团长挑研报

团长萝卜团长——金融从业16年，独立投资人，先后在证券之星任投资总监以及在多家私募基金负责证券研究相关的工作，有丰富的A股实战经验，有独立的研究体系和交易框架。基于通联数据的大数据与人工智能金融科技，参与了市场上的爆款王牌脱水研报产品的创意和研发，参与多款高年化量化投资策略的构建，其中的北上资金策略收益也是近一个多月迭创新高，已经成为名副其实的爆款策略。

去年个人在基本面投研领域也曾挖掘到PCB三剑客，以及北京君正诚迈科技等科技龙头，今年挖掘到了沙钢股份，以岭药业，人福医药，优刻得，上海洗霸，虹软科技，华特气体等，都是叹为观止的基本面大牛股，尤其擅长中长线的潜伏战法。

今天两篇报告，一篇汽车智能驾驶的产业深度，另一篇关于军工的思考。

汽车智能驾驶产业深度报告

（报告出品方/作者：兴业证券，戴畅、赵季新、董晓彬、刘洁）

报告综述

智能驾驶大时代，汽车变革新未来。汽车软硬件以及内部架构、行业竞争 格局、产业链价值分配也将发生深远变化。在此变革浪潮下，我们认为智 能驾驶将相继历经辅助驾驶渗透率提升、自动驾驶方案成熟、自动驾驶生 态完善三个阶段，并分别带来硬件、软件系统和商业化运营三波机会。

空间与节奏：2025 年智能驾驶感知、决策、执行、座舱领域市场空间约 四千亿，2030 年近万亿，年复合增长率达 22%。政策、需求、供给三管 齐下，汽车智能化成为必然趋势，2020 年 L2 级别新车渗透率约 15%，L3 迎来量产元年，国汽智联首席科学家提出 2025/2030 年 L2、L3 新车占比 50%/70%，2030 年 L4 级别新车占比 20%的发展目标。我们预计智能驾驶 感知、决策、执行、座舱领域市场空间五年后约四千亿、十年后近万亿， 年复合增速达 22%。

技术路线：发展路径上传统厂商自下而上，互联网科技公司自上而下；技术方案上激光雷达方案较大概率替代纯视觉方案。路径选择上：互联网科 技公司利用其在软件算法方面的优势，主攻无人驾驶领域；传统 OEM 和 Tier1 从辅助驾驶层级先行进入市场。技术路线上：当前辅助驾驶以单目 视觉方案为主，自动驾驶级别提升需要高精度高分辨率的激光雷达支持， 激光雷达成本下降使激光雷达方案商业化落地指日可待。

产业变革：全面重塑汽车功能、架构、价值、格局。

1）汽车功能：智能 驾驶功能实现产品升级和价值提升。

2）汽车架构：软硬件多层次升级：①感知端：硬件预埋，雷达（超声波/毫米波/激光）、摄像头、传感器（温度/压力/位移）大幅放量装车；②决策端：电子电气架构从分布到集中， 引入 AI 芯片、域控制器、多域控制器、软件算法，且集成化将使得决策 系统集成商出现；③执行端：线控制动、线控转向解耦人与车的机械连接， 电控执行加速渗透，线控执行不断发展；④网联端：终极自动驾驶需要车、 路、云的连接和多环节协同，车载信息服务、T-BOX、V2X 模块、道路智 能化基础设施、智能化交通控制系统都将逐渐完善。⑤智能座舱：包含硬 件、人机交互、软件集成，先行于自动驾驶上车，信息娱乐显示屏、液晶 仪表、HUD、流媒体后视镜、人机交互、域控制器、软件系统等具有较大 市场机会。

3）汽车价值链向后端服务转移：软硬件的 OTA 升级以及智能 驾驶系统和服务升级，商业模式从“制造”转变为“制造+服务”；4）行业竞争加剧，合纵连横增多：产品技术更新迭代加快，软件和科技能力要 求提升，跨领域结盟合作成为新趋势。

1、政策升级供需共振，智能驾驶扬帆起航

1.1、政策端：短期政策引导，智能驾驶平台承载多领域前沿科技

2020 年国家政策更加细化和具象，地方政府加速推动特定场景落地，智能网联由探索期进入成长期。国家部委对于智能网联汽车的规划始于 2014 年底，后续对于 通用规范、安全、车联网、道路测试、通讯协议等标准进行征求意见和修订。2020 年是各部委首次联合出台智能网联政策，明确了各时间节点的规划和任务，强调 了与 5G、车联网、云计算等领域协同以及特定场景先行先试的部署。2020 年地 方政府加速推进智能驾驶试运营的落地，标志着智能网联汽车已经从探索期进入 了成长期。

20 年顶层设计落地：智能汽车相关体系 2025 年基本形成，2035-2050 年全面建成。2020 年初 11 部委联合推出《智能汽车创新发展战略》，明确智能网联汽车中长期 发展规划，将智能汽车的发展上升到国家发展战略：到 2025 年，中国标准智能汽 车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本 形成。2035 到 2050 年，中国标准智能汽车体系全面建成。国家将出台促进道路 交通自动驾驶发展的政策，利用多种资金渠道，支持智能汽车基础共性关键技术 研发和产业化、智能交通及智慧城市基础设施重大工程建设等。地方政府积极搭建试验平台，推动智能网联汽车落地。各地方政府相继出台智能 网联汽车产业扶持政策和规划细则：设立自动驾驶示范区，在半封闭特定场景进 行智能驾驶应用示范，北京、上海、长沙等部分城市已经试点开放自动驾驶出租 车服务；打造智能驾驶产业生态，培育 5G 通信、人工智能、互联网等协同产业；鼓励产学研合作；部分地方政府还明确了产业重大突破项目的奖补政策。

1.2、需求端：互联网一代对车型智能化要求更高

伴随互联网成长起来的 95 后开始成为购车主力，其对智能化、个性化要求提升。2020 年，95 后开始迈入 25 岁，成为乘用车市场新生力量。95 后是伴随互联网成 长起来的一代，其对于智能化、个性化、更新换代的需求远超过 80 后，因此，在 他们的购车选择中，智能驾驶功能、座舱个性化设置和 OTA 功能升级是非常重要 的因素，为了适应新一代消费群体，满足他们对于汽车的需求，各大车企新车型 也向智能化和个性化演变。

