汽车与零部件-《“无图”加速智能驾驶渗透》SAC号码:S0850523020001 联系人:石佳艺 2024年4月16日 《“无图”加速智能驾驶渗透》 证券研究报告 (优于大市,维持) 概要 1. 智能驾驶拥有可观的价值前景 2. 智能驾驶越来越吸引消费者 3. “无图”智能驾驶时代来临 4. 投资机会分析 2 请务必阅读正文之后的信息披露和法律声明 请务必阅读正文之后的信息披露和法律声明 我们认为智能驾驶技术不仅能够减少交通事故,提升交通效率,更 能带动汽车、人工智能等相关技术进步,拥有可观的社会价值、经 济价值和科技价值。 资料来源:海通证券研究所 图:智能驾驶技术的主要价值体现 1. 智能驾驶拥有可观的价值前景 3 请务必阅读正文之后的信息披露和法律声明 智能 驾驶 社会 价值 经济 价值 科技 价值 社会价值:根据高工智能汽车 CIDAS(中国交通事故深入调查)数据库,2011年至2021年5664起乘用车参与 的事故案例中,驾驶员人为因素占比约为81.5%。人是交通安全中最不确定的因 素,与人类驾驶相比,自动驾驶安全性更高。 图:人类驾驶汽车事故致因 资料来源:《自动驾驶汽车交通安全白皮书》,高工 智能汽车搜狐号,海通证券研究所 1. 智能驾驶拥有可观的价值前景 4 请务必阅读正文之后的信息披露和法律声明 8110 积分 | 21 页 | 1.07 MB | 2 月前3
F5G-A绿色万兆全光园区白皮书Reality,扩展现实)在企业中的更多应用,如在教育/医疗 /工业制造等涉及到远程培训/实施指导/工艺管理/知识沉淀等场景下应用,且 XR 等还在不断加速渗透到更多的园区应用场景。 图 1-1 XR 等业务在未来园区的应用 XR 通过计算机实现真实与虚拟相结合,打造一个人机交互的虚拟环境,是 中国电子节能技术协会 绿色全光网络专业委员会 10 10 VR(Virtual 等先进技术,实现对物理空间的智 能认知,并基于统一的智能平台实现园区物理空间与数字空间的融合,实现数字 孪生。 未来园区具备全局感知能力,通过如光感知、Wi-Fi 感知等新兴的感知技术, 结合“无源物联感知、视觉感知”等技术,在园区打造一张精准感知、实时可视、 高效运营的数字化感知网,实现对园区中的人、机、物、事、空间环境进行全方 位、多角度的感知和识别,实现通感一体融合的目标。 中国电子节能技术协会 区安全将提出更高要求,要求融合 的多张网络之间实现隔离,以支持多张网络的数据安全。园区的安全管理功能将 与人工智能、机器学习等技术深度融合,提升设备分析决策力,实现事前主动风 险预判预防。 图 1-2 未来园区的多种融合方式 园区网络安全保障为智慧园区建设的核心需求,网络融合带来安全隔离的 要求,需要有高性能、硬隔离的基础网络来保障。端到端的网络切片等安全隔离 技术也将成为未来网络安全的主流技术及组网方式。10 积分 | 78 页 | 9.16 MB | 8 月前3
成都市智能建造装备应用指南(2025版)-成都市住房和城乡建设局塔式起重机智能化系统由硬件和软件组成,其功能单元构成如下:智能感知单元、智能 控制单元、智能管理单元等。 第 7 页 2) 塔式起重机智能化系统结构模式如图 1 所示。 图1 塔式起重机智能系统结构模式 4.2.3 耐振动冲击性,塔机智能系统设备应能承受塔机持续工作所引起的振动和冲击,并应 通过表 1 和表 2 规定的振动和冲击试验后,设备仍可正常工作。 表 安装作业前应对升降机基础及机电联锁层门的安装环境进行检查,验收方法可参照本标 准附录 B-1 及附录 B-2。验收合格后方可进行安装。 6) 安装时,气象条件应满足作业要求。 7) 无监控中心的智能施工升降机不应安装使用。 8) 层门或层站应设置防护栏杆,且栏杆不应突出到吊笼的升降通道内。 