AI行業(yè)專題從特斯拉FSD看人工智能

AI行業(yè)專題從特斯拉FSD看人工智能（報(bào)告出品方/作者：西南證券，王湘杰）1人工智能助力自動(dòng)駕駛，端的至端的方案變成嶄新路徑行業(yè)趨勢(shì)：以自動(dòng)駕駛技術(shù)為驅(qū)動(dòng)，跨入規(guī)?；慨a(chǎn)從智能駕駛的發(fā)展趨勢(shì)來看：行業(yè)的上半場以電動(dòng)化居多，核心驅(qū)動(dòng)力與能源電池緊密有關(guān)，技術(shù)方向主要為輔助駕車，市場主要高度高度關(guān)注技術(shù)的檢驗(yàn)和特定場景的落地；智能駕駛的下半場以智能化居多，發(fā)力方向主要集中于智能座艙領(lǐng)域和自動(dòng)駕駛領(lǐng)域，核心驅(qū)動(dòng)力就是高階輔助駕車和自動(dòng)駕駛技術(shù)的技術(shù)創(chuàng)新升級(jí)，有關(guān)車企逐步著眼產(chǎn)業(yè)化、規(guī)模化問題，致力于同時(shí)同時(shí)實(shí)現(xiàn)高階智能汽車的商業(yè)化量產(chǎn)。從人工智能平添的變化來看：我們表示神經(jīng)網(wǎng)絡(luò)算法逐漸對(duì)各個(gè)產(chǎn)業(yè)和領(lǐng)域進(jìn)行深度生態(tài)圈。2022年11月OpenAI發(fā)推出ChatGPT、2023年3月面世GPT-4，表明大語言模型率先對(duì)文本端的生態(tài)圈；當(dāng)前，特斯拉FSD系統(tǒng)運(yùn)算至BetaV11.4版本，在架構(gòu)上進(jìn)行關(guān)鍵性改進(jìn)，引入BEV+Transformer范式，推動(dòng)端的至端的自動(dòng)駕駛，表明神經(jīng)網(wǎng)絡(luò)的助力已滲透到智能駕駛等領(lǐng)域。隨著智駕場景從較為簡單的高速場景跨入更加繁瑣的城市場景，我們表示，在人工智能的賦能下，自動(dòng)駕駛心智技之術(shù)的進(jìn)步將在更多智pierless場景下顯現(xiàn)出來優(yōu)勢(shì)。生態(tài)圈：算法為核心技術(shù)難點(diǎn)，車企與模型廠商積極探索資源共享自動(dòng)駕駛作為行業(yè)下半場的重點(diǎn)發(fā)力方向之一，其生態(tài)圈的構(gòu)筑非常關(guān)鍵。自動(dòng)駕駛生態(tài)圈可以分為四個(gè)層級(jí)：研發(fā)服務(wù)、后臺(tái)系統(tǒng)及基礎(chǔ)設(shè)施、單車軟件系統(tǒng)、單車硬件系統(tǒng)。其中，軟件系統(tǒng)中的心智算法、預(yù)測及規(guī)劃算法就是當(dāng)前的核心技術(shù)難點(diǎn)。我們表示，自動(dòng)駕駛解決方案及其生態(tài)圈的構(gòu)筑就是車企同時(shí)同時(shí)實(shí)現(xiàn)產(chǎn)品領(lǐng)先以及差異化體驗(yàn)的核心，車企可以挑選出與模型廠商或算法公司合作研發(fā)、共同積極探索，建立基于軟件系統(tǒng)和生態(tài)圈的核心競爭力。自動(dòng)駕駛系統(tǒng)：心智就是前提，規(guī)控同意車輛如何與環(huán)境互動(dòng)自動(dòng)駕駛系統(tǒng)對(duì)應(yīng)著自動(dòng)駕駛生態(tài)圈中的單車軟件系統(tǒng)及部分硬件設(shè)施，主要由三個(gè)子系統(tǒng)構(gòu)成：心智子系統(tǒng)：心智就是規(guī)控的前提，由各種傳感器和心智算法共同共同組成。車載傳感器涵蓋攝像頭、激光雷達(dá)、雷達(dá)、聲納、IMU、GNSS等，用來心智周圍環(huán)境、監(jiān)測車輛的定位和狀態(tài)。心智算法主要涵蓋傳感器融合和濾波算法（比如說卡爾曼濾波、粒子濾波、貝葉斯濾波），可以幫助減少傳感器數(shù)據(jù)噪聲的形成，由此增加測量的不確定性。