一、ADAS 产业链解析：传感感知，算法决策，电控执行。
1. 感知层：“视觉系”与“雷达系”传感器各有所长。ADAS的传感器也有多种类型，其中超声波传感器、车载摄像头、毫米波雷达、激光雷达以及夜视系统是较为重要的传感器。
- 车载摄像头：利用优质摄像头设备可以精确捕捉图像信息，理解图像信息则依赖于算法的实现（手机镜头制造商积极布局车载摄像头：eg. 宝马i8用摄像头取代后视镜）
- 毫米波雷达：波长为1～10毫米的电磁波称毫米波（millimeter wave），它位于微波与远红外波相交叠的波长范围，因而兼有两种波的特点：
- 极宽的带宽，这在频率资源紧张的今天无疑极具吸引力；（毫米波频率范围为26.5～300GHz，带宽高达273.5GHz）
- 波束窄，因此可以分辨相距更近的小目标以及更为清晰地观察目标的细节；
- 与激光相比，毫米波的传播受气候的影响要小得多，具有全天候稳定性。
- 与微波相比，毫米波元器件的尺寸要小得多，更容易小型化。
- 激光雷达：激光雷达能够对环境信息进行3D建模，可以对周边环境的动态信息和位置分布实现准确刻画。激光雷达是谷歌无人驾驶汽车的基础性传感器设备（Velodyne HDL-64E的360度64束激光雷达传感器），限制激光雷达在无人驾驶领域广泛应用的主要因素在于成本。
- 夜视系统：目前，进入应用阶段的夜视技术主要有类：微光夜视技术和红外夜视技术。由于夜视系统价格高昂，目前仍然仅应用于一些豪华车型。
传感器各有利弊，走向融合、优势互补将成为未来趋势。（如tesla等车辆同时采用多种传感器）
2. 算法层：
- 算法的进步有望带来更低成本的ADAS和无人驾驶解决方案: 目前的ADAS龙头Mobileye采用的传感器设备并不是昂贵的雷达系传感器，而是具备成本优势的单目摄像头。基于成熟的算法，Mobileye同样实现了高效的FCW、LKA、PCW等ADAS功能。Mobileye的做法对后续进入ADAS和无人驾驶领域的企业具有启发作用。
- 深度学习加速无人驾驶商业化进程: 谷歌等互联网企业的无人驾驶系统主要是依靠“深度学习”的方式不断“驯化”的（迭代学习）。
3. 执行层：执行层环节的实现对硬件技术要求很高，主要集中于整车厂本身以及博世、大陆等Tier 1供应商。
二、无人驾驶路线:无人驾驶系统的主要竞争方是以谷歌为代表的互联网企业和以福特、奥迪、沃尔沃等为代表的各大整车厂
- 以谷歌为代表的互联网企业在ADAS和无人驾驶的核心的竞争力位于产业链的算法层。谷歌自身并不生产汽车，其无人驾驶的实现依托于其自身的整合能力。以算法为核心完成对硬件设备制造商的供应链整合，是互联网企业实现无人驾驶的方式。
- 整车企业：“从硬到软”，逐步从ADAS发展到完全无人驾驶。以奥迪、沃尔沃、宝马等为代表的老牌整车厂商，先后推出了方向盘辅助、自适应巡航控制系统、行人探测系统、自动泊车系统、自动切换车道系统等ADAS功能。
【算法基本没有深层分析，估计因为没有足够资料】
【整车厂渐进式的发展路线其实容易理解，毕竟车厂已在传统行业内建立优势，不愿承担过大的风险；谷歌、特斯拉作为科技创新公司，不以卖车为生，故而可以大刀阔斧，百度、乐视等也是一样】
资料来源：广发证券