近年來(lái)，無(wú)人駕駛發(fā)展駛?cè)搿翱燔嚨馈?，政策端傳出利好消息，工信部明確表示支持L3級(jí)及更高級(jí)別的自動(dòng)駕駛功能商業(yè)化應(yīng)用。

(資料圖片)

同時(shí)，產(chǎn)業(yè)端也迎來(lái)利好，AI大模型或進(jìn)一步加入無(wú)人駕駛的發(fā)展，具體來(lái)看AI從哪些方面賦能？

華泰證券在最新的報(bào)告中，對(duì)AI大模型賦能自動(dòng)駕駛進(jìn)行了詳細(xì)剖析，分析指出AI大模型的引入（自動(dòng)標(biāo)注、感知預(yù)測(cè)算法的快速迭代），從行業(yè)整體層面可以加速高級(jí)別輔助駕駛的量產(chǎn)落地。

其次，智能駕駛板塊后發(fā)者借助產(chǎn)業(yè)鏈優(yōu)勢(shì)（云端算力中心、通用開源模型的適配）與先發(fā)者在數(shù)據(jù)積累、模型迭代中的差距有望進(jìn)一步縮小。

而受益于智能駕駛本土化的客觀需求、產(chǎn)業(yè)鏈各環(huán)節(jié)國(guó)內(nèi)供應(yīng)商產(chǎn)品性能的提升與下游自主品牌的崛起，零部件國(guó)產(chǎn)替代趨勢(shì)顯著。?

總結(jié)來(lái)看，華泰認(rèn)為，今年或是城市NOA（領(lǐng)航輔助駕駛）普及的元年。當(dāng)前旗艦車型高級(jí)別輔助駕駛BOM成本為1.4萬(wàn)元，預(yù)測(cè)2023-2030年高級(jí)別輔助駕駛BOM成本的平均年降幅度為11%。

提升數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注的效率

海量的數(shù)據(jù)是無(wú)人駕駛的基礎(chǔ)，主要來(lái)自真實(shí)數(shù)據(jù)、虛擬仿真、影子模式，而下一步是則對(duì)數(shù)據(jù)進(jìn)行識(shí)別、標(biāo)注。

數(shù)據(jù)采集方面，華泰證券指出，大模型可以構(gòu)建虛擬場(chǎng)景人工生成數(shù)據(jù)，補(bǔ)充現(xiàn)實(shí)中難以獲得/數(shù)據(jù)量不足的情形。

以特斯拉FSD為例，針對(duì)真實(shí)道路場(chǎng)景中不常見的案例，特斯拉通過(guò)模擬仿真，構(gòu)建虛擬場(chǎng)景采集數(shù)據(jù)，以豐富數(shù)據(jù)的來(lái)源，為模型訓(xùn)練提供支持；通過(guò)數(shù)據(jù)引擎，人工挖掘誤判的、非典型案例。

數(shù)據(jù)標(biāo)注方面，華泰證券指出，人工標(biāo)注成本高、效率低，自動(dòng)標(biāo)注是AI大模型賦能智能駕駛最直接的應(yīng)用，能大幅降低數(shù)據(jù)標(biāo)注的成本。

以特斯拉為例，特斯拉FSD通過(guò)“多重軌跡重建”技術(shù)自動(dòng)標(biāo)注車輛行駛軌跡。目前在集群中運(yùn)行12小時(shí)即可完成10000次行駛軌跡標(biāo)注，取代500萬(wàn)小時(shí)人工標(biāo)注。通過(guò)機(jī)器的自我訓(xùn)練，減少了人力標(biāo)注成本高、效率低的問(wèn)題。?

以Meta的SAM為代表的圖像分割大模型的出現(xiàn)可大幅降低數(shù)據(jù)標(biāo)注的成本，該模型是有史以來(lái)最大的分割數(shù)據(jù)集。

優(yōu)化感知-決策-執(zhí)行三階段算法

同樣以考特斯拉FSD為例，華泰分析師黃樂(lè)平將自動(dòng)駕駛模型算法按流程，分為感知識(shí)別道路和道路上物體）、預(yù)測(cè)（預(yù)測(cè)周圍車輛和行人的行為）、執(zhí)行（控制車輛速度方向等行動(dòng)）三個(gè)階段。?

特斯拉、新勢(shì)力等主要企業(yè)從幾年前開始采用基于Transformer的大模型等新技術(shù)，1）提高道路、物體的識(shí)別精準(zhǔn)度；2）學(xué)習(xí)人類的駕駛習(xí)慣（影子模式），3)縮短決策所需要的時(shí)間，從而訓(xùn)練模型更加“擬人”。?