規(guī)劃子系統(tǒng)：利用心智結(jié)果，對(duì)車輛犯罪行為進(jìn)行最優(yōu)規(guī)劃。車輛采用的最優(yōu)犯罪行為仍須通過預(yù)測車輛和環(huán)境中的其他事物的未來狀態(tài)回去證實(shí)，并考量全局計(jì)劃、安全性、舒適性及軟硬件的約束等。掌控子系統(tǒng)：通過調(diào)整車輛的控制元件，準(zhǔn)確繼續(xù)執(zhí)行軌跡，同時(shí)同時(shí)實(shí)現(xiàn)“實(shí)際駕車”?？刂扑惴梢苑譃榭v向運(yùn)動(dòng)控制（比如說對(duì)車速、與前后車或障礙物距離的掌控）和橫向運(yùn)動(dòng)控制（即為為旋轉(zhuǎn)軸運(yùn)動(dòng)方向上的掌控，比如說變?yōu)檎瓶兀?，代表曰行器涵蓋油門、剎車和變?yōu)榈??？刂葡到y(tǒng)同意最終車輛將如何整體整體表現(xiàn)并與環(huán)境互動(dòng)。當(dāng)前，AI對(duì)自動(dòng)駕駛的生態(tài)圈主要突顯在心智環(huán)節(jié)、以及相連接心智和規(guī)劃的預(yù)測環(huán)節(jié)。心智環(huán)節(jié)-硬件端的：車企布局各有不同，4D毫米波雷或變成嶄新標(biāo)配4D毫米波雷達(dá)優(yōu)勢(shì)凸顯，料變成心智硬件布局嶄新方案。毫米波雷達(dá)就是指工作波長介于1-10mm的電磁波雷達(dá)，通在過向障礙物升空毫米電磁波并傳送脈沖回去精確觀測物體的距離、速度、方位，而4D毫米波雷達(dá)除觀測“距離、速度、方位”外，還可以用做測量高度，從而同時(shí)同時(shí)實(shí)現(xiàn)四個(gè)維度的心智，并具有極廣視角、高精度、高分辨率等優(yōu)勢(shì)，有助于進(jìn)一步拓展自動(dòng)駕駛的心智能力。對(duì)照其他傳感器，毫米波雷達(dá)就是基于電磁場原理，而激光雷達(dá)和攝像頭本質(zhì)上均基于光波原理，均無法在雨雪霧霾等嚴(yán)苛天氣情況下正常工作，而毫米波雷達(dá)可以全天候不受光線和氣候的影響，可以為其他傳感器提供更多更多更多內(nèi)存；此外，激光雷達(dá)成本高，在一定程度上制約了其作為心智裝置的硬市場需求，但歸因于其分辨率較低，因此能為車企在研發(fā)樣車階段能夠提供更多更多較好的起點(diǎn)，若4D毫米波雷達(dá)同樣具備較低的分辨率，將變成車企更經(jīng)濟(jì)的布局挑選出。技術(shù)路徑：大模型成就端的至端的自動(dòng)駕駛，推動(dòng)心智決策一體化目前，自動(dòng)駕駛系統(tǒng)的設(shè)計(jì)主要分為兩大技術(shù)路徑：模塊化方案和端的至端的方案。兩大路徑可以優(yōu)劣優(yōu)勢(shì)互補(bǔ)，以上路徑當(dāng)前均在積極探索、相互融合。模塊化路徑：牽涉到眾多模塊，每個(gè)單一制的模塊負(fù)責(zé)管理單獨(dú)的子任務(wù)，比如說自動(dòng)駕駛系統(tǒng)的一級(jí)模塊可以分為心智、規(guī)劃和掌控，每個(gè)一級(jí)模塊下又分為眾多子模塊，每個(gè)模塊可以基于相同的規(guī)則或算法。由于每個(gè)單一制模塊負(fù)責(zé)管理單獨(dú)的子任務(wù)，因此出現(xiàn)問題時(shí)可以及時(shí)上溯，并難于調(diào)試，具有較強(qiáng)的解釋性。端的至端的路徑：端的至端的（End-to-End）概念來源于深度自學(xué)，端的至端的路線就是指AI模型只要輸入原始數(shù)據(jù)就可以輸出最終結(jié)果。在自動(dòng)駕駛的應(yīng)用領(lǐng)域中，端的至端的模型可以將心智、規(guī)劃和掌控環(huán)節(jié)一體化，通過將車載傳感器搜集至的信息輕而易舉輸入神經(jīng)網(wǎng)絡(luò)，經(jīng)過處理后輕而易舉輸出自動(dòng)駕駛的駕車命令，潛在性能更佳、優(yōu)化效率更高。