综述：业绩增长强劲 新车型周期即将开启
业绩回顾 |以价换量带动营收向上 Model 3/Y构成销售核心
销量：2023Q2全球交付46.6万辆，同比/环比分别为+83.0%/+10.2%；其中Model 3/Y交付44.7万辆，同比/环比分别为 +87.4%/+8.4%。营收：2023Q2特斯拉汽车收入212.7亿美元，同比/环比分别为+45.7%/+6.5%；2023Q2总收入249.3亿美元，同比/环比分别为 47.2%/+6.8%。
特斯拉全球产能 | 上海、加州贡献核心产能 德州、柏林爬产完成
上海工厂：承接中国、欧洲、加拿大和亚太需求，生产 Model 3/Y，年产能约100万辆。 加州工厂：承接美国需求，Model 3/Y 年产能55万辆， Model S/X年产能10万辆。 德州工厂：承接美国需求，目前生产Model Y，年产能25 万辆；2023年底将生产Cybertruck，预计产能约30万辆。 柏林工厂：承接欧洲需求，生产Model Y，年产能35万 辆。
未来车型规划 | Model Q/2打入平价市场 Cybertruck拓展车型矩阵
Model Q/2打入平价市场。特斯拉预计于2025年上市的 Model Q车型将被视为Model Y的缩小版，生产成本上将仅 为Model 3/Y车型的一半，售价约为2.5万美元。特斯拉有 望凭借这一高性价比车型，打入更低价格段市场，以此满 足消费者不同层次的需求。
Cybertruck拓展车型矩阵。Cybertruck采用高强度不锈钢 材料打造，因此全车采用楔形设计，从平滑改为锐利平直 的线条，以满足材料硬度需求。Cybertruck双电机四驱版 百公里加速达到4.5秒，牵引力、承载力、马力与同价位燃 油产品相比均具有一定优势。
特斯拉销量预测| Model Q/2驱动未来增长 2025年贡献核心增量
Model Q/2价格有望下探至2.5万美元。特斯拉2022Q3业 绩会上马斯克正式公布了Model Q/2。Model Q成本仅为当 前Model 3/Y的一半。基于Model Q/2的成本，公司预计未 来起售价格约为2.5万美元。公司预期未来Model Q年销量超过Model 3/Y之和。马斯克 表示，预计Model Q未来销量将超过特斯拉目前车型之 和。
特斯拉墨西哥工厂 | 特斯拉中期产能扩张的核心
在墨西哥建厂可辐射美洲市场。在南美新能源市场渗透率较低，而墨西哥汽车工业发达且工人等综合成本低，因此在墨西哥建 厂将有利于出口南美市场。同时墨西哥能享受北美贸易自由协定和IRA优惠，在墨西哥建厂不仅可以辐射本地和南美市场，原 材料、供应链、成品都可以和美国、加拿大紧密地流通。 动员中国供应商协同构建本地化供应链。特斯拉与多家中国供应商达成合作于墨西哥本地建厂，我们预计将带动下游零组件一 起到墨西哥就近供货，复刻上海工厂的本地化供应链模式；同时利用墨西哥的地理优势和美国-墨西哥-加拿大协定的政策便 利。
特斯拉技术优化 | 全新生产模式 改变汽车工业百年流程
启用分部生产一次拼装的模块化生产方式。对于下一代车型平台的生产方式，特斯拉着重提出了对生产效率的极致追求。公司 表示，下一代车型平台产线将提高44%的操作人员密度和30%的空间效率，以达到50%的生产成本缩减；在装配方面，下一代 车型平台产线将采用底板一体化压铸，分部喷漆的并行模式，目标达到每45秒生产一辆汽车的极致制造效率和规模效应。
智能驾驶：特斯拉FSD全球领先 使用率拐点临近
FSD | 软硬件全栈技术能力 智驾能力全球领先
软硬件全栈技术能力，智驾能力全球领先。2013年起，特斯拉即开始构建自身智能驾驶能力，历经十余年发展，逐步构建从硬 件（Mobileye到英伟达再到自研）到软件（从AP到FSD）的全栈技术能力，智能驾驶能力全球领先；FSD Beta用户数量持续增加。2020年10月，FSD实现首次对外推送测试；2021年7月，特斯拉向约2,000名美国用户推送FSD Beta V9版本；2022年9月，特斯拉FSD Beta版本的测试用户扩大到16万，11月24日，FSD Beta向全部约40万用户开放使用 权，用户数量保持持续增加
