免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。科技科技SAC科技SACNo.S0570523020002purdyho@SFCNo.ASI353+(852)36586000SACNo.S0570124070123yichuyan@+(86)2128972228重點推薦股票名稱小馬智行股票代碼PONYUS(當?shù)貛欧N)21.00投資評級買入資料來源：華泰研究預測研究員研究員自動駕駛：物理AI的前沿，我們準備好了嗎？聯(lián)系人自動駕駛是最具落地潛力的物理AI（PhysicalAI）應用之一，正加速從實驗室走向現(xiàn)實。我們認為，盡管全面普及仍面臨諸多挑戰(zhàn)，但在傳感器、高性能算力平臺與算法加速融合的推動下，行業(yè)發(fā)展提速。本報告旨在剖析決定這場競賽勝負的核心要素，包括技術路徑、監(jiān)管演進與競爭格局等。同時，我們梳理出當前投資者的關鍵爭議焦點，幫助把握產(chǎn)業(yè)變革帶來的機遇，解答行業(yè)中關注度及爭議性最高的十個問題。首先，我們強調(diào)，對于迎接自動駕駛的到來，我們毋庸置疑，已做好準備！聯(lián)系人技術鴻溝：從L2到L4，數(shù)據(jù)、傳感器與AI算法需系統(tǒng)性升級L2（駕駛輔助系統(tǒng)ADAS）向L4（完全無人自動駕駛）的躍遷，標志著自動駕駛在數(shù)據(jù)采集、傳感器配置及AI算法上的范式轉變。L2系統(tǒng)主要依賴真實駕駛數(shù)據(jù)，而L4則需大規(guī)模高質(zhì)量的模擬數(shù)據(jù)集，重點覆蓋罕見但對行車安全關鍵的“長尾場景”。領先Robotaxi運營商，如Waymo（谷歌）、小馬智行（Pony.AI）、文遠知行（WeRide）等，正結合生成式AI與強化學習，以模擬仿真提升系統(tǒng)安全邊界。傳感器方面，L4通常采用冗余且多樣化的傳感器組合（攝像頭/毫米波雷達/激光雷達等以提升系統(tǒng)的安全性；而L2主要依賴攝像頭及少量冗余。當前市場分歧在于：特斯拉主導的“純視覺方案”，能否在復雜與罕見場景中滿足L4所需的嚴苛的安全標準。商業(yè)邏輯：以ROI為核心的部署策略與人口和家庭結構變化下的打車需求Robotaxi的商業(yè)可行性及長期發(fā)展將高度依賴于路徑部署策略與人口和家庭結構的變化。目前Robotaxi的部署多集中于特定區(qū)域，核心在于ROI最大化考量，而非技術受限。監(jiān)管支持度、基礎設施完善度和人口密度均為關鍵因素。長期來看，城市化、年輕群體出行偏好及私家車擁有率下降，將助推Robotaxi快速落地。我們認為，Robotaxi商業(yè)模式或可緩解勞動力緊缺問題，并作為傳統(tǒng)出行方式的高效、可監(jiān)管的補充方案。競爭格局：制勝之道在于生態(tài)主導權與可持續(xù)盈利能力自動駕駛競爭格局多元且激烈，涵蓋科技巨頭（如Google/Waymo、百度、小米等）、技術提供商（如小馬智行、文遠知行等）以及車企（如特斯拉、小鵬等）。欲脫穎而出，我們認為企業(yè)需構建完整生態(tài)體系，涵蓋三大要素：1）成熟且可控的L4技術、2）穩(wěn)定的出行平臺或流量入口，3）具有成本優(yōu)勢的量產(chǎn)車型。同時，能否應對復雜監(jiān)管、建立公眾信任并驗證公司技術的安全性，以及可持續(xù)盈利能力，亦將決定成敗。我們認為，技術優(yōu)劣應以客觀數(shù)據(jù)和性能指標評判，如事故率、故障可運行能力等。重點推薦：小馬智行成本優(yōu)化與生態(tài)聯(lián)動驅(qū)動Robotaxi商業(yè)化加速我們重點推薦小馬智行，看好其Robotaxi領先地位，公司有望26/29年實現(xiàn)單車/整體盈利，核心邏輯：1）成本優(yōu)化、量產(chǎn)在即：與豐田/北汽/廣汽聯(lián)合發(fā)布第七代Robotaxi平臺，100%車規(guī)級硬件，BOM成本下降70%，預計2H25量產(chǎn)落地。2）規(guī)?；\營顯成效：1Q25Robotaxi服務收入同比+200%，一線城市付費運營同比+800%，年底車隊規(guī)?；蜻_千臺。3）生態(tài)協(xié)同加速：已打通微信與騰訊地圖入口，潛在觸達13億用戶；北京南站、大興機場等節(jié)點實現(xiàn)付費運營，商業(yè)閉環(huán)初步跑通。公司以“模擬仿真+強化學習”構建L4系統(tǒng)，區(qū)別于主流車企“模仿學習+L2輔助駕駛”路徑，具備更強安全性與冗余性。同時，管理層延長鎖定期，彰顯中長期發(fā)展信心。風險提示：市場競爭加劇、監(jiān)管挑戰(zhàn)、技術落地能力不足。本報告所涉未上市或未覆蓋公司，僅基于公開信息整理，不構成推薦或覆蓋意見。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。解讀Robotaxi爭議焦點：自動駕駛的關鍵十問十答 3問題一：L2與L4的根本區(qū)別？ 3問題二：實現(xiàn)L4是否必須依賴激光雷達，還是攝像頭（純視覺方案）足以勝任？ 4問題三：端到端方案是否足夠安全？ 5問題四：Transformer架構（大語言模型，LLMs）是否正在取代深度學習？ 