特斯拉是如何成为自动驾驶大佬的?

（以下内容从国泰君安《特斯拉是如何成为自动驾驶大佬的?》研报附件原文摘录）
　　This browser does not support music or audio playback. Please play it in Weixin or another browser. ふたつの星の始まり 音乐： 银河英雄传说外传 - 银河英雄传说外传远征星之大海 行业培训系列 本文分为3个部分。首先，特斯拉是电子电气架构的引领者。其次，特斯拉是自动驾驶的领先者。最后，特斯拉是商业模式的探索者。这三点并不是并列关系，更像是递进关系。只有域架构集中化，整体自动驾驶才能逐步向前发展，进而才能衍生出更多的商业模型。 1、特斯拉是电子电气架构的引领者 首先，特斯拉是电子电气架构变革的引领者。电子电气架构的集中化是软件定义汽车的基础。E/E架构分成五个阶段，在前三个阶段，整体的E/E架构是分布式。在这几个阶段之间更多的是复杂程度、ECU的数量有些差异。但本质上差不多。每个ECU控制着车辆的不同功能，也有不同的功能会需要一些ECU去协作。随着整体功能越来越复杂，整体上ECU的数量越来越多，整车的协同度就会逐渐加大，软件的迭代也比较难实现。这就是为什么我们一提到智能驾驶，就首先提到E/E架构的集中式的升级。 目前传统车厂，还是以分布式架构为主。虽然也会有很多探索，但传统车厂还是会相对慢一些。这也是有原因的。分布式的架构每个功能和ECU是高度对应，功能划分是非常明确的。在这种模式下，其实非常有利于传统的主机场针对不同的模块去选对应的长期供应商。有长期的供应商，就可以提升质量，同时有助于减少投入。整体的ECU的数量现在是逐渐增加的，很多车的ECU的数量已经超过了100个。 特斯拉整体的电子电气架构能够引领整个行业，而且在不断的进化中。特斯拉并不是从最开始就是集中式。比如最开始的Model S其实就是分布式架构，但是已经有一些域划分，比如动力域，底盘域，车身域等等，当时大概有44个ECU。Model X与 Model S的电子电气架构的差别并不是特别大，整体还是偏分布式架构。但是ECU的数量已经有一些减少。到Model 3，电子电气架构有比较大的变化，变成混合式架构。之前的车身、底盘包括安全系统，被拆成了中央计算模块、左车身控制模块、右车身控制模块，基本上走到了区控阶段。再往上发展就会回到最开始那张图的第五部分中央集中式，是大家预想未来的发展方向。整体上特斯拉的E/E架构是在逐渐的集中化。 特斯拉在产品设置方面或者说车型视角，非常明显的特点就是采用大单品策略，与苹果非常像。现在特斯拉的主打车型基本是Model S 、Model X、 Model3、Model Y，车型的数量远远小于传统主机厂。特斯拉最开始通过高端的产品形成了非常强的产品形象，然后再向大众市场下沉，比如说最开始的Model S是地级的轿跑，Model X是豪华型的SUV，两款车相对来说比较高端化，能够帮特斯拉树立产品形象。在此之后开始寻求市场下沉，17年、20年分别发了Model3、Model Y，这两个车整体的价格远远低于前两款车，反过来销量会更高。 我们认为大单品策略的本质是对车辆的平台化和通用化的追求，因为这种路径可以帮助特斯拉大幅度降低零部件成本。通过对比特斯拉不同的车型的硬件，我们可以看到特斯拉在大单品的基础上实现了不同车型的一些平台的复用。比如Model S和Model X这两款采用的平台是一样的，Model 3和Model Y平台是一样的。这使得整体的零件复用率非常高，就可以通过大量标准化的采购使零部件成本大幅下降。每个车型的个性化就通过各种功能的添加来实现，也就是“软件定义汽车”思想比较重要的体现。 2、特斯拉是自动驾驶的领先者 其次，特斯拉是自动驾驶的领先者。这部分归集成两点，数据收集、数据处理。 首先看数据收集，影子模式是特斯拉非常聪明的场景覆盖方式。整体车赛道对功能安全的要求比较高，一旦发生交通事故造成的损失非常大，所以对于Corner Case（小概率事件）的覆盖就显得非常的重要。不可能每卖1万台车就出交通事故，这种情况是完全不能接受的。这就决定了要想实现自动驾驶就必须首先对Corner Case进行有效覆盖。反之，要想实现对Corner Case的覆盖就必须要非常多的测试历程。广汽的数据表明要想实现L4级的自动驾驶，就要至少要覆盖11个测试场景，整体的测试里程至少需要10亿公里，这两个数分别大概是L2级自动驾驶的10万倍和1万倍，也就是说，自动驾驶等级上涨的时候，需要的里程是指数级的增加。现在行业进行里程测试的积累主要是两种方式，一种方式是纯的路测，通过自动驾驶的车队来进行数据收集，以Waymo为代表；另一种就是通过私家车进行数据采集，以特斯拉为代表。 简要介绍这两种路线不同的情况。首先从路测角度。从加州的路测报告来看，这种路线会需要较多时间才能覆盖掉Corner Case。简单介绍一下加州的路测报告，美国加州是全球第一个为自动驾驶车辆路测定制法规的地区。在2015年开始，加州当地机动车管理局就要求，某个公司在这测试，就得每年交一份自动驾驶的路测数据报告。报告里会有一系列指标，比如今年的测试里程、脱离记录。加州的路测管理局每年会根据各个公司提供的数据形成报告，就是加州脱离报告。 报告里面大家最关心的指标叫MPI值，是每两次人工干预之间行驶的平均里程，这个指标经常会被看做衡量每家自动驾驶公司技术的比较重要的指标。21年披露的报告里，Autox、Cruise、滴滴其整体的MPI值都是相对比较高的。这几年中国公司，尤其是创业公司的MPI值的非常高，但是我们认为并不能完全通过MPI值横向比较各家公司的技术成果、技术水平，原因非常多，比如每家公司的测试里程和测试车辆数完全不一样。在测试的过程中其实80%以上的情况都是非常相似的，尤其是对于很多的头部公司，这些情况其实之前都处理过，但是对于自动驾驶来说，难处理的是最后20%甚至1%的Corner Case。反之，要解决这些Corner Case的前提就是要遇到这样的场景。所以从一定程度上来讲，谁积累了更多的数据里程、谁有更大规模的测试车队，其实才是体现自动驾驶公司路测实力比较重要的指标。从路测的里程上来看，2021年Waymo、Cruise、Pony AI分别是前三，从路测的车辆数来看，2021年Waymo、Cruise、Zoox位列前三。不管是路测里程数还是车辆数，都有明显的头部集中现象。比如Waymo的路测里程和路测车辆数分别能占到大概57%和59%。 第二个原因是各个公司的路测场景完全不同。加州的路测管理局没有对路测环境进行统一的规定。不同公司人工接管发生的次数在不同的环境里的分布情况是完全不同的，比如说street这个场景Toyota、Waymo、奔驰脱离次数就比较多，那反过来苹果公司的脱离高频场景可能就在freeway。不同的场景意味着路测的难度不一样。美国有很多高速公路基本上没有车，难度当然低，在闹市区测，当然难度比较高。不同的环境会造成整体MPI值会有非常明显的失真。 第三个原因是对于路测次数的统计标准不一样。加州路测管理局对于什么情况必须进行系统或者人为接管没有明确的规定，于是每家公司对于什么时候必须要接管车辆的标准并不同。比如有的公司比较宽松，要发生事故的时候才会去接管，有的公司就会比较严谨，稍微有一些影响的时候就会去接管，所以会造成MPI值失真。 针对这几个情况，通过加州路测报告或者说国内的测试报告单纯比较每个公司的MPI值或者类似的国内指标来判断各家公司自动驾驶的能力相对来说并不是十分客观。我个人觉得加州路测报告真正的价值并不是横向比较，更多的是通过纵向比较来粗略的判断这个行业的拐点。比如可以通过对全球领先的企业在不同的年份的脱离数据做纵向比较来判断它是不是现在已经对于Corner Case实现了相对有效的覆盖。如果说它都没有完全覆盖的话，我们认为大家的路测里程是无差别的，那么整体的行业拐点就还没有到。 基于这个思路我们就构建了左边的图，把里程比上脱离次数作为纵坐标（MPI值的倒数）横轴是路测里程，在这个坐标里越右上角的公司路测实力越强。Waymo是全球最强的，每年的自动驾驶能力也是逐渐增强的，如果说对于某一类问题的脱离情况并没有出现收敛（今年比去年还差），既然Waymo的技术在进步，就可以反推Waymo还在不断的拓展新的Corner Case。这种情况就意味着行业的领先者在现阶段还没有实现对于Corner Case的有效覆盖，换句话说整体行业的拐点就还没有到。针对Waymo历年数据的纵向比较会发现在2015年和2021年路测报告对比的时候它的这些问题并没有出现收敛，意味着Waymo的技术在进步，还在拓展更多更难的场景。换句话说它还没有实现对于Corner Case整体的覆盖。在判断整体L4的落地拐点时这是相对粗略但是有些帮助的方式。 第二类数据收集方式就是特斯拉采用的影子模式去取代测试车队。当司机驾驶的时候，特斯拉的FSD系统同时也在后台计算自己会怎么操作，然后把自己系统的处理和人的选择进行对比，如果说双方的选择一致，那没有任何问题，如果双方的选择不一致，数据就会被收集起来传到后台，由后台的工程师去判断到底是人错了还是自动驾驶系统错了，反过来看FSD的选择是不是合理的。这种模式本质上就是通过重包的方式来解决场景快速积累的问题。因为路测成本是非常高的，对特斯拉来说卖了这么多车，每台车都可以成为它的终端，这就意味着它的量远远大于其他公司的测试车队，路测的里程数积累就会比其他的对手要快非常多，它覆盖Corner Case的能力就会越强。这是数据收集部分。 另一部分就是数据处理。自动驾驶需要在不同天气不同光线这些条件下对周围的环境进行实时的感知，包括会需要识别跟踪一些动态或静态的物体，所以随着自动驾驶等级的提升相应的环境感知需求在成倍增加，感知需求增加就意味着对应的传感器的数量增加。比如说毫米波雷达加激光雷达加摄像头，是主流的方案，（虽然特斯拉不太用雷达），整体传感器数量是增加的。这个时候对于芯片算力提出了更高的要求。 特斯拉最开始也不是自研芯片，在第一代平台采用的是MobileyeIQ3芯片。在2016年7月份，Mobileye的CTO在业绩发布会说过，MobileyeIQ3就是Mobileye和特斯拉公司的最后一次合作。为什么双方不再合作，从表面上来看是因为一起事故。在2016年的5月份在美国发生的事故。当时一个model s的车主过路口的时候，正好有卡车正横穿马路，model s当时没有减速，直接钻到对面卡车的货柜下边。双方围绕这个事情开始纠纷。Mobileye认为特斯拉对于权限的开放过于激进造成了事故。特斯拉认为是传感器的识别错误造成这个结果。表面上看是因为事故导致最后双方没有继续合作。但是本质上来说这只是导火锁，特斯拉和Mobileye最后没有走到一起是有一定必然性的。 高阶自动驾驶整体会广义上分成两个阵营：一类是科技公司，另一类是传统主机厂。Mobileye把自己划分在传统主机厂阵营里，当成为传统车厂提供芯片和算法的角色。在传统车厂阵营里，对Mobileye最有利。因为在这样的阵营里，Mobileye的算法和经验能得到最充分的发挥。实际上，传统车厂出货量非常大。对Mobileye来说，一方面可以获得非常可观的收入，另外也会获得比较多的行驶数据，对算法迭代有利。 对特斯拉而言，和Mobileye的合作相当于拿自己家这些车的驾驶数据，帮助Mobileye更新算法。与其这样，既然自己也造车，也做这些东西，倒不如把这些核心的东西，把算法、数据抓在自己手里，这是本质原因。同时两家公司会有一些差别，Mobileye相对保守一些，特斯拉风格整体偏激进一些，所以确实双方的风格也不是特别搭。 和Mobileye取消合作后，并没有马上自研。第二代开始用英伟达的芯片，当时用的是英伟达的Drive平台。后来在2017年，特斯拉宣布自研芯片，双方没有再合作。根据之后特斯拉的说法，当时双方没有继续合作的主要原因是因为英伟达芯片走的是GPU的路线。功耗开销相对比较大，所以从第三代开始，开始自研芯片。 自研芯片2017年开始，从设计到量产大概是18个月。在2019年4月份，在Model 3上FSD的芯片开始用。那一代，一块板子上大概是两颗芯片。每颗芯片算力是72Tops，两个芯片是互为冗余的关系，相当于在行驶的过程中，两颗芯片同时对相同数据进行分析，会对比结果作为验证或者互为冗余，来提升安全性。 特斯拉的芯片有几个特点，比如高速图像处理、NPU等。简单举个例子，比如NPU，和Mobileye IQ5对比，Mobileye的芯片基本是CPU、CVP、DRA等，包括以CPU和CVP为主。但特斯拉不一样，主要是三个模块，CPU，GPU还有NPU. 以NPU为主，因为特斯拉没有用雷达，所以没有包含CVP的模块。 自研芯片是特斯拉比较重要的点，因为目前只有特斯拉是相对封闭的生态。除特斯拉外，主流的车厂，还有包括提到的新势力，现在基本采用外采芯片。对于这些车场，芯片底层包括深度学习能力很难做完全修改。比如有一些芯片，虽然本身算力很强大，但一旦在行驶过程中遇到一些问题，这个时候会比较麻烦，因为可能需要芯片厂商去做一些支持，修复时间比较久。 对特斯拉来说，芯片底层和调度是自己完成，这个会成为其中核心技术能力和技术壁垒。从功能覆盖上看，特斯拉比其他车场会更早、更快。是行业的引领者，和特斯拉公司风格偏激进有关系。 3、商业模式的探索者 可能都听过特斯拉的OTA，但实际上特斯拉对于商业模式的探索，在车这边远远不止是OTA。特斯拉在报表里，除汽车销售外，会有一系列增值的服务，比如自动驾驶也是RSD，包括车载娱乐服务包、OTA、超级充电站，还有一些自营的保险等。 FSD这一类本质是什么？本质是拿期权模式给汽车这个纯消费品增加了一些投资属性，所以能够提升汽车保值率。因为汽车本身是耐消品、是纯消费品，没有投资属性。但FSD相当于是期权，叠加一些投资属性后，可以提升汽车保值率。 FSD比较有名，但特斯拉在自动驾驶发过三款产品，分别是AP、FSD、还有EAP。AP是什么？是最基础的，比如提供一些基础的L2级别自动驾驶服务，比如自动转向、交通感知巡航等。在2019年开始，已经成为特斯拉新车标配。第二个FSD，比如有更高要求的客户提供L3，甚至更高级别的自动驾驶服务。在2019年4月，发布了之后，包含AP功能外，还会有一些新功能，比如自动泊车、智能召唤等，很多模块会比AP多。而且会有一些区别，因为FSD终极目标是实现L5级别的完全自动驾驶。 对于特斯拉车主，如果买了FSD还包括一部分期权。相当于特斯拉之后会有新的模块陆续出来，买了FSD的这些客户，可以免费获得这些模块的升级。目前FSD一直在涨价。EAP是什么？介于AP和FSD之间的产品，现在已经停售，在2019年下架。在2020年9月份又会有短暂的恢复销售，后来又下架。这个模块和FSD比较像，包含FSD里很多模块，但没有期权。现在这些模块跟FSD差不多，但是未来如果出新东西， EAP没有期权，要新上这些模块得交钱。 通过尤其是FSD期权的保值，会导致特斯拉保值率相对比较高。像第三方数据，比如特斯拉Model 3，三年保值率比其他车厂要高很多。 针对FSD渗透率，之前可能算过一下，用两种方法来算。第一，通过递延收益。可以看FSD大致的渗透率情况，因为FSD整体在消费者买完之后，会计处理是一部分进当期收入，一部分进递延收益。随着后续有更多FSD新功能出来，新实现的这部分功能对应值多少钱，在整体FSD系统里值多少钱，这部分价值会从之前的递延收益转成收入。 比如2019年三季度，当时特斯拉发布了智能召唤，那个季度确认了3,000万的递延收益。所以大致通过特斯拉的确认方式，算一下FSD渗透率。整体算下来，在2020年Q1末的时候，渗透率在19%左右FSD。为什么用在2020年的数，因为计算里会有一些数并不是每一次都是官方披露。因为正好2020年Q1发布会提到了这些数据，所以没有办法持续跟踪。 另外一种算法，根据FSD调研结果来算。这个算出来，同一时间口径下，测FSD渗透率在25~26%左右，这个是核心的逻辑。特斯拉在北美那边有一些论坛，在论坛里有很多北美车主自发的填问卷，体量还不小。 通过这个问卷可以大致总结一下，北美那边的选装率可能在30%左右。FSD在国内的选装率非常低，基本上1% -2%这个水平。所以根据特斯拉在各个区域保有量进行加权，大致算出来大概25%点多这么结果。 用一句话总结OTA是什么？OTA本质通过软、硬件的解耦实现硬件生命周期最大化。软件和硬件的生命周期完全不一样，软件要想迭代，成本相对比较低。