发展复盘：从汽车到能源闭环，从自动驾驶走向 AI 公司
特斯拉从车出发打造能源生态闭环，进军机器人和 AI 领域。2003 年特斯拉成立，是硅谷 第一家车企，也是第一家在美国上市的纯电动汽车独立制造商。公司宗旨是加速世界向可 持续能源的转变，从 2006 年至 2023 年，特斯拉合计发布了“秘密蓝图”的三个篇章，将 公司发展步调定义为：生产价格亲民的电动车打开市场→提高电车保有量并意图通过自动 驾驶和共享业务形成稳定现金流，同时发展储能光伏等能源业务→深度发展可持续能源， 包括电网、家用商用储能等。 我们认为特斯拉的终局是想要实现：从车→家→人的现金流闭环：在车端，2006 年公司第 一款车 Roadster 发布，2008 年实现量产，后续公司推出 Model S/X/3/Y、Cybertruck 等车 型，逐步覆盖汽车全市场，并通过完善充电网络和全栈自研自动驾驶，最大化汽车产品的 附加值；在家端，公司通过 Solar Roof 太阳能瓦片、Powerwall 家用储能系统等产品介入 家庭能源生产与消费环节，以新能源车为基础去打造自产自用、余电上网的可持续循环商 业模式；在人端，特斯拉将 AI 能力迁移到机器人领域，向着更高层次的人力资源解放迈进。
以特斯拉发布的三次“秘密蓝图（Master Plan）”为界，我们可将特斯拉的发展历程分为 三大阶段： 第一阶段（2003-2015 年）：初创期与早期车型引领行业革新。2003 年特斯拉诞生，制定 清晰的三步走战略，从高端车型渗透至大众市场。公司在早期造车之路披荆斩棘，Roadster 车型 2008 年量产开创电车新纪元，2009 年正式公布了自主设计和研发的首款车型豪华轿 车 Model S，并在后续几年中逐步实现其生产和上市。 第二阶段（2016-2022 年）：规模化扩张与多元化发展。2016 年 Model 3 车型发布，凭借 亲民的价格、优秀的续航里程、创新的设计，开启向大众市场渗透，同时 Model 3 成功落 实大规模量产，显著提升了品牌在全球范围内的销量与市场份额，也为后续其他爆款车型 上量积累了宝贵经验教训。Model 推出后，特斯拉成功撬动了新能源汽车市场的高增潜力， 迅速积累了广泛的用户基础，2019 年正式发布 SUV Model Y，凭借高效的能源利用效率、 宽敞的空间布局以及继承自 Model 3 的智能基因，迅速成为家庭及商务出行的新宠。同时 在这一阶段，特斯拉在自动驾驶领域也取得了重大突破，2015 年发布第一代 Autopilot 自 动驾驶套件，后续不断进行软件更新和技术升级。此外，该阶段特斯拉收购 SolarCity，构 建起涵盖太阳能发电、电池储能、电动汽车充电网络在内的全方位可持续能源解决方案生 态系统，深化能源解决方案业务。 第三阶段（2023 年及之后）：深化可持续能源战略与未来愿景实施。车型布局继续完善， 2023 年年底特斯拉成功交付备受瞩目的电动皮卡 Cybertruck，正式进军北美乃至全球极具 潜力的皮卡市场。同时，2023 年 12 月特斯拉公测具有里程碑意义的 FSD V12，该版本进 一步提高了在城市街道环境下自动驾驶的安全性和流畅度。此外特斯拉发布了人形机器人 “擎天柱”（Optimus），AI 能力从自动驾驶迈向具身智能，试图开启下一战略跃迁。
提出问题和解决问题是特斯拉不断挑战能力上限的基石。纵观特斯拉发展历程，公司在发 展中面临研发、生产、融资等多种问题，但依靠着坚定的执行力、前瞻正确的战略、第一 性原理、马斯克灵魂人物的引导，特斯拉能够挑战一个个“不可能”，从电车厂商向能源服 务商向 AI 科技公司持续进化： （1）在研发生产上，特斯拉多次面临研发和生产困境，其通过自研核心技术、改进生产工 艺、调整供应链管理策略、创新设计研发产品，总结出一套独特且可复制的量产经验。 （2）在融资上，特斯拉面临多次重大的资金挑战，创始人马斯克在关键时刻的果断决策和 雄厚的资金支持起到了至关重要的作用，通过积极吸引战略投资者和利用公开市场资源， 有效地缓解了各发展阶段的融资难题。 （3）在管理上，马斯克以其敏锐的直觉和大胆创新的决策方式著称，坚持“第一性原理” 思维，经常直接参与到产品设计和技术研发中，推动公司不断突破传统汽车行业的边界。 同时他倡导的高强度工作文化在一定程度上导致了部分员工压力过大而选择离职，但同时 也激励了一批愿意为理想付出的员工追求极致效率和执行力。
财务复盘：20 年扭亏为盈，盈利自此一路向上
交付量大幅提升和积分收入使得 2020 年归母净利润扭亏为盈，后续营收和利润保持高速增 长。2013 年时特斯拉营收仅为 20.13 亿美元，归母净利润-0.74 亿元，销售净利率为-3.68%。 之后几年特斯拉营收保持高速增长，但是销售净利率仍为负值，2017 年时特斯拉年度亏损 达到最高，归母净利润为-19.61 亿美元。后续随着生产线改进、工厂逐渐完工、特斯拉车 型交付大幅提升以及积分收入（2020 年碳排放积分收入 15.8 亿美元）等诸多有利因素催化， 2020 年特斯拉实现归母净利润的扭亏为盈。2021、2022 年特斯拉营收和利润取得高速增 长，2023 年特斯拉营业收入达到 967.73 亿美元，同比+18.80%，归母净利润达到 149.97 亿元，同比+19.44%；但受到汽车行业竞争加剧、产品降价的影响，2023 年其销售毛利率 为 18.25%，相较于 2022 年的 25.60%大幅下降。
研发费用不断增长，投资现金流持续为负。2013-2023 年期间，除 2019 年研发费用 略有下滑以外，其他年份特斯拉的研发费用都保持增长态势，从 2013 年的 2.32 亿美 元达到 2023 年的 39.69 亿美元，期间总研发费用超过 175 亿美元。而在 2020 年之前 特斯拉都处于亏损状态，高研发投入主要来自于筹资，2010 年上市到 2020 年底，公 司累计筹资净现金流高达 257.41 亿美元。除研发以外，特斯拉的资本性支出（包括工 厂建设等）和投资购买净现金流也保持较高水平，自上市以来一直高于当年归母净利 润，2023 年特斯拉资本性支出净现金流达到 90 亿美元，投资购买净现金流高达 191 亿美元。
