2026-06-18 — views

实体 AI 人力经济学 2026 — Waymo 远程操作中心人员配置 vs Tesla 自动化与 Optimus：人力运营成本基准

Waymo ROC人员远程监控车队。Tesla以AI与Optimus力求最小化人工介入。人力成本今日占自动驾驶叫车收入的33–60%。

实体 AI 基准系列第 185 篇：人力经济学

商业自动驾驶汽车经济学中最关键、却最少被讨论的成本要素之一，就是人力。无人驾驶车辆的承诺很简单：消除驾驶员，消除共乘经济中最大的可变成本。但”无人驾驶”并不等于”零人力”。商业无人驾驶 AV 运营需要大量人力支援基础设施，而这些基础设施的经济结构，决定了该业务是否能在规模化后实现盈利。

本文对比两大领先实体 AI 车辆平台的人力经济学——Waymo 的远程操作中心（ROC）模型与 Tesla 自动化优先的 Cybercab 方案——涵盖所有主要人力类别。所有估算值均于文中标明。

第 1 节 — 为何人力是隐藏的 AV 成本驱动因素

消灭车内人类并不等于消灭系统中的人类。商业无人驾驶 AV 运营需要四大类人力：

ROC 操作员（远程操作中心） — 监控车辆画面、在复杂场景介入、处理”卡住”事件（车辆停止且无法自主继续行驶），以及在事故发生时协调紧急应变。
车队维护技师 — 在充电站清洁、检查、接充电线并维修车辆。这些功能目前无法完全自动化。
充电技师 — 在充电站将车辆人工连接至充电设备。（充电基础设施经济详见第 180 篇。）
客服人员 — 处理乘客投诉、遗失物品报告、无障碍需求及行程纠纷。

上述四类中，ROC 操作员的规模化潜力最高。随着 AI 进步、车辆”卡住”事件频率下降，每位 ROC 操作员可同时管理更多车辆。维护、充电与客服三类则大致随车队规模线性增长。

车辆与操作员比例为何至关重要：

车辆与操作员比例	估算每英里 ROC 成本	比较
1:10（早期商业 AV 估算）	估算 $0.05–$0.15/英里	仍相当可观；为驾驶员成本的 10–30%
1:100（中期目标估算）	估算 $0.005–$0.015/英里	比驾驶员便宜一个数量级
1:1,000（长期目标估算）	估算 $0.0005–$0.0015/英里	在经济上几乎可忽略不计

将 ROC 比例从约 1:10 推向 1:1,000，正是从”无人驾驶但昂贵”走向”无人驾驶且盈利”的路径——这是实体 AI 人力经济学的前沿。

第 2 节 — Waymo 的远程操作中心模型

Waymo 运营的远程操作中心（ROC）提供即时监控与介入支援，服务其商业无人驾驶车队。ROC 是 Waymo 在超过五年的商业运营中打造并持续优化的核心运营层——比任何其他 AV 公司都更早。

维度	详情
ROC 功能	操作员同时监控多辆车的实时摄像机画面与传感器数据；回应车辆在复杂场景的协助请求；处理”卡住”事件；处理客服升级；在事故发生时协调警方与紧急应变人员
ROC 操作员角色	操作员同时观看多辆车的直播画面。当车辆发出协助请求时，操作员评估情况并提供指引——例如批准车辆通过特殊路口，或建议处理边缘案例。ROC 操作员不能远程驾驶车辆，无法实时控制方向盘或油门；他们提供高层次指引，由车辆 AI 自主执行。
ROC 人员配置比例（估算）	Waymo 未公开具体 ROC 人员比例。业界估计目前商业 AV 运营可能需要每 5–25 辆车配置 1 名操作员（估算）。随 AI 进步及卡住事件频率下降，此比例预计将大幅改善。
“卡住”事件频率（估算）	Waymo 早期在旧金山的运营中，复杂城市场景的卡住率据报较高——窄街、施工区、紧急车辆、异常行人行为。随着 AI 改善，需要 ROC 介入的卡住事件据报已大幅减少。确切的当前频率未公开。
ROC 基础设施成本（估算）	ROC 需要 24/7 安全办公空间（多班制）、高带宽多画面监控工作站、训练有素的操作员（估算年薪 $40K–$70K）、管理人员及 IT 基础设施。每城市 ROC 设置成本估算 $1M–$5M，持续 24/7 运营（估算每城市 10–50 名操作员）是一笔可观的固定成本。
ROC 作为新城市进入成本	Waymo 进入每个新城市都需要新建或扩充 ROC，以覆盖新地理范围。操作员需熟悉当地道路、地标及典型边缘案例——在充电站与地图投资之外增加了进城成本。
改善 ROC 比例的路径	更好的 AI（每英里卡住事件更少 = 每位操作员管理更多车辆英里）；更大的车队（每个 ROC 服务更多车辆 = 分摊固定成本）；城市场景标准化（可预测场景 = 更少介入）；累积的运营经验（已知边缘案例获得程序化解决方案）。
Waymo 的 ROC 竞争优势	Waymo 运营 ROC 的时间比任何 AV 公司都长。其操作流程、培训计划及 ROC 软件均比任何竞争对手更成熟。这种机构知识是难以被新进入者快速复制的竞争资产。

