公司技术发布会信息 - 公司将于2026年3月5日召开颠覆性技术发布会 [1] - 发布会主题或为“惊蛰无声” [1] - 公司已通过“比亚迪股东星球”微信小程序开放线下发布会专属抢票通道 [1] 电池与补能技术 - 可能发布第二代刀片电池 其安全性、能量密度有望进一步提升 [1] - 配套的“兆瓦闪充”技术可能迎来升级 峰值功率或达兆瓦级别 [1] - 支持超快充的高压平台有望进一步普及 [1] 智能驾驶技术 - “天神之眼”高阶智驾系统可能迎来版本更新 [1] - 该系统或引入基于端到端大模型的新能力 [1] 动力系统与车型规划 - 新一代混动系统被认为是可能的发布内容之一 [1] - 20万元以下主力纯电车型将迎来集体升级 [1] - 多款车型续航将跃升至700公里级别 [1] - 激光雷达智驾方案将大规模下放到20万元以下价格区间 [1]

行业投资评级 - 电子行业评级：优于大势 [4] 报告核心观点 - L3级自动驾驶商业化拐点确立，高阶智能驾驶从“可选”配置转变为“优选”配置 [1] - 行业竞争逻辑从算力、雷达数量的硬件竞赛，转向由“端到端大模型”驱动的系统工程，市场考核指标切换为平均接管里程（MPI）及通行效率 [1] - 头部厂商凭借“量产-数据-算法”的正向飞轮效应，加速行业集中度提高 [1] - 华为乾崑智驾技术领先，并通过“引望”独立运营构建中立平台，合作生态持续扩大，正从百万辆级规模迈向千万辆级规模 [1][2] 按目录总结 1. L3商业化拐点确立，高阶智驾迈向新征程 - **政策与运营**：工信部于2025年12月15日核发首批L3级准入许可，涉及长安深蓝、北汽极狐等车型，标志着高阶智驾从技术验证迈入准入运营元年 [14]。政策明确了责任主体与运营边界，重庆在12月26日即启动46辆车队的规模化试运营，执行效率超预期 [15] - **用户心智与支付意愿**：消费者对智能化配置的感知持续增强，J.D. Power 2025年研究显示人均感知配置数升至6.9个 [16]。艾媒咨询2025年数据显示，60%的消费者将自动驾驶视为最期待的技术突破点，关注度超越续航与快充 [16][18] - **技术范式与竞争格局**：智驾核心竞争要素从硬件参数转向“数据-算力-模型”闭环能力，产业链价值中枢向具备全栈能力的软件算法侧迁移 [20][21]。数据飞轮效应推动行业集中度提高，研发门槛指数级上升，尾部厂商加速出清 [22][25]。2025年1-10月城市NOA供应商搭载量数据显示，市场呈现头部集中趋势 [27][29] 2. 华为乾崑智驾：技术领先的中立智驾方案供应商 - **合作模式演进**：华为构建了“零部件供应、HI模式（Huawei Inside）、鸿蒙智行”三层金字塔合作体系，灵活适配不同车企需求 [1][31]。鸿蒙智行模式深度绑定，2025年累计交付超100万辆，成为数据闭环核心与利润引擎 [32] - **技术迭代与领先性**：华为ADS系统经历四代进化，ADS 4.0引入WEWA架构与世界模型，实现从“类人”向“超人”进化 [1][37]。在德国P3、C-ICAP等国内外权威测评中持续霸榜，与传统豪强（BBA等）拉开显著代差 [1][69]。2025年太平洋汽车网智驾横评中，华为“乾崑系”车型霸榜前三 [72] - **引望独立运营**：为消除车企合作顾虑，华为将车BU分拆为独立实体“引望”，并引入赛力斯、阿维塔各出资115亿元入股（各占10%股权），投后估值达1150亿元，实现从“华为私有”向“行业共建平台”的转变 [2][30][45]。2024年上半年引望实现营收104.35亿元，归母净利润22.31亿元，首次实现盈利 [44][97] - **市场表现与用户粘性**：2025年前三季度，乾崑智驾在城区领航辅助驾驶市场以45.2万辆的搭载量占据27.8%份额，位居行业第一；在35万元以上豪华车细分市场，市占率高达52.8% [73][77]。