自動駕駛邁向高階為智能駕駛行業(yè)市場普及鋪平道路 “端到端”或?qū)⒊蔀橹髁骷夹g(shù)

前言:

智能駕駛的核心技術(shù)包括感知、決策、控制等模塊，這些模塊的協(xié)同作用是實現(xiàn)自動駕駛的關(guān)鍵。隨著技術(shù)的不斷成熟，智能駕駛逐步從L2級別向L3及以上級別邁進。高水平自動駕駛顯著降低運營成本，使得智能駕駛技術(shù)從高端市場向主流市場流動，智能駕駛市場滲透率有望大幅提升。數(shù)據(jù)顯示，2023 年全球及中國高級輔助駕駛解決方案市場滲透率均超過 50%，預計到2030 年，全球高級輔助駕駛解決方案市場滲透率將達到 96.7%，其中，高階自動駕駛解決方案占比超過 60%。

智能駕駛路線演變，端到端或?qū)⒊蔀橹髁骷夹g(shù)。自2023年首個全 AI 端到端的自動駕駛系統(tǒng)-特斯拉 FSD V12 測試版問世以來，行業(yè)開始密集布局，端到端或?qū)⒊蔀橹悄荞{駛行業(yè)主流技術(shù)路線。如小鵬開發(fā)并部署量產(chǎn)了端到端的 BEV（Bird’s Eye View）感知架構(gòu) XNet，邁向了端到端自動駕駛系統(tǒng)的重要一步；商湯科技聯(lián)合上海 AI 實驗室等提出了首個感知決策一體化的端到端自動駕駛大模型 UniAD；鑒智機器人公司亦實現(xiàn)了國內(nèi)首個端到端自動駕駛模型的實車部署。

智能駕駛行業(yè)已經(jīng)取得了顯著進展，但在實現(xiàn)全面普及之前在數(shù)據(jù)、算法等方面仍面臨挑戰(zhàn)，行業(yè)仍具備較大提升空間。

一、自動駕駛向高階邁進，為智能駕駛普及鋪平道路

根據(jù)觀研報告網(wǎng)發(fā)布的《中國智能駕駛行業(yè)現(xiàn)狀深度分析與投資前景研究報告（2024-2031年）》顯示，智能駕駛是指通過給車輛裝配智能系統(tǒng)和多種傳感器設備（包括攝像頭、雷達、衛(wèi)星導航設備等），實現(xiàn)車輛的自主安全駕駛的目標。

智能駕駛可以分解為導航、自主駕駛和人工干預。導航解決位置信息如在哪里、到哪里、走哪條道路中的哪條車道等問題；自主駕駛是在智能系統(tǒng)控制下，完成車道保持、超車并道、紅燈停綠燈行、燈語笛語交互等駕駛行為；人工干預，主要是車內(nèi)乘員通過人機交互系統(tǒng)進行意圖表達和意外情況處置。

智能駕駛的核心技術(shù)包括感知、決策、控制等模塊，這些模塊的協(xié)同作用是實現(xiàn)自動駕駛的關(guān)鍵。隨著技術(shù)的不斷成熟，智能駕駛逐步從L2級別向L3及以上級別邁進。L3級別的智能駕駛技術(shù)允許車輛在特定條件下實現(xiàn)完全自主駕駛，而駕駛員只需在必要時接管車輛。

。根據(jù)資料，自動駕駛運營成本主要為人力成本、能源成本及其他成本，其中人力成本占比最大，以中國大陸為例，人力成本占比高達約 59%。實現(xiàn)無人駕駛后，人力成本有望得到大幅降低。

自動駕駛級別分類

資料來源：觀研天下整理

隨著技術(shù)的進步和成本的降低，智能駕駛技術(shù)從高端市場向主流市場流動，越來越多的平價車型開始搭載智能駕駛系統(tǒng)，智能駕駛市場滲透率有望大幅提升。數(shù)據(jù)顯示，2023 年全球及中國高級輔助駕駛解決方案市場滲透率均超過 50%，預計到2030 年，全球高級輔助駕駛解決方案市場滲透率將達到 96.7%，其中，高階自動駕駛解決方案占比超過 60%。

