2025年12月6日 星期六

特斯拉電動車將勝出?

tevii0326 2025/12/7 07:16:56

若是把時間的跨度拉長到5-10年,我更不看好傳統車廠

原因是要?把FSD(自動駕駛)納入考慮(目前是法規在拖技術的後腿)

回到第一性原理,出行的基本需求是從A地移動到B地

若是不需考慮經濟成本(像是有錢人)請司機就好,不用費心的開車(注意路況+壓力)

即便不是有錢人,也會考慮搭計程車/Uber跟買車養車成本(保養/停車費/加油)哪個更划算

當出租車跟網約車最大的成本(司機/人)被移除了(FSD取代),出行成本大幅降低,人們便失去了買車的動力(享受駕駛樂趣+炫耀豪車除外)

屆時這些傳統車廠才想到轉型就來不及了



阿宏 2025/12/7 12:13:12


傳統車廠在機械製造上的優勢,在軟體定義汽車時代正變得越來越無足輕重,或許只有Ferrari、Lamborghini 等品牌類似「機械手錶」的奢侈品有存在



mikeon88 2025/12/7 12:43:59


ChatGPT: 

幾乎所有大型傳統汽車製造商都有在開發自動駕駛系統(ADAS/Autonomous Driving),只是 技術深度、策略與商業模式差異很大。以下整理目前最重要的傳統車廠現況:

 

正在積極投入自動駕駛的傳統車廠

1. Mercedes-Benz(賓士)

目前全球唯一獲得 美國與德國 Level 3 認證 的車廠(Drive Pilot)。

可在特定高速公路 60 km/h 以下由系統完全接管。

是傳統車廠中 技術領先者之一。

 

2. BMW

在開發 Level 3 系統(Personal Pilot L3)。

與 Mobileye 合作多年,強項是穩定的 ADAS。

將在旗下高階車款(7 Series)推廣。

 

3. Audi(奧迪)

曾在 2017 年推出全球第一套可商用的 L3(Traffic Jam Pilot),但因法規未完善取消上市。

技術成熟但商業化進度落後。

 

4. Toyota(豐田)

主推「Guardian」哲學:人類主控+AI 守護,而不是完全取代駕駛。

與 Pony.ai(小馬智行)、Momenta 等合作開發自動駕駛出租車。

自家車款(TSS)以強化 ADAS 為主。

 

5. Honda(本田)

在日本率先推出限區域的 Level 3(Honda Sensing Elite)。

對 Level 4 自駕出租車積極投入(與 GM Cruise 合作)。

 

6. Nissan(尼桑)

ProPILOT 系列,全球銷量很高的 ADAS 系統之一。

全力發展高速公路自動駕駛。

 

7. Ford(福特)與 GM(通用)

GM Cruise 曾是最接近 Level 4 無人計程車的企業之一,但 2023 事件後縮減規模。

Ford 把焦點轉回高階 ADAS(BlueCruise),採取謹慎漸進策略。

 

8. Volvo 與 Polestar

與 NVIDIA、Luminar 合作,引入高性能車載運算與 LiDAR。

Push Level 2+ / Level 3,主打高安全基因。

 

整體趨勢總結

1. 傳統車廠普遍採用「ADAS → L3 → L4」漸進式路線。

不像 Tesla 追求純視覺 L4/L5,大多數傳統車廠:

使用 LiDAR、雷達、相機的 多感測器融合

主打可靠性而非「快速商用」

 

2. Level 4 無人車的商業化極困難

Cruise、Waymo、Baidu 等都投入巨資,但:

法規不一致

安全責任問題複雜

建設成本高

因此傳統車廠大多 先把 Level 2+/Level 3 做到非常穩定。

 

3. 真正落地最快的是:Level 2+(高速公路免手控)與 Level 3(限定條件)。

2024–2026 間,越來越多車可以:

高速公路免手控(BlueCruise、Super Cruise 等)

塞車時免手控(Drive Pilot、Personal Pilot L3)

 

結論

有的,而且非常積極。

傳統車廠並不是沒有做,只是走「安全優先」與「法規合規」的穩健路線,沒有像 Tesla 那樣高調宣傳。



mikron88 2025/12/7 13:08:44


傳統車廠也在開發自動駕駛系統

除此之外,電動車並不佔優勢

充電不如加油方便

電池衰退太快,不保值

在嚴寒季節開不動

 

最可怕的是

中國電動車殺價競爭太過激烈

以前大家也很看好面板將取代映像管

後來趨勢的確如此

可是做面板的公司沒有一家賺錢

電動車恐將重蹈覆轍

 

我們在看產業前景

太容易把兩點連成一線,

疏忽了從現在到未來之間的道路十分曲折

加上特斯拉股價太貴

這條路不好走




2025年11月20日 星期四

AI 發展遇到瓶頸

mikeon88 2025/8/9 20:43:56m


這對AI股太貴的股價而言是利空

 

問:GPT5碰到瓶頸進步不多?

摘錄自ChatGPT: 

不只是  GPT-5,整個大語言模型 (LLM) 領域最

近確實出現了邊際效益遞減的瓶頸感。

1. 模型規模逼近「算力極限」

參數規模和訓練資料量已經非常龐大,再加大模型,成本呈指數上升,而性能提升卻逐漸變成微幅改善 (比如從 92 分到 94 分)。

2. 訓練資料的「天花板」

互聯網上可用的高品質文本幾乎已經被掃完,再訓練就得用更多低質資料。

3. 推理與真實世界交互的難題

LLM 雖然會「說」,但真正能做長鏈推理、處理真實物理世界問題,還是受限。這需要突破單純的文字預測框架,可能得結合符號推理、外部工具、模態融合 (圖像、音訊、程式執行等)。

 


mikeon88 2025/8/9 21:13:15


已經在大打價格戰殺得比任何產業都兇

直接殺到10分之一

 

ChatGPT: 

相比 Claude Opus 4.1,GPT-5 價格只有 大概十分之一到四分之一。

比較 Claude Sonnet 4,GPT-5 約為其 三分之一左右或更少。



mikeon88 2025/8/10 15:35:03


試用GPT5更會胡說八道

大語言模型只會玩文字接龍

猜下一個詞哪個最有可能

這種架構難以實現人類般的推理能力

ChatGPT被眾人追捧的時代已經過去

 

算力已經過剩,訓練資料也相當海量

缺的是能夠推理的演算法

就像一位數理高材生能夠考高分

不是算過很多題目

而是邏輯能力比別人強

可能要等待下一個天才橫空出世

人類離通用AI(AGI)、家務機器人還很遠



mikeon88 2025/8/17 07:56:50


駕駛彎腰撿手機的狀況應該很常見

特斯拉的輔助系統居然沒事先設想到

 

ChatGPT在AGI和特斯拉的自動駕駛

都遇到瓶頸

看來AI美好的新世界

不會如業者所吹噓的那麼快到來 

對AI股而言是利空

 

特斯拉搞了那麼大的資料中心

算力足夠快了,訓練資料也海量了

還做不到L4或L5

可能是演算法的問題

就是看不清楚突然跑出來的東西

在陌生地點也不曉得如何停靠

在美國路況單純尚且如此

到亞洲路上更複雜

突然跑出一個小孩或一隻牛

更麻煩

 

特斯拉龐大的資料庫

9成都是垃圾影片

車子在筆直的公路上行駛

不可能有突發狀況發生

真正意外只占10%

所以不是蓋更大更快的資料中心

而是演算法的問題



mikeon88 2025/8/20 06:55:25


話才說完,AI 發展遇到瓶頸

昨天AI 股就大跌,

那指-1.5% NVDA-3.5% AMD-5.4%

股價實在太貴



Pinkdavid 2025/11/21 09:40:19


空頭針對NVDA本季財報提出質疑,聚焦其應收帳款飆至333.9億美元,且出現大型客戶高度集中(單一客戶最高佔收入22%)。著名放空者Mike Burry在NVDA財報後依舊警告,領先的 AI 公司和超大規模資料中心業者,實際上透過會計手段誇大收益,AI 的真實終端需求少得可笑,幾乎所有客戶都由他們的經銷商提供資金,描繪了一個自我強化的循環,而非反映實際市場需求的增長。(鉅亨網)



mikeon88 2025/11/21 09:50:24


代工廠都是這樣計帳

客戶的GPU等零件由代工廠買入

組裝成機櫃之後再賣回給客戶

所以代工廠營收很大

但毛利率很低,毛三到四

 

自古以來組裝廠主機板、手機、筆電...都是這樣玩



pinkdavid 2025/11/21 10:05:00


NVDA非代工廠,應收帳款飆高是利空?



mikeon88 2025/11/21 10:09:36


應收帳款飆高不一定是利空

而是生意越做越大

不給客戶賒帳將拿不到訂單

 

10幾年前鴻海、華碩應收帳款飆升

股價仍然大漲

因為生意越做越大



mikeon88 2025/11/21 10:19:14


看應收帳款、周轉率都不準

只要低盈再率、高配息財報就沒問題

NVDA的帳沒問題




mikeon88 2025/11/21 10:52:26


AI 的問題是資本支出龐大卻難以回收

一旦Open AI等公司減緩擴充

整個骨牌坍塌效應就會出現

NVDA、台積電都受影響

這個時間點很快來到

大概明年第二季

 

大語言模型玩文字接龍

在翻譯、查詢、圖文生成、

Vibe Coding用人類語言寫程式

等少數方面具成效

可是離人類智慧AGI 推理、

歸納、融會貫通、觸類旁通、

靈感、創新還很遠

它的滲透率會比較慢

不是每個人和產業都需要

可是耗費的資源電力卻太大不堪負荷