从1886年第一辆汽车诞生到现在，130年来汽车在给人们带来大量益处的同时，也暴露了越来越多的问题，如环境污染、道路拥堵、交通事故带来的伤亡等。智能驾驶的出现则能够通过技术手段解决传统驾驶方式产生的用户痛点。比如智能驾驶汽车使用清洁能源作为燃料，可根据路况环境调整行驶速度，选择优选路线，缓解交通阻塞，避免一些因疲劳驾驶等问题引发的交通事故等。

　　智能驾驶在整车的基础上进行智能+网联升级，有效降低事故概率保障车主出行自由，目前关键零部件为外企垄断，国产替代空间广阔。智能驾驶通过搭载先进的传感器、控制器、执行器、通讯模块等设备协助驾驶员操控车辆，目前我国乘用车智能驾驶渗透率在30%-40%之间，处于L2向L3过渡阶段。未来随着核心技术不断取得突破、关键零部件国产化率提升、法规制度进一步完善，我国智能驾驶将覆盖更多应用场景，保障全民出行安全和出行自由。

　　那么，智能驾驶的概念具体是怎样界定的，级别有哪些，我国智能驾驶发展的驱动因素有哪些，当前国际国内智驾发展现状如何，产业链构成是怎样的，市场空间有多大，相关公司又有哪些，今后发展趋势都有哪些？本篇研报围绕上述问题进行了深度梳理，希望对智能驾驶行业感兴趣的朋友有所启发。

　　（更多投研内容可关注公众号《 投研锋向 》加入社群 获取更多及时资讯！缩小信息差！）

　　智能驾驶是指汽车通过搭载先进的传感器、控制器、执行器、通讯模块等设备协助驾驶员操控车辆，甚至完全代替驾驶员实现无人驾驶的功能。

　　具体来看，智能驾驶根据自动化程度分为五个级别：L1阶段是辅助驾驶阶段，以驾驶员操作为主。车辆能够根据驾驶环境提供方向盘和减速其中之一的支持。L2阶段是部分自动驾驶阶段，司机可以短暂休息，但需随时准备好手动驾驶。L3阶段是条件自动驾驶阶段，车辆可以在一定条件下，系统完成所有驾驶操作，驾驶员根据系统要求提供适应性反应。L4阶段是高度自动驾驶阶段，系统可以完成所有的驾驶操作，在有条件的道路上行驶时，驾驶员可以完全解放双手。L5阶段是完全自动驾驶阶段，车辆能够在所有场景下实现真正的无人控制。

　　智能驾驶到自动驾驶，L3级别是关键。从L3开始，驾驶操作和周边监控都是由系统自动完成，驾驶员只需要在紧急动态下做好接管处理即可；所以L3级别驾驶的主角已经切换为车辆自动驾驶系统，实现了人类驾驶员到AI驾驶员的飞跃。

　　感知模块（Perception）主要负责车周信息感知和目标检测。感知模块输入各类传感器的数据，输出车道线，行人，车辆等的位置和轨迹等信息。感知算法的核心是融合各类传感器的信息，精准识别物体的类别与位置（需要2D还原为3D）。

　　预测模块（Prediction）主要负责预测车周物体的运动，评估障碍物下一时刻可能的动作。预测模块输入车周物体和车辆自身的位置与速度等信息，输出物体运动轨迹的预测。

　　决策规划模块（Planning）主要负责计算车辆下一时刻的运动路径，向控制模块输出指令。规划与决策在开发环节往往结合在一起，包括三个层次：1）全局路径规划（Route Planning），结合目的地和地图信息生成全局路径。2）行为决策层（Behavioral Layer），结合感知模块的环境信息做具体行为决策。3）运动规划（Motion Planning），结合行为决策和约束条件形成运动轨迹。

　　控制模块（Control）主要负责精准控制车辆按规划轨迹行驶。控制模块根据决策规划的路线，生成具体的加速、转向和制动指令，控制驱动系统，转向系统，制动系统和悬架系统。

　　智能驾驶的本质是通过训练使车辆具有人类的驾驶能力，用神经网络模型替代基于规则的算法，可提升模型表现。1）过去，一些智能驾驶的方案中感知，预测等模块采用了CNN和RNN等AI模型；2）现在，在Transformer模型引入CV领域和智能驾驶领域后，智驾能力的提升明显加速。例如，在感知模块，基于BEV+ Transformer做特征融合，相较于传统的CNN模型具有更好的全局感知能力；在预测模块，有研究表明基于Transformer的多模态轨迹预测相较于传统的RNN等神经网络也有更好的效果；在规划模块，基于AI模型的算法相比于基于大量规则的算法也更加简洁高效。3）未来，基于Transformer有望实现感知决策一体化的大模型。相较于目前模块化的开发方式，可以避免级连误差，提升视觉信息表达，优化终端性能体验。