但硬件如果动不动换的话，成本很高，所以软硬件解耦可以实现硬件生命周期的最大化。 在2012年4月份，当时特斯拉进行了OTA升级。有一些免费的，有一些付费。 整体OTA会有几个好处，第一个是规避召回风险。近几年，跟软件相关汽车案例召回，案例比例在快速增加，所以通过OTA的方式对软件进行更新和完善，召回情况会减少。另外帮助延长硬件的生命周期，降低成本。 第三个是，超级充电。用一句话来总结是什么？超级充电网络会逐渐变成电动车开放性基础设施。从商业逻辑上，简单理解成，类似于阿里巴巴早年间通过，虽然行业不一样。阿里巴巴早年间通过云计算，包括线下支付的出圈过程。超级充电或充电还有电动车，整体是鸡生蛋还是蛋生鸡的问题。如果充电供电设施的密度不够高，会影响对于新能源车的选择。 最开始特斯拉做这个东西是给自己的车主来用，充电网络现在已经覆盖的非常全。像美国、西欧、中国、日本等，已经有非常高的密度。未来整体的超级充电网络逐渐进入第二阶段，有可能慢慢的会向一些其他的车主进行开放，即非特斯拉车主，这个有可能将来演变成开放型基础设施。 第四个，高级网络连接。用一句话总结，是实现车内功能的订阅化。未来从特斯拉的角度，有可能会逐渐演绎成类似于Apple Store生态系统的东西。特斯拉推出高级的网络连接服务包，相当于在标准包的基础上进行扩展，所谓的网络连接服务包，是特斯拉车的标配。比如标准服务包里包含什么？可以实现基础的地图、导航，还有通过蓝牙或者USB放本地音乐、播视频等。但高级订阅网络连接服务包，会有一些新的模块，类似于可以解锁一些东西，相对于基础款，这部分已经开始收订阅费。理解从车这个角度，有点像手机Apple Store的雏形。可以看到在这个阶段，已经开始收订阅费。 第五个， 对于商业模式的探索——保险。还是一句话总结，从商业模式上来看，特斯拉的保险的本质是什么？是对驾驶数据的变现。因为最开始特斯拉也不做保险，但会发现保险公司对特斯拉并不是友好，跟特斯拉比较激进有关系。针对特斯拉汽车，保险公司的保费明显高于其他车型。 这是第三方数据，像个人理财网站的研究。整体电动汽车，不是特斯拉，保险报价比油车更贵。在电车里会发现，依照常理来说，一般是越高端的车型保费是越贵的，但是保险公司针对特斯拉的车型，比如可能Model3的车，保费是比奥迪要贵。但Model3这个车，本身比奥迪便宜很多，所以实际上保险公司对于特斯拉不是那么的友好。 特斯拉保费比较高这个原因，因为特斯拉比较激进的推广策略。会发现早年间，特斯拉的索赔率远高于其他电车，比如雪佛兰、菲亚特等都会更高。随着技术的逐渐成熟，现在拿特斯拉自己的社会责任安全报告来看，现在交通事故发生的频率远低于美国平均水平。 在这种情况下，特斯拉最开始在加州推了保险服务。2019年8月份在加州推保险服务计划。根据特斯拉之前的说法，可能会比一般汽车保险会便宜20%左右。如果拿这个标准来计算，特斯拉的保险至少在美国有将近一半的州，还是有一定的竞争力。 所以特斯拉保险最大的竞争力源于，自己对自己的车更了解，可以更好的评估这些车发生交通事故的概率。所以有可能会比保险公司做的更精确，特斯拉自营保险的核心优势还是数据的积累。 整体商业模式探索这部分，看了FSD、OTA、超级充电、高级网络连接，还有保险等这几部分。总结今天内容，从特斯拉的三个角度去理解智能化。从电子经济架构这边，第一个单车视角，看到E/E架构相对在往域化甚至区区控来走。从车型的视角走的是大单品策略，实现车辆的平台化和通用化。第二部分，自动驾驶的领先者。会发现数据收集部分采用了影子模式，实现对于Conner Case的快速覆盖。对于数据处理方面，自研FSD芯片是核心优势。第三部分，商业模式探索。有FSD、OT A、超级充电、高级网络连接、保险的一些内容。 合规声明：本文节选自国君计算机团队行业沙龙纪要，如需纪要全文请后台留言。 - end - 欢迎加入产业交流群！ 欢迎所有对计算机产业研究和投资感兴趣的盆友（包括云计算、网络安全、医疗IT、金融科技、人工智能、自动驾驶等）后台留言加入我们的产业交流群。我们的目标是建立系统的计算机产业研究框架，提高整个A股的IT行业研究水平，减少韭菜数量，普度众生。 