本文来自AI芯天下，作者/方文三。
AI+自动驾驶并非全新的概念，特斯拉、新势力等头部玩家已使用基于Transformer的模型进行感知与决策。
目前LCC等L2级别的辅助驾驶功能逐渐标配化，NOA等高级别辅助驾驶功能模型成熟度不断提高，市场领先者的测试版逐渐落地。
海量的数据、高效的数据标识是算法模型的基础。随着智能驾驶的成熟，激光雷达3D点云信息、摄像头采集的2D图像信息的增加，道路场景的丰富，自动驾驶的数据标注类型与数量在不断增加。
人工标注成本高、效率低，自动标注是AI大模型赋能智能驾驶最直接的应用，能大幅降低数据标注的成本。
并且也可以进行仿真模拟引入虚拟数据，支撑大规模训练。特斯拉的模拟仿真可以通过建立一个虚拟世界，以提供现实中难以获得/数据量不足的情景，目前特斯拉可以在5min内自动生成一个复杂路口3D虚拟场景。
进一步，还可以通过道路中的场景，创建更多变种场景，帮助算法训练，无需每种场景都通过实际道路测试来采集数据，大大提高了数据的丰富性。
目前L2+及以下级别智能驾驶得到广泛应用，软硬件算力、单车价值量提升。汽车自动化程度的衡量标准通常采用国际自动机工程师学会定义的从L0（完全手动）到L5（完全自主）的分级标准。
乘用车L2级辅助驾驶将成为标配，城市道路L3及以上级别落地阻力重重。
考虑到L3级以上级别自动驾驶所面临的法规、权责、以及技术长尾问题，我们预测2025年之前，辅助驾驶配置向L2/L2+级别升级（ADAS）将是大规模商业化落地的主要方向。
以下是《AI大模型如何加速无人驾驶发展报告》部分内容：
