國泰君安：維持汽車行業(yè)增持評(píng)級(jí) AI加持下智能駕駛迭代有望提速

智通財(cái)經(jīng)APP獲悉，國泰君安發(fā)布研究報(bào)告稱，維持汽車行業(yè)增持評(píng)級(jí)，AI加持下智能駕駛迭代有望提速，產(chǎn)業(yè)鏈迎來價(jià)值重估，部分整車企業(yè)更為受益。未來自動(dòng)駕駛技術(shù)去除高精地圖輔助將成為主流趨勢(shì)，核心解決方案為BEV結(jié)構(gòu)的搭建和NPN網(wǎng)絡(luò)的應(yīng)用。

決策層推薦標(biāo)的：德賽西威(002920.SZ)、科博達(dá)(603786.SH)、均勝電子(600699.SH)、華陽集團(tuán)(002906.SZ)等，受益標(biāo)的經(jīng)緯恒潤(688326.SH)等；

執(zhí)行層推薦標(biāo)的：伯特利(603596.SH)、拓普集團(tuán)(601689.SH)、星宇股份(601799.SH)、華域汽車(600741.SH)；

感知層推薦標(biāo)的：保隆科技(603197.SH)，受益標(biāo)的聯(lián)創(chuàng)電子(002036.SZ)、華依科技(688071.SH)等；

整車推薦標(biāo)的：小鵬汽車-W(09868)、理想汽車(02015)、長安汽車(000625.SZ)、比亞迪(002594.SZ)、長城汽車(601633.SH)等，受益標(biāo)的蔚來-SW(09866)、賽力斯(601127.SH)、江淮汽車(600418.SH)。

國泰君安主要觀點(diǎn)如下：

由模塊化/小模型到端到端大模型。傳統(tǒng)自動(dòng)駕駛算法以模塊化部署，功能實(shí)現(xiàn)依托眾多獨(dú)立小模型的堆疊，存在累積錯(cuò)誤/任務(wù)協(xié)調(diào)不足/維護(hù)難度與成本高等問題。未來端到端自動(dòng)駕駛大模型將實(shí)現(xiàn)對(duì)模塊化/小模型的替代，即可減少運(yùn)算過程中的誤差累積，也可減少模型的優(yōu)化難度與維護(hù)成本。

由基于規(guī)則的算法到基于BEV+Transformer的深度學(xué)習(xí)。基于規(guī)則的算法存在應(yīng)變能力差，駕駛操作不熟練，學(xué)習(xí)成本高等缺點(diǎn)，因此僅通過規(guī)則算法實(shí)現(xiàn)等同于或高于人類駕駛員的自動(dòng)駕駛行車體驗(yàn)存在很大難度?；贐EV+Transformer結(jié)構(gòu)的大模型是當(dāng)前主流發(fā)展方向，可搭建出高準(zhǔn)確率3D 感知模型，并具有很強(qiáng)的Corner case解決能力，同時(shí)，BEV+Transformer大模型還可賦能數(shù)據(jù)標(biāo)注、長尾數(shù)據(jù)挖掘、仿生場(chǎng)景數(shù)據(jù)生成等工作。

智能駕駛的進(jìn)一步進(jìn)化：去高精地圖+占用網(wǎng)路。未來自動(dòng)駕駛技術(shù)去除高精地圖輔助將成為主流趨勢(shì)，核心解決方案為BEV結(jié)構(gòu)的搭建和NPN網(wǎng)絡(luò)的應(yīng)用。此外，未來也將有更多車企通過占用網(wǎng)絡(luò)技術(shù)(Occupancy)進(jìn)一步提升大模型泛化能力，進(jìn)而使自動(dòng)駕駛模型應(yīng)對(duì)Corner case時(shí)更加得心應(yīng)手。

風(fēng)險(xiǎn)提示：汽車智能化發(fā)展不及預(yù)期的風(fēng)險(xiǎn)；芯片短缺的風(fēng)險(xiǎn)；匯率與貿(mào)易摩擦的風(fēng)險(xiǎn)。