(资料图)

核心观点

目前自动驾驶行业网络基础架构普遍为Input->backbone->neck->head->output。纯视觉方案的特斯拉自主构建HydraNet网络，在input端输入摄像头的原始图像数据，通过backbone层神经网络(CNN)提取图像特征，对特征赋予时间等信息做融合（BEV+Transformer），将速度、环境等感知处理结果传向各子heads再完成后续规控任务。目前行业通用的自动驾驶模型是存在感知、规划几个模型的分解式构造。

特斯拉端到端模型有望引领行业。特斯拉感知层从CNN单head网络迭代，2021年引入BEV+Transformer，将多摄像头数据统一成?俯视角度；2022年提出OccupancyNetworks判断空间占用。规划层引入交互搜索，逐步增加约束条件（其他参与者博弈行为）做最优路径规划。2023年后特斯拉提出端到端自动驾驶大模型，将感知、规划多个模型融合成大模型，实现直接输入图像数据到输出转向、刹车等驾驶指令突破。减少中间模块训练过程，集中模型训练资源；避免数据多级传输误差，系统迭代速度提升，进化加速。

国内逐步落地大模型。特斯拉软件领先，硬件8颗摄像头纯视觉方案，21年起逐步取消雷达；国内小鹏、华为4月发布BEV、Transformer、GOD网络等大模型，实现无高精地图智驾，理想6月发布MindGPT、BEV等大模型，加速城区NOA落地。国内智驾硬件普遍11~12颗摄像头+5颗毫米波雷达+12颗超声波雷达+1~2颗激光雷达+域控，成本3~4万元，远期有望降至2万内。

预计2025年中国带城区辅助驾驶的自动驾驶市场规模510亿元。我们预计2025年带城区辅助驾驶功能的自动驾驶渗透率将从目前0.4%提升到6%水平，市场规模510亿元。自动驾驶底层是机器取代人力，用户定价与自身成本相关，远期随厂商技术进步，产品供给曲线右移，稳态需求量持续增加。

大模型推动智驾硬件变革。感知端重心转向视觉，摄像头像素提升，4D毫米波雷达上车；考虑成本、供应链安全，光传输取代电传输是未来方向。规划端数据要求提升，域控算力升级；执行端线控制动和线控转向是必经之路。

风险提示：1、竞争恶化；2、智能驾驶进度不如预期；3、系统性风险。

投资建议：智能驾驶感知、决策、执行均有望受益。当前汽车智驾围绕数据流演进，算法在于整车，零部件涉及感知（数据获取）—决策（数据处理）—执行（数据应用）。特斯拉技术突破加速智驾方案迭代，围绕感知、决策、执行等布局的零部件厂商均有望受益。推荐决策层标的德赛西威、科博达、均胜电子；算法层标的小鹏汽车；执行层标的伯特利、保隆科技。