リー・オート（LI：Li Auto ADR）とは？テスラ（TSLA）との比較を通じて同社の魅力に迫る！

リー・オート（LI：Li Auto ADR）とは？

以下のリンクをクリックすると、リー・オート（LI：Li Auto ADR）およびテスラ（TSLA）のDCF（割引キャッシュフロー）によるバリュエーションをご覧いただけます。各社の評価額はスプレッドシートの一番右側に記載されています。

https://docs.google.com/spreadsheets/d/1YBZ7_DnYViK86gY51V0h5Hml1hjByb4ck5P3YTHVFv0/edit?usp=sharing

LIは、主流市場に進出した中で最も若いEVブランドであり、TSLAに次いで経済的な持続可能性を達成した2番目のEVスタートアップです。フリーキャッシュフローの利益率で損益分岐点を突破しました。多くの同業他社がイーロン・マスクの哲学を絶対視したのに対し、LIは逆張りの道を選び、当初は投資家の支持を得るのに苦労しました。

同社は2018年に6人乗りの高級REEV（レンジエクステンダーEV）SUV「Li One」を発売し、2022年に「L9」が登場するまで唯一の製品として展開していました。これは、EVスタートアップがどのようにスケールすべきかという従来の常識に逆行するものでした。

LIは、バッテリーEV（BEV）への完全な転換ではなく、REEVに賭けるという選択をしました。それも、REEVとBEVの論争が終結したと見なされていた2018年に実行したのです。市場はKarmaの失敗とTSLAの急成長を受けてREEVを見限っており、新たなREEVプラットフォームに出資しようとする投資家や起業家はほとんどいませんでした。

LIは、大衆市場への幅広い製品展開ではなく、「快適性重視」の広々とした高級SUVに的を絞って開発を進めました。ターゲット顧客は明確で、家庭を持ち始めた若い父親たちであり、自動車を家庭の延長＝「第二のリビングルーム」と考える層でした。

競合他社が電動モーター、バッテリー素材、そして高度なADAS（先進運転支援システム）に研究開発費を注ぎ込む一方で、LIはインフォテインメントUXや座席の快適性、冷蔵庫、ディスプレイといった「ソフトな」機能に注力しました。こうした機能は実際の顧客がすぐに気づき、対価を支払ってもよいと感じるものです。このような姿勢に対しては、「LIはテック企業とは言えない」と批判する声もありましたが、同社は技術を軽視していたのではなく、「顧客中心の視点」で技術を応用していたのです。このアプローチは、スティーブ・ジョブズ時代のAppleの初期製品戦略と似ています。まずはエンド・ツー・エンドの体験を徹底的に追求し、深い技術に対しては、その体験を本当に向上させるときだけ投資するという考え方です。

2023年、LIはLi Oneの販売を終了し、「L9」「L8」「L7」という3つの大型高級SUVを展開するようになりました。その製品戦略は明確で、小型・低価格モデルやセダン、BEV（純電動車）は手がけず、「ハードテック」に関するマーケティングも行いませんでした。代わりに、顧客が本当に重視し、直感的に理解できる「ソフトテック」に集中し続けました。このラインナップは、AppleのiPhone戦略（例：iPhone 16 Pro Max、Pro、無印）に似ています。

これは、LIが技術的な深みを欠いているとか、DELLやHPE、LenovoのようなPC OEM企業のように単なるマーケティング企業であるという意味ではありません。むしろ、LIの創業者は非常に冷静かつ独立した視点を持ち、ユーザー目線とキャッシュ重視のスタートアップとしての現実的判断の両面から、何を最優先すべきかを常に考えてきました。EVの中核コンポーネント（モーター、バッテリーセル、BMSなど）は、サプライヤーから調達するものの、コスト優位性と技術的な主導権を確保するためにジョイントベンチャーやパートナーシップ契約を活用しています。とりわけ、LIは自動車業界でも屈指と評価されるソフトウェアおよびインフォテインメントUIチームを社内に構築しました。また、自社内にブティック型のADASチームを立ち上げましたが、2024年までは巨額の資金を投じたり、ADASのマーケティングに傾倒したりすることはありませんでした。この姿勢は、Appleの初期戦略とも共通しています。当初のAppleは、自社でディスプレイやバッテリー、チップすら作らず、最高のOSとユーザー体験の設計に集中し、その後にSoCなどの重要部品の内製化に取り組みました。

