2024年特斯拉研究报告：短期看新车型销量及FSD，中期看能源，长期看Optimus

1 公司简介：从汽车生产到发展可持续能源，实 现产业链闭环

特斯拉（Tesla,Inc.）成立于 2003 年，总部位于美国加利福尼亚州的帕洛阿 尔托，由马丁·艾伯哈德（Martin Eberhard）和马克·塔彭宁（Marc Tarpenning） 创立，目标是开发和生产高性能的电动汽车。 2004 年，伊隆·马斯克（Elon Musk）成为公司的主要投资者和董事会主席， 随后逐渐成为公司的灵魂人物和 CEO。 2010 年在美国纳斯达克上市，成为自 1956 年福特汽车 IPO 以来第一家上市的 美国汽车制造商，也是第一家在美国上市的纯电动汽车独立制造商。

1.1 发展历程：三步走战略，实现汽车生产到智能驾驶转变

特斯拉的战略方向通过三篇“秘密宏图”（Master Plan 3）逐步展现： 第一篇宏图旨在加速世界向可持续交通的转变，先生产小众电动车如 Roadster， 然后投资生产中高端车型 Model S，再扩大到更具性价比的 Model 3，从而推广零排 放电力产品。 第二篇宏图强调创建全面的可持续能源和交通生态系统，包括开发太阳能产品、 扩展电动车产品线、推出自动驾驶技术，并提出未来的汽车共享理念。 第三篇宏图旨在推动全球向可持续能源转型，并提升人类生活质量。重点关注 规模化生产可再生能源和电动车、深入开发 AI 和机器人技术。 以公司官网发布的秘密宏图三大篇章，将公司的发展历程分为三大阶段：

1）2006 年-2015 年：探索阶段，从高端跑车到大众市场。 2006 年马斯克发布秘密宏图第一篇章，公司希望打造一款产量小的运动跑车率 先进入高端市场，随后不断推出容量更大、价更低的车型迈向大众市场； 利用 Roadster 电动汽车动力集合系统，公司于 2009 年 3 月发布了第二款电动 汽车 Model S 并于 2012 年交付； 2015 年公司推出了 Model S 新型号和 Model X，并引入了突破性的 Autopilot （自动辅助驾驶功能）。

2）2016 年-2022 年：扩张阶段，推陈出新，不断完善能源系统。 2016 年 8 月公司推出太阳能光伏屋顶；2016 年 11 月 12 日公司收购美国太阳 能发电系统供应商 Solar City，使特斯拉成为世界上唯一一家从发电到储存再到运输 的综合性可持续能源公司； 2017年1月收购德国 Grohmann Engineering 自动化生产公司，并推出了 Tesla Advanced Automation Germany，以此创新 Model3 的制造流；2017 年交付为大众 市场设计的低价轿车 Model3，成为世界上最畅销的车型之一，进一步巩固了特斯拉 在电动车市场的主导地位；并分别于 2016 年底和 2017 年开始交付 Powerwall 和 Powerpack 产品； 2019 年基于 Model3 发布新型 SUV Model Y，同年宣布开设上海超级工厂提高 产能；并于 2019 年底开始交付 Megapack 产品。 2022 年 12 月，生产和交付首款商用电动汽车 Tesla Semi，同时宣布计划生产 Cybertruck 和新 Roadster 等车型。

3）2023 年以后：持续发展阶段，可持续能源与 AI 技术不断融合。 2023 年 3 月 1 日，发布秘密宏图第三篇章，希望通过终端电气化、可持续的发电和储能，为实现全球可持续能源经济提供可行方案； 2023 年 11 月，交付电动皮卡 Cybertruck，正式进入市场前景广阔的皮卡市场； 2023 年 12 月下旬开始在北美公测自动驾驶 V12（FSD Beta），与此同时，特 斯拉还推出了 Optimus 机器人，标志着公司将 AI 技术从自动驾驶领域扩展到更广泛 的具身智能应用。

1.2 业务概况：以汽车业务为主，总营业收入持续增长

公司的业务包括汽车业务、能源生产和储蓄业务、服务及其他业务。2023 年， 公司实现营业收入 967.73 亿美元，同比增长 19.00%，主要得益于汽车交付辆的大 幅增长；24 年前两季度实现营收 468.01 亿美元，同比下降 3.02%，主要由于汽车整 体售价下降，同时弗里蒙特工厂更新后的 Model3 处于生产爬坡早期阶段产能运用不 足，红海危机和柏林工厂火灾导致部分工厂停工。

利润层面，2020年以来，公司归母净利润扭亏为盈，且不断保持增长，2023年 公司归母净利润达 149.97 亿美元，同比增长 19.18%。24 年前两季度实现归母净利 润 26.07 亿美元，同比下降 50.02%，主要由于 AI 项目相关费用增加和汽车销售价 格下降所致。

从地区角度来看，公司营业收入主要来自美国和中国两大市场，2023 年美国和 中国分别占营业收入的 46.74%和 22.47%。

1）汽车业务：是公司最主要的营收来源，包括汽车销售、碳排放积分及汽车 租赁三部分。2023 年公司实现汽车业务总收入 824.19 亿美元(yoy +15.3%)，主要 得益于 Model3 和 ModelY 在全球范围内的产量增加以及新车型 Cybertruck 的开发； 汽车业务总毛利率达 19.45%（同比下降 9.03pp），主要系汽车售价下降所致。 2018-2023 汽车业务占收比分别为 86.27%/84.71%/86.36%/87.75%/87.72%/85.17%。 其中，汽车销售收入占汽车业务的 85%以上。2023 年汽车销售收入达 785.09 亿 美元（yoy +16.8%），2023 年公司共生产 185 万辆（yoy +35%），交付 181 万辆 （yoy +38%）。 2）能源业务：主要包括光伏产品（太阳能）和储能产品的销售和租赁。其中 储能产品包括户储产品 Powerwall、大储产品 Megapack，光伏产品包括 Solar Roof （光伏屋顶）、Solar Panel（太阳能电池板）。2023 年，公司部署了 14.72 GWh 的 储能产品（部署量 yoy +125.1%）和 223 MW 的太阳能产品（部署量 yoy -35.9%）， 得益于 Megapack 储能产品部署量的显著增加，2023 年实现储能业务总收入 60.35 亿 美元（yoy+54.4%），毛利率 18.91%（同比提升 11.54pp）。2018-2023 储能业务占 收比分别是 7.25%/6.23%/6.32%/5.18%/4.80%/6.24%； 3）服务及其他业务：主要包括车身修理厂和零部件销售收入、非保修维修服 务收入、付费超级充电收入和保险服务收入等。2023 年公司实现服务及其他业务收 入 83.19 亿美元，同比增长 36.58%；2018-2023 服务及其他业务收入占收比分别是 6.48%/9.06%/7.31%/7.06%/7.48%/8.60%。

1.3 股权结构：股权结构稳定，善用股权激励

创始人兼 CEO 伊隆·马斯克是公司的最大个人股东，截至 2024 年 3 月 31 日，持 有 12.89%的股份。其他主要股东包括大型机构投资者，如 Vanguard Group 和 BlackRock，它们分别持有 7.21%和 5.92%的股份。此外，机构投资者如基金公司、 养老基金和投资银行也是特斯拉的重要股东。公司股东结构相对分散，这也反映了 特斯拉在全球市场上的广泛影响力和投资者的高度关注。

公司上市后，在不同发展阶段中面向不同群体实施了多次关键的股权激励计划： 公司 2010、2019 年发布 2 次面向员工的股权激励计划；于 2010、2014 年发布 2 次 面向管理层的股权激励计划，以吸引和留住优秀的人才；于 2012、2018 年发布 2 次 针对 CEO 马斯克的股权激励计划。 1.2012 年，董事会为马斯克制定第一个股权激励 10 年计划，允许马斯克以每 股$31.17 的行权价购买特斯拉 527 万股普通股期权，占当时特斯拉流通股总数的 5%。 该计划完全由业绩股票期权组成，一共包括 10 个档次，只有同时完成市值目标和运营目标时，该档次的期权才会归属马斯克。截至 2018 年 2 月，10 档市值目标便已 经全部完成，10 档运营目标也已经完成 9 个。

2.2019 年，董事会为马斯克制定第二个股权激励 10 年计划，允许马斯克以每 股$350.02 的行权价购买特斯拉 2030 万股普通股期权，占当时特斯拉流通股总数的 12%。和 12 年的股权激励计划类似，该计划完全由业绩股票期权组成，一共包括 12 个档次，只有同时完成市值目标和运营目标时，该档次的期权才会归属马斯克。

2 汽车业务：大众车型带动汽车业务快速放量， FSD 有望成为新增长点

2.1 特斯拉汽车业务是什么

2023 年公司汽车业务收入达 824.2 亿美元（yoy +15.33%），占总收入的 85.2%； 毛利润达 160.3 亿美元（yoy -21.24%），毛利率达 19.45%，同比下降 9pp，主要 是汽车售价下降所致；24Q2 特斯拉汽车业务收入达 198.8 亿美元（yoy -6.5%）， 占总收入的 77.9%，24Q2 汽车业务毛利润达 36.7 亿美元（yoy -10.2%），毛利率 达 18.5%，同比下降 0.8pp。

公司汽车业务包括汽车销售业务（Automotive sales）、汽车监管积分业务 （Automotive regulatory credits）、汽车租赁业务（Automotive leasing）三 块，其中汽车销售业务（Automotive sales）最近三年每年的占比均超过九成，为 特斯拉的基石业务。

1.汽车销售业务（Automotive sales）：包括销售 Model S、Model X、Semi、 Model 3、Model Y 和 Cybertruck 取得的收入，以及订阅特斯拉 FSD 功能及其持续 维护、互联网连接、免费超级充电计划和无线软件更新服务。汽车销售业务 （Automotive sales）2023 年有较大下滑，主要由于 2023 年整体价格同比下降、 销售组合以及美元兑其他外币走强的负面影响，车辆平均售价有所下降。 2. 碳积分业务（Automotive regulatory credits）：政府为鼓励汽车制造商 生产更环保的车辆设立的政策，汽车制造商需要达到一定积分，特斯拉可以把多余 的积分出售给未达标的企业。汽车监管积分业务由于没有直接成本，所以此项业务 毛利率是 100%。 3.汽车租赁业务（Automotive leasing）：汽车租赁业务分为两类： 1）车辆租赁模式（Direct Vehicle Operating Leasing Program）这种模式主 要适用于美国、加拿大，车主最长可以租赁特斯拉车辆 48 个月。租赁到期后，部 分 Model S、X 车主可以预定的价格购买车辆。但大部分车辆在租赁到期后产权归属 特斯拉，特斯拉可以进行二次销售。 2）销售型租赁模式（Direct Sales-Type Leasing Program）2020 年 3 季度起， 特斯拉在亚洲和欧洲的一些国家推出了“销售型租赁模式”，最长租期 48 个月。 这种“租赁模式”类似于 “明股实债”，主要是为了满足监管方面的要求，实际 上就是分期付款。

