据报道，RAP1芯片采用台积电5纳米制程工艺，通过"多芯片封装"技术将处理与存储集成于单一模块，内存带宽达每秒205GB。两颗RAP1芯片组 成的Autonomy Compute Module 3系统，每秒可处理50亿像素数据，性能是现役英伟达方案的四倍。 Rivian方面表示，自研芯片是"实现L4级自动驾驶的关键转折点"。此前，Rivian依赖英伟达方案仅能提供L2级辅助驾驶，而RAP1与激光雷达的协 同将推动其向"免手驾驶"高级别自动驾驶迈进。更深层的目的在于垂直整合降本，通过消除供应商利润，规模化生产后成本可大幅下降。同时，自研 芯片与AI模型、传感器深度绑定，形成"数据采集-算法优化-硬件迭代"的闭环。 而被对标的特斯拉也并没闲着，特斯拉自研的AI5芯片计划2027年量产，采用3纳米制程工艺，算力达2000-2500TOPS，是现款HW4芯片的5倍。 其"半掩模版设计"简化生产流程，良品率提升30%，成本降低40%。更关键的是，AI5将统一汽车与机器人（Optimus）的算力平台，形成跨场景生态。 12月12日，据报道，"特斯拉劲敌"Rivian宣布推出首款定制人工智能芯片，用于在未来车型中取代英伟达 ...

ASIC行业兴起背景与驱动力 - 在AI算力需求爆发背景下，ASIC（专用集成电路）正成为半导体行业新风口，云服务巨头纷纷定制专属AI芯片，为ASIC设计服务商带来黄金时代[1] - ASIC诞生于20世纪80年代初，源于电子设备制造商对差异化定制芯片的强烈需求，以解决通用芯片难以精准适配特定应用场景的矛盾[2] - 2010年代深度学习突破和模型算力指数级增长（如GPT-3需数千块GPU协同工作数月）催生了对专用硬件的需求，谷歌TPU等ASIC芯片在性能上可达同期GPU的15-30倍，能效比提升30-80倍[5][6][8] ASIC的核心优势 - 性能极致优化：ASIC专为特定任务深度定制，可聚焦所有晶体管资源于神经网络核心操作（如矩阵乘法），而通用处理器需兼顾各种计算需求并在架构上妥协[7] - 功耗极致控制：ASIC可精确控制每个计算单元功耗，去除通用芯片中冗余电路，减少数据搬移能耗，在AI数据中心（功耗达数十兆瓦）和边缘设备（如手机、汽车）中具战略意义[8][9] - 物理尺寸优化：ASIC紧凑设计使其能在有限空间（如智能手机厚度<10毫米）内集成强大功能，通过协处理器形式与主处理器封装在同一芯片，节省空间并降低延迟[10] 市场格局与主要厂商表现 - 博通与Marvell形成双寡头格局，合计占据ASIC市场超60%份额，其中博通市占率55-60%，Marvell占13-15%[12] - 博通FY25Q2 AI业务收入超44亿美元，同比增长46%；Marvell FY26Q1数据中心营收14.41亿美元（占总营收76%），同比暴增76%，驱动力为AI定制芯片大规模出货[12] - 博通与谷歌合作超10年，共同研发六代TPU产品；Marvell深度绑定亚马逊AWS，负责Trainium训练芯片和Inferentia推理芯片，并锁定Trainium2项目大部分产能[13] 市场规模与增长预测 - 到2028年，全球数据中心资本开支将突破1万亿美元，其中AI加速算力相关开支达3490亿美元（占比超三分之一），ASIC市场规模预计达554亿美元，2023-2028年复合年增长率53%[14] - 定制XPU芯片业务到2028年规模预计408亿美元（五年CAGR 47%），XPU附件业务（如网络接口卡、HBM控制器）规模146亿美元（CAGR高达90%）[14] - 附件业务爆发反映AI芯片系统复杂度提升，数千颗芯片集群需数百Tbps网络带宽，博通和Marvell凭借高速接口、网络芯片等积累成为主要受益者[15] 技术壁垒与核心能力 - IP设计和SoC整合构成护城河，SerDes（串行器-解串器）是关键门槛技术，用于解决千亿参数模型训练中芯片间通信的"通信墙"问题[16][17] - 博通拥有200G PAM4 SerDes技术并大规模应用；Marvell光SerDes速率达400G PAM4，电SerDes突破224G，单通道带宽224Gbps支撑下一代AI超级集群[18] - 