6問題五：乘用車是否真的有必要發(fā)展到L4自動駕駛？ 9問題六：車企是否具備實現(xiàn)L4的能力？ 10問題七：為何Robotaxi至今仍主要局限在少數(shù)區(qū)域運營？關鍵阻礙是什么？ 12問題八：Robotaxi是否有足夠的市場需求，能支撐其長期商業(yè)模式？ 13問題九：Robotaxi會否完全取代人類司機，還是將長期并存？ 13問題十：誰將在這場自動駕駛競賽中最終勝出？ 13重點推薦：小馬智行成本優(yōu)化與生態(tài)聯(lián)動驅(qū)動Robotaxi商業(yè)化加速 15風險提示 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。自動駕駛行業(yè)正處于發(fā)展的關鍵轉折點。一方面，它有望重塑未來的交通出行方式；另一方面，也正面臨一系列復雜的技術難題與戰(zhàn)略博弈。在本報告中，我們聚焦當下業(yè)內(nèi)最受關注的一些核心爭議，包括：乘用車是否真正需要邁向L4自動駕駛，激光雷達與攝像頭誰才是最優(yōu)傳感器配置，以及端到端方案是否足夠安全等。以下是當前自動駕駛領域最具爭議性的十大核心問題：2.實現(xiàn)L4是否必須依賴激光雷達，還是攝像頭（純視覺方案）足以勝任？3.端到端方案是否足夠安全？4.Transformer架構（大語言模型，LLMs）是否正在取代深度學習？5.乘用車是否真的有必要發(fā)展到L4自動駕駛？6.車企是否具備實現(xiàn)L4的能力？7.為何Robotaxi至今仍主要局限在少數(shù)區(qū)域運營？關鍵阻礙是什么？8.Robotaxi是否存在足夠的需求去支撐其長期商業(yè)模式？9.Robotaxi會否完全取代人類司機，還是將長期并存？10.誰將在這場自動駕駛競賽中最終勝出？問題一：L2與L4的根本區(qū)別？答：我們認為L2輔助駕駛和L4自動駕駛在設計理念、安全性要求與運營挑戰(zhàn)等領域存在顯著差異。設計理念：L2輔助駕駛以人類駕駛員為主要操作主體，其設計理念側重于增強駕駛體驗，以模仿人類駕駛員的行為為基本，從而提高駕駛的舒適度、安全性和便利性等用戶體驗。然而，L4自動駕駛為全無人自動駕駛，其系統(tǒng)的設計理念要求系統(tǒng)必須有一套規(guī)范且統(tǒng)一的“規(guī)章流程”，且對于傳感器和計算平臺等硬件的多樣性和冗余性（DiversityandRedundancy）要求高，確保在任何情況下都能保證駕駛安全和效率，而不依賴于人為干預。在安全性要求方面：L2輔助駕駛仍以人類駕駛員為主體，系統(tǒng)僅提供部分駕駛支持。在此背景下，一旦系統(tǒng)發(fā)生故障，駕駛員可隨時接管，形成天然的安全冗余。而L4級自動駕駛則完全脫離人類操控，系統(tǒng)需在全程無人的前提下獨立完成駕駛任務。因此，L4系統(tǒng)對于實際運營的安全性要求極高。L4系統(tǒng)必須不斷迭代優(yōu)化，以“零事故”為目標，這是其商用落地的前提。在運營挑戰(zhàn)方面：L2輔助駕駛系統(tǒng)的設計并不需要考慮到突發(fā)停車的運營問題，因為人類駕駛員會適時介入，防止這些情況發(fā)生。與依賴人類駕駛員隨時接管的L2輔助駕駛不同，L4自動駕駛需在架構設計中預設完整的運營安全機制。若L4車輛在城市高密度場景下發(fā)生故障，缺乏有效應急策略將可能擾亂交通秩序，甚至引發(fā)安全風險。因此，L4還需要滿足系統(tǒng)異?；驑O端工況下具備快速進入安全受控狀態(tài)的能力，比如小馬智行的緊急靠邊停車和放置安全標識。此外，近期小米汽車相關事故再次引發(fā)公眾關注，并進一步凸顯L2輔助駕駛與L4完全自動駕駛之間的本質(zhì)差異。我們重申，L2本質(zhì)上人類駕駛員仍承擔主要駕駛責任，核心定位為“輔助駕駛”；而L4則為系統(tǒng)在限定場景下實現(xiàn)“完全無人化”的自動駕駛能力，兩者在技術能力與安全責任邊界上均存在顯著不同。監(jiān)管機構亦已就此作出明確回應，要求整車廠在市場宣傳中嚴格區(qū)分L2與L4，避免混淆定義誤導消費者。該事件也標志著監(jiān)管層開始在政策層面更系統(tǒng)地厘清輔助駕駛與Robotaxi之間的界限，為后續(xù)行業(yè)規(guī)范奠定基礎。最后，責任歸屬也是關鍵考量因素之一。對于L3以下級別的車輛，駕駛員需對行車安全承擔責任；而在L3及以上級別，責任則由運營方承擔。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。資料來源：公司官網(wǎng)、小馬智行招股說明書、華泰研究資料來源：中國政府網(wǎng)、工信部（2025年2月25日）華泰研究資料來源：公安部道路安全研究中心公眾號（2025年4月14日）、華泰研究問題二：實現(xiàn)L4是否必須依賴激光雷達，還是攝像頭（純視覺方案）足以勝任？答：我們認為實現(xiàn)L4必須配備激光雷達。在傳感器使用與環(huán)境感知方面，我們認為要實現(xiàn)L4自動駕駛所要求的高安全標準，“多樣性與冗余性”是關鍵。Waymo、小馬智行、文遠知行等Robotaxi企業(yè)均采用多模態(tài)傳感器融合方案，包括攝像頭、毫米波雷達和激光雷達，且每類傳感器均配置多個單元，充分體現(xiàn)“多樣性與冗余性”的設計原理。