自动驾驶行业报告-”端到端“渐行渐近-甲子光年

出品机构：甲子光年智库智库院长：宋涛报告撰写：翟惠宇发布时间：2024.07*甲子光年智库分析师胡博文对本次报告撰写亦有贡献。目 录Part 01发展背景：汽车智能化正加速普及P02Part 02趋势辨析：端到端自动驾驶的价值P09Part 03厂商实践：技术路线的选择与践行P18Part 04未来展望：端到端的挑战与未来式P26智能化水平已经成为国内汽车消费者最核心的购买因素之一。p国内汽车工业在电动化和智能化领域的迅猛发展，正在重塑消费者的购车偏好，消费者对于自动驾驶技术、智能座舱等高端智能化功能的兴趣日益浓厚。p超半数的汽车消费者将智能化水平作为购车时的关键考量因素，他们追求更先进的自动驾驶体验、更智能的座舱环境以及更个性化的驾驶乐趣。p智能化在购车决策中的重要性日益凸显，这也促使众多汽车制造商加快了智能化技术的研发和工程投入；继续航里程和用车成本之后，智能化已成为新能源汽车竞争的主要领域，未能跟上智能化步伐的汽车品牌可能会逐渐失去市场竞争力。59%54%51%48%47%47%43%31%30%用车成本低智能化程度高保养成本低外观时尚环保噪音小获取牌照动力性能配置表精炼图1：购车时“智能化”考量因素高居第二65%62%51%51%47%43%42%40%39%更先进的自动驾驶功能智能座舱体验更好造型设计美观原生新能源汽车平台乘坐更舒适售后体验更好OTA能力更强续航里程表现驾驶乐趣更高图2：自动驾驶、智能座舱、OTA能力受广泛关注智能驾驶渗透提速，“智能化”竞争进入白热化。pNOA技术的渗透率正迅速提升：自2022年“量产元年”起，高速NOA和城区NOA的普及率显著增长。目前，高速NOA的渗透率已超10%，城市NOA也超过了3%。p在众多厂商的推动下，重视“智能化”的汽车越来越受消费者青睐，尤其是那些配备自动泊车和L2.5以上级别NOA功能的车型；这些车型已成为车企竞争的焦点，预示着未来缺乏NOA功能的车辆可能失去竞争力。p自动驾驶功能的普及，得益于车企的持续投入和消费者对这些技术的接受度，这已成为汽车市场竞争力的关键。02468101214Dec-22Jan-23Feb-23Mar-23Apr-23May-23Jun-23Jul-23Aug-23Sep-23Oct-23Nov-23Dec-23Jan-24Feb-24Mar-24标配选配合计图1：高速NOA渗透率持续增长（%）012345Dec-22Jan-23Feb-23Mar-23Apr-23May-23Jun-23Jul-23Aug-23Sep-23Oct-23Nov-23Dec-23Jan-24Feb-24Mar-24标配选配合计图2：城市NOA渗透率持续增长（%）自动驾驶科技公司排队冲击IPO，智驾加速普及，行业正在苏醒。p尽管一级市场融资受到整体投融资环境的影响，但自动驾驶公司通过不断优化核心软硬件产品，向更务实的L2辅助驾驶转型，加速了智能驾驶的商业化进程，众多企业开始准备IPO。p同时，随着智能驾驶功能的普及，消费者对其正面认知逐渐增强，乘用车自动驾驶市场稳步增长，这促使主机厂与智能驾驶解决方案供应商之间的合作更加紧密，进一步推动了智能驾驶技术的商业化应用。企业名称计划上市地IPO进程主营业务禾赛科技美股2023年2月上市激光雷达传感器海创光电科创板2023年5月提交申请激光雷达传感器黑芝麻智能港交所2023年6月提交申请自动驾驶计算芯片图达通美股2023年8月完成IPO备案激光雷达传感器如祺出行港交所2023年8月提交申请Robotaxi、网约车运营文远知行美股2023年8月完成IPO备案自动驾驶解决方案、Robotaxi赛目科技港交所2023年10月提交申请ICV仿真测试、验证知行科技港交所2023年12月已上市自动驾驶解决方案速腾聚创港交所2024年1月已上市激光雷达传感器小马智行美股2024年4月完成IPO备案Robotaxi、Robotruck、智能驾驶解决方案纵目科技港交所2024年3月提交申请智能驾驶解决方案地平线港交所2024年3月提交申请自动驾驶计算芯片、智能驾驶解决方案佑驾创新港交所2024年5月提交申请智能驾驶解决方案Momenta美股2024年6月完成IPO备案自动驾驶解决方案表：2023年起，自动驾驶厂商扎堆IPO订单需求扩张业绩快速上涨产品性能提升一级市场融资难需要研发投入造血能力待提升智驾量产车上路，数据飞轮已经转了起来。p自BEV（鸟瞰视图）结合Transformer架构成为自动驾驶感知领域的主要发展方向以来，数据驱动在其中扮演的角色愈发关键；众多汽车制造商和自动驾驶解决方案提供商都已构建数据闭环系统，以支持自动驾驶系统的模型训练和持续迭代。p目前，配备高级智能驾驶功能的汽车已实现规模化部署，这为自动驾驶算法的持续创新和优化提供了坚实的数据支撑。图：打造数据闭环，量产时代下的自动驾驶应用部署为数据驱动提供条件智能驾驶汽车规模化数据采集数据分析数据标注模型训练模型验证算法部署自动驾驶智算中心打造数据闭环升级现有智能车影子模式触发数据回传OTA部署算法升级AI驱动的数据闭环量产项目提供海量车端大数据：•人工智能技术加持，数据筛选、标注、训练、验证形成全链路闭环，持续迭代智能驾驶产品•相比过去工程师制定的规则算法，能够实现低成本、高效率的系统迭代•由此实现闭环自动化，数据驱动自动驾驶，在为现有车辆进行OTA功能升级的同时，为后续更高级别的自动驾驶车辆做准备数据积累训练高阶自动驾驶算法L3/L4量产上车自动驾驶技术发展与普及的背后， 是底层AI技术的进步。pAI技术的应用场景众多，自动驾驶无疑是其中的核心议题；它不仅代表了技术应用的前沿，也是产学两界AI专家不懈追求、共同攻克的领域。p自动驾驶行业的发展与AI技术的每次飞跃紧密相连：从卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）到Transformer，每一次技术革新背后，都伴随着深度学习等基础AI技术的突破性进展。正是AI技术的持续进步，构成了自动驾驶技术不断演进和成熟的基础动力。至今CNN（卷积神经网络）•图像识别处理表现优秀；有效处理传感器数据融合•需要大量数据标注；时序任务处理能力偏弱2011RNN（LSTM）+GAN•更擅长处理时间序列数据+生成高质量合成数据•预测车辆未来轨迹能力•长期时序建模能力弱；数据质量难把控；实时性要求无法满足BEV（鸟瞰视角）•直观且丰富的车身周边环境表示•需要复杂的传感器数据融合与校准，计算量庞大BEV+Transformer•结合Transformer更强的处理序列数据和复杂上下文关系方面的能力，实现更精确的环境感知、更长远的运动规划和更全局化的决策201620182020图：自动驾驶技术的主要迭代路径OCC+Transformer•Occupancy Network基于学习进行三维重建，是BEV的3D迭代2022那么，下一步？CNN提出后，深度学习进入爆发期，自主学习能力被释放Transformer大模型基于大规模数据训练，具备更强的鲁棒性与泛化能力，在自动驾驶行业大方异彩AI大模型技术已经在自动驾驶领域得到广泛应用。pTransformer大模型技术在自动驾驶领域