端到端与AI共振，智驾平权开启新时代 ——汽车智能驾驶行业深度报告 证券研究报告 发布时间：2025年3月31日 分析师：刘乐 执业证书编号：S0020524070001 邮箱：liule@gyzq.com.cn 分析师：陈烨尧 执业证书编号：S0020524080001 邮箱：chenyeyao@gyzq.com.cn 智能驾驶行业研究 请务必阅读正文之后的免责条款部分 目录 2 资料来源：电动车公社，国元证券研究所 4 端到端的定义：基于数据驱动的深度学习 在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由 一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统 一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 代效率，有效降低了维护成本。 请务必阅读正文之后的免责条款部分 图2：端到端技术演进 资料来源：辰韬资本，Ai fighting，国元证券研究所 5 从模块化方案向一体化端到端模型过渡 端到端架构的本质是深度学习的全面使用与数据驱动。根据感知模块与决策模块之间的贯通程度，可分为模块化 端到端与一体化端到端。 模块化端到端将感知模块和决策规划模块视为两个独立部分，分别使用神经网络，但模块之间仍存在人工设计的

•常规机器学习方法：逻辑回归，决策森林，支持向量机，马尔科夫链，….. •人工神经网络：与人脑最大的共同点是名字，机制和架构并不一样 •传统神经网络：霍普菲尔德网络，玻尔兹曼机，….. •深度神经网络：深度学习 •传统网络架构：DBN，CNN，RNN，ResNet，Inception，…… •Transformer架构：可以并行矩阵计算（GPU），核心是注意力机制（Attention） • 管理资金规模均超过600亿元。这为DeepSeek提供了清晰的市场定位和投资者背景 DeepSeek专注于开发先进的大语言模型(LLM)和相关技术，旨在通过这些技 术推动人工智能在多个领域的应用和创新 DeepSeek，全称杭州深度求索人工智能基础技术研究有限公司，成立于2023 年7月17日，是一家创新型科技企业，专注于人工智能基础技术的研究与开发 公司成立背景与 发展历程 大语言模型(LLM) 的创新应用 投资者背景与市 DeepSeek最新的生成模型和推理模型版本对比 比较方面 生成模型（V3） 推理模型（R1） 设计初衷 想要在各种自然语言处理的任务中都 能表现好，更通用 重点是为了搞定复杂的推理情况，比如 深度的逻辑分析和解决问题 性能展现 在数学题、多语言任务还有编码任务 里表现不错，像Cmath能得90.7分， Human Eval编码任务通过率是65.2% 在需要逻辑思考的测试里很棒，比如

成为中国AI产业发展的标志性事件。 艾瑞人工智能研究团队延续六年行业研究经验，在第七年聚焦人工智能产业的发展环境、产业 进程及产品动态，深入探讨技术驱动、产业机遇、商业模式及挑战等核心议题，为市场提供前瞻性 数据与深度洞察。 研究方法： 本报告通过业内资深的专家访谈、桌面研究、案例实证研究、行业对比研究、投融资数据统计输出 相应研究成果。 3 摘要 ABSTRACT 2024年，国家高度重视人工智能 错配导致。随 着DeepSeek等开源模型推动推理应用爆发，推理侧算力需求大幅上涨，智算中心利用率有望 逐步提高。 3) 工具生态日益完善：分布式AI框架、LLMOps平台和一体机产品等不断发展，深度融合软硬 件优势，加速了大模型的训练与部署，有效支撑了产业侧大模型的应用建设。 4）商业化以项目制与订阅制为主流：政企侧客户以项目制为主，C端产品多采用“免费+订阅 制”的模式。新兴商业模式为按应 纷响应号召，将人工智能及其相关产业 发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习近平总书记指出：“中国高度重视人工智能发展，积 极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能。并 在2月召开中央民营企业座谈会，众多与人工智能相关的民营企业家参会，为中国经济转型与产业升级打下重要基调，也进一步反映 出未来中国人工智能产业发展的重要战略意义。

成为中国AI产业发展的标志性事件。 艾瑞人工智能研究团队延续六年行业研究经验，在第七年聚焦人工智能产业的发展环境、产业 进程及产品动态，深入探讨技术驱动、产业机遇、商业模式及挑战等核心议题，为市场提供前瞻性 数据与深度洞察。 研究方法： 本报告通过业内资深的专家访谈、桌面研究、案例实证研究、行业对比研究、投融资数据统计输出 相应研究成果。 3 摘要 ABSTRACT 2024年，国家高度重视人工智能 错配导致。随 着DeepSeek等开源模型推动推理应用爆发，推理侧算力需求大幅上涨，智算中心利用率有望 逐步提高。 3) 工具生态日益完善：分布式AI框架、LLMOps平台和一体机产品等不断发展，深度融合软硬 件优势，加速了大模型的训练与部署，有效支撑了产业侧大模型的应用建设。 4）商业化以项目制与订阅制为主流：政企侧客户以项目制为主，C端产品多采用“免费+订阅 制”的模式。新兴商业模式为按应 纷响应号召，将人工智能及其相关产业 发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习近平总书记指出：“中国高度重视人工智能发展，积 极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能。并 在2月召开中央民营企业座谈会，众多与人工智能相关的民营企业家参会，为中国经济转型与产业升级打下重要基调，也进一步反映 出未来中国人工智能产业发展的重要战略意义。