2.2 特斯拉汽车业务做了什么

2.2.1 电动跑车 Roadster：以小众高端电动跑车切入汽车市场，高 举高打颠覆用户认知

Roadster 作为特斯拉的首款车型，回答了“特斯拉如何造出一台车”的问题。 造车背景：特斯拉成立初期，无论生产制造工艺、供应链管理或是企业品牌， 都无法与有着几十年甚至上百年积淀的传统车企相提并论。而且当时电池成本高达 $1000/KWh、产业链配套也不成熟，所以造电动车的成本十分昂贵。既然第一款车 注定亏钱，不如面向高收入用户群体推出高端电动跑车，颠覆人们对于电动车续航里程短、性能差的认知。 交付情况：2006 年 7 月，在经历三年研发后，特斯拉首次公开其黑红两色原型 车——EP1 和 EP2，并表示第一批 Roadster 交货时间为 2007 年年中。但是从研发转 向生产后，暴露出来一些生产问题：碳纤维车身喷漆困难、变速系统存在问题、在 泰国建立的电池工厂无法完成生产任务等；而且由于供应链采购缺乏规模效应，最 初的 50 辆 Roadster 的研制成本从平均 6.5 万美元上涨到超 10 万美元，1000 名预 定用户中有 30 多名因为交付延期而取消订单。最终 2008 年第一代 Roadster 才正式 上市，基本价格为 98950 美元，首辆 Roadster 被交付给马斯克。 汽车性能：初代 Roadster 由特斯拉汽车公司与英国汽车制造商莲花公司合作 开发，以莲花公司的轻型双座跑车 Lotus Elise 为基础，由 Lotus 提供车身设计以 及底盘研发，特斯拉负责把电池组、电动机、变速器和 PEM（功率电子模块）等动 力系统搭载上去。最初版本配备了 53 千瓦时的锂离子电池组，百公里加速度约 3.7 秒，最高续航约 400 公里，起步阶段的推背感甚至超越法拉利等传统跑车，这些性 能数据证明了可以制造出具有汽油跑车的续航能力和性能的电动汽车。作为第一款 采用锂电池技术的超跑，Roadster 一经推出便受到诸多好莱坞明星和硅谷高管等社 会名流青睐。

销量情况：因为产品定位和受众的局限性，Roadster 带来的经济效益有限，于 2012 年宣布停止生产。公司公告显示，从 2008 年 2 月上市到 2012 年停产，特斯拉 共生产了 2450 辆 Roadster，售价约为 10 万美元以上。 12 年停产后，17 年重启 Roadster 车型：2017 年 11 月，特斯拉在电动卡车 Semi 发布会的尾声发布新一代 Roadster 超跑，起售价 20 万美元。至今仍未交付， 24 年 2 月，马斯克表示计划在 2024 年底推出新一代 Roadster 超跑；24 年 7 月马斯 克表示，下一代 Roadster 将填补 Model S Plaid Plus 的空白，有望成为特斯拉的 旗舰级光环汽车（在汽车性能方面能与最高水平竞争的汽车）。

2.2.2 乘用车 Model SX3Y：大单品策略降本增效，产品线覆盖主流 车种

不同于传统车企丰富的车型和产品线，特斯拉选择从高端到低端每个主流价格 段推出一款车型，实现对传统车企品牌壁垒的冲击。继 2012 年发布四门纯电动豪 华轿跑车 Model S、2015 年交付全尺寸纯电动 SUV 车型 Model X 之后，特斯拉依靠 公司的技术优势，分别于 2017 年/2020 年推出更具性价比的 Model 3/Y，快速抢占 中端市场份额。2024 年 7 月，马斯克在 24Q2 业绩交流会上表示，2025 年上半年将 推出一款更实惠的车型。

2.2.2.1 Model S

Model S 作为特斯拉的首个畅销车型，回答了“特斯拉如何造好一台车”的问 题。Model S 是特斯拉第一款真正意义上的量产车型，于 2012 年 6 月正式交付，定 位为中大型豪华轿车。当时共推出三款，配备电池 40kWh、60kWh、85kWh，售价 5.74万美元-8.74万美元，对应百公里加速度最快达4.4秒，续航里程最高可达483 公里。Model S 首次引入了 17 寸中控触摸屏，集成车辆信息查询、导航、音乐等多 种功能，同时配备 4GLTE 无线网络，车主可以免费享受系统 OTA 空中升级服务,例如 2014 年推出的 Autopilot 自动辅助驾驶功能。 作为首款高端电动车，Model S 一经推出便大受好评，带动特斯拉收入利润快 速增长。2012 年年末，Model S 预定量达 15000 辆；2013 年，Model S 在美国中大 型豪华轿车市场的市占率超过奔驰 S 系、宝马 7 系等老牌豪车品牌，排名第一。随 着 Model S 交付，特斯拉收入成倍增长，并于 13Q1 年首次扭亏为盈，实现净利润 1125 万美元。

2.2.2.2 Model X

2015 年 9 月，搭载鹰翼门的首款纯电动 SUV Model X 正式交付。Model X 和 Model S 底盘同源，共用约 30%的零部件，因此性能和价格也与 Model S 类似。 Model X拥有双电机四轮驱动技术，其最高端版本仅需3.2秒便可完成百公里加速， 最高时速可达 155 英里/小时（约合 249 公里/小时），续航里程 257 英里（约合 414 公里），充电时间和 Model S 接近，并配备和 Model S 一样的由 NVIDIA Tegra 驱动 的信息娱乐系统。

2.2.2.3 Model 3

继 Roadster 回答“特斯拉如何造出一台车”的问题、Model S 回答“特斯拉如 何造好一台车”的问题之后，Model 3 回答了“特斯拉如何大规模的造好车”的问 题。 2016 年 3 月特斯拉发布 Model 3 并表示该车型将于 17 年交付；发布 24 小时内 就有超 115000 人预订了 Model 3，超过了 2015 年全年特斯拉的交付量；两天后， 特斯拉宣布预定数量超过 232000 个；一周后，特斯拉表示预定数量超 325,000 个， 比截至 2015 年底 Model S 累计销量的三倍还多，其中 93%来自没有特斯拉的新买 家。 2017 年 7 月，Model 3 正式交付，标准版起步价 3.5 万美元、续航里程 354 公 里，百公里加速 5.6s，最高时速 210 公里。insideEVs 数据显示，2018 年 Model 3 北美销售量达 139782 台，为 18 年北美电动车销量冠军，占北美电动车总销量的 39%。

Model 3 的大获成功带动特斯拉的营收快速增长。2018 年全年公司收入达 214.6 亿美元（yoy +82.5%），净亏损达 9.8 亿美元（同比收窄 50%）；其中，18Q3、 18Q4 收入均同比翻倍，并实现单季度扭亏为盈。

2.2.2.4 Model Y

2019 年 3 月特斯拉发布纯电动紧凑型中型 SUV Model Y，并于 2020 年 3 月正 式交付。Model Y 基于 Model 3 的平台生产，与 Model 3 共享约 75%的零部件，Model Y Performance 版的百公里加速达 3.5s，EPA 续航里程为 483Km，和 Model 3 一样， 支持高达 250kw 的第三代超充，仅需 15 分钟即可将电量从 20%充至 80%。

2.2.2.5 新车型展望

24Q1 业绩会上，特斯拉表示正在加速低成本新车型的推出，计划提前至 2025 年初、甚至可能在今年晚些时候推出，新车型将同时利用新一代及当前平台的技术， 并在现有生产线上生产，从而让公司最大限度地利用接近 300 万的最大年产能。

2.2.3 电动皮卡 Cybertruck

Cybertruck 是特斯拉旗下首款电动皮卡，于 2019 年 11 月 22 日在洛杉矶总部 发布；官方数据表示，亮相仅一周时间，订单数超 25 万辆；23 年 12 月， Cybertruck开启首批交付；标普全球数据显示，7月份共交付5175辆Cybertruck。 该款车型共提供三个版本，后轮驱动版、全轮驱动版、Cyberbeast 版起售价分别 60990美元（约合人民币435242元）、79990美元（约合人民币570833元）、99990 美元（约合人民币 713558 元），其中野兽版的零百公里加速仅需 2.6 秒，是全世界 加速最快的皮卡。24Q1 业绩会，公司表示 Cybertruck 产量已达到每周 1000 辆。 能装货、能载人，皮卡已经成为美国文化的重要组成部分。Car&Driver 的 《2023 年美国轻型车销量报告》显示，2023 年美国本土 SUV、轿车、MPV 以及皮卡 的总销量达到 1560.8 万台，其中皮卡的销量达 286 万台，份额达 18.3%。与传统皮 卡不同，特斯拉 Cybertruck 拥有多项更新，有望颠覆现有皮卡市场：

1. 外骨骼采用 30X 不锈钢：更坚硬、更具未来感

车辆外壳采用特斯拉自研的 30X 冷轧不锈钢材质（无需车漆），硬度比普通铝 合金更硬，可以减少表面凹陷、损坏和长期使用造成的腐蚀，甚至可以防弹。而且， 与使用冲压机器将碳纤维雕琢成曲线玲珑的车身面板相比，不锈钢更适合做直线和 锐角设计，因此拥有更具未来感的楔形外观设计。

2.车顶光伏：更坚硬、更便宜、更具未来感

Cybertruck 车后顶有一块光伏板（即车顶光伏），暴晒一天可增加 24 公里的 续航里程，可以在应急条件下补能。而且是无感知补能，可以维持电池低温管理、 整车热管理系统等所需的电量，显著改善车辆长时间停放导致的锂电池掉电。

3.线控转向：狭窄空间更易操控

线控转向系统（Steer-by-Wire System）作为新一代的转向系统，其转向盘和 转向轮之间没有直接的机械连接，而是通过电子信号进行控制。其优点在于： 1）灵活性高：由于没有直接的机械连接，因此可以在不改变现有车辆结构的 前提下，轻松地进行升级和改造。 2）操纵稳定性好：通过电子控制单元（ECU）对转向轮进行精确控制，能够更 好地适应不同的驾驶环境和驾驶风格。 3）安全性强：ECU 可以实时监测车辆的行驶状态和驾驶员的转向操作，一旦发 现异常情况，可以立即采取相应的措施，提高车辆的安全性能。

4.48V 低压架构：更好地适应高负载设备

Cybertruck 是世界上第一辆全 48V 低压架构车型。这里的 48V 指的是给车内设 备供电的那块电池的输出电压，而不是给车辆提供动力的那块动力电池的输出电压。 目前高端电动车的主动力电池基本都是 800V 的高电压平台，但很多车型的车内系 统的供电电池还停留在 12V，这导致接线和组件必须更大、更重，才能处理高电力 负载，对于那些对功率要求更大的设备，比如照明、绞车、空气压缩机等等，12V 可能不够用。 而 Cybertruck 直接采用 48V 电气架构，可以更好地适应高负载设备，采用更 细、更少的车内线束，随着电动车的智能化需求越来越多，48V 电气架构可以为未 来高算力芯片提供充足的电力保障。

