《自动驾驶行业专题研究报告:十年磨一剑FSD迎来快速列装期-231204(20页).pdf》由会员分享,可在线阅读,更多相关《自动驾驶行业专题研究报告:十年磨一剑FSD迎来快速列装期-231204(20页).pdf(20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 2023.12.04 十年磨一剑,十年磨一剑,FSD 迎来迎来快速列装期快速列装期 自动驾驶行业专题研究报告自动驾驶行业专题研究报告 吴晓飞吴晓飞(分析师分析师)多飞舟多飞舟(分析师分析师) duofeizhou026148gtjas.co 证书编号 S0880517080003 S0880523020001 本报告导读:本报告导读:近近十十年来,年来,特斯拉自动驾驶软硬件系统持续进化,特斯拉自动驾驶软硬件系统持续进化,并并提出众多引领提出众多引领智能驾驶智能驾驶行业发展行业发
2、展的新技术,的新技术,我们看好特斯拉我们看好特斯拉 FSD自动驾驶功能自动驾驶功能的不断发展的不断发展,未来,未来前景可期。前景可期。摘要:摘要:特斯拉自动驾驶技术进化将加速智驾行业发展,特斯拉自动驾驶技术进化将加速智驾行业发展,维持行业增持评级维持行业增持评级。决策层推荐标的:德赛西威、科博达、均胜电子、华阳集团,受益标的经纬恒润;执行层推荐标的:伯特利、拓普集团、星宇股份、华域汽车;感知层推荐标的:保隆科技、华依科技,受益标的联创电子;整车推荐标的:江淮汽车、理想汽车、长安汽车、比亚迪、长城汽车,受益标的赛力斯。硬件持续升级,自研比例与性能不断提升。硬件持续升级,自研比例与性能不断提升。从
3、 HW1.0 到即将上车的HW4.0,特斯拉自动驾驶硬件系统不断提升性能,算力由最初的0.256TOPS 升至 300TOPS+,摄像头个数与像素持续提升。纵观特斯拉自动驾驶硬件系统发展史,自研比例持续提升,视觉算法与芯片现已完全由特斯拉自主提供。推出推出 FSD 完全自动驾驶完全自动驾驶,多次迭代引领行业发展,多次迭代引领行业发展。早期特斯拉算法依赖于 Mobileye,后为实现更优秀的自动驾驶转向自研。2015 年特斯拉着手于完全自动驾驶 FSD 功能的研发,并于 2020 年 10 月向小规模测试用户推送。FSD 发布以来历经多次更新,先后实现多任务学习神经网络架构与 BEV+Trans
4、former 大模型的导入等,逐步确立起行业领先地位。目前特斯拉 FSD 用户正持续增长,未来市场空间广阔。FSD 如能如能在国内落地,有望带动国内智能驾驶行业蓬勃发展。在国内落地,有望带动国内智能驾驶行业蓬勃发展。我们认为特斯拉 FSD 的逐步成熟与推广有望提升消费者对于自动驾驶技术的认可度,进而带动高阶智能驾驶需求增长。国内开启高阶智能驾驶试点,未来 FSD 如果进入国内,将成为国内其他车企自动驾驶方案强有力的竞争者,国内自动驾驶高地的角逐将愈发激烈,有利于自动驾驶行业发展蓬勃向上。风险提示:风险提示:汽车智能化发展不及预期的风险;芯片短缺的风险;汇率与贸易摩擦的风险。评级:评级:增持增持
5、 上次评级:增持 相关报告 汽车自主品牌的“战国时代”2023.12.04 汽车华为车链预期再起,重心在边际变化赛道 2023.12.03 汽车交易重心在自动驾驶、特斯拉和小米链 2023.11.26 汽车华为智能汽车业务有望更进一步 2023.11.26 汽车自动驾驶预期再起,小米汽车值得期待 2023.11.20 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 汽车汽车 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 2 of 20 目目 录录 1.特斯拉自动驾驶软硬件系统持续进化.3 1.1.硬件:HW1.0 到 HW4.
