2026-06-18 — views

實體 AI 感測器供應鏈 2026：Waymo 雷射雷達成本軌跡 vs Tesla 攝影機與 FSD 晶片台積電風險——硬體經濟學基準

雷射雷達從 2009 年每顆估 7.5 萬美元降至今日不到 1,000 美元。Tesla 純攝影機方案每輛車感測成本估比 Waymo 多感測器套件低 3-10 倍。

實體 AI 基準系列第 194 篇：感測器供應鏈與硬體經濟學

感測器硬體供應鏈是實體 AI 競賽中討論最少、但商業意義最關鍵的維度之一。自動駕駛（AV）公司能否建立規模化獲利車隊，不只取決於軟體——更取決於感知物理世界的硬體成本與供應可靠性。本文對 Waymo 與 Tesla 的感測器供應鏈架構進行基準比較：雷射雷達（LIDAR）成本軌跡、雷達與攝影機的商品化經濟學、AI 運算晶片架構，以及貫穿台積電台灣廠的地緣政治風險。所有成本數字全程標注為估算值（估）。

第一節：為何感測器供應鏈是實體 AI 的競爭護城河

AV 感測器硬體決定三個關鍵商業變數：（1）每輛車成本，直接決定車隊經濟效益與獲利運營所需的最低票價；（2）供應鏈韌性——感測器供應中斷即停止車隊擴張；（3）地緣政治風險——半導體供應鏈流經台灣、南韓與中國，各有特定的地緣風險輪廓。

LIDAR 成本降低的故事是 AV 史上最偉大的硬體成本軌跡之一。2009 年，一顆 Velodyne HDL-64E LIDAR——早期 Google 自動駕駛汽車原型所使用的型號——每顆估價約 7.5 萬美元（估）。在這個價格下，任何商業車隊經濟模型都無從成立：一輛車所需的感測器比車本身還貴。從那個起點到今天的軌跡，是科技史上最快速的硬體成本下降之一：

年份	雷射雷達型號 / 類型	每顆估計成本	備註
2009	Velodyne HDL-64E	估 75,000 美元	用於 DARPA Urban Challenge / Google SDC 原型
2016	Velodyne VLP-16（16 線束）	估 8,000 美元	首款價格相對可負擔的車規雷射雷達
2022	固態（Innoviz、Luminar、Ouster）	估 1,000–3,000 美元	車規等級；為量產設計
2024	高量產車用雷射雷達	估 500–1,500 美元	OEM 級別量產合約定價（估）
2026	高量產車用雷射雷達（中距）	估量產不到 500 美元	AV 車隊部署規模目標定價（估）

這超過 99% 的成本降幅發生在約 15 年間，正是使商業 AV 在經濟上可行的關鍵驅動力。在估計不到 500 美元的單顆價格下，一套四顆 LIDAR 的車輛配置成本低於 2,000 美元——是有意義但不再構成障礙的整車擁有成本項目。

攝影機感測器是商品化硬體。Sony 與 Samsung 生產主流的車規影像感測器。單套車規攝影機系統估約 50–200 美元（估），視解析度、視野與環境防護等級而異。攝影機成本不是 AV 的成本瓶頸——它有多個供應商、無單一來源依賴，且隨智慧手機攝影機出貨量帶動的底層感測器技術進步而持續下降。

雷達感測器（77 GHz 車用雷達）已在量產車輛中應用超過十年，最初為自適應巡航控制所部署。雷達單元估約 50–300 美元（估），視距離與角度解析度而定。遠距高速公路偵測雷達比短距停車輔助雷達昂貴。雷達硬體已廣泛商品化，博世、大陸、Aptiv 等均為成熟供應商。雷達不是 AV 部署的成本制約因素。

