1、1智能驾驶专题：NOA快速渗透，建议关注智驾产业链机会证券分析师：钱劲宇 资格编号：S02请务必阅读报告末页的重要声明证券研究报告|行业专题报告计算机行业行业评级 强于大市（维持评级）2024年5月13日 华福证券2核心观点 智能驾驶持续渗透，智能驾驶持续渗透，NOA加速上车：加速上车：23年新能源汽车渗透率超30%，智能电动汽车渗透率超60%。L3测试有序推进，NOA上车加速渗透。NOA功能包括高速场景与城区场景，其功能实现是自动驾驶发展过程中的关键节点。2023年成为城市NOA落地“元年”，“基础L2 高速NOA 城区NOA”的功能迭代路线逐渐清晰。配备智驾功能的车企

2、品牌梯次分布，“特斯拉+部分新势力”领先。“特斯拉+部分新势力”坚定自研，传统大厂“自研+外采”两条腿走路。竞争激烈，性能成本系关键因素：竞争激烈，性能成本系关键因素：智驾性能决定开城数量，算法、算力和数据三要素决定智驾性能。NOA功能持续下探，方案成本愈发关键。算法方面，“2D直视图+CNN BEV+TransformerBEV+Transformer+Occupancy 端到端”为主流迭代路线；智算中心为算力、数据和算法服务的供应和生产平台。算力方面，SoC芯片阶梯分布，英伟达、特斯拉引领中高端算力市场。数据方面，量产车数量、传感器标准化程度、商业模式为关键要素。成本方面，多因素推动高精地

3、图向轻地图迭代；纯视觉与多模态融合两条路线并行，数据处理是关键；现阶段激光雷达不可或缺，业内探寻激光雷达降本方式。特斯拉领衔，主要厂商方案巡礼：特斯拉领衔，主要厂商方案巡礼：特斯拉自动驾驶历经十余年迭代，从探索开荒到自研引领创新。华为提供零部件、HI和智选车模式赋能车企，主导权依次上升。大疆车载打破高阶智驾大算力依赖，主打极致性价比。momenta数据驱动，Mpilot（L2+）+MSD（L4）两条腿战略。百度Apollo依托Robotaxi，L4降维推出L2+纯视觉方案。毫末智行出自长城汽车，24年城市NOH有望落地百城。总结来看，纯视觉方案硬件成本低，高性价比方案价格降至千元级别。24年主

4、机厂销量目标整体增幅明显，智驾上车或迎来机遇。建议关注：建议关注：德赛西威、经纬恒润、光庭信息、中科创达、四维图新、均胜电子等。风险提示：风险提示：市场需求不及预期，智能驾驶技术发展不及预期，政策发布不及预期 华福证券30102030405智能驾驶持续渗透，NOA加速上车竞争激烈，性能成本系关键因素特斯拉领衔，主要智驾方案巡礼投资建议目 录CONTENTS风险提示 华福证券401 智能驾驶持续渗透，NOA加速上车目录 华福证券51.1 赛道前景：继电动化之后，智能化有望继续引领汽车行业变革资料来源：亿欧智库，华福证券研究所 2323年新能源汽车渗透率超年新能源汽车渗透率超30%30%，智能电动

5、汽车渗透率超，智能电动汽车渗透率超60%60%。在新能源汽车带领中国汽车产业向电动化转型的同时，更多智能化的功能量产上车，智能电动汽车的渗透率逐年提高。据亿欧智库测算，2022年中国智能电动汽车的销量已占新能源汽车的51.7%，2023年预计有望达到65.2%。到2025年，在新能源汽车近50%的汽车出行市场渗透率的基础上，智能电动汽车的销量将超1220万辆，占新能源汽车的80.1%。智能电动汽车将是未来中国车市的中坚力量。图：图：20中国新能源汽车销量、增长率和渗透率中国新能源汽车销量、增长率和渗透率图：图：20中国智能电动汽车销量

6、、增长率和渗透率中国智能电动汽车销量、增长率和渗透率 华福证券6资料来源：中国政府网，高工智能汽车研究院，车家号，车东西，华福证券研究所 L3L3测试有序推进：测试有序推进：2023年11月，四部委发布关于开展智能网联汽车准入和上路通行试点工作的通知，在智能网联汽车道路测试与示范应用工作基础上，四部委遴选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点；对取得准入的智能网联汽车产品，在限定区域内开展上路通行试点。NOANOA上车加速渗透：上车加速渗透：根据高工智能汽车研究院数据，2023年国内NOA前装标配渗透率为2.99%，2023年1月、12月单月为分别为1.81%、4.29

7、%。而根据高工智能汽车研究院预测，2024年国内NOA前装标配渗透率将达到10%。1.2 政策和市场：L3测试有序推进，NOA上车加速渗透序号序号汽车品牌汽车品牌时间时间测试地点测试地点L3L3牌照数量牌照数量1比亚迪2023年7月深圳12宝马2023年12月上海/3智己2023年12月上海/4奔驰2023年12月北京/5深蓝2023年12月重庆/6阿维塔2023年11月重庆/7极狐2023年11月北京/8问界2023年12月重庆、深圳119极越2024年3月/10广汽埃安2023年12月广州/图：图：20年前装标配年前装标配NOANOA渗透率单月变化渗透率单月变

8、化图：国内图：国内L3L3测试牌照发放情况测试牌照发放情况图：常见自动驾驶分级说明图：常见自动驾驶分级说明 华福证券71.3 行车域智驾功能迭代：基础L2 高速NOA 城区NOA NOANOA功能包括高速场景与城区场景，其功能实现是自动驾驶发展过程中的关键节点。功能包括高速场景与城区场景，其功能实现是自动驾驶发展过程中的关键节点。高速NOA功能是在高速公路辅助（HWA）的基础上配置高精地图，以实现自动上下匝道功能。城区NOA功能是在部分城市道路按照导航路径智能辅助驾驶，引导车辆抵达目的地，适用场景通常为城市内的非结构化道路，可实现横向和纵向的控制，是ACC、LKA、ALC和高精地图功能的集成。

9、20232023年成为城市年成为城市NOANOA落地“元年”，“基础落地“元年”，“基础L2 L2 高速高速NOA NOA 城区城区NOA”NOA”的功能迭代路线逐渐清晰。的功能迭代路线逐渐清晰。汽车行业发展至今，智能化能力已成为各家车企体现技术实力的核心方式，其中智能驾驶的能力至关重要。从最初的包括LKA、ACC等功能在内的基础L2辅助驾驶，到2022年的高速领航辅助驾驶（高速NOA），到2023年的城市内封闭道路领航辅助驾驶（城区NOA），车企们一直在追逐智驾能力的突破。随着2023年下半年部分车企城区NOA开城不断落地，2023年也被称为城市NOA落地“元年”，而“基础L2 高速NOA

10、城区NOA”的功能迭代路线也逐渐清晰。资料来源：亿欧智库，量子位智库，华福证券研究所行车域智驾行车域智驾对应等级常见智驾功能对应等级常见智驾功能基础L2级系统利用安装在车辆上的传感、通信、决策及执行等装置，实现辅助驾驶功能，包括LKA(车道保持辅助)、AEB(自动急制动)、ACC(自适应巡航)、LCC(车道居中辅助)、ALC(自动变道辅助)、HWA(高速驾驶辅助)等。高速NOA系统利用安装在车辆上的传感、通信、决策及执行等装置，在高速高架、环路、城市快速路等封闭或半封闭场景下实现智能驾驶，实现功能包括自主上下匝道、主动变道、主动超车等。城区NOA系统利用安装在车辆上的传感、通信、决策及执行等装

11、置，在城市开放路况下实现智能驾驶，可以实现无保护左转、无保护掉头、识别交通信号灯、主动变道、主动超车等功能，能够自主处理各类城市路况，能够处理日常交通场景中的车与车、车与人、车与其他交通参与要素交互。图：智能驾驶行车功能与配置进阶分析模型图：智能驾驶行车功能与配置进阶分析模型图：智驾功能迭代路线图：智驾功能迭代路线 华福证券81.4 泊车域智驾功能迭代：APA RPA HPA AVP 泊车域智驾功能迭代大致分为四个阶段。泊车域智驾功能迭代大致分为四个阶段。根据泊车时人为的参与程度，智能泊车发展分为自动泊APA、遥控泊车RPA、记忆泊车HPA、自主代客泊车AVP四个阶段，分别对应L2-L4级别的

12、低速自动驾驶。AVP是智能泊车发展的最终方案，也有望成为最早商业落地的L4级自动驾驶。泊车域产品不及行车域产品挑战难度大。泊车域产品不及行车域产品挑战难度大。泊车场景可以视为AI司机能力在相对简单环境、低速场景的应用，整体上是AI司机行车能力的降维释放。所以不论是前业内共识，还是技术开发现状，泊车域产品不及行车域产品挑战难度大，泊车域不重点论述。资料来源：量子位智库，盖世汽车，AI汽车制造业，华福证券研究所智能泊车智能泊车功能介绍功能介绍APA自动泊车系统APA可以对车辆进行横向和纵向控制，同时需要驾驶员在车内对车辆进行监控和有效接管，属于L2级泊车辅助系统，主要有纯超声波雷达和超声波雷达+摄

13、像头视觉融合两种方案，其中视觉融合方案FAPA约占70%，是目前市场上主流的自动泊车方案。RPA遥控泊车RPA在FAPA基础上增加了遥控的部分，车主可以在车外一定的视野范围内，通过手机APP或者遥控钥匙控制车辆泊入/泊出、直进/直出等自动召唤或泊车功能，适用于狭窄停车位。RPA搭载率仅次于APA，随着车机手机互联的普及，其搭载量将快速提升。HPA记忆泊车HPA在FAPA基础上可以更远的距离和更复杂的环境中自主泊入/泊出。HPA不需高精地图，利用车身传感器学习、记录并储存泊车路径，再次经过时系统将复现该路径，代替驾驶员完成一段距离的低速驾驶和泊车。HPA适用于高频、高重复性的泊车行为，如家庭私人

14、车位、单位固定停车场等。HPA自2022年开始逐渐少量上车，如小鹏P5、2023款KiWi EV等。AVP自主代客泊车AVP属于L4级别的自动驾驶，目前有单车智能、场端智能、车场协同三种技术路线，长远看车场协同为最优路线，将成为自主代客泊车的最终方案。AVP目前整体处于示范、测试阶段，相关技术待突破，供应商较少，单车智能方案以百度为代表，场端智能方案以博世为代表（已在德国少量停车场实现商业运营），车场协同方案以华为为代表。目前搭载AVP的车型极少，完整功能尚待释放，代表车型有2023年的奔驰S级和EQS、广汽AION V PLUS、极狐S HI版等。图：自动泊车系统发展历程图：自动泊车系统发展

15、历程图：常见智能泊车功能介绍图：常见智能泊车功能介绍 华福证券9 配备智驾功能的车企品牌梯次分布，“特斯拉配备智驾功能的车企品牌梯次分布，“特斯拉+部分新势力”领先。部分新势力”领先。根据我们的研究发现，国内量产车智能驾驶产品的实现以L2级智能驾驶为主流和起步。以此为依据，我们将国内智能驾驶格局划分为：正当代、次世代及领先代。同时，部分传统车厂未完全实现基础L2级功能，在当今格局下，已成为落后代。“特斯拉“特斯拉+部分新势力”部分新势力”坚定自研，传统大厂“自研坚定自研，传统大厂“自研+外采”外采”两条腿走路。两条腿走路。从智能驾驶产品提供方的角度，领先代和次世代的玩家又可以分为自研派、供应商

16、派和冗余派。冗余派的意思是车企既会采用和供应商合作的方案，又拥有自研团队，研发智能驾驶产品。以比亚迪为例，比亚迪会把智能驾驶能力切成不同功能点，比如泊车、行车都是单独功能。单功能的某个配置会成为一个单独招标项目，最后筛选 A 点、B 点两家供应商让其同时开发。部分供应商有软硬一体方案，如大疆车载和禾多还提供域控制器或传感器，但比亚迪可能会考虑其他选择，如只采购大疆车载的软件，再委托大疆在选择的域控制器上做优化。众多供应商会带来更大的沟通与协调成本，但未来替换供应商也更容易，背后意图或指向自研。资料来源：量子位智库，晚点Auto，华福证券研究所图：智驾技术能力可分为三级图：智驾技术能力可分为三级

17、图：智驾提供模式包括自研、外采、混合三种图：智驾提供模式包括自研、外采、混合三种1.5 智驾功能落地：技术能力梯次分布，“自研+外采+混合”共存 华福证券1002 竞争激烈，性能成本系关键因素 华福证券112.1 智驾方案竞争优势：性能和成本为关键影响因素智驾性能：智驾性能决定开城数量，算法、算力和数据三要素决定智驾性能。智驾性能：智驾性能决定开城数量，算法、算力和数据三要素决定智驾性能。智能驾驶是AI能力在量产车驾驶上的实现，AI性能取决于三大因素：算法，算力和数据。算法方面业内趋于致，开始实现BEV+Transformer大一统；算力层次相对分明。而在智能驾驶场景中，数据是AI模型不断迭代

18、优化的关键因素。智驾成本：智驾成本：NOA功能持续下探，方案成本愈发关键功能持续下探，方案成本愈发关键。智驾正成为越来越多消费者购车的主要考虑因素。小鹏G6智驾版本的订购比例超70%，问界新M7的10万辆大定中，智驾版本的订购率达到了60%。而新能源车价格竞争背后实则是成本竞争，结合目前的消费者认知和市场趋势，车企需要不遗余力地控制成本并提升智能驾驶能力。消费者追求的始终是具有性价比的高性能产品，车企如果为了降本而将智驾软硬件进行减配或改为选装，实际上是削弱了自家车型的竞争力。而那些全面搭载智驾方案，还能给到消费者一个大幅度降价的车企，在市场上保持较强竞争力。资料来源：汽车商业评论，盖世汽车，

19、夜半谈，量子位智库，华福证券研究所图：各玩家城市图：各玩家城市NOANOA进展进展图：各玩家城市图：各玩家城市NOANOA进展进展 华福证券122.2 算法：BEV+Transformer算法为主流趋势，优势在于全局视野资料来源：亿欧汽车，焉知汽车，亿欧智库，华福证券研究所 传统“传统“2D 直视图直视图+CNN”感知感知框架框架：路况感知信号由相机收集到的2D图像和雷达收集到的3D图像组成，不同感知结果通过 CNN（卷积神经网络）进行后融合，通过大量计算统一升维到3D状态下车机行驶的坐标系。不够精确、难以预测不够精确、难以预测：1）画面遮挡部分难以预测，矩形框标注损失细节；2）高度或深度方面

20、认知存在误差，坡度影响难以准确预测；3）感知与预测的连续性难以确认；4）时间与人力成本较高。BEV+Transformer 算法算法应运而生：应运而生：BEV（Birds Eye View）是指一种鸟瞰式的视角或坐标系，可以立体描述感知到的现实世界，也指将视觉信息由图像空间端到端地转换到BEV空间下的技术。Transformer作为一种新型神经网络架构，相比传统神经网络（如CNN），可以直接进行2D、3D不同序列之间的转换。Transformer采用交叉注意力机制，并行训练数据，在跨模态融合以及时序融合过程中，能够更加全面地在空间时序上建模。BEV使使信息展示更加全面，信息展示更加全面，Tra

21、nsformer使使感知结果更加连续、稳定感知结果更加连续、稳定，预测更可靠：预测更可靠：1）算法可以对被遮挡区域进行预测；2）异构数据进行特征级融合，减少层层处理以及先验规则带来的信息丢失；3）多模态数据特征在同一空间中融合，信息关联性更强；4）引入时序信息，感知结果更连续稳定；5）下游规控模块提取更高效；6）感知任务迭代更快，可实现端到端优化。应用于处理多类长尾场景应用于处理多类长尾场景，加速去高精地图：加速去高精地图：BEV+Transformer方案能够处理多种自动驾驶的corner case场景，比如感知复杂道路、应对恶劣天气和应对动态交通。将静态道路信息与动态道路参与方统一到了同一

22、个坐标系下，通过实时感知与转换，在行驶中即可实时生成“活地图“，意味着高精地图不再成为强需求。算法方面业内趋于一致算法方面业内趋于一致，开始实现开始实现BEV+Transformer的大一统：的大一统：国内车企在“鲶鱼”领头下纷纷加入跃上智驾龙门的队伍，具有一定研发实力与数据积淀的企业，纷纷自研BEV+Transformer方案，为原有方案脱胎换骨，一时间成果丰硕。图：图：BEV感知框架与传扬图像空间感知框架区别感知框架与传扬图像空间感知框架区别图：部分主机厂智驾大模型布局，图：部分主机厂智驾大模型布局，BEV+Transformer感知模型为主流趋势感知模型为主流趋势算法迭代：算法迭代：2D

23、直视图直视图+CNN BEV+TransformerBEV+Transformer+Occupancy 端到端端到端主机厂主机厂相关智驾大模型相关智驾大模型应用场景应用场景车型车型特斯拉端到端AI自动驾驶、WorldModel端到端自动驾驶、仿真地图生成Model S、Model 3、Model Y、Model X小鹏BEV+Transformer 侧重感知小鹏G6 Max、小鹏G9 Max、小鹏P7i Max理想BEV+Transformer、Occupancy侧重感知理想L7 Max、理想L8 Max、理想L9 Max蔚来BEV+Transformer侧重感知未公布华为系品牌BEV+Tra

24、nsformer、GOD网络侧重感知阿维塔11、问界M5智驾版、极狐阿尔法S全新Hi版上汽智己BEV+Transformer 侧重感知智己L7、智己LS7、智己LS6比亚迪BEV+Transformer 侧重感知汉 华福证券132.2 算法：端到端模型有望成共识，占用网络为算法导向感知更精确资料来源：亿欧汽车，Fangzh，HiEV大蒜粒车研所，汽车之心，华福证券研究所 基于基于BEV算法迭算法迭代为代为占用网络占用网络：BEV算法进一步迭代为Occupancy Networks（占用网络），更加直接地打造3D空间。有别于感知2D图像、提取像素（pixel）转化为3D特征，Occupancy

25、Networks直接感知3D空间中的体素（voxel），也就是将世界划分为多个大小一致的立方体，快速识别每个体素是否被占用，继而判断车辆是否要躲避。与与3D目标检测相比，占用网络目标检测相比，占用网络Occupancy Networks感知更高效、结果更精准感知更高效、结果更精准：1）更准确的描述物体的几何形状：对每一个体素进行预测，所以对目标的描述会更加的细粒度。2）可以预测数据集以外的目标类别：针对当前数据集中未见过的物体，也可以对所占据的栅格进行预测。端到端端到端发展框架有望成发展框架有望成共识共识：端到端自动驾驶不进行任务切分，希望直接输入传感器数据、输出驾驶决策（动作或者轨迹），从而

26、抛弃传统自动驾驶里的感知、预测、规划、控制等各类子任务。优势：优势：1）效果上不但系统更简单，还能实现全局最优。2）效率上由于任务更少、避免了大量重复处理，可以提高计算效率。3）数据收益不需要大量的人工策略、只需要采集足够多的优质驾驶数据来训练即可，可以通过规模化的方式（不断扩展数据）来不断提升系统的能力上限。算法迭代：算法迭代：2D直视图直视图+CNN BEV+TransformerBEV+Transformer+Occupancy 端到端端到端图：占用网络算法主体框架与步骤图：占用网络算法主体框架与步骤图：端到端模型架构图：端到端模型架构图：针对挖车中的力臂，图：针对挖车中的力臂，3D目标

27、检测算法只能给出挖车整体的轮廓框，但对于栅目标检测算法只能给出挖车整体的轮廓框，但对于栅格算法却可以更加细粒度的描述挖车具体的几何形状这类细节信息格算法却可以更加细粒度的描述挖车具体的几何形状这类细节信息 华福证券142.2 算法：智算中心为智驾提供新基建，加速发展智驾迭代 智算中心为智算中心为算力、数据和算法服务的供应和生产平台。算力、数据和算法服务的供应和生产平台。智能计算中心是基于最新人工智能理论，采用领先的人工智能计算架构，提供人工智能应用所需算力服务、数据服务和算法服务的公共算力新型基础设施。智算中心是自动驾驶迭代的加速器，优势在于促使成本降低、满足数据需求智算中心是自动驾驶迭代的加

28、速器，优势在于促使成本降低、满足数据需求。先从成本考量，自动驾驶不仅对车载算力提出了高要求，在完善策略的过程中，也需要更高性能的智算中心来完成训练、标注等工作；从需求的角度来看，自动驾驶的开发包括从数据采集到数据筛选、打标、模型训练、回放性验证、仿真测试等等，智算中心将在这几大环节中发挥重大作用。通过在海量数据基础上不断地重复训练与验证，车辆对道路环境的认知水平逐渐趋近于真实情景，判断的准确性在这一过程中不断提升。资料来源：科技新知，亿欧智库，华福证券研究所图：自动驾驶厂商超算中心建设布局情况图：自动驾驶厂商超算中心建设布局情况公司名称公司名称特斯拉特斯拉小鹏小鹏蔚来蔚来理想汽车理想汽车比亚迪

29、比亚迪上汽智己上汽智己吉利汽车吉利汽车长安汽车长安汽车毫末智行毫末智行百度百度商汤绝影商汤绝影企业类别主机厂主机厂主机厂主机厂主机厂主机厂主机厂主机厂Tier1Tier1Tier1超算中心Dojo超算中心扶摇“蔚来云”智算中心理想智算中心云辇智算中心云上数据超级工厂星睿智算中心-雪湖 绿洲昆仑芯智算中心阳泉智算中心AIDC发布时间2021.82022.82022.11原计划202303发布2023.42022.32023.12023.82023.12022.92022.122022.1算力(亿亿次/秒浮点运算)18060-75-81(预计2025年扩充到120)-6720400491合作云厂商

30、自建阿里云腾讯云火山引擎阿里云阿里云百度云火山引擎自建自建 华福证券152.3 算力：SoC芯片阶梯分布，英伟达、特斯拉引领中高端算力市场资料来源：电子发烧友网，HiEV大蒜粒车研所，佐思汽车研究，高工智能汽车，华福证券研究所 高阶智驾诞生系统级高阶智驾诞生系统级SoC芯片，取代分散化芯片，取代分散化MCU芯片。芯片。SoC芯片相较于只集成一个CPU处理器单元的MCU芯片，它创新性地集成了CPU、GPU、DSP、NPU等多个处理器，以及ASIC、存储、接口单元等组件，大幅提升了计算能力以及数据处理和传输的效率。自动驾驶SoC芯片通常被集成到一个摄像头模块或一个自动驾驶域控制器中，用于决策层，负

