2026-06-18 — views
自動駕駛車隊運營——Waymo 如何每日管理機器人計程車艦隊
調度演算法、充電後勤、維護週期與車輛救援——將自動駕駛硬體轉化為盈利車隊服務的運營層。
實體 AI 基準測評系列第 68 篇——車隊運營層
推出機器人計程車只是工作的一半。更難的另一半——也是直接決定機器人計程車業務是獲利還是燒錢的關鍵——是在車隊部署後的日常運營。調度演算法、充電後勤、清潔週期、維護排程、遠端監控和車輛救援,正是將硬體轉化為服務業務的運營難題。
Waymo 自 2018 年起提供商業服務,2022 年起實現全面無人駕駛規模。Tesla 的 Cybercab 必須從零開始在多個城市建立整套運營層,且推進速度必須足以證明所投入資本的合理性。這兩者之間的運營能力差距與技術差距同樣顯著——但對於只關注自動駕駛里程數的投資人來說,這一差距幾乎完全不可見。
使用率是車隊運營中最關鍵的單位經濟槓桿。停著不動的車輛是純粹的成本。調度、充電、維護排程、救援等運營層的存在,正是為了最大化每輛車的創收時間佔比。Waymo 宣稱的規模化目標是 70% 以上的使用率(估計值);實現這一目標需要每個運營子系統在城市車隊層面可靠運作。
第一節——調度難題
機器人計程車艦隊的調度比調度人類網約車司機複雜了幾個數量級。人類司機能自我優化:溢價定價會告訴他們去哪裡,他們自己選擇路線,並能自行判斷接哪些訂單。自動駕駛車隊不具備這些特性——所有定位和路線決策都必須透過演算法完成。
| 維度 | 人類司機(Uber/Lyft) | AV 車隊(Waymo) |
|---|---|---|
| 供給管理 | 司機自行調度;溢價定價引導去向 | 車隊管理員必須主動布置車輛;無人回應激勵信號 |
| 路線優化 | 司機自選路線 | 系統優化路線;考量充電量、維護到期、回場效率 |
| 多目標 | 司機最大化收益 | 車隊最小化空駛里程,最大化使用率,避免電量耗盡 |
| 高峰應對 | 人類司機自然流向高需求區域 | 演算法必須提前布置車隊;對需求激增的反應較慢 |
| 派單 | App 配對最近可用司機 | 調度必須考量充電量、維護時間窗、地理覆蓋均衡 |
| 拼車 | 司機可依序接受拼車訂單 | AV 必須在無人判斷下以最優順序完成多個上下車點 |
調度演算法關鍵變量(估計值):
- 車輛狀態: 充電量(%)、距離下次維護里程數、當前位置、可用狀態
- 需求預測: 按小時/日/活動的歷史規律、即時訂單率
- 覆蓋密度: 每個網格單元的最低車輛數,確保等待時間在可接受範圍內
- 空駛效率: 最小化前往下一個乘客的空駛里程
空駛優化問題尤為重要,因為空駛里程——空車前往乘客位置——代表純成本而無任何收益。車隊若在地理上與需求分佈錯配,即使訂單量很高也會產生大量空駛里程。Waymo 的調度系統將歷史需求規律與即時信號疊加,在需求出現之前預先布置車輛,而非在接到訂單後才被動反應。
第二節——充電與能源管理
能源管理是商業自動駕駛車隊與個人電動車最根本的區別所在。個人電動車車主可以選擇跳過某次行程去充電;商業自動駕駛車隊無法承受這種靈活性——計劃外充電事件會將一輛本可創收的車輛暫時下線,並破壞覆蓋密度。
| 挑戰 | 詳情 |
|---|---|
| 充電頻率 | Waymo Jaguar I-PACE:約 220 英里續航;商業使用約 100–150 英里/班(估計值);每天至少充電 1–2 次 |
| 充電時間 | Level 2 交流充電:約 10 小時充滿;直流快充:約 45–60 分鐘至 80%;商業車隊必須使用直流快充 |
| 充電站 | Waymo 在每個城市運營自有充電站;車輛在需求低谷(中午)或夜間返站充電 |
