中金 | 智能驾驶系列十：速攀发展曲线，乘用车智驾2025年或迎量变到质变

2024年技术快速迭代，NOA收获性能和渗透率双提升。从年初BEV +Transformer，摆脱高精度地图，实现全国都能开；到年中端到端架构的兴起，减少了模型间信息损耗，提高泛化能力；再到年底引入视觉语言大模型和云端模型，进一步提高对长尾场景的处理能力；由此将L2功能在空间维度延展到接近极限，车位到车位成为新的竞争锚点。并且头部车企开始降低硬件配置，以现配套售价的下探和标配。2025年随着功能完善和硬件降本，我们认为城市NOA渗透率有望提升至11.6%。

L2+功能已基本完备，车企竞争往更高阶智驾演进。随着车位到车位功能的推出，L2级智驾功能实现了全场景可用，后续只需持续优化接管率；我们认为，头部车企为了展示科技领先性，或将竞争的矛头从逐渐成熟的城市NOA指向以L3/L4为代表的自动驾驶，和AI/具身智能等相关领域。

发展城市NOA有助于增厚毛利，并且为高阶自动驾驶演进铺垫。因智驾硬件成本较高，车企通常会进行加价选配。经我们测算，选装的智驾硬件的毛利率远大于原车毛利率，而对于头部智驾车企而言，此类选配2024年前三季度单季几乎贡献超过10%的毛利。我们认为，虽然智驾软件收费处于萌芽期，头部智驾车企通过提高智驾选装率，仍获取了增量回报。同时，受益于技术栈与FSD的相似性，我们认为，车企也有望制定向Robotaxi演进的路标。我们认为，我国智驾解决方案商则受益于当下技术发展，具备较明显的全球竞争优势，利好后续海外拓展销售。

智驾技术发展不及预期；法规出台进展不及预期；市场接受度不及预期。

智能驾驶领域中，端到端指信息由摄像头、激光雷达等传感器接收，经由神经网络处理后输出为控制信号、轨迹信息等。端到端架构不再局限于通过人为定义的显性目标来描述世界，模块间能够信息无损地传输，并用于下游执行。传统自动驾驶采取模块化架构，感知、规划、控制模块分列，感知模块收集、提取环境信息，规划模块对感知模块输入信息进行分析处理，输出操控指令至控制模块，完成驾驶动作。模块化部署中，各功能子模块独立开发、测试、处理数据，模块间存在人工规则及接口介入。算法迭代优化需求持续加入新质人工设计逻辑规则，而真实世界的场景繁复，难以穷举；另一方面，技术与算力提升也使得端到端架构替代模块化流程成为可能。

端到端一词目前在车企中定义尚未收敛。感知端到端将动态、静态、Occupancy三网合一，实现对车外世界的精准还原。以华为乾崑ADS 3.0为代表的系统采用深度学习完成规划，但感知和规划两个模块间仍存在人工规则定义的接口。感知-规划一体化端到端将两个模块并入同一张网，决策机制进一步向数据驱动迁移。上海人工智能实验室、商汤等机构及公司在CVPR 2023最佳论文《Planning-oriented Autonomous Driving》中首次提出UniAD，其随后成为向一段式端到端自动驾驶方案进化历程中渐进式路线的基准参考。虽未正式公布，但据马斯克描述，特斯拉或建立了感知到控制由统一神经网络控制的完全端到端架构[1]。

特斯拉领先于行业推出端到端架构。2023年11月，FSD Beta v12版本首次升级至端到端架构，并推送至少量内部员工进行测试[2]。2024年3月，FSD Beta V12.3向美国用户推送[3]。端到端架构下的FSD驾驶行为更趋同于人类行为，能良好地应对复杂地形、识别物体，并能够智能选择异于导航路线的近路行驶、做出压小段实线以便于进入主路等更拟人的行为。

