分析師：蘇儀聯系人：王雪晴Email：wangxq03@zts分析師：蘇儀聯系人：王雪晴Email：wangxq03@智能汽車系列報告之一：城區NOA快速落地，產業迎來“iPhone4時刻”分析師：何柄諭聯系人：劉一哲Email：liuyz03@1智駕產業迎來“iPhone4時刻”1智駕產業迎來“iPhone4時刻”1CONTE2相關政策發布時間政策主要內容《國家車聯網產業標準體系建設指南（總體要求）》2018/6/15針對車聯網產業“十三五”發展需要，加快共性基礎標準制定，加緊研制自動駕駛及輔助駕駛相關標準、車載電子產品關鍵技術標準、無線通信關鍵技術標準、面向車聯網產業應用的5GeV2X關鍵技術標準制定，滿足產業發展需求。到2020年，基本建成國家車聯網產業標準體系。《車聯網（智能網聯汽車）產業發展行動計劃》2018/12/28第一階段，到2020年，將實現車聯網（智能網聯汽車）產業跨行業融合取得突破，具備高級別自動駕駛功能的智能網聯汽車實現特定場景規模應用，車聯網用戶滲透率達到30%以上，智能道路基礎設施水平明顯提升。第二階段，2020年后，技術創新、標準體系、基礎設施、應用服務和安全保障體系將全面建成，高級別自動駕駛功能的智能網聯汽車和5G-V2X逐步實現規模化商業應用，“人-車-路-云”實現高度協同。《智能汽車創新發展戰略》2020/2/10到2025年，中國標準智能汽車的技術創新、產業生態、基礎設施、法規標準、產品監管和網絡安全體系基本形成。實現有條件自動駕駛的智能汽車達到規模化生產，實現高度自動駕駛的智能汽車在特定環境下市場化應用。《關于促進道路交通自動駕1.加快關鍵共性技術攻關。2.完善測試評價方法和測試技術體系。3.研究混行交通監測和管控方法。4.持續推進行業科研能力建設。5.加強基礎設施智能駛技術發展和應用的指導意2020/12/20化發展規劃研究。6.有序推進基礎設施智能化建設。7.支持開展自動駕駛載貨運輸服務。8.穩步推動自動駕駛客運出行服務。9.鼓勵自動駕駛新業態發展。見》10.強化安全風險防控。11.加快營造良好政策環境。12.持續推進標準規范體系建設。《智能網聯汽車道路測試與示范應用管理規范（試行）》2021/7/27在道路測試基礎上增加示范應用相關內容，允許經過一定時間或里程道路測試、安全可靠的車輛開展載人載物示范應用，并將道路測試和示范應用的范圍擴展到包括高速公路在內的公路、城市道路和區域；提出了測試主體的單位性質、業務范疇、事故賠償能力、測試評價規程、遠程監控能力、事件分析能力、網絡安全保障能力及符合法律法規8個方面的要求，示范應用主體需額外具備智能網聯汽車示范應用運營業務能力。《交通領域科技創新中長期發展規劃綱要（2021—2035年）》2022/3/25促進道路自動駕駛技術研發與應用，突破融合感知、車路信息交互、高精度時空服務、智能計算平臺、感知—決策—控制功能在線進化等技術，推動自動駕駛、輔助駕駛在道路貨運、城市配送、城市公交的推廣應用。《國家車聯網產業標準體系到2025年，系統形成能夠支撐組合駕駛輔助和自動駕駛通用功能的智能網聯汽車標準體系。制修訂100項以上智能網聯汽車相關標準；到2030年，全面建設指南（智能網聯汽車）2023/7/26形成能夠支撐實現單車智能和網聯賦能協同發展的智能網聯汽車標準體系，制修訂130項以上智能網聯汽車相關標準并建立實施效果評估和動態完善機（2023版）》《關于開展智能網聯汽車準通過開展試點工作，引導智能網聯汽車生產企業和使用主體加強能力建設，在保障安全的前提下，促進智能網聯汽車產品的功能、性能提升和產業生態入和上路通行試點工作的通2023/11/17的迭代優化，推動智能網聯汽車產業高質量發展。基于試點實證積累管理經驗，支撐相關法律法規、技術標準制修訂，加快健全完善智能網聯汽車生產知》準入管理和道路交通安全管理體系。3智能駕駛萬億賽道高速成長，滲透率快速提升.我國自動駕駛市場規模正高速成長，智能網聯汽車出貨量高速增長。據IDC預測，2025年我國智能網聯汽車出貨量將達約2500萬輛，復合增長率達16.1%。2022年，我國智能駕駛產業市場規模已達2894億元。