2023年智能驾驶专题分析：特斯拉FSD加速产业落地，自动驾驶奇点有望到来

自动驾驶产业高速发展，特斯拉 FSD 具备领先优势

自动驾驶技术趋于成熟，产业发展有望步入快车道

政策加持，自动驾驶商业化落地加速。2015 年国务院出台《中国制造 2025》，将无人驾驶作为汽车 产业未来转型升级的方向之一。2020 年 10 月，中国交通运输部发布的《公路工程适应自动驾驶附 属设施总体技术规范（征求意见稿）》对自动驾驶专用道和自动驾驶专用公路的建设提出规范性要 求，包括但不限于对高精度地图、定位设施、通信设施、交通标志标线、路测计算设施等作出功能、 性能及部署要求，为自动驾驶全路段商业化落地提供了全面的基础设施支持。2023 年 6 月工信部发 文，支持 L3 及以上级别的自动驾驶的商业化应用，自动驾驶规章制度确立。同时，各地纷纷发布 政策加速自动驾驶商业化落地。2023 年北京市高级别自动驾驶示范区工作办公室宣布，在京开放智 能网联乘用车 " 车内无人 " 商业化试点，只要企业达到相应要求，即可在示范区面向公众提供常 态化的自动驾驶付费出行服务。政策支持下，自动驾驶步入快车道。

自动驾驶技术成熟，市场规模高速增长。根据黑芝麻智能科技联合创始人兼总裁刘卫红的发言，自 动驾驶需要综合各项技术，视觉+雷达+导航地图基本可实现 L3 级的自动驾驶功能。视觉方面,采用 以 transformer 为基础架构的大模型视觉网络凭借全局感知能力、注意力机制和多模态特征融合能力 能够更好实现目标检测等功能。传感器层面，多传感器融合开始逐步应用。导航地图层面，厘米级 和环境交互信息的导航地图开始使用。从 2020 年起，以谷歌为代表开始了厘米级地图的测绘工作， 2022 年 11 月，中国卫星导航系统宣布北斗导航系统具备提供厘米级定位能力。

随着自动驾驶各项技术的协同发展，越来越多的新车型开始搭载自动驾驶功能。德国奥迪、宝马、 戴姆勒等汽车制造商已经推出了配备 L3 自动驾驶技术的车型。据乘车联与科瑞咨询联合发布的 《2023 年 5 月汽车智能网联洞察报告》，2023 年 Q1 自动驾驶 L2+的市场份额同比增长 600%。

大模型加速自动驾驶研发，影子模式提升数据采集效率

2014 年特斯拉推出第一版 Autopilot,主要针对自动辅助驾驶。HW1.0 采用了与博世合作的毫米波雷 达、与 Mobileye 合作的 EyeQ3 芯片和 NVIDIA Tegra3，其中算法主要由 Mobileye 提供。HW2.0 时 代，特斯拉与英伟达合作，采用其 DrivePX2 芯片，传感器和摄像头数量大幅提升。2017 年特斯拉 发布增强型 Autopilot,并增加了更多辅助驾驶功能。 2019 年特斯拉步入自研时代，首次推出自研自动驾驶芯片 HW3。同年 9 月，特斯拉启动 FSD 早期 访问项目,部分车主可试用初始版本的 FSD。2020 年 特斯拉获得加州自动驾驶试点测试许可,能够实 现在公路上进行无人监管的自动驾驶测试。2021 年 7 月，特斯拉在美国开始 FSD 预订，Autopilot 订阅 FSD 199 美金/月，增强版 Autopilot(EAP)订阅 FSD 99 美金/月。2022 年，特斯拉推出 FSD Beta 的增强版本,大大提高自动驾驶的安全性和舒适性，4 月特斯拉 CEO 埃隆-马斯克表示，已向美国 10 万多用户推出了其全自动驾驶（FSD）软件的测试版本。2023 年，HW4.0 将迎来全新升级，公司有 望在年底推出 FSD 完整版本，实现 L4-L5 级别自动驾驶。

