終極拷問，FSD 真能撐起 1.5 萬億特斯拉？

在上篇《特斯拉 FSD：星辰大海能經得起現實檢驗嗎？》關於智駕的研究中，海豚君提到目前FSD的商業化路徑，其實在國內都有不同程度的落地，只是無論是 to C 端單獨售賣、還是面向 to B 的服務銷售，商業化仍然困難重重。

而在本篇的研究中，海豚君將試圖回答以下投資者關心的問題：

一. 全無人駕駛網約車模式能跑通，核心點在哪？

二. 特斯拉做Robotaxi，相比蘿蔔快跑有什麼優勢？

三. Robotaxi業務成熟後，UE模式能有多大改善？

四. Robotaxi業務能給特斯拉貢獻多少估值？

五. L4無人駕駛成熟後真正的機會在哪？對應到$特斯拉(TSLA.US) 上，目前估值是否高估？

六. 目前還有哪些玩家可以享受智駕逐步走向成熟期的機會？

一. Robotaxi模式能跑通，核心點在哪？

分析能否跑通一個商業模式，我們可以先來看看 1.在經濟性上（UE模式上）能否有實現全自動駕駛網約車盈虧平衡的可能，主要限制因素在哪；以及2. 是否能夠大規模的在全國擴展和鋪開；

由於蘿蔔快跑已經在武漢開啓商業化運營，我們先根據蘿蔔快跑在武漢的UE模式分析，看看自動駕駛網約車商業化能跑通的核心因素在哪？

我們來將1Q24蘿蔔快跑的UE模型和傳統網約車對比，找出影響蘿蔔快跑的盈虧平衡主要因素以及後續的改善空間：

先從收入端來看：

① 每日總收入：蘿蔔快跑1Q24單車每日總收入僅為傳統網約車的15%

在2024年一季度，蘿蔔快跑的單車每日總收入僅為傳統網約車的15%，而由於每日總收入=每日接單量*每單平均公里數*折扣後每公里實際單價。我們將拆分這些收入端的核心因素來與網約車作對比：

在網約車時代，網約車運力（供給端）接近飽和，平均每日接單量受到需求側驅動的影響因素更大，同質化競爭下，降價激勵通常能換來每日接單量的增加（以價換量）。而作為城市短途交通，每單行駛的平均公里數也基本穩定。

但對比1Q24蘿蔔快跑與網約車的收入端的關鍵驅動因素，海豚君發現了兩個明顯的問題：

① 蘿蔔快跑的每單平均公里數大幅低於網約車，僅為網約車的50%左右；

② 蘿蔔快跑的每公里實際單價更低，僅為網約車的40%左右：

通常在新的出行平台導入階段，平台都會給與乘客大額補貼來培養用户心智的養成，乘客補貼佔GTV的比重可以高達至20%-30%，但蘿蔔快跑在1Q24的導入階段時，給乘客的補貼佔到了每單GTV的70%，補貼折扣過高也導致了實際單價過低。

同時蘿蔔快跑“以價換量”優勢也並不明顯，單車每日平均接單量也僅達到了網約車的75%左右。

但由於蘿蔔快跑提供的產品本質相比網約車沒有發生根本性的改變，都是點到點的載人服務，海豚君認為問題落在了蘿蔔快跑產品側的“缺陷”。

首先從用户打車的核心因素考慮，1. 打車的高效性和便捷性；2. 安全性（用户感知維度）；3.以及乘客體驗的舒適性；構成了打車服務產品端的核心三角，而在提供的打車服務產品差異化沒有那麼大的時候，定價成為了核心競爭因素。

但從蘿蔔快跑目前提供的打車服務的產品端來看，在海豚君認為的核心三角中都不佔據優勢，甚至在高效性和便捷性上還存在了明顯的“bug”:

打車成功率低、用户等待時間長、路程行駛時間緩慢（訂單完成時常接近人類出租車的2倍），以及只能在規定站點上下車（類似公交車），失去了打車服務區別於公共交通的高效性和便捷性。

