汽车行业研究及中期策略：把握出海和产业升级机遇国内汽车行业经历2001-2010年十年行业高增长黄金时代后，当前中国汽车行业逐步由成长期步入成熟期，此阶段行业面临三大特征，五大变化。

　　随着中国汽车工业从成长期迈向成熟期，我国汽车的销量年化增速也逐年放缓，个位增速将逐渐成为常态化，而在早期的汽车工业总量红利也将逐渐淡化。2000-2010年，中国汽车市场处于快速发展阶段，销量从209万辆提升至1806万辆，年均符合增速为24%；2010-2022年，中国汽车市场增速有所放缓，销量从1806万辆增长至2686万辆，年均复合增速为3%。

　　从行业容量看，各国汽车千人保有量与人均GDP强相关，与人均公路里程有较强相关性。扣除异常值，人均GDP越高的地区，汽车千人保有量越高，我国目前人均GDP约在全球平均水平，但汽车千人保有量（我国为224辆/千人）低于同等水平的国家（泰国为278辆/千人），且低于人均GDP低于我国的国家，包括巴西、墨西哥、马来西亚等；公路建设越完善的地区，汽车人均保有量越高，我国目前人均公路里程略低于全球平均水平，但汽车千人保有量远低于同水平/低水平的墨西哥、韩国、马来西亚、泰国、土耳其、韩国等。参考国信证券汽车团队于2019年7月23日发布的《存量与增量：汽车行业空间与机会》，给予成熟阶段国内汽车千人保有量400辆/千人假设。该报告对国内汽车千人保有量做了详尽的全球对比和国内对比，并辅以多因素分析（人均GDP、人均公路里程、人口密度、公路里程密度）。

　　根据千人保有量估算我国汽车行业的长期保有量，采取的主要方法是比较海内外各国汽车千人保有量水平（这里要考虑到各国差异性，经济发达程度、基建完善度、道路拥堵度等），得出我国汽车保有量增长空间，再根据欧洲、亚洲、北美各地区发达国家的“汽车保有量/销量”系数，给予国内长期系数预测，最后计算出国内长期汽车销量水平。测算后我国汽车销量有望增长至4000-4300万辆/年（在现有销量基础上增长42%-53%）。考虑发达国家汽车工业成长进入成熟期平均年限20年，销量年均复合增速2%，即国内汽车行业长期进入极低个位数的增长。

　　随着近年来我国新能源汽车产业的高速发展，新能源汽车渗透率不断增高。2019-2022年，新能源汽车销量由121万增长至687万，年均复合增速为78%；渗透率由4.7%增长至25.6%，并在2023年有进一步增长趋势。新能源汽车市占率的提高，使传统燃油车产能过剩、新能源产能快速扩张，行业面临新旧切换时点（此消彼长），结构性增长犹存。

　　随着汽车智能化软硬件的不断迭代，当前的汽车智能化围绕数据流进行演进，数据流从获取、储存、输送、计算再应用到车端实现智能驾驶、应用到人端通过视听触等五感进行交互。数据流方向主要包含传感器、域、线束、线控制动、空气悬架、车灯、玻璃、车机、HUD、车载音响等零部件，以实现更高级汽车智能驾驶、智能座舱、智能网联等功能为趋势进行快速迭代，使国产整车及相应零部件面临巨大投资机遇。

　　在传统燃油车时代，汽车仍未大范围普及消费者使用，由于大多数家庭只拥有一辆家庭用车，而用车的需求也多位仅仅满足家庭的出行需求，实现家庭的出行便利，汽车产品多被定义为“车和家”、“四个轮子，一个家”、“第三生活空间”等概念，如同早期人们使用的手机产品，只为满足远程通讯需求。而如今随着汽车使用的普及以及产品的多样性提高，新时代汽车不单单肩负满足消费者出行需求的使命，而是更多地被贴上了智能、能源、运动、交互等标签，更多地拥有了用户出行工具+生活场景应用的新属性。

　　汽车的传统生产工艺由“冲压-焊接-总装-涂装”组成，造成冲焊件的人力密集，工艺繁杂，工时较长，有大量的重复劳动。而如今的一体压铸将冲压和焊装合并，简化了白车身的制造过程。特斯拉在ModelY的制造中性地一体压铸了车身的整个后底板，大大减少了所需的焊接工序。此一体压铸零件包含了整车左右侧的后轮罩内板、后纵梁、底板连接板、梁内加强板等零件，型面、截面的变化以及料厚的变化都比较剧烈，相比传统车企量产的单体压铸结构零件难度增加很多。ModelY的白车身后部，几乎没有肉眼可见的焊接痕迹，大幅的提升了车身结构的稳定性。

　　无人驾驶进程中的车辆架构从分布向集中发展。全球零部件龙头企业博世曾经将汽车电子电气架构划分为三个大阶段：分布式电子电气架构-【跨】域集中电子电气架构-车辆集中电子电气架构，三个大阶段之中又分别包含两大发展节点，一共六个发展节点，细化了电子电气架构将从分布式向车辆集中式演变的过程。

