20230504-AI大模型在自动驾驶中的应用.pdfVIP

2023年05月04日行业深度分析

汽车零部件Ⅱ

证券研究报告

AI大模型在自动驾驶中的应用

投资评级领先大市-A

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，维持评级

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，通过不首选股票目标价（元）评级

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688326经纬恒润160买入-A

-W

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，不同于RNN存在存

行业表现

储时间长度有限以及顺序依赖的问题，Transformer模型具有更高的并行

汽车零部件Ⅱ沪深300

计算效率并且可以学习到长时间距离的依赖关系。目前，Transformer主

47%

要应用在自动驾驶感知模块中从2D特征图向BEV鸟瞰图的视角转换。37%

城市领航辅助驾驶落地在即，AI大模型助力实现“脱高精度地图”。目27%

前，主机厂正逐步从高速场景向城市场景拓展，2023年有望成为城市领17%

7%

航辅助驾驶的大规模落地的元年。相比于高速场景，城市场景所面临的-3%

Cornercase大幅提升，要求自动驾驶系统具备更强的泛化能力。目前已-13%

落地城市NGP主要基于高精度地图方案，高精地图能够提供超视距、厘米2022-052022-092022-122023-04

资料来源：Wind资讯

级相对定位及导航信息，在数据和算法尚未成熟之前，对于主机厂实现高

升幅%1M3M12M

级别自动驾驶具有重要意义。但高精度地图应用过程中无法做到实施更

相对收益-8.0-8.913.5

新、法规风险高、高成本的三大问题难以解决。BEV感知算法通过将不同绝对收益-7.3-12.516.2

视角的摄像头采集到的图片统一转换到上帝视角，相当于车辆实施生成活