2024年自动驾驶行业知识报告.pdf

LocationMinimumHigh90%Statistics of thenumberMagnitudeStatistics of the number30%66%90%行业知识报告 自动驾驶共创APEX&CONSULTING自动驾驶智能驾驶雷达激光雷达NOA新能源汽车前言说明关于行业知识报告在“信息爆炸”的当下，知识接收与学习的需求愈加迫切，终身学习的重要性不言而喻。我们悉心构建，希望凭借自身专业能力及信息资源用心为您提供“包罗万象”的行业知识报告；我们精心打磨，力求每篇报告都能汇聚该行业更全面、更动态、更深入的知识理论与市场经验；我们实时关注，及时洞察行业动态，总览行业全景：助力“小白”知识速览、“大神”信息同步。我们希望成为您快速了解新行业的重要帮手。关于知识共享与共创“理愈辩而愈明”，行业知识报告并非尽善尽美。我们相信每个意见和建议都会为报告阅读者创造价值，倘若当前报告存在疏漏或是您其他可补充的关键信息，可随时联系我们，我们始终欢迎并接受您所提出的建设性意见。我们将按一定优先级进行筛选后，定期或并不定期进行报告优化及数据更新。我们相信知识共创的力量。2tWgViYkWcVoWpOrQ8O9R9PoMnNnPnRjMnNrMkPnPrQ7NqRrNxNtQnRNZpOsR目录APEX&CONSULTING自动驾驶行业概览及技术背景1行业概览：自动驾驶基本概念&定义从车辆自主控制到完全无人驾驶行业概览：自动驾驶行业发展历程多技术路线并行，自动驾驶行业进入“工业革命”新时代技术原理&底层逻辑：自动驾驶技术架构“感知、决策、控制”三位一体，共筑自动驾驶原理框架技术原理&底层逻辑：自动驾驶过渡技术NOA：从L2到完全自动驾驶的重要过渡技术技术原理&底层逻辑：自动驾驶过渡技术NOA：细分功能与场景详述自动驾驶关键技术组件：传感器雷达：实时感知驾驶环境信息自动驾驶关键技术组件：传感器技术激光雷达：推动自动驾驶技术发展和商业化进程的关键技术之一自动驾驶关键技术组件：传感器激光雷达系统组成详述自动驾驶关键技术组件：传感器激光雷达技术发展路线自动驾驶关键技术组件：传感器车载摄像头：实时采集驾驶过程高清图像信息自动驾驶关键技术组件：传感器车载摄像头：车载摄像头结构与部件详述自动驾驶关键技术组件：传感器车载摄像头：车载摄像头模组工作原理详述自动驾驶关键技术组件：车载计算平台硬件部分：高性能计算&处理硬件实时分析行驶数据自动驾驶关键技术组件：车载计算平台软件部分：保障车辆安全有效行驶，不断迭代助力实现完全自动驾驶自动驾驶关键技术组件：通信技术（V2X）V2X：实现自动驾驶和智能交通系统的关键技术之一前言目录APEX&CONSULTING自动驾驶行业概览及技术背景1自动驾驶关键技术组件：自动驾驶算法自动驾驶算法迭代历程自动驾驶关键技术组件：自动驾驶算法感知算法：自动驾驶感知算法定义与技术原理自动驾驶关键技术组件：自动驾驶算法感知算法：感知算法技术正逐渐向上游融合发展自动驾驶关键技术组件：自动驾驶算法决策算法：自动驾驶决策算法定义与技术原理自动驾驶关键技术组件：自动驾驶算法控制算法：自动驾驶控制算法定义与技术原理自动驾驶关键技术组件：域控制器域控制器：集合控制复杂功能与子系统的关键控制单元自动驾驶关键技术组件：域控制器域控制器：自动驾驶域控制器构成与技术原理自动驾驶关键技术组件：自动驾驶模型传统模型：自动驾驶传统模型痛点自动驾驶关键技术组件：自动驾驶模型“端到端”模型：自动驾驶“端到端”模型优势与潜在挑战自动驾驶关键技术组件：未来趋势从“硬件”到“数据”，自动驾驶正进入数据驱动“新时代”自动驾驶关键技术组件：未来趋势数据“为王”，自动驾驶或将通过软件算法打磨形式“进化”自动驾驶行业市场分析2行业发展背景：政策环境国家层面高度重视，自动驾驶已成为国家重点关注的战略新兴行业行业发展背景：政策环境地方政府积极响应，“多点开花”助力实现技术&市场“双轮驱动”自动驾驶行业市场分析2目录APEX&CONSULTING行业发展背景：社会环境环境保护与交通安全需求共同推进自动驾驶行业发展行业发展背景：技术环境多领域技术飞速发展，共同加速自动驾驶落地进程行业发展背景：需求环境核心消费群体“年轻化”趋势显著，需求与认知重塑进程加速行业市场概览：中国&全球市场情况自动驾驶渗透率逐渐增长，行业市场呈现飞速增长局面行业市场概览：自动驾驶产业链图谱商业模式创新，参与主体呈现多元化发展趋势细分行业市场：上游感知层激光雷达行业市场发展情况细分行业市场：上游感知层激光雷达上游产业链及车企搭载情况细分行业市场：上游感知层车载摄像头行业市场发展情况细分行业市场：上游感知层车载摄像头行业市场竞争格局细分行业市场：上游感知层高精地图行业市场发展情况细分行业市场：上游决策层芯片&半导体行业市场发展情况细分行业市场：上游决策层芯片&半导体算力需求增长趋势细分行业市场：上游决策层自动驾驶软件行业市场概况细分行业市场：上游控制层自动驾驶域控制器行业市场发展情况细分行业市场：中游整车市场自动驾驶中游整车行业市场发展情况报告免费分享+V：R