2024年智能駕駛行業(yè)專題：NOA快速滲透-關注智駕產(chǎn)業(yè)鏈機會

2024年智能駕駛行業(yè)專題：NOA快速滲透_關注智駕產(chǎn)業(yè)鏈機會01智能駕駛持續(xù)滲透，NOA加速上車賽道前景：繼電動化之后，智能化有望繼續(xù)引領汽車行業(yè)變革23年新能源汽車滲透率超30%，智能電動汽車滲透率超60%。在新能源汽車帶領中國汽車產(chǎn)業(yè)向電動化轉型的同時，更多智能化的功能量產(chǎn)上車，智能電動汽車的滲透率逐年提高。據(jù)億歐智庫測算，2022年中國智能電動汽車的銷量已占新能源汽車的51.7%，2023年預計有望達到65.2%。到2025年，在新能源汽車近50%的汽車出行市場滲透率的基礎上，智能電動汽車的銷量將超1220萬輛，占新能源汽車的80.1%。智能電動汽車將是未來中國車市的中堅力量。政策和市場：L3測試有序推進，NOA上車加速滲透L3測試有序推進：2023年11月，四部委發(fā)布《關于開展智能網(wǎng)聯(lián)汽車準入和上路通行試點工作的通知》，在智能網(wǎng)聯(lián)汽車道路測試與示范應用工作基礎上，四部委遴選具備量產(chǎn)條件的搭載自動駕駛功能的智能網(wǎng)聯(lián)汽車產(chǎn)品，開展準入試點；對取得準入的智能網(wǎng)聯(lián)汽車產(chǎn)品，在限定區(qū)域內(nèi)開展上路通行試點。NOA上車加速滲透：根據(jù)高工智能汽車研究院數(shù)據(jù)，2023年國內(nèi)NOA前裝標配滲透率為2.99%，2023年1月、12月單月為分別為1.81%、4.29%。而根據(jù)高工智能汽車研究院預測，2024年國內(nèi)NOA前裝標配滲透率將達到10%。行車域智駕功能迭代：基礎L2→高速NOA→城區(qū)NOANOA功能包括高速場景與城區(qū)場景，其功能實現(xiàn)是自動駕駛發(fā)展過程中的關鍵節(jié)點。高速NOA功能是在高速公路輔助（HWA）的基礎上配置高精地圖，以實現(xiàn)自動上下匝道功能。城區(qū)NOA功能是在部分城市道路按照導航路徑智能輔助駕駛，引導車輛抵達目的地，適用場景通常為城市內(nèi)的非結構化道路，可實現(xiàn)橫向和縱向的控制，是ACC、LKA、ALC和高精地圖功能的集成。2023年成為城市NOA落地“元年”，“基礎L2→高速NOA→城區(qū)NOA”的功能迭代路線逐漸清晰。汽車行業(yè)發(fā)展至今，智能化能力已成為各家車企體現(xiàn)技術實力的核心方式，其中智能駕駛的能力至關重要。從最初的包括LKA、ACC等功能在內(nèi)的基礎L2輔助駕駛，到2022年的高速領航輔助駕駛（高速NOA），到2023年的城市內(nèi)封閉道路領航輔助駕駛（城區(qū)NOA），車企們一直在追逐智駕能力的突破。隨著2023年下半年部分車企城區(qū)NOA開城不斷落地，2023年也被稱為城市NOA落地“元年”，而“基礎L2→高速NOA→城區(qū)NOA”的功能迭代路線也逐漸清晰。智駕功能落地：技術能力梯次分布，“自研+外采+混合”共存配備智駕功能的車企品牌梯次分布，“特斯拉+部分新勢力”領先。根據(jù)我們的研究發(fā)現(xiàn)，國內(nèi)量產(chǎn)車智能駕駛產(chǎn)品的實現(xiàn)以L2級智能駕駛為「主流」和「起步」。以此為依據(jù)，我們將國內(nèi)智能駕駛格局劃分為：正當代、次世代及領先?代。同時，?部分傳統(tǒng)車廠未完全實現(xiàn)基礎L2級功能，在當今格局下，已成為落后?代。“特斯拉+部分新勢力”堅定自研，傳統(tǒng)大廠“自研+外采”兩條腿走路。從智能駕駛產(chǎn)品提供方的角度，領先?代和次世代的玩家又可以分為自研派、供應商派和冗余派。冗余派的意思是車企既會采用和供應商合作的方案，又擁有自研團隊，研發(fā)智能駕駛產(chǎn)品。以比亞迪為例，比亞迪會把智能駕駛能力切成不同功能點，比如泊車、行車都是單獨功能。單功能的某個配置會成為一個單獨招標項目，最后篩選A點、B點兩家供應商讓其同時開發(fā)。部分供應商有軟硬一體方案，如大疆車載和禾多還提供域控制器或傳感器，但比亞迪可能會考慮其他選擇，如只采購大疆車載的軟件，再委托大疆在選擇的域控制器上做優(yōu)化。