长江证券汽车与汽车零部件行业无人驾驶系列报告之七深度学习厚积薄发助力无人驾驶升华

请阅读最后评级说明和重要声明1/29[Table_MainInfo]•研究报告•汽车与汽车零部件行业2016-10-10行业研究(深度报告)无人驾驶系列报告之七：深度学习厚积薄发，助力无人驾驶升华评级看好维持[Table_Author]分析师黄细里（8621)[e-mail]执业证书编号：S0490516030003联系人高伊楠[e-mail]联系人邓晨亮[e-mail]联系人杨靖凤（8621）[e-mail][Table_QuotePic]市场表现对比图（近12个月）-20%-10%0%10%20%30%40%2015/92015/122016/32016/6汽车与汽车零部件沪深300资料来源：Wind[Table_Doc]相关研究《无人驾驶系列报告之六：控制执行“智驾”之基，底盘电子大放异彩》2016-10-09《无人驾驶系列报告之五：“政策+行业”交相辉映，技术千般“路线”为引》2016-8-29《无人驾驶系列报告之四：V2X扬帆起航，孕育四层投资空间》2016-07-24报告要点契合智驾，无人驾驶是深度学习最佳落脚点深度学习可应用无人驾驶环境感知和驾驶决策，能突破无人驾驶关键难题，同时无人驾驶也是深度学习最佳的应用场景。1）可以精确识别传感器所捕获的环境信号，相比于传统模式识别算法，深度学习算法具备精确度更高、环境适应性更强等特点。2）能够自如应对复杂驾驶情景，为车辆执行端提供驾驶方案，在大量行驶数据的训练下，深度学习算法可以提升驾驶的安全性。传统算法技术成熟、成本较低适用辅助驾驶，仍有极大需求。深度学习完成无人驾驶最后5%潜力巨大。老树逢春，计算能力升级+数据量提升促进深度学习重焕生机深度学习起落三次，而目前三大瓶颈逐渐突破，深度学习迎来春天。1）算法瓶颈：Hinton所提出的“局部预训练+全局微调”模式，有效解决网络参数梯度扩散的难题，实现了算法突破；2）数据瓶颈：随着物联网技术和信息系统迅速发展，我们已经进入大数据时代，利用更多的训练样本，可以提升模型在复杂环境中的适用性，避免深度学习模型的过拟合；3）计算瓶颈：从GPU升级到FPGA、ASIC成熟，芯片计算能力的增强是深度学习商用的基础。动作频出，各大巨头携深度学习抢占无人驾驶蓝海深度学习算法潜力巨大，而无人驾驶又是深度学习极佳的落地场景，目前各大厂商积极布局。短期看好处理芯片提供商享受深度学习第一波红利的机会；另外整车厂坐拥行驶数据黄金资源，具有向上整合深度学习技术的实力。从长期看，算法供应商将受益于专用芯片推广浪潮，释放算法商用潜力。国内厂商在基于深度学习的无人驾驶趋势下，将不只是看客：1）关注智能驾驶传统算法向深度学习升级潜力：建议关注：汉邦高科（minieye）；2）GPU+算法类上市公司在无人驾驶领域布局，建议关注：科达讯飞、海康威视等。3）关注国内初创公司或存在参股收购机会，目前国内深度学习初创公司处于百花齐放，已经成为一级市场宠儿，已涌现出诸如地平线机器人、寒武纪等优质公司。风险提示:无人驾驶行业发展不及预期,国内深度学习突破不及预期请阅读最后评级说明和重要声明2/29行业研究(深度报告)目录契合智驾，无人驾驶是深度学习最佳落脚点.................................................................................4汽车大脑：深度学习加速无人驾驶实现..................................................................................................................4环境感知：传统算法仍然适用ADAS阶段，深度学习完成最后5%.......................................................................4行驶决策：复杂情景，深度学习是最优解...............................................................................................................7老树逢春，三大瓶颈逐步解决，深度学习横空出世......................................................................9算法瓶颈：解决多隐含层难题，深度学习算法实现突破.........................................................................................9数据瓶颈：传感器技术和大数据普及，越来越多的信息被收集并存储.................................................................12计算瓶颈：从GPU升级到FPGA、ASIC成熟，深度学习应用带来想象空间......................................................14动作频出，各大巨头携深度学习抢占无人驾驶蓝海....................................................................18处理芯片提供商：享受深度学习第一波红利.........................................................................................................19算法供应商：迎专用芯片推广浪潮，高筑行业门槛..............................................................................................23整车厂：坐拥行驶数据黄金资源，向上整合深度学习技术...................................................................................24基于深度学习的无人驾驶趋势下，国内企业不只是看客.......................................................................................25图表目录图1：感知、控制算法是环境感知和行驶决策的核心...................................................................................................4图2：模式识别对车辆和车道线的识别.........................................................................................................................5图3：深度学习图像识别过程........................................................................................................................................6图4：深度学习在ImageNet视觉挑战比赛中傲视群雄（人类对测试图片识别错误率为5.1%）...............................7图5：mobieye深度学习模型......................................................................................................................................7图6：丰田基于深度学习的无人驾驶演示....................................................................................................................8图7：神经网络发展历史...............................................................................................................................................9图8：M-P神经元模型..............................................................................................................................................10图9：两层神经网络..................................................................................................................................................11图10：B-P神经网络.................................................................................................................................................11图11：深度学习模型................................................................................................................................................12图12：数据量对模型的影响效果................................................................................................................................13图13：数据量对模型的影响效果（ZB）.....................................................................................................................13图14：CPU与GPU对比图........................................................................................................................................14图15：GPU价格曲线.................................................................................................................................................15图16：GPU性能曲线......................