2024年汽车行业专题报告：智能驾驶将驶向何方？

1. 从何而来：技术完善，智驾进入百花齐放阶段

交通出行的要求是安全和效率并重，共享化和无人化是未来交通体系发展的目标。 实现路径来看，单车智能通过 C 端购买单车智能化水平完成车辆的共享化；Robotaxi 或共享出行运营商通过首先 B 端交付车辆而后提升智能驾驶的方式，而后实现智能 驾驶水平的提升。共享化和智能化的本质是提升车辆运行效率和安全性。高阶智能驾 驶与共享出行相互促进，未来保持融合进化。

安全：智能驾驶车辆安全性全面升级，。Mohamed Abdel-Aty，Shengxuan Ding 等在 《A matched case-control analysis of autonomous vs human-driven vehicle accidents》中针对美国数据进行统计，智能驾驶车辆执行常规驾驶任务（如保持车 道位置和根据车流调整位置）时一般更安全、更不容易发生事故。根据特斯拉的车辆 安全报告，2018Q4 至今使用 Autopilot 功能平均事故里程显著高于未使用 Autopilot 功能平均事故里程，即安全性全面提升。

效率：全局维度优化效率，商业化应用后车型使用时长和使用效率全面提升。高阶功 能落地后，凭借 V2X 体系可以实现规划路线互通，通过云端计算或车端平台互通对 所有自动驾驶车辆的规划路线统一调配，最大化利用交通路线。使用时间来看，出租 乘用车的日均行驶时长为 9.7 小时/天，私人乘用车的日均行驶时长为 2.6 小时/天， 共享化后资产运行效率显著提升。

国内具备智能驾驶更好的发展环境。政策上来看，我国政府对智能驾驶的支持力度更 大，一方面开放更大测试权限和测试范围，一方面标定了“两横三纵”的迭代战略。 消费层面来看，中国消费者对自动驾驶具有更高的支付溢价，具备良好的落地土壤。

国内智能驾驶多维度推进，多维度探索高阶功能落地方案。智能驾驶研发参与者增 加，从不同维度加速高阶功能的落地。芯片厂商、整车厂、自动驾驶科技企业、出行 科技企业等均加速入局，尝试从不同维度解决智能驾驶算法，共同推进高阶智能驾驶 功能落地。落地方式来看，车路云、Robotaxi、单车智能等多个方式推进。

1.1车路云：标准趋向完善，城市商业化应用加速

车路云从 2017 年开始布局，经过 2020-2023 年的调整后，目前已经进入城市商业化 阶段。政策推进节奏受技术路线与功能效果的影响，技术完整性和路线选择成为车路 云方向的关键因素。复盘来看，国内针对技术路线的政策主要经历三个阶段：（1）第 一阶段（2017-2020 年），智能网联的试点阶段；（2）第二阶段（2021-2023 年），智 能网联标准体系建立阶段；（3）第三阶段（2024 年至今），城市商业化落地阶段。

第一阶段：智能网联的试点阶段，试点范围持续扩大。政策驱动以及标准体系完善， 我国智能网联汽车“车路云一体化”建设进入快通道。截至 2023 年底，全国共建设 17 个国家级测试示范区、7 个车联网先导区、16 个智慧城市与智能网联汽车协同发 展试点城市，开放测试示范道路 22000 多公里，发放测试示范牌照超过 5200 张，累 计道路测试总里程 8800 万公里，自动驾驶出租车、干线物流、无人配送等多场景示 范应用有序开展。从空间分布来看，我国已经形成环渤海、长三角、珠三角、中西部 四大智能网联汽车产业集群。

第二阶段：标准统一，政策指引车路云架构和标准完善。智能驾驶示范区有望实现全 国标准统一，满足高阶智能驾驶大面积测试。《关于开展智能网联汽车“车路云一体 化”应用试点的通知》以及《智能网联汽车“车路云一体化”规模建设与应用参考指 南（1.0 版）》明确推动建成一批架构相同、标准统一、业务相同、安全可靠的城市 级应用试点项目并制定了详细的落地方案，有望进入标准化运行阶段。

