智能驾驶行业专题：汽车智能化下的投资机遇探析（附下载）

（精选报告来源：报告研究所）

前言：汽车智能化下的投资机遇探析

汽车或为最早落地的“具身智能”，市场空间大

智能驾驶汽车本质也是具身智能的产品之一（做极致类比相当于一个大型轮式机器人），和服务机器人相比，智能驾驶汽车一定程度替代司机的劳动付出（家庭服务机器人替代保姆），司机的驾驶行为是较为标准化的动作，如果不考虑安全法规要求，单纯从技术实现难度看，智能汽车有望成为较早落地的具身智能产品。

智能驾驶是第一步

1）汽车自动驾驶替代司机（遵循交规，偏标准化-通用人工智能）

需求空间：全球 14 亿保有量汽车，年化近 1 亿汽车销量（2023 年全球汽车销量9272 万辆），假设驾驶劳动补偿按每车每月 4000 元劳动力计算（不考虑私家车劳动力成本相较运营车的折价），测算理论上年化近5 万亿潜在劳动力市场空间可以由自动驾驶实现。供给空间：全球 14 亿保有量汽车，年化近 1 亿汽车销量（2023 年全球汽车销量9272 万辆），假设自动驾驶软件包买断成本按 2 万计算，在不考虑共享汽车潜在减少汽车年销量的背景下，测算理论上自动驾驶供给端潜在年化空间2 万亿。

共享出行是第二步

完全无人驾驶之后，个人车辆可以在闲置时间段共享出行，让你的爱车出去“挣钱”。特斯拉或将于 2024 年发布无人驾驶出租车（Robotaxi）产品。需求空间：全球 80 亿人口，全球城市化率接近 60%，城市人口日均出行距离假设20 公里，其中公共交通占比 50%，测算约 480 亿公里日均乘用车潜在需求里程。供给空间：全球 14 亿保有量汽车，假设远期保有量降至10 亿，其中30%用于共享出行，日均有效供给 300 公里里程，测算约 900 亿公里日均共享出行潜在供给里程。车主盈利：共享电动车购置成本 20 万，5 年运营周期（每年工作300 天），日均折旧约 130 元，日均用电成本 50 度*1.5 元=75 元，日均运营收费300 公里*1元=300 元，测算理想情况下车主可实现日均盈利 100 元。

2025 年国内自动驾驶有望超 500 亿市场空间，远期近3000 亿空间

可替代的劳动力空间巨大:智能驾驶汽车的劳动力替代空间巨大，假设在驾驶方面的劳动力成本按每月 1000 元计算（保守假设运营车辆司机月薪4000 元，私家车驾驶时间按运营车辆司机四分之一计算），无人驾驶实现后，测算每车每年劳动力节省成本有望破万元（当前华为 ADS 2.0 包年价格7200 元），考虑6-8年汽车生命周期，每车生命周期劳动力节省成本近 6 万元（当前特斯拉FSD 北美买断价格 8000 美元），无人驾驶所节省的劳动力成本可以覆盖当前国内外高阶自动驾驶的收费，渗透率提升空间较大。全球 14 亿汽车保有量（不考虑无人驾驶导致保有量下降），我们测算远期无人驾驶 100%渗透之后所节省的全球汽车驾驶员劳动力的潜在市场空间有望过 10 万亿（年化）。预计 2025 年国内带城区辅助驾驶功能的智能驾驶市场规模约510 亿元。我们测算 2023 年车主购买带有城区辅助驾驶功能的车预计占我国乘用车市场整体的0.3%，假设单车买断价 3.6 万元，市场规模约 27 亿元；至2025 年，广汽、理想、小鹏、比亚迪、问界、小米、蔚来、吉利、特斯拉等车企发力下，国内带有城区辅助驾驶的自动驾驶渗透率预计到 6%，市场规模约510 亿元；到远期假设我国80%乘用车搭载城区辅助驾驶功能，其中 60%车主愿意支付2 万元买断费用，我国乘用车自动驾驶市场规模预计达 2880 亿元。

