GPT大模型驅(qū)動智能汽車加速發(fā)展

目 錄CONTENTS1大模型橫空出世，人工智能迎來“iPhone時刻”2特斯拉引領(lǐng)汽車智能化，變革道路并非坦途34大模型賦能，自動駕駛漸行漸近，產(chǎn)業(yè)鏈玩家全面受益投資建議5風險提示43.532.521.510.50-0.50500001000001500002000002018/1/12018/6/12018/11/12019/4/12019/9/12020/2/12020/7/12020/12/12021/5/12021/10/12022/3/12022/8/12023/1/1特斯拉銷量（輛）yoy1.1特斯拉引領(lǐng)汽車智能化，開啟行業(yè)變革資料來源：、搜狐網(wǎng)、九章智駕、特斯拉官網(wǎng)、電動星球公眾號、開源證券研究所特斯拉引領(lǐng)汽車行業(yè)實現(xiàn)顛覆性變革特斯拉引領(lǐng)汽車智能化變革。特斯拉推動電子電氣架構(gòu)集中化，整車軟硬件分離得以實現(xiàn)，通過大算力芯片以及百萬車隊影子模式收集數(shù)據(jù)實現(xiàn)自動駕駛算法的持續(xù)迭代。汽車從一次性的消費品變成可持續(xù)迭代的流量入口，硬件預埋、軟件持續(xù)迭代升級成為可能，汽車迎來盈利模式的全面革新。圖1：ChatGPT引領(lǐng)人工智能新范式電子電氣架構(gòu)集中化，軟硬件分離高算力芯片上車百萬車隊+影子模式持續(xù)迭代軟件我們的車輛預計能夠通過自動駕駛產(chǎn)生可觀利潤，當前所做為未來打下基礎(chǔ)的，因此要以較低的利潤交付大量的汽車——馬斯克1.2 硬件預埋、軟件持續(xù)迭代蔚然成風，汽車智能化迎來高速發(fā)展期資料來源：各公司官網(wǎng)、開源證券研究所品牌車型量產(chǎn)時間智駕芯片激光雷達供應商座艙芯片特斯拉Model

S/X/32019Tesla

FSD無AMDRyzen+Navi23

GPU蔚來ET72022英偉達Orin

X圖達通高通8155蔚來ET52022英偉達Orin

X圖達通高通8155蔚來ES82022英偉達Orin

X圖達通高通8155蔚來EC72022英偉達Orin

X圖達通高通8155理想L92022英偉達Orin

X禾賽科技高通8155理想L82022英偉達Orin

X/地平線J5禾賽科技高通8155理想L72022英偉達Orin

X/地平線J5禾賽科技高通8155小鵬P72020英偉達Xavier無高通820A小鵬P52021英偉達Xavier大疆Livox高通8155小鵬G92022英偉達Orin

X速騰聚創(chuàng)高通8155小鵬P7i2023英偉達Orin

X速騰聚創(chuàng)高通8155威馬M72022英偉達Orin

X速騰聚創(chuàng)高通8155高合汽車HiPhi

Z2022英偉達Orin

X禾賽科技高通8155哪吒哪吒S2022英偉達Orin

X華為高通8155咖啡咖啡摩卡2022高通驍龍Ride速騰聚創(chuàng)高通8155阿維塔E112022華為昇騰華為華為麒麟AITOM5自駕版2023華為昇騰速騰聚創(chuàng)華為麒麟智己L72022英偉達Orin

