2026汽车行业投资策略:同源技术筑壁垒,机器人赛道成车企成长新引擎
钛祺汽车 2026-01-19
2026 年正处于人形机器人从技术原型向规模化量产迈进的关键窗口期，而汽车制造行业与这一新兴赛道的深度绑定，正在成为行业格局重塑的核心线索之一。 汽车供应链与人形机器人研发存在天然的技术同源性 —— 汽车领域积累的传感器、控制系统及目标识别算法，为机器人研发提供了直接技术借鉴；同时，车企凭借零部件体系的 “规模降本 + 质量管控” 优势、超 50% 的供应链资源共享能力，可快速支撑机器人的成本下探与产能落地。当前，特斯拉 Optimus 已进入 “精细化 + 拟人化” 阶段并计划 2026 年底量产，国内小鹏、小米等 13 家车企也通过自研、合作、战略投资等方式密集布局人形机器人赛道。更关键的是，这一布局不仅是车企的业务边界拓展，更推动其估值体系从传统制造业的 “销量 / 份额驱动”，向科技公司的 “现金流 + 分部估值” 框架迁移，人形机器人正在成为打开车企成长空间的核心增量。在此背景下，本报告将聚焦车企在人形机器人赛道的同源性优势与布局逻辑，解析其成长潜力与行业影响。1.1、算法：机器人 “大脑” 与自动驾驶算法高度同源1.1.1、自动驾驶算法发展 —— 从规则走向神经网络，端到端迈向认知智能 回顾自动驾驶的发展历程，智驾算法的演进路径清晰可辨。最早期的自动驾驶，多采用传统计算机视觉算法进行障碍物识别，多个摄像头的识别结果会通过后融合的方式整合为综合感知信息，但这种方式的识别精度较低，常常受一些基础问题的制约； 2021 年起，特斯拉接连举办多场 AIDAY，推出 BEV+Transformer 架构与 Occ 占用网络，几乎攻克了感知层面的难题，行业由此进入快速发展阶段，采用这类算法的参与者基本能够实现智驾的 “可用”；不过在当时，感知环节之外的规划与控制部分仍以规则类方案为主，驾驶动作较为僵化，面对复杂多变的城市道路环境，通常只能在特定路段或路况下运行； 2023 年，特斯拉再度引领行业方向，推出端到端自动驾驶算法，实现了从感知到控制的信息无损耗传递与全局优化，真正让智驾达到了 “好用” 的水平。这一技术思路在 2024 年被国内行业参与者广泛借鉴，“全国范围内可行驶” 也成为了头部智驾企业的核心入场标准。此后，随着大语言模型的发展，行业参与者意识到智驾不仅需要具备 “驾驶能力”，还需能够理解道路场景，在面对文字标识牌、潮汐车道等复杂场景时，单纯的端到端方案会显得应对不足；理想汽车于 2024 年率先推出端到端 + VLM 算法，成功跻身智驾第一梯队，2025 年又推出 VLA 算法； 同样在 2025 年，行业内的参与者也从仅通过端到端方式训练 “系统 1”，逐渐转向借助强大的多模态模型来构建算法的 “系统 2” 能力，同时将模仿学习与强化学习相结合，通过世界模型搭建虚拟环境，助力智驾突破性能边界。近期，特斯拉的 FSD 系统已大幅放宽对驾驶员的监控要求，会依据路况提示驾驶员留意前方路况，实际上已开始向类 L3 级别的功能迈进。回顾智驾算法的发展历程，其整体路径是从规则主导转向模型主导，从模块化架构过渡到端到端架构，从单一探索 “系统 1” 的能力，逐步拓展为同时探索 “系统 1” 与 “系统 2” 的协同能力。与之相对应的是，算法对不同场景的适配性持续提升，所具备的智能水平也愈发完善。1.1.2、机器人算法发展 —— 从规则驱动到数据驱动再到认知驱动 回顾机器人的发展历程，其也走过了相似的演进路径。早期的工业机器人一般采用 PID 等控制算法来操控机械臂，这类算法需要预先编程，之后机械臂便会依照人类设定的流程执行对应的动作。