解读大模型赋能自动驾驶各个环节及相关产业链玩家的投资机会

2022年底ChatGPT横空出世，其在理解人类意图、思维链推理、零样本下处理问题的能力优异。2023年3月大模型GPT4发布，性能进一步增强，并拥有多模态能力可实现“看图说话”。诸多科技巨头纷纷推出自己构建的大模型，并且将多模态作为目标。大模型如火如荼发展，带来应用端的百花齐放，在传媒、游戏、电商、汽车等诸多行业大模型广泛赋能，人工智能迎来“iPhone”时刻。

在大模型全面赋能背景下，自动驾驶也渐行渐近。近期，开源证券中小盘团队发布专题报告《智能汽车系列深度（九）：ChatGPT横空出世，大模型全面赋能，自动驾驶渐行渐近》，为您解读大模型赋能自动驾驶各个环节及相关产业链玩家的投资机会。

大模型赋能自动驾驶，算法、数据闭环、仿真全面受益

—

1、自动驾驶算法、数据不断迭代，长尾问题处理成为关键

目前自动驾驶算法历经多年演变，呈现出几大特点：

首先，基于神经网络的算法逐步替代基于规则的算法，早年神经网络主要用于感知环节，现在逐步在向规划控制环节渗透。

其次，自动驾驶算法在早期以模块化部署，每个模块拥有独立的优化目标，但整体模型的效果未必达到最优，因此端到端的自动驾驶解决方案映入人们眼帘，学界和产业界均进行了诸多探索。

最后，我们看到行业玩家逐步认可Transformer+BEV的算法构建模式，模型架构上逐步走向趋同，这无疑将推动包含芯片在内的整个产业链加速发展。

端到端自动驾驶算法逐步映入眼帘

资料来源：开源证券研究所

长尾问题处理是自动驾驶面临的主要挑战，数据驱动提供解药。当前，大部分算法可以覆盖主要的行车场景，但驾驶环境纷繁复杂，仍有诸多罕见的长尾场景需要算法识别和处理，这类场景虽不常见但无法忽视，成为制约自动驾驶成熟的主要瓶颈。行业通常采用大量的数据去训练自动驾驶算法，以求让自动驾驶模型成为见多识广的“老司机”。

毫末智行认为自动驾驶能力与数据量直接相关

资料来源：毫末智行公众号

自动驾驶在模型端仍需优化，数据闭环、仿真工具仍待完善。自动驾驶近年发展迅猛，硬件预埋软件持续迭代的风潮下，车载算力急剧增长快速普及，但软件端功能进化滞后于算力。软件端算法、数据闭环、仿真系统均有待完善。算法领域感知、预测、决策、规划模型都在不断升级演进，精度、可靠性均有提升空间。数据闭环系统方面，伴随有关车型量产，数据的挖掘、标注和处理工作量庞大，数据闭环系统自动化高效运行决定模型能否由数据驱动持续迭代。仿真环节，理论上优质仿真可替代实车数据收集，降低算法搭建成本并提升迭代速率，但逼真的仿真环境的构建、诸多的长尾场景的复现难度大。

软件升级速率滞后于硬件

资料来源：开源证券研究所

自动驾驶算法、数据闭环、仿真工具仍待完善

资料来源：开源证券研究所

2、大模型全面赋能，自动驾驶各大环节全面受益

大模型可在算法、数据闭环、仿真等环节全面赋能自动驾驶。大模型具有良好的认知和推理性能，作为人工智能最先落地的应用领域之一，自动驾驶有望得到全面助力。首先在数据闭环和仿真环节，大模型的精准识别和数据挖掘以及数据生成能力可对数据挖掘、数据标注、以及仿真场景构建赋能。其次在模块化的算法部署模式下，感知算法、规控算法亦可受到大模型的加强而实现感知精度和规控效果的提升。最后，端到端的感知决策一体化算法被认为是自动驾驶算法终局，但面临诸多难以解决的问题，比如构建适合该算法的仿真环境、端到端的数据标注等，而在大模型时代以上问题或不再成为瓶颈，落地指日可待。

