1、 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。汽車與零部件行業 行業研究|深度報告 Robotaxi 產業鏈分析產業鏈分析。Robotaxi（無人駕駛出租車）產業鏈上游是各類自動駕駛軟硬件供應商，中游包括自動駕駛方案供應商和整車企業，自動駕駛方案供應商將傳感器、域控制器、軟件算法等軟硬件融合后形成完整的 L4 級別自動駕駛解決方案并部署至整車上，產業鏈下游為無人駕駛出行服務平臺。Robotaxi 自動駕駛技術路線分析自動駕駛技術路線分析。特斯拉 2016 年轉向自動駕駛軟硬件自研，2023年 5 月

2、，特斯拉 FSD V12 成為全球首個端到端自動駕駛系統。端到端（End-to-End）采用統一的神經網絡模型，車輛將傳感器采集到的原始數據輸入神經網絡，神經網絡經過處理之后，直接輸出自動駕駛汽車的駕駛命令。隨著特斯拉 FSD V12持續迭代，預計特斯拉 Robotaxi 或將成為首個將端到端系統應用至 L4 場景的案例。在切入 L4 級自動駕駛的同時，百度采用雙線并行研發策略布局 L2+自動駕駛，向整車廠提供 Apollo 自動駕駛技術解決方案。百度 Apollo 自動駕駛形成了“駕、艙、圖”全棧汽車智能化產品矩陣，大模型重構自動駕駛技術棧。百度 L4/L2+技術協同，目前實現了技術架構、視

3、覺感知方案以及地圖的統一，二者打通數據，共享自動駕駛基礎設施。Robotaxi 盈利周期分析盈利周期分析。從全生命周期角度來看，Robotaxi 運營成本主要包括：整車硬件成本、安全運營成本、運力運營成本。其中智能駕駛軟件成本、云端平臺的建設成本等可以看作一次性投入的固定成本，預計隨著 Robotaxi 鋪開會被逐步攤薄?，F階段應更加關注 Robotaxi 的 UE 模型能否達正，單車何時能夠收回成本，在一定假設前提下，我們測算得到蘿卜快跑 RT6 單車回本周期約為 2.81 年左右。Robotaxi 競爭格局競爭格局：實力強的自動駕駛公司及整車公司：實力強的自動駕駛公司及整車公司有望有望獲得

4、一定市場份額獲得一定市場份額。目前主要形成了以下幾種 Robotaxi 商業合作模式：整車廠獨立運營、自動駕駛技術公司自主運營、自動駕駛技術公司+整車廠+出行服務運營商合作；除上述三種模式外，部分具備較強智駕能力和平臺優勢的整車企業亦可能成為 Robotaxi 的運營主導者?，F階段百度、小馬智行等在 Robotaxi 運營層面處于領先，但隨著 Robotaxi 試點逐步鋪開，預計實力較強的自動駕駛公司及整車公司均將有望在 Robotaxi 市場占據一定份額。從投資策略上看，預計 Robotaxi 有望逐步實現商業化，將部分替代 B 端出租車和網約車，且將加快汽車智能化進程，無人駕駛出租車產業鏈

5、中游及下游如自動駕駛方案供應商和整車企業有望受益，提供智能化硬件、軟件的上游公司也有望受益。整車建議關注：長安汽車、比亞迪、江淮汽車、上汽集團；零部件建議關注：伯特利、經緯恒潤、保隆科技、華域汽車、德賽西威、華陽集團、科博達等。風險提示風險提示 宏觀經濟下行影響汽車需求、自動駕駛技術發展不及預期、Robotaxi 商業化進程不及預期、自動駕駛政策推進不及預期、假設條件變化影響測算結果。投資建議與投資標的 核心觀點 國家/地區 中國 行業 汽車與零部件行業 報告發布日期 2024 年 08 月 12 日 姜雪晴 執業證書編號：S0860512060001 袁俊軒 執業證書編號：S08605230

6、70005 享界 S9正式上市，關注華為產業鏈：汽車行業周報（0805-0811）2024-08-11 特斯拉中國 7 月銷量同環比回升，享界 S9及華為 ADS3.0 即將上市：汽車行業周報（0729-0804）2024-08-04 以舊換新補貼加碼，行業需求有望繼續改善：汽車行業周報（0722-0728）2024-07-28 Robotaxi 有望促進自動駕駛技術迭代，產業鏈加快商業化進程 智能汽車系列報告之四 中性（維持）汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請

7、與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。2 目 錄 1 Robotaxi 產業鏈分析.4 2 Robotaxi 自動駕駛技術路線分析.5 2.1 特斯拉：端到端引領智駕技術進入新時代.5 2.2 百度蘿卜快跑：L4 級自動駕駛商用先行者.8 3 Robotaxi 盈利周期分析.13 4 Robotaxi 競爭格局：實力強的自動駕駛公司及整車公司將獲得一定市場份額.16 5 主要投資策略.18 6 主要風險提示.18 aVbUdXfV8X9WcWcWaQcM8OsQpPtRqMeRmMxPlOoPtQ6MmMvMvPoMtNuOmMzR 汽車與零部件行業深度報告 Robot

8、axi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。3 圖表目錄 圖 1：Robotaxi 產業鏈.4 圖 2：特斯拉自動駕駛系統發展歷程.6 圖 3：端到端自動駕駛系統以統一的大模型取代傳統感知、預測、規劃等模塊.6 圖 4：端到端自動駕駛技術的演進.7 圖 5：百度躍進式切入 L4 并雙線研發布局 L4/L2+技術協同.8 圖 6：百度 Apollo 形成了“駕、艙、圖”全棧汽車智能化產品矩陣.9 圖 7：百度自動駕駛大模型 Apollo ADFM.

9、9 圖 8：百度 Apollo ADFM 通過聯合訓練實現端到端無人駕駛.10 圖 9：基于規則和端到端的性能曲線.11 圖 10：蘿卜快跑的自動駕駛套件及軟件系統.11 圖 11：蘿卜快跑第五代車 Apollo Moon.12 圖 12：蘿卜快跑第六代車 RT6.12 圖 13：蘿卜快跑安全冗余設計保障自動駕駛運營安全.13 圖 14：Robotaxi 全生命周期運營成本.14 圖 15：Robotaxi 技術+整車+平臺的“金三角”合作模式.16 圖 16：Robotaxi 競爭格局.18 表 1：端到端架構和分治式架構比較.7 表 2：常態化蘿卜快跑單日營收測算（單位：元）.14 表 3

10、：百度 RT6 單車回本周期測算（單位：元）.15 表 4：Robotaxi 商業模式舉例.17 表 5：主要公司估值表.18 汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。4 1 Robotaxi 產業鏈產業鏈分析分析 Robotaxi（無人駕駛出租車）產業鏈上游是各類自動駕駛軟硬件供應商，完整的自動駕駛系統主要由感知、決策、執行三個環節構成，感知系統相當于自動駕駛汽車的“眼睛”，通過攝像頭、激光雷達、毫米波雷

11、達、超聲波雷達等多維傳感器配合高精定位、導航、高精地圖、路側定位等輔助系統識別周邊車輛、行人、交通燈和其他物體并收集車身周邊環境信息，將其傳輸至決策系統。決策系統相當于自動駕駛汽車的“大腦”，依據感知系統傳來的信息進行決策判斷，制定相應的路徑規劃和控制策略，并將決策信號向執行層傳輸，核心是自動駕駛域控制器/計算平臺、芯片、操作系統、自動駕駛軟件/算法等。執行系統相當于自動駕駛汽車的“四肢”，負責接收決策系統發出的總線指令，并精確地控制加速程度、制動程度以及轉向幅度等駕駛動作，主要包括驅動系統、轉向系統、制動系統、照明系統等；在自動駕駛系統中，由電信號替代機械力驅動的線控技術逐步成為主流。Rob

12、otaxi 產業鏈中游包括自動駕駛方案供應商和整車企業，自動駕駛方案供應商將傳感器、域控制器、軟件算法等軟硬件融合后形成完整的 L4 級別自動駕駛解決方案并部署至整車上。Robotaxi產業鏈下游為無人駕駛出行服務平臺，現階段 Robotaxi 主要包括兩種運營模式：（1）自動駕駛方案供應商+整車企業+出行平臺合作運營，例如“廣汽集團+文遠知行+如祺出行”、“吉利汽車+小馬智行+曹操出行”，三方合作能夠充分發揮各自在制造能力、自動駕駛技術和用戶基數方面的優勢，提升 Robotaxi 營運效率。（2）自動駕駛方案供應商獨立運營，例如百度憑借深厚的資金實力、人才和技術儲備，在技術研發、整車制造和平

13、臺運營全方位布局。圖 1：Robotaxi 產業鏈 數據來源：佐思汽研、東方證券研究所繪制 汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。5 2 Robotaxi 自動駕駛技術路線分析自動駕駛技術路線分析 2.1 特斯拉：端到端引領智駕技術進入新時代 特斯拉在 2016 年正式與 Mobileye 分手，轉向自動駕駛軟硬件自研，在 8 年時間內特斯拉自動駕駛算法經歷了多次迭代，成長為全球自動駕駛領域的領軍企業。（

14、1）2016-2018年：起步階段。特斯拉初期的自動駕駛算法采用業內主流的骨干網絡結構+2D檢測器特征提取+人工數據標注，技術路線較為原始。硬件方面，特斯拉于 2016 年發布 Hardware 2.0，域控芯片切換至英偉達方案，配置8 個攝像頭、12 個超聲波雷達以及1 個前置毫米波雷達。（2）2018-2019 年：第一次算法革新。2018 年起特斯拉針對自動駕駛網絡結構及效率對自動駕駛算法進行了第一次革新：（1）引入多任務學習神經網絡架構 HydraNet，實現重復的卷積計算量和主干網絡計算數量降低；（2）開創“影子模式”，即在有人駕駛過程中，傳感器及自動駕駛系統仍然運行并進行實時模擬決

15、策但不參與實際車輛控制，一旦出現決策結果與駕駛員行為不一致，或是不同傳感器之間的監測結果不匹配等場景則將觸發數據回傳，影子模式能夠提供更多、更大范圍的極端工況數據，對特斯拉改進自動駕駛算法具有重要意義。硬件方面，2019 年 4 月發布 Hardware 3.0，采用自研 FSD 芯片，系統總算力達到 144TOPS。（3）2020年：BEV+Transformer引領自動駕駛進入大模型時代。2020年8月，馬斯克宣布特斯拉將對自動駕駛軟件的底層代碼進行重寫和深度神經網絡重構，新系統引入了 BEV（Birds Eye View）+Transformer 架構，將攝像頭采集的 2D 圖像數據“升

16、維”至 3D 車身自坐標系。通過引入BEV，自動駕駛數據的融合從決策層域控制器融合邁向BEV空間層的特征級融合，數據準確度更高。除此之外，BEV+Transformer 具備異構傳感器融合更易實現、泛化能力更強、不依賴高精地圖等優點，成為國內車企及自動駕駛公司的主流發展方向。（4）2021-2022 年：占用網絡及時空序列特征層提升模型泛化能力。特斯拉 2021-2022 年對BEV+Transformer 架構進行改良：（1）引入占用網絡（Occupancy Network）提升對現實世界的認知，占用網絡將原本的 BEV 空間分割成體素，體素能夠充當激光雷達點陣的作用，從而實現“偽激光雷達”

17、的效果。（2）引入時空序列特征層，使用視頻片段取代圖像來訓練神經網絡，為自動駕駛增添了短時記憶能力。占用網絡和時空序列特征層使得特斯拉 FSD 的泛化能力得以提升，也為后續端到端方案的推出奠定基礎。（5）2023年：走向“端到端”，引領自動駕駛進入新紀元。2023年 5月，馬斯克公開透露FSD V12 將采用“端到端”方案，FSD V12 成為全球首個端到端自動駕駛系統，標志著特斯拉在自動駕駛技術上的又一次重大飛躍；FSD V12 將城市街道駕駛堆棧升級為基于數百萬個視頻訓練的端到端神經網絡，該神經網絡能夠取代超過 30 萬行用于控制車輛 FSD 功能的 C+代碼。硬件方面，2023 年特斯拉

18、將硬件升級至 Hardware 4.0，采用新一代 FSD 芯片，算力較 HW3 提升 5 倍；搭載 HW4 的 Model Y 取消了雷達配置，車外攝像頭由 8 個減少至 7 個，但分辨率由 120 萬像素升級至 500 萬像素。2023 年 11 月，FSD Beta V12 開始向特斯拉內部員工推送，2024 年 1 月特斯拉開始向非員工車主推送 FSD Beta V12.1.2；2024 年 7 月，特斯拉向美國 EA 測試車主推送最新 FSD V12.5 更新，新技術參數較 V12.4 版本提升 5 倍，將高速、城區智駕全面切換到端到端方案，后續還將引入“真智能召喚”（Actual

19、Smart Summon，ASS），實現自動泊車、在停車場內導航和無人駕駛接客等功能。汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。6 圖 2：特斯拉自動駕駛系統發展歷程 數據來源：汽車之心、東方證券研究所繪制 傳統的自動駕駛系統采用分治式架構，將自動駕駛任務拆分為感知、預測、規劃等多個模塊，每個模塊的輸入通常來源于前一模塊的輸出。分治式架構將復雜的自動駕駛任務分解為可獨立開發測試、獨立管理的小子任務，分而治之，

20、從而大幅度地降低系統開發難度；同時分治式架構能夠針對每個獨立模塊的輸入輸出進行白盒分析，便于針對問題和事故進行追蹤和定位，系統具備較高的可解釋性。然而，分治式架構也存在信息傳遞損耗、誤差累積影響安全、多任務多模型導致計算延時等局限性；此外，針對 corner case，分治式架構依賴工程師手動編寫大量代碼制定行駛規則，也導致了系統的泛化性較差、能力上限較低。端到端（End-to-End）是深度學習的概念，指算法直接從原始輸入數據求解出最終輸出結果，中間不經過人工設計的特征提取或其他中間步驟。目前端到端自動駕駛的定義尚未完全明確，可劃分為狹義端到端和廣義端到端，狹義的端到端自動駕駛強調采用一個統

21、一的神經網絡模型，車輛將傳感器采集到的原始數據輸入神經網絡，神經網絡經過處理之后，直接輸出自動駕駛汽車的駕駛命令；廣義的端到端自動駕駛強調信息無損傳遞和全局優化，過程中不因人為的模塊劃分和顯式的中間表示而產生信息損耗。圖 3：端到端自動駕駛系統以統一的大模型取代傳統感知、預測、規劃等模塊 數據來源：東方證券研究所繪制 與傳統的分治式架構相比，端到端架構具有顯著的優勢：（1）信息無損傳遞：傳統的分治式架構各模塊由人工規則定義，信息在每個模塊間傳遞時存在大量信息損耗；端到端模型將傳感器收到的全部信息作為輸入，實現信息的無損傳遞，能夠減少信息傳遞的延遲，加快系統反應。（2）全局優化：端到端架構能夠以

22、車輛行駛的全局任務為統一目標聯合訓練，實現性能全局最優化，不需要頻繁的參數調整修正；（3）數據驅動：除感知模塊外，預測模塊和規劃模塊同樣由數據驅動，無需或僅需少量手寫規則，能夠簡化開發流程；同時，傳統架構需要人手處理長尾場景，存在邊際效果遞減，隨著數據規模和質量的提升，端到端架構的能力上限將顯著高于傳統架構。與此同時，端到端系統的落地量產亦存在諸多挑戰：（1）弱解釋性：端到端的整體訓練方式類似黑盒模式，使其難以對中間結果進行分析，模型不可避免地會存在不可解釋性。（2）仿真驗證困難：傳統的分治式架構能夠將每個模塊分開進行仿真驗證，采用開環驗證方式，即不與環境進行任何交互，只驗證輸入和輸出鏈路；但

23、端到端駕駛系統必須進行閉環驗證，且在上車之前需要全局仿真驗證通過，而目前仍然缺少優秀的測試工具實現。（3）數據規模和質量：由于端到 汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。7 端模型由數據驅動，其訓練對于數據的規模和質量提出了極高的要求，大規模高質量數據的采集、篩選、清洗等都將成為難點?，F階段端到端系統主要應用于 L2+場景，對于安全性和穩定性要求更高的 L4 應用場景（如Robotaxi），目前端到端系統

24、尚未能夠達到 L4 級別要求，技術路線仍然以成熟的分治式架構為主。隨著特斯拉 FSD V12 在數月內持續迭代，預計特斯拉 Robotaxi 或將成為首個將端到端系統應用至 L4 場景的案例，或將引領端到端路線加速發展。表 1：端到端架構和分治式架構比較 端到端架構端到端架構 分治式架構分治式架構 系統組成 統一的神經網絡模型 感知模塊、預測模塊、規劃模塊等 優勢 信息無損傳遞 全局優化 數據驅動 能力上限高 開發難度低 可解釋性強 劣勢 可解釋性弱 仿真驗證困難 數據規模和質量要求高 信息損耗 誤差累積 計算效率低 泛化能力弱，能力上限低 數據來源：端到端自動駕駛行業研究報告、東方證券研究所

25、 由于從分治式直接向狹義端到端轉變的跨度過大、難度過高，國內各大車企及自動駕駛方案供應商主要采取漸進過渡的技術路徑。端到端自動駕駛技術的漸進發展可分為四個階段：（1）感知端到端：現階段主流的 BEV+Transformer+OCC（Occupancy Network，占用網絡）已經實現感知模塊的端到端架構，但決策規劃模塊仍然基于規劃。（2）預測規劃模型化：保留感知模塊+預測規劃模塊，仍然通過人工定義方式制定接口，但將預測規劃模塊從基于規則轉向神經網絡化。（3）模塊化端到端：將感知模塊和預測規劃模塊間的輸入與輸出由特征向量實現，兩個模塊將通過梯度傳導的方式共同訓練。（4）單一模型端到端：去除模塊

26、劃分，整個系統將基于一個統一的大模型，為端到端系統的最終目標。圖 4：端到端自動駕駛技術的演進 數據來源：端到端自動駕駛行業研究報告、東方證券研究所繪制 汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。8 2.2 百度蘿卜快跑：L4 級自動駕駛商用先行者 百度以“躍進式”方式實現 L4級自動駕駛，助力蘿卜快跑商業化落地。高級別自動駕駛技術演進路線可以分為“漸進式”和“躍進式”，以特斯拉為代表的整車企業選擇了“漸進式

