城市 NOA 在 2024 年全面落地，以城市 NOA 为代表 的高阶智驾渗透率进入加速扩张阶段。我们判断，高阶智驾有望在 2025 年从“能用”迈向“好用”，成为 toC 市场 竞争的重要手段。端到端智能驾驶技术在 2024 年首次落地，凭借全局优化、更高计算效率、更强泛化能力等优点， 成为高阶智驾方案当前最优解。端到端阶段，高阶智驾核心竞争要素从算法转向数据+算力。

　　（2）高阶智驾助力 20 万-40 万整车市场加速出清。高阶智驾对 20-40 万价格带竞争格局影响更大。20 万以下车型 主要受制于成本因素，40 万以上车型商务需求较多，消费者更多考虑品牌附加值。而 20 万-40 万市场，消费者对新 技术接受度最强，当前尚无具备绝对竞争优势的企业脱颖而出。端到端使得高阶智驾将在 2025 年从“能用”迈向 “好用”，成为各大车企重要竞争手段，而端到端高阶智驾的核心竞争要素是数据+算力，竞争壁垒更高，预计将会 拉大主机厂之间的产品力差异，加速 20-40 万市场出清。

　　（3）高阶智驾时代，整车厂竞争力强于第三方。高阶智驾系统提供方的竞争力取决于五大要素：数据、算力、人 才、资金、内部协同，其中数据和算力是两大最核心要素。基于上述五大竞争要素，我们判断整车厂的竞争力强于第三方供应商；同时整车厂全栈自研的模式优于 Tier0.5 模式。整车厂中，建议关注华为系、理想汽车等五大竞争 要素都具备积累的厂商。

　　特斯拉于 2020 年 10 月在行业内首次发布了支持城市 NOA 的 FSD Beta 测试版，重新定义了汽车的智能化水平。2022 年 9 月，小鹏在广州落地了国内首个城市 NOA 功能。此后华为、理想、蔚来、小米等公司快速跟进。2023 年下半年，头部企业完成了部分城市的城市 NOA 功能开通。

　　2024 年以来，由于技术端、政策端和成本端的不断推动，高阶智驾功能规模化商业应用取得了较大进展。以城市 NOA 为代表的高阶智驾在 toC 乘用车渗透率全面加速。2024 年，L2+智驾功能整体渗透率预计将达到 8.5%，其中高速 NOA 功能渗透率约为 8%，高速 NOA 功能已经逐渐成为 AIEV 车型的标配功能。根据亿欧智库预测，城区 NOA 功能也在 2024 年开始大规模量产应用，迎来飞速发展，预计至 2030 年渗透率将达到 25%。目前以城市 NOA 为代表的高阶智驾已进入渗透率加速扩张阶段。

　　1.1.1 集中式 EE 架构、大算力芯片及持续迭代的软件算法为高阶智驾规模化落地提供了技术基础

　　智能化和网联化趋势让汽车软件开始成为车企打造差异化的核心要素，从分布式向集中式转变的 EE 架构是实现软件 定义汽车的前提。汽车 EE 架构的变革主要体现在以下 4 个方面：

　　a) 计算性能：汽车主算力芯片由 MCU 转向 SoC。MCU 芯片通常只包含一个 CPU 处理器单元、存储和接口单元，算力 一般仅几百 DMIPS；而 SoC 是系统级芯片，一般采用“CPU+AI 芯片（GPU\FPGA\ASIC）”架构方案。智能座舱和智能驾驶对汽车的软件架构和算法算力带来了数量级的提升需要，以 MCU 为主的汽车芯片已无法满足这些需求，转向搭载算 力更强的 SoC 芯片；

　　b) 车载以太网成为汽车主干通讯网络。传统的分布式架构中 ECU 间多通过 CAN、LIN、FlexRay 等通讯方式，数据的传输速度非常有限，一般不超过 10M/S 每秒。随着车内传感器数量的大幅增加、以及对高清图像数据的依赖逐渐加深， 数据传输体量和速率要求大幅提高，车载以太网正逐渐成为智能汽车的主干网络，在单对非屏蔽双绞线M/S，同时，千兆和万兆以太网也逐渐落地应用。

