智能駕駛行業(yè)專題：算法篇AI賦能背景下看汽車智能駕駛算法的迭代

內(nèi)容目錄TOC\o"1-2"\h\z\u前言：感知-規(guī)劃-控制，算法迭代驅(qū)動高階智能駕駛落地 6數(shù)據(jù)融合和神經(jīng)網(wǎng)絡(luò)構(gòu)建智能駕駛方案底層 9特征級融合集低數(shù)據(jù)損失與低算力消耗優(yōu)勢于一體 9神經(jīng)網(wǎng)絡(luò)模型從CNN到Transformer，效率提升 13法規(guī)落地，高階智能駕駛有望加速上車 20特斯拉帶動智能駕駛行業(yè)技術(shù)進階 22技術(shù)層面：軟硬件持續(xù)迭代，大模型、端到端引領(lǐng)行業(yè) 22數(shù)據(jù)層面：構(gòu)建數(shù)據(jù)閉環(huán)，可擴展智算中心適配訓(xùn)練量提升 28用戶層面：目前整體滲透率偏低，F(xiàn)SD入華或?qū)⒓铀?29國內(nèi)公司積極布局高階智能駕駛，大模型快速推進 34特斯拉引領(lǐng)，國內(nèi)新勢力積極跟進大模型布局 34大模型助力成本下降，自動駕駛空間廣闊 35數(shù)據(jù)需求提升，部分公司布局智算中心 36大模型落地推動智能駕駛硬件變革 38變化一：感知端，系統(tǒng)重心向視覺轉(zhuǎn)移，攝像頭像素水平提升 40變化二：規(guī)劃端，數(shù)據(jù)要求提升，域控算力升級 43變化三：執(zhí)行端，線控底盤大勢所趨 44投資建議 48小鵬汽車：維持盈利預(yù)測，維持“買入”評級 49德賽西威：打造汽車計算及交互底座 49科博達：打造域控制器平臺型企業(yè) 50均勝電子：業(yè)績穩(wěn)步改善，發(fā)力智能駕駛 50華陽集團：汽車電子核心企業(yè)，打造智能座艙全生態(tài) 51伯特利：制動系統(tǒng)國內(nèi)龍頭，智能電控持續(xù)增收 51保隆科技：全球TPMS龍頭企業(yè)，智能駕駛新業(yè)務(wù)發(fā)展迅速 52重點公司盈利預(yù)測及估值 52圖表目錄圖特斯拉算法持續(xù)迭代 7圖特斯拉自動駕駛網(wǎng)絡(luò)架構(gòu) 9圖多傳感器前融合基本原理示意圖 10圖多傳感器前融合典型結(jié)構(gòu) 10圖相機和激光雷達前融合效果示意圖 11圖多傳感器后融合基本原理示意圖 11圖多傳感器后融合典型結(jié)構(gòu) 12圖多傳感器特征級融合基本原理示意圖 12圖DNN基礎(chǔ)——神經(jīng)元 13圖DNN深度神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) 13圖CNN卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 14圖CNN卷積操作示意圖 14圖池化操作示意圖 15圖全連接方式 15圖CNN卷積神經(jīng)網(wǎng)絡(luò)特點示意圖 16圖CNN不考慮特征之間的相對位置 16圖Transformer架構(gòu)核心為Attention機制 17圖Attention機制的Encoder-Decoder框架圖 17圖SelfAttention（自注意力機制）的簡略結(jié)構(gòu) 18圖SelfAttention（自注意力機制）的矩陣形式 18圖Multi-HeadAttention（多頭注意力機制）的計算過程 19圖Transformer整體結(jié)構(gòu)圖 19圖Transformer架構(gòu)在大規(guī)模的預(yù)訓(xùn)練數(shù)據(jù)下表現(xiàn)良好 20圖特斯拉智能駕駛軟件發(fā)展 22圖多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)HydraNet 23圖特斯拉BEV+Transformer模型 24圖CVPR2022分享的OccupancyNetworks模型框架 25圖特斯拉交互搜索解決多交互場景路徑規(guī)劃 26圖分解式及端到端的智能駕駛方案 26圖Chatgpt的部分核心技術(shù)對其他行業(yè)模型同樣存在啟示作用 27圖訓(xùn)練完成后的DAVE-2可從單個前置中央攝像頭生成轉(zhuǎn)向命令 27圖參考語言類大模型，模型規(guī)模提升到一定程度后出現(xiàn)性能驟升 28圖特斯拉推進數(shù)據(jù)的自動標注 29圖特斯拉自研AI芯片D1 29圖特斯拉分地區(qū)FSD滲透率（） 30圖特斯拉北美地區(qū)分車型FSD滲透率（） 31圖特斯拉全球分車型銷量結(jié)構(gòu)（單位：輛，） 31圖特斯拉全球分區(qū)域銷量結(jié)構(gòu)（單位：輛，） 31圖特斯拉北美區(qū)一次性買斷價格持續(xù)增長（單位：美元） 32圖亞太地區(qū)FSD開通率極低（2022年Q3） 33圖中國乘用車含城區(qū)輔助駕駛的自動駕駛市場規(guī)模 36圖自動駕駛廠商技術(shù)進步，產(chǎn)品價格下降、穩(wěn)態(tài)需求增多 36圖智能計算中心總體架構(gòu)圖 37圖2020-2025E中國乘用車ADAS攝像頭搭載量 41圖2020-2025E中國乘用車ADAS攝像頭市場規(guī)模 41圖國內(nèi)乘用車前裝行泊一體ADAS攝像頭上險份額（2021） 41圖車載攝像頭全球競爭格局（2021，單位：，億美元） 41圖4D毫米波雷達成像質(zhì)量較高 42圖自動駕駛域控市場規(guī)模（單位：億元，） 43圖乘用車智能駕駛域控制器供應(yīng)商2021-2022年份額 43圖國內(nèi)線控制動市場規(guī)模（單位：億元） 45圖國內(nèi)供應(yīng)商在乘用車線控制動市場份額提升 45圖線控轉(zhuǎn)向系統(tǒng)示意圖 46圖線控轉(zhuǎn)向規(guī)劃 46圖領(lǐng)克ZERO全自動空氣懸架系統(tǒng)部分功能 47圖2022年中國前裝空氣彈簧競爭格局 48圖2022年中國前裝空氣供給競爭格局 48表含城區(qū)輔助駕駛的自動駕駛市場規(guī)模 7表自動駕駛公司感知大模型配置情況 8表典型車型硬件配置情況 8表國內(nèi)部分公司數(shù)據(jù)融合方案 13表智能駕駛政策梳理 21表特斯拉FSDBETA逐步擴大測試范圍 33表特斯拉FSD正式發(fā)布后歷史價格及功能梳理 34表自動駕駛公司感知大模型配置情況 35表城區(qū)NOA進程 35表國內(nèi)含城區(qū)輔助駕駛的自動駕駛市場規(guī)模 36表目前汽車行業(yè)的智算中心建設(shè)情況 38表國內(nèi)特斯拉和新勢力代表性車型智能化配置 39表智能駕駛硬件價格水平 40表特斯拉和國內(nèi)新勢力等車企攝像頭數(shù)量增加 40表部分4D毫米波雷達參與玩家 42表部分國內(nèi)自動駕駛域控方案 44表部分線控制動廠商及產(chǎn)品情況 45表部分線控轉(zhuǎn)向供應(yīng)商布局情況 46表空氣懸架系統(tǒng)及零部件國內(nèi)供應(yīng)商 47表電動、智能增量零部件賽道選擇 48表重點公司盈利預(yù)測及估值 52前言：感知-規(guī)劃-控制，算法迭代驅(qū)動高階智能駕駛落地智能駕駛汽車本質(zhì)也是具身智能的產(chǎn)品之一（做極致類比相當(dāng)于一個大型輪式機器人），和服務(wù)機器人相比，智能駕駛汽車一定程度替代司機的勞動付出（家庭服務(wù)機器人替代保姆），司機的駕駛行為是較為標準化的動作，如果不考慮安全法規(guī)要求，單純從技術(shù)實現(xiàn)難度看，智能汽車有望成為較早落地的具身智能產(chǎn)品。筆者認為每一輪新技術(shù)驅(qū)動下的景氣度行情，離不開以下四要素：2017AttentionIsAllYouNeed》，2021層算法模型BEVTrasfomer2032020Model3G6FSD（銷量和滲透率有一個公認的標準L3FSDNGP海內(nèi)外行情共振。2019當(dāng)前汽車智能化已經(jīng)具備（大模型上車（G6待驗證）、可持續(xù)跟蹤的數(shù)據(jù)（暫無，預(yù)計陸續(xù)發(fā)布），海內(nèi)外共振（海外跟蹤特斯拉進展）。我們認為，智能駕駛空間巨大，奇點時刻漸近，技術(shù)迭代和產(chǎn)品滲透率有望加速。可替代的勞動力空間巨大:1000（4000（ADS2.072006-810（FSD1.5），無人駕駛所節(jié)省的勞動力成本可以覆蓋當(dāng)前國內(nèi)外高階自動駕14100滲透之后所節(jié)省的全球汽車駕駛員勞動力的市場空間有望過十萬（年化。2025510我們測2023年車主購買帶有城區(qū)輔助駕駛功能的車預(yù)計占我國乘用車市場整體的0.4，假設(shè)單車買斷價3.6萬元，市場規(guī)模約32億元；至2025年，在小鵬、理想、問界、蔚來、特斯拉等車企發(fā)力下，國內(nèi)帶有城區(qū)輔助駕駛的自動駕駛滲透率預(yù)計到6，市場規(guī)模約510億元；到遠期假設(shè)我國80乘用車搭載城區(qū)輔助駕駛功能，其中60車主愿意支付2萬元買斷費用，我國乘用車自動駕駛市場規(guī)模預(yù)計達2880億元。2023E2025E遠期2023E2025E遠期車型G6、G9、P7i；小鵬、理想、問界、蔚來、特斯拉等絕大部分乘用車企預(yù)計車型銷量（萬輛）17.73002400乘用車總銷量（萬輛）2391.824303000帶城區(qū)輔助駕駛車型滲透率11280付費率505060自動駕駛滲透率0.4648.0智駕價格（元/買斷價）360003400020000市場規(guī)模（億元）31.865102880問界M5等 資料來源：搜狐汽車、（注：小鵬僅max版標配城區(qū)NGP系統(tǒng)，銷量預(yù)測全部車型）FSD算法持續(xù)升級（2021BEV+Transformer—2022OccupancyNetwork—20232016開始自研自動駕駛軟件算法，2019HydraNetIsAllYouNeed》TransformerBEV+TransformerOccupancynetwork3D2023圖1：特斯拉算法持續(xù)迭代資料來源：懂車帝、汽車之心、路咖汽車、技術(shù)鄰，造車新勢力跟隨特斯拉方案，智能駕駛算法迭代，驅(qū)動高階智能駕駛落地。特斯BEV大模型后，國內(nèi)車企及供應(yīng)商積極跟隨，小鵬/4想今年6月推出BE+Trnsfrme+NP+TINOANOP+BEV+占用柵格技術(shù)，71表2：自動駕駛公司感知大模型配置情況公司 自動駕駛 模型 上車情況 算力芯片 云端數(shù)據(jù)中心集群算力 自動駕駛訓(xùn)練里程公司 自動駕駛 模型 上車情況 算力芯片 云端數(shù)據(jù)中心集群算力 自動駕駛訓(xùn)練里程價格21年6月披露正搭建1.8

