自動(dòng)駕駛技術(shù)通常被認(rèn)為是通過于先進(jìn)的傳感器（如雷達(dá)、激光雷達(dá)、攝像頭等）、人工智能算法以及控制系統(tǒng)，使車輛在無(wú)需人工干預(yù)的情況下自主完成駕駛?cè)蝿?wù)的技術(shù)。2022年，在數(shù)據(jù)、算法、算力等數(shù)字基礎(chǔ)要素賦能之下，ChatGPT大語(yǔ)言模型以及Sora文生視頻模型的相繼發(fā)布成為AI創(chuàng)新的重大里程碑事件，引爆了人工智能領(lǐng)域的重大變化，并重塑了自動(dòng)駕駛與汽車工業(yè)的代際發(fā)展。大語(yǔ)言模型、文生視頻模型等大模型技術(shù)與自動(dòng)駕駛技術(shù)深度融合，促生了通用泛在、創(chuàng)造生成的端到端自動(dòng)駕駛大模型技術(shù)快速發(fā)展。智能化已成為汽車工業(yè)技術(shù)變革的重要方向之一，成為未來(lái)汽車行業(yè)發(fā)展的新的方向。

2023年6月，上海人工智能實(shí)驗(yàn)室提出的UniAD（Unified Autonomous Driving）獲CVPR 2023最佳論文，代表了學(xué)術(shù)領(lǐng)域?qū)τ诙说蕉俗詣?dòng)駕駛技術(shù)的重視與關(guān)注。2023年12月特斯拉發(fā)布FSD Beta V12.1，2024年3月特斯拉開始在北美地區(qū)大范圍推送FSD v12，該版全面升級(jí)端到端技術(shù)架構(gòu)，可以實(shí)現(xiàn)從攝像頭數(shù)據(jù)輸入到最終決策控制信號(hào)的輸出，支持智能駕駛端到端的控制。特斯拉的發(fā)布加速推進(jìn)了端到端自動(dòng)駕駛技術(shù)在全球范圍內(nèi)的商業(yè)化進(jìn)程。國(guó)內(nèi)以鴻蒙智行、小鵬、蔚來(lái)、理想和零一汽車為代表的主機(jī)廠以及華為、百度、元戎啟行、商湯絕影等為代表的智能駕駛技術(shù)公司紛紛投入端到端系統(tǒng)研發(fā)。此外，我國(guó)相繼出臺(tái)關(guān)于開展智能網(wǎng)聯(lián)汽車準(zhǔn)入和上路通行試點(diǎn)工作的通知》《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》等政策文件，支持L3級(jí)和L4級(jí)自動(dòng)駕駛汽車的準(zhǔn)入和上路試點(diǎn)。

可以說，隨著中國(guó)新能源汽車和智能汽車的不斷崛起，在國(guó)家及地方政策推動(dòng)下，在學(xué)術(shù)與產(chǎn)業(yè)的積極參與下，端到端技術(shù)創(chuàng)新正在開啟新一輪的自動(dòng)駕駛產(chǎn)業(yè)革命，端到端自動(dòng)駕駛技術(shù)的科技創(chuàng)新正在推動(dòng)產(chǎn)業(yè)創(chuàng)新進(jìn)入新的發(fā)展階段。在此背景下，工信部電子知識(shí)產(chǎn)權(quán)中心基于歷年對(duì)人工智能、智能網(wǎng)聯(lián)汽車等領(lǐng)域?qū)＠夹g(shù)的研究積累，從專利視角闡析端到端自動(dòng)駕駛技術(shù)創(chuàng)新、生態(tài)重構(gòu)的發(fā)展現(xiàn)狀、發(fā)展趨勢(shì)，以期支撐自動(dòng)駕駛技術(shù)的高質(zhì)量發(fā)展。

