国信证券：智能驾驶行业专题：算法篇：AI赋能背景下看汽车智能驾驶算法的迭代

核心观点目前自动驾驶行业网络基础架构普遍为Input->backbone->neck->head->output。纯视觉方案的特斯拉自主构建HydraNet网络，在input端输入摄像头的原始图像数据，通过backbone层神经网络(CNN)提取图像特征，对特征赋予时间等信息做融合（BEV+Transformer），将速度、环境等感知处理结果传向各子heads再完成后续规控任务。目前行业通用的自动驾驶模型是存在感知、规划几个模型的分解式构造。特斯拉端到端模型有望引领行业。特斯拉感知层从CNN单head网络迭代，2021年引入BEV+Transformer，将多摄像头数据统一成?俯视角度；2022年提出OccupancyNetworks判断空间占用。规划层引入交互搜索，逐步增加约束条件（其他参与者博弈行为）做最优路径规划。2023年后特斯拉提出端到端自动驾驶大模型，将感知、规划多个模型融合成大模型，实现直接输入图像数据到输出转向、刹车等驾驶指令突破。减少中间模块训练过程，集中模型训练资源；避免数据多级传输误差，系统迭代速度提升，进化加速。国内逐步落地大模型。特斯拉软件领先，硬件8颗摄像头