一、引言
智能驾驶汽车有望成为较早落地的具身智能产品，全球汽车保有量庞大，自动驾驶替代司机的劳动力市场空间巨大。预计2025年国内自动驾驶市场规模约510亿元，远期近3000亿空间。当前汽车智能化具备技术底层突破、爆款产品出现、可持续跟踪的数据和海内外共振等要素，奇点时刻渐近。
二、汽车智能化奇点时刻将近
L3级别是汽车自动化道路的一次跃升
l法规和技术维度：从法规来看，SAE和中国《汽车驾驶自动化分级》规定L0 - L2级别车辆驾驶以人类为主，L3开始车辆自动驾驶系统在条件许可下可完成所有驾驶操作；从技术来看，L0 - L2主要运用摄像头、超声波雷达和毫米波雷达等传感器，L3及之后传感器配套数量上升，激光雷达难以避开，传感器协同要求提升，控制器芯片算力大幅提升。
l市场现状：当前汽车智能化已具备技术底层突破（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）和海内外共振（海外跟踪特斯拉FSD V12版本持续迭代）等特点，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。
从政策分析智能驾驶的节奏
l各国政策：中国管理细则不断完善，多地发布无人驾驶车辆道路测试与商业示范管理实施细则；美国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；欧洲立法快于商业化进程，英国于2024年5月批准通过《自动驾驶法案》，明确事故责任承担问题。
l技术驱动的景气度行情要素：每一轮新技术驱动下的景气度行情离不开技术底层突破、爆款产品出现、可持续跟踪的数据和海内外行情共振四个要素。当前汽车智能化在这些方面均有进展，电动化上半场已过，智能化下半场潜力巨大。
以特斯拉技术迭代看行业发展方向
l技术层面：特斯拉智能驾驶方案可分为四个阶段，从与Mobileye深度合作到自研软硬件系统，再到引入BEV + Transformer + Occupancy network等模型，2023年后推出新一代端到端大模型及新一代硬件配置Hardware 4.0，智能驾驶技术路线进入新时代。端到端的核心是减少人工干扰，扩大模型处理复杂场景上限，传统分解式模型难以穷举现实自动驾驶场景，而端到端以数据驱动取代规则驱动，能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。
l数据层面：特斯拉构建了数据采集 - 搭建数据集 - 自动标注 - 送入模型训练 - 量化部署上车的数据闭环。在数据采集层面，通过影子模式运行算法，识别“corner case”并上传搭建数据集；在数据中心端，可扩展性结构适配智能驾驶模型，特斯拉的DOJO超算中心和自研AI芯片提升了数据训练能力，AI训练算力有望不断提升。
l用户层面：FSD V12提供更类人驾驶体验，价格下调至8000美元位置，且澳洲、德国等地FSD BETA开启推送，特斯拉将无人驾驶出租车Robotaxi或将于2024年发布，这些因素有望加速FSD渗透率上行。中国为代表的亚太地区销量规模增长也为FSD入华后渗透率提升提供了广阔空间。
三、智能化在汽车产业链的核心变化
上游基建 - 算力端
l数据需求与智算中心：智能驾驶模型普遍基于深度学习构建，随智能驾驶等级提升和大模型算法上车，数据计算量增大，算力要求提高，部分公司开始布局智算中心。智算中心具备生产算力、聚合算力、调度算力和释放算力四个环节的能力，为智能驾驶提供数据处理和模型训练支持。
l建设情况：部分有实力的主机厂及企业已开始布局智算中心，如吉利汽车的星睿智算中心、特斯拉的dojo超算中心、小鹏的扶摇智算中心等。
车端 - 架构
l汽车电子电气架构：汽车电子电气架构奠定车辆底层框架，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 - 中央架构演变。分布式架构主要用在L0 - L2级别车型，存在硬件浪费、协同性差等问题；域集中式架构通过域控制器整合，实现信息互联互通和资源共享；跨域融合和中央计算阶段则进一步提升性能和集成度。
