2NT｜

領(lǐng)

先

｜

深

度

｜ 目COCONTENTS中

泰錄E所1軟硬件技術(shù)演進

+

政策催化，智駕產(chǎn)業(yè)迎來“iPhone4時刻”內(nèi)外法規(guī)逐漸完善，智能駕駛走向L3落

元年3相關(guān)政策發(fā)布時間政策主要內(nèi)容《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標準體系建設(shè)指南（總體要求）》2018/6/15針對車聯(lián)網(wǎng)產(chǎn)業(yè)“十三五”發(fā)展需要，加快共性基礎(chǔ)標準制定，加緊研制自動駕駛及輔助駕駛相關(guān)標準、車載電子產(chǎn)品關(guān)鍵技術(shù)標準、無線通信關(guān)鍵技術(shù)標準、面向車聯(lián)網(wǎng)產(chǎn)業(yè)應(yīng)用的5G

eV2X

關(guān)鍵技術(shù)標準制定，滿足產(chǎn)業(yè)發(fā)展需求。到2020年，基本建成國家車聯(lián)網(wǎng)產(chǎn)業(yè)標準體系?！盾嚶?lián)網(wǎng)（智能網(wǎng)聯(lián)汽車）產(chǎn)業(yè)發(fā)展行動計劃》2018/12/28第一階段，到2020年，將實現(xiàn)車聯(lián)網(wǎng)（智能網(wǎng)聯(lián)汽車）產(chǎn)業(yè)跨行業(yè)融合取得突破，具備高級別自動駕駛功能的智能網(wǎng)聯(lián)汽車實現(xiàn)特定場景規(guī)模應(yīng)用，車聯(lián)網(wǎng)用戶滲透率達到30%以上，智能道路基礎(chǔ)設(shè)施水平明顯提升。第二階段，2020年后，技術(shù)創(chuàng)新、標準體系、基礎(chǔ)設(shè)施、應(yīng)用服務(wù)和

全保障體系將全面建成，高級別自動駕駛功能的智能網(wǎng)聯(lián)汽車和5G-V2X逐步實現(xiàn)規(guī)?；虡I(yè)應(yīng)用，“人-車-路-云”實現(xiàn)高度協(xié)同。《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》2020/2/10到2025年，中國標準智能汽車的技術(shù)創(chuàng)新、產(chǎn)業(yè)生態(tài)、基礎(chǔ)設(shè)施、法規(guī)標準、產(chǎn)品監(jiān)管和網(wǎng)絡(luò) 全體系基本形成。實現(xiàn)有條件自動駕駛的智能汽車達到規(guī)?；a(chǎn)，實現(xiàn)高度自動駕駛的智能汽車在特定環(huán)境下市場化應(yīng)用?！蛾P(guān)于促進道路交通自動駕駛技術(shù)發(fā)展和應(yīng)用的指導(dǎo)意見》2020/12/201.加快關(guān)鍵共性技術(shù)攻關(guān)。2.完善測試評價方法和測試技術(shù)體系。3.研究混行交通監(jiān)測和管控方法。4.持續(xù)推進行業(yè)科研能力建設(shè)。5.加強基礎(chǔ)設(shè)施智能化發(fā)展規(guī)劃研究。6.有序推進基礎(chǔ)設(shè)施智能化建設(shè)。7.支持開展自動駕駛載貨

輸服務(wù)。8.穩(wěn)步推動自動駕駛客

出行服務(wù)。9.鼓勵自動駕駛新業(yè)態(tài)發(fā)展10.強化

全風險防控。11.加快營造良好政策環(huán)境。12.持續(xù)推進標準規(guī)范體系建設(shè)?！吨悄芫W(wǎng)聯(lián)汽車道路測試與示范應(yīng)用管理規(guī)范（試行）》2021/7/27在道路測試基礎(chǔ)上增加示范應(yīng)用相關(guān)內(nèi)容，允許經(jīng)過一定時間或里程道路測試、

全可靠的車輛開展載人載物示范應(yīng)用，并將道路測試和示范應(yīng)用的范圍擴展到包括高速公路在內(nèi)的公路、城市道路和區(qū)域；提出了測試主體的單位性質(zhì)、業(yè)務(wù)范疇、事故賠償能力、測試評價規(guī)程、遠程監(jiān)控能力、事件分析能力、網(wǎng)絡(luò)

