资料源：东莞证券；作者：陈伟光、罗炜斌、卢芷心

随着大模型多模态化趋势日益显著，全球算力需求持续攀升，带动AI服务器市场持续高涨，AI芯片的空间有望进一步打开。英伟达作为全球GPU厂商，FY25Q1业绩表现超预期。目前，北美四大云厂商均已表态2024年将加大资本开支，并向AI领域倾斜，考虑到全球客户对英伟达Blackwell平台需求旺盛，且发货进度快于预期，预计产业链相关公司有望大幅受益。同时，在美国算力管控持续加码下，国产芯片自主可控紧迫性升级。其中，华为昇腾作为国内算力领域的重要参与者，有望引领国产算力产业全面加速，逐步实现自主可控，以华为昇腾为代表的国产AI芯片、AI服务器迎来发展窗口。

2024年，华为问界、小米等车企陆续宣布在年内实现部分车型的城市NOA功能全国开通，城市NOA有望迎来大规模的释放，激光雷达作为推动城市NOA落地的关键感知设备迎来发展机遇。近年来，国内激光雷达厂商在政策支持和市场需求双重驱动下快速崛起。随着国内厂商激光雷达性能持续提升，成本优势逐步凸显。目前，国内激光雷达成本已下探至千元，伴随着激光雷达成本不断下降，车载激光雷达渗透率有望加速提升。同时，自动驾驶等级升级带动单车搭载激光雷达数量增加，国内激光雷达厂商出货量有望维持高增长。

产业技术面上，车路协同自动驾驶通过车与车、车与路、车与云和车与人等的全方位协同配合，有效弥补单车智能的长尾问题。政策面上，近年来，多重支持政策出台为我国车路协同行业营造良好的产业发展环境。政策和产业共振，我国车路协同市场快速发展。近期，智能网联汽车“车路云一体化”首批20个应用试点城市名单公布，同时全国各地多个城市也在积极推进“车路云一体化”项目建设，我国车路协同产业进入规模化应用阶段。根据中国汽车工业协预测，至2030年我国车路云一体化智能网联汽车总产值增量有望突破2.5万亿元。

2024 年初至今，SW 计算机指数走势波动较大，截至 7 月 10 日，行业全年累计下跌 27.88%。具体来看，开年至 2 月上旬，板块跟随大盘迎来一轮调整。随后在文生视频模型 Sora发布、国资委召开人工智能专题推进会等积极因素催化下，SW 计算机指数明显反弹，2月上旬至 3 月中下旬录得最高 41.28%的区间涨幅。此后，由于财报季临近市场避险情绪升温，以及财报公布后部分标的业绩不及预期等因素影响，SW 计算机板块呈现震荡调整走势，3 月下旬至 7 月上旬区间跌幅约为 26%。展望 2024 年下半年，建议重点围绕 AI算力包括英伟达和华为昇腾相关产业链、自动驾驶包括单车智能和车路协同领域布局。

2.1 大模型加速迭代，国内 AI 服务器市场空间广阔

大模型快速迭代，参数规模突破万亿。2022 年 11 月，OpenAI 推出基于 GPT-3.5 的新型机器人 ChatGPT，引领了全球生成式 AI 技术发展的浪潮，此后海内外科技巨头纷纷投入开启 AI 大模型军备竞赛。大模型的核心指标之一是参数量，参数量越大，通常模型会具有更高的学习效率和更强的泛化能力。近年来，全球大模型先后经历了预训练模型、大规模预训练模型、超大规模预训练模型三个阶段，参数量实现了从亿级到万亿级的跨越式增长。以 OpenAI、谷歌发布的大模型为代表，2018 年，OpenAI 发布 GPT-1，其参数规模为 1.2 亿；同年，谷歌推出了 3 亿参数规模的 BERT 模型。2019 年，OpenAI 发布GPT-2 模型，其参数量增长至 15 亿；紧接着，谷歌推出了 110 亿参数规模的 T5 大模型，使得大模型进入到百亿级别。2020 年，OpenAI 推出的 GPT-3 参数量达到 1746 亿，相比GPT-2 扩大了 116 倍。而在 2021 年，谷歌推出语言模型 Switch Transformer，其参数量更是扩展到了 1.6 万亿，大模型参数规模突破万亿级别。

大模型多模态化趋势显著，推动 AI 算力需求不断攀升。随着大模型参数和训练数据集规模的不断扩大，模型训练和推理过程中所消耗的算力呈现持续增长态势。对于多模态大模型而言，由于其需要同时处理图像、音频等多种数据类型，这些数据的大小和复杂性远高于单一模态的纯文本数据，导致多模态大模型训练和推理过程的算力需求较单模态大模型显著增长。

根据 2020 年 OpenAI 发布的《Language Models are Few-ShotLearners》论文指出，训练一次 1746 亿参数规模的单模态大模型 GPT-3 所需要耗费的总算力约为 3640PF-days。2023 年 3 月，OpenAI 推出的多模态大模型 GPT-4 的参数数量已扩大到 1.8 万亿，约为 GPT-3 的 10 倍，其训练算力需求则上升至 GPT-3 的 68 倍。2023年 12 月，谷歌发布多模态大模型 Gemini，可以同时理解文本、图像、音频、视频和代码五种信息，其中功能最强大的 Ultra 版本成为首个 MMLU 测评上超过人类专家的模型，在性能上几乎全方位超越 GPT-4。根据 SemiAnalysis 分析师的评估，Gemini 模型训练所需算力高达～1e26 FLOPS，是训练 GPT-4 所需算力的 5 倍。今年以来，Sora、Vidu、Veo 等海内外文生视频模型快速涌现，谷歌、OpenAI 等科技巨头相继升级推出新一代大模型，全球大模型多模态化趋势日益显著，将推动 AI 算力需求不断攀升。

