《计算机行业:从特斯拉FSD发展路径看国内智能驾驶终局-221115(22页).pdf》由会员分享,可在线阅读,更多相关《计算机行业:从特斯拉FSD发展路径看国内智能驾驶终局-221115(22页).pdf(22页珍藏版)》请在三个皮匠报告上搜索。
1、请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 2022.11.15 从特斯拉从特斯拉 FSD 发展路径发展路径看国内智能驾驶终局看国内智能驾驶终局 李沐华李沐华(分析师分析师)齐佳宏齐佳宏(分析师分析师) 证书编号 S0880519080009 S0880519080007 本报告导读:本报告导读:智能驾驶是特斯拉核心壁垒之一智能驾驶是特斯拉核心壁垒之一,FSD 是是其其智能驾驶关键一跃智能驾驶关键一跃;各类厂商加紧投入,各类厂商加紧投入,国内智能驾驶快速发展国内智能驾驶快速发展;推荐中科创达、虹软科技、德赛西威、经纬恒润、
2、道通科技。推荐中科创达、虹软科技、德赛西威、经纬恒润、道通科技。摘要:摘要:智能驾驶是特斯拉的核心壁垒之一。智能驾驶是特斯拉的核心壁垒之一。特斯拉汽车销量不及丰田的 1/10,而它的市值却是丰田的 3 倍。究其原因,在于特斯拉在三电系统、供应链管理、生产模式、营销模式等诸多方面均成为了行业标杆。在智能驾驶方面,特斯拉是目前唯一一家自动驾驶全栈自研并实现量产落地的主机厂。通过研究我们发现,在自动驾驶领域,特斯拉面临过跨越式与渐进式选择,经历了从依靠外部技术到自研芯片和全栈自研实现 FSD 的摸索过程;硬件配置上,也从依赖摄像头、超声波雷达、毫米波雷达到抛弃雷达甚至降低摄像头配置等几个阶段。特斯拉
3、走过的路,国内想实现智能驾驶全栈自主可控的厂商或许都将经历。FSD 是特斯拉智能驾驶的关键一跃是特斯拉智能驾驶的关键一跃。特斯拉智能驾驶系统最早可追溯至2013 年。通过全栈自研,特斯拉在智能驾驶域已经构建起了核心壁垒。第一,以数据为中心,在多个感知、规控、标注等部分之间共享数据格式和特征空间,减少了重复劳动的时间和人力浪费;第二,以 AI 为驱动,在算法设计上的历次底层创新铸牢了公司的护城河;第三,全栈自研,从算法、车端硬件到离线数据中心的计算芯片,特斯拉在关键环节逐步实现完全自主,将核心能力握在手中。基于公司内部的配合有利于更好地做产品架构的顶层设计,效率上优于需要产业链公司配合的其他主机
4、厂。各类厂商加紧投入,国内智能驾驶快速发展。各类厂商加紧投入,国内智能驾驶快速发展。在我国,智能驾驶正快速向前发展。在对于智能驾驶终局的判断中,根据特斯拉的经验,我们可以得出几点认识:第一,选择从纯视觉与多传感器融合两个方向落地路径依赖较强,未来倒戈可能性小;第二,自动驾驶能力为稀缺项,选择 L4 等三方厂商为车企提供解决方案更有助于品牌在快速迭代的竞争中占得有利地位;第三,自动驾驶终局或将呈现类手机操作系统的苹果和安卓双足鼎立的形态。推荐中科创达、虹软科技、德赛西威、经纬恒润、道通科技。推荐中科创达、虹软科技、德赛西威、经纬恒润、道通科技。在智能驾驶加速发展过程中,主芯片供应商较为稀缺,可在
5、一定程度上作为判断各个玩家发展前景的视角。据此,推荐与高通合作密切的中科创达、虹软科技,与英伟达合作密切的德赛西威,与 Mobileye 合作密切的经纬恒润,以及汽车后市场标的道通科技。风险提示:风险提示:部分技术难题尚未被完全攻克、汽车更强调功能安全,智能化的落地可能慢于预期 评级:评级:增持增持 上次评级:增持 细分行业评级 计算机 增持 相关报告 计算机防疫政策优化推动计算机公司盈利能力修复 2022.11.12 计算机重视实施厂商在 ERP 替代中的产业地位 2022.11.11 计算机机遇与挑战并存,造车新势力各显神通 2022.11.06 计算机信创板块即将进入业绩兑现期 2022
6、.11.04 计算机受假期影响,需求小幅回落 2022.11.03 行业专题研究行业专题研究 股票研究股票研究 证券研究报告证券研究报告 计算机计算机 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 目目 录录 1.智能驾驶是特斯拉的核心壁垒之一.3 2.特斯拉智能驾驶经历了漫长的进化过程.3 3.FSD:特斯拉智能驾驶的关键一跃.8 3.1.特斯拉的智能驾驶包分为三个类别.8 3.2.FSD 架构演进充分展现了特斯拉的强大实力.10 3.3.FSD 对特斯拉而言意义重大.14 4.自动驾驶,谁主沉浮.15 4.1.各类厂商加紧投入,国内智能驾驶快速
7、发展.15 4.2.关于自动驾驶终局的三点预测.18 5.投资建议.21 6.风险提示.21 TVdYlXhU8ZmWoO2WiZuX7NcM6MpNrRpNoMiNqRnMeRoPqOaQrRuNuOsQoQwMpMpO 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 1.智能驾驶是特斯拉智能驾驶是特斯拉的核心壁垒的核心壁垒之一之一 作为智能驾驶的标杆,特斯拉市值冠绝全球主机厂。作为智能驾驶的标杆,特斯拉市值冠绝全球主机厂。特斯拉是目前世界上市值第 6 高的公司,同时也是市值最高的车企。横向比较来看,2022年特斯拉汽车销量 93.62 万台,不及
8、丰田的 1/10,而它的市值却是丰田的 3 倍。究其原因,在三电系统、供应链管理、生产模式、智能驾驶、战略规划、营销模式等方面,它都是行业颠覆者,是标杆一样的存在。表表 1:特斯拉虽汽车销量不及部分传统主机厂,但市值位列榜首特斯拉虽汽车销量不及部分传统主机厂,但市值位列榜首 数据来源:wind、特斯拉公告,国泰君安证券研究 特斯拉特斯拉是目前唯一一家自动驾驶全栈自研是目前唯一一家自动驾驶全栈自研并实现并实现量产落地的量产落地的主机厂主机厂。消费者购买特斯拉的原因有很多,除了三电系统、方便的充电体验、高保值率、品牌影响力,其智能驾驶能力是重要的考虑因素之一。这份报告主要是特斯拉自动驾驶能力的进一
