报告派：120+行业速览图册之智能驾驶

智能驾驶

一、行业速览

智能驾驶是指通过装载先进的传感器等智能设备，并融合现代传感技术、信息与通信技术、人工智能等前沿科技，构建了一套具备复杂环境感知、决策规划和控制执行能力的系统。这套系统在一定程度上能够替代或完全取代人类驾驶员的工作。

根据汽车控制权的分配以及安全责任的界定，智能驾驶可以划分为不同的级别。目前，国际自动机工程师学会（SAE-International）和高速公路安全管理局（NHTSA）是智能驾驶分级标准的两大权威机构。特别是国际自动机工程师学会制定的SAE J3016标准，在全球范围内具有广泛的影响力和应用范围。该标准详细地将汽车驾驶自动化分为6个等级，从L0级（无自动化）到L5级（全自动化）。随着级别的提升，车辆的自动化程度也相应提高，这意味着在车辆行驶过程中，对驾驶员的介入需求会逐渐减少。

二、等级分类

根据 SAE J3016 和中国的分级标准，智能驾驶被细分为六个等级：L0 的应急辅助、L1 的部分驾驶辅助、L2 的组合驾驶辅助、L3 的有条件自动驾驶、L4 的高度自动驾驶，以及 L5 的完全自动驾驶。在这些等级中，L1 和 L2 被认为是辅助驾驶，而 L3 至 L5 则属于自动驾驶的范畴。值得注意的是，L3 是一个过渡阶段，在这个阶段，驾驶过程中仍需要人类和机器的共同参与。目前，包括国际知名车企如 BBA，以及国内主流车企如华为、小鹏等在内的众多汽车制造商已经掌握了 L3 级别的自动驾驶技术。然而，L3 级别的自动驾驶在实际道路上仍然面临许多挑战。现阶段，行业中真正得到广泛应用的是接近 L2 级别的 ADAS（高级驾驶辅助系统）功能，例如 APA（自动泊车辅助）和 NOA（领航辅助驾驶）等。

智能驾驶技术路线主要分为纯视觉感知和多传感器融合感知两种。在纯视觉感知路线中，摄像头是主要的感知设备，配合毫米波雷达等低成本传感器，依赖自主研发的芯片和算法，并通过优化视觉系统的AI算法，达到较高的自动驾驶水平。特斯拉的FSD和百度的Apollo lite是纯视觉方案的典型代表。而多传感器融合感知路线则以激光雷达为主导，结合摄像头、毫米波雷达、超声波雷达等多种传感器。目前，多传感器融合路线是主流方案，参与者包括传统车厂、新势力和电装等传统公司。

三、技术解析

BEV+Transformer已经成为智能驾驶算法的主流趋势。

1. 强大的感知能力：BEV通过将360度环视的时间和空间信息融合，为自动驾驶系统提供了全面且准确的感知能力。结合Transformer架构，系统能够识别静态的车道线、红绿灯、道路边缘信息，以及动态的行人、车辆等。这种强大的感知能力是实现高级别自动驾驶的关键。
2. 高效的决策和规划：基于BEV+Transformer的算法能够结合时序帧对周围车辆进行未来3-6秒的轨迹预测。这使得自动驾驶系统能够提前做出决策和规划，提高行驶的安全性和效率。
3. 逐步替代手写规则：随着Transformer模型的规模不断扩大，参数越来越多，准确率也越来越高。这意味着BEV+Transformer有潜力逐步替代传统的手写规则识别方法，进一步推动自动驾驶技术的发展。
4. 端到端的算法闭环：BEV+Transformer的流行也得益于端到端算法的发展。端到端算法能够实现从感知到决策的完整闭环，提高系统的整体性能和鲁棒性。而BEV+Transformer正是实现端到端算法的理想选择。

在特斯拉率先采用BEV+Tranformer大模型下，相比传统的2D+CNN小模型，大模型的主要优势在于：提高感知能力，通过多模态数据融合消除遮挡和重叠问题，提高检测和跟踪精度；提高泛化能力，通过注意力机制寻找内在关系，使智能驾驶学会总结归纳。主流车企及自动驾驶企业已广泛布局BEV+Transformer，大模型成为自动驾驶算法的主流趋势。

image-20240105234447753

BEV和Transformer分别是什么？

BEV，全称为Bird’s Eye View（鸟瞰视角），是一种将三维环境信息投影到二维平面的方法，通过俯视视角展示环境中的物体和地形。而Transformer大模型则是一种基于自注意力机制的深度学习模型。与传统的神经网络RNN和CNN不同，Transformer不会按照串行顺序处理数据，而是通过注意力机制挖掘序列中不同元素的联系及相关性。这使得Transformer能够适应不同长度和不同结构的输入，从而提高了模型在处理序列数据上的能力。

