地平线机器人：领先的ADAS+AD解决方案提供商，2024赴港完成IPO
1.1公司是智能驾驶解决方案头部企业
地平线
机器人（Horizon
Robotics，后文简称为“地平线”或“公司”）
是市场领先的乘用车高级辅助驾驶
（ADAS）
和高阶智能驾驶
（AD）
解决方案供应商。
公司成立于2015年，聚焦深度神经网络计算方向。经过近十年的发展，公司已成为配备专有软硬件技术的乘用车高级辅助驾驶和高阶自动驾驶解决方案的领先供应商，下游客户为行业领先的OEM和国产汽车Tier1供应商。公司曾荣获“KPMG——中国领先汽车科技50强”、“寰球汽车——年度科技贡献企业”、“福布斯——中国年度最具创新力企业”等多个奖项，已成为智驾科技头部企业。
根据高工智能汽车的统计，2024H1中国市场自主品牌乘用车前视一体机（L2 ADAS）计算方案市场，公司以33.73%的份额位列第一。根据佐思汽车研究的统计，2024年1-8月中国乘用车L2+及以上芯片供应商市场，公司以14.7%的份额位列第四，装机量达23.3万颗，主要搭载品牌包括理想汽车、方程豹等，搭载车型为理想L6/7/8/9、豹5、宋L等。
1.2公司汽车解决方案业务模式灵活，可提供智驾解决方案、算法授权和技术服务等多元产品/服务
公司主营业务包括汽车解决方案和非车解决方案。
其中汽车解决方案包括：1）产品解决方案；2）授权及服务业务。非车解决方案专注于家庭服务的场景。2023年、2024H1授权及服务业务收入分别为9.6亿、6.9亿人民币，已成为公司营收主要来源。
产品解决方案主要为全面的高级辅助驾驶和高阶自动驾驶解决方案
。
主要产品Horizon Mono及Horizon Pilot解决方案已成功通过验证、商业化及大规模部署，目前公司正与计划部署Horizon SuperDrive解决方案的OEM推进量产合作。
授权和服务业务包括：1）向客户授权算法及软件，并提供相关代码及设计手册以收取授权费和特许权使用费；2）向客户提供设计和技术服务以收取服务费。收费基准为：部分授权业务收取基于量产车辆数量的特许权使用费；服务业务方面，客户使用公司知识产权，按预先确定的固定金额支付授权费、定期支付特许权使用费。
非车解决方案专注家庭服务的场景和应用，以及具有更高智能水平的设备和器具（如割草机、健身镜及空气净化器）。
1.3公司于2
024
年赴港完成IPO，大众集团控股的CARIAD
Estonia
AS是第一大股东
公司经历多
轮融资
，总融资额超3
0
亿美元
。
截至IPO之前，公司已经历11轮融资，总融资额约23.6亿美元。公司于2024年10月24日在中国香港上市，发售价3.99港元/股，全球发售1,355,106,600股，融资额约54亿港元。
公司股权结构较分散。第一大股东为大众汽车集团的孙公司CARIAD Estonia AS，持股17.93%。公司管理层余凯、黄畅分别通过Everest Robotics Limited、String Theory Robotics Limited以及各自的家族信托间接持有公司股份13.3%、3%。
管理团队经验丰富，多行业专家经验提供支持。
首席执行官余凯博士为国际著名科学家，在计算机工程领域拥有约25年的研发经验，在高阶自动驾驶领域有丰富经验。首席技术官黄畅博士是计算机工程领域的顶尖研究员，曾任百度主任研发架构师。首席运营官陶斐雯在顶尖国际科技公司拥有丰富经验，曾任职于百度、谷歌。总裁陈黎明博士在汽车行业拥有近30年的经验。曾任博世集团中国底盘控制系统部门的高级副总裁及区域总裁。
2.1智能驾驶发展空间广阔，高阶自动驾驶仍处于早期阶段
