2026-06-18 — views

自动驾驶车队运营——Waymo 如何每日管理机器人出租车舰队

调度算法、充电后勤、维护周期与车辆救援——将自动驾驶硬件转化为盈利车队服务的运营层。

实体 AI 基准测评系列第 68 篇——车队运营层

推出机器人出租车只是工作的一半。更难的另一半——也是直接决定机器人出租车业务是盈利还是烧钱的关键——是在车队部署后的日常运营。调度算法、充电后勤、清洁周期、维护排程、远程监控和车辆救援，正是将硬件转化为服务业务的运营难题。

Waymo 自 2018 年起提供商业服务，2022 年起实现全面无人驾驶规模化运营。Tesla 的 Cybercab 必须从零开始在多个城市建立整套运营层，且推进速度必须足以证明所投入资本的合理性。这两者之间的运营能力差距与技术差距同样显著——但对于只关注自动驾驶里程数的投资者来说，这一差距几乎完全不可见。

使用率是车队运营中最关键的单位经济杠杆。停着不动的车辆是纯粹的成本。调度、充电、维护排程、救援等运营层的存在，正是为了最大化每辆车的创收时间占比。Waymo 宣称的规模化目标是 70% 以上的使用率（估计值）；实现这一目标需要每个运营子系统在城市车队层面可靠运作。

第一节——调度难题

机器人出租车舰队的调度比调度人类网约车司机复杂了几个数量级。人类司机能自我优化：溢价定价会告诉他们去哪里，他们自己选择路线，并能自行判断接哪些订单。自动驾驶车队不具备这些特性——所有定位和路线决策都必须通过算法完成。

维度	人类司机（Uber/Lyft）	AV 车队（Waymo）
供给管理	司机自行调度；溢价定价引导去向	车队管理员必须主动布置车辆；无人响应激励信号
路线优化	司机自选路线	系统优化路线；考量充电量、维护到期、回场效率
多目标	司机最大化收益	车队最小化空驶里程，最大化使用率，避免电量耗尽
高峰应对	人类司机自然流向高需求区域	算法必须提前布置车队；对需求激增的响应较慢
派单	App 匹配最近可用司机	调度必须考量充电量、维护时间窗、地理覆盖均衡
拼车	司机可依序接受拼车订单	AV 必须在无人判断下以最优顺序完成多个上下车点

调度算法关键变量（估计值）：

车辆状态： 充电量（%）、距离下次维护里程数、当前位置、可用状态
需求预测： 按小时/日/活动的历史规律、实时订单率
覆盖密度： 每个网格单元的最低车辆数，确保等待时间在可接受范围内
空驶效率： 最小化前往下一个乘客的空驶里程

空驶优化问题尤为重要，因为空驶里程——空车前往乘客位置——代表纯成本而无任何收益。Waymo 的调度系统将历史需求规律与实时信号叠加，在需求出现之前预先布置车辆，而非在接到订单后才被动响应。

第二节——充电与能源管理

能源管理是商业自动驾驶车队与个人电动车最根本的区别所在。个人电动车车主可以选择跳过某次行程去充电；商业自动驾驶车队无法承受这种灵活性——计划外充电事件会将一辆本可创收的车辆暂时下线，并破坏覆盖密度。

挑战	详情
充电频率	Waymo Jaguar I-PACE：约 220 英里续航；商业使用约 100–150 英里/班（估计值）；每天至少充电 1–2 次
充电时间	Level 2 交流充电：约 10 小时充满；直流快充：约 45–60 分钟至 80%；商业车队必须使用直流快充
充电站场	Waymo 在每个城市运营自有充电站；车辆在需求低谷（中午）或夜间返站充电
充电排程	算法将低电量车辆引导至最近充电站，同时最小化服务中断
电网负荷	1,000 辆车同时充电对电网造成显著负荷；需分散或尽量安排在离峰时段
第六代能效	专为商业使用设计的 Gen 6 车型；能效优于 Jaguar I-PACE（估计值）
Tesla Cybercab	双座专用车型；电池容量可能较小；Musk 表示目标采用感应/无线充电；降低每次充电的摩擦成本
车队电量焦虑	与个人电动车不同，AV 无法为了充电而拒绝订单；调度必须主动管理全队电量状态

Waymo 的充电基础设施代表了在每个城市的重大固定成本投入。专有充电站需要选址、建设和维护——配备升降台、电力基础设施和基本维护服务区。Tesla 的 Supercharger 网络（截至 2025 年全球逾 50,000 个充电枪）可能是 Cybercab 一个有意义的运营优势，减少了在每个新城市建设专用充电站所需的资本投入。

第三节——维护与清洁

商业自动驾驶车队的年行驶里程大约是个人用车的 5–10 倍，这加速了每个机械部件的磨损，形成了一套个人用车领域从未有过的维护体系。传感器套件——激光雷达、摄像头、毫米波雷达——的加入带来了传统车队运营商从未遇过的维护负担。

作业	频率	挑战
传感器清洁	每日或每班	摄像头镜头、激光雷达窗口积累灰尘、雨点、鸟粪——降低感知精度；使用自动清洗站（估计值）
轮胎换位/更换	每 5,000–8,000 英里（估计值）	商业使用周期使轮胎磨损速度比个人用车快 2–3 倍
刹车保养	每 20,000–30,000 英里（估计值）	再生制动降低了频率，但仍需要定期维护
传感器校准	任何碰撞或传感器更换后	全套传感器必须重新校准；耗时 1–4 小时（估计值）
车厢清洁	每次载客后或每 N 次后	没有司机维护整洁；需要站场清洁周期
深度清洁	每周或按需	污渍、异味、乘客事故；每辆车约 30–60 分钟（估计值）
预测性维护	持续监控	AV 遥测数据支持 AI 驱动的故障预测；降低计划外停机
维护站场	每个运营城市需要专用设施	升降台、传感器校准设备、电动充电、清洗站、零件库存；CapEx 显著

传感器清洁是自动驾驶维护中最独特的运营环节。脏污的摄像头镜头或激光雷达窗口会显著降低感知性能，影响安全运行——这在传统车队维护中没有对应环节。碰撞后的传感器校准是耗时最高的维护事件，预计需要 1–4 小时，对大型车队而言，校准台的产能管理是一个有意义的排程挑战。

第四节——车辆救援与事故管理

任何规模运营的车队都会遭遇故障、碰撞、乘客事故和软件故障。救援作业的质量——车辆多快恢复服务、事故如何妥善处理、软件问题如何快速诊断和解决——直接决定了车队使用率和客户体验。

情境	所需应对
机械故障	派遣救援车辆；拖车至最近站场；为乘客安排下一辆可用 AV
轻微碰撞	车辆暂停服务；评估损伤；传感器检查并重新校准后方可恢复服务
严重碰撞	车辆从车队移除；需监管机构报告；启动调查；可能进行全队软件审查
乘客事故	远程操作员收到警报；必要时派遣紧急服务；审查车载摄像头录像
车辆搁浅	AV 无法继续行进（异常障碍物、软件问题）；远程操作员尝试引导；若失败则派遣救援
蓄意破坏	通知车队管理员；检查并安排维修；保留摄像头录像
软件故障	如属系统性问题则全队 OTA 部署修复补丁；受影响车辆隔离等待调查
平均恢复时间	关键运营指标；轻微问题目标 30 分钟内，大多数情况当日解决（估计值）

Waymo 运营一个远程操作中心（ROC），实时监控整个无人驾驶车队。OTA 软件更新能力可在数小时内为全队部署修复补丁，这与需要实体维修的传统汽车召回根本不同。

第五节——Tesla 建设 Cybercab 运营需做的工作

Tesla 已掌握规模化消费类汽车制造。商业车队运营是一套完全不同的能力集合——Waymo 花了六年时间建立，而 Tesla 在任何有意义的规模上都尚未具备。

能力	Waymo（现有）	Tesla Cybercab（必须建立）
充电站场	凤凰城、旧金山、洛杉矶、奥斯汀的专有站场	必须在每个发布城市建设或合作建设站场基础设施
维护站场	每个城市已建立具备 AV 传感器专业知识的设施	必须建立 AV 专用维护能力；消费者服务中心未具备 AV 传感器校准设备
车队调度软件	成熟的多年生产系统，具备验证过的路线规划	必须从头建设或收购；与消费者网约车 App 根本不同
清洁运营	每个城市已建立站场清洁流程	必须为无司机车厢设计清洁工作流；不同于消费者汽车服务
救援网络	每个运营城市已有受训救援团队	必须建设或外包；拖运带完整传感器套件的 Cybercab 需要专业处理
远程监控	整合的 ROC，具备实时车队可视性	必须为无人驾驶车队建立监控基础设施；目前尚不存在
使用率目标	目前约 40–60%；规模化目标 70% 以上（估计值）	必须实现高使用率以证明 CapEx 的合理性；从零商业车队运营经验出发
优势	六年商业车队运营积累	垂直整合（汽车 + 能源 + 软件）可能压缩建设时程；Supercharger 网络是有意义的资产

使用率差距——个人电动车约 4–5% 的使用率与商业车队 40–70%（估计值）目标之间的差距——说明了所需的运营强度。车队运营层是机器人出租车商业模式成败的关键战场。

第六节——关于本系列

本文是实体 AI 基准测评系列第 68 篇。本文新增车队运营层：调度算法与空驶优化挑战、充电与能源管理、维护与清洁运营（传感器校准作为自动驾驶特有的维护负担）、车辆救援与事故管理，以及 Waymo 六年商业运营积累与 Tesla Cybercab 从零开始建设之间的运营能力差距。

注意： 使用率估计值、维护间隔、充电时间和平均恢复时间目标均标注为「（估计值）」，反映公开报告、行业分析和分析师估算。Waymo 实际运营参数未公开披露。本文不构成投资建议。