与传统小模型相比，BEV+Transformer的优势在于其能显著增强智能驾驶的感知能力和泛化能力，从而有助于解决智能驾驶中的长尾问题。具体而言，BEV+Transformer的优势体现在以下两个方面：

1. 感知能力提升：通过BEV（Bird's Eye View，鸟瞰视图）的统一视角，BEV+Transformer能够将激光雷达、雷达和相机等多模态数据融合至同一平面上。这样做的好处是能为智能驾驶提供全局视角，同时消除不同数据之间的遮挡和重叠问题，进而提高物体检测和跟踪的精度。
2. 泛化能力提升：Transformer模型通过自注意力机制实现全局理解的特征提取，有助于挖掘事物之间的内在联系。这使得智能驾驶系统能够学会总结归纳驾驶经验，而非仅仅进行机械式学习。因此，BEV+Transformer在提高智能驾驶的泛化能力方面具有显著优势。

“强调感知，降低地图依赖”已成趋势。

在BEV+Transformer架构下，这一趋势更加明显。BEV能够将摄像头捕获的2D图像转化为3D信息，显著提升了纯视觉方案的效果，使得感知层的视觉产业链首先受益。具体来说，每辆车预计将增加4-6颗摄像头，以及6-8颗串行芯片和2-3颗解串行芯片。从摄像头的规格来看，普通摄像头正在向更高像素、更远感知距离的ADAS摄像头升级，这一趋势非常明显。

四、行业定义

智能汽车的发展正在自下而上地重新定义汽车行业。

过去，汽车的性能主要由内燃机的马力来衡量，而现在随着电动化和智能化的发展，汽车的性能指标已经发生了根本性的变化。

在电动汽车时代，动力电池的续航能力成为了衡量汽车性能的重要指标。同时，随着智能汽车时代的到来，算力已经成为影响汽车性能的核心要素。这是因为智能汽车需要大量的数据处理和决策能力，而这些都需要强大的算力支持。

随着智能汽车的发展，汽车的核心竞争力也在发生转移。过去，汽车的核心竞争力主要来自于发动机和底盘等传统机械部件的性能。而现在，随着自动驾驶和智能座舱等技术的发展，汽车的核心竞争力已经扩展到了传感器、芯片等硬件以及算法、操作系统等软件领域。

这种核心竞争力的转移也带来了汽车产业链的重塑。过去，汽车产业链主要围绕发动机、底盘等传统机械部件展开。而现在，随着智能汽车的发展，传感器、芯片等硬件以及算法、操作系统等软件在产业链中的地位日益重要。同时，随着智能化升级的不断推进，汽车线束长度不断增加，这也对汽车的设计和制造提出了更高的要求。

因此，可以说智能汽车的发展正在自下而上地重新定义汽车行业。从性能指标到核心竞争力再到产业链结构，汽车行业正在经历一场深刻的变革。对于汽车制造商来说，要适应这种变革并抓住机遇，就需要不断创新并拥抱新技术和新模式。

智能座舱和智能驾驶成为汽车智能化的关键点：

1. 智能座舱作为智能驾驶和智能服务的入口，在交互环节实现了双手的解放。它能够接收并识别用户的需求，主动提供智能化的服务。

2. 智能驾驶在驾驶环节实现了对注意力的解放，这不仅影响了用户在车内的功能需求，还改变了汽车的产品形态。它是智能汽车产品实现质变的核心要素。

3. 当智能座舱和自动驾驶完全解放了双手和注意力后，汽车的中心将从车本身转移到人，真正成为人的“第三生活空间”。

政策、技术和商业正在推动汽车智能化进入一个时代。

1. 政策：各国政府都在积极推动新能源汽车和智能化交通的发展。例如，中国政府就提出了一系列政策，包括购车补贴、免征购置税等，以鼓励消费者购买和使用新能源汽车。此外， 政府还大力支持自动驾驶技术的研发和应用，为相关企业提供税收优惠、资金扶持等政策支持。
2. 技术：随着人工智能、大数据、云计算等技术的不断发展，汽车智能化水平不断提高。例如，智能驾驶技术已经实现了从部分智能驾驶到完全自动驾驶的跨越，智能座舱也实现了从简单的信息娱乐系统到全方位智能服务的升级。这些技术的进步为汽车智能化提供了强大的技术支持。
3. 商业：汽车智能化已经成为汽车产业链的重要组成部分，各大车企都在积极布局智能化领域。

政策、技术和商业三方的共振正在推动汽车智能化进入一个高速增长期。未来，随着技术的不断进步和政策的不断完善，汽车智能化的发展前景将更加广阔。