向智駕2.0時代邁進——汽車智駕行業的梳理與思考(一)2025年1月17日目

證券研究報告光大證券EVERBRIGHT

SECURITIES⑧純視覺或更適配端到端，并有望從智駕遷移至人形機器人：

當前國內主機廠已陸續切換至端到端大模型(以感知層端到端+決策規劃層端到端為主),但純視覺vs.激光雷達端到端仍存爭議。我們判斷，1)純視覺具備迭代速度更快、成本更低等特點，預計普適性或更強(有望從智駕遷移至人形機器人);2)當前采用激光雷達+端到端方案的大部分智駕車型存在激光雷達搭載數量不足、車端算力不足或算法能力相對偏弱等問題；3)預計算法優化迭代是實現技術路線突破的關鍵。

2025E-2026E,汽車智駕拐點臨近：我們判斷，1)蘋果/特斯拉撬動市場的共性特點在于產品創新、

流量優勢+品牌效應、全球布局+本土化投入；2)影響智駕放量突破的關鍵在于，功能與體驗(包括

智駕+智艙交互功能)、以及成本與性價比，預計供給端變革或走在需求端釋放前列；3)預計2025E-

2026E國內智駕的拐點有望臨近、2027E-2028E國內智駕有望迎來2.0時代的高速增長階段。

內卷加劇/配置升級，聚焦團隊+智駕技術路線：我們分析，決定車企智駕能力高低的主要因素包括：

1)團隊架構；2)團隊執行力/糾錯力；3)智駕技術路徑的選擇；4)算力與數據支持；5)資金+產

業鏈投資/收購整合能力；其中，團隊架構、團隊執行力/糾錯力、以及智駕技術路徑的選擇或為最關

鍵因素。我們認為各家智駕能力的排序為：小鵬>華為、理想>小米、蔚來>吉利、比亞迪；其中，華

為在不切換至純視覺+端到端智駕技術路徑的情況下，其智駕優勢在后階段或逐步減弱。

2025E增換購需求延續，關注車型周期反轉+智能化：預計2025年銷量提振前景依然可期；預計整車優于零部件，推薦具備較強車型周期向上彈性的整車標的、持續關注智能化。

整車：推薦小鵬汽車，

建議關注特斯拉、吉利汽車、蔚來；零部件：推薦福耀玻璃、拓普集團，建議關注三花智控。

風險提示：

政策風險；智駕系統與功能推送節奏不及預期；消費者基于智駕的接受程度不及預期等。核心觀點光大證券EVERBRIGHT

SECURITIES也

中請務必參閱正文之后的重要聲明智駕大模型升級，什么是端到端智駕路線之爭：純視覺vs.激光雷達

如何看待人形機器人算法技術路徑

2025E-2026E,

汽車智駕拐點臨近風險提示目

錄請務必參閱正文之后的重要聲明光大證券EVERBRIGHT

SECURITIES預測決策規劃模塊以規則算法為主各模塊相互獨立可以對每個模塊單獨訓練預測決策規劃模塊采用神經網絡各模塊相互獨立可以對每個模塊單獨訓練預測決策規劃模塊采用神經網絡可以同時訓練兩個模塊One

Model端到端

生成式端到端大模型

通過單一神經網絡實現訓練>2023/12特斯拉推出FSD

V12,首次搭載端到端智駕大模型。2024年至今，小鵬、華為、理想、蔚來等主機廠陸續向端到端智能駕駛架構升級。端到端方案主要可以分為四種：1)感知層端到端、2)感知層端到端+決策規

劃層端到端、3)模塊化端到端、4)One

Model生成式一體化端到端(世界模型)。四種方案對人工編寫規則

代碼的依賴程度依次降低；其中，One

Model端到端采用單一神經網絡將傳統自動駕駛系統中的感知、預測、決策規劃多模塊整合為一體。當前國內頭部智駕主機廠以采用感知層端到端+決策規劃層端到端為主(vs.特斯拉，我們推測2023/12FSD

V12.1采用感知層端到端，2024/3FSDV12.3

采用One

Model生成式一體化端到端)。圖1:端到端方案的分類架構組成

代表主機廠

模型特點智駕大模型：什么是端到端?L

真正意義上的端到端請務必參閱正文之后的重要聲明資料來源：辰韜資本、ADS智庫，光大證券研究戶決策規劃模型化模塊化端到端光大證券EVERBRIGHT

SECURITIESBEV

感知BEV特征Rule-basedPlanner商湯sensetime感知“端到端”現階段主機廠均已落地Planning

FormerBEV

感知AI

PlannerHUAWEI圖3:數據量增加可提升智駕系統性能—

Pred.Traj

一

GT

Traj

□50K+Unseen

□2M+Unseen□

2M+SeenHIGHWAY

NUDGE

OBSHIGHWAY

NUDGE

OBSWAIT

TURN注：1)

Pred.Traj代表模型預測軌跡；GTTraj代表真實行駛軌跡；2)50K+Unseen

和2M+Unseen

分別代表使用5萬個和200萬個示例數據(不含指定場景數據)訓練模型的結果；3)2M+Seen

代表使用200萬個示例數據(含指定場景數據)訓練模型結果。>由于

對人工

編寫

規則

代

碼

的

依

賴

程

度

下

降，

端

到

端

或

存

在

性

能

下限

不

穩

定的

特

點(尤其

在

應

用

初

期

或出

現

功

能退步

等問

題

),預計短

期國內

車

企

或

仍

保

留

部

分

規

則

算

法

用

以

維

穩

端

到

端

智

駕

系

統

的

性

能

下

限

；

但

我

們

判

斷，與

傳

統

模

塊

化智駕方案

相

比，

端

到

端

方

案

采

用的

數

據

規

模

更

大、

數

據

損

失

更

少，

可以

提

升

智

駕

系

統

在

不

同

場

景

中

的

適應性、減少系統誤差和延時，具備更高的性能上限(或更接近人類駕駛)。TT+1T+2100ms100ms

100ms50ms50ms50ms感知

預測

決策

規劃資料來源：深藍學院，光大證券研究所整理圖

2:

