自动驾驶共享出行经济学：模型压力测试
本文信息来源：platformaeronaut
一个交互式模型，用于压力测试第一方、第三方及混合自动驾驶共享出行商业模式背后的假设。
在过去的几年里，自动驾驶汽车跨越了一个重要的门槛。这不再仅仅是技术是否可行的问题，而是商业模式是否可行，以及它将如何构建（自营还是第三方、是否引入车队管理者、车辆融资策略等）。Waymo 正在旧金山和洛杉矶进行大规模运营，特斯拉继续其长达 10 年的“即将推出无人驾驶出租车”的预告，而 Uber 也越来越明确地表示，其长期角色可能是需求聚合平台，而非拥有司机或车辆。然而，尽管评论声量日益增长，大多数关于自动驾驶共享出行经济效益的讨论仍然含糊其辞。“更低的每英里成本”、“更高的利用率”或“无司机成本”等词汇被随处抛出，却从未完全串联成逻辑闭环。
这种差距正是促使我构建 AVRideshareEconomics 的动力。我希望有一种方法能将对话从叙事转向数字，迫使假设公开化，并让人们对其进行压力测试。如果自动驾驶共享出行确实是一个数千亿美元的机会，那么其单位经济效益必须能够闭环。这个模型就是为了让这一点变得清晰明确。
网站和模型的内容
其核心而言，AV Rideshare Economics 是一个针对自动驾驶共享出行的交互式、自下而上的单位经济模型。它旨在让您通过切换假设，立即查看这些假设如何影响单次行程经济效益、边际贡献、EBITDA 和营业利润。该网站并非预设单一的“正确”世界观，而是基于这样一个理念： 理性的人会对输入参数产生分歧 ，而辩论这些分歧唯一有效的方法就是对其进行建模。
该框架支持第一方 (1P) 和第三方 (3P) 运营结构，明确区分了自动驾驶车辆提供商、市场/聚合商以及车队管理人（如适用）的经济效益。其目标不是预测赢家，而是界定每种模式实际可行且狭窄的生存空间。
本模型适用（及不适用）人群
本模型专为希望了解自动驾驶共享出行何时可行，而非争论其必然可行的投资者、运营商、政策制定者和技术专家而构建。它不是估值工具、需求预测或赢家预测，而是一个用于压力测试假设的框架。
车队与利用率：真正的关键所在
如果说整个模型中贯穿着一个核心结论，那就是利用率比自动驾驶技术本身更重要 。移除人类驾驶员并不会自动让出行变得廉价。一辆每天只行驶几个小时的自动驾驶出租车，依然是一件处于闲置状态的昂贵资本设备。
车队部分强制要求你定义：
- 车辆购买成本及使用寿命
- 每辆车年行驶里程
- 平均车速及单次行程里程
- 每日充电、清洁及维护停工时间
根据这些输入，利用率是作为一个输出结果推导出来的（而不是可以随手带过的假设）。提高利用率会显著提升资本效率，但并非没有代价。更高的利用率会增加每日折旧，压缩维护周期，并提高运营复杂度。该模型使这些权衡变得显而易见，而非含糊其辞。
通常最先崩溃的环节
这正是围绕 Waymo 和特斯拉等公司的许多争论最终汇聚的地方：不仅在于谁拥有更好的自动驾驶技术，更在于谁能在不使系统崩溃的情况下，让车辆持续运行接近 24 小时。在大多数场景中，经济模型失效并不是因为自动驾驶质量，而是因为利用率、资本成本或运营开销未能如预期般实现规模化。
