电子行业AI系列报告：AI大模型加速落地汽车智能化迅速发展

有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。核核心观点因⚫近日，工信部副部长表态：工信部将启动智能网联汽车准入和上路通行试点，组织速。观点IL率L%。AI是自动驾驶模块化系统和端到端系统块化自动驾驶系统可分为感知、决策和执行三层，AI算法是其中感知层和决策层的核心，而在端到端系统中，输入数据到输出控制仅通过一个AI大模型实现。AI大模型技术的发展，让自动驾驶技术可以通过提升感知能力来去除对I大模型助力数据标注、仿真和感知等；多模态AI大模型为城市场景辅助驾驶乃至高等级自动驾驶的规模量产拉开帷幕，同时也有望用于智能座舱中的人机交互，融合互方式，满足用户在不同场景下的不同使用习惯。传感硬件的复杂度和精度提升，也有望降低自动驾驶传感器硬件成本，加速自动驾流。在人车交互领域，通用型NLP模型以车载语音助手或集成化车机操作系统的形包括对话式交互、逻辑推理、策略规划和知识问答。投资建议与投资标的投资建议与投资标的AI端和车端算力D部件；同时，多模态大模型和NLP大模展，相关公司也有望从中受益。份、裕太微、北京君正、沪电股份、富看好看好(维持)业告发布日期证券分析师蒯剑-63325888*8514ianorientseccomcn证监会牌照：BPT856证券分析师李庭旭xuorientseccomcn联系人韩潇锐系人oruiorientseccomcn系人系人系人系人xuehongwei@系人继续看好AI主线创新、复苏与国产化的共振：电子行业2023年中期策略报告VisionPro树行业标杆，有望开启XR行业“iPhone时刻”2023-06-232023-06-182023-06-08有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。2 ，座舱智能化程度持续提升 4 24 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。3 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。41)近日，工信部副部长辛国斌在国务院新闻办公室举办的关于促进新能源汽车产业高质量发展的国务院政策例行吹风会表态：工信部将启动智能网联汽车准入和上路通行试点，组织开展城市L化AI大模型技术的发展，让自动驾驶技术可以通过提升感知能力来去除对高精地图汽车智能化主要体现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，BEVNOA年6时间载模型模型开发者2023.5.31吉利银河L7吉利-百度·文心NLP大模型吉利合作2023Q4问界M9盘古NLP大模型2023Q3集度ROBO-01BEV感知模型2023.6.1新摩卡DHT-PHEVDriveGPT认知模型、BEV感模型行2023.1.6广汽埃安aionlxplusBEV环视通用感知算法2023.6(OTA推送)蔚来ES7、EC7、2022-2023款ET7、2022款ET5等BEV感知模型来2023.3(OTA推送)小鹏G9等BEV感知模型数据来源：各公司官网，东方证券研究所整理提升随着人工智能技术的不断进步和成本的降低，自动驾驶技术有望不断成熟和普及。国标《汽车驾驶自动化分级》(GB/T40429-2021)于2022年3月正式实施。国标参考美国SAE标准基础，0-5级基本对应SAE标准L0-L5；值得注意的是，国标将0-2级自动驾驶规定为如遇到事件影响SAE。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。5数据来源：工业与信息化部、东方证券研究所根据工信部、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)辅助驾驶渗透率达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牵头组织编制的《节能与新能源汽车技术路线图2.0》中，明确提到到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超过50%，HA(高。