2026-06-18 — views

實體 AI 車隊運營 — Waymo 遠端操作中心 vs Tesla OTA 更新：2026 車隊管理基準測試

Waymo 以人工遠端操作員處理無人駕駛邊緣情境。Tesla 透過 OTA 將 FSD 更新推送至逾百萬輛車，每台邊際成本幾近於零。

概覽

每輛自動駕駛車輛背後都有一套車隊運營基礎架構：公司如何監控車輛、處理邊緣情境、推送改進，並在城市間擴展規模。Waymo 依賴遠端操作中心（ROC），由人工操作員協助車輛應對異常情境。Tesla 則依賴空中下載（OTA）軟體更新，將 FSD 改進同時推送至數百萬輛車。本文對兩種車隊管理哲學及其對成本、可擴展性和可靠性的影響進行基準測試。這是實體 AI 基準測試系列第 167 篇。

第一節 — Waymo 遠端操作：人在迴路的基礎架構

Waymo 的商業無人駕駛車隊在車內無安全駕駛員的情況下運行。當 Waymo 車輛遇到無法自主解決的情境時，可向遠端操作中心的人工操作員請求協助。

ROC 維度	Waymo 詳情	戰略意義
遠端操作的功能	當 Waymo 車輛遇到無法自主解決的情境——異常道路幾何、車道受阻、行人行為混亂、施工場景——可向 ROC 人工操作員請求協助；操作員查看車輛感測器畫面並提供指引（如「通過施工區」）	遠端操作是「完全自主」與「需要人類駕駛員」之間的安全網；它允許 Waymo 在 AI 信心低於自主行動閾值的情境下進行商業運營
遠端操作員與車輛比率	未公開披露；業界估計早期 AV 計畫需要每輛車 1–3 名遠端操作員；Waymo 的目標是將比率降低至 1 名操作員同時管理多輛車（估計）；目前具體比率未公開	遠端操作員比率是 Waymo 商業模型最重要的單位經濟槓桿之一：每車 1 名操作員時，每趟遠端操作勞動成本很高；每 100 輛車 1 名操作員時，成本幾乎可忽略
遠端協助請求頻率	未披露；Waymo 已描述其目標為「隨 AI 改進逐步減少遠端協助請求」；預計隨車隊里程累積和邊緣情境學習，頻率將下降	請求頻率下降意味著 AI 能自主處理更多情境；此指標直接驅動遠端操作員比率的改善
ROC 基礎架構成本	每個 ROC 需要設施成本、人工操作員勞動力（24/7 覆蓋）、低延遲連接，以及專用監控軟體；Waymo 在每個商業城市運營 ROC	ROC 基礎架構是商業啟動前必須建立的每城市固定成本；它是快速擴張至新城市的重要障礙
延遲要求	遠端協助必須在允許安全車輛控制的延遲限制內運行；基於指引的 ROC（相較於遠端操控）更具容忍度——Waymo 的 ROC 提供指引而非直接控制方向盤	基於指引的 ROC 允許更高的延遲容忍度；4G/5G 連接足以應對大多數情境，無需在所有地方部署超低延遲 5G
擴展挑戰	隨著 Waymo 擴展至更多城市和更大車隊，ROC 基礎架構必須按比例擴展——除非遠端協助請求率下降速度超過車隊增長速度	基本 ROC 擴展方程式：若 AI 改進速度超過車隊擴展速度，ROC 成本佔收入比例縮小；若車隊擴展更快，ROC 成本增長
ROC 策略總結	遠端操作是 Waymo 短期的商業使能器，也是中期最重要的成本降低目標。Waymo 盈利之路直接取決於降低遠端操作員與車輛的比率。Waymo 尚未披露時間表或目標比率，但這一比率的每個百分點改善都直接影響單位經濟效益。

第二節 — Tesla OTA 更新：軟體即車隊管理

Tesla 透過 WiFi 將 FSD 軟體更新同時推送至所有啟用 FSD 的車輛。單一模型改進可在一夜之間覆蓋估計逾 100 萬輛車——無需服務中心、無需人工 ROC 操作員、無需單車成本。

OTA 維度	Tesla 詳情	戰略意義
OTA 更新對 FSD 的作用	Tesla 透過 WiFi 將 FSD 軟體更新同時推送至所有 FSD 車輛；改善城市交叉路口處理的 FSD 更新可在一夜之間覆蓋估計逾 100 萬輛車；無服務中心、無人工 ROC 操作員、無單車成本	OTA 是 Tesla 對 ROC 的回答：不是讓人類實時協助個別車輛，而是改進 AI 模型並一次性推送至整個車隊
OTA 更新頻率	Tesla 頻繁推送 FSD 更新——在積極開發期間每月多次；每次更新可包含感知改進、規劃變更和新功能解鎖	高更新頻率意味著 Tesla 車隊能力持續改進；一月份需要人工干預的情境在三月份更新後可能自主處理
影子模式與車隊學習	OTA 更新推送前，Tesla 透過「影子模式」驗證：新模型在數千輛車上與當前模型並行運行，靜默地做出預測；若新模型意外偏離，則驗證失敗	影子模式是 Tesla 的車隊規模 QA 系統；由於 Tesla 車隊規模龐大，它提供了其他 AV 公司無法比擬的統計顯著性驗證
車隊作為集體智慧	每輛啟用 FSD 的 Tesla 同時在收集訓練數據、驗證影子模式預測並受益於 OTA 改進；車隊共同生成訓練數據，改進模型，再推送回車隊	這是 FSD 飛輪：更多車輛 → 更多訓練數據 → 更好的模型 → 更好的 FSD → 更多車輛購買 FSD；飛輪隨時間增長
OTA 基礎架構成本	OTA 更新基礎架構（伺服器、頻寬、驗證管道）是隨車隊規模亞線性增長的固定成本；向第 100 萬零 1 輛車推送 OTA 更新的邊際成本幾乎可忽略	OTA 是 Tesla 最高效的車隊管理工具：透過 OTA 改進 100 萬輛車的成本與改進 10 萬輛車大致相同
OTA 的局限性	OTA 無法處理當前模型無法解決的實時邊緣情境；若 Tesla FSD 遇到今天無法處理的情境，人類駕駛員必須立即干預——沒有 ROC 等效機制	缺乏 ROC 等效機制意味著 Tesla 在 AI 自主能力率足夠高之前，無法商業部署完全無人駕駛車輛
OTA 策略總結	OTA 是 Tesla 最強大、最可擴展的車隊管理工具：單一模型改進以幾乎零邊際成本同時惠及每輛車輛。局限性在於 OTA 在訓練週期時間尺度（天到週）上運作，而非實時時間尺度（毫秒到秒）。對於當前模型無法處理的情境，沒有 OTA 修復能在當下提供幫助。

第三節 — 車隊運營比較

運營維度	Waymo ROC	Tesla OTA	優勢
實時邊緣情境處理	遠端操作員實時協助車輛（秒至分鐘解決）	無實時協助；人類駕駛員必須干預；奧斯汀 Robotaxi 有安全駕駛員	Waymo（無安全駕駛員的無人駕駛邊緣情境解決）
車隊改進傳播	新 AI 模型訓練、驗證、部署至車隊；ROC 協助尚未學習的情境	新模型訓練、影子模式驗證、OTA 推送至逾 100 萬輛車	Tesla（車隊整體改進的速度和規模）
規模化運營成本	ROC 勞動成本與車隊規模成正比，除非遠端協助率下降；每城市高固定成本	OTA 基礎架構成本隨車隊規模亞線性增長；規模化後邊際成本接近零	Tesla（成本結構隨規模改善）
新城市啟動成本	每個新城市需要建立 ROC（設施、操作員、連接）；重大的每城市固定成本	新城市 = 含新地理的 FSD 更新；幾乎零增量基礎架構成本	Tesla（城市擴張透過 OTA 幾乎免費）
完全無人駕駛的可靠性	ROC 在 100% 自主能力實現前啟用商業無人駕駛運營	無 ROC 等效；無人駕駛商業啟動前需近 100% 自主能力	Waymo（更早啟用商業無人駕駛）
擴展上限	若 AI 不改進，ROC 隨車隊擴展；受勞動力和設施供應約束	無上限：OTA 對 1 萬或 1000 萬輛車的基礎架構成本相似	Tesla（無擴展上限）
運營總結	Waymo 的 ROC 模型適合在特定地理範圍內運營小型高品質無人駕駛車隊。Tesla 的 OTA 模型適合跨所有地理區域運營大型監督車隊。兩種模型正在收斂：Waymo 減少 ROC 依賴，Tesla 為 Cybercab 添加 ROC 等效能力。

