投资建议

随着ChatGPT的诞生，人工智能（AI）大模型开启了赋能百业、变革时代的序章。智能驾驶是AI最重要的落地场景之一，在大模型浪潮的赋能下，智能驾驶有望拥有更多新的可能。作为智能驾驶系列报告的第二篇，本文聚焦智能驾驶的前沿进展，重点研究Transformer、端到端、多模态、世界模型等市场热度较高的话题，探讨AI大模型将给智能驾驶的技术栈带来什么、将给智能驾驶的行业格局带来什么。

理由

AI大模型如何赋能智能驾驶？智能驾驶技术面临的挑战，本质来源于真实世界的高维性，而智能驾驶的目标是让车辆在这个高维世界中智能行动。

通过借鉴大模型的模型架构、训练方式或直接应用大模型本身，智能驾驶抽取和利用特征空间的能力有望加强，形成以更大模型参数、更加集成贯通和更彻底数据驱动为特点的新一代技术栈。具体而言，Transformer架构是大模型的基石，擅长建模远距离关系；端到端致力于将独立的算法模块纳入完全可微的统一模型框架；多模态嫁接大语言模型已涌现的诸多能力，提高复杂场景的泛化性与可解释性；世界模型构建了更高效的学习海量数据先验分布的训练方式，有潜力成为智能驾驶的Foundation model。

我们认为，构建真实世界的模型、让AI在交互中学习或是智能驾驶的长期范式，某种程度上智能驾驶技术的演进正是人工智能向AGI迈进的缩影。

AI大模型浪潮下，智能驾驶企业的哪些能力更为核心？以最终实现纯无人自动驾驶为目标，我们认为整个行业目前仍处于“颠覆式创新”和“渐进式创新”之间的阶段。在该阶段，模仿技术路线本身不是最难的点，数据引擎、软硬件掌控力、长期主义、创新能力和工程能力或才是智能驾驶企业在大模型时代更底层、更长期的核心能力。

AI大模型如何影响智能驾驶的行业格局？AI大模型浪潮，对智能驾驶企业的要求是更高而不是更低，头部企业的优势是强化而不是削弱。我们预计，行业份额或会进一步向头部企业集中，将涌现出几家龙头型的算法/解决方案供应商，行业话语权和议价权有望逐渐提升，供应商与主机厂之间的关系亦可能发生变化。当然，在技术之外，我们还应该将成本和商业化两大因素纳入综合的考量。

盈利预测与估值

维持行业内覆盖公司的盈利预测、估值和目标价不变。建议关注文远知行（未上市）、小马智行（未上市）、华为（未上市）、Momenta（未上市）等头部智能驾驶企业。

风险

技术探索进程缓慢；商业化受阻；行业竞争加剧；政策进展不及预期。