《智能汽車行業系列深度（十八）：體驗為先高階智駕落地進行時-240725（26頁）.pdf》由會員分享，可在線閱讀，更多相關《智能汽車行業系列深度（十八）：體驗為先高階智駕落地進行時-240725（26頁）.pdf（26頁珍藏版）》請在三個皮匠報告上搜索。

1、汽車汽車 請務必參閱正文后面的信息披露和法律聲明 1/26 汽車 2024 年 07 月 25 日 投資評級：投資評級：看好看好（維持維持）行業走勢圖行業走勢圖 數據來源：聚源 新能源、出口端放量支撐銷量，關注爆款車、智能化產業鏈開源中小盤&汽車主題投資策略-2024.7.2 智能車，向未來開源中小盤&汽車智能車主題投資策略-2024.6.27 4 月新能源、出口端閃耀，新能源車下鄉重磅開啟行業點評報告-2024.5.27 智能汽車系列深度智能汽車系列深度（十八十八）：體驗為先體驗為先，高階智駕高階智駕落落地進行時地進行時 行業深度報告行業深度報告 任浪（分析師）任浪（分析師）趙旭楊（分析師）

2、趙旭楊（分析師） 證書編號：S0790519100001 證書編號：S0790523090002 車企車企逐鹿逐鹿城市城市 NOA，體驗是體驗是提高功能滲透率的提高功能滲透率的核心核心 自動駕駛大勢所趨，小鵬、蔚來、理想、小米等新勢力，長安、賽力斯、江淮、北汽等華為系以及吉利、上汽、長城、廣汽等傳統車企紛紛入場，競相推出自家城市 NOA 方案，城市 NOA 正從“0-1”步向“1-10”。提高城市 NOA 滲透率，關鍵是提高消費者的付費意愿，而付費意愿與城市 NOA 所能提供的體驗密切相關用戶愿意為體驗良好的功能買單。為了探明各家車企自動駕駛體驗情況，我們在 4-6 月密集地進行了自動駕駛路側

3、測試，首輪選取 8 家自動駕駛水平領先車企的相關車型，地點覆蓋北京、上海、廣州、重慶、紐約五大城市，系統地記錄了測試中的場景數據，以反映城市 NOA 功能的真實使用體驗。FSD V12 綜合綜合表現表現優秀優秀，國內國內正快速正快速提升提升功能功能覆蓋度覆蓋度和能力和能力 消費者希望自動駕駛行駛更加安全、能夠做到地區的廣泛覆蓋、較少的接管次數，最好還能像老司機一樣經驗豐富。我們圍繞場景建立自動駕駛體驗框架，其中覆蓋程度與安全接管反映自動駕駛系統是否能用，舒適接管與順滑程度反映自動駕駛系統好不好用。測試結果顯示，特斯拉 FSD 在覆蓋程度、安全接管率上體驗領先，特別是在場景中行為連貫、操作順滑，

4、表現出較強的擬人能力。國內車企自動駕駛總體處于快速提升覆蓋度和能力的階段，在測試中存在“覆蓋度-接管率”上此消彼長的平衡，如問界與阿維塔測試車型對路網的覆蓋程度較高但接管率同樣較高，而小鵬在測試時僅覆蓋了主要的路網，但接管率更低，在安全接管方面占優；而在順滑程度方面，當前國內的城市 NOA 功能僅僅達到“能用”水平，距離功能“好用”、用戶“愛用”仍有較大的差距。感知層面感知層面基本成熟，基本成熟，預測、預測、規控規控層面層面是是體驗體驗差異化的主要差異化的主要來源來源 在感知層面，國內車企普遍采用 BEV+Transformer 的感知端到端方案，在測試中均展現出對周圍路況的較強感知能力。預測

5、、規控能力是國內智駕體驗差異化的主要來源，這一點在城市之間的體驗對比下則更為突出。預測層面，國內車企仍較難做到準確判斷道路交通主體的意圖，對運動軌跡的預判性不足；規控層面，在較難場景下表現出過猶豫，以及對路徑規劃選擇不合時宜，此外可以發現國內車企對車道線的依賴性較強，在無車道線場景容易出現“畫龍”。當前領先車企正致力于端到端大模型的上車，端到端模型架構下預測和規模模塊都將引入泛化能力強的大模型，規控將表現得更為準確絲滑，類人的自動駕駛體驗指日可待。推薦及受益標的：推薦及受益標的：整車標的推薦：比亞迪、長安汽車、長城汽車，受益標的：小鵬汽車-W、理想汽車-W、江淮汽車、北汽藍谷、賽力斯、蔚來-S

6、W。智能化龍頭零部件和華為產業鏈值得期待，推薦德賽西威、均勝電子、華陽集團、北京君正、滬光股份、瑞鵠模具等，受益標的：博俊科技、上海沿浦等。風險提示：風險提示：技術發展進度不及預期、市場需求不及預期、數據結果存在偏差。-29%-19%-10%0%10%2023-072023-112024-032024-07汽車滬深300相關研究報告相關研究報告 開源證券開源證券 證券研究報告證券研究報告 行業深度報告行業深度報告 行業研究行業研究 行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 2/26 目目 錄錄 1、體驗為先，車企競相布局城市 NOA.4 2、五大場景全方位對比領先車企智

7、駕能力.5 2.1、擇自駕水平領先車企，探其核心城市道路表現.5 2.2、從用戶體驗出發，選取五大場景衡量自動駕駛能力水平.7 3、FSD V12 總體表現優秀，國內正快速跟進.9 3.1、自動駕駛的場景能力與體驗強關聯.9 3.2、總體分析：特斯拉綜合領先，國內車企存在“覆蓋-接管”權衡.10 3.2.1、覆蓋程度：國內車企總體處于快速提升覆蓋度階段.10 3.2.2、安全接管率：特斯拉平均接管里程排名靠前，國內車企分化.12 3.2.3、順滑程度：當前國內智駕距離類人化仍有一定距離.12 3.3、場景分析：感知普遍較強，預測和規控是差異化體驗主要來源.13 3.3.1、轉彎場景：轉彎仍是較

8、難場景，國內外車企均不能完美處理.14 3.3.2、啟停場景：各測試車輛接管率低，表現均較為良好.15 3.3.3、避讓/繞行場景：國內小鵬處理風格偏穩，華為系處理風格更為自信.16 3.3.4、多車道場景：匯流分流場景表現均較為優異，加塞場景仍是難點.17 3.3.5、復雜道路場景：環島場景僅特斯拉能處理，國內暫未覆蓋.18 3.4、城市分析：不同城市中，不同的規控策略帶來的體驗差異較大.19 4、擬人化為迭代方向，端到端大模型推動體驗快速提升.20 5、受益標的.22 6、風險提示.24 圖表目錄圖表目錄 圖 1：城市道路需要處理的任務更加復雜，要求駕駛系統擁有更強的應對能力.5 圖 2：

9、本輪在 5 城市進行自動駕駛測試.7 圖 3：小鵬與問界因測試地點多、時間長，測得樣本量較多.8 圖 4：場景評定標準由高到低分別為絲滑、優秀、一般、較差.9 圖 5：場景能力可以通過覆蓋程度、安全接管率、舒適接管率、順滑程度四維度分析.10 圖 6：小鵬 XNGP 智駕 XOS 5.2.0 能夠實現“有路就能開”.11 圖 7：極越年內實現有百度地圖的地方就可以使用 PPA.11 圖 8：特斯拉可用范圍最高，國內阿維塔、問界覆蓋程度較高.12 圖 9：特斯拉場景優秀率更高，國內車企順滑程度表現基本處于同一水平.13 圖 10：544 個場景分布于五大場景.13 圖 11：測試中轉彎、多車道、

10、避讓場景占比較多.13 圖 12：左轉場景往往需要跨車道行駛.14 圖 13：無保護左轉需要實現更加復雜的博弈.14 圖 14：轉彎場景中，特斯拉處理能力較強，國內華為系處理水平較高.15 圖 15：啟停場景中，搭載華為 ADS 2.0 車型具有較低的接管率.16 圖 16：華為 ADS 2.0 在避讓場景中較為激進，小鵬、極越相對保守.17 圖 17：特斯拉多車道場景處理能力較強，國內小鵬接管率較低.18 圖 18：人車混雜無信號燈的環島曾是特斯拉的難點場景.18 圖 19：環島道路對車道選擇、匯出時機有較高要求.18 圖 20：問界在重慶的覆蓋程度最高，小鵬在廣州的覆蓋程度最高.19 eZ

11、8XfVdX8XeZeUdX7NaObRoMqQpNsOkPoOqPeRoMoQ8OmNnMuOsQoRNZrQmM行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 3/26 圖 21：北京道路工況較為復雜，問界表現受到挑戰.20 圖 22：小鵬在北京、重慶的表現相對較好.20 圖 23：ADS 3.0 中 PDP 網絡實現了預決策和規劃一張網.21 圖 24：小鵬端到端大模型由 XNet、XPlanner、XBrain 三部分組成.21 圖 25：理想系統 1 端到端模型目前正由第二代演化向第三代.22 表 1：車企紛紛布局城市 NOA 功能，供給端實現“0-1”階段跨越.4

12、 表 2：共選取 8 家自動駕駛領先車企進行實地路測.6 表 3：各個車型均選取能夠實現城市 NOA 功能的配置.7 表 4：將用戶經常需要處理的路況劃分為五大場景，共包含 22 個小場景.8 表 5：問界、小鵬、阿維塔轉彎場景數量位居前三.14 表 6：問界、小鵬、阿維塔啟停場景數量位居前三.15 表 7：問界、小鵬、阿維塔避讓/繞行場景數量位居前三.16 表 8：華為系、小鵬車型多車道場景樣本量顯著多于其他車企品牌.17 表 9：復雜道路測試場景獲取較少.18 表 10：問界在重慶、北京的場景數量最多，小鵬在上海、北京的場景數量最多.19 表 11：受益標的盈利預測及估值.23 行業深度報

13、告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 4/26 1、體驗為先，車企競相布局城市體驗為先，車企競相布局城市 NOA 自動駕駛自動駕駛能力能力是是車企車企在在電動智能化時代電動智能化時代最最具重要性的競爭力具重要性的競爭力，關鍵技術的關鍵技術的突破突破帶來功能的體驗提升帶來功能的體驗提升。汽車產業發展已經來到了重要的分水嶺，電動智能化對于出行方式的改變正在加速，其影響深遠，并將深刻改變汽車行業的格局。自動駕駛正是這一變化的重要推力，在國內，以城市 NOA 為代表的高階智能駕駛逐漸走向大眾，自動駕駛功能成為影響消費者購車的重要因素，逐漸構成車企在電動智能化時代的核心競爭力。從技術的

