展望2025|车轮上的AI：智能化浪潮下的机遇
2025STRATEGY
AI为汽车行业催生了三个递进式的成长性业态，分别是高阶智驾、无人驾驶和具身智能。
第一阶段是乘用车的高阶智驾。在这个阶段，产品主体是汽车，智能化的意义在于提升单车价值量，催生国产豪车品牌。在2020年，30万以上的价格带合资品牌市场份额较多。到了2024年9月，国内自主品牌在这个价格带的渗透率接近40%。
图：自主品牌豪车市场市占率
第二阶段是无人驾驶。在这个阶段，智能化被定性为产品主体，客户愿意为智能化的产品付费。
大模型提升了智能化水平的上限，根据scalinglaw定律，参数、数据集以及训练量三者需要同步扩张，才能使模型达到较优效果，这也意味着多维度需求会铸就高门槛，缺少任意维度能力的参与者或难以跟随技术发展的步伐。大模型的应用有望推动产业格局集中。
汽车的控制相对简单，驾驶汽车主要控制左右转向和加减速。但在具身智能的应用中，肩部关节的自由度以及行走姿势的控制难度更大，要求同时具备“大脑”和“小脑”的能力。
目前智能汽车的算法迭代在不断完善“大脑”的能力，后续主要提升“小脑”的能力。海外头部车企发展具身智能时，包括关节在内的多数供应链基本复用了汽车产业中供应链公司，所以在算法和供应链复用两方面的能力加持下，汽车产业走向具身智能更加顺理成章。
智能化打开行业天花板
行业渗透率提升空间较大
以上三个发展趋势能为行业带来多少空间？
高阶智驾阶段，发展逻辑和电动化相似。从2015年开始，汽车销售总量始终在2500~3000万台区间，考虑现在高阶智驾的渗透率仍然处于低位区间，未来或有较大的提升空间。
无人驾驶阶段，市场分为经营和运力替代两部分，参考交通运输部数据，结合15-20万的无人驾驶出租车单价测算，运力替代市场空间非常大，市场运营空间广阔。
具身智能阶段，在大模型泛化能力的加持下，通用人工智能通过垂类数据的训练后能在千行百业中应用，包括但不限于工业制造、航空航天、交通物流、家庭场景的劳动力替代。结合2万美元的单机价值量测算，终局市场空间潜力非常大。
从智能化渗透率、人车权责划分及用户消费意愿等要素看，目前汽车行业仍处在第一阶段。
首先是权责。当前驾驶员仍然是交通第一责任人，这代表智能汽车的主体依然是人，辅助驾驶依然只是整车产品功能卖点。
权责划定需要法规配合，在落地前参考车企MPI指标（平均接管里程，每行驶一定里程后需要人工接管的次数）。参考马斯克观点，当智驾每行驶580万公里发生1起事故（接管）的时候，智驾能力将超过人驾。国内车企在30公里内接管次数大约是0~4次。所以人驾与智驾、不同车企间的智能化驾驶能力有明显差异。
其次，目前城区NOA（城区领航辅助驾驶）的渗透率大约为6%，高速NOA渗透率为15%，参考新能源车的渗透率逻辑，智驾的空间较大。
图：智驾渗透率
图：分价格带渗透率
此外，从用户的购买意愿来看，目前售价20万以下的车型中智驾渗透率相对较低。20万以下乘用车的购车主体，对价格敏感度较高，智能化并不成为其愿意支付更高溢价的理由。但20万以上的车型，智驾渗透率已经相对较高。
布局整车，把握成长性兼顾周期性
落地到布局上，在行业的第一阶段我们兼顾成长性和周期性。
成长性层面，围绕算法、算力、数据三要素筛选具备成长性的整车标的。
首先，优秀的算法架构需要强大的泛化性和数据工程化能力。
泛化性能力层面，人为的代码编写，很难穷尽所有的场景。举个例子，在开车的过程中可能会突然遇到被压扁的雪糕筒，如果程序员在编写代码的时候没有把相应场景写入算法，算法可能就会失效。
