2024 智能駕駛系列報告（二）：特斯拉智能駕駛方案簡剖

智能駕駛系列報告(二):特斯拉智能駕駛方案簡剖化金證卷客戶中的專業(yè)投咨者參老證券研究報告汽車行業(yè)報告領(lǐng)先大市-A

(維持)2024年6月26日核心觀點

◆不同于絕大多數(shù)國內(nèi)車企在自動駕駛上采取多傳感器融合方案，特斯拉FSD

在發(fā)展初期就摒棄激光雷達、且不配備高清地圖，成為在感

知層以攝像頭為核心的純視覺解決方案代表；其依靠車身搭載的攝像頭來捕捉周圍的環(huán)境信息，并經(jīng)過算法及神經(jīng)網(wǎng)絡(luò)模型處理，最

終輸出3D場景下的信息用于智能駕駛?！?/p>

FSD智能駕駛的實現(xiàn)基于特斯拉獨樹一幟的軟件算法，創(chuàng)新性的提出BEV+Transformer+0cupancy

Network的感知范式，并成為全球首

家“端到端”神經(jīng)網(wǎng)絡(luò)量產(chǎn)上車的企業(yè)，實現(xiàn)了從繁瑣規(guī)則驅(qū)動到數(shù)據(jù)驅(qū)動的簡化，小鵬、蔚來等多家國內(nèi)車企紛紛追隨；硬件端方

面，特斯拉持續(xù)增加攝像頭數(shù)量，對其他傳感器則傾向于做“減法”,以更好地適配其純視覺技術(shù)路線?！?/p>

得益于數(shù)據(jù)量、算力投入、硬件適配度等方面的明顯占優(yōu)，特斯拉在依賴算力的純視覺解決方案上遙遙領(lǐng)先國內(nèi)廠商，F(xiàn)SD

智駕擬人化

程度高、安全性及可靠性更為凸顯、且能有效節(jié)省運算空間及成本；但同時，F(xiàn)SD

作為純視覺方案在惡劣天氣等場景下的性能較弱，其

買斷價也較國內(nèi)市面上其他高階輔助駕駛軟件更高，或系特斯拉需改進的方面。◆中國作為全球新能源汽車最大的市場，是各車企發(fā)展智駕的最優(yōu)之選；然而，缺乏冗余設(shè)計或引發(fā)的駕駛安全問題、以及缺少測繪資

質(zhì)或帶來的數(shù)據(jù)安全問題，均成為阻礙特斯拉入華的重要因素。硬件設(shè)計方面，特斯拉在HW4.0中重新加入高精度4D毫米波雷達，純視

覺方案的駕駛安全性問題或有望改善；數(shù)據(jù)安全方面，特斯拉則借力百度獲得車道級導(dǎo)航地圖，并擬在中國建立數(shù)據(jù)中心。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(shè)FSD在現(xiàn)役中國特斯拉汽車中滲透率為5%-36%,預(yù)計新增收入54.4億元-

391.68億元。◆風險提示：智駕行業(yè)發(fā)展不達預(yù)期、核心零部件價格波動、技術(shù)迭代及產(chǎn)品研發(fā)滯后、上市公司業(yè)績不達預(yù)期、政策風險、數(shù)據(jù)信息

口

△

公統(tǒng)計及模型測算偏差風險、閱讀在本報告尾部的重要法律聲明

2

特斯拉FSD的發(fā)展歷程——化繁為簡

解析特斯拉FSD特斯拉FSD進入中國市場的進度特斯拉FSD產(chǎn)業(yè)鏈概況及相關(guān)標的

風險提示閱讀在本報告尾部的重要法律聲明目錄1.1.1FSD是特斯拉輔助駕駛方案中功能最完整的產(chǎn)品1.1.2特斯拉作為純視覺方案引領(lǐng)者，攝像頭是FSD智駕的核心1.2算法端迭代：全球首個“端到端”神經(jīng)網(wǎng)絡(luò)量產(chǎn)上車，實現(xiàn)對繁瑣規(guī)則編寫的替代1.3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”

閱讀在本報告尾部的重要法律聲明特斯拉FSD的發(fā)展歷程——化繁為簡1.1特斯拉FSD自動駕駛方案自駕功能(基礎(chǔ)版自動

輔助駕駛)(增強版自動

輔助駕駛)自動泊車自動變換車道主動巡航/跟車車道維持/居中

巴自動輔助導(dǎo)航駕駛自動變換車道STOP輔助轉(zhuǎn)向自動泊車召喚/智慧召喚

②交通識別/標志識別市區(qū)自動輔助轉(zhuǎn)向自動速度偏移調(diào)整交通標志識別1.1.1

FSD是特斯拉輔助駕駛方案中功能最完整的產(chǎn)品

◆

特斯拉的自動駕駛方案包括基礎(chǔ)版自動輔助駕駛

(AP)、

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Autopilot產(chǎn)品組合中功能最完整的產(chǎn)品?！艄δ苌蟻砜矗厮估璅SD除基礎(chǔ)的主動巡航及車道維持居中外，還可以實現(xiàn)：1)自動輔助導(dǎo)航駕駛，包括自動駛?cè)牒婉偝龈?/p>

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(yīng)召喚、駛出車位并前往車主所在位置；5)交通燈、標志識別；6)市區(qū)自動輔助轉(zhuǎn)向，檢測車道、車輛和障礙物，并操作車輛進行轉(zhuǎn)向；7)自動速度偏移調(diào)整，可

根據(jù)不同的環(huán)境和場景，自主調(diào)整車輛的行駛速度。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(xiàn)的功能閱讀在本報告尾部的重要法律聲明5圖：特斯拉FSD

HW2.0/2.5/3.0裝配的8顆攝像頭后側(cè)攝像頭x2前置廣角攝像頭前置主攝像頭

前置長焦攝像頭最遠距離100米

最遠距離60米最遠距離150米最遠距離250米后置攝像頭

超聲波雷達x12晶遠

率

5

0

米最遠距離8米不同于大部分國內(nèi)廠商多傳感器融合方案，特斯拉FSD自動駕駛是以攝像頭為核心的純視覺解決方案?！艏円曈X方案的最初設(shè)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(wǎng)膜后，經(jīng)過大腦皮層的多個區(qū)域、

