汽车行业深度报告：智能汽车系列深度（十八）：体验为先，高阶智驾落地进行时

车企逐鹿城市NOA，体验是提高功能渗透率的核心 自动驾驶大势所趋，小鹏、蔚来、理想、小米等新势力，长安、赛力斯、江淮、北汽等华为系以及吉利、上汽、长城、广汽等传统车企纷纷入场，竞相推出自家城市NOA方案，城市NOA正从“0-1”步向“1-10”。提高城市NOA渗透率，关键是提高消费者的付费意愿，而付费意愿与城市NOA所能提供的体验密切相关——用户愿意为体验良好的功能买单。为了探明各家车企自动驾驶体验情况，我们在4-6月密集地进行了自动驾驶路侧测试，首轮选取8家自动驾驶水平领先车企的相关车型，地点覆盖北京、上海、广州、重庆、纽约五大城市，系统地记录了测试中的场景数据，以反映城市NOA功能的真实使用体验。 FSDV12综合表现优秀，国内正快速提升功能覆盖度和能力 消费者希望自动驾驶行驶更加安全、能够做到地区的广泛覆盖、较少的接管次数，最好还能像老司机一样经验丰富。我们围绕场景建立自动驾驶体验框架，其中覆盖程度与安全接管反映自动驾驶系统是否能用，舒适接管与顺滑程度反映自动驾驶系统好不好用。测试结果显示，特斯拉FSD在覆盖程度、安全接管率上体验领先，特别是在场景中行为连贯、操作顺滑，表现出较强的拟人能力。国内车企自动驾驶总体处于快速提升覆盖度和能力的阶段，在测试中存在“覆盖度-接管率”上此消彼长的平衡，如问界与阿维塔测试车型对路网的覆盖程度较高但接管率同样较高，而小鹏在测试时仅覆盖了主要的路网，但接管率更低，在安全接管方面占优；而在顺滑程度方面，当前国内的城市NOA功能仅仅达到“能用”水平，距离功能“好用”、用户“爱用”仍有较大的差距。 感知层面基本成熟，预测、规控层面是体验差异化的主要来源 在感知层面，国内车企普遍采用BEV+Transformer的感知端到端方案，在测试中均展现出对周围路况的较强感知能力。预测、规控能力是国内智驾体验差异化的主要来源，这一点在城市之间的体验对比下则更为突出。预测层面，国内车企仍较难做到准确判断道路交通主体的意图，对运动轨迹的预判性不足；规控层面，在较难场景下表现出过犹豫，以及对路径规划选择不合时宜，此外可以发现国内车企对车道线的依赖性较强，在无车道线场景容易出现“画龙”。当前领先车企正致力于端到端大模型的上车，端到端模型架构下预测和规模模块都将引入泛化能力强的大模型，规控将表现得更为准确丝滑，类人的自动驾驶体验指日可待。 推荐及受益标的：整车标的推荐：比亚迪、长安汽车、长城汽车，受益标的：小鹏汽车-W、理想汽车-W、江淮汽车、北汽蓝谷、赛力斯、蔚来-SW。智能化龙头零部件和华为产业链值得期待，推荐德赛西威、均胜电子、华阳集团、北京君正、沪光股份、瑞鹄模具等，受益标的：博俊科技、上海沿浦等。 风险提示：技术发展进度不及预期、市场需求不及预期、数据结果存在偏差。 1、体验为先，车企竞相布局城市NOA 自动驾驶能力是车企在电动智能化时代最具重要性的竞争力，关键技术的突破带来功能的体验提升。汽车产业发展已经来到了重要的分水岭，电动智能化对于出行方式的改变正在加速，其影响深远，并将深刻改变汽车行业的格局。自动驾驶正是这一变化的重要推力，在国内，以城市NOA为代表的高阶智能驾驶逐渐走向大众，自动驾驶功能成为影响消费者购车的重要因素，逐渐构成车企在电动智能化时代的核心竞争力。从技术的角度，自动驾驶的发展是非匀速的。2021年7月特斯拉发布BEV+Transformer架构，大模型技术上车，同年10月FSD V10.2首次向公众推送； 时间来到2024年，使用端到端自动驾驶技术的FSD已经迭代到V12，用户完全无接管的行程次数达到72%，出众的技术体验赢得用户好评，构筑起护城河。从市场的角度，国内领先车企积极布局自动驾驶，相继推出城市NOA功能。小鹏、蔚来、理想、小米等新势力，长安、赛力斯、江淮、北汽等华为系以及吉利、上汽、长城、广汽等传统车企纷纷入场，竞相推出自家城市NOA方案，但不同厂商从投入资源、技术路线、布局时间上存在差异，因此自动驾驶功能水平远未进入同质化时代，用户还是会经常遇到需要接管的场景。车企自动驾驶能力的提高还处于“正在进行时”。 表1：车企纷纷布局城市NOA功能，供给端实现“0-1”阶段跨越 从市场接受的角度，自动驾驶属于新技术。在早期，会有小部分人群对新技术具有强烈的好奇心，而技术的进步会促使关心技术的人为之买单，在这一阶段是新技术的供给驱动；而在后期，技术需要提供实实在在的体验，才能打动消费者为之买单，提高功能的渗透率，自动驾驶的发展正从供给驱动向需求驱动转型。 供给驱动向需求驱动转型下，用户的体验权重上升，用户价值地位凸显。分析自动驾驶离不开需求侧的用户体验。消费者希望看到的自动驾驶进步是行驶更加安全（事故率）、能够覆盖的地区增多（覆盖度）、需要接管的次数减少（接管率），最好在行驶中能够提供像人类司机一样的顺滑体验。为了真实地反映与衡量当前阶段用户使用各家车企城市NOA的感受，我们针对智驾领先车企，在不同城市、用不同车型进行自动驾驶能力的道路测试，并以场景为中心对数据进行汇总记录。用户的良好体验一定发生在车企自动驾驶能力边界之内，因而自动驾驶体验的一手测试数据，也可以侧面反映出车企在自动驾驶方面的能力。 2、五大场景全方位对比领先车企智驾能力 2.1、择自驾水平领先车企，探其核心城市道路表现 选取自动驾驶水平领先的车企，于核心城市展开测试。本报告所列呈的自动驾驶测试，时间集中在2024年4-6月份。测试的主要功能是车企城市NOA功能。城市NOA是目前能够实现的难度最高也是体验最为重要的自动驾驶功能，水平领先的车企无论在技术还是市场认知上都具有一定的先发优势。 图1：城市道路需要处理的任务更加复杂，要求驾驶系统拥有更强的应对能力 （1）车企：鉴于当前车企自动驾驶能力仍有差别，因而选取自动驾驶水平领先车企进行自动驾驶功能的路端测试，首批共选取8家车企：特斯拉、赛力斯、阿维塔、小鹏汽车、理想汽车、蔚来汽车、智己汽车、极越汽车。以上车企或是当前自动驾驶的领军，或是早早布局于自动驾驶技术，或是在自动驾驶领域加大投入奋发追赶，通过比较以上车企的自动驾驶，能够较为全面地获得消费者所能使用到的城市NOA的真实水平。本次测试版本均为测试日期当日搭载版本，而车企自动驾驶更新迭代快速，结果反映的仅为测试时间点截面数据，我们未来还将会对车企自动驾驶体验进行持续追踪更新，以完整反映不同阶段车企自动驾驶水平。 表2：共选取8家自动驾驶领先车企进行实地路测 （2）城市：在美国，特斯拉FSD使用的无图方案，该方案摆脱了高精地图的限制，在不同城市的体验基本无差异，但为了提高可对比性，我们将特斯拉FSD的测试时间定在纽约市中心的晚高峰时间段，在人车混杂道路交通状况下，测试FSD应对复杂交通路况的能力。在我国，提前采集先验信息和使用高精地图，是此前中国车企推广高阶自动驾驶功能的主流做法，这种做法会使得自动驾驶的表现在城市之间产生较大的差异，同时由于成本、地图数据采集等原因，依赖于高精地图的城市NOA在不同城市之间拓展较慢。在2023年之后，国内车企也纷纷转向无图智驾方案，以更有效率地“开城”，而无高精地图环境下的“开城”需要路侧验证，在已有经验积累的地区、有大量的用户数据的地区将更有可能实现更良好的体验。基于以上原因，我们在国内选取北京、上海、广州三个核心城市进行车企自动驾驶测试； 重庆因错综复杂的地形和多样化的道路被称为“8D城市”，能够更好对比测试出车企应对复杂路况的能力。 图2：本轮在5城市进行自动驾驶测试 （3）车型：我们所试驾选取车型在配置方面均能够实现城市NOA功能，基本为车企的热门车型，版本均为当时最新版本。在配置方面，Model Y与极越01践行纯视觉路线，未使用激光雷达，而在国内实现城市NOA的其他车辆基本都需要激光雷达进行冗余感知。在芯片方面，搭载华为ADS 2.0与MDC610的问界M9所使用算力为本次测试所有车型中最低，华为强大的软硬一体能力加持下，200TOPS使得城市NOA成为了可能，阿维塔12也使用华为的MDC芯片；特斯拉使用自研的HW 4.0芯片，算力在300-500TOPS；而其余车型均使用英伟达作为计算芯片，主流双ORIN-X的芯片算力在508TOPS。总体来看，目前量产车中实现城市NOA驾驶需要的算力大约在200-500 TOPS区间。 表3：各个车型均选取能够实现城市NOA功能的配置 2.2、从用户体验出发，选取五大场景衡量自动驾驶能力水平 自动驾驶的测评与体验，需要围绕用户的场景维度来展开。自动驾驶的能力体现可以有不同的维度，从功能研发、测试的角度，自动驾驶系统必须在特定的运行设计域（Operational Design Domain，ODD）中实现。ODD是智能驾驶系统正常运行要满足的约束条件，包括但不限于道路类型、设施传感器、地理围栏等，能够在广泛的ODD中正常运行，代表自动驾驶系统的能力越高。ODD能够很好地描述自动驾驶系统所面临的道路环境，但是对于用户而言，ODD较为复杂并不是作为衡量体验的好指标。从用户的角度，自动驾驶的能力体现在一个个场景之中，因此我们根据自动驾驶行车过程中的经常需要处理的任务，选取转弯、启停、避让、多车道、复杂道路等五大场景，每个大场景下细分4-5个小场景，作为车企自动驾驶能力的衡量指标。 表4：将用户经常需要处理的路况划分为五大场景，共包含22个小场景 我们根据以上划分对测试的场景进行记录，考虑到时间点上所测试车型的大版本一致且无重大更新，因而同车企不同城市、不同车型数据有较强的可比性，我们进行合并处理。理想由于测试时仍是通勤NOA模式为主，所得场景较少，因而没有对其进行收录。各车型采取场景数量如下： 图3：小鹏与问界因测试地点多、时间长，测得样本量较多 针对场景中车辆自动驾驶的表现，我们划分了四个评定等级，由高到低分别为丝滑、优秀、一般、较差： （1）丝滑：车辆能够从容应对场景，处理能力超出用户预期； （2）优秀：车辆能够对场景流畅处理，表现符合用户预期； （3）一般：车辆对场景的处理略显吃力，或是表现犹豫、或是行动使用户心理产生些许不适，但仍无须接管； （4）较差：车辆无法应对状况、错误采取错误行动或造成较差体验，用户接管车辆；而某些长尾场景中，接管实际上在用户的预期之内，因而该评级的用户心理预期轴跨度会更广。 从评定标准上可以看到，评定中的底线设置为接管车辆，出现接管往往意味着自动驾驶的处理能力已经大大低于用户的预期，而真正使用户“越用越想用”的自动驾驶功能，一定会具有较低接管率，在此基础上能够经常为用户带来超预期体验，从而产生用户粘性。 图4：场景评定标准由高到低分别为丝滑、优秀、一般、较差 3、FSDV12总体表现优秀，国内正快速跟进 3.1、自动驾驶的场景能力与体验强关联 场景能力可以通过覆盖程度、事故率、接管频率、顺滑程度四维度分析。在我们之前报告《智能汽车系列（十四）——需求为基，自动驾驶踏浪而行》中，提出作为产品的自动驾驶想要在消费者中普及的基本条件：事故率低、覆盖度高、接管频率低。而基本条件只能保障消费者最基础、最实用的诉求，在此之上，真正建立起人机互信还需要自动驾驶具有拟人化能力。因而，在自动驾驶体验分析框架中，应当包括四个维度：覆盖程度、安全接管率、舒适接管率、顺滑程度： （1）覆盖程度是车辆自动驾驶系统能够使用的地理范围； （2）安全接管是保证车辆安全行驶的接管，如不接管极有可能发生交通事故或交通违章行为； （3）舒适接管是在行驶状况较为安全的情况下，车辆行为与用户驾驶习惯产生较大差异情况下的接管； （4）顺滑程度是自动驾驶运行的过程中，驾驶是否平稳、行驶是否线性流畅、对场景的处理是否足够老练。 覆盖程度与安全接管两个维度反映自动驾驶能不能用的问题，背后反映的是自动驾驶系统的硬性边界，代表系统稳定处理该类场景的能力。舒适接管与顺滑程度两个维度反映自动驾驶好不好用的问题，在自动驾驶系统能力之外，还包含着系统的行为对用户的影响，