　　c) 软硬解耦实现 OTA 升级。软件开云网址 kaiyun官方入口不再是基于某一固定硬件开发，汽车原有 ECU 软件由烟囱式垂直架构转变为通用硬件平台+基础软件平台+各类应用软件的水平分层架构，实现软硬件的解耦。硬件预埋，软件后部署，通过不断 OTA 实 现软件功能迭代推动整车功能升级。

　　d) 更好的成本管控。传统分布式架构的高端车型中主要 ECU 的数量多达 100+，ECU 增加对应线束增加带来成本提 升，通过域控集成方式可较大幅度减少 ECU 数量。此外，传统分布式架构 ECU 由不同供应商提供，任何功能修改涉及多个控制器重新开发、验证，耗时耗力，且软件逻辑被供应商把控，整车厂无法对软件功能实现高效管理。

　　智驾 SoC 芯片是车辆实现智能驾驶功能的“中枢大脑”，需要统一实时分析、处理海量数据，并进行复杂逻辑运算，因此对其计算能力的要求非常高。伴随智驾功能升级，智驾芯片算力需求也持续提升。中低算力SoC 芯片主要面向 L1- L2 级别辅助驾驶功能，如前视一体机的行车或泊车控制器方案，性价比较高；部分车型可提供高速 NOA、记忆泊车等 中阶智驾功能。而高阶智驾功能往往需要激光雷达、多个高清摄像头等传感器数据融合，结合BEV+0CC 算法，或是端到端大模型算法，对 SoC 的算力提出更高要求。大算力 SoC 芯片通常指算力在100TOPS 以上的产品，主要面向高级别的辅助驾驶乃至自动驾驶场景，代表性产品包括英伟达 Orin-X，特斯拉 HW 系列，华为MDC系列等，其中英伟达 Orin-X 是当前高阶智驾车型的主流选择。

　　SoC 头部玩家重磅新品也即将登场，加速高阶智驾渗透率提升。英伟达将于 2025 年发布下一代产品Thor，其最高算力高达2000TOPS。高通也已发布驾舱融合系列产品，Snapdragon Ride Flex(SA8775P)舱驾融合平台，将于2025年二季度正式量产上车;特斯拉方面，下一代车载平台直接改名为 AI5，较 HW4.0 能耗提升 5 倍，算力提升 10 倍。国内方面，地平线TOPS，预计将于 2025 年第三季度交付首款量产合作车型，引领国产芯片拓局城市 NOA。

　　传统智驾模块化算法泛化能力和上限较低。传统智驾方案将智能驾驶分割为感知、决策、规划、控制等不同模块，分别负责不同功能，感知模块负责通过各类传感器（如摄像头、雷达等）收集环境信息，识别道路、车辆、行人、交通标志等元素；规划模块基于感知模块提供的信息进行路径规划和决策制定；控制模块则依据规划结果执行具体动作，如调整车速、转向等。分任务模块化设计更适合团队分工合作，易于引入专家规则，大幅度降低了系统开发难度，更具有工程落地能力，这也是目前多数企业采用的落地方案。但这种方式的弊端是模块太多、集成困难、错误累加、响 应延迟等，同时由于系统设计中引入较多人为先验信息，导致泛化能力和驾驶能力上限较低。

　　特斯拉于 2020 年在行业首次引入 BEV+Transfomer 架构，引发自动驾驶行业算法重构。特斯拉对全车 8 个摄像头的画 面进行坐标转换，并放置在同一个坐标系中（BEV 空间），形成一个虚拟的向量空间。先在 BEV 空间层中初始化特征， 再通过多层 Transformer 和 2D 图像特征进行交互融合，最终得到 BEV 特征，加强各模块信息传递与融合，同时改为 自动数据标注。随着智能驾驶面临场景逐渐多元化，corner case 增多，特斯拉又于 2021 年引入占用网络 Occupancy， 提升感知算法泛化能力。Occupancy 算法对 BEV 网络在高度方向进行了进一步的扩展，提供 3D 信息，从而更好地识别 未知障碍物、异形物等。在特斯拉的引领下，目前智能驾驶头部企业都在量产 BEV 感知方案，包括动态障碍物检测、 静态障碍物检测（无图方案）以及 Occupancy 任务。

　　2024 年 1 月，特斯拉正式向北美用户推送 FSD V12 版本，成为行业首家在量产车型上实现端到端自动驾驶的公司。FSD V12 在复杂场景下展现了卓越的泛化能力，自动驾驶风格也不局限于传统的规则遵循，变得更加灵活，类似与经验丰富的驾驶员，根据实际情况做出适应性调整。

　　通过端到端实现的智能驾驶优势包括：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)能有效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)泛化能力增强，具备零样本学习能力， 面对未知场景仍可正确却测，智能驾驶的上限大大提高。

　　2024 年 9 月 5 日，特斯拉在 X 平台发布消息称预计于 2025 年第一季度在中国和欧洲推出 FSD 系统。我们预测，如同 Model 3 国产化带动国内电动化浪潮的来临一样；特斯拉 FSD 的入华将会加速智能化时代的到来，并引起行业新一轮智能化竞赛。

　　从 2023 年下半年开始，中央和地方政府政策/立法进程进一步加速，相关法规有望在 2025 年进一步完善，为高阶智 驾大面积落地奠定法律基础。近年来，中央层面及国内多个城市已经开始制定和实施相关政策，尤其是 2023 年以来 政策节奏明显加速，为 L3/L4 自动驾驶量产车型准入逐步扫清障碍，推进自动驾驶商业化进程。

　　2024 年 8 月 27 日，在国新办新闻发布会上，公安部交通管理局介绍当前无人驾驶和自动驾驶汽车产业的进展，特别提出公安部正在积极推动《道路交通安全法》的修订，对自动驾驶汽车的道路测试、上路通行、交通违法和事故处理 相关责任追究等方面都作出了详细规定，《道路交通安全法》的修订工作已经列入了国务院 2024 年度立法计划、十 四届全国人大常委会立法计划的第一类项目。

　　激光雷达、高算力域控制器等核心零部件成本快速下行。对于高阶智能驾驶套件而言，传感器和域控制器为核心，单 一价值量最大的为激光雷达、智驾域控制器两大部件。近年来，受益于技术迭代、规模放量等因素驱动，激光雷达、智域控制器成本快速下行。速腾聚创 ADAS 激光雷达产品示例，2020/2021/2022/2023/24H1 销售均价分别为 22.5/10/4.3/3.2/2.6 千元，其中 24H1 价格较 2022 年下滑近 40%。

　　以城市 NOA 产品为例，可以明显看出，支持城市 NOA 功能的车型售价不断下降，特别是同一车企或供应商。城市 NOA 为目前典型的高阶智驾功能，往往需要配置激光雷达、大算力自动驾驶平台等零部件，系统利用安装在车辆上的传感、通信、决策及执行等装置，在城市开放路况下实现智能驾驶，可以实现无保护左转、无保护掉头、识别交通信号灯、 主动变道、主动超车等功能，能够自主处理各类城市路况。

　　传统的智能驾驶系统：由感知、规划决策、执行控制三大模块构成，通过分别调试每个模块的参数来适应各种驾驶场景

　　1) 感知模块：利用视觉、激光雷达等传感器组合工作实现对周围环境、行车相关信息和各类障碍物的全面检测，并 将感知信息通过各类参数指标提供给决策模块

　　2) 决策模块：在接收到感知模块提供的道路交通场景信息后，对起点和终点的行驶路径进行分析和规划，确定车辆的行驶路线并提供给执行控制模块

　　3) 控制模块：从决策模块接收到行驶策略信息，并转换为具体的车辆控制指令，实现车辆的实际动作

　　1）分模块导致架构复杂，各模块上限不高，信息传输和系统优化难度高，模块与系统间的局部与整体优化目标冲突；2）研发成本高，开发/维护/人力成本随着模块增加而飙升。3）泛化性较差，叠加规则应对交付压力，导致维护性和 可扩展性变差。4）大规模产品化落地困难。5）算法与软硬件绑定过深，难以兼容多车型/平台/场景。

　　端到端智能驾驶系统：随着特斯拉发布 FSD Beta V12.1,基于端到端的智能驾驶系统在行业首次落地。一段式实现了 从感知系统数据输入到最终决策控制信号的输出。端到端模型基于人工神经网络，将感知、规划和控制三大模块组合在一起，消除模块间的界限，简化系统架构，提高运行效率。端到端系统能够减少信息传递损失，增强车辆对 corner case 的应对能力。从实践来看，特斯拉应用端到端神经网络架构的 FSD V12 的平均接管历程已从之前 166 英里提升 到 333 英里，高阶智驾可用性大幅提升。

