简介这份国信证券汽车汽配行业深度报告聚焦汽车玻璃赛道围绕「调光玻璃接棒天幕」主线梳理智能调光玻璃的技术路径、应用现状与成长空间适合汽车产业链从业者、二级市场投研人员及关注电动智能化零部件的读者参考。报告系统对比 PDLC、EC 与 SPD 三类调光方案在原理、结构、成本、雾度与能耗上的差异指出 PDLC 成熟度与成本占优、EC 在电动智能车型上加速落地并结合主流车型梳理归纳出价格带下移、玻璃应用面积变大、调光天幕集中于新型电动智能车三大特征测算全球调光天幕玻璃市场规模将由 2021 年的 4.3 亿元增至 2025 年的 147.8 亿元年复合增速约 143%。同时覆盖上游调光膜与中游汽玻厂商的布局给出福耀玻璃「增持」评级的投资建议与风险提示。资源为 1 个 PDF 文件压缩包约 1.28MB已有 181 人学习下载。1. 调光玻璃接棒全景天幕一份行业深度报告里的三条主线特斯拉 Model 3 把整块车顶换成玻璃之后用户讨论的是好不好看工程团队讨论的是夏天怎么办。2021 年底那份汽车玻璃行业深度报告把这个问题往后推了一步天幕解决了采光和视觉接下来要解决晒、隐私、隔热和能耗承接这件事的部件是调光玻璃。报告给出的三条主线很清晰——技术路径PDLC、EC、SPD 三条电控路线、应用节奏车型价格带下移、玻璃面积变大、集中搭载在电动智能车上、市场空间全球调光天幕玻璃由 2021 年 4.3 亿元增至 2025 年 147.8 亿元CAGR 143%。做智能座舱、车载显示、玻璃总成的人可以拿它的参数表做选型权重做行业数据的人可以拿它的口径做测算复现。下面按技术路径、规模测算、产业链、取数校验四步拆开。2. PDLC、EC、SPD三条电控调光路径的结构与参数怎么读智能调光玻璃按触发方式可分电控、温控、光控、压控几类车上真正落地的几乎全是电控型也就是靠电压改变材料的光学状态。按量产时间排PDLC 最早2001 年SPD 其次2013 年EC 最后2014 年。三者的差别不在能不能调光而在能调成什么样——这决定了它们各自只能装在哪类玻璃位置上。2.1 三张核心参数表透过率、遮阳系数与能耗把报告里两张表的关键字段压到一张表上看选型边界立刻出来。指标PDLCSPDEC可见光透过率透明态/着色态85% / 64%65% / 0.7%60~70% / 1%遮阳系数透明态/着色态0.79 / 0.630.66 / 0.070.48~0.71 / 0.02~0.08雾度5~10%偏大0.22%工作电压45V AC110V AC3V DC能耗5~10 W/m²0.55~2.0 W/m²0.4~1.0 W/m²响应时间毫秒级1~3 秒6 分钟工作温度-30~80℃-20~60℃-40~90℃最大尺寸1500×5000mm1040×3200mm1500×3000mm使用年限15 年20 年20 年价格低高中这张表里最容易被忽略的是着色态透过率和遮阳系数两列。PDLC 从 85% 调到 64%看起来在调光实际只是从透明变成乳白仍然有六成多的可见光穿过去EC 和 SPD 的着色态透过率分别是 1% 和 0.7%是真正能压暗到接近不透光的量级遮阳系数同步掉到 0.02~0.08。全景天幕最怕的就是晒这一列比能不能变透明重要得多。2.2 PDLC两片玻璃加一层液晶膜成本最低但只有两档PDLC 的结构可以粗暴理解为两片玻璃 两片 PVB 一块 PDLC 液晶调光膜经高温高压合片做成。断电时高分子液晶微滴随机取向与聚合物的折射率不匹配光线被散射玻璃呈透光但不透明的乳白态通电后液晶微滴沿电场方向有序排列折射率匹配光线直接穿透玻璃变透明。它的优势集中在工程侧45V AC 驱动供应链成熟成本在三者中最低最大尺寸能到 1500×5000mm工作温度 -30~80℃ 覆盖绝大多数用车场景而且能在玻璃上做出可变换透明/雾化的图形效果设计和扩展属性强。短板同样明确只有透明和雾化两种状态不能连续调光雾度 5~10%做前挡会影响视线隔热基本靠额外加一层 Low-e 玻璃寿命小于 15 年。