行业投资评级 - 智能驾驶行业评级为"推荐 维持评级" [6] 核心观点 技术演进 - 智能驾驶技术从模块化架构演进至端到端一体化架构，特斯拉引领BEV+Transformer+OCC技术路线 [16][17][18] - VLA（Vision-Language-Action）模型成为当前技术热点，通过多模态融合与思维链推理提升决策可解释性 [2][36][37] - 端到端架构使代码量从30万行缩减至3,000行，但算力需求从300TOPS跃升至3,000-5,000TOPS [57] 竞争格局 - 特斯拉凭借全栈自研+数据闭环+Dojo超算构建技术壁垒，国内车企在数据闭环与工程化效率上仍存差距 [3][13] - 国内头部车企加速VLA部署，理想采用"蒸馏先行"方案，小鹏选择"强化主导"路径 [46][50][55] - 车端芯片竞争激烈，2024年海外厂商市占率73.2%，华为/地平线等自主厂商市占率17.7% [58][59] 商业化进展 - 2024年10-20万元车型高阶智驾搭载率仅5%，"智驾平权"将推动功能下沉至主流价格带 [4] - Robotaxi或于2026年规模化落地，2030年市场规模达数千亿，24小时运营模式将显现成本优势 [4][15] - L3级智能驾驶在政策与技术双驱动下加速落地，车企需突破可靠性与安全性要求 [34] 技术架构分析 算法演进 - BEV+Transformer架构实现4D感知，摆脱对高精地图依赖 [17] - 占用网络(OCC)技术弥补BEV高度信息缺失，提升动态障碍物识别能力 [18] - 端到端架构实现"感知-决策-控制"一体化，驾驶行为更接近人类直觉 [24][35] 算力需求 - L3级自动驾驶需500-1,000TOPS算力，L5级需求或超5,000TOPS [57] - 车企加速自研芯片，小鹏图灵AI芯片单颗算力700TOPS，蔚来神玑NX9031达1,000+TOPS [63][64] - 云端算力建设加速，吉利星睿智算中心2.0达23.5EFLOPS，特斯拉Dojo超算中心88.5EFLOPS [69][70] 数据闭环 - 数据闭环实现"采集-训练-部署"正循环，特斯拉影子模式+Dojo超算构建标杆 [80] - L5级自动驾驶需170亿公里训练数据，高质量数据筛选与标注成关键挑战 [75][81] - 百度打造合规级数据闭环，通过数据脱敏与区域限制满足监管要求 [80] 商业化路径 市场渗透 - 激光雷达2024年装机量突破150万颗，渗透率6%，成本下探至15万元车型 [86][88] - 纯视觉方案成本优势显著，特斯拉8摄像头总成本约200美元，但依赖大算力支撑 [90] - L2+++级别中纯视觉方案占比32.1%，多传感器融合占比58.4% [91] 应用场景 - 城市NOA功能加速普及，特斯拉FSD V13人工干预间隔达3,000公里 [95] - Robotaxi商业化落地后，算法调度能力将驱动规模效应显现 [4] - 智能驾驶功能从高端选配向全民刚需转变，渗透率有望快速提升 [35]