《互聯網傳媒行業深度報告：L4自動駕駛Robotaxi研究十問（整體框架篇）-240728（38頁）.pdf》由會員分享，可在線閱讀，更多相關《互聯網傳媒行業深度報告：L4自動駕駛Robotaxi研究十問（整體框架篇）-240728（38頁）.pdf（38頁珍藏版）》請在三個皮匠報告上搜索。

1、分析師郝艷輝登記編號：S1220524050002康百川登記編號：S1220524060001張豐淇登記編號：S1220524070002L 4 自 動 駕 駛：R o b o t a x i 研 究 十 問（整 體 框 架 篇）互 聯 網 傳 媒 團 隊 行 業 深 度 報 告證券研究報告|海外科技|2024年07月28日核心觀點2 當前自動駕駛公司的商業化進程怎樣？自動駕駛技術先探至L4，大規模商業化停留于L2，L2級輔助駕駛在商業化上已發展成熟，頭部車企在此基礎上發展高速及城市NOA等覆蓋周邊環境的自動駕駛，且已有部分公司技術達到L4級別。但大多車企仍不對外聲稱L3，而是以L2+/L2+

2、等來強調自身產品功能的增強，以規避監管壓力以及潛在的事故責任，L4及以上的自動駕駛，系統承擔所有駕駛責任。不同技術路線下的無人駕駛公司算法邏輯有何不同？自動駕駛技術的發展路徑可分為漸進式和躍進式兩類，兩者算法邏輯不同，路線有收斂的趨勢，匯集點為Robotaxi。漸進式主張從L1、L2、L3狀態的人機共駕逐漸過渡到L4無人駕駛，在量產車上先搭載輔助駕駛并收集數據，利用不斷擴大規模的高質量數據持續優化算法，逐步攻克自動駕駛各項核心環節（比如AVP功能），安全、模塊化迭代、步步為營；代表廠商為特斯拉以及蔚小理類主機廠；躍進式直接以L4無人駕駛為目標進行研發，通過大規模車隊獲取路測數據直接來訓練無人駕

3、駛算法網絡，Topline更高、中間不可控的問題比較多、算法架構起點更高，代表廠商以Waymo和百度類科技企業以及小馬智行和文遠知行類初創企業為主。fY8XdXbZaVaVdXaY6MaO9PnPrRmOtPeRrRsNfQtRyR7NmNnNvPsRtPwMnQoO核心觀點3 為什么說自動駕駛產業現階段技術匯集點在于Robotaxi？Robotaxi商業化進程前景不夠明朗，躍進式路線引領企業Waymo在多次自動駕駛汽車事故后估值接連下滑，發展疲軟暴露躍進式路線商業化空白期長的問題，其他廠商也開始降維尋求過渡期的商業模式；漸進式路線下，城市NOA成為ADAS主戰場，所需技術與Robotaxi類

4、似，在城市NOA場景下實現L2+功能對傳感器的要求更趨近Robotaxi，為漸進式路線企業入局Robotaxi打下基礎。Robotaxi產業格局怎樣？主機廠+自動駕駛企業+運營商三角結構怎么看？“軟件定義汽車”趨勢深化的產業背景下，給各方勢力入局Robotaxi帶來可能性。當前“主機廠+自動駕駛解決方案供應商+運營商”為Robotaxi主流合作模式，其中自動駕駛企業能夠提供Robotaxi軟硬件解決方案，OEM擁有整車量產能力，運營商提供服務場景，比如“Waymo+捷豹+Uber”模式。但中長期是否會被TSL這種一體式替代值得思考，更大的可能性是兩種模式并行。核心觀點4 純視覺VS多傳感器融合

5、，不同技術路線的核心競爭力是什么？純視覺方案僅基于攝像頭進行感知，相對多傳感器融合有明顯的硬件成本優勢，同時對軟件要求較高，需要依靠強大的算法才能保證感知的準確性與效率，但在純視覺方案基于深度學習的算法尚未達到全路況覆蓋的情況下，其安全性仍存疑，多傳感器融合方案更加可靠，因此現有Robotaxi解決方案均采用該路線。我們判斷，隨著技術的迭代，視覺方案有望憑借性能天花板高及成本可控的特性成為高階自動駕駛方案中主流的感知路線；但考慮到產品安全問題，仍需要搭載雷達作為冗余設計。復盤自動駕駛發展歷史，當前核心關注點是什么？自動駕駛發展經歷了導入期、冷靜期、落地期及出清期，冷靜期過后市場更加關注落地應用

6、情況。2021年為自動駕駛場景落地和商業應用元年，Robotruck頭部公司圖森未來上市，地平線、小馬、文遠股權融資進入中后期。2023年進入產業整合階段，據加州DMV數據，2023年路測公里數和路測車輛數量相對2021年分別增加52%/37%，而參與公司數量從26家下滑至21家。我們整體判斷Robotaxi短期競爭力在于運營規模，長期看技術路徑和平臺效應：Robotaxi現階段發展重心在運營落地+搶占份額，牌照資源形成壁壘；后期若要在在城市公開道路中大規模且常態化運行，關鍵看點是技術，視覺方案與多傳感器融合方案的差距或將逐漸顯著；主流技術方案明確后，差異化優勢將轉移至平臺/生態層面，中后期滴

7、滴類平臺公司有望基于Robotaxi前瞻布局受益。核心觀點5 端到端算法處于迭代驗證階段，技術瓶頸怎么看？自動駕駛架構從多模塊向端到端融合發展，端到端模型的核心優勢在于信息的無損傳遞，能夠基于完整數據進行全局任務優化，在單一網絡中直接生成車輛的控制指令或運動規劃，這種設計使得整個系統針對最終目標進行優化，而非僅僅針對某個獨立的子任務，從而實現自動駕駛性能的全局最優化。隨著高質量數據的積累和模型的優化，端到端架構能實現的性能天花板高于模塊化架構。端到端模型迭代對算力和數據的要求高，資源競賽形成進入壁壘；國內廠商中，商湯/百度/華為算力儲備豐富，且均有底層大模型（Sensecore/文心/盤古）支

8、撐自動駕駛模型訓練。泛化能力角度，UE打平何時到來？按照蘿卜快跑在武漢的收費標準（1km內起步價18元，超出起步價范圍后每公里2.7元）以及補貼力度（5折）計算，單均收入為14.85元；成本方面，按照Apollo RT6 20.46萬價格以及6年折舊期計算，單均折舊約為7.19元。運營成本中大頭來自安全員，按照安全員和車輛1：1的配比計算，單均安全員成本達到16.44元。再加上電力、保險、維護等費用，最終單均成本為27.80元。商業化角度，UE的關鍵變量是單位車占用的安全員數量及單量，隨著單個安全員覆蓋無人車數量增加以及單量提升，Robotaxi UE模型有望實現打平。核心觀點6 Robota

9、xi產業，政策進一步放開的最底層邏輯是什么？中美為自動駕駛第一梯隊，競相出臺自動駕駛政策，為加快Robotaxi商業化落地釋放積極信號。我們認為當前全球和Robotaxi相關的政策體系政府方都在盡力給到最大的支持，但尚未進行全道路商業化的最底層政策瓶頸還在于安全，技術日新月異，但安全方面的要求幾乎是零容忍。因此從根本上來說，Robotaxi產業發展在等待的關鍵還是技術的進一步更迭。消費者認知研究：對自動駕駛容錯率低，對Robotaxi運營方意味著什么？消費者認知瓶頸在于安全感不足。消費者愿意承擔自己開車時的小概率傷亡風險，但是對于其他人（或者無人）掌控方向盤時，會有更高的安全標準。根據百度Ap

10、ollo Day披露，自動駕駛車輛的安全性現已能達到駕駛員人工操控的10倍；但只要發生一起嚴重的事故，想要公眾普遍認可自動駕駛的難度會大幅增長。這一點中外同步，但整體消費者對Robotaxi的接受度正在提升。重點公司滴滴：攜“數據+生態+運營”戰略瞄準Robotaxi，強化網約車龍頭地位。滴滴于2016年組建自動駕駛研發部門，專注L4軟硬件解決方案研發，主要商業模式為與OEM合作開發Robotaxi，當前深度捆綁廣汽埃安打造“技術+制造+運營”L4商業生態閉環，首款L4量產車型預計于25年發布。滴滴數據規模+質量優勢明顯，助力提升模型訓練效率，依托滴滴平臺實現混合派單，可降低冷啟動資金要求。而