此外，汽车的智能化也体现在座舱的持续升级，已从传统座舱的机械仪表盘、车载收音机等，发展到具有生物识别、驾驶员健康的智能助理座舱，并将实现使用场景丰富的信息、娱乐等多功能数据来源：罗兰贝格，东方证券研究所AI是自动驾驶系统感知和决策模块的关键。主流自动驾驶系统为模块化系统，可分为感知、决策有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。6决策层执行层电子驱动电子制动电子转向•车辆状况•环境理解•车辆定位•路径规划•决策层执行层电子驱动电子制动电子转向•车辆状况•环境理解•车辆定位•路径规划•行动规划•行为预测认知理解决策规划传感器感知决策规划执行器感感知层数数据标注•雷达•摄像头感知算法•传感器算法•导航算法•车联网系统传感器数据来源：东方证券研究所绘制感知层中，传感器算法是关键，多传感器融合算法可分为数据级融合、特征级融合和决策级融合三种，决策级融合是最广应用的技术方案。特斯拉的矢量地图建模和自动车道标注算法是其自动道轨迹规划提供支持。为决策层和运动规划层。全局规划算法，包括基于物理模型、基于意图分类、基于深度学习等主要类别；行为决策算法，包括基于规则、基于学习、融合规则和学习等主要类别；运动规划算法，包括基于策略规则、基于最优控制、基于机器学习等主要类别。行为预警式运动规划将决策规划过程升级为交互式过程，引入人机共驾、车路的风险预估，有助于提高自动驾驶车辆行驶安全性。传传统自动驾驶方案控制端端到端自动驾驶方案 传感器端到端网络轨迹规划控制执行器数据来源：上海人工智能实验室、东方证券研究所特斯拉CEO马斯克在推特表示，特斯拉计划在其全自动驾驶(FSD)Betav12版本中使用全新有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。7的端到端人工智能，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，来输出转向、型可通过学习人类输入的驾驶行为来不断改进。复杂性和安全性隐忧存在，端到端系统尚未落地。在端到端系统中，输入数据到输出控制仅通过AI大模型实现。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要求，对车载硬件算力和车端、云端协同要求较高；另一方面黑箱模型很难进行系统化的解释分析，只能依靠位对症，在模型更新时也易出现倒退。因此，端到端主流。应用于车机系统和智能座舱，实现更高智能的人车交互；而多模态大模型一方面可应用于多传感器数据融合的感知算法，提高感知精度和安全性；另一方面，多模态大模型是端到端、决控集成、策一体化等新自动驾驶架构实现的主要解决方案。海量数据驱动的多模态AI大模型将成为键。数据来源：东方证券研究所整理端到端架构端到端端到端决控集成架构感知感知层决策控制集成感知决策一体化架构执行执行层感知决策一体模块化架构(主流架构)决策层执行决策层执行层感知层认知理解•认知理解•车辆状况•环境理解•车辆定位决策规划•路径规划•行动规划•行为预测 电子驱动电子制动电子转向数据标注•雷达•摄像头感知算法•传感器算法•导航算法•车联网系统传感器数据来源：IEEEITSC2021，上海人工智能实验室，东方证券研究所整理AI速L0-L2级辅助驾驶向L3+高等级自动驾驶的发展过程。高等级自动驾驶对精度和复杂度要求更高，需要高精度的环境感知和场景重建。要突破极端路况/天气等长尾场景的应用，实车数据和测试数据必须有更充分的积累。一方面，面对环境感知数据量和复杂度的增加，数据标注和仿真方法必须进步；另一方面，为了减少感知过程中原始数据的信息损失从而提高感知精I有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。8。传统决策规划方法将从传统的基于规则，向数TransformerRL集、更复杂、更大型环境中的应用优势。长期来看，端到端自动驾驶系统落地有望。端到端系统需基于单一模超过4000万公里真实里程进行训练；小鹏汽车的智能辅助驾驶行驶里程截至2022年8月超过1.74亿公里，高速智能导航辅助驾驶(NGP)累计行驶里程超过2450万公里。AI大模型应用为时尚短，自动驾驶领域模型架构仍在探索中。目前AI大模型主要应用于自然语言处理(NLP)和计算机视觉(CV)领域，以Transformer架构为主。Transformer架构较卷积神经网络(CNN)在大规模数据的学习中表现更好,也有少量CNN架构的大模型处于科研进程中。