X速騰聚創(chuàng)高通8155智己LS72022英偉達Orin

X速騰聚創(chuàng)高通8155飛凡R72022英偉達Orin

XLuminar高通8155極狐阿爾法S

HI版2021華為昇騰華為華為麒麟路特斯Eletre2022英偉達Orin

X禾賽科技高通8155硬件預埋、軟件持續(xù)迭代，智能化硬件先聲奪人迎高速發(fā)展軟件預埋，硬件持續(xù)迭代，先進智能化硬件迎上車高潮。一段時期內(nèi)，智能化硬件上車成為風潮，算力軍備競賽盛行。新勢力、傳統(tǒng)車企迅速推出高級電動智能化車型，行業(yè)空前繁榮。表1：2022年成為高端智能電動車型量產(chǎn)高峰 圖2：理想L9搭載完善智能化配置成為2022年當之無愧爆款車型資料來源：理想汽車官網(wǎng)1.2 硬件預埋、軟件持續(xù)迭代蔚然成風，汽車智能化迎來高速發(fā)展期資料來源：各公司官網(wǎng)、開源證券研究所硬件預埋、軟件持續(xù)迭代，智能化硬件先聲奪人迎高速發(fā)展智能化軟硬件廠商通力合作，產(chǎn)業(yè)鏈迎來繁榮發(fā)展。以“蔚小理”為首的新勢力，長城、長安、吉利、上汽、廣汽、東風、比亞迪等整車廠商紛紛發(fā)力，與芯片廠商、Tier1供應商、軟件供應商通力合作，構(gòu)建新的供應鏈體系，形成新的產(chǎn)品和新的供應鏈格局。市場對智能化發(fā)展曾高度樂觀。硬件預埋、軟件迭代的邏輯下，智能化硬件會快速實現(xiàn)對大多車型的覆蓋，帶來產(chǎn)業(yè)鏈公司業(yè)績的快速提升和產(chǎn)業(yè)鏈格局的根本性變革。圖3：產(chǎn)業(yè)鏈玩家廣泛合作，推動車型產(chǎn)品量產(chǎn)上車 圖4：智能化公司股價區(qū)間漲幅表現(xiàn)強勢-100%500%400%300%200%100%0%600%2020-01-032021-01-032022-01-032023-01-03股價區(qū)間漲幅德賽西威華陽集團經(jīng)緯恒潤長光華芯股價漲幅1.3 自動駕駛算法成熟度低、系統(tǒng)高成本成為困擾智能汽車升級癥結(jié)軟件發(fā)展滯后于硬件，行業(yè)競爭加劇降本壓力軟件發(fā)展滯后于硬件，自動駕駛落地難度超預期。2022年高等級自動駕駛硬件快速滲透到諸多整車品牌的旗艦車型中，幾乎成為標配，但實際上能夠搭載的功能主要為L2以下或高速導航輔助駕駛為主。消費者和車企難以為長期無法兌現(xiàn)的硬件買單。特斯拉大幅降價，燃油車去庫存，行業(yè)競爭激烈，車企成本壓力大。特斯拉在進入2023年后開啟了大幅降價以提振銷量，同時部分燃油車在國六B排放標準即將落地之時開啟降價去庫存，行業(yè)面臨的成本壓力大。車企“脫虛向?qū)崱币庠笍娏?，也對高成本的自動駕駛硬件滲透形成阻力。圖7：新勢力銷量增長趨緩（小鵬、蔚來、理想、哪吒、零跑、極氪合計為代表）121086420-2800007000060000500004000030000200001000002019/1/12019/5/12019/9/12020/1/12020/5/12020/9/12021/1/12021/5/12021/9/12022/1/12022/5/12022/9/12023/1/1新勢力銷量（輛）yoy資料來源：車東西公眾號圖5：車載軟件算法的迭代速率遠低于算力資料來源：開源證券研究所20192020202120222023