一、自動(dòng)駕駛步入端到端技術(shù)創(chuàng)新發(fā)展的新階段

“端到端”源自人工智能領(lǐng)域有關(guān)“深度學(xué)習(xí)”這一概念，英文為“End-to-End（E2E）”，通常是指通過AI模型，輸入原始數(shù)據(jù)就可以直接輸出最終結(jié)果，而不需要中間其他步驟或人工設(shè)計(jì)。隨著深度學(xué)習(xí)等AI技術(shù)的快速發(fā)展，端到端技術(shù)應(yīng)用到自動(dòng)駕駛領(lǐng)域，即意味著整合傳統(tǒng)的感知、預(yù)測(cè)、規(guī)劃等多個(gè)模塊，實(shí)現(xiàn)端到端自動(dòng)駕駛指的是從原始傳感器數(shù)據(jù)輸入直接到控制指令輸出的連續(xù)學(xué)習(xí)與決策過程，且過程中不涉及任何顯式的中間表示或人為設(shè)計(jì)的模塊。

在端到端技術(shù)出現(xiàn)之前，傳統(tǒng)的自動(dòng)駕駛系統(tǒng)采用分治式架構(gòu)，將自動(dòng)駕駛?cè)蝿?wù)拆分為感知、預(yù)測(cè)、規(guī)劃等多個(gè)模塊進(jìn)行獨(dú)立的開發(fā)和管理。這樣雖然可以降低系統(tǒng)開發(fā)難度，便于解釋和追蹤設(shè)計(jì)問題，但也存在信息傳遞損耗、誤差累積影響安全、多任務(wù)多模型導(dǎo)致計(jì)算延時(shí)等諸多局限。

以ChatGPT為代表的生成式人工智能的飛躍發(fā)展，大型語(yǔ)言模型、視覺大模型（如世界模型）、以及多模態(tài)大模型等基礎(chǔ)模型不斷突破，大模型的泛在能力、推理能力持續(xù)增強(qiáng)，為自動(dòng)駕駛智能進(jìn)一步突破提供了潛在解決方案。相比傳統(tǒng)的“感知、決策、控制”智駕系統(tǒng)，由于中間沒有規(guī)則介入，端到端把原本感知、預(yù)測(cè)、規(guī)劃等多個(gè)模型組合的架構(gòu)，變成了“感知決策一體化”的單模型架構(gòu)，在信息傳遞、推理計(jì)算、模型迭代上更有優(yōu)勢(shì)，可以擁有更強(qiáng)大的通用障礙物理解能力、超視距導(dǎo)航能力、道路結(jié)構(gòu)理解能力，以及更擬人的路徑規(guī)劃能力。

二、端到端自動(dòng)駕駛總體專利態(tài)勢(shì)

基于生成式AI對(duì)于端到端自動(dòng)駕駛技術(shù)的創(chuàng)新推動(dòng)作用，以及主要技術(shù)組成，制定專利檢索策略。在時(shí)間范圍選擇上，我們以Transformer論文發(fā)表的2017年1月1日為檢索起始時(shí)間，2024年12月31日為截止時(shí)間，構(gòu)建檢索策略。在技術(shù)譜系構(gòu)建上，主要圍繞數(shù)據(jù)輸入與感知技術(shù)、端到端模型架構(gòu)、控制與執(zhí)行技術(shù)、訓(xùn)練與優(yōu)化、車云協(xié)同，共5項(xiàng)端到端自動(dòng)駕駛技術(shù)的主要技術(shù)分支進(jìn)行專利檢索。

檢索中國(guó)端到端自動(dòng)駕駛技術(shù)專利13320項(xiàng)（注：由于專利申請(qǐng)延遲公開、數(shù)據(jù)庫(kù)收錄滯后等原因，近兩年的圖示數(shù)據(jù)低于實(shí)際數(shù)據(jù)），其中授權(quán)專利5443項(xiàng)，處于在審狀態(tài)的專利6158項(xiàng)，授權(quán)和在審占比分別為40.9%和46.2%。

圖1 中國(guó)端到端自動(dòng)駕駛技術(shù)專利申請(qǐng)趨勢(shì)

