汽车行业中小盘2023年中期AI自动驾驶奇点已至

AI+自动驾驶，奇点已至开源中小盘2023年中期投资策略证券研究报告任浪（首席分析师）证书编号：S0790519100001邮箱：

renlang

@赵旭杨（分析师）证书编号：S0790523070004邮箱：

zhaoxuyang

@徐剑锋（联系人）证书编号：S0790123070014邮箱：xujianfeng@2023年9月6日核心观点AI驱动，L3级自动驾驶奇点已至人工智能驱动下，自动驾驶已经无限接近L3。特斯拉FSDV11及后续版本可较好应对城市、乡村高速等复杂道路场景，能力强大。从最初的大约2000名内测客户，到面向所有北美车主开放，FSD累计使用里程数在2023年Q2已经增长至超过3亿英里。特斯拉的表现得益于其在算法领域的开创性创新和持续迭代，于此同时，特斯拉也打造了从车载算力芯片及控制器、云端算力芯片及数据中心、数据闭环等完善的自动驾驶所需要的产业闭环体系，形成强大的综合竞争实力。BEV+Transformer，自动驾驶进入大模型时代大模型推动算法突破，自动驾驶持续受益。算法端重感知、轻地图的方式为人们所接受。通过Transformer大模型算法来实现BEV（鸟瞰图）视角的转换和多传感器融合，同时加入占用网络来实现对通用障碍物的感知。而在规控端，基于神经网络的算法引入提升了整体体验。此外模块化的算法部署形式之外，端到端的算法也在不断推进，有望进一步提升算法的性能。国内玩家快速跟进，整车厂迎价值重估本土玩家快速跟进产业趋势，诸多车厂推出城市级别自动驾驶功能。特斯拉之外，本土车厂紧随其后，小鹏、华为、理想、比亚迪等车企都将推进BEV+Transformer等算法的研发以及整体数据闭环体系的搭建，逐步推出自己的城市自动驾驶功能。除此之外，地平线作为芯片厂商也推出可为客户使用的自动驾驶算法、大疆则依靠无人机领域的积累，采用惯导双目方案低成本的实现无人驾驶的落地，产业如何火如荼，整车厂价值有望迎来重估。产业链各司其职，全面受益：产业链各大环节均有望持续受益。大算力平台方面，汽车电子电气架构集中化持续推进，舱驾融合已经成为趋势，大算力平台有望持续受益产业发展。软法和软件层面，无论是底层软件的开发和适配还是上层的应用以及自动驾驶算法都将孕育诸多机会。执行层面，线控底盘有望受益自动驾驶的推进，尤其是线控制动和线控转向有望率先受益。半导体方面，车载芯片半导体涵盖功率、联网、计算等部分，都将伴随着汽车智能化实现渗透率提升。最后在传感器层面，IMU和4D毫米波有望成为新时期的增量产品。核心标的和风险提示：核心标的：德赛西威、经纬恒润、均胜电子等。风险提示：宏观经济下行，疫情反复影响，行业竞争加剧等。1BEV+Transformer，自动驾驶进入大模型时代目 录CONTENTSAI驱动，L3级自动驾驶奇点已至产业链各司其职，全面受益国内玩家快速跟进，整车厂迎价值重估2345核心标的和风险提示资料来源：

《最疯狂Z型陡峭山路vs特斯拉FSD

v11.3.2》、《特斯拉FSD

v11.4.4

Beta

Uber载客，挑战零接管自动驾驶》等、开源证券研究所4.FSD

Beta

V11.4.4穿越芝加哥人流密集区域5.FSD

Beta

V11.4.6夜间穿越纽约曼哈顿市中心6.FSD

Beta晚高峰暴雨22公里0接管1.1 特斯拉FSD日益成熟，演进为“全场景自动驾驶”并面向所有用户开放特斯拉自驾功能趋于成熟，V11版本带来极致体验随着特斯拉V11及后续版本的更新，特斯拉的算法日益成熟，在处理无车道线的崎岖山路、无保护左转、闹市区人流密集区域行驶、夜间闹市行驶、恶劣天气下行驶等场景时表现令人印象深刻。图1：特斯拉FSD在处理各类道路场景时表现优异1.FSDBeta

V11.3良好应对无车道线崎岖山路 2.FSD

Beta

V11.4.4Uber载客良好应对无保护左转 3.FSD闹市区从容应对拥堵人流1.1 特斯拉FSD日益成熟，演进为“全场景自动驾驶”并面向所有用户开放资料来源：汽车之心公众号、开源证券研究所2022年11月以后FSD可面向所有用户推送，表明特斯拉对产品信心提升用户使用条件逐步放宽，表明特斯拉对产品信心：2022年11月24日，马斯克表示，“北美任何人都可以从车辆屏幕上申请特斯拉FSD

Beta”意味着特斯拉全自动驾驶FSD

Beta版已面向北美付费用户开放。从早期V9版本只推送给以员工为主的约2000名体验用户，到全面向北美客户开放，再到未来或将免费为客户开放试用，特斯拉对自身产品的信心逐步提升，产品日益走向成熟。特斯拉安全分数：2021年9月25日，特斯拉推出了安全评分测试版（Safety

Score

Beta），来评估驾驶员的驾驶行为，为保险定价，同时作为是否推送FSD测试的参考。安全分数介于0-100之间，分数越高越安全，分数由五个安全因素影响：（1）每1000英里前向碰撞警告；（2）硬制动（加速度超过0.3g）；（3）激进转向（超过0.4g的左/右加速度）；（4）不安全的跟随；（5）强制自动驾驶仪脱离（收到三次警告后，Autopilot自动驾驶仪系统将在剩余行程中脱离）。2023年特斯拉推出了安全评分系统beta2.0版本，新加入超速时间、未系安全带的驾驶习惯、深夜驾驶等标准以求让评分变得更加公平。图2：特斯拉逐步放宽试用条件，表明对产品信心逐步提升 图3：特斯拉推出安全分数评估驾驶员驾驶行为资料来源：51fusa安全社区、开源证券研究所1.2 付费人群数量激增，软件盈利模式成为可能资料来源：资料来源：、搜狐网、42号车库、开源证券研究所付费用户数量持续高增长，FSD行驶里程数呈加速趋势特斯拉FSD的付费用户数量实现快速增长：截至2022年底FSD拥有超过40万用户使用，这一数据在2023年有望进一步提升，结合北美目前特斯拉的保有量来看，特斯拉FSD自从向大部分客户开放后，渗透率实现了快速增长并达到了较高水平；FSD的行驶里程数加速推进：FSD累计行驶里程数显著加速增长，数额从2023年Q1的1.5亿英里，到2023年Q2财报增长至3亿英里以上接近翻倍，FSD的整体使用量在快速提升。图4：FSD用户数量水涨船高（万用户数） 图5：FSD累计行驶里程数量呈现加速上涨态势1.3 特斯拉持续迭代进化，实现全域自研构建深厚壁垒自动驾驶算法：感知到规控数据闭环：数据闭环体系、自动标注、仿真平台搭建等资料来源：特斯拉官网、电子发烧友、开源证券研究所特斯拉致力于全栈自研，全面覆盖从底层芯片到上层应用，从算法到数据闭环甚至数据中心和云特斯拉构建了全栈自研的自动驾驶体系：车端的FSD算力芯片和板卡域控制器；云端的训练所需算力芯片D1芯片和超级计算机Dojo，以及全栈自动驾驶算法包含感知算法、规控算法、和各类神经网络；以及数据闭环体系：包含数据挖掘等整套系统的搭建，以及自动标注、仿真平台等的构建，形成了强有力的联合优化能力，并且能够应用在汽车、机器人上，实现规模化降本。图6：特斯拉构建全栈自研的自动驾驶体系，从车载算力到云端算力再到算法和数据闭环全覆盖车载算力：FSD芯片及板卡控制器训练算力：D1芯片和Dojo超级计算机1.4 算法端：FSD持续进化，大模型嵌入各个环节资料来源：汽车之心公众号、开源证券研究所从BEV+transformer到占用网络，特斯拉自动驾驶感知算法持续完善特斯拉的自动驾驶算法并非一蹴而就，而是在一步步迭代中逐步成熟，在感知端自2020年引入Transformer后不断完善，2021年形成了带有时序信息的BEV+Transformer网络，2022年进一步引入占用网络，形成相对完整的算法框架。图7：特斯拉的算法不断迭代，从单一BEV进化至BEV+transformer至带有时序信息的占用网络1.5 硬件端：HW1.0-HW4.0，依赖外部走向全栈自研资料来源：Teslatap、开源证券研究所；HW4.0尚未发布，摄像头（含位置）、4D毫米波雷达、芯片均为根据TeslaTap的推测值硬件端从HW1.0迭代至HW4.0不断演进HW1.0采用Mobileye的方案，后续率先将软件自研，采用英伟达方案构建HW2.0/2.5，HW

3.0之后芯片算法实现全栈自研。表1：特斯拉的硬件迭代有序推进，从采用第三方逐步走向全栈自研HW1.0HW2.0HW2.5HW3.0HW4.0*图示使用时间2014.9-2016.102016.10-2017.82017.8-2019.42019.4-今未发布前视摄像头13个35°+主视50°+广角120°2前大灯摄像头02侧摄像头02个90°2侧后摄像头02个60°2后视01个150°2毫米波雷达博世博世大陆大陆后移除提供4D毫米波雷达接口超声波雷达121212120处理器Mobileye

EyeQ31个英伟达ParkerSoc1个英伟达PascalGPU1个英飞凌TricoreCPU1个英伟达ParkerSoc1个英伟达PascalGPU1个英飞凌TricoreCPU2颗FSD芯片包含：12个Exynos64bit

arm核心；2个GPU核心；2个NPU核心；1个锁步CPU2颗FSD芯片包含：20个Exynos64bit

arm核心；2个GPU核心；3个NPU核心；1个锁步CPU（主频提升）算力（TOPS）0.2561212144300-500图8：Dojo计算专为AI训练而生特斯拉自研算力平台Dojo，2024年冲刺100EFlops算力自研D1芯片和Dojo超级计算机布局算力。为了进一步提升算力水平，2021年起特斯拉开始自研D1人工智能芯片和Dojo超级计算机。将25颗自研的D1芯片封装成Dojo训练模块，再将120个训练模块结合Dojo接口处理器等组件融合形成Dojo主机，目前10机柜的Dojo

ExaPOD超级计算机将拥有1.1EFlops算力，并且拥有强扩展能力，借助特斯拉强大的软件能力，将有效提升其在算法领域的迭代速率。而据特斯拉AI官方账号显示，特斯拉将在2024年1月将拥有等效10万片英伟达A100GPU的算力，在2024年的10月拥有100EFlops算力，等效30万片英伟达A100GPU算力。图9：ExaPOD超级计算机拥有1.1EFLOP算力1.6云端：打造自研大算力芯片和超级计算机资料来源：

Tesla

AI

DAY

2021资料来源：

Tesla

AI

DAY

2021图10：特斯拉算力需求将迎来快速增长资料来源：IDC圈公众号1BEV+Transformer，自动驾驶进入大模型时代目 录CONTENTSAI驱动，L3级自动驾驶奇点已至产业链各司其职，全面受益国内玩家快速跟进，整车厂迎价值重估2345核心标的和风险提示2.1 BEV+Transformer横空出世，大模型推动自动驾驶迈向普及大模型横空出世，自动驾驶奇点来临早期自动驾驶方案采用激光雷达+高精度地图为主。该方案中，对静态环境的感知强依赖高精度地图，实时的动静态障碍物感知强依赖激光雷达。高精地图成为一项“基础设施”，将很多在线难以解决的问题提前存储到地图数据中，行车时作为一项重要的感知信息来源，减轻传感器和控制器的压力，但只能在有图地区行驶。高昂的单车成本和高精度地图成为自动驾驶大规模推广瓶颈。早期Waymo的Robotaxi量产车型改装成本约为20万美元/量，成本高昂，加之高精度地图采集制作以及合规要求繁杂，该自动驾驶方案泛化性弱，仅局限在商用车领域，难以推广。市场亟待出现一种单车性能强大、成本低廉的自动驾驶解决方案。资料来源：小鹏汽车公众号图11：Cruise采用高精度地图+激光雷达解决方案图12：Waymo无人驾驶出租车拥有先进的传感器资料来源：太平洋汽车2.1 BEV+Transformer横空出世，大模型推动自动驾驶迈向普及资料来源：特斯拉AI

DAY2021BEV感知助力成为感知外部世界标准范式2021年特斯拉推出BEV+Transformer、重感知轻地图的自动驾驶解决方案，开启了自动驾驶行业新的篇章。BEV全称为Bird’s

Eye-View（鸟瞰图），即通过神经网络将各个摄像头和传感器获取的信息进行融合，生成基于俯视的“上帝视角”，同时加入时序信息，动态地对周边环境进行感知输出，便于后续预测规划模块使用。驾驶行为是在3D空间中进行，而鸟瞰图则是将2D图像的透视空间转换为3D空间，使得车辆可以判断自己和空间的关系。图13：BEV视角更加直观，便于规划和决策驾驶路径和行为Transformer大模型为构建BEV空间提供最优解图14：Transformer可将多张2D图像和传感器信息融合并转化为3D视角资料来源：《Attention

Is

All

You

Need》（Ashish

Vaswani等）、《Safety-Enhanced

Autonomous

DrivingUsing

Interpretable

Sensor

Fusion

Transformer》（HaoShao等）、开源证券研究所2.1 BEV+Transformer横空出世，大模型推动自动驾驶迈向普及2021

年BEV+Transformer

算法引入自动驾驶，开启自动驾驶新时代。构建BEV空间实际是寻找一种恰当的方式，将多个2D图像和传感器信息转化成为一个3D

向量空间

。

特

斯

拉

引入Transformer大模型来实现转换。Transformer模型优势：更好的全局信息感知能力适用大规模数据训练场景拥有多模态感知能力灵活、较好的泛化性能2.1 BEV+Transformer横空出世，大模型推动自动驾驶迈向普及资料来源：特斯拉AI

DAY

2022资料来源：特斯拉AI

DAY

2022占用网络构建通用障碍物感知体系，提升对未知物体感知效果占用网络：直接在矢量空间产生统一的体积占用数据。对于车子周围任意的一个3D位置，它预测了该位置被占用的概率；对每个位置它还会产生一定的语义信息比如路边、汽车、行人等，用不同的颜色标出；同时观测速度信息。形成“占用栅格”+“栅格流（描述速度信息）”+弱语义的表达形式。占用网络优势显著：（1）改变神经网络算法先“认识”才能“识别”的特性，形成了动静态物体统一的障碍物感知方式，可大幅减少Corner

Case，提升安全性；（2）摆脱检测框的约束，对不规则外形障碍物的感知能力大大增强；（3）对特斯拉来说，通用障碍物感知能力可以复用到其他产品如机器人上，形成统一的算法框架。图15：占用网络感知物体对空间网格的占据情况 图16：占用网络亦可在机器人领域使用2.2 规控算法由基于规则迈向基于神经网，大模型开始崭露头角资料来源：纽劢科技公众号资料来源：特斯拉AI

DAY

2021人工智能逐步渗透进入规控算法发力安全性、舒适性和效率，规控算法成为当前头部玩家主攻方向。人能够基于有限的感知信息完美实现驾驶行为，很大程度因为人类拥有强大的“预测”和“规控”能力。对自动驾驶而言，安全性、舒适性和效率都最大化的驾驶策略是各大厂商追求的目标，规控环节的成熟度直接决定了自动驾驶功能的消费者体验，目前头部玩家已经将主攻方向转移到规控算法领域。“拟人化”、强泛化性，人工智能推动自动驾驶“老司机”上线。早年的算法通常采用基于专家知识和规则的模式为主，基于规则的系统需要不断补充新的规则以实现对各类环境的良好应付，日积月累代码量庞大，占用算力资源且不易维护。因此依靠数据驱动的基于人工智能的规控算法日益走向台前。面对复杂的外部环境，人工智能模型能够更加平滑的以“类人”的方式对驾驶行为进行处理，泛化能力强、舒适性好，应对复杂场景的能力大幅提升。图17：自动驾驶的目标：安全、舒适、有效

图18：复杂场景下基于规则的规控算法难以应对 图19：人工智能逐步在算法的各个环节中崭露头角资料来源：车右智能公众号资料来源：智能车情报局公众号资料来源：开源证券研究所2.3 端到端（感知决策一体化）：大模型为自动驾驶彻底实现带来希望回归自动驾驶第一性原理，端到端自动驾驶成为市场远期共识模块化自动驾驶算法：即为感知、预测、规划等环节分别构建并组合在一起。方案反应了工程师的结构化思想，将任务拆解，每个模块独立负责单独的子任务，拥有研发团队分工明确，便于问题回溯，易于调试迭代等优点。端到端自动驾驶算法：即设计一个算法模型，直接输入传感器感知的信息，输出控制结果。端到端算法拥有明显的优势：其遵循了自动驾驶的第一性原理：即无论感知、规划、决策模块如何设计，最终为实现更好的自动驾驶效果，因此现有的方法聚焦单独某个模块的优化，对整体的效果提升未必有效；端到端的方式可避免模块化方式误差在模块中传导放大的问题，去掉冗余信息，提升视觉信息的表达；传统模块化的算法中需要面临模型之间的多个编解码环节，带来的计算的冗余浪费；规则驱动彻底转变为数据驱动，让汽车自动驾驶模型训练变得简洁。图20：端到端的自动驾驶解决方案接收传感器信息，直接输出控制信号或策略1BEV+Transformer，自动驾驶进入大模型时代目 录CONTENTSAI驱动，L3级自动驾驶奇点已至产业链各司其职，全面受益国内玩家快速跟进，整车厂迎价值重估2345核心标的和风险提示3.1 华为：ADS

2.0首发问界M5智驾版，稳居国内智能驾驶第一梯队图21：ADS

2.0首发问界M5智驾版，预计还将在10余款车型搭载数据来源：华为官网、开源证券研究所ADS

2.0首发问界M5智驾版，开启华为智能驾驶新征程2023年4月16日，华为于2023上海国际汽车工业展览会前夕首发HUAWEI

ADS

2.0（Advanced

Driving

System，华为高阶智能驾驶系统）及智能座舱、智能车载光、智能汽车数字平台、智能车云服务等一系列智能汽车解决方案，华为常务董事、智能汽车解决方案BU

CEO余承东在发布会上宣布华为高阶智能驾驶系统HUAWEI ADS

2.0将在AITO

问界M5华为高阶智能驾驶版首发。后续阿维塔11、极狐阿尔法SHI版也将升级ADS

2.0系统，并且未来预计还将有10余款车型搭载ADS

2.0系统。ADS

2.0系统提供买断、订阅两种消费模式，其中一次性买断价为36000元，包年/包月订阅价格分别为7200元/720元。同时，随着智能驾驶功能的持续完善，价值量预计还将持续增长。表2：ADS2.0算法持续优化，能以更小的算力实现更优驾驶体验数据来源：汽车之家、开源证券研究所资料来源：问界官网、华为官网问界M5

2023款增程后驱智驾版阿维塔11

2023款长续航单电机版

5座极狐阿尔法S

2022款HI版进阶版厂商指导价27.98万元31.99万元39.79万元摄像头数量11个13个13个超声波雷达数量12个12个12个毫米波雷达数量3个6个6个ADS2.0买断价36000元，并提供包年/包月订阅模式激光雷达数量1个3个3个一次性购买 订阅（包年） 订阅（包月）辅助驾驶芯片华为MDC

610华为MDC

810华为MDC

810ADS1.032000元 6400元 640元芯片总算力200

TOPS400

TOPS400

TOPSADS2.036000元 7200元 720元智能驾驶系统ADS2.0ADS1.0(即将升级2.0)ADS1.0(即将升级2.0)3.2 大疆车载：大疆旗下智能驾驶方案子品牌，2023年将推出领航城区功能资料来源：大疆车载官网、大疆车载公众号、宝骏汽车公众号、开源证券研究所大疆车载：大疆旗下智能驾驶方案子品牌，2023年将推出领航城区功能大疆是全球无人机领域领军企业，有着千万级无人机量产经验、强大供应链整合能力及智能化开发技术。2016年，公司正式成立车载项目组，将多场景硬件复用、极限压榨硬件算力、弱依赖、少假设、产业深度合作为发展思路。2019年，大疆车载品牌正式启用，定位为Tier1，专注于智能驾驶系统及其核心零部件的研发、生产、销售等。同年，公司建成首座车规级智能制造中心，并与大众集团、上汽通用五菱等知名车企建立合作。2021年4月，公司在上海车展上推出D80/D80+、D130/D130+、泊车等场景下的智驾方案。2022年9月，全球首款大疆智驾量产车型2023款KiWi

EV上市。2023年4月，公司全新智驾方案成行在电动汽车百人会上亮相，将提供领航城区等8项功能。2023年8月10日，首发搭载灵犀智驾2.0的宝骏云朵460灵犀版开始接受盲订。其是行业首款搭载800万像素惯导双目摄像头智驾车型，配合大疆成行平台的能力，具备同级唯一0-130km/h全速域智能行车辅助、同级唯一跨层记忆泊车、同级唯一循迹倒车功能。更多高速领航和记忆领航等功能预计将于9月揭晓，并将于10月上市交付。图22：2021年公司领航高速功能落地，2023年公司将推出领航城区功能 图23：除智能行车/泊车辅助等外，宝骏云朵预计还将提供更高阶智驾功能资料来源：宝骏汽车公众号3.2 大疆车载：大疆旗下智能驾驶方案子品牌，2023年将推出领航城区功能资料来源：电动汽车百人会图24：大疆计划在高速、城区、泊车全场景提供L2-L3级的智能驾驶功能图26：大疆认为功能的完善有望提升智能驾驶系统的单车价值量资料来源：大疆车载官网发展规划：在高速、城区、泊车全场景提供L2-L3级的智驾体验，功能的完善有望提升智驾系统的单车价值量成行平台推出8大功能模块后，技术演进方向更清晰。按照大疆的规划，将在高速、城区、泊车全场景提供L2-L3级的智驾功能。大疆致力于提供性价比智驾方案。根据大疆的观察，L2+级智驾方案成本占比下界是3%，即为保证智驾系统可用性而需要的基本成本，可提供行泊一体系统、各种高分辨率传感器，并保证软件端有足够利润；上界是5%，即客户愿为缓解驾驶疲劳支付的溢价，可搭载激光雷达等高成本硬件。同时，根据广州威尔森，2022年中国乘用车市场售价在15万元以下、15-30万元车型占比为45%、37%，占主要市场份额。按此价格区间及L2+级智驾系统3%-5%成本区间测算，单车智驾方案合理成本为5000-15000元。大疆认为，L2+级辅助驾驶主要是为了缓解驾驶员的疲劳，而到L3/L4阶段，车辆可以自行行驶，此时人们的时间将被充分释放，车载娱乐系统等其他功能模块的价值将得到充分提升。因此，随着智能驾驶功能的完善，智驾系统的单车价值量有望得到提升。资料来源：电动汽车百人会图25：大疆认为L2+级智能驾驶系统的合理成本区间为5000-15000元3.3小鹏：国内智能驾驶领军，三步走实现全场景辅助驾驶图27进：小。鹏2022年推出城市NGP功能，2023-2025年将逐步实现全场景辅助驾驶功能资料来源：小鹏汽车官网、佐思汽车研究公众号、九章智驾公众号、开源证券研究所小鹏系国内智能驾驶领域领军企业，2023-2025年将逐步实现全场景辅助驾驶功能小鹏是国内智能驾驶领域领军企业，掌握视觉感知、多传感器融合、决策、规划、控制等一系列核心能力，实现智能驾驶方案全栈自研。2018年，公司Xpilot智能辅助驾驶系统正式落地，能够提供单车道辅助驾驶等L1级辅助驾驶功能，开启公司智能驾驶领域探索之路。2019年，公司L2级行车辅助系统成功实现量产应用。2021年，公司推出高速NGP功能。2022年，公司推出城市NGP功能，完成公司智能驾驶上半场（高速、地下停车场等单场景辅助驾驶）最后一个核心能力的建设，同时截至2022年底公司高速NGP功能里程渗透率已超60%。展望未来，公司计划在2023-2024年实现全场景辅助驾驶功能，2025年起向无人驾驶迈表3：小鹏持续推进Xpilot辅助驾驶系统升级迭代资料来源：赛博汽车公众号、小鹏汽车官网、开源证券研究所系统版本Xpilot

2.0Xpilot

2.5 Xpilot

3.0（免费）Xpilot

3.5（前装2万，后装3.8万）

（前装2.5万，后装4.5万）Xpilot

4.0Xpilot5.0产车系统量产自主研

端到端

辅助驾进实现量

自动泊

车道迈

量产车产发的自

自研实

驶能力

首次实

高速导

全自研

基于AI

全闭环记忆泊

力量产 车量产能力

适应巡

现数据

从单车

现遥控

航领航

360度

的智能

高速智

停车场

航辅助辅助 力通过4.0迭代城市领

OTA实

局部的现 完全自实现

航系统

闭环的

道向多

泊车的

停车场

感知能

座舱量

能领航

自主泊

驾驶能

Xpilot

动驾驶3.0向

能力释放自研部分-最底层的线控

端到端自研能力：XPU路径规划和控

的平台软件；Xpilot系全栈自研算法具备基于数据泊车的感知算

OTA、诊断服务虚拟化、

规划、控制迭法由供应商提

摄像头服务、CAN服务、

代升级全栈式供 自动驾驶应用 软件开发能力引入全新的决制部分；自动 统应用层软件：包括 的感知、定位、

策架构，可反向兼融3.5版本-算力布置-MobileyeEyeQ4小鹏G3i智尊版：

小鹏P7智尊版：英伟达Xavier计算平台+英飞凌AurixMCU

2.0小鹏P5：英伟达Xavier小鹏G9、小鹏G6：英伟达Orin-传感器- 20个 30个 32个31个-3.4 理想：国内智能驾驶龙头，积极推动城市NOA功能落地资料来源：佐思汽车研究公众号、理想汽车公众号、理想汽车官网、开源证券研究所图28：2021年公司推出高速NOA功能，2023年将落地城市NOA表4：理想持续推进自研辅助驾驶系统升级迭代资料来源：佐思汽车研究公众号、理想汽车公众号、聆英咨询公众号、开源证券研究所理想：国内智能驾驶领域龙头企业，2023年将落地城市NOA功能2019年4月，理想首款量产车型理想ONE上市，能够提供LDW、LCA、FCW、ACC等L2级辅助驾驶功能。2021年12月，公司推出高速NOA功能，同时根据高工智能汽车的数据，截至2023年4月，公司高速NOA里程已超过1.4亿公里。2022年起，公司发布AD

MAX和AD

Pro智能驾驶系统，其中AD

Max

2.0

采用英伟达Orin-X芯片，新增升级版高速NOA功能，而AD

Pro

2.0搭载地平线征程5芯片，标配高速NOA导航辅助驾驶功能。2023年4月，公司发布AD

Max

3.0，通过大模型AI算法，逐步摆脱对高精地图的依赖，将提供城市NOA功能，向更高频、复杂的场景渗透。时间 2019.04 2022.03 2022.09 2023.04智驾系

统 AD

1.0 AD

Max

2.0 AD

Pro

2.0 ADMax

3.0代表车型理想ONE/2021款理想ONE理想L9理想L8

Pro/理想L7

Pro-能LDW、LCA、

新增：高速NOA、自研主要功

LKA、AEB、

LKA(优化)、ACC(优化)、AVS、倒车辅

RCTA、FCTA、DOW、信助 号灯识别、窄路辅助新增：升级版高速

召唤 FCW、ACC、

AEB(融合视觉+毫米波雷达)、

NOA(自动并线等)、

标配：高速AEB升级(增强对横

NOA导航辅

城市NOA导航穿行人和两轮车的

助骂驶功能

辅助驾驶系统识别)、自动泊车及传感器配置1R5V5R5V 1R11V1L 1R10V 1R11V1L计算平 地平线征程

台 5 Mobileye

EyeQ4

地平线征程3

英伟达Orin-X

英伟达Orin-X辅助驾驶级别L2级L2+级(2021年底落地高速NOA)L2++1BEV+Transformer，自动驾驶进入大模型时代目 录CONTENTSAI驱动，L3级自动驾驶奇点已至产业链各司其职，全面受益国内玩家快速跟进，整车厂迎价值重估2345核心标的和风险提示4.1 大算力平台：电子电气架构迈向“区域控制+中央计算”时代现阶段，整车电子电气架构正迈向中央集中式跨域融合形成中央计算平台，迈向“区域控制+中央计算”架构。通常整车EEA升级是将ECU聚类融合为驾驶/座舱/车身/底盘/动力域控制器（或左/右/前车身域控制器）；架构继续演进，各域控制器进行融合，这些域控制器的逻辑运算功能被集成到一起形成单独的中央计算平台，进行整车管理与逻辑运算，其指令交由各区域控制器（集成网关的区域ECU）执行，形成区域控制器+中央计算平台架构。图29：整车EEA演进过程中，中央计算平台集成度不断提高资料来源：焉知汽车公众号4.1 大算力平台：电子电气架构迈向“区域控制+中央计算”时代资料来源：首席智行官公众号、线束中国公众号、开源证券研究所资料来源：特斯拉官网、开源证券研究所大算力平台助力整车算力提升成本降低域控平台集成化程度提高，汽车零部件成本降低。前文提到，通过将多个ECU功能集成于域控制器，能够减少汽车线束长度与电子元器件使用数量，节省汽车零部件成本、降低整车EEA排布复杂度，同时汽车重量减轻，也符合电动汽车轻量化的趋势。舱驾融合帮助主机厂降本增效。亿咖通的舱驾融合方案，单板融合座舱SoC和智驾SoC，两块芯片算力共享、灵活调用，缩减冗余算力，实现整车线束使用量减少5%，研发成本降低15%，BOM成本降低20%。大算力自驾域控成为实现高级别自动驾驶的唯一方案，渗透率有望加速上升。大模型推动自动驾驶变革的背后，是海量的数据处理与复杂的逻辑运算，AI算力必不可少。行业内普遍认为，实现L3需要的算力为30-60TOPS，实现L4需要的算力至少为100TOPS，实现L5所需要的算力为500-1000TOPS。对于此，厂商相继推出高算力自驾域控制器平台，为自动驾驶提供算力支撑。图30：特斯拉凭借先进算法与自研平台，仅靠8颗摄像头实现FSD功能 图31：亿咖通的舱驾融合方案能够有效减少整车的BOM成本Super

Brain舱驾融合方案汽车线束量-5%BOM成本-20%研发成本-15%4.2 软件和算法：应用、系统、工具软件齐备，市场玩家广泛参与资料来源：亿欧智库、CSDN按照在智能汽车上的应用领域，可将车载半导体分为五大类软件是智能汽车的重要组成部分。随着汽车逐步走向软硬件分离，软件成为构成汽车差异化的主要部分。系统软件和应用软件缺一不可。软件部分可分为系统软件、应用软件及工具软件，系统软件包含虚拟机、驱动、BSP、操作系统、中间件等底层软件，主要用来做硬件管理，信息交互等等。而应用软件则包含座舱中各类应用以及自动驾驶算法等。系统软件走向SOA化提供稳定底座，应用软件独立更新延续汽车生命力，工具软助力功能实现。当前汽车底层软件逐步向券商靠近走向SOA化，即将车内的各类功能变成服务供应用软件调度，在此基础之上，车载应用以及自动驾驶算法可通过OTA实现持续迭代，让汽车常用常新。而工具软件则助力各类软件功能的开发和实现，亦是决定产品性能的重要组成部分。图32：软件环节包含系统软件、应用软件、以及工具软件需求来源：电动化：电动化带来传统真空助力的制动等方式逐步被替代；自动驾驶：自动驾驶需要执行器有主动运转的能力；精准灵活：响应速度快，操控灵活，控制精度高；结构简单提升经济性：摒弃复杂的液压链接，结构简单，经济性高；需要突破的难点：安全性可靠性：线控取消机械或液压连接，传感器的不稳定性、数据传输的不稳定性对可靠性提出考验；成本高：当前提升可靠性增加诸多冗余，成本较高；驾驶体验优化难：线控系统需要通过电机等装置人为模拟路感和踏板感，如何做到符合人类预期较难。底盘域控4.3 线控底盘：应用于自动驾驶执行端，受益电动化智能化发展资料来源：焉知汽车公众号、开源证券研究所线控底盘包含五大子系统，电动化、智能化大势所趋推动行业成长线控底盘拥有五大产品：（1）线控制动系统、（2）线控转向系统、（3）线控悬架服务、（4）线控驱动系统与（5）线控换挡系统。得益于汽车电动化和智能化的推进，线控底盘行业迎来快速发展的机遇期。图33：线控底盘由多个子系统构成 图34：线控底盘需求确定性高，也有难点待突破资料来源：汽车电子电气架构创新论坛、开源证券研究所4.3 线控底盘：应用于自动驾驶执行端，受益电动化智能化发展制动都有较高的单车价值量，据盖世汽车预测，三大方向在2022-2026年均有不低于20%的市场规模成长；线控底盘属于汽车执行端部件，是自动驾驶的基石：线控底盘技术的落地会极大促进自动驾驶的发展，同时通过线控底盘和座舱、动力等系统的交互也能够极大提升驾乘体验。线控底盘处于发展初期技术潜力大：线控油门、换挡方面相对成熟，应用率高；线控悬架方面目前空气悬架、自适应可调减震器等已经出现并应用，未来会得到进一步发展；线控制动和转向是最核心的环节，其中线控制动适用于高级别自动驾驶的稳定量产产品不多，是各大玩家争相布局的赛道。表6：线控底盘不同模块技术持续迭代有望拉动市场腾飞资料来源：中国汽车报对东风汽车技术中心副主任杨彦鼎访谈、开源证券研究所线控底盘市场空间广阔，技术迅速迭代，有望孕育良好投资机会线控底盘核心模块成长性优异：线控悬架、线控转向、线控2023年2025年2030年领域可应用技术近期预研技术远期技术线控制动ESC/E-Booster/One-boxEHB线控液压制动+横向控制冗余EMB线控机械制动线控转向C-EPS/SP-EPS/后轮转向DP-EPS/R-EPS+冗余备份SBW线控转向单轮线控（四轮独立转向）主动悬架双模态减震器+电磁阀、溢流阀CDC+空气弹簧主动悬架（半主动、全主动）全主动悬架集成域控XYZ协调控制控制集成（底盘域控制）轮边驱动集成技术单车价值量（元）2022-2026年CAGR线控换挡400-50019.8%线控电门约3002.9%线控悬架1-2万46.0%线控转向约400023.2%线控制动2000-250031.7%表5：线控底盘核心元件未来成长性较好资料来源：盖世汽车公众号、开源证券研究所4.4 车载半导体：细分领域繁多，千亿市场加速来临资料来源：亿欧智库、CSDN按照在智能汽车上的应用领域，可将车载半导体分为五大类图35：车规级芯片按照功能的不同可分为计算控制芯片、功率芯片、传感器芯片、通信芯片和存储芯片4.5 IMU和4D毫米波雷达，传感器持续迭代进化资料来源：焉知自动驾驶、开源证券研究所车载IMU应用场景众多，集成化成为未来发展方向车载IMU对自动驾驶不可或缺。惯性测量单元（IMU）能够独立得到车辆的三轴角速率以及加速度信息，从而解算出相对定位信息，具备优异的短期定位精度。自动驾驶决策需要准确定位信息，但在路况遮挡情况（隧道、高楼林立、立交桥下、地下车库）等场景，GNSS等传感器极易定位异常，IMU则能对该情况有效“替补”，提供接近实时的位置信息，为自动驾驶提供有效安全保障，减少定位消失等Cornor

Case的影响。集成化成为趋势，IMU成长空间广阔。IMU容易累积误差，因此将IMU与GNSS集成为P-Box进行组合导航成为主流，未来P-Box或将与域控制器进一步集成以降低成本、提高数据交换效率。图36：遮挡路况情况常见，需要IMU进行定位 图37：当前IMU与GNSS集成为P-Box为主流资料来源：ADAS之眼公众号、开源证券研究所资料来源：美国联邦通信委员会、智能车参考公众号、开源证券研究所4D成像毫米波雷达性能升级，有望成为车载传感器中重要增量速度与距离真值数据能够辅助视觉感知更加安全。摄像头难以获取速度与距离真值，而从环境感知角度来看，更精准、多维的信息意味着更高的安全保障；从数据训练角度来看，带有物体速度与距离的数据能够帮助算法精确迭代。4D成像毫米波雷达或将成为视觉感知路线最佳辅助传感器。从成本角度，4D成像毫米波雷达成本远低于同样能精确测距的激光雷达，并且能够提供带速度信息的点云；同时Transformer算法适于多模态数据融合处理，能够有效融合4D毫米波雷达点云与摄像头像素信息。例如视觉占用网络添加4D成像毫米波雷达后，其占用栅格将会带有速度与距离真值，这种感知数据进行处理后将有更大概率准确识别物体运动轨迹。特斯拉也计划在HW4.0上使用4D成像毫米波雷达辅助摄像头进一步提升感知能力。图39：特斯拉4D毫米波雷达天线板上使用二级联（6T8R）的方式资料来源：Ghost

Autonomy官网图38：特斯拉即将搭载新的高分辨率成像雷达特斯拉向美国联邦通信委员会注册的高分辨率雷达样图特斯拉新雷达实物图4.5 IMU和4D毫米波雷达，传感器持续迭代进化4.6 受益标的：有关标的整车厂：小鹏汽车、理想汽车、比亚迪零部件：软件：中科创达、经纬恒润、光庭信息、阿尔特大算力平台：德赛西威、经纬恒润、中科创达、均胜电子、华阳集团、科博达、天准科技、星宇股份、英恒科技、比亚迪电子线控底盘：伯特利、耐世特、亚太股份、浙江世宝车载半导体：晶晨股份、瑞芯微、美格智能、广和通、移远通信、北京君正、裕太微4D成像毫米波和IMU：保隆科技、威孚高科、经纬恒润、华依科技、华测导航、芯动联科、星网宇达4.6、开源证券研究所（收盘日期为2023年9月4日，盈利预测均来自开源证券研究所）评级收盘价（元）2023/9/42023EEPS2024E2025E2023EPE2024E2025E买入143.012.863.995.4650.035.826.2137.102.533.705.2054.237.126.418.880.580.851.2032.622.215.7买入30.180.981.331.7930.822.716.9买入76.251.412.092.7254.136.528.080.902.172.633.3737.330.824.029.2