I det raskt utviklende landskapet innen bilteknologi og kunstig intelligens er kappløpet om fullstendig autonom kjøring fortsatt bransjens mest ettertraktede mål. Mens en rekke teknologigiganter og etablerte bilprodusenter investerer milliarder i forskning og utvikling, tyder et nytt analysenotat fra Morgan Stanley på at konkurransen kanskje ikke er så hard som den ser ut ved første øyekast. Andrew Percoco, som overtar ansvaret for Tesla-dekningen hos finansgiganten, har kommet med en dristig uttalelse om elbilprodusentens posisjon i bransjen: Når det gjelder dominans innen selvkjøring, er det «ikke engang i nærheten».
Denne vurderingen kommer på et avgjørende tidspunkt for Tesla, som er i ferd med å gå fra å være en ren maskinvareprodusent til å bli et selskap som i stadig større grad defineres av programvaren og kunstig intelligens. Percocos notat gir et nytt perspektiv på markedsdynamikken, særlig i lys av den fremvoksende konkurransen fra halvledergiganten Nvidia. Ved å analysere de grunnleggende kravene for å oppnå nivå 5-autonomi – særlig behovet for treningsdata fra den virkelige verden – har Morgan Stanley styrket fortellingen om at Teslas mange år med utrulling av en bilflåte har skapt en beskyttende vollgrav som konkurrentene kan finne det nærmest umulig å krysse.
For investorer og bransjeobservatører gir Percocos analyse et stabiliserende perspektiv midt i en uke preget av store kunngjøringer fra konkurrenter. Mens nye verktøy og plattformer lanseres for å demokratisere utviklingen av autonome kjøretøy, hevder Morgan Stanley-notatet at den grunnleggende infrastrukturen som trengs for å trene de nødvendige nevrale nettverkene – millioner av kilometer med varierte kjøredata fra den virkelige verden – fortsatt er en ressurs der Tesla har et nærmest monopolistisk fortrinn. Etter hvert som ansvaret for dekningen av Tesla hos Morgan Stanley skifter hender, står firmaets langsiktige tro på bilprodusentens teknologiske overlegenhet fast. Dette legger grunnlaget for en nærmere titt på mekanismene bak dette oppfattede forspranget.
Vaktskiftet hos Morgan Stanley
Bakgrunnen for dette nye notatet er viktig, ikke bare på grunn av innholdet, men også på grunn av forfatteren. I årevis har Adam Jonas vært Morgan Stanleys fremste analytiker innen bilsektoren, særlig kjent for sine positive og ofte visjonære vurderinger av Teslas potensial til å omforme mobiliteten. Men markedet er i endring, og det samme gjelder dekningen i store finansinstitusjoner. Andrew Percoco har nylig overtatt dekningen av Tesla-aksjen etter Jonas, noe som signaliserer en bredere omorganisering av hvordan disse selskapene kategoriseres.
Adam Jonas har gått over til å dekke aksjer innen «legemliggjort KI» og beveger seg bort fra den tradisjonelle bilsektoren. Dette skiftet er i seg selv en stilltiende innrømmelse fra finanssektoren av at grensene mellom bilprodusenter og robotikkselskaper viskes ut. Percoco har nå trådt frem i rampelyset og har ikke kastet bort tiden med å etablere sitt analytiske rammeverk. Hans første betydelige grep etter at han overtok dekningen, var å justere kursmålet for Tesla fra 410 til 425 dollar. Samtidig endret han anbefalingen fra «Overweight» til «Equal Weight».
En endring av anbefalingen til «Equal Weight» kan vanligvis tyde på en nøytral holdning, men sammenhengen mellom kursmålet, som er blitt hevet, og kommentarene i notatet viser et mer nyansert syn. Analysen anerkjenner Teslas enorme verdsettelse, samtidig som den peker på de konkrete teknologiske pilarene som underbygger selskapets langsiktige levedyktighet. Percocos analyse tyder på at selv om aksjekursen gjenspeiler mye av optimismen i dag, blir det grunnleggende teknologiske forspranget Tesla har på konkurrentene større, ikke mindre.
