《智能駕駛行業深度報告系列之一：汽車行業：特斯拉FSD進化之路-240930（15頁）.pdf》由會員分享，可在線閱讀，更多相關《智能駕駛行業深度報告系列之一：汽車行業：特斯拉FSD進化之路-240930（15頁）.pdf（15頁珍藏版）》請在三個皮匠報告上搜索。

1、 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 行業研究 東興證券股份有限公司證券研究報告 汽車汽車行業行業：特斯拉特斯拉 FSDFSD 進化之路進化之路 智能駕駛行業深度報告系列之一智能駕駛行業深度報告系列之一 2024 年 9 月 30 日 看好/維持 汽車汽車 行業行業報告報告 分析師分析師 李金錦 電話：010-66554142 郵箱：lijj- 執業證書編號：S1480521030003 投資摘要：特斯拉在智能駕駛的布局在全球車企中處于領先地位，本文以特斯拉年報及 2019、2021、2022 年特斯拉舉辦 AI Day 為主要信息來源，梳理特斯拉 FSD 進展情況，作為智能駕駛

2、系列報告的第一篇，以挖掘智能駕駛領域的投資機會。特斯拉特斯拉 FSD 現狀現狀。全稱為 Full Self-Driving（完全自動駕駛），1）累計行駛里程累計行駛里程：截止 2024Q2 末，特斯拉 FSD 技術助力下的汽車已經行駛了超過 16 億英里，相當于 25.75 億公里?；凇岸说蕉恕钡?FSD 最新版本 V12 助力下的汽車已經行駛了超過 6 億英里，相當于 9.66 億公里。2）最新版本及推廣區域最新版本及推廣區域：目前最新的 FSD 版本為 9 月 23 日發布的 V12.5.4，特斯拉在此版本上實現了智能召喚，允許用戶使用手機將車輛召喚至身邊或附近可選擇區域。目前 FSD

3、系統僅在美國和加拿大可用，特斯拉人工智能團隊于社交平臺發布消息稱，預計在 2025年第一季度于中國和歐洲推出 FSD系統，不過仍需等待監管批準。3）價格價格：2024 年 4 月，特斯拉官方宣布 FSD 購買價格由 12,000 美元降至 8,000 美元，同時特斯拉還首次對 FSD 全自動駕駛月度訂閱費價格進行調整，由訂閱制發布時的每月 199 美元降低至 99 美元。算法：端到端逐步成型算法：端到端逐步成型。智能駕駛系統總體包括感知模塊、規劃模型和控制模塊。特斯拉感知模塊是通過神經網絡實現的，特斯拉較早就確立了純視覺感知方案，尤其是 2021 年 7 月推出 FSD Beta 9.0 至今

4、，特斯拉感知模塊僅采用 8 個遍布車身周圍的攝像頭。2021年特斯拉的感知模塊從基于單圖分析的 HydraNet網絡架構到BEV+Transformer架構。特斯拉在HydraNet架構中引入 Transformer 構建 BEV。同時增加基于時間的序列（feature queue）和基于空間的序列（video Module）總成拼接感知模塊完整的架構。該架構很好應對了相對復雜非結構道路的識別問題。為了更好的識別遮擋物的識別遠距離、邊緣區域等，2022 年引入 Occupancy 網絡，很好實現了對 3D 空間的感知。2021 年 FSD 規劃模塊引入基于神經網絡的規劃模塊和蒙特卡洛樹搜索，神

5、經網絡的引入可以實現規劃模塊端到端的優化。數據：數據標注、數據引擎實現數據閉環。數據：數據標注、數據引擎實現數據閉環。特斯拉數據標注從外包到自制、從人工到自動化。2021 年特斯拉就搭建了一條自動標注流水線，大幅提升了數據標注效率。2022 年，特斯拉針對各種類型的神經網絡提供了多種類型的自動標注框架。2022 AI Day 重點介紹了車道網絡的標注框架，這個框架最終實現了 30 分鐘完成人工標注需要幾個小時才能完成的工作。特斯拉實現另外完整的數據閉環。特斯拉車隊將報錯數據上傳至服務器，經過數據標注后進入數據訓練集，對自動駕駛系統進行再次訓練，訓練成熟后再推送給特斯拉車隊。算力：車端算力與超算

6、中心。算力：車端算力與超算中心。計算平臺是自動駕駛系統關鍵硬件設施，主要包括車端算力和用于大規模數據訓練的超算中心。特斯拉經歷了外購和自制兩個階段，到 2019 年 4 月推出完全自研的針對智能駕駛的車端芯片 HW3.0。今年 2 月份，特斯拉Model Y 車型迎來 HW4.0 自動輔助駕駛硬件升級，據官方宣傳，HW4.0 的芯片算力達到了 HW3.0 的五倍。自動駕駛算力的瓶頸在于訓練環節，訓練環節需要較多的算力資源。Dojo 是由 Tesla 開發的超級計算機系統，專門用于深度學習模型的訓練，尤其是為 FSD 提供支持。Dojo 已于 2023 年 7 月進入生產，到 2024 年底，特