美国汽车工程师学会（SAE）将智能驾驶分为5级。其中，L1-L2级别系统可接管少部分的、不连续的车辆控制任务，属于高级辅助驾驶（Advanced Driving Assistance System，简称“ADAS”或“辅助驾驶”） 范围。而L3-L5级别系统是指可以在激活后的一定情况下执行连续性驾驶任务，属于自动驾驶（Autonomous Driving，简称“AD”）范围。
从各级别智能驾驶对应的具体功能来看， L0级别以预警功能为主。L1-L2级别主要聚焦辅助驾驶功能，作为转向自动驾驶的过渡产品，以主动安全功能为主，需要驾驶员随时准备接管。L4级别除AVP（自助代客泊车）外暂无更多明确的单一产品形态。
L
3
及以上级别自动驾驶渗透率仍然较低。
根据Yole对小型车（light vehicle）的统计，2022年车辆的智能驾驶功能仍然以L0-L2级别的辅助驾驶功能为主，并且Yole预计L3及以上级别自动驾驶的放量短期内无法实现。我们认为，L3的渗透率仍然较低，除因技术并不完全成熟外，主要是由于其人机切换机制不明确、以及法律责任认定的相关法律尚未出台。根据SAE的定义，L3是指由车辆完成绝大部分驾驶操作，人类驾驶员需保持注意力以备不时之需，这意味着人类驾驶员和智能驾驶系统需要频繁交接车辆的控制权，这进一步提高了相关技术实现的难度。另一方面则是相关责任的认定并不完善，因为L0-L2仍然由人类驾驶员负责驾驶任务，因此也自然由人类驾驶员承担交通事故的责任，L4及以上则由车辆承担相关责任，而L3对于车辆和人类驾驶员还没有清晰的责任划分，因此带来了相应的监管困难。
多国出台政策推动汽车智能化发展，全球高级辅助驾驶和自动驾驶
渗透率逐年提升。
欧盟强制新汽车配备AEB系统，发布《自动驾驶之路》、《车辆通用安全法规》；美国交通部发布《自动驾驶汽车4.0》、《综合计划》；日本启动4级自动驾驶研发项目，颁布《道路交通法》修正案；韩国公布《未来汽车产业发展战略》及出行创新路线图。根据公司招股说明书，2023年全球乘用新车销量6,030万台，其中具备自动驾驶功能的智能汽车销量3,950万台，占比65.6%。预计2026年、2030年智能汽车销量分别达到5,590、8,150万台，ADAS+AD渗透率分别达80.3%、96.7%。
L
2
持续渗透，L
3
渗透率有望随政策出台迎来向上拐点。
根据工信部发布的《中国智能网联汽车发展路线图2.0》，预期2025年L2+和L3的自动驾驶功能渗透率要达到50%以上，2030年达到70%以上；L4级自动驾驶的渗透率预计在2030年达到20%。我们预计随着国内外L3相关责任认定的政策出台，L3级自动驾驶将迎来向上拐点。根据公司招股说明书引用灼识咨询的数据，全球和中国ADAS+AD解决方案的总市场规模将持续增长。2030年中国的高阶自动驾驶市场规模有望突破4,000亿元人民币，占全球高阶自动驾驶总市场规模的比例超过40%。
2.2
汽车
智能化趋势下，电子电气
架构从分布走向集中，推动SoC成为智能驾驶域核心部件
汽车的电子电气架构（Electrical/Electronic Architecture，简称EEA）是将汽车的所有电子和电气部件设计为一体的整车电子电气解决方案，集合了汽车的电子电器系统、ECU、各类传感器、线束、连接器的设计、电子电气分配系统等。
传统分布式EEA以ECU为关键器件，ECU数量随着电气化功能升级增长。
在传统的分布式电子电气架构中，电子控制单元（Electronic Control Unit，ECU）是实现整车功能控制的关键器件，负责车辆中的传感器与各种电子电气系统的信息传输与控制。各个ECU又通过CAN（Controller Area Network，控制器域网络）或 LIN（Local Interconnect Network，局部互联网络）总线连接在一起。传统的基于多个ECU的分布式架构不需要中央计算平台，决策算法已经集成在各个传感器小系统中。由于每个ECU通常只负责控制一个单一的功能单元，因此随着整车电子电气功能的不断升级，ECU 的数量不断增加，一些高端车型的ECU数量已超过100个，比如奥迪 A8L装配的ECU数量在2013年就已经超过100个。
