盖世汽车研究院：感知算法驱动高阶智驾迈向规模化新时代

感知算法是自动驾驶系统的核心技术，承担“看懂世界”的关键任务，其发展从BEV到BEV+Transformer，再到Occupancy模型与端到端架构，持续推动系统精度与效率提升。如今，感知算法正加速赋能高阶智驾在高速、城市等场景的规模化落地，为智能驾驶的普及与商业化提供有力支撑。

围绕自动驾驶感知算法的相关热点话题，本报告核心观点有：

产业概况

自动驾驶感知算法历经Perspective View、BEV、BEV+Transformer到端到端发展，从2D感知到多模态3D建模，再到全局优化与模块融合，感知能力持续提升，同时解决鲁棒性与效率挑战。

感知算法结合场景语义分割技术，能够识别复杂场景中的语义信息，如交通标志、信号灯状态等，帮助车辆更好地理解驾驶环境并作出实时决策。通过多传感器数据融合，感知算法显著提升了感知精度和系统鲁棒性，尤其在恶劣天气等复杂条件下表现尤为出色。同时，感知算法还具备动态目标预测与行为预判能力，为行车、泊车等场景提供了有力保障。

市场方面

BEV + Transformer提高自动驾驶感知能力。BEV通过将三维环境信息映射到俯视平面，提供全局视角。Transformer大模型基于自注意力机制，通过挖掘元素联系增强模型处理序列数据的能力，两者融合使模型在全局理解和特征提取方面更稳定。占用网络模型以占用的方式重建了3D场景 ，可用于通用障碍物检测 ，精准实现空间中物体的占位情况 、语义识别 、运动情况等 ，在表征上更具优势 ，有望成为下一代自动驾驶算法进步方向。端到端自动驾驶算法的四阶段演进，从模块级BEV融合到整合深度学习的决策规划模型化，再到跨模块梯度传导的模块化端到端，最终发展为完全端到端的One Model单一模型，提升精度与泛化能力。

当前国内企业多采用“两段式（Two Model）”端到端架构，通过模块化感知、规划和控制分工，实现自动驾驶功能，覆盖高速、城市等场景，代表企业包括商汤、元戎启行、小鹏、Momenta、理想、卓驭、小米等；同时，行业正向“一段式（One Model）端到端”过渡，以简化架构、提升算法效率，代表企业为特斯拉。

发展趋势

感知算法的发展正向更高精度、更高效率和更强鲁棒性方向迈进。智能驾驶感知算法发展趋势涵盖多模态融合、自监督学习、决策耦合、轻量化、高置信度感知、仿真验证、芯片协同及区域定制，聚焦精度、效率与适配性提升。

感知算法与算力协同升级。端到端大模型技术成为焦点，红旗、小米、比亚迪、奇瑞、长安等多家车企通过高算力芯片与大模型训练，实现智能驾驶从感知到决策的全面升级，推动汽车智能化向数据驱动转型。

纯视觉+端到端成为新的智驾风向标。依托纯视觉+端到端感知方案，可实现高速NOA、城市NOA等功能，不仅覆盖多场景，还大幅降低智能驾驶成本，推动高阶智驾普及与商业化落地。

感知算法是自动驾驶的核心基础，其重要性体现在环境理解、决策支持和成本优化等多个方面。通过处理摄像头、雷达等传感器数据，感知算法实时识别车辆、行人、交通标志等信息，为自动驾驶系统提供精准的环境理解，是决策与控制的前提条件。

自动驾驶感知算法经历了从 BEV 到 BEV+Transformer，再到 Occupancy 模型和端到端的技术演进路径，各阶段技术在实际车型中也得到了广泛应用。

BEV通过将多模态传感器数据（如摄像头、激光雷达）融合为俯视图表示，解决了2D视角的局限，提升了对车辆周围环境的感知能力。然而，由于以 CNN 为主的建模方式，BEV的全局建模能力有限，特征提取在复杂场景下表现受限。

结合 Transformer 技术后，BEV进一步增强了感知能力，能够捕获全局特征并适应视角变化，使感知算法具备更强的特征表达力和序列信息建模能力。这种融合提高了感知系统的鲁棒性，但计算复杂度和算力需求也显著增加。目前大多数车型采用BEV+Transformer技术路线。

Occupancy模型专注于场景中空间状态的三维建模，将动态和静态元素整合到统一框架中，实现对场景变化的高精度感知。该模型特别适合处理动态交通环境，为复杂场景中的决策和规划提供高置信度输入。目前，华为、卓驭、小米、小鹏、蔚来等企业已在其智能驾驶系统中应用了占用网络技术。

端到端技术通过融合感知、预测和规划模块，从传感器输入直接生成驾驶决策，简化了流程并提升了效率。其发展经历了四个阶段：从模块级BEV融合到整合深度学习的决策规划模型，再到支持跨模块梯度传导的模块化端到端架构，最终演进为完全端到端的“One Model”单一模型，显著提升精度与泛化能力。

当前国内企业多采用“两段式（Two Model）”端到端架构，通过模块化感知、规划和控制分工，实现高阶智驾功能，代表企业包括商汤、元戎启行、小鹏、Momenta、理想、卓驭、小米等；同时，行业正向“一段式（One Model）”端到端过渡，以简化架构、提升算法效率，代表企业为特斯拉。

感知算法正向更高精度、更高效率、更强鲁棒性迈进，发展趋势涵盖多模态融合、自监督学习、决策耦合、轻量化设计、高置信度感知、仿真验证、芯片协同与区域定制，聚焦精度、效率及适配性的全面提升。这些创新方向不仅提升了智能驾驶系统的综合性能，也加速了技术在复杂驾驶场景中的落地应用。

与此同时，感知算法与算力协同升级成为行业重点，端到端大模型技术逐渐主导。红旗、小米、比亚迪、奇瑞、长安等车企通过整合高算力芯片与大模型训练技术，全面优化从感知到决策的流程，提高对动态交通场景的适应能力，加速汽车智能化向数据驱动的方向转型。

此外，纯视觉+端到端感知方案正在成为智驾领域的新风向标。依托该方案，可高效实现高速NOA、城市NOA等功能，同时通过降低对激光雷达等昂贵硬件的依赖，显著降低系统成本。这种技术路径不仅推动了高阶智驾的普及与商业化落地，也为自动驾驶在规模化应用中的降本增效提供了全新解决方案。

/ 获取完整报告 /

本报告共31页PDF

产业研究报告

市场分析报告

供应链报告

报告订购咨询