智驾系列深度：端到端革命开启，强者愈强时代即将来临

智驾系列深度：端到端革命开启，强者愈强时 代即将来临 汽车行业 2024年8月29日 证券研究报告行业研究 行业专题研究（深度）汽车投资评级看好上次评级看好陆嘉敏汽车行业首席分析师执业编号：S1500522060001联系电话：13816900611邮箱：lujiamin@cindasc.com徐国铨汽车行业研究助理邮箱：xuguoquan@cindasc.com 信达证券股份有限公司CINDASECURITIESCO.,LTD北京市西城区宣武门西大街甲127号金隅大厦B座邮编：100031 智驾系列深度：端到端革命开启，强者愈强时代即将来临 2024年8月29日 本期内容提要: 智能化时代，自动驾驶能力将重新构筑车企竞争壁垒，核心竞争要素在于“数据”+“算力”。背后原因在于：①对消费者而言，智能化在消费者选购汽车中的重要性正日益提升。②对于车企而言，实现高阶智驾需要大量投入，中小车企将难以持续投入。③特别是当智能驾驶算法层面逐渐收敛至“端到端”架构后，数据+算力将成为核心竞争要素，头部车企或供应商能掌握更多更优的“数据”，以及更强更快的“算力”，而优秀的智驾能力有望加强销量转化，最终强化车企马太效应，令智驾强者愈强。 相较传统分模块架构，端到端架构优势显著，核心是“数据驱动”而非“规则驱动”，有望显著提升智驾上限。所谓“端到端”是指一端输入图像等环境数据信息，中间经历类似“黑箱”的多层神经网络模型，另一端直接输出转向、制动、加速等驾驶指令。与传统规则驱动的分模块架构相比，端到端的实现将带来一系列优势：①完全基于数据驱动进行全局任务优化，具备更好、更快的纠错能力；②能进一步减少模块间信息的有损传递、延迟和冗余，避免误差累积，提升计算效率； ③泛化能力更强，由Rule-based算法转向Learning-based，具备零样本学习能力，面对未知场景具备更强决策能力。 端到端发展路径探析：从分模块到一体化。端到端可以简单分为狭义端到端（前端传感器输入、后端控制输出）和广义端到端（信息无损传递、数据驱动整体优化）2种定义。从端到端的最终实现上，我们认为通过①感知“端到端”，②模块化“端到端”，再到③OneModel/单一模型“端到端”是一种相对平滑的过渡形式。而当前感知层“端到端”已经是主流的感知模型，展望后续技术发展，我们认为决策与规控层自动驾驶算法向“端到端”收敛，有望成为行业的一大趋势。 “数据+算力”构筑智能驾驶核心竞争要素，进入强者愈强阶段。端到端自动驾驶是数据驱动的模型，因此，训练数据的重要性越来越高。端到端对数据的要求体现在数据量、数据标注、数据质量和数据分布等方面。除了海量高质量数据之外，还需要强大的算力来支撑模型的训练，大部分研发端到端自动驾驶的公司目前的训练算力规模在千卡级别。我们认为领先竞争者有望通过数据、算力的领先转化为端到端的算法优势。 特斯拉先行，国内外企业加速跟进，端到端量产推广在即。端到端主要参与者涵盖了车企、人工智能企业、自动驾驶技术公司机器人公司以及自动驾驶芯片制造商。特斯拉作为先行者，于24年初推送端到端版本的FSD，从实际体验来看，端到端的FSD操作更拟人、丝滑。国内主机厂如华为、小鹏、理想、元戎启行、商汤绝影等纷纷跟进，其中 华为、小鹏端到端进度相对领先。我们认为因各车企战略选择有差异，端到端路线尚处在百花齐放的阶段，但随着数据、算力等竞争要素逐渐赶上，端到端路线有望逐渐收敛至一体化结构，并会结合多模态大模型、世界模型等，不断加强感知、认知、决策能力。 投资建议：我们认为以特斯拉为代表的端到端快速迭代有望带来智能驾驶新一轮产业革命，自动驾驶能力将重新构筑车企竞争壁垒，数据+算力将成为核心竞争要素，头部车企或供应商能掌握更多更优的“数据”，以及更强更快的“算力”，而优秀的智驾能力有望加强销量转化，最终强化车企马太效应，头部车企强者愈强时代即将来临。 