Dimensionnons le marché des robotaxis aux États-Unis (puisque les participants du marché semblent réticents à le faire). Les gens comparent les produits de mobilité point à point structurés à environ 3 $ par mile et ne comprennent donc pas l'ampleur potentielle des robotaxis lorsqu'ils deviennent accessibles au grand public. L'adulte américain moyen passe près d'une heure par jour à conduire. Le coût de main-d'œuvre imputé de tout ce pilotage manuel dépasse 4 trillions de dollars par an. De plus, nous dépensons 1,6 trillion de dollars par an pour le service réel de conduite point à point. En redonnant du temps aux gens (pour lequel ils n'ont pas à payer le prix fort) et en gagnant une part de dépenses, nous pensons que le marché américain pourrait atteindre près de 4 trillions de dollars par an à saturation. Étant donné des attentes raisonnables concernant la diffusion de l'offre et l'adoption par les consommateurs, les fournisseurs de services de robotaxis pourraient dépasser 1,5 trillion de dollars de revenus d'ici 2030 avec des bénéfices bruts dépassant 1 trillion de dollars.

Travaillons sur la dérivation sous-jacente. Les critiques constructives sont les bienvenues. Les revenus les plus riches passent le plus de temps à conduire manuellement et peuvent demander 50 $ de l'heure après impôts. Les personnes à revenu élevé sont prêtes à payer une part plus élevée de leurs salaires après impôts pour récupérer du temps. Notre recherche suggère que les personnes à revenu le plus élevé refuseraient quelque chose de moins que l'équivalent d'un salaire supplémentaire pour récupérer du temps. Pour d'autres cohortes, elles rachètent du temps à un tarif inférieur à ce qu'elles pourraient autrement ramener chez elles. C'est un facteur assez sensible pour la taille globale du marché. Le fait que les milléniaux soient si manifestement prêts à échanger du temps contre de l'argent en embauchant des livreurs de doordash plutôt qu'en se rendant eux-mêmes au comptoir de plats à emporter fournit des données anecdotiques solides qu'il y a une certaine vérité dans cette courbe.

Lorsqu'un consommateur décide de prendre un robotaxi, il ne troque pas seulement du temps contre de l'argent, il évite également le coût de l'utilisation de son propre véhicule. Les ménages du décile supérieur dépensent 0,76 $ par mile, y compris le coût d'achat des véhicules, pour se déplacer (hors voyages aériens). De manière assez cohérente, par décile de revenu, le coût marginal de la mobilité s'élève à environ 0,17 $ par mile. Ce modèle suppose que les personnes qui possèdent déjà des véhicules ne sont prêtes à payer que ce 0,17 $ au départ, plus la valeur de leur temps. Au cours du cycle de vie typique d'un véhicule, nous supposons que les consommateurs évitent d'acheter de nouveaux véhicules à mesure qu'ils deviennent de plus en plus dépendants des robotaxis. Les ménages avec 2 voitures deviennent des ménages avec 1 voiture et une plus grande partie du budget de transport se déplace vers le robotaxi. (Notez que la variabilité fixe de la propriété à travers les déciles de revenu est presque certainement juste un artefact de l'extraction de cela à partir des données CEX d'une seule année croisées avec un poste de ligne - achats de véhicules - qui est peu fréquent mais important pour les ménages ; je devrais clairement lisser cela mais ce n'est pas particulièrement matériel pour les conclusions.)

Empilez la valeur temporelle de l'argent par décile, le temps passé à conduire, et les dépenses directes liées à la conduite et vous obtenez des marchés adressables d'équilibre par décile de revenu, plus le coût de déblaiement par mile. À l'échelle des États-Unis, le coût de déblaiement par mile est de 1,36 $ avec les déciles de revenu les plus élevés prêts à payer 3 $ en supposant qu'ils renoncent à l'achat de véhicules. Si tout le monde insiste pour continuer à posséder une voiture, alors le coût de déblaiement national tombe à 0,97 $ par mile avec les plus hauts revenus prêts à payer 2,50 $.

Un marché total adressable de 2,8 trillions de dollars qui passe à 3,9 trillions de dollars alors que les gens renoncent à l'achat de véhicules. Cela semble assez grand. Mais il est toujours facile de tracer une ligne pointillée autour d'un marché adressable. À quoi ressemble le déploiement probable ?

Avant de préparer le déploiement, nous devons déterminer où se trouve l'opportunité. Nous ajustons les codes postaux en fonction du revenu par habitant et de la répartition des revenus, puis nous les regroupons par métropoles et par états, en ajustant les métropoles par la vitesse moyenne (une vitesse moyenne plus basse augmente la volonté de payer des consommateurs par heure, car ils économisent plus de temps de conduite manuelle par mile.) Nous évaluons ensuite, au niveau des états, la convivialité climatique et la convivialité réglementaire. Cela fournit un classement des lancements au niveau des états et, au sein de chaque état, nous supposons que les fournisseurs lanceront d'abord les métropoles avec le plus grand TAM. Ces graphiques montrent le dollar par mile (hauteur) par miles disponibles (largeur) par état et métropole dans l'ordre de lancement probable (codé par couleur par région). Vous pouvez également avoir une idée de la contribution de la richesse à chaque TAM (où New York est attrayant en raison de la faible vitesse moyenne, du revenu par habitant élevé et de la forte répartition des revenus, mais tombe ensuite plus bas dans l'ordre de lancement en raison des frictions climatiques et réglementaires.)