9、步解析(想了解计算机研究员眼中的特斯拉可以参考我们在 2022 年 7 月外发的报告特斯拉智能驾驶研究框架)。通过研究我们发现,在自动驾驶领域,特斯拉面临过跨越式与渐进式选择,经历了从依靠外部技术到自研芯片和全栈自研实现 FSD 的摸索过程;硬件配置上,也从依赖摄像头、超声波雷达、毫米波雷达到抛弃各种雷达甚至降低摄像头配置等几个阶段(中间也曾尝试过激光雷达)。特斯拉走过的路,国内想实现智能驾驶全栈自主可控的厂商或许都将经历。当前,国内头部科技实力强的主机厂城市场景的 NOA 已进入落地试点阶段,从场景上看,与特斯拉存在 5 年左右的差距,故在这时候回溯特斯拉自动驾驶成王之路,以启读者。2.特斯
10、拉智能驾驶特斯拉智能驾驶经历了漫长的进化过程经历了漫长的进化过程 特斯拉研发智能驾驶系统可追溯至特斯拉研发智能驾驶系统可追溯至 2013 年。年。2013 年 9 月,马斯克在推特披露特斯拉正在研发其辅助驾驶系统 AP(Autopilot System)。特斯拉早期曾与 Google 合作半自动驾驶系统 Autopilot,后来叫停,主要原因是 Google 认为半自动驾驶系统不可靠,现任 Google Waymo CEO John Krafcik 解释称“当你把这个系统开发得越好,人们就越容易过度信赖它”。后来 Google 转向研发 L4L5 级别的自动驾驶,特斯拉转而开发第一代AP。图图
11、 1:20132013 年年 9 9 月,月,马斯克马斯克在推特中首次在推特中首次提到提到 APAP 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 数据来源:推特 作为车载作为车载 OTA 鼻祖,鼻祖,特斯拉特斯拉在设计智能驾驶功能时在设计智能驾驶功能时遵循遵循硬件先行、软硬件先行、软件升级的方式。件升级的方式。与视觉处理芯片独角兽 Mobileye 合作,特斯拉在 2014年 10 月正式向公众推出其 HW 1.0(Autopilot Hardware 的简写,特斯拉的自动驾驶电脑),其组成包括:1)1 个前置单目摄像头(Mobileye),2)
12、1 个 77G Hz 毫米波雷达,最大探测距离 160 米(Bosch),3)12 个超声波传感器,最大探测距离 5 米,4)Mobileye EyeQ3 计算平台,5)高精度电子辅助制动和转向系统。HW 1.0 仅在 Model S 和 Model X 上提供。在未来一年多的时间里,车辆通过 OTA 不断更新固件,获得更完善的驾驶辅助或自动驾驶功能。需要进行区分的是,HW 是特斯拉车载自动驾驶电脑,是硬件;AP 是 Autopilot 辅助驾驶系统,是软件。这两个概念不能混淆,因为硬件是先装机的,有了硬件支持后,辅助驾驶体验主要依赖软件,是真正的大脑,而软件是逐渐升级的。图图 2:HW1.0
13、 传传感器包括摄像头、毫米波雷达等感器包括摄像头、毫米波雷达等 数据来源:博客园 表表 1:特斯拉在特斯拉在 AP1.0 发布后进行的一系列发布后进行的一系列 OTA 升级升级 数据来源:特斯拉公告、推特,国泰君安证券研究 特斯拉特斯拉的智能驾驶研发是一个逐渐的智能驾驶研发是一个逐渐“抛弃拐杖抛弃拐杖”的过程的过程。HW1.0 依赖 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 Mobileye 的技术;HW2.0 时代是英伟达的 CPU 叠加特斯拉自研软件,同期车端 FSD 芯片也在酝酿当中;2019 年 4 月搭载两颗 FSD 芯片的HW3.0
14、 上车标志着特斯拉智能驾驶技术正式迈入全栈自研的时代。HW1.0 中的芯片和核心技术都来自中的芯片和核心技术都来自 Mobileye。2016 年 7 月,由于数据所有权和公司文化的冲突,Mobileye 宣布 EyeQ3 是它和特斯拉的最后一次合作。实际上,早在 2015 年 4 月,特斯拉就组建了基于视觉感知的软件算法小组 Vision,准备自研软件逐步替代 Mobileye。2016 年年 10 月,月,特斯拉特斯拉推出推出 HW2.0,这套方案基于英伟达的,这套方案基于英伟达的 Drive PX2,由两个公司联合开发。由两个公司联合开发。HW2.0 相较于 HW1.0 在性能上实现了大
15、幅提升,摄像头由 2 个增加至 8 个,处理器算力提升为 12TPOS,为 HW1.0 的 48倍。由于 HW2.0 的软件系统 AP2.0 是特斯拉自行研发的,起初辅助驾驶使用体验(8.0 版本)不够成熟。2017 年 3 月 29 日,特斯拉推送了 8.1版本软件更新,AP 2.0 的性能逐渐开始追平 AP1.0。2017 年 8 月,特斯拉为 HW2.0 进行了一次小幅更新,被业内称为 HW2.5。HW2.5 为Autopilot 系统提供了更强的算力,增加了系统的冗余性和可靠性,为实现自动驾驶打好了硬件基础。软件上,2018 年 10 月,特斯拉推送 AP9.0,此版本基本实现了对高速
16、/城际公路这种简单场景的自动驾驶,这项功能被视作是 L4 最早期的形态。表表 2:特斯拉特斯拉智能驾驶系统硬件智能驾驶系统硬件经历了多次迭代经历了多次迭代 数据来源:特斯拉公告、盖世汽车,国泰君安证券研究 图图 3:HW2 的的传感器传感器数量明显增加数量明显增加 图图 4:HW3.0(目前)传感器分布(目前)传感器分布情况情况 数据来源:博客园 数据来源:特斯拉官网 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 HW3.0 中的中的 FSD 芯片是特斯拉专门为自动驾驶打造,与芯片是特斯拉专门为自动驾驶打造,与特斯拉特斯拉车型强车型强耦合,让特斯拉
17、拥有了对其产品的完全掌控权耦合,让特斯拉拥有了对其产品的完全掌控权。一方面可以充分利用计算单元、高效迭代产品,另一方面成本也更加可控。在研发 HW2.0 的同时,特斯拉内部也启动了 FSD 芯片的研发。他们认为 Drive PX 主要基于通用的 GPU 架构,并不是专门为无人驾驶系统打造,还有一定的优化空间来提升运算速度。2017 年 8 月,FSD 芯片测试完成。2019 年 4月,FSD 芯片正式在 Model3 上应用。FSD 芯片主要由芯片主要由 CPU、GPU 和和 NNA(Neural Network Accelerator)三)三个计算模块,以及各种接口,片上网络等组成。个计算模
