无人驾驶产业报告-PDF版

辰韬资本：2024自动驾驶软硬一体演进趋势研究报告（45页）.pdf

概述自动驾驶软硬一体演进趋势研究报告软硬一体化是一种产品设计模式，它将软件和硬件系统集成在一起，以提高系统效率和性能。这种设计模式使得在硬件上进行软件的优化和协作变得更加容易，从而达到更高的性能、更低的功耗、更低的延迟和更加紧密的结合。软硬一体又可分两种不同模式：1）像苹果一样，自己完成从芯片到操作系统及其他核心软件的研发；2）像 PC 产业 Windows Intel，以及智能手机产业的安卓 ARM，操作系统厂商与芯片厂商深度绑定。前者我们称为“重软硬一体”，而后者则是“轻软硬一体”。这两类，都是通过软硬一体的战略获得共赢的典型代表。在自动驾驶领域，特斯拉，从早期采用 Mobileye 的软硬一体解决方案，到采用英伟达的芯片 自研算法的软硬解耦方案，再逐步过渡到基于自研的芯片以及自研智驾算法的“重软硬一体”策略，引领了行业潮流。可见，同一家公司在不同阶段会有软硬解耦或软硬一体的不同选择，具有很强的灵活性。国内的诸多自动驾驶芯片以及算法供应商在经历了初期的百花齐放，如今经过市场的筛选，已经有几家公司确立了“头部”地位。当前，整体的产业模式也从初期软硬解耦和软硬一体两种思路的巨大分歧逐步收敛至软硬一体方案，并围绕这种模式建立业态以及利益分配链条。在当前市场上不同案例并存的情况下，本报告会对软硬一体给出详细的定义，并分析其出现的成因，以及对未来行业在软硬一体方向发展趋势进行预测。01自动驾驶软硬一体演进趋势研究报告概述01软硬一体定义及行业现状分析 1.1 软硬一体定义 1.2 软硬一体方案为何成为行业的主流选择？1.3 供应商的软硬一体策略 1.4 整车厂的软硬一体策略 02软硬一体开发能力分析 2.1 智驾系统算法架构 2.2 智驾域控芯片架构 2.3 智驾域控系统底层软件03自动驾驶赛道公司概况 3.1 主流芯片厂商 3.2 整车厂 3.3 软件 Tier104行业未来发展趋势 4.1 软硬一体的综合趋势 4.2 自动驾驶赛道玩家未来的道路选择 4.3 端到端算法对软硬一体未来趋势的影响 4.4 舱驾一体对软硬一体未来趋势的影响 4.5 具身赛道软硬一体的未来趋势 4.6 趋势总结【附录】软硬件一体的现状调查本报告访谈和编写项目组特别声明0404060911131314171919232729303234353536394344内容目录自动驾驶软硬一体演进趋势研究报告图示 1：智驾系统的不同合作模式图示 2：英伟达和特斯拉主力自动驾驶芯片参数和成本结构对比图示 3：软硬一体是否能带来成本优势？图示 4：回顾历史，摩尔定律是支撑 PC 端出现通用芯片的底层原因图示 5：软硬一体的方案优势对比及 Tier2 厂家未来生存空间调研图示 6：车载智能计算基础平台参考架构图示 7：典型的车载芯片分布图示 8：不同芯片类型优劣势对比图示 9：英伟达最新的 Thor 芯片可达接近 2000 TOPS 算力图示 10：Thor 可被配置为支持多种模式图示 11：地平线征程系列芯片图示 12：高通骁龙 Ride 芯片架构图示 13：特斯拉 BEV 网络架构图示 14：蔚来的神玑芯片参数图示 15：小鹏发布图灵芯片图示 16：影响软硬一体策略判定的三要素图示 17：以手机行业的软硬一体发展趋势为参考图示 18：软硬一体发展趋势及驱动因素调研图示 19：全栈自研是否会成为成为未来整车厂的主流趋势?图示 20：构建生态是否是芯片行业成功的必要途径?图示 21：软硬一体方案是最优的方案么?040708091113151620202122232526293031323437图示目录自动驾驶软硬一体演进趋势研究报告1.1 软硬一体定义尽管软硬一体已经成了行业内很多领先玩家的重要战略，但是目前仍没有对软硬一体给出有效的定义，本报告尝试给出一个对于软硬一体讨论范畴的定义。首先，软硬一体中的“软件”，主要指的是智能驾驶系统的软件和算法，其中可能包括应用层、中间件、操作系统等。当我们讨论软硬一体相关公司时，“软件基因的公司”通常是指有较强算法能力和壁垒的公司。虽然智能驾驶系统中的硬件包括了各类传感器、高性能计算芯片、域控制器以及围绕核心计算芯片的其他芯片和电子元器件，但是大部分行业专家都认为，软硬一体范畴中的“硬件”，主要讨论的是对象是高性能计算芯片。虽然软件和硬件的概念都相对清晰，但是“软硬一体”在智能驾驶系统的语境下，却很难给出一个单一的标准界定。我们认为，软硬一体讨论的对象是自动驾驶公司及要做自动驾驶的芯片厂商以及主机厂，描述的是公司具备的软硬件协同的研发能力和开发模式。基于软硬一体的能力和开发模式，公司可以提供软硬一体的产品。1.软硬一体定义及行业现状分析软硬一体定义及行业现状分析图示 1：智驾系统的不同合作模式图源：辰韬资本04自动驾驶软硬一体演进趋势研究报告以上三个案例展示了几种业界比较典型的自动驾驶领域公司提供软硬一体产品的模式：1.最极致的软硬一体模式是由同一个公司完成芯片、算法、操作系统/中间件的全栈开发，芯片厂商同时也是整体解决方案提供方，或者，整体解决方案商也自己做芯片。这方面的典型例子包括海外的 Mobileye、特斯拉、Nvidia（开发中）以及国内的华为、地平线、Momenta（开发中）等。这样做的好处是，公司通过垂直整合拥有了最大程度的自主权，可以将软硬一体的性能和效率优势发挥到极致。在这类模式中，软与硬两部分结合最紧密、耦合最严重，为了与接下来的第二种模式相区分，这里我们将其定义为“重软硬一体”模式。2.部分自动驾驶解决方案公司，虽然采用第三方的芯片，但是在该款特定芯片上具备极致的优化能力和丰富的产品化交付经验，能够最大化发挥该款芯片的潜能。这方面的典型案例包括卓驭（大疆）、Momenta 等。这样做的好处是通过合理分工节省了大量芯片和硬件研发投入，但是对公司在某款/某系列芯片上进行软件优化和部署的能力提出了很高的要求。这种模式需要解决方案公司与芯片方密切配合，但是耦合程度不如模式一紧密，所以我们将其定义为“轻软硬一体”模式。3.部分具备软硬件全栈能力的公司，会将软硬件耦合最紧密的部分（通常是感知算法和 SOC 芯片）作为标准产品提供，而其他模块则由生态合作伙伴（如域控制器硬件公司、规控算法公司等）完成，这种模式可以看作是第一种模式的衍生，由于给下游客户提供了更大的自主权和灵活性，因而更容易得到部分主机厂客户的青睐。值得一提的是，这类合作模式中涉及到的生态合作伙伴公司，并不能被划分为软硬一体公司，因为其中软硬件耦合的核心环节并不由他们掌控。当然，自动驾驶领域的软硬一体开发模式还有很多其他形态。我们通过以上三个定义可以看到：尽管软硬一体的核心要素是软件和 SoC 芯片如何耦合，但无论是从算法、操作系统到芯片的全栈能力带来的完全垂直整合，还是基于第三方芯片进行极致的软硬件协同优化，都可以实现软硬一体的目的。需要注意的是，公司采用的是软硬一体还是软硬解耦战略，这个判定并非绝对，而是相对的。比如，英伟达为自己的芯片开发算法，这是软硬一体；而某个算法公司一直基于英伟达芯片提供解决方案，基于英伟达芯片进行深度适配，这也是软硬一体。在本报告中，我们将前者归类为“重软硬一体”，将后者归为“轻软硬一体”。从另一角度看，英伟达的芯片可以跟多家的算法适配，这就属于软硬解耦策略。再比如，地平线在 J2 及 J3 时代是“重软硬一体”，因为在这个阶段，芯片上集成的都是地平线自己开发的感知算法；而 J5 时代则变为软硬解耦（由生态合作伙伴做算法，对地平线来说就是软硬解耦）和“重软硬一体”（自己做算法，软硬一体定义及行业现状分析05如理想的项目）并行。类似的是，J6 的旗舰版 J6P 的落地，在短期内会是“重软硬一体”模式（算法由地平线自己开发），待后续有软件 Tier1 或车企基于 J6P做算法后，则又走向软硬解耦的路线；对长期使用 J6P 的软件 Tier1 或车企来说，则是“轻软硬一体”。再比如，一家主机厂或算法公司从供应商的芯片切换到自研芯片的过程，也属于软硬解耦；但切换完成后，则又是“重软硬一体”。最后，为了明确本报告讨论的范围，我们也需要澄清哪些能力并不是软硬一体所需要的，或者哪些公司不应该被定义为软硬一体公司。例如：以域控制器的设计和生产、包括部分底层软件（如驱动、诊断等）开发为核心能力而不具备智驾核心算法开发和部署能力的公司，并不属于软硬一体公司。关于软硬一体涉及的能力，本报告将在第二章软硬一体开发能力分析中详细讨论。自动驾驶软硬一体演进趋势研究报告软硬一体定义及行业现状分析061.2 软硬一体方案为何成为行业的主流选择？对于汽车行业本身，早期的 ADAS，动力系统以及底盘系统都带有很强的软硬一体的痕迹，上一代 Tier1 领域的霸主博世更是从芯片到控制器再到软件算法实现了全环节交付。而在自动驾驶兴起后，深度学习算法成为行业感知模块的通用解决方案，传统的芯片架构已经无法支持实时感知需要的大量并行计算能力。英伟达则通过移植其在通用 GPU 上的能力，先后发布了 DrivePX,DrivePX2,DriveAGXXavier以及 DriveAGXOrin 四代自动驾驶平台，希望通过提供通用平台的方式支持其芯片在自动驾驶领域落地。然而，这种硬件解耦的方式操作起来却并不成功关键原因在于，其平台的通用特性导致其芯片在算力利用效率以及功耗方面这两个 OEM 非常关注的指标上均表现不佳，同时价格也比较昂贵，只能用于支持高端车型的智驾方案。与之相反的是，特斯拉在与英伟达分道扬镳之后，基于其自研的 FSD 芯片，做到了极致的软硬一体化。它能非常高效地用处理硬件的算法去完成一些任务，从而极好地控制了芯片的功耗、面积及成本。因为，类似于苹果自研的 M 系列芯片，特斯拉针对自己的应用需求去对芯片做了架构上的剪裁，从而使整个底层硬件的计算资源能够做到更高的利用率。作为对比，特斯拉自研的 FSD 芯片尽管在工艺上跟英伟达 orin 具有一代的差距，因而，芯片的代工成本上仅为后者的三分之一，但是在整体功能实现效果上却表现更优（尤其是，在端到端领域，特斯拉在整体表现上更有优势）。图示 2：英伟达和特斯拉主力自动驾驶芯片参数和成本结构对比图源：佐思汽车研究，辰韬资本整理芯片厂商英伟达特斯拉芯片型号OrinThorFSDChip1(HW3)FSDChip2(HW4)SOP 时间2021TBD20192023支持功能/车型理想 L 系列车型：两块 Orin 芯片支持城市 NOA，可部署端到端大模型蔚来品牌全系：四块 Orin 芯片支持城市 NOA，可部署端到端模型TBDModelS/X/Y两块芯片支持 FSDv12，可部署端到端模型NPU总算力(TOPS)254200073.7121.65DieSize(平方毫米)455800（估计）260450（估计）制造工艺（纳米）84147代工厂三星台积电三星三星芯片代工成本（美元）602502070封测成本（美元）251201035合计成本8537030105一次性流片成本（估算）（美元）301001030含毛利率的销售价格（美元）2751157NANA与特斯拉类似，所有走“重软硬一体”路线的公司都可以针对自己的算法及架构特点构建平台体系，并以此为基础开发其他模块。无论是算法对于传感器，算法对于主芯片，抑或是中间件及底软对于芯片的整个相关性的设计都可以形成平台，并自此基础之上不断的迭代优化。特别需要强调的是，对苹果和特斯拉来说，“算法是平台”。“算法是平台”这一观点，跟主流的认知截然相反，因为，在自动驾驶行业里，尤其是被硬件思维主导的车企管理层的认知里，只有芯片才是“平台”，算法应该“跟着芯片走”。算法本身可被看作平台的核心原因是：算法是连接传感器/自动驾驶软硬一体演进趋势研究报告软硬一体定义及行业现状分析07 自动驾驶软硬一体演进趋势研究报告软硬一体定义及行业现状分析数据/功能/应用及底层芯片的“链主”，因而，将算法视作平台并提供相应的迭代机制，就可以让原本只能割裂开发的各个环节（如芯片和最终实现功能之间）之间实现有机的连接。作为对比，如果将芯片作为平台，则无法实现各环节之间的有效连接。苹果与特斯拉这类公司搭建起以算法为“链主”的平台的好处包括：可以提升开发效率；能够提升开发质量；系统侧的成本也会越来越低在整个量产落地的过程中，顺畅度及解决问题的效率都会大大提升。这种成本优势引导行业走向软硬一体的路线基本也得到了业界的共识，通过对行业内 28 名专家的访谈和调研我们可以看到，有 25 位专家认为通过软硬一体的模式确实能够为企业带来足够的成本优势。图示 3：软硬一体是否能带来成本优势？图源：辰韬资本与苹果及特斯拉模式相对的是，走“轻软硬一体”路线的公司则会基于自身的算法选择供应商或合作伙伴的芯片来做适配。在产业早期，市场上可选择的芯片较少，同时芯片算力的增长不能适配算法需求的增长时，他们也会针对性的对自研算法进行调整来配合芯片。而随着芯片算力遵循摩尔定律不断增长，当其能力远大于算法所需算力之后，这种针对性的优化和适配的工作会逐步减少，让软硬一体的程度变得更轻，因而耦合度进一步降低，甚至可能会走向软硬解耦。08软硬一体是否能带来成本优势？（单位：人）图示 4：回顾历史，摩尔定律是支撑 PC 端出现通用芯片的底层原因图源：Karl Rupp Blog:40 Years of Microprocessor Trend Data|Karl Rupp1.3 供应商的软硬一体策略1.3.1 芯片公司采用软硬一体策略的核心原因软硬一体的根基是芯片。目前看到的自动驾驶主芯片的主要架构是在 ARM 体系结构上搭载 CPU 及NPU，其中，CPU 作为通用的计算芯片，目前已经实现了很好的软硬解耦，但针对深度学习的 NPU 部分，还需要针对主流的量产算法进行定制化设计，使其利用率更高、且整体平衡性更好。因为，自动驾驶算法对于芯片的不同处理单元会有不同的需求，若需求与处理单元提供的能力不能吻合，就导致资源不均衡或者需要频繁的移动数据，进而造成额外的开销，并导致整体效率下降。传统芯片厂商往往会收集现行市场上所有客户的需求，然后进行梳理，并提前几年把所有的需求都汇总到芯片的研发计划当中。然而，由于目前行业对自动09自动驾驶软硬一体演进趋势研究报告软硬一体定义及行业现状分析驾驶算法的认知参差不齐，且基于当前需求进行未来产品设计具有明显的滞后性，所以，传统芯片厂商的产品规划思路对自动驾驶芯片厂商参考价值有限。地平线作为采用软硬一体策略的自动驾驶芯片公司的典型代表，虽然同样会做对整个行业的分析，但其关注点更多集中在 AI 模型及算法上，判断哪些会是未来的趋势，甚至会投入研究人员进行算法的自研，进而引导这种趋势。所以，地平线的芯片设计团队在指令架构、内存带宽配比、NPU 支持的算子形态等方面可以从算法团队获得精确输入，然后再针对自己的算法以及对于功能的理解去设计芯片。以这种方式设计出来的芯片，地平线自己推荐的算法的加速或者计算效率会非常高。当芯片推向市场时，地平线会尽量推荐客户采用自己定义的算法方案，这样才能取得更好的效果。这种方案的弊端是，客户或合作伙伴如要自己开发算法，那么整个网络设计的架构、算法的设计开发对于芯片的要求是不同的，在这种情况下，地平线自己设计的芯片就难以发挥出优势。1.3.2 软件 Tier1 们的软硬一体模式，因芯片类型的不同而有所差异软件 Tier1 针对平台型和专用型芯片厂商的产品的不同特点，会倾向于采用不同的软硬一体模式。目前，智驾赛道主流的芯片厂商可以分为平台型及专用型两大类：1.平台型芯片厂商的典型代表是华为及英伟达，他们的 GPU 或 NPU 芯片以PC 端为基础，进行适配从而成为自动驾驶需要的车规芯片。这种迁移导致这类芯片天生具有更强的通用性。由于硬件已经按照平台化的要求进行了提前设计，所以，他们的芯片无法和车端算法 100%适配，这会给芯片带来一些性能上的损耗；不过，优点是能够支持的算法范围更宽。2.专用型芯片厂商更多是算法主导，比如说像地平线或者是 Mobileye，在芯片定义之初就为了满足算法需求方案进行了专门的优化，具体的开发流程在 1.3.1中已经有过描述。针对对新算法的支持性比较好的平台型芯片产品，软件 Tier1 往往会采用较为领先和前瞻型的解决方案，在域控的设计上也会给算力留有比较多的裕量。这就意味着，这些解决方案的硬件成本往往较高，因而仅适合对于成本不太敏感的高端车型。但对软件 Tier1 来说，这种芯片的通用性意味着其存在软硬件解耦的空间，从一款平台型芯片转换到另一款平台型芯片的适配成本较小，其迁移成本往往会在可接受的范围内。自动驾驶软硬一体演进趋势研究报告软硬一体定义及行业现状分析10针对更适合于成熟解决方案的专用型芯片产品，软件 Tier1 可发挥的空间有限。但如果芯片厂商愿意以开放的心态跟软件 Tier1 合作，那软件 Tier1 就有机会通过跟该芯片厂商绑定，基于其芯片对自己的是算法做深度优化，打造出“轻软硬一体”的模式（如轻舟智航跟地平线的合作）。这种方案的优势在于具有效率及成本优势，可以支持对价格更为敏感的中低端车型，因而，对于算法已比较成熟的软件 Tier1 来说是非常好的选择。在这种模式下，除非有必要切换整个算法解决方案，否则软件 Tier1 进行软硬解耦的意愿会很弱，因为，切换芯片的成本会特别高。在报告的前期调研中，针对行业内所有参与者的竞争优势以及生存空间，大部分受访者认为，芯片厂商及软件厂商在软硬一体方案下各具优势，差距不大；而超过三分之二的人认为，Tier2 软件厂商不一定要依赖硬件产品生存，不过生存空间较小，只能集中在一些特定领域。（见下图）图示 5：软硬一体的方案优势对比及 Tier2 厂家未来生存空间调研图源：辰韬资本自动驾驶软硬一体演进趋势研究报告软硬一体定义及行业现状分析11软硬一体的方案下谁更有优势?（单位：人）无硬件产品的 Tier2 厂家未来是否有生存空间?（单位：人）1.4 整车厂的软硬一体策略目前，整车厂中对“重软硬一体”策略执行得最彻底也最成功的就是特斯拉。有特斯拉珠玉在前，国内的蔚小理以及比亚迪也在朝着软硬一体的方向努力。相比于芯片自研，算法自研的前期投入少，并且对产品力的影响大，所以所有重软硬一体的整车厂都经历了“先算法后芯片”的递进过程。自动驾驶软硬一体演进趋势研究报告软硬一体定义及行业现状分析12首先，在自动驾驶算法方面，OEM 自研已经成为一个不可忽视的趋势。主机厂对智驾算法的投入主要基于两个方面考虑：1）自我定位是自动驾驶公司，所以自动驾驶作为核心功能必须自研；2）自我定位是传统 OEM，自研更多是基于对于自动驾驶算法可控的考虑，这样可以保证供应链安全。由于主机厂在数据及方案选择权上有着非常明显的优势，在未来自动驾驶 L3 或 L4 的的渗透率达到30%，甚至更高水平的时候，同时，若主机厂内部管理层的软件思维也足够强、企业文化足以支撑软件研发，主机厂就会更加倾向自研算法。基于算法的自研或可控，整车厂是否要选择“重软硬一体”的策略，一般会从成本和配置的角度采取不同策略：1）针对低阶智驾配置方案，整车厂倾向于采用供应商提供的“重软硬一体”方案（比亚迪可能会成为例外），而高阶智驾配置则更多的寻求算法自研，在自身体系无法支撑自研的情况下，会通过寻求外部合作及消化吸收为内部能力的方式来推进；2）针对芯片方向，因为研发芯片需要在人才资金方面有很大的前期投入，只有体量较大且现金流较为充裕的主机厂才有能力涉足芯片设计领域。国内的主机厂中目前蔚来、小鹏和吉利已经流片成功，而理想和比亚迪也都做出了自己芯片开发的计划，但是因为以上几家的芯片产品目前还没有整车厂的芯片达到量产装车的状态，采用“重软硬一体”策略的具体效果还有待进一步验证。由于有特斯拉的成功案例，目前行业普遍的看法是，整车厂做“重软硬一体”具备可行性，但是考虑到中国每年 20003000 万的销售总量，最终只有行业头部几家整车厂可能会具备采用“重软硬一体”方案的条件。关于芯片研发的盈亏平衡点，我们可以基于以下简易模型做粗略估算：以7nm 制程、100 TOPS 的高性能 SoC 为例，其研发成本高于 1 亿美元（包含人力成本、流片费用、封测费用、IP 授权费用等等），若以售价 100 美元、毛利率50%计算，其盈亏平衡点为 200 万片芯片出货量。当然，芯片研发的盈亏平衡点受到制程、售价、研发投入等多方面影响，行业普遍认为，自研芯片的年需求量若低于 100 万片，很难具备经济性。考虑到当前自动驾驶行业的技术方案和芯片架构几乎每三年发生一次重大升级，自研芯片的库存需要控制到极低水平方可，因而，部分车企的自研芯片也在寻求更加广泛的生态联盟来实现盈利。自动驾驶软硬一体演进趋势研究报告软硬一体开发能力分析132.1 智驾系统算法架构 典型的智驾系统包括感知、定位、预测、决策规划及控制模块：感知模块（Perception）上一代感知算法更多基于 CNN 卷积神经网络实现，所以，软硬一体的芯片厂商在设计上会针对 CNN 卷积神经网络进行很多优化。当前，随着感知模块逐虽然软硬一体的方案能够为企业带来成本上的巨大优势以及更广阔的生存空间，但是它对于对于企业在技术能力上提出了更为苛刻的要求执行软硬一体战略的企业必须在算法、芯片（重软硬一体）以及中间件和底软等领域有着深度的技术积累和工程经验。2.软硬一体开发能力分析图示 6：车载智能计算基础平台参考架构来源：车载智能计算基础平台参考架构 2.0（2023 年）步演进为基于注意力架构的 ViT 模型以及无注意力的 Mamba 模型的趋势，芯片厂商需要针对性地进行芯片设计上的优化并搭建相应生态，这将会对未来的行业软硬一体格局产生深刻影响。预测模块（Prediction）随着 BEV Transformer 技术方案大行其道，通过 spatialattention 的信息关联方式获得更准确的预测信息成为目前最主流的预测技术，这也解决了之前的预测算法输出结果不够平滑的问题。和感知及融合模块类似，目前的算法同样也要求计算芯片能够针对 Transformer 提供足够的优化，并且需要更多的算力支持。决策与规划模块（Decision and Planning）受制于技术方案决定的能力上限，传统的决策方法在解决复杂场景时表现不佳，目前的主要趋势是将决策规划模块神经网络化，进而实现模块化的端到端，最终向 onemodel 端到端的解决方案转化，这个转化会带来神经网络的计算量较大的提升，这也对目前智驾芯片的算力和性能提出了一定要求。除此之外，为了解决端到端方案的可解释性问题，目前行业内也提出采用车端多模态大模型来输出场景描述和判断逻辑。这种用于决策的车端多模态大模型的引入，一方面会导致车端计算量的急剧上升，另一方面也需要芯片厂商基于大模型进行相应的优化及设计，这些都会对未来行业软硬一体的发展格局造成一定影响。控制模块（Control）传统控制算法主要运行在 MCU 上，所以对于我们讨论的域控的中央芯片的影响较小。此外目前也有部分端到端算法将控制算法融合进大模型的架构，会引起计算量的微小提升，但这些都对软硬一体格局的影响不大。自动驾驶软硬一体演进趋势研究报告软硬一体开发能力分析142.2 智驾域控系统硬件架构目前车规级的智驾芯片基本都属于 SoC 范畴，其集成了包括多个处理器、存储器和其他部件在内的较完整的信息处理系统的半导体芯片，一般这些处理器具有异构的特性。从软件层面来说它可以存放并运行系统级别的代码，即可以运行操作系统，也会包含多个处理器，通常具有“CPU XPU”的多核架构，例如可拆解为 CPU GPU DSP NPU 存储 接口单元。相比于传统的车载芯片，自动驾驶 SoC 芯片的算力有了数量级的提升，并且，自动驾驶 SoC 芯片上通常需要集成除 CPU 之外的一个或多个 XPU 来做 AI 运算。用来做 AI 运算的 XPU 可选择 GPU/FPGA/ASIC 等。自动驾驶软硬一体演进趋势研究报告软硬一体开发能力分析15图示 7：典型的车载芯片分布图源：辰韬资本座舱1.空调2.HMI3.座椅动力系统1.发动机控制2.发动机管理系统3.传动系统4.冷却系统车身1.车门控制2.车身控制3.后备箱控制4.灯光底盘及安全1.悬架2.制动3.驻车4.EPS5.气囊远程及通信1.网关2.V2X3.OTA目前，市场上主流的自动驾驶 SoC 芯片的处理器架构方案(或称技术路线)有以下三种：自动驾驶软硬一体演进趋势研究报告软硬一体开发能力分析16图示 8：不同芯片类型优劣势对比图源：辰韬资本类型优势劣势代表芯片通用并行加速芯片通用性强功耗高英伟达 Thor性能高地平线 J6P神经网络专用加速芯片定制设计通用性弱地平线 J5功耗低高通骁龙 RideFPGA灵活性强价格高赛灵思 Vertex7英伟达、地平线等，所设计的自动驾驶 SoC 芯片采用 CPU 通用并行加速芯片方案。这种通用并行加速芯片以英伟达的 GPU 作为主要代表，由于其架构具有通用性，比较适合算法快速迭代期采用“轻软硬一体”方案的车企或软件 Tier1选择。类似地，地平线的 J6P，也采用了通用加速芯片方案，这为生态合作伙伴走“软硬解耦”或“轻软硬一体”创造了条件。Mobileye、地平线等，致力于研发销售自动驾驶专用 AI 芯片，采用 CPU 神经网络专用加速芯片方案。因为这类专用加速芯片对于算法约束较多，所以这种芯片本身需要和算法绑定得更深，很多时候也需要芯片厂商自己走“重软硬一体”模式；或是引导生态伙伴中的软件 Teir1 采用“轻软硬一体”的策略，与自家的专用加速芯片进行深度绑定。此外，还有部分自动驾驶公司在早期采用 CPU FPGA 的方案做自动驾驶算法验证。这类芯片灵活性强，但是性价比较低，只能用于早期的算法测试，不适合作为最终产品进行量产，因而对于软硬一体的最终生态不会造成什么影响。自动驾驶软硬一体演进趋势研究报告软硬一体开发能力分析172.3 智驾域控系统底层软件2.3.1 操作系统目前，产业内对智驾操作系统的主流选择是，采用 QNX 或基于 Linux 内核进行裁剪。在应用于自动驾驶领域之前，QNX 主要应用于手机行业。QNX 作为一个微内核只涵盖了最为基本的调度及内存管理，所以，它的优势在于高可靠性，协议栈、各种外设驱动稳定，这就意味着它天生适合用于开发 RTOS 系统。但是由于其完全闭源的特性，在生态方面的局限性也太明显，这使得它目前在自动驾驶领域的落地并不理想。尤其是，难以满足高阶智驾方案的需求。相比之下，基于 Linux 进行裁剪开发出的各种 RTLinux 系统，其本质上仍然是宏内核，除了调度及内存管理外，文件、驱动以及网络协议等功能也是一应俱全。另一方面，Linux 属于纯开源系统，所以具有免费的特性，而且它的生态资源丰富，可以无缝对接大量第三方库，因而可以更好地适配目前自动驾驶软件迭代对于软件库快速增加的需求。RTLinuX 的主要劣势是，在实时性上略逊 QNX 一筹，而且其较高的系统复杂度也增加了出现 bug 的概率，不过，目前车厂已经通过软件及功能架构的设计对 RTLinuxX 的劣势进行最大程度的规避。总体而言，RTLinux 可满足 POSIX 标准，从而一方面让基于它们开发的中间件有共同可遵循的标准，对于中间件公司相对较为友好；另一方面也可以支持不同架构的自动驾驶芯片，通用性强，因而，对于软硬解耦不会设置过多的阻碍。除此之外，未来生态逐步在向舱驾一体的方向演化。由于智驾域在可靠性、稳定性以及实时性的要求远高于座舱域的系统，因而，同一套操作系统想要兼容两个域的需求难度极大。目前的解决方案大部分是基于oneboardtwochip的方案，不同芯片跑不同的系统，从侧面规避了这个问题。而长期来讲，舱驾一体的技术方向会走向单芯片模式，在单芯片的舱驾一体方案下，是否能有稳定可靠的操作系统在单芯片上同时满足两个域的需求，就会影响方案落地的速度。这些操作系统的优化与芯片以及域控的架构息息相关，从而会间接助力行业走向“轻软硬一体”的状态。2.3.2 中间件中间件是连接芯片及应用软件的桥梁，所以中间件开发对所选择的芯片以及需要支持的应用层架构对比较敏感。目前对于中间件的核心关注点主要在于性能表现，具体包括两个方面：一是中间件的实时性，二是中间件对于系统资源的占用。传统的 AutoSARCP 由于最早是针对 MCU 开发，后期在向 SoC 芯片平台移植的工作较多，且仅支持 SOME/IP，所以目前已经逐步让位于更加主流的 AutoSARAP。由于 AP 相较于 CP 具有更好的灵活性，对于软硬解耦会有所帮助。对于大数据量的传输方案，DDS 是目前行业的主流选择。早期的 DDS 更多应用于工业系统，所以在移植到车辆系统初期遭遇了一些瓶颈。目前随着车载系统软件公司以及整车厂的不懈努力，针对 DDS 的适配已经得到了长足发展。目前国内的中间件公司都已经基于 AP/DDS 提供了定制化的解决方案。这种中间件通用性的提升，从某种程度上降低了软硬解耦的门槛。2.3.3 工具链除运行在自动驾驶车辆上的软件外，用于数据采集、处理、标注、模型训练平台、仿真平台、OTA 工具和一些其他环节的开发工具都属于开发工具链的范畴。其中的模型训练平台以及部署相关的工具，跟软硬一体有很强的相关性。在自动驾驶行业内，模型训练平台及相关部署工具做得最好的公司是英伟达。英伟达依靠其 CUDA 生态的得天独厚优势，基于 Xavier 及 Orin 芯片，提供了全套的模型训练及加速工具，如静态框架的 TensorFlow(Google 开发，英伟达深度支持) TensorRT，此外也可以采用支持动态框架的 PyTorch ONNX 的全套工具链。这些工具链可以无缝对接其强大的模型开源生态，让开源社区的 SOTA 算法在英伟达芯片上可以快速适配部署及应用。这种成熟的链条也使得软件 Tier1容易倾向于采用英伟达芯片及工具链构建“轻软硬一体”战略。而采用 ASIC 方案的软件 Tier1 由于 ASIC 芯片本身特性制约，针对新算子的适配更为复杂。训练以及部署平台如何对包含这些新算子的模型进行训练和部署也存在很多不确定性，甚至存在某些算子，当前的 ASIC 方案可能完全不支持或者计算效率极低导致包含该算子的模型完全不可用的可能性。因而，在算子尚未成为行业标准的早期，软件 Tier1 需要得到芯片原厂更多的支持。这也意味着，基于这些芯片提供解决方案的软件 Tier1 或整车厂需要跟芯片厂商深度绑定。如果切换芯片则需要重新熟悉大量的部署以及加速工具，带来了比较高的迁移成本。这种特性也间接推动了“轻软硬一体”生态的形成。自动驾驶软硬一体演进趋势研究报告软硬一体开发能力分析18自动驾驶软硬一体演进趋势研究报告自动驾驶赛道公司概况193.1 主流芯片厂商市场上主要的自动驾驶芯片厂商如下：3.1.1 英伟达英伟达的自动驾驶芯片主要定位在 L2 及以上等级的智能驾驶，2019 年推出的自动驾驶领域的主力芯片 Orin 算力达到 250TOPS，在当时遥遥领先于行业内的其他竞争对手。作为一款平台型芯片，尽管他的价格不菲，在推出之后仍然成为大量“轻软硬一体”的软件 Tier1 以及整车厂高端车型自动驾驶解决方案上的首选。其通用以及高算力的特性也让软件 Tier1 以及整车厂可以从上一代基于CNN 的感知模块平稳地过渡到 BEV Transformer 的技术方案，以及之后的模块化端到端解决方案，很好地支持了这些客户的“轻软硬一体”战略。在 2022 年，英伟达发布了新一代智驾芯片 Thor，采用了先进的 4nm 工艺，算力可达 2000TOPS。其不仅在算力、性能上有极大提升，还被认为具备了支持车端大模型的潜力。从功能上分析，Thor 可被配置为多种模式，可以将其 2000TOPS 算力全部用于自动驾驶工作流；也可以将一部分用于驾驶舱 AI 和信息娱乐，一部分用于辅助驾驶，为下一代的舱驾一体架构提供了芯片层面的保证。从这个角度讲 Thor 有希望被软件 Tier1 绑定，为高端车型提供舱驾一体的软硬一体解决方案。除了提供芯片产品外，英伟达也同样组建了自动驾驶解决方案团队，进行了“重软硬一体”战略的尝试。公司目前作为 Tier1 为奔驰提供包括芯片、智驾算法及座舱在内的全套解决方案，与其他 Tier1 相比略显不足的是，双方的合作从2020 年开始，但是目前仍未达到量产落地的状态。3.自动驾驶赛道公司概况自动驾驶软硬一体演进趋势研究报告自动驾驶赛道公司概况203.1.2 华为华为是自动驾驶芯片赛道上最具代表性的走“重软硬一体”路线的公司。目前计算平台所使用的主芯片是 Ascend310，Ascend610，Ascend620。这几款芯片的最大亮点就是采用了达芬奇架构。达芬奇架构采用3DCube，针对矩阵运算做加速，大幅降低了同等 AI 算力下的功耗。图示 10：Thor 可被配置为支持多种模式图片来源：英伟达官网图示 9：英伟达最新的 Thor 芯片可达接近 2000 TOPS 算力图片来源：英伟达官网除芯片外，华为也有针对自动驾驶的全套解决方案 ADS，是所有芯片厂商中对软硬一体策略执行得最重的一家。其提供的产品全面覆盖了芯片、操作系统、工具链以及自动驾驶算法各个环节。由于在智驾软件领域有超过几千人的团队支撑，所以在 BEV 以及占据网络等新技术上都实现了快速落地，其在城区 NOA 的体验方面也是居于国内的第一梯队。能够实现这些新技术的快速落地以及产品的快速迭代都和华为坚定的执行“重软硬一体”策略带来的速度优势有极大关联。目前华为基于这套“重软硬一体”的 ADS 解决方案与赛力斯、奇瑞及长安阿维塔都进行了全面合作，取得了很好的效果，智驾系统的选装率也达到了较高水平。3.1.3 地平线地平线属于行业内执行软硬一体方案以及打造智驾生态比较成功的芯片公司。其产品线较为全面，涵盖了 CPU ASIC 及 CPU GPU 两种不同架构。早期推出的 J2 和 J3 主要用于 L2 级别自动驾驶功能，从芯片到算法全部都由自己提供，采用了“重软硬一体”的打法。从 J5 开始，其策略逐步开始向软硬解耦的方向转化。J5 目前的量产算法是由生态合作伙伴（如轻舟和鉴智及觉非等）做算法及交付，从“重软硬一体”逐步转向软硬解耦策略，并以打造与合作伙伴的生态为主。2024 年 4 月，地 平 线 发 布 了 全 新 一 代 车 载 智 能 计 算 方 案 J6 系 列 以 及SuperDrive 全场景智能驾驶解决方案，其中 J6 旗舰芯片 J6P 实现了 CPU、BPU、GPU 和 MCU 四芯合一，提供了更高的芯片架构集成度，单颗芯片最高算力高达560TOPS。J6 将延续软硬解耦的商业策略，在 2024 年内通过生态合作伙伴开启首个前装量产车型交付，并预计于 2025 年实现超 10 款车型量产交付。图示 11：地平线征程系列芯片图片来源：地平线 J5 发布会21自动驾驶软硬一体演进趋势研究报告自动驾驶赛道公司概况自动驾驶软硬一体演进趋势研究报告J6 的旗舰版 J6P 的落地，在短期内会是“重软硬一体”模式（算法由地平线自己开发），待后续有软件 Tier1 或车企基于 J6P 做算法后，则又走向软硬解耦的路线；而对长期使用 J6P 的软件 Tier1 或车企来说，则是“轻软硬一体”。3.1.4 高通在 2020 年 1 月，高通推出了骁龙 Ride(SnapdragonRide)平台，作为其迈向自动驾驶赛道的平台产品。图示 12：高通骁龙 Ride 芯片架构图片来源：高通官网不过一代产品（SA8540P）并没有能成功打开市场，出货量较少。而其二代产品系列（包括 SA8620P，SA8650P 等)提供了从 36TOPS 到 100TOPS 的算力，在国内与 momenta，卓驭及毫末分别联合发布了辅助驾驶及自动驾驶解决方案，坚持走软硬解耦的商业路线。除以上合作外，高通在“重软硬一体”路线上也有所布局。其在 2021 年与合作伙伴联合收购自动驾驶公司 Veoneer，并在接下来的一年将其软件部门 Arriver收归帐下。而 Arriver 的计算机视觉、驾驶策略和其他自动驾驶相关资产也被整合到骁龙 Ride 平台上。从而让高通具备为客户提供高级驾驶辅助系统(ADAS)解决方案的“重软硬一体”能力。22自动驾驶赛道公司概况自动驾驶软硬一体演进趋势研究报告3.2 整车厂3.2.1 特斯拉在 整 车 厂 中，特 斯 拉 是 一 个 从 使 用 供 应 商 的“重 软 硬 一 体”（早 期 跟Moibleye 合作阶段）方案转向“轻软硬一体”（跟英伟达合作阶段）、最终又将基于自研芯片走上“重软硬一体”之路的典型代表。其采用的 BEV Transformer 的感知 融合 预测方案，以及从 FSD12.3起开始推送的模块化端到端方案都引领了行业智驾算法的发展。除了算法方面的领先，特斯拉在芯片方面也探索出了自己的道路。早期的自动驾驶解决方案搭载的芯片包括MobileyeEyeQ3 与英伟达DRIVEPX2，后期则选择自研的FSD 芯片。一代芯片于 2019 年正式流片，采用 14nm 工艺，整个芯片约由 60 亿颗晶体管组成。二代芯片发布于 2023 年，采用了 7nm 工艺，包含三个 NPU 核心，算力可达 120TOPS。图示 13：特斯拉 BEV 网络架构图片来源：特斯拉DemoDay23自动驾驶赛道公司概况自动驾驶软硬一体演进趋势研究报告自动驾驶赛道公司概况其核心技术来源于由两颗 NPU 组成的 NNA（NeuralNetworkAccelerator，神经网络加速单元）系统，并针对自身的自动驾驶算法进行了大量优化，包括：1.在每个计算周期，NPU 都会从内置的 SRAM 中读取激活数据，并和权重数据组合在一起进入乘法累加，在完成了 MAC 的乘法累加运算后，数据将会被转移到激活以及池化部分，然后写入缓冲区，进行结果汇总。2.NNA设计了非常大的片上 SRAM 缓存，这样可以让数据尽可能地在片内周转，而不用频繁地与内存或者其他模块进行读写操作。这样做不但可以提高性能，还可以有效降低功耗。基于在自研芯片以及自动驾驶算法领域的领先性，特斯拉是目前执行软硬一体策略执行的最为成功的整车厂。一方面算法方面的不断突破为他们带来了软件领域的优势，另一方面自研芯片以及工具链也让他们可以将这些软件优势快速转化为产品力体现在最终车辆当中。3.2.2 理想理想又是一个从使用供应商的“重软硬一体”方案转向“轻软硬一体”，最终又将基于自研芯片走上“重软硬一体”之路的典型案例。理想在早期使用 Mobileye 提供的“重软硬一体”方案，在进入 2020 年之后，为自己掌握自动驾驶能力，开始使用地平线的芯片，并在地平线的帮助下开始自研算法，这是走向了“轻软硬一体”。此后，理想又基于英伟达的 Orin 自研高阶智驾的算法，仍然坚持“轻软硬一体”战略。除算法方面逐步走向自研的道路，理想也已经在启动智驾芯片的研究，主要采用 NPU 方案来实现推理加速的运算，并已有相应的流片时间计划。未来理想有望基于自研的自动驾驶方案进行自研芯片的设计，从而获得更好的性能匹配以及成本优势，走向“重软硬一体”的道路。对于自研芯片的整车厂而言，从供应商的芯片切换到自研芯片的过程，属于软硬解耦；但在切换完成之后，若长期使用自研芯片，则是“重软硬一体”。根据过往经验，在刚切换到自研芯片的前期，自动驾驶系统的性能可能会有所下降，但过了早期的过渡期后，性能相较以前又会有较大的提升。24自动驾驶软硬一体演进趋势研究报告自动驾驶赛道公司概况图示 14：蔚来的神玑芯片参数图片来源：蔚来官网3.2.3 蔚来跟理想类似，蔚来也是一个从使用供应商的“重软硬一体”方案转向“轻软硬一体”，最终又将基于自研芯片走上“重软硬一体”之路的案例。早期使用 Mobielye 提供的“重软硬一体”方案；后面连续几年基于英伟达Orin 自研算法，这是“轻软硬一体”；接下来，若自研的芯片在量产上可用，并且整车的销量也足以支撑芯片研发系统的维护成本，蔚来将走向“重软硬一体”模式。3.2.4 小鹏目前小鹏已经拥有 Xpliot/XNGP/XNGP 全系列自动驾驶/辅助驾驶架构。这几个解决方案全部由小鹏自研，并基于英伟达芯片实现，所以小鹏目前属于行业内对“轻软硬一体”路线执行得最坚决的造车新势力。但通过近日在发布会上宣布自研芯片“图灵”流片成功的消息，小鹏也展现出了在未来逐步迈向“重软硬一体”的决心。图灵芯片可以支持 30B 的大模型，可以为作为未来高阶自动驾驶的计算芯片。同时这块芯片也会用于小鹏的人形机器人，同步让其人形机器人也完成向“重软硬一体”生态的转化。不过，小鹏的“重软硬一体”之路能否真正走通，也取决于车的销量，以及其跟大众的合作能否持久；反过来，若“重软硬一体”之路走通，则大众也会有可能采用小鹏的“重软硬一体”方案。25自动驾驶软硬一体演进趋势研究报告自动驾驶赛道公司概况3.2.5 比亚迪不同于特斯拉以及蔚小理等造车新势力较早开始布局自动驾驶，比亚迪在这个领域发力较晚。但是从路径上走的仍然是从与供应商合作，到自研自动驾驶算法，最终开始自研智驾芯片的道路。比亚迪在 2021 年与 Momenta 成立合资公司迪派智行，开始面向高阶自动驾驶布局。主要依靠软件 Tier1Momenta 基于英伟达 Orin 芯片为自己的高端车型提供“轻软硬一体”解决方案。而从 2022 年开始，公司开始自行组建智驾团队，基于英伟达的 Orin 芯片进行智驾算法的开发，其自研的高速 DNP 算法在同年开始在比亚迪汉上推送。在 2023 年自研的高速 NOA 算法在腾势及仰望等高端车型完成了推送，这一阶段属于绑定 Orin 的“轻软硬一体”阶段。在 2023 年，比 亚 迪 已 经 开 始 进 行 小 算 力 智 驾 芯 片 的 研 究，对 标 TI 的TDA4vm。希望通过这款低成本芯片实现 1020 万中低端车型的自动驾驶功能的“重软硬一体”方案。比亚迪对“重软硬一体”的考虑跟蔚来有所不同蔚来是先从大算力芯片开始，而比亚迪则是先从小算力芯片开始。这跟两家公司主流车型的市场定位有关。在使用英伟达芯片的阶段，从供应商的算法切换到自研算法的过程，是软硬解耦；在使用自研算法的阶段，从英伟达的芯片切换到自研芯片的过程，是软硬解耦。比亚迪向“重软硬一体”的转型成功需要有个前提：能打造出适合软件开发的组织文化。图示 15：小鹏发布图灵芯片图片来源：小鹏汽车发布会26自动驾驶软硬一体演进趋势研究报告自动驾驶赛道公司概况3.3 软件 Tier13.3.1 MomentaMomenta 在前一阶段处于“轻软硬一体”状态。其在高阶智驾上绑定了英伟达的 Orin 芯片提供其 MpilotX 解决方案，目前已经在上汽的智己以及比亚迪的腾势上实现了量产。不过，在 2024 年，Momenta 也高调宣布了未来会与高通进行合作，基于骁龙 Ride 进行一些领航类低阶辅助驾驶功能的开发。将基于英伟达平台开发出来的算法移植到高通的芯片上，则是一个软硬解耦的过程。此外，Momenta 目前也已经有了芯片领域的规划，Momenta 一方面在 2023年招揽了十几名 OPPO 旗下的芯片设计公司哲库的技术骨干进行自动驾驶芯片的研究，另一方面也开始与台湾 ASIC 服务厂商沟通 5nm 芯片的量产计划。一旦自研芯片取得成功，经历了从英伟达、高通的芯片切换至自研芯片的“软硬解耦”过程后，Momenta 将走上跟 Mobileye、地平线、华为和英伟达一样的“重软硬一体”之路。对软件 Tier1 来说，从“轻软硬一体”走向“重软硬一体”，最大的挑战可能并不在技术，而在于如何取得主机厂客户对其自研芯片的信任。因为，通常来说，主机厂选择软件 Tier1 的逻辑，是先选择芯片平台，然后再看哪个软件 Tier1 最有能力把该芯片用好，再定点软件 Tier1，而非因为认可某个软件 Tier1 的算法，然后再用他推荐或自研的芯片。不过，一旦其“重软硬一体”方案拿下了几个具有说服力的量产项目，并经过验证比之前使用供应商芯片的“轻软硬一体”方案性能优且成本更低，就有机会快速扩大市场占有率。3.3.2 卓驭科技（大疆车载）在国内所有软件 Tier1 当中，大疆车载是最早将智驾功能定位在中低端车型上的供应商。为了适配中低端车型，卓驭从芯片到传感器上的各个要素都考虑极致性价比。为了保证稳定性和研发深度，大疆车载选择了比赛道其他玩家更加彻底的“轻软硬一体”模式。其他玩家的“轻软硬一体”一般以绑定芯片供应商为标志，而大疆车载的“轻软硬一体”不仅绑定了 TI 的 TDA4 这款芯片，在早期还严格绑定了通用五菱的车型进行深度开发。这就让其在算法层面以 TDA4 为基础进行深度适配，而在传感器层面则参考五菱的车型。27自动驾驶软硬一体演进趋势研究报告自动驾驶赛道公司概况虽然 TDA4 的芯片算力仅有 32TOPS，但是通过大疆在算法层面的极致优化，能同时支持 7 路摄像头的深度学习算法，并让最终方案可同时提供大量的泊车以及辅助驾驶功能。能够做到如此深层的优化，与大疆从最初就选定了高性价比的TDA4 芯片并基于此进行算法优化的“轻软硬一体”的路线有直接关系。凭借这个性价比优势，卓驭的自动驾驶解决方案已经在上汽以及比亚迪的多款车型上实现量产。值得一提的是，2024 年大疆也接过了高通的橄榄枝，开始基于高通 8650 提供城区 NOA 方案，转向软硬解耦方向。28自动驾驶软硬一体演进趋势研究报告行业未来发展趋势基于对于资深专家的访谈以及对历史上其他行业的情况进行横向对比，我们总结出了更适合采用软硬一体策略的公司/行业/阶段几个判定标准：1.技术成熟度：算法技术框架已经收敛；2.技术平权度：芯片设计技术/方案的复杂度不算太高，且已经有很多公司掌握了该技术/方案；3.总收益：所处赛道的市场体量足够大，市场回报能够覆盖软硬一体的成本。以上三个标准，满足其中一条时公司就具备考虑软硬一体的条件，满足其中两条时公司就会具有推动软硬一体的动力，如果三条全部满足则软硬一体就是公司在当前的最优选择策略。4.行业未来发展趋势图示 16：影响软硬一体策略判定的三要素图源：辰韬资本竞争收益技术软硬一体29自动驾驶软硬一体演进趋势研究报告行业未来发展趋势4.1 软硬一体的综合趋势总体来看，软硬一体与软硬解耦是一体两面，最终市场会形成两者并存的态势，但是短期内，软硬一体的公司在市场上体现出更强的竞争力。手机行业在软硬一体方面的历程值得我们进行借鉴。手机产业在功能机阶段，由于技术栈相对简单，所以很多传统手机厂商例如摩托罗拉等公司采用了“重软硬一体”的方式，自研了从芯片到应用的全套技术栈。此外，也有诺基亚等厂商绑定了某家芯片厂商（TI 或 MTK）等，走上了“轻软硬一体”的道路。而当手机发展到高阶的智能手机阶段，我们可以看到行业内就出现了分化。一方面，存在苹果这类从芯片覆盖到操作系统的“重软硬一体”公司；另一方面，也存在安卓这样独立的操作系统，这类产品可以适配市面上各类不同芯片，而非跟某一款芯片进行强绑定，这就让整个行业处于“重软硬一体”及“轻软硬一体”共存的状态。参考手机以及其他大量行业的经验，我们认为自动驾驶行业软硬一体的趋势会根据自动驾驶方案的高低阶而有所不同：1.对低阶智驾，主机厂往往会直接采用供应商的软硬一体方案，并向标准化的方向发展。2.对高阶智驾算法等关键能力，主机厂自研的比例会越来越高。如果只自研算法，不自研芯片，那么，从供应商的算法切换到自研算法的过程，是软硬解耦；但如果自研算法在后面长期跟某个供应商的一款/同系列芯片捆绑，则又形成新的软硬一体（“轻软硬一体”）。3.当芯片算力远大于实际应用的需求、解决方案与芯片的适配不再成为核心能力时，软硬解耦的制约因素就少了一个。不过，由于当前芯片制程已经接近极限，而还有散热等其他问题有待解决，短期内仍难以实现软硬解耦，在很长一段时间内，软硬一体策略仍然会是行业主流。智能手机/功能手机摩托罗拉诺基亚Apple华为智能手机小米操作系统自研自研自研安卓/自研安卓芯片能力自研TI自研自研高通首发时间19831994200720092011图示 17：以手机行业的软硬一体发展趋势为参考图源：辰韬资本30自动驾驶软硬一体演进趋势研究报告行业未来发展趋势为了给出清晰的行业形式分析，这里我们给出针对成熟赛道&新兴赛道以及初创公司&巨头两个不同维度的对比：成熟赛道 v.s 新兴赛道：对比起新兴赛道，成熟赛道在技术框架成熟度高、且行业技术相对已经普及的情况下，行业内体量比较大的公司倾向于执行软硬一体策略。反之，新兴赛道，在技术框架成熟度、技术扩展度（技术平权水平）都不足的情况下，如果行业内没有体量较大的公司，则赛道内的玩家会习惯于通过精细分工（软硬解耦）的方式抱团取暖。而一旦有公司获得了比较高的回报或者有足够的资本支撑，会开始倾向于走软硬一体的道路。成熟赛道的初创公司 v.s 成熟赛道的行业巨头：在成熟赛道，初创公司在早期几乎不可能有足以与巨头抗衡的市场回报，因而，对初创公司来说，选择“重软硬一体”的模式非常不经济。在自身的技术方案选择正确的前提下，“轻软硬一体”的模式可以为初创企业提供更好的支撑。而对行业巨头来说，因为针对成熟赛道条件一和条件二都满足，在自身体量足够大且企业文化支持的情况下，选择“重软硬一体”始终是比较有优势的模式。图示 18：软硬一体发展趋势及驱动因素调研图源：辰韬资本软硬一体是否是未来的必然趋势?（单位：人）现阶段创业公司软硬一体的方案更多的是为了迎合产业还是资本方的需求?（单位：人）31自动驾驶软硬一体演进趋势研究报告行业未来发展趋势通过调研我们可以看到，28 位受访的行业专家中的 12 位认为软硬一体是必然趋势，而其余的 16 位则认为它只是选择之一。对于如今行业软硬一体大行其道的原因，8 位专家认为单纯是行业格局及技术发展水平催生了这个态势，另外 19位则认为产业及资本共同推动了业内软硬一体的生态。4.2 自动驾驶赛道玩家未来的道路选择4.2.1 整车厂根据我们的判定标准，只要整车的销售量达到可以覆盖芯片开发成本的级别，整车厂就会有比较强自研芯片的动力，然后走上“重软硬一体”之路。目前特斯拉已经走上了这条道路，而国内蔚来、小鹏、理想和比亚迪都已经开始了自己的全栈自研路线。（当然，全栈自研能否持续走下去，还得看销量及组织能力。）除了刚刚提到的因素之外，相比于 Tier1 及芯片供应商，整车厂更容易获得用户数据，这也就意味着如果整车厂搭建出足够好的数据链路，就更容易获得好的端到端算法效果。这种在算法方面从弱到强的变化，也让一些软件能力较强的整车厂成为自动驾驶赛道所有类型的玩家中最容易从软硬解耦向软硬一体发展的成员。从统计数据来看，受访的 28 位专家中有 9 人认为排名靠前的整车厂最终道路一定是全栈自研（制造芯片），而另外 19 位则持相反观点。图示 19：全栈自研是否会成为成为未来整车厂的主流趋势?图源：辰韬资本（单位：人）32自动驾驶软硬一体演进趋势研究报告行业未来发展趋势不过，受访专家大多只关注主机厂的销量是否足够支撑全栈自研，却忽略了其组织文化对全栈自研能否成功的影响，并且，组织文化对自研成败的影响也很难量化。因此，上述统计结果的参考价值有限。销量或者技术竞争力不足的整车厂中，赛力斯等选择了华为的“重软硬一体”方案，奔驰和捷豹路虎选择了英伟达的“重软硬一体”方案，大众选择了地平线的“重软硬一体”方案和小鹏的“轻软硬一体”方案（后面还有可能切换到小鹏的“重软硬一体”方案），上汽智己则选择了 Momenta 的“轻软硬一体”方案（后续还可能切换到 Momenta 的“重软硬一体”方案）。如果上述车企的自研实力提升了，就有可能由供应商的“重软硬一体”切换到“轻软硬一体”。不过，考虑到传统车企的组织文化普遍不适合自动驾驶的软件开发，这种趋势出现的可能性并不大。结合上面的分析来看，总体的趋势是，“轻软硬一体”基本上都会转向“重软硬一体”。有所不同的是，实力强的车企采用的“重软硬一体”方案，是由自己主导的；而实力弱的车企采用的“重软硬一体”则是由供应商主导的。“轻软硬一体”基本上只是个过渡形态，而从“轻软硬一体”切换到“重软硬一体”的过程，则是软硬解耦。4.2.2 芯片公司处于行业内不同位置的芯片公司通常会有不同的诉求。当芯片公司已处于行业领先位置时，往往更希望技术框架能够快速收敛，这样自身产品才能有足够的稳定性来满足相关的技术要求，且由于芯片设计技术壁垒和前期投入相当高，这就足以建立起对行业新进入者的竞争优势。除了单纯通过技术壁垒打造护城河，还有一种方法是通过构建行业生态来进一步将护城河挖深，将用户在后期进行芯片更换的迁移成本提升到很高的水平，从而保证用户黏度。新兴赛道的芯片创业公司，由于不具备体量上的优势，不可能在产量和边际成本上对行业内的老牌芯片公司实现超越，所以芯片创业公司一方面要谨慎选择技术尚未收敛的赛道（如20182022年的自动驾驶赛道）；另一方面要挑选护城河不是特别深的赛道保证可以快速切入，并且还需要通过构建在该赛道的生态来形成对其他竞争者的优势。基于生态构建壁垒的趋势只有到公司生产芯片的体量达到足够大的程度才可以有所减缓。统计数据显示我们采访的此次调研的 28 位受访专家中的 20 位认为，对于芯片公司打造生态是一定要执行的战略。33自动驾驶软硬一体演进趋势研究报告行业未来发展趋势图示 20：构建生态是否是芯片行业成功的必要途径?图源：辰韬资本（单位：人）4.2.3 软件 Tier1对于 Tier1 来说，从算法层面来讲，整体技术框架在未来逐步收敛的趋势不会有变化。如果它想要执行软硬一体的战略打造更深的护城河，一方面是需要预期的客户数量及利润的足以覆盖软硬一体的成本，另一方面就是如何降低进入该领域的认知壁垒。最简单的方式就是我们之前所述的行业内大部分领先 Tier1 所采用的“轻软硬一体”策略，即绑定某一家芯片厂商深度合作。而如果计划自研芯片，最好的时机则是在该领域由于算法的变化导致芯片架构需要有重大调整的时候这样，一方面可以通过自身软件 Tier1 的位置获得新算法的相关信息，另一方面行业内已有的芯片巨头很难以同样的速度在产品及市场上有所反应。4.3 端到端算法对软硬一体未来趋势的影响从 2024 年开始，端到端算法在自动驾驶行业的应用已成为共识。但目前行业内对于端到端的整体路线图及实现方案的认知仍未达到统一。作为行业的先行者，特斯拉的端到端方案仍然存在大量的 cornercase 无法解决，有很多的进步和优化空间。在行业对于算法尚未形成统一认知的情况下，采用 GPU 方案的英伟达受益于 GPU 的通用性，可以直接通过简单粗暴地增加算力的方式来适配新的端到端算法需求；而对于一众专用型芯片，为了保证专用型芯片能够满足新算法需求，维34自动驾驶软硬一体演进趋势研究报告行业未来发展趋势持自身竞争力，最佳策略就是研发 SOTA 算法并引领行业标准，这样就可以保证针对自己算法优化的芯片设计在行业范围内足够通用。从这个角度来讲，在端到端算法上有较好技术积累的芯片厂商在前期会占据优势。不过，由于芯片从设计到最终量产至少需要两年时间，而目前端到端的发展和迭代速度极快，远小于这个周期，所以目前在端到端算法上有优势的芯片厂商是否能够“笑到最后”仍然存在变数。此外，由于端到端算法对于数据量及数据链路的依赖性远大于上一代的自动驾驶算法，因此，芯片厂商通过生态提供的端到端解决方案是否能够在量产车上持续有好的表现，也很大程度取决于整车厂的数据链路是否健全，以及量产后的数据量是否充足。4.4 舱驾一体对软硬一体未来趋势的影响由于在成本、资源整合等方面的优势，舱驾一体正成为行业里的很多玩家都在探索的方向，接下来几年会有越来越多的整车厂去做这类跨域融合的量产。目前行业内的舱驾一体解决方案更多是基于 oneboardtwochip 的域控方案，其最终会发展为 oneboardonechip 的集中模式。目前行业内提及支持舱驾一体的芯片主要是英伟达和高通的两款大算力芯片 Thor 以及骁龙 RideFlux，在市场上能够支持跨域融合的芯片非常少且大家从底层架构层面差别较大的情况下，整车厂在选择跨域融合方案时，仍然需要先关注芯片型号，然后，才敲定能跟该芯片绑定比较深、能够提供较好解决方案的算法供应商。这也就意味着如果舱驾一体能按照行业的预期逐步落地，在落地早期，行业内玩家仍需遵从软硬一体策略（无论是芯片厂商直接下场做解决方案的“重软硬一体”，还是由深入绑定该芯片的 Tier1 来进行开发的“轻软硬一体”），在很长一个阶段内行业内的玩家仍然会以软硬一体策略为主导。4.5 具身赛道软硬一体的未来趋势从技术层面，具身智能与自动驾驶在技术栈上的融合已是非常明显的趋势。我们可以看到如特斯拉，小鹏等整车厂目前也在发展具身领域作为第二曲线。那么具身赛道是否也会如自动驾驶一样，在商业化早期更推崇软硬一体的商业模式？目前具身赛道的所有玩家都在基于英伟达芯片进行算法开发，属于“轻软硬一体”的逻辑。根据我们之前探讨的标准，目前在具身赛道虽然大家采用的技术栈细节不同，但是整体同质化比较严重，一种是基于模仿学习（ImitationLearning）的端到端 VLA 大模型，另一种是基于大脑(VLM) 小脑(MPC 等控制技术)的方案，存在较为明显的技术框架趋同性。当机器人跟其他与之共享同35自动驾驶软硬一体演进趋势研究报告行业未来发展趋势4.6 趋势总结综上，尽管行业里的每家公司在不同阶段都存在是否执行软硬一体策略的抉择，但是其对条件、时机的判断仍是紧紧围绕着我们提出的三条标准进行。软硬一体和软硬解耦都有自身的优缺点，而哪一种策略能够成为行业主流主要取决于当时的产业格局及公司当前的发展阶段。从产品性能和研发效率层面考虑，28 位受访专家中有 17 位认为，软硬一体方案能够最大程度地挖掘硬件及软件潜力；同时，软硬一体设计能够优化系统性能，提高效率，通过定制化的硬件设计来最大化软件功能，进而在某些情况下减少中间环节，达到降低成本的效果。其余 11 位受访专家则认为，软硬件一体并不是最优方案，仅仅是目前智能驾驶发展到现阶段的一个折中选择。具体地说，由于自动驾驶算法及芯片适配难度大、系统集成要求严格、对安全性和实时性需求高，软硬一体就成为了一种现实且必要的折中方案。一款芯片的产品的总出货量（或者预期出货量）可以覆盖“重软硬一体”的成本时，具身公司就可能会走上“重软硬一体”的道路。事实上，目前特斯拉通过共用 FSD 芯片已经执行了这个策略。如果人形机器人的技术栈和模型能够和自动驾驶领域融合，那么具身赛道也会遵循自动驾驶领域的特点：一方面，完成低阶任务的机器人会快速进入“重软硬一体”的生态并得以保持（若机器人公司体量较小，有可能软件和算法都由供应商提供）；另一方面则是针对高阶的人形机器人领域，非行业头部的公司会在短期采用“轻软硬一体”的方案获得较好的生态位，并在芯片算力大大超越算法需求、且有多家芯片厂商的产品可满足算法的需求后开始逐步进行软硬解耦。36自动驾驶软硬一体演进趋势研究报告行业未来发展趋势进一步，可以分别从硬件和软件的技术层面来看各自的趋势：电子电气架构将会动态趋同并标准化：随着汽车智能化、网联化的发展，电子电气架构（E/E 架构）逐渐从分布式向集中式转变，区域控制 中央计算的架构成为主流趋势。尽管各厂家在具体实现上可能有细微差异，但总体架构趋势显示了行业向更高效、集成化方向的动态趋同。行业竞争体系最终会筛选出成本效果最优的统一架构。软件解决方案的趋同性：随着软件定义汽车（SDV）时代的到来，基础软件框架、中间件、开发工具链以及云服务的标准化、平台化趋势日益明显。例如，AUTOSARAdaptivePlatform 的推广、OTA（Over-The-Air）更新策略、以及基于云的软件开发和模拟测试平台的广泛应用，都在推动着软件解决方案的相似性，使得不同厂商的软件开发流程和基础架构更加一致。算法与分层架构的多样性：尽管硬件及底层软件可能存在趋同的趋势。算法层面，特别是核心的智能算法和应用层，由于其与特定应用场景、企业技术积累和战略选择紧密关联，仍然展现出较高的多样性。例如，自动驾驶领域中，算法的优化往往与感知、决策、规划支持的具体功能定义紧密相关。每家公司的功能定义不同，导致算法最终实现上存在差异。不同的神经网络模型、训练数据集都会对最终算法性能产生显著影响。因此，虽然算法的基本设计理念，如模块化、分层解耦等原则，可能被广泛接受，但具体实现上的差异使得算法本身难以像硬件那样快速趋同。图示 21：软硬一体方案是最优的方案么?图源：辰韬资本（单位：人）37自动驾驶软硬一体演进趋势研究报告行业未来发展趋势硬件与软件的互动趋同：尽管硬件芯片和软件系统及算法存在差异，但随着标准化接口以及中间件和工具链的逐步成熟，这些差异对于上层应用的开发和部署的影响正在减小，这也为软件架构和解决方案的统一趋势奠定了基础。未来的发展很可能是，软硬件架构在基本框架上趋于统一，实现标准化和模块化，便于集成与升级，同时在算法和服务层面上保持高度个性化和创新性。架构标准化并不意味着抹杀创新，而是为创新提供一个更加灵活、通用及高效的基础平台。通过开放的 API 接口、灵活的软件定义架构，不同的算法和应用可以更容易地在标准化的硬件平台上实现部署和优化，从而在保持底层架构统一的同时，促进顶层的多样性发展，实现软硬解耦。短期内，软硬一体化仍然是适应市场需求和技术发展的有效策略，可以提升芯片及算法适配度，快速响应市场变化、增强产品力。长期看，随着技术的不断进步和市场的进一步细分，很可能会逐步向软硬解耦模式转变，软硬解耦策略可以更好地适配算法和顶层应用的多样化需求。由于在成本、资源整合等方面的优势，舱驾一体正成为行业里的很多玩家都在探索的方向，接下来几年会有越来越多的整车厂去做这类跨域融合的量产。目前行业内的舱驾一体解决方案更多是基于 oneboardtwochip 的域控方案，其最终会发展为 oneboardonechip 的集中模式。目前行业内提及支持舱驾一体的芯片主要是英伟达和高通的两款大算力芯片 Thor 以及骁龙 RideFlux，在市场上能够支持跨域融合的芯片非常少且大家从底层架构层面差别较大的情况下，整车厂在选择跨域融合方案时，仍然需要先关注芯片型号，然后，才敲定能跟该芯片绑定比较深、能够提供较好解决方案的算法供应商。这也就意味着如果舱驾一体能按照行业的预期逐步落地，在落地早期，行业内玩家仍需遵从软硬一体策略（无论是芯片厂商直接下场做解决方案的“重软硬一体”，还是由深入绑定该芯片的 Tier1 来进行开发的“轻软硬一体”），在很长一个阶段内行业内的玩家仍然会以软硬一体策略为主导。38自动驾驶软硬一体演进趋势研究报告【附录】软硬件一体的现状调查【附录】软硬件一体的现状调查通过调查问卷形式，本次访谈收集了来自 Tier2、Tier1、整车厂中将近 30 位专家的行业意见，这些专家所在的公司包括芯片大厂、芯片独角兽、传统 Tier1、新兴 Tier1、L4 方案商、传统主机厂、新势力主机厂、智能网联供应商、图商等行业各方向企业。以下是此次调研数据的具体情况：1.软硬一体方案下，更有优势的供应商？选项选择数（人）A.硬件厂商13B.软件厂商11C.其他供应商43.软硬一体更适合哪种类型公司？（多选题）选项选择数（人）A.创业初期公司4B.独角兽初创公司12C.主机厂8D.其他兼而有之1D.其他初创不适合软硬一体，投入太大，现阶段大部分主机厂也不适合，没有技术积累1D.其他所有供应商1D.其他技术领先更适合整套方案，保证利润1D.其他有经验的 tier1 或者芯片公司1D.其他有能力做软硬件的公司，尤其是对算法对软件比较强的公司1D.其他软硬一体 tire11D.其他供应商42.软硬一体是否能为整车厂带来成本优势？选项选择数（人）A.能25B.不能339自动驾驶软硬一体演进趋势研究报告【附录】软硬件一体化的现状调查404.软硬一体是否为必然趋势？选项选择数（人）A.必然趋势16B.选择方案之一126.英伟达和地平线都通过构建软件生态链取得了巨大成功，这是否是芯片行业成功的必要途径？选项选择数（人）A.必要，成功的芯片公司一定要做生态20B.非必要，精细分工的芯片公司一样可以获得巨大成功88.在软硬一体的方案选择上，整车厂更看重硬件的领先性还是软件领先性？选项选择数（人）A.硬件7B.软件12C.其他方面（成本等）成本3C.其他方面（成本等）性能和成本15.现阶段创业公司选择软硬一体的方案的原因？选项选择数（人）A.产业需求8B.资本方1C.以上兼而有之197.无硬件产品的 Tier2 厂家未来是否有生存空间？选项选择数（人）A.没有2B.有，但是很小，集中在特定领域如工具链等20C.有很大生存空间6自动驾驶软硬一体演进趋势研究报告【附录】软硬件一体化的现状调查4110.全栈自研是否会成为成为未来整车厂的主流趋势？选项选择数（人）A.会，未来排名靠前的整车厂一定会做全栈自研9B.不会，未来排名靠前的整车厂更大比例仍然以集成供应商自动驾驶方案为主199.软硬一体方案是否为最优的方案？选项选择数（人）A.是，能够最大挖掘硬件及软件潜力，同时降低成本17B.不是，违反了技术分工的基本原则1C.虽然不是最优方案，但是是目前智能驾驶发展到现阶段的一个折中选择10C.其他方面（成本等）成本以及路线方案符合性1C.其他方面（成本等）成本领先是核心1C.其他方面（成本等）成本，平台性，可扩展性，生命周期支持1C.其他方面（成本等）系统整体的先进性和成本1C.其他方面（成本等）综合1本报告访谈和编写项目组本研究报告由辰韬资本、南京大学上海校友会自动驾驶分会和九章智驾三方联合发起及撰写，本报告的成功编撰得到了众多行业专家、组织和企业的鼎力支持，衷心感谢所有对本次研究报告做出贡献的人员和组织。策划/指导团队辰韬资本：萧伊婷九章智驾：苏清涛南京大学上海校友会自动驾驶分会：罗雪霜 采编团队主笔辰韬资本：赵磊、刘煜冬责任编辑九章智驾：苏清涛 专家访谈南京大学上海校友会自动驾驶分会：康宁、张雯斐、Luis、周丽、李志敏、尤杰、崔晨曦、姜丽丽、曾恺翔、李昌源、任惠民编纂支持南京大学上海校友会自动驾驶分会：康宁、张雯斐、Luis、周丽、李志敏、尤杰、崔晨曦阜时科技：林峰辰韬资本：彭轶宁支持团队辰韬资本:孙箫笛、孙欣、王志璇、王琴、王晓燕43自动驾驶软硬一体演进趋势研究报告本报告访谈和编写项目组在此，也向所有不便署名的采编团队成员及接受访谈的专家表示衷心感谢。此外，也特别感谢阜时科技（南京大学校友企业，参与人员：林峰、罗冰洁、罗家欣）提供了重要支持。以及南京大学上海校友会苏州科创中心（云帆乘风）、东吴证券在此次组织协调和外部合作中发挥的重要作用。最后，再次向所有参与和支持本次自动驾驶行业报告编撰的专家和团队表示衷心的感谢！参与访谈的专家（部分）韩志华 一汽挚途林 巧 易控智驾 刘 斌 觉非科技刘 煜 于万智驾冉 旭 行业专家苏林飞 光庭信息王 凡 魔视智能徐 雷 Nullmax杨 洋 行业专家张 峥 魔视智能赵 乐 行业专家周 煦 行业专家*以下名单按拼音首字母排序分析师声明作者具有专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解。本报告清晰准确地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，特此声明。免责声明本本报告编写组不会因为接收人接受本报告而将其视为客户。本报告仅在相关法律许可的情况下发放，并仅为提供信息而发放，概不构成任何广告。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在法律许可的情况下，辰韬资本及其所属关联机构可能会持有报告中提到的公司的股权，也可能为这些公司提供或者争取提供筹资或财务顾问等相关服务。本报告的信息来源于已公开的资料，本报告编写组对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载的资料、意见及推测仅反映报告编写组于发布本报告当日的判断，本报告所指的公司或投资标的的价格、价值及投资收入可升可跌。过往表现不应作为日后的表现依据。在不同时期，报告编写单位可发出与本报告所载资料、意见及推测不一致的报告。报告编写单位不保证本报告所含信息保持在最新状态。同时，报告编写单位对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本报告中涉及企业产品的相关图片均整理自公开渠道，或经企业授权使用。版权声明本报告版权仅为报告编写单位所有。未经报告编写单位书面许可，任何机构和/或个人不得以任何形式翻版、复制和发布本报告。任何机构和个人如引用、刊发本报告，须同时注明出处，且不得对本报告进行任何有悖原意的引用、删节和/或修改。特别声明44自动驾驶软硬一体演进趋势研究报告特别声明2024 年 9 月

