比亚迪：智驾平权加速，边际变化可期 3.智能驾驶产业链 3.1 车端：电子电气架构向中央计算迈进 3.2 感知层 3.2.1 传感器数量减配、性能提升 3.2.2 激光雷达市场快速增长，格局集中 3.2.3 高阶智驾需要激光雷达提供安全冗余 3.2.4 前视摄像头市场分散 3.2.5 从全量感知到按需感知的算法演进 3.3 决策层 3.3.1 域控制器构成 3.3.2 智驾域控市场逐渐走向合作定制化 请务必阅读正文之后的免责条款部分 10万级别智驾落地推动行业进入智驾平权 16 随比亚迪引领的10万级别智驾落地，视觉感知方案与端到端大模型共同推动 行业进入“智驾平权”时期。过去，由激光雷达、高算力芯片和海量数据训 练等筑成的高门槛，使智能驾驶功能主要集中在豪华车上。2024年，中国市 场乘用车入门级L2及以下辅助驾驶前装搭载虽高达52.44%，以NOA为代表的 高阶智驾前装搭载率仅为8 市 场。同时，更多的车企也在加入智驾普及赛道，抢抓布局20万以下的主流车 型区间高阶智驾（NOA）市场。例如，零跑汽车即将上市的零跑B10搭载激光 雷达，将城区端到端智驾普及至15万内区间；长安汽车也宣布2025年将品牌 全线智能化，同时要将激光雷达下放到10万元以下车型上。目前，高速NOA 标配车型价格已降至10万元区间，城区NOA标配车型价格则刚进入20万元区 间，但价格下探速度仍在加快。

A、 雷达、北斗等核心领域。技术路线来看，低空通信方面，5G-A作为5G的进阶版本，凭借其更高速率、更广连接、更低时延的网络优势， 正在为低空经济提供强大的技术支撑，我们认为国内运营商将在通过5G-A支持低空经济发展机遇方面发挥关键作用。低空监视方面， 未来低空感知网将综合运用雷达、光电、ADS-B、5G-A通感一体等多种技术，相控阵雷达有助于提升气象探测精度，建议关注掌握 ADS-B、雷达核心技 科技。2）低空 通导监设施：四川九洲、国睿科技、纳睿雷达、华测导航、海格通信、北斗星通。3）低空设计规划：深城交、苏交科、华设集团。  风险提示：1）空域放开不及预期。2）技术迭代不及预期。3）社会接受度不及预期。 CONTENT 目录 一、低空经济基建先行：政策端持续催化，产业端大单频出 四、低空通导监设施亟待建设，关注5G-A、雷达、北斗等核心领域 三、重点布局低空智联网，为低空活动安全运行提供服务与秩序保障 大庆高新技术产业开发区新兴产业促进中心 低空反无设备生产基地项目 1.00 合计金额 123.53 CONTENT 目录 一、低空经济基建先行：政策端持续催化，产业端大单频出 四、低空通导监设施亟待建设，关注5G-A、雷达、北斗等核心领域 三、重点布局低空智联网，为低空活动安全运行提供服务与秩序保障 二、起降场地构成低空飞行底层支撑，低空基建规划至关重要 五、投资建议与风险提示 13 低空基础设施主要涵盖起降场、通导监、空管及数据服务三大类

）低空通导监设施亟待建设，关注 5G-A 、 雷达、 北斗等核心领域 。技术路线来看，低空通信方面， 5G-A 作为 5G 的进阶版本，凭借其更高速率、更广连接、更低时延 的网络优势， 正在为低空经济提供强大的技术支撑，我们认为国内运营商将在通过 5G-A 支持低空经济发展机遇方面发挥关键作用。低 空监视方面， 未来低空感知网将综合运用雷达、 光电、 ADS-B 、 5G-A 通感一体等多种技术，相控阵雷达有助于提升气象探测精度 精度 ，建议关注掌 握 ADS-B 、 雷达核心技术的领先公司。低空导航方面， 未来低空导航网以高精度北斗卫星定位系统为基础，融合多种辅助定位手段， 实 现高精度定位导航体系，建议关注北斗高精度导航领域领先公司。 n 投资建议： 低空经济是新质生产力的典型代表之一， 当前政策推动低空经济进入快速发展期，在国家高度重视和地方积极布局的背景 下，我们认为低空基础设施、低空场景应 通导监设施： 四川九洲、 国睿科技、纳睿雷达、 华测导航、 海格通信、北斗星通。 3 ）低空设计规划：深城交、 苏交科、 华设集团。 核心观点 2 CONTENT 目录 二、起降场地构成低空飞行底层支撑，低空基建规划至关重要 三、重点布局低空智联网，为低空活动安全运行提供服务与秩序保障 四、低空通导监设施亟待建设，关注 5G-A 、雷达、北斗等核心领域 五、投资建议与风险提示

