>> 信達證券-汽車行業(yè)智駕系列深度:端到端革命開啟,強者愈強時代即將來臨-240829
| 上傳日期: |
2024/8/30 |
大?。?/td>
| 4034KB |
| 格式: |
pdf 共36頁 |
來源: |
信達證券 |
| 評級: |
看好 |
作者: |
陸嘉敏 |
| 行業(yè)名稱: |
汽車 |
| 下載權限: |
無限制-登錄即可下載 |
|
|
本期內容提要 智能化時代,自動駕駛能力將重新構筑車企競爭壁壘,核心競爭要素在于“數據”+“算力”。背后原因在于:①對消費者而言,智能化在消費者選購汽車中的重要性正日益提升。②對于車企而言,實現高階智駕需要大量投入,中小車企將難以持續(xù)投入。③特別是當智能駕駛算法層面逐漸收斂至“端到端”架構后,數據+算力將成為核心競爭要素,頭部車企或供應商能掌握更多更優(yōu)的“數據”,以及更強更快的“算力”,而優(yōu)秀的智駕能力有望加強銷量轉化,最終強化車企馬太效應,令智駕強者愈強。 相較傳統(tǒng)分模塊架構,端到端架構優(yōu)勢顯著,核心是“數據驅動”而非“規(guī)則驅動”,有望顯著提升智駕上限。所謂“端到端”是指一端輸入圖像等環(huán)境數據信息,中間經歷類似“黑箱”的多層神經網絡模型,另一端直接輸出轉向、制動、加速等駕駛指令。與傳統(tǒng)規(guī)則驅動的分模塊架構相比,端到端的實現將帶來一系列優(yōu)勢:①完全基于數據驅動進行全局任務優(yōu)化,具備更好、更快的糾錯能力;②能進一步減少模塊間信息的有損傳遞、延遲和冗余,避免誤差累積,提升計算效率;③泛化能力更強,由Rule-based算法轉向Learning-based,具備零樣本學習能力,面對未知場景具備更強決策能力。 端到端發(fā)展路徑探析:從分模塊到一體化。端到端可以簡單分為狹義端到端(前端傳感器輸入、后端控制輸出)和廣義端到端(信息無損傳遞、數據驅動整體優(yōu)化)2種定義。從端到端的最終實現上,我們認為通過①感知“端到端”,②模塊化“端到端”,再到③One Model/單一模型“端到端”是一種相對平滑的過渡形式。而當前感知層“端到端”已經是主流的感知模型,展望后續(xù)技術發(fā)展,我們認為決策與規(guī)控層自動駕駛算法向“端到端”收斂,有望成為行業(yè)的一大趨勢。 “數據+算力”構筑智能駕駛核心競爭要素,進入強者愈強階段。端到端自動駕駛是數據驅動的模型,因此,訓練數據的重要性越來越高。端到端對數據的要求體現在數據量、數據標注、數據質量和數據分布等方面。除了海量高質量數據之外,還需要強大的算力來支撐模型的訓練,大部分研發(fā)端到端自動駕駛的公司目前的訓練算力規(guī)模在千卡級別。我們認為領先競爭者有望通過數據、算力的領先轉化為端到端的算法優(yōu)勢。 特斯拉先行,國內外企業(yè)加速跟進,端到端量產推廣在即。端到端主要參與者涵蓋了車企、人工智能企業(yè)、自動駕駛技術公司機器人公司以及自動駕駛芯片制造商。特斯拉作為先行者,于24年初推送端到端版本的FSD,從實際體驗來看,端到端的FSD操作更擬人、絲滑。國內主機廠如華為、小鵬、理想、元戎啟行、商湯絕影等紛紛跟進,其中華為、小鵬端到端進度相對領先。我們認為因各車企戰(zhàn)略選擇有差異,端到端路線尚處在百花齊放的階段,但隨著數據、算力等競爭要素逐漸趕上,端到端路線有望逐漸收斂至一體化結構,并會結合多模態(tài)大模型、世界模型等,不斷加強感知、認知、決策能力。 投資建議:我們認為以特斯拉為代表的端到端快速迭代有望帶來智能駕駛新一輪產業(yè)革命,自動駕駛能力將重新構筑車企競爭壁壘,數據+算力將成為核心競爭要素,頭部車企或供應商能掌握更多更優(yōu)的“數據”,以及更強更快的“算力”,而優(yōu)秀的智駕能力有望加強銷量轉化,最終強化車企馬太效應,頭部車企強者愈強時代即將來臨。 整車板塊重點關注:1)受益于華為強大智駕能力賦能的鴻蒙智行合作車企以及相關合作伙伴【賽力斯、北汽藍谷、長安汽車、江淮汽車】;2)汽車保有量大且品牌積淀深厚,智能電動技術布局有望逐步趕上的自主品牌龍頭車企【比亞迪、長城汽車】;3)智能駕駛技術領先的造車新勢力【理想汽車、蔚來、小鵬汽車】;4)全球化布局提速、有望迎來新一輪產品周期、同時在智能駕駛、能源、人形機器人多線并進的全球新能源汽車龍頭【特斯拉】。 零部件板塊建議重點關注智能化產業(yè)鏈核心零部件:1)感知層【德賽西威、保隆科技、華域汽車】等。2)決策層【經緯恒潤、均勝電子、華陽集團】等。3)執(zhí)行層【伯特利、中鼎股份、拓普集團、亞太股份、耐世特、浙江世寶】等。 風險因素:智能化零部件降本不及預期、智能駕駛利好政策落地不及預期、消費者體驗不及預期、技術迭代不及預期、外部宏觀環(huán)境惡化等。
|
|