
中信建投:Tesla Bot 與智能駕駛具備較強關聯性 算法及 AI 軟硬件有望支撐產品快速迭代

Tesla Bot 在設計理念、系統架構、迭代及感知方式與智能駕駛具備較強關聯性,算法框架與相關 AI 軟硬件儲備有望支撐產品快速迭代及功能實現。
智通財經 APP 獲悉,中信建投發佈研究報告稱,人形機器人是科技內生及政策扶持的高成長賽道,智能駕駛及人形機器人是 AI 主力應用場景,目前特斯拉分別推出的 FSD 及 Optimus 解決方案全球領先,並表態 FSD 技術積澱可以加速 Optimus 產品智能化迭代。Tesla Bot 在設計理念、系統架構、迭代及感知方式與智能駕駛具備較強關聯性,算法框架與相關 AI 軟硬件儲備有望支撐產品快速迭代及功能實現。
事件:工信部印發《人形機器人創新發展指導意見》。2023 年 11 月 2 日,工信部印發《人形機器人創新發展指導意見》,目標是到 2027 年,人形機器人技術創新能力顯著提升。智能駕駛和人形機器人技術具備較強關聯性。
中信建投觀點如下:
從理念、架構、迭代、感知四方面對比智能汽車和機器人異同點:
(1) 理念層面,智能汽車包含智能駕駛、智能座艙及網聯汽車,強調給駕乘人員帶來智能化便利;人形機器人強調在家庭、工商業等基礎場景替代人工,通用寬泛應用場景要求具備更強 AI 性能,功能要求更接近智能駕駛,軟件、算法迭代要求高,Tesla FSD 感知端與控制端算法可推動 Bot 快速迭代,主要差異在運動控制。
(2) 架構層面,汽車電子電氣架構 (EEA) 經歷了從分佈式 (ECU 控制) 到域集中式 (域控制) 的發展過程,未來走向中央集中式 (中央計算平台統籌);Tesla Bot 執行及動力系統 (除感知及控制硬件外的基礎結構件) 更為簡單,直接採用中央集中式 (類人腦) 架構,主控 SOC 芯片及 AI 訓練芯片組成計算機控制硬件,FSD 及 BOT 感知端佔用網絡模型等算法打通,訓練端採用 DOJO 神經網絡等模型處理。
(3) 迭代層面,汽車 OTA(遠程升級) 分為軟件 (SOTA) 及固件 (FOTA) 在線升級兩類,前者可更新中控信息娛樂 APP 升級,後者可對轉向、制動等執行系統進行控制器 (ECU) 升級;Tesla Bot 採用電機伺服來驅動執行,較工業機器人液壓執行更具柔性及可控制性,更適用於 FOTA;而 SOTA 技術難度相對較低。
(4) 感知層面,智能駕駛不同等級 (L1-L5) 所需的感知方案差異較大,當前特斯拉 FSD(L2+) 採取純視覺感知方案 (後續或引進 4D 毫米波雷達),其他主機廠一般採用多傳感器融合的感知系統 (含超聲波/毫米波/激光雷達等),涉及車輛高精定位採用 GPS 及 IMU(慣性導航) 組合;當前 Tesla Bot 面部採用 3 個 Autopilot 攝像頭 (魚眼/左前/右前),整體仍偏向視覺方案,其他傳感器或包含力/力矩/聲學/觸覺/温度等類型,雷達及 IMU 等車用傳感器或也在備選之列。
風險提示:1) 機器人及中國智能裝備需求不及預期的風險;2) 宏觀經濟波動風險;3) 市場競爭加劇風險。
