自動駕駛無障礙——自動車如何改變老年人與身障者的行動自由
自動駕駛車輛有望為3,000至4,000萬名因身障或老化而無法駕車的美國人恢復行動自主——但前提是正確設計。
標籤 · #tesla
自駕車惡劣天氣性能——雨、雪、霧如何影響感測器，以及為何 Waymo 留守鳳凰城
雨水破壞攝影機、霧氣摧毀雷達光達、毫米波雷達幾乎無懼天候——地理氣候決定了無人駕駛計程車真正能落地的城市。
自動駕駛競爭版圖——Aurora、Zoox、Cruise：誰還在賽跑中？
自動駕駛不只是特斯拉對Waymo。Aurora已啟動無人卡車商業運營；Zoox仍在測試；Cruise在2023年事故後重建中。
自動駕駛消費者採用與乘車體驗指數 — 斜坡成長的需求面分析
乘車NPS、定價對比Uber/Lyft、採用曲線——消費者需求能否支撐自駕車規模目標的全面分析。
自駕車資安 — 可能阻斷實體 AI 浪潮的攻擊面全景
自駕車是聯網的電腦。大規模車隊遭駭可致人死亡，並讓實體 AI 投資論題倒退數年。
自駕車資安：遠端攻擊向量，以及 Tesla 與 Waymo 如何防護其車隊
自駕車資安全景：攻擊面分析、研究記錄的威脅類別、Tesla vs Waymo 防禦架構，以及重大資安事件對整個產業的影響。
自駕車資料即商業 — 車隊資料所有權與機器人計程車競賽背後的隱藏變現模式
每輛自駕車都是資料收集機器。誰擁有車隊資料？機器人計程車競賽背後藏著哪些變現模式？
AV 資料飛輪比較 — Tesla 數量 vs. Waymo 品質與 AI 訓練競賽
Tesla 擁有數十億英里的監督里程；Waymo 擁有數千萬英里完全無人駕駛里程。哪種資料類型能贏得 AI 訓練競賽？
自動駕駛資料飛輪 — Tesla 600萬輛 vs Waymo 無人駕駛品質優勢
Tesla 收集數量，Waymo 追求品質。哪個資料飛輪能在2028年前打造出更強的自動駕駛系統？AV投資人必讀的結構性護城河比較。
自駕車緊急車輛互動——機器計程車如何應對警車、救護車與消防車
偵測警報聲、讓行消防車、解讀警察手勢——緊急車輛互動是自駕車最難的邊緣情境之一，且已引發真實監管行動。
自動駕駛財務永續性 — 燒錢速率、資金跑道，以及誰能負擔得起實體AI爬坡
全面分析Waymo、Tesla、Aurora等頂尖自駕車計畫的燒錢速率、資金跑道與單位經濟學，揭示誰能完成實體AI爬坡。
AV 車隊倉儲運營 — Waymo 隱藏的規模瓶頸與 Tesla 輕資產模式
商業 AV 車隊如 Waymo 需要專屬倉儲進行充電、感測器校準與清潔，這是 Tesla 消費者擁有模式得以繞過的資本密集擴張上限。
自動駕駛車隊電動化——決定勝負的充電基礎設施競賽
商業自動駕駛車隊將 100% 電動化——不是出於法規要求，而是運營經濟學的必然結果。瓶頸在於充電基礎設施。
自駕車隊能源消耗—Tesla充電護城河 vs. Waymo儲能依賴
商業自駕車每日耗電量為個人電動車的7至8倍（估計值）。Tesla垂直整合能源體系賦予其Waymo無法複製的電網結構性優勢。
自動駕駛車隊運營——Waymo 如何每日管理機器人計程車艦隊
調度演算法、充電後勤、維護週期與車輛救援——將自動駕駛硬體轉化為盈利車隊服務的運營層。
實體AI全球法規地圖 — 美歐中日政策分歧如何決定自動駕駛實際落地版圖
美國碎片化、歐盟型式認證、中國政府加速、日本漸進——為何Waymo在鳳凰城而非巴黎，各地法規對AV時程的關鍵影響。
HD 地圖 vs 無地圖自動駕駛 — Tesla 與 Waymo 為何在地理擴張上押注相反？
HD 地圖 vs 無地圖架構：這一個設計選擇如何決定 Waymo 與 Tesla 在地理規模、成本與護城河上的長期命運。
自駕車保險市場演變 — 保險業如何因應無人駕駛車隊
無人車出事誰負責？保險業如何在AV累積真實安全數據之際重新定價風險，以及3000億美元市場的結構性轉變。
自駕車保險與責任歸屬 — 機器人車輛肇事時誰來買單
自駕車責任歸屬至今無定論。這個問題決定了保險成本、資本需求，以及哪些 AV 公司能活到規模化。
自動駕駛車保險與責任歸屬——Waymo 與 Tesla 的部署策略如何被法律框架所塑造
Waymo 出事由 Waymo 賠；Tesla FSD 出事責任待釐清——這道分野左右了兩家公司每一個部署決策。
自動駕駛地圖技術——高精地圖對比純視覺，誰將贏得道路測繪競賽？
Waymo押注釐米級高精地圖，Tesla押注純視覺即時建圖，Mobileye押注眾包地圖層——三種架構對AV擴張經濟學影響截然不同。
自動駕駛夜間與低光源性能——純視覺與 LiDAR 感測堆如何應對黑暗與惡劣天氣
夜間與惡劣天氣佔真實行駛里程約 50% 的安全風險——Tesla 純視覺與 Waymo LiDAR 感測堆的性能差異直接決定自動駕駛地理擴張與商業規模。
無人駕駛艙 — 自駕車如何重新設計乘客體驗
駕駛消失後，整個車廂都能以乘客為中心重新設計——這改變了支付意願、可接受行程長度，以及哪個機器人計程車業者能勝出。
自駕車乘客體驗——搭乘 Waymo 與 Tesla 機器人計程車的真實感受
乘客調查與 G 力數據揭示：Waymo 與 Tesla 機器人計程車的乘坐舒適度如何直接驅動採用率與回頭使用率。
自駕車行人與自行車偵測——最難的感知問題與安全數據
行人與自行車是自駕車感測器最難應對的目標——體積小、速度快、難以預測。本文解析偵測挑戰與安全數據。
美國自動駕駛法規地圖——Tesla FSD 無監督模式各州審批需求全解析
美國沒有聯邦自動駕駛標準，50 州各自訂規。法規壁壘而非技術，才是 Tesla FSD 機器人計程車擴張的主要制約。