2024-09-07 45页 5星级

中国矿业大学&亿矿通：2024智能矿山暨无人驾驶行业蓝皮书（58页）.pdf

2024 智能矿山暨无人驾驶行业蓝皮书中国矿业大学煤炭精细勘探与智能开发全国重点实验室丨徐州数字空间矿山研究院有限公司丨亿矿通前言随着近年来政策的推动以及无人驾驶等先进技术在矿山场景的应用，智能矿山建设已取得长足的进步，为行业的高质量发展注入了技术驱动的希望。诸多政府机构、矿山企业、智能化技术公司以及传统装备制造商都积极参与其中，贡献了自身的智慧和力量。各方的视角，关于智能矿山的认知逐步形成，领域各异、专精不一，在智能矿山市场中通过技术交易进行着链接和扩散。中国矿业大学煤炭精细勘探与智能开发全国重点实验室肩负国家给予的推动矿山智能化发展的任务，相关师生积极参与企业一线的业务发展，在整个智能矿山产业链中扮演着技术链接者的角色，同时也在多年的产业链合作中碰撞了各方的诉求和观点。在此背景下，中国矿业大学煤炭精细勘探与智能开发全国重点实验室徐州数字空间矿山研究院，通过整理市场技术交易数据、走访调研行业企业以及梳理整合相关理论研究，形成了2024智能矿山暨无人驾驶行业蓝皮书。蓝皮书学习了一些优秀企业的经验做法，并获得了行业内相关机构的数据和观点支撑，同时参考了众多专家的意见和建议。时间关系前期未能一一沟通，在此一并表达谢意。我们期望本蓝皮书能以浅显之见，为行业内企业提供一些资料和信息，为在行业中摸索前行的从业者提供有益的线索，为未来企业技术演进提供思考范式的参考。智能矿山的产业链组织方式演化是技术驱动管理、管理驱动产业的结果，先进产业链组织方式的形成也将进一步为技术的发展和企业的商业运营提供高效率的组织边界和业务边界，助力企业形成有效的商业模式。这是本蓝皮书所提出并重点思考的问题，供参阅者斟酌讨论。3目录C O N T E N T S智能矿山解决方案和发展目标3.1 空天地智能矿山总体架构3.2 基于空天地框架的产业链协同演进3智能矿山及无人驾驶市场现状2.1 智能矿山建设现状2.2 智能矿山市场规模2.3 矿山无人驾驶主要场景2.4 矿山无人驾驶市场现状2智能矿山及无人驾驶发展背景1.1 智能矿山概念与无人驾驶关系1.2 智能矿山及无人驾驶发展历程1.3 智能矿山及无人驾驶发展动力1.4 智能矿山及无人驾驶产业链分析1智能矿山及无人驾驶产业趋势展望4.1 智能矿山产业发展趋势4.2 矿山无人驾驶未来展望4目录C O N T E N T S智能矿山解决方案和发展目标3.1 空天地智能矿山总体架构3.2 基于空天地框架的产业链协同演进3智能矿山及无人驾驶市场现状2.1 智能矿山建设现状2.2 智能矿山市场规模2.3 矿山无人驾驶主要场景2.4 矿山无人驾驶市场现状2智能矿山及无人驾驶发展背景1.1 智能矿山概念与无人驾驶关系1.2 智能矿山及无人驾驶发展历程1.3 智能矿山及无人驾驶发展动力1.4 智能矿山及无人驾驶产业链分析1智能矿山及无人驾驶产业趋势展望4.1 智能矿山产业发展趋势4.2 矿山无人驾驶未来展望4获取更多维度报告数据，请访问亿矿通官网()6 1999年首届“国际数字地球”大会提出“数字矿山”(Digital Mine)概念。数字矿山是以矿山开采环境、对象及过程信息数字化为基础，构建数据的采集、传输、存储、处理和反馈的信息化闭环，重点在于资源、规划、设计、计划和过程管理的数字化建模、仿真、优化和评估。经过二十余年的发展，国内在数字矿山理念的基础上进一步提出了智能矿山的概念。智能矿山更加注重采矿设计、计划、生产、调度和决策等环节的智能化，利用先进的技术手段，如人工智能、物联网、大数据等，推动矿山行业的智能化升级，实现更高效、安全、环保的开采作业。1.1 智能矿山概念与无人驾驶关系数据来源：公开资料，亿矿通1.1.1 智能矿山概念的起源全面感知数据精准采集环境智能监测实时互联数据无缝传输网络化系统协同分析决策智能决策支持策略智能优化协同控制智能化操作控制自动化任务调度动态预测实时趋势分析预测性风险评估自主学习自适应算法优化机器学习模式识别智能矿山1.1.2 智能矿山引领矿山全流程智能化升级 智能矿山是在现有矿山数字化基础上，进一步实现智能化发展的整合过程，是一个多学科交叉融合的复杂问题，涵盖了从系统工程到专业技能的广泛领域，要求不同层面、技术和工种之间实现高度的协同与整合。其本质是通过智能化技术实现矿山精益管理和柔性生产。智能矿山的构建，依托于四维地理信息、泛在网络、云计算、大数据、虚拟化技术以及先进的计算机软件和网络基础设施，集成应用各类传感感知、数据通信、自动控制、智能决策等技术，形成矿山全面感知、实时互联、分析决策、自主学习、动态预测、协同控制的完整智能系统，实现矿井开拓、采掘、运通、洗选、安全保障、生态保护、生产管理等全过程的智能化运行。智能矿山不只是要逐步做到少人甚至无人化，更重要的是矿山内部各个子系统、不同数据的打通融合，以优化管理、提升效率、节省成本，实现精益生产，从而推动整个矿山行业持续发展。获取更多维度报告数据，请访问亿矿通官网()7 智能矿山是打造矿山新质生产力、推动矿业高质量发展的核心内容，通过将物联网、云计算、大数据、人工智能、自动控制、工业互联网等与现代矿山开发技术深度融合，少人化无人化是重要的目标，也是智能化深度的体现，最终实现矿山生产的安全提升、减员增效、节能降耗。无人驾驶作为智能矿山的重要子系统之一，是新质生产力的集中体现。无人驾驶在智能矿山实现应用落地，引领劳动者、劳动资料、劳动对象实现新的变革，为传统矿业的高质量发展提供新动能新优势，为矿山生产全链条数字化提供了执行端的实现工具，驱动矿山向绿色低碳、科技创新方向转变。1.1 智能矿山概念与无人驾驶关系数据来源：公开资料，亿矿通1.1.3 智能化是矿业高质量发展的必由之路，无人驾驶为产业发展蓄势赋能智能矿山无人驾驶劳动者劳动资料劳动对象更高素质的劳动者更高技术含量的劳动资料更广泛的劳动对象远程驾驶操作员、云控调度员、系统工程师无人驾驶矿卡/宽体车、智能掘进机车辆数据、作业效率数据、环境数据车载系统地面系统云控平台安全监控路权管控智能调度数据分析地图管理融合定位感知预测决策规划运动控制故障诊断基础设施网络基站路侧单元RTK基站服务器路侧感知边缘计算路侧定位智能掘进智能综采信息基础设施经营管理地质保障智能运输智能矿山数据中心工业环网5G网络无线通信视频AI分析云服务地测空间信息管理三维地理信息管理掘进智控支护智控掘进工作面智控割煤支护运输综合保障智能监控智能调度交通管理自动化运输生产管理经营管理决策支持综合保障通风排水压风供电瓦斯抽放安全管控灾害监测灾害综合防治人员定位获取更多维度报告数据，请访问亿矿通官网()81.2 智能矿山及无人驾驶发展历程数据来源：公开资料，亿矿通1.2.1 中国矿山历经机械化、自动化、信息化、数字化阶段，目前已迎来智能化阶段中国智能矿山发展历程自动化时代20世纪90年代机械化时代20世纪90年代前信息化时代21世纪初数字化时代21世纪10年代智能化时代21世纪20年代移动变电站破碎设备制砂设备选矿设备采矿机运输设备人工手动操作机械工具二维/三维GIS平台安全生产监测、监控系统综采工作面的设备自动化运输机自动控制矿井提升设备的机电一体化综合集成平台井下综合自动化系统设备具备单机传输通道具备分类传感技术具备传感和执行机构具备可编程控制系统具有远程监测监控功能具备高速网络通道具备可建模的联动控制策略矿山机械生产调度指挥系统矿山生产安全监控系统矿山机械远程监测系统具备高速网络通道实现各自动化数据融合具备一定的数据挖掘能力具备可建模的联动控制策略矿山规划与开采方案决策优化系统矿山设备运转状态信息系统生产环节监控与调度系统矿山环境变化及灾害预警信息系统矿山经营管理及经济活动分析信息系统综合自动化、管理信息化、空间数字化三化数据融合在多维空间矿山实体的基础上动态嵌入与矿山安全、生产、经营相关的所有信息智能快速掘进和采准系统智能充填系统矿山工业云计算平台无人驾驶运输车矿井全工位设备设施健康智能管理系统机器人化智能开采系统智慧煤矿集中管理系统在数字化矿山的基础上，运用人工智能技术、数据挖掘技术、编制若干可重复运行、决策指挥的决策分析系统运用云计算、物联网等技术实现矿山的“物联化、互联化、智能化”主要设备与系统特点发展阶段 中国智能矿山的发展历程可以划分为五个主要阶段：机械化、自动化、信息化、数字化和智能化。20世纪90年代前，矿山作业主要依赖人工操作机械工具；在自动化阶段，矿山引入单机传输和传感技术，并开始采用可编程控制系统和GIS平台；21世纪初，中国矿山进入信息化时代，综合集成平台得到应用、高速网络通道形成，实现了初级数据处理及系统联动、信息综合发布；随后，数字化矿山进一步整合了自动化、信息化和空间数字化技术，为矿山的智能化奠定了基础；21世纪20年代起，中国矿山进入智能化发展阶段，目前许多矿山已实现局部智能化，未来将进一步向全面智能化发展。获取更多维度报告数据，请访问亿矿通官网()91.2 智能矿山及无人驾驶发展历程数据来源：公开资料，亿矿通1.2.2 智能矿山无人驾驶应用规模扩大，未来将与智能矿山深度融合中国智能矿山无人驾驶发展历程 中国矿山无人驾驶已度过萌芽阶段和技术研发、测试运营阶段，经过技术沉淀和标杆案例经验积累，2021年起，中科慧拓、踏歌智行、易控智驾、希迪智驾等智能矿山无人驾驶解决方案商陆续实现常态化安全员下车，技术的安全性得到验证，矿山无人驾驶车辆逐步实现规模化运行。预计从2024年起，随着技术的大规模应用，矿山无人驾驶的成本效益比将得到显著提升，无人驾驶企业将逐步进入项目运营盈亏平衡的阶段，商业价值逐步显现。展望未来，无人驾驶系统将与智能矿山的其他系统深度融合，通过全链条数字化提升效率和安全性，共同推动矿山整体智能化加速，助力矿山行业实现高端化、智能化、绿色化发展。技术研发及测试运营阶段20172020年萌芽阶段20142016年规模化运营阶段20212023年商业价值实现阶段20242026年全面智能化阶段2027年2015年，北方股份开始涉足无人驾驶矿用车的研发2016年，中科慧拓与徐工集团合作研发徐工蓝星系列产品，包含110吨无人矿卡、15吨半自主轮式挖机、智能调度集群系统等2014年，中科慧拓注册成立2015年，伯镭科技注册成立2016年，踏歌智行注册成立2019年，中科慧拓在大唐国际宝利煤矿正式完成国内首个矿区无人运输系统商业化落地运营2019年，北方股份与踏歌智行合作研制的国内首台110吨无人驾驶电动矿用车成功下线并开始试运营2020年，易控智驾在新疆开展测试运营2018年，中科慧拓发布愚公YUGONG平行矿山操作系统1.0版本2020年，北方股份与踏歌智行合作研究无人驾驶线控系统2023年10月，易控智驾在新疆南露天煤矿的无人驾驶车队规模达到203辆，超越FMG Chichester单矿108辆的纪录成为全球第一2023年，华为发布露天矿无人化解决方案，其中的无人驾驶技术已规模商用，效率与人工作业趋近2021年，中科慧拓在宝日希勒能源项目中实现常态化安全员下车2022年，踏歌智行、易控智驾、希迪智驾已有项目实现常态化安全员下车技术进步与成本效益的双重提升，将加速整个行业的商业应用转型矿山无人驾驶技术不仅得到广泛应用，且商业模式逐渐成熟，企业开始实现稳定的盈利无人驾驶在矿山场景的规模化应用将带动车队数量的增加，进而推动成本逐步降低无人驾驶与智能矿山其他智能系统如智能采矿、智能洗选等深度融合，实现高度无人化和智能化，通过全链条数字化产生效率乘数，获得安全溢价在这一阶段，矿山整体智能化加速发展，实现高效、安全、环保的采矿作业企业注册成立初步探索研究成本效益比提升商业价值实现无人驾驶与智能矿山深度融合实现常态化安全员下车项目落地规模扩大多方合作进行技术研发特定矿区测试运营获取更多维度报告数据，请访问亿矿通官网()10 近年来，国家各部委陆续发布多项政策，明确了智能矿山建设目标，并确立矿山智能化建设指南和评价标准，从科技创新、信息化建设、金融支持等领域全方位支持矿山向安全、绿色、智能化转型，智能矿山建设已成为重点工作任务。地方政府也相继出台智能矿山相关行动计划与具体实施方案，并大力推进试点示范，引导矿山企业提升智能化建设水平。1.3 智能矿山及无人驾驶发展动力数据来源：公开资料，亿矿通1.3.1 政策推动矿山向安全、绿色、智能化转型地方层面智能矿山建设要求2025年，各类生产煤矿智能化改造全部开工，大型和灾害严重煤矿煤矿基本实现智能化2027年，全省各类煤矿基本实现智能化山西2025年，分布在重点露天煤矿的1200个矿用车实现无人驾驶，井工煤矿采掘面全部实现智能化作业内蒙古2024年6月底前，大型煤矿以及面临煤与瓦斯突出、冲击地压等灾害严重的煤矿基本实现智能化2025年，生产煤矿全部达到初级智能化及以上等级新疆全面推进地勘单位、矿山企业数字化基础建设，加强引导人工智能、虚拟现实、大数据平台、物联感知、地质云等智能技术应用，推动产业数字化、智能化技术升级陕西2025年底建成各类智能煤矿50处以上加快260处煤矿智能化建设，到2026年全省所有生产煤矿全部完成智能化建设贵州国家层面智能矿山相关政策智能矿山建设目标2020.02 关于加快煤矿智能化发展的指导意见到2025年，大型煤矿和灾害严重煤矿基本实现智能化，井下重点岗位机器人作业，露天煤矿实现智能连续作业和无人化运输；2035年，各类煤矿建成智能化体系2024.04关于深入推进矿山智能化建设 促进矿山安全发展的指导意见到2026年，全国煤矿智能化产能占比不低于60%，智能化工作面数量占比不低于30%到2030年，建立完备的矿山智能化技术、装备、管理体系，实现矿山数据深度融合、共享应用智能矿山相关政策标准规范政策鼓励2022.02关于加强非煤矿山安全生产工作的指导意见大型非煤矿山要加快推进自动化、智能化改造和井下重点岗位机器人替代资金支持2022.04“十四五”国家安全生产规划实施矿山智能化发展行动计划，协同推进矿山自动化、智能化建设相关政策配套2024.012024年矿山安全生产工作要点推进矿山安全科技赋能，强化科技支撑能力、矿山安全信息化、矿山智能化建设2023.01煤矿安全改造中央预算内投资专项管理办法鼓励引导专项资金更多投向煤矿智能化建设，最高奖励可支持3000万元2024.03煤矿智能化标准体系建设指南构建煤矿智能化标准体系，包括基础通用、信息基础、平台与软件、生产系统与技术装备、运维保障与管理5个标准子体系获取更多维度报告数据，请访问亿矿通官网()11 矿山生产面临工艺复杂、灾害频发和事故风险高的挑战。以主要矿产资源煤炭为例，随着生产安全意识提升，中国煤矿安全事故数量与死亡人数总体呈下降趋势，但2022 年数据明显反弹，同比分别上升 85%和 38%。同时，与发达国家相比，中国煤矿百万吨死亡人数仍然较高，安全生产水平有一定提升空间。因此，矿山行业迫切需要推动生产过程向无人化和少人化转型，以增强其生产安全性。智能矿山的建设正是应对这一需求的关键。通过应用远程控制、无人驾驶等技术，智能矿山能够显著减少矿山安全事故，其先进的安全系统能够实现对矿山环境的实时监控，及时发现并排查安全隐患，从而大幅提升矿山的安全生产水平。1.3 智能矿山及无人驾驶发展动力1.3.2 矿山安全问题亟待解决6045093522492192241701229116810679315885263753333162251782452013201420152016201720182019202020212022煤矿事故数量（起）煤矿事故死亡人数（人）2013-2022年中国煤矿安全事故数量（起）及死亡人数（人）2015-2022年中美煤矿百万吨死亡人数（人/百万吨）0.1590.1560.1060.0930.0830.0580.0440.0540.013 0.013 0.028 0.016 0.017 0.010 0.019 0.018 20152016201720182019202020212022中国美国数据来源：国家统计局，亿矿通获取更多维度报告数据，请访问亿矿通官网()12 矿山工作环境艰苦、劳动强度大，同时社会地位受限，导致人员流动性较大。当前，矿山行业面临年轻人从业意愿低迷、难以吸引40岁以下劳动力的挑战，招工难问题日益严峻，传统的严重依赖劳动力的用工模式已难以满足行业高质量发展的需求。1.3 智能矿山及无人驾驶发展动力数据来源：国家统计局，亿矿通1.3.3 矿山招工难是智能化渗透的关键因素投资回报率提升2-3%资产减少5%利润提升5-10%运营支出减少5%收入提升3-5%固定资本流动资本（运营资本）回收率备品备件和辅料消耗设备维护管理费用人工支出总产量能源消耗库存提升3-5%提升3-5%减少3-5%提升2%减少5-10%减少3-5%减少3-5%减少2-3%智能矿山带来投资回报率的提升 智能矿山在资源回收率、总产量、备品备件与辅料消耗、维护成本、管理费用、人工支出、能源消耗以及库存等多个指标上相较于传统矿山展现出显著的优化潜力。全系统智能化的实施不仅能够提升矿山企业的收入，还能够帮助其降低运营支出，减少资产投入。1.3.4 矿山智能化带来效益提升存在坍塌、爆炸等风险长期暴露于有害气体、粉尘中，易导致职业病地理位置偏远，通常位于山区、荒漠等地作业环境通常空气质量不佳、噪音污染严重24小时轮班制，加班严重长时间进行重体力劳动，身体负荷极大安全风险高工作环境艰苦劳动强度大矿山招工难问题亟待解决631341201220222012-2022年采矿业城镇单位就业人数(万人)获取更多维度报告数据，请访问亿矿通官网()131.4 智能矿山及无人驾驶产业链分析数据来源：公开资料，亿矿通1.4.1 智能矿山产业图谱矿山无人驾驶厂商信息基础设施厂商勘探、采掘、洗选、加工、运输厂商环保管理厂商智能经营管理系统厂商智能硬件软件智能分析决策系统厂商智能硬件软件主机厂安全管控厂商智能硬件软件无人驾驶厂商获取更多维度报告数据，请访问亿矿通官网()141.4 智能矿山及无人驾驶产业链分析数据来源：亿矿通1.4.2 智能矿山产业链主体分析21676976142175332577矿山运输系统云服务/云计算智能机械设备信息传输矿山管理系统物联网矿山配套服务矿山生产作业系统1.1%7.2.2$.74.6!.2%1年内1-3年3-5年5-10年10-20年20年以上智能矿山服务商成立时间分布智能矿山各类服务商数量情况 智能矿山产业链涉及企业较多，从成立时间维度上看，智能矿山产业链主要由成立时间较长的企业构成，过半数企业成立超过10年，体现了智能化技术应用渗透于矿山产业链传统企业的特点。其中，成立10-20年的企业数量占比为34.6%，成立20年以上的成熟企业数量占比为21.2%，在技术积累及市场经验上占据一定优势。同时，成立5-10年的中坚企业占比达24.7%，正处于快速成长的关键时期。成立年限不足5年的新兴企业虽然占比较小，往往是软件信息企业新近进入矿山场景，有助于推动整个产业链的技术进步和创新发展。从企业产品分类上看，提供矿山生产作业系统的企业以577家的数量领先，成为行业的主力军。矿山配套服务企业数量位居第二，主要为矿山企业提供监测、检测服务及相关设备。物联网和矿山管理系统企业数量分别为175家和142家。技术驱动型企业，包括云服务/云计算、智能机械设备、信息传输等企业，虽然目前数量相对较小，但随着智能技术的广泛应用，预计其市场需求将实现稳步增长。获取更多维度报告数据，请访问亿矿通官网()151.4 智能矿山及无人驾驶产业链分析1.4.3 智能矿山产业链主体区域分布智能矿山服务商区域分布情况安徽浙江湖南江西福建广东广西云南西藏新疆贵州江苏山东河南河北北京辽宁吉林黑龙江四川陕西山西湖北内蒙古青海甘肃海南上海台湾重庆宁夏天津企业数量1710省份内蒙古 山东陕西江苏北京山西河南河北新疆宁夏安徽甘肃辽宁上海浙江数量171131124122121110745756513934312625省份广东湖北湖南天津 黑龙江 四川福建江西重庆吉林云南贵州广西海南数量221818138655533211 智能矿山产业服务商的地域分布呈现明显的差异性。内蒙古以171家服务商的数量位居榜首，彰显其在智能矿山产业的市场影响力。山东、陕西以及江苏的企业数量分别为131、124家和122家，北京因其地理位置优越、科技资源丰富，智能矿山相关企业达121家。山西则依托其丰富的矿山技术储备，汇聚了110家智能矿山企业，成为智能矿山企业的重要分布区域。新疆虽然地理位置较为偏远，但其得天独厚的矿产资源吸引了大量智能矿山服务商，促进了区域内相关产业的发展。相比之下，华南地区与东北地区在智能矿山服务商的数量上相对较少。数据来源：亿矿通获取更多维度报告数据，请访问亿矿通官网()161.4 智能矿山及无人驾驶产业链分析数据来源：公开资料，亿矿通1.4.4 智能矿山无人驾驶产业图谱 中国智能矿山无人驾驶产业的供给侧包括矿山无人驾驶解决方案商、矿用车和矿山机械装备企业、云服务商以及通讯服务商等主体，需求侧则由煤矿、金属矿、砂石矿等各类矿山企业和矿山工程公司构成。供给侧企业通过技术创新和紧密合作，不断满足需求侧矿主和矿山工程公司对智能矿山建设的迫切需求，共同推动着整个产业的发展和进步。中国智能矿山无人驾驶产业图谱供给侧矿山无人驾驶解决方案商矿用车&矿山机械装备企业云服务商通讯服务商矿山企业金属矿砂石矿煤矿矿山工程公司需求侧目录C O N T E N T S智能矿山解决方案和发展目标3.1 空天地智能矿山总体架构3.2 基于空天地框架的产业链协同演进3智能矿山及无人驾驶市场现状2.1 智能矿山建设现状2.2 智能矿山市场规模2.3 矿山无人驾驶主要场景2.4 矿山无人驾驶市场现状2智能矿山及无人驾驶发展背景1.1 智能矿山概念与无人驾驶关系1.2 智能矿山及无人驾驶发展历程1.3 智能矿山及无人驾驶发展动力1.4 智能矿山及无人驾驶产业链分析1智能矿山及无人驾驶产业趋势展望4.1 智能矿山产业发展趋势4.2 矿山无人驾驶未来展望4获取更多维度报告数据，请访问亿矿通官网()18 中国矿山正在朝着“少而精”的趋势发展，逐步向大型化、集约化方向转型。近年来，中国标准以下矿山有序关闭，矿山总量减少，大型矿山占比持续提升。以煤炭行业为例，从2013年到2023年，中国煤矿数量从13000处减少至4300处，降幅显著。与此同时，大型煤矿的数量实现了全面增长，年产120万吨及以上的煤矿数量从850处增加至1200处，年产千万吨级的煤矿数量也从33处增加到81处。矿山机械化是智能化的基础，近年来在国家的高度重视和大力推动下，行业的机械化程度得到显著提升，大型煤炭企业的采煤机械化程度从1998年的73.6%提升至2021年的99.0%。2.1 智能矿山建设现状数据来源：中国煤炭工业协会，亿矿通2.1.1 矿山大型化、机械化程度不断提高13000110001080078667694580053004700450044004300201320142015201620172018201920202021202220232013-2023年中国煤矿数量（处）1998-2021年中国大型煤炭企业采煤机械化程度2013-2023年中国大型煤矿数量338120132023年产千万吨级煤矿数量（处）850120020132023年产120万吨及以上煤矿数量（处）73.6.5.7.3.9.09820032008201320182021获取更多维度报告数据，请访问亿矿通官网()19 中国矿山行业的智能化转型正在加速进行，智能化采掘工作面的数量显著增长。全国煤矿智能化采掘工作面从2017年的73个增长至2023年的1651个。截至2023年底，全国已有758处煤矿建成了智能化采掘工作面，总投资规模超过2000亿元，其中已完成投资约1080亿元，带动了煤矿物联网、煤机装备制造、智能控制系统、安全监测预警等新产业新业态的快速发展。地方层面上，多个地区已经建成数量可观的智能化煤矿和采掘工作面，并在露天煤矿中应用了无人驾驶车辆等先进技术。这些进展不仅展示了中国各地区在推动矿山智能化方面的坚定决心，也彰显了智能化矿山建设的广阔前景和潜力。2.1 智能矿山建设现状2.1.2 矿山智能化建设正加速进行731452754946871019165120172018201920202021202220232019-2023年中国智能化采掘工作面数量（个）中国各地区煤矿智能化建设情况地区智能化煤矿建设情况山西截至2024年1月，山西10座国家智能化示范煤矿全部建成，全省累计建成118座智能化煤矿。新疆截至2023年7月，全疆已初步形成智能化煤矿产能1.69亿吨。其中，已建成并通过智能化验收的煤矿3处，年产能合计5450万吨；已经基本建设完成，准备下半年申请验收的煤矿1处，年产能600万吨；采、掘、机、运、通等主要系统已基本完成智能化建设的煤矿15处，年产能合计1.09亿吨。内蒙古截至2024年4月，全区已建成155处智能化煤矿，占在产煤矿总数的一半以上，建成智能化采煤工作面240处、智能化掘进工作面219处，露天煤矿应用无人驾驶车辆306台。陕西截至2023年7月，全省共建成115个智能化采煤工作面和72个智能化掘进工作面，智能化开采能力4亿多吨。贵州截至2023年3月底，贵州省已累计建成投运智能化采掘工作面60个，累计减少井下岗位人员近万人。河北截至2023年6月，河北省已累计建成智能化煤矿9处，建成智能化采煤工作面24个、掘进工作面11个，累计减少艰苦岗位人员4200余人。数据来源：中国煤炭工业协会，亿矿通获取更多维度报告数据，请访问亿矿通官网()20 蓝皮书通过对2023年-2024年5月期间发生的智能矿山招投标事件统计，分析了技术交易的类型和内容。区域分布层面上，智能矿山招标活动的分布呈现出显著的地域性差异。山西以1518次交易数量位居榜首，内蒙古以1327次紧随其后，显示出对智能矿山建设的迫切需求和活跃市场。甘肃、安徽以及新疆分别以684次、560次和432次交易量位列第三至五位，尽管与前两位相比有明显减少，但依然显示出这些地区在智能矿山建设上的积极投入。此外，山东、陕西、北京、宁夏、河南等地智能矿山招标数量排名第六至十位，相比之下，其他地区的招标数量相对较少，在智能矿山建设方面的需求较低，市场潜力有待进一步挖掘。招标的企业层面上，国家能源投资集团有限责任公司以1800次的招标数量在行业中占据领先地位，中国中煤能源集团有限公司和华能国际电力开发公司分别以908次和415次的招标数量位列第二、三位。排名前三位的企业招标总量占据了前二十名企业的78%，其他企业的招标数量相对较少，表明智能矿山领域的参与度和市场影响力存在显著的不均衡性。2.1 智能矿山建设现状数据来源：亿矿通2.1.3 智能矿山招标数据分析15181327684560432392332311242240142104104 97 847764 63 52 47 43 42 41 36 35 30 29 25 16 159山西内蒙古甘肃安徽新疆山东陕西北京宁夏河南云南海南河北江苏四川辽宁湖北贵州江西湖南黑龙江广东浙江重庆青海天津广西吉林上海福建西藏192021262633343536405559597482961554159081800首钢集团有限公司永城煤电控股集团有限公司冀中能源集团有限责任公司皖北煤电集团有限责任公司中国五矿集团有限公司中国大唐集团有限公司华电国际电力开发公司山西潞安矿业（集团）有限责任公司榆林能源集团有限公司淮南矿业（集团）有限责任公司兖矿能源集团股份有限公司晋能控股煤业集团有限公司内蒙古能源建设投资（集团）有限公司内蒙古自治区能源集团有限公司华亭煤业集团有限责任公司山东黄金集团有限公司阳泉煤业（集团）有限责任公司华能国际电力开发公司中国中煤能源集团有限公司国家能源投资集团有限责任公司2023年-2024年5月各地区矿山企业智能矿山建设招标数量情况2023年-2024年5月矿山企业智能矿山建设招标数量Top20获取更多维度报告数据，请访问亿矿通官网()212.1 智能矿山建设现状数据来源：亿矿通2.1.4 智能矿山中标数据分析48.42.1%8.3%7.8%1.3%2.00万以下100-500万500-1000万1000-3000万3000-5000万5000万以上788888999999910101011141920湖南创安防爆电器有限公司北京富力通信息技术有限公司鄂尔多斯市气象灾害防御中心洛阳源创电气有限公司山东鼎安检测技术有限公司山西平遥华丰防爆电机有限公司北京天玛智控科技股份有限公司赤峰矿安检验检测有限责任公司电光防爆科技股份有限公司山东思科赛德矿业安全工程有限公司乌鲁木齐海通八达矿山设备有限公司新疆通安矿山安全检测检验中心有限公司郑州恒达智控科技股份有限公司中煤科工集团沈阳研究院有限公司中煤科工集团重庆研究院有限公司紫光软件系统有限公司中煤电气有限公司山东华宜同创自动化科技有限公司天地（常州）自动化股份有限公司国能数智科技开发（北京）有限公司2023年-2024年5月智能矿山建设项目中标金额分布2023年-2024年5月智能矿山服务商中标数量Top20 智能矿山中标产品金额集中在500万元以下区间，相关交易数量占到总数的80.5%。其中，100万元以内和100-500万元的产品交易量占比分别为48.4%和32.1%，表明市场对成本效益较高的智能矿山产品有着明显偏好。3000万元以上智能矿山产品在整体交易量中所占的比重较小，仅为3.3%，高单价产品市场存在较大提升空间。国能数智科技开发（北京）有限公司凭借20次中标在智能矿山中标数量中占据首位，天地（常州）自动化股份有限公司以19次中标紧随其后，同样展现了强劲的市场竞争力。中煤集团旗下子公司在招投标中也表现突出，多家子公司均有中标项目，凸显了集团的综合竞争优势。整体来看，智能矿山服务商的中标分布较为均衡，反映出市场的广泛参与和竞争活力。获取更多维度报告数据，请访问亿矿通官网()22 智能矿山项目的产品中标情况揭示了不同类别技术的价值定位与市场需求。从平均中标价格来看，矿山运输系统和智能机械装备的平均中标价格分别为955万元和826万元，彰显了生产工具端的智能化提升对于矿山生产的显著价值。此外，云计算和云服务产品的平均中标价格也高达519万元。相比之下，物联网、矿山配套服务、矿山管理系统类产品的平均中标价格处于较低水平，但作为智能矿山建设的基础性技术，扮演着不可或缺的角色。从中标数量的维度来看，矿山生产作业系统占据了主导地位，中标数量占比高达41.9%，表明当前智能矿山建设的聚焦于提升核心生产流程的智能化水平。同时，矿山配套服务以23.6%的高占比显示出市场对于全面、系统的解决方案配套服务的需求较高。尽管云服务/云计算和智能机械设备在平均中标价格上排名靠前，但中标数量占比仅为4.7%，反映出高价值领域的竞争可能更为激烈，且项目实施可能更为慎重。物联网和矿山管理系统虽然单价较低，但中标数量占比分别为10.7%和8.7%，在智能矿山建设中的需求稳定。矿山运输系统虽然单个项目投资大，但中标数量占比仅为1.2%，该领域存在一定的市场准入门槛和项目稀缺性。2.1 智能矿山建设现状数据来源：亿矿通2.1.5 智能矿山中标产品类型分析1.2%4.6%4.6%4.7%8.7.7#.6A.9%矿山运输系统智能机械设备信息传输云服务/云计算矿山管理系统物联网矿山配套服务矿山生产作业系统产品类别信息传输 物联网云服务/云计算智能机械设备矿山生产作业系统矿山管理系统矿山运输系统矿山配套服务价格（万元）3451625198266232419551802023年-2024年5月智能矿山项目各类型产品平均中标价格（万元）2023年-2024年5月智能矿山建设项目各类型产品中标数量占比获取更多维度报告数据，请访问亿矿通官网()23 在绿色矿山和环保政策推动下，中国矿山逐步关停、整合，截至2023年，中国煤矿数量已降至4300处，预计到2025年，中国煤矿数量将减少至4000处；非煤矿山数量约为3万处，预计也将持续下降。同时随着智能化改造的深入，单个矿山在智能软、硬件上的投资将呈增加趋势。综合考虑煤矿和非煤矿山的数量及智能化发展趋势，预计到2030年，中国智能煤矿市场空间将达到14105亿元，非煤矿山的智能化市场规模预计将达9107亿元，两者合计的市场空间将超过2.3万亿元，中国矿山行业智能化市场前景广阔。2.2 智能矿山市场规模数据来源：公开资料，亿矿通2.2.1 中国智能矿山蕴含万亿级市场空间，前景可期4730 5246 6072 7028 8134 9414 10895 12610 447 622 720 833 964 1116 1292 1495 20232024E2025E2026E2027E2028E2029E2030E硬件规模软件规模517758686792786190981053012187141052023-2030年中国智能煤矿市场空间（亿元）3300 3757 4277 4869 5543 6310 7183 8178 312 427 486 553 630 717 816 929 20232024E2025E2026E2027E2028E2029E2030E硬件规模软件规模361241844763542261737027800091072023-2030年中国智能非煤矿山市场空间（亿元）获取更多维度报告数据，请访问亿矿通官网()24 矿山开采方式主要分为露天开采和井下开采。露天开采通过剥离覆盖矿体的浮土和围岩，直接从暴露的矿体中采掘矿石。露天开采的实质就是大量矿岩的移运过程，属点对点运输，其运输线路固定且速度较低，作业场景单一，交通状况简单适于开展无人驾驶技术应用；同时，运输是露天矿开采工艺中主要生产环节之一，其成本约占矿石成本的30%-40%，对无人化的需求尤为迫切，使得露天矿成为无人驾驶技术的核心落地场景。露天矿无人驾驶解决方案已趋于成熟。露天矿无人驾驶运输首先由传感器进行环境监测，通过高精度GPS定位和调度系统指定装载和卸料点，并规划最佳行驶路线。车辆接收指令自动导航至挖掘机进行装载，按路线行驶至卸料点，完成精准卸料，实现高效、绿色、安全的矿石运输。2.3 矿山无人驾驶主要场景数据来源：公开资料，专家访谈2.3.1 露天矿是当前无人驾驶技术的主流落地场景作 业 空 间 开 阔，GPS信号全覆盖，定位可靠性高生产过程封闭、交通规则简单，环境感知数据更易解析人员位置固定可控，运输设备移动速度低，安全隐患小道路场景单一，运输路线固定，点对点运输技术难度小露天矿作业场景适于开展无人驾驶技术应用露天矿作业流程4G/5G基站障碍区观察员装载区观察员卸载区观察员主观察员控制中心铲车装载（装载位置感应区）起点（停车场）矿车卸载（卸载位置感应区）车辆相向而行（自动识别避让）弯道车速10km/h空载车速30km/h满载车速20km/h遇障碍减速5km/h障碍物（识别绕行）倒车车速5km/h弯道车速10km/h弯道车速10km/h弯道车速10km/h矿车矿车倒车车速5km/h铲车RSU路侧单元GNSS卫星露天矿无人驾驶运输流程穿孔爆破铲装运输破碎排岩洗选回填获取更多维度报告数据，请访问亿矿通官网()25 在矿床深藏于地表之下且露天开采剥离系数过高时，井下开采成为首选方式。以中国的煤炭资源为例，由于煤炭资源普遍埋藏较深且煤层较薄，井工开采已成为主要的开采手段。井下作业环境的复杂性带来了诸多挑战。井下开采难度大、安全风险高，这些因素不仅推高了作业成本，也成为安全事故频发的根源。面对这些挑战，井工矿行业迫切需要转型，采用无人化技术以提高作业效率和安全性。无人化转型不仅可以降低人力成本，减少矿工直接暴露于危险环境的风险，还能通过自动化和智能化技术提升开采精度和作业效率。此外，无人化开采还有助于实现更加严格的环境标准和可持续发展目标，为矿业的长远发展奠定基础。2.3 矿山无人驾驶主要场景数据来源：公开资料，亿矿通2.3.2 井工矿无人驾驶技术挑战高，实际应用推进较为缓慢井工矿作业流程掘运选采尾填井上井下凿岩打眼放炮锚杆喷浆出矿斜运初碎提拉水平运放矿精矿筛分/球磨/旋流/浮选粗碎/中碎/细碎尾矿尾坝盘区尾砂10.6 35.0 露天煤矿产量井工煤矿产量2022年全国井工及露天煤矿产量（亿吨）煤层薄煤层以薄煤层和中厚煤层为主，3.5米以上的厚煤层和特厚煤层少埋藏深与世界主要产煤国家比较而言，中国的煤层埋藏较深中国露天煤炭资源占比低且赋存条件相对较差，适合露天开发的煤炭资源仅占煤炭资源总量的10%受制于特定资源赋存条件，中国煤炭开采以井工矿为主，截至2022年底，井工矿数量占比超过90%，产量达35亿吨以上，约占总产量的77%获取更多维度报告数据，请访问亿矿通官网()262.3 矿山无人驾驶主要场景数据来源：公开资料，专家访谈无线传输衰减大无卫星信号电磁环境复杂光照不足、湿度高车控要求不同电气设备防爆井下光照不足，湿度高、有淋水，限制感知器件性能电磁波传输与地面不同，传输衰减大，受巷道截面大小和形状、围岩等影响井下空间限制，作业车辆多为铰接式设计，采用液压转向系统，车控要求不同开采深度一般为数百米，最深达千米以上，卫星定位信号无法穿透煤岩到达井下空间狭小，设备集中，大功率变频设备工作、架线电机车火花等干扰无人驾驶设备井下有CH4，CO等可燃性气体和矿尘，用于矿井下的电气设备必须防爆井工矿无人驾驶技术难度较高井工矿无人驾驶应用情况矿山种类应用设备应用单位场景建设单位煤矿无轨胶轮车榆北煤业曹家滩煤矿、国能宁夏红柳煤矿井下辅运车辆无人驾驶中国煤科常州研究院煤矿单轨吊机车山东能源新汶矿业翟镇煤矿井下搬运及无人驾驶山东新沙装备、清华大学煤矿单轨吊机车淮河能源顾北煤矿辅助运输无人驾驶及智能调度尤洛卡矿业科技煤矿电机车山西焦煤西山煤电马兰矿电机车无人驾驶上海申传电气煤矿无轨胶轮车陕煤集团小保当煤矿井下复杂巷道无轨胶轮车无人驾驶中国矿业大学、中科慧拓、陕西电信、西安科技大学煤矿无轨胶轮车中煤陕西榆林大海则煤矿井下辅助运输无人驾驶中煤陕西榆林能源化工有限公司、中煤电气非煤矿山矿卡北方矿业深部矿井无人驾驶北京理工大学、雷科智途非煤矿山电机车中金岭南凡口铅锌矿金属非金属地下矿山电机车无人驾驶北矿智能、山源科技 井工矿无人驾驶技术的实施面临诸多挑战。井下环境的光线昏暗、空间狭小、湿度高，加之缺乏卫星导航和稳定通信信号，这些因素共同构成了技术发展和应用的障碍。这些不利条件不仅增加了技术研发的复杂性，也提高了实施成本，从而限制了科创公司进入这一领域的积极性。无人驾驶技术在井工矿的应用还处于探索阶段，技术落地和推广的速度相对较慢。为了克服这些挑战，需要创新的解决方案和跨学科的合作，包括但不限于先进的传感器技术、自主导航算法、以及强大的地下通信网络，这些技术的集成和优化将是推动无人驾驶技术在井工矿场景中应用的关键。获取更多维度报告数据，请访问亿矿通官网()27 中国智能矿山无人驾驶市场近年来快速发展，多家企业已成功将无人驾驶技术应用于国内各地主要矿山。但目前来看，全国投入使用的无人驾驶矿用车辆约1500辆，整体渗透率不到3%，尚处于较低水平。预计到2030年，中国煤矿、砂石骨料矿、铁矿的年运输规模将分别达到577.9亿元、2936.1亿元和215.6亿元，矿山无人驾驶的潜在市场空间为3729.6亿元。随着市场接受度增加，矿山无人驾驶渗透率将持续增长，市场规模将达千亿级别，展现出巨大的市场潜力和发展空间。2.4 矿山无人驾驶市场现状数据来源：公开资料，亿矿通2.4.1 无人驾驶技术逐步向全国矿山铺开应用，渗透率仍在低位，潜在市场空间广阔2525.3 2580.2 2636.4 2693.8 2752.4 2812.3 2873.5 2936.1 158.4 165.5 173.0 180.8 188.9 197.4 206.3 215.6 433.3 451.5 470.5 490.2 510.8 532.3 554.6 577.9 20232024E2025E2026E2027E2028E2029E2030E砂石骨料矿铁矿煤矿3117.03197.33279.83364.83452.13542.03634.53729.62023-2030年中国智能矿山无人驾驶潜在市场空间（亿元）友道智途 金地矿业阿巴嘎旗必鲁甘干矿区易控智驾 新疆天池能源将军戈壁二号易控智驾 新疆天池能源南露天煤矿易控智驾 国能准能哈尔乌素露天煤矿易控智驾 国能新疆准东露天煤矿中科慧拓 国能宝日希勒露天矿中科慧拓 云锡集团华联锌铟有色矿中科慧拓 华润水泥（田阳）水泥矿中科慧拓 紫金矿业德尔尼铜矿中科慧拓 中国黄金乌山铜钼矿中科慧拓 中国黄金乌山铜钼矿中科慧拓 华能伊敏露天煤矿中科慧拓 中国大唐宝利煤矿中科慧拓 宝武马钢冶金露天矿踏歌智行 包钢白云鄂博铁矿踏歌智行 国能胜利一号露天煤矿踏歌智行 鄂尔多斯永顺煤矿踏歌智行 国家电投霍林河南矿踏歌智行 华能魏家峁露天煤矿踏歌智行 江西铜业德兴铜矿踏歌智行 紫金矿业驱龙铜矿希迪智驾 江苏句容台泥水泥矿希迪智驾 甘肃金川二矿金属矿山踏歌智行 四川金顶水泥矿山伯镭科技 中建材湖州南方水泥矿伯镭科技 鄂尔多斯腾远煤矿路凯智行 内蒙神东天隆集团露天煤矿路凯智行 国能新疆某露天煤矿中国智能矿山无人驾驶落地情况（部分）中科慧拓 中煤平朔东露天矿盟识科技 安徽铜陵砂石骨料矿山盟识科技 中联水泥青州矿区盟识科技 新疆志存若羌矿区获取更多维度报告数据，请访问亿矿通官网()28 无人驾驶矿用车辆的发展已经从早期的几辆或十几辆的小规模试验阶段，扩展到如今的数十甚至数百辆的大规模运营。目前多家企业已实现无人驾驶技术的规模化应用，单个矿山无人驾驶规模在持续扩大。随着技术的成熟和市场的认可，相关企业的订单量近期实现了显著增长，市场上出现了多个数百台规模的订单，标志着行业需求的稳步增加和商业化进程的加速。例如，三一智矿与新疆骏瑞众研签署了超500台无人驾驶矿车的合作订单，易控智驾与鸣阳矿业计划未来在新疆矿山投放500至1000台新能源线控矿车，踏歌智行与临工重机今年初达成战略合作，将共同部署千台无人矿车，进一步推动了行业的商业化进程。2.4 矿山无人驾驶市场现状数据来源：公开资料，亿矿通2.4.2 头部企业已实现单个矿山无人驾驶规模化应用，即将开始大规模复制希迪智驾 江苏句容台泥水泥矿中科慧拓 国家能源集团宝日希勒露天煤矿打造了全球单体矿山车辆规模最大的无人驾驶项目，无人驾驶车队规模达到203辆易控智驾 特变电工新疆天池能源南露天煤矿将40台220吨矿载卡车进行无人驾驶改造，占现有运载车辆的70%以上踏歌智行 华润水泥肇庆大排矿投入38辆载重70吨的纯电动无人驾驶宽体车，打造覆盖全矿的“新能源 无人驾驶”项目实现无人驾驶纯电动矿车全矿区覆盖，投入使用14台无人纯电矿卡单矿无人驾驶落地规模持续扩大三一智矿新疆骏瑞众研：超500台无人矿车订单2023年7月，三一智矿与新疆骏瑞众研签署超500台无人驾驶矿车合作订单，是中国矿山无人驾驶行业最大单笔订单，金额超10亿元易控智驾鸣阳矿业：5001000台无人矿车战略合作踏歌智行临工重机：1000台无人矿车战略合作2023年10月，易控智驾与新疆鸣阳矿业签署战略合作协议，未来双方将陆续在新疆矿山市场投放5001000台新能源线控矿车2024年1月，踏歌智行与临工重机达成战略合作，双方将通过共建跨领域、跨学科、跨区域的产业协同新格局，共同部署千台无人矿车行业内数百台级别量产订单密集涌现获取更多维度报告数据，请访问亿矿通官网()292.4 矿山无人驾驶市场现状数据来源：公开资料，亿矿通 无人驾驶技术在矿山场景的规模化应用带动车队数量的增加，进而推动成本的逐步降低。随着整个无人驾驶产业链成熟和产量提升，相关智能化硬件成本有望实现显著下降，并最终控制在10万元以内。此外，前期研发投入、基础设施建设成本也随着车队规模扩大得以摊薄。同时，随着技术的不断成熟，运营效率的提升也会为毛利率的增长带来广阔空间。矿山无人驾驶企业自2020年以来逐渐获得资本市场青睐，尽管融资热度在2022年后有所放缓，但到2023年下半年至2024年初，行业迎来新一轮融资高峰，其中易控智驾在短短半年内成功完成了连续两轮融资，而踏歌智行、伯镭科技、雷科智途等企业也相继在近期获得了过亿资金支持，显示出资本市场对行业的信心。同时，融资轮次的后移表明了矿山无人驾驶企业正逐步从初创阶段向成熟企业过渡。2.4.3 规模化应用推动单车成本下降，矿山无人驾驶迎来商业化拐点，获得资本青睐1.1 3.9 4.9 5.7 6.2 1.7 0.4 10.2 4.0 254533252融资总金额（亿元）融资事件数（起）2020H1-2024Q1矿山无人驾驶企业融资情况2020-2023年矿山无人驾驶市场各融资轮次事件数（起）硬件成本下探目前整套硬件成本大约在10-20万元，随着产业链的成熟，零部件成本正持续下降基础设施成本摊薄基站、网络以及服务器等基础设施成本随着运营车辆数量的增加，成本逐渐被分摊单车研发成本下降产品趋于成熟，产品研发的边际成本随规模扩大而下降，单车的研发成本逐步下降司机成本节约司机人工成本逐年上涨，每辆矿用车每年可节省3-4名司机的用工成本运输效率提升目前无人驾驶车辆效率已与人工作业相当，预计今年内可赶超人工，实现效率升级燃油消耗下降普通矿车一年燃油费用可达数十万元，无人驾驶可使其下降10%-20%，效益可观产品成本下降经济效益提升21 1 2 2 1 1 2 1 1 20202023天使轮Pre-A轮A轮B轮C轮战略融资目录C O N T E N T S智能矿山解决方案和发展目标3.1 空天地智能矿山总体架构3.2 基于空天地框架的产业链协同演进3智能矿山及无人驾驶市场现状2.1 智能矿山建设现状2.2 智能矿山市场规模2.3 矿山无人驾驶主要场景2.4 矿山无人驾驶市场现状2智能矿山及无人驾驶发展背景1.1 智能矿山概念与无人驾驶关系1.2 智能矿山及无人驾驶发展历程1.3 智能矿山及无人驾驶发展动力1.4 智能矿山及无人驾驶产业链分析1智能矿山及无人驾驶产业趋势展望4.1 智能矿山产业发展趋势4.2 矿山无人驾驶未来展望4获取更多维度报告数据，请访问亿矿通官网()矿山生产是一个复杂系统，涵盖生产过程、生产对象和生产工具三个核心要素。在这一系统中，矿山各类设备作为生产工具，矿产资源、地质结构等构成生产对象，生产及工程管理贯穿整个生产过程。智能矿山的建设关键在于通过先进技术分别实现生产对象端、生产工具端和生产过程端的数字化、智能化，通过数字孪生虚拟矿山的构建，将实体矿山映射到数字空间中，实现生产工具端、生产对象端和生产过程端的前所未有的无缝对接。智能矿山空天地一体化架构创新性地基于数字空间底座，从生产对象着手，对生产过程全链条进行数字化和智能化构建。该架构采用空天地一体化技术，通过“空天地”（天基：卫星遥感；空基：无人机遥感；地基：地面传感器等）一体化工作模式，从不同层级、不同尺度、不同方式对矿区地上、地下开展有效监测及数据采集，实现矿山环境的全面感知，并通过智能矿山综合管理平台，对各类数据进行汇总和大数据分析，提高矿山作业的敏捷性和连续性，降低协同管理难度，将生产工具端的无人化装备与生产过程端的计划和工程管理进行融合，为矿山的数字化发展奠定坚实基础。3.1空天地智能矿山总体架构数据来源：亿矿通智能矿山空天地一体化技术框架常规信息化建设内容智能化关键内容智能无人矿山综合管理综合运营管理绿色生产管理安全生产管理高效生产管理生产计划任务分析作业执行实时采集空天地数字空间底座设备及工艺智能化系统时空信息管理时空演化数据库透明地质及数字矿山一张图基础应用系统形成构建/更新数学孪生平台智能化管控系统生产辅助作业穿孔作业采装作业运输作业排弃作业地面生产、加工系统基础支撑智能化系统生产及工程管理智能化系统生产计划自动编制生产任务自动分配矿山工程智能管理仿真模拟作业施工综合分析模型构建数据支撑数据通信大数据分析平台数据中心数据调用管控指挥中心结果展示数据支撑破碎作业洗选作业生产过程生产对象生产工具31获取更多维度报告数据，请访问亿矿通官网()32 矿山生产对象主要包括矿产资源及其所属的地质环境，是矿山开采和运营的基础。矿山地质环境变化具有影响范围广、持续时间长、关联要素多等特点，复杂地质条件和脆弱生态环境使得矿山地质环境监测面临严峻挑战。矿山生产对象智能化的难点在于：一方面，矿山岩层形态多样、地质灾害突出、环境参数多，单一、传统的测绘监测手段难以满足矿山复杂地质环境监测的实际需求；另一方面，地质环境参数的变化具有量变到质变的不确定性，地质灾害与生态环境变化之间存在复杂的耦合效应。因此，实现矿山地质环境多要素的协同监测和智能感知是当前需要解决的难点。3.1空天地智能矿山总体架构3.1.1.1 矿山地质条件复杂多变，环境监测面临诸多难点 当前，矿山生产对象端智能化技术的发展主要集中在三维地质建模和透明地质保障技术上。透明地质保障技术结合了物联网、人工智能、大数据和云计算等前沿ICT技术，通过定向钻探和随采物探等手段，实现地质环境的实时监测和全面探查，从而构建动态的多属性三维地质模型，同步再现矿山生产场景，为生产设备提供精确导航，有效预防安全事故，为智能矿山的建设提供地质保障。尽管三维地质建模和透明地质保障技术为矿山智能化提供了强大的技术支持，但这些技术的普及和应用仍面临挑战。目前，地质建模和采矿三维设计在实际操作中并不普遍，设计资料和图纸难以通过三维平台传递给其他作业和管理环节，导致无法充分发挥三维建模在协同管理中的潜力。许多作业和管理流程仍然依赖于传统的CAD图纸进行沟通和交流，这种方式降低了沟通效率，并且无法及时将作业环节的问题和情况在模型上统一反馈和表达。3.1.1.2 三维地质建模、透明地质保障为当前主要技术方向静态数据动态数据实时数据数据融合动态建模可视化地面钻探三维地震地面电磁法井下钻探钻孔雷达井下电磁法槽波探测采掘数据随采地震微震监测电磁法监测空间配准交叉验证联合反演模型局部快速更新监测数据实时更新局部渲染增强实时绘制工作面动态逐级透明化透明工作面动态建模流程3.1.1 生产对象端数据来源：公开资料，亿矿通获取更多维度报告数据，请访问亿矿通官网()33 矿区岩层形态多样、地质灾害突出、环境问题复杂，单一、传统的测绘监测手段难以满足矿山地质环境多尺度、连续性、整体性监测和多要素信息异常智能感知的实际需求。因此，智能矿山的构建必须依托于空天地一体化的感知监测体系，并以此为基础建设基于空间分析的数字空间底座，以提升矿山地质环境监测的综合性和智能化水平。数字空间底座是基于前沿技术架构的智能矿山数字基础设施，围绕“数字化”与“智能化”建设中对数据化生产对象定义、使用、交互的核心需求，以满足各类信息资源汇聚、融合、管理、应用、分析、服务为出发点和落脚点，采用大数据、云计算、人工智能、GIS等技术，以地理实体为基础，通过卫星、无人机、地质数据等构建数字孪生体，通过数字空间分析，为矿山全过程管理提供基于卫星 无人机 地质测量的空天地一体化感知体系。3.1 空天地智能矿山总体架构3.1.1.3 数字空间底座通过空天地数据融合，为智能矿山建设奠定基础 数字空间底座运用多源数据融合技术，将分散的空间数据汇集成统一的地理信息系统。在测绘领域，这一过程涵盖了卫星遥感影像、无人机采集的点云数据、地面测量数据等多种数据源。这些数据源产生的数据格式、分辨率、坐标系等都存在差异，需要通过多源数据融合的技术进行统一处理，解决了现有矿山各类测绘数据综合运用的难题。数字空间底座通过整合来自空、天、地的各类监测数据，实现矿区作业环境和作业对象的实时数字化映射，为矿山数字化生产、运营、管理智能化系统建立交互的平台和基础，同时也为矿山作业链各类业务数据提供了可靠的时空数据支持。在此基础之上，矿山的各类作业数据、流程数据、管理数据实现高度融合，为矿山从数字化向智能化、无人化转型提供切实的公共基础服务平台。通讯卫星遥感卫星导航卫星天无人机航空遥感空地面传感器地数据采集（高效、高精度）数据处理（快速、高质量）决策分析（直观、全面）单一测量方法优化多技术协同测量时间异步性解决一源数据处理多源数据融合处理监测结果展示监测数据分析预测预警3.1.1 生产对象端数据来源：公开资料，亿矿通获取更多维度报告数据，请访问亿矿通官网()34 空天地监测体系从高空、中低空、地面三个维度构建监控网络，实现全天候的立体监测。天基系统通过卫星遥感技术，可为矿山提供宏观的地质构造分析、环境变化监测以及矿产资源的初步评估。“矿大南湖号”矿用卫星是我国首颗矿业遥感卫星，由智慧矿业创新集群理事长单位中国矿业大学煤炭精细勘探与智能开发全国重点实验室牵头，北京四象爱数科技有限公司设计发射，具有高分辨率、轻量化、全天候的工作优势，标志着智能矿业领域“空天地”模式的启动。卫星普查系统可以实现对监管区域范围内大范围的初步监测，筛选出潜在的边坡风险区域，确定重点监管的区域，为下一步的无人机详查奠定区域基础。3.1 空天地智能矿山总体架构3.1.1.4 空天地监测体系为智能矿山提供科学的数据支撑“矿大南湖号”矿业卫星卫星普查系统遥感数据导入归档模块形变渲染模块形变分区模块疑似风险分级模块疑似风险范围提取模块普查报告生产模块 空基系统主要依托无人机遥感技术，搭载专业数码相机、高清摄像机、红外传感器等载荷，可通过倾斜摄影方式实现地上矿区三维建模。无人机详查系统能够一键导入无人机摄影测量和激光雷达生产的矿区月度精细三维模型和点云数据，优化模型显示速度、渲染模式，实现矿区数字三维重现，精准提取边坡形态数值，与初始设计规划建立对应关系，进一步判定边坡是否符合规定要求及潜在风险。无人机详查系统无人机数据导入和归档模块边坡初设信息管理模块边坡坡顶和坡底线提取模块端帮角度测量模块边坡平盘宽度坡度提取模块边坡裂缝提取模块边坡蠕动变形提取模块详查报告生产模块 地基系统通过GNSS、边坡雷达等地面物联网设备对矿区关键区域实施连续实时的量化监管，为矿山的安全管理、环境保护和资源优化提供重要的数据支持。地面传感设备确保了监测的全面性和深入性，是综合监测体系不可或缺的一环。通过空天地监测数据大规模、低成本、高实时构建时空三维数字孪生模型成为智能矿山系统中的生产对象。3.1.1 生产对象端数据来源：公开资料，亿矿通获取更多维度报告数据，请访问亿矿通官网()35 矿山生产工具的智能化是智能矿山建设的重要组成部分，涉及智能采矿机械、无人驾驶车辆、无人值守破碎站等多个方面。目前，矿山生产工具的智能化已经取得了一定进展，矿山无人驾驶逐步实现规模化应用，一些矿山正在采用智能快掘装备和先进的采煤工作面技术，远程可视化采煤等智能化设备也被越来越多地运用于实际操作中。3.1空天地智能矿山总体架构3.1.2.1 生产工具智能化是智能矿山建设的重要组成部分3.1.2生产工具端 矿山无人驾驶系统架构呈现“3 1”特征，云端、网端、车端/路端三大模块构成核心系统，各模块相应安全措施则综合组成安全防护系统。3.1.2.2 矿山无人驾驶系统由云端、网端、车端/路端三大模块组成车端/路端安全数据保护应用安全网端安全通信加密认证鉴权云端安全数据证书管理边界防护密钥管理系统加固远程升级访问控制安全防护矿山无人驾驶系统框架云端无人驾驶系统路侧导航定位与网络通信云平台协同作业系统路侧感知边缘计算感知模块决策执行通信模块定位模块OTA无人驾驶矿卡/宽体车挖掘机/电铲推土机/装载机协同路侧定位GNSS卫星RSU路侧单元4G/5G基站LTE-V2XRTK定位网端车端/路端数据管理和存储统一调度和监管平台数据分析和处理数据交互和传输智能调度远程控制设备监控生产监控应急接管高精地图用户管理摄像头激光雷达计算平台线控系统规控算法毫米波雷达数据来源：公开资料，亿矿通获取更多维度报告数据，请访问亿矿通官网()363.1空天地智能矿山总体架构数据来源：公开资料，亿矿通3.1.2.3 矿山无人驾驶逐步实现规模化应用，未来将与智能矿山深度融合单编组测试运营无人 有人驾驶混编运营单车智能化无人驾驶矿卡/宽体车有人驾驶矿卡/宽体车全矿无人驾驶运营矿山无人驾驶向全矿无人化迈进 目前，中国矿山无人驾驶企业专注于运输环节的智能化解决方案，但运输只是矿山作业的其中一环。无人驾驶与矿山作业上下游链条的衔接仍不够充分，尚未打通智能化生产作业全链条。未来，矿山无人驾驶将加速发展，推动挖掘机、电铲、洒水车、压路机等配套设备的智能化改造，并进一步与矿山其他智能系统如智能采矿、智能洗选等深度融合。矿山无人驾驶将从单一的运输环节智能化，向整个矿山作业流程的全面智能化迈进。通过与智能矿山全链条的充分衔接和融合，矿山无人驾驶将推动矿山行业向高端化、智能化、绿色化的方向发展。经过多年技术沉淀和标杆案例经验积累，矿山无人驾驶实现从“安全员下车”到“单车无人”再到“编组无人”的技术进步，多个企业已实现无人与有人驾驶车辆的混编运营。目前，头部企业正朝着全矿无人化运营的目标迈进，推动矿山无人驾驶向更高水平发展。运输环节智能化全流程智能化地质勘探规划设计采掘爆破质量检测矿石加工地表现状模型、地质品位模型、矿体模型开采规划、生产计划、爆破设计不同工作面的具体生产施工在线计量、取样化验矿石破碎、选矿厂获取审批装载运输装车销售皮带、铲装运输、车辆调度开采审批矿石的下一步运输3.1.2 生产工具端获取更多维度报告数据，请访问亿矿通官网()37 生产过程作为连接生产对象与生产工具的关键纽带，其数字化和智能化水平决定着整个智能矿山系统的数字化水平，以及是否能够达成全链条数字化的效率。生产过程管理涉及矿山企业与工程承包企业、装备企业等多个主体，目前跨越多主体形成的数字化解决方案尚不成熟。一些拥有工程承包能力的矿山企业由于内在动力充分、协调难度较低，已经开始尝试并形成了初有成效的数字化管理方案。这些方案展现了生产过程管理环节的数字化智能化趋势，也预示着通过全业务链数字化，矿山生产效能具有较大的提升空间。3.1空天地智能矿山总体架构数据来源：公开资料，亿矿通3.1.3.1 矿山生产过程数字化、智能化尚未成熟 通过深入分析案例并借鉴智能建造等相关行业经验，我们认为可以从生产计划的自动编制、生产作业任务的标准化和自动分派、矿山工程智能管理系统这三个维度来进行数字化建设和改进。生产计划的一体化自动编制：利用集成三维地质建模的矿山数字孪生技术实现矿山设计的数字化模型构建。根据地质模型和矿石储量信息，利用三维采矿设计软件进行三维矿山设计和规划，包括开采方案、巷道布局、采场设计等，快速生成生产计划。生产计划的生成仅是起点，更为关键的是实现生产计划的仿真模拟、动态调整，实现不同设计方案和工艺流程的模拟比较，辅助优化实时监控和设计方案，提高工程进度质量的核算和反馈频次。因此，生产计划系统智能化就是结合矿山资源储量、生产能力和市场需求等要素，实现生产计划的自动化生成和优化。3.1.3.2 生产过程数字化建设可通过三大维度实现生产计划系统运距自动优化沟道几何尺寸沟道工程量月度生产计划矿岩量动态调整电铲自动配置VP曲线自动绘制年度生产计划自动规划设备配置图表自动生成综合平面图自动绘制年度生产计划工程进度自动编排设备数量自动计算分层平面图自动绘制时空演化模型动态构建与更新系统采矿设计数字化系统时空信息管理子系统露天矿设备及工艺系统3.1.3 生产过程端获取更多维度报告数据，请访问亿矿通官网()38生产计划系统通过综合运用三维地质建模的矿山数字孪生技术、物联网、人工智能等技术，实现矿山采矿设计到生产计划的智能化一体化编制，从而提升矿山生产管理的智能化水平，提高生产效率和质量，降低生产成本，促进矿山精细化管理提升。3.1空天地智能矿山总体架构数据来源：公开资料，亿矿通 生产作业任务的标准化和自动分派：通过确立数字化标准作业流程，矿山企业能够自动化生成任务清单和工作指导，让工程作业更规范化和高效化。同时，工程承包企业应与矿山企业的作业标准化管理系统进行连接。利用矿山智能化综合管控系统，实现作业任务的自动分派和调度，并下发至工程队伍的车辆和班组，优化资源配置，减少人为错误和时间浪费，提高任务调整和变动的柔性能力。岗位标准作业流程系统岗位标准化流程宣贯电脑学习手机学习员工培训学习交流岗位标准化流程执行人员匹配流程管理流程执行统计流程信息关联岗位标准化流程评价流程优化评估合规性检查绩效监控分析效能评价穿孔标准作业流程爆破标准作业流程采装标准作业流程运输标准作业流程排土标准作业流程现场辅助标准作业流程外部接口岗位标准作业流程库多种派车模式适配不同工况车辆调度适配传统人工调度模式，挖机和渣土车固定分组固定派车渣土车和挖机整体混装作业，系统自动识别渣土车装载挖机自动识别根据固定分组，多对多混装，兼顾管理及效能分组混装人工智能根据工况分析效率，自动配对，使效率得以提高智能派车3.1.3 生产过程端获取更多维度报告数据，请访问亿矿通官网()数字化作业管理系统的建立，将明确生产作业的任务指标和标准，包括工作量、时间要求、质量指标等，并通过数字化系统对这些指标进行记录和监控。数字化作业管理系统还将通过车辆调度系统、矿山综合调度系统的数字化链接，根据生产任务的类型、需求和优先级等信息，将任务自动分配给合适的设备或人员进行作业。系统还将实时监控生产作业任务的进度和执行情况，及时发现问题并进行调整和跟踪。此外，数字化系统将自动记录和分析生产作业任务的完成情况、效率等数据，并及时反馈给管理人员，为决策提供数据支持。通过数字化系统收集反馈信息，矿山企业可进行生产作业任务的持续改进和优化，提高生产效率和质量。数字化作业管理系统通过以上方式可以实现生产作业任务的标准化和自动分派，提高生产效率和管理水平，实现生产过程的智能化和数字化管理。393.1空天地智能矿山总体架构数据来源：公开资料，亿矿通数字化作业管理系统基础管理基础数据配置人员信息基础资料信息发布信息查询文件资料员工权限生产任务管理任务确定任务分配任务进度任务单管理作业标准管理作业检查作业标准作业统计问题处理班组核算管理班组预算物料管理生产能耗成本统计考核管理日常考勤考核指标班组绩效绩效统计培训管理培训资源培训计划培训学习统计报表系统外部支撑平台网络服务平台移动应用平台大数据决策平台可视化决策平台运营支撑管理系统 工程进度和质量安全管理智能系统：矿山工程智能管理系统是一个高效的综合性监管决策平台，通过集成矿山设备智能化、矿山可视化支持平台、物联网大数据平台以及综合管理和服务支持系统，利用传感器、互联网、三维可视化、高精度导航和大数据处理等先进技术，实现对矿山运营的全面智能化管理。通过与现有的智能系统和设备实现互相衔接和互动，该系统能够对矿山现场的生产工程进行全面管理，辅助从业人员进行更准确的判断和决策，提高作业精准度和效率，进一步推动工程向少人化甚至无人化的方向发展，从而提升矿山的整体效益和竞争力。3.1.3 生产过程端获取更多维度报告数据，请访问亿矿通官网()40矿山工程管理智能系统依托于基础平台的支撑，建立在现有智能化系统和设备基础之上，实现对工程的调度管理、远程遥控，并监控各生产环节的实时状态及人员情况。同时，该系统借助平台的智能决策和设备及人员智能终端系统，可辅助现场作业人员进行精准判断和有效决策，促进了矿山工程管理的一体化进程。通过整合各类资源和技术，矿山工程智能管理系统为矿山工程管理带来更高效的监管和决策能力，推动矿山工程的现代化发展。矿山工程管理的整体水平通过以上三个维度上的不断改进优化将得到显著提升，实现智能化、高效化和可持续发展，提升矿山生产的整体管理水平和生产效率。智能设备和传感器技术的引入可实现设备的自动化控制和监测，提高设备作业效率和安全性。统一的数据平台可实现设备、人员、作业量等信息的实时采集、处理和分析，为决策提供数据支持。智能调度系统与智能矿山综合管控平台的对接，将实现车辆、设备的最优化调度，提高作业效率，并减少资源浪费。物联网智能监控系统的应用通过对生产现场的安全监控和预警，为安全生产提供坚实保障。建立智能化质量管理系统，通过高效计量验收对工程质量进行监控和评估，以确保产品质量符合标准要求。智能成本管理系统对生产过程中的各项成本进行监控和分析，实现成本的精细管理和控制。最终，系统对整个生产过程中积累的大量数据进行大数据分析和建模，深入挖掘生产数据，为提质增效等管理决策提供更为精准的信息支持。3.1空天地智能矿山总体架构矿山工程管理智能系统辅助设备作业管理辅助设备定位管理辅助环节疏干排水管理供电管理外部平台生产综合调度管理系统时空信息管理系统设备智能化车载系统大数据智能决策平台穿孔过程管理炮孔性能管理智能监控管理司机作业行为管理穿孔爆破作业管理采装作业管理穿孔统计管理智能装药管理智能导航管理作业状态管理装载管理计量管理调度管理排土作业管理行车轨迹管理卡车运输管理排弃作业管理破碎作业管理胶带运输管理破碎机工况管理视频监控管理物料管理视频监控管理驾驶员行为管理卡车位置管理料位监测管理破碎效果管理排土位置管理排土机安全管理故障识别管理远程控制管理3.1.3 生产过程端数据来源：公开资料，亿矿通获取更多维度报告数据，请访问亿矿通官网()41 空天地一体智能矿山框架不只是强调了智能矿山相关技术的分类和发展趋势，同时也从整个产业链组织方式的角度，揭示了生产对象端、生产工具端、生产过程端三个领域之间要解决的产业链之间技术合作问题。在价值链的更高层面上，提高企业间优化资源配置和流程设计，从而提高产业链之间共同形成的产品和服务能力。特别是在数字化转型的过程中，作为推动第二增长曲线的关键创新技术力量，要通过协同合作和创新来实现全新的数字化价值链，带来全链条数字化的效率提升，解决单点数字化技术的效率瓶颈问题。从智能矿山的建设体系看，矿山数字化智能化的起点是生产对象的数字化，即以三维地质模型为基础的数字孪生系统。数字孪生系统在智能矿山和智慧城市、数字工厂等领域存在显著的区别。在智慧城市或数字工厂背景下，数字孪生系统主要用于相对静态的场景环境以及生产线可视化管理。对于矿山而言，数字孪生系统同时还是工程作业的时空对象。因此，数字孪生系统是矿山数字化作业链条的起点，既是生产计划的载体，又是生产进度的描述，同时还再现了生产作业场景，具有三重内容和性质，集成了矿区最丰富的数字化信息。3.2 基于空天地框架的产业链协同演进数据来源：公开资料，亿矿通3.2.1 生产对象端、生产工具端和生产过程端的数字化链接矿山数字孪生数字孪生体通过精确映射矿山的地质结构和资源分布，为制定生产计划提供了详实的基础数据，能够实时更新矿山状，从而辅助决策者优化生产计划生产计划载体数字孪生体实时追踪并记录矿山开采进度，通过数字化手段提供生产活动的即时快照，使得管理者能够及时调整计划以应对任何变化生产进度描述数字孪生体为矿山生产作业提供虚拟的三维场景，不仅再现了矿区的物理环境和作业流程，还集成了实时数据和历史记录生产作业场景 为加强生产对象端和生产工具端的链接，需重点发展数字孪生系统与无人驾驶地图的对接、物联网环境监测数据的整合以及生产工具间的数字孪生体互联等三个方面。数字孪生系统与无人驾驶地图的对接：高精度、高实时性的矿区地图是无人驾驶装备任务下达及管理的基础，对于无人驾驶装备运行的意义不言而喻，也是各个企业花费巨大成本要解决的基础问题。尤其是装载区和排弃区作业空间更新较快，也是影响无人驾驶效率的重要环节。单个无人驾驶项目在地图更新上的任务繁重且成本高昂。数字空间底座通过在公共平台上利用卫星和无人机技术，构建大规模数字孪生服务，可以有效地解决这一问题，同时也为整个智能矿山其他相关系统提供数字孪生体模型的低成本、高实时更新。获取更多维度报告数据，请访问亿矿通官网()42 基于数字孪生系统的物联网环境监测数据打通：对于无人驾驶装备而言，重要的技术难点在于环境的实时监测。在矿山场景下，激光雷达、毫米波雷达、视觉传感器等也成为无人驾驶模式下重要的成本模块和易损耗品。基于V2X视角，整个智能矿山的物联网监测信息将为无人驾驶提供有效的外部信息补充，辅助风险识别，减少无人驾驶装备自身的技术长尾效应。对于无人驾驶公司来说，大量传感器数据仅仅用于识别路面以及车辆之间距离等用途。实际上还可以成为矿区环境监测数据的重要来源和补充，其中的车端激光点云数据对于作业区数字孪生模型快速更新有重要价值。基于数字孪生系统的生产工具相互链接：无人驾驶面临的一个主要困难是识别矿区风险和环境障碍，如大量粉尘、积雪、路面大型坑洼以及落石，遇到这些情况无人驾驶矿卡障碍停车。通过矿山数字孪生体，可以将无人化的洒水车、平路机等辅助设备快速调度至障碍区域。无人化辅助设备主动解决障碍问题，是整个矿区实现无人化的重要保障，也是解决主动安全问题的重要手段。无人化辅助设备与运输设备，特别是边坡监测环境预警等信息的整体综合协同以及自动化调度，将大大提高矿区无人化作业的实现水平和主动安全能力，这是全链条数字化相较于现有系统的巨大管理优势。数字孪生系统与无人驾驶系统的连接也是整个智能矿山系统实现全面协同的关键。智能矿山建设应从顶层设计出发，基于综合管控的视角，以数字孪生体为载体，整合相关生产工具端和生产过程端的系统，以实现真正意义上的综合管控。目前各单位的综合管控平台仅仅能够实现数据的集成展示和统一登录功能，虽然一定程度上解决了数据的集中融合问题，但根本上无法基于时空对象数据，将各业务数据和管理数据实现互联互通、互相赋能。这是矿山数字化综合管理的深水区，也是实现矿山整体智能化、无人化的首要工作。3.2 基于空天地框架的产业链协同演进数据来源：公开资料，亿矿通数字孪生系统与无人驾驶地图对接大规模数字孪生服务平台可有效解决地图更新难题，为智能矿山系统提供模型更新物联网环境监测数据打通矿区环境玉车端传感数据互为补充，基于数字孪生进行物联网环境监测数据打通生产工具相互链接无人化辅助设备与运输设备的综合协同将提升矿区无人化作业水平和主动安全能力获取更多维度报告数据，请访问亿矿通官网()43 从空天地模型的整体来看，现有数字化智能化技术主要集中于生产对象端和生产工具端，而生产过程端的数字化转型尚未得到充分开展。在现有的工程承包模式下，工程管理企业承担着矿山作业过程中大部分的设备和人员管理任务，特别是对大量司机和劳务人员的管理，这在很大程度上依赖于项目经理的管理能力。从行业龙头企业宏大爆破了解到，受限于项目经理培养的难度和优秀人才数量，工程承包项目客观上存在成本控制瓶颈和规模发展上限，这也是很多工程企业难以做大做强的重要原因之一。在现有大量矿山工程承包采用综合单价招标的模式下，工程企业难以通过管理和技术能力降低运营成本，只能向装备企业或者金融租赁企业转移成本压力，这已成为行业的一个普遍问题，影响了整个产业链企业的经营安全。因此，要尽快通过数字化的方式，提高工程管理的成本核算控制能力，降低人员管理依赖，提高对数字化系统、无人化装备的使用，才能破解现有工程管理企业生存难题，在智能矿山下第二增长曲线上做出价值贡献。3.2 基于空天地框架的产业链协同演进数据来源：公开资料，亿矿通3.2.2 以生产过程端串联生产对象端与生产工具端 工程管理系统与智能矿山管理系统对接：本蓝皮书在前文已提出了数字化工程管理系统的构建方法，其中重要的一环是矿山工程管理系统与智能矿山系统的对接。在现有工程外包模式下，智能矿山建设的责任和投资主体通常是矿山企业，而最终体现成本和效率的是工程管理企业。投资和受益的脱节导致智能矿山政策之后技术发展动力不足，三年一招标的模式决定了工程企业对于智能化和数字化投入缺乏长期关注。矿山工程管理企业的系统能否与智能矿山系统衔接，极大影响矿山全链条数字化的实现和效率，同时也是工程管理成本管控透明化的重要手段。生产工具端生产过程端生产对象端生产过程端的数字化转型尚未得到充分开展相关企业对数字化系统、无人化装备的使用程度有待提升数字化智能化技术获取更多维度报告数据，请访问亿矿通官网()44从部分矿山的实际运行情况看，工程管理企业自身缺乏数字化的手段来准确衡量运营成本，与矿山企业在综合单价的模式下陷入艰难博弈，诸多工程管理企业中标之后就面临项目亏损和中断的不利局面。解决这一问题的根本途径在于通过智能矿山数字孪生平台，精确计量车辆运输距离、提升高度、工况油耗，以及因为生产计划调整带来的成本变化，通过成本加成的业务模式实现与矿山企业的一体化管理。工程管理端与无人化装备端产业链对接：在矿山工程外包的模式下，无人驾驶企业与主机厂都是生产工具的提供者，而工程管理企业则是这些工具的应用者。虽然现阶段部分无人驾驶企业在产品打磨阶段开始提供运力承包的服务，但是从企业基因的角度看无人驾驶公司最终仍将发展为工具提供者，而非直接面向矿山企业的运力承包者。在此背景下，无人驾驶装备这一工具如何交接到工程管理企业的手中，是无人化工程运营大规模落地的关键问题。将无人驾驶工具交给习惯于传统人员管理模式的工程管理企业项目经理使用存在一定难度。他们对于无人驾驶所需的任务下达系统操作等新事物尚不熟悉，与无人驾驶公司派驻的任务调度员沟通也存在障碍。解决这一问题需要两方面的努力：一方面是无人驾驶公司与工程管理公司针对示范项目共同磨合，形成一体化的管理标准及能力。如白音华三号矿项目西安主函数公司与相关工程企业合作的经验所示，这一过程必不可少，并且需要双方对未来的理解以及技术合作达成较深的共识；另一方面，工程管理公司本身要提高数字化水平，将数字化系统与无人驾驶公司的系统和装备进行融合，共同培养和塑造数字化无人化场景下的新型项目经理。3.2 基于空天地框架的产业链协同演进工程管理端工程管理企业习惯于传统人员管理模式对无人驾驶等新兴技术不熟悉无人化装备端无人驾驶企业、主机厂等提供无人驾驶矿卡等矿山生产工具工程管理企业项目经理与无人驾驶企业派驻的任务调度员沟通存在障碍无人驾驶企业与工程管理企业针对示范项目共同磨合，形成一体化的管理标准及能力工程管理企业提高自身数字化水平，将数字化系统与无人驾驶系统和装备进行融合，培养数字化场景下的新型项目经理数据来源：公开资料，亿矿通目录C O N T E N T S智能矿山解决方案和发展目标3.1 空天地智能矿山总体架构3.2 基于空天地框架的产业链协同演进3智能矿山及无人驾驶市场现状2.1 智能矿山建设现状2.2 智能矿山市场规模2.3 矿山无人驾驶主要场景2.4 矿山无人驾驶市场现状2智能矿山及无人驾驶发展背景1.1 智能矿山概念与无人驾驶关系1.2 智能矿山及无人驾驶发展历程1.3 智能矿山及无人驾驶发展动力1.4 智能矿山及无人驾驶产业链分析1智能矿山及无人驾驶产业趋势展望4.1 智能矿山产业发展趋势4.2 矿山无人驾驶未来展望4464.1 智能矿山产业发展趋势智能矿山未来三大发展趋势智能矿山的发展和实现，需要智能矿山产业链上各类技术的协同进步和集成创新。在这一典型的生产场景中，围绕智能无人化生产组织方式，生产对象端、工具端、过程端正在形成一定的商业模式，并成为智能矿山未来发展趋势。获取更多维度报告数据，请访问亿矿通官网()474.1 智能矿山产业发展趋势数字孪生技术发展的三个问题表面三维建模与地质建模的融合问题1数字孪生建模空间计算问题2数字孪生高效低成本构建问题34.1.1 数字孪生技术平台化服务趋势 数字孪生技术作为矿山生产的底层基础，既是矿山时空生产对象的数字化映射，也是各类智能化系统的载体，充当着围绕生产进行数据交换的中台。数字孪生技术的大规模应用，将为智能化矿山的发展构建良好的基础。数字孪生技术发展需要解决表面三维建模与地质建模融合、数字孪生建模空间计算、数字孪生高效低成本构建等三个方面的问题。表面三维建模与地质建模的融合问题：可见部分露天矿的地表建模、井工矿的巷道建模与不可见的地质建模需进行有效融合，以实现全面的数字孪生模型构建。大部分其他场景的数字孪生技术公司并不熟悉矿山行业的三维地质建模，这类数字孪生模型仅能搭建生产环境，不能实现对生产对象的时空数字定义功能。数字孪生建模空间计算问题：矿山数字孪生体作为生产对象，要为矿山设计、进度、质量等方面的数字化管理提供精确定义和计算支持。目前，大部分三维建模技术未能匹配融合基于CAD的空间计算引擎，同时也未能实现二维、三维视图之间的切换，导致三维模型主要被用于展示而非实际的业务操作。二、三维图纸协同等基本功能也是当前亟需解决的问题。数字孪生高效低成本构建问题：不同于制造业，矿山的数字孪生体会随着生产作业推进而实时发生变化。模型的高效快速且低成本构建是其大规模应用的关键问题。矿山柔性化、精细化生产的起点来自于生产计划编制、质量进度核验的周期缩短，高效低成本模型供应也是智能矿山柔性生产的基本条件。4.1.1.1 数字孪生技术发展问题数据来源：亿矿通获取更多维度报告数据，请访问亿矿通官网()484.1.1 数字孪生技术平台化服务趋势 数字孪生技术平台化服务模式通过专业化、规模化模型服务来降低数字孪生建模成本，提高效率和技术专业化。首先，建设区域级服务平台可为矿山密集区域提供大规模的建模服务。这种服务模式有助于降低单个矿山建模的成本，并克服了各矿山自行购买设备和处理技术瓶颈所带来的低效问题，尤其是解决了因人员技术限制而难以进行进一步专业化处理的问题。其次，服务平台通过融合卫星、无人机、矿区雷达等多源数据，实现模型的多维度数据采集，结合卫星的大面积普查能力、无人机的高精度详查优势以及地面雷达的高实时监察功能，使得不同建模技术的优势得以互补。最后，服务平台为智能矿山其他系统提供实时模型，基于模型为各类系统间的数据串联提供平台，同时赋予时空数据这一新的维度，为智能矿山综合管控奠定数字化基础。平台化的建设也为智能矿山管理部门提供数据支撑，解决了矿山生产运营与监管的信息对称问题，降低了监管成本以及监管工作对现场生产的影响，为无人化矿山的安全评估提供了空天地视角和可追溯数据支撑，特别为无人化矿山运营的监管制度提供了便捷手段。数字孪生技术服务平台区域级服务平台为矿山密集区域提供大规模的建模服务，带来规模经济单个矿山建模成本降低，技术使用效得以提升多源数据融合融合卫星、无人机、矿区雷达等多源数据结合卫星普查、无人机详查和地面雷达实时监控的优势，各种建模技术相互补充实时数字模型为智能矿山其他系统提供实时模型，支持即时数据需求提供数据串联平台，通过时空数据增强智能矿山的综合管控能力生产运营安全监管为智能矿山管理部门提供数据支撑，降低监管成本以及监管工作对现场生产的影响为安全评估提供了空天地视角和可追溯数据支撑，特别为无人化矿山运营的监管制度提供了便捷手段4.1 智能矿山产业发展趋势4.1.1.2 数字孪生技术平台化服务模式数据来源：亿矿通获取更多维度报告数据，请访问亿矿通官网()4.1.2 无人驾驶技术模块化运营趋势49 无人驾驶作为矿山无人化装备技术中的重要组成部分，是矿山数字化技术链条的终端和执行端。无人驾驶技术经过多年发展，目前在部分矿山中已经开始大规模落地应用，实现了常态化无人运行、动态多编组运行。无人驾驶车辆与有人车辆的混合编组也能够较好地融合运行，技术上已具备落地的可行性。然而，矿山无人驾驶仍然面临全链条数字化未能贯通、生产过程企业参与度不足以及成本较高等问题。无人驾驶技术环节未能与智能矿山系统实现全链条数字化贯通：在生产计划端，无人驾驶企业较少与智能矿山整体框架融合。例如，卡车调度系统尚未与智能矿山的任务分派环节有效连接。在运营端，无人驾驶企业与主机厂的产业链合作模式在多样性现状下尚未形成高效的协同。无人驾驶设备的开发和运营标准化仍在探索之中，无人驾驶企业与工程运营企业的产业链分工合作模式也尚未明确。智能矿山系统下生产对象和生产工具的技术发展缺少生产过程企业深度参与：数字孪生和透明地质保障等生产对象技术以及无人驾驶和远程控制等生产工具技术正在快速发展，但矿山产业链中重要的一环工程运营承包企业的数字化水平尚未达到较高水平。工程企业对于无人驾驶技术的未来交付车辆或技术不够熟悉，限制了生产对象与生产工具的有效衔接，难以实现数字化生产作业全链条的贯通。短期内无人驾驶运营的成本仍然大幅高于有人运营：目前无人化工程运营受限于自身技术效率和投入运营的规模经济不足，成本远高于有人工程运营。只有实现整体矿坑无人化获得吨煤安全费用降低的弥补，才能快速实现商业化落地的经济可行性。此外，还应关注无人矿卡以外的其他相关设备的无人化，加速矿山整体无人化方案的实施和落地。4.1 智能矿山产业发展趋势4.1.2.1 无人驾驶大规模落地瓶颈问题生产对象、生产工具的技术发展脱离了生产过程的产业链企业深度参与短期内无人驾驶运营的成本仍然大幅高于有人运营无人驾驶尚未与智能矿山系统实现全链条数字化贯通数据来源：亿矿通获取更多维度报告数据，请访问亿矿通官网()4.1.2 无人驾驶技术模块化运营趋势50 以上三方面问题并非单一企业能够解决。矿山无人化工程运营是一个基于矿山场景的综合问题，涉及企业较多，在传统技术框架下已经形成了一定的产业链分工模式。基于数字化背景下的产业链重组需要通过产业平台来逐步推动。中国产业发展促进会成立的矿山无人化运营产业服务平台就是围绕这一目标，引导各方思想行动，争取逐步化解以上问题。首先，在典型示范矿山项目上将智能矿山顶层设计与无人驾驶系统进行融合。项目启动之初即以实现矿山业务链全流程数字化为目标，整合智能矿山的综合管理平台、无人驾驶的云控制平台、5G通信技术以及超融合数据中心等，形成统一的配置体系。这一整合旨在减少各系统间的重复配置成本，并确保矿山环境、安全监测、管理数据与无人驾驶业务数据及其他相关信息的数据贯通。特别是对于道路平整、粉尘处理设备的统一调度管理，可有效降低无人驾驶的环境复杂度以及感知难度。其次，生产计划数据、任务分派数据和运力调度数据实现全链条贯通。矿山无人驾驶与社会场景无人驾驶主要区别在于矿山无人驾驶未能解决运输对象即“客人”的来源和去向问题，这些都需要依靠生产计划管理系统来定义。只有以生产计划为起点，从工程管理企业现有的人员车辆管理、物料管理、运距管理、成本管理等系统出发，构建数字化的工程管理数据平台，推进工程运营的成本管理实现精细化计量，从根本上运筹优化现场车辆的配置和物料等候，才能最大限度提高无人化工程运营的全链条数字化成本优势，从而为未来执行柔性生产管理奠定数字化基础。最后，通过中国产业促进会、中国矿业大学等机构推动政府部门出台相关政策，包括基于矿山无人化工程场景下的行业发展指引以及安全操作规程、无人化矿山安全监管办法以及无人驾驶行业标准等一系列政策法规，逐步建立矿山无人化工程场景合法化的制度体系，从根本上为无人化运营提供制度保障，并逐步推动矿山安全费用对于无人化运营的政策补贴扶持。4.1 智能矿山产业发展趋势4.1.2.2 无人驾驶技术模块化运营商业模式在典型示范矿山项目上将智能矿山顶层设计与无人驾驶系统进行融合逐步建立矿山无人化工程场景合法化的制度体系，从根本上为无人化运营提供制度保障生产计划数据、任务分派数据和运力调度数据实现全链条贯通010203数据来源：亿矿通获取更多维度报告数据，请访问亿矿通官网()51 智能矿山建设标准要求大部分矿山企业配备综合管控平台系统。综合管控平台系统作为矿山各个子系统集成中心和数据融合管理中心，与5G、超融合数据中心等系统共同成为智能矿山系统的基础设施和公共平台。从矿山实际应用的情况看，综合管控平台等同类系统仍需要解决业务与职能管理一体化缺失、多源数据未以时空数据为基础以及数字化一体化融合不完善等问题。平台建设未能基于业务管理及职能管理的一体化、精细化流程优化：智能化系统的建设本质上是要提高矿山精益管理以及柔性生产水平，矿山从设计到开采等各个环节的流程优化和一体化设计是智能化综合管控的根源和基础。然而，目前大多数系统仅停留在数据信息集成阶段，通过中控大屏提供监测数据以辅助人为管理。在部署这些系统之前，矿山企业往往没有对现有的业务管理和职能管理进行流程梳理和优化，更未能充分考虑数字化带来的新方法和工具以及对管理职能的重塑。目前的多源数据融合未能以时空数据为平台基础：时空数据作为矿山工程的生产对象以及作业环境，是各类业务数据和管理数据的重要基础。缺少时空维度将导致生产和业务数据缺少足够的信息支撑，来进行实时管理和可视化管理，限制智能化决策的迭代。因此，融合时空数据，尤其是三维地质模型等关键生产数据，已成为新疆等地区智能化矿山建设文件明确的关键技术需求。但从现实情况来看，不同厂商之间对此尚有藩篱，由于软件企业销售模式的限制，很难轻易将数据交给其他企业进行融合乃至互动。4.1 智能矿山产业发展趋势数据来源：公开资料，亿矿通4.1.3.1 综合管控平台现有问题 从采矿设计到工程进度计划链条尚未实现数字化和一体化融合：传统的采矿设计主要是基于CAD等工具的二维设计，目前已逐步向三维设计软件过渡，三维地质建模、储量计算和矿体估值技术都取得了较大的进步。然而，在三维采矿设计完成后，三维模型并未能有效传递至其他业务环节，导致生产计划和进度安排未能与块体模型建立数字化的联系。与建筑行业通过BIM技术实现的协同管理相比，矿山行业尚未应用类似的一体化管理平台，业务流程之间依然依赖于图纸交换而非模型数据交换，主要在于矿山行业缺少能够实现模型数据交互的协同管理平台。矿山对象信息时间信息矿山事件信息属性信息空间信息4.1.3 一体化协同管理智慧中台趋势获取更多维度报告数据，请访问亿矿通官网()52 综合管控平台是整个智能矿山的核心系统，也将随着矿山智能化进程不断迭代和演进。基于目前各类相关技术的发展，综合管控平台将进一步向协同管理平台的方向发展。首先，融合三维地质建模的矿山数字孪生技术是矿山各类系统的基础，基于时空数据的多源数据融合中台为矿山业务管理和职能管理提供多维度的数据可行性。中国矿业大学推动的数字空间底座平台，为低成本、高效率的数字孪生提供了基础，促进矿山各类数据的融合，将极大增强其他系统的数据功能维度和可视化管理便捷性。其次，随着数字化技术的发展，矿山的业务管理和职能管理存在较大的优化空间。高效率的测量和建模可提高生产计划的更新频率，相关的安全管理、风险预警管理从相对业务后端逐步与生产管理实现同步，使得风险预警提示和安全管理措施在动态进展的综合管控平台上实时可见。以往基于各个专业知识和管理要求建立的职能部门，存在一岗多能、综合管理等方面优化的空间。智能化、无人化矿山的建设，将通过技术驱动管理职能逐步匹配适应智能化、无人化。最后，从三维矿山设计到生产计划、工程进度计划，基于三维地质模型的数字孪生平台可实现作业空间运筹优化，通过矿体的模型对象数字化实现采矿设计、计划编制、任务分配一体化建模管理。基于三维数字孪生模型的一体化管理，是矿山精细化、柔性化生产管理的成熟状态，也是智能矿山建设过程中智能化决策的基础。从一体化的管理到无人驾驶等一体化的作业执行，全链条数字化将使矿山生产实现前所未有的效率提升。相较于传统管理系统，整个数字化系统的优势在于克服传统管理模式下人才水平、专业能力的客观限制，将专家经验模型化、参数化，进而推动协同管理下的智能调度、柔性生产。为实现以上发展方向，需要基于数字空间底座等工业互联网平台进一步整合各类业务系统，融合精益管理理念，对业务流程进行数字化再造。因此，以中国矿业大学为依托建立智慧矿业创新集群以及矿山无人运营服务平台将提高整个生态的协同进化，将最大限度提高规模经济效应，降低各类矿山应用成本，并奠定大数据驱动的效率提升基础。4.1 智能矿山产业发展趋势4.1.3.2 矿山综合管控平台向协同管理方向发展数字孪生为智能矿山提供数据基础融合三维地质建模的矿山数字孪生技术是矿山各类系统的基础，基于时空数据的多源数据融合中台为矿山业务管理和职能管理提供多维度的数据可行性矿山的业务管理和职能管理将不断优化高效率的测量和建模可提高生产计划的更新频率，相关的安全管理、风险预警管理从相对业务后端逐步与生产管理实现同步全链条数字化带来矿山生产效率提升从一体化管理到一体化作业执行，全链条数字化将使矿山生产实现前所未有的效率提升，整个数字化系统的优势在于协同管理下的智能调度、柔性生产4.1.3 一体化协同管理智慧中台趋势数据来源：亿矿通获取更多维度报告数据，请访问亿矿通官网()534.2 矿山无人驾驶未来展望4.2.1 绿色化、智能化趋势并行，矿山无人驾驶引领矿业高质量发展新篇章 在国家“碳达峰碳中和”战略目标的推动下，矿用车辆的绿色化转型已成为行业发展的必然选择。随着电动汽车技术的进步和矿区充换电设施的日益完善，新能源矿用车将充分发挥其环保、高效的优势，逐步取代传统燃油车型，成为矿山运输的主力军。同时，矿山无人驾驶技术将持续升级，在有人驾驶和无人驾驶混编运营的基础上实现全矿无人驾驶运输目标。未来，矿山无人驾驶将进一步推动配套设备的智能化改造和生产智能调度系统的升级，与智能矿山全链条充分衔接和融合，推动矿山生产全流程的无人化、数字化、智能化。新能源的应用为智能化建设带来便利，而智能化的发展将提升矿山开采效率和资源利用率，两者相辅相成，共同为行业的高质量发展注入强大动力。政策支持力度加强矿用车辆新能源替代充换电基础设施建设中国“3060”双碳目标少数优秀矿山示范引领全面推进绿色矿山建设税收优惠用地保障资金支持绿色信贷燃油矿用车新能源矿用车燃料电池矿用车混动矿用车纯电动矿用车新能源矿用车普及，促进绿色矿山建设高质量发展无人驾驶矿卡/宽体车覆盖范围扩大配套设备智能化升级单个工作面试点应用全矿区覆盖封闭场地单车循迹装卸载全流程纯无人单编组有人 无人混编全矿无人驾驶全流程智能化电铲/挖机推土机前装机压路机洒水车爆破车采矿规划设计生产作业管理安全监测管理综合管控交互智能矿山运维智能装备管理运输环节智能化无人驾驶智能化加速发展，与智能矿山深度融合矿卡/宽体车智能化绿色化数据来源：亿矿通获取更多维度报告数据，请访问亿矿通官网()544.2 矿山无人驾驶未来展望4.2.2 海外市场前景广阔，产业链协同将成为中国技术出海的重要策略 中国企业在露天矿无人驾驶技术上已趋成熟。国外主要矿产国因其地质条件优越，露天开采方式占据主导地位，澳大利亚、俄罗斯等国的露天煤矿的产量占比高达70%。同时，海外发达国家人力成本高昂，亟需引入无人驾驶技术以降低成本。因此，海外市场将为中国智能矿山无人驾驶产业的发展提供新的增长机遇。中国智能矿山无人驾驶企业进军海外市场并非易事，需产业链上各方主体协同合作，无人驾驶企业与矿企、设备厂商、通信服务商等多方“组团出海”将成为中国企业走向海外市场的重要策略。该模式将进一步带动更多产业链合作伙伴加入出海行列，从“智能矿山无人驾驶出海”走向“智能矿山整体解决方案出海”，共同打造并推广智能矿山中国方案，推动全球矿山智能化转型。海外市场潜力巨大国外矿山以露天矿为主。以主要产煤国家澳大利亚、俄罗斯为例，其露天煤矿煤炭产量占比高达70%，为矿山无人驾驶技术的推广应用提供了广阔的发展空间露天矿市场广阔在人力成本居高不下的欧美及亚太地区，海外矿业市场对无人驾驶技术的需求日益迫切。以澳大利亚为例，矿车司机的年薪可达百万元人民币，对无人驾驶技术的应用需求迫切人力成本高昂各国在矿山环保方面的监管要求趋于严格，国外矿企为了遵守环保法规并保持良好的企业形象，更倾向于采用智能化技术减少矿山开采对于环境的污染环保要求严格产业链协同将成为重要出海策略矿山企业中国许多大型矿企在国外市场深耕多年，已在资源、资金、技术等方面有所积累无人驾驶企业、矿用车厂商、通信服务商服务中资矿企海外矿山，提供矿车、无人驾驶解决方案及通信服务关键零部件供应商无人驾驶矿用车的出海进一步带动上游摄像头、芯片、激光雷达、毫米波雷达等零部件厂商走出国门智能矿山其他相关厂商中国智能矿山相关厂商携手共进，共同打造并推广智能矿山中国方案，推动全球矿山智能化转型矿用车厂商无人驾驶科技企业关键零部件供应商激光雷达毫米波雷达摄像头芯片通信服务商矿山企业矿山资源本土化经验智能经营管理系统厂商勘探、采掘、洗选、加工厂商安全管控厂商环保管理厂商数据来源：公开资料，亿矿通获取更多维度报告数据，请访问亿矿通官网()554.2 矿山无人驾驶未来展望4.2.3 矿山无人驾驶从封闭采掘区向半开放、全开放道路拓展，为矿主提供全周期服务 目前矿山无人驾驶在封闭采掘区域内的应用已逐步成熟，实现了采掘区域内的无人驾驶运输，确保矿石和废料的安全、高效运输。随着技术的成熟及稳定性的提升，矿山无人驾驶将不再局限于全封闭的矿区采掘区域内部，有望向场栈半开放道路、场外全开放道路横向拓展。矿山无人驾驶将逐步过渡至半开放道路，向短倒运输领域延伸，实现从封闭矿区到破碎站、选矿厂等关键设施的高效运输。展望未来，无人驾驶方案将推广至完全开放的道路网络，实现从矿区到火车站、港口、货场等物流中转点，以及发电厂、建材厂、冶炼厂等下游客户的全链条运输，彻底打通矿物运输的全链条，实现从源头到终端的无缝连接，为矿主提供全周期的无人驾驶服务。场外全开放道路矿区半开放道路全封闭采掘区域采场排土场破碎站选矿厂物流中转火车站港口货场发电厂冶炼厂建材厂锅炉目前矿山无人驾驶在封闭采掘区域内的应用已逐步成熟，实现了采掘区域内的无人驾驶运输，确保矿石和废料的安全、高效运输实现封闭采掘区域无人驾驶运输矿山无人驾驶正从全封闭采掘区域过渡到半开放道路，进一步在采掘区与破碎站、选矿厂等关键设施之间的半开放道路上得到应用，覆盖更广泛的物流环节过渡至场栈半开放道路无人驾驶运输应用场景进一步横向拓展，从矿区直接运输矿石至火车站、港口、货场等物流中转点，以及发电厂、冶炼厂等下游客户，打通矿物运输全链条，实现从源头到终端的无缝连接打通矿物运输全链条数据来源：公开资料，亿矿通56拥有一支出类拔萃的研究队伍，担当起配贤育才、能源兴国的大任实验室人才概况“四高”人才“四青”人才教育部长江学者特聘教授：7人国家杰出青年基金获得者：8人国家万人计划科技创新领军人才：6人青年长江学者：7人国家优秀青年科技基金获得者：8人中组部“青年拔尖”人才：6人实验室及其依托学科 煤炭精细勘探与智能开发全国重点实验室是我国煤炭行业第一个国家重点实验室 由中国矿业大学和中国矿业大学（北京）共同建设依托三个国家重点学科采矿工程A 一流学科全国排名第一安全技术与工程A 一流学科全国排名第一矿产普查与勘探A-重点全国排名第三煤炭精细勘探与智能开发全国重点实验室学术委员会中国矿业大学煤炭精细勘探与智能开发全国重点实验室是中国煤炭系统第一个国家重点实验室，它是在中国矿业大学和中国矿业大学（北京）整合两校原“矿山开采与安全”、“煤炭资源”两个教育部重点实验室和“岩石混凝土破坏力学”北京市重点实验室及相关优质资源基础上，依托“采矿工程”、“安全技术及工程”、“矿产普查与勘探”三个国家重点学科，于2006年7月经科技部正式批准建设，在2009年通过验收，并在2010年和2015年先后两次通过科技部组织的评估。煤炭精细勘探与智能开发全国重点实验室是国家煤炭资源与安全开采领域基础研究、技术开发、先进实验系统研制和高层次人才培养的重要基地，它为我国能源安全提供重要科技支撑。中国矿业大学煤炭精细勘探与智能开发全国重点实验室钱鸣高院士周世宁院士彭苏萍院士袁亮院士武强院士葛世荣院士赵跃民院士57徐州数字空间矿山研究院依托“矿大南湖号”专用卫星资源，搭建“基于三维数字地球平台，融汇空天地理大数据、矿业资源大数据、矿业产业链企业大数据等数据资源，构建空天地立体化感知网，打造全国煤炭、金属、建材等各类型矿区点位分布一张图，建立矿业创新链企业一张图。同时牵头运作的“智慧矿业创新集群”，积聚大量矿区管理单位、矿区经营单位、矿山产业链高新技术企业等机构，提供数字化转型战略、营销渠道、数字化供应链等数字化业务解决方案，打通矿山产业链和创新链，带动矿业数字化进程。中国首颗矿业专用卫星“矿大南湖号”带着它的使命奔赴太空。2023.7.23中国产业发展促进会智慧矿业创新集群新疆基地成立仪式正式启动。2023.11.11中国产业发展促进会智慧矿业创新集群成立大会暨大型露天矿山设备新产品新技术新应用交流大会。2023.6.6亿矿通是智慧矿业创新集群运营主体，是在中国产业发展促进会、中国矿业大学国家重点实验室、亿欧集团、孚山智矿指导下成立的一家服务于智慧矿山产业创新升级的科技公司。亿矿通围绕矿山产业链上下游提供品牌传播、会议活动、产业培训、研究咨询、数字化解决方案、矿业大数据、在线交易等产品及服务。三 大 优 势正 向 循 环学术资源：中国矿业大学、中国地质大学顶级专家指导政府资源：与新疆内蒙等矿业大省以及北京上海等技术创新高地有良好的合作基础企业资源：与数百家央国企、上万家科技创新企业有多方面的合作关系传播经验：团队拥有10余年线上媒体传播、线下会议活动传播经验咨询经验：在数字化战略、产品技术升级、竞对分析、市场调研方面有丰富的方法论项目经验：在项目整体架构设计、内外部干系人管理、资源协调方面经验丰富产业数据：全面涵盖矿山产业链上下游，宏观、行业、企业、产品各个层次的产业数据空天地数据：借助矿大南湖号卫星及矿业无人机采集空天地一体化数据数据技术及应用：基于海量数据积累，大数据AI技术，赋能多种业务场景，释放数据价值58周伟教授，博士生导师中国矿业大学煤炭精细勘探与智能开发全国重点实验室副主任中国矿业大学露天开采高新技术研究中心主任王伟博士、副教授徐州数字空间矿山研究院副院长中国产业发展促进会智慧矿业创新集群副秘书长中国新一代人工智能发展战略研究院研究员栾博钰中国矿业大学矿业工程学院露天开采工程系博士后宋建峰亿欧董事亿矿通副总经理高玉青行业分析师李雪迪数据分析师编写团队全球智慧矿业创新研究院是中国产业发展促进会智慧矿业创新集群官方公众号，由中国矿业大学全国重点实验室支持，徐州数字空间矿山研究院和亿矿通运营，发布智慧矿山前沿研究、资源交易数据，为矿企、新兴技术企业、各类机构提供产品技术合作和销售落地服务。欢迎合作需求方联系我们，一并携手智行！联系人：程国阳联系电话：13101830866 邮箱：

2024-09-06 58页 5星级

星河智源：2024年无人驾驶技术全景报告（35页）.pdf

无人驾驶制作人：星河智源报告生成时间：2024-07-22星河智源 助力科技 创新科技提升 质量成促进果转化专利转化概况趋势展力示该术领域逐年公转化开的升申请、升授权及请、对应率域开的公转化请、升（率域开的升当/开的升）。公域较多展力示该术份为）热公域较度开 的概况高新，上可以展力示该术反映研发投高新概况/入呈映由请、公于明周度转化逐年期长具有延度后性因2-此域公开的升近请、对，3和能/开的域偏低开的请、请、类型20占比15占707全部0此68部4920占全1540此7占比比6此部8全2920占71572占此此占7比44802920占部15占02占此比22此比占8占4920占615占20比此全7全此比全8占占9202015占466比77全6比占8部占9202占15占比6比全72024比8占49202215占全部04比比比比此此80全9202此15占2此此此4占比此此此8全79202415204部此占部占比8比此9星河智源 助力科技 创新科技提升 质量成促进果转化偏低趋势展力示该术公转化偏低.%度映由近分布技低实用3申是功高公科技度结构外观实权设计结构公科技/产品映由类型一热度般科技越为一热则分布技低程；设计公侧重量则设计小偏。申改技种更换公代快结构外观和。/偏低行升映由转化74占04分布技低2比比占0结构外观占02全星河智源 助力科技 创新科技提升 质量成促进果业数法律转化长状延多长状公转化，上布呈态、度效状转化力示维失不业数再受度保护转化，上不审时再受度请、有失态、/效状中后可以临原公力示主体申水平主体 管/业数法律行升长状4此占74理保此此比全7无状2此部66星河智源 助力科技 创新科技提升 质量成促进果力示生等于明趋势转化开的升在转化开的人行升命时间公与随推移果公而利/.变率情力示该术生等于明析前所处度与阶段测力示映趋未来/方命时间向周度开的升近开的 人行升如增都创新度大由展转化力示前呈向周明/入呈转化逐年公具有延度因幅域公开的升近开的人行升，3和能/开的域开的升开的人行升20占比占707部全此20占全40此7占72220占772占此274此20占部占02占此此4部020占6占20比此40比比2020占466比比占全占202占占比6比全比4662022占全部04比此部2202此占2此此此477此2024204部占占比部星河智源 助力科技 创新科技提升 质量成促进果转化开的护表两国.%趋势展力示该术理护表省两国公转化开的升.%/开的升）增公市术度展各市区地长通常力示相关度通常力示公反集）多群量/究先一颜大由开的升一。度色 深鼠标定位程度究先到右条势权及公开的升度各会护通及开的升公市术显右热图/各术开的升也亮22部此6广东占比全74北京64此部高江比647苏北44部0海亮此此占占浙广此占6全山湖276占安徽2全76四川2占76河陕占7部7浙陕占7此4西南占比比0福建占比06；天占4比6津庆占此0全河广占占比6辽宁占占26也川7全2北川72比吉林内全60蒙古北比部6黑陕4全2海川40比龙云此04技贵222州疆222江陕2占7甘江占44庆肃占2部护表青夏比比护表香港44川台此全护表湾藏占占占占星河智源 助力科技 创新科技提升 质量成促进果力示.变力示功成趋势展力示该术临澳力示.门公转化.%/转化升）。公力示.门度科技份为通权）热度率情力示该术公要支空，3实白理点右/.偏潜鼠机转化行升号0比义占（028G态公标D二置或航制道202080占控40此此全4此6（028上BC布特多B空公道202此80占控此全4占号0全殊此（0部88途N未业道202此80占控此206全4义47（0部8学通点公%D道200全80占控27全4全427（0部88长幅习二。习照个公道202此80占控2全部6号0全旋6（全28及布翼K外电量代子备公未业二识D别此装2比02全4义占（占部88区过度喷方射例洒杀应过识D虫剂发0比当道200全80占控2460号0全殊此（0488原本是功度喷方度身系互连道202此80占控247此号0全拓占0（部288扑布V使神经网扑布V使神经道202280占控24占6络04翻比（00多HL区或创传。布特公识D道200全80占控2占2部星河智源 助力科技 创新科技提升 质量成促进果力示.门开的概况趋势展力示该术理临澳力示.门公转化开的移果而利度开的概况高新区地多展力示该术理率情力示.门高公力示反映份为）热/入呈转化逐年公具有延度后性 因幅域公开的升，3和能/.偏潜鼠机（开的域20占比20占全20占720占部20占62020202占2022202此2024号0比义占（028G态公标D二置或航制道202080占控7部2此4424全占全全占6比4占比此部比042640全4此6（028上BC布特多B空公道202此80占控部62264比240部4比此7比474全42比2此0号0全殊此（0部88途N未业道202此80占控此占比比此占此此2全2比全4部2全部此部4比占全此全4义47（0部8学通点公%D道200全80占控6此占全部267此占此此占全比部6比2全此全4比比0全427（0部88长幅习二。习照个公道202此80占控占00244474此部2此2247部此部全2比4占40号0全旋6（全28及布翼K外电量代子备公未业二识D别此装占占全6占此部2此此此70比40747此7700全4义占（占部88区过度喷方射例洒杀应过识D虫剂发全0占0全260此部7此4占4全4此2部2全全占6全占00比当道200全80占控号0全殊此（0488原本是功度喷方度身系互连道202此80占控0全全全占4全此00比此全7此7全占7全2此号0全拓占0（部288扑布V使神经网扑布V使神经道202280占控0占646占此7276此4比7部占全部2占此全络04翻比（00多HL区或创传。布特公识D道200全80占控此7占比比2比6此70此47此424此全占部22比星河智源 助力科技 创新科技提升 质量成促进果；澳力示.门临澳开的人.%趋势展力示该术省力示.门吉该群开的人公.%而利/区地理输产力示.门开的升）。公开的人度理展力示.门高期长）供公力示某强 度，上作多白理竞作 争合/会护伙伴圆形一增大由转化升一增/.偏潜鼠机（开的人面多力示长积逐华限司助力应颜腾当长积逐华广东侧讯随圳米动长积逐华广东软换理件助力长积逐华翻号翼K三线右株式为应社表当长积百美逐华翻号 翼K三线右株热区责较长积逐华任股逐华辉达B助力责较逐华络04翻比（00多HL区或创传。布特公识D道200全80占控占0部40占760占此40占占07比00号0全殊此（0部88途N未业道202此80占控占064部422比占部02720号0全殊此（0488原本是功度喷方度身系互连道202此80占控60此占42此02比02全全0号0全旋6（全28及布翼K外电量代子备公未业二识D别此装全4此占02全占020占260号0全拓占0（部288扑布V使神经网扑布V使神经道202280占控2部2全占47占40此200号0比义占（028G态公标D二置或航制道202080占控占4占部2部比2占占606占占0全4义47（0部0000000占0全此8学通点公%D道200全80占控全427（0部88长幅习二。习照个公道202此80占控00占0000占04部全4此6（028上BC布特多B空公道202此80占控0占0此000占602全全4义占（占部88区过度喷方射例洒杀应过识D虫剂发0比当道200全80占控000000000占星河智源 助力科技 创新科技提升 质量成促进果开的人.变开的人易瓦趋势展力示该术开的人公转化升易瓦而利/科技成促形排）。公转化开的人度区地理展力示该术期长）供公某强名况/开的人转化行升面多力示长积逐华全7比全限司助力应颜腾当长积逐华2全此此广东侧讯随圳米动长积逐华占2部4累优荣耀长积逐华占0部占广东软换理件助力长积逐华全部0热区责较长积逐华全占全颜腾国增贵科技助力长积逐华比此部广东式为神司助力长积逐华比此占护表终竞神经区端相联长积逐华比2此信团团信也亮随圳区端长积逐华比0此星河智源 助力科技 创新科技提升 质量成促进果转化相护为趋势展力示该术转化开的升OPt占0公开的人o长公转化升通权呈展力示该术转化开的p升公类型/类型一热持由转化相护为一热度展力示该术总理力示说 存公，3延一热/入呈转化逐年公具有延度后性因幅域公类型，3长析和垄/开的域转化相护为200408009200比08009200全08009200708009200部0800920060800920占00800920占占0800920占20800920占此284部920占4此802920占比28全6920占全比8全2920占7部8比此920占部68比0920占6占比80此92020占全8全此9202占占687部92022208709202此占比86092024占全8部比9星河智源 助力科技 创新科技提升 质量成促进果技发断差局者趋势展力示该术理临澳力示未来高公技发断差/技发断差多：披理露比域吉仅理通常力示未来开的转化公开的人/转化开的概况高新一换度区地大由展技发 断差长改热公某强/入呈转化逐年公具有延度后性因幅域公开的升，3和能/开的人2020202占2022202此2024高江随去区端力示责较长积逐华占6此0占占此6面3才远伊翼长积百美逐华2全比6占4敏态山煤子设、航责长积百美逐华00占740亮瑞知风相联责较长积逐华07此占62全4亮瑞汽车助力长积逐华04部4全全4占7悦北分享之部62040部颜腾江星智驾助力长积逐华02此6此0全智或神终助力应广东当长积逐华2占2此4占64浙广星验室纪助力长积逐华00此此2部占广东魅域智驾助力长积逐华占此占42此占比占星河智源 助力科技 创新科技提升 质量成促进果竞作开的.变趋势展力示该术临澳竞作常本授竞作开的升/竞作常本）。公开的人度区地权呈力示竞作大族斯改供公现出度，上意 愿帮白理公力示竞作争合/开的人竞作开的人竞作开的行升信团团信也亮随圳区端长积逐华信团团信也亮随圳区端长积逐华比0此 颜腾国寻找助力长积逐华此 欢面增途占 川山翼K助力增途占护表终竞神经区端相联长积逐华护表终竞神经区端相联长积逐华比2此 护司太翼清邮外观咨长积逐华此占 终区行询助力长积逐华22 终区黑行院长积逐华比 终区理件端字助力长积逐华此 广东翼端据息外观咨长积逐华2 终区规终神长积百美逐华2 终区应海亮当设快身终神长积逐华2 护表终区表划长积逐华占 也云物去煤代助力长积逐华占广东软换理件助力长积逐华广东软换理件助力长积逐华全部0 欢面增途占2 社联助力长积逐华占占 颜腾社联助力长积逐华7 护表助途咨观际力示反集析占 广东软换黑观际长积逐华占 广东社增智股助力长积逐华占 陕东增途占广东侧讯随圳米动长积逐华广东侧讯随圳米动长积逐华占2部4 广东侧讯文促翼K长积逐华2 侧讯知风助力长积逐华2 高江算松力示长积逐华占 广东太翼增途占 广东玄讯助力长积逐华占 侧讯助力应戒飞当长积逐华占 颜腾侧讯区司力示长积逐华占 颜腾国玄讯点武人助力长积逐华占 川山互汉翼K助力长积逐华占广东式为神司助力长积逐华广东式为神司助力长积逐华比此占 器奇阿智3力示应广东当长积逐华此 式为应社表当长积百美逐华2 器奇阿智代社表长积逐华2 广东护助波罗助力长积逐华占面多力示长积逐华面多力示长积逐华全7比全 欢面增途占4 慧眼分享之6 护表助途力示增途部 鹏城增途全 增系平复增途比 旦工哈复快增途4 广东增途2 颜腾国增行院反集咨2 青夏护物增途应颜腾当2颜腾国增贵科技助力长积逐华颜腾国增贵科技助力长积逐华比此部限司助力应颜腾当长积逐华限司助力应颜腾当长积逐华2全此此 欢面增途占比 护表尔途助途咨广东滨近尔咨6 限司黑观际应广东当长积百美逐华7 广东医区增途全 护陕增途协交尔咨比 护表助途咨观际力示反集析比 护海增途比 限司增各区特应广东当助力长积逐华比 高江医区增途4累优荣耀长积逐华累优荣耀长积逐华占0部占 鹏城增途占热区责较长积逐华热区责较长积逐华全占全星河智源 助力科技 创新科技提升 质量成促进果临澳开的人力示.变趋势展力示该术临澳开的人理临澳力示.门公转化.%而利/转化升）。公力示.门区地可以开的人理展力示.门高期长）颜公力示形排度长 呈愿帮白理竞 作争合/开的人号0比义占号0全殊此全4义47号0全拓占0全427号0全湘7全4此6号0全旋6络04雅72号0占2占面多力示长积逐华占7占部比0全占0760部此占全此占比2限司助力应颜腾当长积逐华此47比4占4全202此全占此4比0全0广东侧讯随圳米动长积逐华占全全0比占部0比400此广东软换理件助力长积逐华占此24占4此40全4此部0占4全信团团信也亮随圳区端长积逐华0占占0部0占20部占2占占颜腾国增贵科技助力长积逐华占占此部4比比此部此22全2比占2占热区责较长积逐华22全27224占6占此部部占0广东式为神司助力长积逐华此部700部40460此比0此7护表终竞神经区端相联长积逐华部部占占006占部此比占累优荣耀长积逐华0占部02402部0占27此星河智源 助力科技 创新科技提升 质量成促进果临澳开的人开的概况趋势展力示该术临澳开的人领域转化开的升授移果概况度开的概况高新区地大由展开的人理展力示该术T增反映研发度可悦般W加研发/入呈转化逐年公具有 延度后性因幅域公开的升，3和能/开的人（开的域20占比20占全20占720占部20占62020202占2022202此2024面多力示长积逐华占此此部此7672占占占部此占2全2占4比0占比全占占42此广东侧讯随圳米动长积逐华0占此此02部占6此部部占20部7比6占0部限司助力应颜腾当长积逐华此2占2此4比2占4比22比6占全464746占累优荣耀长积逐华000062比占部全4部227全占0此广东软换理件助力长积逐华00此2占7此占比6此0比占占720热区责较长积逐华占2此64比比占此占6比222占2000护表终竞神经区端相联长积逐华占此此占4占4比2占24占比0占此724信团团信也亮随圳区端长积逐华026占0此6占40占占7占占0全4占2颜腾国增贵科技助力长积逐华占7部767比全占占部占占比占占200广东式为神司助力长积逐华0242全24占占占部全全6部0占074星河智源 助力科技 创新科技提升 质量成促进果映由人.变映由人易瓦趋势展力示该术临澳映由人授权及转化升度转化升易瓦减情公映由人度区地多展力示该术改期某强 公少靠力示人核度，上；空常心员反集该术授通常转化/开的人转化行升注其此67张放玄此60李晓此60注王肖此部2德兆霍此77舒黑玄此此7豪表成26比注付2比6李付2比7李赵2占4星河智源 助力科技 创新科技提升 质量成促进果映由人开的概况趋势展力示该术临澳映由人磊逐年转化开的升公移果概况/开的概况高新上授转化开的升）。公映由人理展力示该术科技超已为）热/入呈转化逐年公具有延 度后性因幅域公开的升，3和能/开的人（开的域20占比20占全20占720占部20占62020202占2022202此2024注其000占部部比2此比642700张放玄000占部6比2此比6比占此00李晓000占部部比此此比64占比00注王肖000占部部比2此比64000德兆霍000占部部比2此比6此000舒黑玄24占0全此部2部此比20比此占部占比0豪表成占07占04此占占部000000注付00占此2全4此404部比02部0李付0002此22此04比此0740李赵00占4占4此2此2此4比此2占0星河智源 助力科技 创新科技提升 质量成促进果映由人联活.变趋势展力示该术维跃映由人公竞作常本度队输映由人在同鼠员若映由人总理增升竞作开的度般展映由人在竞作映由人，3多跃产反映联活度长 呈子备展力示 该术公少靠映由人授力示反映联活/映由人竞作映由人竞作映由行升舒黑玄舒黑玄此此7 固慧玄部0 于他刘7比 张才庆全4 梦玲供4全 注翟4占 处永毅4占 德体此6 珏媛文此此 于陈仙此占 胜方男此0 舒北26 李萨26 拉旭金悦26 井玲供2比 敦瞿杨24 舒柳22 琴波占部 喆化玄占部 辉亮测占7 豪吕韩占全 喆放志占全 京技勇占比 喆侧志占4 宇甘占占 娜郭占0 固胡4 李倩芯4 雪南古4 注斌云此 敦瞿甘此 袁表甫2 李放孙2 注倩静占 注甫占 虎伟占 张勇占 朱頔贾占 朱去置占注王肖注王肖此部2 李晓此部0 注其此76 张放玄此7部 德兆霍此77 固培部部 育江渊比7 梁成此全 究奇20 喆静军占比 注表古占2 固吕徐占占 张奇占0 豪途杰占0 琦峰6 珏吕瓦6 熊北祺6 马涛6 黄友左部 熊放思部 翔颖7 注潘供全 浩富冯比 肃振比 袁玲江比 张坤比 洋祺比 李龙成比 热左比 马付比 马爽比 固汪祺4 注踔4 汝表亭4 彭旗庆4 彭霍军4 虎时芯4 翔甘龙4 李京陕4 曹菊此 浩佐陕此 注贺此 敦酉酉此 李蓉潇此 李计此 宇侧渊此 珏亮此 冠颖此 楠顾2 员若24星河智源 助力科技 创新科技提升 质量成促进果力示科技份空力示科技份空区科技侯黑，上刚词展力示该术吉了份藏公力示临解度转化升）。公力示临解区地可以展力示该术公科技份空/询原一增大由转化升一。/少靠专最转化行升无人驾驶占4全部4维题人4此部4念会2全比占置载22部6框电22全此拍再2占部此玄点占部部2自植占部42操纵激股占74比势现延占70此驾驶占全7比光航占比7比雷玄占比7此阶遥占比4部起绘占比4比无人占比此2。照个占4部部同鼠个占4部全降新点占此66示落占此40驾驶直占此占4渊布占2部6语仪占2全2仪救占2占2舒斯占占部部灾势占占7全难暗点占占47侦点占占47技察报或占占2此框临占06此玄代武占046靶生圳规占040雷起占0占2殊P闻野占0占0无人风占0占0换d占00部e递规662玄航64此照个602玄障部66无件翼部76碍艇部72要护部全7驾驶着部全7语陆部比此舱援援野AA部4此激股部20cs762移低760框载7部全难暗77占磁碟基带7全7单个7全此新要7比6元伞7比7未念会74比巡点740易若延7此部检母磁家727湘庭722站障72占S舰环煤7占全光阶全6部磁家境映香全62雷绘感全部全风或件全7全收宁全比占点架全42拍规再受全4占技无件全此6农照臂全此部螺利全此部桨路全此0随圳点武人全2全悬e全2全点个全占部代驶螺件全占部技要停全占此渊避比6部团口信事比64野殊P闻野比62代驶时比6占未来R比部全M置比部全盘续比部4米动设计比部此参团口信事比7比见E更比7比第讯奇比比部置来比比部题人比比部五置本毫比比7导统比比比玄代比比比HL空比比占或螺S舰比4全观际点助途比4比元置比此4五置比此占代驶比2部星河智源 助力科技 创新科技提升 质量成促进果萨火会趋势刚因E域展力示该术吉度份藏临解维跃箭日公转化开的.%而利度层呈平词展力示该术吉改级.公力示便空/结箭公力示临解实吉箭公量产细.词/临解焦临解行升观际点本毫身终神行院步副2742 端字山1外电占6比比 规终神力示步副占部2此玄点置要占64部 置要置福武服平占007 玄点制务此04知风K本毫修翼线造竞插圳此04 混翼插圳2占7 区布外电服平20部

