從特斯拉FSD發(fā)展路徑看國內(nèi)智能駕駛終局（報告出品方/作者：國泰君安證券，李沐華、齊佳宏）1.智能駕駛是特斯拉的核心壁壘之一作為智能駕駛的標桿，特斯拉市值冠絕全球主機廠。特斯拉是目前世界上市值第6高的公司，同時也是市值最高的車企。橫向比較來看，2022年特斯拉汽車銷量93.62萬臺，不及豐田的1/10，而它的市值卻是豐田的3倍。究其原因，在三電系統(tǒng)、供應(yīng)鏈管理、生產(chǎn)模式、智能駕駛、戰(zhàn)略規(guī)劃、營銷模式等方面，它都是行業(yè)顛覆者，是標桿一樣的存在。特斯拉是目前唯一一家自動駕駛?cè)珬Ｗ匝胁崿F(xiàn)量產(chǎn)落地的主機廠。消費者購買特斯拉的原因有很多，除了三電系統(tǒng)、方便的充電體驗、高保值率、品牌影響力，其智能駕駛能力是重要的考慮因素之一。這份報告主要是特斯拉自動駕駛能力的進一步解析。通過研究我們發(fā)現(xiàn)，在自動駕駛領(lǐng)域，特斯拉面臨過跨越式與漸進式選擇，經(jīng)歷了從依靠外部技術(shù)到自研芯片和全棧自研實現(xiàn)FSD的摸索過程；硬件配置上，也從依賴攝像頭、超聲波雷達、毫米波雷達到拋棄各種雷達甚至降低攝像頭配置等幾個階段（中間也曾嘗試過激光雷達）。特斯拉走過的路，國內(nèi)想實現(xiàn)智能駕駛?cè)珬Ｗ灾骺煽氐膹S商或許都將經(jīng)歷。當前，國內(nèi)頭部科技實力強的主機廠城市場景的NOA已進入落地試點階段，從場景上看，與特斯拉存在5年左右的差距，故在這時候回溯特斯拉自動駕駛成王之路，以啟讀者。2.特斯拉智能駕駛經(jīng)歷了漫長的進化過程特斯拉研發(fā)智能駕駛系統(tǒng)可追溯至2013年。2013年9月，馬斯克在推特披露特斯拉正在研發(fā)其輔助駕駛系統(tǒng)AP（AutopilotSystem）。特斯拉早期曾與Google合作半自動駕駛系統(tǒng)Autopilot，后來叫停，主要原因是Google認為半自動駕駛系統(tǒng)不可靠，現(xiàn)任GoogleWaymoCEOJohnKrafcik解釋稱“當你把這個系統(tǒng)開發(fā)得越好，人們就越容易過度信賴它”。后來Google轉(zhuǎn)向研發(fā)L4～L5級別的自動駕駛，特斯拉轉(zhuǎn)而開發(fā)第一代AP。作為車載OTA鼻祖，特斯拉在設(shè)計智能駕駛功能時遵循硬件先行、軟件升級的方式。與視覺處理芯片獨角獸Mobileye合作，特斯拉在2014年10月正式向公眾推出其HW1.0（AutopilotHardware的簡寫，特斯拉的自動駕駛電腦），其組成包括：1）1個前置單目攝像頭（Mobileye），2）1個77GHz毫米波雷達，最大探測距離160米（Bosch），3）12個超聲波傳感器，最大探測距離5米，4）MobileyeEyeQ3計算平臺，5）高精度電子輔助制動和轉(zhuǎn)向系統(tǒng)。HW1.0僅在ModelS和ModelX上提供。在未來一年多的時間里，車輛通過OTA不斷更新固件，獲得更完善的駕駛輔助或自動駕駛功能。需要進行區(qū)分的是，HW是特斯拉車載自動駕駛電腦，是硬件；AP是Autopilot輔助駕駛系統(tǒng)，是軟件。這兩個概念不能混淆，因為硬件是先裝機的，有了硬件支持后，輔助駕駛體驗主要依賴軟件，是真正的大腦，而軟件是逐漸升級的。特斯拉的智能駕駛研發(fā)是一個逐漸“拋棄拐杖”的過程。HW1.0依賴Mobileye的技術(shù)；HW2.0時代是英偉達的CPU疊加特斯拉自研軟件，同期車端FSD芯片也在醞釀當中；2019年4月搭載兩顆FSD芯片的HW3.0上車標志著特斯拉智能駕駛技術(shù)正式邁入全棧自研的時代。