AI 技术的迭代，推动自动驾驶向前发展。2021 年，特斯拉在 AI Day活动上展示了 BEV + Transformer 架构的自动驾驶模型，其部分底层原理与我们熟知的 ChatGPT 等大语言模型相通。BEV 和 Transformer可以充分利用 BEV 提供的丰富空间环境信息和 Transformer 的多源异构数据建模能力，实现更精确的环境感知、更长远的运动规划和更全局化的决策。值得注意的是，自动驾驶模型依赖大规模训练算力支持。特斯拉持续投入算力，根据其官方推特，特斯拉预计 2024 年底拥有 100 exaFLOPS 的总算力以训练、调优 FSD。算力是大模型发展的主旋律，光模块是算力的底座，AI 训练网络中的 GPU 通信流量大幅提升推动了算力网络基础设施的建设，带动高速光模块的需求不断攀升。
国内凭借优异的基建能力和统筹规划能力，车路云自动驾驶有望率先实现商业落地。车路云自动驾驶也会使用大模型进行推理，但偏重于强调 V2X 技术，车端模型会结合路基传感器和高精地图等云端指令实现对车辆的控制。国内以百度的萝卜快跑为代表，商业化落地正加速。
通信技术的进步是自动驾驶加速落地的重要催化。（1）车际通信：经历了 C-V2X 和 DSRC 的技术竞争，当下 C-V2X 在国内优势较突出。C-V2X 相较于 DSRC 拥有带宽高、范围广、速率快、成本低等优势，在高车辆密度场景中可以减少资源碰撞概率。在自动驾驶领域，C-V2X能够提供更精确的信息感知和更强大的网联智能，实现自动驾驶所需要的信息实时共享和交互以及协同感知和控制。（2）车内通信：CAN总线向以太网升级趋势明显。车载以太网具有大带宽、低延时、低电磁干扰等优势，而且对链路连接形式有归一性，使整车链接种类降低、成本降低，可将智能座舱、自动驾驶和车联网异构耦合，我们判断车载以太网有望取代 CAN 总线技术的部分市场。
