2024年智能汽车行业专题报告：智驾进入平价时代，主机厂自研方案分化影响产业格局

一、智驾进入平价时代，需求拐点将至

（一）政策阶段：产品准入试点工作有序推进，L3 自动驾驶上路在即

智能网联汽车政策主要分为道路测试、示范应用、产品准入、市场监管四大阶 段。在道路测试方面，工信部等三部委最早于2018年4月就发布《智能网联汽车道路 测试管理规范》。在示范应用方面，于2021年公布《智能网联汽车道路测试与示范 应用管理规范（试行）》（征求意见稿），并在北京、上海等多个城市中颁布相关试 行规定。在产品准入方面，2023年11月，我国工信部等四部委联合发布《智能网联 汽车准入和上路通行试点实施指南（试行）》，指导汽车生产企业和使用主体在车辆 运行所在城市限定区域内有序开展试点工作，自动驾驶功能针对的是L3、L4级别。 在市场监管方面，涉及监管部门众多，包括发改委、工信部、自然资源部、交通部、 住建部、公安部等超10个强监管部门。例如，自然资源部主要负责测绘资质、高精 度地图以及涉密地理信息的管理。 产品准入试点工作正有序推进，为自动驾驶上路全面放开奠定基础。根据盖世 汽车，百度萝卜快跑在2022年5月落地武汉光谷，并进行常态化自动驾驶测试及商业 化示范运营。2024年6月工信部等四部门通过试点申报遴选，确定首批9个进入试点 的联合体。试点组织实施共分为五个阶段，分别是试点申报、产品准入试点、上路通 行试点、试点暂停与退出、评估调整。接下来，四部门需要对车企的产品进行准入测 试与安全评估等，取得准入许可后，需要依法办理车辆登记，就意味着它们可在限 定区域内合法上路。我们认为随着试点工作的推进，将助力车企和使用主体加强能 力建设，为L3自动驾驶的全面放开奠定了基础。

（二）高阶智驾进入平价时代，渗透率拐点将至

随着软硬件技术降本推动下，搭载高阶智驾的车型价格带进入20万元以下。24 年以前具备高阶智驾水平的车型价格带基本都在25万元以上。一方面随着芯片、传 感器等硬件成本快速回落，另一方面软件算法不断进步，带来对硬件数量和参数指 标的需求快速下降，具备高阶智驾方案的车型逐步进入到20万元以下价格带。随着 高价智驾车型进入平价时代，渗透率有望加速向上。

随着搭载高阶智驾的车型价格带逐步下探，渗透率呈现快速提升趋势。我们根 据汽车之家和中汽协的数据统计，高阶智驾渗透率从2023年1月的6.1%提升至24年 10月的7.6%，同比提升1.5pct，而不含特斯拉的高阶智驾渗透率从2023年1月的1.6% 提升到24年10月的5.2%，同比提升3.6pct。23年国内主机厂贡献高阶智驾渗透率的 主要为蔚来、理想、小鹏，而到了24年，如问界、吉利、小米、长安等主机厂也成为 贡献高阶渗透率的重要力量。随着高阶智驾新车型供给不断增加，而成本不断下探， 而城区NOA功能体验持续演进为消费者带来好的乘驾体验，渗透率有望加速提升。

二、从智能化的评价体系看产业格局

汽车智能化包括智驾、智能座舱、智能网联等，考虑到智驾技术门槛更高，也是 消费者更期待的体验，对产业和投资影响也更大，本文作为重点讨论。 车企一般高阶智驾采用自研或者合作开发为主，低阶智驾采用外部供应商为主。 低阶智驾实现的功能较为简单，体验较为单一，无法实现车型产品的功能差异化， 只需普通的规则软件算法+低算力芯片即可实现。此外由于其供应商丰富，成本便宜， 对低阶智驾供应商的选择主要是成本/一致性/稳定性等指标，车企一般采用直接外部 供应为主。高阶智驾实现的功能复杂，体验有明显的差异化，需要算法大模型+高算 力车载芯片支持，以及持续的数据驱动软件OTA更新来实现功能的持续迭代优化。 另外，优质供应商不多，成本高昂，考虑到高阶智驾是车企实现车型产品差异化竞 争的重要因素之一，一般采用自研或者合作开发为主。因此本文重点讨论高阶智驾。