7、斯拉將投資超過 10 億美元來構建其 Dojo 超級計算機。投資策略：投資策略：智能化是電動化的后半場，車企的智能駕駛的能力將決定其未來的市場競爭力。本文重點梳理了特斯拉 FSD 的進展。我國車企在智能化的布局同樣走在全球前列。我們梳理國內主流車企在自動駕駛領域的布局（見表 2），我們認為，自動駕駛浪潮已經到來，國內受益標的包括華為智選模式下的賽力斯（601127）、江淮汽車（600418）和北汽藍谷（600733），以及布局靠前的小鵬汽車、蔚來汽車等。超算中心是智能駕駛模型訓練的關鍵，與超算中心相關設施也將受益，如冷卻管路，對應標的川環科技（300547）。風險提示：風險提示：汽車行業景氣度

8、持續下行，汽車行業競爭持續加劇，智能駕駛行業進展不及預期，相關法規進展不及預期。P2 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 目目 錄錄 1.特斯拉特斯拉 FSD 現狀簡介現狀簡介.3 2.FSD 的持續進化之路的持續進化之路.4 2.1 算法：端到端逐步成型.5 2.2 數據：數據標注、數據引擎實現數據閉環.9 2.3 算力：車端算力與超算中心.10 3.投資建議投資建議.12 4.風險提示風險提示.12 相關報告匯總相關報告匯總.13 插圖目錄插圖目錄 圖圖 1：FSD 和和 V12 累計行駛里程累計行駛里程

9、單位：十億英里單位：十億英里.3 圖圖 2：特斯拉特斯拉 AI 算力走勢算力走勢.3 圖圖 3：FSD 歷史價格歷史價格 單位：美元單位：美元.3 圖圖 4：特斯拉感知模塊特斯拉感知模塊.5 圖圖 5：神經元與多層神經網絡神經元與多層神經網絡.5 圖圖 6：BEV 視野視野.6 圖圖 7：HydraNet 網絡架構網絡架構.6 圖圖 8：2021 年引入年引入 Transformer 后感知模塊架構后感知模塊架構.6 圖圖 9：2021-2022 年年 FSD 的快速迭代的快速迭代.7 圖圖 10：Occupancy 網絡識別效果圖網絡識別效果圖.7 圖圖 11：Occupancy 網絡架構網

10、絡架構.7 圖圖 12：針對規劃的關鍵問題的解決方案針對規劃的關鍵問題的解決方案-2021.8 圖圖 13：蒙特卡洛樹搜索蒙特卡洛樹搜索.8 圖圖 14：2021 年年 FSD 感知規感知規劃的最終架構劃的最終架構.9 圖圖 15：特斯拉的特斯拉的 DATA ENGINE-數據閉環數據閉環.10 圖圖 16：H100 GPU 采購量排名采購量排名-2023 年年.11 圖圖 17：Dojo 未來計劃未來計劃.11 表格目錄表格目錄 表表 1：特斯拉主要自動駕駛發展歷程特斯拉主要自動駕駛發展歷程.4 表表 2：國內主要車企自動駕駛布局國內主要車企自動駕駛布局.12 東興證券東興證券深度深度報告報

11、告 汽車行業：特斯拉 FSD 進化之路 P3 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 1.特斯拉特斯拉 FSD 現狀簡介現狀簡介 FSD 全稱 Full Self-Driving（完全自動駕駛），是特斯拉研發的自動化輔助駕駛系統，目標是實現 L5 級別的自動駕駛。在特斯拉官方的 2024 年 Q2 報告中，特斯拉宣布其 FSD 技術助力下的汽車已經行駛了超過 16億英里，相當于 25.75 億公里?；凇岸说蕉恕钡?FSD 最新版本 V12 助力下的汽車已經行駛了超過 6 億英里，相當于 9.66 億公里。到 2024 年底，特斯拉訓練 FSD 的 AI 訓練能力也將大幅提高，公司計