11、豐富運營經驗，可以很大程度上提高商業效率。核心觀點7 重點公司小鵬：本土化版“特斯拉”，堅定端到端。OEM中智能駕駛的第一梯隊，在持續研發投入下，小鵬汽車成為全國首個提出視覺融合泊車、融合高精地圖SR的高速領航輔助、城市導航等智能駕駛功能的車企。首發端到端自動駕駛大模型，強調“AI智駕全球開創者及普及者”定位，感知技術方面，推出全國首個量產BEV感知，漸進路線穩扎穩打，強大體系能力構筑護城河。公司預計2024年將投入35億元用于智能研發，并新招募4000名專業人才，今后每年將投入超過7億元用于算力訓練；并預計于2025年，在中國實現類L4級智駕體驗。重點公司百度：生態賦能、研發積淀，為什么說百

12、度是Robotaxi產業的頭部玩家？百度于2013年開始自動駕駛研發，于2017年將無人駕駛業務命名為Apollo計劃，并將平臺開源。Apollo涵蓋自動駕駛車輛的研發、測試和部署，提供一整套開源的解決方案，支持包括感知、決策、規劃、執行在內多個功能模塊。百度研發積淀深，L4與L2共生成長。當前看蘿卜快跑是中國Robotaxi頭部公司，中長期看核心競爭力明顯，高精地圖+文心一言大模型+昆侖AI芯片合力都將驅動自動駕駛技術發展，助力百度在Robotaxi產業鏈中脫穎。1.問一：當前自動駕駛公司的商業化進程怎樣？2.問二：不同技術路線下的無人駕駛公司算法邏輯有何不同？3.問三：為什么說自動駕駛產業

13、現階段技術匯集點在于Robotaxi？4.問四：Robotaxi產業格局怎樣？主機廠+自動駕駛企業+運營商三角結構怎么看？5.問五：純視覺VS多傳感器融合，不同技術路線的核心競爭力是什么？6.問六：復盤自動駕駛發展歷史，當前核心關注點是什么？7.問七：端到端算法處于迭代驗證階段，技術瓶頸怎么看？8.問八：泛化能力角度，UE打平何時到來？9.問九：Robotaxi產業，政策進一步放開的最底層邏輯是什么？10.問十：消費者認知研究：對自動駕駛容錯率低，對Robotaxi運營方意味著什么？11.重點公司滴滴：攜“數據+生態+運營”戰略瞄準Robotaxi，強化網約車地位12.重點公司小鵬：本土化版“

14、特斯拉”，堅定端到端13.重點公司百度：生態賦能、研發積淀，為什么說百度是Robotaxi產業的頭部玩家？附錄：頭部企業自動駕駛模型研發基礎對比風險提示：自動駕駛技術迭代不及預期，Robotaxi成本下滑不及預期，政策落地不及預期風險，Robotaxi運營車輛事故風險。目錄8 從自動駕駛分級標準談起，什么是L4無人駕駛？按照駕駛員參與程度分為L0-L5六級，中國與國際分級標準基本相同，均認為L0到L2的駕駛自動化屬于輔助駕駛；L3盡管能夠實現大部分功能，但其穩定性還不允許其完全脫離人類的控制；L4以上的自動駕駛，無需用戶的介入，系統承擔所有駕駛責任。自動駕駛技術先探至L4，大規模商業化停留于L

15、2。L2和L3是自動駕駛等級的分水嶺：L2只負責對車輛的控制操作，而在L3級中，系統需要負責感知車輛運行狀態下的周邊環境，同時控制車輛。L2級輔助駕駛在商業化上已發展成熟，很多車企在此基礎上發展高速及城市NOA（Navigate On Autopilot，自動輔助導航駕駛）等覆蓋周邊環境的自動駕駛，且已有部分公司技術達到L4級別。但大多車企仍不對外聲稱L3，而是以L2+/L2+等來強調自身產品功能的增強，以規避監管壓力以及潛在的事故責任。2024年6月，一汽、上汽、廣汽、比亞迪、蔚來等9家車企獲取L3/L4汽車準入和上路試點資格，或將拉開L3產品的量產序幕。9資料來源：全國汽車標準化技術委員會

16、，中國汽車報，元戎啟行官網，方正證券研究所圖表：中國汽車駕駛自動化分級L0L1L2L3L4L5名稱應急輔助部分駕駛輔助組合駕駛輔助有條件自動駕駛高度自動駕駛完全自動駕駛分類駕駛輔助/ADAS（Advanced Driver Assistance System）自動駕駛/ADS（Automatic Driving System）目標和事件探測與響應駕駛員和系統系統車輛橫縱控制駕駛員駕駛員和系統系統動態駕駛任務接管駕駛員動態駕駛任務接管用戶（接管后成為駕駛員）系統設計運行是否有限制有有有有有無具體能力具備持續執行動態駕駛任務中的部分目標和事件探測與響應的能力在其設計運行條件下持續地執行動態駕駛任務

17、中的車輛橫向或縱向運動控制在其設計運行條件下持續地執行動態駕駛任務中的車輛橫向和縱向運動控制在其設計運行條件下持續地執行全部動態駕駛任務在其設計運行條件下持續地執行全部動態駕駛任務并自動執行最小風險策略在任何可行駛條件下持續地執行全部動態駕駛任務并自動執行最小風險策略功能舉例駕駛員疲勞監測車道偏離預警自動緊急制動自適應巡航車道居中控制領航輔助駕駛NOP高速公路擁堵環境自動駕駛城區快速路自動駕駛Robotaxi專線無人接駁巴士自主代客泊車現階段尚無具體功能達到L51.問一：當前自動駕駛公司的商業化進程怎樣？資料來源：澎湃新聞，36kr，易車網，經濟觀察網，機器之心，方正證券研究所漸進式躍進式定義

18、從L1、L2、L3狀態的人機共駕逐漸過渡到L4直接以L4、L5無人駕駛為目標進行研發技術以視覺技術為主，輕硬件重算法，需要利用海量數據做出關于加速、制動和轉向的決定以激光雷達、毫米波雷達、相機等多傳感器融合方案的技術形態發展目標場景乘用商用代表企業特斯拉、蔚小理等車企Waymo、小馬智行、文遠知行、Momenta、百度等科技公司發展路徑建立從數據到算法的迭代閉環，利用不斷擴大規模的高質量數據持續優化算法，逐步攻克自動駕駛的各項核心環節，最終實現全無人駕駛基于AI技術，通過大規模車隊獲取路測數據來訓練無人駕駛算法網絡，核心是要找到適合落地的場景及商業模式2.問二：不同發展路線下的無人駕駛公司算法

19、邏輯有何不同？圖表：漸進式與躍進式路線對比 自動駕駛技術的發展路徑可分為漸進式和躍進式兩類，兩者算法邏輯不同，路線有收斂的趨勢，匯集點為Robotaxi。漸進式主張從L1、L2、L3狀態的人機共駕逐漸過渡到L4無人駕駛，在量產車上先搭載輔助駕駛并收集數據，利用不斷擴大規模的高質量數據持續優化算法，逐步攻克自動駕駛各項核心環節（比如AVP功能），安全、模塊化迭代、步步為營；代表廠商為特斯拉以及蔚小理類主機廠。躍進式直接以L4無人駕駛為目標進行研發，通過大規模車隊獲取路測數據直接來訓練無人駕駛算法網絡，Topline更高、中間不可控的問題比較多、算法架構起點更高，代表廠商以Waymo和百度類科技企

