《計算機行業汽車智能化系列專題之決策篇（3）：特斯拉FSD持續升級智能駕駛加速落地-240523（29頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業汽車智能化系列專題之決策篇（3）：特斯拉FSD持續升級智能駕駛加速落地-240523（29頁）.pdf（29頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責聲明及其項下所有內容20242024年年0505月月2323日日汽車智能化系列專題之決策篇（汽車智能化系列專題之決策篇（3）：）：特斯拉特斯拉FSDFSD持續升級，智能駕駛加速落地持續升級，智能駕駛加速落地行業研究行業研究 行業專題行業專題 投資評級：買入（維持評級）投資評級：買入（維持評級）證券分析師：熊莉021-S0980519030002證券研究報告證券研究報告|請務必閱讀正文之后的免責聲明及其項下所有內容摘要摘要 智能駕駛發展是必然趨勢，特斯拉領銜行業加速落地智能駕駛發展是必然趨勢，特斯拉領銜行業加速落地。智駕行業是各國國家級戰略發展方向，同時智駕行業的發展可以

2、在社會、產業層面帶來多維度的提升，智駕行業高速發展已然成為必然趨勢。本期系列報告相較于前期發布時特斯拉、華為等各家廠商都有著較大的技術升級。目前，行業競爭格局較為激烈，特斯拉憑借其接近L4的性能領銜各路玩家，華為、小鵬目前已實現城區NOA相對領先，其他大多數廠商智駕發展處于L2+階段。隨著特斯拉FSD技術路線的逐漸清晰，有望引領智駕行業加速落地。特斯拉特斯拉FSDFSD進展遙遙領先，滲透率有望快速提升進展遙遙領先，滲透率有望快速提升。特斯拉更新FSD V12，實現端到端的全新架構性能全面升級，目前近180萬用戶中實現0事故。1）算法端：采用全新端到端架構，優化了30萬行C+代碼，實現了數據收集

3、、處理、規劃到反應的自動化，成功避免了數據損失等風險。2）硬件端：公司采用自研FSD2.0芯片構建HW4.0平臺，實現純視覺化解決方案。3)數據端：公司構建自動標注下的數據訓練閉環，目前擁有超過180萬輛車輛和13億英里的駕駛數據，實現訓練數據上的遙遙領先。4）算力端：公司采用自研Dojo集群，算力大幅提升，預計24年10月可達100E FLOPS。同時，隨著北美地區全體用戶免費試用一個月的優惠政策推行、歐洲DCAS新法案的實施、國內對特斯拉的部分放開，FSD滲透率有望快速提升。華為國內領先，各廠商加速發展智駕華為國內領先，各廠商加速發展智駕。目前國內各玩家均大力發展智駕行業，華為在城市NOA

4、中有明顯突破，目前可實現城市覆蓋率99.56%，大幅領先其他國內廠商。同時，24年4月華為發布ADS3.0實現基于GOD/PDP的端到端架構，算法能力進一步提升。算力方面，華為的昇騰芯片助力云端算力能力大幅增長，由23年9月的1.8E FLOPS到目前的3.3E FLOPS，進一步加速迭代模型能力。建議關注建議關注：中科創達、經緯恒潤、光庭信息、千方科技、萬集科技 風險提示風險提示：技術研發不及預期、市場需求不及預期、政策不及預期。eZeZfVaY8XfYaYcWbRcM8OoMpPnPnRlOmMnQkPnPqM7NnNuNxNqMvNxNqNqR請務必閱讀正文之后的免責聲明及其項下所有內容

5、智能化時代來臨，高階智駕已成必然趨勢0101特斯拉FSD進展遙遙領先，滲透率有望快速提升0202華為國內領先，各廠商加速發展智駕產業0303投資建議與風險提示0404目錄目錄請務必閱讀正文之后的免責聲明及其項下所有內容智能駕駛需求：國內外政策推動智能駕駛加速發展智能駕駛需求：國內外政策推動智能駕駛加速發展u 政策層面智駕是各國國家級戰略研發方向，國內外均出臺各項政策支持智駕發展u 產業層面拉動汽車產業鏈升級：智駕技術的發展帶動了上下游產業鏈的擴展，包括傳感器、芯片、軟件算法、高精度地圖、車聯網服務等相關產業的發展，促進了整個汽車產業鏈的深化和完善帶來萬億級經濟增量：智駕可孕育出Robotaxi

6、、無人運輸等新興產業，并為汽車行業帶來萬億級市場增量u 社會層面減少安全事故：美國IIHS公路安全保險協會指出，自動駕駛可以減少34%的安全事故。提高道路承載能力，當自動駕駛汽車滲透率達到100%飽和時，路網可容納多40%的車流量。2017.4 汽車產業中長期發展規劃到 2025 年，汽車駕駛輔助、部分自動駕駛、有條件自動駕駛新車裝配率達80%。其中部分自動駕駛、有條件自動駕部分自動駕駛、有條件自動駕駛級新車裝配率達駛級新車裝配率達 25%25%，高度和完全自動駕駛汽車開始進，高度和完全自動駕駛汽車開始進入市場入市場。2022.1交通領域科技創新中長期發展規劃綱要（20212035年）促進道路