第三阶段：大规模商业化应用阶段。本次政策加速，推动国内车路云协同发展，标准 化体系已逐步清晰。截至 2024 年 1 月，智能网联汽车领域已制定发布国家和行业标 准 43 项，初步建立起能够支撑驾驶辅助及自动驾驶通用功能的智能网联汽车标准体 系。其中《关于开展智能网联汽车准入和上路通行试点工作的通知》、《关于开展智能 网联汽车“车路云一体化”应用试点的通知》和《智能网联汽车“车路云一体化”规 模建设与应用参考指南（1.0 版）》的发布备受市场关注，三个文件互相联系，共同 构建了智能网联汽车准入及上路通行和智能网联“车路云一体化”体系。

监管侧：聚焦于完善车路云网络架构和路端通信能力。路端基础设施建设和基础支 撑整体具备较大弹性，成为车路云的核心增长方向。规模来看，预计 2025 年/2030 年 我国路端基础设施建设和基础支撑产值分别从 223/599 亿元提升至 4174/1167 亿元。 路端和网络端基建具备较大增长弹性，成为监管侧接入的核心方向。

1.2Robotaxi：功能通过地方性测试，盈利曙光初现

2009 年开始 Robotaxi 逐步开启研发和商业化落地。技术端，在特斯拉、百度、华为 等头部厂商的引领下，智能驾驶技术加速迭代，成熟度持续提升。成本端，随着高阶 智能驾驶规模化落地，产业链相关配套设施成本进一步下降，也推动 Robotaxi 整体 成本的下降，全球 Robotaxi 商业化迈入新阶段。当下进展来看， Robotaxi 商业化 稳步推进。海外 Waymo 商业化进展顺利，2024 年 6 月，Waymo 每周付费订单约为 5 万 单，营收实现显著提升。国内百度旗下萝卜快跑已经在 11 个城市开放载人测试运营 服务，且在北京、武汉、重庆、深圳、上海等地开展全无人自动驾驶出行服务测试， 预计萝卜快跑 2024 年实现武汉单城市的盈亏平衡，商业化落地加速。

国内政策端：明确自动驾驶准入规范，各试点城市落地规范发布。顶层框架和地方法 规相辅相成。整体而言，中国的政策框架旨在确保自动驾驶技术的稳定发展，同时鼓 励创新和商业化应用。而在地方层面，一些城市如北京、上海和广州等，已经开始实 施更为积极的政策措施，以支持自动驾驶技术的测试和应用，推动自动驾驶规模化量 产和商业化运营。截至 2023 年底，全国共建设 17 个国家级测试示范区、7 个车联网 先导区、16 个智慧城市与智能网联汽车协同发展试点城市，开放测试示范道路超 2.2 万公里，发放测试示范牌照超 5200 张。在无人驾驶出租车方面，截至 2024 年 4 月 底，国内发放的无人驾驶出租车试运营牌照总共 6800 张。

各地陆续出台相关政策，加速 Robotaxi 落地。以上海为例，2023 年上海 7 家企业、 30 辆无驾驶人汽车常态化开展测试，4 家企业、13 辆汽车启动高快速路测试与示范， 3 家企业、9 辆汽车获得 L3 级别自动驾驶高快速路测试牌照。截至 2023 年底，上海 累计开放测试区域总面积 912 平方公里，嘉定 464 平方公里和临港 386 平方公里全 域开放，自动驾驶测试（功能测试）里程 743.7 万公里，测试时长 65 万小时。

参与者：百度领跑，文远知行、小马智行加速推进，整车厂开始布局。2024 年 Q1， 百度的自动驾服务萝卜快跑提供的自动驾驶订单约 82.6 万单，同比增长 25%；截至 2024 年 4 月 19 日，萝卜快跑累计为公众提供的自动驾驶出行服务订单超 6 百万次。 2023 年 9 月，小马智行获得深圳市级首个无人化商业化示范应用许可，获准在深圳 核心城区向公众提供 L4 级无人化自动驾驶出行服务（Robotaxi）。早在 2018 年初， 文远知行在广州生物岛开启国内首个 L4 级别自动驾驶常态化试运行。2019 年 6 月， 文远知行获颁 20 张广州自动驾驶路测牌照，占广州总牌照数超过 80%，数量位居全 国第二；同年 12 月，在广州正式开启运营服务，服务范围覆盖黄埔区核心的 144.65 平方公里的城市开放道路。整车厂进展来看，小鹏汽车、长安汽车均开始布局 Robotaxi 等方向的最新进展，逐步拓宽高阶智能驾驶数据获取的边界。

