1.1 L4 级自动驾驶登场，推升传感器清洗市场需求
ADAS 需要通过摄像头、雷达传感器达到自动驾驶功能。自动驾驶中最重要的辅助系统之 一就是高级驾驶辅助系统（Advanced Driving Assistance System，以下简称 ADAS）。 ADAS 是利用安装于车上的各式各样的传感器，在第一时间收集车内外的环境数据，进行 静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉 可能发生的危险，以引起注意和提高安全性的主动安全技术。ADAS 采用的传感器主要有 摄像头、雷达、激光和超声波等，可以探测光、热、压力或其它用于监测汽车状态的变量， 通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。 自动驾驶系统在实际应用中需要面对各种复杂的场景。Corner Case 指的是在实际驾驶中 可能出现的极端或罕见情况，如交通事故、恶劣天气条件或复杂的道路状况。Corner Case （极端情况）对自动驾驶的感知和决策能力提出了更高的要求。
1）corner case 1：处理复杂道路状况。在复杂道路状况下，如交通拥堵、复杂的路口或 者不规则的路面，汽车的智能驾驶功能需要清晰地识别车道线、障碍物、行人和其他交通 参与者。例如，在一个复杂的路口，BEV 技术能帮助自动驾驶系统准确识别各个交通参与 者的位置和行驶方向，从而为路径规划和决策提供可靠依据。 2）corner case 2：应对恶劣天气条件。在恶劣天气条件下，如雨、雪、雾等，传统的摄 像头和激光雷达可能会受到影响，降低自动驾驶系统的感知能力。车辆可以通过采用红外 摄像头或者热成像摄像头等辅助设备，以补充可见光摄像头在这些情况下的不足。 3）corner case 3：预测异常行为。在实际道路环境中，行人、骑行者和其他交通参与者 可能会出现异常行为，如突然穿越马路、违反交通规则等。自动驾驶系统需要更准确地跟 踪和预测行人和其他交通参与者的动态。 4）corner case 4：狭窄或遮挡的道路。在狭窄或遮挡的道路环境中，传统的摄像头和激 光雷达可能难以获取足够的信息来进行有效的环境感知。自动驾驶系统需要更好地了解车 辆周围的环境，识别狭窄通道中的障碍物，从而安全地通过这些场景。 5）corner case 5：并车和交通合流。在高速公路等场景中，自动驾驶系统需要应对并车 和交通合流等复杂任务。这些任务对自动驾驶系统的感知能力提出了较高要求，因为系统 需要实时评估周围车辆的位置和速度，以确保安全地进行并车和交通合流。 6）corner case 6：紧急情况应对。在紧急情况下，如交通事故、道路封闭或突发事件， 自动驾驶系统需要结合实时数据和先进的路径规划算法，快速制定合适的应急策略，避免 潜在的风险。
相对 L3，L4 级别提供了“高度自动驾驶”，对于传感器镜头保持洁净提出了更高的需求。 L3 和 L4 是自动驾驶技术中的两个级别。L3 级及以后的自动驾驶，会将驾驶的主导权 从驾驶员转移至自动驾驶系统，在实际应用上，不仅仅是智能化的提升，更是在系统稳定 性、环境适应性比现有的 L2 级别自动驾驶要求更高。为了保持自动驾驶的安全性，L4 级别更依赖于传感器，因此对传感器镜头保持洁净提出了更高的需求。L3 及 L4 级别有以 下主要区别： 1）L4 级别自动驾驶水平更高：L3 系统提供了“有条件的自动驾驶”，即车辆可以在特定 条件下自动完成驾驶任务，但驾驶员必须随时准备接管。相比之下，L4 系统提供了“高度 自动驾驶”，在设计运行条件内无需驾驶员任何操作，能够独立处理所有驾驶任务，包括 复杂的城市交通环境。 2）L4 系统提供了更广泛的感知范围和更高级别的驾驶辅助功能： L3 系统可以感知城市 道路中的交通信号和转弯等情况，使驾驶员能够更轻松地完成驾驶任务。