1、感知層面：OccupancyNetwork、3D建模

華泰證券指出，特斯拉創(chuàng)新性的提出了占用網(wǎng)絡(luò)（OccupancyNetwork）模型，直接將3D空間點(diǎn)格化，相較于之前在障礙物識(shí)別和行駛路徑預(yù)判方面有了明顯提升，具體來(lái)看：

1）通過(guò)占用網(wǎng)絡(luò)，只需分析物體的空間內(nèi)柵格占用情況，不需對(duì)物體本身進(jìn)行檢測(cè)識(shí)別，規(guī)避傳統(tǒng)視覺(jué)算法中對(duì)物體識(shí)別失敗帶來(lái)的車禍風(fēng)險(xiǎn)。

2）占用網(wǎng)絡(luò)解決傳統(tǒng)視覺(jué)算法難題及還原道路坡度和曲率，輔助行車更優(yōu)決策。

3）基于占用網(wǎng)絡(luò)可以預(yù)測(cè)道路上其它物體的行進(jìn)軌跡。

2、預(yù)測(cè)層面：道路拓?fù)潢P(guān)系預(yù)測(cè)、障礙物預(yù)測(cè)

華泰證券指出，預(yù)測(cè)分兩種，一種是道路信息的預(yù)測(cè)，另一種是障礙物的預(yù)測(cè)。

車道線網(wǎng)絡(luò)模型輔助進(jìn)行車輛行駛路徑的預(yù)判。車道線網(wǎng)絡(luò)模型生成的“車道語(yǔ)言”，可以在小于10毫秒的延遲內(nèi)，思考超過(guò)7500萬(wàn)個(gè)可能影響車輛決策的因素，運(yùn)行這套語(yǔ)言的功耗只需要8W，較大的提升了特斯拉FSD對(duì)車輛行駛路徑的預(yù)判能力。

物體的預(yù)測(cè)包含動(dòng)、靜概率信息，再結(jié)合道路拓?fù)湫畔?，為最終的形式?jīng)Q策提供支持，模型會(huì)自動(dòng)生成虛擬車輛，令決策更貼近人類駕駛員的思維模式。

3、決策層面：車端算力升級(jí)、模型計(jì)算效率優(yōu)化，決策更加智能

決策的難點(diǎn)在于多方的交互與對(duì)路權(quán)的博弈，計(jì)算的效率是至關(guān)重要的。華泰證券表示：

目前業(yè)內(nèi)普遍50-100毫秒之間完成一輪計(jì)算。受車端算力與計(jì)算效率的限制，目前決策層面的模型可分為兩類：1）rulebase的模型（類似if程序，提前設(shè)定了某些情境下的反應(yīng)機(jī)制）；2）特斯拉的交互搜索的模型（querybase的條件下可縮短單次計(jì)算時(shí)間至100微秒）。

推動(dòng)車端/云端算力升級(jí)與國(guó)產(chǎn)化

最后，受益于智能駕駛本土化的客觀需求、產(chǎn)業(yè)鏈各環(huán)節(jié)國(guó)內(nèi)供應(yīng)商產(chǎn)品性能的提升與下游自主品牌的崛起，華泰證券認(rèn)為零部件國(guó)產(chǎn)替代趨勢(shì)顯著。

隨著大模型上車對(duì)車載算力需求的進(jìn)一步提高，以及車載芯片制造商對(duì)芯片架構(gòu)和技術(shù)的改進(jìn)，車載芯片的算力有望持續(xù)上升。英偉達(dá)Thor芯片（2000TOPS）未來(lái)量產(chǎn)有望加速計(jì)算平臺(tái)融合。

云端方面，基礎(chǔ)設(shè)施算力升級(jí)加速算法迭代：

主機(jī)廠和自動(dòng)駕駛技術(shù)開發(fā)商積極布局建設(shè)智算中心，以提高自身“云上”競(jìng)爭(zhēng)力。目前，主機(jī)廠特斯拉、小鵬、吉利，解決方案提供商毫末智行、商湯、百度布局建設(shè)了智算中心，用于訓(xùn)練自動(dòng)駕駛等大模型。

隨著智能駕駛的逐步滲透，大模型或?qū)⒊蔀楦鞴镜暮诵母?jìng)爭(zhēng)力之一，為匹配模型中大規(guī)模參數(shù)以及大數(shù)據(jù)量計(jì)算，智算中心的建設(shè)規(guī)模有望持續(xù)擴(kuò)張。

華泰證券展望未來(lái)3-5年AI賦能智能駕駛?cè)绾沃厮艹鲂蟹绞?，預(yù)計(jì)今年或是城市NOA普及的元年，高級(jí)別輔助駕駛將呈現(xiàn)降本趨勢(shì)，2023-2030年高級(jí)別輔助駕駛BOM成本的平均年降幅度為11%。

本文節(jié)選自華泰證券《AI大模型如何加速無(wú)人駕駛發(fā)展》

分析師

黃樂(lè)平?SAC No. S0570521050001? ? SFC No. AUZ066

陳旭東?SAC No. S0570521070004? ? SFC No. BPH392

張宇??SAC No. S0570121090024? ? SFC No. BSF274

郭春杏?SAC No. S0570122010047? ? SFC No. BTP481

風(fēng)險(xiǎn)提示及免責(zé)條款 市場(chǎng)有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。本文不構(gòu)成個(gè)人投資建議，也未考慮到個(gè)別用戶特殊的投資目標(biāo)、財(cái)務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點(diǎn)或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負(fù)。

關(guān)鍵詞：