特斯拉FSD即將入華，新版本強在哪里？ | 研報推薦

注：原文為太平洋證券《特斯拉的FSD時(shí)刻》，分析師：劉虹辰

在智能駕駛領(lǐng)域，特斯拉FSD基本代表著(zhù)全球的最先進(jìn)水平。隨著(zhù)FSD在國內的解禁，國內廠(chǎng)商們將迎來(lái)一次新的挑戰。

本月初，特斯拉長(cháng)達三年的 FSD Beta 測試計劃似乎已經(jīng)結束，這一變化體現在其最新版本更新說(shuō)明中，其將原先的“FSD Beta”更名為了“FSD (Supervised)”。

Supervised 是“監督”的意思，而這正是FSD的核心。

那么從測試版轉正，新版本的FSD究竟強在哪里？

在名為《特斯拉的FSD時(shí)刻》的行業(yè)深度報告里，分析師從三個(gè)核心邏輯的角度介紹了FSD新版本更新內容。

以下為研報內容節選：

特斯拉如何迎來(lái)FSD時(shí)刻？

1、端對端NN重塑FSD

2024年3月，特斯拉先后推出FSD（Beta）12.3.2、12.3.2.1以及最新的FSD（Supervised）12.3.3版本。

相比較于FSD 11，FSD v12創(chuàng )新性地采用了端對端的神經(jīng)網(wǎng)絡(luò )技術(shù)（端對端NN），可以更好地理解和處理復雜駕駛環(huán)境，減少駕駛人員的干預，提高自動(dòng)駕駛的精確度和自動(dòng)化度。

感知-決策-執行是FSD的基本流程，在v11中，感知階段需要通過(guò)視覺(jué)方式/雷達方式獲取周?chē)矬w信息并識別和標識分類(lèi)，決策階段則依賴(lài)于事先認為編寫(xiě)好的控制規則。

但是v12采用了端對端NN技術(shù)，感知階段不再需要識別和標識，決策階段也不需要事先人為編寫(xiě)控制規則，只需要輸入大量視頻交給NN學(xué)習，就能分辨出在不同情況下需要做什么，這使得特斯拉在FSD V12中減少了100倍代碼，使其更輕便、更靈活，同時(shí)在沒(méi)有網(wǎng)絡(luò )連接的情況下仍能在不熟悉的地形上工作。

目前，v12在北美的已經(jīng)適配裝備HW4.0的modelS、3、X和Y，在中國地區目前只有Model Y可以升級到HW4.0。

Y可以升級到HW4.0。相比HW3.0，HW4.0在算力、攝像頭數量和清晰度等方面具有大幅度的提升。攝像頭為8個(gè)，算力提升5倍，素有攝像頭像素由120萬(wàn)提升至500萬(wàn)。

目前，特斯拉FSD累計里程指數級增長(cháng)超10億英里，劍指百億公里。

2、新版Autopark不依賴(lài)USS

新版的Autopark（泊車(chē)功能）基于與FSD v12相同的NN技術(shù)，不再依賴(lài)USS（超音波雷達）：自2022年特斯拉放棄USS而改用攝像頭以來(lái)，未裝備USS的新特斯拉的Autopark和Summon功能給用戶(hù)帶來(lái)的體驗感遠不如裝備USS的車(chē)輛。

之前版本的Autopark具有兩大主要缺陷：1）很難檢測停車(chē)位并將其顯示在屏幕上，而且一次只能顯示一個(gè)停車(chē)位。2）停車(chē)速度通常非常慢，如果周?chē)衅渌?chē)輛，幾乎很難完成自動(dòng)泊車(chē)。

而新的Autopark基于NN技術(shù)，顯著(zhù)改善了這兩個(gè)問(wèn)題，停車(chē)速度更快，不僅可以在顯示屏上勾勒出停車(chē)位，還可以同時(shí)顯示各種停車(chē)位-包括平行空間。此外，這次升級，特斯拉真正實(shí)現了一鍵泊車(chē)（TaptoPark），當駕駛員選擇好停車(chē)位后，點(diǎn)擊“開(kāi)始按鈕”，特斯拉的車(chē)輛能夠安全地倒車(chē)進(jìn)入停車(chē)位，駕駛人員只需要保持關(guān)注并隨時(shí)準備在必要時(shí)取消自動(dòng)停車(chē)操作即可，大幅度降低了人為干預需要、提升用戶(hù)體驗。

3、HW4.0芯片算力大幅提升

芯片改用更先進(jìn)制程：HW4.0 FSD芯片采用三星7nm工藝，HW3.0為三星14nm工藝，新的自動(dòng)駕駛芯片性能將是現款自動(dòng)駕駛芯片的5倍左右。

攝像頭或升級：攝像頭數量或從9個(gè)減少到8個(gè)，但是攝像頭的清晰度從120萬(wàn)像素提升到500像素，這使得HW4.0具有比3.0更強的感知能力，最遠探測距離可達424米，掃除盲區和死角。