　　（1）AI加速智能化第一步：头部玩家基于BEV+ Transformer做特征融合，提升感知能力

　　车辆获取外部信息的传感器包括摄像头，激光雷达，毫米波雷达，超声波雷达等，不同传感器获取的信息特征不同，因此需要通过算法将各类数据融合。过去多传感器融合采用后融合的方式，将传感器各自处理后的信息做基于统计学模型的加权运算，这样会出现数据损失。现在利用Transformer大模型可以提取特征向量，在统一的3D坐标系空间（BEV）内做特征融合，还可以结合时序信息进行动态识别，最后进行多任务输出，如静态语义地图、动态检测等。AI大模型的加持下，智能驾驶的感知能力可以明显提升，优化Corner Case的处理，同时由于车辆生成了动态语义地图，可以减少对高精地图的依赖。

　　目前采用的模块化的智能驾驶开发架构（感知—预测—规划—控制）优势在于简化研发团队分工，但是缺点在于会出现信息损失和累计误差问题，同时每个模块的优化目标不一致。我们认为，基于Transformer的模型的Attenion机制，未来智能驾驶有望统一感知与决策算法模块，实现端到端的大模型，即一个模型输入传感器数据，直接输出控制信号。端到端的智能驾驶可以避免累积错误或任务协调不足的问题。

　　智能驾驶的发展是汽车强国的战略选择，也是实现交通强国、制造强国、科技强国、网络强国等重要载体。

　　近年间多地出台支持政策，加快智能驾驶落地进程。2018年以来，国务院办公厅、工信部、公安部、交通运输部等部门相继颁布《智能网联汽车道路测试与示范应用管理规范（试行）》、《自动驾驶汽车运输安全服务指南（试行）（征求意见稿）》等政策文件，明确了国内智能驾驶发展规划、智能驾驶道路测试规则和标准。自然资源部发布《关于做好智能网联汽车高精度地图应用试点有关工作的通知》，明确将在6个城市首批开展智能网联汽车高精度地图应用试点。各地方政府也陆续出台道路测试与管理规范文件，目前我国已有9个省（市）发布了自动驾驶政策，另有17个省（市）发布了市级政策或已经开展自动驾驶测试。

　　智能驾驶的发展将赋能智慧出行和智慧城市，解决拥堵、交通事故、节能环保及城市管理问题。

　　据世界卫生组织统计，全球每年有约135万人死于道路交通事故，另有2000-5000万人受到非致命伤害，交通事故已经成为致人死亡的八大原因之一。据统计，有81.5%的道路交通事故由人为因素引发，仅有不到20%的事故由机动车或环境因素导致。智能驾驶能够消除和减少驾驶员违规违法操作、驾驶经验不足和自身缺陷或感知限制等不良人为因素，对减少交通事故降低道路交通风险具有重大价值。以百度L4整体安全系统为例，其基于功能安全和预期功能安全要求和设计思路，构建了主系统安全、冗余安全系统、远程云代驾系统三层安全体系，通过核心算法和策略设计、硬件和软件冗余安全设计、远程云代驾技术、全流程测试验证技术等有效保障道路交通安全。

　　随着我国进入深度老龄化社会，老年人的生活质量也愈发受到社会各界的重视。据公安部统计，2021年我国60岁以上驾驶员有1784万人，相较于2018年提升近60%；我国50岁到60岁驾驶员6966万人，相较于2018年提升近50%，越来越多的老年人享受到汽车带来的出行便利。然而在可预见的未来，这些老年人可能因疾病或身体老化而无法驾驶汽车，失去汽车出行自由。若智能驾驶汽车得到普及，年老或疾病便不再是驾车出行的障碍，老年人和残障人士都可以在没有其他人的帮助下乘坐智能驾驶汽车去任何地方，实现真正的出行自由。

　　特斯拉FSD诞生以来经历过几次重大升级，当前FSD在BEV+ transformer+占用网络的底层支持下有望完成新一代的升级，有望大幅提升FSD的高阶智能驾驶能力和迭代速度。

　　2017-2019年Mobileye主导时代。2016年之前，特斯拉FSD算法全部由Mobileye提供，Mobileye沿用传统视觉路线，采用低精度地图+算法迭代实现自动驾驶功能；2016年到2019年间，特斯拉加大对视觉感知算法的研发投入，逐步建立起自身的软件和算法框架。

　　2019-2020年FSD芯片上车，全栈自研第一阶段。2019年起，FSD芯片上车，特斯拉加快了软件的迭代速度，同时开始发展视觉神经网络，在纯视觉感知路线上不断深耕。

