2026-06-18 — views

Physical AI 能源 2026 — Waymo 激光雷达耗电 vs Tesla 摄像头效率：AV 车队充电与电网冲击基准报告

Waymo 激光雷达估计耗电 100-150W，Tesla 摄像头不足 8W。AV 电动卡车若取代柴油车，货运 CO2 估计可降 75%。

Physical AI 基准系列第 204 篇 — Physical AI 能源与气候 2026：Waymo EV 车队充电 vs Tesla FSD 效率 vs AV 路线优化——AV 能源与电网冲击基准报告

Physical AI 的能源维度具有重要商业意义，但在报道上却严重不足。每辆自动驾驶车都是一个移动的电气系统，不只有动力系统，还有传感器组、计算集群和通信节点，全部持续耗电。AV 公司在传感器架构上的选择，对每英里能源消耗、车队续航里程、充电基础设施需求，以及规模化后对电力网格的影响，都有直接且可衡量的后果。

2026 年 AV 能源故事由三大动态定义：(1) 传感器能源开销——激光雷达重型架构与纯摄像头架构之间可衡量的耗电差异；(2) AV 驾驶效率优势——自动驾驶轨迹优化相比平均人类驾驶减少每英里能源消耗的证据；以及 (3) 规模化车队充电——商业 AV 车队按可预测时程运作所带来的电网需求、基础设施投资与 V2G 机会。

气候影响贯穿三个维度。交通运输占美国温室气体排放量的估计 27%（EPA，2022 年）。乘用机器人出租车和长途货运卡车向电动平台过渡，是美国经济中最大的潜在去碳化杠杆之一。

第一节 — Physical AI 能源：三个维度

维度一：传感器能源开销

AV 车辆是承载额外电力负载的电动车——传感器组持续耗电，无论车辆在高速行驶还是在红灯等候。不同 AV 公司的架构选择造成了可衡量的差异。

激光雷达单元每个消耗估计 15-25W（估计）。Waymo 第五代 Jaguar I-PACE 配备 5 个以上激光雷达加上摄像头和雷达，行驶时传感器持续耗电估计 100-150W（估计）。在 6 小时商业班次中，这代表估计额外 0.6-0.9 kWh 的传感器能源消耗（估计）。对于配备 90 kWh 电池的 Jaguar I-PACE，这代表仅传感器就估计增加 0.7-1.0% 的能源消耗（估计）。

Tesla 的纯摄像头 FSD 方案产生截然不同的传感器耗电特性。8 个摄像头每个估计消耗不到 1W，总传感器耗电估计不到 8W（估计），相较 Waymo 的估计 100-150W 激光雷达开销优势显著。

维度二：AV 驾驶效率优势

NREL（美国国家可再生能源实验室）关于生态驾驶的研究显示，相比平均人类驾驶行为，优化的驾驶方式可将电动车效率提升估计 5-15%（估计）。Waymo 和 Tesla FSD 都使用轨迹优化，产生更平顺、更节能的驾驶：优化加速曲线、预见性减速，以及减少走走停停的速度波动。

维度三：气候背景

交通运输占美国温室气体排放量的估计 27%（EPA，2022 年）。乘用机器人出租车和 AV 货运卡车的电动化转型，是重要的去碳化途径。但气候效益取决于电力网格能源组合——在燃煤电厂为主的电网上为电动车充电，其全生命周期 CO2 排放量可能超过某些混合动力车辆。