總體來(lái)看，2017年至2024年，伴隨大模型技術(shù)崛起，端到端自動(dòng)駕駛技術(shù)展現(xiàn)了從創(chuàng)新積累到快速發(fā)展的創(chuàng)新趨勢(shì)。

創(chuàng)新起步期（2019年以前）

2019年以前，端到端自動(dòng)駕駛技術(shù)處于初始探索階段，專利申請(qǐng)數(shù)量逐年穩(wěn)步增長(zhǎng)，2017年專利申請(qǐng)僅為441項(xiàng)，而2019年申請(qǐng)突破至1201項(xiàng)。在這一階段，感知端到端和決策規(guī)劃模型化技術(shù)是主流的創(chuàng)新方向。前者通過多傳感器融合技術(shù)（如BEV鳥瞰圖視角融合）實(shí)現(xiàn)感知模塊的端到端化，借以提升感知精度和穩(wěn)定性；后者將預(yù)測(cè)、決策和規(guī)劃功能集成到同一個(gè)神經(jīng)網(wǎng)絡(luò)中，但仍基于人類定義的接口進(jìn)行模塊間的交互。全球有代表性的創(chuàng)新產(chǎn)品主要是：2016年，NVIDIA推出DAVE-2系統(tǒng)，通過卷積神經(jīng)網(wǎng)絡(luò)（CNN）實(shí)現(xiàn)端到端自動(dòng)駕駛，直接從攝像頭圖像輸出轉(zhuǎn)向控制；2017年，特斯拉推出Autopilot 2.0，標(biāo)志著端到端自動(dòng)駕駛技術(shù)的商業(yè)化嘗試。國(guó)內(nèi)在2019年，百度Apollo平臺(tái)發(fā)布端到端的自動(dòng)駕駛解決方案，促進(jìn)了相關(guān)技術(shù)的快速發(fā)展。

在這一階段，2017年4月工信部、發(fā)改委、科技部聯(lián)合發(fā)布《汽車產(chǎn)業(yè)中長(zhǎng)期發(fā)展規(guī)劃》加大智能網(wǎng)聯(lián)汽車關(guān)鍵技術(shù)攻關(guān)，重點(diǎn)開展環(huán)境感知、智能決策、協(xié)同控制等核心關(guān)鍵技術(shù)攻關(guān)。2018年12月工信部發(fā)布《車聯(lián)網(wǎng)（智能網(wǎng)聯(lián)汽車）產(chǎn)業(yè)發(fā)展行動(dòng)計(jì)劃》明確提出2020年要實(shí)現(xiàn)車聯(lián)網(wǎng)用戶滲透率達(dá)到30%以上，新車駕駛輔助系統(tǒng)（L2）搭載率達(dá)到30%以上，聯(lián)網(wǎng)車載信息服務(wù)終端的新車裝配率達(dá)到60%以上。2019年9月，中共中央、國(guó)務(wù)院聯(lián)合發(fā)布《交通強(qiáng)國(guó)建設(shè)綱要》提出在交通裝備方面要加強(qiáng)加強(qiáng)智能網(wǎng)聯(lián)汽車（智能汽車、自動(dòng)駕駛、車路協(xié)同）研發(fā)，形成自主可控完整的產(chǎn)業(yè)鏈。系列政策與舉措的出臺(tái)，加速了感知、決策和控制等端到端自動(dòng)駕駛關(guān)鍵領(lǐng)域的技術(shù)創(chuàng)新步伐，推動(dòng)了產(chǎn)業(yè)應(yīng)用發(fā)展。

