2026-06-18 — views
自駕車乘車經濟學 — 每英里成本、VPO 槓桿與 Waymo 及 Tesla 機器人計程車盈利路徑
自駕車乘車成本由下而上建模：車輛攤銷、VPO 遠端協助比率、車隊利用率，解析 Waymo 與 Tesla 機器人計程車何時能獲利。
Physical AI 基準系列第 113 篇 — 自駕車乘車經濟學：一趟無人駕駛行程的成本、盈利路徑，以及 Waymo vs Tesla 機器人計程車單位經濟記分卡
衡量 Physical AI 商業可行性的終極測試是單位經濟學：一趟無人駕駛行程的成本能否低於收入？每一份自駕車技術的新聞稿、每一次地域擴張公告、每一份投資人簡報，最終都必須回答這個問題。無法在乘車層級產生正毛利的技術，不是一門生意，而是一個擁有消費者介面的研究計畫。
本文從第一原則出發，建立自駕車乘車的由下而上成本模型，識別六大主要成本類別，並分析每個類別如何隨車隊成熟度、技術改進和運營規模變化。接著將此模型應用於比較 Waymo 現行商業運營與 Tesla 機器人計程車論點——包括消費者自有 Model Y 路線和專用 Cybercab 路線——並指出決定商業自駕車何時能實現永續獲利的關鍵槓桿。
第一節 — 一趟自駕車行程的成本組成
| 成本類別 | 內容 | 每英里估算 | 每趟估算（5英里行程） |
|---|---|---|---|
| 車輛攤銷 | 車輛成本除以預期壽命英里數；Gen 5 Waymo 估計 $15萬車輛 / 50萬壽命英里 = $0.30/英里 | $0.30–0.50/英里（估） | 每趟 $1.50–2.50（估） |
| 充電 / 能源 | 電動車電費；商用 EV 充電（估） | $0.04–0.06/英里（估） | 每趟 $0.20–0.30（估） |
| 車場運營 | 房地產、清潔、維修人員按英里分攤；估計 $1.5萬–3萬/車/年除以 5萬英里/年 | $0.30–0.60/英里（估） | 每趟 $1.50–3.00（估） |
| 保險 | 商用自駕車隊保險；估計 $3千–8千/車/年除以 5萬英里/年 | $0.06–0.16/英里（估） | 每趟 $0.30–0.80（估） |
| 遠端協助運營（RAO） | RAO 人員；以 5:1 VPO 及 $8萬全包人力成本計，$1.6萬/車/年除以 5萬英里 | $0.10–0.40/英里（估，視 VPO 而定） | 每趟 $0.50–2.00（估） |
| 軟體 / 運算 / 地圖 | 高精地圖維護、即時處理雲端運算、OTA 更新基礎設施 | $0.05–0.15/英里（估） | 每趟 $0.25–0.75（估） |
| 總估算成本 | 中位數加總 | $0.85–1.87/英里（估） | 每趟 5英里行程 $4.25–9.35（估） |
| 消費者價格（Waymo One，舊金山） | 典型 5 英里城市行程，可比 Uber/Lyft（估） | ~$2.00–3.00/英里（估） | 每趟 ~$10–15（估） |
| 隱含毛利率 | 收入 $12 vs 成本 $7：毛利率約 42%（估） | — | 高度取決於 VPO 比率和車隊利用率 |
此表最重要的觀察是區間的寬度。同一趟 5 英里行程，低端總成本（$4.25）與高端（$9.35）之間的差異，完全取決於底層運營參數的管理品質——而非行程距離。
第二節 — VPO 槓桿：遠端協助比率如何改變經濟學
**每車輛操作員比率（VPO）**是自駕車成本模型中最強大的單一經濟變數——一名遠端協助操作員能同時監管多少台自駕車。
| VPO 比率 | 每車 RAO 年成本（估） | 每英里 RAO 成本（估） | 經濟意涵 |
|---|---|---|---|
| 1:1（每車一人） | ~$8萬/車/年（估） | ~$1.60/英里 | 比人類司機更貴；自駕車無成本優勢 |
| 5:1（Waymo 現況估） | ~$1.6萬/車/年（估） | ~$0.32/英里 | 相對人類司機有顯著成本降低；自駕車經濟學改善中 |
| 10:1 | ~$8千/車/年（估） | ~$0.16/英里 | 良好經濟效益；規模化後可與叫車服務競爭 |
| 50:1 | ~$1.6千/車/年（估） | ~$0.032/英里 | 絕佳經濟效益；自駕車成本明顯勝出 |
| 真正無人駕駛（無需 RAO） | ~$0 直接 RAO 成本 | ~$0/英里 | 自駕車最大理論成本優勢；需零人工干預 |
| Waymo 現況（估） | 從約 5:1 邁向 10:1（估） | ~$0.16–0.32/英里（估） | 關鍵改善向量；VPO 每翻倍，RAO 成本減半 |
