2024年特斯拉研究报告：汽车增长预期上修，科技叙事加速兑现

硬件业务：Q3 或触达盈利拐点，基本面预期反转

22Q1 以来单车毛利持续下行，24Q3 初见盈利拐点

回顾 24Q2~Q3 特斯拉业绩表现，我们认为 Q3 或为汽车基本面反转的开始： 24Q2 业绩表现不及市场预期，但科技指引积极。Q2 实现 GAAP 净利润 14.8 亿美元， yoy-45%/qoq+31%，彭博预期 17 亿元，低于市场预期： 1) 收入略超预期，实现收入 255 亿美元，yoy+2%/qoq+20%，彭博预期 243.8 亿元，增 长驱动力在于车端 Q2 交付略超预期，全球实际交付 44 万辆，yoy-5%/qoq+14%，预 期 43 万辆，车型降价或系冲量主导因素，Q2 单车收入为 4.17 万美元，yoy-0.2 /qoq-0.07 万美元。同时储能端出货环比翻倍释放了规模效应，Q2 能源部署 9.4GWh， yoy+158%/qoq+129%，毛利率 24.6%，yoy+6.13/qoq-0.1pct。 2) Q2 特斯拉的 SG&A 和研发合计费率 9.22%，yoy+0.66/qoq-2.63pct，环比降幅明显， 但 卖 车 利 润 承 压 且 重 组 费 用 高 ， 拉 低 了 综 合 利 润 表 现 。 Q2 特 斯 拉 毛 利 率 17.95%,yoy-0.23/qoq+0.6pct，纯汽车销售毛利率 13.86%，yoy-3.66/qoq-1.71pct，降 幅大在于全球降价以清库，此外特斯拉 Q2 裁员发生了大额一次性重组费用 6 亿美元， 亦对利润有压力。 3) 再次强调 AI 公司属性，修正 Robotaxi 预期。特斯拉 Q2 earning call 对 Robotaxi 和低 价位车型的指引略低预期，其中低价车型指引推迟到 25H1 生产，以及墨西哥工厂处于 暂停，Robotaxi 发布从 8 月 8 日推迟到 10 月 10 日召开，下调落地指引，预计明年可 能有上路。而车端和 AI 的指引较积极，如跑车完成大部分工程设计，预计明年生产； 皮卡产能超过 12.5 万辆，产量环比增长 2 倍+，年底盈利；4680 的规模效应与技术性 降本超预期，出货环比增加 51%，COGS 显著降低。AI 方面指引仍较积极，强调公司 的科技属性，特斯拉指引 FSDV12.5 性能更优，参数是 12.4 的 5 倍；24 年底将在中国 和欧盟获批；以及 24 年可能和其他 OEM 签署 FSD 授权协议；机器人 Optimus 已经在 工厂执行任务，指引 2025 年初生产，2026 年对外大规模交付。

24Q3特斯拉利润大超预期，控费降本得力。Q3实现GAAP净利润21.67亿美元，yoy+16.9%， qoq+46.6%，彭博一致预期 17.1 亿美元，远超市场预期： 1) 收入符合预期，Q3 营收 252 亿美元，yoy+7.8%/qoq-1.2%。Q3 交付环比改善，全球 汽车交付 46.3 万辆，yoy+6.4%/qoq+4.3%，同时价格较为平稳，Q3 单车收入 4.07 万 美元，yoy-0.2/qoq-0.1 万美元。储能端环比降幅较大，Q3 交付 6.9GWh/qoq-27%，主 要系 Q2 基数高。 2) 利润超预期主要来自车端储能端毛利率改善以及降费效果凸显。Q3 公司综合毛利率 19.8%，yoy+2pct/qoq+2pct，同环比改善明显，其中纯汽车销售毛利率 16.4%， yoy+0.65pct，qoq+2.54pct，环比改善多主要系规模效应释放、电池降本、储能自用以 及裁员生产人员降低了综合成本，使得 Q3 单车成本降低 2k 美元，cybertruck 扭亏， 同时价格端上，Q3全球没有汽车直接降价行为，且 credit 业务和 FSD 亦贡献正向利润。 其次储能业务因产品结构改善，毛利率 yoy+6.1/qoq+6.0pct 至 30.5%，弥补了量减。 此外 Q3 公司综合费率 9.1%，yoy-1.28/qoq-2.6pct，环比下滑较多系 Q3 消除了 Q2 裁 员补偿影响并释放了裁员降费效果。 3) 管理层汽车指引空前积极。我们认为此次业绩会最大亮点为，公司给予了非常积极的汽 车增长指引，此前市场对于汽车销售、新车型预期较低，而 Q3 指引了 25 年车辆交付 增长 20-30%，对应增量 35-55 万辆，以及 25H1 推出低价位车，26 年生产 CyberCab、 目标年化 200 万台。科技方面指引更多为老生常态的内容，增量在于 FSD 要融合所有 模块进入单一系统，城市与高速驾驶进入一个技术栈。

