2024年特斯拉研究报告：Optimus开辟第二战场，推动特斯拉再进阶

1.特斯拉：定义电动汽车产业，市值增长超过 373 倍

1.1.历史复盘：加速世界向可持续能源转变，市值增长超过 373 倍

致力于加速世界向可持续能源转变。特斯拉成立于 2003 年，由两位工程师马丁·艾伯哈德 和马克·塔彭宁联合创立，旨在打造一款电动跑车。2004 年马斯克以投资人身份加入成为公 司董事长，2006-2023 年特斯拉先后提出“秘密宏图计划”的三个篇章作为公司战略指引， 其内容具体为：1）从高端跑车开始推出价格更加实惠的车型，打造一家成功的电动汽车公司； 2）将特斯拉升级为能源与科技的公司，发展能源业务、扩大电动汽车产品线，并推动自动驾 驶、Robotaxi 等业务发展；3）加速世界向可持续能源的转变，在家庭、企业、工业场景普 及新能源，并推动飞机、轮船等出行工具电动化。 市值增长超过 373 倍，居美股第十三位。特斯拉成立 20 余年取得巨大成功，2023 年公司实 现收入 967.73 亿美元，实现归母净利润为 149.97 亿美元，净资产为 626.34 亿美元。公司 于 2010 年在纳斯达克上市，市值从上市时 22 亿美元增长至今的 8211 亿美元（以 2024 年 9 月 25 日收盘价计算），增长超过 373 倍。按市值计算，特斯拉是目前美股第十三大公司。

以秘密宏图计划为指引，特斯拉发展历程主要经历了“以中高端线电动汽车确定品牌调性— —以大众车型 Model 3/Y 实现商业模型正反馈——延展能源产业链及应用场景——叠加 AI 赋能加速向可持续能源转变”几个重要发展阶段，并将最终成长为以可持续能源驱动、借助 AI 提升用户体验的科技公司。

2003-2015 年：顶住研发及资金压力，重塑汽车工业产品形态

创业初期 RoadSter 交付困难，陷入资金危机。特斯拉成立于 2003 年，其成立伊始希望打造 一款高端电动跑车，以莲花跑车 Lotus Elise 作为基础平台，于 2005 年发布全球首款量产 电动敞篷跑车 Roadster，但 RoadSter 高性能的产品定位要求很高，导致研发难度大不得不 延期交付，2008 年 2 月特斯拉才完成首台 RoadSter 交付。同时制造成本也远超预期，使公 司陷入巨大的资金压力，迫使马斯克宣布将 RoadSter 原先的 9.2 万美元售价上调至 10.9 万 美元，引发部分消费者的不满。

马斯克推动解除资金危机，累计交付 2500 辆 Roadster。面对资金压力，2007 年 8 月创始人 艾伯哈德被罢免 CEO 职务，期间经历了几轮管理层更换，2008 年 10 月马斯克正式出任公司 CEO，并完成系列融资。2009 年 5 月丰田将其在加里福利亚弗里蒙特的整车制造厂 Nummi 作 价 5000 万美元入股特斯拉；戴姆勒投资 5000 万美元取得特斯拉 10%股份；同年 6 月，特斯 拉获得美国政府大力支持，美国能源部向特斯拉提供了 4.65 亿美元的低息贷款，以支持其 作为美国先进技术汽车制造计划的一部分。2010 年 6 月 29 日，特斯拉在纳斯达克上市，IPO 发行价为 17 美元，募资资金 2.261 亿美元。借由低息贷款及 IPO 融资，特斯拉获得充足资 金投入研发及产线建设。2010 年对弗里蒙特工厂后进行了大规模升级改造，提升了产品交付 能力，2008-2012 年共交付 2500 辆 Roadster。 Model S/X 交付获市场积极反馈，特斯拉重塑传统汽车工业。2008 年完成首辆豪华电动跑车 Roadster 的交付后，特斯拉开始启动新车型研发，瞄准时尚与高收入人群向下拓展产品线。 2009 年特斯拉发布中高端轿车 Model S，起售价为 5.74 万美元，2012 年开始交付，并在当 年 11 月打败了保时捷、宝马等 11 家劲敌，被《汽车族》杂志评为“年度最佳汽车”，并被称为 “美国仍然具有伟大创造力的有力证明”；2012 年发布运动型多功能电车 Model X，起售价为 8 万美元，2015 年开始交付，因独特的鹰翼门和豪华配置受到市场的欢迎。得益于 Model S/X 成功交付，特斯拉成为汽车工业冉冉升起的新星，重塑了传统汽车工业的产品形态，成为电 动汽车行业的引领者。

2016-2021 年：大众车型 Model 3/Y 交付推动利润转正，初步蓄力能源业务

产品定位进一步下沉，面向大众市场发布 Model 3/Y。Model S/X 取得成功后，2016 年 3 月 特斯拉发布首款面向大众市场的纯电动车 Model 3，起步价 3.5 万美元，上市后即获得 50 万 笔订购；2019 年发布纯电动中型 SUV Model Y，起步价为 3.9 万美元；2019 年 11 月发布纯 电动皮卡 Cybertruck，起售价为 3.99 万美元，形成了目前特斯拉电动汽车核心产品线。 2020 年上海工厂正式交付，极大解决产能问题。特斯拉持续面临产能问题，从 RoadSter、 Model S/X 开始，其交付周期基本达到 3 年左右。2015 年正式交付的内华达超级工厂对产能 交付有帮助，但无法应对 Model 3 的需求。上海超级工厂建成是解决特斯拉产能问题的关键 拐点，2019 年 1 月特斯拉上海智能工厂动工建设，2020 年 1 月就启动国产 Model 3 的正式 交付，2020 年特斯拉汽车产量为 50.97 万辆。至今上海工厂仍为特斯拉最大产能的工厂， 2023 年特斯拉上海工厂的年产能超过 95 万辆，接近特斯拉全球产能的一半。

产能爬坡叠加生产效率提升，2020 年实现盈亏平衡。2020 年汽车销量快速增长至 49.96 万 辆，实现收入为 261.84 亿美元，同比增长 31.23%。同时汽车销售毛利率持续上行，2020 年 为 25.62%，并于 2021Q3-Q4 上探至 30%+水平。得益于收入与毛利率双升，2020 年归母净利 润为 7.21 亿美元，实现年度盈亏平衡。 向上游能源产业链延伸，先后进入电池、储能、光伏产业。2014 年 2 月特斯拉宣布在内华达 州建造超级电池工厂的计划，瞄准的是汽车制造中价值量较高的电池；2015 年 4 月，特斯拉 发布储能电池 Powerwall 和 Powerpack；2016 年 7 月，特斯拉联合松下、三洋以及其他合作 方投入 50 亿美元打造超级电池工厂 Gigafactory；2016 年 12 月作价 20 亿美元完成对太阳 城 Solar city 的收购，补全了最上游发电能力；在澳大利亚成功运营了实时交易和控制平 台 Autobidder，介入交易环节；至此特斯拉形成“光伏发电——储能电池——应用场景—— 能源交易”的闭环，初步实现对产业链的垂直整合。