AV 遠端協助運營 — 每輛「無人駕駛」車背後隱藏的人力模型
每個商業無人駕駛車隊都有遠端協助操作員（RAO）監控。車輛對操作員比率（VPO）是規模化部署的核心經濟指標。
自動駕駛遠端操作中心 — Waymo 人工介入安全網的運作方式，以及 Tesla 為何沒有建立
Waymo 機器人計程車卡關時，遠端人工操作員會介入協助。本文解析這套安全網的運作機制，以及 Tesla 為何選擇不建立同樣的架構。
自駕車乘車經濟學 — 每英里成本、VPO 槓桿與 Waymo 及 Tesla 機器人計程車盈利路徑
自駕車乘車成本由下而上建模：車輛攤銷、VPO 遠端協助比率、車隊利用率，解析 Waymo 與 Tesla 機器人計程車何時能獲利。
自動駕駛安全數據比較——NHTSA SGO 事故報告、每百萬英里碰撞率與法規擴張準備度
NHTSA SGO 碰撞數據比較：Tesla FSD 對 Waymo 事故率、正規化說明，以及數據對許可擴張的意涵。
自駕安全指標——為何沒有標準方式比較 Tesla 與 Waymo
各家 AV 公司使用不相容的安全指標。本文提出真正的 Physical AI Ramp Index 應衡量哪些項目，以及各領導廠商現況。
自動駕駛 vs 人類駕駛安全性——數據真正顯示了什麼
Waymo、特斯拉、NHTSA申報資料：自動駕駛安全數據實際顯示了什麼、為何比較困難，以及對Physical AI發展速度的意義。
自駕車感測器技術——定義實體AI競賽的光達vs攝影機vs雷達之爭
Tesla 只用攝影機，Waymo 堅持光達不可或缺。感測器之爭決定誰能贏得自駕車競賽。
自駕車模擬——Waymo與Tesla如何在數十億虛擬里程上訓練自動駕駛系統
Waymo每年模擬200億英里；Tesla透過Dojo訓練600萬輛車的影像——模擬是拉開自駕車差距的關鍵乘數。
自動駕駛人才大戰 — 頂尖工程師流向哪裡，對 Physical AI 加速意味著什麼
Apple Titan、Cruise、Argo AI 約釋出 4,000 名 AV 工程師。他們的去向正是 Physical AI 加速賽中誰在勝出的最清晰訊號。
自動駕駛每英里成本解析：Waymo 成本結構、Tesla Cybercab 製造賭注與機器人計程車盈利路徑
Waymo 與人類 Uber 司機每英里成本比較、Tesla Cybercab 製造賭注，以及機器人計程車獲利臨界點分析。投資人關鍵單位經濟學解讀。
自駕車城市規劃衝擊——自動駕駛如何重塑城市、停車場與基礎設施
自駕車不只取代駕駛人，更將解放城市30%的停車用地，迫使道路、路緣與都市形態進行世代性重新設計。
自駕車 V2X 通訊——車輛如何與基礎設施、彼此及行人溝通
V2X 讓自駕車能與號誌、其他車輛及行人共享資料，透過預測性無線通訊將感知範圍延伸至感測器視野之外。
AV 天氣與氣候限制 — 無人駕駛擴張的物理上限
雨霧雪熱如何決定 Tesla FSD 與 Waymo 的地理上限，以及哪些美國城市能最快實現無人駕駛。
自駕車天氣性能 — 雨、雪、霧與感測器極限：解析 Waymo 南擴策略與 Tesla 的攝影機優勢
雨、雪、霧如何以不同方式降低光達、攝影機與雷達的性能——以及感測器物理學如何解釋所有大型自駕車公司的太陽帶擴張模式。
中國實體AI競賽——百度Apollo、WeRide、小馬智行與比亞迪的自駕車雄圖
中國自駕車深度分析：百度Apollo、WeRide、小馬智行、比亞迪，以及實體AI競賽如何分裂為兩場平行競爭。
Cruise 崩潰事件 — 自駕車監管風險的最重要教訓
GM Cruise 如何在 2023 年失去加州無人駕駛許可、三大失敗模式，以及對 Tesla 與 Waymo 擴張的監管啟示。
Tesla Cybercab vs Waymo第六代 — 將定義實體AI十年的機器人計程車正面對決
Tesla Cybercab與Waymo第六代車型代表對立的機器人計程車哲學——成本與規模對抗感測器冗餘與運營能力。
歐洲自駕車競爭格局——賓士 Level 3、CARIAD 的警示，以及歐洲如何看待自動駕駛
賓士擁有全球首個合法 L3 量產認證。CARIAD 成為一個警示故事。歐洲採取與美國根本不同的監管路徑。
全球自駕車法規地圖 — 哪些國家在推動 Physical AI 爬坡，哪些在阻擋？
自駕車法規是 Physical AI 爬坡最被低估的瓶頸。2026 年中全球法規地圖：誰在開路，誰在阻擋。
人形機器人商業化——工廠、倉庫與38兆美元勞動市場
人形機器人已在特斯拉、BMW與亞馬遜倉庫展開商業部署，瞄準估計38兆美元的全球勞動市場。
2026年人形機器人競爭全景 — 超越Optimus：完整賽場基準測試
八大人形機器人計畫全面基準測試：Tesla Optimus、Boston Dynamics Atlas、Figure 02、Agility Digit等，2026年各自現況。
人形機器人部署追蹤器 — 2026年中誰真的在工作？
2026年中各人形機器人平台的實際部署數量、任務與生產力數據，對比仍停留在發布稿階段的競爭者。
2026年上半年實體AI總結 — 自動駕駛與機器人領域十大重要進展
2026年上半年十大自動駕駛與機器人里程碑：從特斯拉奧斯汀機器人計程車到Waymo每週15萬次乘車。
實體 AI 2030 預測 — Tesla、Waymo 與人形機器人三情境展望
熊市、基準、牛市：根據 22 篇實體 AI 基準系列數據，預測 Tesla 機器人計程車、Waymo 與 Optimus 在 2030 年的落點。
