（一）具身智能应用场景落地，自动驾驶共通人形机器人技术
自动驾驶汽车是指通过集成计算机视觉、传感器、导航等系统，根据道路环境、周围 车辆、交通规则等信息，无需驾驶员进行干预，就能够实现自主决策、驾驶和安全操 纵的汽车。自动驾驶技术的基本原理包括以下四个方面： （1）感知：通过使用激光雷达、摄像头、毫米波雷达等传感器，获取车辆周围的环 境信息，包括道路、障碍物、行人等。 （2）认知：通过使用计算机视觉和深度学习等技术，将感知到的环境信息进行分析 和处理，理解环境中的物体、障碍物、道路规则等。 （3）决策：通过使用机器学习和规划算法等技术，对感知到的环境信息进行分析和 处理，制定车辆的行驶路线、速度、转向等决策，以及对不同情况的应对措施。 （4）行动：通过使用控制算法和执行机构等技术，将决策转化为车辆的具体行动， 包括制动、转向、加速等。
自动驾驶汽车是具身智能的子集。具身智能是指在环境中具有实体的智能体，通过 与环境的交互来取得认知能力，学习并掌握新知识和新技能。对于自动驾驶与具身 智能的关系，清华大学智能产业研究院赵昊教授表示，“自动驾驶本身是具身智能 的一个子集，具身智能的移动能力就是自动驾驶”，并提出了“（自动驾驶）汽车就 是机器人”的观点。作为具身智能技术的两大应用场景，自动驾驶和人形机器人共 通“环境感知+规划决策+执行控制”三大关键技术。以特斯拉为例，特斯拉的Tesla Bot人形机器人，运用的就是与特斯拉自动驾驶相同的AI技术。
（二）大模型驱动自动驾驶技术迭代，“BEV + Transformer”成为主流
海外汽车制造厂商与科技公司纷纷布局无人驾驶。2013年，奥迪、福特、沃尔沃、 日产、宝马等众多汽车制造厂商，相继开始在无人驾驶汽车领域进行布局；2015年， 特斯拉推出了半自动驾驶系统Autopilot，也是第一个投入商用的自动驾驶技术；2016 年，Uber自动驾驶汽车在位于美国宾夕法尼亚州匹兹堡市的Uber先进技术中心正式 上路测试；2017年，Google Waymo对600辆克莱斯勒插电式混合动力Level 4级自 动驾驶汽车进行社会公测；2018年，奥迪A8是全球首款量产搭载Level 3级别的自动 驾驶系统的车型。
近十年我国自动驾驶汽车相继出现突破。2011年，一汽集团的红旗HQ3自动驾驶汽 车，完成了286km的面向高速公路的全程自动驾驶试验；2015年，宇通客车在完全开放的道路环境下完成自动驾驶试验，这也是国内首次大型客车高速公路自动驾驶 试验；2015年，百度自动驾驶汽车在北京进行自动驾驶测跑，完成了进入高速到驶 出高速不同道路场景的切换，最高车速达到100km/h；2016年，北汽集团在北京车 展上展示了其基于EU260打造的无人驾驶汽车；2018年，百度与厦门金龙合作生产 的首款Level 4级自驾巴士“阿波龙”已经量产下线并开始商业化运营。
大模型驱动自动驾驶技术迭代。自动驾驶技术可以分为感知、决策和控制三个模块。 其中，感知模块关键部分，负责解析并理解自动驾驶所处车辆周边的交通环境，是 实现自动驾驶的基础和前提。感知模块的精准程度，直接影响并制约着自动驾驶系 统整体的安全性和可靠性。因此，感知模块也经历了多样化的模型迭代： （1）CNN（2011年-2016年）：卷积神经网络（CNN）的输入通过两个卷积和子采 样阶段进行前馈处理，再通过线性分类器进行分类，显著提升了自动驾驶车辆的环 境感知能力。一方面，CNN在图像识别与处理方面表现卓越，使车辆能够准确分析 道路、交通标志、行人与其他车辆；另一方面，CNN能够有效处理多种传感器数据， 实现了图像、激光雷达等数据的融合，提供全面的环境认知。 （2）RNN+GAN（2016年-2018年）：循环神经网络（RNN）的循环结构可以建模 时间上的动态变化，有利于处理自动驾驶中的轨迹预测、行为分析等时序任务。生 成对抗网络（GAN）通过学习复杂分布生成高质量的合成数据，可以用于缓解自动 驾驶系统训练数据不足的问题。