自動駕駛算法是感知、預測、規劃控制的結合體
自動駕駛算法由感知、預測、規劃控制構成。數據和仿真則通過數據驅動助力整個算法體系的成熟和完善。整個自動駕駛行為包含諸多組成部分，而市場努力的方向在于將這些環節不斷優化。
(資料圖片)
大模型橫空出世，自動駕駛算法有望迎來奇點
感知：BEV+Transformer橫空出世，大模型推動自動駕駛邁向“平民化”
2021年特斯拉第一次推出BEV+transformer算法架構，用神經網絡將多個2D的圖像和傳感器信息綜合成為三維的向量空間方便下游規控模塊處理，開啟了自動駕駛新時代。該算法優勢顯著：（1）解決2D圖像轉換成3D空間深度預測難點，感知性能提升。（2）完美實現多攝像頭、多傳感器信息融合。（3）更易融入時序信息，讓模型擁有“記憶”。（4）擁有實時建圖能力，擺脫對高精度地圖的依賴。
規控：算法由基于規則邁向基于神經網，大模型開始嶄露頭角
規劃控制算法中，目前行業仍以基于規則的方式為主，但泛化性不足仍面臨諸多長尾問題，同時不斷“打補丁”完善算法會導致最終代碼量龐大且難以維護。領軍公司已開始將大模型引入其中，進而擁有更強的泛化能力和更好的駕乘體驗。
端到端（感知決策一體化）：大模型為自動駕駛徹底實現帶來希望
感知、預測、規劃、控制組合模塊化部署模式，一方面，容易累計誤差，另一方面，不同模塊之間全局優化存在困難，因此端到端感知決策一體化算法成為自動駕駛行業共識的目標。英偉達、Uber、Wayve等公司進行了諸多探索。
數據：大模型推動數據閉環和仿真落地
數據閉環通常包含數據采集、挖掘、數據標注等環節，如何實現自動化運行同時降本增效是關鍵。目前行業推動大模型助力數據挖掘和自動標注，將加速產業成熟。仿真方面，逼真的仿真環境可替代實車數據的采集，是減少Cornercase的有效手段，大模型亦幫助實現自動化的場景生成等，完美提升模型自我迭代能力。
算法變局推動L3級自動駕駛加速到來
大模型時代，得算力者得天下。大模型可通過仿真、自動標注等方式顯著提升車廠算法能力，車企紛紛加碼數據中心。芯片格局有望受大模型影響而重塑。Transformer大模型具有大參數、計算復雜等特點，芯片需要針對性開發加速器以實現在推理端良好運行，前瞻擁抱產業趨勢的玩家有望在競爭中占得先機。最后，大模型推動下，L3級自動駕駛正加速到來，諸多車企推出自己的大模型解決方案，并有望迅速實現城市輔助駕駛落地，全產業鏈玩家均有望持續受益。
重點關注：德賽西威、經緯恒潤、中科創達、華陽集團、北京君正、美格智能、晶晨股份、均勝電子
風險提示：技術發展進度不及預期、市場需求不及預期。
