2024 L4自動駕駛：Robotaxi研究十問（整體框架篇）

互聯(lián)網(wǎng)傳媒團隊

·行業(yè)深度報告L4自動駕駛：Robotaxi研究十問(整體框架篇)正

在

你身

邊證券研究報告|海外科技|2024年07月28日登記編號：S1220524050002登記編號：S1220524070002登記編號：S1220524060001郝艷輝張豐淇分析師康百川■當(dāng)前自動駕駛公司的商業(yè)化進(jìn)程怎樣?

自動駕駛技術(shù)先探至L4,大規(guī)模商業(yè)化停留于L2,L2

級輔助駕駛

在商業(yè)化上已發(fā)展成熟，頭部車企在此基礎(chǔ)上發(fā)展高速及城市NOA等覆蓋周邊環(huán)境的自動駕駛，且已有部

分公司技術(shù)達(dá)到L4級別。但大多車企仍不對外聲稱L3,而是以L2+/L2++等來強調(diào)自身產(chǎn)品功能的增強，以規(guī)避監(jiān)管壓力以及潛在的事故責(zé)任，L4及以上的自動駕駛，系統(tǒng)承擔(dān)所有駕駛責(zé)任?！霾煌夹g(shù)路線下的無人駕駛公司算法邏輯有何不同?

自動駕駛技術(shù)的發(fā)展路徑可分為漸進(jìn)式和躍進(jìn)式兩

類，兩者算法邏輯不同，路線有收斂的趨勢，匯集點為Robotaxi。漸進(jìn)式主張從L1

、L2

、L3狀態(tài)的人機共

駕逐漸過渡到L4無人駕駛，在量產(chǎn)車上先搭載輔助駕駛并收集數(shù)據(jù)，利用不斷擴大規(guī)模的高質(zhì)量數(shù)據(jù)持續(xù)

優(yōu)化算法，逐步攻克自動駕駛各項核心環(huán)節(jié)(比如AVP

功能),安全、模塊化迭代、步步為營；代表廠商

為特斯拉以及蔚小理類主機廠；躍進(jìn)式直接以L4無人駕駛為目標(biāo)進(jìn)行研發(fā)，通過大規(guī)模車隊獲取路測數(shù)據(jù)

直接來訓(xùn)練無人駕駛算法網(wǎng)絡(luò)，Topline更高、中間不可控的問題比較多、算法架構(gòu)起點更高，代表廠商以

Waymo

和百度類科技企業(yè)以及小馬智行和文遠(yuǎn)知行類初創(chuàng)企業(yè)為主。正

在

你

身邊2■為什么說自動駕駛產(chǎn)業(yè)現(xiàn)階段技術(shù)匯集點在于Robotaxi?

Robotaxi商業(yè)化進(jìn)程前景不夠明朗，躍進(jìn)式路線引領(lǐng)企業(yè)Waymo在多次自動駕駛汽車事故后估值接連下滑，發(fā)展疲軟暴露躍進(jìn)式路線商業(yè)化空白期長的

問題，其他廠商也開始降維尋求過渡期的商業(yè)模式；漸進(jìn)式路線下，城市NOA

成為ADAS

主戰(zhàn)場，所需技

術(shù)與Robotaxi類似，在城市NOA場景下實現(xiàn)L2+功能對傳感器的要求更趨近Robotaxi,為漸進(jìn)式路線企業(yè)入

局Robotaxi打下基礎(chǔ)?！鯮obotaxi產(chǎn)業(yè)格局怎樣?主機廠+自動駕駛企業(yè)+運營商三角結(jié)構(gòu)怎么看?

“軟件定義汽車”趨勢深化的

產(chǎn)業(yè)背景下，給各方勢力入局Robotaxi帶來可能性。當(dāng)前“主機廠+自動駕駛解決方案供應(yīng)商+運營商”為

Robotaxi主流合作模式，其中自動駕駛企業(yè)能夠提供Robotaxi軟硬件解決方案，OEM擁有整車量產(chǎn)能力，運營商提供服務(wù)場景，比如“Waymo+

捷豹+Uber”模式。但中長期是否會被TSL

這種一體式替代值得思考，

更大的可能性是兩種模式并行。正

在

你

身邊3■純視覺VS

多傳感器融合，不同技術(shù)路線的核心競爭力是什么?純視覺方案僅基于攝像頭進(jìn)行感知，相對

多傳感器融合有明顯的硬件成本優(yōu)勢，同時對軟件要求較高，需要依靠強大的算法才能保證感知的準(zhǔn)確性

與效率，但在純視覺方案基于深度學(xué)習(xí)的算法尚未達(dá)到全路況覆蓋的情況下，其安全性仍存疑，多傳感器

融合方案更加可靠，因此現(xiàn)有Robotaxi解決方案均采用該路線。我們判斷，隨著技術(shù)的迭代，視覺方案有

望憑借性能天花板高及成本可控的特性成為高階自動駕駛方案中主流的感知路線；但考慮到產(chǎn)品安全問題，

仍需要搭載雷達(dá)作為冗余設(shè)計?！鰪?fù)盤自動駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點是什么?自動駕駛發(fā)展經(jīng)歷了導(dǎo)入期、冷靜期、落地期及出清

期，冷靜期過后市場更加關(guān)注落地應(yīng)用情況。2021年為自動駕駛場景落地和商業(yè)應(yīng)用元年，Robotruck頭部

公司圖森未來上市，地平線、小馬、文遠(yuǎn)股權(quán)融資進(jìn)入中后期。2023年進(jìn)入產(chǎn)業(yè)整合階段，據(jù)加州DMV

數(shù)

據(jù)，2023年路測公里數(shù)和路測車輛數(shù)量相對2021年分別增加52%/37%,而參與公司數(shù)量從26家下滑至21

家。我們整體判斷Robotaxi短期競爭力在于運營規(guī)模，長期看技術(shù)路徑和平臺效應(yīng)：Robotaxi現(xiàn)階段發(fā)展

重心在運營落地+搶占份額，牌照資源形成壁壘；后期若要在在城市公開道路中大規(guī)模且常態(tài)化運行，關(guān)鍵

看點是技術(shù)，視覺方案與多傳感器融合方案的差距或?qū)⒅饾u顯著;主流技術(shù)方案明確后，差異化優(yōu)勢將轉(zhuǎn)

移至平臺/生態(tài)層面，中后期滴滴類平臺公司有望基于Robotaxi前瞻布局受益。

4正

在

你

身邊■端到端算法處于迭代驗證階段，技術(shù)瓶頸怎么看?自動駕駛架構(gòu)從多模塊向端到端融合發(fā)展，端到端模型的核心優(yōu)勢在于信息的無損傳遞，能夠基于完整數(shù)據(jù)進(jìn)行全局任務(wù)優(yōu)化，在單一網(wǎng)絡(luò)中直接生成車輛的

控制指令或運動規(guī)劃，這種設(shè)計使得整個系統(tǒng)針對最終目標(biāo)進(jìn)行優(yōu)化，而非僅僅針對某個獨立的子任務(wù)，

從而實現(xiàn)自動駕駛性能的全局最優(yōu)化。隨著高質(zhì)量數(shù)據(jù)的積累和模型的優(yōu)化，端到端架構(gòu)能實現(xiàn)的性能天

花板高于模塊化架構(gòu)。端到端模型迭代對算力和數(shù)據(jù)的要求高，資源競賽形成進(jìn)入壁壘；國內(nèi)廠商中，商

湯/百度/華為算力儲備豐富，且均有底層大模型

(Sensecore/文心/盤古)支撐自動駕駛模型訓(xùn)練?！龇夯芰嵌龋琔E

打平何時到來?按照蘿卜快跑在武漢的收費標(biāo)準(zhǔn)(1km

內(nèi)起步價18元，超出起步價范圍后每公里2.7元)以及補貼力度(~5折)計算，單均收入為14.85元；成本方面，按照Apollo

RT620.46萬

價格以及6年折舊期計算，單均折舊約為7.19元。運營成本中大頭來自安全員，按照安全員和車輛1:1的配

比計算，單均安全員成本達(dá)到16.44元。再加上電力、保險、維護(hù)等費用，最終單均成本為27.80元。商業(yè)

化角度，UE的關(guān)鍵變量是單位車占用的安全員數(shù)量及單量，隨著單個安全員覆蓋無人車數(shù)量增加以及單量

提升，RobotaxiUE模型有望實現(xiàn)打平。

5正

在

你

身邊■Robotaxi產(chǎn)業(yè)，政策進(jìn)一步放開的最底層邏輯是什么?中美為自動駕駛第一梯隊，競相出臺自動駕駛政策，為加快Robotaxi商業(yè)化落地釋放積極信號。我們認(rèn)為當(dāng)前全球和Robotaxi相關(guān)的政策體系政府方都在