7、自動駕駛自動駕駛技術研發與應用，突破融合感知、車路信息交互、高精度時空服務、智能計算平臺、感知決策控制功能在線進化等技術2023.3智能汽車基礎地圖標準體系建設指南（2023 版）到 2025 年初步構建能支撐汽車駕駛自動化應用的智能汽車基礎地圖標準體系。先行制定急用先行的 10 10 項以上智項以上智能汽車基礎地圖重點標準能汽車基礎地圖重點標準，涵蓋技術要求和規范，解決智能汽車基礎地圖深度應用的迫切需求2023.7國家車聯網產業標準體系建設指南（智能網聯汽車）（2023 版）到 2025 年形成能夠支撐組合駕駛輔助和自動駕駛通用功能的智能網聯汽車標準體系，修訂修訂 100 100 項以上智能

8、網聯汽項以上智能網聯汽車相關標準。車相關標準。2024.1關于開展智能網聯汽車“車路云一體化”應用試點工作的通知建立城市級服務管理平臺，城市級服務管理平臺，建設邊緣云、區域云兩級云控基礎平臺，向車輛提供融合感知、協同決策規劃。探索高探索高精度地圖安全應用精度地圖安全應用，構建地理信息安全防控技術體系。美國2022.3NHTSA無人駕駛汽車乘客保護規定明確了全自動駕駛汽車不再需要配備傳統的方向盤、制不再需要配備傳統的方向盤、制動或油門踏板等手動控制裝置動或油門踏板等手動控制裝置來滿足碰撞中的乘員安全保護標準。2017.7自動駕駛法案將首次對自動駕駛汽車的生產、測試和發布進行管理德國2021.5自

9、動駕駛法機動車強制保險法制定自動駕駛車輛上路的法規保障2022.2自動駕駛車輛批準和運營條例細化細化L4L4級自動駕駛車輛認證級自動駕駛車輛認證，規定在公共道路上運行的技術和程序要求。英國 2022.8互聯與自動駕駛2025：實現自動駕駛汽車的優勢瞄準2025年實現自動駕駛汽車商用自動駕駛汽車商用日本 2020.4道路交通法允許高度自動駕駛車輛上路允許高度自動駕駛車輛上路，明確 L4 級自動駕駛車輛在特定條件下提供出行服務或遞送業務的實施方式與要求韓國 2022.9第三期汽車政策基本規劃案（2022-2026 年）提出到到20272027年實現自動駕駛汽車的商業落地年實現自動駕駛汽車的商業落地

10、，到2030年普及450萬輛電動汽車、氫燃料電池汽車的目標表1：國內智能駕駛政策表2：海外智能駕駛政策資料來源：汽車產業中長期發展規劃、交通領域科技創新中長期發展規劃綱要（20212035年）、智能汽車基礎地圖標準體系建設指南（2023 版）、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容智能駕駛智能駕駛L1-L5L1-L5具象分級，當前主流廠商處于具象分級，當前主流廠商處于L2+L2+階段階段資料來源：GB/T 40429-2021汽車駕駛自動化分級、國信證券研究所整理駕駛員L5駕駛狀態乘坐狀態無需駕駛員制動、加速或轉輔助制動、加速與轉向自動駕駛車輛但功能作用限制條件較多任何

11、條件下自動駕駛功能越來越齊全駕駛狀態L1L2L3L4乘坐狀態系統只起到輔助作用駕駛員負責危機應對功能請求時駕駛員接管風險應對不再需要駕駛員接管駕駛對駕駛員手動應急的需求越來越小系統只起到輔助作用駕駛員負責危機應對車道線良好的封閉道路特定道路任何道路輔助作用主要作用主導作用主導作用輔助作用特定道路特定道路自動駕駛車輛但功能作用限制條件較多風險應對系統作用啟動條件具體功能當前發展階段算力要求基礎算力2 TOPS24 TOPS 320 TOPS4000+TOPS10X10X10X圖1：L1-L5具象分級請務必閱讀正文之后的免責聲明及其項下所有內容智駕系統：智駕系統：軟硬件協同軟硬件協同資料來源：高工

12、智能汽車研究院、國信證券研究所整理自動駕駛系統硬件軟件傳感器計算芯片算法數據感知定位規劃決策高精度地圖高精度定位超聲波雷達毫米波雷達激光雷達攝像頭u 智能駕駛核心模塊：感知、決策、規劃、控制感知模塊主要負責車周信息感知和目標檢測。感知模塊輸入各類傳感器的數據，輸出車道線，行人，車輛等的位置和軌跡等信息。主流的感知方式包含激光雷達和攝像頭視覺兩種。決策模塊主要負責預測車周物體的運動，評估障礙物下一時刻可能的動作，輸出物體運動軌跡的預測。規劃模塊主要負責計算車輛下一時刻的運動路徑，規劃與決策在開發環節往往結合在一起，基于感知模塊輸出的車周信息在神經網絡訓練融合，輸出行動路線?？刂颇K主要負責精準控