HW1.0中的芯片和核心技術(shù)都來自Mobileye。2016年7月，由于數(shù)據(jù)所有權(quán)和公司文化的沖突，Mobileye宣布EyeQ3是它和特斯拉的最后一次合作。實際上，早在2015年4月，特斯拉就組建了基于視覺感知的軟件算法小組Vision，準備自研軟件逐步替代Mobileye。2016年10月，特斯拉推出HW2.0，這套方案基于英偉達的DrivePX2，由兩個公司聯(lián)合開發(fā)。HW2.0相較于HW1.0在性能上實現(xiàn)了大幅提升，攝像頭由2個增加至8個，處理器算力提升為12TPOS，為HW1.0的48倍。由于HW2.0的軟件系統(tǒng)AP2.0是特斯拉自行研發(fā)的，起初輔助駕駛使用體驗（8.0版本）不夠成熟。2017年3月29日，特斯拉推送了8.1版本軟件更新，AP2.0的性能逐漸開始追平AP1.0。2017年8月，特斯拉為HW2.0進行了一次小幅更新，被業(yè)內(nèi)稱為HW2.5。HW2.5為Autopilot系統(tǒng)提供了更強的算力，增加了系統(tǒng)的冗余性和可靠性，為實現(xiàn)自動駕駛打好了硬件基礎(chǔ)。軟件上，2018年10月，特斯拉推送AP9.0，此版本基本實現(xiàn)了對高速/城際公路這種簡單場景的自動駕駛，這項功能被視作是L4最早期的形態(tài)。HW3.0中的FSD芯片是特斯拉專門為自動駕駛打造，與特斯拉車型強耦合，讓特斯拉擁有了對其產(chǎn)品的完全掌控權(quán)。一方面可以充分利用計算單元、高效迭代產(chǎn)品，另一方面成本也更加可控。在研發(fā)HW2.0的同時，特斯拉內(nèi)部也啟動了FSD芯片的研發(fā)。他們認為DrivePX主要基于通用的GPU架構(gòu)，并不是專門為無人駕駛系統(tǒng)打造，還有一定的優(yōu)化空間來提升運算速度。2017年8月，F(xiàn)SD芯片測試完成。2019年4月，F(xiàn)SD芯片正式在Model3上應(yīng)用。FSD芯片主要由CPU、GPU和NNA（NeuralNetworkAccelerator）三個計算模塊，以及各種接口，片上網(wǎng)絡(luò)等組成。算力上，每秒可處理圖片2300張，較HW2.5的每秒110張的處理能力提升了21倍。由于該芯片只針對特斯拉車型設(shè)計，所以設(shè)計時將NNA的許多通用功能從FSD芯片上剝離，只保留特斯拉需要的硬件，成本相對于HW2.5下降20%。特斯拉可以在FSD芯片上打造自己需要的方法，比如編譯器，以更高效地利用各個運算單元（這個在第三節(jié)會有更好的感知）。整個FSDComputer（和HW3.0同義）上布置了兩個完全獨立的FSD芯片，及各自電源系統(tǒng)、DRAM和閃存，可以實現(xiàn)完全冗余。在實際行車過程中，兩顆芯片同時對相同的傳感器數(shù)據(jù)進行獨立分析，并對結(jié)果進行平衡、仲裁和驗證，提高自動駕駛的安全性。FSDComputer在設(shè)計上與HW2.0的傳感器、線控參數(shù)、I/O、尺寸等保持一起，特斯拉已承諾為所有選配FSD包的HW2.0和HW2.5用戶免費升級到FSDComputer。至此，特斯拉擁有了算力強大的FSD芯片和源源不斷生成的車隊數(shù)據(jù)，具備通過AP算法的升級實現(xiàn)自動駕駛的理論可能性。2019年FSD芯片上車以后，AP算法飛速迭代，我們將在下一章節(jié)詳細介紹。