自动驾驶体验持续升级，带动消费者智驾方案接受度迎来拐点。2023 年多家车企巨头升级智驾系统，推出城市 NOA 功能，向 L3 等级自动驾驶持续推进。2023 年 3 月，小鹏推出了新一代智驾系统 XNGP，同年 4 月，华为推出HUAWEI  ADS 2.0 高阶智能驾驶系统。智能驾使在舒适性、安全性、便利性的体验升级颠覆了消费者们对 NOA 局限于高速路的刻板印象，车主为高阶智驾买单意愿逐渐加强。

2023 新版问界 M7 的 ADS 高阶智驾包选装率达到 60-70%（2023 年 9 月 17 日至 10 月 7 日）。2023 年年底，小鹏将在全国 50 城开放无图 NOA，华为将在全国普及无图城市智驾方案，应用场景的拓宽将持续激发消费者需求感知，自动驾驶行业迎来需求端拐点。 

1.“轻地图重感知”智驾方案成长期趋势，自动驾驶感知层硬件迎来放量机遇 

传统意义上高精地图凭借其高精度、数据维度丰富等特点被视作走向高阶自动驾驶的必经之路、进入城市 NOA 的基础。近年来自动驾驶高速发展趋势下，由于绘图成本过高、法规政策制定节奏限制、维护成本高昂等问题使得高精地图难以满足城市NOA 普及节奏，车企们开始转向“重感知，轻地图”的智驾方案。

许多车企提出了以感知为基础，以大模型深度学习为实现路径的技术路线，此路线需要高算力以及高感知能力支撑，有望持续带动高算力芯片、高像素摄像头、激光雷达等硬件放量。 

如何实现去高精地图？特斯拉引入车道线网络及新的数据标注方法，将车道同时线标注为一系列点，每个点有自己明确的语义（如“起始、并线、分叉、结束”等），从而形成完整的车道线连通关系图，帮助FSD补足对高精地图的需求。国内自动驾驶头部公司去高精地图后或采取车端实时建图方案，通过安装在车辆上的相机等传感器来构建车辆行驶过程中周围的环境地图。

无图方案频出，逐步降低对高精地图依赖。目前小鹏、华为等头部主机厂发布无高精地图的高阶智能驾驶方案，并定下量产时间表，华为、毫末、元戎启行等自动驾驶公司也加入其中，自动驾驶算法“重感知，轻地图”趋势明确。另一方面，百度、腾讯、四维等图商近期也释放轻地图倾向，提供“精简版”高精地图，比如腾讯的HD AIR，四维图新的场景地图。

1.1.   自动驾驶持续升级，车载摄像头迎量价齐升机遇 

车载摄像头凭借灵活的探测距离、高传输速率、成本价格低廉等优势成为自动驾驶方案中重要传感器。单车搭载的摄像头数量将增加。Yole报告指出， L1～L2级自动驾驶功能仅需前后两颗摄像头，L2+ 级则需要引入ADAS前视感知摄像头，加上4颗环视，共计需要5颗摄像头。实际主机厂为后续OTA升级预留冗余，单车摄像头配置远超本级ADAS所需的摄像头数量，如特斯拉Model 3搭载9颗高清摄像头，蔚来、小鹏、理想车型摄像头数量达到10-13颗。

摄像头像素要求升级。大模型提高对感知数据的精细化要求，高分辨率图像数据可以作为深度学习模型中更新和优化其架构的参数的数据源，车载摄像头向800万像素或更高像素级别升级。

高像素摄像头成为行业趋势，车载摄像头价值量有望持续提升。提高车载摄像头像素是一种重要的增加自动驾驶方案感知能力的方式。对于部分新能源车企来说，目前主流的 120W 到 200W 像素的镜头已经不再满足感知的需求，行业开始使用 800W 像素800 万像素摄像头可以进一步探测到 100-150m 范围内的行人，并且在窄视角的场模式情况下，大约可以探测到 500 mm 左右的动态车辆，180  左右的小目标，从而增加汽车规控时间，实现更安全平稳的决策，提升自动驾驶的舒适度和流畅度。随着自动驾驶等级升级，高像素车载摄像头渗透率有望进一步提升，同时摄像头像素有望进一步向更高像素发展。