庞大IP库（网络交换、存储接口、安全IP等）使厂商能提供菜单式定制服务，客户可专注于AI加速器架构设计[19] 传统芯片巨头的战略转型 - 英特尔成立中央工程集团（CEG）拓展ASIC和设计服务业务，利用完整产业链（x86 IP、内部代工厂）提供一站式服务，但下一代产品Jaguar Shores需等到2027年[21] - 高通以24亿美元收购Alphawave，获取其高速SerDes技术（支持PCIe Gen 6/CXL 3.0、400G/800G以太网IP等），进军数据中心、AI计算等高增长领域[23][24][26] - 联发科推出Premium ASIC设计服务，与英伟达合作设计GB10 Grace Blackwell超级芯片，其224G SerDes已完成硅验证，并获谷歌TPU（3nm制程）和Meta 2nm芯片"Arke"订单[28][29] 中国台湾厂商的崛起与优势 - 世芯、创意、智原形成"三雄"格局：世芯2023年营收新台币304.8亿元，AI相关HPC应用占84%；创意电子2025年10月合并营收37.16亿元，同比增150.6%；智原积极转向高阶ASIC设计[31][32][33] - 优势包括与台积电紧密合作（优先获得先进制程和CoWoS产能）、完整Turn-Key服务能力、灵活商业模式（覆盖消费电子至高端AI）及深厚技术积累[34] - 联咏基于Arm Neoverse CSS N2推出高性能SoC，采用台积电N4P制程和CoWoS封装，标志其从消费电子IC厂向AI基础设施芯片提供者转型[35][36] 中国大陆厂商的布局 - 芯原股份提供处理器IP及一站式定制芯片业务，已有AI Chiplet投片在即，向Chiplet供应商演进；翱捷科技在智能穿戴、端侧AI等领域承接多项头部客户订单[38][39] - 灿芯股份依托中芯国际战略合作，研发投入聚焦高速接口IP（如DDR5、SerDes），基于22nm工艺的DDR5 IP已完成架构验证，并结合3D封装技术优化Chiplet架构[39][40] 产业展望与趋势 - 博通预计到2027年其三大客户的数据中心相关XPU与网络市场总规模达600-900亿美元，将部署百万卡集群[41] - 挑战包括竞争加剧导致毛利率承压及云巨头议价能力增强，但AI算力需求持续增长推动定制芯片黄金时代发展[41]

ASIC行业兴起背景与驱动力 - AI算力需求持续爆发推动ASIC成为半导体行业新风口，云服务巨头纷纷选择定制专属AI芯片[1] - ASIC诞生于20世纪80年代初，源于电子设备制造商对差异化定制芯片的强烈需求，打破了通用芯片的单一商业模式[1][2] - 2010年代深度学习突破带来算力指数级增长，从AlexNet数天训练到GPT-3需数千块GPU工作数月，凸显专用芯片必要性[4] - 谷歌2016年推出TPU芯片，针对神经网络推理优化，性能达同期GPU的15-30倍，能效提升30-80倍，引发行业连锁反应[4][8] ASIC核心竞争优势 - 性能极致优化：专为特定任务设计，聚焦神经网络核心操作如矩阵乘法，相比通用处理器架构更精简高效[7] - 功耗极致控制：可精确控制计算单元功耗特性，去除冗余电路，优化数据流动路径减少能耗，在AI数据中心和边缘场景具战略意义[8][9] - 物理尺寸优化：紧凑设计帮助设备在有限空间集成强大功能，现代智能手机通过ASIC协处理器节省宝贵电路板空间[10][11] - 专门针对AI工作负载：TPU采用256×256脉动阵列优化张量运算，特斯拉FSD芯片在72瓦功耗下实现每秒2300帧图像处理能力[8][10] 市场格局与主要厂商表现 - 博通与Marvell形成双寡头格局，合计占据ASIC市场超过60%份额，其中博通市占率55-60%，Marvell占13-15%[12] - 博通FY25Q2 AI业务收入超44亿美元，同比增长46%；Marvell FY26Q1数据中心营收14.41亿美元，同比暴增76%[12] - 博通与谷歌合作超10年，共同研发六代TPU产品；Marvell深度绑定亚马逊AWS，负责Trainium和Inferentia系列芯片开发[13] - 到2028年全球数据中心资本开支将突破1万亿美元，AI加速算力相关开支达3490亿美元，ASIC市场规模预计554亿美元，2023-2028年CAGR高达53%[14] 