Navigation， VN），确保低空飞行器能够在多样的地形和环境中精准飞行。特别是在城市空中交通领域， 导航技术的高精度和稳定性将成为重点讨论内容。 3、监测技术：将探讨空域监测技术的应用，包括雷达系统、视觉感知、自动相关监视 广播(Automatic Dependent Surveillance–Broadcast, ADS-B)等技术，帮助空域管理者实时了解 低空飞行器的动态位置、飞行 实时监控，保障飞行安全。通过监 视技术，地面控制中心可以了解飞行器的位置、速度、高度等参数，并对空域进行管理，避 免冲突和碰撞。主要技术包括雷达、自动相关监视广播系统、视觉感知系统和飞行数据记录 系统等。 4）气象技术：通过气象传感器、气象雷达、无人机搭载的气象设备，飞行器能够获取 实时气象数据，避免受到恶劣天气的影响。气象技术可以提供风速、气温、湿度、气压等重 要信息，并为飞行计划制定提供依据。 网络、卫星通信、Wi-Fi 等，主要 用于飞行器与地面及其他飞行器之间的信息传输。 2）导航技术：包括 GNSS、INS、GBAS、VN 等，用于提供精确的飞行定位和航向控制。 3）监视技术：包括雷达监控、自动相关监视广播系统、视觉识别、红外成像等，用于 实时监控飞行器位置、空域情况和飞行动态。 4）气象技术：包括气象站、气象卫星、无人机传感器等，用于提供实时天气数据和气 数字低空工作组

云 AIOPS 的工具。 云鸽在线 智能沟通机器人 星空雷达 网络 AI 分析平台 云翊 数据中心 精益管理系统 云秤 磁盘健康 检测平台 中国移动 云智慧运维创新实 践 IT 云翊 数据中心 精益管理系统 云鸽在线 智能沟通机器人 云秤 磁盘健康 检测平台 星空雷达 网络 AI 分析平台 中国移动 云智慧运维创新实 践 云翊数据中心精益管理系 统 星空雷达 网络 AI 分析平 台 云鸽在线 智能沟通机器人 云秤 磁盘健康 检测平台 云翊 数据中心 精益管理系统 中国移动 IT 云智慧运维创新实 践 网络大屏 动态拓扑 网元健康度 路径推演 业务拓扑 批量配置 星空雷达 配置下发 指标预测 交换路由 防火墙 负载均衡 DNS 星空雷达网络 AI 分析平台 ，依托云网络基础设施 ，结合运维大数据 ，构建数字化网络平面 ，实现机器模型主导的 逻辑推演 ，主要包含网络可视、运维自动、智能诊断、能力开放四个维度能力。 能力开放

驾驶功能。 1.2 智能驾驶的逻辑架构 智能驾驶系统由车端传感器、车端平台层、车端算法层、 云端服务层四大部分组成，车端平台层以芯片、域控制 器、车载通信和操作系统等驱动摄像头、激光雷达、毫 米波雷达等传感器进行环境感知，并通过车载通信实现 车云协同；车端算法层整合管理域、算法、应用及安全 域，实时解析传感器数据生成决策指令；云端提供全导 航、数据管理和模型训练等功能，通过 OTA 执行的全链路智能化驾驶。 第一章 智能驾驶概念与发展辨析 05 图 1-2 智能驾驶整体技术架构图 车端传感器层包含摄像头、激光雷达、毫米波雷达、车 载通信等设备，具有多模态融合、全天候工作的特点。 摄像头提供高分辨率图像识别交通标识，激光雷达构建 三维点云感知障碍物轮廓，毫米波雷达实现恶劣天气下 的目标探测，车载通信模块保障车内外信息交互。这些 传感器通过平台层的接口进行数据同步与时空对齐，形 运行数据等关键数据；二是应用服务数据，主要包含出 行辅助数据、影音娱乐数据、生活服务数据等类型。 表 1-4 智能驾驶相关数据 数据类型 数据范围 智能驾驶系 统数据 环境感知数据 通过摄像头、雷达等传感器从汽车外部环境采集的道路、建筑、地形、 基础设施数据等 感知决策数据 车辆行驶控制、灯光控制、环境感知融合算法等指令数据 定位数据 卫星定位数据、惯性定位数据、差分定位数据等 车辆运行数据

