智能驾驶行业专题：NOA快速渗透，关注智驾产业链机会_新浪财经

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（报告出品方/作者：华福证券，钱劲宇）

01 智能驾驶持续渗透，NOA加速上车

赛道前景：继电动化之后，智能化有望继续引领汽车行业变革

23年新能源汽车渗透率超30%，智能电动汽车渗透率超60%。在新能源汽车带领中国汽车产业向电动化转型的同时，更多智能化的功能量产上车，智能电动汽车的渗透率逐年提高。据亿欧智库测算，2022年中国智能电动汽车的销量已占新能源汽车的51.7%，2023年预计有望达到65.2%。到 2025年，在新能源汽车近50%的汽车出行市场渗透率的基础上，智能电动汽车的销量将超1220万辆，占新能源汽车的80.1%。智能电动汽车将是未来中国车市的中坚力量。

政策和市场：L3测试有序推进，NOA上车加速渗透

L3测试有序推进：2023年11月，四部委发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，在智能网联汽车道路测试与示范应用工作基础上，四部委遴选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点；对取得准入的智能网联汽车产品，在限定区域内开展上路通行试点。

NOA上车加速渗透：根据高工智能汽车研究院数据，2023年国内NOA前装标配渗透率为 2.99%，2023年1月、12月单月为分别为1.81%、4.29%。而根据高工智能汽车研究院预测， 2024年国内NOA前装标配渗透率将达到10%。

行车域智驾功能迭代：基础L2→ 高速NOA→ 城区NOA

NOA功能包括高速场景与城区场景，其功能实现是自动驾驶发展过程中的关键节点。高速NOA功能是在高速公路辅助（HWA）的基础上配置高精地图，以实现自动上下匝道功能。城区NOA功能是在部分城市道路按照导航路径智能辅助驾驶，引导车辆抵达目的地，适用场景通常为城市内的非结构化道路，可实现横向和纵向的控制，是ACC、LKA、ALC和高精地图功能的集成。

2023年成为城市NOA落地“元年”，“基础L2 → 高速NOA → 城区NOA”的功能迭代路线逐渐清晰。汽车行业发展至今，智能化能力已成为各家车企体现技术实力的核心方式，其中智能驾驶的能力至关重要。从最初的包括LKA、ACC等功能在内的基础L2辅助驾驶，到2022年的高速领航辅助驾驶（高速NOA），到2023年的城市内封闭道路领航辅助驾驶（城区NOA），车企们一直在追逐智驾能力的突破。随着2023年下半年部分车企城区NOA开城不断落地，2023年也被称为城市NOA落地“元年”，而“基础L2 → 高速NOA → 城区NOA”的功能迭代路线也逐渐清晰。

智驾功能落地：技术能力梯次分布，“自研+外采+混合”共存

配备智驾功能的车企品牌梯次分布，“特斯拉+部分新势力”领先。根据我们的研究发现，国内量产车智能驾驶产品的实现以L2级智能驾驶为「主流」和「起步」。以此为依据，我们将国内智能驾驶格局划分为：正当代、次世代及领先⼀代。同时，⼤部分传统车厂未完全实现基础L2级功能，在当今格局下，已成为落后⼀代。

“特斯拉+部分新势力” 坚定自研，传统大厂“自研+外采” 两条腿走路。从智能驾驶产品提供方的角度，领先⼀代和次世代的玩家又可以分为自研派、供应商派和冗余派。冗余派的意思是车企既会采用和供应商合作的方案，又拥有自研团队，研发智能驾驶产品。以比亚迪为例，比亚迪会把智能驾驶能力切成不同功能点，比如泊车、行车都是单独功能。单功能的某个配置会成为一个单独招标项目，最后筛选 A 点、B 点两家供应商让其同时开发。部分供应商有软硬一体方案，如大疆车载和禾多还提供域控制器或传感器，但比亚迪可能会考虑其他选择，如只采购大疆车载的软件，再委托大疆在选择的域控制器上做优化。众多供应商会带来更大的沟通与协调成本，但未来替换供应商也更容易，背后意图或指向自研。

