2024 L4自動(dòng)駕駛：Robotaxi研究十問(wèn)（整體框架篇）

互聯(lián)網(wǎng)傳媒團(tuán)隊(duì)

·行業(yè)深度報(bào)告L4自動(dòng)駕駛：Robotaxi研究十問(wèn)(整體框架篇)正

在

你身

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

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

級(jí)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(dòng)駕駛，且已有部

分公司技術(shù)達(dá)到L4級(jí)別。但大多車企仍不對(duì)外聲稱L3,而是以L2+/L2++等來(lái)強(qiáng)調(diào)自身產(chǎn)品功能的增強(qiáng)，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(dòng)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(wú)人駕駛公司算法邏輯有何不同?

自動(dòng)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(shì)，匯集點(diǎn)為Robotaxi。漸進(jìn)式主張從L1

、L2

、L3狀態(tài)的人機(jī)共

駕逐漸過(guò)渡到L4無(wú)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(kuò)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(dòng)駕駛各項(xiàng)核心環(huán)節(jié)(比如AVP

功能),安全、模塊化迭代、步步為營(yíng)；代表廠商

為特斯拉以及蔚小理類主機(jī)廠；躍進(jìn)式直接以L4無(wú)人駕駛為目標(biāo)進(jìn)行研發(fā)，通過(guò)大規(guī)模車隊(duì)獲取路測(cè)數(shù)據(jù)

直接來(lái)訓(xùn)練無(wú)人駕駛算法網(wǎng)絡(luò)，Topline更高、中間不可控的問(wèn)題比較多、算法架構(gòu)起點(diǎn)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(shuō)自動(dòng)駕駛產(chǎn)業(yè)現(xiàn)階段技術(shù)匯集點(diǎn)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(dòng)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(zhǎng)的

問(wèn)題，其他廠商也開(kāi)始降維尋求過(guò)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(chǎng)，所需技

術(shù)與Robotaxi類似，在城市NOA場(chǎng)景下實(shí)現(xiàn)L2+功能對(duì)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)。■Robotaxi產(chǎn)業(yè)格局怎樣?主機(jī)廠+自動(dòng)駕駛企業(yè)+運(yùn)營(yíng)商三角結(jié)構(gòu)怎么看?

“軟件定義汽車”趨勢(shì)深化的

產(chǎn)業(yè)背景下，給各方勢(shì)力入局Robotaxi帶來(lái)可能性。當(dāng)前“主機(jī)廠+自動(dòng)駕駛解決方案供應(yīng)商+運(yùn)營(yíng)商”為

Robotaxi主流合作模式，其中自動(dòng)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(yùn)營(yíng)商提供服務(wù)場(chǎng)景，比如“Waymo+

捷豹+Uber”模式。但中長(zhǎng)期是否會(huì)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(jué)VS

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

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

與效率，但在純視覺(jué)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(jué)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(dòng)駕駛方案中主流的感知路線；但考慮到產(chǎn)品安全問(wèn)題，

仍需要搭載雷達(dá)作為冗余設(shè)計(jì)。■復(fù)盤自動(dòng)駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點(diǎn)是什么?自動(dòng)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(guò)后市場(chǎng)更加關(guān)注落地應(yīng)用情況。2021年為自動(dòng)駕駛場(chǎng)景落地和商業(yè)應(yīng)用元年，Robotruck頭部

公司圖森未來(lái)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(cè)公里數(shù)和路測(cè)車輛數(shù)量相對(duì)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(jìng)爭(zhēng)力在于運(yùn)營(yíng)規(guī)模，長(zhǎng)期看技術(shù)路徑和平臺(tái)效應(yīng)：Robotaxi現(xiàn)階段發(fā)展

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

看點(diǎn)是技術(shù)，視覺(jué)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(shì)將轉(zhuǎn)

移至平臺(tái)/生態(tài)層面，中后期滴滴類平臺(tái)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(yàn)證階段，技術(shù)瓶頸怎么看?自動(dòng)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(shì)在于信息的無(wú)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(yùn)動(dòng)規(guī)劃，這種設(shè)計(jì)使得整個(gè)系統(tǒng)針對(duì)最終目標(biāo)進(jìn)行優(yōu)化，而非僅僅針對(duì)某個(gè)獨(dú)立的子任務(wù)，

從而實(shí)現(xiàn)自動(dòng)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(shí)現(xiàn)的性能天

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

湯/百度/華為算力儲(chǔ)備豐富，且均有底層大模型

(Sensecore/文心/盤古)支撐自動(dòng)駕駛模型訓(xùn)練?！龇夯芰嵌?，UE

打平何時(shí)到來(lái)?按照蘿卜快跑在武漢的收費(fèi)標(biāo)準(zhǔn)(1km

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

RT620.46萬(wàn)

價(jià)格以及6年折舊期計(jì)算，單均折舊約為7.19元。運(yùn)營(yíng)成本中大頭來(lái)自安全員，按照安全員和車輛1:1的配

比計(jì)算，單均安全員成本達(dá)到16.44元。再加上電力、保險(xiǎn)、維護(hù)等費(fèi)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(gè)安全員覆蓋無(wú)人車數(shù)量增加以及單量

