2026-06-18 — views
Physical AI エネルギー 2026 — Waymo LIDARの消費電力 vs Tesla カメラ効率：AVフリート充電と電力網影響ベンチマーク
WaymoのLIDARは推定100-150Wを消費、Teslaカメラはわずか8W未満。AV電動トラックが普及すれば貨物CO2を推定75%削減できる可能性がある。
Physical AIベンチマークシリーズ 第204回 — Physical AIエネルギーと気候 2026：Waymo EVフリート充電 vs Tesla FSD効率 vs AVルート最適化——AVエネルギーと電力網影響ベンチマーク
Physical AIのエネルギー側面は商業的に重要であるにもかかわらず、報道では大きく見過ごされています。すべての自動運転車は走行する電気システムです——パワートレインだけでなく、センサースイート、計算クラスター、通信ノードも含まれ、すべてが継続的に電力を消費します。AV企業がセンサーアーキテクチャについて行う選択は、1マイルあたりのエネルギー消費量、フリートの航続距離、充電インフラの要件、そして規模が拡大した場合の電力グリッドへの影響に、直接的かつ測定可能な影響を与えます。
2026年のAVエネルギーを定義する3つのダイナミクス：(1) センサーエネルギーオーバーヘッド——LIDARを多用するアーキテクチャとカメラのみのアーキテクチャ間の測定可能な電力差；(2) AV走行効率の優位性——自律走行軌道最適化が平均的な人間の運転と比較して1マイルあたりのエネルギー消費を削減するという証拠；(3) 規模化されたフリート充電——予測可能なスケジュールで稼働する商業AVフリートが生み出す電力需要、インフラ投資、V2G機会。
交通は米国の温室効果ガス排出量の推定27%を占めています（EPA、2022年）。乗用ロボタクシーと長距離貨物トラックの電動プラットフォームへの移行は、米国経済における最大の脱炭素化レバーの一つです。
第1節 — Physical AIエネルギー：3つの次元
次元1：センサーエネルギーオーバーヘッド
AV車両はパワートレイン以外の追加電力負荷を搭載するEVです——センサースイートが走行中・停車中を問わず常時電力を消費します。異なるAV企業のアーキテクチャ選択が、測定可能な差異を生み出します。
LIDARユニットは1個あたり推定15-25W（推定）を消費します。Waymo第5世代Jaguar I-PACEは5個以上のLIDARユニットとカメラ、レーダーを搭載し、走行中に推定100-150W（推定）の継続的なセンサー電力を消費します。6時間の商業シフトで、これは推定0.6-0.9 kWhの追加センサーエネルギー消費（推定）を意味します。90 kWhバッテリーを搭載したJaguar I-PACEでは、センサーのみで推定0.7-1.0%（推定）の追加エネルギー消費となります。
TeslaのカメラのみのFSDアプローチは全く異なるセンサー電力プロファイルを生み出します。8つのカメラが各推定1W未満を消費し、合計センサー電力消費は推定8W未満（推定）——WaymoのLIDARオーバーヘッドの推定100-150Wと比較して、この差は構造的で持続的です。
次元2：AV走行効率の優位性
NREL（米国国立再生可能エネルギー研究所）のエコドライビング研究によると、最適化された走行プロファイルは平均的な人間の運転行動と比較してEV効率を推定5-15%（推定）改善できます。WaymoとTesla FSDはいずれも軌道最適化を使用し、よりスムーズでエネルギー効率の高い走行を実現します。
次元3：気候の文脈
交通は米国の温室効果ガス排出量の推定27%を占めます（EPA、2022年）。乗用ロボタクシーとAV貨物トラックの電動化は重要な脱炭素化経路です。ただし、気候効果は電力グリッドの電源構成に依存します——石炭発電が多いグリッドでEVを充電すると、一部のハイブリッド車より多いライフサイクルCO2を生み出す可能性があります。
第2節 — Waymoフリートエネルギー：商業規模でのEV充電
| エネルギー次元 | Waymoのアプローチ | 規模化の影響 | 2028年の展望 |
|---|---|---|---|
| フリート車両エネルギー消費 | Jaguar I-PACE：90 kWhバッテリー；EPA航続距離推定234マイル；Waymoセンサーオーバーヘッド（推定100-150W継続）（推定）により実効商業航続距離は減少；Waymo商業車両稼働率：推定1日16-20時間（推定）、オフピーク時間帯に充電 | 1日16時間稼働＋平均商業速度推定25 mph（都市部ストップ&ゴー）で、Waymo I-PACEは1日推定400マイル走行；これには24時間ごとに1-2回の充電サイクルが必要 | 第6世代専用EV設計はバッテリー容量とセンサー電源効率を最適化する可能性が高い；第6世代での航続距離改善と相対的なセンサーオーバーヘッド低減が期待される |
| 商業充電インフラ | Waymoは各運営都市に専用充電デポを維持；車両はピーク需要期間（通常は深夜/早朝）の合間にデポに戻って充電；Waymoはデポでレベル2＋DC急速充電を使用 | 都市あたりの充電インフラ：規模化後は推定200-500充電ポート（推定）；Waymoの充電インフラは商業運営開始前に投資が必要な都市参入コスト | 充電デポの建設時間と許可取得はWaymoの都市展開の二次的ボトルネック；第6世代フリートの規模拡大により充電インフラ要件も比例して増加 |
| センサー電力 vs EV航続距離のトレードオフ | LIDARセンサーの電力消費はWaymoのEVプラットフォームにおいて測定可能なエネルギーオーバーヘッドをもたらす；LIDAR技術は改善中（ソリッドステートLIDARは通常、回転式機械LIDARより消費電力が少ない） | センサー-EV航続距離のトレードオフはWaymoがバッテリー容量と充電スケジュールで管理する設計上の制約；LIDAR消費電力が世代ごとに低下するにつれてトレードオフも改善 | ソリッドステートLIDARは回転式機械LIDARと比較してセンサー消費電力を大幅に削減することが期待される |
| V2G機会 | Waymoフリートは予測可能な展開スケジュールを持つ（商業時間帯、ほとんどの市場では通常午前7時〜午前2時）；オフピーク時間帯（午前2時〜7時）は車両が静止して充電中；これによりV2G（Vehicle-to-Grid）機会が生まれる | WaymoフリートスケールでのV2G：推定2,500台 x 90 kWh x 50%使用可能V2G容量＝推定112 MWh/夜のV2G容量（推定） | WaymoはV2G実装を公式発表していない；V2Gには双方向充電ハードウェアとグリッド連系契約が必要；将来の能力だが現在は未実装 |
| AV走行効率 | Waymoの軌道最適化は平均的な人間の行動よりスムーズな走行を生み出す；NRELエコドライビング研究は最適化された走行プロファイルで推定5-15%の効率改善（推定）を示す | Jaguar I-PACEで10%の効率改善があれば、1回の充電あたり推定23マイルの実効航続距離増加（推定）；これはセンサーエネルギーオーバーヘッドを部分的に相殺する | AVの走行方針がより多くの訓練データとともに改善するにつれ、走行軌道のエネルギー効率はさらに向上することが期待される |
第3節 — Tesla FSDエネルギー：センサーオーバーヘッドなしの効率優位性
| エネルギー次元 | Tesla FSDのアプローチ | 効率への影響 | 2028年の展望 |
|---|---|---|---|
| カメラのみのセンサー電力 | TeslaのFSD 8カメラシステムは合計センサー電力消費推定8W未満（推定）——WaymoのLIDARシステムの推定100-150W（推定）と比較；この差は同等の走行速度・距離でTeslaのカメラのみアプローチの大きなエネルギー効率上の優位性を意味する | 1日20時間の商業運営（Teslaロボタクシーシナリオ）で、Tesla FSDとWaymo LIDARシステム間のセンサー電力差は1台あたり推定0.6-0.9 kWh/日（推定） | カメラセンサーの電力は技術の進歩に関係なく低いまま維持される；Teslaのセンサーアーキテクチャによるエネルギーオーバーヘッド優位性は構造的かつ持続的 |
| FSD走行効率 | Tesla FSDの訓練済みルートでの軌道最適化はスムーズな加減速プロファイルを生み出す；TeslaはFSD走行が典型的な人間の運転と比較してエネルギー消費を改善すると主張している | Tesla FSDのエネルギー効率改善はTeslaの公開開示では別途定量化されていない；コミュニティ報告はFSD有効化の走行が同じルートの人間運転より良好なWh/マイルを達成することが多いことを示唆 | FSD効率改善はニューラルネットポリシーがエネルギー最適化をより明示的に組み込むにつれて向上することが期待される |
| Tesla Semiエネルギー効率 | Tesla Semi：最大積載量（80,000 lbs GCW）でEPA認証1.7 kWh/マイル；ディーゼル等価：推定6-7 kWh/マイルエネルギー等価（推定）；Semiの効率優位性：エネルギー等価ベースでディーゼル等価と比較して推定75%低い1マイルあたりエネルギー消費 | Tesla Semiのエネルギー効率改善は主に電動パワートレイン効率による：EV効率は推定パワートレインから車輪まで85-90%、ディーゼルは推定40-45%；回生制動が下り坂で追加エネルギーを回収 | Tesla SemiのEV効率優位性はグリッドの脱炭素化とともに成長する |
| ルート最適化効率 | TeslaのNavigation on Autopilotは時間とエネルギーのためにルートを最適化；FSDは渋滞停止（制動と再加速でエネルギーを無駄にする）を避けるために予測的な交通データを使用 | Teslaの600万台以上の車両フリートがエネルギー最適化ルーティングを使用すれば、600万台全体でわずか推定2-3%のフリート全体のエネルギー改善（推定）でも、各車が推定15,000マイル/年走行すれば推定年間1.8-2.7 TWhの節電（推定）となる | フリート規模のエネルギー最適化により、Tesla車両はルートを調整することで集合的なエネルギー消費を削減できる可能性がある |
| Tesla SuperchargerとMegachargerインフラ | Teslaは北米最大のEV充電ネットワークを持つ；Teslaロボタクシーフリートにとって、SuperchargerネットワークはWaymoスタイルの専用充電デポ建設なしに充電インフラを提供する | Teslaロボタクシーは日和見的充電のためにTeslaの既存Superchargerネットワークを活用できる；これによりTeslaロボタクシーのWaymoと比較した都市あたりの充電インフラ資本支出が削減される | Tesla Superchargerネットワークの拡充によりTeslaロボタクシーの充電柔軟性が向上 |
第4節 — AVルート最適化と電力網影響
| システム次元 | 現状 | エネルギー/電力網への影響 | 政策/インフラの必要性 |
|---|---|---|---|
| AVルーティングにおけるブラエスのパラドックス | ブラエスのパラドックス：交通ネットワークでは、新しい道路（または最適なルート）を追加しても、すべての運転者が同時に新たな最適経路を選択すると逆説的に総混雑が増加する可能性がある；すべてのAVシステムが同時にルートを最適化すると、同じ「最適」ルートへの収束を引き起こし、それらのルートが混雑する可能性がある | 交通シミュレーション研究によると、大割合の車両がAV/接続型でかつ同じルーティングアルゴリズムを使用する場合、ルートの収束は起こりうる | AV密集都市の交通管理センターはブラエスのパラドックスを防ぐためにAVフリート間でルーティング推奨を調整する必要がある |
| フリート充電の電力網需要 | 単一都市のWaymoフリート規模で（SF推定700台、フェニックス推定1,100台）、夜間のフリート充電需要は：推定700台 x 90 kWh x 充電効率（推定85%）＝SFフリートだけで推定74 MWのピーク充電需要（推定） | 全国AV商業フリート規模で（推定2030年までに推定100万台のAV商業車両）（推定）、同時充電は重大な電力網需要事象を生み出す | スマート充電調整（電力会社＋AVフリート事業者が時差充電スケジュールに合意）がAVフリート規模での電力網安定のために不可欠 |
| 太陽光＋AV充電のシナジー | Waymoのフェニックスフリートは米国で太陽放射量が最も高い市場で運営（アリゾナ州チャンドラー）；Waymoのデポに太陽光パネルがあれば、日中に太陽光発電から充電できる | フェニックスの太陽光＋AVフリート充電：太陽光発電デポでの日中オフピーク充電によりAVフリートの炭素フットプリントが削減され、低コストの太陽光電力を活用できる | 太陽光デポ＋スマート充電投資は高太陽光市場（フェニックス、ラスベガス、ロサンゼルス）で商業的に魅力的 |
| AVトラッキングのエネルギー影響 | Auroraの現在のフリートはディーゼル（Peterbilt 579）；AVトラックがEVに移行すると、AV＋EVの組み合わせ効率優位性は大きくなる | Tesla Semi AV（仮定）：1.7 kWh/マイル x AV効率改善（推定5-10%）（推定）＝推定1.5-1.6 kWh/マイル（推定）；ディーゼル等価推定6-7 kWh/マイルエネルギー等価と比較して推定75-80%の1マイルあたりエネルギー削減（推定） | AV＋EVの長距離輸送への組み合わせは米国の貨物CO2排出量を現在のディーゼルフリートと比較して推定40-60%削減できる可能性がある（推定） |
| ヒューマノイドロボットのエネルギー | Tesla Optimus：1台あたり推定バッテリー2.3 kWh（推定）；1充電あたり推定8時間稼働（推定）；工場充電ステーションでの充電時間推定1-2時間（推定） | Gigafactoryに50,000台のOptimusが展開された場合（Teslaの2026年目標が達成された場合）、合計日次充電需要は：50,000 x 2.3 kWh / 8時間シフト＝稼働中推定14 MW連続負荷（推定）；加えて再充電用に推定50,000 x 2.3 kWh＝推定115 MWh/日（推定） | ヒューマノイドフリートのエネルギーは現在の規模では管理可能だが、5万台以上の規模では意味のある充電インフラ要件が生じる |
第5節 — AVエネルギーベンチマークスコアカード
| エネルギー次元 | Waymo | Tesla FSD / ロボタクシー | Aurora（AVトラック） | 2028年の展望 |
|---|---|---|---|---|
| センサーエネルギーオーバーヘッド | 高：推定100-150W LIDAR＋センサースイート（推定）；カメラのみと比較して意味のある1マイルあたりエネルギーオーバーヘッド | 低：推定8W未満のカメラスイート（推定）；LIDARベースシステムに対する構造的エネルギー効率優位性 | 中：AuroraのLIDARオーバーヘッドはWaymoと同様だが、より大きな車両上（ディーゼルClass 8でセンサー電力が総エネルギーの小さな割合） | ソリッドステートLIDARがWaymoのオーバーヘッドを削減；カメラシステムは低消費電力を継続；格差は縮まるが消えない |
| 走行効率改善 | 高：Waymoの軌道最適化は業界トップクラス；スムーズな減速＋先読みの停車回避；平均的な人間と比較して推定5-15%の効率改善（推定） | 高：Tesla FSD軌道最適化はエネルギー効率の高い走行プロファイルを生み出す；回生制動最適化；Waymoと同様の効率改善と推定（推定） | 中程度：Auroraの高速道路でのAV走行最適化（主に速度/車間距離最適化）；人間運転者の平均高速走行と比較して推定5-10%の燃費効率改善（推定） | すべてのAVシステムは方針が成熟するにつれて走行効率が向上する |
| フリート充電インフラ | 専用デポ（都市あたりの資本支出）；各運営拠点での屋根付き充電；規模化時にはスマート充電が必要 | Superchargerネットワークの活用（Supercharger密集市場ではロボタクシーにデポ不要）；Semiにはメガ充電器；WaymoのデポモデルとのインフラアドバンテージADVANTAGEは大きい | 現在は該当なし（ディーゼル）；EV貨物への移行時には、メガ充電器規模のインフラが必要 | Teslaの充電インフラ優位性が成長；Waymoは都市ごとにデポへの投資が必要 |
| V2Gポテンシャル | 高：予測可能なオフシフトスケジュールを持つ商業フリートは理想的なV2Gリソース；90 kWh x 2,500台＝推定225 MWhの合計フリート容量（推定） | 非常に高：V2G機能を持つ600万台以上の車両フリートは利用可能な最大のグリッドバッテリーリソースの1つとなる可能性がある | 現在は低（ディーゼル）；EV貨物V2G＝長期的に非常に高（トラックあたりの大きなバッテリー容量） | V2GはThreeすべてにとって2028-2030年の実装ストーリー；TeslaはフリートサイズでV2Gポテンシャルが最大 |
| 気候 / CO2削減 | 高：商業運営で全電動フリート；電力網で駆動 vs ガソリン（ガソリン配車サービスの競合）；グリッドがクリーンな場所でライフサイクルCO2削減が大きい（CA：推定98%クリーンエネルギーグリッド） | Semiで非常に高：ディーゼルと比較して推定75-80%の1マイルあたりライフサイクルCO2削減（推定）（米国平均グリッド）；FSD乗用車：ガソリンICEと比較して米国平均グリッドでライフサイクルCO2推定40-60%削減（推定） | 現在は中程度（ディーゼルAV）；電動化後は変革的：米国平均グリッドでディーゼルと比較して貨物マイルあたりCO2推定40-60%削減（推定） | AVの電動トラッキングはAurora/Waymo ViaがEVプラットフォームを採用すれば米国貨物における最大の単一CO2削減機会 |
総合評価
Physical AIのエネルギーストーリーは気候にとってポジティブですが、「EVはクリーン」という単純な説明より複雑です。TeslaのカメラのみのFSDアーキテクチャはWaymoのLIDARスイートに対してセンサーエネルギー効率において構造的優位性を持ちます——しかしWaymoの走行軌道最適化の質は同等であり、センサーオーバーヘッドは90 kWhバッテリー容量に対して管理可能です。Physical AIで最も影響力のあるエネルギーストーリーはロボタクシー効率の戦いではなく、長距離貨物トラッキングの脱炭素化の可能性です。
AV技術が電動貨物プラットフォームに移行すると、AV走行効率と電動パワートレイン効率の組み合わせは、触媒コンバーターの導入以来の米国交通における最大の単一脱炭素化機会を意味します。電力網への影響という点での注意信号：スマート充電調整、V2Gプログラム開発、ルート多様性管理は、オプション機能ではなく、大規模AV展開のためのポジティブな電力網成果の前提条件です。
注記：「（推定）」と表記された数値は、2026年半ばに公開されている情報に基づく方向性のある推定値です。本記事は投資アドバイスを構成しません。
ソース
- NRELエコドライビングとEV効率研究 — NREL ↗
- EPA交通輸送GHG排出データ — EPA ↗
- Tesla Semi EPA航続距離・効率認証 — EPA fueleconomy.gov ↗
- EPA大型車GHG排出第3フェーズ基準 — EPA ↗