AI驱动，L3级自动驾驶奇点已至
特斯拉FSD日益成熟，演进为“全场景自动驾驶”并面向所有用户开放
随着特斯拉V11及后续版本的更新，特斯拉的算法日益成熟，在处理无车道线的崎岖山路、无保护左转、闹市区人流密集区域 行驶、夜间闹市行驶、恶劣天气下行驶等场景时表现令人印象深刻。
用户使用条件逐步放宽，表明特斯拉对产品信心：2022年11月24日，马斯克表示，“北美任何人都可以从车辆屏幕上申请特斯 拉FSD Beta”意味着特斯拉全自动驾驶FSD Beta版已面向北美付费用户开放。从早期V9版本只推送给以员工为主的约2000名体 验用户，到全面向北美客户开放，再到未来或将免费为客户开放试用，特斯拉对自身产品的信心逐步提升，产品日益走向成熟。 特斯拉安全分数：2021年9月25日，特斯拉推出了安全评分测试版（Safety Score Beta），来评估驾驶员的驾驶行为，为保险定 价，同时作为是否推送FSD测试的参考。安全分数介于0-100之间，分数越高越安全，分数由五个安全因素影响：（1）每1000 英里前向碰撞警告；（2）硬制动（加速度超过0.3g）；（3）激进转向（超过0.4g的左/右加速度）；（4）不安全的跟随；（5） 强制自动驾驶仪脱离（收到三次警告后，Autopilot自动驾驶仪系统将在剩余行程中脱离）。2023年特斯拉推出了安全评分系统 beta2.0版本，新加入超速时间、未系安全带的驾驶习惯、深夜驾驶等标准以求让评分变得更加公平。
付费人群数量激增，软件盈利模式成为可能
特斯拉FSD的付费用户数量实现快速增长：截至2022年底FSD拥有超过40万用户使用，这一数据在2023年有望进一步提升，结 合北美目前特斯拉的保有量来看，特斯拉FSD自从向大部分客户开放后，渗透率实现了快速增长并达到了较高水平； FSD的行驶里程数加速推进：FSD累计行驶里程数显著加速增长，数额从2023年Q1的1.5亿英里，到2023年Q2财报增长至3亿英 里以上接近翻倍，FSD的整体使用量在快速提升。
特斯拉持续迭代进化，实现全域自研构建深厚壁垒
特斯拉构建了全栈自研的自动驾驶体系：车端的FSD算力芯片和板卡域控制器；云端的训练所需算力芯片D1芯片和超级计算机 Dojo，以及全栈自动驾驶算法包含感知算法、规控算法、和各类神经网络；以及数据闭环体系：包含数据挖掘等整套系统的搭 建，以及自动标注、仿真平台等的构建，形成了强有力的联合优化能力，并且能够应用在汽车、机器人上，实现规模化降本。
算法端：FSD持续进化，大模型嵌入各个环节
特斯拉的自动驾驶算法并非一蹴而就，而是在一步步迭代中逐步成熟，在感知端自2020年引入Transformer后不断完善，2021年 形成了带有时序信息的BEV+Transformer网络，2022年进一步引入占用网络，形成相对完整的算法框架。
云端：打造自研大算力芯片和超级计算机
自研D1芯片和Dojo超级计算机布局算力。为了进一步提升算力水平，2021年起特斯拉开始自研D1人工智能芯片和Dojo超级计算 机。将25颗自研的D1芯片封装成Dojo训练模块，再将120个训练模块结合Dojo接口处理器等组件融合形成Dojo主机，目前10机柜 的Dojo ExaPOD超级计算机将拥有1.1EFlops算力，并且拥有强扩展能力，借助特斯拉强大的软件能力，将有效提升其在算法领域 的迭代速率。 而据特斯拉AI官方账号显示，特斯拉将在2024年1月将拥有等效10万片英伟达A100GPU的算力，在2024年的10月拥有100EFlops 算力，等效30万片英伟达A100GPU算力。
BEV+Transformer，自动驾驶进入大模型时代
