2026-06-18 — views
实体AI就业冲击——自动驾驶与人形机器人规模化对劳动市场的影响
自动驾驶与人形机器人威胁美国600至700万个卡车、叫车及仓储工作——时间表、政治阻力，以及对Tesla和Waymo的影响。
实体AI基准系列第47篇——劳动市场维度
本系列此前从技术成熟度、资本部署、法规审批和竞争定位等角度审视了自动驾驶与人形机器人的规模化进程。本篇聚焦于解释这一进程面临最持久政治阻力的核心维度：劳动市场。
当自动驾驶汽车无需人类司机即可商业运营，当人形机器人在仓库中无需人工即可拣选货物，投资者所庆祝的经济盈余，同时也是被取代工人失去的收入。理解这些工人是谁、住在哪里、被取代的速度有多快，以及正在形成哪些政策回应，是评估规模化时间表的必要背景。
第一节——高风险劳动力
美国劳工统计局（BLS）详细追踪运输与物流就业情况。下表总结直接面临自动驾驶和人形机器人取代风险的主要职业类别（所有数字均为BLS估计，已四舍五入）：
| 职业类别 | 美国从业人数（BLS估计） | 年薪中位数 | 自动化时间表 | 地理集中度 |
|---|---|---|---|---|
| 重型卡车及拖车司机 | 约200万 | 约54,000美元 | 长途优先（2028–2035年估计）；最后一公里较晚 | 中西部、南部、农村干道 |
| 轻型卡车及快递司机 | 约150万 | 约42,000美元 | 最后一公里较难（城市复杂性）；2030–2038年估计 | 全国城市/郊区 |
| 出租车、叫车及司机 | 约35万（另有约150万Uber/Lyft零工） | 约34,000美元（不含零工） | 取代最快：机器人出租车城市2026–2032年估计 | 高密度都市市场 |
| 公交司机（公共交通） | 约25万 | 约56,000美元 | 最慢：定线AV技术较易但政治阻力最强 | 城市/郊区 |
| 停车场管理员 | 约7万 | 约32,000美元 | 近期：自主停车系统已在部署 | 城市 |
| 仓库工人（拣货/上架） | 约120万 | 约38,000美元 | 人形机器人（Digit、Optimus、Figure）直接瞄准此类 | 主要物流枢纽 |
| 高风险合计（广义估计） | 约600至700万 |
对整张表有一个重要说明：「高风险」不等于「被消灭」。自动化历史上通常是先改变工作内容，再消灭整个职位。
第二节——取代时间表
取代并非均匀到来。三波不同的浪潮由不同的技术成熟度与经济诱因驱动。
第一波（2026–2030年估计）：机器人出租车取代叫车与出租车
自主叫车已在商业化运营。Waymo在凤凰城、旧金山、洛杉矶和奥斯汀每周提供超过15万次乘车服务（估计，2026年中期）。机器人出租车每英里运营成本约0.50至1.00美元（估计），而含司机薪酬和平台抽成的人工叫车每英里约1.50至2.50美元。
首先被取代的人： 零工平台叫车司机（Uber、Lyft），没有劳动保护、没有工会代表，市场集中在机器人出租车最具经济效益的高密度都市。
第二波（2028–2035年估计）：高速公路自动驾驶货运
长途货运在技术上比城市叫车更容易：高速公路驾驶、可预测路面、无行人。Aurora、Waymo Via和Kodiak Robotics均有活跃的商业计划。行业面临约8万名司机的结构性短缺（估计），使得近期AV部署倾向于补充而非取代劳动力。真正的净取代在2030年后加速。
第三波（2030–2040年估计）：仓库人形机器人
Agility Robotics的Digit（已在亚马逊设施部署）、Tesla的Optimus、Figure的Figure 02明确针对仓库拣货作业。仓库劳动力占物流运营成本约40%（估计），取代经济诱因巨大。但这一波速度最慢：不规则包裹的精细操控和人工判断能力使完全自动化比驾驶更难实现。
第三节——为何规模化时间表慢于技术时间表
| 摩擦因素 | 如何延缓取代 |
|---|---|
| 法规审批延迟 | AV无人驾驶许可需逐城申请；每个审批周期平均需12至24个月（估计） |
| 资本部署成本 | 机器人出租车车队建设需要数十亿资本；Waymo Gen 6车队扩张是瓶颈，而非软件 |
| 政治阻力 | Teamsters（约140万成员）、SEIU（约210万成员）在多个州游说反对AV放松管制 |
| 工会合约 | UPS、FedEx、亚马逊快递劳动合约延伸3至5年；重新谈判制造延迟和成本 |
| 最后一公里复杂性 | 城市快递需要AV和人形机器人尚无法完全复制的人工判断 |
| 责任归属 | 无人驾驶车辆或机器人造成工伤时谁承担责任？未解决的法律问题制造企业采用迟疑 |
第四节——正在形成的政策回应
| 政策 | 管辖范围 | 状态 | 机制 |
|---|---|---|---|
| AV工人转型基金 | 多个州提案（CA、WA） | 提议/待审（估计） | 对AV商业里程征收附加费→再培训基金 |
| 自动驾驶汽车费用 | 旧金山 | 讨论中 | 对机器人出租车按次收费→市立交通基金 |
| 卡车司机援助计划 | USDOT | 进行中 | 1.4亿美元就业机会补助 |
| Teamsters AV立法 | 联邦（提议） | 截至2026年中期无联邦法案通过（估计） | 强制人工司机要求；AV认证延迟 |
| 普惠基本收入试点 | 多个城市/州 | 仅试点计划 | 基本收入底线；非AV专项 |
| 机器人税 | 欧盟讨论 | 概念阶段 | 对自动化生产力增益征税；尚未立法 |
第五节——对Tesla和Waymo规模化的影响
政治阻力的地理分布
卡车司机集中度高的州——印第安纳州、田纳西州、德克萨斯州、俄亥俄州——对AV货运放松管制的政治阻力更强。加州是最进步的AV法规环境，同时也是劳工倡议力量最强的地方。
Waymo的政治定位
Waymo取代的是城市叫车和出租车工人，工会组织力远弱于货运业。零工平台司机政治阻力较低。Waymo的无障碍出行框架提供了纯粹成本削减论述所无法给予的政治掩护。
Tesla的政治风险敞口
Tesla在两个面向同时面临政治风险：Optimus在仓库的部署直接指向亚马逊约75万名美国仓库工人，正值NLRB工会选举进行之际；Cybercab在高密度城市取代叫车司机，恰好在Tesla面临Autopilot监管调查的蓝州市场。Tesla实体AI野心的政治敞口面积大于专注城市叫车的Waymo。
结语：规模化的结构性调速器
实体AI规模化面临一个有别于技术和资本限制的结构性调速器：劳动力取代的政治经济学。未来十年，约600至700万名驾驶和仓储工人处于取代区间。这不意味着规模化失败，而是意味着规模化更慢、在地理上更不均匀，且更易受政治干预。对于评估Tesla和Waymo时间表的投资者而言，劳动市场维度是采用速度的折扣因子——而非最终规模的天花板。
资料来源：美国劳工统计局运输职业数据（bls.gov/ooh）；Teamsters自动驾驶立场声明（teamster.org）；USDOT交通运输未来劳动力计划（transportation.gov）；McKinsey全球研究院劳动力自动化研究（mckinsey.com）。所有标注「估计」的数字均基于公开报道、行业数据及BLS职业统计的估算，未经独立核实，可能与一手资料有所差异。