尤其是前视摄像头，前视需要解决的场景最多，目标识别任务最复杂，比如远距离小目标识别，近距离目标切入识别，高级别自动驾驶车辆中都在规划应用800万级别的高清像素摄像头，用于对更远距离的目标进行识别和监测。目前具备800W像素摄像头模组生产能力的厂商还比较少，比如说舜宇、联创电子等。百度Apollo 联合索尼半导体方案公司、联创电子（LCE）与黑芝麻智能，全球首创超1500万高像素车载摄像头模组。

自动驾驶等级提升带动车载摄像头数量增加。当前自动驾驶方案呈现百花齐放趋势，不同方案的车载摄像头数量大部分保持在 8-13 个区间。纯视觉方案中，特斯拉凭借强大的算法以及 BEV+占用网络等技术，将摄像头个数保持在8 个，在2023 年推出的HW4.0中，在Model X/S 中增加至11 个摄像头，呈现出增加的趋势。而同样的纯视觉方案，国内极氪 001 则搭载了 15 个摄像头，将硬件堆叠达到了极致，以此匹配算法的不足。融合感知方案中，华为 ADS2.0 搭载了11 个摄像头，7 个环境感知镜头，4 个环视镜头，前视双目摄像头像素高达800 万像素，其余为 260 万像素，基本代表了行业主流车载摄像头方案。 

车载摄像头主要硬件构成包括光学镜头、图像传感器(CMOS)、图像信号处理器(ISP)等。2022 年，车载摄像头模组主要成本来自于光学镜头和图像传感器，成本占比分别为 20%和 52%。光学镜头是机器视觉系统中必不可少的部件，直接影响成像质量的优劣，影响算法的实现和效果。而 CMOS 图像传感器是将光信号转换为电信号再转为可被集成电路应用的数字信号，能满足光学信息采集、处理和交换的要求，是车载摄像头模组不可或缺的部分，也是价值量最高的部分。

国内车载摄像头镜头厂商加速成长，并逐步向模组端拓展提升盈利能力。2023 年1-2 月全球车载摄像头镜头 TOP10 企业出货总量为 2842 万,其中舜字光学出货量最多占比 60%，紧接着是联创电子、欧菲光，分别占比 7%、6%，cr3 为 73%。近年国内的联创电子、欧菲光发展迅猛,积极发展技术并抢占市场,市占率超越老牌欧美厂商日立、三协、世高、桑来斯等，跻身多强行列。CMOS 图像传感器市场主要由安森美和韦尔股份两大领先企业主导，国内思特威、格科微等企业正加速成长。

1.2.   激光雷达引领自动驾驶新方向，定点上车迎来量产拐点 

激光雷达是一种用于精确获得三维位置信息的传感器，通过发射和接收激光束，获取空间的位置点信息（即点云），并根据这些信息进行三维建模，可以确定目标的位置、大小、外部轮廓等。

激光雷达在距离和空间信息方面具有精度优势，搭载激光雷达的多传感器融合感知方案可通过互补达到全环境感知能力，可为高级别自动驾驶提供安全冗余。特斯拉在感知领域引入占用网络模型，在不定义具体物体的情况下，去确定物体在三维空间中的位置及速度运动，来实现类似激光雷达的感知效果。我们认为国内主机厂在机器视觉算法进步的过程中，预计仍将激光雷达作为重要的补充传感器，由此可减少在视觉领域所需积累的数据量，但长期来看需求或将见顶，未来主机厂预计将逐渐降低对激光雷达的依赖。

通过技术迭代和大规模量产实现降本。激光雷达扫描方式从机械式到半固态是降本第一步。混合固态式比机械式成本低的主要原因在：1）发射&接收端：相比于机械式激光雷达，激光器收发模块数量明显减少；2）扫描端：机械式收发模块动，系统复杂度高，电机成本高+调整测试难度大。激光器收发芯片集成化+ MEMS 规模化量产是降本第二步。

补盲激光雷达或带动行业增长第二曲线。常规激光雷达在侧向感知方面任然存在不足:1)以常规激光雷达水平视场角为 120°计算，相邻车道车辆超车切入在车头超过3.5mm 时才能探测到，极易发生剐蹭 2) 对低矮物的探测感知不足: 由于主激光雷达垂直视场角的限制，存在着前向 3mm~7m 的视觉盲区，对于侧面矮小隆碍物和移动物体，智能驾驶系统无法感知 3) 对道路周边静态物识别不足: 在车道线模糊的路段，容易规划出波动较大的轨迹线，影响用户体验

补盲激光雷达相较于常规激光雷达更加专注于解决侧面存在的不足，同时减少了一些不必要的性能冗余，降低配置成本。同时补盲激光雷达从设计上就有垂直方向大视场角，当补盲激光雷达垂直视场角为 90°时，可以兼得车辆贴近地面的盲区以及朝上的视场角，靠近车端的盲区仅为 0.15m，可以有效避免车辆与附近障碍物的磕碰，还不失对近距离目标的类型、朝向的感知，大幅度帮助车辆及时识别潜在的危险和风险，并提前采取措施避免事故的发生，有效的提升车辆行驶的安全性和舒适性。

激光雷达进入拐点放量期，大批定点带动激光雷达规模化量产价格下行，有望实现应用车型价格持续下降。受自动驾驶方案感知需求驱动，激光雷达厂商收获多项车企定点，促使激光雷达厂商快速放量，规模化量产，进而成本迅速下降，由最初的 18000 元左右下降至今年3000 元左右的最低价格。华为智能汽车解决方案BU 总裁王军曾表示，华为计划将激光雷达的成本降至 200 美元，甚至有望降到 100 美元。

可见，随着未来激光雷达的快速放量、企业竞争不断加剧，中短期内其价格将呈下降趋势。激光雷达作为智驾硬件方案成本最高的一环，其价格快速下降使得应用车型价格区间不断下探，由2021 年 40 万元以上的车型过渡至今年最低 17 万的睿蓝 7，未来价格下降至 1000 元以下时，有望成为智驾标配。 

激光雷达系统主要包括发射模块、接收模块、控制及信号处理模块和扫描模块(如有)。激光雷达成本拆解，收发模块构成成本核心。不同技术路线的激光雷达各模块成本占比均存在一定差异，一般情况下激光发射和接收模块成本占比较高，各占 30%左右光学元件其次，占比 20%以下,其它物料成本主要由信号控制元件和电机外壳等等构成不同技术路线的激光雷达，各模块的成本占比存在一定波动。发射端: 1550nmm 光纤激光器成本>905nmEEL 激光器>905nmVCSEL 激光器，扫描端：MEMS 振镜成本>转镜接收端：InGaAs 材料探测器成本>硅基材料探测器。

当前我国激光雷达上游核心发射接受器件仍以进口为主，国产化率较高环节为光学元件。发射端激光芯片、接收端光子探测芯片是激光雷达上游核心器件，其性能决定了激光雷达的可靠性、探测距离等核心指标。供应格局方面，二者仍以海外厂商主导，例如发射端激光芯片方面，905nmEEL 主要由 amsOsram 等厂商主导，VCSEL 芯片则主要被Lumentum、II-VI（现Coherent 公司）等海外厂商垄断；光子探测芯片方面，国产厂商在1550nmAPD 芯片已取得积极进展，根据C&C 统计，2022 年全球激光雷达 APD 芯片市场格局中，国内厂商芯思杰占据 27%居第二；而在 SPAD/SiPM 芯片方面（多用于905nm 激光雷达），我国仍依赖滨松、索尼、安森美等海外厂商。 

1.3.   4D成像毫米波雷达升级，或将替代低线激光雷达

毫米波雷达能够全天候工作、具有较远的探测距离、更易小型化等优点，与其他传感器良好互补并提供了兼具感知性能与成本的性价比传感器选择，是智能汽车感知层重要组成部分。

4D成像毫米波雷达或将完全替代3D毫米波雷达，有望对低线激光雷达形成替代。4D毫米波成像雷达相对于传统毫米波雷达增加了俯仰角度的信息感知能力，可对纵向目标进行高分辨率地识别；“成像”则类似于激光雷达的点云成像效果。与传统毫米波相比，4D成像雷达的射频收发通道数量多出十倍以上，随着俯仰角分辨率大大提高，能够对目标和环境呈现出丰富的点云图像以及距离、速度和角度信息，可以适应更多复杂路况(如较小物体、遮挡物体以及静止物体和横向移动障碍物检测等)。

与激光雷达相比，部分指标近似达到16线激光雷达性能，但成本仅为激光雷达十分之一。我们认为 4D 毫米波雷达是较为经济、稳定的车载传感器，或将完全替代3D毫米波雷达，并替代低线激光雷达，与高线激光雷达形成互补，后续或将逐步渗透放量。

4D 毫米波雷达助力业界突围，有望代替部分激光雷达。传统的 3D 毫米波雷达，在测量目标高度上性能不佳，通常只包含距离、方位和速度信息。近日多输入多输出(MIMO)天线技术的进步提高了俯仰角分辨率，导致了 4D 毫米波雷达的出现。4D 毫米波雷达可以测量四种类型的目标信息: 距离、方位、高度(俯仰角)和速度，具备初步的成像能力，同时虚拟通道数量的增加使得 4D 毫米波雷达输出距离、速度和分辨率大幅提升，可以在中低端场景下成为前向激光雷达的平替。纯视觉方案的特斯拉也被 4D毫米波雷达所吸引，在最新推出的 HW4.0 硬件体系中增加了一个 4D 毫米波雷达接口未来有望率先搭载在 Model S/X 两款车型中。

自动驾驶持续升级带动毫米波雷达市场需求，4D 毫米波雷达有望加速上车。据国际咨询机构 ICV 研究测算，2022 年毫米波雷达全球市场规模达到 34.9 亿美元，预计在2027 年达到 86.7 亿美元，年复合增长率达到 16%。目前主流自动驾驶方案毫米波雷达用量在 3-5 颗。随着特斯拉纯视觉方案更新，重新搭载毫米波雷达，将带动更多车企搭载毫米波雷达，未来有望持续放量。4D 毫米波雷达加速上车，作为部分激光雷达的平替可以降低感知方案成本，但 4D 毫米波雷达成本仍高于摄像头和 3D 毫米波雷达。

海外产商主导全球毫米波雷达市场，国内厂商追赶实现“国产替代”。2022 年毫米波雷达市场占有率前三为博世、大陆、安波福，市占率分别为 33%、24%、11%，cr3 达到 68%。国内厂商起步较晚，森思泰克、德赛西威、华锐捷、华为等陆续进入量产阵营。4D 毫米波雷达赛道上，目前仅有采埃孚、森思泰克、福瑞泰克实现前装量产交付，其中，森思泰克凭借在理想、深蓝的量产搭载，实现了规模化的前装。国内毫米波雷达厂商在未来将进入更多毫米波雷达细分赛道，加强国产替代节奏。

毫米波雷达硬件部分主要由高频 PCB 天线、射频前端收发组件、数字信号处理器及雷达控制电路等部分组成。2022 年毫米波雷达成本占比中射频前端收发组件MMIC(包括发射、接收、及信号处理器)的成本约占 50%、高频 PCB 天线(包括接收、发射天线)的成本约占 20%、数字信号处理器(DSP/FPGA)的成本约占 20%;雷达控制电路及其它硬件成本约占 10%。MMIC 芯片是毫米波雷达成本中最重要组成部分。

4D毫米波雷达在中高端车型及自动驾驶服务车型中快速渗透。特斯拉基于全新的自动驾驶硬件HW4.0，首次在S/X的车型上搭载了4D毫米波雷达。除Tesla 外，价格在 40 万元以下的理想车型和价格在 70 万以上的宝马车型、以及通用收购的 Cruise 自动驾驶服务车均于近两年完成了 4D 毫米波雷达布局。同时大陆、采埃孚等汽车 Tier-1 巨头基本完成对该领域的布局。

1.4.   国内外巨头引领，自动驾驶方案升级迭代 

特斯拉 FSD 持续研发升级。作为自动驾驶纯视觉方案的引领者，特斯拉一直专注于 FSD 的算法研发，目前 FSD 已更新至 V11.4，马斯克表示 FSDV12 有望于明年初落地，更好地实现L3 能力，持续引导智驾格局。在硬件方面，特斯拉自动驾驶方案自2014年逐步从HW1.0 硬件系列至HW4.0 硬件系列共五次迭代，以实现算法不断升级迭代对感知层和决策层的要求提升，同时保障硬件成本处于可接受水平。 

华为ADS2.0 感知融合方案遥遥领先，多项更新加速智驾落地。2023 年4月，华为在问界M5 智驾版首次搭载升级后的 ADS2.0高阶智能驾驶系统。数据方面，ADS2.0借由华为AI训练集群构建丰富的场景库。截至 2023 年9月，ADS2.0长距离领航平均接管里程已经提升至 200km (4月为 114km)。 硬件方案上，华为在感知层利用算法实现外围支撑， 采用共计 27 颗感知器，辅助驾驶芯片 MDC 610 作为核心计算单元提供200Tops 算力。软件方面，华为融合 BEV 鸟瞰感知能力以及业内首创的 GOD2.0 网络(通用障碍物检测，识别异形物体) +RCR2.0(道路拓扑推理网络，匹配导航地图与显示网络)，以类似于特斯拉 BEV+占用网络的算法架构，减少对高清地图的依赖，覆盖更多无图场景实现功能落地。

小鹏 XNGP 持续升级，无图化+AI 助力智驾功能提升。小鹏作为国内智驾方案的领先者之一，于 2022 年9月公布第二代高阶智驾系统 XNGP，在第一代 XPilot 系统的基础上增加了城市NGP、高速 NGP 和 VPA 记忆泊车的功能。系统实现了城市路况下全程智能辅助驾驶，可以在没有高精地图的情况下，完成自动跟随、自动变道、自动超车等功能，同时针对用户通勤和高频路线提供“AI代驾”功能，为用户提供定制化服务硬件方面主要增加了一颗辅助驾驶芯片和两颗激光雷达，提升整体算力和感知能力。算法方面，全新的 AI架构融合了包括规划、控制和预测在内的智驾大模型。小鹏预计 12月底将XNGP 覆盖拓展至 50 城，2024 年内覆盖全国主要城市路网。

1.5.   智驾方案升级提速，需求+供给双重发力驱动智驾方案加速普及 

产业链端技术持续迭代推动智驾方案成本下降，消费者选购智驾方案意愿不断提升。以特斯拉、华为代表的车企持续推进自动驾驶升级，带动上游零部件企业加速成熟，实现规模化交付，上游企业规模化效应带动硬件成本价格不断下降，利好车企推出功能更强、价格更低的智驾选装包，以及不断下探低价位的智驾车型。智驾功能体验升级和智驾选购包价格持续下降，消费者群接触智驾功能的意愿也在逐步增强，智驾需求实现快速增长。整个自动驾驶产业链进入了上中下游相互反馈，良好循环的局势，持续推动高阶自动驾驶加速落地。 

高阶自动驾驶从特定场所逐步走向个人乘用车。港口、无人工业园区、矿山等场景路段封闭、路况简单，车辆长期处于低速、固定路线行驶的状态，是天然的自动驾驶应用场景，有利于企业减少运输成本，提高运输效率，目前部分港口、矿山等封闭化场景已初步实现 L4 级别自动驾驶技术的商业化落地。随着高阶自驾技术的不断发展，应用场景也不断扩大至开放道路，进入到消费者们的日常生活，如无人物流配送、无人城市环卫等低速自动驾驶已经在部分城市试点。而无人出租车（Robotaxi）也已经在部分城市试运营。未来自动驾驶将逐渐进入个人乘用车，在更加丰富的场景下展开应用。 

城市 NOA 加速铺开，智能驾驶迎来革命性拐点。众多国内外车企在 2023 年内发布或试点城市 NOA 系统并规划在全国迅速铺开，华为预计于 2023 年 12 月在全国开放不依赖高精度地图的城区 NCA（原先规划为 45 城），小鹏也将在 2024 年内完成全国主要城市路网全覆盖，城市 NOA 落地进程不断加速。

城市场景下的辅助驾驶功能带来的智驾体验升级，或将进一步激发消费者对城市场景下更多智驾功能的需求。城市NOA相较于高速 NOA 交通道路复杂程度呈倍数级增长，对自动驾驶软硬件要求程度更高，城市NOA 的普及意味着汽车能够在更复杂的环境中自主驾驶，标志着汽车智能驾驶真正从高阶辅助驾驶逐步迈向自动驾驶。 

执行端 | 有望加快线控底盘环节国产化进程

高阶智能驾驶落地进行加快下，执行端的线控底盘重要性凸显。线控底盘由线控换挡、线控油门、线控悬架、线控转向、线控制动五大环节组成。线控底盘以电信号代替机械信号，可实现人机解耦，更加适用于自动驾驶车辆。随着高阶智能驾驶的发展，车辆的行驶过程中机器驾驶比例提升，驾驶员百公里接管次数逐渐下降。

为保证整车在机器驾驶过程中的安全性，高阶自动驾驶车辆在执行层的设计中，需要在制动、转向等关键执行环节实现双重甚至多重冗余。而考虑到车内空间、信号传导机制、响应精度等因素，以线控结构替代机械式结构则是实现执行器多重安全冗余的必要条件。

看好国产线控底盘零部件供应商崛起机会。目前，线控制动、线控转向主要由外资Tier1主导，行业竞争格局集中。线控制动主要由博世、大陆和采埃孚天合主导，中国线控制动市场中博世市占率约90%。线控转向行业处于起步阶段，博世、捷太格特、采埃孚天合等传统电动助力转向系统巨头布局较早，已推出概念车型，技术较为领先。