13、制車輛按規劃軌跡行駛?？刂颇K根據決策規劃輸出的路線，生成具體的加速、轉向和制動指令，控制驅動系統，轉向系統，制動系統和懸架系統。圖2：自動駕駛系統結構圖請務必閱讀正文之后的免責聲明及其項下所有內容產業鏈：智駕是整車的基礎上進行智能產業鏈：智駕是整車的基礎上進行智能+網聯的升級網聯的升級上游：目前參與智能駕駛探索的企業主要有傳統車企、初創車企和互聯網造車企業。中游：1）智能部分包含感知層、決策層和執行層，智能駕駛汽車需安裝如激光雷達、毫米波雷達、超聲波雷達、GNSS 定位和接受系統、IMU 慣性傳感器、高精地圖、ADAS 系統、車載芯片、車載存儲器等，以實現智能化。2)網聯部分:包含網絡層、平

14、臺層、終端，智能駕駛汽車還需移動網絡、大數據平臺和終端的支持，實現網聯。下游：智能駕駛汽車下游應用場景廣闊，可覆蓋共享汽車、無人駕駛巴士、通勤車等多類應用場景。圖3：自動駕駛產業鏈資料來源：中商產業研究院、新能源汽車產業發展規劃（2021-2035）、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容競爭格局：特斯拉技術領先，大多車廠仍有代競爭格局：特斯拉技術領先，大多車廠仍有代差差Tesla華為、小鵬蔚來、理想、極氪、小米等smart、埃安、紅旗、領跑等落后玩家接近L4城區NOA高速NOAL2實現高速NOA是區分普通玩家和卓越玩家的分界線，絕大多數玩家處于實現L2的階段特斯拉遙遙

15、領先，FSD V12的推出性能接近L4城區NOA相較于高速NOA場景更多、路況更復雜，目前國內玩家中僅華為、小鵬實現落地其他傳統車廠還未完全實現L2，在智駕領先落后一代以上圖4：智能駕駛各車廠競爭格局資料來源：2021小鵬汽車1024科技大會、華為官網、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容智能化時代來臨，高階智駕已成必然趨勢0101特斯拉FSD進展遙遙領先，滲透率有望快速提升0202華為國內領先，各廠商加速發展智駕產業0303投資建議與風險提示0404目錄目錄請務必閱讀正文之后的免責聲明及其項下所有內容發展歷程：特斯拉智駕發展發展歷程：特斯拉智駕發展三階段三階段Tes

16、la發布自動駕駛軟件 AutoPilot1.0與第一代自動駕駛硬件Hardware1.0.Tesla發布第三代自 動 駕 駛 硬 件Hardware3.0，采用自主研發芯片.Tesla發布完全 自 動 駕 駛軟件FSD10.0.2024年05月Tesla發布完全自動駕駛軟件FSD12.0與硬件Hardware4.0(次年2月)Tesla發布第二代自動駕駛硬件Hardware2.0.Tesla發布完全自動駕駛軟件Full Self Driving Beta9.0.Tesla發布完全自動駕駛軟件FSD11.0.2013-20162016-2019基礎基礎建設期建設期自研過渡期自研過渡期全面自研期全

17、面自研期2019-至今至今2021年09月 Tesla預期發布完全自動駕駛軟件FSD12.4.2022年11月2023年11月2021年07月2019年04月2016年10月2014年10月圖5：特斯拉智能駕駛發展歷程資料來源：特斯拉官網、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容發展歷程：發展歷程：FSDFSD版本版本快速迭代快速迭代FSD版本版本發布日期發布日期升級內容升級內容Auto pilot 1.0(Hardware1.0)2014.10Tesla宣布進入自動駕駛領域后發布的第一代自動駕駛產品，定位為輔助自動駕駛.Auto pilot 7.0(Hardware1.

18、0)2015.10Tesla發布的完整版Autopilot HW1.0，具備TACC、緊集避撞、自動泊車、車道保持與車道規避等功能.Auto pilot(Hardware2.0)2016.10增加了智能召喚與自動巡航(NOA)功能.Auto pilot(Hardware3.0)2019.04采用第一代自主研發的FSD芯片，增加了影子模式功能，有助于Tesla大量收集自動駕駛數據，為后續純視覺駕駛模型訓練奠定基礎.FSD V92021.07Tesla發布的第一版完全自動駕駛軟件，此后將邁入L3及以上級別的自動駕駛.FSD V102021.092021.10(FSD Beta10.3)采用了新的視