02 竞争激烈，性能成本系关键因素

智驾方案竞争优势：性能和成本为关键影响因素

智驾性能：智驾性能决定开城数量，算法、算力和数据三要素决定智驾性能。智能驾驶是AI能力在量产车驾驶上的实现，AI性能取决于三大因素：算法，算力和数据。算法方面业内趋于⼀致，开始实现BEV+Transformer大一统；算力层次相对分明。而在智能驾驶场景中，数据是AI模型不断迭代优化的关键因素。

智驾成本：NOA功能持续下探，方案成本愈发关键。智驾正成为越来越多消费者购车的主要考虑因素。小鹏G6智驾版本的订购比例超70%，问界新M7的10万辆大定中，智驾版本的订购率达到了60%。而新能源车价格竞争背后实则是成本竞争，结合目前的消费者认知和市场趋势，车企需要不遗余力地控制成本并提升智能驾驶能力。消费者追求的始终是具有性价比的高性能产品，车企如果为了降本而将智驾软硬件进行减配或改为选装，实际上是削弱了自家车型的竞争力。而那些全面搭载智驾方案，还能给到消费者一个大幅度降价的车企，在市场上保持较强竞争力。

算法：端到端模型有望成共识，占用网络为算法导向感知更精确

基于BEV算法迭代为占用网络：BEV算法进一步迭代为Occupancy Networks（占用网络），更加直接地打造3D空间。有别于感知2D图像、提取像素（pixel）转化为3D特征，Occupancy Networks直接感知3D空间中的体素（voxel），也就是将世界划分为多个大小一致的立方体，快速识别每个体素是否被占用，继而判断车辆是否要躲避。

与3D目标检测相比，占用网络Occupancy Networks感知更高效、结果更精准：1）更准确的描述物体的几何形状：对每一个体素进行预测，所以对目标的描述会更加的细粒度。2）可以预测数据集以外的目标类别：针对当前数据集中未见过的物体，也可以对所占据的栅格进行预测。

端到端发展框架有望成共识：端到端自动驾驶不进行任务切分，希望直接输入传感器数据、输出驾驶决策（动作或者轨迹），从而抛弃传统自动驾驶里的感知、预测、规划、控制等各类子任务。

优势：1）效果上不但系统更简单，还能实现全局最优。2）效率上由于任务更少、避免了大量重复处理，可以提高计算效率。3）数据收益不需要大量的人工策略、只需要采集足够多的优质驾驶数据来训练即可，可以通过规模化的方式（不断扩展数据）来不断提升系统的能力上限。

数据：量产车数量、传感器标准化程度、商业模式为关键要素

量产车的数量影响数据产生和迭代，需要足够多的数据传感器：更多的智能车销量或智能方案生产数量，意味着更多的数据积累。

传感器方案标准化，实现更强数据效率和质量:如果所有的量产车都是一套标准传感器方案，数据质量、处理效率，无疑比多套传感器方案对于技术迭代有更强的推动作用。由于不同传感器方案会使用不同的数据格式和处理算法，从而需要更多流程进行数据转换和统一，使用相同规格的传感器方案能帮助提高智能驾驶能力迭代效率。同时，传感器方案数量越少，已经实现的能力等级越高，就意味着智能驾驶技术能力越强。

可免费使用的智能驾驶产品，也有助于数据反馈和技术迭代：只有在实际道路环境下、真实驾驶数据越多，遇到的Corner Case越多，智能驾驶系统的能力才更有可能向上迭代。现阶段绝大多数用户依然只接受免费权益，表示不会为其付费。对于愿意付费的用户，“单次付费，永久使用”的方式更易被接受，因此“软件持续收费”的模式，虽然由来已久，但目前仍未被市场所接受。

成本：包括成本在内的多因素推动高精地图向轻地图迭代

“轻量化”地图将成为智能网联汽车应用的趋势：中国智能网联汽车产业创新联盟发布的《智能网联汽车高精地图白皮书》提到，分米级地图的测绘成本为每公里10元左右，而厘米级地图的测绘成本可达每公里千元。”去高精地图”是必然趋势，繁重的高精地图不仅无法适应高速发展的自动驾驶需求，更是成为主机厂与图商无法承担的高额成本。但是实时感知无法获取的“先验信息”也成为了“地图”的保命符。基于导航地图和各家需求的地图要素绘制出的SD Pro地图或许是长久的地图存在形式。“轻量化”地图使图商降低了高精地图要素采集、制作、更新的成本和周期，也使车企避免因购买多余的数据产生不必要的成本，降低了对高精地图的依赖。相比“重地图”方案更易覆盖城市道路、停车场等全场景，也可以满足智能网联汽车量产向更多更大规模的城市拓展的需求。

03 特斯拉领衔，主要厂商方案巡礼

新版本V12.3登场，FSD引领技术革新

最新FSD V12.3迎来推送，V12转向端到端网络。3 月 17 日消息，特斯拉的FSD Beta版12正式迎来新版本推送，此次推送的FSD Beta V12.3面向美国的部分用户开放。本次推送似乎涵盖了美国所有拥有FSD Beta测试资格的车辆，此前该版本已经推送给内部员工和配备 HW4 的特别测试组。一些用户指出，新版本在舒适完成 U 型转弯和低可见度路况行驶方面取得了显著进步，这得益于V12版本转向了“端到端神经网络”控制车辆的方式。

瑕不掩瑜，FSD Beta V12.3实测令人印象深刻。有车主说自己今天用V12.3进行了6次拼车，没有一个乘客意识到车辆在“自己开自己”，并且零接管、零脱离。还有车主表示，原来自己在所在的社区从不用FSD Beta V11，因为经常出错，但是FSD Beta V12.3让他体验到了有史以来第一次 “零接管”，而且系统在很多情况下都像人类，比如等待单车道上左转的车辆，或者马路中停下的送货车。

算法端：特斯拉Hardware硬件迭代，HW4.0全面提升

HW硬件不断更迭，逐步走向自研道路。HW1.0阶段特斯拉的主要工作是多传感器融合+应用层软件开发。HW2.0阶段特斯拉掌握图像识别算法 +多传感器融合+应用层软件开发。HW2.5是对HW2.0的一个小版本更新，主要用于冗余和略微提高的可靠性。HW3.0特斯拉驾驶辅助硬件的重大革新，首次采用自研的自动驾驶芯片，具备全套芯片设计+图像识别算法+多传感器融合+应用层软件开发。

HW4.0全面提升，处理数据、影像能力提升。HW4.0的摄像头像素从120万像素提升到500万像素，虽然前摄像头从三目变成双目，总体摄像头数量从8个减少到7个，但是视觉最大探测距离从250米变为424米，系统可以看得更远更清楚。芯片算力是原来的5倍，从HW3.0的144TOPS提升到HW4.0的720TOPS，CPU内核也从12个上升到20个，以帮助快速处理图像信息。同时，为了让图像大数据传输更快，CPU内存从LPDDR4 升级到GDDR6。

数据端：硬件配置标准化，减少数据转换，提高迭代效率

硬件标准化方案能帮助提高自动驾驶迭代效率，传感器性能不断提高：特斯拉在自动辅助驾驶方面的一个特殊之处在于不论是基础版辅助驾驶，还是增强版辅助驾驶，亦或是未来的完全自动驾驶，它们的硬件配置都一样，不一样的方面就在于软件配置。特斯拉车辆若想要增强版辅助驾驶或是完全自动驾驶功能，可直接购买软件不需要额外加装硬件。HW4.0摄像头从上一代的8个120万像素，变成7个500万像素，成像从2D变为3D，最大探测距离来到424米。

特斯拉硬件配置具备成本优势：特斯拉HW3.0的全套硬件成本大概在1万元，其中8颗130万像素摄像头的成本可能不会超过1千元，而头部新势力们目前所使用的这些硬件成本，大多在4万-7万元间。HW4.0包括1个高分辨率毫米波雷达（估计BOM成本120美元）、11个摄像头模组（估计 BOM成本240美元）、1个计算盒子（单智能驾驶部分，估计BOM成本1075-1605美元）。合计BOM成本大约1500-2100美元。

报告节选：