汽车行业智驾系列深度：端到端革命开启，强者愈强时代即将来临.docx

目录

总论：端到端有望引领新一轮智能驾驶产业革命 6

电动智能时代，车企竞争壁垒发生重大迁移 6

自动驾驶能力将构筑车企新壁垒，核心竞争要素包括数据+算法+算力 6

什么是“端到端”？ 8

数据、算力+底层AI技术的进一步发展有望助力端到端快速发展与普及 8

深度神经网络驱动端到端实现“数据驱动”，取代传统“规则驱动”算法 9

目前的“端到端”自动驾驶包含狭义与广义两种定义 12

端到端迭代有望实现从“感知”到“决策”到“OneModel”平滑过渡 13

数据、算力、算法既是端到端落地驱动力，也是落地挑战 14

数据挑战：获取成本和难度较高，特斯拉目前处于领先 14

算力挑战：算力竞争重点由车端转向云端，算力需求水涨船高 15

算法挑战：黑盒算法局限性、验证测试与世界模型 17

特斯拉引领端到端智驾算法迭代，国内参与者多点开花 21

端到端主要参与者包括主机厂、自动驾驶公司与人工智能公司等 21

特斯拉FSDV12落地引领端到端变革 21

华为、小鹏、理想等车企与供应商纷纷跟进，技术路线有望向“端到端”收敛 24

投资建议 33

风险因素 34

表目录

表1：2023年各车企与智驾供应商智能驾驶方案与感知模型应用情况，BEV全面上车 7

表2：主流车企、供应商“端到端”量产上车时间规划 8

表3：各车企辅助驾驶里程累计情况 15

表4：各车企、智驾供应商智算中心算力布局情况 17

表5：特斯拉智能驾驶硬件迭代历程（HW1.0-HW4.0） 21

表6：Autopilot/EAP/FSD主要功能与收费情况 22

表7：Autopilot/FSD重要升级内容 22

表8：HUAWEIADS迭代历程 25

图目录

图1：不同汽车时代车企竞争力壁垒变迁 6

图2：数据+算法+算力构筑起车企自动驾驶能力壁垒 6

图3：AI驱动数据闭环逐渐形成 7

图4：传统自动驾驶架构（Apollo6.0） 10

图5：神经网络结构（输入层、多个隐藏层、输出层） 11

图6：端到端的主要优势 11

图7：狭义端到端自动驾驶架构（单一神经网络模型实现感知、决策规划、控制） 12

图8：广义端到端自动驾驶架构（神经网络模型实现感知与决策规划，不包括控制模块） 12

图9：广义端到端自动驾驶架构（感知和决策规划使用神经网络，模块之间仍有人工设计的数据接口） 13

图10：端到端自动驾驶架构演进示意图 14

图11：端到端对数据的要求 14

图12：英伟达H100、H800、A100、A800与4090显卡参数对比 16

图13：多种方式增强模型设计的可解释性 17

图14：小鹏模块化端到端算法架构 18

图15：理想端到端算法架构 18

图16：在线/闭环测试与离线/开环测试的主要特点与优缺点 19

图17：2D/3D检测、BEV、OCC、世界模型空间理解能力与真实世界的对比 20

图18：端到端主要参与者与技术路线 21

图19：特斯拉自动驾驶算法结构迭代历程 22

图20：特斯拉通过影子模式、数据标注、数据挖掘与训练等环节实现数据闭环 23

图21：百度与特斯拉达成地图合作 24

图22：FSDBeta累计行驶里程（十亿英里） 24

图23：华为ADS2.0BEV+GOD+RCR网络 25

图24：华为ADS3.0GOD+PDP网络 26

图25：小鹏智驾端到端大模型架构 27

图26：2024年小鹏智驾推送规划 27

图27：理想4DOneModel端到端架构图 28

图28：理想VLM（VisualLanguageModel，视觉语言模型）架构图 29

图29：理想汽车的自动驾驶系统考试方案:重建+生成的世界模型 29

图30：常规端到端与蔚来世界模型NWM的对比 30

图31：蔚来智能驾驶架构NADArch2.0 31

图32：百度ApolloADFM端到端大模型 31

图33：商汤绝影UniAD架构演进历程 32

图34：商汤绝影多模态场景大脑DriveAGI 32

图35：元戎启行端到端模型技术变迁 33

总论：端到端有望引领新一轮智能驾驶产业革命

电动智能时代，车企竞争壁垒发生重大迁移

燃油车时代，车企壁垒在于自研三大件（发动机+变速箱+底盘），由于机械结构复杂且外资车企经过百年积淀，技术及专利储备雄厚，自主品牌较难逾越技术壁垒，更难以实现品牌跃升，因此燃油车造车门槛高、参与者相对较少、市场份额为外资/合资品牌把控。

电动化时代，汽车结构大幅简化，且电动车核心三电（电池+电机+电控）均