xml
内容目录
1. 本周行业观点 (3)
2. 市场行情回顾 (7)
2.1. 本周板块指数涨跌幅 (7)
2.2. 本周计算机个股表现 (8)
3. 重要行业新闻 (9)
3.1. 智能网联汽车 (9)
3.2. 工业软件与数字化转型 (9)
3.3. 网络安全与数据安全 (9)
3.4. 空天信息化、新兴技术和硬科技 (10)
3.5. 云计算与IT基础设施 (10)
3.6. 数字金融 (10)
4. 重点公司动态 (11)
4.1. 智能网联汽车 (11)
4.2. 工业软件 (11)
4.3. 基础软硬件 (12)
4.4. AI大数据 (12)
4.5. 数字金融 (12)
4.6. 基础工具链 (12)
风险提示： (13)
图表目录
图2：FSD最新进展 (4)
图3：Occupancy Network (5)
图4：本周各行业涨跌幅统计 (7)
表1：本周各类指数行情统计 (7)
表2：本周计算机个股涨跌幅统计 (8)
表3：本周陆港通持股情况统计 (8)
1. 本周行业观点
2022年特斯拉AI Day举办，聚焦三大亮点
2022年10月1日，特斯拉迎来了一年一度的2022 AI Day活动。特斯拉CEO埃隆〃马斯克与特斯拉工程师团队现身会场，带来了Tesla Bot人形机器人“Optimus”原型机的全球首秀。此外，特斯拉还公布了FSD（完全自动驾驶能力）和Dojo超级计算机的最新进展。根据AI Day的披露，目前特斯拉已在超过16万辆车上进行了FSD Beta版系统测试，仅一年内就训练了7.5万个神经网络模型。我们认为，T esla Bot人形机器人、FSD的算法更新，以及Dojo超级计算机成为了此次特斯拉AI Day的三大亮点。
人形机器人Optimus：AI能力复用，从汽车向机器人拓展
此次的特斯拉AI Day上，最受关注的是Tesla Bot人形机器人“Optimus”的全球首发。在特斯拉从汽车向机器人的拓展中，我们认为AI能力的复用是其中的关键。机器人可以理解为是更为复杂的自动驾驶汽车，但是在对周围环境的感知、路径的规划、算力的支撑方面，机器人和智能汽车是同源的。我们认为AI能力的复用主要体现在以下几个方面：1）算力芯片：此次Optimus采用单块FSD SOC芯片，这与特斯拉的汽车具有同等的运算能力；2）环境感知和路径规划：机器人采用特斯拉自动驾驶的三目摄像头和Autopilot算法，通过神经网络模型和在线仿真模拟，机器人可以将目标路径和相关的轨迹结合起来，生成最佳的计划，并且当外界存在意外的情况时，还能进行动作上的适应，在稳定性的基础上，实现机器人动作的自然性，是特斯拉视觉方案的室内体现。3）碰撞仿真测试：从构想到落地，我们注意到Tesl
a仅用了1年不到的时间便完成了Optimus原型机的软硬件设计，并实现了两个大版本的迭代。根据公司介绍，Optimus的快速迭代主要依托于仿真平台，对机器人的关节、电机、材料、运动控制等做了大量的计算，并基于计算结果优化，从而大幅提升了研发效率。我们认为，Optimus原型机的快速迭代凸显出仿真的价值，根据IDC数据，我国CAE软件市场规模在2021年达到32.1亿元，CAGR达14.6%，叠加对于研发设计类工业软件自主可控需求的提升，国产CAE软件厂商有望加速发展。
图1：基于仿真模型对Optimus机器人进行跌落测试
资料来源：Tesla 2022 AI Day，安信证券研究中心
FSD beta版本：算法全面升级
FSD能力持续进化，高级别自动驾驶落地可期。根据Tesla介绍，在过去一年中，FSD的用户从2千人增长至16万人，并通过480万段数据训练了超过7.5万个算法模块，其中交付给车端281个算法模块。目前，FSD Beta版本已可以完成红绿灯识别、通过十字路口、无保护左转等难度较大的操作，并可以部分实现点到点的自动驾驶。我们认为，此次FSD所展现的能力均聚焦于城市中的非结构化道路，其本质是把领航辅助适用的场景从高速向城市拓展，面向全场景的高级别自动驾驶落地可期。
图2：FSD最新进展
资料来源：Tesla 2022 AI Day，安信证券研究中心
我们认为其中最主要的算法升级有以下几项：
1）Occupancy Network：对于感知技术，本次大会中Tesla着重介绍了占用网络模型（Occupancy Network），是将3D向量数据绘制成矢量图，于2019年开始兴起的一种三维重建表达方法。能够实现对长尾障碍物的描述，从而完整估计3D空间中每一个位臵的占据情况（occupancy），甚至是语义（semantics）和运动情况（flow）。其本质是对道路环境中的各种物体实现体积感知，并在体积的基础上增加不同物体特征的语义信息，如车、路障、路牌、行人、道路坡度等。我们认为，占用网络模型是视觉感知技术的重要技术突破，其一方面取得了类似于激光雷达的3D成像效果，增加了对于未知障碍物的识别能力；另一方面通过语义信息的添加，部分实现高精度地图的功能，随着FSD用户数量的提升，地图鲜度有望提升至新的层次。
图3：Occupancy Network
资料来源：Tesla 2022 AI Day，安信证券研究中心
2）Auto Labeling：人工智能的数据标注是一项非常耗时耗力的工作，此次特斯拉介绍其自动化标注系统，通过采集环境信，重构可用于训练的3D模型，在模型上让系统完成自动标注。再用少量的人工对于特殊标记进行校正。目前的特斯拉数据标注体系里已经跑通，而且效率相比之前有着大幅提升。
3）Lane Network：为了更准确高效应对车道线，特斯拉针对其提出了针对性的算法，其中包括车道级别的地理几何学和拓扑几何学、车道导航、公交车道计算、多乘员车辆车道计算等等。这套模型可以在小于10毫秒的延迟内，思考超过7500万个可能影响车辆决策的因素。
Dojo超级计算机：强大的计算能力支撑模型训练
此次的特斯拉AI Day上，特斯拉披露了Dojo超级计算集的许多技术细节。1）从散热来看，特斯拉在Dojo POD上使用了全自研的VRM（电压调节模组），单个VRM模组可以在不足25美分硬币面积的电路上，提供超过1000A的电流。特斯拉未来的目标是减少54%的CTE（热膨胀系数），提升3倍性能。
发布评论