BEV+Transformer横空出世，大模型推动自动驾驶迈向普及
早期自动驾驶方案采用激光雷达+高精度地图为主。该方案中，对静态环境的感知强依赖高精度地图，实时的动静态障碍物感 知强依赖激光雷达。高精地图成为一项“基础设施”，将很多在线难以解决的问题提前存储到地图数据中，行车时作为一项重 要的感知信息来源，减轻传感器和控制器的压力，但只能在有图地区行驶。 高昂的单车成本和高精度地图成为自动驾驶大规模推广瓶颈。早期Waymo的Robotaxi量产车型改装成本约为20万美元/量，成本 高昂，加之高精度地图采集制作以及合规要求繁杂，该自动驾驶方案泛化性弱，仅局限在商用车领域，难以推广。市场亟待出 现一种单车性能强大、成本低廉的自动驾驶解决方案。
2021年特斯拉推出BEV+Transformer、重感知轻地图的自动驾驶解决方案，开启了自动驾驶行业新的篇章。 BEV全称为Bird’s Eye-View（鸟瞰图），即通过神经网络将各个摄像头和传感器获取的信息进行融合，生成基于俯视的“上帝 视角”，同时加入时序信息，动态地对周边环境进行感知输出，便于后续预测规划模块使用。驾驶行为是在3D空间中进行，而 鸟瞰图则是将2D图像的透视空间转换为3D空间，使得车辆可以判断自己和空间的关系。
占用网络：直接在矢量空间产生统一的体积占用数据。对于车子周围任意的一个3D位置，它预测了该位置被占用的概率；对每 个位置它还会产生一定的语义信息比如路边、汽车、行人等，用不同的颜色标出；同时观测速度信息。形成“占用栅格”+“栅 格流（描述速度信息）”+弱语义的表达形式。 占用网络优势显著：（1）改变神经网络算法先“认识”才能“识别”的特性，形成了动静态物体统一的障碍物感知方式，可 大幅减少Corner Case，提升安全性；（2）摆脱检测框的约束，对不规则外形障碍物的感知能力大大增强；（3）对特斯拉来说， 通用障碍物感知能力可以复用到其他产品如机器人上，形成统一的算法框架。
规控算法由基于规则迈向基于神经网，大模型开始崭露头角
发力安全性、舒适性和效率，规控算法成为当前头部玩家主攻方向。人能够基于有限的感知信息完美实现驾驶行为，很大程度 因为人类拥有强大的“预测”和“规控”能力。对自动驾驶而言，安全性、舒适性和效率都最大化的驾驶策略是各大厂商追求 的目标，规控环节的成熟度直接决定了自动驾驶功能的消费者体验，目前头部玩家已经将主攻方向转移到规控算法领域。 “拟人化”、强泛化性，人工智能推动自动驾驶“老司机”上线。早年的算法通常采用基于专家知识和规则的模式为主，基于 规则的系统需要不断补充新的规则以实现对各类环境的良好应付，日积月累代码量庞大，占用算力资源且不易维护。因此依靠 数据驱动的基于人工智能的规控算法日益走向台前。面对复杂的外部环境，人工智能模型能够更加平滑的以“类人”的方式对 驾驶行为进行处理，泛化能力强、舒适性好，应对复杂场景的能力大幅提升。
端到端（感知决策一体化）：大模型为自动驾驶彻底实现带来希望
模块化自动驾驶算法：即为感知、预测、规划等环节分别构建并组合在一起。方案反应了工程师的结构化思想，将任务拆解， 每个模块独立负责单独的子任务，拥有研发团队分工明确，便于问题回溯，易于调试迭代等优点。 端到端自动驾驶算法：即设计一个算法模型，直接输入传感器感知的信息，输出控制结果。 端到端算法拥有明显的优势： （1）其遵循了自动驾驶的第一性原理：即无论感知、规划、决策模块如何设计，最终为实现更好的自动驾驶效果，因此现有 的方法聚焦单独某个模块的优化，对整体的效果提升未必有效； （2）端到端的方式可避免模块化方式误差在模块中传导放大的问题，去掉冗余信息，提升视觉信息的表达； （3）传统模块化的算法中需要面临模型之间的多个编解码环节，带来的计算的冗余浪费； （4）规则驱动彻底转变为数据驱动，让汽车自动驾驶模型训练变得简洁。
