تصور کنید در شهری زندگی میکنید که تاکسیها هیچ رانندهای ندارند، اما برای هر سفر، دهها متخصص در پشت صحنه در حال مدیریت مسیر شما هستند. این همان واقعیتِ پشت پردهٔ هدف جسورانهٔ Waymo است که میخواهد تا پایان سال ۲۰۲۶، تعداد سفرهای پولی هفتگی خود را به یک میلیون مورد برساند.
تکدرا ماواکانا، مدیرعامل مشترک این شرکت، این هدف را یک «نقطه عطف» مینامد. برای رسیدن به این عدد، Waymo باید رشد ۲.۵ برابری نسبت به وضعیت فعلی تجربه کند؛ وضعیتی که در حال حاضر حدود ۴۰۰ هزار سفر هفتگی را در ۶ شهر آمریکا مدیریت میکند.
این فشار برای رشد در حالی رخ میدهد که صنعت خودروهای خودران (AV) از مرحلهٔ نمایشهای فنی به مرحلهٔ مقیاسپذیری تجاری وارد شده است. سالها بحث بر سر این بود که آیا ماشین میتواند خودش رانندگی کند؛ اما حالا سؤال این است که آیا این ماشین میتواند هزینههای خودش را درآورد. بازوی روباتاکسی شرکت Alphabet تلاش میکند ثابت کند که افزایش حجم سفرها میتواند اقتصاد واحدِ متزلزل این صنعت را نجات دهد.
به نقل از گزارشی در وبسایت dev.to که در ۸ اوت ۲۰۲۶ منتشر شد، رسیدن به این هدف با فرض میانگین ۲۰ دلار برای هر سفر، درآمد سالانه یک میلیارد دلاری ایجاد میکند. اگرچه یک خط درآمدی میلیارد دلاری برای اولین بار در بخش خودروهای خودران رخ میدهد، اما این رقم در برابر سرمایههای مصرفشده ناچیز است. تنها در سه ماهه اول ۲۰۲۶، Waymo مبلغ ۱۶ میلیارد دلار جذب سرمایه کرد؛ این بدان معناست که شرکت باید سالها با نرخ هدف خود فعالیت کند تا فقط سرمایه یک فصل را بازگرداند، آن هم پیش از آنکه هزینههای تولید آن درآمد را در نظر بگیرد.
این شدت سرمایهگذاری بخشی از یک روند گستردهتر در سرمایهگذاریهای هوش مصنوعی است. طبق مستندات Crunchbase، شرکت Waymo یکی از چهار شرکتی بود — در کنار OpenAI، Anthropic و xAI — که در مجموع نزدیک به ۶۵٪ از کل سرمایهگذاریهای خطرپذیر جهانی را در سه ماهه اول ۲۰۲۶ بلعیدند. این شدیدترین تمرکز سرمایه در تاریخ سرمایهگذاری خطرپذیر است. در چنین محیطی، این سرمایه است که بار سنگین پیشبرد عملیات را به دوش میکشد تا در نهایت درآمد جایگزین آن شود.
همانطور که در تحلیلهای پیشین ما دربارهی اقتصاد مدلهای هوش مصنوعی اشاره کردیم، هزینههای زیرساختی همیشه سریعتر از درآمدها رشد میکنند و Waymo اکنون در مرکز این چالش است.
تلهٔ جایگزینی نیروی کار
باور رایج این است که حذف راننده، ۶۰ تا ۷۰ درصد هزینههای عملیاتی تاکسیهای اینترنتی را از بین میبرد. اما در عمل، Waymo نیروی کار را حذف نکرده، بلکه آن را با مجموعهای پیچیدهتر و لایهبندیشده جایگزین کرده است. در حالی که حقوق راننده در مدلهای سنتی واقعاً ۶۰ تا ۷۰ درصد هزینههای عملیاتی (Opex) را تشکیل میدهد، خودرانی این تکمورد هزینهای را با چندین هزینه تخصصی جایگزین میکند:
- دستیاران از راه دور: اپراتورهای انسانی باید ۲۴ ساعته در حالت آمادهباش باشند تا موارد استثنایی (Edge Cases) را که خودرو به تنهایی قادر به حل آنها نیست، مدیریت کنند. مثالهایی از این موارد شامل مناطق ساختوساز غیرعادی، افسران پلیسی که ترافیک را با دست از چراغ قرمز عبور میدهند، یا مسیرهای مسدود شدهای است که هیچ راه قانونی برای دور زدن آنها وجود ندارد. این لیست حقوق و دستمزد با گسترش ناوگان رشد میکند، حتی اگر نسبت انسان به خودرو بهتر از یک-به-یک شود.
