（温馨提示：文末有下载方式）
自动驾驶是必然趋势，封闭环境下的低速载物无人车最易商业变现
多传感器融合是自动驾驶标配，精度最高、探测距离远的激光雷达不可或缺
高精度地图在实时定位和路径规划上发挥关键作用，未来有巨大需求弹性
近五年来，15-64 岁适龄劳动力数量持续下降，同比增长率在2018 年达到-0.47%。我国出生率在 2010-2015 年间也处于低谷期，受我国人口结构变化影响，预计未来几年内 15-64 岁适龄劳动力人口数量 仍将持续下降。与此同时，住宿、餐饮等服务业人均工资不断上涨，从2012 年的 31267 元上涨至 2017 年的 45751 元。
近年来，服务机器人行业市场规模不断增长，从 2010 年的 39.64 亿美元增长到 2016 年的 74.5 亿美元，年均复合增速 11.14%。根据 IFR 发布的《2018 世界机器人报告》，2017 年专业领域服务机器人销量达 到 10.95 万台，比 2016 年同比增长 85%，销售额达到 66 亿美元。根据智研咨询发布的专业领域服务机器 人的销售额和销量，我们可推出专业领域服务机器人平均价格不断下降，从 2010 年的 223600 美元变为 2016 年的 96087 美元。按照专业领域服务机器人平均价格和居民服务业人均收入在2017 年的增速，可预 测 2020 年专业领域服务机器人价格为 44310 美元/台，服务业人均收入为 53663 元，将中美汇率假定为 6.75，若服务机器人能够持续使用超过 5.6 年，则在专业领域使用机器人的收益将超过雇佣普通工人。在适 龄劳动力人口下降和人口老龄化等刚性驱动和技术进步的基础上，机器换人需求不断增加。
(注:根据国际机器人联盟定义，将机器人分为服务机器人和工业机器人，其中服务机器人根据用途 分为家用机器人和专业服务机器人。专业服务机器人可用于商业任务，通常由接受过一定培训的操作员操 作，主要可分为物流机器人、医疗机器人、清洁机器人等，目前市场中占比最大的是物流机器人，2017 年 占比 63%，其次是医疗机器人和国防机器人，2017 年占比 29%和 11%。)
当前，自动驾驶技术已经成为汽车行业的最新发展方向，国内外知名企业都在加快研发进度，优化自 动驾驶汽车的各项性能。伴随着 5G、AI、车联网等加速升级带来的技术支撑，以及我国人口红利消减催生 的巨大需求，自动驾驶将具备十分丰富的应用场景。根据场景开放程度、行驶速度(以 20km/h 为界限划 分)和装载对象，自动驾驶的应用可以划分为开放与封闭、高速与低速、载人与载物等多个维度。其中， 鉴于各地区政策、驾驶环境的差异以及最重要的安全因素，自动驾驶在汽车行业的商业化进程慢，广泛应 用尚需时日。相较而言，自动驾驶在限定场景下的应用显得更加可行。自动驾驶技术日前已经在机器人、AGV 等领域形成商业应用。随着自动驾驶技术的不断发展升级，未来有望在更多的场景中得到成熟应用。
2.1 开放场景下的高速载人应用:自动驾驶汽车，商业化进程尚早
自动驾驶在开放场景的应用，就是目前发展受到行业广泛关注的智能汽车领域。国际汽车工程师学会把自动驾驶汽车分为六级体系。
国外的自动驾驶技术日渐成熟，自主式驾驶辅助系统(ADAS)已经开始大规模产业化。ADAS 核心技术与产品目前仍掌握在境外公司手中。中国境内也涌现了一批 ADAS 领域的企业，在某些方面与境外企 业构成竞争，但总体仍存在较大差距。2019 年 4 月，特斯拉发布了完全自动驾驶计算机芯片，并表示在年 底可以实现完全自动驾驶，这标志着以特斯拉为首的自动驾驶企业将迎来新一轮技术革命浪潮。其他知名 车厂也在加紧布局，2020 年前后将迎来行业新一轮突破，实现 L4 级别。
