我们认为，经过3年测试，特斯拉FSD在算法、数据、硬件等各方面皆已构筑坚实壁垒。虽仍属L2+产品，但或已初步具备L3能力，且用户评价整体向好。在北美地区，我们判断FSD已来到正式落地的前夜，有望于下一代V12版本正式摘掉Beta，并向更大范围的消费者渗透。在北美以外地区，特斯拉亦在积极推动FSD的落地进程，入华趋势也愈发明确，有望整体加速中国车企的智能化进程。
　　▍美国：FSD技术或已接近成熟，当前处于正式规模化推送的前夜。特斯拉意在通过FSD功能实现完全自动驾驶，但当前仍为Beta版本，且受法规限制仍属L2+产品。我们认为，FSDBeta经过3年测试，技术端或已初步具备L3能力，有望在有驾驶员接管兜底的前提下实现较高的自动驾驶水平。根据特斯拉2023年1月25日发布的4Q22 Shareholder Deck，FSDBeta版本在北美地区（美国和加拿大）的部署车辆已达40万辆，对比特斯拉截至2022年底在北美累计销售约170万辆车，渗透率超20%。同样自2022年底起，特斯拉先后取消FSDBeta的安全评分机制、加速在北美的功能推送、统一高速/城区技术栈，我们认为，这或都代表着FSD已来到了正式规模化推送的前夜。目前FSDBeta已迭代至V11.4.4版本，而马斯克于6月27日在推特回复评论时表示，FSDV12版本将移除Beta，以正式版进行发布，我们预测该时间点或在2024年前后。
　　届时，若马斯克兑现曾提到的“1个月免费试用”计划，FSD在北美地区的选装率有望得到显著提升，并通过15000美元的高定价（一次性买断价格）和预计90%左右的高毛利，为特斯拉带来可观利润及收入。
　　▍中国：FSD入华趋势愈发明确，将有望整体利好中国车企的智能化进程。尽管具体时间未知，但我们认为FSD入华是整体趋势，当前距离真正落地还有两大门槛：1）资质：特斯拉影子模式极有可能被判定为地图测绘行为，如何与甲级测绘资质企业合作并在中国合法合规地进行道路数据采集目前仍有商讨空间。
　　2）数据：道路数据高度敏感，因此我们认为特斯拉在中国采集的数据大概率不得回传美国，需在中国本土建立数据和超算中心，并搭建数据闭环的工程团队。
　　我们认为，当FSD入华切实落地后，有望整体加速中国电动汽车的智能化进程，在强化消费者教育和认知、扩大市场的同时促进车企优胜劣汰。深耕高阶智驾功能并以此为差异化卖点的中国车企或有望受益，但对于受价格战冲击较大、自研能力较弱的中低端车型来说，未来或面临更大压力。
　　▍壁垒：特斯拉FSD或领先国内乘用车头部玩家2-3年的时间，主要体现在以下四大方面：1）算法：特斯拉自2020年起在感知算法端引入BEV+Transformer，并配合Occupancy Network概念，大幅提升视觉方案的感知精确度，领先国内头部玩家2年左右的时间。此外，马斯克表示FSD下一代V12版本计划实现端到端自动驾驶，届时自动驾驶车端模型的规模将进一步扩大，特斯拉在算法端的领先性或也将进一步凸显；2）数据量：“百万车队+影子模式”使特斯拉在数据量上显著领先其它电车玩家。相较之下，国内自研能力较强的造车新势力销量仍有待提升，且此前仍主要依赖少数测试车进行数据采集；3）数据闭环：特斯拉构建了一套高度自动化、流程化、工业化的数据训练体系，包括数据采集、标注、训练等流程闭环，以及超算中心dojo等基础设施。这需要超强的工程实践能力和大量的经验know-how，国内玩家的数据闭环仍有待完善。4）硬件：特斯拉自研自动驾驶芯片FSD和HW硬件系统。搭载第二代FSD芯片的最新版本HW4.0已于23Q1开始在美国上车交付。自研的硬件系统与神经网络算法高效耦合，有望助力特斯拉自动驾驶方案实现更佳的降本增效，而中国车企的芯片和域控仍多为外采。
　　▍风险因素：FSD技术进展不及预期，V12版本迟迟不落地；FSD在北美地区选配率不及预期；FSD出现重大安全事故；FSD在欧亚等非北美地区的进展不及预期；特斯拉销量不及预期等；FSD迟迟未能落地中国；FSD在中国大幅调低售价，挤压中国车企空间等。
　　▍投资建议：在美国，特斯拉FSD已来到了正式规模化推送的前夜，下一代V12版本有望移除Beta，以正式版进行发布。届时，若马斯克兑现曾提到的“1个月免费试用”计划，FSD在北美地区的选装率或将显著提升，建议持续关注FSDV12版本的推送情况。此外，特斯拉正在积极推进FSD功能在北美以外地区的落地，包括亚洲、欧洲、中东等国家，进军海外有望进一步丰富特斯拉场景库并带来可观收入，建议持续跟踪FSD在海外的落地节奏。具备算法、硬件和数据优势的特斯拉（TSLA.US）有望进一步打开市场。而若FSD正式进入中国，有望加速中国电动汽车的智能化进程。一方面，特斯拉作为行业领军者，有望借FSD加强中国消费者对智驾功能的认知，扩大市场容量。此外，深耕高阶智驾功能并以此为差异化卖点的车企有望率先受益，包括赛力斯（601127.SH）、奇瑞等华为智选车合作伙伴，以及小鹏汽车（ 09868.HK/XPEV.US ）、蔚来汽车（ 09866.HK/NIO.US ）和理想汽车（02015.HK/LI.US）等。另一

研究报告全文：特斯拉FSD的chatGPT时刻到来了吗产业策略自动驾驶系列2023710中信证券研究部核心观点我们认为经过3年测试特斯拉FSD在算法数据硬件等各方面皆已构筑坚实壁垒虽仍属L2产品但或已初步具备L3能力且用户评价整体向好在北美地区我们判断FSD已来到正式落地的前夜有望于下一代V12版本正式摘掉Beta并向更大范围的消费者渗透在北美以外地区特斯拉亦在积极推动FSD的落地进程入华趋势也愈发明确有望整体加速中国车企的智能化进程连一席产业策略首席分析美国FSD技术或已接近成熟当前处于正式规模化推送的前夜特斯拉意在师通过FSD功能实现完全自动驾驶但当前仍为Beta版本且受法规限制仍属S1010523020002L2产品我们认为FSDBeta经过3年测试技术端或已初步具备L3能力有望在有驾驶员接管兜底的前提下实现较高的自动驾驶水平根据特斯拉2023年1月25日发布的4Q22ShareholderDeckFSDBeta版本在北美地区美国和加拿大的部署车辆已达40万辆对比特斯拉