VPO 改進的數學極具非線性特徵。從 1:1 移至 5:1 可使每車 RAO 成本降低 80%。從 5:1 移至 10:1 再降低 50%。每次 VPO 加倍，RAO 成本砍半。這正是 Waymo 目前所處的最陡峭改善曲線位置。
Tesla 宣稱其 FSD 系統最終將在無遠端協助的情況下運行，是最激進版本的 VPO 論點。若屬實，將消除自駕車運營中最大的單一變動成本組成，創造出任何人工駕駛叫車服務都無法匹敵的單位經濟結構。
第三節 — 車隊利用率：隱藏的乘數效應
車隊利用率是自駕車單位經濟學中第二強大的槓桿——車輛在可用時間中有多少比例在創造收入，而非停在車場、充電或等待需求。
| 利用率維度 | 低利用率 | 高利用率 |
|---|---|---|
| 每日運營時數 | 8 小時（日班制） | 20 小時（近連續運營，扣除充電/車場時間） |
| 每車年行駛英里數 | 3萬–4萬英里/年（估） | 8萬–10萬英里/年（估） |
| 每英里固定成本 | 高——固定成本分攤英里數少 | 低——固定成本分攤英里數多 |
| 車輛攤銷/英里 | $15萬 / 3萬英里 = $5.00/英里 | $15萬 / 9萬英里 = $1.67/英里 |
| Waymo 鳳凰城利用率（估） | 全年好天氣允許近連續運營 | 鳳凰城可能每日活躍 16–18 小時（估） |
| 關鍵洞察 | 只在尖峰需求時段運行的城市自駕車經濟效益極差；24/7 運營才是目標 | Tesla 消費者機器人計程車：車主需要時佔用車輛；限制利用率低於商業車隊 |
Tesla 消費者機器人計程車模式——車主個人的 Model Y 在非使用時加入 Tesla 網絡——面臨商業車隊模式所沒有的結構性利用率上限。若車主在早晚通勤尖峰時段（叫車需求最高時段）使用車輛，車輛就在收入潛力最高時無法提供機器人計程車服務。
第四節 — Waymo vs Tesla 機器人計程車經濟學比較
| 維度 | Waymo（商業車隊） | Tesla 機器人計程車（消費者自有 Model Y） | Tesla Cybercab（專用車隊） |
|---|---|---|---|
| 車輛成本 | 估計 $10萬–20萬（Gen 5）；Gen 6 目標降低 | 消費者支付約 $4.5萬購買 Model Y；Tesla 以製造成本取得車輛（估 ~$3.5萬） | 目標製造成本低於 $3萬（已揭露） |
| 車輛可用性 | 24/7（車隊管理） | 車主需要時取走；限制機器人計程車可用性 | 24/7（類 Waymo 的車隊管理） |
| 車場成本 | 每車完整車場運營支出（估 $1.5萬–3萬/車/年） | 零——車主自行處理充電/維護 | Cybercab 車隊的車場運營支出回歸 |
| 保險 | 商業車隊保險 $3千–8千/車/年（估） | 消費者汽車保單；Tesla 可能補貼機器人計程車車主（估） | 商業車隊保險 |
| VPO / 遠端協助 | 邁向更高 VPO 比率 | Tesla 宣稱最終完全無人駕駛無需 RAO | 規模化時類似 Waymo |
| 收入分配 | Waymo 保留全部收入 | Tesla 抽取網絡費用（估約 25–30%）；車主獲得餘額 | Tesla 保留更大份額（無車主） |
| 現況 | 在部分市場乘車層級可能獲利（估） | 奧斯汀以監督模式啟動；經濟學尚未成熟 | 尚未達商業規模量產 |
Tesla Cybercab 最重要的單一數字是目標製造成本：每車低於 $3萬。若 Tesla 在商業量產時達成此目標，將創造大約是 Waymo Gen 6 最佳情境估算車輛成本一半的成本結構。較低的車輛成本直接降低每英里攤銷，改善所有利用率情境。
第五節 — 自駕車獲利路徑：模型的需求條件
| 槓桿 | 現況（估） | 獲利所需 | 時程（估） |
|---|---|---|---|
| 車輛成本 | $10萬–20萬（Waymo Gen 5 估） | 每車低於 $5萬 | Gen 6 + 量產：2026–2028（估） |
| VPO 比率 | ~5:1（估） | 20:1+ 以達強勁經濟效益 | 2027–2030（估） |
| 車隊利用率 | 活躍時間 50–60%（估） | 活躍時間 75%+ | 需求增長 + 24/7 運營可達成 |
| 保險成本 | $3千–8千/車/年（估） | 低於 $2千/車/年（估） | 3–5 年安全記錄數據 |
| 乘車量 | 每週 15萬+ 趟（Waymo） | 每週 100萬+ 趟以達有意義規模 | 2027–2029（估） |