12、劃將算力提升到約 90,000 個 H100 型號 GPU 所提供的等效算力。圖圖1：FSD 和和 V12 累計行駛里程累計行駛里程 單位：十億英里單位：十億英里 圖圖2：特斯拉特斯拉 AI 算力走勢算力走勢 資料來源：特斯拉官網，東興證券研究所 資料來源：特斯拉官網，東興證券研究所 目前最新的 FSD 版本為 9 月 23 日發布的 V12.5.4，特斯拉在此版本上實現了智能召喚，允許用戶使用手機將車輛召喚至身邊或附近可選擇區域。目前 FSD 系統僅在美國和加拿大可用，特斯拉人工智能團隊于社交平臺發布消息稱，預計在 2025 年第一季度于中國和歐洲推出 FSD 系統，不過仍需等待監管批準。在

13、 2019 年之前，FSD 作為附加選項，需在增強型自動駕駛系統（Autopilot）上額外購買。Autopilot 的價格為 5,000 美元，如隨車訂購，FSD 需在此基礎上增加 3,000 美元選裝。在單獨推出之后，FSD 的價格持續攀升，于 2022 年 9 月達到頂點 15,000 美元，隨后便不斷回落。2021 年 7 月，特斯拉為 FSD 推出了訂閱制度，價格為每月 199 美元。2024 年 4 月，特斯拉官方宣布 FSD 購買價格由 12,000 美元降至 8,000 美元，同時特斯拉還首次對 FSD 全自動駕駛月度訂閱費價格進行調整，由訂閱制發布時的每月 199 美元降低至

14、 99美元。降價前的買斷價格約等于 60 個月的訂閱價格，而降價后的買斷價格約等于 80 個月。我們認為，價格機制的調整利于更多的用戶選擇訂閱制，從而幫助公司優化利潤結構 圖圖3：FSD 歷史價格歷史價格 單位：美元單位：美元 P4 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 資料來源：Not a Tesla App網站，東興證券研究所 受益于數據量、算力方面的領先，特斯拉 FSD 帶來了優秀的安全表現。第二季度，根據特斯拉官方記錄，在駕駛中使用 Autopilot 自動輔助駕駛功能時平均每 688 萬英里（約合 1,

15、107 萬公里）行駛里程發生一起碰撞事故。駕駛中未使用 Autopilot 自動輔助駕駛功能的，根據特斯拉官方記錄，平均每 145 萬英里（約合 233萬公里）行駛里程發生一起碰撞事故。相比之下，據美國國家公路交通安全管理局（NHTSA）和聯邦公路管理局（FHWA）公布的自 2022 年以來的數據顯示，美國境內大約每 67 萬英里（約合 108 萬公里）行駛里程即發生一起車輛碰撞事故。2.FSD 的持續進化之的持續進化之路路 特斯拉是全球領先的純電動汽車制造商，同時致力于實現汽車的完全自動駕駛。如上文所述，公司的 FSD系統正通過不斷的迭代升級，朝著這一方向邁進。我們梳理了特斯拉公司在自動駕駛

16、領域布局的大事記。大致上，特斯拉的自動駕駛布局經歷了外部合作，部分自研到完全自研的過程。表表1：特斯拉主要自動駕駛發展歷程特斯拉主要自動駕駛發展歷程 時間時間 軟硬件版本軟硬件版本 主要硬件及事件主要硬件及事件 2014 年 10 月 Autopilot 1.0 Hardware 1.0 與 Mobileye 合作，采用 EyeQ3 芯片 1 個前置單目攝像頭、1 個毫米波雷達、12 個超聲波雷達 2015 年 4 月 成立軟件算法小組 Vision，開始自研算法 2015 年 10 月 V7.0 版本更新 激活自動車道保持、自動變道和自動泊車等功能 2016 年 7 月 與 Mobileye

17、 終止合作 2016 年 10 月 Hardware2.0 Autopilot 2.0 采用英偉達 DRIVE PX 2 AI 計算平臺、8 個攝像頭、12 個超聲波雷達及1 個前置毫米波雷達 2019 年 3 月 Hardware3.0 采用自研芯片、8 個攝像頭、1 個毫米波雷達、12 個超聲波雷達 2021 年 7 月 FSD Beta(測試版)9.0 確定純視覺方案，取消毫米波雷達及超聲波雷達，僅保留 8 個攝像頭 2021 年 9 月 FSD Beta10.0 未披露傳感器方案變動 2022 年 11 月 FSD Beta11.0 未披露傳感器方案變動 2024 年 2 月 Hard

18、ware4.0 搭載 Model Y 算力提升 5 倍 2024 年 3 月 FSD 12.0（Supervised）未披露傳感器方案變動 訂閱制推出05000100001500020000 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 P5 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 時間時間 軟硬件版本軟硬件版本 主要硬件及事件主要硬件及事件 2024 年 7 月 FSD 12.5 未披露傳感器方案變動 資料來源：Ai fighting、高工智能汽車、電動邦、汽車財經、IT之家、易車網、中國新聞周刊、新浪網、東興證券研究所 感知感知-規劃規劃-控制控制：汽車自

