Laten we de robotaxi-markt in de VS dimensioneren (aangezien marktdeelnemers blijkbaar niet bereid zijn dit te doen). Mensen vergelijken het met structureel ~$3 per mijl voor point-to-point mobiliteitsproducten en begrijpen daardoor de potentiële reikwijdte van robotaxi's niet, nu ze massaal toegankelijk worden. De gemiddelde volwassene in de VS besteedt bijna een uur per dag aan autorijden. De geïmputeerde arbeidskosten van al dat handmatige besturen lopen op tot meer dan $4 biljoen per jaar. Daarnaast betalen we jaarlijks $1,6 biljoen voor de daadwerkelijke service van point-to-point rijden. Door mensen tijd terug te geven (waarvoor ze niet de volle prijs hoeven te betalen) en marktaandeel te winnen, denken we dat de Amerikaanse markt bij verzadiging bijna $4 biljoen per jaar zou kunnen benaderen. Gezien redelijke verwachtingen van aanboddiffusie en consumentenacceptatie zouden robotaxi-serviceproviders tegen 2030 meer dan $1,5 biljoen aan omzet kunnen behalen met brutowinst van meer dan $1 biljoen.

Laten we de onderliggende afleiding doornemen. Constructieve kritiek is welkom. De rijkste inkomensverdieners besteden de meeste tijd aan handmatig rijden en kunnen $50 per uur verdienen na belasting. Hogere inkomens zijn bereid een groter deel van hun netto-inkomen te betalen om tijd terug te winnen. Ons onderzoek suggereert dat de hoogste inkomensverdieners iets minder dan het equivalent van overuren zouden afwijzen om tijd terug te winnen. Voor andere groepen kopen ze tijd terug met een korting op wat ze anders mee naar huis zouden kunnen nemen. Dit is een vrij gevoelige factor voor de totale marktgrootte. Dat millennials zo duidelijk bereid zijn om tijd voor geld te ruilen door doordash-chauffeurs in te huren in plaats van zelf naar de afhaalbalie te gaan, biedt behoorlijke anekdotische gegevens dat er enige waarheid in deze curve zit.

Wanneer een consument besluit om een robotaxi te nemen, ruilt hij niet alleen tijd in voor geld, maar vermijdt hij ook de kosten van het rijden met zijn eigen voertuig. Top decielverdieners geven $0,76 per mijl uit, inclusief de kosten van het kopen van voertuigen, om van de ene plaats naar de andere te komen (exclusief luchtvervoer). Bijna consistent, per inkomensdeciel, bedraagt de marginale kostprijs van mobiliteit ongeveer $0,17 per mijl. Dit model gaat ervan uit dat mensen die al voertuigen bezitten, in eerste instantie alleen bereid zijn om die $0,17 te betalen, plus de waarde van hun tijd. Gedurende de typische levenscyclus van een voertuig gaan we ervan uit dat consumenten nieuwe voertuig aankopen vermijden naarmate ze steeds afhankelijker worden van robotaxi. Huishoudens met 2 auto’s worden huishoudens met 1 auto en meer van het vervoersbudget verschuift naar robotaxi. (opmerking: de vaste eigendomsvariabiliteit over inkomensdecielen is vrijwel zeker slechts een artefact van het extraheren van deze gegevens uit de CEX-gegevens van één jaar, gekruist met een lijnitem - voertuig aankopen - dat zeldzaam maar groot is over huishoudens; ik zou dat duidelijk moeten gladstrijken, maar het is niet bijzonder materieel voor de conclusies.)

Stap de tijdwaarde van geld op deciel, de tijd die aan rijden wordt besteed, en de directe uitgaven aan rijden en je krijgt evenwichtige adresseerbare markten per inkomensdeciel plus de clearingkosten per mijl. In de VS is de clearingkost per mijl $1,36, waarbij de hoogste inkomensdecielen bereid zijn $3 te betalen, ervan uitgaande dat ze de aankoop van een voertuig opgeven. Als iedereen erop staat om een auto te blijven bezitten, dan valt de landelijke clearingkost terug naar $0,97 per mijl, waarbij de hoogste inkomensverdieners bereid zijn $2,50 te betalen.

Een totaal adresseerbare markt van $2,8 biljoen die groeit naar $3,9 biljoen naarmate mensen voertuig aankopen achterwege laten. Lijkt groot. Maar het is altijd gemakkelijk om een stippellijn om een adresseerbare markt te trekken. Hoe ziet de waarschijnlijke uitrol eruit?

Voordat we de uitrol voorbereiden, moeten we uitzoeken waar de kans ligt. We passen postcodes aan op basis van inkomen per hoofd van de bevolking en inkomensverdeling, groeperen deze in metropolen en vervolgens in staten, waarbij we metropolen aanpassen op basis van gemiddelde snelheid (een lagere gemiddelde snelheid verhoogt de bereidheid van consumenten om per uur te betalen, omdat ze meer tijd besparen op handmatig rijden per mijl.) Vervolgens scoren we, op staatsniveau, de weer- en regelgevingsvriendelijkheid. Dit biedt een rangschikking van de lancering op staatsniveau en binnen elke staat gaan we ervan uit dat aanbieders de grootste TAM-metropolen als eerste lanceren. Deze grafieken tonen dollar per mijl (hoogte) per beschikbare mijl breedte per staat en metro in waarschijnlijke volgorde van lancering (kleurgecodeerd per regio). Je kunt ook een idee krijgen van de bijdrage van rijkdom aan elke TAM (waar New York aantrekkelijk is vanwege de lage snelheid, hoog inkomen per hoofd van de bevolking en hoge inkomensverdeling, maar vervolgens lager valt in de lanceringsvolgorde vanwege weer- en regelgevingsfrictie.)

