电子行业专题研究：AI大模型如何加速无人驾驶发展-20230612-华泰证券-46页_5mb

AI大模型如何加速无人驾驶发展

核心内容

AI大模型的出现正在加速无人驾驶技术的发展，主要体现在数据采集、算法优化和算力提升三个方面。随着特斯拉、新势力以及科技公司如Meta等在智能驾驶领域的不断探索，AI大模型为解决传统智能驾驶面临的多维度数据获取成本高、小概率事件决策不准确、法律权责不明等问题提供了新的思路。

主要观点

1. 数据采集与处理的优化：

   • 虚拟仿真：通过AI自动生成虚拟场景，补充现实中难以获取或数据量不足的corner case数据，大幅降低数据采集成本。
   • 自动标注：以Meta的SAM为代表的大模型可以显著降低数据标注成本，提高标注效率。特斯拉通过自动标注技术将标注成本从每张图5元降至0.5元。
   • 多重轨迹重建：特斯拉利用此技术完成大量行驶轨迹的自动标注，减少了对人工标注的依赖。

2. 算法层面的突破：

   • 感知、预测与决策的优化：大模型在智能驾驶的三个阶段（感知、预测、决策）均发挥了重要作用。
     • 感知层面：特斯拉引入Occupancy Network，实现对道路和物体的3D建模，提升识别精度，减少对传统视觉算法的依赖。
     • 预测层面：通过大模型预测道路拓扑关系及障碍物行为，提高对复杂城市道路的适应能力。
     • 决策层面：利用大模型缩短决策时间，使智能驾驶更接近人类驾驶习惯，提升安全性。

3. 算力的提升与国产化趋势：

   • 车端算力：国产芯片如地平线、黑芝麻智能、芯擎科技等，正逐步缩小与海外大厂的差距，推动高性能芯片的国产替代。
   • 云端算力：智算中心的建设为算法迭代提供强大支持，提高模型训练效率，降低研发成本。

关键信息

• 数据标注成本：特斯拉人工标注团队规模从2021年的1000多人减少到2022年的800人。
• BOM成本预测：2023-2030年高级别辅助驾驶BOM成本的平均年降幅度为11%。
• 智能驾驶渗透率：预计2025年智能驾驶域控制器渗透率将达到62%，L2级别渗透率将从28.4%上升至59.9%。
• 市场规模预测：2025年中国智能驾驶域控制器市场规模预计为317亿元。

智能驾驶产业链

车载芯片

• 地平线：提供高效能智能驾驶计算方案，累计出货量突破200万片。
• 黑芝麻智能：专注于车规级自动驾驶计算芯片与平台研发。
• 芯驰科技：提供智能座舱、智能驾驶、网关等芯片解决方案。
• 芯擎科技：国内领先的智能座舱芯片公司，推出7nm先进制程芯片。
• 旗芯微：专注于汽车与工业控制器芯片，产品覆盖广泛。

数据标注

• 柏川数据：提供一站式数据服务，拥有标准化采标管存团队和高精度AI预标注功能。

域控制器及解决方案

• 德赛西威：大算力域控制器龙头，技术成熟度不断提升。
• 经纬恒润：汽车电子平台型公司，提供智能驾驶系统方案。
• 纵目科技：领先的智能驾驶产品及技术供应商。
• 知行科技：国内领先的自动驾驶域控制器提供商。
• 魔视智能：嵌入式人工智能自动驾驶赋能者。
• 宏景智驾：提供全栈式自动驾驶解决方案。

高速连接器

• 电连技术：深耕连接器行业，加速追赶。
• 瑞可达：高压连接器龙头，配套客户切入高速连接器。

4D毫米波雷达

• 加特兰：毫米波雷达MMIC芯片开发与设计的领导者。
• 森思泰克：国产毫米波雷达品牌，技术成熟。
• 行易道：聚焦高端车载成像雷达，技术领先。

激光雷达

• 禾赛科技：全球领先的激光雷达制造商。
• 速腾聚创：激光雷达硬件、感知软件与芯片三大核心技术闭环。
• 图达通：深耕图像级超远距激光雷达领域。
• 探维科技：新一代固态扫描激光雷达技术方案和ALS平台技术。
• 灵明光子：dToF传感芯片和系统解决方案提供商。

