AI大模型应用于汽车智能驾驶梳理
感知算法升级是L2级向L3级智能驾驶系统跨越的关键。与传统2D+CNN算法相比，BEV+Transformer算法优势体现在:1)感知输出信息精准度更高，2) 鲁棒性高，3)泛化能力强，有助于城市高阶智能驾驶落地。感知算法突破+工信部明确扶持L3级商业化落地，国内向L3级商业化加速迈进。
特斯拉智能驾驶系统优势体现在硬件+软件算法+数据。1)硬件:全栈自研车载芯片FSD(硬件+软件+整车强耦合);计划自研超算平台Doio，为后阶段高阶智能驾驶发展做铺垫，2) 软件算法:率先切入BEV+Transformer大模型算法，现已升级至0ccupancy+Transformer; 3) 数据: 车队规模领先+采用仿真模拟补足罕见场景，保证数据数量，采用自动标注提高数据质量。
2022年末起华为+新势力车企陆续规划城市领航辅助驾驶功能，预计均将基于BEV+Transformer搭建我们判断，1)大模型符合高阶智能驾驶基于数据规模+模型精度增加的算法升级需求，数据是驱动大模型在高阶智能驾驶落地的关键。2) 各车企在数据+硬件+软件算法的布局或将成为L3级智能驾驶能否兑现的关键。从对比来看，华为基于智能驾驶的软硬件占优，理想基于智能驾驶的数据规模占优。
我们判断，L2/L2+级向L3级高阶智能驾驶迈进的三大要素重要性排序为数据>算法>硬件，随着智能驾驶等级的推进，预计决策算法增加硬件重要性，三大要素重要性排序或为硬件>=算法>数据。
来源：光大证券
免责声明：以上报告均系本平台通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如涉侵权，请联系删除 ；资料为推荐阅读，仅供参考学习，如对内容存疑，请与原撰写/发布机构联系。