全保障能力及符合法律法規(guī)8個方面的要求，示范應(yīng)用主體需額外具備智能網(wǎng)聯(lián)汽車示范應(yīng)用

營業(yè)務(wù)能力?！督煌I(lǐng)域科技創(chuàng)新中長期發(fā)展規(guī)劃綱要（2021—2035年）》2022/3/25促進道路自動駕駛技術(shù)研發(fā)與應(yīng)用，突破融合感知、車路信息交互、高精度時空服務(wù)、智能計算平臺、感知 決策 控制功能在線進化等技術(shù)，推動自動駕駛、輔助駕駛在道路貨

、城市配送、城市公交的推廣應(yīng)用。《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標準體系建設(shè)指南（智能網(wǎng)聯(lián)汽車）（2023版）》2023/7/26到2025年，系統(tǒng)形成能夠支撐組合駕駛輔助和自動駕駛通用功能的智能網(wǎng)聯(lián)汽車標準體系。制修訂100項以上智能網(wǎng)聯(lián)汽車相關(guān)標準；到2030年，全面形成能夠支撐實現(xiàn)單車智能和網(wǎng)聯(lián)賦能協(xié)同發(fā)展的智能網(wǎng)聯(lián)汽車標準體系，制修訂130項以上智能網(wǎng)聯(lián)汽車相關(guān)標準并建立實施效果評估和動態(tài)完善機制?！蛾P(guān)于開展智能網(wǎng)聯(lián)汽車準入和上路通行試點工作的通》2023/11/17通過開展試點工作，引導(dǎo)智能網(wǎng)聯(lián)汽車生產(chǎn)企業(yè)和使用主體加強能力建設(shè)，在保障

全的前提下，促進智能網(wǎng)聯(lián)汽車產(chǎn)品的功能、性能提升和產(chǎn)業(yè)生態(tài)的迭代優(yōu)化，推動智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)高質(zhì)量發(fā)展?；谠圏c實證積累管理經(jīng)驗，支撐相關(guān)法律法規(guī)、技術(shù)標準制修訂，加快健全完善智能網(wǎng)聯(lián)汽車生產(chǎn)準入管理和道路交通

全管理體系。。資料來源：各部委官網(wǎng)等、中泰證券研究所表：我 L2+輔助駕駛滲透率持續(xù)提升資料來源：蓋世汽車、中泰證券研究所智能駕駛?cè)f億賽道高速成長，滲透率快速提升表：智能網(wǎng)聯(lián)汽車出貨量及增長率資料來源：IDC、中泰證券研究所我 自動駕駛市 規(guī)模正高速成長，智能網(wǎng)聯(lián)汽車出貨量高速增長。據(jù)IDC預(yù)測，2025年我 智能網(wǎng)聯(lián)汽車出貨量將達約2500萬輛，復(fù)合增長率達16.1%。2022年，我 智能駕駛產(chǎn)業(yè)市 規(guī)模已達2894億元。據(jù)信通院預(yù)計，到2025年中 智能駕駛汽車市 規(guī)模將接近萬億元。L2+輔助駕駛滲透率持續(xù)提升，已達40%+。23年年底，L2+輔助駕駛滲透率較年初的35.3%提升至40.8%。24.6%29.7%30.4%34.6%35.3%39.2%39.8%40.8%20%15%10%5%0%25%30%35%45%40%22Q1 22Q2 22Q3 22Q4 23Q1 23Q2 23Q3 23Q413.716.321.824.919%15%18.816%14%20%18%16%14%12%10%8%6%4%2%0%1050152025302021 2022 2023 2024 2025智能網(wǎng)聯(lián)汽車出貨量（百萬輛） 增長率4硬件層：大算力智駕平臺不斷迭代，自主芯片算力持續(xù)提升資料來源：蓋世汽車、各公司官網(wǎng)、中泰證券研究所隨各芯片廠商芯片算力不斷提升，算力已經(jīng)不再是制約更高級別智能駕駛落地的因素。最新發(fā)布的NVIDIA

Thor單顆算力已經(jīng)達到2000TOPS，Qualcomm組合算力也達該水準。國產(chǎn)芯片平臺算力也在持續(xù)提升。地平線J6芯片單顆算力可達560TOPS，華為MDC平臺算力也可達400TOPS，組合算力以能夠支持高階智駕需求。圖表：主流智能駕駛芯片算力規(guī)模及量產(chǎn)時間5圖表：采用激光雷達的車企名單資料來源：中國信通院、中泰證券研究所硬件層：激光雷達等感知器成本持續(xù)下降，智駕感知支持更加完善?

受益于光學芯片及其配套元器件集成化，激光雷達成本大幅下降。L3、L4

和

L5級別自動駕駛或分別需要平均搭載

1

顆、2-3

顆和

4-6

顆激光雷達。早期車載激光雷達成本高達幾萬美元，近期已下探至幾百美元水平。?

激光雷達應(yīng)用范圍持續(xù)擴張，激光雷達對輔助駕駛的感知支持更加完善。截止

2023Q3，已有

36

家中國車企宣布使用激光雷達，預(yù)計國內(nèi)將有高達106款搭載激光雷達的車型上市，占全球同期預(yù)計發(fā)布搭載激光雷達新車型總數(shù)量近

90%。新勢力車企智能駕駛解決方案供應(yīng)商&無人駕駛車輛運營商傳統(tǒng)車企6算法層：BEV

Transformer

統(tǒng)一路徑，智駕已進入大模型時代資料來源：Patrick

Langechuan

Liu、中泰證券研究所智能駕駛正在進入以BEV+Transformer為核心的新一代技術(shù)框架，感知和泛化能力進行了飛躍。BEV以鳥瞰視角呈現(xiàn)車輛信息，是自動駕駛系統(tǒng)中跨攝像頭和多模態(tài)融合的體現(xiàn)。將傳統(tǒng)自動駕駛2D圖像視角（Image

View）加測距的感知方式，轉(zhuǎn)換為在鳥瞰圖視角下的3D感知。BEV視角下的物體，不會出現(xiàn)圖像視角下的尺度（scale）和遮擋（occlusion）問題；將不同視角在BEV下進行統(tǒng)一表達，能極大方便后續(xù)規(guī)劃和控制任務(wù)，有利于多模態(tài)融合；BEV還能夠?qū)崿F(xiàn)端到端優(yōu)化，并提升感知系統(tǒng)的融合效率，為整個系統(tǒng)帶來巨大的提升。圖表：傳統(tǒng)自動駕駛框架 圖表：基于攝像頭的端到端規(guī)劃示意7資料來源：Patrick

Langechuan

Liu、中泰證券研究所圖表：特斯拉Occupancy

Networks算法示意算法層：Occupancy

Networks有望引領(lǐng)下一代算法，多模態(tài)感知進一步融合圖表：基于攝像頭的端到端規(guī)劃示意Tesla在AI

Day上提出了占用網(wǎng)絡(luò)算法Occupancy

Network，有望引領(lǐng)下一代算法路線。占用網(wǎng)絡(luò)基于占用網(wǎng)格映射的機器人思想；能夠?qū)⑹澜鐒澐譃橐粋€網(wǎng)格單元，再定義哪個單元格被占用，哪個單元格空閑。占用網(wǎng)絡(luò)是

3D

視圖的，相比于基于BEV的2D預(yù)測多了高度方向上的信息，能夠進一步推進多視圖、多感知融合。在BEV的基礎(chǔ)上檢測物體并構(gòu)建固定的立方體，對環(huán)境進行立體網(wǎng)格仿真，隨后再進行物體檢測。資料來源：Tesla、THINK

