2026-06-18 — views

實體 AI 人力經濟學 2026 — Waymo 遠程操作中心人員配置 vs Tesla 自動化與 Optimus：人力運營成本基準

Waymo ROC 人員遠程監控車隊。Tesla 以 AI 與 Optimus 力求最小化人工介入。人力成本今日占自動駕駛叫車收入的 33–60%。

實體 AI 基準系列第 185 篇：人力經濟學

商業自動駕駛汽車經濟學中最關鍵、卻最少被討論的成本要素之一，就是人力。無人駕駛車輛的承諾很簡單：消除駕駛員，消除共乘經濟中最大的可變成本。但「無人駕駛」並不等於「零人力」。商業無人駕駛 AV 運營需要大量人力支援基礎設施，而這些基礎設施的經濟結構，決定了該業務是否能在規模化後實現盈利。

本文對比兩大領先實體 AI 車輛平台的人力經濟學——Waymo 的遠程操作中心（ROC）模型與 Tesla 自動化優先的 Cybercab 方案——涵蓋所有主要人力類別。所有估算值均於文中標明。

第 1 節 — 為何人力是隱藏的 AV 成本驅動因素

消滅車內人類並不等於消滅系統中的人類。商業無人駕駛 AV 運營需要四大類人力：

ROC 操作員（遠程操作中心） — 監控車輛畫面、在複雜場景介入、處理「卡住」事件（車輛停止且無法自主繼續行駛），以及在事故發生時協調緊急應變。
車隊維護技師 — 在充電站清潔、檢查、接充電線並維修車輛。這些功能目前無法完全自動化。
充電技師 — 在充電站將車輛人工連接至充電設備。（充電基礎設施經濟詳見第 180 篇。）
客服人員 — 處理乘客投訴、遺失物品報告、無障礙需求及行程糾紛。

上述四類中，ROC 操作員的規模化潛力最高。隨著 AI 進步、車輛「卡住」事件頻率下降，每位 ROC 操作員可同時管理更多車輛。維護、充電與客服三類則大致隨車隊規模線性增長。

車輛與操作員比例為何至關重要：

車輛與操作員比例	估算每英里 ROC 成本	比較
1:10（早期商業 AV 估算）	估算 $0.05–$0.15/英里	仍相當可觀；為駕駛員成本的 10–30%
1:100（中期目標估算）	估算 $0.005–$0.015/英里	比駕駛員便宜一個數量級
1:1,000（長期目標估算）	估算 $0.0005–$0.0015/英里	在經濟上幾乎可忽略不計

將 ROC 比例從約 1:10 推向 1:1,000，正是從「無人駕駛但昂貴」走向「無人駕駛且盈利」的路徑——這是實體 AI 人力經濟學的前沿。

第 2 節 — Waymo 的遠程操作中心模型

Waymo 運營的遠程操作中心（ROC）提供即時監控與介入支援，服務其商業無人駕駛車隊。ROC 是 Waymo 在超過五年的商業運營中打造並持續優化的核心運營層——比任何其他 AV 公司都更早。

維度	詳情
ROC 功能	操作員同時監控多輛車的即時攝影機畫面與感測器資料；回應車輛在複雜場景的協助請求；處理「卡住」事件；處理客服升級；在事故發生時協調警方與緊急應變人員
ROC 操作員角色	操作員同時觀看多輛車的直播畫面。當車輛發出協助請求時，操作員評估情況並提供指引——例如批准車輛通過特殊路口，或建議處理邊緣案例。ROC 操作員不能遠程駕駛車輛，無法即時控制方向盤或油門；他們提供高層次指引，由車輛 AI 自主執行。
ROC 人員配置比例（估算）	Waymo 未公開具體 ROC 人員比例。業界估計目前商業 AV 運營可能需要每 5–25 輛車配置 1 名操作員（估算）。隨 AI 進步及卡住事件頻率下降，此比例預計將大幅改善。
「卡住」事件頻率（估算）	Waymo 早期在舊金山的運營中，複雜城市場景的卡住率據報較高——窄街、施工區、緊急車輛、異常行人行為。隨著 AI 改善，需要 ROC 介入的卡住事件據報已大幅減少。確切的當前頻率未公開。
ROC 基礎設施成本（估算）	ROC 需要 24/7 安全辦公空間（多班制）、高頻寬多畫面監控工作站、訓練有素的操作員（估算年薪 $40K–$70K）、管理人員及 IT 基礎設施。每城市 ROC 設置成本估算 $1M–$5M，持續 24/7 運營（估算每城市 10–50 名操作員）是一筆可觀的固定成本。
ROC 作為新城市進入成本	Waymo 進入每個新城市都需要新建或擴充 ROC，以覆蓋新地理範圍。操作員需熟悉當地道路、地標及典型邊緣案例——在充電站與地圖投資之外增加了進城成本。
改善 ROC 比例的路徑	更好的 AI（每英里卡住事件更少 = 每位操作員管理更多車輛英里）；更大的車隊（每個 ROC 服務更多車輛 = 分攤固定成本）；城市場景標準化（可預測場景 = 更少介入）；累積的運營經驗（已知邊緣案例獲得程式化解決方案）。
Waymo 的 ROC 競爭優勢	Waymo 運營 ROC 的時間比任何 AV 公司都長。其操作流程、培訓計畫及 ROC 軟體均比任何競爭對手更成熟。這種機構知識——了解哪些場景會觸發卡住事件、如何高效解決、如何培訓新操作員——是難以被新進入者快速複製的競爭資產。

第 3 節 — Tesla 的人力模型：自動化優先、最小化 ROC

Tesla 的整個運營歷史都以積極自動化為定義。超級工廠追求熄燈製造。FSD 旨在消除人類駕駛。對 Cybercab 而言，Tesla 的目標是在每個運營環節都最小化人力。

維度	詳情
Tesla 的自動化哲學	Tesla 一貫將自動化視為戰略必要——從吉加德州和吉加上海的機器人生產線，到 FSD 的神經網路方案。對 Cybercab，這一哲學延伸到整個支援基礎設施。
Tesla Cybercab ROC 模型（估算）	Tesla 尚未公開 Cybercab 的 ROC 架構。估計方案包括：(1) 集中式全國/區域 ROC 同時服務所有市場；(2) AI 優先解決模型——車輛在請求人工協助前嘗試多種自主解決策略；(3) 超充站機會協助——低需求時段路由到超充站的 Cybercab 可在那裡獲得人工關注；(4) FSD 車隊資料預訓練——數百萬英里的監督 FSD 里程已讓 AI 接觸最常導致卡住事件的邊緣案例。均為估算（估算）。
Tesla 的資料優勢用於 ROC 削減	超過 600 萬英里的監督 FSD 里程記錄了導致卡住事件的場景。Tesla 的 AI 在 Cybercab 商業上市前已針對這些場景訓練多年。這意味著 Cybercab 進入商業服務時，卡住事件頻率可能低於 Waymo 在同等早期階段的水平（估算）。
Optimus 作為長期人力替代	Tesla 的 Optimus 人形機器人明確定位為取代目前需要人力的任務。長期場景包括：Optimus 執行車隊維護任務、自主為 Cybercab 接充電線、以及可能承擔部分 ROC 功能。這些屬於推測性且需數年才能實現（估算），但代表 Tesla 獨有的場景——沒有其他 AV 公司擁有人形機器人部門。
Tesla 的精簡上市哲學	Tesla 一貫以少於傳統汽車製造商的支援資源上市，並在真實世界反饋到來後快速迭代。Cybercab 可能以相對精簡的 ROC 人員模型上市，並隨運營問題出現而擴充支援基礎設施。

第 4 節 — 車隊維護及其他人力成本

人力類別	Waymo 模型	Tesla Cybercab 模型（估算）	規模因素
車隊維護	人工技師在充電站清潔、檢查及維修車輛。估算 2,500 輛規模下：各充電站估算 200–500 名維護人員（估算），大致隨車隊規模線性增長。	Tesla 吉加工廠自動化降低製造缺陷率。Tesla 服務中心可服務 Cybercab 車隊，利用現有基礎設施。長期 Optimus 場景：人形機器人規模化處理日常維護任務。	每輛車成本；Waymo 從零建立維護基礎設施；Tesla 利用全球 1,000+ 個服務中心的現有網路。
充電技師	充電站人工技師每晚為車輛連接充電器、每早斷開。隨車隊規模線性增長。每名技師每班可服務估算 20–50 輛（估算）。	如 Cybercab 採用超充站機會充電模式，可消除專用充電技師人力。若 Cybercab 在行程間自主路由至超充站並通過未來機器人接頭自動接插（估算），每輛車充電人力成本趨近於 $0（估算）。	若超充站機會充電模式規模化可行，Tesla 具結構性優勢。
客服	Waymo 為 Waymo One 乘客設有客服團隊，隨乘車量規模增長。	Tesla 需要 Cybercab 乘客的類似客服能力；可利用現有 Tesla 客服基礎設施延伸。	兩者在類似乘車量下成本大致相當。
安全駕駛員（歷史遺留）	Waymo 在舊金山和鳳凰城已完成無人駕駛商業服務多年；安全駕駛員已從商業運營中撤除。	Tesla Robotaxi 在奧斯汀（2026 年 6 月）目前仍有安全駕駛員。Cybercab 商業上市後將消除安全駕駛員。	安全駕駛員消除代表每英里估算 $0.30–$0.50 的成本降低（估算）——Waymo 已實現，Tesla 尚未達到。

