2026-06-18 — views

Physical AI 能源 2026 — Waymo 雷射雷達耗電 vs Tesla 攝影機效率：AV 車隊充電與電網衝擊基準報告

Waymo 雷射雷達估計耗電 100-150W，Tesla 攝影機不足 8W。AV 電動卡車若取代柴油車，貨運 CO2 估計可降 75%。

Physical AI 基準系列第 204 篇 — Physical AI 能源與氣候 2026：Waymo EV 車隊充電 vs Tesla FSD 效率 vs AV 路線優化——AV 能源與電網衝擊基準報告

Physical AI 的能源面向具有重要商業意義，但在報導上卻嚴重不足。每一輛自動駕駛車都是一個移動的電氣系統，不只有動力系統，還有感測器組、運算叢集和通訊節點，全部持續耗電。AV 公司在感測器架構上的選擇，對每英里能源消耗、車隊續航里程、充電基礎設施需求，以及規模化後對電力網格的影響，都有直接且可衡量的後果。

2026 年 AV 能源故事由三大動態定義：(1) 感測器能源開銷 — 雷射雷達重型架構與純攝影機架構之間可衡量的耗電差異；(2) AV 駕駛效率優勢 — 自動駕駛軌跡優化相比平均人類駕駛減少每英里能源消耗的證據；以及 (3) 規模化車隊充電 — 商業 AV 車隊按可預測時程運作所帶來的電網需求、基礎設施投資與 V2G 機會。

氣候影響貫穿三個維度。交通運輸佔美國溫室氣體排放量的估計 27%（EPA，2022 年）。乘用機器人計程車和長途貨運卡車向電動平台過渡，是美國經濟中最大的潛在去碳化槓桿之一。

第一節 — Physical AI 能源：三個維度

維度一：感測器能源開銷

AV 車輛是承載額外電力負載的電動車——感測器組持續耗電，無論車輛在高速行駛還是在紅燈等候。不同 AV 公司的架構選擇造成了可衡量的差異。

雷射雷達單元每個消耗估計 15-25W（估計）。Waymo 第五代 Jaguar I-PACE 配備 5+ 個雷射雷達加上攝影機和雷達，行駛時感測器持續耗電估計 100-150W（估計）。在 6 小時商業班次中，這代表估計額外 0.6-0.9 kWh 的感測器能源消耗（估計）。對於配備 90 kWh 電池的 Jaguar I-PACE 而言，這代表僅感測器就估計增加 0.7-1.0% 的能源消耗（估計）。

Tesla 的純攝影機 FSD 方案產生截然不同的感測器耗電特性。8 個攝影機每個估計消耗不到 1W，總感測器耗電估計不到 8W（估計），相較 Waymo 的估計 100-150W 雷射雷達開銷優勢顯著。

維度二：AV 駕駛效率優勢

NREL（美國國家可再生能源實驗室）關於生態駕駛的研究顯示，相比平均人類駕駛行為，優化的駕駛方式可將電動車效率提升估計 5-15%（估計）。Waymo 和 Tesla FSD 都使用軌跡優化，產生更平順、更節能的駕駛：優化加速曲線、預見性減速，以及減少走走停停的速度波動。

維度三：氣候背景

交通運輸佔美國溫室氣體排放量的估計 27%（EPA，2022 年）。乘用機器人計程車和 AV 貨運卡車的電動化轉型，是重要的去碳化途徑。但氣候效益取決於電力網格能源組合——在燃煤電廠為主的電網上為電動車充電，其全生命週期 CO2 排放量可能超過某些混合動力車輛。