眾多供應商會帶來更大的溝通與協(xié)調(diào)成本，但未來替換供應商也更容易，背后意圖或指向自研。02競爭激烈，性能成本系關鍵因素智駕方案競爭優(yōu)勢：性能和成本為關鍵影響因素智駕性能：智駕性能決定開城數(shù)量，算法、算力和數(shù)據(jù)三要素決定智駕性能。智能駕駛是AI能力在量產(chǎn)車駕駛上的實現(xiàn)，AI性能取決于三大因素：算法，算力和數(shù)據(jù)。算法方面業(yè)內(nèi)趨于?致，開始實現(xiàn)BEV+Transformer大一統(tǒng)；算力層次相對分明。而在智能駕駛場景中，數(shù)據(jù)是AI模型不斷迭代優(yōu)化的關鍵因素。智駕成本：NOA功能持續(xù)下探，方案成本愈發(fā)關鍵。智駕正成為越來越多消費者購車的主要考慮因素。小鵬G6智駕版本的訂購比例超70%，問界新M7的10萬輛大定中，智駕版本的訂購率達到了60%。而新能源車價格競爭背后實則是成本競爭，結合目前的消費者認知和市場趨勢，車企需要不遺余力地控制成本并提升智能駕駛能力。消費者追求的始終是具有性價比的高性能產(chǎn)品，車企如果為了降本而將智駕軟硬件進行減配或改為選裝，實際上是削弱了自家車型的競爭力。而那些全面搭載智駕方案，還能給到消費者一個大幅度降價的車企，在市場上保持較強競爭力。算法：端到端模型有望成共識，占用網(wǎng)絡為算法導向感知更精確基于BEV算法迭代為占用網(wǎng)絡：BEV算法進一步迭代為OccupancyNetworks（占用網(wǎng)絡），更加直接地打造3D空間。有別于感知2D圖像、提取像素（pixel）轉化為3D特征，OccupancyNetworks直接感知3D空間中的體素（voxel），也就是將世界劃分為多個大小一致的立方體，快速識別每個體素是否被占用，繼而判斷車輛是否要躲避。與3D目標檢測相比，占用網(wǎng)絡OccupancyNetworks感知更高效、結果更精準：1）更準確的描述物體的幾何形狀：對每一個體素進行預測，所以對目標的描述會更加的細粒度。2）可以預測數(shù)據(jù)集以外的目標類別：針對當前數(shù)據(jù)集中未見過的物體，也可以對所占據(jù)的柵格進行預測。端到端發(fā)展框架有望成共識：端到端自動駕駛不進行任務切分，希望直接輸入傳感器數(shù)據(jù)、輸出駕駛決策（動作或者軌跡），從而拋棄傳統(tǒng)自動駕駛里的感知、預測、規(guī)劃、控制等各類子任務。優(yōu)勢：1）效果上不但系統(tǒng)更簡單，還能實現(xiàn)全局最優(yōu)。2）效率上由于任務更少、避免了大量重復處理，可以提高計算效率。3）數(shù)據(jù)收益不需要大量的人工策略、只需要采集足夠多的優(yōu)質(zhì)駕駛數(shù)據(jù)來訓練即可，可以通過規(guī)?；姆绞剑ú粩鄶U展數(shù)據(jù)）來不斷提升系統(tǒng)的能力上限。數(shù)據(jù)：量產(chǎn)車數(shù)量、傳感器標準化程度、商業(yè)模式為關鍵要素量產(chǎn)車的數(shù)量影響數(shù)據(jù)產(chǎn)生和迭代，需要足夠多的數(shù)據(jù)傳感器：更多的智能車銷量或智能方案生產(chǎn)數(shù)量，意味著更多的數(shù)據(jù)積累。傳感器方案標準化，實現(xiàn)更強數(shù)據(jù)效率和質(zhì)量:如果所有的量產(chǎn)車都是一套標準傳感器方案，數(shù)據(jù)質(zhì)量、處理效率，無疑比多套傳感器方案對于技術迭代有更強的推動作用。由于不同傳感器方案會使用不同的數(shù)據(jù)格式和處理算法，從而需要更多流程進行數(shù)據(jù)轉換和統(tǒng)一，使用相同規(guī)格的傳感器方案能幫助提高智能駕駛能力迭代效率。同時，傳感器方案數(shù)量越少，已經(jīng)實現(xiàn)的能力等級越高，就意味著智能駕駛技術能力越強?？擅赓M使用的智能駕駛產(chǎn)品，也有助于數(shù)據(jù)反饋和技術迭代：只有在實際道路環(huán)境下、真實駕駛數(shù)據(jù)越多，遇到的CornerCase越多，智能駕駛系統(tǒng)的能力才更有可能向上迭代?