盡力給到最大的支持，但尚未進(jìn)行全道路商業(yè)化的最底層政策瓶頸還在于安全，技術(shù)日新月異，但安全方

面的要求幾乎是零容忍。因此從根本上來說，Robotaxi產(chǎn)業(yè)發(fā)展在等待的關(guān)鍵還是技術(shù)的進(jìn)一步更迭?！鱿M者認(rèn)知研究：對自動駕駛?cè)蒎e率低，對Robotaxi運營方意味著什么?消費者認(rèn)知瓶頸在于安全感不足。消費者愿意承擔(dān)自己開車時的小概率傷亡風(fēng)險，但是對于其他人(或者無人)掌控方向盤時，會有更高的安全標(biāo)準(zhǔn)。根據(jù)百度ApolloDay披露，自動駕駛車輛的安全性現(xiàn)已能達(dá)到駕駛員人工操控的10倍；但

只要發(fā)生一起嚴(yán)重的事故，想要公眾普遍認(rèn)可自動駕駛的難度會大幅增長。這一點中外同步，但整體消費

者對Robotaxi的接受度正在提升。■重點公司——滴滴：攜“數(shù)據(jù)+生態(tài)+運營”戰(zhàn)略瞄準(zhǔn)Robotaxi,

強化網(wǎng)約車龍頭地位。滴滴于2016年組建

自動駕駛研發(fā)部門，專注L4軟硬件解決方案研發(fā)，主要商業(yè)模式為與OEM合作開發(fā)Robotaxi,

當(dāng)前深度捆

綁廣汽埃安打造“技術(shù)+制造+運營”L4商業(yè)生態(tài)閉環(huán)，首款L4量產(chǎn)車型預(yù)計于25年發(fā)布。滴滴數(shù)據(jù)規(guī)模+

質(zhì)量優(yōu)勢明顯，助力提升模型訓(xùn)練效率，依托滴滴平臺實現(xiàn)混合派單，可降低冷啟動資金要求。而豐富運

營經(jīng)驗，可以很大程度上提高商業(yè)效率。

6正

在

你

身邊下，小鵬汽車成為全國首個提出視覺融合泊車、融合高精地圖SR的高速領(lǐng)航輔助、城市導(dǎo)航等智能駕駛功能的車企。首發(fā)端到端自動駕駛大模型，強調(diào)“AI智駕全球開創(chuàng)者及普及者”定位，感知技術(shù)方面，推出

全國首個量產(chǎn)BEV感知，漸進(jìn)路線穩(wěn)扎穩(wěn)打，強大體系能力構(gòu)筑護(hù)城河。公司預(yù)計2024年將投入35億元用

于智能研發(fā)，并新招募4000名專業(yè)人才，今后每年將投入超過7億元用于算力訓(xùn)練；并預(yù)計于2025年，在

中國實現(xiàn)類L4級智駕體驗?！鲋攸c公司——百度：生態(tài)賦能、研發(fā)積淀，為什么說百度是Robotaxi產(chǎn)業(yè)的頭部玩家?百度于2013年開

始自動駕駛研發(fā)，于2017年將無人駕駛業(yè)務(wù)命名為Apollo計劃，并將平臺開源。Apollo涵蓋自動駕駛車輛的

研發(fā)、測試和部署，提供一整套開源的解決方案，支持包括感知、決策、規(guī)劃、執(zhí)行在內(nèi)多個功能模塊。百度研發(fā)積淀深，L4與L2共生成長。當(dāng)前看蘿卜快跑是中國Robotaxi頭部公司，中長期看核心競爭力明顯

高精地圖+文心一言大模型+昆侖AI芯片合力都將驅(qū)動自動駕駛技術(shù)發(fā)展，助力百度在Robotaxi產(chǎn)業(yè)鏈中脫

穎。

7正

在

你

身邊EM中智能駕駛的第一梯隊，在持續(xù)研發(fā)投入■重點公司——小鵬：本土化版“特斯拉”,堅定端到端。O目錄1.問一：當(dāng)前自動駕駛公司的商業(yè)化進(jìn)程怎樣?2.問二：不同技術(shù)路線下的無人駕駛公司算法邏輯有何不同?3.問三：為什么說自動駕駛產(chǎn)業(yè)現(xiàn)階段技術(shù)匯集點在于Robotaxi?4.問四：Robotaxi產(chǎn)業(yè)格局怎樣?主機廠+自動駕駛企業(yè)+運營商三角結(jié)構(gòu)怎么看?

5.問五：純視覺VS

多傳感器融合，不同技術(shù)路線的核心競爭力是什么?6.問六：復(fù)盤自動駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點是什么?7.問七：端到端算法處于迭代驗證階段，技術(shù)瓶頸怎么看?8.問八：泛化能力角度，UE打平何時到來?9.

問九：Robotaxi

產(chǎn)業(yè)，政策進(jìn)一步放開的最底層邏輯是什么?10.問十：消費者認(rèn)知研究：對自動駕駛?cè)蒎e率低，對Robotaxi運營方意味著什么?

11.重點公司——滴滴：攜“數(shù)據(jù)+生態(tài)+運營”戰(zhàn)略瞄準(zhǔn)Robotaxi,強化網(wǎng)約車地位

12.重點公司——小鵬：本土化版“特斯拉”,堅定端到端13.重點公司——百度：生態(tài)賦能、研發(fā)積淀，為什么說百度是Robotaxi產(chǎn)業(yè)的頭部玩家?■

附錄：頭部企業(yè)自動駕駛模型研發(fā)基礎(chǔ)對比■

風(fēng)險提示：自動駕駛技術(shù)迭代不及預(yù)期，Robotaxi成本下滑不及預(yù)期，政策落地不及預(yù)期風(fēng)險，Robotaxi運營車輛事故風(fēng)險

8正

在

你

身邊■從自動駕駛分級標(biāo)準(zhǔn)談起，什么是L4無人駕駛?按照駕駛員參與程度分為L0-L5六級，中國與國際分級標(biāo)準(zhǔn)基本相同，均認(rèn)

為L0到L2的駕駛自動化屬于輔助駕駛；L3盡管能夠?qū)崿F(xiàn)大部分功能，但其穩(wěn)定性還不允許其完全脫離人類的控制；L4

以上的自

動駕駛，無需用戶的介入，系統(tǒng)承擔(dān)所有駕駛責(zé)任?！鲎詣玉{駛技術(shù)先探至L4,

大規(guī)模商業(yè)化停留于L2。L2和L3是自動駕駛等級的分水嶺：L2

只負(fù)責(zé)對車輛的控制操作，而在L3級中，系統(tǒng)需要負(fù)責(zé)感知車輛運行狀態(tài)下的周邊環(huán)境，同時控制車輛。L2級輔助駕駛在商業(yè)化上已發(fā)展成熟，很多車企在此基礎(chǔ)上發(fā)展高速及城市NOA(NavigateOnAutopilot,自動輔助導(dǎo)航駕駛)等覆蓋周邊環(huán)境的自動駕駛，且已有部分公司技術(shù)達(dá)

到L4級別。但大多車企仍不對外聲稱L3,而是以L2+/L2++等來強調(diào)自身產(chǎn)品功能的增強，以規(guī)避監(jiān)管壓力以及潛在的事故責(zé)任。

2024年6月，一汽、上汽、廣汽、比亞迪、蔚來等9家車企獲取L3/L4汽車準(zhǔn)入和上路試點資格，或?qū)⒗_L3產(chǎn)品的量產(chǎn)序幕。圖表：中國汽車駕駛自動化分級名稱應(yīng)急輔助

部分駕駛輔助

組合駕駛輔助有條件自動駕駛

高度自動駕駛完全自動駕駛分類駕駛輔助/ADAS(Advanced

Driver

Assistance

System)自動駕駛/ADS(Automatic

DrivingSystem)目標(biāo)和事件探測與響應(yīng)駕駛員和系統(tǒng)系統(tǒng)車輛橫縱控制駕駛員

駕駛員和系統(tǒng)系統(tǒng)動態(tài)駕駛?cè)蝿?wù)接管駕駛員(接管后成為駕駛員)

系統(tǒng)設(shè)計運行是否有限制有

有

有有

有無在其設(shè)計運行條件下持在其設(shè)計運行條件下持續(xù)地執(zhí)行動態(tài)駕駛?cè)蝿?wù)續(xù)地執(zhí)行動態(tài)駕駛?cè)蝿?wù)

