2024年汽车智能化系列专题之决策篇：特斯拉FSD持续升级_智能驾驶加速落地.docxVIP

2024年汽车智能化系列专题之决策篇：特斯拉FSD持续升级_智能驾驶加速落地

智能化时代来临，高阶智驾已成必然趋势

智驾系统：软硬件协同

智能驾驶核心模块：感知、决策、规划、控制。感知模块主要负责车周信息感知和目标检测。感知模块输入各类传感器的数据，输出车道线，行人，车辆等的位置和轨迹等信息。主流的感知方式包含激光雷达和摄像头视觉两种。决策模块主要负责预测车周物体的运动，评估障碍物下一时刻可能的动作，输出物体运动轨迹的预测。规划模块主要负责计算车辆下一时刻的运动路径，规划与决策在开发环节往往结合在一起，基于感知模块输出的车周信息在神经网络训练融合，输出行动路线。控制模块主要负责精准控制车辆按规划轨迹行驶。控制模块根据决策规划输出的路线，生成具体的加速、转向和制动指令，控制驱动系统，转向系统，制动系统和悬架系统。

产业链：智驾是整车的基础上进行智能+网联的升级

上游：目前参与智能驾驶探索的企业主要有传统车企、初创车企和互联网造车企业。中游：1）智能部分包含感知层、决策层和执行层，智能驾驶汽车需安装如激光雷达、毫米波雷达、超声波雷达、GNSS定位和接受系统、IMU惯性传感器、高精地图、ADAS系统、车载芯片、车载存储器等，以实现智能化。2)网联部分:包含网络层、平台层、终端，智能驾驶汽车还需移动网络、大数据平台和终端的支持，实现网联。下游：智能驾驶汽车下游应用场景广阔，可覆盖共享汽车、无人驾驶巴士、通勤车等多类应用场景。

特斯拉FSD进展遥遥领先，渗透率有望快速提升

算法端：由后融合向端到端的演进

模型逐步由“后融合模式”走向“端到端模式”。为提升终端用户体验，摆脱对高精地图的依赖，增强任务协调能力。新模型聚焦于提升感知能力，减少各模块间处理数据的频次，从而避免数据的损失。后融合时期(2020年以前):采用基于HydraNet的多任务神经网络架构，每个传感器对应一个神经网络，将传感器各自处理后的信息做基于统计学模型的加权运算，这样会出现数据损失。特征融合时期(2020-2023):采用基于BEV+Transformer做特征融合的方式，利用Transformer大模型提取特征向量，在统一的3D坐标系空间（BEV）内做特征融合，最后进行多任务输出。端到端模型(2024-至今)：基于深度神经网络，通过摄像头采集驾驶场景的信息，将其作为深度卷积神经网络模型的输入，再不断对网络模型进行训练，得到学习好的网络参数，从而对智能车方向盘转角进行预测，直接向控制器输出操作指令。

数据端：自动标注下的数据训练闭环

特斯拉已经建立了一个全面的数据训练流程，涵盖数据采集、模拟仿真、自动标注、模型训练和部署等环节：数据收集：特斯拉通过影子模式进行数据收集，这是一种在车辆行驶过程中自动启动的系统。当驾驶员的行为与模型预测不符时，相关数据会被发送回数据中心，用于分析和优化模型。目前，特斯拉已经拥有超过180万辆车辆和13亿英里的驾驶数据。仿真模拟：特斯拉的仿真系统创建了一个3D环境，模拟真实世界的场景，包括道路、车辆、行人、路灯和其他周边环境。这种全面的仿真环境使得特斯拉能够生成大量高质量的训练数据。自动标注：特斯拉已经从过去的2D标注过渡到4D标注体系，即在空间和时间上进行数据标注。数据被划分为称为clip的基本单位，并利用自动化系统进行标注。

算力端：Dojo投入后算力大幅提升

Dojo芯片发布并投入量产后，Tesla的算力得到了大幅提升：Dojo1是Tesla在2022年AIDay上发布的用于进行深度学习模型训练的超级计算芯片。该芯片可以通过接受海量的输入数据，对道路上的车辆、标志与行人进行自动标注与学习，进而实现深度学习模型的自动化训练，是目前Tesla已发布的算力最大的芯片。Dojo1芯片投入量产后，Tesla立刻将这些芯片运用到自主研发的超级计算平台DOJO上，在2023-2024年间实现了算力的大幅提升：由原先A100集群不到5EFLOPS的算力规模迅速提升到全球算力前5水平，并有望于今年10月达到100EFLOPS的算力规模，约30万张A100的水平。

各地FSD渗透率有望迎来拐点

北美：3月底开始，FSDV12.3.3开始向北美用户推送，版本引入“端到端”智驾，cornercase解决能力大幅提升。目前，170w使用用户0事故。3月底开始，特斯拉针对美国和加拿大的客户（包括未购买FSD的用户）推出了一个月的FSD免费试用服务。4月12日开始，特斯拉在北美地区FSD每月订阅价格从199美元调整到99美元。欧洲:2024年2月1日，联合国欧洲经济委员会（UNECE）通过了驾驶员控制辅助系统条例（DCAS）新法规草案，新法规将允许批准驾驶控制辅助功能的组合，包括