FSDBETA行駛里程特斯拉 FSD BEV+TransformerModel3&

自研FSD

exaflops算力訓(xùn)練機群，同年數(shù)據(jù)超過1.5億英15000美元（鳥瞰圖）X

ModelY

10里（23Q1）司算力總規(guī)模達100ExaFlops

（一次性購買）XPILOT版39.99萬小鵬汽車XNGPADMAX

高精地圖智駕）G9等 NIVIDOrin-X*2 600PFLOPS /BEV+Transformer+入交9等 D-2 PPS 超6公叉路口和信號燈調(diào)整網(wǎng)絡(luò)）

元；XNGP版-41.99ADPro-35.98Max-39.98萬元蔚來 NAD/nop+ BEV（7月開始）ET5等 NIVIDOrin-X*4 / / 680元/月華為汽車ADS2.0

BEV+Transformer問界M5、+GOD網(wǎng)絡(luò)（占用阿維塔11 單板的MDC610 / /空間網(wǎng)絡(luò)）

一次性購買36000元，包年7200元，包月720元Hpilot3.0BEV+Transformer

- - 4000萬公里 17000元百度 ApolloANP3.0

+DriveGptBEV知+文心大模型

DHT-PHEV集度ROBO-01NIVIDOrin-X*2 200PFLOPS（昆侖芯 / /(鹽城)智算中心）環(huán)視感知算法

AION

具備對各類主流芯片

4910PFLOPS商湯 絕影領(lǐng)航

BEVFormer

PlusS1等 配性與可移植性 3740PFLOPS)

/ S資料來源：汽車之家、CSDN、騰訊網(wǎng)、搜狐網(wǎng)，大模型上車強化視覺算法弱化成像雷達，有望實現(xiàn)感知硬件整體降本。硬件上，120G6Max311212523表3：典型車型硬件配置情況攝像頭毫米波雷達超聲波雷達激光雷達自動駕駛域控總成本攝像頭毫米波雷達超聲波雷達激光雷達自動駕駛域控總成本特斯拉8*120萬像素////（自研中央+左車身+右車身三域架構(gòu)）約1萬元

12*攝像頭（前視5*毫米波 12*超聲波 2*激光雷達 / 約3萬雙目800萬像素）資料來源：汽車之家，大模型推動智能駕駛硬件變革。感知端，系統(tǒng)重心向視覺轉(zhuǎn)移，攝像頭像素水平提升（500w800w），同時從成本及供應(yīng)鏈安全趨勢下，光傳輸取代電傳輸是未來方向。規(guī)劃端，數(shù)據(jù)和算法要求提升，自動駕駛（100tops1000tops）；2018數(shù)據(jù)融合和神經(jīng)網(wǎng)絡(luò)構(gòu)建智能駕駛方案底層Inputbackboneneckhead3DHydraNetinputbackbone神經(jīng)網(wǎng)絡(luò)架構(gòu)neckheads，完成后續(xù)任務(wù)。整個算法的核心在于特征提取及數(shù)據(jù)融合，高效的數(shù)據(jù)處理和有效的感知圖層構(gòu)建是自動駕駛落地的基礎(chǔ)。特斯拉以視覺圖像數(shù)據(jù)為主，其他車企也會選擇將毫米波雷達、超聲波雷達、激光雷達等多傳感器數(shù)據(jù)加以綜合，并在特征提取、識別、融合、決策等數(shù)據(jù)處理順序上存在差異，以此可以將數(shù)據(jù)融合分為前融合、后融合、特征級融合三種模式。圖2：特斯拉自動駕駛網(wǎng)絡(luò)架構(gòu)資料來源：特斯拉，特征級融合集低數(shù)據(jù)損失與低算力消耗優(yōu)勢于一體前融合：傳感器數(shù)據(jù)融合，計算量大，目前業(yè)內(nèi)應(yīng)用并不多。前融合，也稱為數(shù)據(jù)級融合，指的是將傳感器的觀測數(shù)據(jù)融合，然后再從融合數(shù)據(jù)中提取特征向量進行判斷識別。其特點在于只有一個感知的算法，對融合后的多維綜合數(shù)據(jù)進行感知。圖3：多傳感器前融合基本原理示意圖資料來源：CSDN，圖4：多傳感器前融合典型結(jié)構(gòu)資料來源：CSDN，前融合的優(yōu)勢是不存在數(shù)據(jù)丟失的問題，得到的結(jié)果也較為準確，前融合屬于底層數(shù)據(jù)融合。將多個傳感器的原始觀測數(shù)據(jù)(rawdata)直接進行融合，比如把激光雷達的點云數(shù)據(jù)和攝像頭的像素級數(shù)據(jù)進行融合，數(shù)據(jù)的損失比較少；其挑戰(zhàn)要在于計算量大，對算力和融合策略要求較高2D3D圖5：相機和激光雷達前融合效果示意圖資料來源：智駕最前沿，后融合：各傳感器輸出結(jié)果在決策層融合，為智能駕駛早期階段主流方案。后融合，也稱為目標級融合、決策級融合，指的是每個傳感器各自獨立處理生成的目標數(shù)據(jù)，每個傳感器都有自己獨立的感知算法，比如視覺感知算法、激光雷后融合的優(yōu)勢1）不同的傳感器都獨立進行目標識別，解耦性好，且各傳感100TOPS以內(nèi)，前融合卻需要500-1000TOPS算力。后融合的缺點在于在后融合策略下，低置信度信息會被過濾掉，原始數(shù)據(jù)丟失。圖6：多傳感器后融合基本原理示意圖資料來源：CSDN，圖7：多傳感器后融合典型結(jié)構(gòu)資料來源：CSDN，特征級融合：相比后融合數(shù)據(jù)損失少，相比前融合算力消耗少，在BEV特征級融合，也稱為中間層次級融合，指的是先將各個傳感器通過神經(jīng)網(wǎng)絡(luò)模型提取中間層特征（即有效特征），再對多種傳感器的有效特征進行融合，從而更有可能得到最佳推理。特征級融合的好處在于，相較于后融合，數(shù)據(jù)損失少、準300-400TOPS。圖8：多傳感器特征級融合基本原理示意圖資料來源：CSDN，前融合算法算力要求高、目前更多流行于學(xué)術(shù)界，后融合算法會產(chǎn)生嚴重的原始數(shù)據(jù)丟失問題，特征級融合算法兼具數(shù)據(jù)損失少、算力消耗少的兩大優(yōu)勢，被提出后廣泛應(yīng)用于車企及供應(yīng)商中；特斯拉采用純視覺方案通過特征級融合實現(xiàn)算力和推理結(jié)果的最佳權(quán)衡。國內(nèi)小鵬、理想、華為等同樣選擇特征級融合方案，差異在于國內(nèi)車企普遍采用雷達、攝像頭等多種類傳感器配置，特征級融合還是基于視覺傳感器數(shù)據(jù)，理想等公司另外提出將傳感器的特征級融合結(jié)果和激光雷達數(shù)據(jù)再次進行前融合來增強整體感知效果。融合方案 公司類別傳感器配置融合方案 公司類別傳感器配置大模型情況元戎啟行Roadstar供應(yīng)商供應(yīng)商攝像頭、毫米波雷達、激光雷達攝像頭、毫米波雷達、激光雷達//前融合

斯拉 企像（分區(qū)分型毫波達V絡(luò)smray絡(luò)小鵬 車企 攝像頭、毫米波雷達、激光雷達 BEV網(wǎng)絡(luò)、Transformer理想（BEV特征級+激光雷達前融合） 車企 攝像頭、毫米波雷達、激光雷達 BEV網(wǎng)絡(luò)TransformerOccupancy網(wǎng)絡(luò)后融合 百度（2019年ApolloLite） 供應(yīng)商 攝像頭 /其他 上汽飛（做前融合+后融合綜合對比）車企 攝像頭、4D毫米波雷達、激光雷達 BEV模型資料來源：汽車之家、各公司官網(wǎng)、太平洋汽車、焉知汽車、九章智駕，自動駕駛的感知層在輸入攝像頭等原始數(shù)據(jù)后，其處理包括融合、特征提取、識別、決策幾個步驟，車企根據(jù)自身的傳感器配置選擇數(shù)據(jù)融合方案，并選擇不同的神經(jīng)網(wǎng)絡(luò)做圖像的特征提取、數(shù)據(jù)融合等處理過程，根據(jù)內(nèi)部結(jié)構(gòu)的不同，神DNN、CNN、RNN、Transformer不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)會在處理過程中提供不同的助力效果。神經(jīng)網(wǎng)絡(luò)模型從CNN到Transformer，效率提升DNN(深度神經(jīng)網(wǎng)絡(luò))：全連接神經(jīng)網(wǎng)絡(luò)，存在效率低下等問題DNNnDNN（深度神經(jīng)網(wǎng)絡(luò)），隱藏層是輸入層和輸出層之間DNN深度神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)可有效解決以上問題。圖基礎(chǔ)——神經(jīng)元 圖深度神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)資料來源：CSDN， 資料來源：CSN，CNN卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionNeuralNetwork,CNN）是一種前饋神經(jīng)網(wǎng)絡(luò)，其本質(zhì)是一個多層感知機，CNN圖11：CNN卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖資料來源：盧金波,《基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢測方法研究》[D].西安理工大學(xué),2022，CNN分類圖像，一般需要卷積操作、池化操作、全連接操作來進行預(yù)測識別。卷積層：卷積層的主要作用是對輸入圖像或者特征圖進行特征提取。卷積核圖12：CNN卷積操作示意圖資料來源：盧金波,《基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢測方法研究》[D].西安理工大學(xué),2022，池化層：池化層作用是在保留重要特征的情況下，降低數(shù)據(jù)處理維度。池化層主要操作是通過對上一層輸出特征圖進行采樣操作。一般的采樣方式有三種：最大池化、平均池化和混合池化。圖13：池化操作示意圖資料來源：盧金波,《基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢測方法研究》[D].西安理工大學(xué),2022，可以為輸出結(jié)果的概率。如下圖所示，輸入數(shù)據(jù)是大小為4x4的矩陣,b1b2、...,bn為隱藏層神經(jīng)元,a1、a2圖14：全連接方式資料來源：盧金波,《基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢測方法研究》[D].西安理工大學(xué),2022，DNNCNN卷積運算使用卷積核通過滑動窗口將輸入特征映射連接到神經(jīng)元中，與全連接相比，該方法有效對于局部連接處理輸入特征圖的整個過程中，所使用的卷積核為同一個卷積核，因此計算所需要的權(quán)重矩陣為同一個，即權(quán)值共享。資料來源：盧金波,《基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢測方法研究》[D].西安理工大學(xué),2022，CNNCNN局部結(jié)構(gòu)的特點。其缺陷在于一方面，CNN僅關(guān)注于檢測某些特征，而不考慮它們之間的相對位置；另一份，池化層會將局部特征壓縮為單一的值，這些值無法完全代表原始特征的信息，導(dǎo)致可能丟失一些有價值的特征信息。圖16：CNN不考慮特征之間的相對位置資料來源：新浪網(wǎng)，Transformer：在并行計算、保留位置信息、捕捉遠距離特征等方面表現(xiàn)優(yōu)異Transformer（AttentionMechanism）的神經(jīng)網(wǎng)絡(luò)模型，2017AttentionisAllYouNeedRNNCNN且解決遠距離特征依賴問題。因此，TransformerAttentionAttention圖17：Transformer架構(gòu)核心為Attention機制資料來源：麥巖智能機器人，EncoderSourceX1、X2、X3、X4DecoderSourceCiiYi。圖18：Attention機制的Encoder-Decoder框架圖資料來源：CSDN，AttentionTargetSourceAttention（自注意力機制）AttentionAttention，aSelfAttention（自注意力機制）bba1ab。圖19：SelfAttention（自注意力機制）的簡略結(jié)構(gòu)資料來源：CSDN，SelfAttention（自注意力機制的矩陣形式如下圖，具體計算過程為：1）4a4a1WQ、K、Vquery,keyvalue；2）利QKattentionAsoftmaxAV，aself-attentionbO。圖20：SelfAttention（自注意力機制）的矩陣形式資料來源：CSDN，（注：1、I是輸入序列組成的矩陣，O是經(jīng)過自注意力機制處理后的輸出序列組成的矩陣；2、Q：query表示要去查詢的矩陣；K：key,表示等著被查的矩陣；V：value，表示實際的特征值）Multi-HeadAttention（多頭注意力機制self-attentionZZW，得到Z。Multi-HeadAttention（多頭注意力機制）的思想類似于卷積神經(jīng)網(wǎng)絡(luò)中的filter，可以從不同的角度提取圖像的特征，從而得到多個特征表達。圖21：Multi-HeadAttention（多頭注意力機制）的計算過程資料來源：CSDN，TransformerEncoder-Decoder并行計算：Transformer3）遠距離特征：自注意力機制允許模型為序列中的每個位置分配不同的權(quán)重，以便模型可以更好捕捉序列中的關(guān)系，可捕獲遠距離特征。圖22：Transformer整體結(jié)構(gòu)圖資料來源：CSDN，CNNTransformerTransformerCNN構(gòu)優(yōu)點，TransformerCNNCNNTransformerAI圖23：Transformer架構(gòu)在大規(guī)模的預(yù)訓(xùn)練數(shù)據(jù)下表現(xiàn)良好資料來源：DosovitskiyA,BeyerL,KolesnikovA,etal.Animageisworth16x16words:Transformersforimagerecognitionatscale[J].arXivpreprintarXiv:2010.11929,2020.，法規(guī)落地，高階智能駕駛有望加速上車各國政策在不斷放開對自動駕駛的限制。智能駕駛技術(shù)發(fā)展走在政策法規(guī)限制之前，高階智能駕駛技術(shù)持續(xù)進階，然而事故權(quán)責(zé)認定、準入條件等領(lǐng)域立法空白20227L32023621日，工信部在國務(wù)院政策例行吹風(fēng)會上透露，將啟動智能網(wǎng)聯(lián)汽車準入和上路通行試點，組織開展城市級“車路云一體化”示范應(yīng)用，支持有條件的智能駕駛，這里L(fēng)320223FSD國家時間 部門 法規(guī)或政策名稱 具體內(nèi)容國家時間 部門 法規(guī)或政策名稱 具體內(nèi)容中國2020.2.24國家發(fā)改委、科《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》提出到2025年，中國標準智能汽車的技術(shù)創(chuàng)新、產(chǎn)業(yè)生態(tài)、基礎(chǔ)設(shè)施、法規(guī)標準、技部、工信部等11個部門

產(chǎn)品監(jiān)管和網(wǎng)絡(luò)安全體系基本形成。同時，實現(xiàn)有條件智能駕駛的智能汽車達到規(guī)模化生產(chǎn)，實現(xiàn)高度智能駕駛的智能汽車在特定環(huán)境下市場化應(yīng)用。中國2020.11 國家智能網(wǎng)聯(lián)汽《智能網(wǎng)聯(lián)汽車技術(shù)路線圖在2025年L2級和L3級新車要達到50，到2030年要超過70。車創(chuàng)新中心 2.0》中國2022.3.7工業(yè)和信息化部《車聯(lián)網(wǎng)網(wǎng)絡(luò)安全和數(shù)據(jù)安提出到2023年底，初步構(gòu)建起車聯(lián)網(wǎng)網(wǎng)絡(luò)安全和數(shù)據(jù)安全標準體系。重點研究基礎(chǔ)辦公廳

共性、終端與設(shè)施網(wǎng)絡(luò)安全、網(wǎng)聯(lián)通信安全、數(shù)據(jù)安全、應(yīng)用服務(wù)安全、安全保障502025100中國2022.4.15工業(yè)和信息化部《關(guān)于開展汽車軟件在線升獲得道路機動車輛生產(chǎn)準入許可的汽車整車生產(chǎn)企業(yè)（以下簡稱“企業(yè)”）及其生級備案的通知》

OTA（以下簡稱“產(chǎn)品”）OTA中國2022.7 深圳市第七屆人《深圳經(jīng)濟特區(qū)智能網(wǎng)聯(lián)汽有條件智能駕駛和高度智能駕駛的智能網(wǎng)聯(lián)汽車，應(yīng)當(dāng)具有人工駕駛模式和相應(yīng)裝深圳 民代表大會常務(wù)車管理條例委員會

置，并配備駕駛?cè)?；無駕駛?cè)说耐耆悄荞{駛智能網(wǎng)聯(lián)汽車只能在市公安機關(guān)交通管理部門劃定的區(qū)域、路段行駛；有駕駛?cè)说闹悄芫W(wǎng)聯(lián)汽車發(fā)生道路交通安全違法情形的，由公安機關(guān)交通管理部門依法對駕駛?cè)诉M行處理；完全智能駕駛的智能網(wǎng)聯(lián)汽車在無駕駛?cè)似陂g發(fā)生道路交通安全違法情形的，由公安機關(guān)交通管理部門依法對車輛所有人、管理人進行處理等。中國2022.8.2自然資源部辦公《關(guān)于做好智能網(wǎng)聯(lián)汽車高為貫徹落實《國務(wù)院關(guān)于開展?fàn)I商環(huán)境創(chuàng)新試點工作的意見》要求，積極推進“在廳 精度地圖應(yīng)用試點有關(guān)工作確保安全的前提下試行高精度地圖面向智能網(wǎng)聯(lián)汽車使用”創(chuàng)新試點任務(wù)，自然資的通知》