半導體瓶頸是新的成本制約因素。AI 運算晶片——同步接收所有感測器數據並運行神經網路以產生駕駛決策的處理器——昂貴、供應商集中且存在地緣政治風險。高效能 AI 推理晶片（NVIDIA Orin、高通 Snapdragon Ride、Tesla FSD 晶片、Waymo 自研運算）主要由台灣台積電製造，南韓三星次之。這種半導體集中是 Waymo 與 Tesla 共同面臨的首要供應鏈風險。

第二節：Waymo 的感測器硬體演進與供應鏈

Waymo 建立並迭代感測器硬體已超過 15 年。其最重要的決策是在商業供應商無法滿足規格要求時，自行開發專有 LIDAR 硬體——建立了深度感測器硬體能力，這是一道競爭護城河，但也帶來多供應商商品硬體所沒有的供應鏈複雜性。

感測器類型	演進歷程	現行供應商（估）	成本軌跡
LIDAR（短距）	第一代：Velodyne HDL-64E（2009，估 7.5 萬美元/顆，車頂旋轉式）；第二至四代：Waymo 自研「Laser Bear Honeycomb」短距 LIDAR；第五代（I-PACE）：第五代自研 LIDAR 套件；第六代（Ioniq 5/Zeekr）：進一步降本的新一代 LIDAR	Waymo 自研；委外製造；完整供應商名單未公開	從估 7.5 萬美元（2009）降至估量產不到 1,000 美元（現行自研量產，估）——15 年內超過 99% 降幅
LIDAR（長距）	長距 LIDAR 用於高速公路與高速目標偵測；Waymo 對不同偵測距離使用不同 LIDAR 型號	Waymo 自研；合作細節未完全公開	持續下降；長距 LIDAR 仍比短距昂貴——估量產 1,000–5,000 美元/顆（估）
雷達	標準車用 77 GHz 技術，多家供應商可用；Waymo 整合雷達以提升惡劣天氣韌性與獨立於攝影機的速度量測	多家供應商（博世、大陸、Aptiv 為車用雷達領導廠商）；商品化硬體	商品定價估 50–300 美元/顆（估）；非車隊經濟的成本制約因素
攝影機	每輛車多顆攝影機提供 360 度視覺覆蓋；標準車規攝影機硬體整合 Waymo 電腦視覺堆疊	多家供應商（Sony、Aptiv、博世等）；商品化車規攝影機	商品定價估 50–200 美元/顆（估）；非成本制約因素
AI 運算（車載）	同步處理所有感測器數據並即時運行 Waymo Driver 神經網路的車載電腦；Waymo 自研運算硬體；委外製造	Waymo 自研；估在台積電或三星製造（未公開）	高效能 AI 運算昂貴；隨每代晶片下降，但估每台車載運算單元 1,000–5,000 美元（估）
每輛車感測器總成本（估）	第六代規模：每輛車感測器硬體總成本估 5,000–15,000 美元；相比第一代每輛車估超過 10 萬美元大幅下降	涵蓋所有感測器類型；Waymo 未公開	車隊單位經濟的主要成本降低驅動力；目標量產規模下估低於每輛 5,000 美元（估）

Waymo 自研 LIDAR 決策具有重要戰略意義。當沒有商業 LIDAR 供應商能在距離、解析度、可靠性與車規耐久性上滿足 Waymo 需求時，Waymo 自行建立了感測器能力。這創造了硬體 IP 護城河，但也帶來供應鏈複雜性。自研硬體需要為零組件、組裝、測試與校準建立獨立的供應鏈，任何自研感測器物料清單中的零件若斷供都會造成風險。

多感測器融合的複雜性： Waymo 車輛搭載多顆 LIDAR（短距與長距）、多顆攝影機和多顆雷達，所有數據必須時間同步、校準並一起處理。這種多感測器架構提供冗餘性與全天候能力——但每增加一種感測器類型，就增加一個供應鏈向量，帶來各自的供應商關係、交期與故障模式。

