Management Science：robotaxi 不一定线性替代 Uber，平台模式仍有供给弹性和成本优势
学术圈重大事件 · 发布 2026-06-24T06:21:00+08:00 · 更新 2026-06-24T13:23:37+08:00
University of Maryland Smith School 6 月 23 日发布研究解读，Tunay Tunca、Yi Xu 与 Korea University 的 Daehoon Noh 在 Management Science 论文中比较平台型网约车与纵向一体化 robotaxi 服务。论文认为，自动驾驶车队只有形成显著成本优势时才更容易压过平台模式；在许多情形下，Uber、Lyft 可通过佣金快速调节司机供给，弹性反而强于重资产 robotaxi。它提醒，自动驾驶替代服务还取决于市场结构和监管。
University of Maryland 的机构稿把这项研究放在一个现实节点上：Waymo 等自动驾驶服务正在扩展测试和商业化城市，投资者也常把 robotaxi 视作 Uber、Lyft 的长期替代者。但论文的模型结论更谨慎。研究团队比较了平台型服务和纵向一体化自动驾驶服务的供给、定价、利润和消费者等待时间，核心差异不是“有没有司机”，而是谁承担车辆所有权、维护、扩张和容量风险。
Management Science：robotaxi 不一定线性替代 Uber，平台模式仍有供给弹性和成本优势（图源：Management Science DOI）
平台模式的优势来自两处。第一是供给弹性：Uber 或 Lyft 可以通过调整佣金和司机激励，让更多或更少司机上路，而 robotaxi 公司扩大供给需要购置、维护并调度车辆。第二是成本结构：平台不拥有大规模车队，价格竞争会压缩收入，但不必同步承担同等规模的固定资产亏损；纵向一体化 robotaxi 若用低价抢市场，前期车辆和研发投入会让亏损更集中。论文还指出，在部分竞争情境中，低价会吸引更多乘客进入叫车市场，造成拥堵和等待时间上升，消费者并不必然受益。
这对科研和产业观察都有提醒意义。自动驾驶系统的感知、决策和安全能力仍是技术门槛，但商业替代速度还要看平台经济的战略韧性。对监管者而言，补贴或鼓励 robotaxi 进入城市交通前，需要评估它是否真正降低出行成本、减少拥堵和改善服务可及性；对投资者而言，不能只用“AI 替代司机”这条直线逻辑判断平台企业价值。
仍需观察的是，论文属于模型和管理科学分析，结论依赖成本、需求弹性、等待时间和供给调整等假设。随着车队成本、保险、远程运营、安全员配置和城市监管要求变化，robotaxi 的真实成本曲线可能重新改写模型输入。后续更关键的证据会来自多个城市的运营数据：每英里成本、事故和干预率、峰谷时段等待时间、车辆利用率，以及平台与 robotaxi 公司是竞争、接入还是混合合作。
信息来源
可信度说明
研究解读来自 University of Maryland Smith School，经 Newswise 发布；论文已在 INFORMS Management Science Articles in Advance 在线发表，DOI 可核验。新闻稿对模型含义做了商业化解释，本文将其限定为管理科学模型结论，不把它写成对 Waymo、Uber 或 Lyft 未来市场份额的确定预测。