2Q23-3Q24

特斯拉發生事故前行駛里程數Miles

Driven

Per

One

Accident●

TeslavehiclesusingAutopilottechnology●

Teslavehicles

notusingAutopilottechnology●UnitedStates

average端到端特點一：下限不穩定但上限較高注：特斯拉自1Q24

正式推出端到端大模型請務必參閱正文之后的重要聲明資料來源：特斯拉車輛安全報告，光大證券研究所智駕系統反應時間>450m

s光大證券EVERBRIGHTSECURITIES圖4:模塊化系統存在誤差和延時累積校準誤差2-3cm六智駕系統精度誤差>10cm傳感器誤差2-3cm定位誤差2-3cm控制誤差2-3cm表1:BEV+Transformer

vs.端到端算法應用的小鵬智駕版本功能與場景迭代梳理時間智駕版本算法高階版本感知硬件重

要

新

增

功

能覆

蓋

場

景

升

級2023/3/31Xmart

OS4.2.0可實現紅綠燈識別啟停開放XNGP第一階段，主要包括在上海、深圳、廣州三座有高精地圖覆蓋的城市開放城市NGP2023/7/6Xmart

OS4.3.0(實現高速NGP和城市NGP的統一)激光雷達×2施工場景自動避讓、擁堵場景自動匯入、智能偏移

；

防加塞策略、目標車速偏移功能；通勤路線展示、紅綠燈倒計時功能可用范圍擴大至北京(當前主要適用于各環線及主要快速路)及佛山2023/11/29Xmart

OS4.4.0(全量開放無圖)感知端BEV+Transformer

規控端規則算法超聲波雷達×12毫米波雷達×5攝像頭×12360度呈現車身立體影像、方便泊入無標線車位；

智能泊車輔助新增便利下車功能新開21座無圖城市2023/12/31Xmart

OS4.5.0擁堵排隊分析功能新開27座城市；自動泊車功能進行了場景擴展，增加了泊入無標線車位的能力2024/3/18Xmart

OS4.6.0擁堵模式自動調整車內空氣凈化策略NA2024/5/20XOS5.1.0(減少對規則代碼的依賴)Al代駕功能Al泊車功能(需要車主選車位)NA2024/7/30XOS5.2.0端到端大模型(感知端神經網絡+規控端大模型)激光雷達×2

超聲波雷達×12毫米波雷達×5

攝像頭×12城區小路模式環島通行能力100米循跡倒車功能AI代駕行程結束后的行程亮點分享功能XNGP不限城市、不限路線、不限路況的”全國全量開放(“全國都好用”)2024/9/1XOS5.3.0離車泊入實時影像功能斷頭路車位泊車限時公交車道通行(Beta版)XNGP開啟場景更多，比如在輕微壓線、寬車道、彎道、打轉向燈的

情況下>小鵬汽車為國內首家完成端到端大模型量產上車的車企。以小鵬為例：在應用端到端大模型后，其智駕版本迭代速度明顯加快(推送周期已縮短至約2個月

vs.此前周期約4個月),新增功能加速落地/覆蓋場景加速拓寬。>

我們判斷，端到端由數據驅動迭代升級(人工編寫規則需求大幅下降),版本迭代/性能提升效率明顯加快。

請務必參閱正文之后的重要聲明

資料來源：小鵬汽車官網等，光大證券研究所整理

端到端特點二：加速智駕算法迭代/性能提升

0速激活P7+:超聲波雷達×12毫米波雷達×3攝像頭×12XOS5.4.02024/10/24

(升級為一段式端到端，P7+率先搭載，G6/G9/X9/P7i

Max版本同步開啟公測)支持更多可啟動智駕的場景，如0速激活、原地啟動、AutoHold狀態、壓線、騎線、路口直行、路口左右轉、環島內、掉頭等光大證券EVERBRIGHT

SECURITIES端到端大模型(一段式端到端)>基于端到端有望將智駕系統的感知、預測、決策規劃的多模塊整合度提升，我們判斷端到端有望驅動主機廠實現降本：1)智駕系統精簡：小模型合并為一個大模型；2)組織架構精簡：端到端方案無需同時配備規則編

碼人員及Al算法開發人員(感知和規控兩個部門趨于合并),研發投入長期或呈下降趨勢。圖5:端到端系統架構更加精簡請務必參閱正文之后的重要聲明資料來源：光大證券研究所繪制；注：2023年蔚輸出輸

入輸出輸入端到端特點三：智駕系統+組織架構精簡驅動降本感知

規控大模型光大證券EVERBRIGHT

SECURITIES小鵬44.5億元。智駕大模型升級，什么是端到端智駕路線之爭：純視覺vs.

激光雷達如何看待人形機器人算法技術路徑

2025E-2026E,

汽車智駕拐點臨近風險提示目

錄請務必參閱正文之后的重要聲明光大證券EVERBRIGHT

SECURITIES>當前，越來越多的車企已經應用端到端大模型；其中，端到端感知方案又可具體分為，1)摒棄激光雷達的純視覺方案，以特斯拉、小鵬為代表；2)含1顆及以上激光雷達的方案，以華為、蔚來、理想等為代表。>我們判斷，純視覺更適配端到端。1)純視覺具備迭代速度更快、成本更低等特點(或可通過算法優化彌補測量距離不足+受天氣影響較大的缺陷);2)當前采用激光雷達+端到端方案的大部分智駕車型存在激光雷達搭

載數量不足、車端算力不足或算法能力相對偏弱等問題；3)預計算法優化迭代仍是實現技術路線突破的關鍵。表2:搭載純視覺/激光雷達端到端方案新勢力車型

圖6:激光雷達與攝像頭性能對比純視覺特斯拉

Model

S/X/3/Y、Cybertruck小鵬

P7+樂道

L60(搭載4D毫米波)激光雷達蔚來ET5/ET5/ET7/ES6/ES8/ES7/EC6/EC7小鵬G6/G9/P7i/X9理想L6/L7/L8/L9/Mega鴻蒙智行問界M5/M7/M9、智界S7/R7、尊界S9、享界S9阿維塔阿維塔11/阿維塔12/阿維塔07請務必參閱正文之后的重要聲明資料來源：汽車之家，光大證券研究所整理(注：技術路線：純視覺