| 地理密度 | 5 個城市（Waymo） | 20+ 個城市產生網絡效應 | 2028–2032（估） |
每個槓桿都與其他槓桿相互作用。車隊利用率若要達到 75%+，需要乘車量增長——需求必須足以讓車輛在所有運營時段保持活躍。乘車量若要達到每週 100萬+，則需要超越現有 5 城佈局的地理擴張。
第六節 — 記分卡：Waymo 與 Tesla 現況評估
| 維度 | Waymo 評分 | Tesla 評分 | 說明 |
|---|---|---|---|
| 現行乘車層級獲利 | 部分（估計在成熟市場呈正毛利） | 尚未（奧斯汀啟動為初期階段） | Waymo 已在小規模展示乘車層級正毛利（估） |
| 車輛成本軌跡 | 改善中（Gen 6 目標降低成本） | 強勁（Cybercab 低於 $3萬目標） | Tesla 有更積極的車輛成本降低目標 |
| VPO / 自主性進展 | 可量測（估 5:1，持續改善） | 宣稱但規模驗證待確認 | Waymo 有實測 VPO 數據；Tesla FSD 機器人計程車模式尚未規模驗證 |
| 車隊利用率 | 鳳凰城高（估每日 16–18 小時） | 奧斯汀啟動未知 | 鳳凰城是 Waymo 最佳利用率環境 |
| 地理規模 | 5 個城市，每週約 15萬+ 趟 | 1 個城市（奧斯汀），初期乘車量 | Waymo 有多城市運營數據；Tesla 有雄心 |
| 規模化所需資本 | 高（Alphabet 資助，資本密集） | 消費者 Model Y 路線較低 | 消費者自有模式降低 Tesla 的資產負債表需求 |
| 企業整體獲利路徑 | 需同步改善 VPO、成本與乘車量 | 需 FSD 成熟 + 規模 | 兩者均面臨多年改善需求 |
第七節 — 追蹤自駕車單位經濟演進的指標
| 信號 | 觀察重點 | 重要性 |
|---|---|---|
| Waymo VPO 揭露 | 任何遠端協助比率或干預間隔英里數數據 | VPO 的直接代理指標；最強大的經濟槓桿 |
| Waymo Gen 6 車輛成本 | Gen 6 每車製造成本揭露或估算 | 車輛攤銷是第二大成本類別 |
| Tesla FSD 干預率 | 商業機器人計程車模式下的干預間隔英里數 | 決定 Tesla 是否能消除 RAO 成本 |
| Cybercab 製造成本 | Cybercab 邁向量產時的生產成本數字 | $3萬目標是 Tesla 模型的關鍵假設 |
| 保險費率變化 | 自駕車專用商業車隊保險定價趨勢 | 安全記錄累積推動此槓桿 |
| Waymo 乘車量軌跡 | 揭露或估算的每週乘車次數 | 利用率方程式的需求端 |
| 地理擴張速度 | 新城市上線和許可證核發 | 20+ 城市後網絡效應加速 |
| Tesla 奧斯汀乘車經濟學 | 每趟收入、容量利用率、干預頻率 | 消費者機器人計程車經濟學首個真實世界數據點 |
第八節 — 為何單位經濟學是正確的基準維度
Physical AI 基準系列衡量商業可行性的關鍵指標，而非產生最吸引人新聞報導的敘事。脫離干預率改善能預測 VPO 潛力、行駛里程預測保險重新定價、地理擴張決定需求端利用率。
自駕車行業中每個可觀測的指標，最終都流向本文建立的單位經濟學框架。使 VPO 從 5:1 提升至 10:1 的脫離干預改善，對自駕車獲利的價值遠大於新城市啟動的新聞稿（若 VPO 不改善）。從 $15萬降至 $7.5萬的車輛成本降低，對長期經濟的價值遠大於合作夥伴公告。
從建立此模型得出的結論是：商業自駕車在原則上具有經濟可行性，Waymo 已在小規模展示了這種可行性。未解決的問題不是模型是否有效——而是所需的具體改進（VPO 從 5:1 至 20:1+、車輛成本從 $15萬+ 降至 $5萬以下、利用率從 50–60% 至 75%+、安全記錄累積後保險重新定價）能否在允許企業在擴張階段資本耗盡前達到整體獲利的時程內完成。
這是本系列將持續追蹤的基準：不是技術敘事，而是經濟數學。
注意： 所有標記為「（估）」的數字均為基於 2026 年中期公開資訊和分析的方向性估算。自駕車運營商不公開揭露乘車層級成本細目；所有每趟成本估算均從第一原則建模。本文不構成投資建議。
來源
- Waymo One 定價與服務 — Waymo ↗
- Tesla 機器人計程車經濟學 — Tesla 法說會 — Tesla IR ↗
- 自駕車單位經濟學分析 — ARK Invest ↗
- 叫車服務成本結構 — Uber Technologies 10-K ↗
- 遠端協助運營成本模型 — Waymo 安全報告 ↗