自动驾驶行业专题报告：领航辅助，自动驾驶“奇点”时刻到来？(11)

高端车型：持续发力城区领航，利好大算力芯片和激光雷达
高端车型受价格战影响相对较小，主机厂追求打造标杆性的智能化标签，或将持续发 力城区领航，以形成真正的技术护城河和品牌溢价。城区领航需要车端具备更强的感知和 运算能力，因此更利好大算力芯片和激光雷达，BEV Transformer 的应用也对自动驾驶 芯片的架构升级和算法供应商的大规模数据工程能力提出了更高的要求。而高精地图受标 注成本高企、测绘资质收紧等因素制约了泛化性，优先级有所降低，“重感知 轻地图”有 望成为各玩家攻克城区领航高地的新路径。
算法：“BEV Transformer”引领自动驾驶感知范式
大模型是当前 AI 领域最为火热的前沿趋势之一，可赋能自动驾驶领域的感知、标注、 仿真训练等多个核心环节。在感知层，以特斯拉为首，“BEV Transformer”范式已开始 在自动驾驶领域得到广泛使用，可有效提升感知精确度，利于后续规划控制算法的实施， 促进端到端自动驾驶框架的发展。
BEV 全称 Bird’s Eye View，即鸟瞰图，该算法旨在将多传感器收集的图像信息投 射至统一 3D 空间，再输入至单一大模型进行整体推理。相较于传统的摄像头图 像，BEV 提供了一个更贴近实际物理世界的统一空间，为后续的多传感器融合以 及规划控制模块开发提供了更大的便利和更多的可能。具体来说，BEV 感知的优 势在于：1）统一了多模态数据处理维度，将多个摄像头或雷达数据转换至 3D 视 角，再做目标检测与分割等任务，从而降低感知误差，并为下游预测和规划控制 模块提供更丰富的输出；2）实现时序信息融合，BEV 下的 3D 视角相较于 2D 信息可有效减少尺度和遮挡问题，甚至可通过先验知识“脑补”被遮挡的物体，有 效提高自动驾驶安全性；3）感知和预测可在统一 3D 空间中实施，通过神经网络 直接完成端到端优化，可有效降低传统感知任务中感知与预测串行的误差累积。