- عملیات دپو: برخلاف رانندگان اوبر که ماشین خودشان را نگهداری میکنند، روباتاکسیها به مراکز متمرکز (Hubs) نیاز دارند. این مراکز شامل کارکنانی برای شارژ، نظافت و کالیبراسیون سختافزار است. یک راننده انسانی ریختن قهوه روی صندلی را فوراً میبیند و پاک میکند، اما یک روباتاکسی برای این کار به یک بازدید برنامهریزی شده از دپو و کارکنان حقوقبگیر نیاز دارد.
- نقشهبرداری و ورود به شهرها: هر شهر جدید نیازمند سرمایهگذاری کلان اولیه برای نقشههای با دقت بالا (HD Mapping) و پیمایش در قوانین محلی است. این یک هزینه اولیه سنگین برای هر شهر است که تاکسیهای سنتی هرگز با آن مواجه نمیشوند.
- استهلاک سختافزار: ناوگان متعلق به خود شرکت است. هر واحد خودرو، با احتساب سنسورها، بیش از ۱۰۰ هزار دلار هزینه دارد، در حالی که مدل اوبر بر پایه مالکیت راننده است. این مورد شامل هزینههای جاری نگهداری و کالیبراسیون تخصصی سنسورها نیز میشود.
- بیمه: Waymo باید برای یک کلاس ریسک کاملاً جدید، بیمه کل ناوگان را تامین کند، در حالی که تاکسیهای سنتی به شدت به بیمههایی که توسط راننده پرداخت میشود متکی هستند.
مقیاسبندی ناوگان فیزیکی
برای رسیدن به هدف یک میلیون سفر، Waymo خودروی جدیدی به نام Ojai را معرفی کرده است. این مدل جادارتر و مهمتر از همه، ارزانتر از مدلهای قبلی (Jaguarهای تغییریافته) است. این تغییر یک حقیقت حیاتی در صنعت را برملا میکند: در حال حاضر محدودیت اصلی برای مقیاسپذیری، هزینه خودرو است نه نرمافزار. در واقع، ما با یک کسبوکار سختافزاری روبرو هستیم که ارزشگذاری یک شرکت نرمافزاری را دارد.
توسعه Waymo اکنون از مرزهای آمریکا فراتر رفته است. این شرکت قصد دارد در سال ۲۰۲۶ در بیش از ۲۰ شهر فعال شود، از جمله ورود به لندن و توکیو برای اولین بار در سطح بینالمللی. این بازارها به دلیل تراکم بالاتر و مقررات سختگیرانهتر، به مراتب چالشبرانگیزتر از فینیکس هستند. توکیو به طور خاص شامل ترافیک چپگرد، علامتگذاریهای جادهای ناآشنا و فرهنگ نظارتی است که به کندی حرکت میکند. تعهد به هر دو بازار در یک سال، سیگنالی است که سیستم ادراکی Waymo اکنون قادر به تعمیم در فرهنگهای مختلف رانندگی است و از ادعای «این سیستم در چندلرِ آریزونا کار میکند» فراتر رفته است.
چشمانداز رقابتی
در حالی که Waymo در تعداد سفرهای پولی و تعداد شهرها پیشتاز است، رقبا از زوایای دیگری به مسئله حمله میکنند:
۱. Tesla در حال گسترش در هفت کلانشهر آمریکا است. با این حال، تسلا به جای «تعداد سفر»، «مایلهای پولی» (حدود ۷۰۰ هزار مایل از زمان عرضه در ژوئن ۲۰۲۵) را گزارش میکند. مایلها عددی هستند که راحتتر بزرگ به نظر میرسند و این جایگزینی در نحوه گزارشدهی، نکتهای کلیدی است که باید زیر نظر گرفت.
۲. Uber برای فرار از بار سختافزاری، روی ساخت یک شبکه شرکا تمرکز کرده است. این استراتژی شامل یک طرح آزمایشی در مونیخ برای اواخر سال ۲۰۲۶ (منوط به تایید قانونی) و همکاری با WeRide برای هدفگذاری ۱۵ شهر دیگر تا سال ۲۰۳۰ است. شرطبندی اوبر این است که تجمیع تقاضا (Demand Aggregation) ارزشمندتر از مالکیت لایه خودرانی است.
