行业趋势分析 - 自动驾驶规划控制岗位从传统逻辑兜底转向规则算法与端到端结合的技术路线[2] - 端到端和VLA（Vision-Language-Action）量产趋势正在挤压传统规划控制生存空间[2] - 2025年端到端技术进一步落地但传统规控在L4高安全性场景仍占主导地位[4] 岗位能力要求 - 基础能力需覆盖横纵联合/解耦框架、搜索/采样/运动学规划算法[4] - 差异化竞争力体现在不确定环境下的Contingency Planning和博弈式交互规划能力[4] - 端到端技术（一段式/二段式）、VLM/VLA与大模型结合成为必备技能[4][29] 课程核心价值 - 覆盖经典规控方案与端到端融合落地方案，包含2个可直接写入简历的工程项目[7][13] - 通过博弈交互式规划和防御式规划等头部公司重点研究方向提升竞争力[24][26] - 学完对标2-3年算法工程师经验，前两期学员入职华为/百度/蔚小理等企业[8][10] 课程体系设计 - 基础算法模块：搜索/采样/优化/深度学习等规划算法对比与应用场景选择[20] - 决策规划框架：路径-速度解耦、时空联合及数据驱动框架构建[21][22] - 端到端专项：分析VLM/VLA技术优势与局限性，探讨数据驱动收益最大化[29] - 面试闭环服务：简历修改+模拟面试+公司推荐，直击华为等大厂招聘标准[31][36] 技术落地方向 - 防御式规划（Contingency Planning）解决感知/定位/社会车意图不确定性[24] - 博弈论模型实现自车与他车轨迹联合优化，突破传统预测-规划链路局限[26] - 端到端系统与传统规控融合方案成为量产落地关键突破点[4][29] 教学资源配置 - 采用C++/Python双语言开发，代码开源并提供容器运行环境[15][17] - 直播+录播形式授课，配备VIP群答疑及3个月内持续服务[12][17] - 赠送《规划控制理论&实战课程》并配套500元简历修改服务[36]

行业技术趋势 - 端到端自动驾驶技术正快速冲击传统规控方法 其场景泛化能力和数据驱动特性显著优于基于规则的系统 [2] - 传统规控依赖人工编写规则(PID/LQR/MPC等算法) 优势在于可解释性强但难以覆盖所有场景 [2] - 端到端方案直接从传感器映射控制指令 减少模块化架构的信息损失 实现全局优化 [4] 技术方案对比 端到端方案 - 优势：降低系统复杂性 通过数据学习人类驾驶风格 支持全流程联合优化 [4] - 劣势：决策过程黑箱化 需海量训练数据 极端场景依赖规则兜底 [4] 传统PNC方案 - 优势：模块功能明确 已知场景稳定性高 适合高安全需求场景 [5] - 劣势：多模块协同开发成本高 复杂场景规则覆盖有限 依赖高精地图 [5] 技术融合方向 - 行业实践表明端到端与PNC呈互补关系 如华为ADAS3.0采用传统规控作为安全冗余 [6] - 传统规控工程师转型需结合端到端技术 复合型人才更具竞争力 [7] 人才需求现状 规控算法工程师 - 岗位职责覆盖城区/高速/停车场等多场景决策规划算法开发 需掌握MPC/PID等经典算法 [10] - 任职要求硕士以上学历 熟悉强化学习算法 有Apollo等开源项目经验者优先 [10] - 薪资范围40k-100k/月 工作地集中在北京/上海 [10] 端到端工程师 - 核心任务包括VLA模型构建、训练数据集优化及闭环评测系统研发 [12] - 薪资30k-80k/月 工作地分布在深圳/上海 [12] 视觉算法专家 - 技术要求涵盖轻图感知、占据格网络研发及视觉大模型应用开发 [18] - 优先考虑有顶会论文或算法竞赛获奖经历者 薪资40k-80k/月 [17][18]

CVPR2025 WOD纯视觉端到端比赛结果 - 冠军方案来自EPFL团队，采用DiffusionDrive框架，结合nuPlan数据集和集成策略 [1] - 亚军方案由Nvidia & Tubingen团队提出，参考DiffusionDrive和SmartRefine，使用4个不同数据集并验证训练数据顺序的重要性 [1] - 季军方案来自韩国汉阳大学，采用简洁结构设计，仅使用前视图+自车状态输入 [1] - 特别奖方案使用QWen2 5-VL大模型生成CoT数据，在3B模型上训练 [1] 比赛背景与数据集 - 比赛聚焦长尾驾驶场景评估，包含4021个20秒驾驶片段，其中2037个用于训练 [2] - 参赛者需使用8个周围摄像头数据，在鸟瞰图坐标系下预测5秒路径点轨迹 [2] - 评分主要采用"评分反馈得分"(RFS)，"平均位移误差"(ADE)作为平局判定标准 [2] 季军方案技术细节 - 采用极简主义设计Swin-Trajectory，仅使用单前置摄像头和自车历史信息 [41] - 基于Swin Transformer骨干网络，在RTX 4090上实现14ms推理速度 [41] - 使用三维位置编码为密集图像特征提供几何基础 [44] - 通过交叉注意力机制融合图像特征与路径点查询 [46] 亚军方案技术亮点 - 提出Open-X AV(OXAV)框架整合多种AV数据集 [22] - 采用两阶段训练流程：感知导向数据预训练+规划导向场景后训练 [26] - 使用ResNet34骨干网络，仅需单块A100 GPU训练一天 [26] - 模型集成显著提升RFS评分，证明聚合多个模型预测的优势 [37] 行业技术趋势 - 端到端自动驾驶方法展现出替代传统模块化架构的潜力 [2] - 跨数据集学习成为提升模型泛化能力的重要方向 [26] - 轻量化模型设计在保持性能的同时降低计算成本 [41] - 扩散模型在轨迹生成领域展现出高效性和多样性优势 [4]