汽车业务仍是营收基本盘，中美两国收入占比约七成。从营收结构来看，特斯拉从汽车业 务起步开始发展，目前汽车业务仍然是公司的营收基本盘，2023 年汽车业务营收达到 824.19 亿美元，同比+15%，占比 85.17%；而汽车业务的毛利率长期保持在 20%以上，2023 年毛利率受降价影响有所下滑，为 19.45%。蓄能发电业务近几年保持高速增长，2023 年 营收达到 60.35 亿美元，同比+54.39%，占比达到 6.24%，毛利率为 18.91%，已经非常接 近汽车业务毛利率。而分地区来看，特斯拉营业收入最重要的来源是美国和中国，二者占 比长期保持在 7 成左右，2023 年美国营收占比 46.74%，中国营收占比 22.47%。
特斯拉历史上经历多次股权激励，增强管理层凝聚力。公司在 2003、2010、2019 年实施 三次针对员工的股权激励计划，在 2010 和 2014 年实施两次针对管理层的股权激励计划， 并针对 CEO（马斯克）实施三次股权激励计划。在特斯拉高管的薪酬结构中，工资占比很 小，主要依赖股权激励。以马斯克为例，他从未接受过他的薪水，并且从 2019 年 5 月开 始，特斯拉应马斯克的要求完全取消了他的基本工资。特斯拉股权激励将 CEO 的利益、管 理层的利益、股东的利益、和公司的业绩绑定在一起，增强了公司凝聚力，有利于形成良 性激励循环。
自 2009 年至今，特斯拉出台了三次针对 CEO（马斯克）的股权激励计划。2009 年股权激 励计划针对 Models 车型的研发和量产设定了 4 个阶段目标（已全部完成）；2012 年股权激 励计划针对市值、车型研发和销售、利润率等设定了共 10 个阶段目标（当前完成了 9/10）； 2018 年股权激励计划针对市值和业绩设定了阶段性目标，其中市值目标有 12 层，从 1000 亿美元起步，其后每一层级增加 500 亿美元，最后一级是 6500 亿美元；业绩方面的标准包 括营收和利润两个方面，各有 8 个层级。营收方面的目标是 200 亿美元起步，最终要达到 1750 亿美元，是特斯拉 2017 年营收的 15 倍多。利润方面的要求是息税折旧摊销前利润， 第一层级是 15 亿美元，最高一级是 140 亿美元；2023 年马斯克已经提前完成 2018 年股 权激励计划的考核目标。
马斯克持股比例 20.6%，仍是公司第一大股东。马斯克作为特斯拉核心人物，在公司融资 方面扮演了至关重要的角色，在公司早期充当“天使投资人”并运用个人影响力吸引多轮 融资，确保了特斯拉在早期能够依靠私募和风投、以及借款维持运营，并在关键时刻避免 破产危机。在特斯拉上市后，经历多次股票增发、可转债发行，并且马斯克也曾多次减持， 不过由于股权激励的兑现，截止2023年3月31日，马斯克持股特斯拉超7亿股，占比20.6%， 仍是是公司第一大股东。
股价复盘：车型交付与技术突破为股价波动关键因素
股价受阶段性车型交付盈利情况及市场情绪影响较大。特斯拉股价波动可以 2016 年 4 月 Model 3 的发布为分水岭：Model 3 发布前，早期尚未产出新车型且基本面亏损，市场情绪 主导股价；Model S/X 上市后初步匹配高端电动汽车市场需求，公司基本面开始驱动股价。 Model 3 发布后，前期规模效应尚未显现，股价受新车型交付进度引致的市场情绪波动影响 剧烈。后在渗透中低端市场+推进供应链本土化带动下，基本面持续向好，叠加市场向上预 期，股价凭借基本面和情绪共振迎来快速上涨。22 年以来赛道玩家增多加剧竞争，加之宏 观经济不确定性较大，市场情绪降温推动股价走势趋弱。
竞争壁垒：创新与实干能力，铸就独门护城河汽车做对了什么：产品+技术+生产+销售的全方位革新
市场策略：大单品引领市场，从高到低布局市场行之有效
大单品策略：4 款车型精准布局，软硬件通用实现降本。特斯拉的产品布局清晰且简洁，凭 4 款爆款车型获得全球领先销量。相较于传统车企特斯拉发展时间较短，需要短时间内集中 精力在产品高端化、高性价比方面重点发力，用少而精的车型迅速开拓市场，实现品牌与 销量的共赢。4 款车型（Model X/S/3/Y）在各细分市场精准定位，以大单品+爆款车型策略 打造领先竞争力，23 年特斯拉实现交付 181 万辆。
单品设计简约+多品软硬件通用，助力大单品策略具体落地。特斯拉产品整体风格，是以最 少的成本实现最多的功能，覆盖最广的受众。在单品设计上，去除汽车天窗等使用频率低 且体验感知少的部件，以简约的设计降级单品成本；推动硬件通用化和平台化，将电极、 电池包、高压电器件、副车架等硬件共用，降低汽车制造成本；构建跨车型共享软件系统， 如各车型 FSD 通过 OTA 统一升级，减少适配成本。 市场定位：高端→中端→低端全覆盖为终极目标，细分赛道值得关注。特斯拉成立初期的 首要目标并非短期内盈利，而是快速建立高端品牌形象，通过各种营销方式提升品牌知名 度。Roadster 的诞生标志特斯拉成功跻身高端品牌，随之而来的 Model S/X 开启特斯拉高 端量产道路。该两款车型的目标仍不是盈利，而是将“富人的玩具”跑车接轨到大众日常 生活。中高端量产上市，品牌高端形象深入人心，特斯拉回归“盈利”主线，下探中低端 车型，推出 Model 3/Y，走极致性价比路线，迅速提升销量和市占率，而未来的 Model Q 作为低端车型，为全价位体系的最后一块拼图，销量值得期待。基础款车型构成产品矩阵 后，特斯拉进一步开拓细分赛道，推出创新类电动皮卡 Cybertruck 以及电动卡车 Semi，创 造汽车销售增长的更多可能性。
Roadster：电动跑车切入高端市场，花式宣传提升品牌知名度。特斯拉 Roadster 作为旗 下首款车型，基于莲花 Elise 打造电动跑车，以新能源环保、强动力、长续航为卖点，吸引 富豪、明星购入。特斯拉借助媒体报道“小李子”等巨星车主身份，利用明星效应，快速 扩张了品牌知名度，以高品牌格调切入高端赛道。 Model S/X：引领高端纯电车潮流。继 Roadster 之后，特斯拉延续高端战略，双电机强动 力+前卫设计+软件更新成为 Model SX 的核心竞争力，其中，双电机驱动性能强劲，动力 超过同期大多数跑车；Model X 鹰翼门和全景挡风玻璃等美学兼顾设计为市场带来强烈冲击， Model S 首用全液晶仪表盘和大尺寸中控屏带来视觉和操作震撼。 Model 3/Y：高性价比稳坐中端宝座。特斯拉依靠前期积累的品牌优势，推出性价比十足、 面向大众市场的 Model 3/Y，实现对竞争对手的降维打击，抢占中端市场份额。23 年 Q3 公司进一步交付改款 Model 3，续航小幅提升，外观设计更为凌厉，驾驶体验更为激进（换 挡方式改为中控屏电子操作+物理按键，转向灯、雨刮器等集成方向盘）。
Cybertruck：电动皮卡量产起步，新技术亮相前景广阔。皮卡在全球范围为小众市场，但 北美渗透率较高，需求旺盛，且新能源皮卡起步较缓，而特斯拉 Cybertruck 进行了多项技 术创新，我们看好其增长潜力：
（1）全车低压 48v 架构和高压 800v 架构，颠覆传统架构进一步降本。低压电路涵盖汽车 大部分电器（车机、传感器等），当前主流低压电 12v 架构线路布线方式复杂低效，48 架 构将低压线路电压提升至 4 倍，电流降至原有 1/4，线束热量、铜材用量均可减少，降本增 效明显。但短期内 48V 架构的零件供应和长期的供应链生态搭建仍需大量时间、金钱的投 入，各大车企的配合有望加速行业生态的构建。 （2）4680 电池无极耳+干电极技术，快充突破瓶颈。4680 电池在同等电池包容量下实现 了数量降低、电池外壳钢材减少，降本路径更为清晰。无极耳技术为最大创新，增加极耳 →缩短电子行进路径→更快充放电→降热提效，为快充提供新方案。 （3）采用超硬 30X 冷轧不锈钢，硬度高+断裂韧性强。超硬 30X 冷轧不锈钢与 Space X 同源，车身面板厚度为 3mm，为普通车辆的 5 倍左右，具有高硬度、断裂韧性强等优势。 但由于此类不锈钢合金过硬而无法冲压，Cybertruck 多采用锐利平直的线条设计。 （4）前后轮线控转向，有效实现有条件的四轮转向。Cybertruck 的 AWS 前后轮转向能实 现低速时的转弯半径、提高高速时的稳定性，且具有三重冗余，安全性加强。
Model Q：布局低端市场，有望掀起销量狂潮。Model Q 为特斯拉下一代低端紧凑车型， 高性价比仍为核心竞争力，不早于 2025 年推出，公司预计售价或为 2.5 万美元。考虑到低 端车型存在广阔的市场空间，Model Q 或为全球工厂生产全球供货，我们看好特斯拉以创 新设计+低价格带，凭 Model Q 再迎全球销量热潮。 Semi：进军商用运输卡车。采用 1000 伏电气架构，进一步缩短充电时间；增强型自动驾 驶+自动轮胎充气+防爆玻璃，安全驾驶性充足，目前 Semi 的量产节奏与价格尚不清晰， 考虑到其低运营和低维护成本，我们认为其存在一定市场空间。
电动化技术：三电技术领先全球，降本提能的竞争利器
新能源车时代，竞争壁垒已从发动机+变速箱转移到三电系统，车企加强自研军备竞赛，特 斯拉处于领先地位。根据 Oliver Wyman，2020 年紧凑型燃油车制造总成本约 10.3 万元， 发动机系统占比最高，约 21%，同级别的纯电车型成本约高出 4.6 万元，主要系三电系统 占比高达 50%，生产费用约 7 万元，较燃油车发动机系统高 2-3 万元。在电动化大势所趋 下，车企加速布局三电系统核心技术，相比其他新能源车企，特斯拉践行三电核心技术全 自研，积极创新电池电芯、BMS、电机、电控等，其技术方向往往成为行业效仿的方向。
电池：4680 有望成为特斯拉拉开技术代差、提能降本以冲量的利器
特斯拉率先产业化 4680 大圆柱电池，能量密度与成本优势再上台阶。特斯拉早期即采取大 圆柱电池路线，凭借深厚的全球产业资源和领先的研发经验层层升级技术，产业化 4680 顺 水推舟：第一代 Roadster、MS/X 应用产业资源多的松下 18650 圆柱电池→M3/Y 应用能量 密度更高充电速度更快的松下 2170 圆柱电池→未来的 Model Y、Cybertruck、Semi、 Roadster 2 或应用 4680 大圆柱电池，目前特斯拉第一代 4680 电池正极材料含镍量 90%、 钴和锰 5%，能量密度约 250Wh/kg。我们认为 4680 电池有望成为特斯拉拉开技术代差、 降本提效冲刺销量的关键：
（1）能量密度上看，单体电池容量提升后，会提高电池组 pack 的空间利用率和成组效率， 进而提升能量密度，根据特斯拉投资者交流日，4680 较 2170 的电芯容量提升 5 倍、功率 提升 6 倍、续航里程提升 16%。 （2）综合成本上看，根据特斯拉投资者交流日，4680 电池可减少 20%的电池制造成本、 35%的设备投资成本、70%的工厂面积、较 2170 下降 14%的每 Wh 制造成本：4680 外型 更大，减少了单体电池数量以及 CTC 焊接点，整车装配效率更高（Model Y 续航 500km 版 本中，1865/2170/4680 电池的单体电池要 7000 个/4000 个/960 个；2170/4680 的 CTC 的 焊接点为 17600 个/1660 个）。同时圆柱所需极片比方形和软包更小，极片占组件成本的 50-60%，小型化能提高物料利用率，此外 4680 通过干法电极节省了工序和设备投放，对 应的固定成本有减少，4680 电池产线设备支出约 5000~6000 万元，而方形电池约 1.7 亿元 （23H2）。
大电芯+无极耳+高镍正极和高硅负极+干法电极+CTC 构成 4680 的完整自洽的产业链构成 4680 的领先性： （1）大电芯：采用直径 46mm，即平衡续航和降本的黄金尺寸，优势在于 4680 成本比 2170 降低 14%、减少了电池数量而提高了正负极材料占比进而提高了能量密度、BMS 结构更简 单、高强度结构可与 CTC 结合优化轻量化。 （2）无极耳（全极耳）：电芯用全极耳结构替代了双极耳，即在电池一端覆盖导电涂层， 直接与电池壳体接触，使电子直接在集流体和电池壳体传导，解决了传统电池不能兼顾能 量密度和功率密度的难题，电子移动路径缩短 5%-20%、内阻减少 5-10 倍使 4680 内阻发 热是 2170 的 1/5、提升电池寿命、解决电池发热问题、可大功率放电和超充。 （3）高镍正极+高硅负极：4680 正极采用 NCM 811 高镍，负极渗入了一定量的硅，以突 破能量密度，发挥大圆柱的内应力分布均匀、性能比方形电池更优的特性。圆柱体的单体 能量密度要求高，高镍有高适配性；圆柱的极片卷绕结构使极片膨胀力均匀+不锈钢壳体机 械强度高，削弱负极加硅后的膨胀问题。 （4）干法电极：湿法涂布的设备+人力+厂房约占电池制造成本的 23%，而干法电极不使 用溶剂，省略了涂覆、烘干等工艺，能减少 1/3 的单位产能设备支出、减少 90%的电极生 产车间占地面积和能源损耗，有效提高极片制备效率、节省固定支出。 （5）CTC：特斯拉采用 CTC 技术，与 CTP 相比进一步取消了电池的 pack 设计，以电池 上盖替代座舱底板，座椅直接安装在电池上盖上，适用于 4680/2170 等电芯，CTC+一体压 铸，能减少 370 个零件并减重 10%，强化降本和提升能量密度。根据 2021 年柏林工厂开 放日，特斯拉柏林工厂将采用 CTC 技术生产 Model Y。
技术稳定性和量产可靠性或为 4680 当前重点突破的方向，4680 产能爬坡或为 S 型曲线。 4680 的生产效率和良率仍待改善，制约了大批量产：23 年初生产效率约 85 个/min，22 年 末良率仅 92%（95%的良率才可产业化）。产能爬坡速度上，23 年 1 月/6 月/10 月特斯拉分 别生产 100 万个/1000 万个/2000 万个 4680 电池，若按 90-100Wh 估算，对应总产能 2GWh， 约能支撑每年 2.4 万台 Cybertruck 量产，而 Cybertruck25 万辆的年销计划要求日产 100 万个电池。我们认为 4680 产能吃紧主要系良率和设备问题：
（1）干法电极环节：干法电极要将干粉状的正负极材料均匀撒在金属箔片上，一般市售的 粘结剂颗粒较大，直接用于干法电极不能均匀分散，造成良率低。为此特斯拉 20 年开发了 干法电极粘结剂专利，但粘结剂的用量控制未能确定，23年中特斯拉4680样品的首效88%， 不及量产 92%的水平。此外，干法电极需改造流程工序，其滚压粘结剂至纤维化状态的量 产有难度，同时辊压要多次进行，增加了调试难度，需特斯拉和设备供应商深度配合。 （2）全极耳环节：特斯拉的全极耳成型采用切折技术，良率控制难，且成型后需要和集流 盘焊接，而极耳焊接面积有提高，焊接工序复杂会影响良率，同时激光密封因 4680 外壳的 材质和薄壳壁也会遇到良率问题。
特斯拉原计划 24 年底建造 8 条 4680 产线（特斯拉工程高级副总裁 Drew Baglino），目前 4680 处于产能爬坡，存在几周库存产能，第 4 条产线调试中，24Q3 开始组装（特斯拉 23 年业绩交流会）。23H2 特斯拉从中国两家供应商处采购高镍的正极卷，烘干后运输到美国， 再在美国得州工厂分切组装，我们认为，在电池合作伙伴松下 24Q3 大规模生产 4680 前， 特斯拉或继续外采国产正极卷，保证产能需求，产能拐点或在设备储备充足后。
电机电控：持续向高效能和低成本迭代，MS/X→M3/Y 驱动系统效率提高了 6pct
感应电机→永磁同步电机：Model S/X 使用成本低功率高但体积较的感应电机，M3/Y 切换 到体积小布局紧凑、效率高的永磁同步电机。同时 M3/Y 四驱高性能版采用前感应+后永磁 进行搭配互补，实现更高性能和更长续航里程。 圆线→扁线：Model Y 的后永磁同步电机采用扁线方案，扁线电机较圆线更节省体积、输出 功率高，同时其材料使用少、可降低铜损耗，利于降低整车制造成本。 水冷→油冷：油冷的散热能力和电机功率密度较高，Model 3 是定子冷却+转子冷却的复合 式油冷，Model Y 在此基础上优化了定转子细节。 Si LGBT→SiC MOSFET：SiC 功率器件较硅功率器件能提高电能转换效率和降低能耗， M3/Y 的 SiC MOSFET 方案比 Model S/X 的 Si LGBT 方案有更高的功率密度。 快充技术迭代四代：特斯拉采用大电流快充技术路径，Model 3 搭配了水冷散热设计的超充 电桩 V3，最大功率可达 250kW，15min 可补充 250km 续航，而海外落地的超充电桩 V4 最大充电功率可达 350kW。
超充：超充技术与网络迭代升级，峰值功率持续提升
超充技术迭代升级，峰值功率持续提升。“补能焦虑”是新能源车主关心的要点。解决“补 能焦虑”的核心是快充技术和充电站覆盖密度。在快充技术方面，2019 年，特斯拉推出 V3 超级充电桩，可支持高达 250kW 的峰值充电功率，部分 Model 3 车型充电 15 分钟最高可 补充约 250 公里的续航电量。除峰值功率提升外，V3 还推出在途电池预热功能，用户使用 车载导航至超级充电站时，车辆提前加热电池，以确保在到达充电站时电池温度到达适合 充电的范围，将平均充电时间缩短 25%。而 2023 年推出的 V4 充电桩又在 V3 基础上进一 步提升，峰值功率达到 350kW，相比于 V3 超级充电桩，充电效率提高近 40%。以峰值功 率计算，充电 5 分钟可补充 168 公里的续航里程。并以信用卡支付取代 APP，方便非特斯 拉车主使用。 超充网络不断扩宽。在超充网络建设方面，截至 2023 年，特斯拉在全球的超级充电桩数量 已达到 55000 个，位居全球第一。而中国充电桩数量第一的蔚来截至 2023 年年底累计充 电桩数量达到 21049 根，特斯拉的数量是蔚来的 2.6 倍。在美国，特斯拉拥有 17711 个超 级充电站，约占美国快速充电站总数的 60%；在中国，特斯拉拥有超过 1500 座超级充电 站和 1 万个超级充电桩，超级充电站已经 100%实现中国大陆省会城市及直辖市覆盖，此外 亚洲首个 V4 超级充电站于 2023 年中国香港正式落成，为用户提供更快捷高效的充电服务 体验。
电机电控：引领 48V 架构革命，功率输出能力更高+功率损耗更低+线束成本更低