BEV+Transformer 路径加速自动驾驶研发。特斯拉在 2021 年采用了 BEV+Transformer 路径，成功 将多个 2D 图像和传感器信息转化为一个 3D 的向量空间，为更全面的感知提供了新的途径。在 BEV 大范围应用前，业内常采用“2D 直视图+CNN”方案，即通过相机收集到 2D 图像，由雷达收集到 3D 图像，感知数据基于每个传感器的位置形成放射图像，不同感知结果通过 CNN（卷积神经网络）进 行后融合，通过大量计算统一升维到 3D，形成符合 3D 状态下车机行驶的坐标系，但这种方法缺 少时间信息，并且感知与预测的连续性也难以确认。而 BEV（Bird's Eye View）通过鸟瞰式视角或 坐标系，将视觉信息由图像空间端到端地转换到 BEV 空间下。Transformer 采用交叉注意力机制， 相比传统神经网络（如 CNN），可以直接进行 2D、3D 不同序列之间的转换，能够更加全面地在空 间时序上建模，形成时序融合下的 4D 空间信息，从而使感知结果更加连续、稳定。

影子模式加速数据采集，训练质量有望大幅提升。特斯拉影子模式的运作方式是在有人驾驶状态下， 运行自动驾驶系统和传感器，系统虽不参与车辆控制，但仍持续进行模拟决策，并把决策与驾驶员 行为进行对比。两者不一致时，系统将场景判定为“极端工况”，进而触发数据回传。因而特斯拉的 使用用户越多,收集的数据就越多。大模型的训练依赖海量数据的提供，提供的数据越多，训练质量 就越优异。根据特斯拉官方数据，截止至 2023 年特斯拉股东大会，FSD Beta 的累计行驶里程已接近 2 亿英里，呈加速增长态势。据 Lex Friedman 发布的数据显示，截至 2020 年 1 月 16 日，特斯拉的 所有汽车行驶里程达到 191 亿英里，其中自动驾驶里程为 22 亿英里。相比之下，同时期 waymo 路 测里程约为 2000 万英里，特斯拉于数据储备方面具明显优势。

“硬件预埋＋软件付费”实现量价齐升

“硬件预埋＋软件付费”模式带动收入快速增长。传统 OEM 通常以销售新车获取盈利，车企发展受 到销售汽车数量的制约。特斯拉采用“硬件预埋＋软件付费”的方式，以售出的硬件为基础，在平台 加成下，推出软件包、软件订阅服务等功能，将商业模式拓展到汽车全生命周期，实现销售数量与 价格的双重提升：

（1） FSD 订阅模式下，特斯拉销量增长率远超采用一次性销售模式的车企。在全球 ADAS 市 场，多数车企仍采取随车售卖、一次性付费的销售模式。丰田、奔驰、大众等主流品牌的 ADAS 系 统均未开启订阅模式。2022 年特斯拉汽车销量增长率达 40.3%，而奔驰、丰田等品牌销量增长率分 别为-15.0%和 0.0%。

（2）FSD 更新迭代，定价稳步提升。特斯拉通过 OTA 对 FSD 进行不断升级，售价持续增长，从 2015 年的 2500 美元提升到 2022 年的 15000 美元，7 年内定价提升了 12500 美元。同样采用订阅模 式的车企中，小鹏推出了 XNGP，定价为 9800 元/年或 39800 元/永久；蔚来推出订阅模式的 NOP+ 一次性选装的 NIO Pilot，定价分别为 380 元/月和 39000 元/永久。特斯拉在定价方面显著高于同类 车企。