城市 NOA 持续落地，端到端技术方案加速推进。目前，NOA 功能从高速NOA，卷向城市 NOA，城市无图 NOA 已经成为下一阶段的技术需求。特斯拉引领，国内车企跟随，通过 BEV+Transformer 模型助力，实现硬件成本下降+城区NOA 落地。目前，端到端方案也在加速推进，特斯拉、momenta（感知+规划端到端及one-model端到端两条线）率先实现模型落地，国内华为、小鹏、理想均已实现感知及规划端到端（神经网络覆盖）。端到端自动驾驶是直接从传感器信息输入（如摄像头图像、LiDAR 等）到控制命令输出（如转向、加减速等）映射的一套系统，最早出现在 1988 年的 ALVINN 项目，通过相机和激光测距仪进行输入和一个简单的神经网络生成的转向进行输出。2024 年初，特斯拉 FSD V12.3 版本发布，智驾水平让人惊艳，端到端自动驾驶方案受到国内主机厂和自动驾驶方案企业的广泛关注。与传统的多模块方案相比，端到端自动驾驶方案将感知、预测和规划整合到单一模型中，简化了方案结构，可模拟人类驾驶员直接从视觉输入做出驾驶决策，以数据和算力为主导，能够有效解决模块化方案的长尾场景，提升模型的训练效率和性能上限。

笔者认为，每一轮新技术驱动下的景气度行情，离不开以下四要素：1）技术底层突破；2）爆款产品出现；3）可持续跟踪的数据；4）海内外行情共振。当前汽车智能化已经具备技术底层突破（端到端大模型上车）、爆款产品出现（问界M7/M9等）、可持续跟踪的数据（渗透率相关数据），海内外共振（海外跟踪特斯拉FSDV12 版本持续迭代），目前高阶智能驾驶渗透率较低（5%以内），供给端不断推陈出新，智能驾驶奇点时刻渐近。复盘特斯拉智能驾驶发展之路，从硬件层面减少雷达配置、到软件层面提供BEV、Transformer、Occupancy network 等大模型实现重感知方案，均是特斯拉走在行业前列。2023 年后特斯拉推出 FSD V12 的端到端模式，带动行业进入新一轮快速迭代周期，智能驾驶方案渗透率有望持续提升。

1、汽车智能化奇点时刻将至

L3 级别是汽车自动化道路的一次跃升，相较于 L0-L2 级别的人类主导驾驶、车辆只做辅助的模式，L3 开始，车辆自动驾驶系统在条件许可下可以完成所有驾驶操作（作用不亚于驾驶员）。从技术实现难度看，家庭服务机器人替代保姆（任务非线性，偏非标-实现难度更大），汽车自动驾驶替代司机（遵循交规，偏标准化-通用人工智能），智能汽车有望成为较早落地的具身智能产品，测算2025年国内自动驾驶有望超 500 亿市场空间，远期近 3000 亿空间。

当前汽车智能化已经具备技术底层突破（端到端大模型上车）、爆款产品出现（问界 M7/M9 等）、可持续跟踪的数据（渗透率相关数据），海内外共振（海外跟踪特斯拉 FSD V12 版本持续迭代）。我们认为，智能驾驶空间巨大，奇点时刻渐近，技术迭代和产品渗透率有望加速。

2、特斯拉智能驾驶发展现状

特斯拉 FSD 算法持续升级（2021 年 BEV+Transformer—2022 年引入OccupancyNetwork—2023 年引入端到端融合大模型），引领行业发展。智能驾驶方案存在较高技术壁垒，从硬件层面减少雷达配置、到软件层面提供BEV、Transformer、Occupancy network 等大模型实现重感知方案，均是特斯拉走在行业前列。2023年后特斯拉推出 FSD V12 的端到端模式，带动行业进入新一轮快速迭代周期，智能驾驶方案渗透率有望持续提升。

3、智能化在汽车产业链的核心变化（上游基建、中游车端、下游运营）

智能化在汽车产业链的核心变化主要体现在三个部分：上游基建（算力-智算中心）、中游车端（架构、硬件、软件）、下游运营（Robotaxi 等）。1）上游基建端（算力-智算中心），随智能驾驶等级提升，数据计算量增大，算力要求提高，为匹配数据量增长并做好后续大规模数据训练准备，部分公司开始布局智算中心。2）中游车端（架构、硬件、软件），智能化在车端的核心变化主要体现在三个部分：架构（分布-集中）、硬件（感知-决策-执行部件）、软件（BEV+Transformer、端到端大模型）。架构方面，智能驾驶时代，车辆电子电气架构从分布式-域集中式（功能域）-跨域融合-中央架构。硬件方面，我们认为在大模型落地及高阶自动驾驶加速上车的趋势下，越来越多的车企传感器方案重心会向视觉倾斜，会有更多的 800 万像素摄像头上车；同时 1000+TOPS 的大算力域控制器数量增多，底盘端线控制动和线控转向渗透率也将提升。与智能驾驶相关的汽车零部件，主要围绕感知（摄像头、雷达等）、决策（域控制器）、执行环节（线控底盘）进行布局。软件方面，大模型助力，实现硬件成本下降+城区NOA 落地，目前特斯拉、momenta（感知+规划端到端及 one-model 端到端两条线）率先实现模型落地，国内华为、小鹏、理想均已实现感知及规划端到端（神经网络覆盖），小米、大疆等玩家暂时停留在感知端到端阶段。3）下游运营端（Robotaxi 等），从智能驾驶商业模式角度，我们认为除自动驾驶软件包（FSD 等）外，Robotaxi 也为潜在的应用方式之一，新势力（特斯拉、小鹏等）依靠着其先进的自动驾驶技术迅速获得政策批准开始积累路测里程，并有望在 2025 年之前开始商业化探索。

参考华为智能汽车解决方案品牌 HI 对于智能汽车的核心理念，HI 包含了1个全新的计算与通信架构和 5 大智能系统，以及激光雷达、AR-HUD 等30 余款智能化部件，提供了 3 大计算平台和 3 大操作系统，既代表技术创新，也代表商业模式的创新。因此，我们认为，智能化在车端的核心变化主要体现在以下三个部分：1）架构（分布-集中）；2）硬件（感知-决策-执行部件）；3）软件（BEV+Transformer、端到端大模型）。

1）车端-架构，智能驾驶时代，车辆电子电气架构从分布式-域集中式（功能域）-跨域融合-中央架构。

2）车端-硬件，我们认为在大模型落地及高阶自动驾驶加速上车的趋势下，越来越多的车企传感器方案重心会向视觉倾斜，会有更多的800 万像素摄像头上车；同时 1000+TOPS 的大算力域控制器数量增多，底盘端线控制动和线控转向渗透率也将提升。与智能驾驶相关的汽车零部件，主要围绕感知（摄像头、雷达等）、决策（域控制器）、执行环节（线控底盘）进行布局。

3）车端-软件，大模型助力，实现硬件成本下降+城区NOA 落地。BEV 等大模型落地实现了摄像头的 2D 数据的深度测试，同时减少了高精地图依赖；在中国存在很多城区快速建设、道路频繁变化的城市，受限于高精地图的高成本（头豹研究院指出高精地图辅助自动驾驶的服务费预估每辆车为700-800 元/年，是普通导航电子地图的 20-35 倍），城区 NOA 上车缓慢。特斯拉及华为等自动驾驶公司给出的occupancy network/GOD 网络等方案实现无高精地图的辅助驾驶，城区NOA落地加速。

若我们定义 one-model 端到端为自动驾驶模型最终形态，目前特斯拉、momenta（感知+规划端到端及 one-model 端到端两条线）率先实现模型落地，国内华为、小鹏、理想均已实现感知及规划端到端（神经网络覆盖），小米、大疆等玩家暂时停留在感知端到端阶段。

运营端，从智能驾驶商业模式角度，我们认为除自动驾驶软件包（FSD 等）外，Robotaxi 也为潜在的应用方式之一。我们对 Robotaxi 运营收入和成本进行测算，假如 Robotaxi:1）20 万单车成本，2）1 个安全员能负责 2-3 台 Robotaxi 车，3）Robotaxi 每台每天20 单，4）Robotaxi运营单价是网约车 8 折的前提，不考虑前期百度投入的算法研发和车辆保险成本，测算发现 Robotaxi 可以实现盈亏平衡，测算过程如下：1）收入端：假设有 1000 台 Robotaxi 车，每车每天20 单，平均客单价16元，单月 Robotaxi 收入 960 万元。2）成本端：安全员 400 人，假设人均月薪 7000 元，月人员成本280 万元，一天充电一次 40-50 度电（单日成本 50 元），月充电成本1500 元*1000 台=150万，单车价格 20 万（5 年折旧假设），月折旧成本 3333 元*1000 台=333 万，单月成本 763 万元。

目前，全球不同国家 Robotaxi 商业化发展主要分为三个梯队，中国Robotaxi市场处于全球领先地位。在第一梯队中，领先国家已成功进行无主驾安全员的商业化小规模应用，并已准备开始商业化发展，向 Robotaxi 商业化的第一阶段迈进。例如，美国以 Waymo 为首，已成功进行 Robotaxi 无驾驶员的商业化运营，中国萝卜快跑在武汉投入 Robotaxi(自动驾驶出租车)。在第二梯队中，各国已成功进行有主驾安全员的面向公众的 Robotaxi 商业化试运营。例如，韩国推出面向大众的配备主驾安全员的 Robotaxi 收费运营服务。在第三梯队中，各国仍处于Robotaxi测试阶段，并在努力追赶领先玩家。总体来看，中国Robotaxi 市场已处于全球领先地位。