因此，RNN负责时序建模，GAN负责数据生成，两 者相互协同可以实现端到端的行为预测和运动规划。 （3）BEV（2018年-2020年）：鸟瞰视图（BEV）是将车辆周围的三维环境数据投 影到俯视平面上生成二维的鸟瞰图。一方面，BEV提供了更加直观和丰富的环境信 息，可以更清晰地观察道路、车辆、行人、标志等元素的位置和关系，增强自动驾驶 对复杂环境的感知能力；另一方面，全局的俯视视角更有利于路径规划和避障系统 进行决策，根据道路和交通状况规划更合理的路径。 （4）BEV + Transformer（2020年至今）：Transformer模型通过多层的自注意力机制和前馈神经网络实现对序列数据的特征提取，在处理序列数据和复杂上下文关 系方面展现出 独 特 优势 。 2021 年，特斯拉在 AI Day 活动上展示了 BEV + Transformer架构的自动驾驶模型。BEV和Transformer的结合可以充分利用BEV提 供的丰富空间环境信息和Transformer的多源异构数据建模能力，实现更精确的环境 感知、更长远的运动规划和更全局化的决策。目前，各大车企纷纷布局“BEV + Transformer”架构，大模型成为自动驾驶算法的主流趋势。 （5）Occupancy Network（2022年至今）：占用网络模型（Occupancy Network） 是基于学习将三维曲面表示为深度神经网络分类器的连续决策边界，包括学习丰富 语义特征的编码器和生成三维场景表达的解码器，可以视作为对BEV二维图像的升 级迭代。2022年，特斯拉将占用网络模型应用到自动驾驶感知领域，实现更精准地 还原自动驾驶汽车行驶周围3D环境，提升了车辆的环境感知能力。
（三）全球首个单车智能自动驾驶系统，特斯拉 FSD V12 性能大幅提升
特斯拉FSD V12是全球首个单车智能自动驾驶系统。2023年8月26日，特斯拉创始 人兼首席执行官马斯克，首次在网络上直播试驾特斯拉的FSD V12自动驾驶系统。 马斯克在直播中提到，FSD V12系统主要通过AI对8个HW3摄像头的视频进行实时 判断，从而对车辆进行控制，实现端到端的全自动驾驶。因此，FSD V12系统的代 码量减少了超过30万行，以每秒36帧的最大速度运行8个摄像头的功耗也仅需100W， 端到端的自动驾驶系统实现了大幅度的性能提升。
端对端方案对训练数据量提出更高要求。在传统的模块化方案中，自动驾驶系统将 整个智能驾驶任务进行切分，定义并划分出多个子模块，分别负责认知、决策和控 制等不同任务，再通过系统集成来完成整个智能驾驶任务。端到端方案则不再进行 模块和任务的划分，在接收到传感器的输入数据后，直接输出动作或轨迹的智能驾 驶决策。由于端对端方案主要依赖于神经网络的拟合精度，模型对训练数据量提出 了更高的要求，也对算力提出了更高的要求。
全球Robotaxi商业化运营进程加速。2023年，美国本土头部领先的自动驾驶技术公 司Cruise和Waymo相继获得了旧金山全天候商业运营无人驾驶出租车的运营牌照。 该牌照的发放是自动驾驶行业的里程碑，标志着完全开放的Robotaxi商业化正式开 始在美国乃至全球首发落地。与此同时，Waymo积极迈出与运营平台合作商业化落 地的步伐，与Uber和捷豹三方合作在旧金山、菲尼克斯实现Robotaxi正式收费运营。
（一）百度推出 ACE 交通引擎，发挥 Apollo 车路协同能力