海豚君將導致蘿蔔快跑產品側問題的核心原因歸納為3方面：

1. 技術成熟度仍然較低：系統泛化能力弱，擬人化和靈活性不足

a. 與其他道路參與者的交互博弈能力差：不主動換道超車，與前車保持較大的跟車距離，導致頻繁被後車超車插隊，在路口等行人/電動車全部通過後再通行，遇到有車準備變道或行人距離過近就會出現點剎，甚至急剎；

b. 智駕系統泛化能力弱：遇到複雜路況-如施工路況，實線或車道內有障礙物（甚至塑料袋，編織物等），狹窄路段，長尾場景及惡劣天氣時（雨雪天氣會影響攝像頭和激光雷達的感知能力），會出現停擺情況，後需要後台人工接管，甚至在極端天氣下會暫停提供打車服務；

而a&b兩點共同影響了路程行駛時間，用户對安全性的感知以及乘客體驗舒適性。

c. 系統靈活性低：只能在規定站點上下車，且無法自由選擇行駛路線和更改終點，主要影響打車的便捷性

2. 蘿蔔快跑車型投放數量少：1Q24武漢僅投放了300輛蘿蔔快跑的車輛，運力不足，主要影響打車的成功率和用户等待時間；

但投放數量少，主要因為UE模型沒有跑通，仍然面臨大額虧損，而隨着技術進步以及法規放開帶來的虧損收窄，百度已經在加大投放車輛（到2024年底在武漢投入1000輛蘿蔔快跑），如果UE模式完全跑通後，Robotaxi在武漢的車隊生產和供給很容易快速擴張。

3. 蘿蔔快跑運營區域受限：應武漢政策法規要求，目前實際運營區域仍以城市非核心區域，以及無擁堵路段為主（二環開外），城市中心等繁華路段/以及地形複雜區域尚未開放運營，主要影響打車的成功率。

而法規對於運營區域的限制的本質仍然在與蘿蔔快跑技術成熟度較低，無法與周圍道路參與者很好的交互，從而可能有引發安全性風險。

總結而言，海豚君認為蘿蔔快跑收入端的主要問題仍在於技術成熟度不足：

① 每單平均公里數過低：主要因為當前偏向保守合規的策略取向以及較弱的博弈能力導致訂單時長較長（接近出租車的2倍），用户多以短途出行且不趕時間為主，長途出行效率太低；

② 給與乘客大額補貼，但對單日訂單量提升仍有限：主要因為產品側的“缺陷”，解決辦法仍要在於技術成熟度的提升。

而從成本端來看，蘿蔔快跑UE模型中成本端佔比最大的兩塊，分別是單車折舊和安全員成本：

② 單車折舊：

從2024年一季度的成本端來看，單車折舊是蘿蔔快跑成本端的第一大成本，約佔到了一季度總GTV的1.1倍，是普通網約車折舊成本的3-4倍。

而百度已經推出了第六代蘿蔔快跑車型RT6，成本端已經從RT5的將近50萬元，下降了約60%至RT6的20萬元左右，主要通過前裝量產方式和激光雷達供應鏈降本共同實現。

展望2025年，海豚君認為，車端成本再繼續下降的空間短期來看已經不大，目前RT6與普通網約車成本端差距主要在於智駕的硬件成本，而L4 自動駕駛網約車是To B端生意，乘客把人身安全託付給運營方，沒辦法介入車的駕駛過程，即使技術端有所進步，仍需要相比To C端乘用車裝配更多的硬件冗餘來兜底，更多還仍然得依賴供應鏈的自然降本。

③ 安全員成本：

在Robotaxi智駕技術尚未成熟時，配備安全員仍然是Robotaxi運營端必須要承擔的成本，也是蘿蔔快跑成本端的第二大成本。

但安全員成本目前主要還是由法規的要求所限制，隨着智駕技術的進步，在部分城市已經實現從車內安全員向遠程安全員過渡的商業化運營，而根據國家交通運輸部發布的《自動駕駛汽車運輸安全服務指南》要求，遠程安全員與車輛的配比不得低於1：3。

而展望後續，安全員成本的下降主要取決於法規端對遠程安全員與車輛配比的比例繼續放寬，但法規端的放開仍然取決於由智駕技術進步帶來的安全性提升。

小結：

從上述對於蘿蔔快跑UE模式的分析可看出，Robotaxi與其他平台經濟的商業模式最大的不同點在於，平台經濟更多的是依賴於規模效應帶來的邊際成本下行，而Robotaxi商業模式能否跑通的真正核心因素反而在於技術成熟度的提高（政策端的本質也需要先技術成熟提高來倒逼政策放開），這也是Robotaxi提前佈局的先發優勢並不大，各家在技術不成熟的情況下投入的Robotaxi車輛也並不多的原因。