第三節：Tesla 的感測器供應鏈與 FSD 晶片架構

Tesla 做出了相反的架構選擇：純攝影機感知堆疊（無 LIDAR，部分市場最小化雷達），搭配自研 AI 推理晶片（FSD 晶片）以高效能神經網路處理攝影機數據。這大幅簡化了感測器供應鏈，但將關鍵供應鏈風險集中於單一元件——由台積電製造的 FSD 晶片。

元件	Tesla 做法	供應商	成本 / 風險輪廓
攝影機	每輛車 8 顆攝影機（Model 3/Y/S/X）；Tesla 指定 Sony IMX 感測器或同等品；提供高速公路距離的 360 度視覺覆蓋	Sony（主要車用影像感測器供應商）；有多個替代選項的商品市場	攝影機成本估 50–200 美元 × 8 顆 = 每輛車攝影機總成本估 400–1,600 美元（估）；非成本驅動因素；無單一來源風險
雷達（Autopilot 時代）	Tesla 於 2021 年從 Model 3/Y 移除雷達改為純攝影機（「Tesla Vision」）；Cybertruck 與部分市場於 2022 年恢復雷達；策略因車型與地區而異	原為大陸集團；現依市場與車型而異	Tesla Vision 是蓄意的供應鏈簡化：消除雷達成本與供應依賴；代價是移除具天氣韌性的感知層
LIDAR	所有 Tesla 車輛均無 LIDAR；蓄意的架構選擇；Tesla AI 設計為純攝影機輸入構建	無	零 LIDAR 成本；零 LIDAR 供應鏈風險；但也缺乏 LIDAR 提供的天氣與低光冗餘性
FSD 晶片（HW3）	Tesla HW3（FSD 電腦，2019 年）：Tesla 自研 AI 推理晶片；72 TOPS；每台 FSD 電腦 2 顆晶片以提供冗餘	三星（HW3 製造商）；14nm 製程	HW3：成熟；三星量產已實現降本；三星為南韓供應商，台灣海峽風險低於純台積電供應
FSD 晶片（HW4）	Tesla HW4（2023 年起）：重新設計的 FSD 晶片；每顆效能約為 HW3 的 2 倍（估）；部署於 Model 3 Highland、Cybertruck、Model S/X 改款；每輛車 2 顆	台積電（台灣）——7nm 製程；單一來源依賴	台積電 7nm：最佳效能效率；但台積電是台灣海峽地緣政治風險的關鍵集中點；目前車規 7nm 無直接替代廠商
Dojo（AI 訓練晶片）	Tesla Dojo D1：Tesla 自研晶片用於訓練 FSD 神經網路；降低 NVIDIA 訓練運算依賴；與車載推理晶片不同	估由台積電製造（未公開確認）	Dojo 減少 NVIDIA 訓練依賴，但加深台積電代工依賴；訓練運算 ≠ 車載推理運算
NVIDIA（訓練，歷史）	Dojo 成熟前，Tesla 使用 NVIDIA GPU 進行 FSD 訓練；可能仍對部分訓練工作負載使用 NVIDIA（估）	NVIDIA（H100/A100 級別用於訓練）	訓練運算在整個 AI 產業均受限；Dojo 降低但未消除此依賴
每輛車感測器總成本（估）	無 LIDAR + 純攝影機：8 顆攝影機（估 400–1,600 美元）+ HW4 FSD 電腦（估標準運算以上增量成本 500–2,000 美元）= AV 賦能硬體總計估每輛車 1,000–3,600 美元（估）	遠低於 Waymo 多感測器套件	Tesla 每輛車感測器成本估比 Waymo 多感測器套件低 3-10 倍（估）；Cybercab 單位經濟直接優勢；代價是減少感測器冗餘性與全天候韌性

第四節：台積電集中風險——台灣海峽地緣政治情境分析

AV AI 運算的半導體供應鏈主要流經台灣（台積電）與南韓（三星）。台積電是全球最先進的晶圓代工廠，負責整個科技業大部分先進製程晶片的製造——不僅限於 AV。這種集中創造了遠超自動駕駛的系統性風險。

