2026-06-18 — views
物理AI车队运营——远程协助、车场基础设施，以及无人驾驶背后的人力成本结构
Waymo已在4座城市累积逾4年商业无人驾驶车队运营经验；Tesla Robotaxi仍处奥斯汀早期部署阶段。远程操作员比例与车场成本是影响单位经济效益的关键杠杆。
物理AI基准系列第150篇——物理AI车队运营：远程协助、车场基础设施，以及无人驾驶背后的人力成本结构
“无人驾驶”这个词有些误导性。Waymo与Tesla在每一辆自动驾驶车辆背后都维护着庞大的人力支援基础设施。配备训练有素操作员的远程操作中心、用于充电与传感器维护的实体车场，以及全天候车队健康监控指挥中心，都是今日商业无人驾驶得以实现的必要组成部分。嵌入这些系统中的人力成本，是每家AV运营商必须解决才能实现盈利的核心单位经济挑战。
本文为物理AI基准系列第150篇，对比远程协助模式、车场运营、车队健康监控方法，以及人力参与成本结构对规模化单位经济效益的影响——以Waymo成熟的商业运营对比Tesla Robotaxi在奥斯汀的早期部署。标有”（估）“的数字均来自公开披露、行业研究、分析师估算与报告数据，并非独立验证的第一手资料。本文不构成投资建议。
第一节——远程协助：无人驾驶背后的人力层
| 维度 | Waymo做法 | Tesla做法（估） | 影响 |
|---|---|---|---|
| 什么是远程协助？ | 当无人驾驶车辆遇到无法自主解决的场景——施工区、异常路况、堵路车辆——远程操作员会被联系；车辆安全等待，操作员查看情况后可发送路线建议或决策指引 | Tesla Robotaxi（奥斯汀）：采用类似的远程操作中心模式；Tesla尚未披露完整的远程运营架构 | 远程协助是在没有安全驾驶员的情况下实现商业无人驾驶的安全防护网 |
| 远程操作员比例（估） | Waymo未披露确切比例；业界估计依市场成熟度不同，每名操作员负责5至20辆车（估） | Tesla Robotaxi尚未披露 | 操作员与车辆的比例是关键的单位经济杠杆；扩展至1:100以上是实现正向利润的目标 |
| 干预频率（估） | Waymo报告干预率随市场成熟而下降；凤凰城（最成熟市场）的干预率最低 | 尚未披露 | 频率决定操作员人力需求；频率越低，可监管的车辆越多 |
| 响应时间要求 | 车辆安全停车等待；操作员无时间压力；等待期间安全保持 | 相同设计原则 | 安全停车等待是行业标准；消除了对远程操作员决策的时间压力 |
| 操作员位置 | 集中运营中心；Waymo在加州山景城与亚利桑那州凤凰城均设有中心；已公开披露 | Tesla尚未披露 | 集中式运营中心相比各城市分散配置更具成本效益 |
| 操作员能做什么 | 查看实时视频和传感器数据；建议替代路线；确认可安全继续；标记车辆调度 | 类似（估） | 操作员建议；车辆AI执行；操作员无法直接控制方向盘或刹车 |
| 操作员不能做什么 | 直接控制车辆运动；因延迟与安全原因不进行实时遥控操作 | 相同设计原则 | 关键安全原则：禁止实时遥操；防止延迟导致的事故 |
| 可扩展路径 | 随AV软件改进，干预率下降；同一操作员可监管更多车辆 | 相同路径 | AV软件每项改进均直接降低人力运营成本；软件进步等于运营利润改善 |
为何远程协助是AV单位经济学的关键变量
“无人驾驶”只描述了车厢中缺少的东西——并非整个运营链中缺少的东西。今日每家商业AV运营商都为自主系统无法独立处理的情况保留了人力监控能力。这一人力层的经济学是决定商业无人出租车何时、能否实现盈利的首要因素。
以数字计算：一名年薪5万至8万美元（估）的远程操作员在当前Waymo式运营下，可同时监管约5至20辆车（估）。在1:5的比例下，操作员每年全费用成本约7.5万至10万美元（估），分摊到5辆车上——仅远程运营人力成本每辆车每年就高达1.5万至2万美元（估）。在1:20的比例下，该成本降至每辆车每年3,750至5,000美元（估）。在假设的1:100比例——成熟AV运营的目标——远程运营人力成本每辆车每年降至1,000美元以下（估）。
从1:5提升至1:100的路径完全由AV软件能力改善驱动。自主系统学会独立处理的每一个场景，都是不再需要操作员干预的场景。这在AV软件质量与运营利润之间建立了直接的财务联系：更好的软件等于更低的运营成本。