2022-2024 年：转向智驾战场，扩大可持续能源业务场景

2022 年起汽车销售面临诸多挑战，业务毛利率下降。2022 年特斯拉面临多种挑战：1）疫情 影响下上海工厂停工，对交付造成一定影响；2）2022Q2-Q3 连续两个季度出现交付量低于产 量的情况，市场认为特斯拉汽车所覆盖消费群体逐步走向饱和，进入“供大于求”阶段；3） 美国进入加息周期，变相抬高了消费者购买汽车的金融成本；4）中国电动汽车产业快速发展， 特斯拉面临竞争压力增大，2022 年 9 月起特斯拉在中国市场开始变相降价。受上述因素影响，汽车销售业务毛利率进入下行通道，截止 2024Q2，汽车销量业务毛利率为 13.86%，较 2021Q4 最高点下降 16.46pct。 转向智能化战场，引领全球自动驾驶技术路线。2022 年之后电动汽车竞争持续加剧的同时伴 随技术成熟度提升，行业竞争迈入下一阶段——智能化。特斯拉自 2014 年 10 月开始在生产 的汽车上安装 Autopilot 硬件，期间从与供应商合作转为自研，不断探索自动驾驶业务。2020 年特斯拉对自动驾驶方案底层代码进行重写及网络重构，引入了 Transformer 的架构，后又 先后引入 BEV 鸟瞰图、占用网络、端到端等技术路线，并在 2021-2022 年 AI Day 详细介绍 了其自动驾驶核心技术框架。截止 2024 年 9 月，特斯拉已经推出端到端版本的 FSD V12.5， 实现智能能力的快速提升。

能源业务规模持续扩大。2020 年特斯拉宣布将推出自研 4680 电池，并在 2022 年 4 月首批搭 载 4680 电池的 Model Y 完成交付，也将用于 Cybertruck;面向家庭场景，powerwall 与太阳 能板/屋顶捆绑销售推动安装量增长；面向企业及工业场景，将 Powepack 整合入新产品线 Megapack，并于 2022 年推出性价比更高的 Megapack 2。2023 年储能产品安装部署量为 14.72Gwh，太阳能安装部署量为 223GW。为进一步扩大产能，2024 年 5 月上海储能超级工厂 动工建设，投产后超大型储能电池 Megapack 年产量将达 1 万台，有望拉动能源业务增长。 积极探索新的增长曲线，Dojo、Robotaxi、Optimus 等蓄势待发。1）2021 年 AI day 宣布将 自研芯片及超算 Dojo，提升对算力硬件的掌控力，2023 年 Dojo 已正式投产；2）2022 年 AI Day 展出人形机器人 Optimus 的原型机，至今已迭代至 Gen2 版本，即将推向小规模量产；3） 2024 年 4 月，马斯克宣布将发布 Robotaxi，有望在 2024 年 10 月召开产品发布会。 对比既有业务布局与特斯拉秘密宏图计划，我们认为特斯拉已经基本完成第二篇章的全部规 划。目前公司已经成为全球第一大电动汽车公司，2023 年全球市占率为 19.9%；在能源业务 方面，特斯拉在美国户储市占率基本保持在 50%左右。

2023 年特斯拉发布秘密宏图计划第三篇章，我们认为特斯拉将围绕“车、家、人”场景提供 可持续能源方案，兼顾软硬件能力迭代，同时将从硬件收费为主商业模式升级为含订阅制等 软硬件兼具的收费模式，完成商业模型的进化，从而提供更扎实的业绩及充沛的现金流。

1.2.股权结构：马斯克是公司的灵魂人物，为第一大股东

马斯克 2004 年加入特斯拉，2008 年成为公司 CEO，带领特斯拉走过资金危机、解决产能地 狱问题并取得巨大成功，是公司的灵魂人物，其拥有资金及资源能力，且对技术路径的深刻 理解及超强的执行能力正在转化为公司的组织文化体系，帮助构建竞争壁垒： 1）强大的融资能力：马斯克是特斯拉的天使投资人，在创业早期投资 650 万美元成为特斯拉 最大的股东及董事长，在业务面临资金压力时出任 CEO，带领公司获得美国能源部低息贷款 并完成上市，帮助公司度过了资金危机； 2）对技术路径的深刻认知：马斯克对物理学、工程学、汽车工业、航天工业等都有深度理解， 兼具理论认知及工程化能力，并且坚持第一性原理，善于从根源思考技术方向，决定了特斯 拉产品设计的领先性； 3）超强的执行能力：马斯克自身具有超强的执行力，甚至于对员工达到了近乎苛刻的程度， 虽然从管理角度饱受诟病，但是从结果看效果显著，特斯拉电动汽车从研发设计到生产制造 基本都是自己完成的。 4）马斯克商业帝国有望加持特斯拉：马斯克旗下拥有多家公司，涵盖前沿科技的多个领域， 目前部分公司已与特斯拉形成业务协同，如 X 拥有的社交数据可作为 xAI 大模型训练的语料 数据，而 xAI 所提供的多模态模型能力的进化也将对特斯拉 FSD 能力的提升形成支撑，因此 我们认为马斯克旗下企业对前沿技术探索有望成为支撑特斯拉长期发展的基石。

马斯克被授予三次股权激励计划，达成全部激励目标。特斯拉曾针对马斯克发布三次股权激 励计划，分别是 2009 年、2012 年及 2018 年 CEO 激励计划。以 2018 年为例，一共设有 12 个 市值目标，即公司市值每增加 500 亿美元，同时完成 16 个“营收和利润”目标中的一个，期 权奖励就能解锁 170 万股。最终市值目标达到 6500 亿美元，16 个“营收和利润”目标中完 成 12 个，可获得 2030 万股特斯拉股票期权，约占特斯拉总股本的 12%，总价值约为 560 亿 美元。目前特斯拉市值及营收、利润目标均达成，根据方案马斯克应该获得价值 560 亿美元 对应期权。2024 年股东大会已审议通过该项薪酬议案。

截止 2024Q1，马斯克持有公司 12.89%，系特斯拉第一大股东；其后为全球头部投资机构先 锋领航集团（世界上第二大基金管理公司）、黑石集团（全球规模最大的资产管理集团之一）， 分别持股为 7.21%、5.92%。

1.3.财务分析：行业竞争加剧，短期业绩承压

众多不利因素干扰，短期收入承压。2019-2023 年公司收入实现快速增长，从 245.78 亿美元 增长至今 967.73 亿美元，期间收入 CAGR 为 40.86%，收入高增主要得益于连续交付 Model S、 Model Y 等车型，且实现产能提升。自 2023 年中国大陆市场新能源汽车市场爆发价格战、特 斯拉自动驾驶 FSD 算法的研发进度不及预期、美国面临加息等众多不利因素影响下，特斯拉 不得不以价换量，导致收入增长放缓，2024H1 上半年收入为 468.01 亿美元，同减 3.02%，主 要受 2024Q1 业绩拖累，而 2024Q2 收入增速已同比转正。

汽车销售仍为最核心收入来源，能源业务占比正逐步攀升。分业务结构来看，2024H1 汽车销 售、汽车租赁、监管（积分收入）、能源业务、服务及其他收入占比分别为 74.8%、2.0%、2.8%、 9.9%、10.5%，其中汽车销售业务收入贡献最高，仍是公司最核心的变现模式；但同时收入来 源正呈现多元化分布，相较 2018 年能源业务占比提高 2.7pct，服务及其他业务占比提升 4pct， 其中能源业务占比提升主要系 2024Q2 迎来大额订单。

受降价等因素影响，毛利率持续下滑。由于汽车销售业务收入占比高达 74%+,因此公司的综 合毛利率与汽车销售业务毛利率变动方向几乎吻合。2020Q4-2022Q1 综合毛利率快速增长阶 段，2022Q1 综合毛利率达 29.1%，相较 2020Q4 提高近 10pct；受疫情影响交付、供大于求、 竞争性降价等因素影响，综合毛利率进入下行阶段，2024Q2 综合毛利率为 18%，较 2022Q1 最 高点 29.1%已降低 11.1pct。

研发费用保持增长态势，销售费用投入较低。2018-2020 年期间，主要车型均已完成主要研 发阶段，且对外销售规模也在快速增长，研发费用略有收缩。自 2021 年以来，研发费用规模 再度增长，主要由于特斯拉在自动驾驶 FSD 算法、人形机器人硬件方案研发、新一代新能源 Robotaxi、新能源货车等多项布局，2023 年研发费用为 39.69 亿美元，研发费用率为 4.1%。 得益于强大的品牌能力，公司在销售费用的投入相对较低，2023 年销售、行政及一般费用合 计为 48 亿美元，销售、行政及一般费用率仅为 4.96%，较 2018 年下降 8.25pct。

2024Q1-Q2 单季度归母净利润出现下滑趋势。受交付规模增长及毛利率提升，2020 年起公司 实现转亏为盈且进入持续增长阶段，2023 年实现归母净利润为 149.7 亿美元，同增 18.96%， 2020-2023 年 CAGR 为 159%。分季度来看，2023Q1-2024Q2 单季度归母净利润依次为 25.39/26.14/18.78/79.43/11.44/14.94 亿美元，其中 2024Q1-Q2 需求疲软导致收入放缓叠 加毛利率下滑，导致单季度归母净利润同比下滑 54.94%、42.85%。

2.产品体系：构建能源产业链业务闭环，竞争力突出

2.1.电动汽车：全球第一大电动车企，智驾之争再领先

2.1.1.硬件：以大单品策略逐步向下渗透，Model 2/Q 有望进一步刺激销量

特斯拉产品路线分为“高—中—低“三步走，逐步下沉包围市场。根据秘密宏图计划第一章 可以看出，特斯拉在最初就确定了向下渗透的产品策略——先通过高端跑车确立品牌定位以 及快速回笼资金，后逐步通过中高端、大众产品线获取利润。从产品发布时间来看，特斯拉 于 2003 年发布首款新能源豪华跑车 Roadster，瞄准社会名流为主的高端市场，通过营销手 段提升品牌知名度。而后发布新能源轿车 Model S 和新能源 SUV Model X 面向更广泛群体塑 造品牌高端定位，开启量产之路。自 2015 年以后，新能源汽车逐渐被市场接受，特斯拉高端 品牌形象根植，开始谋求利润，推出的 Model 3/Y 贯彻极致性价比，定位走量车型收割市场，销量猛增。自此，特斯拉已完成新能源龙头车企的晋升之路。随后，为进一步拓展市场，丰 富品类，特斯拉推出新能源皮卡 Cybertruck 及新能源卡车 Semi 实现多品类扩张。

采用大单品战略，降低开发成本且易集中释放销量。大单品战略即把一款产品做到极致，打 造爆款车型，将用户体验做到最大化，体现在产品线设计上，特斯拉只推出 Roadster、Model S/X、Model 3/Y、cybertruck、seimi 等 7 款产品，远比宝马旗下的产品线精简。大单品战 略具有鲜明的好处：1）在产品设计上通过模块化设计、共享平台和优化材料使用等降低成本， 例如在 Model 3 和 Model Y 的设计中，特斯拉采用了相似的平台和组件；2）易于集中释放 销量，品牌效应显著。2023 年全球电动车销量排行榜 Top10 中，特斯拉有 2 款车型占据前 三，其中 Model Y 位居销量榜首，Model 3 排名第三。

增长由供给驱动转为需求驱动，Model 2/Q 的发布有望刺激销量增长。回溯特斯拉汽车销量 历史，早期汽车销量主要受限于产能，体现销量曲线几乎与产能曲线相重叠，2020 年上海工 厂建成交付后由于产能的提升才支撑了销量的增长。2022Q3 开始产能与销量之间产生缺口， 出现了供大于求的现象，我们认为特斯拉汽车销售进入需求驱动的阶段。从特斯拉汽车销量 结构来看，2024 年第二季度 Model 3/Y 的销量占比达到 95.1%，Model S/X 的销量占比为 4.9%；参考四款车型起售价，假设 Model 3/Y 均价为 3.5 万美元，Mode S/X 的销售均价为 6.5 万美元，预计对应 Model 3/Y 与 Mode S/X 系列车型对应收入比重为 91%:9%，因此当前收入贡献应主要依赖于大众车型 Model 3/Y。根据特斯拉 2024Q2 业绩发布会，预计 2025H1 会发布一款更实惠的车型，定价约为 2.5 万美元，或将命名为 Model 2/Q，Model 2/Q 的推 出有望打开特斯拉用户覆盖广度，成为销量增长的一大驱动力。

2.1.2.软件：FSD 引领智驾路径，商业化潜力有望释放

特斯拉自动驾驶方案早期由供应商 Mobileye 提供，2016 年双方终止合作后，特斯拉经历了 与英伟达短暂合作后，转向全栈自研，目前在“算法、算力、数据”三大维度均具有强大的 能力积累： 1）年销百万台硬件终端：2023 年特斯拉汽车的年度销量达到 180.86 万台，通过授权采集数 据后为公司沉淀了庞大的数据优势，截止 2024Q2 特斯拉累计采集数据达到 16 亿英里； 2）算法体系：形成了完整训练流程闭环，包括数据标注、仿真平台合成、算法框架等，并将 Transformer 架构引入自动驾驶训练模型，从 BEV、占用网络逐步进化到端到端模型，引领了 自动驾驶的技术路径； 3) Dojo：特斯拉一方面借助外采或者租赁扩大算力，一方面自研 dojo 机柜，2023 年 7 月 Dojo 正式上线运行； 4）端侧芯片：特斯拉端侧预埋的硬件成本较低，纯视觉方案下，车端主要采用摄像头及低成 本传感器，并从 HW3.0 开始启用自研 FSD，两颗芯片算力可达到 144Tops，2023 年 HW4.0 中 FSD 算力可以达到 200+Tops，可充分满足 FSD V12 版本的运行。

FSD V12 有望推动商业化潜力释放。2020 年起特斯拉自动驾驶迭代速度开始加快，公司正式 将 FSD 的版本开始推送给部分用户进行测试，后续逐步扩大规模；2022 年 11 月，特斯拉向 北美地区所有购买 FSD 用户推送 FSD Beta V11 版本，这个版本统一了高速和城区 NOA 功 能，大幅拓展了使用场景；2023 年 11 月推出的使用端到端模型的 FSD V12 版本大幅提升了 驾驶体验，特斯拉进一步加强了对 FSD 的推广，预计 FSD 的商业化潜力有望逐步释放。

FSD 将强化公司软件生态壁垒，推动升级为“苹果模式”。特斯拉 FSD 的付费模式分为一次性 买断、订阅付费等，其中：1）当前买断费用约为 8000 美元，早期 FSD 买断价格从 2500 美元 上涨至 15000 美元，主要是为了提价弥补研发投入缺口，2023 年开始特斯拉希望通过降价扩 大用户规模，买断价格降至 12000 美元后又下降至 8000 美元；2）订阅制，如购买 EAP 功能 则享受优惠价为 99 美元/月，否则为 199 美元/月， 2024 年 3 月宣布所有具备 FSD 功能的美 国特斯拉汽车都可申请一个月的试用。FSD 商业化变现一旦获得成功，特斯拉的盈利模式则 转为硬件出货+互联网 SaaS 模式，其中 SaaS 变现以电动汽车保有量为用户基础，随汽车保 有量增长该业务的边际成本逐步下降，甚至为 0，具有较高的毛利，同时参考苹果模式，优 质的用户体验反过来会提升硬件终端的溢价，进一步提升硬件的毛利率水平，从而形成商业 模式闭环。

