2024年数字经济专题报告：汽车为枢开启万物互联，AI赋能走向星辰大海

一、 宏观层面：数字经济将带动中国经济高质量发展

2023 年以来软件及信息服务等产业投资总额持续增长，数字经济核心产业彰显出强 大的活力，数据要素是数字经济的的基本单元和构成，海量数据资源和超大数据要素市 场规模为我国经济发展注入了新的动力。数字经济的三大基础要素为数据、算力和算法， 目前中国在数据和算力方面具有明显的大国优势。预计到 2025 年我国数字经济规模超 60 万亿元，相比 2021 年增加一倍。

（一）软件及信息服务等产业投资总额持续增长，为数字经济发展积蓄新势能

数字经济是以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力量， 以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高经济社会的 数字化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态。数字经 济的三大基础要素为数据、算力和算法，目前中国在数据和算力方面具有明显的大国优 势。 根据国家统计局，工信部数据，软件和信息技术服务业保持较快增长，2023 前三季 度增加值同比增长 13.5%，超过同期中国 GDP 增速 8.3 个百分点，数字经济核心产业彰 显出强大的活力。从投资端看，2023 年前三季度电子信息制造业固定资产投资增速保持 10%以上，20 个国家数据中心集群起步区域项目总投资超 4000 亿元，为数字经济发展积 蓄新势能。

（二）到 2025 年数字经济规模超 60 万亿元，相比 2021 年增加一倍

数据要素具有倍增效应。面对生产过程的多重产出：实体产品、数字孪生产品和数据 要素等多种形态，数据要素产生倍增效应，其中数字孪生和数据要素应用场景更加广泛， 而且能够积累、利用、挖掘和涌现。

数据要素市场规模持续扩大，预计 2025 年突破 2000 亿元。近年来，我国数字经济 整体实现量的合理增长，2022 年数字经济规模达到 50.2 万亿元，同比增加 4.68 万亿元， 首次突破 50 万亿元。2023 年，面对经济新的下行压力，各级政府、各类企业纷纷把发展 数字经济作为培育经济增长新动能、抢抓发展新机遇的重要路径手段，数字经济发展活 力持续释放，我国数字经济规模有望达到 54.6 万亿元，面对多方面不利因素，我国数字 经济仍保持强劲增长、凸显韧性，持续为国民经济稳增长保驾护航。 随着数据量爆发及数据要素市场化建设不断完善，数据要素市场价值加速释放，市场 规模、主体规模高速壮大。数据要素市场涵盖数据生产（数据采集、数据储存、数据加 工）、数据流通（数据交易）、数据应用（数据分析、数据服务）及生态保障四大环节。根据中国信通院测算， 2022 年，中国要素市场规模超 1000 亿元、同比增速 27%，2017- 2022 年年均复合增长率超 25%，预计 2025 年中国数据要素市场规模将突破 2000 亿元。

二、 车联网数据要素释放潜力巨大，以自动驾驶为核心带动新技术、 新服务、新商业模式

汽车数据来源和类型多样化，数据规模快速跃升。现阶段，数字化帮助产业链在汽 车设计、制造、运输、售后等各条线效率提升 10%~50%。展望未来，随着智能网联汽车 大规模运用带动数据规模快速跃升，在推动技术进步、优化产品服务、创新商业模式等 方面迎来优化。汽车数据规模快速扩大：车联网连接车端与道路基础设施端数据，依托 “车路云一体化”系统统筹处理，形成具有挖掘潜力价值的数据要素。车联网数据的三 次价值释放：一是车辆、路测、云端的全线业务贯通，二是数据决策层面，产生新数据 提升车辆和交通决策效率，三是数据流通层面，关联更多行业和企业，实现数据要素价 值最大化。 新技术：车身电子电气架构、智能座舱、交通信息系统等技术更新迭代加快。新服 务：智慧汽车与智慧城市深度融合，如智慧交通、物流配送等赋能智慧城市，驱动新一 轮新质生产力。新商业：从硬件到软件再到生态圈，形成多元化商业模式。智慧交通现 已用于无人出租车、自主代客泊车、智慧公交等；物流配送场景已在干线物流、无人配 送、封闭园区物流等领域持续推进。新商业：从硬件到软件再到生态圈，形成多元化商 业模式。现阶段，随着车辆的智能化功能提升，会带动部分硬件需求量提升。未来，自 动驾驶功能日益完善和成熟。一方面自动驾驶技术会带来软件部分创收，例如特斯拉 FSD， 另一方面，车企或软件公司构建的商业生态，形成生态圈闭环，产生服务及衍生品收入。 市场空间：预计 2030 年我国汽车产业数字经济总产值增量为 6.7 万亿，年均复合增长率 为 29%。

（一）定义：汽车数据来源和类型多样化，数据规模快速跃升

2021 年 7 月，国家互联网信息办公室等部门联合印发《汽车数据安全管理若干规定 （试行）》，定义汽车数据为包括汽车设计、生产、销售、使用、运维等过程中的涉及 个人信息数据和重要数据。 现阶段，数字化帮助产业链在各条线效率提升 10%~50%。展望未来，随着智能网联 汽车大规模运用带动数据规模快速跃升，在推动技术进步、优化产品服务、创新商业模 式等方面迎来优化。

1）数字化转型大幅提升传统汽车制造效率，数据要素使用场景的拓展有望继续为汽 车产业带来更多附加值。在传统的汽车研发、制造、物流、售后的经营过程中，数字化 手段的引入能够为各环节带来明显的效率提升，而在信息化、智能化技术的加持下，汽 车生产、销售、运营环节所产生的数据呈现指数级上升，其应用场景与范围大幅扩大， 因此我们认为在汽车行业不断将海量数据进行处理利用的过程中，新型数据有望继续为 汽车行业带来更为明显的提质增效表现，贡献更多附加值。

2）智能网联汽车带动数据规模、确权类型、场景等大幅增加。过去汽车主要收集车 辆运行数据、行驶轨迹数据等，是车辆检测、维修和事故判责的重要依据。传统燃油车 一般会收集汽车事故数据记录系统（EDR 系统）记录车辆碰撞、车辆诊断系统（OBD） 等，具体包括车速、温度、油门位置、空调等各类设备工作数据，以及车辆故障信息、 车辆地理位置、排放信息等。

智能网联汽车采集数据越来越丰富，具体分为三类：第一类是环境感知数据，通过摄 像头、激光雷达等感知硬件采集的交互环境数据（标牌、标线等）、地理环境数据（建 筑、桥梁等）、交通行人数据（车牌、行人等）。第二类是车内感知数据，通过车内摄像 头和传感器直接获取的驾驶状态、车机系统、车载总线等数据，以及由多个传感器组成 的行驶轨迹数据，第三类是车云、车车、车路交互过程中的数据。 数据规模方面，根据 Gartner 统计，一辆智能网联汽车每天至少产生 4TB 数据，每年 约产生数百 PB 数据。据华为预测，自动驾驶研发阶段单车每日会产生近 10TB 数据，在 商业落地阶段，每日会产生近 2TB 数据。

丰富的汽车软件功能增加了汽车代码需求量，根据安永统计，2025 年包括智驾软件、 车控、车内应用等软件将占中国汽车消费价值链的 17%，车辆代码量不断增加。特斯拉 Model S 系列代码行数超过 4 亿。

伴随智能化技术的快速发展，车辆运行所能生产的数据规模呈指数级上升，基于海量 数据，未来数据使用场景将不断延伸，如“车路协同”的网联化技术要求将车端与道路 端的多样化数据整合处理，以解决车辆全自动驾驶中可能产生的安全性问题；智能驾驶 数据在不同主体间的流动扩大数据应用场景，如智能驾驶车辆的保险定价、基于车主出 行场景的个性化广告推送；基于车辆对外部环境的感知及时进行城市道路基础设施的完 善等。

