智能驾驶和人形机器人培训专题报告（35页）

行业报告下载 2025年06月05日 08:42 管理员

数据：与大语言模型可在互联网爬取海量文字数据用于训练不同，端到端智驾系统训练需要的视频数据获取成本和难度较高。对于高阶智驾功能来说，影响训练数据的重要因素包括能够稳定收集数据的车辆总数、以及车企智驾车型比例。相较于第三方供应商，整车厂在训练数据获取方面具有较大优势 ② 算力：高阶智驾对云端训练算力的依赖显著提升，特别是端到端模型的应用。与GPT类似，端到端智能驾驶训练遵循的也是海量数据+大云端训练算力的暴力美学。随着端到端智的不断落地，云端算力成为高阶智驾竞争的核心要素。算力成本很高，整车厂通过在承担算力成本方面具有优势 ③ 人才：据测算，在现有BEV+OCC+规控的技术架构下，高阶智驾的开发至少需要构建1000人以上的开发团队，具体包括感知算法团队200-300人，规控算法团队100-200人，工程化落地团队300-400人、数据闭环团队 200-300人。端到端技术架构的应用可再一定程度上降低开发人数（主要减少规控团队），但也需接近1000人 ④ 资金：高阶智驾的开发需要海量资金投入。资金投入主要包括两部分：人力费用支出和数据训练费用支出。25 亿元/年是参与高阶智驾市场竞争的起步资金 ⑤ 内部协同：智能驾驶是当前车内复杂度最高的软件之一，智能驾驶开发涉及多个二级研发部门的协同配合，如智能座舱、底盘、市场营销等部门，对整车厂内部协同和整体管理效率要求很高。