《电气设备行业斯拉专题报告四：特斯拉股价及估值复盘分析（二）.docx》由会员分享，可在线阅读，更多相关《电气设备行业斯拉专题报告四：特斯拉股价及估值复盘分析（二）.docx（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、特斯拉估值探讨11智能电动汽车：以电动化为基础，以无人驾驶开启智能化12Al解除了无人驾驶的瓶颈：三巨头各领风骚 22.1 GPU王者：英伟达 22.2 自动驾驶集大成者： Waymo(Google) 323出行巨头：Uber53特斯拉：立足海量数据，优化算法，具备核心技术优势74特斯拉的估值和风险总结82019年3月，FSD在Model S和Model X上实现量产；4月，FSD在Model 3上量 产。从Autopilot 2.0开始，特斯拉在自动驾驶上建立了自主可控、快速迭代的能力。Autopilot 领先于行业至少3-5年时间。可以说，自此autopilot走上了快车道。只要是电动车的
2、量产 不出问题，其海量数据能够在软件层面大幅度优化其算法，而硬件能力足够支撑这样的算力。4特斯拉的估值和风险总结上面我们系统械理了智能汽车的关键技术和行业格局。很清楚的是，Google的waymo 一定占据相当的市场份籁，而waymo主要战略是出售系统，其商业化最先落地的是出行和 物流货运市场。英伟达占据芯片的制高点，其竞争对手英特尔稍微落后。特斯拉的快速迭代 能力极强，在乘用车领域将占据不容忽视的份额，并且将来会蚕食出行的市场份额，同时降 低运营本钱。目前我们并不能对更远期的市场做判断，比方远景后的收入模式，是否会像苹 果手机一样，变成个软件平台。但至少，它能拿走相当一局部的出行和货运市场。
3、从特斯拉的战略和商业落地能力来看，特斯拉在中国市场的战略极其正确：只有中国市 场才具备如此大的数据，支撑特斯拉快速的迭代，也只有中国市场具备完备的产业域来支撑 特斯拉低本钱产品的量产，反过来，低本钱大规模量产进一步推高它的数据量。中国政府在 新能源汽车的决心、中产阶级的购买力和政府支持的力度使得特斯拉量产中的财务风险大幅 度下降，对特斯拉是重要保障。我们认为特斯拉的风险主要存在于：1）技术路线的风险，必须密切关注视觉感知的发 展：2）核心芯片的供应链的风险；3）通信网络的风险（这块还是空白）；4）财务风险；5） 政策、法规、道德风险；6）马斯克个人健康风险（或许这是最重要的风险）。其他商业化、
4、 电池等，我们都认为是确定性较高的，风险不大。表1：特斯拉可比公司估值教摄来源:公开资料,舟曲证券整理公司最新估值（亿美元）IWaymo自动等驶系统450Waymo整个商业模式1750出行业务800物流货运业务900授权业务70Cruise自动名驶系统190ATG自动驾驶系统72.5根据美股对可比公司的最新估值和假设条件，我们认为特斯拉在出行和货运都可以分得 全球一定的市占率。假设按照Waymo整个商业模式50%的市场空间来测算的话，那么特 斯拉的商业模式对应的估值在500-800亿美元。假设特斯拉2025年的全球年销量到达250 万辆，其汽车板块估值在1200亿美元，那么总体估值在17002
5、000亿美元之间。分析师承诺本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，报告所采用的数据均 来自合法合规渠道，分析逻辑基于分析师的职业理解，通过合理判断得出结论，独立、客观地出具本报告。分析师承 诺不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接获取任何形式的补偿。投资评级说明买入：未来6个月内，个股相对沪深300指数涨幡在20%以上 持有：未来6个月内，个股相对沪深300指数涨幅介于10%与20%之间公司评级中性：未来6个月内，个股相对沪深300指数涨幅介于-10%与10%之间回避：未来6个月内，个股相对沪深300指数涨幅在-20%与-10
6、%之间 卖出：未来6个月内，个股相对沪深300指数涨幅在-20%以下强于大市：未来6个月内，行业整体回报高于沪深300指数5%以上行业评级跟随大市：未来6个月内，行业整体回报介于沪深300指数-5%与5%之间弱于大市：未来6个月内，行业整体回报低于沪深300指数-5%以下重要声明西南证券股份（以下简称“本公司”）具有中国证券监督管理委员会核准的证券投资咨询业务资格。本公司与作者在自身所知情范围内，与本报告中所评价或推荐的证券不存在法律法规要求披露或采取限制、静默 措施的利益冲突。证券期货投资者适当性管理方法于2017年7月1日起正式实施，本报告仅供本公司客户中的专业投资者使 用，假设您并非本公