国内玩家快速跟进，整车厂迎价值重估
华为：ADS 2.0首发问界M5智驾版，稳居国内智能驾驶第一梯队
2023年4月16日，华为于2023上海国际汽车工业展览会前夕首发HUAWEI ADS 2.0（Advanced Driving System，华为高阶智能驾 驶系统）及智能座舱、智能车载光、智能汽车数字平台、智能车云服务等一系列智能汽车解决方案，华为常务董事、智能汽车 解决方案BU CEO余承东在发布会上宣布华为高阶智能驾驶系统HUAWEI ADS 2.0将在AITO 问界M5华为高阶智能驾驶版首发。 后续阿维塔11、极狐阿尔法S HI版也将升级ADS 2.0系统，并且未来预计还将有10余款车型搭载ADS 2.0系统。 ADS 2.0系统提供买断、订阅两种消费模式，其中一次性买断价为36000元，包年/包月订阅价格分别为7200元/720元。同时，随 着智能驾驶功能的持续完善，价值量预计还将持续增长。
大疆车载：大疆旗下智能驾驶方案子品牌，2023年将推出领航城区功能
大疆是全球无人机领域领军企业，有着千万级无人机量产经验、强大供应链整合能力及智能化开发技术。2016年，公司正式成 立车载项目组，将多场景硬件复用、极限压榨硬件算力、弱依赖、少假设、产业深度合作为发展思路。2019年，大疆车载品牌 正式启用，定位为Tier1，专注于智能驾驶系统及其核心零部件的研发、生产、销售等。同年，公司建成首座车规级智能制造中 心，并与大众集团、上汽通用五菱等知名车企建立合作。2021年4月，公司在上海车展上推出D80/D80+、D130/D130+、泊车等 场景下的智驾方案。2022年9月，全球首款大疆智驾量产车型2023款KiWi EV上市。2023年4月，公司全新智驾方案成行在电动 汽车百人会上亮相，将提供领航城区等8项功能。2023年8月10日，首发搭载灵犀智驾2.0的宝骏云朵460灵犀版开始接受盲订。 其是行业首款搭载800万像素惯导双目摄像头智驾车型，配合大疆成行平台的能力，具备同级唯一0-130km/h全速域智能行车辅 助、同级唯一跨层记忆泊车、同级唯一循迹倒车功能。更多高速领航和记忆领航等功能预计将于9月揭晓，并将于10月上市交付。
小鹏：国内智能驾驶领军，三步走实现全场景辅助驾驶
小鹏是国内智能驾驶领域领军企业，掌握视觉感知、多传感器融合、决策、规划、控制等一系列核心能力，实现智能驾驶方案 全栈自研。2018年，公司Xpilot智能辅助驾驶系统正式落地，能够提供单车道辅助驾驶等L1级辅助驾驶功能，开启公司智能驾 驶领域探索之路。2019年，公司L2级行车辅助系统成功实现量产应用。2021年，公司推出高速NGP功能。2022年，公司推出城 市NGP功能，完成公司智能驾驶上半场（高速、地下停车场等单场景辅助驾驶）最后一个核心能力的建设，同时截至2022年底 公司高速NGP功能里程渗透率已超60%。展望未来，公司计划在2023-2024年实现全场景辅助驾驶功能，2025年起向无人驾驶迈进。
理想：国内智能驾驶龙头，积极推动城市NOA功能落地