智能汽车头部公司 NOA 系统发展概况 AI 大模型将从根本上改变自动驾驶产业的发 展 资料来源：中信证券 硬件配置方面 ，需要车辆使用满足 L3 级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现 NOA 特定的任务和功能； • 可解释性强， 每个独立模块负 责单独的子任务， 便于问题回溯， 易于调试等。 • 存在多个编解码环节， 会 产生计算的冗余浪费， 对算力 要求高， 需要使用激光雷达、 高清地图， 成本高企； • 存在信息损失和误差问题。 • 长尾部分需一事一议， 会 耗费大量精力解决。 端到端方案 • 输入感知信息， 直接生成控制 决策信号， 更接近人的驾驶习惯； ，前者以摄像头为主传感器 ，后者以激光雷达为主传感器。 应用 AI 大模型降低了硬件的要求 ，及软件开发的成本。 毫末智行： 单张图的标注 成本从 5 元下降到 0.5 元 ， 成本下降 90% 。 小鹏汽车： 2000 人年的 标注量， 可在 16.7 天完成， 效率提升 4.5 万倍。 大多数厂商选择多传感器融合路线， 以激光雷达为主传感器， 辅之以摄

智能汽车头部公司 NOA 系统发展概况 AI 大模型将从根本上改变自动驾驶产业的发展 资料来源：中信证券 硬件配置方面 ，需要车辆使用满足 L3 级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现 NOA 特定的任务和功能； • 可解释性强 ，每个独立模块负 责单独的子任务 ，便于问题回溯， 易于调试等。 • 存在多个编解码环节， 会 产生计算的冗余浪费 ，对算力 要求高 ，需要使用激光雷达、 高清地图 ，成本高企； • 存在信息损失和误差问题。 • 长尾部分需一事一议， 会 耗费大量精力解决。 端到端方案 • 输入感知信息 ，直接生成控制 决策信号 ，更接近人的驾驶习惯； 大大增强了对 不规则外形障碍物的感知能力 ， 大幅提升了模型的泛化能力。 图片来源：特斯拉 2022 AI Day 自动驾驶感知模块有视觉派、融合派 2 种技术路线 ，前者以摄像头为主传感器 ，后者以激光雷达为主传感器。 应用 AI 大模型降低了硬件的要求 ，及软件开发的成本。 AI 大模型对自动驾驶成本的影响 l 车载感知硬件成本降低。 l 自动标注的效率提升，

胁目标后，实现无人机或其他飞行物的管控与打击，综合 运用电磁压制、物理拦截等手段，确保入侵物体不会对目标监视区域造成侵害，是低空安防过程中的“手脚”。 虽然部分机场、边境口岸等重点安防场所部署了雷达、视频等感知设施和电磁压制等设备，但针对低空空域的多类型飞 行器、多样化攻击手段等特征，低空安防技术防御体系整体仍处于起步阶段。此外，虽然现有感知探测和反制存在多种技术 手段，但单一技术在实现功 手段，但单一技术在实现功能、适用场景等方面各有差异，单一探测感知和反制技术无法满足各种低空安防场景的需求，构 建多技术融合的低空安防体系成为未来的重要发展趋势。低空融合感知就是利用5G-A通感一体、低空监测雷达、无线电侦 测等多种技术手段，根据应用场景特点和需求，通过设备联合部署与优势互补，构建低空安防的综合性实时动态监测体系，并 利用电磁压制、激光摧毁等各类技术手段，形成低空安防的协同反制体系，为解决低空安防过程中的关键挑战提供技术能力。 需开展相关研究及实际场景试点 探索。 低空安防具有单探测与反制技术局限性、攻击手段多样性、反制技术滞后性等特点。一是传统 探测技术具有局限性。低空飞行物探测监视难，小型无人机雷达反射面积小、飞行高度低，传 统雷达难以有效识别，并且还存在飞鸟、空飘物等多种类型物体识别；二是低空安全攻击手段 具有欺骗、劫持等多样化手段，低空飞行物可能受到干扰与欺骗，如利用卫星导航欺骗、通信 链路劫持等技术