政策助力 AI 算力产业发展。近两年，我国从国家层面到地方层面的算力发展规划相继出台，支持算力基础设施建设，促进通用、智能等多元算力协同发展。2023 年 2 月，中共中央、国务院印发了《数字中国建设整体布局规划》，其中指出，要系统优化算力基础设施布局，促进东西部算力高效互补和协同联动。2023 年 10 月，工业和信息化部等六部门关于印发《算力基础设施高质量发展行动计划》的通知，明确到 2025 年，算力规模超过 300EFLOPS，智能算力占比达到 35%，东西部算力平衡协调发展。随着国家政策引导力度加强，北京、贵州、广东、河南、上海等省市也纷纷发布相关政策规划，央地协同助力算力产业发展。以广东省为例，2024 年 3 月，广东省通信管理局等九部门关于印发《广东省算力基础设施高质量发展行动暨“粤算”行动计划（2024-2025 年）》的通知，明确到 2025 年，算力规模达到 38EFLOPS，智能算力占比达到 50%；并结合 AI大模型和产业发展需要，逐步合理提升智能算力占比，推动算力结构多元配置。

AI 算力成为我国算力快速增长的驱动力，预计 26 年国内 AI 算力规模进入 ZFLOPS 级别。

根据中国信息通信研究院发布的《中国算力发展指数白皮书（2023 年）》显示，以 AIGC为代表的 AI 大模型等新应用、新需求的崛起，推动全球智能算力呈现快速增长态势。

2022 年，全球计算设备算力总规模达到 906EFLOPS，同比增加 47%。其中，智能算力规模为 451EFLOPS，占比总算力规模 49.78%。国内算力规模方面，2022 年，全国计算设备算力总规模达到 302EFLOPS，占比全球 33%，连续两年实现增速超过 50%，高于全球增速。

其中，我国智能算力规模达 178.5EFLOPS，同比增加 72%，占比全国算力总规模 59%，成为我国算力产业快速增长的主要驱动力。根据 IDC 预测，中国智能算力规模将持续高速增长，到 2026 年，中国智能算力规模将进入每秒十万亿亿次浮点计算(ZFLOPS)级别，达到 1271.4EFLOPS。

中国 AI 服务器市场规模增速领跑全球。AI 服务器作为智能算力基础设施建设的主体有望充分受益于 AI 算力需求的增长。根据 IDC 预测，2023 年全球 AI 服务器市场规模为248 亿美元，同比增长 27%，2022-2026 年复合增长率达 17.3%。国内市场方面，IDC 预计，2023 年中国 AI 服务器市场规模达 91 亿美元，同比增长 82.5%，远高于全球市场增速，预计 2027 年国内市场规模将达到 134 亿美元，2023-2027 年复合增长率为 21.8%。从 AI 服务器采购来看，根据 TrendForce 数据统计，2022 年全球 AI 服务器采购中，北美四大云端供应商谷歌、AWS、Meta、微软合计占比 66.2%。国内市场方面，字节跳动采购量最大，年采购占比达 6.2%，紧随其后的是腾讯（2.3%）、阿里巴巴（1.5%）、百度（1.5%），互联网行业为最大的 AI 服务器采购行业。

中国 AI 服务器在全球市场占据重要地位，未来成长空间广阔。从全球 AI 服务器市场竞争格局来看，2022 年上半年，浪潮、戴尔、HPE 分别以 20.2%、13.8%、9.8%的市占率位列前三，联想和华为则分别以 6.1%和 4.8%的市场份额位列第四和第五。在全球前五大AI 服务器厂商中，国内厂商占据两席，市场份额合计占比 25%，展现出中国 AI 服务器在全球市场中的重要地位。随着国内企业持续加大 AIGC 产业布局力度，政策层面持续释放利好为产业发展提供保障，国内 AI 算力需求不断提升，国内 AI 服务器市场未来成长空间广阔。

2.2 英伟达 Blackwell 需求旺盛，产业链有望大幅受益

传统的通用服务器主要以 CPU 为算力提供者，其计算能力、内存和存储容量通常较低，难以满足人工智能时代的巨大算力的需求。而 AI 服务器采用异构形式，可以结合 CPU、GPU、FPGA、ASIC 等多种类型的处理器，这种设计强调并行处理能力和高性能计算，特别适合执行机器学习和深度学习等 AI 应用。因此，随着人工智能技术高速发展，AI 服务器得到了广泛的应用。

AI 催生高算力需求，AI 芯片迎来发展机遇。AI 芯片是 AI 服务器的核心，其专门用于处理 AI 应用中的大量计算任务的模块。按芯片架构分类，AI 芯片可分为 GPU、ASIC、FPGA等。其中，GPU 凭借其强大的并行计算能力和较高的内存带宽，在应对训练和推理任务中表现出色，因此“CPU+GPU”的异构方式已成为深度学习领域广泛采用的计算架构。

根据市场研究公司 Gartner 的预测，2023 年，全球 AI 芯片市场规模将达到 534 亿美元，同比增长 20.9%。到 2027 年，预计 AI 芯片市场营收将达到 1194 亿美元，是 2023 年市场规模的两倍以上。随着人工智能加速发展，算力需求不断攀升带动 AI 服务器市场持续高涨，AI 芯片的空间有望进一步打开。