产业链增长动力与细分机会 - 定制XPU业务到2028年规模预计408亿美元，五年复合增长率47%；XPU附件业务规模146亿美元，复合增长率达90%[15] - 附件业务爆发反映AI芯片系统复杂度提升，高速互连、HBM内存带宽和电源管理需求催生巨大周边芯片市场[16] - SerDes技术成为关键壁垒，博通拥有200G PAM4 SerDes技术，Marvell展示400G光SerDes和224G电SerDes，支撑下一代AI超级集群[19][20] - AI技术突破持续推高算力需求，从ChatGPT到Sora，每次创新都转化为对定制AI芯片的新订单[16] 传统芯片巨头战略转型 - 英特尔成立中央工程集团拓展ASIC和设计服务业务，利用完整产业链优势提供一站式服务，但面临制造能力挑战[22][23] - 高通以24亿美元收购Alphawave强化SerDes能力，弥补数据中心连接IP短板，向AI计算和定制芯片领域战略扩张[24][27] - 联发科推出Premium ASIC设计服务，与英伟达合作设计GB10 Grace Blackwell超级芯片，获得谷歌TPU和Meta 2nm ASIC订单[29][30][31] - 联发科SerDes技术实现224G速率并完成硅验证，专为数据中心使用，具低信号衰减和强抗干扰特性[29] 中国台湾厂商崛起与优势 - 世芯电子2023年营收新台币304.8亿元，AI相关HPC应用占84%，2024年前11个月营收同比增长76.07%[32][33] - 创意电子2025年10月合并营收37.16亿元，同比成长150.6%，受惠云巨头AI项目量产，与台积电紧密合作具技术优势[34] - 台湾厂商具三大优势：与台积电紧密合作关系确保先进制程产能、完整Turn-Key服务能力、灵活多元商业模式[35] - 联咏科技成功开发基于Arm Neoverse CSS N2的SoC，采用Chiplet异质整合架构，标志从消费电子向AI基础设施芯片转型[36][37] 中国大陆厂商布局与发展 - 芯原股份作为IP授权龙头企业，提供处理器IP和一站式定制芯片业务，已有核心客户AI Chiplet投片在即[39] - 翱捷科技积累自有芯片设计经验复用于ASIC定制，在智能穿戴、端侧AI和RISC-V芯片领域订单充足[40] - 灿芯股份聚焦高速接口IP研发，基于22nm工艺的DDR5 IP完成架构验证，结合3D封装技术优化IP互连效率[41] - 国产厂商在国产替代浪潮下积极布局，尽管IP积累较弱，但有望在AI算力芯片市场分得更大蛋糕[41] 产业展望与市场前景 - 博通预计到2027年三家大客户的数据中心XPU与网络市场总规模达600-900亿美元，将部署百万卡集群[43] - 市场竞争加剧可能压制定制业务毛利率，云巨头议价能力增强，但ASIC崛起大势不可阻挡[43] - 产业分工深化推动从设计服务到制造封装的全链条协同，定制芯片黄金时代刚刚开始[43] - 技术演进持续推动架构创新，Chiplet和先进封装成为提升系统性能的关键路径[37][41]

人形机器人市场增长与潜力 - 全球人形机器人市场规模预计从2025年90亿元增长至2029年1500亿元，复合年增长率超75% [2] - 工业搬运与医疗场景成为核心增长引擎，短期以试点补位为主，中期逐步规模化应用于制造与服务领域，长期有望普及至家庭场景 [5] 处理器技术架构与分工 - 人形机器人依赖"大脑-小脑-肢体"协同体系：大脑负责语音识别、环境感知等认知功能，小脑承担运动控制，肢体执行指令任务 [5] - 大脑功能主要由英伟达GPU承担（如环境感知、任务规划），小脑功能普遍采用英特尔CPU（如平衡维持、轨迹规划） [8] - 英特尔Core i5/i7作为标配电控芯片，满足基础控制与数据处理需求，i7在核心频率与线程数上优于i5 [8] 主流处理器供应商与产品应用 - 英伟达Jetson Orin系列提供最高275TOPS算力，性能为上一代芯片的8倍，支持生成式AI与边缘应用开发 [9] - Jetson Orin NX主打高性价比，提供100TOPS算力，适用于中高端机器人 [9] - 英伟达2025年8月发布Jetson