(相關(guān)資料圖)

華泰證券研報(bào)表示，4月11日，毫末舉行第8屆AI DAY，發(fā)布了純視覺為主的DriveGPT大模型，該模型現(xiàn)階段主要用于解決自動(dòng)駕駛認(rèn)知決策問題，可以通過輸入駕駛場(chǎng)景數(shù)據(jù)進(jìn)行多場(chǎng)景預(yù)測(cè)并規(guī)劃最佳行徑路途。目前DriveGPT已經(jīng)包含4000萬(wàn)公里的量產(chǎn)車駕駛數(shù)據(jù)、1200億參數(shù)，擁有19.6億個(gè)30萬(wàn)類場(chǎng)景標(biāo)簽。DriveGPT將在今年新摩卡DHT-PHEV車型首發(fā)落地，提升HPilot高速/城市NOH安全性和流暢性。我們認(rèn)為GPT大模型范式有望賦能垂直領(lǐng)域智能駕駛感知標(biāo)注、決策推理等核心環(huán)節(jié)，加速智駕落地，同時(shí)大模型研發(fā)或推動(dòng)駕駛數(shù)據(jù)和算力需求快速增長(zhǎng)。建議關(guān)注L2級(jí)自動(dòng)駕駛/AI算力產(chǎn)業(yè)鏈。

全文如下

華泰 | 電子：從DriveGPT看大模型如何賦能智能駕駛

4月11日，毫末舉行第8屆AI DAY，發(fā)布了純視覺為主的DriveGPT大模型，該模型現(xiàn)階段主要用于解決自動(dòng)駕駛認(rèn)知決策問題，可以通過輸入駕駛場(chǎng)景數(shù)據(jù)進(jìn)行多場(chǎng)景預(yù)測(cè)并規(guī)劃最佳行徑路途。目前DriveGPT已經(jīng)包含4000萬(wàn)公里的量產(chǎn)車駕駛數(shù)據(jù)、1200億參數(shù)，擁有19.6億個(gè)30萬(wàn)類場(chǎng)景標(biāo)簽。DriveGPT將在今年新摩卡DHT-PHEV車型首發(fā)落地，提升HPilot高速/城市NOH安全性和流暢性。我們認(rèn)為GPT大模型范式有望賦能垂直領(lǐng)域智能駕駛感知標(biāo)注、決策推理等核心環(huán)節(jié)，加速智駕落地，同時(shí)大模型研發(fā)或推動(dòng)駕駛數(shù)據(jù)和算力需求快速增長(zhǎng)。建議關(guān)注L2級(jí)自動(dòng)駕駛/AI算力產(chǎn)業(yè)鏈。

核心觀點(diǎn)

DriveGPT:大模型賦能場(chǎng)景生成、軌跡預(yù)測(cè)、推理決策

毫末智行發(fā)布了其DriveGPT自動(dòng)駕駛生成式大模型，具體邏輯：(1)感知環(huán)境離散化后作為token設(shè)計(jì)drive language；(2)輸入大量駕駛場(chǎng)景數(shù)據(jù)，利用transformer模型生成系列決策結(jié)果；(3)RLHF:將人工挑選困難場(chǎng)景Clips(數(shù)據(jù)組)輸入訓(xùn)練模型，對(duì)生成結(jié)果進(jìn)行最優(yōu)解排序；(4)Reward Model強(qiáng)化學(xué)習(xí)。DriveGPT目前可以根據(jù)歷史一段時(shí)間駕駛場(chǎng)景序列數(shù)據(jù)，不斷生成未來(lái)可能發(fā)生的多種駕駛環(huán)境并預(yù)測(cè)每種情況下車輛行駛軌跡。此外公司目前正設(shè)計(jì)利用prompt提示優(yōu)化輸出結(jié)果，并給DriveGPT加入思考鏈，使駕駛策略具備邏輯可解釋性，解決transformer黑盒模式潛在問題。

機(jī)會(huì)：大模型有望解決行業(yè)數(shù)據(jù)標(biāo)注準(zhǔn)確率及成本困境

視覺識(shí)別是開發(fā)大模型的基礎(chǔ)能力之一，識(shí)別傳感器輸入圖像中的車道線、車輛、行人、交通燈等要素并進(jìn)行數(shù)據(jù)標(biāo)注才能獲得大量的可用訓(xùn)練數(shù)據(jù)集。我們看到DriveGPT等大模型可以很好地自動(dòng)識(shí)別圖像以替代人工標(biāo)注，據(jù)毫末會(huì)上表示，DriveGPT可以將交通場(chǎng)景圖像的標(biāo)注費(fèi)用從行業(yè)平均約5元/張降至約0.5元/張，計(jì)劃逐步向合作伙伴開放該服務(wù)。同時(shí)，我們認(rèn)為近期Meta的CV模型SAM有望賦能自動(dòng)駕駛行業(yè)，SAM無(wú)需額外訓(xùn)練即可自動(dòng)完成分割，提升機(jī)器視覺，有利于自動(dòng)駕駛可用訓(xùn)練集快速積累。

挑戰(zhàn)：國(guó)內(nèi)AI智能駕駛大模型應(yīng)用普及仍面臨數(shù)據(jù)需求和算力等挑戰(zhàn)

(1)數(shù)據(jù)：DriveGPT目前參數(shù)量約1200億，擁有約4,000萬(wàn)公里的量產(chǎn)車駕駛數(shù)據(jù)。參考行業(yè)龍頭特斯拉2020年已有超48億公里數(shù)據(jù)，大模型賦能下我們認(rèn)為國(guó)內(nèi)公司或?qū)⒓涌熘悄荞{駛系統(tǒng)量產(chǎn)上車步伐，加快數(shù)據(jù)搜集回饋模型訓(xùn)練。(2)算力：特斯拉FSD背后擁有1.4W個(gè)GPU訓(xùn)練集群；毫末建設(shè)MANA OASIS中心給DriveGPT提供67億次/秒的高性能浮點(diǎn)運(yùn)算，2T/秒存儲(chǔ)帶寬，以及800G/秒通信帶寬支持；小鵬計(jì)算中心“扶搖”提供算力達(dá)600PFLOPS.大模型、大數(shù)據(jù)驅(qū)動(dòng)的智能駕駛對(duì)算力提出了更高要求，有望驅(qū)動(dòng)算力基礎(chǔ)設(shè)施需求。建議關(guān)注L2級(jí)自動(dòng)駕駛/算力產(chǎn)業(yè)鏈。

關(guān)鍵詞：