7、司客户中的专业投资者，为控制投资风险，请取消接收、订阅或使用本报告中的任何信息。本公司 也不会因接收人收到、阅读或关注自媒体推送本报告中的内容而视其为客户。本公司或关联机构可能会持有报告中提 到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行或财务顾问服务。本报告中的信息均来源于公开资料，本公司对这些信息的准确性、完整性或可靠性不作任何保证。本报告所载的 资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可 升可跌，过往表现不应作为日后的表现依据。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报 告，本公司不保
8、证本报告所含信息保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修 改，投资者应当自行关注相应的更新或修改。本报告之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意 见均不构成对任何个人的投资建议。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信 息并自行承当风险，本公司及展员对投资者使用本报告及其内容而造成的一切后果不承当任何法律贵任。本报告及附录版权为西南证券所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。如引用 须注明出处为“西南证豢”，且不得对本报告及附录进行有悖原意的引用、删节和修改。未经
9、授权刊载或者转发本报告 及附录的，本公司将保存向其追究法律责任的权利。请务必阅读正文后的重要声明局部图目录图1:智能化应用前景展望1图2:英伟达GPU架构路线图 2图3:英伟达GPU主要参数 2图4:AI芯片生态3图5:主流开源平台介绍3图6:英伟达CUDA开发环境3图7:无人驾驶开展阶段4图8:亚利桑那州的自动驾驶运营分布4图 9:Robotaxi4图10:自动驾驶技术架构5图 11:waymo 传感器综合系统5图12:Uber最近三年营收结构6图13:Uber最近三年净利润6图14：Uber乘用车6图15:Uber卡车6图 16:特斯拉 autopilot7图 17:Tesla Vison
10、7表目录表1:特斯拉可比公司估值8特斯拉估值探讨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。这三巨 头分别在算法、芯片和数据三个维度在和特斯拉进行竞争。在美股市场，信息技术公司市值 占比30%,对特斯拉的科技跟踪紧密。但正是由于特斯拉进入的是延续了一个多世纪的极度 传统的汽车产业，而汽车工业建筑了极高的进入门槛，所以才有如此大的分歧。特斯拉是通 过打造一个个爆款产品来证明自己的能力，随着特斯拉销量的提升，用户对智能电动汽车的 体脸会愈加深刻。1智能电动汽车：以电动化为基础，以无人驾驶开启智能化一个多世纪前，爱辿生便断定，电动汽车是未来的开展方向。爱迪生还
11、创造了镶铁电池, 1901年，爱迪生宣布开发了一款时速到达70英里的电动车，并且说要把他的电池推向市场。 1914年，爱迪生和福特合作，在此尝试做电动汽车。最后，爱迪生的电动汽车的假设试失败 了，但他的发电机等电网关键设备都保存下来。20世纪40年代，计算机技术、通信技术、生物技术等突破了地域限制，全球形成统一 的无形网络。如今，电动汽车未来大显身手已经没有疑问，各国政府、各大车企都在制定 2025-2030年的开展规划。汽车行业的互联网、智能化将重型产业生态。最终，智能电动汽 车或者是智能电动移动空间会取代现有传统汽车。图1：智能化应用前景展望人工智能运用的四波浪潮.1998第一波：互联网智
12、能化2004第二波：商业智能化2011第三波：实体世界智能化2015第四波：自主智能化谷欧、亚马逊、网易、 百度、Facebook、淘 宝、搜狗、由信、京 东、美国秀秀、美团、 今日头条、快手谷欧、亚马逊、网易、 百度、Facebook、淘 宝、搜狗、由信、京 东、美国秀秀、美团、 今日头条、快手 Palantir. element.4Paradigm 创新奇智、YlAmazon echo、 Fafi旷视、小鱼 在家、Amazon go.F5特斯拉、优步、 WAYM0.MOMENTA.景驰、 UISEE数据来源：李开复人工营能，国南证卷整理可以想见，除了主机厂和供应商，IT企业会更多地参与集中
