阶段：高速领航落地开花，城区领航年内可期

高速领航自特斯拉 2019 年引入中国以来，已完成“从 0 到 1”，2023 年开始进入“从 1 到 10”的放量阶段，功能逐渐接近“好用”。与此同时，各大车企和方案商向城区领航 进发，部分于 2023 年开始上车。我们认为，城区领航作为乘用车的“L4 演绎”，是自动 驾驶产业锚定迈向完全智能化的关键航标，有望强化消费者对汽车智能化的体验和认知。 但鉴于城区领航技术难度较高，想要实现较理想的驾乘体验，落地后或仍需 3 年左右的时 间进行技术迭代和产品打磨。

领航辅助驾驶，即特斯拉所称的 NOA（Navigate on Autopilot），亦可对应不同车企对 外宣传的 “高阶智能/智慧+领航/导航+自动/辅助驾驶”功能，可实现一定道路场景范围 内的点到点智能驾驶。领航辅助可视作 ACC（自适应巡航控制）、LCC（车道居中控制）、 ALC（自动变道辅助）等功能的叠加，在此基础上结合高精地图导航、传感器信息及规控 算法调度，实现自动跟车、变道、上下匝道、控制车速等智驾功能。 根据场景的不同，领航辅助可进一步分为高速领航和城区领航。高速领航普遍限制在 特定高速公路和城区高架路开启，包含自动进出匝道、调整车速、变换车道等功能，目前 已在国内落地开花。城区领航则针对复杂城区道路场景进行升，包含信号灯识别、自动 变道、自动避障等功能，有望于今年开始导入。

高速领航：有效减轻驾驶疲劳，进入 1-10 快速渗透阶段

高速领航自特斯拉 2019 年引入中国以来，2022 年开始落地开花。我们测算 2022 年 中国前装市场高速领航搭载量突破 20 万台，渗透率接近 1%；至 2025 年渗透率有望超10%。我们总结渗透率大幅提升的关键在于：1）搭载车型价格区间的下探；2）功能逐渐 “好用”后消费者认知的搭建。 2022 年，中国乘用车市场加速导入高速领航。在中国，高速领航功能的落地始于 2019 年 6 月，特斯拉向中国大陆选装了 FSD 的车型推送 NOA 功能，随后以蔚来、小鹏、理想 也分别于 2020 年 10 月、2021 年 1 月和 12 月入局。进入 2022 年，长城、吉利、上汽等 自主品牌也开始在旗下的部分车型上推出该功能。

蔚来于 2020 年 10 月向用户推送自动导航辅助驾驶 NOP 功能，支持进入匝道、 自动调速、智能并线等操作。截至 2022 年 5 月 21 日，蔚来中国用户累计行驶里 程超 50 亿公里。其中，NIO Pilot 累计行驶里程约 4.2 亿公里，NOP 累计行驶 1.6 亿公里。

小鹏于 2021 年 1 月正式推出 XPILOT 3.0 系统，可实现 NGP 高速自主导航驾驶 功能。截至 2022 年 1 月 20 日，高速 NGP 用户累计行驶里程超 1900 万公里， 用户渗透率达 96%（使用 NGP 的用户数量在可用 NGP 用户数量中的占比），里 程渗透率达 60%（即在 NGP 可开启的高速/城快路段使用 NGP 行驶里程的占比）。 此外，在 2023 年 4 月的上海车展发布会上，小鹏也表示计划在 2023 年内实现高 速场景每千公里接管次数小于 1 次。

理想于 2021 年 12 月推出高速 NOA 功能。截至 2023 年 3 月 23 日，理想辅助驾 驶总里程超过 5.5 亿公里，而高速 NOA 在上线 15 个月后累计行驶里程已超过 1 亿公里，NOA 用户数量超过 25 万。据 36 氪 2023 年 4 月的报道，理想表示其高 速 NOA 功能在高速路里程的使用占比已经超过 50%。

我们对 2022 年中国前装市场高速领航搭载量进行测算，预计全年搭载量突破 20 万 台，渗透率接近 1%。目前提供高速领航的车企包括特斯拉（选装）、理想（标配）、小鹏 （部分车型标配）、蔚来（部分车型标配、部分车型选装）、长城魏牌（部分车型标配）、 吉利（部分车型标配）、上汽（部分车型标配）、上汽智己（选装）、北汽狐（部分车型 标配）、长安阿维塔（标配）等。 选配车型中，特斯拉 Model 3/Y、蔚来部分车型以及吉利博越 L 的高速领航功能需要 额外付费（蔚来每月 680 元，特斯拉 EAP 选装包 3.2 万元），因此当前的选装比例仍较低， 我们假设在 5%左右；其余车型的高端版本标配高速领航功能，鉴于小鹏和北汽狐阿尔 法 S 全新 HI 版主打智能化，我们假设其选配比例较高，可达 50%，其余车型则约 15%。 依据上述假设，我们测算 2022 年中国乘用车市场高速领航搭载量约 23.6 万辆，占 2686 万新车销量的 0.9%。此外也可参考高工智能汽车研究院的监测数据，高工智能汽车 研究院测算 2022 年中国乘用车市场前装标配高速领航搭载量约 21.2 万辆，同比增长近 80%（此处标配的含义是，若某车型的高端版本标配亦纳入其中，但蔚来、特斯拉等选购 模式未计算入内）。

预计 2025 年中国前装市场高速领航渗透率超 10%。高工智能汽车研究院预测，至 2025 年领航辅助（含城区）前装标配搭载量将超过 380 万辆，盖世汽车研究院在《智能 辅助驾驶趋势展望》报告中也给出了 2025 年国内领航辅助搭载量突破 400 万辆的预测。 我们认为，未来 3 年高速领航搭载量有望大幅提升的关键在于：1）价格区间的下探；2）消费者认知的搭建。

1） 搭载高速领航的车型价格已逐步下探至 20 万元以下。此前标配高速领航的车型 近 90%集中于 30 万以上价格区间。但伴随算法的日渐成熟和硬件的国产替代， 目前高速领航功能已逐渐下探至吉利博越 L、上汽荣威 RX5 等 20 万元以下的车 型。部分供应商无需激光雷达，且可以较低的算力实现高速领航功能。例如上汽 第三代荣威 RX5 智驾版采用了 3 颗地平线征程 3 芯片即可实现高速功能 NGP， 总算力约 15 TOPS，行泊一体域控制器由宏景智驾提供。 2） 高速领航已较为成熟，可有效缓解驾驶疲劳，强化消费者认知。根据易车研究院 发布的《自动驾驶用户认知洞察报告（2021）》，有购买意向的用户对智能驾驶 的前三大关注点分别为减轻驾驶疲劳、解放双手和安全性更高。在高速公路，所 有车辆都保持较高的速度行驶，驾驶人始终处于高度集中紧张的状态，容易出现 疲劳现象，且容易不知不觉提高车速，导致事故频发，也常会下匝道口。因 此我们认为，在高速公路，尤其是长途驾驶时，一款好用的领航功能可解放驾驶 员双手双脚，有效缓解驾驶疲劳，具有较强的实用性。尽管目前用户仍较为关注 PCW、AEB、BSD 等传统低阶辅助驾驶功能，但我们认为，随着高速领航的日益 普及，消费者认知将得到不断强化，以提升功能的选购率和渗透率。

