智聯(lián)汽車行業(yè)市場前景及投資研究報(bào)告：RoboTaxi中美智能駕駛機(jī)會(huì)

證

券

研

究

報(bào)

告從RoboTaxi看中美智能駕駛機(jī)會(huì)智聯(lián)汽車系列深度之352024.8.7核心觀點(diǎn)：?

特斯拉FSD1.0到3.0是“第一性原理”的集中體現(xiàn)，伴隨著成本不斷下降???特斯拉1.0：通過實(shí)施生成的鳥瞰圖BEV替代高精度地圖作用，約2019年，無圖NOA的基礎(chǔ)；特斯拉2.0：通過占用網(wǎng)絡(luò)預(yù)測物體在空間中位置，替代激光

，約2021年，純視覺NOA的基礎(chǔ)；特斯拉3.0：通過端到端大模型，取代傳統(tǒng)智能駕駛路線；感知、制圖、預(yù)測決策、規(guī)劃—>基礎(chǔ)模型、規(guī)劃，約2023年后，有效解決規(guī)則范式下長尾問題的基礎(chǔ)。?

技術(shù)路線差異，導(dǎo)致特斯拉Robotaxi和國內(nèi)L4運(yùn)營模式有較大區(qū)別?技術(shù)路線較大差異。國內(nèi)L4以蘿卜快跑為例，使用高精度地圖+冗余傳感器結(jié)合，配備6-7顆激光，規(guī)則化訓(xùn)練，高算力主冗雙計(jì)算單元1200Tops；特斯拉FSD方案：無高精度地圖，無激光，端到端，720Tops；??特斯拉Robotaxi：商業(yè)模式可能類似軟件服務(wù)，約75%運(yùn)營毛利率，30%

EBIDTA率，全球化市場；蘿卜快跑：商業(yè)模式類似出租車運(yùn)營公司，根據(jù)正文假設(shè)，當(dāng)單車價(jià)值量低于20萬元，安全員人車比降低至1：7，單公里收費(fèi)提升至2元/公里后，可以實(shí)現(xiàn)單車運(yùn)營盈利。?

國內(nèi)乘用車智能駕駛，技術(shù)迭代較快，已基標(biāo)配BEVformer實(shí)現(xiàn)無圖NOA，正向端到端時(shí)代演進(jìn)?無圖NOA：已有充分技術(shù)基礎(chǔ)，預(yù)計(jì)2024H2上車可開。1）理想7月5日開始推送，

最終24萬名AD

Max用戶都能使用無圖NOA能力；2）小鵬24H2逐漸推送，XNGP城區(qū)智能駕駛系統(tǒng)邁入100%無圖導(dǎo)航時(shí)代，服務(wù)場景將包括小路、內(nèi)部路、停車場等；3）小米Q3推送，智能駕駛城市領(lǐng)航功能采用輕地圖方案。?端到端：各主機(jī)廠積極布局，預(yù)計(jì)2025年開始有上車進(jìn)展。1）乾崑ADS3.0：GOD和PDP兩個(gè)網(wǎng)絡(luò)，實(shí)現(xiàn)感知和決策端到端；2）長城7月魏牌藍(lán)山首發(fā)量產(chǎn)國內(nèi)第一個(gè)端到端，使用德賽西威域控+元戎算法；3）理想、小鵬、蔚來等也有端到端迭代。?

風(fēng)險(xiǎn)提示：智駕接受度不及預(yù)期、技術(shù)發(fā)展不確定性、安全性問題有待解決、法律法規(guī)尚未完善。2標(biāo)的小結(jié)（申萬智聯(lián)汽車）?

正常的Robo-Taxi長期有較大刺激，短期差3-4個(gè)數(shù)量級(jí)??優(yōu)勢：2018-2023年L2+，尤其NOA和大模型是Robo-Taxi基礎(chǔ)劣勢：數(shù)量級(jí)差距較大?

Robotaxi和智能駕駛投資方向選擇出現(xiàn)差異?

國內(nèi)Robotaxi三方向???1）傳感器冗余帶來激光、P-box、連接器等機(jī)會(huì)：華測導(dǎo)航、永新光學(xué)、電連技術(shù)；2）車路云相關(guān)數(shù)據(jù)在重視安全的Robotaxi中大量應(yīng)用：金溢科技、萬集科技、千方科技；3）Robotaxi運(yùn)營：百度、大眾交通、錦江在線；?

更長期利好的是ADAS+AI方向????海外：特斯拉，汽車：小鵬（與特斯拉相同技術(shù)路線）、通信：華測導(dǎo)航、永新光學(xué)、電連技術(shù)計(jì)算機(jī)：德賽西威，虹軟科技（ADAS純軟）電子：世運(yùn)電路、東山精密、宸展光電、立訊精密、藍(lán)思科技?

間接利好的是汽車零部件?汽車零部件：拓普集團(tuán)、新泉股份、科博達(dá)、經(jīng)緯恒潤3主要內(nèi)容1.

技術(shù)：特斯拉如何逐步實(shí)現(xiàn)端到端2.

模式：中美兩種RoboTaxi的差異3.

變化：國內(nèi)智能駕駛技術(shù)進(jìn)展4.

推薦：后續(xù)機(jī)會(huì)和重點(diǎn)標(biāo)的41.1

傳統(tǒng)智能駕駛：感知、規(guī)劃自動(dòng)駕駛的經(jīng)典框架Planning——我該怎么走?

感知（Perception）規(guī)劃感知系統(tǒng)負(fù)責(zé)理解車輛周圍的環(huán)境。包括車輛、行人、交通信號(hào)、道路標(biāo)志等。Occupancy——我周圍有什么？如何分布?NeuralNetworks——為什么要這么走感知數(shù)據(jù)?將收集到的原始數(shù)據(jù)轉(zhuǎn)換成有用的信Lanes

&Objects——周圍的物體下一步去哪里息，比如物體的類型、大小、距離等。?規(guī)劃（Planning）Timing

Data——這么走是正確的嗎??確定車輛的行動(dòng)路線和行為。解決路徑規(guī)劃、速度控制、避障等問題。Auto

Labelling——數(shù)據(jù)標(biāo)注Simulation——仿真模擬DataEngine——數(shù)據(jù)引擎?需要預(yù)測其他車輛和行人的行為，并硬件平臺(tái)TrainingInfra——拿什么運(yùn)算AICompiler

&Inference——如何在計(jì)算機(jī)上運(yùn)行神經(jīng)網(wǎng)絡(luò)軟硬耦合據(jù)此調(diào)整車輛的行駛路徑和速度。資料：申萬宏源研究自動(dòng)駕駛系統(tǒng)數(shù)據(jù)處理流水線由場景理解、規(guī)劃和決策任務(wù)組成5資料：馬達(dá)智數(shù)官網(wǎng)，申萬宏源研究1.1

傳統(tǒng)SLAM+DL方式的缺陷?

傳統(tǒng)方式：SLAM+DL，一般分為定位（Localization）+地圖構(gòu)建（Mapping）兩個(gè)步驟???SLAM（Simultaneous

Localizationand

Mapping，同步定位與地圖構(gòu)建）、深度學(xué)習(xí)（DL）定位：通過車載傳感器（如攝像頭、激光

、IMU等）收集周圍環(huán)境的信息實(shí)現(xiàn)定位。作圖：在車輛移動(dòng)的過程中不斷收集和處理傳感器數(shù)據(jù)，構(gòu)建出環(huán)境的地圖，可以是二維的或三維的，包含道路、障礙物等。?

缺陷：多傳感器消耗大量算力，且往往依賴高精度地圖，實(shí)時(shí)性不足???計(jì)算資源消耗大：需要處理大量傳感器數(shù)據(jù)。傳感器依賴：對(duì)高精度傳感器如激光環(huán)境適應(yīng)性：在動(dòng)態(tài)變化或復(fù)雜環(huán)境中，可能面臨定位和地圖構(gòu)建的挑戰(zhàn)?；旧蠠o法擺脫高精度地圖的依賴性。高精度地圖問題：資質(zhì)、鮮度、成本的依賴較大，增加了成本。傳統(tǒng)自動(dòng)駕駛技術(shù)SLAM+DLImagePerceptionmodule（圖像感知模塊）2DImages

data（圖像數(shù)據(jù)）3D

Tracks（三維空間追蹤）observation（二維觀測）Perception（感知）Planning&Control(PnC)（規(guī)劃與融合控制）SensorFusion（傳感器融合技術(shù)）Lidar/RadardataLidar/RadarPerceptionmodule3DLocalization（定位）observation（三維觀測）HDMap（高精度地圖）（

激光/數(shù)據(jù)）（激光/感知模塊）6資料：申萬宏源研究1.2

特斯拉AI算法1.0：BEVformer原始數(shù)據(jù)檢測-激光感知算法Rawdata識(shí)別結(jié)果1識(shí)別結(jié)果2識(shí)別結(jié)果3預(yù)測&決策算法L1-L2時(shí)代，大約2018傳感器融合算法控制執(zhí)行檢測-毫米波毫米波感知算法年以前原始數(shù)據(jù)Rawdata后融合ADAS算法攝像頭感知算法檢測-攝像頭原始數(shù)據(jù)Rawdata原始數(shù)據(jù)檢測檢測-激光預(yù)測&決策算法L2+~L3時(shí)代Rawdata感知算法多種傳感器崛起數(shù)據(jù)融合融合算法控制執(zhí)行檢測-毫米波ADAS域控制器崛起原始數(shù)據(jù)Rawdata跟蹤預(yù)測高精度地圖高精度地圖檢測-攝像頭前融合ADAS算法原始數(shù)據(jù)Rawdata原始數(shù)據(jù)Rawdata檢測-激光檢測預(yù)測&決策算法特斯拉1.0數(shù)據(jù)融合控制執(zhí)行通過實(shí)施生成的鳥瞰圖BEV替代高精度地圖作用檢測-毫米波檢測-攝像頭原始數(shù)據(jù)形成實(shí)時(shí)的跟蹤預(yù)測RawdataBEVformer約2019年無圖NOA的基礎(chǔ)原始數(shù)據(jù)Rawdata7資料：申萬宏源研究1.2

BEVformer對(duì)感知算法的優(yōu)化?

BEVformer：基于Transformer的自動(dòng)駕駛BEV純視覺感知??傳統(tǒng)駕駛算法下，時(shí)序信息很難與已有3D目標(biāo)檢測融合1）網(wǎng)格狀的BEV查詢：通過注意力機(jī)制靈活地融合空間和時(shí)間特征；2）空間交叉注意力模塊：用于聚合來自多視角攝像頭的空間特征；3）時(shí)間自注意力模塊：用于從歷史BEV特征中提取時(shí)間信息，有助于移動(dòng)物體的速度估計(jì)和嚴(yán)重遮擋物體的檢測。?

BEV的通俗理解：把不同視角的觀察合成一個(gè)“天眼模式”整體圖，了解全局??BEVFormer的兩大核心任務(wù)：mutil-camera（多視角相機(jī)）

和bird-

eye-view（鳥瞰圖）BEVBEVFormer利用了Transformer的特征提取能力以及Timestamp結(jié)構(gòu)的時(shí)序特征的查詢映射能力，在時(shí)間維度和空間維度對(duì)兩個(gè)模態(tài)的特征信息進(jìn)行聚合，增強(qiáng)整體感知系統(tǒng)的檢測效果。使用Transformer進(jìn)行BEV數(shù)據(jù)融合相比CNN更加便捷BEVFormer

在目標(biāo)檢測和地圖分割的視覺結(jié)果BEV-CNNBEV-Transformer資料：nullmax（紐勱科技），《BEVFormer:

LearningBird’s-Eye-View

Representation

fromMulti-Camera

Images

viaSpatiotemporal

Transformers》（中文可翻譯為《通過時(shí)空變換器，從多攝像機(jī)圖像中學(xué)習(xí)鳥瞰圖表示》），申萬宏源研究81.2

BEVformer對(duì)感知算法的優(yōu)化?

BEVFormer如何擺脫高精度地圖限制？?多視角攝像頭輸入+時(shí)空特征融合+端到端的感知任務(wù)支持?

除了不需要高精度地圖之外，BEVFormer的優(yōu)勢??高效的特征聚合：通過空間交叉注意力和時(shí)間自注意力機(jī)制，高效地聚合來自多視角攝像頭的時(shí)空特征，生成統(tǒng)一的BEV特征。多任務(wù)支持：可以支持多種自動(dòng)駕駛感知任務(wù)，如3D物體檢測和地圖分割，提供了一種更加靈活的感知解決方案。?

但使用BEVformer仍無法完全擺脫激光?基于視覺的方法在效果和效率上仍與基于激光的方法存在特定差距。從2D信息精確推斷3D位置仍然需要激光2D到3D

BEV層的轉(zhuǎn)化，包括兩維特征提取/視角轉(zhuǎn)化/三維解碼傳統(tǒng)融合與BEV融合是點(diǎn)云數(shù)據(jù)，上半部分點(diǎn)云到三維（提高精度），下半部分把BEV轉(zhuǎn)化到兩維（提高效率）資料：nullmax

（紐勱科技），《BEVFormer:

LearningBird’s-Eye-View

Representation

fromMulti-Camera

Images

viaSpatiotemporal

Transformers》（中文可翻譯為《通過時(shí)空變換器，從多攝像機(jī)圖像中學(xué)習(xí)鳥瞰圖表示》），申萬宏源研究91.3

特斯拉AI算法2.0：占用網(wǎng)絡(luò)檢測預(yù)測&決策算法特斯拉2.0通過占用網(wǎng)絡(luò)預(yù)測物體在空間中位置，替代激光控制執(zhí)行形成實(shí)時(shí)的BEVformer檢測-攝像頭跟蹤預(yù)測占用網(wǎng)絡(luò)算法occupancynetworks約2021年。純視覺NOA的基礎(chǔ)特斯拉的占用網(wǎng)絡(luò)Occupancy

Networks

資料：特斯拉CVPR，申萬宏源研究101.3

占用網(wǎng)絡(luò)：2D

BEV變?yōu)?D

BEV?

Occupancy

Network的通俗理解：2D

BEV，變?yōu)?D

BEV。增加運(yùn)動(dòng)序列預(yù)測。???2022

CVPR中，Tesla

FSD負(fù)責(zé)人

Ashok

Elluswamy

推出了Occupancy

Network。借鑒了機(jī)器人領(lǐng)域常用的思想。并未推翻BEVformer，而是對(duì)BEV

在高度方向進(jìn)行了進(jìn)一步的擴(kuò)展將世界劃分為一系列網(wǎng)格單元，然后定義哪個(gè)單元被占用，哪個(gè)單元是空閑的(考慮速度、預(yù)測軌跡等）。?

優(yōu)勢有哪些？泛化，2D變3D,像素變體素???2DBEV柵格變成3D柵格，高度方向又增加了一個(gè)維度變成了3D柵格；借鑒了NeRF(輸出3D柵格特征和柵格流，增加語義輸出和速度信息，可以變分辨率聚焦）；位置信息之前用激光體現(xiàn)了泛化，可以檢測出之前未知物，現(xiàn)在視覺；2D和3DBEV的區(qū)別8個(gè)攝像頭信息得到的3D占用網(wǎng)絡(luò)信息11資料：Tesla

AI

day（特斯拉AI日），申萬宏源研究1.3

占用網(wǎng)絡(luò)：NeRFs怎么用純視覺得到三維信息?

NeRF，即Neural

Radiance

Fields（神經(jīng)輻射場)。其通俗理解：給予海量不同視角的二維圖，合成同一場景不同視角下的圖像。??還可以通俗理解為X-Y-Z到三維極坐標(biāo)的轉(zhuǎn)化，第三視角到第一視角的轉(zhuǎn)化。NeRF可以從多個(gè)視角的圖像中重建出連續(xù)的3D場景表示，這為占用網(wǎng)絡(luò)提供了一個(gè)高精度的參考模型。通過比較占用網(wǎng)絡(luò)生成的3D占用體積與NeRF重建的3D場景，可以驗(yàn)證和校正占用網(wǎng)絡(luò)的輸出。?

這些

NeRF

是如何使用的？?由于Occupancy

network產(chǎn)生

3D

volume，可以將這些

3D

volume與

3D-reconstruction

volume（Nerf離線訓(xùn)練得到）進(jìn)行比較，從而比較預(yù)測的

3D

場景是否與“地圖”匹配（NeRF

產(chǎn)生

3D重建）。?在這些重建過程中也可能出現(xiàn)問題是圖像模糊、雨、霧等，為了解決這個(gè)問題，他們使用車隊(duì)平均（每次車輛看到場景，它都會(huì)更新全局

3D

重建場景）和描述符而不是純像素。特斯拉的NeRFs3D車隊(duì)平均信息流可以更好的描述場景12資料：Tesla

AI

day（特斯拉AI日），申萬宏源研究1.4

特斯拉AI算法3.0：端到端端到端的智能駕駛方案路徑圖特斯拉3.0通過端到端大模型，取代傳統(tǒng)智能駕駛路線感知、制圖、預(yù)測決策、規(guī)劃—>基礎(chǔ)模型、規(guī)劃2023年后嘗試視覺+4D成跟蹤Tracking有效解決規(guī)則范式下長尾問題的基礎(chǔ)像為主的傳感器路徑規(guī)劃（含防碰撞）控制執(zhí)行運(yùn)動(dòng)預(yù)測Motion占用預(yù)測Occupancy檢測Planner映射地圖Mapping智能駕駛傳統(tǒng)路線智能駕駛端到端L3TJPHWPTJADMSH

PAAVPFSD

basemodelL2目標(biāo)檢測目標(biāo)跟蹤場景建圖軌跡預(yù)測柵格預(yù)測路徑規(guī)劃。。。。HWASupercruiseCorneringcaseL1APAFCMACCLKA/LCCAEBL0AVMRVCE-mirroDVRBSD13資料：

《Planning-oriented

Autonomous

Driving》（《以路徑規(guī)劃為導(dǎo)向的自動(dòng)駕駛》），申萬宏源研究1.4

從AI感知，到端到端（感知+預(yù)測+規(guī)劃+控制）?

特斯拉FSD

v12第一次實(shí)現(xiàn)從感知到規(guī)劃的完全端到端??BEV（感知端到端）+規(guī)則化的決策算法，是目前大部分國內(nèi)廠商架構(gòu)；部分開始把決策智能化，實(shí)現(xiàn)模塊化（或兩步式）端到端；這樣有更強(qiáng)的可解釋性。?

