本文來自AI芯天下，作者/方文三。
AI+自動駕駛并非全新的概念，特斯拉、新勢力等頭部玩家已使用基于Transformer的模型進行感知與決策。
目前LCC等L2級別的輔助駕駛功能逐漸標配化，NOA等高級別輔助駕駛功能模型成熟度不斷提高，市場領(lǐng)先者的測試版逐漸落地。
海量的數(shù)據(jù)、高效的數(shù)據(jù)標識是算法模型的基礎(chǔ)。隨著智能駕駛的成熟，激光雷達3D點云信息、攝像頭采集的2D圖像信息的增加，道路場景的豐富，自動駕駛的數(shù)據(jù)標注類型與數(shù)量在不斷增加。
人工標注成本高、效率低，自動標注是AI大模型賦能智能駕駛最直接的應(yīng)用，能大幅降低數(shù)據(jù)標注的成本。
并且也可以進行仿真模擬引入虛擬數(shù)據(jù)，支撐大規(guī)模訓(xùn)練。特斯拉的模擬仿真可以通過建立一個虛擬世界，以提供現(xiàn)實中難以獲得/數(shù)據(jù)量不足的情景，目前特斯拉可以在5min內(nèi)自動生成一個復(fù)雜路口3D虛擬場景。
進一步，還可以通過道路中的場景，創(chuàng)建更多變種場景，幫助算法訓(xùn)練，無需每種場景都通過實際道路測試來采集數(shù)據(jù)，大大提高了數(shù)據(jù)的豐富性。
目前L2+及以下級別智能駕駛得到廣泛應(yīng)用，軟硬件算力、單車價值量提升。汽車自動化程度的衡量標準通常采用國際自動機工程師學(xué)會定義的從L0（完全手動）到L5（完全自主）的分級標準。
乘用車L2級輔助駕駛將成為標配，城市道路L3及以上級別落地阻力重重。
考慮到L3級以上級別自動駕駛所面臨的法規(guī)、權(quán)責(zé)、以及技術(shù)長尾問題，我們預(yù)測2025年之前，輔助駕駛配置向L2/L2+級別升級（ADAS）將是大規(guī)模商業(yè)化落地的主要方向。
以下是《AI大模型如何加速無人駕駛發(fā)展報告》部分內(nèi)容：