提升，RobotaxiUE模型有望實(shí)現(xiàn)打平。

5正

在

你

身邊■Robotaxi產(chǎn)業(yè)，政策進(jìn)一步放開(kāi)的最底層邏輯是什么?中美為自動(dòng)駕駛第一梯隊(duì)，競(jìng)相出臺(tái)自動(dòng)駕駛政策，為加快Robotaxi商業(yè)化落地釋放積極信號(hào)。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(lái)說(shuō)，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。■消費(fèi)者認(rèn)知研究：對(duì)自動(dòng)駕駛?cè)蒎e(cuò)率低，對(duì)Robotaxi運(yùn)營(yíng)方意味著什么?消費(fèi)者認(rèn)知瓶頸在于安全感不足。消費(fèi)者愿意承擔(dān)自己開(kāi)車時(shí)的小概率傷亡風(fēng)險(xiǎn)，但是對(duì)于其他人(或者無(wú)人)掌控方向盤時(shí)，會(huì)有更高的安全標(biāo)準(zhǔn)。根據(jù)百度ApolloDay披露，自動(dòng)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(dòng)駕駛的難度會(huì)大幅增長(zhǎng)。這一點(diǎn)中外同步，但整體消費(fèi)

者對(duì)Robotaxi的接受度正在提升?！鲋攸c(diǎn)公司——滴滴：攜“數(shù)據(jù)+生態(tài)+運(yùn)營(yíng)”戰(zhàn)略瞄準(zhǔn)Robotaxi,

強(qiáng)化網(wǎng)約車龍頭地位。滴滴于2016年組建

自動(dòng)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(kāi)發(fā)Robotaxi,

當(dāng)前深度捆

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

質(zhì)量?jī)?yōu)勢(shì)明顯，助力提升模型訓(xùn)練效率，依托滴滴平臺(tái)實(shí)現(xiàn)混合派單，可降低冷啟動(dòng)資金要求。而豐富運(yùn)

營(yíng)經(jīng)驗(yàn)，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(guó)首個(gè)提出視覺(jué)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(dòng)駕駛大模型，強(qiáng)調(diào)“AI智駕全球開(kāi)創(chuàng)者及普及者”定位，感知技術(shù)方面，推出

全國(guó)首個(gè)量產(chǎn)BEV感知，漸進(jìn)路線穩(wěn)扎穩(wěn)打，強(qiáng)大體系能力構(gòu)筑護(hù)城河。公司預(yù)計(jì)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(guò)7億元用于算力訓(xùn)練；并預(yù)計(jì)于2025年，在

中國(guó)實(shí)現(xiàn)類L4級(jí)智駕體驗(yàn)?！鲋攸c(diǎn)公司——百度：生態(tài)賦能、研發(fā)積淀，為什么說(shuō)百度是Robotaxi產(chǎn)業(yè)的頭部玩家?百度于2013年開(kāi)

始自動(dòng)駕駛研發(fā)，于2017年將無(wú)人駕駛業(yè)務(wù)命名為Apollo計(jì)劃，并將平臺(tái)開(kāi)源。Apollo涵蓋自動(dòng)駕駛車輛的

研發(fā)、測(cè)試和部署，提供一整套開(kāi)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(gè)功能模塊。百度研發(fā)積淀深，L4與L2共生成長(zhǎng)。當(dāng)前看蘿卜快跑是中國(guó)Robotaxi頭部公司，中長(zhǎng)期看核心競(jìng)爭(zhēng)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(dòng)自動(dòng)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(duì)，在持續(xù)研發(fā)投入■重點(diǎn)公司——小鵬：本土化版“特斯拉”,堅(jiān)定端到端。O目錄1.問(wèn)一：當(dāng)前自動(dòng)駕駛公司的商業(yè)化進(jìn)程怎樣?2.問(wèn)二：不同技術(shù)路線下的無(wú)人駕駛公司算法邏輯有何不同?3.問(wèn)三：為什么說(shuō)自動(dòng)駕駛產(chǎn)業(yè)現(xiàn)階段技術(shù)匯集點(diǎn)在于Robotaxi?4.問(wèn)四：Robotaxi產(chǎn)業(yè)格局怎樣?主機(jī)廠+自動(dòng)駕駛企業(yè)+運(yùn)營(yíng)商三角結(jié)構(gòu)怎么看?

5.問(wèn)五：純視覺(jué)VS

多傳感器融合，不同技術(shù)路線的核心競(jìng)爭(zhēng)力是什么?6.問(wèn)六：復(fù)盤自動(dòng)駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點(diǎn)是什么?7.問(wèn)七：端到端算法處于迭代驗(yàn)證階段，技術(shù)瓶頸怎么看?8.問(wèn)八：泛化能力角度，UE打平何時(shí)到來(lái)?9.

問(wèn)九：Robotaxi

產(chǎn)業(yè)，政策進(jìn)一步放開(kāi)的最底層邏輯是什么?10.問(wèn)十：消費(fèi)者認(rèn)知研究：對(duì)自動(dòng)駕駛?cè)蒎e(cuò)率低，對(duì)Robotaxi運(yùn)營(yíng)方意味著什么?

11.重點(diǎn)公司——滴滴：攜“數(shù)據(jù)+生態(tài)+運(yùn)營(yíng)”戰(zhàn)略瞄準(zhǔn)Robotaxi,強(qiáng)化網(wǎng)約車地位

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

附錄：頭部企業(yè)自動(dòng)駕駛模型研發(fā)基礎(chǔ)對(duì)比■

風(fēng)險(xiǎn)提示：自動(dòng)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(xiǎn)，Robotaxi運(yùn)營(yíng)車輛事故風(fēng)險(xiǎn)

8正

在

你

身邊■從自動(dòng)駕駛分級(jí)標(biāo)準(zhǔn)談起，什么是L4無(wú)人駕駛?按照駕駛員參與程度分為L(zhǎng)0-L5六級(jí)，中國(guó)與國(guó)際分級(jí)標(biāo)準(zhǔn)基本相同，均認(rèn)

為L(zhǎng)0到L2的駕駛自動(dòng)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(dòng)駕駛，無(wú)需用戶的介入，系統(tǒng)承擔(dān)所有駕駛責(zé)任?！鲎詣?dòng)駕駛技術(shù)先探至L4,

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

只負(fù)責(zé)對(duì)車輛的控制操作，而在L3級(jí)中，系統(tǒng)需要負(fù)責(zé)感知車輛運(yùn)行狀態(tài)下的周邊環(huán)境，同時(shí)控制車輛。L2級(jí)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(dòng)輔助導(dǎo)航駕駛)等覆蓋周邊環(huán)境的自動(dòng)駕駛，且已有部分公司技術(shù)達(dá)

到L4級(jí)別。但大多車企仍不對(duì)外聲稱L3,而是以L2+/L2++等來(lái)強(qiáng)調(diào)自身產(chǎn)品功能的增強(qiáng)，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(lái)等9家車企獲取L3/L4汽車準(zhǔn)入和上路試點(diǎn)資格，或?qū)⒗_(kāi)L3產(chǎn)品的量產(chǎn)序幕。圖表：中國(guó)汽車駕駛自動(dòng)化分級(jí)名稱應(yīng)急輔助

部分駕駛輔助

組合駕駛輔助有條件自動(dòng)駕駛

高度自動(dòng)駕駛完全自動(dòng)駕駛分類駕駛輔助/ADAS(Advanced

Driver

Assistance

System)自動(dòng)駕駛/ADS(Automatic

DrivingSystem)目標(biāo)和事件探測(cè)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(dòng)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(jì)運(yùn)行是否有限制有

有

有有

有無(wú)在其設(shè)計(jì)運(yùn)行條件下持在其設(shè)計(jì)運(yùn)行條件下持續(xù)地執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)續(xù)地執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)

中的車輛橫向或縱向運(yùn)中的車輛橫向和縱向運(yùn)在其設(shè)計(jì)運(yùn)行條件下持在任何可行駛條件下持

在其設(shè)計(jì)運(yùn)行條件下持任務(wù)并自動(dòng)執(zhí)行最小風(fēng)任務(wù)并自動(dòng)執(zhí)行最小風(fēng)險(xiǎn)策略

險(xiǎn)策略動(dòng)控制√

自適應(yīng)巡航√

車道居中控制動(dòng)控制√領(lǐng)航輔助駕駛NOP√

高速公路擁堵

√Robotaxi環(huán)境自動(dòng)駕駛

√專線無(wú)人接駁巴士√城區(qū)快速路自動(dòng)駕駛√

自主代客泊車

91.問(wèn)一：當(dāng)前自動(dòng)駕駛公司的商業(yè)化進(jìn)程怎樣?具備持續(xù)執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)中的部分目標(biāo)和事

件探測(cè)與響應(yīng)的能力√

駕駛員疲勞監(jiān)測(cè)√

車道偏離預(yù)警

√

自動(dòng)緊急制動(dòng)續(xù)地執(zhí)行全部動(dòng)態(tài)駕駛續(xù)地執(zhí)行全部動(dòng)態(tài)駕駛續(xù)地執(zhí)行全部動(dòng)態(tài)駕駛具體能力功能舉例資料來(lái)源：全國(guó)汽車標(biāo)準(zhǔn)化技術(shù)委員會(huì)現(xiàn)階段尚無(wú)具體功能達(dá)到L5正

在

你

身邊動(dòng)態(tài)駕駛?cè)蝿?wù)接管用戶任務(wù)■自動(dòng)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(shì)，匯集點(diǎn)為Robotaxi?！鰸u進(jìn)式主張從L1、L2、L3

狀態(tài)的人機(jī)共駕逐漸過(guò)渡到L4無(wú)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(kuò)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(dòng)駕駛各項(xiàng)核心環(huán)節(jié)(比如AVP

功能),安全、模塊化迭代、步步為營(yíng)；代表廠商

為特斯拉以及蔚小理類主機(jī)廠。■躍進(jìn)式直接以L4無(wú)人駕駛為目標(biāo)進(jìn)行研發(fā)，通過(guò)大規(guī)模車隊(duì)獲取路測(cè)數(shù)據(jù)直接來(lái)訓(xùn)練無(wú)人駕駛算法網(wǎng)絡(luò)，Topline更高、中間不可控的問(wèn)題比較多、算法架構(gòu)起點(diǎn)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(duì)比漸進(jìn)式

躍進(jìn)式定義從L1、L2、L3狀態(tài)的人機(jī)共駕逐漸過(guò)渡到L4直接以L4、L5無(wú)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(dòng)和

以激光雷達(dá)、毫米波雷達(dá)、相機(jī)等多傳感器融合方案的技術(shù)形態(tài)發(fā)展目標(biāo)場(chǎng)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(kuò)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(guò)大規(guī)模車隊(duì)獲取路測(cè)數(shù)據(jù)來(lái)訓(xùn)練無(wú)人駕駛算法網(wǎng)絡(luò)，核心是要

法，逐步攻克自動(dòng)駕駛的各項(xiàng)核心環(huán)節(jié)，最終實(shí)現(xiàn)全無(wú)人駕駛找到適合落地的場(chǎng)景及商業(yè)模式發(fā)展路徑L0

L1

12

L34

L5資料來(lái)源：澎湃新聞，36kr,易車網(wǎng)，

10轉(zhuǎn)向的決定以視覺(jué)技術(shù)2.問(wèn)二：不同發(fā)展路線下的無(wú)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(chǎng)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(dòng)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(zhǎng)的問(wèn)題，其他廠商也開(kāi)始

尋求過(guò)渡期的商業(yè)模式?！鲕S進(jìn)式L4的過(guò)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(wú)人駕駛；2)場(chǎng)景降維，Robotaxi

