前有Uber质疑、后有比亚迪追赶,留给特斯拉的时间不多了

原创 美股研究社 2024-08-15 20:45

戳👇🏻关注 社长带你港股掘金


“美国FSD”VS“中国车路云”,无人出租车的最优解是什么?


来源 | 美股研究社


在电影《大空头》里,当市场发生动荡、投资者失去信心、曾经热闹的办公室里只剩自己一个人时,主角迈克尔-贝瑞却仍然坚持自己的观点:“现实中存在着一个奇怪但却千真万确的现象:你越接近市场,就越难发现它的愚蠢。”

         

 

如今的马斯克,似乎也处在同样的境地:外界质疑声不断、市场对于特斯拉画下的“大饼”早已不耐烦,而马斯克却仍然对Robotaxi固执己见。


8月11日,Uber首席执行官CEO达拉科斯罗萨西在参加节目时,表达了他对特斯拉机器人出租车计划的疑虑。他认为,马斯克关于Robotaxi的想法“可能存在很大的问题”。

         

 

Uber此番公开质疑特斯拉的背后,是客观讨论还是另有打算?在特斯拉拒绝与Uber合作的同时,比亚迪却选择了与Uber合作,中美两大新能源巨头为什么会做出截然相反的两种选择?特斯拉的FSD方案会是无人出租车行业的最优解吗?

         

 



公开质疑马斯克 

 Uber打的什么算盘?






在马斯克的计划里,特斯拉的无人出租车方案将于2024年10月推出。届时,特斯拉车主能够在不使用车辆时将其作为出租车租出去,从而创建一个类似共享汽车性质的自动驾驶出租车车队,车主每年最多可从中获得3万美元的收入。

         

 

客观地说,马斯克的计划确实存在着一定的颠覆性。一方面,无人出租车能够帮助FSD积累大量数据,加快其迭代。另一方面,无人出租车计划变相地降低了购车成本,能够拯救特斯拉2024年以来逐渐下滑的销量。

         

 

然而,在Uber的CEO看来,这个计划存在着三大硬伤:

         

 

1.出租车行业的用车需求存在较强的用车周期性。在上下班和节假日等出行高峰时段,车主本身往往也存在着用车需求,因此二者之间存在时间上的重合。

         

 

这就使得特斯拉原定计划中最关键也是最吸引人的部分--“通过出租获得租金来降低购车成本”这一点得到极大地削弱。相比之下,Uber可以迅速调整兼职司机的数量,在应对高峰时段或大型活动期间的需求方面有着更充足的经验。

         

 

2.美国的出行市场整体上还没有为无人出租车做好准备。一方面,不同州之间法律条文、营运制度尚未达到统一,因此想要实现规模化的落地存在困难。另一方面,从用户教育来说,他“不清楚”普通特斯拉车主是否愿意“让一个完全陌生的人乘坐他们的车”。

         

 

毕竟,永久的车辆所有权和短暂的车辆使用权之间还是存在着巨大的差异,这意味着乘客和车主之间对待车辆的态度有着天差地别。

         

 

3.共享汽车业务本质和出行平台业务类似,核心都是通过算法来匹配运力和需求。而这与特斯拉现有的能源、AI、汽车制造业务之间都存在着巨大的差异。要想实现马斯克计划中的服务水准,特斯拉需要重新构建一个出行平台以及配套的客服、运营体系。

         

 

用Uber CEO的话来说,打造一个价值5万美元的硬件(如汽车),与每天驱动3000多万次交易相比,是“非常非常不同的业务”。

         

 

从Uber最近的财报来看,其打车业务仍然保持着25.3%的高增速。相对于美国经济整体的衰退局势,堪称逆势增长。因此,Uber CEO 在对特斯拉模式表示怀疑的同时,仍然保留了合作的态度。“我们花了15年时间,投入了数百亿美元的资金,可以立即将其提供给合作伙伴,希望特斯拉能成为我们的合作伙伴之一。”

         

 

对于Uber来说,如果能够与特斯拉达成合作,鉴于后者在北美市场庞大的保有量,或许能给Uber的打车业务带去更广阔的想象空间。从这个角度来看,与其说Uber在质疑马斯克,不如说Uber是在以提建议的形式向特斯拉传递出合作的“橄榄枝”。

         

 



被特斯拉拒绝的Uber

为什么成为了比亚迪的“香饽饽”?






