2026-06-18 — views

實體 AI 遠端操作中心 2026：Waymo ROC 單位經濟學 vs Tesla Cybercab 從零開始的隱藏成本基準

Waymo 已運行 24/7 無人駕駛遠端操作中心逾 6 年。Tesla Cybercab 必須從零建立 ROC——這是分析師忽視的實體 AI 隱藏成本。

實體 AI 基準系列第 176 篇——隱藏的基礎設施層

當分析師為無人叫車服務建立單位經濟學模型時，試算表通常圍繞車輛折舊、感測器成本、保險費和軟體授權費展開。幾乎從未出現的一項，是「遠端操作中心」（ROC）——每家商業無人駕駛業者都在運行、監管機關要求設立、且每趟乘車都真實產生成本的全天候人員值守設施。Waymo 已建立並運行 ROC 基礎設施逾六年。Tesla 的有監督 FSD 從未需要 ROC。當 Cybercab 轉為全無人駕駛模式，Tesla 將必須從零開始建立 ROC。

這是實體 AI 領域最被低估的成本中心，本文為其建立基準。

第一節：何謂遠端操作中心，為何重要

遠端操作中心是一個配備人員的設施，操作員在此即時遠端監控整個無人車隊。操作員可查看車輛攝影機畫面、遙測數據和乘車狀態。當無人車遇到無法自主解決的情境——異常障礙物、道路封閉、路線混淆、感測器邊緣案例——它會向 ROC 發送「遠端協助請求」，由人類操作員審視情況並提供引導或介入。

維度	詳情
定義	人員配備的設施，操作員即時遠端監控無人車隊；可查看攝影機畫面、車輛遙測和乘車狀態；當車輛無法自主解決情境時向 ROC 發送遠端協助請求
為何需要 ROC	當前 Level 4 無人駕駛系統（包括 Waymo）在定義的「操作設計域」內運行，但仍會遇到超出信心門檻的情況；ROC 提供人工後備層，使商業無人駕駛可在達到 Level 5 全自動前正常運作
ROC vs 安全駕駛員	安全駕駛員（車內人員）= 每輛車 1 名人員；ROC 操作員 = 1 名人員同時監控 N 輛車；N 的提升是商業無人駕駛單位經濟學的核心槓桿
ROC 為法規要求	加州 CPUC 要求無人叫車業者維持遠端協助能力；CPUC 規定定義了遠端協助請求的回應時間要求
投資人低估 ROC 成本的原因	ROC 人力是持續性營業費用而非資本支出；不出現在車輛成本計算中；法說會幾乎不提及；但在規模化後，ROC 人力是顯著的每趟成本，直接影響單位經濟學

ROC 經濟學的關鍵比例是一名操作員可同時監控的車輛數。商業無人駕駛部署初期，此比例極低——某些情況接近 1:1。隨著 AV 系統成熟、每英里遠端協助請求減少，比例逐步提升。此比例改善是無人 AV 單位經濟學中最重要的營運指標，卻幾乎從未公開揭露。

第二節：Waymo 的 ROC——無人駕駛監控的行業基準

Waymo 在美國多個城市運行遠端操作中心，設施全天 24 小時、每週 7 天由 Waymo 員工值守。Waymo 未公開揭露 ROC 地點、人員配置或當前的 ROC 對車輛比例——這些被視為戰略性營運資產。以下估算基於業界分析師推論、監管申報和前 Waymo 員工報告；未經官方確認處均標記為（估算）。

指標	詳情	備註
Waymo ROC 地點	美國多個城市；確切地點未公開；ROC 全天 24 小時運行；ROC 人員為 Waymo 員工	ROC 基礎設施為戰略資產，地點和人員細節未公開
ROC 對車輛比例（估算）	業界估算：2020-2022 年商業部署初期，1 名操作員對應 1-5 輛車；隨自動駕駛改善，Waymo 持續提升比例；當前比例未揭露；業界分析師估算目前約為每名操作員對應 5-10 輛以上（估算）	ROC 比例改善是無人 AV 最重要的營運指標之一；Waymo 不揭露當前比例
遠端協助請求率（估算）	未揭露；隨 Waymo 系統成熟，每千英里遠端協助請求已減少；成熟 AV 系統的業界粗估：依 ODD 複雜度，每 100-500 英里約一次（估算）	舊金山等都市密集環境的遠端協助請求多於菲尼克斯等郊區環境
ROC 操作員人力成本（估算）	ROC 操作員為技術工種，非低薪勞工；全包成本（含薪資、福利、培訓、設施、設備）估算每年 5 萬至 8 萬美元（估算）	全包成本包含薪資、福利、培訓、設施及設備
ROC 每趟成本（估算）	以 1 名操作員監控 10 輛車、每車每天 10 趟計算，每名操作員每天監控 100 趟；年全包成本 7 萬美元，每趟估算約 1.92 美元（估算）	粗量級估算；實際成本取決於比例、乘車頻率和設施成本
Waymo ROC 作為競爭護城河	Waymo 已運行 ROC 逾 6 年；累積了大量邊緣案例處理、操作員培訓和遠端協助協議的運營知識；此經驗難以複製
Waymo 降低 ROC 成本的路徑	提升自主率（減少遠端協助請求）+ 提升 ROC 比例（每名操作員對應更多車輛）+ 更好的 ROC 工具（更快評估情況）——三者共同降低每趟 ROC 成本