然而，当前高级别的自动驾驶汽车发展仍面临一系列难题，在我国国内场景实现难，商业化为时较早。我国面临发展瓶颈主要在于三个方面:1)技术上，一是汽车体型的限制要求自动驾驶设备更加高效和小型 化，但目前的传感设备，比如摄像头、激光雷达、雷达等还不满足实际的需要;二是实际道路的复杂性要 求算法实现极高的识别力，保证乘客安全，也要求恶劣气象条件下提高传感器的分辨效率，这对于硬件和 算法都是不小的挑战。2)成本上，由于目前的设备等技术问题，单车成本极高。L2 级别以上的自动驾驶
汽车需要安装激光雷达，而当前许多企业采用的 Velodyne 64 线激光雷达的成本太高，尽管降价多次，依 旧维持在约五十几万人民币的水平。除此之外，车载摄像头、毫米波雷达等其他硬件设备也进一步提高了 单车的成本。3)社会环境上，首先缺乏完善的高级别自动驾驶测试理论和方法，尚未形成覆盖不同等级自 动驾驶的完整测试体系;二是我国人口密集、交通环境复杂，当前各地已开放的测试道路和测试场景有限， 尚不能满足各类主体的测试需求;三是支持道路测试的法律法规标准还亟待完善。
根据高工智能汽车(GGAI)的监测，我国 2018 年乘用车新车中 L1 级别自动驾驶的渗透率约 14%， L2 级别约 5%，合计 19%。根据《汽车产业中长期发展规划》、《智能汽车创新发展战略》等国家规划预 计，到 2020 年，我国市场中 L1、L2、L3 级别自动驾驶汽车渗透率合计达到 50%，L3 级别开始进入市 场;到 2025 年，各级别自动驾驶渗透率合计达到 80%，其中 L2/L3 级别达 25%以上，L4 级别开始进入 市场。
2.2 开放场景下的低速载人应用:无人小巴，小规模测试运营
相较于难度最大的高速载人场景，低速的无人载人巴士已开始在小部分封闭的校园等区域测试运营。
目前国内较早的应用是上海交大-青飞联合实验室开发的无人小巴，采用标准的 Level4 级自动驾驶系统， 无方向盘和油门踏板，通过多传感器融合方式实现自动驾驶。用户可通过微信呼叫、触摸屏交互、语音交 互等多种途径方便快捷使用该系统。与此同时，该系统还具备完整的系统调度、远程监控、运行维护等多 种功能。
实际应用过程中，乘客只需通过扫码呼叫，2 分钟后无人小巴便会自动到达该车站并接送乘客到目的 地。上车后乘客们还可以通过车载触摸屏或人工智能语音交互系统随时调整目的地。而且小巴的自动驾驶 系统采用了感知地图匹配的方法，通过激光点云对无人车进行定位和导航，还能自动躲避行人。
2.3 室外封闭场景下的低速载物应用:无人清洁车+室外物流车
载物方面，自动驾驶的应用以低速行驶为主。在室外封闭场景下，主要车型包括无人清洁车和室外物流车。
无人清洁车是无人驾驶技术在清扫保洁作业车辆上的应用，主要依靠在常规清扫车上加装传感器，实 现定时自动启动、无人自动清扫、探测绕行静止障碍物，避让行人或移动物体，自动辨别红绿灯。结束清 扫后，自动到指定地点倾倒垃圾，驶回泊位等功能，从而极大提升城市清洁的效率，解放人力资源。目前， 上海、深圳等地已经尝试在环卫、公交等公共服务领域开展无人驾驶试点测试;智行者的代表车型“蜗小 白”已于清华大学、北京海淀公园、北京植物园、北京欢乐谷、河北雄安新区等第落地运营,累计投放两百 余台。
室外物流车主要应用于小区或园区内的无人物流配送，旨在从最后 1 公里的无人化切入，提升整个物 流链条的综合效益。自动驾驶系统使用嵌入式低成本方案，可以适应复杂环境。同时，结合具备360°全程 监控和实时信息交互的云平台管理系统及可一键开锁的智能快递，实现物流配送“最后一公里”的智能化， 用户方面只需要下载“蜗必达”APP 进行验证后，就可根据提示完成送货或收货的快捷存取。
2.4 室内封闭场景下的低速载物应用:最早变现的商业场景
从无人车企业的产品应用来看，国内大型无人车企业致力于主攻细分应用领域，着重研发某一特定场 景下的无人车产品。在主攻应用领域发展趋于成熟的基础上展开其他应用布局。预计随着无人车技术的成 熟，未来相关头部企业会研发出适用于更多场景的无人车产品。