3.FSD：特斯拉智能駕駛的關(guān)鍵一躍2021年7月10日，特斯拉正式向約2000名美國用戶推送了“完全自動駕駛”FSDBetaV9版本，其獨特之處在于摒棄了毫米波雷達、超聲波雷達等傳感器，采用純視覺的自動駕駛方案。本章將從FSD的含義、演進過程、現(xiàn)狀出發(fā)探究特斯拉在智能駕駛領(lǐng)域的進展和貢獻。3.1.特斯拉的智能駕駛包分為三個類別特斯拉的智能駕駛包分三個類別，AP是特斯拉車型標配，F(xiàn)SD是頂配：AP（Autopilot）：最基礎(chǔ)版本，免費&標配；EAP（EnhancedAutopilot）：增強輔助駕駛，在基礎(chǔ)版的基礎(chǔ)上增加了智能召喚、自動泊車、自動變道、自動導(dǎo)航駕駛（NOA）等功能，目前中國區(qū)售價3.2萬元。FSD：主要功能包括導(dǎo)航輔助駕駛（NOA）、自動變道、自動泊車、智能召喚、交通信號識別、（基于導(dǎo)航路線的）城市道路自動轉(zhuǎn)向等，目前僅在北美地區(qū)有Beta版，美國售價1.5萬美元/加拿大售價1.75萬美元（現(xiàn)在可以申請一個月的試用權(quán)）。除了收費之外，裝Beta版的客戶需要安全得分超過80且駕駛里程超過100英里。2021年7月10日，特斯拉正式向約2000名美國用戶推送了“完全自動駕駛”FSDBetaV9版本，根據(jù)公司在2022年Q3業(yè)績交流會上的披露，F(xiàn)SDBeta在2022年9月測試用戶擴大到16萬。自2021年以來FSDBeta實現(xiàn)了36次新版本推送，目前最新版本是在2022年11月1日發(fā)布的FSDBeta10.69.3。FSD在能力上向L4發(fā)展，但在歸責(zé)上仍遵循L2的方式。按照目前受到廣泛認可的國際自動機工程師學(xué)會（SAE）的定義，L4等級的自動駕駛應(yīng)當能夠自主識別是否達到了設(shè)計運行條件，并在條件無法達到時，自動執(zhí)行最小風(fēng)險策略，而用戶并沒有義務(wù)進行介入。在L4的語境里，駕駛系統(tǒng)可以在限定的區(qū)域內(nèi)實現(xiàn)自動駕駛，不需要人來介入，并且在這個場景下，由系統(tǒng)承擔(dān)責(zé)任。特斯拉并沒有遵循業(yè)界常用的自動駕駛分級標準，而是自創(chuàng)了一套規(guī)則：在FSDBeta里，系統(tǒng)的設(shè)計遵循自主工作的邏輯，但必須有駕駛員的監(jiān)控。車內(nèi)攝像頭可以監(jiān)視駕駛員注意力的集中度，如果駕駛員走神，車內(nèi)會報警；如果駕駛員忽略報警，車會自動開到路邊停下來?；谶@樣的設(shè)計，F(xiàn)SD仍被視作是L2系統(tǒng)，事故責(zé)任在駕駛員而不在特斯拉。從用戶角度看，客戶花錢買到自動駕駛能力，但做的是測試員的工作。這里額外提到一句L3。L3指的是車輛自己開，駕駛員坐在駕駛位可以玩手機可以看視頻，不能睡著。車輛如果遇到問題之后提前報警，駕駛員在規(guī)定時間之內(nèi)監(jiān)管車輛。在責(zé)任劃分上，根據(jù)因果關(guān)系判斷駕駛員及系統(tǒng)責(zé)任。特斯拉在技術(shù)上實際上已經(jīng)超過L3，但本質(zhì)還是L2系統(tǒng)。第一是因為L3權(quán)責(zé)的模糊性，第二是因為現(xiàn)在系統(tǒng)還不夠成熟，公司無法為L4背書?，F(xiàn)在業(yè)內(nèi)的一種觀點是，提出L3不是一個好的產(chǎn)品形態(tài)，未來智能駕駛產(chǎn)品可能先要標配DMS，而后由L2、L2+、L2++直接跳到L4。