汽車行業(yè)專題研究：如何評價車企端到端能力

充分簡化運算步驟，減少人工特征工程的需要，并識別出數(shù)據(jù)中關(guān)聯(lián)性，充分提升計算效率。受益于有效行為軌跡數(shù)據(jù)規(guī)模提升，智能駕駛端到端劃模式加速，逐步成為代表智能駕駛實現(xiàn)高階功能參考大模型的發(fā)展，端到端智能駕駛大模型具備涌現(xiàn)效應。我們認為，評；（練能力和數(shù)據(jù)存儲能力，訓練算力成為運算速度的關(guān)鍵，云架構(gòu)優(yōu)化算力；（各家代碼并不開源，無法直觀評價各家智能駕駛模型。我們集中在車端軌跡數(shù)據(jù)規(guī)模和訓練數(shù)據(jù)能力兩個維度，使用研發(fā)費用替代軟件開發(fā)能力。 我們從整車端和訓練端兩個維度進行當下時點各車企對車企智能駕駛端到斯拉和新勢力領(lǐng)先，自主品牌加速跟進2）域控制器式架構(gòu)后車型銷量與里程積累正相關(guān)，理想銷量領(lǐng)先，華為、小鵬快速跟進，自主品牌后續(xù) 理想汽車和小鵬汽車有望憑借端到端落地節(jié)奏領(lǐng)先實現(xiàn)大模型的領(lǐng)先。零商。重點推薦高速連接器供應商電連技術(shù)；線控底盤域供應商伯特利、拓普集團、保隆科技、中鼎股份；區(qū)域控制器核心供應商經(jīng)緯恒潤；智能駕風險提示：智能化車端進展不及預期；算力建1、《汽車：智電加速升級，龍頭行穩(wěn)致遠》2請務必閱讀報告末頁的重要聲明 4 5 2.1數(shù)據(jù)獲?。杭軜?gòu)升級和車端算力保證車 82.2數(shù)據(jù)訓練：算力類型及數(shù)量決定速度， 4.1整車端：高智能駕駛端投入和車型保有量領(lǐng) 4.2零部件端：E/E架構(gòu)升級、算力等方向供應商有望充分收益 4請務必閱讀報告末頁的重要聲明V12.1，主要是用于特斯拉員工的內(nèi)部測試。特斯拉V12版本實現(xiàn)從攝像頭數(shù)據(jù)輸入升級，同時FSD數(shù)據(jù)的完整后充分提升行為軌跡數(shù)據(jù)的使用效率圖表1：特斯拉FSDBetaV12后加速端到端的應用資料來源：NotaTeslaApp，騰訊新端到端神經(jīng)網(wǎng)絡充分簡化運算步驟，減少人工特征工程的需要，并識別出數(shù)據(jù)圖表2：智能駕駛端到端大模型架構(gòu)受益于有效數(shù)據(jù)規(guī)模的提升，智能駕駛端到端模泛化、增強可解釋性、數(shù)據(jù)融合、基于人類定義規(guī)則的預訓練。2需求。通過數(shù)據(jù)規(guī)模提升和數(shù)據(jù)間關(guān)聯(lián)性可讀性的提升，2023圖表3：自動駕駛功能技術(shù)路線時間圖資料來源：End-to-endAutonomousDriving:ChallengesandFrontiers，LiChen,PenghaoWu,KashyapChitta,Bernhard6請務必閱讀報告末頁的重要聲明圖表4：智能駕駛端到端大模型具備更高的實現(xiàn)能力和表現(xiàn)上限車端和訓練端的配合有望提升數(shù)據(jù)使用效率和模型迭代速度。在過去的智能駕圖表5：自動駕駛端到端能力拆分評價車企端到端智能駕駛模型能力的主要參數(shù)指標為車端軌跡數(shù)據(jù)規(guī)模、訓練圖表6：自動駕駛端到端能力拆分8請務必閱讀報告末頁的重要聲明參考大模型的發(fā)展，數(shù)據(jù)規(guī)模成為影響端到端大模型迭代速度的關(guān)鍵，受益于累計里程數(shù)據(jù)規(guī)模的提升模型準確性。端到端智能駕駛模型是通過傳感器完成周圍圖表7：大模型具有明顯的“涌現(xiàn)”現(xiàn)象圖表8：車輛軌跡數(shù)據(jù)主要內(nèi)容BernhardJaeger,AndreasGeigerandHongyangLi，國聯(lián)證知等各層級架構(gòu)均完成冗余設(shè)計，從而保證高階功能的安全圖表9：汽車E/E架構(gòu)升級路線圖表10：智能駕駛催化E/E架構(gòu)升級圖表11：L3/L4對E/E架構(gòu)的需求升級為軌跡數(shù)據(jù)回流。