2023--智能驾驶行业研究报告:特斯拉FSD爆发前夜-国内智驾产业加速发展.pptx

2023--智能驾驶行业研究报告:特斯拉FSD爆发前夜-国内智驾产业加速发展.pptx

  1. 1、本文档共47页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

特斯拉FSD爆发前夜,国内智驾产业加速发展

——智能驾驶行业研究报告

;;

特斯拉FSD全球领跑,打造算法+算力+数据闭环构筑护城河。1)算法方面,特斯拉于2021年提出BEV+Transformer算法,22年提出OccupancyNetwork,算法领先国内头部玩家约2年。2)算力方面,2022年总算力约2EFLOPS,特斯拉预期2024年10月将达到100EFLOPS(约30万张A100),算力高速增长。3)数据方面,行驶距离远(截至23年6月,FSDBeta超3亿英里)+销售车辆多(根据特斯拉2022年报,22年交付超过130万台,预计23年交付180万台)+影子模式,保持数据方面优势。

FSD性能持续提升,用户数和里程数高速增长。1)用户数:从2021年10月的1000人增加至2023年1月的40万人,其中从

16→40万人仅花了4个月(2022.09-2023.01)。2)里程数:FSDBeta里程数在23年6月超过3亿英里,其中从1→3亿英里仅花了不到半年(2023.01-2023.06)。

降价+V12加速推出有望助力FSD迎来爆发时刻。2023年9月FSD购买价格从15000美元降低至12000美元,有望刺激北美FSD渗透率提升。马斯克于2023年5月在推特上称FSDV12将是“端到端”自动驾驶,同时“城市街道的自动驾驶”(autosteeroncitystreets)不再被特斯拉列为“即将推出”的清单(过去4年一直都在“即将推出的清单上”),FSDV12有望加速推出。

2、国内:国产厂商加速发展,国产智驾产业链深度受益

国产厂商加速发展,智驾软硬件持续升级。1)华为:智驾模型总算力达1.8EFLOPS,每5天模型迭代一次,每日深度学习里程超过1000万公里。2)小鹏:基于阿里云智能计算平台算力已达600PFLOPS,城市NGP效率接近人类司机。

智驾助力造车新势力销量破纪录大增,国产智驾产业链有望迎来爆发。1)华为:问界新M7(搭载华为ADS2.0)于23年9月12日上线,上线不到30天累计大定超过50000台(老问界M7在23年3月-8月总共销售4976台)。2)小鹏:2023年7月搭载XNGP的新车型G6启动交付,销量快速增长,9月G6销量突破8000辆。

3、投资推荐:积极关注国产智能驾驶产业链相关标的

4、风险提示:FSD技术进展不及预期、FSD大幅降价挤压国产车企空间???智能化渗透率不及预期、客户拓展不及预期、翻译偏差风险、第三方数3据可靠性风险;

特斯拉:特斯拉智驾全球领跑,

FSD或将迎来爆发时刻

特斯拉FSD全球领跑,算法约领先国内头部玩家2年

特斯拉HW3.0开始自研芯片,打造算法+算力+数据闭环构筑护城河

FSD性能持续提升,用户数和里程数高速增长,降价+V12加速推出有望助力FSD迎来爆发时刻

国内:国产厂商加速发展,国产

智驾产业链深度受益

国产厂商加速发展,智驾软硬件持续升级

智驾助力造车新势力销量破纪录大增,国产智驾产业链有望迎来爆发;

特斯拉FSD全球领跑,算法约领先国内

头部玩家2年

特斯拉HW3.0开始自研芯片,打造算

法+算力+数据闭环构筑护城河

FSD性能持续提升,用户数和里程数高

速增长,降价+V12推出有望助力FSD迎来爆发时刻;

次年2014年推出HW1.0,后续约2-4年更新一次(14年HW1.0,16年HW2.0,19年HW3.0,23年HW4.0)。

2022年11月,FSDBeta已向所有购买该选项的北美车主开放。

图:特斯拉智能驾驶发展历程;;;

01BEV:摄像头图像(2D)→BEV空间(3D)

BEV:BEV为鸟瞰图,是不同视角的摄像头捕捉的图像统一投射到同一个BEV空间,形成鸟瞰图。;

Transformer是一种基于注意力机制的神经网络模型,可以更好地实现图像数据至BEV视角的转化。特斯拉先在BEV空间层中初始化特征,再通过多层的Transformer和2D图像特征进行交互融合,迭代处理后最终得到BEV特征。

图:特斯拉Transformer将图像数据转化到矢量空间;

1.利用RegNet和BiFPN从多相机获取特征。

2.模型通过带3D空间位置的Spatial

Query对2D图像特征进行基于attention的多相机融合。

3.模型根据已知的自车位置和姿态变化进行时序融合,将3D特征空间进行拼接。

4.基于De

文档评论(0)

8d758 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档