快速發(fā)展期（2020年至2024年）

這一階段端到端自動(dòng)駕駛技術(shù)專利申請(qǐng)數(shù)量大幅增加，技術(shù)進(jìn)入快速發(fā)展和應(yīng)用階段。2023年專利申請(qǐng)達(dá)到2598項(xiàng)，達(dá)到目前申請(qǐng)量峰值。這一階段的突出標(biāo)志是，Transformer等大模型技術(shù)的引入，提升了自動(dòng)駕駛系統(tǒng)的泛化能力和復(fù)雜場(chǎng)景處理能力，推動(dòng)了端到端駕駛技術(shù)的創(chuàng)新升級(jí)。而這一時(shí)期，國(guó)家政策從技術(shù)研發(fā)、測(cè)試環(huán)境建設(shè)、商業(yè)化試點(diǎn)、基礎(chǔ)設(shè)施建設(shè)、技術(shù)標(biāo)準(zhǔn)化等多個(gè)方面，系統(tǒng)推進(jìn)了端到端自動(dòng)駕駛技術(shù)的創(chuàng)新和產(chǎn)業(yè)應(yīng)用，為自動(dòng)駕駛技術(shù)的發(fā)展提供了堅(jiān)實(shí)的政策支持和良好的產(chǎn)業(yè)環(huán)境。2023年，國(guó)家發(fā)布《關(guān)于開展智能網(wǎng)聯(lián)汽車準(zhǔn)入和上路通行試點(diǎn)工作的通知》，支持有條件自動(dòng)駕駛（L3）和高度自動(dòng)駕駛（L4）車輛的上路通行試點(diǎn)；發(fā)布《國(guó)家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南（智能網(wǎng)聯(lián)汽車）（2023版）》明確了智能網(wǎng)聯(lián)汽車的標(biāo)準(zhǔn)體系，推動(dòng)了技術(shù)的標(biāo)準(zhǔn)化和產(chǎn)業(yè)化發(fā)展。2024年發(fā)布《汽車整車信息安全技術(shù)要求》，作為國(guó)內(nèi)智能網(wǎng)聯(lián)汽車領(lǐng)域的首批強(qiáng)制性國(guó)家標(biāo)準(zhǔn)，提升了自動(dòng)駕駛系統(tǒng)的安全性；發(fā)布《關(guān)于開展智能網(wǎng)聯(lián)汽車“車路云一體化”應(yīng)用試點(diǎn)工作的通知》推動(dòng)智能化路側(cè)基礎(chǔ)設(shè)施和云控基礎(chǔ)平臺(tái)建設(shè)等。通過強(qiáng)制性國(guó)家標(biāo)準(zhǔn)，推動(dòng)自動(dòng)駕駛技術(shù)的標(biāo)準(zhǔn)化和安全性提升，為技術(shù)的廣泛應(yīng)用奠定了基礎(chǔ)。

這一階段的代表性創(chuàng)新方向主要有：

1.模塊化端到端技術(shù)快速發(fā)展。該技術(shù)是通過感知模塊輸出特征向量，決策規(guī)劃模塊基于特征向量進(jìn)行運(yùn)動(dòng)規(guī)劃，支持跨模塊的梯度傳導(dǎo)訓(xùn)練。例如，蘿卜快跑在2024年風(fēng)靡一時(shí)，并在武漢、北京、上海等多個(gè)城市開展商業(yè)化運(yùn)營(yíng)。蘿卜快跑是百度旗下自動(dòng)駕駛出行服務(wù)平臺(tái)，截至2024年10月其累計(jì)提供的自動(dòng)駕駛出行服務(wù)訂單已超過800萬(wàn)單。蘿卜快跑的成功運(yùn)營(yíng)為自動(dòng)駕駛技術(shù)的商業(yè)化落地提供了示范，推動(dòng)了行業(yè)從技術(shù)研發(fā)向規(guī)�；瘧�(yīng)用的轉(zhuǎn)變。從技術(shù)端看，蘿卜快跑采用了百度的Apollo ADFM（Autonomous Driving Foundation Model）大模型，該模型將感知、決策、規(guī)劃等模塊整合在一個(gè)神經(jīng)網(wǎng)絡(luò)中，通過聯(lián)合訓(xùn)練實(shí)現(xiàn)感知端和決策端無(wú)人駕駛。此外，商湯科技于2022年推出UniAD（Unified Autonomous Driving Model），實(shí)現(xiàn)感知與決策的一體化，獲得CVPR 2023最佳論文。小鵬汽車開發(fā)并部署了基于BEV感知架構(gòu)的XNet系統(tǒng)，顯著提升了復(fù)雜場(chǎng)景的端到端自動(dòng)駕駛能力。

2.One Model端到端技術(shù)出現(xiàn)。One Model端到端技術(shù)即采用單一深度學(xué)習(xí)模型，直接從原始傳感器數(shù)據(jù)生成控制指令，實(shí)現(xiàn)全局優(yōu)化和高效信息傳遞。例如，理想汽車和清華大學(xué)于2024年智能駕駛夏季發(fā)布會(huì)上，首次公開了OneModel端到端+VLM智駕系統(tǒng)，其架構(gòu)主要由端到端模型、VLM視覺語(yǔ)言模型、世界模型三部分共同構(gòu)成，具備全場(chǎng)景端到端能力，并首創(chuàng)AI推理可視化功能。

三、端到端自動(dòng)駕駛技術(shù)分布態(tài)勢(shì)

通過對(duì)專利數(shù)據(jù)進(jìn)行聚類分析，從而研判端到端自動(dòng)駕駛技術(shù)專利的專利布局和發(fā)展態(tài)勢(shì)。

圖2 中國(guó)端到端自動(dòng)駕駛技術(shù)專利聚類分析

根據(jù)對(duì)主要IPC小組歸類，模型技術(shù)專利的IPC布局主要集中在機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、傳感器融合、路徑規(guī)劃、交通檢測(cè)等關(guān)鍵技術(shù)分支，表明端到端自動(dòng)駕駛是一個(gè)高度跨學(xué)科的領(lǐng)域，需要多種技術(shù)的協(xié)同發(fā)展。其技術(shù)專利重點(diǎn)布局在以下三個(gè)領(lǐng)域：

1.以機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)為核心的技術(shù)分支是布局?jǐn)?shù)量最多的領(lǐng)域。專利數(shù)量最多的分類號(hào)集中在機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)領(lǐng)域（如G06N3/08、G06V10/82、G06N3/0464等）。機(jī)器學(xué)習(xí)（尤其是深度學(xué)習(xí)）是端到端自動(dòng)駕駛的核心技術(shù)，用于感知、決策和控制的端到端優(yōu)化。例如，強(qiáng)化學(xué)習(xí)（G06N3/092）用于復(fù)雜場(chǎng)景下的決策優(yōu)化；卷積神經(jīng)網(wǎng)絡(luò)（G06N3/0464）用于圖像和視頻數(shù)據(jù)的感知任務(wù)；自動(dòng)編碼器與編碼器-解碼器網(wǎng)絡(luò)（G06N3/0455）用于特征提取和數(shù)據(jù)壓縮。上述領(lǐng)域的重點(diǎn)研發(fā)與專利布局，說明了這些技術(shù)是端到端自動(dòng)駕駛的核心驅(qū)動(dòng)力。

2.多模態(tài)感知與傳感器融合技術(shù)占比較高。涉及傳感器融合、多模態(tài)數(shù)據(jù)處理的專利數(shù)量較多，例如多模態(tài)數(shù)據(jù)融合（G06V10/80）主要是在傳感器級(jí)別、特征級(jí)別或決策級(jí)別進(jìn)行數(shù)據(jù)融合，當(dāng)前在該領(lǐng)域布局專利516項(xiàng)；G06V20/58主要是用于檢測(cè)車輛、行人、交通標(biāo)志等動(dòng)態(tài)目標(biāo)，當(dāng)前布局專利473項(xiàng)；G06V10/44主要是通過邊緣檢測(cè)、輪廓分析等技術(shù)提取關(guān)鍵特征，當(dāng)前布局專利264項(xiàng)。在上述技術(shù)分支布局了較多的技術(shù)專利，說明其對(duì)實(shí)現(xiàn)端到端自動(dòng)駕駛效能，提升感知精度和魯棒性具有關(guān)鍵作用。