此后，本田等企业推出了 ASIMO 这类双足机器人，基于数学模型的算法开始逐步应用，这类算法的核心是对机器人平衡状态的控制，零力矩点（ZMP）+ 线性倒立摆（LIPM）等数学建模方式被用来保障机器人的平衡，本质上这是一种纯规则类的算法方案，不仅流程复杂、调整难度大，同时灵活度较低，ASIMO 机器人最终也只是昙花一现，逐渐淡出了行业视野。随着机器人身体自由度的提升，模型预测控制（MPC）+ 全身动力学控制（WBC）的方案开始出现，波士顿动力依托液压驱动技术打造的 Atlas 机器人曾一度引领行业潮流，但该算法本身的泛化能力依然有限，对复杂环境的适应程度不高。步入新的发展阶段后，神经网络技术快速迭代，模仿学习与强化学习成为了机器人算法训练的新范式：对于机械狗这类产品，搭建虚拟环境开展强化学习，成为了训练其完成移动动作的常用方式；而针对操作类任务与人形机器人，模仿学习则是主要的训练方法，借助遥操作或者动作捕捉技术，机器人能够精准复刻人类的复杂动作与行为。同时，随着大模型技术的发展，VLA 等算法更是让机器人成为了具备自主 “大脑” 的实体，能够独立与人进行交互并完成各类任务。 从整体来看，机器人的发展也经历了从规则驱动到数据驱动、再到认知驱动的过程，算法模型的泛化能力持续增强，其功能也从简单的、预先规划好的动作，逐步升级为能够完成复杂地形穿越、执行简单任务等更丰富的能力。 在算法层面，机器人与自动驾驶技术的发展路径正日渐趋同。行业内的技术方案已基本集中于多模态大型端到端神经网络以及 VLA 模型等方向，在功能层面则力求同时具备 “系统 1” 与 “系统 2” 对应的快速反应和深度思考能力。正因如此，两者在模型的构建思路以及需要解决的核心问题上，重叠度正不断提升。从具体的算法路线来看，理想汽车、元戎启行等企业选择了 VLA 技术路线，还有部分智驾领域的参与者采用了端到端 + VLM 的方案；而在机器人领域，无论是 Physical Intelligence 还是 Figure 等企业，也在积极布局 VLA 以及具备快慢思考能力的算法，特斯拉则采用了大型多模态模型，同时融入了推理功能。至此，机器人与智驾技术在算法层面实现了技术交汇。1.1.4、自动驾驶和机器人在数据基建方面高度复用 在数据基础设施建设层面，机器人与汽车自动驾驶技术之间具备高度的复用性。我们知道，自动驾驶算法的开发并非突发灵感就能一蹴而就，而是需要领先的技术方案与严谨的工程化开发相结合，海量的算力资源与先进的模型开发技术是其基础支撑，同时还需要配套自动化的数据闭环体系，数据采集、自动标注、仿真测试、效果验证等环节缺一不可。 近年来，世界模型等新兴技术开始出现，用于搭建虚拟环境，以便算法在其中进行反复的试错与强化训练，从而达到最优的运行效果。而这样的数据基建体系，对于机器人技术而言同样适用：以仿真环节为例，理想汽车已经借助世界模型对其智驾算法开展强化训练，在机器人领域，英伟达的 IssacLab 也能为机器人提供符合物理世界规律的仿真环境，便于机器人进行训练；特斯拉在最新的技术分享中也提到，通过同一套生成式模型，仅切换训练数据，就能同时实现对汽车与机器人的算法训练。由此可见，两者在数据基建层面的复用度与技术同源性都较高。我们认为，当机器人技术真正迈向实用化阶段时，工程化能力的重要性也将愈发突出，因为在实际应用场景中，系统的稳定性、可靠性等都是关键的核心要素。1.2、电子电器架构和热管理：两者诸多场景值得借鉴 在电子电气架构领域，汽车行业目前已基本形成了集中式的技术方案，并且正逐步向中央计算平台的方向演进；由于汽车所搭载的执行器种类较为丰富，不同功能领域通常会通过对应的域控制器来进行管理。而机器人系统通常需要实现语音交互、语义理解、动作执行等功能，因此其控制单元也包含 GPU、MCU、CPU 等硬件组件，同时机器人同样涉及感知 - 决策 - 执行的技术链路，所以在电子电气架构层面，两者之间具备充分的技术可借鉴性。在热管理领域，汽车行业经过多年的发展，已经形成了成熟完备的解决方案，而机器人领域目前仍受散热问题的困扰，因此两者在这一领域也存在不少可以相互借鉴的内容。