截至2022年底在北美累计销售约170万辆车渗透率超20同样自2022年底起特斯拉先后取消FSDBeta的安全评分机制加速在北美的功能推送统一高速城区技术栈我们认为这或都代表着FSD已来到了正式规模化推送的前夜目前FSDBeta已迭沈思越代至V1144版本而马斯克于6月27日在推特回复评论时表示FSDV12产业策略分析师版本将移除Beta以正式版进行发布我们预测该时间点或在2024年前后S1010523030001届时若马斯克兑现曾提到的1个月免费试用计划FSD在北美地区的选装率有望得到显著提升并通过15000美元的高定价一次性买断价格和预计90左右的高毛利为特斯拉带来可观利润及收入中国FSD入华趋势愈发明确将有望整体利好中国车企的智能化进程尽管具体时间未知但我们认为FSD入华是整体趋势当前距离真正落地还有两大门槛1资质特斯拉影子模式极有可能被判定为地图测绘行为如何与甲级测绘资质企业合作并在中国合法合规地进行道路数据采集目前仍有商讨空间2数据道路数据高度敏感因此我们认为特斯拉在中国采集的数据大概率不得回传美国需在中国本土建立数据和超算中心并搭建数据闭环的工程团队我们认为当FSD入华切实落地后有望整体加速中国电动汽车的智能化进程在强化消费者教育和认知扩大市场的同时促进车企优胜劣汰深耕高阶智驾功能并以此为差异化卖点的中国车企或有望受益但对于受价格战冲击较大自研能力较弱的中低端车型来说未来或面临更大压力壁垒特斯拉FSD或领先国内乘用车头部玩家2-3年的时间主要体现在以下四大方面1算法特斯拉自2020年起在感知算法端引入BEVTransformer并配合OccupancyNetwork概念大幅提升视觉方案的感知精确度领先国内头部玩家2年左右的时间此外马斯克表示FSD下一代V12版本计划实现端到端自动驾驶届时自动驾驶车端模型的规模将进一步扩大特斯拉在算法端的领先性或也将进一步凸显2数据量百万车队影子模式使特斯拉在数据量上显著领先其它电车玩家相较之下国内自研能力较强的造车新势力销量仍有待提升且此前仍主要依赖少数测试车进行数据采集3数据闭环特斯拉构建了一套高度自动化流程化工业化的数据训练体系包括数据采集标注训练等流程闭环以及超算中心dojo等基础设施这需要超强的工程实践能力和大量的经验know-how国内玩家的数据闭环仍有待完善4硬件特斯拉自研自动驾驶芯片FSD和HW硬件系统搭载第二代FSD芯片的最新版本HW40已于23Q1开始在美国上车交付自研的硬件系统与神经网络算法高效耦合有望助力特斯拉自动驾驶方案实现更佳的降本增效而中国车企的芯片和域控仍多为外采证券研究报告请务必阅读正文之后第36页起的免责条款和声明产业策略自动驾驶系列2023710风险因素FSD技术进展不及预期V12版本迟迟不落地FSD在北美地区选配率不及预期FSD出现重大安全事故FSD在欧亚等非北美地区的进展不及预期特斯拉销量不及预期等FSD迟迟未能落地中国FSD在中国大幅调低售价挤压中国车企空间等投资建议在美国特斯拉FSD已来到了正式规模化推送的前夜下一代V12版本有望移除Beta以正式版进行发布届时若马斯克兑现曾提到的1个月免费试用计划FSD在北美地区的选装率或将显著提升建议持续关注FSDV12版本的推送情况此外特斯拉正在积极推进FSD功能在北美以外地区的落地包括亚洲欧洲中东等国家进军海外有望进一步丰富特斯拉场景库并带来可观收入建议持续跟踪FSD在海外的落地节奏具备算法硬件和数据优势的特斯拉TSLAUS有望进一步打开市场而若FSD正式进入中国有望加速中国电动汽车的智能化进程一方面特斯拉作为行业领军者有望借FSD加强中国消费者对智驾功能的认知扩大市场容量此外深耕高阶智驾功能并以此为差异化卖点的车企有望率先受益包括赛力斯601127SH奇瑞等华为智选车合作伙伴以及小鹏汽车09868HKXPEVUS蔚来汽车09866HKNIOUS和理想汽车02015HKLIUS等另一方面自动驾驶芯片域控传感器线控底盘车载以太网芯片等供应链有望整体受益于高阶智驾渗透率提升建议关注自动驾驶芯片厂商英伟达NVDAUS地平线智能网联检测需求提升中国汽研601965SH激光雷达厂商禾赛科技HSAIUS速腾聚创图达通地平线合作伙伴觉非科技等英伟达深度域控合作伙伴德赛西威002920SZ国产线控制动供应商伯特利603596SH以及车载以太网芯片供应商裕太微688515SH请务必阅读正文之后的免责条款和声明2产业策略自动驾驶系列2023710目录FSD在北美进展如何已来到正式规模化推送前夜5功能FSD意在实现点到点自动驾驶当前仍为Beta版本6商业化北美加速用户推送累计渗透率超208用户体验整体评价向好仍有改善空间10FSD领先性从何体现算法数据闭环硬件多维度构筑壁垒11算法BEV引领感知算法趋势端到端打开全新想象空间12数据百万车队高效闭环超算中心打造核心竞争力19硬件自研FSD芯片HW40开始上车25FSD何时从北美走向全球明年起有望显著加速29中国FSD想要入华数据采集资质和超算中心是关键29欧洲需得欧盟准入加速信号频现32风险因素33投资建议33插图目录图1特斯拉美国地区自动驾驶系统历史沿革5图2FSD为特斯拉自动驾驶功能三大配置的最高配置6图3特斯拉FSDBeta大版本更新情况7图4特斯拉FSD目前仍属于L2范畴不能脱手8图5特斯拉FSD累计行驶里程英里9图6特斯拉FSD北美地区渗透率及售价9图7特斯拉安全评分机制10图8FSD车主中没有接管和没有紧急接管的比例11图9FSD在高速和城区的接管数据英里11图10使用Autopilot的特斯拉车辆安全性表现更优11图11特斯拉与国内主机厂在算法数据和闭环方面皆存在差距12图12BEV感知示意图13图13BEV感知vs传统图像空间感知框架14图14摄像头图像信息和激光雷达点云数据向BEV3D空间融合转化流程图14图15Transformer被用于进行图像分类15图16基于CNN和注意力机制的BEV模型15图17特斯拉VideoNeuralNetArchitecture15图18特斯拉OccupancyNetwork技术框架16图19OccupancyNetwork预测每个体素被占用与否17图202D的OccupancyGrid与3D的OccupancyNetwork17图21OccupancyNetwork输出的3D栅格可提供占据情况语义运动情况的信息17图22国内主机厂城区领航功能落地节奏18图23模块化和端到端自动驾驶系统原理19图24特斯拉打造高效数据训练闭环20请务必阅读正文之后的免责条款和声明3产业策略自动驾驶系列2023710图25特斯拉的人机结合标注21图26特斯拉对4D对象进行标注最小标注单位是一个Clip21图27特斯拉标注系统效率持续提升22图28特斯拉仿真世界全面且高度真实22图29特斯拉仿真技术可用于真实世界的场景重建23图30仿真训练可用于解决长尾问题难以采集复杂场景难以标注等问题23图31特斯拉D1芯片及DojoExaPOD算力集群24图32Dojo及A100跑自动标注和占用网络模型的速度对比24图33特斯拉算力预期图25图34特斯拉历史算力规模预估个25图35特斯拉D1vs英伟达GPU25图36特斯拉HW10-40计算平台及传感器变化27图37特斯拉HW40智驾模块主板27图38特斯拉HW40座舱域控模块主板27图39HW40摄像头较HW30视场角更大分辨率更高有助于提升无保护左转的能力28图40FSD10vsFSD2028图41国内主要车企的自动驾驶芯片和域控供应商29图42自然资源部下发关于促进智能网联汽车发展维护测绘地理信息安全的通知31图43用户购车因素排序32图44用户对智能驾驶的关注点32图45特斯拉2023上半年在欧洲招聘ADAS测试员33图46特斯拉ADAS测试员岗位要求33请务必阅读正文之后的免责条款和声明4产业策略自动驾驶系列2023710FSD在北美进展如何已来到正式规模化推送前夜特斯拉意在通过FSD功能实现完全自动驾驶但当前仍为Beta版本且受法规限制仍属L2产品我们认为经过多年迭代FSD技术或已接近成熟逐渐有能力支撑特斯拉车辆在有驾驶员接管的前提下实现较高的自动驾驶水平自2022年底起特斯拉先后取消FSDBeta的安全评分机制加速北美功能推送统一高速城区技术栈这或都代表着FSD已来到了正式大规模推送的前夜当前FSD北美累计渗透率超20我们预计FSD或有望在2024年前后取消Beta以正式版进行发布届时若马斯克兑现曾提到的1个月免费试用计划FSD在北美地区的选装率有望得到显著提升图1特斯拉美国地区自动驾驶系统历史沿革2015201620172018系统AP2500美元AP2500美元EAP5000美元FSD在EAP基础上另加3000美元功能AP自适应巡航车道保持等EAP自动辅助变道主动巡航车辆召唤等FSD暂未开启EAP新增高速NOA功能2014年9月推出2016年10月推出硬件2017年8月推出HW25基于英伟达芯片HW10与Mobileye合作HW20基于英伟达芯片2016年10月推出EAP并对购买EAP的用户提供FSD升级选项但FSD功能暂未开启备注2015年10月首次推出Autopilot2018年10月FSD升级选项被取消20192020AP标配AP标配系统FSD4月5000美元5月6000美元8月7000美元FSD7月8000美元10月10000美元AP主动巡航自动辅助转向AP主动巡航车道保持等功能FSD高速NOA自动辅助变道车辆召唤自动停车等FSD高速NOA自动辅助变道车辆召唤自动停车等FSDBeta可理解为城区NOA硬件2019年3月推出HW30基于自研FSD10芯片2020年10月开始向小部分早期内测用户推送FSDBetaV60备注2019年4月取消EAP将其中的低端功能并入AP高端功能并入FSD年底内测人数约100020212022AP标配EAP6000美元系统AP标配FSD10000美元按月订阅199美元FSD1月12000美元9月15000美元AP主动巡航自动辅助转向AP主动巡航自动辅助转向功能FSD高速NOA自动辅助变道车辆召唤自动停车等EAP高速NOA自动辅助变道自动泊车车辆召唤FSDBeta可理解为城区NOAFSDBeta可理解为城区NOA硬件HW30基于自研FSD10芯片2021年7月FSD推出订阅模式2022年6月恢复EAP选项备注7月和9月FSDBeta分别推送V90和V100版本年底内测人数近6万11月FSDBeta推送V110并放开限制全面推送年底内测人数近40万2023截至7月系统AP标配EAP6000美元FSD15000美元AP主动巡航控制自动辅助转向功能EAP高速NOA自动变道自动泊车召唤智能召唤FSDBeta可理解为城区NOA硬件2023年初推出HW40基于FSD20芯片备注FSDBeta已迭代至V1144资料来源特斯拉官网notateslaapp中信证券研究部请务必阅读正文之后的免责条款和声明5产业策略自动驾驶系列2023710功能FSD意在实现点到点自动驾驶当前仍为Beta版本FSD是特斯拉自动驾驶功能的最高配置可在城区高速场景实现点到点的自动驾驶当前特斯拉自动辅助驾驶提供三个可选方案由高配到低配分别为FSDFullSelfDriving完全自动驾驶EAPEnhancedAutopilot增强版自动辅助驾驶与APAutopilot自动辅助驾驶对比EAPFSD主要增加了交通信号灯和停车标志识别以及城市街道自动辅助驾驶功能这也意味着FSD可实现城区NOA而EAP只能实现高速NOA-高速NOA2016年特斯拉基于Autopilot20发布NOANavigateonAutopilot功能但当时仍为Beta版本仅支持高速上的自动转向和定速巡航2018年10月特斯拉正式向北美用户推送NOA功能可辅助车辆在高速路上实现变道超车进出匝道等操作并于2019年6月向中国选配了FSD的车型推送该功能-城区NOA2016年特斯拉在推出EAP功能的同时为消费者提供FSD升级选项旨在实现城市道路的自动驾驶但当时FSD并不能启用2020年10月特斯拉开始测试FSDBeta并向小批量早期测试者推送V60版本但当时的车队规模不到千台2021年7月FSDBeta升级至V90版本采取纯视觉自动驾驶方案不依赖毫米波雷达使用场景新增城市道路可按导航执行转向进出匝道并实现自动避障绕行识别LED信号灯等动作初步实现城区NOA的落地FSDBeta的车队规模也在2022年1月达到6万台2022年11月24日特斯拉FSDBeta面向北美付费用户完全开放根据2023年1月公司公布的最新数据FSDBeta已在北美地区拥有40万车主目前中国消费者在购买特斯拉车辆时同样可选配FSD但功能尚未开放图2FSD为特斯拉自动驾驶功能三大配置的最高配置名称功能售价AP-主动巡航控制Traffic-AwareCruiseControl标配Autopilot-自动辅助转向Autosteer可理解为高速NOAEAP-自动辅助导航驾驶NavigateonAutopilot-召唤功能Summon一次性Enhanced6000美元美国-自动辅助变道AutoLaneChange-智能召唤功能SmartSummonAutopilot32000元中国-自动泊车Autopark一次性15000美元美国可理解为城区FSDNOA64000元中国FullSelf-交通信号灯和标志辅助控制TrafficandStopSignControlBeta按月订阅仅美国Driving-城市自动驾驶AutosteeroncitystreetsUpcoming199美元未购买EAP99美元已购买EAP资料来源特斯拉官网中信证券研究部FSD或已初步具备L3能力但当前仍为Beta测试版本属L2产品尽管命名为完全自动驾驶FullSelfDriving但当前包括FSD在内的特斯拉Autopilot产品在法规限制下仍属于L2级别驾驶员是行车安全的第一责任人需实时监控车辆状态不可脱手脱脚特斯拉官网表示若想要实现L3级别的脱手脱脚驾驶仍需通过大量测试证明自动请务必阅读正文之后的免责条款和声明6产业策略自动驾驶系列2023710驾驶系统远比人类驾驶员更加可靠同时需等待法规许可从实际用户反馈来看我们认为FSD或已初步具备L3的能力但从法规监管角度仍将从严目前奔驰的L3级自动驾驶功能DrivePilot是美国加州唯一批准落地的L3系统但限制条件仍较多奔驰于2023年6月获得了美国加州机动车辆管理局DMV的批准根据加州DMV官网DrivePilot在加州特定的高速公路上可在白天正常天气下以低于40英里的时速行驶驾驶员可实现脱手脱脚乃至脱眼但仍需坐在主驾座位上以准备随时接管奔驰官网表示在美国市场DrivePilot选项将首先向2024款奔驰S-Class和EQSSedan车型开放首款车型将于2023年下半年开始交付消费者FSDBeta已迭代至V1144版本V12有望移除Beta成为正式版本2020年10月特斯拉开始向小批量早期内测用户推出V60版本截至2023年6月底已迭代至V1144版本在FSDBeta的迭代历史中重大改进包括2021年7月开始推送的V90正式采用纯视觉方案不再读取毫米波雷达数据2022年11月开始推送的V11版本显著缩短了左右转弯时的决策时间2023年3月开始推送的V113引入SingleStack架构将FSDBeta的适用范围延伸至高速统一了高速及城区的算法栈此前高速场景主要采用Autopilot而非FSD软件系统因此在高速和城区衔接处需进行技术栈切换值得一提的是2023年6月27日马斯克在推特上回复评论表示FSDV12版本将移除Beta即不再是测试版本2023年7月6日马斯克在上海WAIC表示预计今年晚些时候特斯拉能够实现完全自动驾驶或意指FSDV12但V12的具体推出时间仍待观望图3特斯拉FSDBeta大版本更新情况时间FSDBetaV6FSDBetaV9FSDBetaV10FSDBetaV11推出使用时间2020年10月2021年7月-2021年8月2021年9月-2022年12月2022年11月-至今主动巡航控制自动辅助转向自动左右转改进无保护左转针对活动障碍的车道变更高速自动换道自动辅助变道改进车道交叉预测建模按导航选择分叉道路宽阔住宅道路的车道定位自动泊车召唤功能智能召唤功能改进占位网络精度自动处理超车自动辅助导航驾驶基于纯视觉新增导航路线点等车辆关系识别停车加速时降低车辆停泊停车灯和停车标志预警--的减速情况判断错误信号灯和标志辅助控制检测限速标志调整速度-闪烁信号灯下通行判断检测打开车门及转向灯车内驾驶注意力监督-应急车辆检测--智能倒车--高速公路行驶---资料来源特斯拉官网notateslaappFindMyElectric中信证券研究部请务必阅读正文之后的免责条款和声明7产业策略自动驾驶系列2023710图4特斯拉FSD目前仍属于L2范畴不能脱手资料来源特斯拉官网商业化北美加速用户推送累计渗透率超20北美地区FSD累计渗透率超201销量方面在2023年1月25日发布的4Q22ShareholderDeck中特斯拉表示FSDBeta版本在北美地区美国和加拿大的部署车辆已达万辆对比特斯拉截至年底在北美累计销售约万辆车渗透率超40202217020此外还可参考推特帐号TroyTeslike基于美国特斯拉车主线上问卷的调查反馈统计与实际情况或有出入FSD的季度选装率曾在2019年高达50左右随后因售价持续增长而有所下滑3Q22整体选装率约14Model3ModelY和ModelSX的选装率分别为513和442里程方面在5月的特斯拉2023年股东大会上马斯克表示FSDBeta版用户的累计行驶里程已接近2亿英里约32亿公里值得一提的是在2023年3月前FSDBeta集中于城区场景高速的行驶里程并未纳入其中取消安全评分机制加速北美用户推送4Q22起特斯拉开始在北美地区加大FSD的推送力度FSDBeta车主数量从2022年9月公布的16万升至2022年12月公布的285万再升至2023年1月公布的40万除销量的增长外安全评分机制safetyscore的取消或是FSDBeta车主数量在短时间内迅速攀升的最大原因此前并非所有购买FSD的车主都能第一时间享受到FSDBeta功能特斯拉会对购买了FSD功能的消费者进行驾驶安全评分0-100分最初的要求是只有连续7天皆达到100分且行驶里程超100英里的用户才会被推送FSDBeta功能随后特斯拉持续降低安全评分的门槛至2022年9月下旬已降低至80分2022年11月24日特斯拉正式取消安全评分门槛也不再要求100英里的行驶里程FSDBeta开始向北美消费者完全开放我们认为特斯拉之所以不断降低FSDBeta的使用门槛一方面得益于功能在经过持续迭代后达到了较优的性能水平使得特斯拉有信心向更大范围的消费者推送另一方面也代表了特斯拉对更大规模数据量的渴求马斯克曾在2022年5月参加Allin请务必阅读正文之后的免责条款和声明8产业策略自动驾驶系列2023710Summit技术大会时表示计划在2022年底将FSDBeta的测试人数扩大至100万人实际数字与目标数字仍有较大差距而在2023年5月马斯克又在推特表示当FSD功能的体验达到较高流畅度后特斯拉计划为北美所有车主提供一个月免费的FSD体验服务我们认为届时将对FSD选配率的提升有显著拉动作用FSD高价格高毛利有望支撑特斯拉实现极致性价比硬件高毛利软件商业模式的远景目前FSD只在北美地区美国和加拿大开放特斯拉多次上调FSD的买断价格从2019年4月的5000美元涨至当前的15000美元最新一次价格调整为2022年9月从12000美元涨至15000美元订阅模式则于2021年7月推出当前费用为每月199美元未购买EAP或99美元已购买EAP据佐思汽车研究HW30和HW40的BOM成本分别约1000-1500美元和1500-2100美元而FSD软件的成本可通过庞大的车队规模进行摊销因此特斯拉FSD智驾系统的毛利率预计高达90左右图5特斯拉FSD累计行驶里程英里资料来源Tesla2023AnnualShareholderMeeting图6特斯拉FSD北美地区渗透率及售价Model3ModelYModelSX整体5000600070008000100001200015000902019年4月前需先购买Enhance80Autopilot5000美70元再加选FSD另加3000美元605040302010018Q118Q218Q318Q419Q119Q219Q319Q420Q120Q220Q320Q421Q121Q221Q321Q422Q122Q222Q3资料来源TroyTeslikenotateslaapp中信证券研究部注图中渗透率数据是TroyTeslike基于美国特斯拉车主线上问卷调查反馈统计所得并非官方准确数值请务必阅读正文之后的免责条款和声明9产业策略自动驾驶系列2023710图7特斯拉安全评分机制SafetyFactors安全要素-ForwardCollisionWarningsper1000Non-AutopilotMiles前方碰撞警告-HardBraking紧急刹车-AggressiveTurning激进转向-UnsafeFollowing危险跟车-ExcessiveSpeeding超速-LateNightDriving夜间行车-ForcedAutopilotDisengagement智驾系统强制推出-UnbuckledDriving未系安全带资料来源特斯拉官网中信证券研究部用户体验整体评价向好仍有改善空间使用体验方面FSDBeta升级至V11版本后在北美收获了颇多好评但仍有改进空间我们参考推特和Youtube上的特斯拉北美车主反馈FSD最新的V1144版本整体评价向好一定程度修复了此前幻影刹车的问题转弯变道更加果断同时可更好地识别出背后接近的骑行者和摩托车等目标但是FSD尚称不上完美常见问题包括有时容易过度反应导致车身左右两侧轻微移动转向后没有及时选择正确的道路通行无法及时避让地面坑洼等此外在面对交警手势校车特殊作业车辆等不常见目标物时FSD的应对能力也有待提升我们认为上述问题都与特斯拉的技术路线选择有关纯视觉路线导致其在某些场景下容易出现漏检误检不依赖高精地图导致其在选择道路时容易出现偏差后续仍需通过持续的数据采集和算法迭代以提升性能根据FSDBetaCommunityTracker网站的调查结果样本量较小与实际数据或有偏差2023年6月分别有93和56的受访者表示没有出现过紧急接管CriticalDisengagement或接管Disengagement的情况接管率方面仅考虑FSDV11之后的版本特斯拉汽车高速场景的平均接管里程为83英里即FSD车主在高速上平均行驶83英里会出现一次接管情况包括不紧急的接管而城区场景的平均紧急接管里程为80英里即FSD车主在城区平均行驶80英里会出现一次涉及安全的紧急接管情况但城区场景的平均接管里程仍较低仅8英里此外FSDV1136和FSDV1142版本在上线15天后的平均紧急接管里程目前分别为163英里和382英里安全性方面据特斯拉官网披露的安全报告2022年第四季度使用Autopilot的特斯拉车辆每485万英里行驶中仅发生1起事故对比未使用Autopilot的特斯拉车辆每行驶140万英里发生1起事故而据NHTSA和FHWA统计美国每行车约652万英里便会发生1起事故此外特斯拉还在2023年投资者日上表示使用FSDBeta每320万英里行驶中仅发生1次碰撞对比美国司机平均50英里发生1次碰撞系统安全性可达平均驾驶安全性的5-6倍请务必阅读正文之后的免责条款和声明10产业策略自动驾驶系列2023710图8FSD车主中没有接管和没有紧急接管的比例图9FSD在高速和城区的接管数据英里没有紧急接管CriticalDisengagement的比例V1134V1136V1142V1144没有接管Disengagement的比例160100140801201006080406020400Oct-22Mar-22Apr-22May-22Jun-22Jul-22Aug-22Sep-22Nov-22Dec-22Jan-23Feb-23Mar-23Apr-23May-23Jun-23Feb-22200高速每发生一次接管的里程城区每发生一次紧急接管的里程资料来源FSDBetaCommunityTracker为预估数据中信证券资料来源FSDBetaCommunityTracker为预估数据中信证券研究部研究部图10使用Autopilot的特斯拉车辆安全性表现更优使用Autopilot的特斯拉车辆未使用Autopilot的特斯拉车辆美国平均水平每次事故前行驶里程数百万英里864202022Q12018Q32018Q42019Q12019Q22019Q32019Q42020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q22022Q32022Q4资料来源特斯拉官网中信证券研究部FSD领先性从何体现算法数据闭环硬件多维度构筑壁垒我们认为在乘用车智能驾驶领域特斯拉或领先国内头部玩家2-3年的时间主要体现在以下四大方面1算法引领BEV感知算法趋势并向端到端自动驾驶大模型进军2数据量百万车队构建数据壁垒3数据闭环构建高度自动化流程化的模型训练系统工程并配合超算中心支撑高效训练硬件自研芯片和域控软dojo4FSD硬一体加速功能迭代请务必阅读正文之后的免责条款和声明11产业策略自动驾驶系列2023710图11特斯拉与国内主机厂在算法数据和闭环方面皆存在差距智能驾驶方案算法数据量数据闭环完整闭环FSD百万辆量产车纯视觉模式高效迭代感知-决策-数据闭环BEVTransformer自采数据算力强大以测试车为主多传感器融合跟进BEVTransformer造车新势力数据较少算法较弱国内主机厂量产车闭环有含激光雷达尚不成熟销量有待提升闭环有待搭建完善待完善资料来源中信证券研究部算法BEV引领感知算法趋势端到端打开全新想象空间大模型作为当前AI领域最为火热的前沿趋势之一可赋能自动驾驶领域的感知标注仿真训练等多个核心环节其中特斯拉引领的BEVTransformer感知算法是目前大模型在自动驾驶中最典型的应用领先国内头部玩家2年左右的时间此外特斯拉规划FSD下一代V12版本实现端到端自动驾驶届时自动驾驶车端模型的规模将进一步扩大特斯拉在算法端的领先性或也将进一步凸显2020年起特斯拉在感知算法端引入BEVTransformer并配合OccupancyNetwork大幅提升视觉方案的感知精确度利于后续规划控制算法的实施目前国内主机厂和算法公司皆已开始跟随BEV路线但由于起步较晚人才较少与特斯拉或仍存在2年左右的差距1为什么需要BEV特斯拉坚持以视觉路线实现自动驾驶但摄像头检测到的为2D图像而自动驾驶面对的却是世界因此必须将的探测结果转换为空间才能3D2D3D更好地进行后续的规划控制等任务我们将自动驾驶感知技术路线简单分为三代特斯拉的BEVTransformer组合可被理解为第三代最新技术-第一代感知技术以Mobileye为代表基于传统的视觉方法检测障碍物的2D框并利用车轮的底部边缘或接地点等信息进行深度估算但该方法为得到稳定的估算结果需考虑许多先验条件如地面平整度相机光轴与地面平行等一个像素的误差也会对估算结果造成影响因此主要用于实现传统的L2功能如自适应巡航自动跟车基础车道线检测等-第二代感知技术研发始于2016-2017年引入2D和3D的联合标注利用深度学习可实现单目视觉感知的3D框输出但单个摄像头的视场角信息始终有限因此需要进行多摄像头融合但融合后的3D结果又容易出现障碍物反复出现或不完整的情况因此需要进行大量的后处理关联操作且以规则为主导难以实现真正的数据驱动-第三代感知技术2021年8月的AIDay上特斯拉对外展示了基于Transformer的BEV感知方案BEVBirdsEyeView鸟瞰图可简单理解为把多个视角请务必阅读正文之后的免责条款和声明12产业策略自动驾驶系列2023710的摄像头图像统一投射至同一个BEV空间形成基于上帝视角的俯视图具体步骤上首先需要利用视觉神经网络的主干网络Backbone对各个摄像头采集到的图像进行特征Feature提取然后借助Transformer深度学习算法进行特征级融合和解码并最终输出BEV视角下的3D检测结果从而使得后续的规划与控制任务可以直接在BEV空间上进行我们总结BEV路线的主要优势在于1解决图像视角下的遮挡问题在2D图像中算法不善于应对被遮挡的物体只能感知到看得到的目标而在BEV的鸟瞰俯视角下算法可基于先验知识脑补预测被遮挡的物体2利于后续规划和控制任务主流的规控算法会将上游传感器的感知视角转换至以自车为中心的坐标系中VehicleCoordinateSystem而将不同传感器的不同视角在BEV下统一表达对于规控任务而言是最自然标准的输入表述3统一多模态数据处理维度更易于多传感器融合尽管特斯拉采用纯视觉路线但BEV概念同样可应用于多传感器路线通过将多个摄像头和雷达的感知均转换至统一BEV空间中再进行目标检测与分割等任务可有效降低感知误差并为下游规控模块提供更丰富的输出图12BEV感知示意图资料来源TeslaAIDay请务必阅读正文之后的免责条款和声明13产业策略自动驾驶系列2023710图13BEV感知vs传统图像空间感知框架资料来源百度Apollo图14摄像头图像信息和激光雷达点云数据向BEV3D空间融合转化流程图资料来源BevfusionMulti-taskmulti-sensorfusionwithunifiedbirds-eyeviewrepresentationZhijianLiuHaotianTangAlexanderAmini等著2什么是Transformer一种基于注意力机制Attention的神经网络模型可更好地实现图像数据至BEV视角的转化Transformer是GoogleBrian团队在2017年提出的神经网络模型起初用于机器翻译随着技术的发展开始进军图像视觉领域目前已成功涉足分类检测和分割三大图像问题与传统神经网络CNNRNN按照串行顺序来处理数据不同Transformer借鉴了人脑的注意力机制可挖掘序列中不同元素的联系及相关性这意味着每个元素和序列中所有其它元素都会产生联系无论在时序上相距多远具体到视觉图像的应用中CNN只能关注固定大小的局部区域localinformation而Transformer可进行全局关系建模directglobalrelationshipmodeling提供全局的感受野因此更适合进行BEV所需要的特征学习据汽车之心介绍特斯拉会先在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迭代处理后最终得到BEV特征此外传统CNN模型的原理是通过卷积层构造广义过滤器从而对图像中的元素进行不断地筛选压缩因此其感受域一定程度上取决于过滤器的大小和卷积层的数量随着训练数据量的增长CNN模型的收益会呈现过饱和趋势而Transformer在处理大量信息时能够只选择处理关键信息以提升神经网络的效率因此饱和区间很大更适宜于大规请务必阅读正文之后的免责条款和声明14产业策略自动驾驶系列2023710模数据训练的需求值得一提的是为了引入时序信息特斯拉又在感知网络架构中引入VideoNeuralNet使用视频片段而非图像训练神经网络以构筑较短时间内的图像记忆而自带时序信息的视频片段自然也更适合使用Transformer进行训练图15Transformer被用于进行图像分类资料来源Githubgoogle-researchvisiontransformer图16基于CNN和注意力机制的BEV模型图17特斯拉VideoNeuralNetArchitecture资料来源AreConvolutionalNeuralNetworksorTransformers资料来源TeslaAIDaymorelikehumanvisionShiharTuliIDasguptaErinGrant等著3什么是占用网络OccupancyNetwork2022年AIDay上特斯拉进一步提出了占用网络概念以实现伪激光雷达的效果请务必阅读正文之后的免责条款和声明15产业策略自动驾驶系列2023710此前纯视觉方案最为人诟病的一点就是需要依赖数据库中的标注经验来进行物体识别对于数据库中未被标注过的物体例如异形车散落的纸箱侧翻的大卡车等纯视觉方案很难准确识别这也就是常说的cornercases的处理能力据地平线4D标注方向负责人隋唐在知乎发表的文章为了更有效地识别这些数据库中没有的障碍物业界的主流做法是获取物体的几何信息深度或者高度例如激光雷达就可以通过点云数据得到障碍物的空间位置和尺寸绘制3D环境地图而OccupancyNetwork核心想要解决的也是通用障碍物的识别问题简单来说OccupancyNetwork将感知到的BEV场景划分为一系列微小的体素voxel再预测每个体素被占用的概率从而获得一种简单的3D空间表示同时给出被占据体素相应的语义信息OccupancyNetwork的核心是占用而非识别因此并非是将识别到的物体分配到每个小立方中而是判断每个小立方是否有被占用借助于OccupancyNetworkFSD算法可在没有确切识别物体的形状且不确定物体具体是什么的情况下判断物体的位置OccupancyVolume和接下来可能的运动OccupancyFlow图18特斯拉OccupancyNetwork技术框架OccupancyNetwork技术框架-首先OccupancyNetwork模型在输入相机的原始光子计数后利用RegNet和BiFPN从多相机获取特征-然后模型通过带3D空间位置的SpatialQuery对2D图像特征进行基于注意力机制Attention的多相机融合-接下来模型根据已知的自车位置和姿态变化进行时序融合将3D特征空间进行拼接-特征融合后基于Deconvolution的解码器会解码出每个3D空间位置的占据情况Occupancy语义Semantics以及运动情况Flow资料来源2022TeslaAIDay车东西中信证券研究部请务必阅读正文之后的免责条款和声明16产业策略自动驾驶系列2023710图19OccupancyNetwork预测每个体素被占用与否图202D的OccupancyGrid与3D的OccupancyNetwork利用里程计信息体素空间中的被占用体素相机原始光子计数进行时序拼接作为输入OccupancyVolume3DOccupancyGrid2D资料来源2022TeslaAIDay中信证券研究部资料来源2022TeslaAIDay图21OccupancyNetwork输出的3D栅格可提供占据情况语义运动情况的信息123图1OccupancyNetwork会判断每个网格是否被占据若被占据会给出相应的语义信息和运动状态例如图中被圈出的部分是一辆正在启动的两节公交车蓝色表示运动红色表示静止图2传统视觉感知方案中的物体检测方案难以检测到数据集中未标注过的物体而OccupancyNetwork通过探测到该体素被占用尽管未识别该物体具体是什么但仍能够避免碰撞图3传统感知通常会将检测到的物体与固定的输出尺寸联系起来但一般矩形无法表示一些异形的障碍物而OccupancyNetwork可精确地预测到这些非矩形物体例如卡车旁边悬挂的梯子从而避免碰撞资料来源TeslaAIDay42号车库中信证券研究部国内车企目前普遍在跟进BEVTransformer路线并陆续推出城区领航功能但距离特斯拉或仍有2年左右的差距除AI算法本身的门槛外功能集成算力成本稳定运行等也皆为难点-小鹏2022年10月小鹏于1024科技日发布新一代感知架构XNet深度视觉感知神经网络明确引入了BEV技术和Transformer网络2023年3月小鹏开始向G9和P7i高配版用户推送基于XNet打造的XNGP功能不再依赖高精地图但目前仅释放了部分能力-华为2023年4月上海车展华为智能汽车解决方案BUCEO余承东表示华为请务必阅读正文之后的免责条款和声明17产业策略自动驾驶系列2023710ADS10已实现了基于Transformer的BEV架构ADS20将基于道路拓扑推理网络通过实时交通流和静态占用网络加上地图导航信息推理出道路的拓扑结构实现去高精地图-理想2023年4月理想汽车官方微博表示理想ADMax30即将推出城区NOA功能使用三种神经网络大模型算法静态BEV网络动态BEV网络Occupancy网络并通过NeRF技术增强Occupancy网络还原的精度和细节-蔚来2023年7月蔚来官方微信公众号表示伴随Banyan200版本的发布蔚来NOPBeta版将升级为正式版新版本包括了全新的BEV与占位栅格感知模型并切换至NAD同一技术栈图22国内主机厂城区领航功能落地节奏公司功能推出时间车型备注小鹏G6G9P7i2022年9月率先于广州进行试点后拓展至深圳上海和北京小鹏城市NGP2022年9月激光雷达车型2023年3月推出不依赖高精地图的XNGP计划下半年落地全国50个城市北汽极狐SHI高阶版2022年9月率先在深圳交付后拓展至上海广州重庆华为城区NCA2022年9月长安阿维塔112023年4月推出不依赖高精地图的ADS20计划至23Q3和Q4分别落地15和问界M5智驾版45个城市蔚来城区NOP2023E蔚来NT20平台2023年6月蔚来表示将于2023年下半年正式发布城区NOP2023年4月发布理想ADMax30标配高速城区NOA计划下半年陆续推送理想城市NOA2023E理想L7L8L9Max给内测用户目标年底覆盖百城百度于2023年4月发布ApolloCityDrivingMax城市高速泊车三域融通百度ApolloANP302023E集度ROBO-01计划2023年底于集度ROBO-01首发量产上汽智己L7LS7高阶版智己预计城市NOA将于2023年内开启公测Momenta城市NOA2023E腾势N7高阶版腾势N7预计2024年一季度推出城区NOA功能长城摩卡蓝山DHT-PHEV毫末预计城市NOH将于3Q23量产上车已在北京和保定进行大规模泛化测毫末智行城市NOH2023E激光雷达版试计划2024年落地百城资料来源各公司官网中信证券研究部继BEVTransformer后特斯拉FSDV12版本有望实现完全端到端自动驾驶但具体落地时间尚未可知2023年5月11日在特斯拉面向北美用户推送FSDBetaV1141新版本的同时马斯克发布推特表示FSD的V12版本将实现完全端到端的自动驾驶此前的自动驾驶模型多为模块化架构感知预测规划控制等不同任务分属于不同小模型其中规控环节更是长期以来以rule-based为主而端到端架构旨在以一个AI大模型实现以上多个任务即在模型中输入图像后直接输出转向刹车加速等控制指令End-to-EndAIfromImagesintoSteeringBrakesAccelerationOut值得一提的是6月27日马斯克在推特上回复评论表示FSDV12版本将移除Beta即不再是测试版本完全端到端自动驾驶主要有以下好处1避免级联误差传统模块化架构中前一级模型的输出结果若有误差会作为下一级模型的输入影响下一级模型的输出最终影响整套系统的性能而端到端大模型在输入端仅有传感器采集到的信息因此可避免误差请务必阅读正文之后的免责条款和声明18产业策略自动驾驶系列2023710在模型间的传导2提升研发效率研发人员可针对一个大模型进行优化调整以大幅简化开发流程3提升性能上限完全端到端自动驾驶的模型规模相较于传统模块化架构有大幅提升因此也更有可能出现大语言模型中的涌现概念即当模型突破某个规模时性能突然显著提升这或也是为何马斯克在2023年6月接受CNBC的采访中表示FSD有望在未来两年迎来自己的ChatGPT时刻马斯克原话IthinkTeslawillhavesortofaChatGPTmomentifnotthisyearIdsaynolaterthannextyear但端到端模型的最大痛点在于可解释性差其近乎黑盒的工作模式使得出现问题时较难追溯根本原因而自动驾驶又涉及安全性容错率远低于ChatGPT等语言模型我们认为特斯拉庞大的数据规模和成熟的训练闭环是其能够实现端到端自动驾驶的前提但FSDV12版本究竟何时能真正落地且落地后实际效果如何目前仍有待观望图23模块化和端到端自动驾驶系统原理端到端自动驾驶模块化自动驾驶传感器感知决策规划控制执行器端到端自动驾驶资料来源End-to-EndDeepNeuralNetworkArchitecturesforSpeedandSteeringWheelAnglePredictioninAutonomousDrivingPedroJNavarroLeanneMillerFranciscaRosique等著中信证券研究部数据百万车队高效闭环超算中心打造核心竞争力特斯拉希望通过机器学习挖掘视觉的感知潜力而纯视觉AI的技术路线对于图像的处理高度依赖海量的数据采集和持续的模型训练一方面特斯拉的百万车队影子模式使其在数据量上领先其它电车玩家而更重要的是特斯拉构建了一套高度自动化流程化工业化的完整数据训练体系包括数据采集标注训练等流程闭环以及超算中心dojo等基础设施这需要的不仅仅是了解框架的工作原理还有超强的工程实践能力以及多年的打磨迭代我们认为这也构成了特斯拉除算法外在自动驾驶领域的另一大核心竞争力请务必阅读正文之后的免责条款和声明19产业策略自动驾驶系列2023710图24特斯拉打造高效数据训练闭环影子模式仿真标注资料来源TeslaAIDay1数据采集百万车队影子模式一方面特斯拉销量表现出色2022年在美国和中国分别售出约48万和44万辆新车目前在两国的累计车队规模皆已超百万台为特斯拉的数据收集构筑坚实基础更重要的是特斯拉自2016年起引入独创的影子模式使得其售出的量产车在实际行驶场景中可对数据进行持续收集从而实现长尾场景的有力覆盖影子模式具体来说当有人驾驶状态下特斯拉车端的自动驾驶系统并不会实际指导车辆移动但会在后台持续进行模拟决策在触发一定条件trigger后该场景的道路和行驶数据会被回传录入特斯拉的trainingset中进行学习训练根据特斯拉此前AI负责人AndrejKarpathy在CVPR2021披露的信息特斯拉当时已为影子模式开发了221个trigger触发器例如系统决策与驾驶员行为不一致毫米波雷达和摄像头的判断不匹配BoundingBox发生抖动等2数据标注人机结合提升效率车辆传感器采集到的环境图像需要在标注labeling后才能成为训练样本早前数据标注以人工为主在2021年的AIDay上特斯拉表示其当时的数据标注团队规模达到了1000人但在2022年6月据CNBC报道特斯拉关闭了其位于加州圣马特奥的一间办公室裁员约200人大部分为数据标注员而面对数据量的大幅增长和视觉神经网络的复杂化特斯拉的标注对象从2D图像转变为4D对象3D空间时间工作量持续攀升仅靠人力已难以完成为此特斯拉开发了自动标注系统进行人机结合标注根据2021年AIDay上的介绍特斯拉标注系统的最小单位是一个Clip通常包含时长为1分钟左右的路段视频以及相应的IMUGPSOdometry等信息针对一个Clip特斯拉的自动标注系统会先利用神经网络算法模型得到中间层结果包括目标物深度光流等再通过算法生成用于训练的标签集包括行车轨迹动态物运动学参数等最后人类标注员可对机器标好的数据进行检查和调整请务必阅读正文之后的免责条款和声明20