Rivian 詳述 Uber Robotaxi 經濟效益，並透露 R2 物料清單成本僅為 R1 的一半
Evercore ISI 第 9 屆年度 ADAS 會議，2026年9月29日
Rivian 高層在 Evercore ISI 舉辦的 ADAS 會議上，最清晰地勾勒出其自動駕駛押注將如何轉化為營收，同時公布了支撐 R2 量產的成本結構新細節。自駕與 AI 資深副總裁 James Philbin 和投資人關係副總裁 Chip Newcom 涵蓋了從 Uber 合作案的經濟效益到具體物料清單（BOM）削減等諸多領域，向投資人展現這家公司正試圖證明其在內部建構可信賴的自駕堆疊（autonomy stack）同時，也能擴大生產規模的全面視角。
Uber 合作結構：車輛銷售外加基於里程的授權費
最為具體的新揭露，聚焦於 Rivian 將如何實際從其與 Uber 的 robotaxi 合作夥伴關係中獲利。Newcom 確認，Uber 或其車隊合作夥伴將直接買斷車輛，Rivian 則透過汽車銷售與銷貨成本（COGS）認列該筆營收。但在這之上，還疊加了一筆與車輛使用率掛鉤的獨立軟體授權費。「可以把它想像成是根據車輛在路上行駛的里程來計算使用率，」Newcom 表示，他雖未明確指出每英里費率，但確認此一結構類似於 Rivian 自駕堆疊的每英里美元權利金，而非固定軟體費用。
在資金方面，Rivian 預計在今年第四季達成與 Uber 協議下的第二個融資里程碑，解鎖至 2031 年總計 12.5 億美元承諾中的 2.5 億美元。首批 1萬輛 robotaxi 的採購承諾，仍然取決於 Rivian 是否能達成 L4 等級的性能表現，該服務預計於 2028 年底推出。Newcom 明確表示，具體的技術與地理里程碑（包括在 2031 年前擴展至 25 個市場、其中至少一個在歐洲）將決定後續的撥款分期，但他拒絕透露具體的觸發條件。
多模態端到端自駕堆疊，定位對標 Tesla 與 Waymo
Philbin 花費大量時間將 Rivian 的方法與產業兩端區隔開來。與 Tesla 的純相機策略不同，Rivian 堅持採用多模態感測——相機、雷達與光達（LiDAR）——並主張這會加速模型性能，而不是與端到端（end-to-end）訓練理念衝突。「模型基本上以相同的方式看待每一個感測器，」Philbin 解釋道。「它是一包數字，並透過自身的編碼器進行編碼。因此，它能夠找出這些交互關聯，並利用其輸入來使輸出達到最佳效益。」他指出，光達的成本已從過去的數千或數萬美元降至每顆僅數百美元，這也是為什麼 Rivian 願意將感測器成本吸收在汽車 COGS 之內，而非將其視為獨立的自駕費用。
針對 Waymo 的方法，Philbin 認為 Rivian 的優勢在於擁有大量、已經出貨的客戶車隊，能夠產生多樣化的真實世界數據，而無需逐個城市進行擴展。他也順帶批評了支撐傳統 L4 開發、以啟發式（heuristic）為主的工程方法，並結合他自身在 L4 公司的背景指出：過去需要「非常、非常複雜」規則集的窄路協商，在端到端的方法下「直接從模型中就能得出」，他稱這證明了這是「正確且具規模化的方法」。
點對點自駕時程與監管碎片化
Rivian 仍按計畫在 2026 年底前開始向早期採用者客戶推出點對點自駕功能，並以明年稍晚在 Autonomy Plus 車隊全面推出為目標。首發版本將運行在現有的 Gen 2 第二階段與第三階段硬體上，不需要 Gen 3 運算能力。Philbin 指出了實現脫手（eyes-off）駕駛的三大關卡：長尾極端邊緣案例（edge cases）上的原始模型性能、基於雲端的離線驗證方法，以及監管批准。他形容監管情況在各州之間「完全呈現碎片化」，有些州將脫手系統視為等同於 L4，而像紐約等其他州則完全沒有提供任何途徑。
