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。