31、责来自感知层传感器的数据处理及融合，然后代替驾驶员做出驾驶决策。高于高于30TOPS中高算力市场仅占全球十分之一，高中低三阶分化中高算力市场仅占全球十分之一，高中低三阶分化。据不完全统计，2023年全年智驾L2等级及以上的SoC全球出货量超过6000万颗，最大的出货量依然来自Mobileye和瑞萨，占据市场超过80%的份额，但主要集中在前视一体机等低阶智驾功能，可以认为是传统L2 ADAS领域商业模式的延续。2023年中高算力智驾SoC的出货量全球为500多万片，仅占智驾SoC总量十分之一，占比较小；真正有较大出货量的中高算力SoC仅有英伟达的Orin系列/Xavier系列、Tesla的FSD

32、（HW3.0/4.0）、地平线的J5系列和华为的昇腾610系列，这四家占据了98%以上的市场份额，其中Tesla占比超过60%，其采取的硬件预埋策略贡献很大。英伟达引领第三方供应商高端算力市场，英伟达引领第三方供应商高端算力市场，2022年占据中国市场超年占据中国市场超8成。成。2022年在全球高算力（算力大于50Tops）自动驾驶SoC芯片领域，英伟达、地平线、黑芝麻智能、华为海思、高通这几家巨头占据全球94.7%的市场份额。在中国市场上，它们合计拿下94.6%的高算力自动驾驶SoC芯片市场份额。值得一提是，在这超94%的市场份额中，超8成被英伟达这一家企业拿走。图：图：2022年中国及全球

33、高算力年中国及全球高算力SoC出货量（出货量（按颗）按颗）排名排名图：智能驾驶芯片图：智能驾驶芯片TOP5厂家厂家型号型号AI算力算力TOPSint8存储带宽存储带宽(GB/s)CPU算力算力(KDMIPS)制造工艺制造工艺(纳米纳米)英伟达Thor2000TOPSFP84特斯拉二代FSD720TOPS（估计）7蔚来天玑NX9031600TOPS(估计)276（估计）6155安霸CV3-AD685750TOPS2242205百度昆仑芯2256TOPS512排名排名企业企业2022年在中国年在中国的的市场份额市场份额2022年在全球年在全球的市场份额的市场份额1英伟达81.6

34、%82.5%2地平线6.7%6.2%3黑芝麻智能5.2%4.8%4华为海思0.7%0.7%5高通0.4%0.5%合计94.60%94.70%排名排名供应商供应商2023年市场份额年市场份额1英伟达48.99%2地平线35.49%3华为海思7.99%4德州仪器3.82%5Mobileye3.71%图：图：2023年中国年中国市场乘用车标配市场乘用车标配NOA计算方案市场份额计算方案市场份额 华福证券16资料来源：亿欧智库，量子位智库，华福证券研究所 量产量产车车的的数量影响数据产生和迭代，数量影响数据产生和迭代，需要足够多的数据传感器：需要足够多的数据传感器：更多的智能车销量或智能方案生产数量，

35、意味着更多的数据积累。传感器传感器方案标准化，实现更强数据效率和质量方案标准化，实现更强数据效率和质量:如果所有的量产车都是一套标准传感器方案，数据质量、处理效率，无疑比多套传感器方案对于技术迭代有更强的推动作用。由于不同传感器方案会使用不同的数据格式和处理算法，从而需要更多流程进行数据转换和统一，使用相同规格的传感器方案能帮助提高智能驾驶能 力迭代效率。同时，传感器方案数量越少，已经实现的能力等级越高，就意味着智能驾驶技术能力越强。可免费使用的智能驾驶产品，也有助于数据反馈和技术迭代：可免费使用的智能驾驶产品，也有助于数据反馈和技术迭代：只有在实际道路环境下、真实驾驶数据越多，遇到的Corn

36、er Case越多，智能驾驶系统的能力才更有可能向上迭代。现阶段绝大多数用户依然只接受免费权益，表示不会为其付费。对于愿意付费的用户，“单次付费，永久使用”的方式更易被接受，因此“软件持续收费”的模式，虽然由来已久，但目前仍未被市场所接受。2.4 数据：量产车数量、传感器标准化程度、商业模式为关键要素图：高速、城市图：高速、城市NOA功能付费模式接受意愿功能付费模式接受意愿图：图：2023年部分已实现或即将实现高速年部分已实现或即将实现高速NOA功能的车型感知配置功能的车型感知配置品牌品牌车型车型感知硬件配置方案感知硬件配置方案飞凡飞凡 R71L 12V 6R 12U 2成像智己智已 LS7智

37、己 L72L 11V 5R 12U12V 5R 12U岚图FREE13V 5R 12U上汽荣威第三代RX510V 3R 12U蔚来ET7ES7ET51L 11V 5R 12U1L 11V 5R 12U1L 11V 5R 12U理想L8 ProL9 pro10V 5R 12U10V 5R 12U小鹏G6G92L 12V 5R 12U2L 12V 5R 12U长安深蓝深蓝SL0310V 12U 5成像阿维塔阿维塔113L 13V 6R 12U问界问界M5智驾版1L 11V 3R 12U注：V代表摄像头；R代表毫米波雷达；U代表超声波雷达；L代表激光雷达 华福证券172.5 成本：包括成本在内的多因

38、素推动高精地图向轻地图迭代资料来源：九章智驾，智能汽车与智慧城市协同发展联盟，泰伯网，华福证券研究所“轻量化”地图将成为智能网联汽车应用的趋势：“轻量化”地图将成为智能网联汽车应用的趋势：中国智能网联汽车产业创新联盟发布的智能网联汽车高精地图白皮书提到，分米级地图的测绘成本为每公里10元左右，而厘米级地图的测绘成本可达每公里千元。”去高精地图”是必然趋势，繁重的高精地图不仅无法适应高速发展的自动驾驶需求，更是成为主机厂与图商无法承担的高额成本。但是实时感知无法获取的“先验信息”也成为了“地图”的保命符。基于导航地图和各家需求的地图要素绘制出的SD Pro地图或许是长久的地图存在形式。“轻量化”

39、地图使图商降低了高精地图要素采集、制作、更新的成本和周期，也使车企避免因购买多余的数据产生不必要的成本，降低了对高精地图的依赖。相比“重地图”方案更易覆盖城市道路、停车场等全场景，也可以满足智能网联汽车量产向更多更大规模的城市拓展的需求。图：不同精度地图对比图：不同精度地图对比图：部分主机厂图：部分主机厂/供应商高精度地图替代方案供应商高精度地图替代方案序号序号主体主体替代方案替代方案1小鹏使用Xnet深度视觉感知神经网络，实时生成3D高精地图。2理想通过NPN特征和TIN网络，配合BEV大模型，能够准确识别城市中的复杂路口和信号灯通行意图，从而实现去高精地图的能力。3华为已实现基于Trans

40、former的BEV架构，ADS2.0进一步升级，基于道路拓扑推理网络进一步增强，即使无高精地图也能看懂路，红绿灯等各种道路元素，使得无图也能开。4百度使用纯视觉感知，同时辅以激光雷达，实现“纯视觉+激光雷达的感知冗余，以提供连贯的城市驾驶;使用的“轻量级高精地图”方案比行业通用的传统高精地图要“轻”近80%。5元戎启行发布不依赖高精地图的新一代自动驾驶方案DeepRoute-Driver3.0。6小马智行通过感知模块、预测模块等所有模块的提升不强依赖高精地图 华福证券182.5 成本：纯视觉与多模态融合两条路线并行，数据处理是关键 纯视觉感知技术与多传感器融合技术并行。纯视觉感知技术与多传感

41、器融合技术并行。从感知角度来划分，目前高阶智能驾驶领域分为两派，一派为特斯拉和Mobileye坚持的纯视觉感知技术路线，其余则大多选择多传感器融合的技术路线。纯视觉感知方案只需将摄像头收集到的图像数据进行特征提取、处理、转化为3D数据；而多传感器融合的方案采用摄像头与激光雷达相结合，通过多种工作原理提升感知精度，也能在某一设备失效的情况下起到冗余的安全防护作用。但多传感器方案中，不同工作原理下，传感器收集到的数据类型、所处坐标系都不同，摄像头收集到的视觉数据属于2D图像空间，激光雷达获得的点云数据属于3D空间，处理与融合这些数据的策略及路径成为有效保留数据信息的关键。具体来讲，基于融合的不同位

42、置，可以分为前、中、后融合三种方式，三种方式分别发生在数据处理的不同阶段，在信息保留、算力使用、通信速率等多方面也具有不同特征。资料来源：亿欧汽车，亿欧智库，华福证券研究所方式方式定义定义融合特征融合特征后融合在BEV大范围应用前，最常用的是后融合方案，也称为“目标级融合”。后融合方案中，不同传感器获得的数据通过不同网络算法独立处理，处理后得到各自的目标数据，再将目标数据在决策层由主处理器进行融合。整体更易解耦，既易于整车厂自主研发，也便于Tier 1按照下游需求进行模块化定制。但是，正是由于后融合方式是基于规则处理的，因而存在“从结果反推过程”的先验式思路，不仅会造成信息损耗、成本升高，也难

43、以突破当下认知局限。前融合也称为“数据级融合”。前融合方案将融合步骤前置，所有传感器的识别结果连同其他自动驾驶所需数据，统一融合到为一整组数据，再将融合后的所有数据依据目标进行感知。前融合方案下，相当于不同的传感器组合为一个更加超级、多能的传感器，既能看图、又能探测，感知算法无需区分数据来源与类型，直接进行综合处理。更加类似于人眼到大脑的工作方式，将所有数据整体分析，增强了数据关联性，也减少了信息丢失。但与此同时，异构数据的融合对于算法也有着极大的考验。首先庞大的数据量对于存储能力、算力都有较高要求，而且由于坐标系的不同，不同数据间的转换效率和效果也需要不同的算法逻辑来实现。中融合目前业内更青

44、睐中融合方案，即“特征级融合”，这一方案也更适合BEV视角。相较于前、后融合，中融合将特征提取置于融合之前，但将数据感知置于融合之后。换言之，中融合方案先通过神经网络提取数据有效特征，将有效特征与BEV空间特征相融合，最终输出BEV视角下的整套数据，用于决策层的感知和输出。中融合方案中，数据处理更直接，信息损耗更少，相应地，算力需求也一定程度降低，研发重点来到了神经网络模型的更新上。随着深度学习的发展，Transformer的应用突破了过往算法依赖人为规则所带来的认知局限和逻辑上的反复。图：多传感器感知技术图：多传感器感知技术图：纯视觉感知技术图：纯视觉感知技术 华福证券192.5 成本：现阶

45、段激光雷达不可或缺，业内探寻激光雷达降本方式资料来源：汽车之心，首席智行官，亿欧智库，速腾聚创科技有限公司招股说明书，华福证券研究所 激光雷达为必备传感器，但成本高昂成为压力。激光雷达为必备传感器，但成本高昂成为压力。激光雷达拥有比摄像头更多的深度信息，且不受光照影响，拥有比毫米波雷达、超声波雷达更高的分辨率，直接输出物理世界 3D 点云，大幅度提高了整车的感知能力，能够为智能驾驶提供更深一层的安全冗余。然而，自特斯拉开启降价潮以来，随着国内车企纷纷跟进，成本压力迅速传导到位于产业链上游的智驾供应商：中高端车型开始减配激光雷达，例如华为 ADS 2.0 相较 ADS 1.0，只采用了 1 颗激