比如小馬智行第七代Robotaxi車型搭載六類量產(chǎn)傳感器，包括9顆激光雷達、14顆攝像頭、4顆毫米波雷達，以及4顆麥克風、2顆涉水傳感器和1套碰撞傳感器，實現(xiàn)車周360°無盲區(qū)，充分體現(xiàn)樣性與冗余性的設計理念。這一理念早在2017年由英偉達CEO黃仁勛提出。當時，現(xiàn)任華泰海外科技首席的何翩翩在GTCChina做自動駕駛演講時提及，將攝像頭、毫米波雷達和激光雷達的功能類比為人類感官：攝像頭對應視覺，雷達則類似聽覺，可通過信號反射在黑暗或惡劣天氣下探測障礙物，而激光雷達則融合多重感知能力，實現(xiàn)三維空間的精準重建。在此演講后，黃仁勛即以“多樣性和冗余性”的設計原理，作為回應。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。相比之下，完全依賴攝像頭采集數(shù)據(jù)的方式容易受到光照和天氣變化的影響，導致感知失真。我們認為，在此基礎上訓練的端到端模型容易出現(xiàn)“Garbagein,Garbageout”的情況，最終造成系統(tǒng)“幻覺”，帶來不可接受的安全風險。因此，我們認為，特斯拉所推崇的“純視覺方案”更適用于L2，而并不適合L4場景。更重要的是，基于大模型的黑盒式架構一旦出現(xiàn)問題，幾乎無法追溯錯誤根因，進一步加劇系統(tǒng)風險。資料來源：公司公告、小馬智行招股說明書、Waymo官網(wǎng)、華泰研究問題三：端到端方案是否足夠安全？答：端到端方案在L2上可滿足安全要求，但尚不足以支撐L4。盡管端到端架構在L2中展現(xiàn)出一定潛力，我們認為其在當前階段尚不適合單獨用于L4，關鍵原因在于安全性仍未達標。我們更傾向于采用結合可解釋性的AI技術、多傳感器融合和嚴謹驗證機制的系統(tǒng)架構，以滿足L4自動駕駛對安全性與魯棒性的高標準要求。端到端自動駕駛主要依靠傳感器收集到的真實數(shù)據(jù)，并透過大模型實現(xiàn)從輸出端（規(guī)劃）到輸入端（感知）的直接映射，目標是實現(xiàn)感知、決策和規(guī)劃、控制層的自動駕駛算法的整合，最終實現(xiàn)以統(tǒng)一的模型完成所有自動駕駛任務。我們認為端到端技術路線或依然涉及安全問題：1）大模型與模塊串聯(lián)路線沒有完全承接關系，通過模型統(tǒng)一規(guī)劃決策，精度或較欠缺；2）系統(tǒng)穩(wěn)定性較差：存在大模型的“幻覺”問題，但全自動駕駛需要保障系統(tǒng)百分百穩(wěn)定性；3）可解釋性較低：大模型的學習和推理過程本質(zhì)是個“黑盒”，因此可解釋性仍具有挑戰(zhàn)。綜上，目前的端到端自動駕駛或只能符合輔助駕駛所需要的安全性要求。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。以特斯拉的FSD（FullSelf-Driving）系統(tǒng)為例，其端到端方案在自動駕駛領域確實取得一定進展。但我們認為，受限于冗余機制缺失和可解釋性不足，特斯拉的方案目前仍難以滿足L4自動駕駛的安全標準。盡管如此，特斯拉的Robotaxi已獲準部署，并已接近落地。原因在于其Cybercab（號稱不帶方向盤和踩踏等控制有潛力獲得近期NHTSA（美國國家公路交通安全管理局）更新的規(guī)則，聯(lián)邦機動車輛安全標準（FMVSS）的豁免資格。其Cybercab（公司預計2026年量產(chǎn)）有望被歸類為“商用部署的研究原型車（ResearchPrototypes）”。目前，特斯拉已獲得德克薩斯州交通部許可，計劃在奧斯汀限定區(qū)域內(nèi)部署10至20臺由ModelY改裝的“Robotaxi”，可搭載乘客并收費。需要注意的是，這些車輛均由特斯拉工作人員進行實時監(jiān)控，一旦車輛遇到突發(fā)情況，將由人工進行干預。資料來源：艾瑞咨詢、焉知汽車、佐思汽車研究公眾號、華泰研究資料來源：艾瑞咨詢、焉知汽車、佐思汽車研究公眾號、華泰研究問題四：Transformer架構（大語言模型，LLMs）是否正在取代深度學習？答：世界模型能增強深度學習，不是取代。二者在自動駕駛系統(tǒng)中承擔不同角色，各有適在Transformer和深度學習的選擇上，目前市場的一個誤解是，深度學習已過時，Transformer模型（或LLM）正全面取代。但我們認為，兩者各具優(yōu)勢，適用于自動駕駛系統(tǒng)中的不同任務。Transformer在需要上下文理解的高階推理任務中表現(xiàn)出色，而深度學習在精準的目標識別方面仍具有優(yōu)勢。LLM可以基于上下文信息和自然語言輸入生成高層次的駕駛策略，但最終仍需傳統(tǒng)算法進一步細化。深度學習擅長處理來自多種傳感器的融合數(shù)據(jù)流（即SensorFusion適合用于環(huán)境感知任務。相較于僅依賴輪廓檢測或模糊推斷，深度學習模型可實現(xiàn)對周邊目標的高速、精確識別與分類，確保系統(tǒng)具備足夠的環(huán)境感知精度?？紤]到精準目標識別，以及感知模塊對行車安全與系統(tǒng)穩(wěn)定性的關鍵作用，我們認為，深度學習仍是當前自動駕駛感知系統(tǒng)的核心方案，短期內(nèi)難以被Transformer所完全取代。