华为智能驾驶方案剖析

华为ADS智驾方案始终坚持激光雷达+毫米波雷达+摄像头的多传感器融合路线,行业降本压力下硬件配置从超配逐步转向贴合实际需求,带动整体硬件成本下降。

1)单车传感器数量呈现下降趋势,包括激光雷达从3个减配至1个、毫米波雷达从6R减配至3R、摄像头数量亦有所减少;

2)车侧算力从400TOPS降低至200TOPS、更贴合实际需求,同时或在探索"Max + Pro"双版本智驾硬件配置方案。

算法架构方面,从2021年的ADS1.0到2023年的ADS 2.0,障碍物识别从人工标注走向自主决策、道路识别上从有图方案转为无图方案,而今年4月发布的3.0版本采用端到端大模型。

华为ADS在感知、决策规划两大方面持续选代:

1)障碍物识别方面,从BEV升级至G0D,优化对异形障碍物、罕见障碍物的识别性能;

2)车道识别及路径规划方面,从1.0的"有高精地图"转向2.0的"无图",无外购高精地图基础下,采用RCR算法完成车道实时识别及路径规划,提升了智驾方案的城市泛化速度及更新频率;

3)ADS 3.0采用端到端大模型,有别于特斯拉所宣传的"大一统"模型,华为ADS采用感知+决策分层的GOD+PDP架构。

智驾生态逐步扩大,华为作为国内领先智驾厂商有望引领产业发展。华为目前已与五大车企深度合作,三大合作模式下终端车企"朋友圈"陆续开拓中。ADS高阶包或已实现销售规模超30亿元,车BU已接近盈亏平衡。同时,华为积极参与国内智驾标准建立,未来有望持续引领我国智驾产业发展。华为智驾持续发展带动其合作车型竞争力不断提升,因此我们推荐关注华为合作智驾车型相关供应链的发展机遇。

(获得材料,加小编微信号zhijiashexiaoming)

相关推荐
山烛4 分钟前
KNN 算法中的各种距离:从原理到应用
人工智能·python·算法·机器学习·knn·k近邻算法·距离公式
盲盒Q14 分钟前
《频率之光:归途之光》
人工智能·硬件架构·量子计算
墨染点香22 分钟前
第七章 Pytorch构建模型详解【构建CIFAR10模型结构】
人工智能·pytorch·python
go546315846523 分钟前
基于分组规则的Excel数据分组优化系统设计与实现
人工智能·学习·生成对抗网络·数学建模·语音识别
茫茫人海一粒沙29 分钟前
vLLM 的“投机取巧”:Speculative Decoding 如何加速大语言模型推理
人工智能·语言模型·自然语言处理
诗酒当趁年华31 分钟前
【NLP实践】二、自训练数据实现中文文本分类并提供RestfulAPI服务
人工智能·自然语言处理·分类
静心问道1 小时前
Idefics3:构建和更好地理解视觉-语言模型:洞察与未来方向
人工智能·多模态·ai技术应用
sheep88881 小时前
AI与区块链Web3技术融合:重塑数字经济的未来格局
人工智能·区块链
奋进的孤狼1 小时前
【Spring AI】阿里云DashScope灵积模型
人工智能·spring·阿里云·ai·云计算
AIGC_北苏1 小时前
让UV管理一切!!!
linux·人工智能·uv