2特斯拉自動(dòng)駕駛：深信視覺力量，劍指端的至端的大模型硬件端的：全棧自研HW3.0，底層硬件穩(wěn)步向更高級(jí)別運(yùn)算HW1.0向HW3.0快速運(yùn)算，硬件性能料持續(xù)升級(jí)。1）HW1.0：2014年10月，特斯拉基于Mobileye芯片MobileyeEyeQ3發(fā)布第一代硬件Hardware1.0。2）HW2.0：2016年10月，特斯拉面世HW2.0，芯片由英偉達(dá)提可以可供，并布局8個(gè)攝像頭+12個(gè)遠(yuǎn)程超聲波雷達(dá)+1個(gè)前置毫米波雷達(dá)，在功能上同時(shí)同時(shí)實(shí)現(xiàn)輔助駕車，且該布局沿用至Hardware3.0。3）HW3.0：2019年4月，特斯拉發(fā)布Hardware3.0系統(tǒng)，采用全棧自研FSD芯片，單個(gè)芯片算力少于72TOPS，遠(yuǎn)高于當(dāng)時(shí)市面上的自動(dòng)駕駛芯片，算力同時(shí)同時(shí)實(shí)現(xiàn)大幅提高，在功能上可以識(shí)別更多目標(biāo)。4）目前，特斯拉正處于由HW3.0向HW4.0更高級(jí)別硬件的運(yùn)算階段，未來料大力支持4D毫米波雷達(dá)等更多傳感器和攝像頭的互連，并使GPU集成化更高、模塊更輕薄，F(xiàn)SD芯片內(nèi)核數(shù)量料持續(xù)劇增，進(jìn)一步提高性能等。心智算法：采用端的至端的心智架構(gòu)，構(gòu)筑三維向量空間端的至端的心智：輸入多相機(jī)圖像，輸出三維向量空間。特斯拉車身外部環(huán)繞著8個(gè)外部攝像頭，攝像頭對(duì)車身周圍環(huán)境的圖像數(shù)據(jù)和信息進(jìn)行搜集，再通過心智神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，系統(tǒng)通在過深度自學(xué)模型進(jìn)行自我培訓(xùn)，從而達(dá)致全系列范圍心智路況、增進(jìn)系統(tǒng)控制精度的目的，構(gòu)筑真實(shí)世界的三維向量空間，其中囊括汽車、行人等動(dòng)態(tài)交通參與物，道路線、交通標(biāo)識(shí)、黑綠燈、建筑物等靜態(tài)環(huán)境物，以及各元素的座標(biāo)邊線、方向角、距離、速度、加速度等屬性參數(shù)。心智：特征級(jí)融合替代后融合，增加算力消耗和復(fù)雜度心智信息采用特征級(jí)融合，插值效果顯著優(yōu)于后融合。特斯拉起初采用后融合方案，但在后融合方案下，置信度較低的信息容易被忽略，原始數(shù)據(jù)也容易遺失，從而可以導(dǎo)致信息雜訊、決策犯規(guī)等問題。而特征級(jí)融合可以避免相同的攝像頭對(duì)同一特征進(jìn)行識(shí)別，因此能夠更好地解決后融合信息失真的問題。根據(jù)特斯拉AIDay展現(xiàn)出的效果圖來看，在BEV空間中搞出特征級(jí)融合的效果必須遠(yuǎn)遠(yuǎn)不好于后融合，同時(shí)能夠避免前融合方案下的非常大算力消耗、以及后融合方案下的復(fù)雜度難題。數(shù)據(jù)端的：車隊(duì)逐漸發(fā)展壯大，里程數(shù)日益增長，構(gòu)筑數(shù)據(jù)護(hù)城河FSD里程數(shù)同時(shí)同時(shí)實(shí)現(xiàn)快速快速增長：根據(jù)特斯拉2023年上半年業(yè)績可以，特斯拉FSD在里程數(shù)上贏得新進(jìn)展，F(xiàn)SDBeta總計(jì)行并使里程已多于3億英里，僅23Q2單季度提升約1億英里。