中的車輛橫向或縱向運中的車輛橫向和縱向運在其設(shè)計運行條件下持在任何可行駛條件下持

在其設(shè)計運行條件下持任務(wù)并自動執(zhí)行最小風(fēng)任務(wù)并自動執(zhí)行最小風(fēng)險策略

險策略動控制√

自適應(yīng)巡航√

車道居中控制動控制√領(lǐng)航輔助駕駛NOP√

高速公路擁堵

√Robotaxi環(huán)境自動駕駛

√專線無人接駁巴士√城區(qū)快速路自動駕駛√

自主代客泊車

91.問一：當(dāng)前自動駕駛公司的商業(yè)化進(jìn)程怎樣?具備持續(xù)執(zhí)行動態(tài)駕駛?cè)蝿?wù)中的部分目標(biāo)和事

件探測與響應(yīng)的能力√

駕駛員疲勞監(jiān)測√

車道偏離預(yù)警

√

自動緊急制動續(xù)地執(zhí)行全部動態(tài)駕駛續(xù)地執(zhí)行全部動態(tài)駕駛續(xù)地執(zhí)行全部動態(tài)駕駛具體能力功能舉例資料來源：全國汽車標(biāo)準(zhǔn)化技術(shù)委員會現(xiàn)階段尚無具體功能達(dá)到L5正

在

你

身邊動態(tài)駕駛?cè)蝿?wù)接管用戶任務(wù)■自動駕駛技術(shù)的發(fā)展路徑可分為漸進(jìn)式和躍進(jìn)式兩類，兩者算法邏輯不同，路線有收斂的趨勢，匯集點為Robotaxi?！鰸u進(jìn)式主張從L1、L2、L3

狀態(tài)的人機共駕逐漸過渡到L4無人駕駛，在量產(chǎn)車上先搭載輔助駕駛并收集數(shù)據(jù)，利用不斷擴大規(guī)模的高質(zhì)量數(shù)據(jù)持續(xù)優(yōu)化算法，逐步攻克自動駕駛各項核心環(huán)節(jié)(比如AVP

功能),安全、模塊化迭代、步步為營；代表廠商

為特斯拉以及蔚小理類主機廠?！鲕S進(jìn)式直接以L4無人駕駛為目標(biāo)進(jìn)行研發(fā)，通過大規(guī)模車隊獲取路測數(shù)據(jù)直接來訓(xùn)練無人駕駛算法網(wǎng)絡(luò)，Topline更高、中間不可控的問題比較多、算法架構(gòu)起點更高，代表廠商以Waymo

和百度類科技企業(yè)以及小馬智行和文遠(yuǎn)知行類初創(chuàng)企業(yè)為主。

圖表：漸進(jìn)式與躍進(jìn)式路線對比漸進(jìn)式

躍進(jìn)式定義從L1、L2、L3狀態(tài)的人機共駕逐漸過渡到L4直接以L4、L5無人駕駛為目標(biāo)進(jìn)行研發(fā)技術(shù)

為主，輕硬件重算法，需要利用海量數(shù)據(jù)做出關(guān)于加速、制動和

以激光雷達(dá)、毫米波雷達(dá)、相機等多傳感器融合方案的技術(shù)形態(tài)發(fā)展目標(biāo)場景

乘用

商用代表企業(yè)

特斯拉、蔚小理等車企

Waymo、

小馬智行、文遠(yuǎn)知行、Momenta、

百度等科技公司建立從數(shù)據(jù)到算法的迭代閉環(huán)，利用不斷擴大規(guī)模的高質(zhì)量數(shù)據(jù)持續(xù)優(yōu)化算基于A

技術(shù)，通過大規(guī)模車隊獲取路測數(shù)據(jù)來訓(xùn)練無人駕駛算法網(wǎng)絡(luò)，核心是要

法，逐步攻克自動駕駛的各項核心環(huán)節(jié)，最終實現(xiàn)全無人駕駛找到適合落地的場景及商業(yè)模式發(fā)展路徑L0

L1

12

L34

L5資料來源：澎湃新聞，36kr,易車網(wǎng)，

10轉(zhuǎn)向的決定以視覺技術(shù)2.問二：不同發(fā)展路線下的無人駕駛公司算法邏輯有何不同?正

在

你

身邊■躍進(jìn)式路線商業(yè)化瓶頸明顯，廠商多尋求技術(shù)降維和場景降維。Robotaxi

商業(yè)化進(jìn)程前景不夠明朗，躍進(jìn)式路線引領(lǐng)企業(yè)

Waymo

在多次自動駕駛汽車事故后估值接連下滑。Waymo

發(fā)展疲軟暴露躍進(jìn)式路線商業(yè)化空白期長的問題，其他廠商也開始

尋求過渡期的商業(yè)模式。■躍進(jìn)式L4的過渡商業(yè)模型：1)技術(shù)降維，即一邊基于自研L4技術(shù)為OEM

提供L2量產(chǎn)解決方案，一邊繼續(xù)研發(fā)L4無人駕駛；2)場景降維，Robotaxi

針對城市道路場景，實現(xiàn)難度較高，所以通過環(huán)衛(wèi)、礦區(qū)、干線物流等更容易實現(xiàn)的細(xì)分場景進(jìn)行商業(yè)

變現(xiàn)，這類細(xì)分場景的數(shù)據(jù)也有利于低成本獲取大量用于高階自動駕駛技術(shù)的數(shù)據(jù)。例如，小馬智行分化出卡車及干線物流業(yè)務(wù)，文遠(yuǎn)知行則分化出Robobus

以及貨運業(yè)務(wù)?，F(xiàn)階段，限定場景下的無人駕駛技術(shù)相對成熟，將率先迎來商業(yè)化，可以反哺Robotaxi

發(fā)展。類型場景

車速

環(huán)境落地車型

代表性企業(yè)港口/礦山/農(nóng)業(yè)

低

封閉集裝箱卡車/自卸卡車/拖拉機主線科技、西井科技、踏歌智行環(huán)衛(wèi)低城市道路無人清潔車酷哇科技、仙途智能載物末端配送k園區(qū)內(nèi)部/城市道路無人配送車菜鳥、美團、京東、新石器、毫末智行干線物流高城市道路/高速公路/鄉(xiāng)村道路重卡智加科技、嬴徹科技apollo

小馬智行0

WeRideU

文遠(yuǎn)知行元戎啟行Robotaxi/

Robobus干線物流末端配送場景復(fù)雜度

11

3.問三：為什么說自動駕駛產(chǎn)業(yè)現(xiàn)階段技術(shù)匯集點在于Robotaxi?圖表：細(xì)分應(yīng)用場景特征

圖表：代表性企業(yè)“場景降維”礦山/港口/農(nóng)業(yè)環(huán)衛(wèi)乘用車/公交車

百度、小馬智行、文遠(yuǎn)知行FOUNDER

SECURITIES正

在

你

身

邊資料來源：億歐智庫，蓋世汽車，雷鋒城市道路/高速公路/鄉(xiāng)村道路載人

Robotaxi/Robobus

高方正證券單車智能要求3.問三：為什么自動駕駛產(chǎn)業(yè)現(xiàn)階段技術(shù)匯集點在于Robotaxi?