整车板块重点关注：1）受益于华为强大智驾能力赋能的鸿蒙智行合作车企以及相关合作伙伴【赛力斯、北汽蓝谷、长安汽车、江淮汽车】；2）汽车保有量大且品牌积淀深厚，智能电动技术布局有望逐步赶上的自主品牌龙头车企【比亚迪、长城汽车】；3）智能驾驶技术领先的造车新势力【理想汽车、蔚来、小鹏汽车】；4）全球化布局提速、有望迎来新一轮产品周期、同时在智能驾驶、能源、人形机器人多线并进的全球新能源汽车龙头【特斯拉】。 零部件板块建议重点关注智能化产业链核心零部件：1）感知层【德赛西威、保隆科技、华域汽车】等。2）决策层【经纬恒润、均胜电子、华阳集团】等。3）执行层【伯特利、中鼎股份、拓普集团、亚太股份、耐世特、浙江世宝】等。 风险因素：智能化零部件降本不及预期、智能驾驶利好政策落地不及预期、消费者体验不及预期、技术迭代不及预期、外部宏观环境恶化等。 目录 1.总论：端到端有望引领新一轮智能驾驶产业革命6 1.1电动智能时代，车企竞争壁垒发生重大迁移6 1.2自动驾驶能力将构筑车企新壁垒，核心竞争要素包括数据+算法+算力6 2.什么是“端到端”？8 2.1数据、算力+底层AI技术的进一步发展有望助力端到端快速发展与普及8 2.2深度神经网络驱动端到端实现“数据驱动”，取代传统“规则驱动”算法9 2.3目前的“端到端”自动驾驶包含狭义与广义两种定义12 2.4端到端迭代有望实现从“感知”到“决策”到“OneModel”平滑过渡13 3.数据、算力、算法既是端到端落地驱动力，也是落地挑战14 3.1数据挑战：获取成本和难度较高，特斯拉目前处于领先14 3.2算力挑战：算力竞争重点由车端转向云端，算力需求水涨船高15 3.3算法挑战：黑盒算法局限性、验证测试与世界模型17 4.特斯拉引领端到端智驾算法迭代，国内参与者多点开花21 4.1端到端主要参与者包括主机厂、自动驾驶公司与人工智能公司等21 4.2特斯拉FSDV12落地引领端到端变革21 4.3华为、小鹏、理想等车企与供应商纷纷跟进，技术路线有望向“端到端”收敛24 5.投资建议33 6.风险因素34 表目录 表1：2023年各车企与智驾供应商智能驾驶方案与感知模型应用情况，BEV全面上车7 表2：主流车企、供应商“端到端”量产上车时间规划8 表3：各车企辅助驾驶里程累计情况15 表4：各车企、智驾供应商智算中心算力布局情况17 表5：特斯拉智能驾驶硬件迭代历程（HW1.0-HW4.0）21 表6：Autopilot/EAP/FSD主要功能与收费情况22 表7：Autopilot/FSD重要升级内容22 表8：HUAWEIADS迭代历程25 图目录 图1：不同汽车时代车企竞争力壁垒变迁6 图2：数据+算法+算力构筑起车企自动驾驶能力壁垒6 图3：AI驱动数据闭环逐渐形成7 图4：传统自动驾驶架构（Apollo6.0）10 图5：神经网络结构（输入层、多个隐藏层、输出层）11 图6：端到端的主要优势11 图7：狭义端到端自动驾驶架构（单一神经网络模型实现感知、决策规划、控制）12 图8：广义端到端自动驾驶架构（神经网络模型实现感知与决策规划，不包括控制模块）12 图9：广义端到端自动驾驶架构（感知和决策规划使用神经网络，模块之间仍有人工设计的数据接口）13 图10：端到端自动驾驶架构演进示意图14 图11：端到端对数据的要求14 图12：英伟达H100、H800、A100、A800与4090显卡参数对比16 图13：多种方式增强模型设计的可解释性17 图14：小鹏模块化端到端算法架构18 图15：理想端到端算法架构18 图16：在线/闭环测试与离线/开环测试的主要特点与优缺点19 图17：2D/3D检测、BEV、OCC、世界模型空间理解能力与真实世界的对比20 图18：端到端主要参与者与技术路线21 图19：特斯拉自动驾驶算法结构迭代历程22 图20：特斯拉通过影子模式、数据标注、数据挖掘与训练等环节实现数据闭环23 图21：百度与特斯拉达成地图合作24 图22：FSDBeta累计行驶里程（十亿英里）24 图23：华为ADS2.0BEV+GOD+RCR网络25 图24：华为ADS3.0GOD+PDP网络26 图25：小鹏智驾端到端大模型架构27 图26：2024年小鹏智驾推送规划27 图27：理想4DOneModel端到端架构图28 图28：理想VLM（VisualLanguageModel，视觉语言模型）架构图29 图29：理想汽车的自动驾驶系统考试方案:重建+生成的世界模型29 图30：常规端到端与蔚来世界模型NWM的对比30 图31：蔚来智能驾驶架构NADArch2.031 图32：百度ApolloADFM端到端大模型31 图33：商汤绝影UniAD架构演进历程32 图34：商汤绝影多模态场景大脑DriveAGI32 图35：元戎启行端到端模型技术变迁33 1.总论：端到端有望引领新一轮智能驾驶产业革命 1.1电动智能时代，车企竞争壁垒发生重大迁移 燃油车时代，车企壁垒在于自研三大件（发动机+变速箱+底盘），由于机械结构复杂且外资车企经过百年积淀，技术及专利储备雄厚，自主品牌较难逾越技术壁垒，更难以实现品牌跃升，因此燃油车造车门槛高、参与者相对较少、市场份额为外资/合资品牌把控。 电动化时代，汽车结构大幅简化，且电动车核心三电（电池+电机+电控）均有成熟供应商方案可供采购，因此在电动化初期，造车门槛大幅下降，行业进入百家争鸣时代。 智能化时代，我们认为自动驾驶能力将重新构筑车企竞争壁垒。核心原因如下：①智能化在消费者选购汽车中的重要性日益提升。②实现高阶智驾需要在数据、算力层面的大量投入，中小车企或难以承受。③当算法层面逐渐收敛至“端到端”，数据+算力将成为核心竞争要素，有望“强者愈强”。 图1：不同汽车时代车企竞争力壁垒变迁 资料来源：信达证券研发中心整理 1.2自动驾驶能力将构筑车企新壁垒，核心竞争要素包括数据+算法+算力 自动驾驶与AI应用类似，算法、算力和数据是三大核心竞争要素。我们认为把握数据、算力、算法三大核心竞争要素的车企有望率先取得智驾层面的领先优势。 图2：数据+算法+算力构筑起车企自动驾驶能力壁垒 资料来源：信达证券研发中心整理 数据：AI驱动数据闭环逐渐形成，数据体量、质量要求日益提升。自动驾驶概念中的数据主要包括视觉传感器采集的数据，以及车辆状态信息、油门、刹车等数据，经过各类元件与电路处理后得到有用的电信号，最后用于云端存储、数据标注、模型训练、仿真测试等环节。在端到端等人工智能技术加持下，数据筛选、标注、训练、验证逐渐形成全链路闭环，加速智能驾驶解决方案迭代。随着技术迭代，对于智驾数据体量、质量的需求也在持续提升，目前以特斯拉、鸿蒙智行等为代表的各家车企开始使用智能驾驶累计使用里程来反映各自在自动驾驶领域的 数据收集与测试能力。 图3：AI驱动数据闭环逐渐形成 资料来源：甲子光年微信公众号，信达证券研发中心 算力：端到端模型更加依赖规模法则（ScalingLaw），新一轮算力军备竞赛在车端与云端共同展开。ScalingLaw认为通过更多数据量训练、扩大模型规模以及延长训练时间，大模型性能可以持续提升，端到端模型与大模型高度相似，数据驱动的开发形式让模型高度依赖算力规模来提升迭代速率。车端算力主要的特点是低延迟、高可靠性，当前主流方案为单/双NvidiaOrinX芯片，算力为254/508TOPS；下一代Thor芯片算力或提升至2000TOPS，近日联想已发布基于Thor的域控解决方案，更高车端算力平台的落地进程有望逐步加快。云端算力需要承担复杂的训练任务和海量的数据处理，对功耗和成本的要求相对车端宽松，但算力更高，目前众多车企通过自建算力中心或购买智能计算云服务来实现云端算力布局。 算法：算法从规则走向神经网络，从模块化走向端到端。自动驾驶诞生以来，伴随着算法架构的不断进化，自动驾驶算法也几经迭代。2021年开始，特斯拉展示了基于BEV+Transformer的自动