2026-06-18 — views
自動駕駛每英里成本解析：Waymo 成本結構、Tesla Cybercab 製造賭注與機器人計程車盈利路徑
Waymo 與人類 Uber 司機每英里成本比較、Tesla Cybercab 製造賭注，以及機器人計程車獲利臨界點分析。投資人關鍵單位經濟學解讀。
實體 AI 基準系列第 64 篇：投資人關鍵單位經濟學問題
自動駕駛車輛的核心財務問題，並非技術能否在示範規模下運作，而是能否以低於人類司機的每英里成本提供服務，使其真正成為可持續的商業模式。每家機器人計程車公司最終都必須回答同一個問題：能否以低於人類駕駛基準的成本交付一英里的自動乘車服務？在這個臨界點到來之前，機器人計程車只是附加收入的資本密集型技術計畫。越過臨界點之後，它才成為利潤引擎。
本文梳理人類司機的成本基準、估算 Waymo 當前成本結構、識別驅動成本下降的關鍵槓桿、比較 Tesla 截然不同的單位經濟學路徑，並建立臨界點交叉情境模型，探討機器人計程車何時成為真正的規模化商業。所有估算值均已標明——Waymo 不披露單位經濟學數據，本文所有具體數字均應視為方向性指引。
第一節：人類司機的成本基準
理解自動駕駛車輛的成本挑戰，首先要理解人類司機系統的實際成本——尤其要釐清每項成本由誰承擔。
| 成本項目 | 每英里估算 | 備註 |
|---|---|---|
| 司機收入 | 約 $0.60–$0.80/英里 | 扣除平台抽成後；各市場有差異 |
| 司機車輛折舊 | 約 $0.15–$0.25/英里 | 由司機自行承擔，非平台成本 |
| 司機個人保險 | 約 $0.05–$0.10/英里 | 由司機自行承擔，非平台成本 |
| 平台毛利 | 約占總車費 25–30% | Uber/Lyft 在支付司機後留存 |
| 典型車費（城市 5 英里行程） | 約 $1.20–$1.60/英里 | 小費前的總車費 |
| 司機全包成本（司機端） | 約 $0.80–$1.15/英里 | 含車輛、保險的司機端全部成本 |
| 平台成本（Uber/Lyft 端） | 約 $0.30–$0.45/英里 | 保險、技術、運營、企業管理費 |
這裡有一個常被忽略的關鍵結構性問題：Uber 平台在支付司機後，每英里只需覆蓋約 $0.30–$0.45 的成本——因為司機自行承擔車輛折舊、個人保險和燃料費用。司機實際上在補貼平台。
自動駕駛車輛運營商必須在平台端承擔上述所有成本，沒有司機幫助分攤。自動駕駛公司擁有車輛、感測器套件、保險單和運營中心。這就是為什麼 AV 單位經濟學挑戰比「AV 成本 vs. 人類司機總成本」的簡單比較更加艱難：你不是在替代一個總成本為 $0.80–$1.15/英里的司機，而是在替代一個平台只需在支付司機後賺取 $0.30–$0.45/英里的系統。
自動駕駛車輛的正確盈利基準：AV 每英里總成本必須低於消費者願意支付的車費（城市行程約 $1.20–$1.60/英里），且能產生足夠覆蓋 AV 運營商成本的利潤空間。以今天的 AV 成本結構，Waymo 的每次乘車幾乎肯定都在虧損（估）。
第二節：Waymo 當前成本結構（估）
Waymo 不披露單位經濟學數據。以下估算基於公開揭露、獨立行業分析及相關行業可比數據，應視為具有重大不確定性的方向性估算。
| 成本項目 | 估算成本/英里 | 依據 |
|---|---|---|
| 車輛折舊 | 約 $1.00–$2.00/英里 | Jaguar I-PACE 配備後約 $150K+；估計使用壽命 75K–150K 英里（估） |
| 感測器維護/更換 | 約 $0.20–$0.50/英里 | LIDAR 元件老化；攝影機和雷達更換週期 |
| 遠端操控中心 | 約 $0.05–$0.15/英里 | 操控員人力攤入車隊；約 1:20 車輛對操控員比例（估） |