英伟达持续改进芯片架构，GTC 2024 发布 Blackwell 系列芯片。英伟达作为 GPU 领导厂商，目前占据全球 AI 芯片的主要市场。根据 Gartner 最新数据显示，英伟达在全球 AI芯片市场的市占率预计达到 90%，创下新高。人工智能的蓬勃发展为芯片带来巨大增长空间，英伟达紧抓市场发展机遇，持续加大研发投入，快速更新迭代其 GPU 架构。从 1990年的 GPU Geforce 256，到首个通用 GPU 计算架构 Tesla，再到 Maxwell、Pascal、Volta、Turing、Ampere、Hopper 架构，英伟达芯片性能持续提升。2024 年 3 月，英伟达在 GTC大会上推出最新的 Blackwell 架构系列芯片，其中 GB200 超级芯片通过 900GB/s 的片间互联将两个 B200 芯片与 Grace CPU 相连，若进行 GPT-3 训练，训练速度是 H100 的 4 倍，性能是 H100 的 7 倍。基于 GB200 超级芯片，英伟达提供 NVL36 及 NVL72 服务器解决方案，其中 NVL72 主要包括 18 个 compute tray、9 个 switch tray 等部件，而每个 compute tray 包含 2 个 GB200 超级芯片，整体提供 720 petaflops 的 FP8 和 1440 petaflops 的FP4 计算性能。

英伟达 FY25Q1 业绩超预期，Blackwell 需求旺盛，产业链有望大幅受益。英伟达发布2025 财年第一财季财报，其营业收入为 260.4 亿美元，高于此前市场预期的 246.5 亿美元，同比增长 262%；净利润为 148.8 亿美元，同比大幅 628%，高于预期的 129 亿美元。

此外，公司对下一财季的预期乐观，预计第二财季收入约为 280 亿美元，上下浮动 2%，亦高于市场预期 268 亿美元。分业务来看，数据中心业务为公司目前最大营收来源，第一财季数据中心营业收入为 225.6 亿美元，同比增长 426.7%，占比公司总收入高达 86.6%。英伟达表示，第一财季数据中心业务高增长主要得益于 Hopper 架构 GPU 芯片出货量的增加。以 Meta 为例，其推出的 Llama-3 开源大模型是在集成了 2.4 万块 H100 GPU 的计算集群上进行的训练，展现出大模型训练对于 AI 算力的强劲需求。数据显示，英伟达主要客户北美四大云厂商（包括亚马逊、微软、谷歌、Meta）一季度合计资本开支同比显著增加 30.47%，且均已表态 2024 年将加大资本开支，并向 AI 领域倾斜，其中，Meta预计明年的资本开支仍将继续增加。据英伟达在业绩会上指出，Blackwell 架构产品将于 Q2 发货，并将于 Q3 增产。考虑到全球客户对 Blackwell 平台需求旺盛，且发货进度快于预期，预计产业链相关公司有望大幅受益，且业绩释放速度有望加快。

2.3 华为昇腾蓬勃发展，引领国产算力实现自主可控

美国对中国出口芯片管制趋严，国产算力厂商迎来发展窗口。2023 年 10 月 17 日，美国商务部工业和安全局（BIS）更新针对 AI 芯片出口管制规定，进一步扩大英伟达等公司向中国销售高性能 AI 芯片的限制范围。根据新规，当芯片的“总计算性能（TPP）”大于等于 4800，或“总计算性能”大于等于 1600 且“性能密度（PD）”大于等于 5.92 时，都将触发出口管制。英伟达包括 A800、H800 在内的芯片产品均在受影响行列，这些限制还将影响 AMD、英特尔以及等其他美国芯片巨头向中国销售的芯片。在美国算力管控持续加码下，国产芯片自主可控紧迫性升级，国产算力厂商有望迎来发展窗口。

对标英伟达，华为昇腾致力于为世界提供 AI 算力的第二选择。华为昇腾计算产业是基于昇腾系列处理器和基础软件构建的全栈 AI 计算基础设施、行业应用及服务，包括昇腾系列处理器、系列硬件、CANN（Compute Architecture for Neural Networks，异构计算架构）、AI 计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链。

华为昇腾 910 性能对标英伟达 A100 80 GB Pcle。在 AI 算力底座方面，华为在 2018、2019 年分别针对推理、训练侧推出昇腾 310 和昇腾 910 人工智能处理器，两款处理器均采用华为自研的达芬奇架构。其中昇腾 910 架构灵活伸缩，支持云边端全栈全场景应用，并且具有超高算力，FP16 算力达到 320TFLOPS，INT8 算力达到 640TOPS，在性能上对标英伟达 A100 80GB PCIe 版本。

昇腾服务器性能强大，广泛应用于推理、训练等场景。在硬件层面，基于昇腾处理器，华为推出了 AI 模组、板卡、小站、服务器、集群等多款产品，打造面向“端、边、云”全场景基础设施方案。其中，华为推出的昇腾服务器具有超强计算性能，能够广泛应用于推理、深度学习开发和训练场景。例如，华为基于昇腾 310 芯片推出了 Atlas 800 推理服务器，其最大可支持 8 个 Atlas 300I 推理卡，能够提供强大的实时推理能力，广泛应用于中心侧 AI 推理场景。此外华为基于鲲鹏 920+昇腾处理器推出了 Atlas 800 训练服务器，其具有超强算力密度、超高能效与高速网络带宽等特点，广泛应用于深度学习模型开发和训练。

昇腾 AI 基础软件全面升级，华为昇腾产业蓬勃发展。在软件层面，华为针对 AI 场景推出了 CANN 异构计算架构，其对上支持多种 AI 框架，对下服务于昇腾 AI 硬件，旨在提升用户开发效率和释放昇腾 AI 处理器极致算力。此外，昇腾还推出 AI 框架 MindSpore，旨在实现开发者友好、运行高效和全场景覆盖三大目标。今年 5 月，在第二届昇腾 AI开发者峰会上，华为宣布围绕算子、模型和应用开发三大场景，全面升级昇腾 AI 基础软件，进一步激发开发者原生动力，推动创造更丰富的 AI 应用。目前，昇腾已成功发展了 200 余款基于昇腾的 AI 硬件产品，吸引了超过 300 万开发者，与 1600 多家行业合作伙伴建立紧密合作关系，并共同孵化了超过 2900 个解决方案，华为昇腾产业呈现出蓬勃发展的态势，为中国人工智能产业发展贡献重要力量。