| 充電排程 | 演算法將低電量車輛引導至最近充電站,同時最小化服務中斷 |
| 電網負荷 | 1,000 輛車同時充電對電網造成顯著負荷;需分散或盡量安排在離峰時段 |
| 第六代能效 | 專為商業使用設計的 Gen 6 車型;能效優於 Jaguar I-PACE(估計值) |
| Tesla Cybercab | 雙座專用車型;電池容量可能較小;Musk 表示目標採用感應/無線充電;降低每次充電的摩擦成本 |
| 車隊電量焦慮 | 與個人電動車不同,AV 無法為了充電而拒絕訂單;調度必須主動管理全隊電量狀態 |
Waymo 的充電基礎設施代表了在每個城市的重大固定成本投入。專有充電站需要選址、建設和維護——配備升降台、電力基礎設施和基本維護服務區。網約車需求的每日低谷(通常在上午 10 點至中午之間)正是 Waymo 將車輛輪換回充電站進行充電和感測器清潔的時段,充分利用低收益時段。
Tesla 的 Supercharger 網路對 Cybercab 而言可能是一個有意義的運營優勢。數以千計的現有高功率 Supercharger 站點可作為分散式充電點,減少在每個新城市建設專用充電站所需的資本投入。
第三節——維護與清潔
商業自動駕駛車隊的年行駛里程大約是個人用車的 5–10 倍,這加速了每個機械部件的磨損,形成了一套個人用車領域從未有過的維護體系。感測器套件——光達、攝影機、雷達——的加入帶來了傳統車隊運營商從未遇過的維護負擔。
| 作業 | 頻率 | 挑戰 |
|---|---|---|
| 感測器清潔 | 每日或每班 | 攝影機鏡頭、光達窗口積累灰塵、雨點、鳥糞——降低感知精度;使用自動清洗站(估計值) |
| 輪胎換位/更換 | 每 5,000–8,000 英里(估計值) | 商業使用週期使輪胎磨損速度比個人用車快 2–3 倍 |
| 煞車保養 | 每 20,000–30,000 英里(估計值) | 再生制動降低了頻率,但仍需要定期維護 |
| 感測器校準 | 任何碰撞或感測器更換後 | 全套感測器必須重新校準;耗時 1–4 小時(估計值) |
| 車廂清潔 | 每次載客後或每 N 次後 | 沒有司機維護整潔;需要站場清潔週期 |
| 深度清潔 | 每週或按需 | 污漬、異味、乘客事故;每輛車約 30–60 分鐘(估計值) |
| 預測性維護 | 持續監控 | AV 遙測數據支援 AI 驅動的故障預測;降低計劃外停機 |
| 維護站場 | 每個運營城市需要專用設施 | 升降台、感測器校準設備、電動充電、清洗站、零件庫存;CapEx 顯著 |
感測器清潔是自動駕駛維護中最獨特的運營環節。髒污的攝影機鏡頭或光達窗口會顯著降低感知性能,影響安全運行——這在傳統車隊維護中沒有對應環節。
第四節——車輛救援與事故管理
任何規模運營的車隊都會遭遇故障、碰撞、乘客事故和軟體故障。救援作業的質量——車輛多快恢復服務、事故如何妥善處理、軟體問題如何快速診斷和解決——直接決定了車隊使用率和客戶體驗。
| 情境 | 所需應對 |
|---|---|
| 機械故障 | 派遣救援車輛;拖車至最近站場;為乘客安排下一輛可用 AV |
| 輕微碰撞 | 車輛暫停服務;評估損傷;感測器檢查並重新校準後方可恢復服務 |
| 嚴重碰撞 | 車輛從車隊移除;需監管機構報告;啟動調查;可能進行全隊軟體審查 |
| 乘客事故 | 遠端操作員收到警報;必要時派遣緊急服務;審查車載攝影機錄像 |
| 車輛擱淺 | AV 無法繼續行進(異常障礙物、軟體問題);遠端操作員嘗試引導;若失敗則派遣救援 |
| 蓄意破壞 | 通知車隊管理員;檢查並安排維修;保留攝影機錄像 |
| 軟體故障 | 如屬系統性問題則全隊 OTA 部署修復補丁;受影響車輛隔離等待調查 |
| 平均恢復時間 | 關鍵運營指標;輕微問題目標 30 分鐘內,大多數情況當日解決(估計值) |
Waymo 運營一個遠端操作中心(ROC),即時監控整個無人駕駛車隊。當車輛遇到無法導航的情況時,遠端操作員可透過車載攝影機觀察並提供引導。OTA 軟體更新能力既是運營優勢,也是風險管理工具,可在數小時內為全隊部署修復補丁。
第五節——Tesla 建設 Cybercab 運營需做的工作
Tesla 已掌握規模化消費類汽車製造。商業車隊運營是一套完全不同的能力——Waymo 花了六年時間建立,而 Tesla 在任何有意義的規模上都尚未具備。
| 能力 | Waymo(現有) | Tesla Cybercab(必須建立) |
|---|---|---|
| 充電站場 | 鳳凰城、舊金山、洛杉磯、奧斯汀的專有站場 | 必須在每個發布城市建設或合作建設站場基礎設施 |
| 維護站場 | 每個城市已建立具備 AV 感測器專業知識的設施 | 必須建立 AV 專用維護能力;消費者服務中心未具備 AV 感測器校準設備 |
| 車隊調度軟體 | 成熟的多年生產系統,具備驗證過的路線規劃 | 必須從頭建設或收購;與消費者網約車 App 根本不同 |
| 清潔運營 | 每個城市已建立站場清潔流程 | 必須為無司機車廂設計清潔工作流;不同於消費者汽車服務 |
| 救援網路 | 每個運營城市已有受訓救援團隊 | 必須建設或外包;拖運帶完整感測器套件的 Cybercab 需要專業處理 |
| 遠端監控 | 整合的 ROC,具備即時車隊可視性 | 必須為無人駕駛車隊建立監控基礎設施;目前尚不存在 |
| 使用率目標 | 目前約 40–60%;規模化目標 70% 以上(估計值) | 必須實現高使用率以證明 CapEx 的合理性;從零商業車隊運營經驗出發 |
| 優勢 | 六年商業車隊運營積累 | 垂直整合(汽車 + 能源 + 軟體)可能壓縮建設時程;Supercharger 網路是有意義的資產 |
Tesla 的垂直整合是其能夠比六年先發優勢所暗示的更快縮短運營差距的最有力論據。Supercharger 網路(截至 2025 年全球逾 50,000 個充電槍)提供了 Waymo 在每個新城市都必須從頭建設的充電基礎設施基礎。
反論是,運營能力本質上不是技術問題。日常協調清潔隊伍、管理零件庫存、保障校準台的產能、為遠端操作中心配備人員——這些都是勞動密集型的運營管理問題。Tesla 在這方面的經驗基礎是消費者汽車交付和服務中心運營——有用的準備,但與高強度商業車隊運營所需的能力並不完全等同。
第六節——關於本系列
本文是實體 AI 基準測評系列第 68 篇。本文新增車隊運營層:調度演算法與空駛優化挑戰、充電與能源管理(Waymo 站場對比 Tesla Supercharger 網路)、維護與清潔運營(感測器校準作為自動駕駛特有的維護負擔)、車輛救援與事故管理(ROC 基礎設施、OTA 故障應對),以及 Waymo 六年商業運營積累與 Tesla Cybercab 從零開始建設之間的運營能力差距。
注意: 使用率估計值、維護間隔、充電時間和平均恢復時間目標均標注為「(估計值)」,反映公開報告、行業分析和分析師估算。Waymo 實際運營參數未公開披露。本文不構成投資建議。
來源
- Waymo 運營總覽 — Waymo 安全與運營 ↗
- Tesla Cybercab 車隊運營 — Tesla AI Day / 投資者簡報 ↗
- 電動車隊充電基礎設施 — Rocky Mountain Institute ↗
- 自動駕駛車隊管理運營 — RAND Corporation ↗