Tesla FSD是什么？

Tesla FSD是什么？

参考链接：https://wallstreetcn.com/articles/3691555

FSD是特斯拉的自动驾驶（Autopilot）产品中的最高档

FSD全称是Full Self-Driving（完全自动驾驶），是特斯拉推出旨在实现全无人驾驶的智驾产品，当前仍处于Beta版本（测试版）。特斯拉官网表示，当前Autopilot产品（包括FSD）仍需驾驶员实时监控车辆状态；未来若要实现无需驾驶员监管，则需通过大量测试证明系统可以远比驾驶员更加可靠，且具备法规许可。当前，FSD功能正在北美进行公开测试，通过FSD订阅者的真实驾驶数据反哺FSD软件算法能力，因此特斯拉以FSD Beta对功能命名。我们认为，目前FSD Beta仍属于SAE或是国标智驾等级划分中的L2级（组合辅助驾驶），是否可以升级至L3/L4级还需观察。

特斯拉Autopilot分三个档次，分别对应不同的功能和售价。特斯拉的三个等级智驾产品，由低到高分别为基础版（Basic），增强版（Enhanced，EAP）和FSD。其中基础版和增强版在国内销售的车型已经落地，FSD尚未引入国内，但可以在购车时进行付费选装，待FSD引入中国时才可以上车。FSD目前只在北美地区（美国和加拿大）推出。

图表1：特斯拉中国、美国Autopilot功能分级及对应售价

资料来源：公司官网，中金公司研究部

FSD价格持续上升，为降低门槛推出每月订阅模式。FSD在2019年前是EAP的增值功能，从19年4月起，FSD开始作为单独的功能进行销售，并从此经历过数次涨价，公司给出的涨价理由是特斯拉在AI上面实现的突破可以带来涨价匹配的价值。当前美国的FSD一次性售价为15,000美元（加拿大为19,500加币）。或许是一次性购买门槛较高，特斯拉在美国推出（加拿大尚未推出）FSD按月订阅模式，价格为99（已购买EAP）或199美元/月。中国尚未推出订阅模式，想体验增强版EAP的用户需一次性支付较为昂贵的选装费用32,000元。

图表2：特斯拉FSD美国售价变化一览

资料来源：not a tesla app, 公司公告，中金公司研究部

FSD功能从硬件HW3.0版本开始支持，HW4.0发布在即

算力平台从外采到自研，从独立控制器到集中式域控。特斯拉Autopilot硬件版本从2014年采用的Mobileye单芯片单摄像头HW1.0开始，平均两年左右会进行一次迭代。从HW2.0起，特斯拉开始采用自研智驾域控制器，由多颗英伟达芯片构成的算力平台，8颗1.2MP的摄像头接入到域控当中，并与毫末波雷达信息进行融合。当前大规模部署的HW3.0，特斯拉对域控算力进行了大升级，从英伟达的算力平台改为自研的FSD芯片和NPU，GPU算力提升了12倍，每秒可以处理的视频帧数也提升了将近21倍，这在其推出的19年是业界公认的性能第一梯队。

图表3：HW1.0采用的单芯片单摄像头方案

资料来源：有驾、中金公司研究部

图表4：HW2.0/3.0传感器配置

注：毫米波和超声波雷达在HW3.0中不再使用
资料来源：Yole，中金汽车研究部

HW3.0又称FSD Computer，特斯拉在HW3.0平台上提供FSD Beta功能。HW3.0可以满足Autopilot纯视觉方案所需的大量图像处理需求，较高的视频流处理帧数也为实时构建BEV（鸟瞰图）打下基础。针对购买了FSD，但是车辆仍采用HW2.0和HW2.5的老车主，特斯拉提供付费升级服务，升级费用为1000美元。

图表5：HW3.0采用域控方案和自研芯片

资料来源：特斯拉AI Day，中金公司研究部

更高规格的HW4.0公布在即，媒体报道已在加州工厂新生产的Model Y 上车。根据媒体报道，HW4.0或在传感器和域控制器上都有较大程度的升级：摄像头数量预计从原先的8颗提升到11颗；新增了4D毫米波雷达（代号Phoenix）；算力芯片也升级到了第二代FSD芯片，预计两颗算力可达500Tops左右；内存也预计有较大的升级，从8颗LPDDR4升级到16颗GDDR6内存，在容量提升的同时，传输速率大幅提升，进一步释放数据传输带到来的性能瓶颈。

马斯克曾在4Q22业绩会上表示，HW3.0将不能升级至HW4.0，理由一是在FSD体验上两者不会有很大区别，HW4.0则会在系统可靠性有更大提升；另一个理由是，全面替换将带来较大的成本增加，无法实现商业闭环。我们认为，HW4.0若在传感器布置上有所变动，将很难兼容HW3.0传感器配置；同时功能性而言，HW4.0拥有更好的硬件，必然会比当前已经充分释放潜能的HW3.0，有更多或更强的功能，那么HW3.0系统会持续维护多久，同时如何对已经全额购买FSD的消费者进行升级，我们建议持续关注。

图表6：特斯拉Autopilot硬件HW1.0-HW4.0（预计）配置一览

注：HW4.0尚未官方发布，表中数据为根据汽车之心报道所预估的值
资料来源：汽车之心，公司官网，中金公司研究部

FSD的实现依托基于BEV的软件算法和基于Dojo的高效数据处理

BEV感知和高效数据闭环为FSD最核心技术。特斯拉在2021年和2022年的AI Day展示了其FSD落地的两大技术底座，一个是BEV+Transformer的感知算法架构，另一个是Dojo超算系统。前者为FSD提供了不依赖高精地图的感知和定位能力，后者则是支持算法快速迭代响应用户反馈，实现高效数据闭环。

► BEV+Transformer：公司率先业界，在2021年的Tech Day提出使用BEV（Bird Eye’s View，鸟瞰图）进行特征级融合，将车四周摄像头所拍摄到的画面，通过Transformer提取共同特征进行三维构建。在不依赖高精地图的情况下，实现对车辆周边实时构图，并基本准确地判断车辆周围物体的位置和轮廓，以及车道线、路墩、信号灯等交通设施。

图表7：特斯拉FSD感知-规划-控制软件架构

资料来源：特斯拉AI Day，中金公司研究部

Transformer是利用注意力机制来判断上下文或是不同图片之间关联程度的算子模型。采用Transformer的算法架构，所谓的“大模型”，通常有大量的参数需要训练。好在Transformer适合平行计算，可以在GPU上高效训练和推理。但同时缺点是，由于参数较多，其优异的表现需要大规模数据集进行训练，小数据集上表现不如传统的卷积神经网络。因此，为了可以充分发挥BEV+Transformer感知算法和积攒的大量行车数据，特斯拉研发了超算系统Dojo。

图表8：特斯拉BEV+Transformer感知架构解读

资料来源：特斯拉 AI Day，中金公司研究部

► Dojo：公司于2021年AI Day推出Dojo超算系统，Dojo系统是一个创新的非冯诺依曼设计（支持并行运算），搭配较丰富的网络结构和接口、平衡的资源扩展和功耗，以及对应的存储和调度结构。我们认为，超算中心是支持FSD大数据模型演进的关键，公司通过利用Dojo高稳定性、高拓展性、高并行算力特性，构建更高效的数据标注、算法迭代、模拟验证能力，持续扩大FSD的算法领先优势。

结构上来看，Dojo基于公司自研的AI训练芯片D1构建，D1芯片的设计是为了实现“专芯专用”，其排布方式、带宽容量、节点架构等均围绕实现最佳神经网络训练能力而设计。设计方面，D1芯片采用分布式架构和7nm制造工艺，单片FP32达22.6 TOPS 算力，可实现50万个训练节点无缝连接，组成超大规模计算阵列。

图表9：D1芯片架构

资料来源：特斯拉AI Day，中金公司研究部

图表10：Dojo量产时可达到4.4x A100芯片训练速度

注：训练倍数为运行自动标注算法和神经网络模型Occupancy Network时较A100单芯片的训练速度
资料来源：特斯拉AI Day，中金公司研究部