中信建投：特斯拉(TSLA.US)引领AI大模型赋能自动驾驶 全球产业链推进加速

智通财经APP获悉，中信建投证券发布研究报告称，近期，特斯拉更新其FSD算法至v11.4，此次升级实现FSD端到端的能力，即包含高速领航、城市道路领航和泊车三个域的智驾功能。特斯拉将改进车辆性能置于引入新功能之上，可以更快地针对环境做出反应，并在必要时调整车速，确保所有相关人员都能获得更安全的体验。中信建投认为，AI对整个汽车产业生态变革将产生重大影响，特斯拉作为整个自动驾驶领域开拓者，正引领相关技术应用落地，全球自动驾驶产业链推进加速，域控制器放量或将提速。

中信建投证券主要观点如下：

特斯拉自动驾驶算法主要经历四个阶段，目前架构包括RegNet、HydraNet等。

2016-2018年，特斯拉自动驾驶算法处于第一阶段，在该阶段中，使用常规的骨干网结构;使用2D检测器进行特征提取;训练数据为人工标注，整体来看比较原始，相对传统;2018-2019年，特斯拉自动驾驶算法采用了HydraNet结构;加入特征提取网络BiFPN;将图像空间从image space直接转化为vector space，能执行多任务、对视觉特征进行充分融合以及很大程度上避免映射偏差，相较于精度提升，这个阶段注重提高效率;2019-2020年，特斯拉自动驾驶算法来到第三阶段，使用了Transformer;骨干网结构使用了RegNet;能够实现自动标注数据;以及主张去掉雷达，使用纯视觉方案，不仅解决了CNN算法在BEV遮挡区域预测问题，同时还有更高的性能和算法准确度以及能够快速得到高精度地图数据，相较于提高效率，这个阶段注重提高精度;2021年以来，特斯拉自动驾驶算法来到第四阶段，增加了时空序列与时序信息融合等能力;在空间感知方面，使用占用网络;使用Lanes Network;为了增强汽车感知能力，考虑到4D雷达的效果与成本，预计会将雷达重新安装，整体来看，该阶段在感知能力上大做文章，自动驾驶算法已相对成熟。

特斯拉自动驾驶算法2022年的核心改变在于使用Occupancy Networks进行感知以及使用Lanes Network进行矢量地图绘制。

Occupancy Networks(占用网络)可以通过3D物体检测的方式来估计行驶中其他车辆、物体的位置和大小，占用网络可以使用多个摄像机拍摄的图像进行3D处理，即使是动态占用也可以计算出来并且运行效率较高;Lanes Network通过对离散空间的预测，能够以自回归的方式将所有的车道线节点进行生成，从而获取更精确的车道线拓扑结构。2023年5月，特斯拉推出FSD v11.4，实现FSD端到端能力。FSD端到端的能力，即包含高速领航、城市道路领航和泊车三个域的智驾功能。

映射到国内，以蔚小理为代表的车厂以特斯拉为锚，在自动驾驶领域持续发力，可像人类司机那样实时地感知、决策、规划，蔚来NAD、小鹏XNGP等逐步实现L4驾驶水平。特斯拉正持续引领厂商技术革新，例如特斯拉将Occupancy网络引入到自动驾驶感知技术中，后续理想AD Max3.0也将Occupancy网络纳入技术栈中用于汽车感知。

特斯拉引领自动驾驶走向落地阶段，全球自动驾驶产业链推进加速，域控制器放量或将提速。

风险提示：AI技术发展不及预期：自动驾驶算法属于先进AI算法，若后续自动驾驶算法演进不及预期，则会影响特斯拉以及自动驾驶厂商相关技术演进以及产品落地。全球宏观经济下滑风险：全球宏观经济下滑下，居民收入水平与消费观念会收到一定冲击与影响，对于高端自动驾驶汽车需求可能会有所下滑，从而影响自动驾驶车厂相关销售业绩。市场竞争加剧导致利润水平下滑：全球范围内自动驾驶车厂竞争加剧，各厂商可能通过采用打价格战方式提高用户忠诚度，从而影响自身收入水平，导致自身利润水平下滑。个人隐私风险：自动驾驶汽车可能会收集用户相关驾驶数据、驾驶员特征等数据进行后续模型训练，这可能会涉及用户隐私问题。自动驾驶立法落地不及预期：若有关自动驾驶汽车立法政策不及预期，则会极大影响车厂相关技术推进以及相关产品落地。