源部辦公廳印發(fā)了該《通知》，并對試點工作提出了要求?！锻ㄖ分赋觯圏c城市所在地省級自然資源主管部門要高度重視試點工作，按照國務(wù)院部署要求和國家中國2022.8.8交通運輸部 《智能駕駛汽車運輸安全服服務(wù)指南提到，從事運輸經(jīng)營的智能駕駛汽車應(yīng)當(dāng)具備車輛運行狀態(tài)記錄、存儲和務(wù)指南（試行）》（征求意傳輸功能，向運輸經(jīng)營者和屬地交通運輸主管部門及時傳輸相關(guān)信息。在車輛發(fā)生見稿）

9030中國2022.9.14交通運輸部 《第一批智能交通先導(dǎo)應(yīng)用為落實《“十四五”交通領(lǐng)域科技創(chuàng)新規(guī)劃》相關(guān)任務(wù)，經(jīng)自主申報、相關(guān)單位推試點項目（智能駕駛和智能薦和專家評審，交通運輸部同意將“北京城市出行服務(wù)與物流智能駕駛先導(dǎo)應(yīng)用試航運方向）的通知》 點”等18個項目作為第一批智能交通先導(dǎo)應(yīng)用試點項目。中國2022.11.2工業(yè)和信息化部《關(guān)于開展智能網(wǎng)聯(lián)汽車準符合條件的道路機動車輛生產(chǎn)企業(yè)和具備量產(chǎn)條件的搭載智能駕駛功能的智能網(wǎng)聯(lián)入和上路通行試點工作的通汽車產(chǎn)品，開展準入試點。按照此次試點的申請文件描述，首先，僅面向B端的具知（征求意見稿）》

備獨立法人資格，具備一定能力要求的試點使用主體；同時，要求聯(lián)合體（試點汽車生產(chǎn)企業(yè)、試點使用主體）給出智能駕駛功能產(chǎn)品未來3年推廣計劃。中國2023.2.27中共中央、國務(wù)《數(shù)字中國建設(shè)整體布局規(guī)做強做優(yōu)做大數(shù)字經(jīng)濟。培育壯大數(shù)字經(jīng)濟核心產(chǎn)業(yè)，研究制定推動數(shù)字產(chǎn)業(yè)高質(zhì)院 劃》

量發(fā)展的措施，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群。推動數(shù)字技術(shù)和實體經(jīng)濟深度融合，在農(nóng)業(yè)、工業(yè)、金融、教育、醫(yī)療、交通、能源等重點領(lǐng)域，加快數(shù)字技術(shù)創(chuàng)新應(yīng)用。中國2023.3.28工信部 《國家汽車芯片標準體系建到2025年，制定30項以上汽車芯片重點標準，涵蓋環(huán)境及可靠性、電磁兼容、功設(shè)指南（2023版）》（征求能安全及信息安全等通用要求，控制芯片、計算芯片、存儲芯片、功率芯片及通信意見稿）

芯片等重點產(chǎn)品與應(yīng)用技術(shù)要求，以及整車及關(guān)鍵系統(tǒng)匹配試驗方法，以引導(dǎo)和規(guī)203070中國2023.3.7自然資源部 《智能汽車基礎(chǔ)地圖標準體到2025年，初步構(gòu)建能夠支撐汽車駕駛自動化應(yīng)用的智能汽車基礎(chǔ)地圖標準體系。系建設(shè)指南（2023）

10中國2023.5.5工業(yè)和信息化部《汽車整車信息安全技術(shù)要規(guī)定汽車信息安全管理體系要求、車輛信息安全一般要求、車輛信息安全技術(shù)要求、求》&《智能網(wǎng)聯(lián)汽車智能審核評估及測試驗證方法、智能網(wǎng)聯(lián)汽車智能駕駛數(shù)據(jù)記錄等。駕駛數(shù)據(jù)記錄系統(tǒng)》等中國2023.6.21工信部 國務(wù)院政策例行吹風(fēng)會 將啟動智能網(wǎng)聯(lián)汽車準入和上路通行試點，組織開展城市級“車路云一體化”示范應(yīng)用，支持有條件的智能駕駛，這里面講的是L3級，及更高級別的智能駕駛功能商業(yè)化應(yīng)用。中國2023.7.26工信部、國家標《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標準體系明確建設(shè)重點方向包括信息感知融合、自動駕駛、功能安全等多環(huán)節(jié)。其中自動駕準化管理委員會建設(shè)指南（智能網(wǎng)聯(lián)汽車）駛標準是指3-5級駕駛自動化功能，主要包括功能規(guī)范、試驗方法和關(guān)鍵系統(tǒng)等。（2023版）》

