智能驾驶系列报告二：特斯拉FSD：智驾全栈自研 开启宏图新篇

概述：FSD软硬件全链路闭环技术端快速进化。特斯拉FSD是一套包含感知、规控、执行在内的全链路自动驾驶软硬件架构，在算法、算力、数据、芯片等层面实现了高度集成。FSD技术端快速进化，V12为首个端到端自动驾驶系统，能够模拟人类驾驶行为，实现感知决策一体化。特斯拉Robotaxi即将正式推出，有望成为特斯拉发展历程重要里程碑。 算法端：创新算法优化实现高效神经网络推理。1）感知模块，采用HydraNets架构，整合多个视觉识别任务到单一网络，通过BEV+Transformer技术，实现对车辆周围环境的感知；2）规划模块，引入基于神经网络的规划模块和蒙特卡洛树搜索，提高自动驾驶决策质量。通过算法端全栈自研，特斯拉以低成本感知硬件实现高阶智驾能力，快速优化迭代自动驾驶算法。 算力端：布局Dojo超级算力支撑远期算力需求。特斯拉从算力芯片开始，完整构建Dojo超级计算机系统，以处理自动驾驶所需海量数据，旨在摆脱对英伟达GPU的依赖，为远期算力瓶颈进行前瞻布局。其中，自研D1芯片作为Dojo核心，采用存算一体架构，高效优化数据传输和处理效率，为AI训练提供强大支持。 芯片端：自研FSD芯片集成高效计算能力。特斯拉自动驾驶硬件平台HW1.0、HW2.0分别与Mobileye、英伟达合作推出，2019年推出HW3.0系统，正式转向硬件平台全面自研，下一代全自动驾驶硬件AI 5预计将于2025年下半年投产。特斯拉自研FSD芯片采用异构设计，计算性能和高效的数据处理能力卓越。通过芯片自研，特斯拉能够实现硬件方案的持续快速迭代，与软件算法进行更好的整合，从而实现更优的系统性能。 数据端：自动化数据闭环优化数据驱动训练。1）自动标注，特斯拉开发自动标注系统生成4D标签，实现人工与机器相结合的数据标注，大幅提高标注效率；2）仿真模拟：构建虚拟仿真空间，安全且高效地重现和构建极端及复杂场景以进行算法训练，赋能模型迭代；3）数据引擎，特斯拉将采集的数据通过影子模式筛选出具有语义信息的有效数据，回传至云端，实现数据和模型持续优化。 特斯拉形成综合训练数据集，用于训练车端的在线模型，形成闭环的数据流，实现自动驾驶系统的持续优化。 FSD技术端快速进化实现感知决策一体化。2023年12月，特斯拉正式推出FSD Beta V12，是首个实现端到端AI自动驾驶的系统，采用单一深度学习模型处理从原始输入到驾驶决策的全过程，提升自动驾驶的效率和适应性。特斯拉FSD快速进化，V13即将10月推出，有望于2025Q1进入中国和欧洲，智能驾驶拐点已至。 投资建议：FSD技术端快速进化，“We, Robot”发布会即将开幕，Robotaxi即将推出，有望成为特斯拉发展历程重要里程碑，并与FSD V13发布形成共振，共同成为板块强劲催化，智能驾驶奇点已至：推荐1）智能驾驶-【伯特利、德赛西威、经纬恒润-W、科博达】+智能座舱-【上声电子（智能声学）、继峰股份（智能座椅）、光峰科技（车载光学）】；2）T链-【拓普集团、新泉股份、爱柯迪、旭升集团、双环传动、岱美股份、银轮股份】。 风险提示：智能化渗透率提升不及预期，智能驾驶技术发展不及预期，Robotaxi商业化进展不及预期。 1引言 本报告为特斯拉FSD专题报告，从算法端、算力端、芯片端、数据端四个层面出发，对FSD系统底层技术原理进行全面深度拆解，并结合端到端架构演进趋势，对FSD系统的最新发展变化进行梳理，对板块后续核心催化进行展望。 FSD是一套包含感知、规控、执行在内的全链路自动驾驶软硬件架构，在算法、算力、数据、芯片等层面实现了高度集成： 1）算法端：感知规划算法全栈自研，实现从纯视觉信息输入到规划方案输出。 1）感知。特斯拉采用BEV+Transformer架构，将2D图像转化为对周围环境的准确3D感知。而后，特斯拉将该架构升级为Occupancy Network，能够直接在向量空间产生体积占用，精准识别物体运动状态差异；2）规划。