2025200-1000TOPS2000TOPS算力算法30TOPSL1L2L2+圖6：特斯拉多個車型售價大幅下降特斯拉國內(nèi)2023年1月6日售價1.3 自動駕駛算法成熟度低、系統(tǒng)高成本成為困擾智能汽車升級癥結(jié)長尾事件成為自動駕駛無法落地的癥結(jié)，算法模型升級、數(shù)據(jù)閉環(huán)構(gòu)建均有難點當前自動駕駛瓶頸：長尾場景不常見但無法忽視，成為制約自動駕駛成熟的主要瓶頸。行業(yè)通常采用大量的數(shù)據(jù)去訓練自動駕駛算法，以求讓自動駕駛模型成為見多識廣的“老司機”。長尾問題如何解決：（1）模型端：感知、預測、決策、規(guī)劃算法升級。（2）數(shù)據(jù)端：可以通過實車采集或仿真獲取。難點在于：實車采集——數(shù)據(jù)挖掘難度大、數(shù)據(jù)標注成本高；仿真——構(gòu)建逼真的仿真場景難度大，無法遍歷長尾問題。圖9：自動駕駛長尾問題出現(xiàn)概率較低資料來源：紐勱科技公眾號圖8：長尾場景稀缺性強資料來源：51CTO官網(wǎng)自動駕駛算法海量數(shù)據(jù)現(xiàn)實采集虛擬生成圖10：數(shù)據(jù)驅(qū)動成為長尾問題有效解決方案資料來源：開源證券研究所數(shù)據(jù)閉環(huán)仿真工具目 錄CONTENTS1大模型橫空出世，人工智能迎來“iPhone時刻”2特斯拉引領(lǐng)汽車智能化，變革道路并非坦途34大模型賦能，自動駕駛漸行漸近，產(chǎn)業(yè)鏈玩家全面受益投資建議5風險提示2.1 ChatGPT橫空出世，引領(lǐng)人工智能新浪潮ChatGPT橫空出世，GPT-4緊隨其后，人工智能迎來熱潮人工智能歷經(jīng)多年發(fā)展，在諸多領(lǐng)域超越人類。1997年，IBM深藍計算機打敗國際象棋世界冠軍；2016年，AlphaGo大比分戰(zhàn)勝當時圍棋世界冠軍李世石，掀起人工智能新一輪熱潮。像計算器超越人類的計算能力一樣，人工智能在圖像識別等更多領(lǐng)域超越人類，并為人類賦能。ChatGPT橫空出世，再次引發(fā)人工智能熱潮。2022年11月，ChatGPT橫空出世，其理解人類意圖的能力、回答的準確性、生成結(jié)果的流暢性遠超人類預期，引發(fā)網(wǎng)絡熱潮。據(jù)瑞銀數(shù)據(jù)，ChatGPT產(chǎn)品推出僅2個月后用戶數(shù)量即過億，微軟將ChatGPT整合到其搜索引擎Bing中后，在1個多月的時間內(nèi)讓Bing日活躍用戶數(shù)過億。資料來源：沙利文研究圖11：ChatGPT引領(lǐng)人工智能新范式資料來源：OpenAI官網(wǎng)、開源證券研究所圖12：ChatGPT可完美實現(xiàn)用戶的需求甚至可輸出代碼圖13：ChatGPT用戶數(shù)2個月過億超越TikTokUBS2.1 ChatGPT橫空出世，引領(lǐng)人工智能新浪潮ChatGPT橫空出世，GPT-4緊隨其后，人工智能迎來熱潮2023年3月14日，Open

AI發(fā)布GPT-4，能力進一步提升：GPT-4具備多模態(tài)能力，可以同時支持文本和圖像輸入，支持的文本輸入數(shù)量提升至2.5萬字，性能全面超越ChatGPT。GPT-4理解/推理/多語言能力增強，在專業(yè)和學術(shù)考試中表現(xiàn)突出，可以實現(xiàn)“看圖說話”，甚至能夠理解一些幽默圖片笑話。GPT-4可靠性與安全性顯著提升：可靠性方面，GPT-4相比GPT-3.5大幅提升19%；安全性方面，GPT-4對不被允許和敏感內(nèi)容的錯誤反應顯著下降。資料來源：OpenAI官網(wǎng)圖15：GPT-4在推理和邏輯能力上大幅提升圖16：GPT-4的多項能力超越人類平均水平資料來源：OpenAI官網(wǎng)資料來源：Life

Architect官網(wǎng)圖14：GPT-4的性能顯著強于上個版本2.2 大模型+預訓練+人類反饋微調(diào)，大模型蓄勢待發(fā)ChatGPT的能力來源于預訓練+指令微調(diào)+基于人類反饋的強化學習預訓練：通過讓擁有1750億參數(shù)的大模型去學習包含3000億單詞的語料，大模型已經(jīng)具備了所有的基礎(chǔ)能力。指令微調(diào)：幫助大模型“解鎖”特定領(lǐng)域的能力，如遵循指令以及泛化到新的任務領(lǐng)域?；谌祟惙答伒膹娀瘜W習（RLHF）：使大模型具備了和人類“對齊”的能力，即給予提問者詳實、公正的回應，拒絕不當?shù)膯栴}，拒絕其知識范圍外的問題。圖17：GPT版本和能力演進路徑——預訓練+指令微調(diào)+基于人類反饋的強化學習資料來源：機器之心公眾號、開源證券研究所2.2 大模型+預訓練+人類反饋微調(diào)，大模型蓄勢待發(fā)大參數(shù)+海量數(shù)據(jù)預訓練+基于人類反饋的微調(diào)構(gòu)成打造大模型的要素大參數(shù)量變帶來質(zhì)變，“涌現(xiàn)”現(xiàn)象帶來大模型能力躍遷當模型規(guī)模較小時，模型的性能提升和參數(shù)增長呈現(xiàn)線性關(guān)系；當參數(shù)量上升到一定程度，模型的性能會突然躍遷，實現(xiàn)質(zhì)的飛躍，這被稱為模型的“涌現(xiàn)”能力。大參數(shù)量配合海量數(shù)據(jù)訓練，大語言模型在In-context

learning（上下文學習）、Instruct

following（指令遵循）、Chain

ofthought（思維鏈，即可逐步解決問題）方面會出現(xiàn)“涌現(xiàn)”現(xiàn)象。因此要形成大語言模型，模型做大不可或缺。圖18：模型規(guī)模到達一定程度會出現(xiàn)“涌現(xiàn)”現(xiàn)象資料來源：《

Emergent

abilitiesoflarge

languagemodels

》

（

Wei

Jason等）6005004003002001000參數(shù)量（十億）圖19：主流模型擁有龐大參數(shù)量《

A

survey

oflarge

languagemodels

》（

Zhao

WayneXin等）、開源證券研究所2.2 大模型+預訓練+人類反饋微調(diào)，大模型蓄勢待發(fā)資料來源：

《

A

survey

of

large

languagemodels

》（

Zhao

Wayne

Xin等）數(shù)據(jù)量（十億tokens）大參數(shù)+海量數(shù)據(jù)預訓練+基于人類反饋的微調(diào)構(gòu)成打造大模型的要素海量數(shù)據(jù)預訓練不可或缺參數(shù)量巨大的大語言模型需要大量的、覆蓋廣泛內(nèi)容的高質(zhì)量數(shù)據(jù)。目前的語料庫包含網(wǎng)頁、書籍、對話、百科、書籍、代碼等。數(shù)據(jù)集的規(guī)模和質(zhì)量對模型的性能表現(xiàn)至關(guān)重要，大模型玩家采用獨特的數(shù)據(jù)（如古騰堡計劃）訓練模型以增強模型性能。圖20：通用化的大模型通常會采用內(nèi)容豐富的海量數(shù)據(jù)進行預訓練 圖21：主流模型均通過海量數(shù)據(jù)訓練16001400120010008006004002000《Asurveyoflarge

languagemodels

》（

Zhao

Wayne

Xin等）

、開源證券研究所2.2 大模型+預訓練+人類反饋微調(diào)，大模型蓄勢待發(fā)大參數(shù)+海量數(shù)據(jù)預訓練+基于人類反饋的微調(diào)構(gòu)成打造大模型的要素恰當?shù)哪Ｐ臀⒄{(diào)亦尤為重要圖22：ChatGPT通過多個步驟訓練而來資料來源：OpenAI官網(wǎng)預訓練結(jié)束的模型具備諸多基礎(chǔ)能力，需要進一步調(diào)整“解鎖”大模型特定領(lǐng)域的能力。Instruct

Tuning（指令微調(diào)）：有助于模型擁有更好的表現(xiàn)，同時可激活模型在一些特定領(lǐng)域的能力?！皩R”類微調(diào)：能夠讓模型進一步滿足人們的需求，如讓模型以人類可以理解的方式輸出答案，減少錯誤信息和不良語言等。ChatGPT的訓練過程通常分為三步：（1）采用人工標注好的數(shù)據(jù)來訓練模型；（2）通過人類對模型答案的排序訓練一個獎勵模型；（3）使用獎勵模型使用強化學習的方式訓練ChatGPT

。

其中后兩個步驟稱為RLFH（基于人類反饋的強化學習）。OpenAI在GPT-4的訓練過程中，進一步加入了基于規(guī)則的獎勵模型（RBRMs）來幫助模型生成正確的回答，拒絕有害內(nèi)容。2.3 多模態(tài)成為趨勢，應用端千帆競渡，人工智能迎來iPhone時刻資料來源：

《

A

survey

oflarge

languagemodels

》（

Zhao

WayneXin等）OpenAI產(chǎn)品一經(jīng)發(fā)布，全球掀起大模型研發(fā)的熱潮，諸多巨頭切入大模型開發(fā)領(lǐng)域。在模型端：（1）ChatGPT等產(chǎn)品提供良好范式；（2）多模態(tài)的大模型成為玩家們終極目標；（3）大模型在性能、安全性、可靠性上進一步提升。在應用端：（1）諸多玩家與大模型廠商合作以求探索新的業(yè)務和盈利模式；（2）基礎(chǔ)大模型+特定行業(yè)應用的業(yè)務形式有望逐步鋪開，人工智能有望賦能千行百業(yè)。圖23：參數(shù)超過100億的大語言模型如雨后春筍般出現(xiàn) 圖24：基礎(chǔ)大模型將賦能千行百業(yè)資料來源：《

On

the

opportunities

andrisks

of

foundationmodels》（BommasaniRishi

等）目 錄CONTENTS1大模型橫空出世，人工智能迎來“iPhone時刻”2特斯拉引領(lǐng)汽車智能化，變革道路并非坦途34大模型賦能，自動駕駛漸行漸近，產(chǎn)業(yè)鏈玩家全面受益投資建議5風險提示3.1 大模型全面賦能，自動駕駛技術(shù)鴻溝有望快速收窄科技巨頭構(gòu)筑自動駕駛行業(yè)“安卓”，技術(shù)鴻溝有望縮小自駕行業(yè)的“IOS”：特斯拉全棧自研的自動駕駛系統(tǒng)，包含算法、數(shù)據(jù)閉環(huán)系統(tǒng)（自動標注、仿真、數(shù)據(jù)引擎）等，閉環(huán)的體系構(gòu)成自動駕駛行業(yè)的“IOS”，海量的車隊數(shù)據(jù)形成數(shù)據(jù)壁壘，其他玩家難以復制。自駕行業(yè)的“安卓”時代或?qū)砼R：第三方科技巨頭有望通過提供完善的工具鏈幫助整車廠構(gòu)建自己的自動駕駛算法和數(shù)據(jù)閉環(huán)系統(tǒng)，同時依靠大模型的數(shù)據(jù)生成能力縮小與頭部玩家在數(shù)據(jù)領(lǐng)域的差距。自動駕駛的安卓時代有望來臨。資料來源：騰訊網(wǎng)圖25：特斯拉擁有全棧自研的完善自動駕駛體系堪稱自動駕駛行業(yè)的“IOS”資料來源：各公司官網(wǎng)、開源證券研究所圖26：第三方巨頭有望憑借完善的工具鏈構(gòu)筑自動駕駛領(lǐng)域的“安卓系統(tǒng)”3.1 大模型全面賦能，自動駕駛技術(shù)鴻溝有望快速收窄資料來源：GitHub資料來源：英偉達官網(wǎng)行業(yè)巨頭摩拳擦掌，微軟、英偉達在大模型和自動駕駛爭相布局，或?qū)⒉脸鲂碌幕鸹ㄎ④洠捍竽Ｐ汀④浽仆瞥鯝zure

Open

AI服務，企業(yè)可獲得對大模型（含GPT、Codex、嵌入模型）的訪問權(quán)限并將其應用于新的場景如語言、代碼、邏輯、推理、理解等，同時也允許客戶微調(diào)生成定制化的模型。自動駕駛——微軟打造完整的自動駕駛開發(fā)支持解決方案，幫助開發(fā)者將數(shù)據(jù)進行導入分析，對模型進行訓練仿真。微軟基于虛幻引擎開發(fā)的AirSim仿真平臺在無人機仿真領(lǐng)域扮演重要角色，該平臺也同時可實現(xiàn)對無人駕駛汽車的仿真。英偉達：大模型——英偉達推出AI