功能規(guī)范標準以高速公路、城市道路等不同應(yīng)用場景為基礎(chǔ)，綜合考慮自動駕駛功能級別和相應(yīng)設(shè)計運行條件，提出相應(yīng)場景下的技術(shù)要求及評價方法和指標美國2022.3.10全管理局 乘員安全保護標準；智能駕駛汽車必須提供與人類駕駛車輛同等水平的乘員保護。美國2023.3.1美國智能駕駛汽發(fā)布政策框架，概述聯(lián)邦智政策框架提出了對美國國會和交通部的幾項建議，以指導(dǎo)聯(lián)邦采取相應(yīng)行動，并推車行業(yè)協(xié)會 能駕駛汽車立法和監(jiān)管的關(guān)動智能駕駛汽車在美國的部署和商業(yè)化該協(xié)會的成員包括AuroraCruise福特、鍵優(yōu)先事項。 大眾、Waymo和Zoox。資料來源：各國政府官網(wǎng)、特斯拉帶動智能駕駛行業(yè)技術(shù)進階FSD算法持續(xù)升級（2021BEV+Transformer—2022OccupancyNetwork—2023），引領(lǐng)行業(yè)發(fā)展。智能駕駛方案存BEVTransformer、Occupancynetwork2023FSDV12技術(shù)層面：軟硬件持續(xù)迭代，大模型、端到端引領(lǐng)行業(yè)201410-20167MobileyeHardware1.011MobileyeEyeQ3Mobileye黑盒模式。至201610月，特斯拉開始自研軟硬件系統(tǒng)，發(fā)布第二代硬件Hardware8+121英偉達TegraParkerMobileyeEyeQ30.256TOPSNIVIDTegraParker1TOPSmobileye2D201610HW2.020171TeslaHW2.0AEBAutopilot2019年-20215Hardware3.02FSDBEV+Transformer+Occupancynetwork202152023Hardware4.0，智能駕駛技術(shù)路線進入新時代。圖24：特斯拉智能駕駛軟件發(fā)展資料來源：wind、路咖汽車、百家號、懂車帝、汽車之心、技術(shù)鄰，2016-2019年，起步智能駕駛?cè)珬Ｗ匝?0162016Mobileye201610TegraParkermobileyeHW1.07（8+121）；軟2DInput→backbone→neck→head→Outputhead2018-2019HydraNetinputregnetHydraNetheadhead圖25：多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)HydraNet資料來源：特斯拉，2019-2022年，傳統(tǒng)分解式模型，感知+規(guī)控創(chuàng)新引領(lǐng)行業(yè)技術(shù)發(fā)展2019采用傳統(tǒng)分解式方案，2021BEV+Transformer2022Occupancynetwork，通過感知算法處理傳感器數(shù)據(jù)，然后將處理結(jié)果送入規(guī)劃控制模型得出交互博弈的動態(tài)最優(yōu)解。特斯拉在感知、規(guī)控兩處模型創(chuàng)新性設(shè)計引領(lǐng)行業(yè)發(fā)展。感知層，BEV+Transformer+OccupancyNetworks3D為構(gòu)建三維向量空間，大部分車企使用激光雷達方案來獲取深度信息，并與視覺感知進行融合，馬斯克堅持第一性原理，將事物拆解回本質(zhì)，使用更接近于人類駕駛員的純視覺方案，通過多個攝像頭數(shù)據(jù)實現(xiàn)智能駕駛，感知層是特斯拉與眾多使用雷達的智能駕駛方案最大不同，也是特斯拉算法最顯著的創(chuàng)新。純視覺方案首先需要解決多攝像頭數(shù)據(jù)融合問題。1）先對各攝像頭數(shù)據(jù)進行處理后融合；2）直接將多攝像頭數(shù)據(jù)整合后做特征提取等任務(wù)；3）先對多個攝像頭進行特征提取，然后對有效特征加以融合。特斯拉選擇第三種，并進一步引入BEV+TransformerOccupancynetwork3D其中，BEV（Bird’sEyeView）的簡稱，也被稱為上帝視角，是將多傳感器圖像數(shù)據(jù)統(tǒng)一成用于描述感知世界的俯視視角，特斯拉先通過HydraNetBEVTransformer圖26：特斯拉BEV+Transformer模型資料來源：特斯拉，OccupancyNetworks負責(zé)3D空間占用檢測OccupancyNetworksBiFPNCNNbackbone3DSpatialQuery2DOccupancyFeaturesBEVFeatures。隨后對不同時間及空間下的圖像特征進一步融合，以此獲得帶有時序信息的4DOccupancyOccupancy3D圖27：CVPR2022分享的OccupancyNetworks模型框架資料來源：特斯拉，規(guī)控層，融入神經(jīng)網(wǎng)絡(luò)加速路徑規(guī)劃特斯拉規(guī)控方案兼顧算法安全及算法耗時兩方面。智能駕駛規(guī)控的核心目標是實現(xiàn)出發(fā)地到目的地間平衡最佳安全性、舒適性、駕乘時間和體驗的路線，并驅(qū)使車輛順利到達。其中在存在標識復(fù)雜路口或者眾多交通參與者互動等場景，實現(xiàn)高效路徑規(guī)劃是核心。傳統(tǒng)思路為盡量減少與其他交通參與者互動、做聯(lián)合多物交互搜索方案BEV+Transformer通過接收到的vectorspace考當(dāng)人類駕駛員操控車輛，而系統(tǒng)后臺規(guī)劃決策與人類駕駛員行為不一致時，該場景特征（其他交通參與者博弈行為），并和神經(jīng)網(wǎng)絡(luò)結(jié)合，一方面保留約束規(guī)則保證規(guī)控層的安全、穩(wěn)定；另一方面通過神經(jīng)網(wǎng)絡(luò)為模型加速。圖28：特斯拉交互搜索解決多交互場景路徑規(guī)劃資料來源：TeslaAIDay、網(wǎng)易，2023年之后，智能駕駛進入端到端AI新時代AI圖29：分解式及端到端的智能駕駛方案資料來源：許宏鑫,吳志周,梁韻逸.基于強化學(xué)習(xí)的智能駕駛汽車路徑規(guī)劃方法研究綜述[J/OL].計算機應(yīng)用研究:1-8[2023-07-05].，AIChatGpt，從輸入人類語言直接輸出所需要的人類語言，不需要經(jīng)過其他的模型做進一步的openaiTransformer模型的端到端生成式對話系統(tǒng)，創(chuàng)新性使用基于人類反饋數(shù)據(jù)的系統(tǒng)進行模型訓(xùn)練，具體而言是將系統(tǒng)輸出的預(yù)測結(jié)果與真實結(jié)果之間形成的誤差反向傳播到模型中重新訓(xùn)練，調(diào)整權(quán)重和參數(shù)直至模型收斂（模型結(jié)果穩(wěn)定，不會因為小的失誤產(chǎn)生大波動）或者達到預(yù)期。Chatgpt圖30：Chatgpt的部分核心技術(shù)對其他行業(yè)模型同樣存在啟示作用資料來源：毫末智行官微、Wu,Pengetal.”PolicyPre-trainingforAutonomousDrivingviaSelf-supervisedGeometricModeling.”InternationalConferenceonLearningRepresentations(2023).，1988ALVINN0.5m/s4002016DAVE-2ALVINN路、普通公路以及晴天、多云和雨天等多種情況下運行，路測數(shù)據(jù)顯示98時間為智能駕駛。圖31：訓(xùn)練完成后的DAVE-2可從單個前置中央攝像頭生成轉(zhuǎn)向命令資料來源：BojarskiM,DelTestaD,DworakowskiD,etal.Endtoendlearningforself-drivingcars[J].arXivpreprintarXiv:1604.07316,2016.，2023FSDV12AIFSDV12AIFSD1）V2XBEVTransformer案存在難以識別沒有經(jīng)過訓(xùn)練的場景問題，即模型難以泛化，而特斯拉引入了Occupancynetwork2D3D51000斯拉官網(wǎng)，特斯拉用于優(yōu)化系統(tǒng)的autopilot行駛里程數(shù)據(jù)已經(jīng)超過90億英里。圖32：參考語言類大模型，模型規(guī)模提升到一定程度后出現(xiàn)性能驟升資料來源：WeiJ,TayY,BommasaniR,etal.Emergentabilitiesoflargelanguagemodels[J].arXivpreprintarXiv:2206.07682,2022.，數(shù)據(jù)層面：構(gòu)建數(shù)據(jù)閉環(huán)，可擴展智算中心適配訓(xùn)練量提升數(shù)據(jù)閉環(huán)是高階智能駕駛的必經(jīng)之路。大模型及端到端模型訓(xùn)練均需要大量數(shù)在數(shù)據(jù)采集層面，智能駕駛系統(tǒng)需要大量數(shù)據(jù)提供模型測試和優(yōu)化，尤其是多樣cornercase、標注深度、速度、加速度信息的數(shù)據(jù)。特斯拉基于數(shù)據(jù)（ShadowMode）cornercase人工標注是最傳統(tǒng)的數(shù)據(jù)來源，直到2018年時，特斯2D2019IMUGPSSLAMAIcornercase圖33：特斯拉推進數(shù)據(jù)的自動標注資料來源：特斯拉投資者交流日，數(shù)據(jù)中心端，可擴展性結(jié)構(gòu)適配智能駕駛模型。TransformerFSD2021AI25D19Petaflops1.1EFLOP5760NvidiaA1001.8EFLOPS2DMeshNode圖34：特斯拉自研AI芯片D1資料來源：特斯拉投資者交流日，用戶層面：目前整體滲透率偏低，F(xiàn)SD入華或?qū)⒓铀?016autopilotenhancedautopilot5000（60002016FSD30002019FSD5000enhancedautopilot（3&Y）及中國地區(qū)銷量快速FSD2019FSD2022年特斯拉FSD全球訂購率在7.4北美和歐洲地區(qū)略高在14.30和8.80，亞太地區(qū)僅為0.4。圖特斯拉分地區(qū)FSD滲透率（）資料來源：TroyTeslike，F(xiàn)SDFSD1）FSDModel3、ModelY由于不FSDTroyTeslike數(shù)據(jù)，同在北美，model3和modely的訂購率分別為5.20和13.30，而models/modelx處于44.80的高位。特斯拉2016年推出model3，2017年20233及modely銷量已經(jīng)占據(jù)整體銷量的96，公司整體產(chǎn)品銷售結(jié)構(gòu)變化帶來FSD訂購率變化。圖特斯拉北美地區(qū)分車型FSD滲透率（） 圖特斯拉全球分車型銷量結(jié)構(gòu)（單位：輛，）資料來源：TroyTeslike， 資料來源：wind，F(xiàn)SD國內(nèi)特斯拉銷2023153，F(xiàn)SD6.5AP（自適應(yīng)巡航、車道保持）+EAP(高速上自動輔助導(dǎo)航、高速上自動輔助變道、智能召喚、自動泊車)，而EAP3.2圖特斯拉全球分區(qū)域銷量結(jié)構(gòu)（單位：輛，）資料來源：Marklines，F(xiàn)SD2016FSDEAP3000400020194FSD50002023V11FSD15000NOAL2圖39：特斯拉北美區(qū)一次性買斷價格持續(xù)增長（單位：美元）資料來源：elonmasktwitter、車智、notateslaapp、汽車之家,截至2022年特斯拉FSD全球訂購率在7.4北美和歐洲地區(qū)略高在14.30和8.80亞太地區(qū)僅為0.4馬斯克提出全面智能駕駛時代今年年底即將到來。FSDFSDBETA、V12RobotaxiFSDFSD2023153萬臺但亞太地區(qū)整體FSD滲透率水平不到1，F(xiàn)SDBEV+Transformer+Occupancynetworks數(shù)據(jù)中心的存儲及訓(xùn)練：202151220219圖40：亞太地區(qū)FSD開通率極低（2022年Q3）資料來源：TroyTeslike，F(xiàn)SDBETA202010FSDBETA，首220221120235TeslascopeFSDBETAFSDBETA表6：特斯拉FSDBETA逐步擴大測試范圍開放時間 開放地區(qū) 涉及人群2020年10月 美國2022年2月 加拿

少數(shù)用戶開放測試，需要用戶主動申請并通過考核2022年11月 全北美 所有用戶，購買、申請即可用2023年5月 澳大利亞2023年5月 德國、比利

個位數(shù)用戶開放測試資料來源：智行駕道、Teslascope，F(xiàn)SDV12FSD20192020FSDBETA202211FSDBETAFSBV12BETA”，啟用端到端的自動駕駛大模型，將多年來行業(yè)通用的感知、規(guī)劃幾個模型融合成大模型，減少中間模型訓(xùn)練工作量、加速自動駕駛算法迭代、提升用戶體驗。新一代大模型落地后，F(xiàn)SD表7：特斯拉FSD正式發(fā)布后歷史價格及功能梳理時間北美區(qū)版本主要更新功能北美區(qū)售價國內(nèi)功能國內(nèi)售價2019420195FSD2019.12.1FSD2019.16.2增強型召喚輔助泊車；自動變道；哨兵模式自動輔助轉(zhuǎn)向；行程規(guī)劃50006000道保持）+EAP(高速上自2019年11月FSD2019.36.2預(yù)定出發(fā)時間；鑰匙泊車；上車前關(guān)聯(lián)日歷等信息的道7000美元路規(guī)劃2020年7月FSD2020.24.6自動駕駛交通信號燈和停車標志控制 8000美元2020年10月FSDBETA 自動變道/根據(jù)導(dǎo)航上下高速,主動避讓路上的人和車10000美元以及障礙物；城區(qū)自動轉(zhuǎn)向2022年1月FSDBETAV10.6針對交通載具優(yōu)化目標檢測網(wǎng)絡(luò)架構(gòu)，識別精度提高，12000美元新的可見性網(wǎng)絡(luò)平均相對誤差降低18.5在高曲率和1720229FSDBETAV10.6915000。。2022年11月FSDBETAV11 高速公路啟用FSDBeta；改進占用網(wǎng)絡(luò)在雨水反射等15000美元

56000動泊車)64000元（更新時間） 路況表現(xiàn)等；預(yù)計一年內(nèi) FSDV12 感知規(guī)劃幾個模型融合成端到端大模型自動駕駛系/統(tǒng)迭代加速。資料來源：elonmasktwitter、notateslaapp、汽車之家,Robotaxi2024B2C+C2CFSD馬斯克在2016Robotaxi中特斯拉會從其中抽取25~30分成的商業(yè)模式2022Robotaxi2024斯拉官方測算，Robotaxi0.18（如深圳滴滴快車每公里收費2-2.5元，折合傳統(tǒng)/0.5-0.7美元），RobotaxiRobotaxi311B2CFSDC2CFSD國內(nèi)公司積極布局高階智能駕駛，大模型快速推進高階智能駕駛將人從操作車輛中解放出來，顯著提升駕乘體驗，預(yù)期擁有極高用戶粘性，同時將車企定位從傳統(tǒng)制造業(yè)轉(zhuǎn)向科技行業(yè)，收費模式從整車交易的一錘子模式轉(zhuǎn)向持續(xù)付費，公司投資意愿較強。華為、小鵬等公司積極布局、快速推進大模型發(fā)展，帶動產(chǎn)業(yè)鏈上下游充分受益。特斯拉引領(lǐng)，國內(nèi)新勢力積極跟進大模型布局BEV+Transformer+OccupancynetworksXNet，采用多相機多幀的方式把來自每一個相機的視頻流直接注入到一個大模型深度學(xué)BEV4D（如車3D信息（如車道線和馬路邊緣的位置）2023617NOABEV1200PFLOPS6NOANOA1-2NOAADS于20201.0Trnsfrmer的BEV2.0GOD1545表8：自動駕駛公司感知大模型配置情況公司 自動駕駛 模型 上車情況 算力芯片 云端數(shù)據(jù)中心集群算力 自動駕駛訓(xùn)練里程公司 自動駕駛 模型 上車情況 算力芯片 云端數(shù)據(jù)中心集群算力 自動駕駛訓(xùn)練里程價格21年6月披露正搭建1.8

FSDBETA行駛里程特斯拉 FSD BEV+TransformerModel3&

自研FSD

exaflops1.5

15000美元（鳥瞰圖）

ModelY

Dojo，2410里（23Q1）100ExaFlops

（一次性購買）小汽車P X依賴9等 D-2 FS / OT版9元；高精地圖智駕）BEV+Transformer

XNGP版-41.99萬元ADMAX

+入交9等 D-2 PPS 超6公里 Do版8元；叉路口和信號燈調(diào)整網(wǎng)絡(luò)）

ADMax版-39.98萬元蔚來 NAD/nop+ BEV（7月開始）ET5等 NIVIDOrin-X*4 / / 680元/月華為汽車ADS2.0

BEV+Transformer問界M5、+GOD網(wǎng)絡(luò)（占用阿維塔11單板的MDC610 / /空間網(wǎng)絡(luò)）

一次性購買36000元，7200720元Hpilot3.0BEV+Transformer

- - 4000萬公里 17000元百度 ApolloANP3.0

+DriveGptBEV知+文心大模型

DHT-PHEV集度ROBO-01

NIVIDOrin-X*2 200PFLOPS（昆侖芯/ / 具備對各類主流芯4910PFLOPS商湯 絕影領(lǐng)航 環(huán)視感知算法

AIONLX

1

/ SBEVFormer

Plus、哪吒S臺適配性與可移植期為3740PFLOPS)等 性資料來源：汽車之家、CSDN、騰訊網(wǎng)、搜狐網(wǎng)，大模型助力成本下降，自動駕駛空間廣闊大模型上車強化視覺算法弱化成像雷達，有望實現(xiàn)感知硬件整體降本。大模型落NOA，會受限于高精地圖及成像雷達高成本（頭豹研究院指出高精地圖輔助智能駕駛的服務(wù)費預(yù)估每輛700-800/20-35ADS2.01激光雷達、3個毫米波雷達、1112ADS1.02FSD公司名稱城公司名稱城區(qū)NOA進程 變動前傳感器 變動后傳感器特斯拉 2020年10月，F(xiàn)SDBETA支持城區(qū)NOA（非國內(nèi)）16-21年使用3個前置攝像頭+2個側(cè)面相機+2個側(cè)面后置攝像頭+1個前置毫米波雷達+12個遠程超聲波雷達，21年后逐步取消雷達小鵬 2022年9月上線城市NGP 出口荷蘭、瑞典、丹麥和挪威上市的G9減少雷達理想 2023年6月北京、上海開放城市NOA內(nèi)測 最新申報L9Pro取消雷達蔚來 下半年開啟NAD服務(wù)中“城區(qū)NOP+服務(wù)”的上海/區(qū)域先鋒體驗問界 2023年7月開放上海、廣州、深圳、重慶、杭州5華為ADS1.0使用3個激光雷達、3個毫米波雷達、11個攝像頭組以及12個超聲城的成熟NCA 波雷達；ADS2.0減少2個激光雷達資料來源：高工智能汽車、公司官網(wǎng)、36氪、太平洋汽車、汽車之家、路咖汽車，2025510我們預(yù)計隨車企硬件方案降本及高階自動駕駛能力上車，2025年帶城區(qū)輔助駕駛功能的自動駕駛滲透率將從目前的0.4提升到6水平，按照國內(nèi)乘用車銷量2430萬輛，自動駕駛單車價值34000元買斷預(yù)估，國5102880表10：國內(nèi)含城區(qū)輔助駕駛的自動駕駛市場規(guī)模2023E 2025E 遠期2023E 2025E 遠期小鵬G6、G9、P7i；問界M5 小鵬、理想、問界、蔚來、特斯拉

絕大部分乘用車企（萬輛73002400（萬輛.824303000帶城區(qū)輔助駕駛車型11280滲透率付費率 505060自動駕駛滲透率 0.4648.0智駕價格（元/買斷）360003400020000市場規(guī)模（億元） 31.865102880資料來源：搜狐汽車、（注：小鵬僅max版標配城區(qū)NGP系統(tǒng)，銷量預(yù)測全部車型）圖中國乘用車含城區(qū)輔助駕駛的自動駕駛市場規(guī)模 圖自動駕駛廠商技術(shù)進步產(chǎn)品價格下降穩(wěn)態(tài)需求增多資料來源：搜狐汽車、（注：小鵬僅max版標配城區(qū)NGP系統(tǒng)，銷量預(yù)測全部車型）

資料來源：數(shù)據(jù)需求提升，部分公司布局智算中心當(dāng)前的智能駕駛模型普遍基于深度學(xué)習(xí)構(gòu)建，前期輸入大量數(shù)據(jù)訓(xùn)練模型，使得模型具備類似人類駕駛員的感知、規(guī)劃、執(zhí)行能力，并通過訓(xùn)練矯正其行為。同時考慮現(xiàn)實存在cornercase，智能駕駛模型上車后也需要不斷接收用戶數(shù)據(jù)或使用仿真數(shù)據(jù)對模型迭代訓(xùn)練。隨智能駕駛等級提升以及越來越多的大模型算法上車，數(shù)據(jù)計算量增大，算力要求提高，為匹配數(shù)據(jù)量增長并做好后續(xù)大規(guī)模數(shù)據(jù)訓(xùn)練準備，部分公司開始布局智算中心。根據(jù)國家信息中心定義，智算中心是智能時代面向社會全域多主體的新型公共基礎(chǔ)設(shè)施，集算力生產(chǎn)供應(yīng)、數(shù)據(jù)開放共享、智慧生態(tài)建設(shè)和產(chǎn)業(yè)創(chuàng)新聚集四大功能于一體，為有海量數(shù)據(jù)存儲、處理、分析及應(yīng)用支撐需求的各類場景提供載體聚合算力，采用最新網(wǎng)絡(luò)和存儲技術(shù)實現(xiàn)文件、對象、塊、大數(shù)據(jù)存儲服務(wù)一體化及同一架構(gòu)上不同應(yīng)用件數(shù)據(jù)融合，并在需要時將數(shù)據(jù)高效傳出；3）調(diào)度算力，基于智能駕駛系統(tǒng)對算力的需求特點，通過虛擬化、容器化等技術(shù)，CPU、GPU、FPGA、ASIC圖43：智能計算中心總體架構(gòu)圖資料來源：《智能計算中心規(guī)劃建設(shè)指南》，智算中心建設(shè)周期長，初始投資大，主機廠出于算力需求開始建設(shè)。但是高階智能駕駛模型尤其是端到端模型數(shù)據(jù)計算量巨大，部分有實力的主機廠及企業(yè)已經(jīng)110500081預(yù)計到2025年，算力規(guī)模將擴充到120億億次每秒；覆蓋包括智能網(wǎng)聯(lián)、智能駕駛、新能源安全、試制實驗等業(yè)務(wù)領(lǐng)域，提升吉利整體20研發(fā)效率。特斯拉的dojo（CPU+AICPU+GPU表11：目前汽車行業(yè)的智算中心建設(shè)情況自動駕駛自動駕駛公司雪湖.綠洲智算中心(與火山引擎聯(lián)合)2023.01 /670PFLOPS自動駕駛領(lǐng)域大模型訓(xùn)練公司分類公司名稱 智算中心 發(fā)布時間 芯片 算力 應(yīng)用領(lǐng)域2022.07開

AI

影視動畫、自動駕駛、新材淮海智算中心(與宿州市政府合作)

工，暫未建成300PFLOPS持多元芯片融合

料、生物制藥等總算力

產(chǎn)業(yè)、科研、政務(wù)、自動駕上海AIDC 2022.01 /

4910PFLOPS(目前駛等領(lǐng)域；自動駕駛方面：13740PFLOPS)

超大模型自動標注供應(yīng)商

百度智能云-昆侖芯(鹽城)智算中心 2022.05 自研昆侖芯 200PFLOPS 主要為自動駕駛?cè)溌烽_發(fā)提供支持服務(wù)為大搜索、度秘、智能云、百度陽泉智算中心 2022.12 / 4EFLOPSAtlas900AI集群2019.9基于英偉達GPU的大型超算2021.6Dojo(自研)超算中心2021.080Atlas900AI集群2019.9基于英偉達GPU的大型超算2021.6Dojo(自研)超算中心2021.08

人工智能、智能駕駛等重要業(yè)務(wù)提供服務(wù)探索宇宙奧秘、預(yù)測天氣、算力320TFLOPS

PFLOPS

勘探石油，加速自動駕駛的商用進程5760個英偉達單個1.8EFLOPS Autopilot系統(tǒng)及全自動駕算力312TFLOPS3000D11.1EFLOPS主機廠術(shù)等主機廠術(shù)等扶搖智算中心(與阿里云聯(lián)合打造)2022.08/600PFLOPS專用于自動駕駛模型訓(xùn)練星睿智算中心2023.01/810PFLOPS 智能網(wǎng)聯(lián)、智能駕駛、新能源安全、試制實驗等領(lǐng)域

駛的AI開發(fā)工作用于人工智能機器學(xué)習(xí)，幫助訓(xùn)練其自動駕駛視覺技資料來源：佐思汽研、各公司官網(wǎng)、36氪，大模型落地推動智能駕駛硬件變革大模型及高階自動駕駛落地同樣催化硬件配置變革。我們了目前特斯拉和國內(nèi)造車新勢力的代表車型智能化配置，出于硬件預(yù)埋角度，雖然目前國內(nèi)暫時無法落地高等級自動駕駛，蔚來等部分車企還是選擇配置30+顆傳感器，其中包括800萬像素攝像頭，為后續(xù)高階智能駕駛落地后OTA升級做足準備。我們認為在大模型落地及高階自動駕駛加速上車的趨勢下，越來越多的車企傳感器方案重心會向視覺傾斜，會有更多的800萬像素攝像頭上車；同時1000+TOPS的大算力域控制器數(shù)量增多，底盤端線控制動和線控轉(zhuǎn)向滲透率也將直線向上。表12：國內(nèi)特斯拉和新勢力代表性車型智能化配置車企 車型 上市時間 ADAS車企 車型 上市時間 ADAS系統(tǒng) 傳感器 智能駕駛芯片芯片總算力 主要功能

Model3 2021.12 Autopilot

前視攝像頭*3；側(cè)視攝像頭*4；視像頭內(nèi)像頭2 OS 動助道自輔導(dǎo)駕毫米波雷達超聲波雷達*12ModelY 工信Autopilot3.0前視攝像頭*4；

144TOPS 自動輔助變道、自動輔助導(dǎo)航駕駛部申報時間）ET5 2021.12 NAD

后視攝像頭*1；車內(nèi)攝像頭*1FSD*233（780043001NVIDIAOrin*41016TOPS光雷達、51233個感知硬件（包括7個800萬像素高清攝像頭、4個300萬33個感知硬件（包括7個800萬像素高清攝像頭、4個300萬蔚來ET72023.04NAD1NVIDIAOrin*41016TOPS光雷達、5個毫米波雷達、12個超聲波雷達33個車外感知硬件，包括11個

前向碰撞預(yù)警、自動緊急制動、側(cè)方ES6 2023.05 NIO

125NVIDIA個毫米波雷達、11550nmOrin-X*4光雷達攝像頭數(shù)量11（7個800萬像

1016TOPS

車道偏離預(yù)警LDW、前方碰撞預(yù)警ES8 2022.12

NIOAquilaSuper素高清攝像頭、4個300萬像素Sensing）NVIDIA

1016TOPS

FCW、后方交通預(yù)警，倒車車側(cè)預(yù)警、感系統(tǒng)

12；毫米波雷達數(shù)Orin-X*45；激光雷達數(shù)量1

DOW開門預(yù)警，高速公路導(dǎo)航駕駛、城區(qū)道路導(dǎo)航駕駛車外攝像頭*11；

NVIDIA

自動泊車APA、高速輔助駕駛、城區(qū)G9 2022.09 XPILOT4.0小鵬

超聲波雷達*12；毫米波雷Orin*2 達*5；激光雷達*2最多31個感知元件，Pro版包

輔助駕駛城市NGP智能導(dǎo)航輔助駕駛、LCC車G6 2023.07 XNGP

1212NVIDIADRIVE5MaxOrin*22

508TOPS

道居中輔助、高速自主變道、自主上下匝道ADPro/Max車外攝像頭*10；車內(nèi)攝像頭

低配：地平線征低配：

盲區(qū)監(jiān)測、360環(huán)視、自動泊車、高L7 2022.09 系統(tǒng)

*1；超聲波雷達*12；毫米波雷程5；高配：雙128TOPS；高速輔助駕駛、自動變道輔助、城區(qū)輔達*1；激光雷達*1（高配） NVIDIAOrin-X配：508TOPS助駕駛ADPro/Max車外攝像頭*10；車內(nèi)攝像頭

低配：地平線征低配：

盲區(qū)監(jiān)測、360環(huán)視、自動泊車、高理想 L8 2022.09 系統(tǒng)

*1；超聲波雷達*12；毫米波雷程5；高配：雙128TOPS；高速輔助駕駛、自動變道輔助、城區(qū)輔達*1；激光雷達*1（高配） NVIDIAOrin-X配：508TOPS助駕駛車外攝像頭*11；

盲區(qū)監(jiān)測、360環(huán)視、自動泊車、高L9 2022.06 理想ADMax系統(tǒng)超聲波雷達*12；毫米波雷Orin-X 達*1；激光雷達*1

速輔助駕駛、自動變道輔助、城區(qū)輔助駕駛高速智駕方面，可實現(xiàn)高速匝道自主匯入?yún)R出、自動超車避讓大車等功M5激光雷2023.04 ADS2.0問界 達版

車外攝像頭*11；車內(nèi)攝像頭超聲波雷達*12；毫米波雷昇騰 達*1；激光雷達*1

能。城區(qū)智駕方面，至2023年Q3季度，問界M5智駕版HUAWEIADS2.0將在15城實現(xiàn)不依賴高精地圖的落地；至Q4季度，實現(xiàn)45城不依賴高精地圖的落地。/M7 2022.07 ADS1.0 車外攝像頭*2；/超聲波雷達*12；毫米波雷達*3資料來源：九章智駕，搜狐汽車，汽車之家，公司官網(wǎng)，懂車帝，

/ 盲區(qū)監(jiān)測、360G6G6Max3112+125+23120/500萬/800100~200/300~400/400~5003D200~3003D400~5004D1500~2000L2~L42000~10000表13：智能駕駛硬件價格水平硬件品類細分品類單個價格（預(yù)計）攝像頭120500800100~200300~400400~500毫米波雷達3D角雷達3D前向雷達4D毫米波雷達200~300400~5001500~2000元激光雷達5000~6000元超聲波雷達百元內(nèi)L22000~3000元域控

5000+~10000+元資料來源：九章智駕、斗牛財經(jīng)、艾邦制造、豪恩汽電招股書、奧迪威招股書、佐思汽車研究、高工智能汽車，變化一：感知端，系統(tǒng)重心向視覺轉(zhuǎn)移，攝像頭像素水平提升視覺逐漸成為感知系統(tǒng)重心，攝像頭像素水平提升。車企攝像頭方案相對雷達優(yōu)勢顯著，一方面感知信息豐富，通過圖像數(shù)據(jù)顯示車道線、交通信號燈等多種信1956HW1.030+個傳感器配置攝像頭占比約40同時隨自動駕駛技術(shù)進階攝像頭素質(zhì)同比提升，800800L9ES88006~7目前行業(yè)普遍采用的11~125+1~31.5~210-11+34D210000表14：特斯拉和國內(nèi)新勢力等車企攝像頭數(shù)量增加公司 早期車型 傳感器配置 最新車型 傳感器配置 高像素攝像頭 高像素攝像頭供應(yīng)商2018models71雷達+12個超聲波雷達

2023年models12個攝像頭+1個4D毫米波雷達前視像素540W 疑似索尼（鏡頭是聯(lián)創(chuàng)）蔚來 2018年ES8 7個攝像頭+5個毫米波雷達+122023年ES6 11個攝像頭+12個超聲波雷達+57個800萬像素；ET58M攝像頭-聯(lián)創(chuàng)個超聲波雷達

個毫米波雷達+1

環(huán)視4個300萬小鵬 2018年小鵬G35個攝像頭+3個毫米波雷達+122023年G6 12個攝像頭+12個超聲波雷達+5前視雙目800萬G9舜宇智領(lǐng)/德賽西威個超聲波雷達125

個毫米波雷達+2個激光雷達1268M

舜宇智領(lǐng)（6個8M和理想 2019年理想ONE頭+1個毫米波雷達 2023年L9

+5個2M攝像頭+1個毫米波雷達前+環(huán)視6個800萬2M）+1個激光雷達資料來源：各公司官網(wǎng)、汽車之家、投資者交流平臺、潮電智庫，圖中國乘用車ADAS攝像頭搭載量 圖中國乘用車ADAS攝像頭市場規(guī)模資料來源：蓋世汽車， 資料來源：蓋世汽車，圖46：國內(nèi)乘用車前裝行泊一體ADAS攝像頭上險份額（2021） 圖車載攝像頭全球競爭格局（2021，單位：，億美元）資料來源：高工汽車， 資料來源：ICVTANK，4D2023自動駕駛算法發(fā)展提升圖像數(shù)據(jù)處理質(zhì)量，大模corner3D圖48：4D毫米波雷達成像質(zhì)量較高資料來源：木牛科技官網(wǎng)，4DTier1mobileye4DL7SL03、紅旗、吉利等多個品牌配套量產(chǎn)。表15：部分4D毫米波雷達參與玩家公司類型公司名稱產(chǎn)品型號 產(chǎn)品參數(shù) 技術(shù)路線主要客戶/車型芯片來傳統(tǒng)Tier1保隆科技預(yù)計2024年Q1量產(chǎn)/華域汽車 2級聯(lián)LRR30和4級2級聯(lián)最多輸出1024點4D點云追蹤64個目標級聯(lián) 友道智途等商用車NXP芯片聯(lián)LRR40

300m；430724D128350m大陸集團 ARS540 4T4R，探測250m，近距離角度FOV±60° 級聯(lián) 寶馬電動旗艦iX NXP芯片采埃孚 Premium4D成像達

