2024特斯拉FSD發展歷程、中國市場進入進度、產業鏈概況及相關標的分析報告（46頁）.pdf

1、2 0 2 3 年深度行業分析研究報告fYaVdXaYbUeZeUeU9PaO8OtRqQmOtPlOpPqOlOoMzR8OrQrQuOnPqOMYnPnM4特斯拉FSD的發展歷程化繁為簡特斯拉FSD的發展歷程化繁為簡解析特斯拉FSD解析特斯拉FSD特斯拉FSD進入中國市場的進度特斯拉FSD進入中國市場的進度特斯拉FSD產業鏈概況及相關標的特斯拉FSD產業鏈概況及相關標的0302010錄錄目目 011.1 1.1 特斯拉特斯拉FSDFSD自動駕駛方案自動駕駛方案1.2 1.2 算法算法端迭代：全球首個端迭代：全球首個“端到端端到端”神經網絡量產上車，實現對繁瑣規則編寫的替代神經網絡量產上車，

2、實現對繁瑣規則編寫的替代1.1.3 3 硬件端迭代：高度依賴攝像頭，對其他傳感器則傾向于做硬件端迭代：高度依賴攝像頭，對其他傳感器則傾向于做“減法減法”特斯拉特斯拉FSDFSD的發展歷程的發展歷程化繁為簡化繁為簡1 1.1.1.1.1 FSD FSD是特斯拉輔助駕駛方案中功能最完整的產品是特斯拉輔助駕駛方案中功能最完整的產品1 1.1.2.1.2 特斯拉作為純視覺方案引領者，攝像頭是特斯拉作為純視覺方案引領者，攝像頭是FSDFSD智駕的核心智駕的核心1.1.1 FSD是特斯拉輔助駕駛方案中功能最完整的產品是特斯拉輔助駕駛方案中功能最完整的產品u 特斯拉的自動駕駛方案包括基礎版自動輔助駕駛（AP

3、）、增強版自動輔助駕駛（EAP）、以及完全自動駕駛（FSD）；其中，FSD全稱 Full Self-Driving（完全自動駕駛），是特斯拉輔助駕駛是特斯拉輔助駕駛AutopilotAutopilot產品組合中功能最完整的產品。產品組合中功能最完整的產品。u 功能上來看，特斯拉FSD除基礎的主動巡航及車道維持居中外，還可以實現：1）自動輔助導航駕駛，包括自動駛入和駛出高速公路匝道或立交橋岔路口，超過行駛緩慢的車輛；2）自動輔助變道，包括高速公路上自動輔助變換車道；3）自動泊車，包括平行泊車與垂直泊車；4）智能召喚則是在合適的場景下，停在車位的車輛會響應召喚、駛出車位并前往車主所在位置；5）交通

4、燈、標志識別；6）市區自動輔助轉向，檢測車道、車輛和障礙物，并操作車輛進行轉向；7）自動速度偏移調整，可根據不同的環境和場景，自主調整車輛的行駛速度。資料來源：特斯拉官網、teslaguru、愛卡汽車網、環球網、懂車帝、華金證券研究所整理自駕功能自駕功能AP（基礎版自動（基礎版自動輔助駕駛）輔助駕駛）EAP（增強版自動（增強版自動輔助駕駛）輔助駕駛）FSD（完全自動（完全自動駕駛）駕駛）主動巡航/跟車車道維持/居中自動輔助導航駕駛自動變換車道自動泊車召喚/智慧召喚交通識別/標志識別市區自動輔助轉向自動速度偏移調整圖：特斯拉各類自動駕駛方案的不同功能圖：特斯拉FSD智駕包可實現的功能1.1.2

5、特斯拉作為純視覺方案引領者，攝像頭是特斯拉作為純視覺方案引領者，攝像頭是FSD智駕的智駕的核心核心不同于大部分國內廠商多傳感器融合方案，特斯拉不同于大部分國內廠商多傳感器融合方案，特斯拉FSDFSD自動駕駛是以攝像頭為核心的純視覺解決方案。自動駕駛是以攝像頭為核心的純視覺解決方案。u 純視覺方案的最初設計靈感來自對人類視覺的研究；即人眼睛搜集的信息到達視網膜后，經過大腦皮層的多個區域、神經層，最終形成生物視覺，并在腦中生成圖像。特斯拉的目標就是通過算法、軟件及硬件來設計汽車的視覺皮層，建立像人腦一樣的、基于視覺的計算機神經網絡系統。u 首先，在特斯拉汽車行駛過程中，車輛通過攝像頭收集環境圖像信

6、息；特斯拉HW2.0/2.5/3.0版本硬件都配備了8顆監測不同方位的攝像頭，分別為三顆前置攝像頭（其中1顆主攝像頭、1顆廣角攝像頭、1顆窄視長焦攝像頭）、2顆前側攝像頭、2顆后側攝像頭、以及1顆后置攝像頭。資料來源：懂車帝、汽車之家、Tesla AI Day 2021、華金證券研究所圖：特斯拉FSD HW2.0/2.5/3.0裝配的8顆攝像頭圖：人類的視覺神經網絡系統u 可以看到，車輛周圍的8個攝像頭通過神經網絡生成三維向量空間；向量空間中包含了自動駕駛所需要的信息，如線條、邊緣、路緣、交通標志、紅綠燈、以及汽車的位置、方向、深度、速度。流程來看，由“眼睛（攝像頭）”獲得的上述信息將在神經網

7、絡“大腦（處理器）”中進行處理判斷，然后給“腿腳（行駛車輛）”下達動作指令。資料來源：懂車帝、36氪、汽車之家、TechWeb、鳳凰科技、華金證券研究所圖：特斯拉FSD HW2.0/2.5/3.0裝配的8顆攝像頭FSD特征：FSD的設計哲學在于打造一個閉環的、端到端的決策系統，意味著車輛不僅要具備感知環境的能力，還要能理解環境信息并做出駕駛決策，且所有行為都由車輛自身完成，無需依賴外部基礎設施的輔助。首先，駕駛輔助系統通過學習各種路況視頻，得出一個參數調優后的神經網絡；優化后的神經網絡被部署到以HW3.0為例的硬件上，根據車輛攝像頭獲得的圖像進行推理，得出車輛控制決策。但同時，若車輛遇到各類“

8、邊角案例”或駕駛員操作與系統“預想”操作不一致時，車輛都會脫敏匿名將實際情況上傳給特斯拉云端服務器，通過龐大的集中算力進行深度學習以優化系統；馬斯克曾表示“一輛汽車學會一件事后，所有車輛就都學會了?！?.1.2 特斯拉作為純視覺方案引領者，攝像頭是特斯拉作為純視覺方案引領者，攝像頭是FSD智駕的智駕的核心核心 8請仔細閱讀在本報告尾部的重要法律聲明u 自動駕駛的算法模塊通常分為自動駕駛的算法模塊通常分為“感知感知”、“決策規劃決策規劃”、“運動控制運動控制”。其中，“感知”模塊是自動駕駛的核心，大部分的技術升級都集中在感知模塊，其目的是讓車輛對駕駛環境的“感知”達到人類感知的級別；而“決策規劃

9、”則是基于“感知”模塊輸出的結果，通過規劃汽車行為和行車路徑，使得汽車達到指定目的地，且盡可能確保行車安全性、效率性和舒適性。u 感知層面，特斯拉經歷了由感知層面，特斯拉經歷了由“特征提取網絡特征提取網絡RegNetRegNet”向向“BEV+TransfomerBEV+Transfomer”、再向、再向“BEV+Transfomer+OccupancyBEV+Transfomer+Occupancy NetworkNetwork”轉變，決策規劃層面則自轉變，決策規劃層面則自20212021年由年由“Rule-based”“Rule-based”向向“Machine learning-base

10、d”Machine learning-based”逐步傾斜逐步傾斜；直至2024年1月，特斯拉通過推出FSD V12 Beta，成為全球首個“端到端”神經網絡量產上車的企業，實現了感知、決策、規劃相融合。資料來源：21經濟網、澎湃新聞、特來訊、電動湃、華金證券研究所圖：自動駕駛的算法框架1.2 算法端迭代算法端迭代圖：特斯拉FSD從“局部最優解”到“全局最優解”的演變1.2.1 算法算法1.0:2016年開啟自研算法，采用人工標注年開啟自研算法，采用人工標注+特征特征提取網絡進行物體識別提取網絡進行物體識別（1 1）2016-20182016-2018年：特斯拉采用常規的骨干網結構，并對數據采

11、取人工標注。年：特斯拉采用常規的骨干網結構，并對數據采取人工標注。u 2014年特斯拉發布的第一代硬件Hardware 1.0，軟硬件均由Mobileye提供；然而在2016年特斯拉發生的“全球首宗自動駕駛致命事故”，導致雙方合作結束。u 2016年特斯拉開啟自研算法階段，首先對數據采用人工標注，并通過對數據采用人工標注，并通過FacebookFacebook提出的特征提取網絡提出的特征提取網絡RegNetRegNet進行物體識別。進行物體識別。初始的數據都是需要人工來標注，如將圖像中的物體（人、車、馬、狗等）形態、類別及對應坐標一并輸入到神經網絡中，神經網絡就對上述物體有了一定的認知。隨后，