短期：三大成本制约，单车总成本仍在高位。成本测算来看，Robotaxi 主要成本包 括整车制造成本、运营成本、安全运维成本等。（1）整车制造成本：主流 Robotaxi 车型主要使用依赖高精地图和激光雷达的感知技术方案，单车成本较高。（2）运营成 本：对比普通网约车和出租车公司，Robotaxi 的日常运营成本更高。（3）安全运维 成本：包括地勤人员成本和远程监管与监控成本。当前安全员配备形式仍为车上安全 员为主，每辆车需要安排 1 名安全员，以应对车辆接管的情况。以萝卜快跑为例，根 据招聘网站，一名安全员的薪资大约在 6 千到 8 千，假设萝卜快跑在北京试点测试 200 辆 Robotaxi，则每月将会产生 120 万到 160 万的安全员成本。

中长期：预计 2026 年左右 Robotaxi 单车成本接近出租车/网约车。未来，随着车上 安全员转为远程模式，自动驾驶技术成熟、核心供应链稳定，Robotaxi 单车成本有 望不断下降，预计于 2026 年逐渐达到盈亏平衡拐点。（1）整车制造成本：预计到 2030 年，前装 Robotaxi 车型的整车制造成本有望下降 50%-65%。随着半固态激光雷达方 案及固态激光雷达技术的普及，规模效应有望实现成本下降。（2）安全运维成本：未 来，安全员的角色将由车内转移到远程，并且人车比将降低，这将大幅削减与安全相 关的运维开支。目前远程安全员的人车比至少为 1:3。后续有望实现人车比降低在 1:15 至 1:20。预计到 2026 年有望实现对传统出租车单公里成本的反超。

1.3单车智能：技术突破撬动需求，加速拐点已至

单车智能驾驶渗透率全面加速，L2+及以上功能应用加速落地。2024 年 1-5 月，L2 级 销量占比为 35.19%，L2+销量占比为 9.25%，合计销量占比达到 44.44%；5 月 L2+销 量占比为 11.34%，同比+6.49pct，环比+1.05pct，高阶智能驾驶车型渗透加速，智 能驾驶功能完善有望撬动消费需求。

优质供给推动 NOA 渗透率稳步提升。2024 年以来，高速 NOA 和城市 NOA 的渗透率快 速提升，2024 年 4 月高速 NOA 标配渗透率达到 6.49%，同比+4.11pct；选配渗透率 达到 4.74%，同比+1.06pct，合计渗透率已超过 10%。4 月城市 NOA 标配渗透率达到 1.42%，同比+0.44pct；选配渗透率达到 3.50%，同比+2.93pct，合计渗透率达到 4.92%， 同比+3.37pct。选配车型基本都预埋了用于实现城市 NOA 功能的硬件，主机厂可 OTA 的情况下，消费者后续可付费购买并使用该功能。

复盘电动化，渗透率 5-30%进入加速阶段，智能化目前进入渗透率加速阶段。电动化 发展至今，主要可以分为三个阶段：1）第一阶段为 2016-2019 年，新能源乘用车行 业处于萌芽期，渗透率处于 0%-5%，行业发展主要靠政策补贴驱动；2）第二阶段为 2020-2022 年，由于技术突破、新进入者和优质供给增加，新能源乘用车行业渗透率 处于 5%-30%的加速成长期阶段；3）第三阶段为 2023 年初以来，渗透率迈入 30%-60% 稳定增长的成熟期。目前 L2+车型渗透率超过 10%，进入渗透率加速阶段。

智能网联汽车准入和上路通行试点通知出台，自动驾驶行业进入快车道。2023 年 11 月，工信部、公安部等四部门联合发布《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》中正式对 L3/L4 自动驾驶的准入规范进行了具体要求，首次明 确了高阶智驾事故责任归属，完善了相关规则，开启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。该通知出台标志着正式完善了 L3/L4 级 自动驾驶上路的政策支持，有望促进我国智能网联汽车产品的功能、性能提升和产业 生态的迭代优化。 方向：本次试点测试聚焦在 L3 及 L4 级别自动驾驶功能的测试。从政策内容来看， 本次试点主要加强以下方面的工作：（1）基于试点实证，在法律法规、管理政策和标 准体系上形成对应标准，加快推进智能网联汽车测试验证、安全评估等支撑能力建设。 （2）加快各部门、各地方横向协同、纵向联动的安全管理工作机制，为后续高阶智 能驾驶应用打通机制通道。政策加速落地有望带动高阶智能驾驶功能的推进，同时法 规与标准有望明确功能边界。

