汽车行业深度报告 证券研究报告·行业深度报告·汽车 AI+汽车智能化系列之一【大模型+政策+功能】三重共振开启L3智能化大行情! 增持(维持) 关键词:#新产品、新技术、新客户投资要点 重视新一轮汽车智能化大周期向上行情!复盘2010年以来汽车智能化行情已经走完2波:1)2014-2016年(mobileye/博世引领全球L2辅助驾驶,关键技术摄像头等视觉创新,代表性应用AEB/LCC等);2)2020-2022年(特斯拉引领全球准L3辅助驾驶,关键技术是大算力芯片+域控制器,代表性应用自动泊车+高速辅助驾驶)。我们预计2023年将酝酿开启第三波大行情!本轮全球引领者或是TransFormer架构的大模型助推下推出低成本L3自动驾驶方案的【特斯拉】,关键技术或是 【TransFormer架构的大模型+端到端感知方案(BEV+占用网络)】,代表性应用或是城市道路自动驾驶。区别于前2波,【政策法规】是L3-L4 落地的先行条件,对启动本轮行情具有更深远意义。基于目前产业链梳理核心受益标的:1)整车优选具备智能化先发优势【特斯拉/小鹏汽车 /华为合作伙伴(赛力斯/江淮等)】;2)高算力域控制器,推荐【德赛西威】【经纬恒润】,关注【均胜电子】【科博达】;3)冗余底盘执行单元,推荐【伯特利】【拓普集团】【亚太股份】【耐世特】;4)AI算法环节,推荐【中科创达】,关注【光庭信息】;智能化检测,推荐【中国汽研】。 特斯拉引领,基于大模型实现2D->3D环境建模,推动端到端感知方案落地,有效降低系统成本。TransFormer模型作为最强的特征提取器,加速大模型行业的发展,在自然语言领域获得突破性的成功。特斯拉借鉴其强大的特征提取能力,对多摄像头进行视觉融合,提出BEV(鸟瞰)算法,并通过占用网络算法实现2D->3D环境的实时建模以及路径矢量规划,全套模型参数量达到7500万,最终实现端到端的感知算法和环境搭建。借助大模型带来的感知算法效率提升,降低对于激光雷达 等高成本传感器的依赖性,从而有效降低高级别自动驾驶系统成本。基于TransFormer大模型驱动的BEV+占用网络算法成为主流车企下一代自动驾驶算法技术方向,高效率+成本下降有望推动渗透率进一步提 升。 自动驾驶分级政策法规有望落地,推动智能化行业进程。近年来从国家部委到地方政府对高级别自动驾驶发布了一系列政策和法规,从基础建设、测试标准、数据安全、高精地图、商业运营等方面进行完善。但是,国内有条件(L3级别)自动驾驶技术商业化落地的主要难点在于相关 责任定义的缺失,在实际操作中较难界定驾驶员和车企的责任。2023年,美国内华达州和加州先后批准了奔驰L3级别自动驾驶功能的上路运行,对于责任进行了清晰的划分,国内相关的政策法规也有望加速落地,明确L3级别自动驾驶功能的责任划分,在限定工况下责任由提供自动驾驶功能的车企或者第三方供应商承担。清晰的责任认定划分能够有效的区分车企在智能化维度的能力边界,有望推动智能化行业进程。 智能化产业趋势加速,本轮新车周期加速功能应用。2023H2-2024年或是这轮智能化新车上市密集时间窗口。基于目前产业跟踪,我们预计这波新车特征或是:1)符合L3智能化法规标准;2)城市NOA落地使用;3)成本下行至30万元以下,激光雷达不是必要条件。车企进展初 步排序:第一梯队领先(特斯拉/小鹏汽车/华为合作伙伴),第二梯队快速跟进(理想/蔚来/比亚迪/长城/吉利/长安/广汽/上汽等) 风险提示:L3级别自动驾驶政策推出节奏不及预期;乘用车价格战幅度超出预期;下游乘用车复苏不及预期。 2023年06月18日 证券分析师黄细里 执业证书:S0600520010001 021-60199793 huangxl@dwzq.com.cn 研究助理谭行悦 执业证书:S0600121070041 tanxy@dwzq.com.cn 行业走势 汽车沪深300 6% 3% 0% -3% -6% -9% -12% -15% -18% -21% 2022/6/202022/10/182023/2/152023/6/15 相关研究 《5月重卡批发环比-7%,重汽表现靓丽》 2023-06-16 《乘用车终端跟踪:6月新能源渗透率有望提升》 2023-06-15 1/31 东吴证券研究所 内容目录 1.技术+政策+新品周期,新一轮智能化有望加速5 1.1.2014-2016纯视觉方案崛起推动ADAS功能普及5 1.2.2020-2022特斯拉FSD推动整车E/E架构升级6 1.3.新一轮技术+政策+新品周期,共同推动高级别自动驾驶落地7 2.AI大模型加持,端到端感知方案实现降本增效7 2.1.CHATGPT横空出世,AIGC推动全新产业革命7 2.1.1.AIGC实现多模态输入输出,有望开创全新应用场景8 2.1.2.技术架构+参数规模持续迭代,大模型表现能力不断提升8 2.2.深度学习+强化学习,推动大模型成为NLP重要驱动力10 2.2.1.凭借历史数据提取特征,机器学习成为AI发展重要方向10 2.2.2.机器学习->深度学习,神经网络+海量数据提升学习效率11 2.2.3.专注人类逻辑思维模式,NLP成为AI重要应用领域12 2.2.4.大规模无监督训练技术应用,推动LLM成为NLP中重要构成13 2.3.TransFormer架构提升学习效率,推动大数据预训练成为可能14 2.3.1.CNN(卷积神经网络)提取数据特征,适用静态图像识别+分割14 2.3.2.RNN(循环神经网络)解决全局记忆,完成Seq2Seq问题15 2.3.3.TransFormer并行计算加速学习效率,成为重要特征提取器16 2.3.4.预训练大模型问世,生成式技术路线成为主要趋势19 2.4.TransFormer+BEV,加速推动L3智能驾驶落地20 2.4.1.模块化&端到端,智能驾驶两大算法框架20 2.4.2.借助TransFormer模型,特斯拉感知系统全面升级21 3.海内外政策逐步完善,有望加速实现突破23 3.1.抢占自动驾驶“智高点”,各国加速相关法规政策布局23 3.2.国内:中央+地方协同完善政策,道路测试+数据安全并举24 3.3.海外:加快构建规范自动驾驶发展的政策法规框架26 4.新技术方向确认,产品周期加速助推智能化28 5.投资建议29 6.风险提示30 2/31 东吴证券研究所 图表目录 图1:Mobileye芯片+摄像头方案5 图2:Mobileye芯片出货量(万颗)5 图3:自动驾驶解决方案分级6 图4:ADAS功能感知+决策+执行环节6 图5:博世E/E架构的演进路线图6 图6:分布式->域集中式变化6 图7:英伟达Orin芯片7 图8:底盘域控制系统7 图9:多模态大模型输入/输出8 图10:深度学习模型参数量快速提升/亿9 图11:大模型发布时间轴9 图12:机器学习实现流程11 图13:人工智能/机器学习/深度学习之间关系划分11 图14:感知机机制图示11 图15:标准前馈神经网络结构FNN12 图16:深度神经网络架构12 图17:NLP在人机交互过程中扮演重要角色13 图18:NLP主要功能及结构13 图19:Bert结构:主要针对自然语言理解类任务14 图20:GPT结构:主要针对自然语言生成类任务14 图21:CNN算法流程14 图22:经典神经网络和CNN的区别15 图23:CNN特征提取+分类识别15 图24:RNN结构的NtoN网络拓扑图16 图25:多种RNN结构16 图26:简单RNN机制结构16 图27:LSTM机制结构16 图28:传统Encoder-Decoder结构17 图29:引入Attention机制后的Encoder-Decoder结构17 图30:Self-Attention机制框图17 图31:Self-Attention机制计算原理框图17 图32:Self-Attention机制矩阵计算流程图18 