2025年特斯拉研究报告：山雨欲来风满楼——站在Robotaxi商业模式跑通前夜理解特斯拉车企转型AI公司的变革

一、前言：从基本面和投资面两个维度论述深度研究特斯拉的意义

基本面角度研究特斯拉的意义：引领电动化&智能化转型

作为全球乘用车行业电动化和智能化转型的领军企业，当前市场上能详细阐述特斯拉基本面变化的研究报告相对稀缺。此外在认知层面，由于部分案头资料在英语转中文的翻译过程中存在信息丢失、理解误差等情况，因而也导致了市场对于特斯拉较多的认知差和认知盲区。考虑到以上几点原因，我们撰写此系列特斯拉深度研究报告的初衷便是：尽可能以较高的颗粒度研究清楚特斯拉这样一家行业龙头企业，并理清此前市场上较少触达或者存在认知差的领域。此外我们本篇深度报告也尝试抛砖引玉，借由对一家时常引领整车行业变革的企业的深度研究，在投资层面提出对于整车行业的一些浅薄观点，以飨各位投资者，也欢迎各位投资者与我们探讨并指正我们的谬误。

基本面维度看，特斯拉是开启全球乘用车电动化转型的先行者之一，曾深刻地在技术、商业模式和认知等多方面影响了后来一批新势力车企；特斯拉成立于 2003 年，2008 年其首款量产车产品Roadster 落地，2010年特斯拉在纳斯达克上市。在全球乘用车行业对内燃机转型电动车这一能源路径尚有较大分歧的阶段，特斯拉是率先从技术、制造和商业模式等多方面验证新能源转型可行性的车企之一，并深刻地影响了一批后来企业。国内如雷军、李想等知名企业家和新势力车企掌门人都曾是特斯拉车主。

在智能化方面，特斯拉也曾多次引领行业技术路线变革；特斯拉的整车智能化始于 2013 年，公司最初与 Mobileye 联合研发Autopilot 辅助驾驶系统。随后，特斯拉历经自研 FSD 芯片、迭代 NOA 辅助驾驶、开发端到端神经网络大模型范式等关键阶段，并逐步基于在智能驾驶领域的技术深耕逐步将业务范围扩展至无人出租车 Robotaxi、人形机器人Optimus 和超算Dojo等横向领域，构建起一套完整的智能化生态架构。而国产新势力主机厂如蔚来、小鹏、理想等在整车智能化领域呈现出追赶者姿态，在技术路线选择方面有和特斯拉逐渐趋同的趋势，如 2023 年特斯拉推出端到端智能驾驶方案后，新势力车企也紧跟其步伐，在随后两年内提出各家自研的端到端模型方案。在智能驾驶领域特斯拉再次扮演了一个行业领军者的角色。

经营维度：特斯拉是第一家做到盈利的新能源车企

特斯拉是首家做到盈利的新能源车企，我们可以从其扭亏阶段的经营指标中提炼一些普适性的规律，并对研究后续新势力车企提供借鉴意义；经营性利润角度，特斯拉首次经营性利润扭亏是在3Q18，同一时期其单季度汽车交付量为 8.4 万辆，之后公司经营性利润曾在1Q19 出现短暂反复（亏损），当季交付仅 6.3 万辆，但后续 2Q19 起随着单季度交付量基本稳定在9万辆以上，经营性利润也随之稳定为正。我们发现以上这一规律也曾多次出现在已经扭亏/即将扭亏的新势力车企上：即新势力车企在单季度汽车交付能保持在 10 万辆左右时，其经营性利润能出现首次扭亏拐点或者能进入较为稳定的盈利区间。理想、赛力斯和零跑等车企均在达到或接近10万的单季度交付量时在经营性利润层面出现扭亏或即将盈利的迹象。

股价维度：特斯拉上海工厂投产是 A 股电动化行情启动的关键催化

股价维度，2019 年特斯拉上海工厂投产是启动一轮A股新能源车大行情的重要催化，叠加 2020 年 7 月的比亚迪汉上市热销，两大龙头企业曾共同带领板块向上；2019 年 10 月特斯拉上海超级工厂开始试生产，12月正式投产，次年Q1开始交付国产Model 3。特斯拉上海工厂的月度批发销量在2021年 12 月达到阶段性高点 7.1 万辆，期间另一大龙头企业比亚迪爆款车型汉EV 于 2020 年 7 月上市，并在同年 11 月月销破万。特斯拉上海工厂投产启动 2019 年底开始的新能源汽车行情，比亚迪汉EV 接棒持续推高指数。我们若选取 2019 年 9 月 30 日和 2021 年 12 月31 日作为起始点和截至日，期间内新能源汽车指数在特斯拉和比亚迪两大龙头催化下，涨幅高达137.4%。

估值维度：跳出传统整车估值桎梏，带来新能源车估值新范式

全球车市竞争格局高度集中，2010-2023 年间三家头部厂商市占率持续稳定在 32%-36%区间内；11-23 年海外乘用车市场市占率前三名均为丰田、大众、现代-起亚，短期看大众集团的市场地位可能受到FCA与PCA重组后的斯特兰蒂斯集团挑战。海外市场 23 年CR3=35%，CR5=53%，竞争格局高度集中、僵化。稳定的行业格局有利于自主品牌发挥产品竞争力优势，逐步拓展，待渠道/产能铺开后全面抢夺行业巨头的市场份额。

从估值维度来看，全球汽车市场（除中国外）格局长期以来保持稳定；在行业缺少变化的情况下，传统整车巨头估值难以突破15xPE上限，而特斯拉成功突破了传统车企估值方面的限制，在跑通电动车“概念→量产→盈利→迭代”的逻辑链条后，成为后续新势力车企估值的锚点。

由于全球汽车市场的稳定格局，丰田、大众、通用等龙头车企估值长期处于 15xPE 以下；剔除疫情带来的波动，从2022 年1 月1 日至2025年8月 1 日，丰田、大众和通用的 PE-ttm 均值分别为11.3、2.9 和5.7，均值均在 15xPE 以下，大众和通用估值甚至长期低于10xPE。传统汽车行业过于稳定的格局限制住了整车巨头估值向上打开的空间。

估值维度，特斯拉打破传统整车企业 15xPE 估值天花板，带来新势力车企估值新范式；与传统整车龙头（丰田、大众、福特、通用等）长期以来以PE 或 PB 进行估值的方式不同，由于特斯拉自身极强的科技和创新属性，此外在初期主业尚未扭亏时市场仍对其具有较强的盈利信心，因此若我们以GAAP 口径归母净利润首次年度盈利的 2020 年作为分界线，在2020年前，市场更多以 PS 方式给特斯拉进行估值，并长期处于较高位置（＞2×PS），在 2020 年后公司扭亏，估值方式转换为 PE，而盈利后PE-ttm的最小值也在 30×以上（截至 2025 年 7 月 31 日），在销量和业绩承压情况下仍远远高于传统整车企业 15×PE 的估值上限。

特斯拉的估值方式也深刻影响了市场对于后续国产新势力车企的估值，市场倾向于以特斯拉的估值为锚来给新势力车企估值；以国产新势力车企中第一家做到盈利转正的理想为例，在全年业绩为负时，市场基于对其未来销量增长带来业绩弹性的预期+参考特斯拉此前的估值模式，基于PS给予理想高于 2×PS 的估值（理想扭亏前 PS-ttm 最低为2.6），扭亏后则转为PE估值，最低仍高于 11×PE（截至 2025 年7 月31 日）。

二、转型：逻辑拐点来临，由整车制造商向AI 公司大步跨越

站在巨变门槛之上：特斯拉开启向 AI 公司转型的序幕

当前，特斯拉正大踏步由汽车制造商向 AI 企业转型，我们认为：此轮变革对于整车制造乃至交通出行行业都将产生深远的影响，市场将迫切需要基于前瞻视角和高颗粒度研究的观点，来预判这一轮变革对于全行业在经营、技术路径、估值和股价方面的影响。

1Q24 以来特斯拉单季度 CapEX 中近 1/3 形成新增AI 基础设施，至2Q25已形成 AI 相关固定资产超 60 亿美元；公司4Q23 起在报表中披露固定资产中的 AI 基础设施情况，至 2Q25 已形成 61.7 亿美元的人工智能基础设施。若我们以特斯拉每个季度新增的AI基础设施和当季度投入的CapEX作比较，1Q24-2Q25 平均来看，每个季度所投入 CapEX 的29%将会形成新的人工智能基础设施。

资本开支倾斜下目前特斯拉已形成多类 AI 相关成果

在大量 CapEX 资源倾斜下，特斯拉已经形成了与AI 相关的多项成果；

①特斯拉 Cortex：Cortex 是特斯拉在德州超级工厂内建立的数据中心，主要使用外购的英伟达 H100 和 H200 GPU，当前一期建设已经完成（投资约50 亿美元），二期建设工作正在进展中。

②特斯拉 Dojo 以及自研的推训一体芯片AI5 和AI6：马斯克在2019年4月的 Autonomy Day 活动上首次提到特斯拉自研的超级计算机Dojo，其将用于计算机视觉视频处理和识别来训练 FSD 系统；在2021 年的AI Day活动上，特斯拉披露 Dojo 将由自研的 7nm 工艺芯片D1 构成，专门用于AI计算训练；4Q23 的财报电话会中公司则提及后续会有Dojo1.5、Dojo2.0和 Dojo3.0 等计划。2025 年 8 月，马斯克在社交媒体上宣布后续的Dojo将与后续车端推理芯片 AI5、AI6 合流，即AI5、AI6 芯片在用于车端推理的同时具备在云端进行训练的能力并部署到Dojo 后续版本上。

AI 训练能力层面，在大量资本开支加持下，特斯拉所拥有AI 训练算力不断提升；根据公司公告，至 3Q25 特斯拉将形成约等效12 万张英伟达H100GPU 的云端推理算力，自 2Q21 起 4 年内已增加10 万+等效H100的算力。

对比：CapEX 重心转移 AI 情况下，汽车制造已8 个季度未见新产能投放

相较对于 AI 基础设施领域大规模的 CapEX 投入，特斯拉汽车业务全球产能自 3Q23 至今已连续 8 个季度未见增长；特斯拉公告的全球汽车年化总产能自 3Q23 达到 235 万辆以来，已经连续8 个季度没有增长，目前仅在全球 3 国的 4 个工厂保持汽车生产能力，分别是美国弗里蒙特工厂65万辆年产能（生产 Model S、3、X、Y）、美国奥斯汀工厂37.5 万辆年产能（当前生产 Model Y 和 Cybertruck，即将生产Cybercab）、中国上海工厂95万辆年产能（Model 3 和 Y）和德国柏林工厂37.5 万辆年产能（生产Model Y）。预计在明年奥斯汀工厂 Cybercab 产线和内华达工厂Semi 卡车产线投产前，特斯拉将不会有新增的汽车制造产能得到释放。

股价维度：2Q24 起汽车季度交付量趋势与股价出现背离

股价维度，2Q24 后资本市场对特斯拉的看法逐渐脱离“汽车制造企业”认知，股价与单季度汽车交付量出现显著背离；2Q24 前，特斯拉收盘价与汽车交付数据整体呈现出类似的变化趋势，如在3Q19-3Q21、4Q22-2Q23这样的汽车季度交付量同比增速向上的区间内，特斯拉股价也处于同向的上行通道；而在 1Q22-3Q22、3Q23-1Q24 这样汽车交付量同比增速下行的时间段，特斯拉股价也会呈现出承压下行的趋势。分界线出现在2Q24，在2Q24之后，特斯拉收盘价开始与车端交付量出现显著背离：从2Q24至2Q25的五个季度，汽车交付量同比增速分别为-4.8%、+6.4%、+2.3%、-13.0%和-13.5%，季度交付量整体承压，但同时期的特斯拉股价却出现和汽车交付量走势相反的趋势，若以 2024 年 4 月 1 日和2025 年6 月30日计为首尾，特斯拉在此期间收盘价涨幅达 81.3%。因此我们认为，2Q24是市场对特斯拉“整车制造企业”这样的认知开始出现变化的起始点。

估值维度：2Q24 起单车利润与 PE 同样出现背离

估值维度，单车利润与 PE 同样出现类似汽车交付量和股价的背离情况；1Q22 是特斯拉达到最高单车利润的一个季度（单车利润1.2万美元），此后单车利润便逐渐下滑。最近的四个季度（3Q24-2Q25）单车净利润分别为 0.5、0.5、0.3 和 0.4 万美元，单车盈利性整体承压，而同期特斯拉PE-ttm却处在上行通道内，2024 年 4 月 1 日和 2025 年6 月30 日的PE-ttm值分别为 37.2 和 167.5，对比+350%，单车利润下行并未引起市场估值下修。

三、智能驾驶/FSD/Robotaxi：在新商业模式跑通前夜谈特斯拉智能驾驶认知差

智驾拔估值新逻辑：好产品→新商业模式→新未来现金流→提升PE

智能驾驶相关业务（FSD/Robotaxi）是当前对于处在变革阶段的特斯拉来说最重要的环节（尤其是对提升估值的作用），且现阶段市场对于特斯拉的智能驾驶还存在较大的认知差。

和市场观点不同，我们认为智能驾驶能力提升企业估值的逻辑链条并不（至少不完全是）沿着“智驾车型销量/智驾车型渗透率提升→整体销量弹性提升→汽车销售利润弹性提升”这样的传统整车企业炒车型周期的投资逻辑演绎。我们基于对特斯拉的深度研究后提出的智能驾驶提升企业估值的新逻辑链条是：“智驾技术突破临界点（好产品）→新的商业模式→（在卖车业务之外）新的未来现金流→提升 PE”。

特斯拉目前已经站在足以支撑起新商业模式的技术临界点上；技术视角看，前文提出的逻辑链条其技术底座在于 FSD，在FSD 迭代的过程中有两个关键节点①V11→V12 代表传统 rule-based 规则算法向端到端方案转型；②有监督 Supervised→无监督 Unsupervised 转型。目前FSD已经跨越第一节点，处于第二个转型节点的进行过程中。且从估值视角看，我们认为当前特斯拉市值中超出卖车业务的部分大部分来自于对于FSD无监督版最终实现的预期，而在此过程中不断出现的事件会影响市场对于这一预期的置信度（比如正面的事件有不断拓展 Robotaxi 的运营区域、FSD不断推送新版本，负面的事件可能是 Robotaxi 运营过程中出现可能的事故等等）。在Robotaxi 对实际的报表出现正向影响前，我们认为持续影响特斯拉市值的一大关键点在于市场对于 Robotaxi 业务跑通的置信度的变化。

相较于传统整车制造行业 20%左右的毛利率水平，基于FSD技术底座的新商业模式均有望带来毛利率大幅提升；技术层面FSD无监督版落地置信度的不断提升，其实是为众多除了车辆制造销售之外的商业模式带来了更强的落地可能性，如无人打车、FSD 软件授权等，而后文中我们参考Uber、AirBnB、Arm 和 Amazon 等企业的类似业务，可以非常清晰地看到此类新业务的毛利率水平均远高于特斯拉现有的汽车销售业务毛利率（当前小于20%）。技术能力带来的新商业模式将大幅提升特斯拉在报表端的盈利水平。

此外，关于特斯拉智能驾驶相关业务（FSD/Robotaxi），也存在一些概念上容易导致认知差存在的情况，例如：①Robotaxi 和Cybercab经常被混淆，Robotaxi 更多指的是无人出租车这项业务本身，而不是对应具体的车型，现阶段任何特斯拉车型经过 FSD 新版本的OTA 之后理论上都可以开展Robotaxi 业务，而 Cybercab 更多指的是下一代Robotaxi 会使用的车型。②此外，在一些涉及特斯拉早期智能驾驶事故的新闻中，特斯拉的AP功能（车道线保持）事故经常被错误理解成 FSD 事故，需注意的是特斯拉AP和 FSD 是两种不同功能。

好的智驾产品特性①：底线是具备超过人类驾驶的安全性

我们认为，好的智能驾驶产品应该符合如下几点特征：①高安全性（基础）、②硬件方案降本（走量）、③体验好（类人）、④泛化性好（可快速推广）。

优秀的智能驾驶产品首先应当做到比人类更高的安全性；根据特斯拉2Q25车辆安全报告，截至 2Q25，使用智能驾驶功能的特斯拉车型发生事故所间隔里程数为 669 万英里，而美国平均水平为70.2 万英里，FSD安全性显著高于人类司机水平。

FSD 从物理层面拥有比人类更快的反应时间，相应带来更高的安全冗余；车辆驾驶本质上是从图像到执行（油门、刹车、方向盘）的任务。无论人类还是智驾系统，都由各自传感器（摄像头/人眼）捕获光子，通过计算平台（神经网络/大脑）处理信息，最后操控车辆。对人类而言，上述过程从眼睛看见障碍物到做出反应之间约有 100-300 毫秒延迟，而FSD反应时间更快（约 30-40 毫秒），相应地也为更安全的驾驶奠定了基础。

好的智驾产品特性②：硬件方案降本→下探至走量价格带

好的智驾产品的另一个特点是：技术方案帮助降本→车型价格下探到主价格带（20w 以下）。

技术方案层面，特斯拉将方案重心转移至FSD 软件而感知层面追求纯视觉→硬件降本提供平价可能性；特斯拉早期智驾方案（HW2.5以及之前）传感器多且芯片采用外部供应商方案（Mobileye、Nvidia）；HW3.0起选择自研 FSD 芯片降低外购成本，且逐步减少感知硬件；2021 年5月马斯克宣布特斯拉采用纯视觉方案，传感器硬件方案自HW4.0 版本起仅仅保留8颗摄像头，进一步降低车端传感器的硬件成本。

为什么技术方案降本带来的价格下探很重要？

①帮助走量：20 万以下车型销量占 60%以上，我们认为智驾车型放量的前提是必须进入 20 万以下主价格带市场（且最好为全系标配）。

②价格下探→走量→数据→算法迭代→体验提升：智驾做出差异化（相对于电动化很难做出差异化）核心在于应用算法差异化，需要大量数据支撑。

国内新势力车企跟进智驾硬件降本趋势；小鹏通过减少激光雷达（并行使用纯视觉方案）支持 15 万级别的智能驾驶（如Mona 03）；华为ADS2此前在迭代过程中也曾优化了 2*激光雷达、3*毫米波雷达、2*视觉传感器，降本约 50%。

好的智驾产品特性③：软件方案迭代→体验近似/超越人类

在体验层面，我们认为好的智能驾驶产品应该能做到类似人类司机的驾乘感受（和机器顿挫感相对比）。

FSD 软件版本向“类人驾驶体验”方向不断迭代的过程中有两个关键节点：①算法由基于规则（rule-based）的模块化架构转变成端到端大模型范式（v11→v12，即去掉测试版 beta 的后缀）；②从有人监督版（后缀带有supervised）向无监督版（unsupervised）转变（代表事件即2025年6月22 日在德州上线的基于量产版本 Model Y 车型的无人驾驶出租车平台Robotaxi）。而马斯克也在推特上宣传，目前在robotaxi 上搭载的无监督版FSD 后续也会通过 OTA 融合至量产版本的特斯拉车型（即实质上打通并融合传统意义上的 L2+和 L4 技术线路）。

FSD 软件迭代的关键节点（1）：v12 由规则代码转向端到端

FSD 软件迭代过程中的第一个关键节点是v11→v12 过程中，由基于规则算法的架构转向端到端神经网络方案，使驾驶体验更加“类人”；早期智驾软件方案（如 FSD v11 beta 之前的版本）基于代码算法，整个环节被分成感知、规划、决策、控制等部分，程序员编写代码来使车辆感知环境并规划其运动，例如在感知环节通过边缘检测器等代码找出画面中的停车STOP标志，但是算法规划方案复杂且容易出错，程序员必须为每种可能情况写代码，且难以预先想到所有的偶发场景。随着2024 年初，在FSD向v12版本 OTA 升级的过程中，官方 OTA 备注介绍“删去了约30 万行C++代码”，标志着特斯拉智能驾驶软件方案正式由传统的基于规则代码的模块化架构迭代到基于神经网络的端到端大模型架构。

FSD v12 之后采用的一段式端到端神经网络架构

特斯拉当前版本的 FSD 是典型的一段式端到端神经网络架构，传感器数据（如摄像头）从输入端导入后，直接通过神经网络输出结果（车辆控制），即所谓“光子进、控制出”。端到端神经网络架构由节点（神经元）组成，节点处理信息并被罗列进输入层、隐藏层和输出层。其中

①输入层，可能包含多个，如摄像头数据（8 个摄像头、FSD每个计算周期摄像头帧数、高度 1280 像素、宽度 960 像素、每个像素3 个RGB通道）、IMU/GPS 数据（纬度、经度、高度、偏航、俯仰、滚转、速度、加速度）、车辆状态数据（速度、转向角、油门、刹车）、音频数据（采样频率，250kHZ代表有 25 万个值）和上下文数据（时间、天气等）。

②隐藏层，在此神经网络可以处理数据并从数据中学习。隐藏层的维度（即层的大小，等于层内的节点数量）小于输入层，而隐藏层层数一般较多，有若干层（n）。

③输出层，定义了神经网络功能。对于 FSD 系统而言，指的是对车辆的控制，如转向角（弧度）、油门（0-100%）、刹车（0-100%）、转向灯（0=无，1=左，2=右，3=双闪）和喇叭（0=无声，1=按喇叭），举例而言，若输出层输出结果为[-.2, .15, 0, 0, 0]，则代表车辆稍微向左转、油门为15%、不刹车、不打转向灯、不按喇叭。

另外对于大模型中的每个节点而言，每个节点在一层中产生一个数值，并与下一层中的每个节点相连，如输入层中的每个节点与相邻隐藏层中的每个节点相连（即图中的箭头，注：图中简化表示，未画出所有连接），每个连接有一个与之相关的值，称为权重（如图表32 中的W1）。除了每个节点自身的数值，以及和下一层连接的权重外，还有一个和节点相关的值被称作偏差值，以图中的节点 H41 为例，节点自身数值为A41，偏差值为B41，和下层节点 H101 的连接权值为 W41。

为了说明 FSD 大模型是如何在云端训练以及如何在车端进行推理的，我们对示意图进行简化，仅以摄像头数据代表输入层（含5 个节点）。

①训练：训练过程发生在 Cortex 数据中心的云端。

初始状态-隐藏层的权重值（W11)和偏差值（B11）被设置为随机数，每个训练样本即实际特斯拉车队中车辆采集的摄像头数据和与之对应的车辆状态数据。

开始训练-数据进入输入层，隐藏层的每个节点（H11）使用矩阵乘法处理数据并得出节点数值（A11），并检查输出层输出结果和已知采集的车辆控制数据的差异，之后不断调整权重值（W11）和偏差值（B11）来缩小差异。同时，会有一组摄像头数据+车辆控制数据的样本被保留，称为验证集（Validation），在训练中该样本会被不断代入以检查模型是否在收敛到正确的答案。

得出结果-经过数据训练后，神经网络（隐藏层）对于正确的车辆控制结果将变得具有高度预测性，此时它可以被理解成一个函数，而该函数的目的是接收任何数据样本并预测适当的输出。最终输出的神经网络函数即被称为模型，模型可以被理解成确定下来的权重值和偏差值。

②推理：推理过程发生在特斯拉车端的 FSD 计算机中。

模型在上述训练过程完成后生成，并通过OTA 下发到特斯拉车端，车端的模型是只读的，所谓的推理即在车端使用该模型的过程。FSD运行时，真实驾驶过程中摄像头采集的数据被输入到模型中，并输出对于车辆的控制数据（油门、制动和转向）。推理以 20-50Hz（每秒20 到50 次）的高频率重复发生来对车辆下达不间断的控制命令，实现自动驾驶。