参与者：主要车企进入智能网联汽车准入和上路通行试点。2024 年 6 月，四部门组 织专家对首次集中申报的方案进行了初审和择优评审，初步确定了 9 个联合体进入 试点。首批进入智能网联汽车准入和上路通行试点联合体包括比亚迪、长安汽车在内 的 9 家车企和相关的 9 家使用主体构成，相关准入和试点将在北京、上海、深圳等 7 个城市展开，试点产品覆盖乘用车、客车以及货车三大类。

1.4殊途同归：多路线百花齐放，智驾进入加速阶段

当下时点：车路云、单车智能、Robotaxi 协同加速，共同加速高阶智能驾驶落地。 功能上端到端大模型和 Robotaxi 进展超预期：（1）端到端大模型：特斯拉 3 月推送 Supervised 版本，完成从测试阶段到监管阶段的质变，国内理想、小鹏端到端大模 型加速上车；（2）Robotaxi 方面，萝卜快跑在武汉全面铺开使用，特斯拉 12.5.x 有 望加速落地 Robotaxi，国内外进展加速，有望成为加速智能驾驶的又一关键因素。

高阶智能驾驶阶段后技术具备互通性。（1）传感器来看，Robotaxi 和单车智能均采 用“摄像头+激光雷达”的感知体系。（2）计算方式来看，对于世界认知、物体识别 等算法高度一致。Robotaxi 与单车智能有望实现“1+1＞2”的效果。单车智能受益 于保有量的领先，有望实现数据规模上的领先。Robotaxi 由于功能效果领先，以及 在数据认知、任务模型构建等环节具有较强开发能力，可以针对低频场景和特殊城市 地区完成场景库的搭建与丰富，从而在高阶智能驾驶功能中实现互补。

车路云、单车智能、Robotaxi 有望成为加速高阶智能驾驶落地的三驾马车，端到端 等大模型应用有望加速高阶智能驾驶功能落地。分工来看，车路云主要由监管侧完成 推进，落地方式以基建为主。车路云作为智能驾驶的底座，在未来高阶智能驾驶落地 的作用中起到至关重要的作用：一方面需要给予单车智能与 Robotaxi 路端数据补偿， 充分补充视野盲区，成为感知的重要一环；另一方面，保证功能落地需要确定的监管 体系，车路云可以通过路端数据获取的方式完成安全性监督。同时，Robotaxi 和单 车智能作为不同实现高阶智能的两种方式，数据范围和功能路径上互补，未来有望实 现“1+1＞2”的落地效果。端到端等大模型通过简化计算方式，实现从感知到规划整 体模型的落地，成为智能驾驶落地的核心催化剂。我们认为未来将形成车路云、单车 智能、Robotaxi 的结构，端到端等大模型加速推进高阶功能落地的整体架构。

2. 驶向何方：模型驱动，2025 年有望大规模落地

2.1端到端：效率提升，数据和算力成为核心生产要素

端到端大模型是实现高阶智能驾驶功能的主要方式。端到端神经网络充分简化运算 步骤，减少人工特征工程的需要，并识别出数据中关联性，打通从感知到决策的全过 程。传统流程中，特征提取和数据转换通常需要大量的人工干预，包括人类标注、边 缘检测等手动设计的特征提取方法，需要较大量的人力参与训练。端到端神经网络通 过多层神经元结构，将输入数据逐步转化为更高层次的特征表示，网络通过反向传播 算法自动调整权重，降低预测输出和实际输出的差值。智能驾驶应用来看，端到端大 模型可以从传感器数据学习驾驶策略，去除过去的“感知—决策—执行”的传统智能 驾驶链路，充分提升数据和训练效率。端到端大模型在功能表现上有更高的上限，未 来受益于数据规模持续扩张，智能驾驶端到端大模型有望加速落地。