截止 2022Q3，特斯拉 FSD 全球订阅率为 7.4%，从趋势来看，2016Q4 至 2019Q2 订阅率呈现攀 升趋势并达到峰值 45.7%，之后订阅率有所下滑，我们分析原因有三个方面：1)扩大了 FSD 的用户推送范围，用户群体泛化导致订阅率下降；2）特斯拉高价车高渗透率、低价车低渗透率，2019 年起低价位车型 Model3 的交付量逐步攀升，拉低整体订阅率水平；3）2020Q1 上海 临港工厂开始交付，面向中国市场的交付量在整体结构中抬升，亚太地区（以中国市场为主） 订阅率仅为 3%及以下，拉低了整体订阅率水平。

特斯拉 FSD 拟于 2025Q1 入华，有望拉动整体订阅率抬升。9 月 5 日，特斯拉官方账号“Tesla AI”在社交媒体平台宣布，特斯拉计划 2025Q1 在中国推出正式版 FSD，但仍有待监管部门的 批准。截止 2022Q3，亚太地区（以中国市场为主）的订阅率仅为 0.4%，而全球订阅率为 7.4%， 假使特斯拉正式版 FSD 入华后将拉动中国市场订阅率抬升，进而带动亚太地区订阅率提升， 假使亚太地区订阅率能达到全球平均订阅率水平，则意味着订阅用户将大幅增加，从而有效 拉动 FSD 业务收入增长。

2.2.能源业务：构建“发电-储能-充电-交易”闭环，储能订单大幅增长

面向家庭、企业等场景，打造“发电-存储-充电”能源闭环。特斯拉 2016 年完成对 Solar City 的收购，正式布局能源业务，截止目前能源业务已形成集“发电-存储-充电-交易”为 一体的清洁能源生态闭环。目前主要分为光伏、储能两大类产品，其中光伏产品主要包括太阳能电池板 Solar panels 及太阳能屋顶 Solar Roof；储能产品主要包括 Powerwall 和 Megapack： Solar Panels 是安装于房屋屋顶的太阳能发电面板，收集太阳能并转化为电能供家庭使 用； Solar Roof 结合优质屋顶瓦和发电功能，外观类似于普通的瓦片，但表面为带纹理的玻 璃等不同材质，满足不同户型对于美观的要求； Powerwall 是一款家用储能系统，能够储存太阳能板产生的电力，用于夜间或停电时供 电，搭配太阳能进行充电，可为家电连续供电数天；Powerwall 目前已经迭代至第三代， 电能储量达到 13.5Kwh； Megapack 是一款超大型商用储能系统，适用于大型商业和工业客户，如数据中心、医院 和学校等，Megapack 能够可靠、安全地为电网存储能源，既无需建造天然气调峰电厂， 又避免断电，每台机组可存储超过 3.9 MWh 的能源，足以满足 3,600 户家庭一小时的 用电需求。

储能部署量大幅增长，新签订单刷新记录。2023 年特斯拉储能安装部署量达到 14.72GKWh， 同比增长 126.5%；2024Q1-Q2 储能安装部署量分别为 4.1GWh、9.4GWh，合计 2024 上半年部 署量为 13.5GWh。2024 年 7 月初，特斯拉再次和 Intersect Power 宣布达成合作协议，签下 了一笔 15.3GWh 的储能订单，刷新了特斯拉在储能领域的单笔合同记录。 受竞争影响安装不及预期，太阳能部署量先增长后下降。特斯拉太阳能屋顶于 2016 年发布， 至 2019Q4 发布第三代才实现量产，2019-2023 年太阳能部署量为 173Mw、205Mw、345Mw、 348Mw、223Mw，太阳能部署量快速增长后于 2023 年呈现下滑趋势，主要原因在于太阳能屋顶 的渗透率较低以及产品竞争激烈。

3.竞争壁垒：创新组织文化驱动，构筑产能及 AI 能力壁垒

3.1.组织文化：坚持第一性原理出发，创新解决问题

特斯拉的最大竞争力在于创新的组织文化，马斯克坚持第一性原理思考，在其带领下，团队 持续探索更高效的解决方式，在多个项目中得以强化及延续，典型的项目如重塑三电系统、 核心零部件自主设计等。 打破传统汽车机构体系，创新构建三电系统。在电子电器结构方面，传统车企长期使用的模 块化电子电器结构依赖博世、安波福等一级供应商所提供的电子控制单元 ECU，车企没有权 限维护或更新电子控制单元 ECU，且各供应商代码各不相同，从而造成整车结构复杂、运行 效率低。特斯拉自研底层操作系统，创新集中式电气架构，对域处理器和电子控制单元 ECU 进行统一管理，有以下三大优点：

软硬件开发标准化，算力集中化：通过中央处理器 CPU 对域处理器和电子控制单元进行 统一管理，代码统一，方便后续第三方软件的开发。对比传统分布式汽车架构，各电子 控制单元 ECU 来自不同供应商，底层代码逻辑不同，研发时长 2-3 年，集中式电气架构 实现更快捷、更便利的开发，鼓励更多应用在汽车上的出现。同时，集中式电气架构允 许大量计算工作集中至中央处理器与云端，实现了算力的集中化；

内部结构简化，整车设计更灵活：新能源汽车的线束设计是衡量汽车设计集成度的指标。 从 Model S 到 CyberTruck 线束得到极大精简，更短的线束结构意味着更高的组装效率。 集中式电气架构不仅带来线束的简化，也为整车设计提供更多可能性，例如更大的电池 空间，更长续航，更灵活的动力系统设计等等；

OTA 空中下载技术：通过中央处理器 CPU 的统一管理，使得车企端可以在车辆已售的前 提下，通过对代码的调整进行汽车软硬件的长期维护，而用户端可以通过 OTA 空中下载 技术定期、持续更新车辆功能，例如自动辅助驾驶、电池预热、自动泊车等。对比传统 车企仅能对地图导航、媒体软件等车载信息娱乐系统进行升级，集中式电气架构在更新 频次，更新范围上更占优势。

三电系统获传统汽车厂商认可，曾为戴姆勒提供开发服务。发布 Model S 开始特斯拉在电动 汽车领域的创新开始获得市场关注，传统汽车厂商开始反过来采购特斯拉的技术，2010-2014 年间特斯拉通过为戴姆勒等公司提供开发服务获得收入，是公司重要的收入来源，2011 年开 发收入占比达 27.45%。

进一步精简汽车制造流程，实现“一体化压铸”工艺。汽车制造的传统工艺分为冲压—焊装 —涂装—总装，特斯拉创新一体化压铸工艺，通过一次性高压压铸成型，可合并冲压和焊装 环节，大幅简化制造流程，并实现降本增效：1）减少零件数量：2020 年首次在 Model Y 后 地板上采用一体化压铸技术，这让 Model Y 后地板的零件减少了 79 个；2）缩短加工时间： 一体化压铸使焊点由 700-800 个减少至 50 个，相同部件的生产时间由至少两小时缩短至 80- 90 秒；3）减重：整车重量可以减轻 10%（使用铝合金），续航提升 14%。

