Uber游说、Waymo罚单与牌照政治：这期节目认为 Tesla Robotaxi 最大威胁不是技术

Brighter with Herbert 在 2026 年 7 月 28 日发布的 34 分 58 秒节目，邀请供应链高管出身、现经营咨询业务的 Jeff Lutz，讨论 Tesla Robotaxi rollout 的最大风险。开场一句话把方向定得很直：「So the biggest threat to Tesla's robo-taxi rollout right now might actually not be the technology, but rather politics.」节目随后把 Uber 在新泽西州推动「85% 真人司机」条款的报道、Waymo 与 Uber 的关系恶化、Austin 的停车罚单，以及 Tesla 应该怎样推进 Cybercab，放进同一条因果链里。1

这期对谈的核心判断是：当 Robotaxi 从软件演示进入城市交通系统，竞争不再只看谁的模型更强，还要看谁能拿到运营入口、承担清洁和充电、处理乘客支持，并在不同州的许可规则里活下来。主持人与 Jeff 对 Uber 的游说持明显批评态度，但节目也承认 Uber 有自己的解释：它把混合网络说成兼顾司机就业、乘客选择和自动驾驶过渡的折中方案。文章以下按节目的论证顺序整理，不把节目中的判断包装成已经验证的行业结论。

节目先引用一项关于 Uber 游说的调查。按照主持人的转述，Uber 游说新泽西州考虑一项要求：提供无人驾驶网约车服务的平台，在三年内仍要让真人司机完成 85% 的行程。这个提议的效果很明确，会把 Waymo、Zoox 或 Tesla 的无人车导向 Uber 这样的混合平台，而不是让它们直接运营自己的叫车应用。节目同时说明，这一条款没有进入最终法案。2 3

这不是一个小的比例要求。假设一家无人车公司已经拥有车辆、软件和调度系统，却必须把大多数订单交给人类司机，它的技术优势就不能直接转化成车队利用率和成本优势。节目因此把问题归结为平台入口：Robotaxi 可以在道路上自动驾驶，但客户从哪里来、订单怎样分配、谁能把车辆接入城市服务，仍掌握在另一套商业网络手里。

Uber 对这项政策的解释是「在工会担忧岗位流失的背景下做出的妥协」。TechCrunch 对华盛顿特区争议的报道也记录了 Uber 支持一种 hybrid model：让传统人类司机组成的交通网络逐步纳入自动驾驶车，同时要求消费者在 Uber 上仍能叫到由人类驾驶的车辆。Uber 认为，相关法案可能取代 for-hire 司机，并让 Waymo 获得事实上的垄断；Waymo 则支持允许无人驾驶测试和商业运营的更开放规则。2

节目中最尖锐的一层批评，是 Uber 过去也曾反对限制司机的法律，如今却在推动会限制无人车比例的政策。主持人把这种做法称为可能让 Uber 获得竞争优势的监管介入，甚至用了「this is just pathetic」这样的表达。这里的重点不在于替哪一方裁决，而在于同一条规则对不同商业模式的影响：对 Uber 来说，混合网络能延长现有平台的作用时间；对纯无人车公司来说，混合比例可能变成进入市场的门槛。

Jeff Lutz 的论证比「Uber 在阻碍自动驾驶」更进一步。他把 Uber 归入 aggregator app，也就是把乘客需求、车辆和订单撮合起来的平台。他承认在早期阶段，自动驾驶公司可能需要这种入口来获得客户、调度车辆和处理服务，但他认为规模一旦上来，中间层的必要性会下降。

他的原话是：「As the Robotaxi platforms scale, I don't think the aggregator is going to be needed. I think they're going to be cut out.」Jeff 给出的理由有两层。第一，Waymo 如果拥有自己理想的成本结构，就应该能够把更多车辆投入道路；他接着说，Waymo 目前「can't」。第二，如果 Tesla 真的能把大量低成本车辆放到城市里，Uber 的商业模式会被重新定价，连 surge pricing 这样的收入机制都可能受到影响。

这里的「aggregator」不能简单理解成一款叫车 App。节目讨论的是利润如何在车、软件、车队管理、客户关系和订单分发之间切分。只要无人车公司本身能掌握车辆和调度，Uber 提供的那一层撮合服务就可能变成额外的 margin node，也就是需要从每一单里分走利润的中间环节。Jeff 说：「You don't need that margin node in there because you gotta pay for that to have it.」这些是他的商业模式判断，不是对 Uber 未来收入的量化预测。

Jeff 同时承认，政府事务部门并非 Uber 独有。「Companies have these government affairs organizations. They all do.」他把游说分成防御性和进攻性两类，真正的问题在于，这些行动是否「furthering the interest of the public」。节目在这里留下了一个没有继续展开的矛盾：如果混合网络能缓冲就业冲击，它可能有公共政策上的理由；如果同一条规定又把潜在竞争者挡在门外，它也可能变成既有平台保护自身利润的工具。