大模型从多个维度全面推动自动驾驶前行

资料来源：开源证券研究所

（1）大模型助力数据挖掘和自动标注，数据飞轮飞驰推动自动驾驶落地

在自动驾驶的数据闭环体系构建过程中存在数据挖掘和自动标注等难点。随着量产车型数量增加，产生的数据量呈现指数级增长，一方面，高效的利用数据实现预期的训练效果要求系统具有数据挖掘、处理能力。另一方面，海量数据的标注带来高昂的成本，而部分3D场景人工标注较为困难，进一步限制算法模型迭代和应用，大模型诞生后这两类问题有望迎刃而解。

百度采用大模型实现长尾数据的挖掘

资料来源：Apollo智能驾驶公众号

商汤推动标注2.0时代演进，自动标注成为主流

资料来源：商汤科技官方视频号

毫末智行DriveGPT大幅降低标注成本

资料来源：毫末智行公众号

（2）大模型推动算法迭代，感知规控全赋能

大模型作为车端算法的“老师”，通过“蒸馏（教授）”帮助小模型实现优异的性能。

大模型在自动驾驶感知端算法的应用：百度将文心大模型的能力与自动驾驶感知技术结合，提升车载端侧模型的感知能力。

感知大模型依靠半监督的方式迭代

资料来源：Apollo智能驾驶公众号

大模型在规控端应用：毫末智行发布行业首个DriveGPT。毫末智行推出DriveGPT，可实现城市辅助驾驶、场景脱困、驾驶策略可解释等功能。

毫末智行DriveGPT大模型将助力自动驾驶落地

资料来源：毫末智行官方公众号

（3）生成海量数据，大模型助力仿真平台及端到端自动驾驶模型构建

大模型能够生成海量可训练数据，推动端到端自动驾驶模型落地。云骥智行认为自动驾驶的终局会演进成为一个超大规模的端到端自动驾驶神经网络：AD-GPT。而为了实现它，自动驾驶神经网络、海量高价值数据、车端高算力平台缺一不可。这些在模块化构建算法的时代难以实现，而当大模型诞生后，无论在车端一体化模型的构建、还是端到端训练仿真数据的生成似乎都触手可及。究其本源，大模型本质上是对输入信息作出反应，而自动驾驶则是这类行为中的一个子集。

自动驾驶端到端大模型构建需要海量资源

资料来源：云骥智行官方公众号

自动驾驶渐行渐近，行业玩家乘风起

—

1、科技巨头构筑自动驾驶行业“安卓”，技术鸿沟有望缩小

第三方玩家有望通过提供构建大模型的工具链，打造自动驾驶行业的“安卓系统”，技术鸿沟有望缩小。特斯拉全栈自研的自动驾驶系统，包含算法、数据闭环系统（自动标注、仿真、数据引擎）等，闭环的体系构成自动驾驶行业的“IOS”，海量的车队数据形成数据壁垒，其他玩家难以复制。而大模型时代，诸多第三方科技巨头如微软、英伟达、百度、商汤等加入自动驾驶行列，可通过提供强大的大模型构建能力以及完善的工具链帮助整车厂构建自己的自动驾驶算法和数据闭环系统，同时依靠大模型的数据生成能力弥补与头部玩家在数据领域的差距，从而构建自动驾驶领域的“安卓”，快速提升玩家自动驾驶能力。

特斯拉自动驾驶解决方案堪称自动驾驶界“IOS”

资料来源：腾讯网、开源证券研究所

第三方巨头凭工具链有望构筑自驾领域“安卓”

资料来源：各公司官网、开源证券研究所

科技巨头摩拳擦掌，微软、英伟达争相布局，有望加速行业发展。我们已经看到，巨头如微软、英伟达在自动驾驶领域以及大模型领域都进行了深度布局，有望将二者结合帮助车企实现能力飞跃。

微软：自动驾驶方面，微软通过微软云可提供覆盖全球的云计算和边缘计算能力，借助云上的PaaS和SaaS软件可赋能各类算法和应用开发。大模型方面，微软云推出了Azure OpenAI服务，企业可获得对大模型（含GPT、Codex、嵌入模型）的访问权限并将其应用于新的场景如语言、代码、逻辑、推理、理解等，同时也允许客户微调生成定制化的模型。而结合微软的认知搜索，可以进一拓宽大模型的应用领域和提升应用效果。微软及OpenAI依托强有力的大模型能力，未来或许能在自动驾驶算法、仿真领域擦出新的火花。

微软云可提供OpenAI接口服务

资料来源：微软云官网

英伟达：自动驾驶方面，英伟达在自动驾驶领域布局已久，拥有从算法到底层软件中间件再到芯片的全栈解决方案。大模型方面，英伟达进一步强化“卖铲人”地位，帮助企业玩家构建自己的大模型产品。在2023年GTC大会上，英伟达推出AI Foundations云服务，用于帮助客户构建生成式AI模型如大语言模型、生物学模型、AI生成式图像模型等。

英伟达DriveSim可完美生成自动驾驶仿真场景

资料来源：英伟达官网

2、行业分工加速，成本下降可期

行业分工加速，自动驾驶算法体系成本或迎下降。随着大模型逐步介入自动驾驶，行业分工将进一步明确。第三方科技巨头的加持下，整车厂无需大规模搭建庞杂的算法、数据等整个闭环体系的团队，即可拥有比肩全球一线水平的自动驾驶算法模型体系。产业链分工合作，避免“重复造轮子”，自动驾驶的成本有望大幅降低，渗透率将加速提升。同时，随着更多自动驾驶车型上路，数据收集效率和效果也会进一步提升，反过来推动行业进步。

3、大模型开发者、自动驾驶产业链玩家全面受益

（1）百度Apollo：自动驾驶元老，文心大模型全面赋能。百度在自动驾驶领域的探索一马当先，大模型方面，在谷歌推出Bert后即开始投入研发，起步较早，因此对于大模型在自动驾驶领域的应用深有心得。最新的Apollo Day及文心一言发布会上，百度表示将在自动驾驶感知算法、图文监督预训练下的数据挖掘方案两个方向推动大模型赋能自动驾驶，全面助力自动驾驶能力提升。同时百度亦拥有Apollo开放平台，对自动驾驶全流程开发体系拥有深厚积累，并与诸多开发者形成紧密的互动，未来有望深度受益本轮技术变革。

百度致力于利用文心大模型实现自动驾驶感知模型增强和长尾数据挖掘

资料来源：Apollo智能驾驶公众号

（2）商汤科技：AI算法领军，布局大模型探索自动驾驶新机遇。商汤利用大模型对小模型进行知识蒸馏，同时通过自动化标注实现感知和决策端的数据闭环。此外大模型也可以生成困难图片，解码3D环境、路径规划、驾驶动机等使得驾驶行为可解释。作为传统AI算法领域的领军，公司在自动驾驶算法领域发力，目前产品已经落地多款车型。未来有望持续受益大模型在自动驾驶的应用。

商汤将大模型用来赋能自动驾驶感知闭环和决策闭环等环节

资料来源：商汤科技官方视频号

（3）地平线：智驾芯片新星，对算法的深入理解指引芯片架构迭代完美适配需求。公司作为本土智能驾驶芯片领军，对算法及大模型理解深入，有望指引公司芯片迭代以完美适应客户需求。地平线认为算法终将走向端到端的形式，因此公司也在构建下一代的面向Transformer的统一计算架构，而其下一代BPU纳什架构将专为大参数Transformer模型设计。地平线在CVPR中提出基于Transformer的端到端的自动驾驶算法框架，该文章首次在检测、跟踪、预测、建图、轨迹预测、端到端完成自动驾驶的算法，这可以让玩家用海量数据去训练整个自动驾驶系统。地平线认为未来需继续用大数据和大模型无监督的预训练模型让其学习人类驾驶的常识。语言模型是给定一个文本去预测下一个词的概率，同样给定当前交通环境/导航地图/驾驶员整个驾驶行为历史，模型亦可从大规模的无监督数据中学习，构建自回归的大语言模型预测下一个驾驶动作。

地平线认为未来自动驾驶终将走向端到端算法

资料来源：中国汽车百人会公众号

4、产业链玩家：自动驾驶落地加速，产业链各大环节全面受益

随着自动驾驶的全面加速，整个自动驾驶产业链包含域控制器、算法、传感器等环节亦将加速渗透。产业链玩家如德赛西威、经纬恒润、华阳集团、北京君正、晶晨股份、美格智能、均胜电子、华测导航、瀚川智能、炬光科技、源杰科技、长光华芯等均值得关注。

受益公司盈利预测与估值

数据来源：Wind、开源证券研究所（注：收盘日期2023年5月12日，盈利预测均来自开源证券研究所）

来源：券商研报精选返回搜狐，查看更多

责任编辑：