2026-06-18 — views
自动驾驶乘车经济学 — 每英里成本、VPO杠杆与Waymo及Tesla机器人出租车盈利路径
自动驾驶乘车成本自下而上建模：车辆摊销、VPO远程协助比率、车队利用率，解析Waymo与Tesla机器人出租车何时能盈利。
Physical AI基准系列第113篇 — 自动驾驶乘车经济学：一趟无人驾驶行程的成本、盈利路径，以及Waymo vs Tesla机器人出租车单位经济记分卡
衡量Physical AI商业可行性的终极测试是单位经济学：一趟无人驾驶行程的成本能否低于收入？每一份自动驾驶技术的新闻稿、每一次地域扩张公告、每一份投资者简报，最终都必须回答这个问题。无法在乘车层级产生正毛利的技术，不是一门生意，而是一个拥有消费者界面的研究项目。
本文从第一原则出发，建立自动驾驶乘车的自下而上成本模型，识别六大主要成本类别，并分析每个类别如何随车队成熟度、技术改进和运营规模变化。接着将此模型应用于比较Waymo现行商业运营与Tesla机器人出租车论点——包括消费者自有Model Y路线和专用Cybercab路线——并指出决定商业自动驾驶何时能实现可持续盈利的关键杠杆。
第一节 — 一趟自动驾驶行程的成本组成
| 成本类别 | 内容 | 每英里估算 | 每趟估算（5英里行程） |
|---|---|---|---|
| 车辆摊销 | 车辆成本除以预期寿命英里数；Gen 5 Waymo估计$15万车辆/50万寿命英里=$0.30/英里 | $0.30–0.50/英里（估） | 每趟$1.50–2.50（估） |
| 充电/能源 | 电动车电费；商用EV充电（估） | $0.04–0.06/英里（估） | 每趟$0.20–0.30（估） |
| 车场运营 | 房地产、清洁、维修人员按英里分摊；估计$1.5万–3万/车/年除以5万英里/年 | $0.30–0.60/英里（估） | 每趟$1.50–3.00（估） |
| 保险 | 商用自动驾驶车队保险；估计$3千–8千/车/年除以5万英里/年 | $0.06–0.16/英里（估） | 每趟$0.30–0.80（估） |
| 远程协助运营（RAO） | RAO人员；以5:1 VPO及$8万全包人力成本计，$1.6万/车/年除以5万英里 | $0.10–0.40/英里（估，视VPO而定） | 每趟$0.50–2.00（估） |
| 软件/计算/地图 | 高精地图维护、实时处理云端计算、OTA更新基础设施 | $0.05–0.15/英里（估） | 每趟$0.25–0.75（估） |
| 总估算成本 | 中位数加总 | $0.85–1.87/英里（估） | 每趟5英里行程$4.25–9.35（估） |
| 消费者价格（Waymo One，旧金山） | 典型5英里城市行程，可比Uber/Lyft（估） | ~$2.00–3.00/英里（估） | 每趟~$10–15（估） |
| 隐含毛利率 | 收入$12 vs成本$7：毛利率约42%（估） | — | 高度取决于VPO比率和车队利用率 |
此表最重要的观察是区间的宽度。同一趟5英里行程，低端总成本（$4.25）与高端（$9.35）之间的差异，完全取决于底层运营参数的管理质量——而非行程距离。在高VPO、高利用率和低车辆成本环境下运营的Waymo车辆，在每个区间都位于有利端。
第二节 — VPO杠杆：远程协助比率如何改变经济学
**每车辆操作员比率（VPO）**是自动驾驶成本模型中最强大的单一经济变量——一名远程协助操作员能同时监管多少台自动驾驶车辆。
| VPO比率 | 每车RAO年成本（估） | 每英里RAO成本（估） | 经济含义 |
|---|---|---|---|
| 1:1（每车一人） | ~$8万/车/年（估） | ~$1.60/英里 | 比人类司机更贵；自动驾驶无成本优势 |
| 5:1（Waymo现况估） | ~$1.6万/车/年（估） | ~$0.32/英里 | 相对人类司机有显著成本降低；自动驾驶经济学改善中 |
| 10:1 | ~$8千/车/年（估） | ~$0.16/英里 | 良好经济效益；规模化后可与网约车竞争 |
| 50:1 | ~$1.6千/车/年（估） | ~$0.032/英里 | 绝佳经济效益；自动驾驶成本明显胜出 |
| 真正无人驾驶（无需RAO） | ~$0直接RAO成本 | ~$0/英里 | 自动驾驶最大理论成本优势；需零人工干预 |
| Waymo现况（估） | 从约5:1迈向10:1（估） | ~$0.16–0.32/英里（估） | 关键改善向量；VPO每翻倍，RAO成本减半 |
VPO改进的数学极具非线性特征。从1:1移至5:1可使每车RAO成本降低80%。从5:1移至10:1再降低50%。每次VPO翻倍，RAO成本减半。这正是Waymo目前所处的最陡峭改善曲线位置。
Tesla宣称其FSD系统最终将在无远程协助的情况下运行，是最激进版本的VPO论点。若属实，将消除自动驾驶运营中最大的单一变动成本组成，创造出任何人工驾驶网约车服务都无法匹敌的单位经济结构。
第三节 — 车队利用率：隐藏的乘数效应
车队利用率是自动驾驶单位经济学中第二强大的杠杆——车辆在可用时间中有多少比例在创造收入，而非停在车场、充电或等待需求。
| 利用率维度 | 低利用率 | 高利用率 |
|---|---|---|
| 每日运营时数 | 8小时（日班制） | 20小时（近连续运营，扣除充电/车场时间） |
| 每车年行驶英里数 | 3万–4万英里/年（估） | 8万–10万英里/年（估） |
| 每英里固定成本 | 高——固定成本分摊英里数少 | 低——固定成本分摊英里数多 |
| 车辆摊销/英里 | $15万/3万英里=$5.00/英里 | $15万/9万英里=$1.67/英里 |
| Waymo凤凰城利用率（估） | 全年好天气允许近连续运营 | 凤凰城可能每日活跃16–18小时（估） |
| 关键洞察 | 只在高峰需求时段运行的城市自动驾驶车经济效益极差；24/7运营才是目标 | Tesla消费者机器人出租车：车主需要时占用车辆；限制利用率低于商业车队 |
Tesla消费者机器人出租车模式面临商业车队模式所没有的结构性利用率上限。若车主在早晚通勤高峰时段（网约车需求最高时段）使用车辆，车辆就在收入潜力最高时无法提供机器人出租车服务。
第四节 — Waymo vs Tesla机器人出租车经济学比较
| 维度 | Waymo（商业车队） | Tesla机器人出租车（消费者自有Model Y） | Tesla Cybercab（专用车队） |
|---|---|---|---|
| 车辆成本 | 估计$10万–20万（Gen 5）；Gen 6目标降低 | 消费者支付约$4.5万购买Model Y；Tesla以制造成本取得车辆（估约$3.5万） | 目标制造成本低于$3万（已披露） |
| 车辆可用性 | 24/7（车队管理） | 车主需要时取走；限制机器人出租车可用性 | 24/7（类Waymo的车队管理） |
| 车场成本 | 每车完整车场运营支出（估$1.5万–3万/车/年） | 零——车主自行处理充电/维护 | Cybercab车队的车场运营支出回归 |
| 保险 | 商业车队保险$3千–8千/车/年（估） | 消费者汽车保单；Tesla可能补贴机器人出租车车主（估） | 商业车队保险 |
| VPO/远程协助 | 迈向更高VPO比率 | Tesla宣称最终完全无人驾驶无需RAO | 规模化时类似Waymo |
| 收入分配 | Waymo保留全部收入 | Tesla抽取网络费用（估约25–30%）；车主获得余额 | Tesla保留更大份额（无车主） |
| 现况 | 在部分市场乘车层级可能盈利（估） | 奥斯汀以监督模式启动；经济学尚未成熟 | 尚未达商业规模量产 |
Tesla Cybercab最重要的单一数字是目标制造成本：每车低于$3万。若Tesla在商业量产时达成此目标，将创造大约是Waymo Gen 6最佳情境估算车辆成本一半的成本结构。较低的车辆成本直接降低每英里摊销，改善所有利用率情境。
第五节 — 自动驾驶盈利路径：模型的需求条件
| 杠杆 | 现况（估） | 盈利所需 | 时程（估） |
|---|---|---|---|
| 车辆成本 | $10万–20万（Waymo Gen 5估） | 每车低于$5万 | Gen 6+量产：2026–2028（估） |
| VPO比率 | ~5:1（估） | 20:1+以达强劲经济效益 | 2027–2030（估） |
| 车队利用率 | 活跃时间50–60%（估） | 活跃时间75%+ | 需求增长+24/7运营可达成 |
| 保险成本 | $3千–8千/车/年（估） | 低于$2千/车/年（估） | 3–5年安全记录数据 |
| 乘车量 | 每周15万+趟（Waymo） | 每周100万+趟以达有意义规模 | 2027–2029（估） |
| 地理密度 | 5个城市（Waymo） | 20+个城市产生网络效应 | 2028–2032（估） |
每个杠杆都与其他杠杆相互作用。车队利用率若要达到75%+，需要乘车量增长——需求必须足以让车辆在所有运营时段保持活跃。乘车量若要达到每周100万+，则需要超越现有5城布局的地理扩张。
第六节 — 记分卡：Waymo与Tesla现况评估
| 维度 | Waymo评分 | Tesla评分 | 说明 |
|---|---|---|---|
| 现行乘车层级盈利 | 部分（估计在成熟市场呈正毛利） | 尚未（奥斯汀启动为初期阶段） | Waymo已在小规模展示乘车层级正毛利（估） |
| 车辆成本轨迹 | 改善中（Gen 6目标降低成本） | 强劲（Cybercab低于$3万目标） | Tesla有更积极的车辆成本降低目标 |
| VPO/自主性进展 | 可量测（估5:1，持续改善） | 宣称但规模验证待确认 | Waymo有实测VPO数据；Tesla FSD机器人出租车模式尚未规模验证 |
| 车队利用率 | 凤凰城高（估每日16–18小时） | 奥斯汀启动未知 | 凤凰城是Waymo最佳利用率环境 |
| 地理规模 | 5个城市，每周约15万+趟 | 1个城市（奥斯汀），初期乘车量 | Waymo有多城市运营数据；Tesla有雄心 |
| 规模化所需资本 | 高（Alphabet资助，资本密集） | 消费者Model Y路线较低 | 消费者自有模式降低Tesla的资产负债表需求 |
| 企业整体盈利路径 | 需同步改善VPO、成本与乘车量 | 需FSD成熟+规模 | 两者均面临多年改善需求 |
第七节 — 追踪自动驾驶单位经济演进的指标
| 信号 | 观察重点 | 重要性 |
|---|---|---|
| Waymo VPO披露 | 任何远程协助比率或干预间隔英里数数据 | VPO的直接代理指标；最强大的经济杠杆 |
| Waymo Gen 6车辆成本 | Gen 6每车制造成本披露或估算 | 车辆摊销是第二大成本类别 |
| Tesla FSD干预率 | 商业机器人出租车模式下的干预间隔英里数 | 决定Tesla是否能消除RAO成本 |
| Cybercab制造成本 | Cybercab迈向量产时的生产成本数字 | $3万目标是Tesla模型的关键假设 |
| 保险费率变化 | 自动驾驶专用商业车队保险定价趋势 | 安全记录积累推动此杠杆 |
| Waymo乘车量轨迹 | 披露或估算的每周乘车次数 | 利用率方程式的需求端 |
| 地理扩张速度 | 新城市上线和许可证核发 | 20+城市后网络效应加速 |
| Tesla奥斯汀乘车经济学 | 每趟收入、容量利用率、干预频率 | 消费者机器人出租车经济学首个真实世界数据点 |
第八节 — 为何单位经济学是正确的基准维度
Physical AI基准系列衡量商业可行性的关键指标，而非产生最吸引人新闻报道的叙事。脱离干预率改善能预测VPO潜力、行驶里程预测保险重新定价、地理扩张决定需求端利用率。
从建立此模型得出的结论是：商业自动驾驶在原则上具有经济可行性，Waymo已在小规模展示了这种可行性。未解决的问题不是模型是否有效——而是所需的具体改进（VPO从5:1至20:1+、车辆成本从$15万+降至$5万以下、利用率从50–60%至75%+、安全记录积累后保险重新定价）能否在允许企业在扩张阶段资本耗尽前达到整体盈利的时程内完成。
这是本系列将持续追踪的基准：不是技术叙事，而是经济数学。
注意： 所有标记为「（估）」的数字均为基于2026年中期公开信息和分析的方向性估算。自动驾驶运营商不公开披露乘车层级成本细目；所有每趟成本估算均从第一原则建模。本文不构成投资建议。
来源
- Waymo One定价与服务 — Waymo ↗
- Tesla机器人出租车经济学 — Tesla财报电话 — Tesla IR ↗
- 自动驾驶单位经济学分析 — ARK Invest ↗
- 网约车成本结构 — Uber Technologies 10-K ↗
- 远程协助运营成本模型 — Waymo安全报告 ↗