汽车电动化快速渗透，市场化因素逐步成为主要驱动力。结合亿欧智库与工信部数据，我国新能源汽车渗透 率增长稳健，2023 年新能源汽车销量达 949.5 万辆，同比增长 37.9%，占到汽车新车总销量的 31.6%，预期 2024 年渗透率将突破 40%的水平。 新能源汽车的快速发展我们归因如下，发展初期主要靠购车补贴、免征购置税、建设充电基础设施等政策支 持和激励措施，但随着电池等技术的快速发展以及我国在核心部件、整车制造、售后网络等产业链环节的不 断完善，新能源汽车在实现性能提升的同时成本也在逐渐降低，在性价比上越来越接近甚至优于传统燃油车， 因此吸引了更多消费者的关注和购买，市场逐步从政策驱动转向了需求驱动。
电动化作为能量基础，为汽车智能化发展奠基。新能源汽车使用电能作为动力源，这使其能为各种电子设备 及传感器供应充足能量，从而实现智能化功能。目前智能电动汽车渗透率也在快速提升，预期 2025 年智能 电车将占到电车总销量的 80%以上。 智能化我们认为是汽车行业发展自然衍生出的需求，同时受到市场因素催化。无论是车载多媒体设备的丰富、 自动档对手动挡的替代、辅助驾驶功能的升级，总体来看更优的驾乘体验与更低的驾驶难度是汽车行业发展 的大方向，从而带来对智能座舱与智能驾驶的需求。随着芯片算力的提升以及算法、传感设备的成熟，初期 部分车企出于差异化竞争的目的引入智能座舱与智能驾驶功能。但随着产业链成熟，电动汽车同质化水平大 幅提升，行业竞争加剧，因此提供智能化功能成为车企为了不掉队的必然选择。
同时智能化功能有望帮助车企实现商业模式的进阶。传统车企的收入=汽车销量*单车价格，一次性买断的模 式使得车企特别是中低端车企难以取得高于制造业的盈利能力。但随着汽车架构由分布式向域集中式演变， 汽车软硬件逐步解绑，只要算力足够，汽车交付后仍可在线增加、升级并使用新软件。参考电脑及智能手机 的发展，软件层面收费具备成长空间大、边际成本极低的特点，有望帮助车企在商业模式上实现“硬件预埋+ 软件持续收费”的模式进阶。
智驾作为智能化核心发展空间大，抢占先发优势是关键。当前我国 ADAS（高级驾驶辅助系统）装配率仍处 较低水平，而且智驾作为高价值量服务蕴含较强增值收费空间。以行业龙头特斯拉为例，目前特斯拉 FSD（完 全自动驾驶）在北美采用订阅制或买断制向用户直接收费，订阅费为 99 美元/月，买断费用为 8000 美元，我 们认为低价订阅制的推出方便其当前加速消费者教育，未来有提价空间，同时可以帮助特斯拉积累路侧数据 实现智驾模型的迭代。数据获取得越早越多，算法升级将会越高效，因此抢占先发优势是智能驾驶公司发展 的关键。
2.1 政策：高阶智驾屡获政策支持，“车路云”协同政策催化+招标超预期
高阶智能驾驶发展屡获政策支持。L3 级自动驾驶被认为是自动驾驶的分水岭，但由于人机交叉接管存在安全 隐患，以及责任鉴定困难，因此 L3 级自动驾驶迟迟未能大规模落地，仅搭载在小批量车型之上，或者部分 L3 级别功能在 L2+的车上体现。 2023 年 11 月，工信部、公安部、住建部、交通部联合发布《关于开展智能网联汽车准入和上路通行试点工 作的通知》，首次针对搭载 L3 级和 L4 级自动驾驶系统的智能网联汽车开展准入试点、在限定区域内上路通 行试点。2023 年 12 月，交通部办公厅印发《自动驾驶汽车运输安全服务指南（试行）》，就自动驾驶汽车适 用范围、应用场景、人员配备、运输车辆、安全保障和安全监督等八个方面做出明确要求。两大红头文件在 政策方面为自动驾驶商业化运营提供支持保障。