神經(jīng)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(shè)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(jīng)網(wǎng)絡(luò)系統(tǒng)?！羰紫?，在特斯拉汽車行駛過程中，車輛通過攝像頭收集環(huán)境圖像信息；特斯拉HW2.0/2.5/3.0版本硬件都配備了8顆

監(jiān)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(cè)攝像頭、2顆后側(cè)攝像頭、以及1顆后置攝像頭。1.1.2特斯拉作為純視覺方案引領(lǐng)者，攝像頭是FSD

智駕的核心資料來源：懂車帝、汽車之家、Tesla

AI

Day閱讀在本報告尾部的重要法律聲明6前側(cè)攝像頭x2最遠距率8

0米毫米波雷達

最遠距離160米◆可以看到，車輛周圍的8個攝像頭通過神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)“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。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(shè)計哲學(xué)在于打造一個閉環(huán)的、端到端的

決策系統(tǒng)，意味著車輛不僅要具備感知環(huán)境的能

力，還要能理解環(huán)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(chǔ)設(shè)

施的輔助。首先，駕駛輔助系統(tǒng)通過學(xué)習各種路況視頻，得出一個參數(shù)調(diào)優(yōu)后的神經(jīng)網(wǎng)絡(luò)；優(yōu)化后的神經(jīng)網(wǎng)

絡(luò)被部署到以HW3.0

為例的硬件上，根據(jù)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“邊角案例”或駕駛員操作與系統(tǒng)“預(yù)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(wù)器，通

過龐大的集中算力進行深度學(xué)習以優(yōu)化系統(tǒng)；馬

斯克曾表示“一輛汽車學(xué)會一件事后，所有車輛

就都學(xué)會了?！?.1.2特斯拉作為純視覺方案引領(lǐng)者，攝像頭是FSD智駕的核心資料來源：懂車帝、36氪、汽車之家、TechWe閱讀在本報告尾部的重要法律聲明

7◆自動駕駛的算法模塊通常分為“感知”、“決策規(guī)劃”、“運動控制”。其中，“感知”模塊是自動駕駛的核心，大部分的技術(shù)升級都集中在感知模塊，其目的是讓車輛對駕駛環(huán)境的“感知”達到人類感知的級別；而“決策規(guī)劃”則是基于“感知”模塊輸出的結(jié)果，通過規(guī)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?！?/p>

感知層面，特斯拉經(jīng)歷了由“特征提取網(wǎng)絡(luò)RegNet”向“BEV+Transfomer”、再向“BEV+Transfomer+0ccupancyNetwork”轉(zhuǎn)變，決策規(guī)劃層面則自2021年由

“Rule-based”向“Machine

learning-based”

逐步傾斜；直至2024

年1月，特斯拉通過推出FSDV12Beta,成為全球首個“端到端”神經(jīng)網(wǎng)絡(luò)量產(chǎn)上車的企業(yè)，實現(xiàn)了感知、決策、規(guī)

劃相融合。DepthCameras

Rule-based→Machine

learning-based劃策圖：特斯拉FSD從“局部最優(yōu)解”到“全局最優(yōu)解”的演變達成局部最優(yōu)解

達成全局最優(yōu)解運動控制Control感知(核心模塊)圖：自動駕駛的算法框架傳感器

算法模塊1.2算法端迭代決策規(guī)劃Path

PlaningNavigation感知PerceptionLocalizationLiDARIMURGBCameras端到端(End-to-End)Transformer基礎(chǔ)架構(gòu)閱讀在本報告尾部的重要法律聲明

8資料來源：21經(jīng)濟網(wǎng)、澎湃新聞、特來訊、電2DCNNOccupancyNetwork(4D:

時空融合)BEV(3D:

空間)Transformer執(zhí)行器(1)2016-2018年：特斯拉采用常規(guī)的骨干網(wǎng)結(jié)構(gòu)，并對數(shù)據(jù)采取人工標注?！?014年特斯拉發(fā)布的第一代硬件Hardware1.0,軟硬件均由Mobi

leye提供；然而在2016年特斯拉發(fā)生的“全球首宗自動駕駛致命事故”,導(dǎo)致雙方合作結(jié)束。◆2016年特斯拉開啟自研算法階段，首先對數(shù)據(jù)采用人工標注，并通過Facebook提出的特征提取網(wǎng)絡(luò)RegNet進行物體識別。初始的數(shù)據(jù)都是需要人工來標注，如將圖像中的物體(人、車、馬、狗等)形態(tài)、類別及對應(yīng)坐標一并輸入到神經(jīng)網(wǎng)絡(luò)中，神

經(jīng)網(wǎng)絡(luò)就對上述物體有了一定的認知。隨后，采用特征提取網(wǎng)絡(luò)RegNet進行物體識別；在該特征提取網(wǎng)絡(luò)中，最底部有著極

高的分辨率和較低的通道數(shù)用于檢查圖像細節(jié)，而在頂部有著極高的通道數(shù)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(guān)聯(lián)告訴第一層這極有可能是一輛車，

這樣就完成了一次識別。1.2.1算法1.0:2016年開啟自研算法，采用人工標注+特征提取網(wǎng)絡(luò)進行物體識別在自動駕駛的場景中，往往需要在一個神經(jīng)網(wǎng)絡(luò)中同時完成多項任務(wù)，比如車道線檢測，人物檢測與追蹤等，進而引發(fā)了該算法出現(xiàn)head不夠用的情況。圖：神經(jīng)網(wǎng)絡(luò)RegNet進行物體識別圖：對數(shù)據(jù)進行人工標注出現(xiàn)的問題：資料來源：汽車之心、bilibili、懂車帝、3W閱讀在本報告尾部的重要法律聲明(2)2018-2019年：構(gòu)建多任務(wù)神經(jīng)網(wǎng)絡(luò)架構(gòu)HydraNet(“九頭蛇網(wǎng)絡(luò)”)?！?/p>

特斯拉構(gòu)建了多任務(wù)學(xué)習神經(jīng)網(wǎng)絡(luò)架構(gòu)HydraNet,能夠基于相同的視頻輸入，分別進行若干任務(wù)(檢測或判別);將上述任