正在

你

身

邊■漸進(jìn)式路線下，城市NOA成為ADAS主戰(zhàn)場，所需技術(shù)與Robotaxi類似。高速及城市NOA(Navigate

On

Autopilot,車輛駕

駛輔助系統(tǒng))一般被歸為L2+級別自動駕駛功能。2019年，特斯拉率先推出高速NOA,

蔚小理三家快速跟進(jìn)，分別于2020年10

月、2021年1月、2021年9月推出；新上市車型的NOA功能已成為智能駕駛的熱門配置，城市NOA

是繼高速NOA

后車企的下一

個競爭點。相比規(guī)整的高速道路，城市道路涉及紅綠燈識別、人車交互、交通標(biāo)志、道路施工等復(fù)雜場景，在此場景下實現(xiàn)L2+功能對傳感器的要求更趨近Robotaxi,為漸進(jìn)式路線企業(yè)入局Robotaxi打下基礎(chǔ)。

■特斯拉預(yù)計于今年10月發(fā)布Robotaxi,創(chuàng)

新OEM

入局的商業(yè)模式。特斯拉預(yù)計10月份發(fā)布的Robotaxi商業(yè)模式為：車主可

以根據(jù)自己的需求選擇車輛自用或派車加入Robotaxi隊伍，特斯拉從中抽取分成。此前，乘用車企業(yè)在Robotaxi產(chǎn)業(yè)中大多發(fā)

揮“車型量產(chǎn)”作用，不直接參與解決方案設(shè)計及運營服務(wù)環(huán)節(jié)。圖表：高速及城市NOA裝機滲透率(2023年)分價格端情況品牌整體情況高

速

N

O

A

城

市

N

O

A20萬元以內(nèi)高

速

N

O

A城

市

N

O

A20-30萬元高

速

N

O

A

城

市

N

O

A30-40萬元高

速

N

O

A

城市NOA40萬元以上高

速

N

O

A

城

市

N

O

A阿維塔100.0%100.0%100.0%100.0%100.0%

100.0%極越100.0%100.0%100.0%

100.0%100.0%100.0%蔚來100.0%60.1%100.0%100.0%100.0%48.2%100.0%

83.0%特斯拉100.0%0.0%100.0%0.0%100.0%0.0%路特斯100.0%0.0%0.0%理想97.4%56.9%96.2%37.3%100.0%

100.0%飛凡90.0%0.0%84.3%0.0%99.7%0.0%小鵬89.2%33.9%41.5%0.0%97.6%39.0%100.0%39.8%100.0%

100.0%智己74.0%0.0%99.6%0.0%42.3%0.0%魏牌極氪問界58.8%30.3%15.3%0.0%0.0%15.3%0.0%0.0%0.0%0.0%4.8%33.4%16.8%0.0%0.0%16.8%89.6%51.9%0.0%0.0%0.0%0.0%1.0%0.0%0.0%0.0%資料來源：九章智駕，方正證券研究所

12100.0%■“軟件定義汽車”趨勢深化，汽車產(chǎn)業(yè)本身從鏈?zhǔn)浇Y(jié)構(gòu)轉(zhuǎn)變?yōu)榫W(wǎng)狀結(jié)構(gòu)，給各方勢力入局Robotaxi帶來可能性。傳統(tǒng)汽車產(chǎn)業(yè)呈現(xiàn)

“Tier2->Tier1->OEM”

的線性鏈?zhǔn)浇Y(jié)構(gòu)，主機廠位于金字塔頂端，隨后才是各級別供應(yīng)商，話語權(quán)有限。隨著“軟件

定義汽車”趨勢深化，原產(chǎn)業(yè)鏈的線性關(guān)系被打破，產(chǎn)業(yè)走向軟件+硬件的橫向分工模式?！霎?dāng)前，“主機廠+自動駕駛解決方案供應(yīng)商+運營商”為Robotaxi主流合作模式，但中長期是否會被特斯拉這種一體式替代值得思考，更大的可能性是兩種模式并行。其中

，自動駕駛企業(yè)能夠提供Robotaxi軟硬件解決方案，OEM擁有整車量產(chǎn)能力，運

營商提供服務(wù)場景，三者分別對應(yīng)Robotaxi供給側(cè)的基礎(chǔ)層、載體層和出行層。比如“小馬+吉利+曹操出行(吉利旗下),“Waymo+

捷豹+Uber”模式。滴

滴作為網(wǎng)約車龍頭企業(yè)，于2016年組建自動駕駛研發(fā)部門，以供應(yīng)商以及運營商的雙重角色入

局Robotaxi,目前已經(jīng)與廣汽埃安成立合資公司，預(yù)計于2025年推出首款量產(chǎn)L4無人車，并接入滴滴共享出行網(wǎng)絡(luò)。百度和OEM合作密切，第1-6代Apollo分別落地寶馬、奇瑞、林肯、一汽、北汽極狐以及江玲新能源車型，但還未接入其他第三方出行平臺，而是以蘿卜快跑的APP/小程序獨立運營。圖表：部分Robotaxi企業(yè)合作版圖ABCFOXMC

江鈴汽車

奇

瑞

汽

車

YD

apollo中國一汽(SAIC上汽集團SAIC

MOTORON

如

祺

出

行北京現(xiàn)代①TOyCTA

一小鳥智行吉

利

汽

車GEELYAUTC

廣

汽

集

團GACGROUPValeo

VO

工

VO圖表：傳統(tǒng)汽車產(chǎn)業(yè)鏈vs

Robotaxi生態(tài)圈資料來源：科爾尼咨詢，網(wǎng)易新聞，F(xiàn)供應(yīng)商OEM

OEM4.問四：

Robotaxi產(chǎn)業(yè)格局怎樣?主機廠+自動駕駛企業(yè)+運營商三角結(jié)構(gòu)怎么看?方正證券FOUNDERSECURITIES正

在你

身

邊滴滴研究所C曹操出行TIME

N

T

1

M供應(yīng)商運營商享道出行13■ADAS

階段感知路線分為純視覺及多傳感器融合兩種方案。感知是自動駕駛的前提，需通過傳感器收集周圍環(huán)

境的信息，探測精度、廣度與速度直接影響行駛安全。不同傳感器優(yōu)劣勢不同，互相補充、相得益彰，技術(shù)探索

的核心點在于尋找在最低成本下的最優(yōu)技術(shù)解。圖表：傳感器成像比較

圖表：傳感器性能比較資料來源：電子工程專輯，焉知汽車么

14激光雷達(dá)

毫米波雷達(dá)

超聲波雷達(dá)通過反射的激光光通過接收反射的毫米通過接收反射的超束進(jìn)行定位與成像波進(jìn)行定位與成像

聲波進(jìn)

位與成像行定5.問五：純視覺VS

多傳感器融合，不同技術(shù)路線的核心競爭力是什么?攝像頭原理

捕捉環(huán)境圖像由于其波長短以及受環(huán)境影響大的特

性，感知精度較低能夠捕捉到豐富的色彩和細(xì)節(jié)信息

(比如車道線、指對于行人這類

低反射率的目標(biāo)，

探測準(zhǔn)確度較差劣勢

影響視線的情況，

容易丟失目標(biāo)遇到暗光、逆光等在雨雪、大霧等成本較低，適合近距離探測受周圍環(huán)境光線

變化影響很小幾乎不受光線

和天氣影響極端天氣下

會受到影響示標(biāo)志、紅綠燈等)正

在

你

身邊優(yōu)勢■純視覺方案核心競爭力怎么看?純視覺方案僅基于攝像頭進(jìn)行感知，相對多傳感器融合有明顯的硬件成本優(yōu)勢，同時對軟件

要求較高，需要依靠強大的算法才能保證感知的準(zhǔn)確性與效率。目前，界內(nèi)僅有特斯拉憑借數(shù)據(jù)+算力+算法優(yōu)勢采用純視覺方

案，其他車企難以復(fù)制。當(dāng)車輛搭載L4級自動駕駛功能時，對安全冗余的要求更高；在純視覺方案基于深度學(xué)習(xí)的算法尚未達(dá)

到全路況覆蓋的情況下，其安全性仍存疑，多傳感器融合方案更加可靠，因此現(xiàn)有Robotaxi解決方案均采用該路線。■視覺方案為行業(yè)發(fā)展趨勢，但需補充雷達(dá)做安全冗余。視覺具有更高的精度，因為傳感器的本質(zhì)是比特流，攝像頭比特/秒的

信息量要比激光雷達(dá)和毫米波雷達(dá)高幾個數(shù)量級。隨著訓(xùn)練數(shù)據(jù)規(guī)模的提升以及算法的優(yōu)化，攝像頭的性能有望大幅超越雷達(dá)。

國內(nèi)廠商已開始相關(guān)研發(fā)，雖然均宣稱其方案為純視覺，但實際是“去激光雷達(dá)”的視覺方案。我們判斷，隨著技術(shù)的迭代，

視覺方案有望憑借性能天花板高及成本可控的特性成為高階自動駕駛方案中主流的感知路線；但考慮到產(chǎn)品安全問題，需要搭

載雷達(dá)作為冗余設(shè)計。雷達(dá)搭載數(shù)量有望下降，但仍是實現(xiàn)安全感知必不可少的硬件。圖表：現(xiàn)有Robotaxi解決方案的傳感器配置數(shù)量(個)