事实上,此前TSLA和Uber就曾有过合并的传闻。这两家企业共同的早期投资人Jason Calacanis曾经表示:“特斯拉应该跟Uber合并,合并后的新公司将碾压业内任何对手。”

         

 

而根据美国《财富》杂志记者Adam Lashinsky报道,Uber的CEO也曾找到过马斯克,提出双方合作一起做Robotaxi,但被马斯克断然拒绝了。随后,特斯拉公布了自己的无人出租车计划并且推出禁令,宣布禁止用户加入Uber的商用自动驾驶网络。

         

 

    

不过,在被特斯拉拒绝之后,Uber却与中国的比亚迪达成了合作。7月31日,比亚迪官宣与Uber成为战略合作伙伴,并宣布将在新车型的供应和无人出租车两个领域展开合作。

         

 

同样是新能源领域的巨头,为什么比亚迪和特斯拉对Uber的态度截然不同?

         

 

这与双方对无人出租车以及自动驾驶的理解不同有关:

         

 

一方面,马斯克认为:无人出租车其实一直面临的都是规模的问题。除了车辆数量以外,无人出租服务的覆盖范围大小才是决定业务能否成功放量的关键。

         

 

而Waymo和Cruise等公司在扩大运营范围时就遇到了一个很棘手的问题:每当公司需要开拓一片新的服务区,他们需要对其进行高精度的测绘。这就导致了整个无人出租车业务的扩张效率被严重降低。

         

 

而特斯拉的FSD不同。在马斯克看来,FSD理论上可以在任何地方使用,因为它基于纯视觉原理,用“摄像头+神经网络”的形式来解决一切地形问题。因此,马斯克一直不看好Uber。他认为该公司的技术、体验都不够出色。他坚持要依靠FSD来做自己的“特斯拉计划”。

         

 

另一方面,比亚迪的态度在转变。

         

 

2022年下半年,全球范围内自动驾驶公司都迎来了寒冬。当时,由福特、大众共同投资的自动驾驶公司Argo AI倒闭,Mobileye市值严重缩水、Uber自动驾驶部门5年烧光25亿美元,其他企业比如Aurora、Luminar等多家业内知名公司也都遇到了各种困境。

         

 

在那个时间节点,市场对自动驾驶的普遍认知是:落地时间长、资源投入大、商业化落地难以实现。因此,当时的比亚迪认为完全自动驾驶基本是不可能实现的。王传福更是在2023年初的财报交流会上直言,“无人驾驶是扯淡,是一场皇帝的新装。”

         

 

然而,随着时间的推移和技术的进步,以百度萝卜快跑为代表的无人出租车展现出强大的市场潜力之后,比亚迪打消了顾虑,开始加强智能驾驶实力,补齐短板。

         

 

在2024年6月的比亚迪股东大会上,王传福说,在智能驾驶方面,比亚迪很快就会超越。目前,比亚迪已经投入4000多名研发人员用于智能驾驶的研发,覆盖软件、算法、芯片、智能驾驶方案等方面。计划投入生成式AI、大模型等智能驾驶技术研发的资金超千亿元。

         

 

从这个角度来看,就能理解为什么比亚迪和特斯拉对Uber的态度有所不同:

         

 

在电动化领域已经取得了优势的比亚迪希望通过与Uber联手,来加强自己在AI大模型、智能驾驶领域的能力。而特斯拉则对FSD有着足够的自信,相信能够凭一己之力来实现自己的无人出租车计划。

         

 



中国的无人驾驶超越美国

 还要等多久?






不过,即使是特斯拉引以为傲的FSD,也在面临着追赶:目前,百度、蔚来、文远知行、滴滴、小鹏等企业都推出了和特斯拉FSD类似的端到端AI大模型。

         

 

并且,从以下两个角度来看,尽管特斯拉的FSD面世时间较早,在算力储备、数据积累和模型迭代次数方面存在着优势,但国内的模型同样存在着“后发而先至”的可能。

         

 

1.FSD的问题:主要包括成本端和技术端。成本端,随着模型能力的提升,每一次迭代所需要的数据都比以往更多。斯坦福大学人工智能研究所副所长克里斯托弗·曼宁表示,“不断增加的研究复杂性和竞争性,使得最前沿的AI模型的训练成本不断上升,AI对数据的需求呈指数级上升。而迅速膨胀的数据规模也意味着要用更多算力进行支持,相关的GPU和电力成本也成了AI模型的一大制约因素。”

         

 

         

 

而在技术端,单车智能的进化本身就存在着瓶颈。这就导致,尽管模型经历过多次的迭代,大模型加持下的单车智能在上路时仍然会面临各种各样的安全长尾问题。即使现有模型能够解决行驶过程中99%的问题,但剩余1%的问题仍然无法解决。1%的事故率听上去很低,但是对于人命关天的道路安全来说已经足够致命。

         

 

2.中国的机会:既然单车智能存在上限,马斯克也开始考虑车与道路的交互,在数千个美国复杂路口进行有针对性地测试。而这一点在中国有个更概括的名字--“车路云”

         

 

