從1886年第一輛汽車誕生到現在，130年來汽車在給人們帶來大量益處的同時，也暴露了越來越多的問題，如環境污染、道路擁堵、交通事故帶來的傷亡等。智能駕駛的出現則能夠通過技術手段解決傳統駕駛方式產生的用戶痛點。比如智能駕駛汽車使用清潔能源作為燃料，可根據路況環境調整行駛速度，選擇優選路線，緩解交通阻塞，避免一些因疲勞駕駛等問題引發的交通事故等。

　　智能駕駛在整車的基礎上進行智能+網聯升級，有效降低事故概率保障車主出行自由，目前關鍵零部件為外企壟斷，國產替代空間廣闊。智能駕駛通過搭載先進的傳感器、控制器、執行器、通訊模塊等設備協助駕駛員操控車輛，目前我國乘用車智能駕駛滲透率在30%-40%之間，處于L2向L3過渡階段。未來隨著核心技術不斷取得突破、關鍵零部件國產化率提升、法規制度進一步完善，我國智能駕駛將覆蓋更多應用場景，保障全民出行安全和出行自由。

　　那么，智能駕駛的概念具體是怎樣界定的，級別有哪些，我國智能駕駛發展的驅動因素有哪些，當前國際國內智駕發展現狀如何，產業鏈構成是怎樣的，市場空間有多大，相關公司又有哪些，今后發展趨勢都有哪些？本篇研報圍繞上述問題進行了深度梳理，希望對智能駕駛行業感興趣的朋友有所啟發。

　　（更多投研內容可關注公眾號《 投研鋒向 》加入社群 獲取更多及時資訊！縮小信息差！）

　　智能駕駛是指汽車通過搭載先進的傳感器、控制器、執行器、通訊模塊等設備協助駕駛員操控車輛，甚至完全代替駕駛員實現無人駕駛的功能。

　　具體來看，智能駕駛根據自動化程度分為五個級別：L1階段是輔助駕駛階段，以駕駛員操作為主。車輛能夠根據駕駛環境提供方向盤和減速其中之一的支持。L2階段是部分自動駕駛階段，司機可以短暫休息，但需隨時準備好手動駕駛。L3階段是條件自動駕駛階段，車輛可以在一定條件下，系統完成所有駕駛操作，駕駛員根據系統要求提供適應性反應。L4階段是高度自動駕駛階段，系統可以完成所有的駕駛操作，在有條件的道路上行駛時，駕駛員可以完全解放雙手。L5階段是完全自動駕駛階段，車輛能夠在所有場景下實現真正的無人控制。

　　智能駕駛到自動駕駛，L3級別是關鍵。從L3開始，駕駛操作和周邊監控都是由系統自動完成，駕駛員只需要在緊急動態下做好接管處理即可；所以L3級別駕駛的主角已經切換為車輛自動駕駛系統，實現了人類駕駛員到AI駕駛員的飛躍。

　　感知模塊（Perception）主要負責車周信息感知和目標檢測。感知模塊輸入各類傳感器的數據，輸出車道線，行人，車輛等的位置和軌跡等信息。感知算法的核心是融合各類傳感器的信息，精準識別物體的類別與位置（需要2D還原為3D）。

　　預測模塊（Prediction）主要負責預測車周物體的運動，評估障礙物下一時刻可能的動作。預測模塊輸入車周物體和車輛自身的位置與速度等信息，輸出物體運動軌跡的預測。

　　決策規劃模塊（Planning）主要負責計算車輛下一時刻的運動路徑，向控制模塊輸出指令。規劃與決策在開發環節往往結合在一起，包括三個層次：1）全局路徑規劃（Route Planning），結合目的地和地圖信息生成全局路徑。2）行為決策層（Behavioral Layer），結合感知模塊的環境信息做具體行為決策。3）運動規劃（Motion Planning），結合行為決策和約束條件形成運動軌跡。

　　控制模塊（Control）主要負責精準控制車輛按規劃軌跡行駛。控制模塊根據決策規劃的路線，生成具體的加速、轉向和制動指令，控制驅動系統，轉向系統，制動系統和懸架系統。

　　智能駕駛的本質是通過訓練使車輛具有人類的駕駛能力，用神經網絡模型替代基于規則的算法，可提升模型表現。1）過去，一些智能駕駛的方案中感知，預測等模塊采用了CNN和RNN等AI模型；2）現在，在Transformer模型引入CV領域和智能駕駛領域后，智駕能力的提升明顯加速。例如，在感知模塊，基于BEV+ Transformer做特征融合，相較于傳統的CNN模型具有更好的全局感知能力；在預測模塊，有研究表明基于Transformer的多模態軌跡預測相較于傳統的RNN等神經網絡也有更好的效果；在規劃模塊，基于AI模型的算法相比于基于大量規則的算法也更加簡潔高效。3）未來，基于Transformer有望實現感知決策一體化的大模型。相較于目前模塊化的開發方式，可以避免級連誤差，提升視覺信息表達，優化終端性能體驗。

　　（1）AI加速智能化第一步：頭部玩家基于BEV+ Transformer做特征融合，提升感知能力

　　車輛獲取外部信息的傳感器包括攝像頭，激光雷達，毫米波雷達，超聲波雷達等，不同傳感器獲取的信息特征不同，因此需要通過算法將各類數據融合。過去多傳感器融合采用后融合的方式，將傳感器各自處理后的信息做基于統計學模型的加權運算，這樣會出現數據損失。現在利用Transformer大模型可以提取特征向量，在統一的3D坐標系空間（BEV）內做特征融合，還可以結合時序信息進行動態識別，最后進行多任務輸出，如靜態語義地圖、動態檢測等。AI大模型的加持下，智能駕駛的感知能力可以明顯提升，優化Corner Case的處理，同時由于車輛生成了動態語義地圖，可以減少對高精地圖的依賴。

　　目前采用的模塊化的智能駕駛開發架構（感知—預測—規劃—控制）優勢在于簡化研發團隊分工，但是缺點在于會出現信息損失和累計誤差問題，同時每個模塊的優化目標不一致。我們認為，基于Transformer的模型的Attenion機制，未來智能駕駛有望統一感知與決策算法模塊，實現端到端的大模型，即一個模型輸入傳感器數據，直接輸出控制信號。端到端的智能駕駛可以避免累積錯誤或任務協調不足的問題。

　　智能駕駛的發展是汽車強國的戰略選擇，也是實現交通強國、制造強國、科技強國、網絡強國等重要載體。

　　近年間多地出臺支持政策，加快智能駕駛落地進程。2018年以來，國務院辦公廳、工信部、公安部、交通運輸部等部門相繼頒布《智能網聯汽車道路測試與示范應用管理規范（試行）》、《自動駕駛汽車運輸安全服務指南（試行）（征求意見稿）》等政策文件，明確了國內智能駕駛發展規劃、智能駕駛道路測試規則和標準。自然資源部發布《關于做好智能網聯汽車高精度地圖應用試點有關工作的通知》，明確將在6個城市首批開展智能網聯汽車高精度地圖應用試點。各地方政府也陸續出臺道路測試與管理規范文件，目前我國已有9個省（市）發布了自動駕駛政策，另有17個省（市）發布了市級政策或已經開展自動駕駛測試。

　　智能駕駛的發展將賦能智慧出行和智慧城市，解決擁堵、交通事故、節能環保及城市管理問題。

　　據世界衛生組織統計，全球每年有約135萬人死于道路交通事故，另有2000-5000萬人受到非致命傷害，交通事故已經成為致人死亡的八大原因之一。據統計，有81.5%的道路交通事故由人為因素引發，僅有不到20%的事故由機動車或環境因素導致。智能駕駛能夠消除和減少駕駛員違規違法操作、駕駛經驗不足和自身缺陷或感知限制等不良人為因素，對減少交通事故降低道路交通風險具有重大價值。以百度L4整體安全系統為例，其基于功能安全和預期功能安全要求和設計思路，構建了主系統安全、冗余安全系統、遠程云代駕系統三層安全體系，通過核心算法和策略設計、硬件和軟件冗余安全設計、遠程云代駕技術、全流程測試驗證技術等有效保障道路交通安全。

　　隨著我國進入深度老齡化社會，老年人的生活質量也愈發受到社會各界的重視。據公安部統計，2021年我國60歲以上駕駛員有1784萬人，相較于2018年提升近60%；我國50歲到60歲駕駛員6966萬人，相較于2018年提升近50%，越來越多的老年人享受到汽車帶來的出行便利。然而在可預見的未來，這些老年人可能因疾病或身體老化而無法駕駛汽車，失去汽車出行自由。若智能駕駛汽車得到普及，年老或疾病便不再是駕車出行的障礙，老年人和殘障人士都可以在沒有其他人的幫助下乘坐智能駕駛汽車去任何地方，實現真正的出行自由。

　　特斯拉FSD誕生以來經歷過幾次重大升級，當前FSD在BEV+ transformer+占用網絡的底層支持下有望完成新一代的升級，有望大幅提升FSD的高階智能駕駛能力和迭代速度。

　　2017-2019年Mobileye主導時代。2016年之前，特斯拉FSD算法全部由Mobileye提供，Mobileye沿用傳統視覺路線，采用低精度地圖+算法迭代實現自動駕駛功能；2016年到2019年間，特斯拉加大對視覺感知算法的研發投入，逐步建立起自身的軟件和算法框架。

　　2019-2020年FSD芯片上車，全棧自研第一階段。2019年起，FSD芯片上車，特斯拉加快了軟件的迭代速度，同時開始發展視覺神經網絡，在純視覺感知路線上不斷深耕。

　　2019年到2023，BEV、transformer、占用網絡等引入，全棧自研第二階段。2021年7月推送的FSDBetaV9版本的軟件從底層完全重寫，不依賴雷達，只采用TeslaVision視覺方案。

　　特斯拉預計2023年內推出FSDV12，或將引入端到端AI更新其全自動駕駛包。AI算法訓練的數據基礎，基于海量的人類司機駕駛數據，通過AI算法訓練，使智能駕駛系統能夠像成熟人類司機一樣接管cornercase，應對復雜路況。此外，據馬斯克透露，FSDV12將取消Beta版本。這意味著特斯拉有可能在年內正式向北美用戶推送FSD的完整版。

　　據TroyTeslike數據，特斯拉FSD全球滲透率在2019Q2達到高點45.7%，主要原因是前期特斯拉銷售主力車型是售價相對較貴的ModelS、ModelX，客戶群體預算較為充足對價格相對不敏感。隨著后期Model3、ModelY等價格較低車型銷量占比持續提升，該部分群體對價格敏感，而FSD技術相對尚未成熟，所以付費意愿不強使得FSD滲透率走低，2022Q3全球滲透率已降至7.4%。到了2022年11月FSDBetaV11版本的發布使得車輛決策時間尤其在左右轉時大大縮短，延遲減小，性能和使用體驗顯著提升，同時2022年11月開始FSDBeta不再對安全評分進行要求，可以向幾乎全部北美FSD已購買或訂閱車主進行推送。截至2023年1月，已經有40萬北美用戶接入FSDBeta，相較于2022年12月公布的數據28.5萬提升近40%。我們預計隨著FSDV12完整版的到來，FSD功能趨于完善，消費者的付費意愿不斷增強，FSD滲透率有望加速向上。

　　（4）“超級計算機”Dojo投產運行將助力FSD性能躍升，助力特斯拉實現全面自動駕駛

　　近期，特斯拉披露了特斯拉首臺“超級計算機”Dojo的進展，其計劃于7月正式投入生產，到2024年初，將成為全球最先進的5臺超級計算機之一。Dojo是用來處理AI任務的超級計算機,可以幫助特斯拉更高效地處理海量的車輛行駛數據，包括車輛的傳感器數據、路況信息等等，從而提升特斯拉自動駕駛算法的準確性和安全性。一旦正式投入使用，或將進一步提升特斯拉電動車的計算機視覺能力，使FSD自動駕駛水平再上一個臺階。特斯拉方面稱，一旦Dojo啟動并運行，特斯拉完全自動駕駛系統FSDBeta將呈現“指數級提升”。

　　2016-2021年，全球智能駕駛市場規模從929.39億元增長至1835.25億元，年復合增長率14.5%；同期中國智能駕駛市場規模從43.9億元增長至93.7億，年復合增長率16.4%，略高于全球平均增速。盡管目前我國智能駕駛市場規模僅為全球的5%，但我國是全球汽車保有量最高的國家，當前智能駕駛汽車滲透率不到10%，隨著智能駕駛技術的不斷突破及相關法律法規、基礎設施的完善，我國智能駕駛市場規模將有巨大增長空間。

　　當前我國大部分汽車仍處于L0純人工駕駛階段，2020年L1和L2級別智能駕駛合計占比32%，L3及以上智能駕駛系統滲透率微乎其微。我國主要車企均進行了智能駕駛前瞻性布局，當前已有吉利、長城、長安、東風、一汽紅旗、上汽、奇瑞實現了L3級別智能駕駛布局，其中吉利、長城、東風已經進入L4/L5級別智能駕駛領域，預計在2025年我國主要車企均將布局L4/L5級別智能駕駛。

　　智能駕駛系統技術壁壘高，控制制動、控制單元、傳感器等多種核心技術均被外企壟斷。2021年，我國智能駕駛系統84%的市場份額被博世、電裝、大陸等德國、日本、英國、瑞典企業占據，國產化率低，且國內尚無具備競爭實力的智能駕駛系統企業。未來我國智能駕駛系統國產替代空間廣闊，提升我國智能駕駛系統國產化率將是產業鏈發展的重要方向。

　　智能駕駛感知系統主要包括車載攝像頭、激光雷達和毫米波雷達，其中攝像頭和毫米波雷達占據98%的市場份額，2021年激光雷達市場規模僅為4.6億元。相較于車載攝像頭和毫米波雷達，激光雷達具有探測距離遠、分辨率高、響應快、精度極高、實時三維建模等優勢。當前激光雷達市場規模較低的主要原因是國產化率低，價格高昂。

　　但在激光雷達領域，我國國產替代競爭實力最強，大疆、華為、禾賽科技已突破核心技術，合計市占率近15%。隨著固態激光雷達等新技術路線替代傳統機械式雷達，工藝成本顯著下降，疊加國產激光雷達供貨量上升，我國激光雷達市場價格將有較大降低空間，激光雷達將成為最具應用推廣潛力的智能駕駛感知系統。

　　2021年，我國智能駕駛定位系統中，V2X、車輛網、高精地圖、云服務市場規模分別為400、2126、50、1446億元，我國智能駕駛決策系統中，ADAS、汽車芯片市場規模分別為1030、133億元。與智能駕駛其他核心系統類似，定位系統和決策系統市場份額亦被大陸、博世等外企占據，國內企業市占率較低。但隨著華為、百度、中興等國內V2X提供商，阿里、華為、騰訊等國內云服務提供商，百度、智途等國內高精地圖提供商，啟明信息、中寰衛星等國內車聯網提供商，聞泰科技、納思達等國內汽車芯片供應商的競爭實力不斷增強，國產企業有望爭取外企的市場份額，在智能駕駛定位系統和決策系統領域實現國產替代。

　　從2021年開始，多家車企公布了城市NOA的上線年下半年，城市NOA已經從概念變成現實。2022年9月，小鵬P5率先在廣州推出城市NOA功能，緊隨其后極狐阿爾法S的HI版綁定華為的解決方案，相繼在深圳、上海落地了城市NOA功能。到了2023年，眾多車企在城市NOA方面有了突破性進展，2023H2各車企的城市NOA即將大規模落地。

　　小鵬汽車：國內首家上線城市NOA的車企，并預計于2024年實現車位到車位的全景輔助駕駛能力。2022年9月，小鵬汽車成為國內首個上線城市NOA功能的車企，并開始在廣州進行試點。小鵬計劃在下半年在無高精地圖覆蓋的城市開放自動變道、超車、左右轉的能力，并預計在2024年推出XNGP的終極形態，實現車位到車位的全場景輔助駕駛能力。

　　蔚來汽車：國內首家實現NOA高速領航的公司，并計劃于下半年發布城區NOP+。是國內首家實現NOA高速領航落地的公司。目前NOP+已經在北京二環、三環、四環、五環等城市環路及快速路、高速公路實現全覆蓋。

　　理想汽車：計劃2023年下半年開通城市通勤NOA。2023年6月，不依賴高精地圖的城市NOA開啟內測。2023年下半年，理想計劃開通城市通勤NOA功能。

　　比亞迪：2022年開始自動駕駛路線從合作借鑒轉為建立自研能力，高速DNP功能將于今年三季度搭載于漢車型上。到了2021年之后，比亞迪開始進入到第二個階段，合作借鑒建立自研的基礎能力。定位更高的騰勢、F品牌、仰望等，也已規劃或公布將搭載包括城市NOA在內的高階智駕功能。

　　長城汽車：毫末城市NOH預計今年三季度落地。可滿足當前L3以及后續L4/L5等全場景自動駕駛功能的實現。毫末智行城市NOH預計在今年三季度落地，于2024年上半年即可完成落地城市100城的目標,實現點點互達。2025年更大規模全場景的NOH將更快落地,全面邁入全無人駕駛時代。

　　華為：城市NCA已經實現落地，并將實現更多無圖城市的落地。今年三季度，華為城區NCA將實現15個無圖城市的落地，四季度將新增30個無圖城市落地至45城。

　　城市NOA的落地意味著高階智能駕駛的使用場景大幅度擴展，從之前的高速公路、封閉園區等特定場景擴展到更復雜的城市場景。對于用戶來講，高階智能駕駛的體驗也大幅度提升。之前在特定場景才能使用的高階智能駕駛相關功能，目前在日常通勤的城市場景也可使用。同時，對于體量較大以及自動駕駛算法正向研發能力強的頭部企業來講，使用場景的擴展意味著數據量更加豐富，進而使得算法迭代速度將提升。

　　智能駕駛是在整車的基礎上進行智能+網聯的升級。目前參與智能駕駛探索的企業主要有傳統車企、初創車企和互聯網造車企業。相較于傳統汽車，智能駕駛汽車需安裝感知系統，如激光雷達、毫米波雷達、超聲波雷達等；定位系統，如GNSS定位和接受系統、IMU慣性傳感器、高精地圖；計算與決策系統，如ADAS系統、車載芯片、車載存儲器等，以實現智能化。此外，智能駕駛汽車還需移動網絡、大數據平臺和終端的支持，實現網聯。智能駕駛汽車下游應用場景廣闊，可覆蓋共享汽車、無人駕駛巴士、通勤車等多類應用場景。

　　自動駕駛能力提升需要軟硬件協同，目前自動駕駛仍在探索硬件Bom成本邊界，自動駕駛仍需升級并且硬件先行。自動駕駛功能升級需要軟硬件結合，性能升級需要軟硬件的共同提升。歷史來看，自動駕駛迭代節奏為硬件階梯向上，軟件持續提升，且軟件的迭代落后于硬件。

　　前向攝像頭+前向毫米波雷達方案仍為目前智能駕駛感知層硬件配置的主要選擇，配置硬件車型占比逐月提升。智能駕駛感知層硬件來看，包括前視攝像頭、環視攝像頭、毫米波雷達、激光雷達等傳感器。

　　前視攝像頭：裝配率和車型價格帶分布正相關，各價格帶由于品牌分布和供給差異配置情況差別明顯。

　　配置率穩步提升，功能標配車型占比較2022年增長明顯。裝配率和價格帶正相關，自主品牌配置率遙遙領先。

　　前向雷達配置率領先，毫米波雷達整體配置率小幅提升。日系、德系、美系車型傳感器配置相對穩定，毫米波雷達裝配率領先。

　　自主品牌高階智能駕駛的差異化感知硬件配置。配置率來看，激光雷達配置率中樞波動上行。目前，激光雷達仍可以作為高階自動駕駛方案感知端傳感器硬件的代表品類。

　　傳感器是數據輸入來源，屬于智能駕駛感知層。此處的感知為廣義感知，包含環境傳感器的攝像頭、毫米波雷達、超聲波雷達，也包含車身傳感器的壓力類、位置類、光雨量類等產品，兩者共同完成整車對環境及自身信息感知，并用于后續決策、執行。智能化趨勢下，傳感器數量及規格提升。環境傳感器層面視覺優勢顯著，攝像頭數量及素質提升，2022年開始大量800萬像素攝像頭搭載上車。車身傳感器層面，目前中級車使用的傳感器每輛車超過100只，（豪華轎車數量則為200個），單車價值量已超過2000元。

　　機器學習系統迭代對算力要求持續提升。機器學習和算力趨勢可以拆分為三個時代：前深度學習時代、深度學習時代和大模型時代，各階段在訓練過程中需要的算力差別明顯，每階段數據處理量指數級提升，對應所需算力亦大幅提升。

　　目前智能駕駛功能上尚未實現完全城市NOA功能，未來仍需要通過提升通用感知能力和博弈算法的優化提升認知和規劃能力。以特斯拉功能迭代為例，特斯拉在2019年6月的SoftwareVersion10版本中推出高速NOA方案，過去主要通過數據的積累和人工標注豐富智能駕駛場景。2020Q4，特斯拉公開了FSDBeta6.0，感知、識別、規劃能力快速提升。2023Q2推出FSDBeta11.4，補充了Occupancy network，同時引入博弈算法，智能駕駛算法對世界的認知能力初見成效，可以完成基礎信息的4D建模。在未來從高速NOA提升至城市NOA過程中，仍需要提升感知、識別、規劃能力。一方面，需要通用感知完成對障礙物檢測（Occupancy network），同時需要完成障礙物Reasoning的高效分析，從而完成更合理的障礙物行為的推測。另一方面，優化博弈算法，充分考慮交通參與者的博弈習慣，將規劃問題轉化為無監督和離線優化/復現交互的標注方式。未來智能駕駛升級的路徑中，仍需要“硬件——軟件——算法”的協同配合。

　　英偉達新一代方案Thor預計2024年上市，有望帶動國內整車廠智駕的新一輪升級。

　　英偉達作為國內整車廠智能駕駛芯片的核心供應商，芯片升級節奏或成為影響國內整車廠智駕升級節奏的重要原因。英偉達下一代智駕芯片Thor有望2024年上市，核心算力有望達到2000tops，進一步帶動國內整車廠智能駕駛硬件方案的升級。

　　英偉達Orin方案包括AGX版本和NX版本，其中AGXOrin方案是車廠更多使用的高算力版本，OrinNX方案在過去被忽略。

　　由于AGXOrin和OrinNX使用相同的開發者平臺，AGXOrin方案到OrinNX方案的切換難度較低，轉換速度較快，OrinNX或成為未來國內整車廠中算力方案的主要選擇。

　　地平線方案架構持續升級，憑借異構計算模式和豐富的接口設計實現性能的領先，或成為首個中國中算力芯片。

　　地平線年1-9月銷量數據來看，地平線萬輛，銷量快速上行，未來有望成為國產芯片中算力方案的主要選擇。

　　域控是智能駕駛決策核心，屬于智能駕駛決策層。控制器作為汽車決策層的核心部件，功能實現依賴主控芯片、軟件操作系統、中間件、應用算法。隨自動駕駛從L0-L1-L2-L3-L4，行車端、泊車功能不斷升級，自動駕駛域控單車價值同步提升。目前L2-L4級自動駕駛域控整體單車價值在2000~10000元區間，產品滲透率增長，域控制器市場空間廣闊，根據我們測算，2025年國內自動駕駛域控制器市場規模約為480億元。

　　執行端：線控底盤具備響應速度快與控制精度高的特點，是實現更高級別自動駕駛技術的關鍵。由于以電信號取代機械聯結與機械能量傳遞，線控系統具備以下優勢：

　　1）以電信號的方式傳輸，系統的響應速度更快；2）應用傳感器收集與記錄信息，控制精度與子系統間的協調性大幅提升；3）以線控系統取代機械裝置，減輕整備質量，提升輕量化水平，同時節省大量空間，有利于實現模塊化設計。從控制流的角度來看，自動駕駛技術本質是對“駕駛員指令輸入-底盤子系統影響輪胎力-達到相應運動狀態-駕駛員操作修正”控制閉環中的人工控制實現部分（甚至完全的）取代，線控技術的應用增強了底盤系統的電子化程度，是實現自動駕駛的關鍵技術。

　　線控制動：滲透率穩步提升，one-box和two-box滲透率均有明顯增長。線控制動系統的應用仍集中在新能源車中，充分解決新能源車型的里程焦慮。后續伴隨自動駕駛功能的升級，具備安全冗余的線控制動方案有望快速上車。

　　線控制動系統通過制動卡鉗產生的制動力和動力能量回收產生的制動力之間不同比例的配比，從而實現動力回收。通過線控系統的能量回收增加續航里程，可以在行駛過程中減少能量消耗，從而有效緩解目前電動車電池成本較高、續航里程較低的問題。

　　線控底盤是數據流在車端的應用，屬于智能駕駛執行層。數據從傳感器流入，經域控制器等處理，轉變成汽車終端指令向執行層傳輸，其中線控底盤執行X、Y、Z軸三向操作。X軸線控轉向以電子控制器取代方向盤與轉向輪之間機械連接，提高響應速度，行業處于發展初期；Y軸線控制動以電控信號取代傳統制動系統部分或全部機械部件，解決新能源車缺少真空泵源困境，通過電信號獲得更快信息傳輸及響應速度，21年國內行業滲透率已達9%；Z軸空懸以空氣彈簧取代傳統彈簧，搭配可變阻尼減振器減輕顛簸，行業滲透率快速提升。

　　ADS2.0算法升級：ADS1.0通過融合感知BEV架構實現“看得清”，ADS2.0最重大的變化是“有圖無圖都能開”，擺脫高精地圖的依賴，通過推理實現像真正司機一樣看路識路。

　　為什么要擺脫高精地圖的依賴？——1）成本非常高；2）高精地圖更新慢，幾個月才更新一次。

　　GOD網絡可以識別白名單外障礙物：除了打過標簽和訓練過的“白名單”障礙物，對于沒有訓練過（不在白名單之內）的異形障礙物，GOD網絡也可以做到有效識別，減少了長尾風險。

　　小鵬汽車中國市場年度銷量持續提升，2020年銷量突破10萬。配備XPILOT3.0的P7擁有高速NGP等智駕功能，一經推出便大受歡迎，是首個突破十萬量產的純電新勢力車型。此后小鵬又推出多款新車型，并不斷調整優化產品戰略。2023年7月新車型G6啟動交付，搭載XNGP，參考售價區間為20-28萬，銷量提升較快。根據小鵬官網數據，2023年9月G6銷量達8132輛，銷量占比從7月的35%快速提升至53%。

　　保隆科技成立于1997年，創始人及部分管理層來自武漢理工大學，校企深度合作。上市7年3輪股權激勵，涉及董事、高管、核心技術人員共1369人，激勵到位，公司氛圍團結。技術實力強悍，圍繞三條能力構建業務主線)氣門嘴積累橡膠能力拓展空氣懸架；2）TPMS（胎壓監測系統）積累傳感能力拓展車身傳感器及環境傳感器等業務；3）排氣管件積累金屬能力拓展輕量化結構件。公司產品落地能力強悍，多業務進展順利。客戶結構廣泛覆蓋大眾、比亞迪、大陸等車企、TIER1及售后市場，22年實現營收48億元，前五名客戶合計占比28%。

　　汽車高階智能駕駛奇點時刻將至，投資機遇圍繞數據流演進，算法在于整車，零部件涉及感知（數據獲取）—決策（數據處理）—執行（數據應用），執行層通過線控底盤實現X軸（線控轉向）、Y軸（線控制動）、Z軸（空氣懸架）三向操作。保隆科技布局的傳感器+域控+空氣懸架市場規模超600億元，2025年行業規模近1600億元，增量來自智能駕駛滲透率提升。

　　1）TPMS標配件，公司發射器全球份額從2020年12%提升至2022年17%。2）氣門嘴及平衡塊市場需求平穩，公司是全球最大的輪胎氣門嘴企業之一，完成TPMS氣門嘴前瞻技術布局。3）金屬零部件從排氣管件轉向新能源，推出液冷板等新產品。

　　1）空氣懸架，公司12年切入皮囊及空懸，掌握全產業鏈工藝，覆蓋空氣彈簧、電控減振器、控制單元等全系統開發能力，22年國內空簧市場份額13%；2）傳感器，車身傳感器自研+并購形成壓力類、光學類、速度類、位置類、加速度類、電流類6品類、40+種產品布局，平均單車價值量約1000元。環境傳感器布局毫米波雷達、攝像頭、超聲波雷達等，4D毫米波雷達預計24Q1量產，有望加速國產替代；3）域控，公司與領目科技成立合資公司，行泊一體域控制器預計今年9月量產。

　　經緯恒潤成立于2003年，是一家覆蓋電子產品、研發服務及解決方案和高級別智能駕駛整體解決方案三大業務的汽車Tier1廠商，形成“三位一體”業務布局，在核心技術、應用場景、行業客戶群等方面相互支持、協同發展。公司在技術覆蓋和戰略布局上較為全面，具有覆蓋硬件（硬件與機械結構）、底層軟件（AutosarCP）、操作系統與中間件（QNX與AutosarAP）、核心算法等方面的全棧式解決能力，和包含智能駕駛域、車身和舒適域、動力域、底盤域、智能網聯等汽車領域在內的全面業務布局，能夠在行業競爭中占據更大優勢，為客戶提供更優質的服務。

　　進入2023年以來，智能駕駛行業迎多重利好催化，行業發展趨勢向好、前景明朗。

　　汽車NOA功能逐步由高速場景轉向城市場景（城市用車時長占比達90%），未來隨著城市NOA的不斷滲透，以及大模型、大算力、海量數據的加成，自動駕駛行業有望進入“ChatGPT時刻”。

　　目前NOA標配交付車型均價為35.33萬元（今年1-4月統計口徑），同比下降9.39%，基礎NOA標配+高階NOA選裝（頂配）有望成為市場趨勢。

　　根據佐思汽研，23Q1中國行泊一體方案量產車型滲透率為6.7%，2030年行業整體裝配率有望達到51%。

　　公司智能駕駛業務可提供覆蓋感知端+控制端的全面解決方案，自2016年量產ADAS產品以來，業務規模持續高速增長。公司依托于Mobileye、TI等芯片龍頭構筑產品競爭力，已成為國產智能駕駛電子產品龍頭廠商，2020年/2022H1國內市占率分別達3.6%/3.9%，為中國乘用車新車前視系統前十名供應商中唯一的本土企業。公司不斷加大研發，積極開拓行泊一體等新技術方案，有望憑借優質的技術和服務實現業務規模快速拓展。

　　Bsports必一體育

　　構建多方責任體系，明確汽車制造者、程序研發者、實際操作者等各方的責任判定依據；設立專門的智能駕駛登記管理機構，面向智能駕駛開設特殊的駕照資格審查機制；增設智能駕駛交通事故險種，使智能駕駛相關事故能夠得到合理的賠償和救濟；完善個人信息保護機制，嚴防企業泄露通過智能駕駛系統獲取的用戶信息。

　　2.傳統造車企業主導的同時，新興科技企業入局智能駕駛，加快核心零部件國產替代進程

　　除比亞迪、理想、長城、吉利等傳統造車企業及百度、華為、騰訊等互聯網科技企業正在緊鑼密鼓布局智能駕駛外，大量新興科技企業，尤其是以激光雷達、毫米波雷達、智能駕駛芯片為代表的核心零部件企業也密集進入智能駕駛領域。據零壹智庫不完全統計，2022年第三季度，國內一級市場上共有55家自動駕駛相關公司獲得61筆股權融資，其中23筆披露具體融資金額，對應的融資總額約為63.3億元。新興科技企業帶動資本入局智能駕駛領域，利于加快關鍵領域技術突破和量產推廣，實現核心零部件國產替代。

　　多傳感器融合技術就是利用計算機技術將來自多傳感器或多源的信息和數據，在一定的準則下加以自動分析和綜合，以完成所需要的決策和估計。隨著智能駕駛級別的提升，車輛所需要的傳感器也越發多樣化，為了應對不同的場景和保證車輛的安全，多傳感器融合將成為行業發展趨勢。

　　車路協同是指將數字化賦能的智能汽車與傳感技術賦能的先進道路結合，以實現駕駛員、智能駕駛汽車、智慧道路、云平臺的高效協同，這大大減少了車端的運算負擔，讓自動駕駛汽車成本更低，更容易落地，并能提供更多的安全冗余，同時，車路協同提供的信息更多，使其更適合復雜路況，進一步拓展智能駕駛下游應用場景。

　　智能駕駛產品技術上的代際升級有望驅動整車格局的新變遷。復盤全球和國內車企崛起的經驗，生產技術/產品技術/需求挖掘的代際變革和邊際優化是一個車企崛起的核心原因。

　　汽車行業經歷了手工生產—大批量生產—精益生產的代際性的變革，其中又有平臺化模塊化等生產方式創新帶來的降本增效，目前處于精益生產范式下平臺化模塊化生產的邊際優化中。特斯拉采用一體化壓鑄技術大幅提升生產效率，國內蔚來、極氪等企業也應用一體化壓鑄生產后地板等零部件。

　　汽車行業陸續出現跑車，平民車，大型轎車，皮卡，氣泡車，經濟型轎車，SUV，MPV等細分市場，一些市場反應敏捷的企業享受到細分市場快速成長的紅利。近年來家庭用車，女性用車，越野車等細分市場的需求挖掘給一些企業帶來機會，但隨著消費者選擇的多樣化，新的細分市場的挖掘難度加大，目前處于在各種細分市場的邊際完善中。

　　汽車行業經歷了馬車—燃油車—電動車的代際性變革，其中又有渦輪增壓，流線型設計等的持續優化。我國汽車行業正處于從燃油車向電動車轉型代際變革中，比亞迪與理想汽車等企業在電動化浪潮中迅速崛起。

　　產品技術角度即將進入下一個代際跨越，即智能駕駛的代際升級：城市NOA的大規模落地，高階智能駕駛進入城市場景。而智能駕駛的代際升級有望產生整車格局的變遷。隨著消費者越來越看重智能駕駛帶來的駕駛體驗的提升，智能駕駛能力有望成為消費者選擇汽車產品的重要因素，相關能力較強的車企有望實現彎道超車。

　　L2+到L3-L4不是連續的技術邊際優化，而是跨越式的技術升級。大規模神經網絡的參數數量、訓練數據等規模到達一定程度時，會出現定性的變化。

　　下圖展示了大模型的“涌現”現象，橫軸表示各個神經網絡模型的規模，縱軸表示準確率，可以看到有效參數跨越一個明顯的臨界值后，模型的精度會大幅提升。同樣基于Transformer架構的智能駕駛大模型在數據和參數積累到一定程度后，也有望迎來“涌現”時刻，智能駕駛的能力也有望大幅提升。即智能駕駛的技術能力的提升并非線級別的智能駕駛，或許不是連續的技術邊際優化，而是跨越式的技術升級。因此，智能化的代際升級可能驅動整車格局變化，頭部企業與其他企業的技術差距可能會拉大。

　　據IHS統計，2020年全球新車智能駕駛滲透率為40%，預計2025年將達到70%，且L4/L5級別智能駕駛系統將實現量產。2035年以后，L3及以下級別的智能駕駛系統滲透率將逐漸下降，到2040年，所有新車都將配備自動駕駛功能，且L4/L5級別智能駕駛系統滲透率將達到50%。

　　2.按照下游應用場景口徑測算，預計2025年我國智能駕駛市場規模將達萬億級

　　智能駕駛下游應用場景主要分為TOG、TOB和TOC，據測算，到2025年，我國TOG智能駕駛市場規模將超過200億元，TOB智能駕駛市場規模最大，約為6500億元，TOC智能駕駛市場規模約為3150億元。智能駕駛將率先在商用領域打開市場空間，隨著我國相關法規政策和基礎設施的不斷完善、智能駕駛零部件平均價值的提升，TOC端發展前景也十分廣闊。

　　域控制器、線控制動、毫米波雷達、攝像頭以及4D毫米波雷達等是智能化受益新賽道。隨著電動智能化產業趨勢發展，發動機、燃油噴射系統、變速器、啟動電機及發電機、渦輪增壓、尾氣處理系統、油箱及燃油系統預計逐步萎縮。而自動駕駛的實現需要毫米波雷達、攝像頭、超聲波雷達、激光雷達、4D毫米波雷達等傳感端產品的保障，自動駕駛滲透率的提升拉動傳感端產品需求持續提升。智能電動車背景下，傳統純機械的轉向系統和制動系統逐漸被替代，電控轉向和電控制動興起，到最后線控轉向線控制動。此外隨著智能化和電動化的深入，轉向和制動進入線控轉向和線性制控時代。電子電氣架構從分布到集中，域控制器、多域控制器替代ECU。

　　車企城市NOA加速落地，意味著高階智能駕駛進入城市場景。無論從軟件還是硬件層面，對汽車產品都提出了更高的要求。因此，有望驅動零部件新賽道市場空間加速增長，同時提升整體滲透速度。

　　（更多投研內容可關注公眾號《 投研鋒向 》加入社群，體驗更多0預期差紀要信息）

　　公司名稱：重慶懂車帝科技有限公司中央網信辦違法和不良信息舉報中心違法和不良信息舉報電話：