or

激光雷達，誰更適合端到端?激光雷達

攝像頭近距離探測

近距離探測遠距離探測

受天氣影響分辨范圍檢測速度尺寸

探測精度

尺寸<

探測精度受天氣影響檢測速度遠距離探測分辨范圍光大證券EVERBRIGHT

SECURITIES資料來源：頭豹研究院，光大證券研究所整理成本

成像能力543210543210成像能力成本表3:小鵬XOS5.4.0與華為ADS功能對比小鵬P7+XOS5.4.0華為ADS3.0

華為ADS3.1華為ADS3.2推出時間2024/10/242024/9/10

2024/10/252024/12/18算法一段式端到端(純視覺)兩段式端到端(融合激光雷達)感知硬件超聲波雷達×12毫米波雷達×3攝像頭×12激光雷達×1

超聲波雷達×12毫米波雷達×3

攝像頭×11LCC車道居中輔助(支持紅綠燈啟停)ACC自適應巡航行車

ALC智能輔助變道SAS智能限速輔助Al代駕0速激活√√√××√××√

√

√…廠環島通行緊急轉向輔助特殊場景行車

擁堵換道避開施工道路按最優路線行駛√

√

√××××√×××倒車

循跡倒車√√

√泊車AEP智能泊出輔助APA超級智能輔助泊車RPA遙控泊車直線召喚離車泊入智能出庫√√

√√√√√√√√

√

廠√>與采用激光雷達的技術路線相比，純視覺無需融合或驗證激光雷達的點云數據，響應與迭代速度或更快(以小鵬vs.華為的端到端功能推送為例，作為國內首款擯棄激光雷達的純視覺端到端智駕車型P7+

上市首月已可實

現0速激活、環島通行、緊急轉向輔助、擁堵換道等功能

vs.華

為ADS優化/迭代多次后才實現對應功能)。>我們判斷，采用純視覺+端到端的智駕方案有望更快趨近人類駕駛的性能上限。請務必參閱正文之后的重要聲明資料來源：小鵬汽車官網、鴻蒙智行官網等，光純視覺vs.

激光雷達比較一：純視覺迭代效率更快—純視覺目標物追蹤準確度—

Lidar+

攝像頭目標物追蹤準確度圖7:純視覺方案性能提升速度快于激光雷達光大證券EVERBRIGHT

SECURITIES資料來源：Motional,

光大證券研究所整理…√

√√

√√√

√√>小鵬管理層指引2H24E擯棄激光雷達方案的XNGP智駕成本下降50%(我們測算P7+的智駕傳感器BOM成本僅約1.5萬元，毛利率約10%+)。與搭載激光雷達方案的小鵬P7i相比，采用純視覺端到端方案的小鵬P7+

在性能

相近甚至表現更佳的情況下，官方售價下沉至<20萬元，具備更強競爭力(11月上市首月交付量近7,000輛)。>我們判斷，擯棄激光雷達的純視覺端到端具備更佳的性能與成本優勢，尤其在中低端市場的競爭力或更強、毛利率彈性或更高(當前激光雷達仍占智駕感知硬件成本至少10%以上)。預計純視覺+端到端為首選最優方案，1)消費者或較難接受定價高但是功能性能/使用感存在偏差的產品；2)智駕車型所在價格帶正在逐步下沉。圖8:華為ADS3.0和小鵬純視覺感知硬件成本拆分

表4:小鵬P7i與小鵬P7+對比小鵬P7i售價(萬元)22.39-28.99(官方售價)17.89-22.49(終端售價)18.68-19.88智駕硬件(小鵬P7i為Max版本硬件)激光雷達×2超聲波雷達×12毫米波雷達×5攝像頭×12超聲波雷達×12毫米波雷達×3攝像頭×12AI代駕LCC車道居中輔助(支持紅綠燈啟停)

●ACC自適應巡航ALC智能輔助變道SAS智能限速輔助智駕功能AEP智能泊出輔助APA超級智能輔助泊車RPA遙控泊車直線召喚離車泊入智能出庫0速激活11%22%13%1%7%

4%64%

5%73%純視覺vs.

激光雷達比較二：純視覺成本更優華為ADS3.0(1

顆激光雷達)小鵬純視覺請務必參閱正文之后的重要聲明資料來源：光大證券研究所測算光大證券EVERBRIGHT

SECURITIES資料來源：小鵬汽車官網，光大證券研究所整理■激光雷達

■毫米波雷達

■攝像頭

■超聲波雷達

域控制器表6:主流新能源車型搭載激光雷達情況蔚來ET5/ET5T/ET7/ES6/ES8/ES7/EC6/EC729.80-59.80

1

圖達通Falcon路特斯

EMEYA/ELETRE66.80-136.80

4

禾賽AT128+速騰M1比亞迪仰望U8(豪華版)騰勢N7/Z9漢Dmi/EV(智駕版)方程豹豹8109.823.98-41.4822.58-23.5837.98-40.783211速騰M1速騰M1速騰M1華為192線激光雷達小鵬G6/G9/P7i/X9

20.99-41.982

RS-LiDAR

M1理想L6/L7/L8/L9/Mega

27.98-52.98

1

禾賽AT128

零跑C10/C11/C16(智駕版)

16.58-20.58

1

禾賽AT128鴻蒙智行問界M5/M7/M9智界S7/R7享界S9尊界S924.98-56.9826.98-34.9839.98-44.98預售價100-1501114華為126/192線激光雷達華為192線激光雷達華為192線激光雷達長城

魏牌藍山(智駕版)

29.98-32.68

1禾賽AT128廣汽AIONLX

Plus

80DMax昊鉑GT(高階智駕版)昊鉑HT/GT(激光雷達版)昊鉑SSR41.9625.9920.39-32.99128.60-168.603314速騰M1/M1P速騰M1P速騰M1/M1P-阿維塔阿維塔11/12阿維塔07(Max/Ultra版本)26.99-42.9923.99-28.9931華為96線激光雷達華為192線激光雷達上汽哪吒智己L7/LS7智己LS6/L6飛凡

F

7(進階

P

r

o

/

性

能

哪

吒S

獵

裝

(M

a

x

版P

r

o

版

)本

)29.98-41.9921.99-34.5924.99-30.9920.992111速騰M1/M1P速騰M1/M1P禾賽AT1

28禾

賽A

T

1

2

8極

狐

阿

爾

法

S(

A

R

C

F

O

Xα

S

)(

先

行

版

)25.68

3

華為126線激光雷達極氪

極氪001/007/009/MIX/7X

20.99-78.90

1

速

騰

M1

P小米奇瑞小米SU7(高階智駕版)

