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。
定价与市场动态
每英里成本 vs. 每单行程成本
在关于自动驾驶共享出行的讨论中，最常见的错误之一是将“每英里成本”逻辑与“每单行程”定价混为一谈。乘客购买的不是里程，而是行程。该模型对这两者都进行了明确的追踪。
每英里成本由以下因素驱动：
- 车辆折旧
- 能源
- 维护与清洁
- 保险与远程操作
每单成本构成：
- 平均行程长度
- 空驶里程
- 市场费用与佣金
这种区分至关重要，因为短途行程从每英里成本来看可能表现优异，但一旦分摊固定成本，从单次行程的角度来看可能并不经济。该模型清晰地展示了这种经济性断裂发生的临界点。
第三方佣金与利用效率
第二个定价视角聚焦于第三方市场动态。在第三方模式中，市场会抽取佣金，这乍看之下会稀释收益。但通过更好的需求聚合所实现的更高利用率，足以抵消这一抽成比例。
这就是像 Uber 这样的参与者所持论点的核心：即使你将总预订额的 30-50% 作为佣金或收入分成给第一方车队运营商，实质上更高的利用率和更快的市场扩张也能改善绝对美元收益。该模型允许你通过并排调整利用率提升、佣金率和定价权，来明确测试这一主张。
早期数据和披露表明，与 Waymo 仅限第一方的运营相比，在“Waymo-on-Uber”城市中，有效利用率更高。核心问题在于，像 Uber 或 Lyft 这样的聚合平台，相比 Waymo 或特斯拉的第一方解决方案，究竟能带动多高的利用率提升和多大的单位成本优化？
成本与成本分配
该模型中的一个主要设计选择是明确的成本分配。成本并未被笼统地归入单一的利润项，而是根据其实际驱动因素进行了拆解和分配。
关键成本类别包括：
- 能源
- 维护与修理
- 清洁
- 保险
- 远程协助运营
- 支持
- 平台及管理费用
分配逻辑至关重要。某些成本随系统总里程而变化，某些仅随自营（1P）行程变化，还有一些则由整个网络分摊。该模型强制保持一致性，以便单次行程和每英里指标能与年度损益表或单次行程/每英里利润表清晰对账。这避免了在混合自营（1P）和第三方（3P）运营时常见的重复计算或成本分配不足的错误。
车队管理者经济学
公众讨论中经常被忽视的一个领域是车队管理者的经济效益。在许多现实场景中，自动驾驶技术提供商不会直接管理充电、清洁、停车和维护。这些职责将由车队管理者承担，并从中获取资本和运营回报。
该模型明确区分了车队管理者的收入和成本，让您可以查看：
- 管理费适用于第一方或第三方运营商提供的服务
- 由车队经理负责的各项成本的成本滑块
- 点击开关切换以从模型中移除车队经理后的敏感度分析。
这有助于界定一个重要问题：车队管理者究竟是利润微薄的公用事业环节，还是在达到规模化后具有结构性吸引力的层级？答案很大程度上取决于利用率的稳定性和成本控制的纪律性，而这两点往往是假设起来容易，实现起来却很难。
车辆融资经济学
最后，该模型纳入了车辆融资，这一点虽然至关重要，但往往被忽略。自动驾驶车队是资本密集型产业，由谁为车辆提供资金（以及成本是多少）会实质性地改变结果。
您可以切换：
- 贷款价值比（LTV）假设
- 利率
- 摊销期
- 谁承担融资负担（第一方 vs 车队管理者 vs 共享）
利息支出在设计上位于 EBITDA 和营业利润之下，这强化了营业杠杆与资本结构之间的区别。这使得我们可以清晰地看到，一个模型何时在运营层面是“可行”的，但一旦叠加融资现实就会失败。我仍在思考如何将现金流以及各参与方的资本结构整合到其中，但这将是未来的补充内容。
众包预设：保存与投票
我特别兴奋的一个功能是能够保存并分享预设 。任何用户都可以创建一个场景（乐观、悲观或介于两者之间），并生成一个供他人查看的链接。
更重要的是，预设方案可以被点赞或点踩。随着时间的推移，这将形成一个众包视角，反映出社区认为哪些假设最具有可信度。辩论不再发生在帖子的回复中，而是通过模型进行。获赞最高的预设方案应当会趋向于某种集体智慧，或者至少能清晰地界定分歧所在。
一个动态的框架
这个模型绝非最终产品。随着 Waymo、Tesla、Uber 等公司提供更多真实世界的数据，默认假设将会不断更新。利用率曲线、成本结构和定价权都将不断演变，而模型也将随之进化。
我希望这能成为一个共同的沙盒，用于严谨地思考自动驾驶共享出行的经济学。如果你认为模型有误，请保存一个存档，指出经济逻辑在哪里失效，并分享给我。如果自动驾驶共享出行将重塑交通，那一定是因为数据上行得通。这个工具是我尝试让这场讨论保持脚踏实地的努力。
本简报中呈现的信息仅代表作者个人观点，不反映任何其他个人或实体的观点，包括 Altimeter Capital Management, LP（简称“Altimeter”）。所提供的信息均被认为来自可靠渠道，但不对任何不准确之处承担责任。本文仅供参考，不应被视为投资建议或投资推荐。过往业绩并不保证未来表现。Altimeter 是在美国证券交易委员会注册的投资顾问。注册并不意味着具备特定的技能水平或培训背景。Altimeter 及其客户从事公开证券交易，并且已经和/或可能对本文提及的公司进行投资或做出相关的投资决策。本文表达的观点仅代表作者个人，而非 Altimeter 或其客户的观点。Altimeter 及其客户保留做出投资决策或进行交易活动的权利，这些决策或活动可能与本文表达的观点一致和/或不一致（或被视为一致/不一致）。
本博文及所呈现的信息仅供参考。 本文表达的观点仅代表作者个人，不构成出售任何证券的要约、购买建议或购买招揽，亦不构成对任何投资产品或服务的建议。尽管本文包含的某些信息源自被认为可靠的渠道，但作者及其雇主或关联机构均未独立核实这些信息，且无法保证其准确性和完整性。因此，不对这些信息的公正性、准确性、及时性或完整性作任何明示或暗示的陈述或保修，亦不应据此产生依赖。作者及所有雇主及其关联人员对这些信息不承担任何责任，且没有义务在未来更新本文所含的信息或分析。