蓋世汽車研究院：感知算法驅動高階智駕邁向規模化新時代

感知算法是自動駕駛系統的核心技術，承擔「看懂世界」的關鍵任務，其發展從BEV到BEV+Transformer，再到Occupancy模型與端到端架構，持續推動系統精度與效率提升。如今，感知算法正加速賦能高階智駕在高速、城市等場景的規模化落地，為智能駕駛的普及與商業化提供有力支撐。

圍繞自動駕駛感知算法的相關熱點話題，本報告核心觀點有：

產業概況

自動駕駛感知算法歷經Perspective View、BEV、BEV+Transformer到端到端發展，從2D感知到多模態3D建模，再到全局優化與模塊融合，感知能力持續提升，同時解決魯棒性與效率挑戰。

感知算法結合場景語義分割技術，能夠識別複雜場景中的語義信息，如交通標誌、信號燈狀態等，幫助車輛更好地理解駕駛環境並作出實時決策。通過多傳感器數據融合，感知算法顯著提升了感知精度和系統魯棒性，尤其在惡劣天氣等複雜條件下表現尤為出色。同時，感知算法還具備動態目標預測與行為預判能力，為行車、泊車等場景提供了有力保障。

市場方面

BEV + Transformer提高自動駕駛感知能力。BEV通過將三維環境信息映射到俯視平面，提供全局視角。Transformer大模型基於自注意力機制，通過挖掘元素聯繫增強模型處理序列數據的能力，兩者融合使模型在全局理解和特徵提取方面更穩定。佔用網絡模型以佔用的方式重建了3D場景 ，可用於通用障礙物檢測 ，精準實現空間中物體的佔位情況 、語義識別 、運動情況等 ，在表徵上更具優勢 ，有望成為下一代自動駕駛算法進步方向。端到端自動駕駛算法的四階段演進，從模塊級BEV融合到整合深度學習的決策規劃模型化，再到跨模塊梯度傳導的模塊化端到端，最終發展爲完全端到端的One Model單一模型，提升精度與泛化能力。

當前國內企業多采用「兩段式（Two Model）」端到端架構，通過模塊化感知、規劃和控制分工，實現自動駕駛功能，覆蓋高速、城市等場景，代表企業包括商湯、元戎啟行、小鵬、Momenta、理想、卓馭、小米等；同時，行業正向「一段式（One Model）端到端」過渡，以簡化架構、提升算法效率，代表企業為特斯拉。

發展趨勢

感知算法的發展正向更高精度、更高效率和更強魯棒性方向邁進。智能駕駛感知算法發展趨勢涵蓋多模態融合、自監督學習、決策耦合、輕量化、高置信度感知、仿真驗證、芯片協同及區域定製，聚焦精度、效率與適配性提升。

感知算法與算力協同升級。端到端大模型技術成為焦點，紅旗、小米、比亞迪、奇瑞、長安等多家車企通過高算力芯片與大模型訓練，實現智能駕駛從感知到決策的全面升級，推動汽車智能化向數據驅動轉型。

純視覺+端到端成為新的智駕風向標。依託純視覺+端到端感知方案，可實現高速NOA、城市NOA等功能，不僅覆蓋多場景，還大幅降低智能駕駛成本，推動高階智駕普及與商業化落地。

感知算法是自動駕駛的核心基礎，其重要性體現在環境理解、決策支持和成本優化等多個方面。通過處理攝像頭、雷達等傳感器數據，感知算法實時識別車輛、行人、交通標誌等信息，為自動駕駛系統提供精準的環境理解，是決策與控制的前提條件。

自動駕駛感知算法經歷了從 BEV 到 BEV+Transformer，再到 Occupancy 模型和端到端的技術演進路徑，各階段技術在實際車型中也得到了廣泛應用。

BEV通過將多模態傳感器數據（如攝像頭、激光雷達）融合爲俯視圖表示，解決了2D視角的侷限，提升了對車輛周圍環境的感知能力。然而，由於以 CNN 為主的建模方式，BEV的全局建模能力有限，特徵提取在複雜場景下表現受限。

結合 Transformer 技術后，BEV進一步增強了感知能力，能夠捕獲全局特徵並適應視角變化，使感知算法具備更強的特徵表達力和序列信息建模能力。這種融合提高了感知系統的魯棒性，但計算複雜度和算力需求也顯著增加。目前大多數車型採用BEV+Transformer技術路線。

Occupancy模型專注於場景中空間狀態的三維建模，將動態和靜態元素整合到統一框架中，實現對場景變化的高精度感知。該模型特別適合處理動態交通環境，為複雜場景中的決策和規劃提供高置信度輸入。目前，華為、卓馭、小米、小鵬、蔚來等企業已在其智能駕駛系統中應用了佔用網絡技術。

端到端技術通過融合感知、預測和規劃模塊，從傳感器輸入直接生成駕駛決策，簡化了流程並提升了效率。其發展經歷了四個階段：從模塊級BEV融合到整合深度學習的決策規劃模型，再到支持跨模塊梯度傳導的模塊化端到端架構，最終演進為完全端到端的「One Model」單一模型，顯著提升精度與泛化能力。

當前國內企業多采用「兩段式（Two Model）」端到端架構，通過模塊化感知、規劃和控制分工，實現高階智駕功能，代表企業包括商湯、元戎啟行、小鵬、Momenta、理想、卓馭、小米等；同時，行業正向「一段式（One Model）」端到端過渡，以簡化架構、提升算法效率，代表企業為特斯拉。

感知算法正向更高精度、更高效率、更強魯棒性邁進，發展趨勢涵蓋多模態融合、自監督學習、決策耦合、輕量化設計、高置信度感知、仿真驗證、芯片協同與區域定製，聚焦精度、效率及適配性的全面提升。這些創新方向不僅提升了智能駕駛系統的綜合性能，也加速了技術在複雜駕駛場景中的落地應用。

與此同時，感知算法與算力協同升級成為行業重點，端到端大模型技術逐漸主導。紅旗、小米、比亞迪、奇瑞、長安等車企通過整合高算力芯片與大模型訓練技術，全面優化從感知到決策的流程，提高對動態交通場景的適應能力，加速汽車智能化向數據驅動的方向轉型。

此外，純視覺+端到端感知方案正在成為智駕領域的新風向標。依託該方案，可高效實現高速NOA、城市NOA等功能，同時通過降低對激光雷達等昂貴硬件的依賴，顯著降低系統成本。這種技術路徑不僅推動了高階智駕的普及與商業化落地，也為自動駕駛在規模化應用中的降本增效提供了全新解決方案。

/ 獲取完整報告 /

本報告共31頁PDF

產業研究報告

市場分析報告

供應鏈報告

報告訂購諮詢