从 Robotaxi 到轨道 AI：ARK 如何把具身智能与 SpaceX 放进同一条成本曲线

一、嘉宾背景

这期节目来自 ARK Invest 的《FYI: For Your Innovation》，标题为“Robotics Has Advanced Beyond Our Expectations | Big Ideas 2026 Mid-Year Review”，上传日期是 2026 年 9 月 29 日，时长 1,165 秒。它不是泛泛而谈的科技圆桌，而是 ARK 对 Big Ideas 报告中两条研究线索所做的年中更新：一条是具身 AI，覆盖 Robotaxi、自主物流、无人机配送和机器人；另一条是空间基础设施，重点放在可重复使用火箭、Starlink 和面向 AI 的轨道能力上。

本集讨论者明确。Tasha Kini 开场说明，她将与 Daniel McGuire 一起讨论 ARK 对 embodied AI 与 space research 的更新。证据中的嘉宾背景显示，Daniel McGuire 是本集具名讨论参与者，关联 ARK Invest 围绕 Big Ideas 的研究更新，议题包括 embodied AI、robo taxis、autonomous logistics、drone delivery，以及与空间相关的公司。因此，本文将节目中的判断归因于 ARK 节目里的 Tasha Kini 和 Daniel McGuire，而不是把它们写成外部已经验证的事实。

二、本期主要内容

节目结构清晰：先从 Robotaxi 讲“运人”，再转向无人机配送讲“运货”，随后扩大到四足机器人和类人机器人，最后用 SpaceX 把 AI 与空间基础设施连接起来。开场的 Robotaxi 部分以 Waymo 为基准。Daniel McGuire 说，Waymo 在美国商业 Robotaxi 服务中领先，每周完成超过 50 万次无人驾驶出行，并有意扩大到每周 100 万次。ARK 将这一扩张与安全性相连：他们根据 Waymo 披露的警方报告碰撞数据，与美国全国平均事故率相比，认为 Waymo 的运营已经更安全。

随后，Tasha Kini 把问题从“能不能跑”转向“为什么会改变采用速度”。她说，ARK 的 Robotaxi thesis 是价格：如果无人驾驶叫车能够低于人工网约车价格，就可能扩大网络并推动采用。但她同时强调，安全是前置条件，因为监管者需要看到无人车比人类司机更安全。节目接着把 Tesla 放入另一条扩张路径：Daniel 称 Tesla Robotaxi 已在七个地区运营，他本人在 Tampa 试用后认为体验顺畅；节目还提到 Cybercab 是一款专为 Robotaxi 设计、没有方向盘、踏板和后视镜的车辆，而 Tasha 认为监管层面对无踏板、无方向盘车辆的信号是积极的。

无人机配送部分说明，“自主物流”已经进入现实运营。Daniel 说，Zipline 累计超过 250 万次自主配送，并在早期通过 Platform 1 在非洲开展医疗配送后，开始扩大 Platform 2 面向住宅配送的规模。Walmart 近期超过 100 万次无人机配送，主要由 Zipline 和 Alphabet 旗下 Wing 贡献，并计划到 2027 年覆盖 270 个 Walmart 地点、触达超过 4000 万美国人。Tasha 随后从食品配送经济性解释 DoorDash 为什么也要自研无人机：美国食品配送平均约 30 美元，其中约一半是餐食本身，另一半是费用和加价；ARK 认为无人机配送可能把配送价格降到约 1 美元或更低，并可能隐藏进商品价格。

机器人部分明显更谨慎。节目称图表中约有 4 万台四足机器人和 2 万台类人机器人，但 Tasha 提醒，产量不同于真实客户部署。她说，类人机器人可能是 20 万亿美元以上的市场，却比自动驾驶更早期，数据更难收集，也更难从跳舞、迎宾、语音互动等任务走向真实物理劳动。最后，节目转向 SpaceX：Daniel 称 SpaceX 在这一年以接近 2 万亿美元估值上市并筹集约 850 亿美元资本；他还把 SpaceX 的 IPO、Starlink 卫星规模、轨道数据中心或 Starmind AI 卫星，以及 Starship 的上行质量能力，放在同一条主线下，作为 ARK 理解空间 AI 基础设施的依据。

三、核心观点：推理、例子与边界

节目最核心的判断是：Robotaxi、无人机配送、机器人和可重复使用火箭虽然分属不同市场，但在 ARK 的框架里，它们都指向同一个问题：自主系统能否通过安全、成本和规模，重新定价过去依赖人力或高成本基础设施的服务。Robotaxi 部分最直接。Waymo 每周超过 50 万次无人驾驶出行，在节目中不是单纯的规模展示，而是说明商业 Robotaxi 已经积累到足以被监管者、消费者和市场持续观察的运营量。Tasha Kini 强调，价格可能最终驱动采用，因为无人车如果能低于人工网约车价格，就能扩大网络；但她同时把安全放在前提位置。也就是说，ARK 的逻辑不是“便宜就会赢”，而是“达到足够安全之后，价格才会成为扩张杠杆”。

这一判断的边界同样关键。节目中关于 Waymo 更安全的说法，依据是 Waymo 披露的警方报告碰撞数据与美国全国平均事故率的比较；Tasha 也区分了身体伤害、严重碰撞、最坏事故等不同口径。不同安全指标会导向不同结论：警方报告事故、伤害事故、责任归属、是否按城市道路环境校正，并不是同一个问题。因此，不能把节目中的安全判断扩展为“所有 Robotaxi 在所有环境中普遍更安全”。更稳妥的理解是：ARK 认为，至少在其选用的公开口径下，商业化领先车队已经具备向监管者证明安全性的材料。

Tesla 在节目里的位置不是 Waymo 的简单复制。Daniel McGuire 提到 Tesla 已在七个地区运营 Robotaxi，并说自己试用了 Tampa 服务，体验顺畅；Tasha 则把 Tesla 的 autonomous-capable vehicles 定义为分布在客户手中的小型研发中心，这些车辆收集道路、摄像头和事故数据，用于训练 Tesla 的驾驶系统。这构成了另一种扩张叙事：Waymo 展示商业服务成熟度，Tesla 则可能依靠数据网络和量产车辆加速学习。不过，这里仍有不确定性。配备摄像头、能够收集数据的客户车辆，并不等于这些车辆已经 Robotaxi 化；监管批准、无人服务质量、远程运营、保险责任和城市落地，仍然是商业化边界。

全球 Robotaxi 格局进一步说明，技术扩张最终要落到单位经济性。Daniel 说，中国的百度、文远知行和小马智行正在中国扩张，并进入中东、欧洲等市场；他认为这些市场有更高的价格伞。Tasha 则指出，西方网约车价格平均约每英里 2 美元或以上，中国约每英里 0.50 美元或更低。这解释了为什么 ARK 更关注美国和西方市场：同样的自动驾驶能力，在高价格市场更容易显示毛利空间。反过来，中国市场即使在自动驾驶技术和部署上更积极，也可能因为价格伞较低而更难赚钱。节目没有证明哪家公司最终胜出，而是在提示：Robotaxi 不能只看车辆能否自动驾驶，还要看价格、监管、城市密度和竞争结构。

无人机配送部分把同样的成本逻辑转向物流。Zipline 累计超过 250 万次自主配送、Walmart 超过 100 万次无人机配送、到 2027 年进入 270 个 Walmart 地点并触达超过 4000 万美国人的计划，说明这已经不是“未来某天”的概念验证，而是进入零售网络和履约网络的运营实验。DoorDash 自研无人机尤其关键，因为 Tasha 给出的美国食品配送结构显示，消费者为便利支付了很高溢价。若无人机把配送价格压到约 1 美元或更低，商业模式未必表现为向用户展示一个极低配送费，而可能像“免费配送”一样被商品加价吸收。限制在于，节目没有证明每个品类、每个城市、每种天气和监管空域都适合无人机；FAA 认证、门店密度、起降点、噪声、载重和最后几米交付，都会影响落地速度。

类人机器人是节目中想象空间最大、同时也被最明显降温的部分。ARK 认为，仅类人机器人就可能是 20 万亿美元以上的市场，但 Tasha 同时指出，这项技术比自动驾驶早期得多，运行环境更开放，任务更多样，ARK 过去的研究甚至估计其复杂度可能是完全自动驾驶的 20 万倍。她还强调数据问题：自动驾驶可以在公共道路获得许可并收集数据，制造业机器人却要进入工厂，在还不能真正完成工作时就采集场景数据，这在商业上更难。节目承认，当下很多机器人仍停留在跳舞、迎宾、语音或聊天机器人式任务，不能用演示视频替代客户部署。这里的核心判断是：潜在市场巨大，但证据重心应从“生产了多少台”转向“有多少台在客户现场完成有价值的工作”。