端到端大模型不再进行模块和任务的划分，将加强智驾的“类人”驾驶体验感；随着模型融合，整个智驾系统或将演变成一个大模块（各模块逐步融合并被大规模神经网络模型取代）。端到端系统接收到传感器的输入数据后，直接输出驾驶决策（动作或轨迹）。相较传统模块化架构（感知/预测/规控等子模型嵌套协同），端到端大模型通过更简洁的系统架构，基于数据驱动进行全局任务优化，能够避免信息损耗&计算延迟&误差累积等，利于优化长尾问题、解决智驾方案机器操控感较强的用户痛点。

随着 FSD 由规则代码范式转为端到端范式，其驾乘体验的“类人感”提升，好的体验→累计行驶里程增长加速；以 FSD v12（转为端到端后的第一个版本）大规模推送的时间点（1Q24）为分界线。在此之前，从FSD首次推送的 4Q20 计算，3.5 年时间内使用 FSD 的行驶里程仅累计约10亿英里；FSD v12（端到端）推送后，仅 2Q24-2Q25 的5 个季度内，使用FSD的行驶里程就累计增加约 36 亿英里。端到端范式带来的驾驶感受提升加快了FSD 累计使用里程的增长。

FSD 软件迭代的关键节点（2）：监督版向无监督版升级

FSD 软件迭代过程中的第二个关键节点是FSD 从监督版（Supervised）逐渐升级成无监督版（Unsupervised）；2025 年6 月底发生了若干标志性事件，代表着 FSD 正逐渐从监督版→无监督版，向着真正实现“无人驾驶”迈进：

①6 月 23 日，特斯拉 Robotaxi 业务正式在德州奥斯汀市上线，初期投入约10 辆 Model Y，单次叫车统一收费 4.2 美元，其中最引人注意的是除了副驾驶配备一名安全员外，主驾位置完全无人，完全依托车辆自行驾驶；

②6 月 28 日，一辆德州奥斯汀超级工厂生产的换新版Model Y车型直接从生产线上驶出，经过约 30 分钟在高速和城区道路的无人驾驶，直接自行抵达购车用户楼下进行交付。上述两个事件标志着特斯拉FSD正在逐步过渡到 Unsupervised（无需人类监督）的阶段中。

好的智驾产品特性④：强泛化性→快速拓展可使用区域

好的智驾产品还必须做到较强的泛化性，即可快速拓展可使用区域；相较于一些基于高精地图方案的智能驾驶车型，特斯拉由于采用硬件纯视觉+软件端到端神经网络模型方案，无需对部署区域进行提前扫图，可直接通过软件OTA 模式将相应功能下发到量产车队中，因此FSD 的推广范围是以不同国家作为单位的（与扫图方案的“开城”概念形成对比），唯一限制其推广进度的因素即各国法规监管情况。目前，FSD 已在北美全面推广，中国也部分推送，欧洲区域已开展涵盖左右舵驾驶国家的大范围测试，待欧盟监管审批通过后，即可大范围推送。

如何判断特斯拉智驾领先？基于智驾三要素：算法（AI 能力）+数据+算力

智能驾驶能力基础的三要素是算法、数据、算力，特斯拉在三个领域均处于领先地位；①算法层面，由于智驾算法向端到端神经网络范式的转型趋势是特斯拉带起的，其余玩家目前多在采用分段式大模型或者感知模型+规划算法的架构，尚未完全构建起一段式端到端能力；

②算力和数据层面，目前特斯拉 Cortex 数据中心拥有等效10万张以上英伟达 H100 GPU 的算力（约合 100EFLOPS），是目前整车厂中算力水平最高的，同时也拥有行业内最高的智驾行驶里程（截至2Q25 约45亿+英里，约 72 亿+公里）。

商业模式①FSD 订阅：当前实际创造收入增量的软件收费模式

基于 FSD 功能的第一种商业模式即 FSD 订阅（软件收费），这也是目前实际为特斯拉创造实际收入的商业模式。

FSD 突破类人体验临界点后渗透率开始逐渐提升；2022 年年前根据TroyTeslike 的问卷调查，特斯拉辅助驾驶功能的整体渗透率其实并不高（长期在 20%以下）。当然此处需要说明的是 2020 年末开始的FSDbeta版本早期推送本身涉及的客户群体就不大，因此基本上2021 年前统计的数据更多是 AP 功能（辅助驾驶）而非 FSD。FSD 版本覆盖人群规模实质性扩大发生在转向端到端大模型方案的 V12 之后（约2Q24 之后），根据3Q24和2Q25 财报会内容推测当前已经覆盖约 100 万人群。

商业模式①FSD 订阅：过高售价或限制 FSD 选装率提升

限制 FSD 渗透率进一步向上的最重要原因是定价，和其他主流智驾方案相比 FSD 收费金额最高；目前在北美特斯拉FSD 有两种收费模式，即买断和订阅，一次性买断收费 8000 美元而订阅价按单月99 美元。在中国市场FSD目前仅仅推出买断制（且只针对部分 HW4.0 硬件方案车型），收费6.4万元，同时也有 3.2 万元 EAP 供消费者选择（可以理解成仅高速可用的功能）；作为对比，华为 ADS 方案当前买断价为 3.6 万元，而订阅价为720元/月，华为低配版方案 ADS SE 买断价为 5000 元，订阅为100 元/月。小米HAD方案标价 2.6 万元但是 2025 年下订车主均可以终身免费使用。另外如比亚迪、理想等车企均免费标配智能驾驶功能。特斯拉FSD目前在中国市场是主流智驾方案中定价最高的，或限制其后续FSD 渗透率的提升。

商业模式②Robotaxi：以 Uber 为例说明无人化的商业价值

第二种基于 FSD Unsupervised 实现的商业模式是Robotaxi，即无人出租车业务。

从经营的相似性来看，由于 Robotaxi 可以被视作去掉司机的网约车，因此特斯拉无人出租车业务的经营模式、远期市场空间等情况可参考当前Uber的有人打车业务；从经营角度看，Uber 打车业务当前约拥有780万辆的车队/司机规模（2024 年第三方机构数据）。此外，当前Uber 无论月活用户人数还是单季度的打车总次数都处在增长区间内：2Q25 Uber 的打车月活用户为 1.8 亿，同比+15.4%；2Q25 Uber 总计打车次数为32.7亿次，同比+18.2%，均超越了疫情前的水平。类似地，Uber 的单车打车支付金额当前也逐渐修复到了疫情前的水平，1Q23-2Q25 的单季度平均单次打车金额为7.3 美元，相应疫情前 1Q18-4Q19 的单季度平均单次打车金额为7.6美元。

商业模式角度来讲，乘客支付金额中约有超60%是司机收入，实际形成Uber 报表端的营收不足 40%，司机收入是最大项成本；Uber 的商业模式与汽车销售类汽车的一大显著差异是，乘客/客户支付的金额并不能计为其收入，Uber 实际上类似一个平台抽佣的商业模式，乘客和司机依托Uber平台实现驾乘合同，并给 Uber 支付一定抽成。从收入拆分来看，乘客支付的金额约以以下比例进行分配：税/费等 8%、司机收入&激励65%、非司机激励 3%、营业收入（Uber 的财报端）24%、保险5%、其他营业费用12%和 EBITDA 利润 7%。司机收入是其中最大的扣除项，若特斯拉Robotaxi 可以实现无监督驾驶，则相当于可以去除这部分司机成本，大大提升网约车业务盈利能力。

财务数据角度看，打车次数提升驱动打车业务营收增长，并在疫情后保持高 EBITDA 利润率；收入端，2Q25 Uber 打车（乘客）付费金额237.6亿美元，同比+15.6%，打车业务（计入报表端的）营收72.9 亿美元，同比+18.8%，打车业务调整后 EBITDA 利润 19.1 亿美元，同比+21.6%；利润端，Uber打车业务的 EBITDA 利润率（息税折旧摊销前利润/报表端打车营收）自3Q21 起便维持在 20%以上，自 3Q23 以来更是连续8 个季度维持25%以上。作为对比，特斯拉汽车销售业务哪怕毛利率当前也很难维持20%，相较于汽车销售，显然网约车业务利润情况具备较大优势。

商业模式②Robotaxi：Waymo 的前车之鉴

除了有人驾驶网约车业务的龙头 Uber，作为当今规模最大的无人驾驶出租车服务公司之一，谷歌旗下的 Waymo 运营无人出租车的经验同样对特斯拉 Robotaxi 有深刻的借鉴意义。

从发展历程看，Waymo 脱胎于谷歌内部自动驾驶项目，2020年后吸引众多知名投资者融资超 110 亿美元；Waymo 最初是谷歌于2009年启动的自动驾驶汽车项目，早期作为谷歌内部项目时并未遵循传统初创公司融资路径（划分 A 轮、B 轮、C 轮等），而自 2020 年Waymo 开始筹集外部资本以来，已吸引 Alphabet、Fidelity、Perry Creek Capital 和T. RowePrice等知名投资人，合计融资超 110 亿美元。

公开上线 5 年来 Waymo 已在全美 6 个城市开通，覆盖运营面积合计约600平方英里，当前车队规模 1500 辆；Waymo 于2020 年10 月在亚利桑那州凤凰城首次面向公众上线服务，至今已在凤凰城、旧金山、硅谷、洛杉矶、奥斯汀和亚特兰大 6 城开启服务（在每个城市相应的地理围栏内运行），合计服务范围 588 平方英里，对应车队规模1500 辆。Waymo当前除了奥斯汀和亚特兰大两城需要通过 Uber App 接入打车外，其余城市均可以通过专属 Waymo One App 叫车。2026 年 Waymo 即将拓展迈阿密、华盛顿特区和达拉斯等三个新的运营城市，此外海外市场如东京的测试运行也在进行中。

Waymo 上线以来，公众对自动驾驶出租车接受度和付费意愿持续提升；从打车次数看，随着覆盖城市与区域持续扩容，Waymo 周度打车次数已由2023 年 5 月约 1 万次稳步提升至 2025 年4 月的25 万次（作为参考，25万次单周打车次数约对应 25×13=325 万次单季度打车次数，对比之下有司机&覆盖全球的 Uber 单季度打车次数约为30 亿次，Waymo的单季度打车次数约为 Uber 的 1‰）。具体到城市来看，以加州这一Waymo付费服务的核心区域为例，自 2024 年面向公众开放以来，旧金山和洛杉矶两地的周度付费行程次数均呈现上升态势，且保持着可观的增长速率。这表明社会公众对自动驾驶出租车这项新兴事物的接受度逐步提升、付费意愿也在不断增强。

Waymo 定价策略受制于成本高于同区域的有人打车服务提供商；从公里收费、时段收费看，Waymo 的定价始终高于Lyft、Uber 等传统有人网约车提供商。在短途行程中（0.1-1.4km、1.5-2.2km、2.3-2.9km三个距离段），Waymo 的收费（分别对应每公里 26.5 美元、11.6 美元和8.2美元）分别比Uber 高出约 37%、35%和 34%。在早晚高峰时段（7-9 点及17-19点），Waymo 的定价均高于 Uber，且价差显著，价差幅度最低约18%，最高可达 58%。我们认为，Waymo 难以将定价继续下探至有人出租车服务以下的最主要原因可能是其车辆成本较高。

Waymo 在定价更高情况下仍能抢占有人网约车市场份额，无人出租车具备显著优势；根据 Yipit 的调查数据，自 2023 年8 月至2025 年4月，Waymo在在旧金山地区的市场占有率逐渐提升，目前已经突破25%，与此同时有人驾驶网约车 Uber 和 Lyft 市占率受此影响逐渐下滑。Waymo无人出租车服务在定价更高情况下仍具备抢占市场的优势。而针对该地区的一项调查也显示，约有 70%的受访者相较于传统有人出租车更愿意体验Waymo这样的无人出租车服务，前三大原因分别为喜欢新科技（80%）、不用和司机交流（52%）和车辆质量更好（45%；由于有人网约车司机出于成本考虑经常使用廉价车）。

商业模式②Robotaxi：从 Waymo 看 Robotaxi，成本优势决定规模化速度

将运营多年的 Waymo 和刚刚上线的特斯拉Robotaxi 业务做对比时，我们发现了一些相似之处，但更多的是二者之间的差异，而基于这些差异项我们判断 Robotaxi 将比 Waymo 有着更快的规模化速度和价格优势；

Waymo 和 Robotaxi 能上线运营的最重要基础都是安全性超越人类；和此前特斯拉行车安全报告中披露的数据类似，Waymo 在运营过程中也体现出了比人类驾驶更好的安全表现，各种工况下事故率相比人类驾驶员都有较大幅度降低。

Robotaxi 相较于 Waymo 最大的先天优势是“硬件纯视觉+软件端到端”天然可以实现比“重传感器+高精地图”方案更低的成本；成本而言，目前上路的特斯拉 Robotaxi 本质上就是一台量产的Model Y（基于前文所述摄像头硬件+端到端神经网络软件方案），而Waymo 的无人出租车辆首先需要从外部汽车制造商采购（如捷豹、Zeekr 等），车辆购置成本+硬件假装成本远高于 Robotaxi。

商业模式②Robotaxi：相比 Waymo 的成本优势→极致定价优势

特斯拉 Robotaxi 相较 Waymo 更低的硬件成本带来的第一个优势即收费定价可显著降低；特斯拉 Robotaxi 上线初期采用的是固定定价（即每单价格一样），当前已经通过 App 更新修改为动态定价。根据奥斯汀Robotaxi 实测数据，目前实际驾乘后的收费情况基本上遵循里程越长每公里单价越低的规律，且每公里收费整体处于低于 1 美元的区间，相比于Waymo等的定价有着较大的性价比优势。

更低的硬件成本同时也促成了更快的推广速度，Robotaxi 上线以来已多次扩展运营范围；2025 年 6 月 23 日特斯拉Robotaxi 在德州奥斯汀上线，至今已进行 7 月 13 日和 8 月 3 日两次运营区域扩展（当前面积约为初始运营面积4 倍）；在此期间，7月 30 日特斯拉也在加州旧金山湾区推出了Robotaxi 服务，其覆盖面积远超 Waymo 在旧金山和硅谷的运营范围。另外根据特斯拉官网招聘信息披露，目前特斯拉在纽约州、亚利桑那州、内华达州和佛罗里达州四州招募无人出租车安全员，Robotaxi 运营范围有望在年内拓展至上述区域。我们认为，Robotaxi 相较 Waymo 车型而言更低的成本、以及特斯拉本身作为车企具有的更强的制造能力是Robotaxi 业务得以进行如此快速拓展的关键原因。

商业模式②Robotaxi：类似 AirBnB 的另一种落地形式

除了类似 Waymo 这样直接运营 Robotaxi 车队外，特斯拉还可以构建类似AirBnB 的平台使车主加入到无人出租车车队中；Uber 提供平台给租客和房屋出租者，并同时从双方收取服务费；特斯拉除了自行运营Robotaxi 车队之外也可以采用类似 Uber 的商业模式，即通过提供无人出租车平台并吸收车主加入车队，通过对车主和乘客收费来获得收益。这类商业模式的一大优势的盈利边际高，以 AirBnB 为例，此类平台型业务的毛利率可长期处于70%以上，而其净利率从 2022 年起也能保持20%以上的高位。

商业模式③FSD 软件授权：高毛利的 IP 收费模式

基于 FSD 功能的另一种潜在的商业模式是对外进行软件IP授权。

马斯克曾多次表示正与其他主机厂洽谈授权FSD 事务；2021年，马斯克曾在与其他汽车制造商就自动驾驶技术许可问题进行过早期讨论。1Q24的财报电话会上马斯克再次证实，特斯拉目前正在与“一家大型汽车制造商就全自动驾驶 (FSD) 授权进行谈判”。

FSD 授权模式下的毛利率也可参考 ARM；ARM的商业模式即①对半导体公司收取 IP 授权费（Licensing Fees），可以理解成将自己对于CPU设计的 IP 使用权卖给半导体公司；②对终端 OEM 厂商收取芯片的专利使用费（Patent Royalties），也就是对于 OEM 使用的每一块芯片，只要用到了ARM 的专利知识，就必须给 ARM 支付专利使用费。IP 授权商业模式带给ARM 的是毛利率和净利率长期维持在较高水平，2020-2024 年连续5年毛利率维持在 90%以上，同期净利率也有 3 年保持20%。若特斯拉也采用类似商业模式，如对其他 OEM 进行 FSD 授权赚取授权费或对每辆车收取FSD一定比例的专利使用费，其毛利率也有望进一步提升。

估值：参考亚马逊 AWS 业务理解商业模式变化前后如何估值

特斯拉从汽车制造商向 AI 公司转型过程中的估值变化可参考此前亚马逊在AWS 业务上线前后的商业模式转型期估值变化；亚马逊成立于1994年，最初是一家在线书店，后逐渐扩展为综合性电子商务平台，其在AWS业务（亚马逊网络服务）上线前更多被市场视为一家专注于在线零售的电子商务公司，曾通过 AWS 转型为高毛利率的科技服务巨头。亚马逊网络服务（AWS）最早起源于 2002 年公司内部开发的一套可以让开发人员接入亚马逊网站的全新 API。在 2003 年末，亚马逊 IT 架构负责人克里斯·平卡姆（ChrisPinkham）和其下属本杰明·布莱克（Benjamin Black）向贝索斯提交了一份描述亚马逊零售计算基础设施的远景报告，报告提及将虚拟服务器访问权作为服务进行出售的可能性，即亚马逊可以从新的基础设施投资中获得收入。2015 年 4 月 23 日，亚马逊首次在报表中公布AWS 业务单独的财务数据（此前 AWS 相应收入一直被归入其他收入类别）。

AWS 业务占亚马逊整体收入比例提升，并显著抬高公司整体毛利率；虽然亚马逊直至 2015 年才披露 AWS 单独的财务数据，但实际上AWS业务对毛利率的提升作用在 2012 年开始已经显现。在2013 年之前，亚马逊整体毛利率长期维持在 25%以下，2013、2014 年毛利率分别为27.2%和29.5%。2015 年毛利率为 33.0%（同年 AWS 业务营收数据披露，为78.8亿美元，占整体营收比例 7.4%），2024 年 AWS 营收达到601.4 亿美元（9年CAGR=33.7%），占整体营收比例 18.6%（9 年提升11.2pct），同年亚马逊整体毛利率高达 48.9%（9 年提升 15.8pct）。可见随着AWS业务收入占比的不断提升，亚马逊整体毛利率得到了显著的改善。

高毛利业务对实际报表带来的影响是“渐变而突然的”，在AWS营收端放量带来业绩指数级增长前，亚马逊净利润也曾出现过反复；我们以亚马逊在报表中开始披露 AWS 业务营收的 2015 年为界，2015 年前在AWS业务尚未放量阶段，亚马逊整体归母净利润呈现出较大的不稳定性且绝对值相对不高（2006-2014 年归母净利润平均值仅为 4.4 亿美元），处于转型阶段报表的“阵痛期”。2015 年后，随着 AWS 业务带来高营收增速和高毛利，归母净利润出现大幅增长，从 2015 年的 6.0 亿美元，增至2024年的592.5亿美元，9 年时间 CAGR=66.7%，净利润增长水平远高于同期营收CAGR增速。

特斯拉当前阶段与 AWS 业务释放营收和利润弹性前的亚马逊类似，都处于商业模式重大变革的前夜，因此参考并研究亚马逊当时的估值变化有助于我们理解变革阶段特斯拉的估值；我们设置三个时间时间段来帮助大家理解，分别是 2006-2011（2011 年归母净利润为正，2012 年出现亏损）、2012-2014（2015 年 AWS 业务披露收入）和 2015 之后。 ①变革前（2006-2011）：旧的商业模式为主，PE 跟随业绩变化，业绩增速高则 PE 向上。 ②变革中（2012-2014）：由于公司需要投入资源到新商业模式中且新商业模式尚未创造较大营收弹性，导致亚马逊同期业绩出现正负间的反复，PE-ttm 波动加剧。 ③变革后（2015-）：在新商业模式逐渐释放营收弹性前（尤其在此前还是亏损的情况下），PE 会出现一个迅速由负转正的阶段，后续跟随业绩兑现PE 逐步变得平缓。

四、汽车销售&储能业务：支撑转型的现金牛，深挖现有产品产线潜力

汽车销售&储能业务角色：营收占比高，是公司当前最主要的收入来源

对于特斯拉的传统主业（汽车销售和储能），我们认为在当前公司转型的背景下已经不是特斯拉工作重心，传统汽车销售业务和储能业务在公司体内的定位更加类似于支撑转型的现金牛角色。

营收占比角度看，汽车销售和储能业务是目前特斯拉主营业务，二者营收占比合计维持 85%以上；特斯拉汽车销售业务（不含租赁和碳积分销售）是公司第一大业务，2Q25 营收占比高达 74%，最近四个季度平均营收占比76%；储能业务 2Q25 营收占比为 12%，最近四个季度平均营收占比12%。截至 2Q25，汽车销售业务和储能业务二者营收合计占比为86%，是公司最主要的两个营收业务来源。

汽车销售&储能业务角色：现金牛，支撑 AI 转型所需CapEX

特斯拉人工智能转型所需的资本开支当前由汽车销售和储能业务贡献的经营性现金流支持；随着特斯拉战略重点逐渐转向自动驾驶技术和机器人等人工智能领域，转型所需的资金缺口便主要依靠汽车销售和储能业务产生的经营性现金流来实现。至 2Q25，特斯拉账上所持有的现金及现金等价物为367.8 亿美元，而单季度产生的经营性现金流净额为25.4 亿美元，单季度资本开支为 23.9 亿美元，对应单季度产生1.5 亿美元自由现金流。从自由现金流角度看已经到了相对承压的阶段，如果后续汽车销售业务继续承压，且在无外部融资的情况下，特斯拉可能需要动用现有现金储备投入AI 资本开支中。

汽车业务①挑战：交付数据承压，汽车销售营收占比下滑

汽车业务当前面临交付量承压、营收持续下滑的挑战。

交付数据看，进入 2025 年特斯拉连续两个季度汽车交付量同比下滑；1Q25和 2Q25 特斯拉单季度汽车交付量分别为33.7 万辆和38.4 万辆，同比分别-13.0%、-13.5%，首次出现连续两个季度同比10%以上的下滑。

营业收入看，交付量承压导致汽车销售业务营收占比也出现下滑，自2Q24起连续 5 个季度占比＜80%；1Q25 和 2Q25 特斯拉单季度汽车销售业务营收分别为 139.7 亿美元和 166.6 亿美元，是3Q22 以来营收最低的两个季度；从收入占比情况看，自 2015 年来除 3Q17 汽车销售收入占比79%外，其余季度汽车销售收入占比均在 80%以上，而自2Q24 起，汽车销售收入占总营收的比例已经连续 5 个季度处于 80%以下。

美国市场：电动车补贴政策刹车，阶段性需求或被抑制

1Q25 起特斯拉在美国市场销量表现承压；2020 年起，特斯拉美国市场销量表现呈阶梯式爬坡态势，至 2Q23 达到销量高峰17.5 万辆；3Q23销量逐渐进入稳定平台期，3Q23-4Q24 平均单季度销量15.8 万辆。2025年上半年出现波动，1Q25 和 2Q25 美国市场销量分别为12.8 万和14.4万辆，同比分别-12%和-10%。