Foundations云服務，用于幫助客戶構(gòu)建生成式AI模型如大語言模型、生物學模型、AI生成式圖像模型等。自動駕駛——英偉達擁有從算法、底層軟件、中間件到芯片的全棧解決方案，其中基于英偉達Omniverse、Drivemap構(gòu)建的DriveSim基于虛幻引擎開發(fā)，可構(gòu)建近乎真實的仿真場景。英偉達亦在探索生成式AI對自動駕駛仿真等領(lǐng)域的助力。巨頭未來有望將大模型與自動駕駛充分結(jié)合，誕生出強大的工具，助力行業(yè)前行。圖27：微軟AirSim是強大的虛擬場景仿真平臺 圖28：英偉達DriveSim可完美生成自動駕駛仿真場景 圖29：英偉達擁有整套端到端自動駕駛解決方案資料來源：英偉達官網(wǎng)海量數(shù)據(jù)現(xiàn)實采集虛擬生成數(shù)據(jù)閉環(huán)仿真工具感知預測規(guī)劃控制端到端自動駕駛GPT大模型蒸餾提升算法性能數(shù)據(jù)挖掘、自動標注生成內(nèi)容構(gòu)建仿真環(huán)境3.1 大模型全面賦能，自動駕駛技術(shù)鴻溝有望快速收窄大模型有多種形式壓縮來助力垂直行業(yè)應用：蒸餾、剪枝、輕量化。大模型將全面賦能自動駕駛：數(shù)據(jù)閉環(huán)：大模型的精準識別和挖掘能力助力數(shù)據(jù)閉環(huán)落地，自動標注能力助力降本增效；算法：大模型催化單一的感知、規(guī)控算法，實現(xiàn)單個模塊和功能的躍遷；推動端到端自動駕駛落地；仿真：生成式大模型有望解決仿真場景構(gòu)建難題。圖30：蒸餾、量化、剪枝是三大模型壓縮的方式資料來源：數(shù)據(jù)派THU公眾號、開源證券研究所圖31：大模型從多個維度全面推動自動駕駛前行資料來源：開源證券研究所

蒸餾：類似于老師教學生，將一個大模型或多個模型集學

到的知識遷移到另一個輕量級的模型上；

剪枝：可理解為將復雜的神經(jīng)網(wǎng)絡結(jié)構(gòu)精簡；

量化：直接降低模型中的參數(shù)精度，實現(xiàn)模型輕量化。3.1 大模型全面賦能，自動駕駛技術(shù)鴻溝有望快速收窄資料來源：Apollo智能駕駛公眾號資料來源：

Apollo智能駕駛公眾號數(shù)據(jù)閉環(huán)：大模型助力數(shù)據(jù)挖掘和自動標注，數(shù)據(jù)飛輪飛馳推動自動駕駛落地數(shù)據(jù)挖掘：百度阿波羅應用大模型實現(xiàn)長尾數(shù)據(jù)挖掘百度Apollo：首先利用圖文信息預訓練一個原始模型，利用算法將街景圖像數(shù)據(jù)進行物體識別并定位和分割，放入編碼器形成底庫，即基于街景建立一個圖片和文字信息對應的數(shù)據(jù)池?？梢酝ㄟ^文本、圖像等形式對特定的場景（如快遞車、輪椅、小孩等）進行搜索和挖掘，對車端模型進行定制化的訓練，大幅提升存量數(shù)據(jù)的利用效果。圖32：百度采用大模型實現(xiàn)長尾數(shù)據(jù)的挖掘 圖33：大模型助力完美實現(xiàn)兒童、異型車等場景的實時挖掘3.1 大模型全面賦能，自動駕駛各大環(huán)節(jié)全面受益數(shù)據(jù)閉環(huán)：大模型助力數(shù)據(jù)挖掘和自動標注，數(shù)據(jù)飛輪飛馳推動自動駕駛落地自動標注：商湯、毫末等玩家已經(jīng)推動走向落地海量數(shù)據(jù)的標注成本高昂，而部分3D場景的人工標注較為困難，限制模型迭代和應用。商湯科技：大模型加持下，實現(xiàn)數(shù)據(jù)自動標注服務——商湯明眸?；诠径嗄B(tài)多任務通用大模型書生2.5開發(fā)出商湯明眸自動標注服務，提供結(jié)構(gòu)化檢測等12個行業(yè)專用大模型，涵蓋超1000個不同的2D、3D目標類別，大幅降低標注成本。毫末智行：開發(fā)DriveGPT，并釋放云端駕駛場景識別能力。用戶上傳駕駛場景后，平臺能夠快速對圖片中所有的車道線、交通參與者（行人、自動車等）標注出來，單幀圖像整體標注成本降低至行業(yè)平均水平的十分之一。圖34：商湯明眸提供強大的自動標注能力資料來源：商湯科技公眾號圖35：毫末智行DriveGPT大幅降低標注成本資料來源：毫末智行公眾號3.1 大模型全面賦能，自動駕駛技術(shù)鴻溝有望快速收窄感知算法：大模型在算法端解決行業(yè)痛點大模型作為車端算法的“老師”，通過“蒸餾（教授）”幫助小模型實現(xiàn)優(yōu)異的性能。百度：用半監(jiān)督方法，充分利用2D和3D數(shù)據(jù)訓練一個感知大模型。通過在多個環(huán)節(jié)對小模型進行蒸餾，提升小模型的性能，同時通過自動標注給小模型定制化的訓練。效果：增強遠距離視覺3D感知能力、提升多模態(tài)感知模型的感知效果。圖36：通過感知大模型的蒸餾，實現(xiàn)車端遠距離3D視覺感知性能提升資料來源：