3.路徑規(guī)劃與控制技術(shù)逐步成熟。根據(jù)專利數(shù)據(jù)，與路徑規(guī)劃（G01C21/34）和車輛控制（B60W60/00）相關(guān)的專利數(shù)量較多，例如G01C21/34主要是路徑搜索，用于生成最優(yōu)行駛路徑，布局專利341項(xiàng)；B60W60/00主要用于實(shí)現(xiàn)車輛的自主驅(qū)動(dòng)和控制，布局專利1024項(xiàng)、B60W30/095主要用于預(yù)測(cè)潛在碰撞并采取避障措施，布局專利175項(xiàng)，說明上述技術(shù)分支對(duì)于自動(dòng)駕駛的重要價(jià)值。

此外，交通檢測(cè)與環(huán)境感知技術(shù)分支也布局了較多專利，如G08G1/01（交通檢測(cè)，986項(xiàng)）、G06V20/56（車輛外觀識(shí)別，456項(xiàng)）、G08G1/08（車輛數(shù)或速度檢測(cè)，183項(xiàng)）等。

進(jìn)一步對(duì)專利IPC申請(qǐng)趨勢(shì)分析，如下表所示：

表1 主要IPC小組分類號(hào)申請(qǐng)趨勢(shì)分析

IPC分類號(hào)

2017

2018

2019

2020

2021

2022

2023

2024

G06N3/08

21

29

93

208

296

328

295

195

G06V10/82

2

11

35

76

122

245

342

293

B60W60/00

0

3

17

63

148

283

253

262

G08G1/01

16

45

64

122

147

185

214

195

G06N3/0464

0

3

26

63

87

117

352

319

G06V10/764

4

17

22

43

59

137

178

149

G05D1/02

41

73

108

70

68

120

102

0

G06N3/092

0

1

1

19

22

71

158

251

G06V10/80

1

2

12

15

36

99

181

171

G06N3/0442

0

3

7

22

31

59

182

181

G06V20/58

3

14

23

52

56

125

99

103

G06V10/774

2

7

12

30

64

129

141

80

G06V20/56

1

6

23

48

40

114

115

109

G06F30/27

0

5

5

41

83

88

102

115

G01C21/34

10

22

37

39

29

60

82

62

G06N3/0455

0

0

3

8

10

27

114

168

G06N3/084

1

0

5

16

27

38

90

130

G06N20/00

5

5

15

24

53

68

72

57

G05B13/04

12

12

14

27

25

46

64

68

G06V10/44

0

2

10

17

24

38

81

93

H04L67/12

1

2

6

24

31

71

55

67

G06F18/214

1

0

4

7

15

30

94

88

G08G1/08

7

7

19

20

32

32

37

30

G06F18/25

1

1

2

2

6

22

51

96

B60W30/095

6

4

16

19

20

40

33

38

G06V10/74

3

6

22

53

51

58

71

63

B60W20/11

2

2

4

18

19

28

36

31

G06V20/52

0

1

4

24

15

20

22

22

G06N3/096

0

1

0

0

5

11

32

53

G06N3/0499

0

0

1

5

9

7

33

47

根據(jù)專利數(shù)據(jù)，端到端自動(dòng)駕駛領(lǐng)域的專利申請(qǐng)趨勢(shì)主要有如下特征：

1.機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)領(lǐng)域。G06N3/08（學(xué)習(xí)方法）專利申請(qǐng)量從2017年的21項(xiàng)增長(zhǎng)到2022年的328項(xiàng)，2023年和2024年略有下降，但仍保持高位（295項(xiàng)和195項(xiàng)）。這表明學(xué)習(xí)方法在自動(dòng)駕駛中的應(yīng)用經(jīng)歷了快速增長(zhǎng)。G06N3/0464（卷積網(wǎng)絡(luò)）專利申請(qǐng)量從2017年的空白增長(zhǎng)到2023年的352項(xiàng)，2024年略有下降（319項(xiàng)）。卷積網(wǎng)絡(luò)在圖像和視頻數(shù)據(jù)處理中的應(yīng)用持續(xù)增長(zhǎng)，是感知技術(shù)的核心。