| 行動/網路連線 | 約 $0.02–$0.05/英里 | 每輛車持續連線 LTE/5G |
| 車隊管理/調度 | 約 $0.05–$0.10/英里 | 軟體運營管理費 |
| 充電/補能 | 約 $0.05–$0.10/英里 | 商用電動車充電費率 |
| 保險 | 約 $0.10–$0.30/英里 | 商業 AV 保險；保險精算數據有限導致保費偏高 |
| 高精地圖維護 | 約 $0.02–$0.05/英里 | 每英里行駛的持續地圖更新成本 |
| 今日估算總計 | 約 $1.50–$3.15/英里 | 因車輛成本不確定性而區間較寬 |
最主要的成本驅動因素是車輛折舊。配備 Waymo 感測器套件的 Jaguar I-PACE 平台估計每輛成本超過 $150,000。攤銷至車輛約 75,000–150,000 英里（估）的使用壽命中，僅這一項就產生 $1.00–$2.00/英里的成本。這是人類司機系統（司機自有 $30,000 私家車）與 AV 車隊運營商（必須以消費者車價數倍的成本資本化商業用途專用車輛）之間最大的差距。
以 $1.50–$3.15/英里的估算成本，Waymo 目前每英里成本是人類司機全包成本的 2–4 倍，遠高於典型叫車車費。在消費者願意支付的任何車費水準下，Waymo 今日幾乎肯定在每次乘車中虧損（估）。這在預期之中——這也是為什麼 Alphabet 的 Other Bets 部門呈現龐大的季度虧損。關鍵在於成本結構能以多快的速度改善。
第三節：成本下降路線圖
從今日的 $1.50–$3.15/英里到盈利，需要多個成本槓桿同步發力。以下每個槓桿都代表真實的改善機制，但每個槓桿的下降幅度和時程都存在不確定性。
| 槓桿 | 當前水準 | 規模化後（估） | 成本影響 |
|---|---|---|---|
| 車輛成本 | 約 $150K+（Jaguar I-PACE + 感測器套件） | 約 $50K–$80K（第 6 代專用車） | 最大單一槓桿；每英里車輛折舊成本下降 50%+ |
| 感測器成本（LIDAR） | 約 $5K–$15K/個（估） | 約 $500–$1,000（固態 LIDAR 量產後，估） | 大幅降低車輛資本成本 |
| 遠端操控比例 | 約 1:20 車輛/操控員（估） | 約 1:200（估） | 遠端操控人力成本降低約 10 倍 |
| 車隊使用率 | 約 30–50%（估） | 約 60–80%（估） | 每輛車每日創造更多收入英里 |
| 保險費率 | 偏高（精算數據有限） | 降低（安全記錄積累，精算數據豐富） | 隨安全數據增加而下降 |
| 軟體攤銷 | 每英里偏高（車隊規模小） | 每英里接近零（車隊規模大） | 固定 R&D 成本攤薄至數十億英里 |
| 規模化後估算 | 今日 $1.50–$3.15/英里 | 約 $0.50–$0.80/英里 | 低於人類司機成本——臨界交叉點 |
規模化後約 $0.50–$0.80/英里的估算並非保證——它是所有主要成本槓桿同步朝有利方向移動的結果。如果車輛成本降至每輛 $50,000–$60,000，LIDAR 成本通過固態技術降至商品化水準，遠端操控比例通過自動化達到 1:200，且車隊使用率提升至 70%+，那麼這道數學題才能成立。
車輛成本槓桿是其中最重要的：第 6 代是個賭注，押注專用 AV 車輛能以接近消費者車輛的成本製造，而非以經改裝原型車的成本。車輛採購價每降低一美元，每英里折舊成本降低約 $0.01–$0.03。車輛成本降低 $100K（從 $150K 降至 $50K）可帶來約 $0.65–$1.30/英里的折舊成本下降——幾乎等同於整個盈利缺口。
第四節：Tesla Cybercab 的製造賭注
