AI崛起,算力先行。参考创新药、智能手机、新能源车这么多前车之鉴,都是上游最先发力的。看好这波云计算
(d) 随着北美FSD行驶里程的迅速增加,未见安全事故报告,同时,Youtube上对FSD能力炫耀展示的视频热度在下降,均说明FSD愈发完善。
对于规模化商用,分二类来看:
(a) 私家车FSD,北美170万车主已推送,中国批准也获得巨大进展,因此,能否规模化主要取决于FSD的能力而不是政策。
(b) 出租车服务。Waymo已赢得监管许可,且美国很多州并没有法律阻止这些服务。最大的制约还是FSD的能力,不是监管。同时,制约Waymo规模化应用的一个成本是车的成本(高价激光雷达),另一个是远程安全监督人员的成本(据说一辆Waymo配备1.5名远程安全操作员),还有一个是高精地图更新的成本。对于Tesla来说,量产车成本优势、无需高精地图优,远程安全操作人员的多少取决于FSD的能力。
因此,规模化商用的主要障碍还是FSD自身的能力。
5. 竞争壁垒。 ----------- 壁垒很高。
可从以下几个方面来验证:
(a)数据量的壁垒。Tesla现在有20亿公里的实际数据、北美170万车主及90万FSD激活用户,依然面临训练数据不足。而且最重要的是需要用户接管FSD前后的数据(Musk所说的万分之一有效数据)。这说明这项技术需要很高的数据壁垒,随着FSD的完善,后期只有罕见的、高难度的接管数据才能进一步提高FSD能力的上限,而要获得这些接管数据,就必须靠增加车队规模和FSD行驶里程来积累,这将形成有效的数据飞轮效应,从而有机会获得赢家通吃的市场结果。
(b) 客户接受并付费的壁垒。下图的数据有可能不准(仅2%),包括用户也会在免费试用过期后再决定是否付费订阅。但四月份财报Musk说全北美有90万FSD激活用户。那么,实际推送的170万客户,扣除50万购买的,也就是说,免费给120万客户试用,仅40万激活试用了。免费给人家尝鲜,也只有三成愿意当不少于一次的小白鼠。可见,在涉及生命安全上,用户对服务能力是极度苛刻的。这说明,这些业务要能够收到费,需要具备很高的门槛。
(c) 代表科技企业的苹果、代表传统车厂的通用(投资Cruise)都在投资上百亿美金研发自动驾驶过程中失败了。这也印证,自动驾驶必须以科技企业来主导(且是至少是以百亿美金投入才有机会上牌桌),同时科技企业还需亲自下场造车才能有机会。此外,华为没有取得中国主流车企在自动驾驶上的合作,也体现了主流车企以及华为都不愿意承担自动驾驶实现过程中不可避免的车祸对自身品牌的影响。
(d) 因此,我的结论是自动驾驶无论是单纯的技术能力、还是用户市场接受选择都具有很高的壁垒,如果不是地缘政治影响,也许全球最后只会有一家胜出的企业。这也符合经济发展的规律,每一轮技术革命,都会诞生更具壁垒的生意模式,形成更强的事实上的垄断经营。这轮人工智能,是把知识和经验以服务的形式产品化,质量稍差的有形商品也许具有了大部分商品功能而被接受,但质量稍差的服务可能就没有了价值。最后,最优质的服务,最低廉的价格,外加先发优势,带来最大的客群,进而带来更多的数据,进一步获得更好的服务,形成闭环。
6. 竞争对手?
(a) 苹果、通用的失败,我们只能将目光放在以英伟达、OpenAI为代表的人工智能企业身上,我在五议、六议Tesla里都有分析。总的来说,英伟达的商业模式是希望卖以硬件为核心的开发套件给车企自行开发,但车企没有此能力,目前成立了由Jim Fan领导的具身智能研发部门、吴新宙为领导的自动驾驶部门,但都受制于无法获得车辆真实数据而进展缓慢。华为的技术如果要走出国门将面临美国的制约。因此,自动驾驶这项业务上,很难看到竞争对手。
(b) 同时,Musk的xAI以及Tesla自身在理论上的突破能力(可观察数学家的数量),也让Tesla处于人工智能第一梯队,确保其优势地位。
(c) Tesla的先发优势。一旦Tesla的FSD首先成功撞线,还有多少客户愿意牺牲自己的安全来陪跑第二家自动驾驶企业,日益增大的数据鸿沟又怎么来填平。
7. FSD的收费模式是什么?
FSD的本质是这套软件为用户的出行服务提供了类似今天驾驶员的劳动(本轮人工智能就是在不同领域提供了相应的专业劳动服务)。
(a) 私家车:存量车*FSD渗透率*年订阅费
既然是服务,我认为根据里程或对应不同里程的包月套餐(类似电信服务套餐),并参考当地同类服务(人类驾驶)来定价比较合理。
(b) 出租车:每英里价格(可设定为当地人类驾驶服务价格的30%~~50%)。
8. 能否建立起可盈利的商业模式?