AUTONOMOUS、中泰證券研究所資料來源：Tesla

AI

Day、中泰證券研究所8數(shù)據(jù)層：技術(shù)牽引+量產(chǎn)商業(yè)化落地，產(chǎn)業(yè)逐步形成車云協(xié)同數(shù)據(jù)閉環(huán)圖表：自動駕駛數(shù)據(jù)閉環(huán)示意自動駕駛數(shù)據(jù)量高速增長，算力支持逐步到位。行業(yè)發(fā)展前期數(shù)據(jù)量從TB級增長至PB級，數(shù)據(jù)增長速度快于算力。但隨著算力快速增長，將能夠覆蓋相應(yīng)數(shù)據(jù)的處理需求。產(chǎn)業(yè)將完善車云協(xié)同數(shù)據(jù)閉環(huán)，“數(shù)據(jù)飛輪”加速運行。從車端數(shù)據(jù)采集，到處理后形成有效數(shù)據(jù)集，再通過云服務(wù)器進行存儲、運輸，經(jīng)過算法模型訓練、驗證后，將有效數(shù)據(jù)成果部署上車，各環(huán)節(jié)相互連接，形成完整的數(shù)據(jù)閉環(huán)。圖表：自動駕駛數(shù)據(jù)及算力增長示意資料來源：億歐智庫、中泰證券研究所資料來源：億歐智庫、中泰證券研究所9行業(yè)正處于“iPhone4時刻”，性價比車 智駕滲透率將快速提升自動駕駛市 發(fā)展現(xiàn)已進入以量產(chǎn)目標的攻 階段，以成本控制為目標的產(chǎn)品迎來發(fā)展黃金期。如果以手機行業(yè)類比，2010年iPhone4發(fā)布后手機行業(yè)迎來了一次變革，但滲透率真正快速增長期是

2012年智能手機下探至千元市

之后。對于汽車而言，硬件成本相對 定，下降速度較慢；軟件算法的提升和迭代能大幅提升用戶體驗，才是車企性價比優(yōu)勢的主要來源。表：2010-2014年中 智能手機滲透率100%90%80%70%60%50%40%30%20%10%0%2010年6月iPhone4發(fā)布2012年3月：46.4%智能手機下探至千元市場，隨后滲透率快速提升資料來源：Wind、中泰證券研究所10?

隨著SDV的發(fā)展，汽車產(chǎn)品

研發(fā)和銷售階段的附加價值將會更大。

制造階段，硬件的增值較為有限；

銷售和服務(wù)階段，軟件

帶來的價值增量將逐漸擴大，軟件也可以通過OTA升級或訂閱服務(wù)不斷盈利。此外相關(guān)企業(yè)可以通過軟件為用戶提供多元化的服務(wù)，未來也將通過拓寬汽車產(chǎn)業(yè)和服務(wù)的邊界來擴大價值增量。汽車產(chǎn)品軟件附加值大幅提升，主要體現(xiàn)研發(fā)和銷售服務(wù)階段表：汽車產(chǎn)業(yè)附加值微笑曲線的改變汽車工業(yè)附加價值研發(fā)制造價值增加傳統(tǒng)汽車工業(yè)未來汽車工業(yè)價值擴展（OTA、多元服務(wù)等）銷售和服務(wù)資料來源：Impact,

Challenges

and

Prospect

of

Software-De?nedVehicles、中泰證券研究所11智能駕駛產(chǎn)業(yè)正迎來供應(yīng)鏈整零關(guān)系的重構(gòu)。傳統(tǒng)產(chǎn)業(yè)模式下，整車企業(yè)協(xié)調(diào)整個產(chǎn)業(yè)鏈，

價值分配中擁有絕對話語權(quán)。但隨著軟件定義汽車的逐漸演進，傳統(tǒng)汽車產(chǎn)品的功能和性能難以滿足智能化和個性化需求。當下產(chǎn)業(yè)協(xié)同方式正 向網(wǎng) 結(jié)構(gòu)轉(zhuǎn)變。軟件研發(fā)能力強的信息通信技術(shù)（ICT）企業(yè)將作為Tier

0.5的參與者進入汽車行業(yè)，與車企進行協(xié)作創(chuàng)新；零部件和芯片廠商協(xié)同更加緊密，行業(yè)參與者的界限更加模糊，軟件的重要性持續(xù)提升。未來的產(chǎn)業(yè)模式將成為平臺化的生態(tài)系統(tǒng)。平臺企業(yè)作為各要素的集成商，將成為產(chǎn)業(yè)模式的中心，掌握對車輛架構(gòu)和軟硬件集成的權(quán)利；硬件供應(yīng)商和軟件供應(yīng)商將根據(jù)平臺和用戶的需求開發(fā)各種軟件和硬件產(chǎn)品，軟件供應(yīng)商的重要性將隨著軟件價值的增加而進一步增加。此外第三方開發(fā)商的進入也能使汽車產(chǎn)品與外部生態(tài)進行更好 溝通。表：產(chǎn)業(yè)鏈合作形態(tài)SDV使供應(yīng)鏈將迎來整零關(guān)系重構(gòu)，行業(yè)價值量分配將向軟件層傾斜整車廠Tier1