2.4.1 餐饮场景
与酒店场景下的无人车，在餐饮店中无人车主要负责引路、点菜、送餐等工作。云迹科技推出的送餐 机器人，适用于餐厅、酒店、宴会厅等场景，具有智能避障，自动选择送餐路线，自主移动，大屏信息展 示，智能语音交互等功能。该类产品有统一的云平台管理，处理事务高效便捷。送餐机器人还可以实现将 菜肴从厨房出餐口送到客人餐桌的智能化服务，减少传菜员的重复劳动。
2.4.2 酒店场景
在酒店场景下，无人车服务于酒店客人，从事酒店服务员的日常工作，包括送物、引领带路、语音宣 传、远程召唤，具有智能避障，自动选择送餐路线，自主移动，大屏信息展示，智能语音交互，上下电梯 进行物品近距离配送等功能。
目前，优地科技、云迹科技、擎朗等企业都有专注于酒店场景的无人车。云迹科技的酒店机器人“润” 已在全国 600 多家酒店中落地应用，其全楼层送物、引领带路及多点位信息宣传等功能，可以助力酒店降 低人工成本，提升工作效率，提升 OTA 好评。
2.4.3 KTV 场景
KTV 场景下，无人车主要是完成迎宾、智能带位、智能语音、自主避障、运送酒水、搭乘电梯等功能。 在经营的高峰时段，诸如带位与运送酒水的重复性工作，就交由了无人车来完成。
优地科技在 2016 年 5 月推出第一代产品“优小妹”，基于 NVIDIA Jetson 平台开发，主要应用于 KTV、 餐馆、医院等室内场景，具有人脸识别、智能语音、运输物品、订餐送餐等功能，并且利用自有视觉、激 光雷达、AI 算法，可以在正常走速的情况下实现准确的灵活避障。
2.4.4 医院场景
在医院场景下，无人车可模拟就医问诊流程，指导患者就医、引导分诊;提供药品精准近距离配送到 病房的服务等。木爷推出了导医及物流运输的无人车，目前已经在部分医院投入使用。
木爷旗下的诺亚医院物流配送机器人主要负责执行标本、静脉补液、手术室内部物料的运输配送任务。 目前已应用于广州市妇儿医疗中心。一台“诺亚“可以”代替2-4 个人，降低劳动成本。
3.1 产业链构成:感知-决策-执行
自动驾驶的产业链可以分为感知-决策-执行三个层面。
从感知层面看，感知环境的激光雷达、毫米波雷达、摄像头、红外夜视和组合导航设备，感知车辆自 身的包括压力传感器、流量传感器、陀螺仪及加速度传感器等传感器都属于感知层面的零部件。
从决策层面看，高精度地图定位、云平台、V2X 通信、车载平台等车联网系统为汽车进行路况判断， 规划最优行驶路径，起到决策作用。
从执行层面看，包括转向、油门、制动、照明等执行部件与系统，和整车应用。现有汽车零部件供应 商在执行层有许多积累，通过研发新一代产品进行产品升级;而在感知和决策层，国内传统零部件供应商 参与较少，更多是IT 巨头和创业公司在该领域竞争。
3.2 感知层:多传感器融合成必然趋势、激光雷达重要性凸显
目前感知层的传感器包括摄像头、超声波雷达、毫米波雷达和激光雷达等，由于各有其优缺点和适用 场景，在提高汽车自动化等级的过程中，多传感器的融合成为必然趋势。具体来说，多传感器融合就是将 多个传感器获取的数据、信息集中在一起综合分析以便在各种环境下更加准备可靠的描述外界环境，从而 提高系统决策的正确性，其中不仅需要硬件设备方面的协同配合，还需要决策层算法等支持。
激光雷达作为传感器之一在自动驾驶发展的过程中至关重要。L2 级别下的自动驾驶汽车无需激光雷 达，但 L3 级别以上的自动驾驶汽车对激光雷达的分辨率和数量需求逐渐增加，L5 级别自动驾驶需要 128 线的激光雷达，可以说如果激光雷达的发展不够理想，自动驾驶等级的提高会收到很大的限制。目前激光 雷达的技术不够发达，生产成本高。Velodyne 研发的 VLS-128 虽然比 HDL-64 的尺寸缩小了 70%，探测 距离提高了一倍，分辨率则提高了四倍，但其数量较少且价格高。
