从特斯拉迭代历程看智能驾驶算法升级趋势

供给端特斯拉FSDBeta北美渗透率超过22%，商业化拐点将至。特斯拉FSD是在Autopilot基础上推出的高阶自动驾驶功能，2020年Q3正式发布FSD Beta，目前已推送至V11.4.6版本。随着软件端不断成熟，FSD商业化进程提速：1）测试用户：截至2023年3月FSD Beta测试人数超过40万，在北美渗透率超过22%。2）行驶里程：截至2023年6月，FSD Beta累计行驶里已超过3亿英里。自2023年4月开始FSD Beta行程里程加速提升，仅Q2单季度提升约1亿英里。3）软件付费：2019年以来经过多轮涨价，目前FSD买断价格高达1.5万美元。马斯克在推特上预告FSD V12将不再是Beta版本，并会在北美向所有用户免费试用一个月，我们认为届时FSD订阅率有望实现跃升，智能驾驶付费彻底跑通。 算法：从规则主导到神经网络主导，BEV+Transformer确立行业通用感知范式，端到端大模型有望再次引领行业。2016年之后特斯拉开始尝试自研算法，并在2017年6月Andrej加入特斯拉之后确立从传统视觉向神经网络模型 、 数据驱动方向发展的技术路线 ， 逐步构建了BEV+Transformer感知范式。1）2018-2019年特斯拉在停车场智能召唤场景下开始将不同视角下的车道线预测结果投射到BEV视角下拼接，采用基于规则的方式进行后融合；2）2020-2021年特斯拉在BEV空间内做特征级融合取代基于规则的后融合，确立BEV+Transformer感知范式，自动驾驶进入大模型时代；3）2022年从BEV升级至Occupancy（相当于4D BEV，增加高度信息），进一步提升对一般障碍物的识别能力。根据马斯克推特，FSD V12将是“端到端”的自动驾驶模型，在规划决策端应用神经网络，将大幅提升自动驾驶车辆与交通参与者的交互能力。 数据：数据闭环+超算中心造就FSD极致的迭代速度，是特斯拉在自动驾驶上的核心竞争力。复盘特斯拉对数据闭环体系的构建可以分为以下两个阶段：1）2016-2019年：特斯拉早在2016年首创影子模式，组建千人的标注团队，数据引擎初步构建。采购英伟达GPU自建数据中心，规模尚小，模型单次训练所需时间较长。2）2020年至今：特斯拉升级版数据引擎在标注、仿真、云端计算资源三个方面大幅升级，数据闭环系统趋于完善。随着感知模型向BEV迭代，特斯拉数据标注也从2D人工标注发展至4D自动标注，大幅提高标注效率。2019年以来，特斯拉基于英伟达GPU部署的数据中心算力持续提升，并同步自研Dojo超算中心。2023年7月Dojo超算中心正式投产，FSD迭代速度有望进一步大幅提升。 硬件：HW4.0版本发布，芯片性能、传感器配置全面升级。特斯拉自2019年发布HW3.0起搭载自研的FSD芯片，2023年HW4.0已开始量产，在芯片性能及传感器配置方面全面升级。1）传感器配置：摄像头精度提升并新增4D毫米波雷达；2）算力：自动驾驶大模型推动车端算力需求的提升，预计HW4.0总算力由144Tops提升至400-500Tops；3）内存：Transformer大模型对内存消耗大幅提升，为了解决“内存墙”问题，特斯拉从HW3.0的8颗LPDDR4升级至16颗GDDR6，内存容量从16GB提升至32GB，最大内存带宽从68GB/s大幅提升至224GB/s。 相关标的：小鹏汽车，理想汽车，德赛西威 风险提示：技术进步不及预期，商业化进展不及预期等。 1.特斯拉FSD商业化拐点将至，智驾付费模式有望彻底跑通 特斯拉FSD（Full Self-Driving）是在Autopilot的基础上，推出的高阶自动驾驶功能，是特斯拉树立“高端智能化”品牌标签的重要渠道，目前已迭代至V11.4.6。特斯拉于2020年Q3正式发布FSD Beta（测试版）版本，随后在2021年7月特斯拉通过重构后的底层算法，采用纯视觉技术路线初步实现了城市NOA，并针对不良天气影响、无保护左转等Corner case进行不断的升级优化。