从自动驾驶角度看特斯拉产品成功启示录

Posted 2021-04-27 AI汽车人

进“汽车行业，自动驾驶，新能源汽车微信群”，请加微ai-qicheren，备注：汽车，自动驾驶或新能源

来源：招商证券

核心观点

特斯拉的在智能驾驶方面的种种优势，预测特斯拉本土化后的销量仍将持续向好。特斯拉对于整个电动车市场的鲶鱼效应是巨大的。

      2019年是电动车行业的转折点，补贴大幅退坡带动行业进入微补贴时代，国内新能源行业更大范围的洗牌即将到来。国际巨头特斯拉上海工厂正式量产，有望在2020年后，在国内外众多电动车品牌的竞争中坐稳头筹，逐步形成垄断地位，形成规模效益，获得稳定的利润，对国内新能源市场产生一定压力。

      回顾特斯拉发展历史，其通过先普及硬件，再通过OTA空中升级解锁软件的方式逐步实现自动驾驶具体功能。目前特斯拉已经率先实现L3级别量产，硬件足以支撑L5级别全自动驾驶，软件升级频率高，功能从智能汽车向智能移动空间转变。特斯拉对软件、硬件两方面都拥有绝对的把控权，实现功能完善和开拓新的功能。软件硬件两条腿交替向前走，推动整体功能平稳提升。

      特斯拉自动驾驶在硬件、软件各层面技术优势突出。自主研发芯片FSD性能提高21倍；传感器采用视觉主导方案，配合深度学习，多传感器冗余，实现360°全天候监测；自动驾驶功能在量产车型中最健全、实际应用效果最佳，是为自动驾驶领域当之无愧的先行者。我们认为特斯拉将持续保持智能驾驶领域先行者的优势，加深护城河。

      打破产量瓶颈后，特斯拉的技术优势转化销量优势。今年特斯拉实现本土化后，降本空间提高，原材料、人工、运费、关税都有折价空间，毛利率有望进一步提高。特别是本土零部件产业链将会充分受益，产业链迎来利好。伴随着国内技术迭代与推进，自主新能源汽车在产品竞争力上有望明显提升。

 

一、前言

2019年是电动车行业的转折点，新能源汽车国际领军企业特斯拉加大本土化趋势，进入从追求市场份额到追求垄断地位及稳定利润的过渡时期，对国产新能源汽车形成竞争压力。特斯拉2019 年三季报显示：汽车业务毛利 12.22 亿美元，环比增长 20%。

10月25日，特斯拉公司宣布由上海超级工厂制造的标配基础版辅助驾驶功能的Model3标准续航升级版车型正式开放预订，售价35.58万元。国内量产后，Model 3的销量还有进一步增长的空间，凭借中国广阔的电动车市场，特斯拉的全球市场份额也有望短期内快速增长。特斯拉通过产能有效扩容，有望在2020年后，在国内外众多电动车品牌的竞争中坐稳头筹，逐步形成垄断地位，形成规模效益，坐拥稳定的利润。

二、特斯拉智能驾驶的发展历程

特斯拉的核心优势之一是智能驾驶技术成熟。

      智能辅助驾驶系统涵盖三个方面，分别为 1）感知层，通过传感器（包括车载摄像头/超声波雷达/毫米波雷达/激光雷达等）感知车身周围环境； 2）决策层，通过感知层收集的信息作出相应的决策（涉及芯片 /算法）； 3）执行层，通过接收传感器的实时信息、以及芯片/算法得出的决策信号从而采取包括刹车/警示等在内的行车行动。 其中硬件设备包括传感器、芯片、高精地图，软件为ADAS自动驾驶辅助系统。

      特斯拉的自动辅助驾驶系统通过先普及硬件，配备L2以上级别的传感器、芯片算法及零配件，再通过OTA利用移动通信空中接口对 SIM 卡数据及应用进行远程管理升级解锁软件，实现自动变道、自适应巡航等具体功能。特斯拉对软件、硬件两方面都拥有绝对的把控权，让其能够推动技术不断迭代，实现功能完善和开拓新的功能。软件硬件两条腿交替向前走，推动整体功能平稳提升。

      特斯拉的硬件设备一共有三次升级，HW1.0到HW2.0主要通过增加传感器数量和深度学习功能使感知力大幅提升。HW2.0到HW3.0主要针对芯片进行了两次升级，基本实现了L5完全自动驾驶级别所需的计算能力。