46、光雷达而非 3 颗。相比之下纯视觉具备明显成本优势，根据半导体公司安森美公布的数据，L2级自动驾驶每辆车摄像头总成本为40美元，L3级自动驾驶每辆车摄像头成本也只是185美元。业内探寻激光雷达降本方式。业内探寻激光雷达降本方式。1）大规模量产实现降本：通过迅速上量，摊薄各项成本，2022 年禾赛总共交付超 6 万台 ADAS 激光雷达，通过大规模的量产，分摊了高昂的研发成本和生产成本，进而拉动产品价格下降。2）利用芯片化设计指数级降低成本：通过把数百个激光收发通道集成到几颗分别负责发送和接收的芯片上，不仅大幅减少元器件数量、简化供应链，在装配上由于能够自动化完成，还省去了人力调试，由此使得物料

47、成本、调试成本、芯片成本均降低。3）“平台化”激光雷达降成本：“北醒应龙”激光雷达平台通过更优的扫描技术，使用更少的收发器件来实现更强的产品性能。同时，其模块化设计可以有效地降低产品性能升级时所产生的研发人力和时间成本，也可以缩短装调时间，降低后段的不良率，真正兼顾了成本和可升级性。图：不同传感器参数对比图：不同传感器参数对比图：激光雷达降本技术图：激光雷达降本技术 华福证券2003 特斯拉领衔，主要厂商方案巡礼 华福证券21阶段阶段基础摸索阶段基础摸索阶段过渡发展阶段过渡发展阶段自研创新阶段自研创新阶段发布时间发布时间2014 年 10 月2015年10月2016年10月2018年2019年

48、2021年2023年2023年2月重要软硬件版本重要软硬件版本Autopilot Hardware 1.0特斯拉V7.0Autopilot Hardware 2.0FSD V9.0Autopilot Hardware 3.0FSD Beta V9.0Autopilot Hardware 4.0FSD Beta V11.3主要事件主要事件开启道路偏离警告和速度提示、自适应定速巡航系统以及前方碰撞预警、自动紧急刹车和盲点预警开启自动方向盘接管，侧方位碰撞躲避和一字位自动停车，真正意义上实现了自动辅助驾驶功能AEB、防碰撞预警、车道保持、自适应巡航等功能缺失，V8.1版本重新追上HW1.0可实现高速

49、/城际公路场景自动驾驶实现包括自动泊车、自动辅助变道、智能召唤等智能驾驶功能采用纯视觉方案，不依靠雷达；能够应对奇怪的极端情况和恶劣的天气支持自动辅助导航驾驶、自动辅助转向、自动紧急制动、侧撞预警、前撞预警、自动远光灯等功能。支持在高速公路上启用 FSD Beta，统一了高速和非高速的视觉和规控技术栈。软件算法软件算法2D+CNNHydraNet,BEV+Transformer占用网络,端到端标注形式标注形式人工标注自动标注处理器处理器Mobileye EyeQ3英伟达DRIVE PX2 AutoCruise自研FSD芯片自研FSD 2.0芯片云端算力云端算力/建立Dojo超算中心图：图：特斯

50、拉自动驾驶历史演进分为基础摸索阶段（特斯拉自动驾驶历史演进分为基础摸索阶段（2016年以前），过渡发展阶段（年以前），过渡发展阶段（2016年年-2019年），自研创新阶段（年），自研创新阶段（2019年至今）年至今）资料来源：汽车之心，IT之家，36氪，华福证券研究所3.1 特斯拉自动驾驶历经十余年迭代，从探索开荒到自研引领创新 华福证券22最新最新FSD V12.3迎来推送，迎来推送，V12转向端到端网络。转向端到端网络。3 月 17 日消息，特斯拉的FSD Beta版12正式迎来新版本推送，此次推送的FSD Beta V12.3面向美国的部分用户开放。本次推送似乎涵盖了美国所有拥有FSD

51、 Beta测试资格的车辆，此前该版本已经推送给内部员工和配备 HW4 的特别测试组。一些用户指出，新版本在舒适完成 U 型转弯和低可见度路况行驶方面取得了显著进步，这得益于V12版本转向了“端到端神经网络”控制车辆的方式。瑕不掩瑜，瑕不掩瑜，FSD Beta V12.3实测令人印象深刻。实测令人印象深刻。有车主说自己今天用V12.3进行了6次拼车，没有一个乘客意识到车辆在“自己开自己”，并且零接管、零脱离。还有车主表示，原来自己在所在的社区从不用FSD Beta V11，因为经常出错，但是FSD Beta V12.3让他体验到了有史以来第一次“零接管”，而且系统在很多情况下都像人类，比如等待单

52、车道上左转的车辆，或者马路中停下的送货车。图：更新图：更新FSD Beta V12.3图：涵盖美国所有拥有图：涵盖美国所有拥有FSD Beta测试资格的车辆测试资格的车辆资料来源：IT之家，智能车参考，华福证券研究所3.1.1 新版本V12.3登场，FSD引领技术革新 华福证券232020年年-引入引入BEV+Transformer：2020 年引入的 BEV+Transfomer 架构，过去自动驾驶依靠2D 图像+CNN是不太可能实现全自动驾驶。感知能力更加精确。感知能力更加精确。基于Transformer的BEV感知技术，可以将车道线等道路几何信息以及人、车等动态目标全都统一到一个坐标系下

53、，便于车辆更加准确地对道路情况进行判断。2021年年-引入引入HydraNet：2021年，特斯拉构建了多任务学习神经网络架构HydraNet，并使用了特征提取网络BiFPN。HydraNet 结构能够完成多头任务，而非此前的单一检测。算法效率得到提升。算法效率得到提升。相较于此前算法，HydraNet 能够减少重复的卷积计算，减少主干网络计算数量，还能够将特定任务从主干中解耦出来，进行单独微调。2022年年-引入占用网络：引入占用网络：2022年底的AI DAY上进一步得到了强化，特斯拉将BEV升级到了占用网络（occupancy network），进一步提升了泛化能力。判断极端事件更精确。

54、判断极端事件更精确。特斯拉可以无需再纠结物体具体是什么，而只考虑体素是否被占用，就可以判断到底要不要躲避，有助于更好化解一些辅助驾驶中的Corner case（极端事件）。2023/2024年年-过渡到端到端大模型：过渡到端到端大模型：2024 年1月下旬，特斯拉面向普通用户正式推送了FSD V12的测试版本。FSD V12将城市街道驾驶的软件栈升级为单一的端到端神经网络，该网络经过数百万个视频片段的训练，替代了超过30万行C+代码。实现输入到输出的实现输入到输出的大模型思维大模型思维。FSD V12是一个端到端AI，它能够输入图像，然后从输出转向、加速、刹车灯动作。特斯拉对于AI的探索已经进

55、入通过单一基础视频网络来直接驾驶汽车从技术范式上来说，通过端到端的算法变革，特斯拉已经整体上转向类似于 OpenAI 旗下 GPT 这样的大模型思维。图：特斯拉图：特斯拉HydraNet模型结构模型结构资料来源：数智前线，汽车之心，42号车库，特斯拉AI Day，华福证券研究所图：端到端算法示意图图：端到端算法示意图3.1.2 算法端：特斯拉采用端到端大模型，引领算法时代 华福证券24HW硬硬件不断更迭，逐步走向自研道路。件不断更迭，逐步走向自研道路。HW1.0阶段特斯拉的主要工作是多传感器融合+应用层软件开发。HW2.0阶段特斯拉掌握图像识别算法+多传感器融合+应用层软件开发。HW2.5是对

56、HW2.0的一个小版本更新，主要用于冗余和略微提高的可靠性。HW3.0特斯拉驾驶辅助硬件的重大革新，首次采用自研的自动驾驶芯片，具备全套芯片设计+图像识别算法+多传感器融合+应用层软件开发。HW4.0全面提升，处理数据、影像能力提升。全面提升，处理数据、影像能力提升。HW4.0的摄像头像素从120万像素提升到500万像素，虽然前摄像头从三目变成双目，总体摄像头数量从8个减少到7个，但是视觉最大探测距离从250米变为424米，系统可以看得更远更清楚。芯片算力是原来的5倍，从HW3.0的144TOPS提升到HW4.0的720TOPS，CPU内核也从12个上升到20个，以帮助快速处理图像信息。同时，

57、为了让图像大数据传输更快，CPU内存从LPDDR4升级到GDDR6。硬件类型硬件类型HW 1.0HW 2.0HW 2.5HW 3.0HW 4.0时间时间200192023摄像头摄像头1个前视摄像头8个摄像头8个摄像头8个摄像头7个摄像头毫米波雷达毫米波雷达前向毫米波雷达（博世）前向毫米波雷达（博世）前向毫米波雷达（大陆）前向毫米波雷达（大陆）Phoenix高精度雷达超声波雷达超声波雷达12个12个12个12个0核心处理器核心处理器Mobileye EyeQ31-英伟达Parker Soc 1-英伟达Pacal GPU 1-英飞凌3核CPU2-英伟达Parker Soc 1

58、-英伟达Pacal GPU1-英飞凌3核 CPU2-特斯拉自研FSD芯片2-特斯拉自研FSD 2.0芯片TOPS0.2561212144720搭载车型搭载车型2014年Model S/X2016年Model S/X2017年Model S/X/32019年Model S/X/3（少数为HW2.5)2023/2024年Model S/X/Y/3电源电源单电源冗余电源图：特斯拉硬件配置迭代变化图：特斯拉硬件配置迭代变化资料来源：智能汽车开发者平台，车市物语，汽车之心，赛博汽车，红网，华福证券研究所3.1.2 算法端：特斯拉Hardware硬件迭代，HW4.0全面提升 华福证券25Dojo超算不断发

59、展，建立超算不断发展，建立FSD更新迭代基础。更新迭代基础。Dojo是特斯拉为人工智能机器学习和计算机视觉训练目的而开发的超级计算机。Dojo在2021年8月的特斯拉AI日上首次公开，Dojo的设计初衷是为了处理大量的视频数据，加速特斯拉的 Autopilot 和完全自动驾驶（FSD）系统的迭代。2023年7月，马斯克在公司财报会议上称Dojo已开始投产，用于训练自动驾驶汽车的人工智能模型，正在考虑向其它汽车厂商授权其FSD硬件和软件，并计划到2024年在Dojo上投入超过10亿美元。根据特斯拉2023年在6月发布的算力发展规划，将在2024年10月达到100EFlops算力。2024年1月，

60、马斯克在X平台上表示，特斯拉计划在 Dojo 超级电脑上投入巨额资金，在纽约超级工厂（Gigafactory）启动5亿美元新项目。以节点、芯片和训练模块为核心组建以节点、芯片和训练模块为核心组建Dojo超算超算集群，最终高达集群，最终高达1.1EPlops。芯片上承载了最小的计算元素被称为训练节点，训练节点的算力在BF16/CFP8数据格式下，为1024GFLOPS，在精度更高的FP32格式下，浮点运算性能达到64GFLOS。354个这样的训练节点连接到一起，构成计算阵列（compute array），便在逻辑上构成了一个D1芯片。基于D1芯片，特斯拉在系统层面设计了训练模块（Training