t h e 4 5自动驾驶行业市场分析2目录APEX&CONSULTING细分行业市场：中游整车市场啊自动驾驶中游整车L2级别市场发展情况行业市场概览：自动驾驶行业投融资情况投融资区域集中性显著，企业仍处早期发展阶段行业市场概览：自动驾驶行业投融资情况资本市场关注领域转移，解决方案及落地属性备受关注 自动驾驶行业主要公司发展情况3竞争格局：整体情况中国自动驾驶汽车行业竞争格局概述竞争格局：NOA使用情况高速与城市NOA使用场景分析竞争格局：自主品牌NOA布局各大厂商积极布局城市NOA竞争格局：中国自动驾驶汽车行业集中度行业专利归属较为分散，市场集中度有待提高区域分布中国自动驾驶汽车行业代表性企业区域分布热力图重点企业介绍：特斯拉自动驾驶引领者，“一超”地位稳固重点企业介绍：特斯拉特斯拉自动驾驶技术（FSD）概述重点企业介绍：华为智能驾驶生态建立，多企业合作推动业务拓展重点企业介绍：华为华为自动驾驶技术（ADS）概述重点企业介绍：小鹏快速迭代保持领跑，销量下滑仍为目前压力自动驾驶行业主要公司发展情况3自动驾驶非乘用车应用场景4目录APEX&CONSULTING重点企业介绍：小鹏小鹏自动驾驶技术（Xpilot）概述重点企业介绍：理想紧抓重点市场保障销量，“后起之秀”实现“先发制人”重点企业介绍：理想理想自动驾驶技术（Li AD）概述非乘用车应用场景：物流自动驾驶物流场景应用情况概述非乘用车应用场景：物流自动驾驶干线物流应用情况非乘用车应用场景：物流自动驾驶末端物流应用情况非乘用车应用场景：Robotaxi技术&需求双轮驱动，Robotaxi商业化进程加速非乘用车应用场景：RobotaxiRobotaxi应用阶段详述非乘用车应用场景：封闭场景单一场景避免干扰，“降本增效”优势加速落地进展非乘用车应用场景：封闭场景自动驾驶矿山场景应用概况非乘用车应用场景：封闭场景自动驾驶港口场景应用概况自动驾驶行业发展趋势与展望5目录APEX&CONSULTING发展趋势01：高水平演化从辅助驾驶到全自动驾驶，多角度助推行业向高水平方向演化发展趋势 02：过渡方案单车智能&车路协同，自动驾驶高水平过渡阶段的“新思路”发展趋势 02：过渡方案单车智能：L3级别自动驾驶实现前的核心解决方案发展趋势 02：过渡方案车路协同：L3/L4高级别自动驾驶实现的关键前言资料来源：灼鼎咨询9在当前全球技术革新的浪潮中，自动驾驶技术正迅速成为汽车行业的焦点。中国的汽车制造商正在加大对智能化和自动驾驶技术的投资，力求在市场中占据领先地位。2024年初，比亚迪在这一领域的投资达到了1000亿元，研发团队规模达到4000人左右。华为智能汽车的研发团队规模更是达到7000人左右，而小鹏和理想汽车也在积极扩展其研发团队，以提升其自动驾驶能力。自动驾驶技术的发展不仅体现在技术创新上，更体现在实际应用的广泛推广。根据数据显示，41.1%的用户每周至少使用高速NOA功能2-3次，而在城市NOA功能的使用上，41%的用户每周使用2-3次，这反映出用户对NOA功能的依赖性和需求正在不断增加。具体场景方面，高速NOA功能的主要使用场景包括每次途径高速（42.9%）和上下班通勤（37.5%），而城市NOA功能的主要使用场景则是上下班通勤（56%）和节假日出行（31%）。智能汽车在市场上的表现也体现了自动驾驶技术的快速发展。2024年1月，在上市新车中的智能汽车渗透率高达79.00%，但在3月有所回落，降至55.98%。这种波动可能反映出市场需求的变化和技术应用的逐步成熟。随着技术的不断进步和市场需求的增长，自动驾驶技术正从辅助驾驶逐步向全自动驾驶过渡。NOA作为L2+级辅助驾驶的典型功能，标志着从ADAS（高级驾驶辅助系统）到FSD（完全自动驾驶）的重要过渡。未来，随着政策支持和技术发展的同步推进，自动驾驶技术将更加成熟和普及，改变我们的驾驶方式，并重新定义交通和移动性。