为了解决长尾小概率事件，需要引入神经网络大模型。scalinglaw的核心结论之一，是当模型参数扩张到一定程度时，大模型的准确率会有跨越式的增长。可以简单理解为，将大模型比喻为人脑，当模型参数达到一定的数量级，会产生顿悟能力，能够举一反三。
图：大模型的涌现能力
同时，智驾通过数据输入、感知、规划、控制等各个环节去做出反馈，所有环节通过大模型实现，可以排除小模型串联中产生的人为因素。
基于以上两点，我们对车企的算法架构做了排序，当前的行业参与者可以分为四梯队，包括1）端到端模型；2）感知、规控使用神经网络；3）感知环节神经网络；4）纯规则模型。
目前海外以及国内的头部车企，已经能够做到端到端的模型。而智能化相对积极的自主车企，基本可以做到感知、规控使用神经网络或单一感知环节使用神经网络模型。合资则是相对传统的企业，依然是纯规则模型。
展望未来，车企会持续增加模型的理解能力。举个例子，道路上的两轮电动车可能不会按照交通规则驾驶，因此，需要依靠常识去判断它的路径，通过引入通用性、理解能力更强的语言大模型，对算法起到更好的加持作用。
目前，各个车企的迭代路径并不一致，海外头部车企可能将xAI的Grok大模型和端到端大模型相结合，国内部分车企可能推出双系统或者世界模型，但最终目的是去提升模型的通用性和理解能力。
参考近期马斯克的采访，训练数据量级达到100万clips，模型勉强及格，达到300万clips，模型可以达到商用水平，达到1000万clips，模型表现亮眼。目前国内头部车企的训练数据量级大约在百万万clips。
图：海外头部车企的训练算力
综上，我们认为算法架构，销量以及现金流是选择标的成长性的核心指标。
目前行业仍处于高阶智驾阶段，“卖车”仍是主体，“价格战”难以避免，成长性之外还要兼顾周期性。
不过，即使有价格战的存在，国内乘用车的单车售价也存在上移的趋势。2019年国内乘用车平均售价为15.1万元，2024年均价则上升至18.2万元。结构上看，增程是抬高平均售价的主要动力，主流增程车品牌的高溢价主要来自于智能化能力和突破传统的空间内饰设计。
展望2025年，智驾向15-20万价格带下沉的趋势，结合车企间的学习借鉴，价格战可能持续，但不必悲观，车企重资产属性会对冲部分以价换量的影响，边际增量明显的车企影响有限。
整车行业的特点是SKU少、规模效应明显、新车开发周期长且投入大，以上要素决定了每一年车企的产品周期和今年表现强挂钩。无论每年汽车行业的需求如何变化，市场中总有会有公司能产生不错的相对收益。所以，不要对价格战的影响过于悲观，整车的周期性特征使得行业每年都或存在结构性的机会。我们会聚焦成长性标的并结合产品周期判断。
图：全市场乘用车标的年化相对收益
从“分散”走向“聚焦”
一是SOC芯片。芯片是整车的大脑，目前芯片被海外头部芯片公司垄断，我们要寻找国产自主替代的机会。
三是寻找具身智能复用零部件。具身智能是智能汽车产业的终局表现形式，而传感器及关节等可复用的零部件将给企业带来先发优势。
注：本文件非基金宣传推介材料，仅作为本公司旗下基金的客户服务事项之一。
本文件所提供之任何信息仅供阅读者参考，既不构成未来本公司管理之基金进行投资决策之必然依据，亦不构成对阅读者或投资者的任何实质性投资建议或承诺。本公司并不保证本文件所载文字及数据的准确性及完整性，也不对因此导致的任何第三方投资后果承担法律责任。基金有风险，投资需谨慎。
本文所载的意见仅为本文出具日的观点和判断，在不同时期，朱雀基金可能会发出与本文所载不一致的意见。本文未经朱雀基金书面许可任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。