他の多くの創業者とは異なり、LIの創業者は伝統的なSTEM（理系）分野や営業・マーケティング出身ではありません。高校卒業後すぐに連続起業家となり、中国初期にして最大級のオンラインPCメディアを立ち上げました。その後、国内最大の自動車系オンラインメディア「Autohome」を設立し、これはイギリスのTop Gearや米国のAuto Trendに匹敵する影響力を持つ存在へと成長しました。2015年、彼はAutohomeを16億ドルで売却し、その資金でLIを立ち上げました。このユニークな経歴により、彼は典型的な技術者とは言えませんが、テクノロジーに対して深い理解を持ち、技術偏重に陥ることなく、顧客の嗜好にも精通しています。

一定のスケールに達し、フリーキャッシュフロー利益率で黒字化を果たした後、LIは本格的にハードテックへの投資を開始し、特にADAS分野への取り組みを強化しました。2023年末、TSLAは、従来の論理回路やCNN（畳み込みニューラルネット）によって制限されていたADASモデルにトランスフォーマー・アーキテクチャとスケーリング則を適用することで、自動運転性能が飛躍的に向上することを実証しました。これはChatGPT登場時に見られた技術革新と類似しています。TSLAのFSD v12は、2023年末にベータテストが開始され、2024年1月に正式リリースされましたが、エンド・ツー・エンドのトランスフォーマーモデルが、より多くの計算資源、パラメーター、データによって大きくスケールすることが確認されました。

LIは、このパラダイムシフトをいち早く察知し、真剣に取り組みました。2024年には、トランスフォーマーベースのADASに大きく方向転換し、投資を大幅に強化しました。その結果、同社は中国においてHuaweiに次ぐTier-1のADAS企業へと急成長を遂げました。Huaweiと同様に、LIはTSLAの「純ビジョン」戦略を採用せず、LiDARを活用したルートにコミットしました。このアプローチは、イーロン・マスクがかつて「破綻する」とまで言い放ったものです。

EVに関しても、LIはREEV至上主義でもBEV原理主義でもなく、あくまで現実的な姿勢を貫いてきました。同社は、多くの中国人消費者がまだ完全なBEVへの移行に備えていないと考え、当面の「局所的最適解」としてREEVを選んでいました。LIの見解では、BEV技術は、まだ顧客が「素晴らしい」と感じる体験を提供できるレベルには達していませんでした。

その転換点が訪れるのは2024年以降であり、急速充電インフラの整備によって実現するとLIは見ていました。同社は、最大出力520kWの5C急速充電ステーションに投資し、バッテリーを0%から100%までわずか1/5時間（Cは1/C時間充電レート）で充電可能にしました。2024年半ば、LIは初の高級BEV MPV「Li MEGA」を発売しました。この車両は、5Cチャージャー使用時に20%から80%までわずか12分で充電可能です。

Li MEGAには大きな期待が寄せられていました。強力なマーケティング、MPVユーザーとの明確なプロダクト・マーケット・フィット、高価格帯設定、堅調な需要。しかし、実際の発売結果は期待を下回りました。競合他社からの攻撃的なPRや、5Cチャージャーの設置不足などが重なり、想定以上に採用が進まなかったのです。この発表後、LIの株価は急落しました。投資家心理は慎重になり、REEVによって支えられてきた成長と収益性が持続可能ではないのではないかという懸念と、BEV戦略が十分にスケールできていないのではないかという不安が広がったためです。

リー・オート（LI：Li Auto ADR）の逆張りのLiDAR戦略

自動運転における議論の中で、LiDAR（ライダー）ほど賛否が分かれるものはほとんどありません。そして、その是非について最も強く主張してきたのがイーロン・マスク氏です。TSLAのFSD（完全自動運転）戦略は一貫してLiDARを不要で高価、そして最終的には妨げとなる技術として退けてきました。マスク氏が放った「LiDARに頼っているやつは全員終わる」という有名な言葉は、単なる誇張ではなく、ビジョン（カメラ）ベースのシステムが大規模データセットによる学習によって最終的には他の技術を凌駕するという強い信念に基づいています。彼の理論的根拠はスケーラビリティにあります。カメラは安価であり、人間の運転者も視覚だけで運転しています。そして、LiDARは歴史的に高コストかつ壊れやすく、大衆市場向けには適さないとされてきました。

理論上はうまくいくものも、現実にはスケールしないことがありますが、TSLAはそのビジョンのみのアプローチがスケールし始めているという強い証拠を示しています。複雑な交差点、照明が不十分な環境、構造化されていない道路といった“エッジケース”では、カメラだけの認識には課題が残るものの、TSLAのモデルはスケーリング則（モデルサイズ、学習データ、計算能力の拡大）に従って一貫した性能向上を示しており、同社の垂直統合されたデータエンジンとDojoスーパーコンピューターがその実現を支えています。

