本次会议集中讨论了智能驾驶领域面临的软件和技术挑战，尤其强调了感知能力不足是目前中国企业在智能驾驶发展中清遇的主要瓶颈。与会专家指出了从感知到决策各环节的挑战，并提到国内企业正在积极研究无围技术来改善这一问题，但与国际先进企业相比仍有较大差距。此外，会议提醒投资者在智能驾驶领域的投资需谨慎，注意评估投资风险并尊重知识产权讨论涵盖了道路元素识别的方法和技术难题，包括利用高精度地图进行模型训练及其实际应用中的局限性。介绍了不同企业如何平衡依赖高精度地图与减弱这种依赖之间的问题，以及如何处理静态和动态障碍物。尽管如此，现有的方法在应对真实道路情况时仍然存在不足，因此对未来的发展方向进行了深入思考。特斯拉通过大规模的数据工程支撑其自动驾驶技术，而国内企业则面临资金投入不足和长期研发耐心块失的问题。通过新技术方案，如利用云端高度地图数据替代车辆本地依赖，一些企业加速了智能驾驶项目的进度。英伟达在智能驾驶领域的投资不仅限于硬件，也扩展到了软件端，显示出对基于视频数据处理的大模型方法的支持，此外，国内外汽车制造商在智能驾驶技术研发上各有侧重，技术创新被视为推动行业发展的重要力量。会议强调技术导向领导和优秀技术团队对于智能驾驶公司的重要性，并指出国内一些公司在架构设计和团队管理上的不足。特斯拉的 V12技术通过改进决策规划层面，展示了自动驾驶技术的进步，但依然面临提升用户信任和满意度的挑战。总体而言，技术创新和差异化将是智能驾驶领域企业竞争的关键问:在智能驾驶软件端，您认为目前的壁垒主要体现在哪个方面?答:目前在智能驾驶软件端，最大的壁垒是感知能力不足。智能驾驶是一个复杂系统工程，感知是整个软件的基础，而国内感知结果不够准确，特别是动态碍物的感知，国内各家主要依靠激光雷达获取动态障碍物的准确位置信息，以配合纯视觉识别的语义信息得到稳定的空间位置。同时，国内在静态险碍物感知方面，例如道路元秀，目前主要采用高精度地图作为真实情况的标注，通过云端训练感知模型时引用高精度地图来提高准确度，但在实际道路环境中，高精度地图与真实道路情况存在差异，导致感知模型无法完全通应复杂场景。答:国内感知技术方案与特斯拉存在较大差异。国内目前采用的是无图路线，即不依赖高精度地图直接获取车道线等道路元素信息，而特斯拉则是通过车辆摄像头捕提周围环境信息并进行分析，利用强化学习训练模型来实现感知。国内方案中，为了短期快速实现无图化许多公司采用高精度地图作为参考，如华为和小鹏等，将高精度地图数据反投影到车辆摄像头视角下，标记感知车道线，以稳定感知模型，但这种做法存在一个问题，即感知模型在复杂环境下不能完全适应真实道路情况，尤其是在车道线不清晰或改造后的地方，感知模型往往不能准确捕捉到实际情况。答:国内各家公司转向无图方案主要是受到特斯拉的影响。特斯拉在2022年AIC 会议后展示了其在无图感知方面的成功实践，让国内公司认识到高精度地图方案在泛化到更多城市时的困难和正确率问题。特斯拉的成功效果引发了国内企业的焦虑，因此，在2023年初，国内各家企业开始大规模转向无图感知技术方案，但由于缺乏积累，只能采用高清地图作为辅助标注感知车道线等技术手段，以加快上马进程。小鹏也曾在早期采用高精度地图方案，但为了实现更广泛的城市应用，逐渐弱化了对高精度地图的依赖。问:特斯拉的技术架构和数据工程工作的重要性是什么?答:特斯拉的技术架构中，感知模块通过采集并处理各类数据，包括视频数据，利用云端处理构建出一个静态的 3D世界模型。然后，通过高质量的数据标注将动态信息还原至该3D 世界，实现虚拟现实般的精准标注效果。这个过程是特斯拉感知型高质量的基础，并且要大量的数据工程工作支持问:国内企业在感知数据处理方面的差距主要体现在哪些方面?答:国内企业在感知数据处理方面，与特斯拉相比，主要差距在于数据周期长、缺乏大规模高质量数据的自动化标注以及相应的大模型训练。国内企业在短时间内很难实现特斯拉那样的大规模高质量数据收集、处理和标注，导致感知模型的质量难以提升。答:国内企业在决策规划方面虽然也在主攻相关技术，但由于感知数据质量不高，导致决策规划的基础不够扎实。决策规划往往依赖于工程师或小模型进行后处理，而非基于大高质量数据驱动的算法，这也是当前行业面临的瓶颈之一。
