報告深入分析了智能駕駛行業(yè)的現狀和未來趨勢，強調技術進步和政策支持是推動行業(yè)發(fā)展的雙重動力。報告預計，隨著車路云、Robotaxi和L2+級別自動駕駛技術的成熟，智能駕駛將迎來商業(yè)化落地和滲透率的快速增長。

從何而來:技術完善，智駕進入百花齊放階段

共享出行或成為未來主要方向，高階智能駕駛與共享出行相互促進，未來保持融合進化，高階智駕或帶來安全和效率的提升。落地來看，受益于政策支持力度增大和消費者支付意愿增強，國內具備智能駕駛更好的發(fā)展環(huán)境。國內通過多個方向實現落地:

(1)車路云 2020-2023年的標準建立后，2024年開始進入城市商業(yè)化落地階段；

(2)Robotaxi在多輪選代后目前技術進入相對成熟階段；

(3)L2+目前占比為 9.3%，滲透率進入“5%-30%”階段，有望加速撬動消費需求。政策選代，車路云、單車智能、Robotaxi 協(xié)同加速，高階智駕進入百花齊放的“綻放”階段。

殊途同歸:落地方式差別，結果具備強互通性

智能駕駛研發(fā)參與者持續(xù)增加，不同維度加速推進高階功能。Robotaxi采用“躍進式”方式，單車智能采用“漸進式”方式，從研發(fā)和落地方式上存在明顯差別。Robotaxi 與單車智能傳感器和計算方式高度一致，有望實現“1+1>2”的效果。我們認為高階功能技術具備互通性，端到端大模型加速迭代，數據規(guī)模和算力規(guī)模成為車企的核心競爭能力。車路云、單車智能、Robotaxi有望成為加速高階智能駕駛落地的三駕馬車，端到端等大模型應用有望加速高階智能駕駛功能落地。

駛向何方:模型驅動，2025年功能或大規(guī)模落地

端到端大模型是智能駕駛未來落地的主要路徑。

神經網絡充分簡化運算步驟，減少人工特征提取的需要，打通從感知到決策的全過程，訓練上將智能駕駛的核心生產力從研發(fā)人員轉向數據和算力，有望憑借算力積累實現功能選代。智能駕駛端到端大模型是重要的垂直類模型，2025年有望實現大規(guī)模落地。車端從模型和硬件兩個維度完成升級，模型上探索端到端模型上限，世界模型、VLM 等加速端到端能力提升。硬件上電子電氣架構升級，算力集中傳感器成本逐步下探。

商業(yè)模式:車企有望實現智能駕駛盈虧平衡

車企未來有望實現智能駕駛維度的盈虧平衡。

(1)Robotaxi 通過成本下探實現單車的盈虧平衡,而后通過泛化能力實現 Robotaxi 維度下商業(yè)模式的盈虧平衡。

(2)單車智能，通過功能優(yōu)化帶動銷量及智駕車型占比的雙重提升，最終實現營收和毛利率水平的提升，直觀反應在財務數據中。

(3)技術輸出，通過架構及算法等方式完成對其他車企智能化水平的提升，從而實現營業(yè)收入來源的增加和擴張。

附件：AI+汽車：智能駕駛將駛向何方？端到端大模型有望2025大規(guī)模落地