智能汽车行业专题研究：大模型应用下自动驾驶赛道将有哪些变化？.pdf

智能汽车行业专题研究：大模型应用下自动驾驶赛道将有哪些变化？特斯拉率先引入BEV+Tranformer大模型，与传统2D+CNN小模型相比，大模型的优势主要在于：1）提高感知能力：BEV将激光雷 达、雷达和相机等多模态数据融合在同一平面上，可以提供全局视角并消除数据之间的遮挡和重叠问题，提高物体检测和跟踪的 精度；2）提高泛化能力：Transformer模型提取特征函数，通过注意力机制寻找事物本身的内在关系，使智能驾驶学会总结归纳 而不是机械式学习。主流车企及自动驾驶企业均已布局BEV+Transformer，大模型成为自动驾驶算法的主流趋势。

大模型应用下NOA快速落地，L3及以上自动驾驶进程有望加快 在车端大模型可赋能自动驾驶的感知和预测环节，并逐渐向决策层渗透，驾驶策略或将从规则驱动向数据驱动转变。在云端大模 型通过实现自动标、数据挖掘、仿真场景生成，提高自动驾驶迭代效率和速度。大模型催化下，高速NOA、通勤NOA、城市NOA 等功能快速上车，同时有望加快L3及以上自动驾驶落地进程。

大模型将带来云端算力、车端算力、感知端、执行端以及商业模式的变化

云端算力：智算中心承载这大模型训练与验证所需的算力支持，已经成为自动驾驶下一阶段竞争重点。我们预计到2025年，智 算中心算力将达到14-46 EFLOPS，算力市场规模或将达到4-15亿美元，国产算力产业链值得关注。智算中心建设需要综合考虑 需求、成本、能力三大因素，我们认为在中短期内，主机厂/自动驾驶厂商将主要采取合作模式/采购模式，长期具备较高自建 倾向。

车端算力：需求翻倍或达800TOPS，算力提升原因主要在于：1）在感知硬件数量和性能不断提升，边缘计算需求增加；2）大 模型催化驾驶场景复杂化和多样化。同时对芯片效率能耗提出更高要求。