汽车智能化专题报告：智驾算法步入深水区，头部玩家有望持续领跑.pdf

汽车智能化专题报告：智驾算法步入深水区，头部玩家有望持续领跑。何谓“大模型”？大数据喂养神经网络算法，设定规则机制使其自成长。1）多模态数据是基础， 包括文本/图像/音频/视频等在内的多类型数据喂养，驱动算法更好完成理解/生成等任务。2） Transformer是核心，Self-Attention机制强化算法抽象特征提取能力，并支持并行计算，高能 且高效，衍生ViT/DiT支持多模态数据理解/生成。3）ChatGPT及Sora为代表应用，在大参数加 持下，开发多模态自然语言处理以及文生视频等功能。4）世界模型为未来方向，算法能力由数据 驱动演变为认知驱动，模型具备反事实推理和理解物理客观规律的能力，提升通用泛化特性。

大模型重塑车端算法架构，加速云端算法迭代；世界模型或为完全自动驾驶最优解。智驾一阶段 （L2~L3）脱胎换骨：由场景驱动转向数据驱动，大模型带来底层架构质变；智驾二阶段 （L3~L4）厚积薄发：由数据驱动转向认知驱动，数据和算力逐步累计驱动能力提升，量变引起 质变。1）车端：上层感知/规控应用层算法随功能需求提升持续进化，“场景理解处理能力泛化” 是核心诉求。L2~L3，感知端为升级核心，Transformer加持BEV+占用网络算法落地感知端到端， 解决长尾场景识别难题；L3~L4以规控算法升级为核心，精准识别并快速处理，Learning-base 逐步取代Rule-base，端到端拉高场景处理能力的天花板。2）云端：数据闭环为前提，加速大数 据有效利用，采集/标注/仿真/训练/部署一体化。Transformer赋能自动标注，数据驱动场景仿真 泛化，降低对有限的实际路测数据的依赖。3）世界模型【通用具身智能】或为自动驾驶最优解。 车端场景生成泛化，将自动驾驶问题转化为预测视频的下一帧，类人模式处理，实现泛化至数据 场景以外的能力；并可快速生成标准化仿真数据，结合大算力加速云端训练。

算法实现高壁垒+数据闭环硬要求，未来智驾算法产业格局趋于集中化。当前下游L3+高阶算法方 案以OEM自研为主，华为以“算法赋能，数据回传”的形式深度绑定OEM；L3以下算法呈现 OEM+独立算法商+硬件商三足鼎立格局。我们认为，考虑高阶智驾功能的提升对于算法能力/组 织架构/超算中心/完整数据链等的要求，未来“掌握硬件的基础上去发展软件”或为主流，即掌 2 握壁垒最高的硬件——芯片；提供性价比最高的硬件——传感器；掌握粘性最强的硬件——整车。