智能汽车产业专题报告（智能座舱&智能驾驶、高阶智驾技术路线的演进、核心车企的智驾配置情况等）

高阶智 驾技术进步&终 端渗透率 提速，拥抱 智驾&机器人 的黄金时代 分析师陈嵩登记编号：S1220523100002张初晨登记编号：S1220523070001 报告摘要：高阶智驾技术进步提速，重点关注大算力域控/激光雷达/智驾SOC/线控制动为代表的刚需零部件放量 ➢高阶智驾技术进步曲线愈发陡峭：21年特斯拉通过BEV扩展感知野→22年占用网络解决通用障碍物识别→23年端到端框架解决从规则驱动到数据驱动的迭代效率&场景泛化问题→24年行业开始把LLM框架融合到智驾算法框架（同时解决corner-case认知、可视化AI决策过程、增强人机交互信任感&增强决策结果可解释性）；虽然终端产品体验/商业化进程尚未突破阈值（乘用车ADAS距离解放驾驶员双手还有距离、Robotaxi/港口无人驾驶等商业化应用渗透率有限），但技术进步的进程是明显提速的，高阶智驾有望加速朝L4演进； ➢厘清Robotaxi/单车智能/车路协同的关联：1）Robotaxi的to-B属性决定了其与单车智能在技术路线&BOM成本&泛化能力方面会有阶段性差异：Robotaxi不存在乘客主动接管车辆的可能，且需要对监管负责，刚需更多规控代码&硬件冗余（跨城市泛化更困难&整车BOM成本更高）；乘用车L3/L4追求以量产车的成本实现全场景智驾，当前在接管率指标上落后于Robotaxi，但算法迭代速度更快（得益于端到端&数据积累），看好未来依托算法能力抹平硬件BOM投入差距；2）车路协同有助于拔高单车智能的系统能力上限，但不影响乘用车高阶智驾渗透：乘用车OEM规划的高阶智驾车型长远目标都是在全国范围内实现L3/L4，某几个城市/某些路段的路侧智能化程度并不会影响车企规划； ➢盘点主要自主品牌&新势力的智驾配置情况，我们得到以下结论：1）以比亚迪、长安、吉利、长城为代表的传统自主品牌高阶智驾加速上车，是25年行业渗透率提升的主力；蔚小理等头部新势力高阶智驾逐步成为主要配置；2）高阶智驾价格带下沉加速：24年开始，高阶智驾已经下沉至15-20w的价格带，行业天花板持续打开；3）主要芯片方案为OrinX与华为MDC，后续随地平线J6P量产，格局或更加多元；引望智能朋友圈进一步外拓，并开始下沉到车型销量更大的中低算力市场（ADS SE）；4）激光雷达仍是偏刚需配置；5）OEM自研芯片规划陆续启动，传统自主品牌更倾向于中低算力芯片研发，蔚小理为代表的新势力侧重高阶芯片自研；6）高阶智驾渗透率展望乐观：我们预计24/25年200Tops以上高算力平台车型出货量分别为129/194万，仍旧维持高增。 ➢特斯拉仍是产业核心Beta，重点关注FSD的take-rate & MPI（Miles Per Intervention）的变化：FSD 24年大幅降价且技术架构全面升级端到端，但偏黑盒的AI框架也意味着FSD的Scaling law何时迎来GPT-3时刻是存在不确定性的；FSD V12.4/12.5的升级侧重于用户体验改善/Robotaxi支持侧面印证了这点。 ➢核心关注几个代表性方向：大算力域控/传感器Tier1、激光雷达、智驾SOC、车路协同、Robotaxi ➢大算力域控/传感器Tier1：重点关注格局比较好的产业链上游（例如毫米波上游MMIC芯片国产替代-加特兰微电子（C+轮））、高算力域控制器平台（德赛西威、比亚迪电子）、有可能成为法规件的零部件对应Tier1（例如DMS、商用车V2X，关注：虹软科技、锐明技术、鸿泉物联等）； ➢激光雷达：格局向“两强一华”演进（速腾+禾赛+华为），其他供应商或加速出清；且随着成本快速下行，被4D毫末波取代的风险在变小；重点关注：速腾聚创、禾赛科技；➢智驾SOC：极致稀缺&先发优势带来的竞争壁垒很难逾越，重点关注：地平线及其生态（Tier1：立讯精密、天准科技、华勤技术、金脉电子；Tier2：中科创