智联汽车行业系列深度之35：从RoboTaxi看中美智能驾驶机会.pptx

●证券研究报告

从RoboTaxi看中美智能驾驶机会

智联汽车系列深度之35;

特斯拉FSD1.0到3.0是“第一性原理”的集中体现，伴随着成本不断下降

·特斯拉1.0:通过实施生成的鸟瞰图BEV替代高精度地图作用，约2019年，无图NOA的基础；

·特斯拉2.0:通过占用网络预测物体在空间中位置，替代激光雷达，约2021年，纯视觉NOA的基础；

●特斯拉3.0:通过端到端大模型，取代传统智能驾驶路线；感知、制图、预测决策、规划—基础模型、规划，约2023年后，有效解决规则范式下长尾问题的基础。

技术路线差异，导致特斯拉Robotaxi和国内L4运营模式有较大区别

技术路线较大差异。国内L4以萝卜快跑为例，使用高精度地图+冗余传感器结合，配备6-7颗激光雷达，规则化训练，高算力主冗双计算单元1200Tops;特斯拉FSD方案：无高精度地图，无激光雷达，端到端，720Tops;

特斯拉Robotaxi:商业模式可能类似软件服务，约75%运营毛利率，30%EBIDTA率，全球化市场；

萝卜快跑：商业模式类似出租车运营公司，根据正文假设，当单车价值量低于20万元，安全员人车比降低至1:7,单公里收费提升至2元/公里后，可以实现单车运营盈利。

国内乘用车智能驾驶，技术迭代较快，已基标配BEVformer实现无图NOA,正向端到端时代演进

●无图NOA:已有充分技术基础，预计2024H2上车可开。1)理想7月5日开始推送，最终24万名ADMax用户都能使用无图NOA能力；2)小鹏24H2逐渐推送，XNGP城区智能驾驶系统迈入100%无图导航时代，服务场景将包括小路、内部路、停车场等；3)小米Q3推送，智能驾驶城市领航功能采用轻地图方案。

端到端：各主机厂积极布局，预计2025年开始有上车进展。1)华为乾崑ADS3.0:GOD和PDP两个网络，实现感知和决策端到端；2)长城7月魏牌蓝山首发量产国内第一个端到端，使用德赛西威域控+元戎算法；3)理想、小鹏、蔚来等也有端到端迭代。;

■正常的Robo-Taxi长期有较大刺激，短期差3-4个数量级

·优势：2018-2023年L2+,尤其NOA和大模型是Robo-Taxi基础

·劣势：数量级差距较大

■Robotaxi和智能驾驶投资方向选择出现差异

国内Robotaxi三方向

·1)传感器冗余带来激光雷达、P-box、连接器等机会：华测导航、永新光学、电连技术；·2)车路云相关数据在重视安全的Robotaxi中大量应用：金溢科技、万集科技、千方科技；·3)Robotaxi运营：百度、大众交通、锦江在线；

■更长期利好的是ADAS+Al方向

·海外：特斯拉，汽车：小鹏(与特斯拉相同技术路线)、

·通信：华测导航、永新光学、电连技术

·计算机：德赛西威，虹软科技(ADAS纯软)

·电子：世运电路、东山精密、宸展光电、立讯精密、蓝思科技

■间接利好的是汽车零部件

·汽车零部件：拓普集团、新泉股份、科博达、经纬恒润;

主要内容

1.技术：特斯拉如何逐步实现端到端

2.模式：中美两种RoboTaxi的差异3.变化：国内智能驾驶技术进展

4.推荐：后续机会和重点标的;

自动驾驶系统数据处理流水线由场景理解、规划和决策任务组成

SceneUnderstandingPlanningDecisionMaking

Scene

Representation

(SensorFusion,ObjectMop)

wWw.S5;

传统方式：SLAM+DL,一般分为定位(Localization)+地图构建(Mapping)两个步骤

●SLAM(SimultaneousLocalizationandMapping,同步定位与地图构建)、深度学习(DL)

·定位：通过车载传感器(如摄像头、激光雷达、IMU等)收集周围环境的信息实现定位。

·作图：在车辆移动的过程中不断收集和处理传感器数据，构建出环境的地图，可以是二维的或三维的，包含道路、障碍物等。

缺陷：多传感器消耗大量算力，且往往依赖高精度地图，实时性不足

计算资源消耗大：需要处理大量传感器数据。传感器依赖：对高精度传感器如激光雷达的依赖较大，增加了成本。·环境适应性：在动态变化或复杂