實體 AI 無障礙設計 2026——Waymo 輪椅無障礙車計畫 vs Tesla Cybercab ADA 合規挑戰：融合行動力基準
自動駕駛車無需改裝即可服務視障乘客。輪椅無障礙需要 WAV 設計與自動固定系統——目前業界尚未解決。Waymo 在 ADA 承諾上領先實體 AI 競爭者。
自動駕駛車輛與無障礙出行——如何為 7,000 萬以上無法開車的美國人帶來移動自由
自動駕駛車輛如何為 7,000 萬以上無法合法或安全駕車的美國人解鎖獨立出行——市場潛力與監管邏輯全面解析。
實體 AI 無障礙 2026 — Waymo 首創無人駕駛讓非駕駛人獨立出行 vs Tesla FSD：自動駕駛社會影響力基準
Waymo 是首個非駕駛人可獨立使用的無人駕駛服務；Tesla FSD 仍需持照駕駛人；Cybercab 驗證後或能擴大服務範圍。
Physical AI 中國篇 — 百度 Apollo、Pony.ai、WeRide 與機器人成本顛覆
中國 AV 與人形機器人賽道——百度 Apollo Go、Pony.ai、WeRide、Unitree——是美國投資人低估的基準維度。
中國實體 AI — 百度 Apollo、WeRide、文遠知行的機器人計程車已商業化運營
中國已建立並行的機器人計程車生態系統。百度 Apollo、WeRide、Pony.ai 正在商業運營——中美競賽比多數人意識到的更近。
Physical AI 城市擴張指數 — Waymo 的四城市劇本、Tesla Austin 地理圍欄與下一批 AV 戰場
Waymo 在 4 座城市覆蓋逾 375 平方英里無人駕駛服務；Tesla 在 Austin 以有監督模式啟動。達拉斯、邁阿密、亞特蘭大是下一批 AV 戰場。
物理AI城市擴張速度指數 Q2 2026 — Waymo 四城商業版圖 vs Tesla 奧斯汀進場：擴張基準測試
Waymo：4座無人駕駛城市，每週逾15萬趟。Tesla：1座有監督員的奧斯汀城市，等待FMVSS豁免與Cybercab量產才能實現無人駕駛規模。
實體AI競爭格局指數 — 所有主要AV與人形機器人玩家依商業化成熟度排名
實體AI全場競爭格局排名：Waymo與Tesla領跑AV，百度壟斷中國，Figure、Optimus、Boston Dynamics加速人形機器人競賽。
2026 年實體 AI 競爭格局：Zoox、Aurora、Cruise 與 Mobileye 挑戰者基準測試，對照 Waymo 與 Tesla
Waymo 與 Tesla 領先商業無人駕駛多年。Aurora 引領貨運 AV。Zoox、Cruise 與 Mobileye 仍為商業化前期——競爭者比頭條所示更少。
實體AI競爭護城河分析 — 持久優勢與暫時優勢
特斯拉、Waymo 與中國自動駕駛玩家，哪些競爭優勢結構上難以複製？哪些會隨市場成熟而消退？
Physical AI 競爭護城河分析 — 網路效應、資料飛輪與特斯拉對決 Waymo 長期競賽中的持久優勢
Waymo 的護城河深而窄：最佳無人駕駛運營商與安全紀錄。特斯拉的護城河寬而結構性：資料飛輪加超充網路加垂直整合加 Optimus 潛力。
實體AI競爭護城河——Waymo法規領先優勢 vs Tesla車隊數據規模：哪些優勢能持續複利？
Waymo在無人駕駛許可與安全紀錄上擁有耐久的近期護城河；Tesla在車隊數據規模、垂直整合和消費者生態系統上擁有更廣的長期護城河。
2026 實體 AI 競爭格局全景：Cruise 崩潰、Aurora 卡車自駕、百度中國市場，以及 Waymo 與 Tesla 之外的完整 AV 賽局
Cruise 因 2023 年掩蓋事件而崩潰，Aurora 已開始賺取卡車自駕收入，百度在中國叫車次數媲美 Waymo，2026 年 AV 格局已急速整合。
實體 AI 運算架構 — 邊緣 vs 雲端：Tesla FSD 晶片、Waymo 客製 ASIC 與 Dojo 超級電腦
邊緣推論 vs 雲端訓練：Tesla FSD 晶片、Waymo 客製 ASIC 與 Dojo 如何分工，掌控自駕車的完整運算堆疊。
實體 AI 運算基礎設施 — Tesla Dojo、Google TPU、NVIDIA H100 在自駕訓練軍備競賽中的角力
Tesla 押注 Dojo 自研晶片目標達成每 FLOP 1 美元，Waymo 繼承 Google TPU 規模優勢，兩者在訓練迭代速度上皆遠超依賴 NVIDIA 的競爭對手。
實體AI算力對決 — Waymo Google Cloud TPU vs Tesla Dojo D1：訓練基礎設施基準測試 2026
Waymo 使用 Google TPU Pod 並享受補貼算力，每日模擬 150 億英里。Tesla 建造 Dojo D1 專用晶片訓練影片，同步運行 NVIDIA H100 叢集。
2026 Physical AI 算力競賽 — NVIDIA B200 vs Tesla Dojo vs Google TPU：自動駕駛與機器人訓練基礎設施基準測試
NVIDIA B200 估計 9 exaFLOPS 驅動幾乎所有自動駕駛 AI 訓練。Tesla Dojo 押注自研晶片，Waymo 透過 Alphabet 使用 Google TPU。算力決定勝負。
Physical AI 運算力 2026 — Waymo Google TPU 對比 Tesla Dojo D1 與 FSD 晶片：AI 訓練基礎設施基準測試
Waymo 使用 Google TPU 叢集訓練模型；Tesla 以 Dojo D1 加上 600 萬輛車隊數據訓練。訓練算力差距是 Physical AI 隱形的速度限制器。