۳. Zoox در CES ۲۰۲۶ یک خودروی اختصاصی طراحیشده برای این منظور را نمایش داد و حضور خود را در سانفرانسیسکو گسترش داده است.
۴. Momenta در همکاری با مرسدس بنز و اپراتور اماراتی Lumo، در حال آمادهسازی یک سرویس روباتاکسی لوکس در ابوظبی است.
پیشبینیهای صنعتی حاکی از آن است که ناوگان جهانی تا سال ۲۰۳۰ تقریباً ده برابر اندازه فعلی شود و در مجموع بیش از ۱۰۰ هزار تاکسی بدون راننده در سرویس باشد. اگرچه این عدد در مقیاس مطلق بزرگ است، اما در مقایسه با کل بازار تاکسیهای جهان کوچک است و نشان میدهد روباتاکسیها در حال تبدیل شدن به یک دستهبندی واقعی هستند، نه لزوماً جایگزینی کامل برای بازیگران فعلی.
موتور محاسباتی روی برد
توانمندی زیربنایی برای این ناوگانها، محاسبات روی برد (Onboard Compute) است. خودروهای Waymo از CPUها، GPUها و شتابدهندههای تخصصی در سطح سرور استفاده میکنند تا جریانهای داده دوربین، لیدار و رادار را در لحظه پردازش کنند. این مدل دقیقاً مشابه اقتصاد سیلیکونی است که در حال بازسازی مراکز داده است. در این ساختار، هر وات برق که در لایه استنتاج (Inference) ذخیره شود، مستقیماً به افزایش برد خودرو تبدیل میشود و برد، محرک اصلی بهرهوری و نرخ استفاده از خودرو است.
درس بزرگ هوش مصنوعی تجسمیافته
روباتاکسیها به عنوان آزمون نهایی برای هوش مصنوعی تجسمیافته (Embodied AI) عمل میکنند. الگوی مشاهده شده در اینجا با رباتهای انساننما و مدلهای کنترل رباتهای چندمنظوره، مانند Gemini Robotics 2، سازگار است: ادراک تا حدی حل شده است که بتوان محصول را عرضه کرد، اما «دم بلند» (Long Tail) یا همان موارد استثنایی نادر است که بودجه عملیاتی را تعیین میکند.
در سال ۲۰۲۶، استقرار رباتهای صنعتی و انساننما از حالت نمایشهای ساده خارج شد و به اعداد و ارقام واقعی رسید. درس کلی این است: در هوش مصنوعی تجسمیافته، ۲ درصد آخر سناریوها، بیشترین سهم از بودجه را میبلعند. روباتاکسیای که ۹۸٪ شرایط را به صورت خودران مدیریت میکند، همچنان به انسانی نیاز دارد تا آن ۲٪ باقیمانده را حل کند و این در دسترس بودن انسان، یک هزینه ثابت است که صرفنظر از اینکه استفاده شود یا خیر، باقی میماند.
در نهایت، موفقیت مدل روباتاکسی به نرخ بهرهوری (Utilization) بستگی دارد. اگر حجم سفرها ۲.۵ برابر شود و هزینه هر سفر — از طریق خودروهای ارزانتری مثل Ojai، بهرهوری بهتر و مداخلات انسانی کمتر در هر مایل — کاهش یابد، منحنیها به سمت سودآوری حرکت میکنند. اما اگر حجم سفرها رشد کند ولی هزینه هر سفر ثابت بماند، افزایش تعداد سفرها صرفاً به معنای سریعتر پول باختن است.
گزارشهای سه ماهه بعدی را دنبال کنید تا ببینید آیا رشد درآمد Waymo بالاخره از سرعت سوخت سرمایه (Operational Burn) پیشی میگیرد یا اینکه رویای «بدون راننده» همچنان یک آزمایش سرمایهبر باقی میماند. سؤال تکنولوژیک مدتها پیش پاسخ داده شد؛ سؤال باقیمانده این است که آیا ماشینی که خودش رانندگی میکند، میتواند خودش هزینههایش را هم پرداخت کند.
گام بعدی شما
- گزارشهای سه ماهه Waymo را دنبال کنید تا ببینید آیا رشد درآمد از سرعت سوخت سرمایه (Burn Rate) پیشی میگیرد یا خیر.
- تفاوت گزارش «مایلهای پولی» تسلا و «تعداد سفر» Waymo را در تحلیلهای بعدی مقایسه کنید.
- بررسی کنید که آیا مدلهای ادراکی Waymo در شهرهای پیچیدهای مثل توکیو، نرخ مداخلات انسانی را کاهش میدهند یا خیر.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو