《AI行业专题：从特斯拉FSD看人工智能端到端模型赋能自动驾驶机器人引领具身智能-230803（58页）.pdf》由会员分享，可在线阅读，更多相关《AI行业专题：从特斯拉FSD看人工智能端到端模型赋能自动驾驶机器人引领具身智能-230803（58页）.pdf（58页珍藏版）》请在三个皮匠报告上搜索。

1、从特斯拉从特斯拉FSDFSD看人工智能看人工智能 端到端模型赋能自动驾驶，机器人引领具身智能端到端模型赋能自动驾驶，机器人引领具身智能 西南证券研究发展中心 海外研究团队 王湘杰 2023年8月 AIAI专题专题 2 核心观点 从特斯拉FSD看AI对自动驾驶的赋能：技术端：特斯拉率先提出纯视觉方案，端到端自动驾驶成为新路径。特斯拉基于对第一性原理的坚持以及对成本的考量，率先实行纯视觉方案，认为自动驾驶可以依靠摄像头实现感知和目标识别，其成本优势也将推动自动驾驶汽车加速实现规模化量产。此外，特斯拉基于Transformer大模型推出端到端自动驾驶方案，构建多任务学习神经网络架构HydraNet，

2、引入特征级融合、占用网络和BEV+Transformer范式。其中，BEV算法有助于将摄像头的2D感知转化为3D视觉，占用网络有助于解决长尾问题，Transformer能够利用注意力机制实现更精准的目标识别，并通过添加时序和空间信息使自动驾驶更接近4D真实世界，推动智驾水平迈上新台阶。目前，以特斯拉FSD为代表的自动驾驶系统表明神经网络算法和AI大模型的赋能已经渗透至智能汽车领域。商业端：汽车软件化趋势明显，整车价值量有望提升。随着特斯拉FSD自动驾驶软件的推出，其软件能力已成为差异化卖点，FSD套件的盈利模式采用一次性买断制和按月订阅制，且一次性购买价格经过多轮涨价，目前已提升至15000美

3、元。我们认为，特斯拉在售卖整车的同时还可以售卖自动驾驶服务套件，盈利能力进一步增强。未来，自动驾驶系统在AI技术的赋能下有望持续迭代，单车软件价值逐步增长，推动整车价值量提升，智能汽车软件化趋势明显。从特斯拉FSD看AI对人形机器人上的赋能：Optimus沿用FSD底座，有望引领具身智能。人形机器人与自动驾驶的算法底座本质上均可分为感知层、规划层和控制层，且在硬件设施上有较高的重合度和通用性。特斯拉Optimus同样是基于第一性原理，模拟人体设计，在视觉感知上改进占用网络，在规控上优化运动轨迹，使机器人更好地适应现实世界。我们认为，自动驾驶技术的进步与发展将惠及至人形机器人领域，推动人形机器人

4、迭代提速，引领AI下一代浪潮。投资建议：建议关注自动驾驶产业链和机器人产业链，其中重点关注具备数据优势、算法优势、且有望在软件端率先进行商业化变现的整车厂商。相关标的：特斯拉(TSLA.O)、小鹏汽车(XPEX.N)等。风险提示：行业竞争加剧风险，技术发展不及预期风险，商业变现不及预期风险等。1 3VpYWYQYnXxU9PdNbRsQmMpNnOiNqQuMeRoOnRbRpOtQMYmPyQvPmQoQ 1 人工智能助力自动驾驶，端到端方案成为新路径 1.1 智能驾驶行业趋势：以自动驾驶技术为驱动，迈向规模化量产 1.2 自动驾驶生态圈：算法为核心技术难点，车企与模型厂商探索共建 1.3

5、自动驾驶系统：AI赋能主要体现在感知环节 1.4 技术路径：大模型端到端自动驾驶，BEV+Transformer成为主流 目 录 1.3.1 感知环节-硬件端：传感器性能各异，4D毫米波雷达有望成为新标配 1.3.2 感知环节-融合方案：特征级融合优势显现，纯视觉方案兴起 1.3.3 感知环节-视觉表达：BEV实现动态还原，占用网络展现4D泛化世界 1.4.1 大模型成就端到端自动驾驶，推动感知决策一体化 1.4.2 车企率先聚焦端到端感知，BEV+Transformer成为主流 2 1.1 行业趋势：以自动驾驶技术为驱动，迈向规模化量产 电动化 技术验证的上半场 智能化 商业化量产的下半场

6、行业趋势 行业机会 竞争要素 动力系统变革：电动化 智能驾驶：L2及以下功能+特定场景L4初试 电子电气架构变革：软硬件解耦+中央大算力 智能驾驶：多融合方案+L3及以上商业化量产 技术验证为核心；Demo车场景试点；单一模块的落地能力 商业化量产为核心；满足功能安全的正向开发；规模化/定制化的赋能能力 2016年 电动乘用车渗透率2%2022年 电动乘用车渗透率20%；智能乘用车渗透率5%2030年 预计智能乘用车渗透率50%智能驾驶行业趋势 资料来源：觉非科技，西南证券整理 从智能驾驶的发展趋势来看：行业的上半场以电动化为主，核心驱动力与能源电池紧密相关，技术方向主要为辅助驾驶，市场主要关