2024年汽车行业专题报告：从萝卜快跑Robotaxi看特斯拉的AI时刻

特斯拉的AI时刻

特斯拉的AI时刻：AI头号玩家

端到端重塑FSD。2024年3月，特斯拉推出FSD（Supervised）12.3.3版本。相比较于FSD 11，FSD v12创新性地采用了端到端的神经网络技术（端到端NN），可以更好地理解和处理复杂驾驶环境，减少驾驶人员的干预，提高自动驾驶的精确度和自动化度。6月5日，开始向特斯拉员工车队推送FSD v12.4，7月7日，特斯拉向部分用户推送了FSD v12.4.3，接下来，FSD V12.5将成为Robotaxi发布之前最重要的更新。

FSD v12中采用端到端NN（以前是AI感知+软件规控），大模型仅需输入视频进行学习，而无需单独编码，更灵活更轻代码。感知-决策-执行是FSD的基本流程，在v11中，感知阶段需要通过视觉方式/雷达方式获取周围物体信息并识别和标识分类，决策阶段则依赖于事先认为编写好的控制规则。但是v12采用了端到端NN技术，感知阶段不再需要识别和标识，决策阶段也不需要事先人为编写控制规则，只需要输入大量视频交给NN学习，就能分辨出在不同情况下需要做什么，这使得特斯拉在FSD V12中减少了100倍代码，使其更轻便、更灵活，同时在没有网络连接的情况下仍能在不熟悉的地形上工作。

特斯拉的AI时刻：自动驾驶今年累计投资预计超100亿美元

超算需巨额资金投入，马斯克预计特斯拉今年在有关领域累计投资超100亿美元。在今年1月27日，马斯克在推特上表示，Dojo目前的算力进相当于1万个英伟达H100，如果想在AI领域具备竞争力，那么目前需要每年投入数十亿美元。马斯克表示特斯拉在训练计算、数据管道和视频存储方面的累计投资将在今年超过100亿美元。

数据鸿沟和算力要求，构成超算的核心壁垒。首先，任何模型的训练都依赖于数量巨大、质量可控的训练数据，而特斯拉FSD自推出以来累计运行超过了10亿英里，这位特斯拉训练模型提供了充足的训练数据。其次，算力方面，大模型训数据需要强大的算力，特斯拉目前可能拥有3万-3.5万颗英伟达H100芯片，而下一代的Gork可能需要10万颗H100，如果按照单价4.5万美元/颗，那么10万颗H100总价值高达45亿美元，相当于300多亿人民币。

特斯拉FSD：从10亿至13亿英里，V12.4开启更陡峭里程增长

FSD V12.4为重要更新迭代，重新训练了自动驾驶学习模型，并优化了车 辆在狭窄单行车道、封闭道路等特殊路况的行驶能力。

FSD v12.4.1：6月5日开始向特斯拉员工车队推送,6月8日开始向外部车主 推送。更新首次弃用方向盘扭力检测驾驶员状态，改用摄像头检测，车主 反馈摄像头检测非常严苛，在夜间/带墨镜/低帽檐帽子都会被提示。随着 城市辅助驾驶性能进一步提高，接管率进一步下降，为了防止越来越多车 主把辅助驾驶当成自动驾驶，驾驶员检测的趋严会是大势所趋。

FSD v12.4.2：对于FSD以往存在的问题例如1.非必要变道，2.幽灵刹车， 3.无故缓行，4.在少数情况下难以准确识别闪烁的黄灯或者红灯等问题进 行了专项的优化，大幅提升了使用体验。7月1日，马斯克表示由于训练数 据主要来自用户干预而非正常驾驶场景，导致接管减少但是驾驶的平顺 性倒退，使v12.4.2发布时间推迟。

FSD v12.4.3： 7月7日，特斯拉向部分用户推送了FSD v12.4.3。特斯拉 公司跳过了 12.4.2 版本，转而直接发布了 12.4.3 版本的更新。FSD Beta测试用户Dave Lee反馈， 12.4.3 版本是他迄今为止体验过“最佳的 一次 FSD 自动驾驶辅助”。虽然偶有尴尬时刻，但整体表现相比过去几 次小版本更新要好很多。新版本在一些重要操作方面有所改进，整体感觉 更加流畅自信，但距离完美仍有差距。