第 15 页 9) 安装层门处的结构强度满足设计要求的强度后方可安装层门。 单位应按现行规定组织拆卸前条件核 查。升降机的结构、关键部件应符合下列要求: 1) 升降机主要结构件、附墙装置及其连接应可靠; 2) 接地装置应可靠; 3) 升降机拆卸施工区域应无高压电线等障碍物; 4) 升降机运行通道、吊笼顶部、附墙、标准节等处,应无障碍物或易坠落物; 5) 齿轮、齿条、螺栓、附墙连接等处应连接可靠; 6) 安全装置应有效、可靠; 7)10 积分 | 45 页 | 1.00 MB | 1 月前3
工业5G终端设备发展报告2025先欧美等发达国家。随着“5G+工业互联网”的发展,5G AGV/AMR、 头盔式 5G 工业终端、5G 机器人等用于多个行业的终端设备不断涌 现,被用于多个 5G 工厂建设,存在巨大的市场潜力。 图 1 全球工业级 5G CPE/路由器/网关的款式数量 4 二、工业 5G 终端设备基本分类 工业 5G 终端设备可分为通用通信类终端设备和行业应用类终端 设备两大类。其中,通用通信类终端设备主要包括下图连接方式 要以内嵌 5G 芯片/模组、具备 5G 直接通信能力的工业终端设备为主, 对应连接方式 3,也有少量对体积不敏感的工业终端设备(如 5G 无 人天车)直接集成 5G 工业网关,实现快速 5G 化升级改造。 工业 5G 终端设备的主要接入方式如下图所示: 图 2 工业 5G 终端设备连接方式示意图 连接方式 1:通过 5G 数据终端(主要包括 5G DTU、5G CPE 和 5G 路由器)实现 厂用电量,助力更好地采集和分析生产制造的能耗情况。5G 电力集 中器能够自动抄收并存储各种智能仪表、采集终端或采集模块以及各 类载波通信终端的电量数据,同时利用 5G 网络与主站进行数据交换。 图 3 静态感知类工业 5G 终端设备 (2) 移动感知类 此类终端设备对应“低时延传感器和执行器”和“2 维/3 维传感器” 这两类,主要用于工业仪器设备的加速度、角速度等运行参数,以及 1 由于0 积分 | 44 页 | 1.04 MB | 8 月前3
IDC:2025年石油石化产业新型工业化白皮书、 管理和质量控制水平,为市场提供更高质量的石油石化产品。同时,为满足化工客户的新需 求,深度开发特种化学品及高性能材料,运用数字技术提高产品附加值。 来源: 石化盈科&IDC ����年 图�. 新型工业化推动石油石化产业高质量发展 新型工业化 构建现代石化产业体系 促进产业的高质量发展 特种化学品开发 高性能材料开发 产品附加值提高 工艺流程改进 …… 石化循环经济发展 人工智能技术的演进正从解决特定任务的狭义AI向具备更广泛认知能力的广义AI迈进(图 �)。智能化是对企业数字化发展的一次重大升级,将推进石油石化数字化的智能新应用。例 如:数字技术推动的调度管理规则数据化,以传统人工智能的运筹能力支撑调度管理的自动化进 阶打磨,加之与云、工业互联网等技术的融合,进一步推动了工程的智能化进阶发展。 来源: 石化盈科&IDC ����年 图�. 石油石化产业人工智能技术演进路线 业务价值 业务价值 时间 智能供应优化 智能研发模拟 风险智能预测 湖仓智能管理 智能营销预测 智能无废生产 智能无废生产 巡检智能 智能仓储管理 智能调度 调度管理 地震解释 工程虚拟测量 数字绩效管理 可视化监控 地震解释 无废生产管理 管网调度优化 开发辅助设计 智能辅助生产 知识图谱 智能井下管理 智能客户管理 智能能碳管理 机器人主动作业 智能质量管理0 积分 | 65 页 | 2.24 MB | 8 月前3
成都市建筑装饰数智建造指南(2025版)-成都市住房和城乡建设局久、健康舒适、绿色低碳、智慧宜居的要求,通过数字化设计、智能化施工、智慧化运维等 手段,实现建筑装饰全生命周期的精细化管理和性能提升。 3.0.6 智能建造技术应用应以建设方的实际需求为核心,在方案设计或施工图设计阶段,明 确智能建造的具体应用场景(如 BIM 协同设计、机器人施工、智慧工地管理、数字化运维 等),并形成《数智建造应用方案》,作为项目实施的依据,并配置专项资金确保实施落地。 第 4 页 建筑信息模型软件。建筑信 息模型软件的选择应充分考虑软件的易用性和适用性及安全性,确保不同建筑信息模型软件 间信息最大程度的共享和交换。 4.2.3 装修信息模型应包含装饰设计方案阶段、施工图阶段的各专业模型,宜做到“一模到底、 一模多用”。各阶段信息模型的建立应考虑建筑信息模型全过程应用要求,下一阶段模型的 构建,应充分利用上一阶段模型成果。 4.2.4 设计标准及使用的样板、族 果、材质风格等方面进行模拟分析,开展技术方案可行性研究,论证方案的适用性、可靠性 和经济合理性。机电专业基于装修模型优化机房、管井等位置,主要管道走向,重要空间设 备选型等。 4.3.4 施工图设计阶段,宜采用 BIM 正向设计,全专业模型整合,整合管线走向、设备定位 与各部位造型。宜将各专业设计规范和技术要求嵌入 BIM 模型,开展碰撞检查、图纸校核 等工作。通过 BIM 碰撞检测标记10 积分 | 67 页 | 5.71 MB | 1 月前3
2025年智能车灯产业白皮书-中汽智能科技Light Processing,数字光处理)等新 型光源成像模组实现规模化应用及跨领域技术的深度融合,推动车灯从单一照明工具向多维度交互智能 终端升级,见下图1。 二、智能车灯产生的驱动力 图1 车灯发展进程图 车灯智能化的快速发展并非单一因素所致,而是多重产业浪潮汇聚的结果。在市场与消费端、技术 与产业端、政策与标准端三方驱动力的共同作用下,车灯逐渐超越其传统照明角色,开始向感知、计 算、交互一体化的智能车灯方向演进[2]。 车辆星级评定。 三方驱动力环环相扣、协同发力,共同推动车灯由单一的传统照明功能,稳步向更智能、更安全、 更具交互价值的高阶形态演进,成为汽车智能化转型进程中不可或缺的核心力量。 图2 不同像素ADB照明效果图(从上至下依次是简单分区ADB、低分辨率ADB、高精度ADB) 2025智能车灯产业白皮书 2025智能车灯产业白皮书 0 3 0 4 什么是智能车灯 第二章 所谓智能车灯,是 伪智能车灯/传统车灯 支持整灯或大区块的开关/调节(如简 单分区ADB),无法实现精细轮廓跟随 与复杂图形投影 具备万级乃至百万级可独立寻址的发光 单元,能实现厘米级的精准照明与遮蔽 依赖预设模式或简单逻辑,无实时环境 感知与计算能力 感知-决策-控制算法闭环,毫秒级完成 从目标识别到光形调整的全过程 功能固定,场景适应性差,无法在车辆 生命周期内升级更新 能自动识别并优化高速、城区、弯道、 雨雾、泊车等十余种场景的照明与交互10 积分 | 21 页 | 2.03 MB | 1 月前3
汽车设备制造业企业信息化业务解决方案(102页 PPT)u 质量事故处理及时率 u 产品一次检验合格率 u 质量检验差错率 u 质量成本占比(预防性 成本、应对性成本) 质量管理指标 (质量体系、品控绩效) u 标准化审查差错率 u 技术出图及时准确率 u 设计变更成本占比 u 研发计划按时完成率 产品技术指标 (研发能力、效率) u 费用预算指标达成率 u 各级责任主体经济指标 u 实际成本与标准成本差 异率 u 单位产品物耗 出带条码信息订单,由供应商进行条码打印 及粘贴到物料上。 采购收货:供应商货物送达后, ERP 系统生 成采购收货单,并同步到 WMS 系统形成入 库任务。对于供应商有条码货物,直接进行 扫码,对于供应商无条码货物,现场打印条 码并粘贴。 扫码入库: WMS 系统依据收货任务开始扫 码收货。对于无货位管理货物,直接扫码入 库并回写 ERP 收货单。对于有货位管理货物, 则再扫货位码后,回写 ERP 采购收货单 入库任务 生成条码 打印条码 粘贴条码 扫码生成 入库 扫货位码 上架 确认收货 完成 无 货 位 管 理 有 货 位 管 理 ERP 系统 WMS 系统 业务说明 采购订单 供应商生成 条码 打印条码 粘贴条码 来料 是否有 条码 有条码 无 条 码 WMS 仓库管理系统应用——生产领料流程 货位档案 条码规则 物料货位对应 关系 条码打印管理20 积分 | 102 页 | 16.72 MB | 2 月前3
苏州工业园区可持续发展(环境、社会、治理)白皮书54万亿美元。园区开放程度、经济密度、创新浓度位居全国前列,初 步探索了一条开放与创新融合、创新与产业融合、产业与城市融合的发展道路。在国家级经开区综合考评中实现 “八连冠”,并跻身科技部建设世界一流高科技园区行列。 图:工业园区区位图 经济指标 2023年数据(亿元人民币) 地区生产总值(GDP) 3,686.0 规上工业总产值 6,509.4 固定资产投资 592.9 社会消费品零售总额 1,173.1 探索构建碳普惠体系 启动建设全国首个实现自愿减排交易的市场 化碳普惠体系,建设碳普惠智能服务平台, 成立一站式碳中和普惠服务中心,为企业提 供“碳核查、碳减排、碳交易、碳中和认证” 一站式碳管理服务。 图:一站式碳中和普惠服务中心 绿色园区 11 绿色园区:环境友好篇 01 应对气候变化 在全球气候变化日益严峻的背景下,实现碳减排和提升气 候韧性是气候行动至关重要的使命。碳减排旨在减少温室 举办 家电能效标识识别、“限塑令”宣传、节电活动宣传、空盘行动号召等活动。 建筑节能 全民节能 绿色园区 启迪设计大厦 13 图:SIP-E企学堂 2023年,启迪设计大厦项目通过江苏省住建厅高品 质绿色建筑实践项目验收。 图:全民节能活动 图:绿色工厂授牌仪式 03 资源利用与循环经济 园区以新发展理念为指导,构建节约资源和循环经济的模式,以减少污染废弃物排放、减少自然资源过度使用10 积分 | 33 页 | 11.25 MB | 8 月前3
工业大模型应用报告1 亿大幅拉升到 1750 亿,GPT-4 非官方估计约达 1.8 万亿。 泛化能力强:大模型能够有效处理多种未见过的数据或新任务。基于注意力机制 (Attention),通过在大规模、多样化的无标注数据集上进行预训练,大模型能够学 习掌握丰富的通用知识和方法,从而在广泛的场景和任务中使用,例如文本生成、自 然语言理解、翻译、数学推导、逻辑推理和多轮对话等。大模型不需要、或者仅需少 量特 11 工业大模型应用报告 3. 工业大模型应用的三种构建模式 大模型的构建可以分为两个关键阶段,一个是预训练阶段,一个是微调阶段。预 训练主要基于大量无标注的数据进行训练,微调是指已经预训练好的模型基础上,使 用特定的数据集进行进一步的训练,以使模型适应特定任务或领域。针对工业大模型, 一是可以基于大量工业数据和通用数据打造预训练工业大模型,支持各类应用的开发。 3.1. 模式一:预训练工业大模型 无监督预训练主要利用大量无标注数据来训练模型,目的是学习数据的通用特征 和知识,包括 GPT-3/GPT-4、LLaMA1/LLaMA2 等,都是通过收集大量无标注的通用 数据集,使用 Transformer 等架构进行预训练得到。预训练之后的模型已经足够强大, 能够使用在广泛的任务领域。例如,当无监督预训练技术应用于 NLP 领域时,经过良0 积分 | 34 页 | 4.98 MB | 8 月前3
共 66 条
- 1
- 2
- 3
- 4
- 5
- 6
- 7
