AI+行业系列之智能驾驶-自动驾驶的“大模型”时代-浙商证券_39页_1mb

报告摘要

2023年9月23日自动驾驶的“大模型”时代——AI+行业系列之智能驾驶行业评级：看好
摘要：大模型技术发展与自动驾驶行业迭代路径密切相关，当前技术已进入大模型驱动的新阶段，推动L3/L4级自动驾驶技术突破。以下为关键内容总结：

大模型技术发展历程
大模型（含大语言模型）通过Transformer架构引入注意力机制，突破传统RNN和CNN处理长序列数据的局限性，开启大语言模型发展新纪元。其核心优势在于通过规模化参数捕捉复杂语义关系，提升建模能力。NLP领域因数据易获取和计算资源积累而率先发展，相较之下计算机视觉领域因标注复杂性尚未充分应用大模型。
自动驾驶模型迭代路径
自动驾驶算法分为感知、决策、规划控制模块，感知模块为关键环节，技术演进路径包括：
- CNN（2011-2016）：奠定图像识别基础，但难以处理时序数据和高维场景。
- RNN+GAN（2016-2018）：通过RNN处理轨迹预测，GAN生成合成数据，但存在样本效率低、计算局限性。
- BEV（2018-2020）：将三维环境投影为二维鸟瞰图（BEV），提升空间关系理解能力，但缺失高度信息。
- Transformer+BEV（2020至今）：结合Transformer强大的序列建模能力和BEV的空间表征，实现远距离依赖捕捉与全局场景理解，成为主流架构。
- 占用网络（2022至今）：替代传统传感器融合方案，通过深度学习重建3D场景，提升环境感知精度和鲁棒性。
大模型对自动驾驶行业的赋能
- 技术提升：通过预训练-微调范式，增强模型对复杂场景的泛化能力，实现端到端学习，简化系统架构。
- 成本优化：硬件配置降低（如国产激光雷达、成熟芯片复用），工程化能力提升（双芯片策略），推动L3级技术向低价位车型渗透。
- 政策支持：中国多地已出台L3级自动驾驶试点政策，如深圳放宽开放道路测试限制，工信部推进准入和商业化试点。
- 安全性强化：需完善安全监管体系，包括事故责任认定、测试标准制定，以及数据安全与通信安全合规性。
高级别自动驾驶落地展望
- 成本与硬件：预计2024年左右实现L2++或L3功能落地，芯片算力升级与规模化生产将降低硬件成本。
- 技术突破：行泊一体方案、多模态数据融合、大模型预训练技术推动环境感知、决策规划能力提升。
- 政策催化：随着技术成熟，监管政策有望逐步放开，加速L3/L4级自动驾驶商业化。
- 行业挑战：算法研发进度、政策落地速度、中美供应链关系、行业竞争导致价格战均可能影响技术普及。
主机厂布局动态
主机厂自2021年起加速L2+自动驾驶部署，如理想、小鹏、蔚来等品牌聚焦L3级功能。特斯拉作为先行者，通过全栈自研（软件如Transformer+BEV，硬件如FSD芯片）引领技术迭代，其占用网络方案已实现无激光雷达的3D环境建模，降低硬件依赖。
风险提示
- 技术迭代不及预期可能导致竞争力不足；
- 政策落地延迟或细则不明确影响商业化进程；
- 中美关系影响芯片供应链稳定性；
- 行业竞争加剧可能引发价格战，压缩利润空间；
- 报告数据为公开信息统计，可能存在动态调整。