，F(xiàn)階段絕大多數(shù)用戶依然只接受免費權益，表示不會為其。對于愿意的用戶，“單次，永久使用”的方式更易被接受，因此“軟件持續(xù)收費”的模式，雖然由來已久，但目前仍未被市場所接受。成本：包括成本在內(nèi)的多因素推動高精地圖向輕地圖迭代“輕量化”地圖將成為智能網(wǎng)聯(lián)汽車應用的趨勢：中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟發(fā)布的《智能網(wǎng)聯(lián)汽車高精地圖白皮書》提到，分米級地圖的測繪成本為每公里10元左右，而厘米級地圖的測繪成本可達每公里千元?！比ジ呔貓D”是必然趨勢，繁重的高精地圖不僅無法適應高速發(fā)展的自動駕駛需求，更是成為主機廠與圖商無法承擔的高額成本。但是實時感知無法獲取的“先驗信息”也成為了“地圖”的保命符?；趯Ш降貓D和各家需求的地圖要素繪制出的SDPro地圖或許是長久的地圖存在形式。“輕量化”地圖使圖商降低了高精地圖要素采集、制作、更新的成本和周期，也使車企避免因購買多余的數(shù)據(jù)產(chǎn)生不必要的成本，降低了對高精地圖的依賴。相比“重地圖”方案更易覆蓋城市道路、停車場等全場景，也可以滿足智能網(wǎng)聯(lián)汽車量產(chǎn)向更多更大規(guī)模的城市拓展的需求。03特斯拉領銜，主要廠商方案巡禮新版本V12.3登場，F(xiàn)SD引領技術革新最新FSDV12.3迎來推送，V12轉向端到端網(wǎng)絡。3月17日消息，特斯拉的FSDBeta版12正式迎來新版本推送，此次推送的FSDBetaV12.3面向美國的部分用戶開放。本次推送似乎涵蓋了美國所有擁有FSDBeta測試資格的車輛，此前該版本已經(jīng)推送給內(nèi)部員工和配備HW4的特別測試組。一些用戶指出，新版本在舒適完成U型轉彎和低可見度路況行駛方面取得了顯著進步，這得益于V12版本轉向了“端到端神經(jīng)網(wǎng)絡”控制車輛的方式。瑕不掩瑜，F(xiàn)SDBetaV12.3實測令人印象深刻。有車主說自己今天用V12.3進行了6次拼車，沒有一個乘客意識到車輛在“自己開自己”，并且零接管、零脫離。還有車主表示，原來自己在所在的社區(qū)從不用FSDBetaV11，因為經(jīng)常出錯，但是FSDBetaV12.3讓他體驗到了有史以來第一次“零接管”，而且系統(tǒng)在很多情況下都像人類，比如等待單車道上左轉的車輛，或者馬路中停下的送貨車。算法端：特斯拉Hardware硬件迭代，HW4.0全面提升HW硬件不斷更迭，逐步走向自研道路。HW1.0階段特斯拉的主要工作是多傳感器融合+應用層軟件開發(fā)。HW2.0階段特斯拉掌握圖像識別算法+多傳感器融合+應用層軟件開發(fā)。HW2.5是對HW2.0的一個小版本更新，主要用于冗余和略微提高的可靠性。HW3.0特斯拉駕駛輔助硬件的重大革新，首次采用自研的自動駕駛芯片，具備全套芯片設計+圖像識別算法+多傳感器融合+應用層軟件開發(fā)。HW4.0全面提升，處理數(shù)據(jù)、影像能力提升。HW4.0的攝像頭像素從120萬像素提升到500萬像素，雖然前攝像頭從三目變成雙目，總體攝像頭數(shù)量從8個減少到7個，但是視覺最大探測距離從250米變?yōu)?24米，系統(tǒng)可以看得更遠更清楚。芯片算力是原來的5倍，從HW3.0的144TOPS提升到HW4.0的720TOPS，CPU內(nèi)核也從12個上升到20個，以幫助快速處理圖像信息。同時，為了讓圖像大數(shù)據(jù)傳輸更快，CPU內(nèi)存從LPDDR4升級到GDDR6。數(shù)據(jù)端：硬件配置標準化，減少數(shù)據(jù)轉換，提高迭代效率硬件標準化方案能幫助提高自動駕駛迭代效率，傳感器性能不斷提高：特斯拉在自動輔助駕駛方面的一個特殊之處在于不論是基礎版輔助駕駛，還是增強版輔助駕駛，亦或是未來的完全自動駕駛，它們的硬件配置都一樣，不一樣的方面就在于軟件配置。特斯拉車輛若想要增強版輔助駕駛或是完全自動駕駛功能，可直接購買軟件不需要額外加裝硬件。HW4.0攝像頭從上一代的8個120萬像素，變成7個5