1、目 錄TOC o 1-3 h z u HYPERLINK l _TOC_250007 特斯拉估值探討 1 HYPERLINK l _TOC_250006 智能電動汽車：以電動化為基礎，以無人駕駛開啟智能化 1 HYPERLINK l _TOC_250005 AI 解除了無人駕駛的瓶頸：三巨頭各領風騷 2 HYPERLINK l _TOC_250004 GPU 王者：英偉達 2 HYPERLINK l _TOC_250003 自動駕駛集大成者：Waymo(Google) 3 HYPERLINK l _TOC_250002 出行巨頭：Uber 5 HYPERLINK l _TOC_250001 特

2、斯拉：立足海量數據，優化算法，具備核心技術優勢 7 HYPERLINK l _TOC_250000 特斯拉的估值和風險總結 8圖 目 錄圖 1：智能化應用前景展望 1圖 2：英偉達 GPU 架構路線圖 2圖 3：英偉達 GPU 主要參數 2圖 4：AI 芯片生態 3圖 5：主流開源平臺介紹 3圖 6：英偉達 CUDA 開發環境 3圖 7：無人駕駛發展階段 4圖 8：亞利桑那州的自動駕駛運營分布 4圖 9：Robotaxi 4圖 10：自動駕駛技術架構 5圖 11：waymo 傳感器綜合系統 5圖 12：Uber 最近三年營收結構 6圖 13：Uber 最近三年凈利潤 6圖 14：Uber 乘用

3、車 6圖 15：Uber 卡車 6圖 16：特斯拉 autopilot 7圖 17：Tesla Vison 7表 目 錄表 1：特斯拉可比公司估值 8特斯拉估值探討如果想要理解特斯拉的估值，得理解另外三家公司：Waymo, Nvidia 和 Uber。這三巨頭分別在算法、芯片和數據三個維度在和特斯拉進行競爭。在美股市場，信息技術公司市值占比 30%，對特斯拉的科技跟蹤緊密。但正是由于特斯拉進入的是延續了一個多世紀的極度傳統的汽車產業，而汽車工業建筑了極高的進入門檻，所以才有如此大的分歧。特斯拉是通過打造一個個爆款產品來證明自己的能力，隨著特斯拉銷量的提升，用戶對智能電動汽車的體驗會愈加深刻。智

4、能電動汽車：以電動化為基礎，以無人駕駛開啟智能化一個多世紀前，愛迪生便斷定，電動汽車是未來的發展方向。愛迪生還發明了鎳鐵電池，1901 年，愛迪生宣布開發了一款時速達到 70 英里的電動車，并且說要把他的電池推向市場。1914 年，愛迪生和福特合作，在此嘗試做電動汽車。最后，愛迪生的電動汽車的嘗試失敗了，但他的發電機等電網關鍵設備都保留下來。20 世紀 40 年代，計算機技術、通信技術、生物技術等突破了地域限制，全球形成統一的無形網絡。如今，電動汽車未來大顯身手已經沒有疑問，各國政府、各大車企都在制定 2025-2030 年的發展規劃。汽車行業的互聯網、智能化將重塑產業生態。最終，智能電動汽車

5、或者是智能電動移動空間會取代現有傳統汽車。圖 1：智能化應用前景展望數據來源：李開復人工智能，西南證券整理可以想見，除了主機廠和供應商，IT 企業會更多地參與集中。比如美國線上平臺 Wheelz正為私家車提供 P2P 分享平臺。電信運營商會成為汽車行業移動數據的供應商。硬件公司也會參與其中。而無人駕駛實現后，人們在交通環節節約出來的大量的時間可以用于各種各樣的服務。資源已經不再是現有的大宗商品，而是數據資源、時間的資源。智能化時代必須以電氣化為基礎，而電氣化為智能化提供物理基礎。AI 解除了無人駕駛的瓶頸：三巨頭各領風騷如果說，成本、法律法規、安全、道德等問題是制約無人駕駛的幾大因素的話，那么

