自动驾驶行业核心观点 - 自动驾驶正经历从辅助驾驶向完全无人化跨越的关键拐点 是未来十年改写人类出行逻辑的核心力量 有望重塑万亿级市场格局 [2] - 行业处于爆发前夜 2024年车企加速落地城市NOA和Robotaxi试点 2025年可能成为自动驾驶商业化关键年 [15][18] - 技术路线分为纯视觉派（特斯拉为代表）与多传感器融合派（Waymo/华为为代表） 两者均在快速进化 核心在于AI大模型在决策规划的突破 [5][6] 技术路线分析 - 纯视觉路线依靠摄像头模拟人类视觉 搭配AI算法实现感知决策 优势在于低成本摄像头和超千万辆运营车队带来的海量数据反哺 但暴雨大雾等场景感知精度受限 [5] - 多传感器融合路线通过激光雷达 毫米波雷达和摄像头协同工作提供安全冗余 早期激光雷达成本达数十万元 现已降至千元级 为量产铺平道路 [6] - 特斯拉FSD V12实现端到端决策 直接输出驾驶指令 融合派普及BEV+Transformer架构 行业印证"感知硬件的尽头是算法"判断 [6] 自动驾驶生态层级 - 感知层由摄像头 激光雷达和毫米波雷达构成矩阵 国内禾赛 速腾聚创激光雷达性能接近国际水平 舜宇光学 欧菲光占据车规级高像素镜头重要份额 [7] - 决策层依赖芯片算力与算法规划 英伟达DRIVE Orin提供2000TOPS算力成L4首选 地平线征程5 黑芝麻智能A1000填补国产算力空白 [8] - BEV+Transformer架构让车辆能预判交通参与者轨迹 使决策更贴近人类直觉 [9] - 执行层通过线控底盘和电子转向将决策转化为动作 博世 大陆及国内德赛西威实现线控底盘量产 [10] - 支持层依托5G与V2X实现车辆实时联网 云计算支撑数据存储与算法训练 仿真平台大幅降低路测成本 Waymo仿真测试里程超数十亿英里 是实际路测数十倍 [11] 商业化进展与挑战 - 2023年起城市NOA快速落地 标志着自动驾驶从简单高速场景迈向复杂城市环境 [4] - 目前量产车型多处于L2向L3过渡阶段 L4/L5真正无人驾驶仍局限于特定场景 如Waymo在旧金山的全无人出租车和封闭园区物流车 [5] - L4级大规模落地面临技术可靠性 法规适配性与成本控制三重考验 [5] - 政策层面各国对L3/L4级上路标准和事故责任认定仍在探索 德国允许L3级上路 中国北京上海开放Robotaxi测试但需跨区域法规协同 [12] - 伦理安全层面需解决算法选择 数据隐私保护和网络安全防御等问题 [12] 产业链投资机会 - 整车与解决方案提供商如特斯拉 Waymo及传统车企自动驾驶部门位于产业链前端 潜在回报高但风险最大 [16] - 关键技术供应商包括芯片（英伟达 高通 地平线）和传感器（禾赛 速腾聚创 Luminar）提供核心组件 商业模式较稳定 [16] - 基础设施与服务提供商涵盖高精地图（百度地图 四维图新） 仿真测试（腾讯 ANSYS）和云平台（阿里云 AWS）盈利模式更清晰 [16] - 应用与运营服务商包括Robotaxi运营 自动驾驶物流和智慧交通 聚焦特定场景商业化 [16] - 投资需关注有技术壁垒和商业化路径清晰的公司 短期看L2+/L3普及带来的硬件机会 中期看特定场景L4商业化突破 长期关注完全自动驾驶生态成熟 [16]