目前，ChatGPT、DriveGPT等大模型均采用Transformer架构+监督学习(SL)预训练+人类反馈强化学习(RLHF)的模式。自建智算中心，独立训练大模型。特斯拉等自动驾驶厂商已自建云端计算中心，用于自动驾驶模部分环节合作。百度、腾讯、火山引擎(字节子公司)等互联网科技公司均推出toB全流程智能数据中心用于模型训练。体系均开放了与车企的行业应用合作渠道，针对汽车行业应用场景进行模型调优。如吉利汽车与百度文心合作吉利-百度文心NLP大模型，2023式分环节合作解决方案合作征算法、自建云平台及应采部分云计算和云存储服务应用服务上与供应商展开括算法、云资源、应用服务栈解决方案产品及服务的差异化亮争优势与技术能力，利于利用合作伙伴技术身能力建设发成本，加快产品从研的周期驾产品落地，抢占智能机整解决方案，无需承担风险有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。9采购云存储资源(主要针对图形数据)及附带的图形检索能力存储和计算资源，及自动驾驶研发平台服务(数据标注、训练模型和仿真平台等)驾驶解决方案务商的战略及其体供的云服务云服务需求展开供应商的定义，云厂商按桶”式解决方案数据来源：安永、东方证券研究所公里级多模态传感数据，参数可高达几百到几千亿，预训练阶段算力要求非常高。特斯拉、吉利、驾驶厂商采用不同模式建设云端计算中心用于模型训练。司时间能力 (PFLOPS)能拉.8与火山引擎合作建设山3.6与阿里合建合肥蔚来云.8.1心.1智能网联、智能驾驶、新能源安实验等与腾讯合建广汽智能网.1170 (规划中)昆仑芯(盐城)智算中心.9为自动驾驶全链路开发提供支持服12000智能，智能驾驶等注：各厂商未公布算力的精度，相互不具有可比性。数据来源：各公司官网，佐思汽研，东方证券研究所技巨头，具有较强的AI模型开发能力和充足的AI算力，可作为云计算服务商和云开发平台为主机厂的AI大模型开发提供服务。相较主机厂投建智算中心和独立AI模型开发平台的方式，其成本和技术难度大幅降低，也为小型新创主机厂和传统汽车厂提供了快速入局自动驾驶领域和追赶平台有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。ud数据来源：百度Apollo、东方证券研究所合作并装载互联网企业已开发的BEV感知模型，可成为新入局主机厂的较优选择。AI感知决策大模型均需海量数据驱动，已宣布实现BEV感知模型落地的国内厂商包括百度Apollo、小鹏汽车、华为、毫末智行、商汤等，均为已实现高速辅助驾驶量产并积累大量智能驾驶数据的主流自动驾驶主机厂或互联网企业。考虑到数据收集、标注和模型训练的复杂性，与百度、华为、商汤等互联网企业合作，搭载其已开发的BEV感知模型可大大降低主机厂入局自动驾驶的成本。toB云产品ApolloCloud2.0汽车平台型能汽车云平台数据来源：各公司官网，东方证券研究所NLP人车的更友好交互，推动座舱智能化进程；CV大模型助力数据标注、仿真和感AI辅助驾驶乃至高等级自动驾驶的规模量产拉开帷幕，同时也有望用于智能座舱中的人机交互，融合语音、视觉、手势等多种交互方式，满足用户在不同场景下有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。NLP大模型NLP大模型人车语言交互CV大模型自动数据标注仿真(场景重建)BEV+Transformer感知大模型多多模态/跨模态大模型感知决策一体化认知大模型端到端多模态模型视觉-语言跨模态模型语音-语音跨模态模型数据来源：第七届世界智能大会-智能网联汽车高质量发展论坛，东方证券研究所NLP座舱的技术革新。NLP理、策略规划和知识问答等功能使车载操作系统功能全面升级；可实现自然对话式交互，使语音交互成为车载系统主要操作模式之一，带整。2023年5月，科大讯飞发布讯飞星火认知大模型，宣布“大模型+智能座舱”为其四大行业应用型体系的绝影智能车舱产品。数据来源：商汤科技、东方证券研究所有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。数据标注方面，大模型预标注+车载小模型学习微调的方式具有应用潜力。数据标注从人工标注据生产成本。特斯拉从2018年以来不断发展自动标注技术，从2D人工标注转为4D数据来源：特斯拉、东方证券研究所通过构建虚拟交通场景测试和验证自动驾驶系统，可在一定程度上取代实车路测，从而降低自动落地具有重要价值。