在云端，要对海量的真实与合成数据进行预训练和完成世界模型的构建，可能需要数十万张AI加速卡 和数十个EFLOPS（百亿亿次浮点运算）级别的算力支撑，这构成了极高的资金与技术壁垒。在车端， 为了实现低成本、低延迟与高效能的实时响应，车载智能芯片的算力需求正从目前的最高500-600 TOPS，朝着2500 TOPS以上迈进。这场竞赛不仅考验着企业的资源投入，更考验着其在芯片设计、架 构创新与系统整合上的综合实力。 面对业界最关心的数据挑战，尤其是类似FSD入华可能面临的"水土不服"问题，邓志东表示，一个出租 车司机比新手安全，主要源于他积累了更长的驾驶里程，而非智商更高或书本知识更丰富。要让自动驾 驶的安全性超越人类，若采用世界模型智能体方法，AI所需要的学习里程必须是人类司机的上千倍。 依靠实车路测采集真实数据成本极高、周期漫长，因此利用"数字孪生"技术生成海量的"合成数据"成为 了破局点。这意味着，能提供高质量仿真平台与数据服务的公司，将在未来产业链中更有价值。 邓志东介绍，目前一场激烈的"算力军备竞赛"已经拉开帷幕。这是一场在云端与车端同时进行的双线战 争。 新京报贝壳财经讯（记者林子）"智能驾驶正迎来它 ...

特斯拉Dojo项目终止 - 特斯拉于2025年8月解散Dojo团队并终止超级计算机项目 项目负责人Peter Bannon离职 [1][6] - Dojo项目于2019年4月首次披露 2023年7月开始生产 原计划2024年前投入超10亿美元 [2][4] - 马斯克称终止Dojo 2因其成为"进化死胡同" 未来Dojo 3将是"大量AI6芯片集成于一块板卡" [6] 特斯拉技术路线转型 - 特斯拉采用纯视觉技术路线 仅依赖摄像头实现自动驾驶 需处理海量视频数据 [5] - 公司转向依赖合作伙伴战略 2025年部署由5万块H100 GPU组成的Cortex训练集群 [8][9] - 2025年第二季度增加1.6万块H200 GPU 使Cortex总算力达6.7万块H100等效 并与三星签署165亿美元AI6芯片订单 [11] Waymo业务扩张 - Waymo于2025年9月在丹佛和西雅图启动人工监督测试 为推出自动驾驶出租车服务做准备 [1][12] - 每个城市投放最多12辆测试车 包括捷豹I-Pace和极氪车型 [14] - 服务已覆盖凤凰城/旧金山/洛杉矶/奥斯汀/亚特兰大 计划进军10个新城市 并与Uber合作 [14] 全球自动驾驶竞争格局 - 百度Apollo Go于2021年在广州和北京推出无人驾驶服务 包括收费完全无人驾驶出租车 [15] - 文远知行2025年9月将Robotaxi GXR引入新加坡测试 系东南亚首次落地 [15] - 蘑菇车联MogoMind大模型参数达70亿 感知精度超90% 已在8个城市落地 [15] - 华为ADS 4.0将于2025年具备高速L3试点商用能力 2026年可能实现高速路解放双手 [15] 特斯拉Robotaxi进展 - 2025年6月22日在奥斯汀启动试点服务 收费4.20美元 投入10-20辆Model Y改装车 [16] - 服务区域快速扩张 8月27日覆盖达171平方英里 远超Waymo的90平方英里 [16] - 9月3日调整安全监控策略 将监控人员座位从副驾驶移至驾驶座以应对高速公路区域 [16] 行业技术路线分化 - 行业呈现三条技术路径：特斯拉垂直整合转型 Waymo/百度渐进式扩张 蘑菇车联AI网络路线 [20] - 纯视觉路线面临数据训练经济约束 可能存在有意义的训练数据耗尽风险 [17][18] - 更多数据不一定产生更多信息 关键在于数据信息含量及训练过程提炼能力 [19]

