智能汽车专题：城市NOA迎爆发：技术趋势、商业模式和竞争格局解析

敬请参阅最后一页特别声明 1 —— 智驾核心算法取得重大突破，行业步入城市NOA新时代。智能驾驶一直是市场最为关注的方向，但是前几年L2+、L4的公司一直没有取得重大商业化突破，核心是因为算法一直是智驾的最短板所在，从数据标注、仿真训练到感知、识别和预测，均存在一系列问题。在特斯拉引领的Transformer+Bev架构驱动下，智驾算法趋近于端到端的智驾大模型，使得智能驾驶开始步入城市NOA新时代。 算法闭环，城市NOA将从四方面对产业链进行重构。Transformer+Bev+Occupancy实现了智驾的3D场景重建和认知，LanesNetwork则解决了高精地图因素对智驾泛化的制约，催生城市NOA的普及，智驾算法逐步过渡到端到端的大模型阶段。其中，城市NOA将对产业链从四个层面进行重构：1）智驾硬件技术迭代加速、2）商业模式变革、3）竞争格局和4）供应链颠覆。 1、智驾硬件技术迭代加速：4D毫米波、传感器清洗系统、中央域控和线控&一体化执行器是最重要、最明确的新技术迭代方向。 2、商业模式变革：整车厂和零部件的分工边界将会出现变革，系统级tier1让位于模块化tier1；整车环节的制造、品牌和软件会开始分离，代工商、品牌商以及软件系统供应商会分别独立存在；应用付费模式有望兴起，智能车跟手机最大的不同点在于智能车不仅能创造信息流，还能承担物流和客运流，三大流量将成为应用付费的主要来源。 3、竞争格局颠覆：特斯拉+国内的华理蔚小都开始布局城市NOA，类似于智能手机领域的苹果，全栈智驾车龙头有望率先走出。同时，智能车将颠覆传统车的产品周期性强和后发优势显著的产业波动规律，而是展现出强者恒强的马太效应。 4、供应链颠覆：下游整车和品牌商一旦竞争格局出现变化，整个上游供应链将全面洗牌。电动车零部件供应链已经经历了4年的贝塔行情，23年是拐点，供应链投资将是未来的主旋律。 汽车行业行业进入大整合时代，智能驾驶奇点时刻来临。软硬件分离趋势下，车企智驾差距拉大带来合作需求，未来车企智能化&油车出清将加速，建议持续关注智能化对行业带来的边际变化。站在当前时点，整车端建议关注软硬件实力兼具、具备先发优势的车企。 问界M7超预期抬高市场热度，预计11月智界S7、12月问界M9有望再超预期，带动智能化加速。建议关注华为系及其供应链，整车端赛力斯、江淮、长安等；零部件建议关注华为座椅、智慧车灯、AR-HUD、光场屏等供应商。如星宇股份、沪光股份等。 智能化进度不及预期、L3法规落地时间不及预期、智能汽车市场渗透率不及预期 内容目录 一、技术趋势：软硬件技术逐步成熟，城市NOA将是爆点4 1.1算法：Transformer+Bev+Occupancy+LanesNetwork闭环4 1.2传感器：4D毫米波雷达趋势强化4 1.3传感器：ADAS清洗，L3+催生百亿市场空间5 1.4控制器：中央域控趋势加速5 1.5执行器：线控+一体化，底盘技术迭代仍在加速6 二、商业模式：产业再分工和软件盈利模式探讨7 2.1行业的垂直分工迎来巨变，整车或将演绎品牌、制造和软件的分离7 2.2复盘手机盈利模式：汽车盈利模式如何演绎？9 三、竞争格局：数据竞争进行时，产业分工仍不清晰9 3.1城市NOA，数据要素的跑马圈地刚刚开始9 3.2华为智驾系统赋能：赛力斯、长安汽车（阿维塔）12 3.3小鹏：平台与软件双轮驱动，自研积累抢占先发优势12 3.4理想：新势力龙头后来居上，双能战略赋能公司竞争13 3.5蔚来：自驾最早起步者，积淀深厚公司厚积薄发14 3.6从传统汽车到智能汽车，整车格局如何看14 四、供应链：淘汰赛阶段，关注龙头供应链16 4.1华为供应链：步入新车周期，大级别机会显现16 4.2奇瑞供应链：受益华为智选车放量，核心供应商获益17 4.3特斯拉供应链：FSD即将落地，全栈自研龙头持续发力18 五、投资建议19 