3.2.1 激光雷达成本较高，仍需技术突破和大规模量产
激光雷达的原理是，通过向外发射并接收的波束的方式来探测计算目标物体的位置和速度等信息。它 与毫米波雷达的最大区别在于，激光雷达使用的是激光，而毫米波雷达使用的是毫米波。激光雷达使用飞 行时间技术，即根据激光遇到障碍物后的折返时间间接计算目标与自己的相对距离。
作为感知端的重要零部件，激光雷达的发展影响着自动驾驶的应用场景。激光雷达在自动驾驶技术中的应用主要是对装载物所在周围环境进行3D 建模，获得环境的深度信息、识别障碍物、规划路径、以及 进行环境测绘等等。随着自动驾驶技术的进一步发展，激光雷达作为主流传感器受益明确。
先进的技术也意味着更高昂的成本。与其他发展较成熟的摄像头、毫米波雷达等传统传感器相比，激 光雷达仍是一个在不断变化中的技术，也仍是一个量产难度较大的技术，目前仍没有能够在技术和成本上 完全满足车规要求的激光雷达。市面缺乏对传感器真正的行业标准，技术难关加上高昂的成本加剧了量产 的难度，也让目前的市场价格更加居高不下。但从各大车企对激光雷达企业的关注和自动驾驶发展对传感 器的刚需可看出，激光雷达市场方兴未艾，在更成熟的量产计划实现后，激光雷达将迎来更大的市场。
3.2.2 激光雷达竞争格局
在激光雷达技术上美国、德国、以色列、加拿大等国家走在全球前列。据不完全统计，国外激光雷达 企业达到 14 家。中国企业近年来奋起直追，激光雷达企业已有 8 家。由于全世界的激光雷达布局汽车步 伐仍处于起步阶段，因此国内外技术进展相差并不大，自主企业、创新型企业有望通过技术研发获得市场 先机，占领市场。
3.3 决策层:高精度地图是自动驾驶刚需，市场呈两极分化格局
3.3.1 高精度系高级自动驾驶必需
高精度地图是自动驾驶的核心技术之一。和普通导航电子地图相对，它是服务于自动驾驶系统的专题 地图，拥有精确的车辆位置信息和丰富的道路元素数据信息，起到构建类似于人脑对于空间的整体记忆与 认知的功能，可以帮助汽车预知路面复杂信息，如坡度、曲率、航向等，是确保行车效率与安全、规避潜 在风险的信息来源和关键决策基础。高精度地图的高精度体现在两个方面。一是高精度地图的绝对坐标精 度更高，地图上某个目标和真实世界的事物之间的精度更高;二是高精度地图所含有的道路交通信息元素 更丰富和细致。
高精度地图主要有以下三大功能:地图匹配、辅助环境感知和路径规划。高精度地图将车辆位置精准 的定位于车道之上、帮助车辆获取更为准确有效全面的当前位置交通状况并为无人车规划制定最优路线。
3.3.2 高精度地图两极格局
3.3.2.1 国外高精度地图两极格局:初创企业 v.s 车企、互联网
当前国外高精度地图竞争格局呈现两极分化的态势。一方面是大型互联网科技巨头、车企，如谷歌、 英特尔、宝马等。这些公司在高精密地图的研发上更多采取集中采集的地图信息搜集方式，他们的合作伙 伴数量相对而言更多而且更为稳定，在市场上影响力更强。
而另一方面是看准时间和角度切入自动驾驶行业的初创公司，可以将其视作算法集成层面的公司。由于国外特别是美国在地理信息采集上政策监管较松，因此有不少初创公司都在美国开启了高精度地图的研 发与应用试验。他们利用高精度地图进行路线规划，采用新型计算平台，整合多传感器信息，开发相应的 车辆控制算法对汽车进行行为控制。对于大部分初创企业而言，项目能否真正产生正的现金流事关自身生 死存亡。因此此类公司使用的信息采集方式基本均为成本较低的众包采集，并且在商业化模式探索方面不 断做出积极的尝试。虽然目前高精度地图的商业化未来依旧并不明朗，但是此类公司的做法，例如Carmera 的高精度地图服务工程测量、城市规划，DeepMap 为合作伙伴开发的云端服务平台等依旧具有一定的借鉴 意义。
3.3.2.2 国内高精度地图两极格局:老牌地图服务商 v.s 挑战者