圖表：國產(chǎn)廠商視覺方案公司產(chǎn)品

激光雷達(dá)毫米波雷達(dá)超聲波雷達(dá)攝像頭百度Apollo

RT6

8

61212小馬第六代解決方案

7

5011AutoXAutoX

Gen56

828滴滴雙子星硬件平臺

7

6

1224文遠(yuǎn)知行WeRideSuiteSensor5.0712Cruise5

11

1014Waymo5

6814公司發(fā)布時間具體方案極越2023年10月“純視覺”高階智駕技術(shù)方案計劃分階段實現(xiàn)：在1.0

階段采用“純視覺為主+激光雷達(dá)”的融合方案，兩份

雙獨立系統(tǒng)互為備份，在2.0階段可不再借助激光雷達(dá)，并逐步降低對高精地圖的依賴廣汽2024年4月無圖純視覺智駕系統(tǒng)，不依賴高精地圖并去除激光雷達(dá)資料來源：電子工程世界，文遠(yuǎn)知行官

券研究所

155.問五：純視覺VS

多傳感器融合，不同技術(shù)路線的核心競爭力是什么?HUAWEIADS基礎(chǔ)版搭載10個攝像頭+3個毫米波雷達(dá)華為

2024年5月

+12個超聲波雷達(dá)，可以在不依賴激光雷達(dá)和高精地圖的前提下，實現(xiàn)全國高度和城市NCA正在

你

身

邊向所有舊金山用戶開放服務(wù)運營發(fā)生嚴(yán)重車

禍，執(zhí)照被吊銷路測發(fā)生嚴(yán)重車禍出售自動駕駛部門關(guān)停Robotruck業(yè)務(wù)第六代無人車在全國11個城市提供服務(wù)獲深圳、上海無

人測試牌照-O-2022

2023

2024資料來源：36kr,搜狐新聞，通用官網(wǎng)

■自動駕駛發(fā)展經(jīng)歷了導(dǎo)入期、冷靜期、落地期及出清期：■1)導(dǎo)入期(2009-2018年):谷歌于2009年啟動自動駕駛項目，至2016年將該項目獨立為子公司W(wǎng)aymo,

標(biāo)志著自動駕駛正式發(fā)展的起點。百度/滴滴分別于2015/2016年開拓自動駕駛業(yè)務(wù)，以小馬智行、文遠(yuǎn)知行、Momenta為代表的初創(chuàng)企業(yè)均在2016-2017年間成立。2)冷靜期(2019-2020年):自動駕駛的安全和成本問題始終沒有出現(xiàn)合適的解決方案，2018年Uber路測發(fā)生致死事故為行業(yè)估值泡沫消退的導(dǎo)火索行業(yè)進(jìn)入第一輪冷靜期，冷靜期過后市場更加關(guān)注落地應(yīng)用情況。3)落地期(2021-2022年):2021年為自動駕駛場景落地和商業(yè)應(yīng)用元年，

Robotruck頭部公司圖森未來上市，地平線、小馬、文遠(yuǎn)股權(quán)融資進(jìn)入中后期；以北京和武漢為代表的地方政府連續(xù)頒布多個支持Robotaxi運營

的政策；零部件國產(chǎn)替代+上量降價推動整體解決方案成本大幅下降，政策+技術(shù)+產(chǎn)業(yè)共同驅(qū)動市場熱度達(dá)到高點。4)出清期(2023年):

商

業(yè)化變現(xiàn)困難致使投資遇冷，主因Robotaxi還處于服務(wù)區(qū)試運營階段，封閉空間場景的自動駕駛雖然落地難度小，但是收入天花板有限。自動

駕駛進(jìn)入產(chǎn)業(yè)整合和淘汰加速階段，據(jù)加州DMV

數(shù)據(jù)，2023年路測公里數(shù)和路測車輛數(shù)量相對2021年分別增加52%/37%,而參與公司數(shù)量從

26家下滑至21家。■2024年，百度在Apollo

Day預(yù)計今年Robotaxi將在武漢實現(xiàn)盈虧平衡，商業(yè)閉環(huán)預(yù)期有望再次推動產(chǎn)業(yè)回暖。圖表：主要Robotaxi企業(yè)發(fā)展歷程6.問六：復(fù)盤自動駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點是什么?獨立為子公司被通用收購收購Otto(Robotruck企業(yè))在鳳凰城開放無人服務(wù)獲加州路測許可獲北京商業(yè)化試點牌照獲北京商業(yè)化試點牌照馬智行官網(wǎng)，方正證券研究所

16獲北京

路測牌照2020獲加州服務(wù)許可獲廣州路測牌照WaymoCruise成本下降至20萬元成立L4事業(yè)部研發(fā)

無人駕駛正

在

你

身

邊獲加州運營許可獲北京路測牌照獲加州路測許可獲加州路測許可推出服務(wù)應(yīng)用小馬智行百度Uber成立201920172016201820152021落地期

出清期小馬智行和百度獲北京商業(yè)化試點牌照Robotruck頭部企業(yè)圖森未來上市Waymo

在美國鳳凰城市中心開放Robotaxi元戎啟行與德邦快遞合作，提供RobotruckCruise在加州推出Robotaxi服務(wù)文遠(yuǎn)攜手廣州巴士集團正式開放全國首個Robobus商業(yè)收費運營服務(wù)Cruise

發(fā)生車禍，運營許可被暫停Waymo、

阿里達(dá)摩院

、Nuro、圖森未來大規(guī)模裁員20222023

2024H11000900800700600500400導(dǎo)入期小馬智行成立

Momenta成立Google獨立Waymo為獨立子公司Uber上路測試，并推出Robotaxi載客服務(wù)6.問六：復(fù)盤自動駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點是什么?圖表：中國自動駕駛項目投融資金額、投資事件數(shù)量及行業(yè)重點事件資料來源：36kr,搜狐新聞，通用官網(wǎng)，未來汽車

行官網(wǎng)，網(wǎng)易新聞，方正證券研究所

17通用收購CruiseUber

與卡內(nèi)基梅隆大學(xué)達(dá)成合作，專門研究無人駕駛技術(shù)百度開始布局自動駕駛2013201420152016Wobmo攤的應(yīng)Waymo

One小馬智行推出自動駕駛

出行服務(wù)PonyPilot文遠(yuǎn)與廣州公交集團白云公司共同推出全國第一輛Robotaxi冷靜期文遠(yuǎn)發(fā)布中國首款

L4自動駕駛貨運車元戎啟行前裝L4解

決方案降本到1萬美元以下Uber出售自動蘿卜快跑在北京

駕駛部門ATG開展載人測試輕舟智航成立元戎啟行成立方正證券FOUNDER

SECURITIES正

在

你

身邊投資金額(億元)

——投資事件(起)9080706050403020100英特爾收購Mobileye文遠(yuǎn)知行成立300200100020172018201920202021■我們整體判斷Robotaxi短期競爭力在于運營規(guī)模，長期看技術(shù)路徑和平臺效應(yīng)。Robotaxi

現(xiàn)階段發(fā)展重心在運營落地+搶占

份額，牌照資源形成壁壘。在技術(shù)方案沒有明顯差距的階段，提前布局有助于搶占市場先機；產(chǎn)業(yè)話語權(quán)主要掌握在已獲取牌

照的自動駕駛解決方案供應(yīng)商中。小馬智行及百度Apollo

(蘿卜快跑)

Robotaxi在城市道路測試及示范運營方面進(jìn)展較為領(lǐng)先；

蘿卜快跑在商業(yè)化推廣方面采取“用補貼換市場”的方式，旨在憑借低價創(chuàng)造需求，借此培養(yǎng)Robotaxi運營日?；南M者心

智，并借助先發(fā)優(yōu)勢搶占份額。■Robotaxi要真正在城市公開道路中大規(guī)模且常態(tài)化運行，關(guān)鍵看點是技術(shù)，其次是生態(tài)。Robotaxi目前的道路測試、載客運營及商業(yè)化試點都被限定在特定區(qū)域內(nèi)，高精地圖能夠為車輛運行提供先驗經(jīng)驗；長期若Robotaxi運行區(qū)域放開至更多公開道

路，高精地圖所起作用受限，視覺方案與多傳感器融合方案的差距將逐漸顯著。■特斯拉計劃于今年10月發(fā)布Robotaxi,根據(jù)其一直以來在L2領(lǐng)域?qū)円曈X路線的堅持，我們判斷其Robotaxi也將沿用純視覺或視覺主導(dǎo)+雷達(dá)冗余的方案。在主流技術(shù)方案明確后，差異化優(yōu)勢將轉(zhuǎn)移至平臺/生態(tài)層面。消費者對Robotaxi的定位從“體

驗”轉(zhuǎn)為“使用”,依托網(wǎng)約車平臺實現(xiàn)有人和無人車混合派單最能優(yōu)化乘客的打車體驗。滴滴作為網(wǎng)約車平臺龍頭，有望基