国内众多线控底盘技术布局者包括深耕底盘技术的上市公司伯特利、亚太、拓普等，以及创业型线控底盘供应商拿森、英创汇智、同驭、格陆博等。我们认为国内供应商专注细分赛道，由单点逐步延伸，向线控底盘发展，并具备快速响应和技术开放的优势，在行业放量国产替代的共同作用下，看好国产供应商机会。

2.智驾方案持续升级，其他整车零部件迎来增长新机遇，算力需求翻倍，或将达到800TOPS

2.1 车端算力 | 如何变化？感知数量质量和场景复杂度驱动算力升级

感知硬件的数量和性能不断提升，边缘计算需求增加。自动驾驶级别越高，传感器配置数量越多，运行产生的数据随之大量增加。据新战略低速无人驾驶产业研究所数据，1个200W像素的高清摄像头24小时录像需占用40~60GB的存储容量；1个单线激光雷达每小时可产生3~4GB点云数据；另外，GPS定位系统、车辆位姿等均有数据积累。

当一辆自动驾驶车辆每天可以产生数TB，甚至数十TB数据，数据处理能力即为自动驾驶技术验证的关键点之一。若过度依赖云端数据处理分析和指令回传，就会出现各种数据都往云端传输，云平台数据过多，处理效率降低，时延增大，将极大影响自动驾驶车辆的使用体验。边缘计算能预处理数据，过滤掉无用数据再上传到云端。

大模型催化驾驶场景复杂多样，提升算力需求。大模型催化下，NOA不断从高速道路向城市道路拓展（高速道路-城市快速路-城市主干道-城市次干道-城市支路）。与城市道路相比，高速道路可能的场景和物体相对固定，而城市道路不仅是最主要出行场景（每天仅25%的人出行途径高速，而城市道路则是 100%），而且环境复杂度更高，同时提升物体识别、感知融合和系统决策算力需求。

车端算力需求翻倍，达800TOPS以上。上汽人工智能实验室表示，实现L2级自动驾驶只需10Tops以下的算力，即便是实现L4级自动驾驶也只需100Tops左右的算力，只有到了真正无人驾驶的L5级，才需要1000+Tops的算力。现实中主机厂具备城市NOA高阶智能驾驶功能的车型，算力大多在200-500TOPS左右。

沐曦首席产品官孙国梁指出，在车端部署大模型并能实现既定任务，算力至少要达到300～500TOPS。我们认为，模型优化或可降低算力要求，但考虑到未来场景复杂度的增加，数据量增加，以及视觉感知占比增加（相对基于规则），车端算力或将翻倍达800TOPS以上。

大模型同时对芯片效能有更高要求。除了对算力有更高要求外，Transformer大模型对芯片效能有更高要求，主要体现在：1）CNN模型以卷积和矩阵乘等计算密集型算子为主（目前大多芯片是以CNN模型为出发点设计的），而Transformer是以访存密集型算子为主的，对带宽和存储有较高要求；2）Transformer是浮点矢量矩阵乘法累加运算，而目前智能驾驶芯片基本均针对INT8的。智能驾驶芯片厂商正在加强芯片对Transformer的适配，如英伟达在新一代GPU中特别增加了Transformer引擎。

2.2.   智能驾驶方案带动价值量提升，高速连接器市场加速扩张 

自动驾驶传感器需要使用高频高速连接器实现连接与数据传输。汽车自动驾驶的实现依赖于车身传感器收集环境信息并进行处理，高频高速连接器在其中就起到实现传感器和车内主机之间的数据传输作用，同时起到连接和固定传感器的作用。 

现有高频高速连接器可分为四类，分别是 FAKRA 连接器、mini FAKRA 连接器、 HSD 连接器和以太网连接器。其中 FAKAR 连接器是汽车行业通用标准的射频连接器，用于无线传输，传感器连接，mini FAKRA 连接器在其基础上进行了空间和传输优化。HSD 连接器传输效率高，属于差分高速传输，用于数据传输。以太网连接器是未来汽车发展的主流连接器，适合高速传输和大数据传输。 

高阶自动驾驶渗透率提升，高频高速连接器市场需求规模将持续提升。L3 级别自动驾驶奇点已至，未来车企将持续研发L4/L5 高阶自驾车型。一方面，汽车主要依赖于传感器采集车外环境信息传输至车内信息处理中心以实现自动驾驶，因此随着汽车自动驾驶升级，未来在智能汽车上搭载的传感器数量将持续提升，带动连接器数量同比例上升。