汽车零部件行业：AI大模型在自动驾驶中的应用-230504（31页）.pdf

《汽车零部件行业：AI大模型在自动驾驶中的应用-230504（31页）.pdf》由会员分享，可在线阅读，更多相关《汽车零部件行业：AI大模型在自动驾驶中的应用-230504（31页）.pdf（31页珍藏版）》请在三个皮匠报告上搜索。

1、 本报告版权属于安信证券股份有限公司，各项声明请参见报告尾页。1 20232023 年年 0505 月月 0 04 4 日日 汽车零部件汽车零部件 行业深度分析行业深度分析 A AI I 大模型大模型在自动驾驶中的应用在自动驾驶中的应用 证券研究报告证券研究报告 投资评级投资评级 领先大市领先大市-A A 维持维持评级评级 首选股票首选股票 目标价（元）目标价（元）评级评级 688326 经纬恒润-W 160 买入-A 行业表现行业表现 资料来源：Wind 资讯 升幅升幅%1M1M 3M3M 12M12M 相对收益相对收益 -8.0-8.9 13.5 绝对收益绝对收益 -7.3-12.5 16

2、.2 徐慧雄徐慧雄 分析师分析师 SAC 执业证书编号：S1450520040002 李泽李泽 分析师分析师 SAC 执业证书编号：S1450523040001 相关报告相关报告 汽车轮胎行业系列报告之一：量价齐升叠加成本下降周期，看好中国胎企份额持续向上 2023-04-21 智能网联汽车建设正加速，特定场景商业模式已完成闭环 2023-03-15 智能汽车 2023 年度策略（）：座舱迈入 2.0 时代，车机域控格局或将再重塑 2022-12-12 线控底盘：实现高阶自动驾驶的必要条件，各环节将迎加速量产期 2022-10-29 电驱动深度报告：行业加速扩张，格局持续优化，电驱动行业迎来历

3、史性机遇 2022-05-17 TransformerTransformer 大模型在自动驾驶中应用趋势明确。大模型在自动驾驶中应用趋势明确。Transformer 基于Attention 机制，凭借优秀的长序列处理能力和更高的并行计算效率，2021 年由特斯拉引入自动驾驶领域。Transformer 与 CNN 相比最大的优势在于其泛化性更强。CNN 只能对标注过的物体进行相似度的比对，通过不断学习完成对该物体识别的任务；而 Transformer 可以通过注意力层的结构找到更基本的元素与元素间之间多个维度的相关信息进而找到一种更泛化的相似规律，进而提高自动驾驶的泛化能力。同时，不同于 RN

4、N 存在存储时间长度有限以及顺序依赖的问题，Transformer 模型具有更高的并行计算效率并且可以学习到长时间距离的依赖关系。目前，Transformer 主要应用在自动驾驶感知模块中从 2D 特征图向 BEV 鸟瞰图的视角转换。城市领航辅助驾驶落地在即，城市领航辅助驾驶落地在即，AIAI 大模型大模型助力实现“脱高精度地图”。助力实现“脱高精度地图”。目前，主机厂正逐步从高速场景向城市场景拓展，2023 年有望成为城市领航辅助驾驶的大规模落地的元年。相比于高速场景，城市场景所面临的Corner case 大幅提升，要求自动驾驶系统具备更强的泛化能力。目前已落地城市 NGP 主要基于高精度

5、地图方案，高精地图能够提供超视距、厘米级相对定位及导航信息，在数据和算法尚未成熟之前，对于主机厂实现高级别自动驾驶具有重要意义。但高精度地图应用过程中无法做到实施更新、法规风险高、高成本的三大问题难以解决。BEV 感知算法通过将不同视角的摄像头采集到的图片统一转换到上帝视角，相当于车辆实施生成活地图，补足了自动驾驶后续决策所需要的道路拓扑信息，因而可以实现去高精度地图化。目前，小鹏、华为等头部自动驾驶厂商均明确提出“脱图时间表”，自动驾驶算法“重感知，轻地图”趋势明确。大数据和大算力是大模型应用的重要前置条件。大数据和大算力是大模型应用的重要前置条件。T Transformer 大模型量变引起

6、质变需要 1 亿公里的里程数据。并且，传感器采集得到的 raw-data 需进行标注后才可用于算法模型训练，自动标注工具可大幅提升数据处理速度。2018 年至今，特斯拉数据标注从 2D 人工标注逐步发展至 4D空间自动标注；国内厂商中小鹏、毫末智行等亦相继推出自动标注工具大幅提升标注效率。除真实数据外，仿真场景是弥补训练大模型数据不足问题的重要解决方式。生成式 AI 有望推动仿真场景大幅提升泛化能力，帮助主机厂提升仿真场景数据的应用比例，从而提高自动驾驶模型的迭代速度、缩短开发周期。大算力是 Transformer 模型训练的另一重要条件，超算中心成为自动驾驶厂商重要的基础设施。特斯拉 AI