14、角度，從技術的角度，自動駕駛的發展是非勻速的自動駕駛的發展是非勻速的。2021 年 7 月特斯拉發布BEV+Transformer 架構，大模型技術上車，同年 10 月 FSD V10.2 首次向公眾推送；時間來到 2024 年，使用端到端自動駕駛技術的 FSD 已經迭代到 V12，用戶完全無接管的行程次數達到 72%，出眾的技術體驗贏得用戶好評，構筑起護城河。從市場的從市場的角度，角度，國內國內領先領先車企車企積極布局積極布局自動駕駛自動駕駛，相繼推出城市，相繼推出城市 NOA 功能功能。小鵬、蔚來、理想、小米等新勢力，長安、賽力斯、江淮、北汽等華為系以及吉利、上汽、長城、廣汽等傳統車企紛紛

15、入場，競相推出自家城市 NOA 方案，但不同廠商從投入資源、技術路線、布局時間上存在差異，因此自動駕駛功能水平遠未進入同質化時代，用戶還是會經常遇到需要接管的場景。車企自動駕駛能力的提高還處于“正在進行時”。表表1：車企紛紛布局城市車企紛紛布局城市 NOA 功能功能，供給端實現“，供給端實現“0-1”階段跨越”階段跨越 車企車企 城市城市 NOA 最新進展最新進展 小鵬 小鵬 XNGP 智駕 XOS5.2.0 公測版本 7 月份全量推送，全國有路就能開。XNGP 城區智駕已完成 100%無圖化，智駕可用范圍里程翻倍；2024 年內實現 XNGP 全國主要城市路網全覆蓋，2025 年面向全球開始

16、研發 XNGP 理想 OTA6.0 開啟推送，無圖 NOA 全量推送，實現全國都能開 蔚來 Banyan 榕 2.6.5 OTA，智駕分低于 70 分可用里程主要分布于各城市主干道，超 50 萬公里；智駕分高于 70 分，可用目前超過 140 萬公里的城區驗證里程。截至 7 月 17 日，蔚來城區可用里程達 354 萬公里，覆蓋 726 城 小米 城市 NOA 開通十城（需要刷夠 1000km 的安全智能駕駛里程才可以使用）賽力斯 問界 2024 年 2 月，無圖城市 NCA 向所有訂閱 ADS2.0 高階功能包的問界 M5/M7 智駕版車主陸續推送；3 月，問界M9 上線“無圖智駕”功能。問

17、界新 M7 Ultra 整體升級到了華為 ADS 3.0 的硬件平臺 長安 阿維塔 2024 年 2 月 4 日，阿維塔科技宣布即日起對阿維塔 12 全量用戶開啟不依賴高精地圖的城區 NCA；3 月，阿維塔 11 開啟不依賴高精地圖的智駕領航輔助 北汽 極狐 2024Q1，阿爾法 S 先行版面向所有訂閱 ADS2.0 高階功能包的先行版智駕版車主，陸續免費推送HUAWEIADS2.0 版本 享界 享界 S9 是乾崑 ADS 3.0 首發車型 吉利 極越 OTA V1.6.0 已于 6 月 30 日起陸續推送給全量用戶；PPA 智駕已開通 300 城，新增覆蓋 196 個城市，可用里程超 50

18、萬公里 極氪 二季度開始，城市 NZP 在全國核心城市開啟首批用戶公測 銀河 銀河智駕 2.0“城市通勤 NOA”智駕方案將于在 2024 年內陸續開通各項功能 奇瑞 智界 智界 S7 為智選模式，搭載華為 ADS2.0 星紀元 NEP 城市領航（Beta 版本）5 月 OTA，覆蓋范圍包括上海(部分區域)+蕪湖兩座城市。星紀元 ES/ET 正是奇瑞首批落地城市領航功能的車型 上汽通用五菱 寶駿 寶駿云朵 OTA 3.0，靈犀版車型將解鎖城市記憶領航功能，最多記憶 10 條路線 上汽 智己 智己 IM AD“去高精地圖”城市 NOA 公測新增珠海、重慶等 58 個城市；2024Q3 無圖城市

19、NOA 開啟量產；無圖城市 NOA 年內開全國 廣汽 昊鉑 7 月預計開通 41 座城市無圖 NDA 智駕功能 比亞迪 騰勢 N7/仰望 U8 將于 2024Q1/2024Q3 分別搭載，最快年底覆蓋全國 行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 5/26 車企車企 城市城市 NOA 最新進展最新進展 長城 魏牌 8 月 30 日首開保定、深圳、成都、重慶四城；9 月 30 日新增石家莊、武漢、廣州、鄭州、西安五城；10 月30 日新增上海、杭州、蘇州、北京、天津五城；11 月 30 日新增青島、濟南、佛山、長沙、長春、哈爾濱六城；最終到 12 月 30 日實現全國所有

20、城市都能開 零跑 希望 2024 年下半年推出，在積極籌備中 資料來源：IT 之家、蓋世汽車智能網聯公眾號、電動車公社公眾號等、開源證券研究所 從市場從市場接受接受的角度，自動駕駛屬于新技術的角度，自動駕駛屬于新技術。在早期，會有小部分人群對新技術具有強烈的好奇心，而技術的進步會促使關心技術的人為之買單，在這一階段是新技術的供給驅動；而在后期，技術需要提供實實在在的體驗，才能打動消費者為之買單，提高功能的滲透率，自動駕駛的發展正從供給驅動向需求驅動轉型。供給驅動向需求驅動轉型供給驅動向需求驅動轉型下，用戶的下，用戶的體驗權重上升體驗權重上升，用戶價值地位凸顯，用戶價值地位凸顯。分析自動駕駛離不

21、開需求側的用戶體驗。消費者希望看到的自動駕駛進步是行駛更加安全（事故率）、能夠覆蓋的地區增多（覆蓋度）、需要接管的次數減少（接管率），最好在行駛中能夠提供像人類司機一樣的順滑體驗。為了真實地反映與衡量當前階段用戶使用各家車企城市 NOA 的感受，我們針對智駕領先車企，在不同城市、用不同車型進行自動駕駛能力的道路測試，并以場景為中心對數據進行匯總記錄。用戶的良好體驗一定發生在車企自動駕駛能力邊界之內，因而自動駕駛體驗的一手測試數據，也可以側面反映出車企在自動駕駛方面的能力。2、五大場景五大場景全方位對比領先車企智駕能力全方位對比領先車企智駕能力 2.1、擇擇自駕水平領先車企自駕水平領先車企，探其

22、，探其核心城市核心城市道路道路表現表現 選取選取自動駕駛自動駕駛水平領先的車企，于核心城市展開測試。水平領先的車企，于核心城市展開測試。本報告所列呈的自動駕駛測試，時間集中在 2024 年 4-6 月份。測試的主要功能是車企城市 NOA 功能。城市 NOA 是目前能夠實現的難度最高也是體驗最為重要的自動駕駛功能，水平領先的車企無論在技術還是市場認知上都具有一定的先發優勢。圖圖1：城市道路需要處理的任務更加復雜，要求駕駛系統擁有更城市道路需要處理的任務更加復雜，要求駕駛系統擁有更強強的應對能力的應對能力 資料來源：華為官網 行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 6/2

23、6（1）車企：）車企：鑒于當前車企自動駕駛能力仍有差別，因而選取自動駕駛水平領先車企進行自動駕駛功能的路端測試，首批共選取 8 家車企：特斯拉、賽力斯、阿維塔、小鵬汽車、理想汽車、蔚來汽車、智己汽車、極越汽車。以上車企或是當前自動駕駛的領軍，或是早早布局于自動駕駛技術，或是在自動駕駛領域加大投入奮發追趕，通過比較以上車企的自動駕駛，能夠較為全面地獲得消費者所能使用到的城市 NOA 的真實水平。本次測試版本均為測試日期當日搭載版本，而車企自動駕駛更新迭代快速，結果反映的僅為測試時間點截面數據，我們未來還將會對車企自動駕駛體驗進行持續追蹤更新，以完整反映不同階段車企自動駕駛水平。表表2：共選取共選

24、取 8 家自動駕駛領先車企進行實地路測家自動駕駛領先車企進行實地路測 車企車企 車型車型 測試版本測試版本 時間時間 天氣天氣 測試里程（測試里程（km）特斯拉 Model Y FSD V12.3.4 2024 年 4 月 18 日 晴朗+雨天 75 賽力斯 問界 M9 ADS 2.0 2024 年 4 月 5 日 晴朗 45 2024 年 4 月 26 日 晴朗 120 2024 年 5 月 10 日 晴朗 66 2024 年 5 月 25 日 晴朗 30 阿維塔 阿維塔 12 2024 年 5 月 19 日 晴朗 100 小鵬汽車 小鵬 X9 XOS 5.1.0 2024 年 4 月 14

25、 日 晴朗 150 2024 年 4 月 27 日 晴朗 120 2024 年 5 月 25 日 晴朗 15 小鵬 G6 2024 年 4 月 28 日 晴朗 85 理想汽車 理想 L9 AD Max 3.0 2024 年 5 月 12 日 晴朗-蔚來汽車 蔚來 ES6 Banyan榕 2.6.0 2024 年 5 月 19 日 晴朗 42 智己汽車 智己 L6 IMOS 3.0（Beta 版）2024 年 6 月 2 日 晴朗 50 極越汽車 極越 01 V1.4.0 2024 年 6 月 2 日 晴朗 55 數據來源：開源證券研究所（2）城市）城市：在美國，特斯拉 FSD 使用的無圖方案，

26、該方案擺脫了高精地圖的限制，在不同城市的體驗基本無差異，但為了提高可對比性，我們將特斯拉 FSD 的測試時間定在紐約市中心的晚高峰時間段，在人車混雜道路交通狀況下，測試 FSD應對復雜交通路況的能力。在我國，提前采集先驗信息和使用高精地圖，是此前中國車企推廣高階自動駕駛功能的主流做法，這種做法會使得自動駕駛的表現在城市之間產生較大的差異，同時由于成本、地圖數據采集等原因，依賴于高精地圖的城市 NOA 在不同城市之間拓展較慢。在 2023 年之后，國內車企也紛紛轉向無圖智駕方案，以更有效率地“開城”，而無高精地圖環境下的“開城”需要路側驗證，在已有經驗積累的地區、有大量的用戶數據的地區將更有可能

27、實現更良好的體驗?；谝陨显?，我們在國內選取北京、上海、廣州三個核心城市進行車企自動駕駛測試；重慶因錯綜復雜的地形和多樣化的道路被稱為“8D 城市”，能夠更好對比測試出車企應對復雜路況的能力。行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 7/26 圖圖2：本輪本輪在在 5 城市進行自動駕駛測試城市進行自動駕駛測試 資料來源：各公司官網、小鵬汽車公眾號、開源證券研究所（3）車型：）車型：我們所試駕選取車型在配置方面均能夠實現城市 NOA 功能，基本為車企的熱門車型，版本均為當時最新版本。在配置方面，Model Y 與極越 01 踐行純視覺路線，未使用激光雷達，而在國內實現城

