去年特斯拉全球纯电销量排名第一。2022Q4北美地区FSD相关收入3.24亿美元，未来有望逐步成为特斯拉收入新增量。特斯拉HW4.0的发布和Beta11.4版本的推送将全面提升自动驾驶能力，从而带动使用率的快速上行。今年内特斯拉或将正式向海外用户推送FSDV12完整版本，另据信息称，特斯拉正在中国组建20人左右的本地运营团队以推动FSD在中国市场落地，特斯拉还将在中国尝试成立数据标注团队（规模约上百人）。若后续特斯拉在国内开放FSD功能，一方面将提升智能驾驶渗透率，另一方面将形成“鲶鱼”效应，刺激国内车企加大自动驾驶投入，加速国内高阶自动驾驶技术迭代进程。
特斯拉自动驾驶发展历程是怎样的，在迭代发展历程中有哪些方面的突破，另外产业链及基本商业模式是怎样的，与国内厂商相比又有怎样的优势，未来发展方向及空间又有多大，给国内自动驾驶及相关产业会带来怎样的机遇与挑战，相关公司又有哪些？通过阅读本篇研报希望对您了解以上方面提供帮助。
（更多投研内容可关注公众号《 投研锋向 》加入社群 获取更多及时资讯！缩小信息差！）
01
特斯拉FSD发展历程
1.特斯拉自动驾驶及FSD
（1）特斯拉自动驾驶方案
特斯拉的自动驾驶方案包括基础版自动驾驶功能（EP）、增强版自动驾驶功能（AEP）和完全自动驾驶能力（FSD），智能驾驶软件方案实现差异化配置。
功能上来看，特斯拉AEP可以实现：1）自动辅助导航驾驶，包括自动驶入和驶出高速公路匝道或立交桥岔路口，超过行驶缓慢的车辆。2）自动辅助变道，高速公路上自动辅助变换车道。3）自动泊车，平行泊车与垂直泊车。4）智能召唤，在合适的场景下，停在车位的车辆会响应您的召唤，驶出车位并前往您所在的位置。
FSD在AEP基础上，后续通过OTA推出识别交通信号灯和停车标志并做出反应、在城市街道中自动辅助驾驶等功能。
（2）受地区法规的影响，特斯拉FSD功能迭代存在地域性差别
特斯拉FSD Beta是特斯拉完全驾驶能力的测试版，通过OTA方式目前已经迭代到11.4版本。从适用地区来看，FSD功能升级集中在北美地区，超700项功能均可以在北美地区使用。中国和欧洲受政策的影响，有部分功能无法使用。以中国市场为例，特斯拉FSD Beta的升级过程中，372项升级可以在中国市场使用，仍有超过300项的功能无法在中国市场使用。
2.特斯拉自动驾驶迭代发展历程
（1）硬件
特斯拉从2013年开始研发自动驾驶系统（Auto pilot system）。次年2014年推出HW1.0，后续约2-4年更新一次（14年HW1.0，16年HW2.0，19年HW3.0，23年HW4.0）。2022年11月，FSD Beta已向所有购买该选项的北美车主开放。
2014年特斯拉推出第一版Autopilot，主要针对自动辅助驾驶。
HW1.0采用了与博世合作的毫米波雷达、与Mobileye合作的EyeQ3芯片和NVIDIATegra3，其中算法主要由Mobileye提供。HW2.0时代，特斯拉与英伟达合作，采用其DrivePX2芯片，传感器和摄像头数量大幅提升。2017年特斯拉发布增强型Autopilot，并增加了更多辅助驾驶功能。
2019年特斯拉步入自研时代，首次推出自研自动驾驶芯片HW3。
同年9月，特斯拉启动FSD早期访问项目，部分车主可试用初始版本的FSD。2020年特斯拉获得加州自动驾驶试点测试许可，能够实现在公路上进行无人监管的自动驾驶测试。2021年7月，特斯拉在美国开始FSD预订，Autopilot订阅FSD199美金/月，增强版Autopilot(EAP)订阅FSD99美金/月。2022年，特斯拉推出FSDBeta的增强版本，大大提高自动驾驶的安全性和舒适性，4月特斯拉CEO埃隆-马斯克表示，已向美国10万多用户推出了其全自动驾驶（FSD）软件的测试版本。2023年，HW4.0将迎来全新升级，公司有望在年底推出FSD完整版本，实现L4-L5级别自动驾驶。