1、HW 1.0到HW 2.0：传感器冗余设计，增加深度学习功能

      特斯拉在第一代硬件HW1.0时采用Mobileye视觉识别芯片，信息收集阶段主要依靠Mobileye的图像识别技术，数据来自于车顶的Mobileye摄像头，车首的雷达和周边雷达只是提供辅助信息。Mobile EyeQ3可识别障碍物位置、可用空间、车辆形状位置前后、行人、路牌、红黄绿灯， 但由于特斯拉使用自己的ADAS软件，EyeQ3的部分功能如红绿灯识别，无中间黄线的双行道识别等功能未得到完全释放。

       HW2.0增加了侧前侧后方摄像头，前置摄像头由单目进化为三目摄像头，周边车辆的感知能力提升了6倍，前方障碍物识别也得到了极大更新。辅助数据除雷达、超声波传感器之外还包括深度学习构建的高精度地图和白名单。

2、HW 2.0到HW 3.0：芯片算力飞跃，自主研发掌控硬件

      HW2.0使用NVIDIA的Drive PX 2芯片，主板的整体集成度并不高，有大片留白。所有芯片加起来理论算力仅有NVIDIA的Drive PX 2的一半。HW2.5芯片整体集成度空前提高，在之前主板构造的基础上增加了4块CPU，集成度上的飞跃带来算力的跃升，基本达到了Drive PX 2的理论算力水平。

在HW3.0时特斯拉使用自主研发芯片FSD，在计算层拥有了完全掌控力。FSD采用双芯片设计，算力达到了144TOPS，对比HW2.5性能提高了21倍，而功耗仅提高了25％。同时在安全性则在系统层面也有很多考虑，比如大量的冗余设计。

同一块板卡上配备两颗芯片，同时都对同样的数据进行分析，然后对比分析结果（或者相互验证），再得出最终结论。目前，HW3.0已经完全能够应对L5级别自动驾驶所需的感知层数据量和计算能力，成为特斯拉智能驾驶技术的核心竞争力。

3、OTA软件升级之路：从智能汽车到智能移动空间

       特斯拉的软件迭代通过OTA空中升级实现，主要经历三个阶段。

      第一阶段：创新、探索：4.0版本—6.0版本。本阶段内特斯拉受产能和技术限制，尚未加入真正意义上的自动辅助驾驶功能，升级领域聚焦于智能网联、语音交互、实时导航服务等功能，创造了人车交互的雏形。特斯拉早期的版本平均更新速度是34天发布一次，更细微的维护版本更新速度则为平均每60天更新一次，保持高频率迭代升级。平 均 每60天更 新一次，保持高频率迭代升 级。  

                                                                

       第二阶段：重大突破：6.1版本—7.1版本。特斯拉首次加入了自动车道保持、自动变道和自动泊车三大辅助驾驶功能。只要向内侧拨动两次定速巡航杆，就能开启辅助驾驶。打开转向灯，汽车会在安全的情况下自动变道，全程无需司机驾驶。特斯拉正式落地实现自动驾驶功能。

       

        第三阶段：完善、开拓：8.0版本—10.0版本。特斯拉持续优化现有的自动辅助驾驶功能。8.0版本当中，对 Autopilot 就有200项的改进，除了对体验流畅度和响应速度要求更高以外，在安全性方面也得到增强。另外，特斯拉开始拓展在舒适度和娱乐功能上的拓展，8.0版本加入爱宠模式：当车主暂时离开，车内会自动给猫狗等宠物调节到舒适的温度，保持车内透气恒温。10.0版本加入第三方应用，可在线看 YouTube、Netflix 流媒体，加入在线卡拉 OK 等新功能。特斯拉从“智能驾驶汽车”逐渐向“移动智能空间”转变。

三、特斯拉在智能驾驶领域具有核心优势

        智能辅助驾驶技术的核心在于计算层的芯片和算法，特斯拉在这两个领域有一定的先发优势、且已逐步切换至自主研发芯片、算法的阶段。在感知层打破了视觉传感器流派的瓶颈，执行层则做到了目前最为完善的自动驾驶功能。鉴于其在自动驾驶领域技术研发积累、硬件软件基本自主可控以及成本优势，预计智能辅助驾驶技术也将成为特斯拉的长期核心竞争力。