18、块,以及各种接口,片上网络等组成。算力上,每秒可处理图片 2300 张,较 HW 2.5 的每秒 110 张的处理能力提升了 21 倍。由于该芯片只针对特斯拉车型设计,所以设计时将NNA的许多通用功能从FSD芯片上剥离,只保留特斯拉需要的硬件,成本相对于 HW 2.5 下降 20%。特斯拉可以在 FSD 芯片上打造自己需要的方法,比如编译器,以更高效地利用各个运算单元(这个在第三节会有更好的感知)。整个 FSD Computer(和 HW3.0 同义)上布置了两个完全独立的 FSD 芯片,及各自电源系统、DRAM 和闪存,可以实现完全冗余。在实际行车过程中,两颗芯片同时对相同的传感器数据进行独
19、立分析,并对结果进行平衡、仲裁和验证,提高自动驾驶的安全性。FSD Computer 在设计上与 HW2.0的传感器、线控参数、I/O、尺寸等保持一起,特斯拉已承诺为所有选配FSD 包的 HW2.0 和 HW2.5 用户免费升级到 FSD Computer。图图 5:FSD 芯片由芯片由 CPU、GPU 和和 NNA 等模等模块组成块组成 图图 6:HW3.0 计算平台计算平台包括两颗独立的包括两颗独立的 FSD 芯片芯片 数据来源:特斯拉发布会 数据来源:特斯拉AI Day 至此,特斯拉拥有了算力强大的 FSD 芯片和源源不断生成的车队数据,具备通过 AP 算法的升级实现自动驾驶的理论可能性
20、。2019 年 FSD 芯片上车以后,AP 算法飞速迭代,我们将在下一章节详细介绍。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 图图 7:特斯拉特斯拉 AP 研发负责人表示硬件已经足以支持研发负责人表示硬件已经足以支持自动驾驶自动驾驶 数据来源:特斯拉 AI Day 表表 3:特斯拉智能驾驶系统特斯拉智能驾驶系统迭代迭代经历了多个关键时刻经历了多个关键时刻 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 数据来源:特斯拉、盖世汽车,国泰君安证券研究 3.FSD:特斯拉智能驾驶的:特斯拉智能驾驶的关键一跃
21、关键一跃 2021 年 7 月 10 日,特斯拉正式向约 2000 名美国用户推送了“完全自动驾驶”FSD Beta V9 版本,其独特之处在于摒弃了毫米波雷达、超声波雷达等传感器,采用纯视觉的自动驾驶方案。本章将从 FSD 的含义、演进过程、现状出发探究特斯拉在智能驾驶领域的进展和贡献。图图 8:车载电脑车载电脑装配了装配了 FSD 图图 9:FSD 累计行驶里程累计行驶里程快速增加(单位快速增加(单位百万英里百万英里)数据来源:特斯拉AI Day 数据来源:特斯拉公告 3.1.特斯拉的智能驾驶包分特斯拉的智能驾驶包分为为三个类别三个类别 特斯拉的智能驾驶包分三个类别,特斯拉的智能驾驶包分三
22、个类别,AP是是特斯拉特斯拉车型标配,车型标配,FSD 是顶配:是顶配:AP(Autopilot):最基础版本,免费&标配;EAP(Enhanced Autopilot):增强辅助驾驶,在基础版的基础上增加了智能召唤、自动泊车、自动变道、自动导航驾驶(NOA)等功能,目前中国区售价 3.2 万元。FSD:主要功能包括导航辅助驾驶(NOA)、自动变道、自动泊车、智能召唤、交通信号识别、(基于导航路线的)城市道路自动转向等,目前仅在北美地区有 Beta 版,美国售价 1.5 万美元/加拿大售价1.75 万美元(现在可以申请一个月的试用权)。除了收费之外,装Beta 版的客户需要安全得分超过 80
23、且驾驶里程超过 100 英里。2021年 7 月 10 日,特斯拉正式向约 2000 名美国用户推送了“完全自动驾驶”FSD Beta V9 版本,根据公司在 2022 年 Q3 业绩交流会上的披露,FSD Beta 在 2022 年 9 月测试用户扩大到 16 万。自 2021 年以来 FSD Beta 实现了 36 次新版本推送,目前最新版本是在 2022 年 11 月 1日发布的 FSD Beta 10.69.3。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 图图 10:特斯拉特斯拉 EA、FSD 选配价选配价各不相同各不相同 数据来源:特斯
24、拉官网 FSD 在能力上在能力上向向 L4 发展发展,但在归责上仍遵循,但在归责上仍遵循 L2 的方式。的方式。按照目前受到广泛认可的国际自动机工程师学会(SAE)的定义,L4 等级的自动驾驶应当能够自主识别是否达到了设计运行条件,并在条件无法达到时,自动执行最小风险策略,而用户并没有义务进行介入。在 L4 的语境里,驾驶系统可以在限定的区域内实现自动驾驶,不需要人来介入,并且在这个场景下,由系统承担责任。特斯拉并没有遵循业界常用的自动驾驶分级标准,而是自创了一套规则:在 FSD Beta 里,系统的设计遵循自主工作的逻辑,但必须有驾驶员的监控。车内摄像头可以监视驾驶员注意力的集中度,如果驾驶
25、员走神,车内会报警;如果驾驶员忽略报警,车会自动开到路边停下来。基于这样的设计,FSD 仍被视作是 L2 系统,事故责任在驾驶员而不在特斯拉。从用户角度看,客户花钱买到自动驾驶能力,但做的是测试员的工作。这里额外提到一句 L3。L3 指的是车辆自己开,驾驶员坐在驾驶位可以玩手机可以看视频,不能睡着。车辆如果遇到问题之后提前报警,驾驶员在规定时间之内监管车辆。在责任划分上,根据因果关系判断驾驶员及系统责任。特斯拉在技术上实际上已经超过 L3,但本质还是 L2 系统。第一是因为 L3 权责的模糊性,第二是因为现在系统还不够成熟,公司无法为 L4 背书。现在业内的一种观点是,提出 L3 不是一个好的
