《特斯拉发布Robotaxi入华进程有序推进》钛祺智库报告分享

  10月11日，特斯拉正式对外发布无人驾驶出租车Cybercap，新车内部绝对没方向盘和踏板，仅依靠居中的中控屏幕完成乘客与车辆的指令交互。同时，发布会宣布未来 无人驾驶的平均成本将由现在的1美元每英里降低到0.2美元每英里，车辆的预计最终售价不超过3万美元。特斯拉的全无人驾驶(FSD)软件是Robotaxi项目的关键。特 斯拉在第二季度的全自动驾驶和Robotaxi取得了很大进展，随着FSD12.5版本的开始推出，客户将在监督良好的全自动驾驶工作方面体验到一种阶跃式的改善。

   进入2019年下半年，特斯拉的股价开始迅速增加，并在21年股价达到了历史最高点。这一时期，特斯拉实现连续九个季度的盈利，标志 着公司开始步入一个快速发展阶段。22年以来随着传统汽车制造商和其他新进入者在电动汽车领域的投资增加，市场之间的竞争加剧，加之宏 观经济不确定性较大，市场情绪逐渐冷却，导致股价走低，后呈现波动状态。主要受公司在无人驾驶技术、能源业务和全球扩张方面的 进展以及新产品发布情况影响。

  • 外观设计：具有科技感与未来感的双座跑车，具有收窄的后端、剪刀门设计和枪灰色的车身涂装。内部绝对没方向盘 和踏板，仅依靠居中的中控屏幕完成乘客与车辆的指令交互。

  • 功能与服务：转向完全无人监督的无人驾驶，提升车辆的使用效率，实现更高价值提升。确保车辆安全性的同时，将车 内空间变为小的休息室。用户不但可以乘坐，还能买一辆属于自身个人的无人驾驶出租车。

  • 成本控制与价格：在特斯拉业务的进一步铺开下，无人驾驶的平均成本将由现在的1美元每英里降低到0.2美元每英里。车辆的预计最终售价不超过3万美元（约合人民币21万元）。

  • 后续计划：在2025年率先于加利福尼亚州和德克萨斯州推出无监督的全自动驾驶出租车服务。在2026年或2027年之前大 规模生产Cybercab，未来还会推出Cybercab2。进一步跟踪监督管理的机构相关动态，首先与美国监督管理的机构沟通，与另外的地方的 持续跟进监管动态。

   通过收集数百万辆车在不同使用场景下的数据来进行训练和优化，使得FSD获得比人类更多的驾驶经验，更高的驾驶水平和更安全的驾驶结果。

   核心技术上，FSD结合视觉、雷达和超声波等多种传感技术，构建了详尽的旁边的环境模型，确保了车辆在各种路况下的无人驾驶决策准确及时。

  • 相比传统出租车，特斯拉Robotaxi完全无人驾驶功能极大程度减少了人为干预，为乘客提供更为安全、便利的出行体验；其次，借助智能调度和路线优化，有望提高车辆使用效率，降低运营成本。

   用户里程数遥遥领先的FSD可复用，而 Robotaxi 采集的数据亦可反哺FSD，加快数据飞轮的运转，夯实公司在数据领域上的护城河。

  • 特斯拉发布可容纳20人的Robovan，设想未来可以以更高密度实现更高效的出行，将出行成本大幅度降低。希望能改变出行和道路的外观，让未来更像未来。

  • 无控制装置、无人驾驶的车辆在20英亩至30英亩大小的复杂场景中安全顺畅行驶，通过无线感应充电。

  • 通过无人驾驶的技术和产品影响城市：通过无人驾驶从不同角度观察城市停车场，将其变为绿色空间甚至变为公园，让城市变得更美好。

  • 人形机器人能做任何大家做的事情，包括照顾孩子，遛狗，修剪草坪，去超市买东西，端咖啡等。

  • 根据联合国人口预计，2030年全球人口可达85亿，城市化率68%，假设日均出行2次，平均单次出行里程数8 英里，其中小型乘用车出行占比60%，Robotaxi 渗透率20%，每公里收费1美元，测算可得，全球Robotaxi市场 规模约4万亿美元。

  • 参考特斯拉2024年全球EV市场市占率17%以及网约车市场格局，假设2030年特斯拉Robotaxi市占率 为20%，网约车C2C收入提成为20%，预计特斯拉Robotaxi2030年收入规模可达1600+亿美元。