第四節 — 收斂路徑：各公司需要建立什麼

能力缺口	Waymo 需要建立	Tesla 需要建立	時程（估計）
降低 ROC 依賴	AI 改進必須減少遠端協助請求；Waymo 必須達到 1 名操作員管理估計 50–100 輛以上車輛的比率，以實現競爭性單位經濟效益	不適用（沒有 ROC 需要降低）	Waymo：持續進行；比率改善驅動盈利能力
為 Cybercab 添加 ROC 等效功能	不適用	Tesla Cybercab 在邊緣情境下需要某種形式的遠端協助；Tesla 尚未披露 ROC 計畫；可能採用更簡單模型（如「安全靠邊停車等待 OTA 修復」）	Tesla：估計 2027 年 Cybercab 商業無人駕駛啟動前
Waymo 車輛的 OTA	Waymo 向車隊推送軟體更新，但規模較小；等效於 Tesla OTA，但對象約為 2,500 輛車而非逾 100 萬輛	不適用	Waymo：已在小規模運營
規模化車隊監控	Waymo 的車隊監控隨車隊規模擴展；約 2,500 輛車時可管理；超過 1 萬輛車每城市時，監控基礎架構必須相應擴展	Tesla 的 Autopilot/FSD 監控基礎架構已處理 600 萬輛車；可擴展性已得到驗證	Tesla（600 萬輛車規模下已驗證）
車廠運營	Waymo 必須在每個城市維護充電、清潔和維護車廠；Moove 合作有所幫助；每城市車廠成本是快速擴張的障礙	Cybercab 車主運營模式（車主將車輛加入車隊）為大部分車隊消除了 Tesla 的車廠需求	Tesla（車主運營模式規模化後消除車廠需求）

第五節 — 車隊運營基準測試評分卡

維度	Waymo ROC 模型	Tesla OTA 模型	優勢	2028 展望
實時邊緣情境解決	ROC 在車內無安全駕駛員的情況下實現實時人工指引	無等效功能；AI 達到極高自主率前需要安全駕駛員	Waymo（目前）	Tesla 為 Cybercab 添加 ROC 等效功能
車隊改進速度	模型更新部署至估計 2,500 輛車	OTA 更新至逾 100 萬輛車	Tesla（決定性規模優勢）	隨車隊增長，Tesla 的優勢擴大
規模化運營成本	ROC 勞動成本 = 主要可變成本；改善路徑需要 AI 取代 ROC	亞線性 OTA 成本；規模化後邊際成本接近零	Tesla（決定性成本結構）	隨車隊擴展至數萬輛，Tesla 決定性
城市擴張成本	ROC 加上車廠每城市 = 重大固定成本；限制擴張速度	透過 OTA 近乎零成本城市擴張	Tesla（決定性）	Tesla 以 Waymo 進入 1 個城市的成本進入 10 個城市
無人駕駛商業啟動	ROC 在 100% 自主能力實現前啟用商業啟動	無人駕駛啟動前需近 100% 自主能力	Waymo（目前）	隨 Tesla AI 改進，優勢縮小
總體評估	Waymo 基於 ROC 的車隊運營以高可變運營費用和受限的城市擴張速度為代價，成就其當前商業優勢（今天無人駕駛，無需安全駕駛員）。Tesla 的 OTA 車隊管理在結構上更具可擴展性和成本效率，但目前無法在沒有安全駕駛員的情況下啟用無人駕駛商業運營。ROC 模型是橋梁；OTA 是終局。

所有標記（估計）的數據均來自公司公開披露、分析師估計和產業基準。本文是實體 AI 基準測試系列第 167 篇。