1、计算层优势——双芯片算力领航，ECU设计重新定义汽车

1.1 自主研发芯片：算力安全双保险

       特斯拉目前使用完全自主研发的FSD全自动驾驶芯片，算力单芯片72TOPS，板卡144TOPS。

 FSD主板设计的最大特点是双芯片设计形成冗余，减少了功能区故障隐患，同时提高了图像处理的安全与精准性。根据马斯克的说法，FSD芯片主板做了完整的冗余，也就是说HW3.0 的每一个功能区都可以损坏，而整套硬件依然可以保持正常工作。

同时，主板内部设置了两个处理器，同一块板卡上的两颗芯片的供电和数据通道都是独立且互为备份的。两颗芯片对同样的数据进行分析，相互验证、比对分析，再得出最终结论，极大地提高了图像处理的安全和准确性。

从单个处理器来看，FSD处理器由一块负责通用数据处理的中央处理器CPU、一块负责图形处理的GPU、两块负责深度学习和预测的神经处理单元NPU和一块内置图像处理器ISP组成。

 FSD的核心优势在于强大的图像处理和高速传输数据能力。GPU单元为图形处理单元，工作是协助核心处理器完成图形和动画的渲染，让用户能在屏幕上获取有效信息。图像处理器 ISP 的作用主要是将摄像头产生的原始 RGB 三原色数据转化成复杂的图像信息。GPU和ISP构成了智能驾驶AI芯片的主角。

 FSD内置了主频为 1GHZ 的 GPU，拥有 600TOPS 的超强运算力，同时图像处理器ISP最高可以25 亿像素/秒的高速处理 10 亿像素的数据量数据。大概是往21块1080P的全高清屏幕塞60帧画面的程度，这已经追上现在世界上最快的消费级图像传输标准 DisplayPort 1.4 了，而车载芯片“传统上”要落后消费级起码一个时代的。

FSD的数据传输速度也远超过现在特斯拉配备的8摄像头传感器所产生的数据，为之后的特斯拉向L5级别自动驾驶升级预留了足够的数据传输空间。

FSD的优势之二在于神经处理单元NPU储存芯片容量巨大、带宽速度极快。NPU负责根据深度学习模型对ISP产生的图像数据作出处理——但在此之前，这些数据将会存储在SRAM内。

SRAM可以简单地将它理解为比运行内存速度快很多，同时成本也高很多的存储芯片，一般被应用在处理芯片的1-3级缓存上。FSD现在拥有32MB 的缓存，对比来看，零售价16999元的英特尔酷睿i9-9980XE，SRAM缓存总量也仅为33.75MB，2010年英特尔CPU的最大SRAM仅为16MB，2014年也只是增长到了24MB。

巨大的 SRAM 容量总结为 FSD 芯片对比市场上同类芯片的最大的优势。另外，特斯拉芯片总工程师Pete Bannon 表示，处理全自动驾驶的缓存带宽至少要达到1TB/秒，而 FSD 芯片的 SRAM 实际上能提供 2TB/秒的带宽。

FSD的优势之三在于CPU架构的优化。特斯拉采用的是三个四核CPU的并联架构，运行频率为 2.2GHZ。多个核心叠加的方式保证了多线程总性能不比如今顶级的 4 核心移动端CPU弱，甚至更胜一筹。与上一代HW2.5相比，HW 3.0的CPU性能提升到了上一代的2.5 倍。

1.2颠覆EEA构架,集中化打破自动驾驶硬件瓶颈

       

汽车电子电气架构（EEA）是指以划分不同功能域的方式来集中控制不同ECU（电子控制单元），包括车身与便利系统、车用资讯娱乐系统、底盘与安全系统、动力系统，以及高级辅助驾驶系统(ADAS)等五个大域。这其中，每个域或子域都有对应的域控制器DCU和各种ECU，共同构成汽车电子电气架构的网络拓扑。

