汽车行业体验向上价格向下，端到端加速落地.docxVIP

正文目录

TOC\o1-3\h\z\u核心观点及与市场不同之处 3

核心观点 3

与市场不同之处 3

高阶智驾：体验向上，价格向下 4

端到端百舸争流，VLA和世界模型蓄势待发 6

端到端架构上限更高、正加速上车，车位到车位大幅提升智驾体验连贯性 6

理论：端到端架构可实现信息无损传递、上限更高 6

落地：端到端方案正加速上车，车位到车位功能成为新衡量指标 7

发展趋势：一段式或是最终方向，VLA和世界模型蓄势待发 12

架构：一段式端到端或是最终方向，众多厂商跟进 12

AI大模型：规则驱动转向AI大模型和数据驱动，VLA和世界模型蓄势待发 13

挑战：端到端对算力和数据提出更高要求，主机厂组织架构也需要适应调整 16

技术：端到端架构对数据和算力提出更高要求 16

管理：打破原有研发团队架构，更强调人才质量 20

落地：端到端架构下智驾快速迭代，工程化能力愈发关键 21

投资建议 22

风险提示 25

核心观点及与市场不同之处

核心观点

2025年高阶智驾：体验向上，价格向下。当前高阶智驾正在由尝鲜阶段向大众用户普及：

1）体验向上：各家车企持续优化智驾体验，端到端架构技术上限更高，正加速落地，车位到车位功能/“拟人化”驾驶能力成为新的比拼点，将大幅提升智驾体验连贯性；技术演进上，一段式端到端或逐渐代替两段式端到端，此外VLA和世界模型是重要发展方向，能够增强系统的泛化能力和复杂场景理解能力，DeepSeek的横空出世有望加快端到端/VLA/世界模型上车。2）价格向下：随着感知方案降本、跨域融合方案成熟、智驾算法优化，当前高速和城市NOA已下探到10/15万内价格段车型。在比亚迪全民智驾等因素催化下，我们预计2025年高速/城市NOA渗透率将分别达16%/14%。

端到端架构对数据和算力提出更高要求，车企组织架构需调整并加强工程化能力。1）端到端架构从规则驱动转向数据和AI大模型驱动，其更高上限的实现对数据量、数据质量与闭环能力提出更高要求。DeepSeek等技术的突破，短期或缓解云端算力紧缺，但长期云端算力需求仍将持续增长，未来云端车端协同分工或将会是：云端模型负责复杂模型的训练和迭代，不断探索上限；车端模型则更注重效率和成本，将云端模型蒸馏到车端，负责实时推理和决策。2）车企组织架构调整：端到端架构打破了传统模块化开发模式，各车企需加强跨部门协作，并且强调AI领军人才，提升AI主导的智能驾驶研发能力。3）工程化能力成为核心竞争力：端到端方向相对明确，行业正处于快速落地和迭代阶段。除了研发投入与人才储备，端到端落地速度/智驾迭代频率/数据闭环能力可以辅助观察车企车企工程化能力，具备强工程化能力的车企有望在竞争中占据先机或加速追赶。

与市场不同之处

本文系统梳理了端到端架构的核心特点与落地进展，深入探讨了一段式端到端/VLA/世界模型等关键技术趋势的演进路径，同时分析了端到端架构对主机厂的技术能力、组织管理和工程化能力提出更高的要求。此外我们还讨论了DeepSeek的横空出世对端到端落地影响，DeepSeek高效的蒸馏技术可启发车企创新，使得车端算力要求降低，加速端到端/VLA/世界模型等上车；云端算力方面，短期或缓解云端算力紧缺，但长期云端算力需求仍将持续增长；此外DeepSeek还有望助力车企进行合成数据、数据标注等。

当前有市场观点认为DeepSeek应用或能够完全重塑智驾格局，使得二三线智驾厂商追赶上第一梯队。我们认为deepseek大幅提升算力利用效率并降低训练成本，在算法、算力和数据等多维度对整体智驾产业发展提供借鉴或启发。DeepSeek高效的蒸馏技术可启发车企创新，使得车端算力要求降低，加速VLA、世界模型等上车，但或存在能力天花板，蒸馏技术虽然可以提高模型训练效率，但借此开发的模型无法超越基础模型的能力。智驾二三线梯队借助新的AI工具有望加速追赶缩小差距（尤其是在L2、高速NOA层面），第一梯队同样从DeepSeek等中受益、并因先发优势、人才和资金优势仍然有领先优势。

高阶智驾：体验向上，价格向下

25年，智驾体验不断提升+价格带持续下探。高阶智驾由尝鲜阶段向大众用户普及，成为必争之地。根据佐思汽车研究，22年以来L2及以上智驾渗透率不断提升。24年11月L2.5/L2.9级智能驾驶（对应高速NOA和城市NOA）渗透率达到3.5%/10.1%。针对不同用户和价格带，智驾产品出现分层，20万以上车型追求全场景高阶智驾，比拼端到端、世界模型等，追求最好的体验；中低端市场的智驾则追求智驾功能的价格带进一步下