第二节——车场运营：AV车队的实体基础设施
| 维度 | Waymo车场模式 | Tesla车场模式（估） | 备注 |
|---|---|---|---|
| 什么是车场？ | AV车队车辆在班次间存放、充电、清洁、检查和维护的实体设施；也是车辆每班开始和结束的地点 | Tesla Robotaxi奥斯汀：使用奥斯汀Gigafactory及服务中心（估） | 每个新AV市场都需要车场；车场取得是首要的地理扩张成本 |
| 车场功能 | 夜间充电；日常清洁（车厢内部和传感器表面）；定期传感器校准（激光雷达对准、摄像头对焦）；预防性维护；事故维修；软件更新（大多数情况下OTA完成） | 相同功能；Tesla OTA更新避免了为软件而需到车场 | 传感器校准是最具AV特色的车场功能；激光雷达需要定期对准，不同于摄像头 |
| 车场成本（估） | Waymo未披露每个车场成本；新市场车场设置估计需200万至1,000万美元资本加每年100万至300万美元运营费用（估） | 未披露 | 车场成本是重要的每市场固定成本；按车队规模摊销 |
| 车队周转时间 | 车辆每天运行约20小时（估）；充电、清洁和检查约需4小时 | 类似运营目标（估） | 更高的使用率等于更好的经济效益；20小时每日目标需要快速周转 |
| 清洁要求 | 每次乘车后必须清洁车厢内部（顾客清洁标准）；传感器表面每日清洁或在脏污环境中更频繁 | 相同要求 | 清洁是劳动密集型工作；在规模化下，自动化清洁系统可降低成本 |
| 激光雷达特定维护 | 激光雷达传感器需要定期对准检查；路面振动会导致轻微失准 | 不适用（Tesla FSD无激光雷达） | 这是Waymo特有的车场成本；Tesla采用纯摄像头设计避免了此成本 |
| 传感器窗口清洁 | 激光雷达需要清晰的传感器窗口；灰尘、雨水和虫害需要定期清洁 | 仅需清洁摄像头镜头 | 激光雷达传感器外壳需要主动清洁系统（Waymo第六代内置清洁功能）；摄像头更简单 |
| 车队健康监控 | Waymo使用每辆车的实时遥测数据；预测性维护在故障前标记问题 | Tesla拥有来自消费者车队的广泛车辆遥测；同样适用于Robotaxi | 实时车队健康监控可显著减少计划外停机时间 |
第三节——车队使用效率经济学
| 指标 | Waymo（估） | Tesla Robotaxi（估） | Uber/Lyft基准 | 备注 |
|---|---|---|---|---|
| 车辆使用率 | 约50–65%（估）——无人驾驶车辆在低需求时段闲置；充电与维护窗口 | 奥斯汀初期部署约50–60%（估） | 约35–45%（人类司机自选工时） | AV优势：可最优化排班；无司机偏好或疲劳问题 |
| 每车每日营收（估） | 约每辆车每日200至350美元（估，基于每周约15万次乘车、约2,500辆车、平均票价约15美元） | 规模尚不足以估算 | Uber/Lyft司机约每日100至150美元（差异显著） | 以每日300美元收入、37,000美元车辆成本计算，回本期约4年（估） |
| 每英里成本（估） | Waymo：全费用计算约每英里2至4美元（估）——含车辆折旧、运营中心、车场、维护、保险 | Tesla目标：Cybercab规模化后全费用约每英里0.50至1.50美元（估） | 人工驾驶网约车：约每英里1.50至2.50美元（司机获约70%） | Tesla Cybercab经济逻辑：更低车辆成本加无司机加更低传感器维护等于结构性成本优势 |
| 盈亏平衡操作员比例（估） | 以每日300美元收入、150美元运营成本计算（估），需车辆与操作员比例达约20:1以上才能盈利 | 不同成本结构；Cybercab低于3万美元改变了分母 | 不适用 | 操作员比例从5:1提升至20:1是关键运营改善需求 |
| 保险成本（估） | 每辆车每日约15至25美元（估）——商业AV保险是新市场；定价偏高 | 类似或更低（若安全记录改善，Tesla安全数据可降低保费） | 网约车人类司机每日约5至10美元 | AV保险成本将随安全数据积累而下降；目前按不确定性溢价定价 |
第四节——车队健康监控与预测性维护
| 能力 | Waymo | Tesla | 备注 |
|---|---|---|---|
| 实时遥测 | 所有车辆持续传输健康数据（传感器状态、计算温度、电池状态、机械读数） | 相同；Tesla拥有业界最成熟的消费者车队遥测系统（600万辆车） | Tesla消费者车队遥测优势延伸至Robotaxi |
| 预测性维护 | ML模型在零件故障前预测问题；车辆主动路由至车场 | 相同（估）；Tesla OTA还可推送诊断检查 | 预测性维护相比被动维护显著减少计划外停机时间 |
| OTA软件更新 | Waymo可OTA推送软件更新；某些硬件校准需到车场 | Tesla OTA是业界领先；大多数更新无需到车场 | Tesla OTA成熟度等于降低车场依赖的运营优势 |
| 事故响应 | 每起AV事故自动触发数据捕获、远程审查和潜在车场检查 | 相同（估） | 事故响应协议比人工驾驶网约车更严格 |
| 传感器退化检测 | 激光雷达：通过内部反射率监控持续自检；摄像头：图像质量指标；均可标记进行校准 | 摄像头：图像质量指标；Tesla FSD持续监控传感器健康 | 自动传感器健康监控防止在传感器退化情况下继续运行 |
| 车队指挥中心 | Waymo车队运营中心：所有车辆实时地图；乘车状态；健康警报；远程操作队列 | Tesla Robotaxi尚未完全披露（奥斯汀运营中心存在，估） | 两家公司均具备全天候车队监控能力 |
第五节——车队运营基准评分卡
| 维度 | Waymo | Tesla Robotaxi（估） | 优势方 | 2027年展望 |
|---|---|---|---|---|
| 远程运营成熟度 | 逾4年商业无人驾驶运营经验；成熟操作规程 | 早期阶段（2026年奥斯汀发布） | Waymo（经验） | Tesla正以规模缩小差距 |
| 车场基础设施 | 逾4座城市已建立车场；已知每城市成本 | 单一城市（2026年奥斯汀，估） | Waymo（已建立） | Tesla：每座新城市均需车场建设 |
| 激光雷达特定运营负担 | 高（清洁、校准、传感器窗口） | 无（纯摄像头） | Tesla（无激光雷达运营） | Tesla优势随车队规模增长 |
| OTA更新效率 | 良好；某些校准需到车场 | 业界领先的OTA；极少需要到车场 | Tesla（OTA成熟度） | Tesla优势持续 |
| 车辆使用率目标 | 约50–65%（估） | 约50–60%（估，奥斯汀早期） | 目标大致相当 | 双方成熟后均目标达70%以上 |
| 单位经济路径 | 第六代加操作员比例改善迈向正利润（估2027–2029年） | Cybercab量产加操作员比例改善迈向结构性成本优势（估2028–2030年） | Waymo（更近期） | 若Cybercab交付，Tesla规模化后具决定性优势 |
| 遥测与预测性维护 | 强；专为AV高占空比设计 | 卓越消费者基础；最大数据集 | Tesla（数据量） | 随车队规模扩大，Tesla优势增强 |
| 每市场扩张成本 | 已建立车场模式；已知成本规程 | Gigafactory加服务中心杠杆（估） | Tesla（若杠杆有效） | 待奥斯汀之外验证 |
综合结论
Waymo拥有全球最成熟的商业AV车队运营——超过四年的无人驾驶跨城市经验、已建立的车场操作规程，以及直接改善单位经济效益的持续下降干预率。Tesla Robotaxi车队运营处于奥斯汀早期部署阶段，尚未在商业规模下验证的运营规程。
然而，Tesla持有在规模化时更为显著的结构性运营优势：无激光雷达特定运营负担（清洁、校准、传感器窗口）、业界领先的OTA成熟度降低车场依赖、业界规模最大的车辆遥测数据集，以及——若实现——将重塑每项AV单位经济计算分母的Cybercab成本结构。
决定性差异：Waymo正在以经过验证的规程在适度规模下向盈利建设；Tesla正在为未来的结构性成本优势建设，若Cybercab量产如期兑现，其运营经济效益可能具有决定性优势。
注： 所有标有”（估）“的数字均来自截至2026年中的公开披露、行业研究、分析师估算与报告数据。本文不构成投资建议。
来源
- Waymo车队运营与远程协助 — Waymo安全报告 ↗
- Waymo One商业运营 — Waymo官方博客 ↗
- Tesla Robotaxi奥斯汀发布 — Tesla ↗
- AV车队运营经济学 — 麦肯锡未来出行中心 ↗
- 远程操作与AV安全 — 兰德公司 ↗