針對(duì)城市道路場(chǎng)景，實(shí)現(xiàn)難度較高，所以通過(guò)環(huán)衛(wèi)、礦區(qū)、干線物流等更容易實(shí)現(xiàn)的細(xì)分場(chǎng)景進(jìn)行商業(yè)

變現(xiàn)，這類細(xì)分場(chǎng)景的數(shù)據(jù)也有利于低成本獲取大量用于高階自動(dòng)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(yùn)業(yè)務(wù)?，F(xiàn)階段，限定場(chǎng)景下的無(wú)人駕駛技術(shù)相對(duì)成熟，將率先迎來(lái)商業(yè)化，可以反哺Robotaxi

發(fā)展。類型場(chǎng)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(jī)主線科技、西井科技、踏歌智行環(huán)衛(wèi)低城市道路無(wú)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(wú)人配送車菜鳥、美團(tuán)、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(chǎng)景復(fù)雜度

11

3.問(wèn)三：為什么說(shuō)自動(dòng)駕駛產(chǎn)業(yè)現(xiàn)階段技術(shù)匯集點(diǎn)在于Robotaxi?圖表：細(xì)分應(yīng)用場(chǎng)景特征

圖表：代表性企業(yè)“場(chǎng)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(lái)源：億歐智庫(kù)，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(wèn)三：為什么自動(dòng)駕駛產(chǎn)業(yè)現(xiàn)階段技術(shù)匯集點(diǎn)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(chǎng)，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L(zhǎng)2+級(jí)別自動(dòng)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(gè)競(jìng)爭(zhēng)點(diǎn)。相比規(guī)整的高速道路，城市道路涉及紅綠燈識(shí)別、人車交互、交通標(biāo)志、道路施工等復(fù)雜場(chǎng)景，在此場(chǎng)景下實(shí)現(xiàn)L2+功能對(duì)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(jì)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(jì)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(duì)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(jì)及運(yùn)營(yíng)服務(wù)環(huán)節(jié)。圖表：高速及城市NOA裝機(jī)滲透率(2023年)分價(jià)格端情況品牌整體情況高

速

N

O

A

城

市

N

O

A20萬(wàn)元以內(nèi)高

速

N

O

A城

市

N

O

A20-30萬(wàn)元高

速

N

O

A

城

市

N

O

A30-40萬(wàn)元高

速

N

O

A

城市NOA40萬(wàn)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(lái)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(wèn)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(lái)源：九章智駕，方正證券研究所

12100.0%■“軟件定義汽車”趨勢(shì)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(shì)力入局Robotaxi帶來(lái)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(jī)廠位于金字塔頂端，隨后才是各級(jí)別供應(yīng)商，話語(yǔ)權(quán)有限。隨著“軟件

定義汽車”趨勢(shì)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。■當(dāng)前，“主機(jī)廠+自動(dòng)駕駛解決方案供應(yīng)商+運(yùn)營(yíng)商”為Robotaxi主流合作模式，但中長(zhǎng)期是否會(huì)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(dòng)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(yùn)

營(yíng)商提供服務(wù)場(chǎng)景，三者分別對(duì)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(dòng)駕駛研發(fā)部門，以供應(yīng)商以及運(yùn)營(yíng)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(jì)于2025年推出首款量產(chǎn)L4無(wú)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(tái)，而是以蘿卜快跑的APP/小程序獨(dú)立運(yùn)營(yíng)。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(guó)一汽(SAIC上汽集團(tuán)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(tuán)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(lái)源：科爾尼咨詢，網(wǎng)易新聞，F(xiàn)供應(yīng)商OEM

OEM4.問(wèn)四：

Robotaxi產(chǎn)業(yè)格局怎樣?主機(jī)廠+自動(dòng)駕駛企業(yè)+運(yùn)營(yíng)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(yùn)營(yíng)商享道出行13■ADAS

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

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

的核心點(diǎn)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(lái)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(guò)反射的激光光通過(guò)接收反射的毫米通過(guò)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(wèn)五：純視覺(jué)VS

多傳感器融合，不同技術(shù)路線的核心競(jìng)爭(zhēng)力是什么?攝像頭原理

捕捉環(huán)境圖像由于其波長(zhǎng)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(duì)于行人這類

低反射率的目標(biāo)，

探測(cè)準(zhǔn)確度較差劣勢(shì)

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(cè)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(huì)受到影響示標(biāo)志、紅綠燈等)正

在

你

身邊優(yōu)勢(shì)■純視覺(jué)方案核心競(jìng)爭(zhēng)力怎么看?純視覺(jué)方案僅基于攝像頭進(jìn)行感知，相對(duì)多傳感器融合有明顯的硬件成本優(yōu)勢(shì)，同時(shí)對(duì)軟件

要求較高，需要依靠強(qiáng)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(shì)采用純視覺(jué)方

案，其他車企難以復(fù)制。當(dāng)車輛搭載L4級(jí)自動(dòng)駕駛功能時(shí)，對(duì)安全冗余的要求更高；在純視覺(jué)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?！鲆曈X(jué)方案為行業(yè)發(fā)展趨勢(shì)，但需補(bǔ)充雷達(dá)做安全冗余。視覺(jué)具有更高的精度，因?yàn)閭鞲衅鞯谋举|(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(gè)數(shù)量級(jí)。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(guó)內(nèi)廠商已開(kāi)始相關(guān)研發(fā)，雖然均宣稱其方案為純視覺(jué)，但實(shí)際是“去激光雷達(dá)”的視覺(jué)方案。我們判斷，隨著技術(shù)的迭代，

視覺(jué)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(dòng)駕駛方案中主流的感知路線；但考慮到產(chǎn)品安全問(wèn)題，需要搭

載雷達(dá)作為冗余設(shè)計(jì)。雷達(dá)搭載數(shù)量有望下降，但仍是實(shí)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(gè))