為了蒐集真正能推動模型性能提升的邊緣案例，Rivian 建立了他所謂的「網格系統」，利用視覺語言模型（VLM）針對客戶車隊持續運行的約 3,000 個查詢集的長尾情境來擴大蒐集，並搭配機器學習驅動的觸發系統，可動態更新而無需等待 OTA 週期。Philbin 對模擬相對於車隊數據的局限性毫不含糊：「真實世界的數據無可取代……它是多個長尾事件的結合，全都匯聚到單一情境中」，這使得此類情況幾乎不可能透過合成方式建構出來。
R2 物料清單成本砍半，並舉出具體品項範例
在製造方面，Newcom 重申了第二季財報會議上的預測，即 R2 的物料清單（BOM）成本大約僅為 R1 的一半，非 BOM 成本的降幅甚至更大。他提供了一個具體範例：從全主動式氣壓懸吊轉為半主動式麥花臣（MacPherson）懸吊結構，使懸吊成本降低了 70%。Newcom 同時對比了 Rivian 目前的供應商議價能力與 R1 發布時的狀況，當時該公司「相對而言是個沒沒無聞的營運商」，在疫情期間「捧著帽子」與供應商談判。隨著產量承諾增加，這種動態已經逆轉，使 Rivian 在邁向喬治亞州工廠建置時擁有更強的定價權。
不過，大宗商品成本的抵銷效應並非全面有利。Newcom 指出，DRAM 和鋰價雙雙上漲，即便 Rivian 的鋰避險計畫正在運作中，這仍部分抵銷了設計簡化所帶來的結構性 BOM 成本削減。
產能規劃：Normal 廠 21.5 萬輛，喬治亞廠新增 30 萬輛
Rivian 位於伊利諾州 Normal 的工廠年化產能運作率為 21.5 萬輛，其中 15.5 萬至 16 萬輛分配給 R2。該公司已為喬治亞州廠動工，目前正進行沖壓模具和地基工程，預計該廠將為中型平臺——R2、R3 及 Uber robotaxi 變體車型——增加 30 萬輛的年產能，使兩座工廠的合計產能超過 50 萬輛。
自研晶片與 Gen 3 利潤效益
Rivian 即將推出的 Gen 3 運算平臺 RAP1 將於今年稍晚率先在員工車輛上推出，隨後於 2027 年向客戶發表，並優先供 R2 使用。Newcom 指出，除了純粹的性能外，這還帶來了利潤效益：透過轉向自研晶片，Rivian 不再「將該利潤支付給晶片供應商」。Philbin 補充道，晶片上的 TPU 類組件完全由內部建構，Rivian 保留了智慧財產權（IP），而晶片上的其他區塊則是與外部供應商合作開發。
福斯合資企業作為未來 OEM 合作的範本
當被直接問及大眾汽車（Volkswagen）之外的其他 OEM 合作前景時，Newcom 拒絕證實任何未決交易，但指出福斯合資企業——該企業明年將首次推出採用 Rivian 區域電子架構與軟體的首款車型 ID.1——作為該公司在追求進一步結盟之前所需的證明點。Philbin 澄清說，自駕堆疊本身並不包含在福斯合資企業內，這是一個深思熟慮的選擇，反映出 Rivian 打算在點對點技術於客戶車輛上獲得證明後，未來可能將該技術單獨授權給其他汽車製造商。
在需求方面，Newcom 反駁了全產業 BEV（純電動車）拉回意味著 Rivian 車輛胃納減弱的說法，他主張電動車普及已經趨於穩定，迄今為止更大的限制在於缺乏差異化的車輛設計，而非消費者對電氣化本身的抗拒。