　　伴随汽车自动化程度从L0-L5逐级提升，目前大部分的传统车企电子电气架构处在从分布式向【跨】域集中过渡的阶段。分布式的电子电气架构主要用在L0-L2级别车型，此时车辆主要由硬件定义，采用分布式的控制单元，专用传感器、专用ECU及算法，资源协同性不高，有一定程度的浪费；从L3级别开始，【跨】域集中电子电气架构走向舞台，域在这里发挥重要作用，通过域的整合，分散的车辆硬件之间可以实现信息互联互通和资源共享，软件可升级，硬件和传感器可以更换和进行功能扩展；再往后发展，以特斯拉Model3领衔开发的集中式电子电气架构基本达到了车辆终极理想——也就是车载电脑级别的中央控制架构。

　　汽车电子电气架构奠定车辆底层框架。汽车电子电气架构（ElectronicandElectricalArchitecture，文中简称EEA）是由车企所定义的一套整合方式，是一个偏宏观的概念，类似于结构和建筑工程图纸，也就是搭了一副骨架，需要各种“器官”、“血液”和“神经”来填充，使其具有生命力。具体到汽车上来说，EEA把汽车中的各类传感器、ECU（电子控制单元）、线束拓扑和电子电气分配系统完美地整合在一起，完成运算、动力和能量的分配，实现整车的各项智能化功能。

　　随着汽车智能化的推进，整车的成本结构也相应进行了变化。我们预测2019-2025年，汽车电子成本占整车成本比例将由26%上升至59%，超过非汽车电子部分成本。同时，汽车电子成本也将更细化地分为电气化成本、数字化成本、以及自动驾驶成本等。未来，整车成本将由传统驱动设备主导，逐渐转化为由智能化零部件主导。

　　传统汽车销售模式多为4S店集群模式，各大品牌汽车销售中心通常集中在远离市区的地点，购买便捷性较低，各经销商品控参差不齐，消费体验性较差，远离市区同时也造成产品宣传途径较为单一，多为传单式或电视电影广告，曝光率不足。而如今的新能源汽车销售模式多为市中心体验店模式，选址通常为大型商场，增加购买便捷度的同时通过统一管理直营店，提高服务水平。而新能源汽车在宣传方面也追求圈层文化，通过发布会等模式宣传公司文化、产品理念、创始人精神等，增加了产品的曝光度与用户的忠诚度。新能源汽车打破了传统汽车的固有商业模式，使产品的整个销售环节水平有了创新性提高。

　　虽然行业整体保持较低增速，但电动智能的结构性变化带来行业的二次成长。在此过程中，自主品牌展现出明显的竞争优势，市占率从2020年中触底后随着新能源周期开始向上，对应市占率从2020的36%提升至2023Q1的50%。且自主品牌的竞争优势加快了海外拓展，2021年中国汽车出口数量首次突破200万辆，同比增长103%，2022年汽车企业出口311万辆，同比增长54%，成为仅次于日本的第二大汽车出口国，出海成为新的增量。

　　2021年开始国内汽车展现出较强的出口势头，根据中汽协数据，2021年中国汽车出口数量首次突破200万辆，达到201.5万辆，同比增长103%，2022年汽车企业出口311.1万辆，同比增长54%，成为仅次于日本的第二大汽车出口国。其中乘用车出口252.9万辆，同比增长57%，占当年乘用车销量的9.4%，新能源汽车出口67.9万辆，同比增长1.2倍,占当年新能源汽车销量的9.9%。

　　根据Marklines的数据，主机厂出海战略中，上汽集团在海外市场的销量保持领先，以比亚迪和新势力为代表的企业加快出海进度。2022年整车海外市场销量前十的企业中，上汽集团海外销售90.6万辆，保持第一，增速较快的为吉利，2022年的海外销量为19.8万辆，同比增长72%，奇瑞的海外市场销量为45.2万辆，同比增长68%。在海外市场中，阿联酋、墨西哥市场表现较强，新能源汽车海外销售前三大市场为比利时、英国、菲律宾。

　　其中，海外市场销量第一的上汽集团主要以英国、澳大利亚、墨西哥、印度、沙特阿拉伯为主，2022年海外市场销量分别为5.5/4.9/4.8/4.8/3.0万辆。海外市场销量排名第二的奇瑞集团主要以俄罗斯、巴西、智利、埃及、墨西哥为主，2022年海外市场销量分别为5.3/3.4/2.8/1.8/0.8万辆。海外市场销量增速较快的吉利集团主要以美国、瑞典、德国、英国、俄罗斯为主，2022年海外市场销量分别为11.1/5.2/5.0/4.3/2.6万辆。自主新能源品牌的代表比亚迪主要以埃及、以色列、挪威、澳大利亚、哥伦比亚等为主，2022年海外市场销量分别为0.5/0.3/0.3/0.2/0.2万辆。

　　根据Marklines的数据，新能源汽车海外销售方面，在国内五个代表型新能源出口车企吉利集团、上汽集团、比亚迪汽车、蔚来汽车、小鹏汽车当中，新能源汽车海外销售市场主要以欧美国家为主，前五大海外市场国家分别为瑞典、英国、德国、美国、挪威。其中吉利/上汽/比亚迪/蔚来/小鹏的新能源汽车主要海外销售国家分别为美国/英国/以色列/挪威/挪威。2022年全年，吉利/上汽/比亚迪/蔚来/小鹏的新能源汽车海外销量分别为23.8/8.5/1.1/0.1/0.07万辆。

