Vamos a dimensionar el mercado estadounidense de robotaxis (ya que los participantes del mercado parecen no estar dispuestos a hacerlo). Las personas coinciden con los modelos estructurales de +3 dólares por milla de movilidad punto a punto y, por tanto, malinterpretan el alcance potencial del robotaxi a medida que se vuelve accesible en masa. El adulto estadounidense medio dedica casi una hora al día conduciendo. El coste laboral imputado de toda esa pilotación manual supera los 4 billones de dólares al año. Además, pagamos 1,6 billones de dólares anuales por el servicio real de conducción punto a punto. Al devolver tiempo a la gente (por el que no tienen que pagar el precio completo) y ganar cuota de gasto, creemos que el mercado estadounidense podría acercarse a los 4 billones de dólares anuales en estado saturado. Dadas expectativas razonables de oferta y adopción por parte del consumidor, los proveedores de servicios de robotaxi podrían superar los 1,5 billones de dólares en ingresos para 2030, con beneficios brutos superiores a 1 billón de dólares.

Trabajemos en la derivación subyacente. Se aceptan críticas constructivas. Los que más ingresos ingresan pasan más tiempo conduciendo manualmente y pueden cobrar 50 dólares por hora después de impuestos. Los que ganan más están dispuestos a pagar una mayor parte de los salarios después de impuestos para recuperar tiempo. Nuestra investigación sugiere que los que más ingresos ganan rechazarían algo inferior al equivalente a horas extra para recuperar tiempo. Para otros grupos recuperan tiempo con descuento respecto al que podrían llevarse a casa. Esta es una entrada bastante sensible para el tamaño general del mercado. Que los millennials estén tan obviamente dispuestos a cambiar tiempo por dinero contratando conductores de Doordash en lugar de ir directos al mostrador de comida para llevar aporta una buena anécdota de que hay algo de verdad en esta curva.

Cuando un consumidor decide coger un robotaxi no solo está cambiando tiempo por dinero, sino que también está evitando el coste de mantener su propio vehículo. Los que ganan con más decil gastan 0,76 $ por milla, incluyendo el coste de comprar vehículos, en desplazarse de un lugar a otro (excluyendo los viajes aéreos). De forma bastante constante, por decil de ingresos, el coste marginal de la movilidad es de ~0,17 dólares por milla. Este modelo asume que las personas que ya poseen vehículos solo están dispuestas a pagar esos 0,17 dólares al principio, más el valor de su tiempo. A lo largo del ciclo de vida típico de un vehículo, asumimos que los consumidores evitan la compra de vehículos nuevos a medida que dependen cada vez más de robotaxi. Los hogares con 2 coches se convierten en hogares con 1 coche y gran parte del presupuesto de transporte se traslada a robotaxi. (Cabe señalar que la irregularidad fija de la propiedad a lo largo del decil de ingresos es casi con toda seguridad un artefacto de extraer esto de los datos de un solo año de CEX cruzados con una partida—compras de vehículos—que es poco frecuente pero grande en los hogares; Claramente debería suavizar eso, pero no es especialmente relevante para sacar conclusiones.)

Apila el valor temporal del dinero por decil, el tiempo dedicado a conducir y el gasto directo en conducción y obtienes mercados de equilibrio direccionables por decil de ingresos más el coste de compensación por milla. En todo EE. UU., el coste de limpieza por milla es de 1,36 dólares, con los decils de ingresos más altos dispuestos a pagar 3 dólares suponiendo que renuncien a la compra del vehículo. Si todo el mundo insiste en seguir teniendo un coche, el coste nacional de compensación baja a 0,97 $ por milla, con los que más ingresos están dispuestos a pagar 2,50 $

Un mercado total direccionable de 2,8 billones de dólares que crece hasta 3,9 billones a medida que la gente renuncia a comprar vehículos. Parece algo grande. Pero siempre es fácil trazar una línea punteada alrededor de un mercado dirigido. ¿Cómo es probable el despliegue?

Antes de poner en marcha el despliegue tenemos que averiguar dónde reside la oportunidad. Ajustamos los códigos postales por ingresos per cápita y sesgo de ingresos, los agrupamos en las áreas metropolitanas y los agrupamos en estados, ajustando las áreas metropolitanas por la media por hora (una media más baja aumenta la disposición del consumidor a pagar por hora, ya que ahorran más tiempo de conducción manual por milla). Luego puntuamos, a nivel estatal, la compatibilidad con el clima y la normativa. Esto proporciona el ranking de la pila de lanzamientos a nivel estatal y, dentro de cada estado, asumimos que los proveedores lanzarán primero las mayores áreas metropolitanas TAM. Estos gráficos indican que el dólar por milla (altura) por millas disponible, ancho por estado y metro en orden probable de lanzamiento (codificado por colores por región). También puedes hacerte una idea de la contribución de riqueza a cada TAM (donde Nueva York es atractiva por su baja miedo, alta renta per cápita y alta inclinación de ingresos, pero luego baja en el orden de lanzamiento debido al clima y a la fricción regulatoria).

Modelamos la adopción sobre una serie de tres curvas de difusión con retardo. Primero, el proveedor de robotaxi tiene que abrir un estado. Al hacerlo, comienzan a penetrar en cada área metropolitana. A medida que cada área metropolitana se abre, la población comienza a adoptar la tecnología, buscando primero de los que más ingresos ganan, y el precio efectivo en el área metropolitana baja a medida que penetra a más población y más oferta llega a internet.

Estas curvas de despliegue sugieren casi 2 billones de dólares en ingresos para 2030, con aproximadamente 1,5 billones de dólares derivados del beneficio bruto usando una suposición de la Ley de Wright sobre el coste de prestación del servicio.

Cabe destacar que el robotaxi no necesita desplegarse en muchas ciudades o estados para cubrir una parte importante del mercado. Alcanzar el primer 10% de las metrópoles de lanzamiento modeladas abre el 40% del beneficio bruto accesible. El 25% abre casi dos tercios. Incluso si la cola larga resulta más difícil de aprovechar (por razones regulatorias o de otro tipo), hay mucho valor de mercado que se puede capturar.

¿Qué significa esto para la oferta? Con 80.000 millas de ingresos por robotaxi, esto sugiere que el mercado se satura en 30 millones de robotaxis, con aumentos anuales de suministro que alcanzan un máximo de 5 millones de unidades. Sin embargo, hay muchas razones para pensar que esto es conservador. Este ejercicio de modelado no hace suposiciones sobre la oferta flexible (para picos frente a valle) ni sobre la elasticidad por millas-demanda. La falta de demanda asumida probablemente se compensa con precios relativamente planos, incluso para consumidores de alto nivel. En realidad, apostaría a que este modelo exagera la cantidad de mercado que se mantiene a un precio de 2,50 dólares por milla, pero subestima la demanda impulsada por kilómetros que ocurre cuando los precios bajan. Probablemente a los consumidores de gama alta se les ofrecerá el equivalente a una clase de confort que aceptarán, pero también probablemente enviarán a sus hijos mucho más a menudo al otro lado de la ciudad y irán a otros barrios a cenar o a una reunión simplemente porque el coste efectivo de ello se ha reducido.

Con un descuento del 15%, este trabajo sugiere que hay 12 billones de dólares en beneficio bruto de valor presente disponible en los robotaxi estadounidenses (bajo estas suposiciones). Por supuesto, no todo esto se traduciría en flujo de caja. Habrá una infraestructura de carga y un desarrollo de servicios sustanciales que deberán acompañar la escalada de robotaxi, y sin duda habrá costes laborales, administrativos y de adquisición de clientes que se filtrarán por debajo de la línea. En realidad, ofrece una idea razonable de la magnitud de la oportunidad que los participantes del mercado parecen reacios a afrontar.

Crear un caso conservador. Se podría afirmar razonablemente que la gente no estará tan dispuesta a cambiar tiempo por dinero y que hay menos sesgo al alza en esos datos a medida que subes en la curva de ingresos. También se podría afirmar que la adopción por parte de los consumidores será más lenta, que los proveedores de robotaxis tendrán más dificultades para lanzar la larga cola de mercados y que su estructura de costes empezará a subir. En esas circunstancias, quizás solo la mitad de la población estaría dispuesta a renunciar a la propiedad de un coche. Con esos insumos, el beneficio bruto del valor presente cae a 4 billones de dólares (con un descuento del 15%).

Fuente / Métodos: Las estimaciones de ARK Invest utilizando microdatos BLS ATUS (uso de tiempo) + CEX (gasto del consumidor), combinados con el valor imputado del tiempo de conducción, ajustes de disposición a pagar y curvas modeladas de despliegue geográfico + coste. Notas: Modelo ilustrativo de tamaño de mercado—no una previsión previsiva. Incluye el valor temporal imputado (no monetario). Los resultados son muy sensibles a las suposiciones (adopción, momento, costes, tasa de descuento). Divulgación: Solo con fines informativos, no asesoramiento de inversión. Estimaciones/suposiciones sujetas a cambios; No se logran resultados de garantía. Se cree que los datos de terceros son fiables, no garantizados.

@threadreaderapp desenrollar