于Robotaxi前瞻布局從中受益。部分主機廠旗下有共享出行平臺，也有望借助制造商+運營商的雙角色擴大行業(yè)影響力。圖表：Robotaxi不同階段特征及潛在受益公司第一階段第二階段第三階段運營特征限定區(qū)域點到點運營大規(guī)模常態(tài)化運營大規(guī)模常態(tài)化運營技術(shù)特征多傳感器融合由多傳感器融合向視覺方案過渡視覺方案企業(yè)核心競爭力運營牌照技術(shù)生態(tài)潛在受益企業(yè)百度、小馬智行等特斯拉、百度、華為、廣汽、小鵬等滴滴出行等資料來源：億歐智庫，21經(jīng)濟，南方者

方正證券研究所

186.問六：復(fù)盤自動駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點是什么?正在

你

身

邊■自動駕駛架構(gòu)從多模塊向端到端融合發(fā)展。傳統(tǒng)自動駕駛系統(tǒng)采

用模塊化串聯(lián)的部署方式，核心模塊涵蓋感知、定位、預(yù)測、決策

和控制等，每個主要模塊及其中的子模塊承擔(dān)特定的責(zé)任，且每個

模塊的輸入通常來源于前一模塊的輸出。多模塊架構(gòu)存在信息傳遞

損耗、計算延遲以及累積誤差等問題；隨著Transformer架構(gòu)的發(fā)展，

原本獨立的子任務(wù)模型正逐步被更大規(guī)模的神經(jīng)網(wǎng)絡(luò)模型所取代。■端到端模型的核心優(yōu)勢在于信息的無損傳遞，能夠基于完整數(shù)據(jù)

進(jìn)行全局任務(wù)優(yōu)化。端到端的通俗定義即將原本獨立的各模塊囊括

到一個神經(jīng)網(wǎng)絡(luò)中，實現(xiàn)信息在不同子模型間的無損傳輸與耦合；

運用在自動駕駛領(lǐng)域中，即將傳感器收集到的全面信息作為輸入，圖表：自動駕駛架構(gòu)發(fā)展歷程多模塊傳統(tǒng)后融合控制■2017多傳感器融合預(yù)測決策

規(guī)劃控制在單一網(wǎng)絡(luò)中直接生成車輛的控制指令或運動規(guī)劃。這種設(shè)計使得

整個系統(tǒng)針對最終目標(biāo)進(jìn)行優(yōu)化，而非僅僅針對某個獨立的子任務(wù)，

從而實現(xiàn)自動駕駛性能的全局最優(yōu)化。隨著高質(zhì)量數(shù)據(jù)的積累和模

型的優(yōu)化，端到端架構(gòu)能實現(xiàn)的性能天花板高于模塊化架構(gòu)。圖表：端到端與模塊化架構(gòu)性能表現(xiàn)■2021端到端第一階段一感知、認(rèn)知模塊化通用感知網(wǎng)絡(luò)

預(yù)測規(guī)劃網(wǎng)絡(luò)

控制■2023端到端第二階段一模塊化端到端感知預(yù)測規(guī)劃網(wǎng)絡(luò)控制■2024

端到端第三階段一單一神經(jīng)網(wǎng)絡(luò)感知預(yù)測規(guī)劃控制一體化網(wǎng)絡(luò)米t

壓具Q

米具資料來源：甲子光年公眾號，元戎啟行

197.問七：端到端算法處于迭代驗證階段，技術(shù)瓶頸怎么看?預(yù)測地圖定位地圖端到端模塊化正

在

你

身邊跟蹤規(guī)劃檢測決策性

能端到端定位■端到端第一階段：特斯拉推出BEV+Transformer

感知網(wǎng)絡(luò)架構(gòu)。Transformer的概念源于2017年谷歌發(fā)布的論文《Attention

is

AllYouNeed》,利用注意力機制

(Attention

Mechanisms,即對輸入

與輸出序列的依賴關(guān)系建模)進(jìn)行序列轉(zhuǎn)換，通過建模輸入和輸出

序列之間的依賴關(guān)系來生成目標(biāo)結(jié)果。2021年，特斯拉將其引入自

動駕駛領(lǐng)域，通過將感知任務(wù)內(nèi)置于Transformer

中，使神經(jīng)網(wǎng)絡(luò)能夠自動將2D圖像轉(zhuǎn)換為BEV(Bird's

EyeView,即俯視角度)的3D

特征信息?！?/p>

BEV轉(zhuǎn)換的具體步驟為：

1

)

通

過RegNet(Regularization

Network,用于圖像分類的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu))對攝像頭捕捉的2D圖像信

息進(jìn)行分層處理；2)利用BiFPNs(Bi-directional

Feature

Pyramid

Networks,用于圖像語義分割的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu))使分類信息發(fā)生交

互，從而生成輸入Queries;3)

基于預(yù)訓(xùn)練獲取的鍵值對信息，計

算Value,并將物體信息映射到3D空間?！?/p>

BEV+Transformer現(xiàn)已成為自動駕駛領(lǐng)域廣泛應(yīng)用的范式，百度、

華為、蔚小理等廠商均已提出相似技術(shù)路線的解決方案。VectorSpace

Road

EdgesHeadimage-to-BEV

transform

+multi-camera

fusionqueryMLPpoolpositional

encodermulti-scale

featuresBiFPNRegNetrawRepeater資料來源：Tesla

AI

Day,方正證券研

7.問七：端到端算法處于迭代驗證階段，技術(shù)瓶頸怎么看?圖表：特斯拉BEV+Transformer架構(gòu)multi-scale

featuresBiFPNmulti-scale

featuresBiFPN正在

你

身

邊rawMainOrawPillar

0context

summaryTransformerRegNetRegNet20V△TrackFormerAgent-levelFeatureTrack

QBK

VBFormerMap

QMulti-viewVision-only

InputMapFormerBPerception■端到端第二階段：CVPR2023年度論文提出感知決策一體化的端到端解決方案。2023年CVPR

最佳論文《Planning-orientedAutonomousDriving》提出感知決策一體化的端到端自動駕駛解決方案UnifiedAutonomousDriving

(UniAD)。UniAD通過多

層Transformer架構(gòu)覆蓋感知、預(yù)測和規(guī)劃任務(wù)，每一層并行處理和交互圖像信息，最終根據(jù)本車對周圍環(huán)境的感知及預(yù)測信息以實現(xiàn)路徑規(guī)劃。UniAD

在多項自動駕駛?cè)蝿?wù)中刷新SOTA。UniAD的亮點在于模型通過Transformer的多層架構(gòu)覆蓋關(guān)鍵

任務(wù)，各層之間的信息輸入輸出相互融合，能夠并行處理多個不同的任務(wù)；感知與預(yù)測環(huán)節(jié)均包含車輛自身的信息，最后規(guī)劃

器結(jié)合本車信息與BEV

特征信息進(jìn)行決策，從而使整個網(wǎng)絡(luò)均以規(guī)劃為目標(biāo)，有效提升解決方案的整體性能。根據(jù)使用

nuScenes

數(shù)據(jù)集(在波士頓和新加坡采集的開源自動駕駛數(shù)據(jù)集)的測試結(jié)果，UniAD在多種自動駕駛?cè)蝿?wù)中刷新了SOTA

(State-of-the-art,領(lǐng)域最佳性能)。資料來源：《Planning-oriented

Auton

7.問七：端到端算法處于迭代驗證階段，技術(shù)瓶頸怎么看?圖表：UniAD運作流程圖△○Ego-vehicleQueryB

BEV

FeatureBird'seye

viewFeature正

在

你

身

邊■Motion

QPlanningScenc-levelFeatureOcc

QOccFormerPredictionBackboneMotionPlannerK(■端到端第三階段：特斯拉發(fā)布基于單一神經(jīng)網(wǎng)絡(luò)的FSD

V12。2024年年初，特斯拉開始推送FSDV12,其采用全棧神經(jīng)網(wǎng)

絡(luò)覆蓋感知、決策和控制任務(wù)，輸入傳感器數(shù)據(jù)后直接輸出控制信號。V12打通最后一個控制環(huán)節(jié)，使得整個系統(tǒng)端到端可

導(dǎo)，微小誤差也會通過梯度反向傳播到上游每個環(huán)節(jié)并進(jìn)行自我迭代優(yōu)化，從而使系統(tǒng)輸出的駕駛行為更加擬人?！?/p>

端到端模型迭代對算力和數(shù)據(jù)的要求高，資源競賽形成進(jìn)入壁壘。端到端模型的本質(zhì)是從大量優(yōu)質(zhì)駕駛視頻片段中提取和

