汽车行业2024年智驾中期策略：特斯拉打开智驾技术新高度降本是国内产业链首要目标-240525（31页）.pdf

1、2024年智驾中期策略：特斯拉打开智驾技术新高度，降本是国内产业链首要目标证券研究报告2024年5月25日国投证券研究中心 汽车团队 分析师：徐慧雄 S1450520040002分析师：李泽 S1450523040001联系人：者斯琪 S1450123070037 行业评级：领先大市-A证券研究报告 1083137801、技术角度：特斯拉端到端打开智驾新高度，中美智驾阶段性脱钩 aV9WfVcW8XbUfVcW8OcM9PnPpPtRmQeRmMqNjMoMtMaQoOwPuOnPzQMYnQoM1.1 2022-2023：特斯拉引领下感知技术收敛，国内头部厂商城市NOA功能开始落地2020-

2、2022年间特斯拉在北美提出并成功验证了“BEV+Occupancy”感知架构，国内厂商从2022/2023开始陆续跟随：BEV鸟瞰图解决了此前落地城市NOA功能过程中对高精度地图强依赖的问题。2021年AI DAY，特斯拉提出以Transformer为主干网络的BEV空间构建方式，也即通过Transformer模型将多视角图像信息重建至向量空间下，且该向量空间在大模型的加持下拥有更高的环境感知精度，从而降低对高精度地图的依赖。Occupancy则在2D BEV的基础上增强对于物体高度信息的感知，有效解决了对于异形障碍物识别的问题。Occupancy占用网络的核心思想在于将三维空间划分为无数个

3、微小立方体，面对障碍物时“不再考虑这个物体到底是什么，只考虑对应区域的微小立方体是否被占用”。201920202021202220232024201920202021202220232024FSD V10，特斯拉召开第二届AI Day，公布Occupancy网络架构FSD V9，第一届AI Day，公布BEV网络架构，城区NOA落地FSD V11，统一高速/城区堆栈，端到端全新架构在研FSD V12推送，端到端上车国内向重感知轻地图方向演进，BEV架构开始上车，城市NOA开始落地国内Occupancy网络开始上车。在研端到端，架构与特斯拉差异较大。算法架构向神经网络升级，提出九头蛇算法，探索基

4、于后融合的BEV感知开始聚焦纯视觉自动驾驶华为极狐首次亮相，搭载三颗激光雷达国内新势力厂商基于传统机器视觉的方法，陆续落地高速NOA功能国内头部新势力厂商基于小模型+激光雷达方案在个别城市落地NOA功能特斯拉国内智驾国内厂商陆续跟随特斯拉BEV+Occupancy网络架构资料来源：国投证券研究中心绘制 1.2 2024：明确端到端为智驾算法迭代方向，但具体技术路线尚未收敛为什么需要端到端智能驾驶？规控端仍是主要基于程序员自己写规则的方式，城区场景下仅一个十字路口可能就存在上百种交互情景，靠人类程序员手写规则无法穷尽，造成的结果就是强博弈场景通行效率低。上述三种端到端均可以解决与复杂交通参与者的

5、交互问题。对高精度地图的强依赖问题BEV鸟瞰图增强车端实时感知能力一般障碍物识别率低的问题与复杂交通参与者交互问题Occupancy占用网络端到端自动驾驶“端到端”智能驾驶的三层概念全局端到端：从传感器输入到控制信号输出（Photon to Control），中间所有步骤都是端到端可导，可进行全局的优化。模块化端到端：在最终输出控制信号之外，引入一些中间任务的监督。和全局端到端相同的地方在于同样可以进行全局的优化，整个模型可以进行联合训练和调优。“伪”端到端：在规控端用神经网络替代基于程序员自己写规则的方式，感知大模型网络和规控大模型网络之间不可导。传统分模块的自动驾驶模型架构下，不同模块之间

6、的接口输出结果均基于人工的选择，感知输出的信息都是人工定义的显示抽象（如车道线、障碍物等信息），但现实中可能存在难以充分表达但会影响下游决策的因素。同时模块之间的误差结果会累计，使得最终的输出结果有较大的偏差。针对这个问题只有前两种端到端才可以解决。1.2 2024：明确端到端为智驾算法迭代方向，但具体技术路线尚未收敛1.2.1 特斯拉端到端模型上车，FSD体验跨越式提升模型层面：基于全局端到端自动驾驶模型目前特斯拉未召开第三届AI Day，行业内尚不知道特斯拉端到端自动驾驶模型具体的网络架构，我们仅能从23年CVPR以及马斯克采访/博文的只言片语中得到一些基本的判断。1）特斯拉端到端模型很可