Apollo是百度旗下的开放无人驾驶平台，致力于将AI技术与汽车工程深度融合。目 前，Apollo已经形成覆盖“驾、舱、图”的完整产品矩阵，帮助整车企业打造更智能 的汽车。2013年，百度开始大力投入自动驾驶汽车的研发；2017年，百度正式面向 全球推出自动驾驶开放平台“Apollo（阿波罗）”。根据Apollo官网，截至2023年， 百度Apollo汽车智能化解决方案已在福特、林肯、凯迪拉克、别克、丰田、吉利、极 氪、比亚迪等31个汽车品牌的211款车型上实现量产，累计搭载超过900万辆。 ACE交通引擎发挥Apollo自动驾驶与车路协同能力。2020年4月，百度正式对外发 布车路智行融合的全栈式智能交通解决方案“ACE交通引擎”。ACE交通引擎是一 个覆盖基础技术能力、平台解决方案和垂直应用场景的系统化方案，包括“一大数 字底座、两大智能引擎、N大应用生态”，其核心目标是发挥Apollo自动驾驶与车路 协同核心能力，全面构筑人、车、路全域数据感知及智能处理分析的智能交通系统， 为自动驾驶与智能交通提供泛在连接技术与端到端应用服务。 车路云或显著降低自动驾驶推进成本。百度CEO李彦宏表示，根据百度的推演，通 过车路协同可以让自动驾驶事故率降低99%；将部分自动驾驶功能转移到路端，又 可以大规模降低成本，进而加快自动驾驶商业化落地的步伐。
（二）V2X 与高精地图赋能车路协同
无线通信技术实现“超视距感知”。自动驾驶汽车有两条感知外部环境的路径：一 种是直接接收车载摄像头、激光雷达等感知设备的物理反馈，激光雷达可以通过发 送并接收反射的脉冲光波，单向感知车辆周围的近距离障碍物；另一种是通过无线 通信方式与感知终端进行实时信息交互，可以在300米甚至更远的范围内，以双向交 互的通信手段，采集并共享所有车辆的详细行驶状态信息，如车辆位置、车速等。
（1）专用短程通信（DSRC）：基于IEEE系列标准的短距离无线传输技术。DSRC 技术能让装有收发模块的两台设备之间直接进行高效的直连通信，而无需任何中间 设施，通信时延一般较低。 （2）蜂窝车用无线通信（C-V2X）：以蜂窝网络为基础的车辆通信与信息服务技术。 C-V2X技术具有“直连”与 “非直连”两种通信方式，直连通信是车辆可与其他车辆 （V2V）或者路侧设备（V2I）直接通信；“非直连通信”是通过蜂窝网络与其他交 通实体进行信息交互（V2N），而DSRC无法实现。
C-V2X成为无线通信中坚力量。具体来看，相较于DSRC技术，C-V2X技术拥有带宽 高、范围广、速率快、成本低等优势，在高车辆密度场景中还能减少资源碰撞概率。 在自动驾驶领域，借助于人、车、路、云平台之间的全方位连接和高效信息交互，CV2X能够提供更精确的信息感知和更强大的网联智能，实现自动驾驶所需要的信息 实时共享和交互以及协同感知和控制。
高精地图是一种用于自动驾驶的高精度地图。作为服务自动驾驶的先验数据，其表 达了道路、车道、路侧交通标志及地面标识等地图元素。高精地图位置精度接近1m， 相对位置精度能够达到10-20cm。此外，高精地图会记录驾驶行为的具体细节，包括 典型驾驶行为、最佳加速点及刹车点、路况复杂程度以及对不同路段信号接收情况 的标注等。 百度高精地图覆盖面广、精确度高，助力车路协同应用。目前，百度Apollo高精地图 主要应用在高精定位、环境感知、决策规划、仿真运行四大场景，帮助解决林荫道路 GPS信号弱、红绿灯是定位与感知以及十字路口复杂等导航难题。Apollo高精地图是 业界细化程度较高、生产率较高、覆盖面较广的高精地图，自动化程度已经达到90%、 准确识别率也超过95%。
（三）萝卜快跑引领自动驾驶出行，政策发力支持自动驾驶产业
萝卜快跑是百度旗下的自动驾驶出行服务平台，使用自动驾驶汽车开展自动驾驶业 务。目前，萝卜快跑已经开始在北京、武汉、重庆、深圳、上海等全国11个城市开 展全无人自动驾驶出行服务与测试，实现超一线城市全覆盖。根据萝卜快跑自动驾 驶公众号，预计萝卜快跑到2025年将扩展至65个城市，到2030年将扩展至100个城 市。此外，百度在2024年第一季度财报中披露，截至2024年4月19日，萝卜快跑在 开放道路提供的累计单量超过600万。
Apollo车路云图协同，实现L4级自动驾驶能力。目前，“萝卜快跑”的自动驾驶汽 车主要是百度第五代无人车Apollo Moon。Apollo Moon由百度Apollo提供自动驾驶 技术方案，采用定制激光雷达，算力达到800TOPS，可实现完全无人驾驶能力。根 据快科技资讯，在百度APOLLO DAY 2024大会上，百度第六代无人车Apollo RT6首 批交付给萝卜快跑1000台。Apollo RT6配备车规级高算力主冗双计算单元，算力可 达1200Tops，具备比上一代车型更强的L4级自动驾驶能力，可应对城市各类复杂道 路和场景。