6、0,自研比例与配置性能不断提升.3 1.2.软件:Autopilot 共有三款产品,对应不同售价与功能.7 1.2.1.由 AP 到 FSD,完全自动驾驶技术愈发成熟.9 2.投资建议.18 3.风险提示.19 rUgUbWpXnYpWaXvXvXnUaQaO6MsQqQmOtQiNqRtRkPnNpR9PqRnPvPmOmNxNqQoN 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 of 20 1.特斯拉自动驾驶特斯拉自动驾驶软硬件软硬件系统系统持续进化持续进化 历经十年,历经十年,特斯拉自动驾驶特斯拉自动驾驶软硬件软硬件系统系统不断进化不断
7、进化。2013 年,马斯克于推特披露特斯拉正在进行辅助驾驶系统 AP(Autopilot System)的研发,特斯拉自动驾驶之路开启;2014 年 10 月,特斯拉基于与 Mobileye 的深度合作,推出首款自动驾驶软硬件系统 HW 1.0 与 AP1.0;2015 年 4 月,特斯拉组建软件算法小组 Vision,算法开发由第三方供应转向自研;2016年 7 月,特斯拉宣布结束与 Mobileye 的合作;2016 年 10 月,特斯拉自动驾驶软硬件系统 HW 2.0 与 AP2.0 发布,计算平台基于英伟达 Drive PX 2;2017 年 8 月,特斯拉将 HW 2.0 更新升级为
8、 HW 2.5,底层算力与冗余能力均有提升。2019年3月,特斯拉推出基于自研芯片FSD 的 HW 3.0,其为特斯拉发布的首个支持完全自动驾驶 FSD(Full Self-Driving)功能的硬件系统;2020 年 10 月,特斯拉向小批量早期测试者推送 FSD Beta V6.0 版本,FSD 功能首上车;2022 年 11 月,FSD 功能全面向北美用户开放。目前特斯拉在研的最新自动驾驶硬件系统已迭代至 HW 4.0,搭载FSD 二代芯片,FSD 经过多次进化即将升级至 Beta V12.0 版本(已开放员工推送),预计不久的将来两者将正式对外发布。图图 1 1:历经十年,特斯拉自动驾
9、驶系统软硬件不断进化历经十年,特斯拉自动驾驶系统软硬件不断进化 数据来源:特斯拉、盖世汽车、国泰君安证券研究 1.1.硬件:硬件:HW1.0 到到 HW4.0,自研比例,自研比例与与配置性能不断提升配置性能不断提升 HW1.0:依赖于依赖于 Mobileye 视觉算法视觉算法与底层芯片。与底层芯片。特斯拉首代自动驾驶硬件系统 HW1.0 基于 Mobileye 单芯片 EyeQ3 计算平台,算力为0.256TOPS,系统配套组件包括:1).1 个 Mobileye EQ3 系列前置单目摄像头,布置于后视镜附近;2).1 个博世 77G Hz 毫米波雷达,最远探测距离 160 米;3).12 个
10、中程超声波传感器,最远探测距离 5 米;4.)高精度电子辅助制动与转向系统。特斯拉 HW1.0 基于与 Mobileye 的深度合作,其中底层芯片与视觉算法技术均来自于 Mobileye,特斯拉仅负责多传感器融合与应用层软件开发。2014 年-2016 年期间,HW1.0 先后列装于 Model S 与 Model X 车型。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 4 of 20 图图 2:基于基于 Mobileye 视觉算法与底层芯片的视觉算法与底层芯片的 HW1.0 图图 3:HW 1.0 配套组件配套组件包括包括摄像头、毫米波雷达等摄像
11、头、毫米波雷达等 数据来源:有驾 数据来源:博客园 HW2.0:基于基于定制的定制的英伟达英伟达计算平台计算平台 Drive PX 2。特斯拉第二代自动驾驶硬件系统 HW2.0 基于定制的英伟达 Drive PX 2 计算平台,算力约为HW1.0 的 40 倍,达到 12TOPS。配套组件方面,HW2.0 搭载 8 个可实现 360 度环视视角的 120 万像素摄像头,包括 1 个前视三目摄像头,2个后视侧面摄像头,2 个前视侧面摄像头,1 个后视摄像头,供应商为Aptina。此外,HW2.0 与 HW1.0 一样,同样配置了 1 个博世 77G Hz 毫米波雷达与 12 个超声波传感器(由中
12、程升级为远程)。HW2.0 由特斯拉与英伟达共同开发,其中英伟达提供计算平台与开发工具,特斯拉负责图像识别算法、多传感器融合与应用层软件开发等工作。2016 年 10 月起,特斯拉售出的所有汽车均有配置 HW2.0。图图 4 4:HW 2.0 配置摄像头数量提升至配置摄像头数量提升至 8 个个 数据来源:博客园 英伟达英伟达 Drive PX 2 计算平台计算平台:2015 年 1 月英伟达推出(半)自动驾驶汽车的初始开发平台 Drive PX;2016 年 1 月英伟达在 CES 上推出了增强版 Drive PX 2,该平台基于通用的 GPU 架构,可实现卷积神经网络(CNN)的应用。行业专
13、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 5 of 20 图图 5 5:英伟达英伟达 Drive PX 2 计算平台计算平台具备深度学习优势具备深度学习优势 数据来源:英伟达 为实现为实现自动驾驶性能的进一步提升,特斯拉开始自研自动驾驶性能的进一步提升,特斯拉开始自研 FSD 芯片。芯片。尽管英伟达 Drive PX 2 计算平台在当时的自动驾驶领域已处于领先地位,但特斯拉仍认为其基于通用 GPU 架构的设计并不能最大限度满足自动驾驶功能需求,系统运行速度还可以通过设计优化进行提升。因此,2016年特斯拉在发布 HW2.0 的同时开始了 FSD 自研