3.2.FSD架構(gòu)演進充分展現(xiàn)了特斯拉的強大實力本部分將以FSD的架構(gòu)為核心，分析FSD架構(gòu)的底層創(chuàng)新、理解純視覺和傳感器融合技術(shù)路線的異同。具體的技術(shù)細節(jié)不做詳實的展開，因為它對非研發(fā)人員對參考意義不大。無論是純視覺還是多傳感器期融合方案，實現(xiàn)自動駕駛都可以拆解為以下2步：1.感知：我周圍有什么物體？他們是怎么在空間上分布的？下一步他們會去哪里？2.規(guī)控：我該怎么走？在感知與還原這一步，除了要識別周圍物體的分布和運動狀態(tài)，還需要識別車道線、信號燈/指示牌，用于后面規(guī)劃路線。在規(guī)控上，基于上一步的結(jié)果，旨在尋找安全、舒適、高效地到達目的地的路線方案。在實際行車過程中，這些運算需要在毫秒級別的時延里完成。純視覺和多傳感器器融合方案的區(qū)別主要是在第一步，在規(guī)控算法方面，大家要突破的問題并無二致。感知上，AP軟件架構(gòu)在2020年8月做了一次底層重構(gòu)，是純視覺實現(xiàn)L4的“關(guān)鍵一躍”。實現(xiàn)L4最難做的就是城市場景，尤其是十字路口拐彎的場景，其困難性在于車道線軌跡復(fù)雜、其他物體多且各自的運動軌跡不同。在早年AP還沒有覆蓋城市道路場景的時候，特斯拉的感知方案是對二維的圖像數(shù)據(jù)做語義識別。這個方案的瓶頸在于：1）行車是在三維空間中進行的，在圖像中做規(guī)控不如在空間中做規(guī)控。2）無法對被遮擋的地方做預(yù)測。在這種方案下，AP在復(fù)雜的城市道路場景下的瓶頸難以突破。2020年8月，馬斯克在推特上宣布團隊正在對FSD的底層架構(gòu)進行重寫。在此后2021年和2022年的特斯拉AIday上，AP團隊向公眾介紹了新的軟件架構(gòu)，底層創(chuàng)新令人非常震撼。到2021年年中，主要進展是建立了2維攝像頭圖像向3維空間的映射，相當于生成了一個實時的車體和其周圍空間的俯視圖，同時也獲得了周圍物體的運動速度，解決了攝像頭無法測速的問題。Multi-head是業(yè)界自動駕駛感知模塊常用的方法，它包括Backbone，Neck和Head，在輸入rawdata后，Backbone和Neck會提取一些通用的圖像特征，然后，在Head層會解決不同的感知任務(wù)，比如物體檢測、交通信號燈識別、車道線識別等，特斯拉的Multi-headNet叫HydraNet。革新一，將周圍的空間統(tǒng)一：圖像經(jīng)過RegNet、BiFAN提取特征后進入BEV（鳥瞰圖）空間轉(zhuǎn)換層，將所有8個圖像組合成一個超級圖像，這個新的空間較原來的二維圖像增加了深度信息（物體之間的距離）。革新二，融入時序數(shù)據(jù)：在實際行車過程中需要做大量預(yù)測，比如周圍物體的移動速度、他們是否被遮擋、前方50m外的標志牌是怎樣的，這些都需要圖像的上下文（即視頻）。因此，特斯拉將視頻模塊也放入神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，在BEVTransform后加入VideoNeturalNet，由此使感知模型具有了短時記憶的能力。到2022年年中，特斯拉在長尾障礙物的感知問題上取得了一定進展，主要針對的是行車中cornercase無法被覆蓋、惡劣天氣、物體被遮擋的問題。通過前面的介紹，比較敏感的讀者可能會發(fā)現(xiàn)特斯拉解決的問題主要就是高精度地圖和雷達可以為攝像頭補足的短處，但這個模型并不完美。