汽车与零部件行业智能汽车系列报告之四：R有望促进自动驾驶技术迭代产业链加快商业化进程

中性（维持）Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程——智能汽车系列报告之四中性（维持）Robotaxi有望促进自动驾驶技术迭代，产业链加快商业化进程——智能汽车系列报告之四国/区 中国行业 汽车行业 汽车零件业报告布期 2024年08月12日核心观点核心观点Robotaxi产业链分析。Robotaxi（无人驾驶出租车）硬件供应商，中游包括自动驾驶方案供应商和整车企业，自动驾驶方案供应商将传感器、域控制器、软件算法等软硬件融合后形成完整的L4级别自动驾驶解决方案并部署至整车上，产业链下游为无人驾驶出行服务平台。Robotaxi自动驾驶技术路线分析2016年转向自动驾驶软硬件自研，20235FSDV12（End-to-End）采用统一的神经网络模型，车辆将传感器采集到的原始数据输入神经网络，神经网络经过处理之后，直接输出自动驾驶汽车的驾驶命令。随着特斯拉FSDV12持续迭代，预计特斯拉Robotaxi或将成为首个将端到端系统应用至L4场景的案L4L2+ApolloApolloL4/L2+技术协同，目前实现了技术架构、视觉感知方案以及地图的统一，二者打通数据，共享自动驾驶基础设施。Robotaxi盈利周期分析Robotaxi运营成本主要包括：整车硬件成本、安全运营成本、运力运营成本。其中智能驾驶软件成本、云端平台的Robotaxi铺开会被逐步摊RobotaxiUERT62.81年左右。Robotaxi竞争格局：实力强的自动驾驶公司及整车公司有望获得一定市场份额Robotaxi商业合作模式：整车厂独立运营、自动驾驶技术公++RobotaxiRobotaxiRobotaxi试Robotaxi据一定份额。投资建议与投资标的投资建议与投资标的从投资策略上看，预计Robotaxi有望逐步实现商业化，将部分替代B端出租车和网约车，且将加快汽车智能化进程，无人驾驶出租车产业链中游及下游如自动驾驶方案供应商和整车企业有望受益，提供智能化硬件、软件的上游公司也有望受益。整车建议关注：长安汽车、比亚迪、江淮汽车、上汽集团；零部件建议关注：伯特利、经纬恒润、保隆科技、华域汽车、德赛西威、华阳集团、科博达等。风险提示宏观经济下行影响汽车需求、自动驾驶技术发展不及预期、Robotaxi商业化进程不及预期、自动驾驶政策推进不及预期、假设条件变化影响测算结果。

姜雪晴 jiangxueqing@执业证书编号：S0860512060001袁俊轩 yuanjunxuan@执业证书编号：S0860523070005享界S9正式上市，关注华为产业链：——2024-08-11汽车行业周报（0805-0811）特斯拉中国7月销量同环比回升，享界S92024-08-04及华为ADS3.0即将上市：——汽车行业周报（0729-0804）以旧换新补贴加码，行业需求有望继续改2024-07-28善：——汽车行业周报（0722-0728）有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。RobotaxiRobotaxi有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。PAGE2有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。