文章核心观点 - 公司正将其智能驾驶技术路线从依赖语言作为中间转译环节的“标准VLA”架构，全面转向拆除语言（L）的“第二代VLA”架构，旨在通过“大数据+大算力+大模型”实现能力“涌现”，以突破当前自动驾驶系统的性能上限 [5][7][20][21][24][26] - 公司认为，电动化基础上的智能化才是电动汽车与传统汽车彻底区别开的核心，并将智能驾驶视为汽车行业竞争的下半场核心战场 [5] - 公司通过拆除过往的成功经验和路径依赖，包括暂停标准VLA研发、耗费20亿元进行技术探索，展现了其在物理AI领域作为“孤勇者”的决心，以应对来自华为、理想等竞争对手的激烈挑战 [7][20][36][38][40] 智能驾驶技术演进与领导团队 - 公司的智能驾驶研发经历了从“规则时代”到“规则+算法时代”，再到“VLA小模型时代”，并最终迈向“物理世界模型时代”和“端到端大模型”的技术世代演进 [19] - 智能驾驶业务的领导层实现了平稳交接与薪火相传：吴新宙（2019年3月至2023年8月在任）完成了从供应商方案到自研算法的过渡，并推出了高速NGP和有图城市NGP；李力耘（2023年8月至2025年10月在任）推动了无图城市NGP在超过200个城市的量产落地，并开始训练云端基座大模型；刘先明（2025年10月接任）则致力于验证规模法则在物理世界的可行性，并训练云端物理世界基座大模型 [16][17][19] - 前两任负责人吴新宙和李力耘在规则时代和算法时代的积累，为现任负责人刘先明搭建云端基座模型工厂（特别是其中的奖励函数组件）奠定了基础 [16][17] 第二代VLA技术架构与创新 - 第二代VLA的核心创新在于拆除了标准VLA中的语言（L）转译环节，使模型能够直接从视觉（V）映射到动作（A），从而减少了信息损耗和延迟，并允许在更大参数规模上进行数据训练 [24][26][28][30] - 新架构的训练采用自监督模式，类似于大语言模型的“猜词游戏”，通过预测下一个token的方式让模型直接从海量的“路景-驾驶动作”数据中自行领悟物理世界规律，摆脱了对人工标注和监督的依赖 [28][29][30] - 技术的执行层形成一个闭环：模型先提取环境的关键信息（Latent Tokens），进行世界模拟（World Simulation），然后结合强化学习（Reinforcement Learning）的经验奖励机制，最终输出具体的驾驶动作（Action）或分解为轨迹指令（Trajectory Tokens）来精准控制车辆 [31] 大数据、大算力与大模型的投入规模 - 公司用于训练的视频数据量呈现快速增长：从4月AI技术分享会公布的2000万Clips，到6月CVPR大会公布的5000万Clips（相当于3万部《流浪地球》），再到11月科技日公布的近1亿Clips（相当于驾驶35000年才能遇到的极限场景总和） [25] - 公司的云端智能算力集群规模持续扩张：从4月份已建立的万卡规模，到6月计划向两万卡水平迈进，再到11月科技日宣布已在阿里云上使用3万张卡，并展望明年可能达到5万至10万张卡的规模 [33] - 公司为第二代VLA针对其图灵AI芯片重新开发了编译器和软件栈，并对算子进行了优化，最终实现了推理效率12倍的提升 [35] - 为实现技术突破，公司耗费了超过20亿元进行研发投入，并在相当长一段时间内未看到明确希望 [7][38] 行业竞争格局与技术路线争议 - 公司在VLA大模型路线上正面临华为、理想等竞争对手的挑战：华为公开质疑VLA路线，并宣布其乾崑智驾系统搭载量已突破100万辆；理想汽车则在学术顶会上展示了“世界模型+训练闭环”的最新方案 [6][20] - 竞争对手对VLA路线的批评主要集中在两点：一是其对多模态数据量、算力等资源的需求极为庞大，数据采集和标注难度巨大；二是语言作为中间环节会导致信息丢失和决策延迟，华为智能汽车解决方案BU CEO靳玉志比喻其为“让语言学家去学开车” [20] - 公司意识到，在原有技术框架下通过不断解决极端案例（Corner case）来提升性能的方式已遇到瓶颈，收敛速度可能无法满足实现L4级自动驾驶的要求，因此必须进行根本性的架构创新 [20][21]