从产业链看，自动驾驶出租车 Robotaxi 产业链包含：1）提供高精地图与定位、传感器、芯片、AI 训练、智慧道路支持的供应商；2）供给侧的自动驾驶公司、主机厂、出行服务商；3）需求侧的乘客；4）监管侧的地方政府。

国信汽车团队自 2018 年起重点研究汽车智能驾驶赛道，发布了多篇行业前瞻深度报告，本篇报告为《前瞻研究系列二十二：汽车行业中期投资策略之一-汽车智能化下的投资机遇探析》，主要就智能驾驶行业现状、特斯拉智能驾驶进展、智能化在车端的核心变化（架构、硬件、软件）、智能化的新商业模式（Robotaxi）进行系统梳理，以期为读者了解智能驾驶提供参考。

汽车智能化奇点时刻将近

核心：L3 级别是汽车自动化道路的一次跃升，相较于L0-L2 级别的人类主导驾驶、车辆只做辅助的模式，L3 开始，车辆自动驾驶系统在条件许可下可以完成所有驾驶操作（作用不亚于驾驶员）。从技术实现难度看，家庭服务机器人替代保姆（任务非线性，偏非标-实现难度更大），汽车自动驾驶替代司机（遵循交规，偏标准化-通用人工智能），智能汽车有望成为较早落地的具身智能产品，测算2025年国内自动驾驶有望超 500 亿市场空间，远期近 3000 亿空间。当前汽车智能化已经具备技术底层突破（端到端大模型上车）、爆款产品出现（问界M7/M9等）、可持续跟踪的数据（渗透率相关数据），海内外共振（海外跟踪特斯拉FSDV12版本持续迭代）。我们认为，智能驾驶空间巨大，奇点时刻渐近，技术迭代和产品渗透率有望加速。

L3 级别是汽车自动化道路的一次跃升，当前处在L2-L3进阶期

车辆自动驾驶级别主要参照 0-5 级分类。目前全球公认的汽车自动驾驶技术分级标准主要有两个，分别是由美国高速公路安全管理局（NHTSA）和国际自动机工程师学会（SAE）提出。中国于 2020 年参考 SAE 的 0-5 级的分级框架发布了中国版《汽车驾驶自动化分级》，并结合中国当前实际情况进行了部分调整，大体上也将自动驾驶分为 0-5 级。

L3 级别是汽车自动化道路的一次跃升。从法规和技术两个维度来看，L3 级别自动驾驶都是汽车自动化道路上的一大跃升。从法规来看，SAE 和中国《汽车自动化分级》规定 L0-L2 级别均是人类主导驾驶，车辆只做辅助，L0、L1 和L2之间的差异主要在于搭载的 ADAS 功能的多少，而 L3 开始，人类在驾驶操作中的作用快速下降，车辆自动驾驶系统在条件许可下可以完成所有驾驶操作（作用不亚于驾驶员），驾驶员在系统失效或者超过设计运行条件时对故障汽车进行接管；从技术来看，L0-L2 主要运用的传感器有摄像头、超声波雷达和毫米波雷达，L3及之后原有传感器配套数量上升，同时高成本的激光雷达方案难以避开，传感器之间的协同要求提升，多传感器融合算法愈发复杂，所需控制器芯片算力大幅提升。

从政策分析智能驾驶的节奏

各国政策在不断放开对自动驾驶的限制。中国方面，管理细则不断完善、北京市、上海市、广州市、深圳市等地区相继发布无人驾驶车辆道路测试与商业示范管理实施细则，允许自动驾驶汽车和自动驾驶技术公司开展商业化运营，试点规模不断扩大、地区不断放开（从北上广深拓展到北上广深重庆武汉等）商业化快速推进。2023 年11 月，工业和信息化部、公安部、住房和城乡建设部、交通运输部发布《四部委关于开展智能网联汽车准入和上路通行试点工作的通知》，在智能网联汽车道路测试与示范应用工作基础上，四部门遴选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点；对取得准入的智能网联汽车产品，在限定区域内开展上路通行试点，车辆用于运输经营的需满足交通运输主管部门运营资质和运营管理要求，本通知中智能网联汽车搭载的自动驾驶功能是指国家标准《汽车驾驶自动化分级》（GB/T40429-2021）定义的 3 级驾驶自动化（有条件自动驾驶）和4 级驾驶自动化（高度自动驾驶）功能。2024 年 1 月，工业和信息化部、公安部、自然资源部、住房和城乡建设部、交通运输部发布《关于开展智能网联汽车“车路云一体化”应用试点工作的通知》，开展智能网联汽车“车路云一体化”系统架构设计和多种场景应用，促进规模化示范应用和新型商业模式探索，大力推动智能网联汽车产业化发展。美国方面，以加州为主的地方一线城市遵循“道路测试-示范应用-示范运营-商业运营”的推进顺序，同样表现为范围扩大和地区扩张。

欧洲方面，立法快于商业化进程，英国于 2024 年 5 月批准通过了《自动驾驶法案》，此次英国新法案的核心内容之一就是确定事故发生后的责任承担问题。法案中明确表示，“如果发生事故，将由企业承担责任”。每辆获得批准的自动驾驶汽车都有相应的“已授权的自动驾驶实体”，当自动驾驶模式被激活时，该实体将为车辆安全问题负责。

智能驾驶奇点时刻将近

笔者认为每一轮新技术驱动下的景气度行情，离不开以下四要素：1）技术底层突破。复盘电动化的技术底层在三电产品，尤其是电池，当续航里程和成本达到一个相对适合量产的阶段，且产业链完备性提高，为爆款产品打造奠定基础。智能化的技术底层颠覆性创新在这一轮的人工智能水平的提升，基于谷歌 2017 年提出的《Attention Is All You Need》，2021 年以特斯拉为首的感知层算法模型 BEV+Transformer 上车且持续迭代，2023 年端到端的大模型上车。2）爆款产品出现。技术突破之后伴随成本平价，会首先出现有标志意义的爆款产品，复盘电动化的爆款产品出现在 2020 年，伴随特斯拉国产化，Model3和比亚迪汉分别是特斯拉和比亚迪的两个标志性爆款。本轮智能化爆款产品国内可能由小鹏 G6 等车型开始，后续特斯拉 FSD 如若入华，有希望成为新的智能化爆款车型。3）可持续跟踪的数据。电动化的数据较为完备（销量和渗透率）。智能化目前没有一个公认的标准L3级别渗透率数据，但是海外可以跟踪特斯拉FSD装配率数据，国内我们预计后续各家车企会逐渐常态化发布城市NGP 的测试里程、付费率以及渗透率数据。

4）海内外行情共振。电动化的海外行情先启动，特斯拉2019 年底开始伴随上海工厂建设大涨，2020 年上半年先传导到美股新势力车企，下半年开始传导到国内比亚迪和长城的行情。智能化这一轮海外行情在特斯拉，国内映射在产品端主要是小鹏汽车等。当前汽车智能化已经具备技术底层突破（端到端大模型上车）、爆款产品出现（问界 M7/M9 等）、可持续跟踪的数据（渗透率相关数据），海内外共振（海外跟踪特斯拉 FSD V12 版本持续迭代）。我们认为，智能驾驶空间巨大，奇点时刻渐近，技术迭代和产品渗透率有望加速。

电动化上半场，智能化下半场。汽车智能化和电动化相互促进：1）电动化趋势带来整车格局变化，全球整车龙头从大众/丰田或将演绎为特斯拉/新势力等，新势力车企为打造差异化产品力，会加装智能化配置“军备竞赛”。2）智能化的底层是电子电气架构变革，汽车从原来机械组件变成电子组件，终端设备用电需求增加，电动化对智能化具备底层技术正反馈（动力电池一部分电分流车内低压器件）。3）智能化算法能省电或节油，自动驾驶车辆的算法精密度提升能进行能量回收。智能化对电动化具备底层技术正反馈。电动化渗透率从 5%奇点（2020 年）起加速，破 30%（2022 年H2）开始减速，2025年估计渗透率到 55%+。电动化上半场，智能化下半场，目前智能化渗透率很低（预计高阶智能驾驶渗透率 5%以内），发展潜力大。

以特斯拉技术迭代看行业发展方向

本报告文件将分享到报告研究所知识星球，扫描下方图片中二维码即可查阅

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

欢迎加入报告研究所知识星球社群，入圈后您可以享受以下服务：