預留雷達接口：HW4.0預留了裝備雷達的空間，但是modelY在出廠(chǎng)時(shí)并不具備雷達功能，這可能與特斯拉更加偏好視覺(jué)方案、降低車(chē)輛出廠(chǎng)成本等因素有關(guān)，同時(shí)也為用戶(hù)提供了一定的選擇空間。

CPU內核數量提升66.67%，FSD Computer2數量增加到3個(gè)：CPU方面，HW4.0由3.0的12核，提升到了20核，內核數量提升66.67%。計算平臺方面，雖然HW4.0仍然采用的是FSDComputer2，但是數量卻增加到了3個(gè)。

背后的核心邏輯

1、特斯拉引領(lǐng)技術(shù)路徑收斂

1）特斯拉引領(lǐng)BEV+Transformer

2021年7月AI DAY，特斯拉首次展示基于Transformer的BEV感知方案，是大模型首次用于自動(dòng)駕駛，實(shí)時(shí)感知生成向量空間。

2）特斯拉Occupancy感知引領(lǐng)華為、理想跟隨

2022年10月AI DAY，特斯拉Occupancy感知進(jìn)化，不識別類(lèi)別也能判斷物體運動(dòng)狀態(tài)，引領(lǐng)華為GOD、理想Occupancy跟隨。

3）TeslaLane感知車(chē)道拓撲，理想提前提取復雜路口特征

4）大模型自動(dòng)標注效率是人工的1000-45000倍

5）特斯拉Dojo投產(chǎn)，國內廠(chǎng)商建設超算中心

2、大模型催化FSD時(shí)刻

1）大模型蒸餾有望解決車(chē)端算力不足帶來(lái)效果欠佳問(wèn)題

車(chē)端計算資源有限難以部署大模型，導致推理效果和泛化性能欠佳：通常來(lái)說(shuō)，規模較大的模型預測效果更好，但訓練時(shí)間長(cháng)、推理速度慢的問(wèn)題使得模型難以實(shí)時(shí)部署，尤其在自動(dòng)駕駛汽車(chē)等計算資源有限的設備上，響應速度顯然不夠用。規模較小的模型雖然推理速度較快，但是因為參數量不足，推理效果和泛化性能沒(méi)那么好。

大模型知識蒸餾給小模型，可以實(shí)現更優(yōu)的性能：知識蒸餾（knowledgedistillation）是模型壓縮的一種常用方法，通過(guò)構建一個(gè)輕量化的小模型，利用性能更好的大模型的監督信息來(lái)訓練這個(gè)小模型，以期達到更好的性能和精度。目標檢測是計算機視覺(jué)中的一個(gè)重要任務(wù)，知識蒸餾可以在不增加其計算消耗的前提下提升其表現。

2）生成式AI有望高效低價(jià)提供高質(zhì)量訓練數據

生成式AI可以生成廉價(jià)的海量訓練數據和極端駕駛場(chǎng)景，高效地批量生產(chǎn)自動(dòng)駕駛模型訓練開(kāi)發(fā)所需的海量數據。

3）大模型賦能智駕GPT：“語(yǔ)言+視覺(jué)+雷達+地圖+定位”或將賦能多模態(tài)感知

3）BOM成本下降

1）特斯拉FSD引領(lǐng)無(wú)圖城市NOA重新定義智能汽車(chē)。

特斯拉率先定義，引領(lǐng)國內新勢力布局不依賴(lài)高精地圖的城市NOA，當前量產(chǎn)方案處于有圖向無(wú)圖的過(guò)渡期。

特斯拉率先推送高速NOA：特斯拉于2016年10月率先推出高速NOA（Navigate on Autopilot）功能，定義了高級自動(dòng)駕駛的進(jìn)階方向。2020年末起，蔚來(lái)、小鵬、理想相繼向客戶(hù)推送高速NOA。

城市NOA重新定義智能汽車(chē)：特斯拉于2020年10月，首次向早期訪(fǎng)問(wèn)程序測試人員發(fā)布了其FSDBETA測試版，支持在城市道路使用NOA，標志著(zhù)汽車(chē)智能水平的重新定義。

2）成本下探：24/25年L2+/L3智能駕駛BOM成本有望下降50%

分析師認為，自動(dòng)駕駛BOM成本有望大幅降低。

一是從華為ADAS系統的變化可見(jiàn)（v1.0 vs v2.0），傳感器配置從3顆激光雷達減至1顆激光雷達，前視攝像頭減少2顆，毫米波雷達從6顆減至3顆，未來(lái)車(chē)企有望從依賴(lài)多顆激光雷達轉換至“純視覺(jué)感知+1顆激光雷達監督”。二是車(chē)企從依賴(lài)高成本的高精地圖轉變到依托邊際成本低的感知模型。

根據何小鵬，2024年小鵬自動(dòng)駕駛Bom成本將下降一半。

大疆車(chē)載認為L(cháng)2+智能駕駛系統的總成本（軟件+硬件）占整車(chē)售價(jià)在3%~5%是合理的，認為未來(lái)合理L2+智能駕駛系統成本區間在5000元到15000元。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！