文章核心观点 - 市场预计在第四季度将重新重视智能化的投资机会，认为智能化是AI在物理世界的重要应用，未来3-5年有望超预期发展 [2] - 2026年被预计为Robotaxi大年，核心玩家将加速入局L4级别自动驾驶 [2] - 当前智能化产业的投资逻辑为“港股>A股且软件>硬件且B端>C端”，推荐组合包括小鹏汽车-W、地平线机器人-W、曹操出行 [4][9] Q4智能化投资机会分析 - 与去年Q4相比，今年Q4的智能化逻辑更强调AI本身的演绎，而非与汽车逻辑的共振，产业兑现能力因玩家能力上台阶而变强 [3][9] - 投资焦点从去年的硬件机会和C端销量带动，转向今年的软件机会和B端突破 [3][9] - Q4存在多项重要催化剂，包括特斯拉V14版本发布、小鹏科技日披露Robotaxi计划、小马智行新增500台无人车且有望毛利转正、地平线HSD上市等 [2][8] 智能化市场回顾与展望（8-10月） - 8月智能化关键词为新一代底层架构迭代，理想VLA、小鹏P7 VLA+VLM、元戎启行方案相继上车，城市NOA级智能化渗透率达23.3% [10] - 9月智能化关键词为梯队间体验绝对差异缩小，小鹏/华为/理想稳居第一梯队，蔚来/小米快速跟进，城市NOA渗透率维持在23.0% [10] - 10月展望关键词为智驾战略调整，重点关注特斯拉FSD V14、小鹏人事变动、极氪9X及小鹏P7的VLA+VLM落地效果 [10] 消费者买单意愿与市场预测 - 2025-2027年，汽车智能化的核心任务是推动国内新能源渗透率从50%向80%+突破，商业模式以帮助车企卖车的硬件为主 [20] - 2028-2030年，Robotaxi有望实现大规模商业化落地，开启汽车出行革命的质变 [20] - 预测显示，国内新能源乘用车城市NOA智驾销量将从2024年的118万辆增长至2027年的1001万辆，渗透率从11%提升至65% [21] 车企智能化能力与竞争格局 - 2025年Q3，新势力自研方阵智驾表现亮眼，小鹏/华为/理想稳居第一梯队，蔚来/小米快速跟进达到类第一梯队水平 [48] - 各车企技术路径分化，特斯拉/小鹏坚持纯视觉方案，华为全栈自研能力领先，国内其他车企紧密追赶 [51][52] - 8月分品牌数据显示，问界、智界、特斯拉等品牌的城市NOA智驾渗透率接近100%，小鹏为76.1%，理想为63.2% [27][28] 智能化产业链与标的梳理 - 产业链覆盖感知、决策、执行等环节，核心公司包括舜宇光学、速腾聚创、英伟达、德赛西威、伯特利等 [14] - 下游应用可分为Robotaxi视角（一体化、技术提供商+运营分成、网约车转型）、Robovan视角和C端卖车视角 [4] - 第三方智驾供应商积极推出新方案，如华为ADS 4.0、地平线J6系列、小马智行第七代robotaxi等，域控制器和底盘赛道玩家增多 [59] 新车智能化亮点汇总 - 小鹏G7 Ultra版全球首发图灵AI芯片，车端有效算力达2250TOPS，并行业首发本地端VLA+VLM大模型 [71] - 理想i8搭载VLA司机大模型，实现防御驾驶、三点掉头等功能，并计划年底向AD Pro车型全量推送城市NOA [72] - 小米YU7全系标配英伟达Thor芯片，支持城市NOA；小鹏MONA M03 Max首次将城市NOA下沉至15万元区间 [65][68]

