（原標題：華泰證券：AI大模型如何加速無人駕駛發展？）

(資料圖)

智通財經APP獲悉，華泰證券發布研究報告稱，“無人駕駛”是最早被提出的人工智能應用場景之一，谷歌，蘋果，特斯拉，百度等海內外科技巨頭從2016開始就積極布局。以ChatGPT和SAM為代表的大模型的出現，將要改變智能駕駛在內所有行業的工作范式。該行認為大模型提升數據采集、數據標注的效率，同時提升感知準確度，影子模型學習人類駕駛習慣。關注相關產業鏈環節：1)芯片;2)域控制器及解決方案;3)激光雷達;4)4D毫米波。

華泰證券主要觀點如下：

“無人駕駛”看上去很美，但一直很難落地

“無人駕駛”是最早被提出的人工智能應用場景之一，谷歌，蘋果，特斯拉，百度等海內外科技巨頭從2016開始就積極布局，但直到現在一直還很難實現大規模商用落地。該行認為，1)多維度數據的獲取和標注成本高，2)對小概率事件的決策準確度和人類還存在較大差距，3)事故時法律權責歸屬不明確，是制約其發展的一部分問題。該行認為，以ChatGPT和SAM為代表的大模型的出現，將要改變智能駕駛在內所有行業的工作范式，該行從數據，算法，算力等角度初步探討其中一些發展機會。

數據：大模型提升數據采集、數據標注的效率

海量的數據是智能駕駛/無人駕駛的基礎。通過這幾年發展，現在一臺L2+級別智能電動車通常能夠采集多10+顆攝像頭，1-2顆激光雷達，3-5顆毫米波雷達的多維度數據，數據經過標注之后，用于訓練模型。大模型的出現，首先能夠1)構建虛擬場景人工生成數據，補充現實中難以獲得/數據量不足的情形。特斯拉FSD的虛擬仿真，英偉達的Omniverse都是其中的代表。2)數據標注是非常費時費人的工作，以Meta的SAM為代表的圖像分割大模型的出現可大幅降低數據標注的成本。

算法：大模型提升感知準確度，影子模型學習人類駕駛習慣

智能駕駛算法主要包括1)感知(識別道路和道路上物體)，2)預測(預測周圍車輛和行人的行為)，3)決策(控制車輛速度方向等行動)。特斯拉、新勢力等主要企業從幾年前開始采用基于Transformer的大模型等新技術，1)提高道路、物體的識別精準度;2)學習人類的駕駛習慣(影子模式)，3)縮短決策所需要的時間，從而訓練模型更加“擬人”。

智能駕駛產業鏈：國產替代趨勢顯著

受益于智能駕駛本土化的客觀需求、產業鏈各環節國內供應商產品性能的提升與下游自主品牌的崛起，零部件國產替代趨勢顯著。

1)芯片：國內玩家地平線、黑芝麻等與海外大廠的差距逐漸縮小，本土化服務能力更強。

2)域控制器及解決方案：國內玩家德賽西威、經緯恒潤、縱目科技、知行科技等均已規模化上車，技術成熟度不斷提升。

3)激光雷達：國產供應商禾賽、圖達通、速騰等在量產節奏更快。

4)4D毫米波：國內玩家有行易道、森思泰克等雷達廠商以及加特蘭(MMIC芯片)等芯片公司。5)高速連接器：羅森伯格技術積淀深厚，電連技術、瑞可達等加速追趕。

風險提示：智能駕駛滲透率不及預期;新產品迭代速度不及預期。本研報中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。

標簽：