核心零部件自主设计，自研比例有望提升至 100%。核心零部件自研降低对供应链的依赖风险， 保证了技术的排他性，产品的独特性及终端的话语权。根据特斯拉公告，特斯拉产品零部件 自研比例持续上升，根据其公告，特斯拉预计下一代车型自研比例将达到 100%。特斯拉零部 件自研的优势在人形机器人上发挥到极致。为了尽可能地减少执行器的种类，降低软件标定 难度，因此特斯拉举了 28 种人类常见活动，比如抬举手臂、弯曲右膝等，通过分析这些活动 反馈的云数据，找出各类运动的相对共同点，然后就可以尽量减少专门设计执行器的种类， 基于以上原因最终设计了 6 种各自独特的执行器。

3.2.产能优势:极致创新与提效，年化产能超过 235 万辆

引入自动化及智能化生产，高效解决产能地狱问题。特斯拉将创新同样应用在制造及供应链 领域， 2017 年特斯拉陷入无法大规模交付 Model 3 的产能地狱，在加州弗里蒙特工厂搭建 帐篷组装 Model3，开始从头探索了一套不同于传统汽车业的生产思路和实践，产线由一些自 研的自动化设备、复杂的软件系统和创新的工艺构成，并在产线中引入了自动驾驶的理念， 让流水线和工位能随物料、订单等环境变化而学习、进化。在不停线的情况下，当总装车间 某一流程的零部件缺失或变化时，这套系统可在数十秒内告诉设备或工人跳过这个环节，在 后面合适的地方再接入，产线可继续运转，打破了传统车企认为量产车型无法在线 “小步迭 代” 的认知。此外，这套方案也能发现哪些工站可被合并、精简，哪些步骤可变换顺序，这 有利于提升产线节拍，减少工位数量，整体节省各工序后的质检时间，提升制造速度。2019 年特斯拉将在弗里蒙特工厂所摸索出的成功经验复制到上海临港工厂，并扩展到德国柏林工 厂和美国得州奥斯汀工厂，从而有效地缩短研发车型到量产之间的周期。 零部件数量大幅下降。得益于智能工厂建设及对生产流程的精简，特斯拉的零部件数量大幅 下降，传统燃油车的零部件数量一般在 3 万个以上，2017 年开始交付的 Model 3 只有 1 万 多个零部件，是 2012 年交付的 Model S 的三分之一。

电池等核心零部件自研，降低整车成本。针对核心零部件，特斯拉通常自研自产，比如电动 汽车中的电池，电池是汽车中价值量占比最大的零部件，占整车成本的比重为 40%， 2020 年 9 月特斯拉发布 4680 电池，逐步由外采转向自研。4680 电池与主流方形电池不同，采用圆柱 形+全极耳设计，提高能量密度及充放电效率，从而降低整车对电芯数量的需求。

采用垂直采购的供应链体系，打造特斯拉“4 小时供应链”生态圈。特斯拉目前实现了电动 汽车从设计到生产的全链路能力，其中垂直采购将供应链全面开放，打破传统车企 Tier1、 Tier2 的封闭采购，一方面通过鼓励竞争，压低成本，保证了特斯拉供应链的安全性及低成 本；另一方面也形成利益互锁，Tier1 供应商仍享受紧密供应链关系所带来的优先准入等红 利。在此模式下，特斯拉也扶持起一批供应链合作伙伴，形成了以特斯拉为链主的产业形态， 类似于智能手机时代的苹果产业链，且这一模式也正在人形机器人产业链上复刻。 以上海智能工厂为例，特斯拉通过将供应商主要锁定在江浙沪包邮地区，实现繁杂零部件运 输的通达、便捷、高效、低成本。在上海工厂 500 公里范围内，以上海、杭州、南京、宁波、 南通、常州等城市为主已形成部分产业的区域化，如“压铸之乡”宁波、杭州为中心的面状 汽车产能地、宁波—台州汽车产业集群、嘉昆太汽车产业区等，加速推进了特斯拉国产化浪 潮。

高效智能制造体系构筑产能壁垒，全球年产能超过 235 万辆。基于上述智能制造模式，目前 特斯拉共建成 6 家智能工厂，分别位于美国加州弗里蒙特、得州奥斯汀、内华达州、纽约、 中国上海临港以及德国柏林，2023 年 3 月公司提出将建设墨西哥工厂（因政策存在不确定 性，暂时处于停滞状态）。六大工厂各自有分工，其中美国加州弗里蒙特的产线最为丰富，覆 盖现有核心销售车型 Model S/X、Model 3/Y；上海临港工厂产能最大，年产能超过 95 万台， 是特斯拉汽车大众车型 Model 3/Y 的主要出产地。整体来看，六大智能工厂年产电动汽车可 超过 235 万辆，参考 2023 年销量为 180.86 万辆，可有效支撑销售能力的释放。 覆盖美中欧三大核心市场，具备关税优势。从收入结构来看，2023 年美国、中国大陆、其他 地区（主要为欧洲国家）收入占比分别为 46.7%、22.5%、30.8%，目前美国、中国大陆、欧洲 市场是特斯拉收入的主要来源。特斯拉智能工厂涵盖三大市场，保证了当地市场的交付，同 时能够降低关税。

3.3.AI 能力：FSD V12 持续验证算法领先性，积极推动芯片自研

3.3.1.算法能力：协同 XAI 具有全面模型能力，强于工程化落地

坚持第一性原理思考问题，以高执行力直达目标。在自动驾驶传感器领域，一直分为视觉派 和雷达派两大派系，前者主张使用高清摄像头+视觉识别算法，后者主张除摄像头外，再加入 激光雷达、超声波雷达、毫米波雷达等感知硬件提高信息冗余以保证系统稳定。特斯拉是坚 定的视觉派拥护者，其认为就像人只需要眼睛和大脑就可以完成对周围环境的感知一样，自 动驾驶也只需要借助摄像头和算法就能够实现这样的能力。 因为坚持只采用摄像头纯视觉方案，倒逼特斯拉提升软件算法能力，也放弃采用高精地图等 辅助方案，帮助其取得了较高的研发收益，其好处在于：1）摄像头零部件成本相对于雷达更 低；2）软件算法方案本质上在教会机器识别环境，比如在开新城市时无需重新扫描高精地图， 能够自主识别，对于搭载智驾能力的主机厂上的拓展城市边际成本更低。同时以高强度、高 标准的方式达成，这决定了特斯拉的智能驾驶推进方向是具有领先性的，比如 2020 年就将 Transformer 架构引入自动驾驶方案，且持续投入大量的人力及资源研发。

Grok 系列模型有望增强多模态能力，助力特斯拉自动驾驶及 optimus 研发。马斯克 2023 年 宣布成立 AI 大模型公司 xAI，致力于打造高质量的大语言模型。2024 年 3 月，xAI 发布 3140 亿参数的混合专家模型 Grok-1，并对其开源；在此基础上，又进一步推出 Grok-1.5 及多模 态模型 Grok-1.5V，已能够实现自然语言及图像的推理。多模态大模型能力的提升将对自动 驾驶、人形机器人形成支撑，为其提供更复杂的感知及推理能力，因此 xAI 资源加持有望加 速特斯拉 AI 能力的进一步迭代升级。