或将允许特斯拉 FSD 入华，高阶技术有望刺激国内智驾生态。根据每日经济新闻及 IT 之家消息，特斯拉将 使用百度地图提供的高级辅助驾驶地图，用于中国版 FSD，同时特斯拉 APP 已将原选装 FSD 页面提示的“稍 后推出”变更为“即将推出”。4 月 28 日，中国汽车工业协会、国家计算机网络应急技术处理协调中心发布了 《关于汽车数据处理 4 项安全要求检测情况的通报（第一批）》，其中特斯拉国产的 Model Y 和 Model 3 均位 列其中，侧面反映出特斯拉 FSD 已符合我国数据安全标准，具备入华条件。 特斯拉 FSD 采用了纯视觉技术，没有搭载毫米波雷达，理论上可以做到最低成本，进入我国内市场后，将有 利于多种技术方案对标，促进自动驾驶技术提升，有望起到鲶鱼作用刺激国内智驾生态发展。 技术路线单车智能与“车路云”协同并行发展，我国持续推进智能网联汽车标准体系建设。2023 年 7 月，工业 和信息化部、国家标准化管理委员会联合修订发布《国家车联网产业标准体系建设指南(智能网联汽车) (2023 版)》，提出根据智能网联汽车技术现状、产业需要及未来发展趋势，分阶段建立适应我国国情并与国际接轨 的智能网联汽车标准体系。当前我国自动驾驶正处于 L2 级+向 L3 级过度的关键期，技术路线有单车智能与“车 路云”协同并行发展，由于目前单车智能自动驾驶在安全性和处理突发事故等方面存在技术突破困难，因此我 国主要是“车路云”一体化战略。特别是单车智能的发展进入瓶颈期之后，以车路协同为代表的基础设施建设， 就成为从外部推动自动驾驶最终落地的一个重要助力。
国家发布相关基础设施建设通知，明确资金来源与建设周期，行业发展确定性大幅提升。今年 5 月，财政部、 交通运输部联合印发《关于支持引导公路水路交通基础设施数字化转型升级的通知》，明确重点支持国家综 合立体交通网“6 轴 7 廊 8 通道”主骨架以及国家区域重大战略范围内的国家公路和国家高等级航道，开展数 字化转型升级，促进交通基础设施智慧扩容、安全增效、产业融合，推动交通运输行业流程再造、系统重塑、 制度重构，有效提升公共服务能力、行业管理效能和产业协同创新水平。
资金来源方面，财政部根据竞争性评审确定的年度支持名单和交通运输部提出的资金安排建议，结合财 力情况，按照“奖补结合”方式安排资金。其中公路、航道领域奖补资金分别核定，按照交通运输部核定 总投资的一定比例予以奖补，东部、中部、西部地区奖补比例分别为 40%、50%、60%。实施第一年按 照每个示范区域奖补资金的 40%予以补助，用于启动相关工作；后续根据绩效评价结果予以奖励。
建设周期方面，《通知》提出，自今年起，通过 3 年左右时间，支持 30 个左右的示范区域，打造一批线 网一体化的示范通道及网络，力争推动 85%左右的繁忙国家高速公路、25%左右的繁忙普通国道和 70% 左右的重要国家高等级航道实现数字化转型升级。
北京市大单开始招标，金额超预期，政策力度得到验证。5 月 31 日，北京市公共资源综合交易系统发布《北 京市车路云一体化新型基础设施建设项目（初步设计、施工图设计）招标公告》，计划在北京市通州区、顺 义区、朝阳区等多个区域共选取 2324 平方公里范围内约 6050 个道路路口开展建设，以及双智专网网络中 心的建设和改造，投资金额共 99.39 亿元，建设资金来源为政府投资 70%、国有企业自筹 30%。大单的落地 为智慧交通领域的政策力度提供证明。
2.2 技术：城市 NOA 成为竞争新关键，车路协同与单车智能互补共助
2.2.1 泊车：向“行泊一体”与“舱泊一体”发展
