刚刚!特斯拉在美宣布又涨越卖越贵

推荐车行

Signature Mazda

最新新闻

《完美的救赎》大结局,赵倩没...

特斯拉Robotaxi上路首日:L2升...

美股收盘:三大指数集体收涨特...

网传Robotaxi走错车道影片美...

特斯拉拒绝公开Robotaxi安全性...

无人驾驶Model Y即将上路,特斯...

选择语言：
English \| 简体 \| 繁体

会员区
欢迎您游客登录免费注册

首页

汽车新闻

刚刚!特斯拉在美宣布又涨越卖越贵

[特斯拉] 刚刚!特斯拉在美宣布又涨越卖越贵

2023-05-12 | 来源: 每日经济新闻/锦缎 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

而成本要义，一方面是类似一体化压铸、原材料能源转变的行业贝塔，而另一方面，更重要的是规模优势带来的企业阿尔法，规模优势的雪球效应在未来五年的新能源车市场只会越滚越大。

除此之外，新能源车本身，也在悄悄发生改变，而这种改变在另一个层面上进一步拉开了规模差距。

更底层逻辑：汽车的定义正发生改变

1.汽车将是未来最大的储能网络之一

1885年，曼海姆的一座实验室中诞生了世界上第一辆汽车，经过近150年的发展，汽车从上流社会身份象征，到普通人的出行工具，从单纯依赖燃油供能，到新能源汽车成为新风向。

一方面，技术的迭代让电动汽车打破自身作为耗电设备的局限，而是担当可以在电网紧张时接电入网的“电力海绵”。

V2G就是电动车给电网反向输电，利用波谷充电，波峰放电，调节电网负荷的技术，这一技术让新能源汽车真正完成从“拿来”到“反哺”的跨越。

相关数据显示，全球新能源汽车的产销量再创新高，已经达到1055万辆，同比增长63.2%，全球市场新车销售渗透率达到13.5%。中国市场继续保持着高速的增长，销量达到688.7%万辆，同比增长93.4%，而市场渗透率达到25.6%，全球新能源汽车已经突破2800万辆，其中中国累计销售1580万辆，已经成为全球电动汽车最大的市场。

随着电动汽车保有量的快速攀升，车辆充电带来的电网供电压力逐步引起顶层设计的关注。

2020年以来，国家出台了多项汽车相关政策，提及发展V2G，其中包括：2020年11月，国务院印发《新能源汽车产业发展规划（2021-2035）》，鼓励加强新能源与电网能量互动；2022年6月国家发改委等九部门共同印发《“十四五”可再生能源发展规划》。2025年，可再生能源发电量达到3.3万亿千瓦时左右。2025年，全国可再生能源电力非水电消纳责任权重达到18%左右。

这一计划还处于早期阶段，即便是重视度更高的美国、欧洲、日本和韩国等地，也仍处于试点阶段。荷兰乌德勒支地区初步实现了这一构想，在当地的许多充电站，不仅能为电动汽车充电，还可以将汽车电池中的电力输送至当地公用电网，供家庭和企业使用。

特斯拉Robotaxi上路首日:L2升维路线被盛赞

首秀!特斯拉自驾出租车在美低调登场

特斯拉拒绝公开Robotaxi安全性:商业机密

科协主席万钢曾经表示，车能互联实际上可以推动动力电池广泛的应用，1500多万辆动力电池，它是一个巨大的储能库，这个储能库如果能够和电网双向运行，同时给配网上补电的时候，实际上是一个很好的，既利于用户又利于电网。另外现在换电模式，特别是在出租车、大客车和一些物流车上开始快速的成长起来，所以所谓充换电站，也是一个储能站，完全作为一个大的储能库。

而对于车企来说，规模意味着车企对储能化市场的定价权和规则制定权有正相关的话语权。如果新能源车发展到了与电网双向互补，成为流动中的一环。对于车企来说，就从传统制造业转向能源产业，价值自然不同寻常。但是这一切的前提是车企的产品要有足够的规模，足够的量去争夺未来可能存在的储能市场的话语权。

目前，多家车企已经推行V2G技术，包括特斯拉、吉利、一汽、塞力斯、小鹏、蔚来等。

2.汽车未来将是最大的算力网络之一

另一方面，汽车从蒸汽时代的庞然大物，简单的扩大人类社交直径，到如今汽车逐步让驾驶员实现“双手离把”，汽车的便利性正在逐步提高，自动驾驶将成为车辆发展的终极形态。

然而，自动驾驶的安全性与可靠性始终处在人们讨论的风口浪尖。

2018年3月，Uber自动驾驶汽车在美国发生了全球初次致路人死亡时间，引致轩然大波，令自动驾驶技术时刻笼罩在安全性的边界下难以突破。

基本常识是，与ChatGPT处理和分析大量的数据与信息，以提高决策的精度和效率一样，智能驾驶要想做出对路况的正确应对，也需要海量的数据训练。

某种意义上，未来完全自动驾驶的实现，就是建立在超强算力的GPT模型的泛化之上。特别是，在GPT的启示下，更高算力的单车芯片已经成为电动车的路径方向。

相关研究显示，ChatGPT-3需要大概1750亿参数，ChatGPT-4可能要更高些，而人来大脑具有100万亿的参数，以此做出对图像、语言等识别和各种复杂情况的决策，在驾驶过程中，驾驶员需要面对的情况更为混沌，所以自动驾驶模型需要即时处理更多的数据，来令系统更加胜任驾驶工作。