UniAD和特斯拉V12最大的影響在于，他們證明了端到端是有效的、可行的??將代碼量從30萬行降低到了2000行，每周更新“第一性原理”：馬斯克認(rèn)為既然人類是通過眼睛觀察來駕駛汽車的，那么攝像頭作為最接近人類眼睛的傳感器，其視覺能力也能夠超越融合方案感知、決策、完整端到端的區(qū)別人為定義換口Rule-basedPlanner感知“端到端”BEV感知（現(xiàn)有架構(gòu)）人為定義換口BEV感知AI

Planner決策規(guī)劃模型化模塊化端到端隱式表達(dá)特征BEVFeaturePlanningFormerOne

Model

端到端生成式端到端大模型（生成式大模型）14資料：申萬宏源研究1.4

從AI感知，到端到端（感知+預(yù)測+規(guī)劃+控制）：UniAD?

UniAD以規(guī)劃為導(dǎo)向，執(zhí)行五項(xiàng)重要的駕駛?cè)蝿?wù)以促進(jìn)規(guī)劃???此前大部分方案，針對(duì)不同的任務(wù)部署單獨(dú)的模型，多任務(wù)學(xué)習(xí)方案共享骨干網(wǎng)絡(luò)，端到端范式將感知和預(yù)測模塊結(jié)合在一起。先前的嘗試要么對(duì)規(guī)劃進(jìn)行直接優(yōu)化，要么設(shè)計(jì)帶有部分組件的系統(tǒng)。利用聯(lián)合優(yōu)化從前面的節(jié)點(diǎn)到最終規(guī)劃。所有感知和預(yù)測模塊都在transformer解碼器結(jié)構(gòu)中設(shè)計(jì)，任務(wù)查詢作為連接每個(gè)節(jié)點(diǎn)的接口。一個(gè)簡單的基于注意力的規(guī)劃器可以考慮從先前節(jié)點(diǎn)提取的知識(shí)來預(yù)測自車的未來路線。在正確的融合方式下，所有的任務(wù)對(duì)最終的駕駛性能都是有收益的。?

首次將檢測、跟蹤、建圖、軌跡預(yù)測，占據(jù)柵格預(yù)測以及規(guī)劃整合到一個(gè)基于

Transformer的端到端網(wǎng)絡(luò)框架下自動(dòng)駕駛大模型嘗試多種子任務(wù)（目標(biāo)檢測、目標(biāo)跟蹤、場景建圖、軌跡預(yù)測、柵格預(yù)測和路徑規(guī)劃）整合到統(tǒng)一的端到端網(wǎng)絡(luò)框架資料：《Planning-oriented

Autonomous

Driving》（《以路徑規(guī)劃為導(dǎo)向的自動(dòng)駕駛》），申萬宏源研究151.4

從AI感知，到端到端（感知+預(yù)測+規(guī)劃+控制）：UniAD?

1）在Backbone環(huán)節(jié)特征提取，其中涉及BEV和多模態(tài)等大模型技術(shù)。?將一系列多相機(jī)圖像輸入特征提取器，并將生成的特征通過

BEVFormer

中的現(xiàn)成

BEV

編碼器轉(zhuǎn)換為統(tǒng)一鳥瞰圖

(BEV)

特征

。?

2）在感知環(huán)節(jié)目標(biāo)檢測與跟蹤模塊可以實(shí)現(xiàn)對(duì)動(dòng)態(tài)元素的特征提取、幀間物體跟蹤。?MapFormer

將map

queries作為道路元素（例，車道和分隔線）的語義抽象(semantic

abstractions)，并對(duì)地圖進(jìn)行全景分割。?

3）預(yù)測模塊，實(shí)現(xiàn)動(dòng)靜態(tài)元素交互與長時(shí)序軌跡預(yù)測，而且已經(jīng)有“聯(lián)合訓(xùn)練AI”。?由于每個(gè)單元的動(dòng)作都會(huì)顯著影響場景中的其他，因此該模塊對(duì)所有考慮的單元進(jìn)行聯(lián)合預(yù)測。?

4）在規(guī)劃模塊，基于軌跡預(yù)測，做防碰撞，其中涉及占用網(wǎng)絡(luò)（Occupancy

network）等大模型技術(shù)。?基于自身的軌跡預(yù)測和基于占據(jù)柵格的碰撞優(yōu)化并使自己遠(yuǎn)離

OccFormer預(yù)測的占用區(qū)域(occupied

regions)以避免碰撞。UniAD的聯(lián)合訓(xùn)練重，每個(gè)環(huán)節(jié)都可以為最后決策做出正向貢獻(xiàn)資料：《Planning-oriented

Autonomous

Driving》（《以路徑規(guī)劃為導(dǎo)向的自動(dòng)駕駛》），申萬宏源研究16主要內(nèi)容1.

技術(shù)：特斯拉如何逐步實(shí)現(xiàn)端到端2.

模式：中美兩種RoboTaxi的差異3.

變化：國內(nèi)智能駕駛技術(shù)進(jìn)展4.

推薦：后續(xù)機(jī)會(huì)和重點(diǎn)標(biāo)的172.1

Tesla：

HW4.0，算力5倍，支撐AI2024特斯拉重大升級(jí)的HW4.0，對(duì)照前一版本，進(jìn)步在算力/傳感/互聯(lián)/定位/集成度等HW3.0HW4.0外觀成像更厚2D更大，對(duì)稱設(shè)計(jì)，雙備份3D傳感器新增4D毫米波三頻GPS,新增L5頻率30厘米GPS雙頻GPS，NEO-M8L-01A-815米定位精度互聯(lián)接口數(shù)量攝像頭接口數(shù)量1個(gè)網(wǎng)2個(gè)網(wǎng)911到12前視三目+艙內(nèi)監(jiān)控1+側(cè)后視2+側(cè)前視2+后視1120前視雙目+艙內(nèi)1+側(cè)后視2+前保險(xiǎn)杠3（側(cè)前視+前視）+后保險(xiǎn)杠3（側(cè)后視+后視）像素（萬）最大探測距離芯片芯片數(shù)量算力工藝CPU內(nèi)存CPU內(nèi)核CPU最大頻率NPUCPU/APU+GPU/NPU資料500約420自研雙FSD250自研雙FSD144TOPS預(yù)計(jì)三星14nm8GLPDDR412Cortex-A722.2GHz720TOPS（5倍）預(yù)計(jì)三星7nm16GGDDR6202.35GHz,平時(shí)1.37GHz3個(gè)，2.2GHz一個(gè)PCB板，集成度高2個(gè)，2GHz兩個(gè)PCB板：Tesla官網(wǎng)，英偉達(dá)官網(wǎng)，申萬宏源研究特斯拉24Q1業(yè)績說明提供的FSD歷程數(shù)（單位：10億英里）

特斯拉24Q1業(yè)績說明提供的AI訓(xùn)練能力曲線（單位是H100等效GPU）18資料：Teslarati，wccftech，申萬宏源研究2.1

Tesla：近期表現(xiàn)與RoboTaxi有關(guān)表

：三種不同情況下，RoboTaxi業(yè)務(wù)對(duì)特斯拉未來價(jià)值的拉動(dòng)（單位：億美元，美元，%）TSLA.O牛市情形中性情形保守情形2029E2029E2029ERoboTaxi功能汽車預(yù)測（萬）340023001200假設(shè)特斯拉市占率25%25%25%Tesla

RoboTaxi汽車數(shù)量（萬）850575300單車公里數(shù)（萬英里）1010.251010.251010.25單英里價(jià)格（美元）單英里成本（美元）RoboTaxi業(yè)務(wù)收入空間（億美元）850057503000RoboTaxi毛利率75%30.0%25502075%75%30%90020EBITDA率30.0%172520EBITDA（億美元）EV/EDITDA目標(biāo)倍數(shù)對(duì)應(yīng)市值增量（億美元）5100010%3450010%1800010%折現(xiàn)率折現(xiàn)后2024市值增量（億美元）316672142211177資料：特斯拉官網(wǎng)，申萬宏源研究192.2

Robo-Taxi中國：兩個(gè)路線比較特斯拉FSD與蘿卜快跑技術(shù)路線比較特斯拉FSD已經(jīng)進(jìn)入3.0階段的領(lǐng)跑者對(duì)比維度發(fā)展階段蘿卜快跑高精度地圖+傳感器結(jié)合感知路線地圖路線純視覺感知，3D占據(jù)柵格網(wǎng)絡(luò)BEVformer實(shí)時(shí)生成鳥瞰圖，無需外部高精度地圖視覺+LIDAR等多模態(tài)融合感知，配備激光需要高精度地圖支持算法路線端到端，一個(gè)模型覆蓋所有形式場景規(guī)則化訓(xùn)練，針對(duì)不同場景給出不同規(guī)則，長尾場景需要單獨(dú)訓(xùn)練數(shù)據(jù)體系成本控制建立數(shù)據(jù)閉環(huán)依靠量產(chǎn)車數(shù)據(jù)回傳和自動(dòng)標(biāo)注HW4.0，720TOPS，是HW3.0的5倍基于transformer優(yōu)化頤馳06，高算力主冗雙計(jì)算單元，算力1200Tops車端硬件平臺(tái)需要支持多傳感器數(shù)據(jù)資料：騰訊新聞，EDN電子技術(shù)設(shè)計(jì)，申萬宏源研究檢測檢測-激光預(yù)測&決策算法L2+~L3時(shí)代多種傳感器崛起ADAS域控制器崛起感知算法數(shù)據(jù)融合融合算法控檢測-毫米波制執(zhí)行跟蹤預(yù)測高精度地圖高精度地圖檢測-攝像頭前融合ADAS算法特斯拉3.0通過端到端大模型，取代傳統(tǒng)智能駕駛路線感知、制圖、預(yù)測決策、規(guī)劃—>基礎(chǔ)模型、規(guī)劃2023年后嘗試視覺+4D成跟蹤有效解決規(guī)則范式下長尾問題的基礎(chǔ)像為主的傳感器Tracking路徑規(guī)劃（含防碰撞）控制執(zhí)行運(yùn)動(dòng)預(yù)測Motion占用預(yù)測Occupancy檢測Planner映射地圖Mapping20資料：Teslarati，wccftech，申萬宏源研究2.2

Robo-Taxi中國：來龍去脈?

