汽车行业站在电动车市场转折点上看特斯拉（3）：特斯拉产品成功启示录-20191223-招商证券-30页.pdf

敬请阅读末页的重要说明 证券证券研究报告研究报告|行业行业深度报告深度报告 工业工业|汽车汽车 推荐推荐（维持维持）站在电动车市场转折点上看特斯拉（站在电动车市场转折点上看特斯拉（3 3）2019年年12月月23日日 特斯拉产品特斯拉产品成功成功启示录启示录 上证指数上证指数 2963 行业规模行业规模 占比%股票家数（只）188 5.0 总市值（亿元）18389 3.2 流通市值（亿元）14961 3.2 行业指数行业指数%1m 6m 12m 绝对表现 5.8 7.6 15.1 相对表现 3.1 2.6-15.9 资料来源：贝格数据、招商证券 相关报告相关报告 1、汽车行业与房地产行业的相关性简析汽车行业2019-12-17 2、乘用车销量结构性向好，重卡维系高增长2019年 11 月汽车销量点评2019-12-16 3、行业销量边际改善，建议关注结构 性 机 会 汽 车 行 业 周 报 2019-12-16 本篇报告盘点了特斯拉的在智能驾驶方面的种种优势，预测特斯拉本土化后的销量仍将持续向好。特斯拉对于整个电动车市场的鲶鱼效应是巨大的，研究落脚点是从特斯拉看整个行业的趋势，维持对行业的投资评级为“推荐”。2019 年是电动车行业的转折点，补贴大幅退坡带动行业进入微补贴时代，国内新能源行业更大范围的洗牌即将到来。国际巨头特斯拉上海工厂正式量产，有望在 2020 年后，在国内外众多电动车品牌的竞争中坐稳头筹，逐步形成垄断地位，形成规模效益，获得稳定的利润，对国内新能源市场产生一定压力。回顾特斯拉发展历史，其通过先普及硬件，再通过 OTA 空中升级解锁软件的方式逐步实现自动驾驶具体功能。目前特斯拉已经率先实现 L3 级别量产，硬件足以支撑 L5 级别全自动驾驶，软件升级频率高，功能从智能汽车向智能移动空间转变。特斯拉对软件、硬件两方面都拥有绝对的把控权，实现功能完善和开拓新的功能。软件硬件两条腿交替向前走，推动整体功能平稳提升。特斯拉自动驾驶在硬件、软件各层面技术优势突出。自主研发芯片 FSD 性能提高 21 倍；传感器采用视觉主导方案，配合深度学习，多传感器冗余，实现360全天候监测；自动驾驶功能在量产车型中最健全、实际应用效果最佳，是为自动驾驶领域当之无愧的先行者。我们认为特斯拉我们认为特斯拉将持续保持智能驾驶将持续保持智能驾驶领域领域先行者先行者的优势，加深护城河的优势，加深护城河。打破产量瓶颈后，特斯拉的技术优势转化销量优势。今年特斯拉实现本土化后，降本空间提高，原材料、人工、运费、关税都有折价空间，毛利率有望进一步提高。特别是本土零部件产业链将会充分受益，产业链迎来利好。伴随着国内技术迭代与推进，自主新能源汽车在产品竞争力上有望明显提升。风险提示：特斯拉降价幅度风险提示：特斯拉降价幅度超预期超预期、销量不及预期，新能源汽车发展不及预期。、销量不及预期，新能源汽车发展不及预期。汪刘胜汪刘胜 0755-25310137 S1090511040037 马良旭马良旭 S1090519010005 -10010203040Dec/18Apr/19Aug/19Nov/19(%)汽车沪深300 行业研究行业研究 敬请阅读末页的重要说明 Page 2 正文目录 一、前言.5 二、特斯拉智能驾驶的发展历程.5 1、HW 1.0 到 HW 2.0：传感器冗余设计，增加深度学习功能.6 2、HW 2.0 到 HW 3.0：芯片算力飞跃，自主研发掌控硬件.7 3、OTA 软件升级之路：从智能汽车到智能移动空间.7 三、特斯拉在智能驾驶领域具有核心优势.9 1、计算层优势双芯片算力领航，ECU 设计重新定义汽车.9 1.1 自主研发芯片：算力安全双保险.9 1.2 颠覆 EEA 构架,集中化打破自动驾驶硬件瓶颈.11 2、感知层优势视觉为主+深度学习，.12 2.1 传感器方案：摄像头为主，多传感器融合.12 2.2 深度学习：神经网络算法提高精度.14 3、执行层优势ADAS 功能齐全，率先量产 L3 级别.16 四、竞品分析：特斯拉智能驾驶水平远超同行.18 1、芯片对比算力性能领先国际巨头.18 2、传感器对比计算层护航，以质取胜.19 3、ADAS 功能对比处理复杂路况，保障安全底线.21 五、毛利销量预期向好，未来仍将稳坐龙头.24 1、核心原材料成本把控能力强，毛利稳定.24 