智通財經APP獲悉，信達證券發佈研報認爲，智能駕駛算法層面逐漸收斂至“端到端”架構後，數據+算力將成爲核心競爭要素，頭部車企或供應商能掌握更多更優的“數據”，以及更強更快的“算力”，而優秀的智駕能力有望加強銷量轉化，最終強化車企馬太效應，令智駕強者愈強。因各車企戰略選擇有差異，端到端路線尚處在百花齊放的階段，但隨着數據、算力等競爭要素逐漸趕上，端到端路線有望逐漸收斂至一體化結構，並會結合多模態大模型、世界模型等，不斷加強感知、認知、決策能力。
智能化時代，自動駕駛能力將重新構築車企競爭壁壘，核心競爭要素在於“數據”+“算力”。背後原因在於：①對消費者而言，智能化在消費者選購汽車中的重要性正日益提升。②對於車企而言，實現高階智駕需要大量投入，中小車企將難以持續投入。③特別是當智能駕駛算法層面逐漸收斂至“端到端”架構後，數據+算力將成爲核心競爭要素，頭部車企或供應商能掌握更多更優的“數據”，以及更強更快的“算力”，而優秀的智駕能力有望加強銷量轉化，最終強化車企馬太效應，令智駕強者愈強。
相較傳統分模塊架構，端到端架構優勢顯著，核心是“數據驅動”而非“規則驅動”，有望顯著提升智駕上限。所謂“端到端”是指一端輸入圖像等環境數據信息，中間經歷類似“黑箱”的多層神經網絡模型，另一端直接輸出轉向、制動、加速等駕駛指令。與傳統規則驅動的分模塊架構相比，端到端的實現將帶來一系列優勢：①完全基於數據驅動進行全局任務優化，具備更好、更快的糾錯能力;②能進一步減少模塊間信息的有損傳遞、延遲和冗餘，避免誤差累積，提升計算效率;③泛化能力更強，由Rule-based算法轉向Learning-based，具備零樣本學習能力，面對未知場景具備更強決策能力。
端到端發展路徑探析：從分模塊到一體化。端到端可以簡單分爲狹義端到端(前端傳感器輸入、後端控制輸出)和廣義端到端(信息無損傳遞、數據驅動整體優化)2種定義。從端到端的最終實現上，信達證券認爲通過①感知“端到端”，②模塊化“端到端”，再到③One Model/單一模型“端到端”是一種相對平滑的過渡形式。而當前感知層“端到端”已經是主流的感知模型，展望後續技術發展，信達證券認爲決策與規控層自動駕駛算法向“端到端”收斂，有望成爲行業的一大趨勢。
“數據+算力”構築智能駕駛核心競爭要素，進入強者愈強階段。端到端自動駕駛是數據驅動的模型，因此，訓練數據的重要性越來越高。端到端對數據的要求體現在數據量、數據標註、數據質量和數據分佈等方面。除了海量高質量數據之外，還需要強大的算力來支撐模型的訓練，大部分研發端到端自動駕駛的公司目前的訓練算力規模在千卡級別。信達證券認爲領先競爭者有望通過數據、算力的領先轉化爲端到端的算法優勢。
特斯拉先行，國內外企業加速跟進，端到端量產推廣在即。端到端主要參與者涵蓋了車企、人工智能企業、自動駕駛技術公司機器人公司以及自動駕駛芯片製造商。特斯拉作爲先行者，於24年初推送端到端版本的FSD，從實際體驗來看，端到端的FSD操作更擬人、絲滑。國內主機廠如華爲、小鵬、理想、元戎啓行、商湯絕影等紛紛跟進，其中華爲、小鵬端到端進度相對領先。信達證券認爲因各車企戰略選擇有差異，端到端路線尚處在百花齊放的階段，但隨着數據、算力等競爭要素逐漸趕上，端到端路線有望逐漸收斂至一體化結構，並會結合多模態大模型、世界模型等，不斷加強感知、認知、決策能力。
投資建議：信達證券認爲以特斯拉爲代表的端到端快速迭代有望帶來智能駕駛新一輪產業革命，自動駕駛能力將重新構築車企競爭壁壘，數據+算力將成爲核心競爭要素，頭部車企或供應商能掌握更多更優的“數據”，以及更強更快的“算力”，而優秀的智駕能力有望加強銷量轉化，最終強化車企馬太效應，頭部車企強者愈強時代即將來臨。
整車板塊重點關注：
1)受益於華爲強大智駕能力賦能的鴻蒙智行合作車企以及相關合作夥伴，包括賽力斯(601127.SH)、北汽藍谷(600733.SH)、長安汽車(000625.SZ)、江淮汽車(600418.SH);
2)汽車保有量大且品牌積澱深厚，智能電動技術佈局有望逐步趕上的自主品牌龍頭車企，如比亞迪(01211,002594.SZ)、長城汽車(02333,601633.SH);
3)智能駕駛技術領先的造車新勢力，包括理想汽車(LI.US,02015)、蔚來(NIO.US,09866)、小鵬汽車(XPEV.US,09868);
4)全球化佈局提速、有望迎來新一輪產品週期、同時在智能駕駛、能源、人形機器人多線並進的全球新能源汽車龍頭，特斯拉(TSLA.US)。
零部件板塊建議重點關注智能化產業鏈核心零部件：
1)感知層，如德賽西威(002920.SZ)、保隆科技(603197.SH)、華域汽車(600741.SH)等。
2)決策層，如經緯恆潤(688326.SH)、均勝電子(600699.SH)、華陽集團(002906.SZ)等。
3)執行層，如伯特利(603596.SH)、中鼎股份(000887.SZ)、拓普集團(601689.SH)、亞太股份(002284.SZ)、耐世特(01316)、浙江世寶(002703.SZ)等。
風險因素：智能化零部件降本不及預期、智能駕駛利好政策落地不及預期、消費者體驗不及預期、技術迭代不及預期、外部宏觀環境惡化等。