27、”路線，在量產車上搭載 L2級輔助駕駛，積累大量駕駛數據并訓練算法進行迭代，最終實現高級別自動駕駛。而百度作為科技公司相較于整車廠來說難以大規模獲取行駛數據，其策略為直接切入 L4級自動駕駛，在限定區域內將高精地圖和激光雷達配合使用（2013 年入局自動駕駛，2015 年成立 L4 事業部），以實現 Robotaxi 商業化變現。李彥宏曾在 2022 年世界人工智能大會(WAIC)上表示 L4 自動駕駛相較于 L3 更容易實現商用。在“躍進式”切入 L4 級自動駕駛的同時，百度采用雙線并行研發策略布局 L2+自動駕駛，向整車廠提供 Apollo 自動駕駛技術解決方案。百度 L4/L2+技術協同

28、，目前實現了技術架構、視覺感知方案以及地圖的統一，二者打通數據，共享自動駕駛基礎設施。一方面，百度前期儲備的高質量 L4級智駕技術和數據可以進行降維，作為 L2+量產智駕產品的啟動準備；另一方面，百度后期可以利用 L2+自動駕駛產品所積累的海量數據反哺 L4 級自動駕駛，解決 L4 級自動駕駛需要解決的長尾問題和地圖驗證。圖 5：百度躍進式切入 L4 并雙線研發布局 L4/L2+技術協同 數據來源：Tesla、百度 Apollo、東方證券研究所繪制 蘿卜快跑是百度的自動駕駛出行服務平臺，其自動駕駛技術基礎源自 Apollo，百度 Apollo 提供了自動駕駛所需的核心技術和解決方案。截至 20

29、24 年 8 月 11 日，蘿卜快跑已經在上海、成都、北京、合肥、廣州、長沙、武漢、深圳、嘉興、陽泉、重慶 11個城市落地自動駕駛出行服務。根據百度財報，2024 年一季度蘿卜快跑訂單約 82.6 萬單，同比增長 25%。截至 2024 年 4 月 19 日，百度 Apollo 的自動駕駛里程已超過 1 億公里。百度 Apollo 自動駕駛形成了“駕、艙、圖”全棧汽車智能化產品矩陣。百度 Apollo 是百度推出的一整套自動駕駛解決方案，涵蓋了自動駕駛車輛的研發、測試和部署，包括定位、感知、預測、汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析

30、師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。9 規劃、控制等多個自動駕駛模塊。百度 Apollo 已形成“駕、艙、圖”全棧汽車智能化產品矩陣，作為自動駕駛 Tier 1 向主機廠提供智能駕駛、智能地圖、智能座艙等智能汽車解決方案。Apollo自動駕駛平臺的核心技術架構包括硬件設備、軟件核心、應用軟件和工具服務四個部分，可以提供從車輛硬件到軟件數據以及云端的全棧服務。圖 6：百度 Apollo 形成了“駕、艙、圖”全棧汽車智能化產品矩陣 數據來源：百度 Apollo、東方證券研究所繪制 大模型重構自動駕駛技術

31、棧，百度發布自動駕駛大模型 Apollo ADFM。傳統的自動駕駛系統基于規則和經驗累積，存在明顯的瓶頸，百度選擇用大模型重構自動駕駛技術棧。2017 年起百度Apollo開始全面轉向數據推動；2021年起百度 Apollo開始探索應用自動駕駛大模型，升級研發范式。2024 年 5 月百度 Apollo Day 2024 發布了全球首個能夠支持 L4 級別無人駕駛應用的自動駕駛大模型 Apollo ADFM（Autonomous Driving Foundation Model）。圖 7：百度自動駕駛大模型 Apollo ADFM 數據來源：Apollo 官網、東方證券研究所繪制 汽車與零部件

32、行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。10 Apollo ADFM 包括多模感知大模型和多源規劃大模型。感知大模型包括檢測、跟蹤、理解和構圖四大自動駕駛核心感知任務，Apollo ADFM提取視覺圖像數據和 LiDAR、4D Radar等主動光傳感器數據，采用點云視覺多模態融合方式，實現了視覺信息和主動光的優勢互補，增強了對長尾場景的檢測能力。此外，Apollo ADFM 感知信息可以進行可讀輸出，保證了模型的可監督

33、性和問題的可追溯性。百度在自動駕駛大模型 Apollo ADFM 的開發中采用了“先分段，再聯合訓練”的策略，將大模型進行分模塊設計并獨立優化，在分段訓練完成后將各個模塊進行聯合訓練以確保模塊間協同工作和數據流的一致性，這種策略可以很好地平衡模型的性能和可解釋性。圖 8：百度 Apollo ADFM 通過聯合訓練實現端到端無人駕駛 數據來源：芝能汽車、東方證券研究所 現階段蘿卜快跑仍基于規則，通過軟硬件結合以及云端安全員和多重冗余支持系統化落地。百度L4 級自動駕駛是基于高清地圖封閉式路徑導航系統，只在特定區域內運行并依賴于高精度地圖進行路線規劃；而 L2+級自動駕駛則在探索無圖路線導航的技術

34、方案，以實現高時空覆蓋。相比基于規則的分治式架構，端到端具有更強的泛化能力、上限更高，但是因其解釋性弱、數據需求大、算力需求強、訓練成本高等特點暫時難以在中國落地。目前 AI 可以應用在 L2 自動駕駛上，因為L2 自動駕駛主體是人，允許出現 AI 無法應對的 corner case，而 L4 由于可解釋性和 corner case問題在短期內不太可能完全依賴 AI，仍需規則兜底。目前很多 L4 公司還是算法+AI 小模型組合，同時也在探索向端到端方式迭代，如小馬智行將傳統算法和 AI 相結合，推出的端到端自動駕駛模型既可作為 L2+方案又可作為 L4 級智能駕駛的冗余系統。汽車與零部件行業深

35、度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。11 圖 9：基于規則和端到端的性能曲線 數據來源：小鵬 XPILOT、東方證券研究所 蘿卜快跑的技術核心在于高精度地圖、多傳感器融合以及決策算法。高精度地圖能夠確保車輛在復雜環境下的精準定位和行駛，目前，對安全性要求極高的 L4 級無人駕駛運營車輛（達到 99.99%以上的成功率）離不開高精地圖或車道級導航地圖/輕量級高精地圖的輔助。高精地圖可以極大程度地降低自動駕駛系統算法的復雜程

