汽車及汽車零部件行業AI+車系列報告（一）：AI+汽車產業鏈將如何被重塑？-230413（17頁）.pdf

1、 敬請參閱最后一頁特別聲明 1 OmniverseOmniverse 重塑生產力。重塑生產力。Omniverse 平臺采用數字孿生技術，利用 RTX 卓越的圖形處理性能，將汽車生產、制造、測試帶入基于真實物理的高仿真虛擬世界，并通過 AI 算法修正改進。促進汽車工業數字化的同時，帶動制造商降本增效，實現汽車制造的變革。寶馬披露 Omniverse 可提升其生產規劃效率 30%；至 25 年單車制造成本較 19 年下降 25%。汽車軟件汽車軟件行業商業模式巨變行業商業模式巨變，從軟件外包商到賣鏟子，知識庫是核心競爭要素從軟件外包商到賣鏟子，知識庫是核心競爭要素。汽車軟件行業是工程師密集型行業，8

2、0%營業成本來自員工薪酬。據我們統計，基礎性和通用性的編程人員占比大概是 60%，預計總體數量會持續縮減至只剩高級架構編程師。由于龍頭公司積累的知識庫更加豐富，且下游對賣鏟子的黏性將增強，未來行業頭部化將會非常顯著。建議關注光庭信息、中科創達等。LLMLLM（大模型）（大模型）加速座艙多模態交互和多域融合的趨勢。加速座艙多模態交互和多域融合的趨勢。架構生成式 AI 將提升座艙互動性，多模態交互是發展方向。未來將出現兩種商業模式，一是底層 LLM+垂直算法打包，高壁壘和高集中度使三方企業容易被行業淘汰；二是 LLM公司利用 LLM API 接口形成的垂直知識庫。多模態和大模型的趨勢下，主機廠的座

3、艙控制能力弱化，第三方座艙生態鏈逐步清晰化。同時，LLM 模型也會使得座艙和駕駛域的軟硬件融合，其中硬件融合需要芯片算力更高，但可以大幅度減少硬件綜合成本；軟件融合并不依賴于硬件融合，可通過以太網或者 CAN 總線進行信息交互，但成本和效率低。云端場景庫云端場景庫+車端類車端類 shadowshadow 模式模式料將出現，智能駕駛生態變更。料將出現，智能駕駛生態變更。生成式 AI 對于智能駕駛的影響主要有兩類：一是用來完善訓練場景庫，二是在車端實現類似于特斯拉的 shadow 模式。未來感知、推理和決策可能都由自動駕駛大模型供應商提供，智能駕駛大模型供應商的可能性：云端算力+模型+端數量的優勢

4、+且有地圖測繪資質，且這個主體還必須開放其算法 API，類似于 OPENAI 或者文心一言。1、Omniverse 將大幅度提高研發和生產效率，汽車產品迭代速度將大幅加速，同時產業鏈生產層面的軟件、研發和測試外包機會將會減少。2、汽車軟件迎變局：行業商業模式巨變，從軟件外包商到賣鏟子，知識庫將是核心競爭要素。關注轉型較快的光庭信息、中科創達等。3、LLM 加速了座艙多模態交互和多域融合的趨勢。從產業鏈角度看，大算力+大模型企業潛在空間正在擴大，應用層企業將迎來洗牌和集中度提升，份額將被大模型企業或者知識庫優勢明顯的企業占據。4、Transformer 加速了端到端的自動加速大模型迭代。未來大模

5、型提供方有可能會占據感知、推理和決策端，第三方執行層的企業生存空間大于感知和決策。5、關注全球自動駕駛龍頭公司特斯拉以及產業鏈、積極擁抱變化往知識庫轉型的軟件企業、語音交互企業等。汽車 OpenAI 結合不及預期風險；芯片供應不及預期風險；下游銷量不及預期風險。行業專題研究報告 敬請參閱最后一頁特別聲明 2 內容目錄內容目錄 1、Omniverse 重鑄生產力，汽車制造新變革.4 1.1 AI 與 GPU 技術結合，構筑大型虛擬世界.4 1.2 從設計到零售，加速汽車行業實現突破.5 1.3 海外知名廠商投入，數字工廠帶動產業鏈變革.6 2、汽車軟件：從外包商到賣鏟子，頭部效應強化.8 2.1

6、 汽車軟件外包商：工程師密集型行業，80%營業成本來自員工薪酬.8 2.2 從外包商到賣鏟子，知識庫將成為核心競爭要素.9 2.3 數據、項目和專利數量的差異較大，行業集中度可能會進一步提高.10 3、座艙：多模態交互，多域融合.11 3.1 多模態交互：大模型+垂直知識庫，行業生態迎變局.11 3.2 多域融合：智駕和 Cockpit 融合趨勢明確.12 4、智駕：感知決策執行層生態變更，擁有核心技術公司具有較高壁壘.13 4.1 生成式 AI 對智駕的影響：云端場景庫+車端類 shadow 模式.13 4.2 大模型時代下，自動駕駛算法格局或發生更迭.14 5、投資建議.14 6、風險提示

