预计 2025 年中国带城区辅助驾驶的自动驾驶市场规模 510 亿元。
目前自动驾驶行业网络基础架构普遍为 Input -> backbone -> neck -> head-> output。纯视觉方案的特斯拉自主构建 HydraNet 网络，在 input 端输入摄像头的原始图像数据，通过 backbone 层神经网络(CNN)提取图像特征，对特征赋予时间等信息做融合（BEV+Transformer），将速度、环境等感知处理结果传向各子 heads 再完成后续规控任务。目前行业通用的自动驾驶模型是存在感知、规划几个模型的分解式构造。
特斯拉端到端模型有望引领行业。特斯拉感知层从 CNN 单 head 网络迭代，2021 年引入 BEV+Transformer，将多摄像头数据统一成俯视角度；2022 年提出 Occupancy Networks 判断空间占用。规划层引入交互搜索，逐步增加约束条件（其他参与者博弈行为）做最优路径规划。2023 年后特斯拉提出端到端自动驾驶大模型，将感知、规划多个模型融合成大模型，实现直接输入图像数据到输出转向、刹车等驾驶指令突破。减少中间模块训练过程，集中模型训练资源；避免数据多级传输误差，系统迭代速度提升，进化加速。
国内逐步落地大模型。特斯拉软件领先，硬件 8 颗摄像头纯视觉方案，21年起逐步取消雷达；国内小鹏、华为 4 月发布 BEV、Transformer、GOD 网络等大模型，实现无高精地图智驾，理想 6 月发布 Mind GPT、BEV 等大模型，加速城区 NOA 落地。国内智驾硬件普遍 11~12 颗摄像头+5 颗毫米波雷达+12颗超声波雷达+1~2 颗激光雷达+域控，成本 3~4 万元，远期有望降至 2 万内。
预计 2025 年中国带城区辅助驾驶的自动驾驶市场规模 510 亿元。我们预计2025 年带城区辅助驾驶功能的自动驾驶渗透率将从目前 0.4%提升到 6%水平，市场规模 510 亿元。自动驾驶底层是机器取代人力，用户定价与自身成本相关，远期随厂商技术进步，产品供给曲线右移，稳态需求量持续增加。
大模型推动智驾硬件变革。感知端重心转向视觉，摄像头像素提升，4D 毫米波雷达上车；考虑成本、供应链安全，光传输取代电传输是未来方向。规划端数据要求提升，域控算力升级；执行端线控制动和线控转向是必经之路。