星紀元STERRA

ES/ET24.59-29.9923.69-31.9831禾賽AT128速

騰

M

2表5:主要車載激光雷達參數等效線束測

距

(1

0°

反

射

率

)

水

平

F

O

V垂

直

F

O

V96線150m120°25°192線180m120°25°126線180m120°25°0.2°(H)×0.2°(V)78.75萬點/秒(單回波)

157.5萬點/秒(雙回波)250線200m120°25°0.1°(H)×0.2(V)157.5萬點/秒(雙回波)500線300m120°25°0.05°(H)×0.05°128線200m120°25.4°512線300m120°25.6°150線250m120°25°(V)0.06(H)×0.06°(V)0.1(H)200m120°20°×0.2°(V)角分辨率

0.25°(H)×0.26°(V)0.25°(H)×0.1°(V)點云密度

120萬點/秒

184萬點/秒資料來源：速騰聚創官網、禾賽官網等，光大證券研究所整理(V)

0.1°(H)×0.2°(V)0.05°(H)×0.05°153.6萬點/秒(單回波)1228.8萬點/秒>我們對當前57款主流智駕車型進行了梳理；其中，絕大部分車型僅搭載1顆FOV

水平視角120°、垂直視角25°的激光雷達(1-2顆無法實現360環視

vs.L4

級Robotaxi

車型均搭載5顆以上激光雷達)。我們判斷，當前大部

分定價25-30萬元及以上的激光雷達+大模型方案仍存智駕盲區，傳感器數量+硬件算力、算法能力仍待加強。請務必參閱正文之后的重要聲明資料來源：汽車之家、各車企官網，光大證券研家純視覺vs.激光雷達比較三：激光雷達方案或仍存盲區

光大證券EVERBRIGHT

SECURITIES>當

前

大多

主

機

廠

采

用

后

融

合

/

特

征

級

融

合

方

案

將

不同

傳

感

器的

感

知

信

息

進

行

融

合，

但

后

融

合

/

特

征

級

融

合

可

能會帶

來

延

遲、

信息

損

失

較

大

等問

題，融

合

效

果

或

過

度

依

賴

單

一

傳

感

器(

激

光

雷

達

)。

相比

之下，

前

融

合

更

符

合

端到

端大

模型

對

感知

信

息

處

理的

要

求(

保

證

信息

完

整

輸

入

)

,

但

技

術

難

度

更

高(為

端到

端的

主

要

應

用

難

點

)

。>

我

們

判

斷，

前

融

合的

核

心

突

破

點

在

于

車

端

算

力、

算

法

能

力。

1

)

算

力

：

前

融

合

的

車

端

算

力

要

求

5

0

0

-

1

,

0

0

0TOPS(vs.后

融

合、

特

征

級

融

合

分

別

<1

0

0TOPS、300-400TOPS);2)算法：

前

融

合

對

不同

類

型

傳

感

器

數

據的

實

時性

和

處

理能

力

要

求

更高

(vs.

后

融

合

聚

焦

各

類

傳

感

器

處

理

后

數

據的

對

齊

和

驗

證、

特

征

級

融

合

關

注

特

征

提

取

和

融

合

)。

綜

合

來

看，

硬

件

傳

感

器

與

車

端

算

力

可

通

過

累

加

方

式

進

行

改

進，

算

法

優

化

迭

代

是

實

現

技

術

路

線

突

破的

關

鍵

。表7:前融合、后融合、特征級融合對比Perception

SystemPerceptionSystemDrivers3D

MOTDriversFusion

Detection

MOT&SegmentSensor

Fusion2.5D

PostProcess保留了各個傳感器的原始數據，允許在軟件層面進行更復雜的處理和分析。系統可以根據需要對各個傳感器的數據進行單獨處理，可以減少對單一傳感器的依賴一旦融合完成，系統難以對各個傳感器的原始數據進行單獨分析或調整，容信息損失大易受到激光雷達和視覺方案之間的偏差、以及相機/激光雷達的信息缺失問題可能會帶來較大的延遲算力要求500-1000TOPS前融合算法直接將來自不同傳感器的原始數據(如攝像頭、激光雷達、毫米算法能力波雷達等)進行融合處理，需要處理大量原始數據，對實時性和處理能力有更高的要求相比前融合算力要求低、相比后融合信息損失少融合效果非常依賴于特征提取算法的性能300-400TOPS特

征

級

融

合

算

法

需

要

能

夠

處

理

特

征

提

取

和

融

合

，

實

現

難

度

與

前

融

合相比相對較低摒棄激光雷達的關鍵：車端算力+算法能力的突破<100TOPS后

融

合

以

攝

像

頭

、

毫

米

波

雷

達

等

不

同

傳

感

器

分

別

通

過

不

同

的

算

法

進

行

獨

立

感

知

，主要聚焦各傳感器處理后數據的對齊和驗證，難度相對最低請務必參閱正文之后的重要聲明資料來源：機器之心等，光大證券研究所整理光大證券EVERBRIGHTSECURITIES前融合

后融合FusionEeatureextraction將多個傳感器的信號直接融合，減少了后續處理的復雜性優勢劣勢特征級融合Objectdetectionseit示意圖二2D

MOT&PostProcess2D

DetectionLDAR智駕大模型升級，什么是端到端智駕路線之爭：純視覺vs.激光雷達如何看待人形機器人算法技術路徑2025E-2026E,

汽車智駕拐點臨近風險提示目

錄請務必參閱正文之后的重要聲明光大證券EVERBRIGHT

SECURITIES表8:主要人形機器人廠商采用的傳感器方案梳理廠商機器人型號

傳感器方案純視覺方案特斯拉Optimus魚眼攝像頭×12D視覺攝像頭×2小鵬IronAI鷹眼視覺系統多傳感器融合方案小米CyberOneCyberDog2Mi-Sense深度視覺模組深度攝像頭模組、Al交互相機、雙目超廣角相機智元宇樹遠征A2Unitree

G1RGBD攝像頭×6、激光雷達

3D激光雷達、深度相機優必選WalkerXRGBD相機、四目立體視覺、毫米波雷達波士頓動力AtlasToF深度相機、RGB攝像頭最佳測量距離分辨率

測量精度

主要適用場景攝像頭(iToF)<3

.