L3 系统还能够 自主地完成某些驾驶任务，例如控制车辆的加速和减速，以及避免障碍物。L4 系统具备更 全面的感知能力，能够识别和响应几乎所有交通情况和环境变化，包括城市街道、行人、 自行车、交通信号等复杂场景 。L4 系统通常配备更高级的冗余设计，确保在关键系统发 生故障时，车辆仍然能够安全运行。这包括转向系统和制动系统的完全独立供电，以及主 系统和备系统的配置。针对卡车特有的远距离感知需求，采用自研的「稀疏 BEV 算法」， 实现高效精准的动态、静态环境感知，尤其针对 400-500 米甚至更远的感知距离。 3）L4 系统中驾驶员参与更少：在 L3 系统中，驾驶员需要在特定条件下接管车辆控制。 L4 系统能够在其设计的操作范围内独立处理所有驾驶任务，无需驾驶员的任何干预。
国内法规政策的加速出台，正积极拥抱 L4 级别自动驾驶技术所带来的变革。中国政府高 度重视自动驾驶技术的发展，并将其作为国家战略新兴产业的重要组成部分。近年来，国 内多个城市已经开始制定和实施相关政策，为 L4 级别自动驾驶汽车的测试和应用提供了 法规支持和指导。
车载传感器需求增加，催生传感器清洗产品的需求。在高级别自动驾驶中，传感器脏污将 会带来安全隐患，从而催生传感器清洗产品的需求。高级驾驶辅助系统及未来的自动驾驶 系统都需要包括毫米波雷达、摄像头、激光雷达及超声波雷达等传感器对外界信息的实时 探测。随着辅助驾驶系统逐渐从 L2 向 L3 及以上迈进，驾驶辅助系统能够在各种恶劣环境 下正常工作的性能需求变得日益迫切。雨水、泥土、昆虫或鸟类粪便等都可能成为传感器 上的污垢，从而使传感器无法进行可靠的测量、影响驾驶辅助系统和自动驾驶的安全性， 尤其是在高速公路等应用场景，传感器的脏污将会影响自动驾驶功能，从而造成极大的安 全隐患。 在下雨等情形下，摄像头等传感器有很大概率被遮挡住。而若只依靠纯视觉，图像将会变 形。解决此问题只能依靠人工或者传感器清洗硬件，一套硬件大约花费 1000 元左右；而 在无人且没有硬件的情况下，就必须依靠人为干涉去解决，单次的人为干涉产生约 100 元 的开销。在传感器被污染遮挡无法运转的情况下，单独人工清理会面临极高的运维成本， 所以在自动驾驶车生命周期里装备传感器清洗硬件，是更具优势的。因此专用的传感器清 洁系统将会成为高级别自动驾驶车辆中必不可以的装备。
L4 级智能驾驶需要使用的车载传感器数目增加，对清洗的需求更旺盛。在硬件端，目前， 主流新势力车企在自动驾驶技术的研发上已经取得了显著进展，部分企业在硬件配置上已 经能够基本满足 L4 级别自动驾驶的需求，在算法和政策端还需要不断优化算法和政策支 持。
1.2 液态/气态/气液混合三种技术路线并行，充分满足下游客户需求
为适应驾驶辅助系统能够在各种环境下工作要求，ADAS 传感器清洗产品的清洗介质有所 不同。根据不同的清洗介质，目前 ADAS 传感器清洗产品的清洁方式大概分为三种：液态 清洗、气态清洗、气液混合清洗。
1）液态清洗：清洗介质为液体，技术成熟但存在清洗液结冻等问题。一般而言，使用自 动驾驶功能的车辆必须适应各种路况，在高速行驶和乡间路段时，受到污物的干扰大。很 多厂商会匹配相应的算法来判断传感器是否到了需要清洁的状态，及时执行清洁步骤，以 保证驾驶安全。利用清洗液的 ADAS 传感器清洗产品会在发现污渍的时候自动清洁，并搭 配伸缩臂让清洁液均匀喷洒在传感器表面。但是在低温环境中，单一的液态清洗存在清洗 液结冻、无法除霜的问题。若通过特制清洗液或搭配加热等其他系统应对，可能会进一步 增加清洗产品的成本。