(a) 今天在北美,即使价格降到包月99美元,依然没有看到用户踊跃订阅,我认为主要是以下原因:
i. 权力责任不明确。FSD做为辅助驾驶,即使减轻了驾驶员的劳动量,但驾驶员依然承担主要责任,对于辅助工作的价值量不易衡量。所以,收取了服务费,就该把驾驶的责任拿走(真遇到不能处理的异常情况,至少要能安全交接给人类来临时辅助驾驶)。
ii. 服务的能力还不够。
iii. 人类接受自己被替代有个过程.
(b) 但自动驾驶服务的本质,是替代了人类驾驶员的劳动(FSD承担事故责任),理应获得相应的报酬,因此,我坚信FSD是能建立清晰可盈利的商业模式的,只是这个门槛很高,今天包括Tesla在内,都还没有达到。
(c) 做为新车高级配置来搭售的L2级辅助驾驶(目前都是这个级别)只是一个过渡阶段,会随着首先承担驾驶责任的自动驾驶软件胜出而结束。
(d) 更重要的是:随着FSD收费模式的跑通,车将由消费品属性增加上资产获得收益的属性。
9. Tesla robotaxi及FSD授权商业模式分析?
(a) Tesla要蜕变为人工智能公司,就应该更加重视轻资产、高壁垒的软件业务。本轮裁员,电池、充电是重灾区,robotaxi也放弃新平台,转而在已有平台上低成本快速推出。Musk已展现了尽快完成转变的决心和魄力。
(b) 鉴于FSD订阅收费率提升很缓慢,120万免费试用客户仅40万激活试用。Tesla即将推出FSD自动驾驶出租车服务,事故责任一定是出租车提供方承担,同时配以远程安全操作员,来培养用户接受自动驾驶汽车服务。这项业务,可谓一石多鸟:FSD出租车每天行驶里程是私家车五倍以上,且密集城区行驶数据占比更多,可大大加快异常接管数据的收集,同时,更完善的数据分析也为后续私家车FSD订阅收费时承担自动驾驶的事故责任做准备,更重要的是,培养了用户接受自动驾驶服务,认识到有了自动驾驶,汽车将增加乃至转变为资产属性。
(c) 随着FSD出租车远程接管率不断降低,远程安全操作员干预越来越少,人们会渐渐放心将自己的安全交给自家私家车的FSD,甚至用FSD来送货或接送孩子等,FSD订阅率、Tesla汽车购买量都会随之提升。
(d) 装有FSD的私家车接入Tesla的Uber模式网络,以及Tesla CyberCab出租车服务,都将展现出汽车的资产属性。对于资产的定价,人们将不在重视外观及内部的沙发彩电,转而重视资产能带来的收益。
(e) 将会出现购买装有FSD的Tesla汽车来提供出行服务的公司,他们将是Tesla汽车购买的主体。
(f) 无论是装有FSD的汽车被以资产定性来购买(出行服务商),还是私家车享受驾驶员服务的需求,都会是EV进化为新物种,传统车厂只能通过获取FSD授权才能保证自家汽车的销量。同时,汽车工业多是一个国家制造业的基础,也不支持由一家汽车生产商全球占比过多。即使是丰田,也只有20%左右的市场份额,且在全球重要市场均有设厂。通过FSD授权,有望突破市场壁垒。
总之,这些后续市场开发Tesla都有清晰的布局,并已开始采取相应的行动。
10.Tesla Optimus人形机器人?
(a) 已证实,Optimus采用和FSD相同的硬件芯片,且端对端的神经网络也和FSD有共同的开发基础,xAI在理论研究人员配置上不低于OpenAI,处于第一梯队。FSD如果获得成功,以及Tesla制造业丰富场景的优势、突出的制造业优势(随着Optimus手部增加到22个自由度,其硬件开发可能将基本定型,后续进入软件快速迭代阶段),都能确保Optimus是人形机器人最有力的竞争者之一。因此,我认为,自动驾驶FSD很可能是最后唯一的全球市场玩家,人形机器人还会面临英伟达、OpenAI及其投资企业的竞争。
(b) 接近AGI的人形机器人,人们更容易理解其就是生产力中的劳动者的角色,其创造的价值就是人类劳动者的成本。能提供这项商品的公司,就是在为社会制造劳动者,其巨大的经济价值不言而喻。
这点是Tesla在FSD自动驾驶之后的第三增长极。我在22年四议Tesla里对 每一次增长空间都有测算估计。
11.FSD分布式算力网络?
(a) 在23年4月五议Tesla文章里,我提到这个想法,当时是我不赞成市场上出现的Tesla汽车依靠电池削峰填谷来盈利的说法而提出的,算算经济账就很明显知道不可取。同样,我也不认为很多私家车主会将自己的自用车利用FSD来跑滴滴赚钱(但很可能会根据资产收益率来决定是否专门购买一辆Tesla来做这项业务),但出租闲置的车载算力来赚钱,我想很多车主会愿意。
(b) Tesla来开展这项业务,的确是无本万利,所有参与者共赢。但数据传输的成本、速率,以及能否找到合适的应用都有待进一步明朗。同时,Tesla也没有云计算服务的基础,其相对华为在其智驾车上开展同类业务有没有优势都有待考量。当然车保有量大是显著优势,星链也为通讯提供了保证(但成本高、接入容量不足)。我认为,即使开展这项业务,业最好能结合自家人工智能能力来提供服务,而不仅仅是算力资源会更好。因此,这项业务暂时先只做观察,尤其密切重视起对Tesla生态建立是否有巨大帮助。
(c) 算力量化:中国电信2023年新增3万3千个机架,新增装机45万台服务器,提供了5Eflops算力(前几天英伟达送给openAI的一台GB H200,大约1Eflops), Tesla FSD 3.0的算力是0.14Pflops, 也就是7000台是1Eflops, 100万台车就是140Eflops(比自己规划的24年底100Eflops算力都大)。未来FSD4.0算力至少要加倍,所以Tesla的总算力的确是相当可观的,但就是这种非常分散的算力,能否高效、如何高效应用,很多都在科研层面。
============================
Tesla投资的风险:
12.FSD存在长时间不能成功的风险,尤其是如果还有技术、理论难题待突破时间将更加不确定,所以我们需要观察Tesal、xAI在理论上的投入强度和取得的突破,以及包括OpenAI及高校科研领域在具身智能方面的研究进展。同时密切跟踪FSD实际能力的进展是否符合预期的指数级增长。
13.Musk 25%控制权问题。虽然我认为Musk将人形机器人(AGI)研发移出Tesla的风险很小,但Tesla和xAI的关系目前不明确,也是一个风险点。
14.Tesla的赚钱能力能否支撑AGI研发的巨大支出。目前我们看到微软、谷歌都是近千亿美金每年的投入,Meta也有400亿美金的投入,Tesla每年赚取的利润不足100亿,手里现金也仅100多亿,其目前过重的制造业又需要巨额资本支出,因此,Tesla是牌桌上体量较小的玩家。
15.随着上半年Tesla汽车销量进一步下滑,利润进一步下降,同时,人工智能方面今年有100亿美金的支出,同比去年大幅增加,如果叠加裁员的一次性成本支出,我不相信Tesla财报说的二季度现金流能转正的说法,都为短期带来巨大的不确定性。
=======================
和Tesla一起走过快十年了,几度相信Musk所说的FSD年内或最迟明年就能实现,几度失望,但我任然坚信Tesla是一家伟大的人工智能公司,其FSD一定能首先实现(目前看更可能是全球市场唯一赢家)。我认为对Tesla的投资,就是一家领先的(电动车+电池)制造业企业 + 一家人工智能初创企业风险投资。回头看,21年一万亿美金的Tesla,如果仅仅是制造业企业,就是一个大泡沫,如果是一家三四千亿的制造业企业,那么其余6000亿就是人工智能风险投资,这也是泡沫。因此,当前五千亿美金,就更多是一家制造业企业的较高估值,外加一笔千亿级潜力巨大的人工智能风险投资。
还是那句老话,前途是光明的,道路是曲折的。借用下面这个故事与大家共勉。
AI崛起,算力先行。参考创新药、智能手机、新能源车这么多前车之鉴,都是上游最先发力的。看好这波云计算