随着深度学习算法在自动驾驶领域的落地案例不断涌现，目前自动驾驶软件已呈现出明显的模型驱动特征。与此相伴，为了提升模型效果，自动驾驶软件提供商需要使用海量的数据来训练模型。能够提升数据处理及模型训练效率的自动驾驶开发平台重要性日益凸显。

　　模型驱动、数据密集是当前自动驾驶软件开发的主要特征。并且随着L3、L4自动驾驶进入上路试点阶段，以上两个特征还会持续加深：

　　当前，自动驾驶软件的架构已经由最初的规则驱动逐步转变为了模型驱动。例如在感知环节，BEV+Transformer已基本成为事实标准；在重规则的决策规划环节，深度学习模型也开始崭露头角；最近刚从学术走向实践的端到端自动驾驶架构，更是几乎完全由模型驱动。在当前的技术路线下，模型愈来愈深地融入了自动驾驶的所有环节，这就要求自动驾驶提供商在深度学习模型上加大投入，以取得更好的效果。然而，自动驾驶模型效果的好坏并不仅仅取决于模型的设计以及算法的优劣，很大程度上取决于能否为模型提供海量且优质的训练数据。因此，车企如何将积累的海量数据管理好、标注好、利用好是决定自动驾驶软件效果的重要因素，是未来需要重点投入的基础和重要方向。

　　2023年11月，四部委发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，正式在全国范围内推进L3及L4车辆上路试点工作。尽管L3乘用车量产仍面安全冗余带来的成本高以及企业责任风险高的挑战，《通知》的落地却有望推动L3和L4车辆在共享出行等运营类场景更积极的探索，引发新一轮的技术及资金投入。而L3、L4的实现要求算法具有更强的泛化性，对于模型及海量数据的需求也会更进一步。

　　自动驾驶开发平台为企业提供全栈工具链，助力企业完成海量数据处理、算法快速迭代需求：

　　IDC认为，自动驾驶开发平台是面向车企或自动驾驶软件提供商的自动驾驶算法开发平台，满足技术买家处理海量数据、自动驾驶方案更新迭代的需求。

　　自动驾驶开发平台以数据闭环为核心，为企业提供一站式的数据处理、算法开发和测试验证服务，助力企业高效推进自动驾驶技术的研发与应用。

　　IDC数据显示，2021年，自动驾驶开发平台市场规模已达到0.91亿美元，具备一定的市场规模。2022及2023年，伴随着大模型、NeRF及各类技术进步，自动驾驶开发工具链在数据自动标注准确度、数据挖掘能力、数据仿真、工具链可视化、流畅度、资源管理效率、安全合规等方面不断优化，在效率、准确度、易用性等方面都取得了显著的提升。将助力企业在L3、L4市场的快速竞争中取得优势。

　　IDC持续关注自动驾驶市场的发展进程，并于近日正式启动《IDC MarketScape：自动驾驶开发平台 厂商评估，2024 ——大模型推动平台升级》研究。研究将从能力与战略两个维度对自动驾驶开发平台提供商进行细致评估，并以象限图的形式呈现技术提供商在市场的表现情况与市场的竞争态势。评估结果将以报告形式呈现，包括评估象限图、IDC市场观察、对技术买家的建议、入选厂商介绍、评估标准等内容。研究将为自动驾驶算法开发者、主机九游体育厂进行技术选型给予有力支撑，为技术投资者选择具有优势的厂商提供可靠依据。

　　IDC欢迎优秀的技术提供商关注本次调研，如需了解更多信息，欢迎与IDC中国高级分析师洪婉婷（邮箱：）联系。

　　本文中的内容和数据均来源于IDC所发布的报告，所有内容及数据均为我公司所有。未经IDC书面许可，任何机构和个人不得以任何形式翻版、复制、刊登、发表或引用。

　　新范式、新进程——《IDC Perspective: 大模型赋能的自动驾驶现状与机会分析》发布

　　《IDC Perspective：智能座舱软件市场研究，2023》研究正式启动