2026-06-18 — views

物理AI車隊運營——遠端協助、場站基礎設施，以及無人駕駛背後的人力成本結構

Waymo已在4座城市累積逾4年商業無人駕駛車隊運營經驗；Tesla Robotaxi仍處奧斯汀早期部署階段。遠端操作員比例與場站成本是影響單位經濟效益的關鍵槓桿。

物理AI基準系列第150篇——物理AI車隊運營：遠端協助、場站基礎設施，以及無人駕駛背後的人力成本結構

「無人駕駛」這個詞有些誤導。Waymo與Tesla在每一輛自動駕駛車輛背後都維護著龐大的人力支援基礎設施。配備訓練有素操作員的遠端操作中心、用於充電與感測器維護的實體場站，以及全天候車隊健康監控指揮中心，都是今日商業無人駕駛得以實現的必要組成部分。嵌入這些系統中的人力成本，是每家AV業者必須解決才能實現盈利的核心單位經濟挑戰。

本文為物理AI基準系列第150篇，對比遠端協助模式、場站運營、車隊健康監控方法，以及人力參與成本結構對規模化單位經濟效益的影響——以Waymo成熟的商業運營對比Tesla Robotaxi在奧斯汀的早期部署。標有「（估）」的數字均來自公開披露、產業研究、分析師估算與報告數據，並非獨立驗證的第一手資料。本文不構成投資建議。

第一節——遠端協助：無人駕駛背後的人力層

維度	Waymo做法	Tesla做法（估）	影響
什麼是遠端協助？	當無人駕駛車輛遇到無法自主解決的場景——施工區、異常路況、堵路車輛——遠端操作員會被聯繫；車輛安全等待，操作員查看情況後可發送路線建議或決策指引	Tesla Robotaxi（奧斯汀）：採用類似的遠端操作中心模式；Tesla尚未披露完整的遠端運營架構	遠端協助是在沒有安全駕駛員的情況下實現商業無人駕駛的安全防護網
遠端操作員比例（估）	Waymo未披露確切比例；業界估計依市場成熟度不同，每名操作員負責5至20輛車（估）	Tesla Robotaxi尚未披露	操作員與車輛的比例是關鍵的單位經濟槓桿；擴展至1:100以上是實現正向利潤的目標
干預頻率（估）	Waymo報告干預率隨市場成熟而下降；鳳凰城（最成熟市場）的干預率最低	尚未披露	頻率決定操作員人力需求；頻率越低，可監管的車輛越多
響應時間要求	車輛安全停車等待；操作員無時間壓力；等待期間安全保持	相同設計原則	安全停車等待是行業標準；消除了對遠端操作員決策的時間壓力
操作員位置	集中運營中心；Waymo在加州山景城與亞利桑那州鳳凰城均設有中心；已公開披露	Tesla尚未披露	集中式運營中心相比各城市分散配置更具成本效益
操作員能做什麼	查看即時影像和感測器數據；建議替代路線；確認可安全繼續；標記車輛調度	類似（估）	操作員建議；車輛AI執行；操作員無法直接控制方向盤或剎車
操作員不能做什麼	直接控制車輛運動；因延遲與安全原因不進行即時遙控操作	相同設計原則	關鍵安全原則：禁止即時遙操；防止延遲導致的事故
可擴展路徑	隨AV軟體改進，干預率下降；同一操作員可監管更多車輛	相同路徑	AV軟體每項改進均直接降低人力運營成本；軟體進步等於運營利潤改善

為何遠端協助是AV單位經濟學的關鍵變數

「無人駕駛」只描述了車艙中缺少的東西——並非整個運營鏈中缺少的東西。今日每家商業AV業者都為自主系統無法獨立處理的情況保留了人力監控能力。這一人力層的經濟學是決定商業無人計程車何時、能否實現盈利的首要因素。

以數字計算：一名年薪5萬至8萬美元（估）的遠端操作員在當前Waymo式運營下，可同時監管約5至20輛車（估）。在1:5的比例下，操作員每年全費用成本約7.5萬至10萬美元（估），分攤到5輛車上——僅遠端運營人力成本每輛車每年就高達1.5萬至2萬美元（估）。在1:20的比例下，該成本降至每輛車每年3,750至5,000美元（估）。在假設的1:100比例——成熟AV運營的目標——遠端運營人力成本每輛車每年降至1,000美元以下（估）。

從1:5提升至1:100的路徑完全由AV軟體能力改善驅動。自主系統學會獨立處理的每一個場景，都是不再需要操作員干預的場景。這在AV軟體品質與運營利潤之間建立了直接的財務連結：更好的軟體等於更低的運營成本。