六、风险提示19 图表目录 图表1：智驾算法已经形成技术和场景闭环4 图表2：不同企业智能驾驶技术路线4 图表3：车企4D毫米波雷达装载情况4 图表4：4D毫米波雷达工作原理5 图表5：统3D毫米波雷达仅有对X、Y轴的感知5 图表6：法雷奥固态激光雷达的清洗装置5 图表7：ADAS清洗产品市场空间测算（亿元）5 图表8：不同阶段的域控制器发展方向6 图表9：现有不同价格车型智能驾驶决策层算力布置6 图表10：磁流变减震器7 图表11：REE的一体化底盘7 图表12：智能车下模块化崛起7 图表13：车领域的大模块7 图表14：目前市场上整车制造和品牌、软件的分离8 图表15：小鹏与大众的合作模式对比大众其他模式8 图表16：富士康历年营业收入（亿新台币）8 图表17：安卓与iOS两大软件阵营形成8 图表18：苹果年度营业收入构成（百万美元）9 图表19：特斯拉年度营业收入构成（百万美元）9 图表20：各家智驾方案对比10 图表21：23-24年国内车企推出城市NOA车型一览11 图表22：国内L3级别智能驾驶新车型及销量预测（万辆）11 图表23：业界首创的激光融合GOD网络12 图表24：ADS2.0的传感器数量实现了减法优化12 图表25：华为城市NOA发展历程12 图表26：Xpilot迭代进程13 图表27：业界首创的激光融合GOD网络14 图表28：ADMax3.0搭载两颗英伟达Orin-X芯片14 图表29：蔚来智驾发展历程14 图表30：NT2.0相较于NT1.0提升14 图表31：主要车企历年销量（万辆）15 图表32：主要车企历年营收（亿元）15 图表33：主要车企股价（元）15 图表34：传统车与智能车的竞争模式15 图表35：2015-2022年手机行业利润分布16 图表36：22年手机产业链厂商净利比较（亿人民币）16 图表37：华为汽车供应链厂商梳理16 图表38：华为智选车模式下合作车型17 图表39：华为系部分核心零部件供应商及单车ASP（元）17 图表40：奇瑞智界S718 图表41：华为-奇瑞核心供应商18 图表42：特斯拉供应链厂商梳理18 1.1算法：Transformer+Bev+Occupancy+LanesNetwork闭环 L2阶段，算法层面只需要防碰撞。L2+开始，对算法的要求是有不同程度的自主驾驶能力，要求算法具有环境感知和认知能力。 目前行业L2+技术路线主要以特斯拉和Mobileye为代表的transformer和sfm。sfm对算力要求低、精度也低。19年开始，特斯拉使用transformer+Bev+Occupancy实现图到立体向量空间，2020年后，用LanesNetwork进行矢量地图绘制，逐步摆脱地图限制。目前特斯拉的自动驾驶算法方案已经成为国内新势力等的主流方案。 无图化趋势加速。（1）高精地图覆盖城市数量有限。2022年，自然资源部发文推北京、上海、广州、深圳、杭州、重庆六大城市智能网联汽车高精地图试点；（2）采集地图成本过高；（3）甲级地图资质收紧，目前仅仅十余家。（4）高精地图为重资产，更新频率慢难以满足需求。 目前算法技术已经形成技术和场景闭环，短板解决后，无图的城市NOA将是下一个应用爆点。 图表1：智驾算法已经形成技术和场景闭环图表2：不同企业智能驾驶技术路线 企业 技术路线 小马智行 自研BEV，导航地图实现高速与城市NOA功能 毫末智行 NOH，空间、时间和传感器BEV 轻舟智航 OmniNet，前融合和BEV空间特征融合 地平线 SuperDrive感知融合BEV技术 纽劢科技 BEVSegFormer，任意配置相机进行BEV语义分割 蔚来 感知向特斯拉看齐 理想 ADMax 百度 UniBEV车端和路端感知数据放到同一个坐标系 来源：各公司公告，国金证券研究所来源：各公司公告，国金证券研究所 1.2传感器：4D毫米波雷达趋势强化 4D毫米波雷达相对传统雷达三维度增加了俯仰角维度，可以感知“高度”，获得了笛卡尔坐标系下z轴方向距离，功能上可以替代低线束激光雷达。