28、市 NOA 的其他車輛基本都需要激光雷達進行冗余感知。在芯片方面，搭載華為 ADS 2.0 與 MDC 610 的問界 M9 所使用算力為本次測試所有車型中最低，華為強大的軟硬一體能力加持下，200 TOPS 使得城市 NOA 成為了可能，阿維塔 12 也使用華為的 MDC 芯片；特斯拉使用自研的 HW 4.0 芯片，算力在 300-500TOPS；而其余車型均使用英偉達作為計算芯片，主流雙ORIN-X 的芯片算力在 508TOPS?？傮w來看，目前量產車中實現城市 NOA 駕駛需要的算力大約在 200-500 TOPS 區間。表表3：各個車型均選取能夠實現各個車型均選取能夠實現城市城市 NOA

29、 功能的配置功能的配置 車型車型 攝像頭攝像頭 激光雷達激光雷達 激光雷達線束激光雷達線束 毫米波雷達毫米波雷達 超聲波雷達超聲波雷達 芯片芯片 算力算力 Model Y 7-HW 4.0 300-500TOPS 問界 M9 11 1 192 線 3 12 華為 MDC 610 200TOPS 阿維塔 12 11 3 96 線 3 12 華為 MDC 810 400TOPS 小鵬 X9 11 2 126 線 3 12 英偉達 Orin-X*2 508TOPS 小鵬 G6 12 2 96 線 5 12 英偉達 Orin-X*2 508TOPS 理想 L9 11 1 128 線 1 12 英偉達

30、Orin-X*2 508TOPS 蔚來 ES6 11 1 150 線 5 12 英偉達 Orin-X*4 1016TOPS 智己 L6 11 1 126 線 3 12 英偉達 Orin-X*1 256TOPS 極越 01 11-5 12 英偉達 Orin-X*2 508TOPS 資料來源：汽車之家網、智能車參考公眾號、佐思汽車研究公眾號等、開源證券研究所 2.2、從用戶體驗出發，選取五大場景衡量自動駕駛能力水平從用戶體驗出發，選取五大場景衡量自動駕駛能力水平 自動駕駛的測評與體驗，需要圍繞用戶的場景自動駕駛的測評與體驗，需要圍繞用戶的場景維度維度來展開來展開。自動駕駛的能力體現可以有不同的維度

31、，從功能研發、測試的角度，自動駕駛系統必須在特定的運行設計域（Operational Design Domain，ODD）中實現。ODD 是智能駕駛系統正常運行要滿足的約束條件，包括但不限于道路類型、設施傳感器、地理圍欄等，能夠在廣泛的 ODD 中正常運行，代表自動駕駛系統的能力越高。ODD 能夠很好地描述自動駕駛系統所面臨的道路環境，但是對于用戶而言，ODD 較為復雜并不是作為衡量體驗的好指標。從用戶的角度，自動駕駛的能力體現在一個個場景之中，因此我們根據自動駕駛行車過程中的經常需要處理的任務，選取轉彎、啟停、避讓、多車道、復雜道路等五大場景，每個大場景下細分 4-5 個小場景，作為車企自動

32、駕駛能力的衡量指標。上海上海北京北京廣州廣州重慶重慶紐約紐約行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 8/26 表表4：將用戶經常將用戶經常需要處理的路況需要處理的路況劃分為五大場景，共包含劃分為五大場景，共包含 22 個小場景個小場景 大場景大場景 細分場景細分場景 細分場景細分場景描述描述 轉彎場景 左轉 車輛在帶有紅綠燈道路上向左側轉彎，由于左轉通常需要跨越多條車道，所以風險可能更高 右轉 車輛在帶有紅綠燈道路上向右側轉彎 無保護右轉 車輛在沒有交通信號燈或交通標志控制的情況下進行的右轉，可能會有行人或車輛從左側駛來 無保護左轉 車輛在沒有交通信號燈或交通標志控制

33、的情況下進行的左轉，不僅需要跨越多條車道，還需要與對向車輛等道路主體進行博弈，所以風險可能更高 大曲率彎道 道路的彎曲程度較大，多見于高速路段，駕駛員需要減速并確保有足夠的視野 啟停場景 紅綠燈啟停 車輛路口根據信號燈的顏色變化來決定停車或啟動，能夠較好反映駕駛響應速度與平順性 堵車 車流阻塞，車輛需要頻繁跟車啟停 靠邊停車 將車輛停放在道路的一側，或者在緊急情況下需要臨時停車，狹義上可算為泊車場景 側方位啟動 在側方位停車的情況下安全地將車輛從車位中移出，狹義上可算為泊車場景 避讓/繞行場景 避讓車輛/行人 車輛遇到前方或側方其他車輛或行人穿越道路，采取讓路、減速等行動以避免碰撞 障礙物/車

34、輛繞行 當道路上出現障礙物或前方有車輛阻礙通行時，找到合適的時機和路徑繞行 緊急避讓 突然有障礙物或其他車輛闖入行駛路線，或行人/自行車等在駕駛員視線盲區內突然出現 減速帶識別 針對前方減速道路設施而采取的減速等行動 多車道場景 換道 車輛從當前車道變更到另一條車道，需要對周圍交通主體有較好的預測 超車 在多車道道路上，后車超越前車，需要確保有足夠的安全距離 加塞 在交通擁堵或排隊等待時，車輛試圖加入隊列 公交車道識別 識別并遵守公交車專用車道的規則（在某些時間段或路段，私家車不得使用公交車道）車道匯流分流 在多車道道路上，車輛從不同的車道匯聚到一個車道，或從一個車道分散到多個車道 復雜道路場

35、景 環島 車輛進入環島前需要讓行給已經在環島內的車輛，然后根據需要的出口選擇正確的車道 修路 道路正在進行維修或施工，多異形障礙物，同時也需要及時規劃路徑 掉頭 車輛在道路上進行 180 度的轉彎，以改變行駛方向，需要注意周圍車輛并及時完成動作 復雜路口 多條道路交匯，交通信號燈和交通標志較多，行車路線復雜的路口 資料來源：開源證券研究所 我們根據以上劃分對測試的場景進行記錄，考慮到時間點上所測試車型的大版本一致且無重大更新，因而同車企不同城市、不同車型數據有較強的可比性，我們進行合并處理。理想由于測試時仍是通勤 NOA 模式為主，所得場景較少，因而沒有對其進行收錄。各車型采取場景數量如下：圖

36、圖3：小鵬與問界因測試地點多、時間長小鵬與問界因測試地點多、時間長，測得樣本量較多，測得樣本量較多 數據來源：開源證券研究所 1625208614519557020406080100120140160180200智己L6極越01蔚來ES6阿維塔12小鵬X9/G6問界M9特斯拉MY場景數量（個）行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 9/26 針對場景針對場景中中車輛車輛自動駕駛的表現自動駕駛的表現，我們劃分了四個評定等級，由我們劃分了四個評定等級，由高高到到低低分別為分別為絲滑、優秀、一般、較差絲滑、優秀、一般、較差：（1）絲滑）絲滑：車輛能夠從容應對場景，處理能力超

37、出用戶預期；（2）優秀：）優秀：車輛能夠對場景流暢處理，表現符合用戶預期；（3）一般：）一般：車輛對場景的處理略顯吃力，或是表現猶豫、或是行動使用戶心理產生些許不適，但仍無須接管；（4）較差：較差：車輛無法應對狀況、錯誤采取錯誤行動或造成較差體驗，用戶接管車輛；而某些長尾場景中，接管實際上在用戶的預期之內，因而該評級的用戶心理預期軸跨度會更廣。從評定標準上可以看到，評定中的底線設置為接管車輛，出現接管往往意味著自動駕駛的處理能力已經大大低于用戶的預期，而真正使用戶“越用越想用”的自動駕駛功能，一定會具有較低接管率，在此基礎上能夠經常為用戶帶來超預期體驗，從而產生用戶粘性。圖圖4：場景評定標準場

38、景評定標準由高到低分別為絲滑、優秀、一般、較差由高到低分別為絲滑、優秀、一般、較差 資料來源：開源證券研究所 3、FSD V12 總體表現優秀，國內正快速跟進總體表現優秀，國內正快速跟進 3.1、自動駕駛的場景能力與體驗強關聯自動駕駛的場景能力與體驗強關聯 場景能力可以通過覆蓋程度場景能力可以通過覆蓋程度、事故率事故率、接管頻率接管頻率、順滑程度四維度分析順滑程度四維度分析。在我們之前報告智能汽車系列智能汽車系列（十四十四）需求為基需求為基，自動駕駛踏浪而行自動駕駛踏浪而行中，提出作為產品的自動駕駛想要在消費者中普及的基本條件：事故率低、覆蓋度高、接管頻率低。而基本條件只能保障消費者最基礎、最

39、實用的訴求，在此之上，真正建立起人機互信還需要自動駕駛具有擬人化能力。因而，在自動駕駛體驗分析框架中，應當包括四個維度：覆蓋程度、安全接管率、舒適接管率、順滑程度：（1）覆蓋程度覆蓋程度是車輛自動駕駛系統能夠使用的地理范圍；（2）安全接管安全接管是保證車輛安全行駛的接管，如不接管極有可能發生交通事故或交通違章行為；自動駕駛能力自動駕駛能力用戶可接受用戶可接受絲滑絲滑優秀優秀一般一般較差較差用戶心理預期用戶心理預期系統能處理系統能處理行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 10/26（3）舒適舒適接管接管是在行駛狀況較為安全的情況下，車輛行為與用戶駕駛習慣產生較大差異情

40、況下的接管；（4）順滑程度順滑程度是自動駕駛運行的過程中，駕駛是否平穩、行駛是否線性流暢、對場景的處理是否足夠老練。覆蓋程度與安全接管兩個維度反映自動駕駛能不能用的問題，背后反映的是自動駕駛系統的硬性邊界，代表系統穩定處理該類場景的能力。舒適接管與順滑程度兩個維度反映自動駕駛好不好用的問題，在自動駕駛系統能力之外，還包含著系統的行為對用戶的影響，因而具有一定的主觀性。通過對四維度的分析，能夠較為通過對四維度的分析，能夠較為全面地展現全面地展現車企車企的的自動駕駛體驗。自動駕駛體驗。為了找到各家車企自動駕駛系統的能力邊界，我們在測試時對自動駕駛系統抱有較大的寬容性與耐心，只在可能發生危險情況時進