AGX Thor开发者套件，起售价3499美元，提供2070 FP4 TFLOPS算力，为前代Jetson Orin的7.5倍 [9][10] - 特斯拉具备自研芯片能力（Dojo用于训练，FSD用于端侧运算），其他厂商多依赖外购英特尔或英伟达芯片 [6] - 优必选Walker X采用Intel i7-8665U（双路1.9GHz）与NVIDIA GT1030显卡（384核心） [6][7] - 宇树科技H1-2标配Intel Core i5/i7，可选配Nvidia Jetson Orin NX（最多三块） [6][7] 国产芯片研发进展与优势 - 瑞芯微RK3588/RK3588S芯片被智元、逐际动力等采用，集成四核Cortex-A76与四核Cortex-A55，NPU算力达6TOPS，支持8K编解码 [11] - 地平线地瓜机器人推出RDK S100开发套件，集成CPU+BPU+MCU架构，提供80TOPS或128TOPS算力，定价2799元，为英伟达同等方案一半价格 [12][14] - 黑芝麻智能与中科院合作提供"华山A2000"（大脑）与"武当C1236"（小脑）双芯片方案，A2000算力对标4颗英伟达OrinX [13] - 云天励飞开发DeepXBot系列芯片，加速感知与认知推理任务 [13] - 国产芯片优势包括高性价比与定制化服务，可针对工业、家庭、教育等场景调整功能 [14] 技术发展趋势：大小脑融合架构 - 当前大小脑分离架构存在算力需求激增、通信延迟、开发成本高、传感器融合困难等瓶颈 [16] - 大小脑融合通过单芯片或一体化设计实现感知-决策-执行无缝衔接，成为主流发展方向 [15][17] - 英伟达与英特尔宣布合作，未来可能推出融合X86与CUDA生态的SoC芯片 [17] 行业挑战与瓶颈 - 数据积累不足限制具身智能模型训练 [18] - 硬件架构需优化算力密度、功耗控制与散热性能 [19] - 高端芯片、伺服电机与传感器导致整机成本过高，难以普及消费级市场 [20] - 安全性需求包括运动安全与数据隐私保护 [20] - 系统架构非一致性、解决方案泛化能力不足与场景适配复杂性高需产业链协同创新 [20]

特斯拉AI芯片战略调整 - 公司整合数千片AI5晶片用于下一代人工智能模型训练 内部评估取得不错结果 [1] - 公司CEO称AI5芯片设计评审非常出色 该芯片将成为史诗级产品 AI6有望成为最出色AI芯片 [1] - AI5针对参数数量低于2500亿的模型 硅片成本最低且性能功耗比最高 AI6将进一步优化 [1][2] 芯片架构战略转变 - 公司8月叫停Dojo芯片设计项目 负责人Peter Bannon将离开 因资源分散用于两种不同AI芯片设计不合理 [2] - 从开发两种芯片架构转变为专注于一种架构 所有芯片人才集中打造单一卓越芯片 [3] - 该战略调整被认定为显而易见且正确的决定 公司正在招募芯片团队人员 [3] 芯片产品规划与代工 - AI5作为过渡性或特定场景主力芯片 由台积电代工生产 专注于车辆推理计算集群训练 预计2026年底量产 [3] - AI6作为未来AI生态统一心脏 由三星电子代工 首先应用于机器人出租车Cybercab和人形机器人Optimus 后续可能扩展至AI数据中心 [3] - AI6首批样品在三星韩国代工和封装工厂生产 量产将在三星得克萨斯州工厂进行 该工厂预计2025年投入运营 [3] 芯片战略与公司发展 - 自研芯片是宏图计划第四篇章的关键步骤 为未来核心产品带来性能提升和成本优化 [4] - 软硬件一体化整合减少对外部供应商依赖 为自动驾驶技术和机器人产品快速迭代提供算力基础 [4]