 自动驾驶对于EEA架构提出了挑战。自动驾驶要求更高的算力和更多传感器件，分布式的ECU架构如果无限制扩张，势必面临着巨大挑战：

（1）ECU的算力不能协同，并相互冗余，产生极大浪费。

（2）大量分离的嵌入式OS和应用程序Firmware，由不同Tier1提供，语言和编程风格迥异，导致统一维护和OTA升级困难。

（3）分布式的架构需要大量的内部通信，客观上导致线束成本大幅增加，加大装配难度。

（4）第三方应用开发者无法与这些硬件进行便捷的编程，软件开发低效。

特斯拉的Model 3对EEA架构进行了垂直整合，算力向中央集中、向云端集中。 压缩自动驾驶硬件成本，减少成本。特斯拉的中央计算模块(CCM)直接整合了驾驶辅助系统(ADAS)和信息娱乐系统(IVI)两大域，以及外部连接和车内通信系统域功能；左车身控制模块(BCM_LH)和右车身控制模块(BCM_RH)分别负责剩下的车身与便利系统、底盘与安全系统和部分动力系统的功能。 EEA（电子电气架构）架构只有三大部分：CCM(中央计算模块)、BCM LH(左车身控制模块)、BCM RH(右车身控制模块)。

类比于计算机硬件架构，英特尔的x86通过垂直整合把之前的运算器、控制器、存储器、输入设备和输出设备五大部分整合为CPU、南北桥芯片三大部分，计算机朝集中化，轻量化方向发展，才使计算机正式进入寻常百姓家。 特斯拉类似于X86的整合方式重新定义了智能驾驶硬件架构，通用性、标准化的硬件架构设计压缩了不同软硬件融合、协同算力造成的成本浪费，使智能汽车行业的进化变得更加高效。

2、感知层优势——视觉为主+深度学习

2.1传感器方案：摄像头为主，多传感器融合

目前智能驾驶感知层解决方案分为两种流派：以特斯拉为代表的视觉主导方案和以WAYMO为代表的激光雷达主导方案。视觉主导方案以摄像头为主导，配合毫米波雷达、超声波雷达、低成本激光雷达；激光雷达主导方案以激光雷达为主导，配合毫米波雷达、超声波传感器、摄像头。

激光雷达最重要的两个属性是测距和精度。激光雷达可以主动探测周围环境，属于“主动视觉”，即使在夜间仍能准确地检测障碍物。因为激光光束更加聚拢，所以比毫米波雷达拥有更高的探测精度。缺点在于成本高昂、技术不成熟、影响车辆整体外观。激光雷达成本高于2万元，而摄像头最多仅2000元，雷达则更便宜，激光雷达主导的解决方案为主机厂带来成本压力。

摄像头测距能力相对较弱，且受环境光照的影响大，但摄像头的核心优势在于非常适用于物体识别、数据量远超其他传感器。摄像头成像原理与人眼类似，都是物体反射的光通过镜片在传感器上成像，人眼就能看懂摄像头拍摄的内容，摄像头可以完成物体分类。同时摄像头拥有最丰富的线性密度，其数据量远超其他类型的传感器。基于图像信息密度最高的优势，使得它处于整个感知融合的中心地位。

特斯拉通过传感器融合辅助规避了摄像头受天气影响的弊端，在功能上取代了激光雷达传感器；通过提高摄像头监测距离、利用FSD的高速数据传输、GPU强大算力极大地提高了成像的精度，基本打破了视觉方案的瓶颈，同时降低了自动化系统的成本。这意味着特斯拉纯视觉方案也可更进一步，甚至有可能率先达到“机器开车人辅助”甚至“机器开车”的L4、L5级别自动驾驶。

特斯拉Autopilot的感知工作主要依赖3个前置摄像头、2个侧方前视摄像头、2个侧方后视摄像头、1个后视摄像头、12个超声波传感器、1个毫米波前置雷达，实现了多传感器融合冗余。特斯拉通过8个摄像头完成360度全方位检测周围环境，雷达则负责探测前方障碍物的距离及行进速度，且不受天气影响。基本替代了激光雷达的功能。

其中侧视摄像头已经保证了左右两车道无盲区。侧后视装在翼子板上，位置靠前；侧前视装在 B 柱，位置在侧后视的安装位置之后 1m。侧前视和侧后视相互重叠，这4个摄像头完全覆盖了左右车道，为特斯拉的L3级别的功能：变道、合流、出高速提供全方位成像。前视摄像头是一个三目摄像头的总成件，配合雷达解决了特斯拉前向测距的问题，可探测车前250m的路况，为ADAS功能中的自适应巡航ACC、交通拥堵辅助TJA等功能提供成像。

