自动驾驶报告

线控底盘是高级智驾关键执行器，线控制动作为线控底盘的重要构成发展进程较其他环节更快，渗透率有望快速提升。且线控制动国产化替代空间大，目前国产厂商已经开始崭露头角，开发出成熟产品并量产交付，未来有望借助新能源自主品牌崛起契机进一步完成国产化替代，迎来高速发展。➢ 线控底盘是高级智能驾驶核心执行器线控底盘包括线控制动、线控悬架、线控转向和线控驱动4个子系统，相比传统底盘具有响应速度快、控制精度高的优势，是高级智驾必备执行器，获政策重点支持。且高集成的线控底盘可帮助主机厂缩短车型开发周期及助力实现轻量

⚫ 自动驾驶算法是感知、预测、规划控制的结合体自动驾驶算法由感知、预测、规划控制构成。数据和仿真则通过数据驱动助力整个算法体系的成熟和完善。整个自动驾驶行为包含诸多组成部分，而市场努力的方向在于将这些环节不断优化。⚫ 大模型横空出世，自动驾驶算法有望迎来奇点感知：BEV+Transformer 横空出世，大模型推动自动驾驶迈向“平民化”2021 年特斯拉第一次推出 BEV+transformer 算法架构，用神经网络将多个 2D 的图像和传感器信息综合成为三维的向量空间方便下游规控模块处理，开启

马斯克在国外社交媒体推特上表示，特斯拉计划在其全自动驾驶（FSD）Beta v12中使用端到端人工智能（AI）更新其全自动驾驶包，这表明特斯拉或将改变 FSD技术路线，同时也为端到端算法打开了在其他领域应用的想象空间。❑ 模块化架构性能有限，端到端架构有望成为自动驾驶的终极解决方案。当前量产的智能驾驶汽车系统基本都是采用模块化架构，将驾驶任务拆解到各个模块，但是级联误差问题、各个模块之间重复计算造成的车载算力资源浪费、模块之间信息交互不畅等问题极大地限制约了模块化架构性能。端到端自动驾驶最直观的

近年来，随着人工智能、5G 通信、大数据等新技术快速发展，自动驾驶汽车加快推广应用，逐步由研发测试转入实际运营。目前，全国已有 10 余个城市允许自动驾驶汽车在特定区域、特定时段从事出租汽车、城市公共汽（电）车等商业化试运营，应用规模不断扩大。2022 年 7-8 月，北京、重庆、武汉先后投入无人化商业运营试点车辆，我国自动驾驶汽车商业化试运营迈向无人化新阶段。2023 年 5 月，深圳发放首批智能网联汽车无人商业化试点资质。自动驾驶商业化具有场景化特点，自动驾驶汽车在不同应用场景下，技术成熟度

本文将试图解答哪些问题？智能驾驶行业正在发生哪些变化？为什么说拐点将至？特斯拉FSD如何迭代？领先原因为何？特斯拉FSD的用户接受度发生了什么变化？国内L3智驾发展到了什么程度？可追赶性如何？如何看待后续数据积累及法规促进？哪些标的将会受益？

AI 不仅限于大模型，自动驾驶才是 AI 最全面的应用在华泰证券 2023 年中期投资峰会上，海外科技组举办了《AI 与自动驾驶产业，与 CXO 领导对话》，并邀请了多位自动驾驶初创企业的领导，以开放到封闭场景、商用车到乘用车的顺序进行分享。我们认为目前市场关注度较高的大模型只是 AI 的一部分，而自动驾驶才是应用落地最全面的 AI 领域。自动驾驶涉及即时感知、决策、执行、对环境的理解、以及预测路面情况等，其中的数据处理均需应用机器学习、计算机视觉等深度学习算法；在处理长尾问题时，更需运用生成式

重视新一轮汽车智能化大周期向上行情！复盘 2010 年以来汽车智能化行情已经走完 2 波：1）2014-2016 年（mobileye/博世引领全球 L2 辅助驾驶，关键技术摄像头等视觉创新，代表性应用 AEB/LCC 等）；2）2020-2022 年（特斯拉引领全球准 L3 辅助驾驶，关键技术是大算力芯片+域控制器，代表性应用自动泊车+高速辅助驾驶）。我们预计 2023 年将酝酿开启第三波大行情！本轮全球引领者或是 TransFormer 架构的大模型助推下推出低成本 L3 自动驾驶方案的【特

5月18日，在第七届世界智能大会的成果发布论坛上，中国信息通信研究院政策与经济研究所、人工智能与经济社会研究中心联合发布《全球自动驾驶战略与政策观察——政策助力L4级自动驾驶开启无人化商业应用》（以下简称“报告”）。报告介绍了2022年以来的自动驾驶商业化进程，阐述了主要国家在自动驾驶产业推进中的最新政策法规动态，展望了L4级自动驾驶安全融入社会所需要的各方努力。报告提出，2022年，中美两国在推动自动驾驶发展的进程中迈出了具有里程碑意义的一步——L4级自动驾驶出租车开启了无人化商业运营探索，W

自动驾驶芯片作为智驾系统的底层基石，正伴随汽车智能化趋势的加速迎来行业爆发期。我们认为，中短期来看，随着今年价格战的打响，不同价位车型的智能化方案或有所分化，进而产生对芯片算力和架构的不同需求：1）小算力芯片伴随 L1-L2 功能的快速增长进入规模放量阶段，量产交付能力、安全稳定性和性价比是关键，地平线和 TI 领先地位较为稳固，但仍有新玩家持续入场；2）中算力芯片因高速领航功能放量迎来发展机遇，在需求推动下，场内现有玩 家 正 陆 续 推 出 相 应 产 品 ， 展 开 激 烈 竞 争 ； 3

社会的变革和发展要素持续对汽车行业带来重大影响。这些要素包括政府对新能源动力车辆的大力倡导、新冠疫情及随之而来的经济后果（例如芯片和原材料短缺）、战争、社会人口结构变化和技术进步。 缺）、战争、社会人口结构变化和技术进步。 因而，保险公司的车险业务也面临着诸多变化。瑞士再保险的研究1 表明：到2040年，全球汽车保费预计将翻一番，达到将近1.4万亿美元。虽然保费在增长，但汽车板块在总风险池中的占比预计将会减少，从目前占全球行业保费的 42%，预计下降到2040年的 32%。这种发展可归

在智能汽车提速的关键时刻，我们基于百度在智能汽车领域多年来的探索和实践经验，以及对智能汽车产业未来趋势的洞察与思考，凝结团队的智慧于一处，编撰成书。此白皮书将在接下来的时间里，指导百度汽车智能化业务的产品、战略以及能力开放，确保我们在「让汽车更聪明、让出行更简单」的使命驱使下，与车企一同无畏艰难、不懈前行。书中提及的产品和业务模式，部分已经实现，部分将在接下来的工作中逐步有序实现。

Transformer 大模型在自动驾驶中应用趋势明确。Transformer 基于Attention 机制，凭借优秀的长序列处理能力和更高的并行计算效率，2021 年由特斯拉引入自动驾驶领域。Transformer 与 CNN 相比最大的优势在于其泛化性更强。CNN 只能对标注过的物体进行相似度的比对，通过不断学习完成对该物体识别的任务；而 Transformer 可以通过注意力层的结构找到更基本的元素与元素间之间多个维度的相关信息进而找到一种更泛化的相似规律，进而提高自动驾驶的泛化能力。同时