1. 从唱衰到重拾信心一位分析师视角的转变最近和几位做二级市场研究的朋友聊天发现一个挺有意思的现象一位之前对特斯拉Tesla持相当谨慎甚至看衰态度的资深汽车行业分析师最近在私下交流时态度发生了明显的转变开始重新审视并表达对这家公司的信心。这让我很好奇是什么关键因素促成了这种转变毕竟特斯拉在过去一年里面临的挑战并不少——市场竞争白热化、毛利率承压、FSD完全自动驾驶的落地速度不及部分投资者预期以及4680电池的量产爬坡问题。这位分析师的观点变化或许能为我们这些身处行业内外的人提供一个穿透短期噪音、理解特斯拉长期核心价值的切片。他的信心重建并非源于某个单一的、轰动性的新闻比如突然宣布实现了L4级自动驾驶或者电池成本骤降50%。相反这种转变是建立在对特斯拉两大核心支柱——自动驾驶Autopilot/FSD和电池与能源业务——当前发展现状与底层逻辑的重新评估之上。这背后反映的是市场从追逐“故事”到审视“执行力”和“技术护城河深度”的理性回归。对于关注电动汽车、智能驾驶乃至整个硬科技赛道的人来说理解这两个领域的真实进展与瓶颈远比追逐每日股价波动更有价值。简单来说这位分析师的核心逻辑在于特斯拉正在将其在软件尤其是AI和垂直整合制造上的长期投入逐步转化为可衡量、可持续的竞争优势尽管这个过程充满了波折且远未结束。自动驾驶方面其技术路径正从传统的模块化堆叠坚定地转向更激进的“端到端”神经网络而在电池领域它正试图通过电芯设计、材料化学和制造工艺的全链条创新来破解成本、性能与规模化的不可能三角。接下来我们就深入这两个“引擎舱”看看里面到底在发生什么。2. 自动驾驶的现状从“拼积木”到“端到端”的艰难一跃特斯拉的自动驾驶故事一直是其估值想象空间的核心。但过去几年其完全自动驾驶FSD套件多次跳票也让市场充满了质疑。那位分析师最初的看衰很大程度上源于对FSD商业化时间表的失望。然而他最近的改观源于对特斯拉技术路径演进的重新理解特斯拉正在进行的是一场从“感知-规划-控制”分模块的经典范式向“端到端”End-to-EndAI大模型范式的根本性转型。2.1 经典算法的瓶颈与特斯拉的“重写”在传统的自动驾驶架构中系统像一条流水线首先通过摄像头、雷达特斯拉已弃用等传感器进行“感知”识别出车辆、行人、车道线等然后基于规则和模型进行“规划”决定车辆接下来几秒的行驶路径最后由“控制”模块将路径转化为方向盘、油门、刹车的具体指令。这种模式下的算法如Apollo EM Planner百度Apollo开源框架中的一种基于规则和优化的规划器或基于曲率的路径平滑算法虽然逻辑清晰、可解释性强但存在天花板。其核心问题在于“长尾效应”。现实世界的驾驶场景是无限复杂和多样的工程师无法预先为所有情况比如一个穿着奇装异服的行人推着一辆造型古怪的购物车斜穿马路编写好规则。系统会不断遇到从未见过的“角落案例”Corner Cases导致需要持续地打补丁工程负担极重且难以实现真正的泛化能力。这也是为什么许多依赖高精地图和固定规则方案的自动驾驶公司在规模化拓展时遇到巨大阻力。特斯拉从大约两年前开始就在内部推动一次彻底的“重写”。其目标是将感知、决策、规划甚至部分控制任务整合到一个庞大的神经网络中——这就是“端到端”模型。你给这个模型输入当前时刻及过去一段时间多个摄像头拍摄的原始视频流它直接输出方向盘转角、油门和刹车信号。这个模型通过海量的真实驾驶数据特斯拉车队收集的进行训练学习的是“驾驶”这个任务本身的内在规律而不是人类工程师总结的规则。