乾崑智驾用户活跃率高达98%，2025年单年贡献辅助驾驶里程43.6亿公里（占总累计56.4亿公里的77%），辅助泊车调用2.5亿次（占总累计3.3亿次的76%） [78] - **生态持续扩张**：截至2025年底，华为已与14家车企合作，乾崑智驾合作车型达35款，实现15万至百万级全价位覆盖 [2][88]。在官网展示的29款车型中，乾崑智驾搭载率为100%，鸿蒙座舱搭载率为72% [88]。2024年，乾崑智驾搭载车辆销量突破50万辆；2025年突破90万辆；2026年目标销量160万辆，累计搭载量突破300万辆 [2][93] 3. 乾崑智驾硬件成本拆解 - **单车硬件成本**：引望单车智驾硬件成本过万元 [2]。基于财务数据测算，2024年上半年，问界车型对应的乾崑智驾相关单车硬件成本为1.41万元，阿维塔车型为1.30万元 [103][104] - **成本结构拆解（以MDC 610智驾域控为例）**：总成本约5133元，其中昇腾（Ascend）610芯片（含晶圆、封装、载板等）占49%，PCB及散热占29%，存储占10% [2] - **座舱域控成本**：鸿蒙座舱域控总成本约1012元，其中麒麟芯片（含晶圆、封装、载板等）占51%，PCB占10%，存储占20% [2] - **产业链增量空间**：在远期年出货1000万套的假设下，产业链各环节迎来确定性机遇：晶圆制造（148亿元空间）、PCB（110亿元空间）、存储（70亿元空间）、封测（34亿元空间）及ABF载板、散热件、连接器等 [2] 4. 投资机会 - **相关标的**：报告指出投资机会将惠及先进制程晶圆厂、封测厂（如长电科技、通富微电等）、PCB企业（如深南电路、生益电子等）以及散热与连接器领军企业 [3]

美国《2026年自动驾驶汽车法案》草案核心内容 - 美国政策发生180度大转弯，立法核心动力是“战胜中国”，旨在通过解决商业化三大“拦路虎”来支持本土产业[1] - 法案精准解决了产能瓶颈、地方监管割裂和监管逻辑落后三大问题，被视为为特斯拉、Waymo、Zoox等美国本土巨头量身定制[1][4] 产能的解放：大幅提升无方向盘车辆豁免额度 - 针对无方向盘车辆，将每家车企每年的豁免额度从此前的2500辆大幅提升至90000辆，跨过量产化红线[1] - 新规被视为专门为特斯拉Cybercab和Waymo的大规模量产开绿灯，使企业能够启动工业化流水线生产[1][8][9] - 对于应用“拆箱式工艺”的特斯拉Cybercab，只有当产量达到几十万甚至百万辆时，其商业模型才能跑通，9万辆准生证是启动量产的关键[8][9] 权力的回收：确立联邦法律优先权 - 新规提出“联邦优先权”，拟禁止各州自行制定自动驾驶性能标准，确立联邦法律的至高地位[2] - 旨在解决此前加州等地法规严苛导致的法规割裂困局，防止地方监管机构因单次事故而一键关停企业运营[10][13][14] - 该条款为Cruise、Waymo等企业提供了护身符，只要持有联邦批文，地方政府无权从法律层面禁止其运营，有助于企业突破单城千辆门槛，实现规模化扩张[4][14] 监管逻辑的进化：引入“安全案例报告” - 监管方式从要求企业提交原始代码，改为提交“安全案例报告”，通过证明系统如何有效应对碰撞来获取准入[3] - 这一转变承认了监管机构对端到端AI大模型“黑盒”代码的审查能力有限，转向更务实的结果导向监管[17][18] - Safety Case框架契合技术演进，扫清了端到端大模型的法律障碍，同时保护了企业的核心算法商业机密[19] 对美国本土企业的具体影响 - **特斯拉**：新规精准解决了其Cybercab的产能瓶颈，9万辆豁免额度使其能正式启动工业化量产[1][4][8] - **Waymo**：新规有助于突破其扩张壁垒，“联邦优先权”能助其摆脱地方监管的碎片化扩张泥潭[1][4][11][13] - **亚马逊Zoox**：9万辆豁免意味着其设计的对向座舱车可以走出拉斯维加斯和加州，铺向全美[9] 中国自动驾驶产业的现状与挑战 - 中国Robotaxi企业如萝卜快跑、小马智行在路测里程上领先，但缺乏针对“无驾驶位车辆”的量产准入法律确权[4][23] - 国内企业正步入“千辆时代”，小马智行全无人车队规模突破1159辆，如祺出行运营车辆突破300辆，累计安全里程近600万公里[21] - 据小马智行测算，“千台规模”是分水岭，只有在北上广深投放量达千台才能实现运营收支平衡并拥有供应链议价权[22] - 国内基于地方试点的“一城一策”模式导致企业陷入行政内耗，开城成本高昂，小城市需数千万元，大城市可能过亿[23] - 美国商务部（BIS）拟议的“网联汽车软硬件禁令”将从2027款车型起生效，旨在将搭载中国自动驾驶软件系统（ADS）的车辆排除在美国市场之外[20] 行业商业化演进规律 - 据Momenta孙雷分析，Robotaxi商业化将经历车型、规模和运营三大战役[4] - **车型之战**：核心是成本之战，需通过标准化量产车型降低每公里成本，跑通单体经济模型（UE）[5] - **规模之战**：需突破单城千辆的门槛，实现规模化运营的质变[4] - **运营之战**：需要确立全新的监督管理机制，Safety Case的引入正对应此需求[4]

Waymo获得巨额融资及其行业背景 - Waymo于当地时间2月2日宣布完成新一轮160亿美元融资，被媒体称为“全球自动驾驶史上最大一笔融资”[1][3] - 此轮融资使Waymo累计融资总额达到271亿美元（约1881亿元人民币），公司估值高达1260亿美元（约8753亿元），甚至高于比亚迪[6][7] - 尽管获得高额融资与高估值，但Waymo尚未实现自我造血的正循环，且近期面临运营挑战，例如在旧金山大规模停电期间出现车辆趴窝导致交通堵塞的事故[8][11] 自动驾驶行业融资概况与资本逻辑 - 自动驾驶行业是典型的资本密集型赛道，中美头部公司均消耗了巨额资金，例如百度Apollo十年投入约1500亿元，Cruise累计获投百亿美元，Argo AI融资26亿美元，Zoox融资超10亿美元后被亚马逊以超12亿美元收购[14][18] - 行业呈现显著的“龙头效应”，Waymo和百度Apollo等由大公司孵化的项目获得的资金远高于其他初创公司[20][21] - 资本之所以愿意冒险投入，是因为自动驾驶市场（如Robotaxi）潜在规模达万亿级别，一旦投资的公司能存活至市场成熟，将可能获得极高回报[23][24] - 行业经历了投资周期波动：2018年前后为投资热潮（例如2018年中国自动驾驶领域披露投融资总额达811亿元），2021-2023年因商业化落地缓慢进入“投资寒冬”，而2025年因技术进展（如特斯拉端到端大模型）和Waymo等公司的运营进展，投资热度再度回升[24][32][39][48] Waymo的商业化进展与行业动态 - Waymo在商业化运营上取得显著进展：2025年总订单量达1500万（增长超两倍），历史累计订单量超2000万，目前每周订单量超40万，服务覆盖美国六大都市区[43][44] - 公司计划在2026年将Robotaxi服务拓展至美国以外的20多个城市，包括东京和伦敦[46] - 技术进步是推动行业回暖的关键因素，特斯拉FSD V12等版本在复杂场景处理能力上的大幅提升，让行业看到了商业化落地的希望[39][40] - 2025年投资环境发生变化：中国自动驾驶领域已披露投融资金额近600亿元，但获得融资的企业仅35家，不到2018年（78起）的一半，资金进一步向头部公司集中[49][51] Robotaxi的真实需求与生态构建 - Waymo的商业化运营催生了新的具体使用场景，例如在美国，许多家长使用Waymo Robotaxi接送孩子上下学[55] - 为满足此需求，Waymo于去年7月在凤凰城专门推出了面向14至17岁青少年的服务，其卖点是提供“安全，无陌生人的空间”[59][60] - 这类未被事先预测的真实需求的出现，有助于构建Robotaxi的生态，使其更深入地融入日常生活，这侧面印证了自动驾驶技术正在走向成熟[61][62][65]

Tesla FSD 技术架构解析 - 文章核心观点认为，Tesla FSD 是一个端到端的大模型方案，而非数百个小场景模型的简单组合，其技术先进性体现在工程化实现上[4][5][17] 关于FSD模型性质的争论与澄清 - 有观点根据黑客green的发现，质疑FSD由数百个小模型组成，但作者指出这种理解有误[5][8] - 作者明确结论：Tesla FSD 就是一个大模型，使用一个巨大的神经网络完成从图像输入到控制输出的端到端计算[6][7][14] 对模型参数文件的解读 - green 发现 HW3 上的 FSD v12.6 在 A核有1.2GB、189个参数文件，在 B核有2.3GB、110个参数文件，其中61个为共享文件[8] - HW4 上的 v13 模型参数增长至 A核2.3GB，B核7.5GB[8] - B核参数文件数量少但总大小更大，表明后期端到端模型的主要参数集中在B核[10] - 大量的参数文件并非独立的单模型，而可能是一些小任务Head的模型参数，或用于数据采集触发等继承自旧版本的功能[10] - 部分参数文件的命名规则（如FSD_E2E_FACTORY_PART_X）表明它们属于一个大模型的分片，这是大模型分布式部署的常见做法[11] 硬件带宽与模型规模的关系 - HW3 使用 LPDDR4-4266，带宽为68GB/s，理论上支持36Hz输出的模型参数上限约为1.8GB（18亿参数），这与B核2.3GB的参数文件大小基本匹配[12] - HW4 使用 GDDR6 显存，带宽高达384GB/s，若使用FP8参数类型，理论上可在36Hz下支持约100亿参数的端到端模型[12] - HW4 上B核参数文件大小（7.5GB）相比HW3（2.3GB）的增长，与公司此前宣称的参数量增加约3.5倍的说法基本对应[12] 模型扩展性与MOE架构 - 尽管硬件带宽限制了参数扩展空间，但公司通过采用类似混合专家（MOE）的架构，在推理时仅部分激活专家网络，从而节省显存带宽开销，大幅提升模型的等效参数量[13] - 基于HW4的16G显存容量和可能的模型并行策略，未来FSD模型参数继续大幅增加是可能的[13] - 公司可能在特定场景（如厂区自动出场）使用一些本地化参数，这被理解为通过MOE方式增加的额外专家参数，而大部分驾驶场景的参数是共用的[13][15] 对技术先进性的看法 - 作者反驳了将FSD视为“落后”技术的观点，强调工程化创新同样是技术进步的重要体现，并以可回收火箭和发动机阵列为例进行类比[17] - 作者认为，将先进科学发现转化为成熟落地的技术，其本身代表了巨大的科技进步[17]

城市NOA市场进入规模化普及阶段 - 2025年1—11月，中国搭载城市NOA功能的乘用车累计销量达312.9万辆，占乘用车上险量的15.1%，渗透率较2024年全年提升5.6个百分点 [1][3] - 城市NOA功能正从高端车型下探至主流市场，起售价30万元以下车型销量达215.5万辆，占比超过68.9% [1] - 行业预计城市NOA功能将进一步覆盖10万—15万元市场，实现规模化普及，到2030年将成为辅助驾驶和自动驾驶主流功能 [6] 技术方案演进推动算力需求变化 - 单颗128 