目前，特斯拉正处于由HW3.0向HW4.0更高级别硬件的迭代阶段，未来有望支持4D毫米波雷达等更多传感器和摄像头的接入，使GPU集成化更高、模块更轻薄，FSD芯片内核数量有望持续增多，进一步提升性能等。
（2）算法
2016-2018：特斯拉延用了业内常规的骨干网结构；使用2D检测器进行特征提取；以人工对数据进行标注。整体来看，这一套自动驾驶算法还比较原始，相对传统。在这一时期，特斯拉自动驾驶算法仍处于技术追赶阶段。
2018-2019：在这次算法革新中，特斯拉构建了多任务学习神经网络架构Hydra Net，并使用了特征提取网络BiFPN。相较于此前算法，Hydra Net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。
2020：BEV+ Transformer，自动驾驶进入大模型时代。在这一方式中，特斯拉先在BEV空间层中初始化特征，再通过多层的Transformer和2D图像特征进行交互融合，最终得到BEV特征，也就是先3D再2D，反向开发，实现BEV的转换。Transformer是一种基于注意力机制（Attention）的神经网络模型。Transformer的引入，使得BEV视角在自动驾驶领域得以实现。而3D空间的引入，使得自动驾驶的思维方式，更接近于真实世界。
2021-2022：特斯拉感知网络架构引入了时空序列特征层，特斯拉对BEV进行了升级——引入占用网络。这使得特斯拉自动驾驶算法的泛化能力得到了提升。而借助于算法提升，特斯拉FSD更能刻画真实的物理世界，进而才有可能实现端到端模型。
02
特斯拉FSD产业链及商业模式
1.特斯拉FSD产业链梳理
自动驾驶的核心在于硬件平台与车控操作系统。硬件平台层主要包括AI计算单元、通用计算单元以及控制单元。系统软件运行于车载智能计算基础平台硬件及汽车电子控制单元硬件之上，是针对汽车场景定制的复杂大规模嵌入式系统运行环境，主要包括操作系统内核、虚拟化管理（Hypervisor）、POSIX、系统中间件及服务等。功能软件运行于系统软件之上，通过提取智能驾驶核心共性需求，形成智能驾驶各共性服务功能模块，由应用软件接口、智能驾驶通用模型、功能软件通用框架以及数据抽象组成。车辆应用建立在功能软件基础上，功能软件通过统一应用软件接口为应用软件提供调用和服务。
特斯拉FSD产业链分为感知、决策和执行三大模块，主要涉及芯片、服务器和数据中心、传感器、高清地图以及自动驾驶操作系统等环节。
（1）感知系统
感知模块主要利用车载摄像头和激光雷达等传感器，结合GPS、IMU、北斗等导航模块，实时收集车辆周围的各类数据信息。特斯拉摄像头供应商主要为恩智浦，毫米波雷达包括博世和Arbe等，原先超声波雷达供应商为博世等（model Y移除超声波雷达）。
（2）决策系统
在将感知系统收集到的数据传输到决策模块后，决策系统通过芯片、AI算法以及高精度地图等，对传输的数据进行处理和分析，从而生成相应的路径规划和决策信号。特斯拉决策芯片为自研设计，采用纯视觉路线，通过AI模型完成目标检测和路线规划等相关决策。
（3）执行系统
在执行模块接收到来自感知和决策的数据和信号后，根据相应信息执行各项行车决策，如刹车、警示等操作。特斯拉执行模块主要包括方向盘执行机构、人车交互系统等，供应商包括均胜电子，福田机电等。
2.商业模式
特斯拉FSD的商业模式是“硬件预埋＋软件付费”相结合，实现量价齐升。
“硬件预埋＋软件付费”模式带动收入快速增长。传统OEM通常以销售新车获取盈利，车企发展受到销售汽车数量的制约。而特斯拉采用“硬件预埋＋软件付费”的方式，以售出的硬件为基础，在平台加成下，推出软件包、软件订阅服务等功能，将商业模式拓展到汽车全生命周期，实现销售数量与价格的双重提升：
（1）FSD订阅模式下，特斯拉销量增长率远超采用一次性销售模式的车企