2026年實體AI消費者採用報告——Waymo 4.9星滿意度對比Tesla FSD用戶情感：需求端基準測試
Waymo獲得4.9星以上評分與高回訪率。Tesla FSD v12後情感大幅改善。實體AI消費需求已獲驗證，規模化才是瓶頸。
實體 AI 乘客體驗——評分、等待時間與 NPS：Waymo One vs Tesla 機器人計程車 vs Uber
Waymo One NPS 估計達 70-80，Uber 約 30-40；零司機取消率與無浮動加價是結構性優勢。車隊規模是 AV 壟斷叫車市場的唯一障礙。
實體AI資安 — 自駕車攻擊面、感測器欺騙與全車隊風險
針對自駕車的網路攻擊是實體安全事件——感測器欺騙、OTA管線漏洞與HD地圖注入，作為實體AI安全基準維度的系統性分析。
Physical AI 資安 2026 — Waymo LIDAR 欺騙 vs Tesla FSD 對抗攻擊：自駕車安全基準報告
Waymo 多感測器融合抵抗 LIDAR 欺騙與對抗補丁。Tesla 純視覺 FSD 面臨不同攻擊面。OTA 安全對兩者皆關鍵。
實體AI資料飛輪 — Tesla 6百萬輛車的訓練優勢、Waymo 5千萬英里無人駕駛里程，以及數量還是品質決定AV競賽勝負
Tesla 6M車隊 vs Waymo 5千萬無人英里：以資料飛輪為實體AI基準維度，分析數量與品質何者勝出。
Physical AI 數據飛輪 2026 — 特斯拉 60 億英里監督式 FSD 數據 vs Waymo 3000 萬英里全自動駕駛：訓練數據基準測試
特斯拉累積超過 60 億英里監督式 FSD 數據，Waymo 擁有 3000 萬英里全自動駕駛里程。規模對品質——這場數據飛輪之爭定義了 Physical AI 的訓練優勢。
Physical AI 資料管線 — Tesla 600萬輛車收集飛輪 vs Waymo 每日150億模擬里程：訓練基礎設施競賽
Tesla 每日從600萬輛車收集數百萬英里FSD里程；Waymo每日運行150億模擬里程。數量vs品質定義了Physical AI資料管線競賽。
實體 AI 資料隱私 2026——Waymo 商業車隊相機匿名化 vs Tesla 消費者訓練資料 GDPR 與中國審查：AV 資料治理基準報告
Waymo 對商業車隊資料中的人臉與車牌進行匿名化處理。Tesla 600 萬輛車的訓練數據管線面臨 GDPR 張力與中國相機審查壓力。
Physical AI 隱私 2026 — Waymo 乘客資料 vs Tesla 600 萬輛全球攝影機網路：資安與隱私基準
Waymo 蒐集商業乘客行程資料；Tesla 透過 Sentry Mode 和 FSD 運行 600 萬台以上攝影機。自動駕駛隱私是 Physical AI 浮現中的地緣政治風險。
實體 AI 公共安全 2026 — Waymo 無人駕駛警察攔停協議對比 Tesla 2021 NHTSA 緊急車輛召回：邊緣案例 AV 基準測試
Waymo 建立了無人駕駛警察攔停協議。Tesla 因 Autopilot 未能偵測路旁靜止緊急車輛，於 2021 年遭 NHTSA 召回。
實體 AI 充電基礎設施 2026：Waymo 每城一座充電站 vs Tesla 六萬座超充網絡的 EV 車隊基礎設施基準測試
Tesla 全球超過六萬座超充連接器，Waymo 每進入一座新城市就必須建一座充電站。充電基礎設施是實體 AI 最被低估的結構性護城河。
Physical AI 能源 2026 — Waymo 雷射雷達耗電 vs Tesla 攝影機效率：AV 車隊充電與電網衝擊基準報告
Waymo 雷射雷達估計耗電 100-150W，Tesla 攝影機不足 8W。AV 電動卡車若取代柴油車，貨運 CO2 估計可降 75%。
實體AI能源足跡——自動駕駛車輛與人形機器人的環境成本
LIDAR感測器、訓練算力、稀土材料：自動駕駛車輛與人形機器人的完整生命週期環境成本全面解析。
實體AI能源基準——AV艦隊充電、Dojo算力耗電與人形機器人電池續航
AV艦隊充電需求、Dojo訓練耗電與人形機器人電池續航全面量化——能源成本是實體AI經濟學中被低估的關鍵變數。
實體AI能源基礎設施——Tesla超充網絡作為機器人計程車護城河、Waymo車場充電對比，以及百萬輛AV車隊對電網的衝擊
Tesla超充網絡在逾50個國家預部署充電設施，每城市成本幾乎為零；Waymo每座城市需支付200至1000萬美元建設車場；能源基礎設施是實體AI最被低估的護城河。
實體 AI 極端天氣 2026 — Waymo LIDAR 霧中表現 vs Tesla FSD 相機雪地性能：全天候自動駕駛基準測試
Waymo 以 1550nm LIDAR 應對舊金山大霧。Tesla FSD 仰賴積雪地區訓練資料。截至 2026 年中，無任何 AV 系統通過大雪或結冰路面的無人駕駛驗證。
Physical AI 投資人計分卡 Q2 2026 — Waymo 450億美元獨立估值 vs Tesla 4,000億美元自動駕駛選擇權：財務指標儀表板
Waymo 年化機器人計程車收入估計達 1.5 億美元，獨立估值 450 億美元；Tesla 已有 FSD 軟體收入流入，AV 選擇權估值高達 1,000 至 4,000 億美元。
實體 AI 車隊調度 — Waymo 如何即時路由 1,100 輛車，以及為何調度系統是隱形競爭護城河
Waymo 調度 OS 即時路由 1,100 輛自動駕駛車，是乘車量的乘數效應，也是難以複製的隱形競爭護城河。
實體AI車隊經濟學 — Waymo vs Tesla Robotaxi每英里成本、每趟收入與獲利路徑
