【甲子光年】2024自动驾驶行业报告-“端到端”渐行渐近.pptx

出品机构：甲子光年智库

智库院长：宋涛

报告撰写：翟惠宇

发布时间：2024.07

*甲子光年智库分析师胡博文对本次报告撰写亦有贡献。;

Part01发展背景：汽车智能化正加速普及P02;

智能化水平已经成为国内汽车消费者最核心的购买因素之一。

益浓厚。

o超半数的汽车消费者将智能化水平作为购车时的关键考量因素，他们追求更先进的自动驾驶体验、更智能的座舱环境以及更个性化的驾驶乐趣。

o智能化在购车决策中的重要性日益凸显，这也促使众多汽车制造商加快了智能化技术的研发和工程投入；继续航里程和用车成本之后，智能化已

成为新能源汽车竞争的主要领域，未能跟上智能化步伐的汽车品牌可能会逐渐失去市场竞争力。;

智能驾驶渗透提速，“智能化”竞争进入白热化。

oNOA技术的渗透率正迅速提升：自2022年“量产元年”起，高速NOA和城区NOA的普及率显著增长。目前，高速NOA的渗透率已超10%，城

市NOA也超过了3%。

o在众多厂商的推动下，重视“智能化”的汽车越来越受消费者青睐，尤其是那些配备自动泊车和L2.5以上级别NOA功能的车型；这些车型已成为车企竞争的焦点，预示着未来缺乏NOA功能的车辆可能失去竞争力。;

自动驾驶科技公司排队冲击IPO，智驾加速普及，行业正在苏醒。

o尽管一级市场融资受到整体投融资环境的影响，但自动驾驶公司通过不断优化核心软硬件产品，向更务实的L2辅助驾驶转型，加速了智能驾驶的

商业化进程，众多企业开始准备IPO。

o同时，随着智能驾驶功能的普及，消费者对其正面认知逐渐增强，乘用车自动驾驶市场稳步增长，这促使主机厂与智能驾驶解决方案供应商之间的合作更加紧密，进一步推动了智能驾驶技术的商业化应用。;;

自动驾驶技术发展与普及的背后，是底层AI技术的进步。

oAI技术的应用场景众多，自动驾驶无疑是其中的核心议题；它不仅代表了技术应用的前沿，也是产学两界AI专家不懈追求、共同攻克的领域。

o自动驾驶行业的发展与AI技术的每次飞跃紧密相连：从卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）到Transformer，每一次技术革新背后，都伴随着深度学习等基础AI技术的突破性进展。正是AI技术的持续进步，构成了自动驾驶技术不断演进和成熟的基础动力。

图：自动驾驶技术的主要迭代路径;

AI大模型技术已经在自动驾驶领域得到广泛应用。

oTransformer大模型技术在自动驾驶领域并非新近出现，其实早在ChatGPT之前，这一技术就已被应用于自动驾驶的感知任务。

o特斯拉在2021年就展示了其基于BEV视角结合Transformer的感知方案，此后，国内厂商纷纷跟进并进行创新，这间接加速了2022年之后高阶智能驾驶方案的快速落地。

o从云端的模型训练到车端的模型部署，大模型技术已被广泛应用于数据处理、模型融合与优化等多个环节，显著提高了模型训练的效率和系统的整体性能。

图：从云端到车端，大模型已经在自动驾驶感知模块开始规模化应用;;

传统模块化自动驾驶存在信息传递损耗、计算效率低下等问题。

o传统自动驾驶系统已经发展得相当成熟，通常采用模块化串联的部署方式：其核心模块涵盖感知、定位、预测、决策和控制等，每个主要模块及其子模块都承担着特定的职责，且每个模块的输入通常来源于前