2.2.4 电动卡车 Semi

特斯拉首款电动卡车 Semi 最早在 2017 年公开亮相，原计划在 2019 年投产，但 因各种原因被多次推迟，直到 2022 年 12 月，才开始向百事公司小批量交付 Semi 电 动卡车。特斯拉 Semi 共有两个版本，入门版单次充满电后续航里程为 300 英里（约 482.8 公里），售价为 15 万美元（约合人民币 105.9 万元）；高配版单次充满电后 续航里程为 500 英里（约 804.7 公里），售价为 18 万美元（约合人民币 127.1 万 元）。 Semi 在满载（约 36 吨）状态下，零百加速 20 秒左右，而传统的半挂卡车在 36 吨载重的情况下，加速度普遍在 45 秒以上；空载状态下，零百加速时间只有 5 秒。 此外，官方信息还显示，特斯拉 Semi 的风阻系数为 0.36，而平头重卡的风阻系数 在 0.51-0.56，因此 Semi 相对于平头重卡可以有效节能。

24Q1 业绩会，公司表示，Semi 工厂计划于 2025 年完工，并于 2025 年底推出首 批 Tesla Semi，外部客户将从 2026 年开始可以购买 Tesla Semi； 7 月 29 日，公司公布了即将建设的 Semi 工厂的效果图，其落座于美国内华达 州的特斯拉超级工厂（Gigafactory Nevada）附近，专门用于生产特斯拉 Semi 电动 重卡，预计将于明年正式投产。

2.3 特斯拉汽车业务做对了什么

2.3.1 一体化压铸+CTC，助力技术性降本

马斯克曾表示，一体化压铸技术配合 CTC 技术，可以节省 370 个零部件，为车 身减重 10%，将每千瓦时的电池成本降低 7%。

1.一体化压铸技术

2020 年 9 月特斯拉在电池日上宣布 Model Y 将采用一体化压铸后底板总成，该 技术取代传统的“冲压+焊接”工艺，利用超大吨位压铸机一次压铸成形，一体化 压铸后底板总成替代原有的 79 个零部件，使下车体总成减重 30%，白车身焊点从 700～800 个减少到 50 个，生产节拍也从传统工艺的 1～2h 短至 3～5min，成本从全 铝焊接的 3w 降低至 1-1.2w。

2.4680 及 CTC 技术

2020 年 9 月 22 日的电池技术日活动上，特斯拉发布全新 4680 型电池，这款电 池采用了无极耳、高镍（无钴）、硅碳负极等关键技术和材料，将直径和厚度扩大 至 46mm 和 80mm，相较于上一代圆柱型电池，单颗电芯容量提升 5 倍，功率将是以 前的 6 倍；在整车层面实现了 16%续航里程的提升，成本降低了 14%，单 GWh 投资成 本降低了 7%。根据海外车主实测，4680 电池组只需 52 分钟就能充入 97％，而且剩 余电量显示为零之后依然能行驶近 5 公里。 会议上，特斯拉同时发布了全新的整包封装技术 CTC（Cell to Chassis），即 取消电池包设计，直接将电芯或模组安装在车身上。应用 CTC 技术后的新架构是物 理层面的创新，将电池组作为车身结构的一部分，连接前后两个车身大型铸件，取 消原有座舱底板，取代以电池上盖，座椅直接安装在电池上盖上。 技术投入回报明显，持续降本增强优势。随着近三年一体化压铸以及 4680 电 池投产等新技术的运用，特斯拉单车成本不断降低，部分抵消了近两年的车企价格 战中由于单车售价造成的毛利率下滑。

2.3.2 工程交叉论+工厂高效率，助力流程性降本

1.工程交叉论

我们认为，工程交叉论是对平台化的进一步升级，可以最大程度的复用工作成 果、提升工作效率、快速提高产品性能。 平台化：造车领域的平台化就是先投入较多的成本、时间开发出若干平台，将 大部分可通用的零部件确定，并留有一定调整余地，未来 3-5 年在平台上进行类似 “套娃”的设计开发，从而大大缩减开发工作量。3-5 年之后，如果老平台过时了， 那就再开发新平台，或者在老平台基础上改一改成为新平台。 平台化的意义：车企可显著降低成本。如果某车企有 10 款车，每款车有 1000 个零件，平台化之前零件复用率为 10%，那么这 10 款车就有 1000*（1-10%） *10+1000*10%=9100 个不同的零件；平台化之后，假设零件复用率达到 70%，那么 10 款车型有 1000*（1-70%）*10+1000*70%=3700 个不同的零件。总零件数下降 60%， 大大降低了供应商管理及制造过程的复杂度，而且复用的零件需求量增加了，设计 与采购成本会大大降低，因此车企会追求较高的零件复用率。对于特斯拉而言，趋 势也是如此，Model X/S 同平台，共用约 30%的零部件，Model Y/3 同平台，共享约 75%的零部件。

工程交叉论：由于同时拥有多家公司，马斯克提出工程交叉论，指的是将火箭 及宇宙飞船领域与汽车工业领域的专业知识交叉应用 起源：2015 年 12 月，时任苹果产品设计总监的 Charles Kuehmann 和马斯克达 成了一项人事协议：Charles 将同时担任 SpaceX 和特斯拉两家公司的材料工程副总 裁。在苹果工作之前，Charles 曾在集成计算材料工程领域的头部公司 QuesTek 工 作，Questek 独立研发了名为 Materials by Design 材料设计方法，借助专业的应 用程序和计算机建模来开发新型合金，这种方法比传统试错开发法的开发周期快 50%、开发成本低 70%。QuesTek 开发的合金材料广泛应用于航空航天、高性能汽车 行业，客户包括波音、劳斯莱斯、NASA，以及 SpaceX，因此马斯克认为 Charles 同 时在特斯拉和 SpaceX 任职才是合乎逻辑的。 过程：加入特斯拉和 SpaceX 后，Charles 领导成立了特斯拉＆SpaceX 联合材料 工程小组，并推动两家公司定期举行联席会议来同步最新的研究进展。Charles 认 为，两家公司在工程方面拥有很多相同的追求，例如，特斯拉汽车每增加 1kg 车身 质量，就会减少 1kg 有效载荷质量，降低本身质量的追求与火箭类似；此外，特斯 拉全系汽车都保持着同级量产车最低的风阻，而 SpaceX 有专业的轻量化材料专家 和风阻设计工程师。

成果：17Q2 财报会议上，马斯克公布了工程交叉论的成果，在 SpaceX 科学家 的帮助下，特斯拉工程师将 Model3 的制造工时降低了 8 个小时；而 Cybertruck 和 星舰 Starship 同宗同源的 30x 不锈钢合金材料，终于让 Charles 领导的联合材料工 程小组所做的工作归于统一。

2.工厂高效率

目前，特斯拉在全球有 6 个工厂，分别是美国加州弗里蒙特工厂、得州奥斯汀 超级工厂、内华达超级工厂、纽约超级工厂、上海超级工厂、柏林超级工厂。 1）加州弗里蒙特工厂（生产 S3XY）：加州弗里蒙特工厂是特斯拉第一座整车 组装厂。1962 至 1982 年间，弗里蒙特工厂隶属于通用汽车公司；1984 至 2009 年 间，弗里蒙特工厂隶属于丰田汽车公司创立的新联合汽车制造公司；2010 年，特斯 拉收购该工厂并进行了大规模升级改造。 弗里蒙特超级工厂占地面积 150 万平方米，主要生产 Model 3/Y 以及部分 Model S/X。24Q2 季报显示，加州工厂 Model S/Model X 的年产量达 100,000 辆，Model 3/Model Y 的年产量达>550,000 辆。

2）内华达超级工厂（Giga 1，生产各种电池+Semi）：内华达超级工厂于 2014 年在美国内达华州破土动工，16Q1 开始投产，集成 Model 3/Y 和新能源产品的电池 材料的生产，每年生产数十亿个电池。 23 年 1 月，特斯拉表示将追加至少 36 亿美元用于内华达超级工厂的扩建，将 在特斯拉现有的内华达超级工厂基础上，增加 400 万平方英尺的占地面积，包括一 家 4680 电池工厂和一家 Semi 半挂电动卡车工厂。扩建示意图显示，将在原有的工 厂（紫色）旁扩建一座 4680 电池工厂（绿色）和一座 Semi 生产工厂（蓝色）。

在内华达之前，特斯拉已经在加州工厂与得州工厂铺设4680产能。22年2月， 特斯拉官方表示，位于加州的试点工厂在 22 年 1 月生产了 100 万块 4680 电池，新 电池将在得州生产的 Model Y 上装车；24Q2 财报会上，公司表示，得州工厂目前每 周为 Cybertruck 生产超 1400 个 4680 电池。 内华达扩建后 4680 电池工厂的产能短期是 100GWh，长期是 1000GWh。23Q1 财 报会上，马斯克表示，扩建后内华达 4680 电池工厂的产能规划是达到 100GWh，目 前仅 35GWh，而 100GWh 的规模每年将生产足够 150 万辆轻型汽车使用的电池数量。 长期目标是自主生产超 1000 GWh 电池，并继续采用外部供应商提供的电池，以扩大 生产规模。 3）纽约超级工厂（Giga 2，生产太阳能电池板+Dojo）：纽约超级工厂由 2016 年特斯拉收购 SolarCity 公司获得，并于 2017 年投产，厂区共 11 万平方米。2017 年建成后，这家工厂曾与松下合作，使用进口的日本光伏电池进行组装产品；2018 年，开始生产单个太阳能电池；2019 年至 2020 年初，推出太阳能屋顶光伏电池板； 2020 年 5 月，松下结束了与纽约工厂太阳能电池联合生产的合作关系，9 月底前彻 底退出了该工厂，之后，纽约工厂为其他超充网络运营商生产充电设备。 目前，纽约工厂主要生产太阳能电池板和太阳能电池，最终扩展到制造增压器 组件，还有一些员工专门负责自动驾驶数据分析，暂未直接参与汽车制造业务。24 年 1 月，公司表示，将投资 5 亿美元在纽约超级工厂建造其下一个 Dojo 超级计算机 集群。

4）上海超级工厂（Giga 3，生产 3Y+储能工厂即将投产）：上海超级工厂是特 斯拉在海外建设的第一座工厂，占地面积 86 万平方米，18 年 12 月开始建设，19Q4 开始投产。最初，特斯拉在上海主要生产中型电动汽车 Model 3，随后扩展到 Model Y，24Q2 公司财报表示，以 24Q2 的产能推算，上海超级工厂 24 年 Model 3/Y 的产 能有望超 95 万辆。

5）德国柏林超级工厂（Giga 4，主要生产销往欧洲的 Model Y）：特斯拉德国 柏林超级工厂是特斯拉在欧洲建立的首家超级工厂，自 2022 年 3 月起，开始生产特 斯拉 Model Y。这家工厂占地 300 万平方米，是上海工厂一期的 3 倍以上，投资 50 亿欧元。 第一阶段，柏林工厂产能目标为 50 万辆，24Q2 财报显示，柏林工厂最新 Model Y 年产能大于 37.5 万，和产能目标相比仍有提升空间。 23 年 7 月，德国勃兰登堡环境部宣布，特斯拉正计划扩建柏林超级工厂，并将 扩建工作分为三个阶段进行，目标是扩建后每年生产 100 万辆汽车和 100 GWh 的电 池。24 年 4 月，该项扩建计划终于获得批准。

