年的趋势来看，新能源商用车销量已经开始进入稳步上升阶段。0 0Pp0004006008005200022万辆中国新能源汽车销量世界新能源汽车销量中国/世界 2 数据来源：中国汽车工业协会，iCET 整理。图 2 新能源汽车销量及渗透率 截至 2022 年底，我国商用车保有量达 4860 万辆，占汽车总量的 15.6%。其中，新能源商用车保有量约 128 万辆，占商用车总量的 2.6%5。尽管商用车总体保有量远少于乘用车，但商用车对道路交通碳排放的贡献却接近 65%6。以新能源汽车为主要手段推动道路交通减排是大势所趋，但商用车电动化所面临的问题依然严峻。交通零排放转型的坚定目标，对目前新能源汽车发展极不平衡的商用车市场提出了巨大挑战。商用车是一种重要的生产资料，以营利为目的运营初衷使得商用车拥有者对经济成本、限行政策等因素的敏感度要高于乘用车拥有者。在现阶段，新能源商用车比传统燃油商用车具有更高的购置成本，增加了前期投资的资金压力。除此之外，电池自身重量大、充电时间长、电池安全性等问题也是车主在选购新能源商用车时重点考虑的因素。商用车的另外一个特征是具有多样化的应用场景，不同场景下商用车电动化的驱动力和执行力存在显著差异。例如，城市客车所有权归当地政府，电动化的驱动力主要来自政府行政命令，由于有政府财政托底，城市客车的电动化转型最为成功，目前我国新销售的城市客车几乎全部是新能源汽车。相似的场景包括城市物流车和环卫车，在国家相关政策的引导和支持下，以上两个场景的新能源商用车渗透率分别达到了 27%和 7.6%（2022 年数据）。与之相对地，0.0%5.0.0.0 .0%.00.0002003004005006007002000212022万辆新能源商用车销量新能源乘用车销量新能源商用车渗透率新能源乘用车渗透率 3 普通载货汽车的电动化驱动力较弱，而且我国货车的司机以个体司机为主7，电动化转型的执行力较差，目前普通货车中新能源汽车渗透率不足 2%。数据来源：新车上险数（2022）图 3 不同场景新能源商用车市场渗透率 2.项目项目介绍介绍 2.1 项目目标项目目标 在商用车领域，新能源汽车主要以纯电动为主，销量占比超过 95%（中国汽车工业协会数据），氢燃料电池汽车的年销量仍处在几千辆规模。因此，近期发展新能源商用车仍将以推动纯电动商用车为主。在上述背景下，能源与交通创新中心于 2020 年 7 月发起了 BestECV 最优电动商用车项目。项目的主要目标包括：(1)全面与系统地梳理商用电动车应用现状，识别商用电动车发展中的关键问题与挑战；(2)建立科学、公开、透明的电动商用车成本效益与环境效益评估方法学，支撑商用车用户和企业科学量化商用车队电动化转型的成本与减排效益；(3)建立一套完整的用户友好型电动商用车查询平台 BestECVTM，分别从车型参数、适用场景、成本效益、环境效益、应用案例等角度展示电动商用车型落地可行性；0 0Pp0%专用车冷藏车 普通货车 物流车牵引车环卫车自卸车校车其他客车城市客车 4 (4)基于场景特性，建立商用车应用场景电动化评估方法学及评价体系，识别更适合优先发展电动商用车的场景；(5)评估各场景下商用车电动化落地的可行性与优先级，基于评估结果对各场景商用车电动化提出政策建议。在 BestECV 2.0 项目周期中，主要目标是构建商用车应用场景电动化评估方法学及评价体系，通过系列指标衡量，识别出更适合优先发展电动商用车的场景。同时基于车型销量、特征参数等条件筛选和推荐各场景中目前表现较优的电动车型，为用户选择和政策制定提供参考。2.2 场景场景划分划分 我国商用车以货车为主，根据中国汽车工业协会数据，客车年销量约占商用车总销量的 1015%。客车的使用场景较货车相对简单，不同场景对车型的要求并无太大区别，而且电动大巴的相关技术发展也相对成熟。在本项目周期中，暂不考虑客车电动化，而仅讨论货车场景的电动化。货车的主要应用场景包括物流运输、环卫市政及工程建设领域。根据运输距离的长短和作业环境的差异，对货车的使用场景进行了更加详细的划分，其中，与物流运输有关的场景有 8 个，环卫市政相关场景有 3 个，余下包括 2 个工程专用场景和 4 个其他专用场景。具体如表 1 所示。经粗略估算，场景 1-15覆盖了市面上约 87%的货车车型。需要注意的是，货车车型并非与场景唯一对应。例如，牵引车既可以用在普通干线运输场景，也可用于集疏港运输，同时也会在某些专用场景中使用。从车辆的销售记录中也无法识别该辆车将被应用的场景。不过，这并不影响本研究中对货车应用场景电动化转型的评估，因为如果有更多的电动车型可以在某个场景内使用，对该场景电动化发展的影响也是正向的。5 表 1 BestECV 2.0 研究对货车使用场景的划分 编号编号 场景场景 具体特征具体特征 主要对应车型主要对应车型 单次单次/单边运行距离单边运行距离 1 1 物流运输 城市物流 城市内快递的揽收配送、市内搬家等 轻型厢式、面包车（微型、轻型）15 公里内 2 2 城市内冷链运输 轻型冷藏车 3 3 城际物流 网点到分拨中心运输 中重型货车 约 200 公里 4 4 仓储运输 重型货车 约 500 公里 5 5 冷链运输 中重型冷藏车 6 6 干线物流 省际等跨区域运输 重卡、牵引车 500 公里以上 7 7 集疏港运输 短途 重卡、牵引车 8 8 干、支线 重卡、牵引车 200 公里以上 9 9 环卫市政 垃圾收运 社区到收运站 轻型、中型垃圾车 约 200 公里 1010 垃圾收运 收运站到垃圾站 重型垃圾车 约 200 公里 1111 路面洗扫 洒水、雾炮、洗扫、吸扫 专用车辆 约 50 公里 1 12 2 工程专用 城建渣土 城建渣土和建筑垃圾运输，往返于施工场地和堆填场地间 自卸车 42 或 84 约 50 公里 1 13 3 混凝土搅拌 搅拌站到施工场地 中重型混凝土搅拌车 1 14 4 专用 港内/矿山短倒 固定路线，具备建设换电站条件 换电牵引车 约 50 公里 1515 重点行业厂站运输 钢厂、水泥厂等重点行业货物运输场景 中重型货车、牵引车 1 16*6*机场内作业车 电源车、气源车、空调车、加油车等 专用车辆 1 17*7*其他作业车 工程抢险、消防、救护等 专用车辆 注：标记*的场景具有很强的专用属性，其电动化不具备商业化参考意义，不纳入电动化场景推广排名。不同场景下车型的单次/单边运行距离基于调研数据获得。6 3.商用车应用商用车应用场景场景电动化电动化评价评价方法学方法学 3.1 方法学建立方法学建立 Delphi（德尔菲）法，也称专家调查法，本质上是一种反馈匿名函询法，通过多位专家的独立反复主观判断，获得相对客观的意见和见解，在社会科学研究中经常被使用。BestECV 应用场景电动化评价方法基于 Delphi 法进行确定，一共包括三轮专家意见征询，第四轮进行的是不同场景的定性指标打分，以获得应用场景电动化优先级排序所需要的数据，具体流程见图 4。图 4 商用车应用场景电动化评价方法学建立过程 3.2 评价评价指标指标 影响商用车电动化的因素较多，既包括激励和促进电动化进程的因素，如电动汽车扶持政策，也包括对电动化转型不利的因素，如电动车过高的销售单价等。通过列举和分析这些影响因素，从中提取出若干指标来量化不同场景电动化转型的可行性和潜力，最终经过 Delphi 法的两轮专家咨询，确定了BestECV 应用场景电动化评价的指标体系，包括 8 个定性指标和 5 个定量指标。针对每个场景，其定性指标得分和定量指标得分在最终得分计算中的占比分别为 40%和 60%，即：第一轮：场景划分场景初步划分专家意见征询专家意见确认整合意见，确定最终场景划分第二轮：评价指标梳理商用车电动化影响因素初步提炼评价指标专家意见征询专家意见确认整合意见，确定最终评价指标第三轮：指标权重指标分为定性指标和定量指标定性指标、定量指标两套体系下指标权重之和分别为100%专家为指标赋权重专家意见确认获取指标权重平均值第四轮：场景打分专家为各场景的定性指标打分获取专家评分均值专家打分结果确认获取各场景定性指标平均得分 7 =40% 60%某一场景的综合指标得分；某一场景的定性指标总得分；某一场景的定量指标总得分。表 2 对定性指标和定量指标及其权重得分进行了总结，该权重用以指导不同场景下各指标评分的进行。表 2 商用车应用场景电动化评价指标及权重汇总 序号序号 指标名称指标名称 权重占比权重占比 定性指标定性指标 1 商业化应用程度 13%2 对现有激励性政策的敏感度 17%3 指向性指标要求 11%4 作业环境对电车替代的影响 10%5 补电便利性 14%6 补电时间对作业效率的影响 11%7 车辆载货能力 15%8 售后服务体系健全程度 8%定量指标定量指标 1 TCO平价时间 31%2 可选车型指数 19%3 单车减排潜力 15%4 充换电频率指数 16%5 连续作业指数 19%注：此处对指标权重取值进行取整，指标权重加和可能不等于 100%。3.2.1 定性指标定性指标 商用车应用场景电动化评价方法学中包括如下 8 个定性指标。各个场景定性指标的评分需要多位专家根据指标涵义和场景特点进行逐一打分，专家越多，覆盖的细分领域越多，则综合得出的平均得分偏差性越小，越具有参考价值。8个定性指标的主要涵义如下：(1)商业化应用程度：商业化应用的规模和程度是对某一技术市场成熟度的综合反映，如果已经有商业化的电动化车型应用，则该场景的得分越高，反之得分越低。该指标在定性指标体系中的得分权重为 13%。(2)对现有激励性政策的敏感度：主要是指现有激励性政策的出台对不同场景电动化的正向引导和刺激效应，这些政策包括购置税减免、开放路权、8 通行费优惠等。敏感度越高，该指标的得分越高。该指标在定性指标体系中的得分权重为 17%。(3)指向性指标要求：主要指政策或市场对不同场景下应用电动汽车应用所提出的强制性或引导性政策要求，如钢铁行业超低排放要求、重点行业招投标文件仅限电动汽车要求等。场景对车辆超低排放或电动化的要求越高，指标得分越高。该指标在定性指标体系中的得分权重是 11%。(4)作业环境对电车替代的影响：可以理解为不同场景下，作业环境（如路况、温度、持续作业要求）对电动汽车的作业损耗与对同一场景下相应燃油汽车作业损耗的比值之间的比较。比值越高，相当于替换成电动汽车的难度越大，得分越低。该指标在定性指标体系中的得分权重为10%。(5)补电便利性：主要衡量不同场景下电动汽车可用充电、换电等基础设施的数量及便利性，如可以使用公共充电，或者有专门的充电站，又或是可自建换电站，则得分越高。该指标在定性指标体系中的得分权重为14%。(6)补电时间对作业效率影响：主要用于衡量与燃油汽车相比，较长的补电时间会对场景作业车辆产生何种程度的影响，如冷链运输车需要持续制冷或维温，补电时间长则可能会对所运输的物品产生一定程度的影响。对作业时效要求高的场景，该指标得分低，反之得分越高。该指标在定性指标体系中的得分权重为 11%。(7)车辆载货能力：电池自身重量会挤占一部分原本应有的载货重量，那么与油车相比，由于载货能力下降而对运营成本或营收造成重要影响的，如无法超载改装，或者电车和原有油车的运力匹配超过 1:1 的，得分越低，反之得分越高。该指标在定性指标体系中的得分权重为 15%。(8)售后服务体系健全程度：主要衡量不同场景下电动汽车可以获得售后服务的及时性和健全程度，服务体系相对健全，则得分越高，反之得分越低。该指标在定性指标体系中的得分权重为 8%。3.2.2 定量指标定量指标 9 商用车应用场景电动化评价方法学中包括如下 5 个定量指标，由于定量指标需要基于数据库进行特定的计算，故不再由专家评分，而是由项目组统一评定。定量指标得分区间为 05分，最小评分单位为 0.5。定量指标中，除 TCO 平价时间和单车减排潜力两个指标外，其他指标的计算结果都是以无量纲的指数形式呈现。针对每个指标，在得出各场景下的指标数值后，以 0.5 为最小得分区间进行聚类分析，即基于现有场景的实际情况进行评分。5个定量指标的涵义及计算如下：(1)TCO 平价时间：指拥有电动汽车所产生的总费用与拥有同级别燃油汽车所产生的总费用达到相同时所需的时间。电动汽车有充电、换电等不同的补电形式，本研究给出了充电电动汽车、换电电动汽车（租赁电池/不建换电站）和换电电动汽车（整车购买/自建换电站）三种模式下计算电动汽车与同场景同级别燃油汽车 TCO 达到平价所需时间的计算方法，具体采用哪种方法根据场景所选择的代表车型种类进行确定。该指标在定量指标体系中的得分权重为 31%。i.充电电动汽车与燃油车 TCO 平价时间计算如下：,=( )( )(100)(),充电电动汽车与燃油车 TCO 平价时间（年）；电动汽车发票价格（元）；电动汽车购置税（元）；燃油汽车发票价格（元）；燃油汽车购置税（元）；燃油汽车年均 VKT（km）；燃油汽车百公里油耗（L/100km）；汽油年均价格（元）；电动汽车年均 VKT（km）；电动汽车单位里程电耗（kWh/km）；10 充电价格（元/kWh）。ii.换电电动汽车（租赁电池/不建换电站）与燃油汽车的 TCO 平价时间计算如下：,=( )( )(100)(),换电电动汽车（租赁电池/不建换电站）与燃油车 TCO 平价时间（年）；租赁电池换电价格（元/kWh）;电池租金（元/年）。iii.换电电动汽车（整车购买/自建换电站）与燃油汽车的 TCO 平价时间计算如下：,=( )( )(100)(),换电电动汽车（整车购买/自建换电站）与燃油车 TCO 平价时间（年）；整车购买换电价格（元/kWh）；换电站费用平摊（元）。需要指出的是，针对油车和电车，维修保养成本、人工费用、过路过桥费并无明显差别，根据公式，这些项目可以抵消，从而不体现在过程计算中；固定资产投资方面，假设充电方式车辆采用公共充电，换电站费用实际是由运营公司负责，成本分摊到车辆换电费用里，也可不考虑。(2)可选车型指数：指在特定场景下，市场上在售的电动车型数量与燃油车型数量的比值。主要用于衡量不同场景下电动汽车市场的产品丰富度，进而反映电动化的市场成熟程度。该指标在定量指标体系中的得分权重工为 18.8%。计算方法如下：=可选车型指数；电动车型数量（个），近两年公告车型数平均值；11 燃油车车型数量（个）。(3)单车减排潜力：即将一辆传统燃油汽车替换成同级别电动汽车后产生的二氧化碳减排潜力，目前只计算车辆使用过程产生的直接碳排放，此处电动汽车的碳排放按零计算。单车减排潜力越高，得分越高。该指标在定量指标体系中的得分权重为 15%。计算方法如下：=,单车减排潜力；燃油汽车的单位里程油耗（L/km）；燃油车型的年均行驶里程（km）；,燃油车型的排放因子（kg CO2/L）。(4)充换电频率指数：即单日运行距离/电动汽车平均续航，用于反映在通常情况下，电动汽车在特定场景下运行需要进行充电或换电的次数。充换电频率指数越小，得分越高。该指标仅用于场景电动化优先程度评价，不能用以指导车辆的实际充电操作。指标计算方法如下，其中，两个过程参数均随车型和运行情况而变，在计算时采用场景平均水平。该指标在定量指标体系中的得分权重为 15.9%。=充换电频率指数；单日运行 VKT（km）；电车平均续航里程（km）。(5)连续作业指数：指特定场景下，电动车型平均续驶里程与该场景下电动汽车单次平均运行距离的比值之间的比较，用于衡量电动汽车续驶里程支撑车辆在特定场景下连续工作的能力。该指标在定量指标体系中的得分权重为 19.0%。=连续作业指数；电动汽车平均续驶里程（km）;12 特定场景下车辆单次运行的平均距离（km）。3.3 场景代表车型场景代表车型 在场景电动化评价的过程中，定量指标的计算需要基于具体车辆参数进行。因此，需要针对每个场景选择若干个电动代表车型作为评价基准。通过对数据库的筛查，项目组基于以下原则来选择电动代表车型：车型销量占比高；主要车型参数在该场景车型中的集中度高，如电池电量是该场景下电动车型的主流配置趋势；同样条件下，选择技术更加先进的车型，如在其他参数相似的情况下，选择单位载质量能量消耗量（Ekg）更低的车型。