相比于单车智能“点”的提升,车路云更像是“面”的统筹,是为了弥补单车智能在复杂场景下的感知不足,通过整合交通关键要素、超视距感知、实时信息共享等方式,从而提高自动驾驶的可靠性和安全性的一种解决方案。

         

 

而目前,中国庞大的公路网络以及机动车保有量已经成为了车路云体系进化的坚实基础。据《车路云产业产值预测》报告,2025年/2030年我国车路云一体化智能网联汽车产业总产值增量分别为7295亿元/25825亿元,年均复合增长率将会达到28.8%。

         

 

从这个角度来看,国内车企如果能够把握住机会,将单车智能与车路云充分融合,既能解决模型训练的数据问题,还能解决车端计算能力存在上限的问题。在将来,我国的无人驾驶行业或将形成与美国不同的差异化方案,从而进一步提高无人驾驶的安全性,实现1+1>2的效果。


美股研究社 美股研究社,一个专注研究美股的平台,专业的美股投资人都在这.想了解美国股市行情、美股开户、美股资讯、美股公司;
评论 (0)
  • 故障现象一辆2016款奔驰C200L车,搭载274 920发动机,累计行驶里程约为13万km。该车组合仪表上的防侧滑故障灯、转向助力故障灯、安全气囊故障灯等偶尔异常点亮,且此时将挡位置于R挡,中控显示屏提示“后视摄像头不可用”,无法显示倒车影像。 故障诊断用故障检测仪检测,发现多个控制单元中均存储有通信类故障代码(图1),其中故障代码“U015587 与仪表盘的通信存在故障。信息缺失”出现的频次较高。 图1 存储的故障代码1而组合仪表中存储有故障代码“U006488 与用户界
    虹科Pico汽车示波器 2025-04-23 11:22 107浏览
  •   有效样本分析决策系统平台全面解析   一、引言   北京华盛恒辉有效样本分析决策系统在当今数据驱动的时代,企业、科研机构等面临着海量数据的处理与分析挑战。有效样本分析决策系统平台应运而生,它通过对样本数据的精准分析,为决策提供有力支持,成为提升决策质量和效率的关键工具。   应用案例   目前,已有多个有效样本分析决策系统在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润有效样本分析决策系统。这些成功案例为有效样本分析决策系统的推广和应用提供了有力支持。   二、平台概述
    华盛恒辉l58ll334744 2025-04-24 11:13 95浏览
  •   后勤实验仿真系统平台深度解析   北京华盛恒辉后勤实验仿真系统平台依托计算机仿真技术,是对后勤保障全流程进行模拟、分析与优化的综合性工具。通过搭建虚拟场景,模拟资源调配、物资运输等环节,为后勤决策提供数据支撑,广泛应用于军事、应急管理等领域。   应用案例   目前,已有多个后勤实验仿真系统平台在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润后勤实验仿真系统平台。这些成功案例为后勤实验仿真系统平台的推广和应用提供了有力支持。   一、核心功能   (一)后勤资源模拟
    华盛恒辉l58ll334744 2025-04-23 15:39 168浏览
  •   电磁频谱数据综合管理平台系统解析   一、系统定义与目标   北京华盛恒辉电磁频谱数据综合管理平台融合无线传感器、软件定义电台等前沿技术,是实现无线电频谱资源全流程管理的复杂系统。其核心目标包括:优化频谱资源配置,满足多元通信需求;运用动态管理与频谱共享技术,提升资源利用效率;强化频谱安全监管,杜绝非法占用与干扰;为电子战提供频谱监测分析支持,辅助作战决策。   应用案例   目前,已有多个电磁频谱数据综合管理平台在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润电磁频谱数
    华盛恒辉l58ll334744 2025-04-23 16:27 192浏览
  •   无人机结构仿真与部件拆解分析系统平台解析   北京华盛恒辉无人机结构仿真与部件拆解分析系统无人机技术快速发展的当下,结构仿真与部件拆解分析系统平台成为无人机研发测试的核心工具,在优化设计、提升性能、降低成本等方面发挥关键作用。以下从功能、架构、应用、优势及趋势展开解析。   应用案例   目前,已有多个无人机结构仿真与部件拆解分析系统在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润无人机结构仿真与部件拆解分析系统。这些成功案例为无人机结构仿真与部件拆解分析系统的推广和应用提
    华盛恒辉l58ll334744 2025-04-23 15:00 201浏览
  •   航空兵训练与战术对抗仿真平台系统解析   北京华盛恒辉航空兵训练与战术对抗仿真平台系统是现代军事训练的关键工具,借助计算机技术构建虚拟战场,支持多兵种协同作战模拟,为军事决策、训练及装备研发提供科学依据。   应用案例   目前,已有多个航空兵训练与战术对抗仿真平台在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润航空兵训练与战术对抗仿真平台。这些成功案例为航空兵训练与战术对抗仿真平台的推广和应用提供了有力支持。   一、系统架构与核心功能   系统由模拟器、计算机兵力生