同时采用12T16R大天线阵列提升虚拟通道数，同时拥有角度超分辨算法，可实现高分辨率和更高精度的检测。4D毫米波雷达探测距离可达300-350m，而传统3D毫米波雷达仅有150-200m。 而相对于激光雷达，4D毫米波雷达具有：1）价格低廉。目前4D毫米波雷达成本在1300元附近，特斯拉使用的成本约1500元，而激光雷达成本在6000-8000元。2）无惧恶劣天气。毫米波雷达收发毫米波具备较强穿透性，可在阴雨、沙尘等恶劣天气下工作，激光雷达激光器则会受到影响。3）部分性能上具备优势等优点。 部分替代激光雷达，特斯拉已经装车，国内25年后逐步上车。4D毫米波雷达凭借性价比，将对低端激光雷达形成替代。从研发量产节奏上看，特斯拉已经装车，国内车企25年开始装车。 图表3：车企4D毫米波雷达装载情况 车企 车型 上市时间 价格（万元） 动力总成 4D毫米波雷达 特斯拉 ModelS/X 23年1月6日 80.89-105.89 纯电 自研雷达（采用TI方案） 上汽 飞凡R7 22年9月27日 27.99-38.99 纯电 Luminar1550纳米激光雷达 理想 理想L7 23年2月8日 31.98-37.98 插混 森思泰克2片级联4D成像雷达STA77-6 长安 深蓝SL03 22年7月25日 16.89-69.99 插混、纯电 森思泰克2片级联4D成像雷达STA77-6 来源：各车企官网，国金证券研究所 图表4：4D毫米波雷达工作原理图表5：统3D毫米波雷达仅有对X、Y轴的感知 来源：《毫米波雷达前端芯片关键技术探讨》，国金证券研究所来源：VDA，国金证券研究所 1.3传感器：ADAS清洗，L3+催生百亿市场空间 L3级自动驾驶正加速落地，从高速到城市场景正不断拓展，我们认为在政策、技术等核心因素驱动下，智能汽车渗透率提升，催生ADAS传感器清洗产品需求。目前行业处于起步阶段，国内外市场空间广阔，国内各家企业已经开始ADAS传感器清洗系统的研发工作，头部企业已经进入了小批量交样和路试阶段。 L3系统中驾驶员参与更少。一般L2级别搭载5～8颗摄像头，L3级别搭载8～16颗摄像头及1～3颗激光雷达。相对L2级别，L3级别的传感器用量更多，对镜头清洗的需求将会更旺盛。 ADAS传感器清洗系统产品构成主要包括：1）智能清洗泵：是ADAS传感器清洗产品的核心部件。清洗泵的智能化要求程度较高、同时需要保证体积更小、输出扭矩更大。智能化程度提升是清洗泵单个价值量上升的主要原因。传统汽车清洗泵通常为单通或双通清洗泵，仅用于前后挡风玻璃和大灯清洗，单个价值量在100元左右；L3级自动驾驶汽车普遍有10到12个外置传感器窗口需要清 洗，智能清洗泵单个价格量约200元到300元。2）电磁阀门：一般有电磁开关阀和电磁切换阀两种。电磁开关阀以最有效的方式将流体分配到多个喷嘴上；电磁切换阀可以提供两个不同出口之间的切换。3）其他：储液罐用于储存所用的清洁液，管路用于输送清洁液或压缩空气到喷嘴处，喷嘴用于喷射清洗介质。 传感器清洗系统是解决智驾cornercase重要一环。目前有气态、液态和气液混合三种技术方案，单车价值量约1000元，核心部件为智能清洗泵。随着L3级智能驾驶系统的上路，智能驾驶传感器清洗系统成为新的增长点。据我们预测，当全球L3+汽车销量达到5319万辆时，全球ADAS传感器清洗产品市场空间约194亿元。 图表6：法雷奥固态激光雷达的清洗装置图表7：ADAS清洗产品市场空间测算（亿元） 250 200 150 100 50 0 来源：智车科技，国金证券研究所来源：乘联会，各车企官网，国金证券研究所测算 1.4控制器：中央域控趋势加速 域控制器的核心是大算力芯片。L3级别的算力要求>24TOPS（1TOPS代表处理器每秒钟可以进行一万亿次计算）。目前高端汽车已搭载超过1亿行代码，未来随着自