智能汽车头部公司 NOA 系统发展概况 AI 大模型将从根本上改变自动驾驶产业的发 展 资料来源：中信证券 硬件配置方面 ，需要车辆使用满足 L3 级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现 NOA 的基础 小鹏汽车： 2000 人年的 标注量， 可在 16.7 天完成， 效率提升 4.5 万倍。 大多数厂商选择多传感器融合路线， 以激光雷达为主传感器， 辅之以摄 像头、 毫米波雷达等。 图片来源：特斯拉、毫末智行 AI 大模型对自动驾驶成本的影响 车载感知硬件成本降低。 自动标注的效率提升， 带动成本大幅度下降。 特斯拉预期其算力规模 会在 2024 年 2 月进入 全 球前五。 AI 大模型可以大大降低自动驾驶成 本 特斯拉坚持走视觉路线， 其 Model 3 应用的是 8 个摄像头 +1 个毫米波 雷达的配置方案。 自动驾驶能力的提 升需要大量算法训 练， 除真实场景外， 需模拟出大量仿真 场景做补充。如果 仅凭借工程师的理 解设计仿真场景， 能模拟的场景数量

1GHz），是高通量卫星的核心频段（如 Starlink 的 Ka 波段用户链路 支持 1Gbps 速率），但雨衰严重（暴雨时可达 40dB），需结合波束 成形与自适应编码调制提升可靠性。毫米波频段（如 50.2-52.4GHz） 正被探索用于馈线链路，Telesat、Boeing 等企业的星座计划通过该频 段实现卫星与地面站的超高速回传，潜在速率可达 100Gbps，但需解 决大气吸收（氧分子在 附近有强吸收峰）与设备功耗问题。 如图 4-1 所示，当前商业星座广泛使用 L/S 波段(Iridium、Globalstar)、 Ku/Ka 波段(OneWeb、Starlink)，并正在探索 50.2-52.4GHz 毫米波频 段。 16 图 4-1 商业星座的频率使用分布 然而，微波技术也存在一些局限性。首先，微波的频率相对较低， 所能提供的数据传输速率有限。随着业务需求的不断增长，传统微波 链路的传输速 在卫星互联网承载网中，星间微波链路可采用高频波段（如 Ka 波段、毫米波频段），而星地微波链路对高频波段的使用存在显著限 制，核心差异源于传输环境与链路特性的不同。 从星间链路来看，其处于太空真空环境，几乎无大气衰减、雨衰 等干扰因素，高频波段的优势可充分发挥。高频波段（如 Ka 波段单 波束带宽可达 1GHz，毫米波频段潜在速率可达 100Gbps）具备丰富 的频谱资源，能支撑星间大容量数据传输，满足激光链路之外的高速

边缘应用从云端按需下发和升级 ，完全摆脱了传统“现场实施 、成本高 、周期长 、 风险大 ”低效模式，轻松支持行业应用迭代更新 AI oT 云边协同客户价 值 行业边缘智能实践： 智能交 通 融合感知 毫米波雷达 摄像机 气象监测 智慧高速 V2X 车路协 同 蜂巢边缘系统 OBU OBU OBU 路侧边缘 MEC “ 雷视 ”融合分析 行人闯入预警 交通事故预警 超视距路况感知 紧急制动预警

方面，车辆驾驶人与网联车可接 收来自路侧和云控基础平台提供的感知、决策和控制服务； 2）路侧基础设施：该部分包括感知、通信、计算类基础设施及交通附属设施，具体来讲包 括路侧感知设备（摄像头、毫米波雷达、激光雷达、气象传感器等）、路侧单元（RSU）、 交通信息化设备（信号灯、情报板等）和路侧计算单元（MEC 边缘计算单元）等，将为云 控基础平台采集来自车辆、道路以及其他交通相关系统的动态交通数据，并向车辆及其他 2）感知设备与计算设备：应在城市重点区域、关键路口路段，特别是事故易发生、交通易 拥堵点位或复杂区域部署。其中，感知设备应能够保障路侧与云控基础平台为行驶车辆提 供可靠的赋能服务，可根据不同应用场景需求、选择不同配置，选项包括摄像头、毫米波 雷达、雷视一体机、激光雷达等；计算设备主要指边缘计算系统，将对所连接或管理的路 侧感知设备的感知信息进行融合计算，在实现与云控基础平台交互的同时，还应该满足云 控基础平台边缘云服务对融合感知的算力、准确性、安全性、可靠性与时延要求。 支撑城市交通拥堵 治理和城市交通指挥控制。根据莱斯信息公众号，公司即将发布“莱斯智核”产品，该产 品是集数据融合、通信融合、应用融合于一体的智能终端，通过多层级的时空数据融合模 型，融合视频图像、毫米波雷达等各类数据源，构建全量交通流运行图谱，通过 Uu 通信、 以太网通信融合实现网联车辆信息的传输，通过路口各类交通流运行行为分析及评价，实 现多目标自适应的交通信号优化及控制和交通安全管理。

赋能交通行业， 提升交通安全、改善运行效率、实现节能减排。 人工智能技术在计算机视觉、智能语音语义等领域的技术产业突 破，极大拓宽了交通感知的维度和深度，不仅可以采集摄像头、激光 雷达、毫米波雷达、麦克风等多个维度的传感器信息，还可以精细化 人工智能在交通领域业务应用白皮书 4 感知目标要素，如视频数据结构化处理，提取人、车、运动轨迹等深 层关键信息。感知类的典型赋能场景包括身份核验（人脸识别）、人 通便利性的同时促进道路交通安全水平提升。 1.2 赋能作用27 1）环境感知 环境感知是汽车收集外部环境并形成认知的能力，类似于驾驶员 对驾驶环境的观察，可通过多种传感器全面探测周边环境，如激光雷 达、摄像头、毫米波雷达，以及更广义的车联网、高精度地图。 在深度学习技术和高精度视觉传感器的加持下，系统可以获取车 身周围环境的大量信息，如车辆、行人、障碍物的位置与距离、道路 标志标线、交通信号灯等。为了确保汽车在各种环境下都能平稳安全 当机车返回机务段并进入无线基站覆盖范围时，车载终端与轨旁 基站自动建立 5G 高速连接，快速把车载数据转储到地面高速缓存。 人工智能在交通领域业务应用白皮书 73 传输方案采用高频毫米波频谱、多天线、波束赋型等 5G 技术，具有 超高宽带、稳定连接的特性。可以实现车地通信的自动对准、自动连 接和自动上传，全程加密传输，安全可靠，无需人工干预，最大传输 速率超过 1.5Gbps，平均

and distribution systems 主要针对应用于电力系统的无人机集群；IEC/TC47 Semiconductor devices 发布与在研标准涉及自动陆地车辆的检测模块，其毫米波雷 达、超声波模块、视觉成像模块、激光雷达的性能试验方法标准同样 适用于机器人传感器；IEC/TC 59 Performance of household and similar electrical 等对抓握型末端执行器物体下滑力进行了规定。环 境感知方面，IEC/TC47目前多项在研标准如PNW 47-2843、PNW 47-2844、 PNW 47-2845，以及已经发布的 IEC 63551-1:2023 对毫米波雷达、超 声波模块、视觉成像模块、激光雷达等可应用于人形机器人的环境感 知模块针对检测方法做出规定；决策规划方面，IEEE 发布的 IEEE 1872.1—2024 对机器人任务表示方面的本体论做出定义，有助于任务

器件、激光器和探测器等领域。 代表材料： GaAs 、 InP 等 特征： • 直接带隙、光电性能优越 ; • 适用于制作高速，高频、大功率以 及发光电子器件，是制作高性能微 波、毫米波器件及发光器件的优良 材料，广泛应用于卫星通讯移动通 讯、光通信 GPS 导航等领域； • GaAs 、 InP 材料资源稀缺，价格昂 贵，并且还有毒性，能污染环境， InP

成为标配，甚至在部分领先的智慧城市中，能够 应对一切场景的 L5 级别技术也开始投入运营。 这背后的技术基石主要体现在三个层面：第一， 超越融合的“超维感知”。车辆的传感器不仅仅 是激光雷达、摄像头和毫米波雷达的简单堆栈， 而是通过深度学习算法实现了数据的前端预处 理和特征级融合，使其具备了全时速、全方向、 全目标、全天候、全场景的精准感知能力，能从 容应对暴雨、团雾等极端天气和复杂的城市“边 输环节以无人矿卡集群为核心，构建动态调度 网络，通过 Cellular-V2X 技术调度无人矿卡与 铲运机，车铲协同算法提升效率，实现 24 小时 不间断作业。无人矿卡搭载激光雷达 - 毫米波 重塑矿区生产，打造绿色无人矿区 置，引导钻头精准钻达目标层位。为不影响钻井 轨迹优化效率，边缘计算实时处理响应（动态建 模）时延需要 <100ms。同时，远程实时智能控 制中心利用 5G/6G

计算口径 ：GDP 占比 频谱政策 指根据各国给运营商分配的频谱总量（而非每个运营 商的平均频谱量）计算得出的综合得分。该指标中频 谱包括低于 1 GHz、1–3 GHz、3–6 GHz 以及毫米波 频段频谱。 计算口径 ：不涉及 数字化转型政策 指 国 际 电 联 第 五 代 数 字 协 同 监 管 基 准（ITU G5 Benchmark）支柱四 ：数字经济政策议程的综合得