19、覺處理和神經網絡模型，并優化了城市NOA功能.FSD V112022.112023.03(FSD Beta11.3)優化了高速NOA功能，實現了FSD在城市和高速NOA功能底層技術開發棧的統一.FSD V122023.112024.03(FSD Beta12.3)采用端到端的神經網絡模型，優化了30萬行C+代碼，實現了數據收集、處理、規劃到反應的自動化.FSD V12.42024.05(E)重新訓練了自動駕駛學習模型，并優化了車輛在狹窄單行車道、封閉道路等特殊路況的行駛能力.表3：FSD版本迭代資料來源：特斯拉官網、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容算法算法端：由后

20、融合向端到端的端：由后融合向端到端的演進演進u 模型逐步由由“后融合模式后融合模式”走向走向“端到端模式端到端模式”。為提升終端用戶體驗，擺脫對高精地圖的依賴，增強任務協調能力。新模型聚焦于提升感知能力，減少各模塊間處理數據的頻次，從而避免數據的損失。后融合時期(2020年以前):采用基于HydraNet的多任務神經網絡架構，每個傳感器對應一個神經網絡，將傳感器各自處理后的信息做基于統計學模型的加權運算，這樣會出現數據損失。特征融合時期(2020-2023):采用基于BEV+Transformer做特征融合的方式，利用Transformer 大模型提取特征向量，在統一的 3D 坐標系空間（BE

21、V）內做特征融合，最后進行多任務輸出。端到端模型(2024-至今)：基于深度神經網絡，通過攝像頭采集駕駛場景的信息，將其作為深度卷積神經網絡模型的輸入，再不斷對網絡模型進行訓練，得到學習好的網絡參數，從而對智能車方向盤轉角進行預測，直接向控制器輸出操作指令。激光雷達車載攝像頭毫米波雷達其他部件PID控制MPC控制其他控制原始數據原始數據原始數據原始數據控制信號神經網絡神經網絡跟蹤、建圖、運動預測、占用預測、規劃端到端大模型端到端大模型執行執行傳感器數據傳感器數據激光雷達車載攝像頭毫米波雷達其他部件激光特征識別算法視覺特征識別算法雷達特征識別算法其他算法數據時空同步特征融合道路規劃預測車輛行為規

22、劃軌跡規劃PID控制MPC控制其他控制原始數據原始數據原始數據原始數據特征數據特征數據特征數據特征數據各類識別信號控制信號傳感器數據傳感器數據感知感知模型模型決策決策執行執行圖6：基于BEV+Transfomer的特征融合智駕方案圖7：基于端到端大模型的智駕方案資料來源：馬達智數官網、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容u 特斯拉已經建立了一個全面的數據訓練流程，涵蓋數據采集、模擬仿真、自動標注、模型訓練和部署等環節：數據收集：特斯拉通過影子模式進行數據收集，這是一種在車輛行駛過程中自動啟動的系統。當駕駛員的行為與模型預測不符時，相關數據會被發送回數據中心，用于分析和

23、優化模型。目前，特斯拉已經擁有超過180萬輛車輛和13億英里的駕駛數據。仿真模擬：特斯拉的仿真系統創建了一個3D環境，模擬真實世界的場景，包括道路、車輛、行人、路燈和其他周邊環境。這種全面的仿真環境使得特斯拉能夠生成大量高質量的訓練數據。自動標注：特斯拉已經從過去的2D標注過渡到4D標注體系，即在空間和時間上進行數據標注。數據被劃分為稱為clip的基本單位，并利用自動化系統進行標注。數據來源：Tesla AI Day2022，特斯拉AI twitter，國信證券研究所整理數據數據端：自動標注下的數據訓練端：自動標注下的數據訓練閉環閉環圖8：特斯拉數據訓練閉環展示圖圖9：FSD訓練里程積累數請務

24、必閱讀正文之后的免責聲明及其項下所有內容車載硬件車載硬件端：實現全面自研端：實現全面自研FSDFSD芯片芯片Hardware1.0Hardware1.0Hardware2.0Hardware2.0Hardware3.0Hardware3.0Hardware4.0Hardware4.0攝像頭與雷達camera*1Radar*1(160m)Lidar*12(5m)camera*7Radar*1(160m)Lidar*12(8m)camera*7Radar*1(170m)Lidar*12(8m)camera*10Phinix Radar*1芯片Mobile EyeQ3Nvidia Parker So

25、c*1Nvidia Pacal GPU*1Infineon CPU*1FSD1.0*2FSD2.0*2ROM36110110/FPS256MB6GB8GB*2/制造工藝40nm N.A.14nm 7nm運算能力0.256TOPS12TOPS144TOPS216TOPSu 由合作向自研轉變：HW1.0時期（2014-2016）：與mobileye合作HW2.0時期（2016-2019）：與Nvidia合作HW3.0/4.0時期（2019-至今）：實現自主研發FSD1.0/2.0芯片表4：HW1.0-HW4.0硬件配置變化數據來源：Tesla AI Day2022，特斯拉AI twitter，國信

