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。
歷史
Physical AI 模擬基礎設施 — Tesla Rerender 對決 Waymo CarCraft 與合成資料競賽
Tesla 神經重繪引擎與 Waymo CarCraft 平台，代表兩種截然不同的大規模合成訓練資料生成策略。
實體AI模擬與測試——Tesla影子模式 vs Waymo CarCraft：十億英里規模的自動駕駛驗證
Waymo CarCraft每天運行150億模擬英里；Tesla影子模式從600萬FSD車輛蒐集真實訊號。完整自動駕駛安全論證需要兩者。
Physical AI 軟體堆疊架構 — Waymo 模組化管線 vs Tesla 端對端神經網路：AV 史上最關鍵技術決策
Waymo 採用可解釋模組化管線；Tesla 押注 600 萬輛車隊訓練的端對端神經網路；兩者正朝混合架構收斂。
實體 AI 供應鏈分析 — 硬體製造商、瓶頸與量產限制
誰製造驅動實體 AI 車隊的晶片、感測器與致動器，以及哪些供應鏈瓶頸可能在軟體就緒後仍阻礙量產擴展。
實體AI供應鏈——誰在製造感測器、晶片與致動器
逐層解析自駕車與人形機器人供應鏈：LIDAR、雷達、攝影機、AI運算晶片、致動器，以及地緣政治風險全圖。
實體AI供應鏈——雷射雷達、運算晶片、致動器，以及AV車隊擴張的隱藏瓶頸
硬體而非軟體才是實體AI的隱藏瓶頸：雷射雷達前置期、NVIDIA Orin配額、諧波減速器與Waymo的Zeekr依賴全面解析。
自動駕駛人才基準 — Waymo 15年Google SDC傳承 vs Tesla後Karpathy FSD團隊：工程力比拼
Waymo擁有15年Google SDC領域積累。Tesla後Karpathy FSD團隊完成端到端AI轉型，並握有自研晶片與600萬輛車的訓練資料規模。
實體AI人才爭奪戰 — 誰在贏得自動駕駛與機器人工程師的競賽
實體AI競賽本質上是人才競賽。具身AI工程師、AV系統專家與機器人硬體人才極為稀缺，人才短缺是AV規模化部署的隱藏限制因素。
實體AI人才爭奪戰——頂尖工程師的去向與科技領導權預測
2026年頂尖ML研究員與機器人工程師的人才流向，預測2028年的科技領導格局。
Physical AI 人才爭奪戰 — Tesla 與 Waymo 的 ML 工程師招聘、薪酬與團隊組成
Waymo 薪酬高於 Tesla 約 20-30%；Tesla 以使命廣度與 Optimus 機器人獨特性取勝。兩者均從相同的史丹佛-CMU-MIT 人才管道競相招募。
物理AI Tesla Optimus 2026 — FSD共用AI堆疊 vs 工業自動化：人形機器人基準測試與估值影響
Tesla Optimus 複用FSD的AI堆疊——視覺晶片、端對端訓練。Waymo無人形機器人計畫。Optimus可能成為Tesla到2035年最大物理AI業務。
Physical AI 單位經濟學 — Waymo 每英里收入 vs Tesla Cybercab 預計回收期：機器人計程車獲利競賽
Waymo 每英里估計收入 $2.50–$5.00，但仍未獲利。Cybercab 若達 $30K 成本目標且遠端操作極少，預計車輛回收期約 3 個月。
實體 AI 單位經濟學 2026——Waymo 每趟成本 vs. Tesla Cybercab vs. Aurora 自駕卡車：自動駕駛盈利基準測試
2026 年無主要自動駕駛平台達到盈利。Waymo 需靠第六代車輛降成本，Tesla Cybercab 目標造價約 3 萬美元（估），Aurora 須壓低每英里成本以取代人工駕駛。
實體AI城市設計衝擊——自駕車隊如何重塑停車場、路邊管理與城市基礎建設
自駕車隊將使美國8億個停車位成為擱淺資產，路邊管理將成為城市主要收入來源。Tesla超充模式土地需求極低，Waymo車庫每城需2至10英畝。
物理 AI V2X 2026 — Waymo 感測器融合 vs Tesla FSD 純視覺：車聯萬物智慧城市連結基準測試
Waymo 與 Tesla 目前皆不依賴 V2X，但 Tesla 600 萬輛車隊若實現 V2V 協同感知，將創造自動駕駛產業最大的合作感知機會。
實體AI估值框架 — Waymo 450億與特斯拉1.28兆市值背後的假設
Waymo 450億估值與特斯拉近歷史高點：從市場價格反推機器人計程車與 Optimus 的成長假設框架。
實體 AI vs 傳統 AI — 為什麼建造機器人比建造聊天機器人更難
Moravec 悖論、模擬到現實的落差，以及為什麼 LLM 的擴展定律無法直接套用於機器人與自駕車。
實體AI Waymo Gen 6對比Tesla Cybercab 2026 — Zeekr量產加速、車隊成本下降與硬體基準
Waymo Gen 6透過Zeekr目標每輛車8萬至13萬美元。Tesla Cybercab純視覺方案目標低於3萬美元。成本差距是實體AI最關鍵的硬體基準。
Physical AI 天氣與邊緣案例 — Tesla FSD 對 Waymo：雨、雪、霧與施工區表現基準
Waymo 商業營運不含雪地市場；Tesla FSD 鏡頭易受強光致盲。雷達是兩種架構在雨天與霧中的關鍵感測器。降雪是 Waymo 商業擴張的最大瓶頸。