特斯拉智能化进展梳理

特斯拉智能化进展梳理。

1.外采转自研，特斯拉FSD引领全球智驾软硬件升级

2020年为特斯拉“硬件为先，软件随后”策略的重要窗口，【大模型】是特斯拉引领本次变革 的核心抓手。【HydraNet/FSD芯片+Transformer/Dojo】等6次硬件变化升级+3次软件架构的 重大创新变革，均体现特斯拉第一性原理的经营思想。

2.边缘硬件：自研FSD(NPU)，保障算力及功能领先

特斯拉自动驾驶硬件解决方案持续升级，2016年10月由Mobileye黑盒转为英伟达开放，逐步掌 握智驾算法后，2019年全自研FSD芯片上车，2023年新一代FSD方案上车，芯片再升级。

自研智驾芯片保障成本与性能双领先。特斯拉自2016年2月组建智驾芯片研发团队，2019年4月 FSD芯片正式搭载上车，单车搭载2颗FSD芯片；每颗配置 4 个三星 2GB内存颗粒，单 FSD总计 8GB，同时每颗 FSD配备一片东芝的 32GB闪存以及一颗 Spansion的 64MB NOR flash 用于启 动。凭借NPU针对AI计算更好的专业适用性，3.0时代FSD芯片以14nm制程+260mm²面积实现 144TOPS算力，相比英伟达12nm制程+350mm²支持30TOPS AI算力更为领先。

HW4.0强化摄像头视觉，留毫米波雷达

特斯拉坚持视觉主导的周身智驾传感器解决方案，当前HW4.0采用12个摄像头（其中1个为备用 ）+1个毫米波雷达解决方案，相比2019年推出的HW3.0增加3颗摄像头，包括2个侧摄像头（LFF-Side和R-FF-Side摄像头）和1个前保险杠摄像头（F-SVC），加上原本就有的1个倒车影像摄 像头、4个侧向ADAS摄像头，以及座舱内的1颗摄像头，合计11颗，但前视ADAS摄像头由3目变 为2目。除摄像头外，HW4.0还新增了Phoenix高精度雷达（相比2023年的新款），12颗超声波 雷达则依然保持去除状态。

3.WorldModel世界模型是端到端方案的核心技术支撑

特斯拉早于2023年提出世界模型World Model，即通过神经网络结构化表示事物，并预测未来， 将自动驾驶决策问题转为预测视频的下一帧。世界模型用于理解世界，不仅能用于自动驾驶也能 用于机器人，是特斯拉自身端到端智驾解决方案的基础原理，自动驾驶是世界模型的具身智能。

Sora的发布是催化产业内实现世界模型技术路线收敛的重要时刻。Sora文生视频首次实现在视频 长度和质量上的跨越，包括编码+序列分割+学习生成（DiT）+解码四个步骤。其技术创新点在 于时空编码以及DiT模型的应用，高效进行特征提取训练大量视频数据，并生成强相关预测值。

DiT（Diffusion Transformer）是继模型结合了 Diffusion 扩散模型和 Transformer 模型的优点 ，将传统扩散模型中采用的 U-Net 网络结构替换成 Transformer，使得模型更擅长捕捉长距离的 相关关系，并且随计算输入的数据量越大，模型的输出预测值越加接近真实值。

4.云:放弃通用GPU自研专用D1芯片，强化计算+传输

可扩展+强计算，特斯拉D1性能表现业内领先。1）基础性能方面，特斯拉D1由台积电代工，采 用7nm制程工艺，芯片面积为645mm²，小于英伟达A100（826 mm²）；D1芯片拥有多达354 个训练节点，是特斯拉专门设计的特别用于AI训练相关的8×8乘法的芯片，浮点计算性能FP32算 力22.6TFLOPS(英伟达A100为19.5)，对应热功耗仅为400W； D1芯片集成四个64位超标量CPU 核心，支持完整向量以及矩阵计算，灵活性远超众核架构的GPU 。2）高带宽+低延迟保障强可 扩展性：D1芯片采用带宽最高可达10TB/s的“延迟交换结构”进行互连，加速数据传输。 D1芯 片运行频率2GHz，拥有440MB SRAM，是存算一体架构，降低过程数据缓存压力。 Tile角度， 每个D1训练模块由5x5的 D1芯片阵列排布而成，以二维Mesh结构互连，片上跨内核SRAM达 11GB，每个训练模块外部边缘的 40 个 I/O 芯片达36/10TB/s的聚合/横跨带宽，保障信息传输 过程的低损耗。

5.世界模型应用利好生成泛化数据，加速云端仿真

世界模型有望提供真实且多样化的仿真数据，即加速泛化，加速云端算法迭代。1）当前智能驾驶 仿真的主流技术方案为【NeRF+素材库+游戏引擎，基于真实数据进行道路重建，并保证和真实 场景的相似程度，再依靠交通元素的不同排列组合进行有条件泛化，最后通过游戏引擎输出高质 量的仿真画面】。2）世界模型与之相比，具备能够凭借对于物理世界运行规律的理解，自身泛化 到样本以外的能力，覆盖更多Corner Case，有效降低厂商对于真实数据的依赖程度，提升效率 ；但大模型的基础前提决定其比较依赖大算力+大规模数据喂养持续训练，方能避免出现违背客 观规律的情况。Tesla可以做到多个摄像头同步联合预测；并支持prompt嵌入，可以提出要求生 成车辆直行或者对向车道视角的未来数据。