Data er konge: Dominansens matematikk
Kjernen i Percocos positive investeringssyn på Teslas teknologi er en enkel, men dyptgripende sannhet innen maskinlæring: Data er konge. Notatet fremhever uttrykkelig at Teslas forsprang skyldes evnen til å samle inn enorme mengder treningsdata gjennom den store bilflåten sin. I motsetning til konkurrenter som er avhengige av små flåter med testkjøretøy i geogjerdede områder, har Tesla millioner av biler som kjører rundt i verden og samler inn millioner av kilometer med kjøreatferd på veien hver eneste dag.
Percoco skriver:
«Det er ikke engang i nærheten. Tesla fortsetter å lede innen autonom kjøring, selv når Nvidia lanserer ny teknologi for å hjelpe andre bilprodusenter med å bygge førerløse systemer.»
Denne uttalelsen understreker forskjellen mellom teoretisk kapasitet og praktisk bruk. For å trene et nevralt nettverk til å kjøre trygt under alle forhold må det utsettes for «hjørnetilfeller» – sjeldne, uforutsigbare og komplekse situasjoner som oppstår sjelden. Det kan ta flere tiår før en flåte på noen hundre testbiler opplever like mange hjørnetilfeller som Teslas flåte opplever på én ettermiddag. Denne datatilbakemeldingssløyfen gjør at Tesla kan forbedre Full Self-Driving (FSD)-programvaren i et tempo konkurrentene matematisk sett ikke kan matche uten et tilsvarende antall biler på veien.
Teslas biler har en funksjon kalt «skygge-modus», der datamaskinen kjører i bakgrunnen og sammenligner egne beslutninger med handlingene til den menneskelige sjåføren uten faktisk å gripe inn. Dette gir en endeløs strøm av data til feilretting. Percoco peker på denne infrastrukturen som hovedgrunnen til at Teslas forsprang er sikret. Andre selskaper kan kjøpe raskere brikker eller bedre sensorer, men de kan ikke uten videre skaffe seg de milliardene av kilometer med kjøredata fra virkeligheten som Tesla allerede har samlet inn.
Nvidias Alpamayo: En annen tilnærming
Tidspunktet for Percocos uttalelse var trolig påvirket av de siste overskriftene om Nvidia, den regjerende mesteren innen AI-maskinvare. Nvidia lanserte nylig sin egen pakke for selvkjørende biler, kalt «Alpamayo». Som et åpen kildekode-basert AI-program er Alpamayo en betydelig utvikling for bilindustrien generelt, og gir tradisjonelle bilprodusenter som mangler intern programvarekompetanse, en livline slik at de kan bygge autonome systemer fra grunnen av.
Percoco påpeker imidlertid at Nvidias tilnærming skiller seg vesentlig fra Teslas, særlig når det gjelder maskinvare. Nvidias strategi går ut på å bruke sensorfusjon, som kombinerer:
- LiDAR: Lysdeteksjon og avstandsmåling, som bruker lasere til å lage et 3D-kart over omgivelsene.
- Radar: Radiobølger som brukes til å oppdage objekters hastighet og avstand.
- Syn: Kameraer som tolker den visuelle verdenen på samme måte som menneskeøyne.
Tesla har derimot blitt kjent for å ha gått over til en «kun syn»-tilnærming, der radar- og ultralydsensorer er fjernet fra bilene, og man utelukkende stoler på kameraer og nevrale nettverk. Elon Musk har hevdet at siden veier er utformet for menneskeøyne, bør et elektronisk nevralt nettverk med kameraer være tilstrekkelig for kjøring, på samme måte som et biologisk nevralt nettverk.
Percoco påpeker at selv om Nvidias kunngjøring er imponerende og bra for bransjen som helhet, påvirker den ikke Morgan Stanleys langsiktige syn på Tesla. Ulikheten i strategi fremhever Teslas vertikale integrasjon. Tesla designer sine egne inferensbrikker, skriver sin egen programvare og produserer bilene som samler inn dataene. Nvidia er riktignok en sterk aktør, men tilbyr en plattform som andre kan bygge videre på. Dette medfører integrasjonsutfordringer og fragmentering av data, noe Tesla ikke opplever.
Bekreftelse fra konkurrentene
Kanskje de mest overbevisende bevisene til støtte for Percocos påstand om at «det ikke engang er i nærheten», kommer fra konkurrentene selv. I en verden preget av hard konkurranse mellom selskaper er det sjelden at en toppsjef åpent roser en konkurrents produkt. Likevel gjorde Nvidias toppsjef Jensen Huang nettopp det etter lanseringen av Alpamayo. Uttalelsene hans gir Morgan Stanleys finansanalyse et ekstra lag med teknisk bekreftelse.