14、芯片的开发,并陆续从AMD 引入大量芯片人才。HW2.5:冗余性与可靠性获得提升。冗余性与可靠性获得提升。2017 年 7 月特斯拉对 HW2.0 进行更新,业内称更新版本为 HW2.5。该次更新主要对系统的冗余性与可靠性进行了提升,并新增行车记录仪与哨兵模式功能。具体组件变动为:1).前置/侧置摄像头从 RCCC 滤镜换成了 RCCB滤镜,摄像头的色彩分辨能力提升。2).毫米波雷达由博世 77G Hz 中距离雷达替换为大陆长距离雷达 ARS410。3).计算平台增加了 1 个 Parker 处理芯片。4).采用了双线缆通信使线控系统冗余性增强。图图 6:HW2.0 拥有拥有 1 颗颗英伟达英
15、伟达 Parker 处理芯片处理芯片 图图 7:HW2.5 拥有拥有 2 颗颗英伟达英伟达 Parker 处理芯片处理芯片 数据来源:Autolab 数据来源:Autolab HW3.0:首次采用自研芯片,支持首次采用自研芯片,支持 FSD 功能实现。功能实现。特斯拉 HW3.0 又称FSD Computer,其抛弃了 HW2.5 的英伟达/英飞凌(SOC+MCU)底层芯片组合,转为装载自研 FSD 芯片。与 HW2.5 相比,HW3.0 在性能和成本上都有较大提升,可支持 FSD 功能。根据特斯拉数据,FSD 算力达到 144TOPS,每秒可处理图片 2300 张,而 HW 2.5 每秒处理
16、能力仅为 110 张,性能提升 21 倍;FSD 的成本相对于 HW 2.5 下降了 20%。配套组件方面,HW3.0 与 HW2.5 完全一致,仍采用 8 个可环视摄像头+1 个大陆毫米波雷达+12 个超声波传感器方案。结构布局方面,HW3.0 将驾驶辅助硬件和娱乐系统硬件集成在同一控制器中,但电路设计未实现高度集成,两项功能分别基于独立的电路板。在 HW3.0 研发过程中,特斯 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 6 of 20 拉负责了全套芯片设计、图像识别算法、多传感器融合与应用层软件开发等多项工作,自研比例再次提升。图图 8 8
17、:HW3.0 首次采用自研首次采用自研 FSD 芯片,支持芯片,支持 FSD 功能功能 数据来源:搜狐汽车 FSD 芯片:芯片:FSD 芯片采用三星 14nm FinFET CMOS 工艺,在 260mm2的硅片上集成了约 60 亿个晶体管,组成 2.5 亿个逻辑门电路,芯片封装尺寸 37.537.5mm,底座采用 FCBGA 设计,整体设计符合 AEC-Q100汽车质量标准。FSD 芯片主要由 CPU、GPU 和 NNA(神经网络加速单元)三个计算模块,以及各种接口,片上网络等组成,其中 CPU 由三组四核 ARM Cortex-A72 架构组成,主频 2.2GHz,主要用于通用的计算和任务
18、,GPU 支持 16/32 位浮点运算,算力为 600GFlops,主要用于轻量级的后处理任务,NNA 包括 2 个 NPU(神经网络处理器),每个 NPU都封装了 32MB 的 SRAM。HW3.0 中搭载了两颗 FSD 芯片,在行驶过程中,两颗芯片将分别对传感器收集到的数据进行独立处理,并进行结果平衡、仲裁和验证,自动驾驶功能的可靠性得到提升。图图 9:FSD 芯片拥有芯片拥有 CPU、GPU、NNA 等等模块模块 图图 10:HW3.0 中搭载了两颗中搭载了两颗 FSD 芯片芯片,冗余性强,冗余性强 数据来源:特斯拉 数据来源:特斯拉 HW4.0:即将发布,配置将有较大升级。即将发布,配
19、置将有较大升级。根据外媒拆解报告,HW4.0 采用 FSD 二代芯片,预计算力高于 300TOPS,内部 CPU 的内核从 12 个增加到 20 个,最大频率为 2.35GHz,低功耗频率为 1.37GHz;TRIP 内核数量从 2 个增加到 3 个,最大频率 2.2GHz。配套组件方面,HW4.0 的主板摄像头接口为 12 个,其中 1 个为备用,即车载摄像头或由原先的 8个提升至 11 个,前置摄像头像素也有望提升至 500 万。此外,HW4.0主板增加了 4D 毫米波雷达接口(代号 Phoenix),但未配置超声波雷达。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
20、正文之后的免责条款部分 7 of 20 图图 11:HW4.0 采用采用 FSD2.0 芯片芯片,算力大幅提升算力大幅提升 图图 12:HW4.0 的主板摄像头接口的主板摄像头接口增加至增加至 12 个个 数据来源:搜狐汽车 数据来源:搜狐汽车 表表 1 1:由由 HW1.0 到到 HW4.0,性能配置不断提升,性能配置不断提升 HW1.0 HW2.0 HW2.5 HW3.0 HW4.0(预测)(预测)摄像头 1 颗 EQ3 前置单目摄像头 8 颗可形成360 度环视视角的 Aptina摄像头(120 万像素)11 颗摄像头(前置 500 万像素)毫米波雷达 1 个博世 77GHZ 毫米波雷达
21、(160m)1 个大陆毫米波雷达ARS410(170m)(后取消)1 个 4D毫米波雷达 超声波雷达 12 个超声波雷达(5m)12 个超声波雷达(8m)(后取消)取消 芯片 Mobileye 单芯片EyeQ3 1 个英伟达 Parker SOC,1 个英伟达 Parker Pascal GPU,1个英飞凌TriCore MCU 2 个英伟达 Parker SOC,1 个英伟达 Parker Pascal GPU,1 个英飞凌TriCore MCU 2 颗 FSD 芯片 2 颗 FSD2.0 芯片 算力 0.256TOPS 12TOPS 12TOPS 144TOPS 300TOPS+每秒处理帧