第二节 — Waymo 车队能源：商业规模的电动车充电

能源维度	Waymo 方案	规模化影响	2028 年展望
车队能源消耗	Jaguar I-PACE：90 kWh 电池；EPA 续航估计 234 英里；加上 Waymo 传感器开销（估计 100-150W 持续）（估计），有效商业续航里程降低；Waymo 商业车辆使用率：估计每天 16-20 小时（估计），在离峰时段充电	以每天 16 小时运作 + 估计平均商业速度 25 英里/小时（城市走走停停），Waymo I-PACE 每天行驶估计 400 英里；这需要每 24 小时 1-2 次充电周期	第六代专用电动车设计可能优化电池容量和传感器电源效率；预计第六代续航改善、相对传感器开销降低
商业充电基础设施	Waymo 在每个运营城市维护私人充电站；车辆在高峰需求期间（通常是深夜/凌晨）返回充电站充电；Waymo 在充电站使用二级 + 直流快充	每城市充电基础设施：规模化后估计每城市 200-500 个充电口（估计），取决于车队规模；Waymo 的充电基础设施是必须在商业运营开始前投入的城市进入成本	充电站建设时间+许可是 Waymo 城市扩张的次要瓶颈；第六代车队规模增大按比例增加充电基础设施需求
传感器电力 vs 电动车续航的权衡	激光雷达传感器耗电在 Waymo 电动车平台上造成可衡量的能源开销；激光雷达技术正在改进（固态激光雷达通常比旋转机械激光雷达耗电更少）；Waymo 的自制激光雷达历经多代改进，电源效率提升	传感器-电动车续航的权衡是一个设计约束，Waymo 通过电池容量+充电时程来管理；随着每代激光雷达耗电降低，这个权衡随时间改善	固态激光雷达预计相比旋转机械激光雷达显著降低传感器耗电；第六代及未来 Waymo 车辆可能使用低功耗固态激光雷达
V2G 机会	Waymo 车队有可预测的部署时程（商业时段，大多数市场通常为早 7 时至凌晨 2 时）；在离峰时段（凌晨 2 时至早 7 时），车队静止充电；这创造了 V2G（车辆到电网）机会	V2G 在 Waymo 车队规模：估计 2,500 辆车 x 90 kWh x 50% 可用 V2G 容量 = 估计每晚 112 MWh V2G 容量（估计）	Waymo 尚未公布 V2G 实施计划；V2G 需要双向充电硬件和电网互连协议；是未来的能力，目前尚未实践
AV 驾驶效率	Waymo 的轨迹优化产生比平均人类行为更平顺的驾驶：优化加速、更可预测的减速、减少走走停停的速度波动；NREL 生态驾驶研究表明优化驾驶方式可提升效率估计 5-15%（估计）	对于 Jaguar I-PACE，Waymo 驾驶优化带来 10% 的效率提升，每次充电可增加估计 23 英里的有效续航（估计）；这部分抵消了传感器能源开销	随着 AV 驾驶策略因更多训练数据而改善，驾驶轨迹的能源效率预计进一步提升

第三节 — Tesla FSD 能源：无传感器开销的效率优势

能源维度	Tesla FSD 方案	效率影响	2028 年展望
纯摄像头传感器电力	Tesla 的 8 摄像头 FSD 系统总传感器耗电估计不到 8W（估计），相比 Waymo 的估计 100-150W（估计）；这个传感器耗电差异在相同行驶速度和距离下，代表 Tesla 纯摄像头方案的显著能源效率优势	在每天 20 小时商业运营（Tesla 机器人出租车情景）下，Tesla FSD 和 Waymo 激光雷达系统之间的传感器耗电差异估计为每辆车每天 0.6-0.9 kWh（估计）	摄像头传感器电力无论技术如何改进都将保持低水平；Tesla 传感器架构带来的能源开销优势是结构性且持久的
FSD 驾驶效率	Tesla FSD 在训练路线上的轨迹优化产生平顺的加减速曲线；Tesla 声称 FSD 驾驶相比典型人类驾驶改善能源消耗；再生制动使用由 FSD 优化	Tesla FSD 的能源效率提升在 Tesla 公开披露中未单独量化；社区报告显示 FSD 启动行程通常比在相同路线上人类驾驶实现更好的 Wh/英里	FSD 效率提升预计随着神经网络策略更明确整合能源优化而提升
Tesla Semi 能源效率	Tesla Semi：最大载重下 EPA 认证 1.7 kWh/英里；柴油等效：估计 6-7 kWh/英里能源当量（估计）；Semi 的效率优势：相比能源当量的柴油等效，估计每英里能源消耗低 75%	Tesla Semi 的能源效率提升主要来自电动动力系统效率：电动车效率估计动力到轮端 85-90%，柴油估计 40-45%；再生制动在下坡路段回收额外能量	Tesla Semi 电动车效率优势随电网去碳化而增长
路线优化效率	Tesla Navigation on Autopilot 针对时间和能源优化路线；FSD 使用预测性交通数据避免拥堵停车	即使跨 600 万辆车估计 2-3% 的全车队能源改善（估计），每年各行驶估计 15,000 英里，也代表估计每年节省 1.8-2.7 TWh（估计）	车队规模能源优化可使 Tesla 车辆通过协调路线集体减少能源消耗
Tesla 超充 + Megacharger 基础设施	Tesla 拥有北美最大的电动车充电网络；对于 Tesla 机器人出租车车队，超充网络无需建设 Waymo 式私人充电站就能提供充电基础设施	Tesla 机器人出租车可利用 Tesla 现有超充网络进行机会性充电；这降低了 Tesla 机器人出租车相比 Waymo 的每城市充电基础设施资本支出	Tesla 超充网络扩展增加 Tesla 机器人出租车充电灵活性

第四节 — AV 路线优化与电网冲击

系统维度	当前状态	能源/电网影响	政策/基础设施需求
AV 路线规划中的布雷斯悖论	布雷斯悖论：在交通网络中，如果所有驾驶者同时走新的最优路径，增加一条新路反而可能矛盾地增加总拥堵；AV 系统同时优化路线可能触发对相同”最优”路线的趋同，导致这些路线变得拥堵	交通仿真研究表明，如果大比例车辆是 AV/连网且使用相同路线规划算法，路线趋同是可能的；结果可能是所有 AV 认为最优的廊道交通恶化	AV 密集城市的交通管理中心必须跨 AV 车队协调路线建议以防止布雷斯悖论；V2X 可使城市交通管理中心推荐多样化路线分布
车队充电电网需求	在单个城市的 Waymo 车队规模（旧金山估计 700 辆），夜间的车队充电需求：估计 700 辆 x 90 kWh x 充电效率（估计 85%）= 仅旧金山车队的峰值充电需求估计就达 74 MW（估计）	如果 100 万辆 AV 商业车辆同时过夜充电，总需求估计为每晚 90-150 GWh（估计）；如果交错充电可管理，但如果同时充电则会造成问题性需求峰值	智慧充电协调（电力公司 + AV 车队运营商商定交错充电时程）对 AV 车队规模的电网稳定至关重要
太阳能 + AV 充电协同	Waymo 的凤凰城车队在美国太阳辐射最高的市场运营（亚利桑那州钱德勒）；如果 Waymo 的站场包含太阳能板，可以在白天从太阳能发电充电	凤凰城太阳能 + AV 车队充电：在太阳能驱动的充电站进行白天离峰充电，减少 AV 车队碳足迹并捕获低成本太阳能电力	太阳能站场 + 智慧充电投资在高太阳能市场（凤凰城、拉斯维加斯、洛杉矶）具有商业吸引力
AV 卡车能源冲击	Aurora 目前车队使用柴油（Peterbilt 579）；当 AV 卡车转型为电动时，AV + 电动的组合效率优势显著	Tesla Semi AV（假设）：1.7 kWh/英里 x AV 效率提升（估计 5-10%）（估计）= 估计 1.5-1.6 kWh/英里（估计）；相比柴油等效估计 6-7 kWh/英里能源当量 = 估计每英里能源减少 75-80%（估计）	AV + 电动在长途运输的组合可能使美国货运 CO2 排放相比目前柴油车队减少估计 40-60%（估计）
人形机器人能源	Tesla Optimus：每台估计电池容量 2.3 kWh（估计）；每次充电估计运作 8 小时（估计）	在 50,000 台 Optimus 部署于 Gigafactory 的情况下，每天总充电需求：50,000 x 2.3 kWh / 8 小时班次 = 运作期间估计 14 MW 持续负载（估计）	在当前规模下，人形机器人车队能源是可管理的，但在 5 万台以上规模时会产生有意义的充电基础设施需求

第五节 — AV 能源基准计分卡

能源维度	Waymo	Tesla FSD / 机器人出租车	Aurora（AV 卡车）	2028 年展望
传感器能源开销	高：估计 100-150W 激光雷达 + 传感器组（估计）；相比纯摄像头有显著的每英里能源开销	低：估计不到 8W 摄像头组（估计）；相比激光雷达系统的结构性能源效率优势	中：Aurora 的激光雷达开销类似 Waymo，但在更大的车辆上（柴油 Class 8，传感器电力占总能源的比例更小）	固态激光雷达降低 Waymo 的开销；摄像头系统持续保持低功耗；差距缩小但不消除
驾驶效率提升	高：Waymo 的轨迹优化在业界名列前茅；平顺减速 + 预见性停车避让；相比平均人类估计效率提升 5-15%（估计）	高：Tesla FSD 轨迹优化产生节能驾驶曲线；再生制动优化；估计效率提升与 Waymo 相近（估计）	中等：Aurora AV 驾驶优化主要在高速公路上；相比人类驾驶平均高速表现估计油耗效率提升 5-10%（估计）	所有 AV 系统将随策略成熟而提升驾驶效率
车队充电基础设施	自有站场（每城市资本支出）；每个运营地点的遮蔽充电设施；规模化时需要智慧充电	超充网络利用（在超充密集市场，机器人出租车无需站场）；Semi 用 Megacharger；相比 Waymo 的站场模式有显著基础设施优势	目前不适用（柴油）；转型为电动货运时，需要 Megacharger 规模的基础设施	Tesla 充电基础设施优势增长；Waymo 必须每城市投资站场
V2G 潜力	高：具有可预测离班时程的商业车队是理想的 V2G 资源；90 kWh x 2,500 辆车 = 估计 225 MWh 总车队容量（估计）	非常高：600 万以上车辆车队具备 V2G 能力，将是可用的最大电网电池资源之一	目前低（柴油）；电动货运 V2G = 长期非常高	V2G 是三者 2028-2030 年的实施议题；Tesla 按车队规模计算 V2G 潜力最大
气候 / CO2 减排	高：商业运营中全电动车队；在电网清洁的地方生命周期 CO2 减排显著（加州：估计 98% 清洁能源电网）	Semi 非常高：相比柴油估计每英里生命周期 CO2 减少 75-80%（估计）；FSD 乘用车：相比汽油 ICE 在美国平均电网下生命周期 CO2 减少估计 40-60%（估计）	目前中等（柴油 AV）；电动化后变革性：在美国平均电网下相比柴油每货运英里 CO2 减少估计 40-60%（估计）	AV 电动卡车是美国货运最大的单一 CO2 减排机会，前提是 Aurora/Waymo Via 采用电动平台

总体结论

Physical AI 的能源故事对气候是积极的，但比”电动车是清洁的”这个简单说法更复杂。Tesla 纯摄像头 FSD 架构相比 Waymo 激光雷达组在传感器能源效率上具有结构性优势——但 Waymo 的驾驶轨迹优化质量相当，传感器开销相对 90 kWh 电池容量是可管理的。Physical AI 中最具影响力的能源故事不是机器人出租车效率之战：而是长途货运卡车去碳化的潜力。当 AV 技术迁移到电动货运平台时，AV 驾驶效率加上电动动力系统效率的组合，代表自催化转换器引入以来美国交通运输中最大的单一去碳化机会。

注意： 标记”（估计）“的数字是基于 2026 年中可公开获取信息的方向性估计。本文不构成投资建议。