2、本土化降本空间大，毛利率水平有望再创新高.26 2.1 零配件国产化压缩原材料成本.26 2.2 资本开支压缩，关税运费降低.27 2.3 研发费用压缩.28 3、市占率有望进一步提高，在中国市场大有可为.28 行业研究行业研究 敬请阅读末页的重要说明 Page 3 图表目录 图 1：特斯拉上海工厂.5 图 2：本土生产 Model 3.5 图 3：特斯拉历年毛利率及净利率（%）.5 图 4：特斯拉历年营收及同比增速（亿美元，%）.5 图 5：HW2.0 已经可以识别前方两辆车辆.7 图 6：HW2.0 芯片.7 图 7：HW2.5 芯片.7 图 8：FSD 芯片主板图：双处理器设计.9 图 9：FSD 芯片结构.10 图 10：LPDDR4 运行内存.10 图 11：神经处理单元 NPU.10 图 12：中央处理器 CPU.10 图 13：EEA 分布式网络架构.11 图 14：通过摄像头获取实时路况信息.13 图 15：激光雷达感应成像.13 图 16：特斯拉传感器解决方案.14 图 17：侧前视摄像头实景.14 图 18：侧后视摄像头实景.14 图 19：Clarif AI 针对行人的测试结果分布.15 图 20：ImageNet 测试结果分布图.15 图 21：特斯拉积累了海量驾驶数据.16 图 22：特斯拉能够处理 99.9%的场景.16 图 23：英伟达、Mobileye 阵营.19 图 24：特斯拉与奔驰过弯测试对比.21 图 25：特斯拉与奔驰过弯测试对比.21 图 26：特斯拉与奔驰预警与人工干预次数对比.21 图 27：特斯拉安全辅助项目中特斯拉创造了近两年来的最高得分记录.23 图 28：特斯拉在行人、汽车之反应测试中表现良好.23 图 29：特斯拉安全辅助项目中特斯拉创造了近两年来的最高得分记录.24 行业研究行业研究 敬请阅读末页的重要说明 Page 4 图 30：特斯拉营业成本拆分.24 图 31：特斯拉 vs.市场平均的电池组价格趋势.25 图 32：特斯拉国产化核心标的梳理.27 图 33：上海工厂资本投入为 Fremon 的 1/2.27 图 34：2013-2019 年 10 月特斯拉全球销量（辆）.28 图 35：2013-2019 年 10 月特斯拉分车型产量.28 图 36：2015 年-2019 年 8 月特斯拉在华年度销量（辆）.29 图 37：2018 年全球电动车分品牌销量市场份额（%）.29 表 1：特斯拉硬件迭代时间轴.6 表 2：特斯拉软件迭代时间轴.8 表 3：两种多感知传感器组合典型方案.12 表 4：摄像头与激光雷达差异对比.13 表 5：特斯拉传感器最大监测距离.14 表 6：自动驾驶功能及预期时间轴.16 表 7：ADAS 主要功能介绍.17 表 8：特斯拉与造车新势力 ADAS 功能对比.18 表 9：特斯拉与传统车企智能驾驶代表车型 ADAS 功能对比.18 表 10：特斯拉、英伟达、Mobileye 芯片性能对比.17 表 11：特斯拉、国产智能驾驶车型传感器配置对比.20 表 12：特斯拉、ABB 传感器配置对比.20 表 13：特斯拉、蔚来 ADAS 功能实际应用对比.21 表 14：不同新能源车企对应电池供应商的性能与成本.25 表 15：各阶段特斯拉电芯/电池组性能与成本分析.25 表 16：各项传感器价格对比.26 表 17：Model3 进口价格测算.26 行业研究行业研究 敬请阅读末页的重要说明 Page 5 一、前言 2019 年是电动车行业的转折点，新能源汽车国际领军企业特斯拉加大本土化趋势，进入从追求市场份额到追求垄断地位及稳定利润的过渡时期，对国产新能源汽车形成竞争压力。特斯拉 2019 年三季报显示：其实现 11.91 亿元毛利，毛利率 18.9%，环比提升 3.4 个百分点；实现 1.43 亿美元归母净利。汽车业务毛利 12.22 亿美元，环比增长 20%。10 月 25 日，特斯拉公司宣布由上海超级工厂制造的标配基础版辅助驾驶功能的 Model3 标准续航升级版车型正式开放预订，售价 35.58 万元。国内量产后，Model 3 的销量还有进一步增长的空间，凭借中国广阔的电动车市场，特斯拉的全球市场份额也有望短期内快速增长。特斯拉通过产能有效扩容，有望在 2020 年后，在国内外众多电动车品牌的竞争中坐稳头筹，逐步形成垄断地位，形成规模效益，坐拥稳定的利润。图图 1：特斯拉上海工厂：特斯拉上海工厂 图图 2：本土生产：本土生产 Model 3 资料来源：公司官网，招商证券 资料来源：公司官网，招商证券 图图 3：特斯拉历年毛利率特斯拉历年毛利率及净利率及净利率（%）图图 4：特斯拉历年营收及同比增速（亿美元，特斯拉历年营收及同比增速（亿美元，%）资料来源：公司官网，招商证券 资料来源：公司官网，招商证券 二、特斯拉智能驾驶的发展历程 特斯拉的核心优势之一是智能驾驶技术成熟特斯拉的核心优势之一是智能驾驶技术成熟。智能辅助驾驶系统涵盖三个方面，分别为 1）感知层，通过传感器（包括车载摄像-160%-140%-120%-100%-80%-60%-40%-20%0%20%40%毛利率净利率050100150200250201420152016201720182019H营收YoY 行业研究行业研究 敬请阅读末页的重要说明 Page 6 头/超声波雷达/毫米波雷达/激光雷达等）感知车身周围环境；2）决策层，通过感知层收集的信息作出相应的决策（涉及芯片/算法）；3）执行层，通过接收传感器的实时信息、以及芯片/算法得出的决策信号从而采取包括刹车/警示等在内的行车行动。其中硬件设备包括传感器、芯片、高精地图，软件为 ADAS 自动驾驶辅助系统。特斯拉的自动辅助驾驶系统通过先普及硬件，配备 L2 以上级别的传感器、芯片算法及零配件，再通过 OTA 利用移动通信空中接口对 SIM 卡数据及应用进行远程管理升级解锁软件，实现自动变道、自适应巡航等具体功能。特斯拉对软件、硬件两方面都拥有绝对的把控权，让其能够推动技术不断迭代，实现功能完善和开拓新的功能。软件硬件两条腿交替向前走，推动整体功能平稳提升。特斯拉的硬件设备一共有三次升级，HW1.0 到 HW2.0 主要通过增加传感器数量和深度学习功能使感知力大幅提升。HW2.0 到 HW3.0 主要针对芯片进行了两次升级，基本实现了 L5 完全自动驾驶级别所需的计算能力。表表 1 特斯拉硬件迭代时间特斯拉硬件迭代时间表表 硬件代号硬件代号 HW1 HW2 HW2.5 HW3 推出时间推出时间 2015.10 2016.10 2017.8 2019.3 处理平台 MobilEye EyeQ3 Nvidia drive PX 2 Nvidia drive PX 2+Tesla FSD 前置摄像头 1 长焦(35)：250 米；中焦(50)：150 米；广角(120)：60 米 侧前 无 80 米 80 米 80 米 侧后 无 100 米 100 米 100 米 后 倒车用 50 米 50 米 50 米 雷达 160 米 160 米 170 米 170 米 声纳 5 米 8 米 8 米 8 米 超声波传感器 12 个 12 个 12 个 12 个 控制冗余 无 部分 完整 完整 资料来源：公司数据、招商证券 1、HW 1.0 到 HW 2.0：传感器冗余设计，增加深度学习功能 特斯拉在第一代硬件 HW1.0 时采用 Mobileye 视觉识别芯片，信息收集阶段主要依靠 Mobileye 的图像识别技术，数据来自于车顶的 Mobileye 摄像头，车首的雷达和周边雷达只是提供辅助信息。Mobile EyeQ3 可识别障碍物位置、可用空间、车辆形状位置前后、行人、路牌、红黄绿灯，但由于特斯拉使用自己的 ADAS 软件，EyeQ3 的部分功能如红绿灯识别，无中间黄线的双行道识别等功能未得到完全释放。HW2.0 增加了侧前侧后方摄像头，前置摄像头由单目进化为三目摄像头，周边车辆的感知能力提升了 6 倍，前方障碍物识别也得到了极大更新。辅助数据除雷达、超声波传感器之外还包括深度学习构建的高精度地图和白名单。行业研究行业研究 敬请阅读末页的重要说明 Page 7 图图 5：HW2.0 已经可以识别前方两辆车辆已经可以识别前方两辆车辆 资料来源：百度图片、招商证券 2、HW 2.0 到 HW 3.0：芯片算力飞跃，自主研发掌控硬件 HW2.0 使用 NVIDIA 的 Drive PX 2 芯片，主板的整体集成度并不高，有大片留白。所有芯片加起来理论算力仅有 NVIDIA 的 Drive PX 2 的一半。HW2.5 芯片整体集成度空前提高，在之前主板构造的基础上增加了 4 块 CPU，集成度上的飞跃带来算力的跃升，基本达到了 Drive PX 2 的理论算力水平。在在 HW3.0 时特斯拉使用自主研发芯片时特斯拉使用自主研发芯片 FSD，在计算层拥有了完全掌控力。，在计算层拥有了完全掌控力。