问:特斯拉在数据处理和3D重建方面有哪些关键技术和应用答:特斯拉使用大模型进行3D重建，能够在像索级别上考虑多个数据源融合，实现路口等复杂场景的还原。目前，国内企业在招人从事类似Nerve等大模型研发工作，但由于缺乏耐心和定力，未真正投入大量资源进行这类关键技术研发。问:去年国内智能驾驶企业开城过程中主要关注哪些内容?答:去年国内智能驾驶企业在开城阶段，除了少数使用高精度地图方案外，主要工作是采集道路数据用于后续标注。今年，像小这样的企业尝试将各个城市的数据进行统一标注形成一个全国通用的模型，但该模型对3D世界构建能力较弱，导致车道线等关键信息表现不佳。问:海外自动驾驶公司威力(FVAVVAYV1)的定位和市场策略是什么?答:威力是一家英国初创公司，从成立之初就定位为做端到端智能驾驶，专注于自动驾驶系统的核心技术，而非多模块式的智能驾驶方案。尽管目前尚未大规模展示感知结果，但其技术路线和技术深度受到软银、英伟达和微软等公司的投资关注。问:为什么大家原意投资该公司，而且投资数额较大?该公司如何利用数据生成工具进行数据生产?答:最主要的原因是该公司展示了一种可能性，即不依赖大量数据就能实现不错的智能驾驶效果。该公司背后建立了一系列工具链，使得其在训练过程中不完全依赖现实世界的数据，比如特斯拉这样的行业标杆，其成功依赖于海量的数据和算力。该公司开发了一个名为JAIA 的大模型，类似于一个文本生成模型。用户输入一些文本指令后，系统会输出一段视频作为训练数据。例如，输入“生成上海街头避让行人"的指令，系统会生成一段包含相关场景的视频。这种数据生成技术使得训练过程更为高效，尤其对于数据稀缺的企业来说具有重要意义。
答:该公司在英国的表现相当出色，特别是在城区行驶50多分钟的过程中全程无人管，且无地图捕助，仅依自身车道内的训练，且数据需求较低。英国的道路环相对简单利于其进行有效的训练和展示效果。
答:Lingo模型是一个端到端交互模型，解决了智能驾驶系统作为黑箱难以与乘客或驾驶员进行有效交互的问题。该模型能够回答驾驶员提出的关于路况的问题，并标注识别到的交通信号灯等信息，提供安全可靠的信息支持，给投资人带来较大的想象空问。
答:仿真平台是一个重要的工具，它能够将现实世界的视频资料构建为高度还原的 3D虚拟空问，并在此基础上进行算法选代和测试。通过调整虚拟环境中的道路设置、交通规则等可以模拟各种道路状况和交通事故，从而快速达代优化智能驾驶算法，降低实际路测的成本和风险，答:该公司在传感器和芯片成本上没有使用昂贵的激光雷达，而是采用更为经济的方案。其成本优势主要体现在算力成本、数据存储成本以及数据生产成本上，比如在数据量积累和训练过程中，其所需资源远低于像特斯拉这样的企业。问:英伟达作为算力提供商，是否会因为投资该公司而在产业链上产生冲击?答:英伟达投资该公司的确存在一定的逻辑冲突，因为其作为提供端侧和云端算力的角色，本身可能从该公司的工具性大模型使用中获益，同时特斯拉的做法也会给其带来一定的影响。不过，英伟达可能更倾向于支持这种使用工具型大模型进行训练的方式，并且考虑到特斯拉在自动驾驶领域的成功，有可能会将其经验和技术应用到自己的业务中去问:特斯拉对英伟达的采购量大，英伟达对此有何反应及采取了什么行动?答:英伟达已经意识到了平台性工作的重要性，他们正在开展类似OnUniverse 的平台项目，这与微软理念相重叠。虽然依赖特斯拉对英伟达的采购量很大，但同时也会在云端方面的需求降低，因为车端的算力需求会让英伟达从智能驾驶中获利。问:国内车厂对于自动驾驶解决方案的态度是怎样的?未来国内车厂在自动驾驶领域的定位会如何变化?答:国内车厂目前既有自主研发智能驾驶技术的尝试，也有通过股权投资其他公司的策略。此外，还有定点研发的形式与各车型进行合作。不过，随着自动驾驶技术的发展，车厂在该领域的定位可能会弱化，因为它们不具备独立研发智能驾驶的能力，只能寻求供应商的合作。未来车厂在自动驾驶领域的定位会更加依赖于供应商，类似于Mobileye 那样。随着技术差距的拉大，车厂会更倾向于选择优质且效果良好的供应商，以实现产品的出清和行业的洗牌。
问:现在比较有可能跑出来的自动驾驶算法供应商有哪些?答:当前来看，大疆、华为和地平线是比较有可能跑出来的供应商。
大疆在做产品时很懂消费者需求，且能够理头研发多年并取得成功;华为有钱且善于复制领先技术，但其组织架构可能会影响创新能力地平线由于其芯片和整体解决方案的优势，加上中美关系的影响也有较好的市场前景。问:某门塔、民融和袁荣等公司在自动驾驶领域的发展前景如何?答:某门塔由于过于偏重交付项目而缺乏真正的研发创新，长期来看并不看好其在技术创新方面的优势;圆融抓住了短期风口，但其技术方案壁垒并不高，存在被其他公司迫赶的风险;袁荣在早期研究海外技术方案并成功解决了问题，但其技术方案的壁垒并不高，能否取得更多市场份额还需观察问:特斯拉 FSDV12的效果与国内最好的技术相比，优势在哪里?答:特斯拉V12的优势在于它将决策规划部分从传统的30万行代码优化算法转变为神经网络模型，这让车辆在复杂场景下能够更加灵活、丝滑地应对各种情况。尽管它仍然处于L2加加阶段，但这种转变使得车能在一定程度上承担部分驾驶责任，减少驾驶员的压力。此外V12 在感知模型上虽然与之前的 V11感知桓型没有本质差异，但在决策规划上实现了显著的进步答:特斯拉V12 面临的主要问题是其仍处于L2加加阶段，这意味着驾驶员仍要承担部分驾驶责任，且其对一些特殊场景如需天等处理仍有不足。此外，由于特斯拉V12并没有完全实现全自动驾驶(即L4级别)，因此在安全性和售价上存在一定的局限性。同时，由于自动驾驶技术尚不具备百分之百准确性的特点，特斯拉目前的端到端系统并不能完全保证安全。答:V12的感知模型和决策规划模型并未合二为一，而是采用了感知神经网络型加决策规划神经网络模型的架构。虽然感知模型在结构上没有本质差异，但决策规划模型的改进在于从传统的基于规则的优化算法转变为神经网络模型，使其在处理复杂场采时更加灵活。然而，由于感知模块未有效捕捉到物流信息(如物体在空间中的分布情况)，使得决策规划仍需依赖于精确的三维建模数据。==============================【ZX汽车】FSD入华渐行渐近，持续看好智能化产业链FSD入华渐行渐近，进展可期。5 月 30 日，路透社报道：1）特斯拉已成功获得工信部的软件注册，这将为特斯拉内部测试FSD铺平道路，特斯拉员工将在中国公共道路上测试，并计划在未来几个月内升级推送给中国用户；2）特斯拉正在考虑以月度订阅的方式向其第二大市场中国汽车用户出售该软件。特斯拉已在北美大规模推送基于端到端的FSD V12.3，智能驾驶性能大幅提升。今年3月起，特斯拉向北美用户大规模推送基于端到端的FSD V12.3，该版本具备更高的性能上限、更拟人化的驾驶风格和更快的模型收敛速度。从接管里程来看，根据Tesla FSD Tracker 数据，FSD V12.3的每次关键接管行驶里程已提升至358英里，驾驶员的接管次数显著降低。截至4月23日，特斯拉FSD的累计行驶里程达12亿英里，较本月6日披露的10亿英里，快速增长20%，数据积累进一步加速。