政府部门积极出台政策支持自动驾驶产业发展。7月3日，工业和信息化部等五部门 发布《关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知》，确定了 北京、上海、重庆等20个城市及联合体作为智能网联汽车“车路云一体化”应用试 点城市。截至2024年3月，已有51个城市出台自动驾驶试点示范政策，其中深圳、上 海、江苏、杭州等多省市已制定自动驾驶相关地方立法，不断加速拓展应用场景。
（一）自动驾驶大模型依赖算力支持，带动光模块需求增长
根据特斯拉官方推特，特斯拉计划2024年底前打造100 exaFLOPS算力规模以训练 FSD。特斯拉今年3月向北美车主推送了FSD V12.3.1版本。特斯拉CEO马斯克表示， FSD V12版本已能实现“端到端”的人工智能自动驾驶方案。该方案把摄像头获取 的图像数据输入到算法后，能直接输出例如转向、加速、制动等车辆控制指令，仅依 靠图像数据输入就能分析并输出控制策略。
端到端的结构下，智能驾驶向算力密集型和数据密集型发展。自动驾驶是AI大模型 的应用端，大模型第一次引入上下文的概念，可以把感知、规控两个网络直连，对 自动驾驶影响显著。大模型的推理和训练依赖算力的支持。特斯拉在算力方面持续 保持高强度投入，根据特斯拉官方推特，2024年底特斯拉将拥有100 exaFLOPS的 总算力。
算力是大模型发展的主旋律，光模块是算力的底座。AI训练网络中的GPU通信流量 大幅提升推动了算力网络基础设施的建设，带动高速光模块的需求不断攀升。大模 型性能的需求和算力需求并非线性关系，而是遵循幂律缩放法则，即随着模型性能 增长，算力需求呈指数级增长。爆发式增长的算力需求，对光模块的“量”与 “质”都有更高的要求：一方面需要光模块更高的出货量，满足数量需求；另一方 面需要光模块不断向高速率演进，满足高带宽需求。
（二）内部通信带宽增加，以太网渗透车载网络
车内通信架构向以太网升级。随着ADAS和车联网的发展，汽车中摄像头、激光雷达 等传感器数量不断增加，停车辅助、车道偏离预警、夜视辅助、自适应巡航、碰撞避 免、盲点侦测、驾驶员疲劳探测等的使用场景不断丰富，车载数据量激增，传统网络 已难以满足汽车数据的传输需求。在此背景下，车载网络转向域控制和集中控制的 趋势越来越明显，车内通信架构将逐渐向以太网升级。 车载以太网是用于连接汽车内各种电气设备的一种物理网络。在传统以太网协议基 础上，改变了物理接口的电气特性，并结合车载网络需求定制了一些新标准。和传统以太网相比，车载以太网对物理层进行了修改。引入了新的100BASE-T1、 1000BASE-T1。车载以太网协议通常被认为是一个5层协议系统：应用层、传输层、 网络层、数据链路层、物理层，每一层都具有不同的功能。
传统CAN总线技术面临瓶颈，车载以太网优势明显。车载网络多年发展至今已形成 以CAN总线为主流，多种总线技术并存的解决方案。但随着近年来汽车电子化浪潮 的快速发展，汽车内部电子电气元器件的数量和复杂度大幅提升，单辆车ECU数量 已逐渐从20-30个发展到100多个，部分车辆线束长度已高达2.5英里，E/E架构已经 不能满足汽车智能化时代的发展需求，故而车载网络转向域控制和集中控制的趋势 越来越明显，总线也需要往高带宽方向发展。车载以太网不仅能够支持较高的速率 传输，具有大带宽、低延时、低电磁干扰等优点，而且对链路连接形式有归一性， 使整车链接种类降低、成本降低，可广泛应用于娱乐、ADAS、车联网等系统中， 因此车载以太网有望逐步取代传统总线技术，成为下一代车载网络架构。
（三）智能座舱和车路协同发展，车联网加速落地
