特斯拉 2026 年第一季度财报电话会
这场会比三个月后那场更值得读，因为很多在 Q2 只给了结论的事情，在这里给了原因和过程。
最有价值的是关于产线切换的那一段。分析师问 Optimus 什么时候投产，他没有直接给日期，而是先解释了一条产线是怎么被拆掉和装起来的：拆线要从最上游的小零件开始拆，而不是从总装开始拆；总装线要等最后一台车下线之后才动；拆一条巨型产线至少要几个月，装一条新线又要几个月。然后他说，如果能在四个月里完成停产、拆线、装新线并开机，那是快得不可思议的速度。
另一句应该被反复引用的是：Optimus 有一万多个独特零件，而产能爬坡的速度，取决于这一万个零件里最倒霉、最慢、最笨的那一个。这句话解释了为什么他一再拒绝给出产量预测。
还有一段把 TeraFab 的动机讲得比任何地方都清楚。分析师问是不是为了对芯片供应商取得议价权，他直接否掉：不是为了议价，是我们看不到一条能拿到足够 AI 芯片的路。行业在逻辑芯片上的增速跟不上，在存储上更跟不上，如果不自己造芯片，我们预计会撞墙。
另外一个硬事实：硬件三代永远无法实现无监督自动驾驶，因为它的内存带宽只有硬件四代的八分之一，而对自回归 Transformer 来说，内存带宽就是卡脖子的地方。
Musk我认为 2026 年是非常令人兴奋的一年。我们会大幅增加对未来的投入，所以应该预期看到资本开支非常显著的增长。但我认为这是完全合理的，因为它对应着大幅增长的未来收入。
而且显然特斯拉不是唯一这么做的。你们已经看到，即便不是全部，绝大多数主要科技公司也都在大幅增加资本投入。
关于汽车业务，值得一提的是特斯拉的车性价比高得惊人，而且它们都是为自动驾驶准备好的，具体取决于你在世界的哪个地方。监督式完全自动驾驶正在变得极其出色。
我们刚刚开始了 Cybertruck 的生产，重卡的生产也很快会开始。
我要说明一点，每当你有一个全新产品，配着一条全新的供应链、全新的一切，那它总是一条被拉长的 S 曲线。所以你们应该预期 Cybertruck 和重卡最初的产量会非常低，然后爬坡，到今年年底会有点接近指数式，明年当然更是如此。
它既是佐证，也可能是风险
他用整个行业都在加大资本投入来支持自家的资本开支决定。这个论证在两个方向上都成立，取决于你怎么看。
正面读法：如果所有主要玩家都判断需要大规模投入，那么这个判断更可能反映真实的需求，而不是单一公司的误判。
反面读法：整个行业同时大规模扩产，正是产能过剩的典型形成机制。每一家都基于自己会拿到份额的假设做投资，而这些假设在总量上无法同时成立。
要判断属于哪一种，关键看约束在哪里。如果瓶颈在需求端，同步扩产会导致过剩；如果瓶颈在供给端，也就是他反复强调的电力和存储器，那么同步扩产反而会加剧短缺。
他自己显然持后一种判断，而这也是他在这一年里所有决策的共同前提。
拉长的原因不是产品复杂，是零件新
他在这里第一次提出这个说法，而在三个月后的 Q2 财报会上给出了完整的经验法则：产能爬坡的难度，与产品中零件的新颖程度成正比。
原因在供应链的性质：成熟零件有现成产能、良率数据和多个备选供应商；全新零件需要从模具、工艺到质检标准全部建立，而且往往只有单一来源。
这也解释了为什么他把 Cybertruck、重卡和 Optimus 放在同一个句式里讲。这三个产品的共同点不是技术难度，而是它们的供应链都要新建。
Musk在能源这一块，美国以及整个世界都会需要大量的储能，来满足不断增长的用电需求。Megapack 的需求非常强劲，我们很兴奋能在今年晚些时候，在休斯敦郊外那座世界级的新工厂里开始生产 Megapack 3。
关于完全自动驾驶和 Robotaxi，14.3 版本是一次重大的架构更新，而且我们还有一整条重大改进的管线，我们相信它会让无监督完全自动驾驶在世界上任何合法的地方都能使用。
然后还有第 15 版，希望今年年底之前，但至少明年年初能出来。那会是软件架构的一次彻底重构，而且会跑在 AI4 上。
到那个时候，我们其实是在把 FSD 的安全水平在超过人类的基础上再往上提。我的意思是，我认为即便在第 14 版里我们也已经显著比人类安全了，但 V15 会把这一点再提升一个层级。
我们已经把 Robotaxi 扩展到了达拉斯和休斯敦，用的是和奥斯汀、湾区一样的软件。
而扩张的限制因素，真正在于严格的验证，要确保一切都完全安全。我们不希望在 Robotaxi 扩张过程中出现哪怕一起事故或者伤害，而到目前为止，靠着团队的努力，我们一起也没有发生过。
软件彻底重构，但不要求换硬件
他特意说明 V15 会跑在 AI4 上，这句话在财务上是有分量的。
如果一次重大的软件架构升级需要配套的硬件更换，那么它就带来一笔巨额的存量车升级成本；如果不需要，那么整个存量车队都能通过空中升级获得新能力。
对照他在同一场会上关于硬件三代的说法就更清楚了：硬件三代因为内存带宽不足而永远无法实现无监督自动驾驶，必须实车更换。而硬件四代不存在这个问题。
因此这句话实际上是在划一条线：硬件四代及以后的车，软件红利是免费获得的；硬件三代的车，需要额外付出。这条线决定了升级负债的规模边界。
同一套软件已经在四个城市跑，扩张却很慢
他明确说达拉斯和休斯敦用的是和奥斯汀、湾区完全一样的软件。也就是说，扩张到新城市并不需要新的技术能力。
那么慢在哪里。他给的答案是严格的验证。而在后面的问答里，AI 负责人和他本人给出了更具体的解释：要在每个新区域用 QA 车队采集数据、在仿真环境中复现每一次接管、逐项确认之后才敢扩张。
这个约束的性质与技术约束完全不同。技术约束可以通过突破一次性解决，而验证约束只能靠时间和里程逐步消化，无法被加速。
因此判断这项业务的进度，看的应该是验证覆盖了多少区域，而不是软件版本号推进到了哪里。
Musk关于 Optimus，我们正在为弗里蒙特今年晚些时候开始生产做准备。同样是全新的供应链、全新的技术，所以生产的 S 曲线在开头总是非常慢，但明年会爬升到可观的数量。
我们还在得州超级工厂建第二座 Optimus 工厂，那座大概会在明年夏天前后开始生产。
第三代 Optimus 的设计已经接近可以展示了。我想我们只是要把它打磨到位，功能上它是能用的，但有些外观细节需要最终定下来。我想大概今年年中我们应该就能把它拿出来展示。
不过我们对展示第三代也有点犹豫，因为我们发现，每当我们发布什么东西，竞争对手都会做逐帧分析，然后把他们能抄的一切都抄走。
所以我认为，在新技术接近量产之前不展示它，是有价值的。
火箭那边鼓励抄，机器人这边不敢露
把两场财报会放在一起，是一组很有意思的对照。
在 SpaceX 那场，他说我们鼓励竞争对手抄我们，我们不做任何事去拖慢他们，也不把专利当地雷阵。
在这场，他说不敢提前展示第三代 Optimus，因为对手会逐帧分析并抄走一切。
两种立场的差异不在于态度，而在于两项技术的壁垒性质不同。
可重复使用火箭的难点在于大量无法被文字化的工艺细节和试错经验，看得见也学不会，因此公开无损。而人形机器人目前仍处在形态与结构方案的探索期，关键的机构设计、关节布置、传动方案是可以从视频中被逆向的。
这个对照给出的判断方法是：一家公司愿不愿意公开展示，往往能反映它对自身壁垒来源的真实判断。敢公开的，壁垒通常在制造和积累；不敢公开的，壁垒可能还在设计本身。
Musk要再次祝贺特斯拉的 AI 芯片团队完成了 AI5 的流片。那会是一块很棒的芯片。我认为它大概是目前存在的、面向边缘计算的最好的 AI 推理芯片。至少在性价比上，我认为毫无疑问是最好的。
团队做得非常出色，而且我们在 AI6 的设计上已经积累了很多势能，还开始讨论 Dojo 3 的想法了。
我们也已经敲定了在得州超级工厂园区里那座研究用芯片厂的方案，今年就会开工建设。
总的来说，特斯拉正在推进很多庞大而有雄心的项目，它们都极其有挑战性，但我认为它们会是革命性的。而这正是这支团队最擅长的事情，解决最难的问题，造出了不起的产品。
它是芯片研发中最不可逆的一步
流片指芯片设计定稿并交付晶圆厂制造。之所以是个里程碑，在于它之后设计就冻结了，任何修改都意味着重新流片，而一次先进制程的流片成本在数千万美元量级，周期以月计。
因此提前完成流片这件事值得注意，而他给出的原因很朴素：团队连续六个月每个周末都在加班，包括所有假期。
需要留意的是，流片完成不等于芯片可用。回片之后还要经过验证、调试，可能需要一到两次修版才能量产。因此从流片到装车装机，通常还有一年左右。
它不是用来训练的
他给 AI5 的定位很具体：面向边缘计算的推理芯片，而且强调性价比最好。这两个限定把它和数据中心的训练芯片区分开了。
差别在于设计目标：训练芯片追求绝对算力和高速互联，功耗和成本可以放宽；边缘推理芯片必须在严格的功耗、散热和成本约束下工作，因为它要装进车里和机器人身上。
因此拿它和数据中心的旗舰芯片比绝对性能没有意义。它真正的对手是同样要装进终端设备的那类芯片，而在那个赛道上，每瓦性能和单价才是关键指标。
Taneja需求回升 欧非中东地区需求复苏，法国和德国的交付量环比增长超过百分之一百五十。亚太的韩国和日本也有增长，美国环比略有增长。季末在手订单为两年多来第一季度的最高水平。
近期油价上涨对订单有正面影响，但这个改善在油价上行之前就开始了。
一个价格对照 十年前我们在美国推出 Model 3 时承诺起售价三万五千美元，按通胀调整到今天大约相当于四万八千美元。而今天 Model 3 的起售价远低于这个数字，同时产品比当初有吸引力得多。
产能 柏林超级工厂第一季度产量创纪录，超过六万一千辆。我们最大的限制因素仍然是电池包产能。
汽车毛利 剔除积分后从百分之十七点九提升至百分之十九点二。其中包含约两亿三千万美元的质保冲回等一次性因素。
FSD 全球付费用户接近一百三十万，增量主要来自订阅，买断仅增长百分之七，因为一季度在部分市场取消了买断选项。荷兰已获批，为二季度晚些时候的全欧盟批准打下基础。中国也已获得批准，更广泛的批准还没有，希望三季度能拿到。
基于这些，我们的整车销售策略已经演变为，把 FSD 当作产品，而把车辆仅仅当作它的交付载体。
能源 一季度部署储能八点八吉瓦时，环比下降百分之三十八，但仍预期 2026 全年高于 2025。毛利率创纪录超过百分之三十九点五，源于超过两亿五千万美元的一次性关税确认。正常化来看，随着竞争加剧和关税影响，我们预期能源毛利率会从这里往下压缩。
关税在这项业务上影响会被放大，因为大部分电芯采购自中国。
现金流与投入 本季自由现金流略高于十四亿美元。我们正进入一个非常大的资本投入阶段，会持续数年。2026 年资本开支预期超过二百五十亿美元。我们正在为六座即将投入运营的工厂付款。
我们已经开始为奥斯汀的研究用半导体厂和太阳能制造设备下订单。虽然这看起来投入很大，而且今年余下时间自由现金流会转负，但我们相信这是让公司为下一个时代做好定位的正确策略。
它出自 CFO 之口，不是创始人的即兴表达
马斯克在三个月后的 Q2 会上说人们是在买完全自动驾驶附带一辆车，那更像一句观察。而这里是 CFO 在正式的财务陈述中宣布销售策略的演变，措辞是把 FSD 当作产品，把车辆当作交付载体。
这个区别很重要。创始人的表述可以是修辞，CFO 在财报会上的策略陈述通常对应着实际的资源配置和考核口径变化。
而它的直接含义体现在定价上：如果车辆是载体，那么整车定价的目标就不是整车利润最大化，而是最大化装机量，因为装机量决定了软件的可触达用户数。这解释了为什么在成本上升的环境下，起售价仍然低于十年前按通胀调整后的承诺价。
承诺价按通胀折成今天约四万八，而实际售价还更低
这是本节最有信息量的一个数据点，因为它把名义降价和实际降价区分开了。
十年前承诺三万五千美元，按累计通胀折算约合今日的四万八千美元。而今天的实际起售价低于这个数字，同时产品能力大幅提升。
这意味着以实际购买力衡量，这款产品在十年里的降价幅度远大于表面上的价格变化。在通胀显著的这几年，用名义价格比较跨年度的产品定价会系统性低估降价幅度。
对判断而言：这个数据支持了成本下降是真实的，而不只是靠压缩毛利换来的。同期汽车毛利率不降反升，也印证了这一点。
他自己在同一段里给了下调指引
能源业务毛利率创纪录超过百分之三十九点五，听起来是好消息。但 CFO 在同一句话里就说明了原因：超过两亿五千万美元的一次性关税确认。并且直接给出下调指引，说正常化来看会从这里往下压缩。
三个月后的实际情况印证了这一点：Q2 的能源毛利率降到了百分之二十点四，而长期指引是百分之二十出头到二十五之间。
这是一个很好的例子，说明读财报时最该关注的往往不是创纪录的那个数字，而是管理层在给出这个数字时同时给出的解释和指引。一次性因素造成的高点，会成为下一期同比的沉重基数。
投资者问：既然 Model S 和 X 提前在年中之前停产，Optimus 什么时候开始生产？今年年底的产量预期是多少？
Musk投产时间我们假定大概在七月底到八月这个区间。
我得给这些问题注入一点现实感，因为提这个问题的人并没有完全理解一条生产线上会发生什么。
Model S 和 X 的最后一批生产会在五月初。但你必须看整条生产线上游的部分。你得从电芯开始算，然后是电池包、电机生产、所有的零件生产。
所以我们一直在拆 S 和 X 的产线，是从更基础层级的零件开始，逐步往更大的分总成推进。你拆一条线是先从小零件开始拆，而不是先从总装开始拆。
总装线要等最后一批车做完之后，下个月才会被拆掉。
而你没法在一夜之间拆掉一条这么庞大的产线，那至少要花几个月。
然后你还得装一条新的产线，还得把所有的线缆和通信铺好，还得把新产线的机器测试通过。这同样要花好几个月。
所以坦白讲，如果我们能在四个月里完成从停掉一条线、把整条线拆掉、重新装一整条新线、再把它开起来这一整套，那是快得不可思议的速度。我认为地球上没有任何一家公司做到过。
拆线从上游小零件开始，这个顺序不是细节
他讲的这个顺序背后是一个清晰的约束：只要总装线还要出车，它就必须一直开着；而上游零件产线可以提前停，因为在制品和库存能撑住最后一批总装。
因此拆线的正确顺序是逆着物料流向来：先拆最上游、最早可以停的部分，最后拆总装。这样能让两条时间线尽可能重叠，压缩总的停产窗口。
这段话的实际用途是判断进度。当一家公司宣布某条产线停产时，实际的产能切换早在几个月前就开始了；而新产品投产的时间，取决于新线安装与调试，不取决于停产公告的日期。
另外值得注意他给的那个基准：四个月完成整套切换算是极快。这为评估任何产线改造项目提供了一个参照尺度。
注入一点现实感，这句话本身是一个信号
在财报会上直接说提问者没有理解生产线上会发生什么，这在措辞上是罕见的。
而它透露的信息是：市场对制造业时间尺度的预期，与工厂里的实际情况存在系统性偏差。软件行业的直觉是快速迭代，而重资产制造的时间常数以季度和年计。
这也是他在这一年里反复强调 S 曲线前段又平又长的原因。同一个提醒被换着说法讲了很多次，说明他认为这个预期差始终没有被修正。
Musk我不知道今年 Optimus 的产量会是多少。这种事情是不可能预测的。
当你有一个全新的产品，配着一条全新的生产线，而且你有一万个独特的零件，每一个都必须正确才能把产量爬起来。
它推进的速度，取决于这一万个零件里最倒霉、最慢、最笨的那一个。
而 Optimus 是一个全新的产品，配着一条全新的生产线。所以这真的就是无法预测。
唯一能说的是，我认为一开始会相当慢。我们要把那一万多个独特零件一个一个理顺，Optimus 才能达到量产。
最初的技能显然会从工厂里的简单任务开始，然后往上叠加。
速度取决于最慢的那一个，而不是平均值
这是一个串行依赖系统的基本性质，而且它的后果常被低估。
关键在于概率结构：如果每个零件按时到位的概率是百分之九十九，一万个零件全部到位的概率是零点九九的一万次方，约等于零。因此在这样的系统里，出问题不是意外，而是必然。
这就解释了为什么他拒绝给产量预测。不是不愿意给，而是这类系统的完成时间由极值决定，而极值不可预测。平均意义上的进度估计在这里没有意义。
对判断的实际含义：评估这类项目，不应该看整体进度百分比，而应该盯住最落后的那几个环节。百分之九十九的零件就绪与百分之百就绪之间，可能隔着好几个季度。
这也提供了一个反向的判断方法：当一家公司开始能给出可靠的产量预测时，说明零件的不确定性已经收敛了。在此之前，任何具体数字都不宜采信。
投资者问：硬件三代的车怎么实现无监督完全自动驾驶？
Musk很遗憾，我也希望不是这样，但硬件三代根本不具备实现无监督完全自动驾驶的能力。
我们一度确实认为它能做到，但相对硬件四代，它的内存带宽只有八分之一。而内存带宽是实现无监督完全自动驾驶所需要的关键要素之一。
而且我认为这对 AI 来说普遍如此。如果你在跑一个自回归的 Transformer，内存带宽就是卡脖子的地方。
所以对那些已经购买了 FSD 的客户，我们提供的方案本质上是折价置换，换成配备 AI4 硬件的车。
我们也会提供升级车辆的选项，也就是更换那台计算机。而且很遗憾，你还需要更换摄像头，才能升级到硬件四代。
为了高效地完成这件事，我们必须在主要都市区设立类似微型工厂或者小型工厂的设施。因为如果只在服务中心做，速度会极慢而且效率很低。
我们基本上需要很多条产线来完成这个更换。
而且我确实认为，长期来看把所有硬件三代的车都转换成硬件四代是合理的，因为那才能让它们进入 Robotaxi 车队并拥有无监督完全自动驾驶。
AI 负责人补充：在此期间我们也会为硬件三代发布一个 V14 版本，功能上对应硬件四代的 V14，用户可以从驻车状态直接发起行程，预计六月底推出。
它卡的不是算力，是喂数据的速度
这段技术说明值得展开，因为它解释了一类容易被误判的硬件限制。
内存带宽指处理器每秒能从内存读写的数据量。而自回归模型生成每一个输出时，都必须把模型的全部权重从内存读一遍。
结果是：在这类任务上，芯片的算力经常处于闲置状态，真正的限制是权重搬运的速度。算力再强，数据喂不进来也没用。
这就是为什么八分之一的内存带宽是一个无法通过软件优化绕开的硬约束。它不是慢一点，而是整个计算范式不适配。
顺带一提，这也与他和 SpaceX 那边反复强调存储器是全行业瓶颈的判断一脉相承。无论在车上还是在数据中心，卡住 AI 的都是内存这一侧。
不只是换电脑，还要换摄像头，还要建微型工厂
把他给的信息拼起来，这笔升级的成本结构比想象中重：
硬件成本：计算单元加全套摄像头。
人工成本：需要在主要都市区新建多条产线，因为服务中心做不了。
时间成本：他自己说服务中心做会极慢。
而他给的替代方案是折价置换，也就是用一辆新车来解决旧车的升级问题。这对公司其实更划算，因为置换带来新车销售，而升级只带来成本。
值得注意的是措辞的变化。在这场会上他说长期来看转换所有硬件三代车是合理的；三个月后的 Q2 会上，他说的是在某个时点升级在财务上是划算的。两次都把它框定为商业判断，而非既有承诺的履约义务。
这个措辞的一致性说明它是经过考虑的立场，而不是随口表述。
投资者问：AI5 提前完成流片是怎么做到的？上周你说 AI5 会进 Optimus 和超算，而一个月前说会进 Robotaxi。AI5 是从车辆路线图上被拿掉了吗？
MuskAI5 流片能提前完成，原因是团队工作得极其拼命。而且随着时间推移我们积累了很多势能。
但我们确实连续六个月每个周末都在加班，包括所有假期。所以这是团队付出的巨大牺牲，当然我自己每个周末也都在。
而且幸运的是，至少就我们所知，我们没有犯下需要推迟流片的重大错误。
关于用途，我确实预期 AI5 会进入 Optimus 和数据中心。因为看起来我们用 AI4 就能实现远超人类安全水平的无监督自动驾驶。
这意味着它在车上肯定不是立刻就需要的。我认为在某个时点切到 AI5 是合理的，但目前并不紧迫。
不过在某个时点，AI4 的硬件会老到，你会觉得，好吧，工厂还开着的唯一理由就是为了产 AI4。
我们确实在规划一次 AI4 的升级，换用更新一代的内存。所以每颗芯片会从十六吉字节提升到我想是三十二吉字节，合计六十四吉字节。
算力大概提升百分之十，内存带宽也是。
所以那个 AI4.1 或者叫 AI4 加强版，大概明年年中投产。这取决于三星，改造是他们在给我们做，所以要看他们什么时候能完成改造并投入生产。
芯片给了机器人和数据中心，不是给车
分析师问的其实是一个变化：一个月前说进 Robotaxi，现在说进 Optimus 和数据中心。而他给的理由不是芯片不行，是车不需要。
逻辑是清楚的：如果 AI4 已经能实现远超人类安全水平的无监督驾驶，那么把稀缺的新芯片产能用在车上，边际收益就很低。而 Optimus 与数据中心的算力需求仍未被满足。
这个排序在三个月后的 Q2 财报会上被再次确认：AI5 首先用于 Optimus。两次口径一致，说明这是稳定的战略判断而非临时调整。
对判断而言：在算力供给紧张的前提下，芯片的分配顺序就是业务优先级的直接体现。机器人排在了汽车前面。
内存翻倍，而算力只提升一成
这次升级的参数组合很能说明问题：每颗芯片内存从十六吉字节翻倍到三十二吉字节，而算力只提升约百分之十。
为什么这样配。因为按他自己在前一段给出的判断，瓶颈在内存而不在算力。因此在一次成本受限的改版里，把资源投在内存上是理性的。
这也从侧面印证了硬件三代的问题所在。整条产品线的演进方向都在补内存，说明这确实是这类模型的结构性约束，而不是某一代产品的设计失误。
另外值得留意最后那句：改造由三星完成，因此时点取决于三星。这是他在这场会上少见的、明确把进度归于外部方的表述。
分析师问：TeraFab 项目涉及多方，能不能说清楚谁负责出资、设计、建设、运营和产出？
Musk近期特斯拉会在得州超级工厂园区建那座研究用晶圆厂。这大概是一个三十亿美元左右的项目，产能大概是每月几千片晶圆。
但它真的就是用来试想法的，是一座研究厂。既包括我们对改进芯片制造基础技术的一些想法，也包括一些我们想验证的新物理。
但我们同时也想验证某个东西能不能在生产条件下跑通。所以你大概需要每月几千片晶圆的投片量，才能确认一套生产工艺是站得住的。
然后大规模 TeraFab 的初期阶段会由 SpaceX 来承担。这是我们目前理清楚的部分。
任何跨公司的事情都必须经过 SpaceX 和特斯拉两边董事会的批准，得走利益冲突处理流程。很遗憾这会有很多复杂性，因为我们必须确保特斯拉股东和 SpaceX 股东都被公平对待，在两者之间取得正确的平衡。
所以走完独立董事的审查需要一段时间。
分析师追问英特尔的参与。
Musk英特尔很期待与我们在一些核心制造技术上合作。我们计划使用英特尔的 14A 工艺，那是最先进的，而且其实还没有完全完成。
但考虑到等 TeraFab 扩大规模的时候，14A 大概已经相当成熟、可以正式投入使用了，所以 14A 看起来是正确的选择。
我们和英特尔关系很好，对他们的首席执行官、首席技术官和那支新团队都很尊重。
关于那座研究厂，我们计划把存储、逻辑等等都放在同一个地方，包括掩模，因为我们想要一个快速的迭代循环。
我认为这在全世界会是独一无二的，至少我不知道有哪个地方，能把光刻掩模制作，再加上逻辑、存储和封装，全部放在同一个屋檐下、同一栋楼里。
那大概是我能想象到的、做递归式研发最快的方式，而且能够去尝试一些相当激进的想法。其中有些是很长线的赌注，但如果这些长线赌注押中了，会带来芯片工作方式的根本性改进。
每月几千片晶圆，这个产能小得刻意
要理解这座厂的定位，需要一个参照系。一座商业化的先进制程晶圆厂，月产能通常在数万片起步，投资额在两百亿美元以上。
而这座厂是三十亿美元、每月几千片。投资额约为商业厂的七分之一，产能则低一个数量级以上。
他自己解释了为什么要这个规模：几千片的投片量，是验证一套生产工艺是否站得住的最小规模。低于这个数，工艺的稳定性和良率数据没有统计意义；高于这个数，就是在为不确定的方案支付量产级的成本。
因此这笔投入的性质是研发费用，不是产能投资。它的产出不是芯片，是工艺知识和试错速度。评估它的时候，不应该用产能利用率或单位成本来衡量。
特斯拉出研究厂，SpaceX 出大规模厂
这个分工本身是信息。特斯拉承担的是小额、高风险的研究投入；SpaceX 承担的是大规模的产能建设。
为什么这样分，他没有明说，但从两家公司的资产负债表可以推断：SpaceX 刚完成史上规模最大的 IPO，手握约一千亿美元现金；而特斯拉正处于自由现金流转负、并安排大额债务额度的阶段。
更值得注意的是他花了相当篇幅讲流程约束：两边董事会批准、利益冲突处理、独立董事审查。在财报会上主动强调这些，通常是为了预先回应关联交易的质疑。
对判断而言：这类跨公司安排的实际条款，要等到正式披露文件出来才能评估。会议上的口头描述只能说明方向。
他赌的是时间差
他明确说英特尔的 14A 工艺还没有完全完成，然后说这看起来是正确的选择。这个组合初看是矛盾的。
他给的理由是时间差：等 TeraFab 真正扩大规模的时候，这套工艺应该已经成熟。
这个决策逻辑是有道理的，因为建一座大规模晶圆厂本身需要数年，如果按今天已经成熟的工艺来设计，投产时就已经落后一代。
但风险也是明确的：如果工艺的成熟进度慢于建厂进度，整个项目会被卡在等工艺的状态。而这项进度不由他控制。
分析师问：你们的芯片供应商在所卖芯片上通常有不错的利润，而你们历来靠垂直一体化来改善经济性。TeraFab 有多少动机是为了在中期采购上拿到更好的价格？
Musk不是。TeraFab 不是某种用来对芯片供应商施加议价压力的机制。
它就是字面意义上的，我们看不到一条路径，能在产量爬升到高水平之后拿到足够数量的高效 AI 芯片。
这个行业增长的速度，在逻辑芯片上跟不上，在存储上更加跟不上。如果我们不自己造芯片，我们预计会撞墙。
这就是做 TeraFab 的原因。
另外，我认为我们确实有一些关于怎么造出根本上更好的 AI 芯片的想法。这些属于研究性质的想法，也就是说是长线赌注，但如果长线赌注成了，可能是一次巨大的改进。
而如果我们有自己的研究实验室、自己开发生产技术，做这些事情就容易得多。
还有，如果你着眼长期，比如说要有 AI 卫星，要为它们造芯片，那现有的产业根本不可能跟得上。绝无可能。
他明确否掉了议价动机，而这个否认是可信的
分析师给了一个非常合理的假设：垂直一体化通常是为了改善采购经济性。而他直接否掉，理由是数量而非价格。
这个否认之所以可信，是因为它与他在其他场合的表述完全自洽。在同期，他在特斯拉这边公开感谢美光给了存储器配额，在 SpaceX 那边给出存储器供给年增百分之二十而需求年增百分之二百的判断。
三处表述指向同一件事：问题不是买得贵，是买不到。而在一个配给制的市场里，自建产能是唯一能增加供给的办法，议价能力反而是次要的。
这个区分对判断投资逻辑很重要。为了成本而做的一体化，可以用节约的金额来评估回报；为了供给安全而做的一体化，回报体现在没有它就无法实现的那部分业务上。后者的估值方法完全不同。
他说现有产业绝无可能跟得上
这句话把 TeraFab 的必要性从特斯拉的需求，扩展到了整个体系的需求。
把量级串起来看就清楚了：Optimus 的愿景产量是每年百万台到千万台量级，每台都需要 AI 芯片；而太空 AI 卫星则要把整机架的算力送上轨道，数量级更高。
两项相加确实超出了现有半导体产业的扩产能力。因为半导体产能的扩张周期以年计，且受设备交期与资本开支约束，无法响应这种量级的需求跃迁。
需要保留的是：这个论证的前提是那些愿景产量真的会实现。如果 Optimus 停留在百万台以下，现有产业未必跟不上。因此 TeraFab 的必要性，与 Optimus 规模化的成败是绑在一起的。
分析师问：你们在奥斯汀已经撤掉了安全员，现在扩张到达拉斯和休斯敦。你们跟踪哪些安全指标来判断可以扩张？
AI 负责人回答：你提到的那些指标我们基本都在跟踪。我们在全美有一支规模不小的质量验证车队，会审视任何一次可能发生的接管，然后在实车和仿真环境中还原当时会发生什么。仿真环境现在用神经网络做，效果非常好。基于这些分析最终决定是否扩张，而到目前为止每一次扩张都符合预期。
Musk限制 Robotaxi 更大范围部署的因素，其实很多都不是安全问题，而是便利性问题，或者说车会变得疑神疑鬼然后卡住。
因为它是按最大安全度来设定的。所以问题在于，它有时候就是不敢做某些事。
比如它有时候不敢过铁道口。或者它会卡在一个红灯前面，而那个灯根本不变绿。
还有一个挺有意思的情况，一大堆 Robotaxi 卡在奥斯汀的一条左转车道上，我不骗你，是因为一辆 Waymo 撞上了一辆公交车。
所以它们没法左转，因为 Waymo 撞了那辆公交车。于是就排起了长队，我不知道，十几辆甚至更多的 Robotaxi 在那儿等公交车挪开，但那辆公交车永远不会挪，因为 Waymo 撞在了它身上。
如果一大堆 Robotaxi 把整条路堵住，那显然会把人逼疯。
类似的情况有一大堆。最大的单一问题就是车不敢动，或者卡在这类情境里。
我们还遇到过字面意义上的无限循环。比如车想拐进某条路，但那里在施工，于是它绕一圈回来，再试着拐进那条施工的路，再绕一圈，再试着拐进去。
所以你得把这种无限循环停掉，字面意义上的无限循环。
这些才是我们要解决的问题，远远多过直接的安全问题。
问题不是它会闯祸，是它什么都不敢做
关于自动驾驶的公众讨论几乎全部围绕安全展开，也就是车会不会做出危险的事。而他给出的实际瓶颈完全相反：车被设定为最大安全度，因此过于保守，会在很多本可通行的情形下卡住。
这个区分对判断技术成熟度很关键，因为两类问题的性质完全不同：
安全问题是能力不足，需要更强的感知与决策。
卡住问题是决策阈值过于保守，需要的是判断力的精细化，也就是分辨什么时候该谨慎、什么时候该果断。
后者在工程上未必更容易。放宽阈值会同时提高通行率和事故风险，因此每一次放宽都必须有充分的数据支撑。这也解释了为什么验证是限制因素。
另外，卡住虽然不伤人，但会直接摧毁商业可行性。一支会堵住整条路的车队，无法被城市接受，也无法提供可靠的出行服务。
公交车事件是外部依赖，无限循环是内部缺陷
堵在左转道那件事，是一个纯粹的外部环境问题。路被堵死了，人类司机同样过不去，只不过人会更早判断出这条路走不通并改道。这暴露的是缺少全局重规划能力。
而施工路口的无限循环，是一个纯粹的内部缺陷。系统没有记住自己刚才已经尝试过并失败了，因此陷入同一个决策的重复。这属于缺少状态记忆与失败经验积累。
两类问题的修复难度不同。无限循环可以通过工程手段直接堵住；而全局重规划需要系统理解更大范围的路况并做出机会成本判断，接近于真正的驾驶经验。
他把这些归为长尾问题，而长尾问题的特点是每一个都不难解，但数量没有上限。这也是为什么这类系统的最后一段路总是最长的。
分析师问：公司对新车型的看法有没有变化？你最近在 X 上说特斯拉可能会做一款家用车，此前也讨论过紧凑车型。
MuskCybercab 就是那款紧凑车型。它其实很宽敞，但它是一辆两人车。
而我们确实认为，长期来看我们大部分产量会是 Cybercab。因为百分之九十的行驶里程，车上只有一个人或者两个人。
所以这意味着你会希望绝大部分产量都是 Cybercab。
但随着时间推移，我们整个产品线都会变成不同尺寸的自动驾驶车辆，这是合理的。
事实上长期来看，唯一一款手动驾驶的车会是新款特斯拉 Roadster。
说到这个，我们可能一个月左右就能把它亮出来。它需要大量测试和验证，我们才能真的做一次演示而不出岔子。
但我认为那会是有史以来最令人兴奋的产品发布之一。我不确定它从收入角度看会带来多大影响，我认为不会太大，但它非常酷。我觉得那可能会是有史以来最壮观的演示之一。
九成的里程只坐一到两个人
这个数据在交通研究中是成立的，而且它的推论比听起来激进。
如果九成的出行只需要两个座位，那么今天绝大多数五座车，在绝大多数时间里都在运输空气。多出来的座位、车身尺寸、重量和能耗，都是为了覆盖那不到一成的场景。
而这种冗余之所以被接受，是因为私人拥有的车必须覆盖车主的所有使用场景。你不会为了偶尔的五人出行再买一辆车。
但在按需出行的模式下，这个约束消失了：需要几个座位就叫几个座位的车。因此两座车成为主力车型，只有在所有权模式转变之后才成立。
这也说明了 Cybercab 的战略位置：它不是一款更便宜的车，而是一款只有在出行即服务的前提下才合理的车。如果那个前提不成立，两座车的市场会小得多。
当驾驶不再是必需，它就变成了体验
这与他在 Model S 停产活动上那个骑马的类比是同一个结构：功能被替代之后，需求不归零，而是转移到体验和爱好的维度。
而在那个维度上，产品逻辑是反的。作为交通工具，车追求效率、成本和舒适；作为体验产品，它追求的是驾驶乐趣本身，因此性能、操控和稀缺性才是卖点。
他自己也说了收入影响不大。这类产品的作用是品牌和形象，而不是财务贡献。把它当作收入来源来建模会得出错误结论。
分析师问：Optimus 的智能会放在机身芯片上，还是说每年上百万台机器人会在数据中心产生巨大的推理需求？
Musk我们认为可以把很多智能放在机器人本地。而且它确实需要有足够的智能，这样当机器人断网的时候，比如蜂窝信号不好或者没有 WiFi，Optimus 不会就此卡住。
它需要有足够的本地智能，即便失去连接也还能做有用的事情。有点像车。车不需要任何蜂窝或者 WiFi 连接，就能安全地行驶。
不过，你可以这样理解，Optimus 需要一个管理者来告诉它做什么。否则大体上它就会一直重复它之前在做的事情。
所以我认为你需要一个负责编排的 AI，而 Grok 很适合做编排。
另外对 Optimus 的语音来说，需要一个低延迟的、有智能的语音 AI，Grok 在这方面其实非常好。所以如果你想跟 Optimus 对话，进行一场 Grok 水准的交谈，你就需要连到一个 Grok 级别的 AI 上。
但是，除了语音这类事情，以及那些必须要大模型才能回答的复杂问题之外，我预期 Grok 与 Optimus 之间的交互量，大概相当于一个管理者与自己团队成员之间的交互量。
也就是说，Optimus 大概可以工作好几个小时而不需要任何管理层面的介入。
用管理者与下属的交互频率，来估算云端推理成本
分析师问的是一个财务问题：上百万台机器人会不会产生巨大的数据中心推理需求。这直接关系到运营成本。
而他给的答案是一个可以量化的类比：交互频率相当于管理者与团队成员之间的交互，机器人可以工作数小时而不需要介入。
这个答案的含义是云端推理成本远低于直觉。如果每台机器人每天只需要几次云端交互，那么百万台机器人的总推理量，与一个中等规模的消费级应用相当，而不是与百万个持续运行的模型实例相当。
而这个架构成立的关键在于本地智能。断网仍能工作这一条，既是可靠性要求，也是成本控制手段。
需要保留的是：他把语音交互单独列了出来。如果人机对话成为主要使用方式，那么这部分的云端成本会显著高于任务执行部分。
它是分工，不是叠加
他描述的是一个两层结构：本地模型负责实时的感知与控制，云端大模型负责理解意图、拆解任务、给出目标。
这个分工的依据是两类任务的时间尺度完全不同。控制需要毫秒级响应且不能依赖网络；而理解一句话要做什么，可以容忍数百毫秒的延迟且只在任务开始时发生一次。
因此把它们放在不同的地方是合理的，而不是简单地把大模型塞进机器人或者把一切都放到云端。
这个结构与他在特斯拉 Q2 会上描述的数字版 Optimus 是同一套：SpaceX 那边的大模型充当管理者，给出任务序列，本地系统去执行。
Elluswamy（AI）我们在扩大质量验证车队，同时也用客户车队反馈的有用指标来帮助我们安全扩张。到目前为止我们是零事故，向监管机构的备案也是这样显示的。
除了安全，我们也在解决那些所谓的扩张问题。比如你不希望 Robotaxi 堵在路口，或者把乘客送到稍微不对的位置。
我们通过监控整个特斯拉客户车队的指标来解决安全长尾问题，这支车队在未来几周内累计的 FSD 行驶里程将接近一百亿英里。
Taneja（CFO）订阅用户的流失率也在下降，这同样反映了产品在变好。另外我们看到客户的驾驶里程在变长。
Moravy在柏林，我们几个月前开始用自产的 4680 电芯生产 Model Y 电池包，产量爬升顺利，也帮助应对了欧洲的需求激增。
我们正在改造里诺的设施，那里造电池包已经快十年了，我们要换上更高效的产线来提高产出。中国那边我们也在爬升自产的磷酸铁锂模组与配套电池包产能。
能源业务负责人美国住宅光伏市场在去年失去业主税收抵免之后正在经历一轮调整，但我们仍看到下半年需求在成形。
特斯拉今年推出了租赁产品，让我们可以自己获取税收抵免，从而为业主提供有竞争力的价格。我们还推出了自己的太阳能组件，性能和外观都更好，以及自己的一流支架系统，从而构成了一个完全整合的家庭能源生态。
它是整个技术路线的底气所在
把它放进参照系：Robotaxi 无人监管里程在同期是十万英里量级，而客户车队的 FSD 累计里程接近一百亿英里，相差约五个数量级。
这个差距解释了他们的方法论。无人驾驶的验证里程稀缺且昂贵，而有人监督的客户里程近乎免费且海量。因此系统性的问题、罕见场景、地区差异，全部可以先在客户车队上被发现。
这也是纯视觉路线的一个结构性优势：因为不需要额外的激光雷达等硬件，量产车队本身就是数据采集网络。而依赖昂贵传感器的方案，无法把数据采集成本摊到消费者身上。
需要保留的是：有人监督的里程与无人驾驶的里程不等价。前者中人类随时接管，因此它证明不了系统能独立处理这些场景，只能提供发现问题的线索。
补贴取消之后，把它转移到能用得上的主体身上
住宅光伏的业主税收抵免取消，直接后果是终端价格上升、需求下滑。而租赁模式的作用是把资产所有权留在公司这一侧，从而由公司来获取仍然适用的税收优惠，再通过租金让利给业主。
这是一个在光伏行业反复出现的模式，它不创造价值，但能挽回因政策主体错配而损失的那部分。
对判断而言的含义是：当补贴政策变化冲击一个行业时，能否快速切换商业模式，往往比产品本身的竞争力更能决定短期表现。而这需要资产负债表能承受把资产留在表内。
八条带走的东西
- 拆一条产线要从最上游的小零件开始拆，总装线最后动。因为总装还要出车就必须开着，而上游可以提前停。因此产线切换早在停产公告之前几个月就开始了，而新品投产取决于新线调试，不取决于公告日期。四个月完成整套切换是极快的基准。
- 速度取决于一万个零件里最慢的那一个，而不是平均值。如果每个零件按时的概率是百分之九十九，一万个全部到位的概率约等于零。这类系统的完成时间由极值决定，因此无法预测，评估时要盯最落后的环节而非整体进度。
- 硬件三代的内存带宽只有四代的八分之一，而自回归模型的瓶颈正是内存带宽。这是软件优化绕不开的硬约束。升级要同时换计算单元和摄像头，还要新建微型工厂，因此他两次都把它框定为商业判断而非履约义务。
- TeraFab 不是为了议价，是因为看不到拿到足够芯片的路径。问题不是买得贵，是买不到。为成本做的一体化可以用节约金额评估，为供给安全做的一体化，回报体现在没有它就无法实现的业务上。
- Robotaxi 卡住的不是安全，是车太胆小。它被设定为最大安全度，因此在很多本可通行的情形下不敢动。卡住虽然不伤人，却直接摧毁商业可行性，而放宽阈值又需要数据支撑，这才是验证成为限制因素的原因。
- 火箭那边鼓励对手抄，机器人这边不敢提前展示。因为可复用火箭的壁垒在无法文字化的工艺积累，看得见学不会；而人形机器人的机构设计可以从视频逆向。一家公司敢不敢公开，反映它对自身壁垒来源的真实判断。
- 客户车队的 FSD 累计里程接近一百亿英里，而无人监管里程只有十万量级，相差五个数量级。纯视觉路线的结构性优势就在这里：量产车队本身就是免费的数据采集网络。但监督里程与无人里程不等价，它提供线索而非证明。
- 九成的行驶里程只坐一到两个人，所以长期大部分产量会是两座车。但这个推论只有在所有权模式从私有转向按需时才成立。Cybercab 不是一款更便宜的车，而是一款只有在出行即服务前提下才合理的车。