2025 STRATEGY
編者按：AI加速汽車產業(yè)的智能化變革，催生了未來市場空間巨大的新業(yè)態(tài)。2024年，智能駕駛滲透率快速提升，汽車的駕駛體驗將通過高階智駕等功能進一步拉開差距，于挑戰(zhàn)者，這是關鍵的破局良機，于存量玩家，這是重要的守擂之戰(zhàn)，汽車的智能化變革將為產業(yè)帶來哪些機遇？以下是朱雀基金先進制造組在本年度策略會上的最新分享。
AI為汽車行業(yè)催生了三個遞進式的成長性業(yè)態(tài)，分別是高階智駕、無人駕駛和具身智能。
第一階段是乘用車的高階智駕。在這個階段，產品主體是汽車，智能化的意義在于提升單車價值量，催生國產豪車品牌。在2020年，30萬以上的價格帶合資品牌市場份額較多。到了2024年9月，國內自主品牌在這個價格帶的滲透率接近40%。
圖：自主品牌豪車市場市占率
數(shù)據(jù)來源：中汽協(xié)。統(tǒng)計時間短，觀點具有時效性，僅供分析參考，不構成對產品業(yè)績的保證，也不構成任何投資建議或承諾。
第二階段是無人駕駛。在這個階段，智能化被定性為產品主體，客戶愿意為智能化的產品付費。
大模型提升了智能化水平的上限，根據(jù)scaling law定律，參數(shù)、數(shù)據(jù)集以及訓練量三者需要同步擴張，才能使模型達到較優(yōu)效果，這也意味著多維度需求會鑄就高門檻，缺少任意維度能力的參與者或難以跟隨技術發(fā)展的步伐。大模型的應用有望推動產業(yè)格局集中。
第三階段是具身智能。在這個階段，智能化的意義是將虛擬的AI賦能于更通用的物理世界載體，輻射更多應用場景。智能汽車相關軟件算法能力、供應鏈復用性奠定了產業(yè)基礎。
汽車的控制相對簡單，駕駛汽車主要控制左右轉向和加減速。但在具身智能的應用中，肩部關節(jié)的自由度以及行走姿勢的控制難度更大，要求同時具備“大腦”和“小腦”的能力。
目前智能汽車的算法迭代在不斷完善“大腦”的能力，后續(xù)主要提升“小腦”的能力。海外頭部車企發(fā)展具身智能時，包括關節(jié)在內的多數(shù)供應鏈基本復用了汽車產業(yè)中供應鏈公司，所以在算法和供應鏈復用兩方面的能力加持下，汽車產業(yè)走向具身智能更加順理成章。
智能化打開行業(yè)天花板
行業(yè)滲透率提升空間較大
以上三個發(fā)展趨勢能為行業(yè)帶來多少空間？
高階智駕階段，發(fā)展邏輯和電動化相似。從2015年開始，汽車銷售總量始終在2500~3000萬臺區(qū)間，考慮現(xiàn)在高階智駕的滲透率仍然處于低位區(qū)間，未來或有較大的提升空間。
無人駕駛階段，市場分為經(jīng)營和運力替代兩部分，參考交通運輸部數(shù)據(jù)，結合15-20萬的無人駕駛出租車單價測算，運力替代市場空間非常大，市場運營空間廣闊。
具身智能階段，在大模型泛化能力的加持下，通用人工智能通過垂類數(shù)據(jù)的訓練后能在千行百業(yè)中應用，包括但不限于工業(yè)制造、航空航天、交通物流、家庭場景的勞動力替代。結合2萬美元的單機價值量測算，終局市場空間潛力非常大。
從智能化滲透率、人車權責劃分及用戶消費意愿等要素看，目前汽車行業(yè)仍處在第一階段。
首先是權責。當前駕駛員仍然是交通第一責任人，這代表智能汽車的主體依然是人，輔助駕駛依然只是整車產品功能賣點。
權責劃定需要法規(guī)配合，在落地前參考車企MPI指標（平均接管里程，每行駛一定里程后需要人工接管的次數(shù)）。參考馬斯克觀點，當智駕每行駛580萬公里發(fā)生1起事故（接管）的時候，智駕能力將超過人駕。國內車企在30公里內接管次數(shù)大約是0~4次。所以人駕與智駕、不同車企間的智能化駕駛能力有明顯差異。
其次，目前城區(qū)NOA（城區(qū)領航輔助駕駛）的滲透率大約為6%，高速NOA滲透率為15%，參考新能源車的滲透率邏輯，智駕的空間較大。
圖：智駕滲透率