22、数 36 110 110 2300/电源 单电源 单电源 冗余电源 冗余电源 冗余电源 资料来源:搜狐汽车、盖世汽车、特斯拉、国泰君安证券研究 注:2021 年 5 月与 2022 年 10 月起,特斯拉开始从车辆配置(HW3.0)中移除毫米波雷达与超声波传感器,转为纯视觉方案,根据拆解报告,HW4.0 增加了 4D 毫米波雷达接口,但未配置超声波雷达。1.2.软件:软件:Autopilot 共有三款产品,对应不同售价与功能共有三款产品,对应不同售价与功能 目前特斯拉自动驾驶软件 Autopilot 共有三款产品,对应不同售价与功能,分别为 BAP(基础版辅助驾驶),EAP(增强版辅助驾驶),
23、FSD(完全自动驾驶)。BAP(Basic Autopilot):):该自动驾驶软件为特斯拉车型标配,包括自适应巡航和车道保持功能。EAP(Enhanced Autopilot):):在 BAP 功能基础上增加了打灯自动变道、高速 NOA、智能召唤和自动泊车等功能,非车型标配,购买方式为一次性购买,美国售价 6000 美元,国内售价 3.2 万元。FSD(Full Self-Driving):特斯拉为实现完全自动驾驶提供的增值软件产品,目前 FSD 尚未达到完全自动驾驶,但未来将通过 OTA 升级逐步实现。目前 FSD 仍处于测试 Beta 版本,现有功能包括 EAP 智驾功能与 行业专题研究
24、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 8 of 20 信号灯识别、市区高速领航 NOA 等。FSD 购买方式有订阅(仅适应于美国地区)与一次性购买两种,其中订阅费用为 199 美元/月(未购买EAP)与 99 美元/月(已购买 EAP),一次性购买费用为 1.2 万美元,国内售价 6.4 万元。当前国内地区虽可以购买 FSD,但无法使用全部功能(仅 EAP 智驾功能可用),预计 FSD 在不久的将来落地国内。表表 2 2:FSD 不断升级带来不断升级带来价格持续提升,价格持续提升,但近期有所下调但近期有所下调 时间时间 北美北美 FSD售价(售价($)
25、2016 年 10 月-2019 年2 月 3000 2019 年 2 月-2019 年8 月 6000 2019 年 8 月-2020 年6 月 7000 2020 年 6 月-2020 年10 月 8000 2020 年 10 月-2022 年1 月 10000 2022 年 1 月-2022 年9 月 12000 2022 年 9 月-2023 年9 月 15000 2023 年 9 月-至今 12000 资料来源:特斯拉、国泰君安证券研究 注:2019 年 4 月前 FSD 以 EAP 增值功能的形式进行售卖。2021 年 7 月 FSD 推出订阅服务。图图 13:特斯拉特斯拉 Aut
26、opilot 三款产品的售价与功能不同三款产品的售价与功能不同(国内)(国内)数据来源:车主指南网 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 9 of 20 FSD 在法律层面在法律层面仍属于仍属于 L2+级级辅助驾驶,驾驶员辅助驾驶,驾驶员将将承担主要承担主要事故事故责任。责任。美国国家公路交通安全管理局(NHTSA)认为特斯拉 Autopilot 与 FSD并不是完全自动驾驶技术,而属于驾驶员辅助系统,因其操作细则上明确表示驾驶员需要将双手放在方向盘上,眼睛需始终盯向路面。因此目前特斯拉汽车在美国发生交通事故时驾驶员仍将承担主要事故责任。1
27、.2.1.由由 AP 到到 FSD,完全自动驾驶技术愈发成熟,完全自动驾驶技术愈发成熟 AP1.0:特斯拉特斯拉首款首款自动驾驶自动驾驶软件软件。2014 年 10 月,AP1.0 与 HW1.0 一同上车,其核心视觉算法来自于 Mobileye,智能驾驶等级为 L2,具备 OTA持续升级能力。2014 年-2016 年期间,特斯拉 AP1.0 不断进化,先后增加车道保持、速度提示、自适应巡航、防碰撞预警、自动转向、侧方位泊车、自动出库等功能。表表 3 3:2014 年年-2016 年期间年期间特斯拉特斯拉 AP1.0 不断进化不断进化 更新时间更新时间 AP1.0 更新内容更新内容 2014
28、 年 10 月 所有特斯拉车型上开始安装自动辅助驾驶 AP1.0 2014 年 11 月 开启车道保持功能和速度提示功能 2014 年 12 月 开启自适应巡航和防碰撞预警功能 2015 年 3 月 开启紧急自动刹车和盲点监测功能 2015 年 10 月 开启自动转向和侧方位泊车功能 2016 年 1 月 开启倒车入库、自动出库和弯道速度控制功能 资料来源:特斯拉、国泰君安证券研究 与与 Mobileye 分道扬镳分道扬镳,特斯特斯拉自研之路开启拉自研之路开启。经过一段时间合作,特斯拉逐渐意识到 Mobileye 的算法十分依赖于自身拥有的行车大数据,而Mobileye 却无法满足特斯拉对于自
29、动驾驶算法快速迭代的要求,这就使得特斯拉进行算法自研的意愿愈发强烈。2015 年 4 月,特斯拉组建软件算法小组 Vision,自此开始积累算法自研经验。2016 年 5 月,美国加利福尼亚州一辆开启 Autopilot 的特斯拉 Model S 发生交通事故,特斯拉与Mobileye 对于事故责任的认定产生争执,进而成为两者合作破裂的导火索。2016 年 7 月,特斯拉宣布结束与 Mobileye 的合作。图图 14:特斯拉特斯拉 Autopilot 交通事故交通事故现场示意图现场示意图 数据来源:42 号车库 AP2.0:早期效果较差,但后续早期效果较差,但后续通过多次更新实现优化通过多次
30、更新实现优化。随着 2016 年HW2.0 问世,特斯拉自研的 AP2.0 同步发布。因结束与 Mobileye 合作,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 10 of 20 且特斯拉视觉感知技术尚不成熟,起初 AP2.0 的体验效果弱于 AP1.0,但随 2017 年特斯拉对 AP2.0 进行了 8.1 版本重大更新,AP2.0 增加了十多个主动安全类功能,车辆控制也更加平滑,AP2.0 的体验效果开始逐步优于 AP1.0。伴随着 AP2.0 的推出,特斯拉也同步发布了增值服务增强版自动辅助驾驶包(EAP)与完全自动驾驶包(FSD),软硬
31、分离的自动驾驶收费模式确立。其中 FSD 因尚未开发完成,处于期权状态。特斯拉特斯拉前期算法前期算法基于传统神经网络基于传统神经网络 RNN 和和 CNN,采用单采用单 Head 架构,架构,多多任务任务运行运行效率低。效率低。早期的自动驾驶算法基于传统神经网络 RNN 和 CNN,遵循 Input-Backbone-Neck-Head-Output 的运行逻辑,其中主干网络 Backbone 为特征提取网络,主要用于识别图像中的多个对象,Neck主要负责提取更为精细的特征,Head 则是在特征提取后进行检测,提供输入的特征图表示,比如检测对象,实例分割等。在发展早期,视觉神经网络通常只有一个
32、 Head,这就导致算法完成多项任务时效率较低,例如在车辆行驶过程中或面临车道线检测、人物检测与追踪、信号灯检测同时进行的情况,而传统网络架构算法很难做到高效处理。图图 15:单单 Head 架构架构完成多项任务时效率较低完成多项任务时效率较低 图图 16:自动驾驶自动驾驶过程中过程中需要对多个任务进行处理需要对多个任务进行处理 数据来源:特斯拉 数据来源:汽车之心 特斯拉前期算法采用特斯拉前期算法采用 IPM+CNN/RNN 技术技术实现实现 3D 感知,感知,精确精确度较差度较差。传统摄像头收集到的数据是 2D 图像,但自动驾驶车辆面对的现实世界是 3D 的,因此需将 2D 图像数据通过模
33、型分析融合后升维至 3D,以赋予自动驾驶车辆更可靠的感知能力。对此,行业里早期的处理方式为采用 CNN/RNN+IPM 技术实现 3D 视角绘制,但此方案对于成像环境的要求较高,且 CNN+RNN 神经网络下的 2D 至 3D 数据处理精度较差,经常导致转换出来的 3D 场景与实际场景失真。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 11 of 20 图图 17:通过通过 IPM 实现实现 2D 到到 3D 坐标转换坐标转换 数据来源:CSDN 特斯拉前期训练依靠人工标注。特斯拉前期训练依靠人工标注。行业内早期的自动驾驶数据挖掘基于规则或监督学习
34、,多采用人工标注方式,存在成本高,精度差,一致性低等问题。特斯拉早期标注方式为委托第三方公司进行人工标注,后成立自建标注团队,成员人数最高超过 1000 人。2018 年特斯拉推出年特斯拉推出 HydraNet(九头蛇)(九头蛇)多任务多任务神经网络架构神经网络架构,运行效,运行效率提升率提升。HydraNet 系特斯拉研发的多任务学习神经网络架构,属于Multi-Head 架构,多 Head 的布局使算法具备了多头任务处理能力。此外,HydraNet 能够减少重复的卷积计算,减少主干网络计算数量,还能够将特定任务从主干中解耦出来,进行单独微调,算法运行效率大幅提升。图图 18:特斯拉于特斯拉
35、于 2018 年推出年推出 HydraNet 多任务神经网络架构多任务神经网络架构 数据来源:特斯拉 FSD:特斯拉早于 2015 年便着手 FSD 功能的实现,2016 年 FSD 作为特斯拉 EAP 增值服务进行预售,2017 年 FSD 芯片设计完成。2019 年 3 月,特斯拉推出基于自研芯片 FSD 的 HW 3.0,为 FSD 功能的实现提供了硬件基础。2019 年 4 月,特斯拉将 FSD 以单独的功能进行出售。除硬件方面,FSD 功能的实现也需要依托算法的进化,但 2020 年前,特斯拉基于传统神经网络的算法能力并不出众,感知问题频出,特斯拉完全自动驾驶的实现遇到了较大阻碍。行
36、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 12 of 20 图图 19:2020 年前特斯拉基于传统神经网络的感知年前特斯拉基于传统神经网络的感知算法算法问题频出问题频出 数据来源:特斯拉 2020 年特斯拉对年特斯拉对 FSD 底层底层软件软件与训练方式与训练方式进行重构进行重构,算法性能迎来质,算法性能迎来质变变。2020 年 8 月,马斯克在推特上发文称,Autopilot 团队正对软件的底层代码进行重写和深度神经网络重构。2021年与2022年特斯拉AI Day上 AP 团队陆续披露了相关重大突破与进展,其中主要包括:1).2020年数据
37、由人工标注转向自动标注;2).2021 年引入 BEV+Transformer 大模型;3).2021 年引入时序数据;4).2022 年引入占用网络技术;5.)2022 年发布超级计算机 Dojo。1.BEV+Transformer 大模型大模型使搭建高精度使搭建高精度 3D 感知模型成为可能感知模型成为可能。2021年特斯拉发布基于 BEV+Transformer 的感知算法架构。BEV 即鸟瞰图,BEV 感知策略的实现方式是通过多个摄像头(或辅以激光雷达、毫米波雷达等)获得全方位视角图像,再通过共享 2D 特征提取器对不同摄像头获取的画面进行重建、拼接,最终形成 3D 全局视角。与传统
38、IPM 技术下的后融合策略不同,BEV 感知策略借用统一的 BEV 空间实现了特征级融合,数据失真率低,感知准确率更强。Transformer 是一种基于自注意力的深度学习模型,该模型并不像 CNN+RNN 通过串行顺序处理数据,而是通过自注意力集中机制捕捉序列中不同元素的相关性,更适应BEV 感知下的数据融合与处理。图图 20:BEV 感知策略可形成感知策略可形成 3D 全局视角全局视角 图图 21:通过通过 Transformer 实现实现 BEV 空间转换空间转换 数据来源:焉知汽车 数据来源:九章智驾 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
39、款部分 13 of 20 图图 22:2021 年特斯拉发布基于年特斯拉发布基于 BEV+Transformer 的感知算法架构的感知算法架构 数据来源:特斯拉 基于基于 BEV与与 Transformer的深度学习能赋予的深度学习能赋予 FSD更强的更强的 3D感知能力感知能力,并可摆脱对高精地图的依赖并可摆脱对高精地图的依赖。具体实现方式为:通过多个摄像头形成环视图像,并在 BEV 空间内初始化特征,再通过多层 Transformer 和 2D特征进行交互融合,最终实现 BEV 特征。BEV 与 Transformer 结构使高准确率的 3D 视角成像成为可能,大幅提升了 FSD 的感知能
40、力。此外,通过 BEV 空间的搭建可以形成以车为中心的坐标系,实时绘制出高精度空间地图,再结合众包模式实现遮挡缺失道路信息补齐,FSD 便可摆脱对高精地图的依赖。图图 23:BEV+Transformer 感知算法架构赋予感知算法架构赋予 FSD 更强的更强的 3D 感知能力感知能力 数据来源:汽车之心 2.时序数据时序数据为为 FSD 增加增加了“记忆”,了“记忆”,可用于可用于预测遮挡信息预测遮挡信息等等。2021 年特斯拉在 BEV 感知模型中加入 Video Netural Net,引入时序数据。引入时序数据后,FSD 算法将使用视频片段,而不是图像来训练神经网络,因此可以通过先前时间
41、段的数据特征推算当前场景下可能性最大的结果,进而解决遮挡物体运动预测、交通指示牌记忆等问题。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 14 of 20 图图 2424:特斯拉通过引入特斯拉通过引入时序数据为自动驾驶增加了“记忆”时序数据为自动驾驶增加了“记忆”数据来源:特斯拉 3.引入占用网络引入占用网络使使感知感知算法算法的的泛化能力泛化能力大幅大幅提升提升。2022 年特斯拉引入占用网络对 BEV 感知进行了升级。传统自动驾驶算法依照先识别判断,后决策的运行逻辑处理障碍物,这就导致在面对未训练过的物体出现时,算法无法进行有效检测。相比之下,
42、占用网路技术(Occupancy)仅通过体素(3D 图像体素对应 2D 图像像素点)概念判断空间是否被占用,而并不去识别障碍物是什么、这就显著增强了 FSD 的感知泛化能力,使FSD 应对 Corner case 时更加得心应手。图图 2525:通过引入:通过引入占用网络占用网络技术提高技术提高 FSD 应对应对 Corner case 的能力的能力 数据来源:特斯拉 4.自动标注显著提升了自动标注显著提升了数据处理速度与精度数据处理速度与精度,成本成本大幅下降。大幅下降。2020 年特斯拉研发并使用了数据自动标注系统,其原理为将车辆收集到的路面信息打包上传至服务器,由大模型进行预测性标注后反
43、馈到车端传感器,由于传感器视角不同,当预测标注结果在所有传感器均一致时自动标注成功。特斯拉通过大模型预训练方式的自动标注大幅提高了标注效率,成本也显著降低。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 15 of 20 图图 2626:自动标注成本较人工标注成本显著下降自动标注成本较人工标注成本显著下降 数据来源:毫末智行 5.超级计算机超级计算机 Dojo 充分应用大量行车数据。充分应用大量行车数据。2022 年特斯拉发布超级计算机 Dojo,其主要功能为利用海量的数据,做无人监管的自动标注和仿真训练。Dojo 基于特斯拉自研的 AI 训练芯片
44、D1,该芯片采用了 7nm工艺制程,拥有 500 亿个晶体管和 354 个训练节点。Dojo 内部共由 25颗 D1 芯片组成,可以提供高达 36TB/s 的带宽和 9PetaFLOPS 的算力。2023 年 7 月,Dojo 进入投产阶段。预计未来 Dojo 将凭借高算力、高稳定性、高拓展力等特点帮助特斯拉 FSD 实现高效的自动标注和仿真训练,算法迭代加速。图图 27:Dojo 是全球是全球算力算力领先的领先的超级计算机超级计算机 图图 28:预计预计 Dojo 算力规模算力规模在在 2024 年突破年突破 100EFlops 数据来源:盖世汽车 数据来源:特斯拉 移除毫米波移除毫米波/超
45、声波雷达,超声波雷达,走向走向纯视觉方案。纯视觉方案。2021 年 5 月与 2022 年 10月,特斯拉先后从车辆配置中移除毫米波雷达与超声波传感器,正式走上纯视觉方案,其主要原因为特斯拉认为既然人类能够利用眼睛和大脑驾驶汽车,那么只要给汽车配置相应性能的视觉设备与运算系统,汽车自动驾驶能力就不会弱于人类驾驶员。此外,纯视觉方案大幅降低了自动驾驶硬件的成本,有助于实现更好的销量,而销量的提升将帮助特斯拉收集到更多行车数据,算法迭代速度提升,进而使特斯拉迅速取得自动驾驶行业领先地位。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 16 of 20 F
46、SD 发布以来功能发布以来功能持续持续丰富丰富,V12 发布在即。发布在即。随着硬件层面的背书,算法层面的不断革新,FSD 自发布以来成熟度不断提升,功能逐渐丰富。自2020年10月特斯拉首次向小批量早期测试者推送 FSD Beta V6.0起,特斯拉 FSD 历经了多次版本更新,目前最新版本 FSD Beta V12 已向特斯拉内部员工开启推送,预计其将在不久的将来正式发布。表表 4 4:FSD 公测以来历经多次重大更新公测以来历经多次重大更新 发布发布时间时间 版本版本 更新内容更新内容 2021 年 7 月 FSD Beta V9.0 重构底层算法,确立纯视觉方案并新增城市场景 2021
47、 年 10 月 FSD Beta V10.3.1 修复重大漏洞及AEB误判等 2021 年 11 月 FSD Beta V10.4 升级道路中紧急车辆监测网络 2022 年 4 月 FSD Beta V10.11 升级自回归解码器,使用Transformer 直接预测车道,进而实现预测变道 2022 年 5 月 FSD Beta V10.12.2 改进无保护左转、高流量交通以及复杂路口通行,提高最高时速至 85 英里。2023 年 4 月 FSD Beta V11.3 在高速公路上启用FSD,统一了公路与非公路的视觉和规划堆栈 2023 年 5 月 FSD Beta V11.4.1 进行了重大
48、架构改进,改善了了切入控制能力等 2023 年 6 月 FSD Beta V11.4.3 将车道信息引入占用网络模型,改进转弯平滑度等 2023 年 7 月 FSD Beta V11.4.6 改进 AEB,被占用网络检测的物体都将激活自动制动系统 资料来源:特斯拉、国泰君安证券研究 FSD V12 将完全实现端到端大模型将完全实现端到端大模型,车辆行驶车辆行驶将将更更具拟人化具拟人化。2022 年 5月马斯克称 FSD V12 版本将完全实现端到端。端到端大模型是将传统自动驾驶算法的感知、决策规划、控制等环节融合的一体化模型,其能把传感器收集到的信息直接输入到统一的深度学习神经网络中,处理后直
49、接生成驾驶命令。端到端方案用一个大模型实现了原先模块化架构下多个小模型的功能,一方面避免了原先多模块下“流水线”工作导致的误差累积,另一方面,端到端模型能做到更好地集中资源,实现功能聚焦,因为研发人员仅需对一个模型进行训练与优化即可,省去了大量繁琐工作。与现版本相比,基于实现完全端到端的 FSDV12 消除了超过 30万条控制车辆 FSD 功能的代码,并首次通过神经网络控制转向、加速和制动。FSD V12 的决策将在黑盒状态下进行,这与人脑的运行机制更为贴近,驾驶决策行为将更具拟人性。我们预计 FSD V12 版本的运算速度与安全性将较以往显著提升。图图 2929:端到端的自动驾驶端到端的自动
50、驾驶优点众多,优点众多,是未来发展趋势是未来发展趋势 数据来源:智驾最前沿 FSD 北美北美渗透率渗透率预计已突破预计已突破 25%。截止 2022 年 Q3,特斯拉 FSD 全球 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 17 of 20 渗透率约为 7.4%,其中北美地区渗透率最高,达到 14.3%,截止 2023年 1 月,特斯拉北美地区用户数量突破 40 万,较 2022 年 12 月的 28.5万提升了近 40%,截止 2022 年底,特斯拉北美地区累计销量约为 152万辆,以此推算出特斯拉 FSD 北美地区渗透率已突破 25%。FS
51、D 在不同车型上的渗透率差别较大,截止 2022 年 Q3,高价车型 Model S/X 的FSD 渗透率已接近 45%,而 Model 3/Y 的 FSD 渗透率仅为 3.1%/6.5%,预计主要原因为 Model S/X 车主通常较 Model 3/Y 车主更富有,且多为特斯拉忠实用户,因此更愿意为额外的 FSD 增值服务买单。图图 30:截止截止 2022 年年 Q3,FSD 全球渗透率约为全球渗透率约为 7.4%图图 31:Model S/X的的 FSD渗透率渗透率显著高于显著高于 Model 3/Y 数据来源:Troyteslike,国泰君安证券研究 数据来源:Troyteslike
52、,国泰君安证券研究 表表 5 5:截止截止 2023 年年 3 月,特斯拉北美地区用户数量月,特斯拉北美地区用户数量已已突破突破 40 万万 截止截止日期日期 特斯拉特斯拉公布的公布的FSD北美地区用户数量北美地区用户数量 2021 年 12 月 6 万 2022 年 3 月 10 万 2022 年 9 月 16 万 2022 年 12 月 28.5 万 2023 年 3 月 40 万 资料来源:特斯拉、国泰君安证券研究 FSD 技术技术将将延伸应用至特斯拉延伸应用至特斯拉人形人形机器人机器人 Optimus。2021 年 8 月,特斯拉在 AI 日上发布人形机器人概念图及视频,宣布特斯拉通用
53、机器人计划。2022 年 9 月 AI 日特斯拉 Optimus 原型机首次现身,特斯拉人形机器人正加速推进。与自动驾驶汽车一样,人型机器人同样需要具备环境感知、道路规划、障碍物躲避等能力,FSD 技术的深厚积累将帮助特斯拉在人形机器人领域建立领先优势。0.0%2.0%4.0%6.0%8.0%10.0%12.0%14.0%16.0%2021 Q32021 Q42022 Q12022 Q22022 Q3Asia-PacificEuropeNorth AmericaGlobal0.0%10.0%20.0%30.0%40.0%50.0%60.0%2021 Q32021 Q42022 Q12022 Q
54、22022 Q3Model 3Model YModel S/XAll models 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 18 of 20 图图 3232:FSD 技术将延伸应用至特斯拉人形机器人技术将延伸应用至特斯拉人形机器人 数据来源:特斯拉 2.投资建议投资建议 我们认为特斯拉我们认为特斯拉 FSD 的逐步成熟与推广有望提升消费者对于自动驾驶的逐步成熟与推广有望提升消费者对于自动驾驶技术的技术的认可度,进而带动高阶智能驾驶需求增长认可度,进而带动高阶智能驾驶需求增长。未来。未来 FSD 有望进入有望进入国内,国内,成为成为国内其他车企
