中信建投：特斯拉(TSLA.US)引領AI大模型賦能自動駕駛 全球產(chǎn)業(yè)鏈推進加速

智通財經(jīng)APP獲悉，中信建投證券發(fā)布研究報告稱，近期，特斯拉更新其FSD算法至v11.4，此次升級實現(xiàn)FSD端到端的能力，即包含高速領航、城市道路領航和泊車三個域的智駕功能。特斯拉將改進車輛性能置于引入新功能之上，可以更快地針對環(huán)境做出反應，并在必要時調整車速，確保所有相關人員都能獲得更安全的體驗。中信建投認為，AI對整個汽車產(chǎn)業(yè)生態(tài)變革將產(chǎn)生重大影響，特斯拉作為整個自動駕駛領域開拓者，正引領相關技術應用落地，全球自動駕駛產(chǎn)業(yè)鏈推進加速，域控制器放量或將提速。

中信建投證券主要觀點如下：

特斯拉自動駕駛算法主要經(jīng)歷四個階段，目前架構包括RegNet、HydraNet等。

2016-2018年，特斯拉自動駕駛算法處于第一階段，在該階段中，使用常規(guī)的骨干網(wǎng)結構;使用2D檢測器進行特征提取;訓練數(shù)據(jù)為人工標注，整體來看比較原始，相對傳統(tǒng);2018-2019年，特斯拉自動駕駛算法采用了HydraNet結構;加入特征提取網(wǎng)絡BiFPN;將圖像空間從image space直接轉化為vector space，能執(zhí)行多任務、對視覺特征進行充分融合以及很大程度上避免映射偏差，相較于精度提升，這個階段注重提高效率;2019-2020年，特斯拉自動駕駛算法來到第三階段，使用了Transformer;骨干網(wǎng)結構使用了RegNet;能夠實現(xiàn)自動標注數(shù)據(jù);以及主張去掉雷達，使用純視覺方案，不僅解決了CNN算法在BEV遮擋區(qū)域預測問題，同時還有更高的性能和算法準確度以及能夠快速得到高精度地圖數(shù)據(jù)，相較于提高效率，這個階段注重提高精度;2021年以來，特斯拉自動駕駛算法來到第四階段，增加了時空序列與時序信息融合等能力;在空間感知方面，使用占用網(wǎng)絡;使用Lanes Network;為了增強汽車感知能力，考慮到4D雷達的效果與成本，預計會將雷達重新安裝，整體來看，該階段在感知能力上大做文章，自動駕駛算法已相對成熟。

特斯拉自動駕駛算法2022年的核心改變在于使用Occupancy Networks進行感知以及使用Lanes Network進行矢量地圖繪制。

Occupancy Networks(占用網(wǎng)絡)可以通過3D物體檢測的方式來估計行駛中其他車輛、物體的位置和大小，占用網(wǎng)絡可以使用多個攝像機拍攝的圖像進行3D處理，即使是動態(tài)占用也可以計算出來并且運行效率較高;Lanes Network通過對離散空間的預測，能夠以自回歸的方式將所有的車道線節(jié)點進行生成，從而獲取更精確的車道線拓撲結構。2023年5月，特斯拉推出FSD v11.4，實現(xiàn)FSD端到端能力。FSD端到端的能力，即包含高速領航、城市道路領航和泊車三個域的智駕功能。

映射到國內，以蔚小理為代表的車廠以特斯拉為錨，在自動駕駛領域持續(xù)發(fā)力，可像人類司機那樣實時地感知、決策、規(guī)劃，蔚來NAD、小鵬XNGP等逐步實現(xiàn)L4駕駛水平。特斯拉正持續(xù)引領廠商技術革新，例如特斯拉將Occupancy網(wǎng)絡引入到自動駕駛感知技術中，后續(xù)理想AD Max3.0也將Occupancy網(wǎng)絡納入技術棧中用于汽車感知。

特斯拉引領自動駕駛走向落地階段，全球自動駕駛產(chǎn)業(yè)鏈推進加速，域控制器放量或將提速。

風險提示：AI技術發(fā)展不及預期：自動駕駛算法屬于先進AI算法，若后續(xù)自動駕駛算法演進不及預期，則會影響特斯拉以及自動駕駛廠商相關技術演進以及產(chǎn)品落地。全球宏觀經(jīng)濟下滑風險：全球宏觀經(jīng)濟下滑下，居民收入水平與消費觀念會收到一定沖擊與影響，對于高端自動駕駛汽車需求可能會有所下滑，從而影響自動駕駛車廠相關銷售業(yè)績。市場競爭加劇導致利潤水平下滑：全球范圍內自動駕駛車廠競爭加劇，各廠商可能通過采用打價格戰(zhàn)方式提高用戶忠誠度，從而影響自身收入水平，導致自身利潤水平下滑。個人隱私風險：自動駕駛汽車可能會收集用戶相關駕駛數(shù)據(jù)、駕駛員特征等數(shù)據(jù)進行后續(xù)模型訓練，這可能會涉及用戶隱私問題。自動駕駛立法落地不及預期：若有關自動駕駛汽車立法政策不及預期，則會極大影響車廠相關技術推進以及相關產(chǎn)品落地。