算法端到端系统在开发端与体验端优势显著，主要体现在以下方面：

► 降低数据标注需求与系统复杂程度：从传统模块化架构到一段式端到端，数据标注需求逐级减少。传统模式下感知与规控模块间通过人工规则连接，模块间繁复的数据标注必不可少；而一段式端到端下，标注需求由感知向规划迁移，现有的3D目标检测与路面标志识别等标注需求进一步减少，模块数量减少也使算法系统更加简洁高效。

► 信息无损传递、减少误差与延迟时滞：模块化方案中，前序信息在接收时可能被抽象的人工规则过滤，造成信息损失。端到端架构下，上游信息得以更完整地传递给下游，模块传递间积累误差的问题得到缓解。

► 人为干预减少，泛化性提升：模块化方案中，出现人工规则定义之外的场景时，下游模块只能通过过滤后的有限信息分析，复杂场景处理能力弱、决策僵硬，并伴生安全隐患。借由规则驱动向数据驱动的转化，端到端算法具备更强的跨场景泛化能力，可做出更合理、更贴合人类行为的选择。如输出结果不佳，端到端架构可通过梯度传导同时训练前序所有模块或整体模型，而非仅仅针对独立的子模块调优，实现全局优化。

► 充足数据及算力下具迭代优势：端到端架构下，算力领先、车型保有量与数据获取占优的车企将迅速、高规模地获取回流数据，加速功能迭代，持续保持先发优势。2024年5月小鹏发布AI 天玑系统，成为国内首个实现端到端大模型量产上车的公司，系统保持每两天版本迭代一次的频率，18个月内小鹏智驾能力将相较自身提高约30倍[4]。

目前智驾方案演进至在端到端架构基础上接入VLM（视觉语言模型）的模式以应对长尾场景。5月，小鹏发布国内首个量产上车的端到端大模型[5]，由神经网络XNet（感知模块）、规控大模型XPlanner（负责决策规划与执行功能）、大语言模型XBrain构成，XBrain赋予智能驾驶系统对复杂场景的认知能力。理想于7月发布“端到端+VLM”架构[6]，其中端到端系统面向日常驾驶，负责交付快速响应；VLM系统为具有22亿参数规模的视觉语言模型，用以对5%的复杂环境做出分析判断。小米、极氪等也均在端到端基础上辅以VLM模型来应对更多复杂场景。

引入云端模型，重建生成世界。特斯拉在2023 CVPR会议中首次介绍其所使用的“世界模型”[7]。通过应用世界模型，特斯拉能够预测未来画面、输出RGB图像及语义，并推理生成采取各种驾驶决策后的结果。国内大部分车企所使用的世界模型部署在云端。蔚来世界模型NWM(NIO World Model)结合空间认知与时间认知能力，仿真生成现场景的多种变化情形，在0.1秒中生成216种可能的轨迹并选出最优解。理想使用3D高斯溅射模型基于真实数据重建场景，并加入扩散模型结合已有场景举一反三，增强、泛化已有数据，利用真实驾驶数据+模拟数据对双系统训练验证。

一段式端到端或为未来终局演化趋势。两段式架构缓解了端到端算法从感知到规控结构完全黑盒化的内生潜在问题，提升了系统的决策逻辑能力、模型的安全性与可解释性。同时，当下阶段将控制模块分列也具有其合理性：不同车型间控制部分存异明显，将控制模块纳入整体端到端架构中，既难以形成标准化接口，影响算法系统的泛化能力，也在一定程度上实为将简单问题复杂化。然而展望未来，我们认为一段式端到端仍可行且或成主流发展趋势：相比行为轨迹，决策、控制信息更接近于最终指令，也是端到端算法最终追求输出的结果；随着彻底摒弃人工接口，模型间信息传递损耗将有望被彻底排除。