SpaceX 部分把成本曲线推向太空。Daniel 称，ARK 认为 SpaceX 领先行业十年，并用 SpaceX 2015 年回收轨道级助推器、Blue Origin 2025 年实现同类成就、中国在 Big Ideas 发布后加入这一行列，以及发射成本自 2008 年以来下降约 95%，说明可重复使用火箭的意义。Starlink 接近 1.1 万颗活跃卫星、超过 1200 万订阅者，则被节目用来说明低成本发射如何转化为实际服务规模。更激进的是 Starmind 或轨道数据中心叙事：Daniel 说，SpaceX 在 S-1 中识别出 28.5 万亿美元的总可寻址市场，其中 90% 以上与 AI 相关，并计划到 2032 年一年送入接近 250 万公吨上行质量。这里必须保留归因和不确定性：IPO、S-1、TAM 和发射规划都是节目中的嘉宾叙述，不能当作外部独立核验后的事实。它们更适合作为理解 ARK 如何看待 SpaceX 愿景的材料，而不是对未来结果的保证。

四、学习与应用

理解这期节目，最有效的方法是把每个技术主题拆成四个问题：能力、成本、许可、部署。评估 Robotaxi 时，不能只问它能不能自动驾驶，也不能只看宣传中的体验视频。更有价值的问题是：事故率采用什么口径？是警方报告事故、身体伤害、严重碰撞，还是按责任归属调整后的事故？比较对象是全国平均司机，还是同一城市、同一道路类型、同一时间段的司机？ARK 在节目中用 Waymo 数据说明安全门槛正在被跨越，但 Tasha 也暗示，不同口径会影响判断。因此，对投资者、城市管理者或行业观察者而言，安全指标必须和监管目标对应，不能把一个统计口径包装成万能结论。

Robotaxi 商业化还要同时看价格和规模。Tasha 说，价格可能是最终采用驱动因素，这意味着一个车队即使足够安全，也要证明它能低于人工网约车成本并扩大网络。放到公司分析里，Waymo 可以被视为商业服务密度和安全披露的样本；Tesla 则要分开看客户车队数据资产与真实 Robotaxi 服务。Tesla 的 autonomous-capable vehicles 能收集道路信息，但这不等于所有车辆都已经成为无人出租车。更合理的跟踪指标包括：获批城市数量、真实无人订单量、每英里成本、监管允许的车辆设计、Cybercab 这类无方向盘车辆能否合法运营，以及事故披露是否足够可比。

无人机配送的应用边界也很清楚。它更适合高频、低重量、时间敏感、门店或仓点密度足够高的场景，例如餐食、药品、便利零售和部分住宅配送。Zipline 和 Walmart 的例子说明，技术落地不只是飞行器本身，还需要零售网络、履约流程、认证和用户触达。DoorDash 的例子则说明，当前配送费和加价提供了价格空间；如果无人机把边际配送价格降到约 1 美元或更低，商家可能把费用藏进商品价格，让消费者感知为“免费”。但边界同样不能忽略：恶劣天气、噪声投诉、载重限制、空域规则、住宅交付点设计，以及是否能规模化通过 FAA 认证，都会影响经济性。

类人机器人最适合采用“部署优先”的评估框架。节目中的 20 万亿美元潜在市场很有吸引力，但 Tasha 反复强调早期性、数据采集难度和客户部署的重要性。对企业采购者来说，优先选择的应是可定义、可重复、风险低、能衡量节省的任务，而不是追求通用人形能力。对投资研究来说，应区分演示能力与生产能力，更要区分生产能力与客户现场工作时长。一个机器人会跳舞、会迎宾、会聊天，并不能证明它能在工厂连续搬运、装配、检测，或在家庭中可靠执行复杂任务。供应链、维护、训练数据、场景许可和安全责任，都会决定扩张速度。

SpaceX 段落的学习价值在于：上行质量比单次发射新闻更能解释空间经济。如果发射成本下降，Starlink 这样的卫星互联网业务才可能快速扩大；如果 Starship 真正实现完全快速复用，轨道数据中心或 AI 卫星才有更大的想象空间。应用上，可以把空间 AI 叙事拆成三层：第一层是火箭复用和发射成本，第二层是卫星星座和服务收入，第三层才是轨道计算或 Starmind 式 AI 卫星。任何一层断裂，后面的 TAM 都需要打折。

最后，节目中的高冲击数字必须保留归因标签。SpaceX IPO 估值、融资额、S-1 中的 28.5 万亿美元 TAM、2032 年接近 250 万公吨上行质量、AI 占比超过 90%，都应写作“Daniel 在节目中称”或“节目转述的公司材料”，而不是独立事实。这样做不是削弱文章，而是提高判断质量：读者可以同时理解 ARK 的乐观框架和它依赖的前提。对于实际决策，更稳妥的跟踪清单是 Robotaxi 事故口径与城市扩张、无人机配送认证与履约密度、机器人客户部署数量与任务复杂度、Starship 复用进展与发射资源紧张程度。

来源

• 原始节目：Robotics Has Advanced Beyond Our Expectations | Big Ideas 2026 Mid-Year Review