苹果放弃造车转向大语言模型，big7里特斯拉股价最差、前景最不明朗，越来越多传统汽车厂宣告降低对电动车的投入、降低电动车的销量目标，欧洲政客对电动车的兴趣下降、补贴降低，今年欧洲议会大选、美国总统大选，集体右转的倾向非常明显。
到这个时候，趋势已经很明朗，新能源汽车进入下半场，政客不再愿意为了电动车影响本国产业和就业，资本放弃电动车转向ai，电动车离了政策和补贴就销量下滑，电动车整体产业缺乏经济效率，这场闹剧终将落幕。
有人说，智能驾驶也是ai，汽车是ai最重要的载体，电动车在ai风口下将更加辉煌。
这就是完全没搞明白，这两年火爆的ai和过去的ai有什么区别。
过去的ai是专业性ai、行业性ai，只用于处理特定任务，比如图像识别、语音识别、辅助驾驶等，靠属性标记与判别来执行任务。
这两年火爆的ai是大语言模型，是生成式而非判别式，目标是通用人工智能。
大语言模型要得到比较准确的结果，需要超级大规模的数据来训练，需要用到服务器端超级大的算力。
传统行业ai因为是用于特定领域，需要的数据和算力都比较小，适用于终端，比如手机电脑电动车等。
英伟达的gpu适用于服务器大语言模型的大算力，华为的昇腾芯片是npu，更适合终端的特定任务，在手机 电脑 电动车上比较适用，如果拿去训练大模型效率很低。
在这一轮ai科技革命里，中国在芯片 模型上都与美国存在极大的差距，且这个差距看起来越来越大。
中国在智能驾驶上对特斯拉的追赶，与本轮ai科技革命基本没啥关系。
马斯克也在发展ai大语言模型，他还没决定好，是要把ai置于特斯拉里边，还是置于私有化的x里边，最近正在以此要挟特斯拉董事会。
中国过去几年发展科技的思路，延续了前些年发展基建的思路，认为只要投入天量的资金下去，就能得到好的结果。
投产业园的时候，觉得只要产业园建好，各种工厂就会入驻，形成产业集群。
规划新城的时候，觉得只要基础设施建好，农村人就会搬进来，形成活力新区。
规划大量办公楼的时候，觉得只要楼盖好就都能租出去，形成国际化cbd。
结果呢，产业园空着，新城变鬼城，办公楼大面积空置，投入的资源相当一部分打了水漂，只留下天量负债。
发展科技延续了这种思路，认为只要投大量的钱下去，一定能得到好的结果。
先是5g，几千亿投下去，过了两年却发现并没有形成什么新业态 新运用，5g相比4g的理论上的优势，最后只停留在理论上，电费负担倒是大幅增加。
然后是光伏和锂电，通过n年的补贴终于形成领先的产业集群，却发现利润微博，效率相比传统能源仍然没有优势，本来指望着依靠出口，赚其他国家的钱。
但欧美搞碳中和、发展光伏和锂电，本来就是想对发展中国家收碳税，阻拦发展中国家的发展，当他们发现他们无法靠碳中和赚中国的钱，反倒要被中国大赚一笔后，就犹豫了，萌生退意。
有人说泰国电动车发展的很好，其实泰国跟中国是一个想法，通过巨量补贴强行发展锂电车，催熟本国的锂电车产业链，意图将来出口至东南亚其他国家，赚其他国家的钱，泰国的电动车并不是市场驱动的。
可如果东南亚其他国家不陪他玩呢？
缺乏补贴政策的日本和美国，电动车渗透率都很低，到现在为止离了补贴政策电动车产业仍然没啥优势。
通过产业规划和巨额投资来发展科技，在一些跟随性领域比较有效，但如果用于前沿性科技探索，则很可能选择错路线，因为前沿科技的突破是随机的、偶然的，是靠天才的企业家推进的，是要经过市场经济的效率检验的，很难靠规划强行驱动出来。
补贴政策很容易被既得利益集团利用，拿着宝贵的国家资金强行扶持缺乏经济效率的技术路线，既得利益集团赚的盆满钵满，整体经济效率却并没有提升，还留下天量负债。