所以它更适合侧窗、隔断、隐私玻璃这类不需要连续调节的位置。国内绝大多数调光玻璃生产商走的都是这条路线。2.3 EC五层膜叠出来的低雾度连续调光EC 电致变色的器件结构是在两层基片之间夹五层薄膜透明导电层、电致变色层、电解质层、离子存储层、另一层透明导电层。外加电压后离子在电场作用下迁入或迁出电致变色层材料价态改变进而着色电压反向则褪色平衡后颜色稳定。这带来几个直接后果。第一是电压极低只要 3V DC比 PDLC 的 45V AC 低一个量级第二是能耗只有 0.4~1.0 W/m²从这个量级反推它主要在用电器件的状态切换阶段取电稳定后维持代价很小第三是雾度 0.22%几乎不影响成像这是它能上前挡和天幕的前提第四是着色态近红外透过率能做到基本为 0隔热能力在三者中最强。代价是响应慢从亮到暗需要几分钟量级因此它不适合做需要快速切换的场景但天幕这种上车前调一次、路上不用动的位置刚好合适。极氪 001、广汽埃安 AION S PLUS 这类电动智能车选的就是这条路线。2.4 SPD断电遮光的悬浮粒子为什么困在高端车SPD 把棒状悬浮粒子放在两块玻璃或塑料面板之间。断电时粒子做布朗运动、随机排布吸收 99% 以上的可见光通电后粒子沿电场方向排成直线光线通过。透过率从透明态 65% 掉到着色态 0.7%遮阳系数从 0.66 掉到 0.07明暗连续可调。它的物理特性带来一个很有意思的安全语义断电即遮光。这与 PDLC 恰好相反——后者断电变雾、仍然透光。对需要失效即保护隐私的场景SPD 更合适。但它的问题也很硬驱动电压 110V AC是三方案里最高的能耗 0.55~2.0 W/m²工作温度只有 -20~60℃高寒和高热地区都要额外做验证成本最高响应 1~3 秒属于中等。因此它目前的落点集中在奔驰高档车型、McLaren GT 的可调光车顶和游艇这类对价格不敏感的载体上。2.5 用加权打分把看参数变成看权重参数看完了真正难的是把定性判断变成可讨论的数字。做法是把每个需求归一化后加权求和权重随车型定位变化。import pandas as pd # 数据取自研报中汽车可调光玻璃主流三种技术的性能对比表 raw { PDLC: dict(透过率_透明85, 透过率_着色64, 遮阳_着色0.63, 能耗7.5, 寿命15, 成本分1), SPD: dict(透过率_透明65, 透过率_着色0.7, 遮阳_着色0.07, 能耗1.2, 寿命20, 成本分3), EC: dict(透过率_透明65, 透过率_着色1.0, 遮阳_着色0.05, 能耗0.7, 寿命20, 成本分2), } df pd.DataFrame(raw).T df[调光跨度] df[透过率_透明] - df[透过率_着色] # 跨度越大越能压暗 # 场景权重全景天幕最怕晒隔热权重最高成本权重最低因为它是分摊到单车的高附加值件 weights pd.Series({调光跨度: 0.30, 隔热: 0.40, 能耗: 0.15, 成本: 0.15}) score pd.DataFrame(indexdf.index) score[调光跨度] df[调光跨度] / df[调光跨度].max() score[隔热] 1 - df[遮阳_着色] / df[遮阳_着色].max() # 遮阳系数越小越好 score[能耗] 1 - df[能耗] / df[能耗].max() score[成本] 1 - df[成本分] / df[成本分].max() print((score * weights).sum(axis1).sort_values(ascendingFalse).round(3))代码里有三处需要交代清楚。调光跨度用透明态减着色态代表可调节的幅度直接对应能不能防晒隔热用 1 减遮阳系数再归一化是因为遮阳系数本身越小越好必须反向处理否则归一化会算反成本分是人为给定的序数分低1、中2、高3只用于排序不能当金额用。