Waymo Gen 6車輛成本降至約$45K（估），Tesla目標$30K Cybercab。兩者均需每週500K+趟次與更高使用率，預計2028-2030年才能損益兩平。
Physical AI 車隊維護經濟學 2026 — Waymo 光達感測器成本 vs Tesla Cybercab 攝影機平台：維護成本基準評測
Waymo Gen 6 光達套件每輛估計 2 萬至 6 萬美元，Tesla Cybercab 攝影機成本不到 500 美元——一項鮮少被納入模型的結構性維護優勢。
實體 AI 車隊維護 2026——Waymo 遠端運營中心與感測器清潔 vs Tesla OTA FSD 更新：AV 可靠性基準測試
Waymo 24/7 遠端運營中心覆蓋四城無人駕駛車隊。Tesla 每週 OTA 推送 FSD 更新至逾 600 萬輛車。兩種截然不同的可靠性模型。
Physical AI 車隊管理——Waymo 遠端操控成本、操作員比例與人機協作規模化挑戰
Waymo 目前每位遠端操作員負責 10-25 輛車、成本約 $0.20-0.40/英里（估計），提升至 1:100+ 是車隊經濟的關鍵槓桿。
物理AI車隊運營——遠端協助、場站基礎設施，以及無人駕駛背後的人力成本結構
Waymo已在4座城市累積逾4年商業無人駕駛車隊運營經驗；Tesla Robotaxi仍處奧斯汀早期部署階段。遠端操作員比例與場站成本是影響單位經濟效益的關鍵槓桿。
實體 AI 車隊運營 — Waymo 遠端操作中心 vs Tesla OTA 更新：2026 車隊管理基準測試
Waymo 以人工遠端操作員處理無人駕駛邊緣情境。Tesla 透過 OTA 將 FSD 更新推送至逾百萬輛車，每台邊際成本幾近於零。
自駕貨運 2026 — Aurora 無人卡車 vs Waymo Via vs Tesla Semi：自主貨運物流基準測試
Aurora 於 2025 年 4 月啟動商業無人駕駛 Class 8 卡車。Waymo Via 仍為監督模式。Tesla Semi 目前尚無自駕能力。
Physical AI 地理擴張 — Waymo 每城市投入估計 $1,000 萬至 $3,000 萬 vs Tesla 無地圖全國 FSD：版圖爭奪戰
Waymo 進入每個新城市估計耗費 $1,000 萬至 $3,000 萬美元，需時 12 至 36 個月。Tesla Cybercab 只需取得無人駕駛許可，無需 HD 地圖或專屬車場。
實體 AI 全球擴張 2026：Waymo 東京左行道首航 vs Tesla FSD 歐盟審批與中國數據風險——國際自動駕駛市場基準分析
Waymo 鎖定東京進行首次左行道部署；Tesla 中國 FSD 數據面臨《國家情報法》存取風險；歐盟要求 R157 法規認證。
實體 AI 超越美中歐——日本、阿聯酋、新加坡與澳洲作為全球驗證市場
日本、阿聯酋、新加坡與澳洲各為自動駕駛業者提供獨特的驗證場域，也各有其獨特壁壘，超越美中歐三角格局。
實體 AI 2026 下半年事件日曆：Waymo 與 Tesla 投資人路線圖 — 二元催化劑與量產里程碑
七大 H2 2026 二元事件主導實體 AI 投資路線圖：NHTSA FMVSS 裁定、Waymo 亞特蘭大上線、20 萬週次、Cybercab 量產更新。
物理AI硬體演進——激光雷達成本曲線、Tesla HW4至HW5、Waymo第六代，以及AV硬體BOM衝破千元門檻的競賽
激光雷達從2016年的75,000美元暴跌99%至今日不足500美元。Tesla HW4感測器BOM約300至700美元，Waymo第六代約5,000至15,000美元；Cybercab與第七代分別是各公司的硬體成本關卡。
實體 AI 導航 2026：Waymo HD 高精地圖依賴 vs Tesla 純視覺無地圖 FSD 導航架構基準測試
Waymo 無法在未建圖區域運作。Tesla FSD 毋需地圖，攝影機所見即可行駛。HD 地圖與無地圖策略是實體 AI 最關鍵的架構抉擇。
Physical AI 人形機器人競賽 2026——Tesla Optimus vs Figure AI vs Agility Digit：商業人形機器人基準評測
Tesla Optimus 目標量產成本 $20K。Agility Digit 率先進駐亞馬遜倉庫。Figure AI 結合 OpenAI VLM，操作演示領先業界。
Physical AI 人形機器人 — Tesla Optimus 對 Figure、Boston Dynamics、Agility 與 2026 商業化競賽
Tesla Optimus 目標 2026 年出貨 5 萬台，但 2025 年實際僅約 1,000 台。Figure 已部署於 BMW 慕尼黑工廠。Agility Digit 在亞馬遜倉庫完成最多商業部署。人形機器人競賽是多方角力。
Physical AI 人形機器人 2026 — Tesla Optimus vs Figure AI vs Agility Digit vs Boston Dynamics Atlas：全方位基準評測
Amazon Digit 領跑商業部署；Boston Dynamics Atlas 步態最強；Tesla Optimus 目標低於 $25K（估），具備最佳量產規模路徑。
實體 AI 保險 2026 — Waymo 無人車隊產品責任 vs Tesla FSD 監督駕駛責任分攤：AV 保險基準測試
Waymo 作為無人駕駛車隊運營商承擔完整產品責任。Tesla FSD 監督模式的責任分攤正在多個美國法院積極訴訟中。