但在實際應用中，越來越多的自動駕駛系統(tǒng)已采用混合式架構：深度學習負責實時、低層級的感知任務（如目標檢測而大語言模型則用于高層級推理，例如根據(jù)交通環(huán)境預測單車騎行者的行為意圖。關于LLM是否適用于路徑規(guī)劃，LLM雖具備一定潛力，但目前仍處于研究與探索階段，存在廣泛爭議。我們認為，短期內(nèi)LLM不太可能完全替代傳統(tǒng)路徑規(guī)劃算法。但考慮到其在推理與上下文理解方面的能力，LLM有望與現(xiàn)有系統(tǒng)結合，作為輔助模塊提升路徑規(guī)劃系統(tǒng)的整體表現(xiàn)。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。然而，路徑規(guī)劃本質(zhì)上是一項需要實時決策的任務，而LLM，尤其是參數(shù)量較大的模型，在計算資源消耗上較為顯著，可能會影響其對動態(tài)環(huán)境變化的反應速度。此外，路徑規(guī)劃屬于安全關鍵型任務，而LLM存在“幻覺”問題，即生成錯誤或無效輸出的可能性。若完全依賴LLM，或?qū)е聦嶋H駕駛中的嚴重后果。歸根結底，LLM本質(zhì)上仍是“黑盒”系統(tǒng)，缺乏可解釋性，單獨使用或會給安全認證帶來障礙，也可能會增加故障調(diào)試的難度。若我們將自動駕駛所面臨的挑戰(zhàn)類比為一個正態(tài)分布（高斯分布）。前95%的問題已基本被攻克，而真正的難點集中在剩余5%的“長尾場景”，即那些罕見但對行車安全至關重要的極端場景。要實現(xiàn)L4自動駕駛，系統(tǒng)必須具備對這些異常場景穩(wěn)定的處理能力。為此，Robotaxi運營商如Waymo和小馬智行等，正在借助生成式AI與強化學習技術生成和模擬長尾場景，并結合基礎世界模型（FoundationWorldModels）模擬真實道路環(huán)境，進而生成大規(guī)模、高質(zhì)量的數(shù)據(jù)集用于模型訓練，顯著提升系統(tǒng)的準確性與泛化能力。與之相比，大多數(shù)車企仍主要依賴真實道路數(shù)據(jù)的采集方式，本質(zhì)上是模仿人類駕駛行為。這一路徑類似于早期的AlphaGo，通過學習人類棋譜來復現(xiàn)專業(yè)棋手的水平。而Robotaxi運營商所采用的數(shù)據(jù)生成、模擬仿真與強化學習的技術路徑，則更接近AlphaZero，通過與自身對弈生成訓練數(shù)據(jù)，并借助強化學習不斷迭代優(yōu)化。這種“自我進化”的學習機制，正是AlphaZero能超越人類棋手的關鍵，也是自動駕駛實現(xiàn)超越人類駕駛能力的重要路徑。資料來源：小馬智行官網(wǎng)、華泰研究免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。資料來源：英偉達官網(wǎng)、華泰研究免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。資料來源：Waymo官網(wǎng)、華泰研究問題五：乘用車是否真的有必要發(fā)展到L4自動駕駛？答：乘用車是否需要配備L4自動駕駛，核心在于車企的商業(yè)模式：是單純賣車，還是計劃運營Robotaxi車隊。盡管目前不少車企宣稱正在研發(fā)L4技術，但是否有這個必要，在于他們的最終目標是銷售車輛，還是構建并運營一套完整的出行服務體系。AI的使用取決于成本效益。只有當AI能顯著降本增效時，才具備商業(yè)化的合理性，因此：免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。若車企僅以銷售車輛為最終目標，而不準備進行Robotaxi的商業(yè)化運營，我們認為部署L4的必要性不強。因為，乘用車的駕駛員本身不存在成本的說法，但商用車的運營需承擔駕駛員的成本，因此前者缺乏實現(xiàn)L4自動駕駛的經(jīng)濟動因?；蛟S有觀點會認為，部分有較強支付能力的消費者愿意為“全無人駕駛”功能買單，或出于自己不想開車、避免雇傭?qū)Ｂ毸緳C，又或滿足彰顯社會地位或追求駕駛樂趣的需求。不過我們認為，對于該部分群體，更實際的方式是直接打一輛Robotaxi。而若是為彰顯身份或追求駕駛樂趣，一輛高性能跑車（如法拉利）或許才是其更合適的選擇。當然，AI在提升乘用車安全性方面依然具備明確價值。但在現(xiàn)階段，駕駛員仍需保持對車輛的控制，即“手在盤上、目視前方”，并對乘客安全負有最終責任。在這一前提下，配備L2/L2++（ADAS）系統(tǒng)已足以在關鍵場景中提供必要的輔助和預警。反過來，如果車企計劃運營Robotaxi車隊，情況則完全不同。在這一模式下，我們認為車企必須具備L4自動駕駛能力，并需構建涵蓋低成本車型、自研L4技術與出行平臺的完整生態(tài)體系。例如，Robotaxi運營商小馬智行擁有完整的生態(tài)體系：不僅自研L4技術，還與高德、騰訊微信合作獲得流量入口，與北汽、廣汽等車企聯(lián)合開發(fā)具備成本優(yōu)勢的車型。問題六：車企是否具備實現(xiàn)L4的能力？答：在特定條件滿足的前提下，具備可能性。車企若希望從L2（ADAS）邁向L4，這并非一個漸進式技術升級，而是一場涉及架構重塑與組織體系再造的深層次轉型，涵蓋技術路線、安全機制、測試驗證體系及合規(guī)要求等多個維度。L2與L4在數(shù)據(jù)獲取方式、傳感器組合、感知策略、模型訓練方法及責任劃分等方面也存在本質(zhì)差異。許多車企傾向于強調(diào)其擁有龐大的車端（行車）數(shù)據(jù)，認為“數(shù)據(jù)越多、模型越強”。但我們認為，數(shù)據(jù)的質(zhì)量遠比數(shù)量更為關鍵。例如，一位司機在同一路線持續(xù)通勤十年，盡管積累了大量駕駛數(shù)據(jù)，但場景高度重復，難以涵蓋那些極少發(fā)生卻至關重要的“長尾場景”（CornerCases如前方卡車貨物掉落等。而我們認為，缺乏此類多樣性且復雜的訓練數(shù)據(jù)，將難以支撐L4系統(tǒng)在極端場景下的安全表現(xiàn)。我們認為，目前更應核心關注如何跨越從L2到L4的技術鴻溝，以及能否在可接受的時間窗口內(nèi)完成這一轉型。目前一些觀點認為，諸如DeepSeek等新一代模型在工程上的突破有望顯著提升訓練效率。然而，我們必須指出，DeepSeek一定程度上乃是智能助手，其偶發(fā)性“幻覺”在此類應用中不會導致嚴重后果；反過來，自動駕駛則屬于安全關鍵型任務，對系統(tǒng)穩(wěn)定性、可靠性和容錯能力的要求遠高于智能助手。因此，L4系統(tǒng)必須實現(xiàn)“零失誤”的運行表現(xiàn)，因為在關鍵場景下已無人類駕駛員接管。從這一角度來看，我們認為，目前的“DeepSeek式”降本增效訓練路徑（通過較低浮點精度、稀疏專家模MoE及MLA算法等來降低算力與內(nèi)存需求）或尚不足以支撐L4所需的安全性與魯棒性。簡而言之，L2向L4的追趕，或不會像市場樂觀預期中那樣迅速。我們認為，各公司自動駕駛技術的客觀橫向?qū)Ρ容^為困難，因此需參考關鍵運營數(shù)據(jù)。我們建議通過一個統(tǒng)一的測試機制，即在實際道路運行中，無安全員介入的前提下完成10萬公里的實地運行，對其事故率進行統(tǒng)計，觀察百度、小馬智行、文遠知行、Waymo、小鵬、小米、比亞迪、理想等廠商的“自動駕駛”運營表現(xiàn)，以此作為衡量其是否真正具備L4能力的最可靠標準。此外，L4系統(tǒng)必須具備“故障可運行”（Fail-operational）的能力，即在例如無需人工干預能安全地靠邊停車。同時，強有力的網(wǎng)絡安全防護措施也至關重要，以防止系統(tǒng)遭受惡意攻擊或未經(jīng)授權的訪問。最后，責任歸屬問題也不容忽視。在L3以下級別，駕駛員需對行車安全承擔全部責任；而一旦進入L3及以上，責任主體則轉移至系統(tǒng)運營方或車企。資料來源：公司公告、小馬智行招股說明書、華泰研究資料來源：特斯拉官網(wǎng)、微博、智駕社、電車匯、AI汽車人公眾號、華泰研究免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。資料來源：各公司官網(wǎng)、小馬智行/文遠知行招股說明書、艾瑞咨詢、量子位、智駕網(wǎng)、IT之家、高工智能汽車、智能車參考公眾號、汽車商業(yè)評論公眾號、華泰研究問題七：為何Robotaxi至今仍主要局限在少數(shù)區(qū)域運營？關鍵阻礙是什么？答：問題的核心不在技術，而是回報率（ROI）的考量一種常見的觀點認為，搭載ADAS系統(tǒng)的乘用車能在復雜城市道路中行駛，而Robotaxi則僅在低密度區(qū)域或輕交通的固定線路內(nèi)運營。我們認為這一說法存在誤解。Robotaxi選擇特定區(qū)域和線路，主要是出于投資回報率（ROI）最大化的商業(yè)考量，而非技術能力受限。以小馬智行為例，其在廣州已實現(xiàn)從市中心至廣州南站和白云機場的Robotaxi服務，覆蓋了城市道路與高速場景，充分證明其具備復雜情況下的運行能力。在北京，小馬智行也已實現(xiàn)亦莊至北京南站、大興機場等高需求路線的Robotaxi運營。在深圳，其Robotaxi業(yè)務覆蓋南山、前海、寶安等核心城區(qū)。而Waymo在舊金山的運營范圍也相當廣泛，并已擴展至奧斯汀、洛杉磯、硅谷等多個美國城市，甚至開始在以交通復雜著稱的東京進行測試。需要強調(diào)的是，當前車企展示的輔助駕駛功能仍有駕駛員坐在方向盤后，需“手在盤上，目視前方”，與Robotaxi的無人駕駛并不在同一層級，兩者在安全冗余和系統(tǒng)自主性上的能力不可等視。Robotaxi聚焦特定區(qū)域部署，更多是基于商業(yè)化效率與資源優(yōu)化的戰(zhàn)略選擇，而非技術能力的妥協(xié)。其選定的運營區(qū)域，往往是ROI最高、回報最具確定性的地段。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。資料來源：各公司官網(wǎng)、各公司打車平臺（以APP實際運行區(qū)域為準）、華泰研究問題八：Robotaxi是否有足夠的市場需求，能支撐其長期商業(yè)模式？答：我們認為答案是肯定的，核心在于人口和家庭結構的變化。我們正見證人口和家庭結構的深刻轉變，這一趨勢在西方國家已較為成熟，在中國亦日益顯現(xiàn)。傳統(tǒng)上，中國文化更傾向于多代同堂的大家庭結構，周末出行一般會包括父母、祖父母、兩個孩子及一位家政人員。這類出行偏好讓大型乘用車（如理想的SUV）大行其道。但年輕一代日益重視自主生活方式，或讓未來中國將逐步走向小家庭的模式，從而降低對私家車的需求。我們認為，這一結構性變化正是推動網(wǎng)約車需求增長之一，且Robotaxi有望精準填補這一空缺。年輕一代對新技術接受度更高，天然具備擁抱Robotaxi的基礎，更傾向于將其視為便捷、高效的出行解決方案。問題九：Robotaxi會否完全取代人類司機，還是將長期并存？答：我們認為，Robotaxi的核心價值在于緩解勞動力短缺，并在一定程度上彌補人類司機缺口，而非完全替代。需要明確的是，Robotaxi的目標并非完全取代人類出租車司機，而是為應對交通運輸行業(yè)日益加劇的勞動力短缺問題提供解決方案。隨著大量出租車司機逐步老齡化并退出市場，年輕一代對該職業(yè)的興趣普遍下降，Robotaxi可作為有效彌補。此外，Robotaxi亦有望逐步取代非法或無牌運營的“黑車”司機，推動出行服務更加規(guī)范與可靠。展望未來，我們認為以小馬智行為代表的企業(yè)預計在2030年之前可將Robotaxi車隊滲透率提升至10%以上，體現(xiàn)出其在保障運力、完善出行生態(tài)方面的戰(zhàn)略部署，以及對市場需求變化的積極響問題十：誰將在這場自動駕駛競賽中最終勝出？答：我們認為，技術提供商>出行平臺>車企。在全球視角下的競爭格局中，技術優(yōu)勢主導，但生態(tài)整合能力將決定終局勝負。長期勝出的關鍵在于，誰能率先打通全棧技術能力、穩(wěn)定流量入口與低成本量產(chǎn)車三者之間的壁壘，實現(xiàn)真正可持續(xù)的商業(yè)閉環(huán)與規(guī)?；窂健Ｃ庳熉暶骱团兑约胺治鰩熉暶魇菆蟾娴囊徊糠?，請務必一起閱讀。目前在全球范圍內(nèi)，Waymo（Google）在Robotaxi領域占據(jù)主導地位，而特斯拉（Tesla）則有望成為下一位重要玩家。在中國市場，我們觀察到四類主要競爭者：1）自動駕駛技術提供商（如小馬智行、文遠知行2）成熟的出行平臺（如百度、滴滴3）車企（如小鵬、小米4）其他潛在入局者。我們認為，構建涵蓋“L4核心技術+出行平臺+低成本量產(chǎn)車型”的完整生態(tài)系統(tǒng)，是贏得市場的關鍵前提。目前車企普遍已具備L2能力，但仍需加速突破L4技術。車企優(yōu)勢在于掌握整車制造能力，部分如小米、特斯拉還控制有自有出行平臺。Waymo：具備強大的自研L4能力與自營出行平臺優(yōu)勢，但其硬件成本較高，仍使用價格昂貴的機械旋轉式激光雷達（單價達數(shù)萬美元）。雖然低成本車型合作伙伴相對易找，但其整體系統(tǒng)BOM成本仍為大規(guī)模商業(yè)化的制約因素。小馬智行：擁有自研L4系統(tǒng)，并采用成本更低的車規(guī)級傳感器與芯片，且已與高德、騰訊微信等平臺合作獲得流量入口，同時聯(lián)合廣汽、北汽等車企獲取量產(chǎn)車型資源，具備完整的生態(tài)閉環(huán)能力。文遠知行：正在復制類似小馬的生態(tài)路徑。百度：兼具技術與平臺，類似于Waymo/Google模式。但在用戶體驗方面，部分用戶更傾向于小馬智行與文遠知行的駕駛風格。滴滴：擁有中國最大出行平臺，并已啟動L4研發(fā)，且同時與多家車企建立合作，補齊整車資源。特斯拉：計劃2025年6月在奧斯汀推出其Robotaxi，采用ModelY作為基礎平臺。我們認為，作為車企，特斯拉具備強大且穩(wěn)定的量產(chǎn)能力，且可依托自有品牌和影響力打造出行平臺。在路測數(shù)據(jù)、技術人才及算力資源方面，特斯拉也具備明顯優(yōu)勢。然而，其堅持采用純視覺技術路線，在應對復雜場景與高階算法處理時，可能面臨缺乏3D深度信息與高質(zhì)量結構化數(shù)據(jù)支撐的挑戰(zhàn)。此外，Waymo、小馬等技術服務商通過仿真系統(tǒng)和強化學習，處理“長尾場景”能力更強，有望能做到超越人類司機的駕駛能力。資料來源：各公司官網(wǎng)、智能車聯(lián)公眾號、華泰研究免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。重點推薦：小馬智行成本優(yōu)化與生態(tài)聯(lián)動驅(qū)動Robotaxi商業(yè)化加速我們重點推薦小馬智行，長期看好公司在自動駕駛商用車領域脫穎而出，且有望26/29年實現(xiàn)單車/公司盈利，核心在于：1）平臺硬件成本大幅下降，量產(chǎn)運營在即。公司與豐田、北汽、廣汽聯(lián)合于4月上海車展發(fā)布第七代Robotaxi平臺，采用100%車規(guī)級硬件，BOM成本下降約70%，計劃2H25正式落地，且車企量產(chǎn)節(jié)奏逐步推進。2）規(guī)?；\營初見成效。1Q25公司Robotaxi服務收入同比增長200%，一線城市的公眾付費運營收入同比增長超800%。年底Robotaxi車隊規(guī)模有望達千臺。3）生態(tài)聯(lián)動持續(xù)拓展，商業(yè)化步入加速期：公司4月打通微信“出行服務”入口與騰訊地圖，潛在觸達13億+用戶；3月開始在北京南站、大興機場、亦莊樞紐等核心節(jié)點提供付費Robotaxi服務，商業(yè)閉環(huán)初步跑通。4）國際化戰(zhàn)略同步展開：公司5月與Uber達成戰(zhàn)略合作，推動Robotaxi年內(nèi)中東市場落地。