26、产品形态,未来智能驾驶产品可能先要标配DMS,而后由 L2、L2+、L2+直接跳到 L4。(更多关于 L3 的疑惑可以参考我们此前的报告)表表 4:SAE J3016 将将自动驾驶自动驾驶分为分为 L0 到到 L5 几个等级几个等级 数据来源:SAE,国泰君安证券研究 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 3.2.FSDFSD 架构架构演进充分演进充分展现了特斯拉的强大实力展现了特斯拉的强大实力 本部分将以 FSD 的架构为核心,分析 FSD 架构的底层创新、理解纯视觉和传感器融合技术路线的异同。具体的技术细节不做详实的展开,因为它对非研发
27、人员对参考意义不大。无论是纯视觉还是多传感器期融合方案,实现自动驾驶都可以拆解为以下 2 步:1.感知:感知:我周围有什么物体?他们是怎么在空间上分布的?下一步他们会去哪里?2.规控:规控:我该怎么走?在感知与还原这一步,除了要识别周围物体的分布和运动状态,还需要识别车道线、信号灯/指示牌,用于后面规划路线。在规控上,基于上一步的结果,旨在寻找安全、舒适、高效地到达目的地的路线方案。在实际行车过程中,这些运算需要在毫秒级别的时延里完成。纯视觉和多传感器器融合方案的区别主要是在第一步,在规控算法方面,大家要突破的问题并无二致。感知上,感知上,AP软件架构在软件架构在 2020 年年 8 月做了一
28、次底层重构,是纯视觉实现月做了一次底层重构,是纯视觉实现L4 的的“关键一跃关键一跃”。实现 L4 最难做的就是城市场景,尤其是十字路口拐弯的场景,其困难性在于车道线轨迹复杂、其他物体多且各自的运动轨迹不同。在早年 AP 还没有覆盖城市道路场景的时候,特斯拉的感知方案是对二维的图像数据做语义识别。这个方案的瓶颈在于:1)行车是在三维空间中进行的,在图像中做规控不如在空间中做规控。2)无法对被遮挡的地方做预测。在这种方案下,AP 在复杂的城市道路场景下的瓶颈难以突破。2020 年 8 月,马斯克在推特上宣布团队正在对 FSD的底层架构进行重写。在此后 2021 年和 2022 年的特斯拉 AI
29、day 上,AP 团队向公众介绍了新的软件架构,底层创新令人非常震撼。图图 11:2020 年前特斯拉感知算法的效果年前特斯拉感知算法的效果不佳不佳 图图 12:2020 年年 8 月月,马斯克宣布马斯克宣布 FSD 被重构被重构 数据来源:特斯拉 AI Day 数据来源:推特 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 图图 13:2020 年前特斯拉感知算法年前特斯拉感知算法遇到了诸多问题遇到了诸多问题 数据来源:特斯拉 AI Day 到到 2021 年年中,主要进展是建立了年年中,主要进展是建立了 2 维摄像头图像向维摄像头图像向 3维空间
30、的映射,维空间的映射,相当于生成了一个实时的车体相当于生成了一个实时的车体和其和其周围空间的周围空间的俯视图俯视图,同时也获得了周,同时也获得了周围物体的运动速度,解决了摄像头无法测速的问题。围物体的运动速度,解决了摄像头无法测速的问题。Multi-head 是业界自动驾驶感知模块常用的方法,它包括 Backbone,Neck 和 Head,在输入 raw data 后,Backbone 和 Neck 会提取一些通用的图像特征,然后,在 Head 层会解决不同的感知任务,比如物体检测、交通信号灯识别、车道线识别等,特斯拉的 Multi-head Net 叫 HydraNet。图图 14:特斯拉
31、特斯拉推出推出 HydraNet 架构架构 数据来源:特斯拉 AI Day 革新一,将周围的空间统一:革新一,将周围的空间统一:图像经过 RegNet、BiFAN 提取特征后进入 BEV(鸟瞰图)空间转换层,将所有 8 个图像组合成一个超级图像,这个新的空间较原来的二维图像增加了深度信息(物体之间的距离)。P.S.:3D 空间忽略高程的投影就是鸟瞰图,如图 13 所示。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 图图 15:特斯拉可生成:特斯拉可生成车体和其周围空间的俯视图车体和其周围空间的俯视图 图图 16:特斯拉在特斯拉在 HydraNet
32、中加入中加入 BEV Transform 数据来源:特斯拉 AI Day 数据来源:特斯拉 AI Day 革新二,融入时序数据:革新二,融入时序数据:在实际行车过程中需要做大量预测,比如周围物体的移动速度、他们是否被遮挡、前方 50m 外的标志牌是怎样的,这些都需要图像的上下文(即视频)。因此,特斯拉将视频模块也放入神经网络的训练中,在 BEV Transform 后加入 Video Netural Net,由此使感知模型具有了短时记忆的能力。图图 17:特斯拉:特斯拉在在 HydraNet 中加入中加入 Video Neural Net 图图 18:特斯拉特斯拉在在 RNN 中生成俯视图中生
33、成俯视图 数据来源:特斯拉 AI Day 数据来源:特斯拉 AI Day 到到 2022 年年中,年年中,特斯拉在特斯拉在长尾障碍物的感知长尾障碍物的感知问题上取得了一定进展问题上取得了一定进展,主要针对的是行车中主要针对的是行车中 corner case 无法被覆盖、恶劣天气、物体被遮挡的无法被覆盖、恶劣天气、物体被遮挡的问题。问题。通过前面的介绍,比较敏感的读者可能会发现特斯拉解决的问题主要就是高精度地图和雷达可以为摄像头补足的短处,但这个模型并不完美。在 2022 年的 AI Day 上,AP 团队向大家展示了感知模型的最新进展,在去年 Hydra Net(+BEV Layer+Vide
34、o Neural Net)的基础上,进一步提出了 Occupancy Network。在 Occupancy Network 中,周围的世界被划分成小立方体,通过预测 3D 空间的占用概率来还原物体的大致形状。它对物体没有过多的几何假设,因此可以建模任意形状的物体和任意形式的物体运动,以应对长尾障碍物的感知和极端天气的影响。在这种方案下,地图由 2D 形式变成了 3D 形式。此外,输入的数据不会再经过 ISP 处理,而是直接输入 photon count 数据,这将保留更多的信息并能够降低延迟。目前,Occupancy Network 已经在所有装 FSD 的车上运行,大约每 10ms 运行一
