自動駕駛算法是感知、預測、規(guī)劃控制的結合體

自動駕駛算法由感知、預測、規(guī)劃控制構成。數據和仿真則通過數據驅動助力整個算法體系的成熟和完善。整個自動駕駛行為包含諸多組成部分，而市場努力的方向在于將這些環(huán)節(jié)不斷優(yōu)化。

(資料圖片)

大模型橫空出世，自動駕駛算法有望迎來奇點

感知：BEV+Transformer橫空出世，大模型推動自動駕駛邁向“平民化”

2021年特斯拉第一次推出BEV+transformer算法架構，用神經網絡將多個2D的圖像和傳感器信息綜合成為三維的向量空間方便下游規(guī)控模塊處理，開啟了自動駕駛新時代。該算法優(yōu)勢顯著：（1）解決2D圖像轉換成3D空間深度預測難點，感知性能提升。（2）完美實現多攝像頭、多傳感器信息融合。（3）更易融入時序信息，讓模型擁有“記憶”。（4）擁有實時建圖能力，擺脫對高精度地圖的依賴。

規(guī)控：算法由基于規(guī)則邁向基于神經網，大模型開始嶄露頭角

規(guī)劃控制算法中，目前行業(yè)仍以基于規(guī)則的方式為主，但泛化性不足仍面臨諸多長尾問題，同時不斷“打補丁”完善算法會導致最終代碼量龐大且難以維護。領軍公司已開始將大模型引入其中，進而擁有更強的泛化能力和更好的駕乘體驗。

端到端（感知決策一體化）：大模型為自動駕駛徹底實現帶來希望

感知、預測、規(guī)劃、控制組合模塊化部署模式，一方面，容易累計誤差，另一方面，不同模塊之間全局優(yōu)化存在困難，因此端到端感知決策一體化算法成為自動駕駛行業(yè)共識的目標。英偉達、Uber、Wayve等公司進行了諸多探索。

數據：大模型推動數據閉環(huán)和仿真落地

數據閉環(huán)通常包含數據采集、挖掘、數據標注等環(huán)節(jié)，如何實現自動化運行同時降本增效是關鍵。目前行業(yè)推動大模型助力數據挖掘和自動標注，將加速產業(yè)成熟。仿真方面，逼真的仿真環(huán)境可替代實車數據的采集，是減少Cornercase的有效手段，大模型亦幫助實現自動化的場景生成等，完美提升模型自我迭代能力。

算法變局推動L3級自動駕駛加速到來

大模型時代，得算力者得天下。大模型可通過仿真、自動標注等方式顯著提升車廠算法能力，車企紛紛加碼數據中心。芯片格局有望受大模型影響而重塑。Transformer大模型具有大參數、計算復雜等特點，芯片需要針對性開發(fā)加速器以實現在推理端良好運行，前瞻擁抱產業(yè)趨勢的玩家有望在競爭中占得先機。最后，大模型推動下，L3級自動駕駛正加速到來，諸多車企推出自己的大模型解決方案，并有望迅速實現城市輔助駕駛落地，全產業(yè)鏈玩家均有望持續(xù)受益。

重點關注：德賽西威、經緯恒潤、中科創(chuàng)達、華陽集團、北京君正、美格智能、晶晨股份、均勝電子

風險提示：技術發(fā)展進度不及預期、市場需求不及預期。

關鍵詞