电动汽车弱电架构以电压增加为趋势，特斯拉引领 48V 革命。20 世纪初，汽车弱电架构为 6V，适用于驱动早期电灯电风扇收音机，但随着汽车电启动技术发展以及铜线成本增加， 6V 无法满足需求，汽车弱电架构于 1950s，由 6V 转变为 12V，一直沿用至今，但随着汽 车电路越来越复杂，以及各种车载电气化设备的出现，12V 再次显得捉襟见肘，相比之下， 48V 弱电结构具有节省线束成本、降低能耗损失、提供更大功率输出等优点，随着特斯拉 首次在 Cybertruck 上应用 48V 架构并开源 48V 架构，汽车弱电架构有望向 48V 进行转变。
48V 架构带来更高的功率输出能力、更低的功率损耗、更低的线束成本。根据欧姆定律 P=UI 和焦耳定律 Q=I2Rt，在功率不变的前提下，48V 电气架构的电流强度和能量损耗理论上对 应为 12V 架构的 1/4 和 1/16，功率损耗更低且效率更高，同时由于电动汽车弱电是由电池 的高压电转化而来，48V 架构相较于 12V 架构可减少变压损耗，变相提高续航。此外，由 于电流强度降低，48V 架构所需线束及相关组件更少，减重降本效果更明显，48V+800V 线束总重相比 12V+400V 能降低 73%左右。 Cybertruck 48V 架构可以提供更高功率输出，支持更高功率车载设备。在保持电流强度不 变的前提下，48V 架构能够带来更大的功率输出，以满足需要更大功率的车载设备的需求， 例如高功率车载音响系统（1kW）、智能座椅加热（5kW）、空调压缩机（10kW），以及为 未来满足更高级智能驾驶算力所需功耗提供支持。
电气结构由 12V 转变为 48V，短期具有阵痛。车企需要采购供应商的芯片、电机、空调、 水泵等，而整个行业的供应商都是按照 12V 的标准开发的零部件，切换至 48V 架构需要车 企支付高昂的开发成本，且现在的传统车企从整车平台、开发、制造、验证标准等整个体 系均是围绕 12V 展开的，切换到 48V 意味着一切要推倒重来，短期切换具有镇痛。特斯拉 开源 48V 设计架构，Cybertruck 有望引领行业变革。根据 crowdsourcing data，截止 2023 年 9 月 Cybertruck 预定量已超过 200 万辆，按 6 万美元的基础价格计算，则存在超 1200 亿美元的潜在收入，同时，依靠强大的单车效率、高控制器自产率，特斯拉能够快速切换 到 48V 系统，快速摊薄前期的开发成本。特斯拉还向部分汽车 OEM 厂商发送 48V 车型设 计的指导手册，有望引领行业变革。
智能化技术：自研 FSD 跃出传统汽车竞争圈
从借助 Tier1 力量走向核心技术自研，FSD 助力跃出传统汽车竞争圈。复盘特斯拉自动驾 驶系统迭代历程，我们发现，特斯拉早在 2013 年开始布局自动驾驶，从 AP/FSD 软件端和 HW 硬件端两条线布局，采取硬件预埋、软件先行的方式，使得特斯拉能够靠 OTA 技术持 续升级已交付车型，从而提高了自身的保值性。在特斯拉的智驾系统发展中，特斯拉始终 坚持核心能力自主可控，在发展的关键节点上均实现了成功跨越，目前已形成了芯片+算法 +数据的闭环竞争优势，2023 年，特斯拉在硬件端将推出 HW4.0、软件端小范围测试 FSD Beta V11 同时 V12 版本呼之欲出，我们看好特斯拉实现自动驾驶的突围。
复盘：逐步实现全栈自研，2023 年落地 V12 完成自驾惊险一跃
（1）2013-2015 年：与谷歌分歧拥抱渐进式自驾路线，转向与 Mobileye 合作开发 AP1.0。 特斯拉实际较早开始了自动驾驶的布局，2013 年即提出开发自动驾驶系统 Autopilot。项目 早期特斯拉与谷歌合作开发半自动驾驶系统 Autopilot，后因特斯拉与谷歌在自动驾驶技术 路线出现分歧（前者以落地半自动驾驶系统为先，后者转向开发 L4-L5 级自动驾驶），项目 叫停。后特斯拉转向与视觉处理芯片厂商 Mobileye 合作，2014 年 10 月发布基于 Mobileye EyeQ3 芯片的第一代 Autopilot 硬件 HW1.0，所有车型将搭载这一硬件系统。AP1.0 发布 后特斯拉进行了一些 OTA 升级，先后开启了车道保持功能、自适应巡航、紧急自动刹车、 盲点监测、侧方位泊车等辅助驾驶功能，AP1.0 完整的软件功能（即 V7.0 版本）于 2015 年 10 月推送。
（2）2016-2017 年：放弃 Mobileye 选择英伟达作为 AP2.0 过渡方案，逐步建立计算机视 觉+AI+芯片的自研能力。由于特斯拉与 Mobileye 在数据所有权和产品进度上的分歧，双方 放弃合作，特斯拉选择英伟达 DRIVEPX2 作为 AP2.0 的过渡性硬件系统，同年开始组建自 身的硬件工程团队，启动自研计算平台 FSD，此外特斯拉早在 2015 年开始自研软件算法 替换 Mobileye。2016 年 10 月特斯拉推出了基于英伟达 DRIVEPX2 的 HW2.0 硬件系统， 但此时 AP 软件端的 TeslaVision 未开发完成，导致 AP1.0 的 AEB、防碰撞预警、车道保持、 自适应巡航等功能为缺失状态，直到 2017 年 3 月特斯拉改进了自身算法并推送了 V8.1 版 本，使得 AP2.0 追平 AP1.0 的功能。
（3）2018 年：特斯拉自研软硬件系统不断耦合，持续提升软硬件能力为后续系统重构做 铺垫。硬件上，2017 年下半年，特斯拉将 HW2.0 更新为 HW2.5，整合 2 颗英伟达 Parker SoC+1 颗英伟达 Pascal GPU+1 颗英飞凌 TriCore CPU，为 AP 系统提供更强算力、增加 冗余度和可靠性。软件上，特斯拉构建并使用了多任务学习神经网络 HydraNet+特征提取 网络 BiFPN，提升了算法效率，但此阶段特斯拉仍为小模型算法+后融合策略+数据人工标 注，算法无实质性的重构。同时 2018 年下半年，特斯拉推送 AP9.0，改善了 AP8.0 无法识 别复杂路况的问题，提升系统的安全性。