　　以比亚迪、蔚来、小鹏为代表的出海新势力结合当地用车情况方式包括直营、授权、租赁、订阅等制度，以快速打开海外市场。

　　比亚迪出口销量2022年绝对值仍较小，2022年全年海外市场销量5.6万辆，同比增长307.2%，其中比亚迪ATT03（国内的元PLUS参数图片））在澳大利亚和泰国分别获得两项汽车奖项，ATTO3在2022年全年累计出口超4万辆，2023年前两个月出口总计超2.2万辆。2022年开始比亚迪加快对海外市场的拓展，一方面扩大在亚洲、欧洲、美洲等地区的合作，同时开始建设海外乘用车工厂，全资建设的第一家海外乘用车工厂落地泰国，海外市场预计将成为公司重要增量。

　　比亚迪在强化海外用户对其品牌认知的同时，也采取了合作经销商、租赁等形式。2022年10月比亚迪于汽车租赁公司SIXT签署合作协议，后者将在未来6年内向比亚迪采购至少10万辆新能源车，第一阶段已于22年Q4开始交付，服务市场包括德国、英国、法国、荷兰。

　　蔚来于2021年5月发布挪威战略，进入挪威市场，采用的是同国内一致的销售模式，为出海首站，且在挪威建立直营的销售与服务网络、海外蔚来中心、服务与交付中心等基础设施，2022年蔚来ES8在挪威累计交付超1000台。2022年10月在柏林举办“NIOBerlin2022”并正式进入欧洲市场，不同于挪威直营模式，其ET7、EL7（国内市场的ES7）、ET5通过订阅模式在德国、荷兰、丹麦、瑞典四国开放预定。蔚来同步布局海外配套设施，截至3月31日，蔚来已经在海外布局4家蔚来中心、5家蔚来空间、37家服务中心、13座换电站、7座超充站，2023年4月蔚来ET5在欧洲德国、挪威、荷兰、瑞典四国开始交付。

　　小鹏于2020年9月小鹏启动出海战略，2021年2月初在荷兰设立了欧洲总部，在丹麦、德国、挪威和瑞典设立了办事处，2022年2月与欧洲头部经销商荷兰EmilFreyNV集团和瑞典Bilia集团达产战略合作协议，落地“直营+授权”的零售模式，2022年3月小鹏P5正式在丹麦、荷兰、挪威、瑞典欧洲四国开启预定。

　　伴随着主机厂出海，以及国内零部件厂商竞争力的提升，零部件企业同样加大了对海外市场的布局，零部件出海主要包括：

　　1）国内已达到较高市占率，开拓其他市场。典型为福耀玻璃，公司在2016年占据国内汽车玻璃OEM市场60%份额，在全球23%份额（其中美国市占率16%、欧洲9%），海外市场还有较大增长空间，公司积极进行海外工厂建设。美国方面，16年下半年公司1）550万套汽车玻璃产能竣工；2）26万吨浮法玻璃产能投产，可完全满足550万套汽车玻璃自配。17年新增德国海德堡汽车玻璃和俄罗斯浮法玻璃（45万吨）两大工厂规划。福耀携覆盖当时美国25%汽车玻璃市场的产能布局，通过代顿工厂迈入新一轮扩张周期。

　　2）国内企业竞争优势强，但市场竞争度饱和（龙头市占率不一定高），需要开拓新的增量市场以打开天花板。典型为轻量化行业，国内企业竞争力强，但行业参与者众多，市场格局分散，国内龙头市占率5%左右，同样需要开拓海外市场以打开收入天花板。

　　3）汽车零部件属地化布局需求，跟随客户布设工厂。典型为特斯拉产业链标的，在上海工厂完成国产化配套后，多数在近几年开始于北美、墨西哥、欧洲等地建厂，以配合整车厂做属地化布局。墨西哥是当前多数零部件出海的首站。墨西哥是汽车出口大国，根据墨西哥汽车工业协会的统计数据，2022年墨西哥共生产331万辆汽车，其中87%用于出口，年出口量为222万辆，为全球主要的汽车出口国，且主要出口至美国。墨西哥具有良好的出口美国优势，主要得益于1994年生效的《北美自由贸易协定》（NAFTA），其中对于原产地的要求较为关键，要求汽车部件在美墨加三国生产比例达到62.5%才可以享受关税减免。根据2020年7月生效的《美墨加协定》（USMCA），该项条款对汽车原产地规则要求提高，汽车部件在美墨加三国生产比例从62.5%提升至75%，才能享受关税减免待遇。因此，本土企业于墨西哥建厂是扩张北美业务的重要途径。

　　墨西哥汽车产业集群集中于北部地区、北部美墨边境地区、墨西哥中部的Bajío地区，包括科阿韦拉州（Coahuila）、新莱昂州(NuevoLeon)的蒙特雷(Monterrey)、墨西哥城(MexicoCity)、瓜纳华托(Guanajuato)、阿瓜斯卡连特斯(Aguascalientes)等。主要涵盖汽车包括特斯拉、通用、宝马、奥迪、大众、日产升博体育、Stellantis等。