風險維度	Tesla 曝險	Waymo 曝險	全業界影響
台積電依賴	高：HW4 FSD 晶片（車載推理）在台積電 7nm；Dojo D1（訓練）估在台積電（估）；兩個關鍵元件均依賴台灣單一代工廠	中等：Waymo 自研運算晶片可能在台積電或三星製造（未公開）；在 AI 運算層有類似曝險（估）	幾乎所有先進 AI 運算（NVIDIA、AMD、Apple、Tesla、Qualcomm）均由台積電或三星製造；整個 AI 產業面臨台灣集中風險
台灣海峽衝突情境	台灣衝突或封鎖將停止台積電生產；HW4 FSD 晶片估有 3-6 個月製造交期；目前在台灣和南韓以外不存在等效 7nm 車規製造能力	類似的 Waymo 運算供應中斷；Waymo 自研 LIDAR 製造可能比 Tesla 晶片集中有更多地理分散性（估）	全面台灣海峽衝突不僅停止 AV，更停止全球電子產品生產；這是影響所有科技領域的災難性情境
台積電地緣對沖	台積電已在亞利桑那州建廠（N3E/N4 節點 2025-2026 年上線）並在日本建廠（N28/N16）；亞利桑那產能相對台灣有限；3nm 及以下仍集中於台灣	相同的業界對沖適用；台積電亞利桑那廠在有限規模下為先進製程節點提供一定韌性	台積電地理分散化進行中，但估計到 2028-2030 年前無法在美國達到台灣級別的產能
三星作為替代	Tesla HW3 由三星 14nm 製造；三星在南韓具備 5nm/3nm 能力；韓國地緣政治估比台灣穩定（估），但非零風險（北韓鄰近）	未知；Waymo 運算製造商未完全公開；三星為可行替代選項（估）	三星提供對台灣有意義的分散；Tesla 已驗證三星在車規 AI 推理晶片製造的可行性
供應鏈韌性評分	Tesla：中至高風險（台積電 HW4 為現行車輛的單一來源依賴）；部分由三星 HW3 歷史與舊款車隊緩解	Waymo：類似 AI 運算風險；通過多家 LIDAR/雷達/攝影機供應商，感測器層可能有略好的元件級分散	兩家公司面臨類似的底層半導體集中風險；Waymo 多感測器方法在感測器層可能有略好的元件級供應分散性

