← 返回张小珺主页
深度研究 Deep Dive

特斯拉股价跌了,Uber却涨了?

#79 漫谈特斯拉Robotaxi大会
2024.10 · 张小珺Jun|商业访谈录 · 嘉宾:孟醒
🎙 小宇宙 📺 B站 🎧 Apple Podcasts 🎵 Spotify

目录

  1. 发布会整体印象:Party而非发布
  2. 三大发布内容概览
  3. Supervised vs Unsupervised FSD
  4. 时间表的可信度分析
  5. 马斯克的两点理由与老故事
  6. CyberCab硬件设计点评
  7. BOM成本与Model 2的猜想
  8. 封闭测试场的技术含量
  9. Robotaxi运营成本经济学
  10. 商业模式:个人持有vs车队运营
  11. Robotaxi运维的真实复杂度
  12. Robovan与小巴商业困境
  13. Optimus机器人:丝滑背后的疑点
  14. 机器人与自动驾驶的技术同源性
  15. 二级市场投票:股价背后的信号
  16. 关键数据与判断汇总
  17. 启示与延伸思考

一、发布会整体印象:Party而非发布

2024年10月11日(北京时间),延期两个月的特斯拉Robotaxi大会终于在洛杉矶华纳兄弟工作室举行。孟醒(梦醒)与张小珺在第一时间做了逐字逐句的点评。

孟醒
感觉就是有点莫名其妙吧。发布会开始的时候延迟了半个多小时,然后发布会本身可能还没有延迟的时间长,可能在20多分钟就结束了。

从业者的两极反应

特斯拉信仰者

  • 活动前抱有极高期望
  • 活动后依然抱有极高期望
  • 承认"没有看到太多东西"
  • 但认为"没看到不代表做得不好"
  • 节奏可能速度很快

理性观察者

  • 活动前就认为特斯拉表达过高
  • 活动后依然唱衰
  • 认为"没有拿出东西是因为还拿不出"
  • 不是选择性不展示,而是能力不够
  • 整体非常仓促和粗糙

发布会的本质定位

孟醒的判断:这更像是给热忠粉特斯拉股东开的年会/Party。邀请规则是必须持有特斯拉股票才能参与抽奖入场,相当于一级市场创业公司请投资人来的年会氛围。"你们也不要太较真,跟我一起开心就好了。"发布会后YouTube还播了大概一个半到两个小时的Party镜头。

与其他发布会的对比

  • 有人与小米雷军7小时演讲类比——差距极大
  • 马斯克准备的稿"断断续续的,讲一句没讲一句"
  • 观众喊一句他还要响应回话,"完全不像是一个正常发布式的节奏"
  • 孟醒指出特斯拉历史上除AI Day外,很多场景发布会"都是有点粗糙和简单的"
  • Model 3的发布会可能比这次还短

二、三大发布内容概览

整场发布会的核心内容可归纳为三大板块,但均未涉及任何技术细节。

CyberCab
Robotaxi无人出租车
Robovan
共享交通小巴士
Optimus
人形机器人编队

关键时间表

产品承诺时间具体内容
Unsupervised FSD2025年底在德州和加州部分区域实现无监督FSD,车上仍有司机但不需操作
CyberCab上路运营2026年,也许2027年Robotaxi正式运营服务
孟醒
我觉得这两个时间都是非常激进的。历史上看,马斯克从2019年说的所有关于时间的事,都没有兑现过,尤其关于FSD,每年都会说,每年都不对线。我觉得在这个时间表上加两到三年,可能是一个更正常一点的时间周期。
核心发现

完全没有技术展示

这次发布会一句话都没有讲关于FSD的软件能力进展。没有讲任何技术路线,也没有新车(Model 2/Model R)发布。原本预期的三件事——FSD进展、Robotaxi、新车——后两者都没干。唯一能推断的技术线索:在片场无车道线的环境中车辆正常行驶,说明大概率使用端到端方案而非传统车道线定位。

三、Supervised vs Unsupervised FSD:语词的狡猾

马斯克此次使用了Supervised/Unsupervised的新框架来描述FSD,刻意脱离了业界传统的L2/L3/L4分级体系。孟醒认为这是一种"偷巧"。

关键区分

L4的两层含义

传统L4同时包含两层:(1)功能层——车具备在各种场景中实现自动驾驶的能力;(2)责任层——出事由系统承担责任。特斯拉的Unsupervised FSD只声称了功能层,但回避了责任层。按中国法规描述,"可能还是算一个L2的设备"。