昇腾中选中国移动 191 亿元大订单，彰显华为在算力领域竞争实力。2024 年 4 月 18 日，中国移动发布了《2024—2025 年新型智算中心采购招标公告》，招标公告显示，标包 1包括人工智能服务器 7994 台及配套产品。2024 年 5 月 16 日，中国移动公告中标候选人名单，标包 1 由 7 家公司中标，总中标金额约为 191 亿元（不含税）。这 7 家中标公司分别为昆仑技术（21.05%）、华鲲振宇（17.54%）、宝德计算机（15.79%）、百信信息（14.04%）、长江计算（12.28%）、神州鲲泰（10.53%）、湘江鲲鹏（8.77%）。值得注意的是，这 7 家公司均为华为整机合作伙伴，进一步彰显了华为在算力领域的竞争实力。

伴随着大模型多模态化发展推动 AI 算力需求旺盛，叠加美国对中国出口高性能 AI 芯片管控趋严，国产算力迎来发展窗口期。其中，华为昇腾作为国内算力领域的重要参与者，有望引领国产算力产业全面加速，逐步实现自主可控，建议关注以华为昇腾为代表的国产 AI 芯片、AI 服务器领域投资机遇。

3.1 城市 NOA 成竞争高地，政策助力高阶智能驾驶加速落地

2021 年，国际自动机工程师学会（SAE）更新的自动驾驶分级标准（SAE J3016）是目前业内最通用的参照标准，该标准按照自动驾驶程度由低到高划分为 6 个等级。2021 年 8月，国家市场监督管理总局及标委发布《汽车驾驶自动化分级》文件，其划分标准与 SAE基本保持一致，将我国汽车驾驶自动化分成 L0-L5 共六个等级。该分级体系以 L3 作为自动驾驶的分水岭，L3 级以下被称为辅助驾驶，系统能够辅助驾驶员执行动态驾驶任务，驾驶主体仍为驾驶员；L3 级别及以上被称为自动驾驶，系统能够持续执行全部动态驾驶任务，驾驶主体转变为系统，其中 L3 级别驾驶员在必要条件下需要随时进行车辆接管。

L2 及以上级别智能驾驶渗透率稳步提升。从智能驾驶乘用车销量来看，根据佐思汽研数据，2023 年，中国市场 L2 级智能驾驶乘用车销量达 791.6 万辆，同比增长 37.00%；L2+/L2++级智能驾驶功能乘用车销量达 203.7 万辆，同比增长 76.36%。从智能驾驶乘用车渗透率来看，2023 年，中国市场 L2 级智能驾驶乘用车渗透率达 37.6%，同比增加 8.6pct；L2+/L2++级智能驾驶功能乘用车渗透率达 9.7%，同比增加 3.9pct，L2 及以上级别智能驾驶乘用车销量和渗透率均稳步提升。

NOA 功能（高阶智能驾驶辅助）的实现是智能驾驶从 L2 跨越到 L3 过程中的关键节点。

目前，多家传统车企和新势力车企在加速布局 NOA 功能。按应用场景分，NOA 功能分为高速场景和城市场景，高速 NOA 功能是指在高速公路辅助的基础上配置高精地图，帮助车辆实现自动上下匝道、车道保持等功能。城市 NOA 是指在城市道路按照导航路径智能辅助驾驶到达终点，除了基本导航功能外，城市 NOA 还包括自动泊车、智能跟车等功能。

自动驾驶向 L3 级别演进，城市 NOA 快速落地。高速 NOA 始于 2019 年特斯拉向中国大陆选装 FSD 的车型推送 NOA 功能，随后国内蔚来、小鹏、理想等车企先后入局，在旗下部分车型中推出类似功能，2023 年高速 NOA 已实现规模化落地。与此同时，城市 NOA 功能作为最贴近用户场景的技术被视为自动驾驶通往 L3 级别的重要突破口，成为当前行业竞争高地。2022 年 9 月，小鹏 P5 在广州推出城市 NGP（即城市 NOA），正式拉开国内城市 NOA 大幕；2023 年，小鹏、华为、理想等车企集中推出或公布城市 NOA 计划，城市NOA 迎来落地“元年”。根据佐思汽研数据，2023 年 1-9 月，国内乘用车城市 NOA 渗透率为 4.8%，同比增加 2.0pct，预计全年渗透率超过 6%。2024 年，华为问界、小米、阿维塔等车企已宣布将在年内实现部分车型的城市 NOA 功能全国开通，后续伴随众多主机厂在更多城市陆续开放该功能，城市 NOA 有望迎来更大规模的释放，推动国内自动驾驶产业进入快速发展阶段。

政策持续加码助力高阶智能驾驶加速落地。2023 年以来，我国相关部门及地方政府已发布逾百条自动驾驶产业相关政策和规定，从大方针政策引导到各细分场景的文件指导，多方面推动自动驾驶行业发展。从国家层面来看，2023 年 11 月，工业和信息化部、公安部、住房和城乡建设部、交通运输部四部门联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，明确表明搭载 L3 级和 L4 级自动驾驶的车辆，在经过遴选后，允许在限定区域内开展上路通行试点，以政策推动高阶智能驾驶发展。2023 年 12月，交通运输部印发《自动驾驶汽车运输安全服务指南（试行）》，就自动驾驶汽车适用范围、应用场景、人员配备、运输车辆、安全保障和安全监督八个方面提出明确要求。在国家政策引领下，各地方政府也纷纷出台相应方案或细则，其中，深圳、上海、北京三地走在前列，在自动驾驶政策方面试点先行，为其他省市加快自动驾驶产业建设提供重要参考。伴随着央地协同完善行业相关政策法规，我国高阶自动驾驶功能有望加速落地。