5m中近距離：中中距離：高手機前置、后置、掃地機器人、AR/VR、門禁等攝像頭(dT

oF)<5m低近距離：低遠距離：高手機后置、平板后置、掃地機器人等攝像頭(雙目)<30m高低汽車側面、室外機器人、智能安防等攝像頭(結構光)<5m高近距離：高中距離：低手機前置、刷臉支付、刷臉門鎖、服務機器人、安防盜監、屏下3D結構光激光雷達

<200-300m低近距離：低遠距離：高汽車自動駕駛、汽車ADAS、低速物

流車自動駕駛等>當前人形機器人廠商采用的傳感器方案可分為兩種：1)純視覺方案(特斯拉、小鵬)、2)多傳感器融合方案(小米、智元、宇樹、優必選等);其中，大部分的多傳感器融合方案主要采用深度相機+攝像頭的組合。>

我們判斷，人形機器人需及時感知周圍環境+實現路徑規劃，也需綜合考慮功能迭代效率+降本。但與汽車不同，1)人形機器人對前方遠距離障礙物的精準度要求或有所降低，但對近距離的環境識別/目標物體定位的精度要求更高(vs.激光雷達適用于<200-300m障礙物識別);2)用于人形機器人的傳感器空間或相對較小(vs.新型激光雷達落地量產時間點仍未確定);3)純視覺+端到端的普適性或更強，有望從智駕遷移至人形機器人。

從智駕至人形機器人，純視覺+端到端普適性或更強

請務必參閱正文之后的重要聲明資料來源：焉知人形機器人等，光大證券研究所整光大證券EVERBRIGHT

SECURITIES表9:不同傳感器對應的參數對比資料來源：工鏈匯，光大證券研究所整理智駕大模型升級，什么是端到端智駕路線之爭：純視覺vs.激光雷達

如何看待人形機器人算法技術路徑2025E-2026E,汽車智駕拐點臨近風險提示目

錄請務必參閱正文之后的重要聲明光大證券EVERBRIGHT

SECURITIES>2007/6蘋果首款iPhone

手機上市；2008/6蘋果第二代iPhone+3G

網絡支持(iPhone3G)

正式進入中國；2010/6具有市場顛覆性的蘋果iPhone4全球發布并上市。在此期間，國內智能手機滲透率從2005-2009年近10%,迅速抬升至2010年的16.5%、2011年的25.9%、2012年的55.6%、2013年的73.2%,此后穩步爬坡至

2014-2015年的80%-90%、以及2015年至今的90%以上。我們判斷，1)受益于iPhone4

的上市催化，2010-

2013年國內智能手機滲透率步入二階導迅速爬升期(僅三年，滲透率從10%迅速抬升至50%以上

vs.滲透率從

0%提升至10%經歷近10年);2)具有市場顛覆性產品的推出，對新興行業大規模推廣/應用的效應極為顯著。圖9:2005-2024年國內智能手機出貨量與滲透率100%60,00090%50,00080%70%40,00030,00020,00010,000020122013201420152016

2017

2018

2019

2020

2021

2022

2023

20242010/6蘋果iPhone4全球發布20052006

2007

2008

20092010

2011手機智能化復盤：iPhone4

上市，開啟智能化加速兌現冒智能手機國內出貨量(RHS,萬部)

—智能手機滲透率請務必參閱正文之后的重要聲明資料來源：ifind、水木清華等，光大證券研究所棗光大證券EVERBRIGHT

SECURITIES50%40%

30%

20%

10%

0%60%>與國內智能手機滲透率的抬升歷程類似，2019-2020特斯拉國產Model

3/Y先后上市。受益于特斯拉國產車型的上市催化，國內新能源乘用車滲透率從2018-2019年近5%,較快速的抬升至2020年的5

.9%(受疫情波動

影響)、2021年的14

.9%、2022年的27

.6%、2023年的35

.6%、2024年的近48%。我們判斷，1)受益于特斯

拉的“鯰魚效應”,國內自主新能源車實現品牌/技術/供應鏈等快速升級，合力拉動國內新能源乘用車滲透率

的快速爬坡；其中，2021-2025E年或為國內新能源乘用車滲透率的二階導迅速爬升期(僅五年，滲透率有望

從<10%迅速抬升至50%以上vs.

滲透率從0%提升至10%經歷近10年)。2)預計2025E之后，國內新能源乘

用車的滲透率抬升幅度或將逐步趨緩；智能化有望接力電動化，成為打造行業第二增長曲線的主要驅動力。圖10:2017年至2024年國內新能源乘用車銷量與滲透率1.2001,0008002019/12特斯拉Model3

國產上市6002020/12特斯拉國產ModelY

正式上市40020002017201820192020202120222023汽車電動化復盤：特斯拉入華，開啟電動化加速滲透

請務必參閱正文之后的重要聲明資料來源：乘聯會，光大證券研究所整理光大證券EVERBRIGHT

SECURITIES60%50%40%30%20%10%新能源車銷量(萬輛)

—

新能源滲透率0%2024諾基亞N97

HTCHD2

BlackBerry

Bold9000產品發布時間2010年6月

2008年12月

2008年11月

2008年屏幕設計外觀

機身結構是否采用直角邊框設計攝像頭配置情況攝像頭及支持功能是否支持自拍是否支持視頻通話業

內

首

次

搭

載

前

置

攝

像

頭

500萬像素后置攝像頭500萬像素后置攝像頭200萬像素后置攝像頭是否

否否是否

否

否芯片首次搭載自研A4芯片ARM

A11

高通QSD8250

Marvell

PXA930操作系統軟件

APP操作系統支持功能iOS4App

Store,允許第三方應用接入任務處理、文件夾整理、統一郵箱等功能Symbian

S60第5版操作系統NA允許用戶添加小部件和快捷方式ows

Mobile

6.5NA具備文件管理功能BlackBerry

OS系統封閉，缺少第三方支持App開發支持多個郵箱賬戶同時登錄、并簡化為對話形式充電方式采用封閉電源設計分拆電池充電分拆電池充電分拆電池充電其他功能是否搭載陀螺儀來電音樂是自定義否彩鈴否彩鈴否NA>我們認為蘋果iPhone4、以及特斯拉國產Model

3/Y可以分別撬動市場的首要共性特點在于：產品創新。>1)蘋果：首次應用多點觸控屏幕/前置攝像頭/陀螺儀，分別帶動手機大屏/視頻通話及自拍/游戲等功能體驗感升級。自創iOS

系統完善版本更迭；

App

Store接入第三方應用并可實現額外用戶收費，創造全新商業模式。>2)特斯拉：首次采用封閉式前臉/全景天幕設計；在電池/熱管理/一體壓鑄/域集中式電子電氣架構等方面進行設計理念與技術創新、在智能駕駛輔助系統的純視覺軟件算法版本優化迭代等方面持續引領并推進市場變革。

>我們判斷，特斯拉貼合純電動車的特點，在汽車設計、整車架構、技術研發、生產制造等環節做了全面革新

并持續引領行業發展，但當前智駕尚未成為買車剛需(vs.