TOPS芯片已成功跑通城市NOA方案并落地，打破了此前业内认为需要200 TOPS以上算力的共识，印证了“更低算力高阶智驾方案”的可行性 [1] - 技术正从依赖高精地图向“重感知、轻地图”范式转变，并从分模块架构向端到端（单模型）方案迭代更新 [7] - 端到端大模型成为技术迭代核心引擎，推动感知规划一体化转型和安全体验升级，例如华为乾崑智驾的WEWA架构 [8] 市场竞争格局与主要参与者 - 车企自研城市NOA车型主导市场，2025年1—11月销量约245.1万辆，占城市NOA总销量的78.3% [4] - 特斯拉、蔚来、小鹏、理想、小米、鸿蒙智行等跨界和造车新势力是车企自研的代表性品牌 [5] - 第三方供应商市场呈现“双强主导”格局：Momenta城市NOA搭载量41.44万辆，占第三方供应商比例约61.06%；华为HI模式搭载量约13.41万辆，占比约19.76%，两者合计占第三方市场约八成 [6] - 与第三方供应商合作的城市NOA品牌约29个，以传统汽车品牌为主，占搭载NOA功能品牌的64.4% [5] 技术发展驱动因素与未来展望 - 端到端大模型与多模态模型融合，以及算力平台升级，能突破长尾场景处理瓶颈，推动城市NOA安全体验再升级 [9] - 政策层面，“车路云一体化”应用试点、智能网联汽车准入管理及强制性安全标准等法规体系完善，为技术发展构建了制度环境 [9] - 2025年已有两款L3级有条件自动驾驶车型通过工信部许可，L3级自动驾驶商业化进程加速 [9] - 工业和信息化部预计，到2030年，高级别自动驾驶功能将规模化进入市场，为汽车产业创造万亿级产值增量 [9]

文章核心观点 - 文章核心观点是反驳“特斯拉FSD是近200个小场景模型组合”的说法，并论证特斯拉FSD是一个端到端的大模型方案，其技术先进性体现在工程创新上，而非落后技术 [1][11] 技术架构与参数分析 - 特斯拉FSD V12端到端化后神经网络规模急速膨胀，早期A、B核互为冗余的设计已难以实现完全冗余 [5] - 在挖掘出的模型参数文件中，B核神经网络参数远多于A核，两者共用的参数文件仅有61个 [5] - B核参数文件数量虽少但总文件大小更大，原因是后期端到端的大规模模型参数主要集中在B核 [5] - 大量规模不大的参数文件可能不属于端到端网络，而是继承自V11以前的小任务Head模型参数，例如控制自动雨刷的视觉神经网络和数据采集触发相关的感知任务 [5] - 许多模型参数是一个大模型的部分参数，命名规则为“FSD E2E FACTORY PART X”，这与特斯拉在AI Day介绍的分布式模型部署方式相符 [6] 硬件限制与模型规模 - 特斯拉HW3使用LPDDR4-4266显存，带宽为68GB/s，为支持36Hz控制输出，模型参数规模理论上限约为1.8GB [7] - HW3主要支持INT8，因此FSD V12稠密计算的理论参数上限约为18亿参数 [7] - 实际发现HW3上承载大部分端到端参数的NodeB参数文件大小为2.3GB，与理论估算基本匹配 [7] - 特斯拉HW4使用了成本高昂的GDDR6显存，带宽高达384GB/s，据称使用FP8参数类型，理论上可在36Hz下支持约100亿参数的端到端模型 [7] - 对比HW3与HW4上NodeB的参数文件大小，与FSD Release Note中提到的参数量增加约3.5倍的说法可以对应，因此该增长倍数可信 [7] 模型扩展与MOE架构 - 尽管HW3和HW4的显存带宽限制了参数扩展空间，但特斯拉通过采用混合专家网络架构实现了模型规模的突破 [8] - MOE架构允许在现有显存容量基础上，通过部分激活专家网络来节省显存带宽开销，从而最大化等效参数量 [8] - 考虑到HW4拥有16G显存容量及可能的模型并行部署策略，FSD V14模型的参数再次大幅增加是可能的 [8] - 对于不同区域或场景，特斯拉采用了一种广义解决方案，并可能通过MOE方式增加本地化的专家参数，而非完全切换独立的模型 [9] - 引用埃隆·马斯克观点：为不同区域和地点使用一组本地化参数具有价值 [9] - 引用Ashok Elluswamy观点：特斯拉仍采用广义方法，例如在中国部署FSD监督版时，仅使用极少的中国特定数据，模型就能很好地泛化到完全不同的驾驶风格；可以将特定位置的参数视为混合专家 [9] 技术先进性与工程创新 - 特斯拉FSD是一个端到端的大模型方案，其端到端程度可能超出此前普遍估计 [11] - 技术先进性不仅体现在科学发现，工程创新同样是伟大的科技进步，例如可回收火箭和利用猛禽发动机组合阵列获得巨大推力 [11] - 特斯拉和SpaceX等公司的成就证明了其是先进的科技公司，而非落后或伪装的科技公司 [11]

行业核心观点 - 2026年智能辅助驾驶产业进入以“价值深化”为核心的新发展阶段 行业竞争焦点从功能参数堆叠转向稳定性、安全性与用户体验 最终价值需通过用户验证[2][12] - 技术层面 端到端大模型正从实验室走向量产 旨在解决长尾场景与黑盒问题[9][11] - 市场层面 “智驾平权”加速普及 高阶功能向10万～15万元主流车型市场下沉 该价位段新能源SUV已占新能源乘用车总销量近30% L2+级系统搭载率超70%[12] - 产业层面 车企采用“核心自研+生态开放”组合拳 供应商从硬件提供商向技术协同伙伴转型[4][5][6] - 用户端 体验成为检验技术价值的最终标尺 用户关注高频场景稳定表现、低门槛交互及高性价比[12][13] 车企战略路径 - 全栈自研路径成为头部企业实现价值深化的关键选择 旨在构建生态闭环 将研发投入转化为难以复制的竞争力[3] - 比亚迪组建超5000人辅助驾驶团队 未来投入超1000亿元 截至2025年12月 搭载“天神之眼”车型累计超250万辆 辅助驾驶系统日有效行驶里程突破1.5亿公里 推动“AI智能体+世界模型”方案[2][3] - 吉利汽车发布全域AI 2.0技术体系 以WAM世界行为模型为核心 实现AI技术跨域融合[4] - 开放合作路径成为部分车企重要选择 通过与第三方深度合作整合资源 以较低成本和更快速度实现技术落地[4] - 北汽与地平线合资成立北京智驭科技有限公司 华为与广汽、东风联合打造启境、奕境品牌 扩大智能生态朋友圈[4] - 主流车企选择“核心自研＋生态开放”组合拳 在算法自研与数据闭环构建核心竞争力的同时 于芯片、传感器等领域“合纵连横”以平衡成本与效能[5] 供应商转型与价值链重构 - 供应商从提供单一硬件向软硬件一体解决方案转变 加速向技术服务商转型 成为车企深度合作伙伴[6] - 元戎启行选择从城市辅助驾驶规模化量产入手打磨系统 搭载其城市NOA的量产车型累计交付超20万辆 2025年10月在第三方城市NOA供应商市场占比接近40% 预计2026年实现百万辆级量产交付[6] - 行业竞争模式从成本控制、产能规模转向技术协同效率、快速响应能力与生态共建能力的比拼[7] - 自动驾驶科技公司、AI企业等新兴力量凭借算法与数据处理能力 绕过传统零部件供应商 直接与车企展开深度合作 提供标准化算法模块或定制化场景解决方案[8] - 地平线提出“HSD Together”全新算法服务模式 合作伙伴可自主选择算法模块等服务 据称能将人力、算力和开发周期投入降低高达90%[8] 技术演进与挑战 - 端到端大模型走向面向大规模量产车的实战检验 旨在解决高阶智驾中最棘手的长尾问题并展现场景泛化能力[9] - 蘑菇车联自研端到端自动驾驶系统MOGO AutoPilot 已完成从规则驱动到认知驱动的演进 已搭载于其自动驾驶巴士[9] - 提升系统可靠性需在感知、模型架构、数据和安全等多层面协同优化[10] - 