（4）2019-2021 年：自研 FSD 芯片上车+自动驾驶算法重构，为实现自动驾驶做好软硬件 准备。2019 年 4 月，特斯拉发布了基于 2 颗自研芯片 FSD 的 HW3.0，算力达 144TOPS， 性能是 HW2.5 的 12 倍，硬件能力的大幅提升为后续算法重构奠基。2020 年 8 月特斯拉 AP 团队重写底层代码和重构深度神经网络，并开发全新的训练计算机 Dojo，完成了 BEV+Transformer 的算法架构、用特征级融合取代了后融合、数据自我标注取代了人工标 注，实现了由小模型转向大模型。自此，特斯拉为跃迁至自动驾驶时代做好了软硬件储备。
（5）2021-2023 年：落地纯视觉路线 FSD，实现自动驾驶系统快速迭代。在 HW4.0+FSD V12 推出下，特斯拉完成自动驾驶“惊险一跃”。基于 FSD 芯片，特斯拉继续优化自动驾 驶算法，该时期特斯拉通过增加时序信息和应用占用网络改良了 BEV+Transformer 架构， 解决了摄像头无法测速且感知模型无短时记忆能力的问题，并在 Corner Case 感知问题上 取得进展，同时也为特斯拉后续实现端到端模型奠基。基于卓越的软硬件能力，特斯拉自 动驾驶系统快速迭代，2020 年 10 月开始向少量早期测试者推送 FSD Beta 早期版本，2023 年推送 V11 版本，将使用范围拓展到高速道路，且使用神经网络而不仅是视觉来进行导航 和控制，2023 年 12 月推送了 FSD V12，采用端到端新智驾路线。硬件端上，特斯拉更高 规格的 HW4.0 实现上车，24 年 1 月在中国 Model Y 上向用户更新推送，我们认为 HW4.0 和 FSD V12 推送是特斯拉自驾完成惊险一跃的重要突破，期待后续 FSD 推出更高性能的 自驾功能。
基于高性能的预埋硬件，特斯拉通过 OTA 持续升级 FSD 系统，历经多次版本更新迭代， FSD 已贯通城市与高速 NOA 功能，但仍需进一步完善以覆盖更多长尾问题。近年来 FSD beta 先后修复了智驾系统较重大的漏洞和误判情况，改善了复杂交通情况的智驾功能，在 最新版本中将城市和高速的算法栈统一，实现了城市+高速 NOA 功能的双落地，智驾体验 更加顺滑。但目前 FSD 仍然存在驾驶安全问题，如 23 年 2 月特斯拉因 FSD 可能导致在十 字路口发生撞车事故而召回 36 万辆+汽车，同时北美测试者反馈最新的 V11.4.1 版本在狭 窄道路上会误判路况进行紧急刹车，我们认为 FSD 系统仍需更多数据训练完善算法系统， 覆盖更多 Corner Case、优化智驾系统功能以提高安全冗余度。同时我们认为，FSD beta 为特斯拉自研算法和硬件竞争能力的集中体现，虽目前仍有较大完善空间，但随着 FSD 应 用拓展、数据积累带动数据-算法飞轮效应，FSD beta 延续高频高效的功能迭代，从而进一 步深化特斯拉的竞争壁垒。
北美落实 FSD 全开放，中国受限法律与成本商业化仍待观察。北美落地 FSD 全开放，渗 透跑赢全球。根据 Troy Teslike 的数据，22Q3 特斯拉 FSD 全球渗透率达 7.4%，较 19Q4 近 36%的渗透率有较大幅的下滑，其中北美渗透率显著高于其他地区，22Q3渗透率约 14%， 同时截止 23 年 1 月，已有 40 万北美用户在 FSD 取消安全评分门槛后接入了 FSD，欧洲 渗透约为 9%，而亚太地区不到 1%。我们认为当前 FSD 全球渗透偏低一方面是由于特斯拉 Model3/Y等较低端的车型销量上量（Model S/X此类高端车型的 FSD渗透率在 45%-50%， 而同期价格较低的 Model Y 渗透率在 15%左右，Model 3 在 5%左右），且 FSD 暂时无大版 本和革新性功能的更新，一方面系特斯拉在 22 年 11 月更新的版本开始大规模推送 FSD beta，对驾驶员不再要求安全评分（限北美地区），此前的安全评分对 FSD 应用拓展有一 定限制。
往后看我们认为北美地区 FSD 或将加快，中国地区落地 FSD 有待观察。自 2016 年以来， 美国在政策端对自动驾驶的关注较高，持续推出相应的支持性文件，虽在国会层面未完全 统一对自动驾驶的法律，但目前暂无州政府正式禁用自动驾驶功能，我们认为特斯拉 FSD beta 在北美有一定主场优势，随着 FSD 解锁更高阶智驾功能，有望进一步在提升北美渗透 率。反观中国，我们认为 FSD beta 落地仍有待观察，或以部分功能解锁的形式落地。一方 面特斯拉 FSD 采用的 HW3.0 系统为纯视觉方案，依靠摄像头采集数据来建立实时道路模 型，属于地图测绘业务，我国禁止外资进入地图测绘领域，特斯拉或采取苹果公司的处理 方式，建立独立的中国道路数据库。一方面中国道路复杂程度高于美国，用于训练智驾算 法模型的数据量级或将更大，而特斯拉建立于上海的数据中心无法连通美国的超级计算机， 因此 FSD 暂时难以获得超级计算机的算力加持，特斯拉或推出“FSD 中国版”，解锁部分 智驾功能，以降低整体的开发成本的开发周期。
硬件：自研 FSD 芯片+准中央式集中架构+自研控制器，树立行业标杆
（一）FSD 芯片：早期 Mobileye-英伟达过渡-自研 FSD，把握了智能化底层竞争壁垒
特斯拉智驾硬件系统经历四代迭代，主控芯片从外采走向自研，掌握了自动驾驶话语权， 24 年起进入 FSD2.0 的 HW4.0 新时代： （1）HW1.0（2014 年）：早期特斯拉受限于研发资金不足、自研资源较弱，自动驾驶系统 依赖 Mobileye 的芯片和核心软件算法，采用单颗 Mobileye EQ3 系列摄像头+1 颗毫米波 雷达+12 颗博世的中程超声波雷达。该时期特斯拉的工作主要落脚在多传感器融合路径， 并着手组建自身的视觉感知软件算法团队 Vision，储备应用层的软件技术以替代 Mobileye。 （2）HW2.0（2016 年 10 月）：因 Mobileye 智驾理念和开发节奏与特斯拉冲突，特斯拉放 弃 Mobileye 方案，采用英伟达 DRIVEPX2 芯片作为过渡。HW2.0 采用英飞凌 TriCore 的 MCU 芯片+8 颗摄像头+12 颗远程超声波传感器+1 颗前置的博世的毫米波雷达，算力提升 到 12TOPS（是 HW1.0 的 48 倍），功能实现上，HW2.0 较 HW1.0 增强了感应功能、配备了 AP 导航功能。该时期特斯拉掌握了图像识别算法、多传感器融合、应用层软件开发。 （3）HW2.5（2017 年 8 月）：该版本是对 HW2.0 的更新，主要提高了冗余度和系统可靠 性，较 HW2.0 运算性能提高了约 80%，同时将毫米波雷达的供应商从博世替换为大陆；功 能实现上，HW2.5 增加了行车记录仪、带有本地保存视频的哨兵模式功能。至此，特斯拉 自动驾驶系统的硬件基础基本完备。 （4）HW3.0（2019 年 4 月）：特斯拉在 2017 年 4 月完成自研的专用智驾芯片 FSD 的测 试，2019 年 4 月 FSD 在 M3 上车，HW3.0 的总算力较 HW2.5 提高了 21 倍。FSD 芯片只 保留了特斯拉所需的硬件、剥离了深度神经网络加速器 NNA 的通用功能，由此成本较 HW2.5 降低了 20%。功能实现上，HW3.0 增加了车道标志和交通标志的识别功能。该时期 特斯拉已具备全套芯片设计+图像识别算法+多传感器融合+应用层软件开发的能力。
HW4.0 传感器架构升级且搭载二代 FSD 芯片，性能全面升级。24 年 2 月，特斯拉官宣 MY 全系车系将配备 HW4.0，包括超远距离双目摄像头和 500 万像素摄像头，且芯片算力比 HW3.0 提升了 5 倍。根据海外 Greentheonly 报道，HW4.0 的摄像头预计从 8 颗提升到 12 颗（使用 11 颗，另 1 颗用于冗余）、新增 1 颗 4D 毫米波雷达、芯片算力或升级为 7 纳米 的 FSD2.0（总算力或提升 3-5 倍）、内存或从 8 颗 LPDDR4 升级到 16 颗 GDDR6（开辟 车载领域应用 GDDR 的先河）、CPU 内核从 12 个增至 20 个。
HW4.0 或成为车型冲量的关键，但价格和购买方式仍需观察： （1）根据 Greentheonly，HW3.0 或将不能直接升级为 HW4.0，可能系二者在造型、接口、 面积上的差异较大，不能直接替换硬件。我们认为 HW4.0 硬件配置高于 HW3.0，或将释放 更多更高级的自动驾驶功能，但考虑到 HW3.0 与 HW4.0 的硬件或无法直接替换，后续需 关注特斯拉如何向已购买 FSD 产品的消费者升级。 （2）二代 FSD 芯片或有较高的 BOM 成本：摄像头模组+毫米波雷达+计算盒子的总 BOM 成本约 1500-2000 美元，FSD 芯片价格或随出货量提高而快速降本（根据佐思汽研，假设 FSD 二代出货 30 万片，FSD 对应销量 15 万辆：7 纳米芯片一次流片成本 3000 万美元； 晶圆制造成本和封装成本约 150 美元；研发成本 900 万美元；30 万片出货量对应成本 280 美元，而 60 万片出货量对应成本 215 美元），但软件部分成本可能较高，综合看 FSD 二代 选配价格或超 2 万美元，较美国本土选配 FSD 的当前价格高出 0.5 万美元。而 24 年 2 月， 特斯拉 MY 官宣升级 HW4.0 硬件，同时推出 8000 元新春优惠、2000 元选配“快银”车漆 等政策，实现“加量不加价”，我们认为若 FSD 顺利落地中国，在高性能智驾版本帮助冲 量+FSD 较快渗透可观保有量的双轮驱动下，FSD 二代芯片成本有望较快下降。
（二）E/E 架构：率先产业化准中央集成式架构+自研控制器，掌握智能化竞争利器
特斯拉是汽车产业 E/E 架构变革的先行者，在 Model 3 上率先落地准中央集成式架构。整 车架构分布式-域集中-中央集成架构的趋势已基本确立，特斯拉 12 年在 MS 上划分了功能 域，包括动力域、底盘域、车身域、ADAS 域，具有域架构的雏形，17 年在 M3 率先落地 了准中央集成架构，即中央计算+区域控制，整车分为了中央计算模块 AICM+左车身控制模 块 LBCM+右车身控制模块 RBCM+前车身控制模块 FBCM，其中 LBCM 负责左车身便利控 制+转制动+助力等，RBCM 负责右车身便利控制+底盘系统+动力系统+热管理等，AICM 负 责自动驾驶模块+信息娱乐模块+车内外通讯，并保留个别负责外设的 ECU 分散布置。 但严格意义上 M3 属于准中央集中式架构，而非真正的中央集中式架构，其通讯架构仍以 CAN 总线为主，中央计算模块集成了影音娱乐/自动驾驶/车内外联网模块，各模块独立运行 各自的操作系统，但特斯拉的中央计算+区域控制的框架已领先其他车企 6 年。小鹏、蔚来、 理想等新势力车企通过分布式-域集中-域融合的迭代路径向特斯拉追赶，小鹏 22 年和零跑 23 年进入跨域融合的准中央集中式架构，目前主流车企的整车架构大多为域集中+MCU。
特斯拉逐步强化自研控制器，利于掌握智能化灵魂+降低显性成本。特斯拉的整车内控制器 自研比例逐步提高，MS 20%→MX 40%→M3 56%→MY 61%→Cybertruck 85%→下一代 车型计划 100%自研。其中，自研部分主要为决策层控制器，如自动驾驶域控制器、智能座 舱域控制器、自动驾驶芯片等，非自研部分主要为感知层传感器，如摄像头与联创电子 Aptina 合作，激光雷达与 Liminar 合作，毫米波雷达与法雷奥等合作，超声波雷达与奥迪威 合作。长期看，特斯拉自研控制器利于保持 E/E 架构升级的领先性，真正掌握智能汽车时 代的灵魂，以及节省显性成本，保持市场的价格优势：
（1）“掌握灵魂”：一方面特斯拉自研控制器利于突破功能域，使迭代更灵活，OTA 可以“常 用常新”，自研率较低的传统车企 OTA 或只能常更新车载娱乐功能，重大功能更新仍需依 赖外部供应商配合。一方面自研控制器利于把控整车架构的设计、快速推进 E/E 架构迭代 升级，更彻底变革域集中，特斯拉升级速度和功能部署不依赖外部 SOC 芯片供应商，能真 正把握智能汽车的灵魂。根据 3IS 对 2021 款的 MY、大众 ID.4、福特 Mach E 的电子电 气架构对比，MY 的 ECU 数量和 Lin 总线数量均为另外两款车的一半左右，而 M3 域控架 构的集成度较大众和福特更领先。同时特斯拉布局 E/E 架构领先其他车企 6 年，后期其自 研控制器构筑的壁垒将更难以突破。
