本研报分析了半导体行业的两大核心动态，为行业从业者与投资者提供核心参考。一是AI需求带动存储等芯片涨价，价格已传导至终端，OPPO、vivo等手机品牌调价，家电、汽车等领域也承压，行业资源向头部品牌集中；二是华为发布新一代昇腾950PR算力加速卡，性能对标并超越英伟达H20，同时梳理了行业核心标的，清晰呈现行业趋势与投资机遇。

承受700度高温的耐火芯片问世；特斯拉携手英特尔打造AI芯片厂；轻舟智航世界模型助力自动驾驶新车交付

本报告聚焦车载 SoC 行业发展机遇，核心围绕智能驾驶算力跃迁与国产化生态崛起两大主线。随着汽车 E/E 架构向域控与中央计算平台演进，端到端自动驾驶模型推动算力门槛大幅提升，L4 场景下 Thor-X 单片算力达 1000TOPS，异构集成（CPU+GPU+NPU+DSP+ISP）成为主流架构，支撑舱驾融合、一芯多屏与行泊一体趋势落地。行业需求高增，全球智能设备 AI SoC 2020-2024

奇瑞新一代高安全固态电池今日量产；小鹏第二代VLA今日起逐步推送；小米新SU7全系标配XLA认知大模型

本文提出将不确定性作为深度学习模型在自动驾驶轨迹预测中的预期功能安全（SOTIF）评估标准。针对ISO 21448标准要求，研究采用基于深度确定性不确定性（DDU）的单前向传播方法量化认知不确定性，该方法在资源受限环境下更具优势。实验利用CARLA模拟器数据构建城市和高速公路两种场景，结果表明在未经训练的高速公路环境中，模型表现出更高的认知不确定性，能有效识别功能缺陷。此外，不确定性还可作为触发系

本文提出将不确定性作为深度学习模型在自动驾驶轨迹预测中的预期功能安全（SOTIF）评估标准。针对ISO 21448标准要求，研究采用基于深度确定性不确定性（DDU）的单前向传播方法量化认知不确定性，该方法在资源受限环境下更具优势。实验利用CARLA模拟器数据构建城市和高速公路两种场景，结果表明在未经训练的高速公路环境中，模型表现出更高的认知不确定性，能有效识别功能缺陷。此外，不确定性还可作为触发系

自动驾驶运动规划中的深度强化学习研究综述 摘要：本文系统综述了深度强化学习(DRL)在自动驾驶运动规划领域的应用现状。研究涵盖了运动规划的分层结构(行为层、运动规划层和控制层)，分析了车辆建模、仿真环境、动作空间设计、奖励机制和观测空间等关键要素。文章按任务复杂度分类讨论了跟车行驶、车道保持、汇入车流和交通环境行驶等典型场景的DRL解决方案，比较了不同方法的优劣。同时指出了当前研究面临的挑战，包括

本文针对高自动化驾驶(HAD)中基于机器学习功能的安全标准空白展开研究。文章指出现有ISO 26262和SOTIF标准无法完全满足HAD需求，特别是神经网络的不透明性带来的验证挑战。作者提出"功能可靠性"概念，以行人检测为例构建了统计可靠性Rs和动态可靠性Rd的数学表达，通过精确率、召回率、IOU等指标量化功能质量。研究还探讨了传感器融合、算法优化等提高可靠性的方法。这项工作为

本文提出一种基于智能体的检索增强生成方法，用于自动驾驶车辆安全需求的自动化推导。针对传统检索增强生成技术在复杂查询中性能下降的问题，该方法通过配置专属文档智能体和分层摘要索引，实现了更精准的上下文检索。实验以阿波罗自动驾驶系统为案例，对比了传统方法、智能体方法和纯大语言模型三种方案。结果表明，智能体方法检索到的上下文相关性显著提升（检索精准度提高约40%），且生成回答与上下文的契合度更高（增强准确

本文提出采用面向服务的架构（SOA）重构车辆照明系统，将传统单体式设计转型为模块化微服务架构。研究将照明功能划分为美学、信息、强制和娱乐四类，并通过V2X自适应近光控制和拓扑依赖式调平等应用场景，展示了该架构在安全性、灵活性和可维护性方面的优势。关键创新包括：1）实现硬件无关的软件设计；2）通过标准化API和CI/CD流水线支持独立开发与部署；3）建立分层模型确保系统安全性与扩展性。该方法显著提升