蘋果iPhon4

產品創造需求)。表10:蘋果手機顛覆性功能梳理請務必參閱正文之后的重要聲明資料來源：iPhone4

發布會、巨獅傳媒等，光大證多點觸控屏幕，采用Retina屏幕物理QWERTY鍵盤+大屏幕五大按鍵+LCD屏幕全尺寸QWERTY鍵盤+大屏幕雙面玻璃+金屬中框設計滑蓋設計，金屬+塑料塑料加金屬拉絲，可拆卸后蓋金屬中框+皮革覆蓋后蓋是否否否撬動市場的共性特點一：產品創新，引領市場變革光大證券EVERBRIGHT

SECURITIES發布/上市時間Model

S/X/3/Y陸續于2009-2019年發布Cybercab預計將于2026E-2027E投產2010年至今2018年至今2023年至今2017年至今2019年至今2022年至今外觀/內飾設計封閉式前臉設計全景天窗僅有一塊觸控屏2021:采用封閉式前臉設計全景天窗全液晶儀表盤+中控屏封閉式前臉設計全景天窗全液晶儀表盤+中控屏封閉式前臉設計全景天窗液晶儀表盤+一塊觸控屏封閉式前臉設計全景天窗全液晶儀表盤+中控屏2022:封閉式前臉設計全景天窗中控臺采用四塊屏幕2023:封閉式前臉設計全景天窗液晶儀表盤+中控屏+副

駕娛樂屏電池功率器件工藝/技術創新

輕量化熱管理方向盤/踏板2016:開始試生產2170圓柱電池2020:發布4680大圓柱電池2020:主逆變器采用SiC功率器件2021:ModelY搭載一體壓鑄后底板2020:水暖取消PTC2021/1:開始采用熱泵空調2026E-2027E:預計將取消方向盤/踏板2020:刀片電池發布2020:開始采用SiC功率器件即將搭載一體壓鑄2021/9:e3.0搭載熱泵空調NA方形電池2022:G9開始用SiC功率器件2023:G6開始采用一體壓鑄

2021/9:熱泵空調NA方形電池2023:主逆變器采用SiC2023:采用一體壓鑄2023:熱泵空調NA方形電池2021:ET7SiC功率器件2022:采用一體壓鑄

2018:熱泵空調NA方形電池2024:采用SiC2024:采用一體壓鑄

2024:熱泵空調NA方形電池2024:M9采用SiC2023:采用一體壓鑄

2022:熱泵空調NA電子電氣架構2021/1:Model3采用域集中式2021/9:e3.0平臺域集中式2022:G9域集中式2023:域集中式2022:域集中式2023:域集中式2022:域集中式智駕芯片2016之前：Mobileye2016-2017:英偉達芯片過渡2018:自研HW芯片2023年至今：英偉達Orin2023年底：自研芯片2020-2021:英偉達Xavier2022至今：英偉達Orin

2020:自研圖靈芯片2023至今：英偉達Orin2021年以前：Mobileye2022至今：英偉達Orin2020:自研芯片(神璣NX901)2021年以前：Mobileye2022至今：英偉達Orin2023:自研芯片(“Shu

Ma

Ke”)2018:自研昇騰芯片軟件算法(智駕功能)2014/10:第一代Autopilot正式上車2021:開始采用BEV+Transformer2022:升級為Occupancy+Transformer2023:開始采用端到端(從分布式逐步推進至一體式端到端)2020:DiPilot推出2023:BEV方案開始量產2024/12:端到端“天神之眼”2018/1:Xpilot1.0發布2022/10:發布XNet(BEV+Transformer架構)p024/5:采用端到端(分段式)2024/7:一體式端到端2023/12:發布采用BEV+Transformer架構2024/12:推送端到端先鋒版2017/12:NIO

Pilot發布2023/7:更新BEV架構

2024/7:發布N

MW

(端到端世界大模型)2021/5:智駕系統1.02023/6:采用BEV架構2024/7:端到端+VLM2021:ADS

1.0發布2023/4:ADS2.0(采用BEV+GOD網絡)2024/4:分段式端到端充電方式快充/慢充/超充2012年開始部署超充快充/慢充2015年開始部署超充快充/慢充4Q22開始部署超充快充/慢充2024年開始部署超充快充/慢充/換電

2023年開始部署超充快充/慢充2023年開始部署超充快充/慢充2024年開始部署超充請務必參閱正文之后的重要聲明資料來源：特斯拉歷年發布會、各車企官網等，興撬動市場的共性特點一：產品創新，引領市場變革光大證券EVERBRIGHT

SECURITIES表11:特斯拉顛覆性功能梳理>蘋果、以及特斯拉均在全球市場具備較高的流量優勢+效應。

>

1)蘋果：

定位高端手機市場，注重用戶體驗(操作系統和軟件設計均以用戶體驗感為核心)。iPhone

用戶數量位居全球智能手機品牌第一(已由2010年的6,000萬提升至2024年的15.6億);用戶粘性位居國內智能手機品牌排名第一

(2023/12,蘋果換機用戶的老用戶占比約52.8%

vs.小米/華為分別約49%/34%)。

>2)特斯拉：

定位智能電動汽車市場，2024年已位居全球汽車品牌熱搜第二(僅次于豐田)。>創始人的理念、技術定位+創新、完整的軟硬件生態體系，賦予蘋果/特斯拉較強的流量優勢+品牌效應。