圖表：國(guó)產(chǎn)廠商視覺(jué)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(tái)

7

6

1224文遠(yuǎn)知行WeRideSuiteSensor5.0712Cruise5

11

1014Waymo5

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

階段采用“純視覺(jué)為主+激光雷達(dá)”的融合方案，兩份

雙獨(dú)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(duì)高精地圖的依賴廣汽2024年4月無(wú)圖純視覺(jué)智駕系統(tǒng)，不依賴高精地圖并去除激光雷達(dá)資料來(lái)源：電子工程世界，文遠(yuǎn)知行官

券研究所

155.問(wèn)五：純視覺(jué)VS

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

2024年5月

+12個(gè)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(shí)現(xiàn)全國(guó)高度和城市NCA正在

你

身

邊向所有舊金山用戶開(kāi)放服務(wù)運(yùn)營(yíng)發(fā)生嚴(yán)重車

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

人測(cè)試牌照-O-2022

2023

2024資料來(lái)源：36kr,搜狐新聞，通用官網(wǎng)

■自動(dòng)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(dòng)自動(dòng)駕駛項(xiàng)目，至2016年將該項(xiàng)目獨(dú)立為子公司W(wǎng)aymo,

標(biāo)志著自動(dòng)駕駛正式發(fā)展的起點(diǎn)。百度/滴滴分別于2015/2016年開(kāi)拓自動(dòng)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(dòng)駕駛的安全和成本問(wèn)題始終沒(méi)有出現(xiàn)合適的解決方案，2018年Uber路測(cè)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(guò)后市場(chǎng)更加關(guān)注落地應(yīng)用情況。3)落地期(2021-2022年):2021年為自動(dòng)駕駛場(chǎng)景落地和商業(yè)應(yīng)用元年，

Robotruck頭部公司圖森未來(lái)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(gè)支持Robotaxi運(yùn)營(yíng)

的政策；零部件國(guó)產(chǎn)替代+上量降價(jià)推動(dòng)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(dòng)市場(chǎng)熱度達(dá)到高點(diǎn)。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(yùn)營(yíng)階段，封閉空間場(chǎng)景的自動(dòng)駕駛雖然落地難度小，但是收入天花板有限。自動(dòng)

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(cè)公里數(shù)和路測(cè)車輛數(shù)量相對(duì)2021年分別增加52%/37%,而參與公司數(shù)量從

26家下滑至21家?！?024年，百度在Apollo

Day預(yù)計(jì)今年Robotaxi將在武漢實(shí)現(xiàn)盈虧平衡，商業(yè)閉環(huán)預(yù)期有望再次推動(dòng)產(chǎn)業(yè)回暖。圖表：主要Robotaxi企業(yè)發(fā)展歷程6.問(wèn)六：復(fù)盤自動(dòng)駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點(diǎn)是什么?獨(dú)立為子公司被通用收購(gòu)收購(gòu)Otto(Robotruck企業(yè))在鳳凰城開(kāi)放無(wú)人服務(wù)獲加州路測(cè)許可獲北京商業(yè)化試點(diǎn)牌照獲北京商業(yè)化試點(diǎn)牌照馬智行官網(wǎng)，方正證券研究所

16獲北京

路測(cè)牌照2020獲加州服務(wù)許可獲廣州路測(cè)牌照WaymoCruise成本下降至20萬(wàn)元成立L4事業(yè)部研發(fā)

無(wú)人駕駛正

在

你

身

邊獲加州運(yùn)營(yíng)許可獲北京路測(cè)牌照獲加州路測(cè)許可獲加州路測(cè)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(diǎn)牌照Robotruck頭部企業(yè)圖森未來(lái)上市Waymo

在美國(guó)鳳凰城市中心開(kāi)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(tuán)正式開(kāi)放全國(guó)首個(gè)Robobus商業(yè)收費(fèi)運(yùn)營(yíng)服務(wù)Cruise

發(fā)生車禍，運(yùn)營(yíng)許可被暫停Waymo、

阿里達(dá)摩院

、Nuro、圖森未來(lái)大規(guī)模裁員20222023

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

Momenta成立Google獨(dú)立Waymo為獨(dú)立子公司Uber上路測(cè)試，并推出Robotaxi載客服務(wù)6.問(wèn)六：復(fù)盤自動(dòng)駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點(diǎn)是什么?圖表：中國(guó)自動(dòng)駕駛項(xiàng)目投融資金額、投資事件數(shù)量及行業(yè)重點(diǎn)事件資料來(lái)源：36kr,搜狐新聞，通用官網(wǎng)，未來(lái)汽車

行官網(wǎng)，網(wǎng)易新聞，方正證券研究所

17通用收購(gòu)CruiseUber

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

One小馬智行推出自動(dòng)駕駛

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

L4自動(dòng)駕駛貨運(yùn)車元戎啟行前裝L4解

決方案降本到1萬(wàn)美元以下Uber出售自動(dòng)蘿卜快跑在北京

駕駛部門ATG開(kāi)展載人測(cè)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(gòu)Mobileye文遠(yuǎn)知行成立300200100020172018201920202021■我們整體判斷Robotaxi短期競(jìng)爭(zhēng)力在于運(yùn)營(yíng)規(guī)模，長(zhǎng)期看技術(shù)路徑和平臺(tái)效應(yīng)。Robotaxi

現(xiàn)階段發(fā)展重心在運(yùn)營(yíng)落地+搶占

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

照的自動(dòng)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(cè)試及示范運(yùn)營(yíng)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(bǔ)貼換市場(chǎng)”的方式，旨在憑借低價(jià)創(chuàng)造需求，借此培養(yǎng)Robotaxi運(yùn)營(yíng)日常化的消費(fèi)者心

智，并借助先發(fā)優(yōu)勢(shì)搶占份額?！鯮obotaxi要真正在城市公開(kāi)道路中大規(guī)模且常態(tài)化運(yùn)行，關(guān)鍵看點(diǎn)是技術(shù)，其次是生態(tài)。Robotaxi目前的道路測(cè)試、載客運(yùn)營(yíng)及商業(yè)化試點(diǎn)都被限定在特定區(qū)域內(nèi)，高精地圖能夠?yàn)檐囕v運(yùn)行提供先驗(yàn)經(jīng)驗(yàn)；長(zhǎng)期若Robotaxi運(yùn)行區(qū)域放開(kāi)至更多公開(kāi)道

路，高精地圖所起作用受限，視覺(jué)方案與多傳感器融合方案的差距將逐漸顯著?！鎏厮估?jì)劃于今年10月發(fā)布Robotaxi,根據(jù)其一直以來(lái)在L2領(lǐng)域?qū)円曈X(jué)路線的堅(jiān)持，我們判斷其Robotaxi也將沿用純視覺(jué)或視覺(jué)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(shì)將轉(zhuǎn)移至平臺(tái)/生態(tài)層面。消費(fèi)者對(duì)Robotaxi的定位從“體

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

于Robotaxi前瞻布局從中受益。部分主機(jī)廠旗下有共享出行平臺(tái)，也有望借助制造商+運(yùn)營(yíng)商的雙角色擴(kuò)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(yùn)營(yíng)特征限定區(qū)域點(diǎn)到點(diǎn)運(yùn)營(yíng)大規(guī)模常態(tài)化運(yùn)營(yíng)大規(guī)模常態(tài)化運(yùn)營(yíng)技術(shù)特征多傳感器融合由多傳感器融合向視覺(jué)方案過(guò)渡視覺(jué)方案企業(yè)核心競(jìng)爭(zhēng)力運(yùn)營(yíng)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(lái)源：億歐智庫(kù)，21經(jīng)濟(jì)，南方者

方正證券研究所

186.問(wèn)六：復(fù)盤自動(dòng)駕駛發(fā)展歷史，當(dāng)前核心關(guān)注點(diǎn)是什么?正在

你

身

邊■自動(dòng)駕駛架構(gòu)從多模塊向端到端融合發(fā)展。傳統(tǒng)自動(dòng)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(cè)、決策

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

模塊的輸入通常來(lái)源于前一模塊的輸出。多模塊架構(gòu)存在信息傳遞

損耗、計(jì)算延遲以及累積誤差等問(wèn)題；隨著Transformer架構(gòu)的發(fā)展，

原本獨(dú)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?！龆说蕉四Ｐ偷暮诵膬?yōu)勢(shì)在于信息的無(wú)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(dú)立的各模塊囊括

到一個(gè)神經(jīng)網(wǎng)絡(luò)中，實(shí)現(xiàn)信息在不同子模型間的無(wú)損傳輸與耦合；

運(yùn)用在自動(dòng)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(dòng)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(cè)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(yùn)動(dòng)規(guī)劃。這種設(shè)計(jì)使得

整個(gè)系統(tǒng)針對(duì)最終目標(biāo)進(jìn)行優(yōu)化，而非僅僅針對(duì)某個(gè)獨(dú)立的子任務(wù)，

從而實(shí)現(xiàn)自動(dòng)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(shí)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(cè)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(cè)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(cè)規(guī)劃控制一體化網(wǎng)絡(luò)米t

壓具Q

米具資料來(lái)源：甲子光年公眾號(hào)，元戎啟行

197.問(wèn)七：端到端算法處于迭代驗(yàn)證階段，技術(shù)瓶頸怎么看?預(yù)測(cè)地圖定位地圖端到端模塊化正

在

你

身邊跟蹤規(guī)劃?rùn)z測(cè)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(jī)制

(Attention

Mechanisms,即對(duì)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(guò)建模輸入和輸出

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

動(dòng)駕駛領(lǐng)域，通過(guò)將感知任務(wù)內(nèi)置于Transformer

中，使神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)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(guò)RegNet(Regularization

Network,用于圖像分類的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu))對(duì)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(yǔ)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(duì)信息，計(jì)

算Value,并將物體信息映射到3D空間?！?/p>

BEV+Transformer現(xiàn)已成為自動(dòng)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(lái)源：Tesla

AI

Day,方正證券研

7.問(wèn)七：端到端算法處于迭代驗(yàn)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(dòng)駕駛解決方案UnifiedAutonomousDriving

(UniAD)。UniAD通過(guò)多

層Transformer架構(gòu)覆蓋感知、預(yù)測(cè)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(duì)周圍環(huán)境的感知及預(yù)測(cè)信息以實(shí)現(xiàn)路徑規(guī)劃。UniAD

在多項(xiàng)自動(dòng)駕駛?cè)蝿?wù)中刷新SOTA。UniAD的亮點(diǎn)在于模型通過(guò)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(gè)不同的任務(wù)；感知與預(yù)測(cè)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(gè)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(kāi)源自動(dòng)駕駛數(shù)據(jù)集)的測(cè)試結(jié)果，UniAD在多種自動(dòng)駕駛?cè)蝿?wù)中刷新了SOTA

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

Auton

7.問(wèn)七：端到端算法處于迭代驗(yàn)證階段，技術(shù)瓶頸怎么看?圖表：UniAD運(yùn)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(kāi)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(hào)。V12打通最后一個(gè)控制環(huán)節(jié)，使得整個(gè)系統(tǒng)端到端可

導(dǎo)，微小誤差也會(huì)通過(guò)梯度反向傳播到上游每個(gè)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(duì)算力和數(shù)據(jù)的要求高，資源競(jìng)賽形成進(jìn)入壁壘。端到端模型的本質(zhì)是從大量?jī)?yōu)質(zhì)駕駛視頻片段中提取和

壓縮知識(shí)的過(guò)程，需要強(qiáng)大算力和海量高質(zhì)量數(shù)據(jù)來(lái)支撐模型訓(xùn)練過(guò)程。根據(jù)特斯拉自動(dòng)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(shì)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(guó)內(nèi)廠商大多處于發(fā)展第一階段。特斯拉預(yù)計(jì)DOJO

智算中心算力于今年10月將達(dá)到100

EFLOPS;

國(guó)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(shì)，以及在行業(yè)內(nèi)的影響力，推出業(yè)內(nèi)首個(gè)且唯—一個(gè)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(shì)。國(guó)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(gè)感知決策一體化的端到端模型。其余新勢(shì)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(gè)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(jì)劃。圖表：不同廠商端到端方案對(duì)比1

華為

ADS

3.0(GOD+PDP)24年4月發(fā)布，預(yù)計(jì)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(jì)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(cè)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(lái)源：網(wǎng)易新聞，汽車測(cè)試網(wǎng)，搜

汽車報(bào)，虎嗅網(wǎng)，方正證券研究所22

7.問(wèn)七：端到端算法處于迭代驗(yàn)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(yǔ)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(lái)小鵬資料來(lái)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(xiàng)目

金額

假設(shè)(公式金

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

RT6售價(jià)里程費(fèi)(元/公里)單均公里數(shù)(公里)2.705.33

參考《出租汽車運(yùn)營(yíng)技術(shù)條件》(征求意見(jiàn)稿)折舊年限(年)年度折舊(元/年)6.00參考交通運(yùn)輸部關(guān)于網(wǎng)約車報(bào)廢年限的要求34100.00=車輛售價(jià)/折舊年限單均收入(元)補(bǔ)貼率29.69

=起步價(jià)+里程費(fèi)*(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(bǔ)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(shí)際收入(元)

14.85

=單均收入*(1-補(bǔ)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(yùn)營(yíng)技術(shù)條件》(征求意見(jiàn)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(fèi)區(qū)間年度收入(元/年)70441.89=年單量*單均實(shí)際收入單均電耗(元/單)0.80=電耗*單均公里數(shù)保險(xiǎn)費(fèi)用(元/年)10000.00參考汽車之家單公里保險(xiǎn)費(fèi)區(qū)間單均保險(xiǎn)費(fèi)用(元/單)2.11

=保險(xiǎn)費(fèi)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(fèi)用(元/年)單均維保費(fèi)用(元/單)單均成本(元)6000.00參考網(wǎng)約車保養(yǎng)費(fèi)用1.26=維保費(fèi)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(xiǎn)費(fèi)用+單均維保費(fèi)用范圍后每公里2.7元)以及補(bǔ)貼力度(~5折)計(jì)算，單均收入為14.85元；成本方面

，按照Apollo

RT620.46萬(wàn)價(jià)格以及6年折舊期計(jì)算，單均折舊約為7.19元。運(yùn)

營(yíng)成本中大頭來(lái)自安全員，按照安全員和車輛1:1的配比計(jì)算，單均安全員成本

達(dá)到16.44元。再加上電力、保險(xiǎn)、維護(hù)等費(fèi)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(gè)安全員覆

蓋無(wú)人車數(shù)量增加以及單量提升，Robotaxi

UE模型有望實(shí)現(xiàn)打平。圖表：Robotaxi

UE模型8.問(wèn)八：泛化能力角度，UE打平何時(shí)到來(lái)?■收入方面，按照蘿卜快跑在武漢的收費(fèi)標(biāo)準(zhǔn)(1km

內(nèi)起步價(jià)18元，超出起步價(jià)單個(gè)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(dòng)駕駛第一梯隊(duì)，競(jìng)相出臺(tái)自動(dòng)駕駛政策，為加快Robotaxi商業(yè)化落地釋放積極信號(hào)，我們觀察國(guó)內(nèi)的主要趨勢(shì)為：1)道路測(cè)試范圍擴(kuò)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(cè)試到示范應(yīng)用再

到商業(yè)運(yùn)營(yíng)范圍的放開(kāi)；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(cè)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(kāi)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(kāi)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(lái)說(shuō)，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(cè)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(kāi)展無(wú)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(guò)評(píng)估才能進(jìn)行商業(yè)化運(yùn)營(yíng)開(kāi)展測(cè)試與應(yīng)用活動(dòng)的單位->相關(guān)責(zé)任方9.問(wèn)九：Robotaxi產(chǎn)業(yè)，政策進(jìn)一步放開(kāi)的最底層邏輯是什么?目前僅坪山區(qū)開(kāi)展無(wú)人化

商業(yè)化試點(diǎn)，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(wú)人化商業(yè)運(yùn)營(yíng)牌照

頒發(fā)對(duì)象事故權(quán)責(zé)劃分資料來(lái)源：《武漢市智能網(wǎng)聯(lián)汽車道路測(cè)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(guó)：橫向比較各地政策可知，武漢在推動(dòng)Robotaxi落地方面支持力度更大。武漢啟動(dòng)智能網(wǎng)聯(lián)道路測(cè)試的時(shí)間點(diǎn)較晚但率先于2022年8月發(fā)布自動(dòng)駕駛?cè)珶o(wú)人商業(yè)化試點(diǎn)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(cè)試道路里程已經(jīng)突破3378.73公里，覆蓋12個(gè)行政區(qū)，開(kāi)放里程和開(kāi)放區(qū)域數(shù)量均保持全國(guó)第一；2023年全年自動(dòng)駕駛

