技术跃进与资本冷遇的背离

特斯拉在人工智能领域的最新进展再度引发行业关注。其端到端神经网络驾驶系统FSD V12版本已从实验室走向大规模用户测试，Dojo超级计算机的算力集群也在加速扩张，Optimus人形机器人的迭代速度超出外界预期。与技术层面的高歌猛进形成鲜明对照的是，华尔街对这家公司的态度依然审慎甚至冷淡。股价在消息面刺激下虽有波动攀升，却始终未能赢得机构投资者的集体背书。这种技术叙事与资本定价之间的裂痕，构成了当下特斯拉最耐人寻味的市场图景。

端到端架构重塑自动驾驶逻辑

特斯拉FSD V12最核心的变化在于彻底抛弃了传统模块化自动驾驶架构中数十万行人工编写的规则代码，转而采用“视频输入、控制输出”的端到端神经网络。这一转变意味着车辆行为不再依赖工程师逐条定义的逻辑判断，而是由海量真实驾驶数据训练出的模型直接生成。马斯克称其为“光子进、动作出”的范式革命。从技术哲学上看，这确实更接近人类驾驶的直觉决策模式，也大幅降低了长尾场景的规则维护成本。但华尔街分析师的疑虑在于，端到端模型的“黑箱”特性使得事故归因变得困难，监管审批的不确定性显著上升，商业化落地的节奏因此难以被精确建模进估值模型。

Dojo算力豪赌的资本回报之问

支撑上述AI能力的底层基础设施是特斯拉自研的Dojo超级计算机。摩根士丹利曾发布报告测算，Dojo若充分释放潜力，可能为特斯拉带来数千亿美元的市值增量，理由是它不仅能服务汽车业务，还可能对外输出算力成为独立业务线。这一乐观情景建立在巨额资本开支持续投入的前提之上。特斯拉近年资本支出屡创新高，Dojo的芯片自研、集群建设与电力配套均属重资产投入，回报周期漫长且充满技术路线风险。部分机构投资者担忧，在汽车主业毛利率承压的背景下，将大量现金流押注于算力基础设施，可能削弱公司短期财务弹性，因此即便认可Dojo的战略价值，也不愿在当下给出溢价。

人形机器人叙事与估值锚点的错位

Optimus人形机器人的进展是特斯拉AI故事中最具想象空间的一环。从最初舞台上的笨拙演示，到如今在工厂环境中执行分拣、搬运等任务的视频流出，迭代速度确实令人侧目。马斯克多次强调，Optimus未来可能贡献特斯拉市值的绝大部分。问题在于，人形机器人的商业化路径至今缺乏清晰的落地场景与成本曲线，量产时间表也一再推后。华尔街对“愿景溢价”的容忍度正在收窄，尤其是在利率高企、成长股估值普遍承压的宏观环境下。分析师更倾向于将机器人业务视为期权价值而非核心估值组成部分，这解释了为何每次机器人消息发布后股价短线冲高却难以形成趋势性上涨。

汽车主业承压削弱AI叙事的说服力

无论AI故事多么宏大，特斯拉当前仍是一家以汽车销售为主要收入来源的公司。全球电动车市场竞争加剧，价格战持续侵蚀利润率，主力车型产品周期进入中后段，这些基本面因素构成了华尔街谨慎态度的现实基础。部分分析师指出，当汽车业务的增长故事褪色时，单纯依靠AI进展来支撑估值显得单薄。资本市场需要看到AI技术转化为可量化的收入或成本优势，而非停留在演示视频与技术白皮书的层面。FSD订阅收入的渗透率、Dojo对外服务的商业化合同、机器人业务的订单可见度，这些才是机构投资者真正等待的信号。

监管环境与信任赤字的双重约束

特斯拉AI技术的落地还面临监管与公众信任的双重考验。美国国家公路交通安全管理局对FSD相关事故的调查仍在推进，欧洲与亚洲多个市场对自动驾驶功能的准入标准日趋严格。端到端模型的可解释性不足，使得监管机构在审批时更为保守。与此同时，马斯克个人风格带来的争议性言论，时常对品牌形象与投资者情绪造成扰动。华尔街部分基金经理私下表示，特斯拉的治理结构与关键人风险是其长期折价的重要因素之一。技术可以迭代，但信任的重建需要时间，而资本市场的耐心往往比技术演进的周期更短。

分歧中的长期博弈

技术派与资本派的分歧本质上是时间维度的错配。工程师看到的是能力边界的持续拓展，投资者计算的是现金流折现的确定性。特斯拉的AI进步毋庸置疑，但从技术领先到商业变现之间横亘着监管、成本、竞争与执行的多重变量。华尔街的冷淡并非对技术的否定，而是对不确定性的定价。当FSD真正实现规模化盈利、Dojo算力找到外部客户、Optimus拿到实质性订单之时，资本的态度自会转变。在那之前，股价的每一次攀升都更像是一场关于未来的提前下注，而非共识的达成。这场博弈的胜负，最终将由落地速度而非演示效果来决定。