图33:Multi-Head结构(以双头模型示例)18 图34:TransFormer模型结构18 图35:TransFormer的编码器(Encoder)部分19 图36:Bert模型掩码训练过程19 图37:TransFormer结构的Decoder部分20 图38:GPT模型预训练架构20 图39:自动驾驶解决方案21 图40:特斯拉BEV算法向量空间的线和边界21 图41:BEV架构模型图例22 图42:BEV感知模型框架图22 3/31 东吴证券研究所 图43:矩形框识别23 图44:网络占用算法23 图45:特斯拉神经网络处理过程23 图46:地图矢量规划23 图47:北京自动驾驶车辆道路测试成果25 图48:自动驾驶示范区数据安全管理政策26 图49:导航电子地图制作甲级测绘资质单位数量26 图50:美国各州自动驾驶法规政策情况26 图51:韩国自动驾驶普及“三步走”计划27 图52:飞凡汽车搭载的激光雷达28 图53:理想ADMAX自动驾驶系统感知硬件28 图54:特斯拉FSDBetaV11.3.6版本28 图55:比亚迪多传感器BEV+TransFormer架构28 表1:国内外自动驾驶相关法律法规加速落地24 表2:车企最新高级别自动驾驶架构及进展29 4/31 1.技术+政策+新品周期,新一轮智能化有望加速 1.1.2014-2016纯视觉方案崛起推动ADAS功能普及 在21世纪前的汽车百年历史中,从定速巡航系统(CCS)->车身动态稳定系统 (ABS/ESC)->自适应巡航系统(ACC,通过毫米波雷达),产业一直在努力让更多的技术来帮助司机更加轻松、安全的操控汽车。 但早期的设计更多的采用机械式,直到2008年Mobileye的横空出世,通过成熟的纯视觉方案先后实现了车道偏离预警(LDW,2008年)、自动紧急制动(AEB,2009年)、前方碰撞预警(FCW,2010年)、自适应巡航系统(ACC,2013年)等多项ADAS功能。单颗摄像头+芯片的技术架构大幅降低了系统的生产成本,同时具备完善的功能应用,因此随着2013年纯视觉ACC功能的推出,Mobileye的芯片开始受到各大主流中高端汽车品牌的青睐,几乎成为各家唯一的ADAS方案商,出货量大幅攀升,成功的推动ADAS功能的普及。 图1:Mobileye芯片+摄像头方案图2:Mobileye芯片出货量(万颗) 2000 1600 1200 800 400 0 数据来源:汽车之家,东吴证券研究所绘制数据来源:有驾汽车,东吴证券研究所绘制 根据美国SAE的分级,将自动驾驶分为L1-L5级别。Mobileye领衔的纯视觉方案成为L2级别及以下自动驾驶方案的首选,特斯拉的S/X车型自动驾驶方案也是采用其EQ3芯片,推动了整套系统的快速普及。在ADAS系统的感知、决策、执行三大环节中,感知由Mobileye完成,高质量的传感器信息大幅降低了决策环节的难度,并且也加 速了执行环节的电控国产替代需求:制动(ABS/ESC),转向(EPS电动助力转向)。 5/31 东吴证券研究所 东吴证券研究所 图3:自动驾驶解决方案分级图4:ADAS功能感知+决策+执行环节 数据来源:汽车之家,东吴证券研究所数据来源:汽车之家,东吴证券研究所绘制 1.2.2020-2022特斯拉FSD推动整车E/E架构升级 2019年特斯拉发布ModelY车型,相较于2017年发布的Model3车型其最大的变化来自于整车电子电器(E/E)架构,从过去的分布式架构开始向域集中架构转变,这也符合博世公司提出的电子电器架构变革的技术方向。通过E/E架构的变化,特斯拉有效地解决了分布式之前的算力不足,难以支持OTA升级等多种问题,并且推出了基于自研芯片的AutoPilotHW3.0的新一代FSD自动驾驶系统。 图5:博世E/E架构的演进路线图图6:分布式->域集中式变化 数据来源:汽车之家,东吴证券研究