實體AI保險與責任 — 機器人計程車出事誰來賠、AV保險市場如何演進
AV商業保險約$0.15-0.35/英里（估），Waymo無人駕駛營運人責任明確，而Tesla FSD監督模式責任仍與駕駛人分攤。
實體 AI 保險與責任歸屬：機器人計程車發生事故誰來賠？Tesla FSD、Waymo 自駕保險全解析
Waymo 透過 Alphabet 資產負債表自保，責任歸屬清晰；Tesla FSD 面臨 EULA 駕駛責任轉移的模糊地帶。AV 精算資料將於 2030 年成熟，保費預計下降。
Physical AI 保險責任 2026 — Waymo 商業承運人責任 vs Tesla FSD 責任轉移與 Cybercab 風險：保險架構基準測試
監督式 FSD 由人類駕駛負責；Cybercab 無人駕駛模式則由 Tesla 承擔責任。保險經濟學是 Physical AI 最被低估的獲利風險。
Physical AI 國際擴張 — 中國 AV 市場、歐盟法規競賽，以及 Tesla 對 Waymo 的全球策略
Tesla 無地圖 FSD 覆蓋中國約 60 萬輛（待 MIIT 核准）及歐盟逾 30 萬輛（待 WP.29）；單一型式核准即可解鎖各地區。Waymo 目前無任何國際商業部署。
實體 AI 國際擴張基準 2026：Waymo 僅限美國 vs Tesla 全球 FSD 車隊——歐洲、中國與全球擴張指數
Waymo 僅在美國 4 座城市運營，零國際布局。Tesla 已在 50 多個國家擁有支援 FSD 的車輛，是結構性全球實體 AI 優勢，Waymo 無從匹敵。
實體 AI 國際擴張 — Waymo 美國深耕、Tesla FSD 搶攻歐盟、中國平行自駕車競賽
Waymo 僅在美國運營；Tesla FSD 目標 2026-2027 年取得歐盟認證；中國百度、華為 ADS 與文遠知行已在阿聯酋展開平行競爭。
Physical AI 投資版圖 2024-2026：資金流向與誰將勝出
資本正向最接近商業規模的 Physical AI 公司集中——融資地圖揭示聰明錢押注的方向與原因。
實體AI投資版圖——誰在資助自駕車與人形機器人競賽
誰在資助自駕車與人形機器人競賽——資本流向揭示聰明錢押注實體AI商業化的走向與邏輯。
實體 AI 投資框架 — 如何在 Tesla、Waymo 與機器人競賽中佈局
實體 AI 教育性投資框架：涵蓋 Tesla、Waymo、NVIDIA 的直接、間接與零組件佈局方式。僅供教育參考，非投資建議。
Physical AI 投資版圖 — Waymo 逾450億美元估值、Tesla 1.2兆市值，資本為何從自駕車轉向人形機器人
Waymo 獲 Alphabet 支持估值逾 450 億美元，Tesla 市值達 1.2 兆；自駕車資金收縮，人形機器人融資加速。
Physical AI 投資者版圖 — Waymo 450億估值、Tesla 實體AI溢價，以及2026年押注AV的資金動向
Waymo 在 Alphabet 撐腰下融資逾110億美元估值450億；Tesla 以每股約400美元將3000至6000億美元的實體AI溢價嵌入市值。
實體AI就業衝擊——自動駕駛與類人機器人規模化對勞動市場的影響
自動駕駛與類人機器人威脅美國600至700萬個卡車、叫車及倉儲工作——時間表、政治阻力，以及對Tesla和Waymo的意涵。
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%。
Physical AI 製造規模 — Waymo Zeekr Gen 6 vs Tesla Cybercab 超級工廠：自動駕駛工廠經濟學
Waymo 從中國 Zeekr 採購 Gen 6，面臨百分之百關稅風險；Tesla 目標在德州超級工廠以低於 3 萬美元成本製造 Cybercab，垂直整合完整。製造經濟學若 Cybercab 量產成功則傾向 Tesla。
HD 地圖對決無圖行駛——建城市地圖要多少錢，以及這為何決定自駕車的擴張速度
HD 地圖每座城市需耗資數百萬並持續更新——Waymo 依賴它，Tesla 不需要。這項架構分歧決定了自駕車大規模擴張的速度。
Physical AI 地圖與定位——Waymo 公分級精度 HD 地圖 vs Tesla 無圖 FSD 及地理擴展鴻溝
Waymo 以 HD 地圖實現公分級定位，每城市成本 $1-5M（估）；Tesla FSD 無圖且擴展成本近零，但精度與惡劣天氣韌性較低。
實體 AI 地圖技術 2026 — Waymo 高精地圖先驗知識 vs Tesla 無圖端對端 FSD：自動駕駛導航架構基準測試
Waymo 在部署前以公分精度預建每條道路的地圖；Tesla FSD 不依賴任何高精地圖即可行駛。前者押注顯式知識，後者押注學習能力。
Physical AI 總索引 — Tesla vs Waymo 20維度完整爬坡評分表 2026年中報告
20維度 Physical AI 完整評分表：Waymo 在無人駕駛營運與安全領先；Tesla 在資料量、成本結構與長期市場信心領先。
Physical AI Optimus 量產斜坡——Tesla 2026年5萬至10萬台目標、工廠部署現況，以及人形機器人能力指標對比 Figure、Agility 與 Atlas
Tesla Optimus 2026年目標5萬至10萬台、長期售價低於$20K；當前工廠能力約人類的20-30%，落後已在BMW部署並整合OpenAI推理的Figure 02。