2.2 VLA与大模型数据驱动的“驾驶大脑”这里就不得不提最近的热词VLAVision-Language-Action以及更广泛的多模态大模型在自动驾驶中的应用。虽然特斯拉没有明确使用“VLA”这个词但其技术思想是相通的。传统的视觉模型只理解像素而VLA类模型能同时理解视觉场景和语言指令如“变道超车”、“在下一个路口左转”并输出动作。这对于处理复杂交互、理解模糊意图至关重要。特斯拉的“端到端”模型本质上就是一个为驾驶任务量身定制的超级大模型。它需要处理的核心输入是纯视觉的“视频流”但其训练目标隐含了复杂的“语言”驾驶逻辑。例如模型需要学会理解“让行”不是一个简单的刹车动作而是在特定交通情境下基于博弈的决策。这种能力无法通过规则编程只能通过海量数据“喂”出来。那么数据从哪里来这就是特斯拉看似无解的优势其全球超过百万辆的保有量车队每天都在产生数以亿计英里的真实驾驶视频片段。更重要的是通过“影子模式”系统可以在人类驾驶员操作时默默运行自动驾驶算法并进行对比当算法决策与人类决策不一致时这些“疑难杂症”片段会被自动标记并上传形成最宝贵的自动驾驶数据集。这种数据闭环的规模和效率是目前任何竞争对手都难以企及的。最近行业内在讨论构建高质量的中国自动驾驶数据集正是因为本土化场景数据对模型训练至关重要而特斯拉早已在全球范围内建立了这一基础设施。2.3 FSD的实际进展与挑战截至当前特斯拉FSD Beta完全自动驾驶测试版在北美已向大量用户开放。从用户体验反馈来看它在多数常规道路、高速路上的表现已经相当“老司机”能够处理无保护左转、环岛、复杂路口等场景。这标志着其端到端模型在主流场景下的能力已经得到了验证。然而挑战依然巨大安全性验证如何证明一个端到端的“黑盒”模型比基于规则的系统更安全这需要全新的验证方法论和远超以往的测试里程。极端场景与接管在暴雨、大雪、强逆光等极端天气或遇到非常罕见的交通参与物时系统仍可能要求人类接管。彻底消除接管是L4/L5级自动驾驶的前提目前看来道阻且长。全球泛化北美训练的模型能否直接适应中国、欧洲截然不同的交通规则、道路设施和司机行为习惯需要大量的本地化数据再训练和合规适配。商业与监管即使技术成熟全球各地的监管批准也是一大难关。特斯拉采取的是激进落地、持续迭代的策略这与许多地区谨慎的监管态度存在冲突。那位分析师认为尽管FSD全面落地的时间表依然模糊但特斯拉在数据、算力Dojo超算和算法路径上建立的领先优势正在扩大。竞争对手要么困于传感器融合的复杂性和高成本激光雷达方案要么受限于数据规模和闭环效率。特斯拉的路径可能不是最快的但可能是唯一具备规模化盈利潜力的路径。他现在更愿意将FSD视为一个价值随时间“渐进式兑现”的资产而非一个“全有或全无”的赌注。3. 电池与能源不止于电芯的全面战争如果说自动驾驶关乎特斯拉的“上限”那么电池和能源业务则直接决定了其生存与盈利的“下限”——成本。马斯克多次将电池成本视为电动汽车普及的最大障碍。因此特斯拉在电池领域的布局是一场从化学材料到制造设备从产品应用到回收再生的全面战争。3.1 4680电池制造工艺的革命性尝试4680大圆柱电池是特斯拉这一轮电池创新的旗舰。它的价值不仅仅在于更大的单体容量提升续航更在于其创新的无极耳Tabless设计和干电极工艺。无极耳设计传统电池电流需要通过极耳一个小的金属片汇集和导出这就像一条八车道的高速公路在收费站突然缩成一条车道是内阻和发热的主要来源。