41、行接管，因而測得接管狀況均為安全性接管，我們會在之后的測試中對舒適性接管進行跟蹤。圖圖5：場景能力可以通過覆蓋程度、場景能力可以通過覆蓋程度、安全接管安全接管率、率、舒適舒適接管率、順滑程度四維度分析接管率、順滑程度四維度分析 資料來源：開源證券研究所 3.2、總體總體分析：分析：特斯拉特斯拉綜合綜合領先領先，國內車企存在“覆蓋，國內車企存在“覆蓋-接管接管”權衡權衡 總體來看，在我們首輪自動駕駛測試中，特斯拉在覆蓋程度、安全接管率以及順滑程度上均做到了較為優秀的水平。其他國內車企自動駕駛在場景能力的各個方面中各有千秋，總體處于快速提升覆蓋度和能力的階段。國內車企自動駕駛在測試中存在“覆蓋度-

42、接管率”上此消彼長的權衡關系。如問界與阿維塔測試車型對路網的覆蓋程度較高，而小鵬在測試時僅覆蓋了主要的路網，但平均接管里程高于問界與阿維塔，在安全接管方面占優。而在順滑程度方面，當前國內的城市 NOA 功能僅僅達到“能用”水平，而距離功能“好用”、用戶“愛用”仍有較大的差距。3.2.1、覆蓋覆蓋程度程度：國內車企總體處于國內車企總體處于快速快速提升覆蓋度階段提升覆蓋度階段 車企車企城市城市 NOA 進展不一，國內車企正激烈角逐無圖模式。進展不一，國內車企正激烈角逐無圖模式。城市 NOA 功能正成為車企在智能化時代下的逐鹿之地，在過去一年里，國內各家領先車企均采取了城市 NOA 功能的落地推展計

43、劃，使用戶能夠在更多的地區和路段使用城市 NOA 功能成為車企自動駕駛實力的展現：（1）特斯拉特斯拉 FSD V12.3.4 采用的無圖模式，在北美“幾乎可以行駛到任何地方”，覆蓋各類交通場景。（2）阿維塔阿維塔 12 和問界和問界 M9 均采用華為 ADS 2.0 自動駕駛系統，并先后于 2 月、3 月全量升級為不依賴高精地圖的城區 NCA 功能，實現“全國都能開”。順滑程度順滑程度（系統能力（系統能力+預期差）預期差）覆蓋程度覆蓋程度（系統能力）（系統能力）舒適舒適接管接管率率（系統能力（系統能力+預期差）預期差）場場景景能能力力自動駕駛體驗自動駕駛體驗安全安全接管接管率率（系統能力）（系

44、統能力）行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 11/26（3）蔚來蔚來采用不開城只開路的打法，按路驗證/優化/開通/運營，截至 7 月 17日，蔚來城區可用里程達 354 萬公里，覆蓋 726 城。（4）極越極越 01 PPA 智駕已經累計覆蓋 300 城，開城背后是覆蓋全國 360 萬公里的百度 LD 車道級地圖，能夠支撐極越城市 PPA 達到傳統高精地圖水平，并將在 2024年內實現“有百度地圖的地方就可以使用 PPA 智駕”。（5）小鵬小鵬在 2024 年 1 月宣布 243 城市落地 XNGP，覆蓋大部分主干道，而在 7月，小鵬 XNGP 智駕 XOS 5.

45、2.0 公測版本已開啟推送，能夠實現“全國都好用”、“有路就能開”。（6）智己）智己在 2024 年 4 月在上海等四城市開啟“無圖城市 NOA”公測，并于 7月 8 日宣布在這四個城市正式落地，同時開放 65 個城市的公測，計劃年內開放全國。圖圖6：小鵬小鵬XNGP智駕智駕XOS 5.2.0能夠實現“有路就能開”能夠實現“有路就能開”圖圖7：極越年內實現極越年內實現有百度地圖的地方就可以使用有百度地圖的地方就可以使用 PPA 資料來源：小鵬汽車官方微博 資料來源：百度地圖智慧交通公眾號 自動駕駛系統城市覆蓋數量自動駕駛系統城市覆蓋數量背后背后，還還應關注城市內應關注城市內路網路網的覆蓋的覆蓋

46、程度程度。在技術、成本、數據、時間甚至政策等因素影響下，開城往往不是某個城市“全域開放”，而是“白名單式”開放：只對城市里部分白名單道路開放，或只招募部分滿足一定門檻的白名單用戶開放，如此將會遇到自動駕駛系統仍未覆蓋的路段和場景（如掉頭、環島等復雜場景），城市 NOA 功能將會自動降級為 LCC 或退出要求接管。與此相對的還有“黑名單式”開放：除了部分特定場景無法開（如保密區域等），其余全國所有路都能開，且對全量用戶開放。對于絕大部分用戶來說，城市內路網的覆蓋程度是直接關系到體驗的核心，如果路網覆蓋不完全則會頻繁觸發接管，用戶無法在城市道路中高頻使用自動駕駛，造成較差體驗。使用使用“可用場景數

47、量可用場景數量/里程里程”反映城市內路網的覆蓋程度反映城市內路網的覆蓋程度。由于難以計算出場景的具體里程數據，因而無法直接對路網覆蓋程度進行直接的度量，我們使用“可用場景數量/里程”這一指標間接反映車企城市 NOA 的路網覆蓋程度：單位里程中城市 NOA 可用的場景數量越多，往往代表著城市 NOA 對道路的覆蓋程度越好。但同時路況的復雜度、場景耗時等因素也會影響這個指標，同時個別車企的智駕覆蓋程度也有一定的條件，因而這一指標只能間接反映自動駕駛的路網覆蓋程度。阿維塔、問界阿維塔、問界覆蓋程度較高，覆蓋程度較高，蔚來蔚來、智己覆蓋程度有待加強、智己覆蓋程度有待加強。從我們的測試數據看，特斯拉特斯

48、拉 FSD 的“可用場景數量/里程”最高，在測試時間點特斯拉在紐約市基本屬于全覆蓋，甚至在環島等場景也沒有提示接管。問界與阿維塔問界與阿維塔的 ADS 2.0 綜合來看覆蓋程度位于前列，基本做到了“有路就能開”，但在環島和內部道路不可用。極越極越與百度深度合作，百度 LD 地圖為極越提供了良好的路況覆蓋，覆蓋程度較好，但其覆蓋程度同樣也受限于地圖的分布。小鵬小鵬在無限 XNGP 的版本之前仍不能做到行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 12/26“有路就能開”，策略是核心城市覆蓋當地小鵬車主需求較多的主要路段，地級市或縣級市優先開放用戶常用的核心路段。蔚來蔚來的開路

49、模式從數據來看相對較低，原因可能在于測試車輛的蔚來智駕安全分權限不夠，按照蔚來的規定，只有分數高于 70分才能夠全量城區驗證道路可用，如果分數低于 70 分，則只有城區主干驗證道路可用。智己智己在上海測試時仍是公測版，在 7 月 8 日才在上海等四城市正式落地。圖圖8：特斯拉可用范圍最高，特斯拉可用范圍最高，國內阿維塔、國內阿維塔、問界問界覆蓋程度較高覆蓋程度較高 數據來源：開源證券研究所 3.2.2、安全接管率：安全接管率：特斯拉平均接管里程排名靠前，國內車企特斯拉平均接管里程排名靠前，國內車企分化分化 平均接管里程反映自動駕駛系統的安全性和用戶體驗，但受路況復雜度影響。平均接管里程反映自動

50、駕駛系統的安全性和用戶體驗，但受路況復雜度影響。平均接管里程衡量自動駕駛系統在兩次接管之間的平均行駛里程數量，衡量自動駕駛是否達到了人類駕駛員的安全水平，一般認為平均接管里程越高，自動駕駛的安全性越高。值得注意的是，值得注意的是，由于車輛請求接管原因和環境不同，并不是每一公里的路測都是等價的，比如城市道路環境中由于路況較高速道路更加復雜，因而可能會更加頻繁地要求接管。在我們的測試中，在我們的測試中，特斯拉平均接管里程特斯拉平均接管里程最高最高，國內車企出現分化國內車企出現分化。從我們的測試數據看，特斯拉特斯拉 FSD 的平均接管里程是所有測試車企自動駕駛系統中最高的，在實際表現中，FSD V1

51、2.3.4 基本能夠在大部分路況中自如處理，僅在不常見的長尾場景中進行了接管。小鵬小鵬平均接管里程為國內最高，意味著其城市 XNGP 的安全性和穩定性較為領先，一方面，部分接管為路段無法使用而導致的接管，另一方面，小鵬在較難的場景會主動提示接管。聯系前面提到的小鵬路網覆蓋度較低，可以推測其為保證城市 XNGP 的安全性和體驗的穩定性，暫時主動放棄了路網的覆蓋度。問問界與阿維塔界與阿維塔的平均接管里程要低于小鵬，一方面，城市 NCA 在一些較為復雜的路段沒有主動提示接管，這使其路網覆蓋度是國內最廣的，在某些較難處理場景也有所表現，另一方面這種較為激進的風格也造成部分主動接管。極越極越、智己智己與

52、蔚來與蔚來總體低于華為系的表現，但限于測試里程較短，測得接管次數總體也較少：極越極越得益于百度地圖為其提供的 LD 地圖支持，平均接管里程為三者中最高；而蔚來蔚來按照道路開城的做法導致一些小路的覆蓋不盡人意，而在測試路段中我們會優先挑選小路測試，平均接管里程為三者中最低。3.2.3、順滑程度：順滑程度：當前當前國內國內智駕智駕距離距離類人化類人化仍有一定距離仍有一定距離 以場景優秀率衡量自動駕駛系統順滑程度以場景優秀率衡量自動駕駛系統順滑程度。車輛順滑程度，可以體現在自動駕駛狀態中的車輛駕駛是否平穩、行駛是否線性流暢、對場景的處理是否足夠老練，核心是為了衡量車輛的擬人程度。我們使用場景優秀率衡

53、量自動駕駛的順滑程度，0.690.540.300.620.190.400.200.000.100.200.300.400.500.600.700.80特斯拉MY問界M9小鵬X9/G6阿維塔12蔚來ES6極越01智己L6可用場景數量/里程（個/km）行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 13/26“優秀”場景為與用戶心理預期基本一致的場景，“絲滑”場景為系統操作超出用戶預期的場景，因而優秀及絲滑場景的數量占總場景的比例可以較好反映車輛擬人化的能力。在我們的測試中，在我們的測試中，特斯拉場景優秀率較高，體現較強的擬人能力。特斯拉場景優秀率較高，體現較強的擬人能力。從測試

54、數據來看，特斯拉特斯拉的場景優秀率更高，在具體場景中表現為車輛加減速并無強烈頓挫感；啟停反映速度快，與平行車輛幾乎同步等等，特別是在一些困難場景中，如地上并無明確車道線，甚至駕駛員也不確定該路口是否可以左拐的路口，車輛自行正確完成無保護左轉操作。國內各家車企的場景處理順滑程度基本處于 50%區間，這意味著當前車企的自動駕駛系統有將近一半的場景還無法達到用戶滿意的水平，當前的城市 NOA 駕駛使用戶從“能用”到“好用”仍有較大的差距。蔚來測試表現較差是由于在測試路段中優先挑選小路測試，與安全接管率較低原因相同。圖圖9：特斯拉場景優秀率特斯拉場景優秀率更高更高，國內車企順滑程度表現基本處于同一水平

55、國內車企順滑程度表現基本處于同一水平 數據來源：開源證券研究所 3.3、場景場景分析分析：感知感知普遍較強，普遍較強，預測預測和和規控是規控是差異化體驗主要來源差異化體驗主要來源 深入場景中，發現車企自動駕駛能力邊界。深入場景中，發現車企自動駕駛能力邊界。對于用戶來說，體驗往往具有遷移性，即在一個場景中感受到自動駕駛系統的明顯邊界，在此后類似的場景中便會格外注意，對自動駕駛系統的信任也少一分，因而我們在本節將對車企自動駕駛的場景細分進行分析，以發現車企自動駕駛（限測試時版本）能力的邊界。場景數量分布方面，我們共搜集到 544 個場景，其中轉彎、啟停、避讓、多車道、復雜道路場景分別為 160/6

56、1/136/158/29 個，占比分別為 29.4%/11.2%/25.0%/29.0%/5.3%。圖圖10：544 個場景個場景分布分布于五大場景于五大場景 圖圖11：測試中轉彎、多車道、避讓場景占比較多測試中轉彎、多車道、避讓場景占比較多 數據來源：開源證券研究所 數據來源：開源證券研究所 91.2%60.0%49.7%56.3%43.7%58.1%30.0%20.0%40.0%60.0%80.0%100.0%特斯拉MY極越01小鵬X9/G6智己L6問界M9阿維塔12蔚來ES6優秀率（優秀及以上場景數量/總場景數量）1606113615829020406080100120140160180

57、29.4%11.2%25.0%29.0%5.3%轉彎場景啟停場景避讓場景多車道場景復雜道路場景行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 14/26 3.3.1、轉彎場景：轉彎場景：轉彎仍是較難場景轉彎仍是較難場景，國內外車企均不能完美處理，國內外車企均不能完美處理 轉彎場景轉彎場景復雜，能力要求高，復雜，能力要求高，特別是無保護左轉場景是自動駕駛特別是無保護左轉場景是自動駕駛遇到的最難場遇到的最難場景之一景之一。轉彎場景對車輛感知、軌跡預測、路徑規劃的要求較高，但也有難易之分。如右轉需要引導汽車進入右轉車道，在許多十字路口，司機甚至可以在紅燈的情況下右轉，因此這對自動駕

58、駛汽車來說十分簡單。而左轉場景中無論是路口復雜的車流、蠢蠢欲動的行人、各種各樣的標線與交通標志，都對自動駕駛車輛的環境感知與預測都提出了極高的挑戰。特別是無保護左轉場景，不僅需要跨越多條車道，還需要與對向車輛等道路主體進行博弈，是自動駕駛場景中最復雜的場景之一，也成為衡量車企技術水平的重要指標。在測試樣本的分布中，問界、小鵬、阿維塔、特斯拉、蔚來的場景數量較多，而智己與極越的場景數量較少。我們繼續使用安全接管率與順滑程度來衡量車企的水平，但由于里程數據沒有細分到每個場景中，因而因而采用場景總數作為采用場景總數作為安全接管率的安全接管率的分母分母。表表5：問界、小鵬、阿維塔轉彎場景數量位居前三問

59、界、小鵬、阿維塔轉彎場景數量位居前三 特斯拉特斯拉 MY 阿維塔阿維塔 12 問界問界 M9 小鵬小鵬 X9/G6 蔚來蔚來 ES6 智己智己 L6 極越極越 01 17 27 59 29 13 7 8 數據來源：開源證券研究所 圖圖12：左轉場景往往需要跨車道行駛左轉場景往往需要跨車道行駛 圖圖13：無保護左轉需要無保護左轉需要實現實現更加復雜的更加復雜的博弈博弈 資料來源：Arbe 公眾號 資料來源：焉知汽車公眾號 特斯拉處理能力特斯拉處理能力強強，但仍存在但仍存在極限極限場景場景接管接管。特斯拉 FSD V12.3.4 能夠流暢處理絕大部分轉彎場景，甚至在無法分辨左轉車道的待轉路口仍能夠

60、順利跨道左轉，展示了強大的路徑規劃能力。但特斯拉也存在極限接管場景，表現為車輛欲右轉時，前方規劃好的道路上有違規停車，車輛尋找機會繞行超車等待時間過長，發生接管，在應對不常見的長尾場景時，FSD V12.3.4 在規劃方面仍不夠果斷且目前在行車過程中仍然不具備倒車的能力。問界問界與與阿維塔阿維塔轉彎場景接管率相近，轉彎場景接管率相近，測試場景不同導致表現測試場景不同導致表現細微不同細微不同。在場景方面，阿維塔和問界均有在車道線狀況復雜或無車道線的路口錯過右轉車道的場景，在路徑規劃上對車道線仍有一定依賴。問界和阿維塔總體技術解決方案類似，轉彎場景表現仍有細微的差異，可能主要來自于測試的路況不同。

61、在我們的測試中，阿維塔主要在上海地區進行測試，所表現讓行的動機較重，比如在某個無保護右轉場景，后方來車讓行，然而車輛右轉仍較為緩慢，需要介入接管。而問界在北上廣渝四城進行測試，不同路況所測試出來的功能邊界會更廣，總體來看，問界的規控則相對大膽一些，總體體驗比較激進，但也導致了問界場景轉彎場景優秀率不如阿維塔的情況出現。行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 15/26 小鵬小鵬轉彎轉彎場景能力場景能力不同城市表現不同城市表現差異明顯差異明顯，期待，期待后續更新后續更新。小鵬處理轉彎場景相對穩重，特別是在上海測試的路段中，在路口進行左右轉彎的大部分場景都會提示接管，但是

62、在北京無提示接管強制退出場景，可用場景較多。在可用路段的轉彎場景處理體驗良好，但是同樣存在接管的情況出現。同時，我們測試時小鵬在北京的路網覆蓋度也明顯高于上海。其他車企的轉彎能力方面，蔚來轉彎多受到場景路段限制，會提示接管；智己與極越在轉彎場景中表現較好，智己追求平穩通行，而極越表現總體偏保守，限于測試樣本數據較少，無法對三家車企的接管場景進行進一步分析。圖圖14：轉彎場景中，特斯拉處理能力轉彎場景中，特斯拉處理能力較強較強，國內華為系處理水平較高，國內華為系處理水平較高 數據來源：開源證券研究所 3.3.2、啟停場景：啟停場景：各測試車輛各測試車輛接管率低，接管率低，表現均較為良好表現均較為

63、良好 各各測試測試車輛車輛在在啟停場景啟停場景表現均較為良好表現均較為良好，但仍有，但仍有 Corner Case 難以處理難以處理。啟停場景中，包含行車過程中的紅綠燈啟停，考驗自動駕駛對紅綠燈、車道線等交通信號感知識別以及周圍車輛軌跡預測的能力，也包含到達導航目的地后車輛如何處理的問題。表表6：問界、小鵬、阿維塔啟停場景數量位居前三問界、小鵬、阿維塔啟停場景數量位居前三 特斯拉特斯拉 MY 阿維塔阿維塔 12 問界問界 M9 小鵬小鵬 X9/G6 蔚來蔚來 ES6 智己智己 L6 極越極越 01 9 11 19 14 2 3 3 數據來源：開源證券研究所 在紅綠燈啟停場景中，在紅綠燈啟停場景

64、中，均表現優秀，但仍存在誤識別的情況均表現優秀，但仍存在誤識別的情況。在路口剎停時，各車企基本都會穩步剎停，頓挫感弱，特斯拉甚至會緩慢滑行直到前方車輛啟動。在啟動時，自動駕駛以安全為優先考量，車輛啟動速度均較旁邊車輛慢。從數據上看，各家車企在紅綠燈識別場景上都具有較低的接管率，各家車企均能夠流暢應對紅綠燈啟停場景，但是特斯拉、問界、小鵬在路口時均有識別紅綠燈錯誤，無法正常行駛引發主動接管的場景，雖然該場景并不常見，但仍反映出車企在感知方面仍有需要加強的地方。在出發與到達導航設置目的地的場景中，僅有特斯拉能夠在出發與到達導航設置目的地的場景中，僅有特斯拉能夠原地原地啟動啟動、到地停車、到地停車。

65、目前僅有特斯拉能夠原地撥桿啟動，并且在到達目的地后主動靠邊停車，解決“最后 100 米”的問題。國內車企的城市 NOA 功能啟動條件不一，如華為系在切換導航目的地之后可以自動啟動，而其他車企往往需要先退出城市 NOA 功能再啟動；但在到達目的地之后，國內車企都會退出或者降級，需要駕駛員接管。5.9%25.9%27.1%34.5%53.8%94.1%70.4%61.0%41.4%38.5%0.0%20.0%40.0%60.0%80.0%100.0%0.0%10.0%20.0%30.0%40.0%50.0%60.0%特斯拉MY阿維塔12問界M9小鵬X9/G6蔚來ES6場景接管率場景優秀率行業深度報

66、告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 16/26 圖圖15：啟停場景中啟停場景中，搭載華為，搭載華為 ADS 2.0 車型具有較低的接管率車型具有較低的接管率 數據來源：開源證券研究所 3.3.3、避讓避讓/繞行繞行場景：場景：國內國內小鵬小鵬處理風格處理風格偏穩偏穩，華為系處理風格更為自信，華為系處理風格更為自信 過長過長決策決策時間時間（猶豫不決）（猶豫不決）是避讓是避讓/繞行場景中的常見問題。繞行場景中的常見問題。避讓/繞行場景中，自動駕駛系統需要對行駛路線中突然出現的行人、車輛或者障礙物進行有效應對，與轉彎場景一樣對自動駕駛系統的綜合能力要求較高，而場景處理不好則極有

67、可能引發交通事故或者擁堵。處理該類場景在感知層面需要車輛能夠及時識別其他交通主體，在預測層面需要對該交通主體的速度、軌跡進行較為精準的判斷，而在規劃層面則通常需要重新規劃自車行駛路線，而道路情況瞬息萬變。模塊化的規則驅動的自動駕駛可能會經歷反復決策從而行駛速度緩慢，體驗中的規則感較強，無法做到像老司機一樣流暢。表表7：問界、小鵬、阿維塔避讓問界、小鵬、阿維塔避讓/繞行場景數量位居前三繞行場景數量位居前三 特斯拉特斯拉 MY 阿維塔阿維塔 12 問界問界 M9 小鵬小鵬 X9/G6 蔚來蔚來 ES6 智己智己 L6 極越極越 01 21 22 44 36 1 3 9 數據來源：開源證券研究所 特

68、斯拉能夠識別出交通主體意圖，特斯拉能夠識別出交通主體意圖，場景處理能力強大。場景處理能力強大。特斯拉 FSD V12 可以看懂無紅綠燈道路上欲過馬路行人的意圖并主動停車讓行，在側方車輛不打轉向燈換道過來時能夠主動讓速，同時在路口與行人博弈時也會有選擇讓行，如對于闖紅綠燈行人，在安全的情況下并沒有選擇讓行，真正做到像老司機。但在我們的測試中，也存在繞行猶豫的情況出現，前方車輛雙閃，且道路距離過窄無法通行，在試探過程中后方車輛催促導致接管。華為華為 ADS 2.0 在場景處理上較為在場景處理上較為自信自信。搭載 ADS 2.0 的問界與阿維塔在絕大部分場景中，避讓行為相對積極，同時對側向距離的把控

69、較為精準，場景中風格較為自信。但如果對手更加強勢，則容易觸發接管，如在行進過程中，阿維塔出現過與公交車搶道，同時在公交車更為強勢搶道后，自車被逼停的情況；問界也存在不避讓后方非機動車輛的場景。小鵬小鵬避讓前后方車輛時避讓前后方車輛時相對保守，安全空間相對保守，安全空間較大，而對側向車輛距離保留較小較大，而對側向車輛距離保留較小。從數據上看，小鵬在避讓/繞行場景中的接管率相較華為系更低，原因在于其會主動保留較大的前車距離，在后續行動中有較大的操作空間。但是從北京和上海的 X9的測試中，小鵬對側后方來車的識別較弱，均出現未及時避讓的情形。11.1%0.0%5.3%7.1%88.9%63.6%68.

70、4%71.4%0.0%20.0%40.0%60.0%80.0%100.0%0.0%10.0%20.0%30.0%40.0%50.0%60.0%特斯拉MY阿維塔12問界M9小鵬X9/G6場景接管率優秀場景率行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 17/26 圖圖16：華為華為 ADS 2.0 在避讓場景中較為激進，小鵬、極越相對保在避讓場景中較為激進，小鵬、極越相對保守守 數據來源：開源證券研究所 3.3.4、多車道場景：多車道場景：匯流分流場景匯流分流場景表現均較為優異表現均較為優異，加塞場景仍是難點，加塞場景仍是難點 多車道場景考察車輛跨車道交互行為，多車道場景考察

71、車輛跨車道交互行為，國內車企車道線依賴較強國內車企車道線依賴較強。在多車道場景之外的其他場景也有涉及到多車道的行為，但車道主要是作為這些場景的背景板。此處單列的多車道場景為自動駕駛車輛在兩個及以上車道進行操作的場景，主要考察跨車道交互行為，體現車輛道路規劃與預測能力的強弱。換道和車道匯流分流場景是多車道場景中的主要場景，在測試中我們發現國內車企自動駕駛算法中規則模塊的車道線權重較高，對車輛的場景能力存在一定限制。表表8：華為系、小鵬車型多車道場景樣本量顯著多于其他車企品牌華為系、小鵬車型多車道場景樣本量顯著多于其他車企品牌 特斯拉特斯拉 MY 阿維塔阿維塔 12 問界問界 M9 小鵬小鵬 X9

72、/G6 蔚來蔚來 ES6 智己智己 L6 極越極越 01 7 23 61 57 3 2 5 數據來源：開源證券研究所 在換道場景方面在換道場景方面，更為強調路徑規劃。更為強調路徑規劃。問界與小鵬均存在道路上無明顯障礙物且用戶覺得沒有必要時，進行多次變道的場景。在上海測試中，小鵬偏好變道靠左行駛，而問界左轉靠左、右轉靠右車道的邏輯明顯，且偏好連續變道（必要性不強）；問界會在很遠的距離就開始提前變道，但在當時的路況中有時并非最優策略。阿維塔同樣存在車道選擇猶豫的場景，雖未導致接管，但影響駕駛體驗。在匯流分流場景中，預測模塊準確度與切入車流在匯流分流場景中，預測模塊準確度與切入車流時機時機較為重要。

73、較為重要。匯流分流場景又包含上下匝道、車道線合并、主輔路合并分流等場景，要求車輛對車道車流有精準的感知預測，測試場景中特斯拉表現均較為優秀。但從特斯拉的一個測試場景中注意到，后方消防車輛以鳴笛的方式傳遞需要讓道的信號，特斯拉 FSD 暫時不具備聽力和分辨消防車的能力，按照美國的交規只能采取人工接管。除以上場景之外，除以上場景之外，目前無論是特斯拉還是國內車企在加塞場景方面仍有較大進目前無論是特斯拉還是國內車企在加塞場景方面仍有較大進步空間步空間。在加塞時，自動駕駛系統一方面要保持安全距離，另一方面要擇時匯入車流，但中間涉及到博弈等復雜問題，特別是在堵車時變道加塞場景，當前自動駕駛系統基本都是完

74、成加塞預備動作后卡在中間動彈不得，需要人為接管推進。4.8%36.4%29.5%16.7%95.2%54.5%52.3%52.8%0.0%20.0%40.0%60.0%80.0%100.0%0.0%10.0%20.0%30.0%40.0%50.0%60.0%特斯拉MY阿維塔12問界M9小鵬X9/G6場景接管率優秀場景率行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 18/26 圖圖17：特斯拉多車道場景處理能力較強，國內小鵬接管率較低特斯拉多車道場景處理能力較強，國內小鵬接管率較低 數據來源：開源證券研究所 3.3.5、復雜道路場景：復雜道路場景：環島場景環島場景僅特斯拉能處

75、理，國內暫未覆蓋僅特斯拉能處理，國內暫未覆蓋 復雜道路場景基本是自動駕駛系統很難處理的道路場景，復雜道路場景基本是自動駕駛系統很難處理的道路場景，在我們的測試中，在我們的測試中，這這類場景較少，但是接管率較高類場景較少，但是接管率較高。其中環島場景一直以來都是處理難題，在環島場景中，自動駕駛車輛需要完成駛入、換道、駛出等操作，再加上常見的不遵守交通規則的非機動車，更增加了復雜性。自動駕駛車輛需要根據駛出環島的路口選擇合適的內側、中間、外側車道，駛出環島時需要提前變換到中間車道后再變換到外側車道，最后駛出環島。內側車道行駛干擾少，但是駛出時需要變換兩條車道，對感知、規劃增加了更多挑戰；外側車道行

76、駛，駛出環島成本最低，但是需要面對的無序的干擾較多。在如此復雜的規則下，目前國內車企在面對環島場景時會提前提示接管，并自動退出自動駕駛功能。而特斯拉 FSD 表現出眾，能夠應對測試場景中出現的環島場景。表表9：復雜道路測試場景獲取較少復雜道路測試場景獲取較少 特斯拉特斯拉 MY 阿維塔阿維塔 12 問界問界 M9 小鵬小鵬 X9/G6 蔚來蔚來 ES6 智己智己 L6 極越極越 01 3 3 12 9 1 1 0 數據來源：開源證券研究所 圖圖18：人車混雜無信號燈的環島曾是特斯拉的難點場景人車混雜無信號燈的環島曾是特斯拉的難點場景 圖圖19：環島道路對車道選擇、匯出時機有較高要求環島道路對車

77、道選擇、匯出時機有較高要求 資料來源：2021 特斯拉 AI Day 資料來源：第一電動汽車網公眾號 掉頭場景方面，掉頭場景方面，問界 M9 在廣州實現了一次掉頭操作，在重慶與北京均未成功；智己 L6 在上海也實現了一次自主掉頭；小鵬在掉頭場景之前會判斷能否一把方向盤掉頭，否則會提示接管。修路場景方面，修路場景方面，道路正在進行維修或施工，多異形障礙物，對感知能力要求較高的同時，也需要車輛及時重新規劃路徑，在我們的測試中僅有14.3%26.1%26.2%17.5%85.7%52.2%63.9%52.6%0.0%20.0%40.0%60.0%80.0%100.0%0.0%10.0%20.0%30

78、.0%40.0%50.0%60.0%特斯拉MY阿維塔12問界M9小鵬X9/G6場景接管率優秀場景率行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 19/26 特斯拉、問界、小鵬遇到該類場景，但除特斯拉外的國內車企對修路場景的通過率均較低。3.4、城市城市分析分析：不同城市中，不同城市中，不同的規控策略帶來的體驗差異較大不同的規控策略帶來的體驗差異較大 前文提到國內車企對于前文提到國內車企對于城市城市 NOA 功能采取的開城策略，同時不同城市的駕駛功能采取的開城策略，同時不同城市的駕駛風格、駕駛習慣存在差異，道路工況也存在較大差異，相比較下能夠更好發現車企風格、駕駛習慣存在差異

79、，道路工況也存在較大差異，相比較下能夠更好發現車企自動駕駛的能力。自動駕駛的能力。為了比較自動駕駛系統在不同城市之間的表現，我們選取問界與小鵬在北京、上海、廣州、重慶四地進行了測試。從場景數量的分布上看，問界在重慶、北京的場景樣本數量最多；小鵬在上海、北京的場景樣本最多，但是在廣州限于測試時間與路況，僅有 11 個場景樣本。表表10：問界在重慶、北京的場景數量最多，小鵬在上海、北京的場景數量最多問界在重慶、北京的場景數量最多，小鵬在上海、北京的場景數量最多 上海上海 北京北京 重慶重慶 廣州廣州 問界 24 62 79 30 小鵬 56 52 26 11 數據來源：開源證券研究所 在道路工況方

80、面，在道路工況方面，上海所測試道路車道線較為清晰，且車道較為寬敞，紅綠燈并不復雜，相比之下，北京所測試某些道路的車道線較為模糊復雜，某些非機動車道比機動車道還要寬，為自動駕駛系統的運行造成了較大的挑戰；重慶方面，不僅車道多為窄路，且交通信號燈較為復雜，盡管車道線狀況良好但也會有信號燈識別錯誤的情況出現；廣州測試道路也相對寬敞，具有清晰的車道線與紅綠燈提示。在在交通交通參與參與主體主體方面，方面，相較重慶、廣州而言，北京、上海測試路段遇到的司機顯得較為文明禮讓，而重慶測試路段遇到的司機相比則更為激進，重慶路況復雜的另一因素在于由于多為窄路，路邊停車以及非機動車停放較多，部分場景下車輛規劃路線上會

81、遇到長時間的停泊車輛，對自動駕駛系統造成較大的考驗。在覆蓋程度上，問界在在覆蓋程度上，問界在重慶重慶、廣州、廣州的覆蓋程度較的覆蓋程度較高高，在北京、上海的覆蓋程度在北京、上海的覆蓋程度基本相同，基本相同，小鵬的覆蓋程度總體低于問界，在北京的覆蓋程度相較上海更高。小鵬的覆蓋程度總體低于問界，在北京的覆蓋程度相較上海更高。無論在哪個城市，當從高精地圖方案轉向無圖之后，所能夠處理的場景會變少，最直觀的就是問界在重慶地區，之前帶有高精地圖的時候能夠實現掉頭、甚至能夠實現環島的通行，而在全面轉向無圖之后，這些場景均需要接管；如小鵬在上海的測試時，有的路段能夠實現無保護左右轉，有的路段會提示城市 NOA

82、 系統退出要求接管，我們預計上?？赡苷幱趶母呔貓D向無圖轉換的進行時，而在一開始就無高精地圖的北京則沒有發生這種情況。圖圖20：問界在重慶的覆蓋程度問界在重慶的覆蓋程度最高，小鵬在廣州的覆蓋程度最高最高，小鵬在廣州的覆蓋程度最高 數據來源：開源證券研究所 0.530.521.201.000.370.430.310.730.000.200.400.600.801.001.20上海北京重慶廣州上海北京重慶廣州問界M9小鵬X9/G6場景數量/里程（個/km）行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 20/26 在不同的城市下，不同的規控策略帶來的體驗差異較大在不同的城市下，

83、不同的規控策略帶來的體驗差異較大。重慶道路狀況更為復雜，小鵬較為穩健的策略反而會讓接管次數更少，原因在于車輛預留距離相對較多，給出較多反應時間。策略激進的問界在道路工況比較復雜的北京背景下總體表現弱于其他城市，而策略相對穩健的小鵬反而在北京的表現相對其他城市更好。圖圖21：北京道路工況較為復雜，北京道路工況較為復雜，問界問界表現受到挑戰表現受到挑戰 數據來源：開源證券研究所 圖圖22：小鵬小鵬在北京、重慶的表現相對較好在北京、重慶的表現相對較好 數據來源：開源證券研究所 本報告測試時間主要集中在 2024 年 4 月-6 月，其后諸多車企更新和發布了新版本的智駕系統，無論在覆蓋區域和能力上都擁

84、有了顯著提升。在相當一段時期內，智駕功能水平都將處于動態變化的狀態，智駕競爭遠未到終點，各大玩家將互相追趕，共同進步。道路場景紛繁復雜、動態變化，限于現有條件，我們在測試時間、測試場景的豐富度仍有較大提升空間，而更多希望形成一套分析方法，以便后續對各大玩家的實力進行可持續跟蹤。就本報告結果而言，定性分析大于定量分析，并且只反應測試時點各大玩家的截點狀態，我們將進一步持續跟蹤各車企能力后續變化。4、擬人化為擬人化為迭代方向迭代方向，端到端大模型推動體驗快速提升端到端大模型推動體驗快速提升 端到端自動駕駛逐漸成為行業共識，目前車企的自動駕駛基本已經實現感知端到端，而能夠提供擬人化體驗的關鍵，在于預

85、測與規控端的大模型化，在此基礎上進一步實現完全端到端自動駕駛。當前領先車企正致力于將預測、規控層面大模型化，逐步走向端到端：29.2%43.5%22.8%10.0%58.3%38.7%63.3%86.7%0.0%20.0%40.0%60.0%80.0%100.0%0.0%10.0%20.0%30.0%40.0%50.0%60.0%上海北京重慶廣州場景接管率場景優秀率28.6%17.3%19.2%36.4%42.9%53.8%50.0%63.6%0.0%20.0%40.0%60.0%80.0%100.0%0.0%10.0%20.0%30.0%40.0%50.0%60.0%上海北京重慶廣州場景接管

86、率場景優秀率行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 21/26（1）華為華為：ADS 3.0 中將要采用的采用 PDP 網絡（預測決策規控網絡），實現了預決策和規劃一張網，使得決策和規劃更加類人化，行駛軌跡更接近人類駕駛，通行效率更高，復雜路口通過率超過 96%。圖圖23：ADS 3.0 中中 PDP 網絡實現了預決策和規劃一張網網絡實現了預決策和規劃一張網 資料來源：芝能汽車公眾號（2）小鵬：）小鵬：何小鵬在 520 AI DAY 發布會上提到，較為穩定的傳統量產智駕系統，大約有 10 萬條左右各類人工定義的規則，而一個無限接近人類司機的自動駕駛系統，大概等效于 1

87、0 億條規則。小鵬端到端大模型由神經網絡 XNet+規控大模型XPlanner+大語言模型 XBrain 三部分組成。其中規劃大模型 XPlanner 基于神經網絡，可以比作智能駕駛的小腦。通過海量數據對規劃大模型 XPlanner 進行訓練，能讓智駕系統的駕駛策略向著擬人化進化，規劃大模型 XPlanner 能夠讓小鵬汽車的智駕系統在真實道路體驗中減少 50%的前后頓挫、60%的違?？ㄋ酪约?40%的安全接管?？梢钥吹?XOS 5.2.0 OTA 后小鵬的功能覆蓋程度已經有了明顯提升。圖圖24：小鵬端到端大模型由小鵬端到端大模型由 XNet、XPlanner、XBrain 三部分組成三部分組

88、成 資料來源：小鵬汽車公眾號（3）理想：）理想：理想在 2024 智能駕駛夏季發布會上發布了端到端+VLM 雙系統智能駕駛模型，其中在系統1端到端模型主要用于快速響應常規駕駛問題，當前OTA 6.0使用的是第二代無圖模式，只有感知和規劃兩個模型，最大的變化是去掉了 NPN，行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 22/26 不依賴于先驗信息，支撐著現階段理想無圖 NOA 全國都能開的實現。在未來，理想的系統 1 將轉向類似特斯拉 One Model 的端到端模型，輸入是傳感器、輸出是行駛軌跡，全部由一個模型實現，中間沒有任何規則，實現真正意義上的端到端。圖圖25：理想

89、理想系統系統 1 端到端模型端到端模型目前正由第二代演化向第三代目前正由第二代演化向第三代 資料來源：極客公園公眾號 除了以上三家車企，其他車企在端到端架構也進行積極布局，如蔚來在 6 月重組智駕團隊，將感知和規控團隊合并為大模型團隊。在端到端架構下，車企訓練迭代有望加速，預測決策規劃或將更為準確絲滑，類人的自動駕駛體驗指日可待。同時，我們可以看到，在最新推送的小鵬天璣 5.2.0 和理想無圖 NOA 公測版本，在端到端大模型上次之后，整體智駕的功能體驗和覆蓋度相較于我們測試時都得到了大幅的提升。因此，我們建議要保持對最新智駕能力的持續跟蹤。5、受益標的受益標的 汽車智能化已經成為未來的發展方

90、向，自動駕駛作為汽車智能化的重要方面，不僅是科技賦能汽車的產品升級，人們的出行方式或將因為自動駕駛而深遠改變。而且在智能化時代，傳統的汽車商業模式也有望迎來變革，軟件定義汽車潮流之下，通過出售自動駕駛服務來實現盈利或將成為車企的新選擇。當前自動駕駛市場格局當前自動駕駛市場格局呈現出“一超多強”的特點。呈現出“一超多強”的特點?！耙怀保禾厮估?。在功能方面，“一超”：特斯拉。在功能方面，特斯拉在自動駕駛方面具有先發優勢，憑借前瞻的算法、龐大且高質量的數據、日益增長的算力，FSD 迅速更新迭代，處于領先地位，引領著行業的發展。在用戶方面，在用戶方面，FSD 的用戶數量與與使用里程節節攀升，表明北美

91、消費者對 FSD 功能的認可，FSD 的發展路徑也為國內自動駕駛行業提供了寶貴的參考價值?！岸唷岸鄰姟保海◤姟保海?）新勢力車企：）新勢力車企：國內車廠在自動駕駛方面奮起直追，其中以小鵬汽車、理想汽車、蔚來汽車為首的新勢力車企紛紛在自動駕駛方面深入布局，小鵬汽車公布其每年對包括智能駕駛的 AI 技術研發投入約 35 億，現有團隊近 3000 人，2024年將要擴展到 4000 人，目前“全國都能開”、“有路就能開”的天璣 5.2.0 已經推送了公測版；理想汽車也表示其智駕研發團隊在 2024 年底將擴張到 2000 人，7 月將推送全國范圍內試用的無圖 NOA 功能；蔚來汽車全域領航輔助 NO

92、P+城區路線全量推送，能夠覆蓋全國 726 座城市。新勢力車企加碼布局自動駕駛，在自動駕駛量產方行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 23/26 面具有先發優勢，培育與搶占用戶認知。（2）華為乾）華為乾崑崑系：系：華為憑借領先產品力強勢入局汽車行業，以乾崑、鴻蒙座艙兩大品牌為核心，提供零部件模式、HI 模式、鴻蒙智行模式三種合作方式，賦能智能汽車。同時憑借華為強大的影響力良好的消費者口碑，使汽車的智能化得以“破圈”，讓自動駕駛為更廣泛的用戶所接觸。自 2019年華為智能汽車解決方案 BU 成立以來，累計研發投入超過 300 億元，研發人員達7000 人。目前正處于高

93、速增長期，2023 年智能部件發貨已超過 300 萬套，已上市的戰略合作車型達 7 款，發展超過 300 家產業鏈上下游合作伙伴，2024 年，搭載華為乾崑智能汽車解決方案的合作車型將陸續問世，其中包括東風、長安、廣汽、北汽、賽力斯、奇瑞以及江淮等。并且華為已經在深藍 S07 上搭載了純視覺的解決方案乾崑 ASD SE，逐步將高階智駕下放到 20 萬以內的車型。（3）領先自動駕駛供應商：）領先自動駕駛供應商：地平線、大疆車載、Momenta 等領先自動駕駛解決方案供應商憑借獨特優勢賦能車企，為車企自動駕駛的發展提供強大助力。在“一超多強”格局下，整車廠是自動駕駛發展中最大的參與者與受益方，智在