據信通院預計，到2025年中國智能駕駛汽車市場規模將接近萬億元。50 40.8% 22Q122Q222Q322Q423Q4硬件層：大算力智駕平臺不斷迭代，自主芯片算力持續提升.隨各芯片廠商芯片算力不斷提升，算力已經不再是制約更高級別智能駕駛落地的因素。最新發布的NVIDIAThor單顆算力已經達到2000TOPS，Qualcomm組合算力也達該水準。.國產芯片平臺算力也在持續提升。地平線J6芯片單顆算力可達560TOPS，華為MDC平臺算力也可達400TOPS，組合算力以能夠支持高階智駕需求。5新勢力車企新勢力車企硬件層：激光雷達等感知器成本持續下降，智駕感知支持更加完善.受益于光學芯片及其配套元器件集成化，激光雷達成本大幅下降。L3、L4和L5級別自動駕駛或分別需要平均搭載1顆、2-3顆和4-6顆激光雷達。早期車載激光雷達成本高達幾萬美元，近期已下探至幾百美元水平。.激光雷達應用范圍持續擴張，激光雷達對輔助駕駛的感知支持更加完善。截止2023Q3，已有36家中國車企宣布使用激光雷達，預計國內將有高達106款搭載激光雷達的車型上市，占全球同期預計發布搭載激光雷達新車型總數量近90%。智能駕駛解決方案供應商&無人駕駛車輛運營商6.智能駕駛正在進入以BEV+Transformer為核心的新一代技術框架，感知和泛化能力進行了飛躍。BEV以鳥瞰視角呈現車輛信息，是自動駕駛系統中跨攝像頭和多模態融合的體現。將傳統自動駕駛2D圖像視角（ImageView）加測距的感知方式，轉換為在鳥瞰圖視角下的3D感知。.BEV視角下的物體，不會出現圖像視角下的尺度（scale）和遮擋（occlusion）問題；將不同視角在BEV下進行統一表達，能極大方便后續規劃和控制任務，有利于多模態融合；BEV還能夠實現端到端優化，并提升感知系統的融合效率，為整個系統帶來巨大的提升。7.Tesla在AIDay上提出了占用網絡算法OccupancyNetwork，有望引領下一代算法路線。占用網絡基于占用網格映射的機器人思想；能夠將世界劃分為一個網格單元，再定義哪個單元格被占用，哪個單元格空閑。.占用網絡是3D視圖的，相比于基于BEV的2D預測多了高度方向上的信息，能夠進一步推進多視圖、多感知融合。在BEV的基礎上檢測物體并構建固定的立方體，對環境進行立體網格仿真，隨后再進行物體檢測。8數據層：技術牽引+量產商業化落地，產業逐步形成車云協同數據閉環.自動駕駛數據量高速增長，算力支持逐步到位。行業發展前期數據量從TB級增長至PB級，數據增長速度快于算力。但隨著算力快速增長，將能夠覆蓋相應數據的處理需求。.產業將完善車云協同數據閉環，“數據飛輪”加速運行。從車端數據采集，到處理后形成有效數據集，再通過云服務器進行存儲、運輸，經過算法模型訓練、驗證后，將有效數據成果部署上車，各環節相互連接，形成完整的數據閉環。9行業正處于“iPhone4時刻”，性價比車型智駕滲透率將快速提升.自動駕駛市場發展現已進入以量產目標的攻堅階段，以成本控制為目標的產品迎來發展黃金期。如果以手機行業類比，2010年iPhone4發布后手機行業迎來了一次變革，但滲透率真正快速增長期是在2012年智能手機下探至千元市場之后。.對于汽車而言，硬件成本相對固定，下降速度較慢；軟件算法的提升和迭代能大幅提升用戶體驗，才是車企性價比優勢的主要來源。90%80%70%60%50%40%30%20%價值增加價值增加汽車產品軟件附加值大幅提升，主要體現在研發和銷售服務階段.隨著SDV的發展，汽車產品在研發和銷售階段的附加價值將會更大。在制造階段，硬件的增值較為有限；在銷售和服務階段，軟件在帶來的價值增量將逐漸擴大，軟件也可以通過OTA升級或訂閱服務不斷盈利。此外相關企業可以通過軟件為用戶提供多元化的服務，未來也將通過拓寬汽車產業和服務的邊界來擴大價值增量。傳統汽車工業未來汽車工業銷售和服務SDV使供應鏈將迎來整零關系重構，行業價值量分配將向軟件層傾斜.智能駕駛產業正迎來供應鏈整零關系的重構。傳統產業模式下，整車企業協調整個產業鏈，在價值分配中擁有絕對話語權。但隨著軟件定義汽車的逐漸演進，傳統汽車產品的功能和性能難以滿足智能化和個性化需求。.當下產業協同方式正在向網型結構轉變。