3.2 激光雷达成本下探至千元，单车搭载数量不断提升

感知层是实现自动驾驶的前提，激光雷达综合性能最佳。自动驾驶系统由感知层、决策层和执行层三个层级构成。其中，感知层是实现自动驾驶的前提，起着类似人类“眼睛”的作用，通过传感器来感知外部环境，实时检测周围环境变化，对环境信息和车内信息进行采集和处理。目前主流的车载传感器包括摄像头和雷达，雷达传感器可进一步细分为超声波雷达、毫米波雷达和激光雷达。其中，激光雷达通过发射激光，可以获取周围物体的精确距离和轮廓信息，具有高精度、高分辨率、探测范围广、光线适应性好等优势，其综合性能在所有传感器中最佳。伴随着自动驾驶行业的发展，激光雷达在高阶智能解决方案中的应用已成为一种必然趋势，有望推动激光雷达市场快速增长。

城市工况复杂，激光雷达成推动城市 NOA 落地的关键感知设备。高速 NOA 因结构化封闭道路的特性，面临的场景较为单一、复杂程度较低，实现该功能所需要搭载的硬件水平有限，基本上只需要摄像头与部分超声波雷达或毫米波雷达即可，激光雷达并非必要选项。与高速 NOA 相比，城市 NOA 面临的工况复杂得多，可能会面临人车不分流、道路标识不清晰、鬼探头等多种不确定性挑战。在夜晚场景中，还要面临光线不足带来能见度降低的问题，造成行车危险的 corner case 数量急剧上升。因此，从高速 NOA 拓展至城市 NOA 的所需要的技术难度大幅增长，对车辆的感知能力也提出了更高的要求，具备强感知能力的激光雷达成为推动城市 NOA 功能落地的关键感知设备。自动驾驶汽车中搭载激光雷达，一方面可以实现对长尾场景的覆盖，解决城市 NOA 场景中面临工况复杂的问题。例如在面临夜间行驶视野差、进入隧道光线突变等情况会对摄像头带来挑战，但是对于主动发光的激光雷达来说，外界光线变化并不会影响其感知成像能力，激光雷达能够辅助汽车做出稳定的行驶决策。另一方面，激光雷达的搭载可以降低感知算法的开发难度，使高阶智能驾驶功能更易实现。

国内厂商激光雷达快速崛起。伴随着激烈的市场竞争，部分海外激光雷达厂商面临衰退，而国内激光雷达厂商在政策支持和市场需求双重驱动下快速发展，代表企业包括禾赛科技、图达通、速腾科技、大疆览沃、万集科技等。根据 Yole Intelligence 数据统计，2022 年中国车载激光雷达企业占据全球市场份额突破 75%。其中，2022 年禾赛科技以47%的市占率稳居全球车载激光雷达总营收榜首，同比提升 5 个百分点；图达通依靠着蔚来汽车持续出货，以 15%的市占率夺得第二位；Valeo、速腾聚创、大疆览沃分别以13%、9%、5%市占率位列第三、四、五位。2022 年全球营收前五的激光雷达厂商中，中国厂商占据四席，合计占全球市场份额高达 76%，国内激光雷达产业高歌猛进。

激光雷达成本下探至千元，有望渗透到更多车型中。近年来，在激光雷达加速规模化量产主导下，激光雷达成本快速降低。从 2021 年单颗售价 1 万元左右，到 2023 年已压缩至 3000 元以下。根据 Frost&Sullivan 报告，车载激光雷达成本预计将在 2021 年至 2030年间每年下降约 9%。2024 年 1 月，一径科技发布 ZVISION EZ6 激光雷达，其基于新一代 SPAD 架构创新实现激光雷达的高度芯片化和集成化，有效降低整机成本，价格打破2000 元的边界，率先进入“1”打头时代。2024 年 4 月，速腾聚创发布 M 平台新一代中长距激光雷达 MX，公司表示 MX 将以低于 200 美金的成本作为基础实现第一个项目的量产，并尽快将价格锁定到 1000 元人民币左右，引领整个行业集体进入到千元机的时代。

根据灼识咨询报告，以往因激光雷达价格高昂，仅建议售价超过 40 万元的车型选择搭载激光雷达产品，受益于激光雷达快速降本，2023 年，建议售价约 20 万元的车型可考虑将激光雷达作为可选配置或标准配置。根据佐思汽研统计，2023 年国内有超过 20 款新车型搭载激光雷达上市；2024 年后，宝马、奔驰、沃尔沃等外资品牌也将加入到上车潮中。此外，今年年初比亚迪宣布，将在 2024 年推出多达 10 余款搭载激光雷达的智驾车型，未来将为 20 万元以上车型提供高阶智能驾驶系统选装服务，而 30 万元以上车型将全面标配高阶智能驾驶系统。伴随着激光雷达成本持续下探，激光雷达有望加速渗透到不同价格区间、不同品牌的车型中，并逐渐成为标配。

伴随自动驾驶水平升级，单车激光雷达需求增加。根据盖世汽车统计数据显示，2023年 1-10 月，在搭载 NOA 功能的车型中，采用 11V1R1L 方案（11 个摄像头+1 个雷达+1 个激光雷达）的车型占据最大市场份额，达到 27%。其他包含激光雷达的 11V5R1L 方案和11V5R2L 方案分别占比 17%和 3.4%，含有激光雷达的多传感器方案在搭载 NOA 功能的智能驾驶车型中占据主导地位。同时，伴随着自动驾驶水平持续提升，单车所需搭载的激光雷达数量将不断增加。据中国信息通信研究院报告，L3 级别以上车辆单车搭载量将随着自动驾驶等级的提升而成倍增加，L3、L4 和 L5 级别自动驾驶或分别需要平均搭载 1颗、2-3 颗和 4-6 颗激光雷达。