對(duì)技術(shù)發(fā)展的樂觀和不斷的追求，貫穿了過去10年的無人駕駛產(chǎn)業(yè)?從谷歌開發(fā)出的形狀酷似甲殼蟲的無人駕駛汽車“Firefly”是在2014年推出的至今，無人駕駛產(chǎn)業(yè)已經(jīng)經(jīng)歷了10年發(fā)展。?

其中有2條重要的故事線?1）2016年底谷歌將Waymo獨(dú)立，開始無人運(yùn)營測試；2019年初Waymo在鳳凰城正式商業(yè)應(yīng)用，無人駕駛商業(yè)落地首個(gè)高潮來臨。23年宣布將對(duì)

Waymo

One

出行服務(wù)收取費(fèi)用，24年向所有舊金山用戶開放無人駕駛出租車服務(wù)。??2）2016年Elon在《宏偉規(guī)劃第二部分》中首次提出了Robotaxi的概念，22年其宣布公司將開發(fā)一款外形頗具未來感的專用Robotaxi汽車。2024年Elon反復(fù)提及將在年內(nèi)發(fā)布Robotaxi的技術(shù)，并對(duì)公司估值有極強(qiáng)的支撐。?

而在中國，2018年行業(yè)高峰，但是后續(xù)轉(zhuǎn)型L2.5+謀生存?無人駕駛的高峰期也在2018年首次進(jìn)入高潮。當(dāng)時(shí)眾多AI公司、互聯(lián)網(wǎng)企業(yè)紛紛加入這一戰(zhàn)場，應(yīng)用場景也是百花齊放。包括百度、地平線、Momenta、元戎啟行等，布局L4。?但后續(xù)大量L4陸續(xù)轉(zhuǎn)型L2.5/ADAS，謀求實(shí)際上車，實(shí)現(xiàn)企業(yè)存續(xù)。?

現(xiàn)在L2.5與L3鋪墊了Robo-Taxi?現(xiàn)在L2.5的鋪墊，也極大豐富了當(dāng)下中國高階ADAS的供給能力，即Robo-Taxi的基礎(chǔ)212.2

Robo-Taxi中國：本次機(jī)會(huì)和優(yōu)劣?

確定性：這次趨勢的確定性更高，落地可能性更大???現(xiàn)在智聯(lián)汽車、軟硬一體化，已經(jīng)是中國稟賦領(lǐng)域中觀層面，新的投資和產(chǎn)業(yè)發(fā)展方面也是我們繼續(xù)尋找的，類似此前大規(guī)模試點(diǎn)的V2X試點(diǎn)從產(chǎn)業(yè)本身看，技術(shù)成熟度也遠(yuǎn)高于5-6年前的水平，具備推廣的硬件和技術(shù)條件?

新成長：在經(jīng)歷了一輪寒冬后，新成長更有機(jī)會(huì)，但國內(nèi)還差3-4數(shù)量級(jí)?優(yōu)勢：L2+有很多鋪墊技術(shù)和生態(tài)。2018-2022年，也間接孕育出了此刻中國優(yōu)秀的L2+的軟硬件能力，尤其城市級(jí)NOA。眾多優(yōu)秀的主機(jī)廠從L2起步，已經(jīng)逐步具備了全國城市NOA的能力，他們?cè)诜夯芰ι峡达@然更強(qiáng)。??劣勢：需要補(bǔ)強(qiáng)L4框架下的安全性（似乎理想的兩個(gè)系統(tǒng)可以較好解決）。需要補(bǔ)足的是在L4框架下的安全性，這一點(diǎn)連Tesla或許也無法繞過。劣勢：蘿卜快跑的數(shù)據(jù)離商用還差3-4個(gè)數(shù)量級(jí)，如果滲透率達(dá)到5%-10%是重要趨勢（例如上海滴滴日均100萬單，武漢滴滴日均40萬單，武漢蘿卜快跑每日20單。蘿卜快跑全國每天1萬單，滴滴全國每天3000萬單）?

產(chǎn)業(yè)鏈：帶動(dòng)NOA+ADAS??蘿卜出圈，消費(fèi)者對(duì)‘自動(dòng)駕駛’的接受度或?qū)U(kuò)展到量產(chǎn)車型的城市NOA上這或許才是短期我們最可能見到的一幕，通過蘿卜的出圈，越來越多的消費(fèi)者開始認(rèn)知并接受頭部OEM的城市NOA方案。這將大幅度加速車企在智能化能力認(rèn)知度上的分化，優(yōu)秀的方案獲得更多的熱度，進(jìn)而影響品牌知名度222.3

目前國內(nèi)無人駕駛車已實(shí)現(xiàn)商業(yè)化主要企業(yè)情況目前國內(nèi)無人駕駛車已實(shí)現(xiàn)商業(yè)化主要企業(yè)情況公司商業(yè)模式創(chuàng)立時(shí)間

創(chuàng)立團(tuán)隊(duì)代表產(chǎn)品投放城市投放數(shù)量運(yùn)營里程北京、武漢、重慶、深圳、上海開展全無人自動(dòng)駕駛出行服務(wù)測試，11個(gè)城市開放載人測試運(yùn)營服務(wù)2015年開始大規(guī)模投入；2017推出Apollo平臺(tái)蘿卜快跑（第六代無人車）；Apollo

ADFM（全球首個(gè)支持L4級(jí)自動(dòng)駕駛的大模型）武漢每天10萬公1)技術(shù)服務(wù)：智駕解決方案2)造車（集度汽車）3)運(yùn)人：出租、巴士里武漢400輛，其他

23年武漢總服務(wù)百度Apollo百度城市未記錄量超500萬單，武漢全無人駕駛訂單比例達(dá)45%百度系前百度北美研發(fā)主任架構(gòu)師彭軍（StanfordPhD）和中國編程“樓教主”樓天城聯(lián)合創(chuàng)立，二人分別擔(dān)任小馬智行的CEO和CTO1）技術(shù)服務(wù)：提供全棧式自動(dòng)駕駛技術(shù)（軟件）2）運(yùn)人：Robotaxi3）運(yùn)貨：Robotruck

小馬智卡北京、廣州已商累積3200萬公里自動(dòng)駕駛里程（截止2024年4月）小馬智行(Pony.ai)業(yè)化Robotaxi服務(wù)，預(yù)計(jì)千臺(tái)規(guī)模（4上海、深圳已提

月25日）供Robotaxi服務(wù)2016年2016年小馬智行Robotaxi；學(xué)術(shù)圈第五代全無人駕駛系統(tǒng)AutoX2022年超1000臺(tái)，是當(dāng)時(shí)中國乃至Princeton

小AP肖健雄所組成的1）運(yùn)人：Robotaxi；2）賣技術(shù)服務(wù)硅谷、深圳、上海、武漢安途

(AutoX)Gen5，可以用高全球最大規(guī)模的全無人駕駛MIT、Stanford頂

德打車APP叫到級(jí)團(tuán)隊(duì)Autox的RobotaxiRoboTaxi車隊(duì)1）運(yùn)人：Robotaxi、Robobus2）提供物流服務(wù)和合作：Robovan（無人駕駛運(yùn)貨車）3）環(huán)衛(wèi)商業(yè)項(xiàng)目：自動(dòng)駕駛環(huán)衛(wèi)車4）提供高階智能駕駛解決方案WePilot百度系韓旭（TonyHan），2007UIUCCSPhD，曾任百度自動(dòng)駕駛事業(yè)部首席科學(xué)家廣州、南京、博鰲、大連、北京、無錫、鄂爾多斯（robotaxi已開始運(yùn)營）2020年6月，文遠(yuǎn)知行Robotaxi服務(wù)上線高德打車平臺(tái)超

1500萬公里的公開道路自動(dòng)駕駛里程（截止2022年底）文遠(yuǎn)知行(WeRide)2017年資料：各公司官網(wǎng)，三個(gè)皮匠報(bào)告，騰訊新聞，知乎，搜狐，澎湃，中國證券網(wǎng)，未來智庫，汽車產(chǎn)經(jīng)網(wǎng)，申萬宏源研究232.4

Robo-Taxi中國：

UE測算及延伸探討蘿卜快跑當(dāng)前盈利能力與傳統(tǒng)快車對(duì)比蘿卜第五代（當(dāng)前）第六代第七代快車（油）快車（電）備注一次性（萬元）年度費(fèi)用單人負(fù)責(zé)的robotaxi數(shù)量單車成本司機(jī)成本482031857.512.57.27.2司機(jī)月均收入6K1人員（地測、安全員、地勤、后臺(tái)）月收入7K，當(dāng)前人員和運(yùn)營車輛比例1:1，假設(shè)到第六代1:3，第七代1:5（地測人員陸續(xù)推出，地勤增加覆蓋范圍）（萬元）遠(yuǎn)程運(yùn)維單車折舊8.48.02.83.31.683.01.32.1假設(shè)運(yùn)營年限6年運(yùn)營時(shí)長(h)日接單數(shù)里程（km/單）142081420814208102010102010初期補(bǔ)貼較多（政府+平臺(tái)），后收費(fèi)（元/公里）油費(fèi)（元/公里）1.51.822.40.72.4期定價(jià)逐步市場化電費(fèi)（元/公里）每日行駛距離（公里）0.30.30.30.3運(yùn)營數(shù)據(jù)假設(shè)300300300300300能源成本（元/天)909077904621019790人工成本（元/天)230197折舊+維保（元/天)總成本（元/天）2555751272941182547047793380假設(shè)單車平均維保費(fèi)用1.3W/年收入（元/天)240288320480480日盈利（元/天）日運(yùn)營現(xiàn)金流（元/天）-335-116-68666148337100157

資料：申萬宏源研究242.4

Robo-Taxi中國：利潤率敏感性分析?

預(yù)計(jì)第七代無人駕駛出租車的車輛成本可能低于20萬元，有望在2-3年內(nèi)出現(xiàn)。??單人員負(fù)責(zé)運(yùn)營數(shù)量達(dá)到1:3后，利潤率有望轉(zhuǎn)正；若單車成本控制在20W，人效達(dá)到1:7之后，robotaxi凈利潤率有望達(dá)到22%。robotaxil利潤率敏感性分析車輛成本/萬元21%

20253035404550556013-40%

-47%

-54%

-61%

-68%

-75%

-83%

-90%

-97%8%1%-6%4%-13%

-20%

-27%

-35%

-42%

-49%單人員負(fù)責(zé)的robotaxi數(shù)量518%22%24%26%11%15%17%19%-4%1%3%4%-11%

-18%

-25%

-32%

-39%78%-7%-4%-3%-14%

-21%

-28%

-35%-11%

-19%

-26%

-33%-10%

-17%

-24%

-31%910%11%1125資料：申萬宏源研究主要內(nèi)容1.

技術(shù)：特斯拉如何逐步實(shí)現(xiàn)端到端2.

模式：中美兩種RoboTaxi的差異3.

變化：國內(nèi)智能駕駛技術(shù)進(jìn)展4.

推薦：后續(xù)機(jī)會(huì)和重點(diǎn)標(biāo)的263.1

智聯(lián)汽車是多要素的乘積，汽車景氣度僅為其一智聯(lián)汽車成長要素智聯(lián)汽車營業(yè)收入

=

乘用車銷量

×

產(chǎn)品滲透率

×

產(chǎn)品單價(jià)

×

公司市占率車市景氣起點(diǎn)：0%-5%加速：10%-50%相對(duì)飽和：50%-80%L2座艙：4KL3

座艙+ADAS+大屏：20K配套新車系?

智聯(lián)汽車的發(fā)展??有四要素乘用車銷量是其中之一2020-2022H1景氣自主+合資+新勢力?

電子化智能化的變革2022H2景氣高端BBA??先3-5域控制器再多域合并相對(duì)平淡智聯(lián)汽車電子化智能化的變革資料：申萬宏源研究27自然年降規(guī)格升級(jí)3.1

2024H2

ADAS

ASP的新變化？表：ADAS系統(tǒng)在各級(jí)別智能汽車中的總價(jià)格測算-2024E（價(jià)格單位：元

數(shù)量單位：個(gè)）德

賽

西

威

布產(chǎn)品單價(jià)L1L2L3L4L5局的產(chǎn)品環(huán)視攝像頭

200前視攝像頭

300445？？？√√ADAS系統(tǒng)成本111超聲波24GHz毫米波50121212400020？√√77GHz毫米波L1L2L3傳感器1000011？2350元（典型）10000激光1未來按照0031？3500域控制器包含？慣

性

導(dǎo)

航IMU自

動(dòng)

駕

駛

中央域控制器高精地圖四

周

環(huán)

視

系統(tǒng)5010104950元(典型）1.7萬元計(jì)算10000100011●●●●√地圖●軟件算法200200200價(jià)格壓●

力●●√√√減配（控制器）

并線輔助●●●車

道

偏

離

預(yù)警系統(tǒng)激光+毫米波融合●●主

動(dòng)

剎

車

系統(tǒng)巡航系統(tǒng)自

動(dòng)

泊

車

入位車

道

保

持

輔助系統(tǒng)高

速

公

路

自動(dòng)駕駛城

市

道

路

自動(dòng)駕駛完

全

自

動(dòng)

駕駛200

不利于泛化200●●●●●●●●√√√L4L53.0萬元●200200？●●●●√√？高級(jí)算法？人機(jī)互動(dòng)√端到端自動(dòng)駕駛？●L1:硬件1100L2:硬件2900L3:硬件2成本合計(jì)代表車系——————235049501700030000?傳祺特

斯

拉

、

凱百

度

阿

波

羅——GA6/GA8、迪拉克CT6、奧迪A8MiniBus-自未出現(xiàn)13700捷途X70吉利繽瑞動(dòng)接駁小巴3.2

無圖NOA：已有充分技術(shù)基礎(chǔ)，預(yù)計(jì)2024H2上車可開?

理想7月5日已經(jīng)開始全量推送（全國可開）???2024年7月5日宣布：7月開始，向AD

Max用戶推送“全國都能開”的無圖NOA，

最終24萬名AD

Max用戶都能使用此前，今年5月推送首批千名體驗(yàn)用戶。6月體驗(yàn)用戶萬人以上，積累百萬公里無圖NOA行駛里程無圖NOA采用BEV視覺模型融合導(dǎo)航匹配算法，實(shí)時(shí)感知變化路沿、路面箭頭標(biāo)識(shí)、路口特征，將車道結(jié)構(gòu)和導(dǎo)航特征融合，解決復(fù)雜路口難以結(jié)構(gòu)化問題。?

小米Q3推送（主要城市可開）?小米智能駕駛城市領(lǐng)航功能采用輕地圖方案，在部分復(fù)雜場景，會(huì)結(jié)合先驗(yàn)信息來優(yōu)化該功能的表現(xiàn)，其余場景可通過車端實(shí)時(shí)感知和規(guī)劃來完成。?

小鵬7月內(nèi)推送（全國可開）??2024年5月14日，XNGP城區(qū)智能駕駛系統(tǒng)正式邁入100%無圖導(dǎo)航時(shí)代計(jì)劃在2024年實(shí)現(xiàn)國內(nèi)全范圍、點(diǎn)到點(diǎn)的XNGP智能駕駛服務(wù)，服務(wù)場景將包括小路、內(nèi)部路、停車場等。2025年，計(jì)劃推出全球范圍內(nèi)的XNGP服務(wù)。小鵬新XNGP全面無圖理想新ADMAX功能實(shí)現(xiàn)無圖NOA

資料：理想官網(wǎng)，申萬宏源研究資料：小鵬官網(wǎng)，申萬宏源研究293.2

無圖NOA：已有充分技術(shù)基礎(chǔ)，預(yù)計(jì)2024H2上車可開各廠商無圖NOA進(jìn)展及智駕方案廠商無圖NOA進(jìn)展智駕方案有3款車型支持高速+城市領(lǐng)航功

三款車型智駕系統(tǒng)為ZEEKER

AD（也稱NZP），智駕方案分為兩種，一種是極氪001和極能，但是目前城市領(lǐng)航功能暫未

氪009車型采用的Mobileye+高精地圖，另一種是極氪007車型上采用的英偉達(dá)芯片+自研極氪開通。算法+高精地圖。目前有4款車型支持高速+城市領(lǐng)智己汽車智駕系統(tǒng)為IM

AD，智駕方案采用的是momenta+高精地圖。嵐圖FREE搭載了百度Apollo智駕系統(tǒng)，這是一套純視覺方案，取消了激光航功能。支持高速+城市領(lǐng)航功能，但是目前城市領(lǐng)航功能暫未開通。嵐圖FREE。仰望U8

支持高速+城市領(lǐng)航功能。仰望U8智駕系統(tǒng)為仰望Pilot，智駕方案采用的是英偉達(dá)芯片+自研算法+高精地圖。有2款車型支持高速+城市領(lǐng)航功昊鉑汽車

能，但是目前城市領(lǐng)航功能暫未開通。HT和GT兩款車型Max版智駕系統(tǒng)為ADiGO，智駕方案采用的是地圖芯片+自研算法+高精資料：懂車帝，申萬宏源研究303.3

端到端：部分車企開始技術(shù)儲(chǔ)備，2025年上車?

