东吴证券发布研报称，全行业加速智能化转型，产业趋势明确。下游OEM玩家+中游Tier供应商均加大对汽车智能化投入，大势所趋；智驾核心环节【软件+硬件+数据】均围绕下游OEM展开，数据催化算法提效进而驱动硬件迭代。以特斯拉为代表，应用算法向全栈端到端-世界模型持续迭代，功能落地兑现。

以下为研报摘要：

何谓“大模型”?大数据喂养神经网络算法，设定规则机制使其自成长。

1)多模态数据是基础，包括文本/图像/音频/视频等在内的多类型数据喂养，驱动算法更好完成理解/生成等任务。

2)Transformer是核心，Self-Attention机制强化算法抽象特征提取能力，并支持并行计算，高能且高效，衍生ViT/DiT支持多模态数据理解/生成。

3)ChatGPT及Sora为代表应用，在大参数加持下，开发多模态自然语言处理以及文生视频等功能。

4)世界模型为未来方向，算法能力由数据驱动演变为认知驱动，模型具备反事实推理和理 解物理客观规律的能力，提升通用泛化特性。

大模型重塑车端算法架构，加速云端算法迭代;世界模型或为完全自动驾驶最优解。

智驾一阶段(L2~L3)脱胎换骨：由场景驱动转向数据驱动，大模型带来底层架构质变;智驾二阶段(L3~L4)厚积薄发：由数据驱动转向认知驱动，数据和算力逐步累计驱动能力提升，量变引起质变。

1)车端：上层感知/规控应用层算法随功能需求提升持续进化，“场景理解处理能力泛化”是核心诉求。L2~L3，感知端为升级核心，Transformer加持BEV+占用网络算法落地感知端到端，解决长尾场景识别难题;L3~L4以规控算法升级为核心，精准识别并快速处理，Learning-base逐步取代Rule-base，端到端拉高场景处理能力的天花板。

2)云端：数据闭环为前提，加速大数据有效利用，采集/标注/仿真/训练/部署一体化。Transformer赋能自动标注，数据驱动场景仿真泛化，降低对有限的实际路测数据的依赖。

3)世界模型【通用具身智能】或为自动驾驶最优解。车端场景生成泛化，将自动驾驶问题转化为预测视频的下一帧，类人模式处理，实现泛化至数据场景以外的能力;并可快速生成标准化仿真数据，结合大算力加速云端训练。

算法实现高壁垒+数据闭环硬要求，未来智驾算法产业格局趋于集中化。

当前下游L3+高阶算法方案以OEM自研为主，华为以“算法赋能，数据回传”的形式深度绑定OEM;L3以下算法呈现OEM+独立算法商+硬件商三足鼎立格局。我们认为，考虑高阶智驾功能的提升对于算法能力/组织架构/超算中心/完整数据链等的要求，未来“掌握硬件的基础上去发展软件”或为主流，即掌握壁垒最高的硬件——芯片;提供性价比最高的硬件——传感器;掌握粘性最强的硬件——整车。

投资建议：汽车AI智能化转型大势所趋，算法为主干，看好头部算法玩家持续领先铸就高壁垒。

全行业加速智能化转型，产业趋势明确。下游OEM玩家+中游Tier供应商均加大对汽车智能化投入，大势所趋;智驾核心环节【软件+硬件+数据】均围绕下游OEM展开，数据催化算法提效进而驱动硬件迭代。以特斯拉为代表，应用算法向全栈端到端-世界模型持续迭代，功能落地兑现。

OEM整车厂商&核心芯片硬件厂商&智驾传感器厂商&独立算法商加速布局端到端算法开发，场景驱动-数据驱动-认知驱动持续进化;智驾算法产业发展进入深水区，高投入赋能【大算力+大数据】，方能走通L3有条件自动驾驶至L4完全自动驾驶之路。

风险提示：智能驾驶相关技术迭代/产业政策出台低于预期;华为/小鹏等车企新车销量低于预期。