二. 特斯拉做Robotaxi，相比蘿蔔快跑有什麼優勢？

從目前佈局Robotaxi的玩家來看，技術路徑上分為模塊化架構和端到端架構兩種路線，領頭羊分別是Waymo/蘿蔔快跑 vs特斯拉。

而模塊化架構和端到端架構最大的區別在於：

① 模塊化架構是由規則驅動：智駕表現基於工程師定義的規則，規則能寫的越細越全，相應的智駕表現也就會越高，所以對應的是系統的下限會高，因為人寫的規則一定會以遵守交通規則為前提。

② 而端到端架構則是由數據所驅動：智駕表現都基於訓練出的神經網絡模型（自學習系統），而模型夠不夠聰明，主要取決於學習的數據夠不夠優秀和豐富（優秀老司機開車視頻+遇到的corner case視頻）。

端到端架構的優點也很明顯，學習物料都來自於優秀司機的駕駛行為，智駕系統的擬人化程度會更高，且智駕性能的上限也會更高。但由於大模型的“黑盒”屬性，輸出的結果不確定性大，智駕的下限因此也會更低（甚至可能還會出現違反交通規則的情況）。

從端到端頭部玩家特斯拉的表現來看，特斯拉自V12版本就開始切換至端到端路線，但MPI的走勢也並不穩定。

數據來源：FSD Tracker

所以,以百度蘿蔔快跑為代表的L4玩家，一方面因為駕駛數據量有限，切換端到端路線困難，另一方面因為L4智駕以安全性為第一要素，且要對監管負責（可解釋性要求遠高於乘用車，而端到端的弊端在於可解釋性差和智駕下限低，目前端到端頭部玩家的MPI都並不穩定）。

從算法架構來看，蘿蔔快跑當前仍使用的是基於高精地圖的模塊化方案（高精地圖可以極大程度降低自動駕駛系統算法的複雜程度），其中感知模塊為“激光雷達+攝像頭+毫米波雷達”多傳感器融合的神經網絡算法，而決策規控模塊仍然使用傳統的規則算法，來做到充分的安全性冗餘。

但模塊化架構的固有缺點，卻也在限制着實現L4智駕技術的真正意義上的成熟，而海豚君認為，相比採用模塊化架構的蘿蔔快跑，採用端到端路線的特斯拉反而真正能跑通Robotaxi的商業化模式：

1. 端到端架構的泛化性更強：

Robotaxi真正能跑通的關鍵，在於泛化性夠強，一方面體現在城市的所有區域都可以開展運營（應對複雜場景和corner case的能力強），另一方面體現在該模式可以快速擴展至全國。

而端到端架構的核心優勢就在於泛化性夠強，因為擬人化程度高，具有與道路參與者的高博弈能力，所以場景適應能力非常強，同時並不需要依靠高精地圖（蘿蔔快跑需要強烈依賴高精地圖是因為高精地圖可以提供先驗性信息，降低規則式代碼的複雜性），可以快速擴展至全國。

而蘿蔔快跑基於規則式+高精地圖方案，規則式方案遇到略微複雜的場景就宕機，更不可能窮盡所有的corner case, 所以模塊化方案更適合交通設施基建完備，且路況簡單的路線，所以更適用於路況簡單的道路，無法實現城市所有區域都開展運營。

而高精地圖涉及到數據隱私性及安全性，獲批商用審核很慢，且高精地圖的採集也需要在每個城市都先派遣採圖車來跑一遍路線，只能一個城市一個城市的開城（和當初車企開啓城市NOA逐步開城一樣），擴展性差。

2. 端到端的時效性更強，擬人化更好：

端到端方案由於具有高博弈能力，擬人性更強，行駛策略也會更加激進，時效性和駕駛體驗感會相比模塊化方案更強。

根據調研顯示，如果人類駕駛員通勤A-B點需要半個小時，特斯拉V13可以控制在40-45分鐘左右，而Waymo則需要一個小時以上（已經在鳳凰城佈局Robotaxi商業化服務超過4年）。

而對於遠距離駕駛，1個小時的人類開車路程，Waymo則需要2-3個小時，時效性非常弱。

3. 端到端技術進步速度快，而模塊式方案僅能線性提升：

規則式方法是靠類似打補丁的方法去寫場景，所以在智駕能力的提升上只能線性推進，難以再實現技術端有質的飛躍，而靠數據驅動的端到端模型依靠數據驅動有望實現類似Chatgpt的進步, 實現scaling law。

小結：

雖然目前端到端方案落地速度相比模塊式方案落地速度更慢，但海豚君認為採用模塊化方案的$百度(BIDU.US) 蘿蔔快跑由於技術路線的固有缺陷無法解決提供載人服務的產品端的固有缺陷，且技術再進步程度已經不大。

而採用端到端方案的特斯拉無論是在泛化性，擬人性，時效性上都更接近網約車提供的載人服務，且技術進步速度快，具備真正實現L4載人服務的潛力。

三. Robotaxi業務成熟後，UE模式能有多大改善？

在《特斯拉 “暗度陳倉”，Robotaxi 故事只是 “幌子”？》裏，海豚君其實已經提到了Robotaxi對傳統網約車UE模式的變化，得出的結論是：

司機付出成本不變（車的折舊，燃油費/電費等），而之前有人駕駛車輛由於原先的用户的打車費用的接近一半都用於支付司機的人力成本，Robotaxi 能根本上改變的是將這節省下來的 49% 的部分進行利益的重分配（假設網約車都為新能源電動車，相比上篇文章UE模型做了調整）。

但海豚君忽略了兩個因素：

① Robotaxi由於理論狀況可以24小時運營，運營時間的增長可以導致每車每日接單量的提升，從而使GTV大幅提升，但實際上，這個理論有擁有限制因素：

1. Robotaxi的運營時間受制於電池和零部件的使用壽命，無法實現24小時運營：

a 車型零部件一直高飽和運轉（尤其工控機，車載電腦）長時間滿負荷去跑，會降低使用壽命，同時可靠性也會下降。

b. 而電池本身擁有循環次數，在電池使用壽命沒有大幅度提升時，同樣也限制着Robotaxi車型的實際運營時間。

所以目前，Robotaxi的實際運營時間大概在12小時左右，略超網約車平均運營時間10小時。

2. Robotaxi的每日單量同樣受到供需關係影響：

共享出行市場本身就是一個市場規模相對有限的市場, 而Robotaxi提供產品本質相比於網約車沒有發生根本性改變（點到點載人服務），所以只能通過降低價格完成對共享出行市場的滲透。

假設在Robotaxi技術和運營成熟的情況下，Robotaxi通過節省下的司機成本，讓利GTV的30%給乘客返利完成共享出行市場的全滲透（普通網約車讓利GTV的10%），同時催生對共享出行整體需求端的提升，中國共享出行的市場規模在Robotaxi成熟後提升至萬億（樂觀假設）。

而如果按照Robotaxi單車日均流水600元（GTV），中國Robotaxi市場也僅需要660萬輛全職Robotaxi車輛（一年工作360天，平均一天工作12小時）即可滿足整個市場需求，而Robotaxi運力的擴張也非常容易。

而如果乘客端的無人駕駛車輛也能加入Robotaxi網約車車隊參與運營，市場很容易飽和，甚至出現供給過剩的情況，本質上仍然是一個需求端而非供給端驅動的生意。

② Robotaxi還需要承擔原先由司機承擔的額外成本：

Robotaxi的清洗、檢測、遇到故障時地面運維等額外成本，所以仍需要配備額外的地勤人員產生的額外成本（原先這些由網約車司機承擔）。

而出於這兩個因素限制，海豚君對於Robotaxi成熟後（技術成熟，運營優化後）的UE模型進行了調整：

在對GTV的假設中（GTV=單車日均接單數量*每公里名義單價*每單公里數）：

a. Robotaxi的實際運營時間仍受到限制，基於Robotaxi更長的實際運營時間（12h vs 10h）, 以及基於節省下的司機成本提供更高的乘客激勵，海豚君假設單車每日接單數量從網約車的20單提升到了Robotaxi的25單。

b. 海豚君假設單車每單公里數相比網約車沒有發生改變（主要由使用場景決定，目前網約車使用場景仍然以短途出行為主）。

從結果端可看出，即使Robotaxi的每日GTV相比普通網約車GTV有所提升（單車每日接單量提升），但自運營的成本率由於：

① 更高的車輛成本（假設成熟狀態下智駕域控制器+攝像頭成本）比普通網約車高2萬元（18萬元VS 16萬元）；

② 假設地勤人員的成本（假設地勤：車輛=10：1）關係-最主要影響因素

③ 更高的保養費用（智駕硬件軟件保養費用增加）

實際的Robotaxi的運營成本率還略高於司機成本率（Robotaxi 自運營方成本率36% vs 網約車司機成本率31%），Robotaxi相比網約車能節省的司機收益的重分配部分從GTV的49%下降到了44%。

如果在平台方+自動駕駛車輛提供方共同參與運營的情況下，司機淨流水部分（GTV的44%）將分配給：

① 平台方；② 自動駕駛車輛提供方；③讓利乘客。

如果要Robotaxi完成對共享出行市場的全滲透，海豚君認為需要相比網約車多讓利25% GTV給乘客（網約車相比傳統出租車多讓利10%的GTV給乘客，但也沒有完成向傳統出租車市場的滲透），也就意味着平台方+自動駕駛車輛提供方只多勉強拿到GTV的20%。

而如果在垂直一體化自運營的情況下（自己提供Robotaxi車輛+自運營+自建平台），本身網約車模式下基於GTV的69%的收益部分（司機49%+平台10%+乘客返利10%），在Robotaxi垂直一體化自運營模式下, 變成了GTV的64%收益分配給：①Robotaxi自運營方；②乘客返利。

同樣如果讓利35% GTV給乘客，Robotaxi自運營方將拿到GTV的30%左右。

四. Robotaxi能給特斯拉貢獻多少估值？

從用户端考慮，Robotaxi相比網約車提供的產品本質沒有發生變化，而擁有一輛無人駕駛車輛無論是從成本端還是擁有車輛的其他屬性（面子/玩具屬性等）來看都好於乘坐Robotaxi網約車，所以共享出行市場也很難向乘用車出行市場去滲透。

所以共享出行市場由於市場規模有限，同時無人駕駛技術成熟後很容易出現供給過剩（尤其是乘客的自有無人駕駛車輛也能加入Robotaxi網約車車隊），海豚君認為Robotaxi業務的演變的最後仍是出行平台商之間的競爭 (只要Robotaxi車輛的供給不受限制, 且可自由加入各大出行平台)，利潤率仍然有限。

所以在對特斯拉Robotaxi業務的這塊估值，海豚君僅作簡單假設用於參考：

① 假設在美國市場，無論是特斯拉自運營車輛，還是乘客自有的無人駕駛車輛（無論是特斯拉還是經特斯拉FSD授權的其他車企車輛），都只能使用特斯拉網約車平台。

而在Robotaxi的佈局上，由於美國目前有能力走端到端路線的玩家只有特斯拉，所以海豚君假設特斯拉佔據Robotaxi的龍頭地位，市佔率能達到美國Robotaxi市場的80%（目前Uber美國市場市佔率大約75%上下）。

同時假設Robotaxi成熟後，通過給與GTV的30%用作乘客的返利，完成對美國網約車市場的的全滲透，同時帶來整體共享出行市場規模的擴大（用户使用頻次增加帶來單量增長），成熟狀態下美國Robotaxi市場規模達到835億美元（目前市場大約是600億美金上下）。

即使這樣，假設全職Robotaxi單車每年GTV 9萬美元（按照單車每單GTV 10美元，一天25單，運營360天計算）, 考慮到人口密度、運行面積和覆蓋率問題，美國Robotaxi市場大約需要160萬輛左右的全職Robotaxi車輛，而如果特斯拉佔據80%的市場份額，意味着特斯拉自營的Robotaxi車輛在130萬輛左右。

最後基於特斯拉在美國Robotaxi的盈利模型，合理估算特斯拉自運營淨利潤/GTV的比例在26%左右，特斯拉Robotaxi在美國的年淨利潤為173億美元，給與成熟期的Robotaxi業務20倍PE的估值，折現後特斯拉美國Robotaxi業務的估值約在1700億美元左右。

