大国重车之琰究智能汽车系列报告八：特斯拉：智能化奇点已至，估值体系重塑

大国重车之琰究智能汽车系列报告八 华西证券汽车团队：崔琰（SAC NO:S1120519080006）cuiyan@hx168.com.cn2023年07月31日 请仔细阅读在本报告尾部的重要法律声明 引言 核心观点：2023年特斯拉FSD拐点显现，看好后续端到端AI大模型应用带来的功能体验提升，推动智能驾驶成为影响消费者购车决策的因素。中短期来看，智能化布局相对领先车企、零部件有望最直接受益，长期来看，潜在商业模式变革（软件付费）有望重塑车企的竞争格局和估值体系。 特斯拉FSD使用率拐点已现，有望驱动行业开启智能化竞争。2023年特斯拉FSD加速迭代，智能驾驶拐点已现。特斯拉在智能驾驶领域再次扮演“鲶鱼”，带动自主车企全面开启智能驾驶领域的布局。看好后续随着法律法规的完善以及算法的进一步迭代，推动智能驾驶成为影响消费者购车决策的因素。中期维度，看好智能驾驶将成为整车竞争的核心要素，头部车企有望凭借智能化能力，与特斯拉一起重塑行业格局。 1）FSD拐点已现，智能驾驶竞争开启。特斯拉通过构建全闭环、自成长的AI数据体系实现智驾能力全球领先，算法层面，从BEV到占用网络持续引领智能驾驶行业算法迭代。2023年4月起FSD使用率明显提升（截至6月达到约14.4%），智能化拐点显现。 2）FSD算法复用，人形机器人有望开创全新行业。特斯拉Optimus人形机器人研发与车载FSD技术存在强协同效应，FSD视觉感知算法可以在机器人上复用；随着Dojo超算落地，AI训练速度有望大幅提升，加速机器人投产。特斯拉汽车供应链有望直接迁移，规模化降本能力强，有望通过平价产品推动机器人行业进入商品化时代。看好国内零部件供应商凭借机器人新机遇打开成长空间。 3）法律法规逐步完善，为智驾发展铺平道路。国内各级政府统筹规划，以深圳为试点，L3法规有望加快落地，从政策层面为智能驾驶提供支持。 目录 •综述：业绩增长强劲新车型周期即将开启 •智能驾驶：特斯拉FSD全球领先使用率拐点临近•Dojo超算&Optimus机器人：强大算力加速迭代FSD技术推动机器人落地•法规层面：法规标准逐步健全进一步支持FSD落地•投资建议•风险提示 业绩回顾|以价换量带动营收向上Model 3/Y构成销售核心 Model 3/Y贡献主要销量以价换量带动营收向上 •销量：2023Q2全球交付46.6万辆，同比/环比分别为+83.0%/+10.2%；其中Model 3/Y交付44.7万辆，同比/环比分别为+87.4%/+8.4%。•营收：2023Q2特斯拉汽车收入212.7亿美元，同比/环比分别为+45.7%/+6.5%；2023Q2总收入249.3亿美元，同比/环比分别为47.2%/+6.8%。 业绩回顾|价格下调导致毛利率承压单车净利润相对高位 特斯拉全球产能|上海、加州贡献核心产能德州、柏林爬产完成 •上海工厂：承接中国、欧洲、加拿大和亚太需求，生产Model 3/Y，年产能约100万辆。 •加州工厂：承接美国需求，Model 3/Y年产能55万辆，Model S/X年产能10万辆。 •德州工厂：承接美国需求，目前生产Model Y，年产能25万辆；2023年底将生产Cybertruck，预计产能约30万辆。 •柏林工厂：承接欧洲需求，生产Model Y，年产能35万辆。 未来车型规划| Model Q/2打入平价市场Cybertruck拓展车型矩阵 Model Q/2进军平价汽车市场Cybertruck丰富车型矩阵 •Model Q/2打入平价市场。特斯拉预计于2025年上市的Model Q车型将被视为Model Y的缩小版，生产成本上将仅为Model 3/Y车型的一半，售价约为2.5万美元。特斯拉有望凭借这一高性价比车型，打入更低价格段市场，以此满足消费者不同层次的需求。 •Cybertruck拓展车型矩阵。