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 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。 算， 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

高了编 码的效率和性能，降低了编码解码的计算复杂度，更适合在资源受限 的卫星平台上实现。 4.1.2 微波技术 微波技术是目前星间/星地链路中应用较为广泛的一种通信技术。 微波的波长范围在毫米到米之间，其在空间通信中的优势在于对卫星 的捕获、对准和跟踪精度要求相对较低。相比激光链路，微波链路的 建立和维护更加容易，系统复杂度相对较低。这使得微波技术在早期 的卫星通信系统以及一些对通信设备复杂度和成本较为敏感的应用 达 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

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

一方面，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。

面赋能交通行业， 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

目技术规范书 29 序号 设备名称 技术指标及相关要求 5、断电应急 30 分钟。 9 砖墙 1、加气砖； 2、尺寸:10cm*20cm*60cm 10 玻璃隔断 1、5 毫米钻石玻璃夹 5 毫米磨砂玻璃； 2、201 黑钛拉丝不锈钢 1.2 厚度。 11 镀锌板 1、304 镀锌板； 2、厚度 1.2mm 12 饰面板 1、调度中心整体墙面骨架焊接； 2、在骨架前安装白色铝单板；

通过插件化人机交互界面实现可视化编程，支持用户通过拖拽式操作配置工艺参数，并利用数字孪生技术预演生产流 程，确保方案可行性；第三层设备执行层，采用工业级协议实现层间实时通信，精准控制机器人完成毫米级精度动 作，保障虚拟规划与实际执行的一致性。 5.全栈生态套件，模块化组件构建工业协作新范式 法奥机器人构建了行业领先的硬件生态套件系统，通过与六维力传感器、3D 视觉相机、夹爪、轻便式推拉丝焊枪、 、高分辨率和快速响 应能力，能够准确快速地捕捉微小力，这对其设计和制造提出了极高的技术挑战。 鑫精诚公司已成功推出全球最小的电阻应变式六维力传感器，直径仅为 9.5 毫米。目前，多款六维力传感器产品的 直径均在 10 毫米以下，展现了鑫精诚公司在微型化领域的丰富经验。鑫精诚公司将建成国内首条微型六维力传感器柔 性标定产线，深圳市科创局立项为“2024 年度深圳市科技重大专项智能机器人专项项目 l 常规大批量生产产品，性价比高 l 可内置各种数字及模拟信号输出 l 拆装简单方便 l 有防爆证 XJC-6FM- D9.5 l 全球最小的电阻应变式六维力传感器，直 径仅为 9.5 毫米 l 高灵敏度、高分辨率和快速响应能力,能 够准确快速地捕捉微小力 l 结构解耦融合软件解耦的双重解耦技术 XJC-6F-D45- H9.2 l 超薄形六维力传感器，适合安装在人形机 器人手腕处

transmission 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 环境的 3D 语义地图，实现复杂环境中的精准导航与避障。通过视觉识 别与模仿学习，识别并处理多种箱子，运用变导纳控制技术确保夹抱 力稳定精细。Walker S1 凭借其先进的 6D 位姿识别技术，实现毫米级 精度的物料自主定位与识别，依托其内置的多模态大模型“大脑”， 获得操作环境和物料的定位和语义信息，并执行任务理解和规划，遇 到干扰时能够在不到 2 秒的时间内迅速响应和重启任务。通过自主手

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 接口在分钟级完成传统需数月的仿真验证，AI 更作为“数字发明家”自主发现新超导材料、设计合 成细胞，开辟人类未曾想象的创新边界。生产制造环节，具身智能体通过端边云协同实现“千机百 变”，机械臂秒级切换工艺、AGV 毫米级配送物料，将 90% 任务转化为自动化指令，而人类则升 维为“全局编排者”，以混合现实界面定义数字孪生工作流。供应链体系则形成海陆空一体化智能 网络，全链路决策系统动态调整采购计划与物流路线，实现降低需求预测误差率，降低物流成本。 未来场景： 矿区自主运行生态系统 到 2035 年，矿山将进化为全流程自主运 行的生态系统。量子传感网络与人工智能中枢 深度融合，实现地质勘探、采掘、运输到安监 的全生命周期无人化闭环。 智能采掘：毫米级精准开采与自适应控制 采掘环节由仿生机械臂与智能装备主导， 借助透明地质模型实现装备群自主协同，矿区 作业流程自动化率达 100%。机械臂集成多光 谱视觉系统与力反馈装置，通过激光雷达扫描

流场景中。比如优艾智合开发的 FusionSLAM（融合激光导航）算法， 不再以特定次序逐级提升最终精度，而是以高度融合、实时补偿的方 式在大范围移动过程中做到平稳避障，具备 0 延时条件下的亚毫米级 操作精度；捷螺智能 AMR 基于激光 SLAM 导航标准化移动机器人，通 过集成整合万向轮、AI 导航定位模组、六轴人机协作手臂、弹性化 高效率派车软体。 20 进口设备数据开放权限限制了“多智能体+协同优化模型”在产