　　当前，端到端实现路径尚未完全统一，对于端到端的定义区分为广义和狭义。广义定义，强调端到端是信息无损传递， 不因人为定义接口产生信息损耗，可实现数据驱动的整体优化。狭义定义，强调端到端从传感器输入和规划、控制输出的单一神经网络模型。端到端智能驾驶系统的演进可分为四个阶段：第一阶段：感知端到端；第二阶段：决策规划 模型化；第三阶段：模块化端到端；第四阶段：One Model/单一模型端到端。

　　凭借全局优化、更高计算效率、更强泛化能力等优点，端到端技术迅速成为高阶智能驾驶方案当前最优解。参考高速 NOA 的发展历史，我们判断，城市 NOA 等高阶智驾经过 24 年的大规模的落地应用后，在端到端大模型技术的加持下，有望在 2025 年从“能用”迈向“好用”。高阶智驾将成为 toC 乘用车市场竞争的重要手段。在端到端智驾方案中，数据和算法是最核心两大要素。因此，高阶智驾的竞争重点算法维度转向数据+算力。

　　整车市场格局呈现明显的“微笑曲线”：把整车按照价格带竞争格局去分析后，会发现两端格局比中间格局好的现象， 即 15 万以下、40 万以上格局较好，15-40 万格局较差。其中：我们以 CR10 外资份额、自主品牌份额来衡量蓝海和出 清市场：1）出清市场：外资已经基本或者几乎全部退出市场，CR10 中自主品牌份额超过 60%，15 万以下市场率先出 清。2）蓝海市场：40 万+市场是蓝海市场，外资份额达到或者超过 60%，在快速被国产替代。3）竞争和红海市场：竞 争市场：15-20、30-40 万；红海市场：20-30 万。综上，我们判断，主机厂集中度提升还处于刚开始阶段，未来几年各大细分市场都将陆续出清。这就要求了主流车企在中低端市场竞争，需要具备较强的降本能力。

　　2.2 不同价位段高阶智驾配置度分析：20 万-40 万车型配置率最高，渗透率加速提升

　　在 20 万以下车型，2024 年 1-11 月销量前 20 的新能源车型及智驾功能配置如图表 13 所示,在该价位段中，绝大部分 车型支持普通的 L2 级辅助驾驶功能，由于成本所限，传感器配置也以摄像头和毫米波雷达为主。iCAR03 采用了大疆 的 7V 纯视觉方案，可支持城市记忆行车和高速 NOA。

　　2024 年 1-11 月销量前 20 的 20 万-40 万新能源车型及智驾功能配置如图表 14 所示。在该价位段中，包含特斯拉在内 的所有新势力品牌均支持城市 NOA 等高阶智驾功能；除特斯拉以外，其余品牌传感器系统中均配置了激光雷达；传统 自主品牌也逐渐开始支持高速 NOA 等中阶智驾功能；传统合资品牌目前在智驾方面进展普遍落后，该价位车型多数仅 支持基础 L2 功能，传感器配置也较少。在20-40万价位区间内，除了 ModelY 销量一骑绝尘外，其他车企竞争格局尚不清晰，高阶智驾功能的落地和好用性有望促使该价位段竞争格局变得清晰，20 万-40 万市场加速出清。

　　2024 年 1-11 月销量前 20 的 40 万以上车型中车型及智驾功能配置如图表 15 所示,城市 NOA 等高阶智驾功能配置率低 于 20 万-40 万区间，仅问界、理想、蔚来等新势力品牌配置了城市 NOA 等高阶智驾功能。具体原因包括两方面，一方面在该价位段，BBA 等欧洲豪华车企仍具备较强号召力；另一方面 40 万以上市场以商务属性为主，对高阶智驾的需求相对较弱。因此，自主车企市占率较低的情形下，高阶智驾功能尚未在最高端市场普及。

　　2.3 系统成本和市场需求是高阶智驾在 20-40 万市场高配置率的核心要素

　　一套支持城市 NOA 功能的高阶智驾系统典型配置包括：1 个智驾域控制器（包含 2 颗 OrinX 芯片）；1 颗激光雷达、3 颗毫米波雷达、11 颗高精度摄像头（2 颗前视摄像头(8MP)、4 颗周视摄像头(3MP)、4 颗环视摄像头(3MP)，1 颗后视 摄像头(2MP)）；12 颗超声波传感器。

　　基于 2024 年成本分析，一套典型的高阶智驾系统成本如图 17 所示，当前系统硬件总成本约为 16950-23300 元。若采 用第三方软件方案，还需要增加 1000-2000 的软件授权成本。随着高阶智驾规模化的应用，域控制器和传感器价格将 进一步下探，据公开报道显示，新一代激光雷达将在 2025 年落地，成本可达到 200 美金以内，折合人民币约为 1300 元-1400 元；假设其他模块成本下降 30%左右，预计 2025 年高阶智驾系统硬件成本约为 11865 元-16310 元间。若采用 第三方软件方案，还需要增加 700-1400 的软件授权成本。

　　以 2025 年预计成本来测算，20 万以下车型支持高阶智驾仍存在成本压力：以单车均价 20 万元为例，假定毛利率 15%，去除掉13%增值税和 15%的毛利后，整车的综合成本为 15.1 万元，预计单车 BOM 成本在 13 万元以下。以合理范围计算，智驾系统成本占整车BOM成本为 5%-8%之间，因此，售价为 20 万的车型，高阶智驾系统的总成本应控制在 9000 元以下较为合理。预计在 2026 年，随着域控制器和传感器系统成本的进一步下降，20 万以下车型有望大面积普及高阶智驾功能。

　　2024 年为高阶智驾商业化应用元年，行业头部企业装配率快速增长。同时，国内头部厂商数据闭环体系已趋于完善， 版本迭代速度大幅加快，高阶智驾渗透率快速提升。

　　伴随端到端技术的不断落地，高阶智驾系统提供方的竞争力取决于五大要素：数据、算力、人才、资金和内部协同，其中算力和数据是两个核心要素。

　　与大语言模型可在互联网爬取海量文字数据用于训练不同，端到端智驾系统训练需要的视频数据获取成本和难度较高。对于高阶智驾功能来说，影响训练数据的重要因素包括能够稳定收集数据的车辆总数、以及车企智驾车型比例。相较于第三方供应商，整车厂在训练数据获取方面具有较大优势。截至 2024 年 3 月，配备FSD 的特斯拉车辆已达 200 万 辆。据华为预测，搭载华为智驾的车型在 2024 年底将突破 50 万辆。截至 2024 年 7 月，理想累计交付超过 87 万辆， 其中有 99%的用户 使用过辅助驾驶。截至 2024 年 7 月，蔚来智能驾驶总用户数达 55.8 万人，NOP+总用户数达 30.8 万人。截至 2024 年 6 月，小鹏 XNGP 的智能导航辅助驾驶的用户渗透率达到了 85%。

　　对于第三方供应商而言，此前国内上海 AI lab 团队搜罗了整个 Youtube，才最终搭建了一个 2000 小时的数据集 OpenDV-2K。与之对比，特斯拉于 2023 年端到端神经网络开发之初，就投喂了 1000 万个经过筛选的人类驾驶视频片段，即使以每段 15 秒计，这也是超过 40000 小时的高清视频。

　　2)算力：高阶智驾对云端训练算力的依赖显著提升，特别是端到端模型的应用。与 GPT 类似，端到端智能驾驶训练遵 循的也是海量数据+大云端训练算力的暴力美学。随着端到端智的不断落地，云端算力成为高阶智驾竞争的核心要素。

　　算力的基础是各类高性能计算芯片。计算芯片主要包括 CPU（中央处理器）和 GPU（图形处理器）。CPU 是计算设备 的运算和控制核心，适合处理逻辑复杂的串行任务。GPU 更加侧重计算而非逻辑控制，并能很好地支持并行计算，是目前提供算力的主要芯片。因此大算力 GPU（英伟达 H100、H800、A100、A800 等）的储备情况往往成为衡量训练算 力资源的重要依据。

　　目前特斯拉超算中心的算力水平独居一档，特斯拉近年来不断增加训练算力投入，截至到 2024Q1，特斯拉已拥有 35000 张 H100 GPU，并计划在 2024 年底增加到 85000 张，届时特斯拉总算力有望达到 100EFLOPS。此外，特斯拉还部署了 规模更大的 A100 GPU 训练集群。因此，特斯拉实际训练算力投入在自动驾驶行业中大幅领先其他参与者。国内整车 厂从 2024 年开始加速布局云端训练算力，但与特斯拉目前还有较大差距，当前理想的算力资源在国内整车厂中占据 领先优势，当前达到 4.5EFLOP。受限于高昂成本，高阶智驾第三方供应商目前整体算力布局较小，规模在千卡级别。

　　高阶智驾核心靠人才驱动，根据新渠道观察统计数据，华为、比亚迪、小鹏、蔚来、小米等车企的智驾团队人员规模 均在 1000 人以上。

　　高阶智驾的开发需要海量资金投入。资金投入主要包括两部分：人力费用支出和数据训练费用支出。人力费用上，参 考各类招聘网站信息，智能驾驶研发人员平均薪酬约为 60 万元/年。在数据训练上的支出更是惊人，小鹏在 2024 云 栖大会期间宣布，每年投入 7 亿元用于数据训练。理想在 2024 年成都车展期间也宣称每年投入到数据训练上的花费 达到 10 亿元；同时理想预估未来要达到 L4 程度的训练预计每年需支出 10 亿美金。

　　智能驾驶是当前车内复杂度最高的软件之一，智能驾驶开发涉及多个二级研发部门的协同配合，如智能座舱、底盘、 市场营销等部门，对整车厂内部协同和整体管理效率要求很高。上述五大要素决定了当前高阶智驾参与方的竞争力，其中算力和数据是两大核心要素。基于当前汽车行业竞争不断加 剧，整车厂降本预期很高，第三方供应商很难获得足够收益保证每年的巨额投入，因此在高阶智驾的竞争中，整车厂自研模式的竞争力强于第三方。

　　整车厂自研存在 2 种模式：整车厂全栈自研模式和 Tier0.5 模式，其中整车厂全栈自研模式以华为、小米、理想、小 鹏、蔚来等新势力为主；Tier0.5 模式以比亚迪(与 Momenta 合作)、上汽智己(与 Momenta 合作)、长城(与元戎启行合 作)等传统品牌为主。相对于整车厂全栈自研模式，Tier0.5 模式中整个数据闭环过程由车企牵头，车企负责包括专门 的采集车、数据标准、云端算力等；供应商负责感知算法或端到端模型。Tier0.5 模式对整车厂的算法能力和供应商 的云端算力要求均降低，但整车厂仍旧不具备快速响应终端客户需求能力；同时对供应商而言项目的定制化属性更强， 单个项目上占用资源较多。因此，对于实力较强的整车厂，全栈自研模式优于 Tier 0.5 模式。全栈自研模式中，建 议关注华为系（赛力斯、江淮汽车、北汽蓝谷）、小米集团、理想汽车、小鹏汽车、蔚来等在五大竞争要素都具备积累 的厂商。

　　华为 ADS 智能驾驶自 2021 年 4 月发布以来，已进阶到 ADS3.0。从 ADS1.0 依赖高精地图的“有图方案”到 ADS2.0 的 “无图”自主驾驶，再到 ADS3.0 引入端到端大模型，华为 ADS 系统的每一次升级都带来技术的质变。

　　ADS3.0 采用 1L3R11V12U 的多传感器融合方案；智驾芯片采用 MDC810 方案；软件算法上实现了模块化端到端，即 GOD(通 用障碍物识别)+PDP（预测决策规控）；可实现 NCA 智驾领航辅助（高速路、城区车道、覆盖全国，不依赖高精地图，可实现车位到车位）。

　　参考华为 2023 年度报告，自华为智能汽车解决方案 BU 成立以来，累计研发投入超过 300 亿人民币，研发团队规模 达到 7000 人。鸿蒙智行更是全系进入华为智驾时代，截至 11 月 30 日，鸿蒙智行智驾里程突破 10 亿公里，平均 一天解决 19 万个泊车难题；鸿蒙智行联盟品牌车型累计避免可能的碰撞 1126600 次；云端训练快速迭代，模型更迭速度每 5 天一次，学习训练算力达 7.5E FLOPS。