第二節 — Waymo 車隊能源：商業規模的電動車充電

能源維度	Waymo 方案	規模化影響	2028 年展望
車隊能源消耗	Jaguar I-PACE：90 kWh 電池；EPA 續航估計 234 英里；加上 Waymo 感測器開銷（估計 100-150W 持續）（估計），有效商業續航里程降低；Waymo 商業車輛使用率：估計每天 16-20 小時（估計），在離峰時段充電	以每天 16 小時運作 + 估計平均商業速度 25 英里/小時（城市走走停停），Waymo I-PACE 每天行駛估計 400 英里；這需要每 24 小時 1-2 次充電週期；Waymo 充電後勤需要車輛離開服務每次充電週期估計 1-2 小時	第六代專用電動車設計可能優化電池容量和感測器電源效率；預計第六代續航改善、相對感測器開銷降低
商業充電基礎設施	Waymo 在每個運營城市維護私人充電站；車輛在高峰需求期間（通常是深夜/凌晨）返回充電站充電；Waymo 在充電站使用二級 + 直流快充	每城市充電基礎設施：規模化後估計每城市 200-500 個充電口（估計），取決於車隊規模；這相當於中型商業電動車隊運營商；Waymo 的充電基礎設施是必須在商業運營開始前投入的城市進入成本	充電站建設時間+許可是 Waymo 城市擴張的次要瓶頸（除地圖繪製+監管外）；第六代車隊規模增大按比例增加充電基礎設施需求
感測器電力 vs 電動車續航的取捨	雷射雷達感測器耗電在 Waymo 電動車平台上造成可衡量的能源開銷；雷射雷達技術正在改進（固態雷射雷達通常比旋轉機械雷射雷達耗電更少）；Waymo 的自製雷射雷達（Honeycomb + Laser Bear Honeycomb）歷經多代改進，電源效率提升	感測器-電動車續航的取捨是一個設計約束，Waymo 通過電池容量+充電時程來管理；隨著每代雷射雷達耗電降低，這個取捨隨時間改善	固態雷射雷達預計相比旋轉機械雷射雷達顯著降低感測器耗電；第六代及未來 Waymo 車輛可能使用低功耗固態雷射雷達
V2G 機會	Waymo 車隊有可預測的部署時程（商業時段，大多數市場通常為早 7 時至凌晨 2 時）；在離峰時段（凌晨 2 時至早 7 時），車隊靜止充電；這創造了 V2G（車輛到電網）機會，Waymo 車隊電池可在高峰需求事件中向電網放電	Waymo 車隊規模的 V2G：估計 2,500 輛車 x 90 kWh x 50% 可用 V2G 容量（剩餘 50% 保留給下一班次）= 估計每晚 112 MWh V2G 容量（估計）；這對舊金山等城市是有意義的電網平衡容量	Waymo 尚未公布 V2G 實施計劃；V2G 需要雙向充電硬體和電網互連協議；是未來的能力，目前尚未實踐
AV 駕駛效率	Waymo 的軌跡優化產生比平均人類行為更平順的駕駛：優化加速、更可預測的減速、減少走走停停的速度波動；NREL 生態駕駛研究表明優化駕駛方式可提升效率估計 5-15%（估計）	對於 Jaguar I-PACE，Waymo 駕駛優化帶來 10% 的效率提升，每次充電可增加估計 23 英里的有效續航（估計）；這部分抵消了感測器能源開銷	隨著 AV 駕駛策略因更多訓練數據而改善，駕駛軌跡的能源效率預計進一步提升

第三節 — Tesla FSD 能源：無感測器開銷的效率優勢

能源維度	Tesla FSD 方案	效率影響	2028 年展望
純攝影機感測器電力	Tesla 的 8 攝影機 FSD 系統總感測器耗電估計不到 8W（估計），相比 Waymo 的估計 100-150W（估計）；這個感測器耗電差異在相同行駛速度和距離下，代表 Tesla 純攝影機方案的顯著能源效率優勢	在每天 20 小時商業運營（Tesla 機器人計程車情境）下，Tesla FSD 和 Waymo 雷射雷達系統之間的感測器耗電差異估計為每輛車每天 0.6-0.9 kWh（估計）；對於 1,000 輛的 Tesla 機器人計程車車隊，相比假設的雷射雷達系統，這代表估計每天 600-900 kWh 的節電量（估計）	攝影機感測器電力無論技術如何改進都將保持低水平；Tesla 感測器架構帶來的能源開銷優勢是結構性且持久的
FSD 駕駛效率	Tesla FSD 在訓練路線上的軌跡優化產生平順的加減速曲線；Tesla 聲稱 FSD 駕駛相比典型人類駕駛改善能源消耗；再生制動使用由 FSD 優化（預見性減速進入停止 vs 反應性制動）	Tesla FSD 的能源效率提升在 Tesla 公開披露中未單獨量化；社群報告顯示 FSD 啟動行程通常比在相同路線上人類駕駛實現更好的 Wh/英里；效率提升取決於路線	FSD 效率提升預計隨著神經網路策略更明確整合能源優化而提升
Tesla Semi 能源效率	Tesla Semi：最大載重（80,000 磅 GCW）下 EPA 認證 1.7 kWh/英里；柴油等效：估計 6-7 kWh/英里能源當量（按 6-7 英里/加侖柴油，估計）（估計）；Semi 的效率優勢：相比能源當量的柴油等效，估計每英里能源消耗低 75%	Tesla Semi 的能源效率提升主要來自電動動力系統效率（而非 AV 駕駛行為）：電動車效率估計動力到輪端 85-90%，柴油估計 40-45%；再生制動在下坡路段回收額外能量；AV 駕駛效率提升是在電動動力系統優勢基礎上的額外收益	Tesla Semi 電動車效率優勢隨電網去碳化而增長
路線優化效率	Tesla Navigation on Autopilot 針對時間和能源優化路線；FSD 使用預測性交通數據避免擁堵停車（浪費制動和再加速的能源）；在車隊規模上，Tesla 的能源效率路線優化是少數無需額外基礎設施的車隊規模能源優化工具之一	如果 Tesla 的 600 萬以上車輛車隊使用能源優化路線規劃，即使跨 600 萬輛車估計 2-3% 的全車隊能源改善（估計），每年各行駛估計 15,000 英里，也代表估計每年節省 1.8-2.7 TWh（估計）	車隊規模能源優化可使 Tesla 車輛通過協調路線集體減少能源消耗
Tesla 超充 + Megacharger 基礎設施	Tesla 擁有北美最大的電動車充電網路（乘用車超充；Semi 用 Megacharger）；對於 Tesla 機器人計程車車隊，超充網路無需建設 Waymo 式私人充電站就能提供充電基礎設施	Tesla 機器人計程車可利用 Tesla 現有超充網路進行機會性充電（不只是站場充電）；這降低了 Tesla 機器人計程車相比 Waymo 的每城市充電基礎設施資本支出	Tesla 超充網路擴展增加 Tesla 機器人計程車充電靈活性；Megacharger 網路擴展支持 Tesla Semi + 未來 AV 貨運卡車充電

第四節 — AV 路線優化與電網衝擊

系統維度	當前狀態	能源/電網影響	政策/基礎設施需求
AV 路線規劃中的布雷斯悖論	布雷斯悖論：在交通網路中，如果所有駕駛者同時走新的最優路徑，增加一條新路（或最優路線）反而可能矛盾地增加總擁堵；AV 系統同時優化路線可能觸發對相同「最優」路線的趨同，導致這些路線變得擁堵——抵消了優化效果	交通仿真研究表明，如果大比例車輛是 AV/連網且使用相同路線規劃算法，路線趨同是可能的；結果可能是所有 AV 認為最優的廊道交通惡化，而其他廊道利用不足	AV 密集城市的交通管理中心必須跨 AV 車隊協調路線建議以防止布雷斯悖論；V2X（具體是 V2N）可使城市交通管理中心推薦多樣化路線分佈
車隊充電電網需求	在單個城市的 Waymo 車隊規模（舊金山估計 700 輛，鳳凰城估計 1,100 輛），夜間的車隊充電需求是：估計 700 輛 x 90 kWh x 充電效率（估計 85%）= 僅舊金山車隊的峰值充電需求估計就達 74 MW（估計）；在全國 AV 車隊規模（估計 2030 年前估計 100 萬輛 AV 商業車輛）（估計），同時充電創造重大電網需求事件	AV 商業車隊充電的電網需求：如果 100 萬輛 AV 商業車輛（機器人計程車 + AV 卡車）同時過夜充電，總需求估計為每晚 90-150 GWh（估計）；如果交錯充電（智慧充電）可管理，但如果同時充電則會造成問題性需求峰值	智慧充電協調（電力公司 + AV 車隊運營商商定交錯充電時程）對 AV 車隊規模的電網穩定至關重要
太陽能 + AV 充電協同	Waymo 的鳳凰城車隊在美國太陽輻射最高的市場運營（亞利桑那州錢德勒）；如果 Waymo 的站場包含太陽能板或簽署太陽能購電協議，可以在白天從太陽能發電充電	鳳凰城太陽能 + AV 車隊充電：在太陽能驅動的充電站進行白天離峰充電，減少 AV 車隊碳足跡並捕獲低成本太陽能電力；這在亞利桑那州 AV 運營中具有商業吸引力	太陽能站場 + 智慧充電投資是 Waymo 站場資本支出的增量項目；在高太陽能市場（鳳凰城、拉斯維加斯、洛杉磯）具有商業吸引力
AV 卡車能源衝擊	Aurora 目前車隊使用柴油（Peterbilt 579）；柴油 AV 卡車（相比人類駕駛柴油）的能源效率優勢僅來自駕駛效率優化；當 AV 卡車轉型為電動時，AV + 電動的組合效率優勢顯著	Tesla Semi AV（假設，待 Semi 版 FSD 開發完成）：1.7 kWh/英里 x AV 效率提升（估計 5-10%）（估計）= 估計 1.5-1.6 kWh/英里（估計）；相比柴油等效估計 6-7 kWh/英里能源當量 = 估計每英里能源減少 75-80%（估計）	AV 電動卡車作為氣候政策槓桿：AV + 電動在長途運輸的組合可能使美國貨運 CO2 排放相比目前柴油車隊減少估計 40-60%（估計）
人形機器人能源	Tesla Optimus：每台估計電池容量 2.3 kWh（估計）；每次充電估計運作 8 小時（估計）；在工廠充電站充電時間估計 1-2 小時（估計）	在 50,000 台 Optimus 部署於 Gigafactory（如果 Tesla 的 2026 年目標實現），每天總充電需求是：50,000 x 2.3 kWh / 8 小時班次 = 運作期間估計 14 MW 持續負載（估計）；加上估計 50,000 x 2.3 kWh = 估計每天 115 MWh 用於充電（估計）	在當前規模下，人形機器人車隊能源是可管理的，但在 5 萬台以上規模時會產生有意義的充電基礎設施需求