APEX&CONSULTING11资料来源：汽车驾驶自动化分级，灼鼎咨询分析整理行业概览：自动驾驶基本概念&定义概念与定义自动驾驶技术（自动驾驶技术（Autonomous Driving TechnologyAutonomous Driving Technology）是指：使汽车能够在没有人类司机介入的情况下安全行驶的一系列技术，它涵盖了从车辆自主控制到完全无人驾驶的广泛技术。自动驾驶分级图自动驾驶分级自动驾驶分级名称名称定义定义驾驶操作驾驶操作周边监控周边监控接管接管应用场景应用场景L0人工驾驶由人类驾驶员全权驾驶车辆人类驾驶员人类驾驶员人类驾驶员无L1辅助驾驶车辆对方向盘和加减速中的一项操作提供驾驶，人类驾驶员负责其余的驾驶动作人类驾驶员人类驾驶员人类驾驶员限定场景L2部分自动驾驶车辆对方向盘和加减速中的一项操作提供驾驶，人类驾驶员负责其余的驾驶动作车辆人类驾驶员人类驾驶员L3条件自动驾驶由车辆完成绝大部分驾驶操作，人类驾驶员需要保持注意力集中以备不时之需车辆车辆人类驾驶员L4高度自动驾驶由车辆完成所有驾驶操作，人类驾驶员无需保持注意力集中，但限定道路和环境条件车辆车辆车辆L5完全自动驾驶由车辆完成所有驾驶操作，人类驾驶员无需保持注意力集中车辆车辆车辆所有场景提高道路安全：提高道路安全：通过传感器和算法能够持续监控周围环境，并作出快速、精确的反应，避免碰撞和其他危险情况，从而减少交通事故发生的概率。增加交通效率：增加交通效率：对车辆的行驶路径和速度进行优化，减少交通拥堵。车辆能够更有效地协同工作，提高整体交通流的效率。减少能源消耗和排放：减少能源消耗和排放：通过优化驾驶行为和减少不必要的加速和减速，自动驾驶车辆可以降低燃料消耗和排放。提供移动性解决方案：提供移动性解决方案：自动驾驶车辆特别适合那些驾驶困难的人群，如老年人和残疾人，提供更多的独立性和移动性。商业和物流应用：商业和物流应用：自动驾驶技术在物流和运输行业中的应用，如自动驾驶卡车和无人配送车辆，可以提高运输效率，降低成本。改善生活质量：改善生活质量：通过减少驾驶压力和时间，自动驾驶汽车为乘客提供了更多的时间进行工作、休息或娱乐活动。自动驾驶的作用与好处 从车辆自主控制到完全无人驾驶起步阶段（1925-1966）工业革命时代（2021年至今）大航海时代（2014-2021年）哥伦布时代（2004-2014年）技术奠基阶段（1966-2004年）12资料来源：虎嗅，灼鼎咨询分析整理行业概览：自动驾驶行业发展历程国内自动驾驶详细历程萌芽期：政策引导与技术初探（2010-2015年）国家发布新能源汽车产业发展规划，其中提到智能网联汽车的发展方向。百度于2013年成立自动驾驶研究团队，开始探索自动驾驶技术。2015年，百度在北京完成了中国首例全自动驾驶汽车测试，标志着中国在自动驾驶领域的技术突破。快速发展期：创新突破与产业布局（2016-2020年）2017年，新一代人工智能发展规划发布，明确提出发展智能网联汽车。2018年，各地政府相继出台自动驾驶测试管理政策，开启道路测试许可。百度推出Apollo开放平台，吸引大量企业和研究机构参与，推动技术快速进步。滴滴、蔚来、华为等企业纷纷布局自动驾驶，开展研发和测试工作。多个城市建立自动驾驶测试区，如北京、上海、广州等。百度、滴滴等公司在长沙、北京、上海等地启动自动驾驶出租车（Robotaxi）试点项目。成熟期：商业化探索与全面应用（2021年至今）2021年，智能网联汽车技术路线图2.0发布，进一步明确了自动驾驶技术的发展目标和路线。各地政府加快智能交通基础设施建设，支持自动驾驶商业化应用。自动驾驶技术在感知、决策、控制等方面不断进步，具备在复杂道路环境下的运行能力。百度、小马智行等企业的自动驾驶出租车服务在多个城市实现常态化运营。自动驾驶在公共交通、物流运输等领域逐步落地应用。京东、菜鸟网络等企业试点自动驾驶配送车，提升物流配送效率。智能道路和车联网（V2X）技术逐步推广，为自动驾驶车辆提供更安全高效的运行环境。多技术路线并行，自动驾驶行业进入“工业革命”新时代报告免费分享+V：R t h e 4 5资料来源：艾瑞咨询，灼鼎咨询分析整理13技术原理&底层逻辑：自动驾驶技术架构“感知、决策、控制”三位一体，共筑自动驾驶原理框架环境感知决策规划控制执行外部环境场景外部环境场景车辆运动感知外部环境感知车内人员感知车辆轨迹预测行驶路线规划危险行为预警转向控制驱动控制制动控制安全控制轨迹跟踪数据融合轨迹规划异常处理摄像头、毫米波雷达、激光雷达、超声波雷达 决策（决策（Decision MakingDecision Making）系统：）系统：是自动驾驶汽车的大脑，这个系统处理来自感知系统的信息。