公司的Robotaxi也将于今年8月8日发布，持续引领行业发展！中国企业持续跟进端到端模型，有机会实现智能驾驶的能力跃升。端到端模型将感知、规划、控制等模块合成为一个大的神经网络，其优势在于：1）更易于接近整体最优解；3）由数据驱动，车辆控制的拟人化程度高。国内公司方面，小鹏汽车已发布基于端到端的智能驾驶方案；蔚来计划在今年上半年上线基于端到端的主动安全功能；理想汽车基于端到端的智能驾驶模型也将于今年上线。此外，元戎启行已经将端到端模型适配到量产车上，计划今年投放市场。投资建议：特斯拉持续引领智能驾驶行业发展，FSD入华有望为行业带来鲶鱼效应。国内智驾领先的主机厂等智能化产业链公司持续优化智能驾驶的用户体验，有望受益于行业发展。（1）整车：华为系车企（赛力斯、长安汽车、北汽蓝谷、江淮汽车）、小鹏汽车、理想汽车、蔚来、小米集团等；（2）域控制器：德赛西威、科博达、经纬恒润、华阳集团、均胜电子等；（3）智能底盘：伯特利、拓普集团、耐世特等。================================1、5月30日《新闻联播》提到“面向经济主战场，新质生产力加快培育，智能机器人等新兴产业不断壮大”，中国科学院自动化所Q系列人形机器人、通用母平台“天工”在新闻中亮相；2、5月31日，OpenAI发言人表示近期重新组建机器人团队，2020年由于缺乏可用于训练机器人软件的数据解散其机器人团队；但Open其实从未放弃过对人形机器人的探索，也参与了figure投资；3、6月2日，英伟达CEO黄仁勋将在COMPUTEX 2024 开幕仪式发表主题演讲；4、6月13日特斯拉召开2024年度股东大会，官方宣传视频包含大量Optimus镜头；我们推测股东大会将有重磅进展发布，值得高度关注。1）确定性较高的tier1/2：三花、拓普、鸣志、绿的；2）价值量高/产业持续变化的丝杠：北特、贝斯特、五洲、恒立；3）六维力传感器0-1阶段：东华、索辰、安培龙等；==================================【KY机械】Open AI重启机器人团队，人形机器人6月迎来密集催化，目前是黄金上车点！#OpenAI重启机器人团队：2024年5月30日OpenAI证实，两个月前，OpenAI重新组建了机器人团队。此前OpenAI机器人业务主要为对外投资和软件服务授权，2024年OpenAI重新组建机器人团队直接下场参与竞争证实人形机器人作为AI的最优硬件方向，具有极具吸引力的商业前景。AI巨头是推动人形机器人产业发展的核心力量，这个时代已经来临！！#目前是核心配置窗口，6-8月份催化不断：人形机器人已经进入了量产前夕，国内宇树科技等低阶版本已经开始售卖，国家层面的支持加速落地。2024下半年到2025年上半年是特斯拉机器人定型、定量、定份额的关键时间窗口，特斯拉机器人有望在25年下半年开启预售。当前板块逢低可重点布局。#节奏判断：六到八月份关注重点事件催化；Q3以后关注定点情况。#接下来催化包括：20240520的哈默那科业绩会（已开）、20240602 黄仁勋演讲、20240613特斯拉股东大会、20240704上海人工智能大会、20240821北京世界机器人大会、特斯拉人形机器人定点消息。（2）受益标的：浙海德曼、步科股份、康斯特、东华测试、金力永磁、恒工精密五洲新春、北特科技、中大力德、丰立智能、兆威机电、东华测试、康斯特、拓普集团、三花智控、步科股份、恒工精密
作者利益披露：原创，不作为证券推荐或投资建议，截至发文时，作者持有相关标的，下一个交易日内可能择机卖出。
声明：文章观点来自网友，仅为作者个人研究意见，不代表韭研公社观点及立场，站内所有文章均不构成投资建议，请投资者注意风险，独立审慎决策。