26、證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容算力端：算力端：DojoDojo投入后算力投入后算力大幅提升大幅提升u Dojo芯片發布并投入量產后，Tesla的算力得到了大幅提升：Dojo1是Tesla在2022年AI Day上發布的用于進行深度學習模型訓練的超級計算芯片。該芯片可以通過接受海量的輸入數據，對道路上的車輛、標志與行人進行自動標注與學習，進而實現深度學習模型的自動化訓練，是目前Tesla已發布的算力最大的芯片。Dojo1芯片投入量產后，Tesla立刻將這些芯片運用到自主研發的超級計算平臺DOJO上，在2023-2024年間實現了算力的大幅提升：由原先A100集群不到5

27、EFLOPS的算力規模迅速提升到全球算力前5水平，并有望于今年10月達到100EFLOPS的算力規模，約30萬張A100的水平。計算平臺計算平臺Nvidia A100集群集群DOJO集群集群總體算力1.8EFLOPS100EFLOPS(E)平臺結構5760個Nvidia A100 GPU120個訓練模塊25個FSD D1芯片/模塊354個訓練節點/芯片圖10：Tesla芯片算力進步曲線數據來源：CVPR2023表5：Dojo集群與Nvidia A100集群對比資料來源：特斯拉官網、VCPR官網、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容FSDFSD商業模式商業模式:訂閱訂閱

28、&買斷買斷特斯拉提供三級智駕產品，基礎款（AP）、增強版（EAP）、高階版（FSD），其中AP供特斯拉車主免費使用，EAP、FSD需額外付費。目前，FSD在北美提供訂閱和買斷兩種模式國內的特斯拉僅具有AP和EAP的功能，FSD需付費選裝。截至2024年5月，選裝FSD需額外付費6.4萬人民幣。時間時間APEAP（購買）（購買）FSD（購買（購買)FSD(訂閱訂閱/月月)2016.10-2019.2-50003000-2019.2-2019.4-30006000-2019.4-2019.8免費-6000-2019.8-2020.6免費-7000-2020.7-2020.10免費-8000-202

29、0.10-2021.7免費-10000-2021.7-2022.1免費-100001992022.1-2022.6免費-120001992022.6-2022.9免費6000120001992022.9-2023.9免費6000150001992023.9-2024.4免費6000120001992024.4-至今免費60001200099表6：智駕產品價格變化資料來源：特斯拉官網、智車之家、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容各地各地FSDFSD滲透率有望滲透率有望迎來拐點迎來拐點u 北美：3月底開始，FSD V12.3.3開始向北美用戶推送，版本引入“端到端”智駕

30、，corner case解決能力大幅提升。目前，170w使用用戶0事故。3月底開始，特斯拉針對美國和加拿大的客戶（包括未購買 FSD 的用戶）推出了一個月的 FSD免費試用服務。4月12日開始，特斯拉在北美地區FSD每月訂閱價格從 199 美元調整到 99 美元。u 歐洲:2024 年 2 月 1 日，聯合國歐洲經濟委員會（UNECE）通過了駕駛員控制輔助系統條例（DCAS）新法規草案，新法規將允許批準駕駛控制輔助功能的組合，包括制動、加速和超車輔助，同時，不再將變道系統的使用限制在高速公路，而是將其擴展到其他類型的道路。新條例預計將于 2024 年 6 月提交世界協調車輛條例論壇（WP.29

31、）通過，于 2025 年 1 月生效。DCAS 新條例生效后，特斯拉有望在歐洲地區開通FSD。u 中國:4月28日，中國汽車工業協會、國家計算機網絡應急技術處理協調中心發布關于汽車數據處理 4 項安全要求檢測情況的通報（第一批），特斯拉是唯一一家符合汽車數據安全合規要求的外資企業，意味著國內大多數區域將解除對特斯拉的限制。解除限制后，FSD在中國地區有望投入使用。0.21.176101628.5401800204060801001201401601802002021.72021.112022.12022.62022.92022.122023.32024.4數據來源：特斯拉官網、關于汽車數據處理

32、4項安全要求檢測情況的通報（第一批）、國信證券研究所整理圖11：FSD用戶數量快速上漲（單位：萬人）請務必閱讀正文之后的免責聲明及其項下所有內容RobotaxiRobotaxi萬億級市場規模為萬億級市場規模為FSDFSD打開長期打開長期盈利空間盈利空間u 巨大的市場&盈利空間據麥肯錫預測，截至2030年robotaxi市場規模為2.8萬億元，相比于整車毛利率30.6%，robotaxi毛利率在80%-85%之間，盈利空間巨大。u 中美陸續出臺各項政策支持Robotaxi落地美國：2023 年美國加州最先開放 Robotaxi 商業運營。2023 年 8 月加州公用事業委員會贊成允許 Waymo