19、動駕駛系統大致涵蓋感知模塊、規劃模塊和控制模塊。其中，感知模塊通過傳感器、算法等收集和提取環境信息，規劃模塊則利用感知模塊輸入的信息輸出相應的操控指令，控制模塊則通過規劃模塊的操控指令完成駕駛動作。特斯拉自動駕駛系統從誕生到 FSD V12.0 在上述各個模塊均發生了大幅度及深刻的變化。我們依據特斯拉 2019 年自動駕駛日，2021 年、2022 年 AI Day 及主要負責人公開交流內容來梳理其在算法、算力和數據三個領域的進展情況。2.1 算法：端到算法：端到端逐步成型端逐步成型 特斯拉感知模塊是通過神經網絡實現的特斯拉感知模塊是通過神經網絡實現的。特斯拉較早就確立了純視覺感知方案，尤其是

20、 2021 年 7 月推出 FSD Beta 9.0 至今，特斯拉感知模塊僅采用 8 個遍布車身周圍的攝像頭。因此，特斯拉自動駕駛系統的數據輸入即為 8 個攝像頭提供給的圖片流，對應參數為分辨率 1280X960，每通道 12 位整數，以大約 36HZ 的速度流入。神經網絡（Neural Network）是 20 世紀 80 年代以來人工智能領域興起的研究熱點，是一種運算模型，廣泛應用于機器學習。神經網絡由大量的節點（或神經元）相互聯接構成。每個神經元都會接受若干的輸入值，每個輸入值對應不同的權重值，神經元通過一定的計算規則輸出結果，該結果將作為下一層神經元的輸入。神經網絡是目前圖像識別、語音

21、識別和自然語言處理等很多問題的最佳解決方案。不同于傳統的基于規則的編程算法，傳統的方法通過編制規則算法，將問題分解，以告訴計算機怎么做，然后計算機依照該算法運行輸出。而神經網絡則是讓計算機通過觀測大量的數據（圖片、語音和文字等），從中發現規律，完成神經網絡中參數（權重等）的設置，完成指定的任務。如人臉識別、圖片識別等?；谏鲜鎏卣?，神經網絡是實現端到端方案的有效解決方案，所謂端到端（end-end），指從傳感器的信息收入到最終結果的輸入，中間層面不需要人工干預，由系統自行運行、學習等。目前由神經網絡構建的系統成為目前自動駕駛領域普遍的解決方案。圖圖4：特斯拉感知模塊特斯拉感知模塊 圖圖5：神經

22、元與多層神經網絡神經元與多層神經網絡 資料來源：特斯拉2021 AI Day截圖，東興證券研究所 注：視頻來源為嗶哩嗶哩-瓦礫村夫，視頻來源下同，不在贅述 資料來源：深入淺出神經網絡與深度學習邁克爾.尼爾森，東興證券研究所 P6 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 2021 年特斯拉的感知模塊從基于單圖分析的年特斯拉的感知模塊從基于單圖分析的 HydraNet 網絡架構到網絡架構到 BEV+Transformer 架構架構：特斯拉自動駕駛開發從早期結構化道路逐步過渡到非結構化道路。如早期特斯拉Autopilot

23、1.0-2.0時期（簡稱AP1.02.0，下同），主要以高速公路為主，路況場景相對簡單，對應功能包括自動跟車，車道保持等相對簡單的功能。當時的神經網絡以分析單張圖片為主，且為 2D 維度。特斯拉對此構建了 HydraNet 的多頭任務神經網絡架構。HydraNet 包括一個主干（backbone）和多個頭部（head），主干部分通過 RNN、Regnet 等提取多 8個攝像機輸入的圖片流的特征數據，然后在 BiFPN 和跨尺度特征融合之后，提供給每個不同任務的 head 模塊。這種架構的好處 1.所有圖片分析共享一個主干部分，不用為每個圖片單獨設置主干，大幅提升了效率。2.頭部（head）之前

24、相互獨立，各個任務獨立運營，調整而不會影響到其他任務的執行。3.Muti-scale features(中間藍色模塊)部分用來緩存主干部分的特征值，當需要微調時只需要調整這個模塊或者獨立的頭部模塊，而不需要對這個主干進行調整。BEV+Transformer 架構的引入：架構的引入：HydraNet 架構在早期的結構化道路的運營時是可行的，但進入到非結構化道路后，路況變得更加復雜，需要識別的對象大幅增加，且自動駕駛系統的規劃和控制模型需要向量空間而非圖像空間數據，面對 FSD 更高的要求，HydraNet 架構需要新的進化。BEV（Birds Eye View）即鳥瞰圖，是一種從垂直于地面的視角