35、次。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 图图 19:Occupancy Network 中空间被划分成立方体中空间被划分成立方体 图图 20:Occupancy Network 生成的地图效果生成的地图效果良好良好 数据来源:特斯拉 AI Day 数据来源:特斯拉 AI Day 感知层是纯视觉派自动驾驶感知层是纯视觉派自动驾驶路线路线的主要争议点。的主要争议点。需要注意的是,特斯拉也并没有完全放弃雷达,2022 年 6 月它在 FCC 注册了一款 4D 毫米波雷达,并提交了详细的合规测试报告。而在其他方面,比如规划、车道线识别、数据训练等
36、方面,特斯拉的做法充分体现了其强悍的算法、工程和架构能力。数据:数据:数据标注:数据标注:数据收集,一部分来自车队传回的数据。包括在用车时失效的案例,更新标注后会被重新加入训练集。一部分来自模拟数据(Simulation)。模拟数据是由场景生成器生成的,最快 5min 生成一个场景,理论上可以通过排列组合的方式生成无限多的道路场景,这主要是为了提升自动驾驶系统对长尾场景的反应力。标注上,特斯拉采用人机合作标注的方法,大幅提高标注效率,人机标注引擎正在构建中。Auto Labeling 和Simulation 这两个项目被认为是工程人才集中的地方。数据引擎:数据引擎:串联数据收集、人机数据标注、
37、模型训练(包括自动标注、规划算法等离线模型与占用网络、车道线识别等车载模型)、上车,往复循环。图图 21:特斯拉特斯拉 AI Day 展示其展示其 Data Engine 工作过程工作过程 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 数据来源:特斯拉 AI Day 模型训练基础设施:模型训练基础设施:特斯拉内部有 3 台超级计算机,包括 1.4 万个GPU,其中 1 万个 GPU 用于模型训练,大约 4 千个 GPU 用于自动标注。共 30PB的分布式数据缓存,每天都有 50w 个新的视频流入。为了更高效地利用这些视频,在加解码、读写环节都做了加
38、速器的研发。在过去的一年里,一共训练了 7.5 万个神经网络模型(大约8 次/分钟),发布了其中 281 个模型。后面还会用自研芯片优化处理性能。规划与控制:规划与控制:融入成本函数、人工干预数据或其他仿真模拟数据,在向量空间中通过传统规控方法与神经网络相结合的混合规划系统实现汽车的行为与路径规划,生成汽车转向、加速、刹车等控制指令,由汽车执行模块执行。这部分业界大部分主要依赖基于规则的方法,特斯拉将深度学习很好地融入其中。其神经网络的训练集包括两部分,一个是没有时间约束下的传统规划算法的策略,一个是人类驾驶员手动驾驶时选择的策略。车载电脑车载电脑 FSD Computer 的设计体现全栈自研
39、厂商对产品的充分掌控,的设计体现全栈自研厂商对产品的充分掌控,有助于芯片算力的充分利用。有助于芯片算力的充分利用。所有运行在车载电脑的神经网络模型加起来大约有 10 亿个参数,运行过程中会生成 1000 多个神经网络信号。为了更高效地运行这些模型,特斯拉在 FSD 计算机中搭建了专门针对神经网络的编译器、神经网络连接器,并这些模型进行联合优化,最大化计算利用率和吞吐量。设计混合调度系统,对两个芯片上的系统进行分布式调度,以并行的方式运行这些网络。在这样的架构下,可以实现在 10毫秒内任意场景在构建带高程的俯视图,这也是特斯拉能摆脱高精度地图依赖的原因。图图 22:FSD Computer 神经
40、网络模型参数数量惊人神经网络模型参数数量惊人 数据来源:特斯拉 AI Day 3.3.FSDFSD 对对特斯拉特斯拉而言而言意义意义重大重大 全栈自研,全栈自研,快速迭代快速迭代,基础能力扎实,构筑了,基础能力扎实,构筑了特斯拉在智能驾驶领域特斯拉在智能驾驶领域的的核心壁垒。核心壁垒。1)以数据为中心,在多个感知、规控、标注等部分之间共享数据格式和特征空间,减少了重复劳动的时间和人力浪费;2)以 AI为驱动,特斯拉作为目前世界上最领先的高科技公司之一,吸引了世界上最顶尖的 AI 人才,在算法设计上的历次底层创新铸牢了公司的护城河;3)全栈自研,从算法、车端硬件到离线数据中心的计算芯片,特斯拉在
41、关键环节逐步实现完全自主可控,将核心能力牢牢握在手中。基于公司内部的配合有利于更好地做产品架构的顶层设计,效率上优于需要产业链公司配合的友商。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 降本增效的降本增效的“向前一步向前一步”。FSD 更少的车端硬件可以减少特斯拉对供应链的管理、故障召回等成本,这将进一步压缩整车制造成本。对马斯克而言,“Best part is no part”,他竭尽全力去除系统中不必要的部分,从而控制整个系统的熵维持在合理的水平。数据调度和处理能力、算法等关键能力可拓展到其他场景。数据调度和处理能力、算法等关键能力可拓展到其
42、他场景。在 2022 年AI day 上,马斯克发布了人形机器人特斯拉 bot Optimus。根据 AI day 2022 的内容不难发现,Optimus 一方面在硬件上充分共享特斯拉汽车供应链。另一方面,由于其软件架构的顶层性,FSD 研发环节和相关算法也在其中很好复用:1)感知算法完全是 FSD 感知的下游应用,2)路径规划可以复用 FSD 的规控建模路径,只不过机器人场景中物体更多、交互关系更复杂、要求的分辨率更高、环节场景更多样,3)室内环境建模,与特斯拉对车内导航问题的抽象一致。特斯拉特斯拉的解决方案有望率先实现单车智能的解决方案有望率先实现单车智能 L5。自动驾驶的技术路线主要分
43、两种,一种是单车智能,通过摄像头、雷达等传感器以及算法赋予汽车自动驾驶的能力;一种是车路协同,在传感器的基础上结合 5G 和高精地图来感知路况和其他车的情况来实现自动驾驶的能力。对于目前具备 L4 能力的公司的区别,特斯拉智能驾驶前负责人 Andrej 描述很生动:“Waymo 和业内许多其他公司都使用高清地图。必须在预先铺设地图的环境、拥有厘米级精度的激光雷达,而且要轨道上,才能开车。你准确地知道你将如何在十字路口转弯,哪些红绿灯与你相关,知道它们的位置以及一切。我们不做这些假设。对我们来说,在我们遇到的每一个路口,我们都是第一次看到它。”由于行车是基于开放场景,而车路协同中智慧的路全面铺开