61、 Tile），训练模块就是Dojo超算的基本构成单位。一个完整的训练模块上集成了25个D1芯片，一个训练模块BF16/CFP8精度下的浮点算力总算力为9PFLOPS。然后120个训练模块共同构成ExaPOD，即特斯拉Dojo超算的最终硬件形态，其总算力在BF16精度下达1.1EPlops。资料来源：极客公园，36氪，芯智讯，陈巍谈芯，华福证券研究所图：特斯拉算力单元的层级划分图：特斯拉算力单元的层级划分图：图：Dojo模组与模组与Dojo POD机柜机柜3.1.2 算法端：Dojo逐步壮大，集群ExaPOD机柜算力高达1.1EPlops 华福证券26从外购主控芯片到自研从外购主控芯片到自研FS

62、D芯片。芯片。2014年2016年，特斯拉配备的是基于Mobileye EyeQ3芯片的AutoPilot HW1.0计算平台。2016年2019年，特斯拉采用基于英伟达的DRIVE PX 2 AI计算平台的AutoPilot HW2.0和后续的AutoPilot HW2.5。2017年开始特斯拉开始启动自研主控芯片，尤其是主控芯片中的神经网络算法和AI处理单元全部自己完成。2019年4月，AutoPilot HW3.0平台搭载了Tesla FSD自研版本的主控芯片，这款自动驾驶主控芯片拥有高达60亿的晶体管，每秒可完成144万亿次的计算，能同时处理每秒2300帧的图像。FSD 2.0芯片算力

63、上增加芯片算力上增加5倍，提升到倍，提升到720TOPS。特斯拉第二代FSD芯片自2023年2月开始在汽车上发货，该芯片的设计与第一代芯片非常相似。第一代基于三星的14nm工艺，围绕三个四核集群构建，共有12个Arm Cortex-A72核心在2.2 GHz主频下运行。在第二代设计中，特斯拉将CPU内核数量增加到了五个4核集群（20个），总共有20个Cortex-A72内核。第二代FSD芯片最重要的部分是三个NPU核心。三个核心使用32MB的SRAM，每个用于存储模型权重和激活。硬件类型硬件类型HW 1.0HW 2.0HW 2.5HW 3.0HW 4.0芯片芯片Mobileye EyeQ31-

64、英伟达Parker Soc 1-英伟达Pacal GPU 1-英飞凌3核CPU2-英伟达Parker Soc 1-英伟达Pacal GPU1-英飞凌3核CPU2-FSD芯片2-FSD 2.0芯片芯片研发商芯片研发商Mobileye英伟达、英飞凌英伟达、英飞凌特斯拉自研特斯拉自研芯片制造商及工芯片制造商及工艺艺/三星代工 14nm制造三星代工 7nm制造TOPSTOPS0.2561212144720FPSFPS361101102300/ROMROM256兆字节6GB8GB8GB*2/处理能力处理能力1倍40倍40倍带冗余420倍带冗余/资料来源：阿宝1990，芯智讯，汽车之心，车市物语，智能汽车

65、开发平台，华福证券研究所3.1.3 算力端：外购芯片走向FSD自研芯片，算力处理能力大幅上升图：特斯拉不同芯片性能迭代图：特斯拉不同芯片性能迭代 华福证券27数据采集：影子模式采集高价值数据：数据采集：影子模式采集高价值数据：2019年4月，特斯拉首次发布“影子模式”（shadow mode），这是一种全新的车端数据触发采集方式。影子模式运行在车辆后台，但不参与控车，通过对模型的结果数据与驾驶员的行为数据分析，从而判断自动驾驶模型的“短板”，并上传对应的数据到云端。特斯拉的影子模式支持量产车上运行并采集数据，等同于将自己卖出的每一辆车，都能够化身为“数采车”，充分发挥量产车覆盖场景广、成本低的

66、优势。FSD Beta累计里程大幅增加为数据采集提供基础：累计里程大幅增加为数据采集提供基础：在2023年第四季度财报电话会议上，马斯克透露，目前北美有40万辆电动汽车可以使用特斯拉的FSD Beta软件，而2023年初的时候马斯克透露有28.5万订阅了FSD，增长率超过销售增长率。自2021年3月以来，特斯拉已行驶了约7.5亿英里。最近三个月内增加了约 2.25 亿英里。数据标注：数据标注：4D标注标注+自动标注技术自动标注技术：在BEV感知兴起之前，2D标注由专业的标注人员通过特定的工具在图像上进行绘制而完成的，这种方式非常直接，但是其标注效率低、人力成本高。随着BEV感知技术的兴起，4D

67、标注技术应运而生，其用于标注具有时序的3D数据，即4D标注=3D标注+时序。4D标注不仅需要标注3D空间中的静态目标，还需要标注具有时序信息的动态目标，它是一项为输出3D空间中具有时序信息的任务提供真值的技术。2020年，特斯拉研发并使用了数据自动标注系统。特斯拉采用人机合作的标注方式，既有人工标注，也有机器标注，机器标注效率更高，通过高效率标注，让现实世界中的时空片段转化为可用数据，使得 FSD 更加智能和高效。特斯拉的AI团队开发自动化的标注工具可在行驶时实时地对道路、交通参与者以及障碍物等进行标注、重建，基于完整的高质量数据集去训练新的神经网络去处理车前摄像头出现雪花导致其视线无法看清前

68、车等复杂场景。仿真数据：场景仿真理解复杂动态驾驶场景，保证安全性：仿真数据：场景仿真理解复杂动态驾驶场景，保证安全性：特斯拉依靠过去收集到的数据，仿真出全新的、自带标注的场景以供训练。现实场景的复杂程度超乎想象，比如场景非常罕见以至于几乎收集不到（例：高速上人车狗同时飞奔），或者是场景复杂程度超过自动化工具能力（例：一条街上塞了重重叠叠的几十上百号人）。特斯拉特斯拉自动驾驶的数据闭环体系：数据采集自动驾驶的数据闭环体系：数据采集 搭建数据集搭建数据集 自动自动+人工标注人工标注 送入模型训练送入模型训练 量化部署到车端上量化部署到车端上3.1.4 数据端：数据采集、标注和模拟构建特斯拉数据闭环

69、体系资料来源：OpenDriveLab，智协慧同EXCEEDDATA，Vehicle，深蓝AI，奥米实验室，汽车之心，特斯拉官网，特斯拉AI Day，华福证券研究所图：特斯拉截止至图：特斯拉截止至2023Q42023Q4累计里程数累计里程数图：特斯拉图：特斯拉4D4D标注演示标注演示 华福证券28FSD分三种版本层次，国内仅限选装：分三种版本层次，国内仅限选装：目前，特斯拉提供的智能驾驶功能分为AP（Autopilot）标配版本，EAP（Enhanced Autopilot）增强自动辅助驾驶，以及顶配的FSD。其中基础版和增强版在国内销售的车型已经落地。FSD目前只在北美地区（美国和加拿大）推

70、出，国内仅限于付费选装。付费模式同样推动付费模式同样推动FSD技术进步：技术进步：特斯拉一直以智能化拉动其电动化，通过免费为用户提供基础版Autopilot服务，获取大量的用户驾驶数据和环境信息，用于其自动驾驶模式算法的测试和迭代，再反哺技术进步，形成完整的数据闭环。汽车销量不断增加，量产车形成数据规模优势：汽车销量不断增加，量产车形成数据规模优势：2023年，特斯拉在全球范围内共计生产电动车1,845,985辆，交付1,808,581辆，分别同比增长约35%、38%，蝉联全球纯电动车交付量榜单冠军。其中，Model Y销量超过120万辆，夺得2023年全球乘用车销量冠军，这也是电动汽车单车销

71、量首次超过燃油汽车。版本名称版本名称主要功能主要功能国内售价国内售价美国售价美国售价付费装配付费装配付费订阅付费订阅付费装配付费装配基础版基础版APAP主动巡航控制、自动辅助转向等/增强版增强版EAPEAP自动辅助导航驾驶、大灯自动变道、智能召唤和自动泊车32000/$6000顶配版顶配版FSDFSD城市NOA、识别交通信号灯和停车标志并作出反应等64000AP升级：$199/月EAP：$99/月$44256296667056887436750049955093695058104000

72、008000000002000000200222023Model 3/YModel X/S总销量图：特斯拉付费版本功能及价格图：特斯拉付费版本功能及价格图：特斯拉不同车型销量数据（辆）图：特斯拉不同车型销量数据（辆）资料来源：第一风口，中国汽车报，汽车商业评论，特斯拉官网，汽车吴论，Tridens Technology，华福证券研究所3.1.4 数据端：量产车为数据获取提供来源，形成数据规模优势 华福证券29硬件标准化方案能帮助提高自动驾驶迭代效率，传感器性能不断提高：硬件标准化方案能帮助提高自动驾驶迭代效率，传感器性能不断提高：特斯拉在自动辅助驾驶

73、方面的一个特殊之处在于不论是基础版辅助驾驶，还是增强版辅助驾驶，亦或是未来的完全自动驾驶，它们的硬件配置都一样，不一样的方面就在于软件配置。特斯拉车辆若想要增强版辅助驾驶或是完全自动驾驶功能，可直接购买软件不需要额外加装硬件。HW4.0摄像头从上一代的8个120万像素，变成7个500万像素，成像从2D变为3D，最大探测距离来到424米。特斯拉硬件配置具备成本优势：特斯拉硬件配置具备成本优势：特斯拉HW3.0的全套硬件成本大概在1万元，其中8颗130万像素摄像头的成本可能不会超过1千元，而头部新势力们目前所使用的这些硬件成本，大多在4万-7万元间。HW4.0包括1个高分辨率毫米波雷达（估计BOM

74、成本120美元）、11个摄像头模组（估计BOM成本240美元）、1个计算盒子（单智能驾驶部分，估计BOM成本1075-1605美元）。合计BOM成本大约1500-2100美元。硬件类型硬件类型HW 1.0HW 2.0HW 2.5HW 3.0前置摄像头前置摄像头1个长焦：250米；中焦：150米；广角60米侧前摄像头侧前摄像头02个80米侧后摄像头侧后摄像头02个100米后置摄像头后置摄像头1个倒车用1个50米毫米波雷达毫米波雷达1个 160米1个 170米超声波雷达超声波雷达Lidar*12(5米）Lidar*12(8米）图：特斯拉硬件传感器配置参数图：特斯拉硬件传感器配置参数资料来源：汽车吴

75、论，车市物语，路咖社，感知芯视界，智能汽车开发者平台，华福证券研究所图：特斯拉各摄像头探测范围图：特斯拉各摄像头探测范围3.1.4 数据端：硬件配置标准化，减少数据转换，提高迭代效率 华福证券30建立本地数据中心推动特斯拉在华布局：建立本地数据中心推动特斯拉在华布局：2023年5月12日，上海市经信委智能制造推进处副处长陈可乐表示：下阶段，上海将进一步深化与特斯拉的合作，推动自动驾驶、机器人等功能板块在沪布局，共同打造具备核心技术优势、面向全球市场的科技产业集群。2023年11月份，随着四部委联合印发通知部署开展智能网联汽车准入、上路通行试点工作，特斯拉FSD也被认为进入倒计时阶段。特斯拉公司