　　2019年到2023，BEV、transformer、占用网络等引入，全栈自研第二阶段。2021年7月推送的FSDBetaV9版本的软件从底层完全重写，不依赖雷达，只采用TeslaVision视觉方案。

　　特斯拉预计2023年内推出FSDV12，或将引入端到端AI更新其全自动驾驶包。AI算法训练的数据基础，基于海量的人类司机驾驶数据，通过AI算法训练，使智能驾驶系统能够像成熟人类司机一样接管cornercase，应对复杂路况。此外，据马斯克透露，FSDV12将取消Beta版本。这意味着特斯拉有可能在年内正式向北美用户推送FSD的完整版。

　　据TroyTeslike数据，特斯拉FSD全球渗透率在2019Q2达到高点45.7%，主要原因是前期特斯拉销售主力车型是售价相对较贵的ModelS、ModelX，客户群体预算较为充足对价格相对不敏感。随着后期Model3、ModelY等价格较低车型销量占比持续提升，该部分群体对价格敏感，而FSD技术相对尚未成熟，所以付费意愿不强使得FSD渗透率走低，2022Q3全球渗透率已降至7.4%。到了2022年11月FSDBetaV11版本的发布使得车辆决策时间尤其在左右转时大大缩短，延迟减小，性能和使用体验显著提升，同时2022年11月开始FSDBeta不再对安全评分进行要求，可以向几乎全部北美FSD已购买或订阅车主进行推送。截至2023年1月，已经有40万北美用户接入FSDBeta，相较于2022年12月公布的数据28.5万提升近40%。我们预计随着FSDV12完整版的到来，FSD功能趋于完善，消费者的付费意愿不断增强，FSD渗透率有望加速向上。

　　（4）“超级计算机”Dojo投产运行将助力FSD性能跃升，助力特斯拉实现全面自动驾驶

　　近期，特斯拉披露了特斯拉首台“超级计算机”Dojo的进展，其计划于7月正式投入生产，到2024年初，将成为全球最先进的5台超级计算机之一。Dojo是用来处理AI任务的超级计算机,可以帮助特斯拉更高效地处理海量的车辆行驶数据，包括车辆的传感器数据、路况信息等等，从而提升特斯拉自动驾驶算法的准确性和安全性。一旦正式投入使用，或将进一步提升特斯拉电动车的计算机视觉能力，使FSD自动驾驶水平再上一个台阶。特斯拉方面称，一旦Dojo启动并运行，特斯拉完全自动驾驶系统FSDBeta将呈现“指数级提升”。

　　2016-2021年，全球智能驾驶市场规模从929.39亿元增长至1835.25亿元，年复合增长率14.5%；同期中国智能驾驶市场规模从43.9亿元增长至93.7亿，年复合增长率16.4%，略高于全球平均增速。尽管目前我国智能驾驶市场规模仅为全球的5%，但我国是全球汽车保有量最高的国家，当前智能驾驶汽车渗透率不到10%，随着智能驾驶技术的不断突破及相关法律法规、基础设施的完善，我国智能驾驶市场规模将有巨大增长空间。

　　当前我国大部分汽车仍处于L0纯人工驾驶阶段，2020年L1和L2级别智能驾驶合计占比32%，L3及以上智能驾驶系统渗透率微乎其微。我国主要车企均进行了智能驾驶前瞻性布局，当前已有吉利、长城、长安、东风、一汽红旗、上汽、奇瑞实现了L3级别智能驾驶布局，其中吉利、长城、东风已经进入L4/L5级别智能驾驶领域，预计在2025年我国主要车企均将布局L4/L5级别智能驾驶。

　　智能驾驶系统技术壁垒高，控制制动、控制单元、传感器等多种核心技术均被外企垄断。2021年，我国智能驾驶系统84%的市场份额被博世、电装、大陆等德国、日本、英国、瑞典企业占据，国产化率低，且国内尚无具备竞争实力的智能驾驶系统企业。未来我国智能驾驶系统国产替代空间广阔，提升我国智能驾驶系统国产化率将是产业链发展的重要方向。

　　智能驾驶感知系统主要包括车载摄像头、激光雷达和毫米波雷达，其中摄像头和毫米波雷达占据98%的市场份额，2021年激光雷达市场规模仅为4.6亿元。相较于车载摄像头和毫米波雷达，激光雷达具有探测距离远、分辨率高、响应快、精度极高、实时三维建模等优势。当前激光雷达市场规模较低的主要原因是国产化率低，价格高昂。

