>> 浙商證券-AI+行業(yè)系列之智能駕駛：自動駕駛的“大模型”時代-230923
| 上傳日期： |
2023/9/24 |
大小： |
2278KB |
| 格式： |
pdf 共39頁 |
來源： |
浙商證券 |
| 評級： |
看好 |
作者： |
劉雯蜀,劉靜一 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
1、大模型技術(shù)發(fā)展歷程
大模型泛指具有數(shù)十億甚至上百億參數(shù)的深度學(xué)習(xí)模型，而大語言模型是大模型的一個典型分支（以ChatGPT為代表）。Transformer架構(gòu)的提出引入了注意力機制，突破了RNN和CNN處理長序列的固有局限，使語言模型能在大規(guī)模語料上得到豐富的語言知識預(yù)訓(xùn)練，一方面，開啟了大語言模型快速發(fā)展的新時代；另一方面奠定了大模型技術(shù)實現(xiàn)的基礎(chǔ)，為其他領(lǐng)域模型通過增大參數(shù)量提升模型效果提供了參考思路。
復(fù)雜性、高維度、多樣性和個性化要求使得大型模型在自動駕駛、量化交易、醫(yī)療診斷和圖像分析、自然語言處理和智能對話任務(wù)上更易獲得出色的建模能力。
2、自動駕駛模型迭代路徑
自動駕駛算法模塊可分為感知、決策和規(guī)劃控制三個環(huán)節(jié)，其中感知模塊為關(guān)鍵的組成部分，經(jīng)歷了多樣化的模型迭代：CNN（2011-2016）—— RNN+GAN（2016-2018）—— BEV（2018-2020）—— Transformer+BEV（2020至今）——占用網(wǎng)絡(luò)（2022至今）。
特斯拉自動駕駛技術(shù)路徑的演進可視為自動駕駛技術(shù)迭代的風(fēng)向標(biāo)，呈現(xiàn)全棧自研、出軟硬件的協(xié)同發(fā)展趨勢：軟件層面從采用Mobileye到自研Transformer+BEV和占用網(wǎng)絡(luò)；硬件層面從與Mobileye、英偉達合作到自研FSD芯片方案。
3、大模型對自動駕駛行業(yè)的賦能與影響
自動駕駛領(lǐng)域的大模型發(fā)展相對大語言模型滯后，大約始于2019年，吸取了GPT等模型成功經(jīng)驗。大模型的應(yīng)用加速模型端的成熟，為L3/L4級別的自動駕駛技術(shù)落地提供了更加明確的預(yù)期。
可從成本、技術(shù)、監(jiān)管與安全四個層面對于L3及以上級別自動駕駛落地的展望，其中：成本仍有下降空間；技術(shù)的發(fā)展仍將沿著算法和硬件兩條主線并進；法規(guī)政策還在逐步完善之中；安全性成為自動駕駛汽車實現(xiàn)商業(yè)化落地必不可少的重要因素。
各主機廠自2021年開始加速對L2+自動駕駛的布局，且預(yù)計在2024年左右實現(xiàn)L2++（接近L3）或者更高級別的自動駕駛功能的落地，其中政策有望成為主要催化
風(fēng)險提示
1、自動駕駛算法研發(fā)與迭代不及預(yù)期
2、智能網(wǎng)聯(lián)汽車政策落地不及預(yù)期
3、由于中美關(guān)系影響導(dǎo)致自動駕駛芯片供應(yīng)鏈出現(xiàn)波動的風(fēng)險
4、行業(yè)競爭加劇導(dǎo)致價格戰(zhàn)的風(fēng)險
5、報告中的統(tǒng)計信息均為基于公開信息的不完全統(tǒng)計，各公司實時動態(tài)和最新發(fā)展可能存在動態(tài)調(diào)整
|
|