　　全球汽车销量约8163万辆（2022年），保有量约14.46亿辆，当前特斯拉北美FSD售价在1.5万美元（买断式）；智能驾驶作为人工智能的应用场景之一，高保有量和高单价保障了较大的市场空间。高阶智能驾驶将人从操作车辆中解放出来，显著提升驾乘体验，预期拥有极高用户粘性；同时将车企定位从传统制造业转向科技行业，收费模式从整车交易一锤子模式转向持续付费，公司投资意愿较强。特斯拉、华为、小鹏等公司积极布局，Chatgpt式端到端大模型或将提升技术突破速度，刺激用户订购率上行，国内外法规落地完善自动驾驶上车，智能驾驶奇点将至。

　　1956年通用就在Motorama展览会上推出了第一款具备自动驾驶功能的概念车FuturamaII，而后人们持续探索自动驾驶，到今天主流的自动驾驶方案为分解式方案，即以环境感知、决策规划、执行控制3个主要模块互联协作实现自动驾驶。环境感知通过传感器接收环境信息并对数据进行处理，传向决策规划模块，而决策规划模块接收数据结合用户需求规划路线，并向执行控制模块下达指令；执行控制模块接收指令实现车辆操控。分解式自动驾驶模型的技术突破也正是来自感知、规划、控制三个模块，多次迭代实现驾乘体验跃升。

　　感知层面BEV+Transformer+OccupancyNetworks脱离高精地图限制。传统观点认为高精地图是自动驾驶必不可少的重要条件，然而实际生活中高精地图测量难度大、成本高，再考虑中国道路变动速度较快，高精地图并不是最佳方案。特斯拉创新性引入BEV+Transformer+OccupancyNetworks算法，实现感知+三维图像建设+解决遮挡+道路规划，输入二维图像生成三维效果，有效提升无高精地图的视觉方案自动驾驶体验。

　　BEV（Birds-eye-view，鸟瞰图视角），即将多个传感器的2D数据升至3D视角下的俯视图，其实现路径分为两种，一种是先将2D图像投射到三维空间上，此时缺少深度信息，每个像素点的投影为一条射线；随后利用LSS(Lift,Splat,Shoot)的一个深度估计网络提取图像深度的特征，并估计深度分布函数，预估出可能的3D空间中的点，再通过投影获得BEV效果；第二种是直接将2D图像特征投影到预设好的BEV空间中，通过Transformer模型（模型细节在后文）将时间和空间维度上的特征融合，最后输出经过处理的BEV效果，避免可能存在的遮挡问题。后者避免了2D（摄像头感知）和3D（雷达感知）几何关系融合产生的数据丢失，同时引入时序融合，结果更为稳定，感知和预测都在同一个BEV网络内进行，迭代更为迅速。

　　为构建三维向量空间，大部分车企使用激光雷达方案来获取深度信息，并与视觉感知进行融合，特斯拉使用纯视觉方案获取的视频数据来计算深度信息，其思路是在网络结构中引入BEV空间转换层，构建网络的空间理解能力，BEV坐标系即鸟瞰俯视图坐标系，另外特斯拉实现三维变换的核心是Transformer神经网络，在面对外界大量信息时，人脑会过滤掉不重要的信息，仅将注意力集中在关键信息，提升信息处理效率，Transformer在应对大规模数据量级的学习任务时同样也具有出色表现。特斯拉通过BEV+transformer模型，可以将地面坡度、曲率等几何形状的变化情况内化进神经网络的训练参数中，实现对物体深度信息准确感知和预测。

　　特斯拉引领，国内新势力积极跟进大模型的布局。根据九章智驾信息，小鹏汽车XNet采用多相机多帧的方式，把来自每一个相机的视频流，直接注入到一个大模型的深度学习网络里，进行多帧时序前融合，输出BEV视角下的动态目标物的4D信息（如车辆，二轮车等的大小、距离、位置及速度、行为预测等），以及静态目标物的3D信息（如车道线日，理想召开家庭科技日发布会，智能驾驶方面，城市NOA不依赖高精地图，增强BEV大模型，自动驾驶训练算力1200PFLOPS，6亿公里训练里程。通勤NOA，用户自主设定通勤路线周内训练完成。自研MINDGPT认知大模型，1.3万亿个token进行基座模型训练，城市NOA本月开启北京和上海内测，通勤NOA下半年开放。

　　端到端的自动驾驶方案将传统方案中感知、规划、执行等多个模型变成融合大模型，实现直接输入传感器数据到输出转向、刹车等驾驶指令的突破。一方面减少感知、决策等中间模块的训练过程，有效集中模型训练资源；避免产生数据多级传输导致的误差；同时也不存在各子模块目标与总系统目标存在偏差的情况，保证效益最大化。

