01
FSD v13已向部分用户发布，马斯克称FSD有望在三个月后超越人类驾驶员
刘高畅/陈泽青 2025-01-19 12:46 上海
渗透率临近红利点
核心观点
马斯克表示三个月后FSD性能有望超过人类驾驶员，ADAS技术迭代加速。1）根据36kr新闻报道，在今年的CES 2025大会的采访上，马斯克表示，“（现阶段）自动驾驶汽车的性能提升速度呈指数级增长。我们有信心在三个月内，也就是今年第二季度，实现自动驾驶汽车的性能超越人类驾驶。”，展现出马斯克对FSD迭代速度的信心。2）根据特斯拉自动驾驶工作人员Ashok Elluswamy的推特信息披露，特斯拉FSD v13.2 已开始向有限的外部客户推出。而根据马斯克在推特上的表述，V13 在每次必要干预之间的英里数将比现在好5到10倍。特斯拉FSDv13版本的发布显示了公司端到端算法迭代速度，我们预计伴随着特斯拉数据和算力的持续积累，其算法将继续加速迭代，为自动驾驶带来更好的乘驾体验。
英伟达发布Cosmos世界模型赋能算法开发，发布丰田合作自动驾驶进一步落地。1）NVIDIA 创始人兼首席执行官黄仁勋在北京时间2025年1月7日发表了 CES 开幕主题演讲，并推出加速物理 AI 开发的Cosmos 世界基础模型平台。cosmos可加速物理AI系统的世界模型开发，从而赋能自动驾驶算法开发。2）丰田、Aurora 和大陆集团宣布加入 NVIDIA 合作伙伴行列，将利用 NVIDIA 加速计算和 AI 开发构建乘用与商用车型。
智能驾驶进入端到端时代，算法、算力、数据飞轮三者叠加驱动智能驾驶技术快速进步。1）2024年3月，特斯拉在自动驾驶领域发布了FSD Beta v12.3更新，该版本是完全基于端到端神经网络的解决方案，旨在模拟更自然、更人性化的驾驶。相比传统规控方案，端到端算法的优点在于无损的信息传递、完全由数据驱动、具备学习能力更具泛化性，因此成为了最新的主流技术方向。2）数据是自动驾驶训练的食粮，根据Tesla官方披露资料，自2024年FSDv12发布以来，FSD累计驾驶里程数就以更快的速度上行，根据Tesla AI官方推特披露，截至2024/10/24，Tesla的车队在FSD监督下累计行驶距离已经超过20亿英里，其中超过50%是在V12上完成的。3）算力：算力是训练基础，没有大规模算力就没有优秀自动驾驶算法。算力是一切AI算法的基础，没有大规模算力就如巧妇难为无米之炊，天然抬高了智驾自研入场门槛。特斯拉算力规模已超6万张H100，预计到24年底将拥有接近9万张H100之巨的规模。算力储备成本巨大，对车企的资金及渠道能力提出挑战，利好实力雄厚的领军玩家。
建议关注： 1）华为智车：江淮汽车、赛力斯、长安汽车、北汽蓝谷等；2）特斯拉产业链：世运电路等；3）自动驾驶产业链：德赛西威、万马科技、中科创达、经纬恒润、海天瑞声、万集科技、速腾聚创、禾赛科技、千方科技、金溢科技、鸿泉物联等；4）算力：寒武纪、海光信息、中科曙光、浪潮信息、神州数码、软通动力等。
风险提示：
报告正文
FSD v13已向部分用户发布，有望将必要干预之间的里程数增加5-10倍。根据特斯拉自动驾驶工作人员Ashok Elluswamy的推特信息披露，特斯拉FSD v13.2 已开始向有限的外部客户推出。而根据马斯克在推特上的表述，V13 在每次必要干预之间的英里数将比现在好5到10倍。
V13版本升级了端到端驾驶网络的每个部分，包括：
l36 Hz，全分辨率 AI4 视频输入
l原生的 AI4 输入和神经网络架构
l4.2倍数据规模升级
l5倍训练计算量(由Cortex集群支持)
l减少2倍的光子到控制延迟
l城市道路和高速路上的速度记录
l一键从停车状态启动FSD(监督)
l综合的卸泊、倒车和泊车功能
l改进的避免碰撞奖励预测
l改进的摄像头清理功能
l重新设计的控制器以实现更流畅、更准确的跟踪
l当车队检测到道路封闭时，显示多元动态的路径规划
即将进行的改进为:
l3倍模型尺寸缩放
l3倍模型上下文长度缩放
l音频输入以更好地处理紧急车辆
l改进导航奖励预测
l改善停车场的假制动和减慢行车速度
l支持更多的目的地选项，包括停车、特定停车位、车道或车库
l地图和导航输入的高效表示
l改进了对相机遮挡的处理
马斯克表示大约3个月后FSD性能将超过人类驾驶员。根据36kr新闻报道，在今年的CES 2025大会的采访上，马斯克表示，“（现阶段）自动驾驶汽车的性能提升速度呈指数级增长。我们有信心在三个月内，也就是今年第二季度，实现自动驾驶汽车的性能超越人类驾驶。”，显示出马斯克对FSD及自动驾驶技术发展速度的信心。
特斯拉FSDv13版本的发布显示了fsd端到端算法迭代速度，马斯克的发言则昭示了FSD正在快速迭代中的、将在远期达到的美好终局远景。我们预计，伴随着特斯拉数据和算力的持续增长，其算法将继续加速迭代，为自动驾驶带来更好的乘驾体验。
02
英伟达推出Cosmos 世界基础模型平台，赋能自动驾驶算法开发
在CES 2025上，英伟达重磅发布一系列自动驾驶相关功能及合作。NVIDIA 创始人兼首席执行官黄仁勋在北京时间2025年1月7日发表了 CES 开幕主题演讲，介绍了加速计算技术在 AI、机器人、游戏和自动驾驶领域取得的突破性进展。主题演讲展示了 NVIDIA 如何通过新产品、世界模型、工具和工作流推动 AI 变革，从而改变行业和社会。
推出加速物理 AI 开发的Cosmos 世界基础模型平台，赋能自动驾驶算法开发。构建物理 AI 极具挑战性，需要精确的模拟以及真实世界的行为理解和预测。克服这些挑战的一个关键工具是世界模型，该模型根据过去的观察结果和当前的输入结果预测未来的环境状态。这些模型对于物理 AI 构建者来说非常重要，使他们能够在受控环境中模拟、训练和优化系统。然而，开发有效的世界模型需要大量数据、计算能力和真实世界的测试，这可能会带来重大的安全风险、物流障碍和高昂的成本。为了应对这些挑战，开发者通常会使用通过3D仿真生成的合成数据来训练模型。虽然合成数据是一种功能强大的工具，但创建合成数据需要大量资源，可能无法准确反映现实世界的物理特性，在复杂或边缘情况下尤其如此。端到端 NVIDIA Cosmos 平台可加速物理AI系统的世界模型开发。Cosmos 基于 CUDA 构建，结合了先进的世界基础模型、视频标记器和 AI 加速的数据处理流程。开发者可以通过微调 Cosmos 世界基础模型或从头开始构建新模型来加速世界模型的开发。除了 Cosmos 世界基础模型之外，该平台还包括：
l用于高效视频数据管护的 NVIDIA NeMo Curator
lCosmos Tokenizer 可实现高效、紧凑和高保真的视频标记化
l为机器人和自动驾驶应用预训练的 Cosmos World Foundation 模型
l用于模型训练和优化的 NVIDIA NeMo 框架
NVIDIA 面向物理AI开发者社区开放Cosmos世界基础模型。无论公司规模大小，研究人员和开发者都可以在 NVIDIA 允许商业使用的开放模型许可下，自由使用 Cosmos 模型。构建 AI 智能体的企业还可以使用在 CES 上推出的新开源 NVIDIA Llama Nemotron 和 Cosmos Nemotron 模型。
丰田、Aurora 和大陆集团加入NVIDIA 合作伙伴行列，推出下一代高度自动化的自动驾驶车型。NVIDIA 宣布，丰田、Aurora 和大陆集团已加入全球移动出行领导者行列，利用 NVIDIA 加速计算和 AI 开发构建乘用与商用车型。
03
智能驾驶突破性进入端到端时代，算法+算力+数据飞轮驱动ADAS快速迭代
