行业深度报告：智能汽车系列深度（十九）：从小鹏、理想、蔚来布局，看自动驾驶发展趋势

小鹏：端到端大模型量产落地，体验升级成下阶段主线 算法端，小鹏已量产国内首个端到端大模型，其模型采用分段式结构，分为神经网络XNet、规控大模型XPlanner以及大语言模型XBrain三部分。数据闭环方面，小鹏的全栈数据闭环能够实现对数据的清晰处理以及高效的挖掘和解读，测试阶段实车测试与仿真测试并重，加快迭代节奏。云端算力方面，小鹏云端算力储备已达到2.51EFlops。投入端，小鹏每年将投入35亿元用于智驾，其中7亿元用于算力训练。端到端架构下，小鹏2024年7月实现无限XNGP的全量推送，同时实现第一阶段的“全国都好用”，在2024Q4计划实现能够“门到门”的第二阶段“全国都好用”，最终在2025年实现用户“爱用”的升级。小鹏较早实现由提升覆盖度到优化体验的转变，XNGP功能赢得用户的认可，面向用户体验的XNGP有望渗透率进一步提高，或将加速销量拐点到来。 理想：探索双系统架构，自动驾驶锁定第一梯队 算法端，理想目前采用分段式端到端，支撑理想无图NOA的快速上线，同时理想正在测试端到端+VLM的快慢系统，最早或在2024年底正式推出。数据闭环方面，理想搭建了有效的验证方式，云端的世界模型与超过87万台车的车端影子模式相结合，帮助其无图NOA快速铺开。云端算力方面，理想已拥有4.5EFlops的云端算力规模，还将加大投入以支撑端到端的训练。团队方面，理想组织效率突出，研发与量产双线并行，滚动开发架构下，理想只用一年多的时间便完成了NPN、无图、端到端+VLM的三代迭代。硬件方面，理想在积极推进自研智驾芯片的进展，预计将在2024年内完成流片。理想以自动驾驶重构核心竞争力，正逐步赢得用户认可，城市NOA车型渗透率快速攀升，随着智驾功能在用户购车需求中的权重不断上升，理想有望在智能化的竞争中继续维持领先。 蔚来：NWM推动架构迭代，有芯有魂构筑智驾长期主义 算法端，蔚来目前采用分段式端到端，感知规划全栈网络模型为NOP+提供了强大的通用泛化能力；同时能够进行想象重建与想象推演的世界模型有望在2024Q4进行车端部署。数据闭环方面，蔚来的群体智能配合生成式仿真能够满足世界模型训练的数据需求，还能够辅助快速验证推动迭代。云端算力方面，截至2023年9月，蔚来智能计算集群总算力规模为1.4EFlops，预计目前算力规模更高，而截至2024年7月蔚来基于群体智能的整体端云算力已超过306.9EOPS。 蔚来在硬件架构与软件架构上进行长期主义布局，统一架构延长车辆的生命力，支持车辆的长生命周期迭代。蔚来NOP+用户数量持续扩大，使用里程也在快速增长，反映出蔚来用户对其自动驾驶的认可程度不断提高。 受益标的：小鹏汽车-W、理想汽车-W、蔚来-SW。 风险提示：技术发展进度不及预期、市场需求不及预期、政策推进不及预期。 1、小鹏：端到端大模型量产落地，体验升级成下阶段主线 1.1、智驾技术加速演进，XNGP即将实现“门到门”体验 小鹏无限XNGP实现全国都能开，即将步入“门到门”时代。小鹏高速NGP功能在2021年1月开始推送。2022年9月17日，小鹏基于自研的智能辅助驾驶系统XPILOT，在广州试点推送城区NGP，是国内最早推送城区NGP功能的整车厂。2023年3月，小鹏智能辅助驾驶系统迭代为XNGP，先后在有高精地图覆盖的深圳与上海开放城市领航辅助功能，彼时XNGP功能的实现仍是基于高精地图，虽然基于此模式开发自动驾驶较为简单，但道路覆盖有限，用户体验不够完整。2024年2月，小鹏使用无图智驾的无限XNGP向部分拥有智驾经验的用户推送，此后在2024年7月，无图XNGP全量推送，实现全国都能开，并计划在2024Q4实现完全“门到门”的体验。短短三年半的时间，小鹏的自动驾驶持续突破，端到端大模型技术大大加速小鹏自动驾驶进程。 表1：小鹏2024Q4实现真正的“门到门”体验 1.2、端到端大模型拓展能力边界，智驾领军车企坚定布局 1.2.1、分段式端到端大模型量产上车，XNGP能力加强 国内首个端到端大模型量产上车，神经网络XNet+规控大模型XPlanner+大语言模型XBrain形成合力。在小鹏上一代的自动驾驶系统中，只有感知一个模块用到AI模型，其余的模块基本都是人工定义的规则，这需要大量的人工定义的规则，在人力、时间、维护成本上均具有劣势。较为稳定的传统量产智驾系统，大约有10万条左右各类人工定义的规则，而一个无限接近人类司机的自动驾驶系统，大概等效于10亿条规则，这对于需要快速更新迭代的自动驾驶系统来说是难以承担的。端到端技术范式是指数据输入端和指令输出端通过完全数据驱动，让AI学习人类成熟驾驶行为，从而实现快速迭代、减少成本。小鹏在2021年开始转向端到端，目前其端到端大模型由神经网络XNet+规控大模型XPlanner+大语言模型XBrain三部分组成。 图1：小鹏端到端大模型由XNet、XPlanner、XBrain三部分组成 （1）神经网络XNet：XNet是深度视觉感知神经网络，是“静态XNet”“动态XNet”与“纯视觉2K占用网络”的集成，可以比作智能驾驶的眼睛。其中“静态XNet”可以对感知到的数据进行实时3D建图，使智驾系统摆脱掉对高精地图的依赖，提高智驾系统的适应能力；“动态XNet”则具有对周边环境和交通参与者的行为进行预测与博弈的能力，并给出合理的决策，能够处理复杂的交通情况，提高驾驶的安全性和舒适性；“纯视觉2K占用网络”通过摄像头信息的分析，来构建3D体素来规划出空间内被占用和未被占用的路线，对现实世界中的可通行空间进行3D高真实度还原。深度视觉感知神经网络XNet的上车，能够对现实世界环境的重建更为精准，同时预测能力和行驶规划的能力也会更强，汽车感知范围提升2倍，面积可达1.8个足球场大小，能精准识别50个以上目标物。 图2：小鹏XNet 2.0成功引入占用网络，感知范围、通用障碍物识别能力大幅提升 （2）规划大模型XPlanner：XPlanner同样基于神经网络，具备长时序、多对象、强推理的特点，能够结合分钟级以上的时序连续分析动机，并依据周边环境信息及时变通，生成最佳的运动轨迹，可以比作智能驾驶的小脑。通过海量“五星司机”的驾驶数据对规划大模型XPlanner进行训练，基于数据驱动模式迭代，取代人类手写规则代码，能让智驾系统的驾驶策略向着拟人化进化。效果上，规划大模型XPlanner能够让小鹏汽车的智驾系统在真实道路体验中减少50%的前后顿挫、60%的违停卡死以及40%的安全接管。 图3：基于神经网络的Xplanner具备长时序、多对象、强推理的特点 （3）大语言模型XBrain：XBrain的能力就是让智驾系统拥有类似人类大脑的学习和理解的能力，以此来赋予智驾系统处理复杂场景甚至未知场景的泛化处理能力，以及对现实世界中宏观逻辑的推理能力。XBrain侧重于整个大场景的认知，XNet侧重于感知和语义。在XBrain的赋能下，小鹏汽车的智驾系统能够清晰地分辨出待转区、潮汐车道、特殊车道甚至是路牌文字，秒懂各种令行禁止、快慢缓急的行为指令，进而做出兼顾安全、性能的拟人驾驶决策，做出兼顾安全和效率的拟人驾驶决策。 图4：利用大模型，小鹏智驾能“看懂”更多路标等信息 小鹏端到端技术逐步渐进，当前模型采用分段式结构。端到端大模型不是只有神经网络，而是将感知、策略和规控统一在相同的Transformer架构下，保证模型有足够解释性的前提下，逐渐提升各部分的一体化程度。小鹏的端到端大模型可分为三大部分，采用的分段式方案，据汽车新技术资料，相对于One Model方案，分段式端到端技术难度更低，同时对于算力和数据的要求也低的多：单一大模型的端到端智驾至少需要3万台量产车提供数据，而分段式可能只需要1/10的量。 1.2.2、端到端大模型下迭代速度显著加快，助力体验升级 端到端时代，小鹏智驾迭代速度显著加快。迭代速度端到端小鹏高速NGP功能在2021年1月开始推送，并在2021年开始转向端到端范式，21个月之后，在2022年10月开通个别城市的城市NGP，又过了13个月，在2023年11月，XNGP正式无图推送，城市智驾开放25城，而仅仅8个月之后的2024年520 AI DAY发布会上，宣布量产上车国内首个端到端大模型，AI智驾取代传统智驾，XNGP开放到所有城市，全面无图时代到来。2025年实现城区智驾比肩高速智驾体验：平均1000公里接管一次。自AI天玑系统5月20日全球首次发布以来，70天内累计推送5次全量更新，实现至少35个版本迭代。 图5：端到端技术的使用使得小鹏自动驾驶的进步大大加速 AI智驾时代，庞大训练数据是智驾能力快速迭代的底座。基于折算超10亿公里的视频训练（2023年5月）、超756万累计公里数的实车测试（2023年7月）、超2.16亿累计公里数的仿真测试（2023年5月），小鹏端到端大模型能够做到“每2天一次版本迭代，每2周一次体验升级”，在未来18个月内智驾能力提升30倍。值得注意的是，除了实车数据之外，小鹏的数据量中也一定程度使用了仿真的合成数据，帮助小鹏在端到端时代数据量不足的情况下能够有效迭代。 对数据的清晰处理以及高效的挖掘和解读是小鹏高效迭代的重要抓手。纯数据驱动的神经网络算法要实现升级迭代，数据闭环体系的构建是关键。通过收集实车数据、云端模型训练并结合仿真能力，自动驾驶算法的长尾场景应对能力将大幅提升。小鹏将数据闭环分为“数据收集、标注、训练和部署”四个环节，根据2022年小鹏1024科技日数据，小鹏彼时已在近10万辆的小鹏车型上部署了超过300个触发器，形成了一个“全闭环、自成长的AI和数据体系”，全栈数据闭环能力使城市场景被动接管率降低38%，仿真能力使小鹏能够创造出更多的长尾场景，保护程度能提升4倍，数据获取及算法测试成本将大幅下降。 图6：实车测试与仿真测试为小鹏训练的重要部分 图7：全栈数据闭环使城市场景被动接管率降低38% 1.2.3、智驾领军车企，围绕智驾相关领域坚定布局 小鹏在自动驾驶研发投入、团队组织、云端算力、硬件自研方面坚定布局。 （1）在研发投入层面，小鹏2024年将投入35亿元用于研发“以智驾为核心的AI技术”，此后每年的相关投入只增不减。 （2）在团队组织层面，在2024年1月，小鹏以智驾为核心的AI技术团队已超3000人，并新招募4000名专业人才。同时在组织架构上，据红色星际消息，小鹏在2024年8月将负责算法研发的技术开发部分拆为三大部门，分别为AI端到端、AI应用、AI能效，其中AI端到端部门负责端到端模型的研发，AI应用部门负责交付，以提升端到端自动驾驶演进的效率。 图8：小鹏AI算力储备达2.51EFlops （3）在算力层面，2024年7月，小鹏AI算力储备已达2.51EFlops，同时此后每年算力训练投入将超7亿元，其中在2024年峰值算力达到7000张训练卡以上。 （4）在硬件层面，据36氪Pro消息，小鹏从2020年开始搭建芯片团队，2022年选择索喜为芯片设计合作方，承包芯片后端设计，目前芯片已经流片，预计8月回片。除芯片之外，小鹏推出了首个驾舱融合的车载计算中心XCCP作为XEEA 3.5架构的核心计算节点，集成了包括智能驾驶、座舱、仪表、网关、IMU、功放等功能，实现40%的成本节约，同时性能提升50%。 图9：小鹏布局舱驾融合车载计算中心XCCP 1.3、XNGP体验升级，智驾成小鹏“长期马拉松”关键 1.3.1、阶段目标“全国都好用”，向“全球都好用”进发 XNGP正从提高城市覆盖度向体验升级转变。小鹏天玑XOS 5.2.0下的XNGP已经实现了全国都能开，而下一阶段的目标在于全国都好用，何小鹏提出“全国都好用”的三大标准：不限城市、不限路线、不限路况。 图10：XNGP正从提高城市覆盖度向体验升级转变 （1）不限城市：不限城市，指的是XNGP覆盖范围扩大至全国所有城市，真正摆脱高精地图束缚，将高阶智驾引入端到端