3.3.2.算力层面：加大对外采购，积极储备自研芯片

持有大量英伟达算力资源，并持续加大投入。截止 2023 年 7 月，特斯拉使用的主要是基于 英伟达芯片的超算集群，相当于 14000 块 A100 的算力。根据特斯拉首席工程师 Tim Zaman 对 外表示，他们的计算集群仅有 0.3%的空闲时间，其中 84%的时间都在处理高优先级的任务， 因此急需更多计算资源。2024 年 1 月，特斯拉宣布追加 5 亿美元投资，向英伟达购买约 1 万 块 H100 GPU。根据 2024Q1 财报业绩交流会，马斯克表示将对英伟达 H100 的采购数量从 3.5 万台增加至 8.5 万台。此外，2024 年 7 月，xAI、X 和英伟达等企业合力打造的孟菲斯超级集 群开始投入训练。此次 xAI 自建的孟菲斯超级集群由 10 万块英伟达 H100 GPU 组成，对比 OpenAI 训练 GPT4 所用到的 25000 块 GPU，数量提升 4 倍之多，拥有世界领先的算力支持。

积极推动自研，以增强对硬件性能掌控力。在 HW1.0 时代，特斯拉采用了来自 Mobileye 的 EyeQ 系列芯片。进入 HW2.0 时代，特斯拉找到了英伟达作为 Mobileye 的替代，采用定制版 的英伟达 Drive PX2 自动驾驶计算平台（由 1 颗 Tegra Parker 芯片和 1 颗 Pascal 架构 GPU 芯片构成）。后来又升级为 HW2.5，增加了一颗 Tegra Parker 芯片。但无论是 Mobileye 还是 英伟达，都无法满足特斯拉对于性能、研发进度、成本、功率方面的要求。而且随着硬件量 产出货所推动的算力需求增长，芯片供应链安全对于特斯拉的重要性愈发凸显，2016 年前 AMD 首席架构师 Jim Keller 加入特斯拉，任职 Autopilot 硬件工程师总裁，特斯拉开始走上 芯片自研之路。 特斯拉 2021 年发布 D1 芯片及 Dojo 超级计算机：1）D1 芯片：制程工艺是 7nm，由台积电代 工， 设计参数为 645 平方毫米面积、500 亿个晶体管、11 英里的内部走线、400W TDP （Thermal Design Power 热设计功耗，指正常工作环境的负载功耗），单颗芯片有 354 个节 点，实现了超强算力和超高带宽；2）DOJO POD 云端机柜：每个 Dojo 都集成了 120 个训练模 块，单个训练模块包含 25 个 D1 芯片，共计 3000 个 D1 芯片，拥有超过 100 万个训练节点， 算力达到 1.1EFLOP，相邻芯片之间延迟较低，配合特斯拉自创高宽带、低延迟的连接器，是 世界上首屈一指的超级计算机。

在端侧，HW4.0 逐步上车，算力需求将持续增大。特斯拉硬件体系至今迭代四版，从 2019 年 发布的 HW 3.0 使用的是特斯拉自研的 FSD 车端芯片，2019 年上线的第一代 FSD 芯片由三星 代工，制程为 14nm，2023 年已经升级为 7nm 芯片。算力方面，单颗芯片 72TOPs，2 颗芯片算 力共 144TOPS。对比国内自动驾驶车企的算力芯片，目前较为主流的是 NVIDIA Orin 芯片， 其单芯片算力已经达到 250TOPS，而且如果未来决策规划模型化，可能占用更多的算力，因 此硬件版本升级可能会给到更多的算力，来保证一定的硬件性能冗余以支持后续模型能力的 迭代升级。根据特斯拉 2024 年股东大会披露，目前已经将 HW4.0 版本装入 Optimus，未来 18 个月后 HW5.0 将推出，并装入 Optimus 及所有新车中。

自研芯片投产出现了延迟，短期影响进展，长期值得关注。2023 年 7 月特斯拉 Dojo 正式投 产，预计 2024 年 10 月特斯拉的算力总规模将达到 100 Exa-Flops，相当于 30 万块英伟达 A100 显卡的算力总和。但由于自研 D1 芯片研发进展不及预期，特斯拉不得不扩大采购及租 赁规模，但考虑其自身业务体系对 AI 强大需求、对应用场景深刻理解，从中长期看，其自研 芯片仍有竞争潜力。

4.Optimus：特斯拉第二终端，推动巨人再进阶

4.1.协同效应：复用研发经验，加速零部件降本

人形机器人与智能汽车本质上都是具备实时感知能力的智能交互硬件，可以直接复用自动驾 驶模型及数据体系。我们认为自动驾驶为人形机器人搭好了“场”，人形机器人可以复用的部 分包括：1）感知模块的 4D 重建、占用网络；2）数据及自动标注工具；3）仿真模拟环境； 4）共享强大的云端算力设施及芯片能力。在以上可复用的部分，只需要针对人形机器人场景 采集相应的数据训练即可，不存在技术性的难度，难度在于工作量的积累。两款产品的不同 是因为所处的场景及面对的任务不同导致规控体系差异，特别是机器人高达 200 多个自由度 导致其规控更加复杂，但是自动驾驶所积累的工作是地基，0-1 的工作很难，而扎实的基础 将使 1-10 的工作加速迭代。根据 2023 年股东大会上马斯克透露信息，特斯拉已经打通了 FSD 和机器人的底层模块，实现了一定程度的算法复用。

在硬件本体上，人形机器人无须破旧再立新，可以直接采用中央式架构。车的电子电器架构 经历了从分布式走向集中式的架构。汽车作为百年工业，已经形成了非常标准的零部件体系， 但是其是分布式架构，相当于零部件的控制“各自为政”，但是到智能化阶段，分布式架构使 信号传输有很多的问题，使模型计算的能力无法快速下达到执行器，因此逐步走向集中式架 构，特斯拉 2012 年开始交付 Model S，至 2017 年交付 Model 3 才全面开启电子电气架构的 变革。不同于整车成熟的产品体现，人形机器人是过去并不存在产品，无须破旧再立新，这使得特斯拉可以完全根据自身对产品的定义进行零部件设计及选型，对产品的形态、研发量 产节奏有了更强的掌控力。

自动驾驶积累的工程化经验有利于加速机器人正向研发。自动驾驶方案使特斯拉已经积累了 智能硬件开发中所需要的“发现问题、采集数据、标注数据、训练模型、解决问题”的工程 化经验，能够加速机器人正向研发过程。体现在：1）如前文所述的九头网络架构，在一定程 度上，人形机器人与自动驾驶可以共用感知的 backbone，所处理的任务主要体现在 neck、 head 层的差异，而在处理尘雾等场景时积累的经验能够帮助机器人迭代；2）在规控、安全 性等方面，两款硬件也具备一定的借鉴经验，比如基于汽车的碰撞模拟软件，能够为 Optimus 编写跌倒测试软件。 复用供应链体系，有望实现进一步降本。根据我们对产业的调研，特斯拉在选择人形机器人 零部件的供应商时会优先选择整车供应商，因为彼此具备更扎实的合作信任关系，而且在同 种零部件上，由于车与机器人共用同一种零部件，会因为零部件量产规模的上升而带来硬件 成本的下降。三花智控系特斯拉整车供应商，根据公司公告，公司已经在对机器人机电执行 器方面展开持续研究和产品开发工作。

Optimus 有望在 2025 年进入量产阶段。基于上述时间线，特斯拉人形机器人经历了“概念机 -实验室研发-业务场景优化”的三个阶段，根据马斯克在 2024 年股东大会表示，2024 年底 到 2025 年初完成一次硬件改版，并在 2025 年将开始限量生产 Optimus，将会有超过一千个 或者几千个 Optimus 机器人在特斯拉从事工作。