これを最も象徴しているのが、TSLAの「1回のドライバー介入までに走行できる距離（MPCI）」の上昇です。地域によっては既に10万マイル（約16万km）を超えており、将来的には100万マイルを目標としています。これは多くの状況下で人間のドライバーと同等レベルのパフォーマンスに達する可能性を示す重要なマイルストーンであり、ビジョンのみでも、現実世界の大規模データに基づいたトレーニングによって急速に改善できることを物語っています。

とはいえ、LIのアプローチはよりセンサーを多用し、特定のアーキテクチャに依存しない現実的な構成を選択しています。LiDAR、レーダー、カメラを組み合わせることで、中国の密集した構造化されていない都市環境において価値の高いシステムを構築しています。TSLAがエンド・ツー・エンドのビジョンのスケール可能性を実証する一方で、LIはそもそもスケールの必要性を減らす方向に注力し、ハードウェアレベルで深度と冗長性を持たせています。片方は計算能力とスケーリング則による力技で、もう片方は堅牢性を設計で実現しています。いずれも有効なアプローチですが、根本的な哲学は大きく異なります。

LIは2022年の時点で、LiDARを搭載した車両を量産車に導入し始めました。ただし、これはカメラの代替ではなく、深度認識の補完レイヤーとしての役割を担っています。従来の中国のLiDAR導入事例では、オフラインでの高精度マッピング（道路を走行しながらセンチメートル単位のマップを生成する車両）に重点が置かれていましたが、LIはリアルタイムでオンボードのLiDARを用いる方が長期的にスケーラブルであると判断しました。現在、LIは新モデルにおいてLiDARの標準搭載を進めており、さらに重要な点として、HDマップ（高精度地図）を必要としないニューラルネットワークの訓練を行っています。

では、なぜHDマップからの脱却が必要なのでしょうか？ それは、HDマップが脆弱だからです。道路は常に変化し、工事は日常的に行われており、特に中国のような広大で急速に進化する国において、HDマップを大規模に維持することはコストが高く、運用上のリスクも大きいためです。この戦略は実際にはスケールしませんでした。

その実例がモービルアイ（MBLY）です。当社は2024年1月にMobileyeに関するレポートを公開しましたが、同社は計算負荷が少なくHDマップに依存する自律走行システムに大きく賭けていました。中国ではGeelyが最大の採用企業となり、いくつかのモデルにMobileyeの技術を組み込んでいました。しかし、HDマップの保守が難しく、性能も期待を下回ったため、Geelyは方針転換を余儀なくされ、自社でのアルゴリズム開発とエヌビディアベースの計算プラットフォームへ移行することになりました。これは、HDマップに全振りしていた企業でさえ、戦略の見直しを迫られていることを示す明確なサインです。

LIのアプローチが注目されるのは、こうした“罠”を完全に回避している点です。TSLAのようにビジョンに全振りすることもなく、MobileyeのようにHDマップに固執することもなく、LIはその中間に位置しています。カメラ、LiDAR、レーダーを融合したマルチセンサーフュージョン型のシステムを採用しており、静的マップに依存することなく、環境に応じて動的に学習・適応するよう訓練されています。これにより、他社が直面してきたインフラ拡張のボトルネックを回避しつつ、純粋なビジョンモデルでは実現できない環境認識の深さを提供しています。

なお、LiDARの統合は単なる“取り付け”作業ではありません。Hesai製のセンサーを購入して車に装着するだけでは不十分であり、真の課題はLiDARデータを他のセンサー入力とリアルタイムで統合し、意味ある情報に変換するプロセスにあります。これには社内での研究開発、専用のニューラルネットワーク設計、そしてトレーニング用インフラとソフトウェアエンジニアリングへの多大な投資が必要です。要するに、LiDARを知覚・計画・制御の各スタックに緊密に統合しなければ、単なる高価なハードウェアに過ぎません。LIはこの統合を自社モデルにおいて実現しており、ドライバー介入率といった実環境でのパフォーマンス指標において業界最高水準を達成していることから、同社のシステム開発力が模倣困難なレベルに達していることが示されています。