国内头部激光雷达厂商交付量不断攀升。国内激光雷达头部厂商量产交付量竞赛已经进入到白热化阶段。2022 年 9 月，禾赛科技成为首个单月激光雷达交付量超过 1 万颗的车载激光雷达厂商；2023 年 8 月，速腾聚创单月交付量超 2 万颗；2023 年 10 月，速腾聚创实现单月销量近 3 万颗，再次刷新纪录。2024 年 1 月 2 日，禾赛科技宣布 2023 年 12月激光雷达交付量突破 5 万颗，仅 6 日后，速腾聚创宣布 2023 年 12 月交付量达到 72200颗，成为车载激光雷达行业中首个单月交付量超过 7 万颗的激光雷达厂商。根据高工数据统计，2023 年，中国乘用车前装标配激光雷达交付量超过 60 万颗，主要是由禾赛科技、速腾聚创和图达通为代表的国内第一梯队激光雷达厂商所贡献。其中，2023 年，速腾聚创激光雷达销量约为 25.6 万颗，同比增长超过 300%；禾赛科技全年销量为 22.21万颗，同比增长超过 176.1%。当前，头部厂商快速放量，激光雷达产业或迎来商业化临界点。

激光雷达市场规模快速增长，2030 年或超万亿元。目前，激光雷达的主要下游应用场景包括汽车、机器人（包括自动驾驶汽车及自动驾驶卡车）、3D 测绘等，根据灼识咨询报告，汽车行业为激光雷达发展的主要驱动力。在汽车应用领域，随着自动驾驶汽车需求日益提升，激光雷达持续降本加速渗透到更多车型，同时自动驾驶等级升级带动单车所需搭载的激光雷达数量增加，车载激光雷达厂商有望继续快速放量。根据灼识咨询报告，2022 年全球车载激光雷达解决方案市场规模为 34 亿元，后续预计将以 103.2%的复合年增长率增长至 2030 年的 10003 亿元。届时，车载激光雷达市场将占据激光雷达整体解决方案市场的近 80%。中国作为全球车载激光雷达方案最大的市场，预计 2030 年市场规模将达到 3466 亿元，占比全球市场 34.6%。从 2022 年至 2030 年，中国车载激光雷达市场规模的年复合增长率预计高达 104.2%，显示出强劲的增长势头。此外，在机器人应用领域，采用配备激光雷达的机器人可提高工作环境的安全性，并有效降低劳动成本。为了提高机器人感知准确性，配备多个激光雷达的高度智能机器人已成为趋势。受机器人出货量提升及单台机器人激光雷达安装数量增加所推动，预计全球机器人激光雷达解决方案市场将快速增长，到 2030 年市场规模有望达到 2162 亿元市场规模，其中，中国市场预计占据 31.8%的市场份额。

4.1 车路协同弥补单车智能不足，政策助力产业快速发展

车路协同智能驾驶与单车智能驾驶有效互补。自动驾驶目前分为单车智能自动驾驶（AD）和车路协同自动驾驶（VICAD）两大发展方向。单车智能起步早，技术成熟度较高，然而单纯依靠单车智能的自动驾驶技术路线仍面临较多暂时难以克服的局限性，包括单车成本高昂、感知范围有限、长尾问题频发、交通效率非最优、道路测试对里程依赖、视觉感知依赖大量的 AI 和数据学习等。而车路协同自动驾驶在单车智能驾驶的基础上，借助先进的车、道路感知和定位设备、无线通信和新一代互联网等技术实现高精度感知定位，将“人-路-云”交通要素联系在一起，形成车与车、车与路、车与云和车与人等的全方位协同配合，能够有效弥补单车智能驾驶的缺陷。以感知为例，单车智能存在感知范围有限、易被遮挡形成感知盲区等不足，而车路协同通过路端和云端感知，可以发挥感知范围广、长时间连续观测、容易工程化等优势，与车端感知进行互补，实现遮挡、超视距、动静态盲区等协同感知，从而显著提升车辆整体的感知能力。发展车路协同技术有望加速自动驾驶规模商业化落地，推动实现自动驾驶单车性能最优化和交通整体布局最优化的双重发展目标。

我国主导的 C-V2X 通信技术路线优势明显。从全球范围来看，在车路协同的底层通信技术中，主要存在基于专用短程通信技术的 DSRC 和基于蜂窝网通信技术演进的 C-V2X 两条技术路线，其中 C-V2X 包含 LTE-V2X 和 5G-V2X。欧洲及美国近年来均以 DSRC 为核心技术，中国较早介入 LTE-V2X 技术路线且具有自主知识产权。相关研究和测试表明，DSRC技术在车辆密集时通信时延较高、可靠性低，且传输范围较小，一般在 1km 左右。相较之下，起步较晚的 C-V2X 基于蜂窝通信技术，通信时延低、传输范围广、可移动性和可靠性强，且 C-V2X 具有前向兼容性的 5G 演进路线，能够更好支持自动驾驶未来发展，因此在全球逐步成为车联网通信标准。例如，美国 2023 年明确了要在全国范围内部署C-V2X，预计到 2034 年实现 C-V2X 在全国高速公路的 100%覆盖；韩国在 2023 年 12 月正式宣布放弃 DSRC 技术，转而采用 LTE-V2X 作为唯一车联网通信技术。

车路协同是发展新质生产力的重要落脚点之一。在 2024 年全国两会期间，新质生产力首次被写入政府工作报告，加快发展新质生产力被列为 2024 年的首项政府工作任务。新质生产力是以科技创新为核心要素并发挥主导作用的生产力，具有高科技、高效能和高质量特征。围绕新质生产力，政府工作报告重点提及智能网联新能源汽车、前沿新兴氢能、新材料、大数据、人工智能等十多个产业领域。车路协同作为智慧交通规划中的重要组成部分，其通过先进的无线通信和新一代互联网等技术，实现车辆与道路基础设施之间的信息交互和共享，优化交通系统资源的配置，提高道路交通安全和效率，这与新质生产力的发展要求相契合，车路协同是发展新质生产力的重要落脚点之一。

