电子行业专题报告AI大模型加速落地_汽车智能化迅速发展.docx

电子行业专题报告AI大模型加速落地_汽车智能化迅速发展.docx

  1. 1、本文档共26页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
电子行业专题报告AI大模型加速落地_汽车智能化迅速发展 一、 AI 技术提升汽车智能化 汽车智能化主要突显在自动驾驶和智能座舱两方面,AI 技术的发展持续提升汽车的智能化能力, BEV、心智、NLP 语言等 AI 大模型技术料助推汽车智能化荣登新高度。 2023 年上半年,未有多家厂商基于 BEV 大模型的自动辅助导航系统驾车 NOA 系统量产;2023 年 6 月发布的新摩卡 DHT-PHEV 将搭载心智大模型;2023 年内,2 款搭载 NLP 语言大模型的新车型 将要上市。 1.1 国标促进自动驾驶逐步落地,座舱智能化程度持续提升 随着人工智能技术的不断进步和成本的增加,自动驾驶技术料不断明朗和普及。国标《汽车pierless 西行自动化分级》(GB/T 40429-2021)于 2022 年 3 月正式宣布正式宣布推行。国标参考美国 SAE 标准基础, 0-5 级基本对应 SAE 标准 L0-L5;值得注意的就是,国标将 0-2 级自动驾驶规定为如遇到事件影响 由驾驶员及系统协作顺利完成,并非 SAE 标准中的全部并使驾驶员回去顺利完成。 根据工信部、中国工业经济联合会、中国汽车工程学会等机构数据,2022 年 2 级(L2 级)辅助 驾车渗透率少于 34%,其中燃油车渗透率为 32%,新能源汽车渗透率为 46%。目前全球和中国汽 车市场 3+级(L3+级)高等级自动驾驶技术的渗透率仍处于极低水平。 在中国汽车工程学会会同非政府基本建设的《节能环保与新能源汽车技术路线图 2.0》中,明确提到至 2025 年,PA(部分自动驾驶)、CA(有条件自动驾驶)级智能网联汽车市场份额多于 50%,HA(高 度自动驾驶)级智能网联汽车同时同时实现限量区域和特定场景商业化应用领域。至 2030 年,PA、CA 级智能 网联汽车市场份额多于 70%,HA 级智能网联汽车市场份额达致 20%,并在高速公路广泛应用、 在部分城市道路规模化应用领域。相似的,中国工业经济联合会会长李毅中预测,2030 年 L3 自动pierless 西行渗透率将少于 70%。 此外,汽车的智能化也突显在座舱的持续升级,已从传统座舱的机械仪表盘、车载收音机等,刊发 展到具有生物识别、驾驶员身心健康的智能助理座舱,并将同时同时实现使用场景多样的信息、娱乐等多功能 融合的第三生活空间。 1.2 AI 就是自动驾驶模块化系统和卢瓦松端系统的关键 AI 就是自动驾驶系统心智和决策模块的关键。主流自动驾驶系统为模块化系统,可以分为心智、决策 和继续执行三层,AI 就是其中心智层和决策层的核心内容。 心智层中,传感器算法就是关键,多传感器融合算法可以分为数据级融合、特征级融合和决策级融合 三种,决策级融合就是最极广应用领域的技术方案。特斯拉的矢量地图建模和自动车道标注算法就是其自动 驾车算法的关键内容,为同时同时实现车道轨迹规划提供更多更多大力支持。 决策规划算法可以进一步分为全局路径规划层、犯罪行为决策层和运动规划层。全局规划算法,涵盖基为 于物理模型、基于意图分类、基于深度自学等主要类别;犯罪行为决策算法,涵盖基于规则、基于学 学、融合规则和自学等主要类别;运动规划算法,涵盖基于策略规则、基于最优控制、基于机器 自学等主要类别。犯罪行为预警式运动规划将决策规划过程升级为交互式过程,引入人机共pierless、车路 协同以及车辆对外部动态环境的风险预估,有助于提高自动驾驶车辆高速行驶安全性。 端的至端的自动驾驶系统变成研究热门,对 AI 大模型市场需求更甚。端的至端系统中心智决策一体化,较杂记 为丛藓科扭口藓模块化设计性能料更佳,同时可以更有效率处理繁琐路况和多交通要素可视化情况。2023 年 5 月, 特斯拉 CEO 马斯克在推特则则表示,特斯拉计划在其全自动驾驶(FSD)Beta v12 版本中使用全新的端的至端的人工智能,通过单个神经网络编码,仅利用特斯拉汽车上的摄像头输入,回去输出变为、 快速、刹车等驾车犯罪行为,模型可以通过自学人类输入的驾车犯罪行为回去不断改进。 复杂性和安全性困境存,端的至端系统尚未落地。在卢瓦松端系统中,输入数据至输出掌控仅通过 一个 AI 大模型同时同时实现。一方面,多模态、大量传感输入数据和严苛的输出精度和速度建议,对车载 硬件算力和车端、云端协同建议较低;另一方面黑箱模型很难进行系统化的定义分析,就可以依靠 推测和实验调整,在出现问题时难以快速定位对症,在模型更新时也极容易出现倒退。因此,端的至端的 自动驾驶系统目前还未变成主流。 1.3 AI 大模型在自动驾驶领域应用领域前景宽阔 AI 大模型在 NLP、CV 方向发展迅速,在自动驾驶领域感知、决策等模块具有广阔应用前景。CV 大模型主要用于感知层算法,可用于数据自动标

文档评论(0)

小鱼X + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档