33、 和 Cruise 兩家公司在整個舊金山市 24H 商業化運營 Robotaxi。2024 年 3 月 Waymo 獲批洛杉磯市的運營許可。中國：北京亦莊特定區域成為國內首批支持“車內無人”載客示范應用區域，明確支持合格企業可在北京政策先行區內面向公眾提供常態化的Robotaxi付費服務。圖12：特斯拉對Robotaxi的展望時間時間相關內容相關內容2016.7.20Master Plan第二篇章中提出“讓你的汽車在你不使用它的時候也能為你賺錢（Robotaxi）”，這是特斯拉首次提出Robotaxi的概念。2019在自動駕駛日發布會上提出，特斯拉將回收部分Model 3并投入robotaxi

34、車隊，同時車主也可以自主加入Tesla Network平臺，讓自己的車輛在閑置時作為robotaxi使用。202222Q1財報電話會馬斯克表示robotaxi將取消方向盤和踏板，完全依靠FSD實現自動駕駛，目標2024年實現量產。2024.4.9馬斯克在X平臺稱特斯拉自動駕駛出租車（Robotaxi）將于將于8月月8日揭日揭曉曉表7：特斯拉提出Robotaxi的相關信息資料來源：自動駕駛日發布會、麥肯錫官網、特斯拉官網、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容智能化時代來臨，高階智駕已成必然趨勢0101特斯拉FSD進展遙遙領先，滲透率有望快速提升0202華為國內領先，各廠

35、商加速發展智駕產業0303投資建議與風險提示0404目錄目錄請務必閱讀正文之后的免責聲明及其項下所有內容國內廠商智駕方案百花齊放，華為引領行業加速發展國內廠商智駕方案百花齊放，華為引領行業加速發展企業車型智駕方案硬件配置開展進度高清地圖高速NOA城市NOA問界問界M9HUAWEI ADS2.01個激光雷達3個毫米波雷達12個超聲波雷達11個高清攝像頭高速NOA通過OTA不斷實現技術升級已覆蓋全國高速高架快速路范圍。城市NOA技術覆蓋范圍拓展至全國，可用路段高達99%。不依賴阿維塔阿維塔11（2024年款）HUAWEI ADS2.03個激光雷達6個毫米波雷達12個超聲波雷達13個高清攝像頭高速N

36、OA表現突出，能夠實現自動并線換道、上下匝道等操作。城市NOA全國覆蓋，已全量推送。不依賴理想L6AD Max/AD Pro1個激光雷達1個毫米波雷達12個超聲波雷達11個高清攝像頭高速NOA覆蓋全國高速與環線，將新增收費站通行功能，支持在ETC通道識別抬桿自動通過。城市NOA已覆蓋110個城市，預計Q2將在全國所有路段開放。正在向無圖技術路線轉型小鵬P7i 550/G6第二代XNGP2個激光雷達5個毫米波雷達12個超聲波雷達12個高清攝像頭高速NOA實現全國高速高架快速路覆蓋。城市NOA功能已在全國255城開展服務，全國版本內測中。正在向無圖技術路線轉型蔚來ET7/EC6/ES6NOP+1個

37、激光雷達5個毫米波雷達12個超聲波雷達11個高清攝像頭高速NOA實現全國高速高架快速路覆蓋。城市NOA穩步推進，實現全域NOP+，公測范圍約2w+人。依賴，通過眾包建圖方式優化智己L6/LS6IM AD1個激光雷達3個毫米波雷達12個超聲波雷達11個高清攝像頭高速NOA覆蓋333城高速路段與59城高架路段。城市NOA覆蓋上海1城，深圳廣州蘇州開啟公測。不依賴資料來源：各公司官網、汽車之家官網、國信證券研究所整理表8：國內各廠商智駕進度請務必閱讀正文之后的免責聲明及其項下所有內容華為智駕方案持續升級，城市華為智駕方案持續升級，城市NCANCA覆蓋率高達覆蓋率高達99.56%99.56%資料來源：

38、華為官網、ADS 2.0發布會、問界新M7發布會、華為智能汽車解決方案發布會、國信證券研究所整理智駕功能智駕功能智駕功能ADS 1.0ADS 2.0ADS 3.0智能駕駛輔助城區LCC車道巡航城區NCA智駕領航高速LCC車道巡航高速NCA智駕領航城區LCC巡航輔助城區NCA智駕領航NCA城市領航覆蓋全國40000+城鄉鎮，覆蓋率高達99.56%業界首發從車位到車位的智駕領航NCA功能，從道路到園區，從園區到地下車位全場景貫通主動安全提前預警與短時間介入，處于L0級別GOD網絡，異性障礙物檢測（不需要訓練）實現了ESA（緊急轉向輔助）再增強。在AEB（自動緊急制動）剎車距離不足的場景下，系統自動