20、業以及小馬智行和文遠知行類初創企業為主。103.問三：為什么說自動駕駛產業現階段技術匯集點在于Robotaxi？11 躍進式路線商業化瓶頸明顯，廠商多尋求技術降維和場景降維。Robotaxi商業化進程前景不夠明朗，躍進式路線引領企業Waymo在多次自動駕駛汽車事故后估值接連下滑。Waymo發展疲軟暴露躍進式路線商業化空白期長的問題，其他廠商也開始尋求過渡期的商業模式。躍進式L4的過渡商業模型：1）技術降維，即一邊基于自研L4技術為OEM提供L2量產解決方案，一邊繼續研發L4無人駕駛；2）場景降維，Robotaxi針對城市道路場景，實現難度較高，所以通過環衛、礦區、干線物流等更容易實現的細分場景

21、進行商業變現，這類細分場景的數據也有利于低成本獲取大量用于高階自動駕駛技術的數據。例如，小馬智行分化出卡車及干線物流業務，文遠知行則分化出Robobus以及貨運業務?，F階段，限定場景下的無人駕駛技術相對成熟，將率先迎來商業化，可以反哺Robotaxi發展。資料來源：億歐智庫，蓋世汽車，雷鋒網，36kr，證券時報網，21財經，佐思車研，界面新聞，方正證券研究所圖表：細分應用場景特征類型場景車速環境落地車型代表性企業載物港口/礦山/農業低封閉集裝箱卡車/自卸卡車/拖拉機主線科技、西井科技、踏歌智行環衛低城市道路無人清潔車酷哇科技、仙途智能末端配送低園區內部/城市道路無人配送車菜鳥、美團、京東、新石

22、器、毫末智行干線物流高城市道路/高速公路/鄉村道路重卡智加科技、嬴徹科技載人Robotaxi/Robobus高城市道路/高速公路/鄉村道路乘用車/公交車百度、小馬智行、文遠知行圖表：代表性企業“場景降維”3.問三：為什么自動駕駛產業現階段技術匯集點在于Robotaxi？12 漸進式路線下，城市NOA成為ADAS主戰場，所需技術與Robotaxi類似。高速及城市NOA（Navigate On Autopilot，車輛駕駛輔助系統）一般被歸為L2+級別自動駕駛功能。2019年，特斯拉率先推出高速NOA，蔚小理三家快速跟進，分別于2020年10月、2021年1月、2021年9月推出；新上市車型的NO

23、A功能已成為智能駕駛的熱門配置，城市NOA是繼高速NOA后車企的下一個競爭點。相比規整的高速道路，城市道路涉及紅綠燈識別、人車交互、交通標志、道路施工等復雜場景，在此場景下實現L2+功能對傳感器的要求更趨近Robotaxi，為漸進式路線企業入局Robotaxi打下基礎。特斯拉預計于今年10月發布Robotaxi，創新OEM入局的商業模式。特斯拉預計10月份發布的Robotaxi商業模式為：車主可以根據自己的需求選擇車輛自用或派車加入Robotaxi隊伍，特斯拉從中抽取分成。此前，乘用車企業在Robotaxi產業中大多發揮“車型量產”作用，不直接參與解決方案設計及運營服務環節。資料來源：九章智駕

24、，方正證券研究所圖表：高速及城市NOA裝機滲透率（2023年）品牌整體情況分價格端情況20萬元以內20-30萬元30-40萬元40萬元以上高速NOA城市NOA高速NOA城市NOA高速NOA城市NOA高速NOA城市NOA高速NOA城市NOA阿維塔100.0%100.0%-100.0%100.0%100.0%100.0%極越100.0%100.0%-100.0%100.0%100.0%100.0%-蔚來100.0%60.1%-100.0%100.0%100.0%48.2%100.0%83.0%特斯拉100.0%0.0%-100.0%0.0%100.0%0.0%-路特斯100.0%0.0%-100.

25、0%0.0%理想97.4%56.9%-96.2%37.3%100.0%100.0%飛凡90.0%0.0%-84.3%0.0%99.7%0.0%-小鵬89.2%33.9%41.5%0.0%97.6%39.0%100.0%39.8%100.0%100.0%智己74.0%0.0%-99.6%0.0%42.3%0.0%-魏牌58.8%0.0%0.0%0.0%4.8%0.0%89.6%0.0%-極氪30.3%0.0%0.0%0.0%33.4%0.0%51.9%0.0%1.0%0.0%問界15.3%15.3%-16.8%16.8%0.0%0.0%0.0%0.0%13資料來源：科爾尼咨詢，網易新聞，Pony

26、.ai小馬智行公眾號，TOM資訊，騰訊網，DO NEWS，新浪財經，滴滴官網，方正證券研究所圖表：傳統汽車產業鏈 vs Robotaxi生態圈圖表：部分Robotaxi企業合作版圖4.問四：Robotaxi產業格局怎樣？主機廠+自動駕駛企業+運營商三角結構怎么看？“軟件定義汽車”趨勢深化，汽車產業本身從鏈式結構轉變為網狀結構，給各方勢力入局Robotaxi帶來可能性。傳統汽車產業呈現“Tier2-Tier1-OEM”的線性鏈式結構，主機廠位于金字塔頂端，隨后才是各級別供應商，話語權有限。隨著“軟件定義汽車”趨勢深化，原產業鏈的線性關系被打破，產業走向軟件+硬件的橫向分工模式。當前，“主機廠+自

27、動駕駛解決方案供應商+運營商”為Robotaxi主流合作模式，但中長期是否會被特斯拉這種一體式替代值得思考，更大的可能性是兩種模式并行。其中，自動駕駛企業能夠提供Robotaxi軟硬件解決方案，OEM擁有整車量產能力，運營商提供服務場景，三者分別對應Robotaxi供給側的基礎層、載體層和出行層。比如“小馬+吉利+曹操出行（吉利旗下），“Waymo+捷豹+Uber”模式。滴滴作為網約車龍頭企業，于2016年組建自動駕駛研發部門，以供應商以及運營商的雙重角色入局Robotaxi，目前已經與廣汽埃安成立合資公司，預計于2025年推出首款量產L4無人車，并接入滴滴共享出行網絡。百度和OEM合作密切，

28、第1-6代Apollo分別落地寶馬、奇瑞、林肯、一汽、北汽極狐以及江玲新能源車型，但還未接入其他第三方出行平臺，而是以蘿卜快跑的APP/小程序獨立運營。14 ADAS階段感知路線分為純視覺及多傳感器融合兩種方案。感知是自動駕駛的前提，需通過傳感器收集周圍環境的信息，探測精度、廣度與速度直接影響行駛安全。不同傳感器優劣勢不同，互相補充、相得益彰，技術探索的核心點在于尋找在最低成本下的最優技術解。資料來源：電子工程專輯，焉知汽車公眾號，汽車測試網，方正證券研究所圖表：傳感器成像比較圖表：傳感器性能比較5.問五：純視覺VS多傳感器融合，不同技術路線的核心競爭力是什么？攝像頭激光雷達毫米波雷達超聲波雷

29、達原理捕捉環境圖像通過反射的激光光束進行定位與成像通過接收反射的毫米波進行定位與成像通過接收反射的超聲波進行定位與成像優勢能夠捕捉到豐富的色彩和細節信息（比如車道線、指示標志、紅綠燈等）受周圍環境光線變化影響很小幾乎不受光線和天氣影響成本較低，適合近距離探測劣勢遇到暗光、逆光等影響視線的情況，容易丟失目標在雨雪、大霧等極端天氣下會受到影響對于行人這類低反射率的目標，探測準確度較差由于其波長短以及受環境影響大的特性，感知精度較低15 純視覺方案核心競爭力怎么看？純視覺方案僅基于攝像頭進行感知，相對多傳感器融合有明顯的硬件成本優勢，同時對軟件要求較高，需要依靠強大的算法才能保證感知的準確性與效率。