随着智能汽车销量和自动驾驶渗透率不断提升
，
EEA由分布式逐渐转向集中式。
传统的分布式架构面临以下问题：1）不利于应对OTA升级需求。2）算力利用效率较低。3）信息的融合度不够。不同控制器之间无法共享计算结果。4）线束增多，增加车重且提高了单车成本。2016年博世推出了域控制器（Domain Control Unit，简称DCU）和集中式EEA。集中式EEA将分散的 ECU 集成为运算能力更强的域控制器（DCU），域内大部分功能将由域控制器控制实现。以功能为导向的功能域可分为动力域（安全）、底盘域（车辆运动）、车身域（车身电子）、自动驾驶域（辅助驾驶）和智能座舱域（信息娱乐）。
域控制器时代，高算力、高性能、高集成度的异构So
C
（
System on Chip
，系统集成芯片
）将成
为智能驾驶域控制器的核心部件
。
随着汽车向集中式EEA升级，多个ECU功能被整合进域控制器，ECU中包含的MCU（Microcontroller Unit，微控制器）无法满足更高阶的功能需求以及自动驾驶对算力的高需求。相比之下，SoC芯片具备高算力、高异构性和高集成度，SoC除CPU外还引入了DSP（音频处理）、GPU（图像处理）、NPU（神经网络处理）等，不仅拥有控制单元，还集成计算单元，能够支撑多任务并发及海量数据的处理，较好地支撑各种场景的硬件加速需求。
智驾SoC作为
车规级芯片
，
产业化周期长，供应体系阈值较高。
和消费电子产品不同，汽车作为交通工具，对于芯片具有更高要求。
1）生命周期长：
汽车设计寿命普遍都在 15 年或 20 万公里左右，远大于消费电子产品寿命要求。
2）运行环境恶劣：
发动机舱内温度区间为 -40°C~150°C、车辆行进时会遇到较多振动与冲击、车内环境湿度大、粉尘大、侵蚀大，远超消费芯片所需。
3）安全性要求高：
汽车芯片宕机可能引发严重安全事故。为满足安全性要求，采用独立的安全岛设计，在关键模块、计算模块、总线、内存等都有 ECC、CRC 的数据校验，包括整个生产过程都采用车规级芯片的工艺，以确保车规级芯片的功能安全。
4）长效性：
汽车开发周期较长，新车型从研发到上市验证需要至少两年的时间，意味着汽车芯片设计必须具有3 ~ 5 年的前瞻性。并且满足汽车生命周期内的OTA（远程升级）需求。综上原因，车规级芯片从设计、认证、测试，到量产上车需要约3.5-5.5年的时间，芯片厂需要付出较大的技术成本，生产成本和时间成本。
2.3 传统汽车供应链层级逐渐模糊，公司定位Tier
2
传统汽车产业链为金字塔结构的垂直供应模式，各层级专业分工明确。
传统汽车及汽车零部件产业链形成了整车厂（OEM）——一级供应商（Tier 1）——二级供应商（Tier 2）——三级供应商（Tier 3）的金字塔式供应结构。Tier 3向Tier 2提供零部件，Tier 2向Tier 1提供配套、专业性较强的总成系统及模块拆分零部件。Tier1则向整车厂直接供货，不仅直接向整车制造商供应总成及模块，还与整车制造商相互参与对方的研发和设计。
按照传统供应链层级划分，目前自动驾驶/辅助驾驶产业链参与方不完全归类如下：
1）
整车厂/OEM：
例如奔驰、宝马、大众、特斯拉、蔚来、小鹏、理想、比亚迪等。
2）
Tier
1
：
外资/Global Tier 1主要有安波福（Aptiv）、博世（Bosch）、大陆（Continental）、电装（Denso）、麦格纳（Magna）、采埃孚（ZF）、Waymo、Mobileye等。国内供应商主要有华为、百度、德赛西威、经纬恒润、东软睿驰、知行科技、Momenta等。
3）
Tier
2
：