6、除了法律法規和道德這兩項，其他的都可以通過技術發展和商業化來解決。2012 年，深度卷積神經網絡驅動的 ImageNet 大規模視覺識別挑戰賽被認為是新一波人工智能浪潮的起點。當年 Alex 依靠 8 層卷積神經網絡一舉獲得了冠軍， 點燃了卷積神經網絡演技的浪潮。AlexNet 成功應用了 ReLU 激活函數、Dropout、最大覆蓋池化、GPU 加速等新技術，啟發了更多的后續的技術創新，卷積神經網絡研究從此飛速發展。自從 AlexNet 在 2012 年提出后，深度學習領域研究發展極其迅速。基本沒幾個月就出現新一代的技術，伴隨新的網絡機構，更深的訓練方法，同時在圖像識別領域不斷刷新準確率的記

7、錄。不容忽視的是，CNN 技術的飛速發展，離不開的是 GPU 計算資源。正是因為 GPU 的強大算力，才使得深度學習訓練成為可能。而 Tensor Flow 這種開源工具，使得研究人員可以方便、快速地進行探索研究。之前只能靠 Alex 這種天才，具備高超的編程能力才能自己實現 Cuda-convent，但是有了 Tensor Flow，研究人員就可以簡單快速地設計神經網絡結構并進行研究、測試、部署到應用。GPU 王者：英偉達2016 年 4 月，英偉達發布了運算速度極快的深度學習算法芯片特斯拉 P100 GPU。英特爾的 CPU 當中每一個都包含幾十個用于運行復雜算法的內核，用于足夠能力來運行

8、大量的企業軟件，但是對運行深度學習算法反而浪費和低效。針對深度學習算法優化的軟件會將特定類型問題（比如理解語音命令或者識別圖像）分解圍數百萬個小塊。英偉達的 GPU算力突出，它包含數千個微處理器，所以同時處理幾千個這種小塊是很容易。圖 2：英偉達 GPU 架構路線圖圖 3：英偉達 GPU 主要參數數據來源：官網，西南證券整理數據來源：官網，西南證券整理AI 芯片市場上，硬件作為底層基礎，上層是眾多開源的平臺和開發環境。上文說了，有了硬件，還得要有主流開源平臺的支持。目前主要的是 Tensor Flow 和 Caffe。Caffe 是比較經典的框架，用戶粉絲較多，缺點是使用配置文件定義網絡結構，

9、調試網絡不是很方便。基于層的構筑方式，所以需要層層堆疊網絡，對于一些靈活的圖結構，表示不方便。Tensor Flow 是 google 大力研發的框架，眾多的科學家協作開發，所以擁有產品級別的代碼質量，可靠性高，完善穩定，適合生產環境使用。其計算圖定義模式，非常靈活，可進行多種靈活測試。目前很多的科研成果，都是使用 Tensor Flow 實現，因此可直接使用的模型代碼非常多。Tensor Flow Models 庫中，可有量的開源模型，比如 Syntax Net, Text Sum。在機器學習庫中，占據絕大部分份額。圖 4：AI 芯片生態圖 5：主流開源平臺介紹數據來源：公開資料，西南證券整

10、理數據來源：公開資料，西南證券整理英偉達的 GPU 支持幾乎所有的開源平臺，具備完善的生態系統。開發環境方面，CUDA是英偉達公司的，也是最流行的 AI 硬件開發環境。上文提到的 Alex 天才就是自己通過 CUDA平臺來實現運算加速。該領域，英偉達處于壟斷地位。圖 6：英偉達 CUDA 開發環境數據來源：官網，西南證券整理目前，英偉達已經和豐田、大眾、沃爾沃、奔馳、奧迪達成合作，將聯合開發測試系統，英偉達是被主機廠采用最廣泛的 AI 芯片。自動駕駛集大成者：Waymo(Google)無人駕駛源于美國的 DARPA 比賽，第一屆 2005 年，第二屆 2007 年。在此之后，Google把 D