壓縮知識的過程，需要強大算力和海量高質(zhì)量數(shù)據(jù)來支撐模型訓(xùn)練過程。根據(jù)特斯拉自動駕駛部門負(fù)責(zé)人AndrejKarpathy透

露，工作中有3/4的精力被用于采集、清洗、分類和標(biāo)注高質(zhì)量數(shù)據(jù)上，僅有1/4的工作用于算法探索和模型創(chuàng)建。訓(xùn)練算力

數(shù)據(jù)、AI

人才均構(gòu)筑門檻；隨端到端趨勢深化，廠商間的研發(fā)進(jìn)度差距將更加明顯?！鎏厮估I(lǐng)端到端模型創(chuàng)新，國內(nèi)廠商大多處于發(fā)展第一階段。特斯拉預(yù)計DOJO

智算中心算力于今年10月將達(dá)到100

EFLOPS;

國內(nèi)廠商如商湯科技百度自算力分別為12/4+EFLOPS。特斯拉基于算力和數(shù)據(jù)優(yōu)勢，以及在行業(yè)內(nèi)的影響力，推出業(yè)內(nèi)首個且唯—一個覆蓋全棧任務(wù)的端到端模型并引領(lǐng)行業(yè)創(chuàng)新趨勢。國內(nèi)廠商中商湯進(jìn)展較為領(lǐng)先，公司作為

《Planning-orientedAutonomous

Driving》作者之一，于2022年底推出業(yè)內(nèi)首個感知決策一體化的端到端模型。其余新勢力

廠商以及科技企業(yè)(除理想外)均采取“兩段式”端到端方案，將感知和決策規(guī)劃分別置于兩個神經(jīng)網(wǎng)絡(luò)下；理想于24年7月

發(fā)布類似商湯路線的4D

One

Model,但未宣布相關(guān)量產(chǎn)上車計劃。圖表：不同廠商端到端方案對比1

華為

ADS

3.0(GOD+PDP)24年4月發(fā)布，預(yù)計8月上車感知、規(guī)控分別模塊化

元戎啟行基于DeepRoute

IO的端到端解決方案24年3月發(fā)布，預(yù)計年內(nèi)上車

百度Apollo

ADFM24年5月發(fā)布，即將上車

商湯UniAD

22年底發(fā)布，23H2上車

感知+規(guī)劃納入同一網(wǎng)絡(luò)

2

理想4D

One

Model

24年7月發(fā)布

感知+規(guī)劃+預(yù)測納入同一網(wǎng)絡(luò)3特斯拉

FSD

V1223年8月發(fā)布，24年2月上車資料來源：網(wǎng)易新聞，汽車測試網(wǎng)，搜

汽車報，虎嗅網(wǎng)，方正證券研究所22

7.問七：端到端算法處于迭代驗證階段，技術(shù)瓶頸怎么看?進(jìn)展所處端到端階段

代表性廠商

產(chǎn)品

進(jìn)展Banyan

2.0.0感知神經(jīng)網(wǎng)絡(luò)XNet+規(guī)控大模型XPlanner+大語言模型XBrain23年5月發(fā)布并上車24年5月發(fā)布并上車正

在

你

身

邊感知模塊化蔚來小鵬資料來源：武漢市本地寶，《出租汽車

網(wǎng)易新聞，方正證券研究所

23項目

金額

假設(shè)(公式金

額假設(shè)(公式起步價(元)18.00參考蘿卜快跑在武漢的計費規(guī)則車輛售價(元)204600.00參考百度Apollo

RT6售價里程費(元/公里)單均公里數(shù)(公里)2.705.33

參考《出租汽車運營技術(shù)條件》(征求意見稿)折舊年限(年)年度折舊(元/年)6.00參考交通運輸部關(guān)于網(wǎng)約車報廢年限的要求34100.00=車輛售價/折舊年限單均收入(元)補貼率29.69

=起步價+里程費*(單均公里數(shù)-起步公里數(shù))0.50

參考蘿卜快跑在武漢的補貼情況單均折舊(元/單)安全員工資(元/月)7.19=年度折舊/年度單量6500.00參考蘿卜快跑招募信息單均實際收入(元)

14.85

=單均收入*(1-補貼率)安全員與負(fù)責(zé)車輛比例1.00參考現(xiàn)有地方政策要求遠(yuǎn)程安全員比例為1:1日均單量(單)年度單量(單)15.00參考《出租汽車運營技術(shù)條件》(征求意見稿)

4745.00=日均單量*365單均安全員成本(元/單)電耗(元/公里)16.44=安全員工資*12/(安全員與負(fù)責(zé)車輛比例*年度單量)0.15參考汽車之家單公里電費區(qū)間年度收入(元/年)70441.89=年單量*單均實際收入單均電耗(元/單)0.80=電耗*單均公里數(shù)保險費用(元/年)10000.00參考汽車之家單公里保險費區(qū)間單均保險費用(元/單)2.11

=保險費用/年度單量單均盈利(元)

-12.95

一

的

均

應(yīng)

入

的

均

成

木維保費用(元/年)單均維保費用(元/單)單均成本(元)6000.00參考網(wǎng)約車保養(yǎng)費用1.26=維保費用/年度單量27.80

=單均折舊+單均安全員成本+單均電耗+單均保險費用+單均維保費用范圍后每公里2.7元)以及補貼力度(~5折)計算，單均收入為14.85元；成本方面

，按照Apollo

RT620.46萬價格以及6年折舊期計算，單均折舊約為7.19元。運

營成本中大頭來自安全員，按照安全員和車輛1:1的配比計算，單均安全員成本

達(dá)到16.44元。再加上電力、保險、維護(hù)等費用，最終單均成本為27.80元。商業(yè)

化

角

度

，UE的關(guān)鍵變量是單位車占用的安全員數(shù)量及單量，隨著單個安全員覆

蓋無人車數(shù)量增加以及單量提升，Robotaxi

UE模型有望實現(xiàn)打平。圖表：Robotaxi

UE模型8.問八：泛化能力角度，UE打平何時到來?■收入方面，按照蘿卜快跑在武漢的收費標(biāo)準(zhǔn)(1km

內(nèi)起步價18元，超出起步價單個安全員覆蓋車輛數(shù)(輛)123

4510-21.05-10.37

-6.80

-5.02-3.95日均單量

(單/天)131520-12.95

-4.73

-1.99

-0.62-9.35

-2.23

0.15

0.33-3.50

1.84

3.62

3.510.201.054.05正

在

你

身邊圖表：安全員比例&日均單量敏感性分析■中美為自動駕駛第一梯隊，競相出臺自動駕駛政策，為加快Robotaxi商業(yè)化落地釋放積極信號，我們觀察國內(nèi)的主要趨勢為：1)道路測試范圍擴大；2)安全員位置經(jīng)歷“主駕—副駕一后排一車外(遠(yuǎn)程)”的變化；3)從道路測試到示范應(yīng)用再

到商業(yè)運營范圍的放開；4)權(quán)責(zé)劃分逐步明晰：2022年2月，上海發(fā)布《上海市智能網(wǎng)聯(lián)汽車測試與應(yīng)用管理辦法》,首次明確智能網(wǎng)聯(lián)汽車發(fā)生交通事故后的責(zé)任劃分；隨后，深圳/北京分別于2022年11月及2024年6月作出相關(guān)規(guī)定。三地均認(rèn)定

應(yīng)由智能網(wǎng)聯(lián)汽車一方承擔(dān)責(zé)任的，由該車所屬企業(yè)先行賠償，并可依法向相關(guān)責(zé)任方(如系統(tǒng)開發(fā)者、汽車制造商等)追

償?！鯮obotaxi

產(chǎn)業(yè)，政策進(jìn)一步放開的最底層邏輯是什么?我們認(rèn)為當(dāng)前全球和Robotaxi相關(guān)的政策體系政府方都在盡力給到最大的支持，但尚未進(jìn)行全道路商業(yè)化的最底層政策瓶頸還在于安全，技術(shù)日新月異，但安全方面的要求幾乎是零容忍。因

此從根本上來說，Robotaxi產(chǎn)業(yè)發(fā)展在等待的關(guān)鍵還是技術(shù)的進(jìn)一步更迭。圖表：主要地區(qū)政策現(xiàn)狀道路測試?yán)锍?截至23年底；公里)337911609442000遠(yuǎn)程安全員配比1:11:11:11:1目前僅開展無人化示范應(yīng)用，獲批企業(yè)包括賽可智能(上汽子公司)、百度蘿卜快跑、AutoX、小馬智行，需通過評估才能進(jìn)行商業(yè)化運營開展測試與應(yīng)用活動的單位->相關(guān)責(zé)任方9.問九：Robotaxi產(chǎn)業(yè)，政策進(jìn)一步放開的最底層邏輯是什么?目前僅坪山區(qū)開展無人化