自动驾驶所需零部件众多，如前/后视摄像头、毫米波雷达、计算平台（SoC）等。以自动驾驶SoC为例，供应商主要有特斯拉、地平线、英伟达（Nvidia）、Mobileye、华为、德州仪器（TI）、黑芝麻智能、高通等。
智驾SoC的重要性持续提升，传统汽车产业链的边界逐渐模糊，供应链由“链式”演变为“网状”结构。
SoC逐渐成为智能驾驶域控制器的核心部件，在产业链中的优先级提升。出于降本、提升沟通效率、更好地管控芯片等多重需求，整车厂跨过“传统Tier 1”与芯片厂直接沟通。另一方面，部分Tier 2供应商向Tier 1靠拢，开始涉足系统方案的供应，Tier 1和Tier 2之间的产业链边界也开始模糊。如Mobileye曾定位Tier 2，售卖“EyeQ芯片+感知算法”打包的黑盒方案；后自研4D毫米波雷达和FMCW激光雷达，并推出Mobileye Supervision首发搭载于极氪001，标志着Mobileye 成为辅助驾驶系统方案提供商，在产业链中开始扮演Tier 1的角色。
公司定位Tier
2
，提供多层级合作模式。
公司提供从BPU架构、芯片、操作系统到自动驾驶软件算法与硬件等多种产品和服务，并提供包括“天工开物”、“艾迪”、 TogetherOS在内的完整开发工具链，以及覆盖自动驾驶和智能座舱的参考算法和参考平台。公司面向合作伙伴提供不同层次的合作模式：
1）
英伟达模式
：整车或零部件企业可基于BPU、SOC以及操作系统OS的组合方案，进行自动驾驶软硬件系统和整车的开发。
2）
Together OS模式：
该模式是公司主流合作模式。公司提供BPU和SOC，将DSP底层软件等开放给合作伙伴。
3）
BPU授权模式：
实力较强的客户可基于BPU架构自行设计自动驾驶专用芯片，以实现产品和功能的差异化。
3
.
1
软硬结合，平台赋能
3
.
1.1
硬件端：“征程”（Journey）系列芯片涵盖L
2-
L4多元场景需求
公司核心
产品
“征程”系列智能驾驶芯片涵盖从L2级辅助驾驶到L4级自动驾驶的多元化应用需求，在国内智能驾驶
SoC
市场
份额位居前列。
2019 年，公司推出中国首款车规级智能芯片“J2”（征程2 ，后文简称“J2”，征程系列其他芯片简称同理）；2020年，公司推出新一代高效能车载智能芯片J3，首发搭载于理想One车型；2021年7月，公司推出业界第一款集成自动驾驶和智能交互于一体的“J5”，单芯片算力达 128 TOPS，标志着公司产品迈入高算力智驾芯片行列。
公司J6
系列
芯片
覆盖从低阶到高阶智驾市场的全场景应用
，致力于突破中低阶智能驾驶普及的瓶颈
。
公司于2024年4月发布J6系列芯片，包括B、L、E、M、H、P。
其中：1）J
6P
面向高阶智驾
，专为全场景NOA（Navigate On Autopilot，导航辅助驾驶）打造，算力达560 TOPS，CPU处理能力410K DMIPS。该芯片拥有高集成度、高算力、高效率、高处理能力、高接入能力以及高安全等六大特点，单颗J6P可支持感知、规划决策、控制等全栈计算任务。
2）中阶智驾市场扩容，J
6
E和J
6
M面向中端市场，分别面向高速NOA场景、提供普惠城区的性价比解决方案。
J6E拥有80 TOPS 的AI算力和100K DMIPS的CPU处理能力，J6M拥有128 TOPS的AI算力和137K DMIPS的CPU算力。公司于发布会宣布J6E/M已经与多家Tier1、软硬件合作伙伴达成合作协议。
3）J
6
B
专注于低阶智驾市场，
支持汽车
主动
安全
。
AI算力超过10 TOPS，CPU处理能力达20K+ DMIPS。基于J6B，公司联合索尼推出了全球首款1700万高性能前视感知方案，高性价比方案进一步推动了智能驾驶技术的普及。J6B已获得包括博世（Bosch）、电装（Denso）等全球顶级Tier1供应商的合作意向。
3
.
1.2
芯片配套相应解决方案，工具链和开放平台助力算法和软件开发
结合自研芯片，公司通过 Horizon Mono、Horizon Pilot 和 Horizon SuperDrive 三大核心解决方案覆盖从基础辅助驾驶到高阶自动驾驶的全场景需求。
Horizon Mono:主动安全高级辅助驾驶解决方案。
旨在提高日常驾驶的安全性及舒适性，可实现自动紧急制动(AEB)及智能大灯(IHB)等安全功能，也可实现自适应巡航控制(ACC)及交通拥堵辅助(TJA)等舒适功能。嵌入征程2或征程3处理硬件。
Horizon Pilot:高速领航辅助驾驶(NOA)解决方案。
有增强的主动安全功能，还能完成更高阶的驾驶任务，如自动上/下匝道、交通拥堵时自动汇入/汇出、自动变道、高速公路自动驾驶等。提供先进的停车辅助功能，例如自动泊车辅助系统(APA)及自动记忆泊车(VPA)等功能。嵌入征程5或征程3处理硬件。
H
orizon SuperDrive:高阶自动驾驶解决方案。
目标在所有城市、高速公路和泊车场景中实现流畅和拟人的高阶自动驾驶功能。预计能实现诸如优雅绕障、拟人的柔和制动动态速度控制、平稳的无保护左转等功能。公司计划嵌入征程6处理硬件。
软件开发平台
“地平线
艾迪
”：聚焦模型高效自动迭代，降低量产交付成本。
随着单车数据量爆炸式增长和复杂“长尾场景”的挑战，传统软件开发模式已无法满足快速算法迭代的需求。地平线艾迪是专为高效完成模型自动迭代而设计的软件开发平台，旨在简化复杂系统的构建过程。通过提供即用型的软件组件，地平线艾迪能够帮助客户建立完整的闭环能力，包括数据挖掘、标注、训练、优化、部署、评测、管理与性能分析，以提升开发效率，并大幅降低量产交付成本。地平线艾迪为开发者提供了丰富的工具和应用编程接口（API），包括：1) 自动化感知、语义分割、分类等功能模块；2) 直观的图形用户界面（GUI），用于任务理；3) 开发平台用于算法训练与编译、软件部署与验证，以及性能评估与分析。
智能驾驶应用开发套件
“地平线Togethe
R
OS（踏歌）
”：提升面向量产落地的开发效率。
“踏歌”是一款专为高阶自动驾驶设计的嵌入式中间件，旨在应对高阶自动驾驶量产过程中系统集成复杂度高、测试迭代效率低等行业痛点。“踏歌”的核心功能包括：1) 针对量产需求定制的模块化应用开发框架，支持应用的灵活配置和优化；2) 高级可视化和性能分析工具，用于提升开发效率和性能；3) 简化系统集成的分层框架与标准化接口协议；4) 参考开发节点，方便在开发关键阶段集成第三方产品和服务。此外，“踏歌”兼容主流商业与开源生态系统，为开发者提供灵活的适配和定制化选项。
算法开发工具链
“地平线
天工开物
”，助力算法与硬件配合，实现高效的算法部署。
地平线天工开物是一款灵活高效的开发工具链，为客户提供丰富的示范算法、模型、开发框架和工具，助力在征程系列芯片上实现精准高效的算法部署。通过软硬协同开发，该工具链显著提升算法性能，减少了量产适应和微调的开发工作量，降低了开发专有算法的技术门槛。
3
.
1.3
“软硬结合”：不只是算法适配硬件，而是“软硬协同优化”
在芯片设计、工艺的硬件层面
的AI效能已被充分发掘的前提下
，
需要
从操作系统、编译器等软件层面
挤出AI效能的增量空间。
2016年公司提出了“智能计算的新摩尔定律（New Moore’s Law of Intelligent Computing）”，致力于让芯片在同等面积或功耗下拥有更大的算力。用“一秒处理帧图像”（FPS，Frames Per Second）来衡量神经网络在芯片上的计算效率，提出“芯片的真实计算效能=理论峰值计算效能×有效利用率×算法效率”。其中“有效利用率”指的是如何充分利用芯片算力。
充分利用芯片算力的关键是要进行“软硬协同优化”
，
让芯片架构与神经网络或深度学习的算法进行高度匹配。
另外，区别于传统算力（TOPS）的衡量指标，地平线提出MAPS（Mean Accuracy-guaranteed Processing Speed，在精度有保障范围内的平均处理速度）这一关键评估指标，以衡量芯片算力的真实效能。以特斯拉FSD为例，其标称算力仅为Nvidia Drive PX2的3倍，但实际性能却是PX2的21倍，彰显了软硬结合的重要性。
BPU架构的不断优化，是“硬件协同优化”的具体体现。
BPU（Brain Processing Unit）是一种专为人工智能设计的处理器架构，解决了传统处理器在大规模并行计算中的效率瓶颈，尤其在图像识别、语音处理、自然语言理解和控制等领域表现卓越。BPU通过优化的硬件加速器，实现了卷积神经网络（CNN）、循环神经网络（RNN）和Transformer等复杂神经网络模型的高效计算，在有限的功耗和成本下，达到更高的计算效率和性能。公司致力于推动BPU架构不断演进，伯努利（Bernoulli）架构——贝叶斯（Bayes）架构——纳什（Nash）架构历次迭代都针对特定的算法需求和自动驾驶场景进行优化和提升。纳什架构能够支持在单颗SoC芯片上进行千亿参数级GPT模型的推理，甚至可以支持单颗芯片在5nm、7nm工艺基础上达到最高1000TOPS的算力，从而满足未来城区自动驾驶的需求。
3
.
