深度解读AI 与大模型generatedpublished

6周里程暴涨62万英里:特斯拉Cybercab如何用拆箱制造与车队资产解耦重塑无人出行?

拆箱制造与车队资产解耦机制

在美国坐一趟网约车,每跑一英里大概要掏两到三美元。 如果换成谷歌旗下的 Waymo,车顶顶着一圈几十万的激光雷达,每英里的运营成本依然卡在一块钱以上。 但在上周奥斯汀的一场闭门活动上,特斯拉把这个数字直接打到了 30 美分。 足足砍掉了八九成。

紧接着公布的,是一组更让行业坐不住的数据。 7 月 22 日特斯拉开二季度财报会的时候,官方公布的无监管纯自动驾驶里程是 38 万英里。 仅仅过了六个星期,负责自动驾驶软件的副总裁阿肖克·埃卢斯瓦米(Ashok Elluswamy)上台宣布: 突破 100 万英里。 六周时间,净增了 62 万英里。 相当于一个半月跑出来的里程,是过去所有积累总和的 1.6 倍。

很多人看到这个数字,第一反应是:特斯拉的算法又突破了? 软件确实在加速。 但方舟投资(ARK Invest)的研究总监塔莎·基尼(Tasha Keeney)看完流出的现场细节,指出了一件几乎被所有人忽略的事: 决定无人出租车商业生死的,根本不光是代码。 关键在车本身。

为什么? 以前的无人驾驶公司是怎么做车的? 找一家传统主机厂,买一辆五到七万美元的现成豪华车。 比如捷豹,比如极氪。 车买回来,把车顶切开,焊上一整套激光雷达、毫米波雷达、高精摄像头,再在后备箱塞进一套水冷计算集群。 这么一通改装,单车硬件成本轻轻松松冲过十万美元。 车是能自己跑了,但十万美元一台车,每跑一英里的折旧、维护和传感器标定,成本根本下不来。 更要命的是资产负债表。 如果你是一家科技公司,想在全美铺上十万辆无人出租车,光是买车就得掏出一百亿美元现金。 哪家科技公司的账上经得起这么烧? 所以过去这几年,无人出租车永远只能在少数几个城市、特定的几条街区里打转。

再看特斯拉在奥斯汀拿出来的 Cybercab。 它是怎么破局的? 走,我们去看看这台车是怎么造出来的。 先看车体,把所有能砍的东西全砍光了。 车里没有方向盘,没有油门刹车踏板,连后视镜都省了。 而且它只有两个座位。 为什么只做两座? 查一下出行大数据就明白了:全美超过 80% 的网约车行程,车上只有一到两名乘客。 只做两座,车身重量瞬间压了下来,电池不用塞那么大,能耗跟着断崖式下跌。 动力系统也做了减法:电机里的稀土材料全部清零,甩掉了稀土供应链的风险。

车架又是怎么造的呢? 传统汽车制造,是一整个车壳在流水线上往前移,工人钻进车厢里装座椅、排线束。 Cybercab 换成了拆箱式制造工艺(Unboxed Process)。 把车拆成六个独立大模块,车门、底盘、内饰在各自的台位上装完,最后像拼积木一样卡在一起。 流水线占地面积直接砍掉了 90%。 生产周期大幅压缩,组装速度据测算快了五倍。 这么一通改造,高盛测算 Cybercab 的单车制造成本能压到两万到两万五千美元。 两万五千美元是什么概念? 折算到每跑一英里的车辆资产折旧,只有大约 10.4 美分。 算上极低的风阻和电费,每英里的综合运营成本能压到 20 到 30 美分。 人类司机的成本是两到三美元,里面大半是人工工资。 当无人车的每英里成本跌到三毛钱美金,甚至比普通人自己买车养车还要便宜的时候,整个出行市场的逻辑就被彻底改写了。

但车造得再便宜,两万五千美元也是真金白银。 如果特斯拉自己掏钱买下几百万辆车,再厚的资产负债表也得被拖垮。 钱从哪来? 在奥斯汀活动的同时,特斯拉官网上线了一个车队所有者申请入口。 看懂这个入口,才算看懂特斯拉的底牌。 官方只保留一小部分自有车队,用来做测试、开新城和兜底服务。 绝大部分车队资产,全交给外部第三方投资人。 你可以是一个买下三五台车的小散户,也可以是一家管理几千台车的小型车队公司。 你出钱买车、负责日常停放和保洁,车挂在特斯拉的网络里 24 小时跑单赚钱。 特斯拉提供无人驾驶系统、调度算法和客源网络,在每一单里抽取高毛利的平台分成。 重资产留给社会资本去消化,特斯拉自己做轻资产的调度平台。

把这几块拼图放在一起,你就能明白为什么无人驾驶里程会在六周之内突然爆发。 从 7 月底的 38 万英里,到 9 月初的 100 万英里。 特斯拉并没有等十万辆车全造好才开跑。 他们在奥斯汀已经注册了 45 辆 Cybercab,同时把无人驾驶网约车接入了达拉斯、休斯顿、坦帕、迈阿密和奥兰多。 车体成本被工业制造压到极致,资产又通过车队模式分散出去,商业落地的飞轮就从蹒跚起步变成了加速转动。 技术能不能改变世界,代码往往只负责推开第一扇门。 门后面的路能不能走通,靠的从来都是冰冷的工业制造,以及对每一分钱成本的极限榨取。

引用 / CITATIONS

No citations exported.

同领域解读 / AI & LLMS

查看全部「AI 与大模型」解读 →

导出 / EXPORT

订阅 · SUBSCRIBE

每周一封独立、不受审查的科技与 AI 深度评论,周一发出。带出处,可核查。

不追踪邮件打开与邮件链接点击,一键退订。 或用 RSS · 详情