海外自动驾驶专题报告：真L3加速落地、L4多场景全面爆发，海外自动驾驶投资风口已至.pptxVIP

发展现状：仅实现L2+大规模上车，真L3技术有望年内落地；L4限定场景（Robotaxi/Robovan)商业模式有望跑通，头部企业有望迎来2025年年内盈利。

技术方向催化：

?L3技术：VLM技术逐渐量产上车，关注头部车企VLA模型落地

?L4技术：Robotaxi技术门槛高，空间大，需重点关注；Robovan场景有望率先盈利

?L2+L3L4技术：L2+大规模上车需求，L3安全冗余需求，L4强制配置需求均利好核心零部件销量

相关标的：

?L3技术全栈自研车企：特斯拉，小鹏汽车，理想汽车

?L4多场景落地技术企业：百度，小马智行，文远知行

?L2+L3L4技术核心零部件：地平线机器人，速腾聚创

风险提示：政策风险；技术风险；市场风险。;

1自动驾驶的分类和定义

◆2自动驾驶的历史今生

◆3自动驾驶技术路线

◆4自动驾驶商业模式

◆5必争之地Robotaxi

◆6相关标的

◆7风险提示;

自动驾驶的分类：关于自动驾驶的分级，可以参考博世的这张图，它将自动驾驶划分为6个阶段：L0~L5，L0就是人类手动驾驶；L1是“脱脚”，比如定速巡航，可以辅助驾驶；L2是“脱手”，除了脱脚之外还可以脱手，实现部分自动驾驶；L3是“脱眼”，眼睛可以不关注路面，可以在车中玩手机；L4是“脱脑”，可以不用考虑驾驶这件事儿，可以坐在主驾，也可以坐在副驾，这是在限定场景下完成的；L5就是“无人驾驶”，没有方向盘和油门刹车等，在任何场景下都可以进行自动驾驶。

图：自动驾驶的分类L0-L5;

等级;

1自动驾驶的分类和定义

◆2自动驾驶的历史今生

◆3自动驾驶技术路线

◆4自动驾驶商业模式

◆5必争之地Robotaxi

◆6相关标的

◆7风险提示;

自动驾驶的关键节点：多传感器和视觉路线并行，L3和L4技术持续迭代

早期探索（2000年代初）：DARPA在2000年代初举办自动驾驶挑战赛，将自动驾驶概念首次转为现实，推动技术萌芽。

初步发展（2009-2016）：谷歌2009年启动L4级别自动驾驶项目，特斯拉2016年发布自研Autopilot2.0，自此形成多传感器和视觉双技术路线。

技术突破（2021-2022）：特斯拉2021年推出BEV+Transformer架构，引发同行车企跟随。

高速发展（2023-2024）：特斯拉2024年发布FSDv12，端到端架构引入WordModel，华为同年推出无图架构MapTR+Occupancy。

未来展望（2025-至今）：理想引入认知模型，小鹏预计2025年年内实现L3上车，特斯拉计划2027年量产3万美元级无人网约车Cybercab。

图：自动驾驶的发展历史;

1自动驾驶的分类和定义

◆2自动驾驶的历史今生

◆3自动驾驶技术路线

◆4自动驾驶商业模式

◆5必争之地Robotaxi

◆6相关标的

◆7风险提示;

感知端的技术路线：根据感知方案的分类，可分为以激光雷达为主的多传感器路线和纯视觉路线，算法架构从2DNCC到BEV-Transformer

决策段技术路线：从规则算法到端到端算法，按照技术架构的不同可分为一段式端到端和分段式端到端

执行端技术路线：从传统执行系统到线控执行系统

图：自动驾驶的三个技术层级;

3.自动驾驶技术路线-算法架构和模型梳理;;

技术架构的选择：国内车企的端到端技术路线分为两大流派，分别是一段式端到端和分段式端到端。

“一段式”端到端，特点是感知、决策、规划全流程整合为单一神经网络，数据驱动效率高，但需要海量数据和高算力支撑。优势是能应对未定义障碍物，例如突然滚落的轮胎或异形物体，系统可自主生成避让策略。缺点是黑箱问题突出，调试难度大；算力成本高，例如特斯拉FSDV12训练成本达10亿美元。

“两段式”端到端，特点是感知与规控分阶段处理，模块化设计便于优化和验证。优势是降低开发复杂度，适合数据积累不足的车企快速上车。例如小鹏XNGP通过XNet（感知）、XPlanner（规控）、XBrain（认知）三模块协同，实现拟人化驾驶。部分车企（如蔚来）计划逐步从两段式过渡到一段式，通过云端算力提升模型整合能力。;

第一次变革：从2DCNN到BEV+Transformer

?特斯拉在2021年首次将BEV+Transformer架构引入自动驾驶领域。BEV（BirdEysView