中信證券發布研究報告稱，隨着高階自動駕駛邁向城區量產場景，系統感知、決策、執行、通信各方面架構將迎來全新升級。當前，各玩家以“BEV+Transformer+數據閉環”爲最新一代自動駕駛量產系統的核心架構，算法範式與技術路线暫時收斂，數據量和數據閉環能力或將成爲下半場從1到N的勝負關鍵。國內玩家目前在量產車數據閉環方面距離特斯拉仍有較大差距，需持續積累打磨工程化經驗，以轉動數據飛輪。自研能力較強的主機廠，以及有豐富數據經驗或測繪資質的供應商，在know-how積累方面或更具優勢。

中信證券主要觀點如下：

需求：智駕走入數據驅動，數據閉環愈發關鍵。

進入2023年下半年，國內各大車企开始陸續落地城區領航功能，也由此拉开了乘用車智能駕駛下半場的序幕。經過由硬件驅動的1.0階段和軟件驅動的2.0階段(以rule-based爲主)，智能駕駛正伴隨“BEV+Transformer”大模型的上車邁向由數據驅動的3.0階段。該行認爲，在1.0和2.0階段，算法和硬件是領先的關鍵;而走向3.0階段，數據或將成爲更爲重要的勝負手。尤其是在特斯拉引領的“BEV+Transformer”技術路线成爲業界共識後，感知端算法的基本思路和框架已逐漸清晰，而此時，數據將成爲決定模型上限的關鍵。一方面，玩家需盡可能地充實場景庫，積累更多的有效數據(場景庫中未曾“見過”的數據);另一方面，玩家需打通包括數據採集、預處理、回傳、標注、處理、仿真、訓練、驗證、OTA等多個環節的數據閉環，閉環的運行效率和自動化程度也直接決定了自動駕駛模型的迭代效率。

難點：量產車數據閉環涉及大量工程化know-how，國內玩家任重而道遠。

在特斯拉引領下，數據閉環的原理和框架已相對清晰，但如何在量產車上實現真正高效率、低成本的落地，目前對絕大多數玩家而言仍是一個難題。事實上，針對量產車的數據閉環在國內仍屬少數派。該行認爲，即使是小鵬、華爲等國內領先玩家或也落後特斯拉2-3年的時間，其核心難點在於數據閉環的每個環節都有頗多工程化細節需要處理，且最終都會影響整體的運行效率。這不僅需要了解框架的工作原理，更重要的是優異的工程實踐能力以及多年的打磨迭代。

格局：頭部智駕車企傾向自研，供應商尋找核心壁壘。

想要實現高效的數據閉環，既要理解整套框架的運作流程，同時也要有好用的工具鏈。長期來看，工具鏈將成爲算法的一部分，二者形成強耦合。因此該行認爲，頭部智駕車企仍將追求自研，以掌握數據閉環的核心競爭力，但數據標注等部分偏標准化的模塊亦可考慮外採。而對於絕大部分自研能力較弱的主機廠和Tier-1而言，和有實力的供應商合作或是性價比更高的方式。

目前，產業內已有玩家开始爲主機廠或Tier-1提供數據閉環服務，包括全流程的數據閉環解決方案，或具體某個模塊化的工具鏈平台(例如車雲協同平台、數據管理平台、標注平台、仿真平台等)。整體而言，無論是主機廠還是供應商，國內玩家在數據閉環方面仍處於know-how積累的階段。該行認爲，know-how積累的核心在於經驗和數據。大規模的優質數據是“做出”數據閉環的前提，而經驗豐富的工程團隊是“做好”數據閉環的關鍵。因此，該行更看好具備大量自動駕駛數據處理經驗或測繪資質的廠商。

而數據標注作爲數據閉環關鍵環節之一，正在從勞動密集向技術密集升級。該行認爲，數據標注中長期有望趨於標准化，主機廠外採動力較強。同時，隨着標注難度和智能化水平越來越高，人工管理的經驗和智能化標注工具的开發將構成核心競爭力。預計未來有較強算法能力和客戶基礎的頭部數據服務商，以及部分需求方自建的標注團隊將逐步替代目前行業內繁雜的中小玩家，行業集中度將得到顯著提升。

投資建議：自動駕駛進入數據驅動3.0階段，數據成爲關鍵勝負手。

自研能力較強的頭部智駕車企在數據閉環環節或將繼續追求自研，以掌握核心競爭力。而對於絕大部分主機廠和Tier-1而言，和有實力的供應商合作或是性價比更高的方式。數據閉環流程復雜，供應商可提供整套解決方案或模塊化的工具鏈產品，該行認爲know-how積累的核心在於經驗和數據，有大量數據處理經驗或測繪資質的廠商或更具優勢。同時建議關注數據服務公司在數據閉環重要性提升中迎來的發展機遇;在馬太效應下，中國有望誕生自己的Scale AI。

風險因素：海外生成式AI技術發展超預期，數據閉環邏輯發生改變;高階自動駕駛滲透率不及預期;新能源汽車銷量不及預期;國內智能駕駛政策支持力度不及預期等。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。

---

標題：中信證券：自動駕駛進入數據驅動3.0階段 數據閉環能力將成勝負手

地址：https://www.breakthing.com/post/90096.html