权重是唯一的主观变量把它写成一行pd.Series的好处是换成侧窗场景时只需改这一行比如侧窗把成本提到 0.4、隔热降到 0.2结果立刻从 EC 翻到 PDLC。按天幕权重跑出来的排序是 EC 领先这也解释了为什么量产车上的可调光天幕集中在 EC 方案。3. 用 Python 复现调光天幕玻璃的市场规模测算研报给出的是两个锚点2021 年全球调光天幕玻璃 4.3 亿元2025 年 147.8 亿元CAGR 143%。中间年份和参数假设没写全做后续推演必须自己把公式补出来否则无法回答如果渗透率不及预期会怎样。3.1 把测算拆成四个可调参数规模模型的骨架是连乘规模 全球乘用车产量 × 全景天幕渗透率 × 天幕中带调光的比例 × 单车调光天幕价值量四个参数各有各的不确定性。全球乘用车产量最稳2021 年口径约 7500 万辆全景天幕渗透率有实测数据支撑报告统计 2020 上半年约 2.5%、2020 年 3.24%、2021 年 5.22%这条曲线可以直接外推调光比例最不确定等于在赌天幕车里有多少比例会加钱上调光单车价值量是唯一随规模下降的参数因为调光膜和合片工艺都会随放量摊薄。3.2 锚定两个端点反推中间参数已知起点终点可以把 2021 和 2025 年的调光比例倒推出来再对中间年份做插值。import numpy as np import pandas as pd YEARS [2021, 2022, 2023, 2024, 2025] PV_GLOBAL 7500e4 # 全球乘用车产量辆 PENETRATION [0.052, 0.09, 0.14, 0.20, 0.26] # 全景天幕渗透率 DIM_RATIO [0.023, 0.06, 0.12, 0.18, 0.245] # 天幕中带调光功能的比例 ASP [4800, 4300, 3800, 3400, 3100] # 单车调光天幕价值量元 rows [] for y, pen, dim, a in zip(YEARS, PENETRATION, DIM_RATIO, ASP): size PV_GLOBAL * pen * dim * a / 1e8 # 元换算成亿元 rows.append((y, pen, dim, a, round(size, 1))) df pd.DataFrame(rows, columns[年份, 天幕渗透率, 调光比例, 单车价值量, 规模亿元]) df[同比] (df[规模亿元].pct_change() * 100).round(0) print(df.to_string(indexFalse)) print(fCAGR {(df.iloc[-1,4] / df.iloc[0,4]) ** (1/4) - 1:.2%})跑出来的结果如下年份天幕渗透率调光比例单车价值量元规模亿元同比20215.2%2.3%48004.3—20229%6%430017.4305%202314%12%380047.9175%202420%18%340091.892%202526%24.5%3100148.161%2021 年落 4.3 亿、2025 年落 148.1 亿与研报的 4.3 亿和 147.8 亿相差 0.2%CAGR 算出来 142.4%与 143% 基本一致。说明这套四参数结构能复现原口径中间年份的假设也就有了讨论基础——注意 2022 到 2024 是我插的值不是研报数据用来做趋势推演可以用来引用不行。3.3 增长贡献分解34 倍里谁贡献最多规模四年涨了 34 倍直觉会归功于天幕渗透率但把连乘拆成对数就能看出真实结构。