12T16R，探測距離350m 級聯(lián) 上汽飛凡R7 TI芯片博世/ 最遠探測距離高達302米，水平視場角可達120度級聯(lián) /垂直視場角可達24度/安波福第一代FLR4+、第二探測290m，水平角分辨率2°，垂直分辨率達4°/ 代FLR7/方案公司Mobileye/ 2304個虛擬通道探測水平角分辨率/自研芯片垂直分辨率達2°。華為成像毫米波雷達 12T24R，角度水平分辨率為1°，垂直分辨率2°級聯(lián) //初創(chuàng)公司傲酷信號處理算法硬件檢測300米以內(nèi)任意運動的車輛及100米以內(nèi)行人級聯(lián)+虛擬孔長城的無人物流小車由海拉等伙伴提供 徑成像技術(shù)TI芯片Arbe成像毫米波雷達 檢測距離水平分辨率垂直分辨率集成超大陣列威孚高科合作供應(yīng)自研芯片2304個虛擬通道

射頻芯片組+

4D毫米波雷達縱目科技 4D角雷達和4D前向測距范圍0.1-100米、FoVH/V150°/30°、每幀/ 角雷達問界M5量產(chǎn)/探測雷達 最多點云數(shù)512、物體跟蹤數(shù)量64福瑞泰克 FVR40 小于1°的角分辨率和俯仰角分辨率，探測距離超過虛擬孔徑成像國內(nèi)多個車企定點/300米 技術(shù)復(fù)睿智行 前雷達、角雷達 前雷達探測水平角分辨率角雷級聯(lián) 國內(nèi)某主流車企 TI芯片達探測200m，水平角分辨率4.8° （23Q3量產(chǎn)）森思泰克 4級聯(lián)的STA77-8和2級聯(lián)，6T8R，探測280m，角分辨率2°；4級聯(lián)，級聯(lián) 理想L7(STA77-6)、TI芯片2

12T16R350m1°。

長安SL03（STA77-8）、紅旗、吉利等納瓦電子 NOVA77G-4D-IR 最遠探測距離可達角度分辨率可在1.6°以內(nèi)級聯(lián) / 測距精度0.1m；方位面3dB波束寬度小于1.6°，方0.1°3dB2.4°，俯0.2°賽恩領(lǐng)動 SIR-4K 最遠探測距離400米角分辨率0.5（水平）x1級聯(lián) 2024年初量產(chǎn) /度（垂直），較傳統(tǒng)毫米波雷達提升了10倍。產(chǎn)品具備192個虛擬通道，可輸出4096個點云。行易道 ALRR300 方位角度分辨率俯仰角度分辨率距離級聯(lián) / 辨率m度辨率/位度圍±45°；俯仰角度范圍±15°；探測距離300m。資料來源：九章智駕、智能車參考、公司官網(wǎng)、焉知汽車、佐思汽研、techweb，車載通信有望轉(zhuǎn)為光信號方案。更進一步，目前行業(yè)內(nèi)傳輸車內(nèi)遠距離的攝像頭信息普遍使用串行解串器方案，這部分產(chǎn)品掌握在德州儀器、美信串行器GMSL兩家手里，不利于我國車企產(chǎn)業(yè)鏈安全；未來行業(yè)趨勢是從電導(dǎo)線轉(zhuǎn)向光導(dǎo)線，光導(dǎo)線不受電磁場干擾，可以減少抗干擾配置，整車成本有望下降，同時我國企業(yè)有較強的產(chǎn)業(yè)優(yōu)勢，華為等公司已經(jīng)開始研究光信號下的車內(nèi)通信，行業(yè)有望加速發(fā)展。變化二：規(guī)劃端，數(shù)據(jù)要求提升，域控算力升級數(shù)據(jù)和算法要求提升，自動駕駛芯片算力持續(xù)提升（或從低于100tps到遠期1000tps）。一方面大模型及大型自動駕駛數(shù)據(jù)處理提出大算力需求；另一方面，高規(guī)格攝像頭等傳感器上車提供更多需要處理的數(shù)據(jù)，增加算力消耗，比如傳統(tǒng)的L1-L2級自動駕駛，配備120-200萬像素攝像頭，只需要對車道檢測等簡單功能提供算力，而800萬的高像素及L2+高階自動駕駛上車要求自動駕駛系統(tǒng)處理城區(qū)復(fù)雜路況、多交互場景的路口變道等情況，神經(jīng)網(wǎng)絡(luò)算法要求提升，域控制器算力需求進一步提升。根據(jù)36氪研究院數(shù)據(jù)，L2級以下智能駕駛算力需求僅為10+TOPS，而L3階算力需求為100+TOPS，到L5級算力需求躍升至1000+TOPS。近些年域控上車數(shù)量提升，國內(nèi)德賽西威、宏景智駕等公司占據(jù)行業(yè)出貨量第一。同時各家不斷搭載大算力域控制器，提前做超規(guī)格硬件預(yù)埋，為后續(xù)落地的高階自動駕駛功能做儲備。目前行業(yè)內(nèi)自動駕駛域控從L2+到L4級單車價格4000元+到10000+元水平。圖自動駕駛域控市場規(guī)模（單位：億元，） 圖乘用車智能駕駛域控制器供應(yīng)商2021-2022年份額資料來源：，中汽協(xié)，EVsales， 資料來源：高工汽車，表16：部分國內(nèi)自動駕駛域控方案公司名稱 產(chǎn)品型號 算力 產(chǎn)品功能 推出時間 主要客戶/車型 芯片來源德賽西威IPU01/APA自動泊車輔助系統(tǒng)和環(huán)視系統(tǒng) 2021年出貨量在百萬套級別 /IPU024-32TOPS行泊一體、記憶式泊車、條件代客泊車AVP等 2021年發(fā)布 上汽、長城、廣汽、TITDA4通用等IPU0330TOPS360度全方位感知，支持高速場景下的上下匝道、2020年量產(chǎn) 小鵬P7等 英偉達自主變道塞車路況下的自動跟車低速場景下的 自動泊車APA等IPU04110-1016TOPSL4級自動駕駛 2022年量產(chǎn) 理想L9小鵬等 英偉達Orin宏景智駕ADCU/L4級自動駕駛//英偉達XavierIDDC/APA域控/L2.5+自動駕駛/自動泊車&遠程遙控泊車//華為MDC21048TOPSL2級輔助駕駛2020年發(fā)布/自研MDC610160TOPSL3/L4級自動駕駛2020年發(fā)布賽力斯/阿維塔自研MDC810400+TOPSL3/L4級自動駕駛2021年發(fā)布賽力斯/阿維塔自研知行科技iDCMid/NoAHPA,RPA,2023年量產(chǎn)上車極氪001等單TDA4APA,SV3D等iDCHigh/下一代行泊一體2024/瑞薩V4H經(jīng)緯恒潤ADCU/L2、L3級別的自動駕駛2020年量產(chǎn)一汽紅旗E-HS9MobileyeEQ4毫末智行小魔盒3.0360-1440TOPS城市NOH等功能2022年量產(chǎn)/高通8540+9000資料來源：蓋世汽車、汽車之家、wind、同花順、搜狐網(wǎng)、電動汽車News、汽車之心，變化三：執(zhí)行端，線控底盤大勢所趨線控底盤以電信號驅(qū)動取代機械或液壓部件驅(qū)動的執(zhí)行機構(gòu)信號，核心技術(shù)包括線控轉(zhuǎn)向、線控懸架、線控制動三個部分，整體傳輸信息效率高、時間短、控制精確，有望和智能化結(jié)合完成汽車主動控制工作，是高階自動駕駛的大勢所趨。線控制動，ADAS傳統(tǒng)燃油車以發(fā)動機動力提供真空度的真空泵放大腳踩剎車器的力度，實現(xiàn)制動操作；線控制動產(chǎn)品以電控信號取代傳統(tǒng)制動系統(tǒng)的部分或全部機械部件，解決了新能源車缺少真空泵源的困境，通過電信號獲得更快的信息傳輸及相應(yīng)速度，提供更安全舒適的駕乘體驗，同時可以通過電機提供主動控制，不需要人類駕駛員踩下踏板提供機械部件動力，動操作中解放出來，是高階自動駕駛的必經(jīng)之路。根據(jù)九章智駕，博世的ibooster300-500120-150MKC130km/h6.84.1另外，線控制動系統(tǒng)可以通過電機控制器將車輪減速產(chǎn)生的制動能量轉(zhuǎn)化為電能存儲，實現(xiàn)一定的能量回收，提高車輛續(xù)航。目前隨著電動智能化提速，自動駕駛級別提升，主機廠線控制動應(yīng)用意愿增強，線控制動行業(yè)有望加速上量。根據(jù)佐思汽研數(shù)據(jù)，2019年國內(nèi)乘用車市場的線控制動裝配率為2.6，2021年為8.6。假設(shè)202530001500達到40，則線控制動市場規(guī)模約為180億元。圖國內(nèi)線控制動市場規(guī)模（單位：億元） 圖國內(nèi)供應(yīng)商在乘用車線控制動市場份額提升資料來源：蓋世汽車， 資料來源：佐思汽研，EHBONE-BOX產(chǎn)品設(shè)計上，EHBEMBEMBEHBTWO-BOXONE-BOXECUESC1TWO-BOX2ECUONE-BOXTWO-BOXONE-BOX表17：部分線控制動廠商及產(chǎn)品情況地區(qū) 廠商 產(chǎn)品 方案 推出時間 上車情況大眾全系列電動車、特斯拉全系列、蔚來、iBooster+ESP Two-box 2013博世

CT6、雪佛蘭BoltVoltCR-Ve6、榮is6FF91IPB One-box XT4比亞迪含（2020）國外大陸集團 MKC1

產(chǎn)）

阿爾法羅密歐7onX5X7采埃孚天合

IBC One-box 18年量產(chǎn) 雪佛蘭Tahoe、suburban、GMCYukon和凱迪拉克Escalade等日立 E-ACT Two-box 2009 除豐田外大部分日系混動或純電最典型的就是日產(chǎn)Leaf伯特利 WCBS One