第二節——場站運營：AV車隊的實體基礎設施

維度	Waymo場站模式	Tesla場站模式（估）	備註
什麼是場站？	AV車隊車輛在班次間儲放、充電、清潔、檢查和維護的實體設施；也是車輛每班開始和結束的地點	Tesla Robotaxi奧斯汀：使用奧斯汀Gigafactory及服務中心（估）	每個新AV市場都需要場站；場站取得是首要的地理擴張成本
場站功能	夜間充電；日常清潔（車廂內部和感測器表面）；定期感測器校準（激光雷達對準、攝影機對焦）；預防性維護；事故維修；軟體更新（大多數情況下OTA完成）	相同功能；Tesla OTA更新避免了為軟體而需到場站	感測器校準是最具AV特色的場站功能；激光雷達需要定期對準，不同於攝影機
場站成本（估）	Waymo未披露每個場站成本；新市場場站設置估計需200萬至1,000萬美元資本加每年100萬至300萬美元運營費用（估）	未披露	場站成本是重要的每市場固定成本；按車隊規模攤銷
車隊週轉時間	車輛每天運行約20小時（估）；充電、清潔和檢查約需4小時	類似運營目標（估）	更高的使用率等於更好的經濟效益；20小時每日目標需要快速週轉
清潔要求	每次乘車後必須清潔車廂內部（顧客清潔標準）；感測器表面每日清潔或在髒污環境中更頻繁	相同要求	清潔是勞動密集型工作；在規模化下，自動化清潔系統可降低成本
激光雷達特定維護	激光雷達感測器需要定期對準檢查；路面振動會導致輕微失準	不適用（Tesla FSD無激光雷達）	這是Waymo特有的場站成本；Tesla採用純攝影機設計避免了此成本
感測器窗口清潔	激光雷達需要清晰的感測器窗口；灰塵、雨水和蟲害需要定期清潔	僅需清潔攝影機鏡頭	激光雷達感測器外殼需要主動清潔系統（Waymo第六代內建清潔功能）；攝影機更簡單
車隊健康監控	Waymo使用每輛車的即時遙測數據；預測性維護在故障前標記問題	Tesla擁有來自消費者車隊的廣泛車輛遙測；同樣適用於Robotaxi	即時車隊健康監控可顯著減少計劃外停機時間

場站作為每市場的固定成本

Waymo或Tesla Robotaxi進入的每座城市，都需要在第一次商業乘車出發前建立一個運作中的場站。這使場站成為地理擴張的首要資本支出門檻。新市場的場站必須足夠靠近運營區域以最小化空駛里程，大到足以儲放和維護初始車隊，並配備足夠的充電容量供夜間補充。

場站固定成本結構意味著AV經濟效益隨市場內的車隊密度提高而改善。在同一設施中，100輛車的車隊每輛車的場站成本遠優於10輛車的車隊。這正是Waymo將商業運營集中在鳳凰城的原因之一——而非將同樣的車隊分散到多座低密度城市。地理聚焦能實現場站成本攤銷。

Tesla奧斯汀Robotaxi的場站模式（估）利用了奧斯汀Gigafactory和服務中心網絡的現有基礎設施。若此模式被驗證可擴展，Tesla來自消費者汽車服務中心的既有實體佈局，可能在擴展至新Robotaxi市場時代表有意義的結構性優勢，無需承擔專用AV場站的全部資本成本。

第三節——車隊使用效益經濟學

指標	Waymo（估）	Tesla Robotaxi（估）	Uber/Lyft基準	備註
車輛使用率	約50–65%（估）——無人駕駛車輛在低需求時段閒置；充電與維護視窗	奧斯汀初期部署約50–60%（估）	約35–45%（人類司機自選工時）	AV優勢：可最優化排班；無司機偏好或疲勞問題
每車每日營收（估）	約每輛車每日200至350美元（估，基於每週約15萬次乘車、約2,500輛車、平均票價約15美元）	規模尚不足以估算	Uber/Lyft司機約每日100至150美元（差異顯著）	以每日300美元收入、37,000美元車輛成本計算，回本期約4年（估）
每英里成本（估）	Waymo：全費用計算約每英里2至4美元（估）——含車輛折舊、運營中心、場站、維護、保險	Tesla目標：Cybercab規模化後全費用約每英里0.50至1.50美元（估）	人工駕駛網約車：約每英里1.50至2.50美元（司機獲約70%）	Tesla Cybercab經濟邏輯：更低車輛成本加無司機加更低感測器維護等於結構性成本優勢
損益平衡操作員比例（估）	以每日300美元收入、150美元運營成本計算（估），需車輛與操作員比例達約20:1以上才能盈利	不同成本結構；Cybercab低於3萬美元改變了分母	不適用	操作員比例從5:1提升至20:1是關鍵運營改善需求
保險成本（估）	每輛車每日約15至25美元（估）——商業AV保險是新市場；定價偏高	類似或更低（若安全記錄改善，Tesla安全數據可降低保費）	網約車人類司機每日約5至10美元	AV保險成本將隨安全數據積累而下降；目前按不確定性溢價定價

第四節——車隊健康監控與預測性維護

能力	Waymo	Tesla	備註
即時遙測	所有車輛持續傳輸健康數據（感測器狀態、運算溫度、電池狀態、機械讀數）	相同；Tesla擁有業界最成熟的消費者車隊遙測系統（600萬輛車）	Tesla消費者車隊遙測優勢延伸至Robotaxi
預測性維護	ML模型在零件故障前預測問題；車輛主動路由至場站	相同（估）；Tesla OTA還可推送診斷檢查	預測性維護相比被動維護顯著減少計劃外停機時間
OTA軟體更新	Waymo可OTA推送軟體更新；某些硬體校準需到場站	Tesla OTA是業界領先；大多數更新無需到場站	Tesla OTA成熟度等於降低場站依賴的運營優勢
事故響應	每起AV事故自動觸發數據捕獲、遠端審查和潛在場站檢查	相同（估）	事故響應協議比人工駕駛網約車更嚴格
感測器退化檢測	激光雷達：通過內部反射率監控持續自檢；攝影機：圖像品質指標；均可標記進行校準	攝影機：圖像品質指標；Tesla FSD持續監控感測器健康	自動感測器健康監控防止在感測器退化情況下繼續運行
車隊指揮中心	Waymo車隊運營中心：所有車輛即時地圖；乘車狀態；健康警報；遠端操作隊列	Tesla Robotaxi尚未完全披露（奧斯汀運營中心存在，估）	兩家公司均具備全天候車隊監控能力

第五節——車隊運營基準評分卡

維度	Waymo	Tesla Robotaxi（估）	優勢方	2027年展望
遠端運營成熟度	逾4年商業無人駕駛運營經驗；成熟操作規程	早期階段（2026年奧斯汀發布）	Waymo（經驗）	Tesla正以規模縮小差距
場站基礎設施	逾4座城市已建立場站；已知每城市成本	單一城市（2026年奧斯汀，估）	Waymo（已建立）	Tesla：每座新城市均需場站建設
激光雷達特定運營負擔	高（清潔、校準、感測器窗口）	無（純攝影機）	Tesla（無激光雷達運營）	Tesla優勢隨車隊規模增長
OTA更新效率	良好；某些校準需到場站	業界領先的OTA；極少需要到場站	Tesla（OTA成熟度）	Tesla優勢持續
車輛使用率目標	約50–65%（估）	約50–60%（估，奧斯汀早期）	目標大致相當	雙方成熟後均目標達70%以上
單位經濟路徑	第六代加操作員比例改善邁向正利潤（估2027–2029年）	Cybercab量產加操作員比例改善邁向結構性成本優勢（估2028–2030年）	Waymo（更近期）	若Cybercab交付，Tesla規模化後具決定性優勢
遙測與預測性維護	強；專為AV高占空比設計	卓越消費者基礎；最大數據集	Tesla（數據量）	隨車隊規模擴大，Tesla優勢增強
每市場擴張成本	已建立場站模式；已知成本規程	Gigafactory加服務中心槓桿（估）	Tesla（若槓桿有效）	待奧斯汀之外驗證

綜合結論

Waymo擁有全球最成熟的商業AV車隊運營——超過四年的無人駕駛跨城市經驗、已建立的場站操作規程，以及直接改善單位經濟效益的持續下降干預率。Tesla Robotaxi車隊運營處於奧斯汀早期部署階段，尚未在商業規模下驗證的運營規程。

然而，Tesla持有在規模化時更為顯著的結構性運營優勢：無激光雷達特定運營負擔（清潔、校準、感測器窗口）、業界領先的OTA成熟度降低場站依賴、業界規模最大的車輛遙測數據集，以及——若實現——將重塑每項AV單位經濟計算分母的Cybercab成本結構。

決定性差異：Waymo正在以經過驗證的規程在適度規模下向盈利建設；Tesla正在為未來的結構性成本優勢建設，若Cybercab量產如期兌現，其運營經濟效益可能具有決定性優勢。操作員與車輛比例改善路徑對雙方相同——更好的軟體降低人力運營負擔——但Tesla的起始車輛成本優勢意味著它需要更不利的比例就能達到相同利潤。

注：所有標有「（估）」的數字均來自截至2026年中的公開披露、產業研究、分析師估算與報告數據。本文不構成投資建議。