    华盛恒辉l58ll334744 2025-04-24 16:34 108浏览
  •   海上训练与保障调度指挥平台系统解析   北京华盛恒辉海上训练与保障调度指挥平台系统是现代海上作战训练的核心枢纽,融合信息技术、GIS、大数据及 AI 等前沿技术,旨在实现海上训练高效组织、作战保障科学决策。以下从架构功能、应用场景、系统优势及发展挑战展开解读。   应用案例   目前,已有多个海上训练与保障调度指挥平台在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润海上训练与保障调度指挥平台。这些成功案例为海上训练与保障调度指挥平台的推广和应用提供了有力支持。   一
    华盛恒辉l58ll334744 2025-04-24 15:26 84浏览
  •   陆地装备体系论证与评估综合平台系统解析   北京华盛恒辉陆地装备体系论证与评估综合平台系统是契合现代军事需求而生的专业系统,借助科学化、智能化手段,实现对陆地装备体系的全方位论证与评估,为军事决策和装备发展提供关键支撑。以下从功能、技术、应用及展望展开分析。   应用案例   目前,已有多个陆地装备体系论证与评估综合平台在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润陆地装备体系论证与评估综合平台。这些成功案例为陆地装备体系论证与评估综合平台的推广和应用提供了有力支持。
    华盛恒辉l58ll334744 2025-04-24 10:53 105浏览
  •   通用装备论证与评估系统平台解析   北京华盛恒辉通用装备论证与评估系统平台是服务军事装备全生命周期管理的综合性信息化平台,通过科学化、系统化手段,实现装备需求论证、效能分析等核心功能,提升装备建设效益。   应用案例   目前,已有多个通用装备论证与评估系统在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润通用装备论证与评估系统。这些成功案例为通用装备论证与评估系统的推广和应用提供了有力支持。   一、系统分层架构   (一)数据层   整合装备性能、作战、试验等多源异
    华盛恒辉l58ll334744 2025-04-24 16:14 91浏览
  • 前言本文主要演示基于TL3576-MiniEVM评估板HDMI OUT、DP 1.4和MIPI的多屏同显、异显方案,适用开发环境如下。Windows开发环境:Windows 7 64bit、Windows 10 64bitLinux开发环境:VMware16.2.5、Ubuntu22.04.5 64bitU-Boot:U-Boot-2017.09Kernel:Linux-6.1.115LinuxSDK:LinuxSDK-[版本号](基于rk3576_linux6.1_release_v
    Tronlong 2025-04-23 13:59 141浏览
  •   复杂电磁环境模拟系统平台解析   一、系统概述   北京华盛恒辉复杂电磁环境模拟系统平台是用于还原真实战场或特定场景电磁环境的综合性技术平台。该平台借助软硬件协同运作,能够产生多源、多频段、多体制的电磁信号,并融合空间、时间、频谱等参数,构建高逼真度的电磁环境,为电子对抗、通信、雷达等系统的研发、测试、训练及评估工作提供重要支持。   应用案例   目前,已有多个复杂电磁环境模拟系统在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润复杂电磁环境模拟系统。这些成功案例为复杂电
    华盛恒辉l58ll334744 2025-04-23 10:29 185浏览
  •   高海拔区域勤务与装备保障调度系统平台解析   北京华盛恒辉高海拔区域勤务与装备保障调度系统平台专为高海拔特殊地理环境打造,致力于攻克装备适应、人员健康保障、物资运输及应急响应等难题。以下从核心功能、技术特点、应用场景及发展趋势展开全面解读。   应用案例   目前,已有多个高海拔区域勤务与装备保障调度系统在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润高海拔区域勤务与装备保障调度系统。这些成功案例为高海拔区域勤务与装备保障调度系统的推广和应用提供了有力支持。   一、核心
    华盛恒辉l58ll334744 2025-04-24 10:13 97浏览
  •   陆地边防事件紧急处置系统平台解析   北京华盛恒辉陆地边防事件紧急处置系统平台是整合监测、预警、指挥等功能的智能化综合系统,致力于增强边防安全管控能力,快速响应各类突发事件。以下从系统架构、核心功能、技术支撑、应用场景及发展趋势展开全面解读。   应用案例   目前,已有多个陆地边防事件紧急处置系统在实际应用中取得了显著成效。例如,北京华盛恒辉和北京五木恒润陆地边防事件紧急处置系统。这些成功案例为陆地边防事件紧急处置系统的推广和应用提供了有力支持。   一、系统架构   感知层:部
    华盛恒辉l58ll334744 2025-04-23 11:22 126浏览
我要评论
0
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