特斯拉 FSD 可否形成网络效应？

2023-05-12 18:23 作者:小贝价值投资 0人读过 | 我要投稿

理论上特斯拉 FSD可以形成网络效应——数据网络效应，但在实践中会有很多困难。

1. 特斯拉如何收集数据？

人工智能是基于数据，要想做好FSD，收集数据就成了最重要的开始。特斯拉创建了影子模式，用来收集真实数据。影子模式的运作方式是在有人驾驶状态下，自动驾驶系统和传感器仍然运行但并不参与车辆控制，系统算法在“影子模式”下进行模拟决策，并与驾驶员的行为对比，两者不一致时即触发数据回传。所以，特斯拉的用户越多，收集的数据就越多。

另一方面，为了更高效的实现数据训练，特斯拉参考真实数据，构建了一个真实世界的虚拟仿真空间，在模拟环境中，通过调整各类交通参与物及环境的模型参数以构建各种虚拟场景，生成大量的模拟数据。真实数据和模拟数据就构成了特斯拉训练的模型的数据集。

2. 特斯拉FSD价值会提升么？

FSD是多个模型的组合，特斯拉通过大量的数据训练模型，把模型通过OTA部署到车辆中，在实际中进行使用。理论上来说，数据越多，模型训练的越好，FSD整体越好用，其价值也会得到提升。

3. 特斯拉 FSD 可否形成网络效应？

理论上特斯拉可以形成这样的闭环：①开特斯拉的用户越多 → ②收集的数据越多 → ③模型组成的FSD越好用（对用户的价值越高） → ①开特斯拉的用户就越多。

特斯拉 FSD 形成的闭环，符合我们之前总结的网络效应中的一种——数据网络效应。数据网络效应的定义与特点，如下表所示。

4. 特斯拉FSD实际效果如何呢？

FSD在实际中的效果如何呢？没有太多的数据可以参考，找到了安全数据作为参照。

注：单位是万英里，美国平均数据是以年为统计口径的。（每个季度的事故发生概率会受到季节性因素的影响，尤其是在日照时间减少、频繁出现恶劣天气或寒冷天气的季度。在对比统计结果时可参考历史同期数据。）

如上图蓝色线所示，开启自动辅助驾驶技术（自动辅助转向和主动安全功能）的驾驶中，平均一起碰撞事故的行驶里程数，在持续地增加。这在一定程度上表明FSD在持续地进步。但是，我们也可以看到，这种进步并非平滑增长的，而是曲折增长的，这也是开始我们提到的，在实践中会有很多困难。比如，FSD遇到瓶颈时，增加数据量并不一定起作用，可能需要改进模型，而这存在不确定性。特斯拉FSD这些年的调整也印证了这种不确定性，2019年FSD芯片开始正式应用，2020年FSD的底层架构进行重写，2021年FSD采用纯视觉方案，2022年FSD开始使用占用网络。

5. 特斯拉FSD网络效应存在什么缺陷？

①前期遇到模型的瓶颈，增加数据量未必有效，需要不断地调整策略和方向，存在不确定性。

②竞争对手可以获得类似但不同的数据集，从而在他们的产品中产生类似的价值。

③FSD数据的价值在到达一定的阶段后，会如下图所示，逐步接近渐近线，更多的数据提供给客户的价值回报会递减。