4.2.能力进阶：人形机器人难度更高，加速升级为 AI 企业

我们认为人形机器人的难度更高，距离产品成熟仍需要一定的周期，因此我们认为人形机器 人的产业链导入也将经历智能度逐步升级的过程。类似于自动驾驶，我们认为人形机器人可 能会先在一些相对标准、简单、狭窄的场景中落地，逐步推向通用型的人形机器人。

与自动驾驶相比，人形机器人研发的挑战主要体现在以下几个方面：

1）人形机器人运动控制具有极大难度

首先，机器人 200 多个自由度，规划求解可能会导致计算量暴增。根据莫拉维克悖论，对计 算机而言实现逻辑推理等人类高级智慧只需要相对很少的计算能力，而实现感知、运动等低 等级智慧却需要巨大的计算资源，其背后的原因是求解难度非常大。我们在前面介绍自动驾 驶决策控制时解释了车的算法是高维的非凸问题，其实车上只有 6 个自由度，分别是表示位 置坐标的 x、y、z、时间 t、速度、加速度，而人形机器人所对应的机械原理会更加复杂和精 细，全身有 200 多个自由度，这意味着在优化求解时计算量将暴增。而且机器人在更开放的 场域，可能面对更强的安全约束条件，所以如何在计算时能够使其收敛至最优解也会面临较 多的挑战。 假设决策规划通过模型化实现，我们认为如果采用影子模式进行模型训练，则还需要进行人 体运动控制的数据，比如握力方向、握力大小等，因此为了训练人形机器人达到更加类人的 效果，特斯拉还需要做大量的数据采集工作或者在仿真环境下进行模拟仿真。

第二，灵活性要求动态计算，对软硬件响应速度及配合提出较高要求。人形机器人如果想要 达到人类操作的灵活性，所需要做出的运动控制都是实时且连续的，这就意味着在极短的时 间内发生了位移，就需要感知算法在动态的情况下进行连续计算，计算时间差缩短对硬件的 灵敏度、软件计算速度都提出很高的要求。 第三，硬件降本产生的零部件调整，与软件算法稳定性之间存在平衡。2022 年 AI day 上马 斯克提出人形机器人未来的售价将为 2 万美金，我们预计仍需要一段时间完成硬件的降本， 因此目前部分结构件仍处于正向研发阶段，以保证达到降本的需求。但由于软硬件方案是相 互耦合的，硬件降本导致零部件方案变化，会导致人形机器人算法跟着调整，影响软件方案 的开发节奏；其次，由于软件算法与硬件的稳定性与精度有很高的要求，这在一定程度上会 推高硬件成本，因此研发的过程就需要不断在算法稳定性与硬件降本间进行平衡，对工程师 团队带来一定的挑战。

2）对特斯拉自研算力提出更高的要求

如前所述，自动驾驶汽车出货量增长使得当前特斯拉超算中心达到了较高的占用，而人形机 器人的感知、规控模型均比自动驾驶更复杂，可能在训练期间消耗更多的算力，因此对特斯 拉目前的超算中心的算力提出了更多要求。在各业务均处于算力需求快速增长的情况下，若 一旦出现机器人业务与自动驾驶业务的算力冲突，考虑到自动驾驶业务更成熟，存在量产出 货需求，优先自动驾驶业务对算力资源的需求，则可能影响人形机器人算法能力的迭代，进 而拖慢整体开发进展。目前 Dojo 处于投产建设中，我们判断其投入使用的时间节点也对人 形机器人业务有较重要的影响。 人形机器人的成功依赖于特斯拉在硬件体系、AI 能力的全面升级迭代，也是对现有车、家、 人场景的全面延展，将加大对能源业务需求，同时扩大了对消费者需求覆盖面，因此我们认 为人形机器人的成熟是特斯拉从电动汽车企业向能源及科技企业进化的重要标志。

4.3.拓宽市场：应用空间广阔，长期有望超越电动汽车规模

站在人形机器人发展早期，去推演其后续的发展节奏，可以自动驾驶汽车智能化迭代的节奏 作为参考: AP1.0 时期（约 24 个月）：特斯拉 2014 年 9 月发布 Autopilot，并在 Model S 上使用。 这一阶段特斯拉选择 Mobileye 作为供应商，为其提供 ADAS 服务，而当时的方案能够在 车上进行自适应巡航等功能； AP2.0 时期（约 10 个月）：2016 年特斯拉转向自研算法模型，发布了 AP2.0，并推出配 备 AP2.0 的车型，所有车辆都将支持自动驾驶硬件，期间激活 FSD 的智能汽车的渗透率 达到 10.86%； AP2.5 时期（约 19 个月）：2017 年 7 月中旬发布 AP2 硬件的更新，该版本变化并不大， 较之前没有明显的功能优势；这个阶段主要是小规模的迭代、版本的细化，但体现出明 显的 FSD 渗透率提升，期间激活 FSD 的智能汽车占比达到 19.02%。AP 3.0 时期：2019 年 3-4 月份开始在车上发布 AP 3.0 硬件，支持完全自研的 FSD，将 原有的 Autopolit 整合为一个体系，但这一阶段由于出货量的增加，特别是 Model 3 等 相对低端车型的推出，使得 FSD 的渗透率又有一定下降。造成这一指标下降的原因一方 面与用户群体的扩散有关，另一方面也与自动驾驶功能展现出一定阶段的瓶颈有关。

结合汽车智能化发展阶段、人形机器人的需求场景、人形机器人算法进展，我们基于以下假 设对人形机器人 2023-2030 年间的市场规模做出测算：

1）潜在场景及对应需求

从当前时间点看，推动机器人发展的根本原因在于劳动力替代，发生概率较大的两大场景， 一方面是工厂场景下的劳动力替代，主要系人口老龄化、劳动力成本上涨等因素造成的劳动 力短缺；另一方面是家庭场景下的家人陪伴、养老需求。在这两类机器人中，此前工业型机 器人的发展较为成熟，而服务型机器人仍处于相对高增长的阶段，我们预计随着技术能力的 提升能够解锁更多的服务场景，未来机器人需求将有望大幅增长，假设 2021-2030 年服务型 机器人销量的复合增速为 30%，工业型机器人销量的复合增速为 20%。

2）量产节奏及对应市场规模分析

结合对智能驾驶汽车历史回溯及前述对人形机器人、自动驾驶技术难度的分析，我们对人形 机器人未来市场空间及量产节奏进行预测： 研发阶段（2023-2024 年）：这一阶段需要完成软硬件方案的固化，包括软件算法成熟度 提升以及硬件降本，由于人形机器人建立在自动驾驶的软硬件体系之上，我们预计该阶 段时间将较自动驾驶缩短，假设经历 2 年时间至 2024 年底；产业链导入期（2025-2026 年）：当软件算法达到一定高度且成本下降到一定水平时，假 设特斯拉先启动小规模试生产，这一阶段由于“尝鲜心理”可能会带来短时间内渗透率 的快速提升；但系早期产品价格会相对较高；预计需要 2 年时间。 渗透率逐步提升（2027-2030 年）：随着软硬件成熟度提升，人形机器人无论是用于服务 型还是工业型场景都将进入业务落地阶段，一方面会解锁更多应用机器人的场景，使机 器人总量提升，另一方面会推动人形机器人渗透率快速提升。从价格端看，软硬件降本 以及规模效应释放将推动销售价格逐步下降。 基于以上关键假设，我们对 2023-2030 年人形机器人的发展节奏及市场规模进行预测如下， 得出，预计 2030 年人形机器人家庭场景人形机器人需求为 64.2 万台，平均售价为 25 万元， 市场规模为 1605.3 亿元；工业场景人形机器人需求为 106.7 万台，平均售价为 35 万元，市 场规模为 3734.6 亿元。综上，预计 2030 年人形机器人市场需求为 170.9 万台，平均售价为 25-35 万元，合计对应市场规模为 5339.9 亿元，市场空间广阔。