2
再
议“软硬结合”——智能汽车行业“软硬解耦”趋势受阻，“软硬协同”重回视野
“软件定义汽车”时代带来“软硬解耦”趋势。
软件定义汽车的时代，传统整车厂一次性定下未来5-8年的“软硬一体”造车方案，由于方案周期较长，会带来车上硬件性能以及软件算法过时的弊端。因此在产品设计阶段，考虑到后续的迭代问题，软硬件应实现解耦。即在硬件配置趋同、芯片预埋的前提下，为实现差异化，主机厂需要快速收集用户不断变化的需求，并进行对应的软件迭代。主机厂面临两种选择：一是自主研发全栈式解决方案；二是软硬件解耦后找合适的供应商进行软件迭代。
“软硬解耦”面临的技术困境集中体现于中间件
。
1）
中间件定制化程度仍然较高
。
目前中间件都面临一定程度的限制，如无法快速定义通信接口、跨平台的支持不友好、芯片兼容性差等问题，需要根据功能、硬件平台、操作系统进行定制。
2）中间件需要针对域控架构进行调整。
两款基于同一个芯片平台做的域控制器，如果硬件架构不同（域控方案使用的SoC数量不同），对中间件的需求也会产生差异。3）
芯片厂商的竞争与产品迭代
会导致算
法移植需求
持续变化
。
由于不同的芯片有不同的BSP（Board Support Package），这导致用于芯片和算法解耦的中间件难以复用，必须对不同的芯片进行不同的定制化适配。
“软硬协同”趋势重回视野，公司已拥有多年积累
。除了“解耦”遇到的技术难题，在算力层面，在当前智能汽车计算性能不满足用户需求的情况下，软硬深度协同的需求更为重要。如前文所述，“软硬协同优化”使得芯片算力能够被充分利用，神经网络在芯片上的计算效率得以提升。对于小算力芯片，软硬协同显得更为重要。综合以上考虑，目前无论是以特斯拉、新势力造车为代表的整车厂，还是以Momenta为代表的Tier 1，或是以地平线为代表的Tier 2均已加入或准备加入“软硬一体”的全栈竞争。公司拥有SoC、算法、中间件平台、工具链、软件开发平台等全栈能力，在“软硬结合”方面已有相关技术沉淀。
我们认为公司“软硬协同”并非是向“软硬强耦合”传统模式的倒退，也并非向Mobileye“黑盒模式”发展，而是基于硬件底座，通过中间件软硬协同，赋能上层应用软件快速迭代。
作为供应商，把“软硬协同”做成封闭黑盒模式，不利于车企自主调整、升级算法，也无法自行实现后续软硬件协同开发，Mobileye曾因“黑盒模式”遭遇了客户的流失。公司在迁移灵活性较低、开发周期较长的模块，如传感器、芯片和中间件等，采用“软硬结合”的模式，规避中间件面临的技术限制和底层传感器与芯片之间算法移植的困难；在迁移灵活性较高、开发周期较短的模块，如中间件和应用软件，采用“软硬解耦”的模式以适应“软件定义汽车”时代上层软件快速迭代的需求。
“软硬协同”背景下，“硬件”业务仍是公司收入基本盘。
以收入角度划分，“授权及服务业务”建立在“产品解决方案业务”的基础之上。我们认为，芯片是公司提供给客户的解决方案中的核心，下游厂商采用公司的芯片后，会进一步使用公司对应的算法工具链、数据训练平台、中间件平台、软件开发平台等。因此我们认为，公司未来仍将持续发力芯片的研发和量产上车，并在此基础上推动授权及服务业务持续增长。
3
.
3
“高门槛”智驾SoC领域先发优势+高度可扩展的业务模式
公司
具有先发优势，供应商声誉良好，多款新车定点构筑护城河。
公司前期投入较多时间精力，通过OEM严格的验证流程，并凭借良好声誉及记录持续赢得下游OEM的信任，进一步巩固领先地位。公司已成为众多OEM及一级供应商的首选。2023年，公司获超过100款新车型定点。除前十大中国OEM外，公司与大众汽车集团等全球行业巨头成立合营企业、与全球领先的一级供应商客户（如安波福、博世、大陆等）建立战略合作伙伴关系。此外，下游OEM等客户更换合作供应商，会导致重新设计系统等额外成本，客户粘性的增加将进一步巩固公司供应商优势地位。
业务模式高度可扩展，高效切入同一客户的不同车型，扩大定点数量。
1）
需求端：
主流OEM公司青睐平台设计方法，倾向于将相同的解决方案应用于同一平台设计的所有车型。结合公司可提供的定制化服务和高昂的迁移成本，公司成功打入客户一个车型后，客户会倾向于在其他车型上采用公司更多类别的解决方案。
2）
供给端：
公司标准解决方案组合及工具链可满足不同OEM对不同车型的各种需求，能够在不花费额外开发资源的情况下快速扩大生产规模，并有效地满足新客户的需求。