路径规划：路径规划：计算从当前位置到目的地的最佳路径。行为预测：行为预测：预测其他道路使用者的行为。决策制定：决策制定：基于预测和当前环境做出安全和有效的驾驶决策。这些决策算法往往依赖于先进的人工智能和机器学习技术，包括深度学习和增强学习。感知（感知（PerceptionPerception）技术：技术：是自动驾驶汽车用来解释周围世界的眼睛和耳朵。摄像头：摄像头：用于捕捉图像和视频，通过计算机视觉算法处理，识别道路标志、信号、行人和其他车辆。雷达：雷达：电磁波帮助测量距离和速度，对恶劣天气条件具有强大的抗干扰能力。激光雷达：激光雷达：提供精确的 3D 环境映射，关键在于检测和分类周围的物体。超声波传感器：超声波传感器：在短距离内非常有效，通常用于停车和低速驾驶场景。感知系统还需要将这些不同的传感器数据融合在一起，提供一个全面的环境理解。决策感知控制（控制（ControlControl）系统：）系统：负责执行决策系统的命令车辆动态：车辆动态：理解和控制车辆的物理行为。执行器控制：执行器控制：操作车辆的方向盘、加速器和刹车。稳定性控制：稳定性控制：保持车辆在各种驾驶条件下的稳定性和动态性能。控制14资料来源：MIT Technology Review，灼鼎咨询分析整理技术原理&底层逻辑：自动驾驶过渡技术NOANOA（Navigation on Navigation on AutoPilotAutoPilot）与自动驾驶的关系是紧密相关的，NOA 是 L2+级辅助驾驶的典型功能，标志着从 ADAS（高级驾驶辅助系统）到 FSD（完全自动驾驶）的过渡。这种系统能够实现在高速公路、城市快速路和普通城市道路上的点对点自动驾驶。目前，NOA 主要包括高速 NOA 和城市 NOA 两种应用场景一是由 Cruise、Waymo 和百度等公司领导的 Level 4 技术，这些技术用于机器人出租车，尽管技术上更为先进，但通常限制在特定的地理边界内。另一个等级是 NOA 系统，如特斯拉的 FSD 或小鹏的 XNGP，它们仅为Level 2 技术，意味着人类驾驶员仍需要监控大部分任务，但这项技术更加普及，现已在全球销售的汽车中可用。使用自动驾驶技术主要有两个等级发展NOA的原因中国的汽车制造商正通过内部开发 Level 2 导航技术来保持市场竞争力，并将城市 NOA 服务作为其车辆的升级服务出售。而 AI 公司在努力达到 Level 4 或 5 自动驾驶技术的同时，也需要中间收入来源。NOA 服务可以快速带来现金，并且至关重要的是，能够获得更多数据来训练AI模型。2023年度H1中国乘用车市场NOA提供商市场份额排名排名供应商供应商市场份额市场份额1英伟达52.57%2地平线30.71%3德州仪器8.62%4Mobileye4.05%4华为海思4.05%NOA 作为向完全自动驾驶过渡的重要技术，虽然目前处于辅助驾驶的阶段，但正在逐步实现更复杂的驾驶任务，推动自动驾驶技术的发展和普及。NOA：从L2到完全自动驾驶的重要过渡技术15资料来源：亿欧智库，灼鼎咨询分析整理技术原理&底层逻辑：自动驾驶过渡技术NOANOA 功能细分功能细分展望未来自动驾驶导航路线规划：路线规划：系统自动规划从起点到终点的最佳路径。高速公路导航：高速公路导航：在高速公路上自动驾驶，包括入口、出口和转换高速公路。车道控制自动车道变换：自动车道变换：在驾驶员启动转向灯的情况下自动变换车道。基于导航的车道建议：基于导航的车道建议：根据即将到来的路线改变（如出口或合流）自动建议或执行车道变换。速度控制自适应巡航控制：自适应巡航控制：自动调整车速以与前车保持安全距离。自动调整速度限制：自动调整速度限制：根据道路标志和地图数据自动调整行驶速度。自动驾驶辅助自动紧急刹车：自动紧急刹车：检测到潜在碰撞时自动刹车。车道保持辅助：车道保持辅助：帮助车辆保持在当前车道中央。环境感知360360度环境感知：度环境感知：使用摄像头、雷达和超声波传感器全方位感知周围环境。盲点监测：盲点监测：监测并警告车辆盲点中的物体或车辆。交互和反馈驾驶员监控：驾驶员监控：确保驾驶员在使用NOA时保持警觉并随时准备接管控制。