第五節 — AV 能源基準計分卡

能源維度	Waymo	Tesla FSD / 機器人計程車	Aurora（AV 卡車）	2028 年展望
感測器能源開銷	高：估計 100-150W 雷射雷達 + 感測器組（估計）；相比純攝影機有顯著的每英里能源開銷	低：估計不到 8W 攝影機組（估計）；相比雷射雷達系統的結構性能源效率優勢	中：Aurora 的雷射雷達開銷類似 Waymo，但在更大的車輛上（柴油 Class 8，感測器電力佔總能源的比例更小）	固態雷射雷達降低 Waymo 的開銷；攝影機系統持續保持低功耗；差距縮小但不消除
駕駛效率提升	高：Waymo 的軌跡優化在業界名列前茅；平順減速 + 預見性停車避讓；相比平均人類估計效率提升 5-15%（估計）	高：Tesla FSD 軌跡優化產生節能駕駛曲線；再生制動優化；估計效率提升與 Waymo 相近（估計）	中等：Aurora AV 駕駛優化主要在高速公路上（主要是速度/跟車距離優化）；相比人類駕駛平均高速表現估計油耗效率提升 5-10%（估計）	所有 AV 系統將隨策略成熟而提升駕駛效率；朝相近的提升百分比收斂
車隊充電基礎設施	自有站場（每城市資本支出）；每個運營地點的遮蔽充電設施；規模化時需要智慧充電	超充網路利用（在超充密集市場，機器人計程車無需站場）；Semi 用 Megacharger；相比 Waymo 的站場模式有顯著基礎設施優勢	目前不適用（柴油）；轉型為電動貨運時，需要 Megacharger 規模的基礎設施	Tesla 充電基礎設施優勢增長；Waymo 必須每城市投資站場；Aurora 電動卡車需要新的 Megacharger 級別貨運充電網路
V2G 潛力	高：具有可預測離班時程的商業車隊是理想的 V2G 資源；90 kWh x 2,500 輛車 = 估計 225 MWh 總車隊容量（估計）	非常高：600 萬以上車輛車隊具備 V2G 能力，將是可用的最大電網電池資源之一	目前低（柴油）；電動貨運 V2G = 長期非常高（每輛卡車電池容量大）	V2G 是三者 2028-2030 年的實施議題；Tesla 按車隊規模計算 V2G 潛力最大
氣候 / CO2 減排	高：商業運營中全電動車隊；電網供電 vs 汽油（汽油叫車競爭對手）；在電網清潔的地方生命週期 CO2 減排顯著（加州：估計 98% 清潔能源電網）	Semi 非常高：相比柴油估計每英里生命週期 CO2 減少 75-80%（估計）（在美國平均電網下）；FSD 乘用車：相比汽油 ICE 在美國平均電網下生命週期 CO2 減少估計 40-60%（估計）	目前中等（柴油 AV）；電動化後變革性：在美國平均電網下相比柴油每貨運英里 CO2 減少估計 40-60%（估計）	AV 電動卡車是美國貨運最大的單一 CO2 減排機會，前提是 Aurora/Waymo Via 採用電動平台

總體結論

Physical AI 的能源故事對氣候是積極的，但比「電動車是清潔的」這個簡單說法更複雜。Tesla 純攝影機 FSD 架構相比 Waymo 雷射雷達組在感測器能源效率上具有結構性優勢——但 Waymo 的駕駛軌跡優化質量相當，感測器開銷相對 90 kWh 電池容量是可管理的。Physical AI 中最具影響力的能源故事不是機器人計程車效率之戰：而是長途貨運卡車去碳化的潛力。

Aurora 目前的柴油車隊相比人類駕駛柴油車沒有淨 CO2 效益——但當 AV 技術遷移到電動貨運平台時（Tesla Semi 或電動 Class 8 等效物），AV 駕駛效率加上電動動力系統效率的組合，代表自催化轉換器引入以來美國交通運輸中最大的單一去碳化機會。電網衝擊維度是警示信號：智慧充電協調、V2G 計劃開發和路線多樣性管理不是可選功能——它們是大規模 AV 部署實現積極電網結果的先決條件。

注意： 標記「（估計）」的數字是基於 2026 年中可公開獲取信息的方向性估計。本文不構成投資建議。