智能化

以 ChatGPT 的发布为里程碑事件，AI 的发展进入到了以 AGI 为发展目标的全新通用智能时代。

齿轮是应用最广泛的传动部件，汽车为齿轮应用第一大领域。齿轮是能互相啮合的有齿机械零件，通过连续啮合传递运动和动力，按照用途可以细分为车辆齿轮、工业齿轮及齿轮专用装备，其中汽车是齿轮第一大应用领域，占齿轮产品市场的比重在 60%以上。车辆齿轮主要用于汽车传动系统，燃油车动力传递路线为发动机→离合器→变速器→传动轴→主减速器和差速器→半轴→驱动轮，混动车型动力传动与燃油车类似，而纯电动车传动路线较为简单，无需离合器和变速箱；汽车齿轮零部件主要包括变速箱（含同步器）、主减速器和差速器等。[NeadPa

今年麦肯锡全球人工智能调查的结果显示，自五年前我们开始跟踪它以来，该技术的使用范围有所扩大，但下面有一个微妙的画面。1自2017年以来，采用率增加了一倍多，尽管在过去几年中，使用人工智能的组织比例在50%至60%之间稳定下来。一组从人工智能中获得最高财务回报的公司继续领先于竞争对手。结果显示，这些领导者在人工智能方面进行了更大的投资，参与了越来越先进的实践，这些实践可以实现规模化和更快的人工智能发展，并且在紧张的人工智能人才市场中显示出更好的表现。在人才方面，我们第一次密切关注人工智能的招聘和技

2022 年 7 月 27 日，华为举行鸿蒙 OS 3.0 正式版，并宣布鸿蒙设备已突破 3 亿台。鸿蒙OS 3.0 是鸿蒙 OS 2.0 的延续、升级和升维，从“万物互联”提升至“万物智联”，超级终端概念进一步完善，有望推动相关主题高速成长。鸿蒙 OS 3.0，将“互联”提升至“智联”的新高度，特点包括速度/处理能力升维/原子化服务。鸿蒙 OS 是物联原生的操作系统，定位从来都不是替代安卓（Android），在鸿蒙OS 2.0 的基础上，其提升了应用在设备间的流转速度，设备发现性能+50%，高

进入 2022 年，ADAS 行业进入深水区，高阶智能驾驶成为市场争夺的焦点。高阶智能驾驶政策有了新突破。北京、深圳、武汉、重庆等地发布政策，支持自动驾驶商业化运营试点；交通运输部发布重磅文件，鼓励和规范自动驾驶汽车在运输服务领域应用。这一系列政策加速推动自动驾驶行业向高阶智能驾驶方向发展。当前，智能驾驶依然处于人机共驾的混合阶段，通过打通高速、城区、泊车场景，基于场景实现点到点的自动驾驶成为行业的共同目标。国内多家车企已推出 L2+级辅助驾驶车型，一些造车新势力车企的 L2+级车型已预埋了支撑

各国在争相抢占自动驾驶制高点，国内多家企业相关产品技术水平已站在全球第一梯队，国内多地在推进高级别自动驾驶商业试点，为凝聚共识及推动行业发展，我们联合行业多家机构编写《高级别自动驾驶应用白皮书》。“高级别自动驾驶”可以提升运行效率和降低成本。当前，“高级别自动驾驶”已在公共道路和园区等多个场景应用，在公开道路开展商业化试点运营的出租车和自动配送已分布北京、深圳、上海、武汉、旧金山、菲尼克斯等城市。随着技术迭代及验证，“高级别自动驾驶”有望提升车辆运行能力，届时将激发大规模车辆置换需求。[Nead

城市导航辅助驾驶迅速落地，高精度定位迎来发展契机：首先，以城市 NOA为代表的 L3 级别功能正快速落地，智能驾驶已成各车企竞争的核心领域，搭载城市 NOA 功能的车型数量及渗透率快速提升。伴随电动化和智能化的提升，以及北斗、5G 等技术发展，高精度定位的精度与其在自动驾驶中的安全性作用不断增强，加之政策层面的支持，高精度定位愈发不可或缺。第二，高精度定位在汽车领域的应用场景丰富，其定位精度高达分米乃至毫米充分满足智能驾驶中各项定位精度要求，可在恶劣天气、重复场景、非视距场景和车载传感器不稳定情

高等级智能驾驶呼之欲出，高精地图迎来发展新机遇：伴随着汽车智能化大趋势，智能驾驶渗透率快速增长。在造车新势力和自主高端新能源品牌推动下，搭载激光雷达、高精地图和 AI 芯片，且能提供 L2+及以上体验的智能网联汽车价格已下探至 20-30 万元区间，2024 年或将成为中国自动驾驶开端之年。而高精度地图充分受益于智驾车型价格的下探。一方面，高精度地图作为高阶智驾的安全卫士，是辅助驾驶阶段多重融合感知的安全冗余。高精地图作为超视距传感器可以提供重要的先验知识，对于特别重视安全性和合规性的车企，高精

自动驾驶究竟是会走单车智能路线？还是走车路协同路线？我个人认为：首先单车智能是毋庸置疑的，我们一定是需要一个非常聪明的车；但是在自动驾驶发展过程中，由于技术条件或其他限制，在这个过程中车路协同也变得越来越受到重视。特别是在中国有政府的大力支持、有产业界各家公司的投入，V2X路线可能是更适用于中国的自动驾驶发展路径。我个人认为V2X真正要落地，全球最快也只有中国能做到。

首批获得尝试 Google 智能驾驶汽车的美国 Medium 科技总编 Steven Levy 表示:“无人驾驶汽车的大规模应用，我们现在也许到了 95%, 但最后的 5%将会是漫长的路途”。 自动驾驶的底层架构和大部分场景下的技术问题已经得以解决，剩下的长尾问题，逐渐成为了制约自动驾驶发展的关键。这些问题包括各种非常规场景、极端情况的可靠感知与定位、快速预测、最优化决策等。

约莫从18年下半年开始，相比较于人形机器人火热发展的14-16年，现阶段的发展可以说是进入了螺旋式上升发展中的“平缓期”，即触及到了天花板。典型体现为：近年来全球范围内人形机器人相关的科研项目和经费(Funding)较少，重灾区是欧洲。一方面，人形机器人在硬件本体设计、驱动器性能、运动控制上的技术要求高，相关技术很容易转化到其他自动化领域，诸如工业机械臂，四足机器人，AGV等；另一方面，由于其拟人性(Anthropomorphic)，人形机器人是未来最有潜力融入人类的生活的机器人，考虑使用为人类

大多数面部识别公司的业务都是向组织授权软件，但其他商业模式仍在不断涌现。对面部识别客户的监管、完善的数据安全，综合性的训练工具能够减轻人们的担忧。目前几乎没有任何法律来限制面部识别的使用，不少组织呼吁加快相关立法步伐。随着面部识别的精确度日益提高，数十家初创企业和谷歌微软亚马逊等科技巨头正在向酒店、零售店、甚至学校和夏令营推销面部识别服务。而胜出者将是那些能够在不产生所谓假阳性的情况下，以更高精确度识别出人脸的公司。随着行业的蓬勃发展和竞争日趋激烈，相关公司通过各种途径开发算法，获取更多人脸训练