总结来看，我们认为特斯拉 Q3 财报质量较高，出现基本面与预期拐点信号：此前特斯拉基 本面运营较差、盈利能力持续下滑、新车周期不明晰，市场对基本面业务预期很低，而 Q3 特斯拉在激烈竞争环境下，凭借内部降本扭转利润颓势，录得超预期盈利，加之公司给予 的积极指引，修复了市场对汽车业务盈利增长性的信心。 往后看，我们认为特斯拉估值中枢应有所上移，主线从强预期+弱现实转向现实反转+预期 加速兑现。一方面 Q3 财报质量较高且汽车指引超预期，伴随特斯拉靠改款车、新车发售提 振销量，且内部持续降本控费，汽车业务盈利与估值均有机会向上，在预期底部易形成戴 维斯双击；一方面特斯拉 10.10 发布会虽不及市场预期，但实际进度可能超预期。10.10 发 布会展示时间较短且细节不足，低于市场预期，根据海外媒体 siliconvalley 10月 15 日报道， 特斯拉团队实际准备了丰富的展示内容，但最终未在发布会上得到较好的呈现。往 2025 年 看，特斯拉的科技叙事在加速兑现，如 FSD 入华入欧、Robotaxi 上路试运营、机器人开启 量产等，同时基本盘业务的稳固发展也补充了转型科技业务的子弹，我们看好特斯拉加速 向 AI 公司转型。

25 年或进入放量新周期，关注低价位车型交付节奏

25 年交付主力或为微调爆款车型，低价位车型交付周期或有提前。参考媒体晚点 Auto 8 月 29日报道以及特斯拉财报指引，我们认为 2025年特斯拉新车规划为，内部代号为 Juniper 的 5 座版焕新 Model Y 预计 25H1 交付，中国特供六座版 Model Y 预计 25H2 交付，原计 划 2026 年交付的低价位车型或提前交付计划。其中焕新版 ModelY 预计主要在外观尺寸、 内饰件、车灯、自动驾驶硬件、电池包容量等方面有调整，6 座版 ModelY 或为针对中国市 场推出的改款车型，低价位车型或为两厢紧凑版 ModelY，根据特斯拉财报指引，25H1 推 出，交付节奏或有提前。我们认为改款 ModelY 或为明年交付增量的主力车型之一，低价位 车型交付周期或较偏后，但考虑其价格定位，预计存在较大市场容量，伴随低价位车型推 出与改款爆款车型交付，我们预计特斯拉有望开启车型新放量周期。同时市场前期对特斯 拉车型周期的预期偏低，在 Q3 业绩会积极指引以及汽车盈利初见拐点情况下，我们认为汽 车业务基本面预期已有所修复，往后随着特斯拉新车型放量、价格端平稳、制造成本持续 下降，汽车业务盈利中枢有望回升，汽车业务或进入戴维斯双击。 特斯拉汽车硬件销售业务的“回春”手段：软件>新车＞价格。我们认为当前拉动特斯拉汽 车销量的重要手段依次为，软件、新车、价格，其中软件能力的权重或更大。ModelY 与 Model3 已平均销售 8 年左右，实际处于产品生命后期，改款爆款车型对产品力的改善边际 有限，若新车型仍基于 ModelY3 原有平台造车，我们认为其距离爆款新车的竞争力仍有距 离。同时，我们认为 FSD 软件或成为特斯拉的重要销售抓手，其卓越自驾能力使特斯拉较 竞品，从电动智能车跃迁至智能电动车，伴随市场培育以及 FSD 能力迭代，我们看好软件 能力带动硬件销售以及盈利能力改善。

Robotaxi：发布会不及预期，实际有望后来居上

发布会回顾：细节不及市场预期，实际落地可能超预期

我们认为特斯拉 10.10 We Robot 展示细节不足，整体低于市场预期： （1）首先市场最为关注的车端以及自动驾驶部分，内容符合市场预期，但细节过于不足。 基本符合市场预期的为：发布的 Robotaxi 车型 CyberCab 不带方向盘和踏板、两座车、支 持无线充电、无激光雷达、两座车的造型，华纳兄弟影城塑造的赛博科技感略超预期，运 营方面马斯克指引 CyberCab 2027 年前量产、未来 CyberCab 整车成本或低于 3 万美元、 2025 年德州和加州运营搭载完全无监督 FSD 的 M3MY。但市场更为关注 Robotaxi 商业模 式和技术细节、FSD 的入华入欧进度及商业化进度、低价位车型的展示，马斯克并未给更 多指引，而市场此前预期较高。其次特斯拉发布无人卡车 Robovan 概念车，车顶无激光雷 达，可纳入 20 人，载人载物，而由于 Robovan 为概念车，实际运营较 Robotaxi 更为靠后， 市场关注度不高。 （2）特斯拉机器人的现场人机交互效果较好。本次特斯拉机器人首次展示人机互动、展望 C 端应用，机器人在现场实现了拿礼品、倒酒等力交互任务，打招呼、猜拳等人机交互任 务，动作的整体流畅性与灵活度较高，且人机交互效果较好。我们认为特斯拉实现方式或 为：调用 VLM 模型识别外部模态信息触发机器人模块化动作，遥操作，以及特定场景训练 特定任务，现场展示或不涉及大模型生成任务指令等模型驱动。

根据海外媒体 siliconvalley，马斯克原计划当天讨论自动驾驶技术细节、Robotaxi 未来的应 用程序和定价模式，但最终马斯克当天跳过了以上环节，发布会展示内容不多且细节不足， 整体不及市场预期，我们认为本次活动于特斯拉的意义大于形式，Robotaxi 有望开启特斯 拉智驾业务的新篇章。北美 Robotaxi 的底层商业逻辑为如何扩大收入边际增长和成本边际 下降的剪刀差，我们认为 Waymo 等现有 Robotaxi 领先企业面临的是硬件问题，特斯拉更 多是软件问题，而软件问题更易解决，特斯拉的端到端+纯视觉感知+无图+低成本造车的技 术方案有望实现更陡峭的盈利曲线，我们看好特斯拉 Robotaxi 实现后来居上。 下文我们着重讨论三个市场关注的问题： （1） 特斯拉 Robotaxi 落地较晚，相对竞对的竞争优势？ （2） 特斯拉能否跑通真正的无人通勤？ （3） 如何给特斯拉 Robotaxi 估值？

能否跑通：特斯拉有望后来居上，盈利斜率或更陡峭

商业模式：Airbnb+Uber 的结合体，塑造盈利非线性增长

马斯克曾指引 Robotaxi 采取 Airbnb+Uber 的模式（二者商业模式均为轻资产+用户信息匹 配，匹配用户多余的房地产/汽车供给与终端需求），我们认为特斯拉 Robotaxi 商业模式或 结合 b2c 和 c2c，并有机会向第三方企业授权软件协议： 1) b2c：特斯拉自建车队，包括基于廉价车型平台的 CyberCab，Model 3Y（成本需要优 化），2C 的低价位车型 ModelQ，Robovan，用户或通过特斯拉 APP 统一打车。马斯 克指引将在 2025 年试运营、2027 年前大规模量产，我们预计前期车辆规模有限，千 辆级别，后期随着新技术平台成熟，CyberCab 有望达到十万级别。而 Model3Y2025 年在德州与加州试运营 Robotaxi，我们认为 Model3Y 的成本需要进一步优化，否则影 响车队规模。综上，我们认为，特斯拉 Robotaxi 运营的前期以自建车队为主，2025-2026 年市场宣传、收集数据、推销 FSD 与车型的权重大于盈利的权重，2027 年或进行大规 模交付，并在此之后开启盈利拐点的爬升。 2) c2c：用户可选择加入特斯拉 Robotaxi 车队，特斯拉结合 Airbnb 和 Uber 的模式，匹 配用户需求以收成。我们认为实现该阶段需要特斯拉 FSD 能力成熟度提高到一定程度、 监管法规审核有所放开，运营目的为扩大盈利面，提高用户对 FSD 的使用粘性，并进 一步扩大数据优势迭代 FSD，驱动监管放开限制来加快扩州速度。 3) b2b：我们认为运营后期，特斯拉或能以授权协议方式拓展至其他主机厂或租赁公司， 收取软件服务费。同时国内外主流主机厂智驾方案均向端到端大模型+纯视觉方案演进， 特斯拉软硬件方案具有天然迁移性。

经我们测算，Robotaxi 在 b2c 阶段为线性增长，即通过降低整车硬件成本、提升 FSD 能力 降低安全员成本，提高 Robotaxi 的边际盈利，通过 FSD 能力提升驱动监管放开政策，来 加快车队规模的扩州速度；c2c 阶段具有非线性增长潜力，特斯拉具备庞大的车队基础，理 想情况下，终端用户加入 Robotaxi 生态圈利于强化 FSD 的数据飞轮效应，而泛化能力更 强的 FSD 可加速用户渗透，有望形成良性循环；b2c 阶段我们认为偏发展后期，软件授权 费于特斯拉为纯粹利润。

盈利曲线：端到端更易跑通 Scaling Law，特斯拉有望陡峭盈利斜率

我们认为，讨论特斯拉 Robotaxi 与萝卜快跑、Waymo 的对比，不是简单的“渐进式”与 “跃进式”技术路线之争，而是在 2B 端 Robotaxi 这一特定业务场景下，模型驱动与规则 驱动的技术差别带来的盈利曲线差异： 技术面看，特斯拉端到端模型的泛化性天花板更高，更有可能实现全域无人通勤。我们认 为特斯拉与萝卜快跑、Waymo 更本质的技术差异在于算法，前者为端到端模型驱动，后者 为规则驱动+模块化。基于模块化+规则驱动的传统技术路线，根据不同场景给出不同规则， 在固定场景内可实现表现较好的自驾能力，尤其是对于安全冗余要求较高的 2B Robotaxi 场景，模块化设计可以将复杂的自动驾驶任务分解为更小的子任务，便于问题回溯和定位， 但该算法存在信息传递损耗、累计误差、长尾场景需单独训练的弊端，算法泛化能力的天 花板有限，会限制扩城扩区的效率。而基于端到端的技术路线，将感知、规划预测甚至是 控制模块融合到一个神经网络中，实现了数据驱动的全局优化，减少了信息传递损失，理 论上随着数据量的提升，算法的泛化能力可呈现指数级增长，利于实现全域的无人通勤。

盈利面看，特斯拉 FSD 软硬件方案落地 Robotaxi 具备反超能力，盈利曲线有望后来居上。 我们认为 Robotaxi 的盈利模式为线性增长，实现大规模商业化需要足够大的运营车队数量、 足够广阔完整的运营范围、足够低的运营成本，具体而言，车企需要在成本端上降低高精 度传感器用量或单颗成本、降低安全员比例、降低汽车改装费用，在收入端上加快扩城扩 区、扩大车队数量，同时我们认为，Robotaxi 若要提高用户使用率和使用粘性，有较大概 率需要依赖政府补贴或打折活动来降低用户打车费用。 我们认为虽特斯拉落地 Robotaxi 较晚，但具备更陡峭的盈利曲线，盈利有望后来居上： （1）收入端看，特斯拉的端到端模型泛化性更高，且地图绘制不复杂，若在初期符合了额 监管法规要求，后期扩城和扩区的速度会更快，而 Waymo 算法仍依赖规则驱动较多，且依 赖构建 3D 城市地图，扩城需要独立绘制维护地图、固定场景固定训练，限制了扩展速度。 （2）成本端看，①感知硬件看，特斯拉采用低成本的摄像头和 4D 毫米波雷达为主、前期 采用激光雷达辅助收集数据，成本低（但纯视觉存在天然的感知物理限制），Waymo 依赖 高成本的激光雷达和传感器，保证精确的环境感知能力同时，也具备高昂的成本。②造车 成本看，特斯拉利用 Unboxed Process 造车，通过无重复组装、总装线零部件数量及长度 降低、占地面积降低，制造成本可降低 50%。③安全员配置看，特斯拉端到端模型的泛化 能力上限更高，有望较大幅降低安全员配置。同时从收入端看，由于特斯拉通过数据驱动 端到端模型适应不同区域和城市的环境，而 Waymo 依赖绘制城市 3D 地图，特斯拉具备更 高的可扩展性，此外由于特斯拉采取纯视觉感知+无图方案+低成本造车，其硬件成本天然 较低，其在收入端可能采取更大折扣或更低定价以扩大客户群体，以收集更多数据驱动模 型迭代。④压力测试看，由于特斯拉成本更低，在保持一定利润空间的同时，特斯拉在收 费端存在更大的折扣空间，可让利于客户实现更广范围获客，而 Waymo 受限于高运营成本， 难以在价格上取得更大优势。

我们做出以下假设： 收入：美国出租车平均定价为 3 美元/英里左右，且要支付 10%的司机小费；Waymo 每次 行程平均收入约为 15 美元，每英里价格约为 4 美元；特斯拉因其硬件成本较低，我们假设 其收费比人类司机低，约为 2.5 美元/英里左右，同时存在 30%左右的折扣。Waymo 当前 日均订单在 18 单左右，特斯拉凭借价格优势有望获得日均 20 单/车，假设 Robotaxi 一年 有 30%空置率，特斯拉单车收入在 6.4 万美元/年。

成本：Robotaxi 成本包括折旧、电费、安全员成本、以及保险、停车、维修等其他成本， 我们假设：robotaxi 造车成本 3-4 万美元，折旧 5 年；美国电费 0.23 美元/度；早期运营车 人配比为 3（发展成熟阶段可过渡到 5 车 1 人配比），安全员月薪 5000 美元（Waymo 安全 员薪资较高，假设特斯拉因规模效应可具备更低的用工成本）；保险、停车成本固定为 4000、 2000 美元/年（Waymo 单车成本在 10 万美元以上，预计保险、维修等固定成本更高）；其 他固定成本早期收入占比 10%，随规模效应有望降至 7%。 综上，根据我们测算，Cybercab 在中性假设下，Robotaxi 发展成熟阶段，单车硬件成本有 望降至 3 万美元、每英里成本有望降至 1.27 美元，特斯拉定价在 1.75 美元/英里，即可获 得近 30%的毛利率。

特斯拉 Robotaxi 盈利有更高的承压能力，低盈亏线赋予了更大降价获客的空间。我们对比 特斯拉与 Waymo 在中期发展阶段下的 UE 模型，并做了定价端的压力测试，据我们测算， Robotaxi 的发展中期阶段特斯拉毛利率为 25%以上，显著高出 Waymo，而同在进行 30% 的折扣下，特斯拉仍可实现盈利，而 Waymo 已为亏损状态。以上测算侧面反映特斯拉一方 面在规模效应、低运营成本加持下，在维持一定利润空间的同时，定价端仍可获得较大的 折扣空间，较 Waymo 和传统出租车行业有更大的价格优势，从而可以让利给客户获得更多 市场份额，一方面特斯拉通过让利来提升车队使用频次和车队数量，也可强化自身的规模 效应进一步降低运营成本，从而抬高盈利曲线斜率。

我们认为特斯拉与 Waymo 跑通 Robotaxi 存在差异主要系二者核心问题不同，前者是软件 问题，后者是硬件问题，而软件问题较硬件问题更易解决。对于特斯拉，其端到端的 FSD 系统已跑通了数据-算法-算力的 scaling law，随着数据的投喂量增加，FSD 越变越“聪明”， 目前特斯拉更多需要处理好 Robotaxi 场景下的具体驾驶问题。而对于 Waymo，其技术方 案限制了盈利曲线斜率，Waymo 在目前的软硬件方案下，数据单一、依赖规则驱动和 3D 构建地图、且在地理围栏测试区域提供“安全区”，扩展效率天然较慢，且限制了规模效应。 同时基于前文分析，我们认为北美 Robotaxi 运营的底层商业逻辑是如何扩大收入增长和成 本降低的剪刀差，特斯拉面临的软件问题比 Waymo 的硬件问题更易解决，且更有概率跑通 Robotaxi 的商业模式，有望实现后来居上。

实际挑战：当前技术路线形成诸多监管挑战

当前特斯拉 Robotaxi 面临的实际挑战在于监管与技术，Waymo 的落地进程和监管问题上 更有优势： （1）监管限制：L4 级别 Robotaxi 与单车智能的安全责任归属权不同，如特斯拉 FSD 出事 故，责任在于驾驶员，特斯拉要求驾驶员全程将手放在方向盘上，因此事故和特斯拉无关。 而 L4 级别 Robotaxi 责任归属于运营方，要求更高的安全冗余。北美 Robotaxi 的审批流程 较繁琐、各州政策差异大、牌照取消后很难重获，特斯拉需要一定时间审批，扩州需要针 对不同州定制数据，扩展效率可能有限；特斯拉虽有数据优势，但其数据没有以 drive out 的方式测试验证过；特斯拉端到端模型具有“不可解释性”，端到端大模型基于数据驱动， 输入端是传感器数据，输出端是驾驶决策，但中间具有较强的不可解释性，监管无法得知 系统作出最终决断的过程，同时特斯拉算法没有安全兜底；纯视觉路线天然存在盲区，特 斯拉或需要加装激光雷达等高精度传感器。我们认为若特斯拉证明其自动驾驶安全性已超 越人类驾驶员，则可能驱动监管改革。 （2）技术限制：根据海外第三方数据显示，特斯拉在学校、停车场等复杂场景的接管率较 高，反映 Corner Case 的问题尚未解决，同时在 Mile to Disengagement 每次自动驾驶脱离 之间的公里数上，特斯拉显著落后于 Waymo、Cruise 等企业。而 Waymo 的 Robotaxi 已 通过了严格测试和数百万英里的行驶数据，有多个城市的无安全员驾驶许可，已在凤凰城、 旧金山等部署了无安全员的 Robotaxi，运营经验丰富。我们认为技术问题特斯拉有望解决， 首先 Mile to Disengagement 指标上，特斯拉接管次数会受到驾驶员的影响，并非完全的系 统失效所致，其次特斯拉数据优势明显，模型泛化能力有望不断增强，同时特斯拉也可以 通过端云一体替代远程操作员。