一、特斯拉：产品框架
特斯拉：成立20年，主要车型包括四款
特斯拉2003年成立，目前主流车型包括高端车Model S、Model X，经济乘用车Model3、Model Y四款车型。 此外还有皮卡Cybertruck、跑车Roadster、卡车Semi等车型在售。 根据Rho Motion，2023年全球纯电动车销量950万辆；特斯拉2023年全球交付量为181万辆，约占全球销量19%。 截至2023年底，特斯拉全球员工超过14万人。
特斯拉的主要业务结构
特斯拉有汽车和能源（包括储能）两个部门，主要业务包括： ① 汽车销售：特斯拉乘用车及卡车等车型销售。 ② 汽车租赁：特斯拉在北美、欧洲、亚洲等地提供租赁服务。 ③ 汽车监管信贷：业务运营中赚取的碳积分的销售。 ④ 储能：主要包括Powerwall、Megapack储能产品，以及Solar Energy事业部的太阳能屋顶。 ⑤ 服务及其他收入：主要包括付费超级充电桩、汽车维修和保险等业务。
特斯拉的主要业务结构及毛利率
特斯拉近年成长主要源于汽车销售，2020年特斯拉中国工厂启动制造，有效提升特斯拉汽车销量毛利率。 公司其他业务收入及毛利率成长较平稳。
马斯克的其他公司：SpaceX提供第一性原理，Twitter掌握发声渠道
1. PayPal（贝宝）：1999年马斯克创办X.com网络银行，后与Confnity合并并更名为PayPal，他持有该公司约10%的股份。 2. SpaceX（太空探索技术公司）：2002年马斯克创办，太空探索技术公司是一家私人航天公司，致力于实现太空旅行的商 业化。马斯克持有该公司约一半的股份，是太空探索技术公司的最大股东。 3. Tesla（特斯拉）：2004年马斯克加入特斯拉，担任董事长和产品设计师，也是马斯克最重要的绿色能源项目之一。马斯克 持有该公司约20%的股份，是特斯拉最大的股东。 4. Twitter（推特）：作为一位活跃的社交媒体用户，马斯克也是推特的用户之一。他持有推特约10%的股份，是该公司的最 大股东之一。 5. Square（方块集团）：这是另一家由马斯克投资的公司，方块集团是一家移动支付公司，致力于为个人和小型企业提供便 捷的支付解决方案。马斯克持有该公司约10%的股份，是方块集团的最大股东之一。（主要为消费者提供配合智能手机使 用的读卡器，让消费者可以在任何地方进行付款和收款。）
二、特斯拉自动驾驶之路
特斯拉的自动驾驶分为三个阶段
迄今为止特斯拉自动驾驶的发展分为三个阶段，从特斯拉HW硬件迭代可见一斑： ① 2013-2016：基础建设期，这一阶段特斯拉使用mobileye的前装智能驾驶产品。 ② 2016-2019：自研过渡期，特斯拉核心处理器使用英伟达产品，传感器配置已完善。 ③ 2019-至今：全面自研期，从底层硬件到上层软件做到全面自研。
基础建设期：2013-2016年
推出Autopilot，软硬件产品均与Mobileye紧密合作 。 2013年8月，马斯克宣布特斯拉要为Model S开发辅助驾驶系统，即Autopilot。 2014 年 10 月，特斯拉发布第一代硬件 Hardware 1.0以及初代Autopilot，软硬件均由 Mobileye 提供，自动驾驶芯片采 用 Mobileye 的 EyeQ3。 2016年5月，一辆 Model S（2015 年款）在使用 Autopilot 状态下，拦腰撞向了一辆垂直方向开来的白色挂车，事故导致 了一人死亡。特斯拉的Autopilot陷入舆论风波。随后同年7月，Mobileye宣布终止和特斯拉的合作。
自研过渡期：2016-2019年
完成自研Autopilot，推出FSD，计算硬件由英伟达提供。 2016年初，特斯拉在内部启动计算平台 FSD（Full Self-Driving Computer）的研发，FSD芯片研发由传奇芯片架构师Jim Keller负责。 2016年10月，特斯拉推出 Hardware2.0，硬件切换至英伟达，同时完善了传感器配置。 2017年3月，特斯拉推送Autopilot8.1，自研算法能力追平Mobileye，从此开启了其自研算法1-N的超越。同年6月，有车 主发现特斯拉正通过摄像头收集路况以改进Autopilot（即影子模式）。 2017年4月，特斯拉推出 Hardware 2.5.
全面自研期：2019年-至今
特斯拉中央计算自HW3.0启全面自研。 2019年4月，特斯拉推出Hardware 3.0，自研芯片FSD芯片亮相。 2020年8月，马斯克宣布全新训练服务器Dojo正在开发，同年特斯拉引入BEV+Transformer架构。 2022年10月，特斯拉披露其 Occupancy Network。 2023年3月，HW4.0低调上车，FSD芯片升级至2.0。 2024年1月，特斯拉FSD v12（FSD v12.1.2）开始正式向用户推送，将城市街道驾驶堆栈升级为端到端神经网络。
特斯拉数据获取：1）影子模式
影子模式是特斯拉真实驾驶数据获取的核心。 2019年4月，特斯拉发布“影子模式”。 特斯拉车在行驶过程中（所有状态下），传感器会持续对决策算法进行验证——系统的算法在“影子模式”下做持续模拟 决策，并且把决策与驾驶员的行为进行对比，一旦两者不一致，该场景便被判定为“极端工况”，进而触发数据回传（大 幅缩小计算中心存储需求）。
特斯拉数据获取：2）数据闭环及自动标注
特斯拉的数据闭环：通过影子模式搜集数据，经过清洗、标注（自动标注+人工标注），与仿真数据共同构建训练集。训练 集也用于车载模型的训练，完成之后更新到车上；以此往复，完成数据流的闭环。 2020年起，特斯拉开始研发数据自动标注系统。 在车辆行驶过程中，摄像头收集的路面信息，打包上传到服务器的离线神经网络大模型，由大模型进行预测性标注，再反 馈给车端各个传感器，当预测的标注结果在 8 个传感器均呈现一致时，则这一标注成功。
特斯拉算法引领行业：1）多任务学习神经网络架构HydraNet
背景：传统自动驾驶目标检测采用通用网络结构，当时业内自动驾驶视觉神经网络只有一个head，在同时完成多项任务方 面（如车道线检测，人物检测与追踪，信号灯检测等等视觉任务）存在效率低下的问题。 2018年，特斯拉做出对其自动驾驶算法的第一次革新，构建HydraNet，重构自动驾驶目标检测结构。 HydraNet 结构能够完成多头任务，减少重复的卷积计算，提升算法效率。
特斯拉算法引领行业：2） BEV+Transformer
背景：传统SLAM+DL下，①融合不同传感器的采集 数据，并实时输出下游所需的一系列任务结果是当时 的核心挑战；②多采用后融合处理方式，每个传感器 对应一个神经网络，计算量大、效率低。
2020年，特斯拉引入BEV+Transformer架构，后引 入时序信息。 特斯拉认为采集后的2D图像需要升维才能实现自动驾 驶，而升维的最佳表达方式是BEV（鸟瞰图）。因此 引入大模型Transformer进行升维开发，实现将2D图 像转换成BEV视角，形成车辆自身坐标系。 BEV 使得自动驾驶从后融合（或称「决策层融合」） 向特征级融合（或称「中融合」）方向迈进，提升决 策精准度且降低计算量。 特斯拉引入时空序列特征层，为自动驾驶增添短时记 忆功能，从而具有推演能力，提升系统安全性。
特斯拉算法引领行业：3） 占用网络
背景：在现实世界里，存在着大量的极端情况（corner case），要让算法通过标注认全所有事物不现实。 2022年，特斯拉对 BEV 进行了升级——引入占用网络。 占用网络，将原本的 BEV 空间，分割成无数的体素（微小立方体），再通过预测每个体素是是否被占用。 算法决策时不考虑这个物体到底是什么，只需要考虑体素是否被占用，从而简化了算法逻辑，提升决策精确性。 在原有的BEV基础上，补充了①物体高度识别、②未经标注的障碍物的识别。