泊车域的智能化系统最早在 1992 年的德国大众概念车上搭载，由于成本较高，体积过大，没有将该系统量 产；2003 年丰田普锐斯开始提供可选自动泊车功能；在国内，20 世纪 90 年代初出现的倒车雷达以及倒车影 像，自动泊车系统的发展大致经历了半自动泊车、全自动泊车（APA、RPA）、记忆泊车（HPP）和自主代客 泊车（AVP）四个阶段。 1、半自动泊车：半自动泊车基于车辆的超声波传感器实现车位感知，向驾驶员提供车位信息，并进行路径 规划，系统自动控制车辆转向系统，驾驶员仅需按照仪表盘的提示对车辆纵向进行控制。半自动泊车需要驾 驶员实时监督，并控制档位、加速和减速，对应 SAE L1 级；对驾驶过程要求较高，且操作流程复杂，用户 体验较差。 2、全自动泊车：全自动泊车更加智能化。全自动泊车系统可以对车辆进行横向和纵向的控制，同时需要驾 驶员对车辆进行持续监控和有效接管，以保障泊车安全，属于 SAE L2 级别的泊车辅助系统。按照传感器组 成的不同，全自动泊车分为基于超声波雷达的全自动泊车、基于超声波与视觉融合的全自动泊车，其中传统超声波泊车方案仅能在由障碍物组成的车位实现泊车功能，应用场景有限，用户满意度不高。而基于超声波 与视觉融合的全自动泊车系统有更强的探测物体的能力，可以对车辆周遭环境进行分类，能帮助泊车系统实 现更丰富的感知。 3、记忆泊车：在全自动泊车基础上，记忆泊车可在相对更远距离和更复杂环境中自主完成泊入和泊出操作。 记忆泊车建立在 SLAM 技术基础之上，利用车身传感器，学习、记录并储存用户常用的下车位置、停车地点 及泊车行进路径，建立常用泊车路径的环境特征地图，车辆再次经过该地点时，系统将复现用户的泊车路径 来代替驾驶员完成停车场内最后一段距离的低速驾驶和泊车。在外界环境发生较大变化，记忆泊车功能无法 实现时，记忆泊车系统将要求驾驶员接管车辆或者返回原来位置，对应 SAE 分级的 L3 级别。 4、自主代客泊车：自主代客泊车是指用户在指定下客点下车，通过手机 APP 下达泊车指令，车辆在接收到 指令后可自动行驶到停车场的停车位，不需要用户操纵与监控；用户通过手机 APP 下达取车指令，车辆在接 收到指令后可以从停车位自动行驶到指定上客点；若多辆车同时收到泊车指令，可实现多车动态的自动等待 进入泊车位。车辆自动行驶过程中应能遵守道路交通规则，或停车场运营方所制定的场内交通规则。自主代 客泊车显著的特点是车内无人。依靠更精准的感知、更强大的算力、更先进的自动驾驶算法，自主代客泊车 系统可自动完成智慧停车场内的低速自动驾驶、自主避障、智能搜索车位和车辆泊入/泊出，目前业内公认的 将最先实现商业化应用的 L4 级自动驾驶功能。
“行泊一体”与“舱泊一体”为行业发展方向。高工智能汽车研究院预测，随着行泊一体逐步取代和升级传统的 分布式行车+泊车系统配置，预计 2025 年泊车标配市场规模有机会冲刺 900 万辆。而在市场预期明确的背景 下，供应商也在持续受益。尤其是城区 NOA 推进仍受制于诸多因素，泊车场景的相对受控，反而更易拓展。 此外随着域控集成度的进一步提升，舱泊一体也成为行业的关注焦点。过去需要单独一套独立控制器的泊车 功能，正在迎来集成红利窗口期，在一定程度上也降低了车企标配自动泊车的成本压力。尤其是在座舱高算 力平台的加持下，功能集成从主驾驶员延伸至座舱内的全员（副驾和后排乘员），同时还能支持「舱泊一体」 的跨域功能。
2.2.2 行车：基础 L2 级渐成标配，NOA 高速端快速渗透，城市端加强投入，车路协同实现技术补足
行车域的智能化系统根据能力及难度由低到高迭代，可依次分为基础 L2、高速 NOA、城区 NOA 三类。 1、基础 L2：系统利用安装在车辆上的传感、通信、决策及执行等装置，实现辅助驾驶功能，包括 LKA（车 道保持辅助）、AEB（自动紧急制动）、ACC（自适应巡航）、LCC（车道居中辅助）、ALC（自动受道辅助）、 HWA（高速鸟驶辅助）等。 2、高速 NOA：系统利用安装在车辆上的传感、通估、决策及执行等装置，在商速商架、环路、城市快速路 等封闭或半封闭场景下实现智能驾驶，实现功能包括自主上下匝道、主动变道、主动超车等。 3、城区 NOA：系统利用安装在车辆上的传感、通信、决策及执行等装置，在城市开放路况下实现智能驾驶， 可以实现无保护左转、无保护掉头、识别交通信号灯、主动变道、主动超车等功能，能够自主处理各类城市 路况，能够处理日常交通场景中的车与车、车与人、车与其他交通参与要素交互。 基础 L2 级智驾功能渐成标配，高速 NOA 功能快速渗透。我国 NOA（领航辅助驾驶）的发展始于 2019 年， 特斯拉向中国用户推送了 NOA 功能，随后蔚小理等新势力也纷纷入局，推出高速 NOA 功能，目前高速 NOA 功能已进入 0-1 快速渗透阶段。