从2023年4月发布的FSD Beta 11.3版本开始，特斯拉统一了城市NOA与高速NOA的系统架构。根据马斯克在推特上的多次预告，FSD V12将是一次具有历史意义的重要更新，同时称FSD V12将不再是Beta版本。 表1：特斯拉FSD Beta更新历程 FSD Beta在北美测试用户已超40万，行驶里程加速提升，我们认为特斯拉FSD商业化拐点将至，智能驾驶付费模式有望彻底跑通。 测试用户：马斯克早在2015年首次官宣特斯拉将推出FSD完全自动驾驶，2016年Q3在官网上线FSD选装包，彼时尚无具体功能说明。直到2020年10月21日，特斯拉正式发布FSD Beta测试版本，但仅向北美Early Access早鸟用户推送。在2021年初举行的财报电话会议上，马斯克表示，截至2021年1月，已经有近1,000名车主在公共道路上参与FSD测试，至2021年3月，这一数字已提升至2000名。在数千名早鸟用户历经一年的内测，伴随着2021年7月发布重要版本FSD Beta V9，在2021年9月FSD Beta在北美开始进行有条件的公测,但仅安全评分达到100的车主才可获得测试资格。两个月后，2021年11月FSD Beta测试者的数量大幅提升至1.17万，随后2022年1月/4月/9月测试人数分别达到6万/10万/16万。随着FSD Beta版本持续迭代、系统可靠性不断提升，特斯拉对于获得FSD Beta测试资格的安全评分标准不断放松，根据马斯克的推特，2022年9月对安全评分的要求已放宽至80分。至2022年11月24日，特斯拉向北美地区所有购买FSD用户推送FSD Beta测试功能，标志着FSD Beta在北美进入全面公测，参与测试人数随之大幅提升，截至2022年12月末测试人数达到28.5万。根据特斯拉官方推特，截至2023年3月2日FSD Beta测试人数超过40万，根据Marklines数据，截至2023年2月底，北美特斯拉保有量约为185万，对应渗透率达到22%。（FSD软件需要在HW3.0平台上才可以启动，特斯拉2019Q2之后生产的车辆才搭载HW3.0，但特斯拉可以为老车主将硬件免费升级至3.0平台，因此此处渗透率计算按特斯拉在北美全部的保有量计算） 图1.获得FSD Beta测试资格的安全评分要求不断降低 图2.FSD Beta测试用户数已超过40万 行驶里程：根据特斯拉2023年二季度业绩说明会，截至2023年6月，FSD Beta累计行驶里程已超过3亿英里。其中，自2023年4月开始FSD Beta累计行程里程加速提升，仅Q2单季度提升约1亿英里，主要系FSD订阅量的上升及从2023年4月开始的V11.3在高速上启用了FSD Beta。需要注意的是，在2023年4月之前，高速场景并未统一到FSD Beta技术栈中。 图3.FSD Beta行驶里程超过3亿英里 软件付费：特斯拉FSD具有“期货”属性，自2016年发布以来已经过多轮价格调整，2019年4月激活FSD功能仅需要一次性支付5,000美元，而目前FSD买断价格已上涨至1.5万美元。同时自2021年5月起，FSD同时支持订阅的方式进行购买，基础AP用户订阅价格为99美元/月，已购买加强AP的用户订阅FSD价格为199美元/月。根据TroyTeslike调研数据，2019年以来随着FSD购买价格逐步上涨及Model 3/Y中低端车型成为销售主力，FSD在北美的单季度渗透率有所下滑。随着FSDBeta功能体验逐步完善，2023年下半年以来特斯拉通过对FSD进行有条件优惠等方式扩大用户基数。2023年7月7日特斯拉升级引荐计划，如果用户通过推荐购买Model 3/Y，可以免费试用三个月FSD Beta；如果通过推荐购买Model S/X，可以免费试用六个月。