零部件廠商Tier2

芯片廠商等1.0階段ICT廠商整車廠商芯片廠商零部件廠商協(xié)同創(chuàng)新2.0階段硬件供應(yīng)商軟件供應(yīng)商第三方開發(fā)者平臺企業(yè)3.0階段資料來源：Impact

Challenges

andProspect

ofSoftware-Defined

Vehicles、中泰證券研究所1213｜

領(lǐng)

先

｜

深

度

｜ 目COCONTENTS中

泰錄E所2NOA滲透率持續(xù)提升，NT BEV技術(shù)路線成車廠共識表：城市NOA功能已經(jīng)成為多數(shù)用戶購車參考 素資料來源：億歐智庫、中泰證券研究所NOA拓展至城區(qū) 景，各品牌加快開城節(jié)奏表：我 NOA裝車量及滲透率資料來源：蓋世汽車、中泰證券研究所景。隨著技術(shù)逐漸成熟，小鵬、理想、蔚來、?

NOA（Navigate

on

Autopilot）功能的應(yīng)用已經(jīng)從高速公路拓展到城區(qū)華為等車企紛紛落 城市領(lǐng)航功能，加快開城速度。?

NOA功能已經(jīng)成為了絕大多數(shù)用戶購車的參考

素。約41%的用戶認為高速NOA是主要的購車參考 素；約28%用戶認為城區(qū)NOA是主要的購車參考 素，超90%用戶認為NOA功能是他們購車的參考 素。3.748.89.816.10.77%3.8

0.92%0.75%1.57%2.40%12.32.36%1%0%1%2%2%2.93%3%3%4%10864201412181622Q122Q2

22Q322Q423Q3NOA裝車量（萬輛）23Q1 23Q2NOA功能滲透率（%）28.10%65.60%41.10%51.80%6.30%

7.10%0%20%10%40%30%50%60%70%主要參考因素次要參考因素不作為參考因素城市NOA功能

高速NOA功能14表：我 標配NOA汽車出貨量預(yù)測（萬輛）資料來源：蓋世汽車、中泰證券研究所表：2023年我標配NOA車價格分布資料來源：蓋世汽車、中泰證券研究所當下標配城區(qū)NOA的功能的車 主要分布 30-50萬價位的區(qū)間。占比最多的區(qū)間是35-40萬車 ，為34.1%。NOA功能已經(jīng)開始下探至20萬以下車 。2024年推出的小鵬P5

500Pro價格為17.49萬元起，榮威RX5NGP售價15.59萬起。未來隨著軟硬件成本持續(xù)下降，NOA功能也將逐漸下探至中低價位車 。城區(qū)NOA功能主要分布

20w+車 ，將逐步下探至中低價位車8.1%5.9%27.9%34.1%19.7%2.9%10-15萬 0.1%0.0% 5.0% 10.0% 15.0% 20.0% 25.0% 30.0% 35.0% 40.0%20-25萬15-20萬 1.3%25-30萬30-35萬35-40萬40-50萬50萬以上900800700274600239500204400300200100023.670.753132140109218 28017234443750857920232024E2025E 2026E2027E2028E2029E2030E高速NOA城市NOA15華為：采用BEV+GOD/RCR

2.0算法架構(gòu)，高速無圖決策取得新進展華為的智駕方案主要依賴GOD+RCR的方案：“看得懂物”的GOD

2.0（General

Obstacle

Detection，通用障礙物檢測網(wǎng)絡(luò)）：可以識別通用障礙物白名單外的異形物體，障礙物種類精細識別（如區(qū)分救護車、警車等），識別率高達99.9%“看得懂路”的RCR

2.0（RoadCognition

&

Reasoning，道路拓撲推理網(wǎng)絡(luò)）：實現(xiàn)導(dǎo)航地圖和現(xiàn)實世界的匹配。BEV+GOD2.0+RCR2.0

完善軟件算法架構(gòu)覆蓋更多無圖場景。在BEV方案的基礎(chǔ)上，華為還采用了和特斯拉類似的Occupancynetworks算法，并結(jié)合了激光雷達、超聲波雷達，可以在視覺算法之外提供更多的安全冗余。圖表：華為GOD算法示意資料來源：Vehicle、中泰證券研究所16小鵬的智駕方案經(jīng)歷了從XPilot到XNGP的演進。XPilot是帶有高速領(lǐng)航輔助的智能駕駛；XNGP

是在第一代XPilot系統(tǒng)的基礎(chǔ)上，增加了城市路況下的全程智能輔助駕駛功能（城市NGP），以及高速NGP和VPA記憶泊車的增強版功能?；诩す饫走_硬件加持，XNGP能實現(xiàn)更高級別的場景感知與融合，實現(xiàn)點到點的輔助駕駛。未來小鵬智駕方案將會走向面向全場景智駕的架構(gòu)Xbrain，由具備時空理解的下一代感知架構(gòu)XNet

2.0、基于神經(jīng)網(wǎng)絡(luò)的規(guī)劃與控制XPlanner以及其他算法共同構(gòu)成，達到完全的感知融合。圖表：小鵬智駕方案演進方向小鵬：從XPilot到XNGP智駕方案逐步完善，最終走向XBrain的統(tǒng)一資料來源：2023年小鵬科技日發(fā)布會、中泰證券研究所17小鵬：形成數(shù)據(jù)全棧閉環(huán)，數(shù)據(jù)處理與算法迭代效率大幅提升小鵬實現(xiàn)了數(shù)據(jù)的全棧閉環(huán)，大幅提升數(shù)據(jù)處理效率。將生成的仿真數(shù)據(jù)和收集到的車輛數(shù)據(jù)信息進行數(shù)據(jù)挖掘并標注，對模型進行訓練，并輸入云端進行大規(guī)模仿真測試，最終訓練模型和部署代碼。對于城市場景，能夠在24小時內(nèi)完成相應(yīng)策略點的修復(fù)，閉環(huán)處理效率提升了150%，城市被動接管次數(shù)顯著下降了38%。圖表：小鵬智能駕駛數(shù)據(jù)全棧閉環(huán)資料來源：2023年1024小鵬科技日發(fā)布會、中泰證券研究所18理想：BEV+Transformer方案算法，自研TIN算法識別信號燈2023年12月，理想智駕從AD2.0全面升級到AD

3.0。從原先多個小模型以及人工規(guī)則為主的模塊化算法架構(gòu)提升為大模型為主的端到端架構(gòu)。AD

Max

3.0

采用BEV+Occupancy方案，進一步提升了感知能力，規(guī)劃算法逐步切換為時空聯(lián)合規(guī)劃算法可以更快完成駕駛軌跡規(guī)劃，同時也更新了MPC模型預(yù)測控制算法，可以做到低時延、高準確的轉(zhuǎn)向。除此之外，憑借

TIN

端到端信號燈網(wǎng)絡(luò)，AD

Max

3.0

還可以在不設(shè)置導(dǎo)航的前提下識別不同樣式的紅綠燈，實現(xiàn)在路口的起步和剎停。圖表：理想智能駕駛3.0算法架構(gòu)資料來源：理想、中泰證券研究所19蔚來：迭代NOP+技術(shù)路線架構(gòu)，無圖云端數(shù)據(jù)驅(qū)動模型提升感知決策能力蔚來采用了NOP+技術(shù)路線：一是打造靜態(tài)感知網(wǎng)絡(luò)NADLane

2.0，不需要依賴高精地圖，就能實時感知路口信息；二是通過數(shù)據(jù)驅(qū)動的方式，基于時空交互

transformer多模態(tài)注意力網(wǎng)絡(luò)打造了云端大模型NADWWM，高效提升車輛感知性能；三是引入全數(shù)據(jù)驅(qū)動的規(guī)劃的模型分層價值網(wǎng)絡(luò)NADHVM，通過分層搜索的形式，可以在更快的時間內(nèi)去完成更廣泛的搜索，從而找到最優(yōu)的結(jié)果，這使得城市

NOP+將具備更加細膩的交互能力。與絕大多數(shù)車企不同，蔚來的城區(qū)增強領(lǐng)航輔助NOP+服務(wù)將按路線開通。圖表：蔚來輔助駕駛決策流程資料來源：蔚來、中泰證券研究所2021NT｜

領(lǐng)

先

｜

深

度

｜ 目COCONTENTS中

泰錄E所3端到端智能+與界模型，智駕汽車將成通用AI智能體圖表：汽車行業(yè)發(fā)展歷程資料來源：長城汽車、中泰證券研究所?

