汽车智能驾驶行业深度报告：端到端与AI共振，智驾平权开启新时代.pptx

目录2端到端发展进入加速期，基于规则长期护航端到端的定义、发展历程、实现方法及挑战自动驾驶产业支持充足，标志性政策落地车企抢滩DeepSeek，AI行业与智能驾驶共振10万级别智驾落地推动行业进入智驾平权汽车行业加速迈向智能驾驶全面普及时代关注自研核心算法的整车企业特斯拉：纯视觉方案+一体化端到端先驱华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限理想：双系统并行，VLM规范端到端模型下限比亚迪：智驾平权加速，边际变化可期智能驾驶产业链车端：电子电气架构向中央计算迈进感知层传感器数量减配、性能提升激光雷达市场快速增长，格局集中高阶智驾需要激光雷达提供安全冗余前视摄像头市场分散从全量感知到按需感知的算法演进决策层域控制器构成智驾域控市场逐渐走向合作定制化德赛西威：高算力智驾域控行业的领军企业Momenta：提供基于端到端技术架构的自动驾驶解决方案智驾域控芯片市场的竞争格局呈现多极化，SoC高性能更适应未来趋势地平线：软硬结合是必由之路黑芝麻智能：依托技术创新，构建自动驾驶芯片产品矩阵执行层线控底盘结构及优势智驾渗透加速线控底盘国产放量，行业格局集中，主机厂粘性高线控底盘技术在自动驾驶领域的应用正逐渐普及拓普集团：业务体系多元化，已形成XYZ三大系列产品线线控制动发展历程线控制动：EHBOne-Box当前是主流方案伯特利：线控制动持续攀升，全面打造XYZ三轴汽车底盘控制系统供应商线控转向：L4级及以上自动驾驶必备，尚处市场导入期4.投资建议5.风险提示

请务必阅读正文之后的免责条款部分3端到端发展进入加速期，基于规则长期护航1

图1：端到端与模块化自动驾驶资料来源：电动车公社，端到端的定义：基于数据驱动的深度学习在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。传统智驾系统的感知层、决策规划层和控制执行层之间相互独立，信息传递容易积累误差，且智驾方案依赖于工程师通过代码制定的规则，难以处理所有复杂场景，边际效应随着智驾能力的提升呈现几何式骤减。与基于规则的传统自动驾驶算法结构相比，端到端算法基于数据驱动，可以实现信息的无损传递。同时，端到端架构将感知、预测和规划结合为一个可以共同训练的单一模型，整个系统都针对最终任务进行优化，并且共享的骨干网络大幅提高了计算效率，使智驾方案具备更高的迭代效率，有效降低了维护成本。4

资料来源：辰韬资本，Aifighting，从模块化方案向一体化端到端模型过渡端到端架构的本质是深度学习的全面使用与数据驱动。根据感知模块与决策模块之间的贯通程度，可分为模块化端到端与一体化端到端。模块化端到端将感知模块和决策规划模块视为两个独立部分，分别使用神经网络，但模块之间仍存在人工设计的数据接口。例如，华为乾崑ADS3.0由GOD感知网络和PDP决策规划网络组成，GOD负责感知障碍物，PDP则根据感知信息迅速做出决策。一体化端到端则将感知与规控模块全部打通，形成一个统一的大模型，使系统能够更直接、高效地处理信息并作出反应。业内典型代表为特斯拉、Momenta、理想等。这种架构取消了模块划分，减少信息损失的同时，对数据标注的需求也更少，同时具有更强的泛化性。从模块化端到端到一体化端到端是一种相对平滑的过渡形式。随着算法优化，技术将逐步向一体化端到端或端到端+多模态大模型的冗余双系统架构演进。图2：端到端技术演进感知“端到端”：当前的主流感知算法路线模块化“端到端”：决策规划控制模块升级“端到端”并且两模块间的的数据传递有望由人为定义的结果抽象为特征向量0neModel/单一模型“端到端”：原始信号输入到最终规划轨迹的输出直接采用单一深度神经网络实现5

图3：UniAD架构设计概览资料来源：HuY,YangJ,ChenL,etal，Planning-orientedAutonomousDriving，端到端的发展历程早期探索阶段（2016-2018年）2016年：英伟达（NVIDIA）推出DAVE-2。端到端概念的提出可以追溯至英伟达于2016年发表的论文《EndtoEndLearningforSelf-DrivingCars》。同年，英伟达发布了基于卷积神经网络（CNN）的端到端自动驾驶系统DAVE-2，通过摄像头图像直接输出转向指令。这是端到端技术的早期尝试，标志着自动驾驶从模块化向一体化迈进的起点。2017年：Way