6）得州超级工厂（Giga 5，生产 Model Y 和 Cybertruck+4680 电池+超级计算 集群 Cortex）：得州超级工厂于 2020 年 7 月开工建设，2022 年 4 月投入生产，占 地面积达 12000 亩，是目前特斯拉占地面积最大的工厂，大约是上海超级工厂的 4 倍，投资额至少 100 亿美元，目前主要生产 Model Y 和 Cybertruck，并拥有多条 4680 产线。

布局：与加州弗里蒙特工厂不同，得州超级工厂采用芯片式的布局设计，内部 建筑群高度集中，减少了建筑物之间的物料移动时间，原料从厂房的一端进来，经 过一系列加工后，成品车会从厂房的另一端出来，形成效率极高的生产闭环。得州 工厂在原有冲压、焊接、油漆、总装四大工艺外，还加上了电池组装环节。

Model Y 及 Cybertruck 进展：2022 年 4 月，得州工厂开始交付 Model Y，24Q2 财报显示，得州工厂的 Model Y 年产能大于 25 万台；Cybertruck 于 23Q4 正式在得 州工厂投产，24 年 4 月周产量超过 1000 辆，24Q2 财报显示，得州工厂的 Cybertruck 大于 12.5 万，并有望在 24 年年底实现盈利。 4680 电池进展：24 年 6 月 6 日，特斯拉表示第 5000 万枚 4680 电池于得州工 厂下线；24Q2 财报会上，公司表示，得州 4680 电池产量环比增加 51%，且销售成本 显著降低，目前每周为 Cybertruck 生产超 1400 个 4680 电池。同时，公司用量产设 备制造出了第一辆采用干法阴极工艺的验证型 Cybertruck，并有望在 24Q4 量产全 干法 4680 电池，大幅降低电池成本。 超级计算集群 Cortex 进展：24Q2 财报会上，公司表示，即将完成 Giga Texas 工厂的扩张，超级计算集群将增加 5 万个 Nvidia H100 AI 芯片，2 万个 FSD 计算硬 件 AI5；24 年 8 月，马斯克表示，得州超级计算集群被命名为“Cortex”，拥有约 10 万颗英伟达 H100/H200 芯片，用于训练 FSD 和人形机器人擎天柱。 其他：24Q2 财报会上，公司表示，Robotaxi 将在得州总部生产，Optimus 生产 版本也将于 25 年年底在得州生产。

7）墨西哥超级工厂：2023 年 3 月，特斯拉宣布将在墨西哥建设一座超级工厂， 用于生产基于新汽车平台的下一代电动汽车。该工厂的面积将是国内上海工厂的 20 倍，占地超 4200 英亩，第一阶段投资为 50 亿美元、计划员工规模为 5000 人，第二 阶段，会再加 50 亿美元及 5000 名员工。 24Q2 财报会上，公司表示，目前暂停了墨西哥工厂项目，需要在选举后看看情 况，因为特朗普曾表示对在墨西哥生产的车辆征收重税。如果情况确实如此，那么 在墨西哥投资很多就没有意义。

2.4 特斯拉智能驾驶做了什么

特斯拉是截止目前全球唯一一家实现了自动驾驶核心领域全栈自研自产的科技 公司，在数据、算法、算力等各个层面打造了一套包含感知、规控、执行在内的全 链路自动驾驶软硬件架构。自 2016 年特斯拉启动自动驾驶自主研发到 2024 年 6 月 FSD V12.4 版本推出，8 年时间里，特斯拉迭代了 4 代硬件计算平台、12 个软件算 法版本、3 款自动化驾驶解决方案。

2.4.1 硬件：4 代计算平台

HW 1.0：基于英特尔 Mobileye 芯片搭建。2014 年，特斯拉推出 HW 1.0，搭载 英特尔 Mobileye EyeQ3 单芯片平台，配置一颗英伟达 Tegra 3（GPU）、一颗检测 范围为 160 米的前置毫米波雷达、2 个摄像头、12 个中程超声波雷达。其中， Mobileye 提供底层芯片与视觉算法技术，特斯拉仅负责多传感器融合与应用层软件 开发。2014 年至 2016 年期间，HW 1.0 先后装于 Model S 与 Model X 车型。 HW 2.0：与英伟达合作，传感器数量有所增长。2016 年，特斯拉推出 HW 2.0， 搭载英伟达 DRIVE PX 2 平台，配置 1 颗英伟达 Tegra Parker SoC 芯片（同时，特 斯拉在内部启动自研芯片项目）、1 颗英伟达 Pascal GPU、1 颗英飞凌 TriCore MCU， FPS 比 HW 1.0 增加两倍至 110，算力增加 46 倍至 12 TOPS(1 TOPS 代表处理器每秒 钟可进行一万亿次操作)。配套组件方面，摄像头增加至 8 个，12 个超声波雷达由 中程升级为远程。其中，英伟达提供计算平台与开发工具，特斯拉负责图像识别算 法、多传感器融合与应用层软件开发等工作。2016 年 10 月起，特斯拉售出的所有 汽车均有配置 HW 2.0。 HW 2.5：芯片增配至两颗，可识别障碍物身份识别。2017 年特斯拉推出 HW 2.5， 沿用英伟达 DRIVE PX 2 平台，但 Tegra Parker 芯片增至两颗；前置毫米波雷达检 测范增长10米至170米，相机彩色滤镜阵列切换至RCCB，可同时感知亮度及颜色， 在探测有无障碍物的基础上新增了物体识别功能，是AP精准性进展的重要里程碑。

HW 3.0：特斯拉自研 FSD 芯片，性能提升的同时成本有所降低。2019 年，特斯 拉推出 HW 3.0，搭载特斯拉自研的 FSD Computer，装配两颗自研 FSD 芯片，FPS 由 110 增加至 2300，算力由 12 TOPS 增加至 144 TOPS，而 HW 3.0 的成本却是 HW 2.5 的 80%。 套件方面，HW 3.0 与 HW 2.5 完全一致，仍采用 8 个可环视摄像头、1 个大陆毫 米波雷达、12 个超声波传感器方案。在 HW 3.0 研发过程中，特斯拉负责了全套芯 片设计、图像识别算法、多传感器融合与应用层软件开发等多项工作，自研比例显 著提升。 24Q1 业绩会上，公司表示，目前所有车辆均配备 HW 3.0，在北美有 180 万辆车 配备 HW 3.0，FSD 使用率超 50%，且在持续上升。

HW 4.0：性能持续提升。2023 年，HW 4.0 开始装车，采用 FSD 二代芯片，车载 摄像头由8个提升至12个（其中1个为备用），4D毫米波雷口1个（代号Phoenix）， 未配置超声波雷达。24Q1 业绩会上，公司表示正在积极推进 HW 4.0, HW 5.0 设计 工作也基本完成，期待明年年底前部署到车辆上。

2.4.2 算法：三大算法模块引领行业发展

特斯拉对于自动化驾驶功能始始终采取硬件先行上车、软件持续迭代的思路。 整体而言，特斯拉的自动驾驶架构是采用纯视觉方案实现对世界的感知，并基于原 始视频数据通过神经网络构建出真实世界的三维向量空间，在向量空间中通过传统 规控方法与神经网络相结合的混合规划系统实现汽车的行为与路径规划，生成控制 信号传递给执行机构，同时通过完善的数据闭环体系和仿真平台实现自动驾驶能力 的持续迭代。 自动驾驶的算法模块分为感知、决策规划和运动控制。其中，感知模块是自动 驾驶的核心，大部分的技术升级都集中在感知模块。

2.4.2.1 感知算法

正如上文提到的，HW 1.0 时代，由 Mobileye 提供底层芯片与视觉算法技术， 特斯拉仅负责多传感器融合与应用层软件开发；HW 2.0 时代，特斯拉才开始负责图 像识别算法、多传感器融合与应用层软件开发等工作。

1.2016 年-2018 年：技术追赶期。 此时，特斯拉使用的是业内常规的骨干网结构，并使用 2D 检测器进行特征提 取、用人工对数据进行标注。尽管 2016 年 10 月特斯拉便推出了 HW 2.0，但直到 2017 年 3 月，Model 3/Y 才真正用上 Autopilot 功能。

2.2018 年-2019 年：技术微创新。 当时，自动驾驶的目标检测环节普遍遵循一个通用的网络结构：input（输入 信息）→backbone（主干网络）→neck（提取更精细的特征）→head（头部完成任 务）→Output（输出结果）。当时的自动驾驶视觉神经网络都只有一个 head，但 是在自动驾驶的场景中，往往需要在一个神经网络中同时完成多项任务，如车道线 检测、人物检测与追踪、信号灯检测等，这就导致原有算法出现了“脑袋不够用” 的情况。因此，2018 年，特斯拉开始对自动驾驶算法进行第一次革新：构建了多任 务学习神经网络架构 HydraNet，并使用了特征提取网络 BiFPN。

3.2020 年-2021 年：技术革命期。 2019 年 4 月，特斯拉发布了 HW 3.0 系统，高性能为算法的下一次迭代提供了 前提条件；2020 年 8 月，马斯克表示，Autopilot 团队正对软件的底层代码进行重 写和深度神经网络重构。在这次重构中，特斯拉带来的一系列技术方向被自动驾驶 行业的玩家延用至今，如 BEV + Transformer、特征级融合取代后融合、数据自标 注取代人工标注等。

1）BEV + Transformer

2020 年，特斯拉在自动驾驶技术中引入 BEV+Transfomer 架构,将 2D 图像升维 到 3D。特斯拉先在 BEV 空间层初始化特征，再通过多层的 Transformer 和 2D 图像 特征进行交互融合，最终得到 BEV 特征。也就是先 3D 再 2D，反向开发，实现 BEV 的转换。 为什么要引入 BEV（鸟瞰图）？摄像头采集的是 2D 图像，而自动驾驶面对的却 是三维真实世界，只有引入3D空间，才能使自动驾驶的思维方式更接近真实世界。 为什么要引入 Transformer？与传统神经网络 RNN 和 CNN 不同，Transformer 是 一种基于注意力机制（Attention）的神经网络模型，不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，因此 Transformer 可 以适应不同长度和不同结构的输入。Transformer 的引入，使得 BEV 视角在自动驾 驶领域得以实现。

BEV 可以带来四大优势： 1.BEV 视 角 下 的 物 体 ， 不 会 出 现 图 像 视 角 下 的 尺 度 （ scale ） 和 遮 挡 （occlusion）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。 2.将不同视角在 BEV 下进行统一表达，利于后续的规划和控制任务。对于主流 的规划和控制算法而言，不论上游的传感器信息是什么视角，在经过融合之后，信 心都会转换到以自车为中心坐标系中（Vehicle Coordinate System，VCS），而对 VCS 来说，最适合的就是 BEV 视角，即 BEV 感知结果输出的空间是规划和控制任务 的标准输入。 3.能够使感知系统更准确。摄像头感知算法工作在 2D 空间，而雷达感知算法 工作在 3D 空间，在对 2D 与 3D 几何关系融合过程中，会丢失大量的原始信息。而采 用 BEV 之后，摄像头、激光雷达、毫米波雷达的感知均在 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。 4.串行改并行，实现端到端优化。感知任务中的识别、跟踪和预测本质上是一 个串行系统，因此系统的上游误差会传递给下游。而在 BEV 空间内，感知和预测都 在同一个空间进行，可以通过神经网络做到端到端的优化，输出并行结果，因此整 个感知网络可以以数据驱动方式来自学习，实现快速迭代。

2）特征级融合取代后融合

正如上文提到，BEV 视角推动 2D 图像向 3D 车身自坐标系的转变，方便后续的 决策和控制。除此之外，BEV 还使得自动驾驶从后融合（决策层融合）向特征级融 合（中融合）的方向迈进。

自动驾驶的每一个传感器（摄像头、雷达），都在对周遭世界进行感知，但由 于传感器角度、类型的不同，车辆无法依靠一个传感器完成对周遭世界的认识。因 此，每个传感器感知的只是现实世界的一块拼图，要想实现自动驾驶，需要对拼图 进行拼凑，而传感器数据的融合则可以看成是拼图的拼凑步骤。 后融合指的是由决策层域控制器进行拼图的拼凑，好处是对车端算力要求较低， 仅在 100 TOPS 以内，前融合需要 500-1000 TOPS 算力、特征级融合需要 300-400 TOPS。因此，后融合被众多自动驾驶玩家广泛使用。 但是，后融合策略下，低置信度的信息会被过滤掉，从而导致原始数据丢失， 误差叠加后，会导致信息失真，从而造成错误决策。在恶劣天气下，这样的情况更 为明显。 相较于后融合，特征级融合的信息更接近传感器的原始数据，准确度更高。而 且在 BEV 空间层进行特征级融合更容易实现跨摄像头融合和多模融合、时序融合， 可脑补出遮挡区域的目标，而且更方便端到端做优化。

4.2021 年-2022 年：模型突破期。 随着自动驾驶的发展，车辆面临的场景逐渐多样化，coner case（极端情况） 越来越多，这便对自动驾驶算法的泛化能力提出了新的要求。因此，为了让算法更 接近人类的思考方式，特斯拉对 BEV+Transformer 架构进行了改良：

1）引入时序信息

在上一个版本中，BEV 只是对瞬时的图像片段进行感知，缺乏时空记忆力。例 如，在行车时，如果行人穿马路的过程中被静止的障碍物遮挡，由于车辆只能根据 当前时刻感知到的信息进行判断，那汽车可能无法识别到行人，从而存在安全风险。 因此，特斯拉在感知网络架构引入了时空序列特征层，使用视频片段，而不是 图像来训练神经网络，为自动驾驶增添了短时记忆能力，使其能够记住之前某一时 间段的数据特征，从而推演目前场景下可能性最大的结果，而不仅仅是基于当前时 刻看到的场景进行判断。

2）引入占用网络

传统的自动驾驶算法大多是依靠大数据喂养、得出经验、然后识别物体、进行 决策，但在现实世界里，真实的路况情况是错综复杂的，存在着大量的 corner case，无法让算法认全所有情况。 为了解决这一问题，特斯拉将 BEV 升级为占用网络（Occupancy Network）。在 2D 图像世界中，一个物体由无数个像素点组成；而在占用网络中，3D 真实世界由 无数个微小立方体“体素”堆叠组成。 占用网络将原本的 BEV 空间分割成无数的体素，无需考虑这个物体是什么，只 需考虑这个体素是否被占用，并用不同的颜色表示物体的速度、方向等。这使得： 1.把“识别未曾被标注的障碍物”转化为“判断障碍物对空间的占用”，使非 典型但却存在的事物能直接表示出来，增加了算法的泛化能力和对现实世界的认知。 2.赋予障碍物速度、轨迹方向等更加广泛的信息，便于后续的决策规划。 3.纯视觉方案，不再依赖激光雷达。占用网络的 4D 效果完全建立在摄像头视 频流的基础上，既可以摆脱对激光雷达的依赖，也不需要解决 Camera-Lindar 的融 合问题，也就是说，占用网络最直接的效果便是实现了伪激光雷达的效果。但这只 是特斯拉的技术选择，很多公司依旧选择包括激光雷达的方案，因为在不同的环境条件下，适当的传感器冗余能更加确保安全性。 4.摆脱对高精地图的依赖。本质上是利用 BEV+众包地图（车主分享给特斯拉的 实时地图信息），实时绘制出高精度地图，取代上车成本高、更新时效低的高精地 图。

2.4.2.2 规划与控制算法

人体在感知到周围世界的信息后，会基于对这些信息的认知做出相应的判断， 来规划躯体应该作何反应并下发控制指令。汽车也是如此，在完成感知任务后下一 步是对感知到的信息做出决策方案，指导汽车执行相应的动作，这便是自动驾驶的 规划与控制部分。 特斯拉自动驾驶规控的核心目标是基于感知网络输出的三维向量空间，通过规 划汽车行为和行车路径使汽车到达指定目的地，同时最大化确保行车安全性、效率 性及舒适性。但是规控的关键问题在于： 一方面，汽车的行为空间具有典型的非凸性。非凸性指的是，同一个目标任 务可能对应多个解决方案，他们各自独立且都是好方案，但是难以获得全局最优解。 这就导致汽车可能陷入局部最优，从而无法快速做出准确决策。； 另一方面，规划控制是高维问题。高维指的是，汽车需要为接下来10-15s做 规划，并且要在短时间内快速产生速度、加速度等多个指标，这会产生大量的参数。 离散搜索方法适合解决非凸问题，因为搜索是离散的，所以不会陷入局部最小 值，而连续优化函数却很容易陷入局部最小值；但是，对于高维问题，离散函数表 现很糟糕，因为他不适用任何梯度信息，必须搜索每个点，而连续优化函数基于梯 度的方案可以快速找到一个非常好的解决方案。 对此，特斯拉采用的解决方案是按层级分解：先用粗略搜索的方法解决非凸性， 得到一个凸的行车空间，然后使用连续优化技术，使最终的轨迹平滑。

在大部分结构化场景下，例如高速公路等，粗搜索选取的是经典的 A-Star 算 法（启发式搜索方法），但针对一些复杂的场景，例如闹市中心、停车场等，由于 场景中非结构化元素比较多、搜索空间大，传统 A-Star 运算节点过多，会导致决 策速度缓慢。 由此，特斯拉引入强化学习方法。强化学习的机制类似于人类学习模式，通过 奖赏正确的行为来引导其习得某项能力。首先，利用神经网络学习全场景特点获得 价值函数；然后，通过 MCTS 算法（蒙特卡洛树搜索）引导搜索路径不断靠拢价值 函数。这种方法可以大幅度减少搜索空间，有效提高决策实时性。

此外，在行车过程中，也会涉及与其他车辆的博弈问题，如变道、在狭窄路口 错车等，类似场景中需要根据对方车辆的反应变化随时调整自车的决策方案。因此， 除了单车规划外，特斯拉还做了交通参与者联合轨迹规划，根据其他车的状态参数 （速度、加速度、角速度等）规划其路径，进而选择合适的自车方案。其他车状态 发生变化后，可以随时调整自车方案，尽量避免出现自车愣在原地不做反应的情况。

至此，特斯拉 FSD 的最终架构完全形成：视觉系统（vision）先把密集的视频 数据压缩为向量空间（vector space），对于仅有唯一解的问题，可直接生成明确 的规控方案；对于有多个可选方案的复杂问题，使用中间层特征（intermediate features）训练神经网络规划器，得到轨迹分布（trajectory distribution）， 再融入成本函数、人工干预和其他模拟数据进行端到端的优化，获得最优的规控方 案，最终生成汽车转向、加速、刹车等控制指令，由汽车执行模块接受控制指令实 现汽车自动驾驶。

2.4.3 算力：构建云端算力Dojo

自研服务于自动驾驶的超级计算机 Dojo。自动驾驶超大规模的数据和高性能的 算法均需要强大的算力支撑，马斯克多次表示：「FSD V12 端到端模型迭代主要受 到云端算力资源的掣肘。」特斯拉为此自研了服务于自动驾驶的超级计算机 Dojo。 Dojo 是一种通过网络结构连接的分布式计算架构，具有大型计算平面、极高带宽、 低延迟、可扩展性极强等特点。2021 AI Day，特斯拉公布了为 Dojo 超算打造的自 研 AI 训练芯片 D1。 Dojo 的关键单元是特斯拉自研的 D1 芯片。D1 芯片采用分布式结构和 7 纳米制 造工艺，单片面积仅 645 平方毫米，具有 500 亿个晶体管和 354 个训练节点，内部 电路长达 17.7 公里，单片 FP32 算力可达 22.6 TOPs，BF16 算力可达 362 TOPs，同 时具有 GPU 级的计算能力和 CPU 的连接能力，I/O 带宽是最先进的网络芯片的 2 倍。

25 个 D1 芯片组成 Dojo 的单个训练模块(Training Tile)。每个 D1 芯片之间都 是无缝连接在一起，相邻芯片之间的延迟极低，训练模块最大程度上实现了带宽的 保留，再配合特斯拉自创的高带宽、低延迟的连接器，在不到 1 立方英尺的体积下， 算力高达 9PFLOPs（9 千万亿次），I/O 带宽高达 36TB/s。

120 个训练模块组装成大规模计算集群 ExaPOD。6 个 Training Tile 组成 1 个 Training Tray，1 个机柜有 2 个 Training Tray，10 个机柜组成一台 ExaPOD，因此 120 个训练模块组装成 ExaPOD。一个 ExaPOD 可提供 1.1EFlops 算力，与业内其他产 品相比，同成本下它的性能提升 4 倍，同能耗下性能提高 1.3 倍，占用空间节省 5 倍。 Tesla AI 算力规模规划：23Q2，公司财报显示，Dojo 于 23 年 7 月进入投产阶 段；预计到 2024 年 2 月，特斯拉的算力规模将进入全球前五，相当于 10 万块 A100 GPU 的算力总和；预计到 2024 年 10 月，特斯拉的算力规模将达到 100EFlops，相当 于 30 万块 A100GPU 的算力总和。 Tesla AI 算力规模进展：24Q2，公司财报显示，截至 24 年 6 月，特斯拉的 AI 算力规模相当于超 3.8 万块 H100 的算力总和（H100 的算力约为 A100 的 3 倍多）。

2.4.4 数据：从人工标注转向自我标注，并构建真实世界的虚拟仿真 空间

1.从人工标注转向自我标注

数据决定了算法的上限，模型只是不停的逼近这个上限。为了确保投喂给算法 的数据正确、有用，自动驾驶行业往往都采取人工标注的方式。2021 AI DAY 上， 公司表示，2018 年，特斯拉是与第三方合作来获得大量的标注数据，但是这样做不 仅延迟高而且质量低；于是，特斯拉将所有的标注工作都整合进公司内部，数据标 注团队规模一度超 1000 人，还从头搭建了所有的软件基础设施。但是，随着时间 的推移，涉及的人员、任务、标注数量都在快速增长，成本也水涨船高。

引入 BEV + Transfomer 引入后，特斯拉的数据标注效率有所提升。引入 BEV 空 间层前，大部分标注是在 2D 图像空间中进行的，一张图片需要标记 8 次；而在 BEV 空间层下，只需要对 3D 向量空间标注 1 次便可完成对 1 张图片的标记。尽管标注 的效率有所增加，但其产量依旧无法满足数据的指数级增长。 2020年，特斯拉开始研发并使用了数据自动标注系统：用更多的数据训练更大 的模型，再用大模型的数据训练车端小模型。在车辆行驶过程中，摄像头收集的路 面信息，会打包上传到服务器的离线神经网络大模型，由大模型进行预测性标注， 然后再反馈给车端各个传感器。由于传感器视角不同，当预测的标注结果在 8 个传 感器均呈现一致时，则标注成功。这个过程其实就是车载模型对服务器大模型进行 自动标注系统的蒸馏。 同时，车辆也相当于特斯拉“众包地图”的采集车。当不同的车辆走在同一段 路时，离线大模型将记录同一段路的不同标注结果。当数据标注系统将不同车辆、 不同时间、不同天气状况下的标注结果叠加后，就得到了一个具备高度一致性的标 注结果，这也意味着特斯拉得到了自己的高精地图。不过公司强调，这么做的目的 并不是为了构建高清地图，只是为了给驶过路口的片段做标注，所以公司不必持续 维护这份数据。

2.构建真实世界的虚拟仿真空间

路测条件的限制导致积累数据和训练算法的效率偏低且成本高昂，为了更高效 的实现数据训练，特斯拉构建了一个真实世界的虚拟仿真空间，通过调整各类交通 参与物及环境的模型参数以构建各种虚拟场景，以训练算法应对不同场景的性能， 来加速 FSD 能力的训练。其价值体现在： 1）可以构建在现实世界中难以遇到的极端场景； 2）针对复杂场景难以直接标注的情况，可以通过仿真进行快速标注，例如在 一个路况复杂的十字路口有各种川流不息的汽车、行人，由于元素众多，要直接进 行标注难度很大；而在仿真场景中，由于所有的元素的初始参数都是自行设定的， 因此在模拟复杂的运动状态时，所需要标注的参数很容易就可以通过计算得到，以 此实现快速标注； 3）仿真为规控算法的训练和验证提供了一个安全的环境，考虑汽车驾驶安全 问题的重要性，部分规控算法训练和优化的过程难以通过实际路测实现，在仿真场 景中便具有非常高的自由度； 4）可以对某些闭环场景算法进行长期持续训练，例如泊车场景下空间是闭环 的、参与者有限，因此通过仿真持续模拟各种情况，可以有效地对自动驾驶泊车能 力进行训练； 5）对于现实世界中 FSD 失败的场景，可以通过仿真重现失败场景，在仿真环 境中寻找失败原因并进行算法训练和优化。 2022 AI Day，公司宣布已绘制了 2000+公里的道路环境，通过仿真获得了 37.1 亿张图片及 4.8 亿标注，且已实际融入车端模型中，用以提升 FSD 性能。

2.4.5 软件：12 个软件版本

自动化驾驶并不等同于自动驾驶，自动化驾驶包括辅助驾驶和自动驾驶。根据 2021 年 5 月 SAE（美国汽车工业学会）提出的自动化驾驶分级标准，自动化驾驶分 成 0 级至 5 级，其中，0-2 级为辅助驾驶，系统辅助人类执行动态驾驶任务，驾驶 主体仍为驾驶员；3-5 级为自动驾驶，系统在设计运行条件下代替人类执行动态驾 驶任务，当功能激活时，驾驶主体是系统。区分辅助驾驶和自动驾驶最明显的特征 是，驾驶的主要决策者以及法律责任主体在人还是车。 L0 级（无自动驾驶 No Driving Automation）：现在路上的大部分汽车都是 0 级，尽管车上有相关的系统帮助驾驶者更好地驾驶但是还是人来发布动态的指令。 L1 级（驾驶辅助 Driver Assistance）：L1 级对于辅助驾驶有一个简单地自动 系统，例如转向或者加速（巡航控制）。自适应巡航系统可以让车辆与前车保持一 个安全的距离，由驾驶员来监控转向、刹车这些驾驶状况。 L2 级（部分自动驾驶 Partial Driving Automation）：L2 级的自动化驾驶程 度还达不到自动驾驶，因为还是人坐在驾驶员的位置全时控制汽车，但是 L2 的辅 助驾驶系统更先进，汽车可以控制转向和加减速。特斯拉的自动导航（Tesla Autopilot）和凯迪拉克的超级巡航系统都是 L2。 L3 级（有条件的自动驾驶 Conditional Driving Automation）：L3 级的汽车 有环境感知的能力，能够根据环境感知做出更明智的决策，例如加速超过一台低速 汽车。但是，驾驶员仍须时刻保持警惕并做好自动驾驶系统失效重新掌控汽车的准 备。 L4 级（高度自动驾驶 High Driving Automation）：L4 级车辆可以在出现问题 或系统故障时进行干预，所以 L4 级车在大多数情况下不需要人的互动，不过驾驶 员可以选择手动重新发布指令。L4 级的车辆可在自动驾驶模式下运行，但在法律和 基础设施发展之前，他们只能在一个有限的区域内这样做，即所谓的地理围栏。 L5 级 (完全自动驾驶 Full Driving Automation)：L5 级的汽车将摆脱地理围 栏，能够去任何地方、做任何有经验的人类驾驶员能做的事情，甚至没有方向盘或 加速/刹车踏板，目前还没有任何一款 L5 汽车向公众开放。

目前，特斯拉共3款自动化驾驶解决方案：基础版辅助驾驶（Basic Autopilot， AP）、增强版辅助驾驶（Enhanced Autopilot,EAP）、以及 FSD(Full SelfDriving [Supervised])。其中，FSD（Supervised）是其自动化驾驶程度最高的产 品。值得注意的是，官网最新介绍表示，FSD（Supervised）仍需要驾驶员将手放 在方向盘上并随时准备接管。

特斯拉的 3 款自动化驾驶产品中，AP 和 EAP 在国内销售的车型已经落地，FSD 尚未引入国内，但可以在购车时进行付费选装，待 FSD 引入中国时才可以正式使用 软件。AP 作为最基础的辅助驾驶，所有特斯拉车辆都免费包含；EAP 和 FSD 则需付 费购买。 24 年 4 月，特斯拉在美国取消 EAP 付费选项，仅保留 FSD 付费选项，且买断价 从 12000 美元降到 8000 美元，订阅价从 199 美元降到 99 美元；中国官网显示，特 斯拉在中国市场仍可购买 EAP，EAP/FSD 的付费金额分别为 32000/64000 元。

基于算法的持续迭代，特斯拉自动驾驶软件持续升级，并于 2024 年 1 月正式 推出 FSD V12，是有史以来第一个端到端 AI 自动驾驶系统。FSD V12 首次使用神经 网络进行车辆控制（包括控制转向、加速和制动），减少了对硬编码编程的依赖， V12 的 C++代码只有 2000 行，而 V11 有 30 多万行；2024 年 7 月，特斯拉开始推 送 FSD V12.5 版本，与 V12 相比， V12.5 参数提高了 5 倍之多，并且将高速、城区 智驾全面切换为端到端方案。 24Q1 业绩会上，公司表示，北美已有 180 万辆车搭载 HW 3.0 版本硬件，其中 FSD 使用率超 50%，且在持续上升；24 年 9 月，特斯拉发布技术路线图，将于 24 年 9 月推送 FSD V12.5.2、接管率改进 3 倍，向 HW 3.0 平台推送 V12.5.2，向Cybertruck 推送自动泊车和 FSD 功能等，将于 24 年 10 月推送 FSD V13、接管率改 进 6 倍，预计将于 25Q1 在中国和欧洲推出 FSD，目前还在等待监管部门批准。

什么是端到端？目前，自动驾驶领域尚未就“端到端”概念达成统一认识，一 般而言，端到端指的是从原始传感器数据输入直接到控制指令输出的过程中不涉及 任何显式的中间表示或人为设计的模块。即，把摄像头获取的图像数据输入到神经 网络，网络能够直接输出车辆控制指令（如转向、加速、制动等），不需要高精地 图、不需要激光雷达，仅仅依靠车身的摄像头视觉输入，就能分析思考，输出控制 策略。

端到端的优点：它通过将传感器收集到的全面信息作为输入，在单一网络中直 接生成车辆的控制指令或运动规划，使得整个系统针对全局任务进行优化，而非仅 仅针对某个独立的子任务，拥有更简洁的系统架构、更高的计算效率以及更强的泛 化能力。 端到端的缺点：它面临着对算力和数据的巨大需求（这些问题特斯拉均已有解 决方案），以及尚未解决的黑盒问题和幻觉问题。

3 人形机器人：Optimus 已小范围进驻超级工 厂，预计 2026 年投放市场

3.1 Optimus 做了什么？

3.1.1 2021 年 8 月：发布 Tesla Bot 概念图

2021 年 8 月，特斯拉在首届 AI Day 上展示了人形机器人（Tesla Bot）的设 想，根据概念图，这款机器人身高 5'8"（约 1 米 72），体重 56.70 公斤，可以硬拉 150 磅（68 公斤）或者搬运 45 磅（20.4 公斤）的物体，伸开手的状态下可以拿 10 磅（4.5 公斤）的物体，最高时速 8 公里。

3.1.2 2022 年 9 月：发布 Optimus 人形机器人原型机（无外壳）

2022 年 9 月，AI DAY 上，Optimus 人形机器人原型机首次亮相，可以走路、打 招呼，双手可以完整举过头顶。虽未展示实际能力，但特斯拉通过 Demo 演示了 Optimus 搬箱子、浇花和在超级工厂工作的场景。有图展示的是 Optimus 眼中的世 界（渲染后），它通过纯视觉发现并分析周边的一切，然后识别出自己的任务对象。

3.1.2.1 硬件架构

Optimus 硬件架构由 28 个执行器组成（特斯拉汽车仅 2 个执行器），下图 Optimus 展示图中，橙色部分是机械系统（执行器），蓝色部分是电子系统。 1.心脏（电池组）：躯干中间是电池组，是 52V 电压、2.3kWh 容量、内置电子 电气元件的一体单元，可续航一整天。 2.大脑（Bot Brain）：大脑并不在头部，也在躯干，搭载一颗特斯拉自研 SoC 芯片，集成 WIFI、LTE、音频等，确保流畅处理视觉数据做出迅速反应。 3.肌肉（Actuator，执行器）：执行器就是产生动作的装置，类似人体的肌肉， 橙色部分均为 Optimus 的执行器，而这些执行器都是特斯拉自研的。

