2023年汽车和汽车零部件行业AI大模型应用于汽车智能驾驶梳理(附下载)
今天分享的是人工智能AI系列深度研究报告：《2023年汽车和汽车零部件行业AI大模型应用于汽车智能驾驶梳理》。（报告出品方：光大证券）
研究报告内容摘要如下
一.智能驾驶系统:从模块化向全面端到端渐进
智能驾驶系统按工程落地可分为两类:1)模块化:将整个系统划分为环境感知、决策规划、控制执行，车辆将传感器采集到的信息进行感知处理，再将感知结果输入至决策规划层进行分析决策并生成控制命令，最终将控制命令下达至各执行器完成加速、转向、刹车等操作;2)端到端(end-to-end):车辆将传感器采集到的信息通过深度学习神经网络直接输出驾驶命令(可实现输入图像等感知信息到输出方向盘转角等控制量、输入感知信息到输出车模的状态量如速度和坐标等)。当前，端到端仅应用于感知系统，全面端到端智能驾驶系统需要大量数据支持，具备精简人工复杂升级+泛化性高+硬件成本小等优势，是智能驾驶的终极实现方案。
二.感知，从L2级跨越至L3级及以上智能驾驶系统的关键
智能驾驶，主要包括感知(环境感知与定位)、决策(智能规划与决策)、以及执行(控制执行)系统。当前技术难度排序分别为感知、执行、决策;其中，决策系统的难度随L3级及以上等级的推进而逐步增加。按《汽车驾驶自动化分级》规定，L3级及以上才属干高阶智能驾驶(分许脱手):其中，系统需满足360%感知车辆精准定位+对驾驶员接管能力实时判断。我们分析，路径规划需依赖感知结果，感知系统是L2级至L3级及以上跨越的关键。
三.感知算法突破+政策扶持，L3级商业化落地加速迈进
从感知算法的推进来看，行业总体2022年及之前的的商业化应用主要为2D+CNN算法;随着ChatGPT等AI大模型的兴起，感知算法已经升级至BEV (Bird’ s eye view) +Transformer。目前，特斯拉(2021年)、小鹏+华为+理想等(2023年)已切换至BEV+Transformer，但仍应用于感知端(vs学术界以最终规划为目标，已提出感知决策一体化的智能驾驶通用大模型UniAD+全栈Transformer模型)。我们判断，1)感知算法的技术突破+工信部明确扶持L3级商业化落地，有望带动国内向L3级商业化加速迈进;2)当前端到端算法仍应用于感知端，受限于算法复杂性+大算力要求，感知决策一体的端到端算法落地尚需时日。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
本报告共计：32页。受篇幅限制，仅展示部分内容。
精选报告来源公众号：【人工智能学派】，回复关键字“6688”，获取完整PDF电子版