我們認為公司技術路徑明確，采用“模擬仿真+強化學習”策略打造L4自動駕駛系統(tǒng)，區(qū)別于比亞迪、蔚小理、特斯拉等以“模仿學習+L2輔助駕駛”為主的路徑，在安全性與冗余性方面具備長期競爭力。此外，管理層延長鎖定期，進一步增強投資者信心，顯示團隊對公司中長期發(fā)展持堅定預期。資料來源：公司公告、小馬智行招股說明書、華泰研究免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。資料來源：各公司官網(wǎng)、小馬智行和文遠知行招股說明書、艾瑞咨詢、量子位、環(huán)球網(wǎng)、智駕網(wǎng)、IT之家、高工智能汽車、智能車參考公眾號、華泰研究免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。資料來源：各公司官網(wǎng)、智能車聯(lián)、無人車來也公眾號、華泰研究免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。資料來源：各公司官網(wǎng)、智能車聯(lián)、無人車來也公眾號、華泰研究免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。最新收盤價市值(百萬)EPS(元)PE(倍)股票名稱股票代碼投資評級(當?shù)貛欧N)(當?shù)貛欧N)(當?shù)貛欧N)20242025E2026E2027E20242025E2026E2027E小馬智行PONYUS買入12.4521.004,423-0.79-0.55-0.58-0.51-15.85-22.45-21.62-24.35資料來源：Bloomberg，華泰研究預測最新觀點小馬智行公布最新觀點小馬智行公布25Q1業(yè)績：總營收1398萬美元，同比+12%；毛利潤232萬美元，毛利率達16.6%，同比-4.4pcts；Non-GAAP凈虧損為2837萬美元，對比24Q1凈虧損為2566萬美元。業(yè)績當天收盤股價漲約6%，主要系：1）Robotaxi服務收入同比+200%，一線城市面向公眾的收費運營收入同比+800%，規(guī)?；\營已初見成效；2）年底Robotaxi車隊規(guī)?；?qū)⑦_千臺，或因車企出貨節(jié)奏加快；3）此前于5/14管理層已宣布延長股份鎖定期。公司選擇模擬仿真+強化學習打造L4無人駕駛系統(tǒng)，與比亞迪/蔚小理/特斯拉等車企定位模仿學習和L2輔助駕駛存在根本差異。重申“買入”。我們預測小馬26/29年實現(xiàn)單車/公司盈利，長期看好公司在自動駕駛商用車領域脫穎而出。我們下調(diào)25/26/27E營收0.2%/43.9%/38.1%至0.81/1.15/3.24億美元，主系短期Robotaxi擴張戰(zhàn)略以自有車隊為主，授權三方車隊運營規(guī)模放量或需待27年及之后?；?5E可比公司EV/Sales均值3.65x，我們認為小馬為Robotaxi和物理AI商業(yè)落地重要標的，維持估值溢價約20%，對應DCF退出倍數(shù)4.4xEV/Sales，目標價維持21美元。風險提示：財務風險、市場競爭加劇、監(jiān)管挑戰(zhàn)、技術落地能力不足。報告發(fā)布日期：2025年05月21日點擊下載全文：小馬智行(PONYUS,買入):Robotaxi規(guī)模商業(yè)化初見成效小馬智行(PONYUS)資料來源：小馬智行(PONYUS)風險提示市場競爭風險：在Robotaxi業(yè)務領域，市場競爭日趨激烈。行業(yè)中小馬智行、文遠知行、百度ApolloGo、Waymo、特斯拉等新興企業(yè)和行業(yè)巨頭將產(chǎn)生直接競爭。監(jiān)管挑戰(zhàn)風險：自動駕駛出行和貨運服務的法律法規(guī)目前尚未完善，Robotaxi在全球范圍內(nèi)的業(yè)務布局因此面臨來自中外多地的監(jiān)管挑戰(zhàn)。技術落地能力不足：自動駕駛技術的發(fā)展依賴于硬件、軟件、計算能力等方面的技術進步及其整合效果。隨著自動駕駛向更高自動化水平發(fā)展，將對小馬智行的長期研發(fā)能力提出新的挑戰(zhàn)。本研報中涉及到未上市公司或未覆蓋個股內(nèi)容，均系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。分析師聲明本人，何翩翩，茲證明本報告所表達的觀點準確地反映了分析師對標的證券或發(fā)行人的個人意見；彼以往、現(xiàn)在或未來并無就其研究報告所提供的具體建議或所表迖的意見直接或間接收取任何報酬。一般聲明及披露本報告由華泰證券股份有限公司（已具備中國證監(jiān)會批準的證券投資咨詢業(yè)務資格，以下簡稱“本公司”）制作。本報告所載資料是僅供接收人的嚴格保密資料。本報告僅供本公司及其客戶和其關聯(lián)機構使用。本公司不因接收人收到本報告而視其為客戶。本報告基于本公司認為可靠的、已公開的信息編制，但本公司及其關聯(lián)機構(以下統(tǒng)稱為“華泰”)對該等信息的準確性及完整性不作任何保證。本報告所載的意見、評估及預測僅反映報告發(fā)布當日的觀點和判斷。在不同時期，華泰可能會發(fā)出與本報告所載意見、評估及預測不一致的研究報告。同時，本報告所指的證券或投資標的的價格、價值及投資收入可能會波動。