计算机行业：AI+智能驾驶，进阶正当时
报告出品方：长江证券
以下为报告原文节选
------
1、产业多重利好，当前时点需要关注智能驾驶赛道
海外：特斯拉FSD全面升级，持续引领智驾体验提升
软件：底层算法与逻辑迭代，智驾性能全方位提升
特斯拉FSD Beta已经迭代到11.4版本，目前仍然是以视觉为主的BEV（视觉为中心的俯视图）“感知-识别-规划-执行”方案。特斯拉 AI Day公布的新软件架构来看， Transformer&时序模型和自动标注算法&矢量地图的应用以及博弈算法的引入多维度提升特斯拉智能驾驶软件能力。
特斯拉软件功能持续提升，实现性能和功能的全面升级，包括检测精度、误差控制、道路识别等方面性能的提升。
硬件：算力增配，满足软件算法算力需求
特斯拉HW4.0发布，感知层硬件数量增加，智驾域算力提升仍将继续。特斯拉经过智驾领域10年投入，目前已经成为智能驾驶领先的整车厂。历史来看，特斯拉智驾经历过HW1.0和HW2.0的核心芯片外采后，2019年官宣的H W3 . 0智驾域平台上使用FSD1.0芯片，加强数据自主可控能力，持续丰富“影子模式”数据集，迭代自动驾驶算法能力。2023年4月，特斯拉发布HW4.0平台，硬件接口数量从HW3.0的9个摄像头接口提升至HW4.0的12个。同时，核心芯片升级为FSD2.0芯片，预计算力提升至300-500tops左右，是HW3.0算力的2-3倍，处理能力预计是HW3.0的三倍，同时功耗显著下滑。
特斯拉FSD软硬件协同升级后，消费者使用里程斜率显著向上
特斯拉FSD Beta功能持续迭代，城市NOA、泊车辅助等功能的使用充分满足消费者使用需求
根据特斯拉 Live的数据，FSD Beta积累的里程在2023年3月后显著提升，有望带动软件付费率向上，进而释放整车软件收入，扩大整车厂盈利空间。
马斯克多场合频繁提及FSD v12，智驾进阶进行时
马斯克多场合频繁提及FSD v12版本，结合端到端AI技术，成为突破全面自动驾驶的标志
国内：自顶至底，法规不断完善，试点范围扩大
标准化政策逐步落地，高级别智能驾驶方案法规逐步细化。
国内智能驾驶行业快速发展，目前全国已开放智能网联汽车测试道路里程超过15000公里，智能驾驶出租车、无人巴士、自主代客泊车、干线物流以及无人配送等多场景示范应用在有序开展。同时建立了全国17个测试示范区、16个“双智”试点城市、7个国家车联网示范区完成了7000多公里道路智能化升级改造，装配路侧网联设备7000余台套。政策法规的持续迭代保证智能驾驶行业快速发展，目前已对高级别方案的车辆要求、人员要求、安全要求等方面做出明确规定，未来全国性法规的持续完善有望推动智能驾驶的全面升级。
国内：主机厂发力，城市NOA拐点之年
国内车企智驾持续发力，新势力预计多数今年城市NOA落地及扩张
新势力头部车企&华为系整车厂整体进度较快，预计2023年底完成部分城市NOA功能的推送，同时去除对高精度地图的依赖；自主品牌采取多品牌战略，针对不同品牌/价格带车型完成差异化开发。
2、软件成为拐点核心，数据打造竞争壁垒
智能驾驶的阶段和周期
第一阶段 法规要求商用车上双预警
第二阶段 电动化智能化开始铺设， L1基础功能
第三阶段 L2→L2+→L2++ 硬件堆料→功能提升→硬件成本降低（国内）
第四阶段 软件能力提升，软件驱动降本（特斯拉逐渐走向，国内车厂开始技术转向）
复盘来看：差异化和低成本是改变汽车市场格局核心
复盘美、日、韩、中四国汽车工业发展，低成本和差异化是实现格局颠覆的必要条件
我们发现决定格局是否能够颠覆的深层次因素有二，一是需求侧对于厂商实现的低成本和差异化的敏感度大小；二是当更低的成本和更大的差异化出现时，市场上原有厂商转换成本的高低及转换速度的快慢。同时，只有市场上原有巨头无法以较低的转换成本或者快速的转换速度追赶上时，格局才会形成颠覆。
特斯拉已经处于第三阶段转向第四阶段拐点，有望强者恒强，再度颠覆
软件能力是下一轮大降本的基础，同时也是智能驾驶真正实现差异化的核心，特斯拉已经逐步转向第四阶段，拐点有望是FSD v12的正式发布及使用
特斯拉的智驾之路：先大力投入提升能力，后实现成本的不断摊薄
核心壁垒：算法技术能力（短期壁垒）+数据积淀（长期壁垒）
特斯拉在Transformer模型的基础上加入时序模型，模型迭代完善“感知-识别”能力。从运行机制来看，特斯拉在感知层获取信息后，通过CNN主干网络提取多尺度特征图层，并且生成Transformer模型中需的关键标识信息（Key）和数量值（Value），同时生产全局化向量，从而产生3D维度的全局表述向量，根据时间序列模型拼接后得到Transformer模型需要的Query。Transformer模型根据Key和Query建立空间中的特征地图（Feature Map），建立来自感知的“智驾4D空间”，从而完成感知信息—识别—地图建立的全部流程。同时，特斯拉建立基于transformer模型实现的BEV layer方案可以实现多感知层硬件数据的融合。
--- 报告摘录结束 更多内容请阅读报告原文 ---
报告合集专题一览 X 由【报告派】定期整理更新
（特别说明：本文来源于公开资料，摘录内容仅供参考，不构成任何投资建议，如需使用请参阅报告原文。）
精选报告来源：报告派
新能源 / 汽车 / 储能
新能源汽车 | 储能 | 锂电池 | 燃料电池 | 动力电池 | 动力电池回收 | 氢能源 | 充电桩 | 互联网汽车 | 智能驾驶 | 自动驾驶 | 汽车后市场 | 石油石化 | 煤化工 | 化工产业 | 磷化工 | 基础化工 | 加油站 | 新材料 | 石墨烯 | 高分子 | 耐火材料 | PVC | 聚氯乙烯 | 绿色能源 | 清洁能源 | 光伏 | 风力发电 | 海上发电