国内的高精度地图竞争格局与国外类似，可以分为老牌地图服务商(如高德地图、四维图新等)和挑 战者(如宽凳科技、星舆科技等)。前者都拥有导航电子地图制作甲级资质，采用集中制图和众包制图结合 的方式研发高精度地图。而后者仅有部分拿到了导航电子地图制作甲级资质，未能拿到资质的企业则利用 众包采集的高精度地图数据搜集方法，绕开资质要求并独立展开高精度地图业务。此类企业可以通过提供 高精度地图解决方案为客户排忧解难，做差异化定位，在国内的高精度地图市场也并非没有一席之地。
目前国内仅有 13 家企业取得了导航电子地图制作甲级资质，可以为主机厂商提供车载导航数据。而 真正能够提供完善电子地图的只有七家，分别是:四维图新、高德软件、凯立德、易图通、灵图、瑞图万 方、城际高科;只有 8 家参与到导航业务。2018 年 7 月，京东方面宣布推出专注于机器人地图和智能驾驶 数据应用的京东地图，有望成为第18 家获得资质的公司。
3.4 执行层:物流服务成短期突破口，联合互联网巨头扩大服务范围
3.4.1 承担服务或物流功能的载物无人车是短期内规模化应用的切入口
自动驾驶下游应用丰富，短期内有望最先实现规模化应用的领域为承担服务或物流功能的载物无人车， 移动服务机器人是其主要类型之一。从技术上看，载物无人车由智能模块集成和特定功能组件构成。其中， 智能模块包括感知交互模块、认知决策模块、导航移动模块、运动控制模块等，是服务机器人智能性的基 础;而特定功能组件决定其应用领域。移动类的服务机器人的核心是导航移动模块，其又包括定位、建图、 路径规划等。
3.4.2 与互联网巨头达成合作，进军无人服务平台
从客户分布看，无人车企业积极拓宽客户范围，目前已与互联网巨头达成合作，向无人服务平台进军。
4.1 激光雷达:2025 年国内市场规模可达百亿元
激光雷达作为重要的传感器，目前应用于多个领域，包括测绘、工业传感、机器人等传统市场和自动 驾驶新兴市场。这里我们主要围绕激光雷达在自动驾驶的开放场景和封闭场景两方面进行市场空间分析。
4.1.1 开放场景下激光雷达市场空间测算
2018 年，中国市场全年新车销量同比下降 2.8%至 2808.1 万辆，时隔 28 年出现同比下滑，我们预计 2019 年新车销量仍会持续小幅下降。但众多车企计划在 2020 年量产高级别自动驾驶车辆，届时汽车销量 也将有所好转，预计 2025 年，国内新车数量达到 3500 万辆。根据高工智能汽车(GGAI)以及《汽车产业 中长期发展规划》、《智能汽车创新发展战略》等国家规划，我们将自动驾驶不同等级的渗透率变化预测如 下。
从激光雷达装载量看，不同车型所需要的激光雷达数量不等，更高配置的自动驾驶车辆需要的激光雷达会比普通车辆更多。按照自动驾驶的分类标准, L2 级及以下级别的车辆不使用激光雷达，L3 级及以上的 车辆使用一定数量的激光雷达。我们根据已经装载激光雷达的数款自动驾驶汽车型号看，2017 年奥迪上市的 L3 级车辆 A8 AI 每车使用 1 个四线激光雷达，而 L4 级别的车辆使用激光雷达在 2-4 个不等。在市场空 间测算中，我们按照 L3 级别车辆装载 1 个激光雷达，L4 及以上使用 3 个激光雷达进行计算。
从激光雷达单价看，我们根据目前市面上知名的激光雷达厂商售价数据，初步估算固态激光雷达目前 的市场价格最低在 250 美元-500 美元之间。在测算中，我们把起始单价按照目前低配固态雷达的单价设定 为 440 美元，在未来几年内价格匀速下跌，预计 2025 年更大程度量产，可以使激光雷达单价普遍在212 美 元左右。为统一单位，我们将美元数据按照 1:6.75 换算为人民币进行计算。
根据测算，我们预计 2025 年，在开放场景下，国内激光雷达的市场规模将超过 70 亿元人民币。
4.1.2 无人车领域激光雷达市场空间测算
