AI 大模型在自動駕駛領域應用前景廣闊

• 陳博 2023年10月27日 來源：中研網 924 57
• 繁體

AI 大模型在 NLP、CV 方向發展迅速，在自動駕駛領域感知、決策等模塊具有廣闊應用前景。CV 大模型主要用于感知層算法，可用于數據自動標注、傳感器算法和場景仿真；NLP 大模型主要可 應用于車機系統和智能座艙，實現更高智能的人車交互；而多模態大模型一方面可應

欲了解更多中國汽車零部件行業的未來發展前景，可以點擊查看中研普華產業院研究報告《2023-2027年中國汽車零部件行業市場深度全景調研及投資前景分析報告》。

?汽車智能化主要體現在自動駕駛和智能座艙兩方面，AI 技術的發展持續提升汽車的智能化能力， BEV、認知、NLP 語言等 AI 大模型技術有望助推汽車智能化登上新高度。 2023 年上半年，已有多家廠商基于 BEV 大模型的自動輔助導航駕駛 NOA 系統量產;2023 年 6 月發布的新摩卡 DHT-PHEV 將搭載認知大模型;2023 年內，2 款搭載 NLP 語言大模型的新車型 將要上市。

隨著人工智能技術的不斷進步和成本的降低，自動駕駛技術有望不斷成熟和普及。國標《汽車駕 駛自動化分級》(GB/T 40429-2021)于 2022 年 3 月正式實施。國標參考美國 SAE 標準基礎， 0-5 級基本對應 SAE 標準 L0-L5;值得注意的是，國標將 0-2 級自動駕駛規定為如遇到事件影響 由駕駛員及系統協作完成，并非 SAE 標準中的全部讓駕駛員來完成。

根據工信部、中國工業經濟聯合會、中國汽車工程學會等機構數據，2022 年 2 級(L2 級)輔助 駕駛滲透率達 34%，其中燃油車滲透率為 32%，新能源汽車滲透率為 46%。目前全球和中國汽 車市場 3+級(L3+級)高等級自動駕駛技術的滲透率仍處于極低水平。 在中國汽車工程學會牽頭組織編制的《節能與新能源汽車技術路線圖 2.0》中，明確提到到 2025 年，PA(部分自動駕駛)、CA(有條件自動駕駛)級智能網聯汽車市場份額超過 50%，HA(高 度自動駕駛)級智能網聯汽車實現限定區域和特定場景商業化應用。到 2030 年，PA、CA 級智能 網聯汽車市場份額超過 70%，HA 級智能網聯汽車市場份額達到 20%，并在高速公路廣泛應用、 在部分城市道路規模化應用。相似的，中國工業經濟聯合會會長李毅中預測，2030 年 L3 自動駕 駛滲透率將達 70%。 此外，汽車的智能化也體現在座艙的持續升級，已從傳統座艙的機械儀表盤、車載收音機等，發 展到具有生物識別、駕駛員健康的智能助理座艙，并將實現使用場景豐富的信息、娛樂等多功能 融合的第三生活空間。

AI 是自動駕駛系統感知和決策模塊的關鍵。主流自動駕駛系統為模塊化系統，可分為感知、決策 和執行三層，AI 是其中感知層和決策層的核心內容。

感知層中，傳感器算法是關鍵，多傳感器融合算法可分為數據級融合、特征級融合和決策級融合 三種，決策級融合是最廣應用的技術方案。特斯拉的矢量地圖建模和自動車道標注算法是其自動 駕駛算法的重要內容，為實現車道軌跡規劃提供支持。 決策規劃算法可進一步分為全局路徑規劃層、行為決策層和運動規劃層。全局規劃算法，包括基 于物理模型、基于意圖分類、基于深度學習等主要類別;行為決策算法，包括基于規則、基于學 習、融合規則和學習等主要類別;運動規劃算法，包括基于策略規則、基于最優控制、基于機器 學習等主要類別。行為預警式運動規劃將決策規劃過程升級為交互式過程，引入人機共駕、車路 協同以及車輛對外部動態環境的風險預估，有助于提高自動駕駛車輛行駛安全性。

端到端自動駕駛系統成為研究熱門，對 AI 大模型需求更甚。端到端系統中感知決策一體化，較傳 統模塊化設計性能有望更佳，同時可更有效處理復雜路況和多交通要素交互情況。2023 年 5 月， 特斯拉 CEO 馬斯克在推特表示，特斯拉計劃在其全自動駕駛(FSD)Beta v12 版本中使用全新的端到端人工智能，通過單個神經網絡編碼，僅利用特斯拉汽車上的攝像頭輸入，來輸出轉向、 加速、制動等駕駛行為，模型可通過學習人類輸入的駕駛行為來不斷改進。 復雜性和安全性隱憂存在，端到端系統尚未落地。在端到端系統中，輸入數據到輸出控制僅通過 一個 AI 大模型實現。一方面，多模態、大量傳感輸入數據和嚴苛的輸出精度和速度要求，對車載 硬件算力和車端、云端協同要求較高;另一方面黑箱模型很難進行系統化的解釋分析，只能依靠 推測和實驗調整，在出現問題時難以快速定位對癥，在模型更新時也易出現倒退。因此，端到端 自動駕駛系統目前還未成為主流。

AI 大模型在 NLP、CV 方向發展迅速，在自動駕駛領域感知、決策等模塊具有廣闊應用前景。CV 大模型主要用于感知層算法，可用于數據自動標注、傳感器算法和場景仿真;NLP 大模型主要可 應用于車機系統和智能座艙，實現更高智能的人車交互;而多模態大模型一方面可應用于多傳感 器數據融合的感知算法，提高感知精度和安全性;另一方面，多模態大模型是端到端、決控集成、 感知決策一體化等新自動駕駛架構實現的主要解決方案。海量數據驅動的多模態 AI 大模型將成為 集成化自動駕駛設計實現的關鍵。

AI 大模型有望加速 L0-L2 級輔助駕駛向 L3+高等級自動駕駛的發展過程。高等級自動駕駛對精度 和復雜度要求更高，需要高精度的環境感知和場景重建。要突破極端路況/天氣等長尾場景的應用， 實車數據和測試數據必須有更充分的積累。一方面，面對環境感知數據量和復雜度的增加，數據 標注和仿真方法必須進步;另一方面，為了減少感知過程中原始數據的信息損失從而提高感知精 度，數據驅動的多傳感器數據融合 AI 大模型將更受重視。

高等級自動駕駛在認知決策需更智能化、人性化。傳統決策規劃方法將從傳統的基于規則，向數 據驅動、基于學習的決策智能方向發展，Transformer+RL 架構已展示出面對更大數據集、更復雜、 更大型環境中的應用優勢。長期來看，端到端自動駕駛系統落地有望。端到端系統需基于單一模 型實現輸入數據處理到決策控制的全過程，Transformer 架構的 AI 大模型可滿足需求。

• 相關深度報告REPORTS

  

  2023-2027年中國汽車零部件行業全景調研與發展戰略研究咨詢報告

  產業現狀近年來，中國汽車零部件產業在國家重大工程和技術專項的支持下，通過企業自主研發、合資合作及技術人才引進，持續加強技術攻關和創新體系建設，在部分領域核心技術逐步實現突破。中國品...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