CITIC Securities: FSD V12 pushes forward on a large scale, intelligent driving with ChatGPT is getting closer and closer

智通財經 APP 獲悉，中信證券發佈研究報告稱，近日，特斯拉基於端到端的 FSD V12 逐步開始向北美用户大規模推送，並取消 beta 的名稱。新版本具備更高的性能上限、更擬人化的駕駛風格和更快的模型收斂速度，高階自動駕駛的 chatGPT 時刻漸近，該行預計端到端模型將開啓快速進化。該行認為端到端模型的應用推動智能駕駛性能持續提升，有望拉動消費者的付費意願，同時增厚特斯拉的收入與利潤。同時，國內智駕領先的主機廠、智能化產業鏈及特斯拉產業鏈標的也有望受益。

中信證券觀點如下：

近期特斯拉的變化：FSD V12 在北美開啓大規模推送，場景適應性和規控擬人化為最大亮點。

特斯拉基於端到端的 FSD V12 於 2022 年 12 月立項，目前已歷經多個版本迭代。根據 IT 之家，3 月 26 日，馬斯克在內部郵件中表示，北美所有適用車輛，都將獲得一個月的 FSD 試用。根據 Stats APP 的統計數據，截至 4 月 7 日，FSD V12.3.3 在各版本中的佔比已提升至 30.8%。性能方面，根據 Tesla FSD Tracker 數據，FSD V12.3 的每次關鍵接管行駛里程已提升至 386.7 英里，駕駛員的接管次數顯著降低。

從社交媒體的試駕體驗來看，FSD V12.3.3 的用户反饋積極，具體體現於：1) 更接近於全場景通用的業界目標：不依賴於車道線，能夠在雪地、環島等場景中穩健行駛;2) 車輛控制的擬人化程度高：能夠完成在停車期間主動前移，讓後方車輛通過，也能夠繞開路面上的積水，上述車輛控制行為很難通過人為編碼的方式實現。根據公司官網，從 3 月 12 日至今，FSD 已歷經 5 個版本升級 (由 V12.3 迭代至 V12.3.4)，產品加速迭代;公司的 Robotaxi 也將於今年 8 月 8 日發佈，智能駕駛的 ChatGPT 時刻漸行漸近。

財務端的潛在影響：FSD 性能提升與大規模推送，有望增強用户付費意願，進而為特斯拉帶來可觀的收入及利潤增量。

特斯拉持續進行 FSD 軟件算法的迭代升級，其買斷價格隨着走高。根據公司官網，截至目前，FSD 在北美地區的買斷價格為 12000 美元。除買斷模式外，特斯拉自 2021 年起也提供按月付費的訂閲模式，一直以來的價格為 99 美元/月 (已購買 EAP) 或 199 美元/月。4 月 13 日，特斯拉在 X 平台宣佈 FSD 的訂閲價格統一調整為 99 美元/月。會計處理方面，特斯拉此前把 FSD 售價中的一部分確認為當期收入，其餘部分將隨軟件更新陸續確認。

以 2023 年財報為例，當年特斯拉負債端有 29.1 億美元的遞延收入，當期遞延收入的增加值為 12.0 億美元，當期確認收入的值為 5.95 億美元。盈利能力方面，根據特斯拉 2022 年業績會數據，FSD 所實現的遞延收入，對應的毛利率可以達到 90%。該行認為，隨着 FSD 的性能提升，以及該功能在北美地區的大規模推送與試用，北美地區用户的付費意願有望大幅提升，進而為特斯拉帶來可觀的收入及利潤增量。

產業趨勢確立：端到端模型的整體性更強，性能上限更高。

端到端模型將感知、規劃、控制等模塊合成為一個大的神經網絡。在運行過程中，智能駕駛系統把傳感器獲取到的信號輸入到神經網絡，神經網絡能夠直接輸出轉向、加速、制動等車輛控制指令。端到端模型的優勢在於：1) 針對模型整體進行統一訓練，更有利於尋找整體最優解;2) 可以傳遞全量信息，消除模塊間信息傳遞帶來的累計誤差;3) 由人工編碼轉為數據驅動，通過參數調節的方式，增強對長尾問題的應對能力;同時，上述方式不依託於特定規則，能夠提升智能駕駛系統的擬人化程度。以 2023 年 CVPR 最佳論文《Planning-oriented Autonomous Driving》(作者：Yihan Hu, Jiazhi Yang, Li Chen 等) 為例，文中提到端到端模型 UniAD 的多目標跟蹤準確率較此前的最佳方案提升 20%，車道線預測準確率提升 30%，預測運動位移和規劃的誤差則分別降低了 38% 和 28%。另一方面，UniAD 的模塊之間有明顯的界限和區隔，並通過神經網絡對各個模塊進行連接，研發人員可以對模塊輸出的中間結果進行白盒化分析。因此，該模型仍具備相當的可解釋性。

國內公司也有望積極推進數據收集與訓練算力構建，將端到端模型的訓練、量產推送提上日程。

在端到端模型中，數據的針對性弱，提升性能所需的數據量和訓練算力更大。目前，特斯拉在上述方面大幅領先。數據儲備方面，根據公司官網，截至今年 4 月 6 日，特斯拉 FSD Beta 的累計行駛里程達 10 億英里，較今年 1 月公司業績會披露的接近 8 億英里累計里程，快速增長 25% 以上。訓練算力方面，根據特斯拉官網，截至 2023 年 8 月，特斯拉已擁有 10EFLOPS 規模的算力;特斯拉計劃，截至今年 10 月，訓練算力將提升至 100EFLOPS。

中國主機廠方面，小鵬汽車在 2024 年 1 月的全國智駕啓動發佈會上宣佈，公司將致力於實現核心區域每千公里被動接管次數<1 次的目標，端到端模型下一步將會全面上車。根據各公司官網，蔚來計劃在今年上半年上線基於端到端的主動安全功能，理想汽車基於端到端的智能駕駛模型也將在 2024 年上線。第三方供應商方面，根據元戎啓行官網，元戎啓行已經成功將端到端模型適配到量產車上，該批量產車將於今年投入消費者市場。整體來看，中國企業也在持續跟進端到端模型，有機會追隨特斯拉腳步，實現自動駕駛的能力躍升。

投資策略：

特斯拉基於端到端的 FSD V12 開始向北美用户大規模推送，該版本具備更高的性能上限、更擬人化的駕駛風格和更快的模型收斂速度，高階自動駕駛的 chatGPT 時刻漸近，該行預計端到端模型將開啓快速進化。小鵬、華為、理想等中國公司正積極跟進端到端模型，並致力於推進數據收集和訓練算力構建。端到端模型的應用推動智能駕駛性能持續提升，有望拉動消費者的付費意願，同時增厚特斯拉的收入與利潤。同時，國內的智能化產業鏈及特斯拉產業鏈標的也有望受益。

智能化產業鏈方面，該行推薦：1) 整車：高階自動駕駛有望成為車企的額外收入來源;端到端大模型壁壘高，全棧自研的主機廠模型迭代快，有望在智能化上與競爭對手拉開差距;2) 域控制器：算力是智能駕駛的核心基礎，與頭部芯片商緊密合作、產品配套領先的 tier-1 產業鏈卡位效應強;3) 智能底盤：功能安全要求高、壁壘高。

風險因素：技術與產品迭代風險;產品推廣速度低於預期;汽車行業銷量下滑風險;智能駕駛行業政策收緊;出現智能駕駛的惡性事故。