多重支持政策出台，为行业发展保驾护航。在政策层面，近年来，国务院、国家发改委、工信部、交通运输部等多个部委密集出台系列政策，为我国车路协同行业制定清晰的发展规划，营造良好的产业发展环境。2016 年 8 月，国家发改委和交通运输部联合发布《推进“互联网+”便捷交通促进智能交通发展的实施方案》，明确提出要推进制定人车路协同（V2X）国家通信标准和设施设备接口规范，构建与国际接轨的中国智能汽车标准体系。2020 年 2 月，发改委等 11 部委发布《智能汽车创新发展战略》，提出分阶段、分区域推进道路基础设施的信息化、智能化和标准化建设，推动 5G 与车联网协同建设。

2023 年 11 月，工信部等四部委遴选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，在限定区域内开展上路通行试点。2024 年 1 月，工信部等五部委联合发布《关于开展智能网联汽车“车路云一体化”应用试点的通知》，提出建设智能化路侧基础设施、提升车载终端装配率、建立城市级服务管理平台等九项试点内容，试点期为 2024-2026年，进一步推动智能网联汽车产业化发展。

国内车路协同产业进入规模化应用阶段，乘用车前装 C-V2X 搭载率有望快速增长。从

C-V2X 技术和车路协同行业发展历程来看，2020 年之前，我国 C-V2X 技术经历了深入研发，相关产业链发展逐渐成熟，为智能网联汽车示范应用和规模化应用奠定基础。

2021-2023 年，C-V2X 产业进入示范应用阶段，到 2023 年底，全国共建设 17 个智能网联汽车测试示范区、7 个国家级车联网先导区、16 个“双智”试点城市，开放测试示范道路 22000 多公里，累计道路测试总里程 8800 万公里。进入 2024 年以后，通过在示范区、先导区、“双智”试点城市的经验，C-V2X 将会逐步扩展到全国范围。2024 年 7 月3 日，工业和信息部等五部委，正式公布智能网联汽车“车路云一体化”应用试点名单，包括北京、上海、重庆、杭州—桐乡—德清联合体在内 20 个城市（联合体）入选。城市级应用试点密集落地，标志着我国“车路云一体化”也逐渐从示范应用阶段走向规模化应用阶段。根据盖世汽车数据统计，2023 年，中国市场乘用车 C-V2X 前装 26.9 万辆，同比增长 93.5%，搭载率 1.27%。在产业技术快速发展和政策利好持续加码共同推动下，中国市场乘用车前装 C-V2X 搭载率有望快速增长，预计到 2025 年，C-V2X 技术的装配率将提高至 10%。

多地密集推进车路云一体化项目建设。近期，全国各地多个城市积极推进“车路云一体化”项目建设。2024 年 5 月 31 日，北京市车路云一体化新型基础设施建设项目开启招标，项目规模达 99.39 亿元，选取对 2324 平方公里范围约 6050 个道路路口开展智能化改造。6 月 4 日，鄂尔多斯市新能源智能网联汽车车路云一体化应用示范项目进入备案审批阶段，项目规模达 1.05 亿元，包含新建智慧化路口 36 个，新建智慧化路段点位 49个。6 月 14 日，武汉市智能网联新能源汽车“车路云”一体化重大示范项目获得市发改委批准，项目备案金额高达 170 亿元，是继北京发布近百亿元的车路云一体化项目后，又一百亿元级项目落地。此外，近两个月内，长春、福州、宁波、深圳等城市也相继启动相关项目，全国各地车路云一体化项目建设加快，也标志着国内智能网联汽车产业正处于技术测试验证阶段进入规模化应用的关键时期。随着智能网联汽车技术快速发展，未来我国车路协同产业将迎来广阔的市场空间。

4.2 预计 2030 年国内车路云产业产值增量突破 2.5 万亿元

车路协同分为车、路、云、网、图五大组成部分。车路云一体化产业链参与者众多，关键环节可以分为车、路、云、网、图五大方面，即车辆及其他交通参与者、路侧基础设施、云控平台、通信网，以及包括高精地图的相关支撑平台。除了提供技术的关键环节供应商，由于不同场景对于车路协同有着不同的需求，场景解决方案商和运营商同样在车路协同产业图谱中占据重要的位置。在企业之外，还需要相关政府部门包括城市监管、建设、运营等部门全程协助项目的整体运行。

车载通信单元（OBU）是整个车路协同系统最为核心的设备之一，其被安装在车端与路侧单元（RSU）进行通讯交互，是数据的源头也是信息传递的终点。OBU 负责从各类传感器和车载网络中捕获原始数据，并解算出车路协同应用所需的底层信息，这些信息随后通过高效的信息交互机制传递至 RSU。OBU 的功能广泛，包括车辆运动状态获取、行车环境信息感知、车辆定位信息获取、信息交互、信息处理及管理、安全报警与预警等。

目前，国内 OBU 领域呈现出多元化的竞争格局，中信科智联、高新兴、金溢科技、万集科技、千方科技、中兴通讯等多家厂商已相继推出量产型 OBU 产品。

RSU 是全国车联网的“通信网络”的重要基础设施载体，在未来有望加速普及。车路协同产业中，路侧设备主要包括路侧单元（RSU）、摄像头和雷达等传感器、边缘服务器和交通信号机等。其中，路侧单元（RSU）是全国车联网的“通信网络”的重要基础设施载体，它可以对接几十余种信号机控制协同，如对接车辆 OBU、毫米波雷达等检测器，以及道路交通信号等信息。此外，RSU 可提供差分信号，辅助车辆进行高精度定位导航；提供和汽车的通信中继；与边缘云、交通大脑相连或内置边缘计算设施，分担计算量，完成链接和计算的综合管理等。目前，RSU 主要部署在交通十字路口、高速公路、收费站、示范区等区域，并通常配合电子收费系统（ETC）一起推广。

