中信建投證券發布研究報告稱，近期，特斯拉更新其FSD算法至v11.4，此次升級實現FSD端到端的能力，即包含高速領航、城市道路領航和泊車三個域的智駕功能。特斯拉將改進車輛性能置於引入新功能之上，可以更快地針對環境做出反應，並在必要時調整車速，確保所有相關人員都能獲得更安全的體驗。中信建投認爲，AI對整個汽車產業生態變革將產生重大影響，特斯拉作爲整個自動駕駛領域开拓者，正引領相關技術應用落地，全球自動駕駛產業鏈推進加速，域控制器放量或將提速。
中信建投證券主要觀點如下：
特斯拉自動駕駛算法主要經歷四個階段，目前架構包括RegNet、HydraNet等。
2016-2018年，特斯拉自動駕駛算法處於第一階段，在該階段中，使用常規的骨幹網結構;使用2D檢測器進行特徵提取;訓練數據爲人工標注，整體來看比較原始，相對傳統;2018-2019年，特斯拉自動駕駛算法採用了HydraNet結構;加入特徵提取網絡BiFPN;將圖像空間從image space直接轉化爲vector space，能執行多任務、對視覺特徵進行充分融合以及很大程度上避免映射偏差，相較於精度提升，這個階段注重提高效率;2019-2020年，特斯拉自動駕駛算法來到第三階段，使用了Transformer;骨幹網結構使用了RegNet;能夠實現自動標注數據;以及主張去掉雷達，使用純視覺方案，不僅解決了CNN算法在BEV遮擋區域預測問題，同時還有更高的性能和算法准確度以及能夠快速得到高精度地圖數據，相較於提高效率，這個階段注重提高精度;2021年以來，特斯拉自動駕駛算法來到第四階段，增加了時空序列與時序信息融合等能力;在空間感知方面，使用佔用網絡;使用Lanes Network;爲了增強汽車感知能力，考慮到4D雷達的效果與成本，預計會將雷達重新安裝，整體來看，該階段在感知能力上大做文章，自動駕駛算法已相對成熟。
特斯拉自動駕駛算法2022年的核心改變在於使用Occupancy Networks進行感知以及使用Lanes Network進行矢量地圖繪制。
Occupancy Networks(佔用網絡)可以通過3D物體檢測的方式來估計行駛中其他車輛、物體的位置和大小，佔用網絡可以使用多個攝像機拍攝的圖像進行3D處理，即使是動態佔用也可以計算出來並且運行效率較高;Lanes Network通過對離散空間的預測，能夠以自回歸的方式將所有的車道线節點進行生成，從而獲取更精確的車道线拓撲結構。2023年5月，特斯拉推出FSD v11.4，實現FSD端到端能力。FSD端到端的能力，即包含高速領航、城市道路領航和泊車三個域的智駕功能。
映射到國內，以蔚小理爲代表的車廠以特斯拉爲錨，在自動駕駛領域持續發力，可像人類司機那樣實時地感知、決策、規劃，蔚來NAD、小鵬XNGP等逐步實現L4駕駛水平。特斯拉正持續引領廠商技術革新，例如特斯拉將Occupancy網絡引入到自動駕駛感知技術中，後續理想AD Max3.0也將Occupancy網絡納入技術棧中用於汽車感知。
特斯拉引領自動駕駛走向落地階段，全球自動駕駛產業鏈推進加速，域控制器放量或將提速。
風險提示：AI技術發展不及預期：自動駕駛算法屬於先進AI算法，若後續自動駕駛算法演進不及預期，則會影響特斯拉以及自動駕駛廠商相關技術演進以及產品落地。全球宏觀經濟下滑風險：全球宏觀經濟下滑下，居民收入水平與消費觀念會收到一定衝擊與影響，對於高端自動駕駛汽車需求可能會有所下滑，從而影響自動駕駛車廠相關銷售業績。市場競爭加劇導致利潤水平下滑：全球範圍內自動駕駛車廠競爭加劇，各廠商可能通過採用打價格战方式提高用戶忠誠度，從而影響自身收入水平，導致自身利潤水平下滑。個人隱私風險：自動駕駛汽車可能會收集用戶相關駕駛數據、駕駛員特徵等數據進行後續模型訓練，這可能會涉及用戶隱私問題。自動駕駛立法落地不及預期：若有關自動駕駛汽車立法政策不及預期，則會極大影響車廠相關技術推進以及相關產品落地。
本文作者可以追加內容哦 !
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。
標題：中信建投：特斯拉(TSLA.US)引領AI大模型賦能自動駕駛 全球產業鏈推進加速
地址：https://www.breakthing.com/post/67461.html
