智能驾驶行业深度报告-智驾路线向“端到端”演进-数据飞轮重要性凸显.pdfVIP

证智驾路线向“端到端”演进，数据飞轮重要性凸显

券——智能驾驶行业深度报告

研

究

报◼核心观点

告智能驾驶增益安全及效率，驶入发展快车道

据《中国智能驾驶白皮书》（中国人工智能协会，2015），智能驾驶通

行过智能系统及传感器，有效减少交通事故，亦可显著降低运营成本。

业据文远知行招股书，2022年全球及中国大陆自动驾驶市场规模分别约

研100亿/20亿美元，2030年有望分别增长至1.75万亿/6390亿美元，

究CAGR分别为79.75%/85.62%。从结构看，以L4及更高水平为代表的

高阶自动驾驶增速相对亮眼，有望超越行业平均。

智能驾驶路线向“端到端”演进，有望成为行业主流

据上海人工智能实验室、清华大学智能产业研究院、《端到端自动驾驶

系统研究综述》（陈妍妍等，2023）及《Planning-orientedAutonomous

Driving》（胡怡涵等，2023），智能驾驶路线几经变迁，传统模块化方

案具备便于问题回溯、易于调试迭代、低耦合、可解释性高等优点，

但存在信息损失以及误差传递等问题；多任务结构可降低整体运算成

本，但仍无法实现全局最优；当前来看，端到端架构具备设计优势，

直接从车辆状态和传感器采集的外部环境数据中学习策略，通过绕过

中间组件来消除潜在的信息瓶颈和累积误差，并允许网络效仿人类驾

驶员朝着最终目标持续优化，且经三十余载发展，技术已经多次迭代。

从实证来看，智驾公司密集布局端到端，如特斯拉FSDV12测试版，

行由视觉图像到车辆控制信号的直接输出，实现了感知决策技术的一体

业化；小鹏开发并部署量产了端到端的BEV（Bird’sEyeView）感知架

深构XNet，迈向了端到端自动驾驶系统的重要一步；端到端行业落地方

度案表现出色，商汤科技UniAD作为首个感知决策一体化端到端大模

型，将全栈驾驶任务整合在一个网络中，利用每个模块的优势，并从

全局视角提供互补的特征抽象，UniAD综合性能优于之前的方案。

数据飞轮形成，数据端重要性凸显

端到端路线对于数据的质量及数量要求高增，据《端到端自动驾驶系

统研究综述》（陈妍妍等，2023）及IT之家，端到端需要海量的大规

模数据支持，才可匹配算法实现完全高性能。从数据量来看，2023年

初，特斯拉已向系统输入了1000万个经过筛选可供学习的人类驾驶

视频；同时特斯拉在全球各地近200万辆的车队，每天提供约1600

亿帧视频用于训练。

◼投资建议

智能驾驶产业趋势明确，端到端路线优势明显，行业各厂商密集布局，

有望成为未来智能驾驶路线主流。我们建议关注两条主线，一是智能

驾驶解决方案提供商，有望享受行业扩张下主机厂需求提升红利，建

议关注德赛西微、中科创达、地平线机器人-W、文远知行等；二是车

路协同V2X参与厂商，有望受益于智能驾数据要素重要性提升，建议

关注万集科技、金溢科技等。

◼风险提示

行业竞争加剧风险、商业化进度不及预期风险、技术路线调整风险。

正文目录

1.汽车智能化趋势明确，智驾驶入发展快车道3

1.1.智能驾驶增益安全及效率，有望迅速发展3

1.2.智驾发展提速，各参与主体积极布局5

1.3.政策支持加码，引导产业向好发展8

2.智驾路线向“端到端”演进，数据成为关键要素8

2.1.智驾系统性工程中，软件重要性持续提升8