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。数据来源：曼孚科技、东方证券研究所人工智能生成内容(AIGC)技术在仿真、数据标注、座舱交互等系统的部署日益广泛。在仿真方面，AIGC技术可大量合成虚拟场景以用于模型训练和测试，从而提高自动驾驶技术精度和可基于BEV+Transformer架构的感知算法应用带来传感器架构改变，大模型的本地化部署对车载流的多雷达+多摄像头的传感器架构之外，提出了纯视觉传感方案，基于多个摄像头即可基本满足复杂场景环境感知的需求。另一方面，大模型的本地化部署对边缘算力、数据传输带宽和速度片需进行相应升级。态大模型逐步在自动驾驶和智能座舱中应用两个方向。数据驱动的感知算法快速发展，在是否使用雷达数据方面存在技术分歧。目前主流自动驾驶车企的传感器系统可分为纯视觉传感器和多模特斯拉FSD系统为代表，以多个摄像头作为传感器，以视觉图像训CV同时采集摄像头和高精度雷达的多模态数据并进行融合，以训练多模态大模型。两种传感器系统在传感器数据融合算法上存在架构差异，但都使用Transformer模型EO着视觉处理能力的提高，摄像头性能将会远远甩开雷达。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。数据来源：特斯拉、东方证券研究所多模态模型优势在于可充分发挥不同传感器性能特点，全场景适用性更强，安全性好。摄像头、雷达等设备具有不同的数据形式和数据量，以往受算力和模型限制，不同类型数据多使用感知后融合方案，不同传感器感知结果可能出现冲突，影响系统稳定性，故被认为不如纯视觉方案稳定。受益于算力的进步和多模态大模型的开发与应用，基于多模态模型的融合感知技术受到国内外自动驾驶厂商的广泛关注与研究。数据来源：焉知新能源汽车，东方证券研究所有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。AI型可通过单模型实现感知、决策、控制等自动驾驶过程，有望成为高等级自动驾驶要操作系统。数据来源：佐思汽研，东方证券研究所此外，多模态大模型也有望用于智能座舱中的人机交互，融合语音、视觉、手势等多种交互方式，满足用户在不同场景下的不同使用习惯。长安、集度、吉利、岚图、红旗、长城、东风日产、零跑等多家车企已经宣布将接入文心一言。长安逸达成为首搭文心一言的车型，将通过软件升级的载到新车上。华为在5月宣布AITO问界M9将搭载AI大模型，小艺智慧助手将具有更好AI体验。讯飞“星火认知”大模型也有汽车领域相关的产品，可以实现车内跨业务、跨场有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。数据来源：佐思汽研、东方证券研究所三、AI大模型带来感知层、决策层和人车交互的变化应用于智能泊车功能；摄像头是实现众多预警、mm磁波，具有较强的穿透性，m但是分辨率有限，无法清晰辨别较小的物体。激光雷达精度高(角/速度/距离分辨率)，响应速度快，最远的探测距离高达500米，本高，且抗干扰能力弱。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。器头波雷达本高距离250m内200m内500m内角度30°-150°120°10°-70°15°-360°间工作能力弱强强强极端天气工作能力弱弱响雨、烟影响大稳定性强弱强强响大小小测量能力弱强强标识别能力无有无无识别能力无无强数据来源：电子技术应用，电子工程专辑，东方证券研究所整理纯视觉方案：以特斯拉为代表。使用多颗摄像头为传感器，采用Transformer+BEV算法或视觉+毫米波雷达方案：毫米波雷达的全天候识别能力可提升自动驾驶系统在极端天气和幽暗环境下的安全性。值得注意的是，根据太平洋汽车等平台，特斯拉最新自动驾驶系统HW4.0可能D视觉+毫米波雷达+激光雷达方案：是短期内实现高等级自动驾驶的关键。根据小鹏汽车、哪吒汽车、智目科技、辰韬资本等公司发言人在第十届全球新能源汽车大会(GNEV11)上的讨论，短期内(1-3年)激光雷达对自动驾驶都是必要的，可以加快推出自动驾驶系统的时间，并提高安，降低自动驾驶普及门槛。根据毫末智行分析，的小模型逐渐应用到自动驾驶系统；而数据驱动的3.0时代已经开启，通过数据驱动算法模型快统，较ADS1.0激光雷达减少2个，毫米波雷达减少3个，摄像头数量减少2个，但依靠TransformerBEV道巡航辅助增强和哨兵模式。多模态大模型提升自动驾驶安全性。尽管纯视觉方案具有成本优势，激光雷达可为视觉方案提供感知冗余。弗洛斯特沙利文认为，在未来几年内随着雷达硬件成本下降和多模态大模型的发展，+毫米波雷达+激光雷达方案凭借安全冗余的优势仍将在L2+高等级自动驾驶中受到广泛选择。司新传感器方案毫米波雷达+激光雷达模型毫米波雷达+激光雷达斯拉纯视觉(HW3.0)，摄像头+毫米波传感器(HW4.0)有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。融合特征提取识别数据级融合融合特征提取识别数据级融合特征级融合决策级融合特征提取识别融合想摄像头+毫米波雷达+激光雷达(ADMax)、纯视觉(ADPro)来毫米波雷达+激光雷达激光雷达的双独立系统CV大模型、双激光雷达融合O毫米波雷达+激光雷达数据来源：人工驾驶之心，太平洋汽车，东方证券研究所整理级融合算法是将各传感器数据分别进行特征提取并进行识别，最后融合感知信息以备决策。决策级融合算法对不同传感器分别建立识别模型，其算法复杂度低、算力要求小，且便于进行不同传感器组合，是目前自动驾驶车企采取的主流方案；但是该方法精度有限，在城市道路等复杂场景下适用性较差。特征级融合算法是在多传感器特征提取的基础上进行特征融合并识别，较决策级失更少，精度更高，同时所需算力有所提高但仍低于数据级融合算法。NN个数据源NN个数据源特特征提取 融合识别N个数据源数据来源：云创智学，东方证券研究所rFSD感器，将多个摄像头获取的2D图像在Occupancy网络进行特征融合，再使用Transformer模型rs数据积累占据大模型先机。主流厂商在城市领航辅助驾驶(NOA)中采用BEV算法，特斯拉率先应用的BEV+Transformer感知大模型基于摄像头硬件+CV大模型，可实现“重感知、轻地图”乃至彻底“脱图”。多家国内主流自动驾驶车企已宣布EVTransformerXNETNGPP上市的新摩卡DHT-PHEV；商汤于2023年4月宣布BEV环视通用感知算法已进入实车量产阶有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。BEVOTA升级多款2022、2023款车型；地平线等厂商也纷纷宣布将在2023年内实现BEV+Transformer模型架构的落地。理想汽车将在很快向北京PN网络(NeuralPriorNet)，也在红绿灯信号识别、通行规划控制等方面引入大模型算法。理想也司应用大模型的感知架构注ANP3.02023年内量产BEV环视通用感知算法2023年4月宣布实车量产XNET架构HPilot3.0、DriveGPT类似BEV的神经先验NPN网络2023年底落地Banyan2.0.0ADS2.0广到45城2023年1月量产DeepRoute-Driver3.02023年3月22日发布2023年推出数据来源：36kr、虎嗅、东方证券研究所整理 (1280x960)摄像头，总算力约为144TOPS；据媒体报道，HW4.0系统将使用12颗分辨率为5.4M(2896x1876)摄像头，总算力约为500TOPS。国内理想one,蔚来ET7，小鹏SUVG9，8M摄像头，以达到更高的感知精度和更远的感知距离。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。数据来源：特斯拉、东方证券研究所4D毫米波雷达落地，毫米波雷达有望迭代。4D毫米波雷达在传统毫米波雷达的距离、方位、速度三个维度基础上增加了高度，从而具有更高分辨率和一定成像能力，有望取代3D毫米波雷达。据高工智能汽车研究院预计，2023年中国乘用车市场前装4D毫米波雷达将突破百万颗，到2025年4D成像雷达占全部前向毫米波雷达的比重有望超过40%。4D毫米波雷达可与纯视觉方案结合，提高感知精度；也可部分替代激光雷达，应用于侧向感知或低等级自动驾驶的前向感知中，提供兼具成本和精度的硬件解决方案。例如英特尔子公司Mobileye计划2025年在侧向感知中使用毫米波雷达代替激光雷达。44D毫米波雷达4D毫米波雷达激光雷达激光雷达数据来源：虎嗅智库，东方证券研究所高线束激光雷达在角分辨率和点云数量上较4D毫米波雷达仍具有优势。