Nous modélisons l'adoption sur une série de trois courbes de diffusion retardées. Tout d'abord, le fournisseur de robotaxis doit ouvrir un état. Ce faisant, il commence à pénétrer chaque zone métropolitaine. À mesure que chaque zone métropolitaine s'ouvre, la population commence à adopter la technologie, en s'approvisionnant d'abord auprès des ménages à revenu le plus élevé, avec le prix effectif dans la métropole qui diminue à mesure qu'il pénètre davantage de la population et que plus d'offre devient disponible.

Ces courbes de déploiement suggèrent presque 2 trillions de dollars de revenus d'ici 2030, avec environ 1,5 trillion de dollars de bénéfice brut en utilisant une hypothèse de la loi de Wright sur le coût de la fourniture du service.

Il est notable que le robotaxi n'a pas besoin de se déployer dans un grand nombre de métropoles ou d'États pour s'attaquer à une part substantielle du marché. Atteindre les 10 % initiaux des métropoles de lancement modélisées ouvre 40 % du bénéfice brut adressable. 25 % ouvre presque 2/3. Même si la longue traîne s'avère plus difficile à exploiter (pour des raisons réglementaires ou autres), il y a beaucoup de valeur de marché capturable à portée de main.

Que signifie cela pour l'offre ? Avec 80 000 miles de revenus par robotaxi, cela suggérerait que le marché se saturerait à 30 millions de robotaxis, avec des ajouts d'offre annuels atteignant un pic de 5 millions d'unités. Il y a de nombreuses raisons de croire que cela est conservateur cependant. Cet exercice de modélisation ne fait aucune hypothèse sur l'offre flexible (pour les pics par rapport aux creux) ni sur l'élasticité de la demande par rapport aux miles. Le manque de demande supposée est probablement compensé par des prix relativement stables même pour les consommateurs haut de gamme. En résumé, je parierais que ce modèle surestime la part de marché qui se situe à un prix de 2,50 $ par mile, mais sous-estime la demande en miles parcourus qui se produit à mesure que les prix diminuent. Les consommateurs haut de gamme seront probablement fournis avec l'équivalent d'une classe de confort qu'ils adopteront, mais ils enverront également probablement leurs enfants à travers la ville beaucoup plus souvent et iront dans d'autres quartiers pour dîner ou à travers la ville pour une réunion simplement parce que le coût effectif de le faire a été réduit.

Avec un taux d'actualisation de 15 %, ce travail suggère qu'il y a plus de 12 trillions de dollars de valeur actuelle brute de profit disponible dans le robotaxi aux États-Unis (sur ces hypothèses). Bien sûr, tout cela ne se traduira pas par des flux de trésorerie. Il y a une infrastructure de recharge substantielle et un développement de services qui devront accompagner l'échelle du robotaxi, et il y aura certainement des coûts de main-d'œuvre, administratifs et d'acquisition de clients qui passeront en dessous de la ligne. En net, cela donne une idée raisonnable de l'ampleur de l'opportunité que les participants du marché semblent réticents à affronter.

Établir un cas conservateur. On pourrait raisonnablement affirmer que les gens ne seront pas si disposés à échanger du temps contre de l'argent et qu'il y a moins de biais à la hausse dans ces données à mesure que l'on monte dans la courbe des revenus. On pourrait également prétendre que l'adoption par les consommateurs se fera plus lentement, que les fournisseurs de robotaxis auront plus de mal à lancer la longue traîne des marchés, et que leur structure de coûts commencera plus haut. Dans ces circonstances, peut-être que seule la moitié de la population serait prête à renoncer à la possession d'une voiture. Avec ces éléments, la valeur actuelle du bénéfice brut tombe à 4 trillions de dollars (sur un taux d'actualisation de 15%)

Source / Méthodes : Les estimations d'ARK Invest utilisant les microdonnées BLS ATUS (utilisation du temps) + CEX (dépenses des consommateurs), combinées avec la valeur imputée du temps de conduite, les ajustements de volonté de payer et le déploiement géographique modélisé + les courbes de coût. Remarques : Modèle d'estimation de marché illustratif—pas une prévision. Inclut la valeur du temps imputée (non monétaire). Les résultats sont très sensibles aux hypothèses (adoption, timing, coûts, taux d'actualisation). Divulgation : À des fins d'information uniquement, pas de conseils en investissement. Estimations/hypothèses susceptibles de changer ; aucune assurance que les résultats soient réalisés. Données de tiers jugées fiables, mais non garanties.

@threadreaderapp dérouler, dérouler