城市 NOA 作为量产智驾最强功能，车企加强投入。与高速 NOA 相比，城市 NOA 面临的交通道路复杂程度 呈倍数级增长，对软硬件能力提出了更高要求。作为当前量产智能驾驶的最强功能，得益于“BEV+Transformer” 的普及，多家车企发布城市 NOA“开城计划”，并且陆续搭载在新车型上。根据佐思汽研的数据统计，2023 年 1-9 月，国内乘用车高速 NOA 的渗透率为 6.7%，同比增加 2.5 个百分点；城市 NOA 的渗透率为 4.8%， 同比增加 2 个百分点。
车路协同与单车智能互补共助。自动驾驶目前发展出了单车智能和车路协同两大路线。其中单车智能已经发 展多年，技术较为成熟，但仍存在一些技术瓶颈。因此，技术路线上能够与单车智能形成互补的车路协同成 为了自动驾驶命题下的必选项，也是极具特色的“中国方案”。 单车智能下的自动驾驶主要包括感知、决策与控制三个部分，车辆通过硬件设备对周边环境、状态的感知将 信息交由软件系统分析决策，并控制车辆。但是单车智能在暴雪、暴雨等极端天气下，传感器会面临失灵的 风险，导致误差增大甚至无法正常工作，为了能够获得足够的数据，需要在车辆上堆积越来越多的硬件设备， 研发设计成本越来越高。 车路协同可以做到人、车、路、云多个终端的数据协同，通过路测的数据和信息同步，能够有效帮助单车智 能覆盖更多“盲区”，解决自动驾驶发展的瓶颈难题，促进自动驾驶进一步成熟。
车路协同目前主要受政策推动，合理的商业变现是长期需解决的问题。车路协同涉及大量行业，车和路的技 术迭代尚未做到同步进行，二者分别在不同时期交替向前，经历多段未能恰好匹配的时期。从当前的发展来 看，车路协同目前仍以政府买单为主，C 端用户需求相对较弱，只有少部分场景的商业模式已经发展成熟， 能够依靠软硬件或者解决方案进行盈利，整体商业化建设仍旧处于前期探索阶段。未来拓展 B 端以及 C 端用 户，以认知带动消费、以消费促进产业发展，建设产业的需求闭环，将成为车路协同的重要命题。
3.1 参与者：车企自研+专业化供应商参与
参考第三方咨询机构标准，当前厂商自动驾驶的技术水平可划分为领先一代（发展城区 NOA）、次世代（发 展高速 NOA）、正当代（具备基础 L2 能力），并将部分未实现基础 L2 功能的传统车厂归类为落后一代。
自研、供应商、自研+供应商三类并存，车厂需多维度综合权衡。从智驾产品提供方的角度，领先一代和次 世代的玩家又可以分为自研派、供应商派和冗余派（供应商合作+自研），百度、华为等供应商目前也可提供 城区 NOA 级别的高级智驾解决方案，车企需综合权衡研发成本、落地周期、产品性能、协调成本、供应商 议价权等问题，新势力通常选择自研以打造差异化竞争优势；部分在新能源领域话语权较弱的车厂愿意接受 华为智选等全方位解决方案；部分大厂选择将部分功能包给多家供应商做，以保障自身话语权与产业链地位。
对车企智驾水平的分析需综合考虑其性能与成本，性能方面是算法、算力、数据的综合协同，成本方面车企 在几大方向上希望削减支出。
3.2 性能提升：大算力芯片仍为关键资源，数据优势带给厂商弯道超车可能
3.2.1 算法：大模型上车，云-边-端协同
