>> 國信證券-智能駕駛行業(yè)專題:算法篇,AI賦能背景下看汽車智能駕駛算法的迭代-230807
| 上傳日期: |
2023/8/7 |
大小: |
4389KB |
| 格式: |
pdf 共54頁 |
來源: |
國信證券 |
| 評級: |
超配 |
作者: |
唐旭霞 |
| 行業(yè)名稱: |
汽車 |
| 下載權(quán)限: |
此報告為加密報告,僅限高級會員查看 |
|
|
目前自動駕駛行業(yè)網(wǎng)絡(luò)基礎(chǔ)架構(gòu)普遍為Input -> backbone -> neck -> head-> output。純視覺方案的特斯拉自主構(gòu)建HydraNet網(wǎng)絡(luò),在input端輸入攝像頭的原始圖像數(shù)據(jù),通過backbone層神經(jīng)網(wǎng)絡(luò)(CNN)提取圖像特征,對特征賦予時間等信息做融合(BEV+Transformer),將速度、環(huán)境等感知處理結(jié)果傳向各子heads再完成后續(xù)規(guī)控任務(wù)。目前行業(yè)通用的自動駕駛模型是存在感知、規(guī)劃幾個模型的分解式構(gòu)造。 特斯拉端到端模型有望引領(lǐng)行業(yè)。特斯拉感知層從CNN單head網(wǎng)絡(luò)迭代,2021年引入BEV+Transformer,將多攝像頭數(shù)據(jù)統(tǒng)一成俯視角度;2022年提出Occupancy Networks判斷空間占用。規(guī)劃層引入交互搜索,逐步增加約束條件(其他參與者博弈行為)做最優(yōu)路徑規(guī)劃。2023年后特斯拉提出端到端自動駕駛大模型,將感知、規(guī)劃多個模型融合成大模型,實現(xiàn)直接輸入圖像數(shù)據(jù)到輸出轉(zhuǎn)向、剎車等駕駛指令突破。減少中間模塊訓(xùn)練過程,集中模型訓(xùn)練資源;避免數(shù)據(jù)多級傳輸誤差,系統(tǒng)迭代速度提升,進(jìn)化加速。 國內(nèi)逐步落地大模型。特斯拉軟件領(lǐng)先,硬件8顆攝像頭純視覺方案,21年起逐步取消雷達(dá);國內(nèi)小鵬、華為4月發(fā)布BEV、Transformer、GOD網(wǎng)絡(luò)等大模型,實現(xiàn)無高精地圖智駕,理想6月發(fā)布Mind GPT、BEV等大模型,加速城區(qū)NOA落地。國內(nèi)智駕硬件普遍11~12顆攝像頭+5顆毫米波雷達(dá)+12顆超聲波雷達(dá)+1~2顆激光雷達(dá)+域控,成本3~4萬元,遠(yuǎn)期有望降至2萬內(nèi)。 預(yù)計2025年中國帶城區(qū)輔助駕駛的自動駕駛市場規(guī)模510億元。我們預(yù)計2025年帶城區(qū)輔助駕駛功能的自動駕駛滲透率將從目前0.4%提升到6%水平,市場規(guī)模510億元。自動駕駛底層是機(jī)器取代人力,用戶定價與自身成本相關(guān),遠(yuǎn)期隨廠商技術(shù)進(jìn)步,產(chǎn)品供給曲線右移,穩(wěn)態(tài)需求量持續(xù)增加。 大模型推動智駕硬件變革。感知端重心轉(zhuǎn)向視覺,攝像頭像素提升,4D毫米波雷達(dá)上車;考慮成本、供應(yīng)鏈安全,光傳輸取代電傳輸是未來方向。規(guī)劃端數(shù)據(jù)要求提升,域控算力升級;執(zhí)行端線控制動和線控轉(zhuǎn)向是必經(jīng)之路。 風(fēng)險提示:1、競爭惡化;2、智能駕駛進(jìn)度不如預(yù)期;3、系統(tǒng)性風(fēng)險。 投資建議:智能駕駛感知、決策、執(zhí)行均有望受益。當(dāng)前汽車智駕圍繞數(shù)據(jù)流演進(jìn),算法在于整車,零部件涉及感知(數(shù)據(jù)獲?。獩Q策(數(shù)據(jù)處理)—執(zhí)行(數(shù)據(jù)應(yīng)用)。特斯拉技術(shù)突破加速智駕方案迭代,圍繞感知、決策、執(zhí)行等布局的零部件廠商均有望受益。推薦決策層標(biāo)的德賽西威、科博達(dá)、均勝電子;算法層標(biāo)的小鵬汽車;執(zhí)行層標(biāo)的伯特利、保隆科技。
|
|