智能驾驶行业报告（37页）

行业报告下载 2024年10月05日 06:26 管理员

燃油车时代，车企壁垒在于自研三大件（发动机+变速箱+底盘），由于机械结构复杂且外资车企经过百年积淀，技术及专利储备雄厚，自主品牌较难逾越技术壁垒，更难以实现品牌跃升，因此燃油车造车门槛高、参与者相对较少、市场份额为外资/合资品牌把控。电动化时代，汽车结构大幅简化，且电动车核心三电（电池+电机+电控）均有成熟供应商方案可供采购，因此在电动化初期，造车门槛大幅下降，行业进入百家争鸣时代。智能化时代，我们认为自动驾驶能力将重新构筑车企竞争壁垒。核心原因如下：①智能化在消费者选购汽车中的重要性日益提升。②实现高阶智驾需要在数据、算力层面的大量投入，中小车企或难以承受。③当算法层面逐渐收敛至“端到端”，数据+算力将成为核心竞争要素，有望 “强者愈强”。算力：端到端模型更加依赖规模法则（Scaling Law），新一轮算力军备竞赛在车端与云端共同展开。Scaling Law 认为通过更多数据量训练、扩大模型规模以及延长训练时间，大模型性能可以持续提升，端到端模型与大模型高度相似，数据驱动的开发形式让模型高度依赖算力规模来提升迭代速率。车端算力主要的特点是低延迟、高可靠性，当前主流方案为单/双 Nvidia Orin X 芯片，算力为 254/508TOPS；下一代 Thor 芯片算力或提升至 2000TOPS，近日联想已发布基于 Thor 的域控解决方案，更高车端算力平台的落地进程有望逐步加快。云端算力需要承担复杂的训练任务和海量的数据处理，对功耗和成本的要求相对车端宽松，但算力更高，目前众多车企通过自建算力中心或购买智能计算云服务来实现云端算力布局。算法：算法从规则走向神经网络，从模块化走向端到端。自动驾驶诞生以来，伴随着算法架构的不断进化，自动驾驶算法也几经迭代。2021 年开始，特斯拉展示了基于 BEV+Transformer 的自动驾驶感知新范式，国内众多车企也纷纷跟进，进一步加速了城市 NOA 落地进程。2023 年 12 月特斯拉发布 FSD Beta V12 引入端到端概念之后，众多车企和智驾公司也开始转向端到端技术的研发和量产工作，以大量人类驾驶数据+深度神经网络为基础，未来智能驾驶体验逐步向着更加拟人化的方向迈进。

智能驾驶行业报告（37页）