车企自研高阶智驾，应该具备的几大关键要素：算力（车载算力、云端算力）、 基础软件、算法、数据。基础软件是算法程序运行的环境，保障程序安全有序的运 行；算法是生产关系，是快速处理数据信息的规则与方式；数据是生产资料，海量优 质数据是驱动算法持续演进的养料；算力分为车载算力（推理）和云端算力（训练）， 是生产力，体现为数据处理与算法推理和训练的速度与规模。

（一）车载算力：车企发展高阶智驾的决心

1.高阶智驾芯片由于生态效应导致其格局集中

行业发展初期，参照PC和手机时代，一般硬件先行，而软件算法的具有持续迭 代优化的特征，带来的功能体验在后期才会逐步提升。而在花了更多的硬件成本， 带来的功能体验并未马上带来实质性提升的阶段，依然基于高算力芯片持续高研发 投入代表车企发展高阶智驾的决心。 AI的生态效应有望在汽车智驾领域重演，持续基于“对的芯片”高研发投入将滚 雪球式发展，反之亦然。英伟达依靠AI塑造了强大的生态壁垒，使得其在数据中心AI 市场占据了绝对的垄断份额，这已是产业界的共识。智驾软件主要依靠AI算法，我们 认为这样的通用AI生态效应将在智驾AI上重新上演。智驾AI生态主要体现在以下几 个方面： （1）软件算法工程师的生态：每家AI芯片的智能编程语言均不相同，例如英伟 达的CUDA，寒武纪的BANG。而汽车软件算法工程师大多来自于学术界/AI创企或者 互联网领域，对英伟达等大厂的智能编程语言更加熟悉，因此无论是技术领头人还 是普通工程师均对基于熟悉的AI芯片开发更加青睐。 （2）配套基础软件及工具链的生态：AI芯片对应的操作系统是Tensorflow （Google开发）/Pytorch（Facebook开发）/Paddle Paddle（百度开发）等，这些配 套的基础软件和工具链企业也会主动基于头部的AI芯片做适配开发，并开放相关适 配协议等，逐步形成生态壁垒，强者恒强，类似PC时代的Windows和Intel联盟。 （3）通用AI的生态可迁移至汽车领域：在通用AI中大量的算法模型可直接引入 到汽车领域，仅需要根据具体场景做调参优化，可大幅提高开发效率。（4）极具规模效应：AI芯片的研发投入巨大，规模效应显著。根据IBS，7nm 工艺的芯片平均设计成本约为2.17亿美元，研发投入金额巨大，还有流片失败的风 险。若单车搭载AI芯片的ASP为500美元，则需要大于43万台高阶智驾车配套才能覆 盖设计成本。

根据上文讨论，综合考虑各家AI芯片企业的生态情况和竞争力，我们认为第三 方高阶智驾AI芯片5-10年后的份额预期英伟达＞华为＞高通＞其他二线芯片厂商 （未考虑政策限制），且前2-3家将占据主要份额。 车企在高阶智驾只会选择最优的芯片方案持续投入研发。车企基于某款AI芯片 自研高阶智驾，一方面需要考虑人力、财力的投入很大，所以不能同时基于两家企 业的芯片持续投入；另一方面，持续基于某款芯片高研发投入有滚雪球式发展态势， 使得车企不得不专注某家企业的芯片，而非中途更换。因此，主流车企只会考虑在 最有竞争力的某款芯片方案上持续投入研发。车企采用英伟达或者高通版本，需要 自研算法，代表研发高阶智驾决心强，而华为提供的是智驾整套解决方案，无需自 研算法可直接上车。