軟件研發能力強的信息通信技術（ICT）企業將作為Tier0.5的參與者進入汽車行業，與車企進行協作創新；零部件和芯片廠商協同更加緊密，行業參與者的界限更加模糊，軟件的重要性持續提升。.未來的產業模式將成為平臺化的生態系統。平臺企業作為各要素的集成商，將成為產業模式的中心，掌握對車輛架構和軟硬件集成的權利；硬件供應商和軟件供應商將根據平臺和用戶的需求開發各種軟件和硬件產品，軟件供應商的重要性將隨著軟件價值的增加而進一步增加。此外第三方開發商的進入也能使汽車產品與外部生態進行更好地溝通。 BEV技術路線成車廠共識2CONTEBEV技術路線成車廠共識2CONTENOA拓展至城區場景，各品牌加快開城節奏.NOA（NavigateonAutopilot）功能的應用已經從高速公路拓展到城區場景。隨著技術逐漸成熟，小鵬、理想、蔚來、華為等車企紛紛落地城市領航功能，加快開城速度。.NOA功能已經成為了絕大多數用戶購車的參考因素。約41%的用戶認為高速NOA是主要的購車參考因素；約28%用戶認為城區NOA是主要的購車參考因素，超90%用戶認為NOA功能是他們購車的參考因素。864204%2.40%2.36%9.88.840.75% 0%3%2%2%1%3.73.80.92%0.77%22Q122Q222Q322Q423Q123Q223Q370%60%50%40%30%20%10%0%65.60%51.80%51.80%41.10%28.10%6.30%7.10%主要參考因素次要參考因素不作為參考因素城市NOA功能高速NOA功能城區NOA功能主要分布在20w+車型，將逐步下探至中低價位車型.當下標配城區NOA的功能的車型主要分布在30-50萬價位的區間。占比最多的區間是35-40萬車型，為34.1%。.NOA功能已經開始下探至20萬以下車型。2024年推出的小鵬P5500Pro價格為17.49萬元起，榮威RX5NGP售價15.59萬起。未來隨著軟硬件成本持續下降，NOA功能也將逐漸下探至中低價位車型。023.620232024E2025E2026E2027E華為：采用BEV+GOD/RCR2.0算法架構，高速無圖決策取得新進展.“看得懂物”的GOD2.0（GeneralObstacleDetection，通用障礙物檢測網絡）：可以識別通用障礙物白名單外的異形物體，障礙物種類精細識別（如區分救護車、警車等識別率高達99.9%.“看得懂路”的RCR2.0（RoadCognition&Reasoning，道路拓撲推理網絡）：實現導航地圖和現實世界的匹配。.BEV+GOD2.0+RCR2.0完善軟件算法架構覆蓋更多無圖場景。在BEV方案的基礎上，華為還采用了和特斯拉類似的Occupancynetworks算法，并結合了激光雷達、超聲波雷達，可以在視覺算法之外提供更多的安全冗余。小鵬：從XPilot到XNGP智駕方案逐步完善，最.小鵬的智駕方案經歷了從XPilot到XNGP的演進。XPilot是帶有高速領航輔助的智能駕駛；XNGP是在第一代XPilot系統的基礎上，增加了城市路況下的全程智能輔助駕駛功能（城市NGP），以及高速NGP和VPA記憶泊車的增強版功能。基于激光雷達硬件加持，XNGP能實現更高級別的場景感知與融合，實現點到點的輔助駕駛。.未來小鵬智駕方案將會走向面向全場景智駕的架構Xbrain，由具備時空理解的下一代感知架構XNet2.0、基于神經網絡的規劃與控制XPlanner以及其他算法共同構成，達到完全的感知融合。小鵬：形成數據全棧閉環，數據處理與算法迭代效率大幅提升.小鵬實現了數據的全棧閉環，大幅提升數據處理效率。將生成的仿真數據和收集到的車輛數據信息進行數據挖掘并標注，對模型進行訓練，并輸入云端進行大規模仿真測試，最終訓練模型和部署代碼。.對于城市場景，能夠在24小時內完成相應策略點的修復，閉環處理效率提升了150%，城市被動接管次數顯著下降了38%。.2023年12月，理想智駕從AD2.0全面升級到AD3.0。從原先多個小模型以及人工規則為主的模塊化算法架構提升為大模型為主的端到端架構。.ADMax3.0采用BEV+Occupancy方案，進一步提升了感知能力，規劃算法逐步切換為時空聯合規劃算法可以更快完成駕駛軌跡規劃，同時也更新了MPC模型預測控制算法，可以做到低時延、高準確的轉向。