端到端等多个大模型将智能驾驶的核心生产力从研发人员转向数据和算力，有望凭 借算力积累实现功能迭代。智能驾驶功能迭代是基于数据完成的功能迭代，流程上主 要包括车端数据生成、数据存储、场景识别和数据清洗、数据认知和模型构建、模型 升级和车端功能 OTA。从技术迭代方式来看，过去以 rule-based 方案在数据认知和 模型构建的过程中以研发人员能力和数量为导向，通过人类标注方式完成场景识别 和数据清洗，而后基于人类规则完成路线规划算法的指定。当下大模型加速落地，运 算方式全面升级。标注上，通过自动标注算法完成降低人工成本，包括使用视觉惯性 里程计算、轨迹模型抽取等方式完成地图构建和特征标注，准确率提升的同时实现减 少对人工标注的依赖。训练上，通过云端大量驾驶里程数据的训练，完成端到端大模型计算准确性的提升，训练过程中大模型需要算力支持和优质数据投喂，算力和数据 逐步转化为智能驾驶未来发展过程中的核心生产要素。

生产要素之一：累计历程数据。新增智能驾驶有效里程=车型销量*单车单日行驶历程 数*智能驾驶付费率。智能驾驶有效里程可以拆分为当前存量数据和新增智能驾驶有 效里程两部分。存量数据来看，特斯拉 13 亿数据领跑（其中包含 2 亿公里端到端数 据），蔚来、理想、小鹏均接近 10 亿公里里程数据积累，华为系公里数加速，百度阿 波罗保持一亿公里的累计里程。

生产要素之二：训练算力规模。算力对比：特斯拉领跑，华为建设速度较快，国内车 企与互联网厂商建立合作加速算力部署。理想截止 2024 年 4 月已部署超过 1400P 训 练算力。云端合作方：华为使用华为云，蔚来使用腾讯云，小鹏和吉利与阿里云合作，理想和长城使用火山引擎。百度作为 H100 持有量较大的互联网企业，保持算力优势 和持有量的领先。

端到端大模型作为重要的垂直类大模型，受益于数据和算力规模的提升有望实现功 能的升级。车企智能驾驶端到端大模型作为智能驾驶行业未来发展的核心方向，一方 面，需要重点关注车企智能驾驶功能的迭代和测试的进展，消费者使用意愿和支付意 愿的加速或成为开启下一轮智能驾驶迭代的关键；另一方面，域架构/中央计算架构 车型保有量、算力建设情况、云端投入情况是重要的外部指标，充分佐证车企智能驾 驶端到端大模型的数据生产、存储和训练能力。同时，车企的研发支出（包括研发费 用和研发成本）成为端到端推进的重要保障。

2.2时间节点：垂类大模型或在 2025 年实现大规模落地

大模型进入细分化阶段，各行业的垂直类大模型进入加速落地阶段。分类来看，大模 型主要分为通用型、专用型以及针对特定场景设计的模型。垂直行业的专业模型（简 称垂直类大模型）将在推动大模型广泛应用方面扮演重要角色，通过整合通用公域数 据与行业专有数据，共同构建起产业级大模型训练所需的数据基础。大模型逐步显现 出细分化趋势，即在各个行业加速落地大模型的演进和功能落地。结合其他行业发展 情况来看，2024-2025 垂直类大模型进入加速落地阶段。

智能驾驶端到端大模型是重要的垂直类模型，汽车行业已逐步成为训练段服务器的 下游核心方向之一。2023 年汽车业务收入占比超过 3%，逐步成为英伟达收入的又一 方向。以英伟达服务器下游客户为例，奔驰、宝马等传统整车厂加速深化与英伟达的 合作，国内整车厂包括比亚迪、理想、小鹏等车企军加速布局。

车企算力硬件部署接近完成，数据体量作为依托将加速功能落地。从车企目前进展 来看，车企在过去 2-3 年内加速训练算力部署，同时具备较高算力的集中式域架构 车型数量快速累计，累计里程数据具备较大规模。在研发人员相对充沛的情况下，智 能驾驶核心生产要素完备，有望正式进入加速落地阶段。结合其他行业垂直类大模型 进展，我们认为端到端大模型作为具备标准体系和安全规范的大模型，2025 年有望 迎来大规模功能迭代和使用体验的升级。