出行服務(wù)訂單73.2萬(wàn)單，服務(wù)90萬(wàn)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(shí)間段向公眾提供完全無(wú)人駕駛收費(fèi)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(huì)

(CPUC),

類別上對(duì)有安全員和無(wú)安全員的分別進(jìn)行監(jiān)管。圖表：中國(guó)主要地區(qū)政策發(fā)展歷程無(wú)人化商業(yè)化試點(diǎn)無(wú)人化路測(cè)

無(wú)人化示范應(yīng)用道路測(cè)試政策開(kāi)放道路測(cè)試政策開(kāi)放019年9月9.問(wèn)九：Robotaxi產(chǎn)業(yè)，政策進(jìn)一步放開(kāi)的最底層邏輯是什么?資料來(lái)源：武漢市交通運(yùn)輸局，武漢市人民政府，3

搜狐新聞，LEXOLOGY,

方正證券研究所無(wú)人化商業(yè)化試點(diǎn)無(wú)人化商業(yè)化試點(diǎn)—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(cè)試政策開(kāi)放道路測(cè)試政策開(kāi)放無(wú)人化示范應(yīng)用人大常委會(huì)，騰訊網(wǎng)，25■消費(fèi)者認(rèn)知瓶頸在于安全感不足。消費(fèi)者愿意承擔(dān)自己開(kāi)車時(shí)的小概率傷亡風(fēng)險(xiǎn)，但是對(duì)于其他人(或者無(wú)人)掌控方向盤時(shí)，會(huì)有更高的安全標(biāo)準(zhǔn)。根據(jù)百度Apollo

Day披露，自動(dòng)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(dòng)駕駛的難度會(huì)大幅增長(zhǎng)?！鯮obotaxi

安全性的關(guān)鍵評(píng)價(jià)指標(biāo)為MPI。

MPI(Miles

Per

Intervention,測(cè)試接管里程數(shù))

用于衡量自動(dòng)駕駛汽車每行駛多少里程需要人工接管一次；

一般MPI

越長(zhǎng)，自動(dòng)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(cè)試數(shù)據(jù)

MPI

表現(xiàn)良好的中國(guó)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(dòng)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?dòng)駕駛車輛道路測(cè)試報(bào)告2020》對(duì)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(fèi)者接受度。圖表：2023年DMV測(cè)試接管里程數(shù)(萬(wàn)公里/次)

圖表：2020年北京市自動(dòng)駕駛車輛道路測(cè)試接管脫離原因資料來(lái)源：汽車之家，《北京市自動(dòng)

26策略缺陷社會(huì)車輛近距離切入、社會(huì)車輛過(guò)于貼近測(cè)試車輛、社會(huì)車輛行為預(yù)測(cè)錯(cuò)誤、社會(huì)車輛未按交規(guī)行駛且車速過(guò)快、決策

規(guī)劃策略問(wèn)題、測(cè)試車未按交規(guī)行駛等10.問(wèn)十：消費(fèi)者認(rèn)知研究：容錯(cuò)率低，對(duì)Robotaxi運(yùn)營(yíng)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(wèn)題、定位偏離、系統(tǒng)異常、PAD頁(yè)面異常、PAD刷新異常等人工安全防御社會(huì)車輛違章占用車道、道路施工無(wú)法通行等正在

你

身

邊系統(tǒng)故障■消費(fèi)者對(duì)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(guó)用戶對(duì)Robotaxi仍感到陌生，且對(duì)于其安全性可靠性及實(shí)際可提供的服務(wù)和體驗(yàn)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(diǎn)等限制，但是

在頭部運(yùn)營(yíng)商積極推廣的過(guò)程中，市場(chǎng)接受度明顯提升，蘿卜快跑單量在2022Q1-2024Q1兩年時(shí)間內(nèi)翻了四倍。

但從“能用“

到“好用”、

“愛(ài)用”還是需要供給端的改進(jìn)，包括技術(shù)水平提升、運(yùn)營(yíng)范圍擴(kuò)大、運(yùn)營(yíng)平臺(tái)建設(shè)符合用戶習(xí)慣等。羅蘭貝格

將市場(chǎng)接受度評(píng)價(jià)標(biāo)準(zhǔn)劃為1-5分五個(gè)等級(jí)，1分代表“公眾認(rèn)知度低、整體對(duì)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(duì)Robotaxi

的主要疑慮減輕，尤其是安全性方面的疑慮”,而2023年中國(guó)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(yàn)方面的獨(dú)特價(jià)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(fèi)者培育的目標(biāo)。圖表：蘿卜快跑分季度單量(萬(wàn)單)

圖表：市場(chǎng)接受度劃分資料來(lái)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(yàn)方面的獨(dú)特價(jià)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(duì)Robotaxi在安全、效率、體驗(yàn)方面的主要疑慮消3分

除并發(fā)現(xiàn)其價(jià)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(wèn)十：消費(fèi)者認(rèn)知研究：容錯(cuò)率低，對(duì)Robotaxi運(yùn)營(yíng)方意味著什么?2分公眾認(rèn)知度提高，對(duì)Robotaxi的主要疑慮減輕，尤其是安全性方面

的疑慮公眾對(duì)Robotaxi的安全、效率、體驗(yàn)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(píng)分釋義1分公眾認(rèn)知度低，整體對(duì)于Robotaxi安全性、效率存在較大疑慮正在

你

身

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

強(qiáng)化網(wǎng)約車龍頭地

在

你

身

邊■滴滴于2016年組建自動(dòng)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(kāi)發(fā)Robotaxi,旨在強(qiáng)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(yùn)營(yíng)”L4

商業(yè)生態(tài)閉環(huán)，首款L4量