特斯拉布局 FSD 全产业链，技术壁垒加深

特斯拉 FSD 产业链梳理

自动驾驶核心在于硬件平台与车控操作系统。硬件平台层主要包括 AI 计算单元、通用计算单元以及 控制单元。系统软件运行于车载智能计算基础平台硬件及汽车电子控制单元硬件之上，是针对汽车 场景定制的复杂大规模嵌入式系统运行环境，主要包括操作系统内核、虚拟化管理（Hypervisor）、 POSIX、系统中间件及服务等。功能软件运行于系统软件之上，通过提取智能驾驶核心共性需求， 形成智能驾驶各共性服务功能模块，由应用软件接口、智能驾驶通用模型、功能软件通用框架以及 数据抽象组成。车辆应用建立在功能软件基础上，功能软件通过统一应用软件接口为应用软件提供 调用和服务。

特斯拉 FSD 产业链分为感知、决策和执行三大模块，主要涉及芯片、服务器和数据中心、传感器、 高清地图以及自动驾驶操作系统等环节。 感知模块主要利用车载摄像头和激光雷达等传感器，结合 GPS、IMU、北斗等导航模块，实时收集 车辆周围的各类数据信息。特斯拉摄像头供应商主要为恩智浦，毫米波雷达包括博世和 Arbe 等，原 先超声波雷达供应商为博世等（model Y 移除超声波雷达）。 在将感知系统收集到的数据传输到决策模块后，决策系统通过芯片、AI 算法以及高精度地图等，对 传输的数据进行处理和分析，从而生成相应的路径规划和决策信号。特斯拉决策芯片为自研设计， 采用纯视觉路线，通过 AI 模型完成目标检测和路线规划等相关决策。 在执行模块接收到来自感知和决策的数据和信号后，根据相应信息执行各项行车决策，如刹车、警 示等操作。特斯拉执行模块主要包括方向盘执行机构、人车交互系统等，供应商包括均胜电子，福 田机电等。

服务器与数据中心：算力需求有望 4 年超 5 倍增长，自建智算中心或为主流路径

随着自动驾驶的快速发展, 数据生成量呈高速增长态势，其核心驱动来自以下几个方面：（1）高清 摄像头的广泛应用使图像数据量出现几何级增长。根据 CINNO Research 预测，2022 年中国车载摄 像头搭载量将同比增长 24.0%，2025 年则将超 1 亿颗，2021-2025 年年复合增长率 CAGR 21.0%。（2） 雷达数量也成高速增长态势。根据高工智能汽车研究院的监测数据显示，2022 年 1-9 月中国市场（不 含进出口）乘用车前装标配搭载角雷达（主要是2R/4R方案）交付上险为647.0万颗，同比增长43.2%， 平均单车搭载量为 0.5 颗。（3）更精细的车辆运动学数据采集以及存储时间的延长也导致这数据量 的快速增多。 以当前主流的SAE自动驾驶等级（L1-5）为例，L2级别的ADAS系统，需要4-10PB的数据和1000-5000 核的计算资源；L3 级别的 ADAS 系统，需要 50-100PB 的海量数据和 5000-25000 核的计算资源； 到 了 L5 级别实现完全自动驾驶，需要超过 2EB 级别的数据量。自动驾驶采集数据量呈现出高速增长 态势。

算力需求有望 4 年超 5 倍增长。数据量的激增带动算力需求增长，我们对于自动驾驶的算力需求做 了相应测算。算力需求与具备自动驾驶功能的汽车数量呈正相关。根据智研咨询的《我国自动驾驶 行业现状及发展前景分析》，2021 年我国乘用车市场销量为 2148.2 万辆，其中 L2 级别汽车销量为 365.6 万辆，渗透率为 17.0%。预计 2025 年我国 L2 级乘用车渗透率有望达 50.0%，销量达到 1305.5 万辆，L3 级渗透率为 4.0%。根据地平线联合创始人以及 CTO 黄畅在《电动汽车观察家》的发言， 目前 L2 级自动驾驶需要 10TOPS 左右的算力，L3 需要 100TOPS 以上，而 L4 则需要 1000TOPS。以 自动驾驶出货量乘对应算力需求测算，预计 2025 年乘用车算力需求相比 2021 年增长 99.0%。