特斯拉算法引领行业：4） 端到端
背景：传统的自动驾驶方案数据处理模块多、步骤多， 可能出现级联误差（前级模型输出的结果有误差，会影 响下一级模型的输出）。
2024年1月，特斯拉FSD v12（FSD v12.1.2）开始正 式向用户推送，将城市街道驾驶堆栈升级为端到端神经 网络。 端到端技术方案基于深度神经网络，通过摄像头采集驾 驶场景的信息，将其作为深度卷积神经网络模型的输入， 再不断对网络模型进行训练，得到学习好的网络参数， 从而对智能车方向盘转角进行预测。更加接近最真实的 人类驾驶。 端到端的主要弊端是：①模型可解释性差，工作原理是 黑盒。②模型很难引入先验知识，系统不了解人类动作 背后的规则。
开拓FSD软件付费模式
特斯拉首创汽车软件付费，目前FSD(Full Self-Drive) 在北美地区提供订阅&买断两种付费模式。 2019年起特斯拉乘用车标配基础版自动驾驶辅助系统，此后FSD美国买断价格自5000美元涨到目前的12000美元。 特斯拉的三个等级智驾产品，由低到高分别为基础版（Basic），增强版（Enhanced，EAP）和FSD。其中基础版和增强版 在国内销售的车型已经落地。FSD目前只在北美地区（美国和加拿大）推出，国内仅限于付费选装。
三、软硬服务内外兼修
特斯拉计算中心DOJO，为智能驾驶保驾护航
特斯拉自建DOJO服务器，解决海量视频视频带来的模型训练问题。 2021年特斯拉首次发布DOJO，2023年7月特斯拉DOJO正式量产。根据特斯拉算力发展规划，DOJO将在2024年10月达 到100EFlops的超级算力。 此外，特斯拉通过自研软件和开源软件的结合，为 DOJO项目打造了一个专属的全栈软件系统，其中包括底层驱动软件、 编译器引擎、PYTORCH 插件和上层的神经网络模型等。
特斯拉计算中心DOJO，自研芯片降本增效
DOJO使用特斯拉自研芯片D1，目的包括：①提高效率，D1专注视频训练单一任务，相比英伟达的通用芯片效率更高。② 自研芯片在大规模使用下将摊薄成本。 与英伟达的 A100 GPU 相比，每一颗 D1 芯片（配合特斯拉自研的编译器）在自动标注（auto-labeling）任务中最高能够 实现 3.2 倍的计算性能，而在占用网络（occupancy network）任务中最高能够实现 4.4 倍的计算性能。
报告节选：
（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
汽车智能驾驶行业专题报告：特斯拉专题.pdf
麦肯锡&中国电动汽车百人会-新能源汽车行业驶向2030：全球新能源汽车产业发展格局与展望.pdf
长安汽车研究报告：汽车央企转型新生，产品向上开启新周期.pdf
小米汽车专题报告：驶向未来小米汽车产业链从0到1，挖掘赛道瑰宝.pdf
双林股份研究报告：二十载耕耘汽车零部件，轻装再启航续写新辉煌.pdf
汽车行业专题分析：什么是下一阶段乘用车总量成长的新动能？.pdf
知行汽车科技研究报告：港股智能驾驶第一股，利润爆发在即.pdf
高精度定位行业专题报告：智能驾驶的可靠辅助.pdf
中国L4智能驾驶电动卡车行业市场调研报告.docx
激光雷达产业梳理：再看汽车智能驾驶之眼.pdf
智能驾驶计算芯片性能评测标准化白皮书.pdf
特斯拉研究报告：如何理解特斯拉的当下与未来？.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
特斯拉汽车零部件产业链投资思路专题报告.pdf