智能汽车研究框架（670页PPT） 智能座舱 汽车芯片 汽车操作系统 域控制器 特斯拉 中科创达 激光雷达 人工智能及自动驾驶相关报告 1. 如何研究一家AI公司？ 2. 从汽车业务商业模式看中科创达和人力外包公司的不同 3. 中科创达：汽车“四化”下加速成长 4. 三谈中科创达：做事情眼光最重要 5. 智能座舱：智能汽车产业大变局中的投资机遇（40页深度） 6. 德赛西威：领先的汽车电子玩家，未来出行变革创领者（深度） 7. 科大讯飞：个性化学习手册改变了什么？（深度） 8. 科大讯飞：你绝对没见过的区域型订单详细拆解（深度） 9. 科大讯飞核心竞争力与增长点分析（50页PPT） 10. 科大讯飞：疫情防控让教育订单商业模式发生怎样的变化？ 11. 从Nuance的沉浮看科大讯飞的核心竞争力 12. 格灵深瞳：技术领先到商业落地，计算机视觉场景为王（深度） 13. 一张图看懂AI公司 14. AI+自动驾驶：模糊的正确胜过精确的错误 15. 从主芯片视角研究智能驾驶内在产业逻辑 16. 虹软科技：“价”的弹性大于“量”的弹性（深度） 17. 虹软科技：单机价值量提升带来最大弹性 18. 虹软科技：量价齐升，逻辑最顺（深度） 19. 虹软科技：业绩怎么了？ 20. 科大讯飞：区域订单统计 21. 对中科创达的一些理解 22. 英伟达汽车芯片业务发展史 23.自动驾驶路测数据中的秘密 24.Mobileye：被篡位的自动驾驶芯片老霸主（深度） 25.中科创达：牵手地平线成立合资公司 26.黑芝麻：国产自动驾驶芯片独角兽，用芯赋能未来出行（深度） 27.经纬恒润：汽车电子隐形冠军（深度） 28.计算机视觉：血腥战场（深度） 29.产业调研：谈谈车载操作系统竞争格局 30.产业调研：黑芝麻眼中的车载SoC芯片市场 31.生死时速：新旧势力汽车主机厂自动驾驶进展详细梳理（深度） 32.地平线：国产自动驾驶芯片龙头发展史（深度） 33.产业调研：从中科创达产品视角看智能座舱发展趋势 34.芯驰科技：汽车芯片全赛道覆盖（深度） 35.为什么汽车芯片这么火？ 36.产业调研：为什么规模化L2是自动驾驶向上突围关键点？ 37.智能汽车芯片研究框架（120页PPT） 38.产业调研：元宇宙中的集度汽车发布会 39.产业调研：为什么规模化L2是自动驾驶向上突围关键点？ 40.重磅！计算机研究员眼中的特斯拉（深度） 41.L3级别自动驾驶落地的正确姿势（深度） 42.软件定义汽车的时代已经到来 43.产业调研：英伟达如何服务智能汽车行业 44.产业调研：杰发科技（四维图新）座舱芯片产品路线图 45.产业调研：芯擎科技（吉利汽车）的座舱芯片之路 46.智能座舱研究框架（100页PPT） 47.产业调研：计算机视角看蔚来新品发布会 48.五谈虹软科技：两大核心业务拐点将至 49.产业调研：不追求科技感的理想L9发布会（附万字纪要） 50.产业调研：矿区无人驾驶的商业化落地实践 51.域控制器：高景气能持续多久（深度） 52.特斯拉智能驾驶研究框架（100页PPT） 53.产业调研：华为问界M7超预期还是低于预期（附发布会纪要） 54.激光雷达：驶向千亿星辰大海（深度） 55.域控制器研究框架（40页PPT） 56.产业调研：极氪进化日有什么新看点？ 57.智能汽车操作系统研究框架（100页PPT） 58.对自动驾驶芯片产业逻辑的探讨 59.激光雷达研究框架（110页PPT） 60.汽车OS的现在和未来 61.智能座舱：车厂客户体验胜负手 法律声明 本订阅号发布内容仅代表作者个人看法，并不代表作者所属机构观点。涉及证券投资相关内容应以所属机构正式发布的研究报告内容为准。市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。本订阅号所载内容为原创。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的，需明确注明出处，且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）