Supervised FSD(当前)

  • 司机需关注驾驶行为
  • 特殊情况需接管
  • 责任在驾驶员
  • 本质是高阶L2辅助驾驶

Unsupervised FSD(承诺)

  • 司机仍在驾驶位但可"睡觉"
  • 接管率极低到可忽略
  • 责任仍在驾驶员(未声称L4责任)
  • 本质是"更厉害的Supervised版本"
孟醒
马斯克在这里用词还是非常狡猾的。如果人真的坐在后排了,前排没有人,真出现情况你根本没有能力去接管了,那才是真的Unsupervised。但如果真实现这个,其实就跟Robotaxi没有区别了。

Remote Assist的缺失

L4框架中被忽略的关键组件

  • 当前L4框架中默认配备远程安全员/远程协助员(Remote Assist)
  • 处理交警、复杂障碍物等长尾场景
  • 激活频次并不低
  • 特斯拉的描述中完全没有提及任何云端人工辅助能力
  • "至少在今天的L4框架里面,有点不太符合主流的认知"

逻辑漏洞

如果2025年就能实现真正的Unsupervised(即L4水平),那为什么CyberCab要到2026-2027年才能上路?"这两个时间表应该是一样的。"时间表的不一致本身暴露了Unsupervised FSD的真实含义远没有字面意思那么激进。

四、时间表的可信度分析

孟醒对特斯拉给出的时间表进行了系统性的可信度评估。

2019年至今

马斯克关于FSD的所有时间承诺无一兑现。"每年都会说,每年都不对线。"

2024年8月 -> 10月

Robotaxi发布会本身就延期了两个月,从8月8日推迟到10月11日。

2025年底(承诺)

Unsupervised FSD在德州和加州部分区域实现。孟醒判断"不太容易实现"。

2026-2027年(承诺)

CyberCab上路运营。孟醒建议"加两到三年"才是合理预期。

孟醒的理性预期

在所有给出的时间节点上加2-3年,即Unsupervised FSD可能到2027-2028年CyberCab运营可能到2028-2030年。马斯克自己也承认"一般会给一些比较激进的时间"。

五、马斯克的两点理由与"老故事"

马斯克为Robotaxi给出了两点核心理由,但孟醒认为两者都是"讲了十几年的老故事"。

理由一:成本效率

  • 乘用车一周168小时仅使用约10小时
  • 自动驾驶可提升利用率5-10倍
  • 孟醒评价:这是共享经济的理由,不是无人驾驶的特有价值
  • 滴滴、Uber、分时租赁早已在解决同一问题

理由二:安全优势

  • 自动驾驶安全性可达人类驾驶的10倍
  • 孟醒评价:是潜在可能性,但今天还远未达到
  • 考虑泛化能力和特殊场景,还在"追人类"
  • 特斯拉本身"远远低于人类的实际驾驶状况"
孟醒
我觉得马斯克准备的PPT准备的不是很用心。因为如果是任何一家其他车企或自动驾驶公司今天开个发布会,还用这种PPT来去讲,大家就会认为他真的是没好好准备。

无人驾驶的真正增量价值

孟醒指出,无人驾驶相对网约车的真正增量不在于"提高利用率"(网约车已经做到了),而在于将司机成本无限降低,使得"能开车的供给无限增多"。但这个真正有差异化的故事,马斯克反而没有清晰地讲出来。

六、CyberCab硬件设计点评

CyberCab是本次发布会的核心产品——一款无方向盘、无刹车、无油门、无后视镜的双座无人驾驶出租车。但孟醒的专业评价相当尖锐。

原生设计 vs 惯性设计

惯性成分大于原生设计

  • 遵循Model 3 / Cybertruck的家族设计理念和逻辑
  • "像是一个随着过去设计理念的惯性推演出来的小车的样子"
  • 唯一的"原生"部分只有没有方向盘等驾驶控制装置
  • 没有看出太多为网约车运营设计的考量

四个设计问题

问题具体分析
只有两个座位网约车平均订单人数1.6-1.8人,两座虽覆盖多数,但直接损失所有三人以上的订单。"做小并不意味着做便宜,也没有额外的特别大的好处。"
鹰翼门设计60岁以上老人上车困难——鹰翼门开启后形成斜面需低头弯腰,底盘又低。鹰翼门本身容易坏、维护成本高,失效概率远高于普通车门。
底盘过低结合鹰翼门,对行动不便人群极不友好。
缺乏运营考量没有可清洗坐垫设计,没有运营场景优化。与百度、Waymo等已投放的量产Robotaxi形成鲜明对比。
孟醒
这次的发布会,这个车本身,感觉起来都是仓促和赶的。但从另外一个角度也合理——他并不知道第一代的Robotaxi应该长成什么样。因为他还没有干过这件事情。

"Model 2"传闻的验证

过去一直有传说CyberCab实际上是Model 2(低成本车型)改造而来。孟醒认为"今天看起来非常符合这个说法"。特斯拉的Robotaxi经验为零——没有投放过测试车,没有积累过运营经验——在不知道最优解的情况下,"用一个现有的低成本方案直接附用,然后在基础上迭代,可能也是一个合理的解"。

七、BOM成本与Model 2猜想

孟醒引用了与行业人士的讨论,给出了关键的成本数据。

<3万
CyberCab售价(美元)
~12-13万
Model 3 BOM成本(人民币)
<10万
CyberCab BOM成本(人民币)
2-3万
两者BOM差距(人民币)

硬件配置推断

与量产车同一套系统

  • 使用与Model 3同系列的自动驾驶硬件套件(AI 5.0 / Hardware 5.0)
  • 没有激光雷达或其他额外的L4专用传感器
  • 技术路线应该与FSD一致,不存在独立的Robotaxi技术体系
  • CyberCab大概率直接搭载FSD的现有版本

孟醒指出,BOM不到10万的成本"不是一定要做到这么小"——市面上已有很多不贵但空间更宽裕、能坐三四人的车型。做小更多是设计惯性和视觉效果的结果,而非成本驱动的必然选择。

八、封闭测试场的技术含量

CyberCab的展示在华纳兄弟工作室的片场进行。孟醒从专业角度解释了不同测试环境的难度分级。

自动驾驶测试环境难度金字塔
级别名称特征代表
最简单封闭测试场封闭环境,所有交通状况(道路、红绿灯、人、车)都是设计好的CyberCab本次展示
中等固定路线+开放场景公开道路,但只能从A到B固定路线早期L4测试
较难开放路线+开放场景给定一片区域,点到点随意出行Waymo、百度等当前运营
孟醒
它在一个片场的道具场景中,地面上没有车道线,所以至少说明它大概率可能是一个端到端的方案。而且20辆CyberCab之间也有一些简单的交互——前车停下时后车会绕行超越——说明大概率不是写死了一套固定路线。

仅有的技术线索

由于没有任何技术讲解,观察者只能从展示行为中推断:(1)不依赖车道线定位,暗示端到端方案;(2)车辆之间有简单的动态交互;(3)但整个场景太简单——"基本上看不出任何技术的实际实现情况",有点像"驾校里头内部的那种练习场"。

九、Robotaxi运营成本经济学

马斯克声称CyberCab的运营成本将降至每英里约0.2美元(含税费总成本0.3-0.4美元),相比城市公共巴士每英里1美元降低80%。孟醒对此进行了逐项拆解。

Robotaxi成本结构分析:马斯克 vs 孟醒

马斯克的计算

  • 有人驾驶:$1/英里
  • 无人驾驶:$0.2/英里
  • 降幅:80%
  • 隐含假设:人的成本占90%

孟醒的修正

  • 人的成本实际占比:约50%-60%
  • 去掉人后需新增10%-20%成本(传感器、保险、运维等)
  • 净降幅:约30%-40%
  • 实际成本:约$0.6-0.7/英里

被忽略的新增成本

去掉人之后需要额外承担的费用

  • 计算力芯片和传感器——虽然特斯拉量产车可能标配,但仍是成本
  • 保险费用大幅增加——无人驾驶车的保险成本显著高于有人驾驶
  • 运维费用增加——原来由司机自行承担的运维(充电、洗车、维修)变成刚性运营成本
  • 远程监控系统——安全员、数据传输等基础设施
孟醒
如果把这些都算上以后还能降80%,那就说明人的占比可能是90%。我觉得这个可能不是一个很合理的推测,更像是拍脑子说的一个结果。

十、商业模式:个人持有 vs 车队运营

马斯克提出了一个"牧羊人"模式——个人可以像牧羊一样管理一群CyberCab,成为个体户式的Car Partner。孟醒从网约车运营的实战经验出发,对此进行了深度分析。

行业知识

网约车产业链结构

在现有网约车体系中,CP(Car Partner)是资产持有方,买入大量车辆后租给司机;DP(Driver Partner)负责招募司机。中国约有几千家CP,大的持有几万辆车,小的几十辆。CP之所以是CP而非个人,核心原因是资金成本差异——大型机构能拿到远低于个人的融资成本。

个人持有模式的三个问题

为什么"个体户管一批车"不太可行

  • 资金成本最贵:个人借贷成本最高,公司更便宜,大公司更便宜,有国有背景的更便宜。"有的人就是拿钱便宜,这是一个非常既成事实的事。"
  • 跨行业规律:任何重资产领域,持有资产的都不是小个体户,而是能拿到低资金成本的大实体
  • 历史验证:很多CP背后是车企(有融资租赁业务)或有特殊资源的公司,不是普通个人

更可行的模式

孟醒认为更接近马斯克"原教旨"设想的模式是:个人只持有自己的一辆车,自己开的时候自己用,不用的时候放到网络里做网约车服务——类似分时租赁。这既解决了最大化使用率,又不带来个人承担不起的资金负担。但由此带来的新问题是:个人愿意买的车和适合做网约车的车,往往不是同一辆车。CyberCab只有两座、空间很小,"很显然不是大家最愿意买的私家车"。

十一、Robotaxi运维的真实复杂度

孟醒详细拆解了无人驾驶运营中最容易被低估的部分——没有司机之后谁来做司机做的"其他事情"

司机的隐形工作清单

工作类型具体内容频率无人化难度
充电/加油判断电量、找充电桩、导航到地库、倒车入库、拔插充电枪、支付高频极高
洗车(外部)自动化洗车设施中频中等
洗车(内部)吸尘、擦拭座椅和脚垫等不平整面中频极高
违章处理罚款、与交警交涉低频
等活停车选择合规的停靠点高频中等
车辆维护日常检查、送修低频

充电场景的完整挑战链

步骤1:判断与决策

系统需判断何时停止接单、剩余电量是否足够开到充电桩。

步骤2:导航至充电桩

很多充电桩在地下车库,地库可能没有地图数据。

步骤3:倒车入位

大多数L4 Robotaxi不具备自动倒车能力,需远程安全员监控下完成,因为倒车是更危险复杂的场景。

步骤4:物理操作

打开充电盖、拔下充电枪、插入充电口——需要灵巧手操作。

步骤5:支付与离开

远程支付、归还充电枪、驶离。

Waymo的解决方案:建仓模式

集中式运维仓的权衡

  • 选择集中用人而非分布式自动化——建大型仓库,所有车回仓充电维护
  • 优势:可以布置人力,不需要每个充电桩都派人
  • 劣势:仓可能建得远,产生无效里程;仓的选址面临物流仓一样的难题——离城市太远物流成本高,太近地租贵
  • 换电是另一种思路,但换电站成本高,且需统一车型和电池标准

十二、Robovan与小巴的商业困境

Robovan是一款16-20座的科幻风格小巴士。孟醒认为特斯拉"可能并不是很严肃在做这件事"。

行业现实

小巴商业模式的结构性问题

小巴介于公共交通与网约车之间:体验比公交好但比网约车差,成本降低有限但收费要大幅下降。结果是毛利不高,大多数地方靠地方政府补贴存活。"无论是无人驾驶还不是无人驾驶,可能相对于Robotaxi或其他模式来讲,都不是那么好的一个商业模式。"

国内外已有大量先例

小巴落地现状

  • 国内:文远知行、轻舟智航等均已做过类似产品,在广州、苏州等地部署
  • 海外:欧洲、新加坡均有落地案例
  • 总量有限,大多与地方政府合作,性质更接近便民设施而非商业项目
  • "更像是一个大家纳税然后取得的一个服务,不是一个民营企业用来挣钱的事情"

Robovan更像是逻辑展示

孟醒判断Robovan的核心目的是展示一个逻辑链:"如果CyberCab能从$1降到$0.2/英里,那把更多人集中在一起岂不是能降得更低?"但这只是逻辑实体化的展示效果。可能的应用场景——比如给NBA球队做球员大巴——"卖不了多少,这个市场不会很大"。