30、目前，界內僅有特斯拉憑借數據+算力+算法優勢采用純視覺方案，其他車企難以復制。當車輛搭載L4級自動駕駛功能時，對安全冗余的要求更高；在純視覺方案基于深度學習的算法尚未達到全路況覆蓋的情況下，其安全性仍存疑，多傳感器融合方案更加可靠，因此現有Robotaxi解決方案均采用該路線。視覺方案為行業發展趨勢，但需補充雷達做安全冗余。視覺具有更高的精度，因為傳感器的本質是比特流，攝像頭比特/秒的信息量要比激光雷達和毫米波雷達高幾個數量級。隨著訓練數據規模的提升以及算法的優化，攝像頭的性能有望大幅超越雷達。國內廠商已開始相關研發，雖然均宣稱其方案為純視覺，但實際是“去激光雷達”的視覺方案。我們判斷，隨著技

31、術的迭代，視覺方案有望憑借性能天花板高及成本可控的特性成為高階自動駕駛方案中主流的感知路線；但考慮到產品安全問題，需要搭載雷達作為冗余設計。雷達搭載數量有望下降，但仍是實現安全感知必不可少的硬件。資料來源：電子工程世界，文遠知行官網，電子發燒友網，易車網，電子工程專輯，中國汽車報公眾號，全球汽車科技網，方正證券研究所圖表：現有Robotaxi解決方案的傳感器配置數量（個）公司產品激光雷達 毫米波雷達 超聲波雷達 攝像頭百度Apollo RT6861212小馬第六代解決方案75011AutoXAutoX Gen568-28滴滴雙子星硬件平臺761224文遠知行WeRide Sensor Suit

32、e 5.07-12Cruise-5111014Waymo-568145.問五：純視覺VS多傳感器融合，不同技術路線的核心競爭力是什么？圖表：國產廠商視覺方案公司發布時間具體方案極越2023年10月“純視覺”高階智駕技術方案計劃分階段實現：在1.0階段采用“純視覺為主+激光雷達”的融合方案，兩份雙獨立系統互為備份，在2.0階段可不再借助激光雷達，并逐步降低對高精地圖的依賴廣汽2024年4月無圖純視覺智駕系統，不依賴高精地圖并去除激光雷達華為2024年5月HUAWEI ADS基礎版搭載10個攝像頭+3個毫米波雷達+12個超聲波雷達，可以在不依賴激光雷達和高精地圖的前提下，實現全國高度和城市NCA6

33、.問六：復盤自動駕駛發展歷史，當前核心關注點是什么？16 自動駕駛發展經歷了導入期、冷靜期、落地期及出清期：1）導入期（2009-2018年）：谷歌于2009年啟動自動駕駛項目，至2016年將該項目獨立為子公司Waymo，標志著自動駕駛正式發展的起點。百度/滴滴分別于2015/2016年開拓自動駕駛業務，以小馬智行、文遠知行、Momenta為代表的初創企業均在2016-2017年間成立。2）冷靜期（2019-2020年）：自動駕駛的安全和成本問題始終沒有出現合適的解決方案，2018年Uber路測發生致死事故為行業估值泡沫消退的導火索，行業進入第一輪冷靜期，冷靜期過后市場更加關注落地應用情況。3

34、）落地期（2021-2022年）：2021年為自動駕駛場景落地和商業應用元年，Robotruck頭部公司圖森未來上市，地平線、小馬、文遠股權融資進入中后期；以北京和武漢為代表的地方政府連續頒布多個支持Robotaxi運營的政策；零部件國產替代+上量降價推動整體解決方案成本大幅下降，政策+技術+產業共同驅動市場熱度達到高點。4）出清期（2023年）：商業化變現困難致使投資遇冷，主因Robotaxi還處于服務區試運營階段，封閉空間場景的自動駕駛雖然落地難度小，但是收入天花板有限。自動駕駛進入產業整合和淘汰加速階段，據加州DMV數據，2023年路測公里數和路測車輛數量相對2021年分別增加52%/3

35、7%，而參與公司數量從26家下滑至21家。2024年，百度在Apollo Day預計今年Robotaxi將在武漢實現盈虧平衡，商業閉環預期有望再次推動產業回暖。資料來源：36kr，搜狐新聞，通用官網，未來汽車日報，全天候科技網，證券時報網，澎湃新聞網，中國新聞網，南方都市報，小馬智行官網，方正證券研究所圖表：主要Robotaxi企業發展歷程WaymoCruiseUber百度小馬智行2015201620172018201920202021202220232024獨立為子公司推出服務應用在鳳凰城開放無人服務向所有舊金山用戶開放服務研發無人駕駛出售自動駕駛部門成立L4事業部獲北京路測牌照成立獲加州路

36、測許可獲加州服務許可獲廣州路測牌照獲北京路測牌照獲北京商業化試點牌照獲北京商業化試點牌照獲深圳、上海無人測試牌照第六代無人車成本下降至20萬元獲加州路測許可在全國11個城市提供服務收購Otto（Robotruck企業）路測發生嚴重車禍被通用收購獲加州路測許可獲加州運營許可運營發生嚴重車禍，執照被吊銷關停Robotruck業務6.問六：復盤自動駕駛發展歷史，當前核心關注點是什么？17資料來源：36kr，搜狐新聞，通用官網，未來汽車日報，全天候科技網，證券時報網，澎湃新聞網，中國新聞網，南方都市報，小馬智行官網，界面新聞，汽車之家，元戎啟行官網，網易新聞，方正證券研究所圖表：中國自動駕駛項目投融資

37、金額、投資事件數量及行業重點事件導入期冷靜期落地期Google獨立Waymo為獨立子公司Waymo推出面向Robotaxi的應用Waymo OneWaymo在美國鳳凰城市中心開放RobotaxiUber出售自動駕駛部門ATGUber與卡內基梅隆大學達成合作，專門研究無人駕駛技術百度開始布局自動駕駛蘿卜快跑在北京開展載人測試文遠知行成立文遠發布中國首款L4自動駕駛貨運車文遠與廣州公交集團白云公司共同推出全國第一輛Robotaxi文遠攜手廣州巴士集團正式開放全國首個Robobus商業收費運營服務Momenta成立輕舟智航成立元戎啟行成立元戎啟行前裝L4解決方案降本到1萬美元以下元戎啟行與德邦快遞合

38、作，提供Robotruck小馬智行成立小馬智行推出自動駕駛出行服務PonyPilot小馬智行和百度獲北京商業化試點牌照Robotruck頭部企業圖森未來上市Cruise在加州推出Robotaxi服務Uber上路測試，并推出Robotaxi載客服務通用收購Cruise英特爾收購MobileyeCruise發生車禍，運營許可被暫停Waymo、阿里達摩院、Nuro、圖森未來大規模裁員出清期18 我們整體判斷Robotaxi短期競爭力在于運營規模，長期看技術路徑和平臺效應。Robotaxi現階段發展重心在運營落地+搶占份額，牌照資源形成壁壘。在技術方案沒有明顯差距的階段，提前布局有助于搶占市場先機；產

39、業話語權主要掌握在已獲取牌照的自動駕駛解決方案供應商中。小馬智行及百度Apollo（蘿卜快跑）Robotaxi在城市道路測試及示范運營方面進展較為領先；蘿卜快跑在商業化推廣方面采取“用補貼換市場”的方式，旨在憑借低價創造需求，借此培養Robotaxi運營日?；南M者心智，并借助先發優勢搶占份額。Robotaxi要真正在城市公開道路中大規模且常態化運行，關鍵看點是技術，其次是生態。Robotaxi目前的道路測試、載客運營及商業化試點都被限定在特定區域內，高精地圖能夠為車輛運行提供先驗經驗；長期若Robotaxi運行區域放開至更多公開道路，高精地圖所起作用受限，視覺方案與多傳感器融合方案的差距將

40、逐漸顯著。特斯拉計劃于今年10月發布Robotaxi，根據其一直以來在L2領域對純視覺路線的堅持，我們判斷其Robotaxi也將沿用純視覺或視覺主導+雷達冗余的方案。在主流技術方案明確后，差異化優勢將轉移至平臺/生態層面。消費者對Robotaxi的定位從“體驗”轉為“使用”，依托網約車平臺實現有人和無人車混合派單最能優化乘客的打車體驗。滴滴作為網約車平臺龍頭，有望基于Robotaxi前瞻布局從中受益。部分主機廠旗下有共享出行平臺，也有望借助制造商+運營商的雙角色擴大行業影響力。資料來源：億歐智庫，21經濟，南方都市報，Ofweek，DoNews，羅蘭貝格，36kr，蓋世汽車，汽車之心，中青汽車