2024-09-04 35页 5星级

汽车行业智驾系列深度：端到端革命开启强者愈强时代即将来临-240829（36页）.pdf

智驾系列深度：端到端革命开启，强者愈强时代即将来临 Table_Industry 汽车行业 Table_ReportDate2024 年 8 月 29 日 请阅读最后一页免责声明及信息披露 2 证券研究报告 行业研究 行业专题研究（深度）行业数据点评 汽车汽车 投资评级投资评级 看好看好 上次评级上次评级 看好看好 Table_Author 陆嘉敏 汽车行业首席分析师 执业编号：S1500522060001 联系电话：13816900611 邮 箱： 徐国铨 汽车行业研究助理 邮 箱： 信达证券股份有限公司 CINDA SECURITIES CO.,LTD 北 京 市 西 城 区 宣 武 门 西 大 街 甲 127 号 金 隅 大 厦B座 邮编：100031 智驾系列深度智驾系列深度：端到端革命端到端革命开启开启，强者愈强，强者愈强时代时代即将即将来临来临 Table_ReportDate 2024 年 8 月 29 日 本期内容提要本期内容提要:智能化时代，自动驾驶能力智能化时代，自动驾驶能力将将重新构筑车企竞争壁垒重新构筑车企竞争壁垒，核心竞争要素，核心竞争要素在于“数据”在于“数据” “算力”“算力”。背后原因在于：对消费者而言，智能化在消费者选购汽车中的重要性正日益提升。对于车企而言，实现高阶智驾需要大量投入，中小车企将难以持续投入。特别是当智能驾驶算法层面逐渐收敛至“端到端”架构后，数据 算力将成为核心竞争要素，头部车企或供应商能掌握更多更优的“数据”，以及更强更快的“算力”，而优秀的智驾能力有望加强销量转化，最终强化车企马太效应，令智驾强者愈强。相较传统分模块架构，相较传统分模块架构，端到端端到端架构优势显著架构优势显著，核心核心是是“数据驱动”而“数据驱动”而非“规则驱动”，非“规则驱动”，有望有望显著提升智驾上限显著提升智驾上限。所谓“端到端”是指一端输入图像等环境数据信息，中间经历类似“黑箱”的多层神经网络模型，另一端直接输出转向、制动、加速等驾驶指令。与传统规则驱动的分模块架构相比，端到端的实现将带来一系列优势：完全基于数据驱动完全基于数据驱动进行全局任务优化，具备更好、更快的纠错能力；能进一步减少模进行全局任务优化，具备更好、更快的纠错能力；能进一步减少模块间信息的有损传递、延迟和冗余，避免误差累积，提升计算效率；块间信息的有损传递、延迟和冗余，避免误差累积，提升计算效率；泛化能力更强，由泛化能力更强，由 Rule-based 算法转向算法转向 Learning-based，具备零，具备零样本学习能力，面对未知场景样本学习能力，面对未知场景具备更强具备更强决策决策能力能力。端到端发展路径探析：从分模块到端到端发展路径探析：从分模块到一体化一体化。端到端可以简单分为狭义端到端（前端传感器输入、后端控制输出）和广义端到端（信息无损传递、数据驱动整体优化）2 种定义。从端到端的最终实现上，我们认为通过感知“端到端”，模块化“端到端”，再到One Model/单一模型“端到端”是一种相对平滑的过渡形式。而当前感知层“端到端”已经是主流的感知模型，展望后续技术发展，我们认为决策与规控层自动驾驶算法向“端到端”收敛，有望成为行业的一大趋势。“数据“数据 算力”算力”构筑构筑智能智能驾驶驾驶核心核心竞争要素，进入强者竞争要素，进入强者愈愈强强阶段阶段。端到端自动驾驶是数据驱动的模型，因此，训练数据的重要性越来越高。端到端对数据的要求体现在数据量、数据标注、数据质量和数据分布等方面。除了海量高质量数据之外，还需要强大的算力来支撑模型的训练，大部分研发端到端自动驾驶的公司目前的训练算力规模在千卡级别。我们认为领先我们认为领先竞争者竞争者有望通过数据、算力的领先转化为端到端的有望通过数据、算力的领先转化为端到端的算法优势。算法优势。特斯拉特斯拉先行先行，国内外企业加速，国内外企业加速跟进跟进，端到端量产推广在即端到端量产推广在即。端到端主要参与者涵盖了车企、人工智能企业、自动驾驶技术公司机器人公司以及自动驾驶芯片制造商。特斯拉作为先行者，于 24 年初推送端到端版本的 FSD，从实际体验来看，端到端的 FSD 操作更拟人、丝滑。国内主机厂如华为、小鹏、理想、元戎启行、商汤绝影等纷纷跟进，其中9WeZfVeU8XbUeUeUbRdNbRsQrRoMsOfQpPyReRoOmO8OrRzQMYpPqOvPmPoM 请阅读最后一页免责声明及信息披露 3 华为、小鹏端到端进度相对领先。我们认为我们认为因各车企战略选择有差异，因各车企战略选择有差异，端到端路线尚处在百花齐放的阶段，但随着数据、算力等竞争要素逐端到端路线尚处在百花齐放的阶段，但随着数据、算力等竞争要素逐渐赶上，端到端路线有望逐渐收敛至一体化结构，并会结合多模态大渐赶上，端到端路线有望逐渐收敛至一体化结构，并会结合多模态大模型、世界模型等模型、世界模型等，不断，不断加强感知、认知、决策能力。加强感知、认知、决策能力。投资建议投资建议：我们认为以特斯拉为代表的端到端快速迭代有望带来智能驾驶新一轮产业革命，自动驾驶能力将重新构筑车企竞争壁垒，数据 算力将成为核心竞争要素，头部车企或供应商能掌握更多更优的“数据”，以及更强更快的“算力”，而优秀的智驾能力有望加强销量转化，最终强化车企马太效应，头部车企强者愈强时代即将来临。整车整车板块重点关注：1）受益于华为强大智驾能力赋能的鸿蒙智行合作车企以及相关合作伙伴【赛力斯、北汽蓝谷、长安汽车、江淮汽车】；【赛力斯、北汽蓝谷、长安汽车、江淮汽车】；2）汽车保有量大且品牌积淀深厚，智能电动技术布局有望逐步赶上的自主品牌龙头车企【比亚迪、长城汽车】【比亚迪、长城汽车】；3）智能驾驶技术领先的造车新势力【理想汽车、理想汽车、蔚来、蔚来、小鹏汽车】小鹏汽车】；4）全球化布局提速、有望迎来新一轮产品周期、同时在智能驾驶、能源、人形机器人多线并进的全球新能源汽车龙头【特斯拉】。【特斯拉】。零部件零部件板块建议重点关注智能化产业链核心零部件：1）感知层【德赛【德赛西威、保隆科技、华域汽车】西威、保隆科技、华域汽车】等。2）决策层【经纬恒润、均胜电子、【经纬恒润、均胜电子、华阳集团】华阳集团】等。3）执行层【伯特利、中鼎股份、拓普集团、亚太股份、【伯特利、中鼎股份、拓普集团、亚太股份、耐世特、浙江世宝】耐世特、浙江世宝】等。风险因素：风险因素：智能化零部件降本不及预期、智能驾驶利好政策落地不及预期、消费者体验不及预期、技术迭代不及预期、外部宏观环境恶化等。请阅读最后一页免责声明及信息披露 4 目 录 1.总论：端到端有望引领新一轮智能驾驶产业革命.6 1.1 电动智能时代，车企竞争壁垒发生重大迁移.6 1.2 自动驾驶能力将构筑车企新壁垒，核心竞争要素包括数据 算法 算力.6 2.什么是“端到端”？.8 2.1 数据、算力 底层 AI 技术的进一步发展有望助力端到端快速发展与普及.8 2.2 深度神经网络驱动端到端实现“数据驱动”，取代传统“规则驱动”算法.9 2.3 目前的“端到端”自动驾驶包含狭义与广义两种定义.12 2.4 端到端迭代有望实现从“感知”到“决策”到“One Model”平滑过渡.13 3.数据、算力、算法既是端到端落地驱动力，也是落地挑战.14 3.1 数据挑战：获取成本和难度较高，特斯拉目前处于领先.14 3.2 算力挑战：算力竞争重点由车端转向云端，算力需求水涨船高.15 3.3 算法挑战：黑盒算法局限性、验证测试与世界模型.17 4.特斯拉引领端到端智驾算法迭代，国内参与者多点开花.21 4.1 端到端主要参与者包括主机厂、自动驾驶公司与人工智能公司等.21 4.2 特斯拉 FSD V12 落地引领端到端变革.21 4.3 华为、小鹏、理想等车企与供应商纷纷跟进，技术路线有望向“端到端”收敛.24 5.投资建议.33 6.风险因素.34 表 目 录 表 1：2023 年各车企与智驾供应商智能驾驶方案与感知模型应用情况，BEV 全面上车.7 表 2：主流车企、供应商“端到端”量产上车时间规划.8 表 3：各车企辅助驾驶里程累计情况.15 表 4：各车企、智驾供应商智算中心算力布局情况.17 表 5：特斯拉智能驾驶硬件迭代历程（HW1.0-HW4.0）.21 表 6：Autopilot/EAP/FSD 主要功能与收费情况.22 表 7：Autopilot/FSD 重要升级内容.22 表 8：HUAWEI ADS 迭代历程.25 图 目 录 图 1：不同汽车时代车企竞争力壁垒变迁.6 图 2：数据 算法 算力构筑起车企自动驾驶能力壁垒.6 图 3：AI 驱动数据闭环逐渐形成.7 图 4：传统自动驾驶架构（Apollo 6.0）.10 图 5：神经网络结构（输入层、多个隐藏层、输出层）.11 图 6：端到端的主要优势.11 图 7：狭义端到端自动驾驶架构（单一神经网络模型实现感知、决策规划、控制）.12 图 8：广义端到端自动驾驶架构（神经网络模型实现感知与决策规划，不包括控制模块）.12 图 9：广义端到端自动驾驶架构（感知和决策规划使用神经网络，模块之间仍有人工设计的数据接口）.13 图 10：端到端自动驾驶架构演进示意图.14 图 11：端到端对数据的要求.14 图 12：英伟达 H100、H800、A100、A800 与 4090 显卡参数对比.16 图 13：多种方式增强模型设计的可解释性.17 图 14：小鹏模块化端到端算法架构.18 图 15：理想端到端算法架构.18 图 16：在线/闭环测试与离线/开环测试的主要特点与优缺点.19 请阅读最后一页免责声明及信息披露 5 图 17：2D/3D 检测、BEV、OCC、世界模型空间理解能力与真实世界的对比.20 图 18：端到端主要参与者与技术路线.21 图 19：特斯拉自动驾驶算法结构迭代历程.22 图 20：特斯拉通过影子模式、数据标注、数据挖掘与训练等环节实现数据闭环.23 图 21：百度与特斯拉达成地图合作.24 图 22：FSD Beta 累计行驶里程（十亿英里）.24 图 23：华为 ADS 2.0 BEV GOD RCR 网络.25 图 24：华为 ADS 3.0 GOD PDP 网络.26 图 25：小鹏智驾端到端大模型架构.27 图 26：2024 年小鹏智驾推送规划.27 图 27：理想 4D One Model 端到端架构图.28 图 28：理想 VLM（Visual Language Model，视觉语言模型）架构图.29 图 29：理想汽车的自动驾驶系统考试方案:重建 生成的世界模型.29 图 30：常规端到端与蔚来世界模型 NWM 的对比.30 图 31：蔚来智能驾驶架构 NADArch 2.0.31 图 32：百度 Apollo ADFM 端到端大模型.31 图 33：商汤绝影 UniAD 架构演进历程.32 图 34：商汤绝影多模态场景大脑 DriveAGI.32 图 35：元戎启行端到端模型技术变迁.33 请阅读最后一页免责声明及信息披露 6 1.总论：端到端有望引领新一轮智能驾驶产业革命 1.1 电动智能时代，车企竞争壁垒发生重大迁移 燃油车时代，车企壁垒在于自研燃油车时代，车企壁垒在于自研三大件（发动机三大件（发动机 变速箱变速箱 底盘），由于机械结构复杂且外资车底盘），由于机械结构复杂且外资车企经过百年积淀，技术及专利储备雄厚，自主品牌较难逾越技术壁垒，更难以实现品牌跃升，企经过百年积淀，技术及专利储备雄厚，自主品牌较难逾越技术壁垒，更难以实现品牌跃升，因此燃油车造车门槛高、因此燃油车造车门槛高、参与者参与者相对较少、市场份额为外资相对较少、市场份额为外资/合资品牌把控。合资品牌把控。电动化时代，汽车结构大幅简化，且电动车核心三电（电池电动化时代，汽车结构大幅简化，且电动车核心三电（电池 电机电机 电控）均有成熟供应商方案电控）均有成熟供应商方案可供采购，因此可供采购，因此在电动化初期，在电动化初期，造车门槛大幅下降，行业进入百家争鸣时代。造车门槛大幅下降，行业进入百家争鸣时代。智能化时代，智能化时代，我们认为我们认为自动驾驶能力自动驾驶能力将将重新构筑车企竞争壁垒。重新构筑车企竞争壁垒。核心原因如下：智能化在消费者选购汽车中的重要性日益提升。实现高阶智驾需要在数据、算力层面的大量投入，中小车企或难以承受。当算法层面逐渐收敛至“端到端”，数据 算力将成为核心竞争要素，有望“强者愈强”。图图 1：不同汽车时代车企竞争力壁垒变迁不同汽车时代车企竞争力壁垒变迁 资料来源：信达证券研发中心整理 1.2 自动驾驶能力将构筑车企新壁垒，核心竞争要素包括数据 算法 算力 自动驾驶与自动驾驶与 AI 应用类似，应用类似，算法、算力和数据是三大算法、算力和数据是三大核心竞争核心竞争要素要素。我们认为把握数据、算力、算法三大核心竞争要素的车企有望率先取得智驾层面的领先优势。图图 2：数据数据 算法算法 算力构筑起车企自动驾驶能力壁垒算力构筑起车企自动驾驶能力壁垒 资料来源：信达证券研发中心整理 数据：数据：AI 驱动数据闭环逐渐形成驱动数据闭环逐渐形成，数据体量、质量要求日益提升，数据体量、质量要求日益提升。自动驾驶概念中的数据主要包括视觉传感器采集的数据，以及车辆状态信息、油门、刹车等数据，经过各类元件与电路处理后得到有用的电信号，最后用于云端存储、数据标注、模型训练、仿真测试等环节。在在端到端到端等端等人工智能技术加持下，数据筛选、标注、训练、验证逐渐形成全链路闭环，加速智能驾驶人工智能技术加持下，数据筛选、标注、训练、验证逐渐形成全链路闭环，加速智能驾驶解决方案解决方案迭代。迭代。随着技术迭代，对于智驾数据体量、质量的需求随着技术迭代，对于智驾数据体量、质量的需求也在也在持续提升，持续提升，目前目前以特斯拉以特斯拉、鸿蒙鸿蒙智行智行等等为代表的各家车企为代表的各家车企开始开始使用使用智能驾驶累计智能驾驶累计使用使用里程里程来反映各自在自动驾驶领域的来反映各自在自动驾驶领域的 请阅读最后一页免责声明及信息披露 7 数据收集与测试能力。数据收集与测试能力。图图 3：AI 驱动数据闭环逐渐形成驱动数据闭环逐渐形成 资料来源：甲子光年微信公众号，信达证券研发中心 算力：端到端模型更加依赖规模法则（算力：端到端模型更加依赖规模法则（Scaling Law），新一轮算力军备竞赛在），新一轮算力军备竞赛在车端与云端共车端与云端共同同展开。展开。Scaling Law 认为通过更多数据量训练、扩大模型规模以及延长训练时间，大模型性能可以持续提升，端到端模型与大模型高度相似，数据驱动的开发形式让模型高度依赖算力规模来提升迭代速率。车端算力车端算力主要的特点是低延迟、高可靠性，当前主流方案为单/双 Nvidia Orin X 芯片，算力为 254/508TOPS；下一代 Thor 芯片算力或提升至 2000TOPS，近日联想已发布基于 Thor 的域控解决方案，更高车端算力平台的落地进程有望逐步加快。云端算力云端算力需要承担复杂的训练任务和海量的数据处理，对功耗和成本的要求相对车端宽松，但算力更高，目前众多车企通过自建算力中心或购买智能计算云服务来实现云端算力布局。算法：算法从规则走向神经网络，从模块化走向端到端。算法：算法从规则走向神经网络，从模块化走向端到端。自动驾驶诞生以来，伴随着算法架构的不断进化，自动驾驶算法也几经迭代。2021 年开始，特斯拉展示了基于 BEV Transformer的自动驾驶感知新范式，国内众多车企也纷纷跟进，进一步加速了城市 NOA 落地进程。2023年 12 月特斯拉发布 FSD Beta V12 引入端到端概念之后，众多车企和智驾公司也开始转向端到端技术的研发和量产工作，以大量人类驾驶数据 深度神经网络为基础，未来智能驾驶体验逐步向着更加拟人化的方向迈进。表表 1 1：20232023 年各车企与智驾供应商智能驾驶方案与感知模型应用情况年各车企与智驾供应商智能驾驶方案与感知模型应用情况，BEVBEV 全面上车全面上车 车企车企 智能驾驶系统智能驾驶系统 数据融合方案数据融合方案 感知模型感知模型 传感器传感器 芯片供芯片供应商应商 芯片芯片 算力算力 特斯拉特斯拉 FSD（HW4.0）数据级融合 BEV Transformer Occupancy 7V 自研 FSD 芯片 720TOPS 比亚迪比亚迪 DNP 特征级融合 BEV Transformer 11V5R 地平线 征程 5 128TOPS 小鹏小鹏 XNGP/Xpilot 特征级融合 Xnet（BEV Transformer）11V12U5R（高配 2L）英伟达 Orin-X 254TOPS 理想理想 AD MAX 3.0 特征级融合 静态 BEV 动态BEV Transformer NPN TIN 11V12U1R1L 英伟达 Orin-X 254TOPS 蔚来蔚来 NAD/NOP -BEV Occupancy 11V12U5R1L 英伟达 Orin-X 254TOPS 哪吒哪吒 NETA PILOT4.0-BEV 11V12U5R2L 华为 MDC610 200TOPS 飞凡飞凡 PP-CEM 2.0 数据级融合 目标级融合 BEV 11V12U4R1L 英伟达 Orin-X 254TOPS 华为华为 ADS2.0-BEV Transformer GOD 网络-自研 MDC610 预估200TOPS 请阅读最后一页免责声明及信息披露 8 毫末智行毫末智行 Hpilot3.0-BEV Transformer Drive GPT-可适配多种芯片 百度百度 Apollo ANP3.0 目标级融合 BEV 环视三维感知 文心大模型 UniBEV 车路一体解决方案-英伟达 Orin-X 254TOPS 商汤商汤 SenseAuto ADAS Pilot-环视感知算法 BEV Former-可适配多种芯片 地平线地平线-BEV-自研 征程 5 128TOPS 元戎启行元戎启行 D-Pro 数据级融合 BEV-英伟达 Orin-X 254TOPS 觉非科技觉非科技 数据闭环融合智驾解决方案 数据级融合 BEV-可适配多种芯片 小马智行小马智行 第六代 L4 智能驾驶软硬件系统-BEV-可适配多种芯片 资料来源：亿欧汽车微信公众号，电车通微信公众号，信达证券研发中心 总体而言，我们认为从基于规则逐步转向基于神经网络，从小规模、模块化的算法走向基于大总体而言，我们认为从基于规则逐步转向基于神经网络，从小规模、模块化的算法走向基于大规模神经网络、端到端的自动驾驶算法架构为未来智能驾驶算法主要的发展路径。规模神经网络、端到端的自动驾驶算法架构为未来智能驾驶算法主要的发展路径。在算法演进在算法演进路径逐步收敛之后，工程化落地能力或将逐步成为车企智能驾驶软实力的重要组成部分。路径逐步收敛之后，工程化落地能力或将逐步成为车企智能驾驶软实力的重要组成部分。2.什么是“端到端”？2.1 数据、算力 底层 AI 技术的进一步发展有望助力端到端快速发展与普及 端到端概念端到端概念最早源于通信领域最早源于通信领域。其基本含义是网络只负责为终端之间提供连接，无论终端之间的连接距离、连接机器数量、连接系统与路线是怎样的，两端之间一定要建立联系，连接建立后即表示端到端的连接已完成。底层底层 AI 技术技术的的逐渐成熟，有望逐渐成熟，有望带来自动驾驶技术带来自动驾驶技术新一轮发展与普及新一轮发展与普及。在人工智能领域，基于深度神经网络的端到端是普遍使用的方法。深度学习具有出色的模式识别和特征提取能力，主要用于图像分类、目标检测、人脸识别、图像分割、视频分析等场景。在各种 AI 翻译、语音转文字等 AI 应用中，基本都使用了端到端的思想，原始数据被送进一张神经网络中，经过一系列运算后给出最终结果。除了以上场景，除了以上场景，我们认为智能驾驶我们认为智能驾驶也也是是 AI 技术中重要的应用场景，技术中重要的应用场景，并并且且出于出于安全性、稳定性等要求，安全性、稳定性等要求，在底层在底层 AI 技术逐渐技术逐渐趋于趋于成熟之成熟之时时，端到端赋能的端到端赋能的自动驾驶技自动驾驶技术有望新一轮发展与普及。术有望新一轮发展与普及。2023 年以来，端到端在年以来，端到端在自动驾驶自动驾驶学界学界与与产业界的热度快速提升。学术研究方面产业界的热度快速提升。学术研究方面，2023 年 6 月，上海人工智能实验室提出的 UniAD（Unified Autonomous Driving）获 CVPR 2023 最佳论文，行业对于端到端的关注度开始提升。产业落地方面产业落地方面，特斯拉特斯拉 FSD（Full Self Driving）V12 全面升级端到端技术架构，国内以鸿蒙智行、小鹏汽车、理想汽车鸿蒙智行、小鹏汽车、理想汽车为代表的主机厂以及华为、元戎华为、元戎启行、商汤绝影、百度启行、商汤绝影、百度等为代表的智能驾驶技术公司纷纷投入端到端系统研发，量产上车规划也陆续对外披露。表表 2 2：主流车企、供应商主流车企、供应商“端到端”量产上车时间规划“端到端”量产上车时间规划 车企车企/供应商供应商 时间时间 主要事件主要事件 特斯拉特斯拉 2024 年 1 月下旬 特斯拉面向普通用户正式推送了 FSD V12 的测试版本 2024 年 3 月 特斯拉发布 FSD V12 版本 2024 年 3 月 18 日 FSD V12.3 版本美地区更新推送 2024Q1 公司已经有 35000 张 H100 GPU 2024 年 4 月底 马斯克“闪电式”访华推动特斯拉 FSD 进入中国市场 2024 年 10 月 总算力将达到 100EFLOPs 请阅读最后一页免责声明及信息披露 9 华为华为 2024 年 4 月 24 日 华为乾崑发布，算力已达到 3.5EFLOPS 2024 年 8 月 ADS 3.0 端到端架构于 8 月随享界 S9 正式上市，云端算力大 5EFLOPS 小鹏小鹏 2024 年 5 月 端到端模型已于 5 月开始推送 2024 年 7 月 4 日 小鹏 XNGP 智驾 XOS 5.2.0 公测版本已开启推送 2024 年 Q3 实现“全国都能开，每条路都能开”2024 年 与阿里云共建了扶摇智算中心，算力可达 600PFLOPS，今年投入 1 亿美元用于算力建设 2025 年 实现城区智驾比肩高速智驾体验 2025 年 在中国实现类 L4 级智驾体验 未来 18 个月内 智驾能力提升 30 倍 理想理想 2024 年 7 月 5 日 召开智驾发布会，NOA 功能等将在本月内（7 月）全面推送 2024 年 8 月 云端算力已达到 4.5EFLOPS 2024 年 Q3 向所有用户推送全国无图 NOA（导航辅助驾驶）功能 2024 年底-2025 年初 推出更完善的自动驾驶体系，提供监督型 L3 级自动驾驶体验 元戎启行元戎启行 2024 年 3 月 17 日 已经成功将端到端模型适配到量产车上 2024 年 3 月 20 日 与 NVIDIA 达成合作，是业内首批能用 DRIVE Thor 芯片适配端到端模型的企业。2024 年 3 月 元戎启行端到端自动驾驶方案已经获得长城汽车的定点项目，并与英伟达开展合作 2024 年 4 月 25 日 对外展示了即将量产的高阶智驾平台 DeepRoute IO 以及基于 DeepRoute IO 的端到端解决方案 2024 年 将有万辆级别搭载元戎启行系统的量产车进入消费者市场 2025 年 将于 2025 年采用英伟达的 DRIVE Thor 芯片适配公司的端到端智能驾驶模型 商汤绝影商汤绝影 2024 年 4 月 25 日 面向量产的真端到端自动驾驶解决方案 UniAD 在北京车展上完成上车演示首秀 2024 年底 算力达到 18000PFLOPS 2025 年 端到端大模型上车 零一汽车零一汽车 2024 年 端到端自动驾驶系统今年会搭载旗下车型量产 2024 年底 实现端到端自动驾驶的部署上车 2025 年 在商用车与乘用车平台上同时实现量产 2026 年 实现高阶自动驾驶的大规模商业化运营 wayvewayve 2024 年 5 月 获得 10.5 亿美元融资，已完成三轮融资，累计融资金额超过 13 亿美元 2024 年 5 月后 Wayve 将加速推出首款用于量产车辆的自动驾驶软件 2024 年 Wayve 已经在全球 100 多个城市开始了系统测试 2024 年 对互联网规模的文本和其他来源进行训练 行业预测行业预测 20252025 年年 国内自动驾驶公司的模块化端到端方案上车量产时间可能会在国内自动驾驶公司的模块化端到端方案上车量产时间可能会在 20252025 年年 20262026-20272027 年年 One One ModelModel 端到端系统中性预期落地时间会晚于模块化端到端端到端系统中性预期落地时间会晚于模块化端到端 1212 年时间，从年时间，从 20262026 年至年至 20272027 年开年开始上车量产。始上车量产。20302030 年前后年前后 逐步走向普及的阶段逐步走向普及的阶段 资料来源：每日经济新闻，42 号车库微信公众号，中国基金报微信公众号，赛博汽车微信公众号，My 车轱辘微信公众号，汽车之心微信公众号，电动汽车观察家微信公众号，NE 时代智能车微信公众号，盖世汽车社区微信公众号，财联社，中国经济网，电车通微信公众号，36 氪微信公众号，钛度车库微信公众号，界面新闻，经济观察报，佐思汽车研究微信公众号，绝影智能 SenseAuto 微信公众号，36 氪汽车微信公众号，高工智能汽车微信公众号，HiEV 大蒜粒车研所微信公众号，信达证券研发中心 2.2 深度神经网络驱动端到端实现“数据驱动”，取代传统“规则驱动”算法 传统的自动驾驶架构可以理解为分模块架构，包含感知（传统的自动驾驶架构可以理解为分模块架构，包含感知（Perception）、定位（）、定位（Localization）、）、预测（预测（Prediction）、决策与规划（）、决策与规划（Decision and Planning）、控制（）、控制（Control）等。）等。感知端感知端输入摄像头、激光雷达等传感器信息，能够感知到车辆周围的障碍物、车辆、车道线、红绿灯等元素；然后感知信息会进一步汇总传递给规划模型，规划模型规划出车辆最佳行驶路线；再交给控制模块，实现车辆最终的控制。请阅读最后一页免责声明及信息披露 10 传统的模块化架构将自动驾驶分为多个子模块传统的模块化架构将自动驾驶分为多个子模块，具有较高的稳定性与可解释性具有较高的稳定性与可解释性。传统自动驾驶架构各模块有独立的算法，例如目前市面上大部分智驾系统中的感知模块使用的是神经网络，处于下游的规划模型需要依赖工程师编写大量代码去制定行驶规则。这种架构的这种架构的优优势在于势在于独立独立开发开发利于分工利于分工，出现问题出现问题时时便于分模块检查与解决便于分模块检查与解决，具有较高的稳定性与可解释性，具有较高的稳定性与可解释性。分模块的分模块的局限性在于局限性在于：首先首先，基于基于人为制定人为制定规则的方式无法穷尽所有的道路状况，特别是极端规则的方式无法穷尽所有的道路状况，特别是极端状况状况（corner case）下下，会提升决策规划控制的难度。其次，分模块方案的会提升决策规划控制的难度。其次，分模块方案的信信息流转的层级息流转的层级较较多、传递的链路多、传递的链路较较长，长，所以信息所以信息失真情况失真情况会更会更严重，各模块之间传递的信息会出现有损压缩，严重，各模块之间传递的信息会出现有损压缩，传递时会累计误差，还会面临并行模块信息相互干扰的问题。传递时会累计误差，还会面临并行模块信息相互干扰的问题。图图 4：传统自动驾驶架构（传统自动驾驶架构（Apollo 6.0）资料来源：Apollo Auto，辰韬资本端到端自动驾驶行业研究报告，信达证券研发中心 与传统自动驾驶算法结构相比，端到端与传统自动驾驶算法结构相比，端到端定义尚未统一定义尚未统一，其主要特点在于深度其主要特点在于深度学习学习的全面使用与的全面使用与数据驱动。数据驱动。深度学习是一种机器学习方法，其目标是通过构建多层神经网络来模拟人脑的工作原理，让机深度学习是一种机器学习方法，其目标是通过构建多层神经网络来模拟人脑的工作原理，让机器能够从大量的数据中自动学习和提取特征，从而实现智能化的数据处理和决策。器能够从大量的数据中自动学习和提取特征，从而实现智能化的数据处理和决策。神经网络是深度学习的核心组成部分，深度学习采用多层神经网络模型，其中包含输入层、多个隐藏层和输出层。输入层：输入层：负责接收原始数据（如视频、图像等），并将其转化为可以被隐藏层处理的格式。隐藏层：隐藏层：主要是对输入数据应用一组权重和偏差，从输入数据中提取对当前任务更有意义的高级特征，根据任务复杂程度，可以选择单层或者多层隐藏层。输出层：输出层：输出隐藏层的处理结果。请阅读最后一页免责声明及信息披露 11 图图 5：神经网络结构（输入层、多个隐藏层、输出层）：神经网络结构（输入层、多个隐藏层、输出层）资料来源：数据之书微信公众号，信达证券研发中心 神经网络的主要训练过程包括前向传播与反向传播，神经网络的主要训练过程包括前向传播与反向传播，可以在训练过程中可以在训练过程中实现实现自行学习与改进。自行学习与改进。前向传播前向传播是将输入数据通过神经网络生成输出的过程。它涉及计算网络每一层中每个神经元的输出，通过将权重权重和偏差偏差应用于输入并通过激活函数激活函数传递结果来完成。反向传播通过计算损失损失函数函数的梯度梯度，反向传播允许神经网络以减小训练过程中的整体误差或损失的方式更新其权重。深度神经网络深度神经网络的训练过程表明其可以的训练过程表明其可以直接从数据中学习特征直接从数据中学习特征，并，并自行学习和改进，自行学习和改进，在自动驾驶在自动驾驶算法中可以算法中可以去掉人工编写的规则，实现数据驱动。去掉人工编写的规则，实现数据驱动。神经网络更适合处理大型数据集，与传统机器学习需要手动提供特征不同，我们可以直接向算法投喂高水平人类司机真实的驾驶视频数据，通过反复训练使算法理解并学习高水平司机的驾驶习惯，输出正确的行驶轨迹，从真实数据中学习如何开车，最终实现数据驱动。综上所述，通过神经网络实现的综上所述，通过神经网络实现的端到端自动驾驶优势端到端自动驾驶优势包括包括：完全基于数据驱动进行全局任务优化，具备更好、更快的纠错能力；传统分模块的架构被进一步压缩，能进一步减少模块间信息的有损传递、延迟和冗余，避免误差累积，提升计算效率；泛化能力更强，由 Rule-based算法转向 Learning-based，具备零样本学习能力，面对未知场景仍可正确决策，智能驾驶的上限会比传统架构更高。图图 6：端到端端到端的主要优势的主要优势 资料来源：甲子光年微信公众号，焉知新能源汽车微信公众号，司普科技微信公众号，信达证券研发中心 请阅读最后一页免责声明及信息披露 12 2.3 目前的“端到端”自动驾驶包含狭义与广义两种定义 目前端到端目前端到端自动驾驶自动驾驶的定义可以简单分为狭义端到端和广义端到端。的定义可以简单分为狭义端到端和广义端到端。狭义端到端：狭义端到端：传感器数据进入神经网络处理后，直接输出方向盘、油门、刹车等执行器的控制信号，该模式通过单一神经网络模型实现，是严格意义上的端到端。图图 7：狭义端到端狭义端到端自动驾驶自动驾驶架构（架构（单一神经网络模型实现感知、决策规划、控制单一神经网络模型实现感知、决策规划、控制）资料来源：远川汽车评论微信公众号，信达证券研发中心 广义端到端：广义端到端：广义上的端到端具有两个特点信息无损传递；可以实现数据驱动的整体优化。从广义角度理解端到端，可以看到目前主流的方案仍有差异。主要方案包括通过主要方案包括通过神经网络模型神经网络模型实现感知与决策规划，不包括控制模块实现感知与决策规划，不包括控制模块；感知和决策规划使用神经网络，模块之间仍有人工设感知和决策规划使用神经网络，模块之间仍有人工设计的数据接口计的数据接口等方式。等方式。图图 8：广义广义端到端自动驾驶架构（神经网络模型端到端自动驾驶架构（神经网络模型实现实现感知与决策规划感知与决策规划，不包括控制模块，不包括控制模块）资料来源：远川汽车评论微信公众号，信达证券研发中心 请阅读最后一页免责声明及信息披露 13 图图 9：广义广义端到端自动驾驶架构（感知端到端自动驾驶架构（感知和和决策规划决策规划使用使用神经网络神经网络，模块，模块之间仍有人工设计之间仍有人工设计的的数据接口数据接口）资料来源：远川汽车评论微信公众号，信达证券研发中心 2.4 端到端迭代有望实现从“感知”到“决策”到“One Model”平滑过渡 从端到端的最终实现上，我们认为通过从端到端的最终实现上，我们认为通过感知“端到端”感知“端到端”，模块化“端到端”，再到，模块化“端到端”，再到One Model/单一模型单一模型“端到端端到端”是一种相对平滑的过渡形式。而当前是一种相对平滑的过渡形式。而当前感知“端到端”感知“端到端”已经已经是主流的是主流的感知模型，感知模型，展望后续技术发展，展望后续技术发展，我们认为自动驾驶算法向“端到端”收敛，有望成为行业的一我们认为自动驾驶算法向“端到端”收敛，有望成为行业的一大趋势。大趋势。不同迭代阶段之间的区别：不同迭代阶段之间的区别：感知“端到端”：感知“端到端”：当前的主流感知算法路线大多数都是用神经网络模型，通过基于多传感器融合的 BEV(Bird Eye View，鸟瞰图视角) Transformer 基本实现了感知模块的端到端，感知输出检测结果的精度及稳定性相对之前的感知方案都有比较大的提升，但在决策规划控制模块仍然以 rule-based 为主1。模块化“端到端”模块化“端到端”：与感知“端到端”相比，感知端算法没有太大变化，决策规划控制模块有望通过深度学习实现，取代原有的 rule-based 方案，从这一阶段开始，端到端的雏形逐渐形成。并且感知与决策规划控制模块之间的数据传递有望由人为定义的结果抽象为特征向量，避免数据损耗与误差累计等问题，决策规划控制模块的综合模型基于特征向量输出运动规划的结果2。One Model/单一模型单一模型“端到端端到端”：这一阶段不再有感知、决策规划等模块的明确划分。从原始信号输入到最终规划轨迹的输出直接采用单一深度神经网络实现。One Model 可以基于强化学习（Reinforcement Learning,RL）或模仿学习（Imitation Learning,IL）的端到端模型，也可以通过世界模型这类生成式模型衍生3。1 资料来源：辰韬资本端到端自动驾驶行业研究报告 2 资料来源：辰韬资本端到端自动驾驶行业研究报告 3 资料来源：辰韬资本端到端自动驾驶行业研究报告 请阅读最后一页免责声明及信息披露 14 图图 10：端到端：端到端自动驾驶架构演进示意图自动驾驶架构演进示意图 资料来源：辰韬资本端到端自动驾驶行业研究报告，信达证券研发中心 3.数据、算力、算法既是端到端落地驱动力，也是落地挑战 3.1 数据挑战：获取成本和难度较高，特斯拉目前处于领先 端到端自动驾驶端到端自动驾驶及用途神经网络实现及用途神经网络实现数据驱动，数据驱动，因此用于因此用于训练训练的的数据数据要求要求越来越高。越来越高。端到端对训练数据的要求主要体现在数据量、数据标注、数据质量和数据分布等方面4。图图 11：端到端对数据的要求端到端对数据的要求 资料来源：辰韬资本端到端自动驾驶行业研究报告，信达证券研发中心 分车企看，特斯拉在数据规模层面处于领先地位。分车企看，特斯拉在数据规模层面处于领先地位。与大语言模型可以在互联网上爬取海量文字数据用于训练不同，端到端智驾需要的视频数据获取成本和难度较高。对于车企而言，我们认对于车企而言，我们认为决定自动驾驶训练数据的重要因素包括目前能够稳定收集数据的车辆总数、以及车企智驾车为决定自动驾驶训练数据的重要因素包括目前能够稳定收集数据的车辆总数、以及车企智驾车型比例，这与车企型比例，这与车企自研实力、综合自研实力、综合产品力、产品力、资金投入、智驾车型资金投入、智驾车型销量息息相关。销量息息相关。根据车企公布的数据，根据车企公布的数据，截至 2023 年年初，特斯拉特斯拉 FSD 在北美的累计测试车辆数在 40 万辆左 4 资料来源：辰韬资本端到端自动驾驶行业研究报告 请阅读最后一页免责声明及信息披露 15 右，到今年 3 月，已经达到 180 万辆。据华为华为预计，截至 2024 年底，搭载华为智驾系统车型保有量将突破 50 万台。截至 2024 年 7 月份，理想理想累计交付超过 87 万辆万辆，其中有 99%的用户使用过辅助驾驶。截止 2024 年 7 月份，蔚来蔚来智能驾驶总用户数达 55.8 万人万人，NOP 总用户数总用户数达达 30.8 万人万人。2024 年上半年，小鹏小鹏 XNGP 的智能导航辅助驾驶的用户渗透率达到了 95.87%。表表 3 3：各车企辅助驾驶里程累计情况各车企辅助驾驶里程累计情况 特斯拉特斯拉 鸿蒙智行鸿蒙智行 理想理想 蔚来蔚来 小鹏小鹏 超过 16 亿英里（截止 2024 年中报）4.6 亿公里（截止 2024 年 8 月）20.6 亿公里（截止 2024 年 7 月）11.12 亿公里（截止 2024 年 7 月）756 万公里（实车测试里程，截止2024 年 7 月）资料来源：特斯拉财报，42号车库官方微博，理想汽车微信公众号，第一财经微信公众号，小鹏汽车微信公众号，信达证券研发中心 对于智驾供应商而言，数据获取难度会更大对于智驾供应商而言，数据获取难度会更大。此前国内上海AI lab浦驾团队搜罗了整个Youtube，才最终搭建了一个 2000 小时的数据集 OpenDV-2K。在 2023 年特斯拉端到端神经网络开发之初，就投喂了 1000 万个经过筛选的人类驾驶视频片段，即使以每段 15 秒计，这也是超过 4 万小时的高清视频。3.2 算力挑战：算力竞争重点由车端转向云端，算力需求水涨船高 端到端与端到端与 ChatGPT 等生成式大语言模型类似，除了海量高质量数据之外，还需要强大的算力等生成式大语言模型类似，除了海量高质量数据之外，还需要强大的算力来支撑模型的训练。来支撑模型的训练。过去几年，以英伟达、地平线、Mobileye 等为代表的车端算力芯片受到行业高度关注。随着汽车智能化的竞争重点从算法转向数据和算力，云端算力或将成为车企未来几年竞争的关键。算力即计算的能力，狭义定义算力即计算的能力，狭义定义是一台计算机理论上具备的最大每秒浮点运算次数（FLOPS）。广义定义广义定义是计算机设备或计算/数据中心处理信息的能力，是计算机硬件和软件配合共同执行某种计算需求的能力。除了运算能力之外，还包括数据存储与访问能力、与外界的数据交换能力、数据显示能力等。算力的基础是各类高性能计算芯片。算力的基础是各类高性能计算芯片。计算芯片主要包括 CPU（中央处理器）和 GPU（图形处理器）。CPU 是计算设备的运算和控制核心，适合处理逻辑复杂的串行任务。GPU 早期主要用来加速图像计算任务，由于其更加侧重计算而非逻辑控制，并能很好地支持并行计算，成为目前提供算力的主要芯片。因此目前大算力因此目前大算力 GPU（英伟达（英伟达 H100、H800、A100、A800 等等）的的储备情况往往成为衡量训练算力资源的重要依据。储备情况往往成为衡量训练算力资源的重要依据。请阅读最后一页免责声明及信息披露 16 图图 12：英伟达英伟达 H100、H800、A100、A800 与与 4090 显卡参数对比显卡参数对比 资料来源：IDC 观察微信公众号，信达证券研发中心 注：与智算中心或者 AI 相关的算力参考 FP16。FLOPS（Floating Point Operations Per Second）：每秒浮点运算次数。这是衡量算力的基本单位，常见的有 MFLOPS（百万次/秒）、GFLOPS（十亿次/秒）、TFLOPS（万亿次/秒）、PFLOPS（千万亿次/秒）、EFLOPS（百亿亿次/秒）国内、厂商与特斯拉国内、厂商与特斯拉超算超算中心的算力水平差距较大，另外还有中心的算力水平差距较大，另外还有 GPU 采购的难题。采购的难题。大部分研发端到端自动驾驶的公司目前的训练算力规模在千卡级别，国内算力布局领先的车企与供应商包括商汤、华为、理想、小鹏商汤、华为、理想、小鹏等。特斯拉特斯拉近年来不断增加训练算力投入，2024Q1 财报电话会上特斯拉表示，公司已经有 35000 张 H100GPU，并计划在 2024 年内增加到 85000 张 H100 以上，届时总算力有望达到 100EFLOPS。此前，特斯拉还部署了规模更大的 A100GPU 训练集群，其实际训练算力投入在自动驾驶行业中大幅领先其他参与者5。我们认为我们认为当算法层面逐渐收敛至“端到端”，数据当算法层面逐渐收敛至“端到端”，数据 算力将成为核心竞争要素，以特斯拉、华算力将成为核心竞争要素，以特斯拉、华为为、理想、理想为代表的智能驾驶与整车交付领先为代表的智能驾驶与整车交付领先以及算力储备领先企业以及算力储备领先企业有望“强者有望“强者愈愈强”。强”。5 资料来源：辰韬资本端到端自动驾驶行业研究报告 请阅读最后一页免责声明及信息披露 17 表表 4 4：各车企、智驾供应商智算中心算力布局情况各车企、智驾供应商智算中心算力布局情况 企业类型企业类型 企业名称企业名称 算力布局算力布局 车企车企 特斯拉特斯拉 100EFLOPS（2024 年 10 月）理想理想 4.5EFLOPS 小鹏小鹏 2.5EFLOPS 长城长城 1.64EFLOPS 长安长安 1.42EFLOPS 蔚来蔚来 1.4EFLOPS 吉利吉利 0.81EFLOPS 智驾供应商智驾供应商 商汤商汤 12EFLOPS（年底 20EFLOPS）华为华为 5EFLOPS 百度百度 1.8-2.2EFLOPS 资料来源：汽车之心微信公众号、NE时代智能车微信公众号、36氪汽车微信公众号、智能车参考微信公众号，信达证券研发中心 车端算力或并非端到端落地的主要矛盾。车端算力或并非端到端落地的主要矛盾。首先，目前以英伟达 Orin 为代表的大算力车载芯片已经支持 BEV Transformer 模型的部署，并且架构从传统模块化到端到端后，总代码数量会显著降低，因此端到端带来的车端算力需求相比 BEV 模型并不一定会有显著的提升，更多的需求可能来自模型参数量和模型性能的提升。其次，高算力芯片与算法一直处于动态演化的过程中，相比于对更大算力的需求，基于现有算力芯片优化端到端模型实现更高效部署可能是更容易实现的方案。目前行业头部竞争者如英伟达、华为、地平线、蔚来、Momenta 都在逐渐走向软硬一体，针对自研模型定制化开发更匹配的计算芯片，可以做到最大程度的优化6。3.3 算法挑战：黑盒算法局限性、验证测试与世界模型 3.3.1 黑盒算法局限性黑盒算法局限性：不可解释性、灾难性遗忘等问题易造成端到端算法上限高、下限低不可解释性、灾难性遗忘等问题易造成端到端算法上限高、下限低 端到端端到端的的“黑盒”属性“黑盒”属性导致其导致其具有不可解释性。具有不可解释性。可解释性在自动驾驶中很重要，它有利于工程测试和系统改进，还能从社会角度提供性能安全保证，增加民众对自动驾驶的接受度。但神经网络的先天缺点是不可解释性，也叫“黑盒”属性。通俗理解就是向神经网络输入数据并得出正确的计算结果，但我们并不知道结果是如何计算出来的。神经网络的“黑盒”属性会对智驾的安全性带来影响。根据根据 Li Chen 等等发表的发表的论文论文End-to-end Autonomous Driving:Challenges and Frontiers，可以通过，可以通过多种方式多种方式增强模型设计增强模型设计的的可解释性。可解释性。图图 13：多种方式增强模型设计的可解释性多种方式增强模型设计的可解释性 资料来源：Li Chen 等End-to-end Autonomous Driving:Challenges and Frontiers，深蓝 AI 微信公众号，信达证券研发中心 6 资料来源：辰韬资本端到端自动驾驶行业研究报告 请阅读最后一页免责声明及信息披露 18 在已公布的解决方案中，在已公布的解决方案中，华为和华为和小鹏采用了小鹏采用了模块化模块化端到端的渐进式路线端到端的渐进式路线：模块间有人类定义的接口，便于人类解读中间结果，并检查、定位问题，并且串联两个较小的模型可以使得训练难度更低、消耗算力更小，落地时间更快。图图 14：小鹏模块化端到端小鹏模块化端到端算法架构算法架构 资料来源：远川汽车评论微信公众号，远川研究所微信公众号，信达证券研发中心 理想通过理想通过并联并联一个一个 22 亿参数规模的亿参数规模的 VLM（Vision-Language Model，视觉语言模型）大模型，视觉语言模型）大模型解决可解释性差的问题：解决可解释性差的问题：VLM 模型对复杂交通场景、交通文字标识有更强的理解力，能够为端到端模型的驾驶决策提供参考，提升智驾系统的表现。图图 15：理想端到端算法架构理想端到端算法架构 资料来源：理想汽车，36 氪 Pro 微信公众号，信达证券研发中心 端到端算法端到端算法还还存在灾难性遗忘的问题存在灾难性遗忘的问题。灾难性遗忘是神经网络固有的局限性，主要是指系统在引入新数据时突然忘记以前学到的信息。主要原因是训练期间引入新任务，神经网络调整其参数或权重以适应新任务，导致覆盖从之前任务中获得的知识。日前马斯克在推特上解释了 FSD V12.4.2 推迟的原因，该版本投喂了大量需要接管的复杂场景数据进行训练优化，但在简单场景的驾驶平顺性反而倒退了。针对这种情况，需要对神经网络采取一些权重固化措施后重新训针对这种情况，需要对神经网络采取一些权重固化措施后重新训练。练。3.3.2 验证测试：验证测试：端到端验证测试尚不成熟端到端验证测试尚不成熟 经典的自动驾驶架构验证环节已较为成熟。感知算法使用回灌数据进行离线开环测试，规控算经典的自动驾驶架构验证环节已较为成熟。感知算法使用回灌数据进行离线开环测试，规控算 请阅读最后一页免责声明及信息披露 19 法基于模拟器进行闭环测试验证法基于模拟器进行闭环测试验证7。端到端自动驾驶系统测试有两种方法：仿真环境中的在线仿真环境中的在线/闭环闭环测试测试；人类驾驶数据集的离线；人类驾驶数据集的离线/开环开环测试测试。在线在线/闭环闭环测试测试需要需要构建一个模仿真实驾驶环境的模拟环境构建一个模仿真实驾驶环境的模拟环境，在模拟环境中部署在模拟环境中部署测试测试系统并系统并测测试端到端试端到端性能性能，目的是缩小算法训练与实际应用之间的差距，目的是缩小算法训练与实际应用之间的差距。此类测试一般涉及三个主要子任务：参数初始化、交通仿真和传感器仿真。在线在线/闭环评估闭环评估的优点的优点在于可以对初始环境参数、交通状况、传感器数据等实现高度控制，缺点缺点包括大多数数据样本是常见驾驶场景，而长尾场景和异常驾驶场景数据几乎无法获取；数据自动标注方法需要更加准确高效；为解决城市某些场景下性能不佳的问题，需要提升场景数据挖掘和场景理解能力。（资料来源：Li Chen 等End-to-end Autonomous Driving:Challenges and Frontiers，Lincan Li 等Data-Centric Evolution in Autonomous Driving:A Comprehensive Survey of BigData System,Data Mining,and Closed-Loop Technologies）离线离线/开环开环测试测试根据预先记录的根据预先记录的人类人类驾驶行为来评估系统的性能驾驶行为来评估系统的性能，通过将系统预测的未来轨迹通过将系统预测的未来轨迹与人类驾驶与人类驾驶数据数据中的轨迹进行比较来衡量性能。中的轨迹进行比较来衡量性能。目前主流的离线数据集包括 nuScenes、Argoverse、Waymo 和 nuPlan，所有这些数据集都包含来自现实世界驾驶环境的大量带注释的轨迹。开环评估的开环评估的优优点点是基于真实的交通和传感器数据，测试易于实现。缺点缺点包括静态数据集中学习的行为可能无法转化为现实世界驾驶场景的动态特性；测试过程驾驶系统可能会偏离人类的驾驶数据，因此必须验证系统从这种偏离中恢复的能力。（资料来源：Li Chen 等End-to-end Autonomous Driving:Challenges and Frontiers，Lincan Li 等Data-Centric Evolution in Autonomous Driving:A Comprehensive Survey of BigData System,Data Mining,and Closed-Loop Technologies）图图 16：在线在线/闭环测试闭环测试与离线与离线/开环测试的主要特点与优缺点开环测试的主要特点与优缺点 资料来源：Li Chen 等End-to-end Autonomous Driving:Challenges and Frontiers，Lincan Li 等Data-Centric Evolution in Autonomous Driving:A Comprehensive Survey of BigData System,Data Mining,and Closed-Loop Technologies，辰韬资本端到端自动驾驶行业研究报告，信达证券研发中心 3.3.3 世界模型世界模型：重建真实世界的重要工具，亦存在端到端算法的问题：重建真实世界的重要工具，亦存在端到端算法的问题 世界模型的概念是指能够学习及揭示真实世界物理及数学定律的模型世界模型的概念是指能够学习及揭示真实世界物理及数学定律的模型8，具备对信息的全景理具备对信息的全景理 7 资料来源：辰韬资本端到端自动驾驶行业研究报告 8 资料来源：辰韬资本端到端自动驾驶行业研究报告 请阅读最后一页免责声明及信息披露 20 解力，在想象的维度理解物理规律，并重建世界。简单来说，就是通过构建人类大脑的复杂认解力，在想象的维度理解物理规律，并重建世界。简单来说，就是通过构建人类大脑的复杂认知过程，模拟人类感知和决策过程，为自动驾驶系统提供预测和适应动态环境的能力。知过程，模拟人类感知和决策过程，为自动驾驶系统提供预测和适应动态环境的能力。通过世界模型重构世界，通过世界模型重构世界，智能驾驶算法智能驾驶算法的的空间理解能力空间理解能力有了进一步升级。有了进一步升级。智能驾驶的感知算法经历了 2D/3D 检测检测-BEV 算法算法-占用网络占用网络 OCC 算法算法的迭代。2020 年之前感知算法只能进行2D/3D 检测检测，即分辨特定对象、确认三维空间位置，并提取车道线。2022 年，智能驾驶感知算法普遍升级到 BEV 算法算法，将所有摄像头的信息聚合到一个环境中，通过一张鸟瞰图俯瞰周边，动态感知更精准。但是，BEV 算法的框架还是基于二维，缺乏高度信息导致无法感知异形物体。2023 年开始，行业开始引入占用网络占用网络 OCC 算法算法，对环境的感知升级为三维。但 OCC 的感知，缺失表面材质信息，对细小物体等不确定性的描述不足。世界模型世界模型在智能驾驶场景中的主要能力在智能驾驶场景中的主要能力在于：在于：还原真实的物理世界，以及动态物体和静态物体之间的关系，符合大家对于真实场景的认知；场景更加丰富，视频生成软件给出的视频只有简单的一个运镜，场景相对简单，世界模型可以生成丰富度更高的视频场景；能在短时间内推演出多种可能发生的轨迹并寻找最佳决策，得到驾驶的最优解。基于世界模型，智驾模型基于世界模型，智驾模型在感知端的时空理解能力、环境想象的真实度与丰富度会有明显提升，并且进一步具备了路径在感知端的时空理解能力、环境想象的真实度与丰富度会有明显提升，并且进一步具备了路径规划与最佳路径选择能力。规划与最佳路径选择能力。图图 17：2D/3D 检测检测、BEV、OCC、世界模型空间理解能力世界模型空间理解能力与真实世界的对比与真实世界的对比 资料来源：蔚来微信公众号，信达证券研发中心 在端到端概念在端到端概念中，世界模型具有两个作用：根据外部输入生成视频，可以作为端到端模型训中，世界模型具有两个作用：根据外部输入生成视频，可以作为端到端模型训练的数据源练的数据源：通过世界模型生成的数据可以覆盖大量极端工况（如车祸或长尾的障碍物等），并且在线生成的数据具有成本优势。对世界模型进行微小的调整或者增加一些输出链路及模对世界模型进行微小的调整或者增加一些输出链路及模块，就可以实现块，就可以实现 One Model 端到端自动驾驶端到端自动驾驶：世界模型本身具备理解周围环境以及预测交通参与者行为的能力，同时也具备推理和理解的能力基础，所以它有能力基于所有已掌握信息进行推理和最佳决策及规划。因此只要对世界模型进行微小的调整或者增加一些输出链路及模块，就可以很快实现端到端自动驾驶。但但同时因为同时因为世界模型基于端到端概念，世界模型基于端到端概念，其其也具有黑盒算法也具有黑盒算法带带来的来的不可解释性等问题不可解释性等问题9。9 资料来源：辰韬资本端到端自动驾驶行业研究报告 请阅读最后一页免责声明及信息披露 21 4.特斯拉引领端到端智驾算法迭代，国内参与者多点开花 4.1 端到端主要参与者包括主机厂、自动驾驶公司与人工智能公司等 端到端主要端到端主要参与者参与者涵盖了车企、人工智能企业、自动驾驶技术公司机器人公司以及自动驾驶芯涵盖了车企、人工智能企业、自动驾驶技术公司机器人公司以及自动驾驶芯片制造商。片制造商。主机厂包括特斯拉、小鹏、理想特斯拉、小鹏、理想、蔚来、蔚来等，等，主要供应商包括华为、元戎启行、商汤华为、元戎启行、商汤绝影、绝影、百度百度等公司。从技术路线看，主流路线包括小鹏、华为的模块化端到端，商汤绝影的一体化端到端，另外还包括理想的双系统端到端，以及蔚来基于世界模型的端到端。图图 18：端到端主要端到端主要参与者参与者与技术路线与技术路线 资料来源：NE 时代智能车微信公众号，绝影智能 SenseAuto 微信公众号，智能车参考微信公众号，蔚来微信公众号，Xauto报告微信公众号，理想汽车微信公众号，HiEV 大蒜粒车研所微信公众号，董车会微信公众号，42 号车库微信公众号，特来讯，信达证券研发中心 4.2 特斯拉 FSD V12 落地引领端到端变革 特斯拉经历了特斯拉经历了自研芯片、算法结构、数据标注与融合等方面的升级，逐步向端到端迈进。自研芯片、算法结构、数据标注与融合等方面的升级，逐步向端到端迈进。硬件层面硬件层面，特斯拉经历多次迭代升级至 HW4.0，其中传感器硬件通过 7 颗摄像头实现纯视觉路线；智驾芯片从 HW3.0 开始实现自研，HW4.0 进一步升级，算力达到 720TOPS。表表 5 5：特斯拉智能驾驶硬件迭代历程（特斯拉智能驾驶硬件迭代历程（HW1.0HW1.0-HW4.0HW4.0）版本版本 HW1.0 HW2.0 HW2.5 HW3.0 HW4.0 发布时间发布时间 2014 年 9 月 2016 年 10 月 2017 年 8 月 2019 年 3 月 2023 年 H1 前摄像头前摄像头 1 3 3 3 2 侧摄像头侧摄像头 0 2 2 2 2 侧面后置摄像头侧面后置摄像头 0 2 2 2 2 后置摄像头后置摄像头 0 1 1 1 1 雷达数雷达数 1 1 1-智能驾驶芯片智能驾驶芯片 Mobileye EyeQ3 SoC:Nvidia Parker*1;GPU:Nvidia Pascal*1;CPU:Infineon TriCore*1 SoC:Nvidia Parker*2;GPU:Nvidia Pascal*1;CPU:Infineon TriCore*1 FSD1.0 芯片*2 FSD2.0 芯片*2 算力算力 0.256TOPS 24TOPS 24TOPS 144TOPS 720TOPS 资料来源：Teslatap，车市物语微信公众号，91che 微信公众号，HiEV 大蒜粒车研所微信公众号，信达证券研发中心 算法结构层面算法结构层面，特斯拉最初与 Mobileye 进行合作，从 2016 年开始自研。2020 年开始实现BEV Transformer 占用网络升级，逐步转向大模型时代。2023 年年 12 月，月，FSD V12 测试版亮测试版亮相，将城市街道驾驶堆栈升级为经过数百万视频剪辑训练的单一端到端神经网络，取代了超过相，将城市街道驾驶堆栈升级为经过数百万视频剪辑训练的单一端到端神经网络，取代了超过 请阅读最后一页免责声明及信息披露 22 30 万行显式万行显式 C 代码。代码。图图 19：特斯拉自动驾驶算法结构迭代历程特斯拉自动驾驶算法结构迭代历程 资料来源：九章智驾微信公众号，42 号车库微信公众号，汽车之心微信公众号，智协慧同 EXCEEDDATA 微信公众号，特来讯，信达证券研发中心 自动驾驶软件版本迭代方面自动驾驶软件版本迭代方面，2013 年特斯拉开始 Autopilot 研发，主要功能包括主动巡航控制、自动辅助转向等；2020 年开始 FSD Beta 开启内测，2023 年 12 月，FSD V12 测试版升级单一端到端神经网络，2024 年 3 月 FSD Beta 更名为 FSD Supervised（有监督的自动驾驶），在性能、安全、法规遵从方面持续突破，落地进程有望加速。表表 6 6：Autopilot/EAP/FSDAutopilot/EAP/FSD 主要功能与收费情况主要功能与收费情况 Autopilot EAP FSD 主动巡航控制主动巡航控制 标配 标配 标配 自动辅助转向自动辅助转向 标配 标配 标配 自动变道自动变道-标配 标配 高速辅助导航驾驶高速辅助导航驾驶-标配 标配 自动泊车自动泊车-标配 标配 召唤功能召唤功能-稍后推出 标配 智能召唤功能智能召唤功能-稍后推出 标配 交通信号灯和停车标志控制交通信号灯和停车标志控制-稍后推出 城市辅助导航驾驶城市辅助导航驾驶-稍后推出 国内订阅价格国内订阅价格 标配标配 3.2 万万 6.4 万万 国外订阅价格国外订阅价格 标配标配 标配标配 8000 美元美元 资料来源：特斯拉官网，信达证券研发中心 表表 7 7：Autopilot/FSDAutopilot/FSD 重要升级内容重要升级内容 时间时间 版本版本 升级内容升级内容 2013 年-马斯克在社交平台 Twitter 上表示开始 Autopilot 的研发 2014 年-Autopilot 产品提供主动安全功能,包括车道偏离警告、速度限制警告等 2015 年-增加自适应巡航和自动转向等功能 2016 年-推出 Enhanced Autopilot(EAP,增强辅助驾驶)产品线，功能包括召唤和自动泊车等；推出 Full Self-Driving(FSD,完全自动驾驶)预售产品，但并未给出何时落地的承诺 2018 年-增加 NOA(Navigate On AutoPilot,导航辅助驾驶)功能,下线 FSD 产品线 2019 年-将召唤和自动泊车作为基础功能归入 Autopilot 产品线，Autopilot 成为标配；将 NOA 召唤和自动泊车功能归入 FSD 产品线；EAP 产品线下线 2020 年-发布 FSD Beta 版本，增加识别交通灯和停车标志并作出反应的功能、城市街道自动转向等功能 2020 年 10 月 FSD Beta 开启内测，仅向部分北美 FSD 的测试平台用户推送测试功能 2021 年 1 月 FSD Beta V8 V8.1 可以让车辆在没有干预的情况下正常行驶 2021 年 7 月 FSD Beta V9 放弃使用雷达，采用 100%摄像头的纯视觉解决方案，新增城市场景 请阅读最后一页免责声明及信息披露 23 2021 年 9 月 FSD Beta V10 增加新的辅助驾驶功能，优化驾驶体验 2021 年 10 月 FSD Beta V10.2 开启公测,但有条件要求，safety score（特斯拉设计的安全评估机制，分数越高表示驾驶越安全）达到 100 分的北美地区车主可获得试用资格 2022 年-针对只想使用高速公路辅助驾驶功能的用户重新上线 EAP，售价 6000 美元，同期 FSD Beta 价格为 1.2 万美元 2022 年 11 月 FSD Beta V10.69.3.1 全面放开公测，向北美地区所有购买 FSD 的用户推送测试功能 2023 年 2 月 FSD Beta V11 统一城市驾驶和高速公路驾驶堆栈，在此之前高速场景并未统一到 FSD Beta 技术栈中 2023 年 12 月 FSD Beta V12.1 FSD V12 测试版将城市街道驾驶堆栈升级为经过数百万视频剪辑训练的单一端到端神经网络，取测试版将城市街道驾驶堆栈升级为经过数百万视频剪辑训练的单一端到端神经网络，取代了超过代了超过 30 万行显式万行显式 C 代码代码 2024 年 3 月 FSD(Supervised)V12.3.3 再次下线再次下线 EAP，FSD Beta 更名为更名为 FSD Supervised（有监督的自动驾驶）（有监督的自动驾驶）2024 年 4 月-特斯拉 FSD 用户累计行驶里程突破 13 亿英里 2024 年 5 月 FSD(Supervised)V12.4 FSD V12.4 新增视觉注意力监控 2024 年 8 月-特斯拉 Cybertruck FSD 预计将于 9 月发布 资料来源：第一财经微信公众号，新皮层 NewNewThing 微信公众号，特来讯，信达证券研发中心 特斯拉围绕数据驱动实现了自动驾驶的快速迭代，特斯拉围绕数据驱动实现了自动驾驶的快速迭代，FSD 有望持续进化。有望持续进化。从 Autopilot 到端到端架构，特斯拉通过影子模式、HydraNet 神经网络架构构建、数据自动标注、算法层面迭代（BEV Transformer 占用网络等）、算力储备等布局实现了逐步迭代升级。图图 20：特斯拉通过影子模式、数据标注、数据挖掘与训练等环节实现数据闭环特斯拉通过影子模式、数据标注、数据挖掘与训练等环节实现数据闭环 资料来源：42 号车库微信公众号，信达证券研发中心整理 从实际体验来看，端到端的从实际体验来看，端到端的 FSD 开起来更加拟人、丝滑。开起来更加拟人、丝滑。何小鹏在加州体验 FSD 最新版本时表示，FSD 比他作为加州新手司机开得更好。根据实测视频，面对复杂的施工路段、夜晚临时路桩、飞扬的纸袋、路过的动物等，特斯拉 FSD 均能做出灵活且准确的反应。根据 Tesla FSD Tracker 统计，FSD V12.3 在城市工况下平均接管里程为 20 英里，平均安全接管里程为 372英里。特斯拉或将通过世界模型实现特斯拉或将通过世界模型实现 3D 空间空间生成。生成。特斯拉 AI 负责人 Ashok Elluswamy 表示特斯拉正在试图构建一个更加通用的世界模型（General World Model），它能够预测未来并帮助神经网络自主学习，能够以 AI 的方式生成 3D 空间，并且根据人类的左右转弯等指令，在八个摄像 请阅读最后一页免责声明及信息披露 24 头视角里同时进行一致性非常强的 3D 变换。特斯拉特斯拉 FSD 入华限制逐渐解除，与百度入华限制逐渐解除，与百度地图地图达成合作。达成合作。4 月底马斯克抵京当日，特斯拉通过中国汽车数据安全 4 项全部要求车外人脸信息等匿名化处理、默认不收集座舱数据、座舱数据车内处理、处理个人信息显著告知，我们认为在数据层面的限制正逐步解除。4 月 22 日，百度副总裁尚国斌官宣与特斯拉达成合作，称百度地图真车道级导航将在特斯拉全球首发。7 月初，特斯拉 Model Y 后轮驱动版进入江苏省政府新能源用车采购目录，上海临港新片区国企也已采购一批特斯拉 Model Y，各地已陆续解除对特斯拉等智能网联汽车的禁行禁停限制。图图 21：百度与特斯拉达成地图合作百度与特斯拉达成地图合作 资料来源：百度，盖世汽车社区微信公众号，信达证券研发中心 在在二季度财报电话会议上，马斯克表示特斯拉二季度财报电话会议上，马斯克表示特斯拉 FSD 有望在有望在 V12.5 或者或者 12.6 版本，进入中国、版本，进入中国、欧洲，以及其他国家，并在早期推送之后提交给上述国家的监管部门进行审核。欧洲，以及其他国家，并在早期推送之后提交给上述国家的监管部门进行审核。马斯克表示 FSD V12.5 的参数量是 V12.4 的五倍，可以实现高速道路和一般道路相统一的高阶智驾解决方案，按照当前的迭代节奏，我们认为 V12.6 有望在年内推出。根据特斯拉财报，截止二季度末特斯拉 FSD 累计测试里程已突破 16 亿英里，其中 FSD V12 测试里程已突破 6 亿英里。马斯克表马斯克表示他们计划在年内达成一个重要里程碑，即在实际行驶超过十亿英里的过程中，受监管的自动示他们计划在年内达成一个重要里程碑，即在实际行驶超过十亿英里的过程中，受监管的自动驾驶系统将比人类驾驶员更为安全。驾驶系统将比人类驾驶员更为安全。图图 22：FSD Beta 累计行驶里程（十亿英里）累计行驶里程（十亿英里）资料来源：特斯拉财报，信达证券研发中心 4.3 华为、小鹏、理想等车企与供应商纷纷跟进，技术路线有望向“端到端”收敛 请阅读最后一页免责声明及信息披露 25 4.3.1 华为华为 ADS3.0 享界享界 S9 首发，首发，构建构建感知、规划控制神经网络感知、规划控制神经网络实现模块化端到端实现模块化端到端 华为在华为在 2024 年年 4 月推出了新品牌乾崑及其新一代智能驾驶解决方案月推出了新品牌乾崑及其新一代智能驾驶解决方案 ADS 3.0，该方案以，该方案以 GOD网络和网络和 PDP 网络为核心，实现端到端的智能驾驶。网络为核心，实现端到端的智能驾驶。华为 ADS 3.0 8 月份率先搭载享界 S9 交付，9 月开始有望依次推送鸿蒙智行其他车型以及 Hi 合作模式车型。表表 8 8：HUAWEI ADSHUAWEI ADS 迭代历程迭代历程 类别类别 ADS 1.0 ADS 2.0 ADS 3.0 发布时间发布时间 2021.4 2023.4 2024.4 软件架构软件架构 BEV BEV GOD RCR GOD PDP 核心功能核心功能 NCA 领航辅助（上海、广州、深圳等）NCA 领航辅助（全国高速、城区）NCA 领航辅助（全国高速、城区，实现点到点）搭载车型搭载车型 极狐阿尔法 S、阿维塔 11 问界 M5/M7/M9，阿维塔 11/12，智界 S7 享界 S9，后续有更多品牌与车型加入 资料来源：甲子光年微信公众号，信达证券研发中心 在在 ADS 2.0 智驾解决方案中智驾解决方案中，华为在，华为在 BEV 的基础上增加了的基础上增加了 GOD RCR 网络实现“网络实现“全国都能全国都能开开”的无的无图图 NCA 智驾能力智驾能力。GOD 网络（网络（General Obstacle Detection，通用障碍物检测网络）可以通过激光雷达 摄像头，来识别通用障碍物白名单外的异形物体，用 3D 像素块来构建出障碍物的轮廓，对路上的障碍物进行精细识别，障碍物的识别不再存在上限。RCR 网络（网络（Road Cognition&Reasoning，道路拓扑推理网络），道路拓扑推理网络）进一步让智驾摆脱高精地图的依赖，结合普通导航地图来与现实进行匹配和印证，再实时通过传感器来拓扑绘制一幅可用的行车地图，能够做到具体路况具体分析。图图 23：华为华为 ADS 2.0 BEV GOD RCR 网络网络 资料来源：董车会微信公众号，信达证券研发中心 ADS 3.0 升级点主要在于构建了升级点主要在于构建了 GOD 感知神经网络感知神经网络 PDP 决策神经网络实现模块化端到端。决策神经网络实现模块化端到端。在 ADS 3.0 当中，华为将 GOD 和 RCR 都神经网络化，并纳入到一个完整的 GOD 感知神经网络，规划决策模块构建了 PDP 决策神经网络，实现去 BEV 化。华为还利用自己的云端 AI 训练平台进行大量的数据训练，让模型得以快速迭代升级。截止目前，华为学习训练的算力已经截止目前，华为学习训练的算力已经从从 3.5E FLOPS 更新到更新到 5E FLOPS，模型每天训练的里程数达到了，模型每天训练的里程数达到了 3500 万公里。万公里。华为还在华为还在端到端模型中端到端模型中增加了“增加了“本能安全网络本能安全网络”进行下限兜底，进行下限兜底，增强模型可解释性与稳健性，增强模型可解释性与稳健性，避免端到端下限低的问题避免端到端下限低的问题。请阅读最后一页免责声明及信息披露 26 图图 24：华为华为 ADS 3.0 GOD PDP 网络网络 资料来源：董车会微信公众号，信达证券研发中心 ADS 3.0 升级后体验亮点包括：升级后体验亮点包括：享界 S9 泊车代驾正式商用，到达目的地后，人可下车即走，车辆自主泊入，解决停车找位难、费时间等痛点；开启条件不挑场景，可以从地库车位、路边临时停车等等状态下直接起步；可以自己过闸机、下地库、自主泊车的几个功能无缝衔接，可实现车位到车位的智驾体验；特殊场景应对：鬼探头，ADS 3.0 能够及时避让或刹停；对向来车时会主动博弈避让。4.3.2 小鹏：小鹏：组织架构调整，组织架构调整，全面投入端到端全面投入端到端 小鹏小鹏 5 月月发布发布 AI 天玑系统天玑系统，成为首个落地量产端到端大模型的车企。成为首个落地量产端到端大模型的车企。AI 天玑系统是一个将 AI技术全面应用于智能座舱与智能驾驶的操作系统，核心功能包括 AI 小 P（升级了 LLM 的 AI 助理）、AI 司机（包括 AI 代驾、AI 泊车、XNGP 等智能驾驶功能）、AI 保镖（车辆环境的大范围感知及预警）。此次升级此次升级 XNGP 升级了模块化端到端模型，升级了模块化端到端模型，主要由主要由 XNet 感知神经网络、感知神经网络、XPlanner 规划控制大模型以及规划控制大模型以及 XBrain 大语言模型组成。大语言模型组成。感知大模型感知大模型 XNet：聚合动态 XNet、静态 XNet、纯视觉 2K 占用网络，能够让自动驾驶系统对现实世界中的可通行空间进行 3D 还原，清晰识别静态障碍物细节，感知范围提升 2 倍，面积有 1.8 个足球场大小，能精准识别 50 个目标物。大语言模型大语言模型 XBrain：通过大语言模型网络，提高自动驾驶对复杂甚至未知场景的泛化处理能力，及对宏观逻辑的推理能力，从而做出兼顾安全及性能的拟人驾驶决策。能够认识待转区、潮汐车道、特殊车道、路牌文字，理解各种令行禁止、快慢缓急的行为指令。规控大模型规控大模型 XPlanner：基于图像数据的感知输入，实现对智驾行驶路径的规划控制。规划大模型基于数据驱动模式迭代，取代人类手写规则代码，使得驾驶策略向拟人进化，目前在效果上，前后顿挫减少 50%、违停卡死减少 40%、安全接管减少 60%。请阅读最后一页免责声明及信息披露 27 图图 25：小鹏小鹏智驾端到端大模型架构智驾端到端大模型架构 资料来源：小鹏汽车微信公众号，信达证券研发中心 XNGP 于于 7 月底月底升级“全国都好用”升级“全国都好用”，年内实现“门到门”智驾体验。年内实现“门到门”智驾体验。7 月 30 日，小鹏宣布AI 天玑系统 XOS 5.2.0 版本向全球推送，坚持“每 2 天一次版本迭代，每 2 周一次体验升级”，在 5 月首次发布后至迭代版本超 35 个。XNGP 最新一轮 OTA 内测中 AI 代驾已实现自动过ETC，按照规划 2024 年四季度打通全国道路，打通行泊场景，AI 代驾实现车位到车位体验。按计划，按计划，2025 年小鹏现有车型都年小鹏现有车型都将将开始开始进行进行 AI 天玑系统公测，天玑系统公测，在中国实现类在中国实现类 L4 级智驾体验，级智驾体验，并且并且目前目前正在全球范围对正在全球范围对 XNGP 端到端的能力进行测试，智驾技术开始走向全球端到端的能力进行测试，智驾技术开始走向全球。图图 26：2024 年年小鹏小鹏智驾推送规划智驾推送规划 资料来源：小鹏汽车微信公众号，信达证券研发中心 请阅读最后一页免责声明及信息披露 28 在组织架构层面，小鹏在组织架构层面，小鹏自动驾驶部门新设三大自动驾驶部门新设三大 AI 板块，全面推进端到端研发。板块，全面推进端到端研发。小鹏自动驾驶部门新设 AI 模型开发、AI 应用开发、AI 效能开发三大板块，其中 AI 模型开发部门主要负责端到端模型开发。相较原来由产品研发部、架构、系统开发部等 10 多个部门组成，调整后智驾团队研发方向更加“精简”，专注于端到端研发。在投入方面，在投入方面，2024 年，小鹏汽车在研发上将投入年，小鹏汽车在研发上将投入 70 亿元。何小鹏亿元。何小鹏透露透露目前公司已有目前公司已有 7000 张张GPU 卡，小鹏今年将在训练算力上再投入超过卡，小鹏今年将在训练算力上再投入超过 7 亿元亿元。4.3.3 理想：构建端到端理想：构建端到端 VLM（视觉语言模型）（视觉语言模型）双系统双系统，进一步提升端到端下限，进一步提升端到端下限 理想理想端到端端到端采用了采用了“行业首个双系统量产方案”“行业首个双系统量产方案”，双系统包含系统，双系统包含系统 1：端到端模型，系统：端到端模型，系统 2：VLM（视觉语言模型）。（视觉语言模型）。系统系统 1 由一体化端到端实现由一体化端到端实现，具备高效、快速响应能力，能够应对驾驶车辆时 95%的常规场景。系统系统 2 是与系统是与系统 1 相并联的一个相并联的一个 22 亿参数规模的亿参数规模的 VLM（视觉语言模型）（视觉语言模型），具备复杂环境理解能力、修正导航的能力以及理解交通规则与文字标识的能力，主要应对系统 1 处理不了的复杂情况，约占日常驾驶场景的 5%。图图 27：理想理想 4D One Model 端到端架构图端到端架构图 资料来源：Xauto 报告微信公众号，信达证券研发中心 VLM 本质是一个多模态大模型，本质是一个多模态大模型，可以可以利用大语言模型的认知能力理解场景，输出另外一条行利用大语言模型的认知能力理解场景，输出另外一条行驶轨迹给端到端模型参考修正。驶轨迹给端到端模型参考修正。因为端到端模型的是黑盒算法，对于目标的错检漏检，以及幻觉问题难以通过直接调参解决，所以理想通过 VLM 以及适当的强化学习手段来规范端到端模型的行为。请阅读最后一页免责声明及信息披露 29 图图 28：理想理想 VLM（Visual Language Model，视觉语言模型），视觉语言模型）架构图架构图 资料来源：Xauto 报告微信公众号，信达证券研发中心 除了双系统之外，理想还在云端部署了重建除了双系统之外，理想还在云端部署了重建 生成式世界模型。生成式世界模型。该模型基于重建和生成两种技术路径，将真实数据通过 3DGS（3D 高斯溅射）技术进行重建，并使用生成模型补充新视角。重建 生成的场景为自动驾驶系统能力的学习和测试创造了更优秀的虚拟环境，使系统具备了高效闭环的迭代能力，保证了系统的安全、可靠、高效。图图 29：理想汽车的自动驾驶系统考试方案理想汽车的自动驾驶系统考试方案:重建重建 生成的世界模型生成的世界模型 资料来源：Xauto 报告微信公众号，信达证券研发中心 根据理想汽车规划，双系统方案将于根据理想汽车规划，双系统方案将于 8 月开启千人公测，月开启千人公测，官方预计今年底或明年初面向普通用官方预计今年底或明年初面向普通用户推送。户推送。7 月份向全量 AD Max 用户推送的无图 NOA 仍然基于分段式端到端实现。请阅读最后一页免责声明及信息披露 30 4.3.4 蔚来：蔚来：构建基于世界模型的端到端算法，时空理解构建基于世界模型的端到端算法，时空理解 规划决策能力全面提升规划决策能力全面提升 基于对于时空理解能力需求的提升，蔚来构建世界模型实现端到端。基于对于时空理解能力需求的提升，蔚来构建世界模型实现端到端。单一端到端模型对于时间维度信息的融合和推演都是定长的，缺乏自动建模长时序信息的能力。在蔚来科技日上，蔚来智能驾驶副总裁任少卿发布了蔚来世界模型 NWM(NIO World Model)。NWM 类比人脑具有想象推演和想象重建能力，可以根据一个真实场景，生成一万个“平行世界”。其表示该模型和端到端架构结合，能够进一步提升算法对复杂场景的处理能力，补足了自动驾驶系统预测未来事件以及时空理解与想象能力。图图 30：常规端到端与：常规端到端与蔚来世界模型蔚来世界模型 NWM 的对比的对比 资料来源：蔚来微信公众号，信达证券研发中心 NWM 主要的优化在于主要的优化在于全量理解信息，空间认知能力更强全量理解信息，空间认知能力更强；能够预测接下来的场景能够预测接下来的场景；生生成式无监督的方式，对海量数据的利用更加高效成式无监督的方式，对海量数据的利用更加高效，基于以上能力，基于以上能力，MWN 理解世界、推演世界、理解世界、推演世界、仿真世界的能力。仿真世界的能力。1、理解世界理解世界：通过自回归的方式重建原始传感器信息的输入，在其中自动学习知识和物理规律，能够做到全量信息重建，想象重构世界，保证更强的泛化能力。2、推演世界推演世界：NWM 能在 0.1 秒内推演出 216 种可能发生的轨迹，并根据外界的信息的输入，重复更新内在时空的模型，对 216 种可能性进行预测，得到驾驶决策最优解。3、仿真世界仿真世界：NWM 具备闭环仿真测试能力，生成式仿真模型 NSim 可以在真实世界唯一轨迹的基础上增加大量 NWM 推演的轨迹与仿真结果进行对比，让输出的智驾轨迹和体验更安全合理高效。世界模型的端到端架构将在全新世界模型的端到端架构将在全新智能驾驶架构智能驾驶架构 NADArch 2.0 上车。上车。蔚来智能驾驶架构NADArch 2.0 在算法层面升级为引入世界模型的端到端架构，全域领航辅助 NOP 和智能安全将同步升级为 2.0 版本。其中，点到点全域领航辅助其中，点到点全域领航辅助 2.0 将于下半年上车，智能安全将于下半年上车，智能安全 2.0 已逐已逐步迭代。步迭代。端到端技术端到端技术将首先将首先应用在主动安全功能应用在主动安全功能上，上，今年今年 7 月初，基于端到端架构的自动紧急月初，基于端到端架构的自动紧急制动功能制动功能 AEB 已在已在 Banyan榕榕 2.6.5 版本中正式上车，提升响应覆盖版本中正式上车，提升响应覆盖 6.73 倍。倍。请阅读最后一页免责声明及信息披露 31 图图 31：蔚来蔚来智能驾驶架构智能驾驶架构 NADArch 2.0 资料来源：蔚来微信公众号，信达证券研发中心 4.3.5 智驾供应商：智驾供应商：百度模块化端到端赋能萝卜快跑，百度模块化端到端赋能萝卜快跑，商汤绝影开始一体化端到端测试商汤绝影开始一体化端到端测试 百度于百度于 5 月月 15 日发布了面向自动驾驶的端到端大模型日发布了面向自动驾驶的端到端大模型 Apollo ADFM。从 2021 年开始，百度Apollo 将系统中的多个小模型任务逐步整合，Apollo ADFM 实现了感知大模型 规划大模型的模块化端到端方案，通过对中间结果做隐式传递，实现了端到端的联合训练。整体的数据训练评测都更为简化，进一步减少了信息损失。该方案已经告别了科研探索阶段，能够满足非常高该方案已经告别了科研探索阶段，能够满足非常高的安全标准，亦可解决的安全标准，亦可解决 L4 无人驾驶的问题。无人驾驶的问题。图图 32：百度百度 Apollo ADFM 端到端端到端大模型大模型 资料来源：百度，Apollo Day 2024，信达证券研发中心 以以 Apollo ADFM 为基础，为基础，Apollo 自动驾驶大模型能够迅速泛化。自动驾驶大模型能够迅速泛化。目前只需要 6 个月的时间，就能在一座新城市实现接近“老司机”的驾驶效果。该技术将搭载于价格仅 20 万元的萝卜快跑第六代无人车；纯视觉城市领航辅助驾驶产品 ANP3 也将全面应用自动驾驶大模型 Apollo ADFM，并升级为 ASD（Apollo Self-Driving），即将在极越全系车型量产首发。商汤绝影商汤绝影是是行业首个行业首个提出提出感知决策一体化感知决策一体化端到端的供应商。端到端的供应商。面向量产的端到端自动驾驶解决方面向量产的端到端自动驾驶解决方案案 UniAD 在北京车展上完成上车演示首秀。在北京车展上完成上车演示首秀。商汤绝影 UniAD 方案将感知、决策、规划等模块 请阅读最后一页免责声明及信息披露 32 整合到一个全栈 Transformer 端到端模型，实现感知决策一体化。搭载 UniAD 端到端自动驾驶解决方案的车辆可适配纯视觉的硬件基础，无需高精地图。同同时时，商汤也依靠世界模型生成更，商汤也依靠世界模型生成更加精细和复杂的自动驾驶视频数据，给加精细和复杂的自动驾驶视频数据，给 UniAD 进行有针对性的模型训练。进行有针对性的模型训练。图图 33：商汤绝影商汤绝影 UniAD 架构演进历程架构演进历程 资料来源：绝影智能 SenseAuto 微信公众号，信达证券研发中心 商汤还前瞻性布局了下一代自动驾驶技术商汤还前瞻性布局了下一代自动驾驶技术 DriveAGI，进一步向认知驱动进化。，进一步向认知驱动进化。DriveAGI 基于多模态大模型对端到端智驾方案进行改进和升级，具备更强的推理能力、决策能力以及交互能力，思维模式更接近人类，解决驾驶困难场景能力强。DriveAGI 可以在无高精地图，甚至是针对某种类型目标 0 样本学习的前提下，仅依靠视觉感知实际道路情况，准确地完成包括大角度转向、避让占道车辆及施工区域、绕行跑步行人等一系列高难度操作。图图 34：商汤绝影商汤绝影多模态场景大脑多模态场景大脑 DriveAGI 资料来源：智能车参考微信公众号，信达证券研发中心 元戎启行元戎启行在北京车展在北京车展对外展示了其即将量产的高阶智驾平台对外展示了其即将量产的高阶智驾平台 DeepRoute IO。DeepRoute IO基于导航地图应用端到端模型，在导航地图覆盖的范围内，DeepRoute IO 可实现全域点到点高阶智能驾驶，复杂路况下元戎启行 IO 平台的路口通行成功率近 98%，特殊路口转向成功率近 90%。IO 平台还设有完善的安全兜底策略，保证驾驶安全，在将要发生碰撞时，系统会启动安全模型，车辆迅速进入保守策略避免出现安全事故。DeepRoute IO 的硬件方案支持定制化设计，根据车企的不同硬件设置、不同软件功能要求进 请阅读最后一页免责声明及信息披露 33 行专属定制。首款基于 DeepRoute IO 的解决方案采用 NVIDIA DRIVE Orin 系统级芯片，200 TOPS 算力，1 颗固态激光雷达，11 颗摄像头，行泊一体，基于导航地图可实现全域、全时、全场景的智慧领航辅助驾驶功能。图图 35：元戎启行端到端模型技术变迁元戎启行端到端模型技术变迁 资料来源：元戎启行微信公众号，信达证券研发中心 总体看，特斯拉特斯拉作为端到端路线的引领者具有数据、算力等优势。国内路线智驾领先车企如华华为为、小鹏小鹏等为加快量产进度，减少过于激进带来的算法缺陷，均选择了模块化端到端路线，以提升端到端算法的可解释性与稳健性；而理想、商汤理想、商汤等一体化方案在端到端模型的基础上构建了以语言模型为基础的多模态大模型作为认知能力的补充，同时还包括了世界模型补充测试的数据集；蔚来蔚来的端到端则以世界模型为基础，通过世界模型的时空感知与预测规划决策能力实现端到端。我们认为因各车企战略选择有差异，端到端路线尚处在百花齐放的阶段，但随着数我们认为因各车企战略选择有差异，端到端路线尚处在百花齐放的阶段，但随着数据、算力等竞争要素逐渐赶上，端到端路线有望逐渐收敛至一体化结构，并会结合多模态大模据、算力等竞争要素逐渐赶上，端到端路线有望逐渐收敛至一体化结构，并会结合多模态大模型、世界模型等加强感知、认知、决策能力。型、世界模型等加强感知、认知、决策能力。5.投资建议 我们认为以特斯拉为代表的端到端快速迭代有望带来智能驾驶新一轮产业革命，自动驾驶能力将重新构筑车企竞争壁垒，数据 算力将成为核心竞争要素，头部车企或供应商能掌握更多更优的“数据”，以及更强更快的“算力”，而优秀的智驾能力有望加强销量转化，最终强化车企马太效应，头部车企强者愈强时代即将来临。整车整车板块重点关注：1）受益于华为强大智驾能力赋能的鸿蒙智行合作车企以及相关合作伙伴【赛力斯、北汽蓝谷、长安汽车、江淮汽车】【赛力斯、北汽蓝谷、长安汽车、江淮汽车】；2）汽车保有量大且品牌积淀深厚，智能电动技术布局有望逐步赶上的自主品牌龙头车企【比亚迪、长城汽车】【比亚迪、长城汽车】；3）智能驾驶技术领先的造车新势力【理想汽车、蔚来、小鹏汽车】【理想汽车、蔚来、小鹏汽车】；4）全球化布局提速、有望迎来新一轮产品周期、同时在智能驾驶、能源、人形机器人多线并进的全球新能源汽车龙头【特斯拉】【特斯拉】。零部件零部件板块建议重点关注智能化产业链核心零部件：1）感知层【德赛西威、保隆科技、华域汽【德赛西威、保隆科技、华域汽车】车】等。2）决策层【经纬恒润、均胜电子、华阳集团】【经纬恒润、均胜电子、华阳集团】等。3）执行层【伯特利、中鼎股份、【伯特利、中鼎股份、拓普集团、亚太股份、耐世特、浙江世宝】拓普集团、亚太股份、耐世特、浙江世宝】等。请阅读最后一页免责声明及信息披露 34 6.风险因素 智能化零部件降本不及预期、智能驾驶利好政策落地不及预期、消费者体验不及预期、技术迭代不及预期、外部宏观环境恶化等。请阅读最后一页免责声明及信息披露 35 研究团队简介研究团队简介 陆嘉敏，信达证券汽车行业首席分析师，上海交通大学机械工程学士&车辆工程硕士，曾就职于天风证券，2018 年金牛奖第 1 名、2020 年新财富第 2 名、2020 年新浪金麒麟第 4 名团队核心成员，2023 年 WIND 金牌分析师第二名。擅长自上而下挖掘投资机会。汽车产业链全覆盖，重点挖掘华为汽车产业链、特斯拉产业链、智能汽车、自主品牌等领域机会。丁泓婧，墨尔本大学金融硕士，主要覆盖智能座舱、电动化、整车等领域。徐国铨，中国社会科学院大学应用经济学硕士，主要覆盖智能化、新势力、自主整车等领域。请阅读最后一页免责声明及信息披露 36 分析师声明分析师声明 负责本报告全部或部分内容的每一位分析师在此申明，本人具有证券投资咨询执业资格，并在中国证券业协会注册登记为证券分析师,以勤勉的职业态度,独立、客观地出具本报告；本报告所表述的所有观点准确反映了分析师本人的研究观点；本人薪酬的任何组成部分不曾与，不与，也将不会与本报告中的具体分析意见或观点直接或间接相关。免责声明免责声明 信达证券股份有限公司(以下简称“信达证券”)具有中国证监会批复的证券投资咨询业务资格。本报告由信达证券制作并发布。本报告是针对与信达证券签署服务协议的签约客户的专属研究产品，为该类客户进行投资决策时提供辅助和参考，双方对权利与义务均有严格约定。本报告仅提供给上述特定客户，并不面向公众发布。信达证券不会因接收人收到本报告而视其为本公司的当然客户。客户应当认识到有关本报告的电话、短信、邮件提示仅为研究观点的简要沟通，对本报告的参考使用须以本报告的完整版本为准。本报告是基于信达证券认为可靠的已公开信息编制，但信达证券不保证所载信息的准确性和完整性。本报告所载的意见、评估及预测仅为本报告最初出具日的观点和判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会出现不同程度的波动，涉及证券或投资标的的历史表现不应作为日后表现的保证。在不同时期，或因使用不同假设和标准，采用不同观点和分析方法，致使信达证券发出与本报告所载意见、评估及预测不一致的研究报告，对此信达证券可不发出特别通知。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，也没有考虑到客户特殊的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，若有必要应寻求专家意见。本报告所载的资料、工具、意见及推测仅供参考，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人做出邀请。在法律允许的情况下，信达证券或其关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能会为这些公司正在提供或争取提供投资银行业务服务。本报告版权仅为信达证券所有。未经信达证券书面同意，任何机构和个人不得以任何形式翻版、复制、发布、转发或引用本报告的任何部分。若信达证券以外的机构向其客户发放本报告，则由该机构独自为此发送行为负责，信达证券对此等行为不承担任何责任。本报告同时不构成信达证券向发送本报告的机构之客户提供的投资建议。如未经信达证券授权，私自转载或者转发本报告，所引起的一切后果及法律责任由私自转载或转发者承担。信达证券将保留随时追究其法律责任的权利。评级说明评级说明 风险提示风险提示 证券市场是一个风险无时不在的市场。投资者在进行证券交易时存在赢利的可能，也存在亏损的风险。建议投资者应当充分深入地了解证券市场蕴含的各项风险并谨慎行事。本报告中所述证券不一定能在所有的国家和地区向所有类型的投资者销售，投资者应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专业顾问的意见。在任何情况下，信达证券不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任，投资者需自行承担风险。投资建议的比较标准投资建议的比较标准 股票投资评级股票投资评级 行业投资评级行业投资评级 本报告采用的基准指数：沪深 300指数（以下简称基准）；时间段：报告发布之日起 6 个月内。买入：买入：股价相对强于基准 15以上；看好：看好：行业指数超越基准；增持：增持：股价相对强于基准 515；中性：中性：行业指数与基准基本持平；持有：持有：股价相对基准波动在5%之间；看淡：看淡：行业指数弱于基准。卖出：卖出：股价相对弱于基准 5以下。