12、采用特征提取網絡RegNet進行物體識別；在該特征提取網絡中，最底部有著極高的分辨率和較低的通道數用于檢查圖像細節，而在頂部有著極高的通道數和較低的分辨率則用于理解場景上下文語義信息。比如分辨率最高的一層看到一輛車、但不太確定，最后一層分辨率最低的就通過語義關聯告訴第一層這極有可能是一輛車，這樣就完成了一次識別。出現的問題：出現的問題：在自動駕駛的場景中，往往需要在一個神經網絡中同時完成多項任務，比如車道線檢測，人物檢測與追蹤等，進而引發了該算法出現head不夠用的情況。資料來源：汽車之心、bilibili、懂車帝、3W平臺、華金證券研究所圖：神經網絡RegNet進行物體識別圖：對數據進行人工

13、標注1.2.2 算法算法2.0:構建多任務學習神經網絡架構，減少任務間構建多任務學習神經網絡架構，減少任務間的相互干擾的相互干擾（2 2）2018-20192018-2019年：構建多任務神經網絡架構年：構建多任務神經網絡架構HydraNetHydraNet（“九頭蛇網絡九頭蛇網絡”）。u 特斯拉構建了多任務學習神經網絡架構HydraNet，能夠基于相同的視頻輸入，分別進行若干任務（檢測或判別）；將上述任務聚合在新的架構布局中，使他們擁有共享的Backbone（骨干），并將分支分成若干個Head（頭部），這種架構被稱為HydraNets。HydraNet能夠減少重復的卷積計算，減少主干網絡計算

14、數量，還能夠將特定任務從主干中解耦出來，進行單獨微調，比如車道識別、紅綠燈識別等任務都有專門的Head來負責，減少不同任務間的相互干擾。出現的問題：1）自動駕駛依靠過去的2D 圖像+CNN實現全自動駕駛的可能性較低，主要系攝像頭采集的數據是 2D 圖像，但自動駕駛需要面對的卻是三維真實世界。2）隨著數據的逐步增加，出現人工標注效率低、且溝通成本高等問題。資料來源：Tesla AI Day 2021、汽車之心、華金證券研究所圖：行駛過程中，不同任務采用不同顏色標注圖:多任務學習神經網絡架構HydraNetuserid:93117,docid:166126,date:2024-07-01,1.2.

15、3 算法算法3.0：通過：通過 BEV+Transfomer架構進行架構進行2D升維，升維，數據標注進入數據標注進入“半自動半自動”階段階段（3 3）2019-20202019-2020年：感知層引入年：感知層引入BEV+TransfomerBEV+Transfomer架構實現圖像升維，并使用自動標注系統；架構實現圖像升維，并使用自動標注系統；FSDFSD首次發布并上車內測。首次發布并上車內測。u 在特斯拉看來，2D 圖像升維的最佳方式是BEV（鳥瞰圖），目的是建立一個從空中俯瞰的平面圖，來描繪車輛周圍的事物以及他們的位置關系。那么需要做的是，將8個攝像頭拍攝的畫面物體投射到2D畫面當中，畫中

16、的像素就相當于大語言模型中的分詞，像素與像素之間、或者說是特征與特征之間存在長距離依賴關系，由此通過Transformer中的注意力機制把每個像素映射到相對應的地方；而且，即便是某個攝像頭的畫面像素被暫時地遮擋，也可以根據依賴關系繼續存在。Transformer的引入，使得BEV視角在自動駕駛領域得以實現；而3D空間的引入，也使得自動駕駛的思維方式更接近于真實世界。u 2018年特斯拉自建了標注團隊，人員規模超過 1000 人；隨著數據的擴大，人員及成本壓力較大。2020 年開始，特斯拉研發并使用了數據自動標注系統；在車輛行駛過程中，攝像頭收集的路面信息，打包上傳到服務器的離線神經網絡大模型，

17、由大模型進行預測性標注，再反饋給車端各個傳感器；特斯拉進入“半自動標注”階段。資料來源：汽車之心、Bilibili、智駕最前沿、第一財經、華金證券研究所圖：特斯拉通過采集2D圖像建立鳥瞰平面圖u 軟件方面：1）2020年10月，特斯拉FSD Beta版本首次發布并開啟內測；2021年初，馬斯克宣布FSD Beta編號從V8.1開始。2）FSD功能基本在V8版本中奠定；功能涵蓋NOA導航輔助駕駛、Summon智慧召喚、Autopark自動泊車、識別交通燈和停車標志并作出反應、城市街道自動轉向等。1.2.3 算法算法3.0：通過：通過 BEV+Transfomer架構進行架構進行2D升維，升維，數

18、據標注進入數據標注進入“半自動半自動”階段階段出現的問題：1 1）BEVBEV仍然是對瞬時的圖像片段進行感知，仍然是對瞬時的圖像片段進行感知，汽車只能根據當前時刻感知到的信息進行判斷，自動駕駛存在一定的安全隱患。例如，在感知時刻如果行人正好被汽車遮擋，則無法識別到穿行的行人；而人類司機在面對類似場景時，則會根據此前看到行人在穿越馬路的記憶，能夠意識到行人有繼續穿越馬路的意圖，從而選擇減速或者剎車避讓。2 2）算法無法識別或認全所有事物，存在長尾情況。）算法無法識別或認全所有事物，存在長尾情況。例如當自動駕駛遇上超載車輛，算法通常將其識別為一般的三輪車，但對車后拖載的貨物，既不顯示、也不識別；當

19、自動駕駛的車輛進行超車變道時，極易發生剮蹭等事故。資料來源：汽車之心、華金證券研究所圖：算法無法識別超載三輪車的貨物1.2.4 算法算法4.0：Occupancy Network的應用降低計算復雜的應用降低計算復雜性，時序信息的引入則將圖像識別推向性，時序信息的引入則將圖像識別推向4D（4 4）20212021年年-2022-2022年：感知算法方面，時序信息的增加和年：感知算法方面，時序信息的增加和Occupancy NetworkOccupancy Network的應用，視頻數據升至的應用，視頻數據升至4 4維；決策規劃方面，特維；決策規劃方面，特斯拉開始向斯拉開始向“Machine le

20、arning-basedMachine learning-based”傾斜；軟件方面，得益于傾斜；軟件方面，得益于FSDFSD進入公測、且公測范圍不斷擴大，進入公測、且公測范圍不斷擴大，V9/V10/V11V9/V10/V11版本加速版本加速更新優化。更新優化。u 2021年，特斯拉感知網絡架構引入了時空序列特征層，使用視頻片段，而不是圖像來訓練神經網絡，為自動駕駛增添了短時記憶能力。時序隊列的使用賦予了神經網絡獲得幀間連續的感知結果的能力，與BEV結合后則使FSD獲得了應對視野盲區和遮擋，選擇性地對局部地圖進行讀寫的能力，正因為有了這樣的實時的局部地圖構建的能力，FSD才能不依賴高精地圖進行

21、城市中的自動駕駛。u 2022年，特斯拉又將 BEV 升級到了Occupancy Network（占用網絡），由過去的2D真正升級為3D；在Occupancy Network之下，原本的 BEV 空間被分割成無數的體素，即使無法識別物體的類別，也能通過預測每個體素是否被占用來更好執行駕駛任務，如估算單輛車或單個人在BEV網格圖中將占多少個方塊。資料來源：懂車帝、汽車之心、智駕最前沿、必應圖片、華金證券研究所圖：FSD具備實時的局部地圖構建的能力1、在BEV空間生成了統一的體素，可以預測任意一個體素的占用概率；2、能夠實時預測被遮擋物體的狀態；3、可以為每個體素預測其運動狀態，對隨機運動進行建模

22、；4、獲取了所有相機的視頻流，并且是統一的，沒有雷達與攝像頭融合的問題；5、得益于特斯拉的硬件，Occupancy Network具有高效的存儲和計算優勢圖：FSD采用占用網絡的優勢1.2.4 算法算法4.0：Occupancy Network的應用降低計算復雜的應用降低計算復雜性，時序信息的引入則將圖像識別推向性，時序信息的引入則將圖像識別推向4D資料來源：智駕最前沿、汽車之心、Bilibili、智源社區、麥巖智能機器人、華金證券研究所u 從畫面中來看，Occupancy Network并不能識別周邊物體具體是什么，只顯示大致輪廓，但Occupancy Network具有很強的泛化能力，可以

23、在僅有少量標注數據的情況下，實現高質量的物體檢測和重建；相較處理大規模的 3D 特征圖可能會非常耗時和計算密集，Occupancy Network的應用能夠有效降低計算的復雜性。與此同時，FSD基于光流法來判斷時間流，像素間的遷移也使得Occupancy Network最終帶來的投影升級為4D。光流法：假設構成某一物體的像素亮度恒定；時間連續的前提下，追蹤兩幀畫面之間像素的遷移，使得Occupancy Network最終帶來的是4D投影圖：FSD基于光流法來判斷時間流圖：Occupancy Network運行的顯示過程1.2.4 算法算法4.0：Occupancy Network的應用降低計算

24、復雜的應用降低計算復雜性，時序信息的引入則將圖像識別推向性，時序信息的引入則將圖像識別推向4D資料來源：搜狐網、澎湃新聞、晴數智慧、騰訊網、IT之家、Autolab、華金證券研究所u 決策層面：2021年，特斯拉開始在路徑規劃層面部分加入神經網絡的元素，推出“蒙特卡羅樹搜索算法”，通過路徑選擇概率和局面評估來輸出決策；但該階段僅少部分使用神經網絡，大部分依然是人工規則代碼。20222022年，新推出的年，新推出的“交互搜交互搜索網絡索網絡”將蒙特卡羅算法結合應用到將蒙特卡羅算法結合應用到OccupancyOccupancy網絡中，網絡中，計算出的每個軌跡都會有一個成本函數來優化樹搜索給出候選目

