汽车行业智能驾驶研究框架：（三）特斯拉专题

根据提供的研报内容，以下是关于特斯拉自动驾驶研究框架的总结：

特斯拉自动驾驶发展历程

1. 三个发展阶段：

   • 基础建设期（2013-2016）：特斯拉开始开发辅助驾驶系统（Autopilot），初期与Mobileye合作，使用Mobileye的硬件和算法。
   • 自研过渡期（2016-2019）：转向自主开发计算平台FSD（Full Self-Driving Computer），硬件由英伟达提供，传感器配置逐步完善，并开始内部收集和利用数据。
   • 全面自研期（2019-至今）：实现从底层硬件到上层软件的全面自主开发，推出自研芯片FSD芯片。

2. 关键技术：

   • 影子模式：实时收集车辆行驶过程中的数据，用于算法验证和优化。
   • HydraNet：重构自动驾驶目标检测网络，提高算法效率。
   • BEV+Transformer：将2D图像升维至BEV视角，提升决策精准度和降低计算量。
   • 占用网络：预测每个体素是否被占用，简化算法逻辑，提升决策精确性。
   • 端到端：基于深度神经网络，实现从感知到决策的全链条自动化，更接近人类驾驶。

自动驾驶软件付费模式

• 订阅与买断模式：FSD在北美提供订阅和一次性买断两种付费方式，价格随时间调整。
• 市场表现：北美地区的付费意愿较高，购买率相对全球其他地区显著更高。

计算中心DOJO

• 超级算力：DOJO服务器在2024年10月将达到100EFlops的算力水平，支撑大规模模型训练。
• 全栈软件系统：特斯拉自研与开源软件相结合，打造DOJO专属软件系统，包括底层驱动、编译器引擎、神经网络模型等。

投资建议

• 关注在汽车智能化领域具有优势和领先软件能力的公司，如德赛西威、均胜电子、中科创达、经纬恒润、光庭信息、华阳集团等。

风险提示

• 汽车智能化渗透率提升速度低于预期的风险。
• 政策法规支持不足的风险。
• 芯片等原材料短缺风险。
• 宏观经济下行风险。