AR-HUD

• 泽景科技：国内领先的车内视觉解决方案供应商，推动AR-HUD技术发展。

风险提示

• 智能驾驶渗透率不及预期
• 新产品迭代速度不及预期
• 未上市公司或未覆盖个股内容仅系对其客观公开信息的整理，并不代表推荐或覆盖

图表与数据

• 图表1：智能驾驶模型：感知、预测与执行
• 图表2：国内头部智能驾驶企业高速及城市NOA进展
• 图表3：智能驾驶产业链主要公司梳理
• 图表4：特斯拉汽车自动驾驶基础设施的发展
• 图表5：特斯拉数据引擎结构
• 图表6：特斯拉可以在5分钟内自动生成一个复杂路口3D虚拟场景
• 图表7：特斯拉自动标注技术迭代更新
• 图表8：特斯拉多旅程重建进行自动标注
• 图表9：SAM图像分割演示
• 图表10：Occupancy网络模型结构
• 图表11：Occupancy网络对双节公车动态与静态的精确识别
• 图表12：Occupancy网络对静态障碍物的识别
• 图表13：通过Occupancy网络检测多厢卡车甩尾问题
• 图表14：Occupancy网络还原道路坡度和曲率
• 图表15：特斯拉车道线网络模型示意
• 图表16：特斯拉对可能的行进轨迹进行预判并绘制成车道线
• 图表17：特斯拉左转摄像头被遮挡，模型假设左侧有来车
• 图表18：特斯拉对闯红灯车辆、道路阻碍者的预判
• 图表19：特斯拉交互搜索模型
• 图表20：车载芯片算力及搭载情况
• 图表21：视觉图像处理、点云融合
• 图表22：高算力芯片处理优势
• 图表23：智算中心建设情况
• 图表24：特斯拉、蔚小理领航辅助功能演进
• 图表25：毫末智行、问界、极狐、阿维塔领航辅助功能演进
• 图表26：主流高级别辅助驾驶汽车BOM成本-占比
• 图表27：主流高级别辅助驾驶汽车BOM成本-价值量（元）
• 图表28：主流高级别辅助驾驶汽车BOM成本-分车型级别
• 图表29：主流高级别辅助驾驶汽车BOM成本-分整车售价
• 图表30：主流高级别辅助驾驶汽车BOM成本-降本趋势展望
• 图表31：Journey5芯片
• 图表32：Matrix5车载中央计算平台
• 图表33：华山A1000L/A1000Pro/A1000自动驾驶感知芯片
• 图表34：X9-舱之芯
• 图表35：产品架构框图
• 图表36：芯擎SE1000智能座舱芯片以及产品和技术布局
• 图表37：FC4150F2M框图
• 图表38：FC4150产品家族特性列表
• 图表39：柏川数据高质高效项目服务流程
• 图表40：自动驾驶发展路径
• 图表41：中国乘用车智能驾驶渗透率预测
• 图表42：中国汽车及新能源车销量预测
• 图表43：主流车企中央架构进程表
• 图表44：德赛西威收入及同比增速
• 图表45：德赛西威净利润及同比增速
• 图表46：经纬恒润收入及同比增速
• 图表47：经纬恒润净利润及同比增速
• 图表48：Amphiman8000域控制器
• 图表49：Amphiman3000智能驾驶系统方案原理图
• 图表50：知行科技自动驾驶域控制器iDC Mld
• 图表51：智能前视摄像头iFC3.0
• 图表52：低速泊车、高速行车、行泊一体域控制器
• 图表53：宏景智驾ADCU高级别自动驾驶域控制器
• 图表54：宏景智驾APA/IDDC域控制器
• 图表55：汽车连接器：高压、低压、高速
• 图表56：高速连接器的技术路线
• 图表57：智能化假设：智能驾驶以L2为主；大屏、多屏、HUD渗透率提升
• 图表58：高速连接器单车价值与智能驾驶
• 图表59：高速连接器单车价值与智能座舱
• 图表60：高速连接器单车价值与智能座舱（续）
• 图表61：高速连接器单车价值量趋势预测
• 图表62：中国高速连接器市场规模预测
• 图表63：电连技术收入及同比增速
• 图表64：电连技术净利润及同比增速
• 图表65：瑞可达收入及同比增速
• 图表66：瑞可达净利润及同比增速
• 图表67：4D毫米波雷达的涵义
• 图表70：加特兰电子毫米波雷达产品矩阵
• 图表71：STL4-1四线激光雷达
• 图表72：森思泰克车载安全领域示意图
• 图表73：77GHz中程毫米波雷达
• 图表74：汽车毫米波雷达的前向雷达应用（自适应巡航（ACC））
• 图表76：补盲雷达探测盲区示意图
• 图表77：前向主雷达雷达+补盲雷达结合方案示意图
• 图表78：AT128半固态激光雷达
• 图表79：激光雷达感知效果
• 图表80：RS-LiDAR-M1车规级固态激光雷达
• 图表81：图像级远距离激光雷达：捷豹精英版
• 图表82：激光雷达探测效果
• 图表83：固态激光雷达：Tensor
• 图表84：固态激光雷达：Scope
• 图表85：灵明光子部分产品示意图
• 图表86：2021-2030E HUD出货量及渗透率
• 图表87：飞凡R7的AR-HUD效果示意图
• 图表88：HUD将从W-HUD走向AR-HUD
• 图表89：AR-HUD模拟定制化主题页面
• 图表90：W-HUD畸变矫正技术
• 图表91：VID（Virtual Image Distance）虚拟画面结合光场AR显示技术
• 图表92：全文提及公司列表