36、度，提升行車安全性，百度在高階智駕地圖領域布局多年，具有強大的地圖采集和繪制能力，具備成本優勢。蘿卜快跑搭載包括激光雷達、毫米波雷達、超聲波雷達和攝像頭在內的 7 類 40 個傳感器，可實現5X360環境感知，通過傳感器融合技術構建全方位的感知系統，根據實時準確的路況信息動態調整自動駕駛決策規劃。圖 10：蘿卜快跑的自動駕駛套件及軟件系統 數據來源：百度自動駕駛出行報告、東方證券研究所繪制 汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究

37、報告最后一頁的免責申明。12 蘿卜快跑第六代車 RT6 應用了“百度 Apollo ADFM 大模型+硬件產品+安全架構”的方案。百度Apollo Day 2024同時發布了第六代無人車 Apollo RT6（頤馳 06），據官方信息整車成本為 20.46萬元。不同于特斯拉的純視覺方案，RT6 搭載了 4 顆超高清遠距激光雷達 AT128（128 線），其探測距離超過 200 米，可以滿足 L4 級自動駕駛對高精度感知和 360視野全覆蓋要求。蘿卜快跑首次大規模應用車規級 ADAS 半固態激光雷達，相較于傳統機械式激光雷達顯著降低了 RT6 單車成本。除激光雷達外，RT6還搭載了6個毫米波雷達

38、、12個超聲波雷達、12個攝像頭，實現“遠、中、近”三階段感知。此外，RT6配備雙 AI模型多核芯片，算力達到 1200TOPS，同時采用換電方案，以適配蘿卜快跑的自動化運營需求。圖 11：蘿卜快跑第五代車 Apollo Moon 數據來源：汽車電子、東方證券研究所 圖 12：蘿卜快跑第六代車 RT6 數據來源：汽車電子、東方證券研究所 安全冗余設計是蘿卜快跑的重要組成部分，蘿卜快跑設計了 10 重安全冗余和 6 重 MRC 安全策略。自動駕駛“安全第一”是 Robotaxi 未來在全國各地落地和擴張的核心問題，為此百度 L4 級自動駕駛整體系統安全設計包括自動駕駛主系統安全、自動駕駛安全冗余

39、系統、遠程云代駕三層安全系統。汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。13 在安全冗余系統方面，Apollo RT6 源自百度自研的“阿波羅星河”架構平臺，實現了 100%車規級和整車全冗余系統。10 重安全冗余包括 7 類 40 個傳感器，實現 5360 環境感知的感知冗余；雙 AI 模型的計算冗余；4 種衛星系統以及星基+地基雙模式高精定位單元的高精定位冗余；雙系統雙控制回路的轉向冗余；雙獨立系統四控制

40、回路的制動冗余；雙電子駐車雙控制回路的駐車冗余；雙模組 5G 冗余；雙熱泵循環回路的熱管理冗余；雙回路電源冗余等，保證了任意單系統失效時的行車安全性。百度 Apollo 的自動駕駛里程已經超過 1 億公里并且未發生過重大傷亡事故，蘿卜快跑出險率為人類司機的 1/14。圖 13：蘿卜快跑安全冗余設計保障自動駕駛運營安全 數據來源：Apollo Day、東方證券研究所繪制 3 Robotaxi 盈利盈利周期分析周期分析 從全生命周期角度來看，Robotaxi 運營成本主要由三方面構成：首先是整車硬件成本，主要包括整車成本以及自動駕駛模塊成本。整車成本是除自動駕駛模塊的車輛成本，主要包括車身、底盤、

41、動力和智能座艙系統等。在電池方面，由于蘿卜快跑采用換電模式，電池成本可與整車分開計算。自動駕駛模塊則包括智駕的軟硬件成本，智駕硬件主要包括域控制器、激光雷達、攝像頭、毫米波雷達等傳感器以及定位設備等；其次是安全運營成本，主要包括安全員和地勤的培訓及人工成本和遠程控制平臺的運維成本。目前在確保安全的前提下，指定運營區域車輛的安全員可由線下轉為線上，可以同時監控多輛汽車；最后是運力運營成本，主要包括車輛維修保養成本、清潔成本、補能成本以及牌照、保險等其他成本。汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披

42、露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。14 圖 14：Robotaxi 全生命周期運營成本 數據來源：羅蘭貝格、東方證券研究所繪制 在 Robotaxi 商業化落地和大規模推廣的測算中更應該關注單車模型。Robotaxi 全生命周期運營成本涵蓋了智能駕駛軟件成本、云端平臺的建設成本等，這部分成本可以看作一次性投入的固定成本，隨著 Robotaxi鋪開會被逐步攤薄?，F階段我們應更加關注 Robotaxi的 UE模型能否達正，單車何時能夠收回成本?；谝韵录僭O，我們測算得到蘿卜快跑 RT6 單車回本周期約為 2.81 年左右。收入端：蘿卜快跑計費

43、規則包含起步價、里程費和時長費三個部分收入端：蘿卜快跑計費規則包含起步價、里程費和時長費三個部分。由于武漢地區蘿卜快跑基準定價高，主要采用高折扣率來降低價格，過高的折扣率不適宜進行預測，因此我們采用上海地區蘿卜快跑計費規則進行測算，為方便運算我們取蘿卜快跑 3 公里起步價為 7 元，超出 3 公里部分的里程費為 1.7 元/公里，超出 10 分鐘的時長費為 0.25 元/分鐘。作為比較，滴滴出行快車起步價為 10.9 元，里程費為 1.8 元/公里，時長費為 0.42 元/分鐘，蘿卜快跑價格約為滴滴的 70%，符合運營假設。表 2：常態化蘿卜快跑單日營收測算（單位：元）項目項目 金額金額 備注

44、備注 規則單價規則單價 21.40 假設單均 10 公里，時長 20 分鐘 起步價 7 起步價包含里程 3 公里，時長 10 分鐘 里程費 11.9 超過 3 公里部分計入里程費，里程費為 1.7 元/公里 時長費 2.5 超過 10 分鐘部分計入時長費，時長費為 0.25 元/分鐘 活動折扣活動折扣 20%訂單量與活動折扣相關，目前 Robotaxi 仍在推廣補貼階段 支付金額（元支付金額（元/單）單）17.12 日均單量日均單量 23 蘿卜快跑日均單量與活動折扣相關。根據報道蘿卜快跑每日訂單量高于 20單，追平網約車，參考網約車數據取 23 單/天。單車日均營收單車日均營收 393.76

45、數據來源：蘿卜快跑 APP、東方證券研究所測算 成本端：主要考慮硬件成本、人工成本、車輛維修保養成本、補能成本、保險成本等可變成本。成本端：主要考慮硬件成本、人工成本、車輛維修保養成本、補能成本、保險成本等可變成本。根據百度官方，百度第六代無人車 Apollo RT6 價格為 20.46 萬元，我們以此測算單車回本周期。汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。15 人工成本假設人工成本假設：根據 2023

46、年 12 月交通運輸部辦公廳印發的自動駕駛汽車運輸安全服務指南（試行），從事出租汽車客運的完全自動駕駛汽車，在確保安全的前提下，經設區市人民政府同意，在指定的區域運營時可使用遠程安全員，遠程安全員人車比不得低于1:3。我們預計隨著自動駕駛與遠程監控技術進步以及測試的不斷進行，Robotaxi 遠程安全員配比可以達到 1:5?？紤]Robotaxi 鋪開后可以攤薄單車人員比例，假設地勤人員配比為 1:7。此外，部分車輛在 7:00 至23:00 運行，還有一部分車輛 24 小時運營，考慮工作時長我們假設每天需要人員兩班倒；人員薪酬參考武漢當地標準，取 6000 元/月。車輛維修保養成本假設：車輛維

47、修保養成本假設：無人車輛清潔假設由地勤完成，成本算入人工部分；維修保養成本假設一年進行一次保養，每次 1000元；輪胎和剎車成本假設每 6萬公里更換一次輪胎，四條輪胎更換成本約 1200 元；假設每 8 萬公里更換一次剎車，一套剎車更換成本約 400 元。補能成本：補能成本：RT6 采用換電模式，參考蔚來針對非首任車主及運營車輛換電價格（電費 1.35 元/kWh+服務費 0.39 元/kWh）和峰谷電價，假設蘿卜快跑補能成本為 0.6 元/kWh，百公里耗電為18 kWh。保險費用保險費用：參考 20 萬同價位車輛，考慮自動駕駛事故率低于人類，假設一年 4000 元。表 3：百度 RT6 單

48、車回本周期測算（單位：元）項目項目 金額金額 備注備注 單日營收單日營收 393.76 見單車收入測算表 單日單日人力成本人力成本 137.14 遠程安全員（人/車）0.20 假設遠程安全員人車比 1：5 地勤（人/車）0.14 假設地勤人員配比為 1：7 人員薪酬（元/月）6000 參考武漢當地標準 平均換班次數（次/天）2 考慮車輛運營時間 單日單日車輛維修保養成本車輛維修保養成本 10.44 維修保養成本 2.78 假設一年保養一次，一次 1000 元 輪胎和剎車成本 7.67 假設每 6 萬公里更換一次輪胎，四條輪胎更換成本約 1200 元；假設每 8 萬公里更換一次剎車，一套剎車更換

49、成本約 400 元 單日單日補能成本補能成本 33.12 單均里程（公里）10 空乘率 25%假設空乘率為 25%每日載客里程（公里）230 假設一天 23 單 每日里程（公里）306.67 載客里程除以（1-空乘率）百公里能耗（kWh/100km）18 假設百公里耗電量為 18 kWh 補能成本（元/kWh）0.6 假設蘿卜快跑補能成本為 0.6 元/kWh 單日單日保險成本保險成本 11.11 考慮自動駕駛事故率低于人類，假設保費一年 4000 元 單日單日成本合計成本合計 191.82 單日盈利單日盈利（不考慮折舊）（不考慮折舊）201.94 不考慮硬件折舊 RT6 成本成本 20460

50、0 百度透露 RT6 價格為 20.46 萬元 回本回本周期周期（年）（年）2.81 假設一年運營 360 天 數據來源：東方證券研究所測算 汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。16 4 Robotaxi 競爭格局競爭格局：實力強的自動駕駛公司及整車實力強的自動駕駛公司及整車公司將獲得一定市場份額公司將獲得一定市場份額 作為產業鏈關鍵角色，自動駕駛技術公司、Tier1 供應商、整車廠和出行服務商共同提供

51、了Robotaxi 所需技術，不同角色之間技術能力存在重疊和補充部分。從各國 Robotaxi 行業商業化發展來看，Robotaxi 主要參與者可以分為自動駕駛技術公司、整車廠和出行服務運營商三個部分，逐步形成了“專業化分工+深度合作綁定”的發展模式。圖 15：Robotaxi 技術+整車+平臺的“金三角”合作模式 數據來源：羅蘭貝格、東方證券研究所 中國 Robotaxi 商業化進程已在限定區域實現了無主駕安全員的商業運營，在實踐過程中主要形成了以下幾種 Robotaxi 商業合作模式：模式一：整車廠獨立運營。這種模式需要整車廠具備較強的智能駕駛技術以及用戶流量，代表車企為特斯拉。在特斯拉財

52、報電話會上，馬斯克表示特斯拉 Robotaxi 出租車車隊將融合 Airbnb 和Uber 的商業模式，預計特斯拉將建立共享乘車平臺，自主組建并運營 Robotaxi 車隊，而特斯拉車主則可以選擇加入或退出車隊，特斯拉將與車主分享收入。模式二：具備互聯網基因的自動駕駛技術公司自主運營，向整車廠定制車輛。代表企業為百度，百度旗下 Apollo 提供自動駕駛技術，蘿卜快跑作為出行服務運營商直面 C 端客戶，整車廠負責提供定制車輛但不參與運營。這種模式一般由互聯網企業主導，因為互聯網公司具備較強的流量接入能力，在出行平臺的運營層面具備流量優勢。模式三：自動駕駛技術公司+整車廠+出行服務運營商合作模式

53、。這種模式下三方企業相互配合，共享技術、數據、車輛和乘客資源，以實現能力整合并分擔項目成本，加速實現 Robotaxi 商業化落地。例如 2019 年廣汽集團攜手騰訊、廣州公交集團、滴滴等合作方共同成立出行平臺如祺出行，后續又經歷多輪融資，引入小馬智行等投資者。如祺出行由廣汽集團提供汽車制造產業資源，騰訊提供互聯網平臺和市場支持，小馬智行提供自動駕駛技術，實現了“自動駕駛技術公司+整 汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最

54、后一頁的免責申明。17 車廠+出行服務運營商”金三角模式，類似案例還有上汽旗下享道出行+Momenta、吉利旗下曹操出行+小馬智行等?？赡艿哪Ｊ剿模赫噺S主導運營。除上述三種模式外，部分具備較強智駕能力和平臺優勢的整車企業亦可能成為 Robotaxi 的運營主導者。以長安汽車為例，從技術能力看，長安汽車（汽車生產企業）以及旗下長安車聯科技有限公司（使用主體）是首批通過遴選的 L3級智能網聯汽車試點單位。此外，長安汽車和華為合作項目穩步推進，預計將不晚于 8 月 31 日簽訂最終交易文件；目標公司“引望”已于 2024年 1月完成注冊，業務范圍包括汽車智能駕駛解決方案、汽車智能座艙、智能汽車數字

55、平臺、智能車云、AR-HUD 與智能車燈等；從自動駕駛汽車落地看，2024年 5 月長安車聯科技與西部車網合作，雙方基于長安汽車產品技術規劃，重點圍繞示范區與長安汽車各類產品網聯賦能展開探索，包括 L2、L3、L4 各級別智能駕駛產品的規?；缆窚y試及商業化運營探索，并在科學城智能網聯汽車示范區內投放 68輛自動駕駛出租車；從出行平臺來看，長安、東風、一汽共同成立 T3 出行。T3 平臺具有較強的流量優勢，能夠成為支撐長安自動駕駛出租車的出行平臺。2023年 T3出行交易額為 158億元，在中國網約車市場排名第二，市占率為 6.2%。未來長安汽車可能借助自身汽車制造能力、自身及華為等合作伙伴的

56、自動駕駛技術以及T3出行平臺開展 Robotaxi 運營，參與市場化競爭。表 4：Robotaxi 商業模式舉例 商業模式商業模式 整車企業獨立運營整車企業獨立運營 自動駕駛公司自主運營自動駕駛公司自主運營 三方合作三方合作 整車企業主導運營整車企業主導運營 主導者主導者 特斯拉 百度 三方合作 長安汽車 整車企業整車企業 特斯拉 向整車廠定制車輛 廣汽集團 長安汽車 智駕技術智駕技術 特斯拉 FSD 百度 Apollo 小馬智行 長安+華為等合作伙伴 出行平臺出行平臺 特斯拉自有 APP 百度蘿卜快跑 如祺出行 T3 出行 簡介簡介 特 斯 拉 具 備 智 駕 技術、整車資源和用戶流 量，建

57、 立 運 營 車隊，車主可選擇是否加入特斯拉車隊。百度作為互聯網公司具備較強的 L4 自動駕駛技術和下游流量入口。整車廠負責向百度提供定制車輛但不參與運營?！敖鹑悄Ｊ健?，由廣汽集團提供汽車制造產業資源，騰訊提供互聯網平臺和市場支持，小馬智行提供自動駕駛技術。長安汽車在整車、智駕、平臺方面均有布局。長安汽車是首批 L3 級智能網聯汽車試點單位；并和西部車網圍繞智能網聯汽車展開合作，投放了 68 輛自動駕駛出租車；旗下擁有 T3 出行平臺；且與華為智駕合作穩步推進。數據來源：特斯拉、百度 Apollo、如祺出行、長安汽車、東方證券研究所 現階段百度、小馬智行等部分先行者在 Robotaxi 運營

58、層面處于領先，但隨著 Robotaxi 試點在全國范圍內逐步鋪開，預計實力較強的自動駕駛公司及整車公司均將有望在中國 Robotaxi 市場占據一定份額：（1）預計各地政府將選擇性地支持部分 Robotaxi 企業，促進當地 Robotaxi 相關企業發展，例如上海市為百度智行、小馬智行、AutoX 安途以及上汽旗下賽可智能發放首批上海市無駕駛人智能網聯汽車示范應用許可；蘿卜快跑、小馬智行、AutoX 安途以及如祺出行獲得深圳市寶安區智能網聯汽車商業化試點資格，獲得地方試點資格的企業有望在當地 Robotaxi 市場獲得部分市場份額。（2）長安汽車、上汽集團等部分頭部整車企業亦具備較為成熟的高

59、級別自動駕駛技術及相關試點資格，未來有望主導運營或是與自動駕駛公司及出行平臺合作，參與 Robotaxi 市場競爭并獲取份額。汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。18 圖 16：Robotaxi 競爭格局 數據來源：東方證券研究所繪制 5 主要投資策略主要投資策略 從投資策略上看，預計 Robotaxi 有望逐步實現商業化，將部分替代 B 端出租車和網約車，且將加快汽車智能化進程，無人駕駛產業鏈中游及下

60、游如自動駕駛方案供應商和整車企業有望受益，提供智能化硬件、軟件的上游公司也有望受益。建議關注：布局 Robotaxi 產業鏈的整車企業：長安汽車(000625，買入)、比亞迪(002594，未評級)、江淮汽車(600418，未評級)、上汽集團(600104，買入)；布局智能化零部件公司：伯特利(603596，買入)、經緯恒潤-W(688326，買入)、保隆科技(603197，未評級)、華域汽車(600741，買入)、德賽西威(002920，買入)、華陽集團(002906，買入)、科博達(603786，買入)等。表 5：主要公司估值表 數據來源：Wind、東方證券研究所（說明：EPS 采用 Wi

61、nd 一致預期，已按最新股本攤?。? 主要風險提示主要風險提示 宏觀經濟下行影響汽車需求宏觀經濟下行影響汽車需求。若 2024 年宏觀經濟低于預期，消費者推遲購車，則將影響乘用車需求，進而影響行業整體盈利能力。自動駕駛技術發展不及預期自動駕駛技術發展不及預期。若自動駕駛技術發展進程低于預期，則將影響行業整體盈利能力。Robotaxi 商業化進程不及預期。商業化進程不及預期。若 Robotaxi 商業化進程低于預期，則將影響行業整體盈利能力。自動駕駛政策推進不及預期自動駕駛政策推進不及預期。若自動駕駛政策推進低于預期，則會影響產業商業化進程，進而影響行業整體盈利能力。、2023A2024E202

62、5E2026E2023A2024E2025E2026E000625.SZ長安汽車13.001.140.871.101.3011.3814.9311.8610.00002594.SZ比亞迪230.4010.3312.7616.1019.6622.3118.0614.3111.72600418.SH江淮汽車19.260.070.090.270.39277.63208.5571.6349.70600104.SH上汽集團13.741.221.281.391.5011.2710.769.879.15603596.SH伯特利36.391.471.942.523.2024.7618.7914.4211.36

63、688326.SH經緯恒潤-W60.10-1.810.172.053.66-33.19348.3829.2916.44603197.SH保隆科技28.551.792.353.154.0015.9812.169.067.14600741.SH華域汽車14.722.292.412.622.806.436.105.635.25002920.SZ德賽西威85.122.793.784.896.1930.5422.5117.4213.75002906.SZ華陽集團24.080.891.231.622.0527.1819.6214.8911.73603786.SH科博達47.081.512.152.793.

64、4531.2221.8616.8813.63證券代碼證券簡稱收盤價（08-12）EPSPE 汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。19 假設條件變化影響測算結果。假設條件變化影響測算結果。文中測算基于設定的前提假設基礎之上，存在假設條件發生變化導致結果產生偏差的風險。汽車與零部件行業深度報告 Robotaxi有望促進自動駕駛技術迭代，產業鏈加快商業化進程 有關分析師的申明，見本報告最后部分。其他重要信息披

65、露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。20 分析師申明 每位負責撰寫本研究報告全部或部分內容的研究分析師在此作以下聲明：每位負責撰寫本研究報告全部或部分內容的研究分析師在此作以下聲明：分析師在本報告中對所提及的證券或發行人發表的任何建議和觀點均準確地反映了其個人對該證券或發行人的看法和判斷；分析師薪酬的任何組成部分無論是在過去、現在及將來，均與其在本研究報告中所表述的具體建議或觀點無任何直接或間接的關系。投資評級和相關定義 報告發布日后的 12個月內行業或公司的漲跌幅相對同期相關證券市場代表性指數的漲跌幅為基準（A 股市場基準為滬深 300

66、指數，香港市場基準為恒生指數，美國市場基準為標普 500 指數）；公司投資評級的量化標準公司投資評級的量化標準 買入：相對強于市場基準指數收益率 15%以上；增持：相對強于市場基準指數收益率 5%15%；中性：相對于市場基準指數收益率在-5%+5%之間波動；減持：相對弱于市場基準指數收益率在-5%以下。未評級 由于在報告發出之時該股票不在本公司研究覆蓋范圍內，分析師基于當時對該股票的研究狀況，未給予投資評級相關信息。暫停評級 根據監管制度及本公司相關規定，研究報告發布之時該投資對象可能與本公司存在潛在的利益沖突情形；亦或是研究報告發布當時該股票的價值和價格分析存在重大不確定性，缺乏足夠的研究依

67、據支持分析師給出明確投資評級；分析師在上述情況下暫停對該股票給予投資評級等信息，投資者需要注意在此報告發布之前曾給予該股票的投資評級、盈利預測及目標價格等信息不再有效。行業投資評級的量化標準行業投資評級的量化標準：看好：相對強于市場基準指數收益率 5%以上；中性：相對于市場基準指數收益率在-5%+5%之間波動；看淡：相對于市場基準指數收益率在-5%以下。未評級：由于在報告發出之時該行業不在本公司研究覆蓋范圍內，分析師基于當時對該行業的研究狀況，未給予投資評級等相關信息。暫停評級：由于研究報告發布當時該行業的投資價值分析存在重大不確定性，缺乏足夠的研究依據支持分析師給出明確行業投資評級；分析師在

68、上述情況下暫停對該行業給予投資評級信息，投資者需要注意在此報告發布之前曾給予該行業的投資評級信息不再有效。免責聲明 本證券研究報告（以下簡稱“本報告”）由東方證券股份有限公司（以下簡稱“本公司”）制作及發布。本公司不會因接收人收到本報告而視其為本公司的當然客戶。本報告的全體接收人應當采取必要措施防止本報告被轉發給他人。本報告是基于本公司認為可靠的且目前已公開的信息撰寫，本公司力求但不保證該信息的準確性和完整性，客戶也不應該認為該信息是準確和完整的。同時，本公司不保證文中觀點或陳述不會發生任何變更，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證券研究報告。本公司會適時更新我們的研

69、究，但可能會因某些規定而無法做到。除了一些定期出版的證券研究報告之外，絕大多數證券研究報告是在分析師認為適當的時候不定期地發布。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，也沒有考慮到個別客戶特殊的投資目標、財務狀況或需求?？蛻魬紤]本報告中的任何意見或建議是否符合其特定狀況，若有必要應尋求專家意見。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投資標的的邀請或向人作出邀請。本報告中提及的投資價格和價值以及這些投資帶來的收入可能會波動。過去的表現并不代表未來的表現，未來的回報也無法保證，投資者可能會損失本金。外匯匯率波動

70、有可能對某些投資的價值或價格或來自這一投資的收入產生不良影響。那些涉及期貨、期權及其它衍生工具的交易，因其包括重大的市場風險，因此并不適合所有投資者。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，投資者自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。本報告主要以電子版形式分發，間或也會輔以印刷品形式分發，所有報告版權均歸本公司所有。未經本公司事先書面協議授權，任何機構或個人不得以任何形式復制、轉發或公開傳播本報告的全部或部分內容。不得將報告內容作為訴訟、仲裁、傳媒所引用之證明或依據，不得用于營利或用

71、于未經允許的其它用途。經本公司事先書面協議授權刊載或轉發的，被授權機構承擔相關刊載或者轉發責任。不得對本報告進行任何有悖原意的引用、刪節和修改。提示客戶及公眾投資者慎重使用未經授權刊載或者轉發的本公司證券研究報告，慎重使用公眾媒體刊載的證券研究報告。HeadertTable_Address東方證券研究所 地址：上海市中山南路 318 號東方國際金融廣場 26 樓 電話：傳真：021-63325888 021-63326786 東方證券股份有限公司經相關主管機關核準具備證券投資咨詢業務資格，據此開展發布證券研究報告業務。東方證券股份有限公司及其關聯機構在法律許可的范圍內正在或將要與本研究報告所分析的企業發展業務關系。因此，投資者應當考慮到本公司可能存在對報告的客觀性產生影響的利益沖突，不應視本證券研究報告為作出投資決策的唯一因素。