除此之外，憑借TIN端到端信號燈網絡，ADMax3.0還可以在不設置導航的前提下識別不同樣式的紅綠燈，實現在路口的起步和剎停。蔚來：迭代NOP+技術路線架構，無圖云端數據驅動模型提升感知決策能力.一是打造靜態感知網絡NADLane2.0，不需要依賴高精地圖，就能實時感知路口信息；二是通過數據驅動的方式，基于時空交互transformer多模態注意力網絡打造了云端大模型NADWWM，高效提升車輛感知性能；三是引入全數據驅動的規劃的模型分層價值網絡NADHVM，通過分層搜索的形式，可以在更快的時間內去完成更廣泛的搜索，從而找到最優的結果，這使得城市NOP+將具備更加細膩的交互能力。.與絕大多數車企不同，蔚來的城區增強領航輔助NOP+服務將按路線開通。智駕汽車將成通用AI智能體3CONTE智駕汽車將成通用AI智能體3CONTE智能汽車行業正走向智能化的下半程.智能汽車最終將走向AI定義的下半程。汽車行業經歷了上世紀的“大工業”時代和電氣化時代，逐漸走入了智能化時代的下半程。如果說上半程的迭代在于“軟件定義汽車”，是基于電子電子架構的軟硬解耦和功能迭代，那么下半程可能就是AI定義汽車，以神經網絡模型、城區NOA為代表的高級別智駕功能及智能交互功能將引領產業。.在2021年之前的智能駕駛普遍采用后融合/后處理且基于規則的算法，可以用ExpertAI進行類比。各傳感器輸出結果在決策層融合，每個傳感器都有自己獨立的感知算法。但這種方式下低置信度信息會被過濾掉，造成原始數據丟失，且始終難以解決長尾性問題。.BEV誕生后，行業逐漸走向特征集融合的過程，可以用NarrowAI進行類比。先將各個傳感器通過神經網絡模型提取中間層特征（即有效特征），再對多種傳感器的有效特征進行融合，從而得到最佳推理過程。OccupancyNetworks算法也是這種路徑的代表算法。.未來的端到端智能駕駛將走向世界模型時代，即AGI時代。2024年隨著特斯拉推送基于端到端的自動駕駛系統FSDv12，算法中引入了世界模型和基礎模型的概念，小鵬、理想、蔚來等中國車企跟著加大端到端模型研發力度。未來自動駕駛將成為通用機器人的最先落地場景.自動駕駛將是通用機器人的最先落地場景。在CVPR2023會議上，特斯拉公司介紹了他們研發的“通用世界模型”。該模型具備強大的功能，能夠對未來事件進行有效預測，并且可以通過人為干預進行控制。此外，它能夠以多種形式輸出結果，極大地便利了仿真實驗的開展，為科研和技術創新提供了新的可能。隨著通用世界模型的成熟和落地，未來智能汽車也將成為一個通用的端側智能體，自動駕駛或將成為通用機器人的最先落地場景。4投資建議與風險提示CONTE4投資建議與風險提示CONTE.我國智能駕駛仍處于滲透率快速提升階段，2024年有望成為L3+智駕落地元年。自動駕駛產業經過高速發展已進入泛化階段，硬件上大算力芯片和傳感器不斷迭代降本，高階智能駕駛落地有了硬件支撐；軟件上算法持續迭代，軟硬解耦和艙駕融合的趨勢更增智駕車型的優勢，并逐漸成為用戶購車的主要考量因素。NOA的誕生如同手機行業的“iPhone4時刻”，隨著以NOA為標志的高階智駕功能下探至20W以下車型，行業也將迎來滲透率的快速提升。.BEVTransformer成為了行業共識的主流技術路線，各車廠均加速NOA開城進度。BEV以鳥瞰視角呈現車輛信息，將傳統自動駕駛2D圖像視角轉換為在鳥瞰圖視角下的3D感知，解決了圖像視角下的尺度和遮擋問題，已成為各大車廠共識的技術路線。華為、小鵬、理想、蔚來等車廠均確立了BEV方案，并開始大規模推送城區輔助駕駛OTA升級。.汽車是AI在端側落地的最佳場景，自動駕駛的終局是將汽車變為通用智能的機器人。汽車行業如今已經走入智能化的下半程，端到端駕駛發展的趨勢下，行業最終向AI定義汽車的方向演進。隨著汽車走向端到端智能駕駛，單車也更接近一個通用AgentAI，隨著未來世界模型的接入將成為通用機器人落地的首個場景。.推薦關注：中科創達（OS核心標的）、經緯恒潤（汽車電子核心標的）