自动驾驶在封闭场景中的应用十分广泛。在这里，我们选取了封闭环境下的几个重要场所进行封闭场 景下激光雷达的市场空间测算。我们沿用了上述测算所使用的激光雷达单价数据进行测算。
根据下文对下游无人车场景的市场空间测算，我们初步得出无人车在未来数年的需求量。
根据无人车未来的需求总量，我们按照每台无人车需装载 2 个激光雷达进行保守市场空间测算(无人车前后各装载 1 个激光雷达)，雷达单价沿用上述假设，设定 2018 年激光雷达单价为 440 美元(折合人民 币约2970 元)，随着量产的推进，按照每年 10%的速度不断降低，2025 年预计单价为 212 美元左右。(折 合人民币约1431 元)。我们预计，2019 年国内无人车领域激光雷达市场空间在亿元级，但到 2025 年接近 30 亿元，增长空间较大。
4.2 高精度地图:2025 年国内市场规模超过 110 亿元
截至 2018 年底，全国汽车保有量达 2.4 亿辆，比 2017 年增加 2285 万辆，增长 10.51%。为测算高精 度地图的市场空间，我们做出如下假设:(1)起始年度高精度地图的服务年费为 100 元。2019 年 4 月，高 德地图宣布为客户以成本价提供高精地图产品，“成本价”指不超过 100 元/车/年的授权费用，以助力 L3 级别自动驾驶普及。因此，我们把高精度地图的服务年费设定为 100 元，并预计至 2025 年每年增长约 5%。
(2)当前有 15%的汽车配备了高精度地图服务。当智能驾驶级别达到 L3 以上之后，高精度地图就逐 步成为一个必需品。因此，高精度地图的应用程度会跟随L3 量产的时间节奏来推进，预计 2025 年，高精 度地图的渗透率可达到 30%左右。
(3)过去十年我国汽车保有量的增速在 10%左右，但近年来新车销量增速开始下台阶，因此我们将 未来 5-10 年我国汽车保有量的增长率设定为 7%。
综合上述测算可看出，我国高精度地图有望在 2024 年前后实现百亿市场，2025 年市场总规模预计为115.6 亿元人民币。
4.3 无人车:2025 年室内服务和物流配送市场空间超过 400 亿元
从市场空间看，载物服务类无人车应用场景广泛，目前最快发展起来的是KTV、餐饮、酒店、医院等 室内场所，同时有少量无人车开始在封闭园区内进行室外物流配送测试。按照以上主要场景，我们对无人 车的市场空间进行测算。
4.3.1 室外-物流配送场景
在室外物流配送场景中，我们假设:
(1)外卖业务:依据美团外卖 2018 年日均 2400 万订单量、约 60%的市占率，估算我国 2018 年外 卖订单量约为 146 亿次，增长率为 58%;考虑到外卖市场将逐渐趋于饱和，假设未来增长率将下调。
(2)快递业务:依据 Wind 最新统计数据，我国 2018 年快递年业务量约为 507.1 亿件，增长率为 27%;考虑到我国现阶段快递行业处于快速成长期，假设未来增长率将下调。
(2)考虑到物流市场庞大，假设当前渗透率为 0.1%，渗透率以 30%的增速增长。(3)假设每台无人车能代替 3 位快递员或外卖员工作量。
(4)假设每单收入为 5 元。
综上预计到 2025 年，我国室外物流配送场景中对无人车总需求约为 7.4 万台，市场空间约为 67 亿元。
4.3.2 室内应用场景
在餐饮门店场景中，我们假设:(1)无人车目标客群为大型的连锁餐饮门店，依据 Wind 最新统计 数据，计算得我国 2018 年连锁餐饮门店数约为 2.7 万家，假设增长率与上年保持 7%持平。
(2)假设当前渗透率为 15%，伴随“机器换人”趋势，到 2025 年渗透率达到 75%。
(3)依据海底捞部分门店对无人车使用情况，假设每家门店对无人车需求为 5 台，并逐年增长至 10 台的需求量。
(4)无人车在 KTV 场景采用租赁模式，年租金约为 3.6 万元。假设租金收入每年持平。