在全球ADAS市场，多数车企仍采取随车售卖、一次性付费的销售模式。丰田、奔驰、大众等主流品牌的ADAS系统均未开启订阅模式。2022年特斯拉汽车销量增长率达40.3%，而奔驰、丰田等品牌销量增长率分别为-15.0%和0.0%。
（2）FSD更新迭代，定价稳步提升
特斯拉通过OTA对FSD进行不断升级，售价持续增长，从2015年的2500美元提升到2022年的15000美元，7年内定价提升了12500美元。同样采用订阅模式的车企中，小鹏推出了XNGP，定价为9800元/年或39800元/永久；蔚来推出订阅模式的NOP+一次性选装的NIOPilot，定价分别为380元/月和39000元/永久。特斯拉在定价方面显著高于同类车企。
03
特斯拉FSD优势
特斯拉自动驾驶优势都有哪些呢？与国内头部玩家比较有哪些方面的优势呢？下面我们从数据、算法、算力这三方面论述特斯拉在自动驾驶方面的优势。
1.数据方面
（1）行驶距离远
截至23年6月，FSD Beta行驶距离超过3亿英里。
（2）销售车辆多
2022年交付超过130万辆，预计2023年交付约180万辆。
（3）影子模式增加数据
影子模式支持量产车上运行并采集数据，等同于将卖出的每一辆车都化身为“数采车”，充分发挥量产车覆盖场景广、成本低的优势。
影子模式加速数据采集，训练质量有望大幅提升。
特斯拉影子模式的运作方式是在有人驾驶状态下，运行自动驾驶系统和传感器，系统虽不参与车辆控制，但仍持续进行模拟决策，并把决策与驾驶员行为进行对比。两者不一致时，系统将场景判定为“极端工况”，进而触发数据回传。因而特斯拉的使用用户越多，收集的数据就越多。大模型的训练依赖海量数据的提供，提供的数据越多，训练质量就越优异。根据特斯拉官方数据，截止至2023年特斯拉股东大会，FSD Beta的累计行驶里程已接近2亿英里，呈加速增长态势。据LexFriedman发布的数据显示，截至2020年1月16日，特斯拉的所有汽车行驶里程达到191亿英里，其中自动驾驶里程为22亿英里。相比之下，同时期waymo路测里程约为2000万英里，特斯拉于数据储备方面具明显优势。
2.算法方面
特斯拉在2021年采用了BEV+ Transformer路径，成功将多个2D图像和传感器信息转化为一个3D的向量空间，为更全面的感知提供了新的途径。在BEV大范围应用前，业内常采用“2D直视图+CNN”方案，即通过相机收集到2D图像，由雷达收集到3D图像，感知数据基于每个传感器的位置形成放射图像，不同感知结果通过CNN（卷积神经网络）进行后融合，通过大量计算统一升维到3D，形成符合3D状态下车机行驶的坐标系，但这种方法缺少时间信息，并且感知与预测的连续性也难以确认。
而BEV（Bird's Eye View）通过鸟瞰式视角或坐标系，将视觉信息由图像空间端到端地转换到BEV空间下。Transformer采用交叉注意力机制，相比传统神经网络（如CNN），可以直接进行2D、3D不同序列之间的转换，能够更加全面地在空间时序上建模，形成时序融合下的4D空间信息，从而使感知结果更加连续、稳定。
3.算力方面
（1）自研D1芯片性能强大
7nm制程，算力达到22.6TFLOPS，高于英伟达A100。
（2）平台训练算力领先国内头部玩家
特斯拉2022年平台训练算力为2EFLOPS。华为是1.8EFLOPS（2023），蔚来为1.4EFLOPS（2023），理想为1.2EFLOPS（2023），小鹏为0.6EPFLOPS（2022）。
4.性能方面
（1）特斯拉自动驾驶行驶准确度高
特斯拉Autopilot对比人工驾驶可以更长时间保持在道路中心；行驶准确度从2021年的不到90%提升至2022年的超过95%（2022TeslaAIDay数据）。
（2）特斯拉自动驾驶系统安全性较高
安全性高体现在：1）特斯拉ModelY、S车型在欧洲NCAP安全性辅助评级得分最高；2）根据特斯拉2023年投资者日数据，特斯拉（FSDBeta版）每行驶3.2百万英里发生一例撞击，美国平均水平为每0.5百万英里发生一例撞击；3）使用Autopilot的特斯拉车辆发生一起碰撞事故的行驶距离比没使用Autopilot的特斯拉车辆和美国平均水平都高，且差距在持续拉大。