数据确权方面，一种是基础数据，归属于数据生产者，包括个人、组织和公众；另一 种是再加工数据，源于原始数据的再加工，第三方在合法授权和优先使用的前提下，对 衍生数据享有财产权益。对应汽车场景运用中的数据产出，数据权属可分为公众、用户、 车辆制造商和第三方。

数据场景处理方面，围绕不同数据处理场景和环节，可细化数据汽车管理各方主体 责任。具体包括智驾、补能、运维等一级场景和自动驾驶、充电、维修等二次细分领域， 预计企业涉猎不同场景对数据进行使用和处理，此外，此举用户既能清晰的了解信息使 用主体，也便于零部件供应商通过合法途径获取数据进行技术研发和产品迭代等。

（二）运用：以 “车路云”一体化架构下的自动驾驶为核心，带动车联网数据的 三次价值释放

智能网联汽车产业生态中，高精度地图绘制、自动驾驶软件算法开发、智能座舱个性 化升级、驾驶行为监测等都需要依靠庞大数据作为支撑。通过高效处理车辆产生的大数 据，构建高质量高产能的数据支撑系统，来为自动驾驶算法的训练和优化提供强有力的 支持，最终实现车端的的无人驾驶，但在行驶过程中，还需要新一代信息与通信技术将 人、车、路、云的物理空间、信息空间融合为一体，实现安全的自动驾驶，因此带来对 “车路云一体化”的统筹与需求。也极大丰富了车联网数据要素。

1）车联网连接车端与道路基础设施端数据，形成具有挖掘潜力价值的数据要素。车 联网数据要素不仅包含了车辆运行状态、驾驶员行为习惯，还包括了道路基础设施所采 集的道路交通、城市情况等众多方面信息。数据已经成为汽车、交通创新发展的基础要 素，充分发挥数据要素的乘数效应，不仅可为汽车产品优化和交通效率提升提供有力支 撑，还是赋能汽车、交通产业变革和数字时代新经济发展的必然选择。随着汽车智能网 联化升级、道路智能化改造以及城市智慧化治理，摄像头、毫米波雷达、激光雷达、高 精定位等各类感知设备在车辆和路侧大量部署，能够感知并收集到海量车联网数据，如 车辆端的运行状态、驾驶行为和轨迹等数据；道路端的信号灯状态、目标轨迹、交通流 量等数据；云端的路网地图、交通事件等数据。

2）车联网数据具有地域特征、多源异构、数据量大、多层价值特点，依托“车路云 一体化”系统统筹处理，创造更多价值。地域特征是指行车和路侧采集的数据因为各地 交通环境、路网特点、交通参与者组成的差异而呈现出不同的特点，如山区城市复杂的 高架路网环境、快速路为主的中大型城市交通系统，与地面平交信控为主的小城交通系 统相比较，行车和管理模式均有较大区别，不同的特征对数据模型的适应性提出了较高 的要求。多源异构特征是指车联网数据来源广泛且数据结构复杂。来自于车、路、互联 网、个人终端的视频、雷达、激光点云、定位和轨迹、气候、交通管理等异构数据，给 数据的汇聚和融合处理带来了一定的挑战。数据量大是指城市与车辆实时产生的数据量 巨大，例如一辆普通的智能网联汽车每天能产生 TB 级别的数据，成都交通运行协调中心 日均新增 6 亿条数据，总数据量超过 3100 亿条，大体量的数据对数据治理和处理工具提 出要求。价值差异大是指数据对不同主体的价值存在较大差异，如车辆采集的雷达点云 和接管数据对于自动驾驶训练更具价值，而路侧感知数据则对车联网和城市管理更具价 值，数据价值的差异也促使行业探索可信数据流通模式和交易机制的形成。由于车联网 数据的独特性质，需要一个集成度高，运算能力强的系统进行数据处理，以发挥数据价 值，“车路云一体化”的解决方案能够将车端和路端的数据进行统筹融合，利用云端计 算优势，实现车辆的协同控制，因而成为车联网数据处理的关键性工具。

3）车联网数据有三次价值释放。车联网新型基础设施打通了汽车与人、城市和交通 基础设施的数据边界，在以“车路云一体化”系统为顶层的统筹调控下，能够形成在城 市、高速、封闭道路等多场景下的汽车全自动驾驶应用，带来车联网数据的三次价值释放：一次价值体现在业务贯通层面，通过实体的数字化、数据的标准化和车路云的全方 位连接，实现汽车、路侧、云端的全线业务贯通；二次价值体现在数据决策层面，通过 对各类数据的深度挖掘和分析，产生超出原始数据以外的新信息，提升车辆和交通的各 类决策的效率及科学；三次价值则是体现在数据流通层面，通过数据在主体之间的流动， 让数据流通到需要的行业和企业，实现数据要素价值更大释放。

4）2020 年以来政策密集推出，“车路云一体化”迎快速发展，车联网数据规模迎来 爆发。公路基础设施改造有望快速推进。我国政府部门充分意识到“车路云”协同对高 级别自动驾驶的重要性，在政策端给予大力支持，1 月 15 日，工信部等五部门联合发布 《关于开展智能网联汽车“车路云一体化”应用试点工作的通知》，在试点城市推动建 设城市级服务管理平台，开展规模化示范应用，探索新型商业模式。

（三）新技术：车身电子电气架构、智能座舱、交通信息系统等技术更新迭代加 快

智能驾驶车端涉及汽车执行与控制系统、终端与芯片、车载软件与算法、环境感知系 统等，是实现自动驾驶技术的核心要素。随着智能驾驶功能、应用不断丰富，带动电子 电气架构完善、智能驾驶技术进步、智能座舱技术提升等，反哺及优化智能驾驶系统， 并将更多创新技术开拓场景应用，例如智慧交通场景（无人出租车、自主代客泊车、智 慧公交等）、物流配送场景（干线物流、无人配送、封闭园区物流等场景应用等）。

汽车智能化、网联化过程中，带动智能驾驶、自动驾驶由场景拓展转为里程迭代，感 知环境、决策与规划、自动化驾驶和通信技术的进步使得智能汽车能够更加准确、安全 和舒适地行驶。

（四）新服务：智慧交通、物流配送等赋能智慧城市，驱动新一轮新质生产力

智慧汽车与智慧城市深度融合，打开多应用场景。2021 年住建部与工信部先后确定 北京、上海、广州、武汉、长沙等 16 城市作为“双智”试点城市，探索智慧城市基础设 施与智能网联汽车协同发展。一是以自动驾驶应用场景驱动城市基础设施建设。智能交 通、物流配送等赋能智慧城市，在现有基础设施条件下结合不同城市具体现状进行场景 应用，并在后续不断丰富软硬件建设，实现可持续建设及运营。二是“以人为本”，以 实际落地需求为导向促进产业建设。“双智”试点为民众出行服务创新提供新思路，将 智能网链技术与实际应用深度融合。例如，长沙打造全国首条面向通勤场景的智慧定制 公交线路，使行程时间平均缩短 13.3%，高峰准点优化率达到 80%，有效提升市民通勤 效率。三是推动跨产业融合及多领域协同，“双智”试点建设涉及城管、环卫等政府部 门，公交、出租车等行业部分，通信、感知等基础设施建设企业，自动驾驶、MaaS、智 能移动终端、AI 等技术企业多领域协同发展。一方面，城市智能化基础设施的完善有效 支撑汽车网联化应用；另一方面，汽车网联化将为城市提供海量动态数据，成为推动未 来智慧城市生活的方式。 从各场景应用的市场空间及复杂度来看，跨城物流复杂度较高，市场规模较大约 7000 亿元，其次为 Robotaxi 和同城物流，场景复杂度均较高，市场规模约 3500/2500 亿元， 最后一公里运输、矿内物流、市政环卫、港口物流对应市场规模约为 840/220/110/60 亿 元。