2.2深度学习：神经网络算法提高精度

深度学习搭建时空结构网络，实现机器不干预的自我学习，深度学习能够在图像识别能力上显著超越传统算法。Clarif AI 针对行人等复杂物体识别实验数据显示，2010年误检率（Error Rate）在30%-80%之间，两年传统算法优化将误检率降低至20-30%左右，陷入瓶颈。深度学习算法则进一步降低误检率，接近至10%以下。ImageNet数据同样显示，深度学习算法可将行人的识别率提升至90%以上。

特斯拉的神经网络图像识别算法，是基于其自研的计算机芯片以及大量配套的软件算法。特斯拉称之为车队学习网络（fleet learning network），特斯拉的每一位司机其实都参与到了神经网络的训练中，共同组成车队为特斯拉的自动驾驶系统喂入新的数据，搜集自动驾驶所需的高精度地图。

特斯拉的 AI 软件能够处理来自视觉传感器收集到的车道线、交通、行人等信息，将这些信号与已知的物体进行匹配再最终作出决策。

特斯拉通过车队学习获得大量驾驶数据，再辅以快速进步的算法使得驾驶质量进一步提升。若出现摄像头完全无法理解或引起混乱的图像，工程师会上传到云端，由工程师进行标注导入神经网络进行训练，直到神经网络掌握对该场景的识别。

此外，全球各地不同国家有着完全不同的路况、交规、暴雨、冰雹、大雾、甚至洪水、火灾、火山等罕见的长尾场景。 每一次AP启用状态下的人为介入接管，系统都会记录下该场景的信息和数据，并自行学习人类的决策和驾驶行为。

目前特斯拉已积累了海量驾驶数据。MIT 按照特斯拉公布的交付量、特斯拉汽车平均行驶里程和 AP 启动状态下行驶里程计算，到2019年，特斯拉累计路测数据已经达到4.8亿英里，估测到2020年将突破 15 亿英里。按照特斯拉官方说法，特斯拉路测数据占全行业总路测数据的99%，可以处理99.999%的场景。

同时，特斯拉不断增长的销售量使数据搜集速度超过其他深度学习智能驾驶项目一个维度。Google的自动驾驶汽车用4年一共积累了不到250万公里的数据，特斯拉只需要15个小时便达到了。

3、执行层优势——ADAS功能齐全，率先量产L3级别

特斯拉的ADAS系统是迄今为止已量产的自动驾驶车型中完成功能最健全、使用场景最广的。特斯拉可以使车辆在从匝道到匝道的整个高速公路上执行完整的高速公路操纵,同时能够在拥堵路段完成自动驾驶操控，未来即将实现在城区街道级别的自动辅助驾驶功能。

根据自动驾驶L1-L5级别对应的ADAS功能，特斯拉已经率先达到L3级别自动驾驶，成为自动驾驶领域当之无愧的先行者。

对比国内造车新势力与传统车企推出的智能驾驶代表车型，特斯拉ADAS功能最齐全、融合效果最好。特斯拉独有的ADAS功能包括自动驶入驶出高速公路匝道口、远程召唤功能。

主动控制类功能中，特斯拉已经实现完整的横向控制（转向、变道、并线、车道保持）和纵向控制（加速制动、紧急刹车），保证在高速公路路况下不同功能的完整融合，基本无需人工干预。

特斯拉在识别方面也具有明显优势：能够精确识别车辆类型、非机动车、行人、交通标志，适应更加复杂的路况，在城市道路中减少人工干预次数。另外，针对城市交通拥堵问题，特斯拉实现了交通拥堵时自主跟车、启动、制动功能。

四、竞品分析：特斯拉智能驾驶水平远超同行

1、芯片对比——算力性能领先国际巨头

       当前世界芯片巨头为英伟达和Mobileye。对比Mobileye的EyeQ系列，特斯拉的芯片算力远高出不止一个维度。英伟达的AGX Xavier，是 FSD 之前算力最强的车载计算芯片——能提供 30TOPS 的算力，也是众多主流车型使用的自动驾驶芯片。特斯拉在性能上完胜AGX Xavier。

与同是双芯片的英伟达 AGX Pegasus 比较，英伟达可实现 320TOPS 的总算力，但功耗高达500w，对于对续航里程有者强烈偏好的新能源汽车来说是难以克服的瓶颈，并且320TOPS的算力并不完全用于自动驾驶。

FSD达到144TOPS，功耗250w，单位功耗提供算力为0.58TOPS/w，实际芯片本身的效率并不逊色于英伟达，在能耗上拥有优势。同时，英伟达数据传输标准却只能提供 100GB/s 的带宽。FSD数据传输标准为 2TB，特斯拉明显更胜一筹。