② 而在中國市場，出於以下因素，海豚君對中國市場Robotaxi業務不做估值。

a. 有能力走端到端的路線的玩家眾多，很難出現特斯拉一家獨大的情況；

b. 中國共享出行市場出於監管，安全性等各種因素，不太可能讓特斯拉去做壟斷地位的排他性協議；

c. 中國Robotaxi市場最後很可能也是出行平台商之間的競爭，利潤率有限，特斯拉布局意義也不大；

五. L4無人駕駛成熟後真正的機會在哪？ 對應到特斯拉上，目前估值是否高估？

在《特斯拉 FSD：星辰大海能經得起現實檢驗嗎？》中，海豚君提到，特斯拉Robotaxi項目的目的，是在培養用户心智，最終催生特斯拉下一個真正意義上年產 400 萬、可以做軟硬一體交付 (車主願意為軟件買賬) 的汽車銷售業務，用 FSD 軟件來促進硬件汽車的銷量，然後 FSD 再行單獨收費，實現類似蘋果軟硬一體的生態閉環。

所以海豚君認為，當L4無人駕駛技術成熟後，真正的機會反而不是在於Robotaxi, 而是在於車企的賣車+智駕軟件業務變現上：

① 無人駕駛技術成熟後能催生新一波全球化的換車週期（整體賣車市場規模繼續擴大）；

參考手機行業，繼2007年後，蘋果開始發佈iPhone, 標誌着智能手機時代的開始，全球手機出貨量迅速增長。

② 全球汽車集中度可能繼續提升，同時帶來賣車市佔率也繼續上升；

L4無人駕駛技術成熟可能催生全球汽車CR5集中度繼續上升, 而特斯拉目前在新能源車全球化上相比其他新能源車企更有優勢。

蘋果軟硬一體化閉環建立使蘋果在全球手機市佔率迅速拉昇：2010年時諾基亞仍然還是全球手機的老大，擁有全球約33%的手機市場份額，而2011年，諾基亞手機市場份額降至23%（iPhone 4發佈後），2013年後，諾基亞手機已經出售給微軟，基本已經退出了手機市場的競爭。

而新能源車市場可能也會遵循類似的演變趨勢，2023年全球新能源車滲透率仍然只有15.8%，由於新能源車和智能化硬件軟件匹配度更高，會加速燃油車企的淘汰，而手握成熟FSD軟件的特斯拉可能就如當初蘋果替代諾基亞一樣，替代豐田成為全球智能汽車的“霸主”。

③ 而智駕軟件收費的高毛利（90%以上）還可以提升整體利潤率：

蘋果服務業務高毛利將蘋果整體毛利率2007年從33%拉昇到2024年46%。

海豚君假設特斯拉FSD無人駕駛技術能夠成熟，達到L4-L5水平，實現蘋果的“App store” 時刻，對賣車的硬件和FSD業務分開估值：

① 賣車業務估值：成功替代豐田的霸主地位，實現7000億賣車估值

假設全球汽車銷量8000萬輛（2023年全球銷量7769萬輛），2032年智駕成熟後，成為了特斯拉的核心競爭壁壘，特斯拉成功頂替豐田成為新一代賣車霸主，在全球的市佔率達到13%，在賣車單價下滑到3.5萬元時實現年銷量達到1040萬輛（用平價車來做市佔），最後特斯拉年賣車收入達到3640億元。

同時在賣車的硬件毛利率上，給與穩態下特斯拉汽車業務毛利率25%（略超豐田），以及規模效應下6%的費用率，特斯拉經税調整後的運營利潤為550億左右。

最後參考蘋果和豐田，給與特斯拉賣車業務25倍PE的估值，折現到2025年特斯拉賣車估值為7000億左右。

② FSD業務估值：假設FSD演變成全訂閲模式（最利好特斯拉的模式）

a. 特斯拉存量車FSD訂閲：

按FSD到2032年走量成熟的假設，特斯拉到2032年存量車約4460萬輛， 假設用每月65美元的價格（目前99美元/月）完成特斯拉存量車70%的付費滲透率，最後特斯拉FSD年收入246億美元。

b. 開啓第三方FSD授權：

假設第三方付費用户數2160萬（海豚君基於2032年全球新能源車滲透率50%的假設，全球新能源存量車約3億，使用特斯拉FSD的第三方用户佔全球新能源車8%左右），每月訂閲價格不變，特斯拉抽成50%，最後特斯拉第三方FSD授權年收入85億美元。