76、已在中国建立数据中心，以实现数据存储的本地化，所有在中国大陆市场销售车辆所产生的数据，都会存储在中国境内，特斯拉公司为首批参与合规试点的企业。据36氪报道初期特斯拉计划组建一个20人左右的本地运营团队，以推动FSD在中国市场落地。与此同时，特斯拉还在中国尝试成立一个数据标注团队，规模约上百人。3.1.5 展望：FSD入华步伐加速，政策或成关键影响因素仍需明确相关测绘资质政策落地，建立本地超算中心支撑海量数据：仍需明确相关测绘资质政策落地，建立本地超算中心支撑海量数据：中国是对测绘资质有严格限制的国家，企业要采集、储存地图数据，必须拥有测绘资质。而智能驾驶系统，无论是否使用了高精地图，实际都属于

77、测绘。对于支持城市场景的FSD来说，虽然号称不依赖高精地图，但是面对城市复杂路口和衔接点，仍需要比较高精度地图的信息辅助，这说明还是要有测绘资质的图商支持。FSD想要在国内使用，不仅要在本地采集存储，还要自建超算中心。国内道路环境、交通规则与美国并不相同，甚至不同城市间都有不小差异，美国版本的FSD无法直接拿来使用，行驶数据对国内价值也比较有限。FSD想要变得可靠，还需要大量且长期的真实数据支撑。图：相关政策法规发布图：相关政策法规发布图：图：OTA中更新了一项允许收集中更新了一项允许收集AP数据的选项数据的选项资料来源：工业和信息化部，智电行星，汽车要闻，首席智行官，华福证券研究所 华福证券

78、31零部件供应模式提供多种部件，华为逐步弱化模式转移重心：零部件供应模式提供多种部件，华为逐步弱化模式转移重心：华为入局造车就成为了许多车企的一级供应商，为它们提供智能化解决方案，甚至包括电机零部件。除了给车企供货，华为还会作为二级供应商，为自动驾驶公司提供计算平台和底层软件。2022年华为车BU收入约20亿元，2023年上半年收入约10亿元，基本没有增长，难以覆盖每年超过100亿元的投入成本。因此华为逐步弱化零部件供应模式，更加重视HI模式和智选车模式，并且通过升级HI模式和智选车模式，实现逐步扭亏的目标。HI模式与车企联合开发，提供解决方案：模式与车企联合开发，提供解决方案：华为HI模式（

79、Huawei Inside），是华为与车企共同定义、联合开发智能汽车的一种合作模式。在此模式下，华为会将一整套包括华为自研的智能驾驶系统、座舱系统、域控制器、芯片、电机、各类传感器等集成到智能汽车里，与车企深度配合。总之，HI模式是华为与车企联合开发，华为提供全栈解决方案帮助车企造车，但最终主导权还是在车企。2023年底华为改变策略，将汽车BU与车企合资，实现利益绑定。智选车模式华为主导决策，“含华量”最高：智选车模式华为主导决策，“含华量”最高：智选车模式在HI模式的基础上，华为深度介入产品定义、研发、制造和销售全流程。在智选车模式下，华为占据主导权。目前有赛力斯问界、奇瑞智界系列选择智选车

80、模式，后续还将有享界和傲界两个品牌。2023年底，华为智选车业务也升级为鸿蒙智行。华为在鸿蒙智行模式下，为合作伙伴提供产品、质量、销售、服务、营销等全方面的赋能。3.2 华为提供零部件、HI和智选车模式赋能车企，主导权依次上升资料来源：视知车院长，佐思汽车研究，品牌头版，华福证券研究所图：华为三种合作模式图：华为三种合作模式图：各模式对应代表车型图：各模式对应代表车型 华福证券32GOD网络识别精细障碍物：网络识别精细障碍物：ADS 2.0高阶智能驾驶系统，在融合感知BEV（Bird Eye View，鸟瞰图）网络，能“看得懂物”，在识别白名单障碍物如车、人等物体的基础上，升级GOD（Gene

81、ral Obstacle Detection，通用障碍物检测）网络2.0，拥有强大的识别及处理能力，通用障碍物识别率达到99%，识别种类更精细，类别无上限。RCR网络实现无图驾驶：网络实现无图驾驶：RCR（Road Cognition&Reasoning，道路拓扑推理网络）网络2.0实现导航地图和现实世界匹配，复杂环境推理，感知面积达到2.5个足球场，道路拓扑实时生成，能“看得懂路”。基于多传感融合感知系统，结合道路预测神经网络，能够实现交通要素关联，通过道路拓扑推理网络实时生成，实现了导航地图与现实道路匹配，实现自主看懂复杂路况，有图无图都能开。拟人化智驾算法和首发拟人化智驾算法和首发PDP

82、预测决策与规划网络，持续迭代进步：预测决策与规划网络，持续迭代进步：ADS 2.0高阶智能驾驶系统还采用华为首创的智驾交互博弈算法，解决了智驾在人车混杂的复杂场景中遇到疑难路况的问题，能解决超过70%的交互场景接管难题，缩短40%的通行时间；动态路况极其复杂，每一步算法犹如下围棋般千变万化，PDP算法可以在1秒之内计算出最佳路线3.2.1 算法：ADS 2.0基于GOD 2.0和RCR 2.0实现“看得懂路和物”系统类型系统类型发布时间发布时间硬件硬件算法软件算法软件主要功能主要功能落地产品落地产品ADS 1.020213个激光雷达6个毫米波雷达13个摄像头12个超声波雷达高精地图华为MDC8

83、10芯片，拥有400Tops算力融合感知BEV架构在高精地图覆盖下，可实现高速NOA城区NOA等阿尔法S HI版阿维塔11ADS 2.02023.41个激光雷达3个毫米波雷达 11个摄像头(前视双目摄像头像素800W)12个超声波雷达有图无图都能开华为 MDC610芯片，拥有200Tops算力首创激光雷达GOD网络+道路拓扑推理网络RCR在高精地图下，可实现高速NOA，城区NOA等。主动安全功能，新增了低速紧急制动、异形物紧急制动和紧急车道保持。高速/城区领航、通勤领航、代客泊车等问界M5智驾版/问界M7/问界M9阿维塔11鸿蒙版/阿维塔12智界S7等资料来源：AITO南通用户中心，佐思汽车研

84、究，华福证券研究所图：华为图：华为ADS系统迭代历程系统迭代历程 华福证券33资料来源：华为MDC智能驾驶计算平台白皮书，盖世汽车社区，知趣IP，华为云官网，量子位，智车科技，华福证券研究所MDC为智能驾驶大脑，适用范围应用广泛：为智能驾驶大脑，适用范围应用广泛：华为MDC(Mobile Data Center:移动数据中心)定位为智能驾驶的计算平台，集成华为在ICT领域30多年的研发与生产制造经验，搭载智能驾驶操作系统AOS、VOS及MDC Core，兼容AUTOSAR。MDC是实现智能驾驶全景感知、地图&传感器融合定位、决策、规划、控制等功能的汽车“大脑”。适用于乘用车(如拥堵跟车、高速

85、巡航、自动代客泊车、RoboTaxi)、商用车(如港口货运、干线物流)与作业车(如矿卡、清洁车、无人配送)等多种应用场景。ADS 2.0基于基于MDC 610平台：平台：华为MDC平台算力范围覆盖48400 TOPS，共包含4个不同的版本，分别是面向商用车场景的MDC 300F，以及MDC 210、MDC 610和MDC 810，可支持从L2+到L4甚至L5不同级别的自动驾驶研发。ADS2.0 使用自研 MDC 610 计算平台，基于华为自研昇腾 610 AI 芯片，AI 算力 200TOPS。云端计算平台亦提供可持续算力基础：云端计算平台亦提供可持续算力基础：昇腾AI云服务单集群提供2000

86、P Flops算力，千卡训练30天长稳率达到90%，为业界提供稳定可靠的AI算力。昇腾AI集群也在今年全面升级，集群扩展至16000卡，成为业界首个万卡集群。它可支持万亿参数大模型分布式训练。图：华为图：华为MDC智能驾驶计算平台智能驾驶计算平台图：华为图：华为MDC平台产品平台产品3.2.1 算法：MDC涵盖生态链，ADS 2.0基于MDC610平台 华福证券34昇腾三种芯片模块设计，提升智驾性能：昇腾三种芯片模块设计，提升智驾性能：华为智能驾驶芯片主要有昇腾310、昇腾610和昇腾620，这三款芯片还可以级联增加性能。华为设计芯片是模块形式，复用研发成果。昇腾系列芯片的CPU和AI核心基本

87、是相同的，只是核心数量不同，针对不同的应用使用不同的核心和数量配置。极致高效能昇腾极致高效能昇腾610属产品第一梯队，算力达属产品第一梯队，算力达200TOPS：MDC610的AI处理器采用昇腾610 AI SoC，算力能够达到200TOPS（INT8）或100TFLOPS（FP16），在量产产品中属于第一梯队。3.2.2 算力：昇腾610芯片为基打造MDC610，三款芯片助力智能驾驶资料来源：半导体产业纵横，车东西，佐思汽车研究，华福证券研究所图：华为图：华为MDC610采用昇腾采用昇腾610芯片芯片图：昇腾图：昇腾610的内部框架图的内部框架图 华福证券353.3 大疆车载：打破高阶智驾大

88、算力依赖，主打极致性价比由无人机公司大疆孵化出的智能驾驶品牌“大疆车载”，在智能驾驶行业所走的是“极致性价比”路线，通过开发低算力产品就能够实现高阶智能驾驶能力的解决方案。为适应不同价格市场的需求，大疆车载能够提供多样化、可选择的灵活配置。目前的合作车企有上海通用五菱、奇瑞、上汽大众等诸多主流汽车品牌。接下来的2024年，将会有超过20款车型搭载大疆车载的系统上市。2025年，大疆车载预计将有200万台左右车型搭载大疆车载的智驾系统。如果将时间线拉长3-5年，大疆车载认为，其量产车型的合作数量将会上升到500万台这一量级。算法方案算法方案：以：以“BEV+OCC+Transformer”“BE

89、V+OCC+Transformer”纯视觉方案纯视觉方案为基础的多样化配置方案。为基础的多样化配置方案。2023年，大疆车载就推出了7V/9V+32TOPS智驾方案（成行平台），通过7颗或9颗摄像头搭配32TOPS算力芯片，实现了高速领航辅助驾驶、记忆泊车、城区记忆领航辅助驾驶等功能。2024年大疆车载将方案算力升级为100TOPS，其中7V方案为两颗前视立体双目摄像头、一颗后视单目摄像头，以及4颗环视鱼眼摄像头。10V方案多出一颗前视长焦摄像头、两颗侧视摄像头。同时，该方案最高支持扩展算力至 200 TOPS，可以扩展毫米波雷达、超声波雷达、激光雷达、高精度地图等传感器，增强系统的安全冗余，

90、并提升领高速领航与城区领航等高阶L2+功能的舒适体验，打造了“强视觉在线实时感知、无高精地图依赖、无激光雷达依赖”的方案效果。从大疆车载官方公众号获悉，该方案目前已处于可用状态，正与合作车企积极推进量产。算力方案：大疆的芯片来源于多个不同的供应商。算力方案：大疆的芯片来源于多个不同的供应商。合作供应商有业内领先企业如美国高通、英伟达等。此外，为打造高性价比产品，大疆也会选择与其他专业的汽车芯片制造商进行合作，如NXP、Infineon、地平线等。相比于芯片算力指标，大疆车载更关注系统运行时的实际算力水平，不主张堆大算力，而是通过算力优化，提升实际运行时的算力利用率。例如，200TOPS的芯片算

