智能驾驶研究框架系列一:AI数据驱动视角下的智能驾驶.pdf

报告摘要:
传统自动驾取行业存在两种不同的研发路径:渐进源与联进濂,其在自动驾驶技术的开发和商业模式上存在显著差异。以特斯拉等主机厂为代表的“渐进派”和以Waymo、百度Apollo等科技公司为代表的“跃进派”。渐进派倾向于稳步前进,通过逐渐增加系统的复杂性和能力来减少风险,期待在不断的积累和选代过程中突破瓶颈,从L1、L2、L3状态的“人机共驾”逐渐过渡到L4的无人驾驶;跃进派则追求通过大胆的技术创新来加速实现完全自动驾驶的目标,直接跳过L3级别的瓶颈,直接以L4的无人驾驶为目标进行研发,通过在有限范围、特殊场景内营运来打通产品逻辑,构建智能化移动出行服务体系。
以特斯拉为代表的“渐进源”的智能驾驶已进入以数据驱动为标志的3.0时代,数据闭环成为量产落地的核心。在传统的模块化自动驾驶系统中,智能驾驶的实现依赖于三大关键模块:感知、决策、控制,每个模块专注于完成特定的功能,并与其他模块通过定义良好的接口交互。而特斯拉FSD的端到端大模型,则消除了自动驾驶系统的感知和定位、决策和规划、拉制和执行之间的断面,将三大模块合在一起,形成了一个大的神经网络。其采用的端到端方案采用全视种经网络实现,直接输入传感器数据,输出转向、制动和加速信号,全程没有任何编码。随着自动驾驶级别提升和应用范围扩大,数据量急剧增长,训练、传输、存储成本也随之攀升。端到端架构将所有模块事在一超统一训炼,意味着提升性能所需的数据量和算力规模更大,头部智能驾驶厂商的数据闭环能力将
逐步与第二样队拉开差距。
联进源自动驾收厂商则在特定场录下,比加矿山、港口、环卫、无人物流小车等赛道德步推进,已经接近批量复制的节点。具体到特定场景中,比如矿山场景不涉及路权问题、环境相对简单,容锆率很高,无重大安全隐悲;在港口场景中,道路结构化程度高,环境简单,路权问题相对容易解决。目前,这些场景普遍已不需要配备车内安全员,预计在1-2年内实现大规模商业化落地。不过各类应用场景由于适用环境道路和技术水平存在差异,落地规模和商业化进展不一,难以一步到位实现全地图L4级以上自动驾驶。目前来看封闭低速载物场景在2025年左右可大规模商业化落地,高速载物场景则在2030年左右方可落地,具体落地的核心推手是技术成熟度及国内的法规完善进度。
投责建议:建议重点关注以下几个关键因素及其产业链相关变化从而找
寻投资机会:(1)以高阶智能驾驶技术比如特斯拉的突破与用户体脸的
实质性提升:(2)国产智能驾驶领域的高性价比解决方案的普及速度和
市场接受度:(3)整个自动驾驶技术及硬件供应商的竟争格局变化,特别是领先企业的战略调整和新买企业的市场表现:(4)在智能驾驶渗透率提高之后,相应后服务市场的爆发。1.智能驾驶是汽车驾驶发展的必然过程
智能驾驶,即ADAS(AdvamcedDriver AssistanceSystems),高级辅助驾驶系统道常指的是辅功驾驶技术的集合;自动驾,即ADS(AutonomousDrivingSystem),则指的是车辆能够在没有人类司机干预的情况下,光成驾驶任务的技术。ADAS技术可以帮助司机更安全、更舒适地驾驶,但不完全取代司机的控制。智能驾驶系统可能包括自适应逗航控制、车道保持辅助、紧急制动辅助、交通标志识别等功能:AD技术包括从起点到终点的整个驾驶过程没有人类司机干预,涉及环境感知、决策制定和执行控制等复杂功能。

本文来自知之小站

 

PDF报告已分享至知识星球,微信扫码加入立享3万+精选资料,年更新1万+精选报告

(星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com)