Huang, som er allment ansett som en visjonær innen AI, roste Elon Musk og Tesla for deres tidlige tro på end-to-end-dyp læring. Huang uttalte:
«Jeg mener Teslas system er det mest avanserte systemet for autonome kjøretøy i verden. Jeg er ganske sikker på at de allerede brukte end-to-end AI. Om AI-en deres kunne resonnere eller ikke, er mindre viktig enn det første poenget.»
Dette sitatet er avgjørende for å forstå teknologiens nåværende tilstand. «End-to-end AI» viser til et system der rå bildedata fra kameraer mates inn i et nevralt nettverk, og styrings- og bremsekontroller sendes direkte ut, uten tradisjonelle, kodebaserte regler i mellom. Teslas overgang til versjon 12 (v12) av FSD-programvaren markerte en overgang til denne end-to-end-arkitekturen, der hundretusener av linjer med heuristisk C++-kode ble erstattet med nevrale nettverk trent på video.
Ved å omtale Teslas system som «det mest avanserte i verden» innrømmet toppsjefen i selskapet som lager brikkene for alle andre, i praksis at Teslas forsprang er reelt. Dette stemmer perfekt med Percocos vurdering. Hvis leverandøren av bransjens beste AI-maskinvare mener at Tesla ligger foran, er det riktig at finansmarkedene merker seg det.
De økonomiske konsekvensene av autonomi
Percocos gjentakelse av kursmålet på 425 dollar er uløselig knyttet til hvor godt disse satsingene på autonomi lykkes. For at Tesla skal kunne forsvare markedsverdien sin – som ofte overstiger den samlede verdien til de neste største bilprodusentene – kan selskapet ikke bare være en bilprodusent. Det må være et robotikk- og KI-selskap. Anbefalingen «Equal Weight» signaliserer en balansert risiko- og avkastningsprofil på dagens nivåer, men kursmålet tilsier betydelig oppside hvis tesen om autonomi slår til som forventet.
Hvis Percoco har rett, og gapet mellom Tesla og konkurrentene er umulig å tette, er konsekvensene for Robotaxi-markedet omfattende. Selskapet som først oppnår nivå 5-autonomi med en skalerbar produksjonsbase, kan kapre brorparten av et marked for transport som tjeneste verdt flere billioner dollar. Morgan Stanleys analyse tyder på at mens andre bilprodusenter fortsatt prøver å finne ut av verktøyene, gjennom partnerskap med Nvidia eller Mobileye, finjusterer Tesla allerede det ferdige produktet.
Denne dominansen får også betydning for programvaremarginene. Hvis Teslas FSD blir gullstandarden, kan lisensieringsmulighetene – eller rett og slett de høye marginene på programvareabonnementer for selskapets egen bilpark – endre selskapets lønnsomhetsprofil radikalt sammenlignet med tradisjonelle produksjonsmarginer.
Konklusjon: Et forsprang bygget på kjørelengde
Når Andrew Percoco går inn i rollen som Morgan Stanleys Tesla-analytiker, minner hans første større analyse om selskapets unike posisjon. Overgangen fra Adam Jonas til Percoco har ikke svekket selskapets syn på Teslas teknologiske overlegenhet; den har snarere rettet oppmerksomheten mot de konkrete datafordelene som opprettholder den.
Påstanden om at kappløpet «ikke engang er jevnt» er dristig, særlig i en bransje preget av rask innovasjon. Logikken bak påstanden er imidlertid solid. I kunstig intelligens’ tidsalder er data drivstoffet som driver utviklingen fremover. Med millioner av kjøretøy som fungerer som datainnsamlende noder i et globalt nettverk, har Tesla bygget en datamotor som konkurrentene sliter med å kopiere, uansett hvor avanserte brikkene eller sensorpakkene deres er.
Selv om Nvidias Alpamayo og andre fremvoksende teknologier utvilsomt vil heve nivået for hele bilindustrien, mener Morgan Stanley at Teslas potensial er betydelig større. Etter hvert som bransjen beveger seg mot en førerløs fremtid, tyder analytikernes samlede vurdering på at selv om mange vil konkurrere, har Teslas mangeårige forarbeid sørget for at selskapet fortsatt er det de andre må slå.
