摘要：
中金 | 十年展望IV：车企智能驾驶演进法智能驾驶技术演进淌过探索深水区，发展趋势逐步清晰化。我们对自主车企智能驾驶技术布局现状及规划进行全面梳理：1）E/E架构升级是智驾实... 
添加微信好友, 获取更多信息
复制微信号
中金 | 十年展望IV：车企智能驾驶演进法
智能驾驶技术演进淌过探索深水区，发展趋势逐步清晰化。我们对自主车企智能驾驶技术布局现状及规划进行全面梳理：1）E/E架构升级是智驾实现的基座，部分车企率先向中央计算+区域控制演进。2）硬件端加速降本，配置分化匹配不同细分市场需求，20万元以下市场以低算力芯片+纯视觉方案为主，20万元以上匹配高算力芯片+激光雷达方案，芯片端车企外采为主、自研为辅，兼具考虑国产化实现自主可控。3）算法基本均切换至BEV+Transformer+Occupancy方案，端到端大模型为升级方向。
智驾能力初现分水岭，中长期有望驱动市场集中度再提升。
► 新势力及华为系量产节奏领先，工程化能力是提升泛化性的关键。我们认为，城市NOA功能是当前车企智驾能力的直观体现，华为系及小鹏量产节奏相对领先，理想、蔚来计划1H24加速全国范围城市NOA功能全量推送，其他车企逐步实现从0到1。往前展望，在端到端大模型规模化量产前，我们认为工程化能力将成为角逐关键，具备先发优势的车企泛化性提升速度已进入S型曲线陡增阶段，但具备数据优势的后发车企突破关键节点后有望实现追赶。
► 能化有望带来第二波格局变化，高端市场集中度或将提升。我们预测2025年城市NOA功能有望进入成熟期，从“能用”到“好用”，带动智驾成为重要的购车决策因子；若法律法规得以支持，我们预测2020s末L3智驾开始渗透并逐步提升。我们判断，智能化将引导格局变化，但影响程度在不同价格带市场有所分化，对中高端市场的格局影响将更加强烈。原因在于中低端车型要求硬件及软件继续降本，多数或以供应商方案为主，少数能力出众的车企或进行自研；而中高端品牌需通过自研以突出智能化长板，能力上将出现分化。参考智能手机格局演变，技术快速变革带来淘汰赛，技术收敛期则更加考察规模效应和降本能力，我们认为智能化有望带动市场格局再度走向集中。
汽车行业电气化、智能化变革带动整车结构和技术创新。电动化技术围绕着提升电动性能、解决补能问题等方面展开，中国市场乘用车电动化走过瓶颈期，2H23以来新能源渗透率突破40%。伴随电动化技术从导入走向成熟，市场竞争趋于激烈，缺乏核心竞争力的车企淘汰、具备产品和规模优势的车企份额提升，市场格局由新能源导入期分散化逐步走向集中。
往前看，智能化（包括座舱和驾驶智能化）逐步成为产品力差异化的关键，智能座舱软硬件配置及体验升级，智能驾驶正迎来技术和政策拐点，开启下半场竞争。我们认为当前尚处于智能驾驶技术导入早期，伴随L2+功能成熟、L3渗透率提升，智能化有望再度带动市场格局走向集中。
车企是智能化功能落地的核心载体，在本篇报告中我们从车企的视角出发，总结智能驾驶核心技术栈，对主流车企的进展和布局进行梳理，并对其智驾水平现状和影响因素进行分析。在此基础上，我们尝试探讨几个市场关注的核心问题：如何评价当前车企的智驾技术水平，以及未来车企智驾能力的收敛和分化？感知硬件技术路线和配置趋势如何展望？软件收费在中国是否可行？智驾对于车型销量开始产生带动作用的前提是什么？智驾对中长期智能电动车市场竞争格局将产生怎样的影响？
本节我们从自动驾驶涉及的核心技术能力出发，对各家车企布局现状及规划进行全面梳理，主要包括电子电气（E/E）架构、芯片、感知硬件、算法、算力等软硬件层面，以理清核心技术与智驾能力的关系。我们认为，如果将整车智能化系统类比人类，则E/E架构是神经系统，芯片是控制大脑，感知硬件是与外界交互的五官，算法是流淌其中的血液，算力是能量补给来源，各方面缺一不可，存在“木桶效应”。
E/E架构：奠定整车智能化基座，域控为当前常态，部分车企率先向中央计算+区域控制演进
E/E架构是整车电子电气开发的主体框架，奠定整车智能化的根基。跨域融合为多数车企所处阶段，逐步向中央计算平台迈进。目前大多数车企的E/E架构处于从“域集中式”到“中央计算式“的过渡阶段，形式上整车通过中央计算平台统一控制（OneBox结构），但本质逻辑上各域功能仍通过不同域控制器完成。多数车企已将车身域、动力域、底盘域进行融合，部分已实现舱泊一体、行泊一体。我们认为短期舱驾一体为跨域融合的重要发展方向，中长期看中央计算平台为E/E架构的演进方向，即用“一个大脑”进行控制。当然，我们不能简单地认为越集中的E/E架构就越好，也存在着效率和安全之间的博弈，车企需要全盘考虑以实现综合最优。
从车企落地进展来看，主流车企普遍在2021-2022年实现了分布式架构到域控制（含中央计算+功能域控）的过渡，并逐步向中央计算+区域控制演进，部分车企2023年开始上车。总体看，我们认为2024-2025年是车企从域控到中央计算平台迭代的时间点，但仍需关注实际车型量产节
芯片：供应商呈现寡头垄断，算力需求回归理性、走向分化
伴随智驾功能升级、E/E架构演进，智驾芯片算力需求大幅提升。我们看到，凭借过硬的硬件性能、开放的生态体系和最早量产的能力，英伟达Orin芯片几乎成为高阶智驾的“标配”。除英伟达外，国产芯片厂商亦在积极发力。我们认为，国产芯片可提供更具性价比的选择，且相对自主可控、断供风险低。
就芯片对车企智驾能力的影响而言，我们认为除了就芯片性能的考量外，芯片供应的稳定性和芯片平台的连续性亦值得重视。我们看到，不少车企切换过智驾芯片供应商，早期集体从Mobileye切换至英伟达，后续部分车型切换至国产芯片；不考虑同一车型不同配置的情况，目前仍有车企选择一种以上芯片供应方案。我们认为，芯片选择本身与感知硬件、软件算法架构选择相关，基于统一芯片平台开发延续性可能相对较好，同时避免了后期切换的增量成本和客户体验。
部分车企着力布局芯片自研，以达降本增效、减少外部供应链依赖的目的。车企自研进展方面，零跑凌芯01已搭载于C01/C11，算力4.2TOPS。蔚来神玑NX9031将搭载于ET9（公司预计1Q25量产），算力超过1000TOPS。吉利规划2024-2025年推出自研车规级智驾芯片，算力达256TOPS，以实现L4自动驾驶商用化落地。我们认为车载芯片难点在于量产落地，从流片到SOP约需1-3年时间，期间还需经历车规认证、车型导入验证等多个步骤，量产爬坡、良率控制也需要积累，因此我们预计头部车企自研芯片成熟量产上车时间将普遍晚于2025年。
感知硬件：多传感器融合与纯视觉方案并行，匹配不同细分市场需求
主流自动驾驶传感器硬件包括摄像头、毫米波雷达、超声波雷达、激光雷达等。除特斯拉外，配备L2+智驾功能的存量车型感知硬件解决方案以摄像头+激光雷达+毫米波雷达+超声波雷达的多传感器融合方案为主，激光雷达通常配置1-3颗，成本占比最高。受益于算法升级，以大疆、毫末智行等为代表的供应商积极推进纯视觉（摄像头+毫米波雷达等传感器）方案，以实现感知硬件降本。
►光雷达：我们认为，激光雷达价格相对昂贵，但感知精度高、安全保障能力强，中高端车型普遍搭载，成为L3+感知冗余必备。
► 摄像头配置随算法路线有所分化，纯视觉算法对摄像头数量、像素等指标要求较高。目前主流摄像头方案为8-12颗，除前视摄像头一般配置1-2颗外（单目、双目、多目），环视和侧视以4+4方案为主。
► 毫米波雷达：可精准判断距离、速度及方向，以不同的波长应对横纵向感知需求。进入L2级以上阶段，车企一般配置3-6颗毫米波雷达（5颗为主流方案，1前向+2侧向+2后向），若采用增加高度感知功能的4D毫米波雷达，传统毫米波雷达可减配。
► 超声波雷达：感知距离较近，多用于泊车场景，高速下具有局限性。4/8/12颗超声波雷达方案为主流地位，拥有代客泊车、自动泊车等功能的车型一般标配12颗。
算法：积极跟进“轻地图”方案，朝“端到端”大模型进化
特斯拉引领自动驾驶算法变革。2020年起，特斯拉自动驾驶算法成果经历三次重大革新：
• 2020年：引入BEV（Bird's Eye View）+Transformer，采用特征级融合取代后融合。
• 2021-2022年：引入时序网络形成4D空间信息，并将BEV升级为占用网络（Occupancy
• 2023年8月：特斯拉提出端到端大模型上车，其基于深度卷积神经网络模型进行深度学习，除感知层（输入）通过模型实现外，规划决策层（输出）亦通过模型实现，即实现感知和决策模块融合在一个模型中。
我们看到，国内车企迅速跟进，目前头部车企大多在感知层已切换至BEV+Transformer模型，但规划决策端神经网络化仍相对滞后。我们认为数据为主、规则驱动为辅的端到端大模型有望成为车企智驾算法的下一个竞争高地；但受限于算法以及算力和数据，国内车企距离成熟落地大模型仍需较长时间。
大模型训练带动数据需求大幅提升，飞轮效应加速大模型迭代。数据闭环指将汽车采集驾驶中的复杂场景数据（5%的corner case），并进行回传、标注、清洗，传输至算法模型中进行训练，并将新模型部署至车端运行循环验证。
高阶智驾功能实现前提是充足的平台算力，车企自建智算中心成为趋势。我们认为，海量数据的输入、分析及输出对算力要求考验巨大，同时，自动驾驶仿真阶段中，数字孪生的环境搭建及运行亦需大量高质量算力支持。我们认为，与公有云服务相比，车企自建算力中心将专门面向自动驾驶应用，有望提升模型训练效率；同时考虑到自动驾驶数据归属及中长期算力需求将维
智驾能力初现分水岭，中长期驱动市场集中度再提升
如何评价车企当前的智驾能力？
我们认为，城市NOA和高阶泊车面向的应用场景相对复杂，但又切中消费者实际用车的痛点，是当前L2+阶段（人车共驾）车企智驾能力的显性展现。就城市NOA功能而言，我们认为落地速度和体验优劣是核心评价标准，在当前从0到1的阶段，先看落地速度，再看体验优劣。就高阶泊车功能而言，常规场景各家车企算法差异性不大、泊车效率接近，复杂痛点场景则是下一步竞争高地。下文中，我们对主要车企在城市NOA和智能泊车领域的进展进行梳理，并厘清各方在宣传口径上的差异、对比宣传与实际落地节奏的差异，以便形成全局概览、进行分析对比。
城市NOA：华为及小鹏量产节奏领先，理想、蔚来1H24加速全国范围内功能落地，其他车企逐步实现从0到1
我们认为，城市NOA的落地进程可从两个维度衡量，一为区域、二为客群，区域和客群的扩张代表着泛化能力。对车企而言，第一阶段是无图方案的落地，意味着可以突破区域的限制，这是开启第二阶段的前提；第二阶段是规模化推送，我们认为可从开通里程（城市数量*城市道路覆盖率*单位里程）和开通用户数量（总用户*高阶智驾车型用户占比*用户开通比例）两个量化维度进行判断。
小鹏开城速度加快到无限XNGP上线，华为加速全国全路段覆盖OTA。华为于2024年2月起逐步全国全量推送HUAWEI ADS 2.0高阶智驾功能包，可用范围覆盖全国所有城市，支持城市所有道路（主干路/次干路/支路等），可用路段占比高达99%。截至2024年1月，小鹏NGP已开通243座城市，覆盖56.9万公里路段；2024年2月29日，小鹏宣布面向智驾经验用户推送无限XNGP智能辅助驾驶功能，不限城市与路线，只需基于SD地图导航。
其他车企目前尚以内测为主，处于快速推进期：截至去年底，理想城市NOA已经覆盖超过110个城市的城区道路；截至2月1日零时，蔚来全域领航辅助（NOP+）在城区道路上已经累计验证里程达到65.16万公里（不包括城市快速路），覆盖了606个城市，城市主干路覆盖90%以上。极越已开放4城，智己已上海推送城市NOA功能。
往前展望，小鹏理想蔚来1H24加速全国范围内城市NOA落地，其他车企逐步加速从0到1。理想规划预计1H24将在全中国范围内提供城市NOA服务；蔚来规划2024年2月开启第一轮1000人全域领航辅助NOP+用户领航，2Q24实现全域NOP+城市区域领航辅助功能向全量Banyan智能系统用户开放。上汽智己计划1Q24开启城市通勤模式先行版全国范围内公测，2024年6月推出无图城市NOA以加速开城。其他自主品牌方面，零跑、腾势、长城魏牌、埃安、昊铂、宝骏等均计划在2024年上半年开启部分车型和部分城市的NOA推送及测试。
小鹏及华为接管次数少，其他车企表现尚需持续跟踪。我们认为，城市NOA的实际体验需基于同一标准进行对比，若以无图和有图方案进行对比可能有失偏颇，因此目前符合比较标准的车型仅为华为系与小鹏，其他车企尚需持续跟踪。综合考虑驾驶体验以及媒体测评，我们观察到，目前基于纯无图的华为系、小鹏在绕行避让、路口转弯、变道超车等常见城市驾驶场景下体验较顺畅、灵敏。在特定场景下，由于纯无图方案高度依赖实时感知，相应决策偶有“抖动”现象。在接管次数方面，2023年9月根据“懂车帝原创”等互联网测评[1]，上海、北京主城区晚高峰时期，20公里路程华为系和小鹏智驾车型接管次数为个位数，整体表现比较顺畅。
智能泊车：算法及体验尚不存在代际差异，提升高难度场景的泊车能力或为下一步竞争高地
智能泊车常用感知方案为环视摄像头和超声波传感器融合，不同车企的智能泊车算法不存在显著差异。在判断各车企当前的智能泊车水平时，我们认为智能泊车量产节奏和实际泊车效率是重要评价标准，目前来看整体不存在代际差异：自动泊车、遥控泊车功能较成熟，记忆泊车向全场景发展，代客泊车未大规模量产。
常规场景下测评泊车效率水平接近。参考中国汽研IVISTA中国智能汽车指数测评，其智能泊车分指数指标主要包含揉库次数、停车姿态、远程操控泊入泊出成功率等。该测评下蔚来ES7、极氪001、欧拉闪电猫、阿维塔11、哪吒S、理想L9等均获优秀评级。参考互联网测评，常规场景下（两侧有车、车距及路宽适中），阿维塔11、小鹏G9、理想L8、蔚来ES7等车型侧方、垂直车位泊车用时均在40s+，接近人工停车所用时间。在极限场景下（两侧车距较窄、路宽较窄），阿维塔11在车位识别成功率、泊入成功率以及平顺度上综合表现较好。
往展望，我们认为记忆泊车适用距离（通常2km内）和适用场景相对较窄，更类似于过渡态产品；代客泊车短期量产难度较大。我们判断，提升高难度场景的泊车能力或许可更针对性解决消费者痛点，如断头路泊车、超窄车位泊车、自寻车位泊车、立体停车位泊车等。
资料来源：公司公告，中金公司研究部
如何看待智能驾驶硬件技术和配置趋势？
采购价格下降、算法路线升级共同驱动感知硬件成本下降。我们统计来看，单激光雷达价格在2023年最低降至3000元左右，降幅可观且有望持续。传统角雷达降至200元左右，前向毫米波雷达价格下降到400元左右，4D毫波雷达降至1000元左右。芯片层面，英伟达Orin-X单价约500美元，地平线征程5约为其20-30%。伴随智驾算法升级，车企智驾硬件方案趋于减配，参考华为ADS硬件方案，对比ADS1.0，ADS2.0减少2颗激光雷达、3颗毫米波雷达及2个摄像头，芯片算力由400TOPS降为200TOPS，我们预计总硬件成本降低约2万元。
降本趋势下，双目视觉方案和4D毫米波雷达具备性价比优势。多家供应商推出系列高性价比智驾方案，价格下降至千元级别。大疆全新一代智驾方案成行平台主要的传感器是1套800万像素前视惯导双目、4个300万像素环视鱼眼摄像头以及1个后视镜300/800万摄像头。该方案能实现城区记忆行车（32TOPS）/城区领航驾驶（80TOPS），已于五菱宝骏云朵、奇瑞iCAR 03上实现量产。毫末智行第二代HPilot平台三种配置价格分别为3000元、5000元、8000元，其中8000元级别能实现城区无图NOH功能。
资料来源：公司公告，Vehicle公众号，中金公司研究部
以定价测算成本，智驾硬件方案合理区间或在3-5%。除了宝骏云朵灵犀，目前搭载高速NOA及城市NOA功能的车型价格普遍在20万元以上，我们估算智驾硬件成本在2万元。大疆认为L2+级智能驾驶系统的合理总成本（包括软硬件采购成本）区间为5000-15000元，成本占比的上限是5%，代表消费者愿意为缓解驾驶疲劳支付的溢价，而下限是3%，代表为保证智能驾驶系统可用性而需要配置的传感器、芯片等基本成本。3%的下限已经可以提供行泊一体系统、各种高分辨率传感器，并且保证软件端有足够的利润，而5%的上限则可以搭载激光雷达等成本更高的硬件。
中低端车型趋向纯视觉低成本方案，中高端车型仍将延续多传感器融合方案。我们认为车企智能驾驶硬件的选择既取决于上述可容忍成本，又取决于竞争环境，竞品配置在很大程度上与细分市场定位和消费者偏好相关。消费者对中高算力芯片、激光雷达等配置感知度高，且中高端车型需突出智能化长板，智驾体验要达到“好用”的标准，因此我们认为中高端车型智驾硬件成本存在一定上浮空间，我们判断将以中高算力芯片+1颗及以上的激光雷达+其他感知硬件为主要方案，车企可能根据具体产品版本进行高低配。10-20万元市场对智驾功能的要求为“有用、能用”，我们认为合理硬件成本应控制在万元以下，以纯视觉方案为主。
中低端车型外采方案或更具经济性；中高端品牌倾向于外采硬件、自研软件，带动智驾能力走向分化。我们认为，从自研和外购角度来看，20万元以下车型对技术集成度要求相对低，且行业内存在行车、泊车方案的成熟供应商，外购可能更具备经济性和高效率；但部分能力出众的车企或选择自研以打造差异化卖点。中高端品牌对智驾功能的完成度要求更高，需要以更先进的架构、更高性能的硬件和更领先的算法作为支撑。芯片、激光雷达等硬件具备较高技术门槛，目前除零跑外，其他车企的硬件方案基本以外购为主，部分车企自研芯片；软件算法以自研为主、外购为辅，考虑到车企布局节奏不一、能力存在差异，我们认为中高端市场品牌的智驾能力将走向分化。
智驾能力差距会走向分化还是收敛？
我们认为，车企智驾水平主要取决于算法能力和工程化能力，工程化能力逐步成为角逐的关键。如前文所述，我们认为特斯拉引领下，国内车企在智能驾驶算法领域的技术路径趋于收敛，BEV+ transformer+ occupancy成为主流的感知算法框架，下一步朝着感知、预测、规控、决策一体化的端到端大模型演进。我们认为，端到端大模型的优势在于打通了各个模块，可实现全局最优化、效果拟人化，理论上的技术上限更高；同时算法代码更为简洁。其量产落地的挑战既在于端到端大模型的算法设计难度大、算力需求大、训练数据的数量和质量要求更高，还在于可解释性相对较差，存在问题难追溯、权责划分不明确的风险。
因此，我们认为真正进入端到端大模型规模化量产仍需要较长时间，而在此之前，各家车企在算法构建上的能力尚未形成显著的代际差异。伴随泛化性要求提升，智驾方案需达到成本可控、迭代更新快、通用性强等要求，我们认为工程化能力逐步成为角逐的关键，其中硬件、软件、测试工程化能力一般体现为先进入者具备先发优势；而在数据工程化方面，则存在着后发实现逐步追赶的可能。