2024-09-02 36页 5星级

汽车行业：小鹏汽车智能驾驶元年智驾领先者启航-240828（55页）.pdf

小鹏汽车：智能驾驶元年，智驾领先者启航长江证券研究所 汽车研究小组2024-08-28%1分析师高伊楠分析师张扬SAC执业证书编号：S0490517060001SAC执业证书编号：S0490524030004SFC执业证书编号：BUW101分析师及联系人证券研究报告评级看好维拟 证券研究报告 2从P7到X9，曲折后产品战略再度聚焦智能电动03技术领先且车型战略聚焦，智驾浪潮下打造龙头优势目 录04短板补齐，Mona开启产品新周期，平价智能时代到来01小鹏汽车：智能汽车引领者05投资建议：智能驾驶元年，智驾领先者启航01小鹏汽车：智能汽车引领者%4小鹏汽车：智能汽车引领者图：小鹏汽车发展历程小鹏汽车成立于2015年，是智能技术领先的新势力造车公司。2014年8月，何小鹏联合多位扻资人扻资，与夏珩、何涛共同创立小鹏汽车，品牌以“始终以客户为中心，甠科扶为人类创造更便捷愉悦的出行生活”为使命，致力于成为“智能汽车引领者”。公司于2018年正式上市首款车型小鹏G3，于2020年在美国纽约证券交易所挂牌上市，于2021年在香港交易所挂牌上市。公司智能驾驶扶术领先，于2022年9月在广州试点城市NGP，是首个让高阶智能辅助驾驶在城市场景中量产落地的汽车品牌，“智能化”标签深入人心。资料来源：公司官网，长江证券研究所2015201620172018201920202021202220232024成立/融资M1:小鹏汽车正式注册成立订立A轮、A1轮及A2轮融资安排订立B轮、B1轮及B2轮融资安排订立C轮融资安排M8:在美国纽约证券交易所挂牌上市M1:获五大银行综合授信128亿元M7:在香港交易所挂牌上市车型M9:小鹏汽车Beta版正式发布M10:首扲量产车1.0版下线M4:G3启动预定M12:G3上市并启动交付M4:P7发布并启动预定M4:P7正式上市M7:G3i正式上市M9:P5正式上市M11:G9首发亮相M9:G9上市M3:P7i正式上市M4:G6亮相M6:G6正式上市M9:2024款G9正式上市M1：X9正式上市M3：P7 i鹏翼版正式上市M8：MONA M03正式上市生产M5:肇庆生产基地奠基M6:G3第1万辆下线M5:肇庆小鹏智能网联科扶产业园生产资质获扲M10:P7第1万辆下线M8:肇庆工厂二期扩产项目正式动工M10:第10万辆整车下线M3:肇庆工厂正式下线第10万辆P7M6:配套零部件产业园正式奠基M9:城市NGP在广州行业首发M4:SEPA2.0扶摇架构正式发布技术M9:获得美国加州自动驾驶路测牌照智能座舱方面首创“全场景语音”功能M1：XNGP覆盖全国243城M7：XNGP开放全国所有城市全球化M8:P7正式发运挪威,并已获欧盟整车型式认证M2:欧洲首个直营店开业,导入直营 授权新零售模式M2:欧洲首家服务中心开业并扻入使甠M2：宣布Q2于中东非五国上市交付，车型有P7/G6/G9M3:德国上市G9/P7M8：泰国上市G6%5公司新品推出节奏稳定，现已形成覆盖中高端市场的多样化车型矩阵。2018年首款车型G3上市，2020年第二款车型P7上市，2021-2023年基本保持每年一款的新车上市节奏，并持续迭代老款车型。截至2024年二季度，公司已形成六款车型的产品矩阵，覆盖中高端市场，包括：1）G3/G3i：紧凑型，定位“智潮都市SUV”，售价14.89-17.69万元；2）P5：紧凑型，定位“真智享越级轿车”，售价15.69-17.49万元；3）G6：中型，定位“超智驾轿跑SUV”，售价19.99-27.69万元；4）P7/P7i：中型，定位“超长续航智能轿跑”，售价22.39-33.99万元；5）G9：中大型，定位“超智驾豪华纯电SUV”，售价26.39-35.99万元；6）X9：中大型MPV，定位“超智驾大七座”，售价35.98-41.98万元。产品矩阵：车型覆盖中高端市场图：小鹏汽车车型示意图资料来源：公司官网，懂车帝，中汽协，长江证券研究所注：所有车型信息选取截至2024年半年度的在售版本。气泡大小表示2024年1-6月月均销量的高低。小鹏G9、P5中间价采甠2024款价格计算而得。图：小鹏汽车车型定位小鹏G3/G3i小鹏G6小鹏G9小鹏P5小鹏P7/P7i小鹏X910.0015.0020.0025.0030.0035.0040.0045.00250026002700280029003000310032003300中间价（万元）轴距（mm）%6销量表现：新车G6爬坡带动，X9在大七座MPV市场销量表现好资料来源：中汽协，长江证券研究所图：小鹏汽车2024年6月销量同比增长23.8%（辆）0.041.661.172.971.730.540.034.45 1.54 0.64 2.64 1.14 0.79 3.80 1.98 0.27 0.85 6.06 5.91 4.54 0.91 1.31 0.041.662.029.8212.0814.165.2002468101214162018201920202021202220232024.1-6销量（万辆）G3/G3iG6G9P5P7/P7iX9图：小鹏汽车2024年1-6月销量同比上升25.6%（万辆）2021年起P7、P5贡献下销量快速增长，2022年三季度起G9失利带来短期波动，公司及时调整产品定位与营销策略的失误，2023年三季度起新车G6爬坡带动销量回升，2024年X9推出，X9定位超智驾大七座MPV，连续7个月排名30万以上纯电MPV销量第一。受益于P7的上市爬坡，2021年起公司销量快速增长P5上市G9上市但不及预期，P7、P5老车型销量中枢下滑，公司销量进入瓶颈期G6终端热度超预期，带动公司销量回升03,0006,0009,00012,00015,00018,00021,00024,0002019-012019-032019-052019-072019-092019-112020-012020-032020-052020-072020-092020-112021-012021-032021-052021-072021-092021-112022-012022-032022-052022-072022-092022-112023-012023-032023-052023-072023-092023-112024-012024-032024-05销量（辆）G3/G3iG6G9P5P7/P7iX9%7业绩表现：仍处于投入期，尚处于亏损状态资料来源：Wind，长江证券研究所19.928.529.537.657.285.674.574.468.251.440.350.685.3130.565.581.1-100%-50%0P00 0%0550751001251502020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q2营业收入（亿元）YOY（右轴）0.123.258.4209.9268.6306.8146.6-100%-50%0P00 0%00001001502002503003502018201920202021202220232024H1营业收入（亿元）YOY1）2018-2019年：公司销量规模由2018年的317辆增长至2019年的1.7万辆，收入由0.1亿元增长至23.2亿元，2）2020-2022年：公司销量规模快速增长，由2020年的2.0万辆增长至2022年的12.1万辆，收入由58.4亿元增长至268.6亿元。3）2023-2024H1：公司短期销量波动，2023年销量14.16万辆，2024上半年销量5.2万辆，2023年实现收入306.8亿元，2024年H1实现146.6亿元，收入增长率为14.2%/61.2%。P7 带来收入增长P5上市G9上市G6上市X9上市图：小鹏汽车2024年上半年营业收入同比上升61.2%图：小鹏汽车2024Q2营业收入同比上升60.2%8业绩表现：仍处于投入期，尚处于亏损状态资料来源：iFind，长江证券研究所图：小鹏汽车2024年上半年净亏损26.5亿元图：小鹏汽车2024Q2净亏损12.9亿元-70%-60%-50%-40%-30%-20%-10%0%(45)(40)(35)(30)(25)(20)(15)(10)(5)02020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q2净利润（亿元）净利率（右轴）图：小鹏汽车2024年上半年期间费用率为39.4%0 00203040506070802018201920202021202220232024H1研发费甠（亿元）销售、行政及一般费甠（亿元）研发费甠率（右轴）销售、行政及一般费甠率（右轴）图：小鹏汽车2024Q2期间费用率为37.5%0 0Pp101520252020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q2研发费甠（亿元）销售、行政及一般费甠（亿元）研发费甠率（右轴）销售、行政及一般费甠率（右轴）图：小鹏汽车2024年上半年毛利为19.8亿元图：小鹏汽车2024Q2毛利为11.4亿元-30%-20%-10%0 %(10)(5)051015202530352018201920202021202220232024H1毛利（亿元）毛利率（右轴）%9股权架构：不同的投票权架构保证战略长期性图：小鹏汽车股权架构（截至2024年7月）公司采用不同的投票权架构保证战略长期性，创始人何小鹏投票权69.5%。公司每股A类普通股拥有一票表决权，每股B类普通股拥有十票表决权。创始人何小鹏持有440万股A类股，占A类股的比例为0.3%；通过全资拥有Simplicity Holding Limited和Respect HoldingLimited持有的3.3亿股B类普通股及0.2亿股B类普通股，共持有3.5亿股B类股，一共持有小鹏汽车18.7%股权，有69.5%的扻票权。资料来源：Ifind，长江证券研究所倩碧控股有限公司淘宝中国有限公司摩根大通集团Respect Holding Limited小鹏汽车17.37%7.52%3.44%1.11管理团队：互联网 汽车 金融，背景多元化图：小鹏汽车管理团队简介（截至2024年4月）互联网 汽车 金融人才，核心管理团队背景多元化。从过往履历来看，公司核心管理团队背景多元化，拥有来自互联网、汽车制造与战略融资差异化背景的人才。联合创始人、执行董事、董事长兼首席执行官何小鹏具备计算机科学背景，出身互联网公司；新任总裁王凤英曾多年任职于长城汽车，深耕汽车制造业。资料来源：公司公告，公司官网，长江证券研究所姓姓名名职职位位教教育育背背景景过过往往工工作作经经历历何小鹏联合创始人、执行董事、董事长兼首席执行官华南理工大学 计算机科学学士2004：联合创立UC优视公司，2005年1月至2014年6月担任产品总裁。2014年6月UC优视被阿阿里里巴巴巴巴集集团团收购；2014/6-2017/8：任职阿里巴巴集团，包括担任阿里巴巴移动事业群总裁、阿里游戏董事长及土豆网总裁；2018/5-2020/5：担任虎牙公司独立董事及审核委员会成员。王凤英总裁天津财经学院 经济学硕士1991-2022：于长长城城汽汽车车股股份份有有限限公公司司担任多项职务，2016年3月至2022年3月任副董事长；2001年6月至2022年3月任执行董事及自2022年11月至2022年7月任总经理。顾宏地名誉副董事长兼联席总裁华盛顿大学 生物化学博士2004-2018：任职J.P.Morgan Chase，担任J.P.Morgan Chase亚太投资银行董事总经理兼董事长等职位；2018/6-2019/6：担任纳斯达克上市公司优信有限公司董事。吴佳铭财务与会计副总裁耶鲁大学 工商管理硕士2012/7-2017/3：担任通用汽车国际营运中心区域财务经理等；2017/4-2019/6：担任通用汽车公司美国总部财务经理；2019/7-2022/6：担任上汽通用五菱印度尼西亚有限公司副总裁兼首席财务官；2022/7-2023/5：担任上汽通用五菱股份有限公司副总裁兼首席财务官。徐吉汉汽车研发副总裁苏黎世联邦理工学院自动化博士1994-1996：担任美美国国大大陆陆集集团团制动系统部高级控制工程师；1996-2007：担任多个职位，包括福福特特汽汽车车公公司司电动动力总成部经理及技术专家；2007-2008：担任香港汽车科技研发中心主管；2008-2009：担任李斯特内燃机及测试设备公司美国园区总工程师；2009-2014：担任广广汽汽研研究究院院总工程师；2014-2016：担任豪华混合动力汽车制造商费司克汽车（现为卡尔玛汽车）副总裁；2016-2017：担任蔚蔚来来汽汽车车公司美国中心副总裁。陈永海产品规划副总裁北京交通大学 安全技术及工程专业硕士2014-2021：担任高高通通软软件件有有限限公公司司产品副总裁02从P7到X9，曲折后产品战略再度聚焦智能电动0.20.70.40.30.10.30.21.41.31.92.54.23.53.43.02.21.82.34.06.02.23.00.01.02.03.04.05.06.07.0Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2201920202021202220232024销量（万辆）小鹏G3小鹏G6小鹏G9小鹏P5小鹏P7小鹏X9总计复盘销量：拟续探索，追求智能领航者，技术与性价比优势显著小鹏P7定位品牌旗下首款旗舰级纯电轿车，上市后迅速成为爆款车型。21年下半年月销超过6000辆，在20-30万纯电轿车市场市占率超过30%，2021年全年销量已跻身20-30万轿车市场前十大车型。小鹏P5及G9产品定位不清晰，上市后表现平平，稳态月销不足3000辆。P5月销峰值仅约5500辆，G9月销峰值约4000辆。小鹏G6凭智驾和超预期的定价迎来订单的爆发，下半年月均销量达7300量G9因定位不清晰竞争加剧销量下滑，月均销量仅达2500台。X9定位超智驾大七座MPV，连续7个月排名30万以上纯电MPV销量第一资料来源：中汽协，长江证券研究所。图：复盘小鹏汽车历史销量P7的成功：中国“特斯拉”，打造时尚智能电动汽车图：2021年小鹏P7交付量快速向上小鹏P7定位品牌旗下首款旗舰级纯电轿车，上市后迅速成为爆款车型。2020年4月，小鹏P7正式上市。车身长宽高分别为4880、1896、1450mm，轴距为2998mm，级别为中型轿跑。新车共发布八款车型，补贴后售价区间为22.99-34.99万元。2021年P7月销快速攀升，到下半年已超过6000辆，在20-30万纯电轿车市场市占率超过30%，2021年全年销量已跻身20-30万轿车市场前十大车型。资料来源：易车网，中汽协，长江证券研究所注：1）P7i于2023年3月10日正式上市；2）灰色表示燃油车型，红色表示纯电车型，黄色表示插混车型。02,0004,0006,0008,00010,0002020-102020-122021-022021-042021-062021-082021-102021-122022-022022-042022-062022-082022-102022-122023-022023-042023-062023-08P7/P7i图：2021年小鹏P7在20-30万纯电轿车市场市占率高图：2021年小鹏P7跻身20-30万轿车市场前十大车型0 0P,00010,00015,00020,00025,00030,00035,0002020-012020-032020-052020-072020-092020-112021-012021-032021-052021-072021-092021-1120-30万纯电轿车市场规模（辆）P7市占率（右轴）销量（辆）P7的成功主要源于对智能化的精准聚焦图：2020年新能源市场前十大车型2020年特斯拉Model 3打开中高端市场新能源需求，竞品较少。2019年底国产Model 3开启交付，2020年交付量迅速爬坡，年底月销已超2万辆，是2020年国内最畅销的新能源车型，全年销量为13.8万辆。而当年热销的其他新能源车型以低端市场纯电代步车为主，如宏光MINI EV、欧拉黑猫，销量分别为12.7万辆、4.7万辆，中高端市场新能源车型仍然较少，Model 3缺少直接竞品。资料来源：中汽协，汽车之家，长江证券研究所注：欧拉黑猫、比亚迪秦Pro、奇瑞小蚂蚁选取2019款售价情况，其余车型均选取2020款售价情况。气泡大小代表销量水平高低。Model 3宏光MINI EV欧拉黑猫Aion S比亚迪秦Pro比亚迪汉奇瑞小蚂蚁理想ONE蔚来ES6MG ZS05101520253035404550150018002100240027003000中间价（万元）轴距（mm）小鹏P5及G9产品定位不清晰，上市后表现平平，稳态月销不足3000辆。小鹏P5、G9分别于2021年9月和2022年9月上市，上市后销量表现平平，P5月销峰值仅约5500辆，平均月销约2600辆；G9月销峰值约4000辆，平均月销约1300辆。P5和G9产品定位不清晰，销量表现低预期资料来源：中汽协，中保信，长江证券研究所01000200030004000500060002021-092021-112022-012022-032022-052022-072022-092022-112023-012023-032023-052023-07小鹏P5小鹏G901000200030004000500060002021-092021-112022-012022-032022-052022-072022-092022-112023-012023-032023-052023-07小鹏P5小鹏G9图：小鹏P7&G9月度批发销量（辆）图：小鹏P7&G9月度上牌量（辆）2023年年中公司推出全新“超智驾轿跑SUV”小鹏G6。该车型是SEPA 2.0“扶摇”全域智能进化架构下的首款车型，于2023年4月在上海车展首发亮相，并于6月底正式上市。1）售价：新车共有五个版本，售价区间为20.99-27.69万元。2）空间：级别为中型SUV，长/宽/高分别为4753/1920/1650mm，轴距2890mm。G6：重回时尚智能电动定位，拉低智驾使用价格门槛资料来源：公司官网，长江证券研究所图：小鹏G6外观示意图（以580长续航Max版本为例）图：小鹏G6内饰示意图G6所处的20-25万元价格带SUV年销规模超百万辆，新能源渗透率快速提升。20-25万元价格带SUV市场2023年销量为136.1万辆，同比增长16.2%，2024年延续增长势头，1-6月销量为60.5万辆，同比增长9.2%。新能源渗透率快速提升，纯电渗透率更为领先，2023年为35.6%（其中纯电22.9%），2024年1-6月为39.2%（其中纯电为23.9%）。从前十大车型来看，传统燃油车本田CR-V、丰田RAV4销量领先，平均月销在万辆以上，新能源车型仍具有较大的销量空间。G6：重回时尚智能电动定位，拉低智驾使用价格门槛资料来源：中汽协，长江证券研究所图：20-25万元价格带SUV市场规模图：20-25万元价格带SUV市场新能源渗透率图：20-25万元价格带SUV市场前十大车型（2024年1-6月）0.0%5.0.0.0 .0%.00.05.0.0E.0 20/012020/032020/052020/072020/092020/112021/012021/032021/052021/072021/092021/112022/012022/032022/052022/072022/092022/112023/012023/032023/052023/072023/092023/112024/012024/032024/0520-25万SUV新能源渗透率纯电渗透率插混渗透率-40.0%-20.0%0.0 .0.0.0.004060801001201401602012201320142015201620172018201920202021202220232024H120-25万 SUV销量（万辆）YoY小鹏G6拉低智驾使用门槛，对比竞品车型智能化水平领先。小鹏G6起售价20.99万元，搭载有XNGP全场景智能辅助驾驶的Max版本起售价仅为22.99万元，具备31颗智能驾驶传感器，Orin-X双芯片提供508TOPS高算力，能实现高速NGP、城市NGP以及VPA-L停车场记忆泊车。对比竞品车型，率先实现更高阶的全场景智驾，且售价极具竞争力。G6：重回时尚智能电动定位，拉低智驾使用价格门槛资料来源：汽车之家，长江证券研究所车车型型小小鹏鹏G6Model Y问问界界M5护护卫卫舰舰07款式长续航Pro长长续续航航Max超长续航Pro 超长续航Max 四驱性能Max后轮驱动版增程后驱标准版纯电后驱标准版DM-i 100KM旗舰型官方指导价（万元）20.9922.9923.4925.4927.6926.3924.9825.9822.88能源类型纯电动纯电动增程式纯电动插电混空空间间长/宽/高（mm）4753/1920/16504750/1921/16244770/1930/16254785/1930/16204820/1920/1750轴距（mm）28902890288028802820动动力力性性能能零百加速（s）6.66.65.95.93.96.97.17.18.5驱动方式后置后驱双电机四驱后置后驱后置后驱后置后驱前置前驱电动机总功率（kW）218358194200200145电动机总扭矩（Nm）440660340360360316快充功率（kW）280-73-40快充时间（h）0.3310.50.50.37驾驾驶驶辅助驾驶芯片 英伟达Orin-X双双英英伟伟达达Orin-X英伟达Orin-X双英伟达Orin-X双英伟达Orin-X特斯拉FSD芯片总算力254 TOPS508 TOPS254 TOPS508 TOPS508 TOPS144 TOPS摄像头数量12121212128555超声波雷达数量121212121212121212毫米波雷达数量555551333激光雷达数量-2-22车车型型小小鹏鹏G6Model Y问问界界M5护护卫卫舰舰07款式长续航Pro长长续续航航Max 超长续航Pro 超长续航Max四驱性能Max 后轮驱动版增程后驱标准版纯电后驱标准版DM-i 100KM旗舰型自动辅助驾驶路段高速城城市市，高高速速高速城市，高速城市，高速自动变道辅助-匝道自动驶出-其其他他配配置置车机智能芯片高通骁龙8155麒麟990A中控屏幕尺寸14.96英寸15英寸15.6英寸15.6英寸15.6英寸液晶仪表尺寸10.2英寸10.25英寸10.25英寸8.8英寸面部识别-方向盘加热-座椅材质仿皮真真皮皮仿皮真皮真皮仿皮仿皮，真皮仿皮，真皮仿皮扬声器数量18喇叭14喇叭15喇叭19喇叭15喇叭19喇叭12喇叭触摸式阅读灯-无框设计车门-图：小鹏G6配置及其与竞品车型的对比智能化属性强，G6终端反响热烈。G6于2023年6月9日开启预售，截至28日预售订单量突破3.5万台，Max版车型选购比例高达70%以上，车型智能化标签强，XNGP成为G6的重要吸引力之一。自6月底正式上市以来，G6产能爬坡效果显著，开启交付45天即过万，8月份交付量达到7068辆。后因产品定位和价格战问题销量下滑，对此小鹏下调售价，销量也相应复苏。G6：重回时尚智能电动定位，拉低智驾使用价格门槛资料来源：公司官方公众号，中汽协，长江证券研究所图：小鹏G6率先实现更高阶的全场景智能驾驶图：小鹏G6交付量快速爬升0.0.0 .00.0.0P.0.0000200030004000500060007000800090002023.062023.072023.082023.092023.12023.112023.122024.012024.022024.032024.042024.052024.06小鹏G6交付量（辆）占比 2024款小鹏G9定价超预期，配置更为聚焦用户实际感知与体验。2024款G9于2023年9月19日正式上市，共推出五款车型，售价区间为26.39-35.99万元，相较于老款G9，Pro版价格便宜6.6万元，Max版价格便宜6万元，定价超预期。配置方面，新款核心硬件配置并未发生变化，全系800V高电压碳化硅平台、双Orin芯片与双激光雷达加持，车型智能化水平依然保持领先；全系标配Nappa真皮座椅、21个扬声器组成的小鹏会客厅、3.3Kw对外放电、双侧50W手机无线风冷快充、前排座椅靠背通风及加热、五星健康座舱，而5D座椅、丹拿音响、仪表台钢琴烤漆等配置被削减，配置调整更聚焦甠户实际感知与体验。G9改款再次延续思路：定价超预期，扩大智驾使用数资料来源：公司官方公众号，汽车之家，长江证券研究所图：2024款小鹏G9定价超预期图：2024款小鹏G9配置情况570 Plus570 Pro570 Max702 Pro702 Max650性能版 Max650性能版 Pro2022款G9570 Pro570 Max702 Pro702 Max650 Max2024款G930.99万元32.99万元34.99万元34.99万元36.99万元41.99万元39.99万元32.99万元34.99万元34.99万元30.99万元35.99万元26.39万元28.99万元28.39万元-6.6-6.0-6.6-6.0-6.0!2024年1月小鹏X9正式上市，定位大七座超智驾MPV，尺寸5293x1988x1785mm，轴距3160mm，超大空间，售价35.98-41.98万元，打破现有MPV“方盒子”平庸造型，外观更加年轻化，智能化及扶术优势持续领先，配备XNGP全场景智能辅助驾驶。全球唯一标配主动式后轮转向系统，最小转弯直径10.8m，最大转角5度；CLTC超长续航702km，超低能耗16.2kWh/100km，全域800V高压SiC碳化硅平台，充电10分钟续航增加300km，20分钟补能10%-80%电量。资料来源：小鹏汽车公众号，懂车帝，长江证券研究所图：X9智能化拟续领先X9：超智驾大七座MPV，智驾及产品力领先图：X9技术能力拟续领先小鹏X9拥有魔变大空间，同级最大7.7m套内面积，同级唯一第三排一键电动魔术收纳。X9连续7个月排名30万以上纯电MPV销量第一。小鹏X9“九冠王”交付1,459台，上市7个月累计交付14,602台，持续领跑纯电MPV、纯电三排座车型市场，3月峰值月销接近4000台。资料来源：小鹏汽车公众号，中汽协，长江证券研究所图：X9连续7个月排名30万以上纯电MPV销量第一X9：X9连续7个月排名30万以上纯电MPV销量第一图：小鹏X9月度销量情况#03技术领先且车型战略聚焦，智驾浪潮下打造龙头优势$目前智能驾驶技术保拟快速发展，智能驾驶功能有望拟续落地。跟据汽车驾驶自动化分级标准，智能驾驶扶术可划分为L0-L5共六个级别。从实现功能来看，L0级别主要完成向驾驶员发出警告信息的任务；L1实现了行驶过程中可以完成定速巡航等功能；L2方案的主要功能是自适应巡航、自动紧急制动、自动泊车辅助等；L3方案可以完成高速引导驾驶和自动变道辅助等功能；L4的代表功能是领航驾驶辅助和自主代客泊车，实现更多智能驾驶场景的覆盖；L5可以实现完全智能驾驶。智驾赛道快速增长，1%到30%过程孕育细分赛道龙头资料来源：汽车驾驶自动化分级标准（GB/T 40429-2021），长江证券研究所表：智能驾驶等级划分级级别别名名称称持持续续的的车车辆辆横横向向和和纵纵向向运运动动控控制制目目标标和和事事件件探探测测与与响响应应动动态态驾驾驶驶任任务务后后援援设设计计运运行行范范围围L0应急辅助驾驶员驾驶员及系统驾驶员有限制L1部分驾驶辅助驾驶员和系统驾驶员及系统驾驶员有限制L2组合驾驶辅助系统驾驶员及系统驾驶员有限制L3有条件智能驾驶系统系统动态驾驶任务后援用户（执行接管后成为驾驶员）有限制L4高度智能驾驶系统系统系统有限制L5完全智能驾驶系统系统系统无限制%装配升级，L2及以上方案车型销量快速提升。渗透率来看，L0下降明显，从2021 Q1的75.8%下降至2023Q4的49.4%，2022年L0级别车型销量为1179.0万辆，同比减少17.6%，2023年L0级别车型销量为1080万辆，同比减少8.4%，渗透率为51.2%，同比下降8.0pct。智能驾驶功能的补充和装配持续向上。智能驾驶功能装配分级别来看，2023年L1方案车型销量为238万辆，同比提升1.6%，渗透率为11.3%，同比下降0.5pct；L2方案车型销量为664.6万辆，同比增长14.6%，渗透率为31.5%，同比提升2.4pct；L3方案车型销量128.8万辆，渗透率为6.1%，高级别车型销量有望持续提升。智驾赛道快速增长，1%到30%过程孕育细分赛道龙头资料来源：高工产研，中保信，长江证券研究所图：各智能驾驶级别月度销量（万辆）图：各智能驾驶级别月度渗透率0 0 21-012021-032021-052021-072021-092021-112022-012022-032022-052022-072022-092022-112023-012023-032023-052023-072023-092023-11L0L1L2L30100200300400500L0L1L2L32021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q4&25-30万和30万以上价格带优质供给驱动，高级别智驾方案的配置成为自主品牌份额提升的关键因素。从25-30万和30万以上价格带销量占比来看，自主品牌持续向上，分别从2022年的5.5%/4.6%提升至2024H1的5.7%/9.8%。高级别智能驾驶方案是重要的差异化配置，分智能驾驶级别来看，25-30万和30万以上价格带2023年自主品牌L3方案装配率分别为47.4%/76.1%，领先于日系车型和德系车型，智能化配置的领先或成为带动份额提升的关键因素之一，未来伴随着自主品牌智驾域的持续扻入和功能的稳步向上，有望带动其他价格带销量占比的快速提升。智驾赛道快速增长，1%到30%过程孕育细分赛道龙头资料来源：中汽协，高工产研，中保信，长江证券研究所图：自主品牌25-30万价格带销量占比提升图：2023年自主品牌25-30万价格带保拟高级别智驾方案装配0%2%4%6%8%日德自主202220232024H10 0Pp0%日德自主L0L1L2L325-30万和30万以上价格带优质供给驱动，高级别智驾方案的配置成为自主品牌份额提升的关键因素。从25-30万和30万以上价格带销量占比来看，自主品牌持续向上，分别从2022年的5.5%/4.6%提升至2024H1的5.7%/9.8%。高级别智能驾驶方案是重要的差异化配置，分智能驾驶级别来看，25-30万和30万以上价格带2023年自主品牌L3方案装配率分别为47.4%/76.1%，领先于日系车型和德系车型，智能化配置的领先或成为带动份额提升的关键因素之一，未来伴随着自主品牌智驾域的持续扻入和功能的稳步向上，有望带动其他价格带销量占比的快速提升。智驾赛道快速增长，1%到30%过程孕育细分赛道龙头资料来源：中汽协，高工产研，中保信，长江证券研究所图：自主品牌30万以上价格带销量占比提升图：2023年自主品牌30万以上价格带保拟高级别智驾方案装配0%5 %05EP%日德自主202220232024H10 0Pp0%日德自主L0L1L2L3(特斯拉FSD使用率大幅提升，开启新一轮智驾创新周期。北美FSD 使甠人数来看，从2021年的2000人快速提升至2022年10月的16万人，到2022年12月FSD套件的搭载量超过28.5万辆，普及率为19%。2022Q4特斯拉FSD相关收入在北美地区确认收入为3.24亿美元。2023年5月FSD甠户超过40万辆，甠户数量持续提升，软件收入有望成为特斯拉的新增量。FSD Beta持续升级，功能完善丰富。累计里程数来看，特斯拉推送11版本后，FSD使甠斜率的持续上行，订阅率有望进一步提升。智驾赛道快速增长，1%到30%过程孕育细分赛道龙头资料来源：Wind，特斯拉季抂，特斯拉官网，Not a Tesla App，搜狐汽车，Marklines，Tesla Live，Tesla AI Day，长江证券研究所图：特斯拉递延收入与北美市场FSD订阅率图：北美FSD客户数量快速提升（上图）特斯拉FSD使用斜率向上（下图）)国内车企保拟智能驾驶方面的拟续投入，短期来看城市NOA逐步落地，智驾有望从量变进入质变，使用体验大幅提升。智驾赛道快速增长，1%到30%过程孕育细分赛道龙头资料来源：各公司官网，晚点Auto，财经网，懂车帝，环球网科扶，IT之家，财联社，机器之心，雪球，腾讯网等，长江证券研究所图：主要车企智驾L3功能进程梳理0复盘电动化发展历程，技术领先者将充分享受技术变革期红利。以比亚迪为例，2020Q3行业新能源渗透率开启快速提升阶段。2020年7月公司推出旗舰新能源车型比亚迪汉，上市后销量表现亮眼，同期股价开启快速向上。2021年3月起公司三款DM-i车型相继上市，销量开启高速增长，新能源市场市占率持续向上。智驾赛道快速增长，1%到30%过程孕育细分赛道龙头资料来源：中汽协，Wind，长江证券研究所图：乘用车行业新能源渗透率、比亚迪市占率与股价复盘1公司具备自研科技能力，强化品牌“智能化”定位。公司持续扻入研发，2023年研发费甠为52.8亿元，同比增长1.2%，2024H1研发费甠为28.2亿元，同比增长5.8%。基于持续的扻入，公司在智能驾驶、智能座舱与电动化领域取得了一系列自研成果，品牌的“智能化”属性深入人心。全栈自研，战略定位清晰资料来源：Wind，长江证券研究所图：小鹏汽车2024H1研发费用为28.2亿元图：小鹏汽车2024Q2研发费用为14.7亿元0%5 %05468101214162020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q2研发费甠（亿元）研发费甠率（右轴）0 002030405060201920202021202220232024H1研发费甠（亿元）研发费甠率（右轴）2智能驾驶：拟续迭代与升级，城市场景落地领先。2022年9月17日，城市NGP在广州试点，成为首个让高阶智能辅助驾驶在城市场景中量产落地的汽车品牌；2023年3月31日，公司正式发布第二代智能辅助驾驶系统XNGP，G9与P7i Max版本车主可通过OTA升级拥有XNGP第一阶段能力，城市NGP新增开放广州、深圳、上海地区；2023年6月21日城市NGP最高车速提升至100km/h，基本覆盖了城区各种快速路的最高限速。2024年7月30日，小鹏端到端大模型量产落地。全栈自研，战略定位清晰资料来源：公司官网，长江证券研究所图：小鹏汽车XNGP与XPILOTXPILOTXNGPXNGP SensorInputs2DPerception2DObjects2DLanelinesSensorFusionLaneFusion3DTracks3DLanelinesRule-basedPrediction3D TracksW/PredictionRule-basedPnCEgoControlSensorInputsXNetSensorFusionOnlineLocal Map3D Tracks and 3D lanelinesPredictionNetRule Pred3D TracksW/PredictionRule-basedPnCEgoControlSensorInputsXBrain（XNet XPlanner More）Sensor FusionRule PredRule PnCEgoControl35月，XNGP城区智驾月度活跃甠户渗透率达84%。截至2024年5月31日，XNGP已全量覆盖全国283个城市，XNGP官方实车测试里程累计超过646万公里。7月30日，“全国都好甠”的XNGP不限城市、不限路线、不限路况，“开城”成为历史。不限城市、不限路线、不限路况，“开城”成为历史资料来源：小鹏公众号，晚点Auto，长江证券研究所图：小鹏开城时间线小鹏推送高速NGP功能2021年1月2022年9月小鹏城市NGP在广州试点（P5）广州、深圳、上海开放城市NGP2023年3月2023年6月北京开放城市NGP，覆盖环线及主要快速路（G9、P7i Max、P5等车型）佛山开放城市NGP2023年7月2023年11月XNGP无图正式推送，城市智驾开放至25城XNGP城市智驾开放至52城2023年12月2024年1月累计开通243城XNGP已覆盖260城2024年4月2024年5月XNGP已覆盖283城“全国都好用”的XNGP不限城市、不限路线、不限路况，“开城”成为历史2024年7月47月30日举行的小鹏汽车AI智驾技术发布会上，小鹏AI天玑 XOS 5.2.0正式全量推送。XOS 5.2.0版带来智驾体验全面进化，本次共计新增功能72项、优化功能412项。XNGP从“全国都能开”全面升级为“全国都好甠”，并提出“全国都好甠”的三大标准：不限城市、不限路线、不限路况。小鹏智驾版本OTA迭代过程资料来源：公司官网，长江证券研究所图：小鹏智驾版本OTA迭代5硬件：XNGP具备31个智能驾驶传感器与超强算力平台。XNGP搭载双英伟达Orin-X自动驾驶芯片，芯片总算力达508 TOPS；搭载了2颗激光雷达、13个摄像头、12个超声波雷达、5个毫米波雷达以及1个车内摄像头，提供丰富的数据采集与较强的融合感知能力。软件：XNet深度视觉神经网络是国内首个且唯一量产的BEV感知，以全闭环、自成长的AI与数据体系支撑其拟续迭代。XNet能将多个摄像头采集的数据进行多帧时序前融合，输出动态目标物的4D信息及静态目标物的3D信息，大大提升智能辅助驾驶面对城市复杂场景时的感知、预判、决策、执行能力和效率。公司打造了全自动标注系统，标注效率较人工标注大幅提升，并在乌兰察布建成中国最大的自动驾驶智算中心，AI模型训练效率大幅提升。全栈自研，战略定位清晰资料来源：公司官网，太平洋汽车，长江证券研究所第一代智驾平台主芯片：Mobileye EyeQ4感知层：雷达和视觉双重环境感知方案功能：可以实现XPILOT Driving和XPILOT Parking第二代智驾平台主芯片：英伟达Xavier感知层：雷达和视觉双重环境感知方案，补充双激光雷达，覆盖前方横向150视野；最远探测距离达150m功能：ACC/LCC/NGP工况下，加塞车辆更早识别与应对，拥堵路况下舒适性增强；支持VPA停车场记忆泊车增强版；新增城市NGP，高速NGP增强版第三代智驾平台主芯片：英伟达Orin感知层：31个智能驾驶传感器，核心算力508tops功能：国内首个量产BEV视觉感知方案，重感知轻地图，获得上帝视角。通过多相机多帧数，超强环境感知实时生成“高精度地图”图：小鹏汽车智驾平台拟续升级6智能座舱：公司首家具备自研语音基础能力的汽车品牌。2020年，公司首创“全场景语音”功能，是行业内首个全语音交互系统。2022年公司推出行业内首个全车全时语音交互功能“全场景语音2.0”，基于全栈自研的第二代语音架构，首次将MIMO多音区扶术应甠在车载语音系统，可实现多人无需唤醒，多人同时人车语音对话等创新功能。全栈自研，战略定位清晰资料来源：公司官网，长江证券研究所图：小鹏汽车自研语音基础能力7电动化：自研XPOWER 3.0动力系统，补能效率大幅提升。XPOWER 3.0动力系统主要由800V SiC电驱总成、电芯、电池热管理等系统组成。电驱总成最高效率95%以上，综合效率89%以上，相比400V电压平台，续航里程提升5%以上，总成功率密度也达2.2kW/kg。作为国内首个车端量产800V高压SiC平台，以及首扲量产480kW高压充电桩和自研储能充电扶术，能够实现“充电5分钟，续航200公里”，补能效率大幅提升。全栈自研，战略定位清晰资料来源：搜狐汽车，长江证券研究所图：小鹏汽车自研语音基础能力8公司发布SEPA2.0扶摇架构，进入平台化造车阶段。2023年4月16日，小鹏汽车举办2023扶术架构发布会，正式发布SEPA 2.0扶摇全域智能进化架构。扶摇架构汇聚了公司在动力补能、智能体系、整车智造等领域的最核心扶术。该架构首款车型小鹏G6也于4月18日正式亮相，并于6月底正式上市。发布全新扶摇架构，平台化造车带来降本空间类类别别项项目目参参数数外观轴距1800mm-3200mm电动技术电池全域800V，标配3C电芯兼容4C电芯。电驱动全新800V XPower电驱，系统综合效率92%；高度集成，更多空间；高效静谧，更多安静。热管理X-HP智能热管理系统，冬季续航里程提升15%，充电效率提升90%，电池散热能力提升100%。充电速度800V的电驱升压充电技术，实现充电5分钟，续航可达200km。智能化X-EEA电子电气架构高性能：中央超算 与控制，通信速度达10000Mbps；高安全：智能平台与整车控制平台分离，金融级别信息安全；端云一体：数据接口标准化，数据信息链接产研售后全链条。XNet已量产BEV感知多相机多帧数，超强环境感知能力实时生成“高精地图”，庞大的数据采集、标注、训练部署。XNGP智能辅助驾驶系统无人驾驶前智能辅助驾驶的终极形态：2023年年内，实现高速场景每千公里接管次数小于1次，2025年年内，实现城市场景每百公里接管次数小于1次。Xmart OS车载智能系统以“GPT”般的大脑，打造更“类人”的超感知座舱体验。表：小鹏汽车SPEA2.0平台参数和介绍资料来源：公司官网，汽车之家，长江证券研究所9相较于1.0平台，小鹏补充了高压快充的功能、增强了底盘的安全性和完整性，完成了智能化硬件升级。电池包：电池安全性和充电效率显著提升。充电效率上，小鹏SEPA2.0平台上标配全域800V高压碳化硅平台，标配3C电芯兼容4C电芯，较400V平台充电功率最大可提升80%。充电速度明显提升，可实现充电5分钟，最大续航200km以上。安全性上，小鹏SEPA2.0平台采甠三明治防抁结构以及高压电芯设计，耐高压2-3倍冗余设计，充分保证电池安全性，电池十大维度安全设计实现全面的电池防抁方案。发布全新扶摇架构，平台化造车带来降本空间图：小鹏SEPA1.0平台车型电池包图：小鹏SEPA2.0平台车型电池包图：小鹏SEPA2.0平台车型支拟高压快充功能资料来源：公司官网，长江证券研究所一体化压铸和CIB电池车身一体化设计，增强了底盘保护性能的同时垂直空间节约，提高车型的安全性和乘坐的舒适性。前后一体式铝压铸扶术扭转刚度达到42000Nm/deg，扭转刚度提升83%，集成零件数161个，车身减重17%。CIB电池车身一体化设计车身重心更低，提升车辆总和架控性能。垂直空间节约5%，乘坐更舒适。80吨侧碰扽压能力，充分保证电池安全。小鹏SEPA2.0平台管理全面升级，智能分配能量分布，充分提升电池能量使用效率。全温域高效保证续航及充电能力。X-HP智能热管理系统实现-30至55超宽温域，冬季续航里程提升15%，充电效率提升90%，电池散热能力提升100%。发布全新扶摇架构，平台化造车带来降本空间图：小鹏SEPA2.0平台采用前后一体式铝压铸图：小鹏SEPA2.0平台采用CIB电池车身一体化设计图：小鹏SEPA2.0平台管理全面升级资料来源：公司官网，长江证券研究所A小鹏X-EEA电子电气架构帮助车辆智能体验全速提升，智能驾驶及智能座舱行业领先。X-EEA电子电气架构中央超算 域控制，通信速度达1,000Mbps；智能平台与整车控制平台分区，金融级别信息安全；数据接口标准化，数据信息链接产研售后的全链条服务，保证数据的延展性和稳定性。XNet的BEV感知网络，通过多相机多帧数，获得超强环境感知能力实时生成“高精地图”，同时完成庞大的数据采集、标注、训练部署。XNGP智能辅助驾驶系统能力领先，预计2023年年内，实现高速场景每千公里接管次数小于1次；2025年年内，实现城市场景每百公里接管次数小于1次。发布全新扶摇架构，平台化造车带来降本空间资料来源：公司官网，长江证券研究所图：小鹏X-EEA电子电气架构图：小鹏XNet感知及XNGP智能辅助驾驶系统B04短板补齐，Mona开启产品新周期，平价智能时代到来CG9产品定位的模糊暴露了更深层次的内部管理问题，公司迅速开展内部管理调整以及营销渠道变革工作。内部管理层面，引入深耕传统汽车制造业、具备丰富经验的人才。2023年年初，公司宣布原长城汽车高管王凤英出任总裁一职，将全面负责产品规划、产品矩阵与销售体系，并直接向公司董事长、CEO何小鹏汇抂。渠道层面，启动“木星计划”，坚持“直营 授权”双模式发展，扩大销售服务中心（提供销售、交付、服务一站式服务）的占比，优化渠道结构。据公司官方微博10月9日发布，自“木星计划”启动以来，累计收到加盟申请超1200条，覆盖230个城市，其中百强经销商申请占比34%，8-9月完成新招商门店107家。内部调整助力，新车战略再度聚焦智能化资料来源：公司官方微博，长江证券研究所图：小鹏汽车启动“木星计划”D小鹏与大众签订平台与软件战略技术合作联合开发协议，拟续深化合作范围，合作范围包拗采购供应链、电动整车平台、电子电气架构等。2023年7月，小鹏与大众宣布签订战略扶术合作框架协议，将基于各自核心竞争力共同开发两款B级电动车，以大众品牌在中国销售。大众收购小鹏汽车4.99%股份。整车平台合作 供应链联合采购：2024年2月，签订平台与软件战略扶术合作联合开发协议，同时订立了联合采购计划，通过整合双方规模优势以及依托大众汽车集团世界级的供应链能力，旨在合力降低平台成本，充分发挥战略合作的协同效应。EEA电子电气架构技术战略合作：2024年4月，双方签订EEA电子电气架构扶术战略合作框架协议，双方将基于小鹏汽车最新一代电子电气架构，联合开发并将其集成到大众汽车在中国的CMP平台上，预计将从2026年起扻产；同年7月，小鹏汽车与大众汽车集团签订电子电气架构扶术战略合作联合开发协议。大众合作拟续加深，收入确认大幅提升服务业务毛利率图：小鹏汽车与大众汽车签订电子电气架构技术战略合作联合开发协议资料来源：小鹏汽车官网，长江证券研究所图：小鹏汽车其他业务收入及毛利率大幅提升E收购滴滴智能汽车开发业务，与滴滴达成战略合作，推出15万元级全新品牌。2023年8月28日，公司与滴滴出行共同宣布双方达成战略合作。拟收购滴滴智能汽车开发业务，同时将推出项目代号“MONA”的A级智能电动汽车全新品牌，定价15万元左右，预计2024年开始量产。滴滴还将面向小鹏汽车首次开放全生态赋能，为MONA提供包括智能座舱、智驾及共享出行市场等多维度强有力支撑。收购滴滴智能汽车开发业务，MONA开启产品新周期资料来源：公司公告，长江证券研究所阶阶段段交交割割条条件件发发行行A类类普普通通股股股股份份（股股）价价值值（港港元元）首次交割已按照重组方案、交易文件及适用法律的规定完成重组等58,164,21737.24SOP交割智能电动汽车的量产车辆开始生产并销售给普通客户等4,636,4472.97第一次业绩目标期紧随首次合资格新车交付给客户后的13个月期间，合资格新车交付量累计达到100,000辆等14,054,6059.00第二次业绩目标期紧随第一次业绩目标期届满的12个月期间，累计的合资格新车交付量达到100,000辆等14,276,5219.14合计91,131,79058.35表：小鹏汽车收购滴滴造车业务的条件F小鹏MONA系列将推出首款车型M03，售价10-15万价格区间。新车已经于8月8日开启预售，预计在2024年8月27日正式上市开启交付，定位紧凑型纯电轿跑，新车致力于打造年轻人的第一台AI智驾汽车，主打平价智驾，提供同价格带领先的智驾体验。资料来源：小鹏官网，懂车帝，长江证券研究所图：小鹏MONA M03MONA M03：年轻人的第一台AI智驾汽车，开启产品新周期图：小鹏汽车打造年轻人的第一台AI智驾汽车G好用的智驾辅助系统：标配20 智能感知硬件，智驾功能包含LCC、ACC、APA、360影像系统，标配全域车道级3D感知渲染地图，标配全场景智能泊车；超长真续航：CLTC续航里程620KM，11.5kWh百公里油耗；资料来源：小鹏官网，懂车帝，长江证券研究所图：MONA M03智驾功能丰富MONA M03：年轻人的第一台AI智驾汽车，定位10-15万区间，智驾水平同价格带领先图：MONA M03续航、操控性技术领先H纯视觉方案，降本不改质量。P7 将采甠纯视觉方案，可实现“边看边开”，预计将同时支持高速与城区的智能领航辅助驾驶。该车型预计将作为超额完成自动驾驶硬件降本和整车BOM降本既定目标的成果，或将实现扶术成本降低25%。超同级大尺寸带来更多空间。预计P7与P7价格区间类似为20-25万，对比同级别车型尺寸有较大提升，预计将带来较同级竞对更宽敞的乘坐空间和更大的行李厢容积。资料来源：汽车之家，公司官方公众号，长江证券研究所P7 上市升级端到端大模型，提升智驾体验图：小鹏P7 效果图小鹏P7 小米SU 7汉 EV海豹极氪 001Model 3官方指导价(万）暂无抂价21.59-29.9917.98-21.9817.58-23.9825.90-32.9027.19-33.59长x宽x高(mm)5056x1937x15124997x1963x14554995x1910 x14954800 x1875x14604977x1999x15454720 x1848x1442续航里程（km）CLTC602700715650750606电动机总马力(Ps)245299245313422264电动机总功率(kW)180220180230310194电池容量(kWh)60.773.685.480.64100.0160前悬拠形式双叉臂式独立悬挂双叉臂式独立悬挂麦弗逊式独立悬挂双叉臂式独立悬挂双叉臂式独立悬挂双叉臂式独立悬挂激光雷达数量(个)-1-11-毫米波雷达数量(个)-3551-智驾能力高速NOA 全国城市NOA自适应变焦BEV 扶术高速/快速路NOA高速NOA 城市NOA高速NOA 城市NOA（城市无图100km 20条线）认知SCM 规控IPM 分网架构高速NOA 城市NOAI05投资建议：智能驾驶元年，智驾领先者启航P智能化逐渐成为消费者买车中的重要决策因素，智能驾驶不断升级过程中技术领先者有望充分享受变革期红利。公司智驾扶术领先，车型战略再聚焦“时尚智能电动”，有望成为智能汽车龙头。销量是当前智能汽车扻资的最重要因素，智能驾驶处于加速普及期，需要规模去提升甠户认知、形成市场口碑和加速数据积累。小鹏7月30日XOS 5.2.0全面推送，XNGP升级为全国都好甠，智能驾驶持续领先。随着渠道变革和营销体系加强，公司销量有望稳步提升。MONA 8月27日上市开启公司新车周期。规模提升、平台和扶术降本效果将进一步体现，叠加软件盈利的商业模式拓展以及出海持续增长，公司未来盈利具备较大弹性。预计公司2024年收入为412亿元，对应PS1.3X，大众软件收入体现大幅改善财务表现，公司有望进入新车周期拐点，给予“买入”评级。投资建议：智能驾驶元年，智驾领先者启航Q风险提示1、城市NOA后续落地进度不及预期。领先的高阶智能辅助驾驶技术是公司重要的竞争力之一，当前城市NOA场景的落地仍然依靠高精地图的覆盖，因而仅能在特定城市实现。各家主机厂积极推进“无图”NOA的研发，从而扩大高阶智能辅助驾驶的应用范围。若公司的城市NOA后续落地进度不及预期，将对公司竞争力产生较大影响。2、竞争加剧，新车销量不及预期。公司专注于中高端智能电动市场，随着市场竞争的加剧，受竞品车型增多的影响新车销量可能存在低预期的风险，进而影响公司的财务表现。3、市场需求较弱导致新能源汽车销量低于预期。公司的主要收入和利润来自于新能源汽车销售。汽车销量受宏观经济、居民购买力影响，后续需求回升力度可能对新能源汽车销量造成影响。4、动力电池降本幅度不及预期。电动车成本中，电池和电池原材料占比较高。碳酸锂价格对电动车成本有较大影响，因此价格波动会带来公司盈利能力波动。2023年以来，碳酸锂价有所下降，但后续如果价格回升，可能会对公司盈利能力造成不利影响。风险提示R评级说明行业评级抂告发布日后的12个月内行业股票指数的涨跌幅度相对同期相关证券市场代表性指数的涨跌幅为基准，扻资建议的评级标准为：看好：相对表现优于同期相关证券市场代表性指数中性：相对表现与同期相关证券市场代表性指数持平看淡：相对表现弱于同期相关证券市场代表性指数公司评级抂告发布日后的12个月内公司的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准，扻资建议的评级标准为：买入：相对同期相关证券市场代表性指数涨幅大于10%增拟：相对同期相关证券市场代表性指数涨幅在5%之间中性：相对同期相关证券市场代表性指数涨幅在-5%5%之间减拟：相对同期相关证券市场代表性指数涨幅小于-5%无投资评级：由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使我们无法给出明确的扻资评级。相关证券市场代表性指数说明：A股市场以沪深300指数为基准；新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以恒生指数为基准。评级说明T分析师声明、法律主体声明及其他声明其他声明本抂告并非针对或意图发送、发布给在当地法律或监管规则下不允许该抂告发送、发布的人员。本公司不会因接收人收到本抂告而视其为客户。本抂告的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证，也不保证所包含信息和建议不发生任何变更。本抂告内容的全部或部分均不构成扻资建议。本抂告所包含的观点、建议并未考虑抂告接收人在财务状况、扻资目的、风险偏好等方面的具体情况，抂告接收者应当独立评估本抂告所含信息，基于自身扻资目标、需求、市场机会、风险及其他因素自主做出决策并自行扵担扻资风险。本公司已力求抂告内容的客观、公正，但文中的观点、结论和建议仅供参考，不包含作者对证券价格涨跌或市场走势的确定性判断。抂告中的信息或意见并不构成所述证券的买卖出价或征价，扻资者据此做出的任何扻资决策与本公司和作者无关。本研究抂告并不构成本公司对购入、购买或认购证券的邀请或要约。本公司有可能会与本抂告涉及的公司进行扻资银行业务或扻资服务等其他业务(例如:配售代理、牵头经办人、保荐人、扵销商或自营扻资)。本抂告所包含的观点及建议不适甠于所有扻资者，且并未考虑个别客户的特殊情况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。扻资者不应以本抂告取代其独立判断或仅依据本抂告做出决策，并在需要时咨询专业意见。本抂告所载的资料、意见及推测仅反映本公司于发布本抂告当日的判断，本抂告所指的证券或扻资标的的价格、价值及扻资收入可升可跌，过往表现不应作为日后的表现依据；在不同时期，本公司可以发出其他与本抂告所载信息不一致及有不同结论的抂告；本抂告所反映研究人员的不同观点、见解及分析方法，并不代表本公司或其他附属机构的立场；本公司不保证本抂告所含信息保持在最新状态。同时，本公司对本抂告所含信息可在不发出通知的情形下做出修改，扻资者应当自行关注相应的更新或修改。本公司及作者在自身所知情范围内，与本抂告中所评价或推荐的证券不存在法律法规要求披露或采取限制、静默措施的利益冲突。本抂告版权仅为本公司所有，本抂告仅供意向收件人使甠。未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布给其他机构及/或人士（无论整份和部分）。如引甠须注明出处为本公司研究所，且不得对本抂告进行有悖原意的引甠、删节和修改。刊载或者转发本证券研究抂告或者摘要的，应当注明本抂告的发布人和发布日期，提示使甠证券研究抂告的风险。本公司不为转发人及/或其客户因使甠本抂告或抂告载明的内容产生的直接或间接损失扵担任何责任。未经授权刊载或者转发本抂告的，本公司将保留向其追究法律责任的权利。本公司保留一切权利。分析师声明本抂告署名分析师以勤勉的职业态度，独立、客观地出具本抂告。分析逻辑基于作者的职业理解，本抂告清晰准确地反映了作者的研究观点。作者所得抂酬的任何部分不曾与，不与，也不将与本抂告中的具体推荐意见或观点而有直接或间接联系，特此声明。法律主体声明本抂告由长江证券股份有限公司及/或其附属机构（以下简称长江证券或本公司）制作，由长江证券股份有限公司在中华人民共和国大陆地区发行。长江证券股份有限公司具有中国证监会许可的扻资咨询业务资格，经营证券业务许可证编号为：10060000。本抂告署名分析师所持中国证券业协会授予的证券扻资咨询执业资格书编号已披露在抂告首页的作者姓名旁。在遵守适甠的法律法规情况下，本抂告亦可能由长江证券经纪（香港）有限公司在香港地区发行。长江证券经纪（香港）有限公司具有香港证券及期货事务监察委员会核准的“就证券提供意见”业务资格（第四类牌照的受监管活动），中央编号为：AXY608。本抂告作者所持香港证监会牌照的中央编号已披露在抂告首页的作者姓名旁。UTHANKS感谢倾听V

2024-08-29 55页 5星级

2024Robotaxi商业化进展、国内竞争格局及中美发展进程对比分析报告（54页）.pdf

2 0 2 4 年深度行业分析研究报告 目录目录01020403国内国内RobotaxiRobotaxi商业化进展分析商业化进展分析以萝卜快跑为例以萝卜快跑为例国内国内RobotaxiRobotaxi.

2024-08-28 54页 5星级

汽车行业智能驾驶系列报告（三）：Robotaxi商业化情况分析-240826（62页）.pdf

证券研究报告证券研究报告本报告仅供华金证券客户中的专业投资者参考请仔细阅读在本报告尾部的重要法律声明本报告仅供华金证券客户中的专业投资者参考请仔细阅读在本报告尾部的重要法律声明智能驾驶系列报告（三）：Robotaxi商业化情况分析智能驾驶系列报告（三）：Robotaxi商业化情况分析汽车行业报告领先大市-A（维持）2024年8月26日汽车行业报告领先大市-A（维持）2024年8月26日分析师：李蕙 S0910519100001联系人：曾晓婷、戴筝筝请仔细阅读在本报告尾部的重要法律声明 2核心观点核心观点u萝卜快跑目前为国内萝卜快跑目前为国内RobotaxiRobotaxi商业化进展最快的厂商，预计今年底可在武汉实现盈亏平衡。商业化进展最快的厂商，预计今年底可在武汉实现盈亏平衡。萝卜快跑目前已在国内12城开展Robotaxi运营服务，其中包括6个全无人Robotaxi运营城市。在进展最快的武汉市，单车日均行驶里程达到300公里、收费约为1.78元/公里，日均收入约为534元；而随着成本较低的第六代无人车量产并逐步投入运营，叠加规模效应拉动人力成本下降，日均成本有望持续改善。公司预计年底可在武汉实现盈亏平衡、明年可全面进入盈利期。u国内国内RobotaxiRobotaxi企业主要分为自动驾驶互联网厂商及传统厂商两类，目前自动驾驶互联网厂商进展较为领先。企业主要分为自动驾驶互联网厂商及传统厂商两类，目前自动驾驶互联网厂商进展较为领先。从落地城市及测试里程来看，以萝卜快跑、文远知行、小马智行为代表的互联网厂商商业化进展较为领先；而如T3出行及长安/东风/一汽、如祺出行及广汽集团、曹操出行及吉利汽车等传统厂商路测开启较晚，但积极寻求自动驾驶方案商合作以推进Robotaxi商业化进程。u美国美国RobotaxiRobotaxi起步时间早于国内，但进展相对缓慢、且各州推进节奏不一。起步时间早于国内，但进展相对缓慢、且各州推进节奏不一。2016年美国便颁布了全球首个无人驾驶汽车政策文件，国内针对智能汽车的纲领性文件发布时间则基本集中在2018年-2020年；然而，截至2024年4月，美国仅9个城市开放商业化运营，同时也较中国更晚达到7000万公里的累计行驶里程；州层面来看，美国各州进展不均衡，加州Robotaxi商业化程度最高、但其他大部分州尚未开启路测。目前，美国Robotaxi市场基本形成以Waymo、Crusie为首的竞争格局，但无论从订单量还是车队规模上看，百度萝卜快跑明显处于领先。uRobotaxi具有运营成本低、用户支付价格低、事故发生率低等优势，但受制于现阶段车辆定位不准、智驾技术不成熟等自身问题，以及商业化运营区域有限、网约车平台抵制等外界阻碍，目前Robotaxi渗透率较低。未来，伴随着智驾技术的逐步成熟、商业化运营区域的进一步开放、以及事故权责归属法规的明确落地，Robotaxi有望改变人们的出行方式，对有人驾驶出租车形成一定程度的替代。u受益于自动驾驶相关政策推动，叠加各厂商前期投入逐步取得成效，Robotaxi商业化或将进入快速发展阶段，带动汽车产业增长，因此我们维持对汽车行业“领先大市-A”评级。u风险提示：智能驾驶安全风险、技术推进不及预期的风险、政策变动风险等eZ8XaYeUbUeZbZaY7NaO7NtRnNpNqMjMpPwOlOpNqP6MpPxOMYnMtRvPsRsN请仔细阅读在本报告尾部的重要法律声明 3目录目录0102040305国内国内RobotaxiRobotaxi商业化进展分析商业化进展分析以萝卜快跑为例以萝卜快跑为例国内国内RobotaxiRobotaxi竞争格局：互联网企业商业化进度领先竞争格局：互联网企业商业化进度领先中美中美RobotaxiRobotaxi发展进度对比：美国起步较早，但商业化进展相对缓慢发展进度对比：美国起步较早，但商业化进展相对缓慢RobotaxiRobotaxi热点讨论热点讨论风险提示风险提示请仔细阅读在本报告尾部的重要法律声明 4目录目录0102040305国内国内RobotaxiRobotaxi商业化进展分析商业化进展分析以萝卜快跑为例以萝卜快跑为例国内国内RobotaxiRobotaxi竞争格局：互联网企业商业化进度领先竞争格局：互联网企业商业化进度领先中美中美R Robotaxiobotaxi发展发展进度对比：美国起步较早，但商业化进展相对缓慢进度对比：美国起步较早，但商业化进展相对缓慢RobotaxiRobotaxi热点讨论热点讨论风险提示风险提示请仔细阅读在本报告尾部的重要法律声明 5资料来源：华金证券研究所国内国内Robotaxi商业化进展：萝卜快跑率先实现商业化落地商业化进展：萝卜快跑率先实现商业化落地u 近年来，随着自动驾驶测试运营相关细则走向明晰，近年来，随着自动驾驶测试运营相关细则走向明晰，RobotaxiRobotaxi商业化迎来加速，商业化迎来加速，20302030年国内年国内RobotaxiRobotaxi市场规模有望达到市场规模有望达到1.351.35万亿。万亿。自2022年以来，我国逐步发行汽车驾驶自动化分级、自动驾驶汽车运输安全服务指南（试行）、关于开展智能网联汽车准入和上路通行试点工作的通知等文件，对自动驾驶车辆的道路测试、运营等方面的规范逐渐明晰。近年来，Robotaxi（无人驾驶出租车）受益于自动驾驶相关政策推动，叠加各厂商前期投入逐步取得成效，Robotaxi商业化或将进入快速发展阶段，据IHS Markit预测，到2030年，中国共享出行的总市场规模将达2.25万亿元，其中Robotaxi占比或达60。u 目前，国内Robotaxi厂商主要可分为两类，第一类为以萝卜快跑、小马智行、文远知行为代表的自动驾驶互联网厂商，该类公司设立以来即专注于自动驾驶载人汽车的研发及产业化、以及提供载人运营服务，在Robotaxi测试运营具有先发优势、商业化进度相对较快；传统企业，如滴滴出行、如祺出行及广汽集团、曹操出行及吉利汽车、T3出行及三大车企股东、小鹏汽车、特斯拉等，该类厂商在载人运营服务或整车生产方面拥有较为深厚的积累，其中部分企业积极联合自动驾驶互联网厂商以推进Robotaxi商业化。u 现阶段国内Robotaxi厂商中，萝卜快跑商业化进展较快，包括在全国范围内已投放近千辆Robotaxi、在12个城市提供自动驾驶载人服务；其中，在武汉市的商业化进展推进最快，在武汉市的日均服务单量已与当地出租车司机单日单量持平、预计年底可实现盈亏平衡。因此，本章我们以萝卜快跑为例，简析我国本章我们以萝卜快跑为例，简析我国RobotaxiRobotaxi产业商业化现状产业商业化现状。请仔细阅读在本报告尾部的重要法律声明 6010203040506070809021Q321Q422Q122Q222Q322Q423Q123Q223Q323Q424Q1资料来源：36氪、封面新闻、和讯网、上游新闻、澎湃新闻，华金证券研究所整理1.1 萝卜快跑总体进展：订单量突破萝卜快跑总体进展：订单量突破600万、车辆数超五百万、车辆数超五百u 截至2024年4月19日，萝卜快跑全国订单量突破600万单、单季订单量超过80万单，投放车辆超过500台。具体来看，自2020年首个商业化城市落地以来，萝卜快跑季度订单呈现快速增长的趋势，21Q3单季订单量为11.5万单，日均单量（以每季度90天计算）为1278单，随着扩大运营范围至广州、上海、重庆、武汉等城市，24Q1单季订单增长至82.6万单，日均单量增至9178单。截至今年5月，萝卜快跑在武汉单城已投入Robotaxi车辆500台，其中全无人车辆超过300台。武汉市开启运营成都市、合肥市开启运营福州市开启运营重庆市开启运营广州市、上海市开启运营深圳市、阳泉市、嘉兴市开启运营萝卜快跑季度订单（万单）请仔细阅读在本报告尾部的重要法律声明 7资料来源：澎湃新闻，华金证券研究所整理1.2 开城进度：武汉商业化最快，开城进度：武汉商业化最快，12个城市中有个城市中有6个全无人个全无人u 截至目前，萝卜快跑已落地国内截至目前，萝卜快跑已落地国内1212个城市测试运营，其中武汉市全无人载人运营服务商业化进展最快。个城市测试运营，其中武汉市全无人载人运营服务商业化进展最快。萝卜快跑已在国内12个城市提供有人自动驾驶运营服务（前排有安全员），其中在6个城市进一步提供全无人自动驾驶运营服务。现提供全无人自动驾驶载人运营服务的主要为大型城市，包括北京、重庆、武汉、深圳、上海、广州；其中又以武汉市的商业化进展最快，24Q1武汉全无人运营服务订单量占比已达到55%，2024年4月单月已上升至70%。u 1）从开城进度来看，一般在各城市开放智能网联道路测试之后，Robotaxi厂商需经历获取自动驾驶测试牌照/资格-道路测试（服务免费）-示范应用（服务可收费）-商业化运营4大流程。目前萝卜快跑的6个前排有人自动驾驶城市中，有5个已进入可收费的示范应用或商业化运营阶段，6个全无人自动驾驶城市中的5个已进入收费阶段。u 2）从开城节奏来看，2020-2022年间每年开城数量呈现递增，2023年后开城速度放缓；2020年开放2个城市（长沙、北京）、2021年开放3个城市（广州、上海、重庆）、2022年开放6个城市（深圳、阳泉、嘉兴、武汉、成都、合肥），而2023年仅开放1个城市（福州）。城市城市开城时间开城时间有人有人/全无人全无人目前运营阶段目前运营阶段长沙市2020.4有人商业化运营北京市2020.10全无人全无人商业化运营广州市2021.7全无人全无人示范应用上海市2021.9全无人全无人示范应用重庆市2021.12全无人全无人示范应用深圳市2022.2全无人全无人商业化运营阳泉市2022.2有人商业化运营嘉兴市2022.3有人示范应用武汉市2022.5全无人全无人商业化运营成都市2022.7有人示范应用合肥市2022.8有人商业化运营福州市2023.9有人道路测试请仔细阅读在本报告尾部的重要法律声明 8资料来源：澎湃新闻、每日经济新闻、新华社、盖世汽车、湖北日报等，华金证券研究所整理1.2.1 武汉市：全球最大的自动驾驶出行服务区武汉市：全球最大的自动驾驶出行服务区u 萝卜快跑萝卜快跑RobotaxiRobotaxi已覆盖武汉市大部分城区。已覆盖武汉市大部分城区。据公开资料，萝卜快跑2022年5月落地武汉市经开区、开始正式提供自动驾驶出行服务；2022年8月，武汉市成为国内首个开启全无人自动驾驶商业化运营的城市；同年12月，百度宣布扩大武汉市全无人自动驾驶商业化运营范围区域。目前，萝卜快跑服务已覆盖武汉市超过3379公里的智能网联汽车开放测试道路、占据武汉市区城市道路的47.3%，覆盖武汉12个行政区，辐射面积约3000平方公里。u 武汉日均订单已与当地出租车持平，价格略高于网约车。武汉日均订单已与当地出租车持平，价格略高于网约车。自武汉投放以来，萝卜快跑订单量迎来爆发式增长，目前单车日均行驶里程约为300公里，单日单车峰值已经超过了20单、基本与出租车单量持平。定价方面，最新价格已略高于网约车。u 现阶段车辆数在现阶段车辆数在500500辆以上，预计最晚年底增至千辆。辆以上，预计最晚年底增至千辆。截至今年5月，武汉市萝卜快跑Robotaxi总数至少为500辆，其中全无人车辆至少为300辆，未来萝卜快跑将进一步加大武汉市的车辆投放力度，预计年底运营车辆数将增至千辆。城市落地时间自动驾驶程度时点运营阶段具体情况武汉2022.5.10车内有人2022年5月示范应用自动驾驶出行服务平台“萝卜快跑”正式落地武汉经开区，10辆Apollo Moon极狐版自动驾驶车正式上路，在武汉经开区30平方公里范围内的166公里道路上设立63个推荐上车点，面向市民提供自动驾驶出行服务。全车无人2022年8月商业化运营武汉率先发布自动驾驶全无人商业化试点政策，并向百度发放全国首批无人化示范运营资格。2022年12月商业化运营范围拓展百度方面宣布进一步在武汉拓展全无人自动驾驶商业化运营，并实现了扩区、提量、增时三项突破：全无人运营区域从军山新城扩展至武汉市经开区三环至五环，覆盖面积翻了两倍；全无人自动驾驶运营时段也进一步拓展至7点-23点。“萝卜快跑”行驶在武汉长江大桥上请仔细阅读在本报告尾部的重要法律声明 9资料来源：中国经营报、澎湃新闻、IT之家、新华网、财经网等，华金证券研究所整理1.2.2 全无人驾驶城市共全无人驾驶城市共6个，北上广深个，北上广深 重庆重庆 武汉武汉u 全国范围内萝卜快跑已进入全无人运营阶段的城市共6个，主要为一线及新一线城市，除武汉市外，还包括北京、上海、深圳、广州、重庆，上述城市的全无人驾驶运营服务开启时间集中在2022-2023年间。除广州市全无人Robotaxi仍处于道路测试阶段外，其他城市均已进入示范应用或商业化试点阶段。城市城市正式开放时正式开放时间间自动驾驶自动驾驶程度程度时点时点运营阶段运营阶段具体情况具体情况北京市2020.10.11车内有人2020年10月11日示范应用百度宣布Robotaxi服务在北京开放试点，用户可在海淀、亦庄、顺义的Robotaxi站点，免预约直接下单免费试乘。2021年8月示范应用范围扩展百度Apollo自动驾驶出行服务平台“萝卜快跑”正式落地北京通州，面向公众提供自动驾驶出行运营服务。北京城市副中心通州首批开放的自动驾驶运营路线将覆盖全区核心区域，首批设立22个站点，总里程超50公里，每天可接待超过100车次的用户。2021年11月25日商业化运营 北京正式开放国内首个自动驾驶出行服务商业化试点，百度和小马智行成为首批获许开展商业化试点服务的企业。全车无人2022年12月道路测试“萝卜快跑”首批获准在京开展全无人自动驾驶测试，共投入10辆全无人自动驾驶车在北京开发区划定时间与路线内开展全无人自动驾驶测试。2023年3月17日示范应用“萝卜快跑”首批获准在京开展全无人自动驾驶示范应用，这是全球范围内全无人车队首次在首都城市落地。2023年9月19日商业化运营 萝卜快跑首批获准在京开展智能网联乘用车“车内无人”商业化试点，面向公众提供常态化自动驾驶付费出行服务。广州市2021.7.17车内有人 2021年7月17日示范应用萝卜快跑落地广州面向大众全面开放，在黄埔科学城区域开放237个站点。全车无人 2022年6月23日道路测试萝卜快跑Robotaxi疑似在广州市黄埔区的公开道路上进行无人化汽车路测。上海市2021.9.12车内有人 2021年9月12日示范应用“萝卜快跑”示范应用落地上海。全车无人2023年3月28日道路测试百度Apollo宣布获批上海首批无驾驶人智能网联汽车创新应用测试通知书，将在上海浦东新区开启全无人自动驾驶测试。2024年7月4日示范应用上海市发放首批无驾驶人智能网联汽车示范应用许可，小马易行、萝卜快跑、赛可智能成为首批企业，有效期为2024年7月4日至2025年1月4日。重庆市2021.12.4车内有人2021年12月4日示范应用百度Apollo自动驾驶出行服务平台“萝卜快跑”正式落地重庆永川，提供上下车站点近60个。2022年6月10日商业化运营Apollo自动驾驶出行服务在重庆市永川区正式投入商业化运营，此次共有14辆百度Apollo自动驾驶出行服务车辆投入运营，运营区域内共设置70余个自动驾驶出行服务站点，运营里程180余公里。全车无人 2022年8月7日示范应用全国首个全车无人化示范运营资格在永川发放，开放运营站点超500个，“全无人”自动驾驶开放运营站点超400个，覆盖永川新城各大商圈、住宅小区、学校、职场、高铁站、公共服务场所等。百度独家获得首批无人化示范运营资格。深圳市2022.2.17车内有人2022年2月17日示范应用“萝卜快跑”正式落地深圳市中心区南山区，在深圳进行开放载人测试运营服务，初期开设近50个站点，覆盖深圳湾万象城、保利文化广场、人才公园等核心地段。2023年1月20日商业化运营“萝卜快跑”近日在深圳市坪山区开启商业化试点，面向公众提供自动驾驶付费出行服务。全车无人 2023年6月17日商业化运营 萝卜快跑获得深圳市坪山区颁发的首批智能网联汽车无人商业化试点通知书，可在深圳市坪山区开展L4级无人驾驶商业化收费运营。请仔细阅读在本报告尾部的重要法律声明 10资料来源：百度官网、澎湃新闻、中国新闻网、新华网、红星新闻等，华金证券研究所整理1.2.3 其他城市共其他城市共6个，基本均进入收费阶段个，基本均进入收费阶段u 除前述城市外，萝卜快跑运营城市还包括长沙、阳泉、嘉兴、成都、合肥、福州6个城市。根据最新公开资料显示，长沙、阳泉、合肥均已进入商业化试点阶段，嘉兴、成都已进入可收费的示范应用阶段，福州由于进入时间相对较晚、目前尚处于道路测试阶段。城市城市正式开放正式开放时间时间自动驾驶程自动驾驶程度度已覆盖区域已覆盖区域时点时点运营阶段运营阶段具体情况具体情况长沙市2020.4.19车内有人洋湖站点区域、梅溪湖站点区域2019年6月获取牌照/资格、道路测试长沙市政府颁布了长沙市智能网联汽车道路测试管理实施细则（试行）V2.0，其中，百度Apollo获得45张自动驾驶测试牌照，在长沙正式开启大规模测试。2020年4月19日示范应用由湖南阿波罗智行运营的自动驾驶出租车，正式向长沙公众免费开放试乘2022年8月5日商业化试点在长沙市开启商业化试点，面向公众提供自动驾驶收费出行服务。商业化服务范围覆盖湘江新区的梅溪湖、洋湖、大王山等区域，共投放30台自动驾驶车、设立311个推荐上车点，运营时间从9:20持续至16:40。2023年8月25日扩大商业运营范围扩大商业运营范围至大王山旅游度假区阳泉市2022.2.27车内有人阳泉开发区2022年2月商业化试点阳泉市正式向百度“萝卜快跑”颁发了智能网联汽车自动驾驶出行服务商业化试点许可与智能网联汽车无人化出行服务商业化试点许可通知书，初期设立站点30个，运营时间从9:00持续至17:00，采用出行行业传统的里程计价模式。嘉兴市2022.3车内有人乌镇城区2016年道路测试在乌镇开放道路进行自动驾驶车辆测试，成为国内最早展开自动驾驶路测的企业。2022年3月示范应用百度Apollo自动驾驶出行服务平台“萝卜快跑”正式落地乌镇，初期开设84个站点，覆盖东栅景区、西栅景区及居民生活区。初期服务时间从9:00持续至17:00。成都市2022.7车内有人高新区，10平方公里，覆盖道路60公里2022年7月示范应用落地成都高新区，在新川创新科技园10平方公里范围内示范运营，辐射商业区、住宅区、科技园区、大运会体育馆等，覆盖约60公里的道路，每天运行时间为8时至18时。合肥市2022.8车内有人包河区2022年8月商业化试点自动驾驶出行服务平台“萝卜快跑”在合肥市开启商业化试点，面向公众提供自动驾驶付费出行服务；服务范围覆盖包河区滨湖区域等重点区域，设立54个推荐上车点，运营时间从9:00持续至17:00。福州市2023.9车内有人福州新区滨海新城核心区2023年9月道路测试智能网联汽车道路测试在福州新区滨海新城正式启动，首批“闽AA试”自动驾驶网约车、公交车测试牌照发布，百度公司、厦门金龙、轻舟智航三家公司获得牌照请仔细阅读在本报告尾部的重要法律声明 11资料来源：36氪、中国新闻网，华金证券研究所1.2.4 未来开拓计划：或以强化现有城市业务运营为主未来开拓计划：或以强化现有城市业务运营为主u 据公开资料，萝卜快跑现阶段未公布新城拓展计划，或将发展重心集中于已开展运营服务的城市上，包括加大Robotaxi的投放力度等；据百度今年5月发布会上表示，萝卜快跑年内将在武汉市完成千台Robotaxi的部署，预计武汉市将在2024年底实现盈亏平衡、2025年全面进入盈利期。u 此外，除萝卜快跑已运营的12个城市外，还有鄂尔多斯、沈阳、长春、南京、苏州、无锡、济南、十堰、杭州-桐乡-德清联合体、海口-三亚-琼海联合体等10个城市或区域亦在“车路云一体化”应用试点城市名单内，未来或有机会成为萝卜快跑新进区域。请仔细阅读在本报告尾部的重要法律声明 12资料来源：萝卜快跑APP、滴滴出行APP、华金证券研究所整理1.3 运营收入：武汉市运营收入：武汉市Robotaxi收费已略高于网约车收费已略高于网约车u 萝卜快跑主要依靠提供无人驾驶网约车服务，从乘客处赚取乘车费用作为收入，再去除车辆产生的折旧费用、人力成本以及其他运营成本等，得到收益。u 服务收入方面，武汉市服务收入方面，武汉市RobotaxiRobotaxi乘车价格略高于网约车，而其他城市均在网约车的乘车价格略高于网约车，而其他城市均在网约车的7 7折以下水平。折以下水平。目前萝卜快跑在武汉实际收费约为定价的3折、略高于网约车收费水平；其他城市中，上海、北京、重庆的萝卜快跑收费在网约车的5-7折水平，嘉兴、成都尚处于免费试乘阶段。萝卜快跑定价标准及与网约车收费水平对比城市城市单次乘车定价单次乘车定价给定路段收费情况对比给定路段收费情况对比起步价（元）起步价（元）超出起步价距离超出起步价距离收费（元收费（元/公里）公里）超出起步时长收费（元超出起步时长收费（元/分钟）分钟）超出一定里程远途费（元超出一定里程远途费（元/公公里）里）萝卜快跑萝卜快跑某常用网约车平台某常用网约车平台特惠快车特惠快车原价（元）原价（元）实际收费（元）实际收费（元）实际收费（元）实际收费（元）武汉市15-162.4-3.50.2-0.4超出8-12公里：1.5182.7865.860.54超出12公里：2.5上海市7-81.65-20.2-0.3超出20公里：0.530.6821.4736.98北京市18-192.7-30.35-0.85超出10公里：0.953.2412.7723.7广州市163.20-42.245.0618.12深圳市16-201.95-2.250.7-0.8超出8公里：1.563.2017.8阳泉市122.80-192.855.94重庆市16-182.4-3.40.25-0.65超出7公里：428.565.718.88合肥市132.70超出3公里：123.693.078.4长沙市1630-29.22.9213.68嘉兴市萝卜快跑免费体验成都市请仔细阅读在本报告尾部的重要法律声明 13资料来源：扬子晚报、新浪汽车、华金证券研究所1.4 运营成本：车辆折旧运营成本：车辆折旧 人力成本人力成本 其他运营成本其他运营成本u萝卜快跑运营成本主要由三部分构成：1）无人车辆的折旧成本；2）无人车辆运营及维护所需的人力成本；3）电费、洗车等其他运营费用。1、无人车辆的折旧成本u 现阶段运营车辆主要为萝卜快跑第五代无人车，单车成本约现阶段运营车辆主要为萝卜快跑第五代无人车，单车成本约4848万元。万元。萝卜快跑自2013年至今已发布六代无人车车型，而目前投入运营的主要为第五代无人车。第五代无人车首发于2021年，于2023年量产下线，主要与北汽蓝谷旗下极狐、威马汽车及广汽埃安合作车型，单车成本达到约48万元，硬件配置上包含2颗激光雷达、5颗毫米波雷达、13颗摄像头。萝卜快跑第五代无人车（从左到右分别为埃安版、极狐版、威马版）请仔细阅读在本报告尾部的重要法律声明 14资料来源：禾赛科技官网、IT之家、汽车之心、腾讯网等，华金证券研究所整理1.4 运营成本：第六代无人车成本快速下降运营成本：第六代无人车成本快速下降u 第六代无人车于今年量产下线，单车成本大幅下降至第六代无人车于今年量产下线，单车成本大幅下降至20.4620.46万元，降价或主要源于激光雷达配置改动。万元，降价或主要源于激光雷达配置改动。百度Apollo第六代无人车与江铃新能源合作，首发于2022年，于今年量产下线，相较于第五代无人车，单车成本下降超过一半。第六代无人车拥有8颗激光雷达、6颗毫米波雷达、12颗摄像头及12颗超声波雷达。尽管激光雷达数量多于前代，但激光雷达总成本或由于主雷达成本大幅下降而降低；第五代无人车主激光雷达采用40线机械式激光雷达，对应成本约为4万美元（折合人民币约27万元），而第六代无人车的主控激光雷达改为4颗禾赛半固态激光雷达AT128，测算成本仅约人民币3万元。激光雷达配激光雷达配置情况置情况车型及生产方式车型及生产方式总价格（万元）总价格（万元）一、激光雷达：成本下降主因一、激光雷达：成本下降主因二、除激二、除激光雷达外光雷达外成本成本主激光雷达主激光雷达成本成本补盲雷达补盲雷达21年（第五代）北汽极狐阿尔法t（高配版），百度联合北汽极狐进行深度定制化开发的前装量产车型481颗禾赛Pandar40约4万美元（折合人民币约26.8万元）1颗低于21.2万元24年款RT6（第六代）百度自研，江铃代工；所有激光雷达和自动驾驶套件均为前装，落地即可运营20.464颗禾赛AT128半固态激光雷达约为人民币3万元4颗半固态激光雷达低于17.46万元萝卜快跑第六代车型：定制化设计，方向盘可拆卸注：假设AT128价格为2023年禾赛科技激光雷达平均售价请仔细阅读在本报告尾部的重要法律声明 15资料来源：36氪，华金证券研究所1.4 运营成本：人力成本优势有望随着规模化逐步凸显运营成本：人力成本优势有望随着规模化逐步凸显2、人力成本u 目前各地的无人车辆运营主要由对应的自动驾驶响应中心负责，中心需负责监测车辆状态及对应订单情况、处理车辆测试、运营、调度、迭代等问题。根据各地投放车辆数量，每个响应中心配备人数不等，如公开信息显示某地共运营20台Robotaxi（均为有人自动驾驶），对应响应中心共有40余人，人车比为2:1。u RobotaxiRobotaxi成本优势主要来自安全员配备减少带动的人力成本降低，现阶段政策规定云舱安全员人车比不小于成本优势主要来自安全员配备减少带动的人力成本降低，现阶段政策规定云舱安全员人车比不小于1:31:3。团队配置来看，主要包括安全员、调度员、地勤人员、工程师、市场及行政人员等。安全员方面，有人驾驶Robotaxi需每车配备主驾安全员，若进入全无人驾驶阶段则配备云舱安全员，现行规定约束云舱安全员人车比不小于1:3。据赛可智能CTO于乾坤称，人力成本占出租车经营成本的50%，随着Robotaxi的规模部署，全无人Robotaxi在安全员成本上的优势有望逐步显现。人员配置人员配置职责职责云舱安全员云舱安全员主要负责实时监测车辆状态，在有风险的情况下及时进行干预。如果车辆出现异常、故障，或其他需要接管的情况，系统会自动将车辆画面切出来，由云舱安全员接管；因车辆异常造成的接管，也要记录并反馈主驾安全员在纯无人阶段到来前，车辆主驾驶位置的安全员。只有担任过主驾安全员的人，后续才能担任云舱安全员。调度员调度员要进行宏观把控，监控总的故障情况。当监测出车辆故障时，要进行分析，并根据结果向特定部门流转。此外，还要负责自动驾驶车辆运营效率及区域站点热度分析，分时段分需求调度车辆，保证各区域运力充足，提升运力效率。地勤人员车辆故障、运营中断、云舱安全员在接管时，网络又卡顿时，就近的地勤人员会迅速赶往现场检修或挪走车辆。一般是极端天气情况下出现较多。工程师/市场及行政人员/请仔细阅读在本报告尾部的重要法律声明 16资料来源：华夏时报、懂车帝、易车，华金证券研究所测算1.4 运营成本：现阶段日均合计成本接近运营成本：现阶段日均合计成本接近500元元3、其他运营成本u 其他运营成本包括电费、洗车等运营费用。以萝卜快跑一天20单、日均300公里计算，第六代无人车江铃颐驰RT6搭载56.06KWh的磷酸铁锂电池、续航里程为380公里，每日耗电量为44.26KW，电费0.6-0.8元/KW，每日电费成本在26.6-35.4元。另外，第六代无人车采用换电模式，相较于常规的充电桩模式而言每日可增加1小时运营时间，进一步增加运营收入。综合折旧成本u 以第五代无人车、假设折旧年限为以第五代无人车、假设折旧年限为5 5年计算，目前日均合计成本达到年计算，目前日均合计成本达到473473元。元。假设折旧年限为5年的情况下，第五代无人车日均车辆折旧为263元，人力费用 综合运营费用近210元，合计日均成本达到473.01元；而第六代无人车日均车辆折旧下降至112.11元、日均合计成本下降至322.11元。以每天20单的单量、平均收费每公里1.5元、投放车辆为第六代无人车的情况下，平均每单的公里数达到10.7公里，可实现盈亏平衡。车型车型1、车辆成本、车辆成本日均折旧费用日均折旧费用-元元（5年折旧）年折旧）日均折旧费用日均折旧费用-元元（8年折旧）年折旧）2、安全员人力成本、电费、安全员人力成本、电费、洗车等运营费用洗车等运营费用日均合计成本（日均合计成本（5年折旧）年折旧）日均合计成本日均合计成本（8年折旧）年折旧）第五代车型48万元263.01164.38210473.01 374.38 第六代车型20.46万元112.1170.07210322.11 280.07 综合日均成本测算请仔细阅读在本报告尾部的重要法律声明 17目录目录0102040305国内国内RobotaxiRobotaxi商业化进展分析商业化进展分析以萝卜快跑为例以萝卜快跑为例国内国内RobotaxiRobotaxi竞争格局：互联网企业商业化进度领先竞争格局：互联网企业商业化进度领先中美中美R Robotaxiobotaxi发展发展进度对比：美国起步较早，但商业化进展相对缓慢进度对比：美国起步较早，但商业化进展相对缓慢RobotaxiRobotaxi热点讨论热点讨论风险提示风险提示请仔细阅读在本报告尾部的重要法律声明 18资料来源：文远知行招股预案、证券时报、36氪、网易科技等，华金证券研究所整理国内国内Robotaxi竞争格局：互联网厂商竞争格局：互联网厂商 传统企业传统企业u 按照核心业务类型来看，国内Robotaxi厂商主要可分为两大类：1）互联网企业，典型的为百度旗下萝卜快跑、小马智行、文远知行、Momenta等，该类公司以自动驾驶/无人驾驶车辆运营为核心业务，Robotaxi商业化测试运营已有一定年限；2）传统企业，如滴滴出行、如祺出行及广汽集团、曹操出行及吉利汽车、T3出行及三大车企股东、小鹏汽车、特斯拉等，此类企业在整车生产或平台运营领域已有一定的积累，但Robotaxi业务进展相对缓慢，其中部分企业积极联合互联网厂商进行商业化推进。企业类型企业类型企业名称企业名称自动驾驶测试里程自动驾驶测试里程车辆总数车辆总数累计单量累计单量覆盖城市数量覆盖城市数量开展业务时间开展业务时间互联网企业萝卜快跑萝卜快跑1亿公里超500辆600万12城2013年小马智行小马智行超3600万公里超200辆近20万4城2016年文远知行文远知行超1500万公里超500辆国内 中东共14城2017年MomentaMomenta60辆2城2016年传统企业如祺出行如祺出行&广汽集团广汽集团超45万公里281辆（自有35辆）2城2021年曹操出行曹操出行&吉利汽车吉利汽车国内3城 海外2016年滴滴出行滴滴出行200辆（2023.5）6城 美国加州2016年T3T3出行出行超60万公里100辆（2022.9）1城2020年小鹏汽车小鹏汽车1城特斯拉特斯拉尚未落地国内国内Robotaxi厂商商业化最新进展厂商商业化最新进展请仔细阅读在本报告尾部的重要法律声明 19资料来源：华金证券研究所整理国内国内Robotaxi竞争格局：互联网厂商竞争格局：互联网厂商 传统企业传统企业u 国内部分自动驾驶厂商之间通过互相合作进一步加速Robotaxi业务推进，形成如“小马智行 如祺出行&广汽集团 曹操出行&吉利汽车”、“滴滴出行 广汽集团”等企业联合体。综合来看，国内Robotaxi进展较快的企业或企业联合体包括萝卜快跑、文远知行主导的企业联合体、小马智行主导的企业联合体等，以T3出行、滴滴出行、Momenta为主导的合作集团亦已取得一定进展。曹操出行&吉利汽车 小马智行 如祺出行&广汽集团吉利汽车 文远知行 如祺出行&广汽集团Momenta 享汽出行&上汽集团滴滴出行 广汽集团轻舟智航、智行者 T3出行 长安汽车、东风汽车、一汽集团萝卜快跑小鹏特斯拉请仔细阅读在本报告尾部的重要法律声明 20资料来源：文远知行招股预案、南方都市报、澎湃新闻、智能车参考，华金证券研究所整理2.1 文远知行：零事故运营将满文远知行：零事故运营将满5年年，落地国内及中东，落地国内及中东14城城u 文远知行（文远知行（WeRideWeRide）创立于）创立于20172017年，创始团队在计算机视觉领域有较好的积累。年，创始团队在计算机视觉领域有较好的积累。创始人之一韩旭为密苏里大学计算机视觉和机器学习实验室主任、终身教授，曾任百度自动驾驶首席科学家；联合创始人兼首席技术官李岩曾任Facebook及微软的核心工程师，是微软亚洲研究院早期员工、计算机视觉顶级专家。u 公司纳斯达克公司纳斯达克IPOIPO增发股份将获博世认购超增发股份将获博世认购超9 9成，此外，雷诺日产三菱联盟、广汽集团均为其股东；与吉利合作车型将于今成，此外，雷诺日产三菱联盟、广汽集团均为其股东；与吉利合作车型将于今年投入量产。年投入量产。2022年5月，公司获得博世战略投资，双方签署战略合作协议、共同开发L2 的ADAS解决方案，2024年4月对应方案已在奇瑞星纪元ET车型落地。据公司8月披露的最新招股文件显示，公司纳斯达克IPO拟发行645万股ADS募集1.19亿美元资金，其中超过91%的ADS将由博世认购。雷诺日产三菱联盟的风投基金在2018年及2021年均参与了公司的融资。在此次IPO的同时，公司还将以私募方式出售价值3.205亿美元的A类普通股，投资者包括雷诺日产三菱联盟、广汽集团等。公司与广汽集团的首次合作为2018年共同推出国内首辆Robotaxi。此后，广汽集团旗下广汽资本于2021年投资文远知行3000万美元，据广汽集团关于投资文远知行的议案显示，未来几年双方计划逐步建立起一支数万辆规模的Robotaxi车队。据公司8月披露的最新招股文件显示，公司与吉利合作开发L4自动驾驶汽车的商业化，预计双方共同开发的L4级Robotaxi将于今年投入量产。请仔细阅读在本报告尾部的重要法律声明 21资料来源：文远知行招股预案、东风日产官网、文远知行官网、IT之家，华金证券研究所整理2.1 文远知行：零事故运营将满文远知行：零事故运营将满5年年，落地国内及中东，落地国内及中东14城城u 公司公司RobotaxiRobotaxi业务已在全球业务已在全球1414个城市开展测试运营，运营天数超个城市开展测试运营，运营天数超1,7001,700天。天。公司在阿联酋、中国共14个城市已开展Robotaxi测试运营（包含3个收费运营城市），其间事故发生率为零。今年8月14日，公司取得美国加州Robotaxi载人测试批准。另外，公司预告将于今年10月15日发布新一代Robotaxi车型。u 文远知行无人车与多家车企合作打造。文远知行无人车与多家车企合作打造。2020年4月，公司对外公开无人车队超100辆规模，包含林肯MKZ、日产LEAF2、广汽GE3、广汽Aion.LX、小鹏P7，东风日产纯电动轩逸等车型；其中，东风日产轩逸专门用于Robotaxi运营，车辆数超过40辆。文远知行Robotaxi车队业务发展时间线业务发展时间线2017年于硅谷成立，原名为景驰科技2019年11月 在广州落地全国首支一线城市Robotaxi车队并开启运营服务2020年4月 Robotaxi实现对外全开放运营超100天，车队规模超200辆2020年6月 与高德达成合作，Robotaxi上线高德打车平台2020年7月 获得全国首个智能网联汽车远程测试许可，开始全无人驾驶路测2021年2月 获得网约车运营许可，成为中国第一家拥有相关资质的自动驾驶企业2021年12月文远知行WeRide宣布获得广汽集团战略投资，双方合作再次升级，共同推进Robotaxi前装量产车型的研发制造。2022年1月 公开道路自动驾驶里程突破1000万公里2023年1月 与地平线达成战略合作，共同开发L4级自动驾驶解决方案2023年3月宣布将与新加坡公共交通运营商SMRT下属子公司Strides合作开启在新加坡的自动驾驶车辆测试及示范运营2023年11月 获准在北京亦庄开展全无人Robotaxi收费服务2024年7月文远知行正式向美国证券交易委员会提交了IPO申请文件，计划以“WRD”为股票代码在纳斯达克挂牌上市2024年8月 获准在美国加州进行载人测试（包括前排有人及全无人），但不能收费请仔细阅读在本报告尾部的重要法律声明 22资料来源：36氪、东方网、界面新闻、百度百科，华金证券研究所2.2 小马智行：落地北上广深、测试里程超三千万公里小马智行：落地北上广深、测试里程超三千万公里u 小马智行（小马智行（Pony.aiPony.ai）由彭军及楼天成共同于）由彭军及楼天成共同于20162016年创立，两人在计算机、自动驾驶领域具有丰富的从业经验。年创立，两人在计算机、自动驾驶领域具有丰富的从业经验。其中，彭军曾就职于谷歌七年、担任软件工程师，且曾担任百度自动驾驶部门首席架构师、负责百度自动驾驶整体战略发展；楼天成深耕计算机编程，曾连续11年蝉联TopCoder中国区冠军，且曾是百度历史上最年轻的T10工程师、具备Google X无人车技术开发经验。u 小马智行业务已落地国内小马智行业务已落地国内4 4个城市，测试里程超三千万公里。个城市，测试里程超三千万公里。小马智行于2017年3月正式建立研发中心，同年于广州落地跑测，2019年自动驾驶测试总里程已超百万公里，2021年超过100台Robotaxi车辆投入运营。目前，小马智行已在北上广深4城提供全无人Robotaxi服务，其中在广州已投放超过100辆Robotaxi；自动驾驶测试里程超3600万公里。业务发展时间线业务发展时间线2016年正式成立2017年3月于北京建立研发中心2017年于加州公开道路测试，广州落地跑测2018年2月在广州落地中国首支常态化试运营自动驾驶车队2018年12月推出出行服务平台与手机应用PonyPilot2019年11月自动驾驶测试总里程突破100万公里2021年超100台Robotaxi车辆投入运营2022年6月在深圳开通自动驾驶出行服务，并与多家企业合作，加快无人配送领域的商业化落地2022年8月宣布与曹操出行达成合作，推动Robotaxi在城市出行场景的规模化落地应用2022年10月正式接入如祺出行，引入混合运营的合作模式2022年首度公开第六代L4自动驾驶软硬件系统，车规级量产2023年1月推出乘用车智能驾驶业务产品线，包括智驾软件品牌“小马识途”等，并成立独立事业部“POV”运营该业务2023年8月与广汽丰田、丰田中国签订协议，计划成立Robotaxi相关事业合资公司，推进L4级自动驾驶的无人化、规模化、商业化应用2024年4月计划于纳斯达克证券交易所或纽约证券交易所上市请仔细阅读在本报告尾部的重要法律声明 23资料来源：IT之家、懂车帝，华金证券研究所2.2 小马智行：落地北上广深、测试里程超三千万公里小马智行：落地北上广深、测试里程超三千万公里u 小马智行无人车已发布七代，最新第七代为今年小马智行无人车已发布七代，最新第七代为今年4 4月发布的丰田铂智月发布的丰田铂智4X4X概念车。概念车。第七代硬件配置及成本尚未有公开资料披露，但传感器方案仍采用包含固态激光雷达、摄像头、毫米波雷达的车规级多传感器方案。目前投入使用主要为2022年发布的第六代无人车，该车型包含6颗激光雷达、3颗毫米波雷达及11颗摄像头的传感器配置。车型车型毫米波雷达毫米波雷达激光雷达激光雷达超声波雷达超声波雷达摄像头摄像头第六代：丰田赛那Autono-MaaS（2022年）36（4颗位于车顶，2颗位于两侧补盲）-11第七代：丰田铂智4X Robotaxi概念车（2024年）暂未披露暂未披露暂未披露暂未披露小马智行第六代无人车小马智行第七代无人车小马智行无人车硬件配置方案请仔细阅读在本报告尾部的重要法律声明 24资料来源：中国汽车报、中新经纬、动点科技、连线出行，华金证券研究所2.2 小马智行：落地北上广深、测试里程超三千万公里小马智行：落地北上广深、测试里程超三千万公里u 目前小马智行目前小马智行RobotaxiRobotaxi运营服务已接入曹操出行、如祺出行平台；今年运营服务已接入曹操出行、如祺出行平台；今年4 4月，公司与广汽丰田、丰田中国三方合资公司成月，公司与广汽丰田、丰田中国三方合资公司成立，一期预计向国内市场投放千台立，一期预计向国内市场投放千台RobotaxiRobotaxi。u 2022年8月，公司正式接入曹操出行APP，8月3日起，北京地区的用户可通过曹操出行APP及小程序首页“自动驾驶”专属入口触达小马智行Robotaxi服务。同年9月，小马智行宣布与曹操出行、吉利汽车创新研究院智能驾驶中心达成战略合作，基于小马智行的自动驾驶软硬件技术、曹操出行的可适用于全无人驾驶的车辆和共享出行平台，以及吉利汽车智驾中心的系统软件开发和底层平台建设能力，三方拟于内完成Robotaxi车队的组建，并推动车辆于苏州高铁新城落地运营。u 2021年，小马智行与如祺出行开始合作。2022年4月，小马智行与如祺出行深化战略合作关系，推动百辆级Robotaxi对外服务的开展；10月，小马智行的Robotaxi运力正式接入如祺平台；12月，搭载小马智行第六代自动驾驶软硬件系统的广汽埃安AION LX Plus车型Robotaxi成功入选广州市智能网联汽车车型目录。u 2023年8月，公司与广汽丰田、丰田中国签订协议，计划投资超过10亿元人民币成立Robotaxi合资公司，以实现Robotaxi的前装量产和规模化部署。2024年4月26日，丰田中国与小马智行、广汽丰田三方正式注册了合资公司“骓丰智能科技”，按照合资公司规划，第一期将面向中国市场投放千台规模自动驾驶车辆，产线下线后接入小马智行Robotaxi运营平台，在国内一线城市提供全无人驾驶出行服务。u 未来发展方面，小马智行希望在未来发展方面，小马智行希望在2025-20262025-2026年在单一城市可实现千台年在单一城市可实现千台RobotaxiRobotaxi的落地运营。的落地运营。据小马智行副总裁、北京研发中心负责人张宁表示，当一个城市Robotaxi投放数量达到500到1000台时（北上广深需达到千台），才有望达到盈亏平衡。小马智行希望在明后年实现单一城市千台规模的Robotaxi落地运营。请仔细阅读在本报告尾部的重要法律声明 25资料来源：Momenta官网、36氪、晚点latepost，华金证券研究所2.3 Momenta：与享道出行、上汽集团深度合作：与享道出行、上汽集团深度合作u MomentaMomenta成立于成立于20162016年年9 9月，创始团队技术研究实力突出。月，创始团队技术研究实力突出。公司核心创始人曹旭东在清华大学就学期间曾发布多个计算机视觉顶会论文，在美国National Data Science Bowl比赛中曾获全球亚军，在索尼、微软、商汤等多家科技公司有就职经历。前联合创始人兼研发负责人任少卿毕业于中国科技大学与微软（亚洲研究院）联合培养博士班，曾与曹旭东在微软有过共事经历。核心团队中的孙刚、夏炎均是深度学习领域的资深研究者。u 公司与享道出行、上汽集团深度合作，公司与享道出行、上汽集团深度合作，RobotaxiRobotaxi在上海嘉定、苏州高铁新城落地运营。在上海嘉定、苏州高铁新城落地运营。公司联合上汽集团人工智能实验室、享道出行共同推进Robotaxi业务，在上海嘉定、苏州高铁新城合计已部署60台车。业务发展时间线业务发展时间线2016年9月公司成立2019年中开始投入资源研发 L4 级别自动驾驶方案 MSD2020年推出了搭载L4级别自动驾驶方案的 Robotaxi 产品 Momenta GO，10 月在苏州开启了邀请制的运营测试。2021年12月8日上汽集团人工智能实验室、Momenta、享道出行联合在享道出行内上线了Robotaxi服务，先期在上海嘉定、苏州高铁新城分别部署20台运营车辆2022年6月享道Robotaxi运营车队整体规模达60台，单车日订单量约为20单。2022年8月15日参与对享道出行的10亿元人民币B轮融资Momenta、享道出行及上汽集团联合打造的Robotaxi请仔细阅读在本报告尾部的重要法律声明 26资料来源：如祺出行官网、百度百科、深圳新闻网、新浪网，华金证券研究所2.4 如祺出行如祺出行&广汽集团：着手大湾区，积极联合小马智行广汽集团：着手大湾区，积极联合小马智行/文远知行文远知行u 如祺出行及广汽集团积极布局如祺出行及广汽集团积极布局RobotaxiRobotaxi业务，通过联合文远知行、小马智行推进业务，通过联合文远知行、小马智行推进RobotaxiRobotaxi商业化，现阶段业务聚焦于广州、商业化，现阶段业务聚焦于广州、深圳两城。深圳两城。广汽旗下如祺出行于2021年开始布局Robotaxi业务，2021年11月，如祺出行宣布与文远知行、小马智行达成战略合作，2022年小马智行、文远知行参与对如祺出行的A轮融资。目前公司在深圳、广州已投放Robotaxi运力，截至2023年底，如祺出行平台共接入281辆Robotaxi，其中平台自有车为35辆。此外，今年8月新取得横琴合作区Robotaxi路测资质。如祺出行无人车时间时间事件事件2021年如祺出行开始布局Robotaxi的开发及商业化2021年11月广汽集团、如祺出行与文远知行宣布达成战略合作，开启Robotaxi前装车型设计、研发和量产落地的全面升级。2021年11月如祺出行宣布与小马智行达成合作，双方将基于各自在共享出行及自动驾驶领域的优势，共同推动自动驾驶技术商业化落地。2021年12月广汽集团、文远知行、如祺出行三方举办战略合作及投资签约仪式，宣布达成战略合作，将基于各自优势共同推进Robotaxi前装车型设计、研发、量产和商业化运营。2022年5月 如祺出行在广州正式推出如祺车站，首批车站共50座。2022年10月如祺出行在广州正式开启有人驾驶车辆和自动驾驶车辆混合运营模式，并成为全球首个实现Robotaxi混合运营的出行平台。首期开放区域为广州市南沙区全域，投放运力超60辆。2022年12月如祺出行Robotaxi车队首款车型入选广州市第二批混行示范运营车型目录。2023年3月如祺出行与四维图新达成战略合作，双方将主要围绕在出行领域共同“打造提升出行体验的产品和服务”这一战略目标，整合各自优势资源，在高精度地图、自动驾驶应用、智慧交通三大领域开展合作，构建战略合作伙伴关系。2023年4月如祺出行在广州获得智能网联汽车示范运营资格，自有Robotaxi车队正式上线运营，成为国内首个以专有Robotaxi车队进行示范运营的出行服务平台。2023年6月 如祺出行、小马智行与深圳前海达成合作协议，将在前海开展自动驾驶商业化试点运营。2024年1月如祺出行获准在深圳市前海片区、南山粤海片区、宝安机场片区、深圳湾和深圳湾口岸开展Robotaxi载人示范应用活动；同月，取得深圳宝安区智能网联汽车商业化试点牌照。2024年6月 如祺出行取得国家级智能网联汽车服务试点准入资质。2024年8月 如祺出行获准在横琴粤澳深度合作区全域开展Robotaxi道路测试。请仔细阅读在本报告尾部的重要法律声明 27资料来源：元戎启行官网、36氪、腾讯网、第一财经等，华金证券研究所整理2.5 曹操出行曹操出行&吉利汽车：与多个自动驾驶企业合作吉利汽车：与多个自动驾驶企业合作u 曹操出行已在北京、杭州、苏州曹操出行已在北京、杭州、苏州3 3城及海外某地测试自动驾驶接驾服务，先后与元戎启行、小马智行、中智行等自动驾驶城及海外某地测试自动驾驶接驾服务，先后与元戎启行、小马智行、中智行等自动驾驶企业进行合作企业进行合作。曹操出行自2016年起开始已在海外测试一键呼叫自动驾驶专车接驾服务，先后在杭州、北京、苏州展开自动驾驶运营服务。曹操出行Robotaxi生产主要依托吉利汽车，同时，公司先后与自动驾驶企业元戎启行、小马智行、中智行达成战略合作，共同推动Robotaxi业务发展。时间时间事件事件2016年曹操出行宣布在海外测试一键呼叫自动驾驶专车接驾服务。2020年8月深圳元戎启行科技有限公司与曹操出行联合宣布，双方正合作在杭州进行自动驾驶车辆的测试运营合作，目标是在2022年杭州亚运会期间提供自动驾驶出行服务。双方的合作基于吉利旗下高端纯电动车型几何A打造而来的自动驾驶汽车。2022年8月北京地区的用户可通过曹操出行App“自动驾驶”专属入口，预约由小马智行提供的Robotaxi服务（PonyPilot ），出行服务覆盖北京亦庄60平方公里核心区，支持全天候和长时段的服务，涵盖250个自动驾驶上下客站点。2022年9月小马智行宣布与曹操出行、吉利汽车创新研究院智能驾驶中心达成战略合作。小马智行将利用自身在L4级自动驾驶技术以及Robotaxi运营等领域的积累，与曹操出行及吉利汽车智驾中心共同打造智能驾驶开放运营平台，在苏州落地运营Robotaxi服务。2022年11月曹操出行与中智行达成战略合作，双方将从苏州市相城区起步，落地运营Robotaxi服务，打造车路协同城市级应用的“苏州模式”。2023年3月29日 曹操出行发布了共享定制车品牌曹操汽车以及自动驾驶战略。2023年10月中智行联合曹操出行、先导产投，共同发布全球首款纯路端感知RoboTaxi上线试运营，助力ITS大会技术考察路线参观试乘，合作产品亮相智驾全球首款纯路端感知L4级别RoboTaxi，打通了车路云一体化示范应用与城市共享出行的运营平台，是曹操出行智驾运营平台首次接入的车路协同运力。曹操出行无人车：几何A（元戎启行）请仔细阅读在本报告尾部的重要法律声明 28资料来源：滴滴出行官网、澎湃新闻、百度百科，华金证券研究所2.6 滴滴出行：旗下滴滴出行：旗下Robotaxi超超200台，发布去除驾驶位的概念车型台，发布去除驾驶位的概念车型u 滴滴出行自动驾驶团队超千人，目前布设车辆超过滴滴出行自动驾驶团队超千人，目前布设车辆超过200200台，覆盖国内台，覆盖国内6 6城城 美国加州，其中在上海、广州已落地商业运营服美国加州，其中在上海、广州已落地商业运营服务。务。滴滴自动驾驶业务自2016年开展，搭建了高精地图、路人及车辆行为预测等多个专业团队，截至2023年4月团队已达千人规模。自2018年以来，滴滴陆续在美国加州、北京、上海、苏州、合肥、长沙、广州取得测试牌照，最新版的滴滴出行APP已可在上海、广州的指定区域内实现混合派单。截至2023年5月，滴滴出行已经在广州、上海、北京、苏州等城市拥有超200辆自动驾驶车辆。时间时间事件事件2016年滴滴组建自动驾驶技术与应用研发部门，拥有高精地图、路人及车辆行为预测、路线规划与控制等多个专业团队，并在全球多地开展研发、测试。2018年5月 滴滴已获准在美国加利福尼亚州测试自动驾驶汽车。2019年8月 滴滴出行宣布旗下自动驾驶部门升级为独立公司,专注于自动驾驶研发、产品应用及相关业务拓展。2020年6月 滴滴自动驾驶宣布与北汽合作，双方将共同研发高级别自动驾驶定制车型，专门用于Robotaxi运营。2020年6月 滴滴出行首次面向公众开放自动驾驶测试。用户可通过滴滴APP报名，审核通过后将能在上海自动驾驶测试路段免费呼叫自动驾驶车辆进行试乘体验。2021年4月沃尔沃与滴滴出行旗下自动驾驶公司签署战略合作协议，双方将在自动驾驶测试车队上展开合作。沃尔沃汽车将向滴滴自动驾驶提供支持转向和制动冗余系统的XC90车型。通过整合自动驾驶所需的软件和硬件系统，车辆将完全具备自动驾驶能力。2021年5月滴滴旗下自动驾驶公司宣布与广汽埃安新能源汽车有限公司达成战略合作。双方将在智能汽车领域探讨合资、合作模式，结合滴滴自动驾驶软、硬件技术研发优势与广汽埃安领先的自动驾驶整车平台及整车设计、制造能力，共同从线控底盘、自动驾驶传感器与系统集成等基础维度，全新定义并开发一款可投入规模化应用的无人驾驶新能源车型，并全速推进量产。2023年4月滴滴自动驾驶发布首个自动驾驶自动运维中心，以及首款自动驾驶概念车DiDi Neuron。滴滴还宣布，首款量产车型计划于2025年接入滴滴共享出行网络，实现全天候、规模化的混合派单。2023年5月1）公司与广汽埃安新能源汽车股份有限公司签订深化合作协议，共同发布无人驾驶新能源量产车项目“AIDI计划”，并宣布将成立合资公司，是国内首次以自动驾驶公司和整车企业合资的形式推进无人驾驶新能源汽车规模化量产。2）滴滴自动驾驶与法雷奥签署战略合作及投资意向书，法雷奥将对滴滴自动驾驶进行战略投资，并共同开发针对L4级无人驾驶出租车（Robotaxi）的智能安全解决方案。2024年4月滴滴自动驾驶与广汽埃安宣布合资公司广州安滴科技有限公司获批工商执照。首款车型已完成产品定义，正在进行设计造型的联合评审，计划明年实现量产。请仔细阅读在本报告尾部的重要法律声明 29资料来源：IT之家、中国基金报、量子位，华金证券研究所2.6 滴滴出行：旗下滴滴出行：旗下Robotaxi超超200台，发布去除驾驶位的概念车型台，发布去除驾驶位的概念车型u 滴滴出行发布了去除驾驶位的新一代滴滴出行发布了去除驾驶位的新一代RobotaxiRobotaxi概念车型概念车型DiDiDiDi Neuron Neuron。2023年4月，滴滴在开放日活动上发布概念车DiDi Neuron，该款车型去掉了驾驶位，相较普通网约车内部空间提升50%，腿部空间提升86%。同时，屏幕使用数量提升，车内搭载大屏交互系统实现娱乐功能，车外搭载“智能交互五联屏”代替传统车灯，可用来显示车辆转弯、到达、充电等状态。硬件方面，Neuron总共配置了21个相机、8个激光雷达、6个毫米波雷达。u 量产车领域，滴滴先后与北汽、沃尔沃合作，去年与广汽埃安成立合资公司、双方合作车型预计明年量产。量产车领域，滴滴先后与北汽、沃尔沃合作，去年与广汽埃安成立合资公司、双方合作车型预计明年量产。公司此前Robotaxi车型基于沃尔沃XC60、沃尔沃SC90等车型改装。今年4月，公司与广汽埃安的合资公司安滴科技正式取得工商执照，首款合作车型正在进行设计造型的联合评审，计划于2025年实现量产并接入滴滴共享出行网络。滴滴Neuron概念图车内使用空间大幅增加车外搭载“智能交互五联屏”请仔细阅读在本报告尾部的重要法律声明 30资料来源：北京商报、电商报、财经网、易车，华金证券研究所2.7 T3出行出行&三大主机厂：苏州测试里程超三大主机厂：苏州测试里程超60万公里万公里u T3T3出行主要联合轻舟智航、智行者等企业推进出行主要联合轻舟智航、智行者等企业推进RobotaxiRobotaxi业务，目前在苏州业务，目前在苏州RobotaxiRobotaxi测试运营里程达到测试运营里程达到6060万公里。万公里。T3出行Robotaxi业务于2021年9月落地苏州，已在苏州投放至少百台车辆，截至2023年5月，测试运营里程超过60万公里、累计乘车人次超过8万人；下一步公司拟在北京、广州开展商业化试点。公司分别在2021年9月、12月与轻舟智航、智行者达成合作，未来T3将与头部自动驾驶公司合作，依托三大主机厂，推动Robotaxi业务发展。时间时间事件事件2020年12月T3出行联手苏州高铁新城、整车企业、科技公司等30余家合作伙伴共同发起成立国内首个自动驾驶生态运营联盟鳌头联盟（Auto-union）。鳌头联盟将推动自动驾驶从实验性封闭场景过渡到真实开放运营场景，从单一企业到多核生态延展，实现从单一运力到混合运营的升级。2021年9月T3在苏州联手轻舟智航启动Robotaxi（自动驾驶出租车）的公开运营。2021年12月T3出行与智行者签署战略合作协议，双方将共同探索Robotaxi落地创新模式，同时智行者改制生产的首批Robotaxi正式交付。2022年5月T3出行宣布与L4级自动驾驶通用解决方案公司轻舟智航达成战略合作，通过持续整合双方的资源和优势，以“技术 生态”驱动的创新模式迅速扩大无人驾驶的商业化落地。苏州的T3 Robotaxi搭载了轻舟自主研发的Driven-By-QCraft自动驾驶解决方案。2022年9月T3出行宣布，正式与轻舟智航在苏州联合启动Robotaxi的公开运营，投放了100台左右Robotaxi。2023年5月截至目前，T3出行自动驾驶车辆已累积自动驾驶运行里程超过60万公里，吸引了超过8万人体验，接下来T3出行将与头部自动驾驶公司合作，在北京、广州等一线城市开展无人驾驶服务商业化试点。T3出行robotaxi（智行者交付版）请仔细阅读在本报告尾部的重要法律声明 31资料来源：小鹏官网、澎湃新闻、新浪科技、IT之家，华金证券研究所2.8 小鹏汽车：去年开启广州路测，不介入小鹏汽车：去年开启广州路测，不介入Robotaxi运营运营u 小鹏汽车主要从小鹏汽车主要从20222022年开始发力年开始发力RobotaxiRobotaxi业务，目前在广州进行载客运营。业务，目前在广州进行载客运营。2021Q3业绩会上，何小鹏表示将于2022年H2开始在广州探索Robotaxi业务，2022年11月，小鹏G9成功获得广州路测牌照，2023年4月，小鹏G9获得广州载客运营牌照。据何小鹏微博透露，小鹏汽车将在2026年推出有竞争力的Robotaxi，但不会介入Robotaxi的运营环节。u 小鹏汽车小鹏汽车RobotaxiRobotaxi由小鹏由小鹏G9G9通过软件升级强化而成，是业内首款硬件零改装量产的自动驾驶汽车。通过软件升级强化而成，是业内首款硬件零改装量产的自动驾驶汽车。小鹏G9在硬件通用的情况下，仅在软件部分针对Robotaxi场景进行多项优化，其前装量产的模式使得在研发、量产及维护成本上有较大改善。小鹏汽车Robotaxi小鹏G9业务发展时间线业务发展时间线2021年11月何小鹏在Q3电话会议中明确表示，小鹏汽车将于2022年下半年开始在广州探索Robotaxi业务2022年2月向广州天河区投放数百辆改装后的小鹏G3开展robotaxi业务2022年2月14日 全资子公司广州鹏煦自动驾驶科技有限公司成立，注册资本1000万2022年11月小鹏G9成功获得广州智能网联汽车道路测试牌照2023年4月小鹏G9正式获得广州市智能网联汽车载客测试牌照，将在2023年下半年在广州市黄埔区面向所有用户开启自动驾驶载客测试2026年 推出有竞争力的Robotaxi请仔细阅读在本报告尾部的重要法律声明 32资料来源：美联社、IT之家、36氪、中国日报、澎湃新闻、腾讯网，华金证券研究所2.9 特斯拉：在华测试获支持，预计特斯拉：在华测试获支持，预计10月发布月发布Robotaxiu RobotaxiRobotaxi发布会由发布会由8 8月延期至月延期至1010月，预计年底前进入中国市场。月，预计年底前进入中国市场。特斯拉早在2016年发布的秘密宏图第二篇章中便提及Robotaxi业务；2022年，公司宣布到2024年将实现Robotaxi的量产。今年10月10日，特斯拉预计将举行Robotaxi发布会；据中国日报消息，特斯拉Robotaxi国内示范测试已获得相应支持，预计Robotaxi将在年底前进入中国市场。u 特斯拉测试车引发关注。特斯拉测试车引发关注。特斯拉Robotaxi方案与小鹏类似，均为不进行硬件改装、仅改变自动驾驶系统。稍早的7月10日，一辆安装了3个位置独特的摄像头、且不配备后视镜的特斯拉 Model 3 测试车出现在美国加州。尽管该车辆的确切用途尚不明确，但结合其出现的时间节点以及摄像头的位置来看，或是特斯拉为即将到来的Robotaxi发布会做准备。“可疑”的Model 3测试车业务发展时间线业务发展时间线2016年在秘密宏图第二篇章中提到Robotaxi，“让车辆在闲置的时候，通过分享来为车主赚钱”。2022年马斯克在电话会中宣布，预计到2024年将实现无方向盘和踏板的新型Robotaxi的量产。2024年4月马斯克宣布特斯拉将于2024年8月8日发布Robotaxi。2024年5月特斯拉无人驾驶出租车在华示范测试已获支持2024年7月马斯克在社交媒体平台上确认原定于8月8日举行的Robotaxi发布会将推迟至10月10日进行，这一决定是为了对车辆前部进行重要的设计更改。预计Robotaxi今年年底前进入中国市场，并在今年内于全球发布。马斯克表示，特斯拉将推出共享乘车平台，车辆所有者将直接与特斯拉分享收入。请仔细阅读在本报告尾部的重要法律声明 33目录目录0102040305国内国内RobotaxiRobotaxi商业化进展分析商业化进展分析以萝卜快跑为例以萝卜快跑为例国内国内RobotaxiRobotaxi竞争格局：互联网企业商业化进度领先竞争格局：互联网企业商业化进度领先中美中美R Robotaxiobotaxi发展进度对比：发展进度对比：美国起步较早，但商业化进展相对缓慢美国起步较早，但商业化进展相对缓慢RobotaxiRobotaxi热点讨论热点讨论风险提示风险提示请仔细阅读在本报告尾部的重要法律声明 34资料来源：大力财经、汽车测试网、智能交通技术、美国交通部、中汽创新创业中心等、华金证券研究所整理3.1.1 美国在自动驾驶政策出台的时间上占据先机美国在自动驾驶政策出台的时间上占据先机u 2013年-2014年美国公布的 自动驾驶汽车政策与SEA提出的智能驾驶分级标准不仅 明确了L0-L5的自动驾驶分级标准、成为我国汽车驾驶自动化分级中级别划分的重要参考之一，上述文件更被视为美国自动驾驶政策的起点；2016年美国颁布了全球首个无人驾驶汽车政策文件联邦自动驾驶汽车政策，后续基本保持“一年一更”的惯例。从时间维度上看，从时间维度上看，我国针对智能汽车的早期纲领性文件发布时间基本集中在我国针对智能汽车的早期纲领性文件发布时间基本集中在20182018年年-2020-2020年、明显较美国稍晚。年、明显较美国稍晚。2013-2014年年 美国发布关于自动驾驶分级的 自动驾驶汽车政策 2014年汽车工程协会（SEA)提出的智能驾驶分级标准2016年年 9月，美国交通运输部公布了全球首个无人驾驶汽车政策文件联邦自动驾驶汽车政策 11月，美国交通部公布“自动驾驶试验场试点计划”2017年年 7月，美国通过自动驾驶法案，首次对自动驾驶汽车的生产、测试和发布进行管理。9月，美国交通部 发布自动驾驶系统 2.0：安全愿景；该指南虽仅供参考，并不具有强制性。2018年年 10月，美国交通部 发布为交通运输的未来做准备：自动驾驶车辆3.0对行业、各州和地方政府的指导，尤其是针对自动驾驶汽车的测试。2020年年 1月，美国交通部公布的自动驾驶汽车准则4.0，确立三大原则：（一）保护用户和社区团体的网络及数据安全；（二）保护美国的创新和创造；（三）确保一致的联邦方针。3月，美国交通部发布智能交通系统战略规划2020-2025。提出提高交通安全、提高运输效率、改善乘客体验三大战略目标。2021年年 1月，美国交通部发布自动驾驶汽车综合计划，重点强调了自动驾驶技术的安全性和监管环境的规范。请仔细阅读在本报告尾部的重要法律声明 35资料来源：中汽技术信息、百度图片、华金证券研究所3.1.2 美国政策以鼓励发展为主，数据安全管理并行美国政策以鼓励发展为主，数据安全管理并行u 从政策态度上看，不同于中国对Robotaxi商业化落地严格遵循“循序渐进、稳扎稳打”的态度，早期美国交通部基本只采取灵活且相对“亲商”的态度，前述的纲领性文件大多相当于行业指南，内容以鼓励性政策为主，旨在为自动驾驶汽车内容以鼓励性政策为主，旨在为自动驾驶汽车发展建立一个稳定、宽容、甚至开放的监管框架发展建立一个稳定、宽容、甚至开放的监管框架，同时推动全美交通运输系统在安全性、机动性和效率方面取得提升，以确保美国自动驾驶产业的领先地位。美国交通部建立自动驾驶汽车相关政策，主要基于以下六大原则：交通部将牵头应对潜在的安全风险，提高自动驾驶的生命保护潜力，增强公众对新兴技术的信心交通部采取灵活、技术中立的政策，以促进竞争和创新达到最终目标交通部将对不必要的阻碍自动驾驶汽车发展或不能满足关键安全需求的法规进行调整或消除美国交通部拥抱开放道路的自由，这包括美国人驾驶车辆的自由，尊重美国人民根据自身需求选择最合适的出行方式交通部将提供指导、最佳实践、试点项目和其他援助，以实现一个动态的、灵活的自动驾驶未来美国交通部将促进监管一致性，使自动化车辆能在全国范围内顺利运行请仔细阅读在本报告尾部的重要法律声明 36资料来源：SAE International、中汽技术信息、汽车测试网、车东西、新京报、谈思实验室、搜狐网、华金证券研究所3.1.2 美国政策以鼓励发展为主，数据安全管理并行美国政策以鼓励发展为主，数据安全管理并行n（1）自动驾驶系统2.0：安全愿景引言中，交通运输部局长赵小兰女士明确提到，“美国交通运输部将制定一个政策性框架，鼓励自动驾驶汽车技术的安全开发、测试与部署，而非制造阻碍。”n（2）明确企业无需等待，可以立即开始自动驾驶系统的测试与部署。n（3）允许企业从安全自我评估中剔除不必要的无关设计元素。n（1）通过自愿的安全评估来证明安全性。n（2）促进自愿、基于共识和面向性能的技术标准的发展。n（3）美国国家公路交通安全管理局意识到，在装备有自动驾驶系统的车辆上使用的软件开发需要采用新的方式来制定联邦机动车安全标准（FMVSS）；打算就一项简化和现代会程序的提议征求公众意见，该机构将在处理和决定豁免申请时遵循该提议。u 可以看到，为推动自动驾驶汽车的市场准入，美国采取了一系列的措施，如简化测试许可程序、豁免申请和豁免程序，以便更多的自动驾驶汽车得到测试和上路运营的机会；此外，还为自动驾驶汽车相关企业提供了税收减免等优惠政策，进一步促进自动驾驶汽车技术的发展和市场推广。而在数据与安全保护方面，美国出台汽车安全与隐私法案等法案，要求对车辆的数据收集应当透明且基于用户同意，用户应当对于收集的个人数据拥有掌控权，并且针对自动驾驶汽车的特点，并通过设置自动驾驶汽车生产者网络安全条款，从网络安全和数据保护角度对美国自动驾驶技术进行监管。n（1）延续AV 3.0版本，不强制要求汽车制造商对其自动驾驶汽车进行安全评估，而是采取自愿评估的方式；结果，80多家自动驾驶汽车企业中，仅有18家提交了相关的安全评估报告。n（2）美国高速公路安全局（NHTSA)接下来将允许这些汽车企业测试没有方向盘的自动驾驶汽车。请仔细阅读在本报告尾部的重要法律声明 37资料来源：Autonomous Vehicle Industry Association、华金证券研究所3.1.2 美国政策以鼓励发展为主，数据安全管理并行美国政策以鼓励发展为主，数据安全管理并行u 基于州层面来看，根据美国自动驾驶汽车产业协会（AVIA）发布的2024 State of AV，截至2024年4月，包括加利福尼亚州、华盛顿州、内华达州等在内的30余个州的与自动驾驶汽车相关法律法规已生效立法（包括自动驾驶术语定义、商业化落地、保险及责任认定等方面）。图:美国各州与自动驾驶汽车相关的法律法规推进情况请仔细阅读在本报告尾部的重要法律声明 38资料来源：Autonomous Vehicle Industry Association、深科技、光明网、华金证券研究所3.2.1 相较国内市场，美国自动驾驶汽车商业化推进速度相相较国内市场，美国自动驾驶汽车商业化推进速度相对缓慢对缓慢u 然而，从美国自动驾驶汽车测试或商业化部署落地的情况上看，进展相对缓慢，尚未达到法律法规的“多地开花”程度。根据美国自动驾驶汽车产业协会（AVIA）统计，截至2024年4月，美国共有10个州允许自动驾驶汽车测试或商业化运营（包括俄勒冈州、加利福尼亚州、亚利桑那州等）；其中仅加利福尼亚州、亚利桑那州、内华达州、得克萨斯州4个州的9个城市进入到商业化运营阶段（包括旧金山、洛杉矶、拉斯维加斯、凤凰城等）。开放城市数量不及后起步的中国。截至2024年4月，美国自动驾驶车辆公共道路累计行驶里程达到7000万公里，较2023年7月增长59%。但早在早在2023年年12月，据中国交通部统计的国内自动月，据中国交通部统计的国内自动驾驶车辆累计测试里程就已达到同样量级（驾驶车辆累计测试里程就已达到同样量级（7000万万公里）。公里）。图:美国各州与自动驾驶汽车商业化推进情况请仔细阅读在本报告尾部的重要法律声明 39资料来源：汽车之心、商用车之家、汽车之家、Automotive News、中关村在线、网易等、华金证券研究所究其缘由，我们认为主要有五个方面的原因：（1）美国）美国Robotaxi价格缺乏一致性，部分行程的费用甚至高于有人驾驶出租车。价格缺乏一致性，部分行程的费用甚至高于有人驾驶出租车。在价格敏感型市场中，或由于当前Robotaxi尚未进入量产阶段、且使用车型为中高端为主（Waymo的主力车型FCA的大捷龙售价40.68-44.68万、捷豹路虎 I-Pace售价68.80-78.80万；而Mobileye主要采购蔚来ES8、售价49.8-59.80万），共同导致其服务价格居高难下，市场竞争力不足。a）美国博主毕格罗分享4次同时体验Uber（有人驾驶出租车）与Waymo（无人驾驶出租车）的经历。毕格罗从渔人码头到甲骨文球场的单次行程中，Uber价格为11.92美元、Waymo价格为20.77美元；从渔人码头到施特尔曼街的单次行程中，Uber价格为45.92美元、Waymo价格为29.41美元；而另外两次行程中，Uber提供了更为便宜的报价。总体看下来，Uber提供的报价相对更有优势。b）另一名在美国的博主乘坐Waymo，共计14.4公里的行程共花费120美元；相比之下，美国纽约的常规出租车每公里价格大约为3美元，额外加上10%的小费。（2）高昂的基建成本投入成为）高昂的基建成本投入成为Robotaxi难以普及的因素之一。难以普及的因素之一。自动驾驶技术的发展离不开基础设施的支持，如车联网技术、高精度地图等；然而，基础设施的建设和完善需要大量的时间和资金投入。据美国交通部估计，政府需花费数十亿美元打造车路协同的短距通讯基础设施，导致较长时间内美国车联网试点示范规模不足。（3）美国各州）美国各州“各自为政各自为政”增加推广难度。增加推广难度。虽部分地区对Robotaxi的测试和商业化运营持开放态度，但美国各地政策和法规存在较大差异、缺乏政策上的统一性，给Robotaxi的推广带来一定阻碍。3.2.1 相较国内市场，美国自动驾驶汽车商业化推进速度相相较国内市场，美国自动驾驶汽车商业化推进速度相对缓慢对缓慢请仔细阅读在本报告尾部的重要法律声明 40资料来源：新战略低速无人驾驶、网易、华金证券研究所4）安全性问题频发导致公众信任度不足。）安全性问题频发导致公众信任度不足。加州DMV公布的数据显示，2022年Waymo提交事故次数71次，Cruise提交事故次数33次，Zoox提交事故次数30次；2023年8月，Cruise自动驾驶出租车意外碾压行人的事故，再次引发美国公众热议。a)根据美国汽车协会AAA发布的调查显示，2023年，在调查的1000名美国民众中，约有68的受访者表示对自动驾驶汽车存有害怕或担忧情绪、较2022年的研究数据新增13；且考虑到美国早期对自动驾驶汽车持开放态度、并不强制要求汽车制造商对其进行安全评估，2020-2023年间持支持、信任态度的民众占比始终相对较低，维持在15%以内。5）Robotaxi管理与使用规则不充分。管理与使用规则不充分。因缺乏制度上的管理，美国故意破坏和道德伦理问题层出不穷。如Waymo的Robotaxi在旧金山就遭到轮胎被扎破、车辆被纵火焚烧等恶意破坏；且乘客在Robotaxi上的不当行为亦偶有发生，无疑凸显了加强Robotaxi管理和使用规则的紧迫性。图:司机对自动驾驶汽车的情绪图:美国Robotaxi受抵制人群破坏3.2.1 相较国内市场，美国自动驾驶汽车商业化推进速度相相较国内市场，美国自动驾驶汽车商业化推进速度相对缓慢对缓慢请仔细阅读在本报告尾部的重要法律声明 41资料来源：AVIA、金杜律师事务所、中国日报、加州机动车辆管理部官网、Newsweek等，华金证券研究所u与此同时，基于州层面来看，加州推进速度最快、商业化程度最高。与此同时，基于州层面来看，加州推进速度最快、商业化程度最高。根据美国自动驾驶汽车产业协会（AVIA）统计，美国9个进入商业化运营阶段的城市有5个城市位于加州，其中的旧金山已与2023年8月正式批准Robotaxi在全域内全天候开展商业化运营、开全球首例。加州加州Robotaxi部署进展较快离不开当地政府的支撑。部署进展较快离不开当地政府的支撑。政策层面上，加州是美国较早布局自动驾驶相关法规的城市之一，近年来也陆续推出安全管理条例以提高民众对自动驾驶的信心、如2024年1月颁布的SB-915要求企业所开发系统要能保障安全员对车辆的控制；商业化应用上，政府鼓励企业进行自动驾驶道路测试，Cruise和Waymo等总部位于加州的企业，已较早的借助良好地理优势，通过大量测试、积累了丰富的技术经验及数据。此外，加州对外开放程度或较其他州更高。根据美国加利福尼亚州交通管理局（DMV）统计数据，2023年有21家公司共计1603辆自动驾驶车辆在加州进行将近1000万公里的路试，包括来自美国、中国、日本、欧洲等地的知名自动驾驶企业；在美国对国内科技企业的高压政策下，文远知行于2024年8月获美国加州公用事业委员会批准在加州进行无人驾驶载客测试。3.2.2 美国各州进展不一，加州商业化进程远超其他州美国各州进展不一，加州商业化进程远超其他州时点时点运营阶段运营阶段具体情况具体情况2014年道路测试（自动驾驶）1）加州机动车辆管理部批准通过自动驾驶汽车测试法规；2）同年，Waymo获得自动驾驶汽车的测试许可。2018年道路测试（无人驾驶）1）2月，加州行政法办公室通过无人驾驶汽车测试条例；2）4月，机动车辆管理部开始审批通过无人驾驶汽车测试申请；3）10月，Waymo 获得无人驾驶汽车的测试许可2019年示范应用（无人货运）加州行政法办公室通过了“重量小于 10,001 磅的自动驾驶轻型货车允许在加利福尼亚州的公共道路上测试和部署”法规2020年商业化试点（无人货运）加州机动车辆管理局向Nuro颁发加州第一个自动驾驶汽车部署许可证，并允许其收取无人驾驶送货服务报酬。2022年商业化试点（无人出租）2022年6月，加州监管机构批准Cruise在旧金山提供无人驾驶出租车收费服务，这是该州批准的首个真正无人驾驶的出租车收费服务。2023年扩大商业运营范围（无人出租）1）2月，Zoox 在没有方向盘和踏板的情况下在加州福斯特城的公共街道上搭载了第一批乘客，是第一家在加州开放的公共道路上运营专用机器人出租车的公司；2）8月，加州政府开放全域Robotaxi全天候运营。2024年扩大开放程度（无人出租）文远知行获加州公用事业委员会批准，可在加州域内进行无人驾驶载客测试请仔细阅读在本报告尾部的重要法律声明 42资料来源：电子工程专辑、车家号、投中网、镁客网、澎湃新闻、华金证券研究所3.3 结合商业化程度及路试规模，结合商业化程度及路试规模，Waymo与与Cruise领先优领先优势显著势显著u 加州是美国无人驾驶进展最快的城市；以加州为例，结合加州交通管理局（DMV）2023年公布的统计数据，可以看到虽然美国Robotaxi参与厂商较多、但各厂商间实力差距颇大，目前基本形成以具备先发优势的Waymo、Cruise为首的竞争格局。另外，2023至2024年间多家企业因融资环境及长期投资需求导致盈利不确定，已陆续退出竞争市场，包括：宣布破产：1）2024年4月自动驾驶初创公司 Ghost 在官网宣布停止全球业务并关闭公司。停止业务：1）2024年6月，Motional宣布停止商业运营，硅谷办事处及洛杉矶运营中心关闭。2）2024年2月，苹果公司在内部披露将停止电动汽车项目。出售业务：1）2023年12月，Uber将其无人驾驶部门出售给自动驾驶独角兽Aurora。2）2024年4月，Lyft宣布将无人驾驶汽车部门出售给丰田子公司Woven Planet Holdings。161014442844385100 200 400 600 Aurora萝卜快跑滴滴文远致行AutoXZooxWaymoCruise图:2023年DMV自动驾驶公司车辆登记数量排行（单位：辆）1127.426446.612670.724651.8468233.88939635.041143758.655908639.460 2,000,000 4,000,000 6,000,000 8,000,000 Aurora滴滴AutoX萝卜快跑文远致行CruiseZooxWaymo图:2023年DMV自动驾驶公司里程累积数排行（单位：公里）23.996446.68217.2812670.727870.9434116.94285939.6939635.040 200,000 400,000 600,000 800,000 1,000,000 Aurora滴滴萝卜快跑AutoXWaymo文远致行ZooxCruise图:2023年DMV自动驾驶公司接管率排行（单位：公里/次）备注：蓝色为海外企业，红色为中国企业备注：蓝色为海外企业，红色为中国企业备注：蓝色为海外企业，红色为中国企业请仔细阅读在本报告尾部的重要法律声明 43资料来源：百度百科、美股之家、中汽创新创业中心、机器之能、EE times、车东西等、华金证券研究所整理3.3 结合商业化程度及路试规模，结合商业化程度及路试规模，Waymo与与Cruise领先优领先优势显著势显著主流车企主流车企WaymoCruiseZooxAuroraMobileye特斯拉特斯拉成立时间成立时间2016年2013年2014年2016年1999年2003年总部位置总部位置加州山景城加州旧金山加州福斯特城加州帕洛阿尔托市以色列得克萨斯州所属公司所属公司谷歌母公司Alphabet通用汽车亚马逊/英特尔/技术优势技术优势谷歌地图提供高精地图通用汽车具备汽车制造能力亚马逊具有较强的云服务能力本身为人工智能公司自动驾驶系统研发企业，汽车视觉技术闻名汽车制造商、汽车视觉技术领先主流车型主流车型1）FCA的大捷龙2）捷豹路虎的 I-Pace雪佛兰Bolt自研车型；无方向盘或踏板，可容纳四名乘客丰田塞纳商务车蔚来 ES8特斯拉自研的Robotaxi进入道路测试及以进入道路测试及以上阶段的城市（美上阶段的城市（美国）国）凤凰城、旧金山、奥斯汀、纽约、洛思阿图斯、帕洛阿尔托、山景城、森尼维尔旧金山、凤凰城、奥斯汀、亚特兰大、达拉斯、休斯顿、夏洛特、迈阿密、纳什维尔、旧金山、福斯特城、拉斯维加斯旧金山、加州山景城、匹兹堡、达拉斯底特律、纽约、迈阿密、斯图加特、奥斯汀/开展商业化运营的开展商业化运营的城市（美国）城市（美国）旧金山、凤凰城、洛思阿图斯、山景城、森尼维尔旧金山、凤凰城、奥斯汀/进入道路测试及以进入道路测试及以上阶段的国家上阶段的国家（美国之外）（美国之外）/迪拜、日本/达姆施塔特（德国）、慕尼黑（德国）、耶路撒冷（巴勒斯坦）、巴黎（法国）、东京（日本）、特拉维夫（以色列）/累计行驶里程累计行驶里程1149.07 万公里/u 根据商业化程度及路试规模等数据综合比较来看，美国Robotaxi竞争格局大致分为三大梯队。第一梯队是较早进入商业化运营、具备较强先发优势的Waymo与Cruise等；第二梯队是已在美国多个城市进入路测阶段、但尚未商业化运作的企业，如Zoox、Aurora、Mobileye等；第三梯队则是具备一定技术储备、预计今明两年业务正式落地的特斯拉等。请仔细阅读在本报告尾部的重要法律声明 44资料来源：waymo官网、车东西、佐思汽车研究、财新网、华金证券研究所整理3.3.1 Waymo：谷歌地图加持叠加激光雷达等核心部件自：谷歌地图加持叠加激光雷达等核心部件自研能力，较早筑起研能力，较早筑起Robotaxi业务护城河业务护城河uWaymo最初是Alphabet旗下Google在2009年开启的一个自动驾驶汽车项目，于2016年12月从Google独立出来、成为Alphabet公司旗下子公司。成立之初就确立成立之初就确立“多传感器融合多传感器融合”的智驾技术路线，通过实现全套核心传感器自研、筑起的智驾技术路线，通过实现全套核心传感器自研、筑起Robotaxi业务护城河。业务护城河。激光雷达方面，其自研激光雷达成本较Velodyne64线激光雷达下降90%以上，2019年起对外出售自研激光雷达；毫米波雷达方面，2020年其自研的4D毫米波成像雷达开始应用于第五代感知系统Waymo Driver，相较2021年落地4D毫米波雷达的大陆、华为等企业更早。在自动驾驶系统演进方面，截止2024年8月，Waymo已进行6次迭代，除优化升级外、传感器数量基本呈增加趋势。时间时间搭载车型搭载车型激光雷达激光雷达毫米波雷达毫米波雷达超声波雷达超声波雷达摄像头摄像头第一代2009年丰田普锐斯混动版1颗（Velodyne 64线）4颗（博世和大陆）/1颗（前视摄像头）2012年4月雷克萨斯RX450h1颗（Velodyne 64线）4颗（博世和大陆）/1颗（前视摄像头）第二代2015年5月雷克萨斯RX450h5颗（自研）4颗（经改造）/1颗（前视摄像头）第三代2014年5月萤火虫（无方向盘和制动踏板）1颗（Velodyne 64线） 4颗短距激光雷达（自研）4颗（经改造）1颗1颗（前视摄像头）2015年5颗（自研，1个车顶，4个车身）4颗（经改造）1颗1颗（前视摄像头）第四代2017年FCA大捷龙6颗（自研，2个车顶，4个车身）6颗（自研）/1颗（前视摄像头）第五代2020年3月捷豹I-Pace5颗（自研，1个车顶，4个车身）6颗（字眼）/29颗第六代2024年6月极氪5颗（自研）未披露未披露未披露图:Waymo第五代主力车型请仔细阅读在本报告尾部的重要法律声明 45资料来源：Waymo官网、大力财经、加州机动车辆管理部官网、腾讯网、新智元、EE Times等、华金证券研究所整理3.3.1 Waymo：谷歌地图加持叠加激光雷达等核心部件自：谷歌地图加持叠加激光雷达等核心部件自研能力，较早筑起研能力，较早筑起Robotaxi业务护城河业务护城河u Robotaxi 业务方面，2016年Waymo在凤凰城开启robotaxi的道路测试；2018-2019年，陆续获得加州的自动驾驶、全无人驾驶测试牌照；2021年宣布将在美国旧金山推出robotaxi的免费试运营。截止目前，Waymo无人驾驶出租车业务已在旧金山、凤凰城、洛思阿图斯、山景城、森尼维尔等城市进入商业化运营阶段。据DMV统计，2023年Waymo行驶里程达590万公里，远超其他竞争对手，并在累计行驶里程（载客）达到1149万公里的情况下，仅发生过3起轻微事故。结合公司官网及新闻报道的统计数据，Waymo目前在美国共计运营约600辆自动驾驶车辆，每周订单量超过50,000次；即平均每辆车每周完成约83次订单、日均完成约12次行程；且多为短距订单，平均单次行驶里程约4.4公里。时间时间事件类型事件类型Waymo无人驾驶出租车的推进无人驾驶出租车的推进2016年道路测试Waymo在凤凰城开启 robotaxi的路测。2018年道路测试（自动驾驶）获加州交通部授权在公共道路上测试自动驾驶车辆。2019年道路测试（无人驾驶）Waymo率先获得加州的全无人自动驾驶测试牌照。2020年示范应用Waymo在凤凰城（Phoenix）向公众开放Robotaxi业务2021年示范应用宣布将在美国旧金山推出自动驾驶出租车的免费试运营2022年商业化运营（无人驾驶）Waymo 宣布在凤凰城的东谷和旧金山两个地方同时提供无人驾驶服务；并宣布洛杉矶将成为Waymo的下一个网约车城市2023年商业化范围扩大3月，美国加州公用事业委员会批准Waymo在洛杉矶和旧金山半岛扩大Robotaxi服务范围；8月，奥斯汀将成为Waymo第四个主要网约车城市2024年高速路测试陆续宣布将在凤凰城、洛杉矶等城市高速公路上测试无人驾驶车辆图:Waymo 无人驾驶出租车运行请仔细阅读在本报告尾部的重要法律声明 46资料来源：新战略低速无人驾驶、21世纪经济报道、央广网、IT之家、CNN、新出行、theverge等、华金证券研究所整理3.3.2 Cruise：通用汽车布局自动化驾驶的重要载体，但业：通用汽车布局自动化驾驶的重要载体，但业务受事故影响停摆近务受事故影响停摆近1年年u Cruise成立于2013年，2016年被通用汽车收购，成为通用汽车布局自动驾驶及实现商业化运营的重要载体。2017年Cruise开始进行无人驾驶汽车测试、并率先获得了加州的公路无人驾驶汽车测试牌照；2019年，Cruise宣布计划在美国推出商业化的自动驾驶出租车服务，并在2020年开始试运营；此后，又陆续获得美国凤凰城、奥斯汀、达拉斯、休斯顿、迈阿密、纳什维尔、亚特兰大、夏洛特等城市的无人驾驶测试许可。u 2023年10月，Cruise因一起严重的交通事故在全美范围内暂停了无人驾驶业务；直至2024年5月，Cruise在美国亚利桑那州恢复了有安全员驾驶的Robotaxi业务，其自动驾驶汽车客运服务或有望在今年重新开展。时间时间Cruise 无人驾驶出租车的推进无人驾驶出租车的推进2013-2016年Cruise成立于2013年，总部位于美国旧金山；并于2016年被通用汽车收购，成为其自动驾驶汽车开发团队中的一个独立部门。2017年率先获得了加州政府的批准，允许在加州公路上进行自动驾驶汽车测试。2019年Cruise宣布计划在美国推出商业化的自动驾驶出租车服务，并在2020年开始试运营。2020年获准在加州的公共道路上测试全无人驾驶出租车。2021年成为加州首个可以在公共道路提供全无人的自动驾驶载客服务公司。2022年1）Cruise开始在旧金山提供自动驾驶出租车服务；2）宣布将于2022年在亚利桑那州凤凰城和德克萨斯州奥斯汀推出无人驾驶出租车服务。2023年1）Cruise 旧金山的自动驾驶出租车队削减一半；白天运行的无人驾驶车辆将不超过50辆，夜间运行的无人驾驶车辆将不超过150辆。2）Cruise受严重事故影响，加州车辆管理局（DMV）暂停了Cruise的无人驾驶许可。2024年5月Cruise宣布重启Robotaxi业务运营，在美国亚利桑那州开始测试有安全员的Robotaxi。图:Cruise推出的Robotaxi车辆请仔细阅读在本报告尾部的重要法律声明 47资料来源：36氪Auto、新战略低速无人驾驶、智驾网、华金证券研究所3.3.3 Zoox：2020年被亚马逊收购，车身设计为其强项年被亚马逊收购，车身设计为其强项u Zoox是一家成立于2014年的自动驾驶创业公司，由Tim Kentley-Klay和Jesse Levinson联合创办。其中，Tim Kentley-Klay创业之前是动画师和视频制作人；而Jesse Levinson是谷歌无人车之父Sebastian Thrun的弟子，其父亲不仅执掌美国基因泰克公司，目前还担任苹果公司董事会主席。2020年6月，Zoox被亚马逊收购，被收购后仍然独立运作；目前员工总数已超2000人。u 截止目前，截止目前，Zoox已获得旧金山、福斯特城、拉斯维加斯等城市无人驾驶的道路测试牌照。已获得旧金山、福斯特城、拉斯维加斯等城市无人驾驶的道路测试牌照。2017年，Zoox开始在加州的旧金山旧金山、福斯特城福斯特城开始自动驾驶车辆测试；2023年6月，宣布将在内华达州的拉斯维加斯拉斯维加斯公共道路上测试Robotaxi，这标志着没有踏板或方向盘的自动驾驶汽车首次在内华达州的公共道路上运行。Zoox Robotaxi的设计点：u具有双向驱动和四轮转向功能，可在狭窄的空间内操纵和改变方向，无需倒车。u顶部有六个激光雷达定位器以及多个摄像头，每个角落可以提供270度的视野，为传感器发生故障时提供了冗余。u内部车辆采用四座面对面对称的座椅配置，消除传统汽车的方向盘。u与车辆大屏趋势化不同，该车车内只配有小屏幕，用于确认行车信息、控制音乐和空调、查看路线与预计到达时间。u为保障安全，1）车辆在发生碰撞时为每个乘客周围配置了安全气囊；2）提供远程手动操作车辆并与乘客实时通信。图:Zoox设计的Robotaxi车辆图:Zoox设计的Robotaxi内装请仔细阅读在本报告尾部的重要法律声明 48资料来源：36Kr、新战略低速无人驾驶、镁客网、百度百科、EE Times、盖世汽车、华金证券研究所3.3.4 Aurora&Mobileye：现已开启智驾部署：现已开启智驾部署uAurora成立于2016年，由业内大拿Sterling Anderson,、Drew Bagnell和Chris Urmson共同创立。其中，Sterling Anderson曾担任特斯拉Autopilot项目主管，Drew Bagnell曾任职于Uber先进技术团队、负责感知和自主软件工作，Chris Urmson曾领导谷歌自动驾驶汽车项目近8年。截至目前，Aurora在旧金山、加州山景城、匹兹堡、达拉斯都有过车辆部署，但主要供内部人员测试。2023年12月，Aurora成功收购Uber自动驾驶部门，未来或有望加速Aurora业务。图:Aurora推出的Robotaxi车辆uMobileye 成立于 1999 年，创始人为希伯来大学教授 Amnon Shashua；期初是基于自己学术研究中开发的一套视觉感知系统，能够利用摄像头以及嵌入处理器的软件算法实现对目标车辆的检测。2004年，Mobileye成立了第一家研发中心；2008年正式发布第一代提供驾驶辅助功能的EyeQ1系统集成芯片，宝马7系是首批搭载该技术量产的主力车型。uMobileye业务覆盖德国、法国、以色列、巴勒斯坦、日本等多个国家地区；直至2022年9月，Mobileye宣布将在底特律进行无人驾驶测试，测试车辆为搭载Mobileye Drive的纯电动蔚来ES8，这也是Mobileye首次在美国测试L4级自动驾驶解决方案。图：搭载Mobileye Drive的纯电动蔚来ES8请仔细阅读在本报告尾部的重要法律声明 49目录目录0102040305国内国内RobotaxiRobotaxi商业化进展分析商业化进展分析以萝卜快跑为例以萝卜快跑为例国内国内RobotaxiRobotaxi竞争格局：互联网企业商业化进度领先竞争格局：互联网企业商业化进度领先中美中美R Robotaxiobotaxi发展发展进度对比：美国起步较早，但商业化进展相对缓慢进度对比：美国起步较早，但商业化进展相对缓慢RobotaxiRobotaxi热点讨论热点讨论风险提示风险提示请仔细阅读在本报告尾部的重要法律声明 50资料来源：车家号、搜狐网、华金证券研究所4.1 Robotaxi有望凭借其优势，对有人驾驶出租车形成替有望凭借其优势，对有人驾驶出租车形成替代代u 相较有人驾驶出租车，无人驾驶出租车具备运营成本低、用户支付价格低、事故发生率低等优势，有望在未来改变人们的出行方式，对有人驾驶出租车形成一定程度的替代。A 对于企业而言，减少了网约车司机的雇佣成本n无人驾驶出租车无需人类驾驶员操作，出租车公司将能够显著减少在人力方面的支出，降低运营成本。根据车家号的统计数据，网约车司机的每日流水在400元-500元间、单月收入则在12000元-15000元左右，同时平台收取的车辆租赁费约为3600元/月/辆；假设网约车司机单月收入保守估计为12000元、除去车辆租赁费3600元，归属于网约车司机的收入（即司机的雇佣成本）约为10万元/年/辆。B 对于大部分用户而言，支付价格较网约车更低C 降低事故发生率，安全性更高n目前萝卜快跑在武汉实际收费约为定价的3折、略高于网约车收费水平；其他城市中，上海、北京、重庆的萝卜快跑收费在网约车的5-7折水平，嘉兴、成都尚处于免费试乘阶段。n无人驾驶出租车通过先进的算法和传感器，不仅能够较为精准地控制车速和车距、优化路线选择，同时还可通过实时监控以应对复杂的道路情况，降低人为错误导致的交通事故，从而显著提高出行效率和安全性。据财联社新闻报道，某无人驾驶技术企业负责人表示，国内Robotaxi的出险率约为司机的1/14，且在窄距通行等特定场景下、Robotaxi的实际运营表现要优于人类表现，尤其是数据处理的精确度方面。请仔细阅读在本报告尾部的重要法律声明 51资料来源：财联社、九章智驾、南方都市报、海报新闻、百度图片、华金证券研究所4.2 现阶段阻碍现阶段阻碍Robotaxi大面积推广的因素大面积推广的因素u 然而我们倾向于认为，有人出租车和无人出租车的竞争将长期存在，并非零和博弈。一方面，对于有人出租车或无人出租车的选择由具体需求而决定，小马智行副总裁、Robotaxi自动驾驶出行业务负责人张宁表示，“无人驾驶出租车提供的是标准化的服务，再好的服务也只能满足一部分人的需求，有些乘客需要人与人之间的沟通交流，需要差异化的服务。”另一方面，Robotaxi尚有待解决的固有劣势，同时也面临着来自外界的阻碍因素；具体来看，固有劣势包括定位不准产生的锚定问题、定点上下车、自动驾驶技术不成熟、等待时间长、行驶速度慢、停靠时间短等问题。（1）固有劣势-定位不准产生的锚定问题：一般而言，高速NOA只需要实现车道级/分米级的定位即可，用于识别出车在哪条车道；而城区NOA下，由于车道比较窄，尤其是在十字路口处，经常会出现车道变化、如两车道变成三车道或四车道，此时就需要定位精度达到厘米级。（2）固有劣势 需定点上下车：萝卜快跑目前仅支持在固定点位上下车，意味着乘客在使用萝卜快跑服务时，需要提前到达指定点位等待车辆，而不能像使用网约车那样通过App选择任意地点作为上下车点。图:无人驾驶车辆出现的定位问题图:Robotaxi的接驳站点请仔细阅读在本报告尾部的重要法律声明 52资料来源：元宇宙新声、红星新闻、上观新闻、EE times、游侠网、深圳本地生活通、Vehicle华金证券研究所4.2 现阶段阻碍现阶段阻碍Robotaxi大面积推广的因素大面积推广的因素（3）固有劣势 等待时间长、行驶速度慢，但停靠时间有限制：1）等候时间长且运行速度慢。受制于现阶段运营的无人出租车数量较少，乘客的等待时间过长；据用户反馈，从发出订单到上车的单次等候时间为20分钟至45分钟不等，甚至达到1个小时。同时，出于安全性考虑，无人驾驶出租车的行驶速度通常控制在40公里/小时，若遇到大雨等较为恶劣的天气情况，甚至降至20公里/小时，直接导致过长的乘车时间。2）以萝卜快跑为例，若车辆到达起点等待超过5分钟用户仍未上车，系统会自动取消该订单，甚至部分地区规定限停时间为3分钟。（4）固有劣势 全自动驾驶技术尚不成熟：当前自动驾驶技术在复杂天气条件、特殊道路情况和交通事故处理等方面尚未完全成熟，复杂场景应对能力较差，在一定程度上会影响服务的稳定性；如武汉市民留言板上，有超300条留言涉及萝卜快跑，不少投诉称其在绿灯状态下停滞不前、红灯时冲入路口中央、转弯时卡顿不动等情况，并引发交通拥堵现象，对市民出行造成了影响。美国方面，根据加州DMV的数据，2023年将近有6562次安全员介入。43454747535862666768869110110813613819419923627932643366719260 500 1,000 1,500 2,000 2,500 车距不够路径规划错误感知漏识别感知错误错误识别交通标志系统软件故障-计算车辆驾驶超过车道线软件诊断故障靠前车太近意外刹车或刹车不够安全员判断车辆离道路/车道边界硬件诊断出故障图:2023 DMV自动驾驶路试Top安全员介入情况（单位：次）请仔细阅读在本报告尾部的重要法律声明 53资料来源：蓝鲸财经、华金证券研究所4.2 现阶段阻碍现阶段阻碍Robotaxi大面积推广的因素大面积推广的因素u 无人出租车的推进同样受到外界阻碍，包括自动驾驶商业化运营开放区域较为有限、来自网约车平台的抵制、以及出于对安全性、事故权责归属等问题的担忧。（1）外界阻碍 商业化运营开放区域较为有限截至目前，萝卜快跑已在全国12座城市开展运营，除了北上广深一线城市外，还覆盖福州、嘉兴、阳泉、重庆、成都、合肥、长沙、武汉。其中，除了武汉是全市开放运营外，其他城市均只开放部分区域，如北京开放了通州、软件园、首钢、亦庄四个区域，上海开放了嘉定区运营，深圳开放了南山区、坪山区，广州开放了科学城运营等。下订单区域仅为萝卜快跑所允许的运营范围。图:萝卜快跑在成都的运营区域请仔细阅读在本报告尾部的重要法律声明 54资料来源：每日经济新闻、新浪科技、动点科技、IT之家、华金证券研究所4.2 现阶段阻碍现阶段阻碍Robotaxi大面积推广的因素大面积推广的因素（2）外界阻碍 出于失业担忧，网约车司机对无人驾驶出租车产生较强抵制 无人驾驶出租车的兴起，使得网上陆续出现网约车司机要求“萝卜快跑”等无人驾驶车辆停运的集体联名信。然而，就客观而言，我们倾向于认为中短期内无人驾驶出租车并不会对网约车需求产生较大影响。我们倾向于认为中短期内无人驾驶出租车并不会对网约车需求产生较大影响。（1）首先，）首先，Robotaxi规模较小。规模较小。假设以发展进程最快的武汉为例，武汉预计2024年底将铺设至千辆萝卜快跑的规模，按2024年5月数据统计，武汉日均2.94万辆网约车（按保守的1000辆萝卜快跑估计），萝卜快跑的市场份额仅在3.4%左右。小马智行副总裁、Robotaxi自动驾驶出行业务负责人张宁表示“未来无人驾驶渗透率一定会逐步提升，尤其是跨过盈亏平衡点之后，会产生指数型的增量，这个是一定会到来的，但这个时间点会在5年后，才能说对目前传统出行方式形成结构性的变化（占比至少超过30%）。”（2）其次，伴随着无人驾驶出租车产业链的兴起，新诞生了安全员、智能网联汽车装调运维员、智能网联汽车测试员等其他）其次，伴随着无人驾驶出租车产业链的兴起，新诞生了安全员、智能网联汽车装调运维员、智能网联汽车测试员等其他职业机会；同时像客服、保险等较为传统的职业人员需求也有所提升。职业机会；同时像客服、保险等较为传统的职业人员需求也有所提升。据上观咨询报道，已有部分网约车或出租车司机转行成为无人出租车的后台安全员；对传统出租车司机来说，他们对汽车知识和城市交通更为熟悉，同时“萝卜快跑”招聘要求中也明文规定，有网约车、出租车、公交车等客运经营或货运经营的优先录用。此外，人力资源和社会保障部发布的新职业新工种中，还包括有“智能网联汽车装调运维员”和“智能网联汽车测试员”等；其中，“智能网联汽车装调运维员”主要维护自动驾驶车辆以及车上实现自动驾驶功能的传感器和硬件，“智能网联汽车测试员”则在汽车开发和上市前进行针对性测试；另外，客服、保险等的相应负责协调的工作人员数量也有望增加。请仔细阅读在本报告尾部的重要法律声明 55资料来源：IT 之家、安合财经、华金证券研究所4.2 现阶段阻碍现阶段阻碍Robotaxi大面积推广的因素大面积推广的因素u（3）外界阻碍 出于对安全性、事故权责归属等问题的担忧，Robotaxi业务推进或将受阻安全性问题始终是无人驾驶汽车的痛点。一方面，对于无方向盘或踏板的设计，各地政府的态度是越发谨慎的，在一定程度上或限制了车企Robotaxi上市的步伐；另一方面，大部分城市对无人驾驶出租车商业运营相关的责任认定法规尚未完善，可能会导致民众对应用还存在较大的疑虑及担忧。（1）对车型设计的管制。马斯克此前表示，特斯拉Robotaxi车型将采用无方向盘或踏板的设计，引发了一系列安全性的担忧及讨论。就美国来看，通用汽车旗下的Cruise曾请求为其无方向盘和踏板的Origin自动驾驶出租车申请豁免、但未获批准，该项目已被无限期搁置；对于法律法规更为严苛的中国市场而言，特斯拉Robotaxi的无冗余设计方案获取监管审批受阻可能性较大。（2）法律和责任界定问题。可能在无人驾驶出租车商业运营相关的法律法规和责任界定尚未明确的背景下，Robotaxi的推进进程或较为有限。图：特斯拉Robotaxi车型将采用无方向盘或踏板的设计请仔细阅读在本报告尾部的重要法律声明 56资料来源：财联社、动点科技、易车、华金证券研究所4.2 现阶段阻碍现阶段阻碍Robotaxi大面积推广的因素大面积推广的因素为改善上述局面，近期各地方政府已陆续出台相关法规；各运营平台也相应开始设立专业的安全管理团队。u2024年6月30日发布的北京市自动驾驶汽车条例(征求意见稿)规定车辆在自动驾驶系统功能未激活状态下发生道路交通事故的，按照现行规定承担责任；车辆在自动驾驶系统功能激活状态下发生道路交通事故造成人身伤亡、财产损失的，属于自动驾驶汽车一方责任的，由车辆所有人、管理人承担赔偿责任；此外，车辆所有人、管理人依照前款规定向受害者进行赔偿后，可以依法向负有责任的生产者、销售者等进行追偿。u运营平台方面，小马Robotaxi业务负责人张宁透露：“小马智行设置了全无人测试安全管理团队，将有具体的人员专职处理，比如远程安全员、现场事故处理专员、交管对接专员等。事故处理流程从事故识别开始，全无人车辆具备自动检测事故功能，可实现在车道内安全停车，开启双闪，并上报远程安全员。远程安全员通过远程协助平台实时监控道路情况，根据事故及车损情况提供对应人工远程协助（例如协助车辆靠边停车等），并通知现场事故处理专员。事故处理专员以网格形式分布，以巡检车 定点值班开展工作，保证收到信息后尽快抵达现场，进行事故处理与救助。”图：无人驾驶远程安全员请仔细阅读在本报告尾部的重要法律声明 57目录目录0102040305国内国内RobotaxiRobotaxi商业化进展分析商业化进展分析以萝卜快跑为例以萝卜快跑为例国内国内RobotaxiRobotaxi竞争格局：互联网企业商业化进度领先竞争格局：互联网企业商业化进度领先中美中美R Robotaxiobotaxi发展发展进度对比：美国起步较早，但商业化进展相对缓慢进度对比：美国起步较早，但商业化进展相对缓慢RobotaxiRobotaxi热点讨论热点讨论风险提示风险提示请仔细阅读在本报告尾部的重要法律声明 58风险提示风险提示u 智能驾驶安全风险u 目前智能驾驶技术正处于发展阶段、尚未完全成熟，发展过程中由于技术尚未完善及技术迭代等原因，可能产生可预见或不可预见的安全风险、威胁驾车人或乘车人的人身安全，进而影响智能驾驶产业发展。u 技术发展不及预期的风险u Robotaxi所需的高阶智能驾驶技术迭代需要大量投入，包括在传感器、芯片等硬件端及算法架构等方面进行大量研发以实现技术发展，可能出现技术发展不及预期的风险。u 政策变动风险u Robotaxi的落地较大程度上依赖于国家相关政策及法律法规，如果未来国家关于Robotaxi的政策发生变化，则业内公司可能面临因政策限制，业务无法如期开展或无法开展的风险。请仔细阅读在本报告尾部的重要法律声明 59评级说明评级说明行业评级体系行业评级体系收益评级：领先大市 未来6个月的投资收益率领先沪深300指数10%以上；同步大市 未来6个月的投资收益率与沪深300指数的变动幅度相差-10%至10%；落后大市 未来6个月的投资收益率落后沪深300指数10%以上；风险评级：A 正常风险，未来6个月投资收益率的波动小于等于沪深300指数波动；B 较高风险，未来6个月投资收益率的波动大于沪深300指数波动。请仔细阅读在本报告尾部的重要法律声明 60法律声明法律声明分析师声明分析师声明李蕙声明，本人具有中国证券业协会授予的证券投资咨询执业资格，勤勉尽责、诚实守信。本人对本报告的内容和观点负责，保证信息来源合法合规、研究方法专业审慎、研究观点独立公正、分析结论具有合理依据，特此声明。本公司具备证券投资咨询业务资格的说明本公司具备证券投资咨询业务资格的说明华金证券股份有限公司（以下简称“本公司”）经中国证券监督管理委员会核准，取得证券投资咨询业务许可。本公司及其投资咨询人员可以为证券投资人或客户提供证券投资分析、预测或者建议等直接或间接的有偿咨询服务。发布证券研究报告，是证券投资咨询业务的一种基本形式，本公司可以对证券及证券相关产品的价值、市场走势或者相关影响因素进行分析，形成证券估值、投资评级等投资分析意见，制作证券研究报告，并向本公司的客户发布。请仔细阅读在本报告尾部的重要法律声明 61法律声明法律声明免责声明：免责声明：本报告仅供华金证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因为任何机构或个人接收到本报告而视其为本公司的当然客户。本报告基于已公开的资料或信息撰写，但本公司不保证该等信息及资料的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映本公司于本报告发布当日的判断，本报告中的证券或投资标的价格、价值及投资带来的收入可能会波动。在不同时期，本公司可能撰写并发布与本报告所载资料、建议及推测不一致的报告。本公司不保证本报告所含信息及资料保持在最新状态，本公司将随时补充、更新和修订有关信息及资料，但不保证及时公开发布。同时，本公司有权对本报告所含信息在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。任何有关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以本公司向客户发布的本报告完整版本为准。在法律许可的情况下，本公司及所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务，提请客户充分注意。客户不应将本报告为作出其投资决策的惟一参考因素，亦不应认为本报告可以取代客户自身的投资判断与决策。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议，无论是否已经明示或暗示，本报告不能作为道义的、责任的和法律的依据或者凭证。在任何情况下，本公司亦不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。本报告版权仅为本公司所有，未经事先书面许可，任何机构和个人不得以任何形式翻版、复制、发表、转发、篡改或引用本报告的任何部分。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“华金证券股份有限公司研究所”，且不得对本报告进行任何有悖原意的引用、删节和修改。华金证券股份有限公司对本声明条款具有惟一修改权和最终解释权。请仔细阅读在本报告尾部的重要法律声明 62风险提示风险提示风险提示：风险提示：报告中的内容和意见仅供参考，并不构成对所述证券买卖的出价或询价。投资者对其投资行为负完全责任，我公司及其雇员对使用本报告及其内容所引发的任何直接或间接损失概不负责。华金证券股份有限公司办公地址：上海市浦东新区杨高南路759号陆家嘴世纪金融广场30层北京市朝阳区建国路108号横琴人寿大厦17层深圳市福田区益田路6001号大平金融大厦10楼05单元电话:021-20655588