長城7月魏牌藍(lán)山首發(fā)量產(chǎn)國內(nèi)第一個(gè)端到端（德賽西威域控+元戎算法）??6月30日，魏建軍駕駛魏牌藍(lán)山智駕版，重慶直播展示長城全場景NOA實(shí)力，OTA升級(jí)后的Coffee

OS魏牌藍(lán)山智駕版。元戎：4月，展示端到端智能駕駛量產(chǎn)方案DeepRoute

IO。計(jì)劃將該方案裝入NV

2000TOPS算力的DRIVE

Thor。?

其余主機(jī)廠開始技術(shù)布局??理想：7月發(fā)布了基于端到端模型、VLM視覺語言模型和世界模型的全新自動(dòng)駕駛技術(shù)架構(gòu)小鵬：5月20日開始，小鵬汽車全量推送新的技術(shù)棧：此前由規(guī)則+AI組成的XNGP，切換到了以神經(jīng)網(wǎng)絡(luò)為主的端到端模型架構(gòu)，開始與其它玩家拉開代際差距。??蔚來：將在今年上半年推出端到端架構(gòu)的主動(dòng)安全功能毫末智行也表示正在進(jìn)行端到端模型的研發(fā)魏建軍重慶直播展示長城全場景NOA實(shí)力理想汽車7月推送無圖NOA發(fā)布端到端+VLM全新自動(dòng)駕駛技術(shù)架構(gòu)資料：車東西，申萬宏源研究資料：搜狐汽車，申萬宏源研究313.3端到端：ADS

3.0實(shí)現(xiàn)端到端?

乾崑ADS3.0：GOD和PDP兩個(gè)網(wǎng)絡(luò)，可能類似理想的“系統(tǒng)1+系統(tǒng)2”（郎咸朋）?GOD（通用障礙物識(shí)別）大網(wǎng)：實(shí)現(xiàn)從簡單的“識(shí)別障礙物”到深度的“理解駕駛場景”的跨越式進(jìn)步，不僅能識(shí)別白名單和異形障礙物，還能感知道路結(jié)構(gòu)和場景語義，對(duì)物理世界有了更全面的理解能力?PDP（預(yù)測決策規(guī)控）網(wǎng)絡(luò)：實(shí)現(xiàn)了預(yù)決策和規(guī)劃一張網(wǎng)。這使得決策和規(guī)劃更加類人化，行駛軌跡更接近人類駕駛，通行效率更高。復(fù)雜路口通過率超過96%。??含激光（1顆、3顆）后續(xù)加入4D毫米波的方案，在這里激光的目標(biāo)是圍繞全天候和小目標(biāo)檢測能力。猜測可能接近UniAD，加入少量中間過程，相比完全端到端解釋能力更強(qiáng)在北京車展展示ADS

3.0端到端架構(gòu)ADS3.0

全新架構(gòu)：從BEV到GOD

有路就能開VisionRadarLidarBEVVisionRadarBEVVisionBEV白名單目標(biāo)GODGOD道路結(jié)構(gòu)RadarLidar白名單目標(biāo)白名單目標(biāo)場景理解道路結(jié)構(gòu)道路結(jié)構(gòu)異形障礙LidarNavigationNavigation白名單目標(biāo)

+道路結(jié)構(gòu)識(shí)別異形障礙物場景理解資料：第一電動(dòng)，申萬宏源研究323.3

理想端到端：端到端+VLM+世界模型?

VLM

（Visual

Language

Model）

就是視覺語言模型????擅長解讀圖片（視頻）里的信息，能用人類的語言和文字（自然語言）把看到的內(nèi)容描述出來?？梢园裋LM簡單理解為“看圖說話”。DriveVLM研發(fā)團(tuán)隊(duì)（清華&理想）的測算，DriveVLM模型部署在Orin平臺(tái)上的推理速度為1.5s（圖2），要比傳統(tǒng)自動(dòng)駕駛模型的推理速度慢了5倍李飛飛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

toRoboticControl?

DriveVLM-Dual的快慢結(jié)合雙系統(tǒng)????快系統(tǒng)（郎咸朋講的系統(tǒng)1）：相當(dāng)于人類的“下意識(shí)動(dòng)作”，基于CNN。運(yùn)動(dòng)層面的規(guī)劃，比如：加速、減速、直行，繞行避障例如論文Zhou

L,

Tang

T,

Hao

P,

et

al.

UA-Track:

Uncertainty-Aware

End-to-End

3D

Multi-Object

Tracking[J].arXiv

preprint

arXiv:2406.02147,

2024.例如論文Li

F,

Hou

W,

Jia

P.

RMFA-Net:

A

Neural

ISP

for

Real

RAW

to

RGB

Image

Reconstruction[J].

arXivpreprint

arXiv:2406.11469,

2024.慢系統(tǒng)（郎咸朋講的系統(tǒng)2）

：相當(dāng)于人類“大腦的深思熟慮思考過程”，具備場景理解能力.在復(fù)雜或新穎的駕駛情況下，如突發(fā)緊急情況、復(fù)雜的交通或不熟悉的路段，駕駛員需要更加集中注意力，進(jìn)行深思熟慮的決策。這些過程是緩慢的、需要意識(shí)的，涉及高級(jí)認(rèn)知功能，如判斷、規(guī)劃和決策。?例如論文Tian

X,

Gu

J,

Li

B,

et

al.

DriveVLM:

The

Convergence

of

Autonomous

Driving

and

Large

Vision-Language

Models[J].

arXiv

preprint

arXiv:2402.12289,

2024.333.3

理想端到端：端到端+VLM+世界模型?

端到端：?端到端+VLM，復(fù)雜場景下為第一個(gè)模型兜底。?

世界模型：??上述慢系統(tǒng)是用模擬考試來評(píng)估最有用。世界模型構(gòu)建仿真環(huán)境，對(duì)這套方案進(jìn)行大量的驗(yàn)證測試，以保證其安全性Yan

Y,

Lin

H,

Zhou

C,

et

al.

Street

gaussians

for

modeling

dynamic

urban

scenes[J].

arXiv

preprintarXiv:2401.01339,

2024.?

世界模型相關(guān)幾個(gè)關(guān)鍵技術(shù)：Street

Gaussians

+

Delphi+

3DRealCar?Street

Gaussians的新技術(shù)，用于模擬動(dòng)態(tài)城市街道場景。它通過優(yōu)化點(diǎn)云和3D高斯表示，解決了現(xiàn)有方法在訓(xùn)練和渲染速度慢以及對(duì)車輛跟蹤精度高依賴的問題。這項(xiàng)工作在多個(gè)基準(zhǔn)測試中取得了優(yōu)于現(xiàn)有技術(shù)的性能，并且能夠?qū)崿F(xiàn)實(shí)時(shí)渲染和場景編輯。?例如論文Yan

Y,

Lin

H,

Zhou

C,

et

al.

Street

gaussians

for

modeling

dynamic

urban

scenes[J].

arXiv

preprintarXiv:2401.01339,

2024.????Delphi的新型端到端自動(dòng)駕駛視頻生成方法。解決了現(xiàn)有技術(shù)在生成長視頻時(shí)空間和時(shí)間一致性不足的問題，顯著提升了自動(dòng)駕駛模型的泛化能力，實(shí)現(xiàn)了在小數(shù)據(jù)集上的高性能。例如論文

Ma

E,

Zhou

L,

Tang

T,

et

al.

Unleashing

Generalization

of

End-to-End

Autonomous

Driving

withControllableLong

VideoGeneration[J].

arXiv

preprint

arXiv:2406.01349,

2024.3DRealCar，這是一個(gè)大規(guī)模的高質(zhì)量真實(shí)車輛3D數(shù)據(jù)集，具有360度視角和不同光照條件。它解決了現(xiàn)有3D車輛數(shù)據(jù)集質(zhì)量不高的問題，為自動(dòng)駕駛系統(tǒng)、虛擬現(xiàn)實(shí)等領(lǐng)域提供了重要的研究資源。例如Du

X,

Sun

H,

Wang

S,

et

al.

3DRealCar:

An

In-the-wild

RGB-D

Car

Dataset

with

360-degree

Views[J].arXiv

preprint

arXiv:2406.04875,

2024。?343.4

Momenta：以“量產(chǎn)”為目的的發(fā)展路線?

Momenta是一家自動(dòng)駕駛公司，致力于實(shí)現(xiàn)可規(guī)?；淖詣?dòng)駕駛。?

創(chuàng)始人技術(shù)背景。創(chuàng)始人曹旭東，畢業(yè)于清華大學(xué)，先后在微軟亞洲研究院、商湯科技任職，尤其擅長計(jì)算機(jī)視覺領(lǐng)域相關(guān)技術(shù)。?

以量產(chǎn)為目的的技術(shù)路線：“一個(gè)飛輪，兩條腿走路”。??“一個(gè)飛輪”：通過以

“數(shù)據(jù)驅(qū)動(dòng)的算法”不斷積累和迭代，實(shí)現(xiàn)兩大自動(dòng)駕駛產(chǎn)品在后端數(shù)據(jù)上的閉環(huán)。（L2的數(shù)據(jù)迭代L4算法，L4能力升級(jí)L2體驗(yàn)）?！皟蓷l腿”：指的就是兩大自動(dòng)駕駛產(chǎn)品戰(zhàn)略，一個(gè)指向量產(chǎn)車的量產(chǎn)自動(dòng)駕駛（Mpilot），另一個(gè)則是指向RoboTaxi的完全無人駕駛（MSD，Momenta

Self-Driving）。圖：Momenta技術(shù)路線為“一個(gè)飛輪，兩條腿走路”?