伴随着车路协同产业快速发展，RSU 在未来有望加速普及。在国内，布局 RSU 产品的主要厂商包括中信科智联、高新兴、千方科技、万集科技、华为、金溢科技等。其中，根据中国发展网数据，在车路协同领域，中信科智联已连续四年 C-V2X 核心设备 RSU 市占率稳居首位，在 RSU领域处于领先地位。

建设多级云控平台实现业务分层解耦和数据跨域共用，是未来云控平台发展的趋势。云控平台是车路云一体化在各地实践过程中进行信息化建设的系列平台，包括云控基础平台和云控应用。云控基础平台结合地图、交管、气象和定位等支撑平台的数据，对车辆和道路交通动态信息进行综合处理，以标准化分级共享的方式支撑多元智能终端和多样化出行场景，提供全局性的解决方案。云控基础平台由边缘云、区域云和中心云三级组成，服务范围逐渐扩大，而服务实时性要求相应逐渐降低。

其中，边缘云最接近车辆及道路等端侧运行环境，为网联汽车提供感知辅助、安全告警等实时性强的应用基础服务；区域云主要面向交通运输和交通管理部门，提供实时性稍弱的交通监管、执法等云控应用基础服务；中心云则面向交通决策部门、车辆设计与生产企业等，提供更大范围的交通数据分析、基础数据增值等服务。通过建设多级云控平台实现业务分层解耦，并促进数据和能力的跨域共用，是未来云控平台发展的趋势。目前，国内多家厂商在积极布局云端业务，如万集科技在云方面建立了智能网联云控平台，提供数字孪生、网联、车路协同等功能；千方科技打造 X-Cloud 智能网联云平台，构建了全方位感知、互联、分析、预测及管控的云控体系等。

相关支撑平台是提供云控应用运行所需其他数据的专业平台，涵盖高精度动态地图、地基增强定位平台、气象预警平台以及交通路网检测与运行监管平台等。其中，高精度地图是支撑整个车路协同系统的底层架构之一，其不仅能够让自动驾驶车辆提前感知前方超视距范围内的动态信息，还为驾驶员、道路管理者提供直观可视化的辅助工具，有利于推动车路协同和自动驾驶技术的创新和发展，进而提升我国公路使用效率和交通管理服务水平。国内地图厂商只有获得国家授予的“甲级导航电子地制作资质”才能开展高精度地图的采集和绘制，截至目前，我国仅有 19 家企业获得相关资质并通过复核，其中，百度、四维图新、易图通和高德四家行业领先企业占据了较大的市场份额，呈现出“四足鼎立”的格局。

预计 2030 年我国车路云一体化智能网联汽车总产值突破 2.5 万亿元，其中智能化路侧基础设施领域增速最快。2024 年 2 月，中国汽车工业协会发布《车路云一体化智能网联汽车产业产值增值预测》，报告将车路云一体化智能网联汽车产业划分智能网联汽车、智能化路侧基础设施、云控平台和基础支撑四大领域，并分别对各领域在 2025/2030 年的产业产值增量进行预测。在智能网联汽车领域，报告主要围绕汽车智能驾驶硬件及软件、智能座舱硬件及软件、车载应用软件、车载通信单元、整车终端产品和创新应用服务六个领域进行测算，结果显示，至 2025 年/2030 年，我国智能网联汽车的产值增量预计将为 6451 亿/20266 亿元（中性预测），年复合增长率为 25.7%。在智能化路侧基础设施领域，报告围绕路侧通信单元、路侧计算单元、路侧感知设备、交通管理设施等，结合当前路侧建设成本以及未来规模化应用后成本下降的情况进行测算，预计 2025 年/2030 年智能化路侧基础设施带来的产值增量为 223/4174 亿元（中性预测），年复合增长率高达 79.7%。在云控平台领域，报告预计 2025 年/2030 年云控平台的产值增量为23/218 亿元（中性预测），年复合增长率为 56.8%。在基础支撑增量测算层面，报告围绕车联网蜂窝网络、高精度地图与组合定位、车联网信息安全三个领域进行测算，预计2025 年/2030 年我国基础支撑部分的产值增量为 599 亿/1167 亿元（中性预测），年复合增长率为 14.3%。总体来看，在中性预期情景下，报告预计 2025 年/2030 年我国车路云一体化智能网联汽车总产值增量为 7295 亿/25825 亿，年均复合增长率为 28.8%，我国车路云一体化智能网联汽车产业产值增量空间广阔。

展望下半年，把握 AI 算力和自动驾驶两条主线。AI 算力主线：大模型加速迭代，北美四大云厂商表示 2024 年将加大资本开支，并向 AI 领域倾斜，全球 AI 算力需求有望持续攀升，建议关注英伟达、国产算力产业链投资机遇。

自动驾驶主线：1）单车智能：2024 年城市 NOA 有望迎来大规模的释放，激光雷达作为推动城市 NOA 落地的关键感知设备迎来发展机遇。成本下降和智驾升级双驱动下，国内激光雷达厂商有望继续快速放量，建议关注激光雷达整机厂商和上游光学元件供应商投资机遇。

2）车路协同：近期，首批国家级“车路云一体化”应用试点城市名单公布，同时全国各地加速推进车路协同相关项目建设，产业进入规模化应用阶段。产业未来产值增量空间广阔，建议关注布局智能车载终端设备、智能化路侧基础设施、云控平台等领域的相关企业。

（1）政策推进不及预期：若行业政策推进进度或力度不及预期，将影响下游需求释放，进而对相关板块业绩产生不利影响；

（2）技术推进不及预期：若 AI 技术和自动驾驶相关技术推进不及预期，将影响技术大规模推广的进程，进而对相关公司业绩产生不利影响；

（3）市场竞争加剧风险：若产业链对相关产品采取低价策略抢占市场份额，将对相关公司业绩产生不利影响。