蘑菇车联拥有全球最大的巴士数据集及独有的路侧数据集 利用路侧数据补盲与仿真技术推动硬件成本下降 形成“数据越多-体验越好-成本越低”的飞轮效应[10] - 端到端大模型量产面临黑盒问题（决策过程不可解释性）的挑战 给工程验证、安全设计和用户信任带来困难[11] - 元戎启行采用具备“思维链”特点的VLA模型作为解决方案 支持复杂语义理解和长时序因果推理 以摆脱黑盒问题困扰[11] 市场趋势与用户需求 - 2026年智能辅助驾驶功能将下探至10万～15万元车型价格区间 竞争核心是在成本约束下实现高阶体验广泛落地[12] - 用户群体从早期尝鲜者扩展至大众市场 对安全性、可靠性及易用性要求进一步明确和强化[12] - 用户最在意高频刚需场景下的稳定表现、低门槛易上手的交互设计以及成本与体验的高性价比匹配[13] - 自适应巡航加车道居中保持的组合功能认可度最高 尤其在高速长途、城市快速路等高频场景中 能有效缓解驾驶疲劳[13] - 自动泊车辅助、前碰撞预警与自动紧急制动等场景化功能因解决实际痛点而获好评[13] - 用户期待系统拓展复杂场景适应能力 并优化人机交互与提示逻辑 如实现更自然的语音指令、更简洁的信息展示和更人性化的接管提示[14]

市场销量与规模 - 2025年1-11月，中国搭载城市NOA功能的乘用车累计销量高达312.9万辆 [1][2] - 同期，城市NOA功能在乘用车上险量中的渗透率达到15.1%，较2024年提升5.6个百分点 [2] - 一个超过300万辆规模的智能驾驶市场已在中国成型 [2] 市场格局与竞争态势 - 城市NOA市场呈现车企自研与第三方合作“双轮驱动”的格局 [3] - 第三方供应商市场呈现华为与Momenta的“双强”格局，两者合计占据第三方供应商市场约八成份额 [1][3] - 在第三方供应商市场中，Momenta市场份额约61.06%，华为HI模式市场份额约19.76% [3] - 2025年11月，华为乾崑智驾（鸿蒙智行+HI模式）的月度搭载量约10万辆，Momenta搭载量约9万辆 [4] 主要参与者表现 - 搭载城市NOA功能的乘用车销量中，自主品牌占比高达81.1% [3] - Momenta在2025年1-11月的城市NOA搭载量为41.44万辆 [3] - 全球排名前10的车企中，有8家与Momenta开展合作 [3] - 华为HI模式在同期搭载量约13.41万辆 [3] - Momenta创造了规模化交付的行业纪录：首个10万辆用时24个月，第二个10万辆用时6个月，第三个10万辆仅用3个月 [8] 技术发展与核心要素 - 算法、数据闭环能力以及规模化量产经验是决定辅助驾驶供应商市场地位的核心要素 [6] - 端到端大模型已成为NOA辅助驾驶技术迭代的核心引擎 [6] - Momenta以“强化学习+端到端架构”为核心技术路线，其R6强化学习大模型是国内首个在端到端基础上实现量产落地的强化学习大模型，已于2025年第三季度量产上车 [8] - 华为乾崑智驾采用全新一代架构WEWA，属于典型的生成式端到端技术 [6] 合作模式与行业影响 - 多数车企选择与第三方供应商合作以抢占市场先机，包括BBA、凯迪拉克、别克、丰田等全球知名品牌均已在中国落地城市NOA功能 [3] - Momenta与车企构建了覆盖技术共研、方案定制的多维度合作生态，合作伙伴包括上汽、广汽、比亚迪、奔驰、宝马、奥迪、丰田等 [8] - 第三方供应商提供的“中国方案”吸引了德、美、日、韩等国家的知名汽车品牌进行深度合作，推动了中国智能驾驶技术走向世界 [5] 具体合作案例与成效 - 广汽丰田铂智3X、东风日产N7、上汽奥迪E5 Sportback等车型采用了Momenta的辅助驾驶系统 [5] - 上汽通用别克至境L7首搭与Momenta联合打造的“逍遥智行”辅助驾驶系统，并率先采用Momenta R6强化学习大模型 [5] - 广汽丰田铂智3X上市1小时订单突破1万辆，3个月交付突破2万辆，刷新合资电动汽车交付纪录 [5] - 2025年，铂智3X为广汽丰田贡献了接近10%的销量，全年累计销量达70,008台 [5] 行业趋势与未来展望 - 中国城市NOA已进入规模化普及的下半场，市场格局与竞争要素正发生深刻变革 [1] - 应用场景正加速从高速NOA向城市NOA延伸 [9] - 技术变革正以端到端大模型为核心，推动系统架构向一体化深度重构 [9] - 作为高级别自动驾驶的前哨，城市NOA正加速车路云协同与法规标准体系的成熟 [9]

行业核心观点 - 城市导航辅助驾驶（NOA）在2025年实现跨越式发展，成为中国汽车产业智能化竞争新高地，并正驱动全球产业生态格局重塑 [1] 市场规模与渗透率 - 2025年1月至11月，搭载城市NOA功能的乘用车累计销量达312.9万辆，市场渗透率达乘用车上险量的15.1%，较2024年全年显著提升5.6个百分点 [2] - 该数据标志着城市NOA从技术验证和早期推广阶段，正式迈入规模化普及的快车道 [2] 市场竞争格局：品牌与技术供应商 - 中国自主品牌展现出强大的市场主导力，在312.9万辆销量中贡献了253.73万辆，占比高达81.1% [2] - 全球知名汽车品牌（如奔驰、宝马、奥迪、丰田）为加速智驾落地，纷纷选择与中国头部技术供应商合作，表明中国智能驾驶解决方案正获得国际认可 [2] - 市场发展呈现“车企自研”与“第三方合作”双轮驱动特征 [4] - 造车新势力及跨界企业（如特斯拉、蔚来、小鹏、理想）主要通过全栈自研构建技术壁垒 [4] - 更多传统车企及品牌选择与第三方智能驾驶解决方案供应商合作，以更快速度实现功能落地 [4] - 第三方供应商市场头部聚集效应显著，形成“双强主导”格局 [4] - 2025年1-11月，Momenta和华为两家企业合计占据第三方供应商市场份额约八成 [4] - Momenta以约61.06%的占比处于领先地位，其方案已广泛覆盖国内外主流车企 [4] - 华为则通过HI模式深度赋能合作车企，占据了约19.76%的市场份额 [4] - 算法、数据闭环能力以及规模化量产经验，已成为决定辅助驾驶供应商市场地位与发展速度的核心要素 [4] 核心技术趋势 - 以端到端大模型为核心的技术变革，正在引领智能驾驶系统架构从传统模块化向一体化深度重构，成为产业升级的核心引擎 [6] - 各领军企业正沿着多元化的路径加速技术落地 [7] - 特斯拉、理想等已率先实现“一段式”端到端模型量产，持续优化系统的拟人化驾驶水平 [7] - 华为发布的乾崑智驾WEWA架构是典型的生成式端到端系统，通过云车协同提升复杂场景处理能力 [7] - Momenta凭借“强化学习+端到端”双轨战略与众多车企深度合作，其强化学习大模型已于2025年三季度实现量产上车 [7] - 随着多模态融合与算力提升，端到端技术将有效突破长尾场景瓶颈，为用户带来更安全、更舒心的智能驾驶体验 [7] 未来展望与发展建议 - 面向“十五五”新时期，智能网联汽车产业机遇与挑战并存 [8] - 人工智能与实体经济的深度融合为智能汽车发展指明了方向 [8] - 工信部预计，到2030年，高级别自动驾驶功能将实现规模化市场应用，城市NOA有望成为主流配置，带动产生万亿级的产业增量 [8] - 行业发展仍面临核心技术待突破、数据安全与算力基础需强化、标准法规体系有待完善等挑战 [8] - 报告提出五项关键发展建议：一是完善顶层设计与管理体系；二是强化核心技术自主创新；三是推动产业链协同与多技术路线合作；四是构建开放共赢的产业生态，加强公共数据共享与算力支持；五是鼓励供应链协同出海，提升中国智造全球竞争力 [8]