人形机器人的执行器也称为一体化关节，主要负责将能量转化为机器人的机械 运动。执行器可以按照不同的方式进行分类： 1）按运动类型：分为旋转执行器（Rotary Actuator）和直线/线性执行器 （Linear Actuator）。旋转执行器用于使机器人的关节进行旋转运动，而直线执 行器则用于推拉动作，如手臂的伸展。 2）按动力来源：分为液压（Hydraulic）、气动（Pneumatic）或电机执行器 （Electric）。在人形机器人中，电机执行器因其精度高、噪音小和易于联网反馈 信息而常用。 3）按驱动方式：分为刚性执行器（Traditional Stiffness Actuator, TSA）、 弹性执行器（Series Elastic Actuator, SEA）和准直驱执行器（Proprioceptive Actuator, PA）。刚性执行器主要由电机、减速器、编码器和力矩传感器等组成； 弹性执行器模拟肌肉系统，提供柔顺性和高能量效率；准直驱执行器则不依赖于附 加力或力矩传感器，能够直接感知机器人与外界的交互力。 为了降低生产成本，特斯拉需要对执行器的种类进行简化。因此，他们列举了 28 种人类常见的活动，比如抬举手臂、弯曲右膝等，然后对这些活动反馈的云数据 进行相同性分析，用尽可能少种类的关节来满足所有需求。 最终，特斯拉设计了 6 种不同的执行器，包括三款旋转执行器、三款直线执行 器。其中，旋转执行器由小到大分别为重 0.55kg、1.62kg、2.26kg，扭矩 20Nm、 110Nm、180Nm；线性执行器由小到大分别为重 0.36kg、0.93kg、2.2kg，出力 500N、 3900N、8000N。根据发布会现场展示视频，最大的直线执行器可以轻松吊起一台半 吨重的钢琴。

3.1.2.2 研发逻辑

由于人形机器人和自动化驾驶汽车都是 AI 技术的载体，因此，其底层软硬件 存在大量可复用部分。除了复用自动化驾驶领域的研究成果，在研发人形机器人的 过程中，特斯拉团队也参考了仿生学，并借鉴了一些汽车领域的研发经验。可以说， Optimus 是马斯克的工程交叉论的再一次应用。

1.设计参考人类仿生学。 1）膝关节：仿生四连杆膝关节稳定执行器所需扭矩。人类的膝关节扭矩与膝 关节弯曲度呈非线性关系，四杆连接方式可以有效地将非线性的扭矩需求转化为对 执行器线性化的要求，让执行器用更少的力完成任务，比简单二杆连接所需要的执 行器的力更小、效率更高。

2）手部：Optimus 的手拥有 6 个执行器和 11 个自由度，其中拇指有三个自由 度（可弯曲和侧摆），其余手指两个自由度；同时，采用无法反向驱动的指尖驱动 器，实现类似人类手指不能进行反向转动的设计。 为了让机器手像人手一样拥有感知系统，Optimus 的手部搭载力敏传感器和触 觉传感器等大量传感器，拥有自适应的抓握角度、20 磅（9 公斤）负荷，具备工具 使用能力和小物件精准抓握能力等。

2.借鉴汽车研发经验。 马斯克曾说“当你能解决自动驾驶，你就能解决现实世界中的人工智能”，因 此，Optimus 的主要研发逻辑就是大量借鉴汽车研发经验。例如： 1）借鉴汽车碰撞模拟软件，为 Optimus 编写跌倒测试软件，确保机器人在摔 跤的时候不会受到过度损伤； 2）利用汽车大规模零件的生产经验，为 Optimus 挑选尽可能同时保证成本和 效率的原材料（不用碳纤维、钛合金是因为像肩膀这样的易损部位，制造和维修成 本太贵）；3）制造并量产 Optimus 的中心思想，也和智能汽车类似，即减少线束长度、 计算和电子控制单元中心化等。

3.复用特斯拉自动化驾驶研究成果。人形机器人与自动驾驶类似，同样需要经 过传感器收集数据、感知算法、规划算法、控制算法、执行器执行任务等过程，因 此 Optimus 可大量复用特斯拉在自动化驾驶领域的研究成果。 Optimus 可复用的自动化驾驶研究成果包括神经网络算法（感知+规控）、自动 标注系统（需要重新收集训练数据）、FSD 硬件设施（FSD 芯片）、Dojo 训练平台 等。其中，感知侧，Optimus 与汽车一样，同样采用纯视觉路线，使用三颗摄像头 （一个前置鱼眼摄像头，左右各一个摄像头），在采集信息后通过其胸腔的 FSD 芯 片处理信息。

基于特斯拉在自动化驾驶领域的研究成果，Optimus 的进化非常迅速。2022 年 4 月，Optimus 迈出第一步；2022 年 7 月，Optimus 学会用骨盆来保持平衡；2022 年 8 月，Optimus 开始让手臂发挥作用；2022 年 9 月，Optimus 的脚趾也派上了用 场。随着 Optimus 将更多的关节利用起来并加以训练，它的移动速度有了明显提升。

3.1.3 2023 年 3 月：发布 Optimus Gen 1

2023 年 3 月的 Investor Day 上，特斯拉正式发布 Optimus Gen 1（有外壳）。 历时 5 个月开发，视频中显示人形机器人可以实现独立的直立行走（22 年 9 月，原 型机可行走，加上外壳后由于重力改变，无法行走），且能在另一台机器人上实现 装配任务，手指关节可满足抓取电动工具、螺丝、覆盖在相框上的布等任务要求。

2023 年 5 月的股东大会上，特斯拉发布 Optimus Gen 1 的最新演示视频。视频 显示，Optimus 人形机器人已经拥有电机扭矩控制、环境探索与记忆、基于人类跟 踪运动的AI训练以及物体操纵能力，也展示了其基于端到端学习人类行为的过程。 同时，马斯克表示，Optimus 上所有的执行器、电子设备等都是特斯拉自主设计的， 并表示未来人形机器人需求将远超汽车，特斯拉的长期价值可能来自于 Optimus。

2023 年 9 月，Optimus 再次发布重大更新。视频显示，Optimus 仅用特斯拉纯 视觉系统和关节位置编码器，就可以精准的确定其肢体空间中的准确位置。经过精 确的自校准，Optimus 现在可以更高效的学习各种任务。 例如，Optimus 能够完全自主的按颜色对色块进行分类，在旁边人的干扰下， 它也可以继续完成工作，Optimus 还展示了其自我纠正的能力（把倒下的方块重新 扶起）；在这次视频中，还展示了 Optimus 做瑜伽的能力，可见其自平衡能力有显 著提升。

3.1.4 2023 年 12 月：发布 Optimus Gen 2

2023 年 12 月，特斯拉发布 Optimus Gen 2 的展示视频。采用了全部由特斯拉 自主设计和制造的执行器和传感器，颈部有 2 个自由度驱动、手部的 11 个自由度响 应更快、拥有足部力/扭矩传感器、铰接式脚趾触觉传感器等。 整体外观设计更加精细，执行器集成电子和线束，重量减轻了 10 公斤、行走 速度提高了 30%；平衡感和身体控制能力得到改善，视频中演示了其做深蹲的动作； 此外，Optimus Gen 2 的手部关节全新升级，活动更加自然，而且所有的手指均搭 载触觉传感器，能更精准地抓握细小易碎物品（如鸡蛋等）。

2024 年 5 月，特斯拉发布视频展示了 Optimus Gen 2 的最新进展。视频显示， Optimus 的端到端神经网络经过训练，能够从传送带上捡起 4680 型电池，并准确地 将它们放置在电池托盘中。这个端到端神经网络利用机器人自身的 2D 摄像头以及 触觉和压力传感器的数据，直接产生控制关节的序列，网络完全在机器人 FSD 计算 机上运行，由机器人的电池供电。 在插入电池的过程中需要非常精确的动作，且容错率很低，如果出现错误， Optimus 会自动纠错；插入一个槽位后，神经网络会自动定位下一个空闲槽位；分 拣的过程中，神经网络驱动着 Optimus 的上半身，Optimus 利用它的腿保持平衡。 目前特斯拉已在一家工厂部署了多个 Optimus 机器人，它们每日在真实的生产 环境中接受测试并不断改进，人工干预率越来越低。

24Q2 业绩会上，公司表示，Optimus 机器人已经在工厂中执行任务，预计 25 年年初开始生产并限量生产；预计 25 年年底将生产几千个 Optimus 机器人并执行 工作；2026 年将大幅提高生产，提供给外部客户。

3.2 Optimus 未来能做成什么？

3.2.1 需求侧（雇主）有无动力使用人形机器人？

人形机器人优先适配标准化、高时薪、高危险工种。美国劳工局数据显示，23 年 5 月美国建筑和开采、安装和维修行业、运输和物料搬运的时薪分别为 29.57、 28.13、19.26 美元，而这 3 个行业的工作性质普遍具有标准化、高时薪性质，均具 备被人形机器人替代的空间。 我们先来测算，对于这 3 个行业的雇主而言，使用人形机器人替代人类员工是 否具有经济性。

1.雇佣人类员工：1 单位产出，雇主需要支付$25

时薪：美国劳工局数据显示，23 年 5 月美国建筑开采、安装维修、运输和物料 搬运 3 个行业的平均时薪为 25 美元； 1 单位产出对应薪水：假设人工作 1 小时，产出 1 单位成果，则雇佣一名人类 员工，1 单位产出需要支付薪水$25； 每天工作时长：美国劳工局数据显示，23Q3 每周工作 32.7 小时，即每天工作 6.54 小时； 每年工作天数：每年 52 周，每周 5 个工作日，其中 15 天法定假、10 天年假； 即每年工作天数为 235 天，每年发工资天数为 260 天； 年成本：雇佣一名人类员工，每年支付$4.29 万。

2.中期：1 单位产出，雇主需要支付$11.4

年成本：马斯克曾表示，Optimus 远期单价有望降低至 2 万美元。假设中期人 形机器人平均售价为 4 万美元、5 年折旧，每年维修保养费为购买价的 10%，则年均 成本为$1.2 万； 每天工作时长：考虑到目前人形机器人续航时间为 2-6 小时，假设中期情况下， 扣除充电时间，人形机器人每天工作 10 小时； 每年工作天数：假设扣除停电、维修等突发状况，每年工作 350 天； 时薪：年成本除以总工时得到，人形机器人时薪为$3.4 1 单位产出对应薪水：假设中期情境下，人形机器人的工作效率是人类员工的 30%，则一名人形机器人产生 1 单位产出需要雇主需要支付$11.4。

3.远期：1 单位产出，雇主需要支付$1.3

年成本：马斯克曾表示，Optimus 远期单价有望降低至 2 万美元。假设远期人 形机器人平均售价为 2 万美元、5 年折旧，每年维修保养费为购买价的 10%，则年均 成本为$0.6 万； 每天工作时长：假设扣除充电时间，人形机器人每天工作 18 小时； 每年工作天数：假设扣除停电、维修等突发状况，每年工作 360 天； 时薪：年成本除以总工时得到，人形机器人时薪为$0.9 1 单位产出对应薪水：假设远期情境下，人形机器人的工作效率是人类员工的 70%，则一名人形机器人产生 1 单位产出需要雇主需要支付$1.3。 可见，若人形机器人单价降至一定水平，且电池续航能力持续提升，其对于雇 主而言，具有较大的吸引力。