7、.15 圖表目錄圖表目錄 圖表 1：Omniverse 可廣泛應用于多個行業.4 圖表 2：英偉達 RTX 技術的不斷升級.4 圖表 3：Omniverse 推動虛擬工廠建設.5 圖表 4：DRIVE Sim 測試自動駕駛.6 圖表 5：英偉達汽車業務業績變動（億美元）.6 圖表 6：英偉達汽車業務合作伙伴.6 圖表 7：Omniverse 模擬下的寶馬數字工廠.7 圖表 8：Omniverse 模擬下的寶馬數字工廠.7 圖表 9：Omniverse 模擬下的奔馳數字工廠.7 圖表 10：Omniverse 模擬下的奔馳數字工廠.7 圖表 11：Omniverse 及虛擬工廠將為汽車行業帶來變

8、革.8 圖表 12：2021 年汽車軟件外包商工程師密集型公司的 80%營業成本來自員工薪酬.8 圖表 13：汽車軟件公司典型工程師結構看，60%均為基礎通用型.9 PWkYkZRUhVkZnOnOtR9PcM8OpNqQmOmPeRmMtPkPnMsO9PpPwPxNpMzQwMpNsR行業專題研究報告 敬請參閱最后一頁特別聲明 3 圖表 14：光庭信息推出汽車軟件系統的全域全棧解決方案包含自動建模功能.9 圖表 15：未來汽車智能開發流程會更趨近于類似 ChatGPT 的大模型方案.10 圖表 16：各公司軟件專利儲備差異較大.10 圖表 17：AI 助力座艙機器人化，帶來提升升級和效率提

9、升.12 圖表 18：主流座艙芯片及算力.12 圖表 19：近年來 Transformer 等大模型成自動駕駛深度學習主流路線.13 圖表 20：毫末智行 DriveGPT 使自動駕駛感知和決策能力進一步增強.14 圖表 21：智能駕駛分為感知、決策和執行三層.14 行業專題研究報告 敬請參閱最后一頁特別聲明 4 1.1 AI1.1 AI 與與 GPUGPU 技術結合，構筑大型虛擬世界技術結合，構筑大型虛擬世界 Omniverse 是基于通用場景描述（USD）框架構建的可擴展平臺，它利用數字情景模擬物理場景變化，構建大型虛擬世界，為企業構建其工業流程的數字孿生仿真，實現實時設計協作。目前已廣泛

10、應用于建筑工程、制造業、影音娛樂、倉儲零售等行業。圖表圖表1 1：OmniverseOmniverse 可廣泛應用于多個行業可廣泛應用于多個行業 來源：英偉達官網，國金證券研究所 Omniverse 基于 RTX 平臺的強勁算力和圖形處理能力，實現光線追蹤和模擬功能，利用其高度逼真的物理引擎和渲染能力，對環境、真實物體及其行為進行建模，實現實時響應。并利用生成式 AI 優化可視化計算，通過智能圖像處理加速工作流程。圖表圖表2 2：英偉達英偉達 RTXRTX 技術的不斷升級技術的不斷升級 參數參數型號型號 RTX3090Ti RTX4090 參數參數型號型號 RTX3090Ti RTX4090

11、CUDA 數量 10752 16384 ROPS 112(2nd)176(3rd)GPC 數量 7 11 顯存容量 24GB 24GB SM 數量 84 128 顯存帶寬 1008GB/s 1008GB/s 游戲中加速頻率 2.05GHz 2.8GHz L1 緩存 10.5MB 16MB Tensor Core數量 336(3rd)512(4th)L2 緩存 6MB 72MB RT Core 數量 84 128 TGP 450W 450W 來源：英偉達官網，國金證券研究所 Omniverse 平臺可以實現用戶和應用程序間的實時協作、提供實時性的光線追蹤效果、實現模型可擴展性，并將光線追蹤、AI

12、 和計算等復雜技術集成到 3D 流水線中，企業團隊可以聚合、可視化、模擬并協作處理來自數百個 3D 應用的全設計保真度數據集。使個人和團隊更快地構建自定義 3D 工作流程并模擬大型虛擬世界。行業專題研究報告 敬請參閱最后一頁特別聲明 5 1.1.2 2 從設計到零售，從設計到零售，加速汽車行業實現突破加速汽車行業實現突破 1 1.2.1.2.1 汽車生產“數字先行”，改進汽車制造汽車生產“數字先行”，改進汽車制造工作流程工作流程 在制造業領域，Omniverse 使制造商得以用數字的方式設計、運營、構建工廠，推動產品生命周期的數字化進程涵蓋概念產出、風格設定、外觀設計與工程制造、軟件開發與電子

13、元器件、智能工廠、自動駕駛開發以及零售，全面加速汽車行業實現突破。汽車生產龐大且繁雜。Omniverse 基于物理學且時間精確的數字孿生技術，模擬生產工廠和倉庫，為制造商設計、開發并提供復雜的 AI 虛擬環境。生產商可以使用 Omniverse 模擬生產、入庫流水線。在工廠投產前進行測試、調整，即“數字先行”，保障大型項目開展前的安全、穩定。圖表圖表3 3：OmniverseOmniverse 推動虛擬工廠建設推動虛擬工廠建設 來源：英偉達官網，國金證券研究所 工廠規劃人員可在數字工廠中進行審查和改進，其修改隨后將在虛擬世界中得到快速評估和驗證，而后在現實世界中進行部署，以實現工廠工人效率的最

14、大化。此外，Omniverse 可以突破地理位置的限制，實現全球各地工廠實時同步，簡化全球生產網絡的運營。1 1.2.2.2.2 汽車架構全面數字化，縮短整車研發周期汽車架構全面數字化，縮短整車研發周期 Omniverse 可將汽車內外部全面可視化，對汽車結構建立逼真且物理級精確的實時渲染，使汽車產品進入虛擬世界，工程團隊和設計師可在其中對產品進行測試、調整，節約時間和成本：1）汽車制造商可通過汽車架構的全面數字化，進行軟硬件的仿真與測試。一方面，可提前發現并改正產品缺陷，完善產品設計。如在虛擬環境下，更換不同材料和組件，進行安全性和防撞測試，Omniverse 會減少測試使用硬件數量。另一方

15、面，可對 OTA 推送仿真測試，如遠程診斷、自動駕駛功能、服務內容等，更好地通過 OTA 改善車輛性能。2）設計師可利用 Omniverse，對車輛座艙、內飾、外觀進行線上設計。Omniverse 能實現多地區、多用戶在同一平臺協作，實現設計高效改進與修正。1 1.2.3.2.3 自動駕駛試驗場，賦能廠商高效驗證自動駕駛試驗場，賦能廠商高效驗證 基于 Omniverse，英偉達開發了自動駕駛平臺 NVIDIA DRIVE Sim。DRIVE Sim 通過構建物理精準的仿真平臺，提供了整條可用于開發和驗證自動駕駛和自主駕駛系統的工具鏈。為自動駕駛開發生成合成數據、實現虛擬重建和神經重建，解決現實

16、世界測試中存在的數據采集和場景多樣性問題，提升廠商驗證效率：1）生成合成數據：DRIVE Sim 可以用 Omniverse 的 RTX 路徑跟蹤渲染器為攝像機、雷達、激光雷達和超聲傳感器生成基于物理性質的傳感器數據，并將數據用于訓練自動駕駛汽車感知系統的神經網絡。2）虛擬重建：配合 NVIDIA DRIVE Map 和 Omniverse，DRIVE Sim 能以 3D 形式重建整體駕駛環境和各個場景，并轉換為自動駕駛的仿真環境。其中的神經重建引擎（NRE）可以將真實世界的駕駛記錄帶入仿真中，生成可交互的仿真場景。開發者可通過 DRIVE Sim 模擬車輛運行，進行安全測試，對風險較大的罕見

17、或危險情況進行仿真。行業專題研究報告 敬請參閱最后一頁特別聲明 6 圖表圖表4 4：DRIVE SimDRIVE Sim 測試自動駕駛測試自動駕駛 來源：英偉達官網，國金證券研究所 3）神經重建：DRIVE Sim 利用 Omniverse 的生成式 AI，基于真實的傳感器數據和錄制數據進行修改，重建 3D 模型，實現自動駕駛測試與測試環境的閉環交互。1.1.3 3 海外知名廠商投入，數字工廠帶動產業鏈變革海外知名廠商投入，數字工廠帶動產業鏈變革 憑借 Omniverse 平臺和公司在智能汽車軟/硬件的研發，英偉達汽車業務收入高增，23 財年汽車收入 9.03 億美元，同比+60%，23Q4

18、2.94 億美元，同/環比+135%/17%，汽車業務蓄勢待發。目前，已有寶馬、奔馳、沃爾沃等廠商已與英偉達達成合作，利用 Omniverse 數字孿生技術構建數字工廠，帶動汽車工業數字化和產業鏈變革。圖表圖表5 5：英偉達汽車業務業績變動（億美元）英偉達汽車業務業績變動（億美元）圖表圖表6 6：英偉達汽車業務合作伙伴英偉達汽車業務合作伙伴 來源：英偉達財報，國金證券研究所 來源：英偉達官網，國金證券研究所 1）寶馬：Omniverse 實現數字化愿景。寶馬集團與英偉達在 GTC23 上宣布將擴展 Omniverse 數字方案應用至全球工廠。寶馬自 21 年起應用 Omniverse，已在大部

19、分工廠實現 Omniverse 覆蓋。公司 25 年建成的德布勒森電車工廠亦已于Omniverse 上虛擬投產。Omniverse 為集團數字化轉型帶來了機遇。集團 iFACTORY 正在實施，已在中國建成 iFACTORY 里達工廠。25 年“新世代”車型（NEUE KLASSE）將于德布勒森工廠投產，集團希望以此為契機實現數字化全覆蓋。1.451.541.521.351.251.382.22.512.940.00.51.01.52.02.53.03.521Q4 22Q1 22Q2 22Q3 22Q4 23Q1 23Q2 23Q3 23Q4行業專題研究報告 敬請參閱最后一頁特別聲明 7 圖表

20、圖表7 7：OmniverseOmniverse 模擬下的寶馬數字工廠模擬下的寶馬數字工廠 圖表圖表8 8：OmniverseOmniverse 模擬下的寶馬數字工廠模擬下的寶馬數字工廠 來源：英偉達財報，國金證券研究所 來源：英偉達官網，國金證券研究所 2）奔馳：23 年 1 月，奔馳在 CES 2023 上宣布將在德國的拉斯塔特工廠應用 Omniverse，對制造和組裝設施進行設計和規劃。奔馳將 Omniverse 與其內部 MO360 數據平臺連接起來，同步世界任何地方的工廠位置。此功能簡化了公司全球生產網絡的運營，并支持對制造設備的無線軟件更新。圖表圖表9 9：OmniverseOmn

21、iverse 模擬下的奔馳數字工廠模擬下的奔馳數字工廠 圖表圖表1010：OmniverseOmniverse 模擬下的奔馳數字工廠模擬下的奔馳數字工廠 來源：英偉達財報，國金證券研究所 來源：英偉達官網，國金證券研究所 Omniverse 將為汽車產業鏈帶來變革，主要在于：1）制造商可以利用 Omniverse 仿真模擬汽車安全性和碰撞測試，現實測試將完全由虛擬世界替代，節約物理成本的同時提高測試效率。2）Omniverse 可自動檢測生產線、設計中存在的漏洞，在相關環節替代人力，節約企業開支成本。3）Omniverse 催生新工業機會：以寶馬集團為例，為實現生產數據錄入，寶馬研發了掃描機器

22、人；同時，寶馬還組建了 Omniverse 團隊，在平臺上開發自定義應用，如 Factory Explorer 等。Omniverse作為生產力工具，亦將極大地提升集團生產效率。寶馬集團披露Omniverse將提升寶馬生產規劃效率的30%；至 25 年單車生產成本較 19 年下降 25%。平臺在企業降本增效中作用顯著。隨汽車工業數字化和 AI 算力增強我們看好Omniverse 進一步普及，為汽車生產帶來變革。行業專題研究報告 敬請參閱最后一頁特別聲明 8 圖表圖表1111：OmniverseOmniverse 及虛擬及虛擬工廠將為汽車行業帶來變革工廠將為汽車行業帶來變革 來源：英偉達官網，國

23、金證券研究所 行業商業模式巨變：從軟件外包商到賣鏟子，知識庫是核心競爭要素。2.1 2.1 汽車軟件外包商：工程師密集型行業，汽車軟件外包商：工程師密集型行業，80%80%營業成本營業成本來自來自員工薪酬員工薪酬 汽車軟件行業是工程師密集型行業，80%營業成本來自員工薪酬。以光庭信息和誠邁科技為例，其職工薪酬占營業成本比重分別為 81%、80%。而中科創達職工薪酬占比也近半，但是因為有硬件業務，所以職工薪酬占比比純軟件外包商更低一些。圖表圖表1212：2 2021021 年年汽車軟件外包商工程師密集型汽車軟件外包商工程師密集型公司的公司的 80%80%營業成本營業成本來自來自員工薪酬員工薪酬

24、來源：各公司公告，國金證券研究所 60%人員的工作可以用接入大模型 API 解決。從軟件開發的結構出發，基礎性、通用性的編程人員可能逐步被替代，通過接入大模型就能實現。更復雜的算法編程師和架構編程師短期難以替代。據我們統計，基礎性和通用性的編程人員占比大概是 60%，預計總體數量會持續縮減至只剩高級架構編程師。1.928.8311.7280.65%79.85%46.88%0%10%20%30%40%50%60%70%80%90%02468101214光庭信息誠邁科技中科創達職工薪酬金額（億元）占營業成本比重行業專題研究報告 敬請參閱最后一頁特別聲明 9 圖表圖表1313：汽車軟件公司典型工程師

25、結構看，汽車軟件公司典型工程師結構看，6 60 0%均為基礎通用型均為基礎通用型 程序員類型程序員類型 角色角色 占比占比 最低月薪（元）最低月薪（元）最高月薪（元）最高月薪（元）最低時薪最低時薪（元）（元）最高時薪最高時薪（元）（元）基礎通用型 車聯網開發工程師 5%-10%10000 30000 56.82 170.45 前端開發工程師 5%-10%10000 30000 56.82 170.45 后端工程師 5%-10%20000 50000 113.64 284.09 軟件測試工程師 5%-10%10000 30000 56.82 170.45 數據工程師 5%-10%20000 50

26、000 113.64 284.09 嵌入式系統工程師 5%-10%20000 60000 113.64 340.91 電池管理系統軟件工程師 5%-10%10000 30000 56.82 170.45 電控工程師 5%-10%20000 60000 113.64 340.91 平均值 85.23 241.48 高級架構型 感知算法工程師 15%-20%15000 50000 85.23 284.09 算法平臺工程師 5%-10%20000 60000 113.64 340.91 自動駕駛決策算法工程師 15%-20%20000 80000 113.64 454.55 系統架構師 5%-10%

27、30000 100000 170.45 568.18 系統安全研究員 5%-10%20000 80000 113.64 454.55 機器學習工程師 10%-15%20000 80000 113.64 454.55 平均值 118.37 426.14 總體平均值 105.11 352.27 來源：智聯招聘，Boss 直聘，國金證券研究所（注：假設每月工作 22 天，每天工作 8 小時；總體平均值假設基礎通用型占比 60%）2.22.2 從外包商到賣鏟子，知識庫將成為核心競爭要素從外包商到賣鏟子，知識庫將成為核心競爭要素 由于汽車軟件 60%以上工作可能被大模型替代，行業屬性將巨變，依靠大規模的

28、軟件工程師不再具備競爭價值。我們判斷，行業將從外包商階段進入到賣鏟子階段，即依靠知識庫，在大模型上嫁接垂直應用模型，為主機廠提供軟件開發服務。圖表圖表1414：光庭信息推出汽車軟件系統的全域全棧解決方案包含自動建模功能光庭信息推出汽車軟件系統的全域全棧解決方案包含自動建模功能 來源：光庭信息官方微信公眾號，國金證券研究所 行業專題研究報告 敬請參閱最后一頁特別聲明 10 圖表圖表1515：未來汽車智能開發流程會更趨近于類似未來汽車智能開發流程會更趨近于類似 ChatGPTChatGPT 的大模型方案的大模型方案 來源：國金證券研究所 2.3 2.3 數據、項目和專利數量的差異較大，行業集中度可

29、能會進一步提高數據、項目和專利數量的差異較大，行業集中度可能會進一步提高 由于龍頭公司積累的知識庫更加豐富，且下游對賣鏟子的黏性將增強，未來行業頭部化將會非常顯著。關注光庭信息、中科創達等。數據項目和專利數量差異將導致汽車軟件行業集中度提高，尾部公司在汽車軟件領域面臨被出清的風險。尾部公司在研發投入上相對較弱，難以跟上行業發展速度并獲取足夠的專利。同時，合作伙伴傾向于選擇技術優勢更明顯的企業合作，導致尾部公司在尋求合作伙伴時面臨更大的困難。在行業標準制定過程中，頭部企業的話語權更大，使得行業標準更容易朝著有利于頭部企業的方向發展，進一步擠壓尾部公司的生存空間。圖表圖表1616：各公司軟件專利儲

30、備差異較大各公司軟件專利儲備差異較大 公司公司 項目類型項目類型 1H221H22 在手項目在手項目 合計專利數量合計專利數量 專利分布專利分布 東軟集團 平臺型 新簽比亞迪、一汽、長城等眾多車廠的多個平臺型訂單，覆蓋多款量產車型。公司申請專利 2,247 件，授權專利 1,175 件；登記軟件著作權 3,125 件，申請國內外商標 749 件，獲得注冊 493 件。2022 年所獲授權發明專利，主要分布在大數據分析、基礎平臺、區塊鏈技術、人工智能應用、智能汽車互聯等領域。誠邁科技 智能駕駛艙系統、域控制器及 SOA 軟件、智能駕駛軟件等行業核心技術領域，聚焦智能網聯汽車操作系統技術方向 客戶

31、已包括吉利、福特、理想、長城、寶馬、比亞迪、上汽、威馬、小鵬、均勝電子、延鋒偉世通、德賽西威、博世等 60 余家主機廠及一級供應商等，同時與寶馬集團合資成立的寶馬誠邁信息技術有限公司運行良好，助力寶馬為客戶提供無縫順暢的車內數字體驗。公司擁有專利 40 項，計算機軟件著作權 193 項。-行業專題研究報告 敬請參閱最后一頁特別聲明 11 公司公司 項目類型項目類型 1H221H22 在手項目在手項目 合計專利數量合計專利數量 專利分布專利分布 中科創達 為全球客戶提供從操作系統開發、核心技術授權到應用定制、自動化測試等一站式、全產品生命周期的解決方案 高精度地圖和定位、環境感知、規劃決策、車輛

32、行動控制等 擁有1400多項專利及軟件著作權。-光庭信息 主要通過定制軟件開發、軟件技術服務、其他技術支持與服務等方式向客戶提供產品或服務。公司與日本電產、偉世通、電裝等國際知名的汽車零部件供應商以及日產汽車、長安汽車等國內外知名的汽車整車制造商建立了緊密的合作關系，該類客戶主要與公司簽署框架協議明確合作關系，并按時或按項目向公司提出訂單需求。公司及其控股子公司擁有計算機軟件著作權196項，已授權專利共計 98 項 覆蓋智能座艙、智能電控、智能駕駛、智能網聯汽車測試及移動地圖數據服務等技術領域的核心軟件平臺、關鍵算法及軟件組件、代碼自動生成工具軟件和自動測試軟件。經緯恒潤 為汽車行業客戶提供貫

33、穿整車電子電氣系統開 發周期的多種解決方案和多項服務業務，包括前期車型定義、電子電氣架構設計、網絡開發、仿真測試、軟件開發等業務，全面賦能客戶的研發過程和研發體系-累計獲得知識產權1946個 發明專利 751 個，實用新型專利815 個，外觀設計專利 64 個，軟件著作權 182 個，其他商標 134 個。來源：各公司公告，國金證券研究所 3.1 3.1 多模態交互：大模型多模態交互：大模型+垂直知識庫，行業生態迎變局垂直知識庫，行業生態迎變局 架構生成式 AI 將大幅度提升座艙的互動性，多模態交互將是未來座艙發展的明確方向。傳統的屏、語音、DMS、地圖等將可能會打破行業功能分包的分工模式，應

34、用算法賽道集中度將提升。未來行業的模式將會迎來兩種商業模式的競爭。（1）底層 LLM（大語言模型）+垂直算法打包。大模型企業依靠底層 LLM 模型+語音等算法打包，行業重度垂直。由于大模型企業集中度高，壁壘也高于語音、DMS 等功能算法，第三方的語音、DMS 等企業將會被行業淘汰。（2）LLM公司和利用LLM API接口形成的垂直應用知識庫和語料庫模式。大模型提供底層算法，實現語義理解和推理，上層架構基于語音等知識庫為核心的垂直應用算法。多模態和大模型趨勢下，主機廠在座艙算法上的潛在控制能力在弱化，第三方座艙生態鏈成長路徑開始逐步清晰化。行業專題研究報告 敬請參閱最后一頁特別聲明 12 圖表圖

35、表1717：A AI I 助力座艙機器人化，帶來提升升級和效率提升助力座艙機器人化，帶來提升升級和效率提升 來源：國金證券研究所 座艙多模態化后，可以根據人的綜合反應（當時+歷史），下達指令直接控制所有的車機系統來滿足駕駛員和乘客需求，想象空間極大。比如消費者跟車說“脖子有點酸”，則車會調取前幾天的錄像發現坐姿前傾，從而同時做出如下反饋：1）給車主分析酸的原因，并建議調整坐姿；2）調動按摩座椅，針對脖子處采用脖子前傾專用的手法；3）往前調座椅，讓駕駛員自然回歸正確的坐姿等。3.2 3.2 多域融合：智駕和多域融合：智駕和 CockpitCockpit 融合趨勢明確融合趨勢明確 由于安全級別、實

36、時性要求的差異以及車載算力的制約，目前的技術架構駕駛、Cockpit（駕駛艙）是分域的。隨著上層應用要求的提升和 SOA 架構的實現需求，尤其是 LLM 大幅提高人車交互體驗后，智駕和 Cockpit 融合必要性在增強。從融合的層次看，域融合包括硬件層面的融合和軟件層面的融合。（1）硬件融合：硬件融合：芯片算力要求更高，因為減少了域之間的通信，硬件成本大幅度減少。特斯拉目前是座艙和智能駕駛域控制都在中央計算一塊主板上。NVIDIA 新一代智能駕駛生態平臺 DRIVE Thor，可實現將 AV 和 Cockpit 整合在一臺計算機上。（2）軟件融合：軟件融合：軟件融合并不依賴于硬件融合，即使硬件

37、沒融合，也可以通過以太網或者 CAN 總線進行信息交互，但是成本和效率低。由于智駕和 Cockpit 安全級別要求不一樣，智能駕駛要求 ASIL D，實時性要求不一樣。因此在操作系統層面需要通過 hypervison 分開運行。圖表圖表1818：主流座艙芯片及算力主流座艙芯片及算力 芯片廠商 芯片名稱 發布時間 制程(nm)GPU 算力(DMIPS)GPU 算力(GFLOPS)搭載車型 瑞薩 R-car H3 2015 16 40K 288 大眾、長城 R-car M3 2015 228 28K 76 英偉達 Tegra Parker 2013 16 奔馳 2020S 級、現代全部車型 高通

38、602A 2014 28 820A 2016 14 45.2K 588 理想 ONE、奧迪 A4L、領克 05、小鵬 P7、小鵬 G3 8155 2020 7 105K 1142 WEY 摩卡、威馬 W6、蔚來 ET7、理想 L9 8295 集度首款汽車機器人 英特爾 A3950 2015 14 48.4K 216 特斯拉 Model3、長城 WEYVV6、紅旗 HS5、寶馬、沃爾沃、奇瑞星途、哈弗 F7 A3960 特斯拉 Model3 NXP Auto V8 2017 14 79.2K 803 行業專題研究報告 敬請參閱最后一頁特別聲明 13 i.mx 8QM 2017 28 28.6K

39、128 福斯特銳界、榮威 RX8、名爵 HS Auto V9 2018 8 111K 1205 大眾 ID.4、奧迪 MIB3 聯發科 MT2712 28 22K 133 大眾、現代、奧迪 瑞芯微 RK3588 2021 8 100K 450 一 晶晨 V901D 2021 12 林肯 SUV、寶馬 華為 麒麟 710 比亞迪漢 麒麟 980A 2018 8 75K 641 麒麟 990A 2021 7 75K 北汽極狐阿爾法 S 地平線 征程 2 2019 28 長安 UNI-T 芯馳科技 X9U 2021 16 100K 300 芯擎科技 龍鷹一號 2021 7 吉利 德州儀器 Jacin

40、to7 吉利星越 L、威馬智能 SUV 來源：各公司官網，國金證券研究所 4.1 4.1 生成式生成式 AIAI 對智駕的影響：云端場景庫對智駕的影響：云端場景庫+車端類車端類 shadowshadow 模式模式 （1）生成式 AI 可以用來完善訓練場景庫。智能駕駛在云端進行算法訓練和推理，依賴場景庫。生成式 AI 有更加強大的場景庫生成能力。例如 Corner Case 的生成，現實世界中這些場景比較少見，比如道路上的側翻車這種情況，特斯拉或者蔚小理等新勢力廠商，都是采集 Corner Case，必須有一些真實的數據集，標注之后放入網絡訓練。但是生成式 AI 可以生成場景，具有數據優勢企業的

41、壁壘可能會被打破。圖表圖表1919：近年近年來來 TransformerTransformer 等大模型成自動駕駛深度學習主流路線等大模型成自動駕駛深度學習主流路線 來源：國金證券研究所（2）生成式 AI 可以在車端實現類似于特斯拉的 shadow 模式，特斯拉和毫末智行已將 Transformer 引入自動駕駛系統中，能大幅提高感知和決策的能力。其中，毫末智行正在逐步將基于 Transformer 架構的感知算法應用到實際的道路感知問題中。這種算法可以使毫末智行在其各條智能駕駛產品線上的視覺算法落地時效率成倍提升，從而在視覺性能指標方面達到業內領先水平。4 月 11 日，毫末智行基于 GPT

42、（Generative Pre-trained Transformer）生成式訓練大模型，推出了 DriveGPT，感知和決策能力進一步提升。行業專題研究報告 敬請參閱最后一頁特別聲明 14 圖表圖表2020：毫末智行毫末智行 DriveDriveGPTGPT 使自動駕駛感知和決策能力進一步增強使自動駕駛感知和決策能力進一步增強 來源：毫末智行發布會，國金證券研究所 4.2 4.2 大模型時代下，自動駕駛算法格局或發生更迭大模型時代下，自動駕駛算法格局或發生更迭 感知、推理和決策可能都由自動駕駛大模型供應商提供?，F有的自動駕駛主要通過上層的高精度地圖實現定位，加上傳感器實現對路況其他變量的語義

43、理解和感知，再對輪速和輪轉向角做成決策，并沒有實現端到端的自動駕駛。如果行業出現自動駕駛大模型，感知決策將可能都由自動駕駛大模型供應商提供。大模型供應商的可能性：云端算力+模型+端數量的優勢+且有地圖測繪資質，且這個主體還必須開放其算法 API，類似于 OPENAI 或者文心一言。圖表圖表2121：智能駕駛分為感知、決策和執行三層智能駕駛分為感知、決策和執行三層 來源：德勤、汽車之家、國金證券研究所 1、Omniverse 將大幅度提高研發和生產效率，汽車產品迭代速度將大幅加速，同時產業鏈生產層面的軟件、研發和測試外包機會將會減少。2、汽車軟件迎變局：行業商業模式巨變，從軟件外包商到賣鏟子，知

44、識庫將是核心競爭要素。關注轉型較快的光庭信息等。行業專題研究報告 敬請參閱最后一頁特別聲明 15 3、LLM 加速了座艙多模態交互和多域融合的趨勢。從產業鏈角度看，大算力+大模型企業潛在空間正在擴大，應用層企業將迎來洗牌和集中度提升，份額將被大模型企業或者知識庫優勢明顯的企業占據。4、Transformer 加速了端到端的自動加速大模型迭代。未來大模型提供方有可能會占據感知、推理和決策端，第三方執行層的企業生存空間大于感知和決策。5、關注全球自動駕駛龍頭公司特斯拉以及產業鏈、積極擁抱變化往知識庫轉型的軟件企業、語音交互企業等。汽車 OpenAI 結合不及預期風險：由于行業標準化規范配套和資源投

45、入不足等因素，AI 技術在汽車領域的實際應用可能無法達到預期性能，導致投資回報不如預期。芯片供應不及預期風險：美國針對中國的的芯片禁令可能導致部分車型難以配置理想的高算力芯片，進而延緩在汽車中的應用和擴張。下游銷量不及預期風險：市場需求不足或競爭激烈可能導致搭載 AI 技術的汽車銷量低于預期，進而影響投資回報。行業專題研究報告 敬請參閱最后一頁特別聲明 16 行業投資評級的說明：行業投資評級的說明：買入：預期未來 36 個月內該行業上漲幅度超過大盤在 15%以上；增持：預期未來 36 個月內該行業上漲幅度超過大盤在 5%15%；中性：預期未來 36 個月內該行業變動幅度相對大盤在-5%5%；減

46、持：預期未來 36 個月內該行業下跌幅度超過大盤在 5%以上。行業專題研究報告 敬請參閱最后一頁特別聲明 17 特別聲明：特別聲明：國金證券股份有限公司經中國證券監督管理委員會批準，已具備證券投資咨詢業務資格。本報告版權歸“國金證券股份有限公司”（以下簡稱“國金證券”）所有，未經事先書面授權，任何機構和個人均不得以任何方式對本報告的任何部分制作任何形式的復制、轉發、轉載、引用、修改、仿制、刊發，或以任何侵犯本公司版權的其他方式使用。經過書面授權的引用、刊發，需注明出處為“國金證券股份有限公司”，且不得對本報告進行任何有悖原意的刪節和修改。本報告的產生基于國金證券及其研究人員認為可信的公開資料或

47、實地調研資料，但國金證券及其研究人員對這些信息的準確性和完整性不作任何保證。本報告反映撰寫研究人員的不同設想、見解及分析方法，故本報告所載觀點可能與其他類似研究報告的觀點及市場實際情況不一致，國金證券不對使用本報告所包含的材料產生的任何直接或間接損失或與此有關的其他任何損失承擔任何責任。且本報告中的資料、意見、預測均反映報告初次公開發布時的判斷，在不作事先通知的情況下，可能會隨時調整，亦可因使用不同假設和標準、采用不同觀點和分析方法而與國金證券其它業務部門、單位或附屬機構在制作類似的其他材料時所給出的意見不同或者相反。本報告僅為參考之用，在任何地區均不應被視為買賣任何證券、金融工具的要約或要約

48、邀請。本報告提及的任何證券或金融工具均可能含有重大的風險，可能不易變賣以及不適合所有投資者。本報告所提及的證券或金融工具的價格、價值及收益可能會受匯率影響而波動。過往的業績并不能代表未來的表現?？蛻魬斂紤]到國金證券存在可能影響本報告客觀性的利益沖突，而不應視本報告為作出投資決策的唯一因素。證券研究報告是用于服務具備專業知識的投資者和投資顧問的專業產品，使用時必須經專業人士進行解讀。國金證券建議獲取報告人員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。報告本身、報告中的信息或所表達意見也不構成投資、法律、會計或稅務的最終操作建議，國金證券不就報告中的內容對最

49、終操作建議做出任何擔保，在任何時候均不構成對任何人的個人推薦。在法律允許的情況下，國金證券的關聯機構可能會持有報告中涉及的公司所發行的證券并進行交易，并可能為這些公司正在提供或爭取提供多種金融服務。本報告并非意圖發送、發布給在當地法律或監管規則下不允許向其發送、發布該研究報告的人員。國金證券并不因收件人收到本報告而視其為國金證券的客戶。本報告對于收件人而言屬高度機密，只有符合條件的收件人才能使用。根據證券期貨投資者適當性管理辦法，本報告僅供國金證券股份有限公司客戶中風險評級高于 C3 級(含 C3 級）的投資者使用；本報告所包含的觀點及建議并未考慮個別客戶的特殊狀況、目標或需要，不應被視為對特

50、定客戶關于特定證券或金融工具的建議或策略。對于本報告中提及的任何證券或金融工具，本報告的收件人須保持自身的獨立判斷。使用國金證券研究報告進行投資，遭受任何損失，國金證券不承擔相關法律責任。若國金證券以外的任何機構或個人發送本報告，則由該機構或個人為此發送行為承擔全部責任。本報告不構成國金證券向發送本報告機構或個人的收件人提供投資建議，國金證券不為此承擔任何責任。此報告僅限于中國境內使用。國金證券版權所有，保留一切權利。上海上海 北京北京 深圳深圳 電話：021-60753903 傳真：021-61038200 郵箱： 郵編：201204 地址：上海浦東新區芳甸路 1088 號 紫竹國際大廈 7 樓 電話：010-85950438 郵箱： 郵編：100005 地址：北京市東城區建內大街 26 號 新聞大廈 8 層南側 電話：0755-83831378 傳真：0755-83830558 郵箱： 郵編：518000 地址：中國深圳市福田區中心四路 1-1 號 嘉里建設廣場 T3-2402