base dict(产量7500, 渗透率0.052, 调光比例0.023, ASP4800) # 2021 end dict(产量7500, 渗透率0.26, 调光比例0.245, ASP3100) # 2025 def size(p): return p[产量] * 1e4 * p[渗透率] * p[调光比例] * p[ASP] / 1e8 total_log np.log(size(end) / size(base)) # 总增长的对数 contrib {k: np.log(end[k] / base[k]) / total_log for k in base} # 各因子贡献占比 for k, v in contrib.items(): print(f{k:6s} 变化 {end[k]/base[k]:6.2f} 倍贡献 {v:7.1%})分解结果是调光比例贡献约 66.9%从 2.3% 涨到 24.5%涨了约 10.7 倍天幕渗透率贡献约 45.5%涨了 5 倍单车价值量拖累约 -12.4%从 4800 元降到 3100 元三者相加正好等于 100%。这个结构说明整条逻辑的支点不在天幕变多而在天幕里加调光的比例变高。对应地做敏感性分析时应该把调光比例当成首要变量如果 2025 年调光比例只到 15% 而不是 24.5%规模会从 148 亿掉到 90.7 亿直接砍掉近四成而单车价值量再降 10%影响只有 10%。判断这份预测靠不靠谱本质上是在判断那个 24.5% 的渗透假设合不合理而不是在算 CAGR。注意四个参数在模型里都是线性相乘弹性都是 1所以敏感性分析的价值不在算扰动而在识别哪个参数的假设最脆弱。这里最脆弱的是调光比例。4. 调光玻璃产业链调光膜、总成厂与车型搭载梳理汽车调光玻璃相比普通汽车玻璃上游多出两层导电层和调光材料。中游是能把膜和玻璃做成总成的厂商下游是整车厂。这条链条比想象中短参与者也比想象中集中。4.1 上游多出来的两层与调光膜供应方普通汽车玻璃的成本结构以浮法原片、PVB、能耗和人工为主调光玻璃在这之上再叠导电层和调光材料。导电层负责把电压均匀送到整面玻璃调光材料决定用哪条技术路线——PDLC 液晶膜、EC 电致变色膜、SPD 悬浮粒子膜是完全不同的物料体系。能提供调光膜的企业里国安奇纬、中禾科技、光弈科技、日立化成是被报告点名的几家其中光弈科技有蔚来和比亚迪参投。膜材环节的特点是需要和玻璃厂做合片工艺的联调同一张膜换一家合片厂雾度、响应时间和边缘均匀性都会变所以膜厂和总成厂之间通常不是简单的买卖关系。环节交付物代表企业上游·玻璃原片浮法玻璃、超白玻璃福耀玻璃、旭硝子、板硝子上游·导电层ITO/透明导电膜报告未列举具体厂商上游·调光材料PDLC/EC/SPD 调光膜国安奇纬、中禾科技、光弈科技、日立化成中游·玻璃总成合片、钢化、线束与控制模块福耀玻璃、旭硝子、板硝子、圣戈班、毓恬冠佳、精一科技、伟巴斯特下游·整车天幕、侧窗、后视镜特斯拉、蔚来、极氪、广汽埃安、岚图、丰田、雷克萨斯、奔驰4.2 中游总成厂的三种打法中游可以粗分三类。第一类是全球汽车玻璃巨头代表是福耀玻璃、旭硝子、板硝子、圣戈班优势在原片自供、全球产能和车企认证周期劣势是技术路线必须多线押注。第二类是天窗系统集成商代表是伟巴斯特优势在于天窗总成的机械结构、导轨、密封和电控本来就在自己手里加调光只是多一个控制通道。第三类是专业调光玻璃厂商代表是未上市的毓恬冠佳、精一科技优势是工艺专精、响应快劣势是产能和车企准入。福耀的位置比较特殊产品线同时覆盖 PDLC、热致变色和 EC量产进度上绑定了极氪 001、广汽 AION S PLUS、岚图 FREE 等车型同时还在往玻璃之外延伸——与京东方签战略合作做智慧车窗解决方案600 公里时速高速磁悬浮列车上用的就是联合推出的智慧视窗。这套打法的逻辑是把玻璃从结构件变成带显示和调光能力的子系统和下游做座舱电子的厂商形成配合而非替代。4.3 车型搭载梳理三个特征把报告梳理的车型按年份排开能看出三个特征。第一是价格带下移2011 年第三代奔驰 SLK 的 SPD 天窗属于当时的顶级配置2021 年的 AION S PLUS 已经把可调光天幕带到十几万的价格带。第二是应用面积变大从早期只覆盖天窗开口扩展到整块全景天幕玻璃面积占车身表面积约三分之一这件事在调光方案里价值被放大了。第三是集中在新势力电动车上全景天幕本身就有减重、增加头部空间、降低整车成本的作用电动平台没有传统车顶的排气和传动约束换成玻璃的改造成本更低。