自动驾驶-零帕网-第3页

合作式车辆编队是自动驾驶重要形态。国外正在积极开展自动驾驶场景库的建设，但尚未形成针对合 作式自动驾驶货车编队的标准。 由中国智能交通产业联盟归口的 T/ITS 0118-2020《合作式智能运输系统 车用通信系统应用层及应用 数据交互标准 第二阶段》标准，梳理了协作式车辆编队管理场景。该标准与本文件的关系是，二者针对 不同的连接方式，前者针对的是面向无连接的通信方式，后者针对的是面向连接的通信方式。面向无连接 的车辆编队应用，所有通信过程无需建立连接，车队任意成员变化时，队内全部车辆

“数据中心正在转变成‘AI工厂’，它们处理大量数据，以实现智能。”3月22日晚，NVIDIA创始人兼CEO黄仁勋在2022 NVIDIA GTC大会上表示。在GTC大会的主题演讲中，黄仁勋多次提到“AI工厂”（AI factory）这个词，“AI数据中心处理海量且连续的数据以训练和完善AI模型，原始数据进来，经过提炼，然后智能输出——企业正在制造智能并运营大型AI工厂。”从曾经介绍Omniverse时说的“数字虫洞”

公司估值处于近五年来最低点，有望迎来反转机遇截至 2022 年五月中下旬，公司 PE（TTM）在 20 左右，为近五年来 的最低值。而手机市场下半年有望复苏，公司今年新客户开拓将确定 2022 年 Q2 成为公司经营最低点，因此，股价有望迎来反转机遇。潜望式镜头接棒技术革新者角色，车载领域强者恒强潜望式镜头将成为多摄后期的创新性产品，随着大厂的新品导入，将 逐步成为中高端机型标配，市场空间广阔。我们相信公司有能力分享 市场蛋糕，推动其明年重回高成长之路。车载业务有望续写强者恒强 逻辑，强化公司未

本文件规定的自动驾驶道路交通环境感知的道路交通环境的地形地貌、道路区段、车道数、道路平曲线、道路竖曲线、气温、时间、动态要素等14个大类别及代码，部分类别还确定了多层级的参数指标，可为智慧道路建设、自动驾驶系统研发的传感器及高精度地图环境感知及日志文件确定和自动驾驶系统测试的场景组合分类及适应性定量评估奠定基础，为推动自动驾驶发展统一数据类型提供技术支撑，对智能交通行业发展及中国式现代化具有化时代意义。

我们把 Robotaxi 产业发展历程分为五个阶段，分别为研发阶段、路测阶段、试载客阶段（即在有安全员随时接管车辆的情况下，进行自动驾驶出租车载客运营）、无人驾驶阶段以及大规模推广阶段。在国内，包括百度、滴滴等在内的企业处于第三阶段，也就是有安全员载客运营的阶段。 而谷歌旗下的 Waymo 作为全球产业先驱已经达到阶段四。2018年，加州机动车管理局(DMV)发放给Waymo 首份全自动无人驾驶汽车测试许可证。

根据驾驶员在驾驶过程中的参与程度，对驾驶自动化进行6个级别的分级自动驾驶：依靠计算机与人工智能技术，车辆可以自动的方式持续地执行部分或全部动态驾驶任务L1-L2自动驾驶：车辆辅助驾驶，接管部分车辆控制任务；责任判定中，驾驶员为责任主体L3-L5自动驾驶：车辆自动驾驶，激活后执行连续性驾驶任务；责任判定中，自动驾驶方案提供商将是责任主体之一当前全球乘用车领域中，自动驾驶正处于由L2级别自动驾驶向L3级别自动驾驶的过渡阶段中国自动驾驶技术发展应用快，在国际上处于头部领先地位中国自动驾驶起步稍慢，但技

汽车产业的变革无疑是近几年科技行业最火热的话题之一。不断推进的电气化进程正在重塑汽车产业，不仅使汽车的动力来源从汽油变成了电池，更使得汽车产业由原来的以机械为核心变为了以半导体为核心。当今汽车的创新重点大多围绕着汽车的智能化。行业玩家正在投资和开发多种技术，以提高自动驾驶汽车的感知、定位、规划、决策和执行能力。基于对自动驾驶未来的美好愿景，自动驾驶行业成为了过去几年最火热的融资板块之一。然而，与前几年市场充斥着大量乐观预期和大型交易不同的是，最近更多的是IPO的推迟、缩减业务规模等较为悲观的信息

   「博世未来智能驾驶与控制（上海）研发中心正式启用」全球领先的技术与服务供应商博世今日宣布，博世未来智能驾驶与控制（上海）研发中心正式落成启用。新研发中心位于上海浦东金桥，总投资额超过1.5亿元人民币，办公面积超过10,000平方米。未来将有超过540名研发人员在此从事智能座舱与高阶智能驾驶领域的技术研发，尤其是软件相关的研发工作。新研发中心的落成启用，将进一步提升博世在未来出行领域的本土研发实力，更好服务本土市场，助力客户应对软件定义汽车的产业变革。「小马智行在京获自动

由于技术与法规限制，L4 自动驾驶落地仍需时日，高阶辅助驾驶则可通过 OTA逐步拓宽 ODD 域和提升用户体验，对乘用车企而言具备更可预见的商业化价值。作为高阶辅助驾驶中最具代表性的功能，领航驾驶已成为各车企的“兵家必争之地”。其中高速领航已经完成从 0 到 1、今年开始进入从 1 到 10 的放量阶段，而城区领航则从今年开始逐步上车，预计需要 2-3 年实现“从有到优”。我们认为，中短期来看，随着今年车企价格战的打响，前几年一味堆料的趋势将告一段落，务实和性价比将是决赛圈存活的关键词。也因此，

如何实现自动驾驶 自动驾驶离不开智能驾驶计算平台，其可看作车辆的大脑。智能驾驶计算平台需将感知传感器和定位功能输入的数据进行融合，根据其提供的信息来完成自车行驶轨迹的决策和规划，最终由执行器抽象功能执行决策规划模块输出的车辆控制命令，驱动汽车的转向、驱动和制动等执行部件。自动驾驶对外部信息的感知主要凭借三依仗：车身传感器、高精度定位+地图、车联网 V2X。 感知传感器：灵眸初开，掌灯前行 感知传感器主要功能为对车辆周身环境进行探测识别，可看作车辆的眼睛。主流感知传感器主要有激光雷达、摄像头

硬件持续升级，自研比例与性能不断提升。从 HW1.0 到即将上车的HW4.0，特斯拉自动驾驶硬件系统不断提升性能，算力由最初的0.256TOPS 升至 300TOPS+，摄像头个数与像素持续提升。纵观特斯拉自动驾驶硬件系统发展史，自研比例持续提升，视觉算法与芯片现已完全由特斯拉自主提供。推出 FSD 完全自动驾驶，多次迭代引领行业发展。早期特斯拉算法依赖于 Mobileye，后为实现更优秀的自动驾驶转向自研。2015 年特斯拉着手于完全自动驾驶 FSD 功能的研发，并于 2020 年 10 月向

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