智能汽车行业专题研究：大模型应用下自动驾驶赛道将有哪些变化_32页_6mb

智能汽车与大模型应用下的自动驾驶变化分析

核心内容

本文分析了大模型在自动驾驶领域的应用趋势及其对产业链的影响，重点围绕BEV+Transformer技术、NOA功能的快速落地、云端与车端算力需求、执行端技术变革以及商业模式变化等方面展开。整体来看，大模型正推动自动驾驶技术向更智能、更高效的方向发展。

主要观点与关键信息

1. 大模型成为自动驾驶算法主流趋势

• BEV+Transformer 已成为自动驾驶算法主流趋势，特斯拉、比亚迪、小鹏、理想、蔚来、华为、百度Apollo等主流车企和自动驾驶企业均布局该技术。
• BEV（Bird's Eye View）将多模态数据融合至同一平面，提供全局视角，提高物体检测和跟踪的精度。
• Transformer模型通过注意力机制实现全局理解，提升模型泛化能力，解决传统小模型在处理复杂数据时的局限性。

2. 大模型推动NOA快速落地

• NOA（Navigate on Autopilot） 功能在大模型的推动下快速落地，2023年城市NOA功能有望实现全国范围内的无高精地图应用。
• 预计到2025年，NOA功能将覆盖超400万辆车型，渗透率从12%提升至32%，市场规模将达520亿元，年均增长率预计为105%。

3. 云端算力需求激增

• 智算中心 成为自动驾驶系统开发、验证与迭代的重要基础设施，预计2025年算力需求将达到14-46 EFLOPS。
• 主要车企和自动驾驶企业如特斯拉、吉利、小鹏、毫末智行等，已开始布局智算中心，以提升数据处理能力和算法迭代效率。

4. 车端算力需求翻倍

• 随着大模型应用，车端算力需求显著提升，预计将达到800TOPS以上。
• 摄像头像素从200万向800万升级，传感器数量增加，以实现更精细的感知能力。

5. 感知端技术升级与传感器变化

• 4D成像毫米波雷达 有望替代3D毫米波雷达和低线激光雷达，具备更高的分辨率和成本优势。
• 激光雷达 尽管在精度上有优势，但随着技术进步和成本下降，长期需求或将见顶。
• 无图方案 开始普及，车企和自动驾驶企业逐步减少对高精地图的依赖，通过车端实时建图实现环境感知。

6. 执行端向线控底盘发展

• 线控底盘 是实现执行器多重安全冗余的必要条件，包括线控换挡、油门、悬架、转向和制动。
• 国产线控底盘零部件供应商具备快速响应和技术开放优势，有望在国产替代中崛起。

7. 商业模式转向订阅制

• 随着城市NOA功能的普及，订阅模式 开始兴起，消费者更偏好灵活的付费方式。
• 订阅模式有助于提升数据回收效率，从而促进自动驾驶系统的持续迭代。

技术趋势与行业影响

1. 技术趋势

• BEV+Transformer 技术路线逐步成为主流，提升了感知能力和泛化能力。
• 占用网络模型（Occupancy Network）成为下一代自动驾驶算法的重要方向，实现更精准的3D场景重建。
• 4D毫米波雷达 作为新型传感器，具备高分辨率和低成本优势，预计将在中高端车型中快速渗透。

2. 产业链变化

• 云端算力：智算中心成为下一阶段竞争重点，预计2025年市场规模可达4-15亿美元。
• 车端算力：算力需求翻倍，芯片厂商正在加强Transformer架构的适配能力。
• 感知端：摄像头像素和数量提升，激光雷达逐步降本，4D毫米波雷达成为新选择。
• 执行端：线控底盘成为高阶自动驾驶的重要技术支撑，国产供应商有望崛起。
• 商业模式：订阅模式逐渐成为主流，推动数据闭环和系统迭代。

风险提示

• 宏观经济及汽车行业景气度下滑：新能源车需求不及预期，可能影响自动驾驶发展。
• 大模型应用速度或效果不及预期：超算平台算力建设及其他智能驾驶相关技术未能按预期落地。
• 高阶自动驾驶消费者接受意愿不明确：城市NOA推进不及预期，可能影响市场渗透。
• 测算结果具有主观性：基于极端假设和主观判断，仅供参考。

未来展望

• 随着大模型技术的成熟，L3及以上自动驾驶 落地进程有望加快。
• NOA功能 将成为衡量自动驾驶智能化水平的重要指标。
• 4D毫米波雷达、线控底盘 和 订阅模式 等技术与模式的普及将推动自动驾驶行业进一步发展。

总结

大模型正在深刻改变自动驾驶技术路线和行业格局。BEV+Transformer成为主流算法，推动NOA快速落地和L3以上自动驾驶发展。云端算力需求激增，智算中心成为竞争重点；车端算力需求翻倍，芯片厂商加快适配Transformer架构；感知端向更高分辨率、多传感器融合方向发展，4D毫米波雷达有望替代低线激光雷达；执行端向线控底盘转变，提升安全冗余；商业模式转向订阅制，提升数据闭环效率。整体来看，大模型正在推动自动驾驶向更智能、更高效、更普及的方向发展。