投資家にとっての戦略的観点も重要です。TSLAがデータ優位性に賭け、BYDやGeelyがスケール量産に注力する中、LIは中国の現実の運転環境――混雑した交差点、予測不能な歩行者行動、急変するインフラ――に最適化された技術スタックを静かに構築しています。HDマップへの全面的依存やビジョン至上主義を退けることで、LIは実用性に優れた中間路線戦略を実行しており、これはむしろ現場での堅牢性という観点では有利となる可能性があります。

もし自動運転の勝者が「理論の美しさ」ではなく、「多様で混沌とした現実環境にいかに向き合うか」で決まると信じるならば、LIのハイブリッド型センサーと柔軟なアーキテクチャ戦略は構造的な優位性として映るはずです。このアプローチは、TSLAのビジョン＋データ中心モデルほどグローバルには優雅にスケールしないかもしれませんが、中国という交通ルールが形式的にしか守られず、プレミアムEV需要が爆発的に伸びる市場では、より適した選択肢と言えるかもしれません。

リー・オート（LI：Li Auto ADR）のレンジエクステンダーEV：現実的な中間解

多くのEVメーカーがバッテリー駆動に全振りしてきた中、LIはより現実的なアプローチを取っており、これは中国の現地事情を反映したものであり、LIの“中間路線／ハイブリッド戦略”のもう一つの例でもあります。インフラ整備がまだ発展途上にある市場に完全なBEV（バッテリーEV）を押し込むのではなく、LIはREEV（レンジエクステンダーEV）構成を選びました。これらの車両は、バッテリーと小型のガソリン発電機を組み合わせており、状況に応じて電動駆動とエンジン駆動をシームレスに切り替えることができます。

このアーキテクチャの利点は明白です。LIの主力モデルは総走行距離1,200km以上を実現しており、オーナーは長距離移動や渋滞下でも、次にどこで充電できるかを心配せずに済みます。比較として、TSLAやBYDのBEVはモデルや条件にもよりますが、通常400〜700kmの航続距離です。しかし、バッテリー寿命を最適に保つには、バッテリー残量を20〜80%に維持するのが理想です。また、高速道路走行ではバッテリー効率が低下します。これらを総合的に考慮すると、700kmの高性能BEVであっても、実質的には約350kmしか走行できず、高速道路走行が多い場合はさらに短くなります。結果として、BEVは都市走行には適していても、長距離移動には適していないのです。

このBEVと長距離移動のミスマッチは、「航続距離不安」や中国国内の充電インフラの密度によってさらに深刻化しています。EVの普及が急速に進む一方で、充電ネットワークの整備が追いついていないのが現状です。2020年にはEVが新車販売全体のわずか6%強を占めていましたが、2024年にはその割合が48%近くに達し、昨年だけで1,300万台近いEVが販売されました。これに対し、2020年の中国国内の充電ポイントは100万未満でしたが、2024年には約600万にまで増加しました。しかし、EVと充電器の比率は悪化しており、2020年には1基あたり1.6台だったのが、2024年には2.1台を超えています。その結果、公共充電ステーションでは混雑が常態化し、繁忙期には長時間の待機列や稼働率の低さ、ドライバーの不満が発生しています。

中国におけるEV販売台数と市場シェア

中国の充電ステーション展開状況

出典：iea.org

このような環境において、LIのREEVプラットフォームはBEV専業の競合が提供できない「予測可能性」を実現しています。充電ステーションの空き状況を常に確認したり、航続距離を意識してルートを計画したりする必要がなく、特にインフラが未整備な地方都市や農村部でその真価を発揮します。これは戦略的なヘッジでもあり、国家全体のインフラ整備を待つことなく、現在の爆発的なEV需要に応える手段となっています。

長期的には、LIは自社の充電ネットワークが十分に成熟した段階で、純粋なBEVを展開する予定です。しかし、現時点ではこのハイブリッドモデルが最も実用的な選択肢であり、BEVほどインフラ依存ではなく、ガソリン車ほど排出量も多くありません。広大かつ急成長する中国市場において、この柔軟性は単なる合理性ではなく、競争優位性でもあります。そしてこの優位性はLIのREEV販売実績に明確に表れており、2024年に中国で販売されたEVの約60%が実はREEVであるという事実が、それを裏付けています。

ループを閉じる：なぜ充電インフラが重要なのか

EV（電気自動車）の体験において、最も見落とされがちでありながら重要なのが、購入後に何が起こるかという点です。すなわち、ドライバーがどのように充電し、どれくらい待ち、ネットワークがどれほど信頼できるかということです。多くの自動車メーカーはこのプロセスを外部の充電事業者に委託していますが、LIはTSLAと同様に、自社で充電ネットワークを保有する道を選びました。

