“无人驾驶”看上去很美，但一直很难落地。

今天，我为大家推荐一篇由【华泰证券】出品的报告《AI大模型如何加速无人驾驶发展》，报告共46页，从数据、算法、智能驾驶产业链三方面回答为什么“无人驾驶”很难实现大规模商用落地。

有兴趣的小伙伴可阅读报告原文~

重磅报告

#01#

关键要点

“无人驾驶”是最早被提出的人工智能应用场景之一，谷歌，苹果，特斯拉，百度等海内外科技巨头从 2016 开始就积极布局，但直到现在一直还很难实现大规模商用落地。

原因有三：

多维度数据的获取和标注成本高；

对小概率事件的决策准确度和人类还存在较大差距；

事故时法律权责归属不明确，是制约其发展的一部分问题。

我们认为，以 ChatGPT 和 SAM为代表的大模型的出现，将要改变智能驾驶在内所有行业的工作范式，我们从数据，算法，算力等角度初步探讨其中一些发展机会。

一、数据：大模型提升数据采集、数据标注的效率

海量的数据是智能驾驶/无人驾驶的基础。

通过这几年发展，现在一台 L2+级别智能电动车通常能够采集多 10+颗摄像头，1-2 颗激光雷达，3-5 颗毫米波雷达的多维度数据，数据经过标注之后，用于训练模型。

大模型的出现，首先能够：

1）构建虚拟场景人工生成数据，补充现实中难以获得/数据量不足的情形。

特斯拉 FSD 的虚拟仿真，英伟达的 Omniverse 都是其中的代表。

2）数据标注是非常费时费人的工作，以 Meta 的 SAM 为代表的图像分割大模型的出现可大幅降低数据标注的成本。

二、算法：大模型提升感知准确度，影子模型学习人类驾驶习惯

智能驾驶算法主要包括：

感知：识别道路和道路上物体；

预测：预测周围车辆和行人的行为；

决策：控制车辆速度方向等行动。

特斯拉、新势力等主要企业从几年前开始采用基于 Transformer 的大模型等新技术，提高道路、物体的识别精准度；

2. 学习人类的驾驶习惯（影子模式）；

3. 缩短决策所需要的时间，从而训练模型更加“拟人”。

三、智能驾驶产业链：国产替代趋势显著

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，零部件国产替代趋势显著。

1）芯片：国内玩家地平线、黑芝麻等与海外大厂的差距逐渐缩小，本土化服务能力更强。

2）域控制器及解决方案：国内玩家德赛西威、经纬恒润、纵目科技、知行

科技等均已规模化上车，技术成熟度不断提升。

3）激光雷达：国产供应商禾赛、图达通、速腾等在量产节奏更快。

4）4D 毫米波：国内玩家有行易道、森思泰克等雷达厂商以及加特兰（MMIC 芯片）等芯片公司。

5）高速连接器：罗森伯格技术积淀深厚，电连技术、瑞可达等加速追赶。

#02#

报告节选

对无人驾驶有兴趣的小伙伴，可点击下方小程序阅读报告原文~

参考报告