2感知技術(shù)領(lǐng)域。G06V10/82（使用神經(jīng)網(wǎng)絡(luò)）專利申請(qǐng)量從2017年的2項(xiàng)增長(zhǎng)到2023年的342項(xiàng)，2024年略有下降（293項(xiàng)）。這表明基于神經(jīng)網(wǎng)絡(luò)的感知技術(shù)在自動(dòng)駕駛中的應(yīng)用經(jīng)歷了快速增長(zhǎng)。G06V20/58（移動(dòng)物體識(shí)別）專利申請(qǐng)量從2017年的3項(xiàng)增長(zhǎng)到2022年的125項(xiàng)，2023年和2024年保持穩(wěn)定（99項(xiàng)和103項(xiàng)）。移動(dòng)物體識(shí)別技術(shù)在復(fù)雜環(huán)境中的應(yīng)用逐漸成熟。

3.路徑規(guī)劃與控制領(lǐng)域。B60W60/00（車輛控制）專利申請(qǐng)量從2017年的空白增長(zhǎng)到2022年的283項(xiàng)，2023年和2024年保持高位（253項(xiàng)和262項(xiàng)）。這表明車輛控制技術(shù)在自動(dòng)駕駛中的應(yīng)用經(jīng)歷了快速增長(zhǎng)。G01C21/34（路徑搜索）專利申請(qǐng)量從2017年的10項(xiàng)增長(zhǎng)到2023年的82項(xiàng)，2024年略有下降（62項(xiàng)），說明該技術(shù)在自動(dòng)駕駛中的應(yīng)用正逐漸成熟。

4.其他關(guān)鍵技術(shù)。例如G06N3/092（強(qiáng)化學(xué)習(xí)）、G06V10/80（多模態(tài)融合）兩項(xiàng)技術(shù)分支的專利申請(qǐng)量強(qiáng)勁增長(zhǎng)，表明強(qiáng)化學(xué)習(xí)在復(fù)雜決策場(chǎng)景中的應(yīng)用正逐漸受到重視，特別是多模態(tài)融合技術(shù)在提升感知精度方面的應(yīng)用正快速發(fā)展，逐漸成熟。

綜合來(lái)看，端到端自動(dòng)駕駛技術(shù)的專利布局呈現(xiàn)出以下特征：機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)是當(dāng)前驅(qū)動(dòng)自動(dòng)駕駛技術(shù)發(fā)展的核心，多模態(tài)感知、路徑規(guī)劃、車輛控制和交通檢測(cè)等技術(shù)分支緊密關(guān)聯(lián)，形成了一個(gè)完整的技術(shù)鏈條，是當(dāng)前研發(fā)的重點(diǎn)。一是感知、決策、控制三大環(huán)節(jié)緊密銜接。感知端，通過多模態(tài)感知技術(shù)（G06V10/80、G06V20/58）獲取環(huán)境信息；決策端，基于機(jī)器學(xué)習(xí)（G06N3/08）和強(qiáng)化學(xué)習(xí)（G06N3/092）進(jìn)行路徑規(guī)劃和行為決策；控制端，通過車輛控制系統(tǒng)（B60W60/00）實(shí)現(xiàn)具體的駕駛操作。二是數(shù)據(jù)融合、特征提取和模型訓(xùn)練相互支撐。數(shù)據(jù)融合技術(shù)將多傳感器數(shù)據(jù)（G06V10/80）進(jìn)行融合，提升感知精度，特征提取技術(shù)通過卷積網(wǎng)絡(luò)（G06N3/0464）和局部特征提取技術(shù)（G06V10/44）提取關(guān)鍵特征，模型訓(xùn)練技術(shù)利用生成訓(xùn)練模式（G06V10/774）和強(qiáng)化學(xué)習(xí)（G06N3/092）優(yōu)化模型性能。