特斯拉Dojo项目终止分析 核心观点 - 特斯拉宣布终止Dojo超级计算机项目 转向AI6融合架构芯片战略 从垂直整合转向外部合作 [1][27] - Dojo项目失败源于技术缺陷 内存不足与软件生态薄弱 以及核心团队集体离职 [12][16][20] - 事件凸显英伟达在AI硬件领域的统治地位 其CUDA生态构成难以逾越的护城河 [22][25] 技术缺陷 - **内存设计失误**：D1芯片354个核心仅配1.25MB SRAM 远低于现代AI模型需求 被迫追加PCIe内存卡补救 [12][13] - **软件生态薄弱**：需自建封闭指令集与软件栈 开发成本远超预期 无法匹敌CUDA生态成熟度 [14][15] - **架构局限性**：专为视觉训练优化的设计无法适应Transformer等新模型演进 陷入"进化死胡同" [17] 管理危机 - **人才流失**：2025年8月项目负责人Peter Bannon及20名核心工程师集体跳槽至前负责人创立的DensityAI [20] - **战略矛盾**：财报会议后三周即终止项目 暴露决策层对技术路线判断失误 被动调整而非主动升级 [21] 行业竞争格局 - **英伟达优势**：H100采用4nm工艺领先Dojo的7nm 且特斯拉实际算力75%依赖英伟达GPU [23][24] - **生态壁垒**：CUDA拥有20年积累的开发者社区与工具链 替代成本极高 [25] - **财务压力**：2025Q2特斯拉汽车收入降16% 迫使削减Dojo等高投入长周期项目 [26] 新战略转向 - **AI6芯片定位**：主打推理优化 兼顾训练功能 但技术专家质疑其训练效率将显著低于专用芯片 [29][31] - **供应链调整**：与三星签165亿美元代工协议 增加对AMD等外部供应商依赖 [34][35] - **战略妥协**：放弃全栈自研幻想 回归行业分工模式 集中资源于Robotaxi等商业化项目 [36] 行业启示 - **垂直整合风险**：即便特斯拉级别的公司也难以突破硬件+软件双重创新壁垒 [38] - **专业化vs通用化**：Dojo极端专用化路线失败 显示当前阶段通用GPU仍具适应性优势 [39] - **生态价值**：CUDA案例证明软件生态构建比单纯硬件性能更重要 [25][38]

特斯拉智驾芯片发展历程 - 特斯拉Model 3和Model X在懂车帝智驾测试中以显著优势登顶双榜 马斯克亲自转发并强调在中国市场取得最高成绩无需本地训练数据[1] - 特斯拉智驾芯片从外购转向自研 成为支撑其自动驾驶能力持续领先的核心动力[1] - 2014年与Mobileye合作采用EyeQ3芯片推出HW1.0 算力仅0.256TOPS 实现基础辅助驾驶功能[3][6][7] - 2016年因技术限制和安全事故终止与Mobileye合作 转向英伟达Drive PX2平台 算力提升至12TOPS[8][9][10][11] - 2019年推出首款自研FSD芯片HW3.0 采用14nm工艺 总算力144TOPS 实现全栈自研[21][23][25] - 2023年推出HW4.0 采用7nm工艺 算力提升至500TOPS以上 强化城市复杂场景处理能力[29][30][31][32] 技术路线演进 - 传感器配置从HW1.0的1摄像头+1毫米波雷达增至HW4.0的12摄像头+高精度4D毫米波雷达[27][31][38] - 摄像头像素从120万升级至500万 同时取消超声波雷达转向纯视觉方案[38][39] - 处理器从Mobileye EyeQ3单核演进至自研FSD芯片20核 算力提升420倍[27][39] - 纯视觉方案基于"第一性原理" 优势在于成本节约和全球统一部署 但面临极端天气等挑战[40][41][44] 未来发展规划 - AI5芯片采用3nm工艺 算力达2000-2500TOPS 计划2025年小规模交付 2026年量产[42][43][46] - 下一代AI6芯片将由三星得州工厂专门生产 显示其战略重要性[45] - HW5.0将重新定义智能驾驶技术天花板 推动L4级自动驾驶实现[46] 竞争优势分析 - 自研芯片实现算法与硬件深度协同 相比外购方案效率提升显著[17][25][49] - 上海工厂本土化率95% 单车成本较美国低21% 支撑芯片规模化应用[48][50][52] - 通过"硬件先行+OTA更新"策略保持技术领先 2023年HW4.0渗透率超60%[36][52] - 2023年研发投入超500亿元 智能驾驶占比超60% FSD软件选装率达19%[50]