报告行业投资评级 未提及 报告的核心观点 - 发展现状仅实现L2+大规模上车，真L3技术有望年内落地，L4限定场景商业模式有望跑通，头部企业有望2025年年内盈利 [3] - 技术方向催化方面，L3技术关注VLM技术量产上车和头部车企VLA模型落地，L4技术关注Robotaxi和Robovan场景，L2+、L3、L4技术需求利好核心零部件销量 [3][141] - 相关标的包括L3技术方向的全栈自研车企，L4技术方向的技术解决方案公司，以及L2+、L3、L4技术方向的核心零部件企业 [3][141] 根据相关目录分别进行总结 自动驾驶的分类和定义 - 自动驾驶分为L0 - L5共6个阶段，L0为人类手动驾驶，L1可辅助驾驶，L2可部分自动驾驶，L3可脱眼，L4可脱脑，L5为无人驾驶 [6] - 国际和国内高级别自动驾驶分级基本一致，但在责任定义上存在差异，国际标准强调企业主导，中国标准强调安全优先 [11][12] 自动驾驶的历史今生 - 自动驾驶经历早期探索、初步发展、技术突破、高速发展等阶段，未来理想引入认知模型，小鹏预计2025年年内实现L3上车，特斯拉计划2027年量产无人网约车 [14] 自动驾驶技术路线 - 技术层级包括感知端、决策段、执行端，感知端有以激光雷达为主的多传感器路线和纯视觉路线，决策段从规则算法到端到端算法，执行端从传统执行系统到线控执行系统 [20] - 算法架构从2D CNN到BEV+Transformer再到端到端算法，经历多次变革，端到端算法有显式和隐式两种落地形式 [22][36] - 端到端2.0结合生成式AI技术，特斯拉的World Model和理想的VLM认知模型可应对长尾场景，VLA正成为2025年头部车企竞逐焦点 [55][71][76] - L3和L4技术路径差异由目标场景的安全要求、责任归属和商业化逻辑决定，L3看重成本和安全权衡，L4对安全要求高 [86] 自动驾驶商业模式 - 自动驾驶技术变现方式为卖产品、卖服务、卖技术，国内外L3/L4双线并行发展，产业链相关企业均有望受益 [91][94] - L3级由全栈自研车企主导，2025年是商用元年，政策、技术和成本推动其向大众市场普及 [96] - L4四大场景包括Robotaxi、Robotruck、Robobus、Robovan，市场空间、技术壁垒、盈利情况各有不同，运营模式分为To C、To B、To G [101][113] 必争之地Robotaxi - 行业生态由技术提供方、平台运营方、整车提供方组成，营运模式有自运营模式和金三角模式 [122] - 接管频率、日均订单量、累计里程数是重要指标，Waymo接近商业化技术拐点，萝卜快跑和小马智行已实现单车盈亏平衡，萝卜快跑安全性与人类持平，Waymo超越人类 [125][126][133] 相关标的 - L3技术方向关注全栈自研车企，L4技术方向关注技术解决方案公司，L2+、L3、L4技术方向关注核心零部件企业 [3][141]

