计算机行业智能驾驶研究框架系列一：AI数据驱动视角下的智能驾驶-240312（65页）.pdf

1、 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 Table_Info1 计算机计算机 Table_Date 发布时间：发布时间：2024-03-12 Table_Invest 优于大势优于大势 上次评级:优于大势 Table_PicQuote 历史收益率曲线 Table_Trend 涨跌幅（%）1M 3M 12M 绝对收益 17%-13%-18%相对收益 11%-19%-7%Table_Market 行业数据 成分股数量（只）331 总市值（亿）35,119 流通市值（亿）29,879 市盈率（倍）101.25 市净率（倍）3.48 成分股总营收（亿）10,783 成分股总净利润（

2、亿）312 成分股资产负债率（%）42.60 相关报告 华为合作伙伴大会召开在即，关注伙伴+华为 -20240311 海外 AI 应用&终端表现优异，关注国内 AI应用进展 -20240303 市场迎来超跌反弹，中长期坚持关注真正成长方向 -20240225 数字人民币系列一：数币推广带来颠覆性变革 -20240218 海外 AI 投资如火如荼，文生图迎来重大进展 -20240218 Table_Author 证券分析师：吴源恒证券分析师：吴源恒 执业证书编号：S0550522100004 15767875282 Table_Title 证券研究报告/行业深度报告 AI 数据驱动视角下的智能驾

3、驶数据驱动视角下的智能驾驶-智能驾驶研究框架系列一智能驾驶研究框架系列一 报告摘要：报告摘要：Table_Summary 传统传统自动驾驶行业存在两种不同的研发路径自动驾驶行业存在两种不同的研发路径：渐进派与跃进派渐进派与跃进派，其，其在自在自动驾驶技术的开发和商业模式上存在显著差异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迭代过程中突破瓶颈，从 L1、L2、L3 状态的“人机共驾”逐渐过渡到 L4 的无人驾驶；

4、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。以特斯拉为代表的以特斯拉为代表的“渐进派”“渐进派”的的智能驾驶已进入以数据驱动为标志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。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

5、的感知和定位、决策和规划、控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栈神经网络实现，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串在一起统一训练，意味着提升性端到端架构将所有模块串在一起统一训练，意味着提升性能所需的数据量和算力规模更大能所需的数据量和算力规模更大，头部智能驾驶厂商头部智能驾驶厂商的的数据闭环数据闭环能力将能力将逐步与第二梯队拉开差距逐步与第二梯队拉开差距。跃进派自动驾驶厂商则跃进派自动驾驶厂商则在特定场景下

6、，比如矿山、港口、环卫、无人物在特定场景下，比如矿山、港口、环卫、无人物流小车等赛道稳步推进，已经接近批量复制的节点。流小车等赛道稳步推进，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，容错率很高，无重大安全隐患；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