行业与公司概述 - 辅助驾驶行业正经历从L2到L3商业化落地的关键拐点，全栈自研主机厂与第三方供应商形成领先优势[1] - 特斯拉、小鹏、鸿蒙智行合作车企、理想、蔚来、小米等车企在辅助驾驶领域领先[1][5] - 第三方供应商如Momenta、云融启行占据重要地位，国内供应商如速腾聚创、禾赛科技向软硬件一体化解决方案发展[1][5] 技术研发与产品进展 - **特斯拉**：HW5.0搭载4颗4D毫米波雷达，Robotaxi试点服务在Austin启动，数据反补FSD能力提升[6][9] - **小鹏汽车**：转向纯视觉方案，通过云端大模型训练实现硬件降本，Mona M03P7+成为高性价比爆款[3][11] - **华为**：ADS 4.0支持高速L3商用，通过零部件/HI/鸿蒙智行模式划分合作紧密程度[12] - **理想汽车**：L系列全系标配激光雷达，推出端到端加VLA架构，实现从跟随到引领的变化[6][13] - **蔚来**：三年研发投入超100亿元，自研芯片上车，但商业化节奏不及预期[14][15] - **小米**：Su7预期销量超市场预期，全系标配激光雷达，本地端VLA模型预计9月OTA搭载[16][25] 传感器与算力发展 - **传感器**：激光雷达（速腾聚创、禾赛科技）、4D毫米波雷达（特斯拉、华为）、纯视觉方案（小鹏）成为主流[6][23][26] - **算力芯片**：2024年辅助驾驶域控芯片装机量达528万颗（同比+61.7%），英伟达、特斯拉、华为为前三大玩家[28] - **云端智算中心**：特斯拉达100亿Flops，国内车企约10亿Flops，通过弹性算力池支持模型迭代[27] 技术路径与模型优化 - 技术路径向数据驱动发展，VLA模型融合视觉、语言与行为模块，优化车辆决策[3][29] - 世界模型通过视频预测学习时空规律，VLM模型通过自然语言描述场景理解[30][31] - 车企展示云端模型参数规模（如小鹏750亿参数），强调数据量（真实+仿真）驱动迭代[29] 政策与商业化进展 - L2端规范化同时，多地开放L4商用化试点[8] - 理想VLA司机大模型、小鹏本地端VLA模型、鸿蒙智行L3高速NOA解决方案将于近期量产或OTA[8] 消费者感知与安全 - 关键节点：从高速NOA向城市NOA发展，华为"车位到车位"概念实现全场景连续驾驶[32] - 安全功能：AES（主动避让系统）逐步量产，特斯拉MPI达700万英里/次事故[33][34] 投资关注点 - L2到L3商业化落地节点的头部解决方案供应商、全栈自研主机厂及细分上游供应链[36] - 法规开放试点与ToC端规控完善将推动行业能力迭代升级[36] 其他重要内容 - 传统主机厂选择第三方解决方案可缩短产品周期，快速抢占市场[17] - 技术驱动型企业（华为、蔚来、小鹏）研发费用率超15%，规模效应型企业（理想、特斯拉）随销量回调[22] - 企业组织战略调整（如理想成立算力资源部门）对研发效率与商业化至关重要[21]

技术原理与分类 - 测距方式主要包括飞行时间(ToF)和调频连续波(FMCW)，ToF是当前中长距车载主流方案，技术成熟且成本低，FMCW在测距、测速、抗干扰性等方面具优势但系统复杂成本高 [4] - 扫描方式分为机械式、混合固态(如MEMS、转镜式)和固态(如OPA、Flash)，固态化趋势显著，更可靠经济且易通过车规级标准 [4] - ToF与FMCW在室外测距均可实现100-250米，ToF是中长距主流选择，FMCW性能更优但成本高，未来可能形成并存格局 [29] 下游市场应用 - 传感器融合方案(激光雷达+摄像头)目标物追踪准确度达75%，比纯视觉方案高20个百分点 [1] - 2023年机器人占激光雷达下游应用68.2%，2030年中国机器人激光雷达市场规模预计达280亿元，年复合增长率67.9% [2] - 2025年被视为人形机器人商业化元年，特斯拉Optimus计划量产5000台，智元、广汽等厂商明确量产计划 [2] 市场规模与增长 - 2023年全球车载激光雷达市场规模5.26亿美元，2029年预计达36.32亿美元 [2] - 