【天风电新】ADAS专家交流要点-0711———————————1、视觉-雷达技术路线:国内5年内还会是多感知融合,但不是简单堆叠,FSD的成功让国内厂商也愈发重视,未来是视觉为主,激光/4D毫米波雷达提供点云为辅。高精地图会减配。雷达的优势是直接测距,可信度好,算力需求少。2、4D毫米波雷达:特斯拉用来配合视觉感知增强占用网络精度,级联芯片是德州仪器的,控制芯片是赛灵思,国内只能做模组代工(Tier 1都能做),单车价值量1500,代工毛利率不超过15%。3、30万以上车型传感器配置:行泊一体,泊车4颗鱼眼环视,8-12个超声波辅助;行车3-5个毫米波雷达,4个角各放一个,前面会被4D替代,周视摄像头6个位置,包括前视1个(多模组双目或三目),1-3颗激光雷达。超声波40元,200万像素环视200元,4D雷达1500元,角雷达350元,雷达合计3000元左右,前视800万的350元有2个,128线激光雷大4-7k元。环视摄像头降本空间最大,再就是超声波,FSD不用。4、25万以内车型配置:行泊一体,L2.5,只能高速NOA,像素可做减配,前视不一定要800万像素,传感器+域控不超过10k。20万以内复用一体机,1V3R模式。5、怎么看Tier 1的地位:智能车要求Tier 1去转型,从硬件集成,拓展到软件做Tier 0.5,上游企业对下游没有经验,上游往上做比较难。像德赛可以比一些代工厂便宜7-8%,原因是采购物料议价能力有10%左右的偏差,直接从英伟达拿片,终端客户多,议价能力会更好。6、IMU:惯性导航在L2++渗透率提升后应用很多,L3上是标配,之前L2典型的1V1R,到现在多传感器,IMU也是感知做轨迹推断,尤其是价格往下走的时候。7、机器人传感器:人形摄像头参数要求更高,而车上索尼才开始推1600万,车上讲究可靠性,人形更讲究精度。车上算法更复杂,高速,且长尾场景更多。8、v12端到端:现在算法是三四个模块再有子模块,缺点是每个训练过程都有误差,堆叠之后输出的决策可能是乘法,端到端只要raw data,直接输出planning,可以整体训练,对外授权完整解决方案。好比打开一个盒子,就一个方块,算法集成度高,对debug不友好,要求算法开发能力强,置信度高。9、FSD落地国内:国内都是以高精地图为主,否则容易降级,特斯拉进来要做好数据采集到训练,合规脱敏,要在国内搭建智算中心,这个过程会比较久。
作者利益披露:转载,不作为证券推荐或投资建议,旨在提供更多信息,作者不保证其内容准确性。
声明:文章观点来自网友,仅为作者个人研究意见,不代表韭研公社观点及立场,站内所有文章均不构成投资建议,请投资者注意风险,独立审慎决策。