同时，马斯克在推特上表示当FSD达到足够流畅时会在北美向所有用户免费试用一个月，我们认为这或会在FSD V12发布后实现，届时FSD订阅率有望实现跃升，智能驾驶付费彻底跑通。 表2：特斯拉FSD自2019年4月以来价格持续上涨 图4.北美FSD单季度订阅率随着受到价格上涨影响有所下降 2.算法：BEV+Transformer确立行业通用感知范式，端到端大模型有望再次引领行业 2.1.2018年之前：从与Mobileye合作到初步尝试自研 2014-2016年间特斯拉与Mobileye深度合作，由Mobileye提供感知算法，主要基于传统机器视觉技术，依靠大量人工手写规则。针对每一类ADAS任务，Mobileye都设计了复杂的机器视觉算法，并且在工程层面进行长期的优化，结合专用芯片，最终达到效率和可靠性的平衡。以Mobileye的经典测距算法为例，它使用前方车辆的车轮和地面接触点作为检测点，在假定地面水平的情况下，利用镜头的焦距f、相机离地距离H、成像高度y等易于测量的数据，可以估算出车辆距离本车的距离。在这一阶段，特斯拉基于Mobileye方案的AP1.0系统陆续实现了车道偏离预警、主动巡航控制、自动变道、自动泊车等功能。 图5.Mobileye经典的测距方法，利用几何关系计算A车与B，C车的距离 2016年-2017年特斯拉开始逐步探索自研自动驾驶算法。2016年特斯拉和Mobileye合作关系破裂后在硬件端转向英伟达，同时自研软件算法。2016年10月HW2.0量产，而软件层尚未推出，直到2016年12月31日特斯拉发布Autopilot8.0版本，辅助驾驶功能才重新上线，但相比于AP1.0系统功能上出现了明显的回退，至2017年3月推送的8.1版本AP2.0系统基本达到了AP1.0系统的功能体验。同时，2016-2018年间特斯拉自动驾驶团队构成也发生了多次变化，2016年12月，特斯拉Autopilot原总监Sterling Anderson离职，苹果Swift语言之父Chris Lattner接任，带领AP2.0的研发，但仅半年后Lattner宣布离职。 在这一时期特斯拉几乎不对外披露软件算法技术进展，但值得注意的是，2016年底开始特斯拉的vision小组与机器学习小组也开始在技术上为Autopilot的开发提供支持，说明特斯拉已经开始尝试将AI引入自动驾驶的应用中。 2.2.2018年之后：从后融合到特征级融合，大模型赋能下引领行业 2017年6月Andrej加入特斯拉后，主导特斯拉自动驾驶算法从基于传统视觉（规则的方式）向神经网络模型、数据驱动的方向发展。Andrej将传统视觉称之为Software1.0，指实现某一个功能依靠既定代码逻辑，可以理解为给定目标，程序员设定好一条固定达到目标的路径。以数据驱动、依靠神经网络的模型被称为Software2.0，给定目标结果，程序员设定网络框架，通过计算资源搜索程序空间的子集（给定目标值，利用反向传播和梯度下降实现），进而找到这条具体的、最高效的路径。特斯拉自动驾驶算法进化过程是2.0软件逐步“吞噬”1.0软件的过程，从一开始规则主导，部分神经网络辅助；到二者交叉，部分模块神经网络、部分规则，再到神经网络完全主导，用“one model”统一全栈。 图6.特斯拉自动驾驶模型逐步由规则主导到神经网络主导 2.2.1.2018-2019：使用多任务网络提高模型效率，在BEV空间下进行后融合 构建Hytranets多任务网络提高自动驾驶感知模型效率。在2018-2019年期间，行业中应用神经网络完成自动驾驶感知任务的方式是针对单个任务进行网络设计，即一个神经网络结构只对应一个感知任务的实现。自动驾驶中同时存在非常多感知任务（尤其从高速进入城市场景，环境复杂度大幅提升），如果为每一个任务单独设计一个神经网络极其耗费资源。 特斯拉的解决方案是设计一个Hydranets多任务网络，有一个共享的backbone骨干网络，再输出多个任务。这样设计最核心的好处在于节约计算资源，一方面在