第五節：感測器供應鏈基準計分卡

供應鏈維度	Waymo	Tesla	優勢	2028 年展望
每輛車感測器成本（估）	較高：估多感測器套件總計 5,000–15,000 美元（估）	較低：估攝影機 + FSD 運算 1,000–3,600 美元（估）	Tesla——每輛車感測器成本顯著較低	LIDAR 成本持續下降；差距收窄但除非 LIDAR 達到每顆低於 200 美元，Tesla 維持純攝影機成本優勢
LIDAR 成本軌跡	正面：Waymo 推動 LIDAR 從估 7.5 萬美元（2009）降至估不到 1,000 美元（2026 年自研）；15 年內超過 99% 降幅	不適用：Tesla 不使用 LIDAR	Waymo——卓越的成本降低成就；LIDAR IP 為護城河	LIDAR 成本降低持續；若 LIDAR 到 2028-2030 年達到每顆 200 美元以下（估），與攝影機成本的經濟交叉點可能出現
感測器供應鏈複雜性	高：來自多家供應商的 LIDAR + 雷達 + 攝影機 + AI 運算；更多元件 = 更大的供應鏈風險面	低：攝影機（商品，多家供應商）+ FSD 晶片（台積電/三星）；更簡單的兩元件供應鏈	Tesla——更簡單、複雜度更低的供應鏈	Waymo 的 Hyundai Ioniq 5 合作可能實現工廠級供應鏈整合；複雜性被管理但未消除
台積電/半導體集中風險	類似：自研 AI 運算估在台積電製造（估）；未公開確認	高：HW4 在台積電 7nm 是現行車隊的單一來源依賴	大致相當——兩者均面臨 AI 運算層的台積電集中風險	台積電亞利桑那廠 2025-2026 年上線；到 2028 年降低但不消除風險
自研硬體能力	高：Waymo 開發自研 LIDAR + 自研 AI 運算；感測器與運算層均有深度硬體 IP	高：Tesla 設計 FSD 晶片（HW3/HW4）+ Dojo 訓練晶片；運算層深度硬體 IP	大致相當——兩者均有顯著的自研硬體設計能力	兩者繼續自研硬體開發；Waymo 擴展感測器 IP，Tesla 擴展運算 IP
單位經濟影響	較高的每輛車感測器成本是 Waymo 的主要單位經濟挑戰；車隊盈虧平衡要求感測器成本 + 車輛採購 + 運營成本低於每英里票價收入	較低的每輛車感測器成本是 Tesla Cybercab 相對 Waymo 的主要單位經濟結構優勢	Tesla——感測器成本降低帶來的單位經濟優勢是供應鏈到經濟最重要的連結	感測器成本差距是 Waymo vs. Cybercab 單位經濟比較中最重要的驅動因素；LIDAR 下降速度決定差距如何演變
總體結論	感測器供應鏈是 Tesla 純攝影機架構選擇商業優勢最具體體現之處。Tesla Cybercab 估每輛車 1,000–3,600 美元的感測器成本 vs. Waymo 估 5,000–15,000 美元的多感測器套件，創造了直接決定獲利運營最低可行票價的根本性單位經濟差距。Waymo 15 年的 LIDAR 成本降低歷程——從估 7.5 萬美元到不到 1,000 美元——是科技史上最偉大的硬體成本降低故事之一，但與純攝影機成本的差距仍然顯著。兩家公司在 AI 運算晶片方面面臨類似的台積電集中風險。2028 年展望：若 LIDAR 繼續其成本軌跡，在量產下達到估低於 500 美元/顆，配備 LIDAR 的 AV 與純攝影機之間的感測器成本差距將大幅收窄——可能改變多感測器冗餘 vs. 簡化的經濟案例。

第六節：關於本系列

本文是實體 AI 基準系列第 194 篇。前期文章涵蓋了規模化指數、人形機器人競賽、單位經濟、全球競爭、高精地圖、車隊運營、軟體與 OTA、保險與責任、消費者需求、合作夥伴、競爭護城河、Cybercab vs. Model Y、安全數據、Waymo 第六代、Optimus 製造、計分卡快照、2030 年預測情境、投資者框架、Waymo 城市擴張、Tesla 州際批准地圖、AV 天氣限制、人才爭奪戰、監管日曆、Robotaxi 票價定價、AV 數據飛輪、人形機器人部署追蹤、供應鏈分析、消費者採用指數、Waymo 估值與 IPO 分析、Tesla FSD 架構、Dojo 運算、Cybercab 量產等。

本文新增了感測器供應鏈維度：決定商業 AV 單位經濟是否可行的硬體成本軌跡、嵌入半導體供應鏈的地緣政治風險，以及 Tesla 純攝影機 vs. Waymo 多感測器架構選擇最具商業意義的後果。LIDAR 成本降低軌跡——從 2009 年的 7.5 萬美元到 2026 年的不到 1,000 美元——是商業 AV 的賦能故事；台積電集中風險是兩家公司共同面臨的結構性脆弱點；兩種方法之間的感測器成本差距是當今實體 AI 競賽中商業意義最重要的供應鏈維度。

注意： 本文所有成本數字、供應鏈估算與地緣政治風險評估均基於公開資訊、業界分析師評論與公開揭露的技術規格。標注「（估）」的成本數字為估算值，未經 Waymo、Tesla、台積電或其各自供應鏈合作夥伴確認。本文為教育性市場分析，非投資建議。