Cybertruck采用高强度不锈钢材料打造，因此全车采用楔形设计，从平滑改为锐利平直的线条，以满足材料硬度需求。Cybertruck双电机四驱版百公里加速达到4.5秒，牵引力、承载力、马力与同价位燃油产品相比均具有一定优势。 特斯拉销量预测| Model Q/2驱动未来增长2025年贡献核心增量 Model Q/2驱动未来增长 •Model Q/2价格有望下探至2.5万美元。特斯拉2022Q3业绩会上马斯克正式公布了Model Q/2。Model Q成本仅为当前Model 3/Y的一半。基于Model Q/2的成本，公司预计未来起售价格约为2.5万美元。 •公司预期未来Model Q年销量超过Model 3/Y之和。马斯克表示，预计Model Q未来销量将超过特斯拉目前车型之和。 特斯拉墨西哥工厂|特斯拉中期产能扩张的核心 在墨西哥建厂实现中期产能扩张 •在墨西哥建厂可辐射美洲市场。在南美新能源市场渗透率较低，而墨西哥汽车工业发达且工人等综合成本低，因此在墨西哥建厂将有利于出口南美市场。同时墨西哥能享受北美贸易自由协定和IRA优惠，在墨西哥建厂不仅可以辐射本地和南美市场，原材料、供应链、成品都可以和美国、加拿大紧密地流通。 •动员中国供应商协同构建本地化供应链。特斯拉与多家中国供应商达成合作于墨西哥本地建厂，我们预计将带动下游零组件一起到墨西哥就近供货，复刻上海工厂的本地化供应链模式；同时利用墨西哥的地理优势和美国-墨西哥-加拿大协定的政策便利。 特斯拉技术优化|全新生产模式改变汽车工业百年流程 采用线性组装流程变革生产模式 •启用分部生产一次拼装的模块化生产方式。对于下一代车型平台的生产方式，特斯拉着重提出了对生产效率的极致追求。公司表示，下一代车型平台产线将提高44%的操作人员密度和30%的空间效率，以达到50%的生产成本缩减；在装配方面，下一代车型平台产线将采用底板一体化压铸，分部喷漆的并行模式，目标达到每45秒生产一辆汽车的极致制造效率和规模效应。 特斯拉管理优化|简化供应链管理优化成本 本地化生产运营降低供应链管理成本 •追求本地化生产，降低物流及供应链管理成本。汽车制造涉及零部件繁杂、任意零件的缺失都将导致生产端的停滞，带来成本负担。特斯拉的供应链管理追求扁平化，以降低管理难度，优化效率。在供应链物流层面，特斯拉的通过工厂布局，尽量缩短零部件生产地和零部件使用地的距离，以达到降低复杂度的效果。因此，我们认为，特斯拉墨西哥工厂将会首选本地具有产能的供应商。 目录 •综述：业绩增长强劲新车型周期即将开启•智能驾驶：特斯拉FSD全球领先使用率拐点临近•Dojo超算&Optimus机器人：强大算力加速迭代FSD技术推动机器人落地•法规层面：法规标准逐步健全进一步支持FSD落地•投资建议•风险提示 智能驾驶对比|特斯拉绝对优势自主方面新势力相对领先 智驾方案对比｜纯视觉方案覆盖范围广、对算法要求强 FSD|软硬件全栈技术能力智驾能力全球领先 软硬件全栈技术能力出众智驾能力持续提高 •软硬件全栈技术能力，智驾能力全球领先。2013年起，特斯拉即开始构建自身智能驾驶能力，历经十余年发展，逐步构建从硬件（Mobileye到英伟达再到自研）到软件（从AP到FSD）的全栈技术能力，智能驾驶能力全球领先；•FSD Beta用户数量持续增加。2020年10月，FSD实现首次对外推送测试；2021年7月，特斯拉向约2,000名美国用户推送FSDBeta V9版本；2022年9月，特斯拉FSD Beta版本的测试用户扩大到16万，11月24日，FSD Beta向全部约40万用户开放使用权，用户数量保持持续增加。 影子模式，庞大的数据积累，进一步解决长尾问题。截至2021年末，特斯拉累计交付搭载AP硬件车辆229万辆；累计积累40+亿英里行驶数据。 全球领先的智能驾驶技术人才，从鸟瞰图BEV（Bird‘s eye view）到占用网络（OccupancyNetworks）。 自研Dojo超级计算机。