定量指标的计算是将特定场景下电动车型的相关参数与该场景下的燃油汽车作比较，因此在电动代表车型选择完成后，需要从燃油汽车数据库中选择一款燃油车型与之对标（即，对标燃油车型）。对标燃油车型的选择原则与电动代表车型类似：对标燃油车型整车规格与电动代表车型一致，如电动代表车型是厢式货车，那么对标燃油车型也需要是厢式货车；对标燃油车型与电动代表车型处在同一分类中，如电动代表车型是中型货车，对标燃油车型也应该是中型货车。因为在道路运输中，常常会遇到对总体车重限制的情况（如高速通行）；对标燃油车型在符合条件的所有车型中销量占比较高，即是更多用户选择的车型。需要说明的是，由于电动车型的电池自重往往较大，会挤压一部分的载货空间，这对货车车主而言是不利的。在计算过程中，我们假设基于固定收益的原则，即燃油车主在置换使用电动车型后至少能够获得与之前相同的收益，而货车的收益主要基于载货质量。因此，将电动代表车型与对标燃油车型之间的载货质量差通过上述这种方式体现在 VKT 上。例如，当电动代表车型的载货质量较对标燃油车型低的时候，电动代表车型则需要行驶更长的 VKT 来抹平收益差。13 电动代表车型=对标燃油车型 (1 (对标燃油车型载重电动代表车型载重)对标燃油车型载重)其中，每个场景下对标燃油车型 VKT根据调研数据而定。研究中选取的各场景代表车型如表 3 所示。可以看到，某些场景下会有多于 1 款的代表车型，每个车型都代表各自不同的使用特点或技术发展水平，即独立成为一个细分的使用场景。在定性指标评价时，同一个场景中的细分场景（如有）共享一个评分，定量指标则根据细分车型的参数进行逐一评估，最终每个细分场景都将获得各自的定量指标得分和综合指标评分。其中，在整体优先级、定性指标和定量指标整体评估中，将对同一场景下的细分场景得分进行平均，即每个应用场景仅有一套得分，细分场景的得分仅用于具体场景分析。14 表 3 不同场景下选择的电动代表车型和对标油车车型 场景场景说明说明 场景场景编号编号 场景用车主要特征场景用车主要特征 电动代表车型电动代表车型 电动代表车型销量占比电动代表车型销量占比 对标燃油车型对标燃油车型 城市城市物流物流-城配城配/搬家等搬家等 1-A 总质量 3吨 DFA5030XXYMBEV1 6.78%KMC5033XXYQ305M6 1-B 总质量 4.5吨 DFA5040XXYEBEV 2.45%BJ5045XXY8JDA-AB1 城市城市物流物流-冷链运输冷链运输 2-A 总质量 2.7吨 LCK5048XBWEV5S 11.16%QYK5040XBW6 2-B 总质量 4.5吨 GXA5032XLCEV 11.07%JKC5030XLC-DS6BL4 城际城际物流物流-网点到网点到分拨中心分拨中心 3-A 总质量 7.3吨 QL5070XXYBEVECHA2 23.19%QL5070XXYBUHA 3-B 总质量 18吨 CA5180XXYP62L4BEV 3.865180XXYP62K1L5E6 城际城际物流物流-仓储运输仓储运输 4 总质量 18吨 CA5180XXYP62L4BEV 12.125180XXYP62K1L5E6 城际城际物流物流-冷链冷链运输运输 5 总质量 6.5吨 HFC5065XLCEV1 57.14%HFC5078XLCP71K1C7S 干线干线物流物流 6-A 电量 282 kWh BJ4259EVPA1 17.19%BJ4259SMFKB-AC 6-B 电量 350 kWh SYM42503S1BEV1 10.03%HQC42503S1S13F 6-C 电量 424 kWh SYM42503S1BEV2 3.32%HQC42503S1S13F 物流物流-集疏港集疏港短途短途 7-A 282 kWh 充电型 BJ4259EVPA1 6.91%BJ4259SMFKB-AC 7-B 282 kWh 换电型 CQ4250BEVSS404 7.98H4250CX7 物流物流-集疏港干集疏港干支支线线 8-A 电量 282 kWh BJ4259EVPA1 17.19%BJ4259SMFKB-AC 8-B 电量 350 kWh SYM42503S1BEV1 10.03%HQC42503S1S13F 8-C 电量 424 kWh SYM42503S1BEV2 3.32%HQC42503S1S13F 环卫环卫-垃圾收运垃圾收运-社区到收运站社区到收运站 9-A 总质量 8.5吨 YTZ5081XTYD0BEV 7.09%GH5080XTY 9-B 总质量 4.5吨 YTZ5041ZZZD0BEV 5.68%YTZ5040ZZZ90D6 环卫环卫-垃圾收运垃圾收运-收运站到垃圾站收运站到垃圾站 10 总质量 31 吨，电量 422 kWh ZKH5310ZLJP6BEV 3.37%CQ5317ZLJHV11306 环卫环卫-路面洗扫路面洗扫 11 总质量 18吨 ZBH5180TXSEQABEV 6.58%YTZ5180TXST2D6 工程专用工程专用-城建渣土城建渣土 12-A 422 kWh 充电型 ZKH3310P6BEV 13.07%SX33195D326 12-B 282 kWh 换电型 ND3310DBXJ7Z02BEV 4.49%SX33195D406 工程专用工程专用-混凝土搅拌混凝土搅拌 13-A 电量 367 kWh SYM5310GJB3BEV 19.14%SYM5310GJB1F2 13-B 电量 282 kWh SYM5310GJB5BEV 10.99%SYM5310GJB1F2 15 专用专用-港内港内/矿山短倒矿山短倒 14 282 kWh 换电型 CQ4250BEVSS404 13.05H4250CX7 专用专用-重点行业重点行业厂站运输厂站运输 15-A 电量 282 kWh BJ4259EVPA1 6.90%BJ4259SMFKB-AC 15-B 电量 350 kWh SYM42503S1BEV1 3.89%HQC42503S1S13F 15-C 电量 424 kWh SYM42503S1BEV2 1.29%HQC42503S1S13F 注：重点行业覆盖的范围较广，场景用车包括运输车辆和作业车辆，运输车辆还可以根据具体的运输物品划分成更加细致的分类。本研究中所选择的场景代表车型为运输车辆。16 4.评价结果评价结果 4.1 整体整体得分得分情况情况 15 个场景定性指标得分的范围分布在 2.44.2 之间，定量指标得分分布在1.74.5 之间。从图 5 的分布图来看，定量指标得分较高的场景，其定性指标得分一般也较高，也就是说，技术成熟度越高的场景，其电动化体系（如售后服务、充电便利性等指标）的综合竞争力也越强。图 5 不同场景定性指标和定量指标得分分布 图 6 展示了所有场景的定性指标得分、定量指标得分及总得分排序情况。如果一个场景内有两个或以上的代表车型，那么在进行整体排名时会将它们的得分进行平均，即每个场景最终仅有一个得分。定量指标与定性指标差异最大的三个场景分别是场景 14（专用-港内/矿山短倒）、场景 12（工程专用-城建渣土）和场景 7（物流-集疏港短途），这三个场景的共性在于，通过政策激励、换电车型的引入以及强制环保要求等措施，在部分地区已经有较好的电动车型应用案例和效果。但由于所用车型主要为中重型货车，补电时间长、载货能力下降等因素仍对其运行效率产生了较大影响。综合得分排名前三的场景分别是场景 14（专用-港内/矿山短倒）、场景 12（工程专用-城建渣土）和场景 9（环卫-垃圾收运-社区到收运站）。场景 14 主要对应封闭场站作业，指向性政策要求高，或是有专项资金扶持的试点示范应用，从而推动了该领域内电动商用车的发展和应用，尤其是以换电电动车型的0.00.51.01.52.02.53.03.54.04.55.00.00.51.01.52.02.53.03.54.04.5定量指标得分定性指标得分 17 发展最受关注。场景 12 的主要作业环境在城市内，需满足一定环保要求，进而也推动了电动车型在该场景内的关注和应用。场景 9 则属于城市公共领域范畴，受激励性政策驱动的影响较大。这些场景是现阶段最适合优先发展电动化的场景，目前在电动商用车的推广方面已经取得了一定的成效，但仍然需要通过多种措施继续扩大电动化应用规模。综合得分排名处在平均值附近的场景主要包括场景 11（环卫-路面洗扫）、场景 10（环卫-垃圾收运-收运站到垃圾站）和场景 13（工程专用-混凝土搅拌）和场景 2（城市物流-冷链）。这些场景可以认为是近期政策发力的重点，它们主要具备两个特点，一方面这些场景的运输和作业环境对车辆的要求较高，如需要采用中重型货车或需要一些特殊装备，该因素导致电动商用车的推广不如综合排名更高的那些场景。但另一方面，这些场景又具有较强的作业特色，如短倒运输、环卫作业等，使其对激励政策、环保要求等措施较为敏感。综合得分排名最后的场景分别是场景 4（城际物流-仓储运输）、场景 6（干线物流）和场景 8（物流-集疏港干支线）。这几个场景的特点是都需要中重型车作为运输工具，而目前电动中重型货车在载货能力、补电便利性、TCO 平价等方面与燃油汽车相比均不具备优势，因而市场发展较为缓慢。注：图中定性指标得分是指各场景的实际定性指标得分（5 分制）乘以 40%（定性指标得分在总得分中的权重），定量指标得分是指各场景的实际定量指标得分（5 分制）乘以 60%（定量指标得分在总得分中的权重）；一个场景内如果有两个或以上的代表车型，在整体排名时将它们进行平均值，即每个场景仅有一个总得分。图 6 不同场景综合指标得分情况 0.00.51.01.52.02.53.03.54.04.55.0总得分定性指标得分定量指标得分 18 图 7 将各场景的排名与对应车型的销量进行了关联，其中，部分场景与所使用的车型并不唯一对应，在图 7 中不予展示。图 7 所列场景中，场景 12、场景 9 和场景 1 的电动化优先级排名最高，场景 1 和场景 12 的销量在这些场景中也排在前两位，表明优先推动上述场景的电动化转型，不仅在技术上可行，还能产生较大的减排成效。注：气泡大小表示场景对应的车型销量，有些场景对应的车型销量无法从总销量中对应匹配，故图中仅展示可计算出相应车型销量的场景，销量数据是指 2021-2022 年各场景对应的所有汽车车型的销量。图 7 场景排名与销量关联图 4.2 基于车型的基于车型的应用应用场景场景排名排名 受车辆特征等因素影响，轻型车和中重型车在电动化方面存在较大差异。所有场景中，以轻型商用车作为主要车型的应用场景包括场景 1（城市物流-城配/搬家）、场景 2（城市物流-冷链）和场景 9（环卫-垃圾收运-社区到收运站）。以上三个场景总得分最高的为场景 9，其次为场景 1，场景 2 得分处在最末位，且其总得分低于平均水平。其他场景主要使用中重型货车，排名前三的场景为场景 14（专用-港内/矿山短倒）、场景 12（工程专用-城建渣土）和场景 7（物流运输-集疏港短途），具体见图 8。场景1场景2场景5场景9场景10场景11场景12场景14电动化优先级排名电动化优先级排名 19 图 8 基于应用车型的场景排名情况 4.3 定性指标得分情况定性指标得分情况 如图 9 所示，所有场景定性指标的平均得分接近 3.5 分，有 9 个场景的得分高于平均水平，其他 6 个场景的得分则低于平均水平。定性指标得分最高的为场景 1（城市物流-城配/搬家），该场景定性指标整体得分达到 4.2 分。城市物流配送属于公共领域货运场景，在国家的电动化发展优先级中的排序也相当靠前，而且所用车型以轻型货车为主，电动化难度较其他场景低，相关配套政策和市场环境较为完备，因而在电动化转型方面得到了更高的认可度。场景 14（专用-港内/矿山短倒）、场景 11（环卫-路面洗扫）和场景 9（环卫-垃圾收运-社区到收运站）的得分仅次于城市物流场景。场景14 主要为封闭作业环境，且具备建设换电站的条件，采用换电车辆既可以满足环保要求，也不会对作业强度和连续性产生较大影响，从定性的角度来看十分适宜推广电动汽车。场景 11 和场景 9 都对应环卫作业场景，受公共领域电动化政策的影响较大，从政策角度应加快电动化推进进程。定性指标得分最低的是场景 6（干线物流），该场景对连续作业、补电时间等要求较高，目前尚没有针对性的政策干预和要求，因此进行电动化转型的优先级相对靠后。0.00.51.01.52.02.53.03.54.04.55.0总得分轻型车应用场景中重型车应用场景所有场景平均得分 20 图 9 不同场景定性指标得分情况 4.4 定量指标得分情况定量指标得分情况 如图 10 所示，所有场景定量指标的平均得分约为 3.0 分，有 7 个细分场景的得分高于平均水平，其他 8 个细分场景的得分则低于平均水平。定量指标得分最高的场景是 14（专用-港内/矿山短倒），定量指标整体得分达到 4.5 分，远超出平均水平。场景 12（工程专用-城建渣土）和场景 9（环卫-垃圾收运-社区到收运站）的得分仅次于场景 14。其中场景 14 和场景 9 的定性指标得分也相对较高，表明在现有情况下，这两个场景的车辆电动化市场条件已经较为成熟，电动化转型的优先级较高。图 10 不同场景定量指标得分情况 0.00.51.01.52.02.53.03.54.04.5定性指标得分0.00.51.01.52.02.53.03.54.04.55.0定量指标得分 21 定量指标得分靠后的场景主要是场景 4（城际物流-仓储运输）和场景 3（城际物流-网点到分拨中心）。这两个场景所用的主流车型为重型货车或牵引车辆，现有技术条件下，可选的电动车型数量不多，同时长途运行对电池续航和充电时长的要求较高，因而导致定量指标得分偏低。4.4 具体场景具体场景评估情况评估情况（1）场景 1（城市物流-城配/搬家）场景 1，即用于城市内配送、搬家等较短距离的物流配送场景，在定性指标方面整体表现较好，除指向性指标要求外，其他定性指标得分基本都要高于所有场景的平均得分。在定量指标方面，由于该场景所需的车型偏小，且单次运行距离较短，其 TCO 平价时间和连续作业指数指标要远优于所有场景的平均水平。该场景所用车型的油耗相对较低，置换成电动车型后产生的减排潜力也相对较小，因而单车减排潜力指标得分偏低。该场景下燃油车型款数超过 26000款，尽管电动车型款数也超过千款，但二者的比值较低，从而使得该场景的可选车型指数得分偏低。代表车型中，4.5 吨的车型（1-B）由于采用了更大的电池，平均续航高于 1-A，故在“充换电频率指数”上的得分更高。注：虚线代表所有场景平均水平，1-A 和 1-B 分别代表总质量为 3 吨和 4.5 吨的电动车型。图 11 场景 1 定性指标和定量指标得分分布（2）场景 2（城市物流-冷链）场景 2，即城市物流配送中的冷链运输，定性指标的得分情况与场景 1 较为相似，但指标的得分分值较场景 1 略有下降，这是因为冷链运输车辆对连续工对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景1-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景1-定量定量1-A1-B平均水平 22 作的要求较高，对补电时间更为敏感，作业环境的要求也更加严格。在定量指标方面，目前电动冷链运输车辆与燃油汽车 TCO 平价时间要长于所有场景的平均值，因而得分偏低。单车减排潜力和可选车型指数也低于平均水平，但现有电动冷链运输车型的整体作业表现还不错，在连续作业和充换电频率方面的得分优于平均水平。注：虚线代表所有场景平均水平，2-A 和 2-B 分别代表总质量为 2.7 吨和 4.5 吨的电动车型。图 12 场景 2 定性指标和定量指标得分分布（3）场景 3（城际物流-网点到分拨中心）场景 3，即城际配送中的分拨中心运输，涉及到的车型主要是中重型货车，因而在指标得分方面低于所有场景下的平均水平。定性指标中，8 个指标的得分相差不大，集中在 2.93.7 分范围。定量指标得分基本都低于平均水平，得分最低的是可选车型指数，这也与目前市场上中重型货车电动化发展的情况吻合，即由于技术和成本原因限制，可选的电动车型款数比较有限。代表车型中，3-B对应总质量为 18 吨的重型货车，车辆单位能耗较高，因而置换成电动车型后的单车减排潜力更高。对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景2-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景2-定量定量2-A2-B平均水平 23 注：虚线代表所有场景平均水平，3-A 和 3-B 分别代表总质量为 7.3 吨和 18 吨的电动车型。图 13 场景 3 定性指标和定量指标得分分布（4）场景 4（城际物流-仓储运输）场景 4，即城际配送中的仓储运输，所用车型的单日平均运行距离比场景 3更长，车型以重型货车为主。从指标得分上看，场景 4 电动化的市场准备还不完全，各项定性指标的得分均远远低于所有场景的平均水平。定性指标整体得分为 2.5 分，定量指标整体得分为 1.7 分，在所有场景中处在十分靠后的位置。同场景 3 类似，该场景下可选车型指数得分很低，说明市场上还没有充足的电动车型可供选择，这也是制约该场景电动化转型的重要原因之一。注：虚线代表所有场景平均水平 图 14 场景 4 定性指标和定量指标得分分布 对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景3-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景3-定量定量3-A3-B平均水平对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景4-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景4-定量定量 24 （5）场景 5（城际物流-冷链）场景 5，即城际配送中的冷链运输，所用车型主要为中重型冷藏车。场景 5电动化的发展情况与场景 4 有一定类似，定性指标的得分为 2.7 分，也均低于所有场景的平均水平。定量指标的平均得分也接近 2.7 分，优于场景 4。其中，所选电动代表车型的 TCO 平价时间得分高于平均水平，充换电频率指数得分也与平均水平相当，但可选车型指数得分依然远低于平均水平。注：虚线代表所有场景平均水平 图 15 场景 5 定性指标和定量指标得分分布（6）场景 6（干线物流）场景 6，即干线运输场景，所用车型主要为重型货车或牵引车。该场景下定性指标整体得分仅为 2.4 分，在所有场景中排在最后一位。该场景下电动汽车的商业化应用程度、补电便利性、补电时间对作业效率影响以及作业环境对电车替代的影响这四个参数的得分尤其偏低，表明距离技术成熟和市场规模化应用还有一段距离。定量指标方面，由于这类车型的能耗普遍偏高，从燃油汽车置换成电动汽车的单车减排潜力较高，而且电动代表车型的 TCO 平价时间得分也在平均水平以上。对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景5-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景5-定量定量 25 注：虚线代表所有场景平均水平，6-A，6-B 和 6-C 分别代表电池电量为 282 kWh，350 kWh 和 424 kWh 的电动车型。图 16 场景 6 定性指标和定量指标得分分布（7）场景 7（物流-集疏港短途）场景 7，即集疏港短途运输场景，所用车型主要为重型货车或牵引车，与场景 6 类似，但单次运输距离低于场景 6。由于主要在港口附近运营，作业环境的特征性较强，纯电动重卡的多数运营问题可以通过换电方式得以解决或缓解，而且在政策方面有一定的倾向性，电动化整体水平优于场景 6。定性指标整体得分为 3.8 分，略高于平均水平。定量指标整体得分为 3.5 分，也在平均水平之上。除可选车型指数外，所选换电车型（7-B）的其他指标得分均远高于平均水平，这也说明换电模式是该场景进行电动化的有效途径之一。注：虚线代表所有场景平均水平，7-A 代表充电车型，7-B 代表换电车型。图 17 场景 7 定性指标和定量指标得分分布 对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景6-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景6-定量定量6-A6-B6-C平均水平对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景7-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景7-定量定量7-A7-B平均水平 26 （8）场景 8（物流-集疏港干支线）场景 8 是指集疏港运输中的干线和支线运输，所用车型主要为重卡和牵引车，整体情况与场景 6 更为接近。定性指标整体得分为 2.8 分，低于所有场景的平均水平。该场景对激励性政策的敏感性较强，定性指标中也只有该指标得分最接近平均水平。定量指标整体得分为 2.2 分，除 TCO 平价时间和单车减排潜力外，其他指标的得分都低于 2 分，可选车型指数的得分在所有场景中处于最低水平，表明该场景的电动汽车市场仍处在起步阶段。注：虚线代表所有场景平均水平，8-A，8-B 和 8-C 分别代表电池电量为 282 kWh，350 kWh 和 424 kWh 的电动车型。图 18 场景 8 定性指标和定量指标得分分布（9）场景 9（环卫-垃圾收运-社区到收运站）场景 9 为从社区到收运站，进行较短距离运输的垃圾收运场景，主流车型为轻型和中型垃圾车。从得分上来看，该场景目前的电动化市场准备已经较为成熟，电动化优先级处在领先位置。定性指标整体得分为 4.0 分，在所有场景中处在前列。定量指标整体得分也达到 3.6 分，可选车型指数得分在所有场景中最高，说明目前市场上已经有较多的电动车型可供用户选择。连续作业指数的得分表现也较为优异。不过，单车减排潜力的得分相对较低。代表车型中，8.5吨中型垃圾车（9-A）的定量指标得分整体要优于轻型垃圾车。对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景8-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景8-定量定量8-A8-B8-C平均水平 27 注：虚线代表所有场景平均水平，9-A 代表总质量为 8.5 吨的中型垃圾车，9-B 代表总质量为 4.5 吨的轻型垃圾车。图 19 场景 9 定性指标和定量指标得分分布（10）场景 10（环卫-垃圾收运-收运站到垃圾站）场景 10 是指从收运站到垃圾站，进行相对较长距离运输的垃圾收运场景，市面上常用车型为 31 吨的重型垃圾车。场景 10 定性指标得分与场景 9 较为类似，定性指标整体得分接近 4.0 分，略低于场景 9，但仍高于其他多数场景。定量指标整体得分为 2.9 分，与平均水平相当。虽然该场景可选用的车型较多（可选车型指数得分高），但 TCO 平价时间得分仅为 1.0 分，远低于其他多数场景，这是由于重型垃圾车的单位能耗较高，但年均运行里程相对与公路货运车辆较短，电费优势在短期内难以抹平电动车型与燃油车型之间的价格差。注：虚线代表所有场景平均水平 对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景9-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景9-定量定量9-A9-B平均水平对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景10-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景10-定量定量 28 图 20 场景 10 定性指标和定量指标得分分布（11）场景 11（环卫-路面洗扫）场景 11 是指环卫市政中的路面清扫场景，常用车型包括洗扫、吸扫、洒水以及雾炮等专用车辆。定性指标得分情况与场景 9 和场景 10 比较相似，定性指标整体得分接近 4.1 分，略高于上述两个场景。定量指标整体得分为 3.1 分，介于场景 9 和场景 10 之间。该场景下电动车型的可选款数超过 700 款，因而可选车型指数指标得分高于平均水平。由于该场景下车型作业具有间歇性，在充换电频率指数和连续作业指数两个指标上的得分相对较高，但其 TCO 平价时间较长，该指标得分远低于平均水平。注：虚线代表所有场景平均水平 图 21 场景 11 定性指标和定量指标得分分布（12）场景 12（工程专用-城建渣土）场景 12 是指工程专用中的城建渣土及垃圾清运场景，主力车型为 42 或 84 型式的自卸车。深圳市前几年力推一批纯电动泥头车用于城建渣土场景，虽然没有持续，但也积累了较为宝贵的经验。该场景下定性指标整体得分为 3.7分，各项细分指标的得分都处在平均水平线上下，在指向性指标要求和商业化应用得分方面略高于平均水平。定量指标整体得分为 4.0 分，TCO 平价时间、连续作业指数以及单车减排潜力等指标的得分高出平均水平较多。不过，该场景下电动车型可选款数相对有限，指标得分与平均水平相当。从定量指标的分析来看，该场景下换电车型的指标得分相对较高，尤其是在 TCO 平价时间和充对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景11-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景11-定量定量 29 换电频率指数两个指标方面，换而言之，换电模式也可能成为加速该场景电动化的一个发展方向。注：虚线代表所有场景平均水平，12-A 代表 422 kWh 的充电车型，12-B 代表 282 kWh 的换电车型。图 22 场景 12 定性指标和定量指标得分分布（13）场景 13（工程专用-混凝土搅拌）场景 13 是指混凝土搅拌车从搅拌站到施工场地的运营场景，主要车型为中重型混凝土搅拌车。该场景定性指标整体得分 3.3 分，多项指标的得分接近平均水平。定量指标整体得分为 2.8 分，略低于所有场景的平均水平。定量指标中，得分最低的是 TCO 平价时间指标，研究所选择的电动代表车型与同级别燃油车型 TCO 持平大约需要 10 年左右，也就是说，在现阶段电动混凝土搅拌车的整体拥车成本仍然较高，未来动力电池以及整车成本的下降有望缩短 TCO 平价年限，加速该场景的电动化进程。可选车型指数、连续作业指数和充换电频率指数三个指标的得分均高于平均水平。对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景12-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景12-定量定量12-A12-B平均水平 30 注：虚线代表所有场景平均水平，13-A 代表 367 kWh 的充电车型，13-B 代表 282 kWh 的充电车型。图 23 场景 13 定性指标和定量指标得分分布（14）场景 14（专用-港内/矿山短倒）场景 14 是指在港口、矿山等相对较为封闭的环境中作业的场景，运行线路相对固定，目前市场上的电动车型主要以换电牵引车居多。该场景目前有一定的电动化应用规模，定性指标的表现整体优于平均水平，整体得分仅次于场景1，达到 4.1 分。定量指标整体得分为 4.6 分，TCO 平价时间指标在所有场景中处在最高水平，由于采用了换电车型，连续作业指数、充换电频率指数等指标得分很高。值得一提的是，该场景也是所有场景中定量指标得分和总得分最高的场景。注：虚线代表所有场景平均水平 图 24 场景 14 定性指标和定量指标得分分布 对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景13-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景13-定量定量13-A13-B平均水平对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景14-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景14-定量定量 31 （15）场景 15（专用-重点行业厂站运输）场景 15 是指在钢厂、水泥厂站等环境下作业的场景，所用车型主要为中重型货车或牵引车。钢铁、水泥属于高污染行业，政府相关部门正在推进这些行业的超低排放改造，对这些领域的用车也有比较严格的环保要求，其中电动汽车的应用是重要的加分选项，因此指向性指标得分较高。除此之外，该场景其他定性指标得分均在平均水平上下。定量指标整体得分为 3.4 分，在所有场景中处于中等偏上的位置。从定量指标的得分来看，电池电量在 350 kWh 左右的电动车型，其综合指标得分在三种代表车型中最高，是目前综合应用中更值得推广的车型。注：虚线代表所有场景平均水平，15-A，15-B 和 15-C 分别代表电池电量为 282 kWh，350 kWh 和 424 kWh的充电车型。图 25 场景 15 定性指标和定量指标得分分布 对现有激励性政策的敏感度指向性指标要求作业环境对电车替代的影响补电便利性商业化应用程度补电时间对作业效率影响车辆载货能力售后服务体系健全程度场景场景15-定性定性TCO平价时间可选车型指数单车减排潜力充换电频率指数连续作业指数场景场景15-定量定量15-A15-B15-C平均水平 32 5.结论及展望结论及展望 15 个场景的电动化指标评估结果显示，在港口及矿山等封闭场景内作业的短倒运输场景（场景 14）、运输城建渣土等建筑垃圾的工程专用场景（场景12），以及短距离作业的市政环卫场景（场景 9）在各场景中的电动化评价排名最为靠前，这与目前电动商业车的市场发展情况较为一致，也从侧面印证了BestECV 2.0场景电动化评价方法学体系具有较高的可靠性。基于评估结果，识别出后续更适合推广电动汽车的场景，也是该研究的重要任务之一。从得分排序来看，市政环卫的路面清扫场景（场景 11）、中长距离的垃圾收运场景（场景 10）、工程专用中的混凝土搅拌（场景 13）以及城市物流中的冷链运输（场景 2）等场景的得分处在次优梯队，可以认为是近期商用车电动化发展的重点方向，也是政策的一个设计方向和发力点。排序较为靠后的场景主要是以使用重型车或牵引车辆为主，同时缺少较为明确的政策激励的场景，如干线物流运输场景。从单项指标的得分来看，这几个场景下电动车型的 TCO 与燃油车型持平的时间约在 5 年左右，目前几乎尚不具备成本优势。同时，可选车型指数、连续作业指数等指标的得分在所有场景中垫底，表明这些场景下近期发展电动汽车的阻力仍然较大。未来可以寻求更加多元化的替代方案，如发展氢燃料电池汽车等。BestECV将在下阶段工作中，重点从以下三个方面重点开展进一步探索：（1）开发基于重点应用场景的 BestECV 解决方案工具包，推动重点商用车应用场景的电动化实施；（2）进一步完善车型数据库，优化 BestECV 系统功能，同步更新每年新增车型以及指标评分；（3）基于研究成果，对不同场景商用车电动化发展提出政策建议和具体实施方案。BestECV 将持续开展工作，进一步推动行业间的交流与学习，发挥第三方中立平台的独特性，更好的推动商用车领域电动化进程。33 参考资料参考资料 1 中华人民共和国生态环境部，中国移动源环境管理年报 2020.2 中华人民共和国中央人民政府，https:/ 3 人民网，http:/ 4 中国汽车流通协会商用车专业委员会，http:/ 5 车家号，https:/ 6 新华网，https:/ 7 中国汽车技术研究中心北京工作部，中国货运体系评估项目总体报告，2017.