94、“一超多強”格局下，整車廠是自動駕駛發展中最大的參與者與受益方，智能化布局深入整車企業將在自動駕駛加速滲透潮流中優先受益。能化布局深入整車企業將在自動駕駛加速滲透潮流中優先受益。一方面自動駕駛提升車企品牌形象，在未來市場競爭中提前鎖定市場，占有先發優勢，另一方面自動駕駛的搭載或將使整車在市場中具有強力的差異化，從而取得競爭優勢，提振汽車銷量?？春米詣玉{駛布局前瞻深入車企，關注華為系和新勢力車企，整車標的推薦：比亞迪、長安汽車、長城汽車，受益標的：小鵬汽車-W、理想汽車-W、江淮汽車、北汽藍谷、賽力斯、蔚來-SW。智能化龍頭零部件和華為產業鏈值得期待，推薦德賽西威、均勝電子、華陽集團、經緯恒潤-

95、W、美格智能、華測導航、北京君正、滬光股份、瑞鵠模具，受益標的：博俊科技、上海沿浦等。表表11：受益標的盈利預測及估值受益標的盈利預測及估值 股票代碼股票代碼 公司簡稱公司簡稱 最新收盤價最新收盤價（元）（元）總市值總市值 （億元）（億元）EPS（元）（元）P/E 評級評級 2024E 2025E 2026E 2024E 2025E 2026E 002594.SZ 比亞迪 250.39 6884.05 11.2 13.4 15.8 22.4 18.7 15.8 買入 000625.SZ 長安汽車 15.08 1305.55 0.8 1.0 1.2 19.6 14.6 12.3 買入 60163

96、3.SH 長城汽車 23.56 1700.01 1.5 1.8 2.1 15.4 12.9 11.1 買入 601127.SH 賽力斯 72.87 1100.18 2.8 4.7 6.8 26.0 15.5 10.7 未評級 600733.SH 北汽藍谷 8.51 474.31 -0.6-0.2 0.3-28.4 未評級 600418.SH 江淮汽車 19.34 422.39 0.1 0.3 0.4 193.4 64.5 48.4 未評級 2015.HK 理想汽車-W 66.82 1552.26 3.3 4.2 6.2 22.2 17.4 11.8 增持 9868.HK 小鵬汽車-W 28.9

97、1 598.98 -3.4-1.1 0.5-63.3 增持 9866.HK 蔚來-SW 30.69 696.70 -10.2-6.8-6.2-增持 002920.SZ 德賽西威 89.13 494.68 4.0 5.4 6.7 22.3 16.5 13.3 買入 600699.SH 均勝電子 14.68 206.80 1.0 1.4 1.7 14.7 10.5 8.6 買入 002906.SZ 華陽集團 25.37 133.10 1.2 1.6 2.1 21.1 15.9 12.1 買入 688326.SH 經緯恒潤-W 62.22 74.66 0.1 1.5 3.4 622.2 41.5 1

98、8.3 買入 002881.SZ 美格智能 18.70 48.96 0.6 0.7 0.9 31.2 26.7 20.8 買入 300627.SZ 華測導航 28.85 157.38 1.1 1.4 1.7 26.2 20.6 17.0 買入 300223.SZ 北京君正 55.08 265.25 1.6 2.1 2.4 35.1 25.7 23.2 買入 605333.SH 滬光股份 23.82 104.04 1.1 1.4 1.9 21.7 17.0 12.5 買入 002997.SZ 瑞鵠模具 27.86 58.32 1.7 2.3 2.9 16.8 12.4 9.6 買入 300926

99、.SZ 博俊科技 17.52 70.83 1.1 1.6 2.1 15.9 11.0 8.3 未評級 行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 24/26 股票代碼股票代碼 公司簡稱公司簡稱 最新收盤價最新收盤價（元）（元）總市值總市值 （億元）（億元）EPS（元）（元）P/E 評級評級 2024E 2025E 2026E 2024E 2025E 2026E 605128.SH 上海沿浦 22.49 26.63 1.6 2.1 2.8 14.1 10.7 8.0 未評級 300496.SZ 中科創達 42.81 196.58 1.3 1.7 2.2 32.9 25.2

100、19.5 買入 數據來源：Wind、開源證券研究所（注：比亞迪、長安汽車、長城汽車、小鵬汽車-W、理想汽車-W、蔚來-SW、均勝電子、華陽集團、滬光股份等標的盈利預測數值來自開源證券研究所，其余均來自 Wind 一致預期；數據截至 2024 年 7 月 25 日；2024 年 7 月 25日匯率 港幣：人民幣=0.9134）6、風險提示風險提示 技術發展進度不及預期：技術發展進度不及預期：自動駕駛技術難度大、投入資源大、研發周期長，如果自動駕駛技術進展緩慢，使得僅在某一個階段徘徊，則不利于自動駕駛行業進一步發展。市場需求不及預期：市場需求不及預期：當前自動駕駛距離消費者真正愛用仍有較大進步空間

101、，同時也有消費者觀望心理、對技術接受度、價格成本等因素的影響，使得自動駕駛需求不達預期。數據結果存在偏差數據結果存在偏差：報告使用數據所涉及的測試內容，測試場景選取，測試結果的產生及認定等環節存在受測試人員主觀因素影響的情況，存在受測試車輛個體客觀因素影響的情況，因而數據可能存在偏差，無法完全代表自動駕駛實際表現。行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 25/26 特別特別聲明聲明 證券期貨投資者適當性管理辦法、證券經營機構投資者適當性管理實施指引（試行）已于2017年7月1日起正式實施。根據上述規定，開源證券評定此研報的風險等級為R3（中風險），因此通過公共平臺推送

102、的研報其適用的投資者類別僅限定為專業投資者及風險承受能力為C3、C4、C5的普通投資者。若您并非專業投資者及風險承受能力為C3、C4、C5的普通投資者，請取消閱讀，請勿收藏、接收或使用本研報中的任何信息。因此受限于訪問權限的設置，若給您造成不便，煩請見諒！感謝您給予的理解與配合。分析師承諾分析師承諾 負責準備本報告以及撰寫本報告的所有研究分析師或工作人員在此保證，本研究報告中關于任何發行商或證券所發表的觀點均如實反映分析人員的個人觀點。負責準備本報告的分析師獲取報酬的評判因素包括研究的質量和準確性、客戶的反饋、競爭性因素以及開源證券股份有限公司的整體收益。所有研究分析師或工作人員保證他們報酬的

103、任何一部分不曾與，不與，也將不會與本報告中具體的推薦意見或觀點有直接或間接的聯系。股票投資評級說明股票投資評級說明 評級評級 說明說明 證券評級證券評級 買入（Buy）預計相對強于市場表現 20%以上；增持（outperform）預計相對強于市場表現 5%20%；中性（Neutral）預計相對市場表現在5%5%之間波動；減持（underperform）預計相對弱于市場表現 5%以下。行業評級行業評級 看好（overweight）預計行業超越整體市場表現；中性（Neutral）預計行業與整體市場表現基本持平；看淡（underperform）預計行業弱于整體市場表現。備注：評級標準為以報告日后的

104、612 個月內，證券相對于市場基準指數的漲跌幅表現，其中 A 股基準指數為滬深 300 指數、港股基準指數為恒生指數、新三板基準指數為三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）、美股基準指數為標普 500 或納斯達克綜合指數。我們在此提醒您，不同證券研究機構采用不同的評級術語及評級標準。我們采用的是相對評級體系，表示投資的相對比重建議；投資者買入或者賣出證券的決定取決于個人的實際情況，比如當前的持倉結構以及其他需要考慮的因素。投資者應閱讀整篇報告，以獲取比較完整的觀點與信息，不應僅僅依靠投資評級來推斷結論。分析、估值方法的局限性說明分析、估值方法的局限性說明 本報告所包含的

105、分析基于各種假設，不同假設可能導致分析結果出現重大不同。本報告采用的各種估值方法及模型均有其局限性，估值結果不保證所涉及證券能夠在該價格交易。行業深度報告行業深度報告 請務必參閱正文后面的信息披露和法律聲明 26/26 法律聲明法律聲明 開源證券股份有限公司是經中國證監會批準設立的證券經營機構，已具備證券投資咨詢業務資格。本報告僅供開源證券股份有限公司（以下簡稱“本公司”）的機構或個人客戶（以下簡稱“客戶”）使用。本公司不會因接收人收到本報告而視其為客戶。本報告是發送給開源證券客戶的，屬于商業秘密材料，只有開源證券客戶才能參考或使用，如接收人并非開源證券客戶，請及時退回并刪除。本報告是基于本公

106、司認為可靠的已公開信息，但本公司不保證該等信息的準確性或完整性。本報告所載的資料、工具、意見及推測只提供給客戶作參考之用，并非作為或被視為出售或購買證券或其他金融工具的邀請或向人做出邀請。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可能會波動。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告?？蛻魬斂紤]到本公司可能存在可能影響本報告客觀性的利益沖突，不應視本報告為做出投資決策的唯一因素。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。本公司未確保本報告充分考慮到個別客戶特殊的投資目標、財務

107、狀況或需要。本公司建議客戶應考慮本報告的任何意見或建議是否符合其特定狀況，以及（若有必要）咨詢獨立投資顧問。在任何情況下，本報告中的信息或所表述的意見并不構成對任何人的投資建議。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。若本報告的接收人非本公司的客戶，應在基于本報告做出任何投資決定或就本報告要求任何解釋前咨詢獨立投資顧問。本報告可能附帶其它網站的地址或超級鏈接，對于可能涉及的開源證券網站以外的地址或超級鏈接，開源證券不對其內容負責。本報告提供這些地址或超級鏈接的目的純粹是為了客戶使用方便，鏈接網站的內容不構成本報告的任何部分，客戶需自行承擔瀏覽這些網站的

108、費用或風險。開源證券在法律允許的情況下可參與、投資或持有本報告涉及的證券或進行證券交易，或向本報告涉及的公司提供或爭取提供包括投資銀行業務在內的服務或業務支持。開源證券可能與本報告涉及的公司之間存在業務關系，并無需事先或在獲得業務關系后通知客戶。本報告的版權歸本公司所有。本公司對本報告保留一切權利。除非另有書面顯示，否則本報告中的所有材料的版權均屬本公司。未經本公司事先書面授權，本報告的任何部分均不得以任何方式制作任何形式的拷貝、復印件或復制品，或再次分發給任何其他人，或以任何侵犯本公司版權的其他方式使用。所有本報告中使用的商標、服務標記及標記均為本公司的商標、服務標記及標記。開開源證券源證券研究所研究所 上海上海 深圳深圳 地址：上海市浦東新區世紀大道1788號陸家嘴金控廣場1號 樓3層 郵編：200120 郵箱： 地址：深圳市福田區金田路2030號卓越世紀中心1號 樓45層 郵編：518000 郵箱： 北京北京 西安西安 地址：北京市西城區西直門外大街18號金貿大廈C2座9層 郵編：100044 郵箱： 地址：西安市高新區錦業路1號都市之門B座5層 郵編：710065 郵箱：