“兩條腿”都有成果。?量產(chǎn)自動(dòng)駕駛已與車企深度合作，搭載在乘用車上，且為從設(shè)計(jì)階段就考慮智駕方案的“前裝量產(chǎn)”。?完全無人駕駛方面，目前在蘇州、上海開啟了RoboTaxi試運(yùn)營。?

智駕系統(tǒng)官宣品牌定位高端。包括上汽智己、吉利路特斯、比亞迪仰望、方程豹，廣汽埃安等。?

全球Top10汽車集團(tuán)約一半量產(chǎn)合作。包括上汽、通用、豐田、奔馳等。資料：Momenta官網(wǎng)，申萬宏源研究

353.4

地平線：軟硬件一體化，J6重要迭代?

地平線（Horizon

Robotics）是市場領(lǐng)先的乘用車高級(jí)輔助駕駛（ADAS）和高階自動(dòng)駕駛（AD）解決方案供應(yīng)商。?

中國智駕領(lǐng)域領(lǐng)導(dǎo)者。2023

年，地平線在中國高階和低階智駕市場的占有率都排第二，占有率分別為35.5%和

21.3%。?

公司創(chuàng)始人及高管均為軟硬件領(lǐng)域頂尖資深人士。?

公司業(yè)務(wù)以汽車解決方案為主，包括“產(chǎn)品解決方案”和“授權(quán)及服務(wù)”兩塊?產(chǎn)品解決方案（占比32.7%）：主要售賣軟硬件一體的產(chǎn)品；授權(quán)及服務(wù)業(yè)務(wù)（占比62.1%）：提供算法、軟件及開發(fā)工具鏈的授權(quán)，以及相關(guān)技術(shù)服務(wù)。?

第三代智駕芯片“征程6”預(yù)計(jì)24年4季度實(shí)現(xiàn)量產(chǎn)交付，25年10款車型量產(chǎn)交付。公司創(chuàng)始人及高管均為軟硬件領(lǐng)域頂尖資深專家地平線第三代智駕芯片“征程6”姓名職位背景國際著名的機(jī)器學(xué)習(xí)專家，也是中國深度學(xué)習(xí)技術(shù)的主要推動(dòng)者之一。曾擔(dān)任百度深度學(xué)習(xí)研究院的副院長。創(chuàng)始人兼CEO余凱聯(lián)合創(chuàng)始人

曾在百度深度學(xué)習(xí)研究院擔(dān)任主任架構(gòu)師，并與余凱兼CTO

共同推動(dòng)了百度在圖像識(shí)別和深度學(xué)習(xí)領(lǐng)域的進(jìn)展黃暢劉明副總裁，主

在ICT芯片行業(yè)有19年的工作經(jīng)驗(yàn)，1998年畢業(yè)于華管芯片業(yè)務(wù)。中科技大學(xué)，曾管理著千人級(jí)的芯片團(tuán)隊(duì)。畢業(yè)于電子科技大學(xué)、新加坡國立大學(xué)，擁有19年的產(chǎn)品研發(fā)及管理工作經(jīng)驗(yàn)。她曾在諾基亞工作13年，方懿資料聯(lián)合創(chuàng)始人歷任硬件工程師到全球副總裁，并領(lǐng)導(dǎo)諾基亞智能手機(jī)在中國的研發(fā)團(tuán)隊(duì)。：與非網(wǎng)，36氪，百度百科，申萬宏源研究資料：地平線官網(wǎng)，申萬宏源研究363.4

元戎啟行：技術(shù)路徑較為激進(jìn)的后來者???創(chuàng)始人技術(shù)背景。周光，畢業(yè)于清華大學(xué)基礎(chǔ)科學(xué)班，德克薩斯大學(xué)達(dá)拉斯分校人工智能方向博士。畢業(yè)后2016年加入百度美國研究院自動(dòng)駕駛事業(yè)部。2019年創(chuàng)立元戎啟行。追求成本，實(shí)現(xiàn)業(yè)內(nèi)首個(gè)成本低于1.4萬元的高階智能駕駛方案。2021年底發(fā)布的DeepRoute-Driver

2.0價(jià)格低至1萬美元，彼時(shí)追求商業(yè)化性價(jià)比的百度智駕方案價(jià)格仍在10-20萬元水平。2023年3月推出3.0版本，將成本壓縮至1.4萬元以下。技術(shù)路線較為激進(jìn)，使用全固態(tài)激光，無圖端到端。全球第一家使用全固態(tài)激光做L4自動(dòng)駕駛的廠商，看中全固態(tài)激光

成本低、易量產(chǎn)，但也存在測量精度的局限。另一方面，沒有技術(shù)包袱，2023年3月，推出國內(nèi)首款不依賴高精度地圖、可實(shí)現(xiàn)全域點(diǎn)到點(diǎn)功能的高階智能駕駛解決方案DeepRoute-Driver

3.0。1.02.025萬人民幣硬件成本1萬美元硬件成本L4級(jí)自動(dòng)駕駛，可在城區(qū)復(fù)雜路段完成自動(dòng)駕駛L4級(jí)自動(dòng)駕駛，可在城區(qū)復(fù)雜路段完成自動(dòng)駕駛3.02000/1000美元硬件成本僅用SD

Map，可實(shí)現(xiàn)L2++到完全自動(dòng)駕駛，無ODD限制D-PRO與D-AIR比較產(chǎn)品介紹產(chǎn)品亮點(diǎn)攝像頭激光毫米波算力硬件成本D-PRO

不依賴高精度地圖，全域點(diǎn)到點(diǎn)高階智能駕駛低成本、可量產(chǎn)、快速迭代

7顆1顆3顆200+TOPS140000元80+TOPS

7000元較同類輔助駕駛產(chǎn)品，性價(jià)比更高，舒適度更好，D-AIR高性價(jià)比、OTA潛能7顆3顆支持更廣泛車型資料：元戎啟行官網(wǎng)，申萬宏源研究37資料：元戎啟行官網(wǎng)，申萬宏源研究3.4

Mobileye：歷史悠久，全球領(lǐng)先的自動(dòng)駕駛技術(shù)公司????創(chuàng)立于1999年，后被英特爾高價(jià)收購。Mobileye由Amnon

Shashua教授創(chuàng)立于1999年，總部位于以色列，并于2014年在紐交所上市，2017年被英特爾以153億美元收購。提供L1到L4級(jí)別的自動(dòng)駕駛?cè)珬＝鉀Q方案。Mobileye目前擁有5個(gè)級(jí)別的智駕產(chǎn)品，分別是：基礎(chǔ)ADAS、云增強(qiáng)ADAS（L2基礎(chǔ)輔助駕駛）、SuperVision、Chauffeur（高階智駕）以及Drive（L4

robotaxi）。當(dāng)下，高階智駕為量產(chǎn)主力。在低階的基礎(chǔ)輔助駕駛上，Mobileye的份額正受到?jīng)_擊（中國23年市占率26.6%）；來自L4Robotaxi的業(yè)務(wù)收入，至少要到2027/2028年才會(huì)起量；近幾年收入看SuperVision和Chauffeur。SuperVision全生命周期量產(chǎn)預(yù)計(jì)可帶來54.75億美元收入。截至2023年底，SuperVision項(xiàng)目全生命周期的量產(chǎn)數(shù)量預(yù)估為365萬臺(tái)按照1500美元的平均系統(tǒng)價(jià)格，可以帶來的預(yù)估收入54.75億美元。Mobileye目前擁有5個(gè)級(jí)別的智駕產(chǎn)品38資料：Mobileye官網(wǎng)，申萬宏源研究主要內(nèi)容1.

技術(shù)：特斯拉如何逐步實(shí)現(xiàn)端到端2.

模式：中美兩種RoboTaxi的差異3.

變化：國內(nèi)智能駕駛技術(shù)進(jìn)展4.

推薦：后續(xù)機(jī)會(huì)和重點(diǎn)標(biāo)的394.1

標(biāo)的小結(jié)（申萬智聯(lián)汽車）?

正常的Robo-Taxi長期有較大刺激，短期差3-4個(gè)數(shù)量級(jí)??優(yōu)勢：2018-2023年L2+，尤其NOA和大模型是Robo-Taxi基礎(chǔ)劣勢：數(shù)量級(jí)差距較大?

Robotaxi和智能駕駛投資方向選擇出現(xiàn)差異?

國內(nèi)Robotaxi三方向???1）傳感器冗余帶來激光、P-box、連接器等機(jī)會(huì)：華測導(dǎo)航、永新光學(xué)、電連技術(shù)；2）車路云相關(guān)數(shù)據(jù)在重視安全的Robotaxi中大量應(yīng)用：金溢科技、萬集科技、千方科技；3）Robotaxi運(yùn)營：百度、大眾交通、錦江在線；?

