汽车智驾行业的梳理与思考(一)：向智驾2.0时代迈进

证券研究报告 向智驾2.0时代迈进 ——汽车智驾行业的梳理与思考（一） 2025年1月17日 分析师：倪昱婧，CFA（执业证书编号：S0930515090002） 联系人：邢萍 请务必参阅正文之后的重要声明 核心观点 1 纯视觉或更适配端到端，并有望从智驾迁移至人形机器人：当前国内主机厂已陆续切换至端到端大模型（以感知层端到端+决策规划层端到端为主），但纯视觉vs. 激光雷达端到端仍存争议。我们判断，1）纯视觉具备迭代速度更快、成本更低等特点，预计普适性或更强（有望从智驾迁移至人形机器人）；2）当前采用激光雷达+端到端方案的大部分智驾车型存在激光雷达搭载数量不足、车端算力不足或算法能力相对偏弱等问题；3）预计算法优化迭代是实现技术路线突破的关键。 风险提示：政策风险；智驾系统与功能推送节奏不及预期；消费者基于智驾的接受程度不及预期等。 2025E-2026E，汽车智驾拐点临近：我们判断，1）苹果/特斯拉撬动市场的共性特点在于产品创新、流量优势+品牌效应、全球布局+本土化投入；2）影响智驾放量突破的关键在于，功能与体验（包括智驾+智舱交互功能）、以及成本与性价比，预计供给端变革或走在需求端释放前列；3）预计2025E-2026E国内智驾的拐点有望临近、2027E-2028E国内智驾有望迎来2.0时代的高速增长阶段。 2025E增换购需求延续，关注车型周期反转+智能化：预计2025年销量提振前景依然可期；预计整车优于零部件，推荐具备较强车型周期向上弹性的整车标的、持续关注智能化。整车：推荐小鹏汽车，建议关注特斯拉、吉利汽车、蔚来；零部件：推荐福耀玻璃、拓普集团，建议关注三花智控。 内卷加剧/配置升级，聚焦团队+智驾技术路线：我们分析，决定车企智驾能力高低的主要因素包括：1）团队架构；2）团队执行力/纠错力；3）智驾技术路径的选择；4）算力与数据支持；5）资金+产业链投资/收购整合能力；其中，团队架构、团队执行力/纠错力、以及智驾技术路径的选择或为最关键因素。我们认为各家智驾能力的排序为：小鹏>华为、理想>小米、蔚来>吉利、比亚迪；其中，华为在不切换至纯视觉+端到端智驾技术路径的情况下，其智驾优势在后阶段或逐步减弱。 请务必参阅正文之后的重要声明 目 录 智驾路线之争：纯视觉 vs. 激光雷达 如何看待人形机器人算法技术路径 2 风险提示 2025E-2026E，汽车智驾拐点临近 智驾大模型升级，什么是端到端 请务必参阅正文之后的重要声明 3 智驾大模型：什么是端到端？ 资料来源： 辰韬资本、ADS智库，光大证券研究所整理 图1：端到端方案的分类 2023/12特斯拉推出FSD V12，首次搭载端到端智驾大模型。2024年至今，小鹏、华为、理想、蔚来等主机厂陆续向端到端智能驾驶架构升级。端到端方案主要可以分为四种：1）感知层端到端、2）感知层端到端+决策规划层端到端、3）模块化端到端、4）One Model生成式一体化端到端（世界模型）。四种方案对人工编写规则代码的依赖程度依次降低；其中，One Model端到端采用单一神经网络将传统自动驾驶系统中的感知、预测、决策规划多模块整合为一体。当前国内头部智驾主机厂以采用感知层端到端+决策规划层端到端为主（vs.特斯拉，我们推测2023/12 FSD V12.1采用感知层端到端，2024/3 FSD V12.3采用One Model 生成式一体化端到端）。 BEV感知Rule-based PlannerBEV感知AI PlannerBEV特征Planning Former生成式端到端大模型架构组成感知“端到端”代表主机厂模型特点决策规划模型化模块化端到端One Model端到端预测决策规划模块以规则算法为主各模块相互独立可以对每个模块单独训练预测决策规划模块采用神经网络各模块相互独立可以对每个模块单独训练预测决策规划模块采用神经网络可以同时训练两个模块通过单一神经网络实现训练真正意义上的端到端现阶段主机厂均已落地请务必参阅正文之后的重要声明 4 端到端特点一：下限不稳定但上限较高 资料来源：特斯拉车辆安全报告，光大证券研究所整理 由于对人工编写规则代码的依赖程度下降，端到端或存在性能下限不稳定的特点（尤其在应用初期或出现功能退步等问题），预计短期国内车企或仍保留部分规则算法用以维稳端到端智驾系统的性能下限；但我们判断，与传统模块化智驾方案相比，端到端方案采用的数据规模更大、数据损失更少，可以提升智驾系统在不同场景中的适应性、减少系统误差和延时，具备更高的性能上限（或更接近人类驾驶）。 图2：2Q23-3Q24特斯拉发生事故前行驶里程数 图4：模块化系统存在误差和延时累积 图3：数据量增加可提升智驾系统性能 智驾系统精度误差>10cm传感器误差2-3cm定位误差2-3cm校准误差2-3cm控制误差2-3cm智驾系统反应时间> 450m sTT+ 1T+ 2感知预测决策规划100ms100ms100ms50ms50ms50ms注： 1）Pred.Traj代表模型预测轨迹；GT Traj代表真实行驶轨迹； 2）50K+ Unseen和2M+ Unseen分别代表使用5万个和200万个示例数据 （不含指定场景数据）训练模型的结果； 3）2M+ Seen代表使用200万个示例数据（含指定场景数据）训练模型结果。 资料来源：深蓝学院，光大证券研究所整理 资料来源： Yupeng Zheng等《Preliminary Investigation into Data Scaling Laws for Imitation Learning-Based End-to-End Autonomous Driving》 ，光大证券研究所整理 注：特斯拉自1Q24正式推出端到端大模型 请务必参阅正文之后的重要声明 5 端到端特点二：加速智驾算法迭代/性能提升 小鹏汽车为国内首家完成端到端大模型量产上车的车企。以小鹏为例：在应用端到端大模型后，其智驾版本迭代速度明显加快（推送周期已缩短至约2个月 vs. 此前周期约4个月），新增功能加速落地/覆盖场景加速拓宽。 我们判断，端到端由数据驱动迭代升级（人工编写规则需求大幅下降），版本迭代/性能提升效率明显加快。 资料来源：小鹏汽车官网等，光大证券研究所整理 表1：BEV+Transformer vs. 端到端算法应用的小鹏智驾版本功能与场景迭代梳理 时间 智驾版本 算法 高阶版本感知硬件 重要新增功能 覆盖场景升级 2023/3/31 Xmart OS 4.2.0 感知端BEV+Transformer 规控端规则算法 激光雷达×2 超声波雷达×12 毫米波雷达×5 摄像头×12 可实现红绿灯识别启停 开放XNGP第一阶段，主要包括在上海、深圳、广州三座有高精地图覆盖的城市开放城市NGP 2023/7/6 Xmart OS 4.3.0 （实现高速NGP和城市NGP的统一） 施工场景自动避让、拥堵场景自动汇入、智能偏移； 防加塞策略、目标车速偏移功能； 通勤路线展示、红绿灯倒计时功能 可用范围扩大至北京（当前主要适用于各环线及主要快速路）及佛山 2023/11/29 Xmart OS 4.4.0 （全量开放无图） 360