AI加速特斯拉Robotaxi

特斯拉Robotaxi：预计10月发布，持续催化

特斯拉Robotaxi预计在10月发布。马斯克曾在股东大会表示特斯拉Robotaxi将会是Uber和Airbnb模式的结合。近日，特斯拉将Robotaxi发布会推迟到10月。马斯克表示：“我要求对Robotaxi前部进行重要设计更改，因推迟发布日期而得来的额外时间将让公司有机会展示一些其他的内容。”

特斯拉FSD：V12.5将成为Robotaxi发布之前最重要的更新

车辆与车队互联： FSD V12.5改进侧重于更复杂的情况以及车辆与车 队之间的通信功能，实现车辆间实时共享道路封闭、障碍物等路况信 息。相较于特斯拉FSD对地图的高度依赖，新版本突破局限，允许车辆 在遭遇困难时即时通知车队内其他车辆，避免重复遭遇困境。FSD V12.5推动车队数据共享循环，促进软件随车队行驶数据积累持续优化， 无需等待定期软件更新。

FSD倒车功能：根据特斯拉的自动驾驶仪负责人Ashok Elluswamy透露， 12.5更新将首次迎来倒车能力。这将会使FSD应对窄路掉头等复杂路况 有巨大提升。

合并城市和高速公路堆栈整合：截至目前，FSD v12一直采用多堆栈设 置，包括端到端的城市街道堆栈和从v11延续下来的旧高速公路堆栈。 马斯克表示“12.5.x 版本将最终整合高速公路和市区的软件栈”。这 也意味着将不再存在隐式高速公路堆栈。此前版本的 FSD 采用双栈系 统，即特斯拉传统的 Autopilot 软件栈用于高速公路驾驶，而 FSD 软件栈用于市区道路行驶。FSD V11 曾统一了这两个栈，但后来特斯 拉又为高速和市区驾驶采用了独立的软件决策流程。随着 V12.5 再次 采用单一软件栈方案，FSD 的整体性能可能会进一步提升。

HW4.0：算力升级5倍

芯片改用更先进制程：HW4.0 FSD芯片采用三星7nm工艺，HW3.0为三星14nm工艺，新的自动驾驶芯片性能将是现款自动驾驶芯片的5倍左右，这里的性能或为综合能耗/算力参数，或为单片算力（那么新平台总算力很可能达到500TOPS）。

摄像头或升级：摄像头数量或从9个减少到8个，但是摄像头的清晰度从120万像素提升到500像素，这使得HW4.0具有比3.0更强的感知能力，最远探测距离可达424米，扫除盲区和死角。

预留雷达接口，但model Y目前未配备雷达：HW 4.0预留了装备雷达的空间，但是model Y在出厂时并不具备雷达功能，这可能与特斯拉更加偏好视觉方案、降低车辆出厂成本等因素有关，同时也为用户提供了一定的选择空间。

CPU内核数量提升66.67%，FSD Computer 2数量增加到3个。CPU方面，HW4.0由3.0的12核，提升到了20核，内核数量提升66.67%。计算平台方面，虽然HW4.0仍然采用的是FSD Computer 2，但是数量却增加到了3个。

AI加速Robotaxi

百度Apollo ADFM，全球首个支持全无人驾驶的自动驾驶大模型。支持1500平方公里区域3个月交付运营，区域扩展速度提升6倍；一座新城市完成全域无人驾驶运营准备仅需半年时间。即将实现：有百度地图的地方就能无人驾驶。

曾经，L4级自动驾驶技术的研发周期异常漫长，众多曾致力于此领域的初创企业已采取“战略转型”策略，转而投身于L2+高级辅助驾驶市场的激烈角逐中。百度十年磨一剑，萝卜快跑Robotaxi在武汉引爆流量关注。萝卜快跑在2024年第一季度提供了82.6万单的自动驾驶出行服务，同比增长25%，累计提供服务已超过600万单。5月，萝卜快跑发布第六代无人车Apollo RT6，并投入1000辆运营，预计2024年将实现武汉全城覆盖。

国内其它Robotaxi玩家,如小马智行、文远知行、AutoX，滴滴等。除滴滴和安途（Auto X）外，其他企业多与百度存在交集。值得注意的是，小马智行与萝卜快跑在L4级别自动驾驶车辆的控制策略上存在显著差异，这种差异或将深远影响远程安全员与无人车之间的配比效率。具体而言，小马智行采用的是“远程辅助”（remote assist）模式，该模式对车辆的自主决策能力提出了更高要求，它不直接操控车辆的制动、转向及加速系统，而是通过提供建议的方式，让车辆自行判断并执行操作。这种模式下，目前的人车比达到了1:5，并有望在年内提升至1:10。相比之下，百度则更倾向于“远程控制”（remote control）的方式，人车协同效率与车辆智能化水平之间的平衡与取舍将成为关键议题。