以往表現(xiàn)并不能指引未來，未來回報并不能得到保證，并存在損失本金的可能。華泰不保證本報告所含信息保持在最新狀態(tài)。華泰對本報告所含信息可在不發(fā)出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司不是FINRA的注冊會員，其研究分析師亦沒有注冊為FINRA的研究分析師/不具有FINRA分析師的注冊資華泰力求報告內(nèi)容客觀、公正，但本報告所載的觀點、結論和建議僅供參考，不構成購買或出售所述證券的要約或招攬。該等觀點、建議并未考慮到個別投資者的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對客戶私人投資建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內(nèi)容，不應視本報告為做出投資決策的唯一因素。對依據(jù)或者使用本報告所造成的一切后果，華泰及作者均不承擔任何法律責任。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。除非另行說明，本報告中所引用的關于業(yè)績的數(shù)據(jù)代表過往表現(xiàn)，過往的業(yè)績表現(xiàn)不應作為日后回報的預示。華泰不承諾也不保證任何預示的回報會得以實現(xiàn)，分析中所做的預測可能是基于相應的假設，任何假設的變化可能會顯著影響所預測的回報。華泰及作者在自身所知情的范圍內(nèi)，與本報告所指的證券或投資標的不存在法律禁止的利害關系。在法律許可的情況下，華泰可能會持有報告中提到的公司所發(fā)行的證券頭寸并進行交易，為該公司提供投資銀行、財務顧問或者金融產(chǎn)品等相關服務或向該公司招攬業(yè)務。華泰的銷售人員、交易人員或其他專業(yè)人士可能會依據(jù)不同假設和標準、采用不同的分析方法而口頭或書面發(fā)表與本報告意見及建議不一致的市場評論和/或交易觀點。華泰沒有將此意見及建議向報告所有接收者進行更新的義務。華泰的資產(chǎn)管理部門、自營部門以及其他投資業(yè)務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。投資者應當考慮到華泰及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突。投資者請勿將本報告視為投資或其他決定的唯一信賴依據(jù)。有關該方面的具體披露請參照本報告尾部。本報告并非意圖發(fā)送、發(fā)布給在當?shù)胤苫虮O(jiān)管規(guī)則下不允許向其發(fā)送、發(fā)布的機構或人員，也并非意圖發(fā)送、發(fā)布給因可得到、使用本報告的行為而使華泰違反或受制于當?shù)胤苫虮O(jiān)管規(guī)則的機構或人員。本報告版權僅為本公司所有。未經(jīng)本公司書面許可，任何機構或個人不得以翻版、復制、發(fā)表、引用或再次分發(fā)他人(無論整份或部分)等任何形式侵犯本公司版權。如征得本公司同意進行引用、刊發(fā)的，需在允許的范圍內(nèi)使用，并需在使用前獲取獨立的法律意見，以確定該引用、刊發(fā)符合當?shù)剡m用法規(guī)的要求，同時注明出處為“華泰證券研究所”，且不得對本報告進行任何有悖原意的引用、刪節(jié)和修改。本公司保留追究相關責任的權利。所有本報告中使用的商標、服務標記及標記均為本公司的商標、服務標記及標記。中國香港本報告由華泰證券股份有限公司制作,在香港由華泰金融控股（香港）有限公司向符合《證券及期貨條例》及其附屬法律規(guī)定的機構投資者和專業(yè)投資者的客戶進行分發(fā)。華泰金融控股（香港）有限公司受香港證券及期貨事務監(jiān)察委員會監(jiān)管，是華泰國際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。在香港獲得本報告的人員若有任何有關本報告的問題,請與華泰金融控股（香港）有限公司聯(lián)系。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。香港-重要監(jiān)管披露?華泰金融控股（香港）有限公司的雇員或其關聯(lián)人士沒有擔任本報告中提及的公司或發(fā)行人的高級人員。?有關重要的披露信息，請參華泰金融控股（香港）有限公司的網(wǎng)頁.hk/stock_disclosure其他信息請參見下方“美國-重要監(jiān)管披露”。在美國本報告由華泰證券（美國）有限公司向符合美國監(jiān)管規(guī)定的機構投資者進行發(fā)表與分發(fā)。華泰證券（美國）有限公司是美國注冊經(jīng)紀商和美國金融業(yè)監(jiān)管局（FINRA）的注冊會員。對于其在美國分發(fā)的研究報告，華泰證券（美國）有限公司根據(jù)《1934年證券交易法》（修訂版）第15a-6條規(guī)定以及美國證券交易委員會人員解釋，對本研究報告內(nèi)容負責。華泰證券（美國）有限公司聯(lián)營公司的分析師不具有美國金融監(jiān)管（FINRA）分析師的注冊資格，可能不屬于華泰證券（美國）有限公司的關聯(lián)人員，因此可能不受FINRA關于分析師與標的公司溝通、公開露面和所持