无极耳设计让整个集流体都成为“极耳”相当于全路段都是收费站大幅降低了内阻。这意味着充电更快、放电功率更高性能车受益且产热更少对热管理要求降低间接提升了安全性和寿命。干电极工艺这是制造端的核心创新。传统湿法工艺需要将电极材料与有毒溶剂如NMP混合成浆料涂布后再进行昂贵且能耗巨大的烘干回收溶剂。干电极工艺直接将粉末状材料压制成电极膜省去了涂布、烘干和溶剂回收环节。其潜在好处是生产成本显著降低、能耗下降、工厂占地面积减少并且可能使用更高能量密度的下一代材料如硅基负极因为工艺对材料兼容性更好。然而正如公开报道所示4680电池的量产爬坡异常艰难。干电极工艺的良率、生产速度都曾远低于预期。这正体现了从实验室创新到大规模、高良率制造的“魔鬼细节”。那位分析师最初看衰的部分原因就是认为4680的制造挑战被低估了。但现在随着德州超级工厂和柏林超级工厂的4680产线产能逐步提升良率改善他认为最困难的时期可能正在过去。即使当前成本优势尚未完全体现但工艺一旦跑通其带来的成本下降曲线将非常陡峭。3.2 BMS与电池全生命周期管理电池系统远不止是电芯的简单打包。一个优秀的电池管理系统BMS和热管理系统是保障安全、发挥性能、延长寿命的大脑。特斯拉的BMS一直是业界标杆其软件算法能力同样延伸至此。同口、分口与半分口这是BMS硬件架构的术语。同口指充放电使用同一组端口结构简单分口指充电和放电端口完全独立控制更灵活但成本高半分口是折中方案。特斯拉根据车型和电池包设计选用不同方案其BMS软件需要精准管理不同架构下的电流、电压和热量。优秀的BMS能实现更精准的电池健康状态SOH评估和寿命预测这也是二手车残值的关键。热管理特斯拉的电池包采用独特的蛇形冷却管路设计确保每个电芯都能被均匀冷却或加热。在软件层面BMS会实时监控每个模组甚至电芯的温度动态调整热管理系统的功率并在快充时进行智能预加热以达到最佳充电温度窗口。这涉及到复杂的流体仿真类似Ansys电池包风冷/液冷散热仿真是确保电池在各种环境下稳定工作的基础。芯片与AFEBMS的核心前端是AFE模拟前端芯片负责高精度采集每一串电芯的电压、温度。例如5串工具电池AFE模拟前端芯片就是用于管理5节电芯串联的小型电池组。特斯拉的电池包由数千节电芯组成其AFE芯片的精度、可靠性和集成度要求极高通常由德州仪器TI、ADI等巨头定制。3.3 从车辆到能源网络特斯拉的电池视野早已超出汽车。其储能产品Megapack、Powerwall以及太阳能业务构成了一个完整的能源生成、存储、消费的闭环。家庭用户可以用Powerwall存储太阳能或谷电为房屋供电甚至反哺电网Megapack则用于电网级储能平衡可再生能源的波动性。这里有一个有趣的连接点汽车电池的二次利用。当电动汽车的电池容量衰减到不再适合车辆使用通常剩余70-80%容量时其仍然可以用于要求较低的储能场景。特斯拉正在探索这方面的技术和商业模式这不仅能降低电池的全生命周期成本也符合循环经济的理念。类似铅酸电池转移均衡器的原理通过主动均衡技术让一组电池中容量较低的个体恢复可用性在锂电的梯次利用中先进的BMS和均衡技术也至关重要。那位分析师指出市场过去过于关注特斯拉汽车的季度交付量而忽视了其能源业务正在成为一个增长迅速且利润率可观的板块。随着全球可再生能源转型加速储能的需求呈现爆发式增长特斯拉在这一领域的先发优势和品牌效应正在转化为实实在在的订单和收入。4. 软件定义汽车与垂直整合看不见的护城河自动驾驶和电池的创新都建立在特斯拉两个更底层的核心能力之上软件定义汽车SDV的架构和极致的垂直整合制造能力。这是分析师重拾信心的深层逻辑。4.1 全域OTA与中央计算架构特斯拉是“软件定义汽车”最彻底的践行者。其车辆几乎所有功能从空调、悬架到自动驾驶和电池管理都可以通过空中升级OTA进行更新、优化甚至增加新功能。这意味着持续的价值创造一辆特斯拉在售出后其性能、功能和安全性能通过软件更新不断提升这与传统汽车“落地即贬值”的模式截然不同。快速的缺陷修复与体验迭代发现一个问题或有一个新想法可以通过下一个软件版本快速推送给全球车队无需召回。数据闭环的基石只有全域可OTA的架构才能高效地收集数据、训练模型、部署更新形成滚雪球式的进化循环。为了实现这一点特斯拉采用了高度集中的电子电气架构用少数几个高性能计算平台如HW3.0/HW4.0取代了传统车上上百个分散的ECU电子控制单元。这种架构减少了线束复杂度、降低了成本更重要的是为复杂的AI算法提供了统一的算力平台。4.2 垂直整合把核心技术握在手里从自研自动驾驶芯片FSD Chip到设计4680电池的生产机器被称为“制造机器的机器”再到建设庞大的超级工厂Gigafactory特斯拉一直在做一件“很重”的事垂直整合。它不满足于只做设计和组装而是深入供应链的最上游。以电池为例特斯拉不仅设计电芯还与合作伙伴研发新材料如高镍正极、硅碳负极甚至自己研发生产设备。这种模式初期投入巨大、风险高正如4680爬坡的困境但一旦突破带来的好处是巨大的成本控制跳过中间环节的利润掌握核心成本结构。创新协同材料、设计、工艺的研发可以深度协同实现更快迭代。供应链安全减少对外部供应商的依赖尤其是在关键部件上。性能优化软硬件可以深度结合实现最佳性能。例如自研的FSD芯片与其自动驾驶算法是高度耦合优化的。这种垂直整合能力使得特斯拉能够不断尝试像一体压铸车身、结构化电池包电池包作为车身结构件这样的颠覆性工艺进一步降低成本、提升车辆刚性。那位分析师认为这种“硬核”的制造和工程能力是特斯拉长期成本优势和技术领先的保障这种护城河比品牌效应更难被复制。5. 现实的挑战与未来的不确定性当然重拾信心不等于盲目乐观。这位分析师在交流中也明确指出了特斯拉当前面临的一系列严峻挑战这些挑战任何一个处理不好都可能让叙事反转。5.1 激烈的市场竞争与价格压力中国新能源汽车市场的竞争已进入白热化阶段。比亚迪在销量和成本控制上展现了强大的统治力而“蔚小理”等新势力以及华为系、小米等科技巨头的加入使得产品和技术迭代速度空前。特斯拉的主力车型Model 3和Model Y已上市多年虽然经过多次改款但面临大量设计更新颖、配置更卷、智驾方案各有特色的新品冲击。为了维持市场份额特斯拉不得不频繁使用价格武器这直接侵蚀了其曾经引以为傲的行业领先毛利率。如何在不牺牲太多利润的情况下通过产品更新如传闻中的Model 2和软件服务FSD订阅来应对竞争是摆在面前的现实考题。5.2 FSD的监管与道德困境即便技术成熟自动驾驶的落地也是一场与监管和社会的漫长对话。不同国家、地区的法律法规、保险责任认定、道德伦理标准比如经典的“电车难题”变体都存在巨大差异。特斯拉激进的数据收集策略影子模式也在全球多地引发隐私担忧。FSD在全球范围内的获批速度可能比技术迭代速度更慢这会直接影响其作为软件服务的收入变现。