萝卜快跑——特斯拉FSD入华路径推想

萝卜快跑跑通Robotaxi盈利模型

萝卜快跑在武汉的综合成本组成有：车辆折旧、安全成本、运营成本，以及每辆车每年2.5万元的保险费用。下图中左图把这四部分成本折算至每天，估算出每天每辆车的最小营收以达到盈亏平衡。可以看出，每日成本从第五代车的533元下降近50%至第六代无人车的270元。另外，车辆价格也从第五代的48万元大幅削减至第六代的20.46万元。 

随着萝卜快跑无人车自动运营网络的建设完成，营运成本将降低30%，通过自动驾驶技术和人车舱效率的持续优化，服务成本将降低80%。因此，第六代车的实际运营费用和保险费可能会比图中更低。

从萝卜快跑Robotaxi，看特斯拉FSD入华落地路径推想

特斯拉Robotaxi在中国的落地路径预测可参考萝卜快跑 。 萝卜快跑在一个城市的落地大致按照以下顺序进行：“自动驾驶（安全员在驾驶座）--无人驾驶（安全员在副驾驶座）--完全无人驾驶（移除车上安全员）”。每个阶段先进行测试，再提供服务，最终实现商业化运行（收费）。横向对比来看，萝卜快跑北京业务启动最早，项目推进最为稳健；相比之下，武汉业务虽然启动最晚，但进度极快。2022年8月8日，萝卜快跑在武汉运营仅三个月后便成功获得收费许可证，并开始提供完全无人驾驶服务。随着萝卜快跑在已有城市积累经验，且各地政府已有现成案例参考，其在新城市的业务推进速度将会越来越快。 作为特斯拉FSD在中国进行道路测试的首站，上海很可能也会成为FSD入华的第一个城市。类比萝卜快跑在北京的业务推进时间线，特斯拉很可能在上海完成大部分入华的测试后再进行向其他城市泛化扩张。

城市NOA重新定义智能汽车

无图城市NOA重新定义智能汽车

特斯拉率先定义，引领国内新势力布局不依赖高精地图的城市NOA，当前量产方案全面转向无图。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，定义了高级自动驾驶的进阶方向。2020年末起，蔚来、小鹏、理想相继向客户推送高速NOA。城市NOA重新定义智能汽车：特斯拉于2020年10月，首次向早期访问程序测试人员发布了其FSD BETA测试版，支持在城市道路使用NOA，标志着汽车智能水平的重新定义。 2022年末，小鹏作为国内首家向广州用户推送了城市NGP。2023年3月，理想计划现在起all in自动驾驶，2023年5月，装配华为ADS2.0的问界实现无图城市NOA，2024年2月，小鹏推出无限XNGP。7月，理想2024年智能驾驶夏季发布会，官宣无图NOA即将全量推送。同时，华为乾崑ADS3.0落地在即。

AI赋能，无图全城城市NOA加速

华为ADS 2.0问世后，城市NOA的竞争愈发向着无图化、全城市可用的方向发展。华为的ADS 2.0首次搭载在华为问界M5上，相比与ADS1.0,ADS 2.0结合道路拓扑推理网络（RCR）和华为的先进算法,实现了不依赖于高精地图的高速、城区高阶智能驾驶功能。华为乾崑ADS3.0落地在即，全新架构，全面升级，GOD/PDP端到端全新架构。 理想、比亚迪、华为、小鹏等智驾头部车企将自动驾驶放在优先发展战略地位，我们认为原因如下： 智能驾驶的技术路径逐渐收敛，后发力者技术上具备后发优势。特斯拉的智能驾驶技术路线已得到成功验证，我们看到，当前时点，“Transformer+BEV感知大模型”、“Occupancy、Lane算法”、“自动标注”、“超算建设”等成为共识。从中长期看，纯视觉与激光雷达路线之争逐渐走向“折中”方案、“不依赖高精地图”有望降低智能驾驶软硬件BOM成本。 我们认为在未来大模型将继续赋能自动驾驶。端到端算法有望提升规控准确性、大模型蒸馏训练小模型减少计算资源消耗、生成式AI提供高质量训练数据、多模态模型有望优化感知。

报告节选：

编辑：火腿肠