44、短期内较难实现,结合前文的分析,相较之下特斯拉最有希望率先通过算法革新实现全场景自动驾驶。4.自动驾驶,谁主沉浮自动驾驶,谁主沉浮 4.1.各类厂商加紧投入,国内智能驾驶快速发展各类厂商加紧投入,国内智能驾驶快速发展 2022H1 中国中国 L1、L2 级别的辅助驾驶渗透率持续提升,级别的辅助驾驶渗透率持续提升,L1 级别的主动级别的主动安全和行车功能逐渐成标配。安全和行车功能逐渐成标配。在中国,目前 L1、L2 级别的智能驾驶已经大范围铺开,大众价位的车型加快 L2 级别的方案上车。根据中国汽车报的披露,2021 年,中国乘用车市场的新车销售中,具备 L2 级智能驾驶的车型销量为 476.6
45、 万,占比 23.5%,同比增长57.2%。根据佐思汽车研究的拆分数据,在 2022H1 销售的新车中,目前 L1级别的主动安全进展最快,渗透率达三成以上;L1 级别的行车功能渗透率快速提升,从去年的 10%左右到 2022 年的 20%左右;L2 级别的辅助驾驶主要集中在泊车场景,自动泊车辅助 APA 渗透率达13.8%。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 表表 5:2022 年上半年国内智能驾驶相关功能装配率快速攀升年上半年国内智能驾驶相关功能装配率快速攀升 数据来源:佐思汽车研究、盖世汽车,国泰君安证券研究 L3-L5 的智能驾驶处
46、于商业化早期,的智能驾驶处于商业化早期,以以造车新势力造车新势力、科技企业科技企业为代表的为代表的自研派进展较快,已开始积极试水城市道路场景。自研派进展较快,已开始积极试水城市道路场景。NOA 领航辅助驾驶是目前已经量产的高级别的辅助驾驶功能,目前仅有头部造车新势力如蔚小理和头部科技公司如华为实现了高速的 NOA。城市道路的 NOA 是下一步要攻克的方向。由于中国的城市道路场景复杂多变,城市 NOA 较高速 NOA 研发难度大幅提升。根据小鹏汽车自动驾驶副总裁、前高通自动驾驶负责人吴新宙博士的公开访谈。相比高速 NGP,城市 NGP 的代码量提升至 6 倍;感知模型数量提升至 4 倍;和车辆行
47、为相关的部分包括预测、规划、控制,相关代码量提升至 88 倍。目前,小鹏和极狐已经分别在开始推送城市 NOA 的试点;搭载激光雷达的毫末已经进入量产,计划年内发售。不过,小鹏仅仅是在广州一些特定路段进行小范围测试,搭载华为技术的极狐也只面向深圳的 Beta 用户进行封闭式推送。蔚来计划 2022 年内实现在 ET7 和 ET5 等车型搭载的 NAD 系统上实现城市辅助驾驶。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 图图 23:造车新势力与传统主机厂在智能驾驶方面展开了激烈角逐造车新势力与传统主机厂在智能驾驶方面展开了激烈角逐 数据来源:佐思汽车
48、研究 表表 6:国内车企推送城市国内车企推送城市 NOA 已取得一定进展已取得一定进展 数据来源:佐思汽车研究、盖世汽车,国泰君安证券研究 主流车企锚定主流车企锚定 2024/2025 实现实现 L4,技术上走传感器融合路线,以激光雷,技术上走传感器融合路线,以激光雷达为代表的硬件预埋已开始,构建数据闭环为关键能力。达为代表的硬件预埋已开始,构建数据闭环为关键能力。目前包括蔚小理等新势力和传统的自主OEM厂商对实现 L4的规划普遍在 2023-2025 年之间。对 L3+的自动驾驶技术上的两派,一派跨越式,以 Waymo 为代表的 L4 厂商。这些厂商切入智驾赛道较早,技术上往往采取多传感器融
49、合+高精度地图的车路协同方案。激光雷达在恶劣环境下仍能测距和定位,高精度地图提供先验知识。这类厂商在第一波自驾潮中崛起,吸收了大量资本市场的投资,但始终存在量产和政策合规的问题,目前经营上主要是Robotaxi的MaaS(Mobility as a Service)模式。另一派渐进式,它们早期以造车买车为盈利点,通过 OTA的方式使智驾等级由 L2 向更高级别过渡。这类厂商可以通过售卖私家车形成数据积累到模型训练、算法迭代的闭环。在渐进式厂商中,除了特斯拉采用纯视觉方案,其他厂商都采用多传感器融合方案,前者的难度主要在算法上,后者对算法要求低一些,但对数据融合的考验比较大。当然对算法的要求是没
50、有上限的,在算法无限优化的情况下,激光雷达可以起到安全冗余的作用。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 图图 24:车企锚定车企锚定 2024-2025 年年实现实现 L4 自动驾驶自动驾驶 图图 25:自动驾驶路径分为跨越式和渐进式自动驾驶路径分为跨越式和渐进式 数据来源:佐思汽车研究 数据来源:国泰君安证券研究 硬件预埋军备竞赛已经开始,如何用好数据、构建数据闭环是关键。硬件预埋军备竞赛已经开始,如何用好数据、构建数据闭环是关键。在 2022 年上市的车型中,以蔚来 ET5、理想 L9、小鹏 G9、哪吒 S、广汽埃安 AION LX P
51、lus 为代表,均搭载了 1 颗以上的激光雷达,同时也加了高精度地图定位单元,各家厂商的硬件预埋已经就位,也暗示了这些中国自主玩家都将走传感器+高精度地图的融合路线。根据蔚来官网的数据,NIO Autonomous Driving 蔚来自动驾驶的 33个传感器的感知系统每秒能够产生 8 个 G 的数据。相当于一秒看完两部 4K 电影,数据积累速度非常快。面对体量如此庞大的多维数据,如何最大化利用好数据资产,发挥其应有的价值,是每个车企在埋下硬件后应该严谨规划的问题。表表 7:新势力主流车型智能驾驶硬件配置新势力主流车型智能驾驶硬件配置不断提升不断提升 数据来源:佐思汽车研究、盖世汽车,国泰君安