应用端：特斯拉软件功能升级，累计里程快速积累。以 FSD（Full Self Driving） 功能为例，从 V11.4 后特斯拉持续迭代，实现功能的持续性升级。V12.3 后从 Beta （测试版）升级为 Supervised（监督版），实现功能的全面升级。累计历程来看，特 斯拉累计历程快速提升，目前已超过 13 亿公里。拐点来看，2023 年 3 月，特斯拉 FSD Beta11.4 版本迭代后使用频率提升，月度累计里程数据显著提升。特斯拉累计里程 接近 10 亿公里后，开始推送 FSD V12 版本，并且由测试版转向监督版。实现智能驾 驶端到端大模型应用，2024 年 4 月又迎来新的累计里程拐点。

国内新势力加速跟进，从域控制器、芯片到算法加速落地。（1）域控制器架构后车型 销量来看，理想受益于 L 系列车型销量领先，小鹏布局较早实现保有量水平较高，华 为系列（问界+阿维塔）受益于问界 M9 上市新车型节奏加速保持车型保有量的较高 增长，有望实现国内智能化车型保有量领先。（2）算法上，端到端大模型、占用网络 等加速落地，国内智能驾驶算法路线与特斯拉基本一致。

城市 NOA 开城数量和适用范围评价进展，小鹏/华为/理想进展较快。截至 2024 年 5 月底，小鹏汽车城区智驾已覆盖全国 283 座城市，并于 5 月 14 日迈入 100%无图 阶段；截至 2024 年 5 月，华为 ADS 城区 NCA 领航功能覆盖超过 40000+城乡镇，ADS 智驾总里程超过 2.2 亿公里。

优质自主加速跟进智能驾驶研发。优质自主如比亚迪、长城汽车、吉利汽车和长安汽 车也在加速推进高阶智驾功能研发。比亚迪在算法、芯片和产业链等环节已投入 4000 名研发人员，城市 NOA 将率先在腾势品牌落地。腾势 N7 的城市 NOA 功能在深圳已经 可以使用，比亚迪目标在 2024 年底实现全国可用。长城汽车目前也已经实现无图城 市 NOA 的开发，预计将在下半年上市的蓝山智驾版实现落地应用。优质自主品牌造 车积累深厚，发力高阶智驾有望进一步加强自身车型竞争力，助力其销量持续增长。

2.3车端升级：辅助模型增加，架构升级硬件结构优化

探索端到端模型上限，辅助模型加速端到端能力提升

车端模型配置：端到端模型是核心的解决方案，但仍需要其他大模型加以辅助。在计 算过程中，端到端大模型输入数据为传感器信息，输出结果为规划路线结果，在评价 过程中难以确定模型学习的准确性，即目前仍处在探索端到端大模型能力上限的阶 段。车端和云端的分配来看，车端所以在后续针对端到端大模型的优化和车端功能落 地上，需要其他模型的补充训练和车端其他大模型的辅助。理想在 OTA6.0 和 OTA6.1 车端部署端到端大模型和 VLM 模型，车端功能较为超预期。在后续的分析中，我们以 理想的世界认知模型和 VLM 模型为例，帮助端到端大模型实现更好的落地效果。

世界认知模型：端到端大模型的“世界认知教材”，帮助端到端大模型更好的认识世 界。原始图像空间中学习世界模型并不适合自动驾驶，（1）交通灯、标识牌很容易在 预测图像中被遗漏；（2）数据转化需要较长的时间和过程。世界模型将世界建模与模 仿学习相结合，作为辅助任务实现数据集中样本复杂度的降低。同时，世界认知模型 通过分解的世界模型和奖励函数来丰富静态数据集的标签，通过动态规划优化标签。 世界认知模型可以认为是端到端大模型的“教材”，用标准化的内容帮助大模型完成 世界认知和数据信息的构建，成为智能驾驶端到端大模型迭代的核心一环。

VLM 模型：收集 rule-based 成果，让端到端大模型有“参考答案”。DriveVLM 包含 一个具有三个关键模块的过程:场景描述、场景分析和分层规划。场景描述模块对驾 驶环境进行语言描述，识别场景中的关键物体；场景分析模块深入研究关键对象的特 征及其对自我车辆的影响；分层规划模块一步一步地制定计划，从元操作和决策描述 到路径点。VLM 模型架构与 rule-based 车端落地方式基本一致，将过去研发人员完 成的规则制定装入模型中，成为端到端大模型的“参考答案”。整体架构来看，双系 统设计类似于人类大脑的慢速和快速思维过程，类似于使用“参考答案”完成功能落 地，可以有效地适应各种复杂的驾驶场景。