此外任何一起涉及自动驾驶的严重事故都可能引发巨大的舆论和监管反弹给整个业务蒙上阴影。5.3 4680电池的量产与经济性爬坡如前所述4680电池和干电极工艺是特斯拉降低电池成本、提升性能的长期赌注。但目前其产能和良率是否已经达到了能够显著降低整车成本、并对外供货如给Cybertruck、Semi的水平仍是未知数。如果爬坡不及预期特斯拉可能在未来一两年内在电池成本上反而落后于采用成熟供应链的竞争对手例如采购宁德时代最新神行超充电池的厂商。电池领域的竞争同样激烈固态电池等下一代技术也在快速发展特斯拉需要确保4680的优势窗口足够长。5.4 组织与执行风险特斯拉是一家由极具远见但也非常激进的领导者驱动的公司。马斯克的注意力分散同时管理多家公司、其在社交媒体上的言论、以及公司相对扁平化和高压的文化都带来了独特的运营风险。大规模裁员、高管离职等消息也会影响市场信心。能否保持一支稳定、高效的顶级工程和制造团队持续将天马行空的创新转化为稳定可靠的产品是对公司组织能力的持续考验。6. 给投资者与观察者的启示通过这位分析师视角的转变我们可以提炼出几点对投资和观察科技公司特别是像特斯拉这样的复杂系统创新者有价值的启示关注“能力积累”而非“事件兑现”对于进行深度技术创新的公司过于关注“某年某月实现L4”或“电池成本降到XX美元”这类具体时间点容易陷入失望。更应关注其底层能力的建设数据闭环是否在加速算力基础设施是否在扩张制造工艺的专利壁垒是否在加深这些能力的积累是非线性的但一旦突破阈值会带来质变。理解“第一性原理”与工程现实的差距马斯克推崇的“第一性原理”思考能诞生像无极耳电池、一体压铸这样突破性的想法。但从原理到实验室原型再到大规模、高良率、低成本的量产中间隔着巨大的工程鸿沟。评估这类公司时必须同时看重其“思考深度”和“工程落地能力”。特斯拉的超级工厂本身就是其最强工程能力的体现。在噪音中识别核心趋势电动汽车市场的价格战、季度交付量的波动、CEO的推文这些都是短期噪音。核心趋势是汽车的电子电气架构正向集中式演进软件价值占比不断提升能源的生产和存储正在与交通出行深度融合。特斯拉在这三个趋势的交汇处布局最深。即使短期业绩有起伏只要这些长期趋势不变其核心价值就依然存在。风险与机遇的再平衡当前特斯拉的股价已经反映了相当多的挑战竞争、毛利率等。对于投资者而言现在的关键问题可能不再是“它会不会遇到问题”它正在经历而是“它解决问题的能力是否被低估了”以及“当前的价格是否已经为已知风险提供了足够的安全边际”。那位分析师的信心重建本质上是一次风险与机遇的再平衡。回到我们最初的问题一位分析师为何重拾信心归根结底是他看到了特斯拉在喧嚣的市场竞争和短期财务压力之下依然在自动驾驶和电池这两个需要长期巨额投入、且胜负手在于系统和数据规模的战场上进行着最坚定、最深入的投入。这种投入的成果如端到端模型的进展、4680产线的爬坡正在从模糊变得可触摸。这并不意味着前路坦途相反挑战比以往更加复杂和严峻。但这或许正是投资和创新最真实的样子在巨大的不确定性和激烈的竞争中识别出那些真正在构建长期结构性优势并且有能力穿越周期的玩家。特斯拉是否最终能赢得这场战争尚未可知但无疑它仍然是最重要的参赛者之一而它的每一步尝试都在重新定义汽车和能源行业的未来图景。对于我们这些行业观察者而言保持关注、深入理解其技术脉络远比简单地贴上“唱多”或“唱衰”的标签更有价值。