最後給於特斯拉FSD業務25倍P/S的軟件估值，折現到2025年特斯拉FSD業務估值為4200億。

最後畫餅落地下的綜合估值：

由此看出，即使已經將無人駕駛技術成熟的所有樂觀預期打滿，特斯拉也就是1.4萬億市值（隱含2025年P/S倍數11倍）上下。這已經是海豚君把特斯拉所畫的所有大餅都當成2030年左右會完成和落地的事業去估值的。

如果説唯一不夠樂觀的地方，就是基於目前各智能車企的實際佈局，沒有讓全球非特斯拉智能汽車的FSD滲透率沒有無腦上拉到雙位數到50%這種一家獨大的假設、沒有算進去Optimus的估值。

在這種極致樂觀假設下，也不過是特斯拉目前的市值而已。顯然市場對當前特斯拉已經定價進去了太多未來還不確定的東西。

六. 目前還有哪些玩家可以享受智駕逐步走向成熟期的機會？

但基於上述的分析，海豚君認為這波L4無人駕駛成熟後真正的機會仍然在於車企端，復刻類似蘋果的“APP Store”時刻，實現軟硬一體化閉環。

而與網約車對於載人服務的產品要求類似，海豚君認為乘用車車主對於智駕體驗感的要求，同樣遵循場景適應性，通行效率，擬人度三個維度。

這三個維度不斷優化的過程對應着消費者對智駕系統從可用、到好用、愛用的主觀感受，目前來看在技術路線的選擇上，端到端技術路線仍然是最有希望真正實現L4-L5無人駕駛技術的路線。

所以海豚君認為，能緊跟端到端技術路線的車企，才最有可能享受智駕走向成熟期的機會。

端到端路線實現了自動駕駛算法從規則驅動到數據驅動的轉變，使競爭的核心因素變成了高質量數據+後端訓練算力，以及智駕的技術人才儲備作為輔助。

獲取高質量數據的關鍵在於搭載高階智駕硬件車型銷量越多（只有搭載高階智駕硬件車型的車輛才能完成高質量駕駛數據），而訓練算力+智駕技術人才本質是資金競賽（對應資本投入/研發投入增加），所以海豚君預計，在智駕技術尚未成熟，國內車企尚未能實現對智駕軟件單獨收費時，會形成以下閉環：

頭部端到端玩家進度

但反觀國內車企，目前估值最高的小鵬也僅有1.2倍P/S，而其餘新能源車企普遍P/S倍數已經不到1倍，基本上都沒有把智駕變現的預期打進估值，仍然還是一個基於賣車硬件端的估值，海豚君認為，在這波智能化演變的趨勢下，國內緊跟端到端路線的頭部玩家$小鵬汽車(XPEV.US) 和$理想汽車(LI.US) 反而更有機會。

而後續帶來估值提升的可能催化點在於：

① 智駕技術成熟度提高，帶來智駕體驗感有大幅提高，體現在 a. 城區MPI快速提高；b. 城區通行效率提高（完成同段出行路線的時間更接近人類司機表現）；c. 城區複雜場景/功能的拓展和通行成功率提高（目前端到端比拼車位到車位功能）

② 而在乘客端來説，在智駕軟件單獨收費時，最主要看到的是智駕軟件滲透率提高。但智駕尚未單獨收費時，體現在a. 城區智駕活躍用户數大幅提升；b. 在智駕選配情況下，看到選擇高階智駕版車型的比例大幅提高；c. 在智駕標配情況下看到用户因為智駕因素選擇該車型的銷量提高，形成爆款車型；

③ 特斯拉FSD入華的潛在催化，可能產生類似“鰱魚效應”催生國內智駕技術提升加速，以及可能率先培養用户對智駕單獨付費的認知，催生國內車企對智駕軟件單獨收費模式開啓；

④ 國家層面的L3及以上法規和牌照的頒發，使開啓智駕模式後，因為智駕模式出事故的主要負責人變成車企，而非車主承擔。

智駕研究歷史文章：

2025年1月2日，《特斯拉 FSD：星辰大海能經得起現實檢驗嗎？》

2024年12月3日，《特斯拉 “暗度陳倉”，Robotaxi 故事只是 “幌子”？》