车企AI辅助驾驶人才争夺战 - 行业核心人才遭哄抢，理想、华为、Momenta成为被挖角最严重的公司，理想核心人员每人接到20+猎头电话[3][4][6] - 竞业协议诉讼频发，理想起诉跳槽员工案例涉及千万元赔偿，南方车企员工赔付超百万元[4][5] - 技术保密手段升级，理想要求VLA项目员工签署保密协议，离职需脱敏6个月；华为采取类似措施[12][14] 技术路线演进与竞争格局 - 技术路径从规则方案转向端到端模型，VLM/VLA多模态大模型成为新方向[6][9][24] - 头部企业技术布局： - 理想尝试4种技术路线（城市NOA/轻地图/端到端+VLM/VLA），与清华合作开发双系统方案[9][25] - 小鹏采用"世界基座模型"训练方式[10] - 华为乾崑智驾装机量突破50万，Momenta方案搭载量近30万辆[10] - 特斯拉停止公开FSD技术细节后，国内企业进入自主探索阶段[8][23] 车企人才战略与市场动态 - 传统车企加速布局： - 比亚迪推出5.58万元级辅助驾驶车型，下半年计划推出自研城市NOA[11] - 比亚迪技术院高层亲自招揽新势力背景人才，团队已吸纳多名竞品员工[11] - 小米引进Wayve科学家陈龙，强化辅助驾驶团队[11] - 人才流动双向性： - 理想曾为关键人才支付数百万竞业赔偿[12] - 端到端技术导致理想精简团队，部分人才外溢[12] 行业技术挑战与发展趋势 - 当前技术局限性： - 端到端方案存在场景泛化难题[23] - VLA模型面临人才稀缺、数据获取、问题定义等量产挑战[25] - 未来技术重点： - 生成式AI世界模型仿真器[25] - 强化学习在规控/仿真领域应用[25] - Momenta已率先在预测/规控环节应用AI模型和强化学习[26] 行业生态与潜在问题 - 技术泄露现象严重，存在代码被员工携带跳槽或出售的情况[18] - 部分企业通过"白盒"获取供应商代码进行拼凑开发，与头部"好用"方案存在差距[19][20] - 行业面临工程化能力与AI不确定性的双重挑战，需原创性思考突破技术迷雾[23][26]

报告公司投资评级 - 首次覆盖，给予“增持”评级 [2][7] 报告的核心观点 - 速腾聚创厚积薄发，领跑全球激光雷达行业，致力于在具身智能领域提供解决方案，近年激光雷达销量高增，2024年份额领先，产品矩阵完备 [6] - 车载端到端算法成熟，激光雷达与算法融合，2025年进入“千元机时代”，价格下探提升配置率，预计2025年全球乘用车激光雷达市场空间约70亿，中国市场约63亿 [6] - 战略定位机器人技术平台，聚焦机器人视觉等增量零部件开发，2025年被视作人形机器人量产元年，割草机器人细分市场对激光雷达需求增长，预计2025年超40万台，2028年超90万台 [6] - 预计公司2025 - 2027年营业收入为26.2/36.6/47.0亿元，归母净利润为 - 2.38/1.06/3.20亿元，采用PS估值法，给予2025年7.4倍PS，对应目标市值约194亿，首次覆盖给予“增持”评级 [6][7] 根据相关目录分别进行总结 1. 双轮驱动的激光雷达头部厂商 1.1 销量高增：成为全球头部激光雷达厂商 - 速腾聚创成立于2014年，是AI驱动的机器人技术公司，致力于成为全球领先的机器人技术平台公司 [18] - 2024年激光雷达总销量约54.4万台，同比增长109.6%，其中ADAS应用约52万台，机器人及其他领域约2.44万台 [22] - 2024年以26%的市场份额位居全球乘用车激光雷达市场第一，已与全球30家整车厂及Tier1达成合作，定点车型超百款，加速拓展海外市场 [25][29] - ADAS激光雷达单价从2023年约3200元降至2024年不到2600元，机器人及其他领域从超11000元降至超8000元 [32] - 2024年整体毛利率达17.2%，ADAS和机器人及其他领域毛利率分别为13.4%/34.5% [33] - 产品矩阵完备，涵盖多种技术路径、性能和应用场景，满足广泛需求，在机器人领域也构建了丰富产品体系 [41][43][44] 1.2 系统复杂：产业化需硬核实力支撑 - 激光雷达技术迭代中，方案设计能力是降低成本和缩小体积的核心，数据复杂度高对软件技术有要求，生产制造过程复杂对厂商综合实力要求高 [47][51][53] - 速腾聚创拥有出色的方案设计能力、软件技术及量产能力，专注自研芯片激光雷达技术，有人工智能感知软件HyperVision，M系列产品通过验证测试，供应链和制造中心稳健 [54] 2. 驱动力一：车载端到端+智驾平权 - 此前激光雷达配置因特斯拉纯视觉路线存在争议，但其路线独特性归因于大量数据和用户基础，在“BEV+Transformer+Occupancy Network”算法框架下推出端到端量产上车算法 [59] - 在算力增强、端到端算法成熟背景下，多传感器融合和纯视觉路线不再对立，激光雷达等传感数据与端到端算法融合，英伟达Hyperion 9 Platform参考架构中激光雷达作为传感器输入 [63][65] - 2024年多家领军公司宣布应用“端到端”量产，激光雷达在国内主流方案均配备，中国市场激光雷达配置必要性更强 [67] - 2025年激光雷达进入“千元机时代”，价格下探提升配置率，向低价位渗透趋势明显，核心价格区间降至25 - 30万 [68][72] - 预计2025年全球乘用车激光雷达市场空间约70亿，中国市场约63亿，海外市场将是重要增量方向 [75] 3. 驱动力二：战略定位机器人技术平台 - 在具身智能领域，聚焦机器人视觉、灵巧手等增量零部件开发，推出操作和移动解决方案，计划推出数字化激光雷达产品和智能化方案“Robo - FSD” [78] - 开发的增量零部件包括机器人视觉、触觉、关节，如发布Active Camera首款产品AC1及AI - Ready生态，开发力传感器FS - 3D、高功率密度直线电机LA - 8000和机器人域控控制DC - G1 [81][86] - 2025年被视作人形机器人量产元年，特斯拉目标生产5000台Optimus，国内企业实现千台级交付，随着产业链成熟成本有望降低 [84] - 割草机器人市场发展特色明显，预计2025年对激光雷达需求量超40万台，2028年超90万台 [95][99] 4. 盈利预测和估值 - 预计2025 - 2027年收入分别为26.2/36.6/47.0亿元，增速分别为58.9%/39.5%/28.5% [106] - 假设ADAS领域激光雷达2025 - 2027年销售收入为21.4/30.9/40.3亿元，增速分别为60%/44.5%/30.5%；机器人领域激光雷达销售收入为3.57/4.29/5.14亿元，增速分别为80%/20%/20% [8][107][108] - 预计2025 - 2027年归母净利润为 - 2.38/1.06/3.20亿元，各项费用率有望持续下降 [112][113] - 采用PS估值法，选取禾赛科技、优必选、Mobileye作为可比公司，给予2025年7.4倍PS，对应目标市值约194亿 [7]

人形机器人产业化进展 - 人形机器人产业化进展飞速，从春晚表演到半程马拉松赛事引发广泛关注[1] - 具身智能技术突破是关键，大语言模型(LLM)、视觉语言模型(VLM)和视觉语言动作端到端模型(VLA)显著提升交互感知和泛化能力[1] - 行业面临数据采集、机器人形态应用和大小脑融合等挑战[1] 具身智能发展阶段 - 具身智能概念1950年提出，近年成为科技热点，被定义为能理解、推理并与物理世界互动的智能系统[2] - 当前具身智能模型已具备小范围场景行为复现能力，但力触动作和多指协同仍困难[3] - 泛化能力主要来自视觉语言模型，动作轨迹缺乏泛化性，依赖训练数据[3] 数据采集解决方案 - 行业面临三维数据采集难度大、周期长、成本高的问题[3] - 跨维智能采用3D生成式AI的Sim2Real仿真解决数据需求[4] - 智元机器人采用真机数据采集模式，年完成亿级数据采集，发布GO-1模型实现小样本泛化[4] 机器人形态发展 - 机器人发展经历工业自动化、大模型和端到端大模型三个阶段，不同架构各有优势[6] - 端到端大模型融合多模态输入与动作输出，提升决策效率，加速人形机器人发展[6] - 人形机器人不等于具身智能，但仍是最大需求者和挑战者[7] 非人形机器人应用 - 非人形机器人在垂直领域更具效率优势，如跨维智能DexVerse引擎在30余行业批量应用，精度超99.9%[8] - 中间态机器人(轮式、双臂等)可在工业、应急等场景承担任务，为具身智能公司提供营收[7] 大小脑融合技术 - 通用人形机器人本体分大脑、小脑和肢体三部分，独立系统导致通讯延迟[9] - 英特尔和东土科技提出大小脑融合方案，采用单一芯片架构降低成本[9][10] - 大小脑融合面临实时控制(1毫秒内完成99%任务)和动态计算负载等挑战[10] 技术路线融合趋势 - 厂商技术路线分化，有的聚焦大脑(场景化落地)，有的专注小脑(高精度运动控制)[12] - 市场需求将推动两种技术路线融合，要求机器人兼具智能交互和灵活动作能力[12]

特斯拉FSD入华表现 - 特斯拉FSD在2月底进入中国市场，引发国内智驾企业高度关注[1] - 3月表现呈现两极分化：在上海陆家嘴误将公交车道当超车道狂飙，在广州塔误判施工警示牌为广告牌急刹，但在常规驾驶中展现出老司机水准，能准确避让非机动车并完成复杂动作[2] - 割裂表现源于特斯拉强大的底层AI技术支撑常规场景的丝滑体验，但端到端模型缺乏中国数据训练，无法理解特殊路况规则[4] 技术差异与行业焦虑 - 特斯拉FSD采用端到端模型，虽避免信息损耗但无法理解中国特殊路况[4] - 行业担忧特斯拉一旦补齐中国数据短板将形成强大竞争优势[5] - FSD V13被博世中国区总裁和元戎启行CEO评价为领先国内高阶智驾系统一个代差[9] VLA技术解决方案 - VLA模型融合视觉、语言和动作，通过摄像头+激光雷达收集信息，大语言模型分析路况，实现类人思维链[8] - 相比端到端模型的"看图说话"，VLA实现"阅读理解"能力，能理解交通标志、行人意图及特殊车道规则[8][9] - 元戎启行CEO周光认为VLA是通向L5自动驾驶的转折点，构建了时空统一的认知框架[12] 国内VLA布局现状 - 理想采用MindVLA技术，决策准确率领先但需同时维护两套系统，研发成本高企[18] - 奇瑞联合华为、英伟达开发猎鹰智驾，计划2027年落地但世界模型预测能力尚未达标[18] - 吉利推出"千里浩瀚"系统，采用全域AI+天地一体策略[19] - 元戎启行已进入VLA量产阶段，预计年中上路，在技术迭代节奏上领先行业2-3年[19] 行业竞争格局 - 智能驾驶竞争焦点从工程化能力转向AI模型底层能力[25] - 元戎启行通过与高通合作实现多芯片平台适配，展现第三方方案优势[23] - 行业面临技术迭代窗口期挑战，后发者可能错失黄金发展时机[23] - 2023年特斯拉FSD BetaV12转向端到端架构曾颠覆行业认知，未满血版V13进入中国再次引发行业震动[24]