汽车行业智能驾驶行业深度报告系列之一：特斯拉FSD进化之路-240930-东兴证券-15页_1mb

特斯拉FSD进化之路总结

核心内容概述

特斯拉在智能驾驶领域持续投入，其FSD（Full Self-Driving）系统已在全球范围内积累大量行驶数据，并在算法、数据闭环和算力三个方面取得了显著进展。目前FSD系统仅在美国和加拿大可用，但预计2025年第一季度将在中国和欧洲推出。特斯拉通过不断优化感知、规划和控制模块，推动FSD系统向端到端智能驾驶迈进，同时构建了强大的数据闭环和超算中心Dojo，以支持深度学习模型的训练。

主要观点

1. FSD技术现状

• 累计行驶里程：截至2024年第二季度，特斯拉FSD技术助力下的汽车已累计行驶超过16亿英里（约25.75亿公里）。
• 最新版本：FSD V12.5.4版本实现了“智能召唤”功能，允许用户通过手机将车辆召唤至身边或附近区域。
• 价格调整：2024年4月，特斯拉将FSD买断价格从12,000美元降至8,000美元，并将订阅价格从199美元/月降至99美元/月，有助于提升用户接受度。
• 安全表现：FSD系统在使用Autopilot时，每688万英里发生一次碰撞事故，远优于传统车辆。

2. 算法演进

• 纯视觉方案：特斯拉自2021年7月FSD Beta 9.0版本起，采用纯视觉方案，仅使用8个摄像头。
• HydraNet到BEV+Transformer架构：特斯拉从基于单图分析的HydraNet架构，逐步过渡到BEV（鸟瞰图）+Transformer架构，提升了对复杂道路环境的识别能力。
• Occupancy网络：2022年引入Occupancy网络，通过3D空间划分体素网格，提高对遮挡物和远距离物体的识别能力。
• 神经网络规划模块：2021年引入基于神经网络的规划模块和蒙特卡洛树搜索，解决非凸优化问题，提升全局最优路径规划能力。
• 端到端优化：特斯拉通过引入神经网络实现感知与规划模块的端到端优化，使系统更智能、更高效。

3. 数据闭环系统

• 数据标注：特斯拉从外包到自制，从人工到自动化，2021年已实现自动标注流水线，大幅提升标注效率。
• 数据引擎：特斯拉通过数据闭环系统，收集车队行驶中的错误数据，进行标注和训练，不断优化FSD模型。
• 数据训练量：2021-2022年期间，特斯拉完成75,000多个模型训练，生成281个新模型，实现快速迭代。

4. 算力发展

• 车端算力：特斯拉自研HW3.0芯片，2024年推出HW4.0，算力提升至HW3.0的五倍，探测距离提升至424米。
• 超算中心Dojo：Dojo是特斯拉专为自动驾驶训练开发的超级计算机，2023年7月进入生产，预计2024年底投资超10亿美元。
• 算力目标：Dojo预计在2024年10月达到100Exa-Flops算力，成为全球算力设施的重要一员。

关键信息

• FSD V12.5.4：实现智能召唤，仅在美国和加拿大可用，预计2025年Q1在中国和欧洲推出。
• 数据闭环：通过用户和测试车辆的数据反馈，实现自动驾驶系统的持续优化。
• HW4.0芯片：算力为HW3.0的五倍，支持更复杂的感知和规划任务。
• Dojo超级计算机：特斯拉自研的训练平台，提升FSD模型迭代速度。
• 投资建议：国内车企如赛力斯、江淮汽车、北汽蓝谷、小鹏汽车、蔚来汽车等在智能化布局上领先，超算中心相关企业如川环科技也将受益。

投资建议

• 受益标的：华为智选模式下的赛力斯、江淮汽车、北汽蓝谷；布局靠前的小鹏、蔚来、理想等。
• 超算中心：Dojo超级计算机将推动FSD技术发展，相关配套企业如川环科技（冷却管路）将受益。
• 智能化趋势：智能驾驶是电动化的后半场，车企的智能化能力将决定其未来竞争力。

风险提示

• 汽车行业景气度持续下行。
• 行业竞争加剧。
• 智能驾驶技术进展不及预期。
• 相关法规进展不及预期。