开源中小盘2023年中期投资策略：AI+自动驾驶，奇点已至
证券研究报告 AI+自动驾驶，奇点已至 开源中小盘2023年中期投资策略 任浪（首席分析师） 证书编号：S0790519100001 邮箱：renlang@kysec.cn 赵旭杨（分析师） 证书编号：S0790523070004 邮箱：zhaoxuyang@kysec.cn 徐剑锋（联系人） 证书编号：S0790123070014 邮箱：xujianfeng@kysec.cn 2023年9月6日 核心观点 1.AI驱动，L3级自动驾驶奇点已至 人工智能驱动下，自动驾驶已经无限接近L3。特斯拉FSDV11及后续版本可较好应对城市、乡村高速等复杂道路场景，能力强大。从最初的大约2000名内测客户，到面向所有北美车主开放，FSD累计使用里程数在2023年Q2已经增长至超过3亿英里。特斯拉的表现得益于其在算法领域的开创性创新和持续迭代，于此同时，特斯拉也打造了从车载算力芯片及控制器、云端算力芯片及数据中心、数据闭环等完善的自动驾驶所需要的产业闭环体系，形成强大的综合竞争实力。 2.BEV+Transformer，自动驾驶进入大模型时代 大模型推动算法突破，自动驾驶持续受益。算法端重感知、轻地图的方式为人们所接受。通过Transformer大模型算法来实现BEV（鸟瞰图）视角的转换和多传感器融合，同时加入占用网络来实现对通用障碍物的感知。而在规控端，基于神经网络的算法引入提升了整体体验。此外模块化的算法部署形式之外，端到端的算法也在不断推进，有望进一步提升算法的性能。 3.国内玩家快速跟进，整车厂迎价值重估 本土玩家快速跟进产业趋势，诸多车厂推出城市级别自动驾驶功能。特斯拉之外，本土车厂紧随其后，小鹏、华为、理想、比亚迪等车企都将推进BEV+Transformer等算法的研发以及整体数据闭环体系的搭建，逐步推出自己的城市自动驾驶功能。除此之外，地平线作 为芯片厂商也推出可为客户使用的自动驾驶算法、大疆则依靠无人机领域的积累，采用惯导双目方案低成本的实现无人驾驶的落地， 产业如何火如荼，整车厂价值有望迎来重估。 4.产业链各司其职，全面受益： 产业链各大环节均有望持续受益。大算力平台方面，汽车电子电气架构集中化持续推进，舱驾融合已经成为趋势，大算力平台有望持续受益产业发展。软法和软件层面，无论是底层软件的开发和适配还是上层的应用以及自动驾驶算法都将孕育诸多机会。执行层面，线控底盘有望受益自动驾驶的推进，尤其是线控制动和线控转向有望率先受益。半导体方面，车载芯片半导体涵盖功率、联网、计算等部分，都将伴随着汽车智能化实现渗透率提升。最后在传感器层面，IMU和4D毫米波有望成为新时期的增量产品。 5.核心标的和风险提示：核心标的：德赛西威、经纬恒润、均胜电子等。风险提示：宏观经济下行，疫情反复影响，行业竞争加剧等。 目录 CONTENTS 1 AI驱动，L3级自动驾驶奇点已至 2 BEV+Transformer，自动驾驶进入大模型时代 3 国内玩家快速跟进，整车厂迎价值重估 4 产业链各司其职，全面受益 5 核心标的和风险提示 特斯拉自驾功能趋于成熟，V11版本带来极致体验 随着特斯拉V11及后续版本的更新，特斯拉的算法日益成熟，在处理无车道线的崎岖山路、无保护左转、闹市区人流密集区域行驶、夜间闹市行驶、恶劣天气下行驶等场景时表现令人印象深刻。 图1：特斯拉FSD在处理各类道路场景时表现优异 1.FSDBetaV11.3良好应对无车道线崎岖山路2.FSDBetaV11.4.4Uber载客良好应对无保护左转3.FSD闹市区从容应对拥堵人流 4.FSDBetaV11.4.4穿越芝加哥人流密集区域5.FSDBetaV11.4.6夜间穿越纽约曼哈顿市中心6.FSDBeta晚高峰暴雨22公里0接管 2022年11月以后FSD可面向所有用户推送，表明特斯拉对产品信心提升 用户使用条件逐步放宽，表明特斯拉对产品信心：2022年11月24日，马斯克表示，“北美任何人都可以从车辆屏幕上申请特斯拉FSDBeta”意味着特斯拉全自动驾驶FSDBeta版已面向北美付费用户开放。