视觉和声音提示：视觉和声音提示：通过车辆显示屏和声音提供导航指示和系统状态反馈。场景分类高速高速 NOANOA 场景场景高速路况与场景复杂度较低，因此造车新势力以及传统头部车企已基本实现了高速场景NOA的量产。场景一：自动汇入主路场景一：自动汇入主路领航开始后，在经匝道并即将进入主路时，根据高精地图及主路内车流、车道线情况智能调节车速，自动打灯变道，汇入主路。场景二：主路巡航行驶、智能选车道场景二：主路巡航行驶、智能选车道根据道路限速及高精地图自动设定巡航速度，综合道路情况智能选择驶入主路后，选择最优车道场景三：自动驶离高速场景三：自动驶离高速主路巡航时，前方需驶出主路在距匝道前方约2.5km时，提前自动择机向右并到最外侧车道，以便驶入匝道城市城市NOANOA场景场景城市路况复杂，对于智能驾驶的硬件及软件的要求更高，仍有巨大的发展潜力。道路交通场景多方面道路交通场景多方面交通网络错综复杂，交织点众多城市通勤道路常见三大场景：多分叉口、多变车道、非清晰车道主车行为多变化主车行为多变化主车行驶车速时快时慢，常换车道城市通勤道路持有三大行为：车速慢/多换车道/借道行车功能开放度提升行车功能开放度提升 NOA：细分功能与场景详述存在的挑战解释性和可调试性解释性和可调试性:端到端方法通常被认为是“黑箱”模型，难以解释和调试。这在安全关键的自动驾驶应用中是一个重要问题。数据依赖性数据依赖性:端到端学习极度依赖于大量的、高质量的、多样化的训练数据。缺乏代表性的数据可能导致模型在现实世界中表现不佳。泛化能力泛化能力:端到端模型可能在训练数据覆盖的场景下表现良好，但对于新的或罕见的场景可能缺乏足够的泛化能力。安全性和可靠性安全性和可靠性:确保端到端模型的安全性和可靠性是一个挑战，特别是在没有清晰的规则和标准的情况下。16资料来源：CSDN，灼鼎咨询分析整理自动驾驶关键技术组件：自动驾驶模型端到端（端到端（EndEnd-toto-End,E2EEnd,E2E）学习通常指的是使用深度学习直接从输入数据（如摄像头图像）到输出控制（如转向角度、加速度）的映射，不再将问题切分为多个单独的模块（如感知、规划、控制等）。可能的改善减少模块间的错误累积减少模块间的错误累积:在传统模块化架构中，一个模块的误差可以传递并在下一个模块中累积。而在端到端系统中，整个流程被视为一个单一的学习任务，这可能减少错误的传递和累积。提高适应性提高适应性:端到端系统可以在训练过程中直接从大量数据中学习复杂的环境适应性，可比模块化方法更好地处理不同的驾驶条件和场景。简化系统设计简化系统设计:端到端方法简化了系统架构，减少了模块间的复杂交互，可能降低系统集成的难度。数据输入数据输入传感器数据采集传感器数据采集:收集来自车辆各种传感器的原始数据，包括摄像头图像、雷达、激光雷达（LIDAR）等。数据预处理数据预处理图像预处理图像预处理:对摄像头采集的图像进行裁剪、缩放、标准化等处理。信号同步信号同步:对不同传感器采集的数据进行时间同步。深度学习模型深度学习模型模型训练模型训练:使用深度学习算法（如卷积神经网络，CNN）对数据进行训练。直接映射直接映射:学习从原始传感器数据到驾驶决策的直接映射。驾驶决策驾驶决策转向控制转向控制:决定车辆的转向角度。加速和制动加速和制动:决定车辆的加速或减速。控制执行控制执行物理控制物理控制:将深度学习模型的输出应用于车辆的实际控制系统，控制方向盘、油门和刹车。“端到端”模型：自动驾驶“端到端”模型优势与潜在挑战全文共90页，如需查看全文，或有其他行业报告定制需求请通过邮箱联系客服！邮箱地址：report_报告免费分享+V：R t h e 4 517资料来源：前瞻产业研究院，灼鼎咨询分析整理自动驾驶关键技术组件：未来趋势硬件驱动时代硬件驱动时代软件驱动时代软件驱动时代数据驱动时代数据驱动时代里程规模:100万公里 感知方式:激光雷达 认知原则:人工规则 里程规模:100万-1亿公里 感知方式:传感器单独输出结果 认知原则:人工规则应用模型:小模型小数据 里程规模:1亿公里以上 感知方式:多模态传感器联合输出结果 认知原则:可解释的场景化驾驶常识 应用模型:大模型大数据 1.0 时代：硬件驱动2.0 时代：软件驱动3.0 时代：数据驱动在这个时代，技术的重点是开发和优化硬件组件，如激光雷达（LiDAR）、摄像头和雷达。这些硬件是自动驾驶系统的眼睛，它们能够感知周围的环境并提供必要的数据。这一时代的自动驾驶解决方案依赖于硬件的性能以及基于规则的算法，这些算法通常是手工编写的，用以解释传感器数据并做出驾驶决策。