“無人駕駛”是最早被提出的人工智能應用場景之一，谷歌，蘋果，特斯拉，百度等海內外科技巨頭從 2016 開始就積極布局，但直到現在一直還很難實現大規模商用落地。

原因有三：

• 多維度數據的獲取和標注成本高；

• 對小概率事件的決策準確度和人類還存在較大差距；

• 事故時法律權責歸屬不明確，是制約其發展的一部分問題。

我們認為，以 ChatGPT 和 SAM為代表的大模型的出現，將要改變智能駕駛在內所有行業的工作范式，我們從數據，算法，算力等角度初步探討其中一些發展機會。

一、數據：大模型提升數據采集、數據標注的效率

海量的數據是智能駕駛/無人駕駛的基礎。

通過這幾年發展，現在一臺 L2+級別智能電動車通常能夠采集多 10+顆攝像頭，1-2 顆激光雷達，3-5 顆毫米波雷達的多維度數據，數據經過標注之后，用于訓練模型。

大模型的出現，首先能夠：

1）構建虛擬場景人工生成數據，補充現實中難以獲得/數據量不足的情形。

特斯拉 FSD 的虛擬仿真，英偉達的 Omniverse 都是其中的代表。

2）數據標注是非常費時費人的工作，以 Meta 的 SAM 為代表的圖像分割大模型的出現可大幅降低數據標注的成本。

二、算法：大模型提升感知準確度，影子模型學習人類駕駛習慣

智能駕駛算法主要包括：

• 感知：識別道路和道路上物體；

• 預測：預測周圍車輛和行人的行為；

• 決策：控制車輛速度方向等行動。

1. 特斯拉、新勢力等主要企業從幾年前開始采用基于 Transformer 的大模型等新技術，提高道路、物體的識別精準度；
2.  學習人類的駕駛習慣（影子模式）；
3. 縮短決策所需要的時間，從而訓練模型更加“擬人”。

三、智能駕駛產業鏈：國產替代趨勢顯著

受益于智能駕駛本土化的客觀需求、產業鏈各環節國內供應商產品性能的提升與下游自主品牌的崛起，零部件國產替代趨勢顯著。

1）芯片：國內玩家地平線、黑芝麻等與海外大廠的差距逐漸縮小，本土化服務能力更強。

2）域控制器及解決方案：國內玩家德賽西威、經緯恒潤、縱目科技、知行

科技等均已規模化上車，技術成熟度不斷提升。

3）激光雷達：國產供應商禾賽、圖達通、速騰等在量產節奏更快。

4）4D 毫米波：國內玩家有行易道、森思泰克等雷達廠商以及加特蘭（MMIC 芯片）等芯片公司。

5）高速連接器：羅森伯格技術積淀深厚，電連技術、瑞可達等加速追趕。

綜上所述，通過AI大模型的應用，無人駕駛行業的發展趨勢將得到進一步的促進，智能駕駛的安全性和穩定性也會得到提高。同時，AI大模型技術在未來的發展中仍會扮演著越來越重要的角色，成為推動無人駕駛技術發展的重要推手。

烽火研報

3.6

10條點評

咨詢產品

免費試用

烽火研報提供一整套專業市場情報洞察服務，定制收集行業研報，上市公司研報。

客戶案例

暫無

合作品牌

22

了解行業趨勢

就上烽火研報