车端电子电气架构升级，算力集中传感器成本逐步下探

车端或持续要求架构升级和算力迭代。汽车 E/E 架构来看.一方面，E/E 架构逐步向 集中化方向发展，具备车辆行为轨迹数据集中式生成。另一方面，受高级别智能驾驶 功能的影响，系统安全性设计要求提升，L3/L4 需要针对网络、电源、底盘、感知等 各层级架构均完成冗余设计，从而保证高阶功能的安全性。

车端算力提升，保证“影子模式”运行和车端行为轨迹数据回流。影子模式是指在有 人驾驶状态下，智能驾驶系统及传感器仍然运行，通过影子模式计算与有人驾驶状态 下的对比，完成对算法模型的验证。随着车型销量逐步提升，影子模式数据传输量远 超过路测反馈数据量。智能驾驶数据传输同样需要算力支持，车辆所产生的数据量需 要进行将归类、脱敏、压缩和打包后上传至云端服务器，车端算力需要保证车端与训 练端通讯通畅。车端算力是推进影子模式和保证数据回流的关键，车端中高阶算力芯 片成为硬件的又一要求。

摄像头+毫米波雷达+超声波雷达的组合基本满足感知需求。传感器性能对比来看， 激光雷达在探测速度、日夜间工作能力上领先。“摄像头+毫米波雷达+超声波雷达” 的感知层传感器组合在性能上满足各场景智能驾驶感知需求，激光雷达或作为探测 距离及夜间环境的补充传感器。

激光雷达成本持续有望下探，2024 年降价节奏放缓。根据 IDTechEx 的预测，激光雷 达各方案价格仍处在下行通道，相较于 2022 年和 2023 年成本下探幅度或有所放缓， 行业利润率有望缓解。激光雷达未来有望保留在高价格带车端核心硬件配置。

核心供应商激光雷达成本持续下探。速腾聚创和禾赛科技的激光雷达成本来看，激光 雷达成本均保持快速下探，速腾聚创 ADAS/机器人及其他激光雷达成本分别从 2020 年的 0.99/1.10 万元下探至 2023H1 的 0.50/0.63 万元；禾赛科技激光雷达单颗成本 从 2021 年的 2.39 万元下探至 2023Q3 的 0.65 万元。

中低价格带：算法成熟后实现硬件的替换，硬件成本有望进一步降低。视觉算法通过 Pseudo-LiDAR 方案，使用多目摄像头获取图像深度信息从而补全 3D 图像信息。Pseudo-LiDAR 方案是通过多摄像头方案获得深度图像，并将深度信息结合图像信息 获得伪雷达点云（Pseudo-LiDAR 点云），从而替代激光雷达方案。Pseudo-LiDAR 方案 具备更加稠密的数据，并且具备 RGB 颜色信息。结果来看，Pseudo-LiDAR 方案信息 精确程度略低于融合方案，但具备更加密集的点云数据，并且具备 RGB 颜色信息，即 可以通过颜色区分识别物体的属性和位置，从而更好完成神经网络感知下的 3D 成像。

2.4商业模式：运营模式丰富，智驾迎来盈亏平衡曙光

车企智能驾驶数据获取体系：“路测车队+Robotaxi+家用车”的结构。车企端智能驾 驶发展路线来看，在功能超越 L3 级别后，路测车队+Robotaxi+家用车的结构有望成 为数据获取与成本探索的最优解：一方面，功能初期由路测车辆完成，经过 Robotaxi 验证后逐步 OTA 给乘用车；另一方面，硬件成本边界的探索未来同样为整车厂需要 解决的问题，增加 Robotaxi 可以逐步探索家用车的 Bom 成本边界。整车厂考虑产品 矩阵与 Robotaxi 是否匹配，而后通过自研或合作的模式完成 Robotaxi 体系构建。

车企未来有望实现智能驾驶的盈亏平衡。（1）Robotaxi 通过成本下探实现单车的盈 亏平衡，而后通过泛化能力实现商业模式的盈亏平衡。（2）单车智能，通过功能优化 带动销量/智驾车型占比的提升，最终实现营收和毛利率水平的提升。（3）技术输出， 通过架构/算法等方式完成对其他车企智能化水平的提升，实现营业收入来源的增加。