52、证券研究 4.2.关于自动驾驶终局的关于自动驾驶终局的三三点点预测预测 回到智能驾驶行业上,当前回到智能驾驶行业上,当前中国的中国的智能驾驶产业链正处于发展初期,车智能驾驶产业链正处于发展初期,车企与自动驾驶供应链之前还未形成强绑定关系。企与自动驾驶供应链之前还未形成强绑定关系。基于前面的研究,不妨对自动驾驶的终局做一些预测。主要观点有三:第一,选择从纯视觉与多传感器融合两个方向落地路径依赖较强,未来倒戈可能性小;第二,自动驾驶能力为稀缺项,选择 L4 等三方厂商为车企提供解决方案更有助于品牌在快速迭代的竞争中占得有利地位;第三,自动驾驶终局或将呈现类手机操作系统的苹果和安卓双足鼎立的形态。首
53、先首先,可以看到对自动驾驶已经在路上的整车厂商,无论是多传感器融可以看到对自动驾驶已经在路上的整车厂商,无论是多传感器融 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 合方案,还是纯视觉方案,从数据收集到模型搭建,各自的路径依赖很合方案,还是纯视觉方案,从数据收集到模型搭建,各自的路径依赖很强的,未来再易辙的可能性不大。强的,未来再易辙的可能性不大。对于传感器融合方案的成本上的顾虑,随着技术的进步,还有产业链的逐步完善以及规模效应的显现,传感器融合方案的成本会持续下降。以激光雷达为例,当前大概是在 800 美元左右。预计随着国内搭载激光雷达的车型逐
54、渐放量,激光雷达的成本有望在几年内减半。随着 L3、L4 级别自动驾驶的成熟,激光雷达成本有望会降到 100 甚至 50 美元以内。可以参考一组百度 Apollo 的数据。2021年6月,百度首次披露无人车成本:第五代车 Apollo Moon成本48万元。2022 年 7 月 21 日,百度发布了第六代车 Apollo RT6,成本降到 25 万元,这个价格和一辆 Model 3 基础款售价差不多。这样比较下来,多传感器融合降本的逻辑也是行得通的。其次,三方高科技公司为其次,三方高科技公司为 OEM 厂商提供智能驾驶解决方案。厂商提供智能驾驶解决方案。智能驾驶的核心在于算法,算法实现到量产具
55、有很高的技术门槛。打散实现智能驾驶的步骤来看:算法层面,在数据获得和标注,数据积累和数据标注是耗时耗财的 Dirty work;数据利用上,搭建神经网络模型、实现好用的规控算法需要工程和算法的复合团队。智能驾驶能力落地上,算法上车量产需要工程能力优秀的团队做支撑。今天,智能汽车行业的演进日新月异,专业高水平人才供不应求。参考 offer 帮相关岗位的薪酬,应届生总包 40w 上下浮动,供需关系可见一斑。未来自动驾驶的能力是智能车的重要能力,但在有限时间内拥有这种能力的厂商注定是少的。后进场的玩家,比如小米,它 2021 年 3 月宣布造车,2021 年 8 月宣布以 7737万美元的金额收购自
56、动驾驶技术公司深动科技(DEEPMOTION TECH),就是用资本换人才、时间。图图 26:实现智驾需要实现智驾需要诸多诸多能力能力 图图 27:智驾相关岗位应届生薪酬较高智驾相关岗位应届生薪酬较高 数据来源:国泰君安证券研究 数据来源:offershow,国泰君安证券研究 L4 创业创业公司公司也存在与部分传统主机厂合作的空间也存在与部分传统主机厂合作的空间。随着下游芯片厂商不断推出算力更强大的自动驾驶芯片,车载芯片的算力最终将不再是实现更高级别智能驾驶瓶颈。这意味着 L4 厂商不用通过不计成本的堆料就有机会实现自驾能力,目前在中国已经可以看到以 Momenta、百度Apollo、轻舟智行
57、、文远智行为代表做 L4 自动驾驶的公司降维到 L2 市 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 场做前装,而后迈入更高级别的自动驾驶。除了 L4,也有一些诸如毫末智行、元戎启行等创业公司聚焦辅助驾驶解决方案赛道。对于部分传统主机商而言,可以通过成立合资公司、合作、收购等商业手段来补齐在智能驾驶方面的短板。图图 28:部分部分 L4 公司公司有有跨界跨界进军进军 L2 的的趋势趋势 数据来源:国泰君安证券研究 表表 8:多家主机厂入股智驾方案商或合资办企多家主机厂入股智驾方案商或合资办企 数据来源:佐思汽车研究、盖世汽车,国泰君安证券研究 最
58、后,赌市场终局是最后,赌市场终局是“苹果苹果”车和车和“安卓安卓”车车。综合目前分化出来的几条技术路径和不同整车厂 EE 架构的差异性与复杂性两点,在智能驾驶领域大概率不会“赢者通吃”,市场格局上而更可能是类手机操作系统生态的模式“苹果”和“安卓”共存的局面。第一种,“苹果”车,这一类是以特斯拉和国内造车新势力蔚小理为代表,从软件到芯片全栈自研,目前能做到全栈自研的仅有特斯拉,这些造车新势力只能做到部分自研,正在向全栈自研布局;第二种,“安卓”车,这一类车型中,利润中心可能是具有智能驾驶能力的平台型公司,除了现在为大多数车厂供芯的英伟达,可能跑出来的公司可能包括华为、地平线、Momenta 这
59、类形态。与手机操作系统与手机操作系统 和和上层应用生态的区别是,智能驾驶域上的合作方之间上层应用生态的区别是,智能驾驶域上的合作方之间 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 需要联合开发,有更强的绑定关系。需要联合开发,有更强的绑定关系。一方面因为各整车厂的 E/E 架构不是统一的,另一方面,即使在同一公司下,不同品牌的车型定位不同,往往也作为独立的部门运营。此外,由于 L4 的自动驾驶需要对驾驶承担责任,提供该能力域的公司将是乘客安全和事故归责的最终责任人。除了技术能力的门槛,超高安全性要求和强监管规范进一步提高了准入门槛,意味着厂商的稀
60、缺性。5.投资建议投资建议 推荐推荐中科创达、中科创达、虹软科技、虹软科技、德赛西威、德赛西威、经纬恒润、经纬恒润、道通科技。道通科技。在智能驾驶加速发展过程中,基于视觉的 DMS、ADAS 等解决方案的需求将快速增加,同时智能化诊断需求也将激增。而在此过程中,主芯片供应商较为稀缺,可在一定程度上作为判断各个玩家发展前景的视角。据此,推荐与高通合作密切的中科创达、虹软科技,与英伟达合作密切的德赛西威,与 Mobileye 合作密切的经纬恒润,以及汽车后市场标的道通科技。表表 9:推荐标盈利预测表推荐标盈利预测表 股票名称股票名称 证券代码证券代码 收盘价收盘价(20221114)EPS(元(元