也将中国企业的智能化发展之路,带至一个 全新的高度。 从 AI 1.0 到 AI 2.0 , 人类对 AI 的想象, 飞速从简单地识图、识字、辨音等 基础场景 进化到今天: AI 具备了强大的分析能力, 能够深度挖掘数据价值, 走 深向实, 行业大模型在金融、医疗、教育、零售、能源等多个行业领域实现了初 步应用, 并产生了明显的经济效益和社会效益。 特别是在中国, AI 的风起云涌恰逢波澜壮阔的企业智能化浪潮 的领军者, 企业聚焦数据、算力和算法, 积极投身 AI 带来的智能化变革的时代洪流。过去的近八年, 企业在 AI 领域砥砺深耕、前瞻 II 布局。作为科技领域的先锋企业, 企业凭借对 AI 技术的深度应用, 将其巧妙转 化为自身降本增效的强大生产力工具,也带领众多合作伙伴开启了全新的发展篇 通过 "全栈 AI" 的战略布局, 企业从智能终端领域的 "一体多端" , 到智能 基础设施领域的 "一横五纵" 培土施肥。 从企业的实践与探索中, 我们也看到, 与以往的技术革命不同, 此次 AI 带 来的革命是一场全方位的变革。 它并非仅靠单一技术的突破来驱动, 而是技术、 产品与生态的协同共进。在技术层面,深度学习、 机器学习、自然语言处理等前 沿技术不断迭代创新, 为 AI 应用提供了坚实的基础; 在产品方面, 从智能硬件 到软件应用, 从消费级产品到企业级解决方案, AI 元素无处不在, 极大地丰富

的显著优势，“机器人+人工智能”正在汽车制造、电子信息、金属 材料等关键行业加速落地，展现出广阔的应用前景。 本报告中的“机器人+人工智能”指的是建模优化、机器视觉、 语音交互、机器学习、深度学习等人工智能技术应用于机器人上的智 能体。其工业应用包括两个层次，一是嵌入各类智能软硬件的机器人 产品在生产操作、物流配送等典型工业场景中的应用，二是智能化的 工业控制平台通过集成人工智能技术与工业机器人等设备，在产线优 世界的空间关系和物理 行为，赋予机器人更强的环境感知、理解和交互能力，实现更广泛的 功能应用，如宇树科技的机器人实现了原地侧空翻、复杂舞蹈动作、 平衡木行走、灵巧手操作等复杂功能。 硬件和软件的深度协同推动了算力效能的提升，为机器人的大规 模应用提供了算力支持。2024 年，全球 AI 大模型的参数量和数据量 持续增长，特别是像 Sora、GPT-4o、Gemini 等多模态大模型的出现， 向高度智能过 渡。随着深度学习算法的优化以及多模态感知技术的融合，工业机器 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机 器人将具备更强的自主学习能力，能够根据环境变化和任务需求进行 自我调整和优化。从模型架构来看，结构相对简单、参数较少的机器 学习模型正在转化为多层级、大参数量的深度学习、强化学习模型，

工智能技 术的快速发展，政务热线作为政府与公众沟通的重要渠道，正在经历一场智能化 变革。作为数字政府的“门脸”，政务热线进一步建设发展需要各方的通力合作， 将人工智能大模型和智能技术与政务场景深度融合，打造出智慧、高效、便捷的 现代城市治理“总客服”。 （一）政务热线的发展历程 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民 分析、预测分析和可视化呈现，充分释放数据红利，推动传统城市治理向精细化、 精准化和智能化全面升级。 （二）大模型在政务热线中的全新价值 随着大模型、人工智能、物联网等新一代数字技术的突破性发展，技术赋能 呈现出智能化与场景化深度融合的特征，为政务热线从数字化向智能化跃迁提供 了核心驱动力。在这一转型过程中，大模型通过重构政务热线的底层技术逻辑， 正在成为推动数字政府治理现代化的重要引擎。 首先，大模型驱动资源整合，强化数字政府协同联动能力。 困扰，助力各级平台及其成员单位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。

工智能技 术的快速发展，政务热线作为政府与公众沟通的重要渠道，正在经历一场智能化 变革。作为数字政府的“门脸”，政务热线进一步建设发展需要各方的通力合作， 将人工智能大模型和智能技术与政务场景深度融合，打造出智慧、高效、便捷的 现代城市治理“总客服”。 （一）政务热线的发展历程 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民 分析、预测分析和可视化呈现，充分释放数据红利，推动传统城市治理向精细化、 精准化和智能化全面升级。 （二）大模型在政务热线中的全新价值 随着大模型、人工智能、物联网等新一代数字技术的突破性发展，技术赋能 呈现出智能化与场景化深度融合的特征，为政务热线从数字化向智能化跃迁提供 了核心驱动力。在这一转型过程中，大模型通过重构政务热线的底层技术逻辑， 正在成为推动数字政府治理现代化的重要引擎。 首先，大模型驱动资源整合，强化数字政府协同联动能力。 困扰，助力各级平台及其成员单位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。

成本高/更新难 轻地图兴起 Light Map / SD Pro - 平衡成本与功能 - 支撑城市NOA落地 - 众源更新探索 轻地图成为主流 重语义/拓扑/规划 - 与端到端算法深度 融合 - 地图成为在线先验 与离线训练数据源 - 兼顾AP友好性 驱动: 感知算法进步 (Transformer, BEV等) 驱动: 成本压力/规模化 (数据闭环, 众源成熟) • 服务对象 人类驾驶员 自动驾驶系统 (机器) 价值体现 导航功能本身 (相对价值有限) 赋能智驾功能实现与体验提升，亦可作训练数据源 车辆系统融合 主要用于基础导航显示与座舱交互 与感知、规划、控制系统深度耦合，支撑高阶功能 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights 于轨迹计算更准确的、贴近现实场景的‘Agent’体验。  “舱驾一体”趋势的核心诉求是降本增效下的系统集成与体验一致性，它推动智驾地图向“统一数据基 座、分层服务应用”的“一张图”方案演进，但当前二者的深度融合仍处于早期阶段。 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights