2026-06-18 — views

自动驾驶乘客体验——乘坐Waymo与Tesla机器人出租车的真实感受

乘客调查与G力数据揭示：Waymo与Tesla机器人出租车的乘坐舒适度如何直接驱动采用率与复购使用率。

实体AI基准系列第51篇——消费者维度

实体AI基准系列自第40篇起持续追踪运营指标：每周叫车次数、车队规模、每百万英里脱离介入率、碰撞调整安全比率。这些数字衡量的是机器的表现。本篇衡量的是人类的体验。乘客舒适度并非”软指标”，它是复购使用率、净推荐值（NPS）以及无人驾驶车从早期采用者的新鲜尝试跨越至大众市场实用性的最直接驱动力。一个技术上令人印象深刻但乘坐体验令人不适的机器人出租车系统，将与无法通过环形路口的系统一样在商业上以失败告终。理解乘车体验——用户的反馈、为何自动驾驶车的制动感与人类驾驶不同、首次无人驾驶乘车的心理机制，以及舒适度如何转化为营收——是判断当前运营领先者能否在规模化竞争中保持优势的前提。

所有标记（估计）的数字均为基于已发表调查、学术研究及行业报告的估算值，未经独立验证，应视为方向性参考而非精确数据。

第一节——无人驾驶乘车体验：用户的真实反馈

Waymo One的乘客调查、自动驾驶车辆乘客接受度独立学术研究，以及线上评测社群，提供了目前最清晰的自动驾驶车乘车体验图景。下表比较了截至2026年中两大主要系统的各维度报告。

维度	Waymo One（已报告体验）	Tesla机器人出租车Austin（早期有监督，估计）
首次乘车反应	多数乘客反映初始焦虑，5–10分钟内逐渐放松（Waymo用户研究，估计）	类似规律——安全员的存在降低了初始焦虑
制动平顺度	早期Waymo乘车以”机械感”制动著称——在路口略显突兀；随软件迭代持续改善	FSD v12/v13的加减速比早期版本更平顺；偶发幽灵刹车仍存在
路线决策	部分用户反映自动驾驶车选择意外路线，或在边缘案例路口停顿	FSD路线整体高效；偶尔变道过于谨慎
安全感知	73%的Waymo乘客在完成行程后表示感觉与人类驾驶一样安全或更安全（Waymo调查，估计）	有监督模式——安全感知锚定于安全员的存在
舒适度：无需与司机互动	高度受到好评——无需闲聊、无需给小费、车厢内有真实隐私感	无人驾驶模式推出前暂不适用
应用程序体验	简洁的Waymo One App；实时乘车追踪、远端解锁车门、车内温度控制（估计）	Tesla账号集成；早期机器人出租车UI开发中（估计）
无障碍服务	全程零司机互动——对有社交焦虑、听力障碍或非英语用户尤为理想	有监督阶段需与安全员互动

乘客调查中最一致的发现，是从”乘车前焦虑”到”乘车后被说服”的情感弧线。首次乘车的用户带着紧张感上车，却以转化者的身份下车，转化效率是任何营销活动都无法比拟的。这种体验转变，正是Waymo在凤凰城和旧金山实现口碑增长的核心机制。

第二节——自动驾驶车舒适度的物理学：G力曲线

人类驾驶会根据乘客反馈下意识地平顺驾驶——视觉线索、社交压力，以及多年经由乘客身体反应校正而来的肌肉记忆。自动驾驶系统优先针对安全性和法规遵从性进行优化，而非特别针对乘客舒适度——除非舒适度已被明确纳入训练目标。结果是常见操作中可测量的G力曲线差异。

操作	熟练人类驾驶	早期自动驾驶系统（第1–2代）	现代自动驾驶（Waymo Gen 6 / FSD v13，估计）
正常制动	渐进、可预期的减速；G力平滑降低	在黄灯/红灯处急促，“机械感”被大多数早期乘客提及	显著更平顺；利用道路情境进行预判制动（估计）
从静止加速	平顺，与周围交通流量相称	有力且高效；足够但未针对舒适度优化	更接近人类感受；电动车大扭矩起步仍略显有力（估计）
变道	流畅；自然利用车流间隙，符合乘客预期	过于谨慎；等待非常大的间隙，产生断续感	间隙判断改善；仍偏向保守（估计）
环形路口	自信入环，维持交通流畅	常在入口停顿，打断交通流	入环时机改善；环形路口仍是已知挑战（估计）
紧急制动	有力、可控；驾驶可提前警示乘客	急停；无预警；乘客向前冲	为安全性保留急停；舒适度明确居次要地位
穿越车流左转	自信判断间隙；执行流畅	谨慎停顿；有时在等待间隙时堵塞路口	有改善但间隙接受仍保守（估计）

各代系统之间最关键的改善驱动力，是明确的舒适度训练。Waymo在每次Waymo One行程结束后收集乘客的舒适度评分（估计），并将其作为安全指标之外的训练信号。Tesla的影子模式将”急冲度”（Jerk，加速度变化率）作为训练管线中的质量信号。减少急冲度——乘客感受为制动开始或结束时不舒服的”前冲感”——是可在车队规模数据中直接测量和改善的指标。

第三节——“无人驾驶时刻”：首次乘客的心理机制

针对首次搭乘自动驾驶车乘客的研究，一致发现三个情感阶段，这三个阶段深刻影响采用率和口碑传播结果。

第一阶段——乘车前焦虑（进入车辆前）

约70%的首次无人驾驶乘车者在首次乘车前表示感到紧张（估计），主要源于媒体对自动驾驶车事故的报道，以及对”将控制权交给机器”的普遍陌生感。这种焦虑在年龄较大的群体中更强，在此前曾使用过高级驾驶辅助系统的乘客中较低。

第二阶段——乘车过渡期（前5分钟）

进入车辆后，首次乘客表现出高度警觉：密切注视前方道路、监看方向盘，并保持随时”介入”的姿态——即便根本没有可操控的方向盘。学术AV研究中的眼动追踪研究一致显示，首次无人驾驶乘客在前方道路上的注视时间，显著多于有经验的无人驾驶乘客——后者的行为更像火车或公车乘客。

第三阶段——乘车后重新评估（完成行程后）

重新评估阶段是采用转化发生的环节。当车辆在无事故的情况下完成行程——这是Waymo One所有行程中绝大多数的统计现实——约80%的首次乘客表示愿意再次乘车（估计，来自Waymo及学术调查）。这一首次乘车转化率是自动驾驶车大众市场采用中最重要的单一指标，因为它决定了早期采用者基础是扩大还是停滞。

Waymo的受信任乘客计划策略——从仅受邀群体逐步扩展至更广泛市场——正是为了在大规模商业推出前，以可控规模触发第三阶段转化。每一位完成第三阶段并获得正面结果的乘客，都成为口碑传播的渠道。Tesla在Austin的机器人出租车推出面临同样的三阶段心理，并且安全员在有监督阶段的存在显著改变了第二阶段的体验。

第四节——乘车品质为何驱动采用：舒适度的商业逻辑

舒适度与商业结果之间的联系，在多个维度上是直接且可量化的。

指标	重要性说明
复购乘车率	拥有顺畅、安全首次体验的乘客，成为常规用户的可能性估计高出3–5倍（估计，来自Waymo内部数据）——这是一次性尝试与持续营收来源之间的差距
口碑NPS	机器人出租车NPS直接驱动自然获客；不舒适或令人恐惧的乘车体验，以零边际成本为竞争对手生产负面社交媒体内容
高峰时段需求	通勤者——最高价值乘客群——需要一致且可预测的舒适度；一次糟糕的早晨通勤体验，就能让一个潜在的每日高频用户流失
溢价定价承受力	对体验评分较高的乘客能接受更高的价格；舒适度即定价能力，而机器人出租车与传统叫车之间的溢价空间，正是其单位经济学变得可行的地方
无障碍群体留存率	非驾驶人口（老年人、行动不便者、视障者）在商业规模下别无选择——但舒适度决定了他们使用服务的频率以及是否愿意推荐

Waymo曾报告其在运营市场的NPS高于主要叫车竞争对手（具体数字未公开，估计）。这一NPS优势，是上述第三阶段转化数据的商业复利效应：每一次舒适的首次乘车都会产生自然增长，这是任何付费获客都无法以同等效率复制的。

第五节——关注重点：舒适度作为扩张指标

实体AI基准系列追踪运营指标——每周乘车次数、车队规模、脱离介入率。乘客舒适度是一个被低估但同样重要的扩张追踪指标。以下是未来运营报告中应纳入的具体观测维度。

急冲度降低率——加速度变化率（急冲度，单位m/s³）是制动和加速舒适度最精确的物理量化指标。跨软件版本的急冲度下降趋势，表明舒适度正以与安全性同等的速度提升。Waymo和Tesla均拥有此数据；截至2026年中，两者均未公开披露。

乘车后评分均值——Waymo在每次Waymo One行程后收集星级评分（估计）。随时间上升的评分均值，是软件改善周期不仅在安全性而且在舒适度上有所成效的证据。Tesla Austin应从第一天起实施同等数据收集机制。

每千次乘车投诉率——品质底线指标。投诉率下降，表明最差体验的长尾正被系统性消除，这与改善中位体验同等重要。

复购乘客占比——每周乘车次数中，来自回头用户（而非首次乘客）的占比，是第三阶段转化是否在规模上成功的最直接代理指标。截至2026年中，Waymo和Tesla均未公开此数字。

采用飞轮在两个方向上都能运转。正向飞轮：舒适度→复购乘车→更多训练数据→更好的模型→更好的舒适度。负向飞轮：一次不舒适或令人恐惧的乘车→社交媒体负评→新乘客获取放缓→数据信号弱化→改善缓慢。在Waymo目前的运营规模下——2026年第二季每周约25万次乘车——正向飞轮显然在转动。Tesla Austin扩张面临的开放问题是：有监督阶段的舒适度在安全员撤离后是否能转移至无人驾驶阶段，还是说三阶段心理会在这个过渡点上完全重置。这个过渡，以及其另一侧的舒适度和NPS数据，是2026年下半年最值得关注的消费者维度指标。

资料来源：Waymo One乘客调查及安全报告（waymo.com/blog/、waymo.com/safety/）；Transportation Research Part F: Traffic Psychology and Behaviour中的自动驾驶车辆乘客接受度研究（sciencedirect.com）；Tesla FSD v12及v13车主评测，Tesla Motors Club论坛（teslamotorsclub.com）。所有标记（估计）的数字均为基于已发表调查、学术研究及行业报告的估算值，未经独立验证，可能与原始资料有所不同。