　　但在激光雷达领域，我国国产替代竞争实力最强，大疆、华为、禾赛科技已突破核心技术，合计市占率近15%。随着固态激光雷达等新技术路线替代传统机械式雷达，工艺成本显著下降，叠加国产激光雷达供货量上升，我国激光雷达市场价格将有较大降低空间，激光雷达将成为最具应用推广潜力的智能驾驶感知系统。

　　2021年，我国智能驾驶定位系统中，V2X、车辆网、高精地图、云服务市场规模分别为400、2126、50、1446亿元，我国智能驾驶决策系统中，ADAS、汽车芯片市场规模分别为1030、133亿元。与智能驾驶其他核心系统类似，定位系统和决策系统市场份额亦被大陆、博世等外企占据，国内企业市占率较低。但随着华为、百度、中兴等国内V2X提供商，阿里、华为、腾讯等国内云服务提供商，百度、智途等国内高精地图提供商，启明信息、中寰卫星等国内车联网提供商，闻泰科技、纳思达等国内汽车芯片供应商的竞争实力不断增强，国产企业有望争取外企的市场份额，在智能驾驶定位系统和决策系统领域实现国产替代。

　　从2021年开始，多家车企公布了城市NOA的上线年下半年，城市NOA已经从概念变成现实。2022年9月，小鹏P5率先在广州推出城市NOA功能，紧随其后极狐阿尔法S的HI版绑定华为的解决方案，相继在深圳、上海落地了城市NOA功能。到了2023年，众多车企在城市NOA方面有了突破性进展，2023H2各车企的城市NOA即将大规模落地。

　　小鹏汽车：国内首家上线城市NOA的车企，并预计于2024年实现车位到车位的全景辅助驾驶能力。2022年9月，小鹏汽车成为国内首个上线城市NOA功能的车企，并开始在广州进行试点。小鹏计划在下半年在无高精地图覆盖的城市开放自动变道、超车、左右转的能力，并预计在2024年推出XNGP的终极形态，实现车位到车位的全场景辅助驾驶能力。

　　蔚来汽车：国内首家实现NOA高速领航的公司，并计划于下半年发布城区NOP+。是国内首家实现NOA高速领航落地的公司。目前NOP+已经在北京二环、三环、四环、五环等城市环路及快速路、高速公路实现全覆盖。

　　理想汽车：计划2023年下半年开通城市通勤NOA。2023年6月，不依赖高精地图的城市NOA开启内测。2023年下半年，理想计划开通城市通勤NOA功能。

　　比亚迪：2022年开始自动驾驶路线从合作借鉴转为建立自研能力，高速DNP功能将于今年三季度搭载于汉车型上。到了2021年之后，比亚迪开始进入到第二个阶段，合作借鉴建立自研的基础能力。定位更高的腾势、F品牌、仰望等，也已规划或公布将搭载包括城市NOA在内的高阶智驾功能。

　　长城汽车：毫末城市NOH预计今年三季度落地。可满足当前L3以及后续L4/L5等全场景自动驾驶功能的实现。毫末智行城市NOH预计在今年三季度落地，于2024年上半年即可完成落地城市100城的目标,实现点点互达。2025年更大规模全场景的NOH将更快落地,全面迈入全无人驾驶时代。

　　华为：城市NCA已经实现落地，并将实现更多无图城市的落地。今年三季度，华为城区NCA将实现15个无图城市的落地，四季度将新增30个无图城市落地至45城。

　　城市NOA的落地意味着高阶智能驾驶的使用场景大幅度扩展，从之前的高速公路、封闭园区等特定场景扩展到更复杂的城市场景。对于用户来讲，高阶智能驾驶的体验也大幅度提升。之前在特定场景才能使用的高阶智能驾驶相关功能，目前在日常通勤的城市场景也可使用。同时，对于体量较大以及自动驾驶算法正向研发能力强的头部企业来讲，使用场景的扩展意味着数据量更加丰富，进而使得算法迭代速度将提升。

　　智能驾驶是在整车的基础上进行智能+网联的升级。目前参与智能驾驶探索的企业主要有传统车企、初创车企和互联网造车企业。相较于传统汽车，智能驾驶汽车需安装感知系统，如激光雷达、毫米波雷达、超声波雷达等；定位系统，如GNSS定位和接受系统、IMU惯性传感器、高精地图；计算与决策系统，如ADAS系统、车载芯片、车载存储器等，以实现智能化。此外，智能驾驶汽车还需移动网络、大数据平台和终端的支持，实现网联。智能驾驶汽车下游应用场景广阔，可覆盖共享汽车、无人驾驶巴士、通勤车等多类应用场景。