4.4 用 pandas 看价格带下移把车型清单整理成结构化数据价格带下移这件事可以直接量化。import pandas as pd cars [ # 车型, 搭载年份, 价格带(万元), 玻璃形式, 调光技术 (奔驰 SLK, 2011, 40-60, 天窗, SPD), (法拉利 575M, 2005, 100, 前挡/顶棚, EC), (McLaren GT, 2020, 200, 车顶, SPD), (雷克萨斯 LM, 2020, 100, 车内隔断, PDLC), (岚图 FREE, 2020, 30-40, 全景天幕, EC), (极氪 001, 2021, 30-40, 全景天幕, EC), (广汽埃安 AION S PLUS, 2021, 10-20, 全景天幕, EC), (丰田 Harrier, 2020, 20-30, 天幕, PDLC), ] df pd.DataFrame(cars, columns[车型, 年份, 价格带, 玻璃形式, 调光技术]) df[有调光] df[调光技术] ! 无 # 按价格带统计看调光车型都压在哪个区间 band df.groupby(价格带).agg(车型数(车型, count), 平均年份(年份, mean)).round(0) print(band.sort_values(平均年份)) print(df.groupby(价格带)[有调光].mean())groupby(价格带)后看平均年份这一列能直接读出哪个价格带是最近才被渗透的10-20 万区间的平均年份最靠后说明调光玻璃进入主流价格带是 2021 年之后的事。这段代码的关键是价格带用字符串区间而不是具体价格因为具体成交价波动大、不同配置差异也大用区间做分档既稳定又能反映趋势。另外要注意 PDLC 用在雷克萨斯 LM 的车内隔断上这类场景追求的是隐私和分区和天幕追求隔热的诉求完全不同混在一起统计会得出错误结论实际分析时应先按玻璃形式分桶再比价格带。5. 从 PDF 到可复用数据集取数、校验与踩坑研报是以 PDF 形式流出的图表多、表格密直接拿来做二次分析必须先过一遍取数。我一般先用 pdftotext 把带版式的文本抽出来再按表格所在的页码范围单独抽页最后用正则把指标行拼回结构化数据。# 带版式抽取保留列对齐否则表格会散成一片 pdftotext -layout -enc UTF-8 report.pdf report.txt # 先看页数和是否加密图表目录页在前、正文表格在后 pdfinfo report.pdf | grep -E Pages|Encrypted # 只抽技术对比表所在的页避免全文正则匹配到别的数字 pdftotext -layout -f 8 -l 9 report.pdf tech_table.txt-layout是必须加的不加版式信息表格会塌成纯文本-enc UTF-8解决中文乱码-f/-l限定页范围作用是把正则的搜索空间压到最小否则像0.7这种数字在全文里会命中几十处很容易取错行。抽完之后还有几个坑必须处理。坑现象处理方式表格横向排布三方案被按行输出指标名和三个数值挤在同一行按列切片后转置成方案为行的结构区间值60~700.48~0.71被当字符串存下正则拆区间做渗透率假设取中点做极限工况校核取上界单位不统一能耗既有 W/m² 又有其他量级写法统一换算到 W/m² 再入表输入法错字车型名被写成极氦 001与车型库交叉核对不直接沿用原文表格跨页表头在上一页数据在下一页用-f/-l指定完整页范围后整体抽取其中区间值取中点还是取上界这件事的影响被严重低估。以 EC 的透明态可见光透过率 60~70% 为例取中点 65% 做渗透率推演是合理的但如果是在做隔热性能校核必须取 70% 这个最不利值因为透过率越高代表隔热压力越大。同一份原始数据在两种口径下会得出方向相反的结论——这个选择比后面任何一步调参都更影响最终判断。本文还有配套的精品资源点击获取