报告行业投资评级 报告未提供行业投资评级。 报告的核心观点 1. 在中短距离运输场景下,运输路线较为固定、车辆时速相对较低,自动驾驶技术落地难度相对较低;在长距离运输场景下,运输路线多为非固定路线,车辆时速相对较高,自动驾驶车辆在感知定位和规划控制方面都可能存在相对较高的难度,并且在路权的获取上也同样存在较高的难度。[4] 2. 软件层面,端到端技术使用实车采集的路况数据对多模态大语言模型进行训练,使得训练后的大模型可以更好应对更多的商用车corner case场景、学习优化驾驶习惯,从而达到商用车L4级别完全自动驾驶,满足降本增效、提升安全性的需求。[4] 3. 硬件层面,在技术、市场、政策多重因素驱动下,线控底盘核心零部件迎来国产替代加速,未来五年本土企业市场份额有望超过50%,并且高算力SoC芯片的不断迭代,将助推物流货运场景更快实现无人化运输。[73][74] 4. 未来的商用车解决方案不再仅仅是单纯的智能化生产工具,而是集合辅助驾驶、智能底盘、多样化动力、车身与舒适性以及娱乐的一体化的集合体,车端的软硬件所产生的数据将会通过云端的算力能力,不断地优化车端的各大功能模块,最终形成一套知识型解决方案。[4][76][77] 报告内容总结 中国自动驾驶物流货运发展洞察 1. 公路货运主导国内物流货运市场,快递和零担运输成为了主要竞争赛道。[7] 2. 货源不稳定、产品同质化和高货运成本成为国内物流货运主要痛点。[8][9] 3. 自动驾驶技术可有效解决物流货运场景痛点,创造多元价值,包括提升安全性、提高时效性、降低成本等。[11][12] 4. 各类自动驾驶物流货运解决方案商携手上下游企业共同服务物流场景。[13] 中国自动驾驶物流货运趋势展望 1. 不同车速和运距条件下,四类自动驾驶物流货运场景面临着不同挑战。[17] 2. 城配场景中的快递转运将成为适合落地自动驾驶技术的细分赛道,快递市场下沉加速L4需求提升,路权的逐渐放开将有序推进自动驾驶规模化落地。[18][19][22] 3. 城配无人车回归生产工具属性,软硬分离的交付方式将有效缓解货主的现金流压力。[24][25][26][27] 4. 园区场景存在人力供需不平衡和管理不科学等问题,使得无人化需求不断提升,自动驾驶的商业化落地已至,软硬件高度定制化成为了其独特需求。[40][41][42][43][44] 5. 城际运输场景面临性能与成本的矛盾,预计电动化率提升将逐步推动智能化发展,后装市场主打高性价比方案,前装市场重点布局电动化产品与服务体系。[49][50][51][52] 6. 干线物流自动驾驶实现双路线齐头并进,L4无人驾驶是最终目标,渐进式路线和跨越式路线凭借其不同特点,将面对不同客户群体和产品需求。[54][55][57][58] 行业发展趋势 1. 端到端技术助力优化物流货运自动驾驶功能,加快场景商业化进程。[71][72] 2. 线控底盘核心零部件实现国产化替代,高性能计算芯片有望实现算力突破。[73][74] 3. 商用车自动驾驶赛道步入应用场景驱动,未来将形成以知识型解决方案为主的模式。[76][77]