55、自动驾驶方案强有力的竞争者,国内其他车企自动驾驶方案强有力的竞争者,国内国内自动驾驶自动驾驶高地的角逐高地的角逐将愈发激烈,有利于自动驾驶行业将愈发激烈,有利于自动驾驶行业发展发展蓬勃向上蓬勃向上,建议关注,建议关注自动驾驶产业链投资机会自动驾驶产业链投资机会。投资建议:投资建议:自动驾驶功能可分为感知、决策、执行三大模块自动驾驶功能可分为感知、决策、执行三大模块。其中感知模块是自动驾驶车辆的“眼睛”,主要任务即通过各种传感器(摄像头、毫米波雷达、激光雷达等)获取车辆周围信息,并将其转为数字信号传输给车载计算机。决策模块是自动驾驶车辆的“大脑”,主要任务即通过机器学习、深度学习、神经网络等算法
56、对感知到的信息进行分析,并据此预测移动障碍物的行进路线,并规划出最优的行车策略,发出行车指令。执行模块是自动驾驶车辆的“四肢”,主要任务即根据生成的行车指令通过控制单元实现车辆的启停、加减速、避让、转向、制动等操作。自动驾驶行业的快速发展将带来上述三大模块对应标的的投资机会。决策层推荐标的:决策层推荐标的:德赛西威、科博达、均胜电子、华阳集团,受益标的经纬恒润;执行层推荐标的:执行层推荐标的:伯特利、拓普集团、星宇股份、华域汽车;感知层推荐标的:感知层推荐标的:保隆科技、华依科技,受益标的联创电子;整车推荐整车推荐标的:标的:江淮汽车、理想汽车、长安汽车、比亚迪、长城汽车,受益标的赛力斯。表表
57、 6:重点公司盈利与估值表:重点公司盈利与估值表 股票代码股票代码 股票名称股票名称 收盘价(收盘价(12.1)PE EPS 评级评级 2022A 2023E 2024E 2022A 2023E 2024E 603197.SH 保隆科技 58.4 58.4 32.4 24.3 1 1.8 2.4 增持 603596.SH 伯特利 79.0 46.4 32.9 22.6 1.7 2.4 3.5 增持 002906.SZ 华阳集团 34.5 43.1 38.3 28.8 0.8 0.9 1.2 增持 600741.SH 华域汽车 17.3 7.5 6.9 6.0 2.3 2.5 2.9 增持 60
58、3786.SH 科博达 73.6 66.9 43.3 32.0 1.1 1.7 2.3 增持 601799.SH 星宇股份 144.4 43.8 37.0 27.8 3.3 3.9 5.2 增持 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 19 of 20 002920.SZ 德赛西威 128.8 58.6 47.7 35.8 2.2 2.7 3.6 增持 601689.SH 拓普集团 72.5 48.3 32.9 23.4 1.5 2.2 3.1 增持 000625.SZ 长安汽车 19.2 24.0 17.6 19.8 0.8 1.1 1.0
59、 增持 002594.SZ 比亚迪 197.1 34.6 18.4 12.1 5.7 10.7 16.3 增持 601633.SH 长城汽车 26.5 29.5 30.8 23.1 0.9 0.9 1.2 增持 600699.SH 均胜电子 19.4 64.8 18.5-0.3 1.05-增持 688071.SH 华依科技 52.7 105.3 65.8 29.3 0.5 0.8 1.8 增持 600418.SH 江淮汽车 17.3-24.7 172.7 86.4-0.7 0.1 0.2 增持 2015.HK 理想汽车-W 146.6-增持 数据来源:Wind,国泰君安证券研究。理想汽车单位为
60、港元,其余公司对应单位为人民币元。3.风险提示风险提示 1、汽车智能化发展不及预期的风险、汽车智能化发展不及预期的风险 高级别自动驾驶技术的进化依赖于新技术的应用,若后续技术发展遭遇瓶颈,自动驾驶技术进化速度将受限。2.芯片短缺的风险芯片短缺的风险 自动驾驶核心底层算力硬件为高端 SOC 芯片,目前十分依赖进口,若高端 SOC 芯片供应能力出现问题,将对国内自动驾驶行业发展产生较大影响。3.汇率与贸易摩擦的风险汇率与贸易摩擦的风险 自动驾驶核心底层算力硬件为高端 SOC 芯片,目前国内十分依赖进口,若未来贸易摩擦升级,供应链或产生风险,进而对行业发展产生不利影响。此外,汇率波动会对产业链相关公
61、司的盈利能力产生一定影响。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 20 of 20 本公本公司具有中国证监会核准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
62、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
63、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
64、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
65、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
66、对沪深 300 指数涨幅介于-5%5%减持 相对沪深 300 指数下跌 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 6003 号荣超商务中心 B 栋 27 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: