本报告导读：
　　本文旨在阐述AI大模型在自动驾驶发展中的应用，并展望未来发展趋势。AI大模型的应用将加速高级别自动驾驶落地，带来智能化零部件需求与新势力估值提升。
　　摘要：
　　维持行业增持评级，AI加持下智能驾驶迭代有望提速，产业链迎来价值重估，部分整车企业更为受益。决策层推荐标的：德赛西威、科博达、均胜电子、华阳集团等，受益标的经纬恒润等；执行层推荐标的：伯特利、拓普集团、星宇股份、华域汽车；感知层推荐标的：保隆科技，受益标的联创电子、华依科技等；整车推荐标的：小鹏汽车、理想汽车、长安汽车、比亚迪、长城汽车等，受益标的蔚来汽车、赛力斯、江淮汽车。
　　由模块化/小模型到端到端大模型。传统自动驾驶算法以模块化部署，功能实现依托众多独立小模型的堆叠，存在累积错误/任务协调不足/维护难度与成本高等问题。未来端到端自动驾驶大模型将实现对模块化/小模型的替代，即可减少运算过程中的误差累积，也可减少模型的优化难度与维护成本。
　　由基于规则的算法到基于BEV+Transformer的深度学习。基于规则的算法存在应变能力差，驾驶操作不熟练，学习成本高等缺点，因此仅通过规则算法实现等同于或高于人类驾驶员的自动驾驶行车体验存在很大难度。基于BEV+Transformer结构的大模型是当前主流发展方向，可搭建出高准确率3D感知模型，并具有很强的Corner case解决能力，同时，BEV+Transformer大模型还可赋能数据标注、长尾数据挖掘、仿生场景数据生成等工作。
　　智能驾驶的进一步进化：去高精地图+占用网路。未来自动驾驶技术去除高精地图辅助将成为主流趋势，核心解决方案为BEV结构的搭建和NPN网络的应用。此外，未来也将有更多车企通过占用网络技术（Occupancy）进一步提升大模型泛化能力，进而使自动驾驶模型应对Corner case时更加得心应手。
　　风险提示：汽车智能化发展不及预期的风险；芯片短缺的风险；汇率与贸易摩擦的风险。