2）气态清洗：清洗介质为气体，可有效驱虫和清洗行驶中的灰尘，但清洁力度不足以清 洗顽固污渍。清洗介质为气体的 ADAS 传感器清洗产品是利用喷射气体自然地排除污物， 阻止飞虫靠近传感器，对行驶中的灰尘等比较有效。以福特采用方案为例，其特点是采用 了在摄像头周边布置凹槽的方式，通过空气流体力学来防止虫子与摄像头镜头接触。但清 洁力度有限，不足以清洗顽固污渍。
3）液-气混合清洁：清洗介质为气体和液体，清洁效果较好但产品成本相对较高。清洗介 质为气液混合的 ADAS 传感器清洗产品将喷液器和空气喷射干燥器集成在一个双喷嘴清洗 解决方案中，针对不同的脏污源采用不同的清洗方式。例如喷水可以清除污垢和污物，空 气喷射可以去除残留的清洁液滴，保证清洁效果。与单一的液态清洁或者气动清洁相比， 液-气混合清洁系统对环境有更好的适应性和清洁效率，避免残余清洁液带来的二次污染。 与此同时，因为比单一液态清洁多出一套压缩空气清洁的设备，气液混合的清洁产品结构 更加复杂和精密，产品价格更高。
1.3 清洗泵为核心部件，体积小、输出扭矩大、智能化程度高为主要壁垒
ADAS 传感器清洗产品的工作原理是通过软件算法识别出传感器的脏污，再由域控发射控 制信号确定清洗需求，从而通过控制电磁阀连通/断开向多个喷嘴输送清洗介质，通过水 路/气路电磁阀的切换，循环清洗激光雷达表面直至满足清洗需求。 传感器清洗系统适配未来高级别自动驾驶领域，产品构成主要包括智能清洗泵、液罐、管 路、电磁阀、喷嘴等。由于 ADAS 系统的传感器数量较多，需要清洗的点位会远多于传统 清洗系统，因而相关产品结构会更为复杂精密，ADAS 清洗系统单车价值量约 1000 元。
1）智能清洗泵：ADAS 传感器清洗产品的核心部件，主要由清洗电机、端盖、壳体、叶轮 和其他配件组装而成。清洗泵负责将洗涤液从洗涤液罐中抽出，通过管路系统及喷嘴，将 洗涤液喷射到指定位置。随着传感器的配置增多，ADAS 传感器清洗系统中的清洗泵智能 化要求程度较高、同时需要保证体积更小、输出扭矩更大。单个清洗泵的价值量在 200 元 左右，全车按传感器数量有可能安装多个清洗泵。更智能化的清洗泵是单车价值量上升的 主要原因，相较于传统清洗系统，ADAS 传感器清洗系统所覆盖的清洗点位多且分散，洁净度要求高。传统汽车清洗泵通常为单通或双通清洗泵，仅用于前后挡风玻璃和大灯清洗， 传统清洗泵单个价值量在 100 元左右。智能驾驶汽车有多个传感器窗口，L4 级自动驾驶 汽车普遍有 8 到 20 个外置传感器窗口需要清洗，清洗的系统更加复杂，也需要更加智能 化的清洁能力，ADAS 清洁系统的智能清洗泵单个价格量在 200 元到 300 元之间。
2）电磁阀门：一般有电磁开关阀和电磁切换阀两种。电磁开关阀可以在喷嘴附近按阵列 排布，也可以放置在车辆集中位置的管汇中，以最有效的方式将流体分配到多个清洗喷嘴 上。电磁切换阀可以选择性清洗，简化清洗流体布线，减少管道和泵数量，并降低功耗。 其设计用途是提供两个不同出口之间的切换，其中一个将在任何时候保持打开状态。电动 切换阀体积小，重量轻，适合紧凑的包装环境。电磁阀单个价值量约 25 元，全车预计 10 个，整车价值量 250 元。
3）储液罐/储气罐：用于储存所用的清洁液或气体，全车装配一个液罐/气罐。 4）管路：用于输送清洁液或压缩空气到喷嘴处。相较于大灯和车窗清洗，传感器遍布车 身，预计单车会有约 10 枚传感器，因此使用的管路数量较多。 5）喷嘴：用于喷射清洗介质。由于传感器装配位置和车辆外形设计，不同区域的污染程 度不同。喷嘴的喷射角度和流量控制是影响传感器清洁程度的直接因素，会按照传感器位 置进行设计以保证清洁效果。
2.1 出行场景：内外共振，Robotaxi 商业化拐点将至
国内方面，“萝卜快跑”武汉引领 Robotaxi 无人化商业运营。2021 年 8 月 10 日，在百度 世界大会上，百度发布了无人车出行服务平台“萝卜快跑”，至今，百度自动驾驶车型已 迭代至第六代 Apollo RT6，建立起了在行业的领先优势。2022 年 8 月，武汉率先发布自 动驾驶全无人商业化试点政策，并向萝卜快跑发放全国首批无人化示范运营资格，允许车内无安全员的自动驾驶车辆在社会道路上开展商业化服务，为全国首批全无人自动驾驶商 业化出行服务。截至 2024 年 5 月，萝卜快跑在全国已完成超过 600 万次出行服务，在武 汉的服务面积已超过 3000 平方公里，覆盖 770 万人口。
其他核心玩家也已布局当前，除了萝卜快跑之外，国内核心玩家还包括文远知行、小马智 行、滴滴等企业，各自在特定区域有规模化测试运营。比如小马智行在北上广深均有车辆 在运营，在运营车辆规模接近 300 台左右，下半年将与投资方丰田合作前装量产第七代无 人车，扩大运营车辆规模。我们认为，在武汉推广的示范效应下，未来预计将会有越来越 多的城市放开 Robotaxi 无人商业化运营，扩大城市内运营范围，行业将迎来快速渗透期。
国外方面，特斯拉即将发布 Robotaxi，软硬件全栈能力支撑这一轮新的商业模式革新。 特斯拉具备芯片自研+端到端 FSD+海量数据+Dojo 超算中心的自动驾驶全栈能力： 1） 芯片方面，2016 年便特斯拉开始组建芯片研发团队；2019 年 4 月，特斯拉发布自主 研发的自动驾驶硬件 HW 3.0，图像处理速度比 HW 2.5 提升 21 倍，自研 FSD 芯片算力 达到 144 TOPS；2023 年 3 月，HW4.0 开始搭载于美国生产的最新批次的 Model S/X， 算力预估在 400-500TOPS；2024 年 6 月，马斯克在特斯拉股东大会上称，HW5.0 将预 计会在 2025 年 12 月左右推出，性能将是 HW 4.0 的 10 倍。 2） 自动驾驶算法方面，2016 年及以前：与 Mobileye 合作；2016-2018 年：初出茅庐，开 始自研，延用业内常规的骨干网架构；2020 年：引入 BEV+Transfomer 架构，引发自 动驾驶技术行业重构；2022 年将 BEV 升级到了占用网络 occupancy，并于 2024 年 1 月向普通用户正式推送 FSD V12 版本。 3） 数据方面，作为智能驾驶行业领军者，特斯拉拥有海量实际道路行驶数据，截至 2024 年 4 月，特斯拉 FSD 累计里程已超 10 亿英里，海量数据将助力公司迭代优化模型。 4） 超算中心方面， 2021 年 8 月，特斯拉在 AI Day 上发布了自研专门用于 AI 训练计算 的超级计算机 Dojo。Dojo 训练效率高于 DGX A100，25 个 D1 芯片组成的 tile 推理速 度是 24 块 A100 的 30x，FSD 训练时间可从一个月缩短到一周以内，较之 A100 同成本 下性能提升 4x，功耗降低 1.3x，体积节省 5x，占用网络训练速度提升 4.4x。
特斯拉将于 2024 年 10 月发布 Robotaxi 车型，引领车企商业模式变革。2024 年 4 月，马 斯克设定 8 月 8 日为该发布会最初的日期。7 月 11 日，据彭博报道，特斯拉将计划 8 月 举办的 Robotaxi 发布会推迟到 10 月，以便项目团队有更多时间来制造更多的原型车并进 行测试。特斯拉的 Robotaxi 计划包含两个方向，第一种是车主在车辆闲置时将其接入网 络，作为自动驾驶出租车使用，车主从中获利；第二种模式则是特斯拉自行构建并运营一 支 Robotaxi 车队，直接向乘客提供服务。后一种模式将更具商业化潜力，因为特斯拉能 集中资源，优化车队管理和运营效率。
2.2 物流场景：无人配送小车也处于规模化运营前夜
末端配送：指将包裹从物流服务商的末端营业网点直接送达消费者的物流活动，是货物从 发货人到收货人链路的最后一个环节，通常称之为“最后一/三/五公里”。无人配送小车 的核心作用是替代电三轮，将包裹从分拨中心转运至末端网点、由末端网点转运至驿站或 由末端网点直送 C 端客户。在无人配送小车领域，国外亚马逊、联邦快递等企业率先研究 探索，国内京东等企业跟进研发，后续企业科技公司跟进。国内企业如美团推出的无人配 送车“魔袋 20”，依赖于先进的传感器系统来实现 L4 级别的自动驾驶，这些传感器包括 用于避障的激光雷达、用于交通信号识别的摄像头等。
物流成本优化是无人配送小车渗透的底层逻辑。相比于人工配送，无人配送目前存在以下 商业化价值：1）成本节约：国内即时物流的订单量与行业规模正在逐年上升，而符合劳 动年龄的人口数量却在逐年减少，相应的劳动人口占比也在逐年减少，人工红利的下降也 会在一定程度上增加物流企业的人工成本。机器人可以大幅度减少人力成本，尤其是在目 前即时物流订单量仍在持续增长的阶段。2）效率提升：机器人可以二十四小时不间断工 作，显著提升配送效率。3）精确性和一致性:机器人配送路线和时间安排更加精准，减少 延误和错误。
相关产业玩家已有相对成熟布局。主要玩家可以分为三类，第一种以服务集团内部业务为 主，主要代表为阿里、京东、美团；第二种为提供无人配送运营服务，如白犀牛、行深智 能、毫末智行等。以白犀牛为例，主要结合场景方需求提供无人配送服务，自己运营无人 配送车辆，收取配送服务费，配送服务费会因为场景、物品、时效性要求不同而不同；第 三种以车辆销售、租赁、软硬件解决方案收费，如新石器、一清创新、驭势科技等。2020- 2022 年相关先行企业已开展规模化运营，据通渠有道不完全统计，短期末端无人配送行 业累计产能超 13.5 万辆。
快递场景，末端配送用车市场规模为千亿级。根据 2024 年 2 月中国汽车工程学会等的中性预测，预计 2025 年/2030 年我国城市末端无人配送产值增量为 128 亿/977 亿元，2025 年/2030 年我国城市物流无人配送产值增量为 218 亿/1416 亿元。
外卖市场持续扩容，外卖无人配送车辆保有量空间中期可看百万级。我国点外卖的用户群 体以及外卖消费占比近年来持续提升，根据中国互联网络信息中心数据，截至 2023 年 12 月，我国网上外卖用户规模达 5.45 亿人，占网民整体的 49.9%。另根据国家信息中心统 计数据，外卖餐饮消费占整体餐饮市场规模在近年来快速攀升，2022 年已高达 25.4%。根 据《2023 年美团骑手权益保障社会责任报告》，2023 年美团骑手数量 745 万人，全行业从 业人员预计为千万级，在外卖行业面临单量持续上涨、人员成本上涨、招聘难、流动性大 等问题下，无人配送的成熟和落地应用将给行业带来新变革，预计中期保有量空间有望达 到百万级，全球将达千万级。
2.3 传感器清洗市场空间测算
对于传感器清洗的市场规模测算，本文主要考虑面向出行场景的乘用车以及面向物流场景 的无人配送小车，核心原因是两者的数量级相对较大，其他车型类型如卡车及客车也有 robotruck 及 robobus 的趋势，但体量相对较小。另外，Robotaxi 对应出租网约也是乘用 车销量的一环，因而不单独做拆分，统一按照乘用车口径预测 L3+渗透率。 对于 Robotaxi 和无人配送小车而言，如前文所述，伴随着商业化运营的拐点到来，传感 器清洗将成为标配，核心有两个原因，使用传感器清洗能帮助规避很多 corner case 避免 影响运营效率，同时大规模运营后通过增加硬件（1000 元左右）清洗的成本远低于人工运 维。另外 Robotaxi 和无人配送小车的传感器数量普遍都在 10 个以上，且行业技术方向倾 向于气液混合方案，气泵对粉尘颗粒和水珠的去除效果比较好，但对一些粘稠物的去除效果 比较差一点，反观液态清洗对粘稠物包括粉尘清洗效果较好，当前气液系统均价都在 1000 元 以上。据此，我们预测 2030 年全球传感器清洗产品市场空间将达约 358.5 亿元。具体测算核心假设如下：
1、 因政策目前尚未完全放开 L3 车辆准入，高级辅助驾驶普遍处于 L2+/L2++状态，而 L2++ 与 L3 差异核心在于权责认定上，伴随后续政策逐渐放开，具备城市 NOA 功能的车辆后续 都有望升级为L3，因而历史L3+渗透率数据选用当前评价自动驾驶的核心性能表现的NOA 渗透率代替。 2、 当前 L2++车型多数尚未实际搭载传感器清洗系统，但是伴随头部车企如特斯拉推出 Robotaxi 车型之后，现有车型后续的改款也很有可能会选配甚至标配传感器清洗系统，因 而历史年度搭载传感器清洗的销量数据仅为参考数据，其中实际已搭载该配置的主要以 Waymo 等企业为代表。 3、 后续年度 L3+渗透率的预测依据主要有两点：其一，2023 年以来城市 NOA 迎来爆发，问 界、小鹏、理想、蔚来等车企陆续开放城市 NOA 功能，智己、比亚迪、魏派、零跑、极 氪等车企也将跟进，2023 年是 NOA 元年，后续 NOA 渗透率将进入加速阶段；其二，参 考过去电动化历程，在电动化进入到市场驱动阶段后，渗透率快速从 2020 年 5%左右的渗 透率，提升到 40%左右渗透率的水平，伴随政策逐渐松绑、技术趋于成熟，智能化将成为 汽车重要购车决定因素，有望复刻电动化的渗透进程。
3.1 经纬恒润：汽车电子行业领军企业，自研实力雄厚
公司是综合型的电子系统科技服务商，专注于为汽车、高端装备、无人运输等领域的客户 提供电子产品、研发服务及解决方案和高级别智能驾驶整体解决方案。业务覆盖电子系统 研发、生产制造到运营服务的各个阶段。
公司已开发车辆综合清洗系统(CCS，Comprehensive Cleaning System)。公司目前开发的 CCS 产品可以与车辆现有的清洗系统进行整合，对挡风玻璃、前照灯等部件进行清洗。较 已知的同类方案相比，公司的 CCS 产品体积更小，可灵活匹配不同形式的光学传感器，并 提供均匀、高效、小型化的综合清洗方案。同时，该整体集成解决方案可实现对激光雷达 的保护、整体升降/伸缩/隐藏等功能研发中，部分子项目已结项。 公司 CCS 产品应用创新设计，包含液体射流震荡技术和小型化喷嘴设计，可以利用更少的 清洗液用量，更紧凑的布置空间，达到更好的清洁效果。同时依赖于公司的完备产业链能 力，可以实现快速功能样件交付，更短的开发周期和产品定制化开发服务。
3.2 日盈电子：深耕汽车洗涤系统，覆盖头部车企客户
公司为国内领先的汽车零部件优质供应商，近年来通过不断研发创新、产品升级，逐步形 成以“感知—传输—控制”为核心的系列产品，其中感知类产品有各类传感器、360 全景 环视系统，传输类产品有车用线束，控制类产品有天窗控制器，以及洗涤系统、精密注塑 等产品。公司是国内少数几家成功进入大型合资整车制造企业配套体系的内资洗涤系统产 品制造企业，也是较早开发汽车电子传感器的国内企业之一，已建成江苏省汽车洗涤系统 技术研发中心，同时在常州、上海设有研发机构。
公司近年主营业务有较好发展，营收快速增长。2023 年公司主营业务收入 7.62 亿元，同 比增长 7.17%，其中车用零部件产品收入 6.19 亿元，占比 80.27%；智能家居传感器收入 1 亿元，占比 13.6%。2024 年 Q1，公司实现营收 1.96 亿元，同比+20.99%，环比 18.83%； 实现归母净利润 570.09 万元，同比增长 94.06%，环比+209.38%。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