更長期利好的是ADAS+AI方向????海外：特斯拉，汽車：小鵬（與特斯拉相同技術(shù)路線）、通信：華測導(dǎo)航、永新光學(xué)、電連技術(shù)計(jì)算機(jī)：德賽西威，虹軟科技（ADAS純軟）電子：世運(yùn)電路、東山精密、宸展光電、立訊精密、藍(lán)思科技?

間接利好的是汽車零部件??汽車零部件：拓普集團(tuán)、新泉股份、科博達(dá)、經(jīng)緯恒潤美聯(lián)儲(chǔ)利率政策等風(fēng)險(xiǎn)偏好，也利好國內(nèi)404.2

整車-鴻蒙：北汽藍(lán)谷、江淮將陸續(xù)推出新車，中國高端智能典型代表?智選已經(jīng)成為國內(nèi)公認(rèn)在智能駕駛表現(xiàn)優(yōu)異的車型?以問界為例，智駕與智能源自的高階智駕ADS

2.0與鴻蒙4.0智能座艙系統(tǒng)。ADS

2.0是一套以視覺+算法為特征的無圖智能駕駛輔助，理論上能達(dá)到L3水平，全國范圍的無圖+城市工況的智能駕駛。于2023年12月底已經(jīng)開通全國NCA，可以實(shí)現(xiàn)在?

北汽藍(lán)谷享界、江淮傲界將陸續(xù)發(fā)布?享界S9預(yù)計(jì)8月上市，預(yù)計(jì)售價(jià)45萬-55萬元；傲界是打破BBA在百萬級(jí)別的壟斷。鴻蒙系第一款破百萬級(jí)別的高端豪華智能車，有望?

我們認(rèn)為Robotaxi本質(zhì)上是“智能化”的一次催化?讓更多消費(fèi)者信任并且有意愿在消費(fèi)端更注重智能化的選項(xiàng)，成為購車核心要素，雖然鴻蒙是國內(nèi)中高端代表車型（售價(jià)遠(yuǎn)高于toB端的快車或者滴滴業(yè)務(wù)），但是亦會(huì)受益于智能化的“消費(fèi)拐點(diǎn)”，成為國內(nèi)智能駕駛第一梯隊(duì)的核心高端玩家，享受行業(yè)質(zhì)變之時(shí)的機(jī)會(huì)。享界S9將于8月發(fā)布M9單車智能配置資料：懂車帝，申萬宏源研究資料：懂車帝，申萬宏源研究414.2

整車-小鵬汽車：智能駕駛代表+新車周期開啟，有望在robotaxi催化下底部反轉(zhuǎn)?

以輕方案為過渡，發(fā)力純視覺方案，硬件成本快速降低?與眾多國內(nèi)廠商類似，小鵬初期采用了雙激光及雙Orin芯片冗余配置的方案，但成本居高不下；Xplanner規(guī)控系統(tǒng)及Xnet感知算法的突破為小鵬帶來降低配置冗余的機(jī)會(huì)，公司計(jì)劃于24年底前實(shí)現(xiàn)自動(dòng)駕駛超50%BOM降本目標(biāo)，?

有望通過單激光+單Orin芯片實(shí)現(xiàn)相同的智駕表現(xiàn)?而隨智駕持續(xù)發(fā)力及端到端大模型的快速迭代，有望實(shí)現(xiàn)進(jìn)一步的硬件降本，據(jù)CnEVPost，小鵬汽車在2024年第四季度推出的p7+有望完全舍棄

，搭載與特斯拉相同的純視覺方案。?

新車周期開啟，智駕能力將迎來變現(xiàn)。Mona即Robo-Taxi業(yè)務(wù)?Mona

M03將于8月上市，定價(jià)10-15萬元，智駕定位“同級(jí)最強(qiáng)”，同時(shí)p7+將于第四季度推出，首搭全新智駕方案，綜合成本降低25%，兩款新車有望憑借智駕達(dá)成高銷量的同時(shí)貢獻(xiàn)可觀盈利。后續(xù)3年規(guī)劃約30款產(chǎn)品的上新及改款，將陸續(xù)搭載與p7+相同的全新智駕方案，整體智駕表現(xiàn)及盈利性有望再上臺(tái)階。?Mona是小鵬和滴滴合作下的首款車型，針對(duì)中低價(jià)位的市場，且有更多可能性針對(duì)toB端運(yùn)營，在robotaxi概念下有望受益。自動(dòng)駕駛硬件單車價(jià)值量測算雙激光數(shù)量（個(gè)）、雙Orin單激光數(shù)量（個(gè)）、單Orin單車成本（元）純視覺單車成本（元）單價(jià)（元）30005000490單車成本（元）6000數(shù)量（個(gè)）Orin-X激光22113000500024506001030000100002450毫米波超聲波攝像頭合計(jì)55524506006012117201011101130033003300143503300935022470資料：HiEV大蒜粒車研所，VehicleEngineering，雷科技，眾智技服管家，極智動(dòng)力，申萬宏源研究424.3

通信和傳感器：華測導(dǎo)航（P-box）?

乘用車自動(dòng)駕駛P-Box模組廠商。?在車載領(lǐng)域公司提供衛(wèi)慣組合P-box產(chǎn)品，該產(chǎn)品在高階自動(dòng)駕駛方案中有望持續(xù)提升滲透率。已獲得多家車企定點(diǎn)，23年已經(jīng)量產(chǎn)出貨。目前定點(diǎn)客戶有哪吒汽車、吉利路特斯、比亞迪汽車、長城汽車。?

GNSS基帶芯片有自研能力，自有地面增強(qiáng)系統(tǒng)。?公司將積極布局車規(guī)級(jí)GNSS

SOC芯片、高精度車規(guī)級(jí)IMU芯片、全球SWAS廣域增強(qiáng)系統(tǒng)及持續(xù)投入優(yōu)化核心算法。?衛(wèi)導(dǎo)起家的廠商在RTK算法能力上具備較深儲(chǔ)備，對(duì)衛(wèi)星高精度定位算法和數(shù)據(jù)應(yīng)用的理解較深，因此深度融合算法能力可能較強(qiáng)。此外，衛(wèi)導(dǎo)廠商往往有能力進(jìn)行高精度定位芯片和板卡自研，衛(wèi)導(dǎo)元器件自研和替代有利于降低成本。北斗地基增強(qiáng)系統(tǒng)+GNSS/INS組合導(dǎo)航系統(tǒng)資料：公司官網(wǎng)，申萬宏源研究434.3

通信和傳感器：永新光學(xué)（激光光學(xué)）?

有望受益Robotaxi激光放量。???公司在車載激光領(lǐng)域深耕近10年，是激光領(lǐng)域最早介入的光學(xué)器件制造商之一，與禾賽科技、圖達(dá)通、法雷奧、Innoviz等激光領(lǐng)域國內(nèi)外知名企業(yè)保持深度合作關(guān)系。預(yù)計(jì)禾賽在全球robotaxi激光元器件業(yè)務(wù)進(jìn)一步加速放量。業(yè)務(wù)實(shí)現(xiàn)銷售收入超

9000

萬，同比增長超

50%，激光由小批量出貨正式邁入規(guī)?；a(chǎn)；2024

年一季度，公司新獲得禾賽科技標(biāo)配型激光

定點(diǎn)及圖達(dá)通905

納米的激光

部件定點(diǎn)。百度第六代頤馳06在車輛硬件上，具備架構(gòu)冗余、計(jì)算單元冗余、制動(dòng)系統(tǒng)冗余等七重全冗余系統(tǒng)，車頂、市場市占率過半，Robotaxi商業(yè)化落地有望推動(dòng)永新光學(xué)激光據(jù)公司年報(bào)披露，2023

年公司車載及激光側(cè)方、車頭布局了約7個(gè)激光，為車輛感知提供充足的冗余。永新激光光學(xué)產(chǎn)品蘿卜快跑頤馳06具備充足感知冗余激光鏡頭、濾光片、透鏡、窗口、轉(zhuǎn)鏡等車載鏡頭前片+車載鏡頭資料：公司官網(wǎng)，申萬宏源研究444.3

通信和傳感器：電連技術(shù)（高速連接器）?

汽車連接器板塊高成長性公司自2006年成立以來專研射頻連接器領(lǐng)域，并逐步拓展汽車連接器，目前業(yè)務(wù)覆蓋消費(fèi)電子和汽車電子領(lǐng)域。2023年公司汽車連接器已經(jīng)成為公司最大營收板塊，營收超過8億元，從2021年的營收占比9.6%提升到2023年的26.3%。公司汽車連接器產(chǎn)品圖??汽車連接器產(chǎn)品已進(jìn)入吉利、長城、比亞迪、長安等國內(nèi)主要汽車廠商供應(yīng)鏈，國內(nèi)頭部汽車客戶導(dǎo)入順利，受益進(jìn)程。資料：電連技術(shù)官網(wǎng)，申萬宏源研究部分汽車連接器公司產(chǎn)品單價(jià)差異較大電連技術(shù)3.1立訊精密41.4維峰電子0.59徠木股份4.3瑞可達(dá)永貴電器4.12021年汽車類產(chǎn)品營收（億元）2022年汽車類產(chǎn)品營收（億元）2023年汽車類產(chǎn)品營收（億元）6.9收入5.161.50.866.413.913.77.28.292.5