自身數(shù)據(jù)庫生態(tài)圈模型性能：特斯拉車隊(duì)規(guī)模逐漸發(fā)展壯大、車輛總計(jì)行使里程日益增長，有助于特斯拉構(gòu)筑自身的自動(dòng)駕車數(shù)據(jù)倉庫，形成數(shù)據(jù)壁壘，為大模型的訓(xùn)練和優(yōu)化提供更多更多更多的優(yōu)質(zhì)數(shù)據(jù)，生態(tài)圈算法性能。算力端的：自研大規(guī)模集群超級(jí)計(jì)算機(jī)平臺(tái)，Dojo料提供更多更多強(qiáng)算力特斯拉自研超級(jí)排序平臺(tái)Dojo——基于多功能排序集群設(shè)計(jì)。Dojo架構(gòu)由特斯拉完全訂做，涵蓋排序、網(wǎng)絡(luò)、輸入/輸出（I/O）芯片、指令集架構(gòu)、電源傳輸、冷卻等，具備高可擴(kuò)展性和分布式系統(tǒng)。Dojo具備極高集成度，并非根據(jù)小系統(tǒng)拓展而回去，旨在高效率地處理海量視頻數(shù)據(jù)、進(jìn)行訂做的神經(jīng)網(wǎng)絡(luò)訓(xùn)練。Dojo于2021年首屆特斯拉AIDay上面市，當(dāng)時(shí)僅有第一批芯片和訓(xùn)練塊，尚未構(gòu)筑起至至完善的Dojo機(jī)柜和集群（Exapod）；2022年AIDay，Dojo贏得新進(jìn)展，并通過時(shí)程的持續(xù)部署與規(guī)劃，構(gòu)筑起至至大規(guī)模算力集群，推動(dòng)大模型訓(xùn)練。算力規(guī)劃明確，Dojo正式宣布正式宣布投產(chǎn)。1）2023年7月，Dojo步入投產(chǎn)階段，打響特斯拉算力集群快速建設(shè)階段的帷幕；2）預(yù)期2024年2月，特斯拉的算力規(guī)模步入全球前五；3）預(yù)期2024年10月，特斯拉的算力總規(guī)模達(dá)至100EFlops，相等于30萬塊A100GPU的算力總和。商業(yè)端的：軟件化進(jìn)程大力大力推進(jìn)，受讓給制共振瀏覽制，整車價(jià)值量增加從“量”的角度來看：人工智能、神經(jīng)網(wǎng)絡(luò)以及大模型的應(yīng)用領(lǐng)域正大力大力推進(jìn)自動(dòng)駕駛系統(tǒng)的運(yùn)算速度，技術(shù)的進(jìn)步將平添用戶駕車體驗(yàn)的提升，從而推動(dòng)用戶瀏覽轉(zhuǎn)型。我們表示，特斯拉FSDBetav11.4版本在盧瓦松端大模型的賦能下將進(jìn)一步優(yōu)化系統(tǒng)性能，提振軟件需求量和瀏覽率僅壓低。從“價(jià)”的角度來看：特斯拉FSD的收費(fèi)模式采用受讓給新制和瀏覽制。受讓給制方面，車主仍須一次性繳交套件價(jià)格，F(xiàn)SD從2016年的3000美元經(jīng)過多輪漲價(jià)，自2022年9月5日至價(jià)格提升至15000美元。瀏覽制方面，特斯拉韋爾丹內(nèi)首創(chuàng)自動(dòng)駕駛服務(wù)按月收費(fèi)，F(xiàn)SD每月瀏覽價(jià)格在99美元至199美元之間，具體內(nèi)容依賴車輛是否配備EAP系統(tǒng)；對(duì)于車主而言，瀏覽模式可以快速增加FSD出售成本，并在使用期限上有效率挑選出；對(duì)于特斯拉而言，公司只仍須對(duì)外開放軟件USB即可進(jìn)一步進(jìn)一步增強(qiáng)盈利能力。我們表示，無論是受讓給制還是瀏覽制，特斯拉在販?zhǔn)壅嚨耐瑫r(shí)還具備軟件價(jià)值，自喊叫駕車系統(tǒng)的運(yùn)算將增加整車價(jià)值量，電動(dòng)汽車逐漸呈現(xiàn)軟件化趨勢(shì)。3特斯拉機(jī)器人：復(fù)用FSD底座，引領(lǐng)具身智能AI賦能人形機(jī)器人，引領(lǐng)具身智能浪潮機(jī)器人作為具身智能的更優(yōu)形態(tài)，人工智能將對(duì)機(jī)器人進(jìn)一步賦能。