務(wù)聚合在新的架構(gòu)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(gòu)被稱為

HydraNets。HydraNet能夠減少重復(fù)的卷積計算，減少主干網(wǎng)絡(luò)計算數(shù)量，還能夠?qū)⑻囟ㄈ蝿?wù)從主干中解耦出來，進行單獨微

調(diào)，比如車道識別、紅綠燈識別等任務(wù)都有專門的Head來負責，減少不同任務(wù)間的相互干擾。1)自動駕駛依靠過去的「2D

圖像+

CNN」實

現(xiàn)全自動駕駛的可能性較低，主要系攝像頭采集的數(shù)據(jù)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(shù)據(jù)的逐步增加，出現(xiàn)人工標注效率低、且溝通成本高等問題。1.2.2算法2.0:構(gòu)建多任務(wù)學(xué)習神經(jīng)網(wǎng)絡(luò)架構(gòu)，減少任務(wù)間的相互干擾Chongpeed:17.05MPH

STOP28666.6630eN000Pt1.35Y0.10R

0.00

degonfps:13.03Drow

fp3:12.94

Dlsploy

fpa:17.860.00),E(0.97).F(0.03).TF(0.00),S(0.00):FLP(0.00),FRP(0.00)TO

HIGH

BEAM圖：多任務(wù)學(xué)習神經(jīng)網(wǎng)絡(luò)架構(gòu)HydraNet圖：行駛過程中，不同任務(wù)采用不同顏色標注物體識別lunk車道預(yù)測regFullyConnected資料來源：

TeslaAIDay2021、汽車之心、華出現(xiàn)的問題：閱讀在本報告尾部的重要法律聲明

10:1

R:0F:W:7.9

AP:0.

VS:20.9

Mmerg

:infxolled

(Prt

0.30)交通信號燈De

der

TrunkcLc(3)2019-2020年：感知層引入BEV+Transfomer架構(gòu)實現(xiàn)圖像升維，并使用自動標注系統(tǒng)；FSD首次發(fā)布并上車內(nèi)測?！粼谔厮估磥?，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(guān)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(guān)系，由此通過Transformer中的注意力機制把每個像素映射到相對

應(yīng)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(jù)依賴關(guān)系繼續(xù)存在。Transformer的引入，使得BEV

視角在自動駕駛領(lǐng)域得以實現(xiàn)；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。◆2018年特斯拉自建了標注團隊，人員規(guī)模超過1000人；隨著數(shù)據(jù)的擴大，人員及成本壓力較大。2020年開始，特斯拉研發(fā)并

使用了數(shù)據(jù)自動標注系統(tǒng)；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(wù)器的離線神經(jīng)網(wǎng)絡(luò)大模型，由大模型

進行預(yù)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?！糗浖矫妫?)2020年10月，特斯拉FSD

Beta版本首次發(fā)布并開啟內(nèi)測；2021年初，馬斯克宣布

FSDBeta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(dǎo)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(yīng)、城市街道自動轉(zhuǎn)向等。1.2.3算法3.0:通過

BEV+Transfomer

架構(gòu)進行2D

升維，數(shù)據(jù)標注進入“

半自動”階段圖：特斯拉通過采集2D

圖像建立鳥瞰平面圖資料來源：汽車之心、Bilibili、智駕最前治閱讀在本報告尾部的重要法律聲明

11圖：算法無法識別超載三輪車的貨物1)BEV

仍然是對瞬時的圖像片段進行感知，汽車只能根據(jù)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(jù)此前看到行人在穿越馬路

的記憶，能夠意識到行人有繼續(xù)穿越馬路的意圖，從

而選擇減速或者剎車避讓。2)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；當自動駕駛的車輛進行超車變道時，極易發(fā)生

剮蹭等事故。1.2.3算法3.0:通過

BEV+Transfomer

架構(gòu)進行2D升維，數(shù)據(jù)標注進入“半自動”階段出現(xiàn)的問題：閱讀在本報告尾部的重要法律聲明12資料來源：汽車之心、華金證券研究所圖

：FSD

具備實時的局部地圖構(gòu)建的能力

圖：FSD

采用占用網(wǎng)絡(luò)的優(yōu)勢1、在

BEV空間生成了統(tǒng)一的體素，

可以預(yù)測任意一個體素的占用概率；2、能夠?qū)崟r預(yù)測被遮擋物體的狀態(tài)；3、可以為每個體素預(yù)測其運動狀態(tài)，

對隨機運動進行建模；4、獲取了所有相機的視頻流，并且

是統(tǒng)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(yōu)勢資料來源：懂車帝、汽車之心、智駕最前沿、

閱讀在本報告尾部的重要法律聲明

13(4)2021年-2022年：感知算法方面，時序信息的增加和0ccupancy

Network的應(yīng)用，視頻數(shù)據(jù)升至4維；決策規(guī)劃方面，特斯拉開始向“Machine

learning-based”傾斜；軟件方面，得益于FSD進入公測、且公測范圍不斷擴大，V9/V10/V11版本加速更新優(yōu)化?！?021年，特斯拉感知網(wǎng)絡(luò)架構(gòu)引入了時空序列特征層，使用視頻片段，而不是圖像來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，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(jīng)網(wǎng)絡(luò)獲得幀間連續(xù)的感知結(jié)果的能力，與BEV結(jié)合后則使FSD獲得了應(yīng)對視野盲區(qū)

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(gòu)建的能力，F(xiàn)SD才能不依賴高精地圖進行城市中的自動駕駛?！?022年，特斯拉又將

BEV

升級到了0ccupancy

Network(占用網(wǎng)絡(luò)),由過去的2D真正升級為3D;在0ccupancyNetwork之下，原本的

BEV空間被分割成無數(shù)的體素，即使無法識別物體的類別，也能通過預(yù)測每個體素是否被占用來更好執(zhí)行駕駛

任務(wù)，如估算單輛車或單個人在BEV網(wǎng)格圖中將占多少個方塊。1.2.4算法4.0:Occupancy

Network的應(yīng)用降低計算復(fù)雜性，時序信息的引入則將圖像識別推向4D圖

：OccupancyNetwork運行的顯示過程圖

：FSD

基于光流法來判斷時間流光流法：假設(shè)構(gòu)成某一物體的像素亮度恒定；時間連續(xù)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1.2.4算法4.0:Occupancy

Network的應(yīng)用降低計算復(fù)雜

性，時序信息的引入則將圖像識別推向4D◆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0ccupancy泛化能力，可以在僅有少量標注數(shù)據(jù)的情況下，實現(xiàn)高質(zhì)量的物體檢測和重建；相較處理大規(guī)模的3D

特征圖可能會非常耗時和計算密集，Occupancy

Network的應(yīng)用能夠有效降低計算的復(fù)雜性。與此同時，F(xiàn)SD基于光流法來判斷時間流，像素

間的遷移也使得0ccupancy

Network最終帶來的投影升級為4D。資料來源：智駕最前沿、汽車之心、Bilibi1閱讀在本報告尾部的重要法律聲明

14◆決策層面：2021年，特斯拉開始在路徑規(guī)劃層面部分加入神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)，大部分依然是人工規(guī)則代碼。2022年，新推出的“交互搜

索網(wǎng)絡(luò)”將蒙特卡羅算法結(jié)合應(yīng)用到0ccupancy

網(wǎng)絡(luò)中，計算出的每個軌跡都會有一個成本函數(shù)來優(yōu)化樹搜索給出候選目

標較多等問題，該函數(shù)取決于碰撞概率、舒適度、干預(yù)可能性和人類操作相似性這四大因素；交互搜索網(wǎng)絡(luò)成功將計算耗

時從1到5毫秒降低到100微秒；但函數(shù)部分仍然是基于規(guī)則的代碼?！糗浖矫妫?021年馬斯克宣布FSDBeta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(jié)奏；更新頻率來

看，則呈現(xiàn)較為明顯的加速迭代，由期初的兩月一更，逐步演變?yōu)槊吭聝傻饺?、甚至每月四更。伴隨著測試范圍的擴大

及駕駛數(shù)據(jù)的增加，V9/V10/V11版本主要聚焦在功能的優(yōu)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(wǎng)絡(luò)”算法InteractionSearch

交互搜索網(wǎng)絡(luò)V決策樹生成V傳統(tǒng)決策路徑

V輕量級可查詢網(wǎng)絡(luò)-1

to

5

ms

per

action△候選路徑的生成由原先的1-5ms

降低為-100us-圖：特斯拉“交互搜索網(wǎng)絡(luò)”算法Interaction

SearchTRAJECTORYGENERATI決策樹剪枝/評分人類操作相似性(通過“影子模

式”)1.2.4算法4.0:OccupancyNetwork的應(yīng)用降低計算復(fù)雜性，時序信息的引入則將圖像識別推向4D資料來源：搜狐網(wǎng)、澎湃新聞、晴數(shù)智慧、脾

閱讀在本報告尾部的重要法律聲明15舒適度干預(yù)可能性O(shè)NINTERACTIONS/INTERMEDIAT碰撞概率BRANCHING2024年1月，特斯拉推出FSD

V12

Beta,算法進入“端

到端”階段；同時，F(xiàn)SD

V12

Beta是全球第一個實現(xiàn)

“端到端”的AI自動駕駛系統(tǒng)(Full

AI

End-to-End)?！粼诖酥埃厮估扇〉摹澳K化”技術(shù)路線，即每

個模塊負責特定問題，獨立進行開發(fā)和訓(xùn)練，然后再

將不同模塊系統(tǒng)集成以完成自動駕駛?cè)蝿?wù)。而新推出

的“端到端”技術(shù)路線實現(xiàn)了從多維傳感器數(shù)據(jù)輸入，

直到操作指令輸出的整個流程；一方面將感知、預(yù)測、

規(guī)劃的多模型組合架構(gòu)變成了“感知決策一體化”的

單模型架構(gòu)，簡化系統(tǒng)，減少錯誤傳遞，另一方面讓

神經(jīng)網(wǎng)絡(luò)完全代替了人工規(guī)則編寫，替換掉了超過30

萬行C++代碼，實現(xiàn)了從規(guī)則驅(qū)動到數(shù)據(jù)驅(qū)動的轉(zhuǎn)變?！?/p>

隨后，國內(nèi)多家企業(yè)跟進特斯拉采取“端到端”技術(shù)

路線。1月30日，何小鵬表示小鵬智駕未來將實現(xiàn)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(gòu)的主動安全功能；3月17日，元戎啟行宣

布已經(jīng)成功將端到端模型適配到量產(chǎn)車上，該批量產(chǎn)

車將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(fā)。1.2.52024年感知決策規(guī)劃大融合，

“端到端”成為全局最優(yōu)

解

資料來源：特來訊、電動湃、第一電動汽車網(wǎng)

閱讀在本報告尾部的重要法律聲明

1

6優(yōu)勢：①

模塊化開發(fā)，降低工程落地難

度。②

每個模塊輸入輸出的白盒化，

系統(tǒng)可解釋性更強。一旦發(fā)生問

題，更利于車企定位。優(yōu)勢：①Machine

learning-based,潛力巨大。②簡潔高效，易于訓(xùn)練。劣勢：①黑匣子，系統(tǒng)可解釋性差。模型架構(gòu)感知

決策規(guī)劃

執(zhí)行圖：“模塊化”與“端到端”優(yōu)劣勢對比與模型架構(gòu)劣勢：①

模塊之間集成困難，錯誤累加、

反應(yīng)延遲等。②Rule-based,潛力有限。“模塊化”ClassicalApproach方向指令速度指令“端到端”End-to-End車載傳感器O優(yōu)勢劣勢神經(jīng)網(wǎng)絡(luò)

模型特斯拉于2014年推出FSD

HW1.0,后續(xù)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。◆

從硬件配置上，特斯拉FSD堅持純視覺方案，高度依賴攝像頭進行感知。根據(jù)FSD

HW1.0-HW4.0配置對比分析來看，攝像頭數(shù)量持續(xù)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?！粼诙藗?cè)處理器方面，特斯拉持續(xù)增加配置、強化算力。HW1.0階段基于1顆Mobi

leye

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

PX2

計算平臺；2017

年的HW2.5階段又在HW2.0基礎(chǔ)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(nèi)核數(shù)量為12;HW4.0自研芯片升級為FSD

2,同時提升至20核、內(nèi)核數(shù)量提升66.67%。硬件代號HW

1.0HW

2.0HW

2.5HW

3.0HW4.0發(fā)布時間2014.092016.102017.082019.042023.01核心處理器Mobileye

EyeQ3x1

NVIDIA

Tegra

3x1NvidiaParker

SoCx

1Nvidia

Pascal

GPUx1

英飛凌TriCore

MCUx1NvidiaParker

SoCx2Nvidia

Pascal

GPUx1

英飛凌TriCore

MCUx1F

S

D

1

芯

片

x

2(12核)第二代FS

D

2芯片x2(20核)攝像頭數(shù)量288812毫米波雷達11111超聲波雷達1212121201.3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”

圖：特斯拉FSD

硬件端迭代歷程(簡化版)閱讀在本報告尾部的重要法律聲明

17資料來源：全國能源信息平臺、懂車帝、第-硬件代號HW

1.0

HW

2.0

HW

2.5

HW

3.0HW

4.0發(fā)布時間2014.092016.10

2017.08

2019.042023.01核心處理器Mobileye

EyeQ3Nvidia

Parker

SoCx

1NvidiaPascal

GPUx

1

英飛凌TriCore

MCUx1Nvidia

Parker

SoCx2Nvidia

Pascal

GPUx1

英飛凌TriCore

MCU

x1FS

D

1芯片x2(12核)第二代FS

D

2芯片x2(20核)內(nèi)存容量256MB6GB

8GB

8GBx2未知閃存容量4GBx2未知處理能力1X40X

40X/冗余

420X/冗余未知每秒幀數(shù)36110

110

2300未知TOPS運算能力0.25612

12

144未知估計功率25W250W

300W

220W未知前置攝像頭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個冗前側(cè)攝像頭02(80米測距)2(80米測距)2(80米測距)余，可用11個);攝像頭像素從原來的120后側(cè)攝像頭02(100米測距)

2(100米測距)

2(100米測距)萬提升到了500萬，探測后置攝像頭1111距離至少424米。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);前向毫米波雷達(大陸);前向毫米波雷達(大陸);

160米測距

170米測距170米測距高精度4D毫米波雷達；300米測距超聲波雷達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1.3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

”圖：特斯拉FSD硬件端迭代歷程閱讀在本報告尾部的重要法律聲明

1

8資料來源：全國能源信息平臺、懂車帝、第一芯片供應(yīng)商由Mobileye換為英偉達，

處理器能力提升：內(nèi)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(shù)由36幀/秒增至110幀/秒；處理器功率由25W

增至250W;攝像頭數(shù)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1.3.1HW1.0→HW2.0:算力平臺處理能力提升40倍，攝像頭數(shù)量增加4倍圖：特斯拉硬件HW

2.0圖：特斯拉硬件HW

1.0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(yīng)用

層軟件開發(fā)。>基于英偉達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(chǎn)品。>HW

2.0階段特斯拉掌握圖像識別算

法+應(yīng)用層軟件開發(fā)。(2)FSD

HW

2.0:圖像識別算法+應(yīng)用層軟件開發(fā)(1)FSD

HW1.0:應(yīng)用層軟件開發(fā)閱讀在本報告尾部的重要法律聲明

1

9資料來源：懂車帝、必應(yīng)圖片搜索、teslagu1.3.2HW2.0→HW2.5:毫米波雷達供應(yīng)商更換，新增哨兵模式

等

功

能圖：特斯拉硬件HW

2.0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(shù)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。處理器能力大幅提升：內(nèi)存容量由6GB增

至

8GB;處理器功率由250W

增至300W;傳感器數(shù)量不變，但毫米波雷達供應(yīng)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哨兵模式：能夠在

Tesla車輛停放并落鎖

后，監(jiān)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(yīng)用

程序的提示警報。基于英偉達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(chǎn)品。HW2.0階段特斯拉掌握圖像識別

算法+應(yīng)用層軟件開發(fā)。(3)FSD

HW

2.5:圖像識別算法+應(yīng)用層軟件開發(fā)(2)FSD

HW

2.0:圖像識別算法+應(yīng)用層軟件開發(fā)閱讀在本報告尾部的重要法律聲明

2

0資料來源：懂車帝、特斯拉官網(wǎng)、必應(yīng)圖片搜圖：特斯拉硬件HW2.5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(chǎn)品，自研高度集成的SoC+MCU

芯片處理器能力大幅提升：內(nèi)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(shù)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(tǒng)硬件集成在一個控制器中圖：特斯拉硬件HW

2.5圖：特斯拉硬件HW

3.0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(shù)量不變。>Model3將駕駛輔助硬件和娛樂系

統(tǒng)硬件集成在一個控制器中，但電

路設(shè)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?；谟ミ_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(shù)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。1.3.3

HW2.5→HW3.0:啟用自研的高度集成FSD

一代芯片(4)FSD

HW

3.0:全套芯片設(shè)計+圖像識別算法+應(yīng)用層軟件開發(fā)(3)FSD

HW

2.5:圖像識別算法+應(yīng)用層軟件開發(fā)閱讀在本報告尾部的重要法律聲明

2

1資料來源：懂車帝、華金證券研究所芯片升級：HW4.0

采用三星代工的第二代FSD

7nm制

程芯片，預(yù)估總算力在300Tops-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(nèi)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(nèi)核，最大頻

率為2.35GHz,

閑置頻率為1.37GHz;TRIP內(nèi)核數(shù)量從2個增加到3個，最大頻率2.2GHz;攝像頭數(shù)量增加、像素升級：攝像頭數(shù)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(shù)量減少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(shù)量不變。>

Model

3將駕駛輔助硬件和娛樂系

統(tǒng)硬件集成在一個控制器中，但電

路設(shè)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。資料來源：懂車帝、車家號、全國能源信息>HW4.0

采用三星代工的第二代FSD7nm

制程芯片，算力是HW3.0

的3倍以上。CPU

內(nèi)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(cè)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。閱讀在本報告尾部的重要法律聲明221.3.4

HW3.0→HW4.0:攝像頭數(shù)量新增50%,毫米波雷達以

高

精

度

4

D

版

本

回

歸(4)FSD

HW

3.0(2019年3月):全套芯片設(shè)計+圖像識別算法+應(yīng)用層軟件開發(fā)圖：特斯拉硬件HW

3.0(5)FSD

HW

4.0(2023年2月):全套芯片設(shè)計+圖像識別算法+應(yīng)用層軟件開發(fā)圖：特斯拉硬件HW4.0中間版本的變動更新：2021年5月起，分批移除不同車型裝配的毫米波雷達；2022年10月起，取消超聲波傳感器圖：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(lián)手發(fā)布的4D

成像雷達方案Results:False

Slowdowns

under

Bridges凈空區(qū)(綠色區(qū)塊)oiutom

adCUbTEK資料來源：高工智能汽車、華金證券研究所

閱讀在本報告尾部的重要法律聲明23◆此前棄用毫米波雷達的原因(1)一方面系傳統(tǒng)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(jiān)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(dǎo)致碰撞。(2)另一方面則系毫米波雷達信道數(shù)量限制了其感知能力的提升；相較而言，攝像頭能夠產(chǎn)生大量

數(shù)據(jù)，軟件的改進可以使這些數(shù)據(jù)得到最大限度的利用?！舳鴮τ诤撩撞ɡ走_的回歸，主要系(1)高精度4D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(tǒng)供應(yīng)商都在加快推動4D成像毫米波雷達的量產(chǎn)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

案的選擇項之一。(2)能夠彌補純視覺方案的風險；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(yīng)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(jù)發(fā)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(huán)境下也能使用。1.3.4

HW3.0→HW4.0:攝像頭數(shù)量新增50%,毫米波雷達

以高精度4D版本回歸HW

4.0版本中，毫米波雷達的回歸主要為提升FSD現(xiàn)有的安全性及可靠性◆協(xié)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；◆速度方面，能夠確定車輛和物體各自的速度；◆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(qū)分開；◆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(yīng)用在探測道路上方的立交橋或

其他橋梁。

解析特斯拉FSD2.1

受益于數(shù)據(jù)量、算力、硬件適配度方面的領(lǐng)先，特斯拉FSD的技術(shù)競爭力較強2.1.1FSD駕駛決策的擬人化程度較高2.1.2FSD智駕的安全性、可靠性較為凸顯2.1.3將純視覺方案做到極致，有效節(jié)省了運算空間及成本2.2特斯拉FSD有待改進的方面2.2.1

與同價位車型配備的智駕方案相比，F(xiàn)SD價格較高2.2.2純視覺方案在惡劣天氣等場景的性能略弱

閱讀在本報告尾部的重要法律聲明

2

4車企公布月份公里數(shù)特斯拉2024年4月行駛超過16.1億公里(即10億英里

)華

為

A

D

S2024年4月總里程超過2億公里蔚

來

N

O

P

+2024年3月行駛總里程達到8.49億公里小

鵬

N

G

P2024年3月行駛里程超過7.3億公里理想LCC及+NO

A2024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(shù)(單位：英里)1BFSD

Miles

Driven1,000,000,000800.000.000600.000.000400.000.000200.000.000(1)數(shù)據(jù)量：

AI模型的效果取決于輸入數(shù)據(jù)的數(shù)量及質(zhì)量，輸入的優(yōu)秀行駛數(shù)據(jù)越多，AI模型便能做出更適合、更

優(yōu)異的行駛決策。FSD自2020年10月開始北美地區(qū)內(nèi)測，隨著FSD推送地區(qū)及推送用戶的增多，特斯拉擁有的行駛數(shù)據(jù)

會呈指數(shù)級上漲；在數(shù)據(jù)量上，國內(nèi)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(shù)助力下的

汽車已經(jīng)行駛了超過10億英里、相當于16.1億公里，而國內(nèi)廠商方面，暫無達到該里程數(shù)的企業(yè)。2.1受益于數(shù)據(jù)量、算力、硬件適配度方面的領(lǐng)先，特斯拉FSD

的技術(shù)競

爭

力較

強表：各車企智能駕駛方案的行駛里程數(shù)資料來源：第一電動汽車網(wǎng)、第一財經(jīng)、特來2(2)龐大的算力中心：AI

模型接受數(shù)據(jù)訓(xùn)練，是建立在算力平臺上的，其計算能力及算力投入都是關(guān)鍵指標?！?)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),而2022年特斯拉算力中心的算力已經(jīng)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(jù)特斯拉2023年6月發(fā)布的算力發(fā)展規(guī)劃，

Dojo將在2024年10月達到100

EFlops算力。◆2)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H100GPU的新訓(xùn)練集群，H100GPU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于硬件成本；馬斯克曾公開表示，2023年特斯拉花在擴大訓(xùn)練運算算力的預(yù)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(nèi)廠商的算力投入與特斯拉仍存在較大差異。圖：特斯拉算力中心車企

算力中心算力

算力投入2023年研發(fā)投入特斯拉●

2022年2EFLOPS預(yù)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3.3EFLOPS44.38億元(賽力斯)蔚來

134.31億元小鵬

2022年600PFLOPS(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(fā)，并投入超7億元用于算力訓(xùn)練52.77億元理想2023年預(yù)計至少750

PFLOPS(每秒浮點運算75億億次)資料來源：第一電動汽車網(wǎng)、新華網(wǎng)、電動湃105.86億元2.1受益于數(shù)據(jù)量、算力、硬件適配度方面的領(lǐng)先，特斯拉FSD

的技術(shù)競爭力較強閱讀在本報告尾部的重要法律聲明26圖：特斯拉HW系列自動駕駛硬件解決方案◆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，同時也是量產(chǎn)車型上目前深度學(xué)習理論性能最強的方案；而目前，HW

已經(jīng)進化到了4.0時代。◆自研硬件的優(yōu)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(fā)自由度高，更能支持

特斯拉的創(chuàng)新性算法及其他相關(guān)技術(shù)方案。相較來看，大部分國內(nèi)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。2.1受益于數(shù)據(jù)量、算力、硬件適配度方面的領(lǐng)先，特斯拉FSD

的技術(shù)競爭力較強(3)適配度高的自研硬件解決方案：資料來源：第一電動汽車網(wǎng)、華金證券研究所

閱讀在本報告尾部的重要法律聲明

27C■“V12環(huán)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。”■“對橫向穿行速度較快的無保護轉(zhuǎn)彎，V12

能夠耐心等待時機，并且速度控制也較V11更為

優(yōu)秀，有時候能夠不完全剎停，保持蠕行，還

能較早進行預(yù)加速，保持通行高效。”◆此前，特斯拉

FSD

V11與大部分智能駕駛系統(tǒng)一樣，速度控制生硬，處理突發(fā)情況時會突然剎車或加速，并帶有明顯的機械感；而FSDV12

通過端到端訓(xùn)練學(xué)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FSDV12

的賽博汽車平臺博主「EatElephant」

列舉了以下方面：■“V12

速度和轉(zhuǎn)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(zhuǎn)彎過程中

幾乎都感覺不到頓挫?！薄觥癡12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(xiàn)。”■“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■“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(shè)定限速，

給人感覺略微機械?！薄觥懊鎸τ仪胺降尿T行人的場景，V11會對騎行人過度小心，規(guī)劃出一條大幅繞行路線。”■“在直行遇到前方遠處左轉(zhuǎn)的車輛時，V11的反應(yīng)是明顯減速。”2.1.1FSD駕駛決策的擬人化程度較高B路上與其他參與者交互A

速度與轉(zhuǎn)向控制圖：特斯拉流暢的轉(zhuǎn)向控制V12

如何掉頭、過環(huán)島了足夠的安全冗余空間。”資料來源：賽博汽車、新浪科技、百度圖片搜閱讀在本報告尾部的重要法律聲明

2

8■“在夜間行駛時，它能夠像人類一樣先右轉(zhuǎn)駛?cè)雰奢v靠邊的停車之間巧妙的避讓對向來車，待對向來車駛離后再向左打方向盤繼續(xù)前進?！薄觥白詈笠欢螠y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?！薄鐾瑫r，F(xiàn)SD

V12

還展示了一些類似智慧涌現(xiàn)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(fā)現(xiàn)了一個小停車場，果斷不遵守導(dǎo)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(shù)中的一次重大突破，因為通常系統(tǒng)會嚴格

遵循導(dǎo)航路線，自行偏離導(dǎo)航的行為幾乎不可接受?！觥翱紤]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(dǎo)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。”■“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(jù)引導(dǎo)標識在臨時開辟的道路上行駛?！?.1.1FSD駕駛決策的擬人化程度較高■“即使需要駛向?qū)ο蜍嚨溃材軌虿皇苣嫘袠俗R和中心黃線的限制?！盌

視覺的測距能力E

長尾場景處理資料來源：賽博汽車、新浪科技、華金證券閱讀在本報告尾部的重要法律聲明

2

9◆FSD

的安全性、可靠性的優(yōu)勢較為凸顯：(1)安全性方面，根據(jù)特斯拉公開的最新安全數(shù)據(jù)，特斯拉車輛在開啟

FSD

功能后，每行駛539萬英里才可

能發(fā)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(shù)相當于美國一般駕駛員的8.04倍，即便是基礎(chǔ)駕駛狀態(tài)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(huán)境下的無關(guān)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(xué)教授、汽車學(xué)院副院長熊璐曾表示，北

京、上海、廣州等地的自動駕駛企業(yè)，基本上每行駛十幾或幾十公里就需要人工接管一次。City

DistancetoCritical

Disengagement3002001002.1.2

FSD智駕的安全性、可靠性較為凸顯圖：各個版本與地點相關(guān)的持續(xù)性問題的統(tǒng)計數(shù)字pci600400200×圖：城市中多少里程發(fā)生一次關(guān)鍵接管的數(shù)據(jù)閱讀在本報告尾部的重要法律聲明30資料來源：1T之家、快科技、賽博汽車、華12.3Miles

Kilometers386.70622.33Miles2.1.3將純視覺方案做到極致，有效節(jié)省了運算空間及成本

◆從算法端來看，2022年推出的Occupancy

Network,在較大程度上降低了運算難度。正如前面所提到的，占用網(wǎng)絡(luò)

并不能識別周邊物體具體是什么,只顯示大致輪廓；但占用網(wǎng)絡(luò)具有很強的泛化能力，可以在僅有少量標注數(shù)據(jù)的

情況下，實現(xiàn)高質(zhì)量的物體檢測和重建；相較處理大規(guī)模、高精度的3D

特征圖，占用網(wǎng)絡(luò)的應(yīng)用能夠有效降低計

算的復(fù)雜性。此外，F(xiàn)SD

V12實現(xiàn)了“端到端”神經(jīng)網(wǎng)絡(luò)的落地，能夠有效提升運算效率。馬斯克在直播中表示，

FSDV11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(wǎng)絡(luò)，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(tǒng)的穩(wěn)定性，讓車輛智能駕駛更加安全。◆從硬件端來看，純視覺方案下，F(xiàn)SD

V12更像是一個人類的大腦，99%的決策都是由神經(jīng)網(wǎng)絡(luò)給出的，無需采購成本

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(zhuǎn)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(yè)的發(fā)展及智駕領(lǐng)域的內(nèi)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(chuàng)來自ADAS應(yīng)用的激光雷達產(chǎn)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

fool's

errand”,認為激光是一項價格昂貴但毫無用處的技術(shù)。2)高精地圖方面，業(yè)中高精地圖的價格大都在300元每年每輛車，

一輛車從研發(fā)到最終量產(chǎn)，高精地圖大概需要2100元成本?！羧欢鶕?jù)路咖汽車預(yù)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(shè)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。閱讀在本報告尾部的重要法律聲明

31資料來源：智源社區(qū)、第一電動汽車網(wǎng)、華爾圖：各車企智駕包的訂閱價及買斷價特斯拉(FSD)MODELY24.99萬99美元/月

64000元(中國區(qū))8000美元(海外)問界(高階智能駕駛系統(tǒng)ADS

2.0)問

界

M

724.98-32.98萬720元/月7200元/年36000元蔚

來

(

N

A

D

)ES633.8-39.6萬680元/月理

想

(

N

O

A

)L730.18-35.98萬免費(已含在車

免費價中)小鵬(Xpilot

4.0)P7

免費(已含在車免費20.99-33.99萬

價中)極

氪

(

N

Z

P

)極氪00126.9-40.3萬免費(已含在車

免費價中)2.2.1與同價位車型配備的智駕方案相比，F(xiàn)SD

價格較高

◆對比目前市面上大部分配備高階輔助駕駛技術(shù)的車型，特斯拉銷售主力車型MODELY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ADS2.0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。完全自動駕駛能力￥64,000·基礎(chǔ)版輔助駕駛和增強版自動輔助駕駛的全部

功能。稍后推出：·識別交通信號燈和停車標志并做出反應(yīng)。

·在城市街道中自動輔助駕駛。目前可用的功能需要駕駛員主動進行監(jiān)控，車輛尚未實現(xiàn)完

全自動駕駛。上述功能的激活與使用將需要數(shù)十億英里的行

駛里程的論證，以達到遠超人類駕駛員的可靠性；同時還有

賴于行政審批(某些司法管轄區(qū)可能會需要更長的時間)。

隨著上述自動駕駛功能的進化與完善，您的車輛將通過OTA

空中軟件更新而持續(xù)升級。圖：特斯拉FSD智駕包在中國的推薦界面閱讀在本報告尾部的重要法律聲明32資料來源：快科技、騰訊網(wǎng)、鳳凰網(wǎng)科技、添加此功能了解更多◆攝像頭在極端天氣或光線不佳情況下、其檢測能力不及激

光雷達；◆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

情況下極易造成誤判。之前特斯拉車型在開啟AutoPilot后，

經(jīng)過立交橋或者普通橋梁之下時偶發(fā)突然自動剎車的情況，

就是因為算法將攝像頭里突然出現(xiàn)的陰影當做障礙物導(dǎo)致

的。◆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(huán)境中的距

離；在暗光條件下，激光雷達也比相機表現(xiàn)更好，產(chǎn)生的

誤差更少。◆根據(jù)美國汽車協(xié)會的一份報告，目前的攝像頭行人檢測系統(tǒng)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(tǒng)在白天和晚上都能很好地探測行人，因為激

光雷達系統(tǒng)通過激光束提供自我照明。2.2.2純視覺方案在惡劣天氣等場景的性能略弱圖：各極端場景下，攝像頭與激光雷達的視覺對比閱讀在本報告尾部的重要法律聲明

3

3資料來源：懂車帝、與非網(wǎng)、華金證券研究陽光直射陰影處雨天◆2024年4月底，美國國家公路交通安全管理局

(NHTSA)發(fā)布

了一項新規(guī)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(tǒng)

(AEB),包括行人AEB(PAEB)

系統(tǒng)，且這些系統(tǒng)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(huán)境下的安全性，包括

NHTSA要求的夜間環(huán)境、雨霧天氣。◆特斯拉自身似乎也意識到這個問題，近年來反復(fù)對FSD純視

覺技術(shù)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LuminarTechnologies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(chǎn)品客戶；

當季特斯拉貢獻了Luminar超過10%收入，根據(jù)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(shè)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

.

12%);同時，Luminar還透露，自2021年開始特斯拉就

從Luminar陸續(xù)采購過激光雷達產(chǎn)品，但采購數(shù)量并不大。黨曾在(b馬use的音聊天室露面時，度承認所筆對激光雷達“出言不當”,且SpaceX就有在內(nèi)部搭載激光雷達。圖：64線激光雷達2.2.2純視覺方案在惡劣天氣等場景的性能略弱閱讀在本報告尾部的重要法律聲明

34資料來源：環(huán)球網(wǎng)科技、電子工程專輯、驅(qū)

特斯拉FSD進入中國市場的進度3.1特斯拉FSD入華或成關(guān)鍵議題3.2FSD進入中國市場所面臨的阻礙3.2.1或因缺乏冗余設(shè)計，F(xiàn)SD

自動駕駛功能評級停留在L2級別3.2.2數(shù)據(jù)安全問題阻礙FSD在中國市場全面推廣

3.3特斯拉為FSD進入中國市場所做的相應(yīng)舉措3.4FSD銷售預(yù)期展望

閱讀在本報告尾部的重要法律聲明35◆2024年4月28日，應(yīng)中國貿(mào)促會邀請，馬斯克抵達北京，先后與中國外交部、工業(yè)和信息化部、商務(wù)部、中國國際貿(mào)易促進

委員會的相關(guān)領(lǐng)導(dǎo)會面，并前往上海特斯拉超級工廠；多方猜

測，或由于經(jīng)濟不確定性導(dǎo)致特斯拉的核心電動汽車業(yè)務(wù)采用

速度放緩，特斯拉的核心電動汽車業(yè)務(wù)陷入困境，寄希望于通

過采用其

FSD軟件套件來獲得經(jīng)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(jiān)管機構(gòu)的批準下，將其作為受監(jiān)管的自治系統(tǒng)發(fā)布到任何我

們可以獲得監(jiān)管機構(gòu)批準的市場，我們認為其中包括中國。”◆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(xiàn)有特斯拉車主提高軟件與服務(wù)的

使用率，為即將推出的

FSD以及機器人出租車業(yè)務(wù)做好準備?！?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(yè)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(nèi)部測試，并計

劃在未來幾個月內(nèi)升級推送給中國用戶。出游季體驗行增強版自動輔助駕駛嘗鮮包全新上線月包

699

元

季包

1,399

元配備基礎(chǔ)版自動輔助駕駛功能且未購買EAP/FSD

的車輛，可前往TeslaApp升級軟件升級頁面，特事嘗鮮體驗價。3.1特斯拉FSD

入華或成關(guān)鍵議題圖：特斯拉(中國)新推出兩種EAP訂閱選項增強版自動輔助駕駛(EAP)閱讀在本報告尾部的重要法律聲明

36資料來源：新浪財經(jīng)、觀點新媒體、華金證券SAE

SAE

J3016"自動駕駛等級L。SELEVEL4駕駛員坐在駕駛座上需要做些什么?以下是輔助駕駛功能

以下是自動駕駛功能能夠制動、加速或轉(zhuǎn)向，輔助駕駛功能示例

·

自動緊急制動·車道偏離修正·視覺盲點提醒或·車身穩(wěn)定系統(tǒng)

·

自適應(yīng)巡航置可能無需安裝若您需要更詳細的信息，請訪問下載SAEJ301