VLA模型引领端到端架构技术革新。2023年7月，谷歌DeepMind在VLM模型中加入动作数据[8]，推出VLA视觉-语言-动作模型（Vision-Language-Action Model），VLA模型可以直接理解周边场景（传感器输入），输出最终执行指令。2024年10月，Waymo推出端到端VLA模型EMMA[9]；元戎启行也已率先基于端到端架构和Thor芯片开启VLA模型研发，预计于2025年推出[10]。VLA模型实现了端到端、VLM双模型的融合，将多模态大模型内化融入整体，场景理解能力与泛化能力进一步提升，是更触达端到端含义内核的模型。

算力形成挑战，云端竞争凸显。更大规模的数据进一步推进训练和推理算力的竞争发展。车端模型参数扩张提高了对车端算力的需求，同时，端到端架构下训练数据量的扩张牵引云端算力需求迅速攀升。目前国内厂商云端算力布局与特斯拉差距明显，云端算力成为车企未来百舸争流、竞逐胜势的关键。

打通场景端到端，车位到车位功能成为车企智驾水平的试金石。车位到车位功能，指乘客可以从任意位置上车并设定目的地，进入车内即启动智驾系统，自动驾驶与泊车功能无缝衔接，提供车位到车位不间断的导航辅助驾驶，连贯平顺地抵达下一个车位，实现城区、高速、泊车等功能全链接，停车场、小区道路、通勤公路、工作园区、公司地下车库等场景全打通。相较着力于开城规模广度的NOA功能竞争前期阶段，车位到车位功能更强调日常实用价值，是L2++技术应用由覆盖广度向使用深度的转换和延伸。

主要企业争相布局。2024年8月6日，华为在行业内首次正式提出车位到车位功能概念，宣布功能将搭载于享界S9的ADS 3.0系统[11]。随后，理想、小鹏、小米、极氪等陆续跟进车位到车位功能。极氪推出车位到车位领航（D2D）功能，可全速域激活、全闸机通行、全场景不限车位，并自主通过“四道闸”，实现停车场-城市路段-高速ETC-停车场全场景贯通。依靠图灵AI智驾体系，小鹏成为行业首家使用一套智驾软件并基于端到端大模型实现车位到车位功能的企业，通过一套软件打通地库、闸机、城区道路等场景，11月15日P7+开启全网首测[12]。随OTA6.5版本发布，理想于11月28日开启向L系列AD Max用户和理想MEGA用户全量推送车位到车位功能[13]，成为行业内实现全量推送的首家车企。

车位到车位或是L2级自动驾驶最后的拼图，下一步或发力L3/L4高阶自动驾驶。纵观智驾版图与迄今的发展历程，我们认为车位到车位是L2智驾功能的最后一块拼图。在“车位到车位”、“门到门”等实现场景意义上的端到端联通后，智驾功能将几乎完整覆盖需要驾驶员日常所会经历的全部行驶场景，乘用车智能驾驶下一步发展或将真正乘势迈入L3/L4自动驾驶范畴。我们认为，车位到车位功能或将成为2025年车企智驾技术差异化竞争的技术发力点。

城市NOA同样进入普及上车阶段，车企加速以选配或标配形式推出城市NOA功能。供给端，芯片供给多元化、激光雷达、毫米波雷达与摄像头等传感器持续降本，牵引支持城市NOA的车型BOM成本下降并挖掘出一定的降价区间，城市NOA功能搭载车型价格区间持续向下延展；需求端，车企对NOA功能集中竞争宣发、智驾体验不断优化，消费者认知上更加接纳高阶智驾功能，并且对车型智驾硬件配置性能及OTA功能更显关注。2024广州车展中，何小鹏表示智能化已一跃成为小鹏用户购车的首要因素，智驾技术成为小鹏的核心竞争力[14]。

城市NOA功能2024年高速发展，全年渗透率或达6.5%。受到特斯拉交付周期影响，高速NOA渗透率波动较大，至2024年11月渗透率达12.3%。城市NOA功能目前渗透率尚处低位，渗透率2023年初仅1.7%，我们预测，2024年有望全年达到6.5%。

城市NOA渗透率有望随下探低价车型快速提升，向下突围增量前景广阔。随技术发展与规模效应显现，城市NOA功能持续压低成本，价格沉降。我们认为，为了竞争抢占市场份额，车企普遍拓展城市NOA功能覆盖的价格区间，10-20万元级车型渗透率有望提高。据我们测算，2025年城市NOA和高速NOA渗透率有望达到11.6%和22.2%，相较于2024年有近乎翻倍的空间。

车辆减配提升智驾功能渗透率，科技普惠愿景可期。技术及价格的竞争角逐中，车企或可通过精简配置平衡硬件成本，换取高阶智驾功能渗透率提升。2024年4月，鉴智在北京车展发布PhiGo Pro智驾方案，采取7VnR传感器配置，标准版算力需求下降至30-80TOPS，成本下降至4000元内。华为在ADS 3.0基础上也推出ADS SE纯视觉解决方案，搭载于深蓝等品牌车型，抢占20万元以下价格区间的市场。9月，卓驭发布成行智驾2.5，采取7V+32TOPS配置，支持高速NOA和城市记忆领航功能的同时，成功将硬件成本控制在5000元内。

2024年11月，小鹏P7+上市，定价16.68万起，12分钟大定破万。P7+全系标配高阶智驾，无订阅，无选装，不区分Pro/Max，并在硬件配置中放弃激光雷达，率先探索国内纯视觉NOA方案。成像方面，P7+首发搭载的小鹏AI鹰眼视觉方案采用单像素LOFIC( Lateral Overflow Integration Capacitor, 横向溢出集成式电容)架构，明暗交替的真实场景更易转换为视觉信号，摄像头精度、可视距离、动作捕捉及色彩分辨能力更强，在逆光、暗光等劣势环境下成像清晰。成本方面，P7+已完成2023年设定的“2024年自动驾驶等软件系统成本下降超过50%，整车Bom成本下降25%”目标。我们认为，城市NOA功能将随端到端架构迭代同步优化，车/云端算力成本仍保有较高诉求，车企或将继续探索纯视觉方案等路径压缩硬件成本，精简传感器配置以支持高阶智驾功能上车，城市NOA功能未来有望在20万元以上车型普及，甚至下探到15万元级车型，科技普惠愿景可期。

L3自动驾驶功能落地或为软件后向付费提供商业逻辑，To-C软件有望开启收费。因L3系统所需硬件冗余会导致智驾相关硬件成本大幅提升，我们判断，搭载L3的车型初期很难低于35-40万元，目标消费者具有较高购买力。此外，L3需要车企长期为自动驾驶系统购买保险，同时具有雇佣专属司机的功能逻辑，我们认为L3或将有力推动后向功能订阅收费。

L3试点工作已进行一年，2025年或迎来收获时刻。2023年11月17日，工业和信息化部、公安部、住房和城乡建设部、交通运输部联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》（《通知》），揭开L3有条件自动驾驶试点落地的序幕。根据2024年6月4日工信部公告，本轮比亚迪、蔚来等9家车企入选，后续将开展产品准入测试及安全评估等环节。我们预计，随着试点深入，例如体验评测、测试数据、合作进展等阶段性成果或将陆续公布，对市场情绪产生阶段性催化。

L2+功能随车位到车位趋于成熟，2025年车企或将开始L3进展比拼。我们认为，随L2+系功能趋近成熟，未来或将普及至各价格段车型，头部车企无法形成有力差异化竞争点，L3自动驾驶功能则有望接替车位到车位功能，在中高端车型率先搭载，成为车企差异化竞争的新锚点。我们建议市场密切关注各车企为展示其头部技术能力而在2025年相继推出的L3功能路标，从而更好地感知行业当中各智驾企业的技术领先性及软件收费的潜力。

城市NOA带动更高毛利车型上量，从而改善车企毛利率水平。当前受限于城市NOA硬件成本较高，大部分车企还尚未将该功能搭载于全部车型谱系。车企会设计不同车型版本，例如理想和小鹏的Pro、Max版本，来区分车型是否配置了城市NOA。城市NOA由于增加的硬件价值量较高，自然成为了区分车型高低配的核心配置，同时会搭配着一些舒适性配置，例如冰箱、踏板、轮毂等。当车企的城市NOA功能获得市场的认可，消费者会有更强的倾向去购买有更高配置、有更高毛利润的车型，从而带动整体毛利润的提升。

城市NOA毛利率提升效应有望随着车企保持车型高低配而进一步持续。车企希望通过降低入门配置，拉低入门价格，从而覆盖更多消费人群，带动车型销量，提高规模效应。我们认为，伴随消费者认知的增强，好用的城市NOA有望吸引更多消费者购买高配车型，从而增厚车企毛利水平。当然，从市场竞争考量，部分车企将城市NOA硬件进行标配，我们认为，这类车企一方面是希望将智驾作为标杆功能与品牌科技属性进行绑定，例如蔚来，或是有计划择机进行后向软件功能收费，例如特斯拉。

头部城市NOA自带正循环，更多车型交付获取更多数据积累。当前城市NOA的算法方案，正处于由模块化规则驱动转向泛化性更好的神经网络数据驱动的过程中，智驾公司需要范围广、长尾多、跨度大、质量精的数据去提升其端到端模型的实际表现能力，由此能在路上采集数据的车辆数至关重要。因此我们认为，头部车企通过产品的优越性，和智驾能力的领先性，有能力在当下大量交付城市NOA车型，并且可以快速获取数据，迭代模型，从而实现城市NOA功能的快速精进，取得正向循环优势：“功能好用-更多交付-更佳数据-更优模型-更好用功能”。

参照Tesla，端到端架构或支持L2+向L4级自动驾驶应用延伸。马斯克在2024年三季度财报电话会中表示，2025年特斯拉Model3/Y将在加利福尼亚州和德克萨斯州展开Unsupervised FSD测试[15]。我们认为，特斯拉大力发展的端到端技术架构，与我国头部车企押注的技术方向基本相符，国内车企或有望以相似路径完成Robotaxi的演绎发展。例如Momenta早在2019年提出飞轮概念，打造L4技术带动L2+端到端升级，L2+数据反哺L4研发的生态闭环；小鹏则在2024年11月6日AI科技日活动上宣布了公司计划在2026年正式推出Robotaxi服务[16]。我们认为，端到端架构的智能驾驶系统在数据与算力支持下持续迭代提速，或有望打通前往L4终局的路径。而伴随特斯拉的Robotaxi落地实况，我国车企或看到相似技术架构实现Robotaxi的曙光，我们判断，2025年头部智驾企业或有望竞相公布自己的Robotaxi相应路标。

端到端架构或可助力渐进式路线实现技术迁移，自动驾驶提供商与整车厂有望协力推进MaaS商业模式转型。我们认为，随政策与监管放开、自动驾驶技术优化、激光雷达成本下探、安全开支减少（安全员车端转向云端），Robotaxi的市场空间潜力有望进一步兑现。特斯拉倡导的出行即服务（MaaS）新兴商业模式有望进一步提升公司及私人车辆利用效率，拓展有别于传统汽车商业模式的新赛道。借鉴于此，技术栈相似的国内智驾企业或存机遇，依靠路径复制实现利润结构由整车制造向自动驾驶服务提供商的迁移转变。我们认为，随技术成熟，未来车企或可作为MaaS服务提供方，通过自建或与自动驾驶公司、出行平台合作构建Robotaxi网络，完成业务生态与商业逻辑重构，开辟全新的业务增长曲线。

我国智驾从落后到领先，独特竞争力有望支持出海。我国乘用车L2智能驾驶功能的起步较晚，自研L2车道居中辅助（LCC）的落地要追溯到2019年6月小鹏Xmart OS1.4版本推送给当时小鹏G3车型，而全球最早的落地是2016年的特斯拉Autopilot，当时还是基于Mobileye的方案。以Mobileye为代表的海外智能驾驶企业，在2021年前无论是从搭载量还是从技术先进性，都对中国企业有明显优势。直到2020年底和2021年初，蔚来和小鹏，陆续向在售车辆推送了自研的高速NOA功能，中国智能驾驶追赶上了国际智驾的节奏。伴随中国新能源汽车发展，竞争加速，我国乘用车L2+智能驾驶高效迭代，快速放量。当下海外市场除了Tesla推送了城市NOA功能外，无第二家智驾企业正式落地此项功能，而国内智驾企业则呈现百花齐放，齐头并进的态势。考虑到当下海外市场无城市NOA成熟的Tier1供应商，我们认为，国内Tier1凭借技术能力和量产经验，在国际市场有明显代际优势，有望将本土的成功经验复制出海，进一步扩大市场空间。

海外车企先于本土试点，后续或引入全球市场。为了满足国内市场对智能驾驶功能有较高需求，以及在当下竞争激烈的市场环境维持份额，合资车企纷纷转向国内智能驾驶公司进行合作，希望可以快速落地好用的智驾功能。合作模式主要有以下三种：第一种是成立合资公司，以获取更深入、全面的合作和赋能，例如大众汽车和地平线机器人成立酷睿承（Carizon）；第二种则是以股权投资为基础，建立稳固的合作关系，从而进一步使用被投供应商的智驾方案，例如奔驰、丰田和Momenta；第三种则是正常通过项目招标、定点，例如大众汽车和卓驭科技（前身为大疆车载）。我们认为，我国领先智驾Tier1与合资公司本土率先建立项目合作关系，可以帮助本土公司质量管理体系与国际车企接轨，熟悉海外车企定点决策流程和关键节点，并且进入全球供应商候选池，有望提前获取全球项目信息，合作进一步向海外拓展。

2024年，乘用车智能驾驶无论是技术还是应用层面都经历了快速发展的一年，各条上下游赛道的竞争格局也都随着头部企业的持续创新，加速落地、不断迭代而愈发清晰。展望2025年，我们认为，2024年呈现的乘用车智能驾驶赛道的高强度竞争仍将延续，而头部企业依托已经构建的身位优势、技术优势、生态优势，有望逐步实现较高的竞争壁垒，从而实现更好的产品表现、市场份额、盈利回报等。为此，我们梳理了智能驾驶相关领域公司，包括整车、解决方案、车载SoC、传感器、线控底盘、智能检测等，希望给投资人面向2025年乘用车智能驾驶赛道，一个更全面的市场框架。

智驾技术发展不如预期：乘用车智能驾驶功能的落地情况和使用体验和智驾技术发展高度相关。当前，行业智能驾驶技术还在快速发展变革阶段，若技术方向无法跟上迭代诉求，或是技术发展速度慢于预期，都将对乘用车智能驾驶产生负面影响。

法规出台不及预期：L3有条件自动驾驶的测试准入标准和L4 Robotaxi的推广，例如允许收费运营的城市、Robotaxi需要的安全员数量等，都需要法规的明确规范以及政策支持。因此，若相关法规出台进度或是力度不及预期或将影响L3功能和Robotaxi的落地进程。

市场接受度不及预期：智能驾驶的商业推广取决于消费者对其的接受程度。如果车企对消费者的营销宣传、功能介绍、使用指南上没有很好实施，以致于消费者不买智驾配置，或是购买了不会用，则对智能驾驶长期商业闭环，和反馈数据采集都有较负面影响。

本文摘自：2024年12月28日已经发布的《智能驾驶系列十：速攀发展曲线，乘用车智驾2025年或迎量变到质变》

邓学 分析员 SAC 执证编号：S0080521010008 SFC CE Ref：BJV008

任丹霖 分析员 SAC 执证编号：S0080518060001 SFC CE Ref：BNF068

张嘉祺 联系人 SAC 执证编号：S0080123030040