汽车智能驾驶行业深度报告：端到端与AI共振，智驾平权开启新时代

端到端与AI共振，智驾平权开启新时代——汽车智能驾驶行业深度报告证券研究报告发布时间：2025年3月31日分析师：刘乐执业证书编号：S0020524070001邮箱：liule@gyzq.com.cn分析师：陈烨尧执业证书编号：S0020524080001邮箱：chenyeyao@gyzq.com.cn智能驾驶行业研究请务必阅读正文之后的免责条款部分目录21.端到端发展进入加速期，基于规则长期护航1.1 端到端的定义、发展历程、实现方法及挑战1.2 自动驾驶产业支持充足，标志性政策落地1.3 车企抢滩DeepSeek，AI行业与智能驾驶共振1.4 10万级别智驾落地推动行业进入智驾平权1.5 汽车行业加速迈向智能驾驶全面普及时代2.关注自研核心算法的整车企业2.1 特斯拉：纯视觉方案+一体化端到端先驱2.2 华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同2.3 小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限2.4 理想：双系统并行，VLM规范端到端模型下限2.5 比亚迪：智驾平权加速，边际变化可期3.智能驾驶产业链3.1 车端：电子电气架构向中央计算迈进3.2 感知层3.2.1 传感器数量减配、性能提升3.2.2 激光雷达市场快速增长，格局集中3.2.3 高阶智驾需要激光雷达提供安全冗余3.2.4 前视摄像头市场分散3.2.5 从全量感知到按需感知的算法演进3.3 决策层3.3.1 域控制器构成3.3.2 智驾域控市场逐渐走向合作定制化3.3.3 德赛西威：高算力智驾域控行业的领军企业3.3.4 Momenta：提供基于端到端技术架构的自动驾驶解决方案3.3.5 智驾域控芯片市场的竞争格局呈现多极化，SoC高性能更适应未来趋势3.3.6 地平线：软硬结合是必由之路3.3.7 黑芝麻智能：依托技术创新，构建自动驾驶芯片产品矩阵3.4 执行层3.4.1 线控底盘结构及优势3.4.2 智驾渗透加速线控底盘国产放量，行业格局集中，主机厂粘性高3.4.3 线控底盘技术在自动驾驶领域的应用正逐渐普及3.4.4 拓普集团：业务体系多元化，已形成XYZ三大系列产品线3.4.5 线控制动发展历程3.4.6 线控制动：EHB One-Box当前是主流方案3.4.7 伯特利：线控制动持续攀升，全面打造XYZ三轴汽车底盘控制系统供应商3.4.8 线控转向：L4级及以上自动驾驶必备，尚处市场导入期4.投资建议5.风险提示请务必阅读正文之后的免责条款部分3端到端发展进入加速期，基于规则长期护航1请务必阅读正文之后的免责条款部分图1：端到端与模块化自动驾驶资料来源：电动车公社，国元证券研究所4端到端的定义：基于数据驱动的深度学习在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。传统智驾系统的感知层、决策规划层和控制执行层之间相互独立，信息传递容易积累误差，且智驾方案依赖于工程师通过代码制定的规则，难以处理所有复杂场景，边际效应随着智驾能力的提升呈现几何式骤减。与基于规则的传统自动驾驶算法结构相比，端到端算法基于数据驱动，可以实现信息的无损传递。同时，端到端架构将感知、预测和规划结合为一个可以共同训练的单一模型，整个系统都针对最终任务进行优化，并且共享的骨干网络大幅提高了计算效率，使智驾方案具备更高的迭代效率，有效降低了维护成本。请务必阅读正文之后的免责条款部分图2：端到端技术演进资料来源：辰韬资本，Ai fighting，国元证券研究所5从模块化方案向一体化端到端模型过渡端到端架构的本质是深度学习的全面使用与数据驱动。根据感知模块与决策模块之间的贯通程度，可分为模块化端到端与一体化端到端。模块化端到端将感知模块和决策规划模块视为两个独立部分，分别使用神经网络，但模块之间仍存在人工设计的数据接口。例如，华为乾崑ADS 3.0由GOD感知网络和PDP决策规划网络组成，GOD负责感知障碍物，PDP则根据感知信息迅速做出决策。一体化端到端则将感知与规控模块全部打通，形成一个统一的大模型，使系统能够更直接、高效地处理信息并作出反应。业内典型代表为特斯拉、Momenta、理想等。这种架构取消了模块划分，减少信息损失的同时，对数据标注的需求也更少，同时具有更强的泛化性。从模块化端到端到一体化端到端是一种相对平滑的过渡形式。随着算法优化，技术将逐步向一体化端到端或端到端+多模态大模型的冗余双系统架构演进。感知“端到端”：当前的主流感知算法路线模块化“端到端”：决策规划控制模块升级“端到端”并且两模块间的的数据传递有望由人为定义的结果抽象为特征向量0ne Model/单一模型“端到端”：原始信号输入到最终规划轨迹的输出直接采用单一深度神经网络实现请务必阅读正文之后的免责条款部分图3：UniAD架构设计概览资料来源：Hu Y, Yang J, Chen L, et al，Planning-oriented Autonomous Driving，国元证券研究所6端到端的发展历程• 早期探索阶段（2016-2018年）2016年：英伟达（NVIDIA）推出DAVE-2。端到端概念的提出可 以 追 溯 至 英 伟 达 于 2016 年 发 表 的 论 文 《 End to EndLearning for Self-Driving Cars》。同年，英伟达发布了基于卷积神经网络（CNN）的端到端自动驾驶系统DAVE-2，通过摄像头图像直接输出转向指令。这是端到端技术的早期尝试，标志着自动驾驶从模块化向一体化迈进的起点。2017年：Wayve.AI成立并发布“Learning to Drive in aDay”。Wayve.AI采用强化学习结合深度学习的方法，仅用一天时间训练即可应对复杂城市驾驶场景，展示了端到端技术在快速学习和适应能力上的潜力。2017 年 ： Comma.ai 推 出 OpenPilot 。 Comma.ai 发 布 了OpenPilot软件，最初为L2级辅助驾驶系统，后逐步转向端到端神经网络模型，成为首个商业化端到端自动驾驶产品。• 技术突破与现实应用阶段（2019年-）2021年：特斯拉发布BEV（Bird Eye View）技术。特斯拉在AI Day上公布了BEV技术架构，通过多传感器融合实现感知模块的端到端化，为后续端到端技术的全面应用奠定了基础。2023年：特斯拉FSD V12发布。特斯拉正式推出FSD V12版本，采用端到端架构，实现了感知、决策、规划的一体化，显著提升了驾驶体验的拟人化和安全性。这一版本成为行业标杆，推动了全球车企加速端到端技术的研发。2023年：OpenDriveLab发布UniAD。OpenDriveLab推出了全栈Transformer端到端模型UniAD，整合感知、预测和规划模块，进一步提升了复杂场景下的环境理解和决策能力。Pipeline架构MontionFormerPlannerOccFo