2026-06-18 — views

自動駕駛消費者採用與乘車體驗指數 — 斜坡成長的需求面分析

乘車NPS、定價對比Uber/Lyft、採用曲線——消費者需求能否支撐自駕車規模目標的全面分析。

實體 AI 基準系列第 15 篇

第 10 至 14 篇文章深入剖析了供應端限制：HD 地圖建置瓶頸、遠端操控人力牆、OTA 速度、FMVSS 法規門檻，以及資本結構。本文探討這些文章一直延遲的問題——消費者需求是否真實存在，足以支撐規模目標？簡答是肯定的。詳細解釋則說明了為何這個答案比大多數人想像的更不重要。

第一節 — 乘車體驗對比

消費者自駕車領域最重要的基準，不是單獨的安全性或價格，而是可靠性、等待時間與價格的組合，決定乘客是否會從 Uber 轉換到自動駕駛車輛，並持續使用。

維度	Waymo One	Tesla Robotaxi（奧斯汀，估計）	Uber/Lyft（人類駕駛）
平均等待時間	3–6 分鐘（鳳凰城/舊金山成熟市場）	未知（早期推出）	3–8 分鐘（依城市而異）
乘客NPS（估計）	80+（援引 Waymo 的業界報告）	不適用 — 尚無數據	~30–45（Uber/Lyft 典型值，估計）
每英里費用	~$1.50–2.50	~$0.75–1.50（目標）	~$1.20–2.00
應用程式體驗	Waymo One 應用程式 + Google 地圖整合	Tesla 應用程式	Uber/Lyft 應用程式
安全認知（乘客調查，估計）	高 — 商業規模下無死亡事故	未知 — 新部署	中等 — 駕駛品質參差不齊
乘客新奇感	高（初次體驗的驚嘆效應）	尚未建立	無
取消/可靠性	低取消率（車輛始終可用）	未知	較高 — 駕駛主動取消情況常見
無障礙設施（輪椅等）	有限（捷豹 I-PACE 平台）	未知	不一（UberAssist 計畫）

NPS 和安全認知數字基於業界估計和第三方乘客調查。Waymo 尚未公開披露其確切 NPS 數字。

Waymo 估計 NPS 達 80+ — 若屬實 — 將使其躋身任何行業中評分最高的消費者服務之列。相比之下，蘋果零售店約為 75–80，亞馬遜在已發布的估計中約為 65–70。Uber 和 Lyft 30–45 的典型範圍反映了人類駕駛品質的不一致性。Waymo 的優勢在於結構性：無駕駛取消、無可變駕駛行為、無社交摩擦。

第二節 — 採用曲線分析

消費者自駕車採用遵循三個階段。每個階段有不同的價格敏感度、不同的障礙，以及不同的客群特徵。

第一階段 — 早期採用者（當前，2024–2026）

科技愛好者、遊客和地理圍欄區域內的通勤者。這個群體願意為新奇性和一致性支付溢價。價格敏感度低。截至 2026 年中，所有 Waymo 市場的估計總唯一乘客數為 20 萬至 50 萬（估計 — Waymo 尚未披露累積唯一乘客數）。

決定性特徵：這些乘客選擇 Waymo 是因為它新奇有趣，而非因為它最便宜或最便利。

第二階段 — 務實採用者（2026–2029，估計）

當自駕車價格等於或低於 Uber 且可靠性通過個人經驗或社交口碑驗證時，才會轉換的價值導向通勤者。價格敏感度高。第二階段轉換的估計要求：

定價等於或低於可比 Uber 車程
密集區域等待時間低於 5 分鐘
行程完成率 99.9%+（消除駕駛取消）
地理圍欄擴展以涵蓋實際出行模式

這個階段是數量數字移動的地方。如果 Tesla 達到其 Cybercab 每英里 0.75–1.50 美元的目標，第二階段啟動將比目前模型預測的更早、更快。

第三階段 — 大眾市場（2029 年以後，估計）

無車族、老年人口和行動不便的乘客，他們將獲得自動駕駛車輛出現之前不存在的新型行動選項。這不是從 Uber 奪取市場份額 — 而是總目標市場的擴張。一位五年前停止開車的 78 歲老人目前不是 Uber 用戶，他們是新乘客。

這是真正的長期規模機會所在，也是目前分析師共識中建模最少的部分——現有分析側重於打車服務市佔率，而非行動出行市場的總體擴張。

採用障礙排名

下表依照乘客調查中的表達關切程度，對消費者採用障礙進行排名。所有百分比均為基於已發布自駕車準備度研究（KPMG、AAA、J.D. Power）的估計；確切數字因調查方法和年份而異。

障礙	引用為顧慮的比例（估計）	Waymo 狀態	Tesla 狀態
地理圍欄/地域限制	~52%	主要障礙 — 僅 4 個城市	單一城市（奧斯汀）
安全顧慮	~45%	大幅改善 — 商業規模下無死亡事故	未知 — 新部署
對比 Uber 的價格	~38%	目前在多數市場持平或溢價	目標定價低於 Uber
對無駕駛的適應度	~28%	反覆使用後顯著降低	未知
應用程式/預訂體驗	~15%	良好 — Google 地圖整合降低使用摩擦	待確定

地理圍欄障礙是最大的單一採用限制 — 比安全問題更大。超過一半的潛在自駕車乘客將「不到達我需要去的地方」列為主要障礙。這直接對應到第 10 篇文章記錄的 HD 地圖建置瓶頸：Waymo 每個城市 12–18 個月的預先地圖建置需求，不僅是供應端成本問題，還直接抑制了需求轉換。

第三節 — Waymo 的需求指標（已知數據）

Waymo 不公布詳細的需求指標。以下數據點來自公開聲明、部落格文章和第三方報導：

每週 15 萬次以上的行程（2026 年中）— 根據公開報導，是全球任何商業自駕車運營商中成長速度最快的
等候名單需求 — Waymo 在新市場啟動前報告了等候名單，表明需求持續超出車隊供應
回頭客比例 — Waymo 援引高回頭使用率（確切數字未披露）作為滿意度推動留存率的證據，而非僅靠新奇性
Google 地圖整合 — Waymo One 可直接從舊金山和鳳凰城的 Google 地圖預訂，透過將預訂流程置於 20 億以上用戶已用於導航的產品中，大幅降低獲客摩擦
Uber 合作夥伴關係（舊金山） — Uber 應用程式在舊金山將 Waymo 作為車輛選項，讓 Waymo 無需新下載應用程式，即可接觸 Uber 現有的 1.5 億以上活躍用戶群

等候名單數據尤其重要。在正常的打車市場中，供過於求是長期問題 — 相對於需求，駕駛過多。Waymo 的等候名單顛倒了這一現象：相對於車隊，乘客過多。這不是需求問題。

第四節 — 價格競爭力

下表估計了各競爭服務典型 5 英里城市行程的費用。所有數字均為基於公開定價、記者報導和業界分析的估計。實際價格因時段、激增情況和城市而異。

服務	費用（估計）	等待時間	備註
Waymo One（舊金山）	~$12–18	3–6 分鐘	早期、資本密集型市場的溢價定價
Waymo One（鳳凰城）	~$8–14	3–5 分鐘	更大的地理圍欄，更具競爭力的定價
Uber（全國平均）	~$10–16	4–8 分鐘	依賴駕駛供應；頻繁出現激增
Lyft（全國平均）	~$9–15	4–8 分鐘	與 Uber 結構相似
Tesla Robotaxi（目標）	~$4–8	未知	若 Cybercab 達到 0.75–1.50 美元/英里的目標

Waymo 舊金山定價目前對於典型行程與 Uber 持平或更高。地理圍欄更大、運營更成熟的鳳凰城市場更具競爭力。如果 Tesla 實現其 0.75–1.50 美元/英里的目標 — 比 Waymo 目前定價低約 40–60% — 它將成為任何城市中最便宜的機動交通選項，有可能比目前的採用模型預測更早觸發第二階段採用。

關鍵警告：Tesla 的定價目標是聲明意圖，而非已驗證的經濟學。每英里成本取決於尚未在商業規模上驗證的 Cybercab 單位經濟學。本系列第 8 篇文章詳細介紹了這一經濟模式。目標與已驗證成本之間的差距仍是一個開放變量。

第五節 — 需求風險：供應才是真正的限制因素？

這項需求面分析的核心發現是，消費者需求不是自駕車規模擴展的限制因素。所有現有證據都指向供應是結合性變量：

Waymo 以等候名單運營，而非空座位
每次新城市啟動都受到容量限制（車隊規模 + 地圖 + 遠端操控），而非需求限制
乘客調查中最大的採用顧慮 — 地理圍欄障礙 — 本身就是供應端問題（HD 地圖覆蓋範圍）
定價在最高知名度市場（舊金山）高於第二階段轉換門檻，但在成熟市場（鳳凰城）低於該門檻 — 兩者的需求仍然強勁

這對解讀實體 AI 記分卡在結構上具有重要意義。第 10 至 13 篇文章記錄的供應端限制 — HD 地圖、遠端操控人力、OTA 速度和 FMVSS 門檻 — 不僅是成本和時間問題，更是大量等待需求被定量分配的機制。解決這些限制不需要創造需求，只需要服務已存在的需求。

這重新框架了投資論點。問題不是「人們會乘坐自駕車嗎？」— 行為數據已經回答了這個問題。問題是「運營商能多快建造足夠的車輛、為足夠的城市製作地圖，並培訓足夠的遠端操控員，以服務已經提出要求的乘客？」

需求面不是斜坡，而是目的地。

本文在系列中的定位

本文是實體 AI 基準系列的第 15 篇。該系列現已涵蓋：

第 1–9 篇：技術、法規、資本與主記分卡
第 10–13 篇：四大供應端結構性限制（HD 地圖、遠端操控、OTA、FMVSS）
第 14 篇：整合所有四大限制的更新記分卡
第 15 篇（本文）：需求面 — 乘車體驗、採用曲線與定價

系列下一篇將獨立審視人形機器人斜坡，將相同的供需框架應用於 Optimus 以及打車以外的實體 AI 勞動應用。