（2）降本：长期看 E/E 架构升级将从软件、硬件、供应链管理三方面节省显性成本。①硬 件方面，集中式架构将直接减少线束和 ECU 成本，特斯拉 MS 的功能域集中架构到 MY 的 准中央集中式架构，线束从 3km 缩短到 1km。同时，集中过程中域控制器也在不断集成， 而中央集中式架构最终导向 SoC 的复用，可最大化算力使用效率，进而降低域控制器和芯 片成本。根据 Nullmax，行泊一体域控从分离式到集成式，减少一个域控制器可降本 30%， 而单 SoC 系统较分离式域控可降本 50%。②软件方面，根据高工智能汽车，E/E 架构演进 伴随的 SOA 分层式整车及数据接口设计平台，可使车载智能系统的软件适配成本降低 85%。 ③供应链方面，管理域控、芯片的供应商数量下降，对应 OEM 的供应链管理成本也下降。
算法：感知模型快速迭代，持续提高感知精度和长尾问题覆盖度，奠定纯视觉路线的技术 基础
2020 年前特斯拉感知方案局限在二维图像数据，自动驾驶系统尚未覆盖情况复杂的城市场 景，20 年 8 月 AP 团队开始对 FSD 重写底层代码并重构算法架构，从 21-22 年特斯拉在 AI Day 公布的成果来看，其感知算法取得了较大突破，弥补了纯视觉路线在感知层的不足：
（1）2021 年 AP 团队在感知模型加入了 BEV+Transformer+Video Neural Net，完善了 感 知 模 型 的 算 法 能 力 和 预 测 能 力 。 通过在特斯拉的感知模型 HydraNet 中 加 入 BEV+Transformer，实现了 2 维图像向 3 维空间的映射（具体而言，BEV 鸟瞰图将图像通 过 RegNet、BiFAN 提取特征后，把 8 个摄像头的图像组合成一个 3 维图像），其次将视频 模块加入神经网络训练，即在加入了 BEV Layer 的 HydraNet 中加入了 Video Neural Net， 融合了时序数据后的感知模型具有了短时记忆能力，能够在实际行车过程中进行大量预测。 2021 年特斯拉 AI Day 上，AP 团队的成果显示，用大量汽车和视频片段即可在 RNN（循 环神经网络）中构建类似高精地图的俯视图。
（2）2022 年 AP 团队在感知算法模型加入了占用网络 Occupancy Network 和矢量地图 Lane Network，进一步提升感知模型的精度和对长尾问题的覆盖度。具体而言，特斯拉进 一步在 HydraNet 上加入了 Occupancy Network，其核心在于将现实世界映射到矢量空间， 具体而言，其通过预测 3D 空间的占用概率还原物体形状，将扫描的物体边缘划分为立方体 并渲染到向量空间，最后能生成效果更好的 3D 地图，以弥补特斯拉未使用高精地图和雷达 在长尾问题的感知不足。此外，对于摄像头无法覆盖的区域，FSD 可通过 AI 编译器+推理 引擎，预测可能出现的路缘和道路标线。同时针对特斯拉 BEV 空间分割得到像素级别的车 道不足用于轨迹规划的问题，特斯拉引入了在线矢量地图构建模型 Lane Network，解码了 车道线的拓扑结构，能更准确判断车辆是否进入了另一条车道。
（3）2023 年落地感知层和决策层的端到端大模型，再创自动驾驶新篇章。23H2 马斯克展 示了 FSD Beta V12 的端到端大模型，由端到端模型代替自动驾驶软件，FSD Beta V12 将 原先的 30 万行代码缩减到 3000 行。传统的自动驾驶软件是划分清晰前后关联的模块化分 层，即感知定位+规划决策+执行控制，基于感知结果和既定规则，自动驾驶软件代码实现 规控；而端到端大模型模糊了感知层和决策层、以及决策层和执行层的界限，神经网络自 动完成感知-规控-执行，简单理解为端到端大模型的自动驾驶没有在软件代码的层面生成指 令，下发到各个软件模块，让软件根据各种场景进行决策。实际是开发范式的转变，2017 年特斯拉 Autopilot 团队主管 Andrej Karpathy 提出软件实现形式将由基于规则的编程转向 基于神经网络的模型，先前业内已实现感知层主体变为神经网络，FSD V12 的进步在于决 策层主体改为神经网络。
我们认为端到端大模型利于大幅提升模型的训练效率和性能上限，或打开特斯拉 L3 智驾新 篇章。传统自动驾驶模型需海量规则代码编写和高维护成本，而端到端大模型的规模效应 更强，神经网络的规划和决策能力可通过“投喂”驾驶视频+训练中心训练，不断调整优化 模型参数，车端只需把大模型部署到芯片，OTA 可从刷软件转变为刷参数。同时，当模型 突破某个规模节点时，大模型的性能有概率实现显著提升，出现涌现现象。
（4）构建 World Model，开启自动驾驶的 ChatGPT 时刻。NLP 领域利用生成模型词语接 龙或词语填空类似简单有效的自监督训练方法，训练出参数规模高达百亿千亿级别的大语 言模型，而计算机视觉领域非常依赖有标注的数据和监督学习，模型的规模限制于价格高 昂的标注数据，发展较 NLP 领域较慢，但其优势在于数字图片存储尺寸是文本存储尺寸的 几万倍，若有有效训练方案，模型可更逼近人类的智力水平，而 LLM 大语言模型仅依靠文 本学习，实际难以匹敌人类的智力水平。近年来，Midjourney 和 Stable Diffusion 等图像生 成模型通过生成模型输入已知环境情况并预测未来场景，构建处了计算机视觉领域的自监 督 Foundation Model。 特斯拉的 World Model 凭借自动驾驶车辆采集的大量实景视频数据，利用生成模型去生成 未来场景来和真实的未来时刻数据对比，从而构建 loss，摆脱了用标注信息训练模型的弊 端。World Model 不仅能生成 RGB 空间图像，还能生成类似标注的语义信息，说明其具有 生产标注数据以及一定语义理解推演的能力。我们认为生成式的 World Model 于自动驾驶 有重大意义：其可被用来作为仿真工具生成仿真数据，甚至可以生产 Corner Case 的数据， 此外，World Model 有潜力在自动驾驶领域成为 GPT 一样的 Foundation Model，具体的自 动驾驶任务可基于该 Foundation Model 做研发构建。