FSD采用双芯片设计，算力达到了采用双芯片设计，算力达到了 144TOPS，对比，对比 HW2.5 性能提高了性能提高了 21 倍，而功耗仅提倍，而功耗仅提高了高了 25。同时在安全性则在系统层面也有很多考虑，比如大量的冗余设计。同一块板卡上配备两颗芯片，同时都对同样的数据进行分析，然后对比分析结果（或者相互验证），再得出最终结论。目前，HW3.0 已经完全能够应对 L5 级别自动驾驶所需的感知层数据量和计算能力，成为特斯拉智能驾驶技术的核心竞争力。图图 6：HW2.0 芯片芯片 图图 7：HW2.5 芯片芯片 资料来源：公司官网、招商证券 资料来源：公司官网、招商证券 3、OTA 软件升级之路：从智能汽车到智能移动空间 特斯拉的软件迭代通过 OTA 空中升级实现，主要经历三个阶段。第一阶段：创新、探索：4.0 版本6.0 版本。本阶段内特斯拉受产能和技术限制，尚未加入真正意义上的自动辅助驾驶功能，升级领域聚焦于智能网联、语音交互、实时 行业研究行业研究 敬请阅读末页的重要说明 Page 8 导航服务等功能，创造了人车交互的雏形。特斯拉早期的版本平均更新速度是 34 天发布一次，更细微的维护版本更新速度则为平均每 60 天更新一次，保持高频率迭代升级。第二阶段：重大突破：6.1 版本7.1 版本。特斯拉首次加入了自动车道保持、自动变道和自动泊车三大辅助驾驶功能。只要向内侧拨动两次定速巡航杆，就能开启辅助驾驶。打开转向灯，汽车会在安全的情况下自动变道，全程无需司机驾驶。特斯拉正式落地实现自动驾驶功能。第三阶段：完善、开拓：8.0 版本10.0 版本。特斯拉持续优化现有的自动辅助驾驶功能。8.0 版本当中，对 Autopilot 就有 200 项的改进，除了对体验流畅度和响应速度要求更高以外，在安全性方面也得到增强。另外，特斯拉开始拓展在舒适度和娱乐功能上的拓展，8.0 版本加入爱宠模式：当车主暂时离开，车内会自动给猫狗等宠物调节到舒适的温度，保持车内透气恒温。10.0 版本加入第三方应用，可在线看 YouTube、Netflix 流媒体，加入在线卡拉 OK 等新功能。特斯拉从“智能驾驶汽车”逐渐向“移动智能空间”转变。表表 2 特斯拉软件迭代时间轴特斯拉软件迭代时间轴 软件版本软件版本 更新时间更新时间 更新内容更新内容 4.0 2012 司机座椅记忆、模仿燃油车汽车习惯的怠速蠕动模式、使用更严苛的 EPA 续航标准（满电续航的显示从 300 英里减少到 265 英里）、新增智能语音交互功能 5.0 2013 新增 3G 无线网络连接、Wi-Fi 连接 6.0 2014.11 新增中文导航和地图服务、语音命令设定目的地、智能空气悬架和新的电池管理选项 6.1 2015.2 新增交通感知巡航控制、车道偏离预警、自动追踪道路标志、识别当前路段限速值、盲点预警等 6.2 2015.4 新增车速辅助、主动巡航控制、前撞预警、盲点警报、车道偏离警报和自动远光灯 7.0 2015.10 解锁自动驾驶、激活自动编导、自动泊车功能 7.1 2016.1 完善自动驾驶功能，新增“垂直泊车”“遥控召唤”等多项功能 8.0 2016.9 全新界面 UI 设计、更值观的媒体播放器、实时地图显示、新增实时路况和路线规划功能 8.1 2017.3 自动辅助转向系统每小时的最大限速提升至 150 公里、新增自动变道、自动召唤、自动紧急制动功能 9.0 2018.10 新增增强版导航、应用程序启动器与应用程序、温度控制、障碍物感应限速、Autopliot 自动驾驶辅助控制、盲区警告、行车记录仪 10.0 2019.9 引入视频、游戏等娱乐软件，改进可视化驾驶、优化哨兵模式、优化自动召唤模式 资料来源：公司官网、招商证券 行业研究行业研究 敬请阅读末页的重要说明 Page 9 三、特斯拉在智能驾驶领域具有核心优势 智能辅助驾驶技术的核心在于计算层的芯片和算法，特斯拉在这两个领域有一定的先发优势、且已逐步切换至自主研发芯片、算法的阶段。在感知层打破了视觉传感器流派的瓶颈，执行层则做到了目前最为完善的自动驾驶功能。鉴于其在自动驾驶领域技术研发积累、硬件软件基本自主可控以及成本优势，预计智能辅助驾驶技术也将成为特斯拉的长期核心竞争力。1、计算层优势双芯片算力领航，ECU 设计重新定义汽车 1.1 自主研发芯片：算力安全双保险 特斯拉目前使用完全自主研发的 FSD 全自动驾驶芯片，算力单芯片 72TOPS，板卡 144TOPS。FSD 主板设计的最大特点是双主板设计的最大特点是双芯片芯片设计形成冗余，减少了功能区故障隐患设计形成冗余，减少了功能区故障隐患，同时同时提高了图像处理的安全与提高了图像处理的安全与精准精准性。性。根据马斯克的说法，FSD 芯片主板做了完整的冗余，也就是说 HW3.0 的每一个功能区都可以损坏，而整套硬件依然可以保持正常工作。同时，主板内部设置了两个处理器，同一块板卡上的两颗芯片的供电和数据通道都是独立且互为备份的。两颗芯片对同样的数据进行分析，相互验证、比对分析，再得出最终结论，极大地提高了图像处理的安全和准确性。图图 8：FSD 芯片主板图：双处理器设计芯片主板图：双处理器设计 资料来源：公司官网、招商证券 从单个处理器来看，FSD 处理器由一块负责通用数据处理的中央处理器 CPU、一块负责图形处理的 GPU、两块负责深度学习和预测的神经处理单元 NPU 和一块内置图像处理器 ISP 组成。FSD 的的核心优势核心优势在于强大的在于强大的图像处理和图像处理和高速传输数据能力。高速传输数据能力。GPU 单元为图形处理单元，工作是协助核心处理器完成图形和动画的渲染，让用户能在屏幕上获取有效信息。图像处理器 ISP 的作用主要是将摄像头产生的原始 RGB 三原色数据转化成复杂的图像信息。GPU 和 ISP 构成了智能驾驶 AI 芯片的主角。FSD 内置了主频为 1GHZ 的 GPU，拥有 600TOPS 的超强运算力，同时图像处理器 ISP 最高可以 25 亿像素/秒的高速处理 10 亿像素的数据量数据。大概是往 21 块1080P 的全高清屏幕塞 60 帧画面的程度，这已经追上现在世界上最快的消费级图像传 行业研究行业研究 敬请阅读末页的重要说明 Page 10 输标准 DisplayPort 1.4 了，而车载芯片“传统上”要落后消费级起码一个时代的。FSD的数据传输速度也远超过现在特斯拉配备的 8 摄像头传感器所产生的数据，为之后的特斯拉向 L5 级别自动驾驶升级预留了足够的数据传输空间。图图 9：FSD 芯片结构芯片结构 图图 10：LPDDR4 运行内存运行内存 资料来源：公司官网、招商证券 资料来源：公司官网、招商证券 FSD 的优势之二在于神经处理单元的优势之二在于神经处理单元 NPU 储存芯片容量巨大、带宽速度极快。储存芯片容量巨大、带宽速度极快。NPU负责根据深度学习模型对 ISP 产生的图像数据作出处理但在此之前，这些数据将会存储在 SRAM 内。SRAM 可以简单地将它理解为比运行内存速度快很多，同时成本也高很多的存储芯片，一般被应用在处理芯片的 1-3 级缓存上。FSD 现在拥有 32MB 的缓存，对比来看，零售价 16999 元的英特尔酷睿 i9-9980XE，SRAM 缓存总量也仅为33.75MB，2010年英特尔CPU的最大SRAM仅为16MB，2014年也只是增长到了24MB。巨大的 SRAM 容量总结为 FSD 芯片对比市场上同类芯片的最大的优势。另外，特斯拉芯片总工程师 Pete Bannon 表示，处理全自动驾驶的缓存带宽至少要达到 1TB/秒，而 FSD 芯片的 SRAM 实际上能提供 2TB/秒的带宽。FSD 的优势之三在于的优势之三在于 CPU 架构的优化。架构的优化。特斯拉采用的是三个四核 CPU 的并联架构，运行频率为 2.2GHZ。多个核心叠加的方式保证了多线程总性能不比如今顶级的 4 核心移动端 CPU 弱，甚至更胜一筹。与上一代 HW2.5 相比，HW 3.0 的 CPU 性能提升到了上一代的 2.5 倍。图图 11：神经处理单元神经处理单元 NPU 图图 12：中央处理器：中央处理器 CPU 资料来源：公司官网、招商证券 资料来源：公司官网、招商证券 行业研究行业研究 敬请阅读末页的重要说明 Page 11 1.2 颠覆 EEA 构架,集中化打破自动驾驶硬件瓶颈 汽车电子电气架构（EEA）是指以划分不同功能域的方式来集中控制不同 ECU（电子控制单元），包括车身与便利系统、车用资讯娱乐系统、底盘与安全系统、动力系统，以及高级辅助驾驶系统(ADAS)等五个大域。这其中，每个域或子域都有对应的域控制器 DCU 和各种 ECU，共同构成汽车电子电气架构的网络拓扑。图图 13：EEA 分布式网络架构分布式网络架构 资料来源：BOSCH Engineering、招商证券 自动驾驶对于自动驾驶对于 EEA 架构提出了架构提出了挑战。自动驾驶要求更高的算力和更多传感器件，挑战。自动驾驶要求更高的算力和更多传感器件，分布式的分布式的 ECU 架构如果无限制扩张，势必面临着巨大挑战：架构如果无限制扩张，势必面临着巨大挑战：（1）ECU 的算力不能协同，并相互冗余，产生极大浪费。（2）大量分离的嵌入式 OS 和应用程序 Firmware，由不同 Tier1 提供，语言和编程风格迥异，导致统一维护和 OTA 升级困难。（3）分布式的架构需要大量的内部通信，客观上导致线束成本大幅增加，加大装配难度。（4）第三方应用开发者无法与这些硬件进行便捷的编程，软件开发低效。特斯拉的特斯拉的 Model 3 对对 EEA 架构进行了垂直整合，算力向中央集中、向云端集中。架构进行了垂直整合，算力向中央集中、向云端集中。压缩自动驾驶硬件成本，减少成本。压缩自动驾驶硬件成本，减少成本。特斯拉的中央计算模块(CCM)直接整合了驾驶辅助系统(ADAS)和信息娱乐系统(IVI)两大域，以及外部连接和车内通信系统域功能；左车身控制模块(BCM_LH)和右车身控制模块(BCM_RH)分别负责剩下的车身与便利系统、底盘与安全系统和部分动力系统的功能。EEA（电子电气架构）架构只有三大部分：（电子电气架构）架构只有三大部分：CCM(中央计算模块中央计算模块)、BCM LH(左车身控制模块左车身控制模块)、BCM RH(右车身控制模块右车身控制模块)。类比于计算机硬件架构，英特尔的 x86 通过垂直整合把之前的运算器、控制器、存储器、输入设备和输出设备五大部分整合为 CPU、南北桥芯片三大部分，计算机朝集中化，轻量化方向发展，才使计算机正式进入寻常百姓家。特斯拉类似于特斯拉类似于 X86 的整合的整合方式重新定义了智能驾驶硬件架构，通用性、标准化的硬件架构设计压缩了不同软硬件方式重新定义了智能驾驶硬件架构，通用性、标准化的硬件架构设计压缩了不同软硬件融合、协同算力造融合、协同算力造成的成本浪费，使智能汽车行业的进化变得更加高效。成的成本浪费，使智能汽车行业的进化变得更加高效。行业研究行业研究 敬请阅读末页的重要说明 Page 12 2、感知层优势视觉为主+深度学习，2.1 传感器方案：摄像头为主，多传感器融合 目前智能驾驶感知层解决方案分为两种流派：以特斯拉为代表的视觉主导方案和以WAYMO 为代表的激光雷达主导方案。视觉主导方案以摄像头为主导，配合毫米波雷达、超声波雷达、低成本激光雷达；激光雷达主导方案以激光雷达为主导，配合毫米波雷达、超声波传感器、摄像头。激光雷达最重要的两个属性是测距和精度。激光雷达可以主动探测周围环境，属于“主动视觉”，即使在夜间仍能准确地检测障碍物。因为激光光束更加聚拢，所以比毫米波雷达拥有更高的探测精度。缺点在于成本高昂、技术不成熟、影响车辆整体外观。激光雷达成本高于 2 万元，而摄像头最多仅 2000 元，雷达则更便宜，激光雷达主导的解决方案为主机厂带来成本压力。摄像头测距能力相对较弱，且受环境光照的影响大，但摄像头的核心优势在于非常摄像头测距能力相对较弱，且受环境光照的影响大，但摄像头的核心优势在于非常适适用于物体识别、数据量远超其他传感器。用于物体识别、数据量远超其他传感器。摄像头成像原理与人眼类似，都是物体反射的光通过镜片在传感器上成像，人眼就能看懂摄像头拍摄的内容，摄像头可以完成物体分类。同时摄像头拥有最丰富的线性密度，其数据量远超其他类型的传感器。基于图像信息密度最高的优势，使得它处于整个感知融合的中心地位。表表 3：两种多感知传感器组合典型方案两种多感知传感器组合典型方案 具体方案具体方案 代表厂家代表厂家 视觉主导视觉主导 摄像头摄像头+毫米波雷达+超声波传感器 激光雷达主导激光雷达主导 低成本激光雷达低成本激光雷达+毫米波雷达+超声波传感器+摄像头 -资料来源：公司官网、招商证券 行业研究行业研究 敬请阅读末页的重要说明 Page 13 图图 14：通过摄像通过摄像头获取实时路况信息头获取实时路况信息 图图 15：激光雷达感应成像：激光雷达感应成像 资料来源：Mobileye、招商证券 资料来源：车云网、招商证券 表表 4：摄像头与激光雷达差异对比摄像头与激光雷达差异对比 摄像头 激光雷达 探测距离 50 米 100 米 精度 一般 极高 功能 利用计算机视觉判别周边环境与物体、判断前车距离 障碍检测、动态障碍检测识别与跟踪、路面检测、定位和导航、环境建模 优势 成本低、硬件技术成熟、可识别物体属性 测量精度极高、分辨率高、抗干扰能力强、测距范围大，反应速度快 劣势 依赖光线、易受恶劣天气影响、难以精确测距 受恶劣天气影响、成本高昂、制造工艺复杂 不同类别 包括单目、双目摄像头，按照芯片类型又可分为 CCD 摄像头、CMOS 摄像头 可分为机械激光雷达、固态激光雷达；根据探测原理也能够区分为单线激光雷达和多线激光雷达等 资料来源：招商证券 特斯拉通过传感器融合辅助规避了摄像头受天气影响的弊端，在功能上取代了激光特斯拉通过传感器融合辅助规避了摄像头受天气影响的弊端，在功能上取代了激光雷达传感器；通过提高摄像头监测距离、利用雷达传感器；通过提高摄像头监测距离、利用 FSD 的高速数据传输、的高速数据传输、GPU 强大算力极强大算力极大地提高了成像的精度，基本打破了视觉方案的瓶颈，同时降低了自动化系统的成本。大地提高了成像的精度，基本打破了视觉方案的瓶颈，同时降低了自动化系统的成本。这意味着特斯拉纯视觉方案也可更进一步，甚至有可能这意味着特斯拉纯视觉方案也可更进一步，甚至有可能率先达到“机器开车人辅助”甚率先达到“机器开车人辅助”甚至“机器开车”的至“机器开车”的 L4、L5 级别自动驾驶。级别自动驾驶。特斯拉 Autopilot 的感知工作主要依赖 3 个前置摄像头、2 个侧方前视摄像头、2 个侧方后视摄像头、1 个后视摄像头、12 个超声波传感器、1 个毫米波前置雷达，实现了多传感器融合冗余。特斯拉通过 8 个摄像头完成 360 度全方位检测周围环境，雷达则负责探测前方障碍物的距离及行进速度，且不受天气影响。基本替代了激光雷达的功能。其中侧视摄像头已经保证了左右两车道无盲区。侧后视装在翼子板上，位置靠前；侧前视装在 B 柱，位置在侧后视的安装位置之后 1m。侧前视和侧后视相互重叠，这4 个摄像头完全覆盖了左右车道，为特斯拉的 L3 级别的功能：变道、合流、出高速提供全方位成像。前视摄像头是一个三目摄像头的总成件，配合雷达解决了特斯拉前向测距的问题，可探测车前 250m 的路况，为 ADAS 功能中的自适应巡航 ACC、交通拥堵辅助 TJA 等功能提供成像。行业研究行业研究 敬请阅读末页的重要说明 Page 14 图图 16：特斯拉传感器解决方案特斯拉传感器解决方案 表表 5：特斯拉传感器最大监测距离：特斯拉传感器最大监测距离 传感器传感器 数量数量 最大监测距离最大监测距离 前视窄视野摄像头 1 250m 前视主视野摄像头 1 150m 前视宽视野摄像头 1 60m 侧方前视摄像头 2 80m 侧方后视摄像头 2 100m 后视摄像头 1 50m 毫米波雷达 1 160m 超声波传感器 12 8m 资料来源：公司官网、招商证券 资料来源：公司官网、招商证券 图图 17：侧前视摄像头实景侧前视摄像头实景 图图 18：侧后视摄像头实景：侧后视摄像头实景 资料来源：公司官网、招商证券 资料来源：公司官网、招商证券 2.2 深度学习：神经网络算法提高精度 深度学习搭建时空结构网络，实现机器不干预的自我学习，深度学习能够在图像识别能力上显著超越传统算法。Clarif AI 针对行人等复杂物体识别实验数据显示，2010年误检率（Error Rate）在 30%-80%之间，两年传统算法优化将误检率降低至 20-30%左右，陷入瓶颈。深度学习算法则进一步降低误检率，接近至 10%以下。ImageNet 数据同样显示，深度学习算法可将行人的识别率提升至 90%以上。行业研究行业研究 敬请阅读末页的重要说明 Page 15 图图 19：Clarif AI 针对行人的测试结果分布针对行人的测试结果分布 图图 20：ImageNet 测试结果分布图测试结果分布图 资料来源：Clarif AI，招商证券 资料来源：ImageNet，招商证券 特斯拉的神经网络图像识别算法，特斯拉的神经网络图像识别算法，是是基于其自研的计算机芯片以及大量配套的基于其自研的计算机芯片以及大量配套的软件软件算法。算法。特斯拉称之为车队学习网络（fleet learning network），特斯拉的每一位司机其实都参与到了神经网络的训练中，共同组成车队为特斯拉的自动驾驶系统喂入新的数据，搜集自动驾驶所需的高精度地图。特斯拉的 AI 软件能够处理来自视觉传感器收集到的车道线、交通、行人等信息，将这些信号与已知的物体进行匹配再最终作出决策。特斯拉通过车队学习获得大量驾驶数据，再辅以快速进步的算法使得驾驶质量进一步提升。若出现摄像头完全无法理解或引起混乱的图像，工程师会上传到云端，由工程师进行标注导入神经网络进行训练，直到神经网络掌握对该场景的识别。此外，全球各地不同国家有着完全不同的路况、交规、暴雨、冰雹、大雾、甚至洪水、火灾、火山等罕见的长尾场景。每一次 AP 启用状态下的人为介入接管，系统都会记录下该场景的信息和数据，并自行学习人类的决策和驾驶行为。目前特斯拉已积累了海量驾驶数据。MIT 按照特斯拉公布的交付量、特斯拉汽车平均行驶里程和 AP 启动状态下行驶里程计算，到 2019 年，特斯拉累计路测数据已经达到 4.8 亿英里，估测到 2020 年将突破 15 亿英里。按照特斯拉官方说法，特斯拉路测数据占全行业总路测数据的 99%，可以处理 99.999%的场景。同时，特斯拉不断增长的销售量使数据搜集速度超过其他深度学习智能驾驶项目一个维度。Google 的自动驾驶汽车用4年一共积累了不到250万公里的数据，特斯拉只需要15个小时便达到了。行业研究行业研究 敬请阅读末页的重要说明 Page 16 图图 21：特斯拉积累了海量驾驶数据特斯拉积累了海量驾驶数据 图图 22：特斯拉能够处理：特斯拉能够处理 99.9%的场景的场景 资料来源：Lexfridman，招商证券 资料来源：ImageNet，招商证券 3、执行层优势ADAS 功能齐全，率先量产 L3 级别 特斯拉的 ADAS 系统是迄今为止已量产的自动驾驶车型中完成功能最健全、使用场景最广的。特斯拉可以使车辆在从匝道到匝道的整个高速公路上执行完整的高速公路特斯拉可以使车辆在从匝道到匝道的整个高速公路上执行完整的高速公路操纵操纵,同时能够在拥堵路段完成自动驾驶操控，未来即将实现在城区同时能够在拥堵路段完成自动驾驶操控，未来即将实现在城区街道级别街道级别的自动的自动辅辅助助驾驶驾驶功能功能。根据自动驾驶 L1-L5 级别对应的 ADAS 功能，特斯拉已经率先达到 L3 级别自动驾驶，成为自动驾驶领域当之无愧的先行者。对比国内造车 表表 6：自动驾驶功能及预期时间轴：自动驾驶功能及预期时间轴 资料来源：罗兰贝格，招商证券 行业研究行业研究 敬请阅读末页的重要说明 Page 17 表表 7：ADAS 主要功能介绍主要功能介绍 分类分类 系统名称系统名称 功能介绍功能介绍 主动控制类 预警类 其他 自适应巡航（ACC）跟车行驶，始终与前车保持安全距离 自动紧急刹车（AEB）与前车或障碍物距离小于警报距离时报警提示，在司机没有来得及踩制动踏板时，汽车自动制动 车道保持系统（LKS)修正即将越过车道的车辆，使车辆保持在车道线内 智能车速控制（ISA）识别交通标识，根据读取的最高限速信息控制油门，确保驾驶者在法定限速内行驶 前方碰撞预警系统(FCW)当与前车存在潜在碰撞危险时对司机进行警告 车道偏离警告(LDW)当检测到汽车偏离车道时，由控制器发出警报信号 行人及自行车警告(PCW)在车辆与前方行人或自行车碰撞之前 2 秒发出声音及视觉警告。泊车辅助（APA）探测停车地点，绘制停车地图，规划泊车路径，使汽车自动驶入停车位置。部分车型可主动寻找停车位。盲点检测系统（BSM）向驾驶员提供视线盲区范围内必要信息，并可自动采取措施 注意力检测系统（DMS）检测驾驶员注意力，若有危险情况且司机没有看向前方，系统发出警示，若司机没有回应将会自动刹车 资料来源：招商证券 对比国内造车新势力与传统车企推出的智能驾驶代表车型，特斯拉 ADAS 功能最齐全、融合效果最好。特斯拉独有的 ADAS 功能包括自动驶入驶出高速公路匝道口、远程召唤功能。主动控制类功能中，特斯拉已经实现完整的横向控制（转向、变道、并线、车道保持）和纵向控制（加速制动、紧急刹车），保证在高速公路路况下不同功能的完整融合，基本无需人工干预。特斯拉在识别方面也具有明显优势：能够精确识别车辆类型、非机动车、行人、交通标志，适应更加复杂的路况，在城市道路中减少人工干预次数。另外，针对城市交通拥堵问题，特斯拉实现了交通拥堵时自主跟车、启动、制动功能。表表 8：特斯拉与造车新势力：特斯拉与造车新势力 ADAS 功能对比功能对比 分类分类 ADAS 功能名称功能名称 特斯拉特斯拉Model 3 威马威马 EX6 PLUS 小鹏小鹏 G3 2020 款款 蔚来蔚来 ES8 主动控制类 自适应巡航（ACC）自动紧急刹车（AEB）车道保持系统（LKS)智能车速控制（ISA）自动辅助转向 自动加速、制动 自动变道 并线辅助 自动驶入驶出高速公路匝道口 交通拥堵辅助（TJA）信息识别类 360 度环视 预警类 前方碰撞预警系