1.3.1、人形机器人涉及零部件众多，产业链玩家百花齐放 人形机器人包含多种精密零部件，比如决定其运动性能与运行可靠性的旋转 / 直线执行器、灵巧手等三类核心执行器，以及丝杠、减速器、电机、传感器、轴承、编码器 / 控制器 / 芯片等技术壁垒较高、精度要求较严的零部件。同时，由于人形机器人的零部件种类丰富，对应的产业链条较长，而我国拥有完善的供应链体系与规模化量产能力，在量产阶段具备突出优势，因此全球范围内的相关产业普遍选择在中国布局其供应链。1.3.2、汽车制造与机器人研发存在天然的同源性，汽车产业链迸发新机遇 汽车零部件企业拥有 “规模化降本 + 质量管控” 的体系化竞争优势，不少零部件企业已前瞻性地布局机器人产业。汽车与机器人行业存在大量共同的供应商，这也就意味着汽车产业的部分供应链资源可以直接应用于人形机器人的开发工作，依托技术同源性推动产业层面的协同创新。凭借强劲的研发实力、先进的制造能力以及丰富的量产经验，车企在人形机器人的研发与制造过程中，具备较为显著的先发优势。汽车零部件企业拥有精密加工设备的规模化应用经验，能够快速推进机器人零部件的研发与制造迭代；同时，当车企布局人形机器人业务时，与其有着稳固且成熟合作关系的汽车零部件企业有望率先获得发展机遇，这些相关零部件企业也有望借此切入新赛道，实现业务的二次增长。 汽车产业经过数十年的发展，已经构建起成熟的供应链体系与大规模量产能力。汽车与机器人的零部件存在较高的重合度，尤其是在传感器、芯片、动力系统等核心领域，两者的零部件重叠程度更高。汽车端成熟的规模化制造能力，能够直接为机器人的成本下降与量产落地提供支撑，推动零部件企业从 “单一零件供应” 向 “系统级解决方案提供” 转型。激光雷达、各类传感器、动力电池、高强度轻量化材料等产品，已经在汽车企业中实现了大规模批量应用，这些高质量、低价格的零部件，将帮助机器人的生产成本实现快速、大幅的降低。1.4.1、从工业机器人到人形机器人：汽车制造的下一代生产力 工业机器人虽然发展已较为成熟，但适用的场景相对有限。工业机器人在焊接、喷涂等结构化作业场景中的渗透率较高，但这类机器人功能较为单一、柔性化程度低，无法适应非标准化、动态变化的作业环境（例如总装环节、故障排查环节），也难以满足新能源汽车 “多车型、小批量” 的柔性生产需求，成为了汽车制造自动化深化进程中的瓶颈。而人形机器人则成为了柔性制造与协同作业的新载体：其类人的形态能够让它直接使用人类的工具、适配现有的生产线，实现从 “固定工位作业” 到 “全流程灵活作业” 的转变，借助通用性与环境适应性，填补装配、检测、维护等非标准化环节的自动化空白。基于这一点，人形机器人成为了车企实现全流程自动化闭环、构建智能制造能力的核心关键载体。1.4.2、汽车工厂是机器人产业化落地的确定性前沿 从需求端来看，存在刚性的驱动因素：人形机器人成为了应对劳动力成本上涨、保障生产稳定的有效选择。机器人可以直接替代重复性劳动岗位，优化企业的人力成本结构，同时提升产能利用率与资产周转效率。 从供给端来看，两者具备高度的适配性：汽车产业作为高端制造领域的标杆，其标准化、流程化的生产线为机器人的应用提供了天然的渗透场景。机器人在焊接、喷涂等关键作业环节能够突破人类的能力极限，同时降低作业过程中的安全风险。 从产业升级的角度来看，新能源汽车领域的竞争不断加剧，倒逼车企通过自动化升级来追求极致的生产效率与产品一致性，从而构建成本与品质管控方面的优势。机器人能够为汽车现代化制造产业赋能，更好地适应新能源汽车 “多车型、小批量” 的定制化生产趋势。1.4.3、多家机器人厂商与汽车企业达成应用合作，在汽车工厂中开展测试与应用 2024 年，Figure AI 与宝马签署商业合作协议，将通用型人形机器人导入汽车生产线作业。