Physical AI 天氣 ODD 2026 — Waymo LIDAR 雷達融合 vs Tesla 純鏡頭：全天候自駕車基準測試
Waymo 的 LIDAR 加雷達在鏡頭因霧雨降級時可提供補償。Tesla FSD 為純鏡頭架構。降雪地帶城市對目前所有商業自駕車仍屬禁區。
歷史
實體 AI 勞動力衝擊 — Waymo 與 Tesla Optimus 規模化後，叫車、貨運與製造業就業如何重塑
Waymo 每週 15 萬次行程相當於取代 750 個全職司機；Aurora 自駕卡車先填補 8 萬人缺口；Optimus 預計 2028 年起替代工廠職位。
機器人計程車票價分析 — 乘客今日的費用與邁向每英里不到一美元的路徑
Waymo與Tesla今日的每趟收費、與Uber的比較，以及隨車隊規模擴大實現每英里低於1美元的路徑。
機器人計程車 vs 叫車平台經濟學 — Waymo 或 Cybercab 何時比 Uber 更便宜？
每英里成本模型分析：Waymo 與特斯拉 Cybercab 在不同車隊規模下何時可低於 Uber 定價。
Tesla Cybercab 經濟學 — 低於 3 萬美元機器人計程車的商業邏輯
Tesla 目標 Cybercab 製造成本低於 3 萬美元。本文以基準形式拆解機器人計程車單車經濟學——使用率、每英里收入、損益兩平點，及與 Waymo Gen 6 的比較。
Tesla Cybercab 對決 Model Y 機器計程車——兩款車、兩條時間線、一條量產路
Model Y 機器計程車已在奧斯丁上路，Cybercab 是長期經濟效益之選——解析 Tesla 雙車並行策略與量產時程。
Tesla Dojo 超級電腦 — 自研 AI 晶片與 FSD 背後的算力擴展論點
Tesla 自研 Dojo D1 晶片是 FSD 與 Optimus 訓練的算力核心 — 押注更快的訓練吞吐量能持續複利帶來更好的自動駕駛。
Tesla Dojo vs. 雲端算力 — FSD 與 Optimus 訓練背後的自建與外購決策
Tesla 自研 Dojo 叢集與租用 H100/B200 雲端算力的架構、經濟模型與戰略意涵全面比較分析。
Tesla 能源 + 自駕協同效應 — 無競爭者能複製的超充-Megapack-機器計程車飛輪
Tesla 超充、Megapack 與 V2G 資產如何構成競爭對手無法複製的能源飛輪，為機器計程車隊提供結構性優勢。
Tesla FSD 數據飛輪 — 600 萬輛車如何打造無法複製的 AI 訓練迴路
Tesla 每天產生的駕駛訓練數據超過全球所有機器人計程車公司的總和。FSD 數據飛輪如何複利增長，以及為何沒有競爭者能夠複製。
Tesla FSD 端對端架構——v12 神經網路內部解析，從規則到學習的根本轉變
Tesla FSD v12 將 30 萬行規則式 C++ 替換為單一端對端神經網路，以數十億英里監督式駕駛影片訓練而成。
Tesla FSD 進軍歐洲 — UNECE 型式認可路徑與歐盟無人駕駛時程
UNECE WP.29、ALKS R157 與 GDPR：Tesla 與 Waymo 在歐盟展開商業無人駕駛前必須突破的結構性障礙。
Tesla FSD 進軍歐洲 — UNECE WP.29 型式認證、GDPR 與歐盟法規路徑
歐盟集中式 UNECE WP.29 型式認證與 GDPR 數據限制，使歐洲成為 Tesla FSD 面對的截然不同監管前沿，遠比美國州級許可複雜。
Tesla FSD 州別許可地圖 — 無人駕駛商業營運的監管路徑
逐州解析 Tesla FSD 現況、各州無人駕駛商業許可要求，以及通往加州（全美最大汽車市場）的監管路徑。
Tesla FSD 時間軸歷史——自動駕駛承諾與現實的十年回顧
Tesla 自 2016 年起持續作出 AV 承諾。十年數據揭示一致模式：技術確實到來，但時間軸普遍延誤 2–4 倍。
Tesla Optimus 深度剖析——人形機器人製造爬坡與實體 AI 堆疊
Tesla Optimus 與 FSD 共用同一套神經網路架構。本文深入解析製造爬坡、工廠部署時程，以及 Optimus 何以成為實體 AI 領域最大的押注。
Tesla Optimus 量產爬坡——工廠任務、產量目標與人形機器人押注
Tesla Optimus 工廠任務、產量目標與人形機器人經濟模型——Tesla 最高風險 Physical AI 押注全面解析。
Waymo 逐城擴張分析：各市場數據、指標與下一步城市佈局
逐城解析 Waymo 各活躍市場，以及把關新城市上線的六大標準，並提出 2028 年三種擴張情境預測。
Waymo 城市擴張劇本 — 地理規模是最難翻越的關卡
Waymo 在四座美國城市運營。每座城市從初始測繪到無人商業上線耗時3至6年。為何地理擴張——而非技術本身——是 Physical AI 斜坡的核心瓶頸。
Waymo Driver 軟體架構——驅動全球最大無人駕駛車隊的六層技術堆疊深度解析
Waymo 模組化六層堆疊——感知、世界建模、預測、規劃、控制——是其安全記錄背後的技術基礎。