l主流厂商架构特点：各大厂商根据自身情况布局不同的架构，如大众MEB平台的E3架构、华为CC架构等属于三域架构，蔚来、小鹏等在不同车型上采用了不同的架构演进方案。
车端 - 硬件
l成本与配置趋势：从硬件成本来看，传统方案硬件成本3万元以上，特斯拉纯视觉方案成本节省1 - 2万。大模型及高阶自动驾驶落地催化硬件配置变革，越来越多的车企传感器方案重心向视觉倾斜，800万像素摄像头上车增加，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。
l感知层：
1.摄像头：视觉逐渐成为感知系统重心，摄像头像素水平提升，800万像素摄像头占比持续提升。国内乘用车摄像头市场规模和ADAS摄像头搭载量有望快速增长，摄像头产业链包括上游原材料、中游元件和系统封装以及下游应用等环节。
2.激光雷达：激光雷达对于实现高级别智能驾驶具有必要性，可探测多数物体、构建环境3D模型、实时性好。激光雷达市场空间有望持续扩大，上游主要零部件包括电学芯片、光学部件、收发部件等，行业玩家涵盖传统外资Tier1、本土Tier1、互联网科技与软件公司、整车企业等。
l决策层：数据和算法要求提升，自动驾驶芯片算力持续提升，以华为为代表的自动驾驶芯片占比持续提升。不同自动驾驶SoC芯片厂商布局各具特点，自动驾驶域控制器行业玩家包括传统外资Tier1、本土Tier1、互联网科技与软件公司、整车企业等。
l执行层：
线控制动：ADAS执行层的核心产品，是高阶自动驾驶的必经之路，具有响应速度快、安全舒适、能实现能量回收等优点。EHB是主流方案，ONE - BOX享有高集成度、低体积、低重量优势，行业有望加速上量。
线控转向：用电子控制器取代方向盘与转向轮之间的机械连接，是实现高阶自动驾驶的必经之路，可提高车辆操控性能和驾驶体验，但难度高，需要考虑多种安全因素。目前国内法规限制解除，相关国家标准制定工作正在推进，线控转向渗透率将加速上行。
线控悬架：作为主动悬架的空气悬架可调节悬架刚度和车身高度，具有高稳定性、舒适性、通过性等优点，在高阶自动驾驶时代具有应用前景。国产化加速空悬渗透率提升，25年市场规模预计将达240亿元。
车端 - 软件
l大模型助力与端到端方案：大模型上车取得一定进展，NOA功能从高速NOA向城市NOA发展，端到端自动驾驶方案受到关注。与传统多模块方案相比，端到端方案将感知、预测和规划整合到单一模型中，简化了方案结构，能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。
l
l车企进展：特斯拉、小鹏、华为、理想等车企在端到端模型方面均有进展，如特斯拉的FSD V12、小鹏的AI天玑系统、华为的ADS 3.0、理想的E2E模型等。
四、下游运营 - 商业模
Robotaxi商业化进展
l全球梯队分布：全球Robotaxi商业化发展分为三个梯队，中国市场处于领先地位。第一梯队国家已进行无主驾安全员的商业化小规模应用；第二梯队国家已成功进行有主驾安全员的面向公众的商业化试运营；第三梯队国家仍处于测试阶段。
l制造商入局原因：Robotaxi是智能驾驶企业商业模式向轻资产转化的重要方向之一，可利用庞大的驾驶数据拓宽商业模式；对消费者而言，Robotaxi收费低于现行出租车/拼车服务，对购车者而言，部Robotaxi每年可带来可观利润。
商业模式与运营测算
l商业模式：Robotaxi常见的商业模式有主机厂 + 自动驾驶公司 + 出行服务商、主机厂 + 自动驾驶公司、主机厂 + 出行服务商三种。多家主机厂通过旗下出行服务商与自动驾驶公司合作开展Robotaxi业务，同时自研自动驾驶技术。
l运营测算：以萝卜快跑公开数据为例，对Robotaxi运营收入和成本进行测算，在一定假设条件下，Robotaxi可以实现盈亏平衡。
产业链与进展：自动驾驶出租车Robotaxi产业链包含供应商、供给侧、需求侧和监管侧。国内外车企与自动驾驶公司如特斯拉、小鹏汽车、百度Apollo、小马智行等在Robotaxi领域均有进展。