自动驾驶行业：全面迈向中高阶智驾

浪潮国际深度报告：国产浪潮，又红又专证券分析师王紫敬S0600521080005wangzj@dwzq.com.cn2025年2月26日 投资要点 ✓2025年有望成为国内L3上车元年。2024年12月，特斯拉发布FSDV13.2更新，实现“从停车位到停车位”的端到端驾驶模式。目前国内鸿蒙智行、小鹏、理想等均已推送端到端大模型上车更新。同济大学汽车学院教授、汽车安全技术研究所所长朱西产预计工信部2025年会发布L3级自动驾驶车辆的相关认证。目前，江淮和华为合作的尊界S800已在申报工信部的认证，通过认证后，将为尊界用户推送L3智驾功能。近期理想CEO表示，理想有望在2025年实现L3级别的智能驾驶，2025年有望成为L3上车元年。 ✓中阶智驾有望成为10万元级车型标配。2025年，比亚迪宣布，天神之眼高阶智驾系统，比亚迪旗下10万元级以上车型全系搭载，10万元以下车型多数搭载。实现了代客泊车、遥控出车、自动泊车的标配。据盖世汽车研究院统计数据，2024年1-11月，国内乘用车市场高速NOA和城市NOA渗透率仅为7.2%和1.5%，2025年NOA将迎来量产规模大幅提升。 ✓Deepseek有望推进“智驾平权”加速。借助Deepseek模型及其算法优化技术，车端算力需求有望下降，从而降低车端智驾芯片部署成本。此外，Deepseek也为提升算力利用率打开了思路，有望推进云端大模型训练成本下降，将进一步推进中阶智驾下放。 ✓投资建议：随着中高阶智驾渗透率提升，头部智驾车厂和产业链相关公司有望受益：建议关注：域控：四维图新、光庭信息；算法：中科创达、虹软科技等。 ✓风险提示：技术发展不及预期，政策推进不及预期。 目录 1.技术：迎接L3时代 2.政策：逐步完善 3.趋势：L3商用元年，智驾平权 4.自动驾驶产业链 5.投资建议和相关标的 6.风险提示 1.技术：迎接L3时代 1.1智驾渗透率快速提升 ✓行业内普遍把自动驾驶分为五个等级。其中L0为完全人工驾驶，L1-L2为部分辅助驾驶，从L3-L5由部分自动驾驶逐渐向完全自动驾驶过渡。 图：SAE J3016驾驶自动化分级 •L0：提供警告和瞬时协助，如AEB（自动紧急制动）、车道偏离警告等。 •L1：借助感知系统对车辆做单一方向的运动控制/辅助，如车道居中LCC（横向运动控制，方向盘）或自适应巡航ACC（纵向运动控制，油门/刹车）。 •L2：同时提供纵向和横向控制。如自动泊车。 •L2+：高速公路/快速路/城市道路领航辅助驾驶（高速/城市NOA），但是人类仍然是驾驶主体，需要保持观察环境。 •L3：系统是驾驶主体，人类不需要观察环境，只有系统请求时，人类需要接管。 •L4：系统是驾驶主体，人类不需要接管，但有特定道路和环境条件要求。 •L5：在所有条件下随处行驶，人类不需要接管。 ✓目前大部分主机厂都处于L2+阶段。 1.2从模块化到端到端，迈向L3 ✓自动驾驶方案正在从模块化向端到端方案发展。 •传统的自动驾驶系统采用模块化部署策略。在之前很长一段时间，智能驾驶架构都来源于机器人架构，每个功能，如感知、预测和规划，都是单独开发并集成到车辆中的。•感知模块主要负责使用传感器搜集数据、数据处理等，用于识别行人、交通信号、道路标志和其他车辆等等，高精地图、IMU等则提供车辆位置等，感知处理模块将这些数据转化为车辆可以理解的环境模型，并送入到预测模块；•预测模块主要用于模仿人类感知来预测其他道路使用者的行为意图，例如有人横穿马路、有车要突然抢道等；•规划与决策模块根据前两个模块的信息来设计汽车的行驶策略，生成详细的行驶轨迹，并发送给控制模块；•控制模块，执行上述行车命令的模块，包括油门、刹车、转向，还有HMI的显示。 1.2从模块化到端到端，迈向L3 •因 此 传 统 的 自 动 驾 驶 方 案 往 往 要 面 对 大 量 的“cornercase”，如果出现高精地图未覆盖的路况，或者当路况非常复杂时，由于该方案整个系统非常复杂、庞大、需要人工设计成百上千个模块（可以理解成每个都是一个小模型），各个模块的优化目标不同（如感知中检测追求平均精度，而规划追求驾驶安全和舒适），每个模块的误差会加剧，最终会导致对算力负担增加，需要花费大量精力去解决cornercase。模块化的设计使得开发更加独立，问题追溯也比较容易，但是模块之间的信息传递存在损耗、代码量呈指数级上升。 •端到端的解决方案将感知、预测和规划结合到一个可以联合训练的单一模型中。端到端的解决方案就是把车辆采集到的所有信息都直接输入到统一的“大模型”中训练学习，系统直接输出汽车的驾驶命令。 1.2从模块化到端到端，迈向L3 •端到端的优点：相较于模块化的系统，它硬件成本小，系统设计相对简化，易于获得不同场景下的泛化性，能够服务于整体目标、实现全局最优。一个大一统的感知、预测、规划和控制网络，可以使用链式法则无障碍地从输出层（横纵向控制）向输入层（传感器）逐层反向传播误差，以最小化整体损失函数为目标，更加准确地更新每个网络层中的参数。 •然而，端到端模型是一个完全的黑盒，不具备解释分析性，可靠性和灵活性较差，工程师无法对其进行系统化的解释分析，而是只能依靠推测和实验进行调整，如果出现问题，只能希望模型在进一步的训练中“自行”解决问题。 1.3领先实践：特斯拉 •特斯拉领先实践。在特斯拉的带动下，过去量产自动驾驶常见的后融合算法（每个传感器的信息各自通过神经网络模型处理，然后融合运算）逐渐被抛弃，特斯拉推出的FSD Beta V9首次使用了BEV(BirdEyeView)+transformer的算法架构，实现了前融合的BEV算法，把多个摄像头的感知到的画面直接放进AI算法里，生成一个鸟瞰视角的3D空间，并在这个空间内输出感知结果。 •在此基础上，2021年，特斯拉引入了名为HydraNet的多任务学习算法，允许自动驾驶系统使用单一的神经网络来实施不同的任务，可以检测车辆、标志牌、车道线等，2022年特斯拉引入占据（Occupancy）网络，将图像空间转为立体空间，并且给每个空间单位分配一个“占据/未占据”的标识，从而帮助找到更多相关的特征，能够预测哪些物体（甚至物体的哪个部分）会移动。 •至此，特斯拉的自动驾驶系统架构中部分模块已经被深度学习模块所替代，但仍不是一个端到端训练模式的自动驾驶系统，因为系统中仍然存在规划的部分，例如轨迹评分、手动规则等。 1.3领先实践：特斯拉 •特斯拉FSD V12升级为端到端神经网络。随着2024.3.10的更 新，特 斯 拉FSD去 除（Beta）标 识，改 为FSD(Supervised)，并正式提出FSD V12的概念。特斯拉FSDV12版完全采用了端到端神经网络，这是第一个落地的端到端自动驾驶方案，将感知、分析、决策整合在一起，当输入传感器数据时，系统直接输出车辆控制信号。端到端大模型可以理解成对海量驾驶视频片段的压缩，消除了自动驾驶系统的感知和定位、决策和规划、控制和执行之间的断面，将三大模块合在一起，形成了一个大的神经网络。 •特斯拉官方宣称，FSDV12版本的代码数量从原来的30多万行缩减到了2000行，只有原来的10%都不到，而且随着多模态大模型出现，代码还有进一步缩减的可能。 1.3领先实践：特斯拉 •硬件平台更新降本。得益于算法进步和车端芯片算力提升，目前特斯拉新款车型已经取消毫米波雷达和超声波雷达配置，硬件平台成本进一步降低。 •FSDV13持续升级，实现“从停车位到停车位”的端到端驾驶模式。2024年12月，特斯拉发布FSD V13.2更新，可以在停车场直接启动自动驾驶，增强了纯视觉倒车功能，不仅可以在停车时自动倒车，还能执行三点掉头等复杂操作，并且实现了决策和响应速度提升。 •商业化进展顺利。截至2024年9月，FSD完全自动驾驶能力（监管版）累计行驶里程超过32亿公里，其中50%来自V12.5之后的版本。 1.3领先实践：特斯拉 •探索新商业场景：Robotaxi。2024年10月，特斯拉在洛杉矶举办主题为“We，Robot”的活动，展示其Robotaxi（自动驾驶出租车）等一系列产品。特斯拉将其Robotaxi命名为Cybercab，它没有方向盘和踏板。 •特斯拉CEO马斯克在发布会上称，CyberCab的车辆成本预计将低于3万美元，并将于2026年投入生产，在2027年前大规模铺开。当下CyberCab的运营成本仍较高，约为1美元每英里，未来将降至0.2美元每英里左右。未来特斯拉还将推出CyberCab2。 •第一阶段Robotaxi的业务模式会类似网约车、共享汽车。除了自主运营车队，特斯拉车主也可将他们的汽车派出去赚钱，类似Airbnb和Uber的结合。马斯克表示，预计特斯拉将在2025年在德克萨斯州和加利福尼亚州启动无人监督的完全自动驾驶(FSD)功能。 1.4领先实践：华为 ➢华为汽车业务主要围绕智能汽车数字平台(iDVP)、智能驾驶计算平台(MDC)和HarmonyOS智能座舱平台三大平台。 ➢华为与整车厂的合作模式主要有三种。 1.华为智选模式。华为智选致力于将华为的工业团队、软件团队、用户体验团队等参与到汽车制造的合作中，与车企共同实现产品设计、品牌打造，并通过华为的销售渠道为汽车销售提供支持。这种合作方式主要是为了将华为面向消费者的能力赋能给车企，是最深入的合作模式。2025年鸿蒙智行“四界”将有多款新车型面世，此外华为和上汽合作可能带来“第五界”品牌“尚界”。 2.Huawei Inside(HI)模式。华为Inside模式提供包括MDC、智能座舱、智能驾驶、智能车云等在内的全栈智能汽车解决方案。目前，华为与长安阿维塔、北汽极狐等品牌采用该模式进行合作。在这种合作方式中，华为更多处于被集成的角色，与车企联合研发。 3.零部件供应模式。华为提供AR HUD、激光雷达、热管理、电驱等零部件。这种模式是华为最早进入智能汽车领域时的业务形式，拥有众多合作伙伴。 1.4领先实践：华为 ➢最新版华为ADS 3.0采用全新端到端架构。2024年4月，华为全新发布的ADS 3.0相较于去年引领“无图”潮流的ADS 2.0，进一步去掉了BEV网络，实现一张GOD（通用障碍物识别）大网从简单“识别障碍物”到深度“理解驾驶场景”的跨越式进步，从而全面提升了智能驾驶的安全性与驾乘体验。此外，乾崑ADS 3.0全新架构采用PDP（预测决策规控）网络实现预决策和规划一张网，从而实现类人化的决策和规划，行驶轨迹更类人，通行效率更高，复杂路口通过率>96%。 ➢余承东表示，2025年将推出华为乾崑智驾ADS 4.0，将实现高速L3级自动驾驶的商用版本和城区L3级自动驾驶的试点项目。 数据来源：汽车之家，亚洲新能源汽车网，东吴证券研究所 2.政策：逐步完善 2.1各国加速相关法规政策颁布 ✓截至目前，美国、英国、德国、新加坡、日本等都颁布了自动驾驶相关法律法规。 ✓以美国为例： •2013年，美国首次公布了自动驾驶分级的政策法规《自动驾驶汽车政策》，并确定了L0-L5的自动驾驶分级标准。某种程度上，这可视为美国自动驾驶政策的起点。•2016年，美国政府颁布了第一份自动驾驶汽车联邦政策文件，促使无人驾驶汽车顺利测试。政策文件侧重于自动驾驶汽车的安全性。•2024年3月，美国批准了Waymo在旧金山和洛杉矶的扩区计划，新增运营面积超过1200平方公里。•2024年8月，美国加州机动车辆管理局又公布了“关于自动/无人驾驶（重型）车辆的规则框架的草案”。该草案取消了目前对车辆总重量为10001磅或以上的自动驾驶汽车的禁令，并为制造商在公共道路上测试和部署自动驾驶重型商用汽车，创造了一条监管途径。•2024年12月，美国国家公路交通安全管理局（NHTSA）公布了自动驾驶车辆安全、透明度与评估计划，简称“AV-STEP草案”。明确了Robotaxi的政策法规框