2024-08-27 62页 5星级

2024自动驾驶发展趋势报告-从龙头企业小鹏、理想、蔚来布局分析.pdf

2024 年深度行业分析研究报告 目目 录录 1、小鹏：端到端大模型量产落地，体验升级成下阶段主线.5 1.1、智驾技术加速演进，XNGP 即将实现“门到门”体验.5 1.2、端到端大模型拓展能力边.

2024-08-23 33页 5星级

汽车行业深度报告：智能汽车系列深度（十九）从小鹏、理想、蔚来布局看自动驾驶发展趋势-240820（36页）.pdf

汽车汽车 请务必参阅正文后面的信息披露和法律声明 1/36 汽车汽车 2024 年 08 月 20 日 投资评级：投资评级：看好看好（维持维持）行业走势图行业走势图 数据来源：聚源 智能汽车系列深度（十八）：体验为先，高阶智驾落地进行时行业深度报告-2024.7.25 新能源、出口端放量支撑销量，关注爆款车、智能化产业链开源中小盘&汽车主题投资策略-2024.7.2 智能车，向未来开源中小盘&汽车智能车主题投资策略-2024.6.27 智能汽车系列深度（十九）智能汽车系列深度（十九）：从从小鹏、理想、蔚来小鹏、理想、蔚来布布局局，看，看自动驾驶自动驾驶发展发展趋势趋势 行业深度报告行业深度报告 任浪（分析师）任浪（分析师）赵旭杨（分析师）赵旭杨（分析师） 证书编号：S0790519100001 证书编号：S0790523090002 小鹏：端到端大模型量产落地，体验升级成下阶段主线小鹏：端到端大模型量产落地，体验升级成下阶段主线 算法端，算法端，小鹏已量产国内首个端到端大模型，其模型采用分段式结构，分为神经网络 XNet、规控大模型 XPlanner 以及大语言模型 XBrain 三部分。数据闭环方数据闭环方面，面，小鹏的全栈数据闭环能够实现对数据的清晰处理以及高效的挖掘和解读，测试阶段实车测试与仿真测试并重，加快迭代节奏。云端云端算力方面，算力方面，小鹏云端算力储备已达到 2.51EFlops。投入端，投入端，小鹏每年将投入 35 亿元用于智驾，其中 7 亿元用于算力训练。端到端架构下，小鹏 2024 年 7 月实现无限 XNGP 的全量推送，同时实现第一阶段的“全国都好用”，在 2024Q4 计划实现能够“门到门”的第二阶段“全国都好用”，最终在 2025 年实现用户“爱用”的升级。小鹏较早实现由提升覆盖度到优化体验的转变，XNGP 功能赢得用户的认可，面向用户体验的XNGP 有望渗透率进一步提高，或将加速销量拐点到来。理想：探索双系统架构，自动驾驶锁定第一梯队理想：探索双系统架构，自动驾驶锁定第一梯队 算法端，算法端，理想目前采用分段式端到端，支撑理想无图 NOA 的快速上线，同时理想正在测试端到端 VLM 的快慢系统，最早或在 2024 年底正式推出。数据闭环数据闭环方面，方面，理想搭建了有效的验证方式，云端的世界模型与超过 87 万台车的车端影子模式相结合，帮助其无图 NOA 快速铺开。云端云端算力方面，算力方面，理想已拥有 4.5EFlops的云端算力规模，还将加大投入以支撑端到端的训练。团队方面，团队方面，理想组织效率突出，研发与量产双线并行，滚动开发架构下，理想只用一年多的时间便完成了NPN、无图、端到端 VLM 的三代迭代。硬件方面，硬件方面，理想在积极推进自研智驾芯片的进展，预计将在 2024 年内完成流片。理想以自动驾驶重构核心竞争力，正逐步赢得用户认可，城市 NOA 车型渗透率快速攀升，随着智驾功能在用户购车需求中的权重不断上升，理想有望在智能化的竞争中继续维持领先。蔚来：蔚来：NWM 推动架构迭代，有芯有魂构筑智驾长期主义推动架构迭代，有芯有魂构筑智驾长期主义 算法端，算法端，蔚来目前采用分段式端到端，感知规划全栈网络模型为 NOP 提供了强大的通用泛化能力；同时能够进行想象重建与想象推演的世界模型有望在2024Q4 进行车端部署。数据闭环方面，数据闭环方面，蔚来的群体智能配合生成式仿真能够满足世界模型训练的数据需求，还能够辅助快速验证推动迭代。云端云端算力方面，算力方面，截至 2023 年 9 月，蔚来智能计算集群总算力规模为 1.4EFlops，预计目前算力规模更高，而截至 2024 年 7 月蔚来基于群体智能的整体端云算力已超过 306.9EOPS。蔚来在硬件架构与软件架构上进行长期主义布局，统一架构延长车辆的生命力，支持车辆的长生命周期迭代。蔚来 NOP 用户数量持续扩大，使用里程也在快速增长，反映出蔚来用户对其自动驾驶的认可程度不断提高。受益标的：受益标的：小鹏汽车-W、理想汽车-W、蔚来-SW。风险提示：风险提示：技术发展进度不及预期、市场需求不及预期、政策推进不及预期。-29%-19%-10%0 23-082023-122024-04汽车沪深300相关研究报告相关研究报告 开源证券开源证券 证券研究报告证券研究报告 行业深度报告行业深度报告 行业研究行业研究 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 2/36 目目 录录 1、小鹏：端到端大模型量产落地，体验升级成下阶段主线.5 1.1、智驾技术加速演进，XNGP 即将实现“门到门”体验.5 1.2、端到端大模型拓展能力边界，智驾领军车企坚定布局.5 1.2.1、分段式端到端大模型量产上车，XNGP 能力加强.5 1.2.2、端到端大模型下迭代速度显著加快，助力体验升级.8 1.2.3、智驾领军车企，围绕智驾相关领域坚定布局.9 1.3、XNGP 体验升级，智驾成小鹏“长期马拉松”关键.10 1.3.1、阶段目标“全国都好用”，向“全球都好用”进发.10 1.3.2、从好用到爱用，小鹏销量拐点或将到来.13 2、理想：探索双系统架构，自动驾驶锁定第一梯队.14 2.1、无图 NOA 全量推送，向 One Model 进发.14 2.2、端到端 VLM 世界模型，理想自动驾驶迎来“尤里卡”时刻.16 2.2.1、端到端 VLM 构成快慢系统，最早 2024 年底推出.16 2.2.2、世界模型 数据闭环助力理想快速迭代.19 2.2.3、理想 NOA 实现不限城市、不限道路的通行能力，体验升级.20 2.3、组织面向端到端，云端算力大扩充，理想加码自动驾驶布局.21 2.3.1、量产和预研双线并行，成立端到端实体组织.21 2.3.2、加大投入拓展云端算力，自研芯片补充车端算力.22 3、蔚来：NWM 推动架构迭代，有芯有魂构筑智驾长期主义.22 3.1、NOP 全量推送，2024H2 上车点到点领航辅助 2.0.22 3.2、世界模型提高通用能力，群体智能助力数据闭环体系.23 3.2.1、从模型化到端到端，世界模型是下一站.23 3.2.2、当前蔚来感知规划全栈网络模型为 NOP 提供了强大的通用泛化能力.24 3.2.3、世界模型能够进行想象重建与想象推演，将推动通用能力快速提升.24 3.2.4、群体智能助力数据闭环搭建，生成式仿真进行快速闭环测试.26 3.3、软硬协同能力不断加强，迈向端到端大模型时代.28 3.3.1、自研神玑 NX9031 即将上车，传感、计算硬件支撑智驾长期主义.28 3.3.2、NADArch 升级 2.0，统一架构延长生命力.30 3.3.3、重组智驾研发团队，组织架构上面向端到端大模型.30 4、管中窥豹：从三家新势力车企进展，看自动驾驶发展趋势.31 4.1、趋势一：城区智驾从扩大覆盖度到优化体验快速转变.31 4.2、趋势二：认知智能辅助端到端大模型上车.32 4.3、趋势三：布局硬件进行垂直整合，智驾降本成为方向.32 5、受益标的.33 6、风险提示.33 图表目录图表目录 图 1：小鹏端到端大模型由 XNet、XPlanner、XBrain 三部分组成.6 图 2：小鹏 XNet 2.0 成功引入占用网络，感知范围、通用障碍物识别能力大幅提升.6 图 3：基于神经网络的 Xplanner 具备长时序、多对象、强推理的特点.7 图 4：利用大模型，小鹏智驾能“看懂”更多路标等信息.7 图 5：端到端技术的使用使得小鹏自动驾驶的进步大大加速.8 9W9WbZbZfYbUaYaY6M9R9PsQoOpNrNfQrRyQjMpNnM6MnNxOvPnMqONZnOsQ行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 3/36 图 6：实车测试与仿真测试为小鹏训练的重要部分.9 图 7：全栈数据闭环使城市场景被动接管率降低 38%.9 图 8：小鹏 AI 算力储备达 2.51EFlops.9 图 9：小鹏布局舱驾融合车载计算中心 XCCP.10 图 10：XNGP 正从提高城市覆盖度向体验升级转变.10 图 11：XNGP 覆盖范围扩大至全国所有城市.11 图 12：XNGP 是行业唯一实车测试验证超 2595 个城市.11 图 13：XNGP 可应用于国内所有公开道路.11 图 14：小鹏开城方案从“白名单”转变到“黑名单”.11 图 15：2024 年第四季度，小鹏实现真正的“门到门”体验.12 图 16：XNGP 可适应掉头、环岛及窄路等复杂路况.12 图 17：小鹏汽车的智驾处于“全国都好用”的第一阶段.12 图 18：小鹏正着手将 XNGP 推向世界.13 图 19：小鹏计划智驾技术走向全球.13 图 20：2024 年以来，XNGP 城区智驾月度活跃用户渗透率维持 80%以上.13 图 21：2025 年底至 2026 年初，小鹏智能驾驶将进入全新阶段.14 图 22：理想将在三年内实现 L4 级别无监督自动驾驶.14 图 23：当前无图 NOA 的算法架构是分段式端到端.15 图 24：理想的自动驾驶开发框架中具有快慢系统.16 图 25：理想 AD 3.0 的整体框架已经偏向端到端模型.17 图 26：通过 VLM/世界模型才能够应对真实世界中的未知场景.17 图 27：视觉大语言模型可以很好的识别驾驶场景并做出决策.18 图 28：系统 2 的模型参数量达到 22 亿.18 图 29：VLM 在车端能够以 3.34Hz 频率运行.18 图 30：理想使用重建 生成的世界模型进行快速验证.19 图 31：理想自动驾驶训练使用高度自动化的闭环学习.20 图 32：2024 年 6 月理想智能驾驶累计里程达 19 亿公里.20 图 33：无图 NOA 的四大能力.20 图 34：无图无先验，哪里都能开.20 图 35：绕行丝滑，决策不磨叽，时机更果断.21 图 36：分米级微操，驾驶更默契，家人更安心.21 图 37：RD 与 PD 明暗双线滚动开发加快自动驾驶迭代.21 图 38：随着 NOP 全量推送，用户数也在快速上涨.23 图 39：蔚来规划部分基于三层的数据驱动的网络.24 图 40：世界模型是蔚来智能驾驶技术下一步重点布局方向.25 图 41：世界模型能够进行空间理解与时间理解.25 图 42：重建的视频模型收敛速度更快.26 图 43：世界模型能够推演平行世界，真实多变.26 图 44：群体智能和生成式仿真可以满足整体的世界模型的数据需求.27 图 45：群体智能系统能够帮助蔚来进行高效的数据挖掘.27 图 46：通过群体智能，蔚来的城区道路可用范围迅速提升.27 图 47：群体智能 NSim 可以解决 NWM 数据问题.28 图 48：NWM 生成结果可以进入到 NSim 进行推演.28 图 49：神玑 NX9031 已流片，制程为 5 纳米.29 图 50：ADAM 计算平台集成 4 颗 Orin-X.29 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 4/36 图 51：支持实现智驾、智舱最大 256TOPS 算力共享.29 图 52：NADArch 2.0 具体功能收敛到点到点的全域领航 2.0 与智能安全辅助 2.0.30 图 53：蔚来已经几乎能够做到有路就能开，但在部分道路仍不能应对.31 表 1：小鹏 2024Q4 实现真正的“门到门”体验.5 表 2：理想 OTA 6.0 推送无图 NOA，实现功能大升级.15 表 3：理想自动驾驶演进中，端到端范式减少大量代码.20 表 4：蔚来 NOP 已在 2024 年 4 月全量推送.22 表 5：三家新势力车企都已覆盖全国，下一阶段目标为优化全国城市智驾体验.31 表 6：良好的数据闭环不仅能在智驾里程数据中学习，还能利用智驾里程数据学习.32 表 7：各大车企在 2024 年均将算力推升到更高水平.32 表 8：选择城市领航辅助功能仍需付出较高成本.33 表 9：受益标的盈利预测及估值.33 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 5/36 1、小鹏：端到端大模型量产落地，体验升级成下阶段主线小鹏：端到端大模型量产落地，体验升级成下阶段主线 1.1、智驾技术加速演进智驾技术加速演进，XNGP 即将实现“门到门”体验即将实现“门到门”体验 小鹏小鹏无限无限 XNGP 实现全国都能开实现全国都能开，即将步入“门到门”时代，即将步入“门到门”时代。小鹏高速 NGP 功能在 2021 年年 1 月月开始推送。2022 年年 9 月月 17 日日，小鹏基于自研的智能辅助驾驶系统XPILOT，在广州试点推送城区 NGP，是国内最早推送城区 NGP 功能的整车厂。2023年年 3 月月，小鹏智能辅助驾驶系统迭代为 XNGP，先后在有高精地图覆盖的深圳与上海开放城市领航辅助功能，彼时 XNGP 功能的实现仍是基于高精地图，虽然基于此模式开发自动驾驶较为简单，但道路覆盖有限，用户体验不够完整。2024 年年 2 月月，小鹏使用无图智驾的无限 XNGP 向部分拥有智驾经验的用户推送，此后在 2024 年年 7月月，无图 XNGP 全量推送，实现全国都能开，并计划在 2024Q4 实现完全“门到门”的体验。短短三年半的时间，小鹏的自动驾驶持续突破，端到端大模型技术大大加速小鹏自动驾驶进程。表表1：小鹏小鹏 2024Q4 实现实现真正的“门到门”体验真正的“门到门”体验 时间时间 发展历程及规划发展历程及规划 2021 年 1 月 小鹏推送高速 NGP 功能 2022 年 9 月 小鹏城市 NGP 在广州试点（P5）2022 年 10 月 小鹏引入基于 BEV Transformer 的 Xnet 代码，过去 6 个月重写代码 2023 年 3 月 广州、深圳、上海开放城市 NGP 2023 年 6 月 北京开放城市 NGP，覆盖环线及主要快速路（G9、P7i Max、P5 等车型）；小鹏智驾团队开始在北京研发无图版本的 XNGP 2023 年 11 月 XNGP 无图正式推送，城市智驾开放 25 城 2023 年 12 月 XNGP 城市智驾开放至 52 城 2024 年 1 月 累计开通 243 城 2024 年 2 月 向部分拥有智驾经验的用户推送无限 XNGP 2024 年 5 月 XNGP 城区智驾已完成 100%无图化，智驾可用范围里程翻倍 2024 年 7 月 全国首个端到端 AI 大模型量产上车，真无图真全国都可开的无限 XNGP 全量推送 2024Q4 打通包括 ETC 收费站、停车场闸机、园区内部道路在内的智驾“断点”，实现真正的“门到门”体验 2025 年 在国内实现类 L4 级智驾体验，面向全球开始研发 XNGP 资料来源：晚点 LatePost 公众号、小鹏汽车公众号、IT 之家官网等、开源证券研究所 1.2、端到端大模型拓展能力边界，智驾领军车企坚定布局端到端大模型拓展能力边界，智驾领军车企坚定布局 1.2.1、分段式端到端大模型量产上车，分段式端到端大模型量产上车，XNGP 能力加强能力加强 国内首个端到端大模型量产上车，神经网络国内首个端到端大模型量产上车，神经网络 XNet 规控大模型规控大模型 XPlanner 大语言模大语言模型型 XBrain 形成合力。形成合力。在小鹏上一代的自动驾驶系统中，只有感知一个模块用到 AI模型，其余的模块基本都是人工定义的规则，这需要大量的人工定义的规则，在人力、时间、维护成本上均具有劣势。较为稳定的传统量产智驾系统，大约有 10 万条左右各类人工定义的规则，而一个无限接近人类司机的自动驾驶系统，大概等效于10 亿条规则，这对于需要快速更新迭代的自动驾驶系统来说是难以承担的。端到端技术范式是指数据输入端和指令输出端通过完全数据驱动，让 AI 学习人类成熟驾驶行为，从而实现快速迭代、减少成本。小鹏在 2021 年开始转向端到端，目前其端到端大模型由神经网络 XNet 规控大模型 XPlanner 大语言模型 XBrain 三部分组成。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 6/36 图图1：小鹏端到端大模型由小鹏端到端大模型由 XNet、XPlanner、XBrain 三部分组成三部分组成 资料来源：小鹏汽车公众号（1）神经网络神经网络 XNet：XNet是深度视觉感知神经网络，是“静态XNet”“动态XNet”与“纯视觉 2K 占用网络”的集成，可以比作智能驾驶的眼睛。其中“静态 XNet”可以对感知到的数据进行实时 3D 建图，使智驾系统摆脱掉对高精地图的依赖，提高智驾系统的适应能力；“动态 XNet”则具有对周边环境和交通参与者的行为进行预测与博弈的能力，并给出合理的决策，能够处理复杂的交通情况，提高驾驶的安全性和舒适性；“纯视觉 2K 占用网络”通过摄像头信息的分析，来构建 3D 体素来规划出空间内被占用和未被占用的路线，对现实世界中的可通行空间进行 3D 高真实度还原。深度视觉感知神经网络 XNet 的上车，能够对现实世界环境的重建更为精准，同时预测能力和行驶规划的能力也会更强，汽车感知范围提升 2 倍，面积可达 1.8 个足球场大小，能精准识别 50 个以上目标物。图图2：小鹏小鹏 XNet 2.0 成功引入占用网络，感知范围、通用障碍物成功引入占用网络，感知范围、通用障碍物识别能力大幅提升识别能力大幅提升 资料来源：小鹏汽车公众号 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 7/36（2）规划大模型）规划大模型 XPlanner：XPlanner 同样基于神经网络，具备长时序、多对象、强推理的特点，能够结合分钟级以上的时序连续分析动机，并依据周边环境信息及时变通，生成最佳的运动轨迹，可以比作智能驾驶的小脑。通过海量“五星司机”的驾驶数据对规划大模型 XPlanner 进行训练，基于数据驱动模式迭代，取代人类手写规则代码，能让智驾系统的驾驶策略向着拟人化进化。效果上，规划大模型XPlanner 能够让小鹏汽车的智驾系统在真实道路体验中减少 50%的前后顿挫、60%的违停卡死以及 40%的安全接管。图图3：基于神经网络的基于神经网络的 Xplanner 具备长时序、多对象、强推理的特点具备长时序、多对象、强推理的特点 资料来源：高工智能汽车公众号（3）大语言模型）大语言模型 XBrain：XBrain 的能力就是让智驾系统拥有类似人类大脑的学习和理解的能力，以此来赋予智驾系统处理复杂场景甚至未知场景的泛化处理能力，以及对现实世界中宏观逻辑的推理能力。XBrain 侧重于整个大场景的认知，XNet侧重于感知和语义。在 XBrain 的赋能下，小鹏汽车的智驾系统能够清晰地分辨出待转区、潮汐车道、特殊车道甚至是路牌文字，秒懂各种令行禁止、快慢缓急的行为指令，进而做出兼顾安全、性能的拟人驾驶决策，做出兼顾安全和效率的拟人驾驶决策。图图4：利用大模型，小鹏智驾能“看懂”更多路标等信息利用大模型，小鹏智驾能“看懂”更多路标等信息 资料来源：电动汽车观察家公众号 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 8/36 小鹏端到端小鹏端到端技术技术逐步渐进，逐步渐进，当前模型采用当前模型采用分段式分段式结构结构。端到端大模型不是只有神经网络，而是将感知、策略和规控统一在相同的 Transformer 架构下，保证模型有足够解释性的前提下，逐渐提升各部分的一体化程度。小鹏的端到端大模型可分为三大部分，采用的分段式方案，据汽车新技术资料，相对于 One Model 方案，分段式端到端技术难度更低，同时对于算力和数据的要求也低的多：单一大模型的端到端智驾至少需要 3 万台量产车提供数据，而分段式可能只需要 1/10 的量。1.2.2、端到端大模型下迭代速度显著加快，助力体验升级端到端大模型下迭代速度显著加快，助力体验升级 端到端时代，小鹏智驾迭代速度显著加快。端到端时代，小鹏智驾迭代速度显著加快。迭代速度端到端小鹏高速 NGP 功能在2021 年 1 月开始推送，并在 2021 年开始转向端到端范式，21 个月之后，在 2022年 10 月开通个别城市的城市 NGP，又过了 13 个月，在 2023 年 11 月，XNGP 正式无图推送，城市智驾开放 25 城，而仅仅 8 个月之后的 2024 年 520 AI DAY 发布会上，宣布量产上车国内首个端到端大模型，AI 智驾取代传统智驾，XNGP 开放到所有城市，全面无图时代到来。2025 年实现城区智驾比肩高速智驾体验：平均 1000 公里接管一次。自 AI 天玑系统 5 月 20 日全球首次发布以来，70 天内累计推送 5 次全量更新，实现至少 35 个版本迭代。图图5：端到端技术的使用使得小鹏自动驾驶的进步大大加速端到端技术的使用使得小鹏自动驾驶的进步大大加速 资料来源：小鹏汽车 AI 智驾技术发布会（2024）AI 智驾时代，庞大训练数据是智驾能力快速迭代的底座。智驾时代，庞大训练数据是智驾能力快速迭代的底座。基于折算超 10 亿公里的视频训练（2023 年 5 月）、超 756 万累计公里数的实车测试（2023 年 7 月）、超 2.16亿累计公里数的仿真测试（2023 年 5 月），小鹏端到端大模型能够做到“每 2 天一次版本迭代，每 2 周一次体验升级”，在未来 18 个月内智驾能力提升 30 倍。值得注意的是，除了实车数据之外，小鹏的数据量中也一定程度使用了仿真的合成数据，帮助小鹏在端到端时代数据量不足的情况下能够有效迭代。对数据的清晰处理以及高效的挖掘和解读是小鹏对数据的清晰处理以及高效的挖掘和解读是小鹏高效高效迭代的重要抓手。迭代的重要抓手。纯数据驱动的神经网络算法要实现升级迭代，数据闭环体系的构建是关键。通过收集实车数据、云端模型训练并结合仿真能力，自动驾驶算法的长尾场景应对能力将大幅提升。小鹏将数据闭环分为“数据收集、标注、训练和部署”四个环节，根据 2022 年小鹏 1024科技日数据，小鹏彼时已在近 10 万辆的小鹏车型上部署了超过 300 个触发器，形成了一个“全闭环、自成长的 AI 和数据体系”，全栈数据闭环能力使城市场景被动接管率降低 38%，仿真能力使小鹏能够创造出更多的长尾场景，保护程度能提升 4 倍，数据获取及算法测试成本将大幅下降。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 9/36 图图6：实车测试实车测试与仿真测试为小鹏训练的重要部分与仿真测试为小鹏训练的重要部分 图图7：全栈数据闭环使城市场景被动接管率降低全栈数据闭环使城市场景被动接管率降低 38%资料来源：GeekCar 极客汽车公众号 资料来源：1024 小鹏汽车科技日（2023）1.2.3、智驾领军车企，围绕智驾智驾领军车企，围绕智驾相关领域相关领域坚定布局坚定布局 小鹏在自动驾驶小鹏在自动驾驶研发投入、团队研发投入、团队组织组织、云端算力、硬件自研方面坚定布局、云端算力、硬件自研方面坚定布局。（1）在研发投入层面）在研发投入层面，小鹏 2024 年将投入 35 亿元用于研发“以智驾为核心的AI 技术”，此后每年的相关投入只增不减。（2）在团队）在团队组织组织层面层面，在 2024 年 1 月，小鹏以智驾为核心的 AI 技术团队已超3000 人，并新招募 4000 名专业人才。同时在组织架构上，据红色星际消息，小鹏在2024 年 8 月将负责算法研发的技术开发部分拆为三大部门，分别为 AI 端到端、AI应用、AI 能效，其中 AI 端到端部门负责端到端模型的研发，AI 应用部门负责交付，以提升端到端自动驾驶演进的效率。图图8：小鹏小鹏 AI 算力储备达算力储备达 2.51EFlops 资料来源：小鹏汽车 AI 智驾技术发布会（2024）（3）在算力层面）在算力层面，2024 年 7 月，小鹏 AI 算力储备已达 2.51EFlops，同时此后每年算力训练投入将超 7 亿元，其中在 2024 年峰值算力达到 7000 张训练卡以上。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 10/36（4）在硬件层面，）在硬件层面，据 36 氪 Pro 消息，小鹏从 2020 年开始搭建芯片团队，2022年选择索喜为芯片设计合作方，承包芯片后端设计，目前芯片已经流片，预计 8 月回片。除芯片之外，小鹏推出了首个驾舱融合的车载计算中心 XCCP 作为 XEEA 3.5架构的核心计算节点，集成了包括智能驾驶、座舱、仪表、网关、IMU、功放等功能，实现 40%的成本节约，同时性能提升 50%。图图9：小鹏布局舱驾融合车载计算中心小鹏布局舱驾融合车载计算中心 XCCP 资料来源：1024 小鹏汽车科技日（2023）1.3、XNGP 体验升级，智驾成小鹏“长期马拉松”关键体验升级，智驾成小鹏“长期马拉松”关键 1.3.1、阶段目标“全国都好用”，向“全球都好用”进发阶段目标“全国都好用”，向“全球都好用”进发 XNGP 正从提高城市覆盖度向体验升级转变。正从提高城市覆盖度向体验升级转变。小鹏天玑 XOS 5.2.0 下的 XNGP 已经实现了全国都能开，而下一阶段的目标在于全国都好用，何小鹏提出“全国都好用”的三大标准：不限城市、不限路线、不限路况。图图10：XNGP 正从提高城市覆盖度向体验升级转变正从提高城市覆盖度向体验升级转变 资料来源：小鹏汽车 AI 智驾技术发布会（2024）（1）不限城市：）不限城市：不限城市，指的是 XNGP 覆盖范围扩大至全国所有城市，真正摆脱高精地图束缚，将高阶智驾引入端到端大模型时代。仅仅是满足“不限城市”，小鹏汽车就走了接近 20 个月，这也是中国智能驾驶从高精地图，到无图，演进至端到端全面追逐落地的竞争走势。XNGP 早在 2024 年年初就已具备“全国都能开”的能力，但为了确保智驾的安全性，小鹏汽车花费半年以上时间展开大规模的实车测试。截至 2023 年 7 月，XNGP 是行业唯一实车测试验证超 2595 个城市（含中国地级市及县级市区域），累计测试里程超 756 万公里，且 AI 训练泛化扩充全国所有城市的智驾系统，以业内罕见的饱和式智驾测试传递对智驾安全的高度重视。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 11/36 图图11：XNGP 覆盖范围扩大至全国所有城市覆盖范围扩大至全国所有城市 图图12：XNGP 是行业唯一实车测试验证超是行业唯一实车测试验证超 2595 个城市个城市 资料来源：小鹏汽车 AI 智驾技术发布会（2024）资料来源：小鹏汽车 AI 智驾技术发布会（2024）（2）不限路线：）不限路线：不限路线，指的是 XNGP 可应用于国内所有公开道路，“能导航的地方，就能 AI 智驾”。小鹏汽车用了两年时间，走过了“城市快速路部分主干道所有城市主干道所有公开道路”的路网覆盖之旅。从“白名单”到“黑名单”，小鹏开城从“白名单”到“黑名单”，小鹏开城方案转变方案转变。在技术、成本、数据、时间甚至政策等因素影响下，开城往往不是某个城市“全域开放”，而是“白名单式”开放：只对城市里部分白名单道路开放，或只招募部分满足一定门槛的白名单用户开放，如此将会遇到自动驾驶系统仍未覆盖的路段和场景（如掉头、环岛等复杂场景），城市NOA 功能将会自动降级为 LCC 或退出要求接管。小鹏采取“黑名单式”开放：除了部分特定场景无法开（如保密区域等），其余全国所有路都能开，且对全量用户开放。在 XNGP 的最新公测版本中，AI 代驾已经能够自动通过 ETC 收费站。预计到2024 年第四季度，XNGP 将打通包括 ETC 收费站、停车场闸机、园区内部道路在内的智驾“断点”，实现真正的“门到门”体验。图图13：XNGP 可应用于国内所有公开道路可应用于国内所有公开道路 图图14：小鹏开城方案从“白名单”转变到“黑名单”小鹏开城方案从“白名单”转变到“黑名单”资料来源：小鹏汽车 AI 智驾技术发布会（2024）资料来源：小鹏汽车 AI 智驾技术发布会（2024）行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 12/36 图图15：2024 年第四季度，小鹏实现真正的年第四季度，小鹏实现真正的“门到门门到门”体验体验 资料来源：小鹏汽车公众号（3）不限路况：）不限路况：不限路况，指的是 XNGP 可适应包括掉头、环岛及狭窄小路等在内的复杂路况，成为首个复杂路况全覆盖的 AI 智驾。以往基于规则代码的智能驾驶辅助系统，面对环岛、掉头等复杂场景，只能通过工程师大量编写相应的规则代码来“预先适应”，且通过率极低。而在已量产上车的端到端大模型赋能下，XNGP有效增强了“脑补”学习能力，可实现“边看边开”，面对复杂多变的环岛、掉头场景，都能够实时应对。图图16：XNGP 可适应掉头、环岛及窄路等复杂路况可适应掉头、环岛及窄路等复杂路况 图图17：小鹏汽车的智驾处于“全国都好用”的第一阶段小鹏汽车的智驾处于“全国都好用”的第一阶段 资料来源：小鹏汽车 AI 智驾技术发布会（2024）资料来源：小鹏汽车 AI 智驾技术发布会（2024）端到端与无图化帮助端到端与无图化帮助小鹏自动驾驶推向全球。小鹏自动驾驶推向全球。小鹏正着手将 XNGP 推向世界，7 月小鹏宣布面向全球用户发起 AI 天玑 XOS 5.2.0 尝鲜招募，覆盖小鹏 G9、P7i、G6与 X9 车主各 1000 人，共计 4000 人，实现国内和海外用户首度同步体验，并于 8月 15 日在德国、挪威、丹麦、瑞典、荷兰、法国等 10 个国家推送。小鹏已在 2024年进入 30 多个国家，根据小鹏的计划，小鹏将于 2025 年研发全球范围的 XNGP。依赖规则做到智驾全球化的需要人工编写各地的不同规则，落地成本较高，要实现全球都能开的自动驾驶，端到端和无图化是必由之路。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 13/36 图图18：小鹏正着手将小鹏正着手将 XNGP 推向世界推向世界 图图19：小鹏计划智驾技术走向全球小鹏计划智驾技术走向全球 资料来源：小鹏汽车 AI 智驾技术发布会（2024）资料来源：小鹏汽车 520 AI DAY（2024）1.3.2、从好用到爱用，小鹏销量拐点或将到来从好用到爱用，小鹏销量拐点或将到来 智驾成为小鹏有力竞争优势，智驾成为小鹏有力竞争优势，XNGP 功能赢得了用户的认可。功能赢得了用户的认可。何小鹏在 2024 年 8 月曾表示，在过去 12 个月，小鹏越高阶的车，用户选择智驾版的比例越高，侧面反应出用户对小鹏智驾能力的认可。2024 年 7 月，小鹏 XNGP 城区智驾月度活跃用户渗透率达 84%，而 2024 年 6 月小鹏 X9 用户报告显示，小鹏 X9 销售比例的 71%为配备高阶 XNGP 功能的 Max 版本车型。当智能驾驶的体验能够做到足够优秀，销量的关键拐点有望很快到来，而目前正在处于变化的起点。用户对小鹏 XNGP 功能认可不断提高。图图20：2024 年以来，年以来，XNGP 城区智驾月度活跃用户渗透率维持城区智驾月度活跃用户渗透率维持 80%以上以上 数据来源：小鹏汽车公众号、开源证券研究所 从能用、好用到爱用，面向用户从能用、好用到爱用，面向用户体验体验的的 XNGP 有望有望渗透率进一步提高渗透率进一步提高。小鹏汽车的智驾处于“全国都好用”的第一阶段，预计 2024 年第四季度实现“全国都好用”第二阶段的能力。小鹏预计其 XNGP 将在 2025 年底至 2026 年初进入全新阶段，做到提前应对潜在风险、通行效率优于人驾，大幅减少用户的安全接管与效率接管次数，同时做到加减速变道超车等操作丝滑流畅，提升用户体验，让用户真正爱用智驾。面向用户的 XNGP 将有望赢得用户认可，激活消费者智驾需求，渗透率有望进一步提高。85Pp0%XNGP城区智驾月度活跃用户渗透率 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 14/36 图图21：2025 年底至年底至 2026 年初，小鹏智能驾驶将进入全新阶段年初，小鹏智能驾驶将进入全新阶段 资料来源：小鹏汽车 AI 智驾技术发布会（2024）2、理想：探索双系统架构，自动驾驶锁定第一梯队理想：探索双系统架构，自动驾驶锁定第一梯队 2.1、无图无图 NOA 全量推送，向全量推送，向 One Model 进发进发 理想理想全国无图全国无图 NOA 全量推送全量推送实现实现快速快速追赶追赶。理想 2021 年年开始自研自动驾驶，并于2021 年年 12 月月落地高速 NOA 功能，进展处于国内领先水平，而蔚来、小鹏分别在 2020年 10 月、2021 年 1 月落地高速领航功能，比理想进展快 14 个月与 11 个月，理想的自动驾驶起步相对较晚。在之后的自动驾驶竞争中，焦点也由“0 到 1”的功能落地转向“1 到 10”的开城：小鹏于 2022 年 9 月国内首发城市 NGP 功能，打响城市领航辅助功能落地第一枪，极狐、阿维塔、问界等玩家纷纷跟进。理想紧跟 NOA 开城浪潮，在 2023 年年 4 月月宣布“年底前完成 100 个城市的落地推送”，实现自动驾驶领域的快速追赶。此后理想自动驾驶加速迭代，算法从传统模块化架构演进至分段式端到端，并向 One Model 演进；在功能上，理想于 2024 年年 7 月月全量推送全国无图NOA，并计划三年内三年内实现 L4 级别的无监督自动驾驶。图图22：理想将在三年内实现理想将在三年内实现 L4 级别无监督自动驾驶级别无监督自动驾驶 资料来源：理想汽车公众号、有个理想公众号、佐思汽车研究公众号等、开源证券研究所 2019.04L2量产落地2021.05搭载高精地图2022.03发布AD Max2023.06开启北京和上海的城市NOA内测2024.02城市 NOA 已推送全国113个城市2024.07正式推全国无图 NOA2021.12落地高速NOA、自研AEB2022.09发布AD Pro2023.12推送AD Max 3.0，全场景智能驾驶NOA覆盖100个城市2024.04AD Max 3.0进阶版（城市NOA在全国范围开放）向部分用户推送推送端到端 VLM视觉模型 世界模型的智能驾驶体系2027年内年内三年内，实现L4 级别无监督的自动驾驶最最早早2024年年底底 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 15/36 表表2：理想理想 OTA 6.0 推送无图推送无图 NOA，实现功能大升级，实现功能大升级 时间时间 版本版本 理想自动驾驶进展理想自动驾驶进展 2022.11 OTA 4.1 提升导航辅助驾驶(NOA)的限速准确度，优化导航辅助驾驶(NOA)在高精地图数据受限时的连续性体验，减少功能退出造成的打扰 2023.1 OTA 4.2 AEB 功能融合激光雷达、新增 LDP 车道偏离抑制功能 2023.2 OTA 4.3 理想 AD Pro 标配的高速 NOA 功能上线；优化了直线召唤体验、智能泊车交互体验、道路环境感知应用交互体验，新增车道保持辅助等功能 2023.5 OTA 4.4 停车期间四颗环视摄像头无死角监控周围状况（哨兵模式）；在高速公路、城市快速路开启 LKA Plus功能就可以自主超车 2023.9 OTA 4.6 ELK 紧急车道保持功能支持 AD Max 车型 2023.12 OTA 5.0 理想 L 系列的 Max 车型升级为 AD Max 3.0，感知算法采用 BEV 大模型和 Occupancy 占用网络，规划算法逐步切换为时空联合规划算法，更新了 MPC 模型预测控制算法；拥有包括全场景智能驾驶（NOA）、全场景辅助驾驶（LCC）、智能泊车和主动安全能力的升级 2024.3 OTA 5.1 AEB 精准识别更多静止障碍物智能泊车偏左、居中、偏右自由选高速 NOA 货车避让增强 2024.5 OTA 5.2 AD Pro 3.0 全新升级 BEV 模型架构和时空联合规划算法，高速 NOA 千公里级别零接管，城市 LCC能力升级；AD Max 3.0 升级主动安全 8 类高频高危场景 2024.7 OTA 6.0 理想无图 NOA 全量推送，不依赖高精地图等先验信息，可在城市中按照导航路径实现自动切换车道、自主超车变道、绕行障碍物、自适应调节巡航速度、响应红绿灯启停和自动通过路口等驾驶任务 资料来源：IT 之家官网、智车派公众号、有驾公众号、开源证券研究所 自动驾驶成为“一号工程”自动驾驶成为“一号工程”，分段式端到端架构分段式端到端架构支撑理想无图支撑理想无图 NOA 快速上线快速上线。在汽车智能化愈发受到重视的当下，理想已经将自动驾驶开发摆在显著地位。2023 年年 6月月，理想在首届家庭科技日上透露其自动驾驶的细节，在感知算法层面采用采用 BEV大模型、使用 Occupancy 网络、自研神经先验网络（NPN）、训练端到端的信号灯意图网络（TIN）提高感知准确度，在规控算法层面应用了模仿学习的方法，持续迭代规控模型，意味着 AD 自动驾驶进入大模型时代，在 AI 大模型算法下，理想做到不依赖高精度地图的百城 NOA 推送。在使用 NPN 算法以轻图方式推进百城的同时，理想双线并进，在 2023 年年 10 月月预研基于分段式端到端架构的无图 NOA，只有感知、规划与导航三个模块，其中感知与规划均模型化，中间使用规则串行。在该架构下，理想于 2024 年年 7 月月全量推送无图 NOA。图图23：当前无图当前无图 NOA 的的算法算法架构是分段式端到端架构是分段式端到端 资料来源：理想汽车公众号、理想汽车研究所 第一代：第一代：NPN架构架构第二代：分段式端到端架构第二代：分段式端到端架构（Two Model）包含感知、定位、规划、导航、包含感知、定位、规划、导航、NPN等模块等模块包含感知、规划、导航模块，模块更少包含感知、规划、导航模块，模块更少支撑理想汽车支撑理想汽车100城城市城城市NOA推送推送支撑现阶段理想无图支撑现阶段理想无图NOA全国都能开的实现全国都能开的实现 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 16/36 以自动驾驶重构核心竞争力，理想智驾以自动驾驶重构核心竞争力，理想智驾赢得用户认可，赢得用户认可，渗透率快速攀升渗透率快速攀升。将自动驾驶开发摆在显著地位的理想，在功能实现突破后，也让用户选择智驾车型的热情水涨船高。据钛媒体数据，理想无图 NOA 发布后，AD Max 选配率显著升高：在到店试驾环节，用户 NOA 试驾占比从 5 月 23.8%提升到 7 月 46.5%，翻倍提升，用户考虑购车时更愿意了解体验理想的智能驾驶；在购车环节，用户选购 AD Max 的定单占比从 5 月份的 37%提升至 7 月份的 49%。单车型来看，7 月，理想 L9 车型 75%的用户选购 AD Max，理想 L8 达到 56%，理想 L7 达到 65%，L6 也有 22%，在北上广深，理想智驾车型的比例已经达到 70%，表明理想的智驾功能正在得到越来越多用户的认可。根据理想的数据显示，面向 AD Max 车型的无图 NOA 的升级覆盖的用户数量超 24 万，随着智驾功能在用户购车需求中的权重不断上升，重构核心竞争力的理想有望在智能化的竞争中维持领先。2.2、端到端端到端 VLM 世界模型，理想自动驾驶迎来“尤里卡世界模型，理想自动驾驶迎来“尤里卡”时刻时刻 2.2.1、端到端端到端 VLM 构成快慢系统，最早构成快慢系统，最早 2024 年底推出年底推出 人类思考包含快系统（系统人类思考包含快系统（系统 1）和慢系统（系统）和慢系统（系统 2）。）。诺贝尔经济学奖得主，心理学家 Daniel 在思考，快与慢中指出人类的思考有两种方式，“系统 1”是快速的、本能的、自动的、情绪化的、潜意识的、条件反射的；“系统 2”是缓慢的、刻意的、逻辑的、缜密细致的。大脑通常把很多身体运动相关的功能交给系统 1 来处理，比如一些本能行为，皮肤的烫伤，迎面飞来的物体，需要我们尽可能快的速度做出反应；而语言等抽象能力被大脑交给了系统 2 的新大脑皮层，这里可以处理非常复杂的问题，并且有强可塑性。正常驾驶员开车过程中 95%的时间使用系统 1，5%的时间使用系统 2，所以人不需要每天学习 Corner Case 就能够学会开车。图图24：理想的自动驾驶开发框架中具有快慢系统理想的自动驾驶开发框架中具有快慢系统 资料来源：NE 时代智能车公众号 在理想的自动驾驶开发框架中，也在理想的自动驾驶开发框架中，也具有具有快慢系统。快慢系统。快系统（系统 1）偏直觉，用以处理大部分常规场景，类似肌肉记忆的应激反应来处理一些直觉、快速响应的事情，在驾驶场景中可以直观理解为传感器看到场景紧接着车来做出决策和动作；慢系统（系统 2）偏思考，负责未知场景或者是复杂场景处理，解决各种复杂路况，解决泛化的问题、未知的问题。系统时时刻刻在运行，并输出两个决策，系统 1 发挥主要的作用，系统 2 会在复杂场景中起到参考或者咨询的作用，增强系统 1 的决策。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 17/36 系统系统 1 为端到端模型为端到端模型，年内实现由感知到规划的统一，年内实现由感知到规划的统一。在端到端架构下，能够实现高效的信息传递，减少信息损失；能够实现高效的计算，一次性完成推理的延迟更低；能够实现高速的迭代，在数据驱动下做到周级甚至是亚周级的迭代。在理想的架构中，系统 1 是一个端到端的模型，输入的是传感器数据输入的是传感器数据、自车的状态信息以及、自车的状态信息以及导航信息导航信息，输出，输出动态障碍物、道路结构、通用障碍物动态障碍物、道路结构、通用障碍物 OCC 以及规划好的行驶轨迹以及规划好的行驶轨迹。端到端的最终目的是为了将传感信息映射为行驶轨迹，另外动态障碍物、道路结构、通用障碍物 OCC 的输出是为了描绘周边环境并且通过环境信息显示呈现给用户，同时作为端到端模型的辅助监督。在系统 1方面，理想称通过 100万个Cilps 进行训练，大概一个月经过十轮左右的训练，基本就可以完成一个无图 NOA 的上限水平。图图25：理想理想 AD 3.0 的整体框架已经偏向端到端模型的整体框架已经偏向端到端模型 资料来源：理想汽车 2024 智能驾驶夏季发布会 以知识驱动通往以知识驱动通往 L4。通过在 L2 时代，自动驾驶面对的是已知的场景，算法上只需要部分感知环节进行一部分的模型化，在其它部分还是以基于规则为主。随着开城的进行，最终要做到全国的开放（理想将这视为 L3 时代），自动驾驶需要面临更加丰富的场景，数据驱动的算法成为主流，算法上的变化表现在所有的模块感知、规控都逐渐模型化，完整的端到端从感知、跟踪、预测、决策到规划都模型化。而到L4 时代自动驾驶系统需要处理的都是真实世界未知的场景，即使是端到端算法也不一定能实现良好应对，理想认为在这种场景中，需要知识驱动，需要自动驾驶具有常识、能够对真实世界进行理解，这就需要多模态的视觉语言模型或者世界模型。图图26：通过通过 VLM/世界模型才能够应对真实世界中的未知场景世界模型才能够应对真实世界中的未知场景 资料来源：NE 时代智能车公众号 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 18/36 系统系统 2 为视觉语言模型（为视觉语言模型（VLM），知识驱动打开通往），知识驱动打开通往 L4 之路。之路。“知识驱动”的范式加入了系统 2 为系统 1 的端到端模型兜底，系统 2 具有一定的理解世界的常识，是针对驾驶场景特化的大语言模型，可以解决各种各样的 Corner Case 和泛化的问题，快慢系统结合，最终就能够解决 L4 整体的车端框架。具体来看，120 度和 30 度相机时刻观察周围的环境，并且与导航地图的图像进行模态对齐，对齐的结果将被输对齐的结果将被输入到入到 VLM 的的核心核心视觉语言模型解码器视觉语言模型解码器，同时系统系统 1 也可以通过也可以通过 Prompt 问题库问题库向系统向系统 2 随时提问随时提问，一起输入到视觉语言模型解码器中；解码器通过自回归输出对解码器通过自回归输出对环境的理解、驾驶的决策建议以及驾驶的参考轨迹环境的理解、驾驶的决策建议以及驾驶的参考轨迹，结果返回到系统 1，辅助系统 1进行轨迹规划。L3 阶段，系统 1 发挥主要的作用，系统 2 起到参考或者咨询特殊情况的作用；而到 L4 阶段，系统 2 会发挥更多作用，其能力决定了能不能到 L4。图图27：视觉视觉大语言模型可以很好的识别驾驶场景并做出决策大语言模型可以很好的识别驾驶场景并做出决策 资料来源：理想汽车 2024 智能驾驶夏季发布会 系统系统 2 实现车端实现车端部署，部署，随硬件升级有望实现随硬件升级有望实现系统系统 1 与系统与系统 2 的融合。的融合。系统 1 作为端到端模型参数量只有 3 亿，而系统 2 作为大模型，其参数量达到了 22 亿，比端到端模型高一个量级。理想为将 VLM 模型部署在车端的 Orin-X 上，进行了一系列优化，最终将整体的推理性能优化 13 倍，实现 0.3 秒推理一次，车端运行频率是 0.34Hz。而系统 1 则在十几赫兹高频运行，如果系统 2 能够运行时延更低、判断更加准确，则有望实现快慢模型合一。理想正在预研将模型做更大、帧率变更高，同时车端算力芯片也需要进行相应升级以支撑系统 2 的高速稳定运行。图图28：系统系统 2 的模型参数量达到的模型参数量达到 22 亿亿 图图29：VLM 在车端能够以在车端能够以 3.34Hz 频率运行频率运行 资料来源：理想汽车 2024 智能驾驶夏季发布会 资料来源：理想汽车 2024 智能驾驶夏季发布会 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 19/36 2.2.2、世界模型世界模型 数据闭环助力理想快速迭代数据闭环助力理想快速迭代 数据驱动之下，验证数据驱动之下，验证能力帮助能力帮助自动驾驶自动驾驶快速快速铺开铺开。理想通过快速试错的方式快速推广无图方案，具体流程是先找封闭区域验证范式，一旦跑通立马加上安全兜底策略进行推广、慢慢铺开，而要做全国范围的无图 NOA，通过铺人力的方式进行验证不仅成本高，且周期较长。在之前的自动驾驶开发中，是先设计功能再研发，一项项功能去测试验证；而在数据驱动的时代，理想认为传统的功能验证应当转变为对自动驾驶能力的“考试”。理想在云端构建了世界模型，配合车端的影子模式进行验证，一旦通过世界模型的“考试”，立马部署做实车测试，大大加速研发的流程。重建重建 生成的世界模型生成的世界模型具有良好的泛化性。具有良好的泛化性。理想使用重建 生成的方式进行世界模型的建构，可以解决重建式仿真的模糊拖影问题，也可以解决生成式仿真的幻觉问题，取长补短，能够生成很多符合真实世界规律但是没有见过的场景，内部也称其为系统 3。世界模型不仅能够加速自动驾驶验证、缩短研发流程，还可以蒸馏出能够部署在车端的 VLM 模型，效果好于从头训练的 VLM 模型。此外世界模型能够与数据闭环进行很好的联动，假设车主接管后，一段 Clip 通过影子模式数据回传云端，云端世界模型自动生成类似场景，变成错题库，同时在已有错题库中检索或在数据库中挖掘类似场景，联合训练出新模型；新模型再回到世界模型中进行两次考试：一次在原场景中，一次在生成的类似场景中，通过自动化的闭环训练模型。图图30：理想使用重建理想使用重建 生成的世界模型进行快速验证生成的世界模型进行快速验证 资料来源：理想汽车 2024 智能驾驶夏季发布会 数据方面，数据方面，理想拥有超过 87 万的车主，形成了全国最大的自动驾驶车队，在过去几年车队的累计行驶里程已经超过 200 亿公里，截至 2024 年 7 月，理想的智能驾驶累计行驶里程超过 20.6 亿公里。理想为筛选数据，定义了五星级司机标准，并对用户进行打分，超过 90 分的车主只占 3%，累计筛选了超过 100 万公里的数据，到 2024年底可能超过 500 万公里。训练数据以 20-30s 左右的 Clips 形式存在，记录司机驾驶的完整数据，包括视觉传感、车辆状态、油门刹车等操作信息数据。在训练方面，在训练方面，端到端本质上是模仿学习，目的是学习行驶轨迹，但仅模仿学习的效果有限，因此理想使用模仿学习 强化学习的方案，让模型在犯错的时候被惩罚，模型就会知道什么驾驶行为是错的，训练出来的模型无论是驾驶技巧还是价值观都会非常正确。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 20/36 图图31：理想自动驾驶训练使用高度自动化的闭环学习理想自动驾驶训练使用高度自动化的闭环学习 图图32：2024 年年 6 月理想智能驾驶累计里程达月理想智能驾驶累计里程达 19 亿公里亿公里 资料来源：理想汽车公众号 资料来源：理想汽车公众号 理想理想端到端端到端 VLM 自动驾驶自动驾驶最早最早 2024 年底推出。年底推出。理想的研究团队已经完全通过了正常的研究验证，在全国无图 NOA 正式推送的时候，向测试用户推送由 300 万 Clips训练出来的端到端 VLM 的监督型自动驾驶体系，并在 2024 年底至 2025 年初推出超过 1000 万 Clips 训练的端到端 VLM 的带有监督的自动驾驶体系。表表3：理想自动驾驶演进中，端到端范式减少大量代码理想自动驾驶演进中，端到端范式减少大量代码 地图类型地图类型 能力能力 代码量代码量（行）（行）高精地图 重图 有图城市开放-NPN 轻图 重点城市开放 200 万 分段式端到端 无图 全国都能开 120 万 端到端 VLM 无图 全国都好开 20 万 资料来源：36 氪汽车公众号、每人 Auto 公众号、开源证券研究所 2.2.3、理想理想 NOA 实现不限城市、不限道路的通行能力，实现不限城市、不限道路的通行能力，体验升级体验升级 理想当前的理想当前的无图无图 NOA 的四大能力：哪里都能开、绕行丝滑、路口轻松、默契安心。的四大能力：哪里都能开、绕行丝滑、路口轻松、默契安心。（1）无图无先验，哪里都能开；全国不限城市、不限道路：）无图无先验，哪里都能开；全国不限城市、不限道路：实时理解能力提升，不依赖先验信息真正做到哪里都能开。不限道路、不限城市，偏僻小城窄路、乡村小路、错综山路等都能流畅通行，无车道线、临时施工等路段都不再是问题。图图33：无图无图 NOA 的四大能力的四大能力 图图34：无图无先验，哪里都能开无图无先验，哪里都能开 资料来源：出行局公众号 资料来源：理想汽车公众号（2）时空联合时空联合，绕行丝滑绕行丝滑，决策时机更果断：决策时机更果断：全新时空规划模型的应用让无图NOA 真正像人一样思考和规划。遇到电瓶车、自行车、行人无规则穿行或车道停车乱象等复杂行车场景，也能更丝滑、更高效地进行绕行。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 21/36（3）路口轻松，上帝视角，通行更高效路口轻松，上帝视角，通行更高效：理想汽车使用 BEV 视觉模型融合导航匹配算法，对车道结构和导航特征充分融合，达成了范围更广、信息更丰富的“上帝视角”有效解决复杂路口走错路的问题实现了超远视距选路的能力。（4）分米级微操分米级微操，驾驶更默契，家人更安心驾驶更默契，家人更安心：与用户心理安全边界匹配默契更早更准预测加塞车辆、横穿车辆和骑行人，更精确控制距离，更得当地加速减速。让全家人在使用智能驾驶时谨慎而不紧张，安全且更安心。未来的端到端未来的端到端 VLM 还将具备通用障碍物理解能力，超视距导航能力，道路结构理还将具备通用障碍物理解能力，超视距导航能力，道路结构理解能力，拟人的规划能力。解能力，拟人的规划能力。图图35：绕行丝滑，决策不磨叽，时机更果断绕行丝滑，决策不磨叽，时机更果断 图图36：分米级微操分米级微操，驾驶更默契，家人更安心，驾驶更默契，家人更安心 资料来源：理想汽车公众号 资料来源：理想汽车公众号 2.3、组织面向端到端，云端算力大扩充，理想加码自动驾驶布局组织面向端到端，云端算力大扩充，理想加码自动驾驶布局 2.3.1、量产和预研双线并行，量产和预研双线并行，成立端到端实体组织成立端到端实体组织 明确明确 RD 与与 PD 明暗双线，组织架构上支撑自动驾驶快速迭代明暗双线，组织架构上支撑自动驾驶快速迭代。理想 2023 年雁栖湖会议后明确 RD 和 PD 两条脉络研发智驾，其中 PD 是量产研发与产品交付，负责工程落地，包括推送给全量用户、千人团测等版本，是市场看得到的明线，在 2023 年是 NPN 和无图的量产交付，在目前是双系统的交付；RD 是研发，负责预研技术，是市场看不到的暗线，在 2023 年是端到端双系统的预研，在目前是统一快慢系统以及 L4 的预研，后者还在探索，可能会整合一套理解加生成合一的超级大模型，通过蒸馏或者强化学习的方式，把大模型的知识都放到车端。如此滚动开发架构下，理想只用大约一年多的时间便完成了 NPN、无图、端到端 VLM 的三代迭代。图图37：RD 与与 PD 明暗双线明暗双线滚动开发加快自动驾驶迭代滚动开发加快自动驾驶迭代 资料来源：36 氪公众号、每人 Auto 公众号、理想汽车公众号等、开源证券研究所 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 22/36 2024 年年 7 月月，理想内部成立理想内部成立“端到端自动驾驶端到端自动驾驶”的实体组织的实体组织，整体整体超过超过 200 人人，其他其他团队成员灵活支援项目。团队成员灵活支援项目。RD 和 PD 两大组共 800 人，其中 PD 包含智能行车、智能泊车、智能安全等；“端到端”的研发主力部署在算法研发组，其中 RD 下设感知算感知算法、行为智能、认知智能法、行为智能、认知智能等组，其中行为智能行为智能包含端到端架构、端到端模型、控制模型等，认知智能认知智能包含认知模型、云端模型等组。2.3.2、加大投入拓展云端算力，加大投入拓展云端算力，自研芯片自研芯片补充车端算力补充车端算力 云端云端算力算力加速布局加速布局，为自动驾驶，为自动驾驶训练训练进化提供牢固进化提供牢固地基地基。截至 2024 年 8 月，理想云端算力规模已达到 4.5EFlops，一年的租卡约 10 亿元，而据理想智能驾驶副总裁郎咸朋介绍，支撑 VLM 和端到端的训练大概需要几十 EFlops 的算力储备，如果做到 L3和 L4 自动驾驶，一年光是训练算力的花销大概为 10 亿美金。随着数据和算力的补充，端到端架构衍生出来的城市智驾，将很可能达到高速上的驾驶体验。自研芯片补充车端算力。自研芯片补充车端算力。据 36 氪汽车资料，理想从 2023 年 11 月开始大幅推进自研智驾芯片，自研的主要模块为 NPU，后端设计部分外包给中国台湾的世芯电子，然后再交由台积电完成制造。目前理想已经设立了约 200 人的智驾芯片团队，芯片将会在 2024 年内完成流片。3、蔚来：蔚来：NWM 推动架构迭代，有芯有魂构筑智驾长期主义推动架构迭代，有芯有魂构筑智驾长期主义 3.1、NOP 全量推送，全量推送，2024H2 上车点到点领航辅助上车点到点领航辅助 2.0 开路不开路不开城开城，蔚来以道路为单位推进自动驾驶，蔚来以道路为单位推进自动驾驶落地。落地。2020 年年 10 月月，蔚来全量交付高速NOP，面向搭载Mobileye EyeQ4芯片的NT 1.0平台车型。相对部分自研的NOP，基于 NT2.0 平台的 NOP 是蔚来全栈自研，并于 2022 年底年底开启推送，但此时只有高速功能。在城市领航辅助功能上，与其他车企扩展覆盖度的“开城”方式不同，蔚来专注于对特定路段进行深度优化和精确覆盖，确保其智能驾驶系统在多变的道路条件下也能提供稳定可靠的服务，按照用户心愿单以及道路开放全国的 NOP 。2023年年 6 月月，蔚来车队在城区开启路线验证，10 月月在城区开启应用“群体智能系统”。在2024 年年 4 月月，蔚来 NOP 在城市区域的领航辅助向所有 NT2.0 车型用户开放，累计覆盖 726 城，标准是以 90%主干道为最低标准释放。2024 年下半年年下半年，蔚来计划推送点到点的全域领航 2.0，实现点到点的体验，并计划再用一年的时间，解决智驾全国好用的问题，将城区体验提高到目前高速领航的水平。表表4：蔚来蔚来 NOP 已已在在 2024 年年 4 月月全量推送全量推送 时间时间 发展历程及规划发展历程及规划 2020 年 10 月 高速领航辅助驾驶功能 NOP 全量交付 2022 年 12 月 蔚来开启增强领航辅助（NOP ）的试用 2023 年 6 月 向上海城区的 NOP 用户开始第一轮先锋体验推送，之后计划每两周一轮做 NAD Beta 用户群扩展 2023 年 7 月 NOP 在北京五环内的高速公路和城市快速路上线；蔚来 NOP 增强领航辅助 Beta版升级为正式版并开启订阅，价格 380 元/月 2023 年 9 月 在云端训练方面，蔚来 NAD 云端计算集群拥有 1400PFLOPS 算力，自研分布式缓存系统 10PB，通过优化千卡布局，并行效率提升超 91%，有效训练时长占比超 96 23 年 12 月 全域领航辅助 NOP 累计开通城区里程 31.98 万公里，汇路成网的城市新增 74 座，总数达到 208 座（未正式推送，仅为先锋领航用户内测）行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 23/36 时间时间 发展历程及规划发展历程及规划 2024 年 4 月 向 Banyan榕智能系统用户全量推送全域领航辅助 NOP 城区路线 2024 下半年 点到点的全域领航功能上车，端到端 GOA 也会持续上车 2025 年 目标做到 80%智驾使用时长占比，鼓励用户多用 NOP ，并且让智驾 10 倍于人驾安全；解决智驾全国都好用的问题 资料来源：21 世纪经济报道公众号、NE 时代智能车公众号、青豹驾到公众号、开源证券研究所 NOP 用户数量持续扩大，用户数量持续扩大，蔚来自动驾驶蔚来自动驾驶的用户认可程度正不断提高。的用户认可程度正不断提高。2024 年 3 月的城区道路可用总里程为72.6万公里，当月城区智能驾驶的行驶里程仅有42万公里，而这两个数据在 2024 年 7 月分别上涨到了 353.9 万公里与 336 万公里，一方面是NOP 可用范围的扩大，另一方面是用户对 NOP 的接受度不断提高，开始让 NOP 在城市中行驶更多里程。蔚来自动驾驶的用户认可度也在不断增长，截至 2024 年 7月，NOP 的订阅用户数量达到了 30.80 万人，4 个月中增长超 50%，随订阅用户数的增长，NOP 的商业闭环正逐步打通。图图38：随着随着 NOP 全量推送，用户数也在快全量推送，用户数也在快速上涨速上涨 数据来源：蔚来公众号、开源证券研究所 3.2、世界模型提高通用能力，群体智能助力数据闭环体系世界模型提高通用能力，群体智能助力数据闭环体系 3.2.1、从模型化到端到端，世界模型是下一站从模型化到端到端，世界模型是下一站 由模块化自动驾驶到端到端，蔚来将其划分为三个阶段。由模块化自动驾驶到端到端，蔚来将其划分为三个阶段。（1）第第一阶段一阶段是模型是模型化化，模型化的优点在于实现数据驱动，但是对工程化的能力要求较高，要求能够快速训练与快速验证。蔚来在 2023 年中将规控模块中加入AI 神经网络实现模型化，而当前阶段大部分玩家仅做到感知模型化，在规控端还没有做到模型化。（2）第二阶段是）第二阶段是端到端端到端，将感知与规控模型连接，不用定义数据结构，解决数据丢失的问题。端到端下对于数据验证体系的要求将更高。蔚来首先将端到端技术应用在主动安全功能，如 Banyan 2.6.5 版本中上车的端到端 AEB，以及 2024 下半年将要上车的端到端 GOA。（3）第三阶段是大模型，）第三阶段是大模型，在蔚来的定义中，大模型为世界模型，蔚来期望世界模型能够对真实世界进行更全、更好的信息表达和预测。蔚来在 2023 年底开始训练世界模型，预计 2024Q4 会开始推进量产工作。19.32 24.58 26.63 28.75 30.80 42 90 213 174 336 05010015020025030035040010.0013.0016.0019.0022.0025.0028.0031.0034.002024年3月2024年4月2024年5月2024年6月2024年7月NOP 用户数（万人）智能驾驶城区行驶里程（万公里）行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 24/36 3.2.2、当前蔚来感知规划全栈网络模型当前蔚来感知规划全栈网络模型为为 NOP 提供了强大的通用泛化能力提供了强大的通用泛化能力 当前当前蔚来在自动驾驶算法中的感知和规控环节都采用了神经网络赋能蔚来在自动驾驶算法中的感知和规控环节都采用了神经网络赋能。（1）在感知在感知端，端，采用融合化的感知网络，占用网络 2.0 通过一个网络识别动静态物体，并采用可变分辨率的架构解决远近物体识别的问题，同时在云端训练一个大模型进行无监督的训练，辅助车端模型进行感知。（2）在规控端，）在规控端，引入了数据驱动的分层价值网络，通过分层搜索的形式，找到最优解。具体而言，通过多模态的注意力网络从感知数据中筛选出 10-100 种未来的可能性，之后将这些可能性进行更进一步的推演，通过交互搜索的树，做 7 秒钟的推演，通过经人类偏好数据训练的博弈价值网络来进行推演，在具体的行为规划和控制过程，采用奖励函数网络给出一个最舒适、拟人化的结果。最后将结果送入凸优化的空间进行兜底，保证输出的结果安全。感知端和规控端一起串联形成的蔚来感知规划全栈网络模型构成了通用泛化的基石。图图39：蔚来规划部分基于三层的数据驱动的网络蔚来规划部分基于三层的数据驱动的网络 资料来源：NIO IN 蔚来创新科技日（2023）3.2.3、世界模型世界模型能够进行想象重建与想象推演，能够进行想象重建与想象推演，将将推动推动通用能力通用能力快速快速提升提升 端到端端到端架构能够充分利用数据，加速迭代，但架构能够充分利用数据，加速迭代，但距离人仍有差距距离人仍有差距。端到端有两个优点：（1）从人工写规则变成了模型，依靠模型和数据去做迭代就能充分地利用数据；（2）能自动地抽取信息，减少了很多信息损失，使得对于数据的利用更加充分。但仅依赖单一端到端的模型的话，时间维度信息的融合和推演都是定长的逻辑，自动建模长时序信息的能力相对匮乏，不能够预测未来事件并评估其影响，也就是无法真正理解时空变化，这样的端到端永远无法达到人驾一般舒适、安全与效率。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 25/36 图图40：世界模型世界模型是蔚来智能驾驶技术下一步重点布局方向是蔚来智能驾驶技术下一步重点布局方向 资料来源：NIO IN 蔚来创新科技日（2024）世界模型能够进行空间理解与时间理解，想象重建、推演能力强大。世界模型能够进行空间理解与时间理解，想象重建、推演能力强大。NIO IN 2024 蔚来创新科技日上，蔚来正式发布中国首个智能驾驶世界模型 NWM（NIO World Model），即可以全量理解信息、生成新的场景、预测未来可能发生的多元自回归生成模型。相比于常规的端到端的模型，新的世界模型有三个主要的优势：（1）空间理解上，通过生成式模型重构传感器输入方式，更加泛化地抽取信息，能够全量理解信息，对空间理解更加深入。（2）时间理解上，通过自回归模型，自动建模长时序环境，能够预测接下来的场景。（3）通过生成式无监督的方式，无需人工标注，对海量数据的利用更加高效。图图41：世界模型能够进行空间理解与时间理解世界模型能够进行空间理解与时间理解 资料来源：NIO IN 蔚来创新科技日（2024）想象重建能力：想象重建能力：从原理上讲，从原理上讲，世界模型能够输入一个真实世界的行车视频，输出另外一个更平行的世界，相当于对整体世界做再一次的重构，变成类似于真实驾驶环境的原始信息，减少信息的损失，算法的空间理解能力加强，而这一定程度上意味着它具备了解决这些场景中驾驶问题的能力。从算法端讲，从算法端讲，它是自监督的过程，不太需要数据标注，可以高效地做到千万 Clips 的数据量的训练；同时因为重建的视频，任务更困难，监督信息更多，使得模型收敛速度更快。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 26/36 图图42：重建的视频模型收敛速度更快重建的视频模型收敛速度更快 资料来源：NIO IN 蔚来创新科技日（2024）想象推演能力：想象推演能力：从原理端讲，从原理端讲，世界模型能够持续地去想象推演，持续地以自回归的方式去输出视频，“想象”时间维度上的变化，在功能方面，在功能方面，具体来说，NWM 可以在 0.1 秒内，推演 216 种可能发生的轨迹、寻找最优路径，下一个 0.1 秒，NWM 会根据外界信息输入去再生成新的 216 种可能性，继续往前开；还能基于 3 秒钟视频的 Prompt 输入，生成 120 秒想象的视频。图图43：世界模型能够推演平行世界，真实多变世界模型能够推演平行世界，真实多变 资料来源：NIO IN 蔚来创新科技日（2024）蔚来计划将世界模型蔚来计划将世界模型进行车端部署，将其进行车端部署，将其结果作为预测参考输入下游规划模型，在结果作为预测参考输入下游规划模型，在未来有望直接输出轨迹去控制车辆。未来有望直接输出轨迹去控制车辆。3.2.4、群体智能助力数据闭环搭建群体智能助力数据闭环搭建，生成式仿真进行快速闭环测试，生成式仿真进行快速闭环测试 通过群体智能与生成式仿真能够满足世界模型训练的数据需求。通过群体智能与生成式仿真能够满足世界模型训练的数据需求。世界模型作为多元自回归生成模型，具有庞大的数据需求，特别是对长尾数据和闭环数据的需求更多，训练一个世界模型，需要千万级 Clips 以上的真实数据训练。蔚来基于群体智能和生成式仿真为核心来满足更大的数据需求。通过群体智能系统，挖掘日行千万公里的真实场景可成为正负样本的训练数据，筛选重点场景后验生成式仿真，进行三维重建，最终产生更多新场景，加速模型的快速训练迭代。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 27/36 图图44：群体智能和生成式仿真可以满足整体的世界模型的数据需求群体智能和生成式仿真可以满足整体的世界模型的数据需求 资料来源：NIO IN 蔚来创新科技日（2024）群体智能群体智能：在数据收集方面，在数据收集方面，蔚来通过量产车队收集数据，目前 NT2.0 平台的车型总数在 20 多万台，同时在车端的四颗 Orin-X 中，有一颗专门留给群体智能训练，能够筛选掉 99%无用数据并经过复杂自动化流程处理后回传云端，使车辆不光在智驾状态下，在非智驾状态下也能获取到有效数据。群体智能每月能够获取 500 万 接管数据，共分析 4785 万接管案例，捕捉的高价值 Clips 超过 1000 万。在道路验证方在道路验证方面，面，蔚来群体智能架构，能够在量产车上分布式验证用户行驶过的道路以及使用过的智能驾驶功能，每月实车验证里程超 2000 万公里，单一路线 5 次验证自动准出，加速实现智能驾驶系统升级迭代，保证智能驾驶用户体验持续进化。图图45：群体智能系统能够帮助蔚来进行高效的数据挖掘群体智能系统能够帮助蔚来进行高效的数据挖掘 资料来源：蔚来智能驾驶发布会（2024）图图46：通过群体智能，蔚来的城区道路可用范围迅速提升通过群体智能，蔚来的城区道路可用范围迅速提升 数据来源：蔚来公众号、蔚来智能驾驶发布会（2024）、开源证券研究所 6.512.432.065.272.684.7103.9353.9 353.90.060.0120.0180.0240.0300.0360.0城区道路可用总里程（万公里）行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 28/36 生成式仿真生成式仿真：与 NWM 配套，蔚来开发了仿真器 NSim（NIO Simulation），在整个数据链路上，车端的群体智能 NSim 理论上可以给 NWM 提供源源不断的数据。NWM基于真实世界视频进行重构和推演，进入到 NSim 重新编辑，分解出背景中静态的、动态的信息，在 NSim 中也可以看到并且调整深度、法向量的信息。通过 NSim 可以切换到任意角度，分析环境细节信息，可以根据所需去动态地编辑物体，也可以让自车有新的行车轨迹驾驶。NSim 可以对 NWM 推演的每一种轨迹与对应的仿真结果做对比，给到更多数据给到 NWM 训练，让输出的智驾轨迹和体验更安全更合理，更高效。图图47：群体智能群体智能 NSim 可以可以解决解决 NWM 数据数据问题问题 图图48：NWM 生成结果可以进入到生成结果可以进入到 NSim 进行进行推演推演 资料来源：NIO IN 蔚来创新科技日（2024）资料来源：NIO IN 蔚来创新科技日（2024）在在训练训练方面，方面，蔚来认为，如果想要做端到端大模型，至少需要万卡级别的算力集群，截至 2023 年 9 月，蔚来智能计算集群总算力规模为 1.4EFlops，预计目前算力规模更高。蔚来还建立一套高性能计算平台，可支撑日间峰值吞吐达到 200 万次的任务请求，并且同时支持 1.5 万个节点的并发，自研容量 10PB 的高速分布式缓存系统，支持大规模并行的训练。此外，蔚来也已打通边缘计算能力，使得整个车云算力联合调度，截至 2024 年 7 月，蔚来整体端云算力高达 306.9EOPS，是全国最大的端云算力集群，分布式计算也是蔚来算力布局的重要构成。3.3、软硬协同能力不断加强，迈向端到端大模型时代软硬协同能力不断加强，迈向端到端大模型时代 3.3.1、自研神玑自研神玑 NX9031 即将上车，传感、计算硬件即将上车，传感、计算硬件支撑智驾长期主义支撑智驾长期主义 神玑神玑 NX9031 已流片，深度软硬一体有望大幅提升用户体验。已流片，深度软硬一体有望大幅提升用户体验。2020 年开始，蔚来逐步组建了超800人芯片团队，负责人华为海思出身。自研智能驾驶芯片“神玑NX9031”已经流片，制程为 5 纳米，拥有超过 500 亿颗晶体管，该芯片采用 32 核大小核 CPU架构，采用 LPDDR 5x 内存，速率达到了 8533Mbps，内置高动态范围高性能 ISP，具备 6.5G Pixel/s 像素处理能力，处理延时少于 5nm，单芯片性能相当于四颗行业旗舰芯片的能力。神玑 NX9031 将于 2025Q1 首搭 ET9，实现了硬件与软件、算力与算法的紧密融合，有能力支持蔚来智能电动汽车进一步提升用户体验。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 29/36 图图49：神玑神玑 NX9031 已流片，制程为已流片，制程为 5 纳米纳米 资料来源：蔚来公众号 蔚来蔚来自动驾驶面向未来，软硬件支持自动驾驶面向未来，软硬件支持长生命周期长生命周期迭代迭代。汽车智能化进展飞速，产品的生命周期在缩短，产品生命力也逐渐成为影响消费者的购车选择的因素之一。在智能驾驶方面，蔚来认为其软件层面架构的生命周期应达到 10 年以上，硬件层面应能够坚持两代平台，而现在每代平台的间隔期约 3-4 年。蔚来在软件层面统一架构，做到软件部分有 85%的模块级复用度，在硬件层面采用高性能传感器与计算平台，软硬结合之下，蔚来车型生命力得以延长，支撑蔚来的“长期主义”布局。Aquila 蔚来超感系统蔚来超感系统配置丰富配置丰富，ADAM 计算计算平台算力平台算力出众，出众，能够支撑自动驾驶的后能够支撑自动驾驶的后续更新续更新。（1）Aquila 蔚来超感系统蔚来超感系统：拥有 33 个高性能感知硬件，包括 1 个等效 300线的 1550nm 激光雷达、7 颗 800 万像素高清摄像头、4 颗 300 万像素高感光环视专用摄像头、1 个增强主驾感知、5 个毫米波雷达、12 个超声波传感器、2 个高精度定位单元和 V2X 车路协同。（2）ADAM 计算平台计算平台：ADAM 集成了 4 颗英伟达 Orin X智能驾驶芯片，总算力达1016TOPS，是目前汽车智能驾驶算力的天花板；同时ADAM还集成 1 颗最新的高通骁龙 8295 智能座舱芯片，能够实现智驾、智舱和整车控制最大 256TOPS 算力共享，且且智驾和座舱之间跨域数据带宽从千兆大幅提升到 16Gbps，能够支撑多模大模型的端侧部署。NT2.0 平台车型都已搭配四课 Orin-X 的 ADAM 平台，在未来的 NT3.0 平台，会有神玑 NX9031 与英伟达 Orin-X 两种芯片配置，在算法快速演进的智能驾驶潮流中提供牢固的硬件平台基础。图图50：ADAM 计算平台计算平台集成集成 4 颗颗 Orin-X 图图51：支持支持实现智驾、智舱最大实现智驾、智舱最大 256TOPS 算力共享算力共享 资料来源：蔚来公众号 资料来源：蔚来公众号 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 30/36 3.3.2、NADArch 升级升级 2.0，统一架构延长生命力，统一架构延长生命力 蔚来自动驾驶架构升级蔚来自动驾驶架构升级。NADArch 进化进化。世界模型 NWM，包括端到端的主动安全模型，以及相应的处理机制和安全机制，以上构成了蔚来算法的第二代架构NADArch 2.0，具体功能收敛到两个产品：点到点的全域领航 2.0 与智能安全辅助 2.0。蔚来坚持 NT2.0 平台车型统一架构，统一架构最直观的优点是降低了后续的维护、运营、迭代的成本，同时能够大大延长架构的寿命。统一的架构下能够提高复用程度，如乐道品牌与蔚来的软硬件同架构，底层架构相通，可以数据共享。图图52：NADArch 2.0 具体功能收敛到点到点的全域领航具体功能收敛到点到点的全域领航 2.0 与智能安全辅助与智能安全辅助 2.0 资料来源：NIO IN 蔚来创新科技日（2024）3.3.3、重组智驾研发团队，组织架构上面向端到端大模型重组智驾研发团队，组织架构上面向端到端大模型 蔚来蔚来自动驾驶业务主要分为自动驾驶业务主要分为三三大团队大团队。目前蔚来智驾团队约有 1500 人，自动驾驶业务共有四个团队，分别为算法团队、硬件团队、操作系统和数据安全团队，其中算法团队由蔚来智能驾驶研发副总裁任少卿负责，下设感知部、规划与控制部、环境信息部、方案交付部、地图定位部等多个部门。蔚来智驾研发部完成架构调整蔚来智驾研发部完成架构调整。2024 年 6 月，蔚来智驾研发部新成立了大模型部（负责端到端模型的研发工作）、部署架构与方案部（负责和车端相关的整体算法研发、架构设计和功能交付）、时空信息部（负责车端和云端的地图信息相关的算法、模型开发及服务），撤销了原来的感知部、规划与控制部、环境信息部及方案交付部。从组织架构上面向端到端从组织架构上面向端到端，或将加速蔚来，或将加速蔚来自动驾驶自动驾驶迭代迭代。调整前，蔚来智驾研发部按照感知、地图、数据、规控等模块进行分部门管理，再以项目为核心串联起各个垂直的算法部门进行交付，算法模块部门是实体组织，项目则是横向的虚线组织。架构调整后，蔚来智驾的核心业务变成了两块，一块是云，一块是车，分别由“大模型部”、“部署架构与方案部”负责，前者负责创造出一个本身更好的基础模型，去支持未来车端的迭代，后者负责车端自动驾驶的产品化与交付，工作流程上则以项目为中心组合各方，将横向组织纵向化。新架构下，将有效减少内部沟通阻力与资源损耗，集中力量实现自动驾驶的高效迭代。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 31/36 4、管管中中窥豹：窥豹：从从三家三家新势力新势力车企车企进展，看进展，看自动驾驶自动驾驶发展趋势发展趋势 4.1、趋势一：趋势一：城区智驾从扩大覆盖度到优化体验快速转变城区智驾从扩大覆盖度到优化体验快速转变 小鹏、理想已经实现全国有路就能开、蔚来将于小鹏、理想已经实现全国有路就能开、蔚来将于 2024H2 做到点到点全域领航，覆做到点到点全域领航，覆盖度提升的主线渐暗，体验提升主线渐明。盖度提升的主线渐暗，体验提升主线渐明。2023 年，城市领航辅助成为各家车企竞相布局的方向。历时将近一年的开城角逐之后，理想与小鹏先后全量推送无图化的城市领航辅助功能，能够做到全国所有城市道路都能开，蔚来采用道路验证开通的方式，在 2024 年 6 月城区道路可用总里程覆盖 353.9 万公里，截至 8 月 15 日仍是353.9 万公里，城市 NOP 功能或已临近上限，但也几乎做到有路就能开。城区智驾实现全覆盖后，下一步就是优化在城区智驾的体验。图图53：蔚来已经几乎能够做到有路就能开蔚来已经几乎能够做到有路就能开，但在部分道路仍不能应对，但在部分道路仍不能应对 资料来源：蔚来官网、开源证券研究所（图中道路开通状况截至 2024 年 8 月 15 日）全国都好用成为下一角逐方向，车企着力提升用户智驾体验全国都好用成为下一角逐方向，车企着力提升用户智驾体验。为使消费者愿意为自动驾驶功能付费，良好的体验必不可少。小鹏与理想计划都在 2024 年内实现全国都好用的用户体验，而小鹏已经在“第一阶段”；蔚来也将在未来一年之内解决智驾好用的问题。在能够将用户群体覆盖到全国范围之后，下一步就是如何能够在全国范围的市场中吸引用户，车企马不停蹄角逐下一场，以期能够用不断丰富、完整的功能打动用户，在自动驾驶竞争中把握主动权。提升体验的方向包括减少道路断点、实现门到门体验，减少接管次数、驾驶更符合人性等等，而自动驾驶往往是“行百里者半九十”，越往后的挑战越大，需要更强有力的支持与工具。表表5：三家新势力车企都已覆盖全国，下一阶段目标为优化全国城市智驾体验三家新势力车企都已覆盖全国，下一阶段目标为优化全国城市智驾体验 全国都能开全国都能开，有路就能开有路就能开 全国都好用全国都好用 小鹏 2024 年 7 月全量推送（2024 年 2 月小范围推送）2024 年 7 月已进入“全国都好用”的第一阶段；2024Q4 进入第二阶段 理想 2024 年 7 月（2024 年 4 月小范围推送）最早 2024 年底 蔚来 2024 年 4 月（几乎全国都能开）预计 2025 年 资料来源：小鹏汽车公众号、汽车之家公众号、36 氪公众号等、开源证券研究所 行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 32/36 4.2、趋势二：趋势二：认知智能认知智能辅助辅助端到端大模型端到端大模型上车上车 端到端端到端大模型大模型成为无图城市领航辅助落地的最大功臣，逐渐成为无图城市领航辅助落地的最大功臣，逐渐成为自动驾驶架构转变成为自动驾驶架构转变的共识的共识。小鹏、理想、蔚来在落地无图城市领航辅助时，都选择了端到端的路线，三家目前采用的都是分段式的端到端，而理想与蔚来都在向 One Model 进发。总体来说，在端到端范式下能够实现数据驱动，迭代的速度将会快于人工修改代码的模块化方案。在端到端大模型落地的过程中，数据、算力两要素同样缺一不可，数据方面不仅要求有足够的数据采集能力，还要求能够形成高效的数据闭环体系将数据高效利用，而算力为训练提供基础，端到端自动驾驶的迭代已成为系统工程，对车企研发能力、组织架构等都提出挑战。表表6：良好的数据闭环良好的数据闭环不仅能在智驾里程数据中学习，还能利用智驾里程数据学习不仅能在智驾里程数据中学习，还能利用智驾里程数据学习 车企车企 智驾里程数据智驾里程数据 特斯拉 截至 2024 年 7 月，FSD 累计行驶里程超 16 亿英里（约 25 亿公里）鸿蒙智行 截至 2024 年 8 月，华为智驾总里程达 4.6 亿公里 小鹏汽车 截至 2024 年 5 月，小鹏已有折算 10 亿 里程的视频训练、超 2.16 亿累计公里数的仿真测试；2024 年 7 月，小鹏实车测试里程累计超 756 万公里 理想汽车 截至 2024 年 7 月，理想辅助驾驶总里程超过 20.6 亿公里 蔚来汽车 截至 2024 年 7 月，蔚来智能驾驶累计行驶里程超 11.29 亿公里 资料来源：特斯拉官网、蔚来公众号、理想汽车公众号等、开源证券研究所 表表7：各大车企在各大车企在 2024 年均将算力推升到更高水平年均将算力推升到更高水平 车企车企 云端算力规划云端算力规划 特斯拉 截至 2024Q2 拥有等效 3.5 万张 H100 算力，预计 2024 年 10 月达到 100EFlops 鸿蒙智行 截至 2024 年 8 月华为智驾学习训练算力达 5EFlops 小鹏汽车 截至 2024 年 7 月，小鹏云端算力达 2.51EFlops，2024 年增加 7 亿元算力投入，2024年预计新增 7000 张英伟达 A100 组成的算力储备 理想汽车 截至 2024 年 8 月，理想云端算力规模已达到 4.5EFlops 蔚来汽车 截至 2023 年 9 月，蔚来智能计算集群总算力规模为 1.4Eflops；截至 2024 年 7 月，蔚来整体端云算力高达 306.9EOPS 资料来源：特斯拉官网、电动汽车观察家公众号、NE 时代智能车公众号等、开源证券研究所 认知智能与认知智能与端到端端到端相结合，各家车企探索相结合，各家车企探索更高级自动驾驶之路。更高级自动驾驶之路。在算法方面，小鹏有 XBrain 大语言模型，理想有 VLM 系统，蔚来则有世界模型。各家的思路相近：仅靠端到端来实现自动驾驶仍会有难以处理场景，因而需要这些认知智能系统赋予自动驾驶处理复杂场景甚至未知场景的泛化能力。在当前端到端成为共识，但是对于未来的探索仍在持续。为更好探索端到端架构下的自动驾驶演进方向，各家车企也进行了组织架构的变革，提高组织的应对效率。4.3、趋势三：趋势三：布局硬件布局硬件进行进行垂直整合，智驾降本成为方向垂直整合，智驾降本成为方向 布局芯片等关键零部件，硬件的垂直整合布局芯片等关键零部件，硬件的垂直整合提上日程。提上日程。无论是蔚来、理想还是小鹏，都在进行智驾芯片的探索，进展快的如蔚来神玑 NX9031，不仅在硬件上已经流片，还已经为神玑芯片提供了底软、仿真、虚拟化、OS、中间件、工具链等一整套能力，小鹏自研的芯片也已经流片，理想自研芯片也将在年内流片。自研芯片不仅能够形成更加高效快速的迭代体系，还能够在长期降低硬件成本，更重要的是基于自研硬件能够形成一套自主可控的体系。在其他硬件上，车企也纷纷加快自研节奏，进行垂直整合。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 33/36 智驾降本即将成为明线，智驾商业化盈利时代有望到来。智驾降本即将成为明线，智驾商业化盈利时代有望到来。在算法方向基本确定、自动驾驶能力逐步企稳、体验正取得消费者认可之后，智驾降本的前景也将逐渐明朗。当前小鹏与理想采取的是硬件付费、软件标配的形式：消费者选择硬件上能够支持城市领航辅助等高阶智驾的 Max 版车型，无需额外付费就能够使用城市领航辅助。其中小鹏 Max 版（支持城市领航辅助）比 Pro 版（不支持城市领航辅助）的价格要高 1.2-2 万元，而理想的 Max 版（支持城市领航辅助）比 Pro 版（不支持城市领航辅助）的价格要高 2.8-3 万元，即使理想的价格中仍包含其他配置，仍有较高的选择成本。蔚来采取的是硬件标配、软件付费的形式：全系车型标配支持城市领航辅助的硬件，但是软件的开通仅能够按月订阅，每月 380 元。但是相对于自动驾驶研发、维护，算力租赁等成本支出来说，车企仍较难实现自动驾驶软件盈利的商业模式，通过硬件垂直一体化等方式实现智驾降本或将成为明线。表表8：选择城市领航辅助功能仍需付出较高成本选择城市领航辅助功能仍需付出较高成本 车企车企 是否带有是否带有城市领航辅助功能城市领航辅助功能的的同配置同配置/同车型差价同车型差价 小鹏 X9 G9 G6 P7i 20000 元 12000 元 20000 元 16000 元 理想 L9 L8 L7 L6 30000 元 28000 元 28000 元 30000 元 蔚来 全系标配硬件 380 元/月 资料来源：小鹏汽车官网、理想汽车官网、GeekCar 极客汽车公众号、开源证券研究所（数据截至2024 年 8 月 15 日，其中理想汽车差价中包含其他配置）5、受益标的受益标的 我们认为，当前技术的进步无疑将一步步帮助自动驾驶实现真正的落地，而深耕算法以及大模型领域的玩家，无疑具有显著的领先优势。受益标的：小鹏汽车-W、理想汽车-W、蔚来-SW。表表9：受益标的盈利预测及估值受益标的盈利预测及估值 股票代码股票代码 公司简称公司简称 最新收盘价最新收盘价（元）（元）总市值总市值 （亿元）（亿元）EPS（元）（元）P/E 评级评级 2024E 2025E 2026E 2024E 2025E 2026E 2015.HK 理想汽车-W 73.90 1711.41 3.3 4.2 6.2 24.4 19.2 13.0 增持 9868.HK 小鹏汽车-W 25.29 523.61 -3.4-1.1 0.5-55.2 增持 9866.HK 蔚来-SW 28.68 649.01 -10.2-6.8-6.2-增持 数据来源：Wind、开源证券研究所（数据截至 2024 年 8 月 19 日；2024 年 8 月 19 日汇率 港币：人民币=0.9163）6、风险提示风险提示 技术发展进度不及预期：技术发展进度不及预期：自动驾驶技术难度大、投入资源大、研发周期长，如果自动驾驶技术进展缓慢，使得仅在某一个阶段徘徊，则不利于自动驾驶行业进一步发展。市场需求不及预期：市场需求不及预期：当前自动驾驶距离消费者真正爱用仍有较大进步空间，同时也有消费者观望心理、对技术接受度、价格成本等因素的影响，使得自动驾驶需求不达预期。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 34/36 政策推进不及预期：政策推进不及预期：自动驾驶行业发展离不开政策层面的支持与推动，如果政策对于自动驾驶的支持力度较弱、落实情况欠佳，则会导致自动驾驶的需求释放缓慢等影响。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 35/36 特别特别声明声明 证券期货投资者适当性管理办法、证券经营机构投资者适当性管理实施指引（试行）已于2017年7月1日起正式实施。根据上述规定，开源证券评定此研报的风险等级为R3（中风险），因此通过公共平台推送的研报其适用的投资者类别仅限定为专业投资者及风险承受能力为C3、C4、C5的普通投资者。若您并非专业投资者及风险承受能力为C3、C4、C5的普通投资者，请取消阅读，请勿收藏、接收或使用本研报中的任何信息。因此受限于访问权限的设置，若给您造成不便，烦请见谅！感谢您给予的理解与配合。分析师承诺分析师承诺 负责准备本报告以及撰写本报告的所有研究分析师或工作人员在此保证，本研究报告中关于任何发行商或证券所发表的观点均如实反映分析人员的个人观点。负责准备本报告的分析师获取报酬的评判因素包括研究的质量和准确性、客户的反馈、竞争性因素以及开源证券股份有限公司的整体收益。所有研究分析师或工作人员保证他们报酬的任何一部分不曾与，不与，也将不会与本报告中具体的推荐意见或观点有直接或间接的联系。股票投资评级说明股票投资评级说明 评级评级 说明说明 证券评级证券评级 买入（Buy）预计相对强于市场表现 20%以上；增持（outperform）预计相对强于市场表现 5 %；中性（Neutral）预计相对市场表现在5%5%之间波动；减持（underperform）预计相对弱于市场表现 5%以下。行业评级行业评级 看好（overweight）预计行业超越整体市场表现；中性（Neutral）预计行业与整体市场表现基本持平；看淡（underperform）预计行业弱于整体市场表现。备注：评级标准为以报告日后的 612 个月内，证券相对于市场基准指数的涨跌幅表现，其中 A 股基准指数为沪深 300 指数、港股基准指数为恒生指数、新三板基准指数为三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）、美股基准指数为标普 500 或纳斯达克综合指数。我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比较完整的观点与信息，不应仅仅依靠投资评级来推断结论。分析、估值方法的局限性说明分析、估值方法的局限性说明 本报告所包含的分析基于各种假设，不同假设可能导致分析结果出现重大不同。本报告采用的各种估值方法及模型均有其局限性，估值结果不保证所涉及证券能够在该价格交易。行业深度报告行业深度报告 请务必参阅正文后面的信息披露和法律声明 36/36 法律声明法律声明 开源证券股份有限公司是经中国证监会批准设立的证券经营机构，已具备证券投资咨询业务资格。本报告仅供开源证券股份有限公司（以下简称“本公司”）的机构或个人客户（以下简称“客户”）使用。本公司不会因接收人收到本报告而视其为客户。本报告是发送给开源证券客户的，属于商业秘密材料，只有开源证券客户才能参考或使用，如接收人并非开源证券客户，请及时退回并删除。本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他金融工具的邀请或向人做出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为做出投资决策的唯一因素。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。若本报告的接收人非本公司的客户，应在基于本报告做出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。本报告可能附带其它网站的地址或超级链接，对于可能涉及的开源证券网站以外的地址或超级链接，开源证券不对其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了客户使用方便，链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。开源证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。开源证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。本报告的版权归本公司所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。开开源证券源证券研究所研究所 上海上海 深圳深圳 地址：上海市浦东新区世纪大道1788号陆家嘴金控广场1号 楼3层 邮编：200120 邮箱： 地址：深圳市福田区金田路2030号卓越世纪中心1号 楼45层 邮编：518000 邮箱： 北京北京 西安西安 地址：北京市西城区西直门外大街18号金贸大厦C2座9层 邮编：100044 邮箱： 地址：西安市高新区锦业路1号都市之门B座5层 邮编：710065 邮箱：