Physical AI 夥伴生態系——Waymo 的 Uber 與 Moove 聯盟 vs Tesla 垂直整合，誰的規模化更快？
Waymo 透過 Uber 需求與 Moove 車隊運營擴張，Tesla 押注超充樁護城河、車主運營模式與 Tesla Insurance；垂直整合在長期利潤率上佔優。
實體AI夥伴策略 — Waymo結合Uber配送與Moove車隊運營，對比Tesla百分百垂直直銷：聯盟基準測評
Waymo藉Uber配送與Moove車隊分攤邊際，換取更快規模化；Tesla掌控全鏈路，但須從零對抗Uber長達15年的市場基礎。
Physical AI 夥伴關係與生態系指數 — 誰來建構可規模化的車隊
決定 Waymo 與 Tesla 能多快將自動駕駛車輛部署上路的製造夥伴、車隊營運及配送合作關係全解析。
自動駕駛乘車體驗 — Waymo One 數百萬次真實搭乘 vs Tesla Cybercab 雙座設計承諾：消費者採用基準評測
Waymo One 累積數百萬次實際搭乘，App 評分 4.8 星。Tesla Cybercab 承諾每英里不到 1 美元，但僅限兩座且無商業無人駕駛記錄。
2026 實體 AI 專利大戰：Waymo 商業機密刑事前例 vs Tesla FSD 數據護城河——自動駕駛智慧財產權基準
Waymo Levandowski 案確立刑事商業機密前例。Tesla 數據護城河勝過專利。Aurora 謹慎布局 IP。中國另起平行賽道。
實體AI專利與IP版圖——誰掌握自駕車與人形機器人的關鍵護城河
專利組合是實體AI最持久的護城河——盤點2026年自駕感測融合、神經駕駛與人形運動學IP的主要持有者。
2026 實體 AI 行人與騎士安全——Waymo 多感測器 VRU 偵測對比 Tesla FSD 純視覺夜間表現：自動駕駛安全基準
Waymo LIDAR 在夜間偵測行人的能力與正午相同。Tesla FSD 純視覺系統依賴頭燈與神經網路。夜間 VRU 安全是關鍵戰場。
Physical AI 平台授權 2026 — Waymo 現代 OEM 合作與 Tesla 封閉垂直堆疊：AV 商業模式基準分析
Waymo 與現代的合作將工廠整合 AV 感測器植入 OEM 平台，Tesla 不授權任何技術並維持封閉堆疊，兩種對立的 AV 商業模式。
Physical AI 發展指數 2026 — 100 篇里程碑總評分卡：Tesla vs Waymo
2026 年中最完整 Physical AI 評分卡：Tesla vs Waymo 19 維度對比、競爭者現況、下半年關鍵信號與兩階段賽局裁決。
實體 AI 監管路徑 2026 — Waymo CPUC 州級許可 vs Tesla 聯邦 FMVSS 豁免：監管架構基準測試
Waymo 已取得 4 個美國城市的許可。Tesla 需要聯邦 FMVSS 豁免才能全國部署 Cybercab。一個 NHTSA 裁決可能重塑實體 AI 的競爭格局。
Physical AI 監管格局 — 自動駕駛許可地圖、NHTSA 聯邦框架與 Waymo 及 Tesla FSD 的歐盟型式認證路線圖
Waymo 已在加州、亞利桑那州與德州取得完整無人駕駛許可；Tesla 僅在德州採自我認證模式。歐盟 Level 3+ 型式認證是全球 AV 部署中剩餘最大的單一監管解鎖。
實體AI法規格局 — Waymo 4城市無人駕駛領先 vs Tesla Cybercab FMVSS豁免路徑：全球自駕車許可基準評測
Waymo在美國4座城市擁有無人駕駛許可；Tesla Cybercab需要NHTSA FMVSS豁免才能合法在公路上無方向盤大規模運營。
實體AI法規基準2026——Waymo CPUC/NHTSA許可證組合vs特斯拉FMVSS豁免：政策斜坡指數
Waymo在4個美國市場持有5張商業無人駕駛許可證。Tesla Cybercab需要NHTSA的FMVSS豁免——這是無人駕駛規模化的二元監管門檻。
實體AI法規時程追蹤器 — 形塑2026下半年商業化進展的關鍵決策
2026下半年至2027年影響Tesla與Waymo商業化進程的具體政府裁決——含明確日期、主管機關與各種結果分析。
Physical AI 監管速度指數 — 哪些市場行動最快，如何制約自動駕駛商業化
監管速度，而非感測器或軟體，是自動駕駛商業化斜坡最大的制約變數——美國各州與全球司法管轄區速度基準。
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。
Physical AI 收入模式 — Waymo 每英里 $3.50-5 現況定價 vs Tesla 長期目標 $0.25 及 $1/英里解鎖的總市場規模
Waymo 現行收費 $3.50-5/英里，Tesla Cybercab 長期目標 $0.25/英里；$1/英里門檻將可定址市場從 $50B 推升至逾 $200B。
Physical AI 乘客體驗 — Waymo NPS、回乘率與自駕車滿意度曲線
Waymo NPS 逾 70，乘客在第 4–7 次乘車後完成焦慮正常化。滿意度指標是 AV 商業加速的領先指標。
實體 AI 乘車體驗 2026 — Waymo One NPS 與信任曲線 vs 特斯拉 Robotaxi 奧斯汀首乘：消費者自駕車體驗基準
Waymo One 乘客回報高 NPS，從首乘緊張到舒適的信任曲線完整呈現。特斯拉 Robotaxi 奧斯汀仍屬早期階段。Cybercab 的每英里一美元以下定價是搶佔大眾市場的關鍵賭注。
Physical AI 安全紀錄——自駕車事故率對比人類駕駛及終極基準