25、觀察場景的表示方式，它模擬了從正上方垂直向下觀看地面的效果，能夠清晰地顯示地形、建筑物、道路網絡等地理要素之間的空間關系和布局。這種視圖對于自動駕駛車輛而言至關重要，因為它簡化了對周圍環境的感知和理解。圖圖6：BEV 視野視野 資料來源：特斯拉2021AI Day截圖，東興證券研究所 Transformer 模型是一種神經網絡，通過追蹤連續數據中的關系了解上下文，進而理解其含義。2021 AI Day上，特斯拉在 HydraNet 架構中引入 Transformer 構建 BEV。同時增加基于時間的序列（feature queue）和基于空間的序列（video Module）總成拼接感知模塊完

26、整的架構。圖圖7：HydraNet 網絡架構網絡架構 圖圖8：2021 年引入年引入 Transformer 后感知模塊架構后感知模塊架構 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 P7 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 資料來源：特斯拉2021AI Day截圖，東興證券研究所 資料來源：特斯拉2021AI Day截圖，東興證券研究所 2022 年引入年引入 Occupancy 網絡網絡：2021 年 7 月特斯拉發布 FSD beta 版在自駕能力上得到了較大的提升，該系統持續進行著大規模的，高頻率的迭代更新。據其 2022 AI Day，2021

27、-2022 年，特斯拉完成了 75000 多模型的訓練，形成了 281 個新的模型等。在 FSD 功能的持續發展中，BEV+Transformer 架構在 3D 空間感知上的局限性亟待解決，尤其是對遮擋物的識別遠距離、邊緣區域的感知上存在不足。2022 年，特斯拉在原有的神經網絡架構上，引入 Occupancy 網絡。Occupancy 網絡對感知的 3D 空間劃分成固定大小的體素網格，并讓算法去預測每個體素網格被占用的概率以及可能包含的目標類別從而實現對全場景的感知。因為其是對 3D 空間體素占用進行預測，因此，不存在數據集未被標注的物體無法識別的問題，能更好的識別障礙物。圖圖9：2021-

28、2022 年年 FSD 的快速迭代的快速迭代 圖圖10：Occupancy 網絡識別效果圖網絡識別效果圖 資料來源：特斯拉2022AI Day截圖，東興證券研究所 資料來源：特斯拉2022AI Day截圖，東興證券研究所 圖圖11：Occupancy 網絡架構網絡架構 P8 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 資料來源：特斯拉2022AI Day截圖，東興證券研究所 2022 年年 FSD 感知模塊即形成了感知模塊即形成了 BEV+Transformer+Occupancy 神經網絡架構。神經網絡架構。通過攝像

29、頭的圖片輸入，端到端輸出汽車周圍環境向量空間數據，為規劃模塊決策提供支持。特斯拉特斯拉 FSD 規劃模式的進化規劃模式的進化-神經網絡介入：神經網絡介入：規劃模塊的通過利用感知模塊輸出向量空間結果，計算出一個到底目的地的汽車行駛方案，該行駛方案力求在安全性、效率和舒適度三個方向上達到最優。但是規劃模塊的關鍵問題在于兩個方面，一方面是規劃過程是一個非凸優化問題，即可以在局部空間找到一個最優解，但是很難在全局實現最優。另一方面規劃模塊需要為汽車規劃接下來行為，需要估算出汽車的位置信息、速度及加速度的信息，這個過程需要生成大量的參數。如何解決這兩個問題，特斯拉 2021 AI Day 介紹了其解決方

30、案，先通過粗搜索（coarse search）得到一個相對優的解決方案，然后在通過連續優化技術得到一個平滑的行車軌跡（圖 11）。這個方案解決相對簡單交通場景中的規劃問題，比如汽車轉彎、變道，甚至狹窄街道的會車問題。但是面對更加復雜的交通場景，這個方案仍然難以順利應對。2021 年引入基于神經網絡的規劃模塊和蒙特卡洛樹搜索（Monte Carlo Tree Search）。蒙特卡洛樹搜索是一種人工智能問題中做出最優決策的方法，一般是在組合博弈中的行動（move）規劃形式。它結合了隨機模擬的一般性和樹搜索的準確性。同時，神經網絡的引入有效的解決了全局最優化的問題。最終 FSD 規劃模塊由基于顯性

31、規則的規劃模塊和基于神經網絡的規劃模塊構成，兩則都同時利用感知模塊提供的向量空間數據，同時神經網絡規劃模塊還可以使用感知模塊生成的中間數據。兩者共同產生一個平滑的車輛運行軌跡。神經網絡的引入可以實現規劃模塊端到端的優化。最終將結果輸入到顯性規則模塊以計算生成最終的加速、轉向等指令。圖圖12：針對規劃的關鍵問題的解決方案針對規劃的關鍵問題的解決方案-2021 圖圖13：蒙特卡洛樹搜索蒙特卡洛樹搜索 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 P9 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 資料來源：特斯拉2021 AI Day截圖，東興證券研究所 資料來源：特斯