11、ARPA 中斯坦福團隊收編，2009 年由塞巴斯蒂安特倫（Sebastian Thrun）開啟了無人駕駛這個計劃。在這之后很長的一段時間里，全球只有 Google 在做無人駕駛。圖 7：無人駕駛發展階段數據來源：Roadstar AI，西南證券整理Google 在無人駕駛領域有布局廣泛：2013 年，Google 收購了杰佛里辛頓的創業公司， 2014 年收購了英國人工智能創業公司 Deep mind，并在此基礎上開發了 Alpha Go。2015年，Google 創建了 Tensor Flow，并且向全球免費開放。 2016 年 5 月，Google 宣布，已經秘密地使用 TPU（專門為了其

12、深度學習算法 tensor flow 而設計）一年多。圖 8：亞利桑那州的自動駕駛運營分布圖 9：Robotaxi數據來源：億歐網盟科技，西南證券整理數據來源：公開資料，西南證券整理Waymo“A new way forward in mobility”是公認的無人駕駛行業先驅者。Waymo 多年來一直在廣泛使用改裝奧迪、豐田普銳斯、雷克薩斯的車型來測試自動駕駛汽車。2015 年， Waymo 開始自己造車“螢火蟲”。2017 年，Waymo 史無前例的開始測試完全無人駕駛：在美國亞利桑那中的公共道路進行公測，并對公眾開放，提供沒有安全員的載客服務。2018年 Waymo 聯手捷豹路虎集團打造

13、基于捷豹 I-PACE 純電動汽車平臺的自動駕駛汽車，并將在幾年后達到 2 萬輛的規模。2018 年，大規模測試和全球化的開始。2020 年美國拉斯維加斯舉辦 CES 國際電子消費展期間，Waymo 宣布其自動駕駛車輛完成了 2000 萬英里的行駛里程。僅發生的 30 多起交通事故中并沒有重傷或死亡案例，且絕大部分都是由對方車輛導致的，Waymo 的技術從未出現過任何失誤。圖 10：自動駕駛技術架構圖 11：waymo 傳感器綜合系統數據來源：公開資料，西南證券整理數據來源：公開資料，西南證券整理Waymo 在無人駕駛的布局非常完善：首先激光雷達是自己研發的，目前已經將激光雷達的成本降低了 9

14、0%以上。傳感器也是自己研發的。TPU 和算法都是自己的。Waymo 的無人駕駛系統包括：這組傳感器主要由激光雷達系統，視覺系統，雷達系統，附加傳感器組成，最主要的是激光雷達系統。多層傳感器組件可以無縫地一起工作，繪制一個詳細的三維世界圖像，顯示動態和靜態對象，包括行人、騎自行車的人、其他車輛、交通燈、建筑物和其他道路特征。Waymo 的自動駕駛車輛可以實現感知，處理，預測，決策一個閉環的自動駕駛，實現真正意義上的全自動駕駛。Waymo 的技術實力毋庸置疑。而商業化上，Waymo 其實是從出行和物流兩個維度打市場。Waymo 的大規模全球化測試已經在美國鋪展開，乘用車目前在德克薩斯、新墨西哥州

15、、佛羅里達州等相繼落地；卡車是在德克薩斯和新墨西哥州兩洲際公路上測試，路上會穿越達拉斯、休斯敦和厄爾巴索等大城市。Waymo 的卡車已經在灣區、密歇根、亞利桑那、佐治亞和鳳凰城等大都市布局自動駕駛卡車車隊。出行巨頭：Uber2019 年，Uber IPO 上市。Uber 是世界上最大的出行公司。其業務分為共享乘車、外賣服務和貨運等業務。其中乘用車共享出行還是占比最大，也是最優勢的業務板塊。但是業績仍然處于虧損狀態，核心原因是 Uber 的運營費用投入巨大，運營費用在營收的占比高達 120%，并且沒有什么規模效應，并不會隨著規模的擴大而降低。圖 12：Uber 最近三年營收結構圖 13：Uber

16、 最近三年凈利潤數據來源：招股說明書，西南證券整理數據來源：招股說明書，西南證券整理Uber 急切地想通過無人駕駛來實現運營成本的降低，一旦實現，其成本會大幅度下降。 2015 年 Uber 成立了 ATG。ATG 目前建造了 250 多輛自動駕駛汽車，收集了不到 1000 萬英里的實測數據。Uber 與豐田、Volvo、戴姆勒已經展開深度的合作。2016 年，Uber 以 6.8 億美元收購自動駕駛卡車公司 Otto，但是因為在亞利桑那州發生了致死事件，所以終止了卡車項目，轉為出租車項目中。在乘用車領域，Uber 已經有了舊金山、達拉斯和多倫多三個測試城市，而美國首都現在則有了 Arogo、

17、Optimus Ride 和 Uber 三大自動駕駛測試車隊。目前已經進入華盛頓，為了安全起見，進入華盛頓的 Uber 自動駕駛測試車會繼續配備安全駕駛員，而車隊的最主要任務是挖掘道路數據以構建華盛頓區域的高精地圖。圖 14：Uber 乘用車圖 15：Uber 卡車數據來源：公開資料，西南證券整理數據來源：公開資料，西南證券整理特斯拉：立足海量數據，優化算法，具備核心技術優勢中國巨大的市場提供了海量數據，這是立根于中國的企業的優勢。2013 年，Nuance 在語音識別領域是全球第一，2014 年從 60%的市占率跌到 31%，其中科大訊飛切掉了 6.7%的蛋糕。科大訊飛的飛速發展，很大程度上

18、得益于中國這個規模巨大的市場。將特斯拉和三巨頭比較的話，我們認為：算法上，它和 waymo 的目前還有一定的差距，但立足海量數據，很有可能逼近 waymo。芯片上，Autopilot 也是采用英偉達的 GPU。出行上，特斯拉很有可能侵蝕 Uber 的市場份額。這一切的基礎，都建立在 Autoilot 的核心技術能力上。特斯拉 Autopilot 全球累計里程已經超過了 15.5 億英里，隨著 Model3 和 ModelY 的大規模量產推送，該數據量激增。這給 Autopilot 帶來了巨大的機會也是巨大的挑戰。2018 年特斯拉開始向全球車主推送 Autopilot 9.0 版本系統更新，特

19、斯拉正式邁向 L4階段。眾所周知，Autopilot 和Waymo 的技術路線不同，鑒于低成本的需要，Autopilot 采用是低成本的攝像頭，而 Waymo 采用高成本的激光雷達。兩者的技術差異本文不做細節闡述。但核心的技術點是在于，是否 2D 的攝像頭可以采用光流等技術反射 3D 點云，其精度是否可以逼近激光雷達。Autopilot 采用的是 8 顆攝像頭，前置攝像頭 3 顆，1 個毫米波雷達，12 個超聲波雷達，以及一塊搭載英偉達 DRIVE PX2 AutoCruise 定制版的計算主板。是全球首個采用三目視覺感知方案的車型。其核心策略，視覺感知的算法，本文也不做細節闡述。圖 16：特

20、斯拉 autopilot圖 17：Tesla Vison數據來源：官網，西南證券整理數據來源：官網，西南證券整理Autopilot 的硬軟核心：FSD 和 Tesla Vision。2016 年，特斯拉請來了來自 AMD 的芯片大師 Jim Keller，開始組建硬件工程團隊。同年，特斯拉在內部啟動計算平臺 FSD（Full Self-Driving Computer）的研發，并選擇了英偉達 DRIVE PX2 作為 Autopilot Hardware 2.0階段性的計算平臺。Autopilot 從這一代硬件開始，支持計算平臺的改造升級。Autopilot Hardware 2.0 以后的特

