20230629-开源证券-中小盘策略专题_智能汽车系列深度（十）_自动驾驶算法篇——大模型助力_自动驾驶有望迎来奇点_36页_4mb

中小盘研究团队：智能汽车系列深度（十）——自动驾驶算法篇

核心内容概述

本文围绕自动驾驶算法的发展趋势展开，重点分析大模型对自动驾驶技术的推动作用。从感知、预测、规划控制到数据闭环和仿真技术，大模型的引入正在重塑自动驾驶的算法体系，使其从模块化走向端到端，提升性能、泛化能力和安全性，推动L3级自动驾驶的普及。

主要观点与关键信息

1. 自动驾驶算法是感知、预测、规划、控制的结合体

• 自动驾驶系统由多个模块组成，包括感知、预测、规划与控制。
• 感知模块主要负责检测、分类、跟踪和语义分割。
• 规划模块分为全局路径规划、行为规划和运动规划，目标是安全、舒适和效率。
• 数据闭环和仿真技术是自动驾驶算法迭代和优化的重要支撑。

2. 大模型推动自动驾驶迈向普及

• BEV+Transformer 算法成为新的技术范式，能够将多摄像头和传感器数据融合为3D空间，解决传统2D图像的深度预测、遮挡等问题。
• 特斯拉是该技术的引领者，其“九头蛇”架构通过特征共享和时序信息增强，实现更精准的感知和决策。
• 大模型具有更强的全局信息感知能力、更好的泛化性和多模态处理能力。

3. 占用网络提升3D感知与通用障碍物识别能力

• 占用网络构建了“占用栅格”+“栅格流”+弱语义的感知体系，使自动驾驶摆脱对高精度地图的依赖。
• 占用网络通过实时建图和预测，提高对复杂场景的识别能力，如十字路口、大型卡车等。
• 该技术具有更高的安全性和泛化性，适用于多种自动驾驶场景。

4. 端到端算法成为行业共识

• 模块化算法存在误差累积和优化困难，端到端算法更符合自动驾驶第一性原理。
• UniAD 等算法已实现端到端模型构建，特斯拉也在推进FSD V12的端到端模型。
• 世界模型概念开始兴起，具备预测未来、生成场景、提升算法泛化性等优势。

5. 数据闭环与仿真技术加速自动驾驶成熟

• 数据闭环包含采集、挖掘、标注和训练，特斯拉已实现自动标注技术，显著提升效率。
• 仿真技术成为自动驾驶测试的重要手段，支持多种交通主体和复杂场景模拟。
• DRIVE Sim 和 51Sim-One 等平台具备强大的仿真能力，支持大规模、高精度测试。

重点关注的受益标的

• 德赛西威：自动驾驶系统核心供应商。
• 经纬恒润：提供高精度地图和传感器融合方案。
• 中科创达：专注于智能驾驶算法开发。
• 华阳集团：提供智能驾驶硬件和软件解决方案。
• 北京君正：在芯片和算法融合方面有布局。
• 美格智能：具备数据采集与处理能力。
• 晶晨股份：在智能驾驶芯片领域有所突破。
• 均胜电子：提供自动驾驶系统集成与平台服务。

风险提示

• 技术发展进度不及预期：大模型的落地仍需时间，算法优化存在不确定性。
• 市场需求不及预期：自动驾驶普及受制于成本、法规和消费者接受度。

产业链变化趋势

1. 云端算力军备竞赛开启

• 自动驾驶对算力需求巨大，特斯拉 自研 Dojo 超级计算机，目标在2024年达到100EFlops算力。
• 小鹏汽车 与 阿里云 合作建设智算中心“扶摇”，提升自动驾驶算法迭代效率。
• 英伟达 推出 DRIVE Sim，支持多传感器仿真和大规模数据生成。

2. 自动驾驶芯片格局重塑

• Transformer 算法对芯片架构提出新要求，芯片厂商开始增强对 Transformer 的适配。
• 特斯拉 和 英伟达 在芯片设计上不断优化，提升大模型的推理效率。

总结

大模型技术的引入为自动驾驶带来了技术突破，推动算法从模块化向端到端转变，提升感知、预测和规划控制能力。BEV+Transformer 架构成为行业新标准，占用网络则增强了对3D环境的感知和识别能力。数据闭环和仿真技术成为提升自动驾驶安全性和泛化性的关键，特斯拉、小鹏、理想等车企纷纷布局算力和数据处理能力。随着技术的不断成熟，L3级自动驾驶有望加速落地，相关产业链公司将迎来发展机遇。