核心观点
1.行业情况： 7月新能源汽车产量中乘用车4.5万辆，同比增长46%，客车产量0.70万辆，同比增长50%，专用车产量1.08万辆，同比增长1536%，环比增长68%，我们认为乘用车符合预期，且仍然是新能源汽车核心推动力。
2.整车企业： 推荐上汽集团 (自主扭亏+新能源汽车)、一汽轿车 (业绩反转)、广汽集团 (A+H股)、中国重汽。
3.零部件企业： 优秀零部件企业值得长期看好，推荐一汽富维 (低估值高增长)、福耀玻璃 (稳定增长高分红)、星宇股份 。
4.汽车后市场： 随着汽车保有量的增加以及经销商行业整合，推荐国机汽车和威孚高科 ，同时推荐淮柴动力 。
5.新能源汽车： 三季度或有“目录行情”；特斯拉是PE催化剂，合资车才是EPS真动力，建议关注上游钴、锂。
6.智能汽车： 重点推荐中鼎股份 、TBOX、特斯拉产业链龙头公司等，港股比亚迪电子将长期受益汽车电子化趋势，继续推荐。
重大事项
1、易见股份（600093）：发布2017年半年度报告
2017年上半年实现合并营业收入681,134.79万元，实现利润总额57,405.86万元，净利润42,940.40万元，归属上市公司股东净利润38,738.19万元。
2、贵航股份（600523）： 发布2017年半年度报告
报告期内，公司实现营业收入170，031万元，完成全年预算350,000万元的48.58%，同比增幅7.81%;实现利润总额11,520万元，完成全年预算23,000万元50.09%，同比增幅21.69%。实现EVA7,954元，同比增长43.03%；经营活动现金流14,571万元，同比增长61.23%。
3、迪生力（603335）：发布2017年半年度报告
2017年上半年，公司运营平稳，业绩稳定增长，公司营业收入440,175,684.32元，同比增11.42%。归属于上市公司股东的净利润30,077,156.52 元，同比减少10.29%。
4、继峰股份（603997）： 发布2017年半年度报告
2017年上半年，公司实现营业收入865,741,698.88元，较去年同期增长42.13%；实现归属上市公司股东净利润139,597,821.89元，较去年同期增长22.07%。
5、雷迪克（300652）：发布2017年半年度报告
报告期内，公司实现营业总收入22499.76万元，同比上升29.22%；营业利润为4013.07万元，同比上升32.20%；利润总额为元4077.94万元，同比上升19.40%。
6、八菱科技（002592）：发布2017年半年度报告
2017年上半年，公司累计实现营业收入41,722.33万元，比上年同期下降5.78%；利润总额8,765.36万元， 比上年同期增长27.41%；归属于母公司所有者净利润7,871.05万元，比上年同期增长23.85%。
7、天汽模（002510）：发布2017年半年度报告
报告期内，公司实现营业收入为88,559.60万元，较上年同期减少4.57%；实现归属于上市公司股东的净利润7,639.38万 元，同比下降7.35%，其中实现归属于上市公司股东的扣除非经常性损益后的净利润为6,693.08万元，同比降低16.18%。
8、雷迪克（300652 ）：关于股东办理股票质押式回购交易的公告
日冠阳帆于8月24日将其持有的我公司1,508.182万股限售条件流通股股票（占我公司总股本的 5.9532%）质押给长城国瑞证券有限公司，截止公告日，日冠阳帆持有公司限售条件流通股 1,508.182 万股，占公司总股本5.9532%；其中质押1,508.182 万股，占公司总股本的5.9532%。
新闻资讯
1、实力碾压特斯拉 百公里加速2.4秒的HIPERCAR电动超跑三年内上市
以超轻型Atom跑车闻名的Ariel Motor Company刚刚宣布：将对其即将推出的超高性能扩展电动超级跑车HIPERCAR进行电气化。与大多数插电式混合动力装置相比，HIPERCAR将不会使用传统发动机作为其“扩展装置”，而是选择使用35kW的微型涡轮发电机。
2、车子可能和初代iPhone有一样的安全漏洞
十年前，第一代iPhone崭露头角，它的出现对移动计算的影响可谓深远。不过第一代iPhone上搭载的英飞凌芯片存在这么一个缺陷，它的基带被篡改后可运行除AT&T之外的运营商网络，要知道当时AT&T是iPhone唯一合法的网络运营商。时间快进到2017年，这同一枚芯片出现在了2011年~2015年间生产的各种配置的日产聆风车型上。
3、奥迪董事会面临大清洗 冯德睿接班人浮出水面
全球市场和销售董事冯德睿在与中国经销商发生纠纷后将为新任董事让路，而冯德睿的接班人最终浮出水面，由大众汽车（VW）商用车辆销售主管Bram Schot担任。此外，董事会还决定将继续留任首席执行官鲁珀特•施泰德。
4、突破300Wh/kg门槛，布局固态电池刻不容缓
动力电池产业的发展既要注重眼前，又要立足长远。对于目前电动汽车产品普遍采用的三元电池来讲，能满足2020年近期目标单体达到300Wh/kg已经需要产业付出巨大努力，对于长期的目标500Wh/kg，多位动力电池专家认为三元电池实难胜任，就目前的技术发展来看，固体电池才是下一代电池技术的“最佳人选”。
5、牵手长城汽车后首亮相 御捷济南展启动365用户关怀计划
继与长城汽车签订战略合作和成为行业首家获得纯电动轿车生产资质的企业之后，御捷加速了品牌建设。8月25日，御捷365用户关怀计划正式在2017第六届山东国际节能与新能源汽车展览会（下称济南展）上启动。
文章评论
机器学习如何帮助自动驾驶提升信息安全？
目前，一些新开发的算法已经能够用于检测网络异常情况，包括入侵检测系统、恶意软件防御和行为分析等。
仅仅在十年之前，汽车产业还在使用一些功能匮乏的处理器，它们只能使用行业标准总线来实现一些基础性的功能。而当今汽车配备的SoC （System-on-Chip）功能设计已经有了显著提升，能够执行的工作也大大增多。自动驾驶汽车若要在此基础上更进一步，将需要足够强大的处理能力，来根据感知输入内容做出重要决策。
但在增加复杂性的同时，脆弱性也会随之升高。两年前，安全研究人员Charlie Miller 和Chris Valasek演示了如何通过互联网连接远程攻击一辆Jeep切诺基。二人通过远程攻击，能够使车辆在公路上瘫痪。他们的一系列实验表明，黑客如果能通过有线连接或互联网连接的方式进入丰田Prius、福特Escape和Jeep切诺基等车型，就能转动方向盘、实施刹车或使刹车失灵、甚至能控制部分车辆的油门。
Miller和Valasek攻击演示利用的是车辆的一些基础性自动驾驶功能。例如，他们利用丰田的防撞系统对Prius实施刹车；利用Jeep的巡航控制功能来实施加速；利用Jeep的自动停车系统，让车辆误认为正在进行自动停车，从而能够转动方向盘，而实际上，车辆当时正在以80英里/小时的速度行驶。
换句话说，这些攻击都需要依靠由车载计算机控制的一些功能。从理论上说，可以利用自动驾驶汽车的所有功能来实施攻击，因为其所有控制系统均由计算机控制。
本文将概述汽车厂商如何利用一种新的运算技术——机器学习来保护自动驾驶汽车的安全。这些系统已经开始在信息安全方面扮演重要角色，一些新开发的算法已经能够用于检测网络异常情况，包括入侵检测系统 （Intrusion DetectionSystems，IDS）、恶意软件防御和行为分析等。机器学习系统对于自动驾驶技术的实现发挥着基础性的作用，而对于车辆和驾驶者的安全保护，也将扮演重要角色。
潜在攻击方向
黑客将如何确定目标自动驾驶汽车？恶意指令可能有多种不同来源，车辆配件将是一个主要的风险来源：所有现代汽车中都具有ODB-II端口 ，加州大学圣迭戈分校的安全研究人员利用它插入了一个联网装置，成功为远程攻击者提供了攻击车内最敏感系统的侵入点。
如今这种风险正在逐渐增加。由于消费者不常使用ODB-II端口，更多的现代车辆开始配备USB端口和蓝牙等技术 ，这导致与汽车配件进行通信变得非常简单，因而增加了恶意软件在不经意间入侵车辆的风险。=
还可能从外部攻击自动驾驶汽车。V2V通信正在逐渐成为汽车厂商为现代车辆配备的一项标准功能，它能够在道路上实现车辆彼此间的通信，可用于分享交通流量、前方事故或恶劣天气等数据。这类通信通道是自动驾驶汽车系统进行导航和控制的重要数据来源，但也会使车辆变得更容易受到攻击或跟踪。
机器学习如何保护自动驾驶汽车
与机器学习在其他方面的应用一样，若要部署用于抵御自动驾驶汽车安全风险的人工智能，首先要收集和存储正确的数据。 如果使用能存储和分析日志的平台来监控车辆内部网络，那么车辆将能自行检测到恶意活动，并抵御攻击，或者至少能提醒驾驶者，减轻攻击可能产生的影响。
以安全防护中广泛使用的Elasticsearch为例——这种搜索引擎使用的就是一种能够存储和分析日志的高效平台。下图展示了汽车用户日志将如何流入Elasticsearch 数据库，并在其中接受针对潜在攻击的运算检测。
在对自动驾驶汽车完成用于收集和存储用户日志的配置之后，机器学习就将开始参与所有异常情况的检测。攻击检测模型 是一种能够通过互联网连接或车载端口对从外部世界接收的信号和服务数据进行分析的平台。这类算法可用于检测恶意软件活动、通信行为或反常指令，比如当汽车在公路上行驶时启动停车模式。
由于车辆网络系统只需负责一方面的工作，不像标准的计算机网络需要接收多样化的用户输入内容，所以与典型的计算机网络相比，汽车的数字通信更容易预测。因此，可以采取无督导机器学习 （unsupervised machinelearning） 等手段来训练一种算法，用于更加准确和简便地区分恶意攻击与“正常驾驶行为”，使车辆能够防御攻击或提醒驾驶者。
案例研究：机器学习能够检测和阻止攻击
Miller与Valasek开发的反黑客解决方案是车辆系统中“学习与防御”装置 的一个范例。该装置是为具有某些自动驾驶功能的车辆配备的入侵检测系统。
这种装置以一个恩智浦（NXP）通用微控制器为基础，通过一块线路板插入ODB-II端口。在车辆行驶的最初数分钟里，它将以观察模式运行，从而能采集车辆的典型数据。之后，它将切换到检测模式，监控系统中的异常情况，比如反常的洪流信号（flood signal）或命令等。如果发现“不良”信号，它就会使车辆进入“缓慢行驶模式”（limp mode） ——关闭网络，并禁用助力转向 （power steering） 和车道辅助功能，直到车辆重新启动。
发现异常情况后，可能触发两种不同的动作：防御和警告。
“防御”模块用于“告知”车辆忽略那些恶意命令，并可用于阻止企图使用相同手段的攻击者。“警告”模块用于实时发送（或显示）通知，让驾驶者能够采取相应对策，或将攻击情况自动报告给主管机构，可通过安装到车内的仪表板来扩展该模块。
总体上看，汽车的数字通信远比通常的计算机网络容易预测，对于车辆信息安全来说，这一点非常有利。在汽车世界里，由于信号的变动不大，所以出现异常情况时可能会非常明显。
向5G数据网络的过渡，加上云服务流程的灵活性，为利用机器学习保护自动驾驶汽车奠定良好基础，使车辆能够在几毫秒之内检测到威胁并做出响应。
（文章来源：新浪汽车）
报告索引