2026年中国激光雷达市场规模预计达431.8亿元，芯片化、固态化技术推动成本下降 [12] - 2024年中国L2级及以上自动驾驶渗透率突破55.7%，2025年预计升至65%，L3级功能开始规模化落地 [4] 成本与搭载量 - 车载激光雷达价格从2023年35-40万元下探至2024年30-35万元，2025年零跑B10车型12.98万元搭载 [5] - L3级需1颗前视+2-3颗补盲雷达，L4级可能搭载10颗(如广汽埃安车型)，推动需求增长 [5] - 速腾聚创MX激光雷达突破200美元价格门槛，车载激光雷达均价从2023年4300元降至2024Q1的2600元 [3][64] 竞争格局 - 2024年全球市场中禾赛科技(33%)、速腾聚创(24%)、华为(19%)、图达通合计占88%份额 [5] - 禾赛科技2025Q1营收5.3亿元(+46.3%)，预计全年交付120-150万台，机器人领域交付近20万台 [3] - 华为2025年1月乘用车激光雷达市场份额34.4%，ADS 4.0搭载高精度固态激光雷达 [6] 技术发展趋势 - 头部厂商通过自研SoC芯片、光学集成等技术降本，固态化方案占比提升 [5] - 905nm和1550nm波长为主流，满足IEC 60825-1:2014的Class 1安全等级要求 [59] - 多传感器融合成为主流趋势，激光雷达弥补纯视觉方案在复杂环境下的感知短板 [42]

报告公司投资评级 - 投资评级为买入，维持该评级 [6] 报告的核心观点 - 2025年4月14日小鹏汽车举办AI技术分享会，披露正在研发720亿参数的“小鹏世界基座模型”，将通过云端蒸馏小模型部署到车端，提升AI汽车智力上限，赋能AI机器人、飞行汽车等 [2][4] - 小鹏世界基座模型赋能，提升AI汽车智力上限，AI智驾进展领先；AI基础设施优势显著，算力集群、数据基础设施构建核心竞争优势，助力搭建“云端模型工厂” [2][8] - AI智能驾驶能力领先，随着渠道变革、营销体系加强，叠加新车周期，公司销量快速提升；2025年多款新车上市增强销量周期，规模提升、降本效果将体现，叠加软件盈利模式拓展和出海增长，未来盈利有较大弹性，给予“买入”评级 [8] 各部分总结 算法与算力加速迭代，“端到端”大模型时代来临 - 特斯拉引领，国内车企跟进，智驾进入端到端大模型时代，技术飞跃；端到端大模型上限高、下限不低，泛化能力强，能处理长尾场景 [9] - 2024年5月小鹏率先在国内首发量产端到端大模型，华为、理想等车企也有相关进展 [11][12] 大模型时代，算力与数据加速储备 - 算法向大模型迈进，车端算力逐步增配，小鹏、理想等车企有未来搭载高算力芯片或自研芯片的规划 [17] - 云端算力方面，特斯拉领先，华为、理想建设快，小鹏等车企追赶，国内车企深化与互联网厂商合作部署算力 [19] - 端到端智驾模型对数据需求增长，国内新势力加速储备训练数据，小鹏训练数据量领先且增长快 [20] 小鹏启动720亿参数自驾基模研发，AI智驾进展持续领先 - 数据、算法和算力加持，小鹏智驾将升级AI大脑，“世界基座模型”提升AI汽车智力上限，赋能多领域 [23] - 小鹏建成万卡智算集群，云端算力达10 EFLOPS，运行效率高，全链路迭代周期短 [25] - 小鹏世界基座模型参数规模大，具备多种能力，参数量是主流VLA模型35倍左右 [25][27] - AI基础设施优势显著，算力集群和数据基础设施构建核心优势，打造“云端模型工厂” [30] - 世界模型赋能基座模型性能优化，构建闭环反馈网络 [31] 三大阶段性成果：小鹏在物理世界AI领域快速进步 - 验证规模法则在自动驾驶领域持续生效，参数或训练数据量增加，模型能力增强 [36] - 在后装算力的车端成功实现基模控车 [41] - 启动72B参数基模训练，搭建强化学习模型训练框架，“规则时代”经验赋能AI [45][50]