自動駕駛之所以引人注目，是因為它將一項顯而易見的技術與潛在的巨大服務市場結合。然而，一次成功的演示僅僅回答了交通運輸企業必須解決的部分問題。在閱讀有關特斯拉或伊隆馬斯克的報導時，應將技術能力、本地營運許可和持續盈利能力分開討論。
從付費里程而非車隊規模著手。
一千輛車的車隊規模只是一個運能指標。它並不能反映乘客購買了多少行程，也不能反映車輛在沒有乘客的情況下行駛了多遠。空車調配、充電、清潔和維護都需要時間。相關的單位是車輛在特定時期內的實際使用情況，而不僅僅是公佈的車輛數量。
假設某項服務每天行駛 200 英里，但只有 120 英里是付費里程。以每英里 1.50 美元的價格計算，在扣除費用或折扣之前，該服務每天可產生 180 美元的票價收入。如果將票價應用於所有 200 英里，則收入將高估 120 美元。正是這種簡單的差別，使得利用率假設會影響原本看似不錯的預測。
無人駕駛並不意味著零成本
移除車載駕駛員會改變成本結構，但車輛仍需要融資或所有權資本、保險、能源、輪胎、維修和清潔。企業可能還會產生遠端支援、客戶服務和倉庫費用。特定服務是否需要特定安排取決於其營運模式和地點。
將隨使用量增加而增加的變動成本與即使在需求低迷時也持續存在的固定成本區分開來。假設一項服務在扣除可變成本後，每日貢獻毛利為 80 美元，但每日分配的固定成本為 100 美元，那麼即使收入增加，也尚未產生營業利潤。貢獻毛利有助於發現問題；但它不能取代完整的損益表。
權限和可靠性限制了服務範圍的擴展
在有限的服務區域內成功運作並不意味著同一系統可以立即在所有地方運作。道路佈局、天氣、地圖、當地法規和事故應變安排可能各不相同。因此，在解讀服務公告時，應考慮其適用範圍：地點、營運時間、監管要求以及付費客戶的實際可用性。
對於展示技術難度較高的操作的影片片段，務必格外謹慎。它或許能提供一些關於車輛性能的有趣證據，但並不能代表數百萬次行程的可靠性。同樣，應結合具體情況分析單一事故，而不是將其簡化為缺乏有效分母的普遍故障率。
明確估值假設。
長期情境可以包含獲利的自動駕駛服務，但預測應明確何時開始獲利、貢獻收入的車輛數量、付費利用率以及每次行程的成本。每次只更改一個假設。如果將利用率減半導致預期利潤消失，則投資邏輯主要取決於需求密度，而不僅僅是取消駕駛員。
在比較不同公司時，這也是一個有用的方法。擁有車輛的業者需要承擔不同的成本，例如平台軟體授權費和第三方車主費用。不要將一個模型中的利潤率估算直接套用到另一個模型中。請查閱公司最新的文件和產品揭露資訊以了解實際情況，並將未經證實的數值標記為假設。當其他讀者也能看出哪些證據需要對模型進行修正時，模型才最有用。
對我而言，最關鍵的數字應該是普通日子裡提供一次普通付費乘車服務的成本。一項服務必須在需求波動和車輛需要維護的情況下都能正常運行，而不僅僅是在精心挑選的演示期間。
從展示走向可行的服務
一個令人信服的商業案例需要付費使用率和全部成本，而不僅僅是自動駕駛車輛的數量。
即使自動駕駛計程車車隊繁忙，也可能虧損嗎？
是的。即使車輛行駛頻繁，空駛里程、低票價、車輛擁有成本和服務費用也可能超過收入。
參與討論
留言經審核通過後顯示。歡迎提出與主題相關的不同意見。