　　端到端的自动驾驶最早出现在1988年的ALVINN实验中，实验者将一个摄像头装在真实车辆上，通过浅层神经网络实现图像特征提取，同时采集人类驾驶员动作，实现速度0.5m/s下400米的端到端驾驶。随后2016年，英伟达公布无人驾驶系统DAVE-2，其在Alvinn基础上增加摄像头和数据量，将浅层神经网络替换为深度卷积神经网络以获得更好的特征提取效果，实现采集不到一百小时的训练数据足以训练汽车在高速公路、普通公路以及晴天、多云和雨天等多种情况下运行，路测数据显示98%时间为自动驾驶。2023年，马斯克提出FSDV12版本将实现端到端的AI驾驶方案，自动驾驶模型迭代速度有望进一步提升。

　　4月17日，在华为全场景新品发布会上，AITO问界M5高阶智能驾驶版正式发布，AITO问界M5智驾版是首个搭载HUAWEIADS2.0高阶智能驾驶系统的车型，配备1个顶置激光雷达、3个毫米波雷达、11颗高清摄像头以及12个雷达，叠加全新天线技术带来信号翻倍，率先实现不依赖于高精地图的高速、城区高阶智能驾驶功能，带来无限接近于L3的高阶智能驾驶体验。7月OTA升级后，城区NCA智驾功能将在上海、广州、深圳、重庆、杭州5城开放，今年3季度不依赖于高精地图的城区NCA将在15城落地，到4季度将增加到45城。

　　2023年6月17日，理想召开家庭科技日发布会，智能驾驶方面，城市NOA不依赖高精地图，增强BEV大模型，自动驾驶训练算力1200PFLOPS，6亿公里训练里程。通勤NOA，用户自主设定通勤路线周内训练完成。自研MINDGPT认知大模型，1.3万亿个token进行基座模型训练，城市NOA6月开启北京和上海内测，通勤NOA下半年开放；智能座舱方面，座舱交互系统理想同学，多模态感知，包含视觉感知技术、人声分离算法、语音感知算法。多模态交互，视听融合，智能空间OTA计划全面落地。2023年6月29日，小鹏G6正式上市，售价区间为20.99万-27.69万元。小鹏G6推出的Pro版和MAX版均有12个小鹏G6推出的Pro版和MAX版均有12个雷达、5个毫米波雷达、一个前视双目摄像头、4个侧视摄像头、1个后视摄像头、4个泊车摄像头、1个车内DMS摄像头，而MAX版车型还拥有两颗激光雷达，以及双Orin-X芯片带来508Tops的算力，MAX版本搭载城市XNGP，新系统可以摆脱对高精地图的过度依赖，真正实现了全场景辅助驾驶功能，小鹏汽车目前已经在上海、广州和深圳等地开放城市NGP功能，下半年推广至其他城市，此外，AI代驾模式也将在下半年正式上市。小鹏G6是SEPA2.0扶摇架构下第一款车型，用Xnet深度视觉升级，通过BEV视角多摄像头的探测周边静态动态信息，实现视觉判断和预测，实现更准确的自动驾驶。

　　各国政策也在不断放开对自动驾驶的限制。自动驾驶技术发展走在政策法规限制之前，高阶智能驾驶技术持续进度，然而事故权责认定、准入条件等领域立法仍是空白。2022年7月，深圳市发布的《深圳经济特区智能网联汽车管理条例》，首次规范智能网联汽车自动驾驶的定义、市场准入条件及责任认定等内容，有望为其他地区提供示范效应，加速L3智能驾驶的落地。而在此之前，美国国家航空运输安全管理局在2022年3月提出全自动驾驶汽车不需要再配备传统的方向盘、制动或油门踏板等装置，各国法规落地有望加速实现L3级以上自动驾驶。

　　受限于技术和法规等因素，目前各家智能驾驶渗透率偏低。以特斯拉的FSD为例，特斯拉在2016年推出FSD预定包，2019年正式发布FSD应用版本，根据TroyTeslike数据，截至2022年Q3，特斯拉FSD全球订购率在7.4%，北美和欧洲地区略高，在14.30%和8.80%，亚太地区仅为0.4%。

　　一方面，价格较低且FSD订购率较低的Model3&ModelY车型销量规模迅速增长。由于不同的产品定位和客户群体，特斯拉车型内的FSD订购率存在较大差异。根据TroyTeslike数据，同在北美，model3和modely的订购率分别为5.20%和13.30%，而models/modelx处于44.80%的高位。特斯拉2016年推出model3，2017年产品开始交付，产品定价相对较低，销量增长迅速，至2023年第一季度，model3及modely销量已经占据整体销量的96%，公司整体产品销售结构变化带来FSD订购率变化。