拥有120个训练单元、3,000颗D1芯片、超过100万个训练节点的特斯拉机柜模型ExaPOD，其BF16/CFP8算力高达1.1EFLOPS。 FSD算法|BEV+Transformer将2D图像投影至三维空间 资料来源：Tesla AI Day，华西证券研究所 资料来源：Tesla AI Day，华西证券研究所 BEV+Transformer将2D图像视角转换成3D感知 •BEV是自动驾驶跨摄像头和多模态融合背景下的一种视角表达形式。它的核心思想是将传统自动驾驶2D图像视角（ImageView）加测距的感知方式，转换为在鸟瞰图视角下的3D感知。从实现任务来说，BEV的核心是将2D图像作为输入，最终输出一个3D的框架，在这个过程中，如何将不同传感器的特征实现最优表达是难点。 •Transformer是一种基于注意力机制（Attention）的神经网络模型。由Google在2017年提出，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，去挖掘序列中不同元素的联系及相关性，这种机制背后，使得Transformer可以适应不同长度和不同结构的输入。 FSD算法|基于Transformer的BEV：识别准&精度高 提高识别精度加强规划控制强化感知效果 •BEV视角缓解图像视角下的尺度和遮挡问题。由于视觉的透视效应，物理世界物体在2D图像中很容易受到其他物体遮挡，2D感知只能感知可见的目标，而在BEV空间内，算法可以基于先验知识，对被遮挡的区域进行预测。•将不同视角在BEV下进行统一表达，能极大方便后续规划和控制任务。主流规划和控制算法经过融合之后都会转换到以自车为中心坐标系中（VCS），对VCS来说，最适合的是BEV视角，也就是BEV感知结果输出的空间是规划和控制任务的标准输入。•BEV通过前融合带来提升，强化感知效果。采用BEV感知系统中，摄像头、毫米波雷达感知均在BEV空间中进行，融合过程提前。BEV还可以引入过去时间片段中的数据，实现时序融合，最终使感知效果更加稳定、准确。 FSD算法|占用网络显著提升自动驾驶效率引领工程化落地 通过占用网络进行算法优化显著提高自动驾驶效率 •特斯拉FSD通过占用网络，将感知层从2D结构提升至3D结构。占用网络可更好的将3D几何信息与语义信息融合，场景中遮挡、静止物体和动态物体均用方块表示，增加整体视野域，提升路径规划效率，提升自动驾驶效率。占用网络的核心逻辑是得到空间是否被占用的信息，不需要进行目标识别，而且具有多视角的特点，可以进行动态和静态的预测。 •此网络对之前算法进行了三点优化：（1）对BEV的优化：完成了2D到3D的转化。（2）固定尺度的矩形框：固定尺度的识别矩形会导致如下问题：a.悬空的物体如果被框住，会导致其下方变成不可通行区域；b.突出的物体如果没有被框住，会导致碰撞。Occupancy Networks将空间分为非常小的立方体，判断每个立方体是否被占用。这样可以生成较为精确的空间占用情况。（3）解决目标检测的长尾问题：目标检测会存在某些物体不存在于训练集中。占用网络不必要进行目标识别，避免此类问题。 FSD硬件|硬件持续迭代自主芯片走上舞台 •硬件持续迭代。HW1.0中的芯片和核心技术来自Mobileye，HW2.0版本基于英伟达Drive PX2芯片，并大幅提升了传感器的数量，前置摄像头、前后侧摄像头数目均有增加，算力也实现大幅提升,特斯拉HW2.5版本，相对HW2.0获得了80%左右的运算性能提升，提高了系统的可靠性和冗余性。 FSD硬件| HW4.0：返聘毫米波雷达摄像头分辨率提升 采用4D毫米波雷达提升摄像头分辨率 •或返聘毫米波雷达：特斯拉在2022年6月就向FCC申报了毫米波雷达，今年3月greentheonly爆出特斯拉HW4.0的详细资料，HW4.0包括1个高分辨率（4D）毫米波雷达、11个摄像头模组、1个计算盒子，合计