智能座舱关键在于人机交互体验。智能座舱是指集成多种人工智能技术，打造车内 一体化数字平台，为用户提供直观的、高效的、舒适的智能驾驶体验。智能座舱基于 用户的驾驶需求和娱乐需求，实现交互感知和功能体验的一体化，既要满足用户驾 乘的安全性，又要提升用户的驾乘舒适度。 整车产品加速竞逐智能座舱升级。供给侧，汽车厂商加强智能座舱技术研发；需求 侧，智能座舱日益成为消费者购车的主要考量因素。智能座舱功能现阶段以更加便 捷的车内人机交互和驾乘舒适体验为主。通过配置车载显示屏、液晶仪表盘、车内 摄像头、增强现实抬头显示、车载通信终端、高保真音响、座舱域控制器等硬件以及 车载操作系统、车机应用软件、驾驶员检测系统、语音识别系统等软件，智能座舱可 以实现多模态人机交互、音视频播放、车机应用软件、驾驶员疲劳检测、个性化舒适 配置等娱乐类、舒适类功能服务。
我国智能座舱行业实现多元化发展。比亚迪DiLink网联系统注重娱乐体验，搭载的旋 转大屏可以实现车内观影、刷小视频的娱乐操作；还搭载了音乐媒体科技公司 Stingray的交互式车载KTV，为用户提供更加丰富的娱乐体验。长安汽车阿维塔的智 能车机系统融入了自研“情景世界”，为用户提供休憩模式、观影模式、K歌模式、宠物模式等六种模式选择。华为鸿蒙座舱可以连接手机、平板等智能设备，实现跨 屏操作和信息同步，手机“碰一碰”可实现接续追剧、游戏等应用流转，手机航拍也 能同步流转到座舱屏幕。
车路协同是将车与路、与城市链接的基础。车路协同系统最典型的特征是人、车、 路、云等全部交通要素的一体化，系统中的交通参与者、交通运输工具、交通基础设 施和交通环境不再只被看作一个简单的对象，二是具有自主身份且可具备信息交互 功能的数字孪生体，形成一套能够连通信息空间与物理空间，基于数据的自由流动 构建状态感知、实时交互、科学决策、精准执行的闭环赋能体系。车辆智能化、道路 智能化、网络智能化是车路协同的三要素。
智能座舱和车路协同对车联网功能提出更高的需求，4G 车联网向5G 车联网升级。 车联网（V2X）技术是指车辆（V2V）、车辆与基础设施（V2I）、车辆与行人（V2P） 以及其他实体之间的通信和数据交换。V2X可以分为三层：第一层是车载信息服务 网；第二层是道路基础设施网；第三层是车路协同通信网。5G相对于4G有低时延、高带宽、高可靠的技术特性，5G技术通过提供更快、更可靠和更大容量的通信，显 著地增强了V2X通信。4G V2X向5G V2X升级是大势所趋。
5G作为V2X业务规模化应用的基础承载网络，通过组网和网络特性两方面保障V2X 业务的连续性。组网方面，可以通过避免在道路路口设置小区切换带、降低重叠覆 盖区、优化同频异频测量门限参数等方式来减少车辆触发切换的次数。网络特性方 面，可以通过DAPS（双激活协议线）、CHO（条件切换）、L1/L2移动性增强、CoMP （写作多点发送接收）等5G增强特性，尽可能降低因切换导致的业务中断时间，进 一步保障V2X业务的连续性。 随着车联网技术发展，V2X天线的前景广阔。车联网V2X天线是实现车辆与周围一切 实体（包括车辆、行人、基础设施等）信息交互的关键。国内厂商积极布局V2X天线， 如信维通信研制汽车共形天线，集成蜂窝2/3/4/5G天线、车联网、全球定位系统天线。
T-Box是车联网的重要组成部分，是汽车实现远程控制的基本设备。主流的车联网 系统包含主机、车载T-Box、手机APP及后台系统四部分，其中T-Box的作用是通过 远程无线通信、卫星定位、加速度传感和CAN通信功能，实现车辆远程监控、远程 控制、安全监测和报警、远程诊断等多种在线应用。T-Box分为数据传输模组和智能 模组（自带算力SoC）。根据IoT Analytics机构分析，T-Box经历三个发展阶段，即 传统T-Box、智能T-Box和智慧T-Box，T-Box的智能化程度显著提高。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