2.各车企根据自身能力，芯片方案开始分化

智能化一梯队企业：蔚小理、小米具备互联网基因，坚持智驾自研。小鹏、小 米一开始就选择英伟达方案，以实现算法自研；蔚来、理想首款车采用Mobileye之 后，后续车型陆续采用英伟达方案，以实现算法自研。 智能化二梯队企业：传统车企由于自研算法能力相对有限，为了保持品牌和产 品不掉队，方案开始分化，部分仍坚持英伟达方案并自研算法（或以后方便自研）， 部分选择华为方案和英伟达方案共同推进。 （1）高阶智驾方案中选择华为和英伟达方案共同推进的案例：比亚迪有华为版 本的方程豹豹8和英伟达版本的腾势系列车型两个方案；长安汽车有华为版本阿维塔系列和英伟达版本的启源E系列车型两个方案；奇瑞汽车有华为版本的智界系列和英 伟达版本的星纪元系列两个方案；广汽集团也有华为版本和英伟达版本两个方案。 虽然两个方案共同推进，由于华为提供整套解决方案，车企投入资源有限，更多的 研发投资资源仍主要投向英伟达版本，以便自研算法实现产品差异化竞争。 （2）高阶智驾方案中选择英伟达方案或者高通版本，坚持自研算法（或以后方 便自研算法）的案例：吉利极氪坚持英伟达；长城先推进高通方案，失利后又推进英 伟达版本；上汽仍坚持英伟达版本。 智能化三及以下梯队企业：尾部车企由于资源有限，暂不准备自研算法。赛力 斯、北汽、江淮等车企由于自研能力相对较弱，当下阶段选择华为版解决方案。

3.部分有实力的车企开始布局芯片自研

我们认为并非所有车企都合适自研高算力车载计算芯片。特斯拉自研芯片类似 苹果，其芯片-算法适配性良好，智驾系统更流畅，华为亦有此优点。暂且不论自研 芯片是否是好的选择，蔚小理、吉利、比亚迪开始自研芯片，足见其发展智驾的决 心。类似手机行业，小米，Oppo，VIVO等也曾掀起过自研CPU芯片的浪潮，截止到 目前，主流的手机仍采用的是高通方案。我们认为自研高算力车载计算芯片，绝对 的头部车企自研能使算法适配度更高，系统更加流畅，使得产品竞争力提升，从而 形成正循环；而销量规模较小的车企自研高算力车载计算芯片，规模效应难以体现， 迭代速度也将受到影响。

（二）算法：车企发展高阶智驾的能力

特斯拉的算法从19年的Hytranets，21年的BEV+Transformer，22年的 Occupancy Network占用网络到23年的端到端融合大模型持续引领行业发展。特 斯拉2016年以前采用Mobileye的一站式解决方案，后续便开始自研智驾软件算法； 为解决一个神经网络同时对应多个感知任务，节约计算资源，2019年推出自研 Hytranets多任务学习网络；为了摆脱高精度地图，针对后融合，数据损失多、准确 度低，而前融合计算量庞大，2021年引入BEV+Transformer方案，实现特征级融合 替代后融合方案，且Transformer在并行计算以及捕捉远距离特征等方面表现优异； 为解决长尾问题，2022年引入Occupancy Network占用网络，其基本思想是将三维 空间划分为体素voxel，通过0/1预测赋值来区分是否被物体占据。为应对更复杂的城 市场景，避免传递误差和集中计算资源，特斯拉V12将为规划决策层引入融合大模型， 有望实现端到端的自动驾驶。

各家车企的算法发展路径趋势趋同，自研算法的阶段代表车企发展高阶智驾的 能力。上文已经提到，英伟达和高通版本，需要自研算法，华为提供的是整套解决方 案，无需自研算法，所以以下涉及到采用英伟达和华为两种方案的车企均指采用英 伟达方案的算法阶段。复盘来看：（1）各家车企的算法发展路径趋势趋同，且并没有显著的差距。大模型角度评 估排序特斯拉＞华为~小鹏/理想/蔚来＞小米/吉利/比亚迪/长城＞长安/奇瑞/上汽/广 汽等。 （2）智能化一梯队企业：例如新势力车企22年普遍开始发布transformer方案、 23年开始发布占用网络方案、24年开始发布端到端方案。 （3）智能化二梯队企业：传统车企处于跟随状态，且在自研算法能力有限背景 下，为了保持品牌和产品不掉队，算法自研或者外采开始出现分化。传统车企中，未 采用华为智驾整套解决方案的有长城汽车、上汽、吉利汽车。仅有吉利汽车高阶方 案坚持仅采用英伟达方案且坚持算法自研。 长城汽车：旗下毫末由于前期选择高通方案，走了不少“弯路”，所以引入元戎启 行作为算法供应商。 上汽智己：坚持使用英伟达方案，但算法供应商一直为momenta，合作式开发。 智能汽车的PK是一场耐力赛，需要依靠长跑逐渐拉开优势。此外，智能手机的 寿命一般约为2-3年，而汽车的寿命约为8-15年，所以若手机功能领先其他品牌3-6个 月，可具备很强的市场竞争优势，而汽车如果仅是领先其他品牌3-6个月，对消费者 选购影响并不显著。我们认为，算法的差距并没有快速拉大，需要持续算法及功能 的迭代，不同品牌车型之间形成半个甚至到1个代际差，才能明显PK出胜负。

算法大模型的PK主要依赖引进灵魂人物。传统车企的主要负责人来自百度、华为或者蔚小理、特斯拉，由于人才的高流动性，这也解释了上文的算法大模型的发 展趋势趋同。

（三）功能：检验车企高阶智驾的法宝

功能：场景定义的能力。在算法大模型发展到同一阶段，但又未迈入更高阶的 阶段，算法大模型的PK逐步变成了场景定义能力的PK（或称之为工程化能力的PK）。 城区领航（又称城区NOA），是指在城市道路可以自主判断驶入、驶出道路的时机 以及自主判断超车的时机，并实现自动变道超车而不需要人为干预的功能。由于行 车速度快，场景复杂，一般作为衡量车企智驾水平的重要指标之一。 23年在预埋硬件方面，大部分车企的重要高端车型已搭载实现部分场景城区领 航的硬件能力，从软件OTA方面来看，23年下半年以特斯拉、华为问界、小鹏等车 企率先实现部分场景城区领航，其他车企纷纷跟随，陆续在24年推出该功能。截至 2024年10月，国内大部分车企的重点智能电动车型均已具备部分场景城市领航功能。 由于城区场景路况复杂，仍有较多的非典型案例未能解决，因此全场景的城区领航 的功能OTA仍需要等待。

除此之外，产品定义的能力还体现在，对于技术不复杂，但具有较好体验的功 能，是车企感知用户需求能力的体现。例如座舱端到端（运用多模态大模型实现语 音控制汽车）便于使用者更好的使用汽车。例如，通勤NOA，保存好上下班固定路 线的高精度地图，实现上班、下班智驾的自由等等。

（四）云端算力：使数据-算法形成闭环

由于算法和功能差距并没有快速被拉大，数据促进算法/功能持续迭代，以期待 长跑赛中可以逐渐拉开代际差，云端算力构建算法-数据闭环的能力成为重要考验指 标。目前产业普遍通过量产车收集数据，在不同场景下，比较系统模拟和实际驾驶 员之间的行为对比，若不同，则记录并回传数据，形成收集有价值的corner case， 同时也避免了无效数据的过度收集。并通过标注后形成训练算法的典型案例，以提 升算法的效率，减少corner case数量。 特斯拉车载芯片+云端均自研，效率更高，国内华为也有此优势。云端算力，是 指数据的训练处理数据的能力。按照36氪汽车数据，若每8卡模组按照95万元价格计 算，1 EFLOPS算力大约需要约3.7亿元，花费巨大。目前来看，特斯拉优势显著， 算力达到100EFLOPS，主要用于汽车和机器人等领域。国内企业中，华为由于自研 云端训练芯片，构建的数据中心达到7.5EFLOPS，具有明显优势。其他企业正加速 构建中，但云端训练算力除了特斯拉和华为可以持续扩张，国内其他车企由于云端 训练芯片制程一般都是等于或者低于7nm，国内成熟的芯片方案较少，而海外购买 受到限制。

此外，云端训练芯片训练的算法部署到车载推理芯片仍需要调整优化，若训练 和推理芯片均属于自研的相同架构，适配性会更好，调整优化的效率也将更高。反 之亦然，不同企业对相同车载芯片的算力利用效率有较大的差异，即体现在算法和 芯片的适配性不同。