加州 DMV、NHTSA 數據與 Waymo 安全報告揭示：AV 事故率與人類駕駛的差距，以及為何這是 Physical AI 的終極基準。
Physical AI 安全紀錄 — Waymo 傷亡事故率比人類駕駛低 6.8 倍、Tesla FSD NHTSA 歷史全面比較
Waymo 無人駕駛逾 1000 萬英里，傷亡事故率比人類低 6.8 倍；Tesla FSD 面臨 2 次 NHTSA OTA 召回；安全數據是自動駕駛的許可証貨幣。
物理AI安全紀錄——Waymo 6.8倍安全主張、Tesla FSD事故數據、NHTSA調查，以及數字真正證明了什麼
Waymo宣稱在逾3000萬英里無人駕駛里程中，傷亡事故率比人類駕駛低6.8倍；Tesla FSD脫離接管率逐年下降。兩者的安全論據均需更多無監督里程才能具備統計穩健性。
Physical AI 安全基準 — Waymo 無人駕駛事故率 vs 特斯拉 FSD 脫離介入數據：數字背後的真相
威摩擁有乾淨的商業無人駕駛安全紀錄。特斯拉 FSD 資料來自有監督的操作——兩組資料集不可直接比較。
2026年6月實體AI全面評分卡 — Tesla對Waymo全38項維度完整對比
2026年中期最權威的Tesla對Waymo評分卡：商業載客、數據飛輪、供應鏈、能源、人形機器人與決定勝負的兩大賭注。
實體 AI 記分板更新 — 影響 2026 下半年量產的四大隱性制約
更新版實體 AI 記分板整合四大結構性制約——高精地圖、遠端操控人力、OTA 速度與 FMVSS——重塑 2026 下半年展望。
Physical AI 半導體供應鏈 — Nvidia Orin vs Thor vs Tesla FSD 晶片
Nvidia Orin vs Thor vs Tesla FSD 晶片：AV 推論運算供應鏈（台積電、三星、先進封裝）如何制約 Physical AI 的擴產節奏。
物理AI感測器 — Waymo 雷達+攝影機+雷射雷達融合 vs Tesla 純視覺FSD：感知硬體基準測試 2026
Waymo 融合雷射雷達、攝影機與雷達，打造冗餘3D感知。Tesla 僅用攝影機——每輛車成本低10至30倍——押注AI能彌補攝影機的弱點。
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。
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——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。
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。
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 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。
自動駕駛車隊運營與遠端協助指數 — 人在迴路的規模化瓶頸
遙控操作員比例、遠端協助基礎設施，以及人在迴路層如何成為自駕車隊規模化的隱藏瓶頸。
HD 地圖與定位指數 — 自駕車量產擴張的隱性瓶頸（2026 年中）
HD 地圖依賴 vs. 無地圖方案——定位架構如何直接制約 Waymo 與 Tesla 的擴張速度與範圍。
自動駕駛保險與責任指數 — 無人商業運營的法律門檻
責任法律、FMVSS 豁免申請與初生的自駕車保險市場，是決定特斯拉何時能合法大規模運營無人商業載客服務的法律關卡。
自動駕駛安全與法規記分板 — Tesla vs Waymo：誰擁有更清晰的規模化路徑？
加州 DMV 報告、NHTSA 事故數據與各州許可地圖揭示 2026 年中誰在自動駕駛安全指標與法規準備上領先。
自駕車感測器堆疊指數 — Tesla 純視覺 vs. Waymo 光達：感知架構之戰
比較自駕車感測器堆疊——Tesla 純攝影機 vs. Waymo 光達融合——涵蓋成本、天氣韌性與架構取捨。
自駕車軟體架構與 OTA 更新管道指標 — 誰在實地部署中進步最快？（2026 年中）
OTA 更新頻率、模擬深度與現場資料飛輪——決定 Tesla、Waymo、百度在部署中實際改進速度的三大關鍵。
實體 AI 的運算力 — 驅動機器人量產的晶片全覽（2026 年中）
全面基準測試驅動自駕車與人形機器人的推論與訓練晶片——Jetson Thor、HW4、Dojo、EyeQ Ultra 等，涵蓋 2026 年中最新資訊。
實體 AI 投資追蹤器 — 2026 年中誰在資助機器人崛起
整理 Waymo、Figure、Physical Intelligence 等主要實體 AI 公司的資本流向、融資輪次與隱含估值，涵蓋 2024–2026 年公開資料。
實體 AI 總記分板 — 2026 年中誰在機器人量產競賽中領先？
Tesla、Waymo 與中國從 10 個競爭維度全面比較 — 2026 年中實體 AI 競賽的統一裁決記分板。
實體 AI 量產指數 — Tesla FSD/Robotaxi/Optimus vs. Waymo：2026 年中基準報告
Waymo 在美國四城市每週逾 15 萬筆付費叫車，Tesla 準備奧斯汀 Robotaxi 上線並積極擴產 Optimus 人形機器人。
機器人計程車單位經濟學 — 每英里成本、營收模式與 Waymo vs. Tesla 損益兩平分析
拆解機器人計程車每英里成本、營收模式與車隊損益兩平門檻，比較 Waymo 與 Tesla 的財務結構差異（估計值清楚標示）。