在2022年的AIDay上，AP團隊向大家展示了感知模型的最新進展，在去年HydraNet（+BEVLayer+VideoNeuralNet）的基礎(chǔ)上，進一步提出了OccupancyNetwork。在OccupancyNetwork中，周圍的世界被劃分成小立方體，通過預(yù)測3D空間的占用概率來還原物體的大致形狀。它對物體沒有過多的幾何假設(shè)，因此可以建模任意形狀的物體和任意形式的物體運動，以應(yīng)對長尾障礙物的感知和極端天氣的影響。在這種方案下，地圖由2D形式變成了3D形式。此外，輸入的數(shù)據(jù)不會再經(jīng)過ISP處理，而是直接輸入photoncount數(shù)據(jù)，這將保留更多的信息并能夠降低延遲。目前，OccupancyNetwork已經(jīng)在所有裝FSD的車上運行，大約每10ms運行一次。感知層是純視覺派自動駕駛路線的主要爭議點。需要注意的是，特斯拉也并沒有完全放棄雷達，2022年6月它在FCC注冊了一款4D毫米波雷達，并提交了詳細的合規(guī)測試報告。而在其他方面，比如規(guī)劃、車道線識別、數(shù)據(jù)訓(xùn)練等方面，特斯拉的做法充分體現(xiàn)了其強悍的算法、工程和架構(gòu)能力。數(shù)據(jù)：數(shù)據(jù)標注：數(shù)據(jù)收集，一部分來自車隊傳回的數(shù)據(jù)。包括在用車時失效的案例，更新標注后會被重新加入訓(xùn)練集。一部分來自模擬數(shù)據(jù)（Simulation）。模擬數(shù)據(jù)是由場景生成器生成的，最快5min生成一個場景，理論上可以通過排列組合的方式生成無限多的道路場景，這主要是為了提升自動駕駛系統(tǒng)對長尾場景的反應(yīng)力。標注上，特斯拉采用人機合作標注的方法，大幅提高標注效率，人機標注引擎正在構(gòu)建中。AutoLabeling和Simulation這兩個項目被認為是工程人才集中的地方。數(shù)據(jù)引擎：串聯(lián)數(shù)據(jù)收集、人機數(shù)據(jù)標注、模型訓(xùn)練（包括自動標注、規(guī)劃算法等離線模型與占用網(wǎng)絡(luò)、車道線識別等車載模型）、上車，往復(fù)循環(huán)。模型訓(xùn)練基礎(chǔ)設(shè)施：特斯拉內(nèi)部有3臺超級計算機，包括1.4萬個GPU，其中1萬個GPU用于模型訓(xùn)練，大約4千個GPU用于自動標注。共30PB的分布式數(shù)據(jù)緩存，每天都有50w個新的視頻流入。為了更高效地利用這些視頻，在加解碼、讀寫環(huán)節(jié)都做了加速器的研發(fā)。在過去的一年里，一共訓(xùn)練了7.5萬個神經(jīng)網(wǎng)絡(luò)模型（大約8次/分鐘），發(fā)布了其中281個模型。后面還會用自研芯片優(yōu)化處理性能。規(guī)劃與控制：融入成本函數(shù)、人工干預(yù)數(shù)據(jù)或其他仿真模擬數(shù)據(jù)，在向量空間中通過傳統(tǒng)規(guī)控方法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合規(guī)劃系統(tǒng)實現(xiàn)汽車的行為與路徑規(guī)劃，生成汽車轉(zhuǎn)向、加速、剎車等控制指令，由汽車執(zhí)行模塊執(zhí)行。這部分業(yè)界大部分主要依賴基于規(guī)則的方法，特斯拉將深度學(xué)習(xí)很好地融入其中。