Robotaxi：硬件成本降低是 Robotaxi 单车盈亏平衡的重点。百度在武汉运行的 Robotaxi 为例，单车降本主要经历三个阶段：（1）当前萝卜快跑盈利情况或不如预 期，尚未实现盈亏平衡。日均成本约 416.1 元，日均收入约 272.7 元左右，日均亏损 143.3 元。（2）2025 年第六代无人车投产降低单车成本，开始盈亏平衡。根据测算， 第六代无人车部署后，萝卜快跑将扭亏为盈，日均成本约 265.3 元，日均收入约 311.7 元，日均盈利约 46.4 元，预计 2025 年盈亏平衡。（3）长期车型持续升级，预计 2030 年单车日均利润破百元。根据测算，随着整车成本的持续优化以及运营成本的降低， 预计到 2030 年萝卜快跑日均成本约 207.8 元，日均收入约 311.7 元，每日单车盈利 约 104 元。

当下单城市内逐步完善，以“跑马圈地”模式为主。当下运行模式来看，Robotaxi 仍 以部分城市落地、地方政府合作等模式完成的落地与推进。政府合作来看，2022 年 9 月，武汉与重庆率先发布全无人商业化试点政策，向百度发放全国首批无人化示范 运营资格，并允许车内无安全员、开上社会道路、开展商业化服务的“三个允许”落 地加速。深度合作和与车企合作来看，2024 年 4 月 26 日小马智行与丰田中国、广汽 丰田共同成立合资公司：骓丰智能科技（广州）有限公司，投资超 10 亿人民币，合 力推动 L4 级自动驾驶出租车（Robotaxi）规模化量产和服务落地。

Robotaxi 技术路线：认知城市——完成测试——运营阶段——功能迭代，泛化能力 是商业模式成立的关键。功能升级的角度来看，Robotaxi 需要首先完成城市认知和 高阶功能测试，主要包括基于导航地图的地图信息构建、城市内场景识别，并基于地 图信息数据完成功能搭建。在测试场场完成功能测试后进入运营阶段，并在运营阶段 根据运营数据和反馈问题完成功能迭代和升级。我们认为，Robotaxi 未来商业模式 成立重要的参数指标，是达到相同标准所需要的时间。拆分来看主要是由于功能范 围和功能效果两个因素决定：一方面，需要看到从小部分城市向大部分城市的泛化， 城市数量增长的时间差逐步缩短将带来盈利能力的增强；另一方面从城市中心区范 围内使用到全城市范围内使用，将带来使用体验和单日订单数量的增长。

单车智能：高阶智驾版本车型占比提升，智能驾驶功能逐步兑现销量。以理想汽车为 例，在智能驾驶功能上实现快速迭代，功能持续超预期。OTA6.0 后包括智能驾驶、 辅助泊车等功能均实现功能优化，未来有望实现高阶车型销量占比的提升。

技术输出：电子电气架构和高阶智驾功能合并输出，打开营收空间。以小鹏汽车为 例，小鹏和大众的深化合作未来有望带来更大的收入增长。在 2024 年 2 月 29 日， 小鹏汽车与大众汽车集团签订了平台与软件战略技术合作联合开发协议。这一协议 的签订意味着双方将共同研发新的汽车平台和技术，共享资源，以提高生产效率并降 低成本。2024 年 4 月 17 日，双方的合作再次升级，小鹏汽车与大众汽车集团签订了 EEA 电子电气架构技术战略合作框架协议，明确了双方将在电子电器架构技术领域开 展深度合作，共同开发先进的电子电气架构，以支持未来的智能电动汽车发展。

车企未来仍作为智能化的核心研发支出来源，或进入开源合作的研发模式。车企具 备整车的生产牌照与生产能力，在整套体系中成为数据生产来源和功能应用方向。在 未来的数据研发结构中，目前功能相对领先的自研系车企（特斯拉、理想、小鹏等） 或保持研发能力和功能迭代效率，成为充分收益智能化功能的核心车企。自主品牌和 合资品牌中，通过开源合作等模式完成智能化升级。以丰田为例，未来或形成单车智 能与华为合作，Robotaxi 与小马智行绑定的合作体系。

智能驾驶盈亏平衡曙光将至。车企有望通过 Robotaxi 和高阶智能驾驶带动功能升级 两个维度带来营收和利润的增长，为车企注入新的收入增量。智能驾驶研发企业和 Robotaxi 的运营企业有望凭借软件输出和运营能力实现盈亏平衡。

编辑：火腿肠