91、力，如果算力利用率是10%，则实际的芯片算力只有20TOPS，而32TOPS的芯片算力，如果将算力利用率提升到50%，则实际的芯片算力可以达到16TOPS。2022年发布的宝骏KiWi EV大疆款算力仅为32TOPS。数据方案：大疆的数据来源于中国高速路快速路拥堵场景的航测数据集数据方案：大疆的数据来源于中国高速路快速路拥堵场景的航测数据集AD4CHE，针对中国典型驾驶拥堵场景，采用无人机悬停航测，基于多种中国城市场景的部分高速路和快速路进行数据采集。采集轨迹共计 53761 条，采集轨迹长度共计 6540.7 公里，采集精度为 5 cm 左右，最大误差不超过 10 cm。资料来源：大疆官网，

92、知乎，新浪汽车，汽车之家，搜狐新闻，智驾网，易车，华福证券研究所项目项目参数参数激光雷达0超声波雷达12摄像头6毫米波雷达1车身结构两厢微型车芯片地平线征程2芯片算力32TOPS售价约10万图：图：大疆车载大疆车载-宝骏宝骏KiWi EV大疆联名款大疆联名款 华福证券363.4 Momenta：数据驱动，Mpilot（L2+）+MSD（L4）两条腿战略Momenta主要提供两套自动驾驶解决方案主要提供两套自动驾驶解决方案：量产自动驾驶量产自动驾驶Mpilot（量产（量产L2+自动驾驶产品）自动驾驶产品）与完全无人驾驶与完全无人驾驶MSD（L4完全无人完全无人驾驶产品）。驾驶产品）。moment

93、a已与上汽智己、长城沙龙、吉利、比亚迪等多家企业达成合作，并且据芯流汽车消息momenta已拿下丰田国内项目定点。在L4级自动驾驶解决方案（MSD）上推出的momenta go自动驾驶出租车，已在上海、苏州、深圳等多地进行运营。算法方案算法方案：momenta关键战略即关键战略即“一个飞轮，两条腿一个飞轮，两条腿”。一个飞轮是指momenta自主研发的 L4 级别的数据驱动AI飞轮；两条腿之一是L2+级别的量产智能驾驶Mpilot，Mpilot使用了BEV+Transformer框架，并结合与特斯拉占用网络类似的DD4D（Data-Driven 4D Model），实现了针对私家车前装可量产的

94、高度自动驾驶全栈式解决方案，可以覆盖高速/城市快速路、泊车和城区等场景；目的是通过与领先的主机厂进行量产合作，实现千万数量级的车辆装载量，产生海量数据流以训练自动驾驶算法，解决L4完全无人驾驶的长尾问题；另一条腿是L4级别的完全无人驾驶MSD，持续提供技术流，赋能量产智能驾驶产品能力的快速进步。这样两条腿交替提升，让量产L2+车辆的数据，可以用来训练L4的算法，让L4的算法为L2+提供足够高的技术上限和进步空间，打通量产智能驾驶（Mpilot）和完全无人驾驶（MSD）的技术架构和数据流，最终实现规模化无人驾驶。算力方案：算力方案：Mpilot高度自动驾驶产品可以通过高度自动驾驶产品可以通过op

95、en Solution适配十种以上的主流量产芯片平台，能够满足定制化需求提供更多选择。适配十种以上的主流量产芯片平台，能够满足定制化需求提供更多选择。momenta借助NVIDIA Drive AGX所提供的拥有不同算力规模和传感器接入能力的硬件平台，以及一致的硬件和软件开发接口，让研发人员在统一的平台上进行算法开发，如Mpilot Highway和Mpilot Parking的视觉系统，都能在一块Drive AGX Xavier上实现，可提供高达320 TOPS的算力。数据方案：数据方案：momenta的数据来源体现在两个方面。的数据来源体现在两个方面。第一是来源于其积极布局的自动驾驶出租车

96、（Robotaxi）市场，已实现商业化运营。momenta运营的自动驾驶车队装备有先进的传感器和数据记录设备，用于收集道路测试数据，再基于其“飞轮式”数据驱动技术自动化地处理量产数据，并反馈促进算法的优化，使其更好地做出行驶决策。另一方面，momenta采取数据众包的方式采集数据，例如2017年东赢恒康投资控股集团与momenta达成合作，在重庆开始试点，在20台车辆上完成的大数据采集设备安装，来获取交通环境数据以及司机行为数据，逐步解决自动驾驶的数据难题。目前与momenta建立相关合作的企业还包括上汽集团、通用汽车、丰田中国等。资料来源：Momenta官网，人民网专访，腾讯新闻，知乎，太平

97、洋汽车，新浪财经，量子位，华福证券研究所项目项目参数参数外部感知摄像头11激光雷达2毫米波雷达3超声波雷达12DMS1智驾系统处理器英伟达OrinX算力（TOPS）254 TOPS售价29-41万元图：图：m momentaomenta-上汽智己上汽智己L7L7智驾参数智驾参数图：图：m momentaomenta飞轮飞轮 华福证券373.5 百度Apollo：依托Robotaxi，L4降维推出L2+纯视觉方案Apollo是由百度推出并开发的智能驾驶产品，是由百度推出并开发的智能驾驶产品，国内首个推出国内首个推出支持城市场景的城区支持城市场景的城区NOA纯视觉智驾方案。纯视觉智驾方案。旗下纯视

98、觉高阶智能驾驶产品-Apollo City Driving Max，现已搭载吉利极越吉利极越01量产上市，目前已经在全国20多个城市开设了40家以上的线下体验中心。从销从销量数据来看量数据来看，2023年12月极越01的销量为774辆。算法方案算法方案：百度Apollo使用了“BEV+OCC+Transformer”纯视觉方案纯视觉方案，其中极越与百度联合研发的国内首个OCC占用网络技术占用网络技术的使用，能够更好地理解和处理三维空间数据，成功打破了传统依赖激光雷达的局限，可以完全依靠相机和传感器来实现智能驾驶。在智驾域控制器上，百度Apollo具有MCU和SOC两大异构的控制芯片。MCU部署

99、了AUTOSAR协议站，在此基础上开发CDD和应用算法；SOC系统芯片连接了硬件的戳向层以及百度自研的中间件Apollo OS、算法的原子能力服务以及算法的各种应用逻辑。在传感控制器上，雷达获取的深度数据精度高，不容易受外界环境光照情况影响；摄像头采集的图像分辨率高，更擅长辨别色彩。因此百度Apollo提供了雷达-摄像头一体化解决方案，这种解决方案能够充分利用摄像头与雷达的互补性，形成更强大的感知能力。例如百度Apollo量产上市的极越01装备了28个智驾传感器，包括5颗毫米波雷达、12颗超声波雷达、11颗高清摄像头。算力方案：算力方案：百度Apollo采用了高性能的计算平台和算法优化策略，以

100、支持自动驾驶系统的高效运行。目前，百度Apollo已推出五代五代产品产品，其中吉利极越01搭载的Apollo City Driving Max，芯片是基于英伟达研发推出的双芯片是基于英伟达研发推出的双NVIDIA DRIVE OrinX，AI算力算力508TOPS。数据方案：百度数据方案：百度Apollo的数据方案注重数据采集的多样性和全面性。的数据方案注重数据采集的多样性和全面性。供给高品质数据用以模型训练，为智驾持续进化保驾护航。百度Apollo依托Robotaxi 8000万公万公里里路跑精炼上亿帧超高精数据，供给高品质模型训练真值数据，背靠百度云海量的AI算力集群实现周级模型迭代，为智

101、驾持续进化保驾护航。商业化应用也是百度Apollo的重要数据来源。例如百度萝卜快跑，现已在北京、上海、武汉、广州、合肥等11个城市开放运营，截至2024年1月2日，百度萝卜快跑累计向公众提供乘车服务500万次，四季度内，萝卜快跑服务单数同比增长49%至83.9万单，在武汉地区全无人驾驶订单比例达到45%。资料来源：百度Apollo官网，网易智库，太平洋汽车网，盖世汽车资讯，华福证券研究所项目项目参数参数激光雷达0超声波雷达12外部感知摄像头11800万像素摄像头7毫米波雷达5智驾系统处理器英伟达orinX算力508TOPS方案成本估算约3万售价约21-31万图：百度图：百度ApolloApol

102、lo-吉利极越吉利极越0101配置配置 华福证券383.6 毫末智行：出自长城汽车，24年城市NOH有望落地百城毫末智行毫末智行成立于成立于2019年，前身是长城汽车智能驾驶前瞻分部，现提供乘用车辅助驾驶产品年，前身是长城汽车智能驾驶前瞻分部，现提供乘用车辅助驾驶产品HPilot、末端物流自动配送车和智能、末端物流自动配送车和智能硬件等产品。硬件等产品。业内估计2024年上半年毫末城市 NOH 落地将达到100城。毫末智行以重感知、大模型的技术路线重感知、大模型的技术路线及技术应用、用户闭环的数据建设等方向保持业内领先位置。2022年6月乘用车辅助驾驶用户行驶里程已经突破1000万公里。目前搭

103、载最新辅助驾驶产品Hpilot 3.0的新款摩卡DHT-PHEV激光雷达版已于2023年上车交付。算法方案算法方案：发布：发布DriveGPT雪湖雪湖 海若。海若。毫末智行几乎与特斯拉同期引入以 Transformer 为核心的自动驾驶算法大模型，应用在如车道线检测、障碍物检测、可行驶区域分割、红绿灯检测&识别等实际的道路感知问题。不同于特斯拉的纯视觉方案，毫末智行坚持摄像头+激光雷达的多模态传感器路线，即以视觉感知为主、激光雷达提供冗余感知为辅的“重感知”技术方案。在借助Transformer大模型的优势的基础上，利用激光雷达建立的点云信息，使得激光雷达能够轻松为视觉感知进行验证与补充，不仅

104、能模拟出类似特斯拉Occupancy网络的感知效果，还有效实现了成本控制。此外，2023年发布的毫末DriveGPT雪湖 海若通过引入驾驶数据建立RLHF(人类反馈强化学习)技术，对自动驾驶认知决策模型进行持续优化，最终目标是实现端到端自动驾驶，现阶段主要用于解决自动驾驶的认知决策问题，后续持续会将毫末多个大模型的能力整合到DriveGPT。算算力方案：力方案：在大算力芯片方面，毫末与高通联手研发辅助驾驶域控制器小魔盒 3.0，平台单板算力达360TOPS，可持续升级到1440TOPS，可以支撑大量的感知推理计算，以及车端感知数据的筛选、清洗、脱敏和回流。而仅从算力来看，1000TOPS 以上

105、能力已足以满足 L4 级以上自动驾驶需求。数据方案：毫末构建了自己的数据智能体系数据方案：毫末构建了自己的数据智能体系MANA系统，并在系统，并在21年初搭建起中国自动驾驶行业最大智算中心年初搭建起中国自动驾驶行业最大智算中心MANAOASIS雪湖雪湖绿绿洲。洲。MANA系统是由 TARS（数据原型系统）、LUCAS（数据泛化系统）、VENUS（数据可视化平台）、BASE（底层系统）四个子系统组成的，能够实现完整运转的自动驾驶数据智能体系。MANA体系在自动驾驶领域的应用具有显著优势。通过使用大规模量产车无标注数据的自监督学习方法，MANA能够高效地将数据优势转化为模型效果，适应各种自动驾驶感