04
特斯拉FSD未来发展趋势及市场空间
1.FSD降价有望刺激北美FSD渗透率提升
降价→刺激北美FSD渗透率提升：随着FSD购买价格增加，北美FSD渗透率逐步回落，2023年9月FSD购买价格从15000美元降低至12000美元，有望刺激北美FSD渗透率提升。
2.FSD V12加速推出→FSD有望迎来爆发时刻
FSDV12版本有望实现“端到端”自动驾驶：2023年5月马斯克在推特上表示FSD V12将会是“端到端”（end-to end）自动驾驶。“端到端”架构是在一个AI大模型实现多个任务，在模型中输入图像后，直接输出转向、刹车、加速等控制指令。
FSDV12加速推出：2023年8月马斯克在推特上发布了直播驾驶FSDV12的视频，同时“城市街道的自动驾驶”（auto steer on city streets）不再被特斯拉列为“即将推出”的清单（过去4年一直都在“即将推出的清单上”），FSDV12有望加速推出。
3.特斯拉销量和市占率持续提升，23年目标交付180万辆（+50%）
销量持续增加：根据特斯拉2022年报，特斯拉2022年交付超过130万辆，2023年目标保持50%增速（约交付180万辆）。
市占率持续提升：特斯拉在北美、欧洲、中国的市占率持续提升。
4.欧盟法规加速推进，FSD有望在2024年落地欧洲
FSD Beta目前仅北美开放，欧盟法规加速推进：根据notateslaapp消息，FSD进入欧洲需要欧盟通过《联合国欧洲经济委员会(UNECE)关于驾驶员控制辅助系统(DCAS)的规定》，目前该草案正加速推进，这将有助于加快特斯拉FSD Beta在欧洲的上市。根据notateslaapp报道，FSD Beta最早将于2024年1月在欧洲上线。
05
对我国自动驾驶及机器人产业影响
1.自动驾驶技术逐渐成熟，市场规模高速增长
自动驾驶需要综合各项技术，视觉+雷达+导航地图基本可实现L3级的自动驾驶功能。视觉方面，采用以transformer为基础架构的大模型视觉网络凭借全局感知能力、注意力机制和多模态特征融合能力能够更好实现目标检测等功能。传感器层面，多传感器融合开始逐步应用。导航地图层面，厘米级和环境交互信息的导航地图开始使用。从2020年起，以谷歌为代表开始了厘米级地图的测绘工作，2022年11月，中国卫星导航系统宣布北斗导航系统具备提供厘米级定位能力。
随着自动驾驶各项技术的协同发展，越来越多的新车型开始搭载自动驾驶功能。德国奥迪、宝马、戴姆勒等汽车制造商已经推出了配备L3自动驾驶技术的车型。据乘车联与科瑞咨询联合发布的《2023年5月汽车智能网联洞察报告》，2023年Q1自动驾驶L2+的市场份额同比增长600%。
2.政策加持，自动驾驶商业化落地加速
2015年国务院出台《中国制造2025》，将无人驾驶作为汽车产业未来转型升级的方向之一。2020年10月，中国交通运输部发布的《公路工程适应自动驾驶附属设施总体技术规范（征求意见稿）》对自动驾驶专用道和自动驾驶专用公路的建设提出规范性要求，包括但不限于对高精度地图、定位设施、通信设施、交通标志标线、路测计算设施等作出功能、性能及部署要求，为自动驾驶全路段商业化落地提供了全面的基础设施支持。2023年6月工信部发文，支持L3及以上级别的自动驾驶的商业化应用，自动驾驶规章制度确立。同时，各地纷纷发布政策加速自动驾驶商业化落地。2023年北京市高级别自动驾驶示范区工作办公室宣布，在京开放智能网联乘用车"车内无人"商业化试点，只要企业达到相应要求，即可在示范区面向公众提供常态化的自动驾驶付费出行服务。政策支持下，自动驾驶步入快车道。
3.智驾助力造车新势力销量破纪录大增，国产智驾产业链有望迎来爆发