41、。騰訊網，方正證券研究所圖表：Robotaxi不同階段特征及潛在受益公司第一階段第二階段第三階段運營特征限定區域點到點運營大規模常態化運營大規模常態化運營技術特征多傳感器融合由多傳感器融合向視覺方案過渡視覺方案企業核心競爭力運營牌照技術生態潛在受益企業百度、小馬智行等特斯拉、百度、華為、廣汽、小鵬等滴滴出行等6.問六：復盤自動駕駛發展歷史，當前核心關注點是什么？2023 端到端第二階段 模塊化端到端 2021 端到端第一階段 感知、認知模塊化 2024 端到端第三階段 單一神經網絡7.問七：端到端算法處于迭代驗證階段，技術瓶頸怎么看？19 自動駕駛架構從多模塊向端到端融合發展。傳統自動駕駛系統

42、采用模塊化串聯的部署方式，核心模塊涵蓋感知、定位、預測、決策和控制等，每個主要模塊及其中的子模塊承擔特定的責任，且每個模塊的輸入通常來源于前一模塊的輸出。多模塊架構存在信息傳遞損耗、計算延遲以及累積誤差等問題；隨著Transformer架構的發展，原本獨立的子任務模型正逐步被更大規模的神經網絡模型所取代。端到端模型的核心優勢在于信息的無損傳遞，能夠基于完整數據進行全局任務優化。端到端的通俗定義即將原本獨立的各模塊囊括到一個神經網絡中，實現信息在不同子模型間的無損傳輸與耦合；運用在自動駕駛領域中，即將傳感器收集到的全面信息作為輸入，在單一網絡中直接生成車輛的控制指令或運動規劃。這種設計使得整個系

43、統針對最終目標進行優化，而非僅僅針對某個獨立的子任務，從而實現自動駕駛性能的全局最優化。隨著高質量數據的積累和模型的優化，端到端架構能實現的性能天花板高于模塊化架構。資料來源：甲子光年公眾號，元戎啟行官網，OpenDriveLab公眾號，汽車測試網，全天候科技網，方正證券研究所 傳統檢測跟蹤后融合預測決策規劃控制地圖定位 2017多傳感器融合預測決策規劃控制地圖定位通用感知網絡預測規劃網絡控制感知預測規劃網絡控制多模塊端到端圖表：自動駕駛架構發展歷程感知預測規劃控制一體化網絡圖表：端到端與模塊化架構性能表現數據質量&數量性能端到端模塊化7.問七：端到端算法處于迭代驗證階段，技術瓶頸怎么看？20

44、資料來源：Tesla AI Day，方正證券研究所圖表：特斯拉BEV+Transformer架構 端到端第一階段：特斯拉推出BEV+Transformer感知網絡架構。Transformer的概念源于2017年谷歌發布的論文Attention is AllYou Need，利用注意力機制（Attention Mechanisms，即對輸入與輸出序列的依賴關系建模）進行序列轉換，通過建模輸入和輸出序列之間的依賴關系來生成目標結果。2021年，特斯拉將其引入自動駕駛領域，通過將感知任務內置于Transformer中，使神經網絡能夠自動將2D圖像轉換為BEV（Birds Eye View，即俯視角度

45、）的3D特征信息。BEV 轉 換 的 具 體 步 驟 為：1）通 過 RegNet（RegularizationNetwork，用于圖像分類的神經網絡結構）對攝像頭捕捉的2D圖像信息進行分層處理；2）利用BiFPNs（Bi-directional Feature PyramidNetworks，用于圖像語義分割的神經網絡結構）使分類信息發生交互，從而生成輸入Queries；3）基于預訓練獲取的鍵值對信息，計算Value，并將物體信息映射到3D空間。BEV+Transformer現已成為自動駕駛領域廣泛應用的范式，百度、華為、蔚小理等廠商均已提出相似技術路線的解決方案。21 端到端第二階段：CV

46、PR 2023年度論文提出感知決策一體化的端到端解決方案。2023年CVPR最佳論文Planning-orientedAutonomous Driving提出感知決策一體化的端到端自動駕駛解決方案Unified Autonomous Driving（UniAD）。UniAD通過多層Transformer架構覆蓋感知、預測和規劃任務，每一層并行處理和交互圖像信息，最終根據本車對周圍環境的感知及預測信息以實現路徑規劃。UniAD在多項自動駕駛任務中刷新SOTA。UniAD的亮點在于模型通過Transformer的多層架構覆蓋關鍵任務，各層之間的信息輸入輸出相互融合，能夠并行處理多個不同的任務；感知

47、與預測環節均包含車輛自身的信息，最后規劃器結合本車信息與BEV特征信息進行決策，從而使整個網絡均以規劃為目標，有效提升解決方案的整體性能。根據使用nuScenes數據集（在波士頓和新加坡采集的開源自動駕駛數據集）的測試結果，UniAD在多種自動駕駛任務中刷新了SOTA（State-of-the-art，領域最佳性能）。資料來源：Planning-oriented Autonomous Driving（Hu et al.，2023），方正證券研究所圖表：UniAD運作流程圖7.問七：端到端算法處于迭代驗證階段，技術瓶頸怎么看？22 端到端第三階段：特斯拉發布基于單一神經網絡的FSD V12。20

48、24年年初，特斯拉開始推送FSD V12，其采用全棧神經網絡覆蓋感知、決策和控制任務，輸入傳感器數據后直接輸出控制信號。V12打通最后一個控制環節，使得整個系統端到端可導，微小誤差也會通過梯度反向傳播到上游每個環節并進行自我迭代優化，從而使系統輸出的駕駛行為更加擬人。端到端模型迭代對算力和數據的要求高，資源競賽形成進入壁壘。端到端模型的本質是從大量優質駕駛視頻片段中提取和壓縮知識的過程，需要強大算力和海量高質量數據來支撐模型訓練過程。根據特斯拉自動駕駛部門負責人Andrej Karpathy透露，工作中有3/4的精力被用于采集、清洗、分類和標注高質量數據上，僅有1/4的工作用于算法探索和模型創

49、建。訓練算力、數據、AI人才均構筑門檻；隨端到端趨勢深化，廠商間的研發進度差距將更加明顯。特斯拉引領端到端模型創新，國內廠商大多處于發展第一階段。特斯拉預計DOJO智算中心算力于今年10月將達到100EFLOPS；國內廠商如商湯科技/百度自算力分別為12/4+EFLOPS。特斯拉基于算力和數據優勢，以及在行業內的影響力，推出業內首個且唯一一個覆蓋全棧任務的端到端模型并引領行業創新趨勢。國內廠商中商湯進展較為領先，公司作為Planning-oriented Autonomous Driving作者之一，于2022年底推出業內首個感知決策一體化的端到端模型。其余新勢力廠商以及科技企業（除理想外）均

50、采取“兩段式”端到端方案，將感知和決策規劃分別置于兩個神經網絡下；理想于24年7月發布類似商湯路線的4D One Model，但未宣布相關量產上車計劃。資料來源：網易新聞，汽車測試網，搜狐，新出行網，小鵬官網，36kr，元戎啟行官網，界面新聞，汽車之家，汽車測試網，中國汽車報，虎嗅網，方正證券研究所7.問七：端到端算法處于迭代驗證階段，技術瓶頸怎么看？進展所處端到端階段代表性廠商產品進展感知模塊化1蔚來Banyan 2.0.023年5月發布并上車感知、規控分別模塊化小鵬感知神經網絡XNet+規控大模型XPlanner+大語言模型XBrain24年5月發布并上車華為ADS 3.0（GOD+PDP