（五）渗透率：消费者认可高阶智驾的准绳

从我们对特斯拉FSD行驶里程数、订阅数量、使用率的跟踪来看：（1）截至24Q1， FSD累计行驶里程数已超10.9亿英里，累计行驶里程呈现指数级上升；（2）截至24Q1， 根据我们测算，FSD海外渗透率为24%；（3）截至24Q1，FSD软件购买/订阅者对 FSD的使用率的测算值为14.3%，使用粘性有明显提升，智能驾驶未来可期。

三、智能化对主机厂及供应链关系的影响

（一）对主机厂影响：能力的强弱导致主机厂自研方案的分化

上述几大竞争要素将共同构成智能汽车竞争要素的核心，除此之外还包括车企 对智能化的营销能力，现金流情况，集团规模等，暂且归为其他。随着时间的发展 各要素权重或将发生变迁，功能定义的能力、云端算力、数据等新格局竞争要素重 要性或进一步凸显。

通过预测图，我们可以：清晰直观地看到车企未来三年智能化竞争力变化；通 过与标杆企业—特斯拉的对比，了解当前视角下各车企智能化竞争力水平。 一梯队：苹果模式。以特斯拉为代表，芯片&算法等一体化自研，蔚小理等为代 表的车企正努力向一体化自研方向发展。一体化自研使得软硬件适配性更好，以更 低的单部件性能参数（也意味着更低的成本）实现整体系统性能更好，研发更易形 成正循环，品牌效应加持叠加规模效应下，盈利能力也将领先于行业平均水平。 二梯队：安卓模式。车载芯片方案外采，算法自研（或者车企主导下与供应商合 作开发），代表的主机厂包括现阶段的蔚小理、吉利、长城、长安等。第三方芯片企 业利用规模优势提供价格低廉的芯片，主机厂利用算法和定义功能实现产品的差异 化。由于主机厂主导产品定义，因此主机厂主要赚取车的硬件利润以及软件利润。 三梯队及以下：借助外部系统解决方案。由于芯片、算法能力较弱，需要借助 外部供应商提供系统解决方案，典型代表如华为的智能化解决方案。由于功能定义 权在外部供应商且功能同质化，因此主机厂主要赚取车的硬件利润以及参与少量软 件分成。

（二）对 Tier1 影响：主机厂的能力分化决定了供应商生意将长期存在， 各领域域控的特征决定了竞争要素有所不同

前文提到不同梯队主机厂对供应商的需求不同，Tier 1供应商依旧有足够的市 场去存活。一梯队主机厂需要供应商提供：硬件代工方案。例如立讯精密等消费电 子企业有望切入到该市场。二梯队主机厂需要供应商提供：在车企主导下提供含基 础软件模块的域控制器，部分软件算法模块。传统汽车电子领域公司仍将主导该市 场。三梯队主机厂需要供应商提供：含算法+基础软件模块的域控制器解决方案，例 如华为引望等具备功能定义能力的Tier 0.5供应商有望主导该市场。 汽车电子Tier1是提供含硬件、基础软件/算法的控制器供应商为主，例如智能驾 驶域控，智能座舱域控、车身域控、底盘域控等。高阶智驾域控供应商需要具备：硬 件组装、基础软件模块的能力。低阶智驾域控需要具备：硬件组装、基础软件、算法 模块的能力。智能座舱域控需要具备：硬件组装、基础软件的能力。车身域控需要具 备：硬件组装、基础软件的能力。底盘域控：硬件组装、基础软件的能力。 不同领域域控制器供应商的核心竞争要素不同。主要分为上游原材料、自身的 软件/硬件等技术实力，下游客户配套情况几个角度去思考。以上游原材料为例，智 驾域控方案上游原材料最重要的是AI芯片，上游供应商较少，开发难度大，Tier 1供 应商需要具备开发合作周期长、需求量大才可以稳定获取价格低廉的产品以及基础 软件开发支持。因此，高阶智驾域控对上游的依赖度很高。而车身域控的上游原材 料最重要的是MCU（如瑞萨、TI、ST等提供），上游供应商较多，开发难度相对简 单。因此，车身域控对上游的依赖度一般。