国产厂商加速发展，国产智驾产业链深度受益国产厂商加速发展，智驾软硬件持续升级。1）华为：智驾模型总算力达1.8EFLOPS，每5天模型迭代一次，每日深度学习里程超过1000万公里。2）小鹏：基于阿里云智能计算平台算力已达600PFLOPS，城市NGP效率接近人类司机。
1）华为：问界新M7（搭载华为ADS2.0）于23年9月12日上线，上线不到30天累计大定超过50000台（老问界M7在23年3月-8月总共销售4976台）。
2）小鹏：2023年7月搭载XNGP的新车型G6启动交付，销量快速增长，9月G6销量突破8000辆。
4.人型机器人与FSD技术同源，视觉算法有望成为产业大规模落地关键
（1）特斯拉人形机器人发布，2024年有望实现量产
2022年，特斯拉推出人形机器人Optimus，在5月16日举行的特斯拉2023股东大会上，人形机器人展示了集体步行、抓取物品、以及AI算法精准识别人类动作等功能。Optimus的目标是替代人类进行重复劳动、危险操作等工作，作为智能助手提高生产力。它将在特斯拉工厂进行移动搬运、零部件装配等试运行，之后可扩展至更复杂环境，成为通用服务型机器人。目前，特斯拉已试制了少量Optimus进行算法培训和步态测试。计划在2023年小批量应用于工厂，2024年实现优化后版本的小规模量产。
（2）市场规模高速增长，特斯拉人形机器人2024年有望实现量产
市场空间近万亿元，国内市场规模高速增长。根据马斯克介绍未来十年特斯拉人形机规划500万台产能，以每台2万美元（约合14.4万元人民币）售价计算，对应市场空间达7200亿元。根据艾媒咨询的《2022年度中国机器人行业发展专题研究报告》，2022年中国机器人市场规模为1712.4亿元，预计未来将保持高速增长态势，到2027年市场规模为5949.1亿元。
（3）Optimus实现与FSD底层模块打通，计算机视觉算法有望成为大规模落地关键
马斯克在3月1日举行的特斯拉2023投资者日活动中表示，自动驾驶汽车与机器人本质上相同。特斯拉Optimus搭载了特斯拉在自动驾驶技术上开发的视觉系统、定位系统、自动控制算法等技术，并通过传感器和计算机视觉，利用海量数据持续训练，提升机器人能力。在算力方面，Optimus搭载了特斯拉FSD辅助自动驾驶的AI运算芯片DojoD1。在算法方面，Optimus采用FSD算法，并配备8个汽车同款Aotopilot摄像头作为传感器，对周围环境进行感知，识别物体、人和障碍物等。
目前制约人型机器人实现大规模商业化落地的原因之一在于其售价较高。Agility推出的Digit机器人成套价格为25万美元，Engineered Arts推出的人型机器人中，RoboThespian入门级model3售价为8.7208万美元，Ameca售价为13.3万美元。而特斯拉Optimus的最终售价预计不会超过2万美元（约合14.4万元人民币）。特斯拉FSD采用BEV+ Transformer纯视觉算法路径，而其机器人同样依赖计算机视觉进行感知，自动驾驶与人形机器人业务有较强协同效应。
未来随着机器人与FSD算法的大规模复用，Optimus成本有望显著降低。计算机视觉算法有望成为产业大规模落地的关键。国内上市公司中，虹软科技在ADAS和机器人计算机视觉领域拥有多年的经验和积累，在Transformer技术上早有研发。其核心技术包括视觉认知、图像深度恢复、图像分割、三维建模等。目前公司在人物检测和跟踪、人物识别、机器人避障、机器人跟踪特定人或面部、SLAM for Robotics、机器人寻找限定区域的路径行走、机器人帮助拍摄美颜照片及传输、机器人基本的手势交互等方面都研发了相应的引擎。
06
FSD相关公司
1.商汤科技
商汤科技于2014正式成立，专注于人工智能技术研发与应用。在九年研发时间和超百亿的研发投入中不断产出行业顶尖的人工智能服务产品和方案，由人工智能产业新星成长为行业领跑者。
