前言:新能源車行業進入成長中期，滲透率接近30%，2023年年初以來保持平穩較快增長。伴隨新能源車占有率提升，汽車智能化配置進入加速滲透期，在政策、技術和商業三大維度迎來共振，在供給側成為車企差異化競爭新抓手，在需求側用戶對智能化參數認可度不斷走高。智能駕駛長期迭代的基底是海量數據訓練，上游算力需求突出，海外龍頭自研超算芯片優勢顯著，我國半導體產業鏈在海外高性能AI芯片出口限制強化背景下迎來國產替代發展機遇期。

在智能駕駛題材的高景氣帶動下，新能源車產業鏈和半導體產業鏈迎來需求共振，科創100ETF跟蹤的科創100指數第二大權重行業為電子、第三大權重行業為電力設備新能源，有望受益于智能駕駛產業趨勢不斷落地的進程，值得重點關注。

新能源車步入成長中期，汽車智能化“下半場”已至:2023年年初以來，我國新能源車增速維持平穩較高水平，至9月底滲透率達到29.8%，進入成長中期。伴隨新能源車占有率提升，智能化配置進入加速滲透階段，尤其是智能駕駛相關配置。2023年新發布熱門中高端車型中，智能化配置競爭白熱化，智能化成為車企差異化競爭新抓手。

圖:2023年新能源汽車銷量同比保持高增

AI大模型助力汽車智能化技術突破:年初以來AIGC技術持續突破，從GPT-3.5到GPT-4再到11月6日發布的“史上最強”ChatGPT，大模型性能不斷迭代提升，有望賦能車端智能化。傳播學之父有著著名的“最后7分鐘”論斷:“如果人類的歷史共100萬年，放到一天里來看的話，這一天的前23個小時人類傳播史是一片空白，一切最重大的發展都發生在這一天的最后7分鐘”。而大模型的發展也可能是非線性的，伴隨訓練數據量和模型參數的持續提升，應用端智能化“奇點”有望來臨。科創100ETF聚焦尖端科技領域，是投資者布局AI大模型的有力工具。

從產業趨勢落地節奏來看，汽車智能化政策、技術、商業三方面共振，已然進入高速增長期。

1、政策端:L3級別智能駕駛被認為是輔助駕駛和自動駕駛的分水嶺，在L3級別之后，駕駛主導權從駕駛員逐步移交至自動駕駛系統。當前，海外部分國家L3級別智能駕駛政策已出臺，如美國2023年6月加州機動車輛管理局向某車企頒發了加州首張自動駕駛車輛部署許可證；2021年12月德國在法律層面認可L3自動駕駛上路；日本2023年4月發布《道路交通法》修正案，自2023年4月1日起解禁“Level 4”級自動駕駛出行服務以及利用自動配送機器人的業務；英國2023年6月起首次允許無人駕駛汽車商用。

國內也高度重視智能網聯汽車的技術標準制定、法規政策推進和產業生態建設，采取了地方試驗立法在前、頂層設計總結立法在后的模式。一線城市方面，

2023年7月北京市在京開放智能網聯乘用車“車內無人”商業化試點，支持企業達到相應要求后在示范區內面向公眾提供常態化自動駕駛付費出行服務；

上海市2023年7月為三家企業發放浦東新區無駕駛人智能網聯汽車道路測試牌照；

深圳市前海管理局2023年6月和企業合作致力于在前海合作區落地深圳最大規模的無人駕駛乘用車隊和自動駕駛巴士運營車隊。

2023年7月，《國家車聯網產業標準體系建設指南(2023版)》發布，強調“到2025年，系統形成能夠支撐組合駕駛輔助和自動駕駛通用功能的智能網聯汽車標準體系，到2030年全面形成能夠支撐實現單車智能和網聯賦能協同發展的智能網聯汽車標準體系”。

2、技術端:2021年7月海外電車龍頭展示的BEV+Transformer的自動駕駛視覺感知新范式為國內車企打開了研發思路，2023年這一技術已從預研走到了量產落地階段。BEV+Transformer的核心思路是，將視覺感知硬件攝像頭獲取的2D圖像通過加測距的方式融合轉化為鳥瞰圖視角下的3D感知，從而避免2D圖像視角下的遠小近大和遮擋問題，算法能夠對被遮擋區域進行預測。簡單理解，就是在BEV+Transformer的加持下，智能駕駛視覺感知系統更像“人眼“和”人腦“了。在這種范式下，傳統智能駕駛的激光雷達和高清地圖的必要性邊際降低，智能化新車型逐步以”無圖導航“為新潮流。

圖:汽車智能化重要指標滲透率情況

商業端:商業化層面，供給側，配置智能駕駛功能的車企越來越多了。2023年NOA(Navigate on Autopilot，自動導航駕駛)由高速向城區邁進，以新勢力為代表的自主車企年內均有城市輔助駕駛落地規劃，部分車企用戶總里程中，城市道路占到71%，對應的用車時長更是達到90%。此外，部分廠商的“無圖“版本也將于年內上車。據高工智能汽車數據顯示，2023年1-4月，實際標配NOA的車型交付量為11.2萬輛，同比增長85.3%。科創100ETF(588190)布局硬科技領域，是投資者捕捉高新技術發展機遇的有力工具。

需求側，越來越多消費者認可智能駕駛、智能駕駛功能成為消費者購車新決策參考。海外某電車龍頭的用戶中超40萬名付費測試FSD功能，截至今年6月，FSD用戶測試版累計行駛里程超過4.83億公里。國內據相關調研，智能化體驗成為用戶重要購車因素之一。在汽車被視為下一代智能終端的現在，車聯網、車載娛樂系統、智能駕駛系統、安全防護系統、感知與定位系統等，用戶在使用車輛過程中的多樣化需求被車企深挖，并作為差異化競爭的抓手。

圖:有購買意向用戶和大盤用戶的智能駕駛關注點

智能駕駛產業鏈的景氣度最終指向上游算力需求的突出:海外電車龍頭智能駕駛算法領先國內頭部玩家約2年，歸根結底，要回歸到其訓練平臺算力的優勢上。早在2022年，海外電車龍頭的訓練平臺算力已達2 EFLOPS。2023年7月該公司更是投產Dojo超級計算機，計劃在2024年10月總算力達到100EFLOPS。反觀國內頭部新勢力車企2023年最新披露訓練平臺算力均低于2EFLOPS，差距仍存。

算力芯片長期市場空間廣闊，半導體國產替代勢在必行:早在2021年AI Day，海外電車龍頭就公布了超級計算機Dojo計劃并宣布自研AI訓練芯片D1，該芯片算力介于市場上常見的A100和H100之間，是支撐智能駕駛長尾場景覆蓋、海量數據訓練的基石。我國智能電車供應鏈相對完備，唯有上游算力芯片端有所缺失，在美國強化對我國高性能AI芯片出口限制的背景下，國產半導體企業迎來發展窗口期。

整體來看，在智能駕駛題材的高景氣帶動下，新能源車產業鏈和半導體產業鏈迎來需求共振，科創100ETF跟蹤的科創100指數第二大權重行業為電子、第三大權重行業為電力設備新能源，有望受益于智能駕駛產業趨勢不斷落地的進程，值得重點關注。