东吴汽车AI系列23期 智能驾驶的表征演进研讨

智能驾驶表征演进的主线为：从原始像素开始，逐步发展为鸟瞰图（BEV）、矢量化、占用网络、多模态Token，最终达到可预测潜在状态。这一演进过程旨在保留相关任务信息、线性可分、压缩冗余噪声，并使相似对象在空间聚合，从而提升智能驾驶系统的感知和理解能力。

特斯拉采用BEV+Transformer+占用网络+多模态端到端闭环的技术路线；Waymo侧重于矢量化与统一Token的构建。国内厂商方面，小鹏CHINET2.0引入占用网络实现三网合一，华为ADS2.0引入GO网络支撑无图理解，理想ADA MAX3.0则推出静态/动态BEV及占用网络三类方案，展现了多样化的技术探索方向。

智能驾驶表征演进的衡量标准主要包括：保留相关任务信息且线性可分、压缩冗余噪声、相似对象在空间聚合。这些标准确保了表征模型在高效处理海量数据的同时，能够准确捕捉驾驶场景中的关键信息，为后续的决策和控制提供可靠支持。

当前智能驾驶市场正经历从原始像素到多模态Token的表征演进阶段，主流厂商已形成不同技术路线的竞争格局。国内厂商在量产落地方面取得显著进展，如小鹏、华为、理想等企业已将占用网络、GO网络、BEV等技术应用于实际产品中，推动智能驾驶技术的快速迭代和应用落地。

智能驾驶表征演进仍面临持续的技术挑战，需关注厂商底座构建能力的竞争壁垒变化。物理AI依赖自监督学习，标注成本和长尾场景覆盖的技术突破是关键风险点。此外，世界模型的技术路线选择，如潜在空间建模、数据生成、场景重建、仿真预测等，其商业价值落地节奏也需持续关注。