[2016-10-11]汽车:助力无人驾驶升华...

　　[摘要] 　　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(002415)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。