长期来看，人形机器人市场规模有望超越电动汽车。2023 年特斯拉股东大会上，马斯克表示 “人类和机器人的数量比例为 1：2，人形机器人的需求将达到 100 亿至 200 亿台，远超过电 动汽车。”，并预计售价有望下降到 2 万美金，因此从长期来看，人形机器人市场规模有望远 超电动汽车。

5.长期展望：产业链现两种研发模式，特斯拉全栈自研有望占优

参考自动驾驶产业链，我们认为人形机器人产业也已呈现出两种生态：1）以特斯拉为代表的 全栈自研模式，特斯拉作为主机厂商，主导汽车车型定义及设计到软件方案、芯片的自主研 发；2）主机厂商主导，对包括软件、芯片在内的智驾方案对外采购，其中代表性的软件方案 供应商如 Mobileye（英特尔）、硬件芯片供应商如英伟达、地平线。早期特斯拉也采用第二 种外采方案，但因为 Mobileye 限制对模型修改范围，无法满足特斯拉个性化需求及快速迭 代的诉求，后特斯拉转向自研，目前越来越多主机厂商开始推动软件方案自研与英伟达硬件 平台相结合方案进行研发。

5.1.特斯拉模式：全栈自研，软硬件耦合能力突出

指向具身智能，特斯拉具备全栈能力，卡位非常稀缺。回溯机器智能的进化史进行梳理，互 联网时代推动“信息”系统成熟化，使得今天信息获取的成本极低；“模型”系统正走过拐点， 大模型所带来的泛化能力使模型生产的边际成本下降，转化为特定大公司如 OpenAI 背后的 算力、人才、数据成本；仍有待突破、充满挑战的是“行动”系统的智能化——指向具身智 能。特斯拉业务布局全面，涉及电力、芯片、数据、算法，且通过自动驾驶、人形机器人在 指向 AGI 技术方向率先探索，即实时获得环境信息并进行决策规划，最终输出行动指令，形 成了“感知-决策规划-运动控制”的实时交互反馈机制。

特斯拉全栈自研的好处在于：1）软硬件体系可以通力合作解决发生的问题，反馈效率更快， 从而保证产品的更新迭代速度具有优势；2）核心能力掌握在主机制造商手中，对发布产品节 奏具有更强的把控力，无需受制于供应商的迭代节奏。 随着软硬件成熟度提升，软硬件耦合能力将成为消费者决策的最重要因素。我们对人形机器 人发展路径推演如下：1）人形机器人与传统机器人的突破在和物理世界的实时感知交互，决 定其实现的关键在于软件算法；2）算法能力的提升在一定范围内会降低对硬件的依赖与精度 要求，参考自动驾驶方案逐步降低对雷达的依赖走向纯视觉方案；3）当产品的成熟度达到一 定高度后，硬件趋向同质化，很难体现出产品的差异性，在一定范围内所体现出的重要性或 将逐步降低，而软件的成熟度、稳定性等因素将日益成为影响产品差异性竞争力的重要因素； 4）进一步地，当技术成熟度达到瓶颈期时候，消费者的体验将变得至关重要，因此对软硬件 能力的平衡及耦合能力将会最终影响销售，类似于智能手机时代的“IOS 生态”。

特斯拉全栈自研模式适合于已有技术积累的公司，比如国内新势力车企。从算法能力方面， 中国车企在自动驾驶方案上已经有一定积累，特别是新势力如理想、小鹏、华为、地平线等 在感知、决策规划上已经具备相应的能力，且地平线已经宣布将进军机器人领域。此次大模 型的火爆也在很大程度上推动了对技术创新、工程化落地重要性的认知，量变的积累可能引 起质变，推动国内技术方案及工程能力整体水平的提升，因此我们认为国内的新势力公司仍 值得关注。

5.2.英伟达模式：提供软硬件方案，合作降低研发门槛

英伟达入局提供软硬件解决方案，有望降低研发门槛，并打开人形机器人新研发模式： 对 Isaac 平台及工具链进行迭代升级，包括：1）支持专门用于运行数千个机器人学习 并行模拟的应用程序 Isaac Lab；2）推出 Isaac Perceptor 模块，为承担制造和履行角 色的机器人提供多摄像头、3D 环绕的视觉功能；3）推出专为机械臂设计的基础模型 Isaac Manipulator，为机械臂提供最先进的灵活性和模块化 AI 功能；4）OSMO Service：协调 分布式环境中的数据生成、模型训练和软件/硬件在环工作流程； 推出人形机器人通用基础大模型 GR00T，利用 NVIDIA Isaac 机器人平台的各种工具来 创建用于人形机器人的 AI 模型； 成立了 Gear 实验室，探索人形机器人关键技术。Gear 实验室主要专注于多模态基础模 型、通用型机器人研究、虚拟世界中的基础智能体、模拟与合成数据技术这四大关键领 域。负责人为范麟熙（Jim Fan）和朱玉可（Yuke Zhu），均师从李飞飞，系具身智能领 域前沿科学家，也曾在 OpenAI、英伟达等科技大厂有丰富的项目经历，兼具工程化能力。

英伟达协同国内外主机厂商，产业链进程有望加速。英伟达目前已经形成从算力硬件到软件， 涵盖了从训练到推理部署的关键技术卡点，再叠加 Gear 实验室对前沿技术的探索，我们认 为其具备潜力能成为人形机器人软硬件平台方。根据 2024 年 GTC 大会，英伟达已经与 Figure、 宇树科技、傅利叶、波士顿动力等展开合作，通过优势互补，有望加速人形机器人产业链进 程。

5.3.中长期全栈自研有望占优，特斯拉模式进可攻退可守

参考智能手机生态进化路径，我们认为人形机器人主流生态将沿着“外采研发方案——软硬 一体自研——基础平台+场景微调”的路径进行演化。我们认为人形机器人演进将类似智能 手机生态，将主要形成 ios、安卓两大阵营，代表着开放与封闭的两种研发体系，参考智能 手机进化中开放、封闭两种体系的进化路径，我们预计人形机器人进化路径为： 短期内，对于希望升级至人工智能方向的制造商，可能会借助软件算法公司的积累实现 技术能力补充； 中期来看，随产品逐步成熟，人形机器人硬件趋同及软件升级放缓，用户体验主要依赖 于对软硬件耦合优化，封闭内部体系研发效率更高，软硬一体模式将更占优； 往更长期来看，人形机器人、自动驾驶仅为智能硬件形态之一，类似于其智能交互逻辑， 预计会在更多场景下诞生不同外形的硬件本体，体现为种类繁复的执行器及规控操作。 我们判断感知、决策规划、运动控制会最终形成端到端模型，类似今天基础语言大模型 一样成为基础模型，而在其之上，不同应用场景的机器人公司基于差异化的执行器进行 调整。 特斯拉竞争力突出，进可攻退可守。特斯拉作为人形机器人产业的引领者，其进化主要取决 于人形机器人产业的进化速度、上限水平等因素。中期来看，特斯拉对软件、硬件均具有较 强的把控力，将受益于强把控力下的高研发效率；从长期来看，或许不排除特斯拉有机会成 为平台公司提供端到端基础能力，将上层执行器及运动控制的方案开放给更多的第三方合作 伙伴，有望进一步占据产业链强势地位。

编辑：火腿肠