的必要条件。 要实现 NOA 对智能传感器硬件要求很 高 特斯拉 Model 3 小鹏 G9 厂商要搭建起高效的算法模型 ，开发的系统既要能精准识别并处理各传感器获得的数据 ，还要能有效应对模 型未考虑到的长尾问题。这大大增加了系统所需数据量 ，增加了开发难度。 软件在 NOA 系统中起决定性作用 特斯拉的 NOA 系统不仅能规划车辆行进路线等 ，还会 实 BEV+Tf 架构下， 特斯拉自动驾驶软件对 上图感知结果进行融合 后的效果。 资料来源：特斯拉 2021AI Day 2021 年 ，特斯拉在其 AI Day 上宣布将基于 BEV+Tf 架构开发其新版的完全自动驾驶系统（ FSD ） ，并于当 年开 始重新编写底层代码 ，成为在汽车业第一个使用 AI 大模型的主流厂商。 新架构下特斯拉自动驾驶软件的融合效果 新架构下特斯拉自动驾驶软件的融合效果 特斯拉率先在汽车业应用 AI 大模 型 传统算法将自动驾驶系统划分为感知、规划、控制等 3 大块 ，每个部分又可细分为不同的模块和子模块。每个 模块各司其职 ，有着独立且明确的目标。 传统的自动驾驶算法框架 传统的自动驾驶算法是基于规则开发的 规划模块的作用主要是根据车辆实 际行驶时面临的实时交通环境 ，生 成对应的行进规划

也相应提升，因此 L3 上路有望 直接带动激光雷达和毫米波雷达渗透率提升。决策层：智驾芯片算力需求显著提 升。高级别自动驾驶对芯片的算力需求大幅提升，目前主要有自研与外采两种选 择，自研的代表作是特斯拉 FSD 芯片，多家国内车企也在加速自研智驾芯片；外 部采购方面，英伟达的 Orin 系列与 Thor 系列智驾芯片是高端车型的主流选择， 国产替代地平线与黑芝麻也在快速发展。执行层：方向盘解耦趋势下，线控转向 技术路线 产品 量产时间 搭载品牌（部分） 博世 EHB One-box IPB 2019 凯迪拉克、比亚迪 EHB Two-box iBooster 2013 特斯拉、蔚来、小鹏 EMB 已开发原型系统 弗迪 动力 EHB One-box BSC 2021 比亚迪、赛力斯 EHB One-box WCBS 2021 奇瑞、吉利、长安 链上下游企业从本体、零部件、数据采集、训练等多个环节赋能人形机器人，助 力人形机器人迎来量产落地。 人形机器人与智能汽车在传感器、芯片、动力系统等核心零部件高度重叠，使得 产业链高度重合。特斯拉 Optimus 复用汽车产业链资源，电池、电机、电控系统 与运动执行硬件大量采用汽车产业链供应商。这种共享模式不仅提高了产业链运 行效率，更通过规模化生产降低了零部件价格，为机器人量产降低成本。

人形机器人：历史背景 6 使能技术：创新的完美风暴 8 市场环境促成因素 11 实现可负担性 14 第一性原理思维与拟人化机器人 16 市场规模：它能有多大？ 19 16 主要参与者 22 5 市场领导者 特斯拉（奥德赛） 23 图 AI（图 02） 26 Agility Robotics (Digit) 29 波士顿动力（Atlas） 31 Unitree (H1, G1) 33 11 新兴公司 1X Technologies 如何保持领先，生存并繁荣 50 1 — 黄仁勋，英伟达首席执行官 — Brett Adcock, CEO, Figure AI — Vinod Khosla, Khosla Ventures — 埃隆·马斯克，特斯拉首席执行官 领导力思考 到2040年，可能会有十亿双足机器人从事各种任务，使人 类从装配线和农场工人等低端、真正不受欢迎的工作的“奴 隶”状态中解放出来。这可能是一个比汽车产业规模更大的 产业。 000 Elon Musk $250,000 摩根士丹利 $24 万亿 美元 Ark Invest • 农业 • 建筑 • 养老护理 • 物流 • 制造业 • Figure AI • 特斯拉擎天柱 • Agility Robotics • 波士顿动力 • Unitree 38亿美元 高盛 3 Best wishes, 开篇思考 为何此刻？ 需要询问的首要问题是为何此时？为何当前在拟人化机器人领域会观察到如此

14 算法框架上 训练上 目前海外特斯拉、 Wayve 、 Comma.ai ，国内包括小鹏、理想、华为、蔚来汽车、元戎启行、商汤、地平线等诸多玩家都提出自己的 端 到端自动驾驶方案，在算法上端到端已经成为大势所趋。 但在发展路径上，行 逻辑推理 AI 问 答 内容创作 特斯拉端到端大模型 特斯拉 TESLA 2021 年 引入 BEV+Transformer ，将多摄像头数据统一成俯视角度。 2022 年 提出 Occupancy Networks 判断空间占用。规划层引入交互搜索 ，逐步增加约束条件（其他参与者博弈行为）做最优路径规 划 。 2023 年 8 月 26 日 特斯拉演示 FSD Beta V12 ，是有史以来第一个端到端 ，是有史以来第一个端到端 AI 自动驾驶系统（ Full AI End-to-End ）。 2024 年 1 月 特斯拉 FSD v12 开始正式向用户推送 ，将城市街道驾驶堆栈升级为端到端神经网络。 特斯拉 FSD V 12 的 C++ 代码控制减少了 10 倍 ， 从 2 万多行减少到 2 千行。 特斯拉 99% 的决策都交给神经网络给出 ， 视觉输入 ， 控制输 出 ， 就像人类大脑一样。 另外

蔚来汽车遭遇数据勒索，车企数据泄露谁来买单？ 11 3.3 YANDEX TAXI 遇黑客操纵，莫斯科上演交通大堵塞 13 3.4 奔驰、宝马、法拉利接连中招，API 漏洞再出江湖 15 3.5 特斯拉系统遭黑客破解，OTA 背后的“灰色”市场 16 3.6 供应商遭网络攻击，致丰田日本工厂被迫停工一天 18 3.7 操作系统 QNX 曝出漏洞，影响或达 1.95 亿辆汽车 20 3.8 MICODUS 在个性化服务与智能决策场景下，车联网数据和隐私泄露事件增多，同样也面临数据安全和个 人安全保护的风险。为了精准的个性化服务和智能决策，汽车行业不断增加用户数据的收集、分析 和利用，而从汽车服务商的研发数据泄露再到特斯拉个人隐私事件，不难发现数据在采集、传输、 存储、使用、共享、销毁各个环节中缺少了安全管控，导致数据安全和隐私风险不断增加，据研究 车联网安全研究报告（第六期） 7 机构对近十年车联网安全事件 中每一层都具有完备的安全防御措施。 3.5 特斯拉系统遭黑客破解，OTA 背后的“灰色”市场 3.5.1 事件回顾 众所周知，特斯拉除定期进行软件/固件更新，修复汽车漏洞，改善系统性能外，还支持以付费 方式，通过空中下载技术（OTA）对汽车提供额外的升级服务，这使得用户在购买汽车后还需要支 车联网安全研究报告（第六期） 17 付高额的费用才能体验到全部硬件功能。例如，针对 Model 3 动力系统，特斯拉此前发布了一个售

智能驾驶技术在国外发展较早，出现了特斯拉、Waymo、Wayve 等智能驾驶 开发商。在数据驱动的端到端自动驾驶系统展现强大的驾驶能力后，各自动驾驶 开发商以及宝马、奔驰等传统汽车厂商也开始积极进行探索和积累。 特斯拉在数据、算力和算法方面均处于国际领先地位。数据方面，特斯拉通 过保持少量标准化的车型并搭载“影子模式”，采集格式统一的道路交通和驾驶 行为数据，数年来累积了大量的高价值数据。算力方面，特斯拉 2024 2024 年底平台 算力总规模扩大到相当于 30 万块 A100 显卡的总算力，约为 100 EFLOPS（FP16）。 算法方面，特斯拉引领了 BEV、占据网络以及数据闭环端到端等自动驾驶技术 研发，并且开发了高度真实的仿真平台，兼具 WorldSim 和 LogSim 仿真能力。 Waymo 的主要优势之一在于可依托 Google 在全球的用户网络，通过用户的 机器人验证进行道路交通对象数据标注，帮助 应用领域为汽车行业的供应链数据共享与交换，遵循去中心化分散型系统和中立 治理原则，为自动驾驶数据的共享流通提供了借鉴价值。 2.1.2 国外现状小结 从已有资料来看，国外智能驾驶开发商中，特斯拉和英伟达是智能驾驶技术 开发的引领者。前者长期处于领先并在数据、算力和算法方面全方位累积了大量 资源；后者以算力芯片和 AI 架构制造和开发商的身份介入智能驾驶领域开展系 统研发，提供计算平台

应用生态等，汽车的智 能化程度显著提升，典型的整车代码量超过了一千万行，汽车行业的软件研发人员急剧增加，研发费 用持续飞涨，性能提升却遇到瓶颈。 自2022年底以来，以ChatGPT3.5和特斯拉FSD V12的发布为标志，汽车行业从软件定义汽车（SDV） 迈入了数据定义汽车（DDV）的时代。以海量的数据为动力之源，高频迭代模型，展现了惊人的性能 提升效率。 与传统的基于逻辑代码的开发 则算法，但是现在，端到端方案所展示出的性能潜力将远超工程师，自动驾驶性能提升的关键资源从 研发人力变为数据和算力。 2023年，特斯拉发布了FSD Beta V12，并表示这是业界首个端到端AI自动驾驶系统，采用“视觉输 入、控制输出”的方法。根据特斯拉的描述，V12的C++代码只有2000行，而之前的V11有30万行。 端到端自动驾驶大模型的特点在于利用全新的Transformer架构，将全套的自动驾驶任务有机地统一 FSD Beta V12 特斯拉 视觉 输入 控制 输出 汽车产业 AIGC 技术应用白皮书 36 PAGE 4.1 AIGC赋能自动驾驶应用 从2022年开始，L2+量产车开始大规模销售，2023年，仅中国市场就预计销售出了150万台L2+量产 车，这些车的大量传感器将产生海量的数据。 特斯拉的FSD行驶里程达到第一个10亿英里，用了大约3.5年的时间。目前特斯拉用户每天平均使用 F

远程司机介入，且仅能在特定实验区域或路线内低速行驶；私家车方面，由于其 运行区域高广，搭载传感设备高少，故计算机辅助驾驶等级较公用车辆高低。目 前较为先进的系统为特斯拉 FSD 和奔驰 Drive Pilot，其中特斯拉 FSD 最新版本 （V12）尚处于“强 L2 级”（驾驶员仍需时刻紧握方向盘，注视道路，对车辆驾驶 行为负全部责任），奔驰 Drive Pilot 系统亦仅能在美国加州、内华达州几条特定公 然显著。公共车辆方面，特斯拉 Robotaxi，谷歌 Waymo, 通用汽车 Cruise, 亚马逊 Zoox 等数个 Robotaxi 运营商 在美国部分城市实现无司机的“L4 级”自动驾驶，但多次交通事故突显其仍存在较 大安全隐患（例如 Cruise 在 2023 年连续多次出现伤人事故，Waymo 在 2024 年 亦两次因事故被令暂停试验）。私家车方面特斯拉 FSD 技术优势显著，其通过“端

3 新模式 电子商务（淘宝、京东）、共享交通（滴滴、摩拜）、 C2B （红领 西服）、社交电商（拼多多）、知识分享（得到）、在线音频（喜马 拉雅）、 O2O （美团） 4 新业态 新能源汽车（特斯拉）、互联网金融（余额宝、烟易贷）、制造服务 业（施耐德） 5 新产业 大数据产业、云计算产业、新金融产业、工业互联网产业、新零售产 业、 B2B 供应链产业 基本逻辑：技术→能力→新动能→高质量发展 这些技术催生了什么样的商业模式呢？ 我们所能见到的亚马逊的互联网高效物流 美的智能工厂 我们所能见到的美的公司数字化柔性制造车间 我们所能见到的怡丰公司的智能车库 我们所能见到的特斯拉汽车的无人车间 我们所能见到的特斯拉汽车的无人车间 苹果 iTunes 与 iPod 收入来源 成本结构 核心资源 关键业务 合作伙伴 客户关系 渠道通路 客户细分 价值主张 iPod 成本结构

亿欧智库自动驾驶发展历程回顾 最开始时，感知、规划都是 基于规则的实现（ model- based/rule-based ），不具 备所谓的智能。 直到 2020-2021 年左右， 特斯拉提出 BEV+Transformer 的范 式，把感知环节的多个 小模型合成单个大模型 进行训练。 再是把感知和规划环节的两 个模型合二为一， 实现真正 意义的“端到端”，这一部分 需要依靠非常大量的数据。 - - - - - - - 亿欧智库：具身智能与自动驾驶具有高度相似性 - - - - - - - - - - - - - - - - - - - - - - - - - - - i 随后，特斯拉也进一 步在规划环节实现了 单模型训练。 2016 年左右，感知环节开始 引 入 learning- based 思 路 ， 但最开始是由一系列分立的 小模型组合而成。 决 策 规 划 层 + G P U + N P U 决策输出 亿欧智库：未来落地可行性的考虑维度 4.1 基于自动驾驶经验的渐进式发展路径与落地策 略 汽车 L4 自动驾驶案例——萝 卜快跑 人形机器人案例——特斯拉 Optimus Gen2 融合感知 融合感知 OCC + Tra n s f or m e r 百度地图 H D M A P 感 知 定 位 层 12 个 摄像头 6 个 毫米波