2025 年 9 月 30 日起联邦层面电动车购车抵免取消，将对特斯拉需求造成抑制作用：特朗普政府新签“大而美”法案规定原定持续至2032年的7500美元新车购置抵免，提前至 2025 年 9 月 30 日终止。短期看，政策末班车效应可能会驱动 2025 年 7-9 月美国市场出现电动汽车集中消费潮；但长期看，税收抵免政策前刹车将冲击电动汽车市场，改变市场消费激励逻辑，特斯拉需直面政策退坡后的持续销量压力，在美市场增长面临不确定性挑战。

欧洲市场：销量 1Q25 起受产线调整+舆论影响承压

1Q25 起特斯拉欧洲市场销量同样出现承压；在1Q22 德国超级工厂投产前，特斯拉在欧洲销量整体呈现稳定爬坡态势，至1Q22 单季度销量为5.9万辆，至 4Q22 德国工厂爬产完毕后，欧洲销量趋于稳定，4Q22-4Q24单季度销量中枢 9.0 万辆。进入 2025 年后，特斯拉欧洲销量与在北美市场类似出现明显下滑，1Q25 和 2Q25 分别为 5.7 万辆和5.9 万辆，同比分别-34%和-28%。

1Q25 的销量下滑主要是产线调整和舆论影响双重作用；1）生产经营方面：1Q25 特斯拉开始停产老款 Model Y 并进行生产线升级改造，为焕新Model Y 做准备，导致包括柏林超级工厂在内的工厂产能受波及；2）马斯克舆论风波：马斯克 1Q25 发表较多涉及欧洲的争议言论。据《卫报》报道，德国、英国分别有 73%、69%的受访者对其政治干预行为表示反感。该行为引发政治争议激化矛盾，降低消费者对品牌好感度，波及销量表现。

中国市场：友商密集出牌，竞争加剧

中国新能源市场竞品层出不穷，特斯拉 Model 3 和Model Y所在细分赛道竞争加剧；1）市场定位角度看，特斯拉Model 3（轴距2875mm，定价23.55-33.95 万）与 Model Y（轴距 2895mm，定价26.35-31.35万）在其所处市场区间正面临众多国产新势力竞争对手的产品围攻，如小鹏G7以2829mm 轴距、19.58 万元起售价，在入门市场凭接近Model Y的空间体验与更低价格形成冲击，理想 i8 则依托 3050mm 轴距与32.18万元起售价，向 Model Y 高配车型所在的高端市场渗透，此外小米SU7、小鹏新P7等车型在 25-35 万元区间与 Model 3 价格直面竞争，以超100mm的轴距优势形成空间体验差异。2）产品力角度看，国产新势力品牌新车型在不同维度都有优于特斯拉的配置，比如在续航层面，小米SU7 峰值830km超越Model 3 的 753km，另外在空间与舒适性方面，理想、小鹏新车型凭借更长轴距、座椅按摩等配置带来更大的空间和更舒适的驾乘体验。因此我们认为国产新势力品牌密集推出的新车型或加剧特斯拉所在细分赛道的竞争。

中国市场：目前 Model 3 未受 SU7 严重冲击，后续竞争有待观察

竞品增加是否会冲击特斯拉销量还有待观察，因此此前和市场普遍认知存在差异的是，从销量和售价两方面，小米SU7 上市后对Model 3实际销量的冲击有限；2024 年 3 月小米 SU7 上市即爆款，当前SU7稳态月销已经超过主要竞品特斯拉 Model 3（2025 年 6 月SU7 销量2.3 万辆，同月Model3 销量 1.7 万辆）。然而和市场认知存在差异的是，Model 3 在小米SU7上市后的稳态月销中枢是提升的：考虑到数据时效性和SU7 上市初期产能爬坡，我们上市前和上市后各自选择 2023 年3 月到2024 年2 月，以及2024年 7 月到 2025 年 6 月两个区间作为中枢计算依据，可见在SU7上市前，Model 3 稳态月均销量为 1.2 万辆，SU7 上市后，Model 3 稳态月均销量为1.7 万辆（+37.9%）。

小米 SU7 上市并未扰动特斯拉价格体系，但后续多款国产品牌新车上市后特斯拉商务政策是否变化仍需观察；价格变动角度也可以佐证上述观点，我们梳理特斯拉 Model 3 和 Model Y 价格变化后发现，在2024年3月小米SU7 上市后，特斯拉 Model 3 和 Model Y 官方定价并未出现下调，结合上文提及的 Model 3 销量中枢提升，我们认为小米SU7 上市后相较于影响特斯拉，可能更多地是对其他竞争对手造成波及。但是随着更多国产新势力竞品上市，我们认为特斯拉销量及售价体系是否会因竞争出现波动仍需观察。

汽车业务①挑战：需求问题→产能利用率不足→毛利率承压

特斯拉全球汽车总产能维持不变，汽车销售业务毛利率与整体产能利用率正相关；特斯拉在目前维持全球 235 万产能的情况下，汽车销售毛利率与整体产能利用率正相关，4Q22 整体产能利用率88%，对应毛利率26%，而至 1Q25 整体产能利用率下降至 66%，汽车销售毛利率同步下滑至11%。

受到各地需求波动以及焕新 Y 产线切换影响，1Q25 全球各超级工厂产能利用率出现下滑，2Q25 起逐步修复；1Q25 环比4Q24 特斯拉全球3国4超级工厂均出现产能利用率下降，上海工厂产能利用率环比-31pct，美国工厂（弗里蒙特+奥斯汀）产能利用率环比-8pct，德国工厂产能利用率环比-31pct。而至 2Q25 除美国两个超级工厂产能利用率无明显变化外，上海工厂和柏林工厂产能利用率均环比有明显提升外（上海73%→82%，柏林32%→41%）。

汽车业务②应对：收敛车型矩阵，榨干现有平台潜力

现阶段由于面对收入端潜在购车需求下滑+支出端AI 化转型CapEX需求提升的双重压力，特斯拉对于汽车销售业务的态度可以被理解成：“再没有新增大额资本开支的前提下，销售层面充分榨干现有车型平台的延展性，制造层面充分提升现有额定产能的生产效率”。

车型矩阵方面，新产品拓展从全新设计新车型收敛为利用现有平台进行充分开发；当前特斯拉在售车型仅 Model S、Model X、Model 3、Model Y和Cybertruck（仅北美）5 款车，而新车型方面除了此前早已发布的Roadster、电动卡车 Semi 和即将量产的无人出租车业务部署车型Cybercab外，在走量车型分类中公司已经取消了原先基于和Cybercab 同平台的廉价小车车型，转而继续基于现有 Model Y 平台打造两款一车，一款是秋季将在中国上市的 Model YL（六座版 Model Y），另一款是替代原先廉价小车的廉价版Model Y。可以看出 AI 转型大背景下，公司 CapEX 大多投入到人工智能基础设施落地，确实也无法将多余资源投入到整车制造业务的开发上。

汽车业务②应对：工厂&工序同步升级→提升效率降本

工厂生产环节，特斯拉对生产工厂布局和制造工序工艺进行同步升级来提升效率；特斯拉新建的超级工厂 Gigafactory（如上海工厂）和早期工厂（如弗里蒙特工厂）相比，四大工艺生产位置布局更加合理。在同样生产Model Y 车型的情况下，上海工厂相较弗里蒙特工厂所用工时更低而产出数量更高。

工序环节，公司系统化优化整车开发与生产流程，实现效率提升与成本削减； 特斯拉提出“开箱式装配”（Unboxed Process）生产工序用于下一代车型（如 Cybercab），通过分部同步生产与关键模块整合，优化了原有工序：整车不像传统流水线依次经过各工区，而是在不同区域同时组装不同模块，然后进行拼接，从而显著缩短了生产周期，并有望进一步提升效率降低生产成本。据特斯拉车辆工程 VP Lars Moravy 在25 年7 月底的访谈所述，开箱工艺所制造的车型已进行了第一次碰撞测试，效果良好。

特斯拉一以贯之提升生产效率降低单车制造成本，9 年内单车降本幅度高达64%；特斯拉通过厂房升级、工序调整等措施不断降低单车成本。2Q16时，公司整体单车成本为 9.9 万美元，而 2Q25 时的单车成本为3.6万美元，9年时间降本 63.6%。