1）智慧交通场景：无人出租车、自主代客泊车、智慧公交等应用场景扩大

i>:无人出租车以 Robotaxi 为例，头部企业运营成果显著，政企联动探索城市级规模 化应用，头部企业积累可观路测运营成果，商业模式已具雏形。 百度是国内最早布局 Robotaxi 的企业，先发优势明显，测试里程数远超同业竞争对 手。其余包括 AutoX、小马智行、文远知行等公司也依靠在核心城市的广泛布局积累的可 观的运营成果。伴随产品测试的顺利进展，当前 Robotaxi 市场已经形成了主机厂+自动驾 驶公司+出行服务商合作的商业模式：主机厂负责根据自动驾驶公司/出行服务商需求定 制化开发车辆产品，自动驾驶公司提供核心技术并自主运营车队，出行服务商提供运营 平台，形成三方共赢的商业合作模式。

政企联动加快 Robotaxi 城市级规模化应用。Robotaxi 初期测试运营主要集中在城市 的区级地区，伴随测试里程积累和技术成熟度提升，Robotaxi 应用场景进一步扩大至城 市级范围，目前主要通过政企联动模式推进 Robotaxi 在城市级的规模化应用，如蘑菇车 联与湖南省衡阳市人民政府于 2021 年 3 月达成战略合作，落地国内第一个城市级车路云 一体化自动驾驶项目。城市级自动驾驶的规模化应用不仅提升了自动驾驶所需统筹的数 据规模，更多样化的路况也带来了更多的异构数据，在数据复杂度提升的背景下，车路 云一体化系统的作用将进一步彰显，通过大数据运算与统筹实现降本增效。

ii>自主代客泊车：“车路云一体化”系统进一步扩展泊车场景，2022 年以来智能化 泊车功能渗透率持续上升，单车智能已能够实现 AVP 功能。 根据盖世汽车数据，2023 年 1-10 月，智能化泊车功能自动泊车（APA）、遥控泊车 （RPA）、记忆泊车（HPA）装车量分别为 273.0 万辆、203.1 万辆和 9.4 万辆，同比分别 +30.2%、+86.0%、+176.5%，渗透率分别为 16.3%、12.1%、0.6%，同比分别+3.1pct、+5.2pct 和+0.4pct，智能化泊车功能渗透率快速上行。除基础的智能泊车之外，头部主机厂已实 现自主代客泊车功能的量产上线，如华为问界新 M7、M9 系列，通过选装华为高阶智驾 功能包能够使用代客泊车辅助（AVP）和泊车代驾（VPD）功能，该功能仅依靠单车智能 便能够实现。

自动泊车还可运用车联网技术等，能够打通停车支付和充电、洗车等附加值服务，实 现智能泊车商业闭环。在单车智能实现 AVP 功能的基础之上，利用车联网技术能够进一 步拓展泊车场景，如遥感闸机开闭、无感支付停车费以及在停车场智能充电、洗车等附 加值服务，从而达到延长泊车价值链的效果，在进一步提高泊车场景无人化、智能化的 基础上为泊车场景带来更多附加值。

iii>智慧公交：提升公交出行便捷性，提高公共交通服务质量，推动低碳出行发展。 当前道路拥堵情况日益严重，造成公交出行时间面临不确定性，居民公交乘车意愿显 著降低。智慧公交在无需专用通道和进行大量的土建施工的情况下，通过对公交车辆及 交通信号灯进行网联化升级改造，运用基于 C-V2X 的车路协同技术，使得公交车辆拥有 与红绿灯通信的能力，结合算法控制，能够实现拥堵路段“公交优先”，从而提高公共 交通通行效率。智慧公交的规模化应用能够带来公共交通服务质量的明显改进，从而提 升居民信任度，提高公交使用率，在增加公共交通收入的同时减少私家车出行率，降低 环境污染，并推动城市低碳经济发展。

2）物流配送场景：干线物流、无人配送、封闭园区物流等场景应用持续推进

相比于城市交通的复杂路况，物流运输的道路结构性程度更高，更易于作为全自动 驾驶的先行试点场景。尽管依靠单车智能能够在复杂度更低的道路道路实现自动驾驶， 但为了解决单车智能的痛点，尽可能发挥自动驾驶带来的生产效率提升，“车路云一体 化”系统仍被广泛应用于物流配送场景中，并成为未来打造全自动化的物流配送场景的 核心基础设施。

i>干线物流：干线物流一般使用重卡，以高速公路为主，具有大批量、长距离、道路 参与者相对简单的特点。高级别自动驾驶能够解决司机短缺、人力成本提升、交通安全、 环保要求等诸多长途货运行业痛点。一是将节约人力成本，可节省运输总成本中 30%~40% 的司机成本，同时填补国内超过 1000 万的货车司机缺口。二是将降低油耗并提升经济性， 以卡车的编队行驶为例，由于跟车距离缩短（车距 10m），前车可以为后车“挡风”，减 少空气阻力，降低 10%~15%的燃油消耗，预计单公里可节省油耗 0.21 亿元。 在规模化运用方面，现已逐渐形成以车联网为核心的无人驾驶干线物流解决方案，测 试运营进展顺利，逐渐走向规模化应用。以嬴彻科技、主线科技等为代表的头部企业在 智能重卡的测试运营取得良好成果，如嬴彻科技旗下卡车 NOA 零事故安全运营里程已超 过 7000 万公里，无人驾驶卡车取得初步成效，有望继续向更广泛的区域推进干线物流无 人驾驶技术的应用。

基于车联网技术建立的车队运营模式是未来发展方向，带动干线物流场景智能网联、 自动驾驶技术市场规模快速扩容。根据运联智库发布的《2022 中国公路运力发展数据白 皮书》，我国的重卡运营主体主要为个人司机（占比超过 75%），相比于车队运营模式， 个人经营为主的物流运输环境带来的弊端主要包括运力分配不合理、司机议价权低等。 基于车联网技术，叠加 DSRC/C-V2X 技术和单车智能系统，能够建立起列车跟驰的车队 运营模式，从而降低人力需求，降低车辆能耗。在“车路云一体化”系统的不断成熟下， 智能网联与自动驾驶技术的渗透率将在干线物流场景继续增长，带动市场规模扩大，据 亿欧智库预计，2030 年，干线物流场景智能网联技术和自动驾驶技术的市场规模将分别 达到 1303 亿元和 7165 亿元，年化增长率超过 60%。

ii>无人配送：车联网技术进一步提升无人配送效率。无人配送场景主要包括快递、 商超、餐饮等的短途配送和移动零售，因运输距离短、时效性要求较为宽松，无人配送 车多为行驶于非机动车道的低速小型车。

消费者体验改进、配送效能提升，将得到大范围应用。由于无人配送车速度低、产品 体积小，无需过于高级的智能驾驶系统与之匹配，基于车联网技术对无人配送车的路径 规划技术更为简单，在无人配送领域，车联网技术的优势主要体现在改善消费者体验、 提升运营效率等：一方面，通过云端联网，消费者能够通过智能终端查看实时配送进程， 并能够根据当前配送运力情况选择更为合理的消费店铺，提升快递、外卖等服务体验； 另一方面，通过车联网对店面效能的持续监控，能够通过智能化分配运力实现最大程度 的配送车利用率，从而提升经营效能。因此，当前包括新石器、白犀牛、京东、顺丰、 菜鸟、美团等在内的企业在运行无人配送车时均广泛应用了车联网技术，通过云端算法 优化持续挖掘新价值。

iii>封闭园区物流：“全自动化园区运营，实现全流程的自动化生产。封闭园区场景 道路结构化程度普遍较高，易于实现无人驾驶，且在无人驾驶场景下基本无需人员参与 生产流程，出现生命风险的可能性低，因而相比于其他场景，矿区、港口、机场牵引等 封闭场景下的“车路云一体化”系统推进程度更快。截止目前，国内多家矿区、港口、 机场均开展了无人驾驶的规模化商用落地。

打造智慧园区方案，配合其他生产设备与云端的统一调控，实现生产全流程的自动 化控制。如智慧矿山方案，矿卡自动驾驶系统配合采掘设备、工程设备、生产设备等自 动化系统，实现协同作业的自动化控制，从而实现路测感知设备、通信系统、云端调控 系统的深度融合，挖掘数据要素的深度价值。

（五）新商业：从硬件到软件再到生态圈，形成多元化商业模式

从商业模式及需求来看，现阶段，随着车辆的智能化功能提升，会带动部分硬件需求 量提升：1）在感知层面，带动摄像头、毫米波雷达、激光雷达、超声波雷达等需求增长， 2）在决策层面，对车载芯片、操作系统等需求提升，3）在执行层面，线控换挡、线控 制动、线控转向、线控悬架、域控制器等渗透率有望加速突破。 未来，随着大模型在座舱交互、场景数据管理的不断积累和放量，智能算法不断迭代 升级，自动驾驶功能日益完善和成熟。一方面自动驾驶技术会带来软件部分创收，例如 特斯拉 FSD，另一方面，车企或软件公司构建的商业生态，形成生态圈闭环，产生服务 及衍生品收入，例如苹果公司，结合了硬件（iPhone）、操作系统（iOS）和应用市场（App Store），围绕着一个单一产品来赚取大部分利润，收费服务包括数字内容和服务、iCloud、 AppleCare、Apple Pay 和广告等，衍生品包括：1)来自在 App Store 内，特色应用与苹果 分享收入分成；2）围绕系统的可穿戴设备，例如 MR，AirPods 和 Apple Watch。

1）硬件层面对智能化设备需求迎来大幅提升。 单车智能硬件及系统包括感知层层面的毫米波雷达、激光雷达、摄像头等，决策层层 面的车载芯片，操作系统及车载软件等，执行层面的线控驱动、线控制动、线控转向和 线控悬架等。

2）软件层面以特斯拉 FSD 为代表的，技术历经 4 次迭代，买断价格多次上涨。预计 25 年贡献特斯拉 25%毛利。 现阶段，FSD 在 BEV+transformer+占用网络的底层支持下有望完成新一代升级，在更 多数据积累下，有望大幅度提升 FSD 的高阶智能驾驶能力和迭代速度。FSD 套件的盈利 模式采用一次性买断制和按月订阅制，且一次性购买价格经过多轮涨价，目前已提升至 15000 美元；FSD 每月订阅价格在 99 美元至 199 美元之间。2023Q2 服务与其他收入 21.5 亿美元，同比增长 47%，环比增长 17%，占总营收的比重为 8.6%。根据中国汽车报预测， 预计 2025 年时 FSD 的收入将达到近 70 亿美元,占特斯拉汽车业务营收的 9%,贡献 25%的 汽车业务毛利。

2022 年起国内车企探索软件付费模式。目前国内在智驾技术上领先的车企开始尝试 软件付费模式，主要集中在城市 NOA、自主代客泊车等高级别智能驾驶功能上，但领先 的智能驾驶技术是车企打造产品差异化竞争力的核心领域，因此在目前激烈的市场竞争 环境下，头部智驾车企尚未在智驾功能的选装上设定明显的溢价。目前国内车企软件增值服务主要分为两种模式，一是以华为、智己为代表的，为高阶智能驾驶功能包设定选 装价格，但在购车权益中采取权益金抵扣、限时赠送等模式降低选装成本；二是以理想、 小鹏为代表的，不额外收取功能包费用，但仅有高配版本车型可使用，较低配版本贵 2- 4 万元，溢价部分包括激光雷达、高阶智驾软件以及座舱等额外配置。

软硬件解耦实现“软件定义汽车”。未来汽车消费价值链中，软件带来的价值与收入 将会愈发明显，同时将汽车消费行为延长至全生命周期，形成“汽车销售+持续的软件及 服务溢价”的新商业模式。根据麦肯锡数据显示，2025 年软件在汽车消费价值链中的比 例将由 2020 年的 6%提升至 17%，并将在 2030 年进一步提升至 25%，软件与服务合计 将达到 41%，成为汽车价值链未来的增长核心。

3）生态圈模式参考苹果系统，软件系统贡献多半利润，多渠道拓展商业模式。汽车 作为重要端口之一，有望推动数据要素在车端的价值提升。 2022 年，苹果的收入超过 3940 亿美元，其中 2055 亿美元来自 iPhone 销售，400 亿 美元来自 Mac 销售，超过 410 亿美元来自配件和可穿戴设备（AirPods、Apple TV、Apple Watch、Beats 产品、HomePod、iPod touch 和配件），293 亿美元来自 iPad 销售，781.3 亿 美元来自服务。苹果公司现已构建了多元化的商业模式，iPhone 的物理平台，在此基础 上，建立了其操作移动系统（iOS）和应用市场（App Store）。硬件、操作系统和应用市 场共同构成了商业生态系统。在 App Store 内，特色应用与苹果分享收入分成，是苹果高 利润的收入来源。

以全域 ID+物联网技术为基础，数据要素能够为包括汽车消费在内的全场景消费带 来价值提升。打通消费者不同账号之间的信息壁垒，实现全场景下的消费者数据分析与 挖掘，叠加在物联网技术发展成熟下的“万物互联”，能够将数据的价值进一步发挥， 以汽车消费为媒介，带动全场景消费的价值提升。在汽车销售的售前环节，利用全域 ID 打通的数据优势建立精确用户画像，从而对用户进行个性化营销，提高用户转化率；售 中环节，借助用户画像快速了解客户偏好，为客户带来更亲切的服务体验；售后环节： 利用数字化手段跟踪客户用车情况，及时推送保养维修等服务，带来额外的售后服务价 值。另外，数据要素还能为汽车销售带来新场景：如根据车主用车习惯定制化保险、选 配等附加服务、建立线上交流平台，跟踪车主需求变化，优化售前营销环节、利用 VR/AR 技术为用户提供“车主共创”平台，优化产品设计，提升产品吸引力。基于汽车消费， 利用全域 ID 带来的用户精准画像和物联网技术，能够以汽车为媒介拓展出行、消费、补 能等智慧生活新场景，推动车主向其他领域的消费者进一步转化。

1、汽车销售：数字化营销赋能汽车销售全流程，新技术带来新场景拓展

数字化营销提升消费者购车、用车体验，提升主机厂品牌认可度。数字化营销能够 利用在汽车售前-售中-售后环节产生的数据要素，深挖数据价值并将之利用在汽车销售 环节，以此为消费者带来体验更佳的购车、用车服务。如开展线上预约试驾、在线销售 服务，扩大消费者触达范围；打造移动设备与车端的联动控制，提升用车便捷性；利用 线上平台在售后全程跟踪用户需求，个性化推送售后服务，提升客户对品牌的认可度和 信任感。

新技术为汽车销售环节带来新场景拓展，进一步提升经营效率。AR、人工智能等新 兴技术的不断发展为汽车销售环节带来了众多新场景的拓展，如利用 VR/AR 技术为用户 提供线上实景看车体验；利用 XR 技术开发数字人直播；利用大模型数据分析能力打造 “全知全能”的人工智能助手，为客户在选车、用车、售后等方面提供全方位服务；基 于大模型数据分析能力，根据车主驾驶习惯定制化保险方案；利用线上社群运营收集客 户用车体验等信息，对产品设计、研发等环节形成反馈，提升产品设计能力等。当前汽 车销售新场景尚未得到大规模应用的原因在于数据的价值还未得到深度挖掘，我们认为 以人工智能为代表的数据分析处理技术将成为汽车消费新场景不断拓展的基础，推动行 业经营效率的进一步上升。

2、数据要素流通带动汽车成为消费场景拓展中枢，带来智慧生活新体验。 数据要素在全域下的自由流通能够帮助企业为客户建立精准的用户画像，结合客户 不同用车场景，在物联网技术的支持下，汽车将能够成为用户智慧生活的核心中枢，带 动消费场景的延伸：如在家庭出行场景下，根据车主的位置信息，道路交通信息智能化 操控空调、热水器、电视等家居设备；在商务出行场景下，根据车主日常喜好推荐兴趣 点，通过对用户用车场景下的潜在消费需求的深入挖掘，汽车能够作为中枢带动车主对 包括智能终端、商超、餐饮等在内的日常场景的消费，激发数据要素价值。

华为以鸿蒙为基开启万物互联时代，引领汽车消费场景拓展浪潮。华为于 2019 年 3 月 14 日的 HiLink 生态大会上首次提出“1+8+N”的全场景智能化战略，以手机为核心， 通过车机、PC、平板等在内的 8 大智能终端，覆盖移动办公、智能家居、运动健康、影 音娱乐、智慧出行五大场景模式的外围智能硬件，打造万物互联的生态模式。华为鸿蒙 系统的“原子化服务”实现了不同 APP 之间数据要素壁垒的快速打通，利用自由系统、 华为云、昇腾大模型等核心技术，实现对海量数据的收集、挖掘、处理、分析、存储， 在提升用户数据安全性的同时，建立消费场景间的互联互通，实现数据深层价值的激发。

华为原生应用朋友圈持续扩容，有望率先落地汽车销售与新消费场景。 在汽车销售 场景方面，2 月 20 日，华为宣布与途虎养车的全面合作，途虎养车启动鸿蒙原生应用开 发，伴随华为汽车朋友圈的扩大，搭载华为智能座舱与智能驾驶的汽车保有量持续增长， 打通华为汽车数据与途虎养车数字化服务平台，能够为车主推送更精准、更实惠、更方 面的售后服务，在改善消费者售后体验的同时带动华为汽车销售链条价值提升；在新消 费场景方面，以美团为例，基于包括华为手机、车机等在内的智能终端所形成的数据体 系赋能美团业务，形成对用户的个性化消费推荐，实现对美团到店业务的客户引流，不 仅能够提升华为车主出行的智能化体验，也能带动美团业务市场竞争力的进一步提升。

（六）市场空间：预计 2030 年我国汽车产业数字经济总产值增量为 6.7 万亿，年 均复合增长率为 29%

根据中国信通院估算，预计到 2025 年，中国智能汽车市场规模将接近万亿元，中国 汽车产业数字经济贡献规模达到 6.7 万亿元。未来，我国应加大政策力度推动智能网联 汽车同其他实体经济的融合发展，并结合产业自身优势，在汽车产业转型中占领战略制 高点。具体来看，我们从智能网联汽车、智能化路侧基础设施、云控平台、基础支撑四 方面对智能网联汽车产值增量做了预测，预计 2025 年、2030 年车路云一体化智能网联 汽车产业产值增量为 7295 亿元、25825 亿元，产业发展将积极推动我国经济增长。

1）智能网联汽车产值增量测算层面，预计 2025 年/2030 年我国智能网联汽车的产值 增量为 6451 亿/20266 亿元。我们主要围绕汽车智能驾驶硬件及软件、智能座舱硬件及软 件、车载应用软件、车载通信单元、整车终端产品和创新应用服务六个领域进行测算。

i>感知层：与传统汽车相比，智能网联汽车的环境感知硬件增量主要来自激光雷达、 毫米波雷达和车载摄像头市场。

我们假设 L2+及 以 上 级 别 智 能 驾 驶 系 统 中 采 用 激 光 雷 达 /4D 毫 米 波 雷 达 的 占 比 在 2025 年为 50%，2030 年为 80%，4D 毫米波雷达渗透率在 2025 年为 8%，级联芯片方案 占比下降至 75%，2030 年为 30%，单芯片方案占比上升至 60%，对应 2025 年毫米波雷 达市场规模预测为 206.56 亿元，2030 年为 286.75 亿元。

激光雷达：激光雷达仍将在长期成为高阶智能驾驶系统必备的感知部件，一方面，相 比于特斯拉，本土主机厂在里程数据积累与技术成熟度上仍具备一定差距，需要高精准 度的激光雷达为感知层提供“兜底”，另一方面，国内道路复杂度明显高于欧美市场， 特斯拉“纯视觉方案”在国内的落地效果尚无法得到充分检验，因此高阶智能驾驶市场 扩容将有效带动激光雷达的搭载量提升，渗透率进入快速提升期，同时整车厂“价格战” 压力向零部件环节传导，叠加规模效应发挥将带动成本快速下行。但激光雷达的单车平 均搭载量将逐渐降低，过去产品可最多搭载 3 个激光雷达，伴随感知技术的进一步成熟， 单车激光雷达搭载量将下降至 1-2 颗，96 线、128 线的高价值产品将被更多应用于市场。 L2+及以上级别智能驾驶系统中采用激光雷达/4D 毫米波雷达的占比在 2025 年 50%， 2030 年为 80%，其中激光雷达占比在 2025 年为 97%，2030 年为 80%，单车平均搭载量 在 2025 年为 1.2 颗，2030 年为 1 颗。对应激光雷达市场规模在 2025 年为 107.91 亿元， 2030 年为 196.35 亿元。

摄像头：当前主流的摄像头像素在 100-500 万左右，高级别智能驾驶系统对图像分 辨率提出更高要求，预计 800 万像素摄像头将会被更多的用于前视摄像头与未来发展潜 力较大的电子后视镜中。自动驾驶级别与摄像头数量有较为明显的正向对应关系，我们 假设未来 L1 级别智能驾驶系统的单车平均摄像头为 4 个（1 个前视+1 个后视+2 个环视 &周视），L2 级别智能驾驶系统的单车平均摄像头为 8 个（2 个前视，包含 1 个 800 万 像素的摄像头+1 个后视+5 个环视&周视），L2+及以上级别智能驾驶系统的单车平均摄 像头为 12 个（3 个前视，包含 2 个 800 万像素摄像头+1 个后市+8 个环视&周视），到 2030 年，电子后视镜渗透率假设达到 10%，两个周视镜头升级为 800 万像素。我们预计 摄像头市场规模在 2025 年为 273.36 亿元，2030 年为 419.49 亿元。

ii>决策层：决策层单车价值量与自动驾驶等级呈正相关线性关系。芯片方面，地平 线、Mobileye、TL 等芯片厂商逐渐推出适配于高阶智驾系统的芯片产品，有望带动芯片 价格的有效下行；操作系统方面，域控制器规模效应继续发挥，假设价格具备较为快速 的下滑速率；算法方面，考虑到当前技术难点仍较多，仍需较大力度的研发投入，预计 成本在中长期的下滑速度较低。我们预计自动驾驶决策层市场规模在 2025 年为 2022.86 亿元，2030 年为 2686.5 亿元。

iii>执行层：线控驱动（油门+换挡）市场：当前技术成熟度高，线控油门渗透率接近 100%，线控换挡除纯电动车不适用外，在其余产品渗透率超过 90%。未来市场将呈现出 稳定的发展格局，产品单价缓慢下行。我们预计自动驾驶执行层市场规模在 2025 年为 1042.57 亿元，2030 年为 1494.37 亿元。 线控制动市场：驻车线控制动渗透率超过 70%，技术成熟度高，未来渗透率将缓慢 上行；行车线控制动技术成熟度正不断提升，当前渗透率在 20%左右，本土零部件厂商 已实现产品的规模化量产，产品性能向博世、大陆等国际一线企业看齐，并打入头部自 主品牌产业链，在本土厂商带领下，预计线控制动渗透率将进入快速上行通道。 线控转向市场：线控转向能够实现方向盘与转向机构的完全机械解耦，虽然目前已经 在政策法规层面解除了对机械解耦的显示，但当前在技术层面上线控转向仍面临安全冗 余、电子结构稳定性、方案盘路感反馈等多方面问题，因此短期内仍将以 EPS 结构为主。

线控悬架（空气悬架）市场：空气悬架对于驾乘舒适性的改善具有明显的作用，当前 量产已不存在技术难点，限制渗透率的核心因素在于成本。目前国内包括拓普、保隆、 中鼎、孔辉等在内的零部件厂商已经具备空气悬架总成或核心零部件的量产能力。同时 自主品牌新能源产品将空气悬架配置带入 30 万元价格区间，大幅提升市场容量，有望带 动空气悬架制造成本有效下行，预计未来伴随成本的继续下降，以及产品的高端化趋势， 空气悬架配置有望进入 25-30 万元价格区间，渗透率空间进一步打开。 底盘域控制器（芯片+操作系统+算法）市场：由于驱动、制动、转向等系统供应商差 异，且底盘相关零部件过去多为黑盒模式，集成化算法难度高，因此底盘域控制器的量 产进展较其他域控制器更为滞后，现有的底盘域控制器也无法做到对底盘部件的整合， 如蔚来的底盘域控制器仅集成了驻车、空气弹簧、网络安全等功能。未来伴随线控底盘 技术的发展，底盘部件的软硬件解耦将更加彻底，届时底盘域控制器将能够有更大的渗 透率提升空间。

2）在智能化路侧基础设施经济增量测算层面，我们主要围绕车路云一体化产业带动 的智能化路侧基础设施的建设成本和后续运维成本进行测算，智能化路侧基础设施主要 包括路侧通信单元、路侧计算单元、路侧感知设备（如摄像头、毫米波雷达、激光雷达）、 交通管理设施（联网信号机、联网交通信息发布设施、其他交管设施）等。根据中国汽 车工程学会预测，2025 年智能化路侧基础设施带来的产值增量为 223 亿元，2030 年为 4174 亿元。

3）云控平台，是车路云一体化智能网联汽车的核心特征，包括云控基础平台和云控 应用平台。预计 2025 年云控平台的产值增量为 23 亿元、2030 年产值增量为 218 亿元。 参考《车路云一体化智能网联汽车发展白皮书》，预计到 2025 年，在 10 个以上重点 城市和 5 条重点高速公路，开展架构统一、标准一致、逻辑协同的云控基础平台建设； 预计到 2030 年，在重点城市和重点高速公路，开展架构统一、标准一致、逻辑协同的 云控基础平台建设。

4）在基础支撑产值增量测算层面，主要围绕车联网蜂窝网络、高精度地图与组合定 位、车联网信息安全三个领域进行测算。结果显示，预计 2025 年/2030 年我国基础支撑 部分的产值增量为 599 亿/1167 亿元。

现阶段仍以设备及终端产品需求为主要增长点，后续创新应用服务各领域有较大差 异。智能网联汽车方面，单车智能、智能座舱、应用软件、车载通信单元和终端产品将 保持高位平稳增长；而干线物流运输、自动驾驶出租车、自动驾驶公交车、矿山无人运 输等智能网联汽车创新应用场景服务，因产业技术趋于完善且商业化模式有望复制推广， 将保持高速增长态势。对比传统出行约万亿、配送运输约 6 万亿市场规模，2024 年智慧 出行、智慧运输等新型商业模式尚处于起步阶段，预计到 2030 年，智慧出行、运输配送 约占传统出行、运输配送市场 10%左右。

三、人工智能兴起，为自动驾驶带来革命性变革

我们目前的自动驾驶技术路线基于规则设计的场景，然后交给 AI 系统去使用，相当 于是新司机模型，交给一个不会开车的机器怎么去开车；而基于大数据训练的自动驾驶 技术路线相当于教给机器怎么从一个新司机成长为经验丰富的老司机。 区别于传统自动驾驶基于模块化规则，AI 大模型的自动驾驶主要基于大数据训练。 现阶段主要集中在自动驾驶及智能座舱大模型。智能驾驶方面，大模型成为海量数据处 理的关键性技术，助力自动驾驶产业发展进入泛化阶段。智能座舱方面，AI 大模型赋能 提升智能座舱技术水平，推动智慧生活场景拓展。 AI 产业链整体可以分为三个层次，模型层、算力、应用层。应用层 AI 将重塑生产效 率和交互体验，其中软件和硬件将交替推动创新，而算力层将从训练逐步向推理过渡。

传统算法将自动驾驶系统划分为感知、规划、控制等 3 大块，每个部分又可细分为 不同的模块和子模块。每个模块各司其职，有着独立且明确的目标。应用 AI 大模型后， 自动驾驶算法的底层逻辑将变成“场景→车辆控制”的端到端模型，将感知、规划和控制 环节一体化，传感器采集到的信息直接输入神经网络，经过处理后直接输出自动驾驶的 驾驶命令，不存在各子模块目标与总系统目标存在偏差的情况，保证效益最大化。当前， 端到端模型暂时只被用于感知系统。

以 ChatGPT 为代表的人工智能浪潮也将加速汽车多样化智能的演变进程。人工智能 多模态大模型，其强大的人类语言理解与生成能力，可实现人与计算机之间的高效沟通， 有力支撑实现汽车的智能服务功能。

（一） 智能驾驶是大模型重要运用分支

大模型技术发展进入成长期，智驾相关大模型开始涌现，对算力提出更高要求。大 模型主要是指均有数十亿甚至上百亿参数的深度学习模型，最具代表性的是大型语言模 型，如 ChatGPT，在以 ChatGPT 为代表的大型语言模型发展不断成熟后，Transformer 架 构 开始 逐渐被 用于语 言模 型之 外的其 他大模 型， 如智 能驾驶 ， 2021 年特 斯拉 率先提 出 BEV+Transformer 架构的感知系统，呈现出了良好的感知效果，推动其智能驾驶技术的快 速进步，时至今日，已有包括华为、毫末等在内的多家企业大力推动智驾相关大模型的 研发，预计大模型将成为未来推动智能驾驶向高阶发展的核心技术基础。

大模型成为海量数据处理的关键性技术，助力自动驾驶产业发展进入泛化阶段。 随 着高等级自动驾驶正逐步落地，海量数据处理与多元场景应用成为未来产业发展的核心。 数据量的累积，对算力、算法以及商业模式提出考验，大模型的研发与应用恰逢其时， 将主要从自动驾驶的数据处理层面赋能自动驾驶产业发展。

大模型应用之一：有效提升数据标注效率，提升自动驾驶模型训练速度。 高质量的 自动驾驶模型以海量的数据训练为基础，车辆传感器收集的数据需进行标注已达到更好 的训练效果。早期的数据标注主要有人工来完成，后发展至 AI 辅助标注，效率有所提升， 现如今数据标注已逐渐发展为 AI 标注，利用深度学习模型能够显著提升数据标注效率， 而伴随智能网联汽车保有量的持续提升，大模型能够满足日益增长的数据标注需求，助力车企加速训练高质量的自动驾驶模型，例如小鹏推出的全自动标注系统将效率提升近 45,000 倍，以前 2000 人一年的人工标注量，现在仅需 16.7 天就可以完成。

大模型应用之二：文生视频模型大幅提升自动驾驶仿真测试场景泛化能力。2 月 16 日，OpenAI 发布首个文生视频模型 Sora，该模型能够根据一段文字生成 60s 的视频，随 后特斯拉创始人在社交媒体表示“特斯拉在一年前就已经掌握了类似 OpenAI 的视频生 成技术”。当前智能网联汽车保有量不足以支撑传感器收集足够的真实场景数据用于自 动驾驶模拟测试，仿真测试在自动驾驶测试中发挥重要作用，且现实场景无法收集到所 有的 corner case，模拟测试能够有效提升自动驾驶模型应对“长尾难题”的能力，而伴随 以 Sora 为代表的文生视频模型逐渐成熟，仿真测试平台的场景生成能力有望得到指数级 的提升，从而提升自动驾驶模型测试效率，推动自动驾驶系统能力的完善。

数据收集与处理能力的指数级提升将有望带动端到端模型的加速落地。 自动驾驶功 能主要依靠数据在三层架构中的传输和处理来实现，分别为感知层、决策层、执行层， 其中感知层主要通过摄像头、雷达等传感器收集车辆外环境信息，决策层将感知层收集 的信息进行处理计算，生成执行指令，执行层接受决策层指令并通过油门、制动、转向 等结构实现车辆的运动控制。基于规则驱动的模块化方案按照感知-预测-规划-执行的 架构实现自动驾驶，基于数据驱动的端到端方案直接由传感器输入信息生成执行信息，减少了各模块间的多个编解码环节，降低了计算的冗余浪费，并能够推动车端形成与人 类司机相同的行为和思维模式，是推动自动驾驶解决“Corner case”，迈向全自动驾驶的 更优解决方案。

（二） 自动驾驶：依托训练数据量快速增长，特斯拉端到端方案初显成效

相比于模块化的自动驾驶系统架构，端到端的自动驾驶模型（End-to-End）能够更 好地集中系统资源，提升自动驾驶系统性能上限，但端到端模型的缺点在于起步较慢， 想要实现与模块化系统相同的性能，需要以大量的数据训练为基础，在足够的有效数据 的训练下，才能够实现性能的赶超，特斯拉发布的首个端到端模型 V12 的训练量超过 1000 万个经过筛选后的驾驶视频。文生视频模型发展带来的仿真测试场景快速泛化以及 在 AI 标注下的数据处理能力的快速提升将能够为端到端模型提供海量的数据基础，推动 模型加速成熟。

车企加速布局云计算平台，为数据训练提供算力保障。在数据增长之外，自动驾驶系 统能力的增长还有赖于充足的算力与之匹配，2021 年 8 月，特斯拉发布 Dojo 超算中心， 计划在 2024 年投资超过 10 亿美元建设，并在 10 月达到 100 Exa-Flops 的总算力规模。 伴随训练数据的高速增长，自动驾驶系统仍存在较大的算力缺口与之匹配，在数据量增长带来的计算需求高速增长下，车企开始加速布局超算中心，以掌握稳定的算力资源， 加速自动驾驶新兴功能落地，目前以蔚小理为代表的自主品牌已初步建成超算中心，并 将在未来继续提升算力规模。

大模型推动智驾技术进入快速成长期，高阶智驾功能渗透率有望快速上升。大模型 带来的自动驾驶训练效率的指数级上升将驱动高阶智驾功能的更快落地，带动高级别智 能驾驶渗透率的快速上升。据乘联会数据，2023 年新能源/燃油乘用车的 L2 级别智驾渗 透率分别为 43.40%/26.60%，新能源乘用车的 L2+/L2++级别智驾渗透率为 11.90%，我们 预 计 在 大 模 型 的 驱 动 下 ， 到 2025/2030 年 ， 整 体 市 场 的 L2 级 别 智 驾 渗 透 率 将 达 到 40.19%/41.49%，L2+/L2++级别智驾渗透率将达到 19.62%/39.79%，推动感知层-决策层执行层的软硬件配套设备市场规模的快速增长。 特斯拉 FSD 引领软件付费模式探索，智能驾驶技术进步提升消费者付费意愿。国内 消费者对自动驾驶的需求较高，且更愿意采用一次性买断方式支付自动驾驶费用。据麦 肯锡发布的《2023 麦肯锡中国汽车消费者洞察》调研数据，国内消费者在高速公路/城市 高架、城市地面道路、自动泊车三大场景下对自动驾驶功能的需求占比分别为 75%/60%/76%，处于较高水平，自动驾驶已经获得了较高的消费者接受度。从付费模式 来看，超过 50%的消费者倾向于通过一次性买断的方式支付自动驾驶附加功能费用，“买 断方式”有望成为未来国内车企自动驾驶软件付费的主要模式。

技术成熟度提升带动高阶智驾功能使用率上升，有效提升客户粘性。 春节过后多家 车企发布用户春节出行报告，春节期间高阶智驾功能的使用率明显上升，如蔚来本年度 春节智驾里程占比相比去年同期上升 9.7pct，小鹏春运期间智驾历程同比增长 2.8 倍，主 要受益于车企智驾功能成熟度的进一步上升以及智驾车型渗透率的提升。从整体数据来 看，新势力的高阶智驾功能上车进展更快，技术成熟度更高，因此车主使用率更高，另 外，自主品牌产品保有量较高，因而搭载高阶智驾功能产品的使用率较新势力更低。春 运期间存在堵车、长途驾驶等多种复杂路况，智驾功能使用率的上升表明智能驾驶技术 对复杂路况的应对能力进一步提升，有助于增强车主及潜在消费群体对高阶智驾功能的 信任感，有望带动高阶智驾功能渗透率的继续增长。

（三） 智能座舱：推动多模态交互智能化程度提升

智能座舱是实现车内外智慧生活的核心媒介，多模态交互是未来核心发展方向。 智 能座舱是驾乘人员与车辆进行直接交互的关键媒介，智能座舱不仅是实现车内各部件智 能操控的核心部件，为驾车人员打造个性化的“第三生活空间”，也是前文提到的以汽 车为核心的智慧生活场景拓展的关键媒介，基于语音、屏幕、车联网形成消费场景的拓 展。为建立个性化的智能座舱体验，为驾乘人员带来更精确的服务反馈，智能座舱正逐 渐向多模态交互发展，通过语音、人脸、表情、手势等多模态信息为用户生成反馈，打 造立体的智能座舱体验。

智能座舱渗透率持续增长，核心软硬件功能配置率继续上升，但多模态交互模式所 需的 DMS 系统装配率仍有较大的进步空间。据盖世汽车数据，2023 年全年标配智能座 舱乘用车销量达 1298.9 万辆，渗透率达 61.5%，同比+10.5pct，自 2022 年以来，智能座 舱标配渗透率逐季上升，智能座舱已成为车企打造差异化产品卖点的核心领域。从功能 配置上来看，智能座舱人机交互的核心软硬件功能标配率在 2023 年进一步上升，已基本 能够满足人机交互需求。2023 年全年，中控屏/语音交互/车联网/OTA/全液晶仪表的标配 率分别达到 92.2%/78.8%/77.6%/63.0%/67.6%，均有不同程度上涨，且配置率达到较高水 平。从多模态交互的角度来看，目前能够识别人脸、手势等信息的 DMS 系统装配率仍较 低，据佐思汽研数据，2023 年 1-10 月 DMS 装配率仅为 12.4%，未来增长空间十足，DMS 装配率的上升将成为智能座舱系统继续向多模态交互模式进步的核心助力。

座舱智能化程度有待进一步提升，消费者对智能化座舱功能怀有高期待。 据亿欧智 库发布的《2023 中国智能座舱交互场景生态发展研究报告》的调研数据，消费者在不同 驾乘场景下对座舱语音识别精准度、DMS 的智能化程度存在较大的不满，体现出在当前 技术水平下，语音交互、多模态交互等技术仍有待进一步成熟。另外，在座舱配置中， 消费者对 DMS、语音助手、车内娱乐、多模态交互、车联网智能家居、OMS 等处于技术 前沿领域的功能有着较高的兴趣度。在当前技术成熟度有待提升，新技术有待进一步开 发探索的背景下，智能座舱仍具有较大的技术进步空间。

AI 大模型赋能提升智能座舱技术水平，推动智慧生活场景拓展。智能座舱技术成熟 度的进一步提升有赖于数据处理能力的增长，大模型能够带来从数据收集到数据处理、 输出的全流程效率提升，因此主机厂开始大力投向以多模态大模型为核心的智能座舱技 术研发方向。2024 年 1 月 11 日，吉利正式发布全球首个汽车行业全栈自研全场景 AI 大 模型——吉利星睿 AI 大模型，将自研基础大模型与吉利全球领先的 NPDS 研发体系、巨 量造车全链路场景数据库深度融合，依托超千亿参数量、海量常识和情感模块。能够为 用户带来不止于车的全场景陪伴 AI 智能体验；2023 年 8 月 8 日，广汽正式推出 AI 大模 型平台，聚合视觉、NLP、多模态、专用模型等多种 AI 大模型，并与广汽智能网联底层 能力深度融合，不仅能调用通用大模型的能力，还能基于智能汽车的应用场景构建专用 模型，让 AI 大模型平台成为全场景应用的入口，重塑智能汽车场景交互范式。目前车企 已经逐渐走向基于大模型打造智能座舱，并不断向全场景应用拓展的生态建设模式。

基于大模型的语音交互功能率先落地，新兴功能将通过 OTA 不断推向用户。当前车 端大模型应用落地情况与大模型技术发展路径较为匹配，当前语言类大模型发展最为成 熟，结合语音识别技术，基于大模型的语音人机交互功能率先在车端落地应用。从当前 的语音交互功能来看，大模型技术的进入明显提升了语音助手的智能化程度，在基础的 交互功能上拓展了声纹识别、个性化推荐等功能，并逐渐形成了更强的理解能力，如蔚 来语音助手 NOMI 能够理解人类语言中的“氛围感”。伴随智能座舱技术的不断发展， 更丰富的功能将不断以 OTA 的形式推向客户，技术实力强的主机厂在 OTA 更新频率、功能补充等方面具备更为明显的优势。大模型为智能座舱带来的技术提升效果已初步显 现，我们预计伴随多模态大模型技术的不断发展，智能座舱功能将继续延伸，形成链接 全场景的智能中枢，推动万物互联下的智慧生活场景的不断落地。

四、放眼全球：我国整体处于全球领跑阶段，但尚未形成绝对优势

全球多国加强智能网联新能源汽车的战略谋划，强化政策支持，挖掘汽车数字经济 潜力。美国、欧洲、日韩、中国等多个国家围绕补贴激励政策、自动驾驶法律法规、开 放道路测试规范等出台了百余项国家及地方级政策。加拿大、德国、法国、挪威、 瑞典、 英国等纷纷调整新能源汽车相关补贴及减税标准。德国、日本已出台允许 L3 级自动驾驶 汽车上路的法规。我们以美国、欧洲、日韩及中国为典型代表，分别从政策支持、产业 现状等进行了对比。

1）政策环境方面，美国将发展自动驾驶作为智能交通系统的一项重点工作内容。到 2023 年美国已有 30 余个州颁布自动驾驶相关法律和行政命令，美国自动驾驶行业协会发布自动驾驶政策框架，旨在从政策法规层面破除自动驾驶行业发展障碍，以实现美国 自动驾驶技术全面部署。

欧盟持续完善网联式自动驾驶及电动汽车的发展战略体系及技术路线图。 法律法规 方面，英国、德国、法国陆续制定自动驾驶相关法律，为自动驾驶汽车部署建立监管框 架，明确责任分担及伦理准则。

日韩加速新能源汽车转型，重点推动自动驾驶与智能交通、智能社会的融合。战略规 划方面，2020 年，日本发布《实现自动驾驶的相关报告和方案 4.0》，提出到 2025 年将 只需远程监控的无人自动驾驶服务扩大到全国 40 个区域范围。2021 年，韩国发布《新 能源汽车发展规划（2021—2025）》，包括扩大新能源汽车普及、完善充电设施、确保 价格竞争力、扩大出口、推进技术创新，实现到 2030 年汽车碳减排 24%。法律法规方 面，日本出台了对 L3、L4 级自动驾驶上路的规定，韩国出台了 L3 级自动驾驶的安全标 准及商用化标准。

我国从顶层设计、行业规划、基础支撑等方面构建了完善的智能网联新能源汽车政策 体系，战略规划方面，2020 年，国务院印发《新能源汽车产业发展规划（2021—2035 年）》， 指出到 2025 年新能源汽车渗透率达 20%，推动高质量可持续发展，加快建设汽车强国。 发改委等 11 个部门印发《智能汽车创新发展战略》，提出到 2025 年实现有条件自 动驾驶的智能汽车实现规模化生产。法律法规方面，2022 年，深圳发布《深圳经济特区 智能网联汽车管理条例》，我国首部关于智能网联汽车管理的法规诞生，针对智能网联 汽车的准入登记、上路行驶、事故责任认定等事项作出具体规定。

2）在产业布局方面，美国凭借信息技术优势，以智能芯片、操作系统和车联网为突 破口，成为自动驾驶技术的领跑者。美国全面布局自动驾驶各关键领域，其在智能控制、 芯片、整车制造等方面处于优势地位，产业上、中、下游实力均衡。同时，美国加快了 C-V2X 车联网落地应用进程，在佐治亚州、密歇根州科罗拉多州等多个地区开展了大规 模 C-V2X 测试。 整车方面， Tesla 是全球唯一实现了自动驾驶领域全方位自研自产的车企，在数据、 算法、算力等层面打造了一套包含感知、管控、执行在内的自动驾驶软硬件架构。自动 驾驶方面，Waymo、Tesla、Uber、Cruise 等公司在积极推进自动驾驶技术的研发。芯片 方面，美国在全球半导体市场中占据约 50%的市场份额，拥有英特尔、高通、英伟达等 世界知名芯片企业。操作系统内核的 Linux、Android 全球市场占有率约为 40%。

欧洲凭借世界领先的汽车工业基础，传统汽车和零部件巨头加速转型，加大电气化及 智能化转型力度。在软件开发、计算平台、技术测试、自动代客泊车示范应用方面取得 突出进展。产业链集聚方面，欧洲在融资规模和体量上总体稍落后于中美，但创新活力 及发展潜力不容忽视，涌现了 AIMotive、FiveAI、NavyaAmber 等初创科技公司。

日本在混合动力及氢燃料电池汽车上具有明显优势，日韩在动力电池、电气化等方面 具有雄厚的技术实力，在纯电动汽车领域发展相对缓慢。日韩基于良好的汽车电子产业 基础稳步推进自动驾驶，加快了测试验证及车型规划的发展布局。产业链集聚方面，日 本布局智能网联汽车领域的企业多为老牌汽车及零部件企业，初创企业较少。

我国智能网联新能源汽车得到了快速发展，整体处于全球领跑阶段，但尚未形成绝对 优势。我国传统车企、造车新势力、信息通信等企业通过强强联合、优势互补，积极开 展产业布局，已形成较为完善的产业链。整体来看，我国在基础设施、5G 通信、北斗导 航、ICT 等领域形成技术优势，但在电子电气架构、大算力芯片、操作系统、ADAS 系统 及高端装备等领域的落后仍会影响产业安全可控。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）