2024年汽车行业智驾中期策略：特斯拉打开智驾技术新高度_降本是国内产业链首要目标.docx

2024年汽车行业智驾中期策略：特斯拉打开智驾技术新高度_降本是国内产业链首要目标

1、技术角度：特斯拉端到端打开智驾新高度，中美智驾阶段性脱钩

2022-2023：特斯拉引领下感知技术收敛，国内头部厂商城市NOA功能开始落地

2020-2022年间特斯拉在北美提出并成功验证了“BEV+Occupancy”感知架构，国内厂商从2022/2023开始陆续跟随：BEV鸟瞰图解决了此前落地城市NOA功能过程中对高精度地图强依赖的问题。2021年AIDAY，特斯拉提出以Transformer为主干网络的BEV空间构建方式，也即通过Transformer模型将多视角图像信息重建至向量空间下，且该向量空间在大模型的加持下拥有更高的环境感知精度，从而降低对高精度地图的依赖。Occupancy则在2DBEV的基础上增强对于物体高度信息的感知，有效解决了对于异形障碍物识别的问题。Occupancy占用网络的核心思想在于将三维空间划分为无数个微小立方体，面对障碍物时“不再考虑这个物体到底是什么，只考虑对应区域的微小立方体是否被占用”。

2024：明确端到端为智驾算法迭代方向，但具体技术路线尚未收敛

模型层面：基于全局端到端自动驾驶模型。目前特斯拉未召开第三届AIDay，行业内尚不知道特斯拉端到端自动驾驶模型具体的网络架构，我们仅能从23年CVPR以及马斯克采访/博文的只言片语中得到一些基本的判断。1）特斯拉端到端模型很可能是基于生成式AI。2）在特斯拉很可能在原有Occupancy模型的基础上构建世界模型，为端到端提供场景演化的理解。

数据闭环：数据闭环流程简化，云端算力为数据闭环中最核心的环节。随着模型架构的改变，数据闭环流程也随之改变。在FSDV11的技术栈下，数据闭环包括数据采集-数据清洗-自动化标注-模拟仿真-云端训练-模型部署等多个环节。若模型架构从判别式模型向生成式模型转变，训练方式从有监督向自监督转变，并省去了复杂的数据清洗和自动化标注环节（仅需要删选出来人类优质的驾驶行为数据即可），数据闭环流程大幅简化。云端算力资源的重要性进一步提升。马斯克曾多次在推特上表示“FSDV12端到端模型迭代主要受到云端算力资源的掣肘”。特斯拉针对超算中心大幅投入，云端算力快速提升。截至22年AIDay，特斯拉具有1.4万个A100（5EFLOPS算力），到23年8月马斯克直播时特斯拉已经具备1.6万个A100+1万个H100+Dojo，算力合计超过16EFLOPS，同时马斯克提到特斯拉23/24年对超算中心的年投入都会超过20亿美金。在大幅投入的背景下，特斯拉云端算力快速提升，至24年4月，具有约35EFLOPS云端算力，预计到24年底提升到85EFLOPS。

2、应用角度：平价化是用户买单的前提，降本是当前产业链首要目标

规模效应降本

对于智驾Tier1而言，规模效应降本体现在以下两个方面：研发成本：研发投入主要包括给芯片厂商的开发费和智驾域控制器系统开发的成本（简单理解为攒板子投入的资源）。以德赛为例，在IPU04研发初期，需要一次性支付英伟达大额的开发费，随着出货量的增多，开发费逐步摊薄。同时，高阶智驾处于0-1阶段时，项目的定制化属性强，随着产业发展到1-10的阶段，项目的标准化程度增强，单个项目需要投入的研发成本下降。物料采购成本：智驾域控除了主控SoC芯片以外，还包括大量电子元器件，如MCU、存储芯片、交换机以太网芯片、Serdes等，此外还需要PCB、结构件、水冷板、连接器等。随着出货量的增多，在物料采购端同样具有规模效应，进而降低BOM成本。

技术降本

低算力跑高算法，城市NOA硬件门槛降低。提高软硬件的协同效率，城市NOA的硬件门槛逐步降低：在高阶智驾0-1阶段，头部厂商主要基于双OrinX（508Tops）平台落地了城市NOA功能，随着当前一代智驾在算法端逐步成熟，行业技术创新的重心也逐步从算法端向后端更底层的部分转移，以此来提高软硬件协同效率，进而实现降本。目前城市NOA的硬件门槛逐步从双OrinX降低到单OrinX，成本大幅降低，如智己LS6/L6、零跑C10/C16、乐道L60等均仅搭载单OrinX芯片，目标实现全国无图城市NOA。

从技术实现实现的角度：元戎启行：自研DeepRoute-Engine的推理引擎技术压榨芯片算力：元戎启行推理引擎技术包含了模型解析前端、图融合终端、后端算子的自动生成和编译优化等等多方面工作，具有自有的框架支持底层算子，可适配多种主流的神经网络模型，针对智能驾驶做专门的优化，以此来实现更高的软硬件协同效率。Momenta：通过核心算子自动调优、跨层融合、模型压缩等技术方式使模型运行效率提升500%，算力需求降低90%，仅通过单Ori