2030 年 26 萬輛 Robotaxi 怎麼算?先拆開這條最敏感的成長曲線
從 8,000 輛到 26 萬輛看起來像 32 倍成長,但背後真正的變數是監管、城市密度、接受率與每車服務人口。
32 倍成長,不會是一條平滑直線
報告的樂觀情境,將美國專業 Robotaxi 車隊從 2026 年約 8,000 輛推到 2030 年 26 萬輛。圖形看起來陡峭,但真正的特徵是後段加速:2028 年 8 萬輛、2029 年 19 萬輛。換句話說,最大部分的價值要到監管、產能與城市複製同時成熟後才出現。
這類預測最容易讓人犯的錯,是把 2030 年終點平均分配到每一年。現實比較可能是幾季幾乎不動,接著某個法規或量產節點解除,車隊突然跳升。
乘數模型的弱點:小誤差會一路放大
投放上限由人口、城市化、監管、氣候、服務區、接受率與每車服務人口相乘。每一個假設只差一點,最後的車數就可能差很多。尤其「使用者接受率」不是固定常數,它會被價格、事故新聞、等待時間與車內體驗反覆改寫。
另一個敏感變數是每車服務人口。若每名乘客一週叫兩次車,與一個月叫一次車,需要的車隊完全不同。沒有訂單頻率,單看人口覆蓋很容易高估需求。
用里程、城市與等待時間驗證預測
我會用三組高頻指標取代對 2030 數字的爭論。第一,實際收費城市數;第二,無安全員車隊數;第三,尖峰與離峰等待時間。只要城市增加、車隊增加,同時等待時間下降,網路密度才是真的改善。
若車隊增加但每車日訂單下降,代表供給跑在需求前面;若訂單很滿但擴城慢,瓶頸可能在監管或遠端營運。預測不是拿來相信,而是拿來逐季找出哪個假設開始壞掉。
成長曲線前半段看許可,後半段看密度
從數千輛走到數萬輛時,最大的限制通常是測試資格、專用車供應與新城市啟動速度;當車隊跨過一定規模,問題會轉向訂單密度與資產利用率。車輛可以在工廠快速製造,但一座城市的道路資料、遠端營運、充電場站、清潔維修與乘客信任,不可能只靠按下複製鍵完成。
因此,二〇二八到二〇三〇年的斜率比二〇二六年的起點更值得懷疑。若每個新城市都需要長時間測試與大量在地人力,車隊成長會接近線性;只有當軟體與營運手冊真正標準化,擴城才可能呈現指數型。投資模型不應只問總車數,而要問每增加一座城市,需要投入多少時間與固定成本。
用五個數字判斷情境正在往哪裡走
第一是無安全員且可收費的城市數;第二是單城實際可用車輛,而不是已製造車輛;第三是每車每日完成訂單;第四是乘客平均等待時間;第五是每英里貢獻毛利。前兩項決定供給,第三與第四反映網路密度,第五才把成長轉成股東價值。只要其中一項長期停滯,樂觀曲線就需要下修。
還要避免用年底車隊數乘上全年收入。快速擴張的車輛往往在年中或年底才加入,當年只能貢獻部分營運天數;新城市初期的利用率也通常低於成熟城市。較合理的估法是使用平均營運車隊,並為啟動期設定較低收入與較高成本。少做這一步,二十六萬輛很容易在試算表裡變成二十六萬台全年無休的印鈔機。
最後,替代率不一定只來自傳統計程車或叫車平台。若價格足夠低,Robotaxi 也可能吸引原本搭乘大眾運輸、步行或騎自行車的人,增加整體車流與城市壅塞;地方政府可能因此限制車隊、收取道路費或要求偏鄉服務。市場需求增加不必然等於可投放車輛等比例增加,交通政策會在成長後期成為新的約束。
美國專業 Robotaxi 車隊情境
單位:萬輛
| 項目 | 樂觀 | 中性 | 悲觀 |
|---|---|---|---|
| 2026 | 0.8 萬輛 | 0.4 萬輛 | 0.2 萬輛 |
| 2027 | 3.1 萬輛 | 1.4 萬輛 | 1 萬輛 |
| 2028 | 8 萬輛 | 4 萬輛 | 2 萬輛 |
| 2029 | 19 萬輛 | 11 萬輛 | 4 萬輛 |
| 2030 | 26 萬輛 | 22 萬輛 | 11 萬輛 |
| 假設 | 2030 報告值 | 需要觀察什麼 |
|---|---|---|
| 城市人口占比 | 85% | 人口與需求是否集中在可服務都會區 |
| 監管開放率 | 75% | 主要州是否允許商業無人部署 |
| 氣候適合率 | 82% | 雪、雨與低能見度能力是否改善 |
| 服務區覆蓋率 | 70% | 地理圍欄能否從核心區向外擴 |
| 使用者接受率 | 65% | 價格、安全事件與等待時間 |
| 每車服務人口 | 約 300 人 | 實際叫車頻率與車隊利用率 |
資料來源:愛建證券報告第 12–13 頁。
資料來源與口徑
本文完整保留樂觀、中性與悲觀三種情境,避免只展示最高值。所有數字均為報告估算。
- 愛建證券《特斯拉 Cybercab 量產,Robotaxi 商業化加速》,2026-07-25
- IIHS:美國各州高度自動駕駛法規
本文為公開資料的策展、改寫與情境分析,僅供一般研究與教育使用;不構成投資、法律、保險或財務建議。報告中的預測與估算可能因技術、監管與市場條件而改變。