商汤科技是全球领先的人工智能公司。公司专注于计算机视觉和深度学习原创技术，以人工智能技术赋能多个垂直领域。公司以深度学习平台为核心“大脑”，深入探索多个垂直行业领域，形成智慧城市、智慧生活、智慧商业和智能汽车四大业务板块。
目前，商汤科技已经和国内外1100多家世界知名企业及机构建立了合作，其中包括SNOW、阿里巴巴、苏宁、中国移动、OPPO、vivo、小米、微博、万科、融创、本田等。
商汤科技引领行业技术发展。公司是计算机视觉行业龙头，持续引领AI技术发展和商业化落地，同时公司全面布局AI大模型，发布“日日新SenseNova”大模型体系，推出自然语言处理、内容生成、自动化数据标注、自定义模型训练等多种大模型及能力。
2.中科创达
公司成立于2008年，从操作系统服务商起家，产品边界不断扩张，形成“手机+汽车+物联网”三大主营业务。通过自身研发投入和外延并购Rightware等公司，公司在智能驾驶领域布局趋于完善，已具备基于芯片底层的全栈操作系统技术能力。
启动Smartto Intelligent战略转型，发布魔方Rubik大模型。2023年公司已经全面启动Smartto Intelligent战略升级，积极拥抱AI大模型，加速大模型与业务场景的融合。公司发布全新的人工智能基础大模型系列和应用产品路线图，其中，RUBIK基础平台（RUBIK Foundation Family），全面覆盖了从边缘端（RUBIK Edge）、语言大模型（Rubik Language）、多模态（Rubik Multi-Modal）、机器人（Rubik Robot）等大模型系列。同时，RUBIK应用产品全家桶（RUBIK Product Family）全面覆盖了包括汽车大模型（Rubik Auto）、终端大模型（Rubik Device）、行业大模型（Rubik Enterprise）、开发套件大模型（Rubik Studio）等一系列大模型产品组合。
公司自2008年成立，就对Android、Linux、Windows等操作系统进行长期研究与开发，以智能手机操作系统的定制化及适配等业务起家，并以此为核心紧随智能化发展浪潮，横向拓展至车联网、物联网领域，形成“手机+汽车+物联网”三大核心业务。
3.虹软科技
虹软，隶属于虹软科技股份有限公司，总部位于杭州，提供计算机视觉行业算法服务及解决方案，致力于视觉技术的研发和应用，坚持以原创技术为核心驱动力，在全球范围内为智能手机、智能汽车、物联网（IoT）等智能设备提供一站式视觉解决方案。
通过20多年在数字影像及计算机视觉领域的研发投入，虹软积累了大量底层算法。在技术的产品化过程中，虹软结合行业需求，整合各类算法，实现核心技术的更新迭代和产品的持续创新。
目前，虹软提供的视觉解决方案主要应用于智能手机行业，积极将视觉技术在智能汽车、智能家居、智能保险、智能零售、互联网视频等领域推广，为智能产品及相关行业的升级发挥积极作用。
在保持技术领先的同时，虹软还推出了开放平台，分享虹软的部分核心技术成果，将人脸识别、人证核检、活体检测等核心技术免费提供给有需求的企业、创业团队和个人开发者使用，助力广大中小企业打破技术壁垒的同时，不断拓展虹软视觉技术的应用领域，并使之在各个应用场景中加速普及。
公司完善虹软视觉大模型，构建计算技术引擎ArcMuse，基于引擎推出了Photo Studio商拍摄产品，用户输入真人图、人台图或者商品图，均可生成服装模特展示图和商品展示图，帮助与用户提升效率、控制成本。此前公司已向一批种子客户开放了Beta版本内测，目前Photo Studio（Beta）已公开上线，按照月/年SaaS化付费，预计公司将与互联网平台、直播电商、旗舰店合作推广。
4.相关公司梳理
END
想要获取海量投研信息？
想要了解事件背后的逻辑、最硬核的投研逻辑？
（更多投研内容可关注公众号《 投研锋向 》加入社群，体验更多0预期差纪要信息）
免责申明：以上内容仅供学习交流，不构成投资建议。