　　小米将智能驾驶作为未来竞争的核心重点。2023 年底小米汽车技术发布会首次发布了小米智能驾驶全栈自研技术构架 Xiaomi Pilot Max。小米 SU7 OTA 1.2.0 于 24 年 6 月开启推送，城市 NOA 开通十城、驻车空间推出小憩模式、 支持导入更多米家设备。小米 SU7 于 2024 年 5 月底开通全国首批 10 个城市的城市 NOA；并于 8 月 30 号正式宣布开 通全国城市 NOA 功能，刷新城市 NOA 最快开城记录。2024 年 11 月，广州车展，小米发布车位到车位端到端到模型。

　　Xiaomi Pilot Max 采用 1L3R11V12U 的多传感器融合方案；域控系统采用 2 颗 Orin X 方案；软件算法上实现了 BEV+Transformer+占用网络,并融入大模型技术；可实现 NOA 智驾领航辅助（高速路、城区车道、覆盖全国）。截止 24 年 5 月小米智能驾驶团队规模已超 1000 人，计划在 2024 年扩充至 1500 人，2025 年进一步扩充至 2000 人。

　　2024 年 7 月 5 日，理想汽车发布 6.0 版本 OTA，向用户全量推送理想 AD Max 无图 NOA、全自动 AES 和全方位低速 AEB。无图 NOA 不再依赖高精地图或先验信息，在全国范围内的导航覆盖区域均可使用，甚至可以在胡同窄路和乡村小路开 启。2024 年 8 月成都车展期间，理想发布基于端到端 E2E 及 VLM 视觉语言模型的新一代理想智能驾驶技术，将面 向理想 MEGA、理想 L 系列 OTA 6.2 开启全量推送，理想智能驾驶产品迈入了“有监督的自动驾驶”新阶段。

　　理想智能驾驶 AD Max 采用 1L1R11V12U 的多传感器融合方案；域控系统采用 2 颗 Orin X 方案；软件算法上实现了一 段式端到端（E2E）+视觉语言模型（VLM）；可实现 NOA 智驾领航辅助（高速路、城区车道、覆盖全国）。理想每年在训 练算力上投入超过 10 亿元，把算力从 2023 年中的 2.4ELOPS 增加至 2024 年底的 8EFLOPS。

　　小鹏汽车通过全栈技术自研，在国内首个落地城市 NOA 功能，并在 2024 年 5 月发布 AI 天玑系统，成为首个落地端到 端大模型的国内车企。全新 XNGP 升级了模块化端到端模型，主要由 XNet 感知神经网络、XPlanner 规划控制大模型和 XBrain 大语言模型组成。截至到目前，XNGP 已经走遍全国 2595 个城市，进行了 756 万公里实车测试，将从“全国都 能开”走向“全国都好用”的阶段，做到不限城市、不限路线、不限路况。

　　2024 年上半年，蔚来 NOP+在城市区域的领航辅助已覆盖 726 城，计划在未来一年解决智驾全国好用的问题，将城区 体验提高到目前高速领航的水平。2024 年蔚来科技创新日发布的全新智驾技术架构 NAD Arch 2.0 引入世界模型的端 到端架构，从原始传感器数据生成驾驶决策，减少信息损耗，预测能力更强带来更轻松、更安全、更拟人化的智能驾 驶体验。

　　蔚来的端到端是以智能驾驶世界模型 NWM（NIO World Model）为主导的架构体系，多元自回归生成式的具身驾驶模型 NWM，可全量理解数据、具有长时序推演和决策能力，能在 100 毫秒内推演出 216 种可能发生的场景，寻找到最优决策。

　　2021 年比亚迪和 momenta 成立合资公司，比亚迪持股 60%，momenta 持股 40%，自此开始以 Tier0.5 模式合作研发高 阶智驾。2024 年 8 月比亚迪发布海豹智驾版使用了 Momenta 算法。比亚迪表示，基于 Momenta 的算法，200 TOPS 就 可满足城区场景，剩下的 54TOPS 用于冗余，能够实现“高快领航与城区领航”的双重驾驶模式。