高线束(32线以上)激光雷达通过对周围环境扫描能够形成3D图像模型，可在横向120°视场范围生成百万/秒的点云D模型，高线束激光雷达仍无法完全被毫米波雷达取代。从而为激光雷达在自动驾驶领域的应用创造更广阔空间。末智行等公司已采用视觉方案代替超声波雷达。超声波雷达主要应用于泊车辅助系统，进行低速高精度下的距离测量，基于视觉的upancyTransformerLL更具成本性和安全性的选择。综合来讲，视觉方案和视觉+激光雷达融合感知方案均可使用AI大模型以提高感知精度，但两者提供前向和侧向感知，提高感知精度和安全性。达应用于侧向感知，激光雷达仍作为前向感知的关键传感器，车载激光雷达将从机械式向全固态有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。，两者后续发展的关键在于：多模态大模型较纯视的降本趋势等。：基于学习的决策规划算法走向主流，AI策规划算法，基于学习的决策算法具有更强的灵活性和智能性。基于学习的决策算法，即通过对环境样本进行自主学习，由数据驱动建立行为规则库，利用不同的学习方法与网络结构，根据不同的环境信息直接进行行为匹配。进一步的，基于学习的决策算法可分习方法。以达到自动驾驶行为的高决策水平。成本和耗时高，难以超越驾驶员水平。行为决策智能水平。强化学习方法让智能体作为行为决策主体，以试错方式进行环境交互，并基于每一步行动后的环境反馈调整智能体行为。通过试错式学习，智能体能够在动态环境中自己做出一系列行为决策，达到优异的自动驾驶能力。数据来源：百度技术培训中心、东方证券研究所数据来源：2022数据来源：百度技术培训中心、东方证券研究所雪湖·海若，相关车型新摩卡DHT-PHEV于6月1日正式上市，毫末DriveGPT参数规模1200亿，预训练阶段引入4000万公里量产车驾驶数据，优化阶段采用人类反馈强化学习(RLHF)技碍物、车道线、行人等，作为一种全新的“自动驾驶语言”。其输入是感知融合后的文本序列，输出是自动驾驶场景文本序列。模型目标为实现端到端驾驶，希望实现四大应用能力，包括智能行为验证、困难场景脱困。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。数据来源：毫末智行，东方证券研究所数据数据来源：毫末智行，东方证券研究所百度于2022年11月发布了预测决策多任务大模型和离线智能仿真系统研究进展；商汤于2023语言大模型落地在即NLP语言大模型主要将应用于智能座舱的语音交互系统。通用型NLP模型以车载语音助手或集，主要功能包括对话式交互、逻辑推理、策略规划和知型体系NLP大模型布时间车应用形式出时间文心NLP2023.3小度车载语音SDK2023.4吉利-百度文心2023.1系列智能座舱2023.5首款搭载车型吉利银河L7上市SenseNova商量SenseChat2023.4绝影智能车舱大讯飞无认知大模型2023.5飞智能座舱魔方RUBIKRubikLanguage2023.5E-Cockpit智能驾驶舱义千问2023.4斑马智行alios系统落地大模型盘古NLP2021.4鸿蒙4.0系统预计23Q4首款搭载车型问界M9上市讯HunYuan-NLP-1T2022.12腾讯云智能车载语音助手数据来源：各公司官网，东方证券研究所整理有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。LPNLP，我们预测NLP大模型在汽车领域应用的主NLP用形式内NLP的主流路线数据来源：东方证券研究所整理有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。AI大模型在自动驾驶领域的应用将催生海量计算和数据传输需求，云端和车端算力硬件行业有望建议关注韦尔股份(603501，买入)、舜宇光学科技(02382，买入)、晶晨股份(688099，买入)、裕太微-U(688515，未评级)、北京君正(300223，买入)、沪电股份(002463，未评级)、富瀚微(300613，未评级)、龙迅股份(688486，未评级)、思特威-W(688213，买入)、联创电子(002036，买入)、徕木股份(603633，未评级)、海康威视(002415，买入)、大华股份(002236，买入)、东山(002384，买入)S速韦尔股份是全球排名前列的中国半导体设计公司。韦尔股份在车用图像传感器领域有着多年的研发经验，近年来，韦尔股份在原有的欧美系主流汽车品牌合作基础上，也大量的导入国内传统汽AI感知大模型的应用成为实现L2+自动驾驶的关键，随着自动驾驶技术的发展和应用场景的复杂车用图像传感器在数量和单颗价值量将有望上涨，预期韦尔股份将在AI感知大模型的应用过入增长。数据来源：韦尔股份、东方证券研究所宇光学科技：车载镜头行业龙头地位稳固，激光雷达等提升以及自动驾驶等级的不断提高，舜宇光学车载镜头的全球市占率持续提升，进一步巩固了行业龙头地位。2022年年报显示，舜宇光学科技的车载镜头出货量接近1000万件，较2021年增有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。位。舜宇光学车载模块获得了多个海内外知名客户的破。数据来源：舜宇光学科技、东方证券研究所新获得的定点项目数量快速增加，并作为全球首家企业量产玻璃材质的多边旋转棱镜，持续为激。.3晶晨股份：智能座舱芯片公司的汽车电子芯片包括车载信息娱乐系统芯片和智能座舱芯片。座舱智能化、网联化的趋势带动芯片计算和数据处理能力、图像和视频处理能力、可靠性等需求提升，为公司带来新的发展契Tops络处理器，支持多系统多屏幕显示，功能覆盖影音娱乐、导航、360全景、个性化体验、人机交互、个人助理、DMS(DriverMonitor为长期战略，将持续投入研发，充分发挥既有优势(系统级平台、智能化SoC)，不断扩充新技产品。4.4其他公司司球CIS车载市场出货量Top10厂商”排行榜，位列全球第4名。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。以太网物理层芯片的企业，已开发了系列千兆物理层芯片，产品性能和技术指标上基本实现对博通、美满电子和瑞昱同类产品的替代，成功打入国内众多知名客户供应链体系。公司自主研发的车载百兆以太网物理层芯片已通过AEC-CS内知名汽车配套设施供应商进行测试并已实现销售。公司自主研发的车载千兆以太网物理层芯片Tier1厂商均为公司客户，产品面向整个汽车市场的各类车型，随着汽车智能化程度提升也将更有利于公司展光学镜头及影像模组、触控显示器件等新型光学光电子产业，布局和培育集成电路模拟芯片产业。公司车载镜头业务发展势头良好，已全面切入国内外几大汽车龙头品牌客户和全球几大主要汽车Tier1客户供应链。车载镜头及车载影像模组业务收入22年增长400%以上至7.67亿元。合肥智行车载影像模组项顺利投产，合肥联创基础建设进展顺利。依顿电子：公司汽车PCB业务22年营收占比已超过50%，已与德国大陆汽车(Continental)、法雷奥(Valeo)、均胜电子(Preh)、博世(Bosch)、安波福(Aptiv)、李尔公司(Lear)、宏景智驾等国内外头部汽车零部件企业形成了稳定合作关系。陶瓷、厚铜等新兴产品市场迅速成长。控股子公司胜伟策将加快p2Pack技术开发与市场推广，VV已拓展终端客户包括宝马、博世、长安、比亚迪、理想等；公司车载SerDes项目进展顺利，计徕木股份：公司汽车连接器产品供应法雷奥、麦格纳、科世达、比亚迪、宁德时代、蜂巢电驱、tier应用于大众、通用、奔驰、福特、丰田、本田、上汽、增500万只新能源汽车高电流电压连接器、1,200万只(套)辅助驾驶模块连接器的年产能。公头在多家国内头部车企平台化车型中量产；在智能驾驶方面，公司聚焦超声波和视觉融合感知技MS量产落地，新定点项目份额国内领先；在行泊一体高阶智能驾驶产品方面，公司融合视觉、超声取得量有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。需求的智能驾驶域控系统，积极探索智驾和座舱融合应用的解决方案。此外，海康也在乘用车后大华股份：子公司华锐捷专注于智能车载产品和行业解决方案，结合车载相机、雷达、域控等产自主品牌头部客户的项目定点。，若技术研发进度不及预期，将会对相关公司造成不利影响。如期“上机”风险；另一方面，自动驾驶车辆相关管理办法尚不明确，城市辅助驾驶和高等级自及的风险。行业竞争加剧：科技、汽车、机械等不同行业公司都看好汽车智能化趋势，竞争加剧将有可能对响。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。》以下条款：报告时，公司持有该股票达到相关上市公司截止本报告发布之日，东证资管、私募业务合计持有沪电股份(002463)股票达到相关上市公司已报告时充分考虑以上披露信息。有关分析师