储能业务①：聚焦 Powerwall 和 Megapack 走量，营收占比提升

与汽车业务类似，储能业务产品种类也有限但类型矩阵清晰，SolarPanel和 Solar Roof 逐渐面向高端市场（Premium），Powerwall 和Megapack聚焦走量；特斯拉目前的储能产品主要有Solar Panel（太阳能面板，面向住宅，铺在屋顶上）、Solar Roof（太阳能屋顶，面向高端住宅，和屋顶一体）、Powerwall（家用储能电池，提供备用电源）和Megapack（大型储能系统，服务于公用事业和大型商业）。在4Q24 财报电话会上，公司对于这四种产品做出了明确的产品定位，其中 Solar Panel 和Solar Roof 将逐渐转向不走量的高端市场，而 Megapack 和Powerwall 才是当前助力储能业务走量的产品。

储能业务部署量逐步提升，在汽车销售业务承压情况下贡献营收弹性；2Q24至今 5 个季度中有 4 个季度储能业务的部署量在9GWh 以上。2Q24-2Q25的储能部署量分别为 9.4、6.9、11.0、10.4 和9.6GWh，同比分别+153%、+71%、+241%、+157%和+2%。高部署量也带来了营收层面增速高景气，2Q24-2Q25 的储能业务营收分别为 30.1 亿、23.8 亿、30.6 亿、27.3亿和27.9亿美元，最近5个季度储能业务单季度营收占整体营收平均比例为12%，相较此前大幅提升，在汽车销售业务疲软阶段支撑起整体营收增量。

储能业务②展望：供需两端新订单和新工厂支撑收入稳健增长

储能业务在供需两端都有较强逻辑支撑后续营收的稳健增长；①需求端，特斯拉储能业务持续拿下大单。2024 年 7 月，与美国Intersect Power 签约超30 亿美元、规模合计 15.3GWh 的大单，刷新全球最大储能订单纪录。同月，特斯拉还拿下 3.75 亿美元合同，建造澳洲Akaysha Energy 的OranaBESS项目，此外还陆续获 Neoen Collie Battery 等项目。2025 年2月拿到日本最大工商业储能订单，为欧力士（ORIX）工厂提供548MWh的Megapack系统。②供给端，多地 Megafactory 新建产能逐步释放。上海Megafactory工厂已于 2025 年 2 月落成，规划年产能20GWh，此外德州休斯顿Megafactory 工厂目前也已在建设中，预计2026 年可投产。

储能业务②展望：储能业务高毛利有望带来利润弹性

储能业务毛利率逐渐提升并已连续 8 个季度在20%以上，2Q25毛利率创历史新高（30.3%）；储能业务毛利率从 3Q23 起已经连续8 个季度超越汽车销售业务毛利率并处于 20%以上，2Q25 创下了历史新高，达30.3%。储能业务供需两端高景气可支撑后续营收的增长，而该业务本身更高的毛利率相比汽车销售业务可以带来更高的利润弹性，为公司整体业务转型创造更多现金流。

五、机器人/Optimus 业务：着眼远期成长曲线，现阶段尚未被充分计价

机器人：概念化→工程化→量产化，迟钝→灵活，人形→仿生

人形机器人是特斯拉 AI 转型过程中的远期方向，当前市值中尚未被充分计入（对财务报表影响比 Robotaxi 来的更晚）。

从概念到实体，Optimus 人形机器人逐步从概念走向落地；特斯拉在2021年 AI Day 上发布机器人计划并展示 Tesla Bot 概念形态；2022年10月AIDay，原型机亮相，标志着人形机器人工程化迈出重要一步；2023年3月，Optimus Gen 1 正式亮相，其外观与灵活性较原型机有所提升；2023年12月，Optimus Gen 2 正式发布，其集成度提升，重量减轻，仿生设计进一步深化；2024 年 12 月起，特斯拉加强 Optimus Gen 3 预热宣传，陆续发布多段机器人演示视频，展示其自主学习与日常活动能力。

远期规划致力于开发大规模可量产的通用人形机器人；根据马斯克电话会指引，Gen 3 原型机预计 2025 年底推出，2026 年实现量产，循序渐进释放产能，当前正在设计的产线大约对应每月1000 台产能，下一条产线达到每月 10000 台产能，再下一条产线达到每月100000 台产能，目标是5年内达到年产 100 万台的目标（且远期目标单台成本＜2 万美元）。

虽然目前人形机器人相关产业链在 A 股行情火热，但对于特斯拉正股而言，现阶段（2025 年）Optimus 相较于 Robotaxi 对股价影响较小；华尔街当前对于特斯拉关注度多集中在智能驾驶和Robotaxi，对人形机器人业务的观点偏长期。如 Ark Invest、BofA 等机构普遍认为Optimus 短期对于特斯拉收入和利润影响可能较小，因此现阶段对当前特斯拉正股股价的贡献有限。

机器人：和智能驾驶软硬件全链路复用，核心算法工具协同

特斯拉基于智能驾驶技术底座构建人形机器人软硬件平台，核心逻辑上高度复现“环境感知→决策规划→执行控制”闭环：

①软件层面，机器人在视觉感知环节复用汽车的Occupancy Network算法，通过多摄像头构建三维占据网格，实现动态障碍物与静态环境的感知；思维决策环节，移植智驾的神经网络规划框架，将汽车“避障行驶”的逻辑适配为机器人“避障行走、抓取操作”的决策模型，并依托自动数据标注、虚拟仿真等工具加速模型迭代。

②硬件层面，2021 年 AI Day 上，特斯拉宣称Optimus 机器人的计算平台将基于 FSD 硬件构建；2022 年迭代为由一颗Tesla SoC构成的Bot Brain，底层仍与特斯拉智能驾驶共用 FSD 芯片的生态优势。此外，摄像头、电机、电池等硬件也复用汽车供应链，降本增效。

财务方面：人形机器人替代内部产线人工，提升公司毛利率

对特斯拉自身财务报表的影响而言，人形机器人对生产线劳动力的替代有望提升公司毛利率；我们以特斯拉 2024 年年报披露的财务数据和生产线劳动力情况作为人形机器人进行生产线人工替代的计算基础，整体思路是把产线分成两类，即整车生产产线和其他业务生产产线（如储能、电池等）。考虑到对于整车制造四大工艺即冲压、焊接、涂装和总装，行业普遍情况是冲压、焊接、涂装三大工艺自动化率较高而总装线自动化率较低（如上海工厂冲压、涂装车间自动化率接近 100%，生产人员主要集中在总装环节），因此我们对于整车产线机器人替代比例按近期、中期和远期分类分别假设0%、40%、90%，而对于储能等其他业务产线的替代比例，也考虑到如电池包等小件比整车零部件更小，完全替代难度角度，因此近期、中期、远期分别假设替代比例 1%、20%和 50%。基于此计算，若人形机器人能有效对特斯拉自身生产线人工进行替代，则近期、中期、远期毛利率分别可提升0.0pct、0.9pct 和 2.1pct；我们也认为随着机器人 BOM+维护成本持续降低+人机薪资差距扩大，预计该项技术带来的经营效益提升空间有望持续扩大。

市场空间：外销为主，美国全行业远期替代市场有望突破1.3 万亿美元

人形机器人应用场景将沿“特殊场景→制造业→服务业”路径拓展；当前人形机器人应用场景有限，主要服务于科研教育领域。随着技术路线逐步稳定与产业重构深入，其商业化落地可能性提高，预计将率先布局制造业简单重复岗位，进而从工业领域向交互要求更高的服务业领域延伸，并逐步实现多行业规模化应用。

以美国市场为例，远期人形机器人市场规模有望超万亿美元；基于特斯拉人形机器人单台定价 2 万美元目标，根据美国劳工统计局数据估算，美国制造业人形机器人替代市场：中期规模约 320.9 亿美元，远期规模约1283.5亿美元；服务业人形机器人替代市场：中期规模约536.5 亿美元，远期规模约10730.6 亿美元。全行业来看，远期行业空间有望突破1.3 万亿美元。

编辑：火腿肠