达）、黑芝麻智能；➢舱驾融合：主要面向中低端/次高端车型智能化同时满足降本诉求；机会存在于区域控制器（关注经纬恒润、科博达）、高ASP的中央计算平台（座舱+智驾+车控/底盘/动力，关注德赛西威）、高通生态有崛起可能（关注中科创达、光庭信息等）；➢车路协同：偏政策驱动，重点关注各省市招投标的启动节奏&实际执行情况，重点关注金溢科技、万集科技、深城交等；➢Robotaxi：属于有特斯拉背书的长久期方向，且商业化进程在提速，重点关注运营方：特斯拉、萝卜快跑（百度）、小马智行、文远知行等；➢估值回归：智驾标的在当前流动性改善的大环境下，估值水位较之过去6个季度的PE-TTM均值较为友好，看好核心标估值修复/拔估值，重点关注：德赛西威、华阳集团、均胜电子、拓普集团、伯特利等； ➢风险提示：1）行业竞争加剧风险；2）高阶智驾的体验改善/渗透率提升速度不及预期风险；3）监管侧的开放进程不及预期风险；4）地缘政治风险； Part1：智能座舱&智能驾驶概念、空间、格局 智能化带来的产业链变革：国内供应商崛起中，各环节基本都有国产供应商 座舱渗透率：从空间/ASP、渗透率的边际变化、市场格局等几个维度考虑，硬件环节重点关注座舱域控、大尺寸中控、DMS/OMS、HUD ➢ASP较高且仍将提升+渗透提速+格局较好-座舱域控：从传统车机控制器（1-2k）→8155系列（2-3k）→82系列（4-5k），ASP有提升动力且渗透率提升加速（代表公司包括：德赛西威、华阳集团、均胜 ➢ASP较高且仍将提升+渗透率提升幅度较大但边际放缓+格局较好-大尺寸中控屏/液晶仪表：大屏连屏化趋势加速（例如20万左右银河E8 45英寸；智己LS6 26.3+10.5连屏），屏显技术升级（从LCD到OLED再到microLED），格局相对集中。中游关注德赛西威、华阳集团、比亚迪电子；上游关注屏厂； ➢ASP较高且仍将提升+渗透率未开始提速+格局较好-HUD：HUD格局相对分散，但AR-HUD集中度较高（华阳集团、水晶光电、经纬恒润等）； ➢ASP较低但有提升可能+渗透率提速且是法规件，存在爆发可能+格局较优-DMS/OMS：ASP偏低导致天化板低，但渗透率较低，且23年已纳入推荐标准，不排除几年后成为强制标准的可能；另外，E-NCAP已将儿童检测功能与报警策略纳入打分体系；软件>硬件（摄像头相对同质化）；可关注格局相对较优的算法供应商（例如虹软科技、商汤-W）； 智能座舱：预计智能座舱26年1800亿市场，硬件重点关注座舱域控/HUD/流媒体后视镜，软件关注DMS/OMS、鸿蒙座舱IT服务等 智能驾驶-聪明的车：ADAS（高级辅助驾驶系统）与AD（自动驾驶） ➢按照系统的能力边界划分-L0-L5：L0不参与车控，仅预警（例如FCW）；L1可代替驾驶员执行某些简单操作（通常是单纵向/单横向；例如ACC）；L2在特定路况下可以代替驾驶员执行转向/加减速操作（可完成纵向+横向的组合控制），允许手、眼短暂脱离驾驶状态（例如TJA）；L3允许驾驶员在特定路况下将车辆操纵完全交由系统执行（例如NOA；点对点自动驾驶）；L4、L5、L3的主要区别是ODD（设计运行域cover的范畴）；L0-L2为ADAS（辅助驾驶）、L3-L5为AD（自动驾驶）；ADAS与AD的核心区别是事故责任是人还是车；➢按照场景划分：1）按车速：行车ADAS（所谓前向ADAS）/泊车ADAS/安全功能（比如AEB）；2）按道路类型：城区&高速/城区快速路，所谓城市NOA与高速NOA；➢传感器&算力平台基本已经标准化：城市NOA目前来看，普遍需要200Tops以上算力平台&激光雷达（部分车型已经选配/去除，例如小鹏AI鹰眼视觉&极越）； 图表14：ADAS/AD功能分类 高速/城市快速路工况：全线封闭、参与者只有汽车、无平交道口、无交通灯、无逆行； 普通城市道路工况：交通灯+复杂车道线+非机动车道+人行通道+施工障碍物； 资料来源：高工智能汽车、逯然舰长、赛文交通网、方正证券研究所整理 智能驾驶：L1/L2主逻辑是国产替代，壁垒相对低；L2.5增速较快，但格局预计相对分散；L2.9天花板最高&增速可观&格局相对好 23-28年CAGR=-9%（预计） 市场：L1/L2中长期看国内市场应该是负增长（渗透率25年之后会下降且ASP持续在下降）；格局：外资主导；200亿以上国产替代空间；壁垒低，价格战为主；投资机会：往高壁垒国产替代上游找（例如控制器主芯片、毫米波MMIC）、龙头OEM代工厂（比亚迪电子） 23-28年CAGR=-4%（预计） 23-28年CAGR=53%（预计） 市场：增速非常快，但同样拼成本，而且是初创公司&新晋公司重点发力的领域，以大疆为代表的卷王竞争力较强；格局：参与者很多（轻舟、福瑞泰克、毫末、鉴智、大疆、引望、西威、恒润、均胜等等）；Tier1会非常分散；投资机会：最好的细分也是上游（例如地平线）； 23-28年CAGR=46%（预计） 市场：增速较快&格局较好；格局：Tier1门槛高（西威、引望、比电）、算法公司门槛也很高（Momenta）、Wayve；且Tier1出海逻辑顺（海外Tier1落后国内1-2年）；投资机会：上游芯片（地平线）、核心Tier1（西威、引望）、核心算法（Momenta）； ➢2016年以前：Tesla的感知网络是常规的CNN，通常有多个网络，每个网络处理一个任务（head），例如车道线检测、人物检测与追踪、信号灯检测都有独立网络；➢2018年多任务模型引入：感知主干网络Hydra叫九头蛇，这个主干网络能延伸出很多个head（分支任务），感知模型集成度提高；➢2020年开始搞前融合：多传感器收集到的数据融合后再形成感知结果（特征级融合）&Transformer框架引入；➢2021年引入时序信息/视频特征序列/BEV：引入视频特征队列（Video Feature Queue），让网络能够处理时空信息（BEV三维+时间维），数据标注从2D图片标注到视频帧标注；➢2022年引入占用网络/NeRF：BEV框架仍旧需要学习过感知对象的语义信息才能正确识别，占用网络的引入使算法能够感知通用障碍物（把所有感知对象都视作积木拼凑成的乐高，只考虑体积&速度，语义信息的重要性下降），引入NeRF后，模型具备了感知被遮挡物体的脑补能力； 资料来源：青源talk、电子发烧友、方正证券研究所整理 高阶智驾的技术进步：Occpuancy解决通用障碍物识别问题 ➢BEV等传统方法划分“可行驶空间”存在一些问题：1）在地面极不平坦的时候，只有2个左右的像素点估计画面深度；2）可变形的障碍物，如两节的挂车/汽车顶上的杂物等，不适合用3D boundingbox来表示（会被直接视为一个整体）；3）不在已知类别中的障碍物，如路上的石子、垃圾等，无法进行分类。 ➢马斯克的第一性原理：世界上没有所谓的静止物体，只要摩擦力够小，任何物体都可以移动，都可能影响可行驶区域。感知系统的任务不是“目标识别+分割”而是3D分割，Fixed Rectangles（监测框/2D网格）、Object Detection（目标识别）、Object Ontology（具体形状刻画）都是多余的。预测Votel的flow（速度）则是需要额外了解的参数。➢核心是解决通用障碍物的识别问题（找到一种更好的方式来描述长尾障碍物）：占用网络并非推翻BEV感知的技术基础，而是对BEV网络在高度方向（Z轴）进行了进一步的扩展，从下图的架构中可以看到整体框架在对各个相机进行图像平面特征提取以后，仍旧是接一个Transformer的模块，在图像feature map中通过MLP生成Value-key，并利用BEV坐标系下栅格坐标的位置编码生成Query，不同的是这次栅格不只是BEV感知中的2D栅格，而是在高度方向又增加了一个维度变成了3D栅格，进而生成了Occupancy Features替代了原本的BEV Features。➢占用网络的输出：Occupancy Volume（通用障