Apollo智能駕駛公眾號圖37：大模型可賦能車端多模態(tài)模型資料來源：

Apollo智能駕駛公眾號3.1 大模型全面賦能，自動駕駛技術(shù)鴻溝有望快速收窄規(guī)控算法：大模型在算法端解決行業(yè)痛點大模型在規(guī)控端應用：以毫末智行DriveGPT為例圖38：毫末智行DriveGPT大模型將助力自動駕駛落地資料來源：毫末智行公眾號2023

年4

月，

毫末智行在AI

DAY推出了業(yè)界首個DriveGPT大模型——雪湖·海若。構(gòu)建模型：構(gòu)建1200億參數(shù)的大模型；進行預訓練：將自動駕駛空間的信息如車道線、感知環(huán)境等離散化后作為Token輸入大模型，再基于聯(lián)合概率分布生成未來Token序列，將4000萬公里中合適的數(shù)據(jù)放進大模型中?；谌祟惙答亸娀瘜W習（RLHF）：選取5萬條人駕困難場景接管數(shù)據(jù)，輸入預訓練模型，并將模型輸出的行為進行排序，進行強化訓練；同時在根據(jù)輸入端的提示語及毫末自動駕駛場景庫的樣本訓練模型，讓模型學習推理關(guān)系。大模型帶來的效果：可將完整的駕駛策略分拆為自動駕駛場景的動態(tài)識別過程，進而實現(xiàn)可理解、可解釋的推理邏輯鏈條，最終實現(xiàn)（1）城市NOH、（2）街景推薦、（3）智能陪練、（4）場景脫困等。3.1 大模型全面賦能，自動駕駛技術(shù)鴻溝有望快速收窄端到端感知決策一體化：生成海量數(shù)據(jù)，大模型助力實現(xiàn)端到端模型構(gòu)建云驥智行認為，自動駕駛的終局會演進成為一個超大規(guī)模的端到端自動駕駛神經(jīng)網(wǎng)絡，而為了實現(xiàn)它，自動駕駛神經(jīng)網(wǎng)絡、海量高價值數(shù)據(jù)、車端高算力平臺缺一不可。大模型助力構(gòu)建車端模型、生成端到端訓練仿真數(shù)據(jù)，使自動駕駛成為可能。商湯科技認為，可以用AIGC生成真實的交通場景以及困難樣本來訓練自動駕駛系統(tǒng)，以多模態(tài)數(shù)據(jù)作為大模型的輸入，提升系統(tǒng)對Corner