　　上汽智己和 Momenta 合作研发的智己汽车无图城市 NOA 也属于 Tier0.5 模式，于 2024 年 5 月 25 日成功在深圳、广 州、苏州和上海等地实现了量产落地，无需依赖高精度地图，车辆即可实现复杂城市路况下的自动驾驶。

　　2019 年，长城汽车将智能驾驶前瞻部独立出去，成立毫末智行。它也成为了长城汽车的智驾供应商，到目前为止，其 量产的智驾产品 HPilot 搭载长城旗下的 20 多款车型。随着 AI 定义汽车的时代到来，算力成为第一生产力。长城汽 车自建九州超算中心，完成了大模型、大数据和大算力的数据闭环。根据长城汽车的数据，九州超算中心的算力规模 达到 1.64EFLOPS，实现 5T/秒的高性能存储和通信带宽 3.7TB/秒的高性能网络。

　　以城市 NOA 为代表的高阶智驾渗透率进入加速扩张阶段。高阶智驾将在 2025 年从“能用”迈向“好用”， 成为 toC 市场竞争的重要手段,加速 20 万-40 万价格段整车竞争市场出清。伴随端到端技术的落地，高阶智驾的核心竞争要素从算法转向数据+算力，整车厂全栈自研模式竞争力强于第三方供应商，建议关注华为系（赛力斯、江淮汽 车、北汽蓝谷）、理想汽车、小米集团等。

　　华为作为智能驾驶行业领先企业，在研发团队人数、资金投入上具备领先优势。2024 年以来，随着鸿蒙智行车辆的持 续热销，相关的数据里程积累较快，已突破 10 亿公里。在英伟达高性能云端算力芯片被禁的情况下，华为自研的昇 腾系列算力芯片能够发挥出重要作用。建议关注华为在未来继续维持智能驾驶的领先位置。

　　理想汽车是国内最早转型端到端的智能驾驶企业，凭借雄厚的现金储备、大量的数据积累，在经过多次端到端模型的 迭代后，智能驾驶系统性能快速提升。理想汽车当前拥有国内行业最多的里程数据积累，云端算力Kaiyun体育官方网站 开云登录网站储备也在快速提升。得益于在端到端时代抢跑优势，建议关注理想汽车在端到端时代维持智能驾驶行业第一梯队。

　　小米集团现金储备雄厚，伴随小米月交付量的不断升高，数据积累量快速上升。同时小米拥有行业领先的云端算力储备，建议关注在模块化智驾系统转型端到端过程，小米集团智能驾驶跃居到行业第一梯队。

　　行业竞争加剧：目前新能源新车型频出，电车市场竞争加剧，同时油车促销力度加大，存在行业竞争加剧风险。

　　汽车与电动车产销量不及预期：汽车与电动车产销量受到宏观经济环境、行业支持政策、消费者购买意愿等因素 的影响，存在不确定性。

　　法规进展不及预期：量产车高级别辅助驾驶和 robotaxi 都有赖于政策的松绑，若政策进展不及预期将拖累行业发展。

　　自动驾驶技术进展不及预期：自动驾驶功能表现直接决定了消费者对自动驾驶车型的购买意愿，若无法靠近有人驾驶水平将影响渗透节奏。

　　1、如欲获取完整版PDF文件，可以关注钛祺汽车官网—智库，也可以添加钛祺小助理微信，回复“报告名称：智能驾驶专题一端到端智驾加速整车出清，全栈自研有望突围”

　　2、钛祺智库目前已收录1900+篇汽车行业最新技术报告，供行业朋友查阅、参考。

　　3、钛祺智库持续更新、收录行业深度技术文章、研究报告，并不定期上传行业专家特约文章，为汽车行业朋友提供专业支持。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　商务部新闻发言人就美方威胁升级对华关税发表谈线岁信息学奥赛选手坠楼去世！父亲祭文称其“如暴君一般”引热议

　　火山诗线天传言”的市场影响：美股瞬间暴涨2.5万亿美元，但只持续了七分钟

　　浙江3人20+大胜青岛追到总分1-1 余嘉豪25+7完胜杨瀚森2分6犯规

　　《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律

　　精筑校园食安防线，荣膺市级突出集体 —— 胶州二中打造优质放心食堂纪实