圖11:國內不同手機品牌的用戶忠誠度(換機用戶的老用戶占比)拆分

圖12:2018-2024全球前五大汽車品牌熱搜第一名國家/地區數量(單位：個)60%50%40%30%20%10%0%Apple

小米

OPPO

華為

vivo

撬動市場的共性特點二：流量優勢+品牌效應

1401201008060402002018請務必參閱正文之后的重要聲明資料來源：QuestMobile,光大證券研究所整理光大證券EVERBRIGHT

SECURITIESthe

Market,光大證券研究所整理■2023年12月智能終端品牌換機用戶本品牌去向占比2023—

—

特

斯

拉2022-

-

-

奧

迪2019—

豐

田2021-

奔

馳2020寶

馬:Compare2024——>蘋果、以及特斯拉均非常重視全球主要市場的供應鏈與渠道本土化投入。>1)蘋果：供應鏈方面，采取全球化戰略+代工模式；其中，中國是蘋果組裝/代工的主要集中地(約占2024年蘋果全球出貨量的80%以上)。渠道方面：2008-2009年通過直營門店、代理模式逐步打開國內銷售渠道。>2)特斯拉：供應鏈方面，2019年開始投建上海工廠，2021年零部件國產化率已達90%以上。渠道方面，首創主機廠直營模式；2013年在華開設第一家直營門店，截至2024/12特斯拉在華直營門店數量已達500家以上。

>供應鏈與渠道的本土化投入，有助于降本、以及擴大品牌宣傳，進一步提升產品性價比+加強消費者認知。圖13:

iPhone

手機在華售價和在美售價價差逐步縮小圖14:特斯拉Model

3/Y本土化前后進口版和國產版起售價對比撬動市場的共性特點三：全球布局+本土化投入9,0008,0007,0006,0005,0004,0003,0002,0001,0000iPhone3GS■進口版起售價(LHS,折合人民幣，萬元)■國產版起售價(LHS,萬元)●國產版與進口版價差占進口版價格比例(RHS)請務必參閱正文之后的重要聲明資料來源：蘋果官網，光大證券研究所整理iPhone

4

iPhone

6■美國起售價(LHS,

折合人民幣，元)■國內起售價(LHS,元

)蘋果開始擴大與中國組裝廠合作美國運營商補貼合約終止300%250%200%150%100%

50%0%光大證券EVERBRIGHT

SECURITIES資料來源：特斯拉官網，光大證券研究所整理●國內和美國售價價差占美國售價比例(RHS)上海工廠ModelY率先采用一體壓鑄后底板iPhone16

Pro>通過復盤國內智能手機與新能源汽車的滲透率抬升歷程、以及蘋果/特斯拉撬動市場的共性特點，我們的觀點：>1)產品創新、流量優勢+品牌效應、全球布局+本土化投入，是撬動市場大規模上量的三個關鍵因素。2)影

響汽車智駕放量突破的關鍵在于，功能與體驗(包括智駕+智艙交互功能)、以及成本與性價比，預計供給端

變革或走在需求端釋放前列。3)預計2025E-2026E國內智駕的拐點有望臨近(關注2025E-2026E特斯拉FSD入華、自主端到端大模型+低成本智駕方案的落地);預計2027E-2028E

國內智駕有望迎來2.0時代的高速增長

階段(L2+

級城市無圖智駕方案或將成為全市場標配、L3

級摒棄方向盤與腳踏板的車型有望實現爬坡)。圖15:國內智能駕駛滲透率預測L2+滲透率2025E-2026E陸續新增L2+城市無圖SKU版本特斯拉FSD

入華；2026E特斯拉Cybercab

上市2027E-2028EL2+城市無圖全市場標配(全面應用);L3級(摒棄方向盤+腳踏板)落地2024/01

時間2025E-2026E

智駕拐點臨近，靜待高階智駕功能兌現—

—

L2+城市NOA滲透率

---L2+城市NOA

滲透率預測請務必參閱正文之后的重要聲明資料來源：交強險，光大證券研究所預測(注：揮光大證券EVERBRIGHT

SECURITIES>2024年至今國內車企陸續推出端到端大模型智駕方案，頭部之間的競爭從之前的全國城市無圖智駕切換到了當前的“車位到車位”智駕(即車輛從指定的車位自主駛出、全程無需人工干預行駛到目的地車位)。>我們將國內車企的智駕劃分為三個梯隊：1)第1梯隊(小鵬、華為):端到端方案已落地，智駕功能全面、覆蓋場景豐富；其中，小鵬為國內首家實現擯棄激光雷達+端到端大模型落地的車企，

Al代客泊車/環島通行/

循跡倒車等功能的推出時間點均領先市場至少2個月；華為采用激光雷達+純視覺的特征級融合端到端大模型方

案，特殊場景車位泊車/車位到車位等功能的推出時間點均領先于市場。2)第1.5至第2梯隊(理想、蔚來):

布局智駕較早(理想已落地端到端+VLM

方案、車位到車位智駕vs.蔚來定位端到端世界大模型),算法/算力/

數據均有較豐富儲備，行車/泊車等智駕功能較為全面。3)第3梯隊(小米、吉利、比亞迪):布局智駕相對

較晚，端到端方案尚未大規模應用且仍處于推送早期(均在2024/12推送),智駕功能及覆蓋場景仍待優化。表12:國內主要車企的智駕功能兌現對比小鵬華為理想

蔚來小米

吉利比亞迪城市NOA是否全國都能開車位到車位智駕√

(無圖)√

(無圖)√

(無圖)√

(輕地圖)√

(輕地圖)

