登錄新浪財經APP 搜索【信披】查看更多考評等級

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

FSD v13已向部分用戶發布，特斯拉端到端算法持續迭代。根據特斯拉自動駕駛工作人員Ashok Elluswamy的推特信息披露，特斯拉FSD v13.2 已開始向有限的外部客戶推出。而根據馬斯克在推特上的表述，V13 在每次必要干預之間的英里數將比現在好5到10倍。特斯拉FSDv13版本的發布顯示了公司端到端算法迭代速度，我們預計伴隨著特斯拉數據和算力的持續積累，其算法將繼續加速迭代，為自動駕駛帶來更好的乘駕體驗。

waymo周訂單量突破10萬單，商業化進度進一步加速。根據waymo官網信息披露，2024年公司商業化進展持續加速，截至2024年10月25日，waymo每周付費訂單數超過了10萬，這一數字比去年增長了十倍。自從公司今年年初在洛杉磯開始商業運營以來，近 30 萬人加入了waymo的等待名單，已經在城市中進行了成千上萬次的付費訂單，平均評分為 4.7/5 星。最近在洛杉磯進行的一項調查顯示，98%的乘客對waymo的服務感到滿意，96%的人認為它很有用。公司發布了關于自動駕駛端到端多模態模型（EMMA）的研究論文，開始嘗試端到端算法技術路徑。同時，2024/10/25，公司完成了一輪超額認購的投資，總額為56億美元，由Alphabet領投。我們預計，伴隨著adas算法的進一步成熟和資金支持的到位，以waymo為代表的robotaxi有望進一步擴張其業務版圖，商業化持續加速。

智能駕駛突破性進入端到端時代，算法+算力+數據飛輪驅動智能駕駛技術快速迭代。1）2024年3月，特斯拉在自動駕駛領域取得了重大飛躍，發布了FSD Beta v12.3更新。FSD Beta v12.3版本是完全基于端到端神經網絡的解決方案，旨在模擬更自然、更人性化的駕駛。相比傳統規控方案，端到端算法的優點在于無損的信息傳遞、完全由數據驅動、具備學習能力更具泛化性，因此成為了最新的主流技術方向。2）數據是自動駕駛訓練的食糧，根據Tesla官方披露資料，自2024年FSDv12發布以來，FSD累計駕駛里程數的增長就進入了斜率更高的軌道，以更快的速度上行，而根據Tesla AI官方推特披露，截至2024/10/24，Tesla的車隊現在在FSD監督下累計行駛距離已經超過20億英里，其中超過50%是在V12上完成的。3）算力：算力是訓練基礎，沒有大規模算力就沒有優秀自動駕駛算法。算力是一切AI算法的基礎，沒有大規模算力就如巧婦難為無米之炊，天然抬高了智駕自研入場門檻。特斯拉算力規模已超6萬張H100，預計到24年底將擁有接近9萬張H100之巨的規模。算力儲備成本巨大，對車企的資金及渠道能力提出挑戰，利好實力雄厚的領軍玩家。

建議關注：1）華為智車：江淮汽車、賽力斯、長安汽車、北汽藍谷等；2）特斯拉產業鏈：世運電路、三花智控、拓普集團等；3）國內自動駕駛產業鏈：德賽西威、萬馬科技、中科創達、經緯恒潤、海天瑞聲、萬集科技、千方科技、金溢科技、鴻泉物聯等；4）算力：寒武紀、海光信息、中科曙光、浪潮信息、神州數碼、軟通動力等。

風險提示：技術迭代不及預期、經濟下行超預期、行業競爭加劇。

01

FSD v13已向部分用戶發布，特斯拉端到端加速迭代

FSD v13已向部分用戶發布，有望將必要干預之間的里程數增加5-10倍。根據特斯拉自動駕駛工作人員Ashok Elluswamy的推特信息披露，特斯拉FSD v13.2 已開始向有限的外部客戶推出。而根據馬斯克在推特上的表述，V13 在每次必要干預之間的英里數將比現在好5到10倍。

V13版本升級了端到端駕駛網絡的每個部分，包括：

l36 Hz，全分辨率 AI4 視頻輸入

l原生的 AI4 輸入和神經網絡架構

l4.2倍數據規模升級

l5倍訓練計算量(由Cortex集群支持)

l減少2倍的光子到控制延遲

l城市道路和高速路上的速度記錄

l一鍵從停車狀態啟動FSD(監督)

l綜合的卸泊、倒車和泊車功能

l改進的避免碰撞獎勵預測

l改進的攝像頭清理功能

l重新設計的控制器以實現更流暢、更準確的跟蹤

l當車隊檢測到道路封閉時，顯示多元動態的路徑規劃

即將進行的改進為:

l3倍模型尺寸縮放

l3倍模型上下文長度縮放

l音頻輸入以更好地處理緊急車輛

l改進導航獎勵預測

l改善停車場的假制動和減慢行車速度

l支持更多的目的地選項，包括停車、特定停車位、車道或車庫

l地圖和導航輸入的高效表示

l改進了對相機遮擋的處理

特斯拉FSDv13版本的發布顯示了fsd端到端算法迭代速度，我們預計伴隨著特斯拉數據和算力的持續增長，其算法將繼續加速迭代，為自動駕駛帶來更好的乘駕體驗。

02

waymo周訂單量突破10萬單，商業化進度持續加速

Waymo每周付費訂單量已超10萬單，比去年增長了十倍。根據waymo官網信息披露，2024年公司商業化進展持續加速，截至2024年10月25日，公司已擴大了 Waymo One 服務區域，包括舊金山、洛杉磯和鳳凰城。通過在奧斯汀和亞特蘭大與 Uber 的擴展合作，公司將在 2025 年開始為這些城市的乘客提供服務。為了創造更加實用的體驗，公司在鳳凰城和舊金山開始了完全自動化的高速公路運營。這些努力使公司每周付費訂單數超過了10萬，這一數字比去年增長了十倍。

Waymo進入洛杉磯以來已服務海量付費用戶，客戶評價出色。自從公司今年年初在洛杉磯開始商業運營以來，Waymo 一直受到洛杉磯人的熱烈歡迎，近 30 萬人加入了waymo的等待名單。我們逐漸向乘客敞開大門，他們已經在城市中進行了成千上萬次的付費訂單，平均評分為 4.7/5 星。最近在洛杉磯進行的一項調查顯示，98%的乘客對waymo的服務感到滿意，96%的人認為它很有用。

發布關于自動駕駛端到端多模態模型（EMMA）的研究論文，公司開始切入端到端算法技術路徑。2024/10/30，waymo在公司官網上分享了最新研究成果，關于自動駕駛端到端多模態模型（EMMA）的研究論文。由Google開發的跨模態大型語言模型Gemini提供支持，EMMA采用統一的、端到端訓練的模型，直接從傳感器數據生成自動駕駛汽車的未來軌跡。專門針對自動駕駛進行訓練和微調，EMMA利用Gemini廣泛的世界知識，更好地理解道路上的復雜場景。EMMA的發布表明waymo已經開始嘗試端到端技術路徑。

再獲大額融資，robotaxi業務版圖有望進一步擴張。根據waymo官網信息，2024/10/25，公司完成了一輪超額認購的投資，總額為56億美元，由Alphabet領導，AndreessenHorowitz、Fidelity、PerryCreek、SilverLake、TigerGlobal和T.RowePrice持續參與投資。隨著這筆最新投資，waymo將繼續歡迎更多乘客加入舊金山、鳳凰城和洛杉磯的WaymoOne出行服務，以及通過公司與Uber的擴展合作在奧斯汀和亞特蘭大提供服務。公司還將繼續推進WaymoDriver——我們的AI驅動自動駕駛系統——以支持未來多樣化的商業應用。

我們預計，伴隨著adas算法的進一步成熟和資金支持的到位，以waymo為代表的robotaxi有望進一步擴張其業務版圖，商業化持續加速。

03

waymo周訂單量突破10萬單，商業化進度持續加速

3.1算法：從傳統規控到端到端，ADAS算法邁入新時代

2024年3月，特斯拉在自動駕駛領域取得了重大飛躍，發布了FSD Beta v12.3更新。這個版本被埃隆·馬斯克描述為“革命性的”，并強調了對該軟件所做的實質性改進，甚至暗示它可以被視為一個新的主要版本v13。目前，FSD Beta v12.3的推出主要針對一小部分員工和精選客戶。

FSD Beta v12.3版本是完全基于端到端神經網絡的解決方案，旨在模擬更自然、更人性化的駕駛。這是一項接近實現L4和L5級自動駕駛的重大轉變，即車輛在大多數情況下無需任何人為干預即可運行，標志著朝著完全實現自動駕駛體驗邁出了重要一步。馬斯克強調，盡管與前身有類似的更新說明，但引擎蓋下的改進是相當大的，標志著朝著完全實現自動駕駛體驗邁出了一大步。

在此之前，根據Tesla Side報道，特斯拉于2024年1月22日向部分車主發布了FSD Beta 12.1.2的首個公開版本。該版本的顯著特點是使用了端到端神經網絡，有望大大改進特斯拉的高級駕駛輔助系統（ADAS）。該神經網絡在數百萬個視頻剪輯的基礎上進行訓練，取代了之前大部分顯式C++編碼，提高了系統處理復雜駕駛情況的能力。根據FSD Beta v12的發布說明，這一更新取代了30多萬行顯式C++代碼。

在此之前，馬斯克于2023年5月表示，V12“是為FSD成為‘端到端人工智能’而保留的，覆蓋從圖像到轉向、制動和加速等的方方面面。”根據美國科技媒體The Verge報告，特斯拉FSD V12如今依賴的是車身攝像頭和人工智能，而不像其他競爭對手那樣依賴激光雷達等其他類型的車身傳感器。

“端到端”是區別于傳統自動駕駛路線的全新算法框架，自特斯拉將其落地后，已經成為自動駕駛當前最新主流框架。它和傳統感知-規控算法的差別在于：

l傳統自動駕駛算法采取模塊化設計，包含感知、決策規劃、執行控制三大模塊，研究人員可以通過調試每個模塊的參數來使車輛適應各種場景。

1）優點：可解釋、可驗證、易調試。因為每個模塊都是相對獨立的，所以當我們的車輛出現問題時我們可以回溯究竟是哪個模塊出現了問題；在出現問題后，我們只需要在原有代碼規則的基礎上調整對應的參數即可。

2）缺點：傳遞過程中信息損耗、任務多且散導致低效、存在復合誤差、規則難以窮盡導致構建和維護成本高。

l所謂端到端（End-to-End）就是信息一頭進入一頭輸出，中間沒有各個模塊傳輸來傳輸去，一站式搞定。也就是基于統一的神經網絡從原始傳感器數據輸入直接到控制指令輸出的連續學習與決策過程，過程中不涉及任何顯式的中間表示或人為設計的模塊，不再需要工程師人為寫無窮盡的代碼了，除此之外；其另一個核心理念就是無損的信息傳遞。

1）優點：無損的信息傳遞、完全由數據驅動、具備學習能力更具泛化性。隨著感知、決策規劃端到端自動駕駛路徑逐漸清晰，端到端為邁向L4無人駕駛提供了想象空間。

2）缺點：不可解釋、訓練成本較高、可能存在幻覺問題。針對以上缺點，目前常見的解決方案便是加入安全冗余。

正是由于端到端方案具備的深度學習能力，在未來可以表現出更好的泛化性，因此成為了自動駕駛領域算法最新的主流發展方向。

3.2數據：汽車行駛數據可反哺算法，形成數據飛輪的持續迭代

數據是自動駕駛訓練的食糧。數據對于一切AI模型訓練來說都是底層基礎，對于自動駕駛算法訓練來說尤其如此。通過大量的車輛行駛數據訓練，算法才能夠學會識別理解各種交通情況，提高決策的準確性和可靠性；數據的多樣性和質量直接影響算法的泛化能力，使其能夠在不同環境和條件下穩定工作，也使得算法可以適應不斷變化的交通環境和規則，從而實現更高效、更安全的自動駕駛體驗。

汽車行駛數據可以反哺智能駕駛算法，數據飛輪形成持續迭代。實車行駛數據一般在汽車實際駕駛過程中采集，理論上，出售后在路上實開的車輛越多，能夠收集到的數據越多，這些數據就能過進一步反哺自動駕駛算法，使得算法本身獲得持續迭代，形成持續的正循環。這樣的數據飛輪，對自動駕駛廠商來說至關重要；可以說，沒有大量數據用作訓練，就不可能擁有優秀的自動駕駛算法。馬斯克甚至認為，訓練FSD這樣的算法難度極高，需要“100億公里以上的汽車數據”。

特斯拉數據積累已超20億英里，其中超過50%是在FSD v12上行駛得來的。根據Tesla官方披露資料，自2024年FSDv12發布以來，FSD累計駕駛里程數的增長就進入了斜率更高的軌道，以更快的速度上行，截至2024年6月，FSD累計駕駛里程數超過了16億公里。而根據Tesla AI官方推特披露，截至2024/10/24，Tesla的車隊現在在FSD監督下累計行駛距離已經超過20億英里，其中超過50%是在V12上完成的。

3.3算力：算力是訓練基礎，沒有大規模算力就沒有優秀算法

算力是一切AI算法的基礎，沒有大規模算力就如巧婦難為無米之炊，天然抬高了智駕自研入場門檻。對于一切算法而言，算力（更具體一點說，是計算用的GPU芯片）是底層計算基礎，沒有算力就無法訓練，這是巧婦難為無米之炊的定律。又因為智能駕駛訓練所需數據多為2D、3D圖像及其他信號數據，所需要的存儲空間及計算資源都消耗巨大，對于車企而言，這一算力成本無疑提高了前置成本，天然抬高了智駕算法自研的門檻。

特斯拉算力規模已超6萬張H100，預計到24年底將擁有接近9萬張H100之巨的規模。根據Tesla官方披露資料，截至2024Q3，特斯拉擁有的H100 GPU數量已超過6萬張，預計到2024年年底，公司算力規模有望達到接近9萬張的數量。

建議關注：

1）華為智車：江淮汽車、賽力斯、長安汽車、北汽藍谷等；2）特斯拉產業鏈：世運電路、三花智控、拓普集團等；3）國內自動駕駛產業鏈：德賽西威、萬馬科技、中科創達、經緯恒潤、海天瑞聲、萬集科技、千方科技、金溢科技、鴻泉物聯等；4）算力：寒武紀、海光信息、中科曙光、浪潮信息、神州數碼、軟通動力等。

技術迭代不及預期風險：若技術迭代不及預期，則對產業鏈相關公司會造成一定不利影響。

行業競爭加劇風險：若相關企業加快技術迭代和應用布局，整體行業競爭程度加劇，將會對目前行業內企業的增長產生威脅。

具體分析詳見2024年12月14日發布的報告《海外智能駕駛持續放大招》

特別聲明：《證券期貨投資者適當性管理辦法》于2017年7月1日起正式實施。通過微信形式制作的本資料僅面向國盛證券客戶中的專業投資者。請勿對本資料進行任何形式的轉發。若您非國盛證券客戶中的專業投資者，為保證服務質量、控制投資風險，請取消關注，請勿訂閱、接受或使用本資料中的任何信息。因本訂閱號難以設置訪問權限，若給您造成不便，煩請諒解！感謝您給予的理解和配合。

重要聲明：本訂閱號是國盛證券計算機團隊設立的。本訂閱號不是國盛計算機團隊研究報告的發布平臺。本訂閱號所載的信息僅面向專業投資機構，僅供在新媒體背景下研究觀點的及時交流。本訂閱號所載的信息均摘編自國盛證券研究所已經發布的研究報告或者系對已發布報告的后續解讀，若因對報告的摘編而產生歧義，應以報告發布當日的完整內容為準。本資料僅代表報告發布當日的判斷，相關的分析意見及推測可在不發出通知的情形下做出更改，讀者參考時還須及時跟蹤后續最新的研究進展。

本資料不構成對具體證券在具體價位、具體時點、具體市場表現的判斷或投資建議，不能夠等同于指導具體投資的操作性意見，普通的個人投資者若使用本資料，有可能會因缺乏解讀服務而對報告中的關鍵假設、評級、目標價等內容產生理解上的歧義，進而造成投資損失。因此個人投資者還須尋求專業投資顧問的指導。本資料僅供參考之用，接收人不應單純依靠本資料的信息而取代自身的獨立判斷，應自主作出投資決策并自行承擔投資風險。

（轉自：國盛計算機暢想）

海量資訊、精準解讀，盡在新浪財經APP