Tesla 的 AV 單位經濟學方法在每個層面都有結構性差異。這種比較主要不是關於軟體——而是關於製造成本和感測器哲學。
| 維度 | Waymo | Tesla Cybercab |
|---|---|---|
| 車輛成本目標 | 第 6 代估算 $50K–$80K | Cybercab 製造成本目標低於 $30K |
| 感測器套件 | LIDAR + 攝影機 + 雷達（約 $5K–$15K 感測器） | 純攝影機（約 $100–$200 感測器，估） |
| 車輛類型 | 專用 AV（無消費者版對應車型） | 與消費者車輛共用平台（攤銷 R&D） |
| 每英里折舊 | 較高（昂貴的專用車隊） | 較低（更便宜的車輛 + 共享製造基礎） |
| 遠端操控 | 是（持續的遠端操控員人力成本） | 否（零遠端操控人力成本） |
| 規模化槓桿 | 車隊必須增長才能改善單位經濟學 | 消費者車隊以零 AV 專屬成本提供訓練數據 |
| 損益平衡門檻（估） | 約 50–100 萬車隊英里/天（估） | 因車輛成本優勢而門檻更低（估） |
| 關鍵風險 | 車輛成本下降速度；LIDAR 成本軌跡 | 純攝影機必須在無感測器冗餘條件下達到商業安全標準 |
Tesla 的純攝影機賭注是 AV 單位經濟學中最具決定性的架構抉擇。如果純攝影機在沒有 LIDAR 冗餘的情況下能達到商業安全標準，每輛車的感測器成本將從估算的 $5K–$15K 降至約 $100–$200。結合 Cybercab 低於 $30K 的製造成本目標——通過 Tesla 的垂直製造整合和共用平台經濟效益實現——由此產生的每英里折舊成本將大幅低於同等使用率下的任何 LIDAR 配備競爭對手。
關鍵問題不在於純攝影機技術上是否可行——Tesla 的 FSD 系統每天處理數百萬英里的監督行駛。問題在於純攝影機能否在沒有安全監護員的情況下達到商業無人駕駛運營所需的安全記錄和監管批准——這是比監督式消費者 FSD 更高的門檻。
如果 Tesla 以低於 $30K 的製造成本實現 Cybercab 量產，且純攝影機被證明可商業部署，那麼相對於 LIDAR 配備競爭對手的單位經濟學優勢將是結構性的，而非漸進式的。感測器成本相差 5 倍，車輛採購成本潛在相差 2–3 倍，意味著 Tesla 可以在遠低於 Waymo 所需的規模下實現盈利。
第五節：數學何時翻轉？臨界交叉情境
| 情境 | 臨界年份（估） | 關鍵假設 |
|---|---|---|
| Waymo 基準情境 | 2028–2030 年 | 第 6 代 $50K–$60K，LIDAR 約 $1K，遠端操控比例 1:100，使用率 70% |
| Waymo 樂觀情境 | 2027 年 | 第 6 代成本超預期，遠端操控自動化加快，高使用率市場（鳳凰城） |
| Tesla Cybercab 基準情境 | 2027–2028 年 | Cybercab 製造成本 $30K，純攝影機獲無人駕駛許可，使用率 65% |
| Tesla Cybercab 樂觀情境 | 2026–2027 年 | 製造成本優勢 + 無人駕駛許可 + 奧斯汀規模化 |
| 人類司機成本下限 | 永不改變 | 司機全包成本約 $0.80–$1.15/英里；不會下降 |
臨界交叉點的重要性在於它不是漸進式轉型——而是結構性拐點。一旦 AV 每英里成本低於人類司機每英里成本，在每個額外地點部署 AV 的經濟誘因將不可阻擋。每英里增加的 AV 行駛比同等的人類駕駛英里創造更多利潤，因為增加 AV 英里的邊際成本（添置車輛）可以完全攤銷，而增加人類駕駛英里的邊際成本（增加司機）是持續的每英里人力支出。