智能汽車最終將走向AI定義的下半程。汽車行業(yè)經(jīng)歷了上世紀的“大工業(yè)”時代和電氣化時代，逐漸走入了智能化時代的下半程。如果說上半程的迭代在于“軟件定義汽車”，是基于電子電子架構(gòu)的軟硬解耦和功能迭代，那么下半程可能就是AI定義汽車，以神經(jīng)網(wǎng)絡(luò)模型、城區(qū)NOA為代表的高級別智駕功能及智能交互功能將引領(lǐng)產(chǎn)業(yè)。智能汽車行業(yè)正走向智能化的下半程22資料來源：鑒智機器人、中泰證券研究所在2021年之前的智能駕駛普遍采用后融合/后處理且基于規(guī)則的算法，可以用Expert

AI進行類比。各傳感器輸出結(jié)果在決策層融合，每個傳感器都有自己獨立的感知算法。但這種方式下低置信度信息會被過濾掉，造成原始數(shù)據(jù)丟失，且始終難以解決長尾性問題。BEV誕生后，行業(yè)逐漸走向特征集融合的過程，可以用Narrow

AI進行類比。先將各個傳感器通過神經(jīng)網(wǎng)絡(luò)模型提取中間層特征（即有效特征），再對多種傳感器的有效特征進行融合，從而得到最佳推理過程。Occupancy

Networks算法也是這種路徑的代表算法。未來的端到端智能駕駛將走向世界模型時代，即AGI時代。2024年隨著特斯拉推送基于端到端的自動駕駛系統(tǒng)

FSDv12，算法中引入了世界模型和基礎(chǔ)模型的概念，小鵬、理想、蔚來等中國車企跟著加大端到端模型研發(fā)力度。圖表：智駕算法發(fā)展歷程汽車作為端側(cè)成熟產(chǎn)品，也將走向AGI23?

自動駕駛將是通用機器人的最先落地場景。在CVPR

2023會議上，特斯拉公司介紹了他們研發(fā)的“通用世界模型”。該模型具備強大的功能，能夠?qū)ξ磥硎录M行有效預(yù)測，并且可以通過人為干預(yù)進行控制。此外，它能夠以多種形式輸出結(jié)果，極大地便利了仿真實驗的開展，為科研和技術(shù)創(chuàng)新提供了新的可能。隨著通用世界模型的成熟和落地，未來智能汽車也將成為一個通用的端側(cè)智能體，自動駕駛或?qū)⒊蔀橥ㄓ脵C器人的最先落地場景。圖表：汽車由專用智能向通用智能發(fā)展未來自動駕駛將成為通用機器人的最先落地場景資料來源：長城汽車、中泰證券研究所2425NT｜

領(lǐng)

先

｜

深

度

｜ 目COCONTENTS中

泰錄E所4投資建議與風險提示我 智能駕駛?cè)蕴幱跐B透率快速提升階段，2024年有望成為L3+智駕落

元年。自動駕駛產(chǎn)業(yè)經(jīng)過高速發(fā)展已進入泛

化階段，硬件上大算力芯片和傳感器不斷迭代降本，高階智能駕駛落 有了硬件支撐；軟件上算法持續(xù)迭代，軟硬解耦和艙駕融合的趨勢更增智駕車 的優(yōu)勢，并逐漸成為用戶購車的主要考量 素。NOA的誕生如同手機行業(yè)的“iPhone4時刻”，隨著以NOA為標 的高階智駕功能下探至20W以下車 ，行業(yè)也將迎來滲透率的快速提升。BEV

Transformer

成為了行業(yè)共識的主流技術(shù)路線，各車廠

加速NOA開城進度。BEV以鳥瞰視角呈現(xiàn)車輛信息，將

傳統(tǒng)自動駕駛2D 像視角轉(zhuǎn)換為 鳥瞰 視角下的3D感知，