预计到 2025 年，我国餐饮门店场景中对无人车总需求约为 32.5 万台，市场空间约为 117 亿元。 在酒店场景中，我们假设:(1)无人车目标客群为中高端酒店，依据 Wind 最新统计数据，计算得我国 2018 年三星级及以上酒店数约为 8 千家，假设增长率与上年保持 9%持平。(2)依据当前酒店场景的代表企业云迹科技在全国约600 家的酒店客户总数，以当前市场上主要企业数为 3 家计算，假设当前渗透率为 22.5%，到 2025 年达到 75%。(3)依据云迹科技在昆明、苏州的客户酒店对无人车使用情况，假设每家酒店对无人车需求为3台，逐年增长至 2025 年 20 台的需求量。
(4)无人车在酒店场景采用租赁模式，年租金约为 2.4 万元。假设每年租金收入持平。同时，无人车在酒店场景中进行物流配售，以每单2 元价格收费，假设日单量为 45 单，按每年 365 日计算，配送收 入为 3.3 万元。
预计到 2025 年，我国酒店场景中对无人车总需求约为22 万台，市场空间约为 56 亿元。
在KTV 应用场景中，我们假设:(1)依据中研普华产业研究院统计，2018 年上半年我国 KTV 总数 为 22301 家，由此估计 2018 年我国 KTV 总数约为 2.3 万家。受线上平台爆发及版权限制冲击，我国线下KTV 行业正面临增速下滑趋势。无人车目标客群为中高端 KTV，假设占比为 25%。
(2)依据当前 KTV 场景代表企业优地科技全国约 200 家的客户量，当前市场上主要企业数为3 家 计算，假设当前渗透率为 15%，到 2025 年达到 75%。
(3)KTV 每店对无人车需求为 3-5 台，并假设需求量逐年增长至 2025 年的 30 台/店。(4)无人车在 KTV 场景采用租赁模式，年租金约为 3.6 万元。假设租金收入每年持平。 预计到2025 年，我国 KTV 场景中对无人车总需求约为 20 万台，市场空间约为 73 亿元。
在室内物流配送场景中，我们假设:(1)无人车目标客群为甲级写字楼，依据 Wind 最新统计数 据，计算得我国 2018 年三星级及以上酒店数约为 0.23 万座，增长率为 16%;假设增长率递增。
(2)假设当前渗透率为 9%，到 2025 年渗透率达到 75%。
(3)假设每座写字楼对无人车需求为 3 台，并逐年增长至 2025 年 20 台的单店需求量。(4)无人车在写字楼场景采用租赁模式，年租金约为 2.4 万元。假设租金收入每年持平。同时，无人车在酒店场景中进行物流配售，以每单2 元价格收费，假设日单量为 45 单，按每年 365 日计算，配送 收入为 3.3 万元。
预计到 2025 年，我国室内物流配送场景中对无人车总需求约为17 万台，市场空间约为 95 亿元。
在医院场景中，我们假设:(1)无人车目标客群为我国三甲医院，依据 Wind 最新统计数据，计算 得我国 2018 年三甲医院总数约为 1400 家，假设增长率与上年保持 4%持平。
(2)假设当前渗透率为 15%，到 2025 年渗透率达 75%。
(3)依据上海木爷在广州妇幼中心的应用情况，假设每家医院对无人车需求为 8 台，需求逐年增长 至 2025 年的 20 台/院。
(4)无人车在医院场景采用出售模式，目前移动服务机器人售价在 5-8 万区间。医疗场景机器人技 术要求更高，假设其售价为 8 万元/台。无人车实现规模化量产后将降本 50%，由此假设 2025 年售价降至 4 万元。
预计到 2025 年，我国医院场景中对无人车总需求约为3 万台，市场空间约为 11 亿元。
……
温馨提示：如需原文档，请登陆未来智库www.vzkoo.com，搜索下载。
（报告来源：广证恒生；分析师：司伟、于栋）
| 留言与评论（共有 0 条评论） |