从早期V9版本只推送给以员工为主的约2000名体验用户，到全面向北美客户开放，再到未来或将免费为客户开放试用，特斯拉对自身产品的信心逐步提升，产品日益走向成熟。 特斯拉安全分数：2021年9月25日，特斯拉推出了安全评分测试版（SafetyScoreBeta），来评估驾驶员的驾驶行为，为保险定价，同时作为是否推送FSD测试的参考。安全分数介于0-100之间，分数越高越安全，分数由五个安全因素影响：（1）每1000英里前向碰撞警告；（2）硬制动（加速度超过0.3g）；（3）激进转向（超过0.4g的左/右加速度）；（4）不安全的跟随；（5）强制自动驾驶仪脱离（收到三次警告后，Autopilot自动驾驶仪系统将在剩余行程中脱离）。2023年特斯拉推出了安全评分系统 beta2.0版本，新加入超速时间、未系安全带的驾驶习惯、深夜驾驶等标准以求让评分变得更加公平。 图2：特斯拉逐步放宽试用条件，表明对产品信心逐步提升图3：特斯拉推出安全分数评估驾驶员驾驶行为 付费用户数量持续高增长，FSD行驶里程数呈加速趋势 特斯拉FSD的付费用户数量实现快速增长：截至2022年底FSD拥有超过40万用户使用，这一数据在2023年有望进一步提升，结合北美目前特斯拉的保有量来看，特斯拉FSD自从向大部分客户开放后，渗透率实现了快速增长并达到了较高水平； FSD的行驶里程数加速推进：FSD累计行驶里程数显著加速增长，数额从2023年Q1的1.5亿英里，到2023年Q2财报增长至3亿英里以上接近翻倍，FSD的整体使用量在快速提升。 图4：FSD用户数量水涨船高（万用户数）图5：FSD累计行驶里程数量呈现加速上涨态势 特斯拉致力于全栈自研，全面覆盖从底层芯片到上层应用，从算法到数据闭环甚至数据中心和云 特斯拉构建了全栈自研的自动驾驶体系：车端的FSD算力芯片和板卡域控制器；云端的训练所需算力芯片D1芯片和超级计算机Dojo，以及全栈自动驾驶算法包含感知算法、规控算法、和各类神经网络；以及数据闭环体系：包含数据挖掘等整套系统的搭建，以及自动标注、仿真平台等的构建，形成了强有力的联合优化能力，并且能够应用在汽车、机器人上，实现规模化降本。 图6：特斯拉构建全栈自研的自动驾驶体系，从车载算力到云端算力再到算法和数据闭环全覆盖 车载算力：FSD芯片及 板卡控制器 训练算力：D1芯片和Dojo超级计算机 自动驾驶算法：感知到规控 数据闭环：数据闭环体系、自动标注、仿真平台搭建等 从BEV+transformer到占用网络，特斯拉自动驾驶感知算法持续完善 特斯拉的自动驾驶算法并非一蹴而就，而是在一步步迭代中逐步成熟，在感知端自2020年引入Transformer后不断完善，2021年形成了带有时序信息的BEV+Transformer网络，2022年进一步引入占用网络，形成相对完整的算法框架。 图7：特斯拉的算法不断迭代，从单一BEV进化至BEV+transformer至带有时序信息的占用网络 硬件端从HW1.0迭代至HW4.0不断演进 HW1.0采用Mobileye的方案，后续率先将软件自研，采用英伟达方案构建HW2.0/2.5，HW3.0之后芯片算法实现全栈自研。 表1：特斯拉的硬件迭代有序推进，从采用第三方逐步走向全栈自研 HW1.0 HW2.0 HW2.5 HW3.0 HW4.0* 图示 使用时间 2014.9-2016.10 2016.10-2017.8 2017.8-2019.4 2019.4-今 未发布 前视摄像头 1 3个35°+主视50°+广角120° 2 前大灯摄像头 0 2 侧摄像头 0 2个90° 2 侧后摄像头 0 2个60° 2 后视 0 1个150° 2 毫米波雷达 博世 博世 大陆 大陆后移除 提供4D毫米波雷达接口 超声波雷达 12 12 12 12 0 处理器 MobileyeEyeQ3 1个英伟达ParkerSoc1个英伟达PascalGPU1个英飞凌TricoreCPU 1个英伟达ParkerSoc1个英伟达PascalGPU1个英飞凌TricoreCPU 2颗FSD芯片包含： 12个Exynos64bitarm核心；2个GPU核心；2个NPU核心；1个锁步CPU 2颗FSD芯片包含： 20个Exynos64bitarm核心；2个GPU核心；3个NPU核心；1个锁步CPU （主频提升） 算力（TOPS） 0.256 12 12 144 300-500 特斯拉自研算力平台Dojo，2024年冲刺100EFlops算力 自研D1芯片和Dojo超级计算机布局算力。为了进一步提升算力水平，2021年起特斯拉开始自研D1人工智能芯片和Dojo超级计算机。将25颗自研的D1芯片封装成Dojo训练模块，再将120个训练模块结合Dojo接口处理器等组件融合形成Dojo主机，目前10机柜的DojoExaPOD超级计算机将拥有1.1EFlops算力，并且拥有强扩展能力，借助特斯拉强大的软件能力，将有效提升其在算法领域的迭代速率。 而据特斯拉AI官方账号显示，特斯拉将在2024年1月将拥有等效10万片英伟达A100GPU的算力，在2024年的10月拥有100EFlops算力，等效30万片英伟达A100GPU算力。 图8：Dojo计算专为AI训练而生 图9：ExaPOD超级计算机拥有1.1EFLOP算力 图10：特斯拉算力需求将迎来快速增长 目录 CONTENTS 1 AI驱动，L3级自动驾驶奇点已至 2 BEV+Transformer，自动驾驶进入大模型时代 3 国内玩家快速跟进，整车厂迎价值重估 4 产业链各司其职，全面受益 5 核心标的和风险提示 大模型横空出世，自动驾驶奇点来临 早期自动驾驶方案采用激光雷达+高精度地图为主。该方案中，对静态环境的感知强依赖高精度地图，实时的动静态障碍物感知强依赖激光雷达。高精地图成为一项“基础设施”，将很多在线难以解决的问题提前存储到地图数据中，行车时作为一项重要的感知信息来源，减轻传感器和控制器的压力，但只能在有图地区行驶。 高昂的单车成本和高精度地图成为自动驾驶大规模推广瓶颈。早期Waymo的Robotaxi量产车型改装成本约为20万美元/量，成本高昂，加之高精度地图采集制作以及合规要求繁杂，该自动驾驶方案泛化性弱，仅局限在商用车领域，难以推广。市场亟待出现一种单车性能强大、成本低廉的自动驾驶解决方案。 图11：Cruise采用高精度地图+激光雷达解决方案图12：Waymo无人驾驶出租车拥有先进的传感器 资料来源：小鹏汽车公众号资料来源：太平洋汽车 BEV感知助力成为感知外部世界标准范式 2021年特斯拉推出BEV+Transformer、重感知轻地图的自动驾驶解决方案，开启了自动驾驶行业新的篇章。 BEV全称为Bird’sEye-View（鸟瞰图），即通过神经网络将各个摄像头和传感器获取的信息进行融合，生成基于俯视的“上帝视角”，同时加入时序信息，动态地对周边环境进行感知输出，便于后续预测规划模块使用。驾驶行为是在3D空间中进行，而鸟瞰图则是将2D图像的透视空间转换为3D空间，使得车辆可以判断自己和空间的关系。 图13：BEV视角更加直观，便于规划和决策驾驶路径和行为 资料来源：特斯拉AIDAY2021、开源证券研究所 Transformer大模型为构建BEV空间提供最优解 2021年BEV+Transformer算法引入自动驾驶，开启自动驾驶新时代。构建BEV空间实际是寻找一种恰当的方式，将多个2D图 像和传感器信息转化成为一个3D向量空间。特斯拉引入Transformer大模型来实现转换。 Transformer模型优势： （1）更好的全局信息感知能力 （2）适用大规模数据训练场景 （3）拥有多模
