智能驾驶行业深度报告:智驾路线向“端到端”演进 数据飞轮重要性凸显

李行杰/夏明达 2024-12-03 18:24:14
机构研报 2024-12-03 18:24:14 阅读

核心观点

    智能驾驶增益安全及效率,驶入发展快车道

    据《中国智能驾驶白皮书》(中国人工智能协会,2015),智能驾驶通过智能系统及传感器,有效减少交通事故,亦可显著降低运营成本。

    据文远知行招股书,2022 年全球及中国大陆自动驾驶市场规模分别约100 亿/20 亿美元,2030 年有望分别增长至1.75 万亿/6390 亿美元,CAGR 分别为79.75%/85.62%。从结构看,以L4 及更高水平为代表的高阶自动驾驶增速相对亮眼,有望超越行业平均。

    智能驾驶路线向“端到端”演进,有望成为行业主流据上海人工智能实验室、清华大学智能产业研究院、《端到端自动驾驶系统研究综述》(陈妍妍等,2023)及《Planning-oriented AutonomousDriving》(胡怡涵等,2023),智能驾驶路线几经变迁,传统模块化方案具备便于问题回溯、易于调试迭代、低耦合、可解释性高等优点,但存在信息损失以及误差传递等问题;多任务结构可降低整体运算成本,但仍无法实现全局最优;当前来看,端到端架构具备设计优势,直接从车辆状态和传感器采集的外部环境数据中学习策略,通过绕过中间组件来消除潜在的信息瓶颈和累积误差,并允许网络效仿人类驾驶员朝着最终目标持续优化,且经三十余载发展,技术已经多次迭代。

    从实证来看,智驾公司密集布局端到端,如特斯拉 FSD V12 测试版,由视觉图像到车辆控制信号的直接输出,实现了感知决策技术的一体化;小鹏开发并部署量产了端到端的 BEV(Bird’s Eye View)感知架构 XNet,迈向了端到端自动驾驶系统的重要一步;端到端行业落地方案表现出色,商汤科技UniAD 作为首个感知决策一体化端到端大模型,将全栈驾驶任务整合在一个网络中,利用每个模块的优势,并从全局视角提供互补的特征抽象,UniAD 综合性能优于之前的方案。

    数据飞轮形成,数据端重要性凸显

    端到端路线对于数据的质量及数量要求高增,据《端到端自动驾驶系统研究综述》(陈妍妍等,2023)及IT 之家,端到端需要海量的大规模数据支持,才可匹配算法实现完全高性能。从数据量来看,2023 年初,特斯拉已向系统输入了 1000 万个经过筛选可供学习的人类驾驶视频;同时特斯拉在全球各地近 200 万辆的车队,每天提供约 1600亿帧视频用于训练。

    投资建议

    智能驾驶产业趋势明确,端到端路线优势明显,行业各厂商密集布局,有望成为未来智能驾驶路线主流。我们建议关注两条主线,一是智能驾驶解决方案提供商,有望享受行业扩张下主机厂需求提升红利,建议关注德赛西微、中科创达、地平线机器人-W、文远知行等;二是车路协同V2X 参与厂商,有望受益于智能驾数据要素重要性提升,建议关注万集科技、金溢科技等。

    风险提示

    行业竞争加剧风险、商业化进度不及预期风险、技术路线调整风险。

声明:
  1. 风险提示:以上内容仅来自互联网,文中内容或观点仅作为原作者或者原网站的观点,不代表本站的任何立场,不构成与本站相关的任何投资建议。在作出任何投资决定前,投资者应根据自身情况考虑投资产品相关的风险因素,并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性,对此本站不做任何保证和承诺。
  2. 本站认真尊重知识产权及您的合法权益,如发现本站内容或相关标识侵犯了您的权益,请您与我们联系删除。