特斯拉采用交互搜索框架，以任务分解的方式对一系列可能的行驶轨迹进行研究，实现对规划方案的实时评估。通过算法端全栈自研，特斯拉以低成本感知硬件进行高阶智驾能力输出，快速实现自动驾驶算法优化迭代。 2）算力端：从0到1构建超级计算机系统，为远期算力提供强大支撑。特斯拉从算力芯片开始，完整构建Dojo超级计算机系统，以处理自动驾驶所需海量数据。2021年8月，Dojo在特斯拉首届AI Day上正式亮相，定位为超高速训练计算机，采用分布式计算架构设计，算力分为内核级、芯片级、格点级、集群级等四个层级，实现从训练节点到训练集群的完整构建。特斯拉从0到1构建超级计算机系统，旨在摆脱对英伟达GPU的依赖，为远期算力瓶颈进行前瞻布局。 3）芯片端：由合作迈向自研，实现高性能算力集成。特斯拉自动驾驶硬件平台初期与Mobileye、英伟达等合作，2019年正式发布基于自研FSD芯片的HW 3.0系统，开始转向硬件平台全面自研，下一代全自动驾驶（FSD）硬件——AI 5，预计将于2025年下半年投产。FSD硬件计算平台采用两颗SoC芯片，以双系统设计提升自动驾驶功能安全冗余。特斯拉构建了神经网络编译器与链接器，以最大化计算资源利用率、吞吐量，并最小化延迟。通过芯片自研，特斯拉能够实现硬件方案的持续快速迭代，与软件算法进行更好的整合，从而实现更优的系统性能。 4）数据端：高效自动标注+构建仿真场景，实现数据驱动训练。2020年，特斯拉开始研发并使用数据自动标注系统，能够在12小时内自动标注一万个驾驶旅程，可抵充500万个小时的人工标注工作，极大提高了标注效率。仿真模拟则可以提供现实世界中难以获得或是难以标记的数据，从而加速FSD能力的训练，赋能模型迭代。结合真实数据和标签，以及仿真和手动校准的数据，特斯拉形成综合训练数据集，用于训练车端的在线模型，涉及网络占用、车道线和障碍物检测以及规划算法，形成闭环的数据流，实现自动驾驶系统的持续优化。 FSD技术端快速进化，V12为首个端到端自动驾驶系统，能够模拟人类驾驶行为，实现感知决策一体化。特斯拉FSD v12于2023年底推出，采用端到端大模型，消除了自动驾驶系统的感知和定位、决策和规划、控制和执行之间的断面，将三大模块合在一起，形成了一个大的神经网络，直接从原始传感器数据到车辆操控指令，简化了信息传递过程，因而减少了延迟和误差，提高了系统的敏捷性和准确性。特斯拉FSD快速进化，V13即将10月推出，有望于2025年Q1进入中国和欧洲，智能驾驶拐点已至。 “We, Robot”发布会即将开幕，有望成为智驾板块强劲催化。特斯拉将于北京时间10月11日在美国洛杉矶发布新品，活动主题口号为“We, Robot”。 特斯拉Robotaxi即将正式推出，有望成为特斯拉发展历程重要里程碑，并与FSD V13发布形成共振，共同成为板块强劲催化。 本篇报告与市场不同之处： 1）从算法端、算力端、芯片端、数据端四个层面出发，对FSD系统底层技术原理进行全面深度拆解； 2）结合FSD V12系统发展路径，对感知端到端到One Model端到端的技术架构演进趋势展开研究，探析自动驾驶领域全新发展路径； 3）对特斯拉FSD的未来发展路径进行分析，判断特斯拉自动驾驶的重要技术发展节点，并对未来智驾板块的潜在事件催化进行展望。 2概览：软硬件全链路闭环全栈自研构筑强大技术基石 2.1发展历程：软硬件持续迭代由外部合作到全栈自研 特斯拉自动驾驶系统发展始于2013年，初期采用外部合作方式。2013年9月，马斯克在推特上首次提到AP（Autopilot系统），表示特斯拉正在进行自动驾驶领域的探索。2014年10月，特斯拉与视觉处理芯片独角兽公司Mobileye进行合作，正式推出第一代Autopilot硬件（HW1.0），率先搭载于Model S。 在未来一年多的时间里，特斯拉通过OTA不断更新固件，使车辆获得更完善的驾驶辅助或自动驾驶功能。2016年10月，特斯拉推出第二代Autopilot硬件（HW2.0），采用了英伟达的DRIVE PX2平台，硬件平台进一步升级。 图1：2013年9月，马斯克在Twitter中首次提到AP 2019年4月，特斯拉推出HW3.0，正式开启全栈自研。HW3.0放弃了英伟达的DRIVE PX2平台，转而采用特斯拉全栈自研的FSD芯片。2020年10月，特斯拉小范围推送FSDBeta，对Autopilot基础架构进行了重大重写。2021年7月，特斯拉开始推送FSD Beta V9，该版本采用纯视觉自动驾驶方案，摒弃了传统的毫米波雷达和超声波雷达，是特斯拉在自动驾驶技术的重要发展节点。2024年1月，特斯拉FSDV12正式向用户推送，将城市街道驾驶堆栈升级为端到端神经网络，该神经网络由数百万个视频片段训练而成，取代了超过30万行的C++代码。2024年2月，特斯拉ModelY迎来HW4.0自动辅助驾驶硬件升级，与HW3.0相比，HW4.0算力提升5倍，在硬件设计上实现并行处理能力增强、内存管理优化和专用加速器集成等多项创新。从最初的辅助驾驶系统，到全栈自研自动驾驶技术，特斯拉持续引领智能驾驶技术发展浪潮。 图2：特斯拉自动驾驶系统发展历程 FSD累计行驶里程快速增长，商业化拐点已至。2024年4月12日，为降低FSD体验门槛，吸引更多人订阅，特斯拉FSD推出单月付费优惠，价格从199美元/月调降50%至99美元/月，FSD买断价格维持1.2万美元不变。FSDV12版本更新、订阅价格下降，共同驱动FSD累计行驶历程数快速增长，截至2024年8月7日，FSD累计行驶里程达1.6亿公里，商业化拐点已至。 图3：FSD累计行驶里程 图4：FSD订阅价格降至99美元/月 2.2系统架构：软硬件全链路闭环实现高度集成 FSD是一套包含感知、规控、执行在内的全链路自动驾驶软硬件架构，在算法、算力、数据、芯片等层面实现了高度集成。FSD架构在Tesla AI Day 2022完整提出，核心组件包括规划（Planning）、神经网络（Neural Networks）、训练数据（Training Data）、训练基础设施（Training Infra）、AI编译与推理（AICompiler & Inference）等。FSD核心组件在算法端、算力端、数据端和硬件端展现出强大的整合能力： 1）算法端，规划组件专注于解决复杂的多物体关联路径规划问题，通过精确处理自我车辆与周围所有对象的行进轨迹，为汽车提供执行动作的指导。同时，神经网络则利用视频流等信息，输出车辆的运动学状态，如位置、速度、加速度等，以实现精确控制。 2）算力端，训练基础设施提供了强大的计算支持，包括CPU、GPU和神经网络加速器单元（Neural Network Accelerator）。这些硬件资源通过AI编译器的优化，能够高效地支持神经网络所需的新操作，并映射到最合适的硬件上，从而提升整体的计算效率。 3）芯片端，AI编译与推理组件确保了神经网络能够在计算机上高效运行。通过将神经网络的执行分配到两个独立的芯片系统上，FSD实现了高性能的并行计算，进一步提升了自动驾驶系统的响应速度和处理能力。 4）数据端，训练数据通过4D自动标注技术、模拟仿真和数据引擎，实现了数据的自动化和精准化处理，形成了一个闭环的数据系统，为算法的训练和优化提供了高质量的数据基础。 图5：特斯拉FSD系统架构 3算法端：创新算法优化实现高效神经网络推理 感知规划算法全栈自研，实现从纯视觉信息输入到规划方案输出。1）感知。 特斯拉采用BEV+Transformer架构，将2D图像转化为对周围环境的准确3D感知。而后，特斯拉将该架构升级为Occupancy Network，能够直接在向量空间产生体积占用，精准识别物体运动状态差异；2）规划。特斯拉采用交互搜索框架，以任务分解的方式对一系列可能的行驶轨迹进行研究，实现对规划方案的实时评估。通过算法端全栈自研，