技术趋势与产业化 - 智能驾驶技术成熟度迎来质变，世界模型智能体技术正重塑智能网联汽车竞争格局并拥有清晰产业化路径[1] - 世界模型智能体方案是未来方向，特斯拉FSD V13.2和华为ADS 4.0均已实现量产和商业化发展[1] - 自动驾驶安全性超越人类需要AI学习里程达到人类司机的上千倍[1] 数据与仿真技术 - 利用数字孪生技术生成海量合成数据是解决实车路测成本高、周期长的关键破局点[1] - 能提供高质量仿真平台与数据服务的公司在未来产业链中更具价值[1] 算力需求与竞争 - 行业正经历云端与车端同时进行的算力军备竞赛[2] - 云端预训练和构建世界模型可能需要数十万张AI加速卡和数十个EFLOPS级别算力，形成高资金技术壁垒[2] - 车端芯片算力需求正从最高500-600 TOPS向2500 TOPS以上迈进，以实现低成本、低延迟、高效能的实时响应[2] - 算力竞赛考验企业在芯片设计、架构创新与系统整合上的综合实力[2]

特斯拉Dojo项目终止 - 特斯拉于2025年8月解散Dojo团队并终止超级计算机项目 项目负责人Peter Bannon离职 [1][6] - Dojo项目于2019年4月首次披露 2023年7月开始生产 原计划2024年前投入超10亿美元 [2][4] - 马斯克称终止Dojo 2因其成为"进化死胡同" 未来Dojo 3将是"大量AI6芯片集成于一块板卡" [6] 特斯拉技术路线转型 - 特斯拉采用纯视觉技术路线 仅依赖摄像头实现自动驾驶 需处理海量视频数据 [5] - 公司转向依赖合作伙伴战略 2025年部署由5万块H100 GPU组成的Cortex训练集群 [8][9] - 2025年第二季度增加1.6万块H200 GPU 使Cortex总算力达6.7万块H100等效 并与三星签署165亿美元AI6芯片订单 [11] Waymo业务扩张 - Waymo于2025年9月在丹佛和西雅图启动人工监督测试 为推出自动驾驶出租车服务做准备 [1][12] - 每个城市投放最多12辆测试车 包括捷豹I-Pace和极氪车型 [14] - 服务已覆盖凤凰城/旧金山/洛杉矶/奥斯汀/亚特兰大 计划进军10个新城市 并与Uber合作 [14] 全球自动驾驶竞争格局 - 百度Apollo Go于2021年在广州和北京推出无人驾驶服务 包括收费完全无人驾驶出租车 [15] - 文远知行2025年9月将Robotaxi GXR引入新加坡测试 系东南亚首次落地 [15] - 蘑菇车联MogoMind大模型参数达70亿 感知精度超90% 已在8个城市落地 [15] - 华为ADS 4.0将于2025年具备高速L3试点商用能力 2026年可能实现高速路解放双手 [15] 特斯拉Robotaxi进展 - 2025年6月22日在奥斯汀启动试点服务 收费4.20美元 投入10-20辆Model Y改装车 [16] - 服务区域快速扩张 8月27日覆盖达171平方英里 远超Waymo的90平方英里 [16] - 9月3日调整安全监控策略 将监控人员座位从副驾驶移至驾驶座以应对高速公路区域 [16] 行业技术路线分化 - 行业呈现三条技术路径：特斯拉垂直整合转型 Waymo/百度渐进式扩张 蘑菇车联AI网络路线 [20] - 纯视觉路线面临数据训练经济约束 可能存在有意义的训练数据耗尽风险 [17][18] - 更多数据不一定产生更多信息 关键在于数据信息含量及训练过程提炼能力 [19]