节目接着讨论 Uber CFO Balaji Krishnamurthy 与 Ethan McKenna 在 X 上的争论。CFO 先用「physical AI」的节奏为 Uber 争取时间。他说，原子世界里的变化比数字世界慢，技术可能一夜之间改变，但经济通常变化得慢得多。放在自动驾驶上，意思是 Robotaxi 即便技术进步很快，也不会马上摧毁现有网约车经济。

Ethan McKenna 的反问直接指向前面的游说争议：「If this is true, then why does Uber feel the need to engage in pretty blatant regulatory capture to slow down autonomy in New Jersey and D.C.?」如果自动驾驶本来就会慢慢到来，Uber 为什么还要推动可能放慢它的规则？

Krishnamurthy 的回复是，Uber「is investing more than any other company to advance the progress of AVs globally」。他还说，新泽西州当时考虑的法案会同时禁止 Tesla 和 Zoox，华盛顿特区的方案则会完全禁止 hybrid networks，Uber 只是回应「misguided legislation」。McKenna 随后指出，他没有看到足以证明华盛顿特区法案会禁止混合网络的证据，并引用 Uber 游说者提出 85% 真人司机要求的说法反驳。

这段争论没有在节目里被解决。两边其实在回答不同的问题：Uber CFO 讨论的是「Uber 是否在投资和推动 AV 行业」，批评者讨论的是「Uber 是否在推动有利于自身商业模式的具体规则」。一家公司可以同时投资自动驾驶，也可以反对某种让竞争对手绕过自己的商业路径。节目把这两件事并列呈现，没有替它们强行合成一个结论。

Jeff 给 Tesla 的建议相当克制。他反复强调，Cybercab 初期不要「too hard, too fast」，先把产品做到尽可能少出错。这里的 error 不只指安全事故，也包括堵塞交通、错误落客、乘客不方便，以及足以让监管机构形成坏印象的运营问题。

他的路径是先在少数州和城市谨慎 rollout。只要 Florida 之类的州能形成稳定案例，New Jersey 等州就会看到这种服务并反问：「Why don't we have what they have?」在 Jeff 看来，公众使用体验会反过来推动地方政府接受 Robotaxi。这个判断仍然建立在节目讨论之上，节目没有拿出一组州际民调或许可通过率来证明它。

Jeff 认为最理想的长期方案是联邦标准，至少不要让一家企业为 50 个州准备 50 套完全不同的规则。如果国会难以推进，他提到某种 executive order 作为可能路径。主持人还转述 Tesla 高管 Lars Moravy 的说法：Tesla 与 NHTSA 关系良好，与 Sean Duffy 立场一致，没有看到 Cybercab rollout 存在问题。由于节目没有在这里展开具体文件、许可编号或联邦标准文本，这些内容应理解为节目对管理层表态的转述，而不是已经完成的监管批准。

节目把 Waymo 与 Uber 的关系变化当成上述矛盾的现实案例。它引用的报道认为，两家公司因为自动驾驶 rollout 的游说冲突而关系恶化。Austin 和 Atlanta 的 Waymo 车辆当时仍只能通过 Uber 提供服务，Phoenix 的服务已经退出；节目又强调，双方合同据报一直持续到 2028 年 1 月，所以「分手」不是短期内立刻发生的动作。1

Uber 的支持者强调 network advantage：Uber 有约 2 亿月活用户，能为自动驾驶公司带来现成订单。Waymo 一方的反驳则是，无人车不需要传统意义上的司机网络，「There is no network. There's no need to have drivers. You just need customers.」这句话把争议压缩成一个关键选择：未来的 Robotaxi 需要的是 Uber 的客户入口，还是 Waymo、Tesla 自己也能建立直接面向乘客的服务？

现实运营又比这句反驳复杂。Waymo 与 Uber 在 2024 年宣布扩展合作时，Uber 负责车辆清洁、维修和车库等 fleet management，Waymo 继续负责 Waymo Driver 的测试和运行、道路援助以及部分乘客支持。4 这说明平台和自动驾驶技术可以分工，但也说明双方要共享客户支持、维护标准和异常处理，关系并不只是一方提供 App、另一方提供车辆。

节目转述的另一组争议包括 Waymo 抱怨 Uber 体系下的清洁和路线问题，Uber 则认为经济性难以持续；报道还提到恶劣天气可能让 Waymo 车辆暂时不可用。它们都出现在对谈的新闻段落里，但节目没有给出完整的订单分母、天气条件或双方原始运营数据，因此只能作为双方关系紧张的线索，不能据此判断谁的系统更可靠。

Jeff 认为 Robotaxi 的规模化利润取决于「not so many pieces in the pie」。车辆、软件、车队管理和服务越分散，越多公司要从同一单收入中切走一块。于是他把 Tesla 的优势描述成一整套同时推进的系统：Cybercab 车体、车内软件、autonomous fleet management infrastructure，以及车辆通信、控制、监控、清洁和充电。

他给这套组合的判断是：「Vertical integration here is key.」对 Tesla 而言，垂直整合并不只意味着自己造车，还意味着把 Robotaxi 运营中最容易产生额外成本的环节掌握在内部。这样做的代价是前期要自己解决更多问题，优点则是产品设计、软件更新、车队调度和服务流程可以一起优化，不必等多个合作方协调。