在規模化階段，這創造了人類駕駛叫車服務所不具備的結構性利潤改善動態。Uber 增加更多司機並不能改善利潤率——他們同步增加了收入和司機成本。而已越過每英里成本臨界點的 AV 車隊運營商，隨著車隊增長利潤率持續改善，因為固定成本（軟體 R&D、高精地圖、平台基礎設施）被攤薄至更多英里，而每英里可變成本趨於平緩。
問題不是是否會出現臨界交叉——車輛製造、感測器硬體和軟體攤銷的成本軌跡都指向最終的交叉。問題是何時以及誰先實現。比競爭對手提前 2 年達到低於 $0.80/英里成本的公司將建立複利優勢：更多行駛英里帶來更多安全數據，更多安全數據帶來更低保費，更低保費進一步降低每英里成本。
第六節：投資人應關注哪些信號
AV 單位經濟學改善的領先指標，主要不是收入公告，而是成本公告。
關注 Waymo 第 6 代製造成本披露。 Waymo 單位經濟學中最大的成本槓桿是車輛採購成本。任何宣布第 6 代量產定價低於每輛 $60,000 的公告都將是重大正面信號——意味著最大的成本項目正在以超預期的速度下降。
關注 Tesla Cybercab 量產定價，而非功能公告。 Cybercab 的單位經濟學幾乎完全取決於低於 $30K 的製造成本目標是否可在量產中實現。Tesla 在製造成本目標方面的歷史記錄參差不齊——有些車型按時交付，有些則比宣布晚數年。量產定價數據，而非量產前公告，才是真正的信號。
關注 LIDAR 商品化定價。 固態 LIDAR 的成本軌跡決定了 LIDAR 配備競爭對手（Waymo、GM Cruise、Aurora）能否縮小與 Tesla 純攝影機方案的感測器成本差距。Luminar 和 Ouster 的投資者報告每季提供商業 LIDAR 定價走向的數據點。
關注遠端操控比例披露。 隨著 Waymo 車隊增長，任何車輛對操控員比例的數據都揭示了遠端操控員成本曲線彎折的速度。披露達到 1:50 或更佳（vs. 估算的當前 1:20）將表明第二大成本項目正按計畫改善。
率先實現低於 $0.80/英里成本且擁有足夠許可地域進行規模部署的公司，將在機器人計程車市場中佔據最重要的結構性優勢。臨界交叉點後的經濟效益以規模為正向複利——使得搶先到達臨界點的競賽成為未來三年實體 AI 中最決定性的競爭事件。
第七節：關於本系列
本文為實體 AI 基準系列第 64 篇。前篇已涵蓋：擴張指數、人形機器人競賽、單位經濟學基礎、全球競爭、高精地圖、車隊運營、軟體與 OTA、保險與責任、消費者需求、競爭護城河、Cybercab vs. Model Y、安全數據、Waymo Gen 6、Optimus 製造、記分卡快照、2030 年預測情境、投資人框架、城市擴張管線、Tesla FSD 州別批准地圖、AV 天氣與氣候限制、人才爭奪、監管時程、Robotaxi 票價定價、AV 數據飛輪比較、人形機器人部署追蹤、供應鏈分析、消費者採用需求指數、估值與 IPO 分析，以及 2026 年上半年實體 AI 盤點。
本篇新增單位經濟學維度與完整每英里成本分解：人類司機基準、Waymo 估算當前成本結構、成本下降槓桿、Tesla 截然不同的製造賭注，以及決定機器人計程車何時成為規模化盈利業務的臨界交叉情境。
提示： 本文所有成本估算、使用率、車隊規模及臨界交叉年份預測，均基於公開資訊和行業分析。Waymo 不披露單位經濟學數據。Tesla 製造成本目標為管理層目標，並非已確認的量產成本。所有數字均應視為方向性分析。本文不構成投資建議。
來源
- Waymo 財務概覽 — Alphabet 季度財報電話會議 ↗
- Tesla Cybercab 製造成本目標 — Tesla AI Day / 財報 ↗
- 自動駕駛車單位經濟學 — ARK Invest 研究 ↗
- LIDAR 成本軌跡 — Luminar、Ouster 投資人說明 ↗
- 叫車司機經濟學 — Rideshare Guy / 美國勞工統計局數據 ↗