Cybercab经济学：卖车，还是卖里程？Tesla如何把汽车从一次性商品变成24×7物理劳动资产

先看结论：Cybercab最值钱的不是车，是“AI司机的收费权”

因此，Cybercab的投资问题并不是“Tesla能不能复制Uber”。更准确的问题是：当司机从人变成AI以后，原本流向司机与车队的大量经济价值，会在Tesla、车辆资产所有者和消费者之间怎样重新分配？

先用Uber把“全球运力”变成一个可计量单位

Uber 2026 Q2 Mobility Gross Bookings为$28.988B，年化约$115.95B；Mobility Revenue为$7.363B，年化约$29.45B。两者差异很重要：Gross Bookings是乘客对整个出行网络支付的交易额，Uber收入只是平台真正确认的那部分。

这就得到一个非常直观的尺度：今天Tesla一个季度交付约48万辆车，年化约192万辆；而一个假设的Uber等效Cybercab网络只需要约80万辆高利用率车辆，却可以产生约$75B乘客GMV，接近Tesla当前约$80B汽车销售收入的年化体量。

但这里不能直接说“80万辆Cybercab等于$75B Tesla收入”。GMV属于整个网络，收入属于具体承担履约与收费的主体。下一步必须把资产所有权拆开。

一个Uber等效Cybercab网络：统一总账本

电力框算也有物理基础。Tesla早在2024年给出的Cybercab下一代动力系统估计效率约5.5 mi/kWh。在此基础上加入空驶、空调、城市工况和充电损失后，若统一账本按约0.22–0.24 kWh/总里程估算，80万辆高年里程车辆落在约2.3GW量级并不激进。这里真正需要未来运营数据校准的是Paid Miles / Total Miles，也就是空驶率。

同样$75B GMV，Tesla可以是$19B、$33B，也可以是$75B收入

Robotaxi的商业模式必须把“车是谁的”写进损益表。为了展示资本结构的力量，统一采用25% Tesla平台抽成作为情景变量，并把Tesla自有车辆产生的乘客收入视为Tesla车队收入。

Tesla Robotaxi Revenue = Owned Fleet GMV + Third-party Fleet GMV × Network Take Rate这是理解Cybercab估值最重要的公式之一。车辆销量、车队收入、平台抽成必须逐层分开；同一笔乘客支出不能同时在多个层级重复计入Tesla收入。

这也解释了Tesla Q2 2026展望中一个容易被忽略的句子：公司已经明确提到，未来交付会受到“出售给客户”与“用于自营车队”之间的分配决策影响，并预计硬件利润之外，AI、软件与fleet-based profits（车队型利润）会加速。换句话说，Tesla自己的披露已经开始把制造业损益表与车队服务损益表并列考虑。

为什么80万辆车可以接近今天近200万辆汽车销售的收入尺度

传统汽车最核心的经济动作，是把一辆车制造出来并转移所有权。收入在交车时实现，下一年要维持同样收入，就必须重新采购零部件、占用工厂产能、制造并再卖一辆新车。

因此，Cybercab不是简单把“卖车收入”改名成“出租车收入”，而是提高了同一硬件资产在生命周期内的Revenue Turns（收入周转次数）。这也是它与AI Factory最相似的地方：前置资本形成机器，机器随后以极高利用率持续出售自己的产出。

“一个人拥有10辆Cybercab”可以成立，但高回报不会免费存在

如果$75.4B GMV由80万辆车完成，平均每辆车对应约$94k年乘客GMV。在25% Tesla平台费情景下，第三方资产所有者在支付本地运营成本前可留下约$70.7k。若车辆资产本身只有约$25k–30k，这个表面回报会高得不现实。

这不是模型失效，反而揭示了Robotaxi成熟市场最重要的均衡机制：如果自主运力真的形成这种超额回报，资本会迅速进入。更多车辆供给会压低乘客价格；Tesla也可能提高网络抽成；车价、保险、清洁、维修、Depot、融资成本会被重新定价；低谷时段利用率和空驶率也会削弱理论收益。

Fleet Owner ROIC = (Rider GMV × (1 − Tesla Take Rate) − Energy − Cleaning − Repair − Insurance − Depot − Financing) / Invested Capital所以“拥有一支Cybercab车队”更像拥有一组可联网的生产性资产，而不是个人亲自经营出租车。成熟形态更可能由专业Fleet Operator完成清洁、充电、维修和调度保障。

一个简单的均衡价格检验

假设单车约94k paid miles/年、20%空驶；总里程约113k。若全生命周期运营经济成本落在$0.25–0.30/总里程，且第三方资产基数约$30k、要求20%税前资本回报、Tesla平台抽成25%，则覆盖运营成本与目标回报所需的乘客价格大约只在$0.49–0.57 / paid mile。

这组数不是价格预测，而是说明：如果Tesla真能把机器驾驶成本压到这个量级，那么今天以Uber价格65%为起点的$1/mile附近框算并不是终局均衡。Autonomy的成本优势会同时刺激需求与供给，最终一部分红利会通过更低价格返还给消费者。

Tesla最理想的位置：卖车，同时长期出租“AI司机”

如果Tesla把全球80万辆、800万辆甚至更多Cybercab都留在自己资产负债表上，它会得到最大的会计收入，却也会变成一个极重的全球出租车运营商：城市级停车与充电节点、事故处理、清洁、轮胎、维修、保险、地方牌照、峰谷运力都需要资本和人。

更高质量的成熟形态可能是：

这样Tesla可以同时获得硬件毛利 + Autonomy软件收入 + Network take rate，而车辆与本地基础设施的资本开支由外部资金共同承担。其资本结构与NVIDIA在AI基础设施中的位置有一个重要相似点：掌握价值密度最高的技术层，让更广泛的社会资本替自己扩大物理资产基座。

但Tesla比NVIDIA多了一层：它自己也制造终端机器。因此最强的商业模式并非“从卖车彻底转向不卖车”，而是一次车辆销售之后，继续对这辆车整个经济寿命内的自主驾驶劳动收费。

如果Cybercab扩成2个、5个Uber，经济量会有多大？

* 车辆资产CAPEX仅按$25k/车情景估算，不含Depot、充电、维修备件和运营营运资金。规模表只是线性产能框算；真实需求不会在国家和城市之间平均分布。

从全球扩张看，“10个国家、每国8万辆”在制造和资本数学上并不夸张，真正困难的是需求密度与监管异质性。部署应该由城市人口密度、打车频率、当地人工工资、车辆利用率、法规、保险和充电基础设施共同决定，而不是按国家平均分配。

这套经济学已经有了现实锚，但距离稳定现金流仍有五道门

Tesla Q2 2026披露显示：Cybercab已在Gigafactory Texas开始生产，Texas安装年产能口径已列为>125k；Robotaxi已在七个美国主要都市圈上线或进入运营覆盖，Austin、Dallas、Houston及Florida部分城市正在推进unsupervised（无人车内驾驶员）运营。公司同时强调，Cybercab会成为Robotaxi车队的“workhorse”。

这些事实说明Cybercab已经从概念车进入生产与车队验证阶段，但“生产了车”与“形成稳定高ROIC网络”之间仍隔着五个变量：

今天Cybercab活动，真正应该听的不是“未来很大”，而是这9个数字

活动的价值，在于把这张经济账本里的假设逐个替换成实测值。以下九项中，只要出现三到四项可验证数据，Cybercab的估值模型就会显著收敛。

最终，Tesla估值应从“交付多少车”增加一张“机器劳动损益表”

Cybercab如果成功，并不会让汽车制造失去意义。恰恰相反，制造能力决定Tesla能以多低的资本成本铺开物理节点；Autonomy决定一辆车能不能独立劳动；Network决定这份劳动能不能被连续派单和定价；外部资本决定物理资产扩张是否需要Tesla自己承担全部WACC。

于是Tesla可以同时存在两条生产函数：

最理想的终局不是Tesla成为全球最大的出租车资产持有人，而是它同时成为汽车制造商 + 自动驾驶操作系统 + Dispatch Network + 全球物理劳动收费层。车辆可以由Tesla、Fleet Operator、地区运营商或个人拥有；只要每辆车继续依赖Tesla的AI司机和网络派单，Tesla就可以把一次硬件利润延伸为多年软件与平台现金流。

这也给“一个人拥有一支Cybercab车队”一个更现实的版本：个人的核心角色是资本所有者，不是清洁工、维修员和调度员。真正可以规模化的，是资产证券化与专业运营，而不是每个人亲自管理几十辆出租车。

主要来源与证据边界