2019年4月，理想首款量产车型理想ONE上市，能够提供LDW、LCA、FCW、ACC等L2级辅助驾驶功能。2021年12月，公司推 出高速NOA功能，同时根据高工智能汽车的数据，截至2023年4月，公司高速NOA里程已超过1.4亿公里。2022年起，公司发布 AD MAX和AD Pro智能驾驶系统，其中AD Max 2.0 采用英伟达Orin-X芯片，新增升级版高速NOA功能，而AD Pro 2.0搭载地平 线征程5芯片，标配高速NOA导航辅助驾驶功能。2023年4月，公司发布AD Max 3.0，通过大模型AI算法，逐步摆脱对高精地图 的依赖，将提供城市NOA功能，向更高频、复杂的场景渗透。
产业链各司其职，全面受益
大算力平台：电子电气架构迈向“区域控制+中央计算”时代
跨域融合形成中央计算平台，迈向“区域控制+中央计算”架构。通常整车EEA升级是将ECU聚类融合为驾驶/座舱/车身/底盘/动 力域控制器（或左/右/前车身域控制器）；架构继续演进，各域控制器进行融合，这些域控制器的逻辑运算功能被集成到一起 形成单独的中央计算平台，进行整车管理与逻辑运算，其指令交由各区域控制器（集成网关的区域ECU）执行，形成区域控制 器+中央计算平台架构。
软件和算法：应用、系统、工具软件齐备，市场玩家广泛参与
软件是智能汽车的重要组成部分。随着汽车逐步走向软硬件分离，软件成为构成汽车差异化的主要部分。 系统软件和应用软件缺一不可。软件部分可分为系统软件、应用软件及工具软件，系统软件包含虚拟机、驱动、BSP、操作系 统、中间件等底层软件，主要用来做硬件管理，信息交互等等。而应用软件则包含座舱中各类应用以及自动驾驶算法等。 系统软件走向SOA化提供稳定底座，应用软件独立更新延续汽车生命力，工具软助力功能实现。当前汽车底层软件逐步向券商 靠近走向SOA化，即将车内的各类功能变成服务供应用软件调度，在此基础之上，车载应用以及自动驾驶算法可通过OTA实现 持续迭代，让汽车常用常新。而工具软件则助力各类软件功能的开发和实现，亦是决定产品性能的重要组成部分。
线控底盘：应用于自动驾驶执行端，受益电动化智能化发展
线控底盘核心模块成长性优异：线控悬架、线控转向、线控 制动都有较高的单车价值量，据盖世汽车预测，三大方向在 2022-2026年均有不低于20%的市场规模成长； 线控底盘属于汽车执行端部件，是自动驾驶的基石：线控底 盘技术的落地会极大促进自动驾驶的发展，同时通过线控底 盘和座舱、动力等系统的交互也能够极大提升驾乘体验。 线控底盘处于发展初期技术潜力大：线控油门、换挡方面相 对成熟，应用率高；线控悬架方面目前空气悬架、自适应可 调减震器等已经出现并应用，未来会得到进一步发展；线控 制动和转向是最核心的环节，其中线控制动适用于高级别自 动驾驶的稳定量产产品不多，是各大玩家争相布局的赛道。
报告节选：
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
相关报告
汽车行业中小盘2023年中期投资策略：AI+自动驾驶，奇点已至.pdf
汽车空气悬架行业研究：高附加值集成部件，国产替代新蓝海.pdf
零跑汽车研究报告：全域自研驱动技术降本，汽车出口盈利前景可期.pdf
华为汽车专题分析：X界智选，鸿蒙智行.pdf
麦肯锡&中国电动汽车百人会-新能源汽车行业驶向2030：全球新能源汽车产业发展格局与展望.pdf
长安汽车研究报告：汽车央企转型新生，产品向上开启新周期.pdf
2024自动驾驶出租车Robotaxi商业化趋势报告.pdf
4D成像毫米波雷达行业专题报告：自动驾驶最佳辅助.pdf
自动驾驶出租车行业（Robotaxi）商业化趋势展望2024：多元共进，聚变开新.pdf
汽车行业专题报告：数据驱动时代“车路云一体化”加速自动驾驶商业化进程.pdf
汽车零部件行业2024年智能驾驶年度策略：自动驾驶开始由创造型行业转向工程型行业.pdf
