来源：民生证券
分析师：吕伟 蒋领
01
数据黑箱”下的安全困境
汽车数据安全事件频发，驱动数据安全监管关注度提升。特斯拉车主因刹车失灵要求提完整行车数据的“车顶维权”引发行车数据归属权问题的讨论，而后又有滴滴赴美上市后被监管部门启动网络安全审查，因触犯《网络安全法》被国家网信办责令下架整改。我们认为，近期汽车数据安全事件频发，“特斯拉车顶维权事件”以及“滴滴事件”均反映出当前智能汽车数据面临较大的安全隐患，这些事件为业界敲响了数据安全警钟，致使其对智能行车数据的安全、监管等问题关注度持续提升。
智能网联汽车数据量大面广，主机厂拥有“搜集-分析-使用”的话语权。相较于传统的燃油汽车，智能网联汽车通过在车外部署摄像头、毫米波雷达、激光雷达等多个传感器，以及车内DMS 驾驶员监测系统、智能座舱 APP 应用等途径，可收集到规模大、覆盖面广的车辆数据。根据国家工业信息安全发展研究中心副总工程师兼信息政策所所长黄鹏表示，一辆智能网联汽车每天至少收集 10TB 的多维数据，即不仅包含驾乘人员的面部表情、动作、目光、声音数据，还包括车辆地理位置、车内及车外环境数据、车联网使用数据等。对此大规模的数据，通常被实时发送、存储到汽车厂商的数据服务器中，经分析后不仅被用于自身驾驶过程决策和人机交互等方面，还成为主机厂后续技术推进、产品改良、商业决策的重要基础。针对大量数据开展的“搜集-分析-使用”处理，相较传统燃油车行车记录仪为交通事故提供证据的单一功能，也实现了其价值的升维。以特斯拉信息搜集与使用路径为例，特斯拉从用户设备、特斯拉车辆和能源产品三个渠道，搜集特斯拉用户多维度的数据信息，将其用于改善及强化自身服务，并分享给服务提供商、业务合作伙伴、用户授权的地方及法律要求的其他第三方等实现后续更多商业模式的裂变。
汽车数据成为“数据黑箱”，消费者个人隐私安全、乃至国家安全面临挑战。结合此前的分析，数据 “搜集、分析、使用”整个链条的主动权均掌握在主机厂手中，而车辆数据的归属、管理的“私有化”，对应导致汽车数据产生“孤岛化”、“违规化”现象，并演化为垄断且不规范的“数据黑箱”。不同于传统燃油车车主可通过车辆 OBD 接口读取行车数据，具有自动驾驶功能的车辆行车数据属于车企的保密信息，外界难以获取。同时，新能源汽车厂商缺乏相应有关部门的监督管理，行车数据也面临篡改、隐私泄露、不规范使用的风险，进而损害消费者个人隐私安全，更有甚者，行车数据包含大量地理信息，若车企泄露，将会威胁到国家安全。以汽车故障为例，第三方公司需原始数据来判断原因以进行车辆事故定责，但在监管部门介入缺失情况下，主机厂具备“运动员”和“裁判员"的双重身份，即主机厂提供数据，并因外界可解读性差具有更高的分析解释话语权，这种不平等的地位使得公开数据真实性有待考量，车主的隐私信息也难以保障。
安全事件鸣响警钟，汽车数据必须得到强力监管，确保国家及个人信息安全。随着智能化时代到来，智能网联汽车数量井喷式增长，经由传感器获取的数据量也呈指数型上升，涉及个人乃至国家安全等信息。智能化浪潮也使得汽车从过去的“信息孤岛”变为网络中的“信息节点”，导致汽车数据原有“垄断违规”等安全问题凸显。我们认为，特斯拉维权事件引发业界对数据安全的关注与思考，而”滴滴事件”的“数据跨境流动”则将其推至“国家安全”的顶峰，汽车数据安全将以此为界定，正式进入监管时代。监管部门应该通过立法，尽快明确“主机厂、消费者、第三方公司”等各方在“采集、存储、归属”各个数据环节中的权益，打破数据垄断，建立数据“档案”，从而为智能汽车的健康发展创造良好的环境。
02
汽车数据迈入强监管时代
汽车数据安全隐患重重，个人隐私与国家安全均需得到有效监管。1）用户隐私安全：一方面，智能汽车上装载的传感器会对车上用户、乘客乃至车外行人持续获取大量个人信息，如车辆的轨迹数据、车载电话数据、车内摄像头的影像数据、车载智能机器人的语音交互数据、车载支付数据等；另一方面，据滴滴研究院发布的出行数据显示，通过大数据可监测国家各部委如公安部、财政部、国土资源部、商务部、等部委的出行时间及规律，这两者获取的数据均涉及到用户隐私侵犯问题。2）国家地理信息安全：智能汽车上大量的视觉、毫米波雷达、激光雷达传感器在行驶的过程中会不断地扫描路面和周围的交通环境，获取大量的“泛在化、精准化”的地理信息；同时，配备有高精度地图，以实现车辆准确定位、环境感知和路线规划等功能。其中，地理信息安全作为国家核心利益的基础，事关国家主权、安全和发展，智能汽车数据一旦外泄，会对国家安全造成潜在威胁。
相关政策法规密集推出，智能网联汽车数据安全得到有力保障。2021 年 4 月以来，国家各部委下发多个针对汽车数据安全管理的法规、规定，不断声明数据搜集、处理、存储等多个环节原则，减少对汽车数据的无序收集和违规滥用，以充分保护个人信息安全和合法权益，加强重要数据存储监管，从而使得智能网联汽车数据安全得到有力保障。
高精度地图采集规范频出，地理数据监管趋于强化。因地理信息对于国家安全问题的高度敏感性，致使监管不仅是着力于数据后端的分析使用，更要牢牢限制前端数据的采集、获取、存储等环节，确保高精度大规模数据信息严格保密，防范泄露风险。5 月，业内首个作为技术细节层面的自动驾驶地图制作标准《自动驾驶地图采集要素模型与交换格式》面世，纲领化的《道路高精度电子导航地图数据规范》《道路高精度电子导航地图生产技术规范》等标准也仍在研制中，高精度地理数据规范及监管趋于不断强化。
“国家队种子选手”—国汽智图定位 Tier1.5，破解高精度地图产业困局。国汽智图是由国汽智联、中国地图出版集团、北京亦庄智能城市协同创新研究院有限公司、四维图新等企事业单位共同出资建设的第三方动态高精度基础地图服务平台。其把握 Tier1.5 的定位，整个产业资源，寻求企业间数据壁垒的打破，从而为图商、车厂等行业用户提供规范化、标准化、专业化的高精度地图快速更新解决方案，如动态高精度基础地图快速更新发布、高精度地图测评等。此外，其强大的国家背景，将与行业主管部门配合，承担起对车载传感器数据合规及储存等多重责任，满足市场高级别自动驾驶系统对高精度地图数据新的刚性需求，破解数据安全“更新、发布、存储、合规”的困局。
03
汽车地理数据“国家队”登场
3.1 宝马-戴姆勒-沃尔沃，数据合规大幕已然拉开
宝马与四维图新强强联手，率先打响自动驾驶高精度地图商业化落地第一枪。基于美国 SAE协会对自动驾驶技术等级的划分，L3 级的自动驾驶就意味着机器将完全取代人对于环境的监控，考虑到现有的传感器的性能边界尚不足以完全替代，引入高精度地图作为感知端的安全冗余增强整个系统的鲁棒性成为了必然的选择。2019 年，四维图新与宝马中国签署了自动驾驶地图及相关服务许可协议，成为国内首个用于 L3+自动驾驶系统的高精地图量产订单。2021 年，配备四维图新高精度地图的 BMW iNEXT 将正式问世，并基于法规许可向客户提供 L3 级自动驾驶，同时在技术上支持 L4 级自动驾驶。基于此，宝马与四维图新的合作落地成为了自动驾驶高精度地图商业化落地的范本。
戴姆勒与四维图新珠联璧合，成为汽车数据安全史上的里程碑。继“车顶维权事件”后，“滴滴事件”敲响汽车数据安全警钟。由于目前国内对车辆数据权属、界定、管理都未作出详细具体的规定，这也导致车载数据在不同厂商下形成“孤岛化”，即数据分析主动权均掌握在主机厂手中，并逐渐演化为垄断的“数据黑箱”。但在“滴滴事件”后，我们认为，车辆数据安全或将以此为界定，正式进入监管时代。2021 年 11 月，公司获得戴姆勒自动驾驶数据管理服务平台订单，将对戴姆勒在国内的自动驾驶平台进行系统搭建和集成，并在 2021 年 11 月至 2024 年 11 月期间负责该平台的数据管理服务，同时通过该平台为戴姆勒集团在国内销售的 2021 年 11 月至 2024年 11 月量产的乘用车提供数据处理等服务。
沃尔沃与四维图新的合作共赢，为其车联网业务的版图画上浓墨重彩的一笔。公司早在 2009年已开始布局车联网领域，于 2011 年正式推出了“趣驾”品牌，正式布局乘用车联网。经过近10 年的产品迭代和并购整合，公司建立起了覆盖乘用车、商用车两大终端的车联网服务应用体系，并可以针对客户的不同需求，提供定制化一站式解决方案服务。2021 年 11 月，公司与沃尔沃签署车联网采购框架协议，未来三年内，公司将承接沃尔沃车联网云服务平台的合规服务，不断拓展其车联网业务版图。
3.2 为什么是四维图新？
四维图新起步于传统地图导航，虽然在交通信息、车联网、自动驾驶、芯片等延伸领域均抢占先机，但市场目前仍更多地把公司当作传统的地图厂商，而忽视了其已从传统图商转型为汽车“互联网能力总装车间”背后的行业空间和盈利模式的深刻变化。我们认为，在汽车智能化的浪潮下，依循着“外设硬件革新-内在智能深化-应用生态重塑”的渐进路线，三点优势能够让四维图新从群雄割据的市场中脱颖而出。
首先，在自动驾驶时代，“地图”一词已经失去了其传统路线图的含义，未来“地图”实际上指的是非常精确且不断更新的自动驾驶环境模型，其也将成为 L2 及以上级自动驾驶的“必选项”。作为地图生产的关键环节，测绘采集将直接决定地图的广度和质量，而测绘的采集严格受制于国家“牌照”制，主机厂通过现有传感器进行数据采集的方式并不合规，特别在“滴滴事件”后，或将对于车辆地理数据的搜集、存储以及调用要求进行全面的“升维”。我们认为，决定这些“顶流”主机厂能与公司达成合作的基础，一方面来自于产品本身的质量及能力，而另一方面则来自于公司是否具备拥有全面“资质”以及内在“底蕴”。值得注意的是，四维图新在全面形成“地图+车联网+自动驾驶+大数据+芯片”五位一体的业务布局下，拥有测绘甲级资质以及国汽智图为背书，使其已成为兼备“稀缺性、成长性”的“隐形冠军”。
其次，在历史上每个重要的发展阶段，四维图新都能够进行正确的战略切换，无论是收购荷兰地图公司 Mapscape 以强化地图编译的技术实力，还是收购杰发科技向汽车芯片谋进，亦或是成立四维智联、中寰卫星布局车联网领域，以及整合资源并 HERE 成立合资公司共同搭建全球位置服务平台，其本质均是为了腾挪出更大的市场空间，以及获得更优的商业模式。目前公司正处于战略切换至汽车“互联网能力总装车间”的关键时期，公司基本面与市场理解最大的预期差也来源于此。
最后，不管是车联网还是自动驾驶方面，公司均已进行了先手布局，即，以高精度地图为首要抓手，以“车联网+自动驾驶+大数据+芯片”为战略延伸，最后实现五位一体的商业闭环，并以此为基础打造“智能汽车大脑”，这一布局不仅是为了让公司能够紧跟潮流，其背后更深刻的意义在于为公司向智能化转型进行商业模式的奠基，这也将成为四维图新在日后竞争中再取“天王山”的关键。
3.3 “三点聚焦”成就“互联网能力总装车间”的“国家队”定位
底蕴：地图“国家队”，产业的拓荒者和领军者。公司脱胎于中国四维（原为中国卫通全资子公司），后者由国家测绘局于 1992 年创建的。2009 年，经国务院批准中国卫通并入航天科技集团（国务院直属央企），中国四维实控人成为航天科技集团。在央企+国资的背景下，公司成为了地图领域名副其实的“国家队”。公司在 2002 年研制了国内第一份商用导航地图产品，率先开启国内导航产业商业化之路，后又陆续推出车联网、自动驾驶、车载芯片等一系列新兴业务。经过10 多年的发展，公司已形成了“导航+车联网+自动驾驶+大数据+芯片”五位一体的纵深布局，未来致力于成为国际一流的高精度地图、车联网及自动驾驶综合解决方案提供商。
2021 年，公司与国汽智联、自然资源部直属企业中国地图出版集团、北京亦庄智能城市协同创新研究院有限公司共同出资成立国汽智图，并成为国汽智图的第一大股东，致力于动态高精度基础地图服务平台的搭建。国汽智图定位于行业 Tier1.5，国汽智图将始终秉承“政府许可、行业认同、市场化运作”的战略定位，充分发挥第三方平台价值及优势，打破行业内企业间的数据壁垒，解决动态高精度地图更新困难的行业困局，基于自研 AI 算法实现多源海量车载传感器数据实时汇聚融合，为图商、车厂等行业用户提供规范化、标准化、专业化的高精度地图快速更新解决方案，包括动态高精度基础地图快速更新发布、高精度地图测评、车载传感器数据合规及储存等多重服务。
资质：测绘资质的高壁垒与稀缺性铸就公司在地图测绘领域不可撼动的地位。一方面，测绘活动关乎国家秘密和国防安全，其“相对闭塞”的特性使得城市道路地图测绘具有较高壁垒。截至 2020 年 11 月，全国目前拥有导航电子地图制作甲级测绘资质的单位仅 28 家，其中还包括国家基础地理信息中心、江苏省基础地理信息中心等非商业主体。另一方面，中资测绘厂商资质行政审批流程较长，外资企业暂无法作为自动驾驶测绘的独立主体，必须选择与有资质的国内图商合作，这也客观造成了具有测绘资质厂商的稀缺性。而公司脱胎于国家测绘局，天然具备了拥有国家安全领域的地图测绘资质、参与国家级地图标准制作、商业化开发及获得政府、企事业单位的合作机会，并早在 2002 年就成为国内最早获得甲级测绘资质的厂商。同时，公司是全球汽车GIS 软件和数字地图行业中第一家同时具有甲级测绘资质和汽车行业权威认证资格的企业，同时拥有导航电子地图制作资质和互联网地图服务资质，并在 2019 年面向更高等级的导航及定位服务需求增加了大地测量甲级测绘资质。
能力：纵深布局“高精度地图+高精度定位+算法+计算平台（VPU/AI 芯片）”四大核心能力。除了高精度地图的老本行之外，公司希望攫取更多份额的自动驾驶产业链蛋糕，并在基于自身最强项的高精度地图下，已全面形成了“高精度地图+高精度定位+算法+计算平台（VPU/AI 芯片）”四大核心能力，可以对自动驾驶系统的定位、感知、决策层面全面升级，交付完整的自动驾驶软硬一体化解决方案。当然，公司的核心能力也可以单点模块化输出。早在 2017 年用户大会上，公司就已展示了业务布局的阶段性的成果——搭载自主研发的解决方案的自动驾驶测试车。根据公司自动驾驶负责人马周的介绍，公司已经实现准 L3 级的自动驾驶能力（即实现在除收费站、服务区以外的高速路上进行完全自动驾驶，包括自主上下匝道等），L4 级别全自动驾驶相关技术解决方案正在搭建和测试验证。
核心能力一：高精度地图行业领先，具备“系统性优势”
以高精度地图为核心，公司整体解决方案具有“系统性优势”。相对于其他厂商解决方案，公司基于高精度地图的能力对整个技术体系做了系统性优化，可以提供更具效率、安全性的整体解决方案。最大程度的放大了公司的核心竞争优势。
1、感知层——简化传感器的运算。
得益于公司所定义的带有道路规则信息（如左转车道、直行车道等等）的高精度地图数据，自动驾驶系统先验地了解了很多道路和环境属性。这样，环境传感器就可以把更多精力放在相对动态的道路环境，如检测人、车障碍物等，这在很大程度上减少了系统对环境传感器的过度依赖。
2、定位层——提高定位精度。
雨天积水发射灯光、冬天路面积雪覆盖等情况下，利用视觉传感器和激光雷达是很难识别车道线的，这时候就需要高精度地图来提供辅助。高精度定位配合高精度地图，车辆可以对自己的位置做出非常准确的判断，而后控制车辆按照预定方向行驶。
3、决策层——构建具有“预判性”特点的驾驶决策脑。
具体而言，我们可以把交通是车辆行驶规则的集合体（例如这段路有多少车道、每条车道是直行道还是左转道、交通灯是直行交通灯还是左转交通灯，像这样的属性信息还有很多）。公司的高精度地图可以事先内置这些信息，让规则提前指导自动驾驶汽车行驶，而尽量减少用摄像头等传感器识别这些规则信息后再处理的流程。
核心能力二：高精度定位，对标千寻位置
高精度地图+高精度定位的技术融合是行业发展趋势。
定位是自动驾驶不可或缺的一环，除了全局性的了解道路状况外，自动驾驶也需要实时确定车辆自身的确切位置，定位精度越高，自动驾驶的可靠性越高。就如同传统导航里面存在地图和定位的关系，没有地图就没有定位，定位反过来又必须跟地图进行匹配。在自动驾驶时代，高精度地图也需要高精度定位技术互相配合，才能发挥更好的作用。高德和千寻位置 2017 年在自动驾驶领域达成战略合作一定程度上也说明高精度地图+高精度定位的技术融合是行业发展趋势。
高精度定位可分为绝对定位和相对定位。
1）基于信号的绝对定位，代表就是 GNSS 定位。即通过全球导航卫星系统，配合地基增强系统，通过 RTK 软件算法推算车辆精确位置；2）航迹推算的相对定位。依靠 IMU（惯性测量单元），根据上一时刻的位置和方位推断现在的位置和方位；3）环境特征匹配的相对定位。基于视觉传感器或者激光雷达完成定位，用传感器回传的特征数据和高精度地图数据库存储的特征进行匹配，得到现在车的位置和姿态。
公司已经完成了高精度定位的技术储备。基于高精度地图数据及环境信息，公司已经可以实现基于 GNSS—RTK 的高精绝对定位能力以及基于视觉识别、激光雷达点云匹配等手段的高精相对定位能力。具体而言，1）高精绝对定位方面：公司基于 RTK 的高精定位组网和高精度定位接收终端已经完成技术验证和检测，达到或高于市场同类产品水准，初步具备量产化能力。未来将依托于北斗地基增强基站提供高精度定位服务，全面对标千寻位置；2）高精相对定位方面：公司通过基于摄像头、激光雷达传感器的回传数据与自身高精度地图的比对，也可以实现车辆的高精相对定位。
核心能力三：车载计算平台，对标 Mobileye
自动驾驶汽车产生的数据量激增，车载计算平台成为刚需。随着汽车自动驾驶程度的提高，汽车自身所产生的数据将越来越庞大。根据英特尔 CEO 科再奇的测算，假设一辆自动驾驶汽车配置了 GPS、摄像头、雷达和激光雷达等传感器，则上述一辆自动驾驶汽车每天将产生约 4000GB待处理的传感器数据，而如何使自动驾驶汽车能够实时处理如此海量的数据，并在提炼出的信息的基础上，得出合乎逻辑且形成安全驾驶行为的决策，强大的车载计算平台（芯片）成为刚需。
公司车载计算平台全面对标 Mobileye。结合自身在地图数据处理中所积累的视觉感知、深度学习等算法能力以及杰发科技的芯片设计能力，公司涉足自动驾驶车载计算平台业务。早在 2017年四维图新用户大会上，公司介绍目前车载计算平台（自动驾驶芯片）业务的产品线 roadmap（2017-2021 年）全面对标 Mobileye。其中，第一代产品 NI VPU（四维图新视觉处理芯片）对标Mobileye 的 EyeQ4，主攻感知层，为 L3 等级的自动驾驶赋能；第二代产品 NI APU（四维图新AI 处理芯片）对标 Mobileye 的 EyeQ5，主攻决策层，为 L4/5 等级的自动驾驶赋能。
海量数据优势助力公司自动驾驶算法研发后发制人。市场对于公司进军自动驾驶车载计算平台的认知存在预期差，普遍认为公司（包括杰发科技）之前并无车载自动驾驶芯片的设计经验，追赶 Mobileye 存在较大的难度。我们认为，公司传统地图导航业务（地图数据的采集、处理以及导航引擎）的技术原理和自动驾驶是一致的（比如采集数据需要用到的自动化处理部分技术和自动驾驶感知层算法的技术是可以相通的），因而公司进军车载自动驾驶芯片是顺理成章的。此外，参考 Mobileye 的成功之道，其保持算法识别的准确性和领先性的基础在于其所积累的横跨 43 个国家、不同气候、不同道路状况的海量数据库。我们认为，公司在传统业务中所积累的百亿公里级别的本土里程数据将成为其后发制人的制胜武器。
杰发科技补强公司算力能力。除了算法之外，自动驾驶芯片对于算力的要求也非常高。算法需要保持足够准确性的同时，算力层面对于平台的计算处理能力以及功耗要求也提出了很大的设计挑战。公司通过整合杰发科技在芯片设计上的行业经验，配合自研算法，有望打造符合自动驾驶计算需求的高功耗比的自动驾驶核心芯片。
3.4 破局“数据黑箱”，盈利模式的蝶变
从此次公告的订单内容来看，公司承接的自动驾驶数据管理服务平台项目亦或是车联网云服务平台，不仅仅只是平台搭建而已，其盈利模式更深层的变化来自于“数据管理服务”。因此，我们判断未来或将以“数据运营”的形式展开。
从“数据运营”服务模式角度，基于以下四点假设，我们认为在悲观、中性和乐观的情况下，对应每年的增量市场空间如下图表示：
假设一：截止到 2020 年，我国汽车销量为 1928.8 万辆，我们假设，汽车销量每年以 2%的速度增长，到 2025 年，我国汽车销量将达到 2129.6 万辆。
假设二：由于 L2+级车型已经开始逐步落地量产，我们假设 2020 年为 L2+车型搭载的元年，利用“2020 年搭载 L2+汽车数量=汽车销量*L2+渗透率”公式进行计算，得到 2020 年有 262.3 万辆汽车搭载 L2+级别自动驾驶。同时，随着未来高等级自动驾驶的逐步渗透，L2+的车型也将逐步实现量产，根据 HIS Markit 预测的渗透率数据，通过“本年 L2+汽车保有量=上年 L2+汽车保有量+本年汽车销量*L2+渗透率”的公式进行测算，可以得出本年搭载 L2+级别自动驾驶的智能汽车数量，至 2025 年将有 3035.1 万辆搭载 L2+级自动驾驶。
假设三：我们假设在悲观、中性和乐观的情况下，数据管理服务的单车价格分别为 100 元/年、200 元/年和 400 元/年。