　　自动驾驶能力提升需要软硬件协同，目前自动驾驶仍在探索硬件Bom成本边界，自动驾驶仍需升级并且硬件先行。自动驾驶功能升级需要软硬件结合，性能升级需要软硬件的共同提升。历史来看，自动驾驶迭代节奏为硬件阶梯向上，软件持续提升，且软件的迭代落后于硬件。

　　前向摄像头+前向毫米波雷达方案仍为目前智能驾驶感知层硬件配置的主要选择，配置硬件车型占比逐月提升。智能驾驶感知层硬件来看，包括前视摄像头、环视摄像头、毫米波雷达、激光雷达等传感器。

　　前视摄像头：装配率和车型价格带分布正相关，各价格带由于品牌分布和供给差异配置情况差别明显。

　　配置率稳步提升，功能标配车型占比较2022年增长明显。装配率和价格带正相关，自主品牌配置率遥遥领先。

　　前向雷达配置率领先，毫米波雷达整体配置率小幅提升。日系、德系、美系车型传感器配置相对稳定，毫米波雷达装配率领先。

　　自主品牌高阶智能驾驶的差异化感知硬件配置。配置率来看，激光雷达配置率中枢波动上行。目前，激光雷达仍可以作为高阶自动驾驶方案感知端传感器硬件的代表品类。

　　传感器是数据输入来源，属于智能驾驶感知层。此处的感知为广义感知，包含环境传感器的摄像头、毫米波雷达、超声波雷达，也包含车身传感器的压力类、位置类、光雨量类等产品，两者共同完成整车对环境及自身信息感知，并用于后续决策、执行。智能化趋势下，传感器数量及规格提升。环境传感器层面视觉优势显著，摄像头数量及素质提升，2022年开始大量800万像素摄像头搭载上车。车身传感器层面，目前中级车使用的传感器每辆车超过100只，（豪华轿车数量则为200个），单车价值量已超过2000元。

　　机器学习系统迭代对算力要求持续提升。机器学习和算力趋势可以拆分为三个时代：前深度学习时代、深度学习时代和大模型时代，各阶段在训练过程中需要的算力差别明显，每阶段数据处理量指数级提升，对应所需算力亦大幅提升。

　　目前智能驾驶功能上尚未实现完全城市NOA功能，未来仍需要通过提升通用感知能力和博弈算法的优化提升认知和规划能力。以特斯拉功能迭代为例，特斯拉在2019年6月的SoftwareVersion10版本中推出高速NOA方案，过去主要通过数据的积累和人工标注丰富智能驾驶场景。2020Q4，特斯拉公开了FSDBeta6.0，感知、识别、规划能力快速提升。2023Q2推出FSDBeta11.4，补充了Occupancy network，同时引入博弈算法，智能驾驶算法对世界的认知能力初见成效，可以完成基础信息的4D建模。在未来从高速NOA提升至城市NOA过程中，仍需要提升感知、识别、规划能力。一方面，需要通用感知完成对障碍物检测（Occupancy network），同时需要完成障碍物Reasoning的高效分析，从而完成更合理的障碍物行为的推测。另一方面，优化博弈算法，充分考虑交通参与者的博弈习惯，将规划问题转化为无监督和离线优化/复现交互的标注方式。未来智能驾驶升级的路径中，仍需要“硬件——软件——算法”的协同配合。

　　英伟达新一代方案Thor预计2024年上市，有望带动国内整车厂智驾的新一轮升级。

　　英伟达作为国内整车厂智能驾驶芯片的核心供应商，芯片升级节奏或成为影响国内整车厂智驾升级节奏的重要原因。英伟达下一代智驾芯片Thor有望2024年上市，核心算力有望达到2000tops，进一步带动国内整车厂智能驾驶硬件方案的升级。

　　英伟达Orin方案包括AGX版本和NX版本，其中AGXOrin方案是车厂更多使用的高算力版本，OrinNX方案在过去被忽略。

　　由于AGXOrin和OrinNX使用相同的开发者平台，AGXOrin方案到OrinNX方案的切换难度较低，转换速度较快，OrinNX或成为未来国内整车厂中算力方案的主要选择。

　　地平线方案架构持续升级，凭借异构计算模式和丰富的接口设计实现性能的领先，或成为首个中国中算力芯片。

　　地平线年1-9月销量数据来看，地平线万辆，销量快速上行，未来有望成为国产芯片中算力方案的主要选择。

　　域控是智能驾驶决策核心，属于智能驾驶决策层。控制器作为汽车决策层的核心部件，功能实现依赖主控芯片、软件操作系统、中间件、应用算法。随自动驾驶从L0-L1-L2-L3-L4，行车端、泊车功能不断升级，自动驾驶域控单车价值同步提升。目前L2-L4级自动驾驶域控整体单车价值在2000~10000元区间，产品渗透率增长，域控制器市场空间广阔，根据我们测算，2025年国内自动驾驶域控制器市场规模约为480亿元。