13、。比方美国线上平台Wheelz 正为私家车提供P2P提供平台。业信运营商会成为汽车行业移动数据的供应商。硬件公司也 会参与其中。而无人驾驶实现后，人们在交通环节节约出来的大量的时间可以用于各种各样 的服务。资源已经不再是现有的大宗商品，而是数据资源、时间的资源。智能化时代必须以 电气化为基础，而电气化为智能化提供物理基础。2 Al解除了无人驾驶的瓶颈：三巨头各领风骚如果说，本钱、法律法规、平安、道德等问题是制约无人驾驶的几大因素的话，那么除 了法律法规和道德这两项，其他的都可以通过技术开展和商业化来解决。2012年，深度卷积神经网络驱动的ImageNet大规模视觉识别挑战赛被认为是新一波人 工
14、智能浪潮的起点。当年Alex依靠8层卷积神经网络一举获得了冠军，点燃了卷积神经网 络演技的浪潮。AlexNet成功应用了 ReLU激活函数、Dropout.最大覆盖池化、GPU加速 等新技术，启发了更多的后续的技术创新，卷积神经网络研究从此飞速开展。自从AlexNet在2012年提出后，深度学习领域研究开展极其迅速。基本没几个月就出 现新一代的技术，伴随新的网络机构，更深的训练方法，同时在图像识别领域不断刷新准确 率的记录。不容忽视的是，CNN技术的飞速开展，离不开的是GPU计算资源。正是因为GPU的 强大算力，才使得深度学习训练成为可能。而Tensor Flow这种开源工具，使得研究人员 可
15、以方便、快速地进行探索研究。之前只能靠Alex这种天才，具备高超的编程能力才能自 己实现Cuda-convent,但是有了 Tensor Flow,研究人员就可以简单快速地设计神经网络 结构并进行研究、测试、部署到应用。2.1 GPU王者：英伟达2016年4月，英伟达发布了运算速度极快的深度学习算法芯片特斯拉P100 GPUo 英特尔的CPU当中每一个都包含几十个用于运行复杂算法的内核，用于足够能力来运行大 量的企业软件，但是对运行深度学习算法反而浪费和低效。针对深度学习算法优化的软件会 将特定类型问题（比方理解语音命令或者识别图像）分解围数百万个小块。英伟达的GPU 算力突出，它包含数千个微
16、处理器，所以同时处理几千个这种小块是很容易。2：英伟达GPU架构路战图NVIDIA GPU ROADMAPPASCAL 3X BANDWIDTH，“Pascal，Miied PrtcisaoR30 MemoryKOMVUta数据来源:官网,西南证寿整理CPUKopkK GK180Maxwoll GM200Pascal GP100Volu GVLOOCompute Cdpabiliry526-7.Thredds/Warp32323232CPUKepler GK180MwM GK1200Pascal GP100VolU GV100Max Warps/SM64,64,64,64,Max Thread
17、i/SM20482O4S20482048Max Threads Blocici/SM16.3232|32,Max32-baRegiUerVSM65538悟然屿53695536Max Registers/Block65536.32768.65536-65536,Max RegislefVThredcS255255255-255Max Thread Bkxk Sue1024.102d13.1024FM2CoreVSM19212864M# of Roisters to FP32 Corts Ratio341.512.1024-1024 Shared Memory Size/SM16 KB/3796
18、KB64 KBCon6guranlc融份卬UPTOVQKB图3：英伟达GPU主要参数效据来源:营网,西南证券整理AI芯片市场上，硬件作为底层基础，上层是众多开源的平台和开发环境。上文说了，有 了硬件，还得要有主流开源平台的支持。目前主要的是Tensor Flow和Caffe。Caffe是比拟经典的框架，用户粉丝较多，缺点是使用配直文件定义网络结构，调试网 络不是很方便。基于层的构筑方式，所以需要层层堆卷网络，对于一些灵活的图结构，表示不方便。Tensor Flow是google大力研发的框架，众多的科学家协作开发，所以拥有产品级 别的代码质量，可靠性高，完善稳定，适合生产环境使用。其计算图定义
19、模式，非常灵活， 可进行多种灵活测试。目前很多的科研成果，都是使用Tensor Flow实现，因此可直接使用 的模型代码非常多。Tensor Flow Models库中，可有量的开源模型，比方Syntax Net, Text Sum。在机器学习库中，占据绝大局部份额。图4： AI芯片生态开源韩支持Tensorflow I Caffe I Caffe2I mxnet I CNTK I Torch数据来源:公开资料,西前证券整理开发械支持.OpenCLSDK .SD-:c CDA公司盾校时间 名称简介Stanford2013.10, Caffe*是自2013傩以就一姓鼬I*ai群习工具包, 是计算
20、机破界船行的工题之一DMLC-2015.09 MxiwiMe:廿。骷纠API的机恚学习股主要硝R.PythonfiJuba*?!*出的以业马及屋寐用Google2015.1b lenscrHow.储:厘二倍机收入一蹦深度学习相，同臃羯多 绅触，Facebook2015.12 Torch，念学习语媒Torch新第旨布网筋R码径棚 及嚷触繇Microsoft2016.0b CNTK，CNTK端RNN加BN类型的各期趟型Facebook2017.M Calle2Caffe2看结了 Caffe同也的支片,且皑M 了对RYN和LSW 支拉摊更脏& 图5:主流开源平台介绍数据来源:公开资料,西电证券整理英
21、伟达的GPU支持几乎所有的开源平台，具备完善的生态系统。开发环境方面，CUDA 是英伟达公司的，也是最流行的AI硬件开发环境。上文提到的Alex天才就是自己通过CUDA 平台来实现运算加速。该领域，英伟达处于垄断地位。图6:英伟达CUDA开发环境敷眼来源:官网,&南证秦婺理目前，英伟达已经和丰田、群众、沃尔沃、奔驰、奥迪达成合作，将联合开发测试系统， 英伟达是被主机厂采用最广泛的AI芯片。2.2 自动驾驶集大成者：Waymo(Google)无人驾驶源于美国的DARPA比赛，第一届2005年，第二届2007年。在此之后，Google 把DARPA中斯坦福团队收编，2009年由塞巴斯蒂安特伦(Se
22、bastian Thrun)开启了无 人驾驶这个计划。在这之后很长的一段时间里，全球只有Google在做无人驾驶。图7:无人驾驶开展阶段2007-20152007-2015源自于2007年DAPPA比赛的 柒构.和Google的架构整体相 似.百度.国内高校均采用单一传感器不融合方案固态多传感器前装方案2020-2025使用多较固态激光雷达.融合 其他传序器.并最想触合到现 行车辆东体内的方案2025-完全无人移动空间方案完全新设计车辆.去掉人类 与驶的模块.新定义车精为-移动空间的究极方案故据来源:RoadstarAL西南证券整理Google在无人驾驶领域有布局广泛：2013年，Google
23、收购了杰佛里辛顿的创业公司， 2014年收购了英国人工智能创业公司Deep mind,并在此基础上开发了 Alpha G。2015 年，Google创立了 Tensor Flow,并且向全球免费开放。2016年5月，Google宣布，已 经秘密地使用TPU （专门为了其深度学习算法tensor flow而设计）一年多。图8：亚利桑那州的自动驾驶运营分布教据来源亿欧网盟石西南证券型理图 9： Robotaxi数据来源:公开资料,西曲证券型理Waymo “A new way forward in mobilityw是公认的无人驾驶行业先驱者。Waymo多年 来一直在广泛使用改装奥迪、丰田普4兑斯、
24、雷克萨斯的车型来测试自动驾驶汽车。2015年， Waymo开始自己造车“萤火虫”。2017年，Waymo史无前例的开始测试完全无人驾驶：在 美国亚利桑那中的公共道路进行公测，并对公众开放，提供没有平安员的载客服务。2018 年Waymo联手捷豹路虎集团打造基于捷豹I-PACE纯电动汽车平台的自动驾驶汽车，并将 在几年后到达2万辆的规模。2018年，大规模测试和全球化的开始。2020年美国拉斯维加斯举办CES国际电子消费展期间，Waymo宣布其自动驾驶车辆 完成了 2000万英里的行驶里程。仅发生的30多起交通事故中并没有重伤或死亡案例，且绝 大局部都是由对方车辆导致的，Waymo的技术从未出现
25、过任何失误。图10：自动驾驶技术架构GNSS/MU决WJK导肮定长：度能1)ftM. GMK：中臾处03，铁行电子詈动.电子电 子筑闰图11： waymo传感器综合系统效据来源:公开资料,南南迎春型理敏据来淞:公开资料,西市证养整理Waymo在无人驾驶的布局非常完善：首先激光雷达是自己研发的，目前已经将激光雷 达的本钱降低了 90%以上。传感器也是自己研发的。TPU和算法都是自己的。Waymo的无人驾驶系统包括：这组传感器主要由激光雷达系统，视觉系统，雷达系统， 附加传感器组成，最主要的是激光雷达系统。多层传感器组件可以无缝地一起工作，绘制一 个详细的三维世界图像，显示动态和静态对象，包括行人
26、、骑自行车的人、其他车辆、交通 灯、建筑物和其他道路特征。Waymo的自动驾驶车辆可以实现感知，处理，预测，决策一 个闭环的自动驾驶，实现真正意义上的全自动驾驶。Waymo的技术实力毋庸置疑。而商业化上，Waymo其实是从出行和物流两个维度打 市场。Waymo的大规模全球化测试已经在美国铺展开，乘用车目前在德克萨斯、新,墨西哥 州、佛罗里达州等相继落地；卡车是在德克萨斯和新墨西哥州两洲际公路上测试，路上会穿 越达拉斯、休斯敦和厄尔巴索等大城市。Waymo的卡车已经在湾区、密歇根、亚利桑那、 佐治亚和凤凰城等大都市布局自动驾驶卡车车队。2.3 出行巨头：Uber2019年，Uber IPO上市。
27、Uber是世界上最大的出行公司。其业务分为共享乘车、外卖 服务和货运等业务。其中乘用车共享出行还是占比最大，也是最优势的业务板块。但是业绩 仍然处于亏损状态，核心原因是Uber的运营费用投入巨大，运营费用在营收的占比高达 120%,并且没有什么规模效应，并不会随着规模的扩大而降低。困13： Uber最近三年净利润图12： Uber最近三年营收结构数据来源:招股说明书.西南证券整理20009872018数据耒源:招股说明书，南南证券整理Uber急切地想通过无人驾驶来实现运营本钱的降低，一旦实现，其本钱会大幅度下降。2015年Uber成立了 ATG。ATG目前建造了 250多桶自动驾驶汽车，收集了
28、不到1000万 英里的实测数据。Uber与丰田、Volvo、戴姆勒已经展开深度的合作。2016年，Uber以6.8亿美元收购自动驾驶卡车公司Otto,但是因为在亚利桑那州发生 了致死事件，所以终止了卡车工程，转为出租车工程中。在乘用车领域，Uber已经有了旧金山、达拉斯和多伦多三个测试城市，而美国首都现 在那么有了 Arogo、Optimus Ride和Uber三大自动驾驶测试车队。目前已经进入华盛顿，为 了平安起见，进入华盛顿的Uber自动驾驶测试车会继续配备平安驾驶员，而车队的最主要 任务是挖掘道路数据以构建华盛顿区域的高精地图。图14： Uber乘用车数据来源：公开资料,西由证券终理图1
29、5: Uber卡车数据来源:公开资料,西南证券整理3特斯拉：立足海量数据，优化算法，具备核心技术优势中国巨大的市场提供了海量数据，这是立根于中国的企业的优势。2013年，Nuance在 语音识别领域是全球第一，2014年从60%的市占率跌到31%,其中科大讯飞切掉了 6.7% 的蛋糕。科大讯飞的飞速开展，很大程度上得益于中国这个规模巨大的市场。将特斯拉和三巨头比拟的话，我们认为：算法上，它和waymo的目前还有一定的差距， 但立足海量数据，很有可能逼近waymo。芯片上，Autopilot也是采用英伟达的GPU。出 行上，特斯拉很有可能侵蚀Uber的市场份额。这一切的基础，都建立在Autoil
30、ot的核心技术能力上。特斯拉Autopilot全球累计里程 已经超过了 15.5亿英里，随着Model3和ModelY的大规模量产推送，该数据量激增。这给 Autopilot带来了巨大的机会也是巨大的挑战。2018年特斯拉开始向全球车主推送Autopilot 9.0版本系统更新，特斯拉正式迈向L4 阶段。众所周知，Autopilot和Waymo的技术路线不同，鉴于低本钱的需要，Autopilot采用 是低本钱的摄像头，而Waymo采用高本钱的激光雷达。两者的技术差异本文不做细节阐述。 但核心的技术点是在于，是否2D的摄像头可以采用光流等技术反射3D点云，其精度是否 可以逼近激光雷达。Autop
31、ilot采用的是8颗摄像头，前置摄像头3颗,1个毫米波雷达，12个超声波雷达， 以及一块搭载英伟达DRIVE PX2 AutoCruise定制版的计算主板。是全球首个采用三目视觉 感知方案的车型。其核心策略，视觉感知的算法，本文也不做细节阐述。图16：将斯拉autopilot数据来源:宜网,西由法卷生理困 17： Tesla Vison数据来源:官网.西而证苏整理Autopilot的硬软核心：FSD和Tesla Vision。2016年，特斯拉请来了来自AMD的芯 片大师Jim Keller,开始组建硬件工程团队。同年，特斯拉在内部启动计算平台FSD (Full Self-Driving Computer)的研发，并选择了 英伟达 DRIVE PX2 作为 Autopilot Hardware 2.0 阶段性的计算平台。Autopilot从这一代硬件开始，支持计算平台的改造升级。Autopilot Hardware 2.0以后的特斯拉车型，只要拆开车上的手套箱，车主就可以用更高算力的FSD 替换已有的主板。Tesla Vision来自于Autopilot内部在2015年成立的Vision小组，Vision 的目标就是要取代Mobileye,是全球第一家把Al算法集成到量产自动驾驶系统中的公司。