第 3 节 — Tesla 的人力模型：自动化优先、最小化 ROC

Tesla 的整个运营历史都以积极自动化为定义。超级工厂追求熄灯制造。FSD 旨在消除人类驾驶。对 Cybercab 而言，Tesla 的目标是在每个运营环节都最小化人力。

维度	详情
Tesla 的自动化哲学	Tesla 一贯将自动化视为战略必要——从吉加德州和吉加上海的机器人生产线，到 FSD 的神经网络方案。对 Cybercab，这一哲学延伸到整个支援基础设施。
Tesla Cybercab ROC 模型（估算）	Tesla 尚未公开 Cybercab 的 ROC 架构。估计方案包括：(1) 集中式全国/区域 ROC 同时服务所有市场；(2) AI 优先解决模型——车辆在请求人工协助前尝试多种自主解决策略；(3) 超充站机会协助；(4) FSD 车队数据预训练——数百万英里的监督 FSD 里程已让 AI 接触最常导致卡住事件的边缘案例。均为估算（估算）。
Tesla 的数据优势用于 ROC 削减	超过 600 万英里的监督 FSD 里程记录了导致卡住事件的场景。Tesla 的 AI 在 Cybercab 商业上市前已针对这些场景训练多年。这意味着 Cybercab 进入商业服务时，卡住事件频率可能低于 Waymo 在同等早期阶段的水平（估算）。
Optimus 作为长期人力替代	Tesla 的 Optimus 人形机器人明确定位为取代目前需要人力的任务。长期场景包括：Optimus 执行车队维护任务、自主为 Cybercab 接充电线、以及可能承担部分 ROC 功能。这些属于推测性且需数年才能实现（估算），但代表 Tesla 独有的场景——没有其他 AV 公司拥有人形机器人部门。
Tesla 的精简上市哲学	Tesla 一贯以少于传统汽车制造商的支援资源上市，并在真实世界反馈到来后快速迭代。Cybercab 可能以相对精简的 ROC 人员模型上市，并随运营问题出现而扩充支援基础设施。

第 4 节 — 车队维护及其他人力成本

人力类别	Waymo 模型	Tesla Cybercab 模型（估算）	规模因素
车队维护	人工技师在充电站清洁、检查及维修车辆。估算 2,500 辆规模下：各充电站估算 200–500 名维护人员（估算），大致随车队规模线性增长。	Tesla 吉加工厂自动化降低制造缺陷率。Tesla 服务中心可服务 Cybercab 车队，利用现有基础设施。长期 Optimus 场景：人形机器人规模化处理日常维护任务。	每辆车成本；Waymo 从零建立维护基础设施；Tesla 利用全球 1,000+ 个服务中心的现有网络。
充电技师	充电站人工技师每晚为车辆连接充电器、每早断开。随车队规模线性增长。每名技师每班可服务估算 20–50 辆（估算）。	如 Cybercab 采用超充站机会充电模式，可消除专用充电技师人力。若通过未来机器人接头自动接插（估算），每辆车充电人力成本趋近于 $0（估算）。	若超充站机会充电模式规模化可行，Tesla 具结构性优势。
客服	Waymo 为 Waymo One 乘客设有客服团队，随乘车量规模增长。	Tesla 需要 Cybercab 乘客的类似客服能力；可利用现有 Tesla 客服基础设施延伸。	两者在类似乘车量下成本大致相当。
安全驾驶员（历史遗留）	Waymo 在旧金山和凤凰城已完成无人驾驶商业服务多年；安全驾驶员已从商业运营中撤除。	Tesla Robotaxi 在奥斯汀（2026 年 6 月）目前仍有安全驾驶员。Cybercab 商业上市后将消除安全驾驶员。	安全驾驶员消除代表每英里估算 $0.30–$0.50 的成本降低（估算）——Waymo 已实现，Tesla 尚未达到。

两家公司目前均面临 33–60% 的人力成本占比（估算），降至约 15–20% 才能实现盈利，需要 AI 进步、车队规模化，以及——对 Tesla 而言——超充站机会充电模型和 Optimus 部署的共同作用。

第 5 节 — 人力经济学基准计分卡

维度	Waymo	Tesla Cybercab（估算）	2028 展望	优势
ROC 运营成熟度	业界最深厚的 ROC 专业知识；成熟的流程、培训及软件	Cybercab 商业 ROC 从零开始；FSD 数据降低卡住事件频率	Waymo 随规模持续改善比例；Tesla 可能从更低的卡住率起点出发	Waymo（当前成熟度）；Tesla（潜在 AI 优势）
ROC 人员配置比例（估算）	估算目前 1:5–1:25；目标 1:100+	估算起点 1:10–1:50；目标 1:100+	两者均在改善	规模化后大致相当（估算）
充电人力成本	充电站专用充电技师；随车队线性增长	若超充站机会充电可行，潜在成本 $0（估算）	若超充站模型规模化可行，Tesla 具结构性优势	Tesla
维护人力成本	从零建立充电站基础设施；估算目前规模 200–500 人（估算）	Tesla 服务网络复用；更低制造缺陷率；长期 Optimus 替代场景	Tesla 现有服务基础设施优势；Optimus 增加独特长期削减杠杆	Tesla
人形机器人人力替代	无——Waymo 没有人形机器人计划	Optimus：估算 2026 年中生产 5K–10K 台（估算）；2027–2030 年可能应用于 Cybercab 维护和充电（估算）	Optimus 作为车队人力替代是 Tesla 独有场景	Tesla（独特能力）
安全驾驶员消除	商业服务中已完成	待实现——奥斯汀 Robotaxi（2026 年 6 月）仍有安全驾驶员	Tesla 需要 1–2 年更多时间才能达到 Waymo 已有的成就	Waymo
人力成本总体趋势	随 AI 和规模改善；但线性维护和充电成本是结构性的	更好的起始 AI + 超充站模型 + Optimus = 多个独立的人力削减杠杆	Tesla 拥有更多结构性人力削减杠杆	Tesla

总体评判： 人力经济学是 AV 运营中被最低估的成本维度。Waymo 和 Tesla Cybercab 在当前规模下，人力成本均估算占叫车收入的 33–60%（估算），使盈利在结构上不可能实现，除非出现根本性改善。Waymo 拥有业界最成熟的 ROC 运营；Tesla 在充电人力、维护人力和长期人力替代方面具结构性优势。首先实现 1:500+ 车辆与 ROC 操作员比例并保持服务质量的公司，将获得决定性的单位经济优势。

第 6 节 — 关于本系列

这是实体 AI 基准系列的第 185 篇。前篇涵盖了实体 AI 上市指数、人形机器人竞赛、单位经济学、全球竞争、高清地图、车队充电站经济学、软件与 OTA、保险与责任、消费者需求、合作伙伴关系、竞争护城河、Cybercab vs Model Y、安全数据、Waymo Gen 6、Optimus 制造、计分卡快照、2030 年预测情景、投资者框架、Waymo 城市扩张管线、Tesla 州别审批地图、AV 天气限制、人才争夺战、法规日历、Robotaxi 票价定价、AV 数据飞轮、人形机器人部署追踪、供应链分析、消费者采用指数、充电基础设施基准、地图与定位基准、AV 车队充电站经济学，以及 Waymo 估值与 IPO 分析。

本篇新增人力维度：ROC 人员配置比例如何决定 AV 单位经济学、Waymo 成熟 ROC 运营与 Tesla 自动化优先方案的比较，以及为何人力可能是商业 AV 经济学中最持久的成本阻力。