三星与特斯拉芯片合作 - 三星电子与特斯拉达成价值22.8万亿韩元（约165亿美元）的芯片代工协议，合约占公司2024年营收的7.6%，有效期从2024年7月24日至2033年12月31日 [2] - 特斯拉CEO确认订单为FSD（完全自动驾驶）芯片，三星将生产AI6芯片（当前生产AI4芯片），AI5芯片由台积电代工 [3] - 马斯克强调交易战略重要性，称165亿美元为最低估值，实际产出可能高出数倍，并将亲自参与三星生产线优化 [4] 市场反应与行业影响 - 三星股价单日上涨6.8%，创2023年9月以来新高，供应商Soulbrain股价涨幅达16%，特斯拉美股盘前涨1% [2][5] - 三星芯片代工业务长期亏损且产能利用率不足，该订单有望改善财务状况并吸引其他客户 [5][6] - 台积电Q1全球芯片代工市占率达67.6%，三星份额从8.1%下滑至7.7%，两者均在推进2纳米制程技术 [10][11] 战略与技术意义 - 分析师认为合同短期收入占比有限，但长期将推动三星技术改进与创新，增强市场对其2纳米技术的信心 [11][12] - 此为三星会长李在镕免于法律指控后的首份重大合同，公司此前因订单不足推迟美国得州工厂产能提升至2026年 [5]

特斯拉Robotaxi试点启动 - 2025年6月22日特斯拉在美国德州奥斯汀启动首批Robotaxi服务试点规模约10-20辆Model Y仅限受邀用户试乘运营时间为每日6:00-24:00在地理围栏内运营单次固定收费4.20美元车内配备前排安全监控员 [1] - 试点启动标志着Robotaxi初落地特斯拉迈出成为AI公司的重要一步 [1] 特斯拉与Waymo技术路线对比 - 特斯拉采用"视觉+AI"策略仅依赖摄像头与自研FSD芯片强调以低成本硬件通过大规模数据训练实现自动驾驶目标 [1] - Waymo采用"多传感器融合"策略包括LiDAR雷达与摄像头同时构建高精度地图(HD map)作为路径规划基础 [1] Robotaxi的AI应用意义 - Robotaxi试运营标志着AI应用首次在复杂真实环境中落地并产生商业行为完全依赖摄像头搭配深度神经网络的视觉识别系统运行特斯拉自主研发的FSD模型通过AI算法实时处理路况交通信号行人及车辆距离等 [2] - 当前仍处于"可控试点"和"受限场景"阶段未来能否实现全天候无人工干预的全面落地取决于AI模型安全性法规适配及运营体系成熟度 [2] 对中国市场的影响 - 特斯拉Robotaxi事件加剧产业竞争将推动本土智能驾驶技术和商业模式快速迭代 [2] - 中国智能驾驶行业可能凭借供应链成本混传感系统本地数据积累和国家政策等优势进一步巩固领先位置同时面临来自特斯拉的持续挑战 [2]

特斯拉业绩与转型挑战 - 2024年第一季度特斯拉净利润暴跌71%，汽车收入同比骤降20%，陷入实质亏损状态[4] - 公司市值从高峰蒸发5000亿美元，汽车交付量出现下滑[6] - 特斯拉正处于从汽车制造商向人工智能公司转型的过渡期，但面临"阵痛"[8][9] 估值逻辑与市场预期 - 马斯克2015年预测特斯拉十年后市值将达到7000亿美元，实际2021年曾突破1万亿美元[10][11][18] - 资本市场已普遍认可特斯拉的人工智能属性，但汽车业务疲软与AI落地困难考验耐心[25] - 方舟投资给出两种估值：实现自动驾驶目标价2600美元，否则仅350美元[56][58] 产品线问题 - Model Y 2024年销量同比减少13万辆至109万辆，显露疲态[31] - Cybertruck预订量超200万但转化率仅2%，2024年Q1销量骤降至6406辆[36][37] - 平价车型Model 2/Q多次跳票，错过最佳上市时机[44][47] 人工智能业务进展 - 自动驾驶是进展最稳定的板块，已实现芯片到算法自主可控[63] - 人形机器人Optimus被寄予厚望，但市场规模预测要到2050年[60][61] - 2023年AI投入达100亿美元，但业务落地仍需时间[59] 中国市场表现 - 2024年中国是特斯拉唯一正增长市场，但份额从2021年Q1的15.8%降至5.6%[49] - 同期比亚迪市占率连续三年超过30%[49] 战略方向 - 特斯拉战略可总结为"在今天就开始做明天的事情"[65] - 汽车业务仍是实现高科技梦想的"提款机"，但马斯克精力分散引发质疑[27][51] - 从硬件公司转向"出行即服务"公司的愿景面临现实挑战[15][16]