106、知任务需求。同时，MANA还构建了增量式学习训练平台，通过混合数据集的训练方式，实现算力节省和响应速度提升，从而让数据发挥更大的价值。资料来源：毫末智行官网，知乎，太平洋汽车网，汽车之家，华福证券研究所项目项目参数参数激光雷达1超声波雷达12百万级像素环视摄像头4ADAS摄像头1车内摄像头1毫米波雷达5智驾系统处理器高通5纳米制程的Snapdragon Ride芯片算力360TOPS售价约23-31万图：图：毫末智行毫末智行-新款新款摩卡摩卡DHTDHT-PHEVPHEV（20232023年年6 6月月1 1日上市）日上市）华福证券39资料来源：各公司官网，HiEV大蒜粒车研所，Ai电车财经，

107、第一电动汽车网，自行测算、华福证券研究所主机厂主机厂特斯拉特斯拉问界、智界问界、智界蔚来蔚来小鹏小鹏理想理想极越极越智己智己-车型车型Model 3/Y/X/S问界问界M9、智、智界界S7 MAX等等所有车型所有车型小鹏小鹏G6、G9 MAX等等理想理想L7、L8、L9 MAX极越极越01全全系系智己智己L7、LS6-智驾系统智驾系统Autopilot HW 3.0NCANADXNGPAD MaxROBO Drive MaxIM AD-智驾方案智驾方案FSD纯视觉纯视觉华为华为ADS 2.0英伟达英伟达芯芯片片+自研自研英伟达英伟达芯片芯片+自研自研英伟达英伟达芯片芯片+自研自研百度百度Apo

108、lloMomentaMpilot X毫末智行毫末智行HP170毫末智行毫末智行HP370毫末智行毫末智行HP570大疆成行平台大疆成行平台基础版基础版大疆成行平台大疆成行平台升级版升级版大疆成行平台大疆成行平台高配版高配版激光雷达激光雷达0112101/200选配选配选配选配摄像头摄像头8159117710毫米波雷毫米波雷达达13551532/选配3/选配1选配选配选配超声波雷超声波雷达达212121212选配选配选配硬件处理硬件处理器器双FSD芯片华为MDC 610四英伟达Orin-X双英伟达Orin-X双英伟达Orin-X双英伟达Orin-X单英

109、伟达Orin-X地平线征程3TI TDA4高通8650TDA4-VH高通8650高通8650硬件算力硬件算力（TOPS）0850850825453272/硬件成本硬件成本约约1万元万元约约1.5万元万元约约3.5万元万元约约3.2万元万元约约2.8万元万元（4000美元）美元）约约2.4万元万元约约2.5-2.8万元万元3000元元5000元元8000元元5000元元7000元元约约8000元元软件售价软件售价（买断价）买断价）FSD 64000EAP 32000ADS 2.0 36000全配 39000精选 15000标配标配 49900 3680

110、0-注：汇率=人民币7元/美元图：部分主机厂智驾方案硬件、软件成本价格图：部分主机厂智驾方案硬件、软件成本价格3.7 总结：纯视觉方案硬件成本低，高性价比方案价格降至千元级别 华福证券40问界、理想、奇瑞最激进，蔚来最保守。问界、理想、奇瑞最激进，蔚来最保守。根据中汽协的预测数据，2024年我国汽车总销量将达到3100万辆，同比增长3%，新能源汽车销量将达到1150万辆左右，同比增长20%；出口销量将增至550万辆左右。从增量上来说，比较激进的是比亚迪和奇瑞，比亚迪2024年的目标增速是50%以上，奇瑞则目标翻倍。新势力阵营中，2023年理想超额完成30万的销量目标，同比增长182%，成为目标

111、完成率最高的车企。从增速上来说，比理想更为激进的是AITO问界，新款问界M7、M9上市以来表现出强劲的市场潜力。在新势力中，蔚来可以说是最保守的。资料来源：车市物语，21世纪经济报道，华福证券研究所车企车企品牌品牌2024年销量目标年销量目标(万辆万辆)2023年实际销量年实际销量(万辆万辆)比亚迪比亚迪450302奇瑞奇瑞400188.1理想理想8037.6AITO问界问界609.44上汽集团上汽集团-502.1上汽集团上汽集团智己智己12-133.83长安汽车长安汽车阿维塔阿维塔92.96长安汽车长安汽车深蓝深蓝4513.69哪吒哪吒3012.75车企车企品牌品牌2024年销量目标年销量目

112、标(万辆万辆)2023年实际销量年实际销量(万辆万辆)蔚来蔚来2316小鹏小鹏2814.16零跑零跑25-3014.42广汽集团广汽集团275250.5广汽集团广汽集团埃安埃安8048长城汽车长城汽车190123.1吉利汽车吉利汽车190168.7吉利汽车吉利汽车极氪极氪2311.87长安汽车长安汽车280255东风集团东风集团320242东风集团东风集团岚图汽车岚图汽车105.1图：部分激进阵营车企图：部分激进阵营车企2024年销量目标年销量目标图：部分稳定阵营车企图：部分稳定阵营车企2024年销量目标年销量目标3.8 展望：24年主机厂销量目标整体增幅明显，智驾上车或迎来机遇 华福证券41

113、04 投资建议 华福证券42公司公司营收总规模营收总规模智驾业务规模智驾业务规模智驾产品智驾产品/方案方案下游客户下游客户德赛西威德赛西威23年219.1亿23年智驾44.9亿智驾域控制器、智能天线、毫米波雷达、激光雷达、超声波雷达、摄像头、电子后视镜、驾驶员监控系统高算力平台已量产配套理想、小鹏、路特斯、广汽埃安、极氪等多家车企，新获得理想、广汽埃安、吉利、长城、路特斯、极氪等超过十家车企的新项目订单；轻量级差异化平台已获得主流自主、外资品牌的项目定点。摄像头、T-box产品突破主流日系合资品牌，获得新项目定点。毫米波雷达业务获得广汽埃安、一汽红旗等客户新项目订单经纬恒润经纬恒润23年46.

114、6亿23年包含智驾在内的电子产品34.3亿产品覆盖智能传感器、行泊一体和高级别智能驾驶产品，为客户提供配置丰富、层次分明的智能驾驶解决方案23年ADAS突破奇瑞、东风岚图等新客户，并获得零跑新客户的海外车型合作项目；毫米波雷达突破上汽大通、东风岚图等新客户；DMS获得意大利某摩托车公司合作机会光庭信息光庭信息23年6.4亿23年智驾2.3亿包括自动驾驶软件开发、智能网联汽车测试和移动地图数据服务等业务，还为汽车整车制造商、汽车零部件供应商及自动驾驶算法公司提供整车软件测试及仿真测试、功能和性能的评价测试服务上汽集团、广汽集团、长城汽车、长安汽车等中科创达中科创达23年52.4亿23年智驾软件1

115、8.4亿智驾域控、芯片算法解决方案。如行泊一体智驾域控RazorDCX Pantanal与地平线的合资公司为不同车厂和Tier1客户提供优秀的解决方案四维图新四维图新23年31.2亿23年智驾3.76亿智驾行泊一体高性价比域控制器，1V1R 智驾方案，5V5R 智驾方案，轻量版高速领航辅助系统 NOP Lite等丰田、宝马、沃尔沃、福特、长安汽车、长城汽车等车厂均胜电子均胜电子23年557.3亿23年包含智驾在内的汽车电子167.9亿L2到L4级别的智能驾驶域控产品，包括行泊一体域控、驾舱融合域控及中央计算单元等。如基于高通Snapdragon Ride第二代芯片的智驾域控nDrive H，基

116、于地平线征程芯片的智驾域控nDrive M大众、奔驰、宝马、通用、福特、现代、本田、丰田、吉利、长安、长 城、广汽、比亚迪、蔚来、理想、小鹏等图：部分智驾图：部分智驾Tier1Tier1布局情况布局情况资料来源：各公司公告，华福证券研究所4 投资建议：建议关注：德赛西威、经纬恒润、光庭信息、中科创达、四维图新、均胜电子 华福证券4305 风险提示 华福证券445 风险提示 市场需求不及预期：智能驾驶尚处于行业导入期，消费者出于出行安全、消费习惯等考虑或许对智能驾驶的接受需要一定的时间，因此存在市场需求不及预期的可能。智能驾驶技术发展不及预期：智能驾驶技术的发展影响因素较多，仅技术因素便包括智能

117、驾驶算法的迭代、车载算力的支撑、智能驾驶算法模型训练所需要的数据集等，因此智能驾驶技术的发展存在一定的不确定性。政策发布不及预期。政策是影响智能驾驶发展的重要因素，智能驾驶的牌照、测试区范围等均有政府相关部门颁布的政策规定，出于安全考虑，存在政策发布不及预期的可能。华福证券45分析师声明及一般声明分析师声明本人具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度，独立、客观地出具本报告。本报告清晰准确地反映了本人的研究观点。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。一般声明华福证券有限责任公司（以下简称“本公司”）具有中

118、国证监会许可的证券投资咨询业务资格。本公司不会因接收人收到本报告而视其为客户。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。本报告的信息均来源于本公司认为可信的公开资料，该等公开资料的准确性及完整性由其发布者负责，本公司及其研究人员对该等信息不作任何保证。本报告中的资料、意见及预测仅反映本公司于发布本报告当日的判断，之后可能会随情况的变化而调整。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司不保证本报告所含信息及资料保持在最新状态，对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。在任何情况下，本报

119、告所载的信息或所做出的任何建议、意见及推测并不构成所述证券买卖的出价或询价，也不构成对所述金融产品、产品发行或管理人作出任何形式的保证。在任何情况下，本公司仅承诺以勤勉的职业态度，独立、客观地出具本报告以供投资者参考，但不就本报告中的任何内容对任何投资做出任何形式的承诺或担保。投资者应自行决策，自担投资风险。本报告版权归“华福证券有限责任公司”所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。未经授权

120、的转载，本公司不承担任何转载责任。45 华福证券46特别声明及投资声明评级特别声明投资者应注意，在法律许可的情况下，本公司及其本公司的关联机构可能会持有本报告中涉及的公司所发行的证券并进行交易，也可能为这些公司正在提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。投资者请勿将本报告视为投资或其他决定的唯一参考依据。投资评级声明备注：评级标准为报告发布日后的612个月内公司股价（或行业指数）相对同期基准指数的相对市场表现。其中，A股市场以沪深300指数为基准；香港市场以恒生指数为基准；美股市场以标普500指数或纳斯达克综合指数为基准（另有说明的除外）。类别评级评级说明公司评级买入未来6个

121、月内，个股相对市场基准指数涨幅在20%以上 持有未来6个月内，个股相对市场基准指数涨幅介于10%与20%之间中性未来6个月内，个股相对市场基准指数涨幅介于-10%与10%之间回避未来6个月内，个股相对市场基准指数涨幅介于-20%与-10%之间卖出未来6个月内，个股相对市场基准指数涨幅在-20%以下行业评级强于大市未来6个月内，行业整体回报高于市场基准指数5%以上跟随大市未来6个月内，行业整体回报介于市场基准指数-5%与 5%之间弱于大市未来6个月内，行业整体回报低于市场基准指数-5%以下46 华福证券47诚信专业 发现价值联系方式华福证券研究所 上海公司地址：上海市浦东新区浦明路1436号陆家嘴滨江中心MT座20楼邮编：200120邮箱： 华福证券