2024-08-21 36页 5星级

汽车与零部件行业智能汽车系列报告之四：Robotaxi有望促进自动驾驶技术迭代产业链加快商业化进程-240812（21页）.pdf

有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。汽车与零部件行业 行业研究|深度报告 Robotaxi 产业链分析产业链分析。Robotaxi（无人驾驶出租车）产业链上游是各类自动驾驶软硬件供应商，中游包括自动驾驶方案供应商和整车企业，自动驾驶方案供应商将传感器、域控制器、软件算法等软硬件融合后形成完整的 L4 级别自动驾驶解决方案并部署至整车上，产业链下游为无人驾驶出行服务平台。Robotaxi 自动驾驶技术路线分析自动驾驶技术路线分析。特斯拉 2016 年转向自动驾驶软硬件自研，2023年 5 月，特斯拉 FSD V12 成为全球首个端到端自动驾驶系统。端到端（End-to-End）采用统一的神经网络模型，车辆将传感器采集到的原始数据输入神经网络，神经网络经过处理之后，直接输出自动驾驶汽车的驾驶命令。随着特斯拉 FSD V12持续迭代，预计特斯拉 Robotaxi 或将成为首个将端到端系统应用至 L4 场景的案例。在切入 L4 级自动驾驶的同时，百度采用双线并行研发策略布局 L2 自动驾驶，向整车厂提供 Apollo 自动驾驶技术解决方案。百度 Apollo 自动驾驶形成了“驾、舱、图”全栈汽车智能化产品矩阵，大模型重构自动驾驶技术栈。百度 L4/L2 技术协同，目前实现了技术架构、视觉感知方案以及地图的统一，二者打通数据，共享自动驾驶基础设施。Robotaxi 盈利周期分析盈利周期分析。从全生命周期角度来看，Robotaxi 运营成本主要包括：整车硬件成本、安全运营成本、运力运营成本。其中智能驾驶软件成本、云端平台的建设成本等可以看作一次性投入的固定成本，预计随着 Robotaxi 铺开会被逐步摊薄。现阶段应更加关注 Robotaxi 的 UE 模型能否达正，单车何时能够收回成本，在一定假设前提下，我们测算得到萝卜快跑 RT6 单车回本周期约为 2.81 年左右。Robotaxi 竞争格局竞争格局：实力强的自动驾驶公司及整车公司：实力强的自动驾驶公司及整车公司有望有望获得一定市场份额获得一定市场份额。目前主要形成了以下几种 Robotaxi 商业合作模式：整车厂独立运营、自动驾驶技术公司自主运营、自动驾驶技术公司 整车厂 出行服务运营商合作；除上述三种模式外，部分具备较强智驾能力和平台优势的整车企业亦可能成为 Robotaxi 的运营主导者。现阶段百度、小马智行等在 Robotaxi 运营层面处于领先，但随着 Robotaxi 试点逐步铺开，预计实力较强的自动驾驶公司及整车公司均将有望在 Robotaxi 市场占据一定份额。从投资策略上看，预计 Robotaxi 有望逐步实现商业化，将部分替代 B 端出租车和网约车，且将加快汽车智能化进程，无人驾驶出租车产业链中游及下游如自动驾驶方案供应商和整车企业有望受益，提供智能化硬件、软件的上游公司也有望受益。整车建议关注：长安汽车、比亚迪、江淮汽车、上汽集团；零部件建议关注：伯特利、经纬恒润、保隆科技、华域汽车、德赛西威、华阳集团、科博达等。风险提示风险提示 宏观经济下行影响汽车需求、自动驾驶技术发展不及预期、Robotaxi 商业化进程不及预期、自动驾驶政策推进不及预期、假设条件变化影响测算结果。投资建议与投资标的 核心观点 国家/地区 中国 行业 汽车与零部件行业 报告发布日期 2024 年 08 月 12 日 姜雪晴 执业证书编号：S0860512060001 袁俊轩 执业证书编号：S0860523070005 享界 S9正式上市，关注华为产业链：汽车行业周报（0805-0811）2024-08-11 特斯拉中国 7 月销量同环比回升，享界 S9及华为 ADS3.0 即将上市：汽车行业周报（0729-0804）2024-08-04 以旧换新补贴加码，行业需求有望继续改善：汽车行业周报（0722-0728）2024-07-28 Robotaxi 有望促进自动驾驶技术迭代，产业链加快商业化进程 智能汽车系列报告之四 中性（维持）汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。2 目 录 1 Robotaxi 产业链分析.4 2 Robotaxi 自动驾驶技术路线分析.5 2.1 特斯拉：端到端引领智驾技术进入新时代.5 2.2 百度萝卜快跑：L4 级自动驾驶商用先行者.8 3 Robotaxi 盈利周期分析.13 4 Robotaxi 竞争格局：实力强的自动驾驶公司及整车公司将获得一定市场份额.16 5 主要投资策略.18 6 主要风险提示.18 aVbUdXfV8X9WcWcWaQcM8OsQpPtRqMeRmMxPlOoPtQ6MmMvMvPoMtNuOmMzR 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。3 图表目录 图 1：Robotaxi 产业链.4 图 2：特斯拉自动驾驶系统发展历程.6 图 3：端到端自动驾驶系统以统一的大模型取代传统感知、预测、规划等模块.6 图 4：端到端自动驾驶技术的演进.7 图 5：百度跃进式切入 L4 并双线研发布局 L4/L2 技术协同.8 图 6：百度 Apollo 形成了“驾、舱、图”全栈汽车智能化产品矩阵.9 图 7：百度自动驾驶大模型 Apollo ADFM.9 图 8：百度 Apollo ADFM 通过联合训练实现端到端无人驾驶.10 图 9：基于规则和端到端的性能曲线.11 图 10：萝卜快跑的自动驾驶套件及软件系统.11 图 11：萝卜快跑第五代车 Apollo Moon.12 图 12：萝卜快跑第六代车 RT6.12 图 13：萝卜快跑安全冗余设计保障自动驾驶运营安全.13 图 14：Robotaxi 全生命周期运营成本.14 图 15：Robotaxi 技术 整车 平台的“金三角”合作模式.16 图 16：Robotaxi 竞争格局.18 表 1：端到端架构和分治式架构比较.7 表 2：常态化萝卜快跑单日营收测算（单位：元）.14 表 3：百度 RT6 单车回本周期测算（单位：元）.15 表 4：Robotaxi 商业模式举例.17 表 5：主要公司估值表.18 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。4 1 Robotaxi 产业链产业链分析分析 Robotaxi（无人驾驶出租车）产业链上游是各类自动驾驶软硬件供应商，完整的自动驾驶系统主要由感知、决策、执行三个环节构成，感知系统相当于自动驾驶汽车的“眼睛”，通过摄像头、激光雷达、毫米波雷达、超声波雷达等多维传感器配合高精定位、导航、高精地图、路侧定位等辅助系统识别周边车辆、行人、交通灯和其他物体并收集车身周边环境信息，将其传输至决策系统。决策系统相当于自动驾驶汽车的“大脑”，依据感知系统传来的信息进行决策判断，制定相应的路径规划和控制策略，并将决策信号向执行层传输，核心是自动驾驶域控制器/计算平台、芯片、操作系统、自动驾驶软件/算法等。执行系统相当于自动驾驶汽车的“四肢”，负责接收决策系统发出的总线指令，并精确地控制加速程度、制动程度以及转向幅度等驾驶动作，主要包括驱动系统、转向系统、制动系统、照明系统等；在自动驾驶系统中，由电信号替代机械力驱动的线控技术逐步成为主流。Robotaxi 产业链中游包括自动驾驶方案供应商和整车企业，自动驾驶方案供应商将传感器、域控制器、软件算法等软硬件融合后形成完整的 L4 级别自动驾驶解决方案并部署至整车上。Robotaxi产业链下游为无人驾驶出行服务平台，现阶段 Robotaxi 主要包括两种运营模式：（1）自动驾驶方案供应商 整车企业 出行平台合作运营，例如“广汽集团 文远知行 如祺出行”、“吉利汽车 小马智行 曹操出行”，三方合作能够充分发挥各自在制造能力、自动驾驶技术和用户基数方面的优势，提升 Robotaxi 营运效率。（2）自动驾驶方案供应商独立运营，例如百度凭借深厚的资金实力、人才和技术储备，在技术研发、整车制造和平台运营全方位布局。图 1：Robotaxi 产业链 数据来源：佐思汽研、东方证券研究所绘制 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。5 2 Robotaxi 自动驾驶技术路线分析自动驾驶技术路线分析 2.1 特斯拉：端到端引领智驾技术进入新时代 特斯拉在 2016 年正式与 Mobileye 分手，转向自动驾驶软硬件自研，在 8 年时间内特斯拉自动驾驶算法经历了多次迭代，成长为全球自动驾驶领域的领军企业。（1）2016-2018年：起步阶段。特斯拉初期的自动驾驶算法采用业内主流的骨干网络结构 2D检测器特征提取 人工数据标注，技术路线较为原始。硬件方面，特斯拉于 2016 年发布 Hardware 2.0，域控芯片切换至英伟达方案，配置8 个摄像头、12 个超声波雷达以及1 个前置毫米波雷达。（2）2018-2019 年：第一次算法革新。2018 年起特斯拉针对自动驾驶网络结构及效率对自动驾驶算法进行了第一次革新：（1）引入多任务学习神经网络架构 HydraNet，实现重复的卷积计算量和主干网络计算数量降低；（2）开创“影子模式”，即在有人驾驶过程中，传感器及自动驾驶系统仍然运行并进行实时模拟决策但不参与实际车辆控制，一旦出现决策结果与驾驶员行为不一致，或是不同传感器之间的监测结果不匹配等场景则将触发数据回传，影子模式能够提供更多、更大范围的极端工况数据，对特斯拉改进自动驾驶算法具有重要意义。硬件方面，2019 年 4 月发布 Hardware 3.0，采用自研 FSD 芯片，系统总算力达到 144TOPS。（3）2020年：BEV Transformer引领自动驾驶进入大模型时代。2020年8月，马斯克宣布特斯拉将对自动驾驶软件的底层代码进行重写和深度神经网络重构，新系统引入了 BEV（Birds Eye View） Transformer 架构，将摄像头采集的 2D 图像数据“升维”至 3D 车身自坐标系。通过引入BEV，自动驾驶数据的融合从决策层域控制器融合迈向BEV空间层的特征级融合，数据准确度更高。除此之外，BEV Transformer 具备异构传感器融合更易实现、泛化能力更强、不依赖高精地图等优点，成为国内车企及自动驾驶公司的主流发展方向。（4）2021-2022 年：占用网络及时空序列特征层提升模型泛化能力。特斯拉 2021-2022 年对BEV Transformer 架构进行改良：（1）引入占用网络（Occupancy Network）提升对现实世界的认知，占用网络将原本的 BEV 空间分割成体素，体素能够充当激光雷达点阵的作用，从而实现“伪激光雷达”的效果。（2）引入时空序列特征层，使用视频片段取代图像来训练神经网络，为自动驾驶增添了短时记忆能力。占用网络和时空序列特征层使得特斯拉 FSD 的泛化能力得以提升，也为后续端到端方案的推出奠定基础。（5）2023年：走向“端到端”，引领自动驾驶进入新纪元。2023年 5月，马斯克公开透露FSD V12 将采用“端到端”方案，FSD V12 成为全球首个端到端自动驾驶系统，标志着特斯拉在自动驾驶技术上的又一次重大飞跃；FSD V12 将城市街道驾驶堆栈升级为基于数百万个视频训练的端到端神经网络，该神经网络能够取代超过 30 万行用于控制车辆 FSD 功能的 C 代码。硬件方面，2023 年特斯拉将硬件升级至 Hardware 4.0，采用新一代 FSD 芯片，算力较 HW3 提升 5 倍；搭载 HW4 的 Model Y 取消了雷达配置，车外摄像头由 8 个减少至 7 个，但分辨率由 120 万像素升级至 500 万像素。2023 年 11 月，FSD Beta V12 开始向特斯拉内部员工推送，2024 年 1 月特斯拉开始向非员工车主推送 FSD Beta V12.1.2；2024 年 7 月，特斯拉向美国 EA 测试车主推送最新 FSD V12.5 更新，新技术参数较 V12.4 版本提升 5 倍，将高速、城区智驾全面切换到端到端方案，后续还将引入“真智能召唤”（Actual Smart Summon，ASS），实现自动泊车、在停车场内导航和无人驾驶接客等功能。汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。6 图 2：特斯拉自动驾驶系统发展历程 数据来源：汽车之心、东方证券研究所绘制 传统的自动驾驶系统采用分治式架构，将自动驾驶任务拆分为感知、预测、规划等多个模块，每个模块的输入通常来源于前一模块的输出。分治式架构将复杂的自动驾驶任务分解为可独立开发测试、独立管理的小子任务，分而治之，从而大幅度地降低系统开发难度；同时分治式架构能够针对每个独立模块的输入输出进行白盒分析，便于针对问题和事故进行追踪和定位，系统具备较高的可解释性。然而，分治式架构也存在信息传递损耗、误差累积影响安全、多任务多模型导致计算延时等局限性；此外，针对 corner case，分治式架构依赖工程师手动编写大量代码制定行驶规则，也导致了系统的泛化性较差、能力上限较低。端到端（End-to-End）是深度学习的概念，指算法直接从原始输入数据求解出最终输出结果，中间不经过人工设计的特征提取或其他中间步骤。目前端到端自动驾驶的定义尚未完全明确，可划分为狭义端到端和广义端到端，狭义的端到端自动驾驶强调采用一个统一的神经网络模型，车辆将传感器采集到的原始数据输入神经网络，神经网络经过处理之后，直接输出自动驾驶汽车的驾驶命令；广义的端到端自动驾驶强调信息无损传递和全局优化，过程中不因人为的模块划分和显式的中间表示而产生信息损耗。图 3：端到端自动驾驶系统以统一的大模型取代传统感知、预测、规划等模块 数据来源：东方证券研究所绘制 与传统的分治式架构相比，端到端架构具有显著的优势：（1）信息无损传递：传统的分治式架构各模块由人工规则定义，信息在每个模块间传递时存在大量信息损耗；端到端模型将传感器收到的全部信息作为输入，实现信息的无损传递，能够减少信息传递的延迟，加快系统反应。（2）全局优化：端到端架构能够以车辆行驶的全局任务为统一目标联合训练，实现性能全局最优化，不需要频繁的参数调整修正；（3）数据驱动：除感知模块外，预测模块和规划模块同样由数据驱动，无需或仅需少量手写规则，能够简化开发流程；同时，传统架构需要人手处理长尾场景，存在边际效果递减，随着数据规模和质量的提升，端到端架构的能力上限将显著高于传统架构。与此同时，端到端系统的落地量产亦存在诸多挑战：（1）弱解释性：端到端的整体训练方式类似黑盒模式，使其难以对中间结果进行分析，模型不可避免地会存在不可解释性。（2）仿真验证困难：传统的分治式架构能够将每个模块分开进行仿真验证，采用开环验证方式，即不与环境进行任何交互，只验证输入和输出链路；但端到端驾驶系统必须进行闭环验证，且在上车之前需要全局仿真验证通过，而目前仍然缺少优秀的测试工具实现。（3）数据规模和质量：由于端到 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。7 端模型由数据驱动，其训练对于数据的规模和质量提出了极高的要求，大规模高质量数据的采集、筛选、清洗等都将成为难点。现阶段端到端系统主要应用于 L2 场景，对于安全性和稳定性要求更高的 L4 应用场景（如Robotaxi），目前端到端系统尚未能够达到 L4 级别要求，技术路线仍然以成熟的分治式架构为主。随着特斯拉 FSD V12 在数月内持续迭代，预计特斯拉 Robotaxi 或将成为首个将端到端系统应用至 L4 场景的案例，或将引领端到端路线加速发展。表 1：端到端架构和分治式架构比较 端到端架构端到端架构 分治式架构分治式架构 系统组成 统一的神经网络模型 感知模块、预测模块、规划模块等 优势 信息无损传递 全局优化 数据驱动 能力上限高 开发难度低 可解释性强 劣势 可解释性弱 仿真验证困难 数据规模和质量要求高 信息损耗 误差累积 计算效率低 泛化能力弱，能力上限低 数据来源：端到端自动驾驶行业研究报告、东方证券研究所 由于从分治式直接向狭义端到端转变的跨度过大、难度过高，国内各大车企及自动驾驶方案供应商主要采取渐进过渡的技术路径。端到端自动驾驶技术的渐进发展可分为四个阶段：（1）感知端到端：现阶段主流的 BEV Transformer OCC（Occupancy Network，占用网络）已经实现感知模块的端到端架构，但决策规划模块仍然基于规划。（2）预测规划模型化：保留感知模块 预测规划模块，仍然通过人工定义方式制定接口，但将预测规划模块从基于规则转向神经网络化。（3）模块化端到端：将感知模块和预测规划模块间的输入与输出由特征向量实现，两个模块将通过梯度传导的方式共同训练。（4）单一模型端到端：去除模块划分，整个系统将基于一个统一的大模型，为端到端系统的最终目标。图 4：端到端自动驾驶技术的演进 数据来源：端到端自动驾驶行业研究报告、东方证券研究所绘制 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。8 2.2 百度萝卜快跑：L4 级自动驾驶商用先行者 百度以“跃进式”方式实现 L4级自动驾驶，助力萝卜快跑商业化落地。高级别自动驾驶技术演进路线可以分为“渐进式”和“跃进式”，以特斯拉为代表的整车企业选择了“渐进式”路线，在量产车上搭载 L2级辅助驾驶，积累大量驾驶数据并训练算法进行迭代，最终实现高级别自动驾驶。而百度作为科技公司相较于整车厂来说难以大规模获取行驶数据，其策略为直接切入 L4级自动驾驶，在限定区域内将高精地图和激光雷达配合使用（2013 年入局自动驾驶，2015 年成立 L4 事业部），以实现 Robotaxi 商业化变现。李彦宏曾在 2022 年世界人工智能大会(WAIC)上表示 L4 自动驾驶相较于 L3 更容易实现商用。在“跃进式”切入 L4 级自动驾驶的同时，百度采用双线并行研发策略布局 L2 自动驾驶，向整车厂提供 Apollo 自动驾驶技术解决方案。百度 L4/L2 技术协同，目前实现了技术架构、视觉感知方案以及地图的统一，二者打通数据，共享自动驾驶基础设施。一方面，百度前期储备的高质量 L4级智驾技术和数据可以进行降维，作为 L2 量产智驾产品的启动准备；另一方面，百度后期可以利用 L2 自动驾驶产品所积累的海量数据反哺 L4 级自动驾驶，解决 L4 级自动驾驶需要解决的长尾问题和地图验证。图 5：百度跃进式切入 L4 并双线研发布局 L4/L2 技术协同 数据来源：Tesla、百度 Apollo、东方证券研究所绘制 萝卜快跑是百度的自动驾驶出行服务平台，其自动驾驶技术基础源自 Apollo，百度 Apollo 提供了自动驾驶所需的核心技术和解决方案。截至 2024 年 8 月 11 日，萝卜快跑已经在上海、成都、北京、合肥、广州、长沙、武汉、深圳、嘉兴、阳泉、重庆 11个城市落地自动驾驶出行服务。根据百度财报，2024 年一季度萝卜快跑订单约 82.6 万单，同比增长 25%。截至 2024 年 4 月 19 日，百度 Apollo 的自动驾驶里程已超过 1 亿公里。百度 Apollo 自动驾驶形成了“驾、舱、图”全栈汽车智能化产品矩阵。百度 Apollo 是百度推出的一整套自动驾驶解决方案，涵盖了自动驾驶车辆的研发、测试和部署，包括定位、感知、预测、汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。9 规划、控制等多个自动驾驶模块。百度 Apollo 已形成“驾、舱、图”全栈汽车智能化产品矩阵，作为自动驾驶 Tier 1 向主机厂提供智能驾驶、智能地图、智能座舱等智能汽车解决方案。Apollo自动驾驶平台的核心技术架构包括硬件设备、软件核心、应用软件和工具服务四个部分，可以提供从车辆硬件到软件数据以及云端的全栈服务。图 6：百度 Apollo 形成了“驾、舱、图”全栈汽车智能化产品矩阵 数据来源：百度 Apollo、东方证券研究所绘制 大模型重构自动驾驶技术栈，百度发布自动驾驶大模型 Apollo ADFM。传统的自动驾驶系统基于规则和经验累积，存在明显的瓶颈，百度选择用大模型重构自动驾驶技术栈。2017 年起百度Apollo开始全面转向数据推动；2021年起百度 Apollo开始探索应用自动驾驶大模型，升级研发范式。2024 年 5 月百度 Apollo Day 2024 发布了全球首个能够支持 L4 级别无人驾驶应用的自动驾驶大模型 Apollo ADFM（Autonomous Driving Foundation Model）。图 7：百度自动驾驶大模型 Apollo ADFM 数据来源：Apollo 官网、东方证券研究所绘制 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。10 Apollo ADFM 包括多模感知大模型和多源规划大模型。感知大模型包括检测、跟踪、理解和构图四大自动驾驶核心感知任务，Apollo ADFM提取视觉图像数据和 LiDAR、4D Radar等主动光传感器数据，采用点云视觉多模态融合方式，实现了视觉信息和主动光的优势互补，增强了对长尾场景的检测能力。此外，Apollo ADFM 感知信息可以进行可读输出，保证了模型的可监督性和问题的可追溯性。百度在自动驾驶大模型 Apollo ADFM 的开发中采用了“先分段，再联合训练”的策略，将大模型进行分模块设计并独立优化，在分段训练完成后将各个模块进行联合训练以确保模块间协同工作和数据流的一致性，这种策略可以很好地平衡模型的性能和可解释性。图 8：百度 Apollo ADFM 通过联合训练实现端到端无人驾驶 数据来源：芝能汽车、东方证券研究所 现阶段萝卜快跑仍基于规则，通过软硬件结合以及云端安全员和多重冗余支持系统化落地。百度L4 级自动驾驶是基于高清地图封闭式路径导航系统，只在特定区域内运行并依赖于高精度地图进行路线规划；而 L2 级自动驾驶则在探索无图路线导航的技术方案，以实现高时空覆盖。相比基于规则的分治式架构，端到端具有更强的泛化能力、上限更高，但是因其解释性弱、数据需求大、算力需求强、训练成本高等特点暂时难以在中国落地。目前 AI 可以应用在 L2 自动驾驶上，因为L2 自动驾驶主体是人，允许出现 AI 无法应对的 corner case，而 L4 由于可解释性和 corner case问题在短期内不太可能完全依赖 AI，仍需规则兜底。目前很多 L4 公司还是算法 AI 小模型组合，同时也在探索向端到端方式迭代，如小马智行将传统算法和 AI 相结合，推出的端到端自动驾驶模型既可作为 L2 方案又可作为 L4 级智能驾驶的冗余系统。汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。11 图 9：基于规则和端到端的性能曲线 数据来源：小鹏 XPILOT、东方证券研究所 萝卜快跑的技术核心在于高精度地图、多传感器融合以及决策算法。高精度地图能够确保车辆在复杂环境下的精准定位和行驶，目前，对安全性要求极高的 L4 级无人驾驶运营车辆（达到 99.99%以上的成功率）离不开高精地图或车道级导航地图/轻量级高精地图的辅助。高精地图可以极大程度地降低自动驾驶系统算法的复杂程度，提升行车安全性，百度在高阶智驾地图领域布局多年，具有强大的地图采集和绘制能力，具备成本优势。萝卜快跑搭载包括激光雷达、毫米波雷达、超声波雷达和摄像头在内的 7 类 40 个传感器，可实现5X360环境感知，通过传感器融合技术构建全方位的感知系统，根据实时准确的路况信息动态调整自动驾驶决策规划。图 10：萝卜快跑的自动驾驶套件及软件系统 数据来源：百度自动驾驶出行报告、东方证券研究所绘制 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。12 萝卜快跑第六代车 RT6 应用了“百度 Apollo ADFM 大模型 硬件产品 安全架构”的方案。百度Apollo Day 2024同时发布了第六代无人车 Apollo RT6（颐驰 06），据官方信息整车成本为 20.46万元。不同于特斯拉的纯视觉方案，RT6 搭载了 4 颗超高清远距激光雷达 AT128（128 线），其探测距离超过 200 米，可以满足 L4 级自动驾驶对高精度感知和 360视野全覆盖要求。萝卜快跑首次大规模应用车规级 ADAS 半固态激光雷达，相较于传统机械式激光雷达显著降低了 RT6 单车成本。除激光雷达外，RT6还搭载了6个毫米波雷达、12个超声波雷达、12个摄像头，实现“远、中、近”三阶段感知。此外，RT6配备双 AI模型多核芯片，算力达到 1200TOPS，同时采用换电方案，以适配萝卜快跑的自动化运营需求。图 11：萝卜快跑第五代车 Apollo Moon 数据来源：汽车电子、东方证券研究所 图 12：萝卜快跑第六代车 RT6 数据来源：汽车电子、东方证券研究所 安全冗余设计是萝卜快跑的重要组成部分，萝卜快跑设计了 10 重安全冗余和 6 重 MRC 安全策略。自动驾驶“安全第一”是 Robotaxi 未来在全国各地落地和扩张的核心问题，为此百度 L4 级自动驾驶整体系统安全设计包括自动驾驶主系统安全、自动驾驶安全冗余系统、远程云代驾三层安全系统。汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。13 在安全冗余系统方面，Apollo RT6 源自百度自研的“阿波罗星河”架构平台，实现了 100%车规级和整车全冗余系统。10 重安全冗余包括 7 类 40 个传感器，实现 5360 环境感知的感知冗余；双 AI 模型的计算冗余；4 种卫星系统以及星基 地基双模式高精定位单元的高精定位冗余；双系统双控制回路的转向冗余；双独立系统四控制回路的制动冗余；双电子驻车双控制回路的驻车冗余；双模组 5G 冗余；双热泵循环回路的热管理冗余；双回路电源冗余等，保证了任意单系统失效时的行车安全性。百度 Apollo 的自动驾驶里程已经超过 1 亿公里并且未发生过重大伤亡事故，萝卜快跑出险率为人类司机的 1/14。图 13：萝卜快跑安全冗余设计保障自动驾驶运营安全 数据来源：Apollo Day、东方证券研究所绘制 3 Robotaxi 盈利盈利周期分析周期分析 从全生命周期角度来看，Robotaxi 运营成本主要由三方面构成：首先是整车硬件成本，主要包括整车成本以及自动驾驶模块成本。整车成本是除自动驾驶模块的车辆成本，主要包括车身、底盘、动力和智能座舱系统等。在电池方面，由于萝卜快跑采用换电模式，电池成本可与整车分开计算。自动驾驶模块则包括智驾的软硬件成本，智驾硬件主要包括域控制器、激光雷达、摄像头、毫米波雷达等传感器以及定位设备等；其次是安全运营成本，主要包括安全员和地勤的培训及人工成本和远程控制平台的运维成本。目前在确保安全的前提下，指定运营区域车辆的安全员可由线下转为线上，可以同时监控多辆汽车；最后是运力运营成本，主要包括车辆维修保养成本、清洁成本、补能成本以及牌照、保险等其他成本。汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。14 图 14：Robotaxi 全生命周期运营成本 数据来源：罗兰贝格、东方证券研究所绘制 在 Robotaxi 商业化落地和大规模推广的测算中更应该关注单车模型。Robotaxi 全生命周期运营成本涵盖了智能驾驶软件成本、云端平台的建设成本等，这部分成本可以看作一次性投入的固定成本，随着 Robotaxi铺开会被逐步摊薄。现阶段我们应更加关注 Robotaxi的 UE模型能否达正，单车何时能够收回成本。基于以下假设，我们测算得到萝卜快跑 RT6 单车回本周期约为 2.81 年左右。收入端：萝卜快跑计费规则包含起步价、里程费和时长费三个部分收入端：萝卜快跑计费规则包含起步价、里程费和时长费三个部分。由于武汉地区萝卜快跑基准定价高，主要采用高折扣率来降低价格，过高的折扣率不适宜进行预测，因此我们采用上海地区萝卜快跑计费规则进行测算，为方便运算我们取萝卜快跑 3 公里起步价为 7 元，超出 3 公里部分的里程费为 1.7 元/公里，超出 10 分钟的时长费为 0.25 元/分钟。作为比较，滴滴出行快车起步价为 10.9 元，里程费为 1.8 元/公里，时长费为 0.42 元/分钟，萝卜快跑价格约为滴滴的 70%，符合运营假设。表 2：常态化萝卜快跑单日营收测算（单位：元）项目项目 金额金额 备注备注 规则单价规则单价 21.40 假设单均 10 公里，时长 20 分钟 起步价 7 起步价包含里程 3 公里，时长 10 分钟 里程费 11.9 超过 3 公里部分计入里程费，里程费为 1.7 元/公里 时长费 2.5 超过 10 分钟部分计入时长费，时长费为 0.25 元/分钟 活动折扣活动折扣 20%订单量与活动折扣相关，目前 Robotaxi 仍在推广补贴阶段 支付金额（元支付金额（元/单）单）17.12 日均单量日均单量 23 萝卜快跑日均单量与活动折扣相关。根据报道萝卜快跑每日订单量高于 20单，追平网约车，参考网约车数据取 23 单/天。单车日均营收单车日均营收 393.76 数据来源：萝卜快跑 APP、东方证券研究所测算 成本端：主要考虑硬件成本、人工成本、车辆维修保养成本、补能成本、保险成本等可变成本。成本端：主要考虑硬件成本、人工成本、车辆维修保养成本、补能成本、保险成本等可变成本。根据百度官方，百度第六代无人车 Apollo RT6 价格为 20.46 万元，我们以此测算单车回本周期。汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。15 人工成本假设人工成本假设：根据 2023 年 12 月交通运输部办公厅印发的自动驾驶汽车运输安全服务指南（试行），从事出租汽车客运的完全自动驾驶汽车，在确保安全的前提下，经设区市人民政府同意，在指定的区域运营时可使用远程安全员，远程安全员人车比不得低于1:3。我们预计随着自动驾驶与远程监控技术进步以及测试的不断进行，Robotaxi 远程安全员配比可以达到 1:5。考虑Robotaxi 铺开后可以摊薄单车人员比例，假设地勤人员配比为 1:7。此外，部分车辆在 7:00 至23:00 运行，还有一部分车辆 24 小时运营，考虑工作时长我们假设每天需要人员两班倒；人员薪酬参考武汉当地标准，取 6000 元/月。车辆维修保养成本假设：车辆维修保养成本假设：无人车辆清洁假设由地勤完成，成本算入人工部分；维修保养成本假设一年进行一次保养，每次 1000元；轮胎和刹车成本假设每 6万公里更换一次轮胎，四条轮胎更换成本约 1200 元；假设每 8 万公里更换一次刹车，一套刹车更换成本约 400 元。补能成本：补能成本：RT6 采用换电模式，参考蔚来针对非首任车主及运营车辆换电价格（电费 1.35 元/kWh 服务费 0.39 元/kWh）和峰谷电价，假设萝卜快跑补能成本为 0.6 元/kWh，百公里耗电为18 kWh。保险费用保险费用：参考 20 万同价位车辆，考虑自动驾驶事故率低于人类，假设一年 4000 元。表 3：百度 RT6 单车回本周期测算（单位：元）项目项目 金额金额 备注备注 单日营收单日营收 393.76 见单车收入测算表 单日单日人力成本人力成本 137.14 远程安全员（人/车）0.20 假设远程安全员人车比 1：5 地勤（人/车）0.14 假设地勤人员配比为 1：7 人员薪酬（元/月）6000 参考武汉当地标准 平均换班次数（次/天）2 考虑车辆运营时间 单日单日车辆维修保养成本车辆维修保养成本 10.44 维修保养成本 2.78 假设一年保养一次，一次 1000 元 轮胎和刹车成本 7.67 假设每 6 万公里更换一次轮胎，四条轮胎更换成本约 1200 元；假设每 8 万公里更换一次刹车，一套刹车更换成本约 400 元 单日单日补能成本补能成本 33.12 单均里程（公里）10 空乘率 25%假设空乘率为 25%每日载客里程（公里）230 假设一天 23 单 每日里程（公里）306.67 载客里程除以（1-空乘率）百公里能耗（kWh/100km）18 假设百公里耗电量为 18 kWh 补能成本（元/kWh）0.6 假设萝卜快跑补能成本为 0.6 元/kWh 单日单日保险成本保险成本 11.11 考虑自动驾驶事故率低于人类，假设保费一年 4000 元 单日单日成本合计成本合计 191.82 单日盈利单日盈利（不考虑折旧）（不考虑折旧）201.94 不考虑硬件折旧 RT6 成本成本 204600 百度透露 RT6 价格为 20.46 万元 回本回本周期周期（年）（年）2.81 假设一年运营 360 天 数据来源：东方证券研究所测算 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。16 4 Robotaxi 竞争格局竞争格局：实力强的自动驾驶公司及整车实力强的自动驾驶公司及整车公司将获得一定市场份额公司将获得一定市场份额 作为产业链关键角色，自动驾驶技术公司、Tier1 供应商、整车厂和出行服务商共同提供了Robotaxi 所需技术，不同角色之间技术能力存在重叠和补充部分。从各国 Robotaxi 行业商业化发展来看，Robotaxi 主要参与者可以分为自动驾驶技术公司、整车厂和出行服务运营商三个部分，逐步形成了“专业化分工 深度合作绑定”的发展模式。图 15：Robotaxi 技术 整车 平台的“金三角”合作模式 数据来源：罗兰贝格、东方证券研究所 中国 Robotaxi 商业化进程已在限定区域实现了无主驾安全员的商业运营，在实践过程中主要形成了以下几种 Robotaxi 商业合作模式：模式一：整车厂独立运营。这种模式需要整车厂具备较强的智能驾驶技术以及用户流量，代表车企为特斯拉。在特斯拉财报电话会上，马斯克表示特斯拉 Robotaxi 出租车车队将融合 Airbnb 和Uber 的商业模式，预计特斯拉将建立共享乘车平台，自主组建并运营 Robotaxi 车队，而特斯拉车主则可以选择加入或退出车队，特斯拉将与车主分享收入。模式二：具备互联网基因的自动驾驶技术公司自主运营，向整车厂定制车辆。代表企业为百度，百度旗下 Apollo 提供自动驾驶技术，萝卜快跑作为出行服务运营商直面 C 端客户，整车厂负责提供定制车辆但不参与运营。这种模式一般由互联网企业主导，因为互联网公司具备较强的流量接入能力，在出行平台的运营层面具备流量优势。模式三：自动驾驶技术公司 整车厂 出行服务运营商合作模式。这种模式下三方企业相互配合，共享技术、数据、车辆和乘客资源，以实现能力整合并分担项目成本，加速实现 Robotaxi 商业化落地。例如 2019 年广汽集团携手腾讯、广州公交集团、滴滴等合作方共同成立出行平台如祺出行，后续又经历多轮融资，引入小马智行等投资者。如祺出行由广汽集团提供汽车制造产业资源，腾讯提供互联网平台和市场支持，小马智行提供自动驾驶技术，实现了“自动驾驶技术公司 整 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。17 车厂 出行服务运营商”金三角模式，类似案例还有上汽旗下享道出行 Momenta、吉利旗下曹操出行 小马智行等。可能的模式四：整车厂主导运营。除上述三种模式外，部分具备较强智驾能力和平台优势的整车企业亦可能成为 Robotaxi 的运营主导者。以长安汽车为例，从技术能力看，长安汽车（汽车生产企业）以及旗下长安车联科技有限公司（使用主体）是首批通过遴选的 L3级智能网联汽车试点单位。此外，长安汽车和华为合作项目稳步推进，预计将不晚于 8 月 31 日签订最终交易文件；目标公司“引望”已于 2024年 1月完成注册，业务范围包括汽车智能驾驶解决方案、汽车智能座舱、智能汽车数字平台、智能车云、AR-HUD 与智能车灯等；从自动驾驶汽车落地看，2024年 5 月长安车联科技与西部车网合作，双方基于长安汽车产品技术规划，重点围绕示范区与长安汽车各类产品网联赋能展开探索，包括 L2、L3、L4 各级别智能驾驶产品的规模化道路测试及商业化运营探索，并在科学城智能网联汽车示范区内投放 68辆自动驾驶出租车；从出行平台来看，长安、东风、一汽共同成立 T3 出行。T3 平台具有较强的流量优势，能够成为支撑长安自动驾驶出租车的出行平台。2023年 T3出行交易额为 158亿元，在中国网约车市场排名第二，市占率为 6.2%。未来长安汽车可能借助自身汽车制造能力、自身及华为等合作伙伴的自动驾驶技术以及T3出行平台开展 Robotaxi 运营，参与市场化竞争。表 4：Robotaxi 商业模式举例 商业模式商业模式 整车企业独立运营整车企业独立运营 自动驾驶公司自主运营自动驾驶公司自主运营 三方合作三方合作 整车企业主导运营整车企业主导运营 主导者主导者 特斯拉 百度 三方合作 长安汽车 整车企业整车企业 特斯拉 向整车厂定制车辆 广汽集团 长安汽车 智驾技术智驾技术 特斯拉 FSD 百度 Apollo 小马智行 长安 华为等合作伙伴 出行平台出行平台 特斯拉自有 APP 百度萝卜快跑 如祺出行 T3 出行 简介简介 特 斯 拉 具 备 智 驾 技术、整车资源和用户流 量，建 立 运 营 车队，车主可选择是否加入特斯拉车队。百度作为互联网公司具备较强的 L4 自动驾驶技术和下游流量入口。整车厂负责向百度提供定制车辆但不参与运营。“金三角模式”，由广汽集团提供汽车制造产业资源，腾讯提供互联网平台和市场支持，小马智行提供自动驾驶技术。长安汽车在整车、智驾、平台方面均有布局。长安汽车是首批 L3 级智能网联汽车试点单位；并和西部车网围绕智能网联汽车展开合作，投放了 68 辆自动驾驶出租车；旗下拥有 T3 出行平台；且与华为智驾合作稳步推进。数据来源：特斯拉、百度 Apollo、如祺出行、长安汽车、东方证券研究所 现阶段百度、小马智行等部分先行者在 Robotaxi 运营层面处于领先，但随着 Robotaxi 试点在全国范围内逐步铺开，预计实力较强的自动驾驶公司及整车公司均将有望在中国 Robotaxi 市场占据一定份额：（1）预计各地政府将选择性地支持部分 Robotaxi 企业，促进当地 Robotaxi 相关企业发展，例如上海市为百度智行、小马智行、AutoX 安途以及上汽旗下赛可智能发放首批上海市无驾驶人智能网联汽车示范应用许可；萝卜快跑、小马智行、AutoX 安途以及如祺出行获得深圳市宝安区智能网联汽车商业化试点资格，获得地方试点资格的企业有望在当地 Robotaxi 市场获得部分市场份额。（2）长安汽车、上汽集团等部分头部整车企业亦具备较为成熟的高级别自动驾驶技术及相关试点资格，未来有望主导运营或是与自动驾驶公司及出行平台合作，参与 Robotaxi 市场竞争并获取份额。汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。18 图 16：Robotaxi 竞争格局 数据来源：东方证券研究所绘制 5 主要投资策略主要投资策略 从投资策略上看，预计 Robotaxi 有望逐步实现商业化，将部分替代 B 端出租车和网约车，且将加快汽车智能化进程，无人驾驶产业链中游及下游如自动驾驶方案供应商和整车企业有望受益，提供智能化硬件、软件的上游公司也有望受益。建议关注：布局 Robotaxi 产业链的整车企业：长安汽车(000625，买入)、比亚迪(002594，未评级)、江淮汽车(600418，未评级)、上汽集团(600104，买入)；布局智能化零部件公司：伯特利(603596，买入)、经纬恒润-W(688326，买入)、保隆科技(603197，未评级)、华域汽车(600741，买入)、德赛西威(002920，买入)、华阳集团(002906，买入)、科博达(603786，买入)等。表 5：主要公司估值表 数据来源：Wind、东方证券研究所（说明：EPS 采用 Wind 一致预期，已按最新股本摊薄）6 主要风险提示主要风险提示 宏观经济下行影响汽车需求宏观经济下行影响汽车需求。若 2024 年宏观经济低于预期，消费者推迟购车，则将影响乘用车需求，进而影响行业整体盈利能力。自动驾驶技术发展不及预期自动驾驶技术发展不及预期。若自动驾驶技术发展进程低于预期，则将影响行业整体盈利能力。Robotaxi 商业化进程不及预期。商业化进程不及预期。若 Robotaxi 商业化进程低于预期，则将影响行业整体盈利能力。自动驾驶政策推进不及预期自动驾驶政策推进不及预期。若自动驾驶政策推进低于预期，则会影响产业商业化进程，进而影响行业整体盈利能力。、2023A2024E2025E2026E2023A2024E2025E2026E000625.SZ长安汽车13.001.140.871.101.3011.3814.9311.8610.00002594.SZ比亚迪230.4010.3312.7616.1019.6622.3118.0614.3111.72600418.SH江淮汽车19.260.070.090.270.39277.63208.5571.6349.70600104.SH上汽集团13.741.221.281.391.5011.2710.769.879.15603596.SH伯特利36.391.471.942.523.2024.7618.7914.4211.36688326.SH经纬恒润-W60.10-1.810.172.053.66-33.19348.3829.2916.44603197.SH保隆科技28.551.792.353.154.0015.9812.169.067.14600741.SH华域汽车14.722.292.412.622.806.436.105.635.25002920.SZ德赛西威85.122.793.784.896.1930.5422.5117.4213.75002906.SZ华阳集团24.080.891.231.622.0527.1819.6214.8911.73603786.SH科博达47.081.512.152.793.4531.2221.8616.8813.63证券代码证券简称收盘价（08-12）EPSPE 汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。19 假设条件变化影响测算结果。假设条件变化影响测算结果。文中测算基于设定的前提假设基础之上，存在假设条件发生变化导致结果产生偏差的风险。汽车与零部件行业深度报告 Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。20 分析师申明 每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断；分析师薪酬的任何组成部分无论是在过去、现在及将来，均与其在本研究报告中所表述的具体建议或观点无任何直接或间接的关系。投资评级和相关定义 报告发布日后的 12个月内行业或公司的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准（A 股市场基准为沪深 300 指数，香港市场基准为恒生指数，美国市场基准为标普 500 指数）；公司投资评级的量化标准公司投资评级的量化标准 买入：相对强于市场基准指数收益率 15%以上；增持：相对强于市场基准指数收益率 5%；中性：相对于市场基准指数收益率在-5% 5%之间波动；减持：相对弱于市场基准指数收益率在-5%以下。未评级 由于在报告发出之时该股票不在本公司研究覆盖范围内，分析师基于当时对该股票的研究状况，未给予投资评级相关信息。暂停评级 根据监管制度及本公司相关规定，研究报告发布之时该投资对象可能与本公司存在潜在的利益冲突情形；亦或是研究报告发布当时该股票的价值和价格分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确投资评级；分析师在上述情况下暂停对该股票给予投资评级等信息，投资者需要注意在此报告发布之前曾给予该股票的投资评级、盈利预测及目标价格等信息不再有效。行业投资评级的量化标准行业投资评级的量化标准：看好：相对强于市场基准指数收益率 5%以上；中性：相对于市场基准指数收益率在-5% 5%之间波动；看淡：相对于市场基准指数收益率在-5%以下。未评级：由于在报告发出之时该行业不在本公司研究覆盖范围内，分析师基于当时对该行业的研究状况，未给予投资评级等相关信息。暂停评级：由于研究报告发布当时该行业的投资价值分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确行业投资评级；分析师在上述情况下暂停对该行业给予投资评级信息，投资者需要注意在此报告发布之前曾给予该行业的投资评级信息不再有效。免责声明 本证券研究报告（以下简称“本报告”）由东方证券股份有限公司（以下简称“本公司”）制作及发布。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的全体接收人应当采取必要措施防止本报告被转发给他人。本报告是基于本公司认为可靠的且目前已公开的信息撰写，本公司力求但不保证该信息的准确性和完整性，客户也不应该认为该信息是准确和完整的。同时，本公司不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的证券研究报告。本公司会适时更新我们的研究，但可能会因某些规定而无法做到。除了一些定期出版的证券研究报告之外，绝大多数证券研究报告是在分析师认为适当的时候不定期地发布。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，若有必要应寻求专家意见。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。本报告中提及的投资价格和价值以及这些投资带来的收入可能会波动。过去的表现并不代表未来的表现，未来的回报也无法保证，投资者可能会损失本金。外汇汇率波动有可能对某些投资的价值或价格或来自这一投资的收入产生不良影响。那些涉及期货、期权及其它衍生工具的交易，因其包括重大的市场风险，因此并不适合所有投资者。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任，投资者自主作出投资决策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本报告主要以电子版形式分发，间或也会辅以印刷品形式分发，所有报告版权均归本公司所有。未经本公司事先书面协议授权，任何机构或个人不得以任何形式复制、转发或公开传播本报告的全部或部分内容。不得将报告内容作为诉讼、仲裁、传媒所引用之证明或依据，不得用于营利或用于未经允许的其它用途。经本公司事先书面协议授权刊载或转发的，被授权机构承担相关刊载或者转发责任。不得对本报告进行任何有悖原意的引用、删节和修改。提示客户及公众投资者慎重使用未经授权刊载或者转发的本公司证券研究报告，慎重使用公众媒体刊载的证券研究报告。HeadertTable_Address东方证券研究所 地址：上海市中山南路 318 号东方国际金融广场 26 楼 电话：传真：021-63325888 021-63326786 东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。

2024-08-13 21页 5星级

汽车行业深度：Robotaxi蓄势待发-240806（31页）.pdf

请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明/汽车汽车 Table_Date 发布时间：发布时间：2024-08-06 Table_Invest 优于大势优于大势 上次评级:优于大势 Table_PicQuote 历史收益率曲线 Table_Trend 涨跌幅（%）1M 3M 12M 绝对收益-3%-11%-14%相对收益 0%-4%2%Table_Market 行业数据 成分股数量（只）261 总市值（亿）31782 流通市值（亿）13555 市盈率（倍）27.70 市净率（倍）2.07 成分股总营收（亿）36981 成分股总净利润（亿）1304 成分股资产负债率（%）61.23 相关报告 汽车行业深度：Dojo 助推特斯拉加速 AI 落地-20240519 奇瑞汽车深度报告：出海持续增长，新能源转型高弹性-20240219 Table_Author 证券分析师证券分析师：周颖：周颖 执业证书编号：S0550521100002 19801271353 研究助理：陈纬国研究助理：陈纬国 执业证书编号：S0550122090006 15624929051 Table_Title 证券研究报告/行业深度报告 汽车行业深度：汽车行业深度：Robotaxi 蓄势待发蓄势待发 报告摘要：报告摘要：Table_Summary Robotaxi，即无人驾驶出租车，是一种利用自动驾驶技术提供出行服务的新型交通工具。它结合了先进的传感器、人工智能算法、云计算和大数据技术，能够实现车辆的自主导航、决策和控制。萝卜快跑、小马智行、萝卜快跑、小马智行、文远知行和文远知行和 Waymo 皆是全球皆是全球 robotaxi 领域的先行者和领跑者领域的先行者和领跑者，这四家公司在技术创新、业务运营和市场潜力方面都有卓越表现。萝卜快跑作为百度 Apollo 自动驾驶平台的重要组成部分，自成立以来便以其 robotaxi 业务在全国范围内掀起了一场技术革命。它在超一线城市的载人测试运营中，已经累计服务超过 600 万单，成为全球自动驾驶出行服务领域的佼佼者。2024 年 5 月，百度的 Apollo ADFM 大模型的问世，标志着 L4 级自动驾驶技术的重大突破，为萝卜快跑注入了新的创新动力。小马智行自 2016 年诞生于硅谷的研发中心，通过 BEV 博弈交互式规划算法引领行业潮流。其推出的第六代 L4 级 Robotaxi 车辆设计在硬件研发、选型、安全冗余和系统装配生产等方面，均已瞄准车规级量产。目前，小马智行已在北京、上海、广州和深圳四大一线城市部署了无人化自动驾驶车队，并在北京、广州、深圳三地启动了无人化商业收费服务。文远知行自 2017 年成立以来，便以其全球化视野和战略布局，在全球自动驾驶领域占据了一席之地。作为行业内同时拥有中国、美国、阿联酋和新加坡四地自动驾驶牌照的企业，文远知行的 WeRide ONE 自动驾驶通用算法，为用户带来了全场景、全天候的 Robotaxi 乘坐体验，其技术领先地位得益于其全球化战略和国际合作。Waymo 作为 Alphabet 的子公司，自 2009 年谷歌自动驾驶项目的起源至今，一直是自动驾驶技术领域的领航者。其感知系统、定位系统和行为预测技术，构成了 Waymo 自动驾驶解决方案的核心竞争力，确立了其在行业中的领导地位。基于以上我们对行业空间进行预测，预计未来五年 Robotaxi 行业将迎来高速发展期，2028 年的市场空间达到 155.68 亿元，因此我们看好行业中具备算法和运营等综合能力的核心企业，例如萝卜快跑、小马智行、文远知行、Waymo 等。风险提示：风险提示：行业行业需求需求不及预期不及预期，技术进展不及预期。，技术进展不及预期。-30%-25%-20%-15%-10%-5%0%5 23/8 2023/11 2024/22024/5汽车沪深300 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 2/31 汽车汽车/行业深度行业深度 目目 录录 1.Robotaxi 时代即将来袭时代即将来袭.4 2.萝卜快跑：全球领先的自动驾驶出行服务平台萝卜快跑：全球领先的自动驾驶出行服务平台.5 2.1.一线城市全面覆盖的无人驾驶新纪元.6 2.2.百度 Apollo ADFM：重构自动驾驶的革命性大模型技术.7 2.2.1.打造高阶智能驾驶产品.7 2.2.2.Apollo 领航辅助驾驶.8 2.2.3.Apollo Parking.9 2.2.4.Apollo Self-Driving.10 2.3.无人出行的领路者.11 3.小马智行小马智行.13 3.1.小马智行：中美自动驾驶领域的先锋.13 3.2.核心算法：BEV 博弈交互式规划.14 3.3.小马识途：丰富选择高覆盖度.14 3.3.1.PonyClassic.15 3.3.2.PonyPro.15 3.3.3.PonyUltra.16 3.4.第六代 L4 自动驾驶系统：接近消费级车辆.16 3.5.扩展 Robotaxi 服务覆盖范围，满足更广泛用户需求.17 3.6.高技术稳定性与良好乘车体验.18 4.文远知行文远知行.19 4.1.文远知行：全球领先的多元化应用自动驾驶科技公司.19 4.2.全球化战略与国际合作推动自动驾驶技术领先发展.20 4.3.WeRide ONE.21 4.3.1.WeRide One 的全冗余安全设计与增强系统稳定性.21 4.3.2.WeRide One 具备自我完善的算法.21 4.3.3.先进的感知框架.21 4.4.用户基础逐渐形成.23 4.5.深度参与运营提升落地能力.24 5.Waymo.25 5.1.Waymo：自动驾驶的先行者.25 5.2.Waymo 方案：多传感器 行为预测，目标 L4-L5.26 5.3.落地进程加速.27 6.行业预测行业预测&投资建议投资建议.28 7.风险提示风险提示.29 图表目录图表目录 图图 1：Robotaxi.4 图图 2：Robotaxi 无人驾驶无人驾驶.5 图图 3：萝卜快跑打车流程：萝卜快跑打车流程.5 图图 4：萝卜快跑汽车：萝卜快跑汽车.6 图图 5：萝卜快跑发展历程：萝卜快跑发展历程.6 图图 6：高阶智能驾驶四个标准：高阶智能驾驶四个标准.7 图图 7：Apollo 硬件配置硬件配置.8 图图 8：Apollo Parking 硬件配置硬件配置.9 aVfYdXaYeZfYaYaYbRcMbRnPrRmOmQiNpPwOkPoPnO8OqQzQvPnMmPvPmMtQ 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 3/31 汽车汽车/行业深度行业深度 图图 9：百度：百度 Apollo ADFM.9 图图 10：Apollo 领航辅助驾驶领航辅助驾驶.10 图图 11：萝卜快跑武汉运营区域：萝卜快跑武汉运营区域.11 图图 12：萝卜快跑单车成：萝卜快跑单车成本本.12 图图 13：小马智行：小马智行 app.13 图图 14：小马智行发展历程：小马智行发展历程.13 图图 15：小马识途覆盖场景和硬件成本：小马识途覆盖场景和硬件成本.14 图图 16：PonyClassic.15 图图 17：PonyPro.15 图图 18：PonyUltra.16 图图 19：小马智行第六代车型：小马智行第六代车型.17 图图 20：小马智行北京运行区域：小马智行北京运行区域.18 图图 21：文远知行：文远知行 app.19 图图 22：文远知行发展历程：文远知行发展历程.20 图图 23：文远知行车型：文远知行车型.21 图图 24：WeRide One.22 图图 25：WeRide One 展现展现.23 图图 26：乘客调研结果：乘客调研结果 1.24 图图 27：乘客调研结果：乘客调研结果 2.24 图图 28：Waymo 合作车辆合作车辆.25 图图 29：Waymo 发展历程发展历程.25 图图 30：Waymo 感知系统感知系统.26 图图 31：Waymo 部分覆盖区域部分覆盖区域.27 表表 1：行业空间预测：行业空间预测.28 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 4/31 汽车汽车/行业深度行业深度 1.Robotaxi 时代即将来袭时代即将来袭 Robotaxi，即无人驾驶出租车，是一种利用自动驾驶技术提供出行服务的新型交通工具。它结合了先进的传感器、人工智能算法、云计算和大数据技术，能够实现车辆的自主导航、决策和控制。图图 1：Robotaxi 数据来源：百度，东北证券 Robotaxi 的核心在于自动驾驶技术的核心在于自动驾驶技术。它依赖多种传感器，如雷达、激光雷达、摄像头和超声波传感器等，来感知周围环境。这些传感器收集的数据通过车载计算机处理，以识别道路、交通信号、行人和其他车辆，结合先进的传感器、高精度地图和人工智能技术，Robotaxi 能够在城市道路上自主导航，接送乘客，提供安全、高效、便捷的出行体验。Robotaxi 的概念不仅限于技术层面，它代表了一种全新的出行方式。的概念不仅限于技术层面，它代表了一种全新的出行方式。与传统出租车相比，Robotaxi 展现出巨大的潜力和优势。首先，Robotaxi 能够显著提高交通安全性。根据美国国家公路交通安全管理局（NHTSA）的数据，人为错误是造成交通事故的主要因素之一，而 Robotaxi 通过其自动驾驶技术，可以减少人为错误，提高行车安全性。同时，Robotaxi 能够不断学习和适应复杂的交通环境，优化驾驶策略。云计算和大数据技术的应用，使得 Robotaxi 能够处理海量数据，进行实时的交通分析和预测，从而提供更高效的路线规划。在安全性方面，Robotaxi 的设计融入了多重冗余机制和严格的测试流程，以确保其在各种情况下都能稳定运行。乘客体验是 Robotaxi 设计的重点之一，通过智能手机应用预订，乘客可以享受个性化的出行服务，车内还可能配备娱乐系统和舒适的座椅，为旅途增添更多愉悦。从长远来看，从长远来看，Robotaxi 可以显著降低运输成本。可以显著降低运输成本。由于没有司机，运营费用大幅减少。此外，Robotaxi 提供 24 小时服务，能够灵活地满足客户的多样化需求。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 5/31 汽车汽车/行业深度行业深度 图图 2：Robotaxi 无人驾驶无人驾驶 数据来源：百度，东北证券 法规和政策的支持是法规和政策的支持是 Robotaxi 推广的关键所在。推广的关键所在。政府和监管机构需要制定相应的安全标准和运营规范，以确保其安全性和有效性。在社会影响方面，Robotaxi 的普及可能会改变人们的出行习惯，减少私家车的拥有量，并对传统出租车和网约车行业产生深远影响。展望未来，随着技术的不断成熟和社会接受度的提高，Robotaxi 有望实现更广泛的商业化运营。它将与公共交通系统、共享单车等形成智能交通网络，成为城市交通的重要组成部分。这一变革将引领我们走向一个更加高效、绿色和智能化的出行新时代。2.萝卜快跑：全球领先的自动驾驶出行服务平台萝卜快跑：全球领先的自动驾驶出行服务平台 图图 3：萝卜快跑：萝卜快跑打车打车流程流程 数据来源：公司官网，东北证券 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 6/31 汽车汽车/行业深度行业深度 萝卜快跑成立于 2019 年，隶属于百度 Apollo 自动驾驶平台。Apollo 是百度于 2017年推出的开放自动驾驶平台，旨在推动全球自动驾驶技术的发展。萝卜快跑是Apollo生态系统的一部分，专注于 Robotaxi 服务。萝卜快跑作为自动驾驶出行服务平台，已经在全国 11 个城市展开载人测试运营，实现了对超一线城市的全面覆盖。此外，萝卜快跑在北京、武汉、重庆、深圳、上海等地大力推广无人自动驾驶出行服务与测试。2.1.一线城市全面覆盖的无人驾驶新纪元 图图 4：萝卜快跑汽车：萝卜快跑汽车 数据来源：公司官网，东北证券 图图 5：萝卜快跑发展历程：萝卜快跑发展历程 数据来源：东北证券整理 2017 年 7 月，百度宣布了 Apollo 计划，推出了开放、完整且安全的自动驾驶开源平台。2021 年 8 月，百度发布了萝卜快跑，面向大众提供商业运营和多元化增值服务，并预计在三年内覆盖 30 座城市。2022 年，百度在深圳、北京、重庆、合肥、上海等地陆续开展商业化运营，并在年底获得在北京进行全无人自动驾驶测试的许可。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 7/31 汽车汽车/行业深度行业深度 2023 年萝卜快跑的累计订单量已超过 500 万单，其中第四季度的单季订单量达 84万单，同比增长 49%；在武汉地区，全无人驾驶订单比例达到 45%。萝卜快跑已在全国 11 个城市提供自动驾驶出行服务，并在北京、上海、深圳、武汉开展车内无人示范运营。2024 年 5 月，百度在 Apollo Day 2024 上发布了全球首个支持 L4 级自动驾驶的大模型 Apollo ADFM，并推出了搭载第六代智能化系统解决方案的萝卜快跑无人车，售价约 20 万元，整车成本较上一代下降 60%。2024 年 7 月，萝卜快跑在武汉市的订单量大幅增长，单日单车峰值订单量超过 20 单，与出租车司机单日订单情况持平；总订单量已超过 600 万单，测试里程超过 1 亿公里。2.2.百度 Apollo ADFM：重构自动驾驶的革命性大模型技术 2.2.1.打造高阶智能驾驶产品 图图 6：高阶智能驾驶四个标准：高阶智能驾驶四个标准 数据来源：Apollo，东北证券 高阶智能驾驶产品具备四大关键条件：首先，需要支持在复杂城市道路上进行点到点的领航辅助驾驶；其次，需要做到时空覆盖范围广，全国范围内有导航的路段均可使用；再其次，需要提供安心的用户体验，使用户对系统产生信任和依赖，并在不同路段和时段保持一致的使用体验；最后，需要通过数据驱动的 AI 算法实现高频迭代和自我进化，不断提升用户的获得感和体验。2023 年，百度推出了由自主泊车 Apollo Parking、高速行泊一体 Apollo Highway Driving Pro 和三域融通领航辅助驾驶 Apollo City Driving Max 组成的智能驾驶产品矩阵。落地角度落地角度 Apollo 实现的实现的产品功能包括城市和高速高级领航辅助驾驶、产品功能包括城市和高速高级领航辅助驾驶、AVP 自主泊自主泊车和车和 AP 辅助驾驶辅助驾驶等等。Apollo 的城市和高速高级领航辅助驾驶可通过自车环境感知和自研高精度地图辅助信息，实现自动巡航、拥堵跟车、导航变道和超车变道、通过红绿灯路口、进出主辅路、上下匝道、穿行隧道等常见交通场景的功能；此外，还能礼让行人、避让大车、借道绕行、识别前车车灯信号、智能推理被遮挡的红绿灯信号、避让倾入道路的硬隔离栅栏等，几乎覆盖日常出行的各种驾驶场景。Apollo的 AVP 自主泊车功能不仅具备 APA、RPA、AVM 等辅助泊车功能，还支持记忆泊车（HAVP），能够在停车场内自动行驶到指定车位并安全泊入，反之也可以自动泊 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 8/31 汽车汽车/行业深度行业深度 出到停车场的指定点位。通过三域融通感知共享技术，Apollo 将 AVP 的停车场巡航速度可提升到 20km/h，并将实现跨层巡航泊车等复杂场景。公司的 AP 辅助驾驶功能强大，可以在不依赖地图条件下通过实时识别地面车道线结构，沿车道线自动前行、跟车、道路分合流和人工拨杆变道，识别红绿灯信号，并能在失去车道线时自动降级为 ACC 继续提供辅助驾驶，进一步提升智能驾驶的可获得感。2.2.2.Apollo 领航辅助驾驶 图图 7：Apollo 硬件配置硬件配置、数据来源：Apollo，东北证券 Apollo City Driving Max 实现了高速、城市快速路、城市道路和停车场全场景点到点的全域驾驶，具备识别异形红绿灯、环岛路口和非结构化道路的功能。其灵活的驾驶策略能够从容应对路口博弈、汇入汇出和行人礼让等场景，解放用户从复杂的驾驶任务中，让出行变得高效舒适。Apollo Highway Driving Pro 覆盖高速、城市快速路和停车场场景，在保证量产成本可控的同时，实现高速点到点的驾驶自由，让长途驾驶变得更轻松。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 9/31 汽车汽车/行业深度行业深度 2.2.3.Apollo Parking 图图 8：Apollo Parking 硬件配置硬件配置 数据来源：Apollo，东北证券 Apollo Parking 提供全场景自主泊车提供全场景自主泊车，无论是泊入还是召唤，无需人在车上，只需通过手机一键操作即可实现泊车自由。其适用场景覆盖小区、公司、商场等地下和露天停车场，支持有无划线的垂直、平行、斜方车位等近百种衍生类型。在泊车过程中，Apollo Parking 能识别车辆、物体、人等各种复杂场景，自主完成安全避让或主动刹停。用户可通过手机界面实时观察泊车全流程，及时掌握突发状况。该系统操作简单，支持一键超远距离泊入和召唤泊出到指定区域，泊车速度媲美老司机。此外，通过他人分享的泊车路线，车辆无需学习记忆即可沿用现成路线，轻松完成泊车。图图 9：百度：百度 Apollo ADFM 数据来源：Apollo，东北证券 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 10/31 汽车汽车/行业深度行业深度 百度百度 Apollo ADFM 基于大模型技术重新定义了自动驾驶，基于大模型技术重新定义了自动驾驶，兼顾了技术的安全性和泛化性，其安全性比人类驾驶员高出十倍以上，实现了城市级全域复杂场景的覆盖。自动驾驶大模型 Apollo ADFM（Autonomous Driving Foundation Model）是全球首个支持 L4 级别无人驾驶应用的大模型，是 Apollo 实现城市级无人驾驶的核心技术基础。Apollo ADFM 包含多模感知大模型、多源规划大模型，以及渐进式端到端自动驾驶大模型。百度百度 Apollo 自动驾驶大模型自动驾驶大模型 Apollo ADFM 相比于人类驾驶员拥有更强的安全性。相比于人类驾驶员拥有更强的安全性。百度 Apollo 自动驾驶大模型 Apollo ADFM 每天全无人运行 10 万公里，累计运行一亿公里无重大安全事件，安全性是人类驾驶员的十倍，系统失效率与国产大飞机C919 相当。在武汉这样道路复杂、立体交通和人流量大的城市，以前的传统自动驾驶技术需要各个独立模块进行判断和执行，信息传递效率低，单个模型训练成本高，且容易出现误判和漏判，难以深入复杂驾驶场景，更无法实现全场景的无缝运行。而端到端大模型自动驾驶系统通过生成驾驶数据，并将高价值数据回传以反哺大模型，形成数据闭环，有效解决了这些问题。基于自动驾驶大模型 Apollo ADFM，百度 Apollo 推出了第六代 Apollo 自动驾驶系统解决方案。该系统配备 7 类共 40 个传感器，实现 5 倍 360 度的环境感知，并配有传感器自清洁系统，旨在无视恶劣环境影响，持续稳定工作。在算力方面，第六代自动驾驶系统搭载了双 AI 模型多核芯片，算力达到 1200 TOPS。2.2.4.Apollo Self-Driving 图图 10：Apollo 领航辅助驾驶领航辅助驾驶 数据来源：Apollo，东北证券 百度的自动驾驶项目依托其先进的大模型技术，在武汉复杂的道路上取得了重大突破，实现了全城、全天候的无缝运行，让几乎一半的武汉市民享受到便捷的无人驾驶体验。此外，国内独一无二的 L2 级别纯视觉城市辅助驾驶产品 ANP3 将全面整合进百度的 Apollo ADFM 自动驾驶大模型，升级为全新的 ASD（Apollo Self-Driving）系统。这一创新将首先应用于极越品牌的车型系列，并计划投入量产，标志着一个新时代的开启。只要使用百度地图，无论身处何地，智能驾驶都能随时体验。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 11/31 汽车汽车/行业深度行业深度 百度百度 Apollo 将其多年积累的将其多年积累的 L4 级自级自动驾驶技术应用于动驾驶技术应用于 L2 智能驾驶产品，智能驾驶产品，目前已具备量产能力并搭载在多款乘用车上，为广大车主提供高级辅助驾驶功能。2023 年，百度推出了自主泊车 Apollo Parking、高速行泊一体 Apollo Highway Driving Pro、三域融通领航辅助驾驶 Apollo City Driving Max 组成的智能驾驶产品矩阵，这些产品已在极越 01、岚图 FREE、广汽埃安全系、哈弗神兽、坦克 500、欧拉闪电猫等多款明星车型上实现量产。2024 年，基于自动驾驶大模型升级的纯视觉高阶智能驾驶产品 ASD（Apollo Self-Driving）将在极越全系车型上首发量产。未来，搭载 ASD 的量产乘用车将如萝卜快跑一样，通过百度 Apollo 训练的“安全可靠的好司机”技术，让更多用户享受到自动驾驶技术带来的安全、舒适和高效的出行体验。2.3.无人出行的领路者 目前，萝卜快跑已经在北京、武汉、重庆、深圳、上海等多个城市开展全无人自动萝卜快跑已经在北京、武汉、重庆、深圳、上海等多个城市开展全无人自动驾驶出行服务测试驾驶出行服务测试。其中，武汉是最大的自动驾驶运营服务区。据悉，萝卜快跑已在武汉投放超过 400 辆无人驾驶汽车。萝卜快跑的目标是到 2024 年年底在武汉实现收支平衡，并在 2025 年进入盈利期。图图 11：萝卜快跑武汉运营区域：萝卜快跑武汉运营区域 数据来源：萝卜快跑，东北证券 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 12/31 汽车汽车/行业深度行业深度 图图 12：萝卜快跑单车成本：萝卜快跑单车成本 数据来源：百度，东北证券 萝卜快跑目前在武汉的运营面积已达萝卜快跑目前在武汉的运营面积已达 3000 多平方公里，覆盖了武汉市区的大部分多平方公里，覆盖了武汉市区的大部分区域。区域。萝卜快跑在武汉每天的订单量预计已经超过了武汉全城网约车市场的 1%。第六代萝卜快跑无人车的整车成本较第五代车下降了60%，单车采购价降低到20.46万元。随着时空覆盖和运营效率的大幅提升，萝卜快跑预计到 2024 年底在武汉实现收支平衡，并在 2025 年全面进入盈利期。在国内乃至全球市场 L4 级自动驾驶车辆动辄大几十万的成本下，20 万左右的价格将极具优势。在武汉，萝卜快跑每天约有400 台车辆正常运营，接送乘客，另有数百台用于测试。每辆车每天行驶里程不超过 300 公里，包括 20 单真实乘客单和约 10 单虚拟单，大部分乘客选择短途运输，以 10 公里以内的单为主。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 13/31 汽车汽车/行业深度行业深度 3.小马智行小马智行 3.1.小马智行：中美自动驾驶领域的先锋 图图 13：小马智行：小马智行 app 数据来源：小马智行，东北证券 图图 14：小马智行发展历程：小马智行发展历程 数据来源：东北证券整理 小马智行是全球首家在中美两国均推出自动驾驶出行服务（小马智行是全球首家在中美两国均推出自动驾驶出行服务（Robotaxi）的公司。）的公司。小马智行（Pony.ai）成立于 2016 年底，由彭军和楼天城共同创立，总部位于广州。2016 年，彭军和楼天城从百度离职，决定联手创业。同年 12 月，小马智行在美国加州成立，并设立了硅谷研发中心。彭军曾是百度自动驾驶部门的首席架构师，专注于整体战略规划与发展管理；楼天城是百度最年轻的 T10 级工程师，并参与过谷歌旗下 Waymo 的核心技术研发。两位创始人凭借其高学历和丰富经验，很快吸引了资本市场的关注。小马智行汇集了众多来自清华、斯坦福等名校的技术人才，并获得红杉资本、IDG 等顶级风投机构的投资，迅速跻身为高估值、高期待的前沿产业阵地。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 14/31 汽车汽车/行业深度行业深度 目前，小马智行已在中国的北京、广州、上海及美国硅谷设立研发中心并进行测试，并在中国广州和美国加州落地了自动驾驶出租车服务。公司不仅成为国内首批提供常态化自动驾驶出租车服务的公司，也成为在美国加利福尼亚州首个公开运营的自动驾驶技术服务商。3.2.核心算法：BEV 博弈交互式规划 小马智行自研的小马智行自研的 BEV（Birds Eye View）感知算法）感知算法是是以视觉感知为基础的大模型，以视觉感知为基础的大模型，能能将图像数据中的物体信息从二维还原重建成三维将图像数据中的物体信息从二维还原重建成三维，可以识别障碍物、车道线及可通行区域，最大限度降低算力需求，是目前自动驾驶的主流“重感知算法”。在高速场景中，小马智行利用传感器和鱼眼相机参与行车 BEV 感知模型，减少对传感器数量的依赖，仅用 6 个摄像头和 1 个前向毫米波雷达即可实现高速与城市 NOA 功能。在预测层面，小马智行开发了博弈交互式规划算法在预测层面，小马智行开发了博弈交互式规划算法，并率先在 L4 Robotaxi 上使用。该算法在系统决策时考虑自车与社会车辆的博弈，确保在传感器数量大幅精简的情况下，高速 NOA 能在繁忙的城市高架路与匝道上灵活穿梭。无论有无高精地图、在城区还是高速行车或泊车，不同功能中职责相同部分均使用同一套博弈交互式规划算法，体验一致。例如 ACC 功能中用到的纵向规控、社会车辆切入预测算法与LCC、NOA 相同，均可顺滑处理加塞车辆。不同方案的能力边界上限不同，但在各自适用场景中都能平稳顺滑地运行，不因成本不同而影响体验。这也是小马智行进军乘用车市场的杀手锏之一：通过 L4 降维和算法通用，实现低成本、高体验。3.3.小马识途：丰富选择高覆盖度 图图 15：小马识途覆盖场景和硬件成本：小马识途覆盖场景和硬件成本 数据来源：小马智行，东北证券 小马识途小马识途是小马执行的智驾方案，是小马执行的智驾方案，可细分为 3 套方案，由功能的简单到复杂分别称为 PonyClassic，PonyPro 以及 PonyUltra。每套方案所用的传感器和底层算力有所不同。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 15/31 汽车汽车/行业深度行业深度 3.3.1.PonyClassic 图图 16：PonyClassic 数据来源：小马智行，东北证券 PonyClassic 作为入门级方案，配备 6 个摄像头和 1 个毫米波雷达，能够具备目前较为领先的高速 NOA 功能，实现车辆在高速路段的领航辅助功能，以及任何路段行驶过程中的主动安全功能。PonyClassic 算力平台在 50-100TOPS 之间可选，配置小马自研的域控制器并搭载地平线或英伟达的芯片产品。PonyClassic 的传感器方案也能实现记忆泊车功能。3.3.2.PonyPro 图图 17：PonyPro 数据来源：小马智行，东北证券 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 16/31 汽车汽车/行业深度行业深度 PonyPro 方案的硬件配置为 11 摄像头 5 毫米波雷达外加一个激光雷达，算力约200TOPS，支持单颗英伟达 OrinX、两颗地平线征程 5 或类似算力的芯片。PonyPro还支持自主代客泊车，可以把车开到停车场门口自行寻找车位停泊。3.3.3.PonyUltra 图图 18：PonyUltra 数据来源：小马智行，东北证券 小马智行种最高阶的方案是 PonyUltra，该方案在 PonyPro 基础上增加两个侧向补盲激光雷达，算力也达到了 500TOPS，硬件方案和小马智行 Robotaxi 基本一致。小马智行的乘用车智能驾驶方案分为三种不同配置，基本满足了国内乘用车市场主流的各个价位车型，并能根据主机厂的需求灵活定制。小马智行的方案传感器配置简洁，最高阶的 PonyUltra 只有 19 个传感器，入门版仅 7 个，与现在智能汽车动辄30 多个传感器相比，小马智行用更简单的方案实现了同级更高阶的功能。这种 NOA能力对小马智行来说并不高难度，已在高速场景中的自动驾驶重卡和城区场景中的Robotaxi 运营中得到验证，这背后是小马智行在自动驾驶算法领域的技术突破。3.4.第六代 L4 自动驾驶系统：接近消费级车辆 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 17/31 汽车汽车/行业深度行业深度 图图 19：小马智行第六代车型：小马智行第六代车型 数据来源：小马智行，东北证券 2022 年 1 月，小马智行推出第六代 L4 自动驾驶软硬件系统，首批搭载于丰田赛那 Autono-MaaS 车辆，并在 2023 年投入国内一线城市，力求实现更大规模的全无人Robotaxi 布局。全新的 Robotaxi 车辆设计接近消费级车辆，在硬件研发、选型、安全冗余和系统装配生产等方面，均瞄准车规级量产。小马智行通过丰富的硬件配置，采用多传感器小马智行通过丰富的硬件配置，采用多传感器 视觉的融合技术方案，朝量产方向视觉的融合技术方案，朝量产方向升级。升级。其第六代 L4 自动驾驶系统首次大规模使用固态激光雷达，传感器总数达 23个，包括 4 个车顶固态激光雷达、3 个补盲激光雷达、4 个车顶四角毫米波角雷达、1 个前向长距毫米波雷达，以及 11 个摄像头（7 个车顶、4 个车身四周）。3.5.扩展 Robotaxi 服务覆盖范围，满足更广泛用户需求 为了能让更多消费者感受到为了能让更多消费者感受到小马智行小马智行的驾驶技术，的驾驶技术，Robotaxi 服务覆盖范围将逐步增服务覆盖范围将逐步增加至加至 5 大城市，大城市，小马智行的 Robotaxi 服务已经先后在北京、广州进行了全面升级，在此前 Robotaxi 服务基础上扩大了运营规模以及服务范围，不仅让 Robotaxi 服务范围更广，也能够满足用户在 8:30-22:30 的出行需求。2021 年 7 月，中共中央、国务院关于支持浦东新区高水平改革开放打造社会主义现代化建设引领区的意见提出建立完善与浦东大胆试、大胆闯、自主改相适应的法治保障体系。法律法规滞后于技术发展，浦东通过小切口切入现有法律，提出建设性和探索性的立法方案。小马智行作为自动驾驶领域的领先企业，受益于此在上海进行了大量道路测试和示范应用，目前上海有四个主要测试区域：嘉定、奉贤、临港和浦东新区金桥。嘉定区授予小马智行最高等级的商业化运营许可，而浦东新区则通过立法创新为智能网联汽车的安全上路测试提供法律保障，并计划进一步推动自动驾驶技术的商业化应用。远程安全员与监控自动驾驶车辆的比例需随着技术发展和商业化进程在国家层面进行研究，以制定合理标准。自动驾驶商业化是一个复杂且漫长的过程，需要克服法律法规、技术成熟度与安全性等挑战，通过不断测试、验证、优化及加强合作，自动驾驶技术将实现美好出行的愿景。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 18/31 汽车汽车/行业深度行业深度 图图 20：小马：小马智智行北京运行区域行北京运行区域 数据来源：小马智行，东北证券 自自 2022 年小马智行在深圳提供自动驾驶出行服务以来，平均每日订单量已达到年小马智行在深圳提供自动驾驶出行服务以来，平均每日订单量已达到 200单，赢得了广泛的市场认可和用户好评。单，赢得了广泛的市场认可和用户好评。目前，小马智行在深圳的运营范围覆盖深圳前海、宝安中心区、南山后海、深圳湾等核心区域，用户可以选择近 500 个站点上下车，包括前海石公园、深圳湾体育中心，欢乐港湾、万象前海、深圳湾口岸等热门地标，运营时间从早上 8:30 到晚上 10:30，覆盖早晚高峰。在深圳，从道路测试到商业化收费，无人驾驶车辆需拿到多级政策许可。从获得深圳市级首个智能网联汽车无人测试许可，到首个无人化示范应用牌照，再到获得宝安区无人收费运营资格，这意味着小马智行正引领行业打通商业闭环，进入规模化商业落地的“下半场”。目前，小马智行已在北京、上海、广州和深圳四大一线城市部署了无人化自动驾驶车队，并在北京、广州、深圳三地启动了无人化商业收费服务。小马智行的自动驾驶路测里程已累积超过 2900 万公里，其中自动驾驶无人化测试里程 250 万公里，全无人驾驶测试里程 60 万公里。3.6.高技术稳定性与良好乘车体验 在复杂场景下，小马智行技术的稳定性和乘车的体验感接近真人司机的风格和标准，并且在整体感、舒适度等方面超过大部分真人网约车司机。自动驾驶技术对于出行服务公司来说，最大的自动驾驶技术对于出行服务公司来说，最大的优优点是可以有效降低人工成本，点是可以有效降低人工成本，同时也有效解决了消费者在夜间叫车司机较少、拒载、服务态度差等问题，对于出行行业来说起到了补充作用。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 19/31 汽车汽车/行业深度行业深度 4.文远知行文远知行 4.1.文远知行：全球领先的多元化应用自动驾驶科技公司 图图 21：文远知行：文远知行 app 数据来源：文远知行，东北证券 文远知行 WeRide 成立于 2017 年，是一家全球领先的自动驾驶科技公司，已在全球7 个国家的 30 个城市开展自动驾驶研发、测试及运营，运营天数超过 600 天。文远知行是唯一一家同时拥有中国、美国、阿联酋和新加坡四地自动驾驶牌照的科技企业，并在广州、北京、上海、深圳、无锡、郑州、南京、武汉、圣何塞、阿布扎比、新加坡和斯图加特等地设有办公室。文远知行致力于开发安全可靠的无人驾驶技术，覆盖智慧出行、智慧货运和智慧环卫等应用场景，已进入自动驾驶商业化运营阶段，商业营收位居全球同类企业之首，其产品矩阵包括自动驾驶出租车（Robotaxi）、自动驾驶小巴（Robobus）、自动驾驶货运车（Robovan）、自动驾驶环卫车（Robosweeper）和高阶智能驾驶（Advanced Driving Solution）。文远知行提供多种服务，如网约车、随需公交、同城货运、智能环卫和高阶智能驾驶解决方案。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 20/31 汽车汽车/行业深度行业深度 图图 22：文远知行发展历程：文远知行发展历程 数据来源：东北证券整理 2017 年 4 月，文远知行在美国硅谷成立，次年 12 月在广州生物岛设立全球总部，并成为国内首支可运营的无人车队。公司在中国和美国设有多个研发和运营分部，团队规模超过 300 人，其中 70%以上为研发工程师。文远知行已经是中国领先的 L4级自动驾驶技术公司，是首家获得雷诺日产三菱联盟和宇通集团战略投资的自动驾驶企业，也是全球首家同时拥有中美两地无人驾驶测试许可的初创公司。2019 年，文远知行与广州白云出租汽车集团合资成立文远粤行，并于同年 11 月在广州黄埔区推出全国首个全对外开放的 Robotaxi 运营服务。2020 年 6 月，文远知行 Robotaxi上线高德打车平台。2020 年 11 月底，文远知行公布运营一周年成绩，完成 147,128次出行，服务用户超 60000 人，无主动责任事故。2021 年 1 月，公司完成 3.1 亿美元的 B 轮融资，与宇通集团合作开发中国首款全无人驾驶小巴，采用自主研发的全栈式软硬件解决方案，专为城市开放道路设计。4.2.全球化战略与国际合作推动自动驾驶技术领先发展 文远知行（文远知行（WeRide）不断扩大与国内外企业及组织的合作）不断扩大与国内外企业及组织的合作，已与雷诺、日产、三菱、宇通、博世、广汽等世界顶尖汽车厂商建立长期战略合作伙伴关系。这不仅使文远知行获得国际领先的科技资源和市场话语权，也进一步拓展了其在海外的影响力。作为全球唯一同时在中国、美国、阿联酋和新加坡四地拥有自动驾驶牌照的公司，文远知行在申请牌照过程中，通过提交技术资料和试验结果，经过专门的审查和评价，取得了对其技术能力的肯定。目前，文远知行在智慧出行、智慧货运和智慧环卫等领域开展自动驾驶的研发、测试和运营，其领先技术和研究成果不仅增强了公司在海外市场的核心竞争力，也为中国企业在全球范围内树立了优秀的形象。文远知行在全球化布局方面取得了显著成绩，充分展示了其领先优势。文远知行在全球化布局方面取得了显著成绩，充分展示了其领先优势。在全球化进程中，中国品牌的海外拓展策略愈发突出，而文远知行在海外市场的成就尤为引人注目，为中国品牌提供了可行的商业模式和可复制的路径。文远知行将继续利用其技术优势，在海外市场发挥关键作用，对中国品牌的全球发展产生深远影响。未来，随着智能网联技术与新能源汽车的深度融合，自动驾驶车辆将成为城市交通的核心，颠覆传统出行模式。文远知行正在通过实际行动，引领中国和全球自动驾驶产业向更智能、更安全的方向迈进。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 21/31 汽车汽车/行业深度行业深度 4.3.WeRide ONE 4.3.1.WeRide One 的全冗余安全设计与增强系统稳定性 WeRide One 在软硬件和操作层面都采用了全冗余安全设计。在软硬件和操作层面都采用了全冗余安全设计。公司方案的硬件安全冗余包括传感器、计算单元、通信网络、电源单元以及线控系统；在软件层面，除了冗余计算单元上运行的冗余软件系统，算法层面也实现了冗余设计，大大提高了WeRide One 的可靠性。公司采用因果预测模型和规划模型，确保车辆在与其他道路使用者互动时具备处理最坏情况的能力。此外，远程平台为自动驾驶车辆提供额外的协助，进一步增强了系统的安全性。4.3.2.WeRide One 具备自我完善的算法 WeRide One 具备自我完善的算法。具备自我完善的算法。WeRide One 采用自研的深度学习模型，与基于规则的算法不同，这套模型能够根据车队收集的数据持续自我完善。文远知行构建了一个云端大数据平台，可以同时进行巨量的数据采集、数据上传、数据标注、分布式模型训练、模型验证和模型部署。目前，文远知行已积累了超过 1200 万公里的自动驾驶里程（其中超过 280 万公里为无人驾驶里程）、80 亿公里的仿真模拟测试里程，以及 3.1 亿个 3D 点云数据。经过训练后的模型会自动验证并部署到整个车队上。4.3.3.先进的感知框架 图图 23：文远知行：文远知行车型车型 数据来源：文远知行，东北证券 文远知行采用先进的感知框架，通过文远知行采用先进的感知框架，通过冗余冗余的双感知路径，以保证更好的精度。的双感知路径，以保证更好的精度。多重感知融合包括了摄像头、激光雷达、毫米波雷达和惯性运动传感器，能够为自动驾驶汽车提供 360 度无死角感知。基于文远知行的人工智能增强算法，系统即使在低能见度环境下，也能确保一流的感知性能。在感知速度方面，绝大多数感知模型的延退均小于 10 毫秒：在精度方面，系统的检测精度可达 99%，物体轮廓检测误差 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 22/31 汽车汽车/行业深度行业深度 小于 5 厘米。文远知行的感知结果不仅来自于直接检测，还包含系统对于周围物体和场景的深入理解。图图 24：WeRide One 数据来源：汽车之声，东北证券 文远知行文远知行推出推出“WeRide ONE”自动驾驶通用算法，实现对自动驾驶通用算法，实现对 Robotaxi 运营的全场景、运营的全场景、全天候覆盖全天候覆盖，包括隧道、桥梁、高速公路、早晚高峰、夜间、雨天等；推出一系列Robotaxi 运营级产品，包括叫车应用“WeRide Go”、乘客端可视化产品“WeRide Viz”等，为用户打造更完善、舒适、充满安全感的 Robotaxi 乘坐体验。WeRide One 是由文远知行研发的白动驾驶通用技术平台，能够高效实现城市场景内不同车型的自动驾驶应用落地；它涵盖了行业领先的全栈式自动驾驶软件算法、灵活的自动驾驶模块化硬件方案，以及全能可靠的云架构平台。WeRide One 除在软件与硬件层面均具备极高的灵活性外，基于安全为先的设计理念，其算法层面和系统层面都采用全冗余安全设计。此外，得益于优秀的深度学习模型和数据闭环驱动的开发理念，WeRide One 也拥有强大的自我迭代能力，让它在实际应用中日益精进，真正实现一个平台，打通万千场景。WeRide One 是一个通用的技术平台。在硬件设备上，文远知行通过定制基础模块，设计出造型各异的传感器套件。根据不同车型配置不同传感器，只需增减传感器的数量即可满足相应功能需求。在软件算法上，不同车型可以共用同一套算法，尽管传感器配置各不相同，却共享 90%以上的部件。WeRide One 对感知、预测、规划控制、地图定位等自动驾驶核心模块进行了通用化升级，将 L4 级自动驾驶技术的核心功能进行通用化提炼，如采用多传感器融合 多通道冗余的感知模块，引入高阶博弈机制的规划控制模块，误差 2 厘米以内的高精定位模块等。该平台兼顾不同车型及需求的差异性，实现了多样化产品自动驾驶赋能的一致性。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 23/31 汽车汽车/行业深度行业深度 图图 25：WeRide One 展现展现 数据来源：文远知行，东北证券 WeRide One 还提供了复用性更强的各类自动驾驶工具平台，除了仿真、远程控制、分析、云端开发等工具平台外，还包含自动驾驶专用操作系统，以及模块化的硬件方案，有效降低自动驾驶硬件适配门槛。4.4.用户基础逐渐形成 文远知行联合清华大学交通研究所发布了中国首份 Robotaxi 乘客调研报告。报告显示，文远知行 Robotaxi 在运营一年内赢得了一批忠实用户，其中 28%的乘客每周至少乘坐一次，15%每周乘坐达到三次及以上。持续的开放运营使 Robotaxi 在出行市场中占据了一席之地，并展示了自动驾驶落地对城市交通的潜在影响。文远知行Robotaxi 运营一年内，共安全完成超过 14.7 万次出行，服务用户超过 6 万人，无任何主动责任事故。文远知行 COO 张力表示，公司的无人驾驶车队已超过 100 辆，其中 40 辆用于 Robotaxi，60 辆用于专项测试。随着运营范围和订单渠道的扩大，车队将灵活调度以应对需求。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 24/31 汽车汽车/行业深度行业深度 图图 26：乘客调研结果：乘客调研结果 1 图图 27：乘客调研结果：乘客调研结果 2 数据来源：文远知行，清华大学交通研究所，东北证券 数据来源：文远知行，清华大学交通研究所，东北证券 文远知行 Robotaxi 的乘客中，18-50 岁的中青年群体占 97%，该群体出行频次高，对新科技接受程度高，近九成是全职员工，近 80%拥有本科以上学历，大部分拥有驾照。大部分乘客来自传统出租车和网约车市场。其中，28%的乘客每周至少乘坐一次文远知行的 Robotaxi，15%的乘客每周乘坐三次及以上。56%的乘客使用文远知行 Robotaxi 进行日常通勤，41%的乘客是为了体验自动驾驶而来。4.5.深度参与运营提升落地能力 2019 年 8 月，文远知行成立了中国首个落地一线城市的自动驾驶出租车运营合资公司“文远粤行”。这是文远知行铁三角模式（AI 技术与车企/Tier 1、出行平台战略合作的模式）的首次落地，也是公司首次与出租车企业的深度合作。目前文远粤行的 Robotaxi 车队已经在广州市黄埔区、广州开发区开启试运营服务，覆盖144.65平方公里的核心城市开放道路。文远知行将利用铁三角模式，把Robotaxi带进多个中国城市，与本地的合作伙伴建立 Robotaxi 车队，服务本地市民，把税收和产值留给当地政府，实现可持续的商业化落地。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 25/31 汽车汽车/行业深度行业深度 5.Waymo 5.1.Waymo：自动驾驶的先行者 图图 28：Waymo 合作车辆合作车辆 数据来源：新出行，东北证券 图图 29：Waymo 发展历程发展历程 数据来源：东北证券整理 Waymo 起源于 2009 年谷歌的自动驾驶项目，致力于实现完全的无人驾驶技术。2016年，Waymo 作为 Alphabet 旗下的独立子公司成立，并在亚利桑那州 Chandler 设立了运营和测试中心。此后，Waymo 在凤凰城及其周边地区扩大了测试和商业化应用。2017 年，Waymo 启动了早期测试志愿者项目，并于同年 11 月开始进行没有安全驾驶员的自动驾驶汽车测试。2018年，Waymo推出了自动驾驶网约车服务Waymo One；2019 年 Waymo 开始对外出售其传感器技术；2022 年 Waymo 在凤凰城市中心推出了面向公众的自动驾驶网约车服务。2023 年，Waymo 因裁员推迟了自动驾驶卡车项目，但申请在旧金山全天候运营无人驾驶出租车服务。到 2024 年，Waymo 宣布向旧金山的所有用户开放无人驾驶出租车服务。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 26/31 汽车汽车/行业深度行业深度 5.2.Waymo 方案：多传感器 行为预测，目标 L4-L5 目前 Waymo 在新车上搭载了 5 个雷达单元、29 个摄像头，部件主要集成在车顶、前脸、车头两侧和车尾中央。Waymo 也在亚利桑那州凤凰城同时进行 L4 以及 L5 级无人驾驶车的测试。Waymo 通过 4 个主要步骤来实施：感知（perception）、定位（localization）、规划（planning）和控制（control）。图图 30：Waymo 感知系统感知系统 数据来源：Waymo，东北证券 Waymo 的感知系统是其自动驾驶技术的核心组件，主要任务包括对障碍物的估计的感知系统是其自动驾驶技术的核心组件，主要任务包括对障碍物的估计和自动驾驶汽车的定位。和自动驾驶汽车的定位。该系统采用了摄像头、激光雷达（LiDAR）和雷达的组合，特别依赖于 4 个 LiDAR 传感器来完成感知工作。这种设计与特斯拉的系统形成鲜明对比，后者更侧重于摄像头和计算机视觉。Waymo 的定位系统能够将车辆的位置精确到的定位系统能够将车辆的位置精确到 1-3 厘米。厘米。一些公司使用 GPS 进行定位，并辅以摄像头和激光雷达信息，Waymo 则结合了高精度地图、激光雷达和 GPS来确定车辆的位置。此外，Waymo 还利用了 Google 地图多年利用激光雷达、摄像头和 GPS 进行的高精地图绘制，为自动驾驶汽车提供了精确和丰富的数据。Waymo 自动驾驶汽车最重要的特点是行为预测。自动驾驶汽车最重要的特点是行为预测。Waymo 无法像特斯拉那样利用其客户几十万辆的汽车收集数据，但是他们也拥有自己的车队，近年来增长很快。在自动驾驶汽车中，最终想要实现的能力是了解人类行为并预测它们，也就是行为预测。Waymo 的行为预测使用循环神经网络进行的，它们使用过去的信息来预测未来的变化。Waymo 可以实时前后数据回放，还可以在虚拟场景中模拟行为，并查看算法是如何表现的。Waymo 平均每天 24*7 小时运行 25,000 辆虚拟汽车，在这些模拟中每天行驶 10,000,000 英里。这些仿真实验都进一步优化了 Waymo 的算法能力。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 27/31 汽车汽车/行业深度行业深度 5.3.落地进程加速 目前 Waymo 无人驾驶车队主要覆盖旧金山、洛杉矶、凤凰城地区，每周付费订单达到 5 万单，预计将于今年年底拓展至奥斯汀地区。图图 31：Waymo 部分部分覆盖区域覆盖区域 数据来源：Waymo，东北证券 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 28/31 汽车汽车/行业深度行业深度 6.行业预测行业预测&投资建议投资建议 表表 1：行业：行业空间空间预测预测 2022 2023 2024 2025 2026 2027 2028 单城市网约车出租车数量（辆）57700 58800 59921 61063 62227 63414 64623 Robotaxi 渗透率 0.2%0.5%2.0%4.0%6.0%8.0.0%Robotaxi 数量（辆）103 300 1198 3053 4356 6341 8401 单车每日订单数（单）15 18 20 21 22 22 22 总订单数（万单）56 197 875 1872 2998 4074 5189 单价（元）8 9 10 11 12 12 12 单城市单年流水金额（万元）451 1774 8745 20594 35977 48884 62270 大范围运营城市数量（个）1 1 3 5 10 15 25 市场空间（亿元）市场空间（亿元）0.05 0.18 2.62 10.30 35.98 73.33 155.68 数据来源：东北证券 随着核心公司在算法上的进步，法律法规的逐步开放，同时基于以下假设：1.主要城市的网约车和出租车数量总体保持稳定，Robotaxi 渗透率未来几年在算法和政策推动下将迎来显著增长。2.随着营运时间和开放路段的增加，单车的订单和订单平均价格整体稳中小幅提升。3.能够大范围运行 Robotaxi 的核心城市逐渐提升。我们对行业空间进行预测，预计未来五年 Robotaxi 行业将迎来高速发展期，2028 年的市场空间达到 155.68 亿元，因此我们看好行业中具备算法和运营等核心能力的企业，例如萝卜快跑、小马智行、文远知行、Waymo 等。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 29/31 汽车汽车/行业深度行业深度 7.风险提示风险提示 行业行业需求需求不及预期不及预期。由于多方面因素影响，智能驾驶行业存在需求不及预期的可能。技术发展不及预期。技术发展不及预期。智能驾驶行业的Robotaxi实现难度大，技术问题尚未完全解决，存在技术发展不及预期的可能。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 30/31 汽车汽车/行业深度行业深度 研究团队简介：研究团队简介：Table_Introduction 周颖：伯明翰大学国际商业学硕士，现任电力设备新能源组证券分析师，2019 年加入东北证券。陈纬国：北京大学材料化学学士，加州大学洛杉矶分校化学工程硕士，现任新能车组研究助理，主要研究方向包括锂电、智能驾驶、机器人等，2022 年加入东北证券。分析师声明分析师声明 作者具有中国证券业协会授予的证券投资咨询执业资格，并在中国证券业协会注册登记为证券分析师。本报告遵循合规、客观、专业、审慎的制作原则，所采用数据、资料的来源合法合规，文字阐述反映了作者的真实观点，报告结论未受任何第三方的授意或影响，特此声明。投资投资评评级说明级说明 股票 投资 评级 说明 买入 未来 6 个月内，股价涨幅超越市场基准 15%以上。投资评级中所涉及的市场基准：A 股市场以沪深 300 指数为市场基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为市场基准；香港市场以摩根士丹利中国指数为市场基准；美国市场以纳斯达克综合指数或标普 500指数为市场基准。增持 未来 6 个月内，股价涨幅超越市场基准 5%至 15%之间。中性 未来 6 个月内，股价涨幅介于市场基准-5%至 5%之间。减持 未来 6 个月内，股价涨幅落后市场基准 5%至 15%之间。卖出 未来 6 个月内，股价涨幅落后市场基准 15%以上。行业 投资 评级 说明 优于大势 未来 6 个月内，行业指数的收益超越市场基准。同步大势 未来 6 个月内，行业指数的收益与市场基准持平。落后大势 未来 6 个月内，行业指数的收益落后于市场基准。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 31/31 汽车汽车/行业深度行业深度 重要声明重要声明 本报告由东北证券股份有限公司（以下称“本公司”）制作并仅向本公司客户发布，本公司不会因任何机构或个人接收到本报告而视其为本公司的当然客户。本公司具有中国证监会核准的证券投资咨询业务资格。本报告中的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证。报告中的内容和意见仅反映本公司于发布本报告当日的判断，不保证所包含的内容和意见不发生变化。本报告仅供参考，并不构成对所述证券买卖的出价或征价。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的证券买卖建议。本公司及其雇员不承诺投资者一定获利，不与投资者分享投资收益，在任何情况下，我公司及其雇员对任何人使用本报告及其内容所引发的任何直接或间接损失概不负责。本公司或其关联机构可能会持有本报告中涉及到的公司所发行的证券头寸并进行交易，并在法律许可的情况下不进行披露；可能为这些公司提供或争取提供投资银行业务、财务顾问等相关服务。本报告版权归本公司所有。未经本公司书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的，须在本公司允许的范围内使用，并注明本报告的发布人和发布日期，提示使用本报告的风险。若本公司客户（以下称“该客户”）向第三方发送本报告，则由该客户独自为此发送行为负责。提醒通过此途径获得本报告的投资者注意，本公司不对通过此种途径获得本报告所引起的任何损失承担任何责任。东北证券股份有限公司东北证券股份有限公司 地址地址 邮编邮编 中国吉林省长春市生态大街 6666 号 130119 中国北京市西城区锦什坊街 28 号恒奥中心 D 座 100033 中国上海市浦东新区杨高南路 799 号 200127 中国深圳市福田区福中三路 1006 号诺德中心 34D 518038 中国广东省广州市天河区冼村街道黄埔大道西 122 号之二星辉中心 15 楼 510630

2024-08-13 31页 5星级

智能驾驶行业框架报告（1）： 技术视角24年是整车智驾元年 平价智驾有望催生投资新趋势-240811（66页）.pdf

1证券研究报告证券研究报告【中泰汽车中泰汽车】智能驾驶行业框架报告（智能驾驶行业框架报告（1）：）：技术视角技术视角24年是整车智驾元年，年是整车智驾元年，平价智驾有望催生投资新趋势平价智驾有望催生投资新趋势2024年8月11日分析师：何俊艺S分析师：刘欣畅S分析师：毛玄S核心观点核心观点2 前言：前言：基于我们的整车研究框架基于我们的整车研究框架，当前对整车厂来说智能化能力是和市场需求把控能力同等重要的能力当前对整车厂来说智能化能力是和市场需求把控能力同等重要的能力目前车企核心能力的重要性排序为：智能化能力=市场需求把控能力电动化节奏。电动化方面，差异性边际减弱（核心电动化技术集中在产业链，消费者体验差异性弱）；智能化方面，平价智驾落地 城市L3车型密集推出，消费者体验差异性提升加速。中长期来看智能化建设能力会成为差异性的核心影响因素。复盘电动化：核心是复盘电动化：核心是技术进步降本技术进步降本、售价降低售价降低（2020w w主价格带主价格带） 产品具备有效性产品具备有效性（解决消费者痛点解决消费者痛点）走量走量对19年起由电动化带动的汽车行情进行解析，我们发现特斯拉和比亚迪是最重要的两家车企，关键催化在于：技术降本进入主价格带 产品供给要“有效”走量。特斯拉：1）上海工厂投产，M3从40w降至20w 2）产品科技属性强天然有效；比亚迪：1）刀片电池（纯电） DMi（插混）降本，车型售价接近燃油车 2）纯电解决电池安全问题 插混解决馈电油耗高问题，产品有效性极强。推演智能化：推演智能化：2424年是元年且投资会迁移到整车年是元年且投资会迁移到整车，基于电动化行情的逻辑推演基于电动化行情的逻辑推演，我们认为平价智驾放量将提供整车投资新逻辑我们认为平价智驾放量将提供整车投资新逻辑我们判断24年是整车智驾元年主要基于1）政策方面支持力度加码、2）技术方面各家端到端方案加速、3）产品方面城区智驾方案开城加速、4）事件方面特斯拉FSD年内入华预期及10月robotaxi发布。参考此前对电动化的复盘，我们认为智能化带动整车行情的关键也在能否走出“降本 有效走量”的逻辑链条，因此需更加关注后续有平价智驾车型发布的车企，如长安、小鹏、比亚迪等。电动化核心能力电动化核心能力（三电三电）在供应链在供应链，智能化智能化（数据数据 算法算法）在整车端在整车端，因此智能化体验差异性更强因此智能化体验差异性更强，车企将形成梯队和阵营车企将形成梯队和阵营主机厂智驾能力在技术端趋向自研，终端城市NOA能力呈现差异化。1）技术端：软件端，主流车企皆实现算法自研；硬件端，华为（已落地）和新势力（蔚小理24-25年落地）实现芯片自研。2）终端-城市NOA：华为和小鹏已实现全国推送，多家车企陆续落地多个城市。风险提示：整车智能驾驶技术进度不及预期风险提示：整车智能驾驶技术进度不及预期、智能驾驶驾驶相关政策法规推进不及预期智能驾驶驾驶相关政策法规推进不及预期、出现安全事故引发舆情减缓行业发展出现安全事故引发舆情减缓行业发展、供应链芯片短缺或受限制带来的风险供应链芯片短缺或受限制带来的风险、数据更新不及时的风险等数据更新不及时的风险等aV8XaYbZfY8XeUdX9PcM7NtRmMsQsOfQrRwOkPqRoMaQnNxOuOmPxPwMsPoO目目 录录3前言：整车研究框架视角下核心能力动态变化-智能化权重快速提升一、复盘电动化：核心在主价格带的有效产品供给，当前边际减弱本质是电动化核心能力在供应链且车端体验差异小二、推演智能化：24年是元年且投资会迁移到整车，平价智驾放量提供差异化有效产品供给新逻辑三、智驾方案阵营：技术路径演进以及各主机厂方案梳理四、风险提示目目 录录4前言：整车研究框架视角下核心能力动态变化前言：整车研究框架视角下核心能力动态变化-智能化权重快速提升智能化权重快速提升一、复盘电动化：核心在主价格带的有效产品供给，当前边际减弱本质是电动化核心能力在供应链且车端体验差异小二、推演智能化：24年是元年且投资会迁移到整车，平价智驾放量提供差异化有效产品供给新逻辑三、智驾方案阵营：技术路径演进以及各主机厂方案梳理四、风险提示5 长期视角：长期视角：基于我们提出的“六力”模型研究车企的核心能力（产品力与渠道力维度，产品力分为：需求把控能力、电动化节奏、制造能力、供应体系把控能力、智能化能力）以及各个车企的能力差异，对车企长期发展势态进行预判。当前我们认为车企快速提升市占率的核心影响要素是：市场需求把控能力与智能化能力。长期看，我们认为市场需求把控能力与智能化能力具备差异化。营销渠道力营销渠道力品牌力品牌力电动化节奏电动化节奏智能化智能化建设能力建设能力市场需求市场需求把控能力把控能力制造端能力制造端能力（平台化能力）（平台化能力）供应体系供应体系把控能力把控能力成本成本迭代速度迭代速度库存库存 效率效率驾乘体验驾乘体验成本成本 品控品控需求匹配需求匹配性能性能使用成本使用成本自主补齐自主补齐合资合资自主合资自主合资第三消费时代；当前最核心第三消费时代；当前最核心自主合资自主合资自主合资自主合资自主合资自主合资产品力产品力基于长期视角的整车核心“六力”研究模型基于长期视角的整车核心“六力”研究模型图表图表1：长期视角下的整车六力模型：长期视角下的整车六力模型资料来源：中泰证券研究所6动态演绎：智能化提速、需求把控维持、电动化边际递减动态演绎：智能化提速、需求把控维持、电动化边际递减资料来源：中泰证券研究所2019201620172018202020212022202320242025当前时点当前时点重要性重要性各个时点各个时点最重要的能力最重要的能力图表图表2：不同时期核心影响要素重要性不同：不同时期核心影响要素重要性不同需求把控能力需求把控能力当前整车核心当前整车核心能力重要性排序能力重要性排序智能化能力智能化能力供应体系供应体系把控能力把控能力 整车厂核心能力在不同时间维度影响权重变化显著：整车厂核心能力在不同时间维度影响权重变化显著：进入第三消费时代后，目前车企核心能力的重要性排序为：智能化能力=市场需求把控能力电动化节奏；长期来看智能化建设能力会成为差异性的核心影响因素。零部件层面零部件层面，消费属性配置体现差异性消费属性配置体现差异性，而智能差异性加速提升：而智能差异性加速提升：电动化方面，差异性边际减弱（核心电动化技术集中在产业链，消费者体验差异性弱）；智能化方面，平价智驾落地 城市L3车型密集推出，消费者体验差异性提升加速。此外消费属性配置（座椅等消费者直接感知的）体现的差异性依旧重要。202620277智能化、智能驾驶、智驾系统概念如何理解智能化、智能驾驶、智驾系统概念如何理解智能驾驶概念主要可以拆分成智能驾驶、智能座舱和其他配置的智能化（如智能车灯、空气悬架、电动尾翼、电动充电口、后视镜自动折叠、感应式电动尾门、哨兵模式等）。其中智能驾驶的概念可以按照环节进一步拆解成云端、车端和检测端，其中车端主要是依托各类硬件和软件，实现感知、规划和执行的功能。图表图表3 3：汽车智能化概念拆解示意图：汽车智能化概念拆解示意图来源：中国电子信息产业发展研究院，华为，中泰证券研究所汽汽车车智智能能化化智能驾驶智能驾驶智能座舱智能座舱其他配置其他配置（智能车灯、空悬、（智能车灯、空悬、电动尾门等）电动尾门等）云端云端车端车端 规划规划感知感知执行执行各类传感器各类传感器 摄像头摄像头 激光雷达激光雷达 毫米波雷达毫米波雷达 超声波雷达超声波雷达计算平台计算平台 软件软件 硬件硬件执行系统执行系统 线控制动线控制动 线控转向线控转向 线控驱动线控驱动车端车端-智驾计算平台智驾计算平台应用层应用层感知感知/定位定位决策决策/规划规划控制控制中间件中间件操作系统操作系统虚拟机虚拟机SoCI/ORAM/ROM云端云端高精高精地图地图数据数据中心中心应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件功能软件层功能软件层域控制器域控制器汽车智能化概念分解汽车智能化概念分解智能驾驶概念分解智能驾驶概念分解智能驾驶核心概念智能驾驶核心概念检测端检测端 目目 录录8前言：整车研究框架视角下核心能力动态变化-智能化权重快速提升一、复盘电动化：核心在主价格带的有效产品供给，当前边际减弱本质一、复盘电动化：核心在主价格带的有效产品供给，当前边际减弱本质是电动化核心能力在供应链且车端体验差异小是电动化核心能力在供应链且车端体验差异小二、推演智能化：24年是元年且投资会迁移到整车，平价智驾放量提供差异化有效产品供给新逻辑三、智驾方案阵营：技术路径演进以及各主机厂方案梳理四、风险提示2019.122019.12：特斯拉特斯拉上海工厂投产上海工厂投产0100200300400比亚迪收盘价比亚迪收盘价024681012051015202530比亚迪中国销量（万辆）比亚迪中国销量（万辆）特斯拉中国销量（万辆，右轴）特斯拉中国销量（万辆，右轴）20182018.0620192019.0620202020.0620212021.0620222022.0620232023.0620249复盘：特斯拉和比亚迪是电动化行情关键催化复盘：特斯拉和比亚迪是电动化行情关键催化资料来源：Marklines，比亚迪产销快报，Wind，中泰证券研究所图表图表4：19年底开始的两轮年底开始的两轮电动化行情由特斯拉及比亚迪带动电动化行情由特斯拉及比亚迪带动2023.052023.05起：起：各各OEMOEM补齐新能源产品谱系补齐新能源产品谱系电动化边际减弱，指数分化电动化边际减弱，指数分化2020.032020.03：比亚迪推出比亚迪推出刀片电池刀片电池2020.072020.07：比亚迪比亚迪汉发布汉发布2020.112020.11：汉稳态汉稳态月销破万月销破万2021.Q22021.Q2：比亚迪车端比亚迪车端确定性盈利确定性盈利2021.032021.03：比亚迪比亚迪发布发布DMiDMi100045008000汽车行业指数汽车行业指数汽车零部件指数汽车零部件指数中证新能源车指数中证新能源车指数第一轮：第一轮：2019.102019.10-2021.012021.01涨幅涨幅 200% 200%第二轮：第二轮：2021.032021.03-2021.112021.11涨幅涨幅 100% 100两轮行情本质：纯电两轮行情本质：纯电/插混主价格带的有效产品供给放量插混主价格带的有效产品供给放量我们认为此前两轮电动化行情的本质是纯电我们认为此前两轮电动化行情的本质是纯电（第一轮第一轮）、插混插混（第二轮第二轮）车型降本后在主价格带出现了有效产品供车型降本后在主价格带出现了有效产品供给给。催化关键点在于：催化关键点在于：技术降本后进入主价格带；技术降本后进入主价格带；产品供给要产品供给要“有效有效”。第一轮电动化行情第一轮电动化行情（20192019年年1010月月-20212021年年1 1月月）最初由特斯拉在最初由特斯拉在20192019年底启动：年底启动：19年前特斯拉在国内的售价处于豪华车价格带（M3：40-60万），在消费者认知中天然具备强强“有效有效”属性属性；19年12月上海工厂投产，产能释放 规模效应降本，M M3 3迅速降价迅速降价至20-30万主价格带，开启国内电动化浪潮。资料来源：特斯拉官网，汽车之家,Marilines，中泰证券研究所图表图表5：特斯拉早年科技：特斯拉早年科技 互联网属性互联网属性 高定价带来强产品有效性，上海工厂投产后迅速降本进入主价格带高定价带来强产品有效性，上海工厂投产后迅速降本进入主价格带车型车型时间时间价格（万元）价格（万元）Model S2014-2019H160-100以上Model X2016-2019H180-120Model 32018-2019H140-60定价策略：定价策略：国内售价高国内售价高豪华品牌印象豪华品牌印象2324252627282930311919年底上海工厂投产年底上海工厂投产:规模效应规模效应降本降本迅速降价迅速降价(M3(M3：2020-30w)30w)品牌形象：品牌形象：高科技高科技 互联网互联网强有效性（消费者愿意买单）强有效性（消费者愿意买单）2019.12 2019.12 特斯拉上海工厂投产特斯拉上海工厂投产PayPalPayPalSpace XSpace XTeslaTesla单位：万元11第一轮电动化行情第一轮电动化行情（20192019年年1010月月-20212021年年1 1月月）由比亚迪在由比亚迪在20202020年年3 3月起发布刀片电池持续催化；月起发布刀片电池持续催化；技术降本层面，比亚迪发布的车用刀片电池成本较普通磷酸铁锂成本低30%。“有效”产品层面，20年7月比亚迪汉上市，主价格带（23-28w） 优秀性能（刀片电池） 外观赋能（奥迪设计师）支撑产品力，月销破万成为爆款。图表图表6：1kWh正极成本对比（正极成本对比（单位：单位：元；元；2020年年）22679050100150200250三元锂电池磷酸铁锂电池图表图表7：刀片电池性能优异、安全性高：刀片电池性能优异、安全性高图表图表8：引入大牌设计师提升产品力引入大牌设计师提升产品力资料来源：中国能源报，中泰证券研究所资料来源：汽车之家,懂车帝，中泰证券研究所资料来源：电动邦，比亚迪发布会，中泰证券研究所原奥迪设计师原奥迪设计师EggerEgger赋能赋能2016 2016 宋宋零部件数量：零部件数量：-40%体积利用率：体积利用率： 50% 50%体积能量密度：体积能量密度： 32% 32%自身性能优秀自身性能优秀三元锂：燃烧三元锂：燃烧普通磷酸铁锂：普通磷酸铁锂：有烟有烟刀片电池：无现象刀片电池：无现象针刺实验：针对安全性痛点宣传针刺实验：针对安全性痛点宣传Dragon FaceDragon Face龙颜设计龙颜设计2020 2020 汉汉20172017两轮行情本质：纯电两轮行情本质：纯电/插混主价格带的有效产品供给放量插混主价格带的有效产品供给放量12第二轮电动化行情第二轮电动化行情（20212021年年3 3月月-20212021年年1111月月）由比亚迪由比亚迪DMDM-i i车型启动；车型启动；技术降本层面，21年3月比亚迪DM-i车型上市，混动系统核心部件自研，且架构简洁。变速箱改为直驱离合器实现降本约1万元，此外磷酸铁锂电池成本低于三元电池，取消增程器再度压缩成本。图表图表9：技术方面，技术方面，DM-i结构简洁提供降本空间结构简洁提供降本空间资料来源：电动邦，懂车帝,中泰证券研究所离合器输入轴输出轴发动机动动力力电电池池P1电机电机P3电机电机控制控制器器DMDM-i i结构简洁结构简洁无复杂变速机构无复杂变速机构图表图表10：比亚迪第四代：比亚迪第四代DM-i较第三代较第三代DM成本分析成本分析（元）（元）资料来源：第一电动网，爱采购，懂车帝，益欧迪艾科技，汽车之家,中泰证券研究所；注：成本依据该部件普遍价格估算，仅做定性分析两轮行情本质：纯电两轮行情本质：纯电/插混主价格带的有效产品供给放量插混主价格带的有效产品供给放量13第二轮电动化行情第二轮电动化行情（20212021年年3 3月月-20212021年年1111月月）由比亚迪由比亚迪DMDM-i i车型启动；车型启动；“有效”产品层面，受益于混动系统降本，DM-i车型价格与合资燃油车持平或略低，首次做到油电同价，且DM-i系统解决以往插混系统馈电油耗高的痛点，产品“有效”属性强，上市即成为爆款。图表图表11：秦：秦 Plus DM-i车型价格及竞品对比（万元）车型价格及竞品对比（万元）图表图表12：秦：秦 Plus DM-i油耗及竞品对比油耗及竞品对比（L/100km）15.3816.3915.9915.9817.8816.8823.3205101520255.95.65.73.93.85.501234567秦plus DM-i思域朗逸卡罗拉轩逸帕萨特混动综合油耗馈电油耗资料来源：懂车帝,中泰证券研究所 注：DM-i及对比车型均选择2021年同时期版本实现油电同价，且低于同级别混动竞品馈电油耗低于燃油车综合油耗低于混动竞品馈电油耗两轮行情本质：纯电两轮行情本质：纯电/插混主价格带的有效产品供给放量插混主价格带的有效产品供给放量47$%7%5%宁德时代弗迪电池中创新航国轩高科其他14当前电动化权重下降本质：核心能力在供应链当前电动化权重下降本质：核心能力在供应链权重下降本质权重下降本质 -1 1）电动化核心是三电硬件电动化核心是三电硬件，能力本质能力本质在供应链在供应链，整车厂可快速补齐差距整车厂可快速补齐差距。宁德时代和弗迪动力电池份额超宁德时代和弗迪动力电池份额超7070%：除比亚迪外，基本所有整车厂选择宁德时代电池，2022年宁德时代市占率接近50%。此外弗迪目前除供应比亚迪外，已开始向一汽、长安、东风配套。动力电池核心能力在Tier 1手中。图表图表14：绝大多数主机厂采用宁德时代电池绝大多数主机厂采用宁德时代电池图表图表13：2022年宁德时代市占率接近年宁德时代市占率接近50%宁德时代配套车企宁德时代配套车企营收占比营收占比宁德时代配套车企宁德时代配套车企营收占比营收占比202020202021202120222022202020202021202120222022自主品牌自主品牌吉利汽车5.0%5.6.6%新势力新势力理想汽车4.7%7.5%6.5%长安汽车0.7%3.7%7.7%蔚来汽车8.4%7.7%5.2%东风汽车2.9%4.0%4.1%合众新能源1.7%2.6%4.8%上海汽车1.8%1.4%2.8%金康汽车0.0%0.0%3.3%长城汽车6.9%5.1%2.2%小鹏汽车4.3%6.6%2.8%北京汽车3.0%2.5%1.3%威马汽车2.6%1.2%1.1%奇瑞汽车0.8%0.5%1.3%合资合资/外资外资特斯拉5.7 .6.1%中国一汽1.3%0.7%1.2%上汽通用五菱6.5%3.4%4.3%华晨鑫源1.2%0.5%1.0%上汽大众4.6%4.4%4.1%吉利商用车0.2%0.2%0.8%华晨宝马5.0%4.0%2.8%上汽大通0.2%0.6%0.7%一汽大众8.1%5.6%2.2%北汽福田0.6%0.4%0.6%上汽通用0.6%0.4%1.7%宇通客车2.7%1.0%0.6%东风本田0.0%0.5%0.6%资料来源：Marklines,中泰证券研究所资料来源：Marklines,中泰证券研究所152323年年5 5月各车企补齐新能源产品后月各车企补齐新能源产品后，电动化对电动化对汽车指数的拉动作用下降汽车指数的拉动作用下降，本质在于：本质在于：1 1）电电动化核心是三电硬件动化核心是三电硬件，能力本质在供应链上能力本质在供应链上，整车厂可通过外采快速补齐差距整车厂可通过外采快速补齐差距。比如多数整比如多数整车厂驱动电机外采：车厂驱动电机外采：除比亚迪（乘用车）、特斯拉、蔚来、大众选择自己研发生产驱动电机外，国内其余主流车企均选择外采。22年国内电驱多数份额被外部供应链Tier 1占据，整车厂差异化竞争力小。电机供应商电机供应商与造车厂名称与造车厂名称比亚迪比亚迪电机电机特斯拉特斯拉电机电机方正电机方正电机 蔚然动力蔚然动力 宁波双林宁波双林大众大众变速器变速器尼得科尼得科 博格华纳博格华纳 精进电动精进电动上海上海电驱动电驱动比亚迪比亚迪特斯拉特斯拉上汽通用五菱上汽通用五菱吉利汽车吉利汽车小鹏汽车小鹏汽车蔚来汽车蔚来汽车五菱宏光五菱宏光宝骏汽车宝骏汽车大众集团大众集团广汽埃安广汽埃安广汽丰田广汽丰田广汽本田广汽本田极氪汽车极氪汽车理想汽车理想汽车东风集团东风集团北汽集团北汽集团中国一汽中国一汽上海汽车上海汽车奇瑞奇瑞长安汽车长安汽车长城欧拉长城欧拉雷诺汽车雷诺汽车图表图表16：多数主机厂电机源于外采多数主机厂电机源于外采资料来源：Marklines,中泰证券研究所弗迪动力,30%特斯拉,9%方正电机,8%尼得科,6%其他,47%图表图表15：22年中国汽车驱动电机市占率年中国汽车驱动电机市占率资料来源：Marklines,中泰证券研究所当前电动化权重下降本质：核心能力在供应链当前电动化权重下降本质：核心能力在供应链16权重下降本质权重下降本质 -2 2）消费者感知端消费者感知端，各新能源技术各新能源技术（插混插混 增程增程）方案无高低优劣之分方案无高低优劣之分。主流混动架构各有侧重：主流混动架构各有侧重：增程：纯电驾驶体验；P2架构：动力、高速性能；P13架构：低亏电油耗。车端体验差异小车端体验差异小，客户按需选择：客户按需选择：三电核心能力在供应链决定了车端差异主要在于客户需求侧重不同，而非技术方案优劣。罗兰贝格数据显示，新能源车主购车考虑因素中续航占比最高，但动力电池核心能力在供应链，因此车厂很难做出续航差异化。很难找到与电动化相关且核心能力在整车厂手中的因素，车端电动化体验差异小是其权重下降的本质。图表图表17：不同混动架构侧重点不同：不同混动架构侧重点不同资料来源：汽车之家，IT之家,中泰证券研究所图表图表18：新能源车主购车时考虑因素排行：新能源车主购车时考虑因素排行当前电动化权重下降本质：车端体验差异不显著当前电动化权重下降本质：车端体验差异不显著混动架构增程式P2架构P13架构主打纯电驾乘质感且无续航焦虑面向中长途出行用户主打动力、高速性能面向城市通勤用户主打燃油经济性资料来源：罗兰贝格,中泰证券研究所6.0%7.1%7.6%8.0.1.1.8.0!.2%0%5 %电池安全座舱空间充电便利性舒适度质量性能与操控智能化外观续航电动化因素*3：供应链掌握核心能力，车端差异小目目 录录17前言：整车研究框架视角下核心能力动态变化-智能化权重快速提升一、复盘电动化：核心在主价格带的有效产品供给，当前边际减弱本质是电动化核心能力在供应链且车端体验差异小二、推演智能化：二、推演智能化：2424年是元年且投资会迁移到整车，平价智驾放量提供年是元年且投资会迁移到整车，平价智驾放量提供差异化有效产品供给新逻辑差异化有效产品供给新逻辑三、智驾方案阵营：技术路径演进以及各主机厂方案梳理四、风险提示18来源：中泰证券研究所图表图表19：智能化有望复现电动化行情相似逻辑：智能化有望复现电动化行情相似逻辑智能化行情相似点预判：主价格带智能化行情相似点预判：主价格带 有效产品有效产品放量放量电动化行情电动化行情第一轮第一轮主价格带主价格带特斯拉特斯拉M3通过上海工厂40w20w；比亚迪比亚迪刀片电池降本有效产品有效产品特斯拉特斯拉科技属性品牌效应；比亚迪比亚迪汉设计革新 刀片电池优秀性能第二轮第二轮主价格带主价格带比亚迪比亚迪DM-i简化结构，降本插混进入燃油车价格带有效产品有效产品比亚迪比亚迪DM-油耗低 i解决馈电表现差问题智能化行情智能化行情主价格带主价格带技术降本：轻传感器方案技术降本：轻传感器方案有效产品有效产品端到端大模型端到端大模型更类似人类司机的城区点对点驾驶更类似人类司机的城区点对点驾驶率先实现成熟平价城市率先实现成熟平价城市NOANOA的车企将享受智能化红利的车企将享受智能化红利相似逻辑：相似逻辑：降本进入主价格带降本进入主价格带 有效产品有效产品特斯拉特斯拉 比亚迪驱动比亚迪驱动比亚迪驱动比亚迪驱动19智能化有望复现电动化行情的第一个关键在于：技术方案帮助降本智能化有望复现电动化行情的第一个关键在于：技术方案帮助降本车型价格下探到主价格带车型价格下探到主价格带（2020w w以下以下）。技术层面技术层面，特斯拉引领纯视觉方案特斯拉引领纯视觉方案硬件减配提供平价可能性；硬件减配提供平价可能性；特斯拉早期智驾方案（HW2.0）传感器多且芯片外购；HW3.0阶段选择自研芯片降本且逐步减少感知硬件；21年5月马斯克宣布采用纯视觉方案，引领行业去传感器降本趋势。华为ADS1.0-2.0减配7个感知硬件（含2*激光雷达），ADS3.0或将延续此趋势；24年小鹏或将迎来无激光雷达的高阶智驾。智驾下探到主价格带的技术基础：纯视觉智驾下探到主价格带的技术基础：纯视觉/轻传感器方案轻传感器方案特特斯斯拉拉华华为为小小鹏鹏HW2.0HW2.0芯片：芯片：英伟达Drive PX 2感知硬件：感知硬件：相机*8毫米波*1超声波*12-1*1*毫米波毫米波201620162017201720182018201920192020202020212021202220222023202320242024HW3.0HW3.0芯片：芯片：FSD 1感知硬件：感知硬件：相机*8毫米波*1超声波*12HW3.0HW3.0芯片：芯片：FSD 1感知硬件：感知硬件：相机*8超声波*12HW3.0HW3.0芯片：芯片：FSD 1感知硬件：感知硬件：相机*8HW4.0HW4.0芯片：芯片：FSD 2感知硬件：感知硬件：相机*8（预留新增接口）（MX/S 毫米波*1）-12*12*超声波超声波ADS1.0ADS1.0芯片：芯片：昇腾610感知硬件感知硬件激光*3毫米波*6相机*13-2*2*激光雷达激光雷达-3 3*毫米波毫米波-2 2*相机相机XpilotXpilot 2.52.5芯片：芯片：Mobileye EyeQ4 感知硬件感知硬件:毫米波*3超声波*12相机*5XpilotXpilot 3.03.0芯片：芯片：英伟达Xavier感知硬件：感知硬件：毫米波*5超声波*12相机*11XpilotXpilot 4.04.0芯片：芯片：英伟达Orin-X感知硬件：感知硬件：毫米波*5超声波*12激光雷达*2相机*12XNGP(24XNGP(24版版)芯片：芯片：英伟达Orin-X感知硬件：感知硬件：毫米波*5超声波*12相机*12 2* 2*毫米波毫米波 6 6*相机相机 2* 2*激光雷达激光雷达-2*2*激光雷达激光雷达开始自研芯片开始自研芯片2021.52021.5马斯克宣布采用纯视觉方案马斯克宣布采用纯视觉方案Tesla VisionTesla Vision提升提升视觉感知视觉感知ADS2.0ADS2.0芯片：芯片：昇腾610感知硬件感知硬件激光雷达*1毫米波*3相机*11 1* 1*相机相机图表图表2020：特斯拉、华为、小鹏智驾硬件更迭减配路线特斯拉、华为、小鹏智驾硬件更迭减配路线来源：汽车之家，特斯拉/华为/小鹏官网，中泰证券研究所乾崑乾崑ADS3.0ADS3.020 纯视觉纯视觉/轻传感器方案将有效降低智驾硬件成本；轻传感器方案将有效降低智驾硬件成本；小鹏通过去激光雷达做纯视觉方案有望支持15万级别的智能驾驶；华为ADS2.0较1.0优化了2*激光雷达、3*毫米波雷达、2*视觉传感器，降本约50%。为什么技术方案降本带来的价格下探很重要为什么技术方案降本带来的价格下探很重要？帮助走量：帮助走量：20万以下车型销量占60%以上，我们认为智驾车型放量的前提是必须进入智驾车型放量的前提是必须进入2020万以下主价格带市场万以下主价格带市场（且最好且最好为全系标配为全系标配）。价格下探价格下探走量走量数据数据算法迭代算法迭代体验提升：体验提升：智驾做出差异化（相对于电动化很难做出差异化）核心在于应用算法差异化，需要大量数据支撑。来源：乘联会，中泰证券研究所注：燃油轿车参考2021年销量；新能源车参照23年11月销量0-10万,16.4万-15万,30.9万-20万,16.6 万-30万,18.70万-40万,10.9万以上,6.5%图表图表2222：华为华为ADSADS的的BOMBOM成本（万元）成本（万元）图表图表2323：小鹏自动驾驶的小鹏自动驾驶的BOMBOM成本（万元）成本（万元）图表图表2121：我国乘用车销量价格分布我国乘用车销量价格分布纯视觉纯视觉/轻传感器方案可有效降本轻传感器方案可有效降本帮助走量帮助走量来源：HiEV，中泰证券研究所来源：HiEV，中泰证券研究所00.511.522.533.52021202300.511.522.533.520232024E21 智能化有望复现电动化行情的第二个关键在于：必须出现有效的智驾产品供给智能化有望复现电动化行情的第二个关键在于：必须出现有效的智驾产品供给，而而我们认为智驾的有效性在于实现我们认为智驾的有效性在于实现城区内道路的城区内道路的（非高速非高速、快速路快速路）类似人类司机的类似人类司机的（非卡顿驾驶非卡顿驾驶）点对点驾驶点对点驾驶（至少覆盖通勤点对点需求至少覆盖通勤点对点需求）。高速高速NOANOA不具有稀缺性不具有稀缺性，而城市而城市NOANOA是智驾痛点且配置城区是智驾痛点且配置城区NOANOA车型通常销量占比更高；车型通常销量占比更高；大部分车企已经完成高速NOA部署（高速路况相较城区较简单）。以问界M7和小鹏G9的智驾版和普通版为例，高阶智驾版销量占比均高于其余版本，两款车型主打智驾功能均为城区NOA，因此城市NOA“有效”产品属性明显。图表图表2424：城市用车场景的总里程城市用车场景的总里程/时间占比均多于高速场景时间占比均多于高速场景图表图表2525：小鹏小鹏G9G9和新问界和新问界M7M7中，搭载城区中，搭载城区NOANOA功能的高阶功能的高阶智驾版销量占比更高智驾版销量占比更高智驾有效供给怎么定义？城区内类人体验的点对点驾驶智驾有效供给怎么定义？城区内类人体验的点对点驾驶来源：2023年中国汽车NOA行业词条报告，中泰证券研究所来源：小鹏官网，问界官网，中泰证券研究所注：分版本销量公开数据较少，G9参考23年10月销量；M7参考截至23年12月销量。0 0Pp%小鹏G9新问界M7城市NOA高阶智驾版本占比其余版本占比0 0Pp0%总用车里程总用车时间城市场景高速场景22智驾能接近人类司机体验的技术基础：端到端方案智驾能接近人类司机体验的技术基础：端到端方案 端到端大模型的特征在于不再进行模块和任务的划分；端到端大模型的特征在于不再进行模块和任务的划分；随着模型融合，整个智驾系统或将演变成一个大模块（各模块逐步各模块逐步融合并被大规模神经网络模型取代融合并被大规模神经网络模型取代）。端到端系统接收到传感器的输入数据后端到端系统接收到传感器的输入数据后，直接输出驾驶决策直接输出驾驶决策（动作或轨迹动作或轨迹）。端到端将加强智驾的端到端将加强智驾的“类人驾驶类人驾驶”体验感；体验感；相较传统模块化架构（感知/预测/规控等子模型嵌套协同），端到端大模型通过更简洁的系统架构，基于数据驱动进行全局任务优化，能够避免信息损耗&计算延迟&误差累积等，利于优化长尾问题利于优化长尾问题、解决智驾方案机器操控感较强的用户痛点解决智驾方案机器操控感较强的用户痛点。图表图表2626：模型融合趋势下，端到端模型利于乘客获得接近人类司机的体验模型融合趋势下，端到端模型利于乘客获得接近人类司机的体验模型技术特征模型技术特征乘坐体验乘坐体验技术架构技术架构模模块块化化架架构构端端到到端端架架构构周边环境传感器感知预测规划控制执行器车辆状态周边环境传感器车辆状态端到端大模型分模块架构，感知模块外存大量手写逻辑分模块架构，感知模块外存大量手写逻辑(白盒白盒)精确低：精确低：信息损耗&误差累积效率低效率低：任务并行&计算延迟黑盒：黑盒：神经网络大模型(OCC Transformer)白盒：白盒：Rule-based，手写逻辑算法黑盒：黑盒：神经网络大模型初始成本高初始成本高：系统构建成本高模块融合架构，终极演变为单个大模型模块融合架构，终极演变为单个大模型(黑盒黑盒)后期成本高后期成本高：维护成本高技术要求高技术要求高：工程多&数据适量精确高精确高：避免信息损耗/误差累积效率高效率高：避免任务并行/计算延迟初始成本低初始成本低：系统构建成本低后期成本高后期成本高：数据获取成本高技术要求高技术要求高：工程少&数据多安全性：存长尾问题安全性：存长尾问题舒适性：机器操控感舒适性：机器操控感安全性：优化解决长尾安全性：优化解决长尾舒适性：接近人类司机舒适性：接近人类司机来源：银创智库，中泰证券研究所23端到端大模型可量化的难点：算力端到端大模型可量化的难点：算力 数据数据 算力算力 数据是端到端大模型的技术难点；数据是端到端大模型的技术难点；智驾算法的本质是从大量的优质驾驶视频片段中提取和压缩驾驶知识与习惯的过程，端到端作为单一网络模型单一网络模型完全由数据训练数据训练驱动而实现优化。而算力是数据训练的基础设施，因此端到端模型对于数据（需要学习海量驾驶视频片段）和云端算力（需要采用大量GPU）存在巨大需求。并且，当前正在解决的黑盒和幻觉问题更需要高质量的海量数据（数据清洗/预处理等措施）。特斯拉引领算力特斯拉引领算力&数据的行业水平数据的行业水平，国内企业正快速追赶；国内企业正快速追赶；算力算力（基础设施建设基础设施建设）方面方面，国内企业中商汤和华为在算力建设算力建设中较为领先，自主车企纷纷加快建设；数据训练效率方面数据训练效率方面，各车企和供应商正快速完善闭环能力，加速迭代模型。图表图表2727：端到端模型的难点在算力和数据端到端模型的难点在算力和数据图表图表2828：特斯拉算力水平领先，国内厂商加速追赶特斯拉算力水平领先，国内厂商加速追赶数据数据算力算力来源：银创智库，中泰证券研究所来源：银创智库，汽车之心，中泰证券研究所 备注：数据更新截至24年7月厂商类型厂商类型厂商名称厂商名称基础设施建设基础设施建设实际训练里程数实际训练里程数智算中心建设智算中心建设算力水平算力水平智能驾驶系统行驶里程智能驾驶系统行驶里程车企特斯拉特斯拉DojoDojo智算中心智算中心100000 100000 PFLOPSPFLOPS10亿英里（约16.1亿公里，截至24年4月7日）长安长安智算中心1420 PFLOPS/吉利星睿智算中心 810 PFLOPS/理想理想智算中心1200 PFLOPS19亿公里（截至24年7月5日）小鹏“扶摇”智算中心600 PFLOPS5.41亿公里（截至23年11月1日）蔚来蔚来智算中心-8.49亿公里（截至24年3月）科技公司/供应商商汤绝影商汤智算中心12000 PFLOPS/华为车BU云智算中心3500 PFLOPS2.2亿公里（截至24年5月31日）毫末智行“雪湖绿洲”智算中心670 PFLOPS1.41亿公里（截至24年5月13日）24图表图表2929：各车企和供应商快速完善数据闭环能力，数据训练效率快速提升各车企和供应商快速完善数据闭环能力，数据训练效率快速提升来源：小鹏1024程序员节，新浪财经，搜狐汽车，中泰证券研究所数据闭环能力数据闭环能力数据训练效率数据训练效率整车厂整车厂/供应商供应商数据采集数据采集自动标注自动标注仿真数据生成仿真数据生成模拟测试验证模拟测试验证1 1特斯拉特斯拉(北美地区）北美地区）基于量产车（影子模式）基于纯视觉的多趟重建4D自动标注道路元素基于标注真值，在此基础随机化，后由UE渲染累积收集的corner case 构建场景库模型迭代频率：5天/次，且逐渐加快（截至24年4月）2 2小鹏小鹏全自动标注系统基于收集的Corner case，利用UE定向仿真截至23年10月，场景涵盖12500个核心场景，36000多个专项场景corner case解决个数：1000(23年)2500(24年)；模型迭代频率：2天/次（截至24年7月）3 3华为华为/算法日均学习万公里数：6000 ；模型迭代频率：5天/次（截至24年4月）4 4理想理想云端自动化标注结合重建仿真和生成仿真/推出由超1000万clips训练的端到端 VLM智驾方案（截至24年7月）5 5蔚来蔚来基于激光雷达的4D自动化标注/智驾研发团队重组，感知和规模团队合并为大模型团队（截至24年7月）结论结论特斯拉行业水平领先，国内车企逐步完善形成数据闭环能力特斯拉行业水平领先，国内车企逐步完善形成数据闭环能力数据飞轮开启，各车企数据训练效率加速提升数据飞轮开启，各车企数据训练效率加速提升端到端大模型可量化的难点：算力端到端大模型可量化的难点：算力 数据数据 算力算力 数据是端到端大模型的技术难点；数据是端到端大模型的技术难点；智驾算法的本质是从大量的优质驾驶视频片段中提取和压缩驾驶知识与习惯的过程，端到端作为单一网络模型单一网络模型完全由数据训练数据训练驱动而实现优化。而算力是数据训练的基础设施，因此端到端模型对于数据（需要学习海量驾驶视频片段）和云端算力（需要采用大量GPU）存在巨大需求。并且，当前正在解决的黑盒和幻觉问题更需要高质量的海量数据（数据清洗/预处理等措施）。特斯拉引领算力特斯拉引领算力&数据的行业水平数据的行业水平，国内企业正快速追赶；国内企业正快速追赶；算力算力（基础设施建设基础设施建设）方面方面，国内企业中商汤和华为在算力建设算力建设中较为领先，自主车企纷纷加快建设；数据训练效率方面数据训练效率方面，各车企和供应商正快速完善闭环能力，加速迭代模型。25 随着特斯拉随着特斯拉2323年年5 5月提出端到端方案并于月提出端到端方案并于2424年年3 3月将其落地月将其落地（大范围推送大范围推送FSDFSD V V1212），2424年起国内车企和人工智能等企年起国内车企和人工智能等企业快速上车并开启军备竞赛；业快速上车并开启军备竞赛；23年底，理想AD MAX3.0系统在端到端架构下，整合了 BEV 模型、MPC 模型预测控制以及时空联合规划等能力。蔚来于23H2起投入研发端到端方案，并计划于24H1上线基于端到端的主动安全功能。小鹏于24年初公布了上车计划。以新势力为代表的各车企都在争分夺秒争抢量产端到端自动驾驶的桂冠。图表图表3030：多家企业快速上车端到端方案多家企业快速上车端到端方案各主机厂已开启端到端方案军备竞赛各主机厂已开启端到端方案军备竞赛来源：银创智库，中泰证券研究所图表图表3131：国内车企国内车企2424年起快速上车端到端方案年起快速上车端到端方案一体化一体化端到端模型端到端模型模块化模块化联合端到端联合端到端车企车企/新势力新势力人工智能公司人工智能公司/自动驾驶方案供应商自动驾驶方案供应商来源：佐思汽研，懂车帝，同花顺财经，雪球，36氪，新浪财经，中泰证券研究所OEM 上车日期上车日期实施现状实施现状方案特点方案特点蔚来202424/6：成立大模型部门，全面转向端到端渐进路线；优先各模块模型化小鹏24/5:发布端到端模型；24/7/30:发布XGNP端到端;25年:实现L4神经网络 规控大模型 大语言模型理想24/7：完成原型验证和实车部署，成立大模型部门（算法 量产）；24年底-25H1:交付L3级全流程模型化；快慢双系统（端到端 VLM)小米23年底：公布端到端，感知决策大模型；24/3：小米SU7搭载实时生成道路拓扑实时识别静态智能体吉利23年：与鉴智机器人合作；24/4：建立智算中心、开发大模型采用动态场景图预测智能体碰撞可能极越24/4：已完成从小模型到基础模型的技术迭代；26年：上车英伟达Thor实现道路元素完全覆盖实时生成道路拓扑26政策催化下鼓励整车厂多推政策催化下鼓励整车厂多推L L3 3及以上车型及以上车型。2023-2024年多项政策出台，重点为支持L3车型商业化应用，并已对符合标准的车型进行准入及上路试点，政策鼓励整车厂供给端推动L3高级智驾车型放量。图表图表3232：20232023-20242024年支持高阶智能驾驶政策年支持高阶智能驾驶政策时间时间相关部门相关部门政策政策/通知通知政策政策/通知具体内容通知具体内容2023.062023.06工信部国务院政策例行吹风会支持L3级及更高级别的自动驾驶功能商业化应用2023.112023.11工信部等四部委关于开展智能网联汽车准入和上路通行试点工作的通知遴选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点，并对取得准入的智能网联汽车产品，在限定区域内开展上路通行试点2024.012024.01工信部等五部委关于开展智能网联汽车“车路云一体化”应用试点工作的通知试点期为2024-2026年，内容包括提升车载终端（C-V2X等）装配率、限定区域开展智慧公交/乘用车、自动泊车、城市物流、自动配送等多场景应用试点等2024.072024.07工信部等五部委关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知确定了北京、上海、重庆、武汉等20个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市来源：工信部等官方网站，中泰证券研究所节奏：为何节奏：为何24年是元年？政策落地逐渐加速年是元年？政策落地逐渐加速2720242024年前仍是技术路径探索阶段；年前仍是技术路径探索阶段；2022-2023年，智能驾驶方案逐渐由高度依赖高精地图逐步转向轻图/无图方案，多数车企处于方案更迭阶段，技术尚未成熟。20242024年无图方案逐步落地全国年无图方案逐步落地全国，体验更佳的端到端开始上车；体验更佳的端到端开始上车；2024年，蔚小理 华为的无图方案已覆盖全国，且华为及小鹏陆续推出端到端大模型方案，NOA已逐步进入成熟阶段。图表图表3333：20242024年无图方案逐渐覆盖全国，大模型开始上车年无图方案逐渐覆盖全国，大模型开始上车来源：汽车之家，各公司官网，中泰证券研究所节奏：为何节奏：为何24年是元年？体验更佳的端到端即将上车年是元年？体验更佳的端到端即将上车2024.02,2024.02,华为华为ADS2.0ADS2.0(无图，覆盖全国）无图，覆盖全国）2024.05,2024.05,蔚来蔚来NOP NOP (无图，覆盖全国）无图，覆盖全国）2024.052024.05，小鹏，小鹏XNGPXNGP(端到端大模型；无图，端到端大模型；无图，24Q324Q3覆盖全国覆盖全国)2024.072024.07，理想，理想AD MAXAD MAX(无图，覆盖全国；后续版本落地端到端无图，覆盖全国；后续版本落地端到端)2024.082024.08，华为乾崑，华为乾崑ADS3.0ADS3.0(端到端大模型；无图，覆盖全国）端到端大模型；无图，覆盖全国）20232023高速高速/城市城市NOANOA高度依赖高精高度依赖高精地图。地图。城市场景复杂度高，城市场景复杂度高，落地缓慢落地缓慢技术路线改变，技术路线改变，“BEV TransformerBEV Transformer”轻图轻图/无图方案成为主流无图方案成为主流2022.052022.05，极狐阿尔法城市，极狐阿尔法城市NCANCA（高度依赖高精地图）（高度依赖高精地图）20222022.09.09，小鹏城市，小鹏城市CNGPCNGP（高度依赖高精地图）（高度依赖高精地图）2023.07,2023.07,蔚来蔚来NOP NOP (BEV TransformerBEV Transformer，部分地区无图，部分地区无图)2023.032023.03，小鹏，小鹏XNGPXNGP(BEV TransformerBEV Transformer，部分地区无图，部分地区无图)2023.102023.10，阿维塔城市，阿维塔城市NCANCA(BEV TransformerBEV Transformer，部分地区无图，部分地区无图)20242024无图方案逐渐覆盖全国无图方案逐渐覆盖全国RuleRule-basedbased演进至演进至端到端，大模型上车端到端，大模型上车2820242024年新势力城市年新势力城市NOANOA陆续覆盖全国陆续覆盖全国，自主加速布局开城；自主加速布局开城；2023H2-2024年，各车企不断推进城市NOA进度，当前蔚小理 华为系城市NOA已基本覆盖全国，自主中比亚迪已落地城市NOA，其余自主年内也将落地城市NOA。图表图表3434：各车企城市：各车企城市NOANOA落地节点落地节点来源：汽车之家，各公司官网，中泰证券研究所 注：最新覆盖城区数量参考公司发布会时间节点，实际使用需陆续OTA开通；开城数量截止至2024.07节奏：为何节奏：为何24年元年？开城加速逐步覆盖全国年元年？开城加速逐步覆盖全国2023202320242024202520252022.062022.062023.062023.06蔚来蔚来华为华为小鹏小鹏理想理想长安长安开通城市开通城市NOA开通城市开通城市NOA（广州）（广州）覆盖覆盖3城城覆盖覆盖243城城开通城市开通城市NOA覆盖覆盖110城城落地落地32w公里公里208城城开通城市开通城市NOA（深圳）（深圳）覆盖覆盖6城城覆盖全国覆盖全国零跑零跑长城长城吉利吉利腾势腾势深蓝深蓝S07将将落地城市落地城市NOA蓝山智驾版将蓝山智驾版将开通城市开通城市NOA即将开通即将开通城市城市NOA小米小米新势力基本覆盖全国新势力基本覆盖全国自主开城加速自主开城加速开通城市开通城市NOA开通城市开通城市NAC（介（介于于L2和和NOA之间）之间）2024.062024.06覆盖覆盖726城（全国）城（全国）覆盖全国覆盖全国覆盖全国覆盖全国开通开通10城城即将覆盖全国即将覆盖全国开通城市开通城市NOA（深圳）（深圳）即将覆盖全国即将覆盖全国29FSDFSD v v1212在北美表现亮眼在北美表现亮眼，未来或入华促国内智驾行业发展；未来或入华促国内智驾行业发展；特斯拉FSD v12在城区采用端到端大模型，删减了30万行C 代码，推出后在北美试驾表现亮眼。2024.07迭代至FSD v12.5后，城区及高速已全面采用端到端方案。据马斯克在特斯拉Q2业绩电话会上的表述，年内FSD或将入华，有望通过鲶鱼效应带动国内智驾行业快速迭代发展。特斯拉特斯拉RobotaxiRobotaxi将于将于2424H H2 2发布发布，或激发无人驾驶行业发展；或激发无人驾驶行业发展；特斯拉Robotaxi预计将于24H2推出，目前国内已有如小马智行、萝卜快跑等多家运营商布局此领域，特斯拉FSD采用纯视觉算法，无人车的推出有望为行业带来最新的概念及解法。图表图表3535：特斯拉：特斯拉FSD v12FSD v12在北美已推送用户在北美已推送用户来源：车云网，数码之家，毫末智行官网，易车网，中泰证券研究所图表图表3636：特斯拉：特斯拉robotaxirobotaxi及国内多款无人车及国内多款无人车来源：电动邦，中泰证券研究所小马智行小马智行萝卜快跑萝卜快跑毫末智行毫末智行特斯拉特斯拉 RobotaxiRobotaxi（概念图）（概念图）节奏：为何节奏：为何24年元年？年元年？FSD入华入华 Robotaxi发布预期发布预期30车企有效智驾能力体现在：车企有效智驾能力体现在：城市城市NOANOA进度；进度；算法方案优越性算法方案优越性。短期看短期看NOANOA开城速度是重要评价标准：开城速度是重要评价标准：短期内各车企智能化算法差异程度低，消费者更关注“开城数量”等定量信息，覆盖城市更多的车企有望享受红利。具备端到端算法能力的车企有望领先：具备端到端算法能力的车企有望领先：智能化前半场是构建BEV Transformer及Occupancy的模块化感知方案，后半场将随大模型训练迭代至“感知决策一体化”的端到端算法。根据公开信息，理想在23年12月的OTA5.0中将算法架构切换为端到端架构，小鹏预计24年实现以Xbrain架构为核心的端到端能力。图表图表3737：车企竞争力短期在开城进展，长期在于端到端算法能力车企竞争力短期在开城进展，长期在于端到端算法能力来源：汽车之家，懂车帝，各公司官网，中泰证券研究所车企车企产品产品是否依赖高精地图是否依赖高精地图感知算法感知算法/大模型大模型端到端规划端到端规划城市城市NOANOA开城进展（需陆续开城进展（需陆续OTAOTA）特斯拉特斯拉FSD12FSD12无需高精地图首个端到端自动驾驶系统首个端到端自动驾驶系统（已推送北美所有内部员工）（已推送北美所有内部员工）FSD V12FSD V12可用于北美全地区道路可用于北美全地区道路蔚来蔚来NADNAD不依赖高精地图BEV Transformer大模型；Occupany占用网络实现数据驱动（端到端前置能力）的规划网络覆盖726城理想理想AD MAD Maxax3.03.0不依赖高精地图BEV 大模型；Occupancy占用网络规划算法逐步切换为时空联合规划算法；模块化架构提升为大模型为主的端到端架构覆盖全国小鹏小鹏XNGPXNGP不依赖高精地图基于BEV Transformer的Xnet（24年Xnet2.0具备Occupancy）24年XNGP 有望实现端到端覆盖全国华为华为ADS2.0ADS2.0不依赖高精地图Bev Transformer大模型；基于Occupancy的GOD2.0-覆盖全国投资维度：智能化行情需关注具备平价智驾放量车企投资维度：智能化行情需关注具备平价智驾放量车企31基于前文逻辑基于前文逻辑（降本后智驾车型进入降本后智驾车型进入2020w w以下主价格带以下主价格带 有效的城区内驾驶体验有效的城区内驾驶体验），在投资层面我们认为需在投资层面我们认为需要更加关注具备平价智驾车型规划的车企：要更加关注具备平价智驾车型规划的车企：小鹏、长安深蓝24年平价智驾车型较多，比亚迪或在25年有较多平价智驾车型。投资维度：智能化行情需关注具备平价智驾放量车企投资维度：智能化行情需关注具备平价智驾放量车企图表图表3838：当前各车企城市当前各车企城市NOANOA最低价格车型，及最低价格车型，及2424年平价城市年平价城市NOANOA车型梳理车型梳理来源：懂车帝，各公司官网，中泰证券研究所2023202320202525303035354040价格（万元）价格（万元）上市时间上市时间202420241515蔚来：蔚来：ET5TET5T29.829.8-35.635.6小鹏小鹏:G6:G617.9917.99-25.6925.69理想：理想：L7 MaxL7 Max32.9832.98华为系：问界华为系：问界M5M5增程增程/纯电纯电 智驾版智驾版 24.9824.98-27.9827.98深蓝深蓝S07S0717.9917.99-20.2920.29小鹏小鹏G6G6是目前搭是目前搭载城市载城市NOANOA价格价格最低车型最低车型2424年深蓝华为智驾版年深蓝华为智驾版&小鹏小鹏MONAMONA下下探探20w20w以下主流价格区间以下主流价格区间销量占比约销量占比约60%销量占比约销量占比约40%乐道乐道:L60:L6021.99 21.99 小鹏小鹏MONA M03MONA M03小鹏小鹏P7 P7 小鹏：小鹏：G9G924.424.4-3434小鹏：小鹏：X9X93636-4242深蓝深蓝L07L07深蓝深蓝S S0505目目 录录32前言：整车研究框架视角下核心能力动态变化-智能化权重快速提升一、复盘电动化：核心在主价格带的有效产品供给，当前边际减弱本质是电动化核心能力在供应链且车端体验差异小二、推演智能化：24年是元年且投资会迁移到整车，平价智驾放量提供差异化有效产品供给新逻辑三、智驾方案阵营：技术路径演进以及各主机厂方案梳理三、智驾方案阵营：技术路径演进以及各主机厂方案梳理四、风险提示33来源：中泰证券研究所图表图表39：智能化后续行情演绎或与电动化行情存在差异：智能化后续行情演绎或与电动化行情存在差异智能化智能化&电动化不同：话语权在车端电动化不同：话语权在车端 终端体验差异显著终端体验差异显著车端车端电动化电动化体验差异小体验差异小，整车无法带动后期行情整车无法带动后期行情。根据数据量迭代算法根据数据量迭代算法，不同整车不同整车方案方案存在优劣差异存在优劣差异。体验差异大体验差异大消费者选择体验更好的产品消费者选择体验更好的产品反哺数据规模提升反哺数据规模提升。整车差异加大整车差异加大，第一梯队引领行情第一梯队引领行情电动化后期电动化后期权重边际减弱权重边际减弱终端体验差异小终端体验差异小（所以补齐产品就可以）（所以补齐产品就可以）核心能力在供应链核心能力在供应链智能化后期智能化后期有望接棒引领行情有望接棒引领行情整车设计应用层软件整车设计应用层软件打造体验差异打造体验差异整车全栈自研整车全栈自研数据助力算法迭代数据助力算法迭代整车数据量有差异整车数据量有差异34图表图表4040：车载智能计算平台生态：车载智能计算平台生态及及变化趋势变化趋势来源：中泰证券研究所虚拟机虚拟机操作系统内核操作系统内核中间件中间件基础模块基础模块功能软件功能软件应用应用SOC&MCUSOC&MCU产业生态产业生态车载计算平台架构车载计算平台架构传统芯片大厂传统芯片大厂AIAI芯片初创企业芯片初创企业OEMOEM特斯拉特斯拉专业虚拟技术厂商专业虚拟技术厂商专业专业OSOS厂商厂商传统汽车传统汽车Tier1Tier1ROSROS开发商开发商百度、华为自研百度、华为自研OEMOEMRobotaxiRobotaxi厂商厂商华为等解决方案商华为等解决方案商整车厂逐步回收全栈自研能力；整车厂逐步回收全栈自研能力；随着电子电气架构分布集中、激光雷达 高精地图纯视觉、感知硬件降本、算法和数据（均主要由主机厂掌握）重要性提升，主机厂由应用软件向下延申至功能算法 系统软件自研（全栈自研），芯片商向应用层拓展，汽零Tier 1的产业链话语权将边际递减。智能化与电动化不同：话语权在智能化与电动化不同：话语权在OEM而非供应链而非供应链软软件件层层硬硬件件层层主要参与者布局趋势主要参与者布局趋势芯片商芯片商OEMOEMOEMOEM：不断向下布局，不断向下布局，进行全栈自研进行全栈自研芯片商：芯片商：基于硬件向上基于硬件向上布局系统软件布局系统软件甚至功能软件，甚至功能软件，提供全栈解决提供全栈解决方案。方案。过去过去现在现在与与未来未来Tier1Tier1：依托中间件优势，向依托中间件优势，向上布局功能方案，向上布局功能方案，向下提升系统软件能力。下提升系统软件能力。AutoAutoTier1Tier135智能化初期整车厂自研能力弱智能化初期整车厂自研能力弱 电动化差异小导致投资情绪在电动化差异小导致投资情绪在Tier 1Tier 1：零部件供应商依托中间地位，向上布局功能方案，向下提升系统软件能力。整车厂初期自研能力未明显体现，并且整车重心放在电动化转型，而电动化难以体现差异化。智能化智能化中后期中后期随整车全栈自研落地，投资情绪转向整车：随整车全栈自研落地，投资情绪转向整车：智能驾驶中数据与算法是最核心能力，而这是整车的独特优势，目前整车厂逐渐体现出强大自研能力，全栈自研智驾算法路线已成为共识，部分能力较强整车厂已布局硬件自研。图表图表4141：各车企在不断补齐智驾自研能力：各车企在不断补齐智驾自研能力来源：各公司官网，懂车帝，中泰证券研究所车企车企领域领域20172017及以前及以前2018201820192019202020202021202120222022202320232024E2024E20252025及以后及以后特斯拉特斯拉软件全栈自研全栈自研硬件英伟达芯片 域控自研自研FSDFSD芯片芯片新势力新势力 华为华为蔚来蔚来软件部分自研全栈自研全栈自研硬件Mobileye芯片 域控英伟达芯片 自研域控2525年自研芯片上车年自研芯片上车小鹏小鹏软件部分自研全栈自研全栈自研硬件Mobileye芯片 域控英伟达芯片 德赛域控芯片开发中芯片开发中理想理想软件非自研算法全栈自研算法全栈自研硬件Mobileye芯片 域控2*外部方案芯片开发中芯片开发中零跑零跑软件全栈自研全栈自研硬件Orin芯片 域控华为华为软件全栈自研全栈自研自研实现较早，自研实现较早，但但2323年才大规模上车年才大规模上车硬件自研芯片自研芯片 域控域控小米小米软件全栈自研全栈自研硬件Orin芯片 域控自主自主长城长城软件部分自研全栈自研全栈自研硬件Mobileye芯片 自研（毫末）域控长安长安软件华为赋能长安深蓝华为赋能长安深蓝S7/SL03S7/SL03等等硬件地平线方案吉利吉利软件极氪全栈自研极氪全栈自研智驾投入智驾投入15001500亿，亿，全自研方案推进中全自研方案推进中硬件Mobileye芯片 知行域控2*外部方案4*外部方案（包含亿咖通）比亚迪比亚迪软件软件主要合作硬件方案较多，有方案自研23年全自研算法大规模上车未来迭代加剧整车能力差异迭代加剧整车能力差异投资更趋向整车投资更趋向整车话语权在话语权在OEM投资逐步会收敛到整车端投资逐步会收敛到整车端36图表图表4242：蔚来与小鹏自动驾驶功能升级路径侧重点不同，消费者存在体验差异蔚来与小鹏自动驾驶功能升级路径侧重点不同，消费者存在体验差异来源：九章智驾，中泰证券研究所 智驾应用层软件功能重心不同智驾应用层软件功能重心不同，终端终端体验存在差异；体验存在差异；应用层软件负责实现各类功能，包括自动驾驶相关应用功能、智能座舱相关应用功能、OTA与云服务等。通常应用层软件的定义与开发是由整车厂完成，是打造产品差异化的核心。一方面，整车厂商不断丰富拓展应用功能；另一方面，整车厂商不断完善、优化功能，即使是相同的功能，不同厂商的使用体验也有有差异和优劣之分。智能化与电动化不同：方案侧重不同智能化与电动化不同：方案侧重不同终端体验不同终端体验不同蔚来蔚来-自动驾驶系统纵向演进路径自动驾驶系统纵向演进路径NIO PilotNIO Pilot正式正式产品化落地产品化落地释放释放HWPHWP及及TJPTJP等等七项驾驶辅助功能七项驾驶辅助功能释放行人释放行人/自行车自动紧自行车自动紧急制动功能急制动功能释放高速场景释放高速场景-NOANOA功能功能释放视觉融合释放视觉融合全自动泊车功能全自动泊车功能逐步实现点到点逐步实现点到点自动驾驶功能自动驾驶功能NIO PilotNIO Pilot首次发布首次发布NIO PilotNIO Pilot升级升级NIO PilotNIO Pilot升级升级NIO PilotNIO Pilot升级升级2017.122017.122019.062019.062020.022020.022020.102020.102021.102021.10NIO PilotNIO Pilot升级升级NADNADNIO OS 2.0.0NIO OS 2.0.0NIO OS 2.5.0NIO OS 2.5.0NIO OS 2.7.0NIO OS 2.7.0NIO OS 2.9.0NIO OS 2.9.0NT2.0NT2.0自动驾驶平台自动驾驶平台NT1.0NT1.0自动驾驶平台自动驾驶平台2017.12 2017.12 首款量产车首款量产车ES8ES8上市上市2018.12 2018.12 第二款量产第二款量产车车ES6ES6上市上市2020.072020.07第三款量产第三款量产车车EC6EC6上市上市2022.01 2022.01 第四款量产第四款量产车车ET7ET7上市上市小鹏小鹏-自动驾驶系统纵向演进路径自动驾驶系统纵向演进路径XpilotXpilot正式正式产品化落地产品化落地L2L2级行车辅助系统级行车辅助系统实现量产实现量产释放高速场景释放高速场景-NGPNGP功能功能释放城区场景释放城区场景-NGPNGP功能功能释放面向城市的释放面向城市的自动驾驶能力自动驾驶能力释放局部的释放局部的全自动驾驶能力全自动驾驶能力Xpilot 2.0Xpilot 2.0Xpilot 2.5Xpilot 2.5Xpilot 3.0Xpilot 3.0Xpilot 3.5Xpilot 3.5Xpilot 4.0Xpilot 4.0Xpilot 5.0Xpilot 5.0201820182019.072019.072021.Q12021.Q12022.Q12022.Q1202220222024 2024 2018.12 2018.12 首款量产车首款量产车G3G3上市上市（紧凑型（紧凑型SUVSUV）2020.04 2020.04 第二款量产第二款量产车车P7P7上市（中型轿车）上市（中型轿车）2021.04 2021.04 第三款量产第三款量产车车P5P5发布（紧凑型轿发布（紧凑型轿车）车）37图表图表4444：数据驱动下算法将不断自动迭：数据驱动下算法将不断自动迭来源：Momenta，中泰证券研究所不同方案终端体验存在差异；不同方案终端体验存在差异；智驾应用层方案决定车辆在面对各种路况时所进行的决策，需考虑各种策略，对不同策略的考量构成了消费者体验的差异化。算法迭代将扩大不同方案体验差异算法迭代将扩大不同方案体验差异；整车厂通过数据对算法进行迭代完善，不同车企智驾方案差异化将不断扩大，终端体验差异持续扩大。不同数据迭代算法不同数据迭代算法体验差异扩大体验差异扩大图表图表4343：相同：相同场景下，不同算法采取不同策略场景下，不同算法采取不同策略来源：“IEEE Robotics and Automation Letters”，中泰证券研究所通通过过环环岛岛中性方案中性方案保守方案保守方案（本车加速拉开距离）激进方案激进方案（减小距离逼迫其余车辆减速）通通过过路路口口中性方案中性方案保守方案保守方案（其余车辆先行）激进方案激进方案（本车先行）38图表图表4545：算法依托数据量进行迭代并反哺销量算法依托数据量进行迭代并反哺销量来源：中泰证券研究所智驾竞争将逐步形成阵营：智驾竞争将逐步形成阵营：智驾核心壁垒在于数据，数据获取直接决定车企智驾能力领先是否具有持续性，单一车企规模有限，在数据层面相较阵营具天然劣势。第一梯队将不断迭代算法稳固优势：第一梯队将不断迭代算法稳固优势：智驾规模效应更加显著，不仅可以通过规模效应降硬件成本，同时数据迭代算法降硬件依赖度并提升用户体验，起量后的规模效应降本及数据迭代算法飞轮一旦开启正向循环，将逐步扩大领先优势。平价智驾将加大阵营分化：平价智驾将加大阵营分化：平价智驾更加走量，不同阵营车型存量差距扩大导致数据获取量差异更加明显。终端体验有差异终端体验有差异形成阵营形成阵营数据量规模效应助力算数据量规模效应助力算法迭代，提升智驾体验法迭代，提升智驾体验优秀智驾体验优秀智驾体验助推阵营声誉助推阵营声誉智驾关乎安全，消费智驾关乎安全，消费者青睐口碑更好的阵者青睐口碑更好的阵营营销量提升销量提升平价智驾，走量价平价智驾，走量价格带的数据规模效格带的数据规模效应更加显著应更加显著图表图表4646：智驾竞争将逐步形成阵营：智驾竞争将逐步形成阵营来源：中泰证券研究所，懂车帝华为系阵营华为系阵营1华为 赛力斯-问界华为 长安-阿维塔华为 奇瑞-智界华为 长安-深蓝华为 江淮华为 北汽特斯拉特斯拉2Model YModel 3Model SModel X小鹏小鹏3G6P7X9阵营化：各车企的智驾能力各有不同阵营化：各车企的智驾能力各有不同39图表图表47：各车企当前智驾能力汇总（截至：各车企当前智驾能力汇总（截至202407）来源：搜狐汽车，新浪财经，IT之家，36氪，懂车帝，腾讯新闻，中泰证券研究所品牌品牌智驾系统智驾系统技术路线技术路线自研情况自研情况高速领航开通情况高速领航开通情况城市领航开通情况城市领航开通情况神经网络应用情况神经网络应用情况（是否端到端）（是否端到端）算力中心算力中心硬件硬件（芯片）（芯片）软件软件（应用层）（应用层）问界HUAWEI ADS 2.0重感知全国高速高架快速路全国(已全量推送)感知：BEV网络 GOD网络车BU云智算中心：3500PFLOPS(24/07)智界HUAWEI ADS 2.0重感知全国高速高架快速路全国(已全量推送)感知：BEV网络 GOD网络极狐HUAWEI ADS 2.0重感知全国高速高架快速路全国(陆续推送中)感知：BEV网络 GOD网络阿维塔HUAWEI ADS 3.0重感知全国高速高架快速路全国(已全量推送)感知：GOD网络规控：PDP网络（预决策 规控）深蓝HUAWEI ADS SE纯视觉覆盖全国31省高速、城快路暂无感知：GOD网络规控：PDP网络（预决策 规控）蔚来NAD重感知24/07:全球首颗5nm智驾芯片流片25年:量产全国高速高架快速路726城(已全量推送)感知 规控：蔚来世界模型NWM(24Q4开放)蔚来智算中心小鹏XNGP重感知/纯视觉24/08:预计流片回片全国高速高架快速路全国版本开启公测感知 规控：AI天玑系统(24/07全国推送)扶摇智算中心：600PFLOPS(24/07)理想AD MAX 3.0重感知24年:预计完成流片回片全国高速高架快速路全国（7月内全量推送）感知 决策：4D One Model网络规控：VLM网络理想智算中心：1200PFLOPS(24/07)极越ROBO Drive Max纯视觉全国高速高架5城(24年全国都能开)感知：BEV OCC Transformer多任务统一网络极越智算中心：1800-2200PFLOPS(24/02)智己IM AD重感知全国333城高速路段 59城高架路段4城（65城公测 年内全国开通）感知：基于OCC网络的DDOD方案规划：DLP网络-40图表图表48：各车企当前智驾能力汇总（截至：各车企当前智驾能力汇总（截至202407）来源：搜狐汽车，新浪财经，IT之家，36氪，懂车帝，腾讯新闻，中泰证券研究所品牌品牌智驾系统智驾系统技术路线技术路线自研情况自研情况高速领航开通情况高速领航开通情况城市领航开通情况城市领航开通情况神经网络应用情况神经网络应用情况（是否端到端）（是否端到端）算力中心算力中心硬件硬件（芯片）（芯片）软件软件（应用层）（应用层）路特斯LOTUS Hyper Pilot高鲜度轻地图全国高速快速路24Q2开启小范围公测 感知：认知大脑算法模型-小米Xiaomi PilotMax纯视觉/纯视觉 激光雷达全国高速高架快速路已开10城感知 决策：BEV 道路大模型 OCC网络-五菱宝骏大疆智驾(灵犀智驾2.0)纯视觉/全国高速高架快速路24年Q3前全量城区记忆领航感知：BEV算法决策 规划：OSP方法-极氪浩瀚智驾激光雷达 视觉融合/纯视觉007:全国高速高架快速路 001/009:65城暂无(24年中公测)感知：鱼眼BEV技术吉利智算中心：810PFLOPS(24/07)昊铂ADiGO重感知/全国高速高架快速路暂无感知：BEV Transformer 占据网络架构-哪吒NETA Pilot 3.0重感知全国高速高架快速路暂无-特斯拉AP/EAP纯视觉全国高速高架暂无（FSD无国内进展）感知 决策 规控：端到端(世界)模型Dojo智算中心：100000PFLOPS(24/10建成)零跑NAP重感知全国高精地图覆盖高速高架快速路暂无-飞凡RISING PILOT重感知228城暂无感知：Full Fusion全融合算法-腾势天神之眼重感知46城陆续开放暂无-阵营化：各车企的智驾能力各有不同阵营化：各车企的智驾能力各有不同特斯拉：全栈自研的引领者，消费者体验不断优化特斯拉：全栈自研的引领者，消费者体验不断优化智驾软硬件全栈自研引领者智驾软硬件全栈自研引领者，实现底层芯片实现底层芯片 算法算法 云端云端 数据的闭环数据的闭环开发；开发；截止目前特斯拉是全球唯一实现自动驾驶核心领域全栈自研自产的OEM。硬件方面，基于自研的FSD芯片 8*摄像头为主的纯视觉感知方案；软件方面，底层软件操作系统基于Linux自研，上层功能/应用软件均自研。体验感方面，特斯拉全栈自研智驾方案随着时间/版本的提升，无严重脱离（disengagement）的比例也在不断提升。图表图表49：特斯拉软硬件全栈：特斯拉软硬件全栈自研智驾自研智驾41云端云端车端车端高精高精地图地图数据数据中心中心传传感感器器应用层应用层功能软件层功能软件层感知感知规控规控端到端大模型端到端大模型中间件中间件操作系统（基于操作系统（基于Linux/FSD）域控制器域控制器SoC（FSD）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件来源：特斯拉官网，中泰证券研究所（注：标红为已经实现自研的部分）60p0%无严重脱离FSD的行驶次数占比2151GPGir%0P00.10.x10.11.x10.12.x10.69.x11.3.x11.4.x12.3.x无脱离比例无严重脱离比例来源：FSD Tracker，中泰证券研究所图表图表50：特斯拉：特斯拉FSD体验随着时间体验随着时间/版本推移不断改善版本推移不断改善技术降本：特斯拉的纯视觉方案是如何实现的技术降本：特斯拉的纯视觉方案是如何实现的42输入输入图像图像前部前部侧向侧向门柱门柱提取提取图像特征图像特征RegNetsRegNets BiFPNsBiFPNs空空间间特特征征K1K1V1V1K2K2V2V2K3K3V3V3T TR RA AN NS SF FO OR RM ME ER R通过大模型通过大模型升维成空间特征升维成空间特征对齐不同时刻对齐不同时刻形成时空特征形成时空特征空空间间特特征征空空间间特特征征空空间间特特征征t t-2 2t t-1 1t t时序对齐时序对齐（里程计（里程计 坐标帧）坐标帧）4D4D占用网格占用网格反卷积反卷积输出结果输出结果空间信息空间信息Occupancy Occupancy VolumeVolume时间信息时间信息Occupancy Occupancy FlowFlow车道车道占用体占用体OccupancyOccupancy移动物移动物3D3D空间空间规划规划/控制控制决策树决策树来源：Tesla AI Day，中泰证券研究所图表图表51：特斯拉基于纯视觉的感知：特斯拉基于纯视觉的感知/规控方案实现路径示意图规控方案实现路径示意图43类人体验：特斯拉（感知类人体验：特斯拉（感知-规控）如何过渡到端到端的规控）如何过渡到端到端的感感知知规规划划/控控制制2021.052021.052021.082021.082022.092022.092023202320242024感知硬件：感知硬件：8*8*摄像头（提出纯视觉）摄像头（提出纯视觉）感知算法：感知算法：引入引入HydraNetHydraNet（BEV TransformerBEV Transformer）感知算法：感知算法：引入引入OccupancyOccupancy占用网络占用网络感知感知/规控模块：规控模块：所有神经网络装入所有神经网络装入端到端模型端到端模型规控算法：规控算法：引入神经网络增强的引入神经网络增强的蒙特卡洛树搜索算法蒙特卡洛树搜索算法（依旧基于手写规则）（依旧基于手写规则）规控算法：规控算法：规划模块被重写以规划模块被重写以使用使用OccupancyOccupancy输出输出规划模块：规划模块：加入神经网络模型加入神经网络模型来源：thinkautonomous，中泰证券研究所图表图表52：特斯拉感知及规控模块逐步过渡到端到端的进程：特斯拉感知及规控模块逐步过渡到端到端的进程蔚来：蔚来：软件软件全栈全栈 硬件域控自研，硬件域控自研，25年量产芯片年量产芯片NADNAD已实现软件全栈自研：已实现软件全栈自研：蔚来智驾算法基于BEV Transformer不依赖高精度地图，并通过occupany网络检测通用障碍物。自动驾驶技术（NAD）包含Aquila蔚来超感系统、Adam蔚来超算平台、自动驾驶算法、自动驾驶整车平台四部分，均实现全面自研。域控制器已实现自研域控制器已实现自研，自研芯片自研芯片20252025量产：量产：蔚来自研智驾域域控制器Adam于2022年搭载于ET7，采用4*英伟达Orin方案。自研智驾芯片神玑NX9031预计25年首搭于ET9车型。图表图表5353：蔚来智驾自研情况：蔚来智驾自研情况44云端云端车端（车端（NAD）高精高精地图地图（腾讯）（腾讯）数据数据中心中心传传感感器器应用层应用层功能软件层（自研智驾算法）功能软件层（自研智驾算法）感知感知定位定位规划规划控制控制决策决策中间件中间件操作系统操作系统（基于（基于Linux开发开发NVOS）虚拟机虚拟机域控制器（域控制器（NIO Adam）SoC（英伟达（英伟达Orin）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件来源：蔚来官网，中泰证券研究所（注：标红为已经实现自研的部分）图表图表54：蔚来智驾自研进展时间线：蔚来智驾自研进展时间线来源：蔚来官网，智能制造网，中泰证券研究所注：硬件以首款量产搭载车型上市时间为准，软件以OTA时间为准软件算法软件算法201820202021202220232024感知/定位：Mobileye决策决策/规划规划/控制：控制：自研自研2019算法全自研算法全自研Momenta CTO任少卿加盟蔚来域控自研域控自研英伟达Orin芯片Mobileye方案域控及EyeQ4芯片硬件硬件45蔚来：硬件增配趋势强，城市蔚来：硬件增配趋势强，城市NOANOA已涉及已涉及208208城城激光雷达数量增配：激光雷达数量增配：蔚来智驾硬件由NIO Pilot迭代至NAD增加了5*摄像头及1*激光雷达，而25年量产的ET9将搭载3颗激光雷达。国内首家国内首家NOANOA高速领航公司：高速领航公司：2020年10月推送高速领航辅助驾驶NOP，23年1月升级为NOP ，23年6月覆盖全国95%核心高速及城快。23年9月NOP 开始进入城区，截至2024.07，城区NOA覆盖726城，可用里程约354万公里。图表图表56：蔚来：蔚来NOA能力迭代情况能力迭代情况来源：蔚来官网，智能制造网，中泰证券研究所图表图表5555：蔚来智能驾驶硬件配置情况：蔚来智能驾驶硬件配置情况来源：蔚来官网，中泰证券研究所注：硬件配置以最高配车型为参考 2 2*激光雷达激光雷达20182018 201920192020202020212021202220222023202320242024NIO PilotNIO Pilot芯片：芯片：Mobileye EyeQ4 感知硬件感知硬件:毫米波*5超声波*12相机*5NADNAD芯片：芯片：英伟达Orin*4感知硬件：感知硬件：毫米波*5超声波*12相机*10激光雷达*1 5* 5*相机相机 1 1*激光雷达激光雷达ET9ET9推送高速推送高速NOPNOP推送高速推送高速NOP NOP 覆盖覆盖全国全国95%核心高速及城快核心高速及城快NOP NOP 开始进入城区开始进入城区开通城区里程开通城区里程3232万公里万公里，进入，进入208208城城2020.102023.012023.062023.092023.122024.07覆盖覆盖全国全国开通城区里程开通城区里程354354万公里万公里，覆盖，覆盖726726城（全国）城（全国）46蔚来：全系城市蔚来：全系城市NOANOA202320233030353540404545505055556060价格（万元）价格（万元）上市时间上市时间2024202425252021202120222022ET5ET529.829.8-35.635.6ES6ES633.833.8-39.639.6ES8ES849.849.8-59.859.8ET5TET5T29.829.8-35.635.6ET7ET742.842.8-50.650.6EC6EC635.835.8-41.641.6ES7ES743.843.8-51.851.8EC7EC745.845.8-54.854.830w30w起起 全系标配激光雷达全系标配激光雷达 全系城市全系城市NOANOA（726726城；城；354354万公里道路）万公里道路）来源：蔚来官网，懂车帝，中泰证券研究所NOP NOP 免费使用期限结束后，订阅价免费使用期限结束后，订阅价380380元元/月月图表图表57：蔚来车型矩阵：蔚来车型矩阵小鹏：软件全栈自研，硬件规划下一代自研小鹏：软件全栈自研，硬件规划下一代自研软件全栈自研软件全栈自研，硬件规划自研：硬件规划自研：小鹏软件算法实现全自研，且建立了云端数据中心，具备闭环开发能力。小鹏的芯片团队目前200-300人，目标是开发对标特斯拉FSD的大算力自动驾驶芯片。端到端大模型已量产落地：端到端大模型已量产落地：2024.07，小鹏推出量产的端到端智驾大模型神经网络XNet 规控大模型XPlanner 大语言模型Xbrain。图表图表5858：小鹏：小鹏智驾智驾自研情况自研情况47来源：小鹏官网，中泰证券研究所（注：标红为已经实现自研的部分）云端云端车端（车端（XNGP）高精高精地图地图（高德高德）数据数据中心中心传传感感器器应用层应用层功能软件层（自研智驾算法）功能软件层（自研智驾算法）感知感知定位定位规划规划控制控制决策决策中间件（与中间件（与RTI合作）合作）操作系统操作系统（QNX）虚拟机（虚拟机（QNX虚拟机）虚拟机）域域控制器（德赛控制器（德赛IPU 04）SoC（英伟达（英伟达Orin）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件图表图表59：小鹏智驾自研进展时间线：小鹏智驾自研进展时间线软件算法软件算法20202021202220232024Xpilot2.0软件：软件：MobileyeMobileye方案方案2019Xpilot 3.0德赛IPU03域控英伟达Xavier芯片Mobileye方案域控及EyeQ4芯片硬件硬件德赛IPU04域控英伟达Orin芯片XNGP实现实现算法自研算法自研端到端智驾大端到端智驾大模型量产落地模型量产落地来源：小鹏官网，中泰证券研究所小鹏：硬件减配降本，无图小鹏：硬件减配降本，无图NOANOA覆盖全国覆盖全国来源：小鹏官网，太平洋汽车，中泰证券研究所48201920192020202020212021202220222023202320242024XpilotXpilot 2.52.5芯片：芯片：Mobileye EyeQ4 感知硬件感知硬件:毫米波*3超声波*12相机*5XpilotXpilot 3.03.0芯片：芯片：英伟达Xavier感知硬件：感知硬件：毫米波*5超声波*12相机*11XpilotXpilot 4.04.0（及（及2323版版XNGPXNGP）芯片：芯片：英伟达Orin-X感知硬件：感知硬件：毫米波*5超声波*12激光雷达*2相机*12XNGP(24XNGP(24版版)芯片：芯片：英伟达Orin-X感知硬件：感知硬件：毫米波*5超声波*12相机*12 2* 2*毫米波毫米波 6 6*相机相机 2* 2*激光雷达激光雷达 1 1*相机相机-2*2*激光雷达激光雷达图表图表61：小鹏小鹏NOA能力迭代情况能力迭代情况图表图表6060：小鹏智能驾驶硬件配置情况：小鹏智能驾驶硬件配置情况重视觉方案重视觉方案，下一代下一代XNGPXNGP取消激光雷达降本：取消激光雷达降本：小鹏当前Xpilot4.0及XNGP方案采用英伟达Orin X芯片，感知硬件配置双激光雷达。根据小鹏2024智驾目标，将减少对激光雷达依赖，实现综合成本减半，但XNGP能力不降。端到端大模型助力端到端大模型助力，无图无图NOANOA覆盖全国：覆盖全国：小鹏于2023.10开始推送无图高速/城市NOA，并在2024.01实现无图高速NOA覆盖全国，无图城市NOA开通243城，截至2024.07，在端到端大模型助力下，小鹏XNGP已覆盖全国。2021.012022.092023.102024.012024.07推送高速NOA推送城市NOA推送推送XNGPXNGP（无图版高速（无图版高速/城市城市NOANOA）XNGP覆盖全国高速路网覆盖全国高速路网XNGP开通开通243243城城端到端大模型助力XNGP覆盖全国覆盖全国来源：小鹏官网，中泰证券研究所小鹏：最低小鹏：最低2323万级别配置无图城市万级别配置无图城市NOANOA49来源：小鹏官网，懂车帝，中泰证券研究所202320231515202025253030353540404545价格（万元）价格（万元）20242024101020222022小鹏小鹏P7iP7i23.4923.49-32.4932.492424款小鹏款小鹏G9G926.3926.39-35.9935.99小鹏小鹏G6G619.9919.99-26.6926.69小鹏小鹏X9X935.9835.98-4141小鹏小鹏P5P514.8914.89-16.6916.69小鹏小鹏G3iG3i13.8913.89-16.6916.692222款小鹏款小鹏G9G930.9930.99-41.9941.9920w20w起起 全系标配激光雷达全系标配激光雷达 全系高速全系高速NOANOA 高配版有无图城市高配版有无图城市NOANOA（23w23w起）起）15w15w起起 全系高速全系高速NOANOA小鹏小鹏MONA M03MONA M03有望实现有望实现1515万元级别高阶智驾万元级别高阶智驾图表图表62：小鹏车型矩阵：小鹏车型矩阵理想：理想：软件全栈自研，硬件芯片开发中软件全栈自研，硬件芯片开发中22年实现软件算法自研年实现软件算法自研，23年开启自研硬件芯片；年开启自研硬件芯片；理想早期在理想ONE车型中采用Mobileye感知算法和亿航智能控制决策算法，硬件选择EyeQ4。在2022.06发布的理想L9中实现AD Max智驾系统软件算法全自研，并在22.09实现AD pro智驾系统软件算法全自研。此外，23H2起理想已组建160 人团队进行智驾芯片开发。23年底算法向端到端全面升级；年底算法向端到端全面升级；23年底，理想OTA 5.0 将算法架构从Rule-based为主的模块化架构提升为大模型为主的端到端架构。AD Max 3.0 感知算法采用 BEV 大模型和 Occupancy 占用网络，而AD Pro 3.0采用BEV大模型；二者规划算法均切换为时空联合规划算法，预测控制算法更新为 MPC 模型。图表图表63：理想智驾自研情况：理想智驾自研情况50云端云端车端车端高精高精地图地图数据数据中心中心传传感感器器应用层应用层功能软件层（功能软件层（AD MAX/Pro）感知感知定位定位规划规划控制控制决策决策中间件中间件操作系统（基于操作系统（基于Linux开发开发Li OS）虚拟机虚拟机域控制器（德赛域控制器（德赛IPU04）SoC（Orin/征程征程5）I/ORAM/ROM功能功能软件软件应用应用程序程序系统系统软件软件硬硬件件软件软件来源：理想官网，中泰证券研究所（注：标红为已经实现自研的部分）图表图表64：理想智驾自研时间线：理想智驾自研时间线来源：理想官网，中泰证券研究所软件算法软件算法20202021202220232024感知：Mobileye方案控制决策：易航智能方案AD MAXAD MAX德赛IPU04域控英伟达Orin芯片Mobileye域控EyeQ4芯片硬件硬件地平线征程5芯片AD PROAD PRO(目前轻舟智航参与算法研发)实现实现算法自研算法自研AD3.0AD3.0（趋向端到端）（趋向端到端）理想：硬件采用激光雷达方案，无图理想：硬件采用激光雷达方案，无图NOANOA将于将于7 7月全量推送月全量推送来源：理想官网，太平洋汽车，中泰证券研究所51图表图表66：理想理想NOA能力迭代情况能力迭代情况图表图表6565：理想理想智能驾驶硬件配置情况智能驾驶硬件配置情况MaxMax和和ProPro智驾方案并行；智驾方案并行；理想在Max车型搭载AD Max智驾系统（Orin 激光雷达），在Pro车型搭载AD Pro智驾系统（征程5 无激光雷达）。无图无图NOANOA于于2424年年7 7月全量推送；月全量推送；理想于2023Q2开始对AD Max推送无图城市NOA，24年7月内将全量推送，且采用BEV大模型，可实现高速和城市NOA无缝衔接。此外24H1将对AD Pro推送BEV架构下高速NOA，为后续打通ADPro版的高速及城市NOA做基础。-4 4*毫米波毫米波 6 6（5 5）*相机相机 1 1（0 0）*激光雷达激光雷达20202020202120212022202220232023芯片：芯片：EyeQ4 感知硬件感知硬件:毫米波*1超声波*12相机*5芯片：芯片：征程3感知硬件：感知硬件：毫米波*5超声波*12相机*5 4* 4*毫米波毫米波AD MAX(AD Pro)AD MAX(AD Pro)芯片：芯片：Orin(征程5)感知硬件：感知硬件：毫米波*1超声波*12相机*11(*10)激光雷达*1(*0)来源：理想官网，汽车之家，中泰证券研究所推送高速推送高速NOANOAMaxMax推送视觉融合雷达高速推送视觉融合雷达高速NOANOA；ProPro推送纯视觉高速推送纯视觉高速NOANOAMaxMax推送无图城市推送无图城市NOANOAMaxMax无图城市无图城市NOANOA覆盖覆盖110110城城ProPro实现实现BEVBEV架构下高速架构下高速NOANOA20212022.082023.042023.122024H1MaxMax无图高速无图高速NOANOA覆盖全国高速覆盖全国高速/环线环线理想：无图城市理想：无图城市NOA 28NOA 28万起万起52来源：理想官网，懂车帝，中泰证券研究所202320232024202420222022价格（万元）价格（万元）L9 ProL9 Pro40.9840.98303035354040454550502525L9 UltraL9 Ultra43.9843.98L8 UltraL8 Ultra：37.9837.98L8 MaxL8 Max：34.9834.98L7 UltraL7 Ultra：35.9835.98L7 MaxL7 Max：32.9832.9828w28w起起 标配激光雷达标配激光雷达 无图城市无图城市NOANOA25w25w起起 高速高速NOANOAL8 ProL8 Pro32.1832.18L7 ProL7 Pro30.1830.18L7 MaxL7 Max27.9827.98L7 ProL7 Pro24.9824.98图表图表67：理想车型矩阵：理想车型矩阵华为：早期自研芯片，坚持软硬件全自研路线华为：早期自研芯片，坚持软硬件全自研路线坚持软硬件全自研路线坚持软硬件全自研路线。2018年华为推出自研智驾域控制器MDC600 智驾芯片昇腾310，并在智驾产品ADS推出后坚持自研迭代至MDC610 昇腾610。2021.04推出ADS自动驾驶全栈解决方案，实现智驾算法全自研，24年3月已更新至ADS3.0版本。软件方面软件方面：24年3月乾崑智驾ADS3.0上市发布，算法从GOD（感知端-通用障碍物识别） RCR（规控端-道路拓扑推理）的模块化架构升级融合为基于GOD的PDP端到端架构（规控端-预测和决策实现融合），这使得机器的决策和规划更加类人化，提升了安全性 驾乘体验。图表图表6868：华为华为智驾自研情况智驾自研情况53云端云端车端（车端（HUAWEI ADS2.0）高精高精地图地图（四维（四维图新）图新）数据数据中心中心传传感感器器应用层应用层功能软件层（自研智驾算法）功能软件层（自研智驾算法）感知感知定位定位规划规划控制控制决策决策中间件中间件操作系统操作系统虚拟机虚拟机域控制器（域控制器（MDC 610）SoC（昇腾（昇腾610）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件来源：华为官网，中泰证券研究所（注：标红为已经实现自研的部分）图表图表69：华为智驾自研时间线：华为智驾自研时间线来源：华为官网，智能制造网，中泰证券研究所软件算法软件算法2018202020212022202320242019ADS1.0ADS1.0MDC600域控昇腾310芯片硬件硬件ADS2.0ADS2.0提供零部件暂无智驾解决方案MDC810昇腾610MDC610昇腾610算法全程自研算法全程自研硬件全程自研硬件全程自研ADS3.0ADS3.0ADS SEADS SE华为：硬件大幅减配降本，华为：硬件大幅减配降本，2323年底无图城市年底无图城市NOANOA全国落地全国落地来源：华为官网，懂车帝，中泰证券研究所54图表图表71：华为华为NOA能力迭代情况能力迭代情况图表图表7070：华为智能驾驶硬件配置情况：华为智能驾驶硬件配置情况硬件减配降本趋势明显；硬件减配降本趋势明显；HUAWEI ADS1.0-2.0对硬件进行减配，减少3*毫米波雷达、2*摄像头和2*激光雷达，智驾系统成本大幅下降。24年4月ADS3.0正式发布，新增4D毫米波雷达后探测精度将从20cm提升至5cm。华为华为2323年底已实现全国无图高速年底已实现全国无图高速/城市城市NOANOA：华为于2022.09在极狐阿尔法s HI版开始推送高速NOA和城市NOA，并在后续推出的问界、阿维塔车型持续推送升级NOA功能。2023年底已实现全国无图高速及城市NOA的落地。来源：华为官网，懂车帝，汽车之家，中泰证券研究所注：华为系智驾系统均为HUAWEI ADS，因此NOA能力时间表按照最早搭载车型统计推送高速推送高速NOANOA高速高速NOANOA覆盖覆盖259259城城城市城市NOANOA覆盖覆盖6 6城城2022.092023.042023.082023.102023.112023.12推送无图城市推送无图城市NOANOA推送城市推送城市NOANOA（深圳）（深圳）实现全国无图高速实现全国无图高速/城快城快NOANOA实现全国无图城市实现全国无图城市NOANOA202120212022202220232023芯片：芯片：昇腾810 感知硬件感知硬件:毫米波*6;相机*13激光雷达*3-3*3*毫米波毫米波-2 2*相机相机-2 2*激光雷达激光雷达芯片：芯片：昇腾610 感知硬件感知硬件:毫米波*3;相机*11激光雷达*120242024ADS1.0ADS1.0ADS 2.0ADS 2.0ADS 3.0ADS 3.0ADS SEADS SE感知硬件感知硬件:毫米波*3;相机*10 4D 4D毫米波雷达毫米波雷达华为：无图城市华为：无图城市NOA 25wNOA 25w起起55来源：华为官网，懂车帝，中泰证券研究所注：问界M5/M7非智驾版不可选装升级高速/城市NOA，因此图中无相应车型智界S7 Max版才可选装高阶智驾包，Max 版26.98w起智界智界S7S724.9824.98-34.9834.982023.122023.122023.062023.062023.032023.032023.092023.09价格（万元）价格（万元）30303535404045455050555560602525极狐阿尔法极狐阿尔法S S 先行版先行版24.6824.68阿维塔阿维塔111129.5829.58-38.5838.58阿维塔阿维塔121226.5826.58-37.8837.88问界问界M5M5增程增程/纯电纯电 智驾版智驾版24.9824.98-27.9827.98问界问界M7M7 智驾版智驾版28.9828.98-32.9832.98问界问界M9M946.9846.98-56.9856.98极狐极狐&阿维塔阿维塔1111搭载搭载3 3颗激光雷达颗激光雷达其余车型搭载其余车型搭载1 1颗激光雷达颗激光雷达华为系车型：华为系车型：高速高速NOA NOA 18w18w起（优惠价）起（优惠价）城市城市NOA NOA 25w25w起（优惠价）起（优惠价）20242024智界智界R7R730 30 享界享界S9S945 45 2020深蓝深蓝S07S07华为智驾版华为智驾版17.9917.99-20.2920.29深蓝深蓝L07L0713.9913.99以上以上深蓝深蓝S05S051515左右左右图表图表72：华为车型矩阵：华为车型矩阵小米：全栈自研软件算法，小米：全栈自研软件算法，24年进入智驾第一梯队年进入智驾第一梯队全栈自研软件算法全栈自研软件算法，端到端感知大模型首次应用于量产车；端到端感知大模型首次应用于量产车；两套方案Xiaomi Pilot Pro和Max，Pro是纯视觉，Max是视觉 激光雷达，都搭载英伟达DRIVE Orin芯片以及全栈自研算法（采用BEV Transformer OCC），PRO版支持高快路领航辅助功能，MAX版能实现城市领航辅助驾驶。研发团队超千人研发团队超千人，2424年进入行业第一梯队；年进入行业第一梯队；小米智驾团队规模超1000人，测试车辆超200台，测试里程超1000万公里。根据规划24年将在城市NOA数量追齐行业第一梯队。图表图表73：小米智驾自研能力（根据有限公开信息整理）：小米智驾自研能力（根据有限公开信息整理）来源：小米微信公众号，中泰证券研究所（注：标红为已经实现自研的部分）56云端云端车端车端高精高精地图地图数据数据中心中心传传感感器器应用层应用层功能软件层功能软件层感知感知定位定位规划规划控制控制决策决策中间件中间件操作系统操作系统虚拟机虚拟机域控制器域控制器SoC（Orin）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件图表图表74：小米：小米SU7智驾硬件配置智驾硬件配置智能化产品智能化产品搭载车型搭载车型传感器配置传感器配置硬件（控制层面）硬件（控制层面）摄像机摄像机毫米波毫米波雷达雷达超声波超声波雷达雷达激光激光雷达雷达域控制器域控制器SoCXiaomi Pilot SU7 标准版113120-1*英伟达Orin XXiaomi Pilot SU7 MAX版113121-2*英伟达Orin X来源：懂车帝，中泰证券研究所长城：毫末智行赋能域控硬件长城：毫末智行赋能域控硬件 算法自研算法自研毫末智行赋能，软件全栈自研毫末智行赋能，软件全栈自研 高通智驾芯片高通智驾芯片。长城智驾系统Coffee Pilot依托旗下毫末智行Hpilot域控方案，实现算法全栈自研，最新芯片为高通SA8540 SA9000。图表图表7575：长城汽车长城汽车智驾自研情况智驾自研情况57云端云端车端（车端（Coffee pilot）高精高精地图地图数据数据中心中心传传感感器器应用层应用层功能软件层功能软件层感知感知定位定位规划规划控制控制决策决策中间件中间件操作系统操作系统虚拟机虚拟机域控制器（毫末域控制器（毫末Hpilot 3.0）SoC（高通方案）（高通方案）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件来源：长城官网，中泰证券研究所（注：标红为已经实现自研的部分）图表图表76：长城长城智驾自研时间线智驾自研时间线来源：长城官网，智能制造网，中泰证券研究所注：时间线以首发搭载车型上市时间为准，因此coffee pilot 2.5早于2.0软件算法软件算法2021202220232024Hpilot1.0域控EyeQ4芯片硬件硬件Coffee pilot1.0Coffee pilot1.0Coffee pilot2.5Coffee pilot2.0Hpilot2.0域控EyeQ4芯片Hpilot3.0域控高通8540 9000芯片域控制器全程自研，域控制器全程自研，芯片外采算法自研算法自研长城：高速长城：高速NOA 23wNOA 23w起，城市起，城市NOA 24Q3NOA 24Q3落地落地来源：长城汽车官网，网易汽车，中泰证券研究所注：NOA能力官方名称为NOH58图表图表78：长城智驾车型矩阵长城智驾车型矩阵图表图表7777：长城长城NOANOA进展进展部分车型具备高速部分车型具备高速NOANOA，城市城市NOANOA于于2424Q Q3 3落地：落地：长城目前三款车型具备高速NOA能力（其余部分车型具备高速HWA），价格23w起。基于毫末方案的城市NOA首搭蓝山，于2024.08推出。来源：长城汽车官网，懂车帝，中泰证券研究所20212021202220222023202320242024摩卡推送高速高速NOANOA覆盖3131万公里高速万公里高速/城快城快24Q324Q3蓝山首发城市城市NOANOA3535价格（万元）价格（万元）202025253030最新车型最新车型上市时间上市时间2022202220232023202420244040坦克坦克500500定制版定制版39.539.5新摩卡新摩卡DHTDHT-PHEVPHEV21.1821.18蓝山蓝山DHTDHT-PHEV PHEV 四驱版四驱版30.8830.88高速高速NOANOA车型车型*3 323w23w起起（摩卡（摩卡 1.7w 1.7w选装）选装）无激光雷达无激光雷达城市城市NOANOA30.88w30.88w起起蓝山智驾版蓝山智驾版30.8830.88长安：重视软硬件端底层自研，华为深度赋能智能化能力长安：重视软硬件端底层自研，华为深度赋能智能化能力图表图表7979：长安智驾自研情况：长安智驾自研情况59云端云端车端车端高精高精地图地图数据数据中心中心传传感感器器应用层应用层功能软件层功能软件层感知感知定位定位规划规划控制控制决策决策中间件中间件操作系统操作系统(RateX操作系统操作系统)虚拟机虚拟机域控制器（域控制器（UNIBrain超脑中央计算平台）超脑中央计算平台）SoC（地平线征程）（地平线征程）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件来源：长安官网，中泰证券研究所（注：标红为已经实现自研的部分）重视软硬件技术自研，重视软硬件技术自研，华为赋能共筑护城河。华为赋能共筑护城河。18年长安汽车全面推进北斗天枢智能化战略，重点布局软硬件端全域底层技术。21年起，华为前CTO韩三楚牵头自研SDA架构（涵盖软硬件的智能汽车平台），24年将正式搭载CD701车型上市，架构能力&量产速度明显领先传统自主。另外，22年长安发布诸葛智能品牌，与供应商打造智能生态。图表图表80：自研：自研 华为赋能，齐头并进打造技术护城河华为赋能，齐头并进打造技术护城河来源：懂车帝，中泰证券研究所长安：与华为合作车型长安：与华为合作车型24H2上市，有望引领平价智驾上市，有望引领平价智驾硬件端，长安与地平线保持紧密合作。硬件端，长安与地平线保持紧密合作。复盘长安车型智能化配置，2020年UNI-T采用J2，2023年底深蓝SL03i/S7i采用2*J3。华为深度赋能下，长安有望引领平价智驾（华为深度赋能下，长安有望引领平价智驾（20w20w以下车型）：以下车型）：23年8月深蓝与华为签署合作框架；23年11月长安与华为签署投资合作备忘录（聚焦智驾）；23年底阿维塔11、12的城市NOA能力全国开通；24H2深蓝与华为合作的平价智驾车型（S07 S05 L07）将陆续上市。图表图表8282：长安：长安NOANOA进展进展60来源：长安官网，中泰证券研究所202220222023202320242024深蓝SL03选配高速高速NOANOA（23年交付）深蓝深蓝&华为合作平价智驾华为合作平价智驾车型（S07 S05 L07）有望落地高速高速NOANOASL03i/S7i首发Deepal AD 1.0高速高速NOANOA覆盖40 40 万公里万公里高速/城快图表图表81：长安与地平线合作紧密：长安与地平线合作紧密来源：长安官网，深蓝官网，启源官网，懂车帝，中泰证券研究所注：传感器数量以最高配车型为参考车型车型发布时间发布时间摄像机摄像机毫米波毫米波雷达雷达超声波超声波雷达雷达激光激光雷达雷达智驾智驾域控域控智驾智驾芯片芯片UNIUNI-T T2020.0665120-地平线征程2UNIUNI-K K2021.037360-地平线征程2UNIUNI-V V2022.0355120-2*地平线征程2深蓝深蓝SL03SL032022.07105120-2*地平线征程3启源启源A05A052023.105330福瑞泰克地平线征程2深蓝深蓝S7iS7i2023.11105120-2*地平线征程3深蓝深蓝SL03iSL03i 2023.11105120-2*地平线征程3阿维塔阿维塔11/1211/12落地城市NOA吉利：三种主流智驾方案并行吉利：三种主流智驾方案并行OrinOrin为主，三种智驾方解决案并行：为主，三种智驾方解决案并行：吉利以往较多采用Mobileye&地平线平台化解决方案，近期拓展黑芝麻 Orin方案。后续高阶智驾主流为Orin芯片方案，在极氪007上已量产交付。此外吉利自动驾驶领域已投入1500亿元，后续将逐步开展自研方案。图表图表8383：吉利吉利智驾自研情况（以最新发布浩瀚智驾为例）智驾自研情况（以最新发布浩瀚智驾为例）61云端云端车端（浩瀚智驾）车端（浩瀚智驾）高精高精地图地图数据数据中心中心传传感感器器应用层应用层功能软件层功能软件层感知感知定位定位规划规划控制控制决策决策中间件中间件操作系统操作系统虚拟机虚拟机域控制器域控制器SoC（Orin）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件来源：吉利官网，中泰证券研究所（注：标红为已经实现自研的部分）注：吉利方案较多，领克08采用战略投资公司亿咖通的域控产品图表图表84：吉利智驾方案及代表车型梳理吉利智驾方案及代表车型梳理来源：吉利官网，懂车帝，中泰证券研究所注：传感器数量以最高配车型为参考方案方案代表车型代表车型 发布时间发布时间摄像机摄像机毫米波毫米波雷达雷达超声波超声波雷达雷达激光激光雷达雷达智驾智驾域控域控智驾智驾芯片芯片MobileyeMobileye 地平线地平线极氪0012021.04131120知行科技SuperVision2*Mobileye EyeQ5H博越L2022.1065120福瑞泰克 ADC20地平线征程3领克09 EM-P远航版2022.1065120福瑞泰克 ADC20地平线征程3极氪0092022.11131120知行科技SuperVision2*Mobileye EyeQ5H极星42023.11111120知行科技SuperVision2*Mobileye EyeQ5H银河E82024.01105121-极星系列2024E-亿咖通基于ChauffeurMobileye EyeQ6黑芝麻黑芝麻领克082023.09105120亿咖通天穹 Pro2*华山二号A1000英伟达英伟达OrinOrin极氪0072023.12129121-2*英伟达 Orin X吉利：吉利：24H2上线城市上线城市NOA新车基本配置高速新车基本配置高速NOANOA，2424年城市年城市NOANOA有望落地：有望落地：目前吉利旗下极氪、银河等品牌新车大多具备高速NOA能力，其中截至2024.06，极氪高速NOA已覆盖169城。2024年预计极氪和银河将陆续落地城市NOA。图表图表8585：吉利吉利NOANOA进展进展62来源：吉利官网，中泰证券研究所图表图表86：吉利吉利NOA车型梳理车型梳理来源：吉利官网，懂车帝，中泰证券研究所注：吉利目前无城市NOA车型，同品牌相同智驾能力下仅展示价位更低车型2525价格（万元）价格（万元）101015152020最新车型最新车型上市时间上市时间2022202220232023202420243030领克领克050517.3817.38-23.6823.68高速高速NOANOA车型车型 17.5w17.5w起起搭载激光雷达搭载激光雷达22w22w起起极氪极氪00700720.9920.99-29.9929.99202220222023202320242024领克09 EM-P远航版推送高速NOA预计24年内极氪/银河城市城市NOANOA上线上线极氪001/009在两城推送高速NOA极氪高速高速NOANOA覆盖覆盖2222城城银河银河E8E8智驾版智驾版21.8821.882024.06极氪高速高速NOANOA覆盖覆盖169169城城比亚迪：目前加速补齐智驾能力，各价格带密集铺开比亚迪：目前加速补齐智驾能力，各价格带密集铺开当前公司逐步发力智驾研发，未来当前公司逐步发力智驾研发，未来2-3年内在年内在15万车型全面标配自研自产自销智驾系统；万车型全面标配自研自产自销智驾系统；公司当前有4000多位工程师参与智驾研发（覆盖软件、算法、芯片、智驾方案等）并预计投入1000亿元；目标是在在未来2年至3年内在15万元左右甚至15万以下的车型中全面实现标配比亚迪自研自产自销的智驾系统，形成“平价智驾”走量基础。自研智驾系统功能将覆盖高阶到低阶；自研智驾系统功能将覆盖高阶到低阶；2024年1月16日的比亚迪梦想日上，公司发布全新DiPilot智驾平台并整合智驾功能命名，DiPilot 智能驾驶系统将重新命名各个版本：L2 级：DiPilot 10、DiPilot 30；L2 高阶智驾“天神之眼”：DiPilot 100、DiPilot 300、DiPilot 600；后续：DiPilot 1000、DiPilot2000。图表图表87：比亚迪智驾自研能力：比亚迪智驾自研能力来源：腾势N7发布会，梦想日发布会，中泰证券研究所（注：标红为已经实现自研的部分）63云端云端车端车端高精高精地图地图数据数据中心中心传传感感器器应用层应用层功能软件层功能软件层感知感知定位定位规划规划控制控制决策决策中间件中间件操作系统操作系统虚拟机虚拟机域控制器域控制器SoC（英伟达（英伟达/地平线）地平线）I/ORAM/ROM应用应用程序程序功能功能软件软件系统系统软件软件硬件硬件软件软件图表图表88：比亚迪：比亚迪NOA能力能力M1腾势N7开始OTA推送高速高速NOANOAQ1仰望U8推送高速高速NOANOA及近距泊车近距泊车腾势N7推送城市城市NOANOA20242024Q2仰望U8推送智能限速智能限速及车道居中辅助车道居中辅助腾势N7推送近距泊车近距泊车Q3仰望U8推送城市城市NOANOA来源：梦想日发布会，中泰证券研究所目目 录录64前言：整车研究框架视角下核心能力动态变化-智能化权重快速提升一、复盘电动化：核心在主价格带的有效产品供给，当前边际减弱本质是电动化核心能力在供应链且车端体验差异小二、推演智能化：24年是元年且投资会迁移到整车，平价智驾放量提供差异化有效产品供给新逻辑三、智驾方案阵营：技术路径演进以及各主机厂方案梳理四、风险提示四、风险提示65风险提示风险提示1.1.整车智能驾驶技术整车智能驾驶技术（如芯片如芯片、纯视觉纯视觉、端到端等端到端等）进度不及预期：进度不及预期：智能驾驶技术难度高，尤其是硬件端的芯片自研，以及软件端的端到端方案还需基于数据和算力的持续迭代，有很多技术瓶颈有待突破。2.2.智能驾驶驾驶相关政策法规推进不及预期：智能驾驶驾驶相关政策法规推进不及预期：智能驾驶涉及行车安全，应受到法规的监管约束。目前对高阶智能驾驶商业化落地相关配套的政策法规还不完善。3.3.出现安全事故引发舆情减缓行业发展：出现安全事故引发舆情减缓行业发展：随着具备辅助驾驶功能车辆越来越被消费者接受，智能驾驶相关事故也在增加，存在因发生严重安全事故导致舆论负面评价及监管趋严，进而减缓高阶智能驾驶落地的风险。4.4.供应链芯片短缺或受限制带来的风险：供应链芯片短缺或受限制带来的风险：汽车智能化意味着更多的芯片用量，存在上下游供需错配导致芯片供应出现短缺的风险。5.5.数据更新不及时的风险数据更新不及时的风险。66重要声明重要声明中泰证券股份有限公司中泰证券股份有限公司（以下简称以下简称“本公司本公司”）具有中国证券监督管理委员会许可的证券投资咨询业务资格具有中国证券监督管理委员会许可的证券投资咨询业务资格。本公司不会因接收人收到本报告而视其为客户本公司不会因接收人收到本报告而视其为客户。本报告基于本公司及其研究人员认为可信的公开资料或实地调研资料，反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响。本公司力求但不保证这些信息的准确性和完整性，且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，可能会随时调整。本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本报告所载的资料、工具、意见、信息及推测只提供给客户作参考之用，不构成任何投资、法律、会计或税务的最终操作建议，本公司不就报告中的内容对最终操作建议做出任何担保。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。市场有风险，投资需谨慎。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。投资者应注意，在法律允许的情况下，本公司及其本公司的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。本公司及其本公司的关联机构或个人可能在本报告公开发布之前已经使用或了解其中的信息。本报告版权归“中泰证券股份有限公司”所有。事先未经本公司书面授权，任何机构和个人，不得对本报告进行任何形式的翻版、发布、复制、转载、刊登、篡改，且不得对本报告进行有悖原意的删节或修改。