Jeff 认为 Tesla 现在还在「making sure this thing's fully baked」，而不是急着把产品推出去。这个说法与节目对 Uber 游说的批评相互呼应：如果 Cybercab 初期出错，地方监管者可能把个案当成整个自动驾驶行业的样本；如果 Tesla 能先把服务做稳，就可能用实际运营表现争取更多州的许可。节目没有提供 Tesla Robotaxi 的完整成本表，所以「垂直整合能带来更低成本」在文中应保留为嘉宾的产业判断。

节目花了很长一段讨论《华尔街日报》关于 Waymo 在 Austin 的报道。主持人给出的数字是：Waymo 自 2024 年进入 Austin 以来，约 300 辆车累计产生 9,325 美元停车罚单。随后他提出一个非常直观的放大问题：如果车队从 300 辆扩到 3,000 辆，甚至 10,000 辆，会发生什么？1

节目没有把 9,325 美元说成 Waymo 的财务危机。相反，主持人也承认 Alphabet 账上现金很多，罚单本身不至于伤筋动骨。这个案例的价值在于它把 Robotaxi 的运营问题从演示视频里拽了出来：车辆怎样停靠，怎样避免堵塞，谁负责处理临时停车和道路边界，都会在车队扩大后变成重复出现的成本。

Jeff 把它归入「growing pains as these things scale」。这句话的分量在于，自动驾驶车即使能够完成驾驶任务，也没有因此自动获得城市空间。停车位、清洁、充电、远程支持和交通秩序仍然需要有人或某个系统负责。罚单金额只是可见的一小笔账，真正没有在节目中量化的是由此带来的调度、投诉、人工处理和城市协调成本。

这也解释了为什么节目不把 Waymo 的停车罚单直接当成 Tesla 的技术反证。它更像是 Robotaxi 进入公共道路后的运营样本。Tesla 如果采用自己的车队和服务系统，理论上可以把这些流程统一管理，实际能否减少错误，还要看 Cybercab 在不同城市的停车、清洁和充电规则中怎样运行。

最后一段从 Uber、Waymo 和 Austin 转向中国车企、合资企业出口以及自动驾驶 licensing。Jeff 先谈制造业经济性：如果把中国的工具、设计和工厂设备搬到美国，再按每小时 50 至 70 美元的美国人工成本运行，账面上很难成立；他用每小时约 4 美元的中国人工、4 至 10 美元的墨西哥人工做对照。这些数字是他的讨论用例，不是节目提供的跨国劳动力统计，不能当作完整的成本研究。

随后，他把问题接到 FSD 授权。即便 Tesla 已经拥有成熟的软件，想把它授权给其他车企，也要回答数据存在哪里、决策怎样产生、系统如何适配不同车型，以及谁负责资格认证。Jeff 认为，连 FSD 在 Cybertruck 和 Cybercab 上的适配都花了很长时间，因此直接向其他 OEM 授权会很难，可能需要很久才能实现。

他更看好 silicon platform developer，例如 NVIDIA，与 OEM 协作的路径。主持人随后引用前通用汽车印尼业务负责人 Michael Dunn 的批评，认为仓促把关键能力交给别人，长期可能带来严重后果。这个收尾与前文的垂直整合形成呼应：如果 Tesla 自己掌握车、软件和车队服务，它可以控制更多变量；如果把自动驾驶能力交给别的车企，成本、数据、责任和品牌之间的边界都会重新变复杂。

不过，节目这里发生了明显的主题跳转。Robotaxi 监管游说、Waymo 停车罚单和 FSD 对外授权并不是同一个政策问题，Jeff 是用「谁掌握关键环节、谁承担运营成本」把它们串起来的。这个连接有启发性，但还没有发展成法律意见或财务模型。

节目并没有证明 Uber 能够阻止 Tesla Robotaxi，也没有证明 Waymo 的运营问题会让 Tesla 自动获胜。它提出的是一条更窄、也更实际的风险链：Uber 试图把自动驾驶纳入自己熟悉的混合平台；Waymo 既需要客户入口，也需要决定自己能否脱离这个平台扩张；Tesla 若想直接建立 Robotaxi 服务，就必须把软件、车辆、清洁、充电、调度和监管沟通一起做好。

因此，视频标题里的「biggest threat」并不等于某家竞争对手已经赢了。它指的是一旦政治和运营规则先于技术成熟，Tesla 可能面对的就不是一次模型能力考试，而是一场关于谁有资格进入城市、谁能直接接触乘客、谁来承担每个小错误的长期争夺。节目给出的建议也因此很谨慎：先把服务做稳，避免过快扩张留下坏案例，同时推动更统一的规则。

加州 DMV 的公开说明可以帮助理解这种监管摩擦为何存在：自动驾驶制造商需要分别面对带安全驾驶员测试、无驾驶员测试和部署三类许可，每类许可还有批准地点、运行条件和速度限制。5 这不等于 Tesla 在其他州一定受同样规则约束，却说明「车能自动开」与「车能以什么条件提供商业服务」本来就是两个层次。