51、）24年4月發布，預計8月上車元戎啟行基于DeepRoute IO的端到端解決方案24年3月發布，預計年內上車百度Apollo ADFM24年5月發布，即將上車感知+規劃納入同一網絡2商湯UniAD22年底發布，23H2上車理想4D One Model24年7月發布感知+規劃+預測納入同一網絡3特斯拉FSD V1223年8月發布，24年2月上車圖表：不同廠商端到端方案對比23資料來源：武漢市本地寶，出租汽車運營技術條件（征求意見稿），格隆匯，搜狐新聞，交通運輸部，今日頭條，汽車之家，網易新聞，方正證券研究所圖表：Robotaxi UE模型圖表：安全員比例&日均單量敏感性分析8.問八：泛化能力角

52、度，UE打平何時到來？單車收入單車成本項目金額假設/公式項目金額假設/公式起步價（元）18.00 參考蘿卜快跑在武漢的計費規則車輛售價（元）204600.00 參考百度Apollo RT6售價里程費（元/公里）2.70 折舊年限（年）6.00 參考交通運輸部關于網約車報廢年限的要求單均公里數（公里）5.33 參考出租汽車運營技術條件（征求意見稿）年度折舊（元/年）34100.00=車輛售價/折舊年限單均收入（元）29.69=起步價+里程費*（單均公里數-起步公里數）單均折舊（元/單）7.19=年度折舊/年度單量補貼率0.50 參考蘿卜快跑在武漢的補貼情況安全員工資（元/月）6500.00 參考

53、蘿卜快跑招募信息單均實際收入（元）14.85=單均收入*（1-補貼率）安全員與負責車輛比例1.00 參考現有地方政策要求遠程安全員比例為1:1日均單量（單）15.00 參考出租汽車運營技術條件（征求意見稿）單均安全員成本（元/單）16.44=安全員工資*12/（安全員與負責車輛比例*年度單量）年度單量（單）4745.00=日均單量*365電耗（元/公里）0.15 參考汽車之家單公里電費區間年度收入（元/年）70441.89=年單量*單均實際收入單均電耗（元/單）0.80=電耗*單均公里數保險費用（元/年）10000.00 參考汽車之家單公里保險費區間單均保險費用（元/單）2.11=保險費用/年

54、度單量維保費用（元/年）6000.00 參考網約車保養費用單均維保費用（元/單）1.26=維保費用/年度單量單均成本（元）27.80=單均折舊+單均安全員成本+單均電耗+單均保險費用+單均維保費用單均盈利（元）-12.95=單均實際收入-單均成本單個安全員覆蓋車輛數（輛）12345日均單量（單/天）10-21.05-10.37-6.80-5.02-3.95 13-12.95-4.73-1.99-0.62 0.20 15-9.35-2.23 0.15 0.33 1.05 20-3.50 1.84 3.62 3.51 4.05 收入方面，按照蘿卜快跑在武漢的收費標準（1km內起步價18元，超出起步

55、價范圍后每公里2.7元）以及補貼力度（5折）計算，單均收入為14.85元；成本方面，按照Apollo RT6 20.46萬價格以及6年折舊期計算，單均折舊約為7.19元。運營成本中大頭來自安全員，按照安全員和車輛1：1的配比計算，單均安全員成本達到16.44元。再加上電力、保險、維護等費用，最終單均成本為27.80元。商業化角度，UE的關鍵變量是單位車占用的安全員數量及單量，隨著單個安全員覆蓋無人車數量增加以及單量提升，Robotaxi UE模型有望實現打平。9.問九：Robotaxi產業，政策進一步放開的最底層邏輯是什么？24資料來源：武漢市智能網聯汽車道路測試和示范應用管理實施細則（試行）

56、（征求意見稿），機器之心，文遠知行官網，上海市人民政府，深圳市人大常委會，騰訊網，觀察者網，深圳新聞網，澎湃新聞，武漢市人民政府，方正證券研究所武漢北京深圳上海道路測試里程（截至23年底；公里）337911609442000遠程安全員配比1:11:11:11:1無人化商業運營牌照頒發對象百度蘿卜快跑百度蘿卜快跑、小馬智行、文遠知行目前僅坪山區開展無人化商業化試點，獲批企業包括百度蘿卜快跑和AutoX目前僅開展無人化示范應用，獲批企業包括賽可智能（上汽子公司）、百度蘿卜快跑、AutoX、小馬智行，需通過評估才能進行商業化運營事故權責劃分車輛所有人/管理人-生產者、銷售者等車輛所有人/管理人-生產

57、者、銷售者等開展測試與應用活動的單位-相關責任方圖表：主要地區政策現狀 中美為自動駕駛第一梯隊，競相出臺自動駕駛政策，為加快Robotaxi商業化落地釋放積極信號，我們觀察國內的主要趨勢為：1）道路測試范圍擴大；2）安全員位置經歷“主駕副駕后排車外（遠程）”的變化；3）從道路測試到示范應用再到商業運營范圍的放開；4）權責劃分逐步明晰：2022年2月，上海發布上海市智能網聯汽車測試與應用管理辦法，首次明確智能網聯汽車發生交通事故后的責任劃分；隨后，深圳/北京分別于2022年11月及2024年6月作出相關規定。三地均認定應由智能網聯汽車一方承擔責任的，由該車所屬企業先行賠償，并可依法向相關責任方（

58、如系統開發者、汽車制造商等）追償。Robotaxi產業，政策進一步放開的最底層邏輯是什么？我們認為當前全球和Robotaxi相關的政策體系政府方都在盡力給到最大的支持，但尚未進行全道路商業化的最底層政策瓶頸還在于安全，技術日新月異，但安全方面的要求幾乎是零容忍。因此從根本上來說，Robotaxi產業發展在等待的關鍵還是技術的進一步更迭。259.問九：Robotaxi產業，政策進一步放開的最底層邏輯是什么？資料來源：武漢市交通運輸局，武漢市人民政府，36kr，Pony.ai小馬智行公眾號，新華網，深圳市交通運輸局，搜狐新聞，觀察者網，新浪新聞，上海市人民政府，深圳市人大常委會，騰訊網，搜狐新聞，

59、LEXOLOGY，方正證券研究所 中國：橫向比較各地政策可知，武漢在推動Robotaxi落地方面支持力度更大。武漢啟動智能網聯道路測試的時間點較晚，但率先于2022年8月發布自動駕駛全無人商業化試點政策，并為百度Apollo頒布相應牌照。截至2023年底，武漢智能網聯汽車測試道路里程已經突破3378.73公里，覆蓋12個行政區，開放里程和開放區域數量均保持全國第一；2023年全年自動駕駛出行服務訂單73.2萬單，服務90萬人次。海外：2023年8月加州政府已經正式批準Waymo、Cruise在舊金山全天任何時間段向公眾提供完全無人駕駛收費乘車服務。加州的監管部門是交通管理局（DMV）和公用事業

60、委員會（CPUC），類別上對有安全員和無安全員的分別進行監管。無人化路測圖表：中國主要地區政策發展歷程18年3月18年8月19年9月23年3月22年8月23年6月23年9月23年5月24年7月無人化商業化試點道路測試政策開放道路測試政策開放道路測試政策開放無人化商業化試點無人化商業化試點無人化示范應用武漢北京深圳上海無人化示范應用22年12月道路測試政策開放26 消費者認知瓶頸在于安全感不足。消費者愿意承擔自己開車時的小概率傷亡風險，但是對于其他人（或者無人）掌控方向盤時，會有更高的安全標準。根據百度Apollo Day披露，自動駕駛車輛的安全性現已能達到駕駛員人工操控的10倍；但只要發生一起

61、嚴重的事故，想要公眾普遍認可自動駕駛的難度會大幅增長。Robotaxi安全性的關鍵評價指標為MPI。MPI（Miles Per Intervention，測試接管里程數）用于衡量自動駕駛汽車每行駛多少里程需要人工接管一次；一般MPI越長，自動駕駛系統的可靠性越高。根據2023年DMV（加州交通管理局）道路測試數據，MPI表現良好的中國企業包括文遠知行、AutoX、百度Apollo及滴滴，分別位列第4/6/7/8名。但需要注意的是，MPI不能充分衡量自動駕駛汽車形式的可靠性，致使脫離的原因也值得關注。北京市自動駕駛車輛道路測試報告2020對全年接管脫離的原因進行了分類，其中其他車輛占用車道占25