自建算力中心或为主流路径。自动驾驶商业化闭环的关键在于搭建高效、低成本的数据智能体系。 从算力需求角度看，自动驾驶的视觉检测、轨迹预测与行车规划等算法模型需要同时完成高并发的 并行计算，对算力有着极高的需求，通过自建智算中心，车厂能够获得更多智能计算数据、更灵活 地调配资源。 从成本层面考虑，自建智算中心相比算力租赁更能节约成本。毫末智行在自有 MANA OASIS 智算 中心的加成下，其千亿参数的自动驾驶大模型训练成本只需百卡周级别，训练成本降低 100 倍。同 时小鹏汽车 CEO 何小鹏也在微博发文表示，对于智能汽车公司，算力成本将会从今天的亿元级别上 升到将来的十亿元级别。因此如果持续使用公有云服务，边际成本将会不断上涨。而如果自行组建 智算中心，一次性投资约在数千万到 1 亿元以内，长期来看性价比更高。 除此之外，各大车厂纷纷进行自研大模型，拥有自主智算中心可以将模型训练和使用集中在企业私 有的智算基础设施上,有利于保护自研模型的安全性。

传感器：多传感器融合成为主流方案

国内传感器市场规模以高于国际速度增长。根据赛迪顾问 22 年 8 月发布的《2022 年智能传感器十 大园区报告》：2021 年全球传感器市场规模 1710.3 亿美元，其中智能传感器 391.2 亿美元；2021 年 中国传感器市场规模 2905.2 亿元，其中智能传感器 1020.4 亿元。23 年全球市场规模同比增长 10.2%， 国内市场规模同比增长 19.5%。

多传感器融合成为主流方案。自动驾驶传感器生态系统具有代表性的传感器主要包括：激光雷达、 毫米波雷达和摄像头。目前除特斯拉坚持纯视觉感知方案以外，多数厂商均采用多传感器融合技术 路线，即集成来自不同传感器的数据，如相机、激光雷达和雷达等。多传感器融合可显著提高系统 的冗余度和容错性,能够提升决策的快速性和正确性，是目前多数主流车企的选择。

激光雷达主要由激光发射器、光接收器和信息处理系统组成。激光雷达技术路径的代表是谷歌。激 光雷达具有高分辨率、响应速度快、抗干扰性强等优点，可帮助车辆定位实时位置信息，能够显著 提升自动驾驶感知层准确性。但同时，激光雷达也存在着易受恶劣天气影响的缺点，并且由于技术 尚未成熟，一般只在高端机型上装配。激光雷达目前成本较高，根据沙利文数据，多数激光雷达售 价在 1000 美元以上。未来随着技术逐步成熟，其成本有望快速下降,实现在更多车型上的渗透。

毫米波主要用于汽车驾驶辅助领域，如自动泊车、智能巡航等。毫米波雷达能够全天候工作，即使 在不良天气、夜晚等环境下也可以发挥作用，并且其技术相对成熟，成本相对激光雷达较低。但在 探测精度和抗电磁干扰方面，激光雷达胜于毫米波雷达。因此，毫米波雷达与激光雷达相互补充。 通常，4D 毫米波雷达被认为可以直接替代一些低线束的激光雷达。

摄像头利用计算机视觉判断周围环境与物体，特斯拉选择其作为主要传感器。摄像头相对廉价,硬件 技术较为成熟，并且能够识别物体属性，但相比激光雷达，难以实现精确测距，并且对于视觉系统 计算能力要求高。

激光雷达：市场规模高速增长，头部厂商优势突出。根据 Yole Intelligence 发布的《2023 年全球车 载激光雷达市场与技术报告》显示，2022 年激光雷达在乘用车及 L4 自动驾驶领域（包括 Robotaxi） 市场规模同比增长 95%，达 3.17 亿美元。目前国内厂商主要有禾赛科技、图通达、华为技术、速 腾聚创，2023 年 1-5 月，上述厂商对应的市场份额分别为 49.4%、27.5%、15.4%、7.4%，份额较为 集中。激光雷达芯片化的主要难点在于集成难度大，光学系统精度高，集成电路设计与制造工艺复 杂，因此对于厂商的研发投入有较大考验。头部厂商研发实力较为强劲，且未来随着芯片产能的扩 大，成本优势有望进一步体现。

毫米波雷达市场格局较为稳定，国外厂商占据大部分份额。据 ICV 数据，2022 年中国的车载毫米波 雷达市场规模达到了 15.72 亿美元，到 2025 年后有望突破 30 亿美元，年均增速达 24.0%。高工智能 汽车研究院数据显示，2022 年中国市场前装标配搭载 ADAS 毫米波雷达交付 1795.27 万颗，同比增 长 31.21%。我国毫米波雷达行业集中度较高，国外头部企业占据绝大部分市场份额，2021 年博世、 大陆集团、安波福、Veoneer、海拉五家企业占据了我国毫米波雷达 84%的市场份额。前向雷达由于 涉及控制功能和功能安全，行业集中度更高，博世、大陆集团、电装三家公司分别占据了 38.4%、 36.1%、13.3%的市场份额，合计占比 87.8%。在角雷达领域，据高工智能汽车研究院监测数据显示， 2021 年占据中国市场前三的企业分别为博世、海拉、安波福，合计占比达 59.8%。2023 年 Q1，海 拉、安波福、维宁尔分别占据了 22.75%、17.04%、15.88%，位列前三，博世与大陆集团分别位列第 五和第六。根据 ICV 预测，短期内车载毫米波雷达的竞争格局不会发生较大改变，仍以几家老牌汽 车零部件制造商为主。

车载摄像头行业集中度较高，舜宇光学占据国内市场领先优势。根据智研咨询的《2023-2029 年中 国车载摄像头行业竞争现状及投资决策建议报告》，ADAS 渗透率和智能驾驶等级的提升带动汽车 单车摄像头搭载数量快速增加，L2 级别至少需要 6 颗摄像头，L3 级别至少需要 7 颗，而 L4 级别需 求量达到 13 颗。2021 年我国车载摄像头市场规模达到 86 亿元，较上年增长 50.88%，预计 2022 年 中国车载摄像头市场规模达到 101 亿元，同比增长 17.4%。目前全球车载摄像头行业市场集中度较 高，2022 年 1-2 月车载摄像头镜头 TOP10 企业出货总量超过 2000 万，其中舜宇光学出货量最多， 达到 1320 万颗，占比 56.2%。

自动驾驶操作系统：跨平台适配能力或为制胜关键

软件定义汽车，软件 BOM 有望大幅提升。相比传统汽车，智能汽车的产品差异化主要是通过车载 软件来实现。根据罗兰贝格发布的《智能汽车软件白皮书》，从软件开发视角来看，完整的 L3 级自 动驾驶算法的代码量将是当前 L2 级自动驾驶算法的 10 倍以上，预计单车软件价值从 2022 年至 2030 年将实现翻倍，其价值占整车硬软件物料清单(BOM)的比例预计将从 2022 年的的 4%-9%增加至 2030 年的 8%-12%。

自动驾驶开发平台数量急剧增加，跨平台适配能力或为制胜关键。根据 IDC 发布的《IDC MarketShare: 自动驾驶开发平台市场份额，2022》，2022 年中国自动驾驶平台市场规模达到 5.89 亿元人民币，增 速达 106%。不同自动驾驶平台采用的芯片及架构不同，且各主机厂存在差异定制化算法及应用需求， 对于 OS 厂商的能力提出更高要求。并且伴随着整车电子电气架构逐渐向集中化演进，传统产业链 下，主机厂需要集合多家不同软硬件供应商的模式正在被打破，智能汽车的软件平台正向标准化发 展，因此具备跨多个平台适配能力的厂商有望在产业链重构的背景下获得较大优势。

人型机器人与 FSD 技术同源，视觉算法有望成为产业大规模 落地关键

市场规模高速增长，特斯拉人形机器人 2024 年有望实现量产

市场空间近万亿元，国内市场规模高速增长。根据马斯克介绍未来十年特斯拉人形机规划 500 万台 产能，以每台 2 万美元（约合 14.4 万元人民币）售价计算，对应市场空间达 7200 亿元。根据艾媒 咨询的《2022 年度中国机器人行业发展专题研究报告》，2022 年中国机器人市场规模为 1712.4 亿 元，预计未来将保持高速增长态势，到 2027 年市场规模为 5949.1 亿元。

特斯拉人形机器人发布，2024 年有望实现量产。2022 年，特斯拉推出人形机器人 Optimus，在 5 月 16 日举行的特斯拉 2023 股东大会上，人形机器人展示了集体步行、抓取物品、以及 AI 算法精准识 别人类动作等功能。Optimus 的目标是替代人类进行重复劳动、危险操作等工作,作为智能助手提高 生产力。它将在特斯拉工厂进行移动搬运、零部件装配等试运行,之后可扩展至更复杂环境,成为通用 服务型机器人。目前，特斯拉已试制了少量 Optimus 进行算法培训和步态测试。计划在 2023 年小批 量应用于工厂，2024 年实现优化后版本的小规模量产。

Optimus 实现与 FSD 底层模块打通，计算机视觉算法有望成为大规模落地关键

机器人与自动驾驶汽车同源，Optimus 实现与 FSD 底层模块打通。马斯克在 3 月 1 日举行的特斯拉 2023 投资者日活动中表示，自动驾驶汽车与机器人本质上相同。特斯拉 Optimus 搭载了特斯拉在自 动驾驶技术上开发的视觉系统、定位系统、自动控制算法等技术，并通过传感器和计算机视觉，利 用海量数据持续训练，提升机器人能力。在算力方面，Optimus 搭载了特斯拉 FSD 辅助自动驾驶的 AI 运算芯片 Dojo D1。在算法方面，Optimus 采用 FSD 算法，并配备 8 个汽车同款 Aotopilot 摄像头 作为传感器，对周围环境进行感知，识别物体、人和障碍物等。

计算机视觉算法有望成为产业大规模落地的关键。目前制约人型机器人实现大规模商业化落地的原 因之一在于其售价较高。Agility 推出的 Digit 机器人成套价格为 25 万美元，Engineered Arts 推出的 人型机器人中，RoboThespian 入门级 model3 售价为 8.7208 万美元，Ameca 售价为 13.3 万美元。而 特斯拉 Optimus 的最终售价预计不会超过 2 万美元（约合 14.4 万元人民币）。特斯拉 FSD 采用 BEV+Transformer 纯视觉算法路径，而其机器人同样依赖计算机视觉进行感知，自动驾驶与人形机 器人业务有较强协同效应。未来随着机器人与 FSD 算法的大规模复用，Optimus 成本有望显著降低。 计算机视觉算法有望成为产业大规模落地的关键。国内上市公司中，虹软科技在 ADAS 和机器人计 算机视觉领域拥有多年的经验和积累，在 Transformer 技术上早有研发。其核心技术包括视觉认知、 图像深度恢复、图像分割、三维建模等。目前公司在人物检测和跟踪、人物识别、机器人避障、机 器人跟踪特定人或面部、SLAM for Robotics、机器人寻找限定区域的路径行走、机器人帮助拍摄美 颜照片及传输、机器人基本的手势交互等方面都研发了相应的引擎。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）