辅助驾驶带来的良好用户体验催生更高级别和更丰富的功能需求，带来广阔的市 场空间。现阶段商业化落地的主要是 L1-L2 级别的辅助驾驶，为用户提供例如自 适应巡航（ACC）、车道保持辅助（LKA）和自动紧急制动（AEB）等辅助驾驶 功能，不仅提升了驾驶安全性、同时也一定程度上分担了驾驶员的工作，提供了 良好的用户体验。用户更高级别和更丰富的功能需求会推动智能驾驶持续创新和发展。

1.3、供给端：智能化成为产品差异化的核心亮点

各大车企频繁推出配备智能驾驶功能的明星车型，智能化成为新的区分度和差异化重心。在传统汽车时代，主机厂产品差异化的着重点包括品牌、内外内饰、动 力系统等。在电动智能时代，内外饰、品牌塑造以及动力系统的额外差异化依然 存在，但是给消费者带来的边际变化不如智能化。国内传统车企和造车新势力均 推出带有智能驾驶功能的优质车型，包含并线辅助、车道偏离预警、车道保持辅 助、道路交通表示识别、主动刹车、前后驻车雷达、驾驶辅助影像、自动泊车、 自适应巡航等辅助驾驶功能，配备 HUD、车联网、OTA 升级、人机交互等智能 座舱体验，从而与传统合资产品形成明显差异化。

2019 年辅助驾驶功能在新车中的配置率在 20%左右，以 L1 功能为主。根据中国 产业信息网信息，2019 年 10-15 万区间新车型已搭载 L1 级别辅助驾驶功能，15-20 万新车型搭载 L2 级别辅助驾驶功能。2019 年新车中，辅助驾驶功能的配置以 L1 级别为主，燃油车/纯电/混动的配置率（以询单量计）在 17%/9%/29%左右。

2、节奏：20 年 L3 元年，25 年规模化应用

2.1、现状：2020 年 L2 级别新车渗透率近 15%，L3 开始量产

自动驾驶按照自动化程度可分为 L0-L5 几个等级。自动驾驶公认的两个分级制度 分别由美国国家交通安全管理局（NHTSA）和美国汽车工程师学会（SAE）制定， 按照自动化程度分别将智能驾驶分为 5/6 个等级，由于 SAE 的分级更为详细，所 以现在大家公认的是 SAE 自动驾驶分级标准。

2020 年 L2 级别自动驾驶新车渗透率已近 15%。根据中国智能网联汽车产业创新 联盟和佐思汽车研究的数据，2020 年 1-10 月智能网联乘用车（L2 级）总销量 225.6 万辆，占乘用车销售总量的 14.6%，共计 194 个车型具备 L2 级功能。2020 年 1-10 月销售 L2 级汽车过万的车企共计 26 家，过 2 万的车型共有 28 个。

各品牌具备 L3 功能的自动驾驶车型相继亮相或量产，2020 迎来 L3 车型量产元年。2020 年以来各个车企加速 L3 及以上功能车型的研发和落地：具备 L3 功能的 长安 UNI-T、广汽 Aion LX、上汽 MARVEL-R、小鹏 P7、固定场景 L4 功能的长 城炮等相继上市。各车企也将更高级别自动驾驶规划提上日程，明确了 L3-L5 功 能车型实现或量产时间，基本在 2025 年前达到完全自动驾驶功能。

2.2、规划：2025 年实现智能驾驶规模化应用

中国智能网联汽车发展目标：2025 年 L2、L3 级渗透率达 50%、C-V2X 渗透率 50%。11 月 11 日，由北京市人民政府、工业和信息化部、公安部、交通运输 部、中国科学技术协会共同主办的 2020 世界智能网联汽车大会在北京开幕，国汽智联首席科学家在会上发布《智能网联汽车技术路线图 2.0》，提出了 中国智能网联汽车产业在发展期(2020-2025)、推广期 (2025-2030)和成熟期 (2031-2015)的发展目标: 2025 年 L2、L3 级新车销量占比达 50%、C-V2X 达 50%; 2030 年 L2、L3 级新车销量占比达 70%、L4 级达 20%、 C-V2X 基本普及， 2025 年前后实现智能驾驶的规模化应用。

3、路线：视觉方案 VS 激光雷达；传统玩家 VS 新兴巨头

3.1、技术路线：激光雷达 VS 视觉方案

当前自动驾驶技术路线分为视觉主导和激光雷达主导，前者当前成本占优、后者 能实现的高阶智能驾驶潜能大。自动驾驶环境感知的技术路线主要有两种，一种 是摄像头主导、配合毫米波雷达等低成本传感器的视觉主导方案，以特斯拉为典 型代表；另一种以激光雷达为主导，配合摄像头、毫米波雷达等传感端元器件， 典型代表如 Waymo 等自动驾驶厂商。纯视觉方案成本更低，商业化可行性更高；激光雷达方案当前成本较高，但是在信息获取上更加精准。

3.1.1 视觉方案：单目/三目基于视觉识别+深度学习，识别的准确性和深度学习的可靠性是迈向自动驾驶的瓶颈，双目只检测不识别+传统算法，一致性和成本是 迈向商业化的瓶颈，辅助驾驶时代单目是主流

单目摄像头是当前辅助驾驶的主要方案，Mobileye 占据绝对主导地位，其存在探测长度和宽度无法同时保障和测距不准的问题。目前应用于自动驾驶的路况判断 方案，多以单目摄像头方案为主。单目可实现车道偏离警告 (LDW)、基于雷达视 觉融合的车辆探测、前部碰撞警告 (FCW)、车距监测 (HMW)、行人探测、智能 前灯控制 (IHC)、交通标志识别 (TSR)、仅视觉自适应巡航控制 (ACC) 等功能， 并且成本低于其他视觉方案，Mobileye 是业内单目摄像头解决方案的绝对领导者， 占据全球市场超过 70%的份额。

但单目摄像头方案存在以下短板

1）探测长度和宽度无法同时保障：摄像头的视角越宽，所能探测到精准距离的长 度越短，视角越窄，探测到的距离越长。这类似于人眼看世界，看的越远的时候， 所能覆盖的范围就窄，看的近的时候，则覆盖的范围就广。但车载摄像头是定焦 的，无法像人眼一样变焦。导致了探测长度和宽度无法同时保障。

2）距离信息的获取必须基于目标的识别：要提供目标距离信息，单目摄像头方案 首先要对目标进行框图边界分割，分割与识别一体，不识别无法准确分割。分割 识别后是估算距离，单目估算距离主要根据像素大小，对于远距离的较大物体和 近距离的较小物体像素大小非常接近，测量距离并不准确。