2、传感器对比——计算层护航，以质取胜

特斯拉的传感器识别方案属于视觉流派，传感器总数处于平均水平，但特斯拉的摄像头数量多于竞争对手，实现360°环视监测，同时依靠强大的GPU图像处理功能和深度学习构建地图白名单，视觉传感质量高于同类产品。

与传感器数量最多的奔驰相比，特斯拉证明了把最好的硬件拼凑起来并不一定是最好的整车自动驾驶，算法的优化可以为传感器识别提供百倍的性能提升。对特斯拉和奔驰进行过弯测试：

1、通过大弯：奔驰在自动辅助驾驶中越过了道路中央的黄线，并且行驶到了逆行车道，且并未识别错误。特斯拉始终保持在黄线内侧，无需人工干预。

2、小弯道：奔驰在行驶中滑出了道路白线，并且完全没有修正企图。特斯拉始终保持在道路中心。

3、高速通过弯道：奔驰继续滑出了黄线，奔向了逆行车道。特斯拉虽然有点擦线，但是它依然保持在道内并且减速后顺利通过了弯道，无人工干预。

       

全程总结：奔驰在三次测试中车辆发出的掌握方向盘预警32次，手工干预次数31次；特斯拉车辆发出的掌握方向盘预警16次，手工干预次数3次。

3、ADAS 功能对比——处理复杂路况，保障安全底线

具备同样ADAS功能的情况下，特斯拉处理复杂路况的能力更强并且处理方式更符合人类驾驶习惯。ADAS理论功能和实际应用水平之间会有一定差距，面对同行车辆驾驶习惯不规范、雨雪天气、道路划线不明显等复杂情况时，自动驾驶功能可能会失效。

若ADAS只能在理想的单一路况下行驶，无法处理实际突发情况，人工干预次数增加、安全性难以保证，落实自动驾驶在真实道路上的应用就只能是纸上谈兵。

对比国内自动驾驶功能走在前列的蔚来NIOPilot系统，特斯拉明显对复杂路况的适应能力更强，处理加塞、雨天行驶和大角度弯道时都不需要人工干预。并且在自适应巡航、变道时会自主选择时机、微调车速与方向。

在细节上的精细化处理让特斯拉的自动驾驶减少了机器操作造成的生硬感，更符合人类驾驶规律，给予驾驶者更流畅度的操作体验。

 ADAS功能落实的底线是保证安全。根据E-NCAP关于安全性的测试结果可以看出 特斯拉的驾驶安全辅助方面的得分远高于其他主机厂，安全辅助项目中特斯拉创造了近两年来的最高得分记录，证明特斯拉在ADAS功能的开发方面虽然步伐大但从未忽视安全。

特斯拉Model 3在成人乘员、儿童乘员、弱势道路使用者和安全辅助四个项目上的得分率分别为96%、86%、74%和94%，远高于5星级标准，显示出均衡的被动安全性能。特别是在主动安全方面，无论是AEB系统，还是车道保持、速度辅助，都可以体现出Model 3在价格亲民的同时对于安全的保证。

（以下项目依次为成人乘员保护，儿童乘员保护、行人保护和安全辅助。测评功能包括自动紧急刹车、车道保持、速度辅助。）

五、毛利销量预期向好，未来仍将稳坐龙头

1、核心原材料成本把控能力强，毛利稳定

根据Munro & Associates的拆解，Model 3长距后驱版的总成本在2.2万美元左右，加上物流和劳动力，毛利率约30%，在汽车整车行业盈利水平占优。

从EBIT层面来看，特斯拉汽车经营成本主要分为三个部分，分别为： 1） 营业成本（包括原材料、制造成本、人工成本、折旧摊销等）； 2）研发费用； 3）SG&A 营销与管理费用（不包括财务费用）。

成本占比最高的是原材料成本，据Morgan Stanley测算，目前原材料约占营业成本的50%以上，未来随着特斯拉的生产重心向中国转移，人力运输成本压缩，原材料占比将进一步提高到70%以上。

特斯拉在核心原材料上有较强的议价能力，智能芯片依靠自主研发，摆脱了依靠英伟达、Mobileye等国际巨头的以来，其他核心原材料电芯、传感器也都具有一定折价空间。

新能源车型零配件的核心来自于动力电池组（原材料成本占比约 40%）。 在动力电池组的单体电芯方面，由于特斯拉采用的圆柱电芯技术工艺相对成熟 （良率较高/一致性较好），对应的电芯以及电池组 PACK 成本也相对较低 （预计相对软包/方形或存在约 15%-20%的成本折价）。