   2016年，埃隆·马斯克首次提出Robotaxi概念，计划通过无人驾驶技术将私人特斯拉车辆转变为共享出行服务。《马斯克传》也提到，马斯克的宏伟愿景就是让特斯拉打造出一辆在没有一点人类干预的情况下能够完全无人驾驶的车辆。

   Robotaxi与FSD具有强关联性，特斯拉的全无人驾驶(FSD)软件是Robotaxi项目的关键。特斯拉在第二季度的全自动驾驶和Robotaxi取得了很大进展，随着FSD12.5版本的开始推出，客户将在监督良好的全自动驾驶工作方面体验到一种阶跃式的改善。

   特斯拉Robotaxi有效控制硬件成本：依赖摄像头和AI算法，不使用激光雷达（LIDAR），采用端到端的无人驾驶技术，结合定价更低的Robotaxi版本汽车，回本周期向好。

   同时，马斯克曾提出，除了作为无人驾驶出租车运营外，消费者亦可购买RoboTaxi并加入运营车队获取收益，特斯拉将拥有庞大数量级车队规模。

   特斯拉Robotaxi加入由Uber和Lyft等巨头主导的竞争激烈的市场，纯视觉设计经营成本低。特斯拉估计运行Robotaxi每英里成本不及 0.18美元，当前一代电池组续航能力约为300000至500000英里，新一代电池运行将长达100万英里且消耗较低维护费用。

   特斯拉有效控制硬件成本，整车单位成本拉低，同时低成本的智驾路径使得特斯拉在Robotaxi全球市场上拥有更大份额的可能性，营 收测算得特斯拉Robotaxi回本周期优于Waymo。

  • 2C众包模式，将闲置车辆加入打车网络获取报酬，主机厂与技术服务商从中收取佣金。

  • 2B模式独立运营，主机厂将车辆销售或租赁给车队，车队提供智驾技术，要求技术服务商拥有数据所有权与算法迭 代能力。主机厂主导能轻松实现车辆自产自销自采集的完整数据闭环，有利于无人驾驶算法迭代，并实现更好更便宜的自动驾驶服务-更多购车者和打车用户-更低的共享用车成本的正向循环，进而提高自身黏性和盈利能力。

   特斯拉的Robotaxi车队将包括特斯拉自己拥有的车辆和车主选择加入的车辆，车主可以限制使用他们车辆的顾客数量。

   无线充电：特斯拉已申请四项与车辆无线充电垫相关的专利。汽车驶过该垫子后会自动开始充电。即将推出的 Robotaxi 将利用这项技术。电力不足时，Robotaxi会自动开无人充电站进行无线充电补能。

   四项专利如下：1) 温度传感器和无线) 短接开关可减少感应充电中的接地泄漏；3) 无线充电电路拓扑及相 关制造方法；4) 无线充电参数估计。

   车队管理：一面相车队管理的人工智能驱动系统，通过AI系统实现故障预测及远 程管理，能利用匿名数据收集和预测性维护同时管理数千辆汽车。

  • 技术概览：1) 匿名化车辆数据收集与处理；2) 人工智能驱动的车辆预警技术；3) 有明确的目的性的指令分发；4) 基于机器学习的预测。

   自动消毒：当上一位乘客离开车辆或结束一天运载任务后，Robotaxi自动检验测试车内环境进行安全消杀。

  • 技术概览：1) 个性化清洁流程；2) 清洁方法；3) 自动化流程；4) 自适应系统。

   特斯拉通过不断的软件更新与硬件升级，逐步提升车辆无人驾驶能力。2019年实现高速、简单城市路无人驾驶，2023年实北美城市无人驾驶。FSD V13预计必要干预之间的里程数将提升约6倍，无人驾驶能力再升级， 实现自动停车、泊车和倒车。

   特斯拉在自动驾驶领域的技术路线具有高度独特性。不同于大多数车企采用的多传感器融合方案，特斯拉选择了纯视觉感知的技术路径，辆完全依赖摄像头进行环境感知，而摒弃了常见的激光雷达和高精度地图。埃隆·马斯克认为摄像头的视觉感知和数据处理能力足以替代激光雷达和其他传感器，进而实现车辆自动驾驶。

   Autopilot的视觉系统的传感器是由环绕车身的8个摄像头组成，分别为前视3目：负责近、中远3种不同距离和视角的感 知；侧后方2目，侧前方2目，以及后方1目，完整覆盖360度场景，每个摄像头采集分辨率为1280 × 960、12Bit、 36Hz的RAW格式图像，对车身旁边的环境的探测距离最远可达250m。

   模型逐步由“后融合模式”走向“端到端模式”。为提升最终用户体验，摆脱对高精地图的依赖，增强任务协调能力。新 模型聚焦于提升感知能力，减少各模块间处理数据的频次，从而避免数据的损失。

  • 后融合时期 (2020年以前):采用基于HydraNet的多任务神经网络架构，每个传感器对应一个神经网络，将传感器各自处理后的信 息做基于统计学模型的加权运算，这样会出现数据损失。

  • 特征融合时期 (2020-2023): 采用基于BEV + Transformer做特征融合的方式，利用Transformer 大模型提取特征向量，在统一的 3D 坐标系空间（BEV）内做特征融合，最后进行多任务输出。

  • 端到端模型 (2024-至今)：基于深度神经网络，通过摄像头采集驾驶场景的信息，将其作为深度卷积神经网络模型的输入，再不 断对网络模型进行训练，得到学习好的网络参数，从而对智能车方向盘转角进行预测，直接向控制器输出操作指令。

   相比传统的规则驱动型无人驾驶系统，特斯拉采用的端到端的神经网络架构，通过大量数据训练模型来代替复杂的规则编写，极大地提 升了自动驾驶系统在复杂场景下的适应能力。

   在感知层提出了“BEV+Transformer+Occupancy Network”的算法框架。通过这种框架，车辆可以以类似人类大脑的方式处理复杂环境 中的信息。例如，FSD系统通过摄像头收集图像数据，识别车辆、行人、道路标志等元素，并使用深度学习算法构建出周围的三维场景。随后，系统在神经网络中做处理，生成驾驶决策并执行。这种数据驱动的模型在面对一直在变化的环境时能更灵活，且随着数据量的增加，系统的性能和可靠性也会逐步提升。

   特斯拉已经建立了一个全面的数据训练流程，涵盖数据采集、模拟仿真、自动标注、模型训练和部署等环节：

  • 数据收集：特斯拉通过影子模式进行数据收集，这是一种在车辆行驶过程中自动启动的系统。当驾驶员的行为与模型预测不符时，有关数据会被发送回数据中心，用于分析和优化模型。目前，特斯拉已拥有超过180万辆车辆和13亿英里的驾驶数据。

  • 仿真模拟：特斯拉的仿线D环境，模拟真实世界的场景，包括道路、车辆、行人、路灯和其他旁边的环境。这种全面的仿真环境使得特斯拉能够生成大量高质量的训练数据。

  • 自动标注：特斯拉已经从过去的2D标注过渡到4D标注体系，即在空间和时间上进行数据标注。数据被划分为称为clip的基本 单位，并利用自动化系统来进行标注。

   特斯拉在 Model 3 上率先落地准中央集成式架构：采用 Autopilot（无人驾驶） +IVI（信息娱乐系统）+T-BOX（远程信息处理器）三合一计算平台，将三块控制板集成到同一壳体中，新引入 BCM-F/L/R 三个区域控制器，实现 ECU 整合并对执行器供电。彻底抛弃了功能 域的概念，实现集中式电子电气架构和区域控制器方案，通过中央计算模块对不同的区域 ECU 及其部件进行统一管理，并通过CAN进行通信实现了算力集中化、服务附加值提升、内部拓扑结构简化。

   特斯拉的Autopliot从2014年的1.0发展至现在的3.0，其所搭载的硬件版本也在不停迭代，目前最新的硬件是HW4.0，采用的是特斯拉自 研FSD芯片，单车搭载两颗FSD2.0，总算力达到216TOPS。

  • Dojo1是Tesla在2022年AI Day上发布的用于进行深度学习模型训练的超级计算芯片。该芯片能够最终靠接受海量的输入数据，对道路 上的车辆、标志与行人进行自动标注与学习，进而实现深度学习模型的自动化训练，是目前Tesla已发布的算力最大的芯片。

  • Dojo1芯片投入量产后，Tesla立刻将这些芯片运用到自主研发的超级计算平台DOJO上，在2023-2024年间实现了算力的大幅度的提高：由原先A100集群不到5EFLOPS的算力规模迅速提升到全球算力前5水平，并有望于今年10月达到100EFLOPS的算力规模，约30万张 A100的水平。

   新发布的FSD V12.5版本的参数量是V12.4的5倍，其主要专注于优化高速公路的自动驾驶能力，引入了眼动追踪软件来监测驾驶员的注意力，确保驾驶员在必要时能够及时接管车辆控制。与整车厂FSD合作还处于早期，需要几年的时间。

   2024Q2特斯拉财报电话会议指出，由于目前难以获得所需的GPUs，特斯拉将继续推进Dojo超算业务以确保企业具有所 需要的大模型训练能力。公司将在奥斯汀工厂建设迄今为止公司最大的H100集群。截至今年第二季度，特斯拉自建超算中心AI算力超过4万张英伟达H100等效算力，并预计至年底提升至接近9万张的水平。

  • 据2024年第二季度的特斯拉行车安全报告数据显示，开启Autopilot自动辅助驾驶功能的特斯拉车辆，每行驶688万英里（约1107万公 里）发生1起交通事故，其安全性达到了普通驾驶的10.3倍。

  • 根据特斯拉最新发布的报告，在开启 FSD 的特斯拉车辆中，每百万英里行驶里程中，事故率为0.21起，相比2022年的0.31起下降 了32%。必须要格外注意的是，这个事故率仍高于使用 Autopilot 的特斯拉（0.18起/百万英里）17%。但在开启FSD的情况下，事故率依 然低于美国中等水准（1.49起/ 百万英里）。

   FSD系统通过大量的道路行驶数据学习人类驾驶员的行为，并在复杂驾驶场景下模仿人类驾驶员的决策方 式。通过深度学习和端到端的神经网络训练，使得FSD在复杂道路场景中的决策能力得到了显著提升。

  • 在红绿灯启停、转向和变道过程中，能做到更加平稳的驾驶，极大地减少了乘客在这些操作中的顿挫感。

  • 系统在遇到前方缓慢行驶的车辆时，能够迅速判断是否变道超车，并采取合理的速度进行变道。

  • 系统在面对行人横穿马路时，能够迅速减速并留出足够的安全距离，随后在行人通过后继续加速前进。

   FSD系统应对各种场景的能力明显提升，大幅度减少需要人工干预的次数，通过深度学习和端到端的神经网络训练，使得FSD在复杂道路场景中的决策能力得到了显著提升。

  • 特斯拉FSD不仅仅可以识别并绕过路面上的铁皮等障碍物，还能在道路施工时根据引导标识在临时开辟的道路上行驶。即使需要驶向对向车道，也能够不受逆行标识和中心黄线 版本在城市环境下的无关键接管行驶里程大幅度的增加，从约 100 多英里（约合 160 公里）提升到了 386.7 英里（约合 622 公里）。

   尽管特斯拉的纯视觉方案在多数场景下表现优异，但在一些极端天气或光线条件较差的情况下，摄像头的表现仍存在一定的局限性。例如，在夜间驾驶或大雾天气下，摄像头的感知能力会受到限制，导致系统无法准确判断环境中的物体。特斯拉在其HW 4.0的感知系统中增加了一颗高精度4D毫米波雷达，探测距离为300米左右，成本在千元级别，以弥补摄像头在这些场景下的不足。

   FSD采用了“硬件预埋+软件付费”的商业模式，通过软件更新和升级一直在改进驾驶体验，利于于实现收入的持续增长，将FSD变现路径向长期方向延伸，有助于增加经常性收入，向具有更强规模效应的SaaS模式靠拢，抬高毛利率。

  · 钛祺智库·1、如欲获取完整版PDF文件，能关注钛祺汽车官网—智库，也能添加钛祺小助理微信，回复“报告名称：特斯拉发布Robotaxi，入华进程有序推进”

  2、钛祺智库目前已收录1000+篇汽车行业最新技术报告，供行业朋友查阅、参考。

  3、钛祺智库持续更新、收录行业深度技术文章、研究报告，并不定期上传行业专家特约文章，为汽车行业朋友提供专业支持。