21、斯拉車型，只要拆開車上的手套箱，車主就可以用更高算力的 FSD替換已有的主板。Tesla Vision 來自于 Autopilot 內部在 2015 年成立的 Vision 小組，Vision的目標就是要取代 Mobileye，是全球第一家把 AI 算法集成到量產自動駕駛系統中的公司。2019 年 3 月，FSD 在 Model S 和 Model X 上實現量產；4 月，FSD 在 Model 3 上量產。從 Autopilot 2.0 開始，特斯拉在自動駕駛上建立了自主可控、快速迭代的能力。Autopilot領先于行業至少 3-5 年時間。可以說，自此 autopilot 走上了快車道。只

22、要是電動車的量產不出問題，其海量數據能夠在軟件層面大幅度優化其算法，而硬件能力足夠支撐這樣的算力。特斯拉的估值和風險總結上面我們系統梳理了智能汽車的關鍵技術和行業格局。很清楚的是，Google 的 waymo一定占據相當的市場份額，而 waymo 主要戰略是出售系統，其商業化最先落地的是出行和物流貨運市場。英偉達占據芯片的制高點，其競爭對手英特爾稍微落后。特斯拉的快速迭代能力極強，在乘用車領域將占據不容忽視的份額，并且將來會蠶食出行的市場份額，同時降低運營成本。目前我們并不能對更遠期的市場做判斷，比如遠景后的收入模式，是否會像蘋果手機一樣，變成個軟件平臺。但至少，它能拿走相當一部分的出行和貨運

23、市場。從特斯拉的戰略和商業落地能力來看，特斯拉在中國市場的戰略極其正確：只有中國市場才具備如此大的數據，支撐特斯拉快速的迭代，也只有中國市場具備完備的產業鏈來支撐特斯拉低成本產品的量產，反過來，低成本大規模量產進一步推高它的數據量。中國政府在新能源汽車的決心、中產階級的購買力和政府支持的力度使得特斯拉量產中的財務風險大幅度下降，對特斯拉是重要保障。我們認為特斯拉的風險主要存在于：1）技術路線的風險，必須密切關注視覺感知的發展；2）核心芯片的供應鏈的風險；3）通信網絡的風險（這塊還是空白）；4）財務風險；5）政策、法規、道德風險；6）馬斯克個人健康風險（或許這是最重要的風險）。其他商業化、電池等

24、，我們都認為是確定性較高的，風險不大。表 1：特斯拉可比公司估值公司最新估值（億美元）Waymo 自動駕駛系統450Waymo 整個商業模式1750出行業務800物流貨運業務900授權業務70Cruise 自動駕駛系統190ATG 自動駕駛系統72.5數據來源：公開資料，西南證券整理根據美股對可比公司的最新估值和假設條件，我們認為特斯拉在出行和貨運都可以分得全球一定的市占率。假設按照 Waymo 整個商業模式 50%的市場空間來測算的話，那么特斯拉的商業模式對應的估值在 500-800 億美元。假設特斯拉 2025 年的全球年銷量達到 250萬輛，其汽車板塊估值在 1200 億美元，那么總體估

25、值在 1700-2000 億美元之間。分析師承諾本報告署名分析師具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，報告所采用的數據均來自合法合規渠道，分析邏輯基于分析師的職業理解，通過合理判斷得出結論，獨立、客觀地出具本報告。分析師承諾不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接獲取任何形式的補償。投資評級說明公司評級行業評級買入：未來 6 個月內，個股相對滬深 300 指數漲幅在 20%以上持有：未來 6 個月內，個股相對滬深 300 指數漲幅介于 10%與 20%之間中性：未來 6 個月內，個股相對滬深 300 指數漲幅介于-10%與 10%之間回避：未來 6 個月內，個股相對滬深 300 指數漲幅在-20%與-10%之間賣出：未來 6 個月內，個股相對滬深 300 指數漲幅在-20%以下強于大市：未來 6 個月內，行業整體回報高于滬深 300 指數 5%以上跟隨大市：未來 6 個月內，行業整體回報介于滬深 300 指數-5%與 5%之間弱于