case場景的感知能力上限。同時自動駕駛多模態(tài)大模型可做到感知決策一體化集成，在輸出端通過環(huán)境解碼器可對3D環(huán)境進行重建，實現(xiàn)環(huán)境可視化理解；行為解碼器可生成完整的路徑規(guī)劃；動機解碼器可用自然語言對推理過程進行描述，使自動駕駛系統(tǒng)變得更加安全可靠。圖39：云驥智行認為端到端的自動駕駛算法優(yōu)勢顯著資料來源：云驥智行公眾號圖40：商湯科技自動駕駛多模態(tài)大模型有望實現(xiàn)傳統(tǒng)自動駕駛算法無法實現(xiàn)的功能資料來源：商湯科技官方視頻號3.2 行業(yè)分工加速，傳感器芯片加速迭代，自動駕駛成本下降可期行業(yè)分工明確，算法體系成本或迎下降。隨著大模型逐步介入自動駕駛，行業(yè)分工將進一步明確。第三方科技巨頭的加持下，整車廠無需大規(guī)模搭建龐雜的算法、數(shù)據(jù)等整個閉環(huán)體系的團隊，即可擁有全球一線自動駕駛算法模型體系。產(chǎn)業(yè)鏈分工合作，避免“重復造輪子”，自動駕駛的成本有望大幅降低，滲透率將加速提升。傳感器和芯片加速迭代，自動駕駛系統(tǒng)整體成本亦有下降空間。傳感器方面，玩家有望能夠以類似特斯拉的形式構(gòu)建自動駕駛系統(tǒng)，進而降低成本。算力芯片方面，大模型將進一步推升對芯片算力的需求。在車載高算力芯片領(lǐng)域，無論英偉達、高通還是本土的地平線、黑芝麻均明確艙駕融合的芯片是未來的發(fā)展方向。自動駕駛系統(tǒng)降本可期：（1）艙駕融合芯片集成座艙、智駕甚至車身控制等域控制器功能，大幅度縮減物料和線束成本；（2）整車芯片層面“池化”，算力在座艙、自動駕駛兩大功能之間靈活調(diào)用，整車“冗余”算力縮減，成本降低。資料來源：

2022

Nvidia

GTC大會圖41：英偉達推出Thor產(chǎn)品面向艙駕融合場景資料來源：高通中國公眾號圖42：高通推出Snapdragon

Ride

Flex實現(xiàn)艙駕融合3.3 大模型開發(fā)者、自動駕駛產(chǎn)業(yè)鏈玩家全面受益產(chǎn)業(yè)鏈玩家：全面受益自動駕駛產(chǎn)業(yè)鏈繁榮大模型開發(fā)商：作為大模型的開發(fā)者和使能者，可通過用自有大模型對自動駕駛賦能獲益；車載芯片：計算、存儲、網(wǎng)聯(lián)等諸多類型芯片均將受益自動駕駛的發(fā)展；域控制器：伴隨智能駕駛發(fā)展，配套芯片，出貨量及價值量穩(wěn)步提高；激光雷達：可與視覺等感知方式形成良好融合助力自動駕駛感知效果提升，伴隨行業(yè)實現(xiàn)滲透率提升；HUD：汽車智能化發(fā)展帶來更多的人機交互需求，HUD滲透率增長將進一步加速；車載語音：隨著大模型的成熟，車載語音將變得更加智能，單車價值量及滲透率均將持續(xù)向上。3.3 大模型開發(fā)者、自動駕駛產(chǎn)業(yè)鏈玩家全面受益大模型開發(fā)者：在賦能自動駕駛演進的過程中全面受益百度Apollo：自動駕駛元老，文心全面賦能，未來有望深度受益。商湯科技：AI算法領(lǐng)軍，大模型全面賦能自動駕駛。圖43：百度致力于利用文心大模型實現(xiàn)自動駕駛感知模型增強和長尾數(shù)據(jù)挖掘資料來源：

Apollo智能駕駛公眾號圖44：商湯科技將大模型用來賦能自動駕駛感知閉環(huán)和決策閉環(huán)等環(huán)節(jié)資料來源：商湯科技官方視頻號3.3 大模型開發(fā)者、自動駕駛產(chǎn)業(yè)鏈玩家全面受益產(chǎn)業(yè)鏈玩家：全面受益自動駕駛產(chǎn)業(yè)鏈繁榮地平線：公司作為本土智能駕駛芯片領(lǐng)軍，對算法及大模型理解深入，有望指引公司芯片迭代以完美適應客戶需求。深度算法研究助力把握行業(yè)機會：意識到Transformer的機會