25、標較多等問題，該函數取決于碰撞概率、舒適度、干預可能性和人類操作相似性這四大因素；交互搜索網絡成功將計算耗時從1到5毫秒降低到100微秒；但函數部分仍然是基于規則的代碼。u 軟件方面：2021年馬斯克宣布FSD Beta編號從V8.1開始。從大版本號升級來看，基本維持一年一更新的節奏；更新頻率來看，則呈現較為明顯的加速迭代，由期初的兩月一更，逐步演變為每月兩到三更、甚至每月四更。伴隨著測試范圍的擴大及駕駛數據的增加，V9/V10/V11版本主要聚焦在功能的優化上，不斷加深智能駕駛的擬人化程度。圖：特斯拉“交互搜索網絡”算法圖：特斯拉“交互搜索網絡”算法1.2.5 2024年感知決策規劃大融合，

26、年感知決策規劃大融合，“端到端端到端”成為全局最成為全局最優解優解資料來源：特來訊、電動湃、第一電動汽車網、中華網、澎湃新聞、界面新聞、華金證券研究所20242024年年1 1月，特斯拉推出月，特斯拉推出FSD V12 BetaFSD V12 Beta，算法進入，算法進入“端端到端到端”階段；同時，階段；同時，FSD V12 Beta FSD V12 Beta 是全球第一個實現是全球第一個實現“端到端端到端”的的AIAI自動駕駛系統（自動駕駛系統（Full AI End-to-EndFull AI End-to-End）。）。u 在此之前，特斯拉采取的“模塊化”技術路線，即每個模塊負責特定問題

27、，獨立進行開發和訓練，然后再將不同模塊系統集成以完成自動駕駛任務。而新推出的“端到端”技術路線實現了從多維傳感器數據輸入，直到操作指令輸出的整個流程；一方面將感知、預測、規劃的多模型組合架構變成了“感知決策一體化”的單模型架構，簡化系統，減少錯誤傳遞，另一方面讓神經網絡完全代替了人工規則編寫，替換掉了超過30萬行C+代碼，實現了從規則驅動到數據驅動的轉變。u 隨后，國內多家企業跟進特斯拉采取“端到端”技術路線。1月30日，何小鵬表示小鵬智駕未來將實現端到端模型全面上車；蔚來也表示將在今年上半年推出端到端架構的主動安全功能；3月17日，元戎啟行宣布已經成功將端到端模型適配到量產車上，該批量產車將

28、于今年投入消費者市場；此外，毫末智行也表示正在進行端到端模型的研發。圖：“模塊化”與“端到端”優劣勢對比與模型架構1.3 硬件端迭代：高度依賴攝像頭，對其他傳感器則傾向于硬件端迭代：高度依賴攝像頭，對其他傳感器則傾向于做做“減法減法”資料來源：全國能源信息平臺、懂車帝、第一電動網、艾邦智造、維基百科、車家號、新出行、維科網等、華金證券研究所整理硬件代號硬件代號HW 1.0HW 2.0HW 2.5HW 3.0HW 4.0發布時間發布時間2014.092016.102017.082019.042023.01核心處理器核心處理器Mobileye EyeQ3 x 1NVIDIA Tegra 3 x 1

29、Nvidia Parker SoC x 1Nvidia Pascal GPU x 1英飛凌TriCore MCU x 1Nvidia Parker SoC x 2Nvidia Pascal GPU x 1英飛凌TriCore MCU x 1FSD1 芯片 x 2（12核）第二代FSD 2芯片 x 2（20核）攝像頭數量攝像頭數量288812毫米波雷達毫米波雷達11111超聲波雷達超聲波雷達121212120特斯拉于2014年推出FSD HW1.0，后續約2-4年更新一次（14年HW1.0，16年HW2.0，19年HW3.0，23年HW4.0）；目前，正處于向HW4.0的迭代階段。u 從硬件配置

30、上，特斯拉從硬件配置上，特斯拉FSDFSD堅持純視覺方案，高度依賴攝像頭進行感知。堅持純視覺方案，高度依賴攝像頭進行感知。根據FSD HW1.0HW4.0配置對比分析來看，攝像頭數量持續增加、由期初HW1.0的2顆增至最新HW4.0的12顆，同時清晰度也大幅提升、HW4.0攝像頭已由過去的120萬像素升級為500萬像素。相對而言，特斯拉對其他硬件傾向于做“減法”，2021年5月曾宣布移除毫米波雷達（但受制于安全性等問題，HW4.0毫米波雷達回歸），2022年10月宣布取消超聲波雷達。u 在端側處理器方面，特斯拉持續增加配置、強化算力。在端側處理器方面，特斯拉持續增加配置、強化算力。HW1.0階

31、段基于1顆Mobileye EyeQ3和1顆英偉達Tegra 3；HW2.0階段切換到了由1顆英偉達Parker SoC和1顆英偉達Pascal GPU 組成的 NVIDIA DRIVE PX 2 計算平臺；2017年的HW2.5階段又在HW2.0基礎上新增了1顆NVIDIA Parker SoC；HW3.0階段特斯拉首次搭載2顆自研 FSD 1 芯片、內核數量為12；HW4.0自研芯片升級為FSD 2，同時提升至20核、內核數量提升66.67%。圖：特斯拉FSD硬件端迭代歷程（簡化版）1.3 硬件端迭代：高度依賴攝像頭，對其他傳感器則傾向于硬件端迭代：高度依賴攝像頭，對其他傳感器則傾向于做做

32、“減法減法”資料來源：全國能源信息平臺、懂車帝、第一電動網、艾邦智造、維基百科、車家號、新出行等、華金證券研究所整理硬件代號硬件代號HW 1.0HW 2.0HW 2.5HW 3.0HW 4.0發布時間發布時間2014.092016.102017.082019.042023.01核心處理器核心處理器Mobileye EyeQ3Nvidia Parker SoC x 1Nvidia Pascal GPU x 1英飛凌TriCore MCU x 1Nvidia Parker SoC x 2Nvidia Pascal GPU x 1英飛凌TriCore MCU x 1FSD 1芯片 x 2（12核）第

33、二代FSD 2芯片 x 2（20核）內存容量內存容量256MB6GB8GB8GB x 2未知閃存容量閃存容量-4GB x 2未知處理能力處理能力1 X40 X40X/冗余420X/冗余未知每秒幀數每秒幀數361101102300未知TOPS運算能力運算能力0.2561212144未知估計功率估計功率25W250W300W220W未知前置攝像頭前置攝像頭1均為一個三目攝像頭（長焦250米、中焦150米、廣角60米）升級為12攝像頭（1個冗余，可用11個）；攝像頭像素從原來的120萬提升到了500萬，探測距離至少424米。前側攝像頭前側攝像頭02（80米測距）2（80米測距）2（80米測距）后側攝

34、像頭后側攝像頭02（100米測距）2（100米測距）2（100米測距）后置攝像頭后置攝像頭1111毫米波雷達毫米波雷達前向毫米波雷達（博世）；160米測距前向毫米波雷達（博世）；160米測距前向毫米波雷達（大陸）;170米測距前向毫米波雷達（大陸）；170米測距高精度4D毫米波雷達；300米測距超聲波雷達超聲波雷達12（5米測距）12（8米測距）12（8米測距）12（8米測距）0GPSGPS+地圖GPS+地圖GPS+地圖GPS+地圖未知圖：特斯拉FSD硬件端迭代歷程1.3.1 HW1.0HW2.0:算力平臺處理能力提升算力平臺處理能力提升40倍，攝像倍，攝像頭數量增加頭數量增加4倍倍（1 1）

35、FSD HW 1.0FSD HW 1.0：應用層軟件開發應用層軟件開發資料來源：懂車帝、必應圖片搜索、teslaguru、華金證券研究所 基于Mobileye芯片的第一代駕駛輔助硬件；使用了單個前置EQ3系列攝像頭、單個毫米波雷達、以及12個中程超聲波傳感器；其中，毫米波雷達是由博世提供。HW1.0階段特斯拉的主要工作是應用層軟件開發?；谟ミ_芯片的第二代駕駛輔助硬件；使用8個攝像頭、單個毫米波雷達、以及12個遠程超聲波傳感器；其中，毫米波雷達仍然是博世產品。HW 2.0 階段特斯拉掌握圖像識別算法+應用層軟件開發。（2 2）FSD HW 2.0FSD HW 2.0：圖像識別算法圖像識別算法

36、+應用層軟件開發應用層軟件開發芯片供應商由Mobileye換為英偉達，處理器能力提升：內存容量由256MB增至6GB；處理器的處理能力由1X 增至 40X；每秒幀數由36幀/秒 增至 110幀/秒；處理器功率由25W 增至 250W；攝像頭數量由2顆增加至8顆，其中，前置攝像頭由單顆換為一個三目攝像頭；測距增加：超聲波雷達升級、測距由5米增至8米圖:特斯拉硬件 HW 1.0圖:特斯拉硬件 HW 2.01.3.2 HW2.0HW2.5:毫米波雷達供應商更換，新增哨兵模毫米波雷達供應商更換，新增哨兵模式等功能式等功能資料來源：懂車帝、特斯拉官網、必應圖片搜索、華金證券研究所 基于英偉達芯片的第二代