We modelleren de adoptie op een reeks van drie vertraagde diffusiecurven. Eerst moet de robotaxi-provider een staat openen. Bij het doen hiervan beginnen ze elke metropool te penetreren. Naarmate elke metropool opent, begint de bevolking de technologie te omarmen, waarbij ze eerst de hoogste inkomensgroepen aanspreken, terwijl de effectieve prijs in de metropool daalt naarmate het meer van de bevolking bereikt en er meer aanbod beschikbaar komt.

Deze uitrolcurves suggereren bijna $2 biljoen aan omzet tegen 2030, met ongeveer $1,5 biljoen dat bijdraagt aan de brutowinst op basis van een Wright's Law-aanname over de kosten voor het leveren van de dienst.

Het is opmerkelijk dat robotaxi's niet naar een groot aantal metropolen of staten hoeven te worden uitgerold om een substantieel deel van de markt aan te spreken. Het bereiken van de eerste 10% van de gemodelleerde lanceringsmetropolen opent 40% van de aanspreekbare brutowinst. 25% opent bijna 2/3. Zelfs als de lange staart moeilijker blijkt te zijn om aan te boren (om regulatorische redenen of anderszins), is er genoeg waarde op de markt die kan worden vastgelegd.

Wat betekent dit voor de aanbod? Bij 80.000 omzetkilometers per robotaxi zou dit suggereren dat de markt verzadigt bij 30 miljoen robotaxi's, met jaarlijkse aanbodtoenames die pieken op 5 miljoen eenheden. Er zijn echter genoeg redenen om te geloven dat dit conservatief is. Deze modelleer oefening maakt geen aannames over flexibele aanbod (voor piek versus dal) noch enige aannames over de elasticiteit van de vraag naar kilometers. Het gebrek aan veronderstelde vraag wordt waarschijnlijk gecompenseerd door een vrij vlakke prijsstelling, zelfs voor high-end consumenten. Netto zou ik wedden dat dit model het aantal markten dat zich op een prijsniveau van $2,50 per mijl bevindt, overschat, maar de vraag naar gereden kilometers die optreedt naarmate de prijzen dalen, onderschat. Hogere eindconsumenten zullen waarschijnlijk het equivalent van een comfortklasse krijgen die ze zullen aannemen, maar ze zullen ook waarschijnlijk hun kinderen veel vaker de stad door sturen en naar andere buurten gaan voor het diner of de stad door voor een vergadering, simpelweg omdat de effectieve kosten om dit te doen zijn verlaagd.

Bij een kortingstarief van 15% suggereert dit werk dat er $12+ biljoen aan contante waarde bruto winst beschikbaar is in de Amerikaanse robotaxi (op basis van deze aannames.) Natuurlijk zal dit niet allemaal in cashflow vloeien. Er is een aanzienlijke oplaadinfrastructuur en service-uitbreiding die nodig zal zijn om de robotaxi-schaalvergroting te ondersteunen, en er zullen zeker arbeids-, administratieve en klantacquisitiekosten zijn die onder de streep door zullen vloeien. Netto geeft het wel een redelijke indruk van de schaal van de kans die marktdeelnemers schijnbaar niet willen onder ogen zien.

Een conservatieve benadering formuleren. Men zou redelijkerwijs kunnen stellen dat mensen niet zo bereid zullen zijn om tijd op te offeren voor geld en dat er minder opwaartse skew is in die gegevens naarmate je verder omhoog gaat op de inkomenscurve. Men zou ook kunnen beweren dat de consumentenacceptatie langzamer zal plaatsvinden, dat aanbieders van robotaxi's het moeilijker zullen hebben om de lange staart van markten te lanceren, en dat hun kostenstructuur hoger zal beginnen. Onder die omstandigheden zou misschien slechts de helft van de bevolking bereid zijn om autownership op te geven. Met die inputs valt de contante waarde van de brutowinst terug naar $4 biljoen (bij een discontovoet van 15%)

Bron / Methoden: ARK Invest schattingen met behulp van BLS ATUS (tijdgebruik) + CEX (consumptie-uitgaven) microdata, gecombineerd met de geïmputeerde waarde van rijtijd, bereidheid om te betalen aanpassingen, en gemodelleerde geografische uitrol + kostencurves. Opmerkingen: Illustratief marktomvangmodel—geen voorspelling. Bevat geïmputeerde (niet-contante) tijdwaarde. Resultaten zijn zeer gevoelig voor aannames (adoptie, timing, kosten, discontovoet). Openbaarmaking: Alleen voor informatieve doeleinden, geen beleggingsadvies. Schattingen/aannames onderhevig aan verandering; geen garantie dat resultaten worden gerealiseerd. Gegevens van derden worden als betrouwbaar beschouwd, maar niet gegarandeerd.

@threadreaderapp uitrollen