行业与公司概述 - 辅助驾驶行业正经历从L2到L3商业化落地的关键拐点，全栈自研主机厂与第三方供应商形成领先优势[1] - 特斯拉、小鹏、鸿蒙智行合作车企、理想、蔚来、小米等车企在辅助驾驶领域领先[1][5] - 第三方供应商如Momenta、云融启行占据重要地位，国内供应商如速腾聚创、禾赛科技向软硬件一体化解决方案发展[1][5] 技术研发与产品进展 - **特斯拉**：HW5.0搭载4颗4D毫米波雷达，Robotaxi试点服务在Austin启动，数据反补FSD能力提升[6][9] - **小鹏汽车**：转向纯视觉方案，通过云端大模型训练实现硬件降本，Mona M03P7+成为高性价比爆款[3][11] - **华为**：ADS 4.0支持高速L3商用，通过零部件/HI/鸿蒙智行模式划分合作紧密程度[12] - **理想汽车**：L系列全系标配激光雷达，推出端到端加VLA架构，实现从跟随到引领的变化[6][13] - **蔚来**：三年研发投入超100亿元，自研芯片上车，但商业化节奏不及预期[14][15] - **小米**：Su7预期销量超市场预期，全系标配激光雷达，本地端VLA模型预计9月OTA搭载[16][25] 传感器与算力发展 - **传感器**：激光雷达（速腾聚创、禾赛科技）、4D毫米波雷达（特斯拉、华为）、纯视觉方案（小鹏）成为主流[6][23][26] - **算力芯片**：2024年辅助驾驶域控芯片装机量达528万颗（同比+61.7%），英伟达、特斯拉、华为为前三大玩家[28] - **云端智算中心**：特斯拉达100亿Flops，国内车企约10亿Flops，通过弹性算力池支持模型迭代[27] 技术路径与模型优化 - 技术路径向数据驱动发展，VLA模型融合视觉、语言与行为模块，优化车辆决策[3][29] - 世界模型通过视频预测学习时空规律，VLM模型通过自然语言描述场景理解[30][31] - 车企展示云端模型参数规模（如小鹏750亿参数），强调数据量（真实+仿真）驱动迭代[29] 政策与商业化进展 - L2端规范化同时，多地开放L4商用化试点[8] - 理想VLA司机大模型、小鹏本地端VLA模型、鸿蒙智行L3高速NOA解决方案将于近期量产或OTA[8] 消费者感知与安全 - 关键节点：从高速NOA向城市NOA发展，华为"车位到车位"概念实现全场景连续驾驶[32] - 安全功能：AES（主动避让系统）逐步量产，特斯拉MPI达700万英里/次事故[33][34] 投资关注点 - L2到L3商业化落地节点的头部解决方案供应商、全栈自研主机厂及细分上游供应链[36] - 法规开放试点与ToC端规控完善将推动行业能力迭代升级[36] 其他重要内容 - 传统主机厂选择第三方解决方案可缩短产品周期，快速抢占市场[17] - 技术驱动型企业（华为、蔚来、小鹏）研发费用率超15%，规模效应型企业（理想、特斯拉）随销量回调[22] - 企业组织战略调整（如理想成立算力资源部门）对研发效率与商业化至关重要[21]

技术原理与分类 - 测距方式主要包括飞行时间(ToF)和调频连续波(FMCW)，ToF是当前中长距车载主流方案，技术成熟且成本低，FMCW在测距、测速、抗干扰性等方面具优势但系统复杂成本高 [4] - 扫描方式分为机械式、混合固态(如MEMS、转镜式)和固态(如OPA、Flash)，固态化趋势显著，更可靠经济且易通过车规级标准 [4] - ToF与FMCW在室外测距均可实现100-250米，ToF是中长距主流选择，FMCW性能更优但成本高，未来可能形成并存格局 [29] 下游市场应用 - 传感器融合方案(激光雷达+摄像头)目标物追踪准确度达75%，比纯视觉方案高20个百分点 [1] - 2023年机器人占激光雷达下游应用68.2%，2030年中国机器人激光雷达市场规模预计达280亿元，年复合增长率67.9% [2] - 2025年被视为人形机器人商业化元年，特斯拉Optimus计划量产5000台，智元、广汽等厂商明确量产计划 [2] 市场规模与增长 - 2023年全球车载激光雷达市场规模5.26亿美元，2029年预计达36.32亿美元 [2] - 2026年中国激光雷达市场规模预计达431.8亿元，芯片化、固态化技术推动成本下降 [12] - 2024年中国L2级及以上自动驾驶渗透率突破55.7%，2025年预计升至65%，L3级功能开始规模化落地 [4] 成本与搭载量 - 车载激光雷达价格从2023年35-40万元下探至2024年30-35万元，2025年零跑B10车型12.98万元搭载 [5] - L3级需1颗前视+2-3颗补盲雷达，L4级可能搭载10颗(如广汽埃安车型)，推动需求增长 [5] - 速腾聚创MX激光雷达突破200美元价格门槛，车载激光雷达均价从2023年4300元降至2024Q1的2600元 [3][64] 竞争格局 - 2024年全球市场中禾赛科技(33%)、速腾聚创(24%)、华为(19%)、图达通合计占88%份额 [5] - 禾赛科技2025Q1营收5.3亿元(+46.3%)，预计全年交付120-150万台，机器人领域交付近20万台 [3] - 华为2025年1月乘用车激光雷达市场份额34.4%，ADS 4.0搭载高精度固态激光雷达 [6] 技术发展趋势 - 头部厂商通过自研SoC芯片、光学集成等技术降本，固态化方案占比提升 [5] - 905nm和1550nm波长为主流，满足IEC 60825-1:2014的Class 1安全等级要求 [59] - 多传感器融合成为主流趋势，激光雷达弥补纯视觉方案在复杂环境下的感知短板 [42]

报告公司投资评级 - 投资评级为买入，维持该评级 [6] 报告的核心观点 - 2025年4月14日小鹏汽车举办AI技术分享会，披露正在研发720亿参数的“小鹏世界基座模型”，将通过云端蒸馏小模型部署到车端，提升AI汽车智力上限，赋能AI机器人、飞行汽车等 [2][4] - 小鹏世界基座模型赋能，提升AI汽车智力上限，AI智驾进展领先；AI基础设施优势显著，算力集群、数据基础设施构建核心竞争优势，助力搭建“云端模型工厂” [2][8] - AI智能驾驶能力领先，随着渠道变革、营销体系加强，叠加新车周期，公司销量快速提升；2025年多款新车上市增强销量周期，规模提升、降本效果将体现，叠加软件盈利模式拓展和出海增长，未来盈利有较大弹性，给予“买入”评级 [8] 各部分总结 算法与算力加速迭代，“端到端”大模型时代来临 - 特斯拉引领，国内车企跟进，智驾进入端到端大模型时代，技术飞跃；端到端大模型上限高、下限不低，泛化能力强，能处理长尾场景 [9] - 2024年5月小鹏率先在国内首发量产端到端大模型，华为、理想等车企也有相关进展 [11][12] 大模型时代，算力与数据加速储备 - 算法向大模型迈进，车端算力逐步增配，小鹏、理想等车企有未来搭载高算力芯片或自研芯片的规划 [17] - 云端算力方面，特斯拉领先，华为、理想建设快，小鹏等车企追赶，国内车企深化与互联网厂商合作部署算力 [19] - 端到端智驾模型对数据需求增长，国内新势力加速储备训练数据，小鹏训练数据量领先且增长快 [20] 小鹏启动720亿参数自驾基模研发，AI智驾进展持续领先 - 数据、算法和算力加持，小鹏智驾将升级AI大脑，“世界基座模型”提升AI汽车智力上限，赋能多领域 [23] - 小鹏建成万卡智算集群，云端算力达10 EFLOPS，运行效率高，全链路迭代周期短 [25] - 小鹏世界基座模型参数规模大，具备多种能力，参数量是主流VLA模型35倍左右 [25][27] - AI基础设施优势显著，算力集群和数据基础设施构建核心优势，打造“云端模型工厂” [30] - 世界模型赋能基座模型性能优化，构建闭环反馈网络 [31] 三大阶段性成果：小鹏在物理世界AI领域快速进步 - 验证规模法则在自动驾驶领域持续生效，参数或训练数据量增加，模型能力增强 [36] - 在后装算力的车端成功实现基模控车 [41] - 启动72B参数基模训练，搭建强化学习模型训练框架，“规则时代”经验赋能AI [45][50]