西单大悦城led大屏广告

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>AI大(da)模(mo)型(xing)如(ru)何(he)加(jia)速(su)無(wu)人(ren)駕(jia)駛(shi)發(fa)展(zhan)？

近(jin)年(nian)來(lai)，无人驾驶发展驶入(ru)“快(kuai)車(che)道(dao)”，政(zheng)策(ce)端(duan)傳(chuan)出(chu)利(li)好(hao)消(xiao)息(xi)，工(gong)信(xin)部(bu)明(ming)確(que)表(biao)示(shi)支(zhi)持(chi)L3級(ji)及(ji)更(geng)高(gao)级別(bie)的(de)自(zi)動(dong)驾驶功(gong)能(neng)商(shang)業(ye)化(hua)應(ying)用(yong)。

同(tong)時(shi)，產(chan)业端也(ye)迎(ying)来利好，AI大模型或(huo)進(jin)壹(yi)步(bu)加入无人驾驶的发展，具(ju)體(ti)来看(kan)AI從(cong)哪(na)些(xie)方(fang)面(mian)賦(fu)能？

華(hua)泰(tai)證(zheng)券(quan)在(zai)最(zui)新(xin)的報(bao)告(gao)中(zhong)，對(dui)AI大模型赋能自动驾驶进行(xing)了(le)詳(xiang)細(xi)剖(pou)析(xi)，分(fen)析指(zhi)出AI大模型的引(yin)入（自动標(biao)註(zhu)、感(gan)知(zhi)預(yu)測(ce)算(suan)法(fa)的快速叠(die)代(dai)），从行业整(zheng)体層(ceng)面可(ke)以(yi)加速高级别輔(fu)助(zhu)驾驶的量(liang)产落(luo)地(di)。

其(qi)次(ci)，智(zhi)能驾驶板(ban)塊(kuai)後(hou)发者(zhe)借(jie)助产业鏈(lian)優(you)勢(shi)（雲(yun)端算力(li)中心(xin)、通(tong)用開(kai)源(yuan)模型的適(shi)配(pei)）與(yu)先(xian)发者在數(shu)據(ju)積(ji)累(lei)、模型迭代中的差(cha)距(ju)有(you)望(wang)进一步縮(suo)小(xiao)。

而(er)受(shou)益(yi)於(yu)智能驾驶本(ben)土(tu)化的客(ke)觀(guan)需(xu)求(qiu)、产业链各(ge)環(huan)節(jie)國(guo)內(nei)供(gong)应商产品(pin)性(xing)能的提(ti)升(sheng)与下(xia)遊(you)自主(zhu)品牌(pai)的崛(jue)起(qi)，零(ling)部件(jian)国产替(ti)代趨(qu)势顯(xian)著(zhu)。

總(zong)結(jie)来看，华泰認(ren)為(wei)，今(jin)年或是(shi)城(cheng)市(shi)NOA（領(ling)航(hang)辅助驾驶）普(pu)及的元(yuan)年。當(dang)前(qian)旗(qi)艦(jian)车型高级别辅助驾驶BOM成(cheng)本为1.4萬(wan)元，预测2023-2030年高级别辅助驾驶BOM成本的平(ping)均(jun)年降(jiang)幅(fu)度(du)为11%。

提升数据采(cai)集(ji)、数据标注的效(xiao)率(lv)

海(hai)量的数据是无人驾驶的基(ji)礎(chu)，主要(yao)来自真(zhen)實(shi)数据、虛(xu)擬(ni)仿(fang)真、影(ying)子(zi)模式(shi)，而下一步是則(ze)对数据进行識(shi)别、标注。

数据采集方面，华泰证券指出，大模型可以構(gou)建(jian)虚拟場(chang)景(jing)人工生(sheng)成数据，補(bu)充(chong)現(xian)实中難(nan)以獲(huo)得(de)/数据量不(bu)足(zu)的情(qing)形(xing)。

以特(te)斯(si)拉(la)FSD为例(li)，針(zhen)对真实道路(lu)场景中不常(chang)見(jian)的案(an)例，特斯拉通過(guo)模拟仿真，构建虚拟场景采集数据，以豐(feng)富(fu)数据的来源，为模型訓(xun)練(lian)提供支持；通过数据引擎(qing)，人工挖(wa)掘(jue)誤(wu)判(pan)的、非(fei)典(dian)型案例。

数据标注方面，华泰证券指出，人工标注成本高、效率低(di)，自动标注是AI大模型赋能智能驾驶最直(zhi)接(jie)的应用，能大幅降低数据标注的成本。

以特斯拉为例，特斯拉FSD通过“多(duo)重(zhong)軌(gui)跡(ji)重建”技(ji)術(shu)自动标注车輛(liang)行驶轨迹。目(mu)前在集群(qun)中運(yun)行12小时即(ji)可完(wan)成10000次行驶轨迹标注，取(qu)代500万小时人工标注。通过機(ji)器(qi)的自我(wo)训练，減(jian)少(shao)了人力标注成本高、效率低的問(wen)題(ti)。

以Meta的SAM为代表的圖(tu)像(xiang)分割(ge)大模型的出现可大幅降低数据标注的成本，該(gai)模型是有史(shi)以来最大的分割数据集。

优化感知-決(jue)策-執(zhi)行三(san)階(jie)段(duan)算法

同樣(yang)以考(kao)特斯拉FSD为例，华泰分析師(shi)黃(huang)樂(le)平將(jiang)自动驾驶模型算法按(an)流(liu)程(cheng)，分为感知识别道路和(he)道路上(shang)物(wu)体）、预测（预测周(zhou)圍(wei)车辆和行人的行为）、执行（控(kong)制(zhi)车辆速度方向(xiang)等(deng)行动）三個(ge)阶段。