特斯拉利用计算层优势，打破了视觉传感器的瓶颈， 有效压缩传感器成本。毫米波 雷达/车载摄像头/超声波雷达的合计功能可达到等同于或高于激光雷达的水平。而从价格比较方面来看，毫米波雷达/车载摄像头/超声波雷达相较激光雷达存在明显折价。

2、本土化降本空间大，毛利率水平有望再创新高

目前国产Model3标准续航升级版车型售价35.58万元。中国工厂无论原材料、供应链物流成本、土地、建厂成本，以及人工等制造成本都会显著降低，另外特斯拉本土化降低运输与关税成本，未来价格预期逐渐探底。

2.1零配件国产化压缩原材料成本

成本压缩空间最大的是原材料成本，美国工厂车型对应的核心零配件，除电池PACK/BMS系统、以及电控等由特斯拉自主生产以外，其他均来自于全球顶级零配件供应商，原材料成本相对较高。

Model 3零配件国产化，叠加供应商配套物流圈优化，预计上海工厂与美国Model 3 的生产系统相比，平均每辆车的生产过程成本预计将会比现阶段美国境内生产线低30%以上，原材料成本压缩也将对应的改善毛利率空间。

长远来看，随着特斯拉产能的扩张，如果2021年上海工厂产能达到20万辆，产业链规模有望达到1500亿元，相关产业链会明显受益。

由于本土产业链具有低成本、高效率等优势，因而国内产业链在一定程度上不易替代，产品粘性较高，特斯拉供应链本土化对各供应厂商长期来看都是重大利好。

2.2资本开支压缩，关税运费降低

上海工厂的资本开支也具有很大压缩空间。根据公司披露，上海工厂的资本开支约为美国工厂低约一半。目前公司单车资本投入稳定在0.6万美元/辆，预计国产化后可降低单车资本投入 2万元（3000美元）。

国产化之后可以大幅度减少运输费、关税、折旧费，相应,改善国产车型的毛利率。如果只考虑成本节约，国产化未来标准续航升级版价格有望下降近12万元（1.42万美元关税、运输费+3000美元资本投入），预计售价可降至28万元。

2.3研发费用压缩

国产导入的合资车型，在供应商切换/零配件国产化（部分车型减配）、以及其他相关成本/费用控制的情况下，具有相比于海外车型更高的利润率；其中，合资公司仍需支付国产导入车型对应的技术转让费用 （预计收入占比约 5%，与海外车型研发费用的收入占比基本持平）。

然而对于国内首家外商独资的车企而言，特斯拉有望直接通过 Model 3 国产导入投产，在研发领域或仅产生相关零部件测试与新车道路测试等费用，研发费用（或合资公司对应的技术转让费用）方面也有明显的压缩空间。

3、市占率有望进一步提高，在中国市场大有可为

特斯拉为目前全球销量最大的电动车企。2018年特斯拉共交付电动车24.5万辆，占2018年全球电动车总销量12.3%，高于比亚迪/北汽新能源等传统车企。

回溯历史产能与销量增速，特斯拉销量主要受制于产能。2018年随着Model 3产能释放，销售量同比增长137.9%。随着未来上海超级工厂释放更多产能，预计2020年产量超过10万辆，2021年产量超过25万辆，特斯拉受到拉动效应，销量还有进一步增长的空间。2020年之后特斯拉新车型Model Y、Semi也将进一步增长产能。

凭借中国广阔的电动车市场，特斯拉的全球市场份额也有望短期内快速增长。2019年Model 3在中国销售之后，亲民的价格迅速打开销路，在华销量同比增长超过200%，未来随着国产版Model 3继续降低价格，特斯拉在中国销量依然长期向好。

有望在2020年后，在国内外众多电动车品牌的竞争中坐稳头筹，逐步形成垄断地位。当然，我们认为中国品牌电动车应该更多的像特斯拉学习，加快智能化产品投入，提高产品溢价。

自动驾驶传感器原理如下介绍：

自动驾驶关键技术具体讲解如下：

自动驾驶报告：

驾驶辅助系统各功能如下：

点下「在看」，给文章盖个戳