AI大模型如何加速无人驾驶发展？
近年来，无人驾驶发展驶入“快车道”，政策端传出利好消息，工信部明确表示支持L3级及更高级别的自动驾驶功能商业化应用。同时，产业端也迎来利好，AI大模型或进一步加入无人驾驶的发展，具体来看AI从哪些方面赋能？华泰证券在最新的报告中，对AI大模型赋能自动驾驶进行了详细剖析，分析指出AI大模型的引入（自动标注、感知预测算法的快速迭代），从行业整体层面可以加速高级别辅助驾驶的量产落地。其次，智能驾驶板块后发者借助产业链优势（云端算力中心、通用开源模型的适配）与先发者在数据积累、模型迭代中的差距有望进一步缩小。而受
近年来，无人驾驶发展驶入“快车道”，政策端传出利好消息，工信部明确表示支持L3级及更高级别的自动驾驶功能商业化应用。
同时，产业端也迎来利好，AI大模型或进一步加入无人驾驶的发展，具体来看AI从哪些方面赋能？
华泰证券在最新的报告中，对AI大模型赋能自动驾驶进行了详细剖析，分析指出AI大模型的引入（自动标注、感知预测算法的快速迭代），从行业整体层面可以加速高级别辅助驾驶的量产落地。
其次，智能驾驶板块后发者借助产业链优势（云端算力中心、通用开源模型的适配）与先发者在数据积累、模型迭代中的差距有望进一步缩小。
而受益于智能驾驶本土化的客观需求、产业链各环节国内供应商产品性能的提升与下游自主品牌的崛起，零部件国产替代趋势显著。
总结来看，华泰认为，今年或是城市NOA（领航辅助驾驶）普及的元年。当前旗舰车型高级别辅助驾驶BOM成本为1.4万元，预测2023-2030年高级别辅助驾驶BOM成本的平均年降幅度为11%。
提升数据采集、数据标注的效率
海量的数据是无人驾驶的基础，主要来自真实数据、虚拟仿真、影子模式，而下一步是则对数据进行识别、标注。
数据采集方面，华泰证券指出，大模型可以构建虚拟场景人工生成数据，补充现实中难以获得/数据量不足的情形。
以特斯拉FSD为例，针对真实道路场景中不常见的案例，特斯拉通过模拟仿真，构建虚拟场景采集数据，以丰富数据的来源，为模型训练提供支持；通过数据引擎，人工挖掘误判的、非典型案例。
数据标注方面，华泰证券指出，人工标注成本高、效率低，自动标注是AI大模型赋能智能驾驶最直接的应用，能大幅降低数据标注的成本。
以特斯拉为例，特斯拉FSD通过“多重轨迹重建”技术自动标注车辆行驶轨迹。目前在集群中运行12小时即可完成10000次行驶轨迹标注，取代500万小时人工标注。通过机器的自我训练，减少了人力标注成本高、效率低的问题。
以Meta的SAM为代表的图像分割大模型的出现可大幅降低数据标注的成本，该模型是有史以来最大的分割数据集。
优化感知-决策-执行三阶段算法
同样以考特斯拉FSD为例，华泰分析师黄乐平将自动驾驶模型算法按流程，分为感知识别道路和道路上物体）、预测（预测周围车辆和行人的行为）、执行（控制车辆速度方向等行动）三个阶段。
特斯拉、新势力等主要企业从几年前开始采用基于Transformer的大模型等新技术，1）提高道路、物体的识别精准度；2）学习人类的驾驶习惯（影子模式），3)缩短决策所需要的时间，从而训练模型更加“拟人”。
1、感知层面：OccupancyNetwork、3D建模
华泰证券指出，特斯拉创新性的提出了占用网络（OccupancyNetwork）模型，直接将3D空间点格化，相较于之前在障碍物识别和行驶路径预判方面有了明显提升，具体来看：
1）通过占用网络，只需分析物体的空间内栅格占用情况，不需对物体本身进行检测识别，规避传统视觉算法中对物体识别失败带来的车祸风险。
2）占用网络解决传统视觉算法难题及还原道路坡度和曲率，辅助行车更优决策。
3）基于占用网络可以预测道路上其它物体的行进轨迹。
2、预测层面：道路拓扑关系预测、障碍物预测
华泰证券指出，预测分两种，一种是道路信息的预测，另一种是障碍物的预测。
车道线网络模型辅助进行车辆行驶路径的预判。车道线网络模型生成的“车道语言”，可以在小于10毫秒的延迟内，思考超过7500万个可能影响车辆决策的因素，运行这套语言的功耗只需要8W，较大的提升了特斯拉FSD对车辆行驶路径的预判能力。
物体的预测包含动、静概率信息，再结合道路拓扑信息，为最终的形式决策提供支持，模型会自动生成虚拟车辆，令决策更贴近人类驾驶员的思维模式。
3、决策层面：车端算力升级、模型计算效率优化，决策更加智能
决策的难点在于多方的交互与对路权的博弈，计算的效率是至关重要的。华泰证券表示：