0人已浏览 2023-12-26 36页 5星级

1 智能驾驶计算芯片性能评测 标准化白皮书 2023.9 2 目 录 一、智能驾驶计算芯片产业现状.3 1、国内外智能驾驶计算芯片发展情况.3 2、智能驾驶计算芯片应用需求.7 3、智能驾驶计算芯片标准需求.8 二、智能驾驶计算芯片标准与评测.9 1、智能驾驶计算芯片国内外政策和标准现状.9 2、智能驾驶计算芯片性能评测标准.11 3、智能驾驶计算芯片标准典型应用案例.16 三、总结与展望.28 四、参考文献.29 3 一、一、智能驾驶计算芯片产业现状智能驾驶计算芯片产业现状 汽车产业正在被人工智能技术重构。如同蒸汽机之于工业革命的意义，智能驾驶已经成为人类社会自发明汽车以来的一大颠覆性创新，持续推动汽车产品、整车市场格局和产业链变革，而数据和算力是驱动汽车智能化加速的两大动力。关于智能驾驶发展的趋势，业内普遍认同的观点是：智能驾驶汽车将在2025年前后开始一轮爆发式增长。智能驾驶汽车在传统驾驶的电子电气架构基础上，引入基于智能驾驶芯片的智能驾驶模块，搭载各类车载传感器、控制器、执行器等装置，并融合了现代通信、网络和计算技术，使得车辆具备复杂环境感知、智能决策、协同控制等功能，从而大大提升驾驶的自动化和智能化。未来，汽车将从最常用的交通工具变成最大的智能终端，具备高度电动化、网联化、智能化、共享化的特征，传统汽车企业势必将重新定义和塑造自身的商业模式，传统汽车行业的市场也将向芯片厂商、互联网科技公司、造车新势力等逐步打开，生态格局不断走向开放。1、国内外智能驾驶国内外智能驾驶计算计算芯片发展情况芯片发展情况车载计算芯片成车载计算芯片成为行业竞争热点，国内外企业竞相发力为行业竞争热点，国内外企业竞相发力 随着智能驾驶技术的不断发展和汽车市场的逐渐开放，作为汽车智能化的核心，智能驾驶芯片的发展在全球范围内日益瞩目，市场也呈现出井喷式的增长态势。除了传统的汽车制造商，科技公司也开始在智能驾驶芯片市场布局。例如，英伟达的智能驾驶芯片“Drive”已经被包括奔驰、特斯拉和沃尔沃在内的多家汽车制造商采用。此外，谷歌旗下的Waymo、苹果、百度和滴滴也都在智能驾驶芯片领域进行了大量尝试。可以预见的是，智能驾驶芯片市场的竞争将愈演愈烈。整车厂商对高算力智能驾驶芯片的需求使得芯片厂商间的竞争也进入白热化，近年来高算力智能驾驶芯片迭代速度显著加快。Mobileye、英伟达、高通等主流外资厂商相继推出能够满足L4级智能驾驶的芯片产品，特斯拉也有自研计算芯片。国内华为、地平线、黑芝麻等也在不断推出自己的智能驾驶芯片。英伟达、高通在高端市场发力，以高算力芯片抢占高级别智能驾驶赛道。英伟达2019年发布的旗舰产品Orin，称其具备254TOPS的高AI算力，凭借领先的AI 4 算力，Orin成为国内新势力车企下一代旗舰车型的主流选择，2022年蔚来、小鹏、理想等均将推出基于Orin的量产车型。高通于2020年发布Snapdragon Ride平台，称其能够匹配从L1/L2级辅助驾驶至L4/L5级智能驾驶的场景需求，提供高能效、性价比出众的系统级解决方案。长城、宝马等车企已宣布与高通合作，预计2023年进入量产阶段。特斯拉作为全球智能驾驶领军车企，采取了自研芯片的路径以满足其对于智能驾驶的高性能需求，2019年4月正式发布FSD自研芯片及计算平台，称其单颗芯片算力达72TOPS，成为当时算力最高的量产芯片，为特斯拉全系车型的智能驾驶功能提供算力支持。国内华为、地平线、黑芝麻等芯片厂商自主研发高算力智能驾驶芯片，部分产品已实现量产上车。华为发布的MDC 610，称其算力达200TOPS，MDC系列产品已与多家主机厂展开合作，在多款新能源智能汽车上实现量产商用；地平线发布的征程系列第五代，称其算力达128TOPS，征程系列产品与比亚迪、一汽等展开合作；黑芝麻发布的华山A1000系列芯片中A1000和A1000pro算力分别达58TOPS和106TOPS，华山A1000系列芯片产品已与吉利、东风、江汽、一汽红旗、合创等车厂展开深度合作。此外，芯驰科技、超星未来、爱芯元智等AI芯片企业也迎来了新机遇，纷纷推出自动驾驶芯片方案；国外瑞萨、意法半导体、恩智浦等传统车规级MCU大厂，也在极力巩固各自的行业地位，正在筹算着切入AI汽车芯片领域；还有部分主机厂选择自主研发智能驾驶计算芯片，如零跑汽车、百度（集度汽车）等，自动驾驶芯片将呈现百放齐放的局面。国内外典型智能驾驶计算芯片相关信息见表1。5 表表 1 1 国内外典型智能驾驶计算芯片国内外典型智能驾驶计算芯片 企业企业 芯片芯片 量产量产 时间时间 算力算力（TOPSTOPS）功耗（功耗（W W）能效能效比比（TOPTOPS/WS/W）制程制程（nmnm）适用适用 智能智能 驾驶驾驶级别级别 应用情况应用情况 特斯拉 FSD（HW3.0）2019 年 72 72 1 14 L3 自用 FSD（HW4.0）2022 年 216-7 L4/L5 英伟达 Xavier 2020 年 30 30 1 12 L2/L3 博世、小鹏等 Orin 2022 年 254 45 6 7 L4/L5 百度、通用、谷歌、小马智行、亚马逊、滴滴、比亚迪、小鹏、理想、蔚来上汽、奔驰、奥迪等 Atlan 2025 年 1000-L4/L5-Mobileye EyeQ 4 2018 年 2.5 3 0.83 28 L1/L2 吉利、上汽、广汽、大众、哪吒、长城、理想、蔚来等 EyeQ 5 2021 年 24 10 2.4 7 L2/L3 宝马、吉利等 EyeQ 6 2023 年 128 40 3.2 7 L4/L5-EyeQ Ultra 2025 年 176-5 L4/L5-高通 SM8540 SA90 2022 年 360 65 5.5 7 L2/L3/L4 长城、宝马等 瑞萨 R-CAR V3U 2023 年 60-12 L2/L3-Ti TDA4VM 2020 年 8 5-20 0.4-1.6-L2/L3 百度等 6 企业企业 芯片芯片 量产量产 时间时间 算力算力（TOPSTOPS）功耗（功耗（W W）能效能效比比（TOPTOPS/WS/W）制程制程（nmnm）适用适用 智能智能 驾驶驾驶级别级别 应用情况应用情况 华为 昇腾 610 2020 年 200 60 3.3-L3-L4-地平线 征程 2 2019 年 4 2 2 28 L1/L2 长安、奇瑞、广汽等 征程 3 2020 年 5 2.5 2 12 L2 理想、哪吒、上汽 征程 5 2022 年 128 30 4.3 16 L4 比亚迪、一汽等 黑芝麻 A1000 2021 年 58 18 3.2 16 L2/L3 吉利、东风、合创、江汽等 A1000L 2021 年 16 15 1.1 16 L2/L2 一汽红旗等 A1000Pro 2022 年 106 25 4.2 16 L4 一汽等 A2000 2025 年 250 -7 L4/L5-芯驰 V9T 2021 年 1-16 L2-V9P/U 2022 年-16 L2-V9S 2023 年-16 L4/L5-7 2、智能驾驶智能驾驶计算计算芯片应用需求芯片应用需求智能驾驶业务多样化和智能驾驶业务多样化和复杂场景，需要高性能复杂场景，需要高性能计算计算芯片芯片 智能驾驶业务是智能网联汽车最复杂的高价值应用，但也是最难度最大的应用。智能驾驶业务多样化、场景复杂，对智能驾驶芯片在感知、决策、和控制的能力提出很高的要求。（1）感知系统）感知系统 感知系统是利用车载传感器，及车联网技术来获取道路、车辆位置、障碍物、车辆自身位置等信息，并将获取的这些信息传输给车载控制中心，给自动驾驶汽车提供决策依据。感知系统的对象可以分为两类：一类是静态对象，即道路、交通标识、静态障碍物等；另一类是动态对象，即车辆、行人、移动障碍物等。对于动态对象，除了要了解对象的具体类别，还需对位置、距离、速度、加速度、方向等信息进行追踪，并需要根据追踪结果来预测对象的接下来的预计位置。为了实现感知环境的任务，越来越多的传感器应用于高阶智能驾驶汽车。例如，特斯拉Model Y有20个传感器。问界M5智驾版27个传感器；小鹏G6共30个传感器。越来越多的传感器输入，对智能驾驶芯片的性能提出更高要求。（2）决策系统）决策系统 智能驾驶决策系统对汽车的速度、方向及车灯等进行控制。传统理解中，决策系统涵盖了环境预测、动作规划、路径规划、行为决策等。环境预测不仅仅局限于物理规律，还需通过对感知时车辆、行人等的瞬时动作，判断其下一步的动作，如速度、位置、方向等。动作规划根据对环境预测的结果，完成诸如转弯、避让、超车等动作。同时对于交通的动作规划也必不可少，如在限速路段的车速控制、红绿灯情况下的停车行车、潮汐车道的车道线选择等，均需要提前进行规划。自动驾驶汽车还需要完成对行驶路径的规划不仅要耗时短，还要满足乘客需求，实现路径自定义。行为决策则是对自身的实时位置、速度、方向等信息，与环境预测中获取的交通信息、动作规划中完成的路径规划等进行参照，让自动驾驶汽车预判可能发生的危险及即将需求的动作，让自动驾驶汽车可以对自身动作进行调整。更智能的决策系统，对芯片算力要求越高。8（3）控制系统）控制系统 控制系统跟踪决策规划的轨迹目标，控制车辆的油门、刹车和转向等驾驶动作，调节车辆行驶速度、位置和方向等状态，以保证汽车的安全性、操纵性和稳定性。相对于传统的控制方法，智能控制方法主要体现在对控制对象模型的运用和综合信息学习运用上，主要有基于模型的控制、神经网络控制和深度学习方法等，目前这些算法已逐步在汽车控制中广泛应用。实时准确的控制效果，需要更快、更高性能的智能驾驶芯片支持。由上可以看出，要满足智能驾驶业务的多样化和复杂场景，需要高性能的智能驾驶计算芯片。3、智能驾驶计算芯片标准需求智能驾驶计算芯片标准需求性能评价缺少共性能评价缺少共识，亟待识，亟待产业联合研究产业联合研究 当前智能驾驶行业普遍以“TOPS”为单位来评估自动驾驶芯片的理论峰值算力，各大芯片厂商也在通过不断刷新算力峰值彰显各自的技术实力，但各家算力的计算方法却不尽一致，且声称算力与智能驾驶场景的算法评价性能也不能形成一一对应。以英伟达为首的芯片厂商多以“稀疏算力”声称，该计算方法会比“稠密算力”多出约1倍的算力数据。具体来说，稀疏算力把矩阵计算中部分数据值变为0，最终使矩阵乘法计算减半，从而提升算力表现数据。“稀疏算力”的计算量实为标称算力的一半，算力声称值比“稠密算力”多出约1倍的算力数据。“稀疏算力”本质上是对算法计算的优化，但此种优化方式只对特定的几个算子有效。智能驾驶场景中，稀疏化方法对摄像头数据优化优先，性能仅有约57%提升，远低于稀疏算力100%提升预期。除了算力的“稀疏”和“稠密”的区别，采用不同计算数据类型也会造成算力表征的差别。大多数芯片公司一般采用INT8或者INT16作为统计算力的数据类型，少部分会采用INT4类型。相对而言，采用INT4数据类型能够实现的模型推理准确度相对较低，在将较大规模的神经网络转到更小的神经网络时的准确度损失相对较高；采 9 用INT8或者INT16数据类型的算力值相对较低，准确度损失也较低，在智能驾驶芯片计算时使用更为广泛。综上所述，算力标注的概念混淆、芯片价格混乱的主要原因是算力声称没有统一的标准，缺乏能够更客观的对比智能驾驶芯片能力的公正的测试基准算子或模型。因此，发展智能驾驶芯片测评标准与规范车载计算芯片标准迫在眉睫，这是车载芯片企业、整车企业以及正在生态体系的共同需求。此外，评价智驾芯片的目标是为了了解芯片应用在智能驾驶场景的真实性能。那么适配应用场景的算法模型，才是评价智能驾驶芯片的最合理方式。按照智能驾驶的使用，算法可以区分为：图像/点云分类、图像/点云目标检测、深度估计、图像/点云分割等。再从各分类算法，选出更适用智驾场景的算法。用多维度算法模型，公开公正测试智能驾驶芯片，才能分辨智能驾驶芯片的真实性能。二、二、智能驾驶计算芯片标准与评测智能驾驶计算芯片标准与评测 1、智能驾驶计算芯片国内外政策和标准现状智能驾驶计算芯片国内外政策和标准现状（1）国外政策）国外政策 自2015年以来，各国相继探索出台了自动驾驶相关的政策或者高级别自动驾驶运营许可，纷纷加速行业变革和商业化落地。从2016年开始，日本针对智能驾驶进行相关法律的修订，以推动智能驾驶制度的逐步完善，是全球第一个法律明确规定允许L3级智能驾驶汽车上路的国家。2017年5月，德国颁布了首部针对智能汽车的法律道路交通法（第八修正案），助力智能汽车在德国落地。2020年初，美国交通部公布了最新的智能驾驶汽车准则4.0，为各州和地方政府、汽车测试商以及所有利益相关者提供了统一指导。2021年1月11日，美国交通部发布智能驾驶汽车综合计划报告，是智能驾驶汽车准则4.0的延伸和落实，旨在确保其智能驾驶的全球领先地位，进一步明确了美国智能驾驶汽车产业发展的三大目标、五大优先领域及三类公共平台。2020年6月，联合国通过了自动车道保持系统（ALKS）法规（以下简称“ALKS法规”），作为“L3级”自动化驾驶第一份具有约束力的国际法规，这标 10 志着智能驾驶技术发展的重要一步。2021年，德国奔驰成为全球首个获得联合国ALKS法规“自动车道保持系统认证”的汽车企业。（2）国内政策）国内政策 我国高度重视智能网联汽车法规政策推进、技术标准制定、产业生态建设，已在积极探索智能驾驶汽车上路法规的制定，并采取了地方试验立法在先，中央总结立法在后的模式。