37、駕駛輔助硬件；使用8個攝像頭、單個毫米波雷達、以及12個遠程超聲波傳感器；其中，毫米波雷達仍然是博世產品。HW 2.0 階段特斯拉掌握圖像識別算法+應用層軟件開發。（2 2）FSD HW 2.0FSD HW 2.0：圖像識別算法圖像識別算法+應用層軟件開發應用層軟件開發處理器能力大幅提升：內存容量由 6GB 增至 8GB；處理器功率由250W 增至 300W；傳感器數量不變，但毫米波雷達供應商由博世更換為大陸、測距由160米 增至 170米；新增兩個功能：行車記錄儀和帶有本地保存視頻的哨兵模式（3 3）FSD HW 2.5FSD HW 2.5：圖像識別算法圖像識別算法+應用層軟件開發應用層軟件

38、開發 基于英偉達芯片的第2.5代駕駛輔助硬件；相當于第二代版本的更新，主要用于冗余和略微提高可靠性。使用8個攝像頭、單個毫米波雷達、以及12個遠程超聲波傳感器；傳感器數量不變，但改采用大陸毫米波雷達。新增兩個功能：行車記錄儀和帶有本地保存視頻的哨兵模式。圖:特斯拉硬件 HW 2.0圖:特斯拉硬件 HW 2.5哨兵模式：能夠在 Tesla 車輛停放并落鎖后，監控車輛周圍的活動。如果檢測到威脅，車上的攝像頭將開始記錄，警報將啟動，同時車主會收到來自 Tesla 應用程序的提示警報。1.3.3 HW2.5HW3.0:啟用自研的高度集成啟用自研的高度集成FSD一代芯片一代芯片資料來源：懂車帝、華金證券

39、研究所首次采用特斯拉自研的自動駕駛芯片，拋棄英飛凌/英偉達的產品，自研高度集成的SoC+MCU芯片處理器能力大幅提升：內存容量由 8GB 增至 16GB；處理器的處理能力由40X 增至 420X；每秒幀數由110幀/秒 增至 2300幀/秒；但處理器功率由300W 降至 220W；駕駛輔助硬件和娛樂系統硬件集成在一個控制器中（3 3）FSD HW 2.5FSD HW 2.5：圖像識別算法圖像識別算法+應用層軟件開發應用層軟件開發 基于英偉達芯片的第2.5代駕駛輔助硬件；相當于第二代版本的更新，主要用于冗余和略微提高可靠性。使用8個攝像頭、單個毫米波雷達、以及12個遠程超聲波傳感器；傳感器數量不

40、變，但改采用大陸毫米波雷達。新增兩個功能：行車記錄儀和帶有本地保存視頻的哨兵模式。（4 4）FSD HW 3.0FSD HW 3.0：全套芯片設計全套芯片設計+圖像識別算法圖像識別算法+應用層軟件應用層軟件開發開發 基于特斯拉芯片的第三代駕駛輔助硬件；使用8個攝像頭、單個毫米波雷達、以及12個遠程超聲波傳感器；傳感器數量不變。Model 3將駕駛輔助硬件和娛樂系統硬件集成在一個控制器中，但電路設計沒有高度集成，娛樂信息和自動駕駛是兩塊獨立的電路板。圖:特斯拉硬件 HW 2.5圖:特斯拉硬件 HW 3.01.3.4 HW3.0HW4.0:攝像頭數量新增攝像頭數量新增50%，毫米波雷達，毫米波雷達

41、以高精度以高精度4D版本回歸版本回歸資料來源：懂車帝、車家號、全國能源信息平臺、搜狐網等、華金證券研究所（4 4）FSD HW 3.0FSD HW 3.0（20192019年年3 3月）：月）：全套芯片設計全套芯片設計+圖像識別算法圖像識別算法+應用層軟件應用層軟件開發開發 基于特斯拉芯片的第三代駕駛輔助硬件；使用8個攝像頭、單個毫米波雷達、以及12個遠程超聲波傳感器；傳感器數量不變。Model 3將駕駛輔助硬件和娛樂系統硬件集成在一個控制器中，但電路設計沒有高度集成，娛樂信息和自動駕駛是兩塊獨立的電路板。芯片升級：HW4.0采用三星代工的第二代FSD 7nm制程芯片，預估總算力在300Top

42、s-500Tops左右，基本可達到HW3.0硬件算力的3倍以上；處理器升級：CPU內核從12個增至20個，這20個又分為5個集群，每個集群里有4個內核，最大頻率為2.35GHz，閑置頻率為1.37GHz；TRIP內核數量從2個增加到3個，最大頻率2.2GHz；攝像頭數量增加、像素升級：攝像頭數量由8顆增加至12顆；新的攝像頭模塊像素為 500 萬像素，清晰度是上一代 3.0 的約4倍。毫米波雷達回歸，采用高精度4D毫米波雷達、且毫米波測距由170米增至300米；保持取消超聲波傳感器，傳感器數量減少（5 5）FSD HW 4.0FSD HW 4.0（20232023年年2 2月）：月）：全套芯片

43、設計全套芯片設計+圖像識別算法圖像識別算法+應用層軟應用層軟件開發件開發 HW4.0采用三星代工的第二代FSD 7nm制程芯片，算力是HW 3.0的3倍以上。CPU內核從12個增至20個，最大頻率為2.35GHz，閑置頻率為1.37GHz；使用12個攝像頭（前置雙目攝像頭、新增了2個側視攝像頭、以及1個備用攝像頭。）單個高精度4D毫米波雷達、取消超聲波傳感器。中間版本的變動更新：中間版本的變動更新：20212021年年5 5月起，分批移除不同車型裝月起，分批移除不同車型裝配的毫米波雷達；配的毫米波雷達；20222022年年1010月起，取消超聲波傳感器月起，取消超聲波傳感器圖:特斯拉硬件 HW

44、 3.0圖:特斯拉硬件 HW 4.01.3.4 HW3.0HW4.0:攝像頭數量新增攝像頭數量新增50%，毫米波雷達，毫米波雷達以高精度以高精度4D版本回歸版本回歸資料來源：高工智能汽車、華金證券研究所HW 4.0版本中，毫米波雷達的回歸主要為提升FSD現有的安全性及可靠性u 此前棄用毫米波雷達的原因此前棄用毫米波雷達的原因（1 1）一方面系傳統毫米波雷達低分辨率造成融合感知性能下降；）一方面系傳統毫米波雷達低分辨率造成融合感知性能下降；特斯拉人工智能總監曾表示，對于低分辨率雷達來說，通過類似立交橋這樣的場景時，由于雷達的仰角分辨率很低，很難分辨出立交橋和下面停著的車輛，極易導致碰撞。（2 2

45、）另一方面）另一方面則系毫米波雷達信道數量限制了其感知能力的提升；則系毫米波雷達信道數量限制了其感知能力的提升；相較而言，攝像頭能夠產生大量數據，軟件的改進可以使這些數據得到最大限度的利用。u 而對于毫米波雷達的回歸，而對于毫米波雷達的回歸，主要系（1 1）高精度）高精度4D4D毫米波雷達的分辨率大幅提升；毫米波雷達的分辨率大幅提升；2021年起，NXP、TI等雷達芯片方案商，以及大陸集團采埃孚、博世等雷達系統供應商都在加快推動4D成像毫米波雷達的量產落地；新的4D毫米波雷達分辨率性能大幅提升，具備點云輸出（與視覺或激光雷達更好的融合，以及可能的分類識別能力）以及全天候等性能，成為了高階方案的

46、選擇項之一。（2 2）能夠彌補）能夠彌補純視覺方案的風險純視覺方案的風險；特斯拉被大眾詬病的“幽靈剎車”問題（毫無征兆地剎車），主要系傳感器的感知缺陷造成的，由于夜間或大霧或大雨等惡劣天氣條件下、攝像頭的性能較差；同時，攝像頭反應時間通常也較毫米波雷達長，往往需要幾幀來識別物體的速度變化。而相對的，毫米波雷達根據發射頻率和接收頻率的差值測量距離、相對速度和方向，在夜間、逆光、霧、雨、雪環境下也能使用。圖:低分辨率毫米波難以分辨立交橋與橋下停車圖:NXP與為升科聯手發布的4D成像雷達方案u 協同工作方面，協同工作方面，同時進行短程和遠程的測距，能夠同時分辨前方200-300米處并行行駛的兩車；u

47、 速度方面，速度方面，能夠確定車輛和物體各自的速度;u 方位角方面方位角方面，該款4D成像雷達可以提供小于1的方位角分辨率，能夠更好將這些物體彼此區分開；u 仰角方面，仰角方面，能夠計算出物體相對于路面的高度，然后確定車輛能否安全地通過被檢測的物體，主要應用在探測道路上方的立交橋或其他橋梁。2.12.1.1.1 FSDFSD駕駛決策的擬人化程度較高駕駛決策的擬人化程度較高2.1.2 FSD2.1.2 FSD智駕的安全性、可靠性較為凸顯智駕的安全性、可靠性較為凸顯2.1.3 2.1.3 將將純視覺方案做到極致，有效節省了運算空間及成本純視覺方案做到極致，有效節省了運算空間及成本02解析解析特斯拉

