内华达刚刚把同一条路的钥匙交给了特斯拉、优步和Waymo

沙漠中的三方对决

内华达州周四做了一件史无前例的事：在一项投票中，向三家相互竞争的自动驾驶汽车公司发放了商用机器人出租车牌照。内华达州交通局批准特斯拉、Waymo 和优步在未来 12 个月内在克拉克县部署多达 8,000 辆自动驾驶车辆。拉斯维加斯——以及定义它的赌城大道——即将成为地球上最拥挤的自动驾驶汽车测试场。

许可分配的比例很关键。特斯拉获得 5,000 辆车的牌照。Waymo 获得 1,000 辆。优步也获得 1,000 辆，但它将通过与摩根（Motional）和 Zoox 合作来运营，而非使用自有车队。Zoox 已经持有一张单独的 100 辆车牌照。这就引出了一个亟待回答的问题：当这些车队真的在同一条街上汇合时会发生什么，尤其是在金三角区——机场与拉斯维加斯大道之间那条高流量走廊，那里已经进行了绝大多数的自动驾驶汽车测试。

这不是一个假设性的场景。这些许可立即生效。

这些数字是乐观的虚构

听证会上每家公司都承认，批准的数字是愿景而非现实。特斯拉 Cybercab 首席工程师埃里克·厄利直言不讳。他表示，5,000 这个数字是一个天花板，公司可能根本达不到。厄利称，特斯拉若能在一年内达到 2,500 辆车，就会"非常高兴"，并暗示制约因素并非技术本身，而是支撑道路上如此大量自动驾驶车辆所需的运营基础设施。

其他公司没有说得那么具体，但表达的是同一个核心观点：这些许可确立的是最大容量，而非部署目标。在实际操作中，这意味着监管机构许可了一个拥堵和竞争的最坏情况，而各公司自身预计会以更慢的速度推进。

许可与现实之间的落差，正是最有趣的动态将在其中展开的地方。部署速度领先同行的公司将获得数据优势、市场份额，以及——至关重要的一点——公众对其自动驾驶品牌的熟悉度。自动驾驶汽车在公共道路上每行驶一英里，公众就多一分信任。谁率先在拉斯维加斯确立自己作为默认机器人出租车选项的地位，谁就获得了一项任何牌照都无法赋予的东西：习惯。

优步的生存策略正摆在台前

优步在这套方案中的地位是最具战略趣味性的。这家公司长期以来在自动驾驶叙事中占据着一个尴尬的位置：它需要自动驾驶技术来解决司机成本问题，但同时它今天的收入又依赖于人类司机。优步所倡导的混合模式——要求机器人出租车在同一网约车网络上与人类司机并行运营——是一种刻意的对冲策略。

如果自动驾驶技术停滞不前，优步仍然是人们召唤汽车时使用的主导应用。如果技术发展过快，优步就有沦为没有任何护城河的中间商的风险。混合模式争取了时间。它还让优步在监管机构决定谁能在内华达州运营时，拿到了上桌的席位，因为该公司将自己定位为渐进主义的代言人，而非颠覆者。

这一立场使优步与 Waymo 和特斯拉形成了直接对立，后两者都希望尽可能快速地推进。Waymo 已经在凤凰城和洛杉矶运营付费机器人出租车服务。特斯拉多年来一直在为 Cybercab 的发布做准备。优步的策略是确保无论市场如何演变，公司都能在中间找到一席之地。

劳动力问题并非抽象概念

对这些许可的反对来自乘车服务商协会和当地出租车公司，由律师金伯利·马克森-拉什顿代表。他们的论点简明扼要：批准来得太快，将导致交通市场过度饱和，同时堵塞本就压力重重的道路。

关于道路拥堵的担忧是具体且地理性的。金三角区在旅游旺季已经是瓶颈。无论司机是人类还是算法，数千辆自动驾驶车辆的加入——其中许多将在行程之间空驶或在更高需求区域间重新调度——无论如何都会加剧这一压力。

劳动力担忧则更为广泛且影响深远。拉斯维加斯的出租车司机不是在某个遥远的未来场景中与机器人出租车竞争。他们明年就要竞争，下个月就要竞争，随着许可开始生效。建造这些车辆的公司将转型描绘为新兴就业岗位：车辆维护、充电基础设施、远程监控。这些岗位确实存在。但它们薪酬更低，需要不同的技能，且数量远少于它们所取代的驾驶岗位。

内华达州同时批准三项许可的决定表明，该州监管机构认为自动驾驶部署的经济效益超过了人员置换的成本。这是一个政策判断，而非技术判断。它将在第一辆特斯拉 Cybercab 驶向赌场大道附近路边上车点的那一刻开始接受检验。

为何影响不止于内华达州

内华达州不是加利福尼亚州——那个自动驾驶汽车开发的主导市场。其监管环境诉讼风险较低，旅游经济创造了持续的交通需求，其城市地理—— sprawling、以汽车为中心、围绕目的地而非公共交通走廊建设——或许比旧金山更适合机器人出租车服务，在那里，人行道上的人流拥堵和行人复杂性仍然是真实的障碍。

克拉克县发生的一切将为其他地区的监管提供参考。周四投票所创造的三方竞争格局尚无先例。在加州，Waymo 大规模运营几乎无人挑战。在德州，特斯拉遭遇阻力。内华达州选择了一条不同的道路：向所有人敞开大门，让市场自己裁决。

这种做法带有风险。多个竞争对手同时部署大型车队，增加了事故、公众困惑以及出事后监管反弹的可能性。但这也将实际测试的速度大大加速，远超任何单一公司单独能够达到的水平。每一次碰撞、每一次险些发生事故、每一次成功行程，都是改进系统的数据——而且学得最快的公司赢。

许可已下发。倒计时已经开始。