目前业内普遍50-100毫秒之间完成一轮计算。受车端算力与计算效率的限制，目前决策层面的模型可分为两类：1）rulebase的模型（类似if程序，提前设定了某些情境下的反应机制）；2）特斯拉的交互搜索的模型（querybase的条件下可缩短单次计算时间至100微秒）。
推动车端/云端算力升级与国产化
最后，受益于智能驾驶本土化的客观需求、产业链各环节国内供应商产品性能的提升与下游自主品牌的崛起，华泰证券认为零部件国产替代趋势显著。
随着大模型上车对车载算力需求的进一步提高，以及车载芯片制造商对芯片架构和技术的改进，车载芯片的算力有望持续上升。英伟达Thor芯片（2000TOPS）未来量产有望加速计算平台融合。
云端方面，基础设施算力升级加速算法迭代：
主机厂和自动驾驶技术开发商积极布局建设智算中心，以提高自身“云上”竞争力。目前，主机厂特斯拉、小鹏、吉利，解决方案提供商毫末智行、商汤、百度布局建设了智算中心，用于训练自动驾驶等大模型。
随着智能驾驶的逐步渗透，大模型或将成为各公司的核心竞争力之一，为匹配模型中大规模参数以及大数据量计算，智算中心的建设规模有望持续扩张。
华泰证券展望未来3-5年AI赋能智能驾驶如何重塑出行方式，预计今年或是城市NOA普及的元年，高级别辅助驾驶将呈现降本趋势，2023-2030年高级别辅助驾驶BOM成本的平均年降幅度为11%。
本文节选自华泰证券《AI大模型如何加速无人驾驶发展》
分析师
黄乐平 SAC No. S0570521050001 SFC No. AUZ066
陈旭东 SAC No. S0570521070004 SFC No. BPH392
张宇 SAC No. S0570121090024 SFC No. BSF274
郭春杏 SAC No. S0570122010047 SFC No. BTP481
AI大模型专项上市指引落地，科创板第五套标准扩展至AI领域，支持优质企业上市。龙头股涨超13%，科创创业人工智能ETF涨超4%。政策驱动明确，美银预计全球AI资本支出达1.7万亿美元，国信证券指出AI商业模式逐步闭环。
成都市新增5款生成式AI大模型通过国家备案，总量升至23款，较2025年增长53%。新模型覆盖工业智造、财经教育、政务文书、媒体等垂直场景，包括蜀天云数、数联慧眼、博特文书、经论大模型和灵知泛传播大模型，为本土AI产业注入新活力。
清华大学与OpenBMB联合团队研究发现，混合注意力架构中全注意力层是长文本理解的核心，高效注意力层贡献有限。大窗口滑动注意力会拖延全注意力层发展长距离检索能力，小窗口或去除全注意力层位置编码能显著提升性能。
美国交通部拟取消完全无人驾驶汽车强制配备制动踏板的规定，以推动标准现代化。此举为特斯拉、Waymo等自动驾驶出租车扫清障碍，但制动安全标准不降低，其他车辆仍保留踏板。
中国AI大模型单周调用量20.39万亿Token，环比增8.4%，连续九周全球第一。前三均为中国模型：DeepSeek-V4-Flash六连冠，小米MiMo-V2.5与MiniMaxM3紧随，OwlAlpha、GLM5.2等新模型增长迅猛。
上海市智慧调解数据创新实验室揭牌，聚焦矛盾纠纷全链条智能化，引入AI大模型辅助调解。试点显示，案件响应时间压缩至1-2小时，调解员有效工时占比超80%。公共数据同盟与数链空间为数据融合创新提供支撑。
快手发布2026反诈治理报告，AI大模型日均调用84万余次，涉诈账号识别能力提升5倍以上，主动拦截98.1%反诈行为。多类典型诈骗举报量同比大幅下降，全年发送反诈提示2.14亿人次，协助侦破案件2000余起，构建全链路防护体系。
快手发布2026反诈治理报告，依托AI大模型等技术系统性升级反诈体系。报告显示，98.1%的反诈行为在萌芽阶段被拦截，涉诈账号识别与治理能力提升5倍以上，多类典型诈骗举报量同比下降。
针对网传7月1日起深圳全域开放无人驾驶，官方回应系误读。《深圳经济特区智能网联汽车管理条例》仅授权政府有序探索全域测试与示范应用，并非直接开放商业化运营。当前所有智能网联汽车仍处于限定区域测试阶段，全面放开需逐步推进。
安波福为应对全球芯片涨价与供应紧张，推行“本土化+全球化”双轨供应链，建立数字孪生系统对进口与国产芯片备份管理，并利用AI大模型实时预警、提前储备存储芯片，同时优化电源管理系统以减少对高成本功率芯片的依赖。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
