2026-06-18 — views

Physical AI 车队管理——Waymo 远程操控成本、操作员比例与人机协作规模化挑战

Waymo 目前每位远程操作员负责 10-25 辆车、成本约 $0.20-0.40/英里（估计），提升至 1:100+ 是车队经济的关键杠杆。

实体 AI 基准系列第 131 篇——Physical AI 车队管理：Waymo 远程操控成本、操作员比例与人机协作规模化挑战

当 Waymo 无人出租车遭遇无法解析的施工区、异常行人穿越模式，或超出训练分布的传感器读数时，它不会猜测。它会安全地靠边停车，发出远程协助请求，然后等待。在几秒到几分钟内，Waymo 操控中心的一名受过训练的操作员会从车辆的实时摄像头画面评估状况，并提供高层次指导——不是直接控制方向盘，而是人类对 AI 尚无法处理的情境所做的判断。这就是自动驾驶车辆部署的”人机协作”层：架桥于今日不完美的 AI 与每家 AV 公司都在构建的全自动未来之间。

这个远程操控层的经济效益与规模化能力，是 Physical AI 车队管理中最重要、却也最少被讨论的面向之一。Waymo 聘用多少操作员？每位操作员每小时的成本相当于多少车队英里成本？更关键的是：随着 AI 持续进步，成本曲线是否能次线性改善，还是远程操控始终是限制自动运输盈利能力的固定负担？

所有标有”（估计）“的数字均来自公开披露信息、产业分析师估算，以及合理推断，而非经过验证的第一手资料。

第一节——Waymo 远程操控如何运作

Waymo 运营 24/7 全天候远程协助中心，受训操作员在此监控车队并回应协助请求。系统围绕明确的分工设计：AI 处理 99% 以上的正常驾驶，而人类负责 AI 尚无法以足够信心解决的边界案例。

组件	说明	目前规模（估计）	成本驱动因素
远程协助（RA）中心	24/7 操控中心，受训操作员监控车队；车辆请求协助并安全等待操作员回应	多个中心（估计）；主要站点位于加州 Mountain View 和亚利桑那州 Phoenix（估计）	劳工：操作员轮班制；薪资约 $5-7 万/年（估计）
操作员对车辆比例	1 名操作员同时处理多辆车；目前比例约 1:10-25 辆主动监控；1:50-100 辆被动监控	受限于请求频率和响应时间 SLA	关键指标：AI 改善后，每英里请求次数下降 → 比例提升 → 成本降低
远程协助触发事件	异常路况（施工、洪水）；边界行人行为；具挑战性光线下的传感器混淆；临时地图环境不匹配；乘客请求	目前约每 100-200 英里 1 次 RA 请求（估计）	随模型改善：目标频率约每 1,000+ 英里 1 次（估计）
响应时间	操作员须在几秒到几分钟内响应；车辆安全等待（靠边或保持位置）	SLA 未公开；非紧急情况估计 30-120 秒（估计）	更快响应 = 更佳乘客体验；队列管理至关重要
操作员培训	需要专业培训；操作员学习 Waymo 软件界面、边界案例协议、与乘客沟通	初始培训约 2-4 周（估计）	劳工成本加离职率 = 持续运营费用
技术栈	Waymo 专有远程协助平台：实时摄像头画面、车辆状态、地图叠加层、发送高层次指导能力（非直接方向盘控制）	未公开；内部构建	软件成本由整个车队分摊

Waymo 远程协助架构的关键设计洞察是：操作员不远程驾驶车辆。他们提供指导——“通过交叉路口”或”等待施工工人离开”——由 AI 执行。这种区别既是安全功能，也是规模化功能：一名操作员可以同时处理多辆排队等待的车辆，因为每次互动的认知负荷是指导而非持续驾驶。系统的规模化程度完全取决于车辆进入协助队列的频率——而这又完全取决于 AI 的能力水平。

第二节——远程操控成本曲线：线性还是次线性？

AV 车队经济的核心问题是：远程操控成本是随车队规模线性扩展，还是随 AI 成熟度次线性改善？答案决定了自动运输在大规模情况下是否能达到使其商业可行的单位经济效益。