　　执行端：线控底盘具备响应速度快与控制精度高的特点，是实现更高级别自动驾驶技术的关键。由于以电信号取代机械联结与机械能量传递，线控系统具备以下优势：

　　1）以电信号的方式传输，系统的响应速度更快；2）应用传感器收集与记录信息，控制精度与子系统间的协调性大幅提升；3）以线控系统取代机械装置，减轻整备质量，提升轻量化水平，同时节省大量空间，有利于实现模块化设计。从控制流的角度来看，自动驾驶技术本质是对“驾驶员指令输入-底盘子系统影响轮胎力-达到相应运动状态-驾驶员操作修正”控制闭环中的人工控制实现部分（甚至完全的）取代，线控技术的应用增强了底盘系统的电子化程度，是实现自动驾驶的关键技术。

　　线控制动：渗透率稳步提升，one-box和two-box渗透率均有明显增长。线控制动系统的应用仍集中在新能源车中，充分解决新能源车型的里程焦虑。后续伴随自动驾驶功能的升级，具备安全冗余的线控制动方案有望快速上车。

　　线控制动系统通过制动卡钳产生的制动力和动力能量回收产生的制动力之间不同比例的配比，从而实现动力回收。通过线控系统的能量回收增加续航里程，可以在行驶过程中减少能量消耗，从而有效缓解目前电动车电池成本较高、续航里程较低的问题。

　　线控底盘是数据流在车端的应用，属于智能驾驶执行层。数据从传感器流入，经域控制器等处理，转变成汽车终端指令向执行层传输，其中线控底盘执行X、Y、Z轴三向操作。X轴线控转向以电子控制器取代方向盘与转向轮之间机械连接，提高响应速度，行业处于发展初期；Y轴线控制动以电控信号取代传统制动系统部分或全部机械部件，解决新能源车缺少真空泵源困境，通过电信号获得更快信息传输及响应速度，21年国内行业渗透率已达9%；Z轴空悬以空气弹簧取代传统弹簧，搭配可变阻尼减振器减轻颠簸，行业渗透率快速提升。

　　ADS2.0算法升级：ADS1.0通过融合感知BEV架构实现“看得清”，ADS2.0最重大的变化是“有图无图都能开”，摆脱高精地图的依赖，通过推理实现像真正司机一样看路识路。

　　为什么要摆脱高精地图的依赖？——1）成本非常高；2）高精地图更新慢，几个月才更新一次。

　　GOD网络可以识别白名单外障碍物：除了打过标签和训练过的“白名单”障碍物，对于没有训练过（不在白名单之内）的异形障碍物，GOD网络也可以做到有效识别，减少了长尾风险。

　　小鹏汽车中国市场年度销量持续提升，2020年销量突破10万。配备XPILOT3.0的P7拥有高速NGP等智驾功能，一经推出便大受欢迎，是首个突破十万量产的纯电新势力车型。此后小鹏又推出多款新车型，并不断调整优化产品战略。2023年7月新车型G6启动交付，搭载XNGP，参考售价区间为20-28万，销量提升较快。根据小鹏官网数据，2023年9月G6销量达8132辆，销量占比从7月的35%快速提升至53%。

　　保隆科技成立于1997年，创始人及部分管理层来自武汉理工大学，校企深度合作。上市7年3轮股权激励，涉及董事、高管、核心技术人员共1369人，激励到位，公司氛围团结。技术实力强悍，围绕三条能力构建业务主线)气门嘴积累橡胶能力拓展空气悬架；2）TPMS（胎压监测系统）积累传感能力拓展车身传感器及环境传感器等业务；3）排气管件积累金属能力拓展轻量化结构件。公司产品落地能力强悍，多业务进展顺利。客户结构广泛覆盖大众、比亚迪、大陆等车企、TIER1及售后市场，22年实现营收48亿元，前五名客户合计占比28%。

　　汽车高阶智能驾驶奇点时刻将至，投资机遇围绕数据流演进，算法在于整车，零部件涉及感知（数据获取）—决策（数据处理）—执行（数据应用），执行层通过线控底盘实现X轴（线控转向）、Y轴（线控制动）、Z轴（空气悬架）三向操作。保隆科技布局的传感器+域控+空气悬架市场规模超600亿元，2025年行业规模近1600亿元，增量来自智能驾驶渗透率提升。

