电子行业专题研究：AI大模型如何加速无人驾驶发展

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型如何加速无人驾驶发展 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com +(852) 3658 6000 研究员 陈旭东 SAC No. S0570521070004 SFC No. BPH392 chenxudong@htsc.com +(86) 21 2897 2228 联系人 张宇 SAC No. S0570121090024 SFC No. BSF274 zhangyu@htsc.com +(86) 10 6321 1166 联系人 郭春杏 SAC No. S0570122010047 SFC No. BTP481 guochunxing@htsc.com +(86) 21 2897 2228 联系人 汤仕翯 SAC No. S0570122080264 tangshihe@htsc.com +(86) 21 2897 2228 行业走势图 资料来源：Wind，华泰研究 2023 年 6 月 12 日│中国内地 专题研究 “无人驾驶”看上去很美，但一直很难落地 “无人驾驶”是最早被提出的人工智能应用场景之一，谷歌，苹果，特斯拉，百度等海内外科技巨头从 2016 开始就积极布局，但直到现在一直还很难实现大规模商用落地。我们认为，1）多维度数据的获取和标注成本高，2）对小概率事件的决策准确度和人类还存在较大差距，3）事故时法律权责归属不明确，是制约其发展的一部分问题。我们认为，以 ChatGPT 和 SAM为代表的大模型的出现，将要改变智能驾驶在内所有行业的工作范式，我们从数据，算法，算力等角度初步探讨其中一些发展机会。 数据：大模型提升数据采集、数据标注的效率 海量的数据是智能驾驶/无人驾驶的基础。通过这几年发展，现在一台 L2+级别智能电动车通常能够采集多 10+颗摄像头，1-2 颗激光雷达，3-5 颗毫米波雷达的多维度数据，数据经过标注之后，用于训练模型。大模型的出现，首先能够 1）构建虚拟场景人工生成数据，补充现实中难以获得/数据量不足的情形。特斯拉 FSD 的虚拟仿真，英伟达的 Omniverse 都是其中的代表。2）数据标注是非常费时费人的工作，以 Meta 的 SAM 为代表的图像分割大模型的出现可大幅降低数据标注的成本。 算法：大模型提升感知准确度，影子模型学习人类驾驶习惯 智能驾驶算法主要包括 1）感知（识别道路和道路上物体），2）预测（预测周围车辆和行人的行为），3）决策（控制车辆速度方向等行动）。特斯拉、新势力等主要企业从几年前开始采用基于 Transformer 的大模型等新技术，1）提高道路、物体的识别精准度；2）学习人类的驾驶习惯（影子模式），3) 缩短决策所需要的时间，从而训练模型更加“拟人”。 智能驾驶产业链：国产替代趋势显著 受益于智能驾驶本土化的客观需求、产业链各环节国内供应商产品性能的提升与下游自主品牌的崛起，零部件国产替代趋势显著。1）芯片：国内玩家地平线、黑芝麻等与海外大厂的差距逐渐缩小，本土化服务能力更强。2）域控制器及解决方案：国内玩家德赛西威、经纬恒润、纵目科技、知行科技等均已规模化上车，技术成熟度不断提升。3）激光雷达：国产供应商禾赛、图达通、速腾等在量产节奏更快。4）4D 毫米波：国内玩家有行易道、森思泰克等雷达厂商以及加特兰（MMIC 芯片）等芯片公司。5）高速连接器：罗森伯格技术积淀深厚，电连技术、瑞可达等加速追赶。 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。本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 (17)(8)11019Jun-22Oct-22Feb-23Jun-23(%)电子沪深300 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 电子 正文目录 AI 大模型加速无人驾驶发展 ......................................................................................................................................... 5 模型：大模型如何赋能智能驾驶？ ............................................................................................................................... 7 数据：虚拟仿真、影子模式、自动标注引入将优化信息采集、处理能力 .............................................................. 7 数据来源：通过仿真模拟，对 corner case 进行大规模训练 ......................................................................... 8 数据标注：通过自动标注优化系统效率，降低标注成本 ............................................................................... 8 算法：优化感知-决策-执行三阶段 ......................................................................................................................... 9 感知层面：Occupancy Network、3D 建模 ................................................................................................... 9 预测层面：道路拓扑关系预测、障碍物预测 ............................................................................................... 11 决策层面：车端算力升级、模型计算效率优化，决策更加智能 .................................................................. 12 算力：车端/云端算力升级与国产化 ..................................................................................................................... 13 车端：高