具身智能是將人工智能與機(jī)器結(jié)合，將多模態(tài)的大語言模型作為人類與機(jī)器溝通的橋梁，幫助機(jī)器處理具身推理任務(wù)，強(qiáng)調(diào)智能與身體和環(huán)境的互動(dòng)關(guān)系，將智能與實(shí)際物理世界結(jié)合起來，通過身體感知、運(yùn)動(dòng)和與環(huán)境互動(dòng)來實(shí)現(xiàn)智能行為。人形機(jī)器人的具身智能包括具身感知和具身執(zhí)行。其中，具身感知是指通過機(jī)器人身上的各種傳感器獲取周圍環(huán)境的信息。具身執(zhí)行是指將機(jī)器人的感知和決策轉(zhuǎn)化為具體行動(dòng)。近年來，人形機(jī)器人作為具身智能的代表產(chǎn)品，結(jié)構(gòu)設(shè)計(jì)日益符合人類特點(diǎn)，AI技術(shù)的進(jìn)步進(jìn)一步提升了人形機(jī)器人的感知、規(guī)劃、控制和人機(jī)交互能力。特斯拉橫向遷址FSD底座，機(jī)器人與自動(dòng)駕駛軟硬件部分適用于于硬件層面：特斯拉自動(dòng)駕駛和機(jī)器人在硬件上具備一定的通用性。心智層主要涵蓋攝像頭、毫米波雷達(dá)等傳感器；規(guī)劃層主要基于AI芯片和FSD系統(tǒng)；掌控層涵蓋執(zhí)行器等。特斯拉機(jī)器人在硬件端的與自動(dòng)駕駛具有一定相似性。軟件層面：特斯拉阻斷FSD在自動(dòng)駕駛和機(jī)器人中的底層模塊，在一定程度上同時(shí)同時(shí)實(shí)現(xiàn)算法的F83E43Se。自動(dòng)駕駛FSD系統(tǒng)可以根據(jù)心智至的環(huán)境信息進(jìn)行路徑規(guī)劃和車輛掌控，該方法同樣適用于于于機(jī)器人，幫助機(jī)器人同時(shí)同時(shí)實(shí)現(xiàn)視覺心智、從而在繁瑣環(huán)境中挑選出最佳路徑、最后繼續(xù)執(zhí)行適當(dāng)?shù)臎Q策。實(shí)際上，自動(dòng)駕駛本質(zhì)也屬于機(jī)器人，特斯拉目前在心智和辯別等模塊上具有一定的通用型人工智能能力，而通用型人工智能算法將就是特斯拉未來長期價(jià)值所在。硬件端的-四連桿膝蓋關(guān)節(jié)：模擬人體設(shè)計(jì)，優(yōu)化腿部力學(xué)模型腿部膝蓋彎曲角越大，膝部扭矩功率更高。隨著腿部的彎曲角度變小小小，比如說越相符蹲姿，繼續(xù)執(zhí)行同一任務(wù)必須要的扭矩可以越來越大，比如說半蹲走路比東站著走路更吃力。特斯拉采用四連桿結(jié)構(gòu)，并使同一功率在直腿狀態(tài)和彎腿角度下的所需扭矩更為平緩和一致。在直觀的二連桿設(shè)計(jì)結(jié)構(gòu)下，機(jī)器人的大小腿僅用一個(gè)轉(zhuǎn)軸相連接，導(dǎo)致機(jī)器人在彎腿狀態(tài)下以仍須的繼續(xù)執(zhí)行扭矩可以顯著增加（藍(lán)線）；在四連桿膝蓋結(jié)構(gòu)下，所需抖矩基本保持平衡，將同時(shí)同時(shí)實(shí)現(xiàn)小馬拉大車的效果。算法端的-規(guī)劃：借予自動(dòng)駕駛模擬器，融合多學(xué)科，優(yōu)化運(yùn)動(dòng)軌跡自動(dòng)駕駛模擬器可以繼續(xù)執(zhí)行機(jī)器人運(yùn)動(dòng)代碼，但機(jī)器人移動(dòng)較汽車移動(dòng)更加繁瑣。在模擬方面，特斯拉將機(jī)器人的運(yùn)動(dòng)代碼內(nèi)置至自動(dòng)駕駛模擬器中，通過運(yùn)轉(zhuǎn)自動(dòng)駕駛模擬器的運(yùn)動(dòng)控制代碼，幫助機(jī)器人同時(shí)同時(shí)實(shí)現(xiàn)跳躍。2022年4月，特斯拉機(jī)器人邁出第一步，移動(dòng)速度緩慢；但隨著團(tuán)隊(duì)插入更多關(guān)節(jié)、以及技術(shù)的不斷進(jìn)展，比如說手臂平衡等，機(jī)器人的跳躍日益進(jìn)化。事實(shí)上，從汽