Waymo 逾六年的 ROC 運營生成了無法購買或快速複製的資產：邊緣案例處理知識積累。每個需要遠端協助的異常情況——一輛被未標記施工區混淆的車輛、特定路口的感測器邊緣案例、異常的行人過馬路模式——都被記錄、分析並回饋至系統改進中。ROC 不僅是成本中心，也是自動駕駛提升的數據來源。

第三節：Tesla 的方式——有監督 FSD 零 ROC，Cybercab 未來需從零建立

Tesla 當前的商業產品——有監督 FSD——無需 ROC，這是有監督模式在單位經濟學上最明確的優勢。車內的人類駕駛員就是安全機制。當 Cybercab 以無人駕駛模式運行時，此結構性優勢即告消失。

維度	詳情	備註
有監督 FSD——零 ROC 成本	Tesla 當前 FSD 為有監督 Level 2；人類駕駛員是安全機制；不需要 ROC；Tesla 為有監督 FSD 運營承擔零 ROC 人力成本	這是有監督 FSD 模式的重大經濟優勢
奧斯汀 Robotaxi 上線——安全駕駛員模式	Tesla 初期奧斯汀 Robotaxi 使用安全駕駛員（車內人員）；這不是 ROC 模式——而是更昂貴的 1:1 人車比模式；這是取得無人駕駛許可前的過渡階段	安全駕駛員是最昂貴的人工監督模式
Cybercab 無人駕駛——需要 ROC	當 Cybercab 在無安全駕駛員的情況下運行，Tesla 需建立或委外 ROC 基礎設施；遠端協助能力將是監管機關（加州 CPUC 及其他州等效機構）的必要條件	這是 Tesla 尚未公開詳述的未來運營基礎設施建設
Tesla ROC 選項（估算）	自建 ROC（Waymo 模式——完全控制、高固定成本）；委外給第三方 ROC 服務商；混合模式（核心市場自建、其他市場委外）	第三方 ROC 服務商是新興行業；Tesla 尚未揭露 Cybercab ROC 策略
ROC 作為 Waymo 的規模優勢	Waymo ROC 基礎設施已建立並運行；Tesla 必須為 Cybercab 從零開始；Waymo 的 ROC 運營知識——逾 6 年的邊緣案例數據和操作員培訓協議——是容易被忽視的競爭護城河	ROC 建設成本未被大多數投資人對 Cybercab 單位經濟學的分析所納入
Tesla 潛在的 ROC 捷徑（估算）	Tesla 現有服務基礎設施——服務中心、行動技術員、客服團隊——或可潛在改造為 ROC 功能；Tesla 擁有 Waymo 作為純自動駕駛公司所不具備的強大現有運營基礎設施	推測性（估算）——Tesla 尚未宣布任何 ROC 計劃

奧斯汀上線的動態特別具有啟示性。Tesla 使用安全駕駛員對初期上線是合理的：在保留人工後備的同時積累真實無人駕駛里程。但這也是現存最昂貴的人工監督模式——比 ROC 模式更昂貴，因為每輛車都需要專屬的人員。從安全駕駛員模式過渡到 ROC 模式並非自動完成；需建立 ROC 基礎設施、取得無人駕駛許可，並向監管機關證明遠端協助能力符合要求。

第四節：ROC 單位經濟學——從成本中心到可管理費用的路徑

ROC 經濟學遵循與底層 AV 系統成熟度密切相關的學習曲線。隨著 AV 系統成熟——生成更多邊緣案例訓練數據、提升感知和預測精確度、減少需要人工介入的情況——ROC 比例改善，每英里遠端協助請求下降，每趟 ROC 成本降低。以下所有數字均為估算值（估算）。