四、端到端自動(dòng)駕駛創(chuàng)新主體態(tài)勢(shì)

檢索端到端自動(dòng)駕駛技術(shù)領(lǐng)域企業(yè)及高校類創(chuàng)新主體，專利申請(qǐng)數(shù)量如下表所示：

表2 中國(guó)端到端自動(dòng)駕駛領(lǐng)域主要?jiǎng)?chuàng)新主體專利申請(qǐng)數(shù)量（企業(yè)）

序號(hào)

申請(qǐng)人

專利申請(qǐng)數(shù)量

1

百度（阿波羅）

744

2

267

3

華為

213

4

中國(guó)一汽

196

5

東風(fēng)集團(tuán)（嵐圖）

188

6

小鵬

153

7

蔚來(lái)

142

8

商湯

139

9

浙江吉利（極氪）

124

10

上汽集團(tuán)

107

11

廣汽集團(tuán)

81

12

賽力斯

69

13

小米汽車

68

14

通用

61

15

本田

56

16

比亞迪

52

17

元戎啟行

50

18

奇瑞

49

19

豐田

47

20

理想（新石器慧通）

36

表3 中國(guó)端到端自動(dòng)駕駛領(lǐng)域主要?jiǎng)?chuàng)新主體專利申請(qǐng)數(shù)量（高校）

序號(hào)

申請(qǐng)人

專利申請(qǐng)數(shù)量

1

吉林大學(xué)

249

2

同濟(jì)大學(xué)

195

3

北京理工大學(xué)

187

4

清華大學(xué)

182

5

東南大學(xué)

177

6

江蘇大學(xué)

152

7

重慶大學(xué)

133

8

南京航空航天大學(xué)

123

9

北京航空航天大學(xué)

99

10

武漢理工大學(xué)

93

根據(jù)創(chuàng)新主體在端到端自動(dòng)駕駛領(lǐng)域的專利申請(qǐng)數(shù)量檢索結(jié)果，當(dāng)前形成傳統(tǒng)車企、新勢(shì)力廠商和智能駕駛方案供應(yīng)商“三足鼎立”相互融合的發(fā)展模式。傳統(tǒng)車企普遍采用“自研+供應(yīng)商合作+高校聯(lián)合開發(fā)”模式，積極通過戰(zhàn)略投資、聯(lián)合研發(fā)深度合作智能駕駛供應(yīng)商，孵化自有技術(shù)公司。例如，長(zhǎng)安、廣汽推動(dòng)自研體系與華為技術(shù)融合，長(zhǎng)安與華為在自動(dòng)駕駛領(lǐng)域協(xié)同合作阿維塔品牌；上汽集團(tuán)與同濟(jì)大學(xué)聯(lián)合研發(fā)《自動(dòng)駕駛汽車虛實(shí)融合測(cè)評(píng)關(guān)鍵技術(shù)與系列裝備》并獲2023年度上海市技術(shù)發(fā)明獎(jiǎng)一等獎(jiǎng)；廣汽集團(tuán)與騰訊、滴滴、科大訊飛等聯(lián)合推進(jìn)智能生態(tài)合作，積極開發(fā)自動(dòng)駕駛技術(shù)等。此外，如百度、華為、商湯、元戎啟行等智能駕駛方案供應(yīng)商依托其在人工智能大模型領(lǐng)域的深厚積累，成為自動(dòng)駕駛端到端技術(shù)創(chuàng)新的重要力量。

本研究旨在從專利視角，探索分析端到端自動(dòng)駕駛技術(shù)的創(chuàng)新發(fā)展態(tài)勢(shì)，歡迎學(xué)術(shù)探討或提出寶貴意見（作者聯(lián)系電話：010-88685828）。