39、緊急轉向避障，無需人先打方向盤觸發。側向主動安全也支持更多的場景。泊車APA智能泊車RPA遙控泊車AVP代客泊車360車位識別，可見即可泊車支持機械立體車位泊入地下停車場代客迫車輔助AV人下車即走，車輛自主泊入，無需等待。泊車代駕已全場景商用。啟動泊車代駕先鋒計劃，2024年底將支持100個商業停車場和2000個社區和辦公停車場。感知系統配置激光雷達3個毫米波雷達6個超聲波雷達12個高清攝像頭13個依賴高清地圖激光雷達1個毫米波雷達3個超聲波雷達12個高清攝像頭11個不依賴不依賴高清地圖激光雷達 暫未公開毫米波雷達 暫未公開超聲波雷達 暫未公開高清攝像頭 暫未公開不依賴不依賴高清地圖表9：AD

40、S版本迭代請務必閱讀正文之后的免責聲明及其項下所有內容ADS3.0ADS3.0算法：端到端架構，實現深度理解駕駛算法：端到端架構，實現深度理解駕駛場景場景u 障礙物識別GOD大網+預測決策規控一體PDP網絡 ADS3.0端到端算法GOD大網：去掉了傳統的BEV網絡，構建了端到端的GOD大網，實現對駕駛場景、障礙物識別更深度理解。PDP網絡：實現預測決策和規劃一張網，從而實現類人化的決策和規劃，行駛軌跡更類人，通行效率更高，復雜路口通過率96%。激光雷達視覺毫米波雷達導航原始數據神經網絡神經網絡PDP網絡網絡執行執行傳感器數據傳感器數據GOD大網原始數據原始數據原始數據理解駕駛場景理解駕駛場景預

41、測決策預測決策規劃規劃運動控制圖13：ADS3.0 端到端架構資料來源：華為智能汽車解決方案發布會、華為官網、國信證券研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容云端算力平臺：昇騰芯片助力智駕模型云端算力平臺：昇騰芯片助力智駕模型快速迭代快速迭代u 高算力：高算力：總算力達3.3E FLOPSu 高兼容：高兼容：昇騰云服務除了支持華為的Al框架昇思Mindspore外，還支持Pytorch,Tensorflow等主流AI框架。這些框架中的90%算子，都可以通過華為的遷移工具從GPU平滑遷移到昇騰，出了一些硬核的框架和異構優化編程接口，為昇騰體系專門建設了一套AI開發的產品化工具-Mi

42、ndstudio。u 高穩定：高穩定：昇騰AI云服務可以提供更長穩的AI算力服務，千卡訓練30天長穩率達到90%，斷點恢復時長不超過10分鐘。u 高迭代：高迭代：模型每5天迭代一次資料來源：華為智能汽車解決方案發布會、問界M9發布會、國信證券研究所整理20172021202220232024.12024.4華為智駕總里程數ADS1.0ADS2.0ADS3.02023.42024.4城市領航覆蓋范圍5城40000+城鄉鎮城市高架匯入匯出成功率98.86%99.2%MPI平均接管里程114km270km+表10：城市NCA能力變化圖14：華為智駕總里程變化圖15：華為云端算力變化00.511.52

43、2.533.52023.92023.122024.42023.92023.122024.4請務必閱讀正文之后的免責聲明及其項下所有內容正向循環優化能力，華為合作模式不斷增強正向循環優化能力，華為合作模式不斷增強技術壁壘技術壁壘首款視覺智駕智界S7首月銷量超超45004500輛智能車智能車銷量銷量城市NCA覆蓋率高達99.56%99.56%高速NCA覆蓋率高達99.50%99.50%支持超超160160種車位智能泊車智駕智駕能力能力每天學習里程超超12001200萬萬公里駕駛里程駕駛里程采集采集模型每5 5天迭代一次訓練算力高達3.3 3.3 EFLOPSEFLOPS數據及數據及訓練訓練華為華為

44、資料來源：問界M9發布會、華為智能汽車解決方案發布會、國信證券研究所整理圖16：正循環模式請務必閱讀正文之后的免責聲明及其項下所有內容智能化時代來臨，高階智駕已成必然趨勢0101特斯拉FSD進展遙遙領先，滲透率有望快速提升0202華為國內領先，各廠商加速發展智駕產業0303投資建議與風險提示0404目錄目錄請務必閱讀正文之后的免責聲明及其項下所有內容投資建議投資建議 建議關注：中科創達、經緯恒潤、四維圖新、千方科技、萬集科技 中科創達：主要產品包括智駕域控、芯片算法解決方案，23年智駕業務實現18.4億營收，占總營收35.1%。經緯恒潤:主要產品包括輔助駕駛系統、智能駕駛域控制器、車載高性能計

45、算平臺、毫米波雷達等智駕產品，23年智駕業務實現34.3億營收，占總營收73.6%。四維圖新：主要產品包括智駕行泊一體高性價比域控制器、基于地平線 J2/J3 芯片的智駕方案，23年智駕業務實現3.8億營收，占總營收12.1%。千方科技：主要產品包括智慧交通系統產品與解決方案、V2X智能網聯產品、自動駕駛測試場、路側硬件和軟件產品、車路協同等智駕業務。萬集科技：車載激光雷達、車路協同數據、V2X全棧系列產品、車路云融合智駕方案等智駕業務。請務必閱讀正文之后的免責聲明及其項下所有內容風險提示風險提示 技術研發不及預期：技術研發不及預期：目前智駕技術尚未完善，在模型迭代、數據集、算力等角度存在技術

46、不及預期的可能。市場需求不及預期：市場需求不及預期：行業處于探索階段，存在消費者出于安全考慮導致的市場需求不及預期的可能。政策不及預期：政策不及預期：目前各國對智能駕駛尚未實行全面放開的政策，出于安全考慮，存在政策不及預期的可能。請務必閱讀正文之后的免責聲明及其項下所有內容免責聲明免責聲明分析師承諾分析師承諾作者保證報告所采用的數據均來自合規渠道；分析邏輯基于作者的職業理解，通過合理判斷并得出結論，力求獨立、客觀、公正，結論不受任何第三方的授意或影響；作者在過去、現在或未來未就其研究報告所提供的具體建議或所表述的意見直接或間接收取任何報酬，特此聲明。重要聲明重要聲明本報告由國信證券股份有限公司

47、（已具備中國證監會許可的證券投資咨詢業務資格）制作；報告版權歸國信證券股份有限公司（以下簡稱“我公司”）所有。，本公司不會因接收人收到本報告而視其為客戶。未經書面許可，任何機構和個人不得以任何形式使用、復制或傳播。任何有關本報告的摘要或節選都不代表本報告正式完整的觀點，一切須以我公司向客戶發布的本報告完整版本為準。本報告基于已公開的資料或信息撰寫，但我公司不保證該資料及信息的完整性、準確性。本報告所載的信息、資料、建議及推測僅反映我公司于本報告公開發布當日的判斷，在不同時期，我公司可能撰寫并發布與本報告所載資料、建議及推測不一致的報告。我公司不保證本報告所含信息及資料處于最新狀態；我公司可能隨

48、時補充、更新和修訂有關信息及資料，投資者應當自行關注相關更新和修訂內容。我公司或關聯機構可能會持有本報告中所提到的公司所發行的證券并進行交易，還可能為這些公司提供或爭取提供投資銀行、財務顧問或金融產品等相關服務。本公司的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中意見或建議不一致的投資決策。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告所載內容和信息并自行承擔風險

49、，我公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。證券投資咨詢業務的說明證券投資咨詢業務的說明本公司具備中國證監會核準的證券投資咨詢業務資格。證券投資咨詢，是指從事證券投資咨詢業務的機構及其投資咨詢人員以下列形式為證券投資人或者客戶提供證券投資分析、預測或者建議等直接或者間接有償咨詢服務的活動：接受投資人或者客戶委托，提供證券投資咨詢服務；舉辦有關證券投資咨詢的講座、報告會、分析會等；在報刊上發表證券投資咨詢的文章、評論、報告，以及通過電臺、電視臺等公眾傳播媒體提供證券投資咨詢服務；通過電話、傳真、電腦網絡等電信設備系統，提供證券投資咨詢服務；中國證監會認定的其他形式

50、。發布證券研究報告是證券投資咨詢業務的一種基本形式，指證券公司、證券投資咨詢機構對證券及證券相關產品的價值、市場走勢或者相關影響因素進行分析，形成證券估值、投資評級等投資分析意見，制作證券研究報告，并向客戶發布的行為。國信證券投資評級國信證券投資評級投資評級標準投資評級標準類別類別級別級別說明說明報告中投資建議所涉及的評級（如有）分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后6到12個月內的相對市場表現，也即報告發布日后的6到12個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A股市場以滬深300指數（000300.SH）作為基準；新三板市場以三板

51、成指（899001.CSI）為基準；香港市場以恒生指數(HSI.HI)作為基準；美國市場以標普500指數(SPX.GI)或納斯達克指數（IXIC.GI）為基準。股票投資評級股票投資評級買入股價表現優于市場代表性指數20%以上增持股價表現優于市場代表性指數10%-20%之間中性股價表現介于市場代表性指數10%之間賣出股價表現弱于市場代表性指數10%以上行業投資評級行業投資評級超配行業指數表現優于市場代表性指數10%以上中性行業指數表現介于市場代表性指數10%之間低配行業指數表現弱于市場代表性指數10%以上請務必閱讀正文之后的免責聲明及其項下所有內容國信證券經濟研究所國信證券經濟研究所深圳深圳深圳市福田區福華一路125號國信金融大廈36層郵編：518046 總機：0755-82130833上海上海上海浦東民生路1199弄證大五道口廣場1號樓12樓郵編：200135北京北京北京西城區金融大街興盛街6號國信證券9層郵編：100032