32、拉2022AI Day截圖，東興證券研究所 圖圖14：2021 年年 FSD 感知規劃的最終架構感知規劃的最終架構 資料來源：特斯拉2021AI Day截圖，東興證券研究所 2022 年引入互動式搜索（Interaction Search）：隨著感知模塊引入 Occupancy 網絡，FSD 感知模塊可以輸出周圍 3D 環境數據，尤其是能更好的識別周圍物體及遮擋障礙物，同時規劃模塊需要更好的應對復雜交通路況，這些路況中，算法既需要規劃本車的行車軌跡，同時還要更好的預測周圍物體的運行軌跡。2022 AI Day上，關于規劃（planning）部分，重點介紹了互動式搜索（Interaction S

33、earch），在新的感知模型下，互動式搜索實現了更好的規劃效果。綜上，FSD 在感知和規劃領域通過引入更為豐富和大規模的神經網絡，完善自動駕駛功能。實現了感知和規劃領域的端到端的優化。神經網絡架構持續優化的關鍵來自于對其進行大規模、多樣化的數據訓練，特斯拉在數據領域同樣呈現快速的迭代升級勢頭。2.2 數據：數據標注、數據引擎實現數據閉環數據：數據標注、數據引擎實現數據閉環 數據標注是指對圖片、語音、文本、視頻等數據進行處理，標記對象的特征，生成滿足機器學習訓練要求的可讀數據編碼。比如，我們將需要識別的對象在圖片上標注，如對每張圖片標記出“紅燈”、“綠燈”、“停車標志”等信息，然后輸入到神經網絡

34、模型，經過多輪學習直到輸出正確的結果，從而完成神經網絡中眾多參數的調整設置，為后續識別作出更好的預測結果。特斯拉數據標注從外包到自制、從人工到自動化：特斯拉早期是與第三方合作數據標注的，由第三方完成數據標注，但這種模式滿足特斯拉對數據量和及時性的需求，而且數據標注質量難控制。特斯拉將數據標注業P10 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 務改為內部完成，構建了一個內部人工標注團隊。據 2021 AI Day，特斯拉內部從事數據標注的團隊人數超過 1000 人，而且從早期的圖像 2D 標注升級為 3D 空間和 4D

35、 時空標注。隨著神經網絡的不斷復雜和深入，人工標注數據已難以滿足訓練需求，2021 年特斯拉就搭建了一條自動標注流水線。特斯拉將收集到的視頻片段傳送到服務器，由服務器離線運行神經網絡，以完成視頻片段的切割，包括掩碼、深度和點匹配等任務，然后利用大量的機器人和人工智能算法來自動生成可用于訓練的標注數據集。這大幅提升了數據標注的效率，采用這種方法，特斯拉實現了一周內完成一萬多個片段的標注，而如果采用人工標注可能需要幾個月的時間。2022 年，特斯拉針對各種類型的神經網絡提供了多種類型的自動標注框架。2022 AI Day 重點介紹了車道網絡的標注框架，這個框架最終實現了 30 分鐘完成人工標注需要

36、幾個小時才能完成的工作。數據閉環Data engin：特斯拉車隊（用戶及測試工程車）在行駛過程中出現發生預測錯誤的數據，或者影子模式下，規劃模塊產生的結果與司機存在較大偏差的情況數據都會上傳至數據庫，經過數據標注后進入數據訓練集對自動駕駛系統進行訓練，訓練成熟后再次推送給特斯拉車隊。這就構成了特斯拉 FSD 完整的數據閉環。通過大規模的車隊運營，不斷消除 FSD 失效場景，進而不斷提升自動駕駛能力。圖圖15：特斯拉的特斯拉的 DATA ENGINE-數據閉環數據閉環 資料來源：特斯拉2022 AI Day，東興證券研究所 2.3 算力：車端算力與超算中心算力：車端算力與超算中心 計算平臺是自動

37、駕駛系統關鍵硬件設施，主要包括車端算力和用于大規模數據訓練的超算中心。車端芯片領域，特斯拉經歷了外購和自制兩個階段，從早期的購買自 Mobileye、英偉達，到 2019 年 4 月推出完全自研的針對智能駕駛的車端芯片 HW3.0。時至今日，HW3.0 與當前主流芯片相比仍然具備較強的計算能力。今年 2 月份，特斯拉 Model Y 車型迎來 HW4.0 自動輔助駕駛硬件升級。據官方宣傳，HW4.0 的芯片算力達到了 HW3.0 的五倍。同時 HW4.0 也帶來了更高像素的攝像頭，將車輛的最遠探測距離升級到了 424 米。盡管已經推出了 HW4.0，在 6 月的特斯拉的股東大會上，馬斯克宣布

38、HW3.0 將繼續接受訓練，并且仍將為其開發新的 FSD 版本。不過，HW4.0 在未來最終將比 HW3.0 好“大約 5 倍”。馬斯克還正式宣布了特斯拉的 FSD 硬件 HW5.0，并稱之為“AI5”。AI5 預計將在大約 18 個月內（2025 年 12 月左右）進入特斯拉車輛的生產線，并將進行大量改進。預計它的性能將比 HW4.0 高出約 10 倍，僅就推理能力而言，性能將高出 50倍。東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 P11 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 當然，這些巨大的改進并非沒有成本AI5 將消耗高達 800 瓦的功率。相比之

39、下，HW3.0 和 HW4.0 目前消耗幾百瓦。與大多數現代處理器一樣，AI5 可以調整能效，其可以夠根據場景的復雜程度和所需的能力來增加或減少其處理能力。自動駕駛算力的瓶頸在于訓練環節，訓練環節需要較多的算力資源。據 2022 AI Day，特斯拉內部搭建了三臺超級計算機，包括 14000 個 GPU，其中 10000 個用于訓練，4000 個用于自動標注。2023 年英偉達 H100 GPU 芯片采購量排名中特斯拉也位列其中。圖圖16：H100 GPU 采購量排名采購量排名-2023 年年 資料來源：科創板日報，Omdia Research，東興證券研究所 超算中心 DOJO 及自研芯片

40、D1：DOJO 是由 Tesla 開發的超級計算機系統，專門用于深度學習模型的訓練，尤其是為 FSD 提供支持。DOJO 的設計目標是通過強大的計算能力和優化的架構，來處理海量的數據，從而使 FSD 更快地提升和改進。馬斯克于 2023 年 Q2 的電話會議上提出，到 2024 年底，特斯拉將投資超過 10 億美元來構建其 Dojo 超級計算機，以加快其自動駕駛軟件的開發。2023 年 6 月，特斯拉官方宣布 Dojo 于 2023 年 7 月進入生產，預計Dojo將在2024年一季度成為全球排名前五的算力設施（目前未有后續消息），并將在10月達到100Exa-Flops算力。圖圖17：Doj

41、o 未來計劃未來計劃 P12 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 資料來源：特斯拉官方，東興證券研究所 3.投資建議投資建議 智能化是電動化的后半場，車企的智能駕駛的能力將決定其未來的市場競爭力。本文重點梳理了特斯拉 FSD的進展。我國車企在智能化的布局同樣走在全球前列。我們梳理國內主流車企在自動駕駛領域的布局（見表2），我們認為，自動駕駛浪潮已經到來，國內受益標的包括華為智選模式下的賽力斯（601127）、江淮汽車（600418）和北汽藍谷（600733），以及布局靠前的小鵬汽車、蔚來汽車、理想汽車等。超算中

42、心是智能駕駛模型訓練的關鍵，與超算中心相關設施也將受益，如冷卻管路，對應標的川環科技（300547）。表表2：國內主要車企自動駕駛國內主要車企自動駕駛布局布局 品牌品牌 特斯拉特斯拉 鴻蒙智行鴻蒙智行 小鵬小鵬 理想理想 蔚來蔚來 輔助駕駛芯片 HW 4.0 MDC 810 NVIDIA Drive Orin*2 NVIDIA Drive Orin*2 NVIDIA Drive Orin*4 大模型 FSD HUAWEI ADS XNGP 理想 AD NIO Aquila 算力 720TOPS 400TOPS 508TOPS 508TOPS 1016TOPS 代表車型 Model Y 問界 M

43、7 小鵬 G9 理想 L7 蔚來 ES6 車外攝像頭數量 7 12 11 11 11 激光雷達數量 0 1 2 1 1 毫米波雷達數量 0 3 5 1 5 超聲波雷達數量 0 12 12 12 12 資料來源：懂車帝，東興證券研究所 4.風險提示風險提示 汽車行業景氣度持續下行，汽車行業競爭持續加劇，智能駕駛行業進展不及預期，相關法規進展不及預期。東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 P13 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 相關報告匯總相關報告匯總 報告類型報告類型 標題標題 日期日期 行業深度報告 汽車行業 2024 年中期投資展望：混動化趨

44、勢持續，格局與公司治理能力為王 2024-07-29 行業深度報告 氫能行業：脫碳減排背景下需求空間廣闊，燃料電池重卡環節先行受益氫能行業系列報告（一）2024-06-07 行業深度報告 汽車行業：汽車生產模式的第三次變革，從舊式生產力到新質生產力 2024-04-19 行業深度報告 汽車行業 2024 年投資展望：新能源的分化趨勢與零部件發展的 2.0 時代 2023-12-08 公司普通報告 愛柯迪（600933.SH）：國內業務快速增長，全球化戰略持續推進 2024-09-03 公司普通報告 愛柯迪（600933.SH）：小件規模持續提升，新能源類中大件產品穩步推進 2024-07-12

45、 資料來源：東興證券研究所 P14 東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 分析師簡介分析師簡介 李金錦李金錦 南開大學管理學碩士，多年汽車及零部件研究經驗，2009 年至 2021 曾就職于國家信息中心，長城證券，方正證券從事汽車行業研究。2021 年加入東興證券研究所，負責汽車及零部件行業研究。分析師承諾分析師承諾 負責本研究報告全部或部分內容的每一位證券分析師，在此申明，本報告的觀點、邏輯和論據均為分析師本人研究成果，引用的相關信息和文字均已注明出處。本報告依據公開的信息來源，力求清晰、準確地反映分析師本人的

46、研究觀點。本人薪酬的任何部分過去不曾與、現在不與，未來也將不會與本報告中的具體推薦或觀點直接或間接相關。風險提示風險提示 本證券研究報告所載的信息、觀點、結論等內容僅供投資者決策參考。在任何情況下，本公司證券研究報告均不構成對任何機構和個人的投資建議，市場有風險，投資者在決定投資前，務必要審慎。投資者應自主作出投資決策，自行承擔投資風險。東興證券東興證券深度深度報告報告 汽車行業：特斯拉 FSD 進化之路 P15 敬請參閱報告結尾處的免責聲明 東方財智 興盛之源 免責聲明免責聲明 本研究報告由東興證券股份有限公司研究所撰寫，東興證券股份有限公司是具有合法證券投資咨詢業務資格的機構。本研究報告中

47、所引用信息均來源于公開資料，我公司對這些信息的準確性和完整性不作任何保證，也不保證所包含的信息和建議不會發生任何變更。我們已力求報告內容的客觀、公正，但文中的觀點、結論和建議僅供參考，報告中的信息或意見并不構成所述證券的買賣出價或征價，投資者據此做出的任何投資決策與本公司和作者無關。我公司及報告作者在自身所知情的范圍內，與本報告所評價或推薦的證券或投資標的不存在法律禁止的利害關系。在法律許可的情況下，我公司及其所屬關聯機構可能會持有報告中提到的公司所發行的證券頭寸并進行交易，也可能為這些公司提供或者爭取提供投資銀行、財務顧問或者金融產品等相關服務。本報告版權僅為我公司所有，未經書面許可，任何機

48、構和個人不得以任何形式翻版、復制和發布。如引用、刊發，需注明出處為東興證券研究所，且不得對本報告進行有悖原意的引用、刪節和修改。本研究報告僅供東興證券股份有限公司客戶和經本公司授權刊載機構的客戶使用，未經授權私自刊載研究報告的機構以及其閱讀和使用者應慎重使用報告、防止被誤導，本公司不承擔由于非授權機構私自刊發和非授權客戶使用該報告所產生的相關風險和責任。行業評級體系行業評級體系 公司投資評級（A 股市場基準為滬深 300 指數，香港市場基準為恒生指數，美國市場基準為標普 500 指數）：以報告日后的 6 個月內，公司股價相對于同期市場基準指數的表現為標準定義：強烈推薦：相對強于市場基準指數收益

49、率 15以上；推薦：相對強于市場基準指數收益率 515之間；中性：相對于市場基準指數收益率介于-5+5之間；回避：相對弱于市場基準指數收益率 5以上。行業投資評級（A 股市場基準為滬深 300 指數，香港市場基準為恒生指數，美國市場基準為標普 500 指數）：以報告日后的 6 個月內，行業指數相對于同期市場基準指數的表現為標準定義：看好：相對強于市場基準指數收益率 5以上；中性：相對于市場基準指數收益率介于-5+5之間；看淡：相對弱于市場基準指數收益率 5以上。東興證券研究所東興證券研究所 北京 上海 深圳 西城區金融大街 5 號新盛大廈 B座 16 層 虹口區楊樹浦路 248 號瑞豐國際大廈 23 層 福田區益田路 6009 號新世界中心46F 郵編：100033 電話：010-66554070 傳真：010-66554008 郵編：200082 電話：021-25102800 傳真：021-25102881 郵編：518038 電話：0755-83239601 傳真：0755-23824526