61、/股)股)PE(倍)(倍)评级评级 2021A 2022E 2022E 2021A 2022E 2022E 中科创达 300496.SZ 117.50 1.53 2.02 2.81 76.80 58.17 41.81 增持 虹软科技 688088.SH 26.13 0.35 0.5 0.79 74.66 52.26 33.08 增持 德赛西威 002920.SZ 115.16 1.51 2.04 2.81 76.26 56.45 40.98 增持 经纬恒润 688326.SH 151.89 1.62 1.65 2.38 93.76 92.05 63.82 增持 道通科技 688206.SH 3
62、3.92 0.97 1.33 1.71 34.97 25.50 19.84 增持 数据来源:wind,国泰君安证券研究 6.风险提示风险提示 部分技术难题尚未被完全攻克。部分技术难题尚未被完全攻克。汽车智能化仍处于不断探索的过程中,虽然特斯拉在长尾场景覆盖、数据处理等方面已进行了诸多尝试并取得了良好的效果,但这些难题尚未完全被攻克。汽车更强调功能安全,智能化的落地可能慢于预期。汽车更强调功能安全,智能化的落地可能慢于预期。目前市场中广泛地以手机的发展历程作为汽车智能化的重要参考,但汽车和手机的使用场景并不完全相同,汽车更强调功能安全,这可能导致汽车智能化的落地慢于预期。行业专题研究行业专题研究
63、 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 本公司具有中国证监会核准本公司具有中国证监会核准的证券投资的证券投资咨询咨询业务资格业务资格 分析师声明分析师声明 作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力,保证报告所采用的数据均来自合规渠道,分析逻辑基于作者的职业理解,本报告清晰准确地反映了作者的研究观点,力求独立、客观和公正,结论不受任何第三方的授意或影响,特此声明。免责声明免责声明 本报告仅供国泰君安证券股份有限公司(以下简称“本公司”)的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告仅在相关法律许可的情况下发放,并仅
64、为提供信息而发放,概不构成任何广告。本报告的信息来源于已公开的资料,本公司对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断,本报告所指的证券或投资标的的价格、价值及投资收入可升可跌。过往表现不应作为日后的表现依据。在不同时期,本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司不保证本报告所含信息保持在最新状态。同时,本公司对本报告所含信息可在不发出通知的情形下做出修改,投资者应当自行关注相应的更新或修改。本报告中所指的投资及服务可能不适合个别客户,不构成客户私人咨询建议。在任何情况下,本报告中的信息或所表述的意见均不构成对
65、任何人的投资建议。在任何情况下,本公司、本公司员工或者关联机构不承诺投资者一定获利,不与投资者分享投资收益,也不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。投资者务必注意,其据此做出的任何投资决策与本公司、本公司员工或者关联机构无关。本公司利用信息隔离墙控制内部一个或多个领域、部门或关联机构之间的信息流动。因此,投资者应注意,在法律许可的情况下,本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易,也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下,本公司的员工可能担任本报告所提到的公司的董事。市场有风
66、险,投资需谨慎。投资者不应将本报告作为作出投资决策的唯一参考因素,亦不应认为本报告可以取代自己的判断。在决定投资前,如有需要,投资者务必向专业人士咨询并谨慎决策。本报告版权仅为本公司所有,未经书面许可,任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的,需在允许的范围内使用,并注明出处为“国泰君安证券研究”,且不得对本报告进行任何有悖原意的引用、删节和修改。若本公司以外的其他机构(以下简称“该机构”)发送本报告,则由该机构独自为此发送行为负责。通过此途径获得本报告的投资者应自行联系该机构以要求获悉更详细信息或进而交易本报告中提及的证券。本报告不构成本公司向该机
67、构之客户提供的投资建议,本公司、本公司员工或者关联机构亦不为该机构之客户因使用本报告或报告所载内容引起的任何损失承担任何责任。评级说明评级说明 评级评级 说明说明 1.1.投资建议的比较标准投资建议的比较标准 投资评级分为股票评级和行业评级。以报告发布后的 12 个月内的市场表现为比较标准,报告发布日后的 12 个月内的公司股价(或行业指数)的涨跌幅相对同期的沪深 300 指数涨跌幅为基准。股票投资评级股票投资评级 增持 相对沪深 300 指数涨幅 15%以上 谨慎增持 相对沪深 300 指数涨幅介于 5%15%之间 中性 相对沪深 300 指数涨幅介于-5%5%减持 相对沪深 300 指数下
68、跌 5%以上 2.2.投资建议的评级标准投资建议的评级标准 报告发布日后的 12 个月内的公司股价(或行业指数)的涨跌幅相对同期的沪深300 指数的涨跌幅。行业投资评级行业投资评级 增持 明显强于沪深 300 指数 中性 基本与沪深 300 指数持平 减持 明显弱于沪深 300 指数 国泰君安证券研究国泰君安证券研究所所 上海上海 深圳深圳 北京北京 地址 上海市静安区新闸路 669 号博华广场20 层 深圳市福田区益田路 6009 号新世界商务中心 34 层 北京市西城区金融大街甲 9 号 金融街中心南楼 18 层 邮编 200041 518026 100032 电话(021)38676666(0755)23976888(010)83939888 E-mail: