软件与服务行业：从特斯拉智能驾驶看人形机器人发展路径-240829-长江证券-30页_2mb

从特斯拉智能驾驶看人形机器人发展路径总结

核心内容

本报告通过分析特斯拉智能驾驶的发展路径，探讨人形机器人在软件、硬件和商业模式上的发展趋势。特斯拉通过数据驱动的开发范式，实现从L2级到L3级的智能驾驶系统升级，并借助Dojo超算平台提升算力支持。这一模式为人形机器人发展提供了重要的参考。

主要观点

• 软件发展：人形机器人系统的发展路径可借鉴智能驾驶，从规则驱动转向数据驱动，借助多模态模型提升泛化能力和自主学习能力。
• 硬件优化：特斯拉人形机器人继承了智能驾驶的传感器系统，并在基础上增加了力矩传感器、触觉传感器等，以提升操控精度和环境适应能力。
• 商业模式：人形机器人有望复刻RoboTaxi的运营模式，实现从制造到运营的转型，提升产品商业化落地速度。
• 投资建议：关注模拟仿真相关标的，以解决数据短缺问题，提升大模型训练效率和泛化能力。

关键信息

1. 软件发展路径

• 从规则驱动到数据驱动：特斯拉通过数据驱动方式构建人形机器人系统，大幅减少算法复杂度，提升泛化能力。
• 大模型应用：随着多模态模型的成熟，人形机器人可采用端到端训练方式，提升任务执行能力。
• 数据飞轮：通过大量机器人在工厂中收集数据，形成数据飞轮，加快系统迭代。

2. 硬件发展路径

• 传感器升级：特斯拉人形机器人增加了触觉、力矩、六维力等传感器，以提升环境感知和动作控制能力。
• 算力平台：特斯拉自研的Dojo超算平台，由D1芯片组成，具备高算力和低功耗，可支持大规模模型训练。
• 芯片架构：D1芯片采用7纳米制程，支持BF16/CFP8计算模式，算力达到362TFLOPS，预计2024年10月算力可达100EFlops。

3. 商业模式

• 从制造到运营：人形机器人可借鉴RoboTaxi的运营模式，实现商业化落地。
• 成本优势：特斯拉通过纯视觉方案降低RoboTaxi成本，相较于其他厂商具备更强的市场竞争力。
• 投资回报：人形机器人有望在高价值场景中实现成本低于人力，快速达到投资回报曲线。

4. 投资建议

• 关注模拟仿真：模拟仿真技术可合成大量数据，弥补现实数据不足，提升大模型训练效率。
• AIGC与数字孪生：通过AIGC和数字孪生技术，生成高质量的训练数据，加快机器人系统发展。

风险提示

• 技术发展不及预期：人形机器人仍处于技术突破的关键时期，若技术进展缓慢，可能影响产业发展。
• 产品需求不及预期：人形机器人市场仍处于初期阶段，产品需求存在较大不确定性。

图表目录

• 图1：智能驾驶技术通常被分为L0到L5共6个级别
• 图2：L3级的人形机器人算法转向数据驱动
• 图3：智能驾驶感知、决策与控制之间的关系
• 图4：规则驱动下的智能驾驶算法
• 图5：规则驱动的算法难以覆盖长尾场景
• 图6：理想几千人的团队解决CornerCase
• 图7：高通新一代舱驾融合智驾芯片
• 图8：特斯拉FSDV12实现了端到端的自动驾驶
• 图9：特斯拉HydraNet方案
• 图10：2021年特斯拉HydraNet智驾系统结构
• 图11：Occupancy Network可以识别3D空间的体素
• 图12：2022年特斯拉Occupancy Network智驾系统结构
• 图13：截至2024年6月，FSD里程数据已突破16亿英里
• 图14：AI模型的演进方向
• 图15：谷歌RT-2模型采用大模型作为底层框架
• 图16：VLA是端到端的机器人系统，具备较高的运行效率
• 图17：机器人模型的两条技术路径
• 图18：拖动示教快速丰富机器人动作数据
• 图19：Optimus机器人在工厂
• 图20：智能驾驶感知硬件功能俯视图
• 图21：视觉派和激光雷达派各自代表厂商
• 图22：特斯拉纯视觉传感器方案
• 图23：特斯拉智驾系统算力迅速提升
• 图24：特斯拉HW3.0智驾芯片内部构造
• 图25：Optimus手指采用触觉传感器
• 图26：Optimus脚部采用的力和力矩传感器或为六维力传感器
• 图27：云端大脑与端侧模型特点对比
• 图28：DojoD1芯片参数
• 图29：DOJO D1性能超越英伟达A100
• 图30：Dojo超算平台为特斯拉带来了什么
• 图31：到2024年10月Dojo超算平台算力有望达到100EFlops
• 图32：英伟达NVlink架构
• 图33：特斯拉Dojo超算中心结构
• 图34：人形机器人产业链图谱
• 图35：全球FSD搭载比率
• 图36：FSD在全球各地的订阅收入（百万美元）
• 图37：国内不同城市无人驾驶落地节奏
• 图38：特斯拉设想的手机App的打车服务界面
• 图39：人形机器人有望仿照RoboTaxi模式，快速实现投资回报
• 图40：超过20个机器人使用AutoRT自主收集现实世界数据集
• 图41：ISSAC数字孪生系统提升了机器人可用训练数据规模

相关研究

• 《Neuralink公布脑机接口新进展，产品完成度迅速提升》2024-08-28
• 《关键词：泛信创崛起2024年第34周计算机行业周报》2024-08-26

表格目录

• 表1：不同场景下的部分智驾功能模块
• 表2：FSD迭代历程
• 表3：特斯拉机器人发展的关键节点
• 表4：特斯拉智能驾驶硬件
• 表5：不同芯片种类的优劣点
• 表6：AutoPilot和FSD价格变化（美国，美元）

投资评级说明

• 行业评级：看好、中性、看淡
• 公司评级：买入、增持、中性、减持、无投资评级

办公地址

• 上海：虹口区新建路200号国华金融中心B栋22、23层
• 北京：西城区金融街33号通泰大厦15层
• 武汉：武汉市江汉区淮海路88号长江证券大厦37楼
• 深圳：深圳市福田区中心四路1号嘉里建设广场3期36楼