特斯拉 Optimus 机器人则在美国弗里蒙特工厂，开展电池包分解、车身焊接及物料搬运等环节的测试。优必选与多家车企展开合作：2024 年 2 月，其 Walker S 系列机器人率先进入蔚来第二先进制造基地的总装车间，完成了全球首例人形机器人与人类协同开展汽车装配及质检作业的实践；同年 5 月，优必选与东风柳汽签署战略合作协议，2025 年上半年批量部署了 20 台 Walker S1 机器人，承担安全带检测、油液加注、车身质检等 12 类任务，并依托群体智能技术实现多机协同分拣与装配，填补了高温高危岗位的人员缺口。2025 年 10 月，上汽大众与德国顶尖机器人企业 Neura Robotics 签署战略合作谅解备忘录，双方将联合开展探索性项目，在汽车制造领域开发并部署认知机器人系统，以此提升智能工厂的生产效率与运营灵活性。2.1、特斯拉 Optimus：引领行业的技术标杆与量产野心 特斯拉在人形机器人领域的布局，集中展现出其将 “第一性原理” 从汽车制造领域延伸至机器人开发的战略逻辑。从 2021 年 “AI 日” 上略显青涩的舞者亮相，到如今即将问世的第三代 Optimus Gen3（V3），特斯拉在短短四年间完成了令人瞩目的技术跃升，将人形机器人的研发推进至 “精细化 + 拟人化” 的新阶段。 特斯拉的技术迭代路径清晰、目标明确：第一代 Optimus 主要验证了基础的运动与平衡能力；第二代在环境感知与任务执行的通用性上取得突破；而即将发布的第三代，则聚焦于实现接近人类的灵巧操作与复杂环境下的自主决策能力。这一迭代历程，映射出特斯拉从 “能完成基础动作” 到 “能高效执行任务”，再到 “能灵活精准作业” 的技术深化路线。从当前情况来看，即将推出的 Gen3（V3）应该已达到量产机型的标准，硬件成熟度与运动、精细操作能力都相对完备。 在软件层面，特斯拉专门为端侧推理场景设计的 AI5 芯片，成为了 Gen3（V3）的 “最强大脑”。其性能号称达到前一代的 40 倍，这意味着 Optimus Gen3（V3）能够在本地实时处理更庞大的视觉、触觉数据流，运行更复杂的神经网络模型，进行更快速的运动规划与决策，减少对云端计算的依赖，从而提升响应的实时性与可靠性。这标志着人形机器人的 “智能” 正从集中式走向分布式，从 “联网依赖式思考” 迈向 “自主独立思考”。此外，FSD 的 AI 技术可迁移至 Optimus 上，Grok 也将应用于 Optimus 的语音识别功能。 在硬件层面，灵巧手的设计是 Gen3（V3）实现拟人化的关键。其单手握有 22 个以上的自由度（22-DoF，我们预计最终方案会是 23-25DoF 单手），在关节数量、运动范围与力度控制上已接近甚至媲美人类手掌。部分手部执行器被后置到前臂上，这是模仿人类的手部结构 —— 因为控制人类手部的肌肉主要位于前臂。Gen3（V3）的每条手臂至少会配备约 26 个执行器，使其灵活程度与人类相当。这意味着 Gen3（V3）能够精准执行诸如握持不同形状的工具、操作精密仪器、完成穿针引线等高度精细化的任务。手部的灵巧化是人形机器人得以进入制造业装配、家庭服务、医疗辅助等广阔场景的基础，特斯拉在灵巧手领域的突破具有里程碑意义。2.1.3、依托汽车行业高端量产能力，加速人形机器人商业化普及 汽车产线的经验向机器人产线迁移复制，其量产规划的雄心凸显出行业的广阔蓝图。特斯拉并未将 Optimus 停留在实验室概念阶段，公司已明确计划于 2026 年第一季度（2-3 月）展示具备量产意图的 Gen3（V3）原型机，并着手规划建设年产百万台级别的生产线；后续 V4 将实现 1000 万台的产能，V5 甚至可能达到 5000 万到 1 亿台的产能规模。这一激进的时间表与规模目标，远超外界早期预期，凸显了特斯拉意图将人形机器人打造为继电动汽车之后又一核心支柱产业的战略野心。 Optimus Gen2 几乎不具备量产可行性，因此特斯拉对 Optimus Gen3（V3）的设计进行了彻底改进，在增加功能的同时使其适配量产需求。特斯拉 CEO 埃隆・马斯克曾多次预测，人形机器人未来的市场需求可能远超汽车，Optimus 或许会成为 “史上最伟大的产品”。特斯拉与其他美国汽车公司不同，它具备实现通用人工智能的要素，以及卓越的电气 / 机械工程、规模生产能力；而由于人形机器人领域的供应链尚未成熟，若要实现每年生产 100 万台 Optimus 甚至更多，其制造环节将面临巨大挑战。这需要高度垂直整合并深度介入供应链，而 Optimus 工程团队大多来自汽车部门，为规模量产提供了先天优势。特斯拉的垂直整合能力、规模化制造经验与成本控制方法，将从汽车工厂复制到机器人生产线，有望大幅降低人形机器人的硬件成本，加速其商业化普及进程。 在特斯拉的示范效应与未来产业前景的吸引下，中国车企快速响应，纷纷以不同策略切入人形机器人赛道。截至目前，已有小鹏、小米、广汽、奇瑞、比亚迪、上汽、蔚来、理想等 13 家整车企业明确入局，形成了百花齐放、各有侧重的竞争格局。它们的参与并非偶然，而是基于自身技术积累与战略考量作出的必然选择。 部分技术积淀深厚的车企选择自主研发路径，其核心逻辑在于汽车智能化与机器人技术之间存在明显的 “同源延伸” 关联。- 自动驾驶技术的迁移：汽车的感知（激光雷达、摄像头、毫米波雷达）、决策（AI 算法、芯片）、控制（线控底盘）系统，与人形机器人对环境感知、路径规划、运动控制的需求高度契合。例如，小鹏汽车旗下的小鹏鹏行团队，充分利用了其在智能驾驶领域的深厚积淀：其研发的机器人平台，采用了与智能驾驶系统 “同源” 的图灵 AT 芯片作为计算核心，并积极探索将端到端自动驾驶大模型的感知与决策能力迁移至机器人，使其能更好地理解复杂指令、适应动态环境。这种技术复用极大地缩短了研发周期，降低了试错成本。
- “三电” 技术的应用：新能源汽车在电池、电机、电控方面的技术优势，可直接转化为人形机器人动力系统的性能保障。高能量密度电池提供长效续航，高功率密度电机确保强劲动力与精准控制，成熟的电控技术则保障了运动过程的安全与稳定。比亚迪等在三电领域拥有全产业链优势的企业，在此方面具备天然的技术门槛。
- 制造与供应链优势：车企的大规模精密制造能力、质量控制体系与供应链管理经验，对于解决机器人关节、减速器、壳体等核心零部件的量产与成本问题至关重要。
对于一些希望快速进入赛道或补足自身短板的车企而言，与专业的机器人公司或人工智能企业展开合作，成为了高效的布局路径。 奇瑞与 Aimoga 的合作，正是这一模式的典型案例：奇瑞作为传统制造巨头，拥有深厚的工程化、产业化能力与丰富的应用场景理解；而 AI 公司 Aimoga 则在机器人运动控制算法、AI 视觉与灵巧操作等软件层面具有专长。双方合作研发的人形机器人 “MomDine”，旨在瞄准工业与商业服务场景，实现了硬件制造与软件智能的优势互补。这种合作模式能使车企在较短时间内获得相对成熟的技术方案，快速推出产品原型并验证市场。2.2.3、路径三：通过资本纽带，开展战略投资与生态绑定 面对行业中持续涌现的创新型机器人创业企业，借助战略投资展开布局，逐渐成为更多车企的选择。这既是一种财务投资，更是一种技术前瞻与生态卡位的布局方式。 小米集团早在 2022 年就率先投资了国内顶尖的人形机器人创业公司优必选，并持续通过其产业基金布局机器人上下游产业链。在小米的 “手机 ×AIoT” 战略中，机器人是智能生态的重要一环，投资有助于其整合先进技术，完善未来智能生活的蓝图。 比亚迪、上汽、北汽等企业也都通过旗下投资平台，参股了多家在核心零部件、运动控制或 AI 算法上有特色的机器人公司。这种 “资本 + 产业” 的深度绑定，使车企能够紧密跟踪技术前沿，在机器人产业成熟时快速导入自身体系；同时也能为被投企业提供宝贵的应用场景和试炼场。- （1）快速掌握相关领先技术：对于部分布局较晚或 AI 能力相对薄弱的车企而言，战略投资机器人公司有望帮助其快速掌握相关领域的领先技术。