情境	操作员比例	远程操控成本/英里（估计）	可实现的车队规模	意义
今日（现况）	约 1:10-25 辆（估计）	约 $0.20-0.40/英里（估计）	1,000-3,000 辆车队	显著成本负担；限制经济效益
近期目标	1:50-100 辆（估计）	约 $0.08-0.15/英里（估计）	5,000-15,000 辆车队	模型成熟后可实现；RA 频率下降
中期目标	1:100-500 辆（估计）	约 $0.02-0.05/英里（估计）	2 万-10 万辆车队	模型处理 99%+ 情境；RA 仅用于真正边界案例
长期愿景	1:1,000+ 辆（估计）	约 $0.005-0.01/英里（估计）	10 万+ 辆车队	远程操控成为可忽略成本；完全自动化例外处理
改善的关键驱动因素	每次 FSD/AI 模型更新降低每英里 RA 请求频率；相同操作员处理更多车辆；比例提升；成本下降	—	—	远程操控成本是 AI 能力改善的滞后指标
对比：Tesla 监督模式	监督式 FSD 无需远程操控中心（车内人类安全驾驶处理所有边界案例）	$0 远程操控（但人类安全驾驶成本约 $4-6 万/年/辆，估计）	—	Tesla 奥斯汀无人出租车将需要远程操控基础设施进行无人驾驶操作

成本曲线在理论上是次线性的，但需要持续的 AI 改善才能实现。机制很直接：每英里 RA 请求频率每降低一个百分点，相同数量的操作员就能覆盖比例更大的车队。每 1,000 英里才需要一次协助（相较于每 100 英里）的 AI 可以用相同的运营人员支持 10 倍规模的车队。这就是为什么远程操控成本正确地被理解为 AI 质量的滞后指标——它衡量的是 AI 无法处理情况的频率，即能力的补数。

第三节——大规模车队管理：超越远程操控

远程操控是最常被讨论的车队管理挑战，但它只是决定大规模 AV 计划是否能盈利的六个不同运营维度之一。每个维度都有不同的成本结构，以及 Waymo 和 Tesla 不同的竞争优势特征。

车队管理挑战	Waymo 的做法	Tesla 的做法（新兴）	规模复杂性
车辆重新定位	算法全天候将车队重新平衡至需求热点；高峰时段将车辆集中在高需求区域	相同的算法重新定位（估计）；类 Uber 需求预测	重新定位闲置车辆消耗 EV 里程；平衡重新定位成本与收入机会
充电物流	车队必须在低峰时段充电；充电站管理在大规模情况下复杂；Waymo 在站点使用管理式充电站	Tesla 超充网络加站点充电（Tesla 有基础设施优势）	随车队增长：充电瓶颈可能限制每日使用率
维护排程	通过遥测进行预测性维护；复杂传感器阵列（激光雷达、摄像头、毫米波雷达）需要专业技术员；计划停机	维护更简单（无激光雷达）；OTA 软件更新处理大多数问题	Tesla 结构优势：无激光雷达维护 = 更低维护复杂性和成本
事故管理	车辆发生事故时：自动文件记录，远程操控团队协调拖车、启动保险理赔、进行调查	奥斯汀发布时相同（估计）	事故率乘以车队规模 = 每日事故数；Phoenix/SF Waymo 车队现已有相当的事故管理能力
软件部署	OTA 更新推送至车队；部分更新需要在大规模推出前进行验证测试	OTA 原生（Tesla 率先推出车用 OTA）	全车队 OTA 更新 = 最大的单一运营事件；一次糟糕的更新 = 整个车队受影响
乘客沟通	车内平板供乘客使用；自动语音；远程操控可介入乘客沟通	Tesla 无人出租车预计有类似界面	对 NPS 和安全感知至关重要

Waymo 和 Tesla 之间的维护复杂性差距是最被低估的车队管理差异之一。Waymo 的第六代车辆——及其前代第五代车辆——搭载的激光雷达传感器阵列需要专业技术员，平均故障间隔时间比纯摄像头系统更长，且损坏时更换费用更高。Tesla 的纯摄像头 FSD 方法（无激光雷达）从根本上消除了整个维护类别。在 5 万+ 辆车队规模下，这在维护人员和站点基础设施方面转化为显著差异。

第四节——远程操控作为扩张瓶颈

远程操控基础设施不仅是成本项目——它是 Waymo 和 Tesla 能以多快速度扩大无人车队的硬性限制。每个新城市、每次车队规模翻倍，以及每一类新的边界案例，都需要在 AI 比例改善能消化之前进行相应的运营容量投资。

瓶颈类型	说明	解决时间（估计）	Waymo vs Tesla
操作员招募流程	从 1,500 辆扩展到 15,000 辆需要相应的操作员增长（直到比例改善）；招募加培训需要 3-6 个月	持续进行；与车队扩张步伐挂钩	Waymo 现在面临此挑战；Tesla 在奥斯汀无人驾驶发布时将面临
地理操控中心扩张	每个新城市初始需要当地远程操控支持（时区、当地道路知识、语言）	新城市发布 = 6-12 个月运营建设（估计）	Waymo 在那里发布车队前必须建设亚特兰大运营中心
比例改善依赖性	无法在不改善 AI 模型的情况下提升操作员:车辆比例；模型改善需要训练数据；训练数据需要更多英里数	2026-2028：比例预计随模型成熟大幅改善（估计）	Tesla 的比例从 0 开始（尚无无人驾驶）；奥斯汀无人驾驶发布时需要快速建设
认证和合规	远程操作员在某些州可能需要认证；加州要求详细的 RA 事故报告	各州不同；合规增加成本	AZ/TX 合规负担较低；CA 最高

地理扩张限制特别严峻，因为运营知识无法完全转移。熟悉旧金山施工模式、行人行为和已知边界案例的操作员，不会自动了解奥斯汀或亚特兰大的情况。每个新城市对运营团队来说是一个新的训练语料库，就像对 AI 模型一样。这就是为什么 Waymo 的城市扩张时间表历来以年而非月衡量——运营建设是与软件验证时间表并行的制约因素。

第五节——远程操控基准评分卡

维度	Waymo	Tesla（预测）	优势方
目前远程操控基础设施	运行中：24/7 中心、受训操作员、成熟协议	无人驾驶尚无（监督模式 = 无需远程操控）	Waymo——运营领先
操作员:车辆比例（估计）	今日约 1:10-25；中期目标 1:100+	奥斯汀无人驾驶发布时约从 1:5-10 开始（估计）	Waymo——凭经验取得更佳比例
远程操控成本/英里（估计）	今日约 $0.20-0.40；中期目标约 $0.05	今日不适用；无人驾驶发布时约 $0.20-0.40（估计）	在同等车队阶段相近
维护复杂性	高——激光雷达加复杂传感器阵列需要专业技术员	低——无激光雷达；OTA 软件处理大多数更新	Tesla 结构优势
车队充电基础设施	Waymo 站点充电；无公共超充等效网络	Tesla 超充网络加站点 = 显著基础设施优势	Tesla——充电网络护城河
OTA 更新成熟度	具备 OTA；Waymo 率先推出 AV 车队规模软件更新	OTA 原生且成熟（Tesla 发明消费级车用 OTA）	Tesla——业界最成熟的 OTA
车队规模可管理性	4 个城市约 2,500-2,700 辆：目前运营可管理	奥斯汀约 10-50 辆：轻易可管理	Waymo——已在有意义的规模下证明运营能力

评分卡揭示 Waymo 和 Tesla 在车队管理方面具有互补的优势特征。Waymo 在远程操控成熟度、操作员比例和已验证规模方面领先。Tesla 在维护简单性、充电基础设施和 OTA 成熟度方面领先。这些优势并不对称：Waymo 的远程操控领先是暂时的（随着 Tesla 建设奥斯汀运营而侵蚀），而 Tesla 的维护和充电优势是结构性的。如果 FSD 达到与 Waymo 相当的安全性，长期车队管理的赢家很可能是 Tesla——不是因为 Tesla 的远程操控会更好，而是因为其维护和充电成本结构本质上更低。

注意： 所有标有”（估计）“的数字均来自截至 2026 年中的公开市场信息、公司披露、分析师估算和产业报告。本文不构成投资建议。