十三、Optimus机器人:丝滑背后的疑点

Optimus人形机器人反而成为整场活动最超预期的部分,但也引发了最大的争议。

展示内容分层

展示类型内容可信度
编队行走十几到二十几台机器人一起摇晃走出来中等——"还不错但不能说很超乎预期"
静态交互站在固定位置,腿不动,上肢与人做丰富交互高度可疑
语音对话自如应答,主动发起互动(如唱生日歌)可能用大模型驱动
手部动作猜拳、调酒等,极度丝滑高度可疑——80%概率是遥操作

为什么判断是遥操作

三个关键线索

  • 线索一:不必要的小动作——猜拳时右手出拳,左手会有一个"没有必要的小动作"。"这非常像人会做的事情",除非是端到端模仿学习把小动作都学会了,否则不应该有
  • 线索二:腿不动——所有展示交互的机器人都是静态站立、只有上肢活动。如果一边走一边做手部操作,遥操作就非常困难了
  • 线索三:延迟特征——"不长也不短的那种延迟",符合遥操作的通信延迟特征
孟醒
我昨天跟很多做机器人的人一起聊了一下,大概率认为,就80%的信心指数,认为这应该是遥操作做出来的结果。

Optimus给自己挖的坑

如果这次展示确实是遥操作,那特斯拉面临一个两难:下次发布必须展示不用遥操作的真实能力,但大家的预期已经被拉到了"这次丝滑"的水平。即使下次真正做到自主操作但达不到遥操作的丝滑度,观感反而会是退步。"给自己拉了一个非常高的预期,并不是特别有效。"

十四、机器人与自动驾驶的技术同源性

马斯克宣称机器人和无人驾驶技术是"同源"的——只是一个有胳膊有腿没有轮子。孟醒从技术细节层面进行了拆解。

可以共用的部分

  • Data Infrastructure(数据基础设施)
  • 数据收集、清洗、标注体系
  • 端到端架构的通用框架
  • 感知系统的基础能力

根本不同的部分

  • 场景复杂度:机器人面对的世界知识需求远超驾驶
  • 任务多样性:调酒、猜拳、唱歌每个都是不同体系
  • 异常处理:酒瓶盖飞了怎么办?需要大量常识推理
  • 系统一/系统二比例完全不同

系统一 vs 系统二的调用比例

驾驶与机器人操作的根本差异

  • 驾驶:99%是系统一(快思考),极少需要复杂推理。孟醒举例:在北京开车完全不调用系统二,但在澳洲右舵驾驶时需要不断思考"该先看左还是看右"
  • 机器人操作:基本上"一直开着系统二"在工作,不断出现新场景需要常识和推理
  • 这意味着两者所需的训练数据、模型能力、调用方式都根本不同

当前机器人技术的真实水平

理论通用性提升 vs 实际鲁棒性不足

  • 以Stanford的Mobile ALOHA为代表,遥操作训练出的模仿学习已能在家用场景实现倒东西、整理物品
  • 但鲁棒性存疑——"把桌面颜色从木质变成绿色,可能所有事都fail了"
  • Mobile ALOHA团队自己发布过失败案例合集——"不要看着我们这么酷炫,背后失败的情况也是非常多的"
  • 核心是上限提高但下限不可控——与特斯拉FSD转端到端后面临的问题一样

十五、二级市场投票:股价背后的信号

发布会后的资本市场反应是本期播客标题的来源——也是最能说明问题的一组数据。

发布会后股价变动
-4~5%
特斯拉夜盘跌幅
+8~10%
Uber开盘涨幅
孟醒
这是一个二级市场投资人用钱来去投票,对于发布会的感受的一个结果。觉得特斯拉好像没有兑现他说的这些东西。反过来讲,Uber最受威胁的竞争对手,现在反而是稳了。

为什么特斯拉一定要讲Robotaxi故事

三层战略逻辑

  • 技术地位:如果能做到Robotaxi,说明自动驾驶技术不逊于Waymo等专业玩家,且有"更多车、更多数据"的飞轮故事
  • 商业模式扩展:在卖车毛利之上增加运营收入——类似GM做Cruise、曹操出行/如祺出行的逻辑
  • 闲置资产变现:车辆不开时两种变现方式——(1)当Robotaxi跑单;(2)当分布式计算中心。马斯克声称每辆车有1000瓦推理算力,"这可能就是世界上最大的超算中心"

"他还是太会讲故事了"

孟醒评价马斯克"一个故事可以反复重复利用很多遍"。分布式计算的option value确实存在——蔚来李斌也讲过类似的话——但这终究是一个"潜在的并没有被开发出来的价值",属于典型的vision narrative而非near-term reality。

十六、关键数据与判断汇总

判断项孟醒的评估
CyberCab车辆可信——车做出来了,能交付且成本可控
售价低于3万美元可信——对特斯拉这样的车厂不难
2025年Unsupervised FSD打巨大问号——本质可能是高阶L2,非真L4
2026年Robotaxi运营需加2-3年——合理预期2028-2030年
$0.2/英里运营成本不合理——合理估计$0.6-0.7/英里(降30-40%非80%)
个人"牧羊"商业模式不太可行——资金成本决定了重资产由大机构持有
Optimus机器人展示80%概率是遥操作,不代表真实能力
机器人与FSD技术同源数据基础设施可共用,但场景和能力需求根本不同
马斯克时间表历史记录2019年以来关于FSD的所有时间承诺均未兑现
美国网约车每英里收费一线城市约$2.8-3.8
司机成本占比约50-60%(非马斯克暗示的80-90%)
中国CP数量约几千家,大的持有几万辆车,小的几十辆

十七、启示与延伸思考

1. 发布会形式与内容的错配暴露了技术真实状态

特斯拉选择在影视片场而非真实道路展示,发布会仅20多分钟且零技术内容,这些"选择"本身就是信息。当一家公司能展示硬实力时不会选择搞Party;选择搞Party往往是因为硬实力还展示不出来。二级市场的即时反应(特斯拉跌、Uber涨)精准地编码了这个判断。

2. Supervised/Unsupervised的话语框架是精心设计的叙事策略

马斯克刻意绕开L2/L3/L4的传统分级体系,自创Supervised/Unsupervised二分法。这让他可以在不承诺L4级别责任的情况下,给出"Unsupervised"这个在字面上等同于L4的承诺。孟醒将其拆解为"更厉害的Supervised版本"——本质仍是L2的接管率提升。语言的选择往往比技术本身更能影响市场预期。

3. 实际运营经验的缺失是特斯拉最大的盲区

从CyberCab的双座设计、鹰翼门选择、缺乏清洗考量等细节可以看出,特斯拉对Robotaxi的理解还停留在"设计一辆酷车"的层面,而非"运营一个出行服务"的层面。这与已经投放了数百上千辆测试车的Waymo、百度形成鲜明对比。运营know-how不是靠理论推演获得的——你必须真正干过才知道"充电枪怎么插"这种问题的存在。

4. 重资产运营的经济学不会因无人驾驶而改变

马斯克设想的"个人牧一群CyberCab"模式,违背了所有重资产行业的基本规律:资金成本决定了资产持有方必须是大机构。这个规律在出租车、卡车、物流、房地产等行业已被反复验证,不会因为"无人驾驶"这个前缀而失效。更可能的模式是少数大型CP持有车队、通过平台运营。

5. 运维是Robotaxi最容易被低估的成本黑洞

孟醒从充电场景展开的分析链(判断电量-导航到地库-倒车入位-物理操作充电枪-支付离开)表明,去掉司机不只是省了"开车"这一件事的成本,同时丢失了司机默默承担的十几项运维工作。Waymo的解决方案——建仓集中用人——说明即使是最领先的L4公司,也无法完全自动化这些工作,只能用"中间状态"勉强覆盖。

6. 机器人的"丝滑展示"可能是长期品牌负债

如果Optimus的展示确实是遥操作(80%概率),特斯拉实际上设置了一个几乎不可能达到的公众预期基线。下一次展示要么继续遥操作(失去可信度),要么展示真实能力但不如遥操作丝滑(被解读为退步)。这是"demo overpromise"的典型陷阱——短期震撼效果换来长期品牌负债。

7. 马斯克的叙事能力是特斯拉最强也最危险的资产

"一个故事可以反复重复利用很多遍"——从闲置车辆利用率到分布式计算平台到能源效率,马斯克能把同一个option value包装成多个独立的宏大叙事。这种叙事能力支撑了特斯拉的高估值,但也制造了"预期-现实"的持续缺口。当故事讲了太多遍而Reality check的结果持续低于预期时,叙事溢价终将被重新定价——这正是发布会当晚股价下跌的本质含义。

延伸阅读