PAGE2目录Robotaxi产业链分析 4Robotaxi自动驾驶技路线分析 5特斯拉：端到端引领智技术进入新时代 5百度萝卜快跑：L4级自驾驶商用先行者 8Robotaxi盈利周期分析 13Robotaxi16主投资略 18主风险示 18图表目录图1：Robotaxi产业链 4图2：特斯拉自动驾驶系统发展历程 6图3：端到端自动驾驶系统以统一的大模型取代传统感知、预测、规划等模块 6图4：端到端自动驾驶技术的演进 7图5：百度跃进式切入L4并线研发布局L4/L2+技术协同 8图6：百度Apollo形成了“驾舱、图”全栈汽车智能化产品矩阵 9图7：百度自动驾驶大模型ApolloADFM 9图8：百度ApolloADFM通过联合训练实现端到端无人驾驶 10图9：基于规则和端到端的性能曲线 图10：萝卜快跑的自动驾驶件及软件系统 图萝卜快跑第五代车ApolloMoon 12图12：萝卜快跑第六代车RT6 12图13：萝卜快跑安全冗余设保障自动驾驶运营安全 13图14：Robotaxi全生命周期运营成本 14图15：Robotaxi技术+整车+平台的“金三角”合作模式 16图16：Robotaxi竞争格局 18表1：端到端架构和分治式架构比较 7表2：常态化萝卜快跑单日营收测算（单位：元） 14表3：百度RT6单车回本周测算（单位：元） 15表4：Robotaxi商业模式举例 17表5：主要公司估值表 18Robotaxi产业链分析Robotaxi（无人驾驶出租车）产业链上游是各类自动驾驶软硬件供应商，完整的自动驾驶系统主要由感知、决策、执行三个环节构成，感知系统相当于自动驾驶汽车的“眼睛”，通过摄像头、激光雷达、毫米波雷达、超声波雷达等多维传感器配合高精定位、导航、高精地图、路侧定位等辅助系统识别周边车辆、行人、交通灯和其他物体并收集车身周边环境信息，将其传输至决策系统。决策系统相当于自动驾驶汽车的“大脑”，依据感知系统传来的信息进行决策判断，制定相应的路径规划和控制策略，并将决策信号向执行层传输，核心是自动驾驶域控制器/计算平台、芯片、操作系统、自动驾驶软件/算法等。执行系统相当于自动驾驶汽车的“四肢”，负责接收决策系统发出的总线指令，并精确地控制加速程度、制动程度以及转向幅度等驾驶动作，主要包括驱动系统、转向系统、制动系统、照明系统等；在自动驾驶系统中，由电信号替代机械力驱动的线控技术逐步成为主流。Robotaxi产业链中游包括自动驾驶方案供应商和整车企业，自动驾驶方案供应商将传感器、域控制器、软件算法等软硬件融合后形成完整的L4级别自动驾驶解决方案并部署至整车上。Robotaxi产业链下游为无人驾驶出行服务平台，现阶段Robotaxi主要包括两种运营模式：（1）自动驾驶方案供应商+整车企业+出行平台合作运营，例如“广汽集团+文远知行+如祺出行”、“吉利汽车+小马智行+曹操出行”，三方合作能够充分发挥各自在制造能力、自动驾驶技术和用户基数方面的优势，提升Robotaxi营运效率。（2）自动驾驶方案供应商独立运营，例如百度凭借深厚的资金实力、人才和技术储备，在技术研发、整车制造和平台运营全方位布局。图1：Robotaxi产业链数据来源：佐思汽研、东方证券研究所绘制RobotaxiRobotaxiPAGEPAGE5Robotaxi自动驾驶技术路线分析2016Mobileye8年时间内特斯拉自动驾驶算法经历了多次迭代，成长为全球自动驾驶领域的领军企业。（1）2016-2018+2D检测器特征提取+2016Hardware2.0，域控芯片切换至英伟达方案，配置8个摄像头、12个超声波雷达以及1（2）2018-2019年：第一次算法革新。2018年起特斯拉针对自动驾驶网络结构及效率对自动驾驶算法进行了第一次革新：（1）引入多任务学习神经网络架构HydraNet，实现重复的卷积计算量和主干网络计算数量降低；（2）开创“影子模式”，即在有人驾驶过程中，传感器及自动驾驶系统仍然运行并进行实时模拟决策但不参与实际车辆控制，一旦出现决策结果与驾驶员行为不一致，或是不同传感器之间的监测结果不匹配等场景则将触发数据回传，影子模式能够提供更多、更大范围的极端工况数据，对特斯拉改进自动驾驶算法具有重要意义。硬件方面，2019年4月发布Hardware3.0，采用自研FSD芯片，系统总算力达到144TOPS。（3）2020年：BEV+Transformer20208BEV（Bird'sEyeView）+Transformer2D3D车身自坐标系。通过引入BEV，自动驾驶数据的融合从决策层域控制器融合迈向BEV更高。除此之外，BEV+Transformer具备异构传感器融合更易实现、泛化能力更强、不依赖高精地图等优点，成为国内车企及自动驾驶公司的主流发展方向。（4）2021-2022年：占用网络及时空序列特征层提升模型泛化能力。特斯拉2021-2022年对BEV+Transformer架构进行改良：（1）引入占用网络（OccupancyNetwork）提升对现实世界BEV“伪激光雷达”的效果。（2）引入时空序列特征层，使用视频片段取代图像来训练神经网络，FSD升，也为后续端到端方案的推出奠定基础。（5）202320235月，马斯克公开透露FSDV12将采用“端到端”方案，FSDV12成为全球首个端到端自动驾驶系统，标志着特斯拉在自动驾驶技术上的又一次重大飞跃；FSDV12将城市街道驾驶堆栈升级为基于数百万个视频训练的端到端30FSDC++2023Hardware4.0FSDHW35倍；搭载HW4ModelY87120500万像素。202311月，FSDBetaV12开始向特斯拉内部员工推送，20241FSDBetaV12.1.2；20247EAFSDV12.5更新，新技术参数较V12.4版本提升5倍，将高速、城区智驾全面切换到端到端方案，后续还将引入“真·（ActualSmartSummon，ASS），有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。RobotaxiRobotaxi有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。PAGE6有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。PAGE6图2：特斯拉自动驾驶系统发展历程数据来源：汽车之心、东方证券研究所绘制传统的自动驾驶系统采用分治式架构，将自动驾驶任务拆分为感知、预测、规划等多个模块，每个模块的输入通常来源于前一模块的输出。分治式架构将复杂的自动驾驶任务分解为可独立开发测试、独立管理的小子任务，分而治之，从而大幅度地降低系统开发难度；同时分治式架构能够针对每个独立模块的输入输出进行白盒分析，便于针对问题和事故进行追踪和定位，系统具备较高的可解释性。然而，分治式架构也存在信息传递损耗、误差累积影响安全、多任务多模型导致cornercase规则，也导致了系统的泛化性较差、能力上限较低。端到端（End-to-End）是深度学习的概念，指算法直接从原始输入数据求解出最终输出结果，中间不经过人工设计的特征提取或其他中间步骤。目前端到端自动驾驶的定义尚未完全明确，可划分为狭义端到端和广义端到端，狭义的端到端自动驾驶强调采用一个统一的神经网络模型，车辆将传感器采集到的原始数据输入神经网络，神经网络经过处理之后，直接输出自动驾驶汽车的驾驶命令；广义的端到端自动驾驶强调信息无损传递和全局优化，过程中不因人为的模块划分和显式的中间表示而产生信息损耗。图3：端到端自动驾驶系统以统一的大模型取代传统感知、预测、规划等模块数据来源：东方证券研究所绘制与传统的分治式架构相比，端到端架构具有显著的优势：（1）信息无损传递：传统的分治式架构各模块由人工规则定义，信息在每个模块间传递时存在大量信息损耗；端到端模型将传感器收到的全部信息作为输入，实现信息的无损传递，能够减少信息传递的延迟，加快系统反应。（2）全局优化：端到端架构能够以车辆行驶的全局任务为统一目标联合训练，实现性能全局最优化，不需要频繁的参数调整修正；（3）数据驱动：除感知模块外，预测模块和规划模块同样由数据驱动，无需或仅需少量手写规则，能够简化开发流程；同时，传统架构需要人手处理长尾场景，存在边际效果递减，随着数据规模和质量的提升，端到端架构的能力上限将显著高于传统架构。与此同时，端到端系统的落地量产亦存在诸多挑战：（1）弱解释性：端到端的整体训练方式类似黑盒模式，使其难以对中间结果进行分析，模型不可避免地会存在不可解释性。（2）仿真验证困难：传统的分治式架构能够将每个模块分开进行仿真验证，采用开环验证方式，即不与环境进行任何交互，只验证输入和输出链路；但端到端驾驶系统必须进行闭环验证，且在上车之前需要全局仿真验证通过，而目前仍然缺少优秀的测试工具实现。（3）数据规模和质量：由于端到端模型由数据驱动，其训练对于数据的规模和质量提出了极高的要求，大规模高质量数据的采集、筛选、清洗等都将成为难点。现阶段端到端系统主要应用于L2+场景，对于安全性和稳定性要求更高的L4应用场景（如Robotaxi），目前端到端系统尚未能够达到L4级别要求，技术路线仍然以成熟的分治式架构为主。随着特斯拉FSDV12在数月内持续迭代，预计特斯拉Robotaxi或将成为首个将端到端系统应用至L4场景的案例，或将引领端到端路线加速发展。表1：端到端架构和分治式架构比较端到端架构 分治式架构系统组成 统一的神经网络模型 感知模块、预测模块、规划模块信息无损传递全局优化优势数据驱动能力上限高可解释性弱劣势 仿真验证困难数据规模和质量要求高

开发难度低可解释性强信息损耗误差累积泛化能力弱，能力上限低数据来源：《端到端自动驾驶行业研究报告》、东方证券研究所由于从分治式直接向狭义端到端转变的跨度过大、难度过高，国内各大车企及自动驾驶方案供应商主要采取渐进过渡的技术路径。端到端自动驾驶技术的渐进发展可分为四个阶段：（1）感知端到端：现阶段主流的BEV+Transformer+OCC（OccupancyNetwork，占用网络）已经实现感知模块的端到端架构，但决策规划模块仍然基于规划。（2）预测规划模型化：保留感知模块+预测规划模块，仍然通过人工定义方式制定接口，但将预测规划模块从基于规则转向神经网络化。（3）模块化端到端：将感知模块和预测规划模块间的输入与输出由特征向量实现，两个模块将通过梯度传导的方式共同训练。（4）单一模型端到端：去除模块划分，整个系统将基于一个统一的大模型，为端到端系统的最终目标。图4：端到端自动驾驶技术的演进数据来源：《端到端自动驾驶行业研究报告》、东方证券研究所绘制L4百度以“跃进式”方式实现L4级自动驾驶，助力萝卜快跑商业化落地。高级别自动驾驶技术演进路线可以分为“渐进式”和“跃进式”，以特斯拉为代表的整车企业选择了“渐进式”路线，在量产车上搭载L2级辅助驾驶，积累大量驾驶数据并训练算法进行迭代，最终实现高级别自动驾驶。而百度作为科技公司相较于整车厂来说难以大规模获取行驶数据，其策略为直接切入L4级自动驾驶，在限定区域内将高精地图和激光雷达配合使用（2013年入局自动驾驶，2015年成立L4事业部），以实现Robotaxi商业化变现。李彦宏曾在2022年世界人工智能大会(WAIC)上表示L4自动驾驶相较于L3更容易实现商用。在“跃进式”切入L4级自动驾驶的同时，百度采用双线并行研发策略布局L2+Apollo自动驾驶技术解决方案。百度L4/L2+级智驾技术和数据可以进行降维，作为L2+L2+L4L4尾问题和地图验证。图5：百度跃进式切入L4并双线研发布局L4/L2+技术协同数据来源：Tesla、百度Apollo、东方证券研究所绘制ApolloApollo2024811日，萝卜快跑已经在上海、成都、北11个城市落地自动驾驶出行服务。根据百度财报，202482.625%2024419日，Apollo1亿公里。ApolloApollo规划、控制等多个自动驾驶模块。百度Apollo已形成“驾、舱、图”全栈汽车智能化产品矩阵，作为自动驾驶Tier1向主机厂提供智能驾驶、智能地图、智能座舱等智能汽车解决方案。Apollo自动驾驶平台的核心技术架构包括硬件设备、软件核心、应用软件和工具服务四个部分，可以提供从车辆硬件到软件数据以及云端的全栈服务。图6：百度Apollo形成了“驾、舱、图”全栈汽车智能化产品矩阵数据来源：百度Apollo、东方证券研究所绘制ApolloADFM规则和经验累积，存在明显的瓶颈，百度选择用大模型重构自动驾驶技术栈。2017年起百度Apollo2021Apollo5ApolloDay2024L4级别无人驾驶应用的自动驾ApolloADFM（AutonomousDrivingFoundationModel）。图7：百度自动驾驶大模型ApolloADFM数据来源：Apollo官网、东方证券研究所绘制RobotaxiRobotaxi1010本报告来源于三个皮匠报告站（）,由用户Id:549683下载,文档Id:171832,下载日期:2024-10-16ApolloADFM包括多模感知大模型和多源规划大模型。感知大模型包括检测、跟踪、理解和构图四大自动驾驶核心感知任务，ApolloADFM提取视觉图像数据和LiDAR、4DRadarADFM的可追溯性。ApolloADFM进行分模块设计并独立优化，在分段训练完成后将各个模块进行联合训练以确保模块间协同工作和数据流的一致性，这种策略可以很好地平衡模型的性能和可解释性。图8：百度ApolloADFM通过联合训练实现端到端无人驾驶数据来源：芝能汽车、东方证券研究所现阶段萝卜快跑仍基于规则，通过软硬件结合以及云端安全员和多重冗余支持系统化落地。百度L4级自动驾驶是基于高清地图封闭式路径导航系统，只在特定区域内运行并依赖于高精度地图进行路线规划；而L2+级自动驾驶则在探索无图路线导航的技术方案，以实现高时空覆盖。相比基于规则的分治式架构，端到端具有更强的泛化能力、上限更高，但是因其解释性弱、数据需求大、算力AIL2L2自AI无法应对的cornercaseL4由于可解释性和cornercase问题在AIL4公司还是算法+AIAI相结合，推出的端到端自动驾驶模型既可作L2+方案又可作为L4级智能驾驶的冗余系统。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。RobotaxiRobotaxi有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。PAGE12有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。PAGE12图9：基于规则和端到端的性能曲线数据来源：小鹏XPILOT、东方证券研究所萝卜快跑的技术核心在于高精度地图、多传感器融合以及决策算法。高精度地图能够确保车辆在L4级无人驾驶运营车辆（99.99%以上的成功率）离不开高精地图或车道级导航地图/轻量级高精地图的辅助。高精地图可以极大程度地降低自动驾驶系统算法的复杂程度，提升行车安全性，百度在高阶智驾地图领域布局多年，具有强大的地图采集和绘制能力，具备成本优势。7405X360°环境感知，通过传感器融合技术构建全方位的感知系统，根据实时准确的路况信息动态调整自动驾驶决策规划。图10：萝卜快跑的自动驾驶套件及软件系统数据来源：《百度自动驾驶出行报告》、东方证券研究所绘制RT6ApolloADFM大模型+硬件产品+安全架构”的方案。百度ApolloDay2024ApolloRT6（06），20.46万元。不同于特斯拉的纯视觉方案，RT64AT128（128），其探200米，可以满足L4360ADASRT6单车成本。除激光雷达外，RT66个毫米波雷达、12个超声波雷达、12AI1200TOPS，同时采用换电方案，以适配萝卜快跑的自动化运营需求。图11：萝卜快跑第五代车ApolloMoon数据来源：汽车电子、东方证券研究所图12：萝卜快跑第六代车RT6数据来源：汽车电子、东方证券研究所106MRCRobotaxiL4级自动驾驶整体系统安全设计包括自动驾驶主系统安全、自动驾驶安全冗余系统、远程云代驾三层安全系统。在安全冗余系统方面，ApolloRT6100%级和整车全冗余系统。107405✖360°双AI模型的计算冗余；4种卫星系统以及星基+地基双模式高精定位单元的高精定位冗余；双系统双控制回路的转向冗余；双独立系统四控制回路的制动冗余；双电子驻车双控制回路的驻车冗余；双模组5G冗余；双热泵循环回路的热管理冗余；双回路电源冗余等，保证了任意单系统失Apollo11/14。图13：萝卜快跑安全冗余设计保障自动驾驶运营安全数据来源：ApolloDay、东方证券研究所绘制Robotaxi盈利周期分析从全生命周期角度来看，Robotaxi运营成本主要由三方面构成：首先是整车硬件成本，主要包括整车成本以及自动驾驶模块成本。整车成本是除自动驾驶模块的车辆成本，主要包括车身、底盘、动力和智能座舱系统等。在电池方面，由于萝卜快跑采用换电模式，电池成本可与整车分开计算。自动驾驶模块则包括智驾的软硬件成本，智驾硬件主要包括域控制器、激光雷达、摄像头、毫米波雷达等传感器以及定位设备等；其次是安全运营成本，主要包括安全员和地勤的培训及人工成本和远程控制平台的运维成本。目前在确保安全的前提下，指定运营区域车辆的安全员可由线下转为线上，可以同时监控多辆汽车；最后是运力运营成本，主要包括车辆维修保养成本、清洁成本、补能成本以及牌照、保险等其他成本。图14：Robotaxi全生命周期运营成本数据来源：罗兰贝格、东方证券研究所绘制Robotaxi商业化落地和大规模推广的测算中更应该关注单车模型。Robotaxi全生命周期运营成本涵盖了智能驾驶软件成本、云端平台的建设成本等，这部分成本可以看作一次性投入的固定成RobotaxiRobotaxi的UE模型能否达正，单车何时能够收回成本。基于以下假设，我们测算得到萝卜快跑RT6单车回本周期约为2.81年左右。收入端：萝卜快跑计费规则包含起步价、里程费和时长费三个部分。由于武汉地区萝卜快跑基准定价高，主要采用高折扣率来降低价格，过高的折扣率不适宜进行预测，因此我们采用上海地区3731.7元/100.25元/10.91.8/0.42/70%，符合运营假设。表2：常态化萝卜快跑单日营收测算（单位：元）项目 金额 备注规则单价 21.40 假设单均10公里，时长20起步价7起步价包含里程3公里，时长10分钟里程费11.9超过3公里部分计入里程费，里程费为1.7元/公里时长费2.5超过10分钟部分计入时长费，时长费为0.25元/分钟活动折扣20%订单量与活动折扣相关，目前Robotaxi仍在推广补贴阶段支付金额（元/单）17.12日均单量 23单车日均营收 393.76数据来源：萝卜快跑APP、东方证券研究所测算

萝卜快跑日均单量与活动折扣相关。根据报道萝卜快跑每日订单量高于20单，追平网约车，参考网约车数据取23单/天。成本端：主要考虑硬件成本、人工成本、车辆维修保养成本、补能成本、保险成本等可变成本。ApolloRT620.46万元，我们以此测算单车回本周期。人工成本假设：根据2023年12月交通运输部办公厅印发的《自动驾驶汽车运输安全服务指南（试行）》，从事出租汽车客运的完全自动驾驶汽车，在确保安全的前提下，经设区市人民政府同意，在指定的区域运营时可使用远程安全员，远程安全员人车比不得低于1:3动驾驶与远程监控技术进步以及测试的不断进行，Robotaxi远程安全员配比可以达到1:5。考虑Robotaxi铺开后可以摊薄单车人员比例，假设地勤人员配比为1:7。此外，部分车辆在7:00至23:0024酬参考武汉当地标准，取6000元/月。车辆维修保养成本假设：无人车辆清洁假设由地勤完成，成本算入人工部分；维修保养成本假设10006成本约1200元；假设每8万公里更换一次刹车，一套刹车更换成本约400元。补能成本：RT6采用换电模式，参考蔚来针对非首任车主及运营车辆换电价格（电费1.35元/kWh+0.39元/kWh）0.6元/kWhkWh。保险费用：参考20万同价位车辆，考虑自动驾驶事故率低于人类，假设一年4000元。表3：百度RT6单车回本周期测算（单位：元）项目 金额 备注单日人力成本137.14远程安全员（人/单日人力成本137.14远程安全员（人/车）0.20假设远程安全员人车比1：5地勤（人/车）0.14假设地勤人员配比为1：7人员薪酬（元/月）6000参考武汉当地标准平均换班次数（次/天）2考虑车辆运营时间单日车辆维修保养成本10.44维修保养成本2.78假设一年保养一次，一次1000元轮胎和刹车成本7.67假设每6万公里更换一次轮胎，四条轮胎更换成本约1200元；假设每8万公里更换一次刹车，一套刹车更换成本约400元单日补能成本33.12单均里程（公里）10空乘率25%假设空乘率为25%每日载客里程（公里）230假设一天23单每日里程（公里）306.67载客里程除以（1-空乘率）百公里能耗（kWh/100km）18假设百公里耗电量为18kWh补能成本（元/kWh）0.6假设萝卜快跑补能成本为0.6元/kWh单日保险成本11.11考虑自动驾驶事故率低于人类，假设保费一年4000元单日成本合计191.82单日盈利（不考虑折旧）201.94不考虑硬件折旧RT6成本204600百度透露RT6价格为20.46万元回本周期（年）2.81假设一年运营360天数据来源：东方证券研究所测算Robotaxi竞争格局：实力强的自动驾驶公司及整车公司将获得一定市场份额作为产业链关键角色，自动驾驶技术公司、Tier1供应商、整车厂和出行服务商共同提供了RobotaxiRobotaxi行业商业化发展来看，Robotaxi主要参与者可以分为自动驾驶技术公司、整车厂和出行服务运营商三个部分，逐步形成了“专业化分工+深度合作绑定”的发展模式。15：Robotaxi技术+整车+平台的“金三角”合作模式数据来源：罗兰贝格、东方证券研究所RobotaxiRobotaxi模式一：整车厂独立运营。这种模式需要整车厂具备较强的智能驾驶技术以及用户流量，代表车企为特斯拉。在特斯拉财报电话会上，马斯克表示特斯拉Robotaxi出租车车队将融合Airbnb和Uber的商业模式，预计特斯拉将建立共享乘车平台，自主组建并运营Robotaxi车队，而特斯拉车主则可以选择加入或退出车队，特斯拉将与车主分享收入。模式二：具备互联网基因的自动驾驶技术公司自主运营，向整车厂定制车辆。代表企业为百度，ApolloC供定制车辆但不参与运营。这种模式一般由互联网企业主导，因为互联网公司具备较强的流量接入能力，在出行平台的运营层面具备流量优势。模式三：自动驾驶技术公司+整车厂+出行服务运营商合作模式。这种模式下三方企业相互配合，共享技术、数据、车辆和乘客资源，以实现能力整合并分担项目成本，加速实现Robotaxi商业化落地。例如2019年广汽集团携手腾讯、广州公交集团、滴滴等合作方共同成立出行平台如祺出行，后续又经历多轮融资，引入小马智行等投资者。如祺出行由广汽集团提供汽车制造产业资源，腾讯提供互联网平台和市场支持，小马智行提供自动驾驶技术，实现了“自动驾驶技术公司+整++Momenta操出行+小马智行等。可能的模式四：整车厂主导运营。除上述三种模式外，部分具备较强智驾能力和平台优势的整车Robotaxi的运营主导者。以长安汽车为例，从技术能力看，长安汽车（企业）以及旗下长安车联科技有限公司（使用主体）是首批通过遴选的L383120241与智能车灯等；从自动驾驶汽车落地看，20245月长安车联科技与西部车网合作，双方基于长安汽车产品技术规划，重点围绕示范区与长安汽车各类产品网联赋能展开探索，包括L2、L3、L4各级别智能驾驶产品的规模化道路测试及商业化运营68T3出行。T3出行平台。2023T31586.2%。未来长安汽车可能借助自身汽车制造能力、自身及华为等合作伙伴的自动驾驶技术以及T3Robotaxi表4：Robotaxi商业模式举例商业模式整车企业独立运营自动驾驶公司自主运营三方合作整车企业主导运营主导者特斯拉百度三方合作长安汽车整车企业特斯拉向整车厂定制车辆广汽集团长安汽车智驾技术特斯拉FSD百度Apollo小马智行长安+华为等合作伙伴出行平台特斯拉自有APP百度萝卜快跑如祺出行T3出行长安汽车在整车、智驾、平台方面均有布局。百度作为互联网公司具长安汽车是首批L3级智能网术、整车资源和用户备较强的L4自动驾驶技集团提供汽车制造产业资联汽车试点单位；并和西部简介术和下游流量入口。整源，腾讯提供互联网平台车网围绕智能网联汽车展开队，车主可选择是否车厂负责向百度提供定和市场支持，小马智行提合作，投放了68辆自动驾驶加入特斯拉车队。制车辆但不参与运营。供自动驾驶技术。出租车；旗下拥有T3出行平台；且与华为智驾合作稳步推进。数据来源：特斯拉、百度Apollo、如祺出行、长安汽车、东方证券研究所RobotaxiRobotaxi试点在全Robotaxi一定份额：（1）RobotaxiRobotaxi相关企业发展，例如上海市为百度智行、小马智行、AutoX安途以及上汽旗下赛可智能发放首批上海市无驾驶人智能网联汽车示范应用许可；萝卜快跑、小马智行、AutoX安途以及如祺出行获得深圳市Robotaxi分市场份额。（2）长安汽车、上汽集团等部分头部整车企业亦具备较为成熟的高级别自动驾驶Robotaxi场竞争并获取份额。图16：Robotaxi竞争格局数据来源：东方证券研究所绘制主要投资策略Robotaxi有望逐步实现商业化，将部分替代B快汽车智能化进程，无人驾驶产业链中游及下游如自动驾驶方案供应商和整车企业有望受益，提供智能化硬件、软件的上游公司也有望受益。建议关注：Robotaxi产业链的整车企业：长安汽车(000625，买入、比亚迪(002594，未评级))；布局智能化零部件公司：伯特利(603596，买入)、经纬恒润-W(688326，买入)、保隆科技(603197，未评级)、华域汽车(600741，买入)、德赛西威(002920，买入)(002906，买入)、科博达(603786，买入)等。表5：主要公司估值表证券代码证券简称收盘价（08-12）EPSPE2023A2024E2025E2026E2023A2024E2025E2026E000625.SZ长安汽车13.001.140.871.101.3011.3814.9311.8610.00002594.SZ比亚迪230.4010.3312.7616.1019.6622.3118.0614.3111.72600418.SH江淮汽车19.260.070.090.270.39277.63208.5571.6349.70600104.SH上汽集团13.741.221.281.391.5011.2710.769.879.15603596.SH伯特利36.391.471.942.523.2024.7618.7914.4211.36688326.SH经纬恒润-W60.10-1.810.172.053.66-33.19348.3829.2916.44603197.SH保隆科技28.551.792.353.154.0015.9812.169.067.14600741.SH华域汽车14.722.292.412.622.806.436.105.635.25002920.SZ德赛西威85.122.793.784.896.1930.5422.5117.4213.75002906.SZ华阳集团24.080.891.231.622.0527.1819.6214.8911.73603786.SH科博达47.081.512.152.793.4531.2221.8616.8813.63数据来源：Wind、东方证券研究所（说明：EPS采用Wind一致预期，已按最新股本摊薄）主要风险提示宏观经济下行影响汽车需求。若2024年宏观经济低于预期，消费者推迟购车，则将影响乘用车需求，进而影响行业整体盈利能力。自动驾驶技术发展不及预期。若自动驾驶技术发展进程低于预期，则将影响行业整体盈利能力。Robotaxi商业化进程不及预期。若Robotaxi商业化进程低于预期，则将影响行业整体盈利能力。自动驾驶政策推进不及预期。若自动驾驶政策推进低于预期，则会影响产业商业化进程，进而影响行业整体盈利能力。假设条件变化影响测算结果。文中测算基于设定的前提假设基础之上，存在假设条件发生变化导致结果产生偏差的风险。分析师申明 每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断；分析师薪酬的任何组成部分无论是在过去、现在及将来，均与其在本研究报告中所表述的具体建议或观点无任何直接或间接的关系。投资评级和相关定义 12个月内行业或公司的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准（A300500指数）；公司投资评级的量化标准15%以上；中性