汽车智能驾驶行业专题：大模型赋能汽车，智能驾驶迎来蜕变时刻

（报告出品方：中信证券）

1. 高阶功能投放加速，智能驾驶迎来质变时刻

辅助驾驶体验迎来突破，23H2头部新势力城市功能料将集中落地

2023年城市辅助驾驶功能迎来突破，头部新势力进入“无图”城市，体验有望迎来大幅提升。理想：6月17日家庭科技日，宣布6月开启北京+上海“早鸟”用户测试；23H2将推送通勤模式。  小鹏：6月29日G6发布会，公布XNGP 23H2进入50个城市；无图城市场景开启覆盖；发布了“AI代驾”功能。

理想：2023年6月科技日公布技术突破，通勤模式重磅发布

6月17日理想的科技日公布智能驾驶新突破，基于AD Max 平台的城市NOA+通勤模式重磅发布。通勤模式：车主可以通过自设路线及PNP特征训练，在所在城市NOA开启前提前实现通勤道路的NOA功能；简单路线1 周可完成训练，复杂路线需2-3周。城市NOA6月启动北京+上海城市NOA早鸟测试，后续开放更多城市。使用NPN特征增强BEV大模型，提高复杂路口识别的稳定性与精确性，通过TIN网络增强对信号灯的识别能力。

华为：ADS 2.0于22Q3在无图城市推送

2023年4月16日，2023华为智能汽车解决 方案发布会上，余承东发布ADS 2.0系统 。HUAWEI ADS 2.0将基于Transformer的 BEV架构进一步升级，基于道路拓扑推理 网络进一步增强，即使无高精地图也能看 懂路，红绿灯等各种道路元素，使得无图 也能开，进一步提升高速、城区和泊车环 节的感知、判断、决策、执行能力。ADS 2.0系统体验提升：ADS 2.0能够覆 盖城区90%的场景，高速方面ADS 2.0将 进一步提升上下匝道、避障、施工修路等 场景能力，2023年年内使得平均接管里程 从1.0的100km提升到200km，代客泊车 辅助（AVP）将在2023年年底实现，进一 步提升窄车位处理能力 。ADS 2.0系统推送节奏：23Q2有图5城 （包括上海、深圳、广州、杭州、重庆， 其中广州、重庆、杭州为部分区域覆盖）；Q3无图15城，Q4无图45城。

辅助驾驶渗透率预测：2025年L2/L3有望渗透率达到56%/20%

短期来看，我们预计2023年L2、L2+级自动驾驶渗透率达38%、8%。2023年随着理想L7\L8、小鹏G6、蔚来新ES6等产品的上 市，预计L2+级产品渗透率继续提升。中期来看，我们预计2025年L2、L3及以上级别自动驾驶渗透率分别为56%、20%。智能化为汽车行业的核心趋势，主机厂将 对自动驾驶保持旺盛需求，我们预计2025、2030年L2级自动驾驶渗透率分别为50%、52%；随着自动驾驶技术的进步、相关 零部件成本的下降与法律法规的逐步放宽，我们预计2025年L3及以上级别自动驾驶渗透率为20%；随后L4开始出现，并将于 2030年L3、L4进一步提升至40%、8%。

2. 大模型赋能智驾算法，云端、车端迭代加速

硬件端：激光雷达的显著降本，有助于降低辅助驾驶应用门槛

自动驾驶单一芯片算力在5年里提升100倍；智能驾驶大模型软件得以部署上车。2018年辅助驾驶主流芯片EyeQ4算力为2.5Tops，虽然Mobileye的软件与芯片硬件的配合度很高，让2.5Tops的算力能发 挥出很强的功能，但是功能上限很低，且安全性受限。2022年H2，英伟达Orin芯片开启大规模量产上车，单芯片256Tops的算力比5年前提升了100倍，主流方案双Orin域控能 够提供512Tops算力。

激光雷达降本，带动智驾BOM下降，有助于降低高阶辅助驾驶的应用门槛 。激光雷达由于具有直接、稳定、精确测量的优点，在高级辅助驾驶应用中，可以直接感知夜间暗光场景、炫光场景、以 及一些视觉算法无法识别的情况。在视觉能力不足够强大的时候，能车企提供“安全性兜底”。“低性能”的激光雷达结构简单、成本更低，单一激光雷达的成本有望下降到1千元甚至更低。如果BOM下降到8000元以下，那么高阶辅助驾驶有望大幅渗透至20万元乘用车市场。

软件端：大模型从NLP领域，延伸至自动驾驶

传统自动驾驶解决方案是多个小模型的堆叠，好处是可以快速上线例如高速NOA等功能，局限在于安全性和准确性；并且 在复杂的城市场景，用小模型很难获得较好的产品体验。NLP领域的大模型应用到辅助驾驶中：Transformer方案为代表的大模型最早诞生于NLP领域，特斯拉2021年8月AI Day上 发布，用Transformer将多相机的图片投射到俯视图（BEV）中。目前，在感知端使用深度学习大模型，已经成为了行业的主流、共识的做法。对于是否将深度学习应用在规划控制方面， 目前各家主机厂的做法有一定的差异。特斯拉表示在V12.0版本FSD上将实现“端到端”的模型应用。

软件端：借助Occupancy Network，提升感知算法的泛化能力

Occupancy Network能够精确生成空间占用信息，摆脱对目标模型库的依赖。传统视觉方案高度依赖于现有的目标模型库，对不在目标模型库中的障碍物，无法做出很好的识别。另一方面，传统视 觉方案以矩形框标注障碍物信息，无法精确表征空间占用情况。2022年，特斯拉引入Occupancy Network（占用网络），对感知算法进行升级。Occupancy Network将空间分为非常小 的体素，主要判断每个体素是否被占用，而不考虑物体到底是什么。因此， Occupancy Network能够对不规则障碍物进 行很好的识别，且能够精确生成空间占用情况，从而大幅增强感知算法的泛化能力。同时， Occupancy Network中包含 高度方向上的数据，能够将BEV结果由2D升维至3D。

基础设施：自动标注与仿真为数据闭环提供“养料”

软件算法逐步走向数据驱动，自动标注与仿真成为关键环节。人工智能算法正逐步渗透至感知、规控算法，数据数量、质量成为影响算法性能的关键因素。业内玩家正致力于打造数 据闭环，以收集corner case数据，推进算法迭代。自动标注与仿真是数据闭环中的关键环节。回传到云端的数据，需要经过数据清洗和标注，才能供算法进行迭代。自动标注的引入，有利于提高标注效率，降低人 力成本。以小鹏打造的自动标注系统为例，其标注效率是人工标注的45000倍，能够将XNet所需2000人年的标注量，缩 短至16.7天。仿真能够针对性地生成特定的corner case，能够低成本地解决数据量不足的问题。另一方面，仿真场景中的元素参数为 人为设定，能够省去数据标注环节。

政策端：工信部表态支持L3及以上级别的自动驾驶功能商业化应用

政策、法规日趋完善，高级别自动驾驶渐行渐近。2022年11月，工信部发布《关于开展智能网联汽车准入和上路通行试点工作的通知（征求意见稿）》，首次从国家部委 层面，对L3/L4级别智能网联汽车的准入和上路通行试点工作拟定明确指导文件。2023年6月，工信部表示，将从三个方面推进汽车行业的智能化、网联化发展进程：1）支持关键技术攻关：加快关键芯 片、高精度传感器、操作系统等新技术新产品的研发和推广应用；2）进一步完善网联基础设施：加快C-V2X、路侧感知 、边缘计算等基础设施建设，建立三级架构的云控基础平台，形成统一的接口、数据和通信标准；3）深化测试示范应用 ：启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持L3及以上级别的自动驾驶 功能商业化应用。

3. 产业蜕变“雪球效应”显著，头部玩家优势有望进一步扩大

（本文仅供参考，不代表我们的任何投资建议)

文琳编辑

免责声明：转载内容仅供读者参考，观点仅代表作者本人，不构成投资意见，也不代表本平台立场。若文章涉及版权问题，敬请原作者添加 wenlin-swl  微信联系删除。

1. ▼长按2秒识别二维码关注我们

《文琳资讯》

提供每日最新财经资讯，判断经济形势，做有价值的传播者。欢迎关注

今日导读：点击下面链接可查阅

▼长按2秒识别二维码关注我们

公众号 ：就业与创业

点击下方可看