参考文献：平安证券《汽车行业深度报告：智驾分水岭已至》
关键词学习
端到端智驾系统end to end
“端到端”智驾是一种新的智能驾驶技术，不再依赖于传统的感知原件，而是通过算法、AI、模型架构数据迭代来实现自主学习和思考能力。这让智能汽车能够像人一样主动思考加工收集到的路况信息，作出随机应变的能力，更接近于司机。
好处：自动驾驶更简洁，模块间的信息传递损失少，迭代更高效，整体更加“类人”。
难点：1、需要高质量样本 2、结果不可控，需要多次反复训练
目前市面上大部分车企量产的端到端方案，采用的都是更易落地的“两段式”方案，即感知和决策由两个模型组成。
“一段式”端到端：
概述
-
智能化持续领先带来长期估值溢价
-
智驾迈入数据驱动阶段，高阶智驾车保有量成关键，端到端方案拟人度及场景适应性将快速提高，智驾成影响消费者决策的关键因素
-
投资建议
-
风险提示：端到端模型上车后可能出现下限不可控；车端高阶智驾硬件成本难以降低，导致智驾方案难以下沉。；部分车企中高端车型高阶智驾为选配，导致高阶智驾车型保有量不及预期，从而影响智驾迭代速度；采用第三方智驾供应商方案的汽车品牌，OTA 节奏存在不可控的可能；20 万以下价格带消费群体对智驾接受度不及预期，导致该价格带智驾车型销量低于预期。
特斯拉
智驾业务潜力
- FSD智驾包盈利潜力大:
以较低的硬件利润率带来更大的车队规模，实现更高的 FSD 选装率。据特斯拉官网，2024 年 6 月 FSD 一次性购买价格调整为 0.8 万美金（美国售价），订阅费 99 美元/月（美国售价），假设有 200 万台车购买了 FSD 智驾包，则 FSD 产生的收入为 160 亿美元目前 FSD 售卖分为一次性购买和订阅制两种方式,由于特斯拉较低的智驾 BOM 成本，智驾包售卖能给特斯拉带来较高的利润规模和利润占比。 - Robotaxi持续进化：
2024 年 4 月特斯拉端到端架构的 FSD V12 版从 BETA 版升级为 Supervised（有监督）版，计划下一步迭代至 Unsupervised（无监督）版，届时特斯拉 Robotaxi 或可实现大规模推广。通过采用端到端神经网络的纯视觉架构，并在数十亿英里的真实世界数据基础上进行训练，可以实现可扩展且可盈利的自动驾驶业务。
特斯拉有自营车队，以确保每个城市有运力可提供，特斯拉车主可选择加入 Robotaxi 使其车辆成为生产工具，从而带来更高车辆使用率，最终带来更高经济价值。
FSD V12 带来重大飞跃
特斯拉 FSDV12转向端到端架构，结合特斯拉全球领先的累计行驶里程，最大规模智驾车队，云端训练算力领先等多方面
优势，FSD 可带来更高智驾体验上限，特斯拉智驾全球领先优势进一步增强。
- 特斯拉拥有全球领先的智驾车队保有量，使得端到端智驾方案得以快速迭代优化。
- 特斯拉车端智驾硬件统一，且成本优势突出。
- 云端训练算力储备领先。
FSD入华影响
- 提振车主对高阶智驾的认知和信心，探索智驾包合理定价边界，培养用户对智驾服务付费的习惯
当前绝大多数城市领航智驾体验参差不齐，无图高阶智驾上车时间不长，用户付费意愿不高，从各品牌的智驾版定价/软件包定价看，尚未探索出智能驾驶软件包的合理价格。具备高阶智驾硬件基础的特斯拉车辆保有量领先于其它本土整车品牌，一旦这些车辆释放 FSD 高阶智驾功能，可让更多车主体验到高阶智驾，从而提振广大民众对高阶智驾的认知和信心，当高阶智驾体验迭代到一定程度，将成为影响消费者购车行为的重要因素，从而提振车市消费，尤其可能大幅提振车辆置换需求。
- 倒逼本土车企将汽车智驾从硬件堆料+工程师人海战术走向数据驱动模式
FSD 入华将驱动本土高阶智驾方案走向车端硬件成本更低+智驾工程师规模减少的数据驱动阶段。训练算力+高质量训练数据将成智驾护城河，软硬一体智能车解决方案商及部分主机厂将成智驾产业链最大受益者，从而形成头部集中、强者愈强的竞争格局。
端到端
发展驱动力和必要性
我国智驾发展阶段已从硬件堆料的 1.0 阶段，迈过人海战术的 2.0 阶段，进入到数据驱动的 3.0 阶段。自特斯拉 FSD12 推出后，我国智驾自研车企及本土领先的智驾方案商均已转向端到端方向，从传统的分多个模块，人为定义接口的人工规则时代迈入数据驱动时代，智驾系统可自我学习并迭代，相当于用 AI 技术塑造了一个类人的神经网络大脑。
特斯拉引领端到端：特斯拉 FSD 最新版已切换至端到端方案，在特斯拉 FSD V12 版本上车后，国内智驾方案迭代速度明显加快，华为引领，其端到端架构的 ADS 3.0 已在享界 S9 上市，可实现点到点无图城市领航。在 2024 年 7 月世界人工智能大会，大卓智能谷俊丽（曾任职于特斯拉、小鹏汽车）认为，参考国内企业追赶特斯拉BEV/OCC 的进度，特斯拉研发进度领先国内大概在 1.5-2 年，预计国内 2025 年密集上车模块化端到端，2026-2027 年上车 One model 端到端。
进入城区领航阶段，规则模式难以为继：智驾进入城区应用场景后，系统计算复杂度呈指数级上升，用人工规则处理长尾场景的成本越来越高，端到端方案场景泛化性更强，可更高效处理长尾场景
传统方案vs端到端方案
基于人工规则：各模块独立开发，需要大量人工规则，规则之间产生大量博弈，泛化性差，智驾体验下限高，但是向上提升困难大。
端到端方案：人工规则被神经网络取代，信号输入到控制输出采用同一个深度学习模型，下限不稳定，但随着训练时长和里程增加取得更上限
本土企业动态
- 华为：ADS3.0率先实现车位到车位，智驾方案加速下沉
- 蔚来小鹏理想：新势力三强成长受挫，智驾方案快速迭代，向端到端演进，智驾组织架构调整，高阶智驾下沉至15万级车型
- 长城汽车：蓝山智驾版开启基于端到端模型智驾迭代
- 吉利汽车：战略聚焦整合，智驾功能释放节奏晚于标杆一年左右
- 小米汽车：全资全技术自研打造差异化竞争点，资源投入多，智驾发展速度较快
影响和趋势
- 高阶智驾拟人度+泛化性快速提升，智驾将成影响购车决策的关键因素
- 倒逼车企提高智驾版车型保有量，短期内 20-30 万区间智驾版车型以去激光雷达方案为主，30 万元以上车型以带激光雷达版本为主。2025 年 20 万以上新车有望标配高阶智驾硬件
- 智驾研发组织面向端到端进行调整，车企内部研发资源聚焦，智驾方案选择将快速收敛