影子模式是指在有人駕駛狀態(tài)下，智能駕駛系統(tǒng)及傳感器仍然運證數(shù)據(jù)回流的關(guān)鍵，車端中高階算力芯片成為硬件的又一要求。圖表12：影子模式的訓練模式圖表13：智能駕駛數(shù)據(jù)閉環(huán)流程示意圖我們認為車端核心參數(shù)指標為車輛行為軌跡數(shù)據(jù)規(guī)模，車輛行為軌跡數(shù)據(jù)規(guī)模領(lǐng)先的車企有望加速模型進入涌現(xiàn)階段。車輛行為軌跡數(shù)據(jù)規(guī)模等于具備行為軌跡冗余集中式或中央計算式E/E架構(gòu)車型成為硬件要求?？傑囕v和運華為HCCS采用對等拓撲，GPU-to-圖表14：訓練段GPU性能對比4nm4nm10FP16FP16TensorCore312/624TFLOPS3FP8TensorCoreNOTsup資料來源：第一電動車網(wǎng)，小鵬汽車，小米汽車圖表15：英偉達A100GPU架構(gòu)圖表16：華為HCCS架構(gòu)圖表17：云計算能力持續(xù)升級12功能，同時云端高質(zhì)量的仿真測試體系有望加速算法迭代。圖表18：車端行為軌跡數(shù)據(jù)產(chǎn)生量較大，存儲需求旺盛圖表19：云端可以優(yōu)化數(shù)據(jù)，保證數(shù)據(jù)運行效率根據(jù)上述分析，我們將從數(shù)據(jù)獲取能力和數(shù)據(jù)訓練能力兩個維度進行當下時點架構(gòu)再升級至中央計算平臺式架構(gòu)，是E/E架構(gòu)進展領(lǐng)先13圖表20：車端智能從域控制器式架構(gòu)向中央計算平臺式架構(gòu)升級圖表21：主要車企E/E架構(gòu)迭代節(jié)奏14圖表22：行泊一體滲透率快速提升行泊一體-標配14%12%10%8%6%4%2%0%2023-01i2023-022023-032023-042023-052023-062023-072023-082023-092023-102023-112023-122024-012024-022024-032024-042023-01i2023-022023-032023-042023-052023-062023-072023-082023-092023-102023-112023-122024-012024-022024-032024-04圖表23：L2+車型中行泊一體方案占比提升明顯——行泊一體標配占比85%80%75%70%65%60%55%50%2023-01i2023-022023-032023-042023-052023-062023-072023-082023-092023-102023-112023-122024-012024-022024-032024-042023-01i2023-022023-032023-042023-052023-062023-072023-082023-092023-102023-112023-122024-012024-022024-032024-04圖表24：各家車企域架構(gòu)平臺車型及上市時間15圖表25：自動駕駛核心計算芯片迭代車端算力部署及銷量：中高芯片布局加速，車端計牌后續(xù)有望憑借車型節(jié)奏迭代和新車上市，加速車型銷量提升。16圖表26：自研系新勢力芯片方案及銷量（輛）900,000800,000700,000600,000500,000400,000300,000200,0000特斯拉Xavier特斯拉圖表28：比亞迪子品牌芯片方案及銷量（輛）比亞迪子品牌：2023年至2024年4月方案及銷量4,0000地平線J3英偉達OrinX騰勢英偉達Orin*2英偉達OrinX*2仰望圖表27：華為系芯片方案及銷量（輛）華為系：2023年至2024年4月方案及銷量80,00040,0000圖表29：吉利及子品牌芯片方案及銷量（輛）吉利各品牌：2023年至2024年4月方案及銷量8,0004,0000黑芝麻A1000地平線J3+TITDA黑芝麻A1000英偉達英偉達英偉達極氪黑芝麻A1000*2地平線J3+TITDA黑芝麻A1000*2領(lǐng)克圖表30：華為系、比亞迪、吉利、上汽系品牌集中式域架構(gòu)車型累計銷量（輛）0——問界——智界——阿維塔