情境	ROC 比例	每車每日乘次	每趟成本（估算）	備註
早期無人駕駛（估算 2022-2024 年）	1 名操作員對應 3 輛車（估算）	每天 8 趟（估算）	估算每趟 7.99 美元	高遠端協助率；商業部署早期；每趟成本高
Waymo 當前（估算 2026 年中）	1 名操作員對應 8 輛車（估算）	每天 12 趟（估算）	估算每趟 2.00 美元	自動駕駛改善；ROC 工具更完善；車輛利用率更高
Waymo 2028 年目標（估算）	1 名操作員對應 20 輛車（估算）	每天 15 趟（估算）	估算每趟 0.64 美元	自動駕駛進一步改善；ROC 成為次要每趟成本
Waymo 2030 年願景（估算）	1 名操作員對應 50 輛以上車輛（估算）	每天 18 趟（估算）	估算每趟 0.22 美元	接近完全自動駕駛；ROC 僅作例外處理；類似 UPS 或 FedEx 調度中心
Tesla Cybercab 2027 年上線（估算）	1 名操作員對應 5 輛車（估算）	每天 10 趟（估算）	估算每趟 3.83 美元	從零開始；上線時預期遠端協助率高；ROC 比例將隨時間改善

此表的核心洞見是 Waymo 的學習曲線領先。若 Waymo 當前估算每趟 2.00 美元的 ROC 成本屬實，代表逾六年運營學習的成果。Tesla Cybercab 上線時可能從估算每趟 3.83 美元或更高開始，需要多年運營經驗才能達到 Waymo 的當前水平。與此同時，Waymo 將繼續改善其比例，到 2028 年可能接近估算每趟 0.64 美元。

這是 Waymo ROC 先發優勢的隱性複利效應：不僅是今日的成本，而是成本軌跡。Waymo 的 ROC 成本每年持續下降。Tesla Cybercab 將從更高的成本起步，需要數年才能追上。這一差距並非永久——考慮到 Tesla 的規模潛力和運營執行能力，Cybercab 的 ROC 經濟學最終可能與 Waymo 相當甚至超越。但從零開始的出發點是大多數投資人模型未能體現的真實成本與時間線劣勢。

第五節：ROC 基準計分卡——Waymo vs Tesla

維度	Waymo	Tesla 有監督 FSD	Tesla Cybercab 無人駕駛（估算）	優勢方
當前 ROC 狀態	全天運行；多城市；逾 6 年經驗	不需要（駕駛員是安全機制）	未建立；未來需求	Tesla 目前勝出（FSD 零 ROC 成本）；Waymo 有運營基礎設施
ROC 每趟成本（估算）	估算每趟 2.00 美元且持續下降	0 美元（駕駛員自付時間）	上線時估算每趟 3.83 美元；隨時間下降	有監督 FSD 在 ROC 成本上勝出；Cybercab 起步比當前 Waymo 差，隨後追上
ROC 經驗（年）	逾 6 年商業無人駕駛 ROC 運營	0（無 ROC 經驗）	上線時 0（估算）	Waymo 在 ROC 運營知識方面有重大先發優勢
ROC 比例（估算）	估算 1 名操作員對應 8 輛且持續改善	不適用	上線時估算 1:5；2029 年目標 1:20 以上（估算）	Waymo 在 ROC 比例學習曲線上更具優勢
監管合規	完全符合 CPUC 無人駕駛遠端協助規定；有追蹤紀錄	不適用	需在無人駕駛上線前為 CPUC 及其他州等效機構建立合規	Waymo 領先；Tesla 必須從零建立合規
ROC 作為投資人 KPI	觀察：ROC 比例改善（每名操作員對應更多車輛）= 單位經濟學改善	觀察：Tesla 是否會在商業無人駕駛上線前揭露 Cybercab ROC 策略	觀察：ROC 建設時間線，作為 Cybercab 無人駕駛上線準備的領先指標	ROC 比例是最重要的未揭露實體 AI 單位經濟學指標之一

整體結論： ROC 是實體 AI 最被低估的成本中心。Waymo 六年的 ROC 運營領先優勢是一道真實的競爭護城河，卻在大多數投資人分析中不可見。Waymo 每趟 ROC 成本隨系統成熟持續下降——這是讓 Waymo 單位經濟學每年改善的「靜默進步」，不需要新城市上線。Tesla Cybercab 需要從零建立 ROC 基礎設施：這是一項非輕鬆的運營工程，為 Cybercab 商業量產增加了真實的成本和時間線風險。ROC 比例——每名操作員對應的車輛數——可以說是實體 AI 單位經濟學中最重要的未揭露指標。理解 ROC 經濟學的投資人，在評估本十年剩餘時間的無人 AV 單位經濟學時，將擁有顯著的分析優勢。

資料來源：CPUC 無人駕駛遠端協助規定（cpuc.ca.gov）；Waymo 安全與遠端協助（waymo.com/safety）；Tesla 奧斯汀 Robotaxi 上線（tesla.com/robotaxi）；蘭德公司 AV 研究（rand.org）。所有標記（估算）的數字均為基於分析師推論、量級建模和公開揭露的估算值；尚未獨立核實，Waymo 和 Tesla 未公開揭露 ROC 運營指標。