48、特斯拉FSDFSD2.1 2.1 受益于受益于數據量、算力、硬件適配度方面的領先，特斯拉數據量、算力、硬件適配度方面的領先，特斯拉FSDFSD的技術競爭力較強的技術競爭力較強2.2 2.2 特斯拉特斯拉FSDFSD有待有待改進的方面改進的方面2.22.2.1.1 與同價位車型配備的智駕方案相比，與同價位車型配備的智駕方案相比，FSDFSD價格較高價格較高2.2.2 2.2.2 純視覺方案在惡劣天氣等場景的性能略弱純視覺方案在惡劣天氣等場景的性能略弱2.1 受益于數據量、算力、硬件適配度方面的領先，特斯拉受益于數據量、算力、硬件適配度方面的領先，特斯拉FSD的技術競爭力較強的技術競爭力較強（1

49、1）數據量：）數據量：AI模型的效果取決于輸入數據的數量及質量，輸入的優秀行駛數據越多，AI模型便能做出更適合、更優異的行駛決策。FSD自2020年10月開始北美地區內測，隨著FSD推送地區及推送用戶的增多，特斯拉擁有的行駛數據會呈指數級上漲；在數據量上，國內廠商的追趕難度較高。2024年4月，特斯拉宣布其全自動駕駛(FSD)技術助力下的汽車已經行駛了超過10億英里、相當于16.1億公里，而國內廠商方面，暫無達到該里程數的企業。資料來源：第一電動汽車網、第一財經、特來訊、科創資本視野、華金證券研究所車企車企公布月份公布月份公里數公里數特斯拉2024年4月行駛超過 16.1 億公里（即10億英里

50、）華為 ADS2024年4月總里程超過 2 億公里蔚來 NOP+2024年3月行駛總里程達到 8.49 億公里小鵬 NGP2024年3月行駛里程超過 7.3 億公里理想LCC及+NOA2024年3月總里程超過5.5億公里阿維塔 AVATRANS2023年累計行駛了1.6億公里圖：特斯拉FSD的行駛里程數（單位：英里）表：各車企智能駕駛方案的行駛里程數（2 2）龐大的算力中心：）龐大的算力中心：AI模型接受數據訓練，是建立在算力平臺上的，其計算能力及算力投入都是關鍵指標。u 1 1）算力方面，）算力方面，小鵬基于阿里云打造的“扶搖”智能計算平臺，算力可達600PFLOPS（每秒浮點運算60億億次

51、），而2022年特斯拉算力中心的算力已經達到了 2 EFLOPS（每秒浮點運算200億億次）。未來，特斯拉自研超級算力平臺Dojo投入使用后，其算力還將上升一個臺階；根據特斯拉2023年6月發布的算力發展規劃，Dojo將在2024年10月達到100 EFlops算力。u 2 2）算力投入方面，）算力投入方面，2022年特斯拉AI DAY上，馬斯克表示目前特斯拉擁有超過14000顆GPU的超級算力中心；2023年8月，特斯拉啟動了10000顆H100 GPU的新訓練集群，H100 GPU的運算效能是前一代A100的五倍快，價格昂貴、單顆將近40000美元。與此同時，算力平臺的后期維護成本還要遠高

52、于硬件成本；馬斯克曾公開表示，2023年特斯拉花在擴大訓練運算算力的預算就超過20億美元，并表示2024年會采取同樣的行動；相較而言，國內廠商的算力投入與特斯拉仍存在較大差異。資料來源：第一電動汽車網、新華網、電動湃、新智駕、NE時代新能源、蓋世汽車資訊、騰訊網、wind、華金證券研究所車企車企算力中心算力算力中心算力算力投入算力投入2023年研發投入年研發投入特斯拉2022年 2 EFLOPS預計2024年10月達100EFlops 超20億美元/年40億美元問界華為2024年4月云端算力達3.3 EFLOPS-44.38億元（賽力斯）蔚來-134.31億元小鵬 2022年600 PFLOP

53、S（每秒浮點運算60億億次）2024年其將投入35億元用于智能研發，并投入超7億元用于算力訓練52.77億元理想2023年預計至少 750 PFLOPS（每秒浮點運算 75 億億次）-105.86億元圖：特斯拉算力中心2.1 受益于數據量、算力、硬件適配度方面的領先，特斯拉受益于數據量、算力、硬件適配度方面的領先，特斯拉FSD的技術競爭力較強的技術競爭力較強（3 3）適配度高的自研硬件解決方案：）適配度高的自研硬件解決方案：u 特斯拉從2016年2月組建芯片團隊，到2019年4月成功推出FSD芯片，歷時三年之久推出HW硬件解決方案。自研的HW3.0是第一款完全出自車企的自動駕駛硬件解決方案，同

54、時也是量產車型上目前深度學習理論性能最強的方案；而目前，HW已經進化到了4.0時代。u 自研硬件的優勢，首先是性價比高、利用率高，大幅降低FSD的硬件成本；其次是開發自由度高，更能支持特斯拉的創新性算法及其他相關技術方案。相較來看，大部分國內廠商采用外購芯片方案，在適配度及利用率上，都與特斯拉自研硬件解決方案存在一定的差距。資料來源：第一電動汽車網、華金證券研究所圖：特斯拉HW系列自動駕駛硬件解決方案2.1 受益于數據量、算力、硬件適配度方面的領先，特斯拉受益于數據量、算力、硬件適配度方面的領先，特斯拉FSD的技術競爭力較強的技術競爭力較強2.1.1 FSD駕駛決策的擬人化程度較高駕駛決策的擬

55、人化程度較高u 此前，特斯拉 FSD V11與大部分智能駕駛系統一樣，速度控制生硬，處理突發情況時會突然剎車或加速，并帶有明顯的機械感；而FSD V12 通過端到端訓練學習使得智能駕駛更擬人化、駕駛決策更為合理。體驗過特斯拉FSD V12的賽博汽車平臺博主EatElephant列舉了以下方面：資料來源：賽博汽車、新浪科技、百度圖片搜索、華金證券研究所A 速度與轉向控制n“V12 速度和轉向控制非常絲滑平順；即使是坐在后排，在紅綠燈啟停以及路口轉彎過程中幾乎都感覺不到頓挫?！眓“V11在速度控制上還較為生硬，一旦有機會便會盡可能迅速加速達到設定限速，給人感覺略微機械?！盉 路上與其他參與者交互n

56、“面對右前方的騎行人的場景，V11會對騎行人過度小心，規劃出一條大幅繞行路線?！眓“在直行遇到前方遠處左轉的車輛時，V11的反應是明顯減速?！眓“V12繞行幅度非常接近人類駕駛員的選擇，速度控制和果斷程度也非常合理，并沒有異常急剎的情況出現?！眓“V12能夠準確判斷出前方車輛線路和速度，以合適的減速讓車上乘客幾乎無感的同時又留出了足夠的安全冗余空間?！盋 V12如何掉頭、過環島n“V12環島前讓車與否的決策更加果斷，在停車場中與行人的交互流暢安全?！眓“對橫向穿行速度較快的無保護轉彎，V12能夠耐心等待時機，并且速度控制也較V11更為優秀，有時候能夠不完全剎停，保持蠕行，還能較早進行預加速，保

57、持通行高效?！眻D:特斯拉流暢的轉向控制2.1.1 FSD駕駛決策的擬人化程度較高駕駛決策的擬人化程度較高資料來源：賽博汽車、新浪科技、華金證券研究所D 視覺的測距能力n“考慮到了FSD是純視覺，對尺寸的把握是純視覺的弱項；V12體驗中遇到了美國城市里比較常見的路邊停車導致道路過窄，但V12非常果斷的從狹窄的道路上和對向會車通過?！盓 長尾場景處理n“特斯拉 FSD V12 不僅能夠識別并繞過路面上的鐵皮等障礙物，還能在道路施工時根據引導標識在臨時開辟的道路上行駛?！眓“即使需要駛向對向車道，也能夠不受逆行標識和中心黃線的限制?！眓“在夜間行駛時，它能夠像人類一樣先右轉駛入兩輛靠邊的停車之間巧妙

58、的避讓對向來車，待對向來車駛離后再向左打方向盤繼續前進?！眓“最后一段測試由于是在San Jose晚高峰，高速岔路上啟用了流量控制信號燈，分別有三個紅綠燈控制三條匯入車道；V12可以理解三個紅綠燈分別控制的車道，在自己車道紅燈時等待，變綠后立即加速匯入主路，毫無遲疑?！眓同時，FSD V12 還展示了一些類似智慧涌現的能力。在測試中，路口前有一個車道，V12 無法使用倒車檔完成掉頭；在乘客等待時，V12 發現了一個小停車場，果斷不遵守導航路線、繞道而行，嘗試代替標準掉頭。這一行為是自動駕駛技術中的一次重大突破，因為通常系統會嚴格遵循導航路線，自行偏離導航的行為幾乎不可接受。2.1.2 FSD智

59、駕的安全性、可靠性較為凸顯智駕的安全性、可靠性較為凸顯u FSD的安全性、可靠性的優勢較為凸顯：（1）安全性方面，根據特斯拉公開的最新安全數據，特斯拉車輛在開啟 FSD 功能后，每行駛 539 萬英里才可能發生一起事故，遠低于全美平均水平 每行駛 67 萬英里即有一起事故；在自動駕駛模式下，特斯拉的安全系數相當于美國一般駕駛員的 8.04 倍，即便是基礎駕駛狀態下，特斯拉車輛的安全水平也高出大約 1.49 倍。（2）可靠性方面，V12.3 版本在城市環境下的無關鍵接管行駛里程較此前版本大幅增加，從約100多英里（約合160公里）提升到了386.7英里（約合 622 公里）；相比之下，同濟大學教

60、授、汽車學院副院長熊璐曾表示，北京、上海、廣州等地的自動駕駛企業，基本上每行駛十幾或幾十公里就需要人工接管一次。資料來源：IT之家、快科技、賽博汽車、華金證券研究所圖：城市中多少里程發生一次關鍵接管的數據圖：各個版本與地點相關的持續性問題的統計數字2.1.3 將純視覺方案做到極致，有效節省了運算空間及成本將純視覺方案做到極致，有效節省了運算空間及成本u 從算法端來看，從算法端來看，20222022年推出的年推出的Occupancy NetworkOccupancy Network，在較大程度上降低了運算難度。，在較大程度上降低了運算難度。正如前面所提到的，占用網絡并不能識別周邊物體具體是什么，

61、只顯示大致輪廓；但占用網絡具有很強的泛化能力，可以在僅有少量標注數據的情況下，實現高質量的物體檢測和重建；相較處理大規模、高精度的 3D 特征圖，占用網絡的應用能夠有效降低計算的復雜性。此外，此外，FSD V12FSD V12實現了實現了“端到端端到端”神經網絡的落地，能夠有效提升運算效率。神經網絡的落地，能夠有效提升運算效率。馬斯克在直播中表示，FSD V11版本有超過30萬行的C+代碼，而V12版本只有2000+行。這讓FSD的運算靈活了不少，同時也可以脫離網絡，在離線情況下進行運算。馬斯克還表示，按推理，V12版本的運算功率只有100W。更少的代碼也增加了系統的穩定性，讓車輛智能駕駛更加

62、安全。u 從硬件端來看，從硬件端來看，純視覺方案下，FSD V12更像是一個人類的大腦，99%的決策都是由神經網絡給出的，無需采購成本無需采購成本較高的高精地圖和激光雷達較高的高精地圖和激光雷達，就能分析思考、輸出車輛控制指令（如轉向、加速、制動等）。1）早期的機械式激光雷達價格動輒十萬美元起，隨著電子行業的發展及智駕領域的內卷，激光雷達價格有所降低，但基本維持在上百或上千美元級別；2023年，速騰聚創來自ADAS應用的激光雷達產品折算單臺價格約為3197.53元，較單顆幾十美元的攝像頭價格高出不少。馬斯克曾評價“Lidar is a fools errand”，認為激光是一項價格昂貴但毫無用

63、處的技術。2）高精地圖方面，業中高精地圖的價格大都在300元每年每輛車，一輛車從研發到最終量產，高精地圖大概需要2100元成本。u 然而，根據路咖汽車預計，特斯拉采用純視覺方案，HW3.0版本全車8個攝像頭（120萬像素、單顆成本150元左右），攝像頭硬件成本合計約為1200元；假設以HW4.0版估計，全車12個攝像頭（500萬像素、單顆成本增至300元）、攝像頭成本增至3600元，外加單顆價值500-600元的4D毫米波雷達，合計成本約4100-4200元。資料來源：智源社區、第一電動汽車網、華爾街見聞、澎湃新聞、賢集網、電子工程專輯、搜狐網、路咖汽車、華金證券研究所2.2.1 與同價位車型

64、配備的智駕方案相比，與同價位車型配備的智駕方案相比，FSD價格較高價格較高u 對比目前市面上大部分配備高階輔助駕駛技術的車型，特斯拉銷售主力車型MODEL Y的售價相對偏低，但FSD的買斷價遠超競品價格；特斯拉FSD在中國的買斷價格為6.4萬元，比問界的ADS 2.0高出43%，另外包括理想、小鵬、極氪等部分車型已開啟不額外收取智駕包費用的模式。資料來源：快科技、騰訊網、鳳凰網科技、汽車之家、IT之家、太平洋汽車、易車、車家號、第一電動汽車網、華金證券研究所整理主流車企主流車企熱門車型售價熱門車型售價訂閱版價格訂閱版價格買斷版價格買斷版價格特斯拉（FSD）MODEL Y24.99萬99美元/月

65、64000元（中國區）8000美元（海外）問界（高階智能駕駛系統 ADS 2.0）問界M724.98-32.98萬720元/月7200元/年36000元蔚來（NAD）ES633.8-39.6萬680元/月-理想（NOA）L730.18-35.98萬免費（已含在車價中）免費小鵬（Xpilot 4.0）P720.99-33.99萬免費（已含在車價中）免費極氪（NZP）極氪00126.9-40.3萬免費（已含在車價中）免費圖：各車企智駕包的訂閱價及買斷價圖：特斯拉FSD智駕包在中國的推薦界面2.2.2 純視覺方案在惡劣天氣等場景的性能略弱純視覺方案在惡劣天氣等場景的性能略弱u 攝像頭在極端天氣或光線

66、不佳情況下、其檢測能力不及激光雷達；u 作為與人眼相似的視覺算法，硬件端攝像頭受制于其自身作為與人眼相似的視覺算法，硬件端攝像頭受制于其自身特性，易受到光照影響，尤其在極端天氣或者光線不好的特性，易受到光照影響，尤其在極端天氣或者光線不好的情況下極易造成誤判情況下極易造成誤判。之前特斯拉車型在開啟AutoPilot后，經過立交橋或者普通橋梁之下時偶發突然自動剎車的情況，就是因為算法將攝像頭里突然出現的陰影當做障礙物導致的。u 與基于攝像頭解決方案不同，激光雷達解決方案通過提供周圍物體的精確距離測量，使機器能夠看到3D圖像。激光雷達解決方案使用一系列激光器，以光速測量環境中的距離；在暗光條件下，

67、激光雷達也比相機表現更好，產生的誤差更少。u 根據美國汽車協會的一份報告，目前的攝像頭行人檢測系統在保護行人和自行車方面相對無效，尤其是在夜間；而激光雷達系統在白天和晚上都能很好地探測行人，因為激光雷達系統通過激光束提供自我照明。資料來源：懂車帝、與非網、華金證券研究所整理圖：各極端場景下，攝像頭與激光雷達的視覺對比2.2.2 純視覺方案在惡劣天氣等場景的性能略弱純視覺方案在惡劣天氣等場景的性能略弱u 2024年4月底，美國國家公路交通安全管理局（NHTSA）發布了一項新規則，要求所有新車和輕型卡車必須在2029年前配備先進的高速自動緊急制動系統（AEB），包括行人AEB（PAEB）系統，且這

68、些系統能在夜間工作；這意味著特斯拉很難保證純視覺自動駕駛方案在惡劣環境下的安全性，包括NHTSA要求的夜間環境、雨霧天氣。u 特斯拉自身似乎也意識到這個問題，近年來反復對FSD純視覺技術的可靠性做驗證和對比。2024年5月10日消息，美國激光雷達制造商Luminar Technologies在其致股東的信函中提及，特斯拉是其2024年第一季度最大的激光雷達產品客戶；當季特斯拉貢獻了Luminar超過10%收入，根據該公司本季度2100萬美元的收入估算，特斯拉采購了價值210萬美元的激光雷達（假設單顆激光雷達價值1000美元、單輛車裝備1顆激光雷達，本次采購僅占2023年特斯拉全球汽車交付量的0

69、.12%）；同時，Luminar還透露，自2021年開始特斯拉就從Luminar陸續采購過激光雷達產品，但采購數量并不大。u 此外，包括馬斯克自身對激光雷達的態度也有所轉變；馬斯克曾在Clubhouse的音頻聊天室露面時，承認自己對激光雷達“出言不當”，且Space X就有在內部搭載激光雷達。資料來源：環球網科技、電子工程專輯、驅動之家、搜狐網、澎湃新聞、百度圖片搜索、華金證券研究所整理圖：64 線激光雷達033.2.1 3.2.1 或因缺乏冗余設計，或因缺乏冗余設計，FSDFSD自動駕駛功能評級停留在自動駕駛功能評級停留在L2L2級別級別3.2.2 3.2.2 數據安全問題阻礙數據安全問題阻

70、礙FSDFSD在中國市場全面推廣在中國市場全面推廣特斯拉特斯拉FSDFSD進入中國市場的進度進入中國市場的進度3.2 FSD3.2 FSD進入中國市場所面臨的阻礙進入中國市場所面臨的阻礙3.1 3.1 特斯拉特斯拉FSDFSD入華或成關鍵議題入華或成關鍵議題3.33.3 特斯拉為特斯拉為FSDFSD進入中國市場所做的相應舉措進入中國市場所做的相應舉措3.43.4 FSD FSD銷售預期展望銷售預期展望3.1 特斯拉特斯拉FSD入華或成關鍵議題入華或成關鍵議題u 2024年4月28日，應中國貿促會邀請，馬斯克抵達北京，先后與中國外交部、工業和信息化部、商務部、中國國際貿易促進委員會的相關領導會面

71、，并前往上海特斯拉超級工廠；多方猜測，或由于經濟不確定性導致特斯拉的核心電動汽車業務采用速度放緩，特斯拉的核心電動汽車業務陷入困境，寄希望于通過采用其 FSD 軟件套件來獲得經常性高利潤收入。在此之前，馬斯克曾在特斯拉第一季度財報電話會議上表示“我們計劃在監管機構的批準下，將其作為受監管的自治系統發布到任何我們可以獲得監管機構批準的市場，我們認為其中包括中國?！眜 截止目前，特斯拉在中國已推出兩種 EAP（增強版自動駕駛）訂閱選項，包括月包 699 元和季包 1399 元，而一次性購買為 32000 元，這將有利于現有特斯拉車主提高軟件與服務的使用率，為即將推出的 FSD 以及機器人出租車業務

72、做好準備。u 5月30日有報道稱，特斯拉即將在中國注冊其全自動駕駛軟件FSD；如果特斯拉成功向中國工業和信息化部注冊FSD軟件，特斯拉員工將可在中國的公共道路上進行FSD的內部測試，并計劃在未來幾個月內升級推送給中國用戶。資料來源：新浪財經、觀點新媒體、華金證券研究所圖：特斯拉（中國）新推出兩種EAP訂閱選項3.2.1 或因缺乏冗余設計，或因缺乏冗余設計，FSD自動駕駛評級停留在自動駕駛評級停留在L2級別級別（1 1）或因缺乏冗余設計，特斯拉）或因缺乏冗余設計，特斯拉FSDFSD自動駕駛功能自動駕駛功能評級停留在評級停留在L2L2級別級別u 2021年，市場監管總局（標準委）發布了針對自動駕駛

73、功能的汽車駕駛自動化分級國家推薦標準（GB/T 40429-2021）；根據工信部相關規定，只有L3級及以上等級的駕駛自動化才能稱之為自動駕駛，L2級及以下只能被稱之為輔助駕駛。從L2到L3：1 1）第一大區別在于駕駛員身份的變化）第一大區別在于駕駛員身份的變化；L3級別自動駕駛車輛中的駕駛員，從L2上的“傳統駕駛員”轉變為“動態駕駛任務后援用戶”，僅需要在系統失效或者超過工作條件時對故障汽車進行接管，因此非接管路段的相關交通事故轉由車企負責，在一定程度上降低了車主的風險。2 2）其次，具備）其次，具備3 3級自動駕駛系統的汽車，將有級自動駕駛系統的汽車，將有條件實現條件實現TJPTJP交通擁

74、堵輔助功能；交通擁堵輔助功能；指在擁堵的高速公路或城市快速路上，駕駛員可以放開雙手雙腳，同時注意力可在較長時間內從駕駛環境中轉移，做一些諸如看手機、接電話、看風景等活動。資料來源：界面新聞、SAE、華金證券研究所圖：SAE發布自動駕駛汽車“駕駛自動化等級”3.2.1或因缺乏冗余設計，或因缺乏冗余設計，FSD自動駕駛評級停留在自動駕駛評級停留在L2級別級別u 目前，包括奔馳、寶馬、比亞迪、長安汽車、極狐汽車、深藍汽車、阿維塔在內的整車企業已于2023年底官宣獲得了有條件自動駕駛（L3級）的道路測試牌照。資料來源：中國汽車報、車家號、IT之家、百度圖片搜索、華金證券研究所整理20232023年年1

75、111月月1717日日20232023年年1212月月1414日日20232023年年1212月月1818日日20232023年年1212月月2222日日20232023年年1212月月2727日日四部委聯合正式發布了關于開展智能網聯汽車準入和上路通行試點工作的通知，明確搭載L3級和L4級自動駕駛的車輛允許在限定區域內開展上路通行試點。寶馬集團宣布，搭載L3級別自動駕駛功能的車輛，在上海市正式獲得高快速路自動駕駛測試牌照梅賽德斯-奔馳官方宣布獲批北京市有條件自動駕駛（L3級）高速公路道路測試牌照長安汽車宣布已于日前拿到17張高快速路的L3級自動駕駛道路測試牌照深藍汽車、阿維塔也宣布成為首批獲批

76、高快速路有條件自動駕駛(L3級)測試牌照的企業比亞迪官宣已于7月21日獲得深圳市高快速路段有條件自動駕駛（L3級）測試牌照，成為拿到全國第一張有條件自動駕駛（L3級）測試牌照的車企。20232023年年1212月月2929日日華為和賽力斯聯合打造的問界M9成功獲得L3級自動駕駛測試牌照；賽力斯此次一共獲得11張自動駕駛測試牌照智己汽車搭載 L3 級別自動駕駛功能的車輛，在上海市正式獲得高快速路自動駕駛測試牌照20232023年年1212月月2121日日極狐汽車官方宣布，已成功獲得北京市有條件自動駕駛（L3級）高速公路道路測試牌照u 可以看到，目前國內已經通過L3測試的車企品牌基本采用多傳感器的

77、冗余設計，即系統具備一套備份系統，當主系統出現故障時，備份系統可以啟動并持續運行，從而保證車輛在出現故障的時候，還能繼續運行，并輔助車輛行駛至安全的區域，同時也彌補了單一傳感器的語義不確定性；像問界、奔馳、寶馬等車企以激光雷達設計為主，而像長安汽車、深藍在沒有激光雷達的情況下，則傾向于高精地圖解決方案。u 在不用激光雷達以及高精度地圖的情況下，特斯拉HW3.0版本的自動駕駛功能或只能達到L2級別，僅作為自動駕駛輔助功能。然而值得注意的是，特斯拉正在考慮更優的解決方案以提升自動駕駛的安全性及可靠性：1）毫米波雷達在FSD HW4.0中已作為高精度4D毫米波雷達回歸（預留接口，暫未量產上車），或在

78、一定程度上能夠替代激光雷達以彌補純視覺方案的風險，保障自動駕駛在夜間或大霧或大雨等惡劣天氣條件下的正常使用。2）同時，近年來特斯拉陸續采購Luminar激光雷達做可靠性檢測；雖然對激光雷達是否回歸暫時無法得知，但能看出馬斯克對激光雷達的態度是有所轉變的。資料來源：易車、車家號、蓋世汽車、太平洋汽車、騰訊網、雷峰網、路咖汽車、快科技、華金證券研究所整理主流車企主流車企特斯拉特斯拉（HW4.0）問界問界M9奔馳奔馳寶馬寶馬智己智己LS7長安汽車長安汽車UNI-T極狐極狐深藍深藍SL03阿維塔阿維塔搭載系統FSD華為ADS 2.0高階智駕系統Drive PilotBMW personal Pilot

79、 L3IM AD-華為ADS 2.0高階智駕系統L3級交通擁堵自動駕駛系統華為ADS 2.0高階智駕系統攝像頭12116有（未披露數）11613513激光雷達-11有（未披露數）2-3-3毫米波雷達175有（未披露數）55636超聲波雷達-1212有（未披露數）121212612偏向有/無高精地圖無圖無圖有圖；HERE（諾基亞開發）有圖；HERE有圖有圖；ADAS地圖無圖有無圖3.2.1或因缺乏冗余設計，或因缺乏冗余設計，FSD自動駕駛評級停留在自動駕駛評級停留在L2級別級別（2）數據安全問題始終是阻礙特斯拉在中國全面推廣FSD軟件系統的主要原因。u 由于感知類數據的采集、存儲、處理等可能記錄

80、周邊位置的視覺圖像，一旦數據被濫用或惡意使用，將會對國家安全帶來巨大風險。u 過去為規避數據安全等問題，也為了節約成本較大的地圖授權費，特斯拉采取的是不依靠“高精地圖”的純視覺自動駕駛方案，把用作仿真訓練的“短時路網”保存在國內的服務器上。然而嚴格來看，高精地圖是直接將周邊環境“畫好”交給系統，而攝像頭和激光雷達則是用筆在現場“素描”，無論哪種自動駕駛方案，都屬于“測繪”行為；特斯拉純視覺方案利用現役車輛，完成大范圍的地圖構建、繪制出場景數據，未來或將成為軍事目標、關鍵敏感目標等地理坐標數據泄露新的風險點。u 在國內，特斯拉車輛是被禁止駛入某些重點敏感區域的，包括醫院、學校和部分小區；較為敏感

81、的國有企業以及相關機構的人員也都不得使用特斯拉汽車。盡管馬斯克在第一時間解釋稱：“特斯拉不會將數據用于間諜活動，特斯拉愿意使用最高等級保密措施保護數據安全?！钡蓱]并沒有因此打消。資料來源：車市物語、Tesla AI Day 2021、華金證券研究所3.2.2 數據安全問題阻礙數據安全問題阻礙FSD在中國市場全面推廣在中國市場全面推廣圖：國內出現的特斯拉禁止入內的標志圖：特斯拉FSD通過攝像頭實時描繪周邊環境u 此前，針對自動駕駛汽車收集數據、訓練算法，監管沒有明確界定性質；直至2022年8月31日，自然資源部印發了自然資源部關于促進智能網聯汽車發展維護測繪地理信息安全的通知，明確了智能網聯汽

82、車集成了相關傳感器后，采集的相關信息數據進行采集、存儲、傳輸和處理的行為，都是屬于測繪活動，需依照中華人民共和國測繪法進行管理，且以特斯拉為代表的外資企業不能申請測繪資質，只能委托有資質的第三方。u 其次，據上述法規規定，外資企業向境外傳輸包含地理信息的數據需經過審批；其次，據上述法規規定，外資企業向境外傳輸包含地理信息的數據需經過審批；因此，特斯拉自2021年以來在華收集的所有駕駛數據目前均存儲于上海，且未傳輸至美國，或在一定程度上阻礙智駕算法的培訓。無論是道路環境、交通規則均與美國存在較大差異，過去的行駛數據對國內價值相對有限；有業內專家指出，中國交通狀況比其他市場更為復雜，中國道路上的行