LIは2023年以降、自社の全国的な急速充電ネットワークを構築しており、2024年だけで約1,400カ所もの充電ステーションを追加しました。2025年4月時点では、約2,267カ所のステーションと12,000基を超える充電スタンドを運営しており、年内には4,000カ所への拡大を計画しています。この成長軌道は、TSLAのスーパーチャージャーネットワークと同様の戦略です。その理由は明白で、インフラを自社で保有することで、稼働時間、充電速度、車両とのシームレスな統合を保証できるからです。

充電体験はハードウェアだけの問題ではなく、「制御」にも関わります。垂直統合されたネットワークにより、LIは充電器の状態をリアルタイムで監視し、充電ステーションに向かう途中でバッテリーを予備加熱（プリコンディショニング）し、高速充電を可能にするなど、一貫した充電性能を提供できます。対照的に、公共の充電インフラではこうした要素すべてにおいて課題があります。障害が発生した際には、ステーション運営者、ハードウェア提供者、決済プラットフォーム、さらにはEVのソフトウェアなど、複数の関係者が関わることになり、対応が遅れ、ユーザー体験がばらつく原因となります。しかし、LIやTSLAのように、企業がスタック全体を保有していれば、問題の解決が迅速で、システムがエンド・ツー・エンドで最適化され、よりシームレスかつ信頼性の高い充電体験が実現されるのです。

この戦略は、LIがBEV（バッテリーEV）ラインアップを拡大し始める中で、特に重要になってきます。経営陣は明確に、自社の充電カバレッジがBEVの本格的な拡大の前提条件であると述べています。それがなければ、顧客は断片的なネットワークに頼らざるを得ず、中国のEVユーザーはその現実を痛感しています。これまで、BYDやGeelyのような企業は、主に外部や国営の充電ネットワークに依存しており、ようやく最近になって自社ネットワーク構築に取り組み始めたところです。

LIにとって、こうした充電ネットワークの構築は長期的な“堀”（競争優位）です。単にTSLAのインフラを模倣するのではなく、ユーザー体験そのものを差別化し、ブランドロイヤルティを築く手段となります。「常に使える充電器」「素早く充電できる」「アプリが最適なステーションを案内してくれる」といった要素は、単なる付加価値ではなく、プレミアムEVの定義を構成する一部なのです。

機械を訓練する：リー・オート（LI：Li Auto ADR）とテスラが自動運転システムをどう構築しているか

自動運転とは、究極的には2つの難題に対処することです。「世界をどう認識するか」と「その後どう行動するか」です。LIとTSLAはこれをAI（人工知能）で解決しようとしていますが、アプローチは大きく異なります。

リー・オート（LI：Li Auto ADR）：豊富なデータ入力と統合的な推論

LIの最新ADAS「AD Max V13」システムは、800万本以上の現実世界の運転映像クリップを使ってトレーニングされたトランスフォーマー型モデルを採用しています。すべての映像はラベリングされ、選別されたもので、モデルが生の知覚データから最終的な運転判断までを学習するために使用されています。この「800万本」という数字は重要です。単にドライブレコーダー映像を受動的に集めたのではなく、LIがインフラを構築し、ラベリング、収集、イレギュラーケースのスケール学習に本格的に投資してきた証です。こうしたラベル付きデータは、混雑した交通での合流、暗所での見えにくい標識の認識など、多様な道路環境への理解をモデルに与え、中国の複雑な交通事情への対応力を高めています。

技術的には、カメラ、LiDAR、レーダー、IMU（慣性計測装置）からのデータを単一のエンド・ツー・エンド型ニューラルネットワークで処理しています。別々のモジュールや手動ルールはなく、統一されたAIシステムが包括的に「見て」「判断して」動作します。TSLAのシステムは現在もモジュール構造ですが、LIは3D認識とLLM（大規模言語モデル）風の推論を融合させた「ファウンデーションモデル」型のアプローチに向かっています。たとえば、「歩行者が肩越しに振り返っている」から横断しそうだと判断する、といった具合です。これは単なるバウンディングボックス（枠）に頼る手法とは一線を画します。

リー・オート（LI：Li Auto ADR）のセンサー戦略：融合か、ビジョンのみか

このアーキテクチャの考え方の違いは、センサー戦略にも反映されています。LIは、実世界の自動運転には多面的な視点が必要だと考えており、予測困難な交通や悪天候への対応力を重視して、LiDARやレーダーを標準装備しています。一方TSLAは、2022年にレーダーを廃止して以降、カメラ一本に集中しています。マスク氏の考えでは、十分な学習データと計算能力があれば、視覚だけで自律運転は実現可能という立場です。