　　同时，尚未完全开放FSD功能的中国为代表的亚太地区销量规模迅速增长。截至2023年第一季度，中国地区特斯拉销售车型累计超过153万台，但是由于数据安全问题，特斯拉尚未能向中国地区用户完全开放FSD功能，目前中国区用户手册上并没有完全自动驾驶能力（Beta）功能，中国区FSD订购率极低。而FSD完全进入中国核心在于1）数据获取：特斯拉最新的BEV+Transformer+Occupancynetworks大模型摆脱高精地图限制，但根据自然资源部规定，特斯拉自动驾驶辅助系统运行、服务和道路测试过程中对车辆及周边道路设施空间坐标、影像、点云及其属性信息等进行采集、存储、传输和处理的行为属于测绘，外商投资企业应委托具有相应测绘资质的单位开展相应测绘活动，由被委托的测绘资质单位承担收集、存储、传输和处理相关空间坐标、影像、点云及其属性信息等业务及提供地理信息服务与支持。2）数据中心的存储及训练：2021年5月12日，国家互联网信息办公室发布《汽车数据安全管理若干规定（征求意见稿）》提出，个人信息或者重要数据应当依法在境内存储，确需向境外提供的，应当通过国家网信部门组织的数据出境安全评估。5月25日，特斯拉宣布已在中国建立数据中心以实现数据存储本地化，强调所有在中国市场销售车辆所产生的数据都将存储在境内。同时中国道路特征较为复杂，与海外存在较大差异；特斯拉所依赖的视觉路线及研发中的端到端AI大模型都极需要大量数据训练实现模型迭代。特斯拉部署了dojo超算集群，采用对称架构实现更好的横向拓展能力，即算力不足可以增加设备而不影响效率，适用于大算力需求场景。

　　另一方面，FSD价格一路上涨，但受限于法规，功能没有出现跨越性革新。2016年FSD售价为购车时在EAP基础上增加3000美元预定或后续通过OTA增加4000美元预定；随后在2019年4月，特斯拉正式发布FSD应用版本，价格上涨至5000美元，经过三轮涨价，至次年10月FSD价格已攀升至10000美元。最新到2023年的FSDV11版本，整体售价跃升到15000美元。从3000美元提升至5倍的15000美元，特斯拉陆续增加城区NOA等功能，提升探头探测等体验，但受法规限制，FSD整体仍是在L2+的辅助驾驶。2023年各国政策陆续落地，特斯拉有望推出新一代AI大模型，自动驾驶系统渗透率有望进一步提升。

　　当前的汽车智能驾驶围绕数据流进行演进，算法在于整车，零部件涉及感知层（数据获取）——决策层（数据处理）——执行层（数据应用）。

　　整车厂及自动驾驶技术开发商——加码布局智算中心。智算中心是指基于GPU、FPGA等芯片构建智能计算服务器集群，提供智能算力的基础设施。其特点是建设周期长，初始投资大，所以目前仅有部分有实力的主机厂及企业在布局建设。参考佐思汽车信息，2023年1月，吉利汽车的星睿智算中心正式上线架。该中心目前的云端总算力达81亿亿次每秒，预计到2025年，算力规模将扩充到120亿亿次每秒；覆盖包括智能网联、智能驾驶、新能源安全、试制实验等业务领域，能提升吉利整体20%研发效率。

　　1）摄像头：摄像头工作原理是目标物体通过是镜头把光线聚拢，然后通过IR滤光片把不需要的红外光滤掉，此时模拟信号进入到传感器COMS芯片，通过AD数字输出，有的摄像头会放置ISP图像处理芯片，把处理后的信号传输给到主机。按照安装部位的不同，摄像头主要分为前视、后视、侧视以及内置摄像头，以此来实现LDW、FCW、LKA、PA、AVM等功能。实现自动驾驶时全套ADAS功能将安装6个以上摄像头，前视摄像头因需要复杂的算法和芯片，单价在1500元左右，后视、侧视以及内置摄像头单价在200元左右，ADAS的普及应用为车载摄像头传感器带来巨大的发展空间。优缺点来看，摄像头分辨率高、可以探测到物体的质地与颜色，采集信息丰富，包含最接近人类视觉的语义信息。其缺点主要是摄像头受光照、环境影响十分大，在黑夜、雨雪、大雾等能见度较低的情况下，识别率大幅降低，且由于缺乏深度信息、因而三维立体空间感不强，因此摄像头获取的图像信息将主要负责交通标志识别等领域，作为激光雷达和毫米波雷达的补充。

　　摄像头产业链：摄像头上游原材料包括流光片、光学镜片、保护膜和晶圆，中游元件主要由三部分构成：镜头组、CMOS（ComplementaryMetal-OxideSemiconductor，互补金属氧化物半导体）和DSP（DigitalSignalProcess，数字信号处理器），三部分元件经过系统封装后形成摄像头，投入市场。从硬件成本来看，芯片、镜头和其他物料各占1/3。从产业链企业布局看，国内目前主要布局在镜头组，CMOS与DSP相对较弱；另外摄像头总成产品Tier1，国内布局公司包含德赛西威、华阳集团等。竞争格局：摄像头供应商部分，2021年中国市场乘用车前装标配摄像头（行/泊ADAS）搭载量排名前十中，作为本土供应商代表，德赛西威、智华科技、比亚迪进入前十，市场份额分别8.3%、4.4%、4.1%。其中，德赛西威作为国内最早布局车载摄像头的企业之一，已经实现了高清车载摄像头和环视系统的大规模量产，累计出货已经超过1000万颗。

　　2）激光雷达：激光雷达对于实现高级别智能驾驶的必要性：目前应用于环境感知的主流传感器产品主要包括摄像头、毫米波雷达、雷达和激光雷达四类。总体来看，摄像头在逆光或光影复杂的情况下视觉效果较差，毫米波雷达对静态物体识别效果差，雷达测量距离有限且易受恶劣天气的影响，因此单独依靠摄像头或毫米波雷达的方案去实现智能驾驶是存在缺陷的，而激光雷达可探测多数物体（含静态物体）、探测距离相对更长（0-300米）、精度高（5cm），且可构建环境3D模型、实时性好，因而成为推进智能驾驶到L3级及以上的核心传感器。从组成上看，激光雷达主要由激光发射、激光接收、信息处理、扫描系统组成。

　　技术路径：按照扫描方式，为机械式→半固态→纯固态；按照激光发射方式，为EEL→VCSEL；按照激光接收方式，为PD/APD→SPAD/SiPM；按照信息处理方式，为FPGA→SoC。目前主要的技术路线围绕扫描方式进行讨论。中短期半固态、长期纯固态为激光雷达的落地技术路线到N的发展阶段中，半固态扮演着重要角色。

　　3）域：域的由来：成本端，1）算力冗余浪费。ECU的算力不能协同，并相互冗余，产生极大浪费；2）线束成本提升。分布式架构需要大量的内部通信，客观上导致线束成本大幅增加，同时装配难度也加大。技术端，1）多传感器融合算法需要域的统一处理。ADAS系统里有各种传感器如摄像头、毫米波雷达和激光雷达，产生的数据量很大，各种不同的功能都需要这些数据，每个传感器模块可以对数据进行预处理，通过车载以太网传输数据，为保证数据处理的结果最优化，最好功能控制都集中在一个核心处理器里处理，这就产生了对域的需求；2）分布式ECU无法统一维护升级。大量分离的嵌入式OS和应用程序Firmware，由不同Tier1提供，语言和编程风格迥异，导致没法统一维护和OTA升级；3）分布式ECU制约软件生态应用。第三方应用开发者无法与这些硬件进行便捷编程，成为制约软件定义的瓶颈；4）保障汽车安全的需求；5）平台化、标准化的需求。随着车载传感器数量越来越多，传感器与ECU一一对应使得车辆整体性能下降，线路复杂性也急剧增加，同时分布式ECU架构在自动驾驶功能实现上面临诸多技术瓶颈，此时DCU（域）和MDC（多域）应运而生，以更强大的中心化架构逐步替代了分布式架构。

　　目前阶段，车企、Tier1零部件企业以功能域为主，也就是按照动力域、底盘域、车身域、座舱域、自动驾驶域来进行域的开发和应用。从域的产业链发展情况来看，目前国内外大多数企业多布局在具有更高附加值的座舱域和驾驶域，而动力域、底盘域、车身域并非现阶段多数厂商的竞争焦点，原因或在于动力域、底盘域因涉及出行安全，对设计的功能安全等级要求相对较高。

　　从市场空间来看：自动驾驶域：L2+及以上的市场增量主要系行泊一体下域等高附加值单品的渗透，配套域单车价值量提升至万元级别。伴随着自动驾驶持续渗透，我们预计驾驶域全球的市场规模将从2022年的320亿元增至2025年的1630亿元，国内的市场规模将从2022年的93亿元增至2025年的479亿元。座舱域：单车价值量在2000-3000元之间，渗透率目前约8%、2025年有望达到20%，对应的全球市场规模将从2022年的162亿元增至2025年的421亿元，CAGR为38%。

　　4）线控制动：汽车制动分为行车、驻车、应急、辅助制动四大类，行车和驻车制动是汽车标配。制动技术发展分为三个阶段：第一阶段是机械制动，制动能量完全由来提供。第二个阶段是压力制动，借助真空助力器等装置通过制动液或者气体传递制动压力。第三个阶段是线控制动，线控制动原有的制动踏板用一个模拟发生器替代，踏板与制动系统之间没有任何刚性连接或液压连接的，用以接受驾驶员的制动意图，产生、传递制动信号给控制和执行机构，并根据一定的算法模拟反馈给驾驶员。

　　线控制动系统是ADAS执行层的核心产品，2025年线控制动市场规模有望达到180亿元。线控制动系统可以解决新能源车真空助力器真空度不足问题，并且能量回收效率高，有利于提高电动车续航里程。线控制动系统还具有响应时间短、体积小、重量轻、可扩展性强、可以快速定制化刹车系统等优点。当前驻车制动已基本实现从机械制动向线控制动（EPB渗透率超60%），行车制动中线控制动渗透率渗透率较低（传统车1%、新能源17%左右）。目前随着电动智能化提速，自动驾驶级别提升，主机厂线控制动应用意愿增强。假设2025年我国汽车产量为3000万辆，线%，则线）空气悬架：

　　1）智能化：一方面，空气悬架属于主动悬架，是智能化底盘控制的核心部件；另一部分，空气悬架系统可以通过ECU、更多的传感器等与自动驾驶、智能座舱高度融合，提前感知路况信息，自动调整车身状态，实现最佳驾乘体验。

　　2）电动化：出于平衡汽车前后配重、下降重心，提高操控性等因素考量，新能源车一般将电池组安装在底盘中间，对底盘稳定性有更高需求。空气悬架可根据路面情况智能调节，避免出现电池泡水或损坏等情况；同时，现有新能源汽车比同级别燃油车重300~500斤，传统被动悬架难以兼顾软刚度和支撑力两个属性，空气悬架是完美替代。

　　国产替代降本，空气悬架渗透率有望上行。渗透率空气悬架系统总成成本保守约6000-7000元。海外制造商提供空悬方案，价格在12000元以上，还要额外附加高额开发费用。我们预计随着保隆科技、中鼎股份推动国产化，预计2025年空悬系统价格下降至6000元，应用车型下沉到25万元，行业渗透率达到15%，假设2025年我国乘用车销量2500万辆，空气悬架系统渗透率为15%，价格为6000元，则整体市场规模约为225亿元。

　　传统智能汽车与机器人可分为感知、决策、执行三大层面。智能汽车可大致分为底盘之上+之下，底盘之上是智能座舱下人机交互实现场景，细分产业链为“芯片-系统-应用-显示”；底盘之下主要为智能电动和智能驾驶，智能电动集成三电系统，为整车运动核心能源支撑；智能驾驶主要基于“传感器-计算平台-自动驾驶算法”作用到执行层面，实现横向和纵向运动控制，整体可分为“感知-决策-执行”三大层面；人形机器人指能够模仿人类运动、表情、互动及动作的机器人，本质上同样可划分为感知、决策、执行三大层面。

　　车端和人形机器人的部分零部件具一定共性，二者供应链重合度较高。总体来看，我们认为包括电机、传感器、减速机构、电池、冷却系统、轴承、芯片等部件在车端与机器人端具有一定技术相通性，同时，机器人零部件与汽车零部件在原材料、设计、工艺、设备、装配，以及成本管控能力、产品质量管控能力体系具有一定相通性，这就意味着在汽车领域具有相关产品、技术储备的公司，有望实现产品从车端向人形机器人端的延申。

　　特斯拉于2021年提出人形机器人相关设计概念，于2022年9月在AIDay上首次展示Optimus人形机器人产品，2023年5月特斯拉展示Optimus的最新进展，彼时人形机器人已能够执行如捡起物品等任务，并在特斯拉工厂中执行简单任务，整体来看进展较为迅速。马斯克预计，该款机器人价格可能最终会低于2万美元，量产预计可达数百万台；我们认为特斯拉人形机器人有望给全球机器人市场带来类似于其在新能源汽车领域的“鲶鱼效应”，激发人形机器人玩家的活力。

　　国内方面，多家互联网科技具体入局人形机器人赛道。小米于2022年发布全栈自研人形仿生机器人CyberOne，可实现双足运动姿态平衡，全身拥有21个自由度，可实现各自由度0.5ms级别的实时响应，充分模拟人各项动作；华为23年6月成立全资子公司极目机器；另外据报道字节跳动也在进行机器人相关的布局，目前其机器人团队约有50人，计划年底扩充到上百人。大厂入局，凭借完善的技术和人才储备有望持续拉动机器人行业的发展。

　　在设计、训练与制造人形机器人过程中，特斯拉大量应用人工智能技术，AI技术的加持有望持续催化人形机器人落地。据优必选，人形机器人核心技术包括（1）伺服控制（高性能伺服驱动器控制）：手脚驱动机制，提供精确+重复+灵活运动，及（2）人工智能技术：①计算机视觉：识别类似人类视觉的人脸、物体及环境，助其选择下一次动作或人机互动决策的物体细节的技术；②语音交互：以语音为基础信息载体，使其可与人互动，集成如自动语音识别(ASR)、自然语言处理(NLP)及文字转语音(TTS)等技术。AI大模型的引进及多模态技术的迭代，机器人有望结合大语言模型，提升智能化水平，逐步具备自然语言交互与自动化决策能力，未来人形机器人+大模型有望于商业化场景中逐步应用，加速机器人产业化。

　　2023年1月，工信部等十七部门发布《“机器人+”应用行动实施方案》，提出到2025年“密度翻番+100种方案+200个场景+一批标杆企业”的目标引领，在此指引下，近期北京、上海、深圳及山东机器人产业政策陆续颁布：北京市提出聚焦发展机器人“1+4”产品体系，加紧布局人形机器人，到2025年，完成百台（套）级人形机器人原型机的小批量制造并在3-4个典型场景开展示范应用的目标。我们认为政策出台护航人形机器人的持续发展，下游应用场景的有望不断拓宽，技术方案有望持续升级。

　　人形机器人发展有望带来相关零部件投资新机会如我们前文所言，在车端与机器人端零部件共通性较高的前提下，人形机器人在大厂入局+技术迭代+政策催化的加持下，人形机器人发展有望持续提速，带来相关零部件企业的投资机会，基于此，结合AIDAY信息我们大概拆解其内部构造：总览：全身共有40个驱动器（躯干28+手部12个），身高约173cm，体重73kg，设计行走速度8km/h，可搬运约20磅的货物，搭载2.3Kwh的电池组。感知层：主要包括摄像头、毫米波雷达等传感器；决策层：为机器脑，预计主要为AI芯片、FSD系统等；执行层：线性执行器、旋转执行器以及手部关节；其他：主要包括电池及管理系统，机体结构（仿生结构、其他特殊材料等）。