随着计算能力的提高和算法的进步，自动驾驶的发展逐渐转向软件和算法。在这个阶段，传感器数据被单独处理，每个传感器各自为战，分别输出结果。软件解决方案开始采用机器学习模型，尽管这些模型相对较小，且训练数据有限，但它们在处理特定任务方面已经显示出优于硬编码规则的潜力。数据驱动时代数据驱动时代标志着自动驾驶技术的一个新阶段。在这里，大数据和强大的计算能力使得可以使用更复杂、更大的模型，这些模型能够从多模态传感器（如激光雷达、摄像头、雷达等）联合输出的结果中学习。这种方式使得系统可以更全面地理解环境，提高决策的准确性和鲁棒性。此外，大数据的使用还意味着系统可以从多样化和大量的驾驶场景中学习，从而提高其泛化能力和适应不同驾驶条件的能力。三个时代的转变反映了自动驾驶技术的成熟过程，从依赖硬件到算法，再到数据的全面利用。随着技术的进步，可以预见未来自动驾驶将继续演化，可能会有更多的创新和突破，使自动驾驶变得更加安全、可靠和普遍。从“硬件”到“数据”，自动驾驶正进入数据驱动“新时代”全文共90页，如需查看全文，或有其他行业报告定制需求请通过邮箱联系客服！邮箱地址：report_18资料来源：毫未智行，前瞻产业研究院，灼鼎咨询分析整理自动驾驶关键技术组件：未来趋势自动驾驶技术的进化从 2.0 时代到 3.0 时代确实带来了显著的变革，这些变革不仅体现在技术层面，还体现在开发模式上。自动驾驶 2.0 时代：小数据、小模型，Case任务驱动技术特点技术特点：小数据：小数据：依赖相对较小的数据集，这些数据集通常针对特定的驾驶场景或任务。小模型：小模型：使用相对简单的机器学习模型，这些模型专注于特定的任务，如物体检测、车道识别等。开发模式：开发模式：开发重点是针对特定的驾驶场景或“Case”，例如交叉路口处理、行人避让等。开发团队会针对这些特定情况设计和优化算法。局限性：局限性：这种方法在处理已知场景时表现良好，但在面对未知或复杂场景时可能缺乏灵活性和适应性。能力突破与模型统一能力突破与模型统一在云端实现感知大模型和认知大模型的能力突破 车端各类小模型逐步统一为感知模型和认知模型 控制模块AI模型化 大模型化大模型化车端智驾系统全链路模型化 小模型逐渐统一到 大模型内 模型提升模型提升云端大模型逐步提升车端感知能力 自动驾驶大模型铺开自动驾驶大模型铺开端到端的自动驾驶大模型在车端、云端全面铺开自动驾驶 3.0 时代技术特点：技术特点：大数据：大数据：利用大规模的数据集进行训练，这些数据集包含了各种驾驶环境和情况，提供更全面的场景覆盖。大模型：大模型：使用复杂的机器学习模型，如深度学习网络，这些模型能够从大量数据中学习更丰富的特征和模式。开发模式：开发模式：数据驱动：数据驱动：侧重于从真实世界的大量数据中学习，而非仅针对特定的驾驶任务。这种方法旨在使系统能够更好地理解和适应各种复杂、动态的驾驶环境。优势和挑战：优势和挑战：优势：优势：更强的泛化能力，能够处理更多样化和复杂的驾驶场景。挑战：挑战：需要更大的数据处理能力，对计算资源的需求更高，数据质量和多样性成为关键因素。总的来说，自动驾驶 3.0 时代的技术和开发模式更加强调数据的作用和规模，旨在通过利用大量数据来训练复杂的模型，从而提高系统的泛化能力和适应性。这种方法的成功极大地依赖于数据质量、数据处理能力和先进的算法研发。数据“为王”，自动驾驶或将通过软件算法打磨形式“进化”全文共90页，如需查看全文，或有其他行业报告定制需求请通过邮箱联系客服！邮箱地址：report_APEX&CONSULTING20资料来源：中国政府网站，灼鼎咨询分析整理行业发展背景：政策环境 国家层面高度重视，自动驾驶已成为国家重点关注的战略新兴行业搭载 L1-L2 级别的自动驾驶在过去几年迅速占据了市场。未来，L3 及更高级别的自动驾驶将受到更多的关注与发展，并且将成为无人驾驶产业发展的分水岭。2023 年 11 月 17 日，工业和信息化部为了落实关于加强智能网联汽车生产企业及产品准入管理的意见，发布了关于开展智能网联汽车准入和上路通行试点工作的通知。其内容主要为，在智能网联汽车道路测试与示范应用工作基础上，遴选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点；对取得准入的智能网联汽车产品，在限定区域内开展上路通行试点，车辆用于运输经营的需满足交通运输主管部门运营资质和运营管理要求。