競争の観点から言えば、LIの選択は、特に混雑した都市部において、今日時点で優れた3D空間認識能力を提供しています。その代償としてコストとシステムの複雑性は高くなりますが、安全性や安心感（＝車両が「周囲を認識している」と実感できること）を重視する中国市場においては、この多層センサー構成は非常に有効です。

（出所：筆者作成）

リー・オート（LI：Li Auto ADR）のチップと計算能力：どこで推論し、どこで訓練するか

すべてのスマートな自動運転モデルには2層構造があります。車載でのリアルタイム推論と、クラウドまたはデータセンターでの学習です。以下に、LIとTSLAの比較を示します。

（出所：筆者作成）

リー・オート（LI：Li Auto ADR）の構成

現在、LIはエヌビディアのOrin SoCを用いて車載推論を行っており、将来的には最大2,000TOPS（1秒間に2兆回の演算）に対応する次世代チップ「Thor」への移行を予定しています。ただし、LIは将来的にエヌビディアへの完全依存から脱却したいと考えており、2026年に独自の推論用ASICチップを開発・投入する計画です。このチップのアーキテクチャは、TSLAが将来投入予定のHW5チップと類似していると言われています。目的は、ワット当たりの性能を最適化し、モデルに最適化された専用チップを持つことです。なお、このチップはエヌビディア製品を置き換えるのではなく、併用してタスクを分担する設計になっています。

学習面では、LIはエヌビディアのクラウドGPUクラスター（特にA100およびH100）に依存しています。ただし、米国の輸出規制により、中国企業にとって高性能エヌビディアチップの入手が困難になっており、長期的には不透明な要因となっています。現時点では、チップ供給が安定していた時期にトレーニングを前倒しして進めていたと見られ、これが800万本の映像収集達成につながっていますが、今後のスケーリングには代替GPUの確保や国内製品の活用が必要になる見通しです。

テスラの“堀”：データフライホイールと計算ギャップ

TSLAのAI競争力は、センサーやチップだけではなく、スケールそのものにあります。すべてのTSLA車両がモバイルデータ収集ノードとして機能しており、走行中に映像やテレメトリ情報を常にクラウドへ送信しています。たとえば、ニアミスや珍しい歩行者の動き、標識のない工事区域などを検出すると、その映像はタグ付けされ、上位に送られます。これがTSLAの「フリート学習ループ」の基盤であり、エンド・ツー・エンドモデルの継続的進化を支えています。

このデータは、TSLAの自社スーパーコンピューティングプロジェクト「Dojo」で処理されています。ただし、現時点では自社製D1チップ上での本格運用はまだ始まっておらず、TSLAは依然としてエヌビディアのH100 GPUを使用してモデルを訓練しており、エヌビディアのAI計算インフラ最大手の顧客の一つとなっています。

Dojoの最終目標は、エヌビディアを段階的に置き換え、動画最適化された垂直統合型のAI学習基盤を構築することです。それまでは、TSLAの技術スタックは、車両からのデータ取得からトレーニングインフラに至るまで、走行映像を最大限に活用し、モデル改善のスピードを最大化するよう設計されています。

次章では、リー・オートのバリュエーション分析や中国規制との関係といった多面的な視点から、同社の将来性と競争優位性についてさらに詳しく解説していきます。

※続きは「リー・オート（LI：Li Auto ADR）の将来性と今後の株価見通しに迫る！」をご覧ください。

---

🚀お気に入りのアナリストをフォローして最新レポートをリアルタイムでGET🚀

コンヴェクィティ社はテクノロジー銘柄に関するレポートを執筆しており、プロフィール上にてフォローをしていただくと、最新のレポートがリリースされる度にリアルタイムでメール経由でお知らせを受け取ることができます。

さらに、その他のアナリストも詳細な分析レポートを日々執筆しており、インベストリンゴのプラットフォーム上では「毎月約100件、年間で1000件以上」のレポートを提供しております。

そのため、コンヴェクィティ社のテクノロジー銘柄に関する最新レポートに関心がございましたら、是非、フォローしていただければと思います！

---

アナリスト紹介：コンヴェクィティ

📍テクノロジー担当

コンヴェクィティのその他のテクノロジー銘柄のレポートに関心がございましたら、こちらのリンクより、コンヴェクィティのプロフィールページにてご覧いただければと思います。

---