2021年7月，工信部发布关于加强智能网联汽车生产企业及产品准入管理的意见，规定了智能驾驶汽车及其生产企业的准入管理要求，为L3及L4级智能驾驶汽车的规模化量产做准备。2022年11月，工信部会同公安部组织起草的 关于开展智能网联汽车准入和上路通行试点工作的通知（征求意见稿），将首次为开展智能网联汽车准入和上路通行试点工作提供政策依据。在测试示范方面，我国采取地方先行先试的模式。目前，北京、上海、深圳等多个城市已发布相关的道路测试与示范应用管理法规，其他城市相关细则也持续推进。2023年3月28日，工业和信息化部公开征求对国家汽车芯片标准体系建设指南（2023版）（征求意见稿）的意见，在该征求意见稿中，推荐制定智能驾驶计算芯片相关的行业标准，主要规范汽车用于人机交互、视觉融合处理、智能规划、决策控制等领域执行复杂逻辑运算和大量数据处理任务的芯片的技术要求及试验方法。2023年7月26日，工业和信息化部、国家标准化管理委员会印发国家车联网产业标准体系建设指南（智能网联汽车），其中谈及2025年标准体系建设目标时也专门提及要制定高性能计算芯片标准，以满足智能网联汽车技术、产业发 展和政府管理对标准化的需求。（3）标准现状）标准现状 虽然国内外高度重视智能驾驶产业的发展，并纷纷出台相应政策，但是在智能驾驶计算芯片的“智能”评测相关标准上仍属空白，国内外尚无相关标准发布。在我国，2022年7月，中国电子技术标准化研究院牵头制定了面向自动驾驶应用的计算芯片 系列团体标准，并在中国电子工业标准化技术协会正式立项，在2023年4月发布了该系列团体标准的征求意见稿，并拟于2023年发布该系列标准。该系列标准包含技术要求、车载异构计算测评规范、人工智能应用工具链、11 传感器接口要求等四个部分。此标准是国内外首系列针对智能驾驶场景对芯片的“智能”需求，完整的构建了智能驾驶计算芯片技术要求、测试方法、智能工具链和整体生态诉求等，及时填补了国内外智能驾驶计算芯片应用场景下“智能”领域的标准空白，使得智能汽车产业链内的企业在技术研发、标准选择、产品生产等流程上有章可依。在国家汽车芯片标准体系建设指南（2023版）（征求意见稿）等国家政策的指导下，基于上述系列团体标准，2023年4月，全国集成电路标准化技术委员会正式立项了中国电子技术标准化研究院牵头制定的 面向自动驾驶应用的计算芯片系列行业标准，并在工业和信息化部工业和信息化部2023年第一批行业标准制修订和外文版项目计划中正式下达，该系列行业标准是目前智能驾驶芯片领域的唯一一份行业标准，意义重大。一方面，可以更好地助力智能汽车产业链各单位对智能驾驶计算芯片的应用需求，提高智能汽车行业的技术水平、促进产品质量的提升；另一方面，可以助力我国智能驾驶芯片标准相关重要政策、法规的落地，推进我国智能网联汽车的落地和应用。2、智能驾驶计算芯片智能驾驶计算芯片性能评测性能评测标准标准 面向智能驾驶应用的计算芯片 系列团体标准详细描述了面向自动驾驶应用的计算芯片主要涉及的产品本身、AI应用工具链、传感器接口生态等技术领域及其异构计算测评等四个关键环节。其中，“第1部分：技术要求”规定了面向自动驾驶应用的计算芯片的可靠性和基本技术要求、软硬件要求以及功能、性能要求：硬件系统：应包括部分或全部以下硬件单元：a)通用处理器CPU，执行通用计算及控制程序；b)AI加速单元NPU，执行矩阵或向量密集的AI计算；c)图形处理单元GPU，执行图形生成、渲染等图形计算；d)微控制器MCU，执行实时运算和控制；e)数字信号处理单元DSP，执行数字信号处理；f)机密计算引擎Secure Engine，执行加解密计算，并支撑实现安全启动；12 g)内存控制器，访问片外主内存；h)视频/图像加速单元，完成视频/图像的编解码、图像缩放等处理；i)图像信号处理单元ISP，处理片外摄像头采集到的图像信号；j)音频处理单元，处理片外音频信号；k)PCIe总线，与片外的PCIe设备相连；l)片上缓存，作为高速缓存保存SoC计算过程产生的中间数据；m)片上互连总线，应符合ASIL标准；n)CAN、SPI、以太网、闪存等控制器。图 1 智能驾驶计算芯片硬件系统参考架构 软件系统 面向自动驾驶应用的计算芯片应包括部分或全部以下软件系统：a)安全驾驶系统；b)数据处理系统；c)仪表显示域；d)虚拟化软件系统。13 图 2 智能驾驶计算芯片软件系统参考架构 此外，“第3部分：人工智能工具链”规范了面向自动驾驶应用的计算芯片配套工具链应包含的内容、功能等基本要求及其可靠性要求；“第4部分：传感器接口要求”重点考虑了智能驾驶芯片生态角度的需求，规范了面向自动驾驶应用的计算芯片对适配的各类型传感器的基本要求和接口要求。通过对工具链和接口要求等生态性指标的衡量和规范，有助于智能驾驶计算芯片软硬件的进一步完善和应用。图 3 智能驾驶计算芯片人工智能工具链参考架构 14“第2部分：车载异构计算测评规范”规定了对面向自动驾驶应用的计算芯片进行不同关键模块的异构计算功能、性能测试的测试指标、测试方法和测试要求：通过该标准，重点评估以下三个维度的芯片综合性能：（1）以）以INT8数据类型的稠密数据类型的稠密算力为代表评估芯片算力性能算力为代表评估芯片算力性能 算力主要采用TOPS作为单位：TOPS（Tera Operations Per Second），即每秒钟进行一万亿次（=1012）运算次数，1TOPS表示芯片每秒进行1012次运算。行业内各单位标称的算力不少为稀疏算力，但是稀疏化带来两个问题：1）稀疏化会到来准确度的下降，需要复杂的重训练来对准确度进行补偿；2）这种稀疏化只对部分算子有效，其他算子无法采用这种稀疏化的方法。因此，推荐使用稠密算力方式对芯片算力进行评估，稠密算力相比稀疏算力，并不是只针对特定算法性能表现好，而是更具有普适性，且稠密算力普遍更容易满足计算准确度的要求，避免了稀疏算力的准确度补偿训练。另外，计算使用的数据类型有：INT4，INT8，INT16，FP16，FP32，BF16，TF32等。当前，在智能驾驶领域，INT4数据类型能够实现的准确度和范围较低，限制了其在神经网络计算的使用，会产生性能损失。FP32数据类型能够实现的准确度较高，但因为计算量较大，实际应用的效率较低。而INT8能够更好的兼顾效率和泛用性，被大多数芯片厂家采用，推荐以INT8数据类型为代表测试芯片算力，对齐算力标准，同时兼顾其他量化精度类型的算力，并标明测试结果的精度类型。综上，在本评测标准中，为了规范业内各种智驾芯片的算力对比，结合大多数芯片厂家的做法，明确指出统一采用INT8稠密算力为代表，兼顾其他量化精度类型算力的方式来对芯片的算力进行整体性评估（见表2），对智能驾驶产业更有意义，可有效防止算力虚标和对比条件不统一造成业界困扰的问题。表 2 数据类型、算力和利用率参考表 数据类型 算力 算力利用率 INT4、INT8、INT16、FP16、FP32、BF16、TF32 TOPS 百分比 15（2）采用推理吞吐率（）采用推理吞吐率（FPS）作为智能驾驶场景）作为智能驾驶场景AI性能的主要评价方法性能的主要评价方法 智能驾驶芯片的性能发挥看的是软硬件协同后的实际能力，而不是单纯取决于绝对算力数值，芯片厂商应更注重在最大硬件算力的前提下，在特定智能驾驶场景下是否可以达到较高的芯片使用效率。由于推理吞吐率是针对具体模型的测试结果，更能反映车载智能芯片的真实计算性能。在智能驾驶场景下，可以选取智能驾驶场景中最经典、最通用、业界关注度最高的模型（见表3）来进行性能测试，从而真实反映智能驾驶平台软硬协同的整体处理性能。表 3 测试网络模型列表（参考）序号 网络名称 场景类别 1 ResNet50 图像分类 2 VIT 图像分类 3 DETR 图像检测 4 Efficientdet 图像检测 5 Regnet 图像检测 6 DETR3D 基于BEV的检测 7 SSD 目标检测 8 FCN8 语义分割 9 DeepLabV3 实例分割 10 MonoDepth 单目深度估计 11 SFA3D 点云检测 12 Pointpillar-YoloV5 点云检测 13 PV-RCNN 3D物体检测 14 RangeNet 点云分割 15 PointTrack 点云跟踪、分割 （3）兼顾）兼顾AI性能和整体端到端数据流整体处理能力性能和整体端到端数据流整体处理能力 AI计算单元不是智能驾驶系统的全部，AI算力也不能成为评价智能驾驶芯片的唯一标准。一般来说，智能驾驶系统包含通用计算单元、AI计算单元、图像处理单元以及互联单元等，其中，AI计算单元是智能驾驶系统中的主要处理单元，但整个芯片平台在智能驾驶场景中的性能发挥必须依仗各部分的协同才能实现。车企在选择智能驾驶芯片时会对多项关键性指标进行综合性评估。芯片的AI算力高低固然重要，但主机厂在开发量产车型的过程中不会一味追求高算力的 16 芯片或平台，而是需要综合考虑智能驾驶芯片的算力和算效、适配性、软件开发难度、车规级安全认证等级、灵活性和全面性以及能效比等指标，最终根据车型的价位选择最具性价比的芯片。本系列标准还明确指出，智能驾驶计算芯片平台的关注维度不但要兼顾AI性能和整体端到端数据流整体处理能力，同时也要兼顾安全和效率。兼顾AI性能和整体端到端数据流整体处理能力意味着不仅仅关注智能驾驶计算芯片中AI处理单元的算力指标，更要着眼于车企和消费者更关注的整体智驾体验。同时，由于智能驾驶计算芯片的应用场景较为特殊，本标准除了关注智能驾驶计算芯片的性能，还要关注功能安全。在信息安全和车辆安全遵循国际汽车芯片主流标准的基础上，本标准牵引智能驾驶计算芯片在可信计算环境的基础上，支持国密认证、安全启动、硬件加解压等功能，以满足智能驾驶计算芯片平台对相关能力的要求。总之，整体端到端数据流处理能力和智驾体验才是最靠近整车厂最终诉求的智能驾驶计算芯片评价指标，在车企的实际采购和使用中起到更好的参考和指导作用。本次测评暂不含端到端测试。端到端评测结果将在以后的活动中进一步展开和发布。3、智能驾驶计算芯片标准智能驾驶计算芯片标准典型典型应用应用案例案例 依据面向自动驾驶应用的计算芯片系列标准，本白皮书选用国内外代表性的智能驾驶计算芯片应用案例。（1）国外代表国外代表 1）英伟达英伟达 2019年英伟达发布车规级芯片Orin并在2022年完成量产，其L2 级SoC，宣称采用全新的NVIDIA GPU及12核ARM CPU，功率45W，254TOPS算力；L5级别的全自动驾驶可以使用2路DRIVE AGX Orin 2组GPU的方案，性能可达2000TFLOPS，系统功耗能达到750W。17 图4 英伟达Orin SoC的系统架构示例 使用市场上采购的Orin开发平台套件，基于Nvidia JetPack 5.1.1-b56软件栈，在Ubuntu 20.04.5 LTS系统上对面向自动驾驶应用的计算芯片系列标准中的部分典型场景用神经网络模型进行了性能测试，测试结果如表4所示：表表4 英伟达英伟达Orin开发平台开发平台部分部分典型场景性能典型场景性能 序序号号 模型模型 数据集数据集 英伟达英伟达 Orin 开发开发平台平台典型场景典型场景 性能性能(FPS)推理推理 准确度准确度 原始模型原始模型 推理准确度推理准确度 1 resnet50 ImageNet 1335.65 0.778(top1)0.793(top1)2 vit ImageNet 144.98 0.217 0.801(top1)3 yolov3 COCO 181.85 0.464(0.5:0.558(0.5:18 0.95mAP)0.95mAP)4 yolov5m COCO 257.35 0.434(0.5:0.95mAP)0.501(0.5:0.95mAP)5 efficentdet-D0 COCO 248.23 0.361(0.5:0.95mAP)0.389(0.5:0.95mAP)6 detr COCO 59.88 0.376(0.5:0.95mAP)0.377(0.5:0.95mAP)7 segformer-B1 Cityscapes 27.97 71.93(mIoU)72.84(mIoU)8 rangenet KITTI 222.30 0.289(IoU)0.305(IoU)9 pointpillar KITTI 66.92 64.62(3d mAP)70.75(3d mAP)2）高通）高通 2020 年 1 月，高通发布了全新的自动驾驶平台 Snapdragon Ride，预计 2024 年将用于自动驾驶量产汽车中；随着高通加大在智能驾驶领域的投入力度行业竞争趋于激烈。高通第一代Ride SoC是SA8540P。高通的第二代Ride以SA8650为代表，这是完全针对自动驾驶的设计，SA8650可能有两个版本，宣称低版本的AI算力是50TOPSINT8，高算力是100TOPSINT8。19 图5 高通Ride芯片示例 基于该系列芯片的Snapdragon Ride平台覆盖可扩展SoC、集成式AD软件栈和开发平台、工具，从而提供面向L2-L3级别自动驾驶的解决方案。Snapdragon Ride视觉系统预计将搭载于2024年量产的汽车中面市。利用已发布的Snapdragon Ride软件开发套件（SDK），汽车生态系统可进行下一代ADAS和AD解决方案及其驾驶策略的开发。长城汽车、通用汽车、宝马等车企已经宣布搭载Snapdragon Ride计算平台。该平台在场景应用时，可结合面向自动驾驶应用的计算芯片 系列标准，规范其应根据 面向自动驾驶应用的计算芯片 第一部分：技术要求具体来看，或宜提供的人工智能工具链，如高通Ride具备的软件系统、中间件、工具链、开发环境和各种算子库。3）德州仪器）德州仪器 德州仪器是全球第一大模拟电路元件和数字信号处理器制造商，其模拟和数字信号处理芯片技术在全球处于领先地位，而其推出的TDA4系列芯片被许多汽车厂商和一级供应商选为计算平台，TDA4VM是面向新一代智能驾驶应用所推出的车规级芯片，主打高阶自动驾驶市场。TDA4VM可实现多级处理，支持深度学习和实时图像处理；同时在性能和功耗方面都有较大提升，可以提供8TOPS算力。20 配有包括Cortex A72、Cortex R5F、DSP、MMA等在内的不同类型处理器，由对应的核或者加速器处理各自擅长的任务，让计算平台的效率得以提高。此外能够在单芯片上接入并处理4到6个三百万像素摄像头的数据，增强车辆感知能力和环视处理功能。2023年2季度量产的TDA4VH和TDA4AH是TDA4系列的旗舰产品，根据 面向自动驾驶应用的计算芯片 第一部分：技术要求具体来看，宣称具备32TOPS的AI算力，100K DMIPS的CPU算力，16K DMIPS的MCU算力，320 GFLOPS的DSP算力，4个4K60显示，内置4口以太网交换，2口PCIe交换。图6 德州仪器TDA4VM芯片架构示例 21 4）Mobileye Mobileye是英特尔2017年收购的列自动驾驶汽车技术公司，发布的EyeQ系列芯片EyeQ系列芯片产品截止2021年底已经总计出货接近一亿片。尽管在L3/L4领域被英伟达和高通压制，但是在主流的L2级别ADAS市场，仍然是霸主，其市场占有率高达75%。2021年出货量高达2810万片。至今已经完成了超1亿件EyeQ芯片的出货。而其22年发布的EyeQ Ultra是一款专为端到端自动驾驶而打造的单封装自动驾驶汽车集成芯片超级计算平台。EyeQ Ultra基于经过验证的Mobileye EyeQ架构，通过优化算力和效能，宣称可达到176TOPS，功耗低于100w。在未来这款芯片很有可能搭载在吉利极氪的全系车型之上。根据 面向自动驾驶应用的计算芯片 第一部分：技术要求 具体来看，EyeQ Ultra采用一组包含四类专有加速器的设计，每一类都针对特定任务而设计。这些加速器与其它CPU、ISP和GPU相配合，构成了一个高能效的解决方案，能够同时处理来自两个传感子系统（包括一个纯摄像头子系统和一个整合了雷达和激光雷达的子系统）以及车辆的中央计算系统、高清地图和驾驶决策软件的输入数据。图7 Mobileye的EyeQ Ultra芯片示例 22 （2）国内代表国内代表 1）华为华为 2018年10月，华为发布了自研的达芬奇架构AI芯片昇腾910和昇腾310。华为MDC计算平台的核心AI芯片采用的就是昇腾系列芯片。针对ADAS 与L4 并行的自动驾驶战略，华为相继推出多款不同的计算平台，其中MDC 610的算力宣称为200TOPS。为了进一步推动MDC 产品的系列化，以满足不同客户的多样化需求。在已经亮相的华为MDC智能驾驶计算平台解决方案上，集成了自研的Host CPU芯片、AI芯片、ISP芯片与SSD控制芯片。图8 华为昇腾310芯片架构示例 华为MDC智能驾驶平台，已经与18家主流车企、Tier 1建立合作，智能驾驶的应用场景则覆盖了乘用车、商用车、特种车作业车等。使用华为MDC 610平台，基于华为MDC Core软件栈，在该平台上对面向自动驾驶应用的计算芯片 系列标准中的部分典型场景用神经网络模型进行了性能测试，测试结果如表5所示：表表5 华为华为MDC 610平台平台部分部分典型场景性能典型场景性能 序序号号 模型模型 数据集数据集 华华为为 MDC 610 性能（性能（FPS）推理准确度推理准确度 原始模型原始模型 准确度准确度 23 1 resnet50 ImageNet 2764.80 0.793(top1)0.793(top1)2 vit ImageNet 303.59 0.801(top1)0.801(top1)3 yolov3 COCO 373.74 0.545(0.5:0.95mAP)0.558(0.5:0.95mAP)4 yolov5m COCO 665.90 0.479(0.5:0.95mAP)0.501(0.5:0.95mAP)5 efficentdet-D0 COCO 385.99 0.374(0.5:0.95mAP)0.389(0.5:0.95mAP)6 detr COCO 196.15 0.375(0.5:0.95mAP)0.377(0.5:0.95mAP)7 segformer-B1 Cityscapes 39.89 72.74(mIoU)72.84(mIoU)8 rangenet KITTI 463.78 0.293(IoU)0.305(IoU)9 pointpillar KITTI 156.68 69.37(3d mAP)70.75(3d mAP)10 SCNN CULane 319.95 80.2(F1)81.9(F1)2）地平线地平线 地平线面向智能驾驶领域，推出征程系列芯片，自2018年4月发布征程1芯片至今，量产产品已迭代至第三代征程5。征程5芯片是地平线推出的第三代芯片产品，采用台积电16nm制程工艺。采用8核心ARMCortex A5核心，支持 16 路感知摄像头、激光雷达、毫米波雷达等感知接入。目前征程5芯片已在理想L8 Pro和Air上实现量产上市，同时获得比亚迪、红旗、北汽、上汽多个定点项目。其中理想L8 Pro和Air车型上搭载的基于征程5打造的理想AD Pro驾驶辅助系统，已于2023年2月OTA推送NOA领航辅助驾驶系统。地平线相继推出基于征程2、征程5芯片的Matrix 2与Matrix 5计算平台，其中Matrix 5可满足ADAS、高阶自动驾驶、智能座舱等多种场景需求，根据面 24 向自动驾驶应用的计算芯片 第四部分：传感器接口要求具体来看，其支持48GMSL2摄像头输入通路，最高支持多路8MP30fps、多路毫米波雷达、4D成像雷达、激光雷达、超声波及麦克风阵列的接入。图9 地平线Matrix 计算平台示例 3）黑芝麻黑芝麻 黑芝麻是行业领先的智能汽车计算芯片和平台研发企业，专注于车规级高性能计算芯片与平台技术领域的高科技研发。其研发的华山系列芯片不少款已经实现量产和商业化落地。根据面向自动驾驶应用的计算芯片 第一部分：技术要求具体来看，华山 A1000 采用 16nm 车规工艺，并可处理多达 16 路高清摄像头输入，支持 L2 至 L3 自动驾驶集成泊车及驾驶的单芯片解决方案以及支持多个自动驾驶场景；华山 A1000L 为 L2 及 L2 自动驾驶设计，为华山 A1000 的轻量版，采用 16nm FFC 车规工艺，并可处理 8 路高清摄像头输入，也支持集成泊车及驾驶的单芯片解决方案，为入门级自动驾驶汽车提供高性价比方案；华山 A1000pro支持多达 20 路高清摄像头输入，支持从城市道路及高速公路驾驶到泊车的多种自动驾驶应用场景无缝集成。黑芝麻基于 A1000 系列芯片打造的 Drive Sensing 解决方案是可量产搭载单SOC 芯片的高阶行泊一体方案，搭配一个 MCU，实现单 SOC 支持 10V 的高阶行泊一体方案，支持 L2 行车领航 NOA、泊车 HPA/AVP、3D 360 环视全景、多路 DVR 等功能。25 图 10 华山 A1000 外部系统方案框图 图 11 华山 A1000 内部功能模块框图 黑芝麻智能与东风集团、江汽集团、一汽集团、上汽集团、上汽通用五菱、博世、曹操出行、吉咖智能、亚太、保隆集团、经纬恒润、均联智行、所托瑞安、联友科技等在 L2、L3 级ADAS 和自动驾驶感知系统解决方案上开展了一系列商业合作。2023年，搭载华山A1000系列芯片的量产车将陆续发布，包括江淮、吉利、东风旗下品牌等更多车型。4）超星未来超星未来 26 超星未来由清华大学电子工程系与车辆学院跨学科联合成立，以软硬件协同优化为核心思想，主要面向智能驾驶前装量产场景和边缘侧AI场景，提供芯片产品和行业解决方案。图12 超星未来惊蛰R1芯片示意图 根据面向自动驾驶应用的计算芯片 第四部分：传感器接口具体来看，惊蛰R1可提供多传感器接入能力和灵活的连接性，支持多路MIPI以及以太网接入，用户可以根据使用场景自由设计多摄像头、激光雷达以及毫米波雷达的接入，打造不同能力等级的智能驾驶系统。根据面向自动驾驶应用的计算芯片 第三部分：人工智能应用工具链，基于惊蛰R1和开发工具链“鲁班”，超星未来打造的智能计算平台开发套件“NE100”。全面支持各类传感器输入，适配多种深度学习算法框架，可高效实现感知、融合、预测、规划、控制等功能，帮助客户快速进行L2 智能驾驶、特定场景L4、路侧感知等场景原型系统的开发及验证。同时，“NE100”可以部署超星未来自研的应用层算法，助力客户进行特定模块的研发。基于惊蛰R1打造的边缘计算模组“NM10”，算力为16TOPSINT8，可提供SODDIM 260PIN接口，在电气属性和结构上兼容Xavier/Orin NX SOM模组。“NM10”能够快速实现终端设备和边缘端设备的AI应用部署，应用于智慧交通、智能电网、智慧制造、智慧金融、无人机等边缘计算场景。27 5）爱芯元智爱芯元智 爱芯元智基于其两大自研核心技术爱芯智眸AI-ISP和爱芯通元混合精度NPU，采用算法和芯片协同设计理念，已完成四代多颗芯片产品的研发和量产工作。车载芯片业务定位Tier2，主要为车企提供高性能低功耗AI SOC，为车载前视一体机、行泊一体域控制器、CMS、DMS/OMS等提供全系列解决方案，同时提供工具链、软件开发平台、面向应用的参考设计。根据 面向自动驾驶应用的计算芯片 系列标准具体来看，爱芯的首颗ADAS芯片M55H（又名AX720A），自研Proton AI ISP技术在暗场和HDR等方面进行了延时优化，并可支持RGB-IR双光融合，以满足车载各场景需求。其自研Neutron Npu 可以支持低位宽混合精度，提供高性能工具链支持，可满足AI算法的不断演进需求。具备4K30fps 编解码能力。图13 基于M55H的智能系统示意图 第二代芯片M76H，集成了异构多核的爱芯通元NPU v3 架构，可支持低位宽混合精度，其张量核针对CNN优化、加速Transformer以及BEV应用，针对Transformer优化，具备灵活的编程性，辅以SDMA和异构多核硬件协同，通过CV算子做前后处理提升感知性能。可同时处理多路大分辨率的视频流，支持应用于全时行泊一体系统的完整解决方案，实现高速NOA，城市ICA以及自动泊车，记忆泊车等功能。目前,爱芯 M55H（又名 AX720A）芯片，通过和 Tier1 华锐捷合作，成功于 28 2023 年 3 月在国内某知名新能源车企顺利量产数万片，此外，爱芯元智已与更多 tier1 达成合作，后续也会在更多车型实现批量应用。此外，本系列标准还在对更多的智能驾驶计算芯片及平台进行应用与验证，通过对国内外典型智能驾驶计算芯片及平台的应用，为汽车企业和零部件供应商提供参考，其可根据自身应用算法模型和应用场景选择更有利于自身研发需求的车载计算芯片产品。除此之外，在后续的工作中还将对更多智能驾驶计算芯片及平台的算力、模型和端到端性能进行更全面、丰富的测评与研究，助力产业链中应用单位选型，促进智能驾驶产业进一步发展。三、三、总结与展望总结与展望 近十年来，在“双碳”背景下的转型关键时期，汽车产业正在从传统工业向数字化、智能化加速变革，不断抢占新赛道。国内外从政策支持到法规保障、从技术创新到产业协同、从传统车企到科技公司，政府、产业、学术机构等各方持续高度关注，不断让创新形成合力，推动智能驾驶技术进步，形成全新的产业形态突破。智能驾驶芯片是智能汽车技术中皇冠上的明珠。在电动汽车智能化转型过程中起着关键的作用。但是目前行业内针对芯片的宣称规格差异大，无统一性能评测标准，给客户选择带来困惑。在智能驾驶芯片快速发展的背景下，需要牵引国产芯片向高质量、高竞争力发展，在统一的标准下评测，避免宣传乱象。由中国电子工业标准化技术协会牵头，邀请行业内专家广泛研究，提出来 面向智能驾驶应用的计算芯片系列团体标准，规范算力宣称，并且选取智能驾驶场景中最经典、最通用、业界关注度最高的模型制定评测标准。在自动驾驶技术分级的情况下，智能驾驶计算芯片也不是只追求高性能、大算力。在以后的测评活动中，加入更种类和等级的芯片，定期发布评测结果。助力智能驾驶计算芯片“上车”，使得产业链内的企业在产品选型、技术研发、测试验证等流程上有章可依。期待智能驾驶计算芯片系列标准在产业各界的努力下不断完善、升级，助力智能驾驶汽车以及智能驾驶计算芯片产业的发展、繁荣，为我们创造更安全、更美好的“智能驾驶”的未来。29 四、四、参考文献参考文献 1.国家汽车芯片标准体系建设指南（征求意见稿）2.国家车联网产业标准体系建设指南（智能网联汽车）（2023 版）3.面向自动驾驶应用的计算芯片 第 1 部分：技术要求 4.面向自动驾驶应用的计算芯片 第 2 部分：车载异构计算测评规范 5.面向自动驾驶应用的计算芯片 第 3 部分：人工智能应用工具链 6.面向自动驾驶应用的计算芯片 第 4 部分：传感器接口要求