交通运输部关于推进公路数字化转型加快智慧公路建设发展的意见发布时间：2023 年 9 月发布机构：发改委内容：到 2025 年，国家发展中国标淮指汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产。支持上海开展自动驾驶示范应用发布时间：2023 年 12 月发布机构：国务院内容：在安全前提下测试和示范高度自动驾驶车辆，并加速智能网联汽车的商业应用。此外，计划深化智能网联汽车高精度地图试点，建立数据共享机制，支持数据交易服务，以及创建数据流通与创新平台，制定相关标准和规则。自动驾驶汽车运输安全服务指南（试行）发布时间：2023 年 12 月发布机构：交通运输部内容：允许在符合安全前提下，自动驾驶汽车在指定区域进行城市公共交通、出租车、道路旅客和货物运输经营活动，并规定完全自动驾驶出租车在特定区域可采用远程安全员，比例不低于1:3。国家车联网产业标准体系建设指南(智能网联汽车)(2023 版)发布时间：2023 年 7 月发布机构：工信部内容：到 2025 年，系统形成支撑组合驾驶辅助和自动驾驶通用功能 的智能网联汽车标准体系;2030 年，全面形成能够支撑实现 单车智能和网联赋能协同发展的智能网联汽车标准体系。关于加快智慧港口和智慧航道建设的意见发布时间：2023 年 12 月发布机构：交通运输部内容：计划推动新一代自动化运输设备如自动导引车（AGV）和无人集卡的规模化应用，建立示范项目来展示智慧港口和航道的能力，并深化智能交通的先导试点，特别是在港口集装箱运输和集疏运自动驾驶方面。于开展智能网联汽车“车路云一体化”应用试点工作的通知发布时间：2024 年 01 月发布机构：工业和信息化部 公安部 自然资源部 住房和城乡建设部 交通运输部内容：实现5G通信网络全覆盖，部署C-V2X基础设施，提高车载终端装配率，建立城市级服务管理平台，开展规模化示范应用，探索高精度地图的安全应用，完善标准及测试评价体系，建设跨域身份互认体系，提升道路交通安全保障能力，以及探索新模式新业态等多个方面。政策回顾报告免费分享+V：R t h e 4 521资料来源：各地方政府网站，灼鼎咨询分析整理行业发展背景：政策环境 地方政府积极响应，“多点开花”助力实现技术&市场“双轮驱动”国家层面的政策宏观上指引自动驾驶行业的发展方向和整体进度，而地方性政策是主机厂及自动驾驶 Tier1 自动驾驶技术落地的主要推动力。2023 年地方性自动驾驶政策7月上海8月杭州10月上海11月北京12月重庆临港新片区智能网联汽车创新引领区发展三年行动方案（2023-2025年）到2025年将临港新片区打造成为全国首个综合智能网联汽车功能的创新引领区。智能网联车辆的运营里程达到超过1600万公里，建设超过200公里的智慧道路和400个智能路口，并实现汽车产业规模超过4000亿元，以年平均增长率超过30%的目标。浦东首批无人路测车牌发放浦东首批无人路测车牌发放百度智行、AutoX，小马智行三家企业 155 车获得浦东新区首批发放的无人驾驶智能网联汽车道路测试牌照。本次获得牌照的企业可以在浦东新区行政 区域内划定的路段、区域开展车內全无人的智能网联汽车道路测试。将提供最高200万元补助支持智能网联汽车领域内的示范项目或特色应用场景，如智能出租(Robo-Taxi)、公共交通等。重庆市智能网联汽车准入和上路通行试点管理办重庆市智能网联汽车准入和上路通行试点管理办法（试行）法（试行）办法规定智能网联汽车生产企业必须具备检验能力、安全保障、安全监测能力及用户告知机制。安全保障应涵盖功能安全、网络与数据安全、软件升级管理以及风险和突发事件的处理。同时，企业需对实际道路测试和运行的车辆进行安全状态监测和报告，确保信息的真实性、安全性和完整性。北京市智能网联汽车政策先行区采集数据安全管理细则（试行）智能网联车辆在数据采集时必须确保个人信息安全：车内数据采集需避免收集乘客信息或事先获得同意并报备，必要时进行匿名化处理；车外数据采集若无法获取个人同意，应删除或模糊处理相关画面。生物识别信息不应作为唯一认证手段且不得外传。22资料来源：中国统计年鉴，灼鼎咨询分析整理行业发展背景：社会环境 环境保护与交通安全需求共同推进自动驾驶行业发展减少排放减少排放：智能汽车，特别是与电动车技术结合的智能汽车，可以显著减少温室气体排放和其他污染物的排放，符合全球减排目标。