20230923-浙商证券-AI+行业系列之智能驾驶_自动驾驶的_大模型_时代_39页_1mb

自动驾驶与大模型发展分析总结

1 大模型技术发展

• 核心机制：Transformer架构通过注意力机制突破传统RNN、CNN在长序列处理的局限，奠定大模型发展基础。
• 演进特征：
  • 2017年后的预训练-微调范式革新
  • 参数量从百万级跃升至百亿级
  • NLP领域领先于计算机视觉
• 应用特征：
  • 复杂性、高维度任务中优越建模能力
  • 领域包括自动驾驶、金融量化交易、医疗诊断等

2 自动驾驶技术迭代

感知模块演进阶段

• 2011-2016：CNN主导时代（特斯拉HW10：单目视觉方案）
• 2016-2020：RNN/GAN探索期（特斯拉HW20：多传感器融合）
• 2020至今：BEV+Transformer方案为主流（特斯拉HW30：全自研芯片）
• 2023年新技术：占用网络模型

特斯拉技术路线

• 软件路径：从Mobileye→BEV→Transformer→占用网络
• 硬件路径：HW10→HW30自研芯片(2020)→HW40(2023)
• 演进成果：实现3D环境重建能力大幅跃升

3 大模型行业赋能

• 技术提升：
  • 环境感知鲁棒性增强
  • 端到端学习可行性增加
  • 多模态场景理解深化
• 商业化催化：
  • 特斯拉FSD系统突破性进展
  • 各车企加速布局大模型功能

4 高级别自动驾驶展望

四维度展望

1. 监管：政策持续完善，L3级审批趋严
2. 安全：测试里程超7000万公里，国标细则制定中
3. 技术：算法与硬件双线并进
4. 政策：城市级"车路云一体化"试点启动

落地时程

• 主机厂平均预期：2024年左右实现L3/BETechnology落地（如小鹏、特斯拉）
• 各车企路线：
  • 特斯拉FSDBeta2023
  • 广汽/华为/小鹏等多款车配备高算力平台

5 风险提示

• 技术迭代不及预期
• 政策落地滞后
• 芯片供应链受地缘政治影响
• 行业竞争导致价格战

本报告指出大模型在自动驾驶领域将驱动L3/L4级技术加速落地，并强调2024年可能是关键商业化突破节点。