1、智能汽车和机器人痛点的差异决定了产业链爆发节奏的不同。
（1）机器人底层技术：运动控制+视觉算法+语言模型。在B端应用的阶段，最重要的是运动控制算法，视觉算法和语言模型都相对比较成熟。
（2）智能汽车：痛点在视觉算法，要不断解决CORNER CASE问题（较大成本解决小概率事件）。汽车领域，ISO 26262 确定了四种 ASIL — A、B、C 和 D，ASIL D 则代表最高程度的汽车危险。单点故障率不能超过1pct，智能驾驶从安全定义角度，属于D。因此，无人驾驶实现难度较高。但是类似于chatgpt 4 的L3-L4智能驾驶模型可能会出现。
2、特斯拉fsd-是否会带来智能驾驶的chatgpt时刻？
行业内，特斯拉是16年在hw2.0上开始抛弃ME q3，国内主机厂则是21年开始逐步自研，其中小鹏等领先一些。如果智驾端到端的大模型出现，大概率就是特斯拉fsd。V12是重要观测变量，一旦能解决大多数场景的自动驾驶（距离无人驾驶还比较远）和放开，行业逻辑将巨变。
（1）主机厂会分化成大模型公司和硬件公司；
（2）围绕室外场景的AI视觉应用将会扩散。
3、产业链机会解析
（1）t产业链带来的机会以及技术对标：
HW4.0相对于HW3.0，最重要变化在传感器方案——4D毫米波雷达，用的是ARBE的产品和方案。国内ARBE方案的是威孚高科和经纬恒润等。传感器清洗系统，我们认为，传感器清洗系统未来将是标配方案，预计t新一代平台有可能全面使用传感器清洗系统。这个领域，关注有前瞻布局的恒帅股份。
如果特斯拉fsd放开，需要关注的是fsd视觉对各大领域的潜在应用可能性：如无人配送、无人驾驶bus等。
（2）解决corner case带来的机会：
corner case的解决，智能驾驶，要经过传感器认知、算法决策和执行器执行三个阶段。从第一个角度看，数据多维化、数据高频化（如摄像头高帧率）是比较明确的趋势；算法决策则主要跟算力和模型直接相关；执行器主要跟反应时间相关。从算力层面看，看好英伟达供应链tier1德赛西威等。从执行器角度看，推荐能够缩短刹车反应时间的线控制动（伯特利）、主动悬挂（通过调教车轮附着力缩短刹车距离，保隆科技、中鼎股份等）、线控转向等。
风险提示：行业竞争加剧，终端销量不及预期
