物理AI与汽车行业交叉领域讨论纪要

摘要： 本次会议探讨了物理AI、机器人与汽车行业的交叉机遇，重点分析了传统汽车基础设施（如经销商）如何转型为机器人与 Robotaxi 的履约、维护中心，以及传统车企资产向 AI 数据中心能源存储方向演进的逻辑。

行业主线：

1. 物理基础设施转型：汽车经销商拥有核心城区的场地、充电及翻新能力，其下游服务业务（零部件、翻新、金融）与自动驾驶未来的维护需求高度重叠，有望成为 Robotaxi 的运营支撑节点。
2. 汽车与能源融合：传统车企（如福特、通用）正将电动车电池资产改造为数据中心所需的固定储能，通过负载均衡保护 GPU 投资，实现向 AI 供电领域的延伸。

关键变化与分歧：

1. 商业模式对冲：以 Carvana 为代表的企业通过收购实体经销商构建垂直整合的物流履约体系，旨在对冲自动驾驶普及可能导致的个人购车需求下降风险。
2. 成本竞争维度：分析显示特斯拉在自动驾驶每英里成本上显著低于 Waymo，其垂直整合能力带来的成本优势是规模化竞争的关键。

受益方向与风险：

1. 受益方向：拥有优质不动产与技术工人储备的工业/汽车企业、能高效实现资产向 AI 储能转型的车企、具备低成本量产能力的自动驾驶厂商。
2. 核心风险：监管政策对无监督自动驾驶的限制、传统车企转型执行风险、AI 基础设施建设节奏波动。