數(shù)據(jù)來源：懂車帝，交強險數(shù)據(jù)。統(tǒng)計時間短，觀點具有時效性，僅供分析參考，不構成對產品業(yè)績的保證，也不構成任何投資建議或承諾。
圖：分價格帶滲透率
數(shù)據(jù)來源：懂車帝，交強險數(shù)據(jù)；統(tǒng)計時間短，觀點具有時效性，僅供分析參考，不構成對產品業(yè)績的保證，也不構成任何投資建議或承諾。
此外，從用戶的購買意愿來看，目前售價20萬以下的車型中智駕滲透率相對較低。20萬以下乘用車的購車主體，對價格敏感度較高，智能化并不成為其愿意支付更高溢價的理由。但20萬以上的車型，智駕滲透率已經(jīng)相對較高。
布局整車，把握成長性兼顧周期性
落地到布局上，在行業(yè)的第一階段我們兼顧成長性和周期性。
成長性層面，圍繞算法、算力、數(shù)據(jù)三要素篩選具備成長性的整車標的。
首先，優(yōu)秀的算法架構需要強大的泛化性和數(shù)據(jù)工程化能力。
泛化性能力層面，人為的代碼編寫，很難窮盡所有的場景。舉個例子，在開車的過程中可能會突然遇到被壓扁的雪糕筒，如果程序員在編寫代碼的時候沒有把相應場景寫入算法，算法可能就會失效。
為了解決長尾小概率事件，需要引入神經(jīng)網(wǎng)絡大模型。scaling law的核心結論之一，是當模型參數(shù)擴張到一定程度時，大模型的準確率會有跨越式的增長?？梢院唵卫斫鉃椋瑢⒋竽Ｐ捅扔鳛槿四X，當模型參數(shù)達到一定的數(shù)量級，會產生頓悟能力，能夠舉一反三。
圖：大模型的涌現(xiàn)能力
數(shù)據(jù)來源：Scaling Laws for Neural Language Models。統(tǒng)計時間短，觀點具有時效性，僅供分析參考，不構成對產品業(yè)績的保證，也不構成任何投資建議或承諾。
同時，智駕通過數(shù)據(jù)輸入、感知、規(guī)劃、控制等各個環(huán)節(jié)去做出反饋，所有環(huán)節(jié)通過大模型實現(xiàn)，可以排除小模型串聯(lián)中產生的人為因素。
大模型需要大量的數(shù)據(jù)集數(shù)據(jù)進行訓練，因此對車企的數(shù)據(jù)工程化能力也提出了要求。車輛在路上行駛時間長，采集的數(shù)據(jù)量大，但給大模型投喂數(shù)據(jù)之前，需要優(yōu)先做數(shù)據(jù)處理，如果全部靠人力去執(zhí)行，效率將大幅降低，非常考驗公司的數(shù)據(jù)工程化能力。
基于以上兩點，我們對車企的算法架構做了排序，當前的行業(yè)參與者可以分為四梯隊，包括1）端到端模型；2）感知、規(guī)控使用神經(jīng)網(wǎng)絡；3）感知環(huán)節(jié)神經(jīng)網(wǎng)絡；4）純規(guī)則模型。
目前海外以及國內的頭部車企，已經(jīng)能夠做到端到端的模型。而智能化相對積極的自主車企，基本可以做到感知、規(guī)控使用神經(jīng)網(wǎng)絡或單一感知環(huán)節(jié)使用神經(jīng)網(wǎng)絡模型。合資則是相對傳統(tǒng)的企業(yè)，依然是純規(guī)則模型。
展望未來，車企會持續(xù)增加模型的理解能力。舉個例子，道路上的兩輪電動車可能不會按照交通規(guī)則駕駛，因此，需要依靠常識去判斷它的路徑，通過引入通用性、理解能力更強的語言大模型，對算法起到更好的加持作用。
目前，各個車企的迭代路徑并不一致，海外頭部車企可能將xAI的Grok大模型和端到端大模型相結合，國內部分車企可能推出雙系統(tǒng)或者世界模型，但最終目的是去提升模型的通用性和理解能力。
數(shù)據(jù)方面，則與可采集數(shù)據(jù)的整車保有量強相關。從2021年開始，F(xiàn)SD的累計里程就在不斷增長，隨著品牌保有量和FSD滲透率的提升，累計數(shù)據(jù)量的增長斜率也變得更為陡峭。大模型的優(yōu)勢在于高上限，而數(shù)據(jù)量積累不足的情況下表現(xiàn)可能不如人為規(guī)則模型。
參考近期馬斯克的采訪，訓練數(shù)據(jù)量級達到100萬clips，模型勉強及格，達到300萬clips，模型可以達到商用水平，達到1000萬clips，模型表現(xiàn)亮眼。目前國內頭部車企的訓練數(shù)據(jù)量級大約在百萬萬clips。
算力方面，訓練數(shù)據(jù)量和模型參數(shù)的增加將推動計算需求的增長，進而帶來算力需求的擴張。算力與資本開支強相關，較為核心的是車企的現(xiàn)金流，只有足夠的現(xiàn)金流才能支撐未來算力的資本開支。以海外頭部車企為例，2024年公司全年的資本開支規(guī)劃大約是110億美元，多數(shù)聚焦在訓練集群。
圖：海外頭部車企的訓練算力
數(shù)據(jù)來源：公司官網(wǎng)。統(tǒng)計時間短，觀點具有時效性，僅供分析參考，不構成對產品業(yè)績的保證，也不構成任何投資建議或承諾。
綜上，我們認為算法架構，銷量以及現(xiàn)金流是選擇標的成長性的核心指標。
目前行業(yè)仍處于高階智駕階段，“賣車”仍是主體，“價格戰(zhàn)”難以避免，成長性之外還要兼顧周期性。
不過，即使有價格戰(zhàn)的存在，國內乘用車的單車售價也存在上移的趨勢。2019年國內乘用車平均售價為15.1萬元，2024年均價則上升至18.2萬元。結構上看，增程是抬高平均售價的主要動力，主流增程車品牌的高溢價主要來自于智能化能力和突破傳統(tǒng)的空間內飾設計。
展望2025年，智駕向15-20萬價格帶下沉的趨勢，結合車企間的學習借鑒，價格戰(zhàn)可能持續(xù)，但不必悲觀，車企重資產屬性會對沖部分以價換量的影響，邊際增量明顯的車企影響有限。
整車行業(yè)的特點是SKU少、規(guī)模效應明顯、新車開發(fā)周期長且投入大，以上要素決定了每一年車企的產品周期和今年表現(xiàn)強掛鉤。無論每年汽車行業(yè)的需求如何變化，市場中總有會有公司能產生不錯的相對收益。所以，不要對價格戰(zhàn)的影響過于悲觀，整車的周期性特征使得行業(yè)每年都或存在結構性的機會。我們會聚焦成長性標的并結合產品周期判斷。
圖：全市場乘用車標的年化相對收益
數(shù)據(jù)來源：Wind，朱雀基金整理。統(tǒng)計時間短，觀點具有時效性，僅供分析參考，不構成對產品業(yè)績的保證，也不構成任何投資建議或承諾。
從“分散”走向“聚焦”
關注汽零的三個方向
除了整車，零部件也不可以忽略。我們從“0到1”的階段開始布局智能駕駛，跟隨數(shù)據(jù)流去尋找乘用車產業(yè)鏈有哪些增量。隨著智能化產業(yè)趨勢和技術路徑越來越清晰，產業(yè)走向“從1-10的階段”，布局主線也會從“分散”走向“聚焦”。零部件方面，我們認為有三個方向值得關注。
一是SOC芯片。芯片是整車的大腦，目前芯片被海外頭部芯片公司壟斷，我們要尋找國產自主替代的機會。
二是底盤控制。智能駕駛的發(fā)展過程中，傳統(tǒng)機械傳動的反饋時間很難滿足智駕的要求，從機械走向線控，帶來零部件新的滲透率變革。
三是尋找具身智能復用零部件。具身智能是智能汽車產業(yè)的終局表現(xiàn)形式，而傳感器及關節(jié)等可復用的零部件將給企業(yè)帶來先發(fā)優(yōu)勢。
注：本文件非基金宣傳推介材料，僅作為本公司旗下基金的客戶服務事項之一。
本文件所提供之任何信息僅供閱讀者參考，既不構成未來本公司管理之基金進行投資決策之必然依據(jù)，亦不構成對閱讀者或投資者的任何實質性投資建議或承諾。本公司并不保證本文件所載文字及數(shù)據(jù)的準確性及完整性，也不對因此導致的任何第三方投資后果承擔法律責任?；鹩酗L險，投資需謹慎。
本文所載的意見僅為本文出具日的觀點和判斷，在不同時期，朱雀基金可能會發(fā)出與本文所載不一致的意見。本文未經(jīng)朱雀基金書面許可任何機構和個人不得以任何形式轉發(fā)、翻版、復制、刊登、發(fā)表或引用。