83、人和自行車騎手更多，FSD若擬在中國市場開展應用，亟需采集存儲國內數據傳輸至國外用于模型訓練，加速培訓智能駕駛算法。資料來源：車市物語、齊魯晚報、百度圖片、bilibili、華金證券研究所整理3.2.2 數據安全問題阻礙數據安全問題阻礙FSD在中國市場全面推廣在中國市場全面推廣圖：特斯拉FSD在美國舊金山試駕的路況圖：小鵬智駕在廣州城區試駕的路況VS3.3 特斯拉為特斯拉為FSD進入中國市場所做的相應舉措進入中國市場所做的相應舉措（1 1）特斯拉借力百度，獲得測繪牌照及車道級導航地圖）特斯拉借力百度，獲得測繪牌照及車道級導航地圖u 2024年4月29日消息，特斯拉或與百度達成合作，后者將允許特

84、斯拉獲得其在中國公共道路上收集數據的地圖牌照，為FSD在中國的推出清掃監管障礙；同時，作為雙方協議的一部分，百度還將向特斯拉提供其車道級導航系統。u 6月7日消息，百度地圖V20真車道級導航全球首發，并在特斯拉所有搭載AMD車機芯片的S3XY車型上線，意味著兩家公司的合作順利推進。（2 2）特斯拉擬在中國境內建立數據中心）特斯拉擬在中國境內建立數據中心u 2024年5月19日消息，特斯拉正在考慮在中國建立數據中心，收集和處理自動駕駛數據，以更好地適應中國復雜的交通條件，并利用大量場景數據來加速訓練自動駕駛算法，推動FSD的全球部署戰略；此外，特斯拉還與美國芯片巨頭英偉達進行了談判，雙方正在討論

85、為中國數據中心購買圖形處理器的問題。資料來源：電子產品世界、騰訊網、上證報中國證券網、中關村在線、快科技、bilibili、華金證券研究所圖：百度車機版真車道級導航地圖V203.4 FSD銷售預期展望銷售預期展望u 根據市場調研機構Marklines的數據，截至2023年2月底，特斯拉在北美市場保有量約為185萬輛，加上2023年特斯拉在美國新增交付的65萬輛，截至2023年年底北美市場現役特斯拉約有250萬輛；其中，截至2024年3月，北美累計測試車輛數約達180萬輛。而活躍付費用戶方面，特斯拉曾在2024年一季度財報電話會中表示，“我們觀察到大約有一半的人正在使用這項技術，且這一比例還在持

86、續增長，每周都有所提升?！睋鲜鰯祿浪?，2023年FSD在北美的滲透率約為36%，遠高于2021Q3-2022Q3外網統計的14%滲透率。u 從2013年的2500輛開始，特斯拉在中國市場的銷量逐年攀升；截止2023年年底，特斯拉在中國市場的累計銷量超過170萬輛。假設FSD在現役中國特斯拉汽車中滲透率5%，預計新增收入54.4億元；（目前僅披露中國市場買斷價6.4萬元/輛）假設FSD在現役中國特斯拉汽車中滲透率10%，預計新增收入108.8億元；假設復刻FSD在北美第一年公測情況、滲透率15%，預計新增收入163.2億元；假設選取北美地區的36%的滲透率作為參考，預計新增收入391.68億

87、元。資料來源：懂車帝、快科技、車家號、第一財經、Patreon、華金證券研究所15%14%14%14%14%13.4%13.6%13.8%14.0%14.2%14.4%14.6%14.8%15.0%15.2%2021Q32021Q42022Q12022Q22022Q3圖：特斯拉FSD自公測以來，在北美地區的滲透率圖：2023年FSD在北美的滲透率04特斯拉特斯拉FSDFSD產業鏈概況及相關標的產業鏈概況及相關標的4 4.1.1 特斯拉特斯拉FSDFSD硬件供應鏈概況硬件供應鏈概況4 4.2.2 車載攝像頭及車載攝像頭及4D4D毫米波雷達相關標的毫米波雷達相關標的u 特斯拉FSD硬件的供應鏈情況

88、如下（僅列舉）：4 4.1.1 特斯拉特斯拉FSDFSD硬件供應鏈概況硬件供應鏈概況特斯拉特斯拉FSD供應鏈供應鏈供應部件供應商供應部件供應商處理器NNA（AI 加速器）（自研）物聯網以太網交換機Marvell CPUARM（外購IP）GPUARM(外購IP）以太網物理層收發器MarvellFSD代工三星電子存儲SRAM三星、美光攝像頭圖像傳感器安森美（FSD HW 3.0）UFS三星、東芝索尼（FSD HW 4.0）定位GPS定位模塊U-BLOS攝像頭模組三星電機、LG Innotek車載鏡頭聯創電子、亞洲光學、大立光、宇瞳光學電源管理開關電源穩壓器Maxim電源管理芯片三星、啟方半導體音頻

89、、數據傳輸解串器TI毫米波雷達高精度4D毫米波雷達Arbe、威孚高科資料來源：汽車之心、懂車帝、有駕、車家號、中關村在線、證券之星、同花順、汽車小智士、宇瞳光學2022年年度報告、華金證券研究所整理其中，特斯拉車載鏡頭供應商包括聯創電子、亞洲光學、大立光等；車載攝像頭模組主要為LG、三星電機等。最新的特斯拉HW4.0攝像頭主要由三星電機（供應比例80%）、LG Innotek（供應比例20%）代工制造，HW4.0攝像頭已升級為500萬像素級，國內目前已具備500萬像素級或以上車載攝像頭生產能力的A股上市公司主要包括（僅列舉）：4.24.2 車載攝像頭及車載攝像頭及4D4D毫米波雷達相關標的毫米

90、波雷達相關標的車載攝像頭車載攝像頭是否已供應特斯拉簡要介紹三星電機已供應特斯拉供應攝像頭模組LG Innotek已供應特斯拉供應攝像頭模組聯創電子（002036.SZ）已供應特斯拉目前公司車載鏡頭和影像模組產品車載鏡頭和影像模組產品已與特斯拉形成合作。據公司2024年5月公告，現階段已具備800萬像素車載鏡頭量產能力。亞洲光學（3019.TW）已供應特斯拉現今特斯拉的三款型號電動車，環景、自動駕駛輔助系統等鏡頭鏡頭都是亞洲光學生產。大立光（3008.TW）已供應特斯拉2023年5月，特斯拉與大力光專利糾紛達成和解；事后，大立光順利獲得特斯拉大部分車用鏡頭鏡頭訂單，且部分鏡頭產品漲價90%。宇瞳

91、光學（300790.SZ）已布局特斯拉據2022年年報，公司積極布局車載光學業務，產品涵蓋車載鏡頭車載鏡頭、AR-HUD和車載激光雷達等，已向特斯拉供應鏈布局。歐菲光（002456.SZ）具備8M攝像頭量產能力根據公司2023年年報，公司車載攝像頭已量產產品包括2M前視三目、8M前視雙目攝像頭、3M和8M側視后視攝像頭、1M、2M及3M環視攝像頭。保隆科技（603197.SH）具備8M攝像頭量產能力據公司2023年9月消息，公司攝像頭業務方面，800萬像素攝像頭已具備量產能力并獲得項目定點。德賽西威（002920.SZ）具備8M攝像頭量產能力據2021年7月新聞，公司800萬像素環視攝像頭已具

92、備批量供應能力。永新光學（603297.SH）具備8M攝像頭研發能力據國家知識產權局2024年1月公告，公司取得一項“一種超高清車載光學成像鏡頭”發明專利；該光學成像鏡頭像素達八百萬級。資料來源：懂車帝、車家號、中關村在線、證券之星、搜狐網、有駕、艾邦智造、AutoLab、金融界、各公司公告及年報、華金證券研究所整理4 4.2.2 車載攝像頭及車載攝像頭及4D4D毫米波雷達相關標的毫米波雷達相關標的4D毫米波雷達毫米波雷達是否已供應特斯拉簡要介紹威孚高科（000581.SZ）與特斯拉供應商Arbe長期合作公司已布局4D毫米波業務，與特斯拉供應商Arbe達成合作；早在2021年11月，Arbe宣

93、布威孚高科基于Arbe成像雷達芯片組制造的完整雷達系統雷達系統進入測試送樣階段，并于2022年底實現量產。華域汽車（600741.SH）已具備量產能力據2023年7月公告，公司4D成像毫米波雷達產品已實現特定用戶小批量供貨。歐菲光（002456.SZ）已具備量產能力公司已深度布局4D毫米波業務；據2023年6月公司公告，公司4D毫米波雷達包括4D中長距雷達、4D成像艙內雷達、4D數字成像雷達等產品。德賽西威（002920.SZ）技術布局根據公司2023年7月公告，公司4D及國產化雷達方案已完成產業技術布局。保隆科技（603197.SH）試產階段據2024年1月公告，公司4D毫米波雷達目前處于C樣（批量樣件）階段，正在向客戶推廣。碩貝德（300322.SZ）具備天線的量產能力據2023年8月公告，公司研發的“5G/V2X/高精度定位”多合一天線以及4D毫米波汽車雷達波導天線處于業內領先地位。特斯拉在HW4.0硬件配置當中，新配高精度4D毫米波雷達；據特斯拉備案文件顯示，系來自Arbe的Phoenix雷達。目前，國內目前已具備4D毫米波雷達生產能力的A股上市公司主要包括（僅列舉）：資料來源：汽車小智士、金融界、各公司公告及年報、華金證券研究所整理