62、%，道路施工占22%，其他參與者逆行、橫穿等占36%。非造成重大損傷的脫離原因更易提高消費者接受度。資料來源：汽車之家，北京市自動駕駛車輛道路測試報告2020，電子工程專輯，方正證券研究所圖表：2023年DMV測試接管里程數（萬公里/次）圖表：2020年北京市自動駕駛車輛道路測試接管脫離原因脫離類別具體原因系統故障車輛及硬件問題、定位偏離、系統異常、PAD頁面異常、PAD刷新異常等策略缺陷社會車輛近距離切入、社會車輛過于貼近測試車輛、社會車輛行為預測錯誤、社會車輛未按交規行駛且車速過快、決策規劃策略問題、測試車未按交規行駛等人工安全防御社會車輛違章占用車道、道路施工無法通行等人為接管安全員休息

63、、安全員需要打電話、行駛至道路邊界10.問十：消費者認知研究：容錯率低，對Robotaxi運營方意味著什么？27 消費者對Robotaxi的接受度正在提升。根據羅蘭貝格調研結果，2022年，中國用戶對Robotaxi仍感到陌生，且對于其安全性、可靠性及實際可提供的服務和體驗均持有懷疑態度。進入2023年，盡管Robotaxi仍受到技術不成熟、小范圍試點等限制，但是在頭部運營商積極推廣的過程中，市場接受度明顯提升，蘿卜快跑單量在2022Q1-2024Q1兩年時間內翻了四倍。但從“能用”到“好用”、“愛用”還是需要供給端的改進，包括技術水平提升、運營范圍擴大、運營平臺建設符合用戶習慣等。羅蘭貝格將

64、市場接受度評價標準劃為1-5分五個等級，1分代表“公眾認知度低、整體對于Robotaxi安全性、效率存在較大疑慮”，2分代表“公眾認知度提高，對Robotaxi的主要疑慮減輕，尤其是安全性方面的疑慮”，而2023年中國Robotaxi商業化階段處于1分水平，并向2分穩定前進。我們認為，4分代表的“公眾完全知曉，認可Robotaxi在安全、效率、體驗方面的獨特價值，目標用戶群體接受Robotaxi為常規可選交通方式之一”為Robotaxi規?；涞氐那疤?，也是目前消費者培育的目標。資料來源：百度公告，羅蘭貝格，方正證券研究所圖表：蘿卜快跑分季度單量（萬單）圖表：市場接受度劃分評分釋義1分公眾認知

65、度低，整體對于Robotaxi安全性、效率存在較大疑慮2分公眾認知度提高，對Robotaxi的主要疑慮減輕，尤其是安全性方面的疑慮3分公眾普遍知曉，對Robotaxi在安全、效率、體驗方面的主要疑慮消除并發現其價值，在一定情景或需求下可能使用Robotaxi服務，但不將其視為常規交通方式4分公眾完全知曉，認可Robotaxi在安全、效率、體驗方面的獨特價值，目標用戶群體接受Robotaxi為常規可選交通方式之一5分公眾對Robotaxi的安全、效率、體驗高度認可，認同Robotaxi為主要/優先考慮的交通方式之一10.問十：消費者認知研究：容錯率低，對Robotaxi運營方意味著什么？28 滴

66、滴于2016年組建自動駕駛研發部門，專注L4軟硬件解決方案研發，主要商業模式為與OEM合作開發Robotaxi，旨在強化網約車龍頭地位。深度捆綁廣汽埃安打造“技術+制造+運營”L4商業生態閉環，首款L4量產車型預計于25年發布。滴滴和廣汽自2021年起開始合作，合作不斷深化，并于2024年成立合資公司，預計于2025年推出首款量產L4無人駕駛新能源車（SUV車型）。其中，廣汽埃安提供量產制造能力，滴滴提供自動駕駛軟硬件技術方案以及運營經驗，共同構建全球首個“技術+制造+運營”L4商業生態閉環。資料來源：滴滴官網，方正證券研究所圖表：滴滴智能駕駛發展歷程時間事件2016年組建自動駕駛技術研發部門

67、2019年將自動駕駛部門升級為獨立公司在北京、上海、蘇州、美國加州獲得路測資格，并在上海取得首批“智能網聯汽車示范應用”牌照，可開展載人測試2020年完成首輪超5億美元投資首次面向公眾開放自動駕駛測試，用戶可通過滴滴APP線上報名2021年發布全新自動駕駛硬件平臺滴滴雙子星，實現四層安全冗余；搭載于沃爾沃XC90滴滴自動駕駛與廣汽埃安達成戰略合作 全速推進量產全無人駕駛新能源車2023年在國內率先推出了24小時無間斷自動駕駛服務發布兩款自動駕駛核心硬件激光雷達“北曜Beta”和三域融合計算平臺“Orca虎鯨”將L4自動駕駛解決方案拓展至干線物流貨運領域，推出自動駕駛貨運KargoBot與廣汽埃

68、安戰略合作再升級，預計于2025年推出首款量產L4無人駕駛新能源車；獲廣汽集團投資2024年與廣汽埃安合資公司獲批，合作首款車型已完成產品定義，定位為跨界SUV11.重點公司滴滴：攜“數據+生態+運營”戰略瞄準Robotaxi，強化網約車龍頭地位29 數據規模+質量優勢明顯，助力提升模型訓練效率。滴滴平臺旗下每一輛車都是潛在的數據收集設備，龐大的網約車業務規模產生了海量數據，且數據均基于真實適用場景誕生（對比：百度、小馬等企業需要通過路測收集數據）；大量的高質量數據能夠用于仿真測試，從而突破實地測試數據量的瓶頸，提升研發效率，加快算法迭代。依托滴滴平臺實現混合派單，降低冷啟動資金要求。相比其他

69、Robotaxi服務商，滴滴的優勢在于本身網約車平臺有足夠的運營車輛密度，因此在冷啟動的初期，通過混合派單的模式，即使僅投放少量自動駕駛車輛，也不會影響乘客的打車體驗，從而降低對冷啟動的資金要求。豐富運營經驗，提升商業化效率。公司在網約車的安全運營經驗和線下管理能力可遷移至自動駕駛的測試運營。資料來源：滴滴官網，雷鋒網，方正證券研究所圖表：滴滴訓練自動駕駛模型的數據優勢圖表：滴滴混合派單模式11.重點公司滴滴：攜“數據+生態+運營”戰略瞄準Robotaxi，強化網約車龍頭地位12.重點公司小鵬：本土化版“特斯拉”，堅定端到端30 小鵬成立于2014年，首款量產車型于2018年正式上市，為中國首

70、款量產的自動駕駛電動汽車。在持續研發投入下，小鵬汽車成為全國首個提出視覺融合泊車、融合高精地圖SR的高速領航輔助、城市導航等智能駕駛功能的車企。首發端到端自動駕駛大模型，強調“AI智駕全球開創者及普及者”定位。2024年5月，小鵬在520 AI DAY發布國內首個量產上車的端到端大模型，實現語言交互、提供外界環境實時信息、窄小車位泊車等功能。公司預計2024年將投入35億元用于智能研發，并新招募4000名專業人才，今后每年將投入超過7億元用于算力訓練；并預計于2025年，在中國實現類L4級智駕體驗。資料來源：小鵬官網，騰訊網，方正證券研究所圖表：小鵬智能駕駛發展歷程時間事件2018年自適應巡航

71、系統與自動泊車系統量產2019年遙控泊車量產2020年高速自動駕駛、360度感知能力、基于AI的智能座艙量產2021年高速自動駕駛能力全閉環；基于停車場的自動泊車量產2023年發布新一代智能駕駛系統XNGP，具備全場景智能輔助駕駛能力；為全國首款能夠實現城市路況下全城智能輔助駕駛的系統與滴滴達成戰略合作，擬收購滴滴出行旗下擬量產的智能電動汽車MONA轎車車型2024年發布全國首個量產上車的端到端大模型：神經網絡XNet+規控大模型XPlanner+大語言模型Xbrain發布AI天璣系統，具有AI小P、AI司機、AI保鏢三大核心功能12.重點公司小鵬：本土化版“特斯拉”，堅定端到端31 感知技術

72、領先，推出全國首個量產BEV感知。感知能力是實現無圖區域導航輔助駕駛的第一步；公司推出Xnet深度視覺神經網絡，能夠將多個攝像頭采集的數據進行多幀時序前融合，輸出動態目標物的4D信息以及靜態目標物的3D信息，相比雷達方案大幅提高面向城市復雜場景時的感知、預判以及決策能力。漸進路線穩扎穩打，強大體系能力構筑護城河。公司堅持由L2、L3“人機共駕”到L4“無人駕駛”的技術迭代路線，在此過程中打造了全自動標注系統，將標注體系提升至人工標注的45000倍；同時在烏蘭察布建成中國最大的自動駕駛智算中心，使IA模型訓練效率提升602倍。體系能力有助于公司提高模型效率，強化領先優勢。資料來源：小鵬官網，方正

73、證券研究所圖表：小鵬Xnet深度感知神經網絡13.重點公司百度：生態賦能、研發積淀，為什么說百度是Robotaxi產業的頭部玩家？32 百度于2013年開始自動駕駛研發，于2017年將無人駕駛業務命名為Apollo計劃，并將平臺開源。Apollo是百度的自動駕駛技術平臺，涵蓋自動駕駛車輛的研發、測試和部署，提供一整套開源的解決方案，支持包括感知、決策、規劃、執行在內多個功能模塊。百度Apollo的商業化發展路徑主要分為三條：1）為OEM提供智能駕駛解決方案，包括Apollo City Driving Max（城市智駕）、Apollo Highway Driving Pro（高速領航、城市輔助駕

74、駛）等；2）造車：百度與吉利合資創立集度汽車（百度占股55%），計劃將Apollo智能駕駛技術與電動造車浩瀚SEA智能進化體驗框架相結合，開發L4級自動駕駛框架并投放新車；3）蘿卜快跑（Robotaxi）：公司基于Apollo平臺，通過車、路、云、圖四個領域核心技術占據先發優勢。截至2023年7月，蘿卜快跑已在11個城市開放載人測試運營服務，預計到2025年將擴展到65個城市。資料來源：騰訊網，方正證券研究所圖表：Apollo平臺發展歷程時間Apollo版本功能2017年1.0特定簡單道路自動駕駛；關注車輛控制和基本感知2.0簡單城市道路自動駕駛；車輛控制、路徑規劃算法得到優化2018年3.0

75、封閉場所低速環境自動駕駛，適用于物流、工業園區3.5能夠應對更復雜的市區環境2019年4.0拓展多場景應用，實現自動變道、自動泊車2020年5.0引入全面感知深度學習模型，更好地識別行人、車輛和障礙物；加強對交通規則和路況的理解2021年6.0引入云端服務平臺，幫助車輛實時獲取高精地圖、交通信息和路況預測等數據2022年7.0實現與汽車機器人的連接；引入深度學習模型好和Apollo Studio在線開發平臺2023年8.0提供可擴展的軟件框架和升級仿真服務9.0優化軟件框架接口，升級檢測模型和引入增量訓練方法33 生態賦能，高精地圖+文心一言大模型+昆侖AI芯片合力驅動自動駕駛技術發展。1）地

76、圖：在目前智能駕駛的發展階段，輕成本+重體驗的地圖仍是剛需技術。百度是唯一一家同時深耕高精地圖與自動駕駛的企業，并基于行業經驗研發Apollo自動駕駛地圖，融合車端感知數據與多源地圖，提高自動駕駛安全性。2）文心一言：公司通過文心大模型自動駕駛感知技術，提升車載小模型的感知能力；同時在數據方面，利用文心圖像弱監督預訓練模型來挖掘長尾數據，提升模型訓練效果。3）昆侖：公司自研AI芯片第二代昆侖芯在百度Robotaxi上已完成完整適配，并且在高階自動駕駛系統中正常運行。研發積淀深，L4與L2共生成長。公司在多年發展后已形成全棧自研能力，具體采取的技術路徑是：前期在限定區域實現技術積累，通過技術降維

77、和L4數據，為L2+產品做熱啟動；更長期看，利用L2的規模優勢，提前收集L4泛化所需要儲備的長尾問題。在該路徑支撐下，Apollo在百度ANP、AVP、Robotaxi、Robobus等眾多產品落地。其中蘿卜快跑發展拐點已近：百度在今年5月上新搭載第六代智能化系統解決方案的第六代無人車，售價僅20.46萬元（相較第5代下滑60%），遠低于其他無人車產品。公司預計2024年蘿卜快跑將在武漢迎來盈虧平衡點。資料來源：Apollo官網，汽車頭條，方正證券研究所圖表：自動駕駛研發解決方案市場規模及增速圖表：自動駕駛研發解決方案市場份額13.重點公司百度：生態賦能、研發積淀，為什么說百度是Robotax

78、i產業的頭部玩家？附錄：頭部企業自動駕駛模型研發基礎對比34代表性廠商算力通用大模型基礎AI人才布局蔚來云端算力規模于23M9達1.4 EFLOPS小鵬與阿里云合建自動駕駛智算中心“扶搖”，算力規模于22M8達0.6 EFLOPS預計24年新招募4000名AI專業人才華為智能駕駛訓練算力于23M6達3.5 EFLOPS盤古大模型1）于19年預計未來三年輸出一萬名AI相關人才2）于24年啟動全球“天才少年”招聘，吸納AI領域人才元戎啟行阿里云提供云端算力創始人為AI與機器人專業背景出身，曾就職百度，后聯合創立自動駕駛公司Roadstar.ai百度自建陽泉（截止22M12為4 EFLOPS）、濟南

79、（規劃算力0.5 EFLOPS，截止24M4已有0.025 EFLOPS投入使用）、福州、鹽城（截止22M9為0.2EFLOPS）、天津以及沈陽（規劃算力0.5 EFLOPS）智能計算中心文心大模型1）智能駕駛事業部負責人為技術背景出身，擁有20多項自動駕駛方向專利2）預計20-25年培養AI人才超過500萬商湯自建臨港智算中心，總算力于23年底達到12 EFLOPSSenseCore大裝置1）創始人、執行董事等管理層均為計算機視覺相關背景2）于2008年成立博士后工作站，參與CV及DL領域重大科研項目，強化產學研對接理想云端算力規模于23M6達1.2 EFLOPS1）于22年引入前華為消費者

80、BG軟件部副總裁、終端OS部部長謝炎，出任系統研發部負責人，管理整個理想汽車的系統與計算團隊2）23Q3自動駕駛部門員工900人，預計24/25年分別超過2000/2500人 特斯拉DOJO智算中心算力規模截止23M8為10 EFLOPS，預計24M10達到100 EFLOPS1）于15年起大規模招聘軟件人才，包括芯片專家Im Keller、來自AMD的芯片架構師、來自蘋果開發者部門的高級總監、來自OpenAI的深度神經網絡研究科學家等2）于23年在硅谷成立新辦公室，招募AI人才資料來源：汽車之心，小鵬官網，36kr，阿里云社區，百度智能云官網，大眾網，DTDATA，InfoQ，IT之家，商湯

81、官網，極客公園，汽車之家，Ofweek，智東西，Sensecore官網，51CTO，證券時報網，搜狐新聞，百度AI社區，方正證券研究所 自動駕駛技術迭代不及預期；Robotaxi成本下滑不及預期；政策落地不及預期風險；Robotaxi運營車輛事故風險。風險提示35分析師聲明與免責聲明36評級說明37方正證券研究所上 海 市 靜 安 區 延 平 路 7 1 號 延 平 大 廈 2 樓深圳市福田區竹子林紫竹七道光大銀行大廈31層廣州市天河區興盛路12號樓雋峰院2期3層方正證券北 京 市 西 城 區展 覽路 4 8號 新聯 寫字樓 6層長沙市天心區湘江中路二段36號華遠國際中心37層專注專心專業38