双目摄像头测距更准确，但对于两个摄像头一致性的要求极高，立体匹配和配准效果难度较大，使得辅助驾驶时代单目仍是主流。双目相较于单目测量距离非估 算，测距准确度高；且可以在不识别目标的情况获得距离数据，没有识别率的限 制，对所有障碍物直接测量；虽然双目系统成本比单目系统要高，但尚处于可接 受范围内，与激光雷达等方案相比成本低；且双目系统无需维护样本数据库，因 为对于双目没有样本的概念。但双目同样存在一些问题：1）两个镜头理论上要一模一样，一旦存在差异，会使得测量的准确性大打折扣，这对于摄像头的成本和 良率都是很大的挑战；2）最关键的环节在立体匹配，需要对每一个像素点都做立 体匹配，计算量大但算法简单，适合用 FPGA 来完成，门槛较高；3）另一个难点 在于双目的配准效果，通过双目摄像头的图像配准可以计算生成表示距离的二维 图像，不同饱和度颜色代表不同距离，从暖色调至冷色调为距离由近及远，色调 （距离）要平滑过渡，没有跳变，在计算过程中，需要对噪点与空洞做很好的抑 制。双目系统在豪华车上应用较多，全球目前主要的双目系统供应商有德国大陆， 博世，韩国 LG，日本日立和日本电装。双目摄像头对成本、工艺、可靠性、精 准度的要求使得其成本较高，较难在价格敏感度高的车型上推广，单目低成本的 方案搭配其他传感器可以满足 L1、L2 和部分 L3 场景下的功能，所以在辅助驾 驶时代单目仍是主流。

三目视觉为解决测距问题而设计，但存在后台融合无合理规则和解决方案进行数 据筛选的问题。三目初始被设计的目的是为了解决汽车前向测距的问题，但是三 个不同的摄像头精准度不同，检测障碍物的精准性都会有一定的误差，对于不同 摄像头获取到的同一场景的数据，需要在后台进行融合，但由于硬件的差异性本 身存在，导致后台目前对于这种误差并没有合理的规则和解决方案去进行选择。这种无法决策的局面，还会同其它的传感器例如激光雷达、毫米波雷达所探测的 结果产生矛盾，因此最终难以做出正确合理的决策。

3.1.2 激光雷达方案：分为机械式和固态激光雷达，预计固态会率先大规模上车

激光雷达分为机械式和固态，拥有对周围环境高精度的感知能力。激光雷达的工 作原理是将激光线束竖向排列形成一个面，通过调整角度发射激光束、传感器接 收记录，做到对周围环境的三维感知。竖向排列线束越多，扫描密度越大，精度 就越高，价格也越贵。激光雷达分为机械式和固态：机械式通过机械旋转部件直 接驱动激光线束，拥有 360°视场，测量精度更大，探测距离更远，但是结构复 杂、体积大、适配性交叉，量产成本很高；固态激光雷达不具备机械旋转部件， 通过电子部件控制激光发射角度，结构简单、成本更低，但扫描角度有限、测量 精度较机械式低，引入较多环境光噪声。Velodyne 的 64 线机械式激光雷达价格高 达 7 万美元以上，而华为也发布了 96 线激光雷达，其智能汽车 BU 总裁王军表示未来计划将激光雷达成本降至 200 美元。固态激光雷达赛道还有大疆、禾赛、 Velodyne、Luminar、ouster、Quanergy、ibeo 等，法雷奥第三代 Scala 也从机械转 向固态。

我们预计两种激光雷达中固态式会率先商业化量产上车。Waymo 等自动驾驶公司 的测试车使用的都是机械式激光雷达，主要是自动驾驶公司对高阶段自动驾驶的 掌握必须依赖高精度传感器，性能是第一位。而从商业化考虑，因机械式高昂的 成本，预计固态大概率会率先上车，目前明确公布未来量产车型上搭载激光雷达 的车企有小鹏、沃尔沃、本田、长安、极狐、蔚来、宝马等。

3.1.3 方案比较：激光雷达安全性高，成本问题正在解决，相视觉方案未来有更 大胜出概率

激光雷达路线商业化瓶颈在于价格；纯视觉方案瓶颈在于极高要求的算法。未来进入无需人类接手的自动驾驶场景，必须保障 100%的安全性。而进入商业化，成 本是必须突破的环节。

1、激光雷达具有高精度、高分辨率、3D 感知的优势，激光雷达主导方案同时配 合摄像头，两类传感器优势互补，精确度更高，因此针对 L4/L5 的自动驾驶公司 都采用该方案。该方案的问题和争议点即当前成本高。

2、以特斯拉为代表的纯视觉方案拥趸，摒弃激光雷达的主要原因是其成本高昂。但是缺失激光雷达后，精度、稳定性、视野方面都有局限，出现的问题是：（1） 对于决策端的计算要求非常高，且需要大量的数据积累，对于神经网络进行训练， 使它具备判断能力；（2）视觉的缺点在于摄像头是二维的，因此会存在失真，只 能依靠大量学习和算法去弥补。因此，总结来说，纯视觉方案对于数据积累和算 法训练过于依赖，对于进入复杂少见的道路环境时其安全性受到挑战。

综合比较下，我们认为：辅助驾驶单目为主，激光雷达逐渐渗透；未来无人驾驶激光雷达方案胜出具有更大概率

1）在辅助驾驶时期，单目摄像头方案仍会是主流，激光雷达逐渐渗透。双目需 要突破摄像头一致性的问题，三目需要突破测量误差和融合中数据选择的问题， 随着激光雷达成本下降，有望开始在辅助驾驶量产车上渗透。

2）进入高级别自动驾驶，激光雷达方案不可或缺，成本进一步降低。固态激光 雷达会率先上车，拥有其它传感器无法替代的高精度感知，同时成本已降至可接 受程度（华为固态激光雷达成本未来可降至 200 美金）。2020 年 11 月，单目视觉 的绝对领导者 Mobileye 与 Luminar 达成协议， 在其第一代自动驾驶汽车上使用 Luminar 的激光雷达；12 月在其 2025 年自动驾驶系统开发计划中规划将搭载自研 的激光雷达传感器，视觉方案绝对领导者Mobileye也已经开始涉足激光雷达领域。

3.2、发展路径：高科技公司自上而下，OEM、Tier1 自下而上

智能驾驶的出现使得汽车市场参与者扩容，除了传统玩家（主机厂、Tier1）向智 能驾驶领域的升级，也包括布局智能驾驶的科技巨头，如造车新势力、自动驾驶公司、互联网科技公司。

互联网科技巨头大部分选择跳过 L2 和 L3，直接发展 L4 或 L5。互联网科技巨头 之所以选择这条技术路线，主要因为软件算法是其强项，汽车工程化能力是其短 板，且没有传统汽车产品包袱，无需从低级别到高级别的渐进过渡。该路线的参 与者以百度、Waymo、Cruise、Uber 为代表，采用激光雷达，且需要算法的不断 优化完善，主要挑战则是落地时间长、且需要大量资金支持。

OEM 和 Tier 1 技术路径是 L2-L3-L4 渐进式发展。从 OEM 和 Tier 1 角度，智能 驾驶发展到 L4 或 L5 级别至少需要 5-10 年，时间周期长且投入过程中投入大产出少：OEM 和 Tier1 深耕汽车行业多年，有着丰富的量产经验，利用自身优势、深 挖高频使用场景，解决用户痛点，从辅助驾驶层级先行进入市场，不仅对用户具 有使用价值、提升驾驶体验，能提高自身产品单车价值量和市占率。

4、变革：全面重塑汽车功能、架构、价值、格局

4.1、汽车功能重构：新增各级别的智能驾驶功能

智能驾驶的 L1-L5 五个级别对应的功能分别有：

L1：辅助驾驶，主要功能有自适应巡航（ACC）、车道保持辅助（LKA）、车道偏 离预警（LDW）、自动紧急制动（AEB）等；

L2：部分自动驾驶，在 L1 级别自动驾驶的基础上新增了：车道居中辅助（LCC）、 自动变道辅助（ALC）、自动泊车辅助（APA）、盲点检测（BSD）、交通标志识别 （TSR）、交通拥堵辅助（TJA）和高速公路辅助功能（HWA）。

L3：有条件自动驾驶，车辆完成绝大部分驾驶操作，但人类仍要集中注意力，紧 急情况下接管车辆，主要增加了：拥堵自动驾驶（TJP）、高速自动驾驶（HWP） 的功能；

L4：高度自动驾驶，车辆已经可以接替驾驶员工作，但若驾驶员想亲自开车，仍 可以接管车辆。

L5：完全自动驾驶，在任何天气、任何地域均可以实现完全自动驾驶，“座驾” 向“座舱”转变。

4.2、汽车架构重构：感知、决策、执行、网联、智能座舱升级

实现更高级别的自动驾驶，需要感知、决策、执行、网连、智能座舱的升级配合， 其中：

感知端：随着自动驾驶等级的提升，对于传感器的数量、精度有更高的要求；

决策端：智能网联化推动电子电气架构从分布到集中，域控制器、多域控制 器替代 ECU，引入高算力 AI 芯片；软件服务和 OTA 升级成为新的盈利模式；

执行端：自动驾驶需要解耦人与车的机械连接，线控制动、线控转向是自动 驾驶执行端的核心；

网联端：真正无人驾驶需要车、路、云的互联，需要车载信息服务、终端设 备、软件系统、通讯服务、基础设施等多环节的协同合作；

智能座舱：智能座舱先行于自动驾驶发展，在智能座舱硬件、人机交互、域 控制器、软件系统方面都将迎来渗透和升级。

4.3、汽车价值链重构:软件和服务成为核心竞争力，硬件向电子化升级

智能网联汽车核心要素将从三大件向软件和服务转变，汽车可选消费品属性增 强，个性化的软件和服务将成为未来汽车核心竞争力。传统汽车中，价值最高的 核心三大件为发动机、变速箱、底盘；电动车中，价值最高的核心三大件为电池、 电机、电控三电系统；进入智能网联时代，软件和服务将成为最核心的要素，自 动驾驶软件决定安全性，座舱软件和服务将决定用户对于产品的选择，汽车可选 消费品属性不断增强，个性化的软件和服务将成为未来汽车的核心竞争力。

汽车销售不再是一次性消费，全生命周期服务将成为企业新的盈利模式，同时客 户黏性增强。传统汽车销售模式中，整车厂将汽车销售给 4S 店后，后续的维修、 保养服务由 4S 店负责，整车厂不再和用户产生接触。进入智能网联时代，车辆前 期匹配高冗余性能硬件，后期通过软件升级、激活更多功能；通过车联网提供在 线诊断等车辆管理服务；车内的娱乐信息服务全生命周期；同时，客户数据的采 集分析也有利于产品的优化升级和定制化服务的推送。

智能网联驱动汽车硬件核心价值向自动驾驶传感器、域控制器、AI 芯片、智能座 舱转变。传统汽车中，发动机、变速箱、底盘为价值量最高的系统部件，电动化、智能化将给汽车硬件的价值重构带来以下变化：

1、自动驾驶新增传感器、域控制器、AI 芯片、车载信息娱乐系统等部件：自动 驾驶将新增传感端的摄像头、毫米波雷达、激光雷达和决策端的 AI 芯片，和车载 信息娱乐系统的一体化智能中控、AR-HUD 等，前者对于自动驾驶的安全性具有 决定性意义，后者提供差异化定制化的用户体验感受，具有高价值、高差异化的 特点。

2、底盘系统向电控化和轻量化升级：向电子化驱动控制转变，传动系统从手动挡 到自动挡到电子档，行驶系统从机械车桥到电驱动桥，制动系统从机械向电控最 终到线控系统转变，同时随着电动化趋势向轻量化发展，带来产品的优化升级和 价值量提升。

3、动力系统向电动化转变：发动机、变速箱、传统热管理部件将被电池、电机、 电控、电动化热管理部件等替代。

4、车身内饰件：车身和结构件变化不大，属于价值量低、竞争激烈的产品，未来 主要向轻量化趋势发展；细分领域如车灯（卤素到氙气到 LED 到激光）、玻璃（传 统到镀膜）等存在产品升级带来的价值量提升机会；内饰随着智能化发展，成为 智能座舱的一部分，引入更多的交互和智能控制功能，如智能座椅、智能灯光等。

4.4、汽车格局重构：软件定义汽车，互联网科技公司入局

（1）产业链核心或从硬件系统集成向软件系统集成转变

软件定义汽车，未来软件系统集成商可能替代现在 Tier 1 硬件系统集成商的地位。在传统汽车产业链中，博世、大陆、电装等 Tier 1 硬件系统集成商占据着极为重 要的位置，其拥有极高的技术壁垒和行业地位。在智能网联汽车时代，汽车的可 选消费品属性增强，差异化、个性化的用户体验将作为消费者选择产品的重要因素，且软件算法与自动驾驶的安全性息息相关，软件系统集成商或取代硬件系统 集成商的位置，硬件系统集成商、内容供应商、服务供应商成为二级供应商，软 件系统技术将成为未来智能网联汽车的核心竞争要素。

（2）关键能力：从工程实力到软件实力转变

软件定义汽车，整车厂对内纷纷加强软件业务部门布局。在传统的汽车工业中， 硬件设计、工艺水平、工程管理等工程能力是主机厂的核心竞争力。随着智能网 联时代的到来，汽车软件应用在智能座舱、自动驾驶系统、车身控制等各个方面， 自动驾驶系统软件背后还需要视觉和图像处理算法、人工智能和深度学习的感知 决策执行等核心算法支撑。各大整车厂纷纷成立独立的软件业务部门，持续强化 人才投入和与企业合作。

近期主流车企对外纷纷在智能驾驶领域与互联网、芯片、科技公司合作，提高产品竞争力、适应产业结构调整。各主流车企近期不断加大与通讯企业、互联网公 司、芯片、科技公司的合作，聚焦通信架构、AI 智能和软件平台，建立智能网联 时代的核心竞争力。整车厂负责完成所有自动驾驶的程序设计和算法逻辑的设定， 并积极寻求在自动驾驶芯片、传感器、执行端、云服务和智能座舱等领域的合作研发。

（3）当前各参与者面临的优劣势分析

传统 Tier1、OEM 经验丰富，硬件方面领先，造车新势力、科技公司创新性强， 软件服务方面领先。智能网联时代主要参与者从原来的传统 Tier 1、传统 OEM 扩 充到造车新势力和科技公司。传统参与者在造车方面具有多年积累的经验，在汽 车的性能和工艺上具有优势，而创新性则逊于造车新势力和科技公司。传统厂商 和新入局者都对自己的定位和优劣势有清晰的认识，在保持优势和补齐短板上都有所布局。

车企：传统车企和新势力纷纷加速智能网联汽车的研发和落地，布局智能驾驶核心技术。2020 年 L2.5 级别长安 UNI-T、广汽 Aion LX、上汽 MARVEL-R、小鹏 P7、固定场景 L4 长城炮等相继上市。各车企也将更高级别自动驾驶规划提上日 程，明确了 L3-L5 车型实现或量产时间，基本在 2025 年前实现完全自动驾驶。

Tier 1 零部件厂商：国外 Tier1 零部件厂商在保持原有优势的基础上，继续开拓 软件算法领域，国内部分零部件企业具备一定竞争力。博世、大陆、采埃孚、安 波福等 Tier 1 零部件巨头在智能网联汽车领域沿袭多年积累的系统性硬件和汽车 电子控制技术优势，在感知层、决策层、执行层的核心硬件领域仍保持领先位置， 同时大力开发软件、算法，定位智能网联汽车新领域的 Tier 1 系统供应商，实力 雄厚。国内部分企业如德赛西威已具备量产 77GHz 毫米波雷达、域控制器等核心 产品的能力，具备一定竞争力。

互联网&自动驾驶公司：软件算法方面具有较大优势，逐渐占据高级别自动驾驶 领先位置。科技公司凭借在软件、算法、大数据方面的优势，布局自动驾驶领域， 并逐渐将商业应用提上日程。以百度为例，其在北京全面开放自动驾驶出租车服 务，标志着自动驾驶生活化使用场景全面启动。互联网公司和自动驾驶公司在智 能驾驶方面已经做了基本的布局，未来将不仅继续在前端服务发力，优化、迭代 自动驾驶平台算法，更要在硬件方面迈向智能时代，更加注重核心自研能力的突 破。

芯片、算法公司：智能驾驶依托底层芯片算法支持，芯片算法公司继续在核心技 术领域发力。芯片公司持续研发高算力、低功耗的适用于未来高级别自动驾驶的 芯片产品和自家的智能驾驶解决方案，与车企紧密合作，从需求端出发不断迭代 和完善相应产品，推动商用化产品落地。目前英伟达、高通、Mobileye、华为的 芯片产品都已达到支持 L4/L5 级别自动驾驶的能力，未来主要聚焦高级别自动驾 驶的芯片、算法平台产品。

（4）产业链各环节公司合纵连横，大结盟时代开启 近年来，车企、Tier1、芯片算法公司、自动驾驶公司等相继结盟，打通技术壁垒， 共同推进跟高级别自动驾驶的落地。

车企结盟、合作共赢，抢占智能驾驶先发优势。丰田主导成立 Monet，日系 车企交叉持股，深入合作；戴姆勒和宝马握手言和，共同研发 L3/L4 级别的 自动驾驶技术；通用、本田再度联手，发布全球首款自动驾驶量款车型 Cruise Origin；大众和福特跨洋合作，基于 Argo AI 的自动驾驶系统 SDS 共同研发 自动驾驶车型。智能驾驶不仅对智能化技术提出更高的要求，而且更需要时 间和研发成本的庞大支出，车企联盟能够更好地整合资源，合拢资金，突破 技术壁垒，使车企之间互享技术资源，共担开发成本与风险，增强规模相应。

自动驾驶公司打通技术流动壁垒，与车企优势互补，共享成果。Waymo 首次 突破单向联盟，加大自动驾驶技术对车企的开放程度，成为沃尔沃全球独家 合作伙伴；Uber 与丰田和沃尔沃联盟，共同研发技术，共享研究成果；丰田 领投小马智行，东风领投 AutoX。车企和头部自动驾驶公司的联盟，进一步 补齐技术短板，打通技术壁垒，加强产品全面性。

车企、Tier 1/芯片算法公司共同探索产业合作新模式，深化双方绑定关系， 生态圈大联盟囊括产业链各环节公司，加速推进智能驾驶进程。在智能驾驶 的大潮中，软件系统正成为未来汽车倚重的核心，传统汽车正逐步从分立控 制转向集中域控制。整车电子架构的调整，使得车企和 Tier 1 都面临着芯片 计算、通信能力和软件系统带来的全新挑战，也势必带来车企和供应商之间 的重新洗牌以及传统产业合作模式的变革。奔驰和英伟达共同开发新一代汽 车计算平台，宝马和 Mobileye 组建联盟，现代和安波福联盟，大众在 NAV联盟中将英伟达、博世、大陆、Aquantia 这些芯片、汽车零部件 Tier1、通信 领域的龙头囊括，体现了车企在新的时代里希望通过合作掌握核心环节技术 的战略布局。而华为、百度打造的生态圈大联盟，更是将产业链各个环节囊 括，将使智能驾驶进程进一步加速。

智能驾驶汽车需要产业链共同参与，汽车行业从 Tier1 垄断系统向大结盟时代转变。智能驾驶技术从研发到量产落地，并不是车企和 Tier1 能够单独完成的，而 是整条产业链共同参与，车企和零部件厂商需要准确自我定位。未来，软件定义 汽车势必将出现类似 IOS、安卓的大平台，汽车行业将从 Tier1 垄断系统向大结盟时代转变。

结盟合作模式大势所趋：有利于促进产品更好落地，关键技术和功能更好实现。英特尔无人驾驶事业部总监徐伟杰也曾发表过对自动驾驶带来的结盟模式的看 法：整车厂非常清晰汽车对自动驾驶的需求，会定义相关的规范要求，对每个功 能的定义有着丰富的经验；Mobileye 等芯片算法公司则可以提供最核心的处理器 和软件，满足整车厂的需求；而 Tier 1 则清楚如何从系统产品设计角度让这些解 决方案更好地成为一个真正的产品，让这个产品可以真正满足车厂要求和功能。因此，大结盟的合作模式可以促使系统产品更好地落地，关键技术和功能要求更 好地实现。

汽车架构的颠覆性变革推动产业链各环节相互打通合作。随着智能汽车的发展， 传统汽车架构可能被颠覆，博世电子电气架构升级路径表现为分布式（模块化→ 集成化）、域集中（域控制集中→跨域融合）、中央集中式（车载电脑→车-云计算）。

其中域集中式架构中，将汽车按照功能分为底盘域、动力域、车身域、座舱域和 自动驾驶域五域，逐渐过渡到没有域的划分的中央集中式架构中。而特斯拉在 Model 3 中已经采用了集中式电子电气架构，采用自动驾驶及娱乐控制模块、右 车身控制器、左车身控制器来控制整车。整车控制从 70-80 个 ECU 转变为中央集 中式控制，架构的调整将使软件、算法在汽车产业链中占据主导的位置，之前分 散的控制模块将逐步融合集中，架构的调整推动产业链各个环节相互打通合作。

5、机会：从硬件到系统再到生态

从辅助驾驶到全自动驾驶，我们认为需要经历三个阶段：

第一阶段：辅助驾驶渗透率和级别齐升，硬件先行升级上车、智能座舱生态 建立，自动驾驶硬件和智能座舱迎来量价齐升

该阶段驾驶过程中人还不能脱手，但是传感器、芯片、域控制器、线控执行等硬 件会先行上车，为驾驶提供辅助支持；智能座舱的发展会给汽车带来科技感、个 性化，不影响自动驾驶的安全性，因此会先行于自动驾驶，包括车机硬件、人机 交互、系统软件等；

第二阶段：自动驾驶系统方案逐渐成熟，软件算法系统供应商出现龙头，特定领域开始商业化应用（ToB）

在这一阶段，自动驾驶软件算法领域的参与者在一系列的试验、优化、迭代下， 逐渐趋于成熟。算法乃汽车大脑，拥有这方面能力的车企会使用自有的平台，而 其他车企会委托供应商提供方案，传统 Tier 1、互联网科技公司都有可能脱颖而 出；另一方面，自动驾驶技术到达这一阶段后，虽然还未能在公共道路大面积应 用，但是会在矿区、港口码头、物流、最后一公里等干线和低速封闭场景商业化 应用。

第三阶段：自动驾驶生态成熟，规模化商业落地（To C），Robotaxi 全面运营，全自动驾驶汽车逐渐替代辅助驾驶汽车

经过上述两阶段的发展，自动驾驶技术已逐渐成熟，路侧设备全面铺设，后台数 据中心和云计算平台实现开放共享，政策法规逐渐建立健全，自动驾驶生态已逐 渐成熟，具备全场景商业化运用的条件。全自动驾驶汽车率先以 Robotaxi 形式大 面积商业化应用，并在个人消费端逐渐替代辅助驾驶汽车。

5.1、第一阶段：辅助驾驶阶段的软硬件升级带来的机会

（1）智能座舱

智能座舱硬件市场空间更大，且中国玩家在此领域参与度更高，德赛西威、华阳 集团产品成熟、客户优质。根据罗兰贝格的预测，2020 年我国智能座舱市场规模 514 亿元，到 2030 年可达 1039 亿元，年复合增长率超 7%。其中硬件（中控显示 屏、液晶仪表盘、抬头显示 HUD、交互传感器等）占比 70%左右，市场空间巨大， 2020 年-2030 年年复合增速近 9%，拥有更多的机会。推荐国内产品成熟，客户优 质的德赛西威，关注华阳集团。

（2）自动驾驶相关传感器

国外 Tier1 主导，国内企业德赛西威、华域汽车、保隆科技等在传感端存在机会。自动驾驶传感端产品主要由博世等国外 Tier1 厂商主导，国内企业亦有一席之地。德赛西威 77G 毫米波雷达和 360 度高清环视系统在 19 年已经量产；华域汽车 77G 毫米波雷达适配款客车车型实现产业化落地；保隆科技产品包括摄像头、毫米波 雷达和多种品类的传感器产品，是少数拥有 77G 毫米波雷达技术的国内企业。L3级别自动驾驶车辆的持续渗透和自动驾驶向更高级别发展，都将带来大量传感端 需求，上述公司将从中受益。

（3）芯片

2020 年控制端的芯片各大厂商也取得了突破性进展，国内地平线在芯片领域具有 国产替代机会。Mobileye 今年量产的 EyeQ5 AI 芯片，算力 24TOPS，功耗 10W， 可支持 20 个外部传感器的运行，实现 L4/L5 自动驾驶，将于 2021 年在宝马率先 装车，吉利、蔚来等也将在部分车型上搭载该款芯片；英伟达 2022 年正式投产的 Orin 芯片可实现每秒 200TOPS 运算性能，比上一代 Xavier 提升 7 倍，功耗仅为 45 瓦，与上一代产品一致，可提供 L2+高级辅助驾驶功能，升级到双片后算力达 到 400TOPS，可提供 L4 级别自动驾驶方案，未来使用的 GPU 可进一步扩展算力， 理论可达 2000TOPS，为实现 L5 预留充足硬件能力。国内企业中，华为的昇腾 芯片和 MDC 自动驾驶平台可支持 L4 级自动驾驶；百度的昆仑芯片和 Apollo 平 台已将 Robotaxi 服务推向公开道路；地平线的征程 5 芯片同样可支持 L4 级别自 动驾驶，征程三代 AI 芯片，算力 48TOPS，功耗 12W，可支持 L3 级别自动驾驶， 其二代芯片就是国内首款车规级 AI 芯片，目前地平线已与广汽、上汽、一汽等整 车厂建立合作，共同推进自动驾驶车辆的落地。

（4）域控制器

域控制器总成领域，国外 Tier 1 巨头领先，德赛西威等国内企业实现了产品研发 和订单斩获的突破。按照博世五域划分主要有底盘域、动力域、车身域、座舱域 和自动驾驶域。其中座舱域和自动驾驶域是发展重点，这两个领域的域控制器总 成主要是国外 Tier 1 巨头占据领先位置，国内企业也逐渐开始收获订单：2020 年 德赛西威与小鹏汽车开发的 L3 级别自动驾驶域控制器产品在 P7 上实现了量产， 填补了国内企业在该领域的空白，具有标志性意义，座舱域控制器也收获了多家 造车新势力订单；保隆科技 2020 年 9 月与领目科技成立合资公司，后者拥有 L2、 L3 域控制器，该合作将填补保隆在域控制器领域的空白并推进产品配套落地。国 内公司在域控制器方面面对的市场竞争压力较大，但也具备着突破以及占有一部 分市场份额的可能性。

（5）线控执行

执行端参与企业主要以博世等国外 Tier 1 巨头为主，伯特利线控制动国内进展最 快，未来有望实现进一步的国产替代。国外 Tier 1 巨头在底盘、动力系统具备着 较高的技术积淀，因此在电控制动、电控转向领域一直处于接近垄断的位置。线 控转向沿袭 EPS 技术，博世、采埃孚、捷太格特、日本精工、耐世特等国际巨头 凭借在电动转向的积累，在线控转向领域领先地位稳固。而在线控制动领域，博 世、大陆、采埃孚占据行业领先地位，国内伯特利、拿森电子、拓普集团也在努 力追赶。伯特利在 EPB 方面已实现国产替代，获得主流自主、合资品牌订单，掌握 WCBS 线控制动技术，且已经收获多家主机厂定点，具备较强的竞争实力， WCBS 明年上半年将开始量产。自动驾驶的发展将推进线控制动的渗透，伯特利 的技术积累和与主机厂的合作将会给未来该领域的发展带来更多可能。

5.2、第二阶段：自动驾驶系统方案脱颖而出

自动驾驶的第二阶段，是软件算法平台的角逐。在 L3 级以下，算法集成在传感 器上，但到了自动驾驶阶段，这种做法或将不再可行，传感器获取的信息增加， 对于集中式自动驾驶大脑的需求越来越强。虽然出于数据积累和法律法规的考虑， 自动驾驶可能还未能大面积推广，但是我们认为：①产业链已具备成熟的软件算 法平台；②自动驾驶在特定领域推广应用。

1、头部车企拥有独立算法，软件系统供应商同样可提供自动驾驶解决方案 算法乃汽车大脑，头部车厂独立研发。汽车进入自动驾驶时代，算法可谓是自动 驾驶汽车的核心和大脑，与车辆行驶安全息息相关，失去了对此关键技术的掌握， OEM 可能将沦为未来汽车的硬件集成商。以特斯拉为代表的新势力非传统车企出 身，具有互联网思维，大多选择自研自动驾驶系统，如特斯拉基于视觉系统的神 经网络系统。以长城、吉利为代表的 OEM，在智能网联时代即将到来之前，积极 做出调整和布局，如吉利的亿咖通正逐渐实现 EC-EYES、EX-PARK、EX-DRIVE， 布局传感器平台、智能算法平台以及高性能计算机终端；长城的毫末科技同样定 位整体自动驾驶解决方案，产品覆盖自动驾驶算法、控制器平台、线控车辆平台， 具备全栈自研究能力。

其他车企委托软件系统集成商提供解决方案。自动驾驶系统方案的研发投入大， 整车厂中很大一部分会选择第三方的系统集成方案。第三方方案适配各整车厂， 降低成本的同时，由于专注这一领域，因此产品也更专业化，因此，在这一阶段， 软件系统集成商有望脱颖而出。

博世、大陆等传统 Tier 1 纷纷布局软件算法，有望继续在软件算法领域提供系统 集成方案。博世、大陆等传统 Tier 1 在控制、执行端拥有长期的积淀和极高的技 术壁垒，在智能网联时代，也纷纷开始转型调整，不仅在传感端和域控制器等硬 件方面处在第一梯队，在软件算法方面也积极布局。其中，博世选择英伟达的 Drive Pegasus 作为 AI 计算平台，与戴姆勒联合开发 L4 级自动驾驶出租车方案，同时， 其还拥有基于卫星的绝对定位和基于博世道路特征的相对定位方案，为自动驾驶 汽车提供厘米级的高精度定位；大陆集团在决策算法端拥有新一代的中央计算平 台，对各个传感器的数据进行分析计算，构建精准的定位和环境感知模型，推出 eHorizon 电子地平线地图，将地形和数字地图数据与传感器数据结合，实现对车 辆的预测性控制，同时，大陆在车联网领域还拥有传感技术、路侧设备、智能路 灯、行人/自行车、车辆互联互通的车路协同方案。

华为 MDC 计算平台、百度 Robotaxi 自动驾驶方案有望脱颖而出，成为自动驾驶 时代的软件算法集成供应商。华为除了鸿蒙 OS 为核心的智能座舱、车联网解决 方案、自动驾驶传感端产品，还拥有昇腾 AI 芯片和 MDC 智能驾驶算法平台，华 为已经与 30 多家国内整车厂建立了合作，未来极有可能成为智能网联汽车的系统 供应商；百度在智能网联领域以软件算法为主，布局座舱生态、智能交通解决方 案和自动驾驶算法，在自动驾驶方面拥有 Road Hackers 自动驾驶开放平台，专注 传感器融合，同时在应用端 Robotaxi 城市道路测试累计超过 700 万公里，与芯片 厂商、传统 Tier 1、整车厂广泛合作，同样具有脱颖而出的实力；阿里旗下斑马 网络专注智能座舱生态，而达摩院则基于强大数据平台和大数据处理经验，致力 于自动驾驶解决方案的研究，在末端智能物流机器人上已实现常态化运营。

2、自动驾驶在特定领域推广应用

自动驾驶在数据、案例积累未到达一定程度，以及法律法规未完全允许的情况下， 在特定区域和领域推广和商业化概率更大。我们认为，主要集中在矿区、港口头、 物流、最后一公里配送等干线物流和低速封闭场景。

5.3、第三阶段：自动驾驶生态成熟，Robotaxi 全面运营，全自动驾驶 汽车逐渐替代辅助驾驶汽车 自动驾驶软硬件和基础设施逐步成熟，具备全场景、大规模运用的条件。经过自动驾驶所需硬件全面上车和自动驾驶软件系统成熟两大阶段后，自动驾驶开始进 入大面积渗透和应用的阶段。路侧设备全面铺设，后台数据中心和云计算平台实 现开放共享，政策法规逐渐建立健全，自动驾驶生态已逐渐成熟，具备全场景大 规模运用的条件。

2018 年开始，Robotaxi 开始小范围试行，在经历硬件、软件算法的成熟、以及大 量数据案例的积累后，有望迎来大面积商业化运营。2018 年 12 月 Waymo One 推 出并在凤凰城上线，成为全球 Robotaxi 上用的开端。国内自动驾驶落地始于 2019 年 9 月百度 Apollo 在长沙开启 Robotaxi 载人试运营。2020 年后，AutoX、文远知 行、滴滴相继上线，均与高德地图合作。自动驾驶在经历了硬件和软件算法的成 熟，以及大量的数据案例积累后，商业化才会大面积落地，以大规模的自动驾驶 出租车形式进行运营。

个人消费端逐渐替代辅助驾驶汽车，全栈自研型整车厂和自动驾驶系统集成商开始收获高增长效益。在自动驾驶软硬件成熟、大数据云计算平台逐渐完善后，自 动驾驶的安全性得到充分验证，高于人工驾驶和辅助驾驶，同时法律法规也逐步 健全，自动驾驶将迎来个人消费端全面替代人工驾驶的时代。这一时期，自动驾 驶汽车渗透率持续提升，并将最终替代辅助驾驶汽车。在第二阶段脱颖而出的具 有全栈自研能力的整车厂将在自动驾驶汽车市场收获高增长和高收益；同时优秀 的自动驾驶系统集成商将为其他整车厂提供定制化方案，成为这一时期的汽车核心供应商。

军工这条线现在怎么看？

客观的说，距离超预期证实（或悲观预期证实）还有1个季度的时间。

行情都是通过逻辑来演进的，所以就要先回答一下走了多久的问题，和走到哪了的问题。逻辑和细分方向是用来标记走到哪了，而回顾则是用来回答走了多久。也要明确一下走完了的定义，是指接下来一个季度内是否会有延续原有逻辑下的集体新高。

先罗列一下军工行业中的逻辑：

1资产证券化

这个方向是19年之前军工的主要看点，关注的是集团资产证券化率，其中低于40%的分别是：航天科技＜航天科工＜兵器工业＜中国电科。

根据回顾看这个因子在最近两年的军工行情中起到的贡献是非常低的。

2军品采购

这里的背景是：2016至2017年，军品采购不及预期，2018年开始逐步恢复，自2019年以来，军改边际影响已明显减弱， 2020年是十三五最后一年，军品采购会加速。2021又是十四五开年第一年。一般五年计划都有前松后紧的规律。

这个逻辑关注的重点是：报表中需要关注合同、存货科目、关联方交易情况、资本性支出。

3军品定价改革

主要变化的是那些原来规定利润控制在5%的下游总装厂可以打开这种限制，带来的问题是：

第一、他们自身是否有动力去做这个事情？这就需要有股权激励等措施的配合。（现在不难理解为什么之前内蒙一机这种弱势票能来2.5个板了吧）

第二、会不会对下游的利润进行挤压，这也是为什么前一段时间一个研究员传了个集采降价，军工就一顿跌的重要原因。

4地缘政治

这部分也是军工19年之前的主逻辑，有点打仗新闻就来点板，但是后面就是逐渐钝化的过程。在钝化后又经历了开始比较敏感的过程。这方面新闻很多自己百度看一下就行。

再来看看几个细分方向

信息化：原器件、军工半导体这两个方向都是在信息化的大背景下的细分方向，而信息化是军工近两年重要的增量方向，信息化本身包含的比较多，目前市场比较体系的就是这两个。之前的火炬电子等军工电子三剑客的涨幅大就是这个方向。

新材料：分别是钛合金、碳纤维、高温合金三个方向

之前的西部超导西部材料钢研高纳中航高科中简科技ST抚钢等

“一代材料，一代飞机”军民机升级过程中，单架飞机新材料结构占比上升；二是我国新一代战机、运输机等重点型号迎来放量。在结构占比与飞机制造量齐升下，航空新材料用量有望迎来快速提升。

航空：分别是军机、民用两个方向，主要是中美差距比较大，比较有确定性。

航发动力，沈飞西飞等

导弹：制导系统、总装两个方向，关注的主要是其高消耗和在军机和船舶中的必须配置属性以及军贸。 

之前的洪都航空等

无人机：新式武器，需求预期较高，也是军贸的重要标的。

航天彩虹。

每个细分方向下叠加的行业逻辑是有所不同的，而正是叠加的逻辑决定了不同阶段的强势方向。

最后，再来看看阶段的市场表现，在回顾了50只军工相关个股的走势后，可以看出：

第一阶段：19末20初

该阶段前排方向：导弹＞原器件＞新材料，后排的方向集中在飞机、总装商。该阶段分化是比较严重的，所以前后排区别相对明显。

第二阶段：20中

该阶段前排方向：半导体＞军机＞无人机，后排是部分总装商，该阶段因为背景是指数普涨，所以前后排差异不大。

第三阶段：20末至今

该阶段前排方向：军机＞原器件＞新材料，后排是导弹和无人机，该阶段分化也比较严重

三阶段总计：19末至今

原器件、导弹较前，后排依旧是部分总装商。

可以看到在第一阶段中，主要的主导的逻辑其实还是十三五集采高峰预期，导弹之所以比较强有军贸的边际信息叠加。

而第二阶段时，行业有了双逻辑叠加：

1、集采逻辑加剧、十三五和十四五，

2、军改中部分总装厂开始兑现，带动相关行业。

第三阶段中，集采的逻辑其实是有弱化的倾向的，这一方面跟五年规划的特点有关，一方面也是对信息反应体现的，不过兑现点比较远，距离悲观证实（或超预期）还有1个季度的时间。而地缘政治的因素在走强化逻辑的，一方面是钝化到灵敏化的体现，另一方面兑现时间点比较近，但不好的点在于时间点的不确定性。

文字转载至王牌脱水研报