根據FOREXBNB的報道,國泰君安在研究報告中指出,自動駕駛技術在感知層面逐漸以視覺為核心,而在決策層面則確立了一種融合多種資料模式後,模仿人類駕駛思考方式進行決策輸出的端到端模型。BEV+Transformer架構正逐漸成為業界的標桿,這將推動車載攝影機和智慧駕駛運算晶片等組件的需求成長。隨著BEV+Transformer架構成為主流,對自動駕駛的軟硬體提出了更高的要求。在感知層面,產業趨向於減少對地圖的依賴,增強感知能力,車載攝影機成為智慧駕駛感知系統的主要感測器,其像素水準也在不斷提高;在決策層面,自動駕駛的運算需求增加,對智慧駕駛晶片和相關資料中心提出了新的要求。

國泰君安的主要觀點包括:

特斯拉:FSD V12引領了端到端AI自動駕駛系統的新潮流。作為全球自動駕駛產業的先鋒,特斯拉透過持續優化演算法和升級配套設施,已經建立了完善的演算法訓練體系。在演算法方面,特斯拉在感知層面引入了佔用網路的概念,進一步升級了BEV系統;在決策層面引進了Interactive Planning概念,以高效率應對複雜的自動駕駛場景。在配套設施方面,特斯拉构建了一个完整高效的仿真系統和自主研发的超级计算中心,能夠高效處理自動駕駛數據流,為其自動駕駛的發展提供了充足的數據和計算支持。

小鵬:推出了最新的XNGP自動駕駛系統。作為國內自動駕駛的領導企業,小鵬的新一代XNGP能夠實現全場景的智慧輔助駕駛功能。在感知層面,小鵬引入了XNet2.0架構,成为行业内首个应用大模型并具备时空理解能力的感知架構。在決策層面,小鵬引入了XPlanner架構,實現了基於神經網路的精確規劃和控制。

華為:基於MDC平台的ADS演算法持續創新與迭代。華為ADS 2.0進行了更新。在硬體方面,實現了成本效益的提升,多感測器協同工作以實現精確感知。在演算法方面,檢測演算法引入了GOD,以精確辨識障礙物;在路徑規劃方面引入了RCR 2.0,無論是否使用高精度地圖,都能完成自動駕駛任務。

風險提示:BEV+Transformer架構的推廣可能不如預期。自動駕駛汽車的銷售量可能低於預期。