0人已浏览 2023-12-25 29页 5星级

2023 年深度行业分析研究报告 目目 录录 1.引言引言.4 2.中国乘用车出口现状及驱动因素中国乘用车出口现状及驱动因素.4 2.1.总量分析：总量分析：2021-2023 年中国乘用车出口呈现爆.

0人已浏览 2023-12-25 29页 5星级

行业及产业 行业研究/行业点评 证券研究报告 汽车 2023 年 12 月 21 日 汽车行业央企 ESG 评价结果分析：内部控制和员工培训是汽车央企的重点关注 看好A 股央企 ESG 系列报告之十二 证券分析师 戴文杰 A0230522100006 樊夏沛 A0230523080004 研究支持 朱傅哲 A0230122080005 邵翼 A0230123090002 联系人 邵翼(8621)23297818 本期投资提示：在本系列的上一篇报告构建汽车行业央企 ESG 评价体系：核心在于员工培训发展和供应链指标A 股央企 ESG 系列报告之十一中根据汽车央企 ESG 相关政策要求构建了汽车央企 ESG 评级体系。本篇报告选取申万一级行业汽车行业中的 15 家央企作为研究对象，尝试通过已构建的评价体系对其进行评价分析，总结当前央企 ESG 绩效管理情况。ESG 报告实现七成覆盖，整体高分表现较少。从评分结果来看，80 分以上的公司有 2 家长安汽车、一汽解放，占比 13.3%，其中 90 以上的公司有 1 家。“通用指标“评价：大部分企业发布 ESG 专项报告，且多数详细披露了报告编制依据，但披露第三方鉴定报告的公司仅有 2 家。环境：行业内得分差距大，汽车行业央企对于环境保护管理较为重视，但部分指标信息披露仍需完善。评价指标中突发环境事件应急管理和减排措施得分较高且披露率达到 80%，而万元产值综合能耗和温室气体范围二得分较低，尤其是后者，对于碳排放范围二的披露率仅 13.3%。没有企业有减分项。社会：得分较高，乡村振兴实施项目、资金支出金额和捐赠金额是行业重点关注，披露率超过 70%。绝大多数汽车企业在这几个方面都详细描述了企业在这几个领域做出的努力和取得的成果，充分展示中国特色以及央企对于社会责任的履行情况，但消费者沟通方案披露内容偏少，且多数公司未制定相关制度。此外，央企对于行业特色员工培训与发展指标比较重视，披露率达到 100%，且得分都较高。从扣分项来看，有 3 家公司涉及社会方面的处罚，主要由于信息披露不及时不完善以及信息披露违法行为。治理：得分较为集中，治理结构较为规范，但 ESG 绩效管理仍有欠缺。统计的所有公司都设立了审计委员会和其他专业委员会，完善了信息披露制度。但是 ESG 领导机构、违规举报平台、合规委员会的设置仍有缺失，还需进一步完善。高质量的公司治理机制是需要规范的治理架构和完备的相关制度共同组成的，二者缺一不可，这样才能保障企业规范化运行，从而避免风险发生。从扣分项来看，有 2 家公司涉及治理方面的处罚。风险提示：ESG 相关政策推动的节奏不及预期。请务必仔细阅读正文之后的各项信息披露与声明 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第2页 共15页 简单金融 成就梦想 1.ESG 报告实现七成覆盖，环境和治理方面仍需加强.5 2.环境：万元产值综合能耗和温室气体范围二信披指标不完整.6 3.社会：乡村振兴、员工培训与发展是行业重点关注.8 4.治理：治理架构完整，投资者关系管理和供应链 ESG 管理仍需完善.11 5.核心假定的风险.14 目录 qVkYaXrVgXvYaXpZtVkX6MdNbRnPmMpNtQiNnMtRjMoMmN6MqRnRNZrRqNuOqNuN 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第3页 共15页 简单金融 成就梦想 图表目录 图 1：汽车央企 ESG 评分：大多数公司表现中等.5 图 2：是否发布 ESG 专项报告&报告编制依据：大多数公司披露.5 图 3：第三方鉴定：仅有 2 家公司披露.5 图 4：“环境指标“评价：汽车行业央企对于环境保护管理重视程度极差较大，信息披露仍需完善.6 图 5：能源消耗信息：汽车央企披露率为 60%.7 图 6：温室气体排放及污染物信息：没有完整披露的公司.7 图 7：防治污染及突发环境事件应急管理：10 家企业完整披露.7 图 8：减排措施：15 家公司中有 11 家披露.7 图 9：行业协同发展：披露率为 40%.8 图 10：“社会指标”评价：得分较高，乡村振兴、社会公益和员工培训是主要内容8 图 11：乡村振兴：11 家企业披露乡村振兴案例.9 图 12：一汽解放“深耕帮扶 多维赋能乡村”专题.9 图 13：社会公益：11 家公司披露了具体项目.10 图 14：6 家企业均披露消费者权益相关指标.10 图 15：员工权益保护及离职率：8 家公司制定专门的职工权益保护制度.11 图 16：员工培训与发展：员工培训披露率达 100%.11 图 17：“治理指标”评价：架构规范，ESG 绩效管理仍需完善.11 图 18：一汽解放报告设有“学深悟透 贯彻党的二十大精神”专题.12 图 19：披露 ESG 绩效管理的汽车行业央企仅有一家.12 图 20：长安汽车 ESG 管理架构.12 图 21：信息披露管理：提到信息披露负责人机制或审核机制的公司有 7 家.13 图 22：投资者关系管理：5 家公司披露投资者沟通方案.13 图 23：合规风险管理：没有公司披露设有违规举报平台.14 表 1：一级行业为汽车行业，且二级行业为乘用车、商用车、汽车零部件的央企.4 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第4页 共15页 简单金融 成就梦想 在本系列的上一篇报告构建汽车行业央企 ESG 评价体系：核心在于能源转型和安全生产指标A 股央企 ESG 系列报告之十二 中根据汽车央企 ESG 相关政策要求构建了汽车央企 ESG 评级体系。本篇报告选取申万一级行业为汽车行业，且二级行业为乘用车、商用车、汽车零部件的 15 家央企作为研究对象，尝试通过已构建的评价体系对其进行评价分析，总结当前央企 ESG 绩效管理情况。评价数据来源包括公司年报、ESG 报告、公司公告、相关新闻报道等信息（报告中涉及的指数和成分股均是客观数据陈述，仅用于 ESG 评级结果分析，不涉及主观判断）。表 1：一级行业为汽车行业，且二级行业为乘用车、商用车、汽车零部件的央企 Wind 代码 证券名称 总市值（亿元）申万一级行业 申万二级行业 600148.SH 长春一东 23 汽车 汽车零部件 600178.SH 东安动力 73 汽车 汽车零部件 600469.SH 风神股份 43 汽车 汽车零部件 600480.SH 凌云股份 76 汽车 汽车零部件 600523.SH 贵航股份 57 汽车 汽车零部件 600698.SH 湖南天雁 50 汽车 汽车零部件 603013.SH 亚普股份 87 汽车 汽车零部件 000550.SZ 江铃汽车 119 汽车 商用车 000625.SZ 长安汽车 1468 汽车 乘用车 000800.SZ 一汽解放 399 汽车 商用车 000901.SZ 航天科技 76 汽车 汽车零部件 002190.SZ 成飞集成 67 汽车 汽车零部件 002265.SZ 建设工业 121 汽车 汽车零部件 600006.SH 东风汽车 116 汽车 商用车 600081.SH 东风科技 64 汽车 汽车零部件 资料来源：万得，申万宏源研究 注：总市值对应 2023 年 12 月 20 日收盘价 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第5页 共15页 简单金融 成就梦想 1.ESG 报告实现七成覆盖，环境和治理方面仍需加强 80 分以上高分企业较少，ESG 报告行业覆盖率仅七成，其中报告社会和规范性方面得分较高，环境和治理方面仍需加强。2022 年 5 月 27 日，国资委发布提高央企控股上市公司质量工作方案，提出：贯彻落实新发展理念，探索建立健全 ESG 体系。央企充分发挥“领头羊”的作用，积极践行可持续发展理念，主动发布 ESG 报告。从评分结果来看，80 分以上的公司有 2 家长安汽车、一汽解放，占比 13.3%，其中90 以上的公司有 1 家。图 1：汽车央企 ESG 评分：大多数公司表现中等 资料来源：万得，申万宏源研究“通用指标“评价：大部分企业发布 ESG 专项报告，且多数详细披露了报告编制依据，但披露第三方鉴定报告的公司仅有 2 家。1、第三方鉴定：披露第三方鉴定报告的仅有一汽解放和东风科技 2 家公司，占比 13.3%。2、报告编制依据：披露的有 12 家公司，在发布 ESG 报告的公司里占比为80%。比如，一汽解放披露的编制依据包括：香港联合交易所环境、社会及管治报告指引国际标准化组织 ISO26000:2010社会责任指南、中国社会科学院中国企业社会责任报告指南(CASS-ESG5.0)、全球报告倡议组织 可持续发展报告标准(GRI Standards)、国家标准化管理委员会社会责任报告编写指南(GB/T 36001-2015)等，并参考联合国可持续发展目标(SDGs)及国务院国资委关于国有企业更好履行社会责任的指导意见相关内容。3、是否发布 ESG 专项报告：申万汽车行业中 15 家央企仅有 11 家发布 ESG专项报告。图 2：是否发布 ESG 专项报告&报告编制依据：大多数公司披露 图 3：第三方鉴定：仅有 2 家公司披露 5690-100分80-89分70-79分60-69分40-59分20-30分 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第6页 共15页 简单金融 成就梦想 资料来源：万得，申万宏源研究 资料来源：万得，申万宏源研究 2.环境：万元产值综合能耗和温室气体范围二信披指标不完整“环境指标“评价：汽车行业央企对于环境保护管理重视程度差距较大，行业内有较多数量企业分数偏低。结果显示有 3 家公司得分超过 24 分，5 家公司得分在 18分以上，但也有 5 家企业的得分小于 10 分，说明汽车行业中的央企对于环境保护管理重视程度差异较大。评价指标中突发环境事件应急管理和减排措施得分较高且披露率超过 70%，而耗水量和温室气体范围二得分较低，且后者对于温室气体分类排放量的披露率仅 13.3%。为行业标准、国际化、技术进步做出贡献该汽车行业环境特色指标的披露率一般，为 40%。图 4：“环境指标“评价：汽车行业央企对于环境保护管理重视程度极差较大，信息披露仍需完善 资料来源：万得，申万宏源研究 4、能源消耗信息：共有 9 家企业披露该项目相关内容，占比 60%，但仅有 1家完全披露该指标。比如凌云股份披露指标包括：天然气消耗总量、汽油消耗总量、柴油消耗总量、电力消耗总量、热力蒸汽的消耗量、单位产值标准煤消耗。未发布ESG专项报告：4家已发布ESG专项报告：11家披露第三方鉴定：2家未披露第三方鉴定：13家32541012345624-30分17-23分10-16分3-9分0-2分 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第7页 共15页 简单金融 成就梦想 5、温室气体排放及污染物信息：该一级指标没有公司完全披露，而完全未披露的公司高达 4 家（占比 26.7%），对于温室气体排放的披露仍待完善。比如，长春一东披露的信息包括直接温室气体排放量（范围一）、间接温室气体排放量（范围二）、一般废弃物的排放总量和密度、危险废弃物的排放总量和密度、废气排放量、颗粒物排放量等、废水排放总量等。图 5：能源消耗信息：汽车央企披露率为 60%图 6：温室气体排放及污染物信息：没有完整披露的公司 资料来源：万得，申万宏源研究 资料来源：万得，申万宏源研究 6、防治污染及突发环境事件应急管理：有 10 家企业披露完整，普遍较为重视。防治污染管理、突发环境事件应急管理，披露的公司数量分别是 11 家和 12 家。比如，东风汽车披露的系统地识别、评估环境风险流程，其各子公司或工厂编制的突发环境事件应急预案，表明公司建立了环境管理应急准备和响应控制程序。同时公司开展突发环境事件应急演练。公司制定并完善建设项目环境保护管理办法 节能环保管理办法绩效管理办法等内部制度，达成杜绝各类环境污染事故和重大违规事件、持续深化污染防治攻坚战实施方案的 2022 年环境管理目标。图 7：防治污染及突发环境事件应急管理：10 家企业完整披露 图 8：减排措施：15 家公司中有 11 家披露 资料来源：万得，申万宏源研究 资料来源：万得，申万宏源研究 786分4分2分0分03314分12分10分8分6分4分2分0分124分2分0分披露减排措施：11家未披露减排措施：4家 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第8页 共15页 简单金融 成就梦想 7、减排措施：汽车行业央企对碳减排措施较为重视，披露率达 73.3%。比如东风汽车披露的减排措施包括元对发动机试验室风冷冷水机组进行更新、旗下岚图汽车科技有限公司通过对标分析，将综合站房的空压机、制冷机的冷却循环水补水改为中水实施方案等。8、行业协同发展：15 家企业中有 6 家披露行业协同发展指标（占比 40%）。比如凌云股份提到：积极参与国家及行业标准的制定，主编国家标准 14 项、行业标准 8 项，修订国家标准、行业标准 30 余项。联合高校、科研机构以及相关单位开展科研合作，实现重点项目联合攻关。引入战略合作企业，推动国内、国外供应链体系建设，与创新股份签署战略合作框架协议，以战略协同、业务赋能为原则，发挥各自市场和技术优势，推进落实全球供应战略合作，联合共建国际供应链。图 9：行业协同发展：披露率为 40%资料来源：万得，申万宏源研究 3.社会：乡村振兴、员工培训与发展是行业重点关注“社会指标“评价：得分较高，乡村振兴、社会公益和员工培训与发展是行业重点关注方向，披露率超过 80%。绝大多数汽车企业在这几个方面都详细描述了企业做出的举措和取得的成果，展示汽车央企对于社会责任的履行情况，但消费者权益保护披露内容偏少，且多数公司未制定相关制度。此外，汽车央企对于行业特色员工培训与发展指标比较重视，披露率达到 100%。图 10：“社会指标”评价：得分较高，乡村振兴、社会公益和员工培训是主要内容 已披露行业协同发展：6家未披露行业协同发展：9家 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第9页 共15页 简单金融 成就梦想 资料来源：万得，申万宏源研究 9、乡村振兴：11 家企业披露乡村振兴案例，其中 10 家公司披露资金支出金额（占比 90.9%），1 家公司未披露。比如，一汽解放披露累计派出精准帮扶、援藏挂职干部 11 名，采买定点帮扶地区农特产品超 700 万元。案例包括：与陕西省渭南市大荔县许庄镇柳池村联合举办党支部共建仪式，为“解放村”揭幕，为乡村群众名下各品牌卡车提供免费检查服务，助力卡友共同致富。向凤山县人民政府捐赠 15 万元资金，组织募捐活动为广西凤山县中亭村 108 位困难学生捐款 4 万元，助力乡村地区教育事业发展。亚普股份披露公司持续参与消费帮扶活动，助力乡村振兴。2022 年度，公司用于扶贫采购金额 92.7 万元，以实际行动持续不断地为乡村振兴贡献力量。图 11：乡村振兴：11 家企业披露乡村振兴案例 图 12：一汽解放“深耕帮扶 多维赋能乡村”专题 资料来源：万得，申万宏源研究 资料来源：一汽解放 ESG 报告、申万宏源研究 10、社会公益：社会公益项目案例描述披露率达到 73.3%，其中除一家公司外均披露具体投入金额。比如，一汽解放披露 2022 年救助卡友及其子女 212 位，援助交通事故 48 人，援助大病 124 人，援助死亡 37 人。具体项目有：联合交通运输部与中国乡村发展基金会（原中国扶贫基金会）丰富“解放爱领航关爱卡车司机”项目内涵，开展“八一慰问”退役军人货车司机专项关爱项目，拨付近 200 万元，面向军7830-35分25-30分20-25分5-10分128分4分0分 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第10页 共15页 简单金融 成就梦想 烈属、生活困难的退役军人货车司机党员等进行慰问捐助，活动辐射江苏、四川、贵州和甘肃等 4 省 50 个市县，退役军人货车司机党员 2800 余名。11、消费者权益保护：6 家企业披露了消费者权益保护制度或消费者沟通方案，只有 1 家企业同时披露以上两项。此项汽车行业央企披露较少，60%的公司未披露相关内容。其中披露沟通方式和消费者权益保护相关制度的公司分别有4 家和3 家。比如，长春一东根据主营业务客户群体类别，针对主机配套客户、零售后市场客户、国际客户设立了三个销售部门，满足不同客户的个性化需求。在华北、山东、华东、华南等地设立异地库，可满足客户的即时性需求。为汽车运输开发了小程序，监管物流运输。柴油销售实行终端配送，能为客户提供优质、高效、及时的服务。公司设立营销服务部门，为客户的售后服务提供保障。同时与用户保持密切联系，随时跟进客户动态，了解客户需求,通过“一企一策”为客户提供个性化的产品和服务。图 13：社会公益：11 家公司披露了具体项目 图 14：6 家企业披露消费者权益相关指标 资料来源：万得，申万宏源研究 资料来源：万得，申万宏源研究 12、职工权益保护：8 家公司制定专门的职工权益保护制度，其中仅有 1 家公司披露离职率。比如，东风科技发布员工薪酬管理办法员工绩效评价管理办法员工招聘管理规定员工健康体检管理办法福利管理办法等一系列涉及雇佣、绩效、薪酬、体检以及福利等方面的管理文件。同时，公司及下属子公司工会开展防暑防寒慰问 9000 余人次，开展困难员工慰问 100 余人次，累计慰问 45 万余元。遵守中华人民共和国安全生产法中华人民共和国职业病防治法等相关法律法规，建设员工健康与安全管理体系，下属子公司健康与安全培训覆盖率达到 100%。13、员工培训与发展：汽车行业央企对员工培训与发展普遍较为重视，员工培训披露率达 100%，其中有 11 家企业披露员工发展（占比 73.3%）。比如，凌云股份披露年度内共支出培训费用近 700 万元。2022 年，公司聚焦素质能力提升，开展各类培训 1070 场次，参培达 9 万余人次。线上网络教育培训 500 余场次，参培人数达 3 万余人次。全年培训覆盖率达 100%。但未披露员工发展相关内容。披露社会公益案例及金额：10家仅披露社会公益案例：1家4390披露消费者权益保护制度披露消费者沟通方案两者均未披露 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第11页 共15页 简单金融 成就梦想 一汽解放披露：构建员工发展体系，搭建“横联纵通”的员工发展通道，完善晋升发展机制，构建完备的任职资格体系；聚焦高精尖缺，加大关键紧缺领域人才引进力度。此外还聚焦员工发展诉求，围绕能力素质模型，打造全员赋能平台，实现定制化培训、伴随式赋能、针对性培养、个性化满足。图 15：员工权益保护及离职率：8 家公司制定专门的职工权益保护制度 图 16：员工培训与发展：员工培训披露率达100%资料来源：万得，申万宏源研究 资料来源：万得，申万宏源研究 4.治理：治理架构完整，投资者关系管理和供应链ESG 管理仍需完善“治理指标”评价：得分较为集中，治理结构较为规范，但 ESG 绩效管理仍有欠缺。统计的所有公司都设立了审计委员会和其他专业委员会，完善了信息披露制度。高质量的公司治理机制是需要规范的治理架构和完备的相关制度共同组成的，二者缺一不可，这样才能保障企业规范化运行，从而避免风险发生。从扣分项来看，有 2 家公司涉及治理方面的处罚，比如宣传使用绝对化用语的处罚。图 17：“治理指标”评价：架构规范，ESG 绩效管理仍需完善 资料来源：万得，申万宏源研究 14、党建业务：15 家公司中有 12 家披露该项内容，披露率达 80%，汽车行业央企对党建重视程度普遍较高。比如，一汽解放专门设有“学深悟透 贯彻党的二十仅披露员工保护制度：7家披露员工保护制度和离职率：1家仅披露员工培训：4家披露员工培训和发展：11家3260-35分25-29分20-24分15-19分10-14分 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第12页 共15页 简单金融 成就梦想 大精神”专题，引用总书记语录。公司统筹安排、精心组织全体党员、干部、职工通过多种方式收看开幕会直播。开幕当天，共组织 158 个集中观看点、8000 人现场集中收看党的二十大开幕会实况直播；此外一汽解放党委还赴延安开展“追寻足迹忆初心、砥砺奋进创一流”红色教育培训。“聚焦二十大”专栏累计发布宣传报道超 500 篇，浏览量超 20 万，“解放这十年”系列报道在集团官微连续一周转载，学习成效和特色做法受到新华社、央视等主流媒体关注。图 18：一汽解放报告设有“学深悟透 贯彻党的二十大精神”专题 资料来源：一汽解放 ESG 报告、申万宏源研究 15、ESG 绩效管理：仅有 1 家公司披露 ESG 领导机构，没有公司披露 ESG绩效与考核机制挂钩。比如，长安汽车披露：公司按照重庆长安汽车股份有限公司社会责任的管理程序要求，明确企业社会责任规划管理、执行管理和运营评价管理等方面内容，严格执行对外捐赠流程和信息披露制度等，实现社会责任工作规范化与体系化。但是没有提到 ESG 绩效与考核机制挂钩相关的内容 16、董事会下设的专业委员会：所有公司均设立了审计专业委员会和其他专业委员会。比如江铃汽车设立了：的审计委员会、执行委员会、合规委员会、网络安全委员会等。图 19：披露 ESG 绩效管理的汽车行业央企仅有一家 图 20：长安汽车 ESG 管理架构 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第13页 共15页 简单金融 成就梦想 资料来源：万得，申万宏源研究 资料来源：长安汽车 ESG 报告，申万宏源研究 17、信息披露管理：多数公司按照信息披露管理制度进行披露且重视信息披露，所有企业均披露了信息披露制度，但只有 7 家企业披露了信息披露负责人机制或审核机制。比如一汽解放披露公司获评深圳证券交易所颁发的上市公司信息披露 A 级。东风汽车根据公司法证券法以及联交所上市公司规则等法律法规，制定东风汽车集团股份有限公司信息披露制度管理办法。18、投资者关系管理：披露投资者关系沟通方案、投资者关系责任部门、业绩说明会召开情况的公司数量分别有 5 家、8 家和 8 家，占比分别是 33%、53.3%和53.3%。仅有一半的公司披露了投资者关系管理的成果。比如一汽解放规范公司投资者关系管理，修订发布投资者关系管理制度；举办业绩说明会、“投资者走进上市公司”、“投资者开放日”等活动，邀请投资者参加研讨及实地考察，参观一汽解放总装车间，直观感受公司先进的整车生产制造实力。江铃汽车制定了江铃汽车股份有限公司信息披露管理制度、江铃汽车股份有限公司投资者关系管理制度，完成了 4 期定期报告和 45 个临时公告的披露，但没有涉及业绩说明会召开情况与投资者关系沟通方案。图 21：信息披露管理：提到信息披露负责人机制或审核机制的公司有 7 家 图 22：投资者关系管理：5 家公司披露投资者沟通方案 资料来源：万得，申万宏源研究 资料来源：万得，申万宏源研究 19、合规风险管理：所有公司均披露内部控制制度、内部控制自我评价报告和风险管理制度，披露是否设有合规委员会、合规管理制度的公司数量分别有 2 家、510121416党建业务ESG绩效管理披露未披露提到信息披露负责人机制：7家未提到信息披露负责人机制：8家588121416投资者关系沟通方案 投资者关系责任部门 业绩说明会召开情况披露未披露 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第14页 共15页 简单金融 成就梦想 家，但没有公司披露是否设有违规举报平台。比如，东风科技依据中华人民共和国公司法中央企业全面风险管理指引等法律法规，修改制订内部控制手册风险评估分册风险控制管理办法，建立起风险管理制度，对风险管理的机构及职责、风险管理的要素、风险评估的程序和方法等进行明确的规定，以战略、财务、市场、运营及法律等五个方面识别公司层面风险，搭建包括 3 层级，共计 221 项风险的全面风险信息库，并针对不同类型风险制定应对管理方针。图 23：合规风险管理：没有公司披露设有违规举报平台 资料来源：万得，申万宏源研究 20、供应链 ESG 管理：8 家公司披露供应链审核，其中有 4 家公司披露供应链能力提升，占比 50%。比如，一汽解放 2022 年拥有 890 家获得 ISO 14001 证书的供应商，参加培训和能力提升的供应商有 800 余家，组织供应商交流促进会 4 次，持续深化绩效考核，加强供应商能力监控，更大发挥监督引导作用，开展供应商培训和能力提升活动，通过 4 次专题培训、1 家标杆分享、14 家重点帮扶等活动，进一步提升供应商能力，助力一流资源网络建设。5.核心假定的风险 ESG 相关政策推动的节奏不及预期。25050000246810121416披露未披露 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第15页 共15页 简单金融 成就梦想 信息披露 证券分析师承诺 本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。与公司有关的信息披露 本公司隶属于申万宏源证券有限公司。本公司经中国证券监督管理委员会核准，取得证券投资咨询业务许可。本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的，还可能为或争取为这些标的提供投资银行服务。本公司在知晓范围内依法合规地履行披露义务。客户可通过 索取有关披露资料或登录 信息披露栏目查询从业人员资质情况、静默期安排及其他有关的信息披露。机构销售团队联系人 华东 A 组 茅炯 华东 B 组 李庆 华北组 肖霞 华南组 李昇 L 股票投资评级说明 证券的投资评级：以报告日后的 6 个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下：买入（Buy）增持（Outperform）中性(Neutral)减持(Underperform)：相对强于市场表现20以上；：相对强于市场表现520；：相对市场表现在55之间波动；：相对弱于市场表现5以下。行业的投资评级：以报告日后的6个月内，行业相对于市场基准指数的涨跌幅为标准，定义如下：看好（Overweight）中性(Neutral)看淡(Underweight)：行业超越整体市场表现；：行业与整体市场表现基本持平；：行业弱于整体市场表现。我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比较完整的观点与信息，不应仅仅依靠投资评级来推断结论。申银万国使用自己的行业分类体系，如果您对我们的行业分类有兴趣，可以向我们的销售员索取。本报告采用的基准指数：沪深300指数 法律声明 本报告仅供上海申银万国证券研究所有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。客户应当认识到有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司 http:/ 网站刊载的完整报告为准，本公司并接受客户的后续问询。本报告上海品茶列示的联系人，除非另有说明，仅作为本公司就本报告与客户的联络人，承担联络工作，不从事任何证券投资咨询服务业务。本报告是基于已公开信息撰写，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为作出投资决策的惟一因素。客户应自主作出投资决策并自行承担投资风险。本公司特别提示,本公司不会与任何客户以任何形式分享证券投资收益或分担证券投资损失，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。市场有风险，投资需谨慎。若本报告的接收人非本公司的客户，应在基于本报告作出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。本报告的版权归本公司所有，属于非公开资料。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。