FSD算法 | BEV+Transformer将2D图像投影至三维空间
BEV是自动驾驶跨摄像头和多模态融合背景下的一种视角表达形式。它的核心思想是将传统自动驾驶2D图像视角（Image View）加测距的感知方式，转换为在鸟瞰图视角下的3D感知。从实现任务来说，BEV的核心是将2D图像作为输入，最终输出一 个3D的框架，在这个过程中，如何将不同传感器的特征实现最优表达是难点。 Transformer是一种基于注意力机制（Attention）的神经网络模型。由Google在2017年提出，与传统神经网络RNN和CNN不 同，Transformer不会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，这种机制背 后，使得Transformer可以适应不同长度和不同结构的输入。
FSD算法 | 基于Transformer的BEV：识别准&精度高
BEV视角缓解图像视角下的尺度和遮挡问题。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。 将不同视角在BEV下进行统一表达，能极大方便后续规划和控制任务。主流规划和控制算法经过融合之后都会转换到以自车为 中心坐标系中（VCS），对VCS来说，最适合的是BEV视角，也就是BEV感知结果输出的空间是规划和控制任务的标准输入。 BEV通过前融合带来提升，强化感知效果。采用BEV感知系统中，摄像头、毫米波雷达感知均在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。
FSD算法 | 占用网络显著提升自动驾驶效率 引领工程化落地
特斯拉FSD通过占用网络，将感知层从2D结构提升至3D结构。占用网络可更好的将3D几何信息与语义信息融合，场景中遮 挡、静止物体和动态物体均用方块表示，增加整体视野域，提升路径规划效率，提升自动驾驶效率。占用网络的核心逻辑是得 到空间是否被占用的信息，不需要进行目标识别，而且具有多视角的特点，可以进行动态和静态的预测。
此网络对之前算法进行了三点优化：（1）对BEV的优化：完成了2D到3D的转化。（2）固定尺度的矩形框：固定尺度的识别矩 形会导致如下问题：a.悬空的物体如果被框住，会导致其下方变成不可通行区域；b.突出的物体如果没有被框住，会导致碰撞。 Occupancy Networks 将空间分为非常小的立方体，判断每个立方体是否被占用。这样可以生成较为精确的空间占用情况。 （3）解决目标检测的长尾问题：目标检测会存在某些物体不存在于训练集中。占用网络不必要进行目标识别，避免此类问题。
Dojo超算&Optimus机器人：强大算力加速迭代 FSD技术推动机器人落地
D1芯片 | 对标英伟达A100 助力FSD数据处理
Dojo的目标：实现最佳的AI训练性能；支持所有的更大更复杂的模型；并能够兼顾功耗和成本效益。 D1芯片：D1 采用分布式架构，7 纳米工艺，每个 D1 芯片搭载 500 亿个晶体管、354 个训练节点，单芯片 BF16 精度下算力高 达 362 TFLOPs，功耗只有 400W，兼具 GPU 级别的训练能力和 CPU 级别的可控性。在封测环节，Dojo 芯片采用的是 InFO_SoW 技术，初代 WSE 芯片和台积电 WLSI 平台，均由 InFO_SoW 封装而成，（InFo_SoW，又称「晶圆上系统」技 术，是将所有的芯片在同一个晶圆上进行设计，将整个晶圆做成一个超大芯片），以此可以实现通信低延迟、高带宽。
Dojo超算 | 提供强大算力支撑 加快自动驾驶模型迭代
基于 D1 芯片，特斯拉又将自研芯片集成为训练模块，分为七层结构：第一层和第五层铜质结构是水冷散热模块；第二层结构 由 5*5 阵列共 25 个芯片组成； 第三层为 25 个阵列核心的 BGA 封装基板；第四层和第七层是物理承载结构，附带一些导热属 性；第六层是功率模块，以及上面竖着的黑色长条，穿过散热与芯片进行高速通信的互联模块。
Dojo超级计算机：特斯拉将 25 个 D1 芯片组成一个「训练模块」，大约 60 个训练模块，也就是 1,500 个 D1 芯片共 53 万余 训练节点，就组成了 Dojo 超级计算机。理论上，Dojo 的性能拓展没有上限，可以无限扩张。实际应用中，特斯拉将 120 个训 练模块组装成ExaPOD 超级计算机，ExaPOD 含有 3,000 个 D1 芯片超 100 万个训练节点，算力可以达到 1.1 EFLOP。
提高算力支撑：在这样的算力硬件支撑下，特斯拉将有能力处理更大量的FSD数据，迭代更新更加完善的自动驾驶模型。根据 规划，特斯拉将在未来部署7个Dojo集群（每个集群被称为exaPOD，其中包含10个Dojo机柜），全部部署完成后将能实现约每 秒超过770亿亿次的浮点计算能力（7.7exaFLOPs），为自动驾驶模型提供强大的算力支撑。
法规层面：法规标准逐步健全 进一步支持FSD落地
法规标准逐步健全 进一步支持FSD落地：2021年6月，美国国家公路交通安全管理局（NHTSA）要求要求配备SAE 2级高级 驾驶辅助系统（ADAS）或SAE 3-5级自动驾驶系统（ADS）的车辆制造商和运营商报告碰撞事故。2022年3月NHTSA出台首 部《无人驾驶乘员保护安全标准》。2023年5月，美国加州通过奔驰L3级别自动驾驶系统上路申请。截至2023年6月，美国本 土已有40个州出台了自动驾驶相关法规政策。美国自动驾驶行业协会（Autonomous Vehicle Industry Association，AVIA）发 布了面向自动驾驶技术部署及商业化的联邦政策法规框架，针对联邦自动驾驶立法建言献策，以推动实现美国安全自主的自动 驾驶技术全面部署。
法规 | 国内：层层推进 为智驾长久发展铺路
国家和地方协调规划。我国从国家顶层规划与地方积极探索两个维度，推动完善自动驾驶产业发展的政策法规环境与监管体系； 各级政府推动法律法规健全完善。2021年以来，国家积极探索，推动自动驾驶法律法规逐步完善，明确标准，引领自动驾驶的 高质量发展，同时地方政府加速推动自动驾驶商业化落地，为后续我国智能驾驶长久发展铺路。
法规 | 国内：深圳为试点 L3法规有望放开
深圳法规落地具有重要意义。2022年7月8日，《深圳经济特区智能网联汽车管理条例》，获深圳市人大常委会会议审议通过， 于当年8月1日起施行，这也是国内首次对智能网联汽车的准入登记、上路行驶等事项作出具体规定，根据条例，完全自动驾驶 的汽车可以不具有人工驾驶模式和相应装置，可以不配备驾驶人，在深圳交通管理部门划定的区域、路段行驶，这意味着法规 的放开，也有望为已经达到有条件自动驾驶的车型合法上路扫除政策障碍； L3法规有望放开。7月26日，《国家车联网产业标准体系建设指南（智能网联汽车）（2023版）》印发。指南指出，第一阶段 到2025年，系统形成能够支撑组合驾驶辅助和自动驾驶通用功能的智能网联汽车标准体系。第二阶段到2030年，全面形成能够 支撑实现单车智能和网联赋能协同发展的智能网联汽车标准体系。随着智能网联汽车相关标准的边际催化，L3法规有望放开。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
相关报告
特斯拉专题研究报告：智能化奇点已至，估值体系重塑.pdf
特斯拉及造车新势力年报分析：特斯拉稳健增长，新势力增速分化.pdf
人形机器人行业专题报告（硬件篇）：特斯拉Optimus引领技术实现，国产零部件迎来机遇.pdf
特斯拉研究报告：全球电动车领导者，科技创新引领未来增长.pdf
汽车智能驾驶行业专题报告：特斯拉专题.pdf
特斯拉汽车零部件产业链投资思路专题报告.pdf
医院智能化项目-智慧医院集成设计方案.pptx
商业等综合体智能化设计方案.pptx
智能汽车产业深度报告：算力与智能化融合，技术与价值量共进.pdf
中熔电气研究报告：EV高压化、智能化打开公司成长空间.pdf
2023AIGC应用app智能化评测报告.pdf