其神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集包括兩部分，一個是沒有時間約束下的傳統(tǒng)規(guī)劃算法的策略，一個是人類駕駛員手動駕駛時選擇的策略。車載電腦FSDComputer的設(shè)計體現(xiàn)全棧自研廠商對產(chǎn)品的充分掌控，有助于芯片算力的充分利用。所有運行在車載電腦的神經(jīng)網(wǎng)絡(luò)模型加起來大約有10億個參數(shù)，運行過程中會生成1000多個神經(jīng)網(wǎng)絡(luò)信號。為了更高效地運行這些模型，特斯拉在FSD計算機中搭建了專門針對神經(jīng)網(wǎng)絡(luò)的編譯器、神經(jīng)網(wǎng)絡(luò)連接器，并這些模型進行聯(lián)合優(yōu)化，最大化計算利用率和量。設(shè)計混合調(diào)度系統(tǒng)，對兩個芯片上的系統(tǒng)進行分布式調(diào)度，以并行的方式運行這些網(wǎng)絡(luò)。在這樣的架構(gòu)下，可以實現(xiàn)在10毫秒內(nèi)任意場景在構(gòu)建帶高程的俯視圖，這也是特斯拉能擺脫高精度地圖依賴的原因。3.3.FSD對特斯拉而言意義重大全棧自研，快速迭代，基礎(chǔ)能力扎實，構(gòu)筑了特斯拉在智能駕駛領(lǐng)域的核心壁壘。1）以數(shù)據(jù)為中心，在多個感知、規(guī)控、標注等部分之間共享數(shù)據(jù)格式和特征空間，減少了重復(fù)勞動的時間和人力浪費；2）以AI為驅(qū)動，特斯拉作為目前世界上最領(lǐng)先的高科技公司之一，吸引了世界上最頂尖的AI人才，在算法設(shè)計上的歷次底層創(chuàng)新鑄牢了公司的護城河；3）全棧自研，從算法、車端硬件到離線數(shù)據(jù)中心的計算芯片，特斯拉在關(guān)鍵環(huán)節(jié)逐步實現(xiàn)完全自主可控，將核心能力牢牢握在手中?；诠緝?nèi)部的配合有利于更好地做產(chǎn)品架構(gòu)的頂層設(shè)計，效率上優(yōu)于需要產(chǎn)業(yè)鏈公司配合的友商。降本增效的“向前一步”。FSD更少的車端硬件可以減少特斯拉對供應(yīng)鏈的管理、故障召回等成本，這將進一步壓縮整車制造成本。對馬斯克而言，“Bestpartisnopart”，他竭盡全力去除系統(tǒng)中不必要的部分，從而控制整個系統(tǒng)的熵維持在合理的水平。數(shù)據(jù)調(diào)度和處理能力、算法等關(guān)鍵能力可拓展到其他場景。在2022年AIday上，馬斯克發(fā)布了人形機器人特斯拉botOptimus。根據(jù)AIday2022的內(nèi)容不難發(fā)現(xiàn)，Optimus一方面在硬件上充分共享特斯拉汽車供應(yīng)鏈。另一方面，由于其軟件架構(gòu)的頂層性，F(xiàn)SD研發(fā)環(huán)節(jié)和相關(guān)算法也在其中很好復(fù)用：1）感知算法完全是FSD感知的下游應(yīng)用，2）路徑規(guī)劃可以復(fù)用FSD的規(guī)控建模路徑，只不過機器人場景中物體更多、交互關(guān)系更復(fù)雜、要求的分辨率更高、環(huán)節(jié)場景更多樣，3）室內(nèi)環(huán)境建模，與特斯拉對車內(nèi)導(dǎo)航問題的抽象一致。特斯拉的解決方案有望率先實現(xiàn)單車智能L5。自動駕駛的技術(shù)路線主要分兩種，一種是單車智能，通過攝像頭、雷達等傳感器以及算法賦予汽車自動駕駛的能力；一種是車路協(xié)同，在傳感器的基礎(chǔ)上結(jié)合5G和高精地圖來感知路況和其他車的情況來實現(xiàn)自動駕駛的能力。對于目前具備L4能力的公司的區(qū)別，特斯拉智能駕駛前負責(zé)人Andrej描述很生動：“Waymo和業(yè)內(nèi)許多其他公司都使用高清地圖。必須在預(yù)先鋪設(shè)地圖的環(huán)境、擁有厘米級精度的激光雷達，而且要軌道上，才能開車。你準確地知道你將如何在十字路口轉(zhuǎn)彎，哪些紅綠燈與你相關(guān)，知道它們的位置以及一切。我們不做這些假設(shè)。對我們來說，在我們遇到的每一個路口，我們都是第一次看到它?！庇捎谛熊囀腔陂_放場景，而車路協(xié)同中智慧的路全面鋪開短期內(nèi)較難實現(xiàn)，結(jié)合前文的分析，相較之下特斯拉最有希望率先通過算法革新實現(xiàn)全場景自動駕駛。4.自動駕駛，誰主沉浮4.1.各類廠商加緊投入，國內(nèi)智能駕駛快速發(fā)展2022H1中國L1、L2級別的輔助駕駛滲透率持續(xù)提升，L1級別的主動安全和行車功能逐漸成標配。在中國，目前L1、L2級別的智能駕駛已經(jīng)大范圍鋪開，大眾價位的車型加快L2級別的方案上車。根據(jù)中國汽車報的披露，2021年，中國乘用車市場的新車銷售中，具備L2級智能駕駛的車型銷量為476.6萬，占比23.5%，同比增長57.2%。根據(jù)佐思汽車研究的拆分數(shù)據(jù)，在2022H1銷售的新車中，目前L1級別的主動安全進展最快，滲透率達三成以上；L1級別的行車功能滲透率快速提升，從去年的10%左右到2022年的20%左右；L2級別的輔助駕駛主要集中在泊車場景，自動泊車輔助APA滲透率達13.8%。L3-L5的智能駕駛處于商業(yè)化早期，以造車新勢力、科技企業(yè)為代表的自研派進展較快，已開始積極試水城市道路場景。NOA領(lǐng)航輔助駕駛是目前已經(jīng)量產(chǎn)的高級別的輔助駕駛功能，目前僅有頭部造車新勢力如蔚小理和頭部科技公司如華為實現(xiàn)了高速的NOA。城市道路的NOA是下一步要攻克的方向。由于中國的城市道路場景復(fù)雜多變，城市NOA較高速NOA研發(fā)難度大幅提升。根據(jù)小鵬汽車自動駕駛副總裁、前高通自動駕駛負責(zé)人吳新宙博士的公開訪談。相比高速NGP，城市NGP的代碼量提升至6倍；感知模型數(shù)量提升至4倍；和車輛行為相關(guān)的部分包括預(yù)測、規(guī)劃、控制，相關(guān)代碼量提升至88倍。目前，小鵬和極狐已經(jīng)分別在開始推送城市NOA的試點；搭載激光雷達的毫末已經(jīng)進入量產(chǎn)，計劃年內(nèi)發(fā)售。不過，小鵬僅僅是在廣州一些特定路段進行小范圍測試，搭載華為技術(shù)的極狐也只面向深圳的Beta用戶進行封閉式推送。蔚來計劃2022年內(nèi)實現(xiàn)在ET7和ET5等車型搭載的NAD系統(tǒng)上實現(xiàn)城市輔助駕駛。主流車企錨定2024/2025實現(xiàn)L4，技術(shù)上走傳感器融合路線，以激光雷達為代表的硬件預(yù)埋已開始，構(gòu)建數(shù)據(jù)閉環(huán)為關(guān)鍵能力。目前包括蔚小理等新勢力和傳統(tǒng)的自主OEM廠商對實現(xiàn)L4的規(guī)劃普遍在2023-2025年之間。對L3+的自動駕駛技術(shù)上的兩派，一派跨越式，以Waymo為代表的L4廠商。這些廠商切入智駕賽道較早，技術(shù)上往往采取多傳感器融合+高精度地圖的車路協(xié)同方案。激光雷達在惡劣環(huán)境下仍能測距和定位，高精度地圖提供先驗知識。這類廠商在第一波自駕潮中崛起，吸收了大量資本市場的投資，但始終存在量產(chǎn)和政策合規(guī)的問題，目前經(jīng)營上主要是Robotaxi的MaaS（MobilityasaService）模式。另一派漸進式，它們早期以造車買車為盈利點，通過OTA的方式使智駕等級由L2向更高級別過渡。這類廠商可以通過售賣私家車形成數(shù)據(jù)積累到模型訓(xùn)練、算法迭代的閉環(huán)。在漸進式廠商中，除了特斯拉采用純視覺方案，其他廠商都采用多傳感器融合方案，前者的難度主要在算法上，后者對算法要求低一些，但對數(shù)據(jù)融合的考驗比較大。當然對算法的要求是沒有上限的，在算法無限優(yōu)化的情況下，激光雷達可以起到安全冗余的作用。硬件預(yù)埋軍備競賽已經(jīng)開始，如何用好數(shù)據(jù)、構(gòu)建數(shù)據(jù)閉環(huán)是關(guān)鍵。在2022年上市的車型中，以蔚來ET5、理想L9、小鵬G9、哪吒S、廣汽埃安AIONLXPlus為代表，均搭載了1顆以上的激光雷達，同時也加了高精度地圖定位單元，各家廠商的硬件預(yù)埋已經(jīng)就位，也暗示了這些中國自主玩家都將走傳感器+高精度地圖的融合路線。根據(jù)蔚來官網(wǎng)的數(shù)據(jù)，NIOAutonomousDriving蔚來自動駕駛的33個傳感器的感知系統(tǒng)每秒能夠產(chǎn)生8個G的數(shù)據(jù)。相當于一秒看完兩部4K電影，數(shù)據(jù)積累速度非常快。面對體量如此龐大的多維數(shù)據(jù)，如何最大化利用好數(shù)據(jù)資產(chǎn)，發(fā)揮其應(yīng)有的價值，是每個車企在埋下硬件后應(yīng)該嚴謹規(guī)劃的問題。4.2.關(guān)于自動駕駛終局的三點預(yù)測回到智能駕駛行業(yè)上，當前中國的智能駕駛產(chǎn)業(yè)鏈正處于發(fā)展初期，車企與自動駕駛供應(yīng)鏈之前還未形成強綁定關(guān)系?；谇懊娴难芯?，不妨對自動駕駛的終局做一些預(yù)測。主要觀點有三：第一，選擇從純視覺與多傳感器融合兩個方向落地路徑依賴較強，未來倒戈可能性小；第二，自動駕駛能力為稀缺項，選擇L4等三方廠商為車企提供解決方案更有助于品牌在快速迭代的競爭中占得有利地位；第三，自動駕駛終局或?qū)⒊尸F(xiàn)類手機操作系統(tǒng)的蘋果和安卓雙足鼎立的形態(tài)。首先，可以看到對自動駕駛已經(jīng)在路上的整車廠商，無論是多傳感器融合方案，還是純視覺方案，從數(shù)據(jù)收集到模型搭建，各自的路徑依賴很強的，未來再易轍的可能性不大。對于傳感器融合方案的成本上的顧慮，隨著技術(shù)的進步，還有產(chǎn)業(yè)鏈的逐步完善以及規(guī)模效應(yīng)的顯現(xiàn)，傳感器融合方案的成本會持續(xù)下降。以激光雷達為例，當前大概是在800美元左右。預(yù)計隨著國內(nèi)搭載激光雷達的車型逐漸放量，激光雷達的成本有望在幾年內(nèi)減半。隨著L3、L4級別自動駕駛的成熟，激光雷達成本有望會降到100甚至50美元以內(nèi)?？梢詤⒖家唤M百度Apollo的數(shù)據(jù)。2021年6月，百度首次披露無人車成本：第五代車ApolloMoon成本48萬元。2022年7月21日，百度發(fā)布了第六代車ApolloRT6，成本降到25萬元，這個價格和一輛Model3基礎(chǔ)款售價差不多。這樣比較下來，多傳感器融合降本的邏輯也是行得通的。其次，三方高