　　1）TPMS标配件，公司发射器全球份额从2020年12%提升至2022年17%。2）气门嘴及平衡块市场需求平稳，公司是全球最大的轮胎气门嘴企业之一，完成TPMS气门嘴前瞻技术布局。3）金属零部件从排气管件转向新能源，推出液冷板等新产品。

　　1）空气悬架，公司12年切入皮囊及空悬，掌握全产业链工艺，覆盖空气弹簧、电控减振器、控制单元等全系统开发能力，22年国内空簧市场份额13%；2）传感器，车身传感器自研+并购形成压力类、光学类、速度类、位置类、加速度类、电流类6品类、40+种产品布局，平均单车价值量约1000元。环境传感器布局毫米波雷达、摄像头、超声波雷达等，4D毫米波雷达预计24Q1量产，有望加速国产替代；3）域控，公司与领目科技成立合资公司，行泊一体域控制器预计今年9月量产。

　　经纬恒润成立于2003年，是一家覆盖电子产品、研发服务及解决方案和高级别智能驾驶整体解决方案三大业务的汽车Tier1厂商，形成“三位一体”业务布局，在核心技术、应用场景、行业客户群等方面相互支持、协同发展。公司在技术覆盖和战略布局上较为全面，具有覆盖硬件（硬件与机械结构）、底层软件（AutosarCP）、操作系统与中间件（QNX与AutosarAP）、核心算法等方面的全栈式解决能力，和包含智能驾驶域、车身和舒适域、动力域、底盘域、智能网联等汽车领域在内的全面业务布局，能够在行业竞争中占据更大优势，为客户提供更优质的服务。

　　进入2023年以来，智能驾驶行业迎多重利好催化，行业发展趋势向好、前景明朗。

　　汽车NOA功能逐步由高速场景转向城市场景（城市用车时长占比达90%），未来随着城市NOA的不断渗透，以及大模型、大算力、海量数据的加成，自动驾驶行业有望进入“ChatGPT时刻”。

　　目前NOA标配交付车型均价为35.33万元（今年1-4月统计口径），同比下降9.39%，基础NOA标配+高阶NOA选装（顶配）有望成为市场趋势。

　　根据佐思汽研，23Q1中国行泊一体方案量产车型渗透率为6.7%，2030年行业整体装配率有望达到51%。

　　公司智能驾驶业务可提供覆盖感知端+控制端的全面解决方案，自2016年量产ADAS产品以来，业务规模持续高速增长。公司依托于Mobileye、TI等芯片龙头构筑产品竞争力，已成为国产智能驾驶电子产品龙头厂商，2020年/2022H1国内市占率分别达3.6%/3.9%，为中国乘用车新车前视系统前十名供应商中唯一的本土企业。公司不断加大研发，积极开拓行泊一体等新技术方案，有望凭借优质的技术和服务实现业务规模快速拓展。

　　Bsports必一体育

　　构建多方责任体系，明确汽车制造者、程序研发者、实际操作者等各方的责任判定依据；设立专门的智能驾驶登记管理机构，面向智能驾驶开设特殊的驾照资格审查机制；增设智能驾驶交通事故险种，使智能驾驶相关事故能够得到合理的赔偿和救济；完善个人信息保护机制，严防企业泄露通过智能驾驶系统获取的用户信息。

　　2.传统造车企业主导的同时，新兴科技企业入局智能驾驶，加快核心零部件国产替代进程

　　除比亚迪、理想、长城、吉利等传统造车企业及百度、华为、腾讯等互联网科技企业正在紧锣密鼓布局智能驾驶外，大量新兴科技企业，尤其是以激光雷达、毫米波雷达、智能驾驶芯片为代表的核心零部件企业也密集进入智能驾驶领域。据零壹智库不完全统计，2022年第三季度，国内一级市场上共有55家自动驾驶相关公司获得61笔股权融资，其中23笔披露具体融资金额，对应的融资总额约为63.3亿元。新兴科技企业带动资本入局智能驾驶领域，利于加快关键领域技术突破和量产推广，实现核心零部件国产替代。

　　多传感器融合技术就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计。随着智能驾驶级别的提升，车辆所需要的传感器也越发多样化，为了应对不同的场景和保证车辆的安全，多传感器融合将成为行业发展趋势。

　　车路协同是指将数字化赋能的智能汽车与传感技术赋能的先进道路结合，以实现驾驶员、智能驾驶汽车、智慧道路、云平台的高效协同，这大大减少了车端的运算负担，让自动驾驶汽车成本更低，更容易落地，并能提供更多的安全冗余，同时，车路协同提供的信息更多，使其更适合复杂路况，进一步拓展智能驾驶下游应用场景。