座舱域控领域，上游原材料为座舱计算芯片，高通由于安卓的生态，引领行业 发展。但由于高通的生态比较开放，供应商对上游原材料依赖度较低，对软件和硬 件实力、下游客户的依赖度较高。德赛西威在座舱域控领域依靠良好的基础软件模 块、硬件系统集成能力以及丰富的国内外客户资源，竞争优势明显。

英伟达版高阶智驾域控领域，上游原材料为智驾计算芯片，英伟达由于AI的生 态，引领行业发展。供应商对上游原材料、软件和硬件实力、下游客户的依赖度均较 高。德赛西威在智驾域控领域依靠和英伟达前期的开发合作，良好的基础软件模块 和硬件系统集成能力、丰富的国内和全球化客户资源，竞争优势明显。

车身域控领域，上游原材料为普通MCU芯片，由于生态比较开放叠加车身域控 技术门槛不高，因此Tier 1供应商对上游原材料和自身软硬件实力依赖度不高，对下 游客户的依赖度较高。博世和科博达在车身域控领域依靠原有的国内和全球化客户 资源，竞争优势相对凸显。

底盘域控领域，上游原材料为普通MCU芯片，由于生态比较开放，但由于对产 品的可靠性、稳定性等技术门槛较高，因此Tier 1供应商对上游原材料依赖度不高， 对自身软、硬件实力及下游客户的依赖度较高。博世和伯特利在底盘域控领域依靠 较高的技术能力和原有的国内和全球化客户资源，竞争优势相对凸显。

（三）对 Tier2 影响：主机厂的能力分化，计算芯片和算法厂商产业链地 位凸显

1.车载计算芯片：高阶竞争要素是AI生态，格局寡头垄断

根据上文讨论，第三方高阶智驾芯片主要的目标市场是二梯队及以下主机厂。 综合考虑各家AI芯片企业的生态情况和竞争力，我们认为第三方高阶智驾AI芯片5- 10年后的份额预期英伟达＞华为＞高通＞其他二线芯片厂商（未考虑政策限制），且前2-3家将占据主要份额。 车企自研芯片能使软件算法和硬件适配度更高，系统更加流畅，使得产品竞争 力提升，从而形成正循环；而销量规模较小的车企自研计算芯片，规模效应难以体 现，迭代速度也将受到影响。因此，我们认为车企自研芯片并非主流路线，少数头部 企业可充分受益芯片自研。

2.车载计算芯片：中低阶竞争要素是产品稳定性&一致性&成本，格局分散

中低阶智驾方案，因为采购成本一般为1-5千元，功能实现比较简单，难以实现 产品功能差异化，车企一般选择外部供应商直接一体化采购。因此中低阶智驾方案 系统供应商的竞争要素主要依靠产品的稳定性、一致性以及成本等因素，格局也将 极其分散。此外，中低阶智驾芯片制程要求不高，其竞争要素也主要依靠产品的稳 定性、一致性以及成本等因素，参与的公司包括Mobileye、瑞萨、ST、TI、高通（8650）、 英伟达（Orin N）、华为、地平线、黑芝麻等，格局也将相对分散。

3.算法厂商：作为软件算法模块供应商，类似于零部件模式

在高阶智驾方案中，车企主导高阶智驾的开发，但软件算法模块从外部采购。 可能得原因（1）二梯队及以下主机厂因软件算法能力有限，由主机厂和供应商合作 开发模式。（2）软件算法主机厂自制成本高，采用服务外包方式由外部供应商提供， 成本更经济。典型代表企业如：momenta、元戎启行等。

4.有实力的Tier 2逐步发展成为具有产品定义能力的Tier0.5系统供应商

在EE架构不断集中化发展过程中，传统汽车供应链不断整合。以AI芯片、算法为代表的厂商产业链地位逐步凸显，各企业通过能力补足逐步由Tier 2供应商发展成 为Tier0.5供应商。典型的代表例如华为、momenta等。

编辑：火腿肠