特斯拉、新势力等主要企(qi)业从幾(ji)年前开始(shi)采用基于Transformer的大模型等新技术，1）提高道路、物体的识别精(jing)準(zhun)度；2）學(xue)習(xi)人類(lei)的驾驶习慣(guan)（影子模式），3)缩短(duan)决策所(suo)需要的时間(jian)，从而训练模型更加“拟人”。

1、感知层面：OccupancyNetwork、3D建模

华泰证券指出，特斯拉創(chuang)新性的提出了占(zhan)用網(wang)絡(luo)（OccupancyNetwork）模型，直接将3D空(kong)间點(dian)格(ge)化，相(xiang)較(jiao)于之(zhi)前在障(zhang)礙(ai)物识别和行驶路徑(jing)预判方面有了明显提升，具体来看：

1）通过占用网络，只(zhi)需分析物体的空间内柵(zha)格占用情況(kuang)，不需对物体本身(shen)进行檢(jian)测识别，規(gui)避(bi)传統(tong)視(shi)覺(jiao)算法中对物体识别失(shi)敗(bai)帶(dai)来的车禍(huo)風(feng)險(xian)。

2）占用网络解(jie)决传统视觉算法难题及還(hai)原(yuan)道路坡(po)度和曲(qu)率，辅助行车更优决策。

3）基于占用网络可以预测道路上其它(ta)物体的行进轨迹。

2、预测层面：道路拓(tuo)撲(pu)關(guan)系(xi)预测、障碍物预测

华泰证券指出，预测分兩(liang)種(zhong)，一种是道路信息的预测，另(ling)一种是障碍物的预测。

车道線(xian)网络模型辅助进行车辆行驶路径的预判。车道线网络模型生成的“车道語(yu)言(yan)”，可以在小于10毫(hao)秒(miao)的延(yan)遲(chi)内，思(si)考超(chao)过7500万个可能影響(xiang)车辆决策的因(yin)素(su)，运行這(zhe)套(tao)语言的功耗(hao)只需要8W，较大的提升了特斯拉FSD对车辆行驶路径的预判能力。

物体的预测包(bao)含(han)动、靜(jing)概(gai)率信息，再(zai)结合(he)道路拓扑信息，为最終(zhong)的形式决策提供支持，模型會(hui)自动生成虚拟车辆，令(ling)决策更貼(tie)近人类驾驶員(yuan)的思維(wei)模式。

3、决策层面：车端算力升级、模型計(ji)算效率优化，决策更加智能

决策的难点在于多方的交(jiao)互(hu)与对路權(quan)的博(bo)弈(yi)，计算的效率是至(zhi)关重要的。华泰证券表示：

目前业内普遍(bian)50-100毫秒之间完成一輪(lun)计算。受车端算力与计算效率的限(xian)制，目前决策层面的模型可分为两类：1）rulebase的模型（类似(si)if程序(xu)，提前設(she)定(ding)了某(mou)些情境(jing)下的反(fan)应机制）；2）特斯拉的交互搜(sou)索(suo)的模型（querybase的條(tiao)件下可缩短單(dan)次计算时间至100微(wei)秒）。

推(tui)动车端/云端算力升级与国产化

最后，受益于智能驾驶本土化的客观需求、产业链各环节国内供应商产品性能的提升与下游自主品牌的崛起，华泰证券认为零部件国产替代趋势显著。

隨(sui)著(zhe)大模型上车对车載(zai)算力需求的进一步提高，以及车载芯(xin)片(pian)制造(zao)商对芯片架(jia)构和技术的改(gai)进，车载芯片的算力有望持續(xu)上升。英(ying)偉(wei)達(da)Thor芯片（2000TOPS）未(wei)来量产有望加速计算平臺(tai)融(rong)合。

云端方面，基础设施(shi)算力升级加速算法迭代：

主机廠(chang)和自动驾驶技术开发商积極(ji)布(bu)局(ju)建设智算中心，以提高自身“云上”競(jing)爭(zheng)力。目前，主机厂特斯拉、小鵬(peng)、吉(ji)利，解决方案提供商毫末(mo)智行、商湯(tang)、百(bai)度布局建设了智算中心，用于训练自动驾驶等大模型。

随着智能驾驶的逐(zhu)步滲(shen)透(tou)，大模型或将成为各公(gong)司(si)的核(he)心竞争力之一，为匹(pi)配模型中大规模參(can)数以及大数据量计算，智算中心的建设规模有望持续擴(kuo)張(zhang)。

华泰证券展望未来3-5年AI赋能智能驾驶如何重塑(su)出行方式，预计今年或是城市NOA普及的元年，高级别辅助驾驶将呈(cheng)现降本趋势，2023-2030年高级别辅助驾驶BOM成本的平均年降幅度为11%。

本文(wen)节選(xuan)自华泰证券《AI大模型如何加速无人驾驶发展》

分析师

黄乐平 SAC No. S0570521050001 SFC No. AUZ066

陳(chen)旭(xu)東(dong) SAC No. S0570521070004 SFC No. BPH392

张宇(yu) SAC No. S0570121090024 SFC No. BSF274

郭(guo)春(chun)杏(xing) SAC No. S0570122010047 SFC No. BTP481返(fan)回(hui)搜狐(hu)，查(zha)看更多

責(ze)任(ren)編(bian)輯(ji)：