驾乘体验是决定用户为智能化产品付费的关键，部分高速领航产品正在接近“好用”。 我们认为，评价一款高速领航驾乘的舒适度，需重点关注匝道、变道等高频使用场景下的 功能表现，此外可视化、语音等人机共驾功能亦有助于增进使用体验。 我们引用 42 号车库网站在 2023 年 2 月 2 日发布的“导航辅助驾驶横评”，其测试场 景为杭州-上海全程 377 公里高速路段，覆盖车型包括蔚来 ES7、小鹏 G9、狐阿尔法 S HI、理想 L9 Max、飞凡 R7 和长城 WEY 摩卡，分别从匝道场景、变道场景、特殊场景及 人机共驾策略四方面对高速领航功能及驾乘体验进行综合评价。 根据 42 号车库的测试结果，蔚来在变道场景表现较优，无效变道次数x低，且驾驶员监测体验良好；小鹏对施工场景识别较精准，为 6 辆车型中先进能识别并主动远离锥桶 的车型，语音交互表现优异；狐在匝道场景、人机共驾策略、语音交互上综合体验x佳， 尤其在匝道场景上成功通过次数x多，且实现零接管；理想表现较为均衡，无突出弱项； 飞凡虽保持强变道积性，但匝道场景表现较弱，降与接管频繁；魏牌摩卡则在出现 高精地图与实际不符情况时表现x佳，仍能沿正确车道自主行驶，但驾控体验一定程度上 受算力制约。

城区领航：乘用车的“L4 演绎”，年内开始落地，仍需持续打磨

小鹏、华为领衔下，各大车企和方案商向城区领航进发，部分于 2023 年开始上车。 我们认为，城区领航作为乘用车的“L4 演绎”，代表了乘用车自动驾驶的“技术制高点”， 率先落地这一功能的车企/智驾供应商有望大幅强化消费者对汽车智能化的体验和认知，从 而真正形成车企的技术护城河和品牌溢价。但鉴于城区领航技术难度远高于高速场景，想 要实现较理想的驾乘体验，落地后或仍需 3 年左右的时间进行技术迭代和产品打磨，渗透 率或有望在 2025 年达到 1%左右的水平。

小鹏、华为领衔，城区领航年内开始落地。目前城区领航仍较为依赖高精地图，因此 在初始落地时，可运行区域范围仍较小，普遍按城市进行开放。小鹏和华为的方案已于 2022 年 9 月开始落地，并在逐步拓宽开放区域。除此之外，理想、集度、长城等车企也计划在 2023 年推出各自的城区领航功能。

小鹏：以 XPilot 为研发基点，历经 2.5-3.5 数版本迭代，在完善基础辅助驾驶功 能之余，逐步释放高速 NGP 及城区 NGP 功能，并向集大成的全场景智能驾驶系 统 XNGP（无需高精地图）过渡。2023 年 3 月 31 日，小鹏正式向 G9 和 P7i Max 用户开放 XNGP x阶段能力，目前可在无图城市支持 LCC-L（道路居中辅助增 强版）和红绿灯通行，下半年计划进一步实现自动变道、超车、左右转等功能。 落地进展上，小鹏城市 NGP 功能自 2022 年 9 月率先于广州进行试点，并宣布于 2022 年 10 月于广州全量推送，车主需完成学习和考试后方可解锁新手资格，需 在指定区域行驶累计超 100 公里、使用时间不少于 7 天后方可彻底解锁该功能。 2023 年 3 月 17 日，小鹏宣布城市 NGP 功能向深圳地区开放，后又拓展至上海。 据小鹏 2022 年 1024 科技日上披露的数据，小鹏 P5 在城市 NGP 推送后，城区 辅助驾驶周渗透率达 84%，城市 NGP 里程渗透率达 63%，通行效率可达人类驾 驶员的 90%，平均百公里被动接管次数为 0.6 次。

北汽狐&长安阿维塔（华为）：均选择 HI（Huawei Inside）模式，依靠华为 ADS 高阶自动驾驶全栈解决方案打造城区 NCA 功能，分别命名为α-Pilot 高阶智能驾 驶辅助及 AVATRANS 智能领航系统。华为 ADS 是基于 MDC 智能驾驶计算平台 及自研传感器提供的解决方案，支持 NCA/ICA/ICA+三种自动驾驶模式，其中 NCA 模式包含预制完备的高精地图，类似小鹏城区 NGP；ICA模式仅包含自适应巡航； ICA+则介于前两种模式之间，无高精地图，但具备自学习能力。 落地进展上，狐城区 NCA 已开通深圳、上海及广州三地，覆盖车型为狐阿尔 法 S 全新 HI 版。2022 年 9 月 23 日，狐阿尔法 S 全新 HI 版在深圳率先推送城 区 NCA 智驾导航辅助功能，初步支持无保护路口通行、拥堵路段跟车启停、近距 离加塞应对、隧道稳定通行、并分道识别选择等功能；2022 年 12 月 19 日， 狐阿尔法 S 全新 HI 版向上海车主交付城区 NCA 功能，并通过第 2 次 OTA 新增 ICA 城区-智能巡航辅助、RPA 遥控泊车等功能；2023 年 3 月 21 日，狐阿尔法 S 全新 HI 版在广州开通城区 NCA，该地区车主可预约到店升以开启功能。 狐在 2023 年 4 月 20 日的华为全球分析师大会数字化沙龙上表示，自交付起，阿 尔法 S 全新 HI 版的 NCA 已安全行驶超 30 万公里，在深圳及上海使用高阶智驾 里程占比达 40%，使用依赖正在逐步形成。阿维塔 11 也已在上海、深圳、广州 和重庆开启城区 NCA 试驾体验。

技术角度，城区领航被视为 L4 自动驾驶功能在乘用车上的致演绎，实现难度和 壁垒远高于高速领航，因此想要实现较理想的驾乘体验，落地后或仍需 3 年左右的时间进 行技术迭代和产品打磨。尽管在系统训练层面，自动驾驶 95%的底层架构和基础问题已经 解决，但x后 5%的长尾问题，也就是 corner cases（端案例）的存在，是制约无人驾 驶实现的x大瓶颈之一。具体长尾问题包括多样的驾驶环境、罕见的端情况和无法预测 的人类行为，为琐碎，收集难度高，它可能是一次因为道路颠簸造成的汽车零部件松 动，也可能是一只撞击在传感器上的小鸟。与场景较为规则、工况较为单一的高速领航相 比，城区领航路口多、变道多、拥堵多，corner cases 的数量和复杂程度大幅提升，不仅 涉及异型车、行人、路障等多类别主体，且存在加塞、“鬼探头”、前车急停等非规律行车 现象，给智能驾驶的实现带来巨大挑战。据小鹏在 2022 年 1024 科技日上的介绍，城市 NGP 的代码量是高速 NGP 的 6 倍，感知模型的数据是高速 NGP 的 4 倍，预测/规划/控制 相关的代码是高速 NGP 的 88 倍。此外，在 2023 年 4 月的上海车展发布会上，小鹏也表 示，计划在 2023 年内实现高速场景每千公里接管次数小于 1 次，2025 年实现城市场景每 百公里接管次数小于 1 次，可见城区领航的困难程度。

目前已落地的城区领航功能包括小鹏城区 NGP/CNGP、狐城区 NCA 及阿维塔城区 NCA。例如狐阿尔法 S HI 版与阿维塔 11 在广州、深圳测试时，在桥 底、隧道口、道路连接处等位置频繁遭遇高精地图断点，容易触发手动接管，影响驾驶连 续性。此外，目前城区领航功能在使用时仍需要驾驶员保持较高的专注度，行车过程中存 在刹车过急、绕行较为激进、弯前减速不够等现象，容易增加驾驶紧张感，人机共驾体验 有待进一步优化。

成本角度，当前城区领航软硬件成本仍较高，因此中短期内仍将主要集中于 30 万以 上车型进行落地，较难向下渗透。参考各大车企和方案商的传感器配置，目前想要实现城 区领航功能，至少需要配备 1 颗激光雷达（目前主激光雷达单价约 500 美元），算力需求 超 200TOPS（200TOPS 芯片单价约 300-400 美元），软硬件整体成本在万元左右。例如 元戎启行x新发布的 D-Pro 方案，配备 7 颗摄像头和 1 颗激光雷达，算力 200+TOPS，可 在导航地图（无需高精地图）下实现全域点到点智驾，硬件成本在 1.4 万元。而在降价带 来的成本压力下，大疆在 2023 年的中国电动汽车百人会论坛上指出，目前车企普遍能接 受的智驾系统成本约为整车售价的 3%-5%，城区领航在大幅降本前较难向 30 万元以下的 车型渗透。 考虑到城区领航仍需时间进行技术迭代和持续降本，我们预计城区领航或有望在 2025 年迎来 1%左右的渗透率拐点。

特斯拉 FSD 落地复盘：NOA 先行者成色几何？

特斯拉全球x先落地高速+城区 NOA，并借助 FSD Beta 实现功能统一，在行驶里程 及车队规模上持续拓展，有望通过软件选装带来可观的收入增量。我们认为，作为业内领 XXX者，特斯拉对智能驾驶及领航辅助的坚定投入和积进展，有望持续推动国内智驾市场 发展，起到示范和标杆效应。而与特斯拉相比，我们认为，目前国内的算法公司在大规模 数据工程与基础设施建设方面仍有较大差距，但特斯拉在中国市场因数据采集的敏感性等 问题迟迟未能落地 FSD 功能，也为小鹏、华为等国内厂商提供了后来居上的时间窗口。 特斯拉分别于 2016 和 2021 年全球首发高速/城区 NOA，落地节奏上遥遥领先于其它 玩家。特斯拉的智能驾驶硬件目前已经历 HW1.0-HW3.0 三版本迭代，搭载 HW4.0 硬件 的首批车型也于 2023 年 3 月正式下线，与之对应的智能驾驶功能也经历了从 Autopilot1.0 到 3.0 的升。其中，高速 NOA x早于 Autopilot 2.0 实现，命名为 NOA（Navigation on AutoPilot）；城区 NOA 则通过 Autopilot 3.0 推送的 FSD（Full Self-Driving）率先落地。

高速 NOA：2016 年 12 月，特斯拉基于 Autopilot2.0 发布 NOA 功能，但仅支持 于高速公路上自动转向和定速巡航。2018 年 10 月，特斯拉正式向北美用户推送 NOA 功能，可辅助车辆在高速路上实现变道、进出匝道等操作，并于 2019 年 6 月向中国选配了 FSD 的车型推送该功能。

城区 NOA：2019 年，特斯拉推出 FSD 计划，旨在实现城市道路的自动驾驶。2021 年 7 月，特斯拉向约 2000 名美国用户推送了 FSD Beta V9.0 版本，采取纯视觉 自动驾驶方案，不依赖毫米波雷达，使用场景新增城市道路，可按导航执行转向、 进出匝道，并实现自动避障绕行、识别 LED 信号灯等动作，初步实现城区 NOA 的落地。2022 年 11 月 24 日，特斯拉 FSD Beta 面向北美付费用户完全开放，但 目前尚未在中国开放使用。

走向统一：2023 年 3 月 8 日，特斯拉向北美用户发布 FSD Beta V11 版本，引入 Single Stack 架构，统一了高速 NOA 及城区 NOA 视觉堆栈，高速 NOA 选项已 被 FSD Beta 替换。

Autopilot 行驶里程数呈指数增长，有助于提升行车安全性，软件选装有望带来可观 的收入新增量。 销量和里程方面，据麻省理工大学计算机科学家 Lex Fridman 预测，特斯拉 Autopilot 行驶里程数自 2015 年以来呈指数型增长，并于 2021 年突破 50 亿英里。2022 年底，特 斯拉在官方推特账号上表示，北美地区安装 FSD Beta 的车队规模已超 28.5 万辆（对比特斯拉截至 2022 年底在美国和加拿大累计销售超 170 万辆，渗透率超 15%），累计使用 FSD Beta 行驶的累积里程数也已突破 9000 万英里。 安全性方面，据特斯拉官网披露的安全报告，2022 年第四季度，使用 Autopilot 的特 斯拉车辆每 485 万英里行驶中仅发生 1 起事故，对比未使用 Autopilot 的特斯拉车辆每行 驶 140 万英里便发生 1 起事故，而据 NHTSA 和 FHWA 统计，美国每行车约 65.2 万英里 便会发生 1 起事故。此外，特斯拉还在 2023 年投资者日上表示，使用 FSD Beta 每 320 万英里行驶中仅发生 1 次碰撞，对比美国司机平均 50 英里发生 1 次碰撞，系统安全性可 达平均驾驶安全性的 5-6 倍。

收入和利润方面，自 2022 年 9 月起，对于北美地区搭载 HW3.0 的车型，车主可以以 15000 美元或 199 美元/月的价格购买或订阅 FSD 功能包。考虑到特斯拉在北美的选装率 在 15%左右，以 2022 年特斯拉在美国和加拿大合计销售 57.7 万辆为例，对应 FSD 软件 包创收超 2 亿美元。而随着特斯拉销量的上涨、选配率的提升以及适用范围的扩大，FSD 带来的收入增量预计将进一步增长。且特斯拉的智驾方案追求低成本、高性价比，x新传 感器方案仅配置了 8 个摄像头（总成本约 120 美元），未来或搭载一颗 4D 毫米波雷达（单 颗成本约 120 美元），自研芯片和软件的成本也可通过庞大的车队规模进行摊销，其智驾 系统的毛利率预计超 90%。

趋势：车企智能化策略因产品定价出现分化

我们认为，中短期来看，随着今年车企价格战的打响，前几年一味堆料堆硬件的趋势 将告一段落，务实和性价比将是决赛圈存活的关键词。也因此，车企智能化策略或因产品 定价出现分化：低端车型追求致性价比，提供传统 L2 功能，部分或可满足基本高速领 航体验；中端车型因品牌特性而异，高速领航渐成标配；高端车型由用户价值驱动，持续 发力城区领航。而长期来看，车企在内部研发方向上追求更高智能化、更优用户体验的趋 势是确定的。

中低端车型：降价压力下趋于务实，利好高性价比方案商

随着今年车企价格战的打响，中低端车型在成本压力下倾向于追求更高性价比的智驾 方案。10-20 万元低端车型的智驾功能以传统 L2 为主，部分或可满足基本高速领航体验； 20-30 万元中端车型中，高速领航或渐为标配，部分追求更优的驾乘体验。芯片配置上，传统 L2 功能、基本高速领航和增强高速领航的算力需求分别约 5-15、15-30、30-80TOPS。 整体而言，算法供应商的成本控制能力是关键，低成本的纯视觉方案更受青睐。 特斯拉降价导致国内车企成本压力倍增，加速行业洗牌。2023 年 1 月 6 日，特斯拉 宣布下调国产车型售价。Model3 后驱版和高性能版售价分别由 26.59 万元和 34.99 万元 调整至 22.99 万元和 32.99 万元，降幅分别为 13.5%和 5.7%；ModelY 后驱版、长续航版 和高性能版分别由 28.89 万元、35.79 万元和 39.79 万元调整至 25.99 万元、30.99 万元 和 35.99 万元，降幅分别为 10.0%、13.4%和 9.6%。而据公司年报，特斯拉 2022 年毛利 高达 25.6%，即使降价后仍可保持相对较高的毛利空间，这也意味着公司未来有进一步下 调价格的可能，也因此引发同业恐慌，国内汽车行业掀起“价格战”。有直接竞争关系的 问界、小鹏汽车率先跟进，沃尔沃、吉利、五菱、飞凡等接连加入降价阵营。进入 2 月， 比亚迪 2023 款秦 PLUS DM-i 更将售价拉低至 9.98 万元。进入 3 月，降价潮也延伸至燃 油车，东风汽车、广汽丰田、上汽均在部分省份推行定向优惠政策，主要针对中低价格带 车型。政策端，国六 b 排放标准将于 2023 年 7 月 1 日正式实施，在未来几个月内传统& 新能源车企老车型清库或将持续。

成本压力下，中低端车型开始追求更高性价比的智驾方案，更强调方案商的成本控制 能力。算力配置普遍在 100TOPS 以下，视具体功能而定；传感器配置更青睐纯视觉方案。

针对 10-20 万元的低端车型，我们认为中短期内仍将以传统的 L2 功能为主，部 分车型或可提供基本的高速领航功能。我们在前文中提到，高速领航功能在算法的持续优化下，目前已开始下探至吉利博越 L、上汽荣威 RX5 等 20 万元以下的 车型，无需激光雷达，且算力要求较低，仅 15-30TOPS。尽管在安全冗余性和体 验流畅度上或有所欠缺，但也可满足功能的基本需求。

针对 20-30 万元的中端车型，我们认为，处于此价格带的车型，一方面直接面临 特斯拉 Model 3/Y 的同位竞争，成本压力尤为明显；但另一方面，也需一定的智 能化程度以打造差异化特征。目前来看，城区领航的软硬件成本仍相对较高，普 遍超万元，部分以智能化为特色的车企或会选择在 25 万元以上的车型上进行搭载。 而高速领航则有望逐渐成为此价格带车型的标配，且相较于低端车型，可以相对 更高的硬件配置提供更优的驾乘体验。例如算力配置可上升至 30-80TOPS，且部 分车型或会选择搭载激光雷达。

大疆车载的智驾方案就追求致的性价比，被认为是智驾市场的“价格屠夫”。大疆 车载项目于 2016 年立项。2022 年 9 月，搭载大疆车载 “灵犀智驾系统”的 2023 款 KiWi EV“大疆版”正式上市，涵盖自适应巡航、高车道保持、近距离加塞应对、弯道智能减 速等行车功能，在泊车场景下能提供辅助泊车、记忆泊车、自主泊车及智能召唤四类应用， 车型价格仅 10.28 万元。据汽车之心微信公众号，该车型的主要传感器配置为：一套前视 双目摄像头、4 颗环视鱼眼摄像头、1 颗前向毫米波雷达和 12 颗超声波雷达，算力仅约 20TOPS，成本范围不超过 6000 元。而据汽车之心的试驾体验，大疆版 Kiwi EV 在长达 1 个半小时、全程 80 多公里的驾驶中，在跟车、避障、拨杆变道、面对加塞、大曲率弯道 和泊车场景中皆表现颇为突出。2023 年 4 月 2 日，大疆车载又在中国电动汽车百人会论 坛上公布了全新一代纯视觉智能驾驶解决方案：7 颗摄像头+32TOPS 的算力，可实现高速 领航和城区记忆行车（用户在首次使用该功能时需对车辆进行一次路线记忆，车辆在固定 路线反复行驶后，会通过不断学习x终达到接近于领航驾驶的体验）；9 颗摄像头+80TOPS 的算力，可实现基本的城区领航功能。而针对更高价位的车型，大疆的x新方案也可支持 扩展算力至 200TOPS，并搭载激光雷达、毫米波雷达、超声波雷达、高精地图等配置， 以提升高速和城区领航的功能体验。

高端车型：持续发力城区领航，利好大算力芯片和激光雷达

高端车型受价格战影响相对较小，主机厂追求打造标杆性的智能化标签，或将持续发 力城区领航，以形成真正的技术护城河和品牌溢价。城区领航需要车端具备更强的感知和 运算能力，因此更利好大算力芯片和激光雷达，BEV+Transformer 的应用也对自动驾驶 芯片的架构升和算法供应商的大规模数据工程能力提出了更高的要求。而高精地图受标 注成本高企、测绘资质收紧等因素制约了泛化性，优先有所降低，“重感知+轻地图”有 望成为各玩家攻克城区领航高地的新路径。

算法：“BEV+Transformer”引领自动驾驶感知范式

大模型是当前 AI 领域x为火热的前沿趋势之一，可赋能自动驾驶领域的感知、标注、 仿真训练等多个核心环节。在感知层，以特斯拉为首，“BEV+Transformer”范式已开始 在自动驾驶领域得到广泛使用，可有效提升感知精确度，利于后续规划控制算法的实施， 促进端到端自动驾驶框架的发展。

BEV 全称 Bird’s Eye View，即鸟瞰图，该算法旨在将多传感器收集的图像信息投 射至统一 3D 空间，再输入至单一大模型进行整体推理。相较于传统的摄像头图 像，BEV 提供了一个更贴近实际物理世界的统一空间，为后续的多传感器融合以 及规划控制模块开发提供了更大的便利和更多的可能。具体来说，BEV 感知的优 势在于：1）统一了多模态数据处理维度，将多个摄像头或雷达数据转换至 3D 视 角，再做目标检测与分割等任务，从而降低感知误差，并为下游预测和规划控制 模块提供更丰富的输出；2）实现时序信息融合，BEV 下的 3D 视角相较于 2D 信息可有效减少尺度和遮挡问题，甚至可通过先验知识“脑补”被遮挡的物体，有 效提高自动驾驶安全性；3）感知和预测可在统一 3D 空间中实施，通过神经网络 直接完成端到端优化，可有效降低传统感知任务中感知与预测串行的误差累积。

Transformer 的注意力（Attention）机制可帮助实现 2D 图像数据至 3D BEV 空 间的转化。Transformer 是 Google Brian 团队在 2017 年提出的神经网络模型， 起初用于机器翻译，随着技术的发展开始进XXX图像视觉领域，目前已成功涉足分 类、检测和分割三大图像问题。据汽车之心微信公众号介绍，传统 CNN 模型的 原理是通过卷积层构造广义过滤器，从而对图像中的元素进行不断地筛选压缩， 因此其感受域一定程度上取决于过滤器的大小和卷积层的数量。随着训练数据量 的增长，CNN 模型的收益会呈现过饱和趋势。而 Transformer 的网络结构在嫁接 2D 图像和 3D 空间时借鉴了人脑的注意力（Attention）机制，在处理大量信息时 能够只选择处理关键信息，以提升神经网络的效率，因此 Transformer 的饱和区 间很大，更适宜于大规模数据训练的需求。在自动驾驶领域，Transformer 相比 于传统 CNN，具备更强的序列建模能力和全局信息感知能力，目前已广泛用于视 觉 2D 图像数据至 3D 空间的转化。

除感知层外，大模型还有望显著提升后端训练中数据清洗标注的效率，并助力生成新 场景以赋能仿真训练。训练模型在收集到传感器传送回的图像数据后，需先对数据进行清 洗，再对其中的车辆、行人、道路标识、车道线等元素进行标注。相较于此前的人工标注， 大模型可以大幅提升工作效率。理想汽车创始人李想在中国电动汽车百人会论坛（2023） 的演讲中表示，此前理想一年要做大概 1000 万帧自动驾驶图像的人工标定，年成本接近 1 亿元，但使用软件 2.0 大模型进行自动化标定后，效率是人的 1000 倍。毫末智行也 2023 年 4 月第八届 AI DAY 上表示，其x新推出的 DriveGPT 可将交通场景图像的标注费用从 行业平均约 5 元/张降至约 0.5 元/张。Meta x新的图像分割模型 SAM（Segment Anything Model）在对图像和视频中的物体进行识别分割时展现出了强大的能力，且具有零样本性 能，即能够对从未训练过的图片进行精准分割，未来也有望赋能自动驾驶训练所需的图像 数据积累。

芯片：大模型驱动下走向大算力&新架构

在“BEV + Transformer”趋势下，算法复杂度、数据规模以及模型参数均呈指数 提升，推动自动驾驶芯片向着大算力、新架构以及存算一体等方向演进。

1） 大算力：向数百 TOPS 算力演进。传统 L1/L2 辅助驾驶所需处理的数据量小且算 法模型相对简单，因此以 Mobileye 为代表的单目视觉+芯片算法强耦合的一体机 方案即可满足需求。但领航功能作为高阶辅助驾驶的代表，需要“更强算力+软硬 件解耦的芯片+域控制器”来满足海量数据处理与后续持续 OTA 迭代的需求。高 速领航开始向 20 万以下车型渗透，15-30TOPS 可满足基本需求，但若想要“好 用”或需要 30-80TOPS。城区领航的场景复杂程度和技术实现难度更高，目前普 遍需要搭载激光雷达，芯片以英伟达 Orin、华为 MDC 和地平线 J5 为主，算力配 置普遍超 200TOPS。而在应用“BEV + Transformer”技术后，多传感器前融合 以及 2D 至 3D 空间的转化需要 AI 芯片具备更强的推理能力，因此也需要比以往 更大的算力支撑，包括更高的 AI 算力、CPU 算力和 GPU 算力。

2） 新架构：加强并行计算能力和浮点运算能力。相较于 CNN/RNN，Transformer 具有更强的并行计算能力，可加入时间序列矢量，其数据流特征有显著差别，浮 点矢量矩阵乘法累加运算更适合采用 BF16 精度。Transformer 允许数据以并行的 形式进行计算，且保留了数据的全局视角，而 CNN/RNN 的数据流只能以串行方 式计算，不具备数据的全局记忆能力。传统 AI 推理专用芯片大多针对 CNN/RNN， 并行计算表现不佳，且普遍针对 INT8 精度，几乎不考虑浮点运算。因此想要更 好适配 Transformer 算法，就需要将 AI 推理芯片从硬件层面进行完整的架构革新， 加入专门针对 Transformer 的加速器，或使用更强的 CPU 算力来对数据整形，这 对芯片架构、ASIC 研发能力，以及成本控制都提出了更高的要求。 以特斯拉、地平线为代表的厂商均“重 ASIC（即 AI 推理专用芯片），轻 GPU”。 特斯拉引领 BEV+Transformer 路线，以专用 NPU（神经网络处理器）承担 AI 运 算，在 NPU 设计之初便进行了针对性优化。而地平线等后来者或需要在下一代芯 片中对 AI 推理芯片架构进行针对性优化。

3） 存算一体：SoC 芯片需配置高带宽存储器（HBM）或 SRAM，并加速向存算一 体靠拢，解决大算力下的数据吞吐量瓶颈。模型越大，内存对 AI 加速器就越重要， 以频繁地读取权重矩阵或训练好的模型参数。据佐思汽研介绍，Transformer 中 的权重模型超过 1GB，对比传统 CNN 的权重模型通常不超过 20MB。模型参数 越大，就需要更高的带宽，一次性读出更多参数。存算一体可分为近存计算（PNM）、 存内处理（PIM）以及存内计算（CIM），存内计算则接近存算一体，当前 PNM 已广泛用于高性能芯片，即采用 HBM 堆叠，2.5D 封装，从而与 CPU 集成，而 PIM 和 CIM 仍处在发展中。以特斯拉 FSD SoC 为例，其采用总带宽为 68GB/s 的 8 颗 LPDDR4 内存，而集成在 NPU 中的 SRAM 可达到 32MB L3 缓存，带宽 达 2TB/s，远超市面上同类芯片。而据汽车之心微信公众号，特斯拉在x新 HW 4.0 上的二代 FSD SoC 上使用了 16 颗 GDDR6，在内存用料上继续引领行业。

激光雷达：当前仍是中国车企实现城区领航的关键，成本是影响渗透的核心

我们认为，优质的城区领航功能有望大幅强化消费者对汽车智能化的体验和认知，率 先落地这一功能的车企/方案商有望借此形成真正的技术护城河和品牌溢价。而目前来看， 国内大部分车企若想要实现体验较优的城区领航功能，仍需要激光雷达的辅助。因此我们 认为，城区领航的落地有望进一步推动激光雷达上车，并发挥出真正的功效，但激光雷达 自身的降本速度仍是渗透关键。 激光雷达可弥补视觉传感器的固有缺陷，以提供城区领航需要的更高的感知精度和更 佳的冗余效果。“摄像头+超声波雷达+毫米波雷达”的传统配置可用于自适应巡航、车道 保持、自动泊车等主流 L2 场景，也可满足高速领航的基本感知需求。但城区领航所面临 的 corner cases 大幅提升，需要传感器提供更强的感知能力，摄像头和毫米波雷达的固有 缺陷难以支撑其所需要的安全冗余性，例如摄像头难以获取准确的三维立体信息，车载毫 米波雷达易受探测目标对电磁波反射敏感度影响等。而激光雷达具有分辨率高、精度高、 视角大、测距范围广等优点，恰好可以弥补摄像头和毫米波雷达的感知缺陷，以满足城区领航所需要的感知能力。

特斯拉的纯视觉方案是否会影响激光雷达上车？我们认为，目前来看，激光雷达仍是 中国车企实现城区领航的关键传感器，但降本仍是渗透关键。马斯克曾多次表示不会使用 激光雷达，例如在 2019 年 4 月的 Tesla Autonomy Day 上，马斯克就称激光雷达是昂贵且 不必要的传感器。我们认为，特斯拉此前不使用激光雷达的主要原因是：国外造车周期普 遍较长，而在特斯拉决定自动驾驶技术方案时，当时的激光雷达在成本和技术上确实不适 用于乘用车。另外，特斯拉自动驾驶x初沿用视觉为主的 Mobileye 方案，尽管后来改用 英伟达以及自研芯片，但视觉路线已较根深蒂固。特斯拉作为行业领XXX者，部分投资者担 忧其纯视觉路线会影响激光雷达未来的上车趋势，但我们认为，目前中国车企在城区领航 功能中仍会选择拥抱激光雷达。

技术角度，特斯拉的纯视觉方案壁垒较高，中国车企的主要差距在于大规模数据 工程与基础设施建设。一方面，特斯拉已经构建了一套完整的工业化数据训练流 程，包括数据收集、训练、标注、做黑白测试以及服务器 dojo 中的离线模型训练。 想要搭建这样一套高度自动化、流程化的系统工程绝非一蹴而就，需要的不仅仅 是了解框架的工作原理，还需要超强的工程实践能力以及多年的打磨迭代。国内 算法玩家当前在大规模数据处理的技术积累、工程经验和基础设施建设方面，皆 与特斯拉存在明显距离。另一方面，纯视觉路线对于图像的处理更依赖大量的数 据采集和模型训练，而中国车企中智能驾驶自研能力相对突出的造车新势力，在 汽车销量和车队规模方面目前仍远不及特斯拉。据北醒科技 CEO 李远在第 20 届 中国汽车供应链大会上的介绍，在视觉专利技术方面，日本和美国合计占全球专 利数的近 8 成，中国只有 7.6%；而在激光雷达领域，中国的专利数在全球的占比达到 15.9%，约为美国的一半，更有超车的可能。

策略角度，特斯拉追求致性价比，而中国车企在中高端车型中追求更佳的智能 化体验以打造差异化竞争优势。特斯拉为实现大规模工业化量产，追求致的性 价比，而非致的性能，因此其在选定智能驾驶方案时，成本是重要的考量因素 之一。此前，特斯拉在官网上表示，正在陆续尝试取消销售车型上的传统毫米波 雷达和超声波雷达，仅配备 8 个摄像头。根据产业链调研，单个车载摄像头价格 约 25 美元，而特斯拉x新计划搭载的 4D 毫米波雷达 BOM 成本预计在 100-150 美元。而针对中国车企，我们认为城区领航中短期来看，仍将主要搭载于 30 万元 以上的中高端车型，与特斯拉 Model 3/Y 并不处于同一价格带。针对高价车型， 智能化是车企打造差异化竞争优势和树立品牌的重要抓手，特斯拉带来的成本压 力并不会改变车企中长期投入的战略和决心，且车企也会追求为消费者提供更为 优质的智能化体验。

城市领航功能落地有望强化消费者对智能驾驶功能的认知与需求，提升激光雷达的选 配比例。此前，消费者对于乘用车智能驾驶的认知更多集中于高速路段，而部分车企有能 力在不使用激光雷达的情况下，以纯视觉路线实现高速路的智能驾驶功能。因此，消费者 在购车时，对于激光雷达的需求并不强烈，或仍抱以观望的态度。但展望后市，我们认为， 汽车智能化是中长期的高确定趋势。通过特斯拉 FSD 对市场进行教育，以及国内车企在 2023 年开始逐步落地城市领航，消费者将对智能驾驶功能有更好的认知，从而以供给推 动需求，强化激光雷达的选配比例。以小鹏为例，小鹏的智能驾驶能力和方案走在国内前 列。目前，仅搭载双激光雷达的车型可提供高速 NGP 增强版和城区 NGP 功能，而普通版 高速 NGP 则无需激光雷达即可实现。据小鹏公司介绍，搭载激光雷达后，增强版的高速 NGP 可更精准地感知及避让施工场景、更准确地判断相邻车道车辆地动线及编导行为、优 化对大车地感知预测能力和误减速情况，以提供更为流畅、舒适、安心的驾驶体验。

高精地图：领航辅助向“重感知+轻地图”迈进

目前国内绝大多数车企推出的领航功能均基于高精地图实现，但高精地图受标注成本 高企、测绘资质收紧等因素制约了泛化性，因此部分厂商将研发方向转向“重感知+轻地 图”，追求提升泛化能力，“轻地图”方案预计将于年内开始落地。我们认为，伴随车企自 动驾驶算法实力的提升，“重感知+轻地图”未来也有望成为玩家攻克城区领航高地的主流 路径。 高精地图本质上是给机器“看”，配合智能驾驶算法指引车辆沿轨迹行驶的地图。高 精地图基于激光雷达、摄像头、惯性导航、GNSS 等传感器获取现实世界感知信息，融合 后上传云端实现地图数据融合，涵盖道路交通元素丰富（如车道线、路标、信号灯等）， 且包括道路形状、车道坡度、曲率、高程等重要信息，精度可达厘米，可配合自动驾驶 算法引导车辆沿既定路线行驶。因此，基于高精地图实现的领航辅助水平一定程度上取决 于高精地图与真实世界道路的贴合程度。高精地图与传统地图核心区别在于采集精度、信 息量、鲜度及使用对象上，传统地图一般是米，而高精地图可达厘米；传统地图一般 仅覆盖基础道路信息，而高精地图还增加高架物体、地标等更丰富多元的大量要素；区别 于传统地图按月/小时更新的频率，高精地图对于半动态及动态数据可实现按分钟/秒更新。

目前，国内绝大多数车企推出的领航辅助功能均基于高精地图实现，利用“高精度+ 高动态+多维度”数据补足算法短板，优化决策规划能力。如小鹏 NGP、理想 NOA 均搭 载高德高精地图，集度 ANP3.0 选择百度高精地图，蔚来 NOP+选择腾讯高精地图，狐 及阿维塔 NCA 功能选择华为高精地图等。 受资质、成本等现实因素制约，高精地图制约领航辅助进一步“开疆拓土”。由于试 点进展缓慢、测绘资质收紧，高精地图在应用过程中存在鲜度低、制作成本高等问题，且 受供应商数量有限、数据合规审查等现实因素制约。

成本上，根据泰伯智库发布的《高精地图技术与应用白皮书（2022）》，当前主要 图商高精地图采集场景以高速公路、城市快速道路和其他封闭场景为主，路网覆 盖仅约 35 万公路，而道路交通运输部统计的 2022 年全国公路总里程数为 528 万 公里，要实现路网全覆盖对图商测绘投入要求高。此外，根据智车科技，厘米 地图测绘效率约为单车日均 100 公里，每公里成本可达千元，且车企需支付图 商单车授权费约 200-1000 元/年，单车服务费约 100-500 元/年，伴随智驾车型销 量提升及领航辅助渗透率提升，将对整车厂造成一定成本压力。

测绘资质上，根据 2022 年 8 月自然资源部《促进智能网联汽车发展维护测绘信 息地理安全的通知》，测绘主体为车企、图商及智驾软件提供商，仅拥有导航电子 地图测绘甲资质者方能从事高精地图制作，而 2021 年前拥有该资质的 31 家厂 商，在 2022 年复审换证后仅剩 19 家，反映XXX监管趋严、资质收紧。

泛化性上，基于特定地区、特定路段高精地图研发的领航辅助功能难以简单复制到其他城市，若实际行车与高精地图不符，将频繁触发系统降或人工接管，影 响驾乘体验。此外，还存在各方采集标准不统一、车企需求数据格式不统一等痛 点，对车企如何以更高效、创新的方式利用高精地图提出了新的挑战。

格局：算法、域控群雄逐鹿，芯片格局x优

领航辅助功能的实现，需要算法、芯片、域控、传感器等软硬件多方玩家的共同努力。 我们认为，相较之下，芯片环节的确定性x高、格局x优，国内厂商中地平线的领先地位 已相对稳固，架构变化下辉羲智能等大算力新玩家亦有机会。算法环节在多方入场后竞争 日益激烈，目前尚未有绝对的领先者，我们更看好具备算法与大规模数据处理能力、成本 控制能力以及得到主机厂有力支持的玩家。传感器中，激光雷达x轮淘汰赛已开始，当 前成本仍是影响行业渗透率的核心问题。

算法：多方入场，竞争日益激烈

中国乘用车智能驾驶玩家众多，纷纷向领航辅助功能进发。多方入场下，算法环节的 竞争日益激烈。我们认为，目前来看，行业仍处于群雄逐鹿阶段，尚未有玩家能够将技术 壁垒转化为真正的商业壁垒，以展现绝对的领先姿态。相较之下，我们更看好具备算法与 大规模数据处理能力、成本控制能力以及得到主机厂有力支持的玩家在竞争中胜出。 针对车企自研，我们认为，除少数造车新势力外，大部分主机厂仍将以外购+共研为 主要方式。传统车企大多有智能驾驶全栈自研的规划和愿景，但在算法及软件方面经验较 为匮乏，暂不具备全栈自研的能力。我们认为，自动驾驶需要的研发投入规模较大且暂时 无法对销量形成明显提振，导致体制相对庞大且僵化的传统车企在决策和战略上往往犹豫 不决，难以适应瞬息万变的自动驾驶行业，同时在组织、文化和薪酬方面又对自动驾驶人 才普遍缺乏吸引力，因此全栈自研的实际落地难度较大，未来或仍将以外购+共研（主机 厂负责产品和功能定义、自动驾驶公司负责研发）为主要方式。

相较之下，我们更看好具备算法与大规模数据处理能力、成本控制能力以及得到主机 厂有力支持的玩家。对于差异化的车型定位和消费群体，主机厂的诉求有所不同，对供应 商的能力要求亦有所不同。鉴于大量前装项目的定制化要求较高，算法公司想要将算法封 装成“标品”出售给主机厂具有较大难度，目前大部分公司的商业模式仍是 Tier-1，距离 平台化较远。

针对 10-20 万元车型，车企追求致性价比的智驾方案，以传统 L2 功能为主， 部分或可满足基本高速领航体验。我们认为，针对此类车型和消费者定位，车企 更关心智驾方案的性价比，即供应商的成本控制能力；且由于算法壁垒相对较低， 拥有强工程化和适配能力的玩家更有望获车企青睐。

针对 20-30 万元车型，车企智能化策略或因品牌特性有所不同，但高速领航将渐 成标配，这将考验自动驾驶供应商在产品性能、算法、快速适配、量产交付、成 本控制等方面的综合能力。

针对 30 万元以上的中高端车型，主机厂将持续发力城区领航，以追求打造标杆 性的智能化标签。我们认为，针对城区领航功能，L4 玩家以及其它具备较强算法 能力的供应商竞争优势将更为突出。

我们将中国乘用车智能驾驶玩家进一步分为以下几类：1）Tier 1 供应商，包括博世 等传统海外玩家、经纬恒润等新兴中国玩家以及华为等新入场巨头；2）从 L4 降维的 Robotaxi 公司，如小马智行、文远知行等；3）以乘用车 ADAS 市场为主的本土创企（包 括算法团队背景和工程团队背景）。我们更看好具备算法与大规模数据处理能力、成本控 制能力以及有主机厂有力支持的玩家在竞争中胜出。 我们认为，传统 Tier1 在供应链管理、工程化能力和车企关系网方面具有丰富经验， 但算法能力偏弱，目前仍以较低阶的 L1/L2 功能为主。L4 企业一开始便基于完全无人驾驶 进行设计，技术和性能天花板更高，更适应城区的复杂状况，数据闭环能力也更强，但此 前研发多以追求致性能为导向，工程化能力和成本控制通常是短板所在。此外，中国还 有一批以乘用车 ADAS 市场为主的初创企业，在前几年行业缺芯的大背景下享受到一波国 产替代的红利，2022 年开始陆续进入前装量产周期。我们认为，此类创企的制胜关键在 于能否在这批定点中与车企建立紧密联系以进行卡位。但若团队中缺少足够的算法基因， 在城区领航市场中或也会略显乏力，未来或将主要在高速领航和传统 L2 市场中抢占市场。 相较之下，以算法团队背景为主的公司未来的发展潜力和想象空间或更大。

传统 Tier1 供应商借助上下游协作能力及客户基础进XXX智能驾驶领域，但在更高 阶的领航辅助市场中略显乏力。 我们认为，传统 Tier1 供应商在智能驾驶领域主要具有以下两大优势：一方面， 拥有较强的产业链话语权和较好的客户基础，因此能较快实现整体解决方案的软 硬件整合，并与整车厂建立合作；另一方面，具有较为成熟的供应链管理和质量 控制体系，以及严格的工程设计和测试验证机制，因此成本控制和交付能力通常 更强。但目前，传统 Tier1 提供的智能驾驶产品仍以偏低阶的 L1/L2 为主，提供 自适应巡航（ACC）、车道居中（LCC）等基本功能。而在向更高别冲锋的过程 中，传统 Tier1 则往往心有余而力不足，暴露出较为明显的算法短板。

例如 1H22 博世占据了中国 30.0%的 L0+L1 市场以及 24.3%的 L2 市场，分别位 居x和第二。其客户包括奔驰、本田等合资品牌，以及比亚迪、长安、长城、 广汽、上汽、北汽等自主品牌。但据 36 氪报道，博世在高阶智能驾驶方面的优势 并不突出，某传统主机厂的智能驾驶产品中，中低配车型采用的是博世的 5R1V 方案，高配车型采用的则是华为的 5R13V 方案。目前来看，海外传统 Tier 1 供应 商基本皆未推出高速/城区领航的相关产品。 此外，中国本土 Tier1 玩家有望今明年开始放量，海外 Tier1 在中国正在面临强大 的本土化竞争压力。据高工智能汽车，2022 年 1-11 月，在中国 ADAS（包括 L0-L2） 市场中，本土供应商份额占比达 8.9%，较 2021 年同期上涨 1.4%；而在 L2 市场 中，本土供应商的份额占比达 10.1%（含车企自研），较 2021 年同期上涨 2.2%。

经纬恒润是国产 Tier 1 代表，与 Mobileye 签订长期合作协议，基于 Mobileye EyeQ 系列视觉感知芯片搭建智能驾驶解决方案。公司主要产品为前视主动安全摄像头 （FAS-Cam）组成的 ADAS 系统，可实现自动紧急制动（AEB）、交通拥堵辅助 （TJA）、前方碰撞预警（FCW）等功能，搭载于上汽荣威、吉利博越 Pro/新缤越 /帝豪、一汽解放等车型。同时，经纬恒润也在进XXX更高阶的领航辅助领域，其行 泊一体域控制器 ADCU 助力哪吒 S 打造 NETA PILOT 3.0 智能驾驶辅助系统，可 实现 NNP 哪吒高速领航辅助功能，预计将于 2023 上半年通过 OTA 方式推送给 用户。但值得一提的是，哪吒 S 的 NETA PILOT 4.0 系统并非由经纬恒润提供， 而是基于华为 MDC 智驾域控平台打造，额外搭载 2 颗激光雷达，目标在未来实 现 NCP 哪吒城市领航。

L4 玩家为拓展业务切入 L2 赛道，技术性能天花板x高，但此前研发多以追求 致性能为导向，工程化能力和成本控制通常是短板所在。 L4 企业一开始便基于完全无人驾驶进行设计，技术和性能天花板更高，更适应城 区的复杂状况，数据闭环能力也更强。此外，越来越多的主机厂选择将激光雷达 作为其高配车型传感器配置方案的重要组成部分，L4 企业在处理相关系统架构和 感知数据时经验也更为丰富。但 L4 企业的降维也并非全无挑战。一方面，L4 企 业起步于商用车场景，对成本和功耗的敏感度较低，而这两者恰恰是乘用车企x 为看重的部分，尤其是针对较低别的 L1/L2 功能。此外，L4 软件在较低硬件 配置下运行也存在优化与兼容方面的挑战。因此我们认为，L4 玩家将以领航辅助 （尤其是城区领航）为主要战场。

中国还有一批以乘用车 ADAS 市场为主的初创企业，在前几年行业缺芯的大背景 下享受到一波国产替代的红利，2022 年开始陆续进入前装量产。我们认为，此类 创企的制胜关键在于能否在这批定点中与车企建立紧密联系以进行卡位。 以目智能、福瑞泰克、知行科技为代表的企业创始管理团队主要来自各大传统 车厂和 Tier1，对车企的需求、文化和理念有更为深刻的理解。例如成立于 2016 年的知行科技基于两块 Mobileye EyeQ5H 芯片为吉利氪 001 提供自动驾驶域 控制器，可实现高速和城区场景的导航辅助驾驶功能，并可进行 OTA 升。公司 其余量产及定点客户还包括长城、奇瑞、五菱、威马、SMART 等。值得一提的 是，知行科技的创始管理团队多来自于博世，CEO 宋阳曾是博世中国智能驾驶研 发部的创始人，CTO 卢玉坤曾是博世智能驾驶研发部经理，副总裁李双江曾是博 世智能驾驶开发部经理。我们认为，这也是为何知行科技作为一家初创企业能够得到吉利氪的青睐的原因，同时也从侧面反映出传统 Tier1 的工作经验和团队 作风在与车企合作中仍具有独特优势。 但若团队中缺少足够的算法基因，此类创企在城区领航市场中或也会略显乏力， 未来或将主要在高速领航和传统 L2 市场中抢占市场。相较之下，Momenta 等以 算法团队背景为主的公司未来的发展潜力和想象空间或更大。

芯片：地平线地位相对稳固，架构变化下新玩家亦有机会突围

自动驾驶芯片是汽车智能化的底层基石，技术壁垒高，格局相对较优。我们认为传统 L2 和基本高速领航的算力需求约 5-30TOPS，地平线 J2/J3 和 TI TDA4 系列较受欢迎。 较优高速领航的算力需求约 30-80TOPS，此前该市场较为空白，黑芝麻 A1000 和英伟达 Orin NX/Nano 有望进行填补。城区领航的算力需求普遍超 200TOPS，英伟达身位领先， 高通野心勃勃，地平线凭借 J5 已开启国产替代进程；而感知端向大模型升或导致自动 驾驶芯片架构进化辉羲智能等公司则有望借机切入高端市场并分得一杯羹。

在国内小算力芯片（单颗算力<30TOPS）市场，地平线抓住时间窗口进行国产替代， 逐渐抢夺 Mobileye 市场。展望未来，地平线 J2/J3 和 TI TDA4 系列有望成为主流选择。

地平线：具备先发优势，有望持续受益于国产化替代浪潮，走在国内小算力芯片 市场的前列。地平线 J2/J3 芯片分别具备 4/5 TOPS 算力，在推出时瞄准 Mobileye 所在的 ADAS 市场，且相比于 Mobileye EyeQ4 具备更高算力与开放性，因此凭 借芯片产品力、较完善的工具链以及本土化服务能力，在供应链安全可控背景下， 迅速受到众多有软件算法自研需求的本土车企青睐。据高工智能汽车数据，2022 年 1-11 月，地平线芯片在国内市场的出货量已位列第二，超越 Mobileye，仅次 于特斯拉。我们认为，地平线 J2/J3 率先卡位小算力芯片市场，伴随量产规模持 续增大，更多车企将在同等性能条件下选择国产方案，地平线有望享受高速领航 与行泊一体方案的红利。

TI：TDA4VM 在架构完整度、功能安全性以及成本方面占优，有望成为 10-20 万车型轻量行泊一体方案的主流选择之一。公司核心产品 TDA4VM 采用多核 异构架构，集成 CPU、DSP、DLA、GPU 等多类单元，架构完整且集成度高， 因此拥有更强的可扩展性与并行处理能力，利于车企进行灵活开发且性价比高。 此外，TDA4VM 算力为 8 TOPS，高于地平线 J3 和 Mobileye EyeQ4，可实现单 SoC 轻量行泊一体方案。当前，大疆、MAXIEYE、Nullmax、禾多科技、纵目 科技等玩家都在基于 TDA4 开发行泊一体方案。但 TI 的相对劣势在于，TDA4VM 在高负载下功耗可高至 20W，对 Tier 1 与主机厂的工程化能力提出高要求；且 相比于地平线软硬一体化的 ASIC 路线，TI 芯片在实际计算效率上或相对落后。

中算力芯片（30-100TOPS）市场此前相对空白，以英伟达 Xavier 为主。但随着车企 趋于理性，中端车型不再一味参与大算力芯片XXX备竞赛，但同时又希望实现较优的高速领 航功能，中算力芯片需求有所上升。英伟达凭借 Xavier 以及 Orin NX/Nano 有望占据较 大份额，黑芝麻 A1000 亦有望借本土化优势快速跻身量产x梯队。

英伟达：Xavier 和 Orin NX 有望占据中算力市场较大份额。2020 年，英伟达针 对 L2 市场发布 Xavier 芯片（30 TOPS），搭载于小鹏 P7/P5 等车型；2022 年又 推出大算力 Orin 芯片（256 TOPS），再次引领行业占据主流中高端车型市场， 是此前所有瞄准 L2+高阶辅助驾驶车型的选择。但随着行业回归理性，Orin 对于 大部分 20-30 万元的中端车型配置或过高，英伟达也因此通过硬件陆续推出 Orin NX（70/100 TOPS）和 Orin Nano（20/40 TOPS），完善自身产品矩阵。鉴于 Orin X 当前已成功上车众多车型，经过量产可靠性验证，我们认为，较低配的 Orin NX 和 Nano 系列也有望共享同一套英伟达开发工具链与生态，以切入主流 车企的中端车型市场。

黑芝麻：A1000 精准填补 50-100TOPS 国产芯片市场空缺，预计 2023 年正式量 产上车，有望跻身中算力市场x梯队。黑芝麻 A1000 系列芯片覆盖 L2 至 L2++， 其中 A1000 芯片算力约 58TOPS，预计 2023 年上车江淮思皓与领克 08。黑芝 麻自研神经网络加速器 NPU 以及图像信号处理 ISP 两大核心 IP，使得 A1000 具备较高的算力利用率，功率效率>5TOPS/W，且能够做到卷积层平均 80%的 MAC 阵列利用率，有助于客户在大模型与复杂算法场景下实现更高效的开发。 同时，据 36 氪 2023 年 4 月的报道，黑芝麻目前能够实现 BOM 成本 3000 元以 内的行泊一体域控方案，支持10V配置和50-100TOPS物理算力，有望帮助20-30 万元价格带车型实现高性价比的高速 NOA 和行泊一体方案。

自动驾驶芯片加速上车，与芯片厂商深度合作的域控玩家和合作伙伴也有望受益。当 前德赛西威深度绑定英伟达与高通，已推出基于 Xavier&Orin 的域控制器，以及基于高通 SA8155 的智能座舱域控制器。中科创达的子公司苏州畅行智驾汽车科技则于 2022 年获 得高通投资，将专注于开发基于高通芯片的自动驾驶域控制器。地平线也已构建了丰富的 产业生态圈，授权的硬件合作伙伴包括福瑞泰克、宏景智驾、映驰科技、英恒科技以及天 准科技等。

激光雷达：x轮淘汰赛开始，龙头有望通过规模量产改善毛利水平

我们在报告《中信产业策略自动驾驶产业研究系列：行业新阶段，激光雷达当前的三 个预期差（2023/2/8）》中提到，激光雷达在 2022 年开启上车元年，x轮淘汰赛已经开 始。整机环节短期由于主机厂降本压力、定点竞争激烈等原因，企业毛利普遍承压。但行 业龙头在定点数量、量产经验、人才团队和技术储备均占优，规模量产后中长期有望实现 大幅降本，打开毛利率上行空间。禾赛科技、速腾聚创综合实力强劲，图达通、一径科技 值得关注。

2022-2023 年，我们预计图达通、禾赛、速腾的乘用车载激光雷达出货量走在行业前 列。我们测算 2022 年全球乘用车载激光雷达出货量约 15 万颗，而搭载激光雷达的乘用车 销量约 10 万台，对应 8000 万台新车销量渗透率约 0.1%。图达通和禾赛科技的销量走在 行业前列（分别约 5 万和 6 万台），这主要是由于两家分别斩获了蔚来和理想的定点且为 标配。速腾聚创是当前斩获车型定点x多的激光雷达厂商，但目前仍以选配为主，2022 年出货量约 4 万台。展望 2023 年，我们预计全球车载激光雷达出货量将超 50 万颗，禾赛、 速腾和图达通仍将是出货主力；而搭载激光雷达的乘用车销量约 40-50 万台，对应 8700 万台新车销量渗透率约 0.5%，蔚来、小鹏、理想仍将贡献主要销量。

中期来看，禾赛和速腾的定点 pipeline 更优，905nm 路线仍是乘用车市场的主流。 禾赛和速腾皆采用 905nm 路线，在成本和性能之间进行了较好的平衡，因此在乘用车领 域表现亮眼，定点数量在业内遥遥领先。可靠性方面，禾赛一维转镜扫描方式的风险较小， 而速腾 MEMS 路线一直以来为人担忧的可靠性问题有望在今明年大规模的量产上车中得 到验证。相较之下，Innovusion 和一径科技的主雷达皆采用 1550nm 路线，性能表现突出， 但成本和功耗偏高，而乘用车企对零部件成本更为敏感，因此在乘用车领域收获定点相对 较少。我们认为，现阶段 1550nm 方案仍将主要应用于定价较高的高端乘用车型和更强调 感知距离的自动驾驶重卡等商用车型，大部分乘用车仍将采用 905nm 激光雷达。 目前，乘用车载激光雷达利润空间普遍较低，长期毛利率有望在 30%左右。当前中国 市场车载摄像头和超声波雷达的毛利率水平分别在 20%和 25%左右，考虑到激光雷达具 有更高的技术壁垒，也应当享有更高的毛利率水平。同时也可参考美股激光雷达上市公司 对长期毛利率的展望，普遍在 40%-60%区间，其中软件（ADAS 算法）毛利率预计在 70% 左右，但激光雷达出售软件算法的商业模式仍待验证。