云端：智驾开发体系将逐步向云端转移。对于主机厂来说，过往的智驾系统开发时，数据管理、数据标注、 模型训练、仿真测试等模块平台都是各自自行开发，使用不同的工具链，会造成开发成本高、开发周期长且 效率低。随着智驾数据规模扩大、数据类型增多，分布式的开发模式已经无法满足未来高阶智驾功能的需求， 并且车端芯片的存储和计算性能也无法满足智驾系统的部署，所以未来整个智驾开发体系将逐步转向云端。 目前，主机厂对于云服务的底层需求，已经不局限于满足单一的数据存储，而是更偏向于将自动驾驶系统研 发工作也放置在云端。 车端：BEVFormer 路线渐成共识。BEVFormer 是一种结合了鸟瞰图（BEV）和 Transformer 架构的自动驾驶 感知技术。这种技术旨在通过自顶向下的方式，先在 BEV 空间初始化特征，然后通过多层 Transformer 与每 个图像特征进行交互融合，最终得到 BEV 特征。这种方法允许算法在 BEV 空间中进行更有效的特征融合， 从而提高自动驾驶系统的感知能力和准确性。其具备消除遮挡问题、统一视角表达、端到端优化、多模态融 合等优势，自 2021 年 7 月特斯拉展示后，当前已经被多家主流车企和自动驾驶方案解决商采用，并推出了 相关的量产方案。 整体而言，目前算法趋于一致，BEVFormer 成为主流，各车厂及供应商的算法能力差异主要还是源于其数 据。只有路侧真实数据与边缘罕见场景数据积累越多，其智驾算法才可能实现更高的性能与安全水平。
3.2.2 算力：车企积极布局算力中心，大算力芯片仍为行业关键资源
云端：车企积极布局算力中心。自动驾驶带来数据的倍数级增长，因此对算力的需求、功耗要求大幅提升， 算力成为汽车行业的一项关键竞争因素，车企逐步意识到高阶自动驾驶要想实现数据的快速迭代，除了需要 里程的积累，更要掌握高效、低成本进行数据处理的能力。因此在自动驾驶领域具有长期规划造车新势力、 传统品牌和技术供应商都已开始搭建自己的超算中心，以便掌握稳定的算力资源，缩短开发周期，加快自动 驾驶产品的上市。
车端：国产芯片稳健发展，高端车型智驾芯片仍以 Orin 为主。经济型车型对智能驾驶芯片性能需求较低， 出于成本考量，常采用低成本、低算力的单颗芯片方案；中高端车型之间差异化程度高，一部分选择温和的 适中算力路线，采用单颗中算力芯片或双低算力芯片方案，一部分选择激进的超额算力路线，如华为系车型 采用 MDC 高算力计算平台。高端车型追求更高性能、更高级别智能驾驶水平而较少考量成本，故常采用国 际厂商最新高性能、高算力芯片/计算平台产品。随着国产芯片逐渐得到量产验证，加上主机厂对于芯片定制 化需求的提升，也为本土芯片厂商的发展带来更多机遇。
车企采用算力预埋应对未来高阶智能驾驶发展，大算力芯片仍为行业关键资源。随着城市 NOA 的发展，系 统将随着场景的复杂需要处理更多的数据，车企因此提供更多算力冗余用于后续的功能升级和开发，因此选 择使用昂贵的 NVIDIA Drive Orin 芯片或国产大算力芯片。同时大算力也能够显示技术实力，凸显竞争优势， 成为车企部分高端品牌车型的宣传卖点。在量产落地上，车企需要芯片厂商更好地适配，进行深度合作。
3.2.3 数据：多类型传感器并存
汽车依靠传感器获取数据，当前多派别共存。智能驾驶产品的传感器主要包括摄像头、毫米波雷达、超声波 雷达和激光雷达。其中摄像头主要提供环境的 2D 视觉信息；毫米波雷达提供目标物体的距离和角度信息； 激光雷达能提供 3D 环境信息，包括距离和速度，并实现自主定位；超声波雷达也能提供目标物体的存在和 距离信息，但是由于作用距离较短，多用于泊车系统。根据传感器配置方案不同，车企可分为三大派别，一 是按照有激光雷达的激光雷达派，二是无激光雷达的视觉派，三是无雷达的纯视觉派。 高精地图提供算法弯道超车机会，但成本高昂。同时智驾系统感知环境除了靠传感器，还能通过高精地图来 开天眼，让车辆直接获得包括车道、车道线、路面箭头、交通灯、交通标识牌等等环境信息，并且精度在分 米或者厘米级别，降低算法难度要求，成为一些玩家实现高阶智能驾驶时的必要选择。但由于高精地图使用、 维护、更新等成本居高不下，审核过程缓慢，想要随时保持高精地图的鲜度非常困难，也有一些玩家开始逐 渐摆脱对高精地图的依赖。
汽车销量高、用户智驾功能使用量大的头部车企或能凭借路测数据积累，实现规模优势，赶上甚至超越当前 行业领先者依靠先发优势所积累的技术领先地位，因此整体智驾行业格局仍有较大变动空间。
3.3 成本压降：重点从激光雷达与高精地图入手
智驾行业成本压缩主要通过以下几种途径：
1、 激光雷达规模效应释放
国内企业在量产激光雷达方面具备优势。2023 年中国的两大激光雷达领军企业 Hesai（禾赛）和 RoboSense （速腾聚创）迅速攀升至全球市场份额的前两位，分别占据了 41%和 29%的市场份额，这两家公司共出货了 68%的激光雷达乘用车。国内其他品牌如 Seyond（图达通）、Livox（览沃）、华为也分别占据了全球市场份额 的 12%、4%和 1%，位列第三、第五和第六。相比之下，国外品牌如法国的 Valeo（法雷奥）仅位列第四， 市场份额为 10%，而德国的 iBeo、美国的 Cepton、以色列的 Innoviz 等均落后于中国企业。 随着规模效应和产业链的成熟，激光雷达成本显著下降。年初禾赛科技发布的 AT512 激光雷达，性能相比十 年前的 32 线机械旋转式激光雷达有了显著提升，但价格仅为其 1%。去年四月，镭神智能在上海车展上推出 的 1550nm 激光雷达“终结者 1 号”，具有优异的性能，价格却仅为 3999 元。华为轮值董事长徐直军也在今年 表示，华为期望未来将激光雷达的成本降至 200 美元。
2、 发展视觉方案减少或替代激光雷达
激光雷达一度是国内的高阶智能驾驶，尤其是城市 NOA 的必备项，国内的头部智驾厂商，也普遍采用摄像 头与激光雷达数据融合的方案，实现高阶智能驾驶所要求的精准感知。小鹏、蔚来、理想、阿维塔、问界等品牌都搭载了激光雷达。与此同时，以特斯拉为代表，也出现了另一种声音：只用摄像头的纯视觉感知方案。 而特斯拉作为智能驾驶的先驱者，本身也证实纯视觉方案的可行性。从目前高阶智驾的搭载情况来看，大部 分车型仍然配置了数量不等的激光雷达，只有特斯拉和极越，选择纯视觉方案。特斯拉的视觉感知算法处于 行业的领头羊地位，而极越的技术能力主要依靠百度的支持。其他主机厂和方案商或受限于数据积累难有可 商用落地的纯视觉感知算法，同时出于营销效果目的而对高成本激光雷达进行配置。
3、 高精地图下车
2023 年上海车展，国内多家主机厂与智能驾驶解决方案提供商，纷纷喊出了“去高精地图”的口号：小鹏宣称 “城区 NGP，2023 年 6 月起不需要高精地图”；理想宣传“AD Max 3.0 系统逐步摆脱高精地图”；智己提出“数 据驱动道路环境感知模型替代高精地图”；华为直言“ADS 2.0 系统不需要高精地图，有图无图都能开”；百度 作为高精地图提供商，也提出了“轻地图”的智能驾驶方案；毫末则发出“重感知、轻地图”的声音。 厂商去高精地图主要基于以下几方面原因：一是智能驾驶对高精地图的数据实时性要求很高，而图商的平均 更新周期以月或者季度为单位，难以满足智能驾驶开发的需求；二是高精地图的测绘成本高、周期长，提高 了整套智能驾驶系统的开发和使用成本。三是 BEVFormer 算法的广泛应用，让传感器检测到的环境数据，能 够用于构建实时的局部地图，逐渐替代基于先验数据的高精地图。 目前车厂通过实时局部建图进行代替，或者通过已售车辆收集道路信息绘图、轻量化高清地图等形式进行过 渡。但当前的环境感知效果，还不能达到完全无图的水平，现阶段高阶智能驾驶还离不开高精地图，只是绘 图的方式在改变，对精度的要求在降低。
（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。）