商業(yè)化試點，獲批企業(yè)包括百度蘿卜快跑和AutoX車輛所有人/管理人->生產(chǎn)者、銷售者等百度蘿卜快跑、小馬智行、

文遠(yuǎn)知行車輛所有人/管理人->生產(chǎn)者、銷售者等無人化商業(yè)運營牌照

頒發(fā)對象事故權(quán)責(zé)劃分資料來源：《武漢市智能網(wǎng)聯(lián)汽車道路測試和示范

澎新聞，武漢市人民政府，方正證券研究所正

在

你

身邊百度蘿卜快跑觀察者網(wǎng)，深圳新聞網(wǎng)24■中國：橫向比較各地政策可知，武漢在推動Robotaxi落地方面支持力度更大。武漢啟動智能網(wǎng)聯(lián)道路測試的時間點較晚但率先于2022年8月發(fā)布自動駕駛?cè)珶o人商業(yè)化試點政策，并為百度Apollo頒布相應(yīng)牌照。截至2023年底，武漢智能網(wǎng)聯(lián)汽

車測試道路里程已經(jīng)突破3378.73公里，覆蓋12個行政區(qū)，開放里程和開放區(qū)域數(shù)量均保持全國第一；2023年全年自動駕駛

出行服務(wù)訂單73.2萬單，服務(wù)90萬人次?！?/p>

海外：2023年8月加州政府已經(jīng)正式批準(zhǔn)Waymo、Cruise

在舊金山全天任何時間段向公眾提供完全無人駕駛收費乘車服務(wù)。

加州的監(jiān)管部門是交通管理局

(DMV)

和公用事業(yè)委員會

(CPUC),

類別上對有安全員和無安全員的分別進(jìn)行監(jiān)管。圖表：中國主要地區(qū)政策發(fā)展歷程無人化商業(yè)化試點無人化路測

無人化示范應(yīng)用道路測試政策開放道路測試政策開放019年9月9.問九：Robotaxi產(chǎn)業(yè)，政策進(jìn)一步放開的最底層邏輯是什么?資料來源：武漢市交通運輸局，武漢市人民政府，3

搜狐新聞，LEXOLOGY,

方正證券研究所無人化商業(yè)化試點無人化商業(yè)化試點—0—

-0

-0-23年3月23年5月23年6月武漢北京

深圳

上海23年9月24年7月22年8月

22年12月正

在

你

身

邊18年3月

18年8月道路測試政策開放道路測試政策開放無人化示范應(yīng)用人大常委會，騰訊網(wǎng)，25■消費者認(rèn)知瓶頸在于安全感不足。消費者愿意承擔(dān)自己開車時的小概率傷亡風(fēng)險，但是對于其他人(或者無人)掌控方向盤時，會有更高的安全標(biāo)準(zhǔn)。根據(jù)百度Apollo

Day披露，自動駕駛車輛的安全性現(xiàn)已能達(dá)到駕駛員人工操控的10倍；但只要發(fā)生

一起嚴(yán)重的事故，想要公眾普遍認(rèn)可自動駕駛的難度會大幅增長?！鯮obotaxi

安全性的關(guān)鍵評價指標(biāo)為MPI。

MPI(Miles

Per

Intervention,測試接管里程數(shù))

用于衡量自動駕駛汽車每行駛多少里程需要人工接管一次；

一般MPI

越長，自動駕駛系統(tǒng)的可靠性越高。根據(jù)2023年D

MV(加州交通管理局)道路

測試數(shù)據(jù)

MPI

表現(xiàn)良好的中國企業(yè)包括文遠(yuǎn)知行、AutoX、百

度Apollo及滴滴，分別位列第4/61718名。但需要注意的是，MPI

不能充分衡

量自動駕駛汽車形式的可靠性，致使脫離的原因也值得關(guān)注?！侗本┦凶詣玉{駛車輛道路測試報告2020》對全年接管脫離的原

因進(jìn)行了分類，其中其他車輛占用車道占25%,道路施工占22%,其他參與者逆行、橫穿等占36%。非造成重大損傷的脫離原

因更易提高消費者接受度。圖表：2023年DMV測試接管里程數(shù)(萬公里/次)

圖表：2020年北京市自動駕駛車輛道路測試接管脫離原因資料來源：汽車之家，《北京市自動

26策略缺陷社會車輛近距離切入、社會車輛過于貼近測試車輛、社會車輛行為預(yù)測錯誤、社會車輛未按交規(guī)行駛且車速過快、決策

規(guī)劃策略問題、測試車未按交規(guī)行駛等10.問十：消費者認(rèn)知研究：容錯率低，對Robotaxi運營方意味著什么?人為接管安全員休息、安全員需要打電話、行駛至道路邊界脫離類別具體原因車輛及硬件問題、定位偏離、系統(tǒng)異常、PAD頁面異常、PAD刷新異常等人工安全防御社會車輛違章占用車道、道路施工無法通行等正在

你

身

邊系統(tǒng)故障■消費者對Robotaxi

的接受度正在提升。根據(jù)羅蘭貝格調(diào)研結(jié)果，2022年，中國用戶對Robotaxi仍感到陌生，且對于其安全性可靠性及實際可提供的服務(wù)和體驗均持有懷疑態(tài)度。進(jìn)入2023年，盡管Robotaxi仍受到技術(shù)不成熟、小范圍試點等限制，但是

在頭部運營商積極推廣的過程中，市場接受度明顯提升，蘿卜快跑單量在2022Q1-2024Q1兩年時間內(nèi)翻了四倍。

但從“能用“

到“好用”、

“愛用”還是需要供給端的改進(jìn)，包括技術(shù)水平提升、運營范圍擴大、運營平臺建設(shè)符合用戶習(xí)慣等。羅蘭貝格

將市場接受度評價標(biāo)準(zhǔn)劃為1-5分五個等級，1分代表“公眾認(rèn)知度低、整體對于Robotaxi安全性、效率存在較大疑慮”,2分代表“公眾認(rèn)知度提高，對Robotaxi

的主要疑慮減輕，尤其是安全性方面的疑慮”,而2023年中國Robotaxi

商業(yè)化階段處于1分水平，并向2分穩(wěn)定前進(jìn)。我們認(rèn)為，4分代表的“公眾完全知曉，認(rèn)可Robotaxi在安全、效率、體驗方面的獨特價值，目標(biāo)

用戶群體接受Robotaxi為常規(guī)可選交通方式之一”為Robotaxi規(guī)?；涞氐那疤?，也是目前消費者培育的目標(biāo)。圖表：蘿卜快跑分季度單量(萬單)

圖表：市場接受度劃分資料來源：百度公告，羅蘭貝格，方正

274分公眾完全知曉，認(rèn)可Robotaxi在安全、效率、體驗方面的獨特價值，目標(biāo)用戶群體接受Robotaxi為常規(guī)可選交通方式之一公眾普遍知曉，對Robotaxi在安全、效率、體驗方面的主要疑慮消3分

除并發(fā)現(xiàn)其價值，在一定情景或需求下可能使用Robotaxi服務(wù)，但不將其視為常規(guī)交通方式10.問十：消費者認(rèn)知研究：容錯率低，對Robotaxi運營方意味著什么?2分公眾認(rèn)知度提高，對Robotaxi的主要疑慮減輕，尤其是安全性方面

的疑慮公眾對Robotaxi的安全、效率、體驗高度認(rèn)可，認(rèn)同Robotaxi為主要/優(yōu)先考慮的交通方式之一評分釋義1分公眾認(rèn)知度低，整體對于Robotaxi安全性、效率存在較大疑慮正在

你

身

邊5分11.重點公司——滴滴：攜“數(shù)據(jù)+生態(tài)+運營”戰(zhàn)略瞄準(zhǔn)Robotaxi,

強化網(wǎng)約車龍頭地

在

你

身

邊■滴滴于2016年組建自動駕駛研發(fā)部門，專注L4軟硬件解決方案研發(fā)，主要商業(yè)模式為與OEM

合作開發(fā)Robotaxi,旨在強化

網(wǎng)約車龍頭地位?！錾疃壤墢V汽埃安打造“技術(shù)+制造+運營”L4

商業(yè)生態(tài)閉環(huán)，首款L4量