AI+行业系列之智能驾驶：自动驾驶的“大模型”时代-20230923-浙商证券-39页_1mb

自动驾驶的“大模型”时代总结

核心内容

自动驾驶正迈入“大模型”时代，大模型技术通过提升算法的表示能力、泛化能力与迁移学习能力，为L3/L4级别的自动驾驶技术落地提供了新的可能性。大模型在自动驾驶中的应用主要体现在多模态数据处理、环境感知、决策规划等方面，能够有效提升自动驾驶系统的安全性、效率与用户体验。

主要观点

• 大模型技术：具有数十亿甚至上百亿参数的深度学习模型，代表了AI技术的重大突破，尤其以Transformer架构为标志，引入注意力机制，解决了传统RNN和CNN在处理长序列数据上的局限。
• 自动驾驶技术路径：从CNN、RNN+GAN到BEV、Transformer+BEV，再到占用网络，技术演进逐步提升对复杂环境的理解和建模能力。
• 大模型的赋能：在自动驾驶中，大模型通过预训练和微调，提升了环境感知的鲁棒性与泛化能力，推动端到端学习和多模态融合，减少对人工标注的依赖。
• 行业展望：随着技术成熟和政策完善，L3/L4级别自动驾驶有望在2024年左右实现落地，政策将成为重要催化因素。
• 成本下降：硬件成本持续降低，如国产激光雷达和成熟芯片的使用，为自动驾驶普及创造了条件。

关键信息

自动驾驶技术迭代路径

• 2011-2016：CNN

  • 引入卷积神经网络，提升了环境感知能力，但存在数据标注复杂、泛化性差等问题。

• 2016-2018：RNN+GAN

  • RNN用于处理时序数据，GAN用于生成合成数据，提升模型训练效率。
  • 但存在样本效率低、模型解释性差、稳定性不足等问题。

• 2018-2020：BEV

  • 鸟瞰视角（BEV）将三维环境数据投影为二维表示，便于路径规划和避障处理。
  • 存在信息损失、传感器标定复杂等问题。

• 2020至今：Transformer+BEV

  • 结合Transformer的序列建模能力和BEV的空间表达，提升对复杂交通场景的理解。
  • 特斯拉在此技术路径上取得突破，提升系统安全性和可靠性。

• 2022至今：占用网络

  • 占用网络能更精准地还原三维环境，提升感知能力，减少对激光雷达的依赖。

自动驾驶模型架构演进

• 特斯拉软硬件迭代路径
  • HW1.0：基于Mobileye芯片，采用单目摄像头和毫米波雷达，主要进行多传感器融合与软件开发。
  • HW2.0/HW2.5：采用英伟达芯片，传感器配置更丰富，具备L2级别自动驾驶能力。
  • HW3.0：自研FSD芯片，实现端到端学习，提升环境建模与决策能力。
  • HW4.0：采用5MP摄像头，增强远距离目标识别能力，预计在欧洲车型中应用。

大模型对自动驾驶行业的赋能

• 环境感知：提升对复杂交通场景的理解，增强系统鲁棒性与泛化能力。
• 端到端学习：大模型能够直接从原始传感器数据到驾驶决策输出，简化系统架构。
• 多模态融合：融合图像、雷达等数据，实现对整体场景的多维理解。
• 降低人工依赖：通过预训练和自监督学习，减少人工标注和特征工程的需求。

高级别自动驾驶落地展望

• 成本：仍有下降空间，通过规模化和硬件优化，有望在2024年左右实现L3级别自动驾驶向低价位车型渗透。
• 技术：算法和硬件并行发展，特斯拉等企业持续推动技术突破，如Transformer+BEV和占用网络。
• 监管：政策逐步完善，为L3/L4自动驾驶提供合法化基础，但仍需明确权责划分和安全标准。
• 安全：需通过大量封闭场地测试和数据安全标准确保系统可靠，推动商业化落地。

国内主机厂自动驾驶布局

• 2024年左右落地L3级别自动驾驶：各主机厂从2021年开始加速布局，预计2024年实现L2++或更高级别自动驾驶功能。
• 大模型应用：部分企业已发布AI大模型，用于自动驾驶、智能语音交互等场景，如毫末智行、理想、广汽、吉利、百度、华为等。

政策与行业动态

• 国内政策：深圳市率先出台L3级别自动驾驶管理文件，工信部也推动智能网联汽车准入和上路试点。
• 法规完善：安全监管体系、测试标准、责任认定机制等仍在建设中，未来将更加细化。

风险提示

1. 自动驾驶算法研发与迭代不及预期
2. 智能网联汽车政策落地不及预期
3. 中美关系影响导致自动驾驶芯片供应链波动
4. 行业竞争加剧，可能导致价格战
5. 报告信息为公开信息的不完全统计，可能存在动态调整

投资评级

• 看好：行业指数在6个月内上涨超过10%
• 中性：行业指数在6个月内涨跌幅度在-10%至+10%之间
• 看淡：行业指数在6个月内下跌超过10%

法律声明

本报告由浙商证券股份有限公司制作，内容基于公开信息，不保证其真实性、准确性或完整性。投资者应独立评估信息与建议，并自行判断是否适合其投资需求。未经授权，任何机构或个人不得复制、发布或传播本报告内容。