數(shù)據(jù)來源：觀研天下數(shù)據(jù)中心整理

數(shù)據(jù)來源：觀研天下數(shù)據(jù)中心整理

二、智能駕駛路線演變，端到端或?qū)⒊蔀橹髁骷夹g(shù)

智能駕駛技術(shù)的發(fā)展不僅依賴于單一的技術(shù)突破，還需要整個生態(tài)系統(tǒng)的支持，包括高精度地圖、V2X（車聯(lián)網(wǎng)）通信技術(shù)以及智能交通基礎設施等。特別是隨著端到端大模型的應用，智能駕駛的技術(shù)架構(gòu)正在從傳統(tǒng)的模塊化方案逐步向一體化模型過渡，這一變化極大提升了系統(tǒng)的響應速度和決策精度。

傳統(tǒng)上自動駕駛分為感知、決策、規(guī)劃與控制等模塊，通過模塊化的方式完成自動駕駛?cè)蝿?。模塊化方案中，每個獨立的模塊負責單獨的子任務，具備簡化研發(fā)團隊分工、便于問題回溯、低耦合、可解釋性高、易于調(diào)試迭代等優(yōu)點，但由于將不同任務解耦，各個模塊相對于最終的駕駛規(guī)劃目標存在信息損失問題，因此往往會丟失最優(yōu)性，另外多個模塊間優(yōu)化目標不一致，誤差會在模塊間傳遞，造成誤差傳遞。

而端到端架構(gòu)可直接從車輛狀態(tài)和傳感器采集的外部環(huán)境數(shù)據(jù)中學習策略，通過繞過中間組件來消除潛在的信息瓶頸和累積誤差，并允許網(wǎng)絡效仿人類駕駛員朝著最終目標持續(xù)優(yōu)化。

資料來源：觀研天下整理

端到端優(yōu)勢突出，自2023年首個全 AI 端到端的自動駕駛系統(tǒng)-特斯拉 FSD V12 測試版問世以來，行業(yè)開始密集布局，端到端或?qū)⒊蔀橹悄荞{駛行業(yè)主流技術(shù)路線。如小鵬開發(fā)并部署量產(chǎn)了端到端的 BEV（Bird’s Eye View）感知架構(gòu) XNet，邁向了端到端自動駕駛系統(tǒng)的重要一步；商湯科技聯(lián)合上海 AI 實驗室等提出了首個感知決策一體化的端到端自動駕駛大模型 UniAD；鑒智機器人公司亦實現(xiàn)了國內(nèi)首個端到端自動駕駛模型的實車部署。

各車企智能駕駛布局情況一覽

資料來源：觀研天下整理

三、智能駕駛在數(shù)據(jù)、算法等方面仍面臨挑戰(zhàn)，行業(yè)提升空間較大

智能駕駛行業(yè)已經(jīng)取得了顯著進展，但在實現(xiàn)全面普及之前仍面臨諸多挑戰(zhàn)：算法的可靠性和安全性仍需進一步提升，特別是在應對復雜的城市交通環(huán)境時，智能駕駛系統(tǒng)需要能夠處理各種突發(fā)狀況和極端條件；數(shù)據(jù)隱私和網(wǎng)絡安全問題也需要引起足夠的重視，隨著智能駕駛系統(tǒng)的普及，如何保護用戶數(shù)據(jù)免受非法侵害將成為一個重要課題；智能駕駛技術(shù)的標準化和法律法規(guī)的完善也是亟待解決的問題，各國在智能駕駛技術(shù)的標準化方面進展不一，特別是在跨境自動駕駛車輛的應用場景中，不同國家的法律法規(guī)差異可能會導致技術(shù)應用的復雜性增加。

資料來源：觀研天下整理（zlj）