我们认为，FSD或将在2024年进入中国，经过对中国道路的训练后，2025年大规模上车。预计FSD入华后，有望整体加速中国电动汽车的智能化进程。
自动驾驶行业前景怎么样？
1、特斯拉率先引入大模型，开启自动驾驶3.0时代
2015年，特斯拉开始布局自研自动驾驶软硬件，2016-2019年陆续实现算法和芯片自研。2020年特斯拉重构自动驾驶算法，引入BEV+ Transformer取代传统的2D+CNN算法，并采用特征级融合取代后融合，自动标注取代人工标注。
2022年算法中引入时序网络，并将BEV升级为占用网络(OccupancyNetwork)。2023年8月，端到端AI自动驾驶系统FSDBeta V12首次公开亮相，完全依靠车载摄像头和神经网络来识别道路和交通情况，并做出相应的决策。
2、FSD入华进程渐近，有望加速智能化进程
目前FSDBeta版本尚未在国内开放，根据36氪消息，特斯拉已在中国建立数据中心，并布局组建国内运营团队和数据标注团队。
由于中国道路的复杂性，特斯拉FSD方案入华仍要进行大量中国里程的实车验证，采集对应场景的数据，优化训练出针对中国场景的神经网络模型，提炼针对性策略。
我们认为，FSD或将在2024年进入中国，经过对中国道路的训练后，2025年大规模上车。预计FSD入华后，有望整体加速中国电动汽车的智能化进程。
3、BEV/Transformer分别是什么？
BEV全称是Bird’s Eye View(鸟瞰视角），是将三维环境信息投影到二维平面的一种方法，以俯视视角来展示环境当中的物体和地形。Transformer大模型本质上是基于自注意力机制的深度学习模型，与传统神经网络RNN和CNN不同，Transformer不会按照串行顺序来处理数据，而是通过注意力机制，挖掘序列中不同元素的联系及相关性，使得Transformer可以适应不同长度和不同结构的输入，从而提高模型在处理序列数据上的能力。
4、与传统小模型相比，BEV+Transformer的优势主要在于提升智能驾驶的感知能力和泛化能力，有助于缓解智能驾驶的长尾问题：
1）提高感知能力：BEV统一视角，将激光雷达、雷达和相机等多模态数据融合至同一平面上，可以提供全局视角并消除数据之间的遮挡和重叠问题，提高物体检 测 和 跟 踪 的 精 度 ；
2 ） 提 高 泛 化 能 力 ：Transformer模型通过自注意力机制，可实现全局理解的特征提取，有利于寻找事物本身的内在关系，使智能驾驶学会总结归纳而不是机械式学习。