报告公司投资评级 - 首次覆盖，给予“买入”评级 [3][6] 报告的核心观点 - 2025年国产OEM推出平价智驾方案推动AD渗透率提升，智驾软硬件及解决方案市场将快速发展，地平线成长潜力和投资价值凸显 [11] - 智驾市场规模高增，AD有望接棒ADAS成主流，地平线市占率和客群规模领先，新产品或打开增长空间，且有望受益于国内OEM销量增长 [5] - 地平线在ADAS到城市NOA全域覆盖有优势，BPU架构迭代提升计算效能，端到端和世界模型结合成就高阶智驾标杆，国产OEM智驾需求提升使其受益 [7] 根据相关目录分别进行总结 领军国内智驾Tier2，各大OEM智驾方案“最大公约数” - 新一代汽车智能芯片领导者和世界级AI算法公司，产品覆盖芯片平台、解决方案及配套工具链与生态，与英伟达、鸿蒙智行对比各有优劣 [14][21][24] - ADAS和AD市场规模快速扩张，软件占重要份额，国内智能汽车渗透率提升，AD占比扩大，AD有望接棒ADAS成市场主流，出海空间广阔 [26][37] - 地平线市场份额持续提升，ADAS行业领军，AD快速爬坡，在国内ADAS、ADAS+AD及全球ADAS+AD市场份额均稳步上升，受主流车企青睐 [49][57] - 国内OEM销量持续发力，地平线有望从中获益，中国OEM市场份额增加且收入高速增长，地平线产品出货量和定点车型增多，客户覆盖广，与Tier1合作打开下沉市场 [61][67][72] 从ADAS到城市NOA全域覆盖，BPU架构迭代带动计算效能倍数提高 - ADAS领域领军者，成体系的解决方案，HorizonMono适配不同芯片支持多种驾驶辅助技术，HorizonPilot覆盖全国高速，HorizonSuperDrive迈向高端市场 [74][78][81] - 算力之外，FPS更能体现软硬件的实际表现，征程5的MAPS跑分高，软硬优化助力车厂落地自动驾驶方案 [89] - 自研BPU计算架构，高效率支持Transfomer算法，从伯努利到纳什架构计算性能提升显著，J6P+端到端成就高阶智驾标杆 [93][99][105] 端到端和世界模型，软硬件耦合成就高阶智驾新标杆 - 端到端技术的先行者，软硬一体或为智驾终局的标准答案，2016年提出端到端演进理念，打造纳什BPU实现软硬协同 [110] - 端到端配合世界模型，同时提高上限和下限，世界模型可输出对驾驶环境的理解，提升数据驱动替代程度，通过交互式博弈实现性能提升和场景泛化 [116][121][126] - 从规则驱动到数据驱动，实际带来直观改善，世界模型为端到端路线减负加速，让高阶智驾全场景覆盖，HSD图形化界面有拟真效果 [129] 从天神之眼到千里浩瀚，国产OEM智驾需求显著提升 - 地平线深度参与各大主机厂发起的智驾平权战略，征程6P及HSD将量产，多家主机厂采用其方案，出货量级与渗透率齐升推动智驾普及 [131][150] - 特斯拉FSD入华，有望加剧全行业在智驾能力上的角逐，虽搅动竞争格局加速普及，但与地平线客群竞争交集小 [151][152] - 性价比、软件能力、定制化及响应能力，三大优势奠定行业地位，J6M在中阶算力芯片和解决方案领域有优势，推动辅助驾驶向大众市场渗透 [156][159] - 收入增长带动费用及成本摊薄，财务表现逐步向好，2022 - 2024年营收高速增长，研发费用占比下降，解决方案+授权服务收入为主要来源，商业模式具持续性 [162][169][177] 盈利预测、估值与投资评级 - 盈利预测及假设，汽车产品解决方案、汽车解决方案 - 授权及服务业务、非车解决方案业务2025 - 2027年均有望实现不同程度增长，毛利率有相应变化 [183][184] - 估值与投资评级，首次覆盖给予“买入”评级，预计2025 - 2027年营业收入为36.10/56.97/80.53亿元，同比增长51%/58%/41%；归母净利润为 - 13.14/-7.74/6.68亿元，对应当前股价PS分别为24/15/11倍 [6]

公司财务预测与估值 - 预计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 [1] - 采用PS估值法 可比公司2025年PS平均估值为10 5倍 给予公司2025年7 4倍PS 对应目标市值约194亿 [1] - 选取禾赛科技 优必选 Mobileye作为可比公司 [1] 行业地位与产品优势 - 2024年激光雷达总销量约54 4万台 同比增长109 6% 其中ADAS应用产品销量约52万台 [2] - 2024年以26%市场份额位居全球第一 产品矩阵完备 涵盖机械式/半固态/固态等多种技术路径 [2] - 产品性能覆盖短距到超长距 低线束到高线束 应用覆盖车载主雷达/角雷达/机器人雷达等 [2] 车载市场发展驱动力 - 2025年激光雷达行业进入"千元机时代" 价格下探至千元级别 核心价格区间降至25-30万 [3] - 预计2025年全球乘用车激光雷达市场空间约70亿 中国市场占63亿 海外市场将成重要增量 [3] - 激光雷达与端到端算法融合 多传感器和纯视觉路线不再对立 [3] 机器人领域战略布局 - 聚焦机器人视觉 灵巧手等增量零部件开发 推出基于手眼协同的上下半身操作解决方案 [4] - 2025年3月发布AC1 创新性融合激光雷达 摄像头与IMU三大核心传感器 [4] - 预计2025年割草机器人对激光雷达需求量超过40万台 2028年有望超90万台 [4] - 2025年被视为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 [4]