√

(無圖)√

(無圖)即將推出

√

√

×

即將推出

即將推出

×LCC車道居中輔助(支持紅綠燈啟停)行車ACC自適應巡航ALC智能輔助變道環島通行功能√

人人人√人

√√√×√√倒車

循跡倒車×

×

×

×

×智能泊出輔助超級智能輔助泊車遙控泊車泊車

離車泊入智能出庫無標線泊車斷頭路泊車×車企智駕梯隊梳理：大模型陸續應用，內卷加快推進

請務必參閱正文之后的重要聲明資料來源：各車企官網等，光大證券研究所整理光大證券EVERBRIGHT

SECURITIES√√

√

√√

√√

√×√城

市

N

O

A2023/4有圖XNGP新增佛山累計4座城市2023/11小鵬向21城全量推送無圖智駕，累計

開城25座2024/2小鵬向智駕經驗用戶即刻推送無限XNGP小鵬2023小鵬有圖X

州三/3預告推出無圖城市NOA;NGP開放上海、深圳、廣

座城市2023/4華為發布+推送ADS2.0;布要推出無圖城市NOA2023/8無

圖

X

N

G

P北京首發并宣2023/10小鵬內測無圖版本Xmart4.4.02023無圖X

計開城2024無圖X

累計/12NGP新增27城，累52座/1NGP新增191城，開城243座2024/2華為正式推出無圖城市NOA2024/7小鵬全國推送無圖XNGP華為小鵬2023/12華為宣布可以全國都能開2024小鵬

內推/7宣布將在未來4個月出車位到車位2024/11小鵬車位到車位功能開啟公測車

位

到

車

位華為2024/8華為開始宣傳車位到車位智駕2024/12隨ADS3.2全量推送，但僅支持特定場景>從第1梯隊的小鵬vs.

華為對比來看，兩者重點智駕功能的實際推送時間節點前后相差不到3-4個月，但小鵬算法迭代速度更快、華為宣傳能力更勝一籌。1)2H23

小鵬摒棄高精地圖并應用BEV+Tranfomer

大模型，帶

動“城市無圖NOA”在全國陸續開城(vs.2023/4華為宣布將推出城市無圖NOA、2024/2推送);2)2024/5

小鵬應用端到端大模型、2024/11應用摒棄激光雷達的端到端

(vs.2024/4華為宣布ADS3.0

采用端到端、2024/9推送);3)2024/12華為新增“車位到車位”但覆蓋場景有限

(vs.

小鵬晚1個月，覆蓋場景或更廣)。圖16:

華為重點宣傳智駕功能時間線與小鵬對比請務必參閱正文之后的重要聲明資料來源：鴻蒙智行公眾號、小鵬官網等，光大車企智駕梯隊梳理：小鵬vs.華為，華為宣傳更佳光大證券EVERBRIGHT

SECURITIES小鵬

華為

理想

蔚來小米

吉利

比亞迪管理層及性格特點何小鵬工科背景、踏實務實知人善用、眼光長遠余承東果敢堅毅、勇于突破對技術趨勢、市場洞察敏銳李想性格穩健善于總結、執行力強李斌思路靈活、擅長溝通對商業模式理解深刻雷軍堅毅執著、熱愛科技創新商業洞察敏銳、執行力強安聰慧富有耐力和韌性決策堅定、內斂沉穩王傳福獨立冷靜、專注堅持深耕材料學、獨具慧眼品牌戰略定位年輕消費群體產品矩陣范圍擴大

(價格區間：10-40萬元)定位中年高凈值商務及家庭用戶及熱衷科技的年輕人(價格區間：25-100萬元)定位家庭用戶群體產品矩陣范圍擴大(價格區間：25-50萬元)主品牌定位中高端(價格區間：30-40萬元)第二/第三子品牌下沉(價格區間：10-30萬元)定位年輕消費群體(價格區間：20-30萬元)中低端、高端/豪華品牌(價格區間：5-50萬元)中低端、高端/豪華、超豪華品牌(價格區間：10-100萬元)智駕團隊組織架構2024/8拆分為：Al端到端、AI應用、Al能效三個部門智能駕駛產品部算法研發組(包括端到端大2024/6成立大模型部、部署2024/9感知和規控部門合并模型部門);量產研發組架構與方案部、時空信息部為“端到端算法與功能部”感知和規控整合為一個團隊2024/2智能網聯中心與智能駕駛中心合并智駕團隊團隊人數3,000+人7,000+人1,000人左右1,300+人1,000+人集團內有5個智駕團隊4,000+人團隊成背景總員

吸收科技公司人才

結

內部培養人才主要以內部培養人才為主吸收科技公司人才內部培養人才吸收科技公司人才內部培養人才吸收科技公司人才內部培養人才吸收科技公司人才內部培養人才吸收科技公司人才內部培養人才核心成智駕團隊背景智能駕駛負責人

員李力耘智駕負責人李文廣自動駕駛研發副總裁

郎咸朋智能駕駛研發副總裁任少卿自動駕駛負責人葉航軍極氪智能科技副總裁

姜軍/陳奇智駕研發負責人、迪派智行CTO

韓冰核心成

背景清華大學電子工程系本科員美國紐約大學計算機博士曾任華為消費者BG手機產品線曾擔任百度美國無人車研發副總裁；強調多傳感器融合團隊的創始核心成員中國科學院模式識別與智能系統專業，主攻計算機視覺曾擔任百度主任架構師等中國科大與微軟亞洲研究院聯合培養博士班曾擔任Momenta研發總監兼聯合創始人清華大學計算機系博士，研究領域為計算機視覺與圖像

檢索；曾就職于谷歌和騰訊姜軍/陳奇均曾任職于華為

德國亞琛工業大學曾在德爾福任職從事中間件和底

程碩士，陳奇：西安交通大學；姜軍/陳奇均曾任職于中興)請務必參閱正文之后的重要聲明>

通過對車企智駕布局的梳理，我們分析：華為基于智駕產業鏈的布局最為全面，具備較強的從手機產業鏈延伸至汽車智駕產業鏈的軟硬件技術遷移能力，強調人才的內部培養，但智駕團隊的負責人、大多數成員來自于原有的手機相關業務。相比之下，新勢力(蔚來/理想/小鵬、小米)、傳統車企均以外部引入核心人才的方式牽頭并搭建智駕算法團隊；其中，新勢力引入的人才具備更強的軟件/算法(計算機)專業對口性與相關經驗。

表13:國內主要車企的智駕團隊架構布局梳理

車企智駕布局梳理：華為--手機產業鏈，新勢力--算法

光大證券EVERBRIGHT

SECURITIES資料來源：澎湃新聞、

Linkedln、

各車企官網等，層系統開發，2018年加入比亞迪(姜軍：大連理工大學機械工智駕技術方案芯片：NVIDIA

DRIVE

Orin自研芯片：圖靈Al芯片摒棄激光雷達方案已落地車端端到端大模型+云端大模型公司部署云端算力情況銷量規模(2024