引言：为何关注智能驾驶端到端大模型进展？ 端到端大模型是实现高阶智能驾驶功能的主要路径。端到端神经网络可以充分简化运算步骤，减少人工特征工程的需要，并识别出数据中关联性，充分提升计算效率。受益于有效行为轨迹数据规模提升，智能驾驶端到端大模型有望成为高阶智能驾驶解决方案。2023 年开始，模块化的端到端规划模式加速，逐步成为代表智能驾驶实现高阶功能迭代的主要方向。

如何评价车企智能驾驶端到端大模型能力？ 参考大模型的发展，端到端智能驾驶大模型具备涌现效应。我们认为，评价模型主要参数指标为车端轨迹数据规模、训练数据能力、软件开发能力。

（1）车端轨迹数据规模：具备集中式域架构和车端具备较大算力的车型累计销量及累计里程；（2）训练模型能力，主要包括智算中心算力、云端训练能力和数据存储能力，训练算力成为运算速度的关键，云架构优化算力编排，数据存储能力决定可训练车端轨迹数据规模；（3）软件开发能力，各家代码并不开源，无法直观评价各家智能驾驶模型。我们集中在车端轨迹数据规模和训练数据能力两个维度，使用研发费用替代软件开发能力。 当下车企智能驾驶端到端大模型进展如何？ 我们从整车端和训练端两个维度进行当下时点各车企对车企智能驾驶端到端大模型进展进行分析。车端主要关注架构和车型销量，（1）E/E 架构：特斯拉和新势力领先，自主品牌加速跟进；（2）域控制器式架构后车型销量与里程积累正相关，理想销量领先，华为、小鹏快速跟进，自主品牌后续有望加速。训练端主要关注算力部署和云化水平。（1）算力部署：特斯拉领跑，华为建设加速，国内车企与互联网厂商建立合作加速算力部署；（2）云计算能力：华为云、阿里云、腾讯云、百度智能云加速整合份额提升。

当下格局：特斯拉领跑，国内品牌加速 当下格局来看，特斯拉凭借算力和数据规模优势有望持续领跑，国内华为、理想研发支出较高、数据规模较大从而追赶速度较快，蔚来、小鹏或受到数据量等方面的影响降低迭代效率。其他自主品牌中，由于具备集中式 E/E架构车型较少，可实现数据积累车型数量短期内不足且算力处于建设阶段。

投资建议：建议关注端到端领先整车厂和智能/域架构供应商整车端：华为系车企有望充分受益于华为算力领先实现功能反超。自研系理想汽车和小鹏汽车有望凭借端到端落地节奏领先实现大模型的领先。零部件端：建议关注 E/E 架构升级、智能驾驶车端算力等方向的零部件供应商。重点推荐高速连接器供应商电连技术；线控底盘域供应商伯特利、拓普集团、保隆科技、中鼎股份；区域控制器核心供应商经纬恒润；智能驾驶域控制器核心供应商德赛西威、科博达、华阳集团等。

风险提示：智能化车端进展不及预期；算力建设情况不及预期。

正文目录 

1. 引言：为何关注智能驾驶端到端大模型进展？ .......... 4

1.1 特斯拉端到端大模型落地，驱动行业技术路线迭代 .......... 4

1.2 端到端大模型有望成为未来高阶智能驾驶解决方案 .......... 5

2. 如何评价车企智能驾驶端到端大模型能力？ .......... 6

2.1 数据获取：架构升级和车端算力保证车辆轨迹数据迭代 .......... 8

2.2 数据训练：算力类型及数量决定速度，云优化算力编排 .......... 10

3. 当下车企智能驾驶端到端大模型进展如何？ .......... 12

3.1 数据获取：硬件和架构升级，销量保证数据规模 .......... 12

3.2 数据训练：云端能力迭代，算力为重要参数指标 .......... 19

4. 投资建议：建议关注端到端领先整车厂和智能/域架构供应商 .......... 22

4.1 整车端：高智能驾驶端投入和车型保有量领先的车企有望领跑 .......... 22

4.2 零部件端： E/E 架构升级、算力等方向供应商有望充分收益 .......... 22

5. 风险提示 .......... 23

图表目录

图表 1： 特斯拉 FSD Beta V12 后加速端到端的应用 .......... 4

图表 2： 智能驾驶端到端大模型架构 .......... 5

图表 3： 自动驾驶功能技术路线时间图 .......... 5

图表 4： 智能驾驶端到端大模型具备更高的实现能力和表现上限 .......... 6

图表 5： 自动驾驶端到端能力拆分 .......... 7

图表 6： 自动驾驶端到端能力拆分 .......... 7

图表 7： 大模型具有明显的“涌现”现象 .......... 8

图表 8： 车辆轨迹数据主要内容 .......... 8

图表 9： 汽车 E/E 架构升级路线 .......... 9

图表 10： 智能驾驶催化 E/E 架构升级 .......... 9

图表 11： L3/L4 对 E/E 架构的需求升级 .......... 9

图表 12： 影子模式的训练模式 .......... 10

图表 13： 智能驾驶数据闭环流程示意图 .......... 10

图表 14： 训练段 GPU 性能对比 .......... 10

图表 15： 英伟达 A100 GPU 架构 .......... 11

图表 16： 华为 HCCS 架构 .......... 11

图表 17： 云计算能力持续升级 .......... 11

图表 18： 车端行为轨迹数据产生量较大，存储需求旺盛 .......... 12

图表 19： 云端可以优化数据，保证数据运行效率 .......... 12

图表 20： 车端智能从域控制器式架构向中央计算平台式架构升级 .......... 13

图表 21： 主要车企 E/E 架构迭代节奏 .......... 13

图表 22： 行泊一体渗透率快速提升 .......... 14

图表 23： L2+车型中行泊一体方案占比提升明显 .......... 14

图表 24： 各家车企域架构平台车型及上市时间 .......... 14

图表 25： 自动驾驶核心计算芯片迭代 .......... 15

图表 26： 自研系新势力芯片方案及销量（辆） .......... 16

图表 27： 华为系芯片方案及销量（辆） .......... 16

图表 28： 比亚迪子品牌芯片方案及销量（辆） .......... 16

图表 29： 吉利及子品牌芯片方案及销量（辆） .......... 16

图表 30： 华为系、比亚迪、吉利、上汽系品牌集中式域架构车型累计销量（辆）.......... 16

因篇幅限制，仅展示部分，更多重要内容、核心观点，请下载报告。