　　智能驾驶产品技术上的代际升级有望驱动整车格局的新变迁。复盘全球和国内车企崛起的经验，生产技术/产品技术/需求挖掘的代际变革和边际优化是一个车企崛起的核心原因。

　　汽车行业经历了手工生产—大批量生产—精益生产的代际性的变革，其中又有平台化模块化等生产方式创新带来的降本增效，目前处于精益生产范式下平台化模块化生产的边际优化中。特斯拉采用一体化压铸技术大幅提升生产效率，国内蔚来、极氪等企业也应用一体化压铸生产后地板等零部件。

　　汽车行业陆续出现跑车，平民车，大型轿车，皮卡，气泡车，经济型轿车，SUV，MPV等细分市场，一些市场反应敏捷的企业享受到细分市场快速成长的红利。近年来家庭用车，女性用车，越野车等细分市场的需求挖掘给一些企业带来机会，但随着消费者选择的多样化，新的细分市场的挖掘难度加大，目前处于在各种细分市场的边际完善中。

　　汽车行业经历了马车—燃油车—电动车的代际性变革，其中又有涡轮增压，流线型设计等的持续优化。我国汽车行业正处于从燃油车向电动车转型代际变革中，比亚迪与理想汽车等企业在电动化浪潮中迅速崛起。

　　产品技术角度即将进入下一个代际跨越，即智能驾驶的代际升级：城市NOA的大规模落地，高阶智能驾驶进入城市场景。而智能驾驶的代际升级有望产生整车格局的变迁。随着消费者越来越看重智能驾驶带来的驾驶体验的提升，智能驾驶能力有望成为消费者选择汽车产品的重要因素，相关能力较强的车企有望实现弯道超车。

　　L2+到L3-L4不是连续的技术边际优化，而是跨越式的技术升级。大规模神经网络的参数数量、训练数据等规模到达一定程度时，会出现定性的变化。

　　下图展示了大模型的“涌现”现象，横轴表示各个神经网络模型的规模，纵轴表示准确率，可以看到有效参数跨越一个明显的临界值后，模型的精度会大幅提升。同样基于Transformer架构的智能驾驶大模型在数据和参数积累到一定程度后，也有望迎来“涌现”时刻，智能驾驶的能力也有望大幅提升。即智能驾驶的技术能力的提升并非线级别的智能驾驶，或许不是连续的技术边际优化，而是跨越式的技术升级。因此，智能化的代际升级可能驱动整车格局变化，头部企业与其他企业的技术差距可能会拉大。

　　据IHS统计，2020年全球新车智能驾驶渗透率为40%，预计2025年将达到70%，且L4/L5级别智能驾驶系统将实现量产。2035年以后，L3及以下级别的智能驾驶系统渗透率将逐渐下降，到2040年，所有新车都将配备自动驾驶功能，且L4/L5级别智能驾驶系统渗透率将达到50%。

　　2.按照下游应用场景口径测算，预计2025年我国智能驾驶市场规模将达万亿级

　　智能驾驶下游应用场景主要分为TOG、TOB和TOC，据测算，到2025年，我国TOG智能驾驶市场规模将超过200亿元，TOB智能驾驶市场规模最大，约为6500亿元，TOC智能驾驶市场规模约为3150亿元。智能驾驶将率先在商用领域打开市场空间，随着我国相关法规政策和基础设施的不断完善、智能驾驶零部件平均价值的提升，TOC端发展前景也十分广阔。

　　域控制器、线控制动、毫米波雷达、摄像头以及4D毫米波雷达等是智能化受益新赛道。随着电动智能化产业趋势发展，发动机、燃油喷射系统、变速器、启动电机及发电机、涡轮增压、尾气处理系统、油箱及燃油系统预计逐步萎缩。而自动驾驶的实现需要毫米波雷达、摄像头、超声波雷达、激光雷达、4D毫米波雷达等传感端产品的保障，自动驾驶渗透率的提升拉动传感端产品需求持续提升。智能电动车背景下，传统纯机械的转向系统和制动系统逐渐被替代，电控转向和电控制动兴起，到最后线控转向线控制动。此外随着智能化和电动化的深入，转向和制动进入线控转向和线性制控时代。电子电气架构从分布到集中，域控制器、多域控制器替代ECU。

　　车企城市NOA加速落地，意味着高阶智能驾驶进入城市场景。无论从软件还是硬件层面，对汽车产品都提出了更高的要求。因此，有望驱动零部件新赛道市场空间加速增长，同时提升整体渗透速度。

　　（更多投研内容可关注公众号《 投研锋向 》加入社群，体验更多0预期差纪要信息）

　　公司名称：重庆懂车帝科技有限公司中央网信办违法和不良信息举报中心违法和不良信息举报电话：