人力佔叫車收入百分比估算：

兩家公司目前均面臨 33–60% 的人力成本占比（估算），降至約 15–20% 才能實現盈利，需要 AI 進步、車隊規模化，以及——對 Tesla 而言——超充站機會充電模型和 Optimus 部署的共同作用。

第 5 節 — 人力經濟學基準計分卡

維度	Waymo	Tesla Cybercab（估算）	2028 展望	優勢
ROC 運營成熟度	業界最深厚的 ROC 專業知識；成熟的流程、培訓及軟體	Cybercab 商業 ROC 從零開始；FSD 資料降低卡住事件頻率	Waymo 隨規模持續改善比例；Tesla 可能從更低的卡住率起點出發	Waymo（當前成熟度）；Tesla（潛在 AI 優勢）
ROC 人員配置比例（估算）	估算目前 1:5–1:25；目標 1:100+	估算起點 1:10–1:50；目標 1:100+	兩者均在改善；若 FSD 訓練轉化為更少 Cybercab 卡住事件，Tesla 可能更快達到同等水平	規模化後大致相當（估算）
充電人力成本	充電站專用充電技師；隨車隊線性增長	若超充站機會充電可行，潛在成本 $0（估算）	若超充站模型規模化可行，Tesla 具結構性優勢	Tesla
維護人力成本	從零建立充電站基礎設施；估算目前規模 200–500 人（估算）	Tesla 服務網路複用；更低製造缺陷率；長期 Optimus 替代場景	Tesla 現有服務基礎設施優勢；Optimus 增加獨特長期削減槓桿	Tesla
人形機器人人力替代	無——Waymo 沒有人形機器人計畫	Optimus：估算 2026 年中生產 5K–10K 台（估算）；2027–2030 年可能應用於 Cybercab 維護和充電（估算）	Optimus 作為車隊人力替代是 Tesla 獨有場景——若按時兌現將具變革性	Tesla（獨特能力）
安全駕駛員消除	商業服務中已完成	待實現——奧斯汀 Robotaxi（2026 年 6 月）仍有安全駕駛員	Tesla 需要 1–2 年更多時間才能達到 Waymo 已有的成就	Waymo
人力成本總體趨勢	隨 AI 和規模改善；但線性維護和充電成本是結構性的	更好的起始 AI + 超充站模型 + Optimus = 多個獨立的人力削減槓桿	Tesla 擁有更多結構性人力削減槓桿	Tesla

總體評判： 人力經濟學是 AV 運營中被最低估的成本維度。Waymo 和 Tesla Cybercab 在當前規模下，人力成本均估算佔叫車收入的 33–60%（估算），使盈利在結構上不可能實現，除非出現根本性改善。Waymo 擁有業界最成熟的 ROC 運營，Toyota 的機構知識能夠降低今日安全規模化運營的成本。Tesla 在充電人力（超充站模型）、維護人力（Tesla 服務網路複用）和長期人力替代（Optimus）方面具結構性優勢。首先實現 1:500+ 車輛與 ROC 操作員比例並保持服務質量的公司，將獲得決定性的單位經濟優勢。Tesla 擁有更多獨立槓桿——但 Waymo 已在主要槓桿（通過運營經驗改善 AI）上拉得比任何其他公司都更用力、更快。這場競賽尚未決出勝負。

第 6 節 — 關於本系列

這是實體 AI 基準系列的第 185 篇。前篇涵蓋了實體 AI 上市指數、人形機器人競賽、單位經濟學、全球競爭、高清地圖、車隊充電站經濟學、軟體與 OTA、保險與責任、消費者需求、合作夥伴關係、競爭護城河、Cybercab vs Model Y、安全數據、Waymo Gen 6、Optimus 製造、計分卡快照、2030 年預測情景、投資者框架、Waymo 城市擴張管線、Tesla 州別審批地圖、AV 天氣限制、人才爭奪戰、法規日曆、Robotaxi 票價定價、AV 資料飛輪、人形機器人部署追蹤、供應鏈分析、消費者採用指數、充電基礎設施基準、地圖與定位基準、AV 車隊充電站經濟學，以及 Waymo 估值與 IPO 分析。

本篇新增人力維度：ROC 人員配置比例如何決定 AV 單位經濟學、Waymo 成熟 ROC 運營與 Tesla 自動化優先方案的比較，以及為何人力——而非車輛成本或地圖成本——可能是商業 AV 經濟學中最持久的成本阻力。