- （2）资本运作实现轻量化布局：相比全自研模式，战略投资或许是投入产出比更高的举措之一。如上汽投资团队曾表示，投资智元机器人比自建产线快 18 个月，还能规避 30% 的技术风险。
- （3）利用供应链优势推动量产及降本：车企具备强大的制造能力、零部件供应链体系，能够迅速整合产业链资源以推动机器人产品实现量产，并借助其规模优势推动成本下降、加速机器人产品的普及。
2.3、生产、销售等领域多元化部署，机器人业务反哺汽车主业 当前，汽车产业正推进在生产、销售等领域多元化布局机器人业务，人形机器人的参与正逐步达成对汽车主业的协同反哺。- 生产端：替代人工环节，降本增效：人形机器人可适配现有工位，执行质检、装配等重复性工作，减少对人力的依赖，提升工艺稳定性与产线柔性，从而降低人工成本、增强制造韧性。
- 销售端：智能导购提升体验：机器人借助自然语言处理等技术，在展厅提供咨询、讲解及个性化推荐服务，减轻销售人员负担，以科技感吸引客户，提升服务效率与品牌形象。
- 数据赋能：驱动全链路智能化：机器人作为数据感知节点，实时采集生产与销售数据，支持构建数据孪生系统，实现过程优化、质量预警与营销策略改进，形成 “制造 — 销售 — 反馈” 的数据闭环。
总而言之，机器人业务已从单点替代发展为系统赋能，在生产、销售与数据层面反哺汽车主业。随着与 AI、物联网等技术的融合，其应用将延伸至更多环节，助推汽车产业的数字化、高端化转型。三、AI 浪潮下，车企估值体系有望向科技公司迈进势3.1、乘用车板块在燃油车时代享一般制造业估值，新能源时代有所提升 在燃油车时代，乘用车板块对应的是一般制造业的估值水平。传统燃油车时代，汽车产业已趋于成熟、成长性不高，且盈利能力相对偏低，因此乘用车板块享受的是制造业的一般估值。具体来看，2011 年以来，乘用车板块的市盈率普遍介于 10-15 倍之间，市销率则长期处于 1 倍以下。 2020-2022 年处于新能源车加速渗透的阶段，乘用车板块的估值随之迎来显著提升，其中行业龙头还享有更高的估值溢价；不过从 2023 年起，行业开始面临产能过剩的担忧，板块估值也逐步回落。 2020 年开始，乘用车行业进入了新能源车加速渗透的阶段。由于汽车的动力形式迎来了根本性变革，再叠加智能化进入从 0 到 1 的发展阶段，市场得以看到乘用车行业出现了新的成长性机会。同时，自主品牌借助自身在三电系统及供应链领域的优势，持续抢占合资燃油车的市场份额，这让自主乘用车板块在 2020-2022 年间迎来了估值强势提升的阶段。 从具体车企来看，在这一阶段，比亚迪全力布局新能源车业务，持续推进刀片电池、e 平台、DM-i 等技术的研发工作，凭借高性价比的优势快速成长为国内新能源汽车领域的龙头企业。也正是因为比亚迪具备突出的成长性，相较于上汽、长城、长安、吉利等新能源转型节奏偏慢的车企，市场为比亚迪赋予了更高的估值溢价。 不过到了 2023-2024 年，乘用车行业面临一定程度的产能过剩担忧，行业竞争的加剧使得乘用车行业的盈利能力不仅没有较此前实现提升，甚至相比燃油车时代还有一定程度的下滑。在这样的背景下，乘用车板块的估值出现了明显下滑，但相较于燃油车时代仍然处于更高水平，能够享受消费品级的估值待遇。3.2、“智能化 1→10 + 机器人 0→1” 发展期，车企有望逐步享受科技股估值 特斯拉是采用科技股估值逻辑的车企典型代表，2021-2022 年其市销率多数时候维持在 15 倍以上；2024 年以来尽管销量出现下滑，但市销率仍稳定保持在 5 倍以上，且从底部区间波动回升。 特斯拉长期以来都对标科技股进行估值：2021-2022 年，其市销率多数时段处于 15 倍以上；2023 年因营收增长导致市销率大幅回落的阶段，仍稳定在 5 倍以上；2024 年以来即便销量有所下滑，市销率依旧从底部区间波动回升，近期更是突破了 15 倍。 特斯拉的估值溢价源于其宏大的 AI 布局蓝图，其宏图计划 4.0 的核心是打造能将人工智能融入物理世界的产品与服务，涵盖 FSD、Robotaxi、机器人等领域，商业模式也从单纯的硬件收费拓展为软硬件一体化收费的全新模式。 以机器人业务为例，特斯拉已构建起 “算法复用 + 硬件共源 + 制造降本 + 工厂应用” 的四位一体基础体系：（1）硬件与供应链：依托自身在电力电子 / 半导体、传感器及计算单元等领域的专业技术储备与采购规模优势，保障供应链的安全性并实现成本控制，比如自研 FSD 芯片等举措；（2）软件与 AI：Optimus 的数据收集、处理以及虚拟测试环节，都可以复用自动驾驶 FSD 业务投入巨额资金搭建的基础设施；（3）规模化制造：借助在全球超级工厂积累的大批量、高效率制造经验，助力机器人实现大规模生产；（4）数据飞轮：特斯拉分布于全球的工厂，本身就是收集训练数据、开展机器人迭代与验证工作的理想试验场。 作为全球科技领域的龙头企业之一，特斯拉成功打开了车企估值的想象空间。 在自动驾驶、机器人、飞行汽车、AI 芯片、大模型等领域展开全方位布局的小鹏，是中国车企中科技属性最为突出的代表之一，因此也享受了一定的估值溢价。 以特斯拉为对标标杆，小鹏在自动驾驶、机器人、飞行汽车、AI 芯片、大模型等领域进行了全维度布局，成为国内车企中科技属性最强的企业之一。尤其是 2024 年第四季度以来，小鹏的月销量明显跃升至新的台阶，扎实的基本面为其估值提供了有效的支撑；后续增程式车型及全新车型的上市，还将进一步推动其销量增长。 展望未来，随着小鹏在自动驾驶、机器人等领域的技术不断精进，有望获得市场更多的认可，逐步成长为中国车企中的科技股标杆企业之一。 总体而言，车企的估值定价逻辑，有望从传统制造业 “由销量 / 份额驱动的 PE/PS” 模式，迁移至 “科技公司式的现金流折现 + 分部估值” 框架。 当前，车企在芯片、自动驾驶算法等技术领域展开了全面布局，同时在供应链、销售渠道、产品定义等方面也具备深厚的积累。Robotaxi 作为潜在的大市场，凭借其软硬件收费模式所具备的强劲盈利能力，有望成为车企新的估值锚点。 与此同时，面对具身智能这一海量市场，车企拥有较为全面的竞争优势 —— 尤其是在算法层面，智能驾驶与机器人技术的发展路径正日益走向趋同，未来车企有望在这一领域占据重要的市场地位。 2025 年 9 月，马斯克在 X 平台上表示，人形机器人业务可能会占据特斯拉未来价值的 80%。而国内那些深度布局机器人领域的车企，也将因此获得充足的估值溢价。 汽车制造与机器人研发存在天然的同源性。汽车制造领域所积累的传感器技术、控制系统，以及目标识别、路径规划等算法，均为人形机器人的研发提供了重要的技术借鉴。车企在人形机器人的研发和制造过程中具有显著的先发优势。汽车与机器人共享大部分供应链资源，车端成熟的属地化与规模化制造能力直接支撑机器人降本与量产，将快速、大幅度降低机器人生产成本。我们认为，不论是乘用车整车厂，还是上游各类零部件及总成制造商，都将显著受益于机器人行业的新兴发展，在机器人商业化的蓝海市场中跑出竞争优势。 零部件端，供应链企业正从“低价博弈”转向“技术+生态+全球化”的价值竞争。智能驾驶、热管理、轻量化等高附加值赛道的发展有效提振盈利水平，同时出海+人形机器人新业务打开第二增长曲线，成长性与估值修复空间较为可观。
➢如欲获取完整版PDF文件，可以关注钛祺汽车官网—>智库，也可以添加钛祺小助理微信，回复“报告名称：汽车行业投资策略：同源性优势明显，机器人打开车企成长空间”。点击下方，查看近期热门行业研究报告