——騰勢仰望——飛凡智己吉利極氪領(lǐng)克17域控制器式架構(gòu)后車型銷量與里程積累正相關(guān)，銷量加速有望帶動車輛行為軌斯拉FSDBeta11.4版本迭代后使用頻率圖表31：FSD累計里程與HW3.0車型累計銷量FSD累計歷程數(shù)（百萬公里）特斯拉HW3.0上市后車型銷量（萬輛）（右軸）80040004504000資料來源：Marklines，特斯拉季圖表32：特斯拉FSD里程月度增長迅速累計里程月度增量（百萬公里）0資料來源：Marklines，特斯拉季圖表33：特斯拉FSDV12上市后累計里程數(shù)據(jù)突破十億公里駕駛有效里程可以拆分為當前存量數(shù)據(jù)和新增智能駕駛有效里程兩部分。存量數(shù)據(jù)18定單車單日行駛里程數(shù)基本一致的情況下，我們將新增智能駕駛有效里程拆分為付圖表34：各家車企智能駕駛2023年至今車型銷量及智能駕駛付費模式資料來源：各公司官網(wǎng)，Marklines，各家公司智能化發(fā)布會，各家車企的用戶在智能駕駛裝配率和月均使用里程數(shù)量保持一致。最終通過累加求圖表35：各家智能駕駛里程數(shù)據(jù)計算方法19圖表36：各家車企具備數(shù)據(jù)回收車型保有量（萬輛）——小鵬蔚來——理想——華為系2020年10月2021年9月2022年8月2023年7月圖表37：各家車企智能駕駛累計里程測算（萬公里）——小鵬——蔚來——理想——華為系02020年10月2021年9月2022年8月2023年7月蔚來使用騰訊云，小鵬和吉利與阿里云合作，理想和長城使用火山引擎。圖表38：車企車端算力部署進展A100A100A100服務器服務器服務器服務器服務器20請務必閱讀報告末頁的重要聲明圖表39：各家研發(fā)費用對比（億元）0特斯拉蔚來理想小鵬企智能駕駛端到端進展的重要數(shù)據(jù)指標。車企智能駕駛端到端大模型作為智能駕駛一方面，域架構(gòu)/中央計算架構(gòu)車型保有量、算力建設(shè)情車企的研發(fā)支出（包括研發(fā)費用和研發(fā)成本影響降低迭代效率。其他自主品牌中，由于具備集中式E/E架構(gòu)構(gòu)車型較少，可實現(xiàn)數(shù)據(jù)積累的車型數(shù)量短期內(nèi)不足21請務必閱讀報告末頁的重要聲明圖表40：車企智能駕駛端到端模型評價體系及主要參數(shù)圖表41：車企端到端大模型評價體系—47.748%A100A100+ConnectX-6A100服務器器服務器資料來源：各公司官網(wǎng)，Marklines，各家公司智能化發(fā)布會，注：車型占比測算為歷史數(shù)據(jù)拆分的估計值22請務必閱讀報告末頁的重要聲明4.投資建議：建議關(guān)注端到端領(lǐng)先整車廠和智能/域架構(gòu)供應端到端作為未來高階智能駕駛的技術(shù)路線，有望加速高階功能的落地。研發(fā)集中智能化領(lǐng)跑的整車廠和核心智能駕駛解決方案供應商及優(yōu)質(zhì)零部件供應智能駕駛端到端大模型作為未來發(fā)展方向，車企是主要的投入議關(guān)注域架構(gòu)車型領(lǐng)先且對應車型保有量高的、智能駕駛研發(fā)支出較高的車企。從于華為算力領(lǐng)先完成功能迭代，同時優(yōu)質(zhì)車型保有量提升有望幫助完成數(shù)據(jù)規(guī)?；叵葘崿F(xiàn)大模型的領(lǐng)先，自主品牌有望加速實現(xiàn)集中式域架構(gòu)車型數(shù)數(shù)據(jù)傳輸階段：需要保持較高規(guī)模的數(shù)據(jù)規(guī)模的傳23請務必閱讀報告末頁的重要聲明24請務必閱讀報告末頁的重要聲明本報告署名分析師在此聲明：我們具有中國證券業(yè)協(xié)會授予的證券投資咨詢執(zhí)業(yè)資格或相當?shù)膶I(yè)勝任能力，本報告所表述的所有觀點對標的證券和發(fā)行人的個人看法。我們所得報酬的任何部分不曾與，不與，也將不會與本報告中的具體投資建報告中投資建議所涉及的評級分為股票評級和行業(yè)評級指數(shù)為基準，新三板市場以三板成指（針對協(xié)議轉(zhuǎn)讓標市場以摩根士丹利中國指數(shù)為基準；美國市