报告摘要
车企逐鹿城市 NOA，体验是提高功能渗透率的核心自动驾驶大势所趋，小鹏、蔚来、理想、小米等新势力，长安、赛力斯、江淮、北汽等华为系以及吉利、上汽、长城、广汽等传统车企纷纷入场，竞相推出自家城市 NOA 方案，城市 NOA 正从“0-1”步向“1-10”。提高城市 NOA 渗透率，关键是提高消费者的付费意愿，而付费意愿与城市 NOA 所能提供的体验密切相关——用户愿意为体验良好的功能买单。为了探明各家车企自动驾驶体验情况，我们在 4-6 月密集地进行了自动驾驶路侧测试，首轮选取 8 家自动驾驶水平领先车企的相关车型，地点覆盖北京、上海、广州、重庆、纽约五大城市，系统地记录了测试中的场景数据，以反映城市 NOA 功能的真实使用体验。
FSD V12 综合表现优秀，国内正快速提升功能覆盖度和能力消费者希望自动驾驶行驶更加安全、能够做到地区的广泛覆盖、较少的接管次数，最好还能像老司机一样经验丰富。我们围绕场景建立自动驾驶体验框架，其中覆盖程度与安全接管反映自动驾驶系统是否能用，舒适接管与顺滑程度反映自动驾驶系统好不好用。测试结果显示，特斯拉 FSD 在覆盖程度、安全接管率上体验领先，特别是在场景中行为连贯、操作顺滑，表现出较强的拟人能力。国内车企自动驾驶总体处于快速提升覆盖度和能力的阶段，在测试中存在“覆盖度-接管率”上此消彼长的平衡，如问界与阿维塔测试车型对路网的覆盖程度较高但接管率同样较高，而小鹏在测试时仅覆盖了主要的路网，但接管率更低，在安全接管方面占优；而在顺滑程度方面，当前国内的城市 NOA 功能仅仅达到“能用”水平，距离功能“好用”、用户“爱用”仍有较大的差距。
感知层面基本成熟，预测、规控层面是体验差异化的主要来源在感知层面，国内车企普遍采用 BEV+Transformer 的感知端到端方案，在测试中均展现出对周围路况的较强感知能力。预测、规控能力是国内智驾体验差异化的主要来源，这一点在城市之间的体验对比下则更为突出。预测层面，国内车企仍较难做到准确判断道路交通主体的意图，对运动轨迹的预判性不足；规控层面，在较难场景下表现出过犹豫，以及对路径规划选择不合时宜，此外可以发现国内车企对车道线的依赖性较强，在无车道线场景容易出现“画龙”。当前领先车企正致力于端到端大模型的上车，端到端模型架构下预测和规模模块都将引入泛化能力强的大模型，规控将表现得更为准确丝滑，类人的自动驾驶体验指日可待。
推荐及受益标的：整车标的推荐：比亚迪、长安汽车、长城汽车，受益标的：小鹏汽车-W、理想汽车-W、江淮汽车、北汽蓝谷、赛力斯、蔚来-SW。智能化龙头零部件和华为产业链值得期待，推荐德赛西威、均胜电子、华阳集团、北京君正、沪光股份、瑞鹄模具等，受益标的：博俊科技、上海沿浦等。
风险提示：技术发展进度不及预期、市场需求不及预期、数据结果存在偏差。
目 录
1、 体验为先，车企竞相布局城市 NOA .......... 4
2、 五大场景全方位对比领先车企智驾能力.......... 5
2.1、 择自驾水平领先车企，探其核心城市道路表现 .......... 5
2.2、 从用户体验出发，选取五大场景衡量自动驾驶能力水平 .......... 7
3、 FSD V12 总体表现优秀，国内正快速跟进 .......... 9
3.1、 自动驾驶的场景能力与体验强关联.......... 9
3.2、 总体分析：特斯拉综合领先，国内车企存在“覆盖-接管”权衡 .......... 10
3.2.1、 覆盖程度：国内车企总体处于快速提升覆盖度阶段 .......... 10
3.2.2、 安全接管率：特斯拉平均接管里程排名靠前，国内车企分化 .......... 12
3.2.3、 顺滑程度：当前国内智驾距离类人化仍有一定距离 .......... 12
3.3、 场景分析：感知普遍较强，预测和规控是差异化体验主要来源 .......... 13
3.3.1、 转弯场景：转弯仍是较难场景，国内外车企均不能完美处理 .......... 14
3.3.2、 启停场景：各测试车辆接管率低，表现均较为良好 .......... 15
3.3.3、 避让/绕行场景：国内小鹏处理风格偏稳，华为系处理风格更为自信 .......... 16
3.3.4、 多车道场景：汇流分流场景表现均较为优异，加塞场景仍是难点 .......... 17
3.3.5、 复杂道路场景：环岛场景仅特斯拉能处理，国内暂未覆盖 .......... 18
3.4、 城市分析：不同城市中，不同的规控策略带来的体验差异较大 .......... 19
4、 拟人化为迭代方向，端到端大模型推动体验快速提升 .......... 20
5、 受益标的 .......... 22
6、 风险提示 .......... 24
图表目录
图 1： 城市道路需要处理的任务更加复杂，要求驾驶系统拥有更强的应对能力 .......... 5
图 2： 本轮在 5 城市进行自动驾驶测试 .......... 7
图 3： 小鹏与问界因测试地点多、时间长，测得样本量较多 .......... 8
图 4： 场景评定标准由高到低分别为丝滑、优秀、一般、较差 .......... 9
图 5： 场景能力可以通过覆盖程度、安全接管率、舒适接管率、顺滑程度四维度分析 .......... 10
图 6： 小鹏 XNGP 智驾 XOS 5.2.0 能够实现“有路就能开” .......... 11
图 7： 极越年内实现有百度地图的地方就可以使用 PPA .......... 11
图 8： 特斯拉可用范围最高，国内阿维塔、问界覆盖程度较高 .......... 12
图 9： 特斯拉场景优秀率更高，国内车企顺滑程度表现基本处于同一水平 .......... 13
图 10： 544 个场景分布于五大场景 .......... 13
图 11： 测试中转弯、多车道、避让场景占比较多 .......... 13
图 12： 左转场景往往需要跨车道行驶 .......... 14
图 13： 无保护左转需要实现更加复杂的博弈.......... 14
图 14： 转弯场景中，特斯拉处理能力较强，国内华为系处理水平较高 .......... 15
图 15： 启停场景中，搭载华为 ADS 2.0 车型具有较低的接管率 .......... 16
图 16： 华为 ADS 2.0 在避让场景中较为激进，小鹏、极越相对保守 .......... 17
图 17： 特斯拉多车道场景处理能力较强，国内小鹏接管率较低 .......... 18
图 18： 人车混杂无信号灯的环岛曾是特斯拉的难点场景 .......... 18
图 19： 环岛道路对车道选择、汇出时机有较高要求 .......... 18
图 20： 问界在重庆的覆盖程度最高，小鹏在广州的覆盖程度最高 .......... 19
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。