3.2.2 供给侧（生产者）有无动力生产人形机器人？

论证完人形机器人对于需求方（雇主）的吸引力，再来论证其对于供给侧的吸 引力，即人形机器人市场空间测算。 从渗透顺序来讲，应该是先 TO B、再 TO C，因为相较于 C 端场景，B 端工业场 景更通用、可控。to B 工业场景中，汽车制造的渗透会更快，因为汽车制造在冲压、 焊接、涂装环节，实现了 80%-90%的自动化率；在总装环节，虽然大部分工作依旧 需要人力解决，但其中不可避免地包含部分重复性重体力劳动、对人体有害的劳动 工种。因此，从 24 年开始，人形机器人陆续涌入车厂： 24 年 1 月，Figure AI 宣布与宝马达成商业合作协议，计划将人形机器人 Figure 01 引入宝马的美国制造工厂；24 年 2 月，优必选工业人形机器人 WalkerS 进入蔚来第二先进制造基地总装车间进行实地培训，与人类协作完成汽车装配及质 量检查作业；24 年 3 月，机器人初创公司 Apptronik 宣布与奔驰合作，将在奔驰美 国得州奥斯汀工厂引入人形机器人 Apollo；24Q2 业绩会上，特斯拉表示，Optimus Gen 2 已经在特斯拉工厂中执行任务，预计 2026 年将大幅提高生产，提供给外部客 户。其中，优必选表示，目前已经拿到超 500 台的意向订单；智元机器人表示，预计双足人形机器人 10 月起量产，年内发货 200 台。 考虑到美国时薪高于其他地区，因此从地区来看，人形机器人预计将先替代美 国的工厂劳动力，所以我们先预测美国市场的 To B 端人形机器人出货量。 假设行业整体量产节奏与特斯拉一样，与 2026 年开启大规模交付，按照美国 劳工局公布的各行业就业人数，考虑到各行业工作的标准化程度、危险化程度以及 当前员工薪水，我们对 2030 年/2035 年人形机器人对美国各行业的渗透率进行假设， 结论是 2030 年美国人形机器人 To B 端出货量有望达 179 万台，2035 年美国人形机 器人 To B 端出货量有望达 567 万台。

值得注意的是，虽然我们认为人形机器人的渗透场景是先 To B、再 To C，但 是 To C 的远期空间更大。以智能手机为例，2000 年首款智能手机摩托罗拉 A6188 发布（全球首部具有触摸屏的手机）、2007年苹果发布，Statista数据显示，2010 年智能手机对美国人口的渗透率达 20.2%，2015 年渗透率达 59.4%。如果我们将 2026 年人形机器人的量产看作 2000 年首款智能手机摩托罗拉 A6188 的发布，考虑 到现在技术发展速度显著快于当年，或许 2035 年人形机器人对美国人口的渗透率 有望达 20%，但这仍需持续验证。

4 能源业务：AI 发展对电力需求增加，24 年储 能产品部署量至少同比翻倍

4.1 特斯拉能源业务做了什么？

特斯拉能源产品主要包括储能产品、光伏产品（太阳能）和能源软件。其中储 能产品包括户储产品 Powerwall、大储产品 Megapack，光伏产品包括 Solar Roof （光伏屋顶）、Solar Panel（太阳能电池板），能源软件包括自动化能源实时交 易和控制平台 AutoBidder、能源监控平台 Powerhub。

4.1.1 储能产品：户储产品 Powerwall + 大储产品 Megapack

2015 年，特斯拉推出家用储能产品 Powerwall 和商用储能产品 Powerpack（现 已停产），正式进入储能领域； 2016 年，特斯拉收购户用光伏龙头 SolarCity，进一步整合特斯拉在能源领域 的布局，并于当年推出升级版的 Powerwall 2 和 Powerpack 2； 2017 年 2 月，公司由“特斯拉汽车”正式改名为“特斯拉”，意味着汽车不再 是特斯拉的唯一业务，公司将进一步迈向能源一体化的业务格局； 2019 年 7 月，特斯拉推出面向公用事业级储能市场的大型储能系统 Megapack， 单个 Megapack 系统的容量在 3MW 左右，约为一个集装箱大小，足以满足 3600 户家 庭一小时的用电需求； 2023 年 9 月，特斯拉推出 Powerwall 3，将逆变器集成到电池系统的外壳内。

特斯拉在全球有两个 Megafactory，分别坐落于加利福尼亚的 Lathrop（年产 能 40GWh）和中国上海（25Q1 投产，预计年产能 40GWh）。

1）Lathrop Megafactory： 是北美最大的公用事业规模电池工厂之一，24Q1 业绩会上，公司表示， Lathrop 工厂已启用第二条总装线，将产能从年初的 20GWh 提升至年底的 40GWh。 2）上海 Megafactory： 2023 年 4 月 9 日，特斯拉储能超级工厂项目正式落户上海，这是特斯拉在美国 本土之外的第一座储能超级工厂； 24 年 5 月，特斯拉上海储能超级工厂正式开工，这是特斯拉在美国本土之外的 第一座储能超级工厂，位置临近上海超级工厂。活动现场，特斯拉与临港集团完成 中国首批超大型商用储能电池 Megapack 的签约，标志着特斯拉储能在华业务开启 新篇章。预计将于25Q1投产，投产后超大型储能电池Megapack产量将高达1万台， 储能规模近 40 吉瓦时（1 吉瓦时=1000 兆瓦时），即每小时的发电量达到 4000 万 度，相当于上海 5 万户家庭一年的用电量。 24 年 8 月 20 日，特斯拉全球副总裁陶琳表示，上海储能超级工厂建设进度已 达 45%左右。同时特斯拉一直在提高位于加利福尼亚州拉斯罗普的 40GWh Megapack 工厂的产量。

Megapack 助力特斯拉成为全球市场份额第一的电池储能系统集成商。根据 Wood Mackenzie《2024 年全球电池储能系统集成商排名》报告，由于特斯拉拥有储 能行业最垂直整合的供应链（从制造硬件到提供储能解决方案），使其能够快速向 客户提供持续改进和新功能，并帮助客户在整个生命周期内维护储能资产，2023 年 特斯拉全球储能市占率达 15%，取代阳光电源成为电池储能系统(BESS)集成商市场 的份额第一的生产商。

4.1.2 光伏（太阳能）产品：太阳能屋顶+太阳能电池板

特斯拉光伏产品主要包括 Solar Roof（太阳能屋顶）和 Solar Panel（太阳能 电池板）。其中，Solar Roof 为 BIPV（光伏一体化建筑）产品，Solar Panel 为 BAPV（附着在建筑物上的太阳能光伏发电系统）产品。 2017 年，特斯拉首次推出 BIPV 屋顶瓦片产品 Solar Roof，但由于成本过高与 安装难度过大，未实现大规模应用； 2019 年 10 月，特斯拉推出第三代光伏屋顶 Solar Roof V3，成本下降 40%，安 装速度、功率密度、转换效率等也有大幅提升，初始投资与全生命周期内的经济性 初显，具备大规模推广条件，引发 BIPV 热潮。

2019 年到 2021 年，受到 Solar Roof V3 带动，特斯拉光伏系统出货量持续增 长。特斯拉曾在 2019 年底表示，目标每周生产 1000 套太阳能屋顶，并将在 2020 年 上半年消实现每周安装 1000 套。但 Wood Mackenzie 数据显示，由于太阳能屋顶的 渗透率较低以及产品竞争激烈（GAF 等老牌屋顶制造公司具有深厚的优势），截至 2023年3月，特斯拉太阳能屋顶在美国的累计安装量为3000个，远低于公司目标。 公司公告显示，2023 年公司太阳能部署量达 223MW，同比下降 35.9%。

4.2 特斯拉储能业务做对了什么？

算力的尽头是电力，储能业务有望受益于 AI 的快速发展。在博世互联 2024 大 会上，马斯克提到 AI 的发展速度前所未见，每过 6 个月的时间，算力就会增加 10 倍，远超摩尔定律每 18 个月翻番的速度，预计两年内将由缺硅变为缺电；国际能 源署(IEA)预计未来三年全球电力需求预计将以年均 3.4%的速度快速增长。

AI 是电力需求增量的主要驱动因素。国际能源署(IEA)数据显示，普通谷歌搜 索的平均电力需求为 0.3Wh，而 OpenAI 的 ChatGPT 每次搜索所需 2.9Wh，目前全球 每天约需求 90 亿次搜索，每年将会新增近 10TWh 的电力；未来如果在谷歌等搜索工 具中全面实施人工智能，搜索所需电力需求可能会增加十倍。 同时，国际能源署(IEA)数据显示，2023 年，英伟达的出货量为 100000 台，平 均每年耗电 7.3TWh，到 2026 年，人工智能产业预计将呈指数级增长，耗电量至少 是 2023 年需求量的 10 倍。

低排放能源（包括可再生能源和核能等）将满足未来三年全球电力需求的全部 增长。根据 IEA 预测，低排放能源（包括可再生能源和核能等）将满足未来三年全球电力需求的全部增长，预计 2025 年初，可再生能源发电量将超过燃煤发电量， 占全球总发电量的三分之一以上；预计到 2026 年低排放能源将占全球发电量的近 一半。

储能设备将与可再生能源协同增长。电力即发即用，特别是风电、光伏发电具 有随机性、间歇性、波动性特点，而配储可以平滑电力波动性、减少资源浪费，因 此为保障电网安全和供电可靠性，发展各类储能至关重要。 由于全球电力需求增加、发电结构中可持续能源占比提升、电储能市场规模随 着可持续能源电力的增长而增长，2023-2030 年电储能容量的 CAGR 高达 37.1%。储 能产品包括热储能、电储能、氢（氨）储能，其中，电储能产品应用较为广泛，包 括电化学储能（如特斯拉储能产品）和机械储能（如抽水储能）。Statista 数据显 示，2023 年全球抽水储能容量和电池储能容量分别为 141GWh、86GWh，2030 年全球 抽水储能容量和电池储能容量分别为 319GWh、783GWh，CAGR 分别为 12.4%、37.1%。

特斯拉作为电池储能市场的头部玩家，储能业务有望保持快速增长。正如上文 提到，Wood Mackenzie《2024 年全球电池储能系统集成商排名》报告显示，2023 年 全球电池储能市场中特斯拉市占率为全球第一，高达 15%，并呈现增长态势。由于 电储能行业市场规模在持续增长、特斯拉市占率也在持续提升，24Q2 特斯拉能源装机量达 9.4GWh（yoy +158%）；24 年 6 月的年度股东大会上，公司表示，储能产品 的装机量将保持增长态势，24 年装机量有望同比增长 200-300%。

编辑：火腿肠