智驾系列深度：端到端革命开启，强者愈强时代即将来临

证券研究报告 行业研究 2024年8月29日 行业数据点评[Table_StockAndRank]汽车投资评级看好上次评级看好 本期内容提要: ➢相较传统分模块架构，端到端架构优势显著，核心是“数据驱动”而非“规则驱动”，有望显著提升智驾上限。所谓“端到端”是指一端输入图像等环境数据信息，中间经历类似“黑箱”的多层神经网络模型，另一端直接输出转向、制动、加速等驾驶指令。与传统规则驱动的分模块架构相比，端到端的实现将带来一系列优势：①完全基于数据驱动进行全局任务优化，具备更好、更快的纠错能力；②能进一步减少模块间信息的有损传递、延迟和冗余，避免误差累积，提升计算效率；③泛化能力更强，由Rule-based算法转向Learning-based，具备零样本学习能力，面对未知场景具备更强决策能力。 徐国铨汽车行业研究助理邮箱：xuguoquan@cindasc.com ➢端到端发展路径探析：从分模块到一体化。端到端可以简单分为狭义端到端（前端传感器输入、后端控制输出）和广义端到端（信息无损传递、数据驱动整体优化）2种定义。从端到端的最终实现上，我们认为通过①感知“端到端”，②模块化“端到端”，再到③One Model/单一模型“端到端”是一种相对平滑的过渡形式。而当前感知层“端到端”已经是主流的感知模型，展望后续技术发展，我们认为决策与规控层自动驾驶算法向“端到端”收敛，有望成为行业的一大趋势。 “数据+算力”构筑智能驾驶核心竞争要素，进入强者愈强阶段。端到端自动驾驶是数据驱动的模型，因此，训练数据的重要性越来越高。端到端对数据的要求体现在数据量、数据标注、数据质量和数据分布等方面。除了海量高质量数据之外，还需要强大的算力来支撑模型的训练，大部分研发端到端自动驾驶的公司目前的训练算力规模在千卡级别。我们认为领先竞争者有望通过数据、算力的领先转化为端到端的算法优势。 ➢特斯拉先行，国内外企业加速跟进，端到端量产推广在即。端到端主要参与者涵盖了车企、人工智能企业、自动驾驶技术公司机器人公司以及自动驾驶芯片制造商。特斯拉作为先行者，于24年初推送端到端版本的FSD，从实际体验来看，端到端的FSD操作更拟人、丝滑。国内主机厂如华为、小鹏、理想、元戎启行、商汤绝影等纷纷跟进，其中 信达证券股份有限公司CINDA SECURITIES CO.,LTD北京市西城区宣武门西大街甲127号金隅大厦B座邮编：100031 华为、小鹏端到端进度相对领先。我们认为因各车企战略选择有差异，端到端路线尚处在百花齐放的阶段，但随着数据、算力等竞争要素逐渐赶上，端到端路线有望逐渐收敛至一体化结构，并会结合多模态大模型、世界模型等，不断加强感知、认知、决策能力。 ➢投资建议：我们认为以特斯拉为代表的端到端快速迭代有望带来智能驾驶新一轮产业革命，自动驾驶能力将重新构筑车企竞争壁垒，数据+算力将成为核心竞争要素，头部车企或供应商能掌握更多更优的“数据”，以及更强更快的“算力”，而优秀的智驾能力有望加强销量转化，最终强化车企马太效应，头部车企强者愈强时代即将来临。 整车板块重点关注：1）受益于华为强大智驾能力赋能的鸿蒙智行合作车企以及相关合作伙伴【赛力斯、北汽蓝谷、长安汽车、江淮汽车】；2）汽车保有量大且品牌积淀深厚，智能电动技术布局有望逐步赶上的自主品牌龙头车企【比亚迪、长城汽车】；3）智能驾驶技术领先的造车新势力【理想汽车、蔚来、小鹏汽车】；4）全球化布局提速、有望迎来新一轮产品周期、同时在智能驾驶、能源、人形机器人多线并进的全球新能源汽车龙头【特斯拉】。 ➢零部件板块建议重点关注智能化产业链核心零部件：1）感知层【德赛西威、保隆科技、华域汽车】等。2）决策层【经纬恒润、均胜电子、华阳集团】等。3）执行层【伯特利、中鼎股份、拓普集团、亚太股份、耐世特、浙江世宝】等。 ➢风险因素：智能化零部件降本不及预期、智能驾驶利好政策落地不及预期、消费者体验不及预期、技术迭代不及预期、外部宏观环境恶化等。 目录 1.总论：端到端有望引领新一轮智能驾驶产业革命.....................................................................61.1电动智能时代，车企竞争壁垒发生重大迁移....................................................................61.2自动驾驶能力将构筑车企新壁垒，核心竞争要素包括数据+算法+算力........................62.什么是“端到端”？.....................................................................................................................82.1数据、算力+底层AI技术的进一步发展有望助力端到端快速发展与普及....................82.2深度神经网络驱动端到端实现“数据驱动”，取代传统“规则驱动”算法.................92.3目前的“端到端”自动驾驶包含狭义与广义两种定义..................................................122.4端到端迭代有望实现从“感知”到“决策”到“One Model”平滑过渡.....................133.数据、算力、算法既是端到端落地驱动力，也是落地挑战...................................................143.1数据挑战：获取成本和难度较高，特斯拉目前处于领先..............................................143.2算力挑战：算力竞争重点由车端转向云端，算力需求水涨船高...................................153.3算法挑战：黑盒算法局限性、验证测试与世界模型......................................................174.特斯拉引领端到端智驾算法迭代，国内参与者多点开花........................................................214.1端到端主要参与者包括主机厂、自动驾驶公司与人工智能公司等...............................214.2特斯拉FSD V12落地引领端到端变革.............................................................................214.3华为、小鹏、理想等车企与供应商纷纷跟进，技术路线有望向“端到端”收敛.......245.投资建议.......................................................................................................................................336.风险因素.......................................................................................................................................34 表目录 表1：2023年各车企与智驾供应商智能驾驶方案与感知模型应用情况，BEV全面上车..............7表2：主流车企、供应商“端到端”量产上车时间规划.............................................................8表3：各车企辅助驾驶里程累计情况.......................................................................................15表4：各车企、智驾供应商智算中心算力布局情况..................................................................17表5：特斯拉智能驾驶硬件迭代历程（HW1.0-HW4.0）.............................................................21表6：Autopilot/EAP/FSD主要功能与收费情况......................................................................22表7：Autopilot/FSD重要升级内容........................................................................................22表8：HUAWEI ADS迭代历程.....................................................................................................25 图目录 图1：不同汽车时代车企竞争力壁垒变迁..................................................................................6图2：数据+算法+算力构筑起车企自动驾驶能力壁垒................................................................6图3：AI驱动数据闭环逐渐形成................................................................................................7图4：传统自动驾驶架构（Apollo 6.0）..................................................................................10图5：神经网络结构（输入层、多个隐藏层、输出层）...........................................................11图6：端到端的主要优势.........................................................................................................11图7：狭义端到端自动驾驶架构（单一神经网络模型实现感知、决策规划、控制）................12图8：广义端到端自动驾驶架构（神经网络模型实现感知与决策规划，不包括控制模块）.....12图9：广义端到端自动驾驶架构（感知和决策规划使用神经网络，模块之间仍有人工设计的数据接口）.................................................................................................................................13图10：端到端自动驾驶架构演进示意图..................................................................................14图11：端到端对数据的要求...........................................