3.1算法：从传统规控到端到端，ADAS算法迈入新时代
2024年3月，特斯拉在自动驾驶领域取得了重大飞跃，发布了FSD Beta v12.3更新。这个版本被埃隆·马斯克描述为“革命性的”，并强调了对该软件所做的实质性改进，甚至暗示它可以被视为一个新的主要版本v13。目前，FSD Beta v12.3的推出主要针对一小部分员工和精选客户。
FSD Beta v12.3版本是完全基于端到端神经网络的解决方案，旨在模拟更自然、更人性化的驾驶。这是一项接近实现L4和L5级自动驾驶的重大转变，即车辆在大多数情况下无需任何人为干预即可运行，标志着朝着完全实现自动驾驶体验迈出了重要一步。马斯克强调，尽管与前身有类似的更新说明，但引擎盖下的改进是相当大的，标志着朝着完全实现自动驾驶体验迈出了一大步。
在此之前，马斯克于2023年5月表示，V12“是为FSD成为‘端到端人工智能’而保留的，覆盖从图像到转向、制动和加速等的方方面面。”根据美国科技媒体The Verge报告，特斯拉FSD V12如今依赖的是车身摄像头和人工智能，而不像其他竞争对手那样依赖激光雷达等其他类型的车身传感器。
“端到端”是区别于传统自动驾驶路线的全新算法框架，自特斯拉将其落地后，已经成为自动驾驶当前最新主流框架。它和传统感知-规控算法的差别在于：
l传统自动驾驶算法采取模块化设计，包含感知、决策规划、执行控制三大模块，研究人员可以通过调试每个模块的参数来使车辆适应各种场景。
1）优点：可解释、可验证、易调试。因为每个模块都是相对独立的，所以当我们的车辆出现问题时我们可以回溯究竟是哪个模块出现了问题；在出现问题后，我们只需要在原有代码规则的基础上调整对应的参数即可。
2）缺点：传递过程中信息损耗、任务多且散导致低效、存在复合误差、规则难以穷尽导致构建和维护成本高。
l所谓端到端（End-to-End）就是信息一头进入一头输出，中间没有各个模块传输来传输去，一站式搞定。也就是基于统一的神经网络从原始传感器数据输入直接到控制指令输出的连续学习与决策过程，过程中不涉及任何显式的中间表示或人为设计的模块，不再需要工程师人为写无穷尽的代码了，除此之外；其另一个核心理念就是无损的信息传递。
1）优点：无损的信息传递、完全由数据驱动、具备学习能力更具泛化性。随着感知、决策规划端到端自动驾驶路径逐渐清晰，端到端为迈向L4无人驾驶提供了想象空间。
2）缺点：不可解释、训练成本较高、可能存在幻觉问题。针对以上缺点，目前常见的解决方案便是加入安全冗余。
正是由于端到端方案具备的深度学习能力，在未来可以表现出更好的泛化性，因此成为了自动驾驶领域算法最新的主流发展方向。
3.2数据：汽车行驶数据可反哺算法，形成数据飞轮的持续迭代
数据是自动驾驶训练的食粮。数据对于一切AI模型训练来说都是底层基础，对于自动驾驶算法训练来说尤其如此。通过大量的车辆行驶数据训练，算法才能够学会识别理解各种交通情况，提高决策的准确性和可靠性；数据的多样性和质量直接影响算法的泛化能力，使其能够在不同环境和条件下稳定工作，也使得算法可以适应不断变化的交通环境和规则，从而实现更高效、更安全的自动驾驶体验。
汽车行驶数据可以反哺智能驾驶算法，数据飞轮形成持续迭代。实车行驶数据一般在汽车实际驾驶过程中采集，理论上，出售后在路上实开的车辆越多，能够收集到的数据越多，这些数据就能过进一步反哺自动驾驶算法，使得算法本身获得持续迭代，形成持续的正循环。这样的数据飞轮，对自动驾驶厂商来说至关重要；可以说，没有大量数据用作训练，就不可能拥有优秀的自动驾驶算法。马斯克甚至认为，训练FSD这样的算法难度极高，需要“100亿公里以上的汽车数据”。
特斯拉数据积累已超20亿英里，其中超过50%是在FSD v12上行驶得来的。根据Tesla官方披露资料，自2024年FSDv12发布以来，FSD累计驾驶里程数的增长就进入了斜率更高的轨道，以更快的速度上行，截至2024年6月，FSD累计驾驶里程数超过了16亿公里。而根据Tesla AI官方推特披露，截至2024/10/24，Tesla的车队现在在FSD监督下累计行驶距离已经超过20亿英里，其中超过50%是在V12上完成的。
3.3算力：算力是训练基础，没有大规模算力就没有优秀算法
算力是一切AI算法的基础，没有大规模算力就如巧妇难为无米之炊，天然抬高了智驾自研入场门槛。对于一切算法而言，算力（更具体一点说，是计算用的GPU芯片）是底层计算基础，没有算力就无法训练，这是巧妇难为无米之炊的定律。又因为智能驾驶训练所需数据多为2D、3D图像及其他信号数据，所需要的存储空间及计算资源都消耗巨大，对于车企而言，这一算力成本无疑提高了前置成本，天然抬高了智驾算法自研的门槛。
特斯拉算力规模已超6万张H100，预计到24年底将拥有接近9万张H100之巨的规模。根据Tesla官方披露资料，截至2024Q3，特斯拉拥有的H100 GPU数量已超过6万张，预计到2024年年底，公司算力规模有望达到接近9万张的数量。
04
投资建议
建议关注：
1）华为智车：江淮汽车、赛力斯、长安汽车、北汽蓝谷等；2）特斯拉产业链：世运电路等；3）自动驾驶产业链：德赛西威、万马科技、中科创达、经纬恒润、海天瑞声、万集科技、速腾聚创、禾赛科技、千方科技、金溢科技、鸿泉物联等；4）算力：寒武纪、海光信息、中科曙光、浪潮信息、神州数码、软通动力等。
05
风险提示
技术迭代不及预期风险：若技术迭代不及预期，则对产业链相关公司会造成一定不利影响。
经济下行超预期风险：若宏观经济景气度下行，固定资产投资额放缓，影响企业再投资意愿，从而影响消费者消费意愿和产业链生产意愿，对整个行业将会造成不利影响。
行业竞争加剧风险：若相关企业加快技术迭代和应用布局，整体行业竞争程度加剧，将会对目前行业内企业的增长产生威胁。
具体分析详见2024年12月14日发布的报告《海外智能驾驶持续放大招》
分析师 刘高畅 分析师执业编号S0680518090001
分析师 陈泽青 分析师执业编号S0680523100001
特别声明：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施。通过微信形式制作的本资料仅面向国盛证券客户中的专业投资者。请勿对本资料进行任何形式的转发。若您非国盛证券客户中的专业投资者，为保证服务质量、控制投资风险，请取消关注，请勿订阅、接受或使用本资料中的任何信息。因本订阅号难以设置访问权限，若给您造成不便，烦请谅解！感谢您给予的理解和配合。
重要声明：本订阅号是国盛证券计算机团队设立的。本订阅号不是国盛计算机团队研究报告的发布平台。本订阅号所载的信息仅面向专业投资机构，仅供在新媒体背景下研究观点的及时交流。本订阅号所载的信息均摘编自国盛证券研究所已经发布的研究报告或者系对已发布报告的后续解读，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。本资料仅代表报告发布当日的判断，相关的分析意见及推测可在不发出通知的情形下做出更改，读者参考时还须及时跟踪后续最新的研究进展。
本资料不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于指导具体投资的操作性意见，普通的个人投资者若使用本资料，有可能会因缺乏解读服务而对报告中的关键假设、评级、目标价等内容产生理解上的歧义，进而造成投资损失。因此个人投资者还须寻求专业投资顾问的指导。本资料仅供参考之用，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主作出投资决策并自行承担投资风险。
版权所有，未经许可禁止转载或传播。