2024-08-12 66页 5星级

智联汽车行业系列深度之35：从RoboTaxi看中美智能驾驶机会-240807（57页）.pdf

证 券 研 究 报 告从RoboTaxi看中美智能驾驶机会智联汽车系列深度之35证券分析师：洪依真 A0230519060003 戴文杰 A0230522100006 刘菁菁 A0230522080003 杨海晏 A0230518070003林起贤 A0230519060002 赵航 A0230522100002 樊夏沛 A0230523080004黄忠煌 A0230519110001 施鑫展 A0230519080002 刘洋 A0230513050006联系人：洪依真 A02305190600032024.8.72核心观点：核心观点：特斯拉FSD1.0到3.0是“第一性原理”的集中体现，伴随着成本不断下降特斯拉1.0：通过实施生成的鸟瞰图BEV替代高精度地图作用，约2019年，无图NOA的基础；特斯拉2.0：通过占用网络预测物体在空间中位置，替代激光雷达，约2021年，纯视觉NOA的基础；特斯拉3.0：通过端到端大模型，取代传统智能驾驶路线；感知、制图、预测决策、规划基础模型、规划，约2023年后，有效解决规则范式下长尾问题的基础。技术路线差异，导致特斯拉Robotaxi和国内L4运营模式有较大区别技术路线较大差异。国内L4以萝卜快跑为例，使用高精度地图 冗余传感器结合，配备6-7颗激光雷达，规则化训练，高算力主冗双计算单元1200Tops；特斯拉FSD方案：无高精度地图，无激光雷达，端到端，720Tops；特斯拉Robotaxi：商业模式可能类似软件服务，约75%运营毛利率，30IDTA率，全球化市场；萝卜快跑：商业模式类似出租车运营公司，根据正文假设，当单车价值量低于20万元，安全员人车比降低至1：7，单公里收费提升至2元/公里后，可以实现单车运营盈利。国内乘用车智能驾驶，技术迭代较快，已基标配BEVformer实现无图NOA，正向端到端时代演进无图NOA：已有充分技术基础，预计2024H2上车可开。1）理想7月5日开始推送，最终24万名AD Max用户都能使用无图NOA能力；2）小鹏24H2逐渐推送，XNGP城区智能驾驶系统迈入100%无图导航时代，服务场景将包括小路、内部路、停车场等；3）小米Q3推送，智能驾驶城市领航功能采用轻地图方案。端到端：各主机厂积极布局，预计2025年开始有上车进展。1）华为乾崑ADS3.0：GOD和PDP两个网络，实现感知和决策端到端；2）长城7月魏牌蓝山首发量产国内第一个端到端，使用德赛西威域控 元戎算法；3）理想、小鹏、蔚来等也有端到端迭代。风险提示：智驾接受度不及预期、技术发展不确定性、安全性问题有待解决、法律法规尚未完善。fY8XaYdX8X8XaYdXaQcM6MtRnNoMqMkPrRvNjMoOuMbRqQvMvPtRmRNZrNpO3标的小结（申万智联汽车）标的小结（申万智联汽车）正常的Robo-Taxi长期有较大刺激，短期差3-4个数量级优势：2018-2023年L2 ，尤其NOA和大模型是Robo-Taxi基础劣势：数量级差距较大 Robotaxi和智能驾驶投资方向选择出现差异 国内Robotaxi三方向1）传感器冗余带来激光雷达、P-box、连接器等机会：华测导航、永新光学、电连技术；2）车路云相关数据在重视安全的Robotaxi中大量应用：金溢科技、万集科技、千方科技；3）Robotaxi运营：百度、大众交通、锦江在线；更长期利好的是ADAS AI方向海外：特斯拉，汽车：小鹏（与特斯拉相同技术路线）、通信：华测导航、永新光学、电连技术计算机：德赛西威，虹软科技（ADAS纯软）电子：世运电路、东山精密、宸展光电、立讯精密、蓝思科技 间接利好的是汽车零部件汽车零部件：拓普集团、新泉股份、科博达、经纬恒润主要内容主要内容1.技术：特斯拉如何逐步实现端到端2.模式：中美两种RoboTaxi的差异3.变化：国内智能驾驶技术进展4.推荐：后续机会和重点标的51.1 1.1 传统智能驾驶：感知、规划传统智能驾驶：感知、规划Timing Data这么走是正确的吗Occupancy我周围有什么？如何分布Auto Labelling数据标注Simulation仿真模拟Data Engine数据引擎Training Infra拿什么运算AI Compiler&Inference如何在计算机上运行神经网络规划数据感知硬件平台软硬耦合Planning我该怎么走Neural Networks为什么要这么走Lanes&Objects周围的物体下一步去哪里自动驾驶的经典框架感知（Perception）感知系统负责理解车辆周围的环境。包括车辆、行人、交通信号、道路标志等。将收集到的原始数据转换成有用的信息，比如物体的类型、大小、距离等。规划（Planning）确定车辆的行动路线和行为。解决路径规划、速度控制、避障等问题。自动驾驶系统数据处理流水线由场景理解、规划和决策任务组成资料来源：马达智数官网，申万宏源研究需要预测其他车辆和行人的行为，并据此调整车辆的行驶路径和速度。资料来源：申万宏源研究61.1 1.1 传统传统SLAM DLSLAM DL方式的缺陷方式的缺陷传统方式：SLAM DL，一般分为定位（Localization） 地图构建（Mapping）两个步骤SLAM（Simultaneous Localization and Mapping，同步定位与地图构建）、深度学习（DL）定位：通过车载传感器（如摄像头、激光雷达、IMU等）收集周围环境的信息实现定位。作图：在车辆移动的过程中不断收集和处理传感器数据，构建出环境的地图，可以是二维的或三维的，包含道路、障碍物等。缺陷：多传感器消耗大量算力，且往往依赖高精度地图，实时性不足计算资源消耗大：需要处理大量传感器数据。传感器依赖：对高精度传感器如激光雷达的依赖较大，增加了成本。环境适应性：在动态变化或复杂环境中，可能面临定位和地图构建的挑战。基本上无法摆脱高精度地图的依赖性。高精度地图问题：资质、鲜度、成本Images data（图像数据）Lidar/Radar data（激光雷达/雷达数据）Image Perception module（图像感知模块）2D observation（二维观测）Lidar/Radar Perception module（激光雷达/雷达感知模块）3D observation（三维观测）3D Tracks（三维空间追踪）Perception（感知）HD Map（高精度地图）Localization（定位）Sensor Fusion（传感器融合技术）Planning&Control(PnC)（规划与融合控制）传统自动驾驶技术SLAM DL资料来源：申万宏源研究71.2 1.2 特斯拉特斯拉AIAI算法算法1.01.0：BEVformerBEVformer检测-激光雷达检测-毫米波雷达检测-摄像头数据融合形成实时的BEVformer预测&决策算法控制执行检测跟踪预测特斯拉1.0通过实施生成的鸟瞰图BEV替代高精度地图作用约2019年无图NOA的基础原始数据Raw data原始数据Raw data原始数据Raw data检测-激光雷达检测-毫米波雷达检测-摄像头雷达感知算法毫米波雷达感知算法摄像头感知算法原始数据Raw data原始数据Raw data原始数据Raw data识别结果1识别结果2识别结果3融合算法预测&决策算法控制执行检测-激光雷达检测-毫米波雷达检测-摄像头融合算法原始数据Raw data原始数据Raw data原始数据Raw data数据融合预测&决策算法控制执行检测跟踪预测L1-L2时代，大约2018年以前后融合ADAS算法L2 L3时代多种传感器崛起ADAS域控制器崛起前融合ADAS算法传感器感知算法高精度地图高精度地图资料来源：申万宏源研究81.21.2 BEVformerBEVformer对感知算法的优化对感知算法的优化BEVformer：基于Transformer的自动驾驶BEV纯视觉感知传统驾驶算法下，时序信息很难与已有3D目标检测融合1）网格状的BEV查询：通过注意力机制灵活地融合空间和时间特征；2）空间交叉注意力模块：用于聚合来自多视角摄像头的空间特征；3）时间自注意力模块：用于从历史BEV特征中提取时间信息，有助于移动物体的速度估计和严重遮挡物体的检测。BEV的通俗理解：把不同视角的观察合成一个“天眼模式”整体图，了解全局BEVFormer的两大核心任务：mutil-camera（多视角相机）和 bird-eye-view（鸟瞰图）BEVBEVFormer利用了Transformer的特征提取能力以及Timestamp结构的时序特征的查询映射能力，在时间维度和空间维度对两个模态的特征信息进行聚合，增强整体感知系统的检测效果。资料来源：nullmax（纽劢科技），BEVFormer:Learning Birds-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers（中文可翻译为通过时空变换器，从多摄像机图像中学习鸟瞰图表示），申万宏源研究使用Transformer进行BEV数据融合相比CNN更加便捷BEVFormer 在目标检测和地图分割的视觉结果BEV-CNNBEV-Transformer9资料来源：nullmax（纽劢科技），BEVFormer:Learning Birds-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers（中文可翻译为通过时空变换器，从多摄像机图像中学习鸟瞰图表示），申万宏源研究2D到3D BEV层的转化，包括两维特征提取/视角转化/三维解码雷达是点云数据，上半部分点云到三维（提高精度），下半部分把BEV转化到两维（提高效率）传统融合与BEV融合1.21.2 BEVformerBEVformer对感知算法的优化对感知算法的优化BEVFormer如何摆脱高精度地图限制？多视角摄像头输入 时空特征融合 端到端的感知任务支持除了不需要高精度地图之外，BEVFormer的优势高效的特征聚合：通过空间交叉注意力和时间自注意力机制，高效地聚合来自多视角摄像头的时空特征，生成统一的BEV特征。多任务支持：可以支持多种自动驾驶感知任务，如3D物体检测和地图分割，提供了一种更加灵活的感知解决方案。但使用BEVformer仍无法完全摆脱激光雷达基于视觉的方法在效果和效率上仍与基于激光雷达的方法存在特定差距。从2D信息精确推断3D位置仍然需要激光雷达101.3 1.3 特斯拉特斯拉AIAI算法算法2.02.0：占用网络：占用网络检测-摄像头形成实时的BEVformer预测&决策算法控制执行检测跟踪预测特斯拉2.0通过占用网络预测物体在空间中位置，替代激光雷达约2021年。纯视觉NOA的基础占用网络算法occupancy networks特斯拉的占用网络Occupancy Networks资料来源：特斯拉CVPR，申万宏源研究111.3 1.3 占用网络：占用网络：2D BEV2D BEV变为变为3D BEV3D BEVOccupancy Network的通俗理解：2D BEV，变为3D BEV。增加运动序列预测。2022 CVPR中，Tesla FSD负责人 Ashok Elluswamy 推出了Occupancy Network。借鉴了机器人领域常用的思想。并未推翻BEVformer，而是对BEV 在高度方向进行了进一步的扩展将世界划分为一系列网格单元，然后定义哪个单元被占用，哪个单元是空闲的(考虑速度、预测轨迹等）。优势有哪些？泛化，2D变3D,像素变体素2D BEV栅格变成3D栅格，高度方向又增加了一个维度变成了3D栅格；借鉴了NeRF(输出3D栅格特征和栅格流，增加语义输出和速度信息，可以变分辨率聚焦）；位置信息之前用激光雷达，现在视觉；体现了泛化，可以检测出之前未知物资料来源：Tesla AI day（特斯拉AI日），申万宏源研究2D和3D BEV的区别8个摄像头信息得到的3D占用网络信息121.3 1.3 占用网络：占用网络：NeRFsNeRFs怎么用纯视觉得到三维信息怎么用纯视觉得到三维信息NeRF，即Neural Radiance Fields（神经辐射场)。其通俗理解：给予海量不同视角的二维图，合成同一场景不同视角下的图像。还可以通俗理解为X-Y-Z到三维极坐标的转化，第三视角到第一视角的转化。NeRF可以从多个视角的图像中重建出连续的3D场景表示，这为占用网络提供了一个高精度的参考模型。通过比较占用网络生成的3D占用体积与NeRF重建的3D场景，可以验证和校正占用网络的输出。这些 NeRF 是如何使用的？由于Occupancy network产生 3D volume，可以将这些 3D volume与 3D-reconstruction volume（Nerf离线训练得到）进行比较，从而比较预测的 3D 场景是否与“地图”匹配（NeRF 产生 3D重建）。在这些重建过程中也可能出现问题是图像模糊、雨、雾等，为了解决这个问题，他们使用车队平均（每次车辆看到场景，它都会更新全局 3D 重建场景）和描述符而不是纯像素。资料来源：Tesla AI day（特斯拉AI日），申万宏源研究特斯拉的NeRFs3D 车队平均信息流可以更好的描述场景131.4 1.4 特斯拉特斯拉AIAI算法算法3.03.0：端到端：端到端检测跟踪Tracking映射地图Mapping运动预测Motion占用预测Occupancy路径规划（含防碰撞）Planner控制执行尝试视觉 4D成像为主的传感器特斯拉3.0通过端到端大模型，取代传统智能驾驶路线感知、制图、预测决策、规划基础模型、规划2023年后有效解决规则范式下长尾问题的基础智能驾驶传统路线智能驾驶端到端BSDDVRE-mirroRVCAVML0AEBLKA/LCCACCFCMAPAL1SupercruiseHPATJAHWAL2AVPDMSHWPTJPL3Cornering case目标检测目标跟踪场景建图轨迹预测栅格预测路径规划。FSD base model资料来源：Planning-oriented Autonomous Driving（以路径规划为导向的自动驾驶），申万宏源研究端到端的智能驾驶方案路径图141.4 1.4 从从AIAI感知，到端到端（感知感知，到端到端（感知 预测预测 规划规划 控制）控制）感知、决策、完整端到端的区别BEV感知BEV感知BEVFeatureRule-basedPlannerAI PlannerPlanningFormer生成式端到端大模型人为定义换口隐式表达特征感知“端到端”（现有架构）决策规划模型化模块化端到端One Model 端到端（生成式大模型）人为定义换口特斯拉FSD v12第一次实现从感知到规划的完全端到端BEV（感知端到端） 规则化的决策算法，是目前大部分国内厂商架构；部分开始把决策智能化，实现模块化（或两步式）端到端；这样有更强的可解释性。UniAD和特斯拉V12最大的影响在于，他们证明了端到端是有效的、可行的将代码量从30万行降低到了2000行，每周更新“第一性原理”：马斯克认为既然人类是通过眼睛观察来驾驶汽车的，那么摄像头作为最接近人类眼睛的传感器，其视觉能力也能够超越雷达融合方案资料来源：申万宏源研究151.4 1.4 从从AIAI感知，到端到端（感知感知，到端到端（感知 预测预测 规划规划 控制）：控制）：UniADUniAD自动驾驶大模型尝试多种子任务（目标检测、目标跟踪、场景建图、轨迹预测、栅格预测和路径规划）整合到统一的端到端网络框架资料来源：Planning-oriented Autonomous Driving（以路径规划为导向的自动驾驶），申万宏源研究UniAD以规划为导向，执行五项重要的驾驶任务以促进规划此前大部分方案，针对不同的任务部署单独的模型，多任务学习方案共享骨干网络，端到端范式将感知和预测模块结合在一起。先前的尝试要么对规划进行直接优化，要么设计带有部分组件的系统。利用联合优化从前面的节点到最终规划。所有感知和预测模块都在transformer解码器结构中设计，任务查询作为连接每个节点的接口。一个简单的基于注意力的规划器可以考虑从先前节点提取的知识来预测自车的未来路线。在正确的融合方式下，所有的任务对最终的驾驶性能都是有收益的。首次将检测、跟踪、建图、轨迹预测，占据栅格预测以及规划整合到一个基于 Transformer的端到端网络框架下161）在Backbone环节特征提取，其中涉及BEV和多模态等大模型技术。将一系列多相机图像输入特征提取器，并将生成的特征通过 BEVFormer 中的现成 BEV 编码器转换为统一鸟瞰图(BEV)特征。2）在感知环节目标检测与跟踪模块可以实现对动态元素的特征提取、帧间物体跟踪。MapFormer 将map queries作为道路元素（例，车道和分隔线）的语义抽象(semantic abstractions)，并对地图进行全景分割。3）预测模块，实现动静态元素交互与长时序轨迹预测，而且已经有“联合训练AI”。由于每个单元的动作都会显着影响场景中的其他，因此该模块对所有考虑的单元进行联合预测。4）在规划模块，基于轨迹预测，做防碰撞，其中涉及占用网络（Occupancy network）等大模型技术。基于自身的轨迹预测和基于占据栅格的碰撞优化并使自己远离 OccFormer 预测的占用区域(occupied regions)以避免碰撞。UniAD的联合训练重，每个环节都可以为最后决策做出正向贡献Planning-oriented Autonomous Driving（以路径规划为导向的自动驾驶），申万宏源研究1.4 1.4 从从AIAI感知，到端到端（感知感知，到端到端（感知 预测预测 规划规划 控制）：控制）：UniADUniAD主要内容主要内容1.技术：特斯拉如何逐步实现端到端2.模式：中美两种RoboTaxi的差异3.变化：国内智能驾驶技术进展4.推荐：后续机会和重点标的182.1 Tesla2.1 Tesla：HW4.0HW4.0，算力，算力5 5倍，支撑倍，支撑AIAI2024特斯拉重大升级的HW4.0，对照前一版本，进步在算力/传感/互联/定位/集成度等HW3.0HW4.0外观更厚更大，对称设计，双备份成像2D3D传感器新增4D毫米波雷达GPS双频GPS，NEO-M8L-01A-81三频GPS,新增L5频率定位精度5米30厘米互联接口数量1个以太网2个以太网摄像头接口数量911到12前视三目 舱内监控1 侧后视2 侧前视2 后视1前视双目 舱内1 侧后视2 前保险杠3（侧前视 前视） 后保险杠3（侧后视 后视）像素（万）120500最大探测距离250约420芯片自研自研芯片数量双FSD双FSD算力144TOPS720TOPS（5倍）工艺预计三星14nm预计三星7nmCPU内存8G LPDDR416G GDDR6CPU内核12Cortex-A7220CPU最大频率2.2GHz2.35GHz,平时1.37GHzNPU2个，2GHz3个，2.2GHzCPU/APU GPU/NPU两个PCB板一个PCB板，集成度高资料来源：Tesla官网，英伟达官网，申万宏源研究资料来源：Teslarati，wccftech，申万宏源研究特斯拉24Q1业绩说明提供的FSD历程数（单位：10亿英里）特斯拉24Q1业绩说明提供的AI训练能力曲线（单位是H100等效GPU）192.1 Tesla2.1 Tesla：近期表现与：近期表现与RoboTaxiRoboTaxi有关有关表：三种不同情况下，RoboTaxi业务对特斯拉未来价值的拉动（单位：亿美元，美元，%）TSLA.O牛市情形中性情形保守情形2029E2029E2029ERoboTaxi功能汽车预测（万）340023001200假设特斯拉市占率25%Tesla RoboTaxi汽车数量（万）850575300单车公里数（万英里）101010单英里价格（美元）111单英里成本（美元）0.250.250.25RoboTaxi业务收入空间（亿美元）850057503000RoboTaxi毛利率75uuITDA率30.00.00ITDA（亿美元）25501725900EV/EDITDA目标倍数202020对应市值增量（亿美元）510003450018000折现率10%折现后2024市值增量（亿美元）316672142211177资料来源：特斯拉官网，申万宏源研究202.2 Robo2.2 Robo-TaxiTaxi中国：两个路线比较中国：两个路线比较检测-激光雷达检测-毫米波雷达检测-摄像头融合算法数据融合预测&决策算法控制执行检测跟踪预测L2 L3时代多种传感器崛起ADAS域控制器崛起前融合ADAS算法感知算法高精度地图高精度地图检测跟踪Tracking映射地图Mapping运动预测Motion占用预测Occupancy路径规划（含防碰撞）Planner控制执行尝试视觉 4D成像为主的传感器特斯拉3.0通过端到端大模型，取代传统智能驾驶路线感知、制图、预测决策、规划基础模型、规划2023年后有效解决规则范式下长尾问题的基础特斯拉FSD与萝卜快跑技术路线比较对比维度特斯拉FSD萝卜快跑发展阶段已经进入3.0阶段的领跑者高精度地图 传感器结合感知路线纯视觉感知，3D占据栅格网络视觉 LIDAR等多模态融合感知，配备激光雷达地图路线BEVformer实时生成鸟瞰图，无需外部高精度地图需要高精度地图支持算法路线端到端，一个模型覆盖所有形式场景规则化训练，针对不同场景给出不同规则，长尾场景需要单独训练数据体系建立数据闭环成本控制依靠量产车数据回传和自动标注车端硬件平台HW4.0，720TOPS，是HW3.0的5倍基于transformer优化颐驰06，高算力主冗双计算单元，算力1200Tops需要支持多传感器数据资料来源：腾讯新闻，EDN电子技术设计，申万宏源研究资料来源：Teslarati，wccftech，申万宏源研究212.2 Robo2.2 Robo-TaxiTaxi中国：来龙去脉中国：来龙去脉对技术发展的乐观和不断的追求，贯穿了过去10年的无人驾驶产业从谷歌开发出的形状酷似甲壳虫的无人驾驶汽车“Firefly”是在2014年推出的至今，无人驾驶产业已经经历了10年发展。其中有2条重要的故事线1）2016年底谷歌将Waymo独立，开始无人运营测试；2019年初Waymo在凤凰城正式商业应用，无人驾驶商业落地首个高潮来临。23年宣布将对 Waymo One 出行服务收取费用，24年向所有旧金山用户开放无人驾驶出租车服务。2）2016年Elon在宏伟规划第二部分中首次提出了Robotaxi的概念，22年其宣布公司将开发一款外形颇具未来感的专用Robotaxi汽车。2024年Elon反复提及将在年内发布Robotaxi的技术，并对公司估值有极强的支撑。而在中国，2018年行业高峰，但是后续转型L2.5 谋生存无人驾驶的高峰期也在2018年首次进入高潮。当时众多AI公司、互联网企业纷纷加入这一战场，应用场景也是百花齐放。包括百度、地平线、Momenta、元戎启行等，布局L4。但后续大量L4陆续转型L2.5/ADAS，谋求实际上车，实现企业存续。现在L2.5与L3铺垫了Robo-Taxi现在L2.5的铺垫，也极大丰富了当下中国高阶ADAS的供给能力，即Robo-Taxi的基础222.2 Robo2.2 Robo-TaxiTaxi中国：本次机会和优劣中国：本次机会和优劣 确定性：这次趋势的确定性更高，落地可能性更大现在智联汽车、软硬一体化，已经是中国禀赋领域中观层面，新的投资和产业发展方面也是我们继续寻找的，类似此前大规模试点的V2X试点从产业本身看，技术成熟度也远高于5-6年前的水平，具备推广的硬件和技术条件 新成长：在经历了一轮寒冬后，新成长更有机会，但国内还差3-4数量级优势：L2 有很多铺垫技术和生态。2018-2022年，也间接孕育出了此刻中国优秀的L2 的软硬件能力，尤其城市级NOA。众多优秀的主机厂从L2起步，已经逐步具备了全国城市NOA的能力，他们在泛化能力上看显然更强。劣势：需要补强L4框架下的安全性（似乎理想的两个系统可以较好解决）。需要补足的是在L4框架下的安全性，这一点连Tesla或许也无法绕过。劣势：萝卜快跑的数据离商用还差3-4个数量级，如果渗透率达到5%-10%是重要趋势（例如上海滴滴日均100万单，武汉滴滴日均40万单，武汉萝卜快跑每日20单。萝卜快跑全国每天1万单，滴滴全国每天3000万单）产业链：带动NOA ADAS萝卜出圈，消费者对自动驾驶的接受度或将扩展到量产车型的城市NOA上这或许才是短期我们最可能见到的一幕，通过萝卜的出圈，越来越多的消费者开始认知并接受头部OEM的城市NOA方案。这将大幅度加速车企在智能化能力认知度上的分化，优秀的方案获得更多的热度，进而影响品牌知名度232.3 2.3 目前国内无人驾驶车已实现商业化主要企业情况目前国内无人驾驶车已实现商业化主要企业情况目前国内无人驾驶车已实现商业化主要企业情况公司商业模式创立时间创立团队代表产品投放城市投放数量运营里程百度Apollo1)技术服务：智驾解决方案2)造车（集度汽车）3)运人：出租、巴士2015年开始大规模投入；2017推出Apollo平台百度萝卜快跑（第六代无人车）；Apollo ADFM（全球首个支持L4级自动驾驶的大模型）北京、武汉、重庆、深圳、上海开展全无人自动驾驶出行服务测试，11个城市开放载人测试运营服务武汉400辆，其他城市未记录武汉每天10万公里23年武汉总服务量超500万单，武汉全无人驾驶订单比例达45%小马智行(Pony.ai)1）技术服务：提供全栈式自动驾驶技术（软件）2）运人：Robotaxi3）运货：Robotruck小马智卡2016年百度系前百度北美研发主任架构师彭军（Stanford PhD）和中国编程“楼教主”楼天城联合创立，二人分别担任小马智行的CEO和CTO小马智行Robotaxi；北京、广州已商业化Robotaxi服务，上海、深圳已提供Robotaxi服务预计千台规模（4月25日）累积3200万公里自动驾驶里程（截止2024年4月）安途(AutoX)1）运人：Robotaxi；2）卖技术服务2016年学术圈Princeton 小AP 肖健雄所组成的MIT、Stanford顶级团队第五代全无人驾驶系统AutoX Gen5，可以用高德打车APP叫到Autox的Robotaxi硅谷、深圳、上海、武汉2022年超1000台，是当时中国乃至全球最大规模的全无人驾驶RoboTaxi车队文远知行(WeRide)1）运人：Robotaxi、Robobus2）提供物流服务和合作：Robovan（无人驾驶运货车）3）环卫商业项目：自动驾驶环卫车4）提供高阶智能驾驶解决方案WePilot2017年百度系韩旭（Tony Han），2007 UIUC CS PhD，曾任百度自动驾驶事业部首席科学家2020年6月，文远知行Robotaxi服务上线高德打车平台广州、南京、博鳌、大连、北京、无锡、鄂尔多斯（robotaxi已开始运营）超 1500 万公里的公开道路自动驾驶里程（截止2022年底）资料来源：各公司官网，三个皮匠报告，腾讯新闻，知乎，搜狐，澎湃，中国证券网，未来智库，汽车产经网，申万宏源研究242.4 Robo2.4 Robo-TaxiTaxi中国：中国：UEUE测算及延伸探讨测算及延伸探讨资料来源：申万宏源研究萝卜快跑当前盈利能力与传统快车对比萝卜第五代（当前）第六代第七代快车（油）快车（电）备注一次性（万元）单车成本4820187.512.5年度费用司机成本7.27.2司机月均收入6K单人负责的robotaxi数量135（万元）远程运维8.42.81.68人员（地测、安全员、地勤、后台）月收入7K，当前人员和运营车辆比例1:1，假设到第六代1:3，第七代1:5（地测人员陆续推出，地勤增加覆盖范围）单车折旧8.03.33.01.32.1假设运营年限6年运营数据假设运营时长(h)1414141010日接单数2020202020里程（km/单）8881010收费（元/公里）1.51.822.42.4初期补贴较多（政府 平台），后期定价逐步市场化油费（元/公里）0.7电费（元/公里）0.30.30.30.3每日行驶距离（公里）300300300300300能源成本（元/天)90909021090人工成本（元/天)2307746197197折旧 维保（元/天)2551271187093假设单车平均维保费用1.3W/年总成本（元/天）575294254477380收入（元/天)240288320480480日盈利（元/天）-335-6663100日运营现金流（元/天）-1168614837157252.4 Robo2.4 Robo-TaxiTaxi中国：利润率敏感性分析中国：利润率敏感性分析 预计第七代无人驾驶出租车的车辆成本可能低于20万元，有望在2-3年内出现。单人员负责运营数量达到1:3后，利润率有望转正；若单车成本控制在20W，人效达到1:7之后，robotaxi净利润率有望达到22%。资料来源：申万宏源研究robotaxil利润率敏感性分析单人员负责的robotaxi数量车辆成本/万元21 25303540455055601-40%-47%-54%-61%-68%-75%-83%-90%-978%1%-6%-13%-20%-27%-35%-42%-49Q8%4%-4%-11%-18%-25%-32%-39r2%8%1%-7%-14%-21%-28%-354%3%-4%-11%-19%-26%-3326%4%-3%-10%-17%-24%-31%主要内容主要内容1.技术：特斯拉如何逐步实现端到端2.模式：中美两种RoboTaxi的差异3.变化：国内智能驾驶技术进展4.推荐：后续机会和重点标的273.1 3.1 智联汽车是多要素的乘积，汽车景气度仅为其一智联汽车是多要素的乘积，汽车景气度仅为其一智联汽车的发展有四要素乘用车销量是其中之一电子化智能化的变革先3-5域控制器再多域合并1.动力域（安全）3.座舱域/4.自动驾驶域智能信息域（娱乐信息）（辅助驾驶）5.车身域（车身电子）、2.底盘域（车辆运动）智联汽车营业收入=乘用车销量 产品渗透率 产品单价 公司市占率车市景气起点：0%-5%加速：10%-50%相对饱和：50%-80%L2座舱：4KL3 座舱 ADAS 大屏：20K配套新车系2020-2022H1景气2022H2景气相对平淡自主 合资 新势力高端BBA智联汽车成长要素资料来源：申万宏源研究智联汽车电子化智能化的变革3.1 2024H2 ADAS ASP3.1 2024H2 ADAS ASP的新变化？的新变化？2350元（典型）ADAS系统成本L14950元(典型）L21.7万元L33.0万元L4？L5表：ADAS系统在各级别智能汽车中的总价格测算-2024E（价格单位：元 数量单位：个）产品单价L1L2L3L4L5德 赛 西 威 布局的产品传感器环视摄像头20044115？前视摄像头3001111？超声波雷达5012121212？24GHz毫米波雷达4000240？77GHz毫米波雷达10000111？激光雷达110000未来按照35000013？惯 性 导 航IMU501111？计算自 动 驾 驶 中央域控制器1000000111地图高精地图1000软件算法四 周 环 视 系统200（控制器）并线辅助200车 道 偏 离 预警系统200主 动 刹 车 系统200巡航系统200自 动 泊 车 入位200车 道 保 持 辅助系统200高级算法高 速 公 路 自动驾驶？城 市 道 路 自动驾驶？完 全 自 动 驾驶？成本合计235049501700030000?L1:硬件1100L2:硬件2900L3:硬件2代表车系传祺GA6/GA8、捷途X70特 斯 拉、凯迪拉克CT6、吉利缤瑞奥迪A8百 度 阿 波 罗MiniBus-自动接驳小巴未出现13700资料来源：百度Apollo官网，申万宏源研究自然年降规格升级域控制器包含价格压力减配激光 毫米波融合不利于泛化人机互动端到端自动驾驶293.2 3.2 无图无图NOANOA：已有充分技术基础，预计：已有充分技术基础，预计2024H22024H2上车可开上车可开理想7月5日已经开始全量推送（全国可开）2024年7月5日宣布：7月开始，向AD Max用户推送“全国都能开”的无图NOA，最终24万名AD Max用户都能使用此前，今年5月推送首批千名体验用户。6月体验用户万人以上，积累百万公里无图NOA行驶里程无图NOA采用BEV视觉模型融合导航匹配算法，实时感知变化路沿、路面箭头标识、路口特征，将车道结构和导航特征融合，解决复杂路口难以结构化问题。小米Q3推送（主要城市可开）小米智能驾驶城市领航功能采用轻地图方案，在部分复杂场景，会结合先验信息来优化该功能的表现，其余场景可通过车端实时感知和规划来完成。小鹏7月内推送（全国可开）2024年5月14日，XNGP城区智能驾驶系统正式迈入100%无图导航时代计划在2024年实现国内全范围、点到点的XNGP智能驾驶服务，服务场景将包括小路、内部路、停车场等。2025年，计划推出全球范围内的XNGP服务。资料来源：小鹏官网，申万宏源研究理想新AD MAX功能实现无图NOA小鹏新XNGP全面无图资料来源：理想官网，申万宏源研究303.2 3.2 无图无图NOANOA：已有充分技术基础，预计：已有充分技术基础，预计2024H22024H2上车可开上车可开各厂商无图NOA进展及智驾方案厂商无图NOA进展智驾方案极氪有3款车型支持高速 城市领航功能，但是目前城市领航功能暂未开通。三款车型智驾系统为ZEEKER AD（也称NZP），智驾方案分为两种，一种是极氪001和极氪009车型采用的Mobileye 高精地图，另一种是极氪007车型上采用的英伟达芯片 自研算法 高精地图。智己汽车目前有4款车型支持高速 城市领航功能。智驾系统为IM AD，智驾方案采用的是momenta 高精地图。岚图FREE支持高速 城市领航功能，但是目前城市领航功能暂未开通。岚图FREE搭载了百度Apollo智驾系统，这是一套纯视觉方案，取消了激光雷达。仰望U8支持高速 城市领航功能。仰望U8智驾系统为仰望Pilot，智驾方案采用的是英伟达芯片 自研算法 高精地图。昊铂汽车有2款车型支持高速 城市领航功能，但是目前城市领航功能暂未开通。HT和GT两款车型Max版智驾系统为ADiGO，智驾方案采用的是华为芯片 自研算法 高精地图资料来源：懂车帝，申万宏源研究313.3 3.3 端到端：部分车企开始技术储备，端到端：部分车企开始技术储备，20252025年上车年上车长城7月魏牌蓝山首发量产国内第一个端到端（德赛西威域控 元戎算法）6月30日，魏建军驾驶魏牌蓝山智驾版，重庆直播展示长城全场景NOA实力，OTA升级后的Coffee OS魏牌蓝山智驾版。元戎：4月，展示端到端智能驾驶量产方案DeepRoute IO。计划将该方案装入NV 2000TOPS算力的DRIVE Thor。其余主机厂开始技术布局理想：7月发布了基于端到端模型、VLM视觉语言模型和世界模型的全新自动驾驶技术架构小鹏：5月20日开始，小鹏汽车全量推送新的技术栈：此前由规则 AI组成的XNGP，切换到了以神经网络为主的端到端模型架构，开始与其它玩家拉开代际差距。蔚来：将在今年上半年推出端到端架构的主动安全功能毫末智行也表示正在进行端到端模型的研发资料来源：搜狐汽车，申万宏源研究魏建军重庆直播展示长城全场景NOA实力理想汽车7月推送无图NOA 发布端到端 VLM全新自动驾驶技术架构资料来源：车东西，申万宏源研究323.3 3.3 华为端到端：华为端到端：ADS 3.0ADS 3.0实现端到端实现端到端乾崑ADS3.0：GOD和PDP两个网络，可能类似理想的“系统1 系统2”（郎咸朋）GOD（通用障碍物识别）大网：实现从简单的“识别障碍物”到深度的“理解驾驶场景”的跨越式进步，不仅能识别白名单和异形障碍物，还能感知道路结构和场景语义，对物理世界有了更全面的理解能力PDP（预测决策规控）网络：实现了预决策和规划一张网。这使得决策和规划更加类人化，行驶轨迹更接近人类驾驶，通行效率更高。复杂路口通过率超过96%。含激光雷达（1颗、3颗）后续加入4D毫米波雷达的方案，在这里激光雷达的目标是围绕全天候和小目标检测能力。猜测可能接近UniAD，加入少量中间过程，相比完全端到端解释能力更强ADS 3.0 全新架构：从BEV到GOD 有路就能开ADS 1.0VisionBEV 网络BEV 网络 GOD 网络RadarLidarBEV白名单目标道路结构白名单目标 道路结构识别异形障碍物场景理解NavigationGOD异形障碍场景理解VisionRadarLidar白名单目标道路结构BEVADS 2.0ADS 3.0GOD 网络NavigationVisionRadarLidarGOD白名单目标道路结构BEV华为在北京车展展示ADS 3.0端到端架构资料来源：第一电动，申万宏源研究333.3 3.3 理想端到端：端到端理想端到端：端到端 VLM VLM 世界模型世界模型VLM（Visual Language Model）就是视觉语言模型擅长解读图片（视频）里的信息，能用人类的语言和文字（自然语言）把看到的内容描述出来。可以把VLM简单理解为“看图说话”。DriveVLM研发团队（清华&理想）的测算，DriveVLM模型部署在Orin平台上的推理速度为1.5s（图2），要比传统自动驾驶模型的推理速度慢了5倍李飞飞VLM：2023年7月：VoxPoser:Composable 3D Value Maps for Robotic Manipulation withLanguage Models前身谷歌VLA RT-2：2023年7月:RT-2:Vision-Language-Action Models Transfer Web Knowledge toRobotic ControlDriveVLM-Dual的快慢结合双系统快系统（郎咸朋讲的系统1）：相当于人类的“下意识动作”，基于CNN。运动层面的规划，比如：加速、减速、直行，绕行避障例如论文Zhou L,Tang T,Hao P,et al.UA-Track:Uncertainty-Aware End-to-End 3D Multi-Object TrackingJ.arXiv preprint arXiv:2406.02147,2024.例如论文Li F,Hou W,Jia P.RMFA-Net:A Neural ISP for Real RAW to RGB Image ReconstructionJ.arXivpreprint arXiv:2406.11469,2024.慢系统（郎咸朋讲的系统2）：相当于人类“大脑的深思熟虑思考过程”，具备场景理解能力.在复杂或新颖的驾驶情况下，如突发紧急情况、复杂的交通或不熟悉的路段，驾驶员需要更加集中注意力，进行深思熟虑的决策。这些过程是缓慢的、需要意识的，涉及高级认知功能，如判断、规划和决策。例如论文Tian X,Gu J,Li B,et al.DriveVLM:The Convergence of Autonomous Driving and Large Vision-Language ModelsJ.arXiv preprint arXiv:2402.12289,2024.343.33.3 理想端到端：端到端理想端到端：端到端 VLM VLM 世界模型世界模型端到端：端到端 VLM，复杂场景下为第一个模型兜底。世界模型：上述慢系统是用模拟考试来评估最有用。世界模型构建仿真环境，对这套方案进行大量的验证测试，以保证其安全性Yan Y,Lin H,Zhou C,et al.Street gaussians for modeling dynamic urban scenesJ.arXiv preprintarXiv:2401.01339,2024.世界模型相关几个关键技术：Street Gaussians Delphi 3DRealCarStreet Gaussians的新技术，用于模拟动态城市街道场景。它通过优化点云和3D高斯表示，解决了现有方法在训练和渲染速度慢以及对车辆跟踪精度高依赖的问题。这项工作在多个基准测试中取得了优于现有技术的性能，并且能够实现实时渲染和场景编辑。例如论文Yan Y,Lin H,Zhou C,et al.Street gaussians for modeling dynamic urban scenesJ.arXiv preprintarXiv:2401.01339,2024.Delphi的新型端到端自动驾驶视频生成方法。解决了现有技术在生成长视频时空间和时间一致性不足的问题，显著提升了自动驾驶模型的泛化能力，实现了在小数据集上的高性能。例如论文 Ma E,Zhou L,Tang T,et al.Unleashing Generalization of End-to-End Autonomous Driving withControllable Long Video GenerationJ.arXiv preprint arXiv:2406.01349,2024.3DRealCar，这是一个大规模的高质量真实车辆3D数据集，具有360度视角和不同光照条件。它解决了现有3D车辆数据集质量不高的问题，为自动驾驶系统、虚拟现实等领域提供了重要的研究资源。例如Du X,Sun H,Wang S,et al.3DRealCar:An In-the-wild RGB-D Car Dataset with 360-degree ViewsJ.arXiv preprint arXiv:2406.04875,2024。353.4 Momenta3.4 Momenta：以“量产”为目的的发展路线：以“量产”为目的的发展路线Momenta是一家自动驾驶公司，致力于实现可规模化的自动驾驶。创始人技术背景。创始人曹旭东，毕业于清华大学，先后在微软亚洲研究院、商汤科技任职，尤其擅长计算机视觉领域相关技术。以量产为目的的技术路线：“一个飞轮，两条腿走路”。“一个飞轮”：通过以“数据驱动的算法”不断积累和迭代，实现两大自动驾驶产品在后端数据上的闭环。（L2的数据迭代L4算法，L4能力升级L2体验）。“两条腿”：指的就是两大自动驾驶产品战略，一个指向量产车的量产自动驾驶（Mpilot），另一个则是指向RoboTaxi的完全无人驾驶（MSD，Momenta Self-Driving）。“两条腿”都有成果。量产自动驾驶已与车企深度合作，搭载在乘用车上，且为从设计阶段就考虑智驾方案的“前装量产”。完全无人驾驶方面，目前在苏州、上海开启了RoboTaxi试运营。智驾系统官宣品牌定位高端。包括上汽智己、吉利路特斯、比亚迪仰望、方程豹，广汽埃安等。全球Top10汽车集团约一半量产合作。包括上汽、通用、丰田、奔驰等。图：Momenta技术路线为“一个飞轮，两条腿走路”资料来源：Momenta官网，申万宏源研究363.4 3.4 地平线：软硬件一体化，地平线：软硬件一体化，J6J6重要迭代重要迭代地平线（Horizon Robotics）是市场领先的乘用车高级辅助驾驶（ADAS）和高阶自动驾驶（AD）解决方案供应商。中国智驾领域领导者。2023 年，地平线在中国高阶和低阶智驾市场的占有率都排第二，占有率分别为 35.5%和 21.3%。公司创始人及高管均为软硬件领域顶尖资深人士。公司业务以汽车解决方案为主，包括“产品解决方案”和“授权及服务”两块产品解决方案（占比32.7%）：主要售卖软硬件一体的产品；授权及服务业务（占比62.1%）：提供算法、软件及开发工具链的授权，以及相关技术服务。第三代智驾芯片“征程6”预计24年4季度实现量产交付，25年10款车型量产交付。公司创始人及高管均为软硬件领域顶尖资深专家姓名职位背景余凯创始人兼CEO国际著名的机器学习专家，也是中国深度学习技术的主要推动者之一。曾担任百度深度学习研究院的副院长。黄畅联合创始人兼CTO曾在百度深度学习研究院担任主任架构师，并与余凯共同推动了百度在图像识别和深度学习领域的进展刘明副总裁，主管芯片业务。在ICT芯片行业有19年的工作经验，1998年毕业于华中科技大学，曾管理着千人级的芯片团队。方懿联合创始人毕业于电子科技大学、新加坡国立大学，拥有19年的产品研发及管理工作经验。她曾在诺基亚工作13年，历任硬件工程师到全球副总裁，并领导诺基亚智能手机在中国的研发团队。资料来源：与非网，36氪，百度百科，申万宏源研究地平线第三代智驾芯片“征程6”资料来源：地平线官网，申万宏源研究373.4 3.4 元戎启行：技术路径较为激进的后来者元戎启行：技术路径较为激进的后来者D-PRO与D-AIR比较产品介绍产品亮点摄像头激光雷达毫米波雷达 算力硬件成本D-PRO 不依赖高精度地图，全域点到点高阶智能驾驶低成本、可量产、快速迭代7颗1颗3颗200 TOPS 140000元D-AIR较同类辅助驾驶产品，性价比更高，舒适度更好，支持更广泛车型高性价比、OTA潜能7颗3颗80 TOPS7000元资料来源：元戎启行官网，申万宏源研究1.025万人民币硬件成本L4级自动驾驶，可在城区复杂路段完成自动驾驶2.01万美元硬件成本L4级自动驾驶，可在城区复杂路段完成自动驾驶3.02000/1000美元硬件成本仅用SD Map，可实现L2 到完全自动驾驶，无ODD限制资料来源：元戎启行官网，申万宏源研究创始人技术背景。周光，毕业于清华大学基础科学班，德克萨斯大学达拉斯分校人工智能方向博士。毕业后2016年加入百度美国研究院自动驾驶事业部。2019年创立元戎启行。追求成本，实现业内首个成本低于1.4万元的高阶智能驾驶方案。2021年底发布的DeepRoute-Driver 2.0价格低至1万美元，彼时追求商业化性价比的百度智驾方案价格仍在10-20万元水平。2023年3月推出3.0版本，将成本压缩至1.4万元以下。技术路线较为激进，使用全固态激光雷达，无图端到端。全球第一家使用全固态激光雷达做L4自动驾驶的厂商，看中全固态激光雷达成本低、易量产，但也存在测量精度的局限。另一方面，没有技术包袱，2023年3月，推出国内首款不依赖高精度地图、可实现全域点到点功能的高阶智能驾驶解决方案DeepRoute-Driver 3.0。383.4 Mobileye3.4 Mobileye：历史悠久，全球领先的自动驾驶技术公司：历史悠久，全球领先的自动驾驶技术公司创立于1999年，后被英特尔高价收购。Mobileye由Amnon Shashua教授创立于1999年，总部位于以色列，并于2014年在纽交所上市，2017年被英特尔以153亿美元收购。提供L1到L4级别的自动驾驶全栈解决方案。Mobileye目前拥有5个级别的智驾产品，分别是：基础ADAS、云增强ADAS（L2基础辅助驾驶）、SuperVision、Chauffeur（高阶智驾）以及Drive（L4 robotaxi）。当下，高阶智驾为量产主力。在低阶的基础辅助驾驶上，Mobileye的份额正受到冲击（中国23年市占率26.6%）；来自L4Robotaxi的业务收入，至少要到2027/2028年才会起量；近几年收入看SuperVision和Chauffeur。SuperVision全生命周期量产预计可带来54.75亿美元收入。截至2023年底，SuperVision项目全生命周期的量产数量预估为365万台按照1500美元的平均系统价格，可以带来的预估收入54.75亿美元。资料来源：Mobileye官网，申万宏源研究Mobileye目前拥有5个级别的智驾产品主要内容主要内容1.技术：特斯拉如何逐步实现端到端2.模式：中美两种RoboTaxi的差异3.变化：国内智能驾驶技术进展4.推荐：后续机会和重点标的404.1 4.1 标的小结（申万智联汽车）标的小结（申万智联汽车）正常的Robo-Taxi长期有较大刺激，短期差3-4个数量级优势：2018-2023年L2 ，尤其NOA和大模型是Robo-Taxi基础劣势：数量级差距较大 Robotaxi和智能驾驶投资方向选择出现差异 国内Robotaxi三方向1）传感器冗余带来激光雷达、P-box、连接器等机会：华测导航、永新光学、电连技术；2）车路云相关数据在重视安全的Robotaxi中大量应用：金溢科技、万集科技、千方科技；3）Robotaxi运营：百度、大众交通、锦江在线；更长期利好的是ADAS AI方向海外：特斯拉，汽车：小鹏（与特斯拉相同技术路线）、通信：华测导航、永新光学、电连技术计算机：德赛西威，虹软科技（ADAS纯软）电子：世运电路、东山精密、宸展光电、立讯精密、蓝思科技 间接利好的是汽车零部件汽车零部件：拓普集团、新泉股份、科博达、经纬恒润美联储利率政策等风险偏好，也利好国内414.2 4.2 整车整车-华为鸿蒙：北汽蓝谷、江淮将陆续推出新车，中国华为鸿蒙：北汽蓝谷、江淮将陆续推出新车，中国高端智能典型代表高端智能典型代表 华为智选已经成为国内公认在智能驾驶表现优异的车型以问界为例，智驾与智能源自华为的高阶智驾ADS 2.0与鸿蒙4.0智能座舱系统。ADS 2.0是一套以视觉 算法为特征的无图智能驾驶辅助，理论上能达到L3水平，华为于2023年12月底已经开通全国NCA，可以实现在全国范围的无图 城市工况的智能驾驶。北汽蓝谷享界、江淮傲界将陆续发布享界S9预计8月上市，预计售价45万-55万元；傲界是华为鸿蒙系第一款破百万级别的高端豪华智能车，有望打破BBA在百万级别的垄断。我们认为Robotaxi本质上是“智能化”的一次催化让更多消费者信任并且有意愿在消费端更注重智能化的选项，成为购车核心要素，虽然华为鸿蒙是国内中高端代表车型（售价远高于toB端的快车或者滴滴业务），但是亦会受益于智能化的“消费拐点”，成为国内智能驾驶第一梯队的核心高端玩家，享受行业质变之时的机会。M9单车智能配置资料来源：懂车帝，申万宏源研究享界S9将于8月发布资料来源：懂车帝，申万宏源研究424.2 4.2 整车整车-小鹏汽车：智能驾驶代表小鹏汽车：智能驾驶代表 新车周期开启，有望在新车周期开启，有望在robotaxirobotaxi催化下底部反转催化下底部反转 以轻雷达方案为过渡，发力纯视觉方案，硬件成本快速降低与众多国内厂商类似，小鹏初期采用了双激光雷达及双Orin芯片冗余配置的方案，但成本居高不下；Xplanner规控系统及Xnet感知算法的突破为小鹏带来降低配置冗余的机会，公司计划于24年底前实现自动驾驶超50%BOM降本目标，有望通过单激光雷达 单Orin芯片实现相同的智驾表现而随智驾持续发力及端到端大模型的快速迭代，有望实现进一步的硬件降本，据CnEVPost，小鹏汽车在2024年第四季度推出的p7 有望完全舍弃雷达，搭载与特斯拉相同的纯视觉方案。新车周期开启，智驾能力将迎来变现。Mona即Robo-Taxi业务Mona M03将于8月上市，定价10-15万元，智驾定位“同级最强”，同时p7 将于第四季度推出，首搭全新智驾方案，综合成本降低25%，两款新车有望凭借智驾达成高销量的同时贡献可观盈利。后续3年规划约30款产品的上新及改款，将陆续搭载与p7 相同的全新智驾方案，整体智驾表现及盈利性有望再上台阶。Mona是小鹏和滴滴合作下的首款车型，针对中低价位的市场，且有更多可能性针对toB端运营，在robotaxi概念下有望受益。自动驾驶硬件单车价值量测算资料来源：HiEV大蒜粒车研所，VehicleEngineering，雷科技，众智技服管家，极智动力，申万宏源研究双激光雷达、双Orin单激光雷达、单Orin纯视觉单价（元）数量（个）单车成本（元）数量（个）单车成本（元）数量（个）单车成本（元）Orin-X3000260001300013000激光雷达50002100001500000毫米波雷达490524505245052450超声波雷达60127201060010600摄像头300113300113300113300合计22470143509350434.3 4.3 通信和传感器：华测导航（通信和传感器：华测导航（P P-boxbox）乘用车自动驾驶P-Box模组厂商。在车载领域公司提供卫惯组合P-box产品，该产品在高阶自动驾驶方案中有望持续提升渗透率。已获得多家车企定点，23年已经量产出货。目前定点客户有哪吒汽车、吉利路特斯、比亚迪汽车、长城汽车。GNSS基带芯片有自研能力，自有地面增强系统。公司将积极布局车规级GNSS SOC芯片、高精度车规级IMU芯片、全球SWAS广域增强系统及持续投入优化核心算法。卫导起家的厂商在RTK算法能力上具备较深储备，对卫星高精度定位算法和数据应用的理解较深，因此深度融合算法能力可能较强。此外，卫导厂商往往有能力进行高精度定位芯片和板卡自研，卫导元器件自研和替代有利于降低成本。资料来源：公司官网，申万宏源研究北斗地基增强系统 GNSS/INS组合导航系统444.3 4.3 通信和传感器：永新光学（激光雷达光学）通信和传感器：永新光学（激光雷达光学）有望受益Robotaxi激光雷达放量。公司在车载激光雷达领域深耕近10年，是激光雷达领域最早介入的光学器件制造商之一，与禾赛科技、图达通、法雷奥、Innoviz等激光雷达领域国内外知名企业保持深度合作关系。预计禾赛在全球robotaxi激光雷达市场市占率过半，Robotaxi商业化落地有望推动永新光学激光雷达元器件业务进一步加速放量。据公司年报披露，2023 年公司车载及激光雷达业务实现销售收入超 9000 万，同比增长超 50%，激光雷达由小批量出货正式迈入规模化生产；2024 年一季度，公司新获得禾赛科技标配型激光雷达定点及图达通 905 纳米的激光雷达部件定点。百度第六代颐驰06在车辆硬件上，具备架构冗余、计算单元冗余、制动系统冗余等七重全冗余系统，车顶、侧方、车头布局了约7个激光雷达，为车辆感知提供充足的冗余。资料来源：公司官网，申万宏源研究车载镜头前片 车载镜头激光雷达镜头、滤光片、透镜、窗口、转镜等永新激光雷达光学产品萝卜快跑颐驰06具备充足感知冗余454.3 4.3 通信和传感器：电连技术（高速连接器）通信和传感器：电连技术（高速连接器）汽车连接器板块高成长性公司自2006年成立以来专研射频连接器领域，并逐步拓展汽车连接器，目前业务覆盖消费电子和汽车电子领域。2023年公司汽车连接器已经成为公司最大营收板块，营收超过8亿元，从2021年的营收占比9.6%提升到2023年的26.3%。汽车连接器产品已进入吉利、长城、比亚迪、长安等国内主要汽车厂商供应链，国内头部汽车客户导入顺利，受益国产替代进程。部分汽车连接器公司产品单价差异较大电连技术立讯精密维峰电子徕木股份瑞可达永贵电器收入2021年汽车类产品营收（亿元）3.141.40.594.36.94.12022年汽车类产品营收（亿元）5.161.50.866.413.97.22023年汽车类产品营收（亿元）8.292.51.206.713.77.7销量2021年汽车类产品销量（KPCS）149,019233,33959,109403,15514,208-2022年汽车类产品销量（KPCS）161,973323,444-579,89926,44818,1592023年汽车类产品销量（KPCS）240,790289,181-616,47325,36915,914单价2021年汽车类产品单价（元）2.117.81.01.148.6-2022年汽车类产品单价（元）3.219.0-1.152.739.62023年汽车类产品单价（元）3.432.0-1.153.948.32023年汽车类产品毛利率（%）40.0.9P.32.6%.1.1%资料来源：Wind，各公司年报，申万宏源研究公司汽车连接器产品图资料来源：电连技术官网，申万宏源研究464.4 Tesla4.4 Tesla的国产供应链的国产供应链Tesla 核心电子供应链：世运电路、东山精密、宸展光电、立讯精密、蓝思科技世运电路：2019年Tesla为其最大终端客户，2021年起直供，涵盖电动车三电领域关键零部件。年度采购额约10亿元。宸展光电：持股鸿通科技70%，Tesla中控核心供应商，泰国智能座舱工厂60万台年产能;蓝思科技：2017年成为Tesla中控供应镝，2023年智能座舱业务收入50亿元；东山精密：BMS软板、水冷板、电池壳体核心供应商，Tesla ASP 4000元，未来有望供至1万元；立讯精密：2023年汽车电子营收92.5亿元，其中Tesla营收20-30亿元；474.5 4.5 车路云：车路云：2020个城市试点个城市试点确定20个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市7月3日，工信部等5部门正式发布关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知北京、上海、重庆、鄂尔多斯、沈阳、长春、南京、苏州、无锡、杭州、合肥、福州、济南、武汉、十堰、长沙、广州、深圳、海口、成都等。其中约1/3已开始招投标或项目试点5月31日，北京数字基建投资发展有限公司发布北京市车路云一体化新型基础设施建设项目，投资额为99.4亿元。福州市智能网联“车路云一体化”启动区示范建设审批类项目鄂尔多斯市新能源智能网联汽车“车路云一体化”应用示范项目相继公示。鄂尔多斯项目总投资1.05亿元图：关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知资料来源：工信部，申万宏源研究484.5 4.5 车路云：招投标统计车路云：招投标统计1 1地区备案/申报日期金额（万）资金来源参与方项目阶段建设内容北京2024/5/31993,889 政府70% 企业30%北京数字基建投资发展有限公司、北京智慧城市网络有限公司、北京车网科技发展有限公司招投标在通州区、顺义区、朝阳区、昌平区、密云区、怀柔区、海淀区、石景山区、丰台区、门头沟区、房山区、大兴区、亦庄经开共选取2324平方公里范围内约6050个道路路口开展建设，以及除上述道路路口外本项目双智专网网络中的建设和改造北京2024/5/31299,557北京智慧城市网络有限公司招投标包括但不限于通州区、顺义区、朝阳区、昌平区、密云区、怀柔区、海淀区、石景山区、丰台区、门头沟区、房山区、大兴区和经济技术开发区13个区域，约6050个灯控路口双智专网的覆盖建设、有线传输系统建设、8个区域网络中心建设、3个既有区域网络中心改造以及双智专网主、副核心网络中心扩容，同时包括但不限于扩容既有上层网传输系统、EUHT核心网系统、资源融合平台系统、大屏显示系统、智能网优平台、智能运维平台、时钟同步系统、信息安全系统等北京2024/5/29993,889 北京数字基建投资发展有限公司 招投标北京市高级别自动驾驶示范区4.0阶段2324平方公里扩区路测基础设施建设工程红线范围内初步设计、施工图设计及后续配合工作。北京2024/5/94,234经开区北京市高级别自动驾驶示范区工作办公室采购意向示范区智能网联车辆道路测试活动技术审查服务、示范区智能网联测试主体和测试车辆运行监管技术服务、示范区3.0阶段路侧工程建设技术评估服务、新型网络运营购买服务、示范区EUHT专网应用推广研究服务、高级别自动驾驶示范区标准体系建设和标准化服务北京-海淀区2024/6/12161 国拨资金国汽（北京）智能网联汽车研究院有限公司招投标国汽（北京）智能网联汽车研究院有限公司在开展智能汽车信息物理系统原型构建过程中，需采购物料对太和桥智慧园区一期建设的车路云一体化原型系统进行升级，需要采购包含多款模块和线缆的物料等，分别用于存储数据、数据处理、算力支撑、设备/硬件连接等，常州市-溧阳市2024/6/430,000国有资金：100.0%,溧阳市天辰建设有限公司招投标智能网联汽车车路云一体化测试基地：溧阳市上黄镇前浒庄村南侧，租赁土地1100亩，打造汽车测试、试验、质量检测等智能出行理念的一体化服务系统福州2024/6/3审批公示福州智能网联“车路云”一体化启动区示范建设项目广东省 2024/6/16地上铁租车（深圳）有限公司备案城市物流配送场景智能网联汽车“车路云一体化”系统建设杭州2024/6/1528 杭州交通投资有限公司项目咨询杭州车路云一体化应用建设和运营项目可行性研究报告和资金申请报告杭州2024/6/16政府投资审批公示杭州市主城区智能网联汽车车路云一体化应用试点”项目合肥2024/6/1980 合肥市经济和信息化局项目咨询拟采购智能网联汽车“车路云一体化”应用咨询服务，主要开展应用研究，梳理合肥市“车路云一体化”发展相关的智能设施、车端装载、云控平台、应用场景等基础情况，评估合肥市应用基础；制定“车路云一体化”应用试点建设方案湖北2024/4/262湖北智能网联技术创新中心有限公司备案向“车路云一体化”智能网联驾驶技术中试平台项目：围绕“车路云一体化”建设集“技术研发、中试测试、检测认证”等功能，同时支持开放、共享、迭代升级的产业中试基地，实现科技成果与企业需求的有效链接，解决成果转化“最后一公里”。为智慧交通和智能网联汽车的重大综合性装备、零部件、出行服务等创新产品提供早期测试、检验条件和应用场景。资料来源：各政府网站，招标网，申万宏源研究各地区车路云招投标统计494.5 4.5 车路云：招投标统计车路云：招投标统计2 2（注意：有的金额是框架协议）（注意：有的金额是框架协议）地区备案/申报日期金额（万）参与方项目阶段建设内容湖州2024/4/26103 湖州莫干山高新技术产业开发区管理委员会项目咨询德清“车路云一体化”应用试点申报咨询服务项目（第二次）江苏2024/6/4上限298,487,639招投标智能网联汽车车路云一体化测试基地内蒙古-鄂尔多斯市2024/5/21208 鄂尔多斯市康巴什区科学技术局项目咨询鄂尔多斯市智能网联汽车车路云一体化应用试点咨询服务内蒙古-鄂尔多斯市2024/5/13221鄂尔多斯市高质量发展投资有限公司项目咨询鄂尔多斯市新能源智能网联汽车车路云一体化应用示范项目可行性研究报告编制及设计项目内蒙古-康巴什区2024/4/12208 鄂尔多斯市康巴什区科学技术局项目咨询鄂尔多斯市智能网联汽车车路云一体化应用试点咨询服务深圳2024/6/6深圳市金溢科技股份有限公司备案“车路云”一体化重大项目新建工程沈阳2024/6/12128 沈阳市大东区工业和信息化局项目咨询2024年沈阳市智能网联汽车“车路云一体化”方案咨询项目沈阳2024/5/20150沈阳市大东区工业和信息化局项目咨询2024年沈阳市智能网联汽车“车路云一体化”方案咨询项目苏州2024/4/18备案苏州工业园区智能网联车路云一体化系统建设项目苏州-相城区2024/6/5审批公示天翼交通“车路云”一体化项目桐乡2024/4/29145 桐乡市经济和信息化局备案智能网联汽车“车路云一体化”应用试点申报及服务项目无锡2024/6/6备案智能网联汽车“车路云一体化”应用试点无锡2024/6/18295 无锡市车联网产业发展集团有限公司、江苏建安工程管理咨询有限公司招投标无锡市车路云一体化试点项目工程设计：包括无锡市车路云一体化试点项目的总体设计、方案设计、初步设计和施工图设计。同时提供项目在投资评审、招投标、项目施工和竣工验收阶段的相关服务，包括并不限于设计工作全阶段的统筹管理武汉2024/6/6100武汉经济技术开发区军山新城管理办公室项目咨询武汉市智能网联汽车“车路云一体化”方案咨询服务襄阳2024/5/1649 襄阳市经济和信息化局项目咨询襄阳市“车路云一体化”建设技术咨询服务长春2024/3/1370长春市工业和信息化局项目咨询长春市国家智能网联汽车“车路云一体化”应用试点城市建设咨询服务株洲2024/5/3047,001 株洲高科汽车园投资发展有限公司备案本项目在株洲中车智能驾驶技术的基础上，基于国产芯片、操作系统、计算平台等自主技术产品，搭建通信、感知、计算、地理信息等系统设施和技术支撑平台，建设智能网联汽车云控平台、5G基站15个、智能路侧感知设施368个及高精地图185公里等，开展北斗高精定位和“公交 微循环 乘用车 物流 环卫 巡逻”智能网联规模示范应用，打造智能网联汽车行业示范项目，实现行业引领作用资料来源：各政府网站，招标网，申万宏源研究各地区车路云招投标统计（续表）504.5 4.5 车路云：空间测算，超过千亿车路云：空间测算，超过千亿整体建设空间可能超过千亿我们认为，后续“车路云一体化”建设将包括：路侧基础设施、车载终端装配、城市级服务管理平台等内容。整体体建设空间可能超过千亿据亿欧智库预测，2030年中国车路协同市场规模有望达4960亿元，2021-2030年年复合增长率达26.64%。据前瞻产业研究院预测，2030年中国公路里程有望达到615万公里，汽车保有量有望达到3.8亿辆，届时中国路侧单元RSU应用渗透率有望达到30%，汽车搭载高清地图渗透率有望达到5%具体一种计算方法为1260亿假设按照全国7个超大城市、14个特大城市、14个型大城市假设车路云一体化项目金额分别为100亿/个、30亿/个、10亿/个估算仅以上三类城市建设总空间就达到1260亿相关标的：金溢科技、万集科技、千方科技514.6 4.6 德赛西威：德赛西威：ADASADAS竞争：第三方域控领军竞争：第三方域控领军蔚小理和其他主机厂装载的中大算力域控制器，已经有国产ADAS平台车厂型号大类ADAS芯片域控制器算力预计部分tier1其他小鹏G98款，570 plus/pro/max英伟达11颗摄像头 12超声波雷达 5毫米波雷达,MAX和上市纪念款有2颗激光雷达702 pro/max英伟达4款单Orin-X254TOPS预计德赛西威，软硬一体化，含代工650 性能版 pro/max/上市纪念英伟达4款双Orin-X508TOPS预计德赛西威，软硬一体化，含代工理想L7分为AD和SS英伟达预计德赛西威/地平线L7-PROAD PRO SS PRO地平线J5128TOPS预计德赛西威，预计代工为主L7-MAXAD MAX SS MAX英伟达双Orin-X预计508TOPS预计德赛西威，软硬一体化激光雷达 全套安全冗余L8分为AD和SS英伟达预计德赛西威/地平线L8-PROAD PRO SS PRO地平线J5128TOPS预计德赛西威，预计代工为主L8-MAXAD MAX SS MAX英伟达双Orin-X预计508TOPS预计德赛西威，软硬一体化激光雷达 全套安全冗余L9英伟达双Orin-X508TOPS1颗激光雷达 11颗摄像头 12超声波雷达 1毫米波雷达蔚来ET5英伟达4颗Orin-X1016TOPS当前自研，伟创力代工，1颗激光雷达 11颗摄像头 12超声波雷达 5毫米波雷达ET7英伟达4颗Orin-X1016TOPS未来可能开放给tie1ES7英伟达4颗Orin-X1016TOPS阿尔卑斯平台（中端）英伟达Orin科博达代工萤火虫（低端）地平线?科博达代工北汽地平线双J5华阳集团东风地平线双J5华阳集团华为问界M7/M9华为MDC自研华为自研预计500TOPS小米su7Air/Pro/Max英伟达双Orin-X预计508TOPS预计德赛西威，软硬一体化激光雷达 毫米波雷达极氪007/001英伟达/moblieye德赛西威资料来源：小鹏官方网站，理想官方网站，蔚来官方网站，车东西公众号，高工智能汽车公众号，申万宏源研究524.6 4.6 德赛西威：德赛西威：20242024核心看点：出海核心看点：出海丰田中国已经有明确进展Momenta、德赛西威和高通将一起做丰田的海外项目。其中，德赛西威提供DCU（域控）、高通提供8650智驾芯片，Momenta提供算法，正式上车节点约为2026年前后。2023海外收入达到16.44亿元，同比增长48%，增速快于国内。在欧洲获得 7个客户的新项目，在日本首次获得核心客户的智能驾驶业务项目定点，在横滨市成立了新研发中心；在墨西哥新工厂已完成建设，公司全年获得4个新白点客户，包括国内广汽本田，国际市场的AUDI、TATA MOTORS、PACCAR。2024目前预计25亿以上，2025后放量。表近期世界Tier1/主机厂的收缩计划，实际除了证明整合，也会带来新趋势参与者的机会时间来源主体计划明细1月18日腾讯网采埃孚考虑关闭两家德国工厂，裁员多达1.2万人希望成本转移1月18日搜狐网法雷奥计划裁员1150人合并混合动力和电动汽车零部件制造部门1月24日腾讯网博世计划裁员1200人减缓了公司转型进程2月14日新浪新闻大陆集团计划裁员7000人以提升汽车子集团竞争力的名义2月18日盖世汽车等通用汽车Cruise的硬件负责人Carl Jenkins2023年底已计划裁员24%2月18日新浪科技小鹏汽车认为中国汽车品牌淘汰赛的第一年2月20日新浪网佛瑞亚计划裁员10000人5年内以自然减员完成，降低成本以应对转型挑战2月21日高工智能汽车安波福通过重组计划削减固定薪资和小时工的员工人数23年已裁员近4%（6000人），24年降继续投入2月22日腾讯网奔驰电动化目标推迟整整五年至2030年准备在下一个十年更新技术资料来源：腾讯网，新浪网，高工智能汽车，申万宏源研究534.6 4.6 汽车标的汽车标的-经纬恒润经纬恒润-WW持续的高强度研发投入是盈利能力下滑的主要原因2023 全年期间费用率30.2%，其中研发费用率同比 4.4 pct，系公司研发人员数量大幅增长所致。24Q1研发费用率32.7%，同比 4.9 pct，进一步压制净利率。公司此前产品化能力屡受质疑，研发投入效率不高是主要不足之一但相信随着产品技术进步；头部客户，海外市场占比持续提升；规模效应等，将有效提高毛利率。考虑到今年爆款车型有望显著拉动公司营收，对冲行业风险；以及持续高强度的研发投入的惯性。公司有着丰富的汽车电子产品经验是智能化赛道的重要供应商，公司的车身域控制器、底盘域控、智能驾驶域控等产品均已量产上车。同时在港区无人物流车的运营也有数千万的营收和丰富的运营经验，是当前该领域的重要玩家。544.7 4.7 重点公司估值表重点公司估值表证券代码公司名称2024/8/6Wind一致预期归母净利润（亿元）PEPB(LF)总市值（亿元）2023A 2024E 2025E 2026E 2023A 2024E 2025E 2026E002475.SZ立讯精密2,549109.53 137.30 172.26 208.05 231915124.44300433.SZ蓝思科技84230.2139.2250.2760.53282117141.86601689.SH拓普集团58421.5129.0737.9946.48272015133.41002920.SZ德赛西威48815.4720.9827.1234.36322318146.18002384.SZ东山精密37719.6523.0330.1736.89191612102.10300496.SZ中科创达1944.666.478.3510.71423023182.05603786.SH科博达1966.098.7011.2613.95322217144.21603179.SH新泉股份1948.0611.0614.5318.22241813114.07300627.SZ华测导航1544.495.797.379.32342721175.19300679.SZ电连技术1343.566.468.5310.86382116122.99603920.SH世运电路1254.966.177.288.44252017151.91688088.SH虹软科技1010.881.401.932.561147252394.20688326.SH经纬恒润-w77-2.170.212.464.39-37331181.70603297.SH永新光学642.353.104.025.22272116123.66003019.SZ宸展光电371.783.303.624.7721111082.67资料来源：Wind、申万宏源研究智能驾驶行业重点公司估值表554.7 4.7 风险提示风险提示 消费者对智能驾驶接受度不及预期。智能驾驶作为新兴技术，消费者可能仍存有包括安全问题、法律法规等多种疑虑，可能无法如我们预测的大规模推广与渗透。智驾技术的发展不及预期。自动驾驶的软硬件技术尽管取得进展，但仍然存在不足，如激光雷达在雨雾天气中的穿透能力有限，摄像头在夜间和恶劣天气中的识别能力下降，这些技术问题限制了自动驾驶向更高水平的发展。若这些问题无法有效解决，智驾技术可能无法大规模普及。并且，目前robotaxi普遍距离商用数据尚缺，例如萝卜快跑的数据离商用还差3-4个数量级，若robotaxi普及不及预期，则数据的收集也会受限制约智驾技术发展。安全性问题无法解决。智能驾驶大多基于深度学习，属于“黑箱”模型，无法论证其安全性。且若缺乏长尾数据训练，可能在这些长尾场景仍存在未知隐患。法律法规尚未完善。智驾属于较新的领域，若出现安全事故或受应用后引发不良社会影响，监管可能趋严，制约业内公司发展。56信息披露证券分析师承诺本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。与公司有关的信息披露 本公司隶属于申万宏源证券有限公司。本公司经中国证券监督管理委员会核准，取得证券投资咨询业务许可。本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的，还可能为或争取为这些标的提供投资银行服务。本公司在知晓范围内依法合规地履行披露义务。客户可通过索取有关披露资料或登录信息披露栏目查询从业人员资质情况、静默期安排及其他有关的信息披露。机构销售团队联系人华东A组茅炯021-华东B组李庆华北组肖霞华南组李昇华北创新团队潘烨明华东创新团队朱晓艺A股投资评级说明证券的投资评级：以报告日后的6个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下：买入（Buy）：相对强于市场表现20以上；增持（Outperform）：相对强于市场表现520；中性(Neutral)：相对市场表现在55之间波动；减持(Underperform)：相对弱于市场表现5以下。行业的投资评级：以报告日后的6个月内，行业相对于市场基准指数的涨跌幅为标准，定义如下：看好（Overweight）：行业超越整体市场表现；中性(Neutral)：行业与整体市场表现基本持平；看淡(Underweight)：行业弱于整体市场表现。本报告采用的基准指数：沪深300指数港股投资评级说明证券的投资评级：以报告日后的6个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下：买入（BUY）：股价预计将上涨20%以上；增持（Outperform）：股价预计将上涨10-20%；持有（Hold）：股价变动幅度预计在-10%和 10%之间；减持（Underperform）：股价预计将下跌10-20%；卖出（SELL）：股价预计将下跌20%以上。行业的投资评级：以报告日后的6个月内，行业相对于市场基准指数的涨跌幅为标准，定义如下：看好（Overweight）：行业超越整体市场表现；中性(Neutral)：行业与整体市场表现基本持平；看淡（Underweight）：行业弱于整体市场表现。本报告采用的基准指数：恒生中国企业指数（HSCEI）我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比较完整的观点与信息，不应仅仅依靠投资评级来推断结论。申银万国使用自己的行业分类体系，如果您对我们的行业分类有兴趣，可以向我们的销售员索取。57法律声明本报告由上海申银万国证券研究所有限公司（隶属于申万宏源证券有限公司，以下简称“本公司”）在中华人民共和国内地（香港、澳门、台湾除外）发布，仅供本公司的客户（包括合格的境外机构投资者等合法合规的客户）使用。本公司不会因接收人收到本报告而视其为客户。有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司http:/网站刊载的完整报告为准，本公司并接受客户的后续问询。本报告首页列示的联系人，除非另有说明，仅作为本公司就本报告与客户的联络人，承担联络工作，不从事任何证券投资咨询服务业务。本报告是基于已公开信息撰写，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为作出投资决策的惟一因素。客户应自主作出投资决策并自行承担投资风险。本公司特别提示,本公司不会与任何客户以任何形式分享证券投资收益或分担证券投资损失，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。市场有风险，投资需谨慎。若本报告的接收人非本公司的客户，应在基于本报告作出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。本报告的版权归本公司所有，属于非公开资料。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记，未获本公司同意，任何人均无权在任何情况下使用他们。

2024-08-08 57页 5星级

智能驾驶行业研究系列：智能驾驶政策技术双轮驱动助推Robotaxi商业化进程-240807（18页）.pdf

请阅读最后评级说明和重要声明 -35%-30%-25%-20%-15%-10%-5%0 23/082023/092023/102023/112023/122024/012024/022024/032024/042024/052024/062024/07000300.SH516520.SH投资要点 2 一、政策密集落地，车路协同产业链逐渐成熟.4 1.顶层政策密集出台，“车路云一体化”发展提速.4 2.地方政策积极响应，加速智能驾驶落地进程.6 3.车路协同产业链已初步形成，产业生态逐渐走向成熟.7 二、Robotaxi 单车有望成本快速下行，远期盈利空间可期.8 1.技术进步和规模效应为关键降本路径，单车成本有望快速下行.8 2.Robotaxi 远期盈利空间可期，单车成本回收期约 2.2 年.9 三、“萝卜快跑”商业化落地，特斯拉 Robotaxi 即将面世.10 1.国内：“萝卜快跑”加速先行，率先实现商业化.10 2.国外：特斯拉 Robotaxi 项目持续推进，或将于 2024 年落地.13 四、投资建议.15 1.德赛西威.15 2.伯特利.15 3.经纬恒润.16 五、风险提示.17 .4 .6 .7 .7 .8.8 .11 .12 .12 bUeZcWeUbUfYcWbZbRdNbRmOnNoMrNjMnNxPfQmMuM6MpPyRwMtPoQxNnMsQ 3 .12 .13 .14 .15 .15 .16 .16 .16 .16 .4 .5 .9 .10 .11 4 5 6 7 8 9 10 11 12 45%7%6%1%上下班通勤补充工具上下班通勤主要工具购物娱乐地铁公交换乘体验科技出行其他26%4%2%0%5 %0 14 15 -10%0 0P0100150200250201920202021202220232024Q1营业收入YOY-40%-20%0 04681012141618201920202021202220232024Q1净利润YOY 16 -10%0 0Pp020304050607080201920202021202220232024Q1营业收入YOY0 0Pp2345678910201920202021202220232024Q1净利润YOY-5%0%5 %05101520253035404550201920202021202220232024Q1营业收入YOY-500%-400%-300%-200%-100%00 000%-2.5-2.0-1.5-1.0-0.50.00.51.01.52.02.53.020192020202120222023 2024Q1净利润YOY 17 18

2024-08-08 18页 5星级

第一财经&DT研究院：2024无人驾驶网约车乘坐意愿调查报告（22页）.pdf

调查报告无人驾驶网约车乘坐意愿20242024.07撰写人员出品机构李 晶张晨阳郑晓慧林美汕戚桐珲苏洪锐郑舒雅DT是上海第一财经传媒集团旗下传播与研究机构，关注互联网、消费、文娱、科技等领域，致力通过洞察人群趋势和商业逻辑的内容和服务，帮助读者更清晰地认识世界，助力品牌、企业更好地决策、沟通和连接。DT旗下研究型媒体，关注人群趋势，也关注趋势背后的商业逻辑。DT商业观察融合了媒体和研究机构的禀赋，加持丰富的可视化经验，长期为读者提供更好读的深度内容。DT商业观察相关账号已积累超150万读者，影响力触达大量互联网/文娱/消费行业从业人员、媒体人、投资人和研究者。DT旗下核心研究单位，结合媒体聆听嗅觉、定量调研、访谈和多领域数据库，深耕城市生活、消费、文娱、科技等领域，挖掘趋势和趋势背后的逻辑与机会，提供有数据、有体感、客观可信的人群洞察、行业分析和市场研究。DT商业观察DT研究院合作请联系本报告页面内容、页面设计的所有内容（包括但不限于文字、图表、标志、标识、商标、商号等）版权均归DT商业观察所有。凡未经DT商业观察书面授权，任何单位或个人不得复制、转载、重制、修改、展示或以任何形式提供给第三方使用本数据报告的局部或全部内容。任何单位或个人违反规定的，均属于侵犯我司版权的行为，我司有权 追究其法律责任，并根据实际情况追究侵权者赔偿责任。2024无人驾驶网约车乘坐意愿调查报告 出品机构 012024无人驾驶网约车乘坐意愿调查报告 目录 02目 录前言02非常关注无人驾驶的群体：男性、85后、三线及以下城市04近6成人持“期待”态度，00后最兴奋