0人已浏览 2023-12-22 15页 5星级

王王 猛猛 SAC号码：号码：S0850517090004 刘一鸣刘一鸣 SAC号码：号码：S0850522120003 房乔华房乔华 SAC号码：号码：S0850522030001 张觉尹张觉尹 . 

0人已浏览 2023-12-21 20页 5星级

国内新能源汽车价格体系初步形成国内新能源汽车价格体系初步形成 证券研究报告证券研究报告 （优于大市，维持）（优于大市，维持）王王 猛猛 SAC号码：号码：S0850517090004 刘一鸣刘一鸣 S.

0人已浏览 2023-12-21 26页 5星级

 11中邮证券2023年12月15日证券研究报告首席分析师：白宇 SAC编号：S01【中邮汽车】智能汽车独角兽系列报告一蘑菇车联：首创“车路云一体化”系统方案，赋能智能网联汽车规模.

0人已浏览 2023-12-21 29页 5星级

点击查看更多微梦传媒：2023汽车行业营销洞察报告（30页）.pdf精彩内容。

0人已浏览 2023-12-20 30页 5星级

百分点科技集团 版权所有 2022版权所有 2022 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技抖音90%版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技TOP2 52.6%TOP67.6%TOP3 47.4%版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技明星代言营销节奏7月31日，比亚迪在希林娜依高生日祝贺其成为海豹车主。单条博文互动数：5.7万当日平均互动数：0.64万9月4日，比亚迪官宣希林娜依高成为品牌青春大使。单条博文互动数：27.6万当日平均互动数：3.07万9月6日，比亚迪与希林娜依高的共创歌曲正好青春上线。单条博文互动数：20.3万当日平均互动数：1.85万9月19日，比亚迪宣布希林娜依高担任“校园新声计划”主理人。单条博文互动数：0.9万当日平均互动数：0.09万版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技60%版权所有 2023 百分点科技音乐节参演嘉宾海报发布，14位知名音乐人为毕业生送上“满分”快乐。比亚迪邀请希林娜依高作为特邀嘉宾，发布独立海报并同步官宣为期两天的比亚迪超级体验日。比亚迪在音乐节场地成都欢乐谷设置现场展馆，海洋、王朝、腾势等系列产品开放体验。希林娜依高全程乘坐比亚迪腾势D9完成行程，并在演出过程中演唱品牌主题曲Build your dreams，结束后前往展馆打卡、车机体验、粉丝互动等。比亚迪在社交媒体发布音乐节回顾博文，并附带“比亚迪校园新声计划”“中国青年一路向前”标签，为后续即将开展的青年活动预热，号召高校学子关注。版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技内容共创交车仪式实地参观版权所有 2023 百分点科技版权所有 2023 百分点科技版权所有 2023 百分点科技43%版权所有 2023 百分点科技版权所有 2023 百分点科技

0人已浏览 2023-12-20 40页 5星级

 1/40 2023年年 12月月 18 日日 行业行业|深度深度|研究报告研究报告 行业研究报告 慧博智能投研 智能座舱行业深度：驱动因素、智能座舱行业深度：驱动因素、市场分析市场分析、产业链及相关.

0人已浏览 2023-12-20 40页 5星级

敬请参阅最后一页特别声明 1 投资建议与估值 轻量化轻量化+物理性能优异，物理性能优异，PEEKPEEK 材料市场有望迎来爆发。材料市场有望迎来爆发。Peek 材料属于特种工程塑料，具备耐热、阻燃、耐.

0人已浏览 2023-12-20 22页 5星级

1证券研究报告证券研究报告【中泰汽车中泰汽车 行业深度行业深度】汽零新场景汽零新场景-人形机器人系列深度：驱动人形机器人系列深度：驱动，拆解拆解，产业链产业链车端软硬协同驱动降本车端软硬协同驱动降本，. 

0人已浏览 2023-12-19 34页 5星级

证券分析师：黄涵虚 执业证书编号：S0630522060001联系方式：，23年12月17日 2投 资 建 议投 资 建 议国内乘用车市场已由价格战转向智能驾驶竞赛，新技术.

0人已浏览 2023-12-19 35页 5星级

 敬请阅读末页的重要说明 证券研究报告|行业深度报告 2023 年 12 月 14 日 推荐推荐（维持）（维持）E E/E/E 架构升级架构升级+线束减量线束减量，至繁归于至简至繁归于至简 中游制造/. 

0人已浏览 2023-12-18 21页 5星级

 2023 年深度行业分析研究报告 UXpZgUdYiYRYpXcZjZ8ObP8OmOnNsQtQfQnNrPlOoPsP8OnMqQvPtRqRwMnQmO 内容目录内容目录 1.拥抱智能化新时代，.

0人已浏览 2023-12-18 32页 5星级