提高能源效率提高能源效率：智能汽车通过优化行驶路径、减少拥堵和空转时间，能够更有效地使用能源，减少燃料消耗。促进可持续交通促进可持续交通：智能汽车技术支持共享出行和公共交通系统的高效运作，减少单一乘客出行，从而减少交通拥堵和环境影响。推动可再生能源的使用推动可再生能源的使用：智能汽车，尤其是电动智能汽车，配合可再生能源，如太阳能和风能，可以进一步减少对化石燃料的依赖。监测和改善环境质量监测和改善环境质量：智能汽车搭载的传感器和数据分析能力可以用于监测空气质量、噪音水平等环境指标，有助于城市环境的改善和管理。环境驱动社会层面社会层面提高交通安全性提高交通效率改善城市空间布局生态层面生态层面降低环境污染节省能源成本智能汽车发展优势交通事故与人为失误的关系占比90%10%人为失误其他原因1010大交通违法行为：大交通违法行为：未按规定让行超速行驶无证驾驶醉酒驾驶未与前车保持安全距离逆行违反交通信号灯酒后驾驶违法超车智能汽车正颠覆着人类的出行方式，它们不仅满足了多样化的驾驶需求和提升了生活品质，还通过易用性使不同群体，包括老年人和残疾人，都能便捷出行。智能汽车通过减少人为错误显著提高安全性，同时通过数据分析和云服务有效缓解交通拥堵和停车难题。对环境的正面影响体现在能源的有效利用和减少环境污染上。长期来看，智能汽车将与智慧交通系统深度融合，构建一个高效、节能、安全的城市交通网络，成为智慧城市体系中不可或缺的一环。23资料来源：汽车之家研究院公众号，灼鼎咨询分析整理行业发展背景：需求环境 核心消费群体“年轻化”趋势显著，需求与认知重塑进程加速2.8%9.3%23.3%25.8%17.6%11.7%9.5%2.7%17.6%19.8%21.9%17.1%11.3%9.6%25 岁及以下26-30 岁31-35 岁36-40 岁41-45 岁46-50 岁51 岁以上2022 年2023 年2022 和 2023 年汽车消费者年龄分布情况2023 年汽车消费者驾驶关注点占比2.7%9.2%16.7%29.9%32.8%37.6%55.6%86.2%其他品牌价值很高设计很潮很酷改善交通拥堵技术含量高安全性更高解放双手减缓疲劳驾驶18%23%28%30%31%39%44%49%64%73%售后舒适性产品质量智能座舱安全性内外饰设计智能驾驶品牌续航里程及经济性价格2023 年汽车消费者智能驾驶关注点自动驾驶技术通过解放驾驶员，减少其在驾驶中的体力与精力消耗解放驾驶员，减少其在驾驶中的体力与精力消耗，为驾驶员提供极大的便利。这项技术允许驾驶员在车辆安全运行的路段内不需要了解复杂的车载传感器工作原理和决策过程。目前，自动驾驶已成为影响消费者购车决策的重要因素，尤其是对互联网时代成长起来的千禧一代来说，自动驾驶功能是选择汽车时的关键考量点。虽然自动驾驶技术仍处于发展初期，但消费者对这一功能的需求日益增加。例如，智能驾驶辅助系统是促使消费者选择特定品牌和车型的主要因素之一。总之，自动驾驶技术正逐步塑造用户的购车认知，预示着它将成为未来汽车发展的关键趋势。全文共90页，如需查看全文，或有其他行业报告定制需求请通过邮箱联系客服！邮箱地址：report_115.9130.9148.6169.4193.9223258.5303417.5680.51299.712.94%13.52%14.00%14.46%15.01%15.92%17.21%37.79%62.99%90.99%201520162017201820192020202120222023E2024E2025E规模及预测（亿元）增长率2015-2025 年全球无人驾驶汽车行业市场规模及预测24资料来源：IT之家，灼鼎咨询分析整理行业市场概览：中国&全球市场情况随着全球5G技术的广泛部署和演进，以及人工智能行业的持续进步，无人驾驶汽车产业正在经历迅猛的增长。2021 年，全球无人驾驶汽车行业的市场规模达到了 258.5 亿元人民币，预测